BAB IV ANALISA 4.1. Pengolahan data gambar 4.2. Pengelompokan ukuran

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB IV ANALISA 4.1. Pengolahan data gambar 4.2. Pengelompokan ukuran"

Transkripsi

1 BAB IV ANALISA 4.1. Pengolahan data gambar Dari gambar bisa diketahui semua ukuran yang diperlukan sebuah tower. Semua ukuran didata dan dikelompokkan masing-masing. Ukuran potongan tidak boleh lebih atau kurang dari gambar yang ada meskipun hal tersebut tidak terlalu mengikat. Tidak mengikat dikarenakan ada factor yang menyebabkan ukuran potongan bisa berubah meskipun hanya sedikit. Factor yang dimaksud adalah penggunaan alat potong shirkel. Pemotongan dengan menggunakan alat potong bisa menyebabkan pengurangan ukuran sebesar tiga millimeter (sesuai dengan tebal mata gerinda potong baru yang digunakan) dari ukuran potongan yang dibutuhkan. Maka dari itu data ukuran potongan yang ada bisa dijadikan satu kelompok berdasarkan selisih tiga millimeter (sesuai tebal potongan). Tapi yang paling penting dan perlu diingat adalah ukuran potongan jangan sampai tidak sesuai dengan gambar yang ada, apabila terjadi hal yang demikian maka dapat dipastikan jadwal erection akan mundur dari jadwal yang semestinya Pengelompokan ukuran Data yang telah dikelompokkan berdasarkan jenis siku profilnya kemudian dikelompokkan lagi berdasarkan ukuran. Ukuran yang sama jumlahnya disatukan sedangkan yang tidak sama tetap dibedakan. Tetapi bila selisih panjang masih berada pada kisaran potongan alat potong yaitu 3 mm, maka ukuran tersebut dapat disamakan atau disatukan. Contoh besi siku 50 panjang 1966,3 mm jumlah 8 batang dengan besi siku 50 dengan panjang 1965 jumlah 8 batang dapat disamakan menjadi besi siku 50 panjang 1965 dengan jumlah 16 batang. Hal tersebut juga dilakukan untuk besi siku yang lainnya. Berikut contohnya pada siku 50.

2 Tabel 3.1. Contoh Material Siku 50 No Jenis Panjang Jml. Total siku (mm) Potongan Panjang 1 Siku , ,8 2457, ,4 2252, ,4 2149, ,8 dst - Tabel selengkapnya ada di lampiran 1. Berat (kg) Penentuan Alternatif Teknik Pemotongan Besi Profil Agar memudahkan, alternatif variasi potongan yang dapat terjadi bisa ditabelkan seperti pada contoh table berikut ini. Tabel 3.2. Contoh altenatif pemotongan. Panjang Kebu- Alternatif (mm) tuhan , , Sisa (mm) , , , 537, 742,

3 a. Tabel Alternatif Variasi potongan dibuat untuk 1 jenis besi profil. Apabila ada 7 jenis besi profil yang akan digunakan, maka ada 7 tabel Alternatif variasi potongan. Dengan ketentuan bahwa 1 lonjor sama dengan 6 m maka pembuatan variasi pemotongan didasarkan atas kebutuhan panjang profil untuk tower. Variasi hendaknya dimulai dari ukuran yang terpanjang dahulu, setelah itu dicoba untuk membuat variasi dari ukuran yang lain. Hal ini dilakukan berulang-ulang sampai tidak ada lagi alternarif variasi yang memungkinkan. Yang perlu diingat dalam menyusun variasi pemotongan adalah bahwa sisa potongan yang timbul, diharapkan sudah tidak sesuai lagi dengan kebutuhan ukuran panjang besi profil yang ada. b. Pada contoh tabel alternatif variasi potongan diatas, profil yang diambil adalah besi siku 50. Kebutuhan tower untuk besi siku 50 meliputi berbagai macam ukuran dan jumlah yaitu 5990 mm sebanyak 4 batang, 3005 mm sebanyak 4 batang, 2568,2 mm sebanyak 4 batang dan seterusnya. Ukuran yang ada diurutkan berdasarkan ukuran yang terpanjang terlebih dahulu. Setelah itu buat variasi pemotongan. Misal pada kolom alternatif 1, disitu terdapat angka 1 pada baris ukuran 5990 mm yang berarti 1 lonjor besi siku 50 hanya dapat dipotong 1 kali dengan ukuran 5990 mm dan ada sisa sebesar 10 mm. Sisa tersebut sudah tidak dapat digunakan lagi karena kebutuhan tower akan 10 mm sudah tidak ada. Pada kolom alternatif 2, besi dipotong menjadi 2 bagian dengan ukuran 3005 mm dan 2568,2 mm dengan sisa 426,8 mm. Dari alternative-alternatif pemotongan besi siku yang telah dibuat dan ditabelkan, kemudian diurutkan berdasarkan sisa potongan yang terjadi. Data diurutkan

4 dimulai dari sisa potongan terkecil hingga kesisa yang terbesar. Data-data tersebut nantinya akan dianalisa dengan mempergunakan program bantu Excel Solver. Untuk menganalisa alternative-alternatif potongan besi profil siku, Excel Solver memberikan sebuah batasan yaitu hanya mampu menganalisa tidak lebih dari 200 variabel (adjustable cell). Sedangkan pada kenyataannya ada beberapa data yang memiliki alternative-alternatif pemotongan lebih dari 200 variabel. Seperti yang tampak dari rincian berikut ini : - Besi profil siku 100 menghasilkan 6 alternatif potongan. - Besi profil siku 90 menghasilkan 29 alternatif potongan. - Besi profil siku 80 menghasilkan 6 alternatif potongan. - Besi profil siku 70 menghasilkan 6 alternatif potongan. - Besi profil siku 60 menghasilkan 6351 alternatf potongan. - Besi profil siku 50 menghasilkan alternatif potongan. - Besi profil siku 40 menghasilkan 1244 alternatif potongan. Tampak bahwa data besi profil siku 60, 50 dan 40 memiliki lebih dari 200 alternatif pemotongan oleh karena itu ketiga data tersebut hanya diambil 200 data saja. Untuk mengatasi hal tersebut maka data-data yang diambil untuk dianalisa adalah 200 data teratas yang telah diurutkan berdasarkan sisa potongan terkecil kesisa potongan terbesar. Kemudian ada hal yang perlu diperhatikan dan dianalisa lebih lanjut yaitu 200 data alternative yang telah dipilih apakah sudah memenuhi atau mencakupi (merata) kebutuhan potongan besi siku yang sebenarnya. Sebab bukan tidak mungkin dari 200 data yang telah dipilih ternyata ada satu atau beberapa ukuran (potongan) yang tidak tercakupi oleh alternative-alternatif tersebut. Oleh sebab itu apabila hal tersebut terjadi maka harus dicarikan beberapa alternative potongan lain yang memenuhi ukuran yang ada untuk menggantikan beberapa

5 alternative yang terdapat dalam 200 data tersebut sehingga keberadaan alternative potongan jadi merata. Bila 200 data yang disiapkan sudah dirasa merata penyebaran alternative potongannya maka data siap untuk dianalisa Proses pemotongan yang terjadi dilapangan Dilapangan, pada keadaan yang sebenarnya, pembuatan alternative seperti yang dibuat untuk menyelesaikan masalah ini tidak dilakukan. Hal inilah yang mungkin menjadi penyebab mengapa jumlah batangan besi yang dibutuhkan menjadi banyak. Dilapangan besi dipotong berdasarkan ukuran yang terpanjang dahulu. Sisanya disendirikan dan dicari ukuran yang masih sesuai dengan ukuran sisa tersebut. Hal itu dilakukan terus-menerus sampai semua kebutuihannya terpenuhi. Oleh sebab itu didalam tugas akhir ini dibuat berbagai macam alternatif untuk dianalisa mana yang terbaik digunakan untuk menghasilkan sisa potongan yang kecil Analisa Fungsi pembatas Alternatif teknik pemotongan yang telah dibuat di atas kemudian dipakai sebagai fungsi pembatas pada persamaan matematis berikutnya. Pada contoh tabel diatas didapatkan 9 alternatif pemotongan, hal ini berarti ada 9 fungsi pembatas yang tercipta X 1, X 2, X 3,..., X 9. Dan dari table diatas pula, maka kita dapat membuat persamaan matematis optimasi pemotongan besi. Persamaan dari contoh tabel diatas adalah Z = 0,01 X 1 + 0,4268 X 2 + 0,8636 X 3 + 0,9712 X 4 + 1,084 X 5 + 1,289 X 6 + 0,5374 X 7 + 0,7422 X 8 + 1,179 X 9 Dengan pembatas (diambil dari kebutuhan potongan) :

6 X 1 > 4 X 2 + X 7 + X 8 > 4 X 2 + 2X 3 + X 4 + X 9 > 4 X 4 + 2X 5 + X 6 + X 7 > 4 X 6 + X 8 + X 9 > Analisa fungsi tujuan Karena dalam optimasi pemotongan besi yang diinginkan adalah sisa potongan yang paling pendek, berarti fungsi tujuannya adalah meminimumkan sisa potongan dari tiap-tiap item. Fungsi tujuan untuk contoh diatas adalah Z = 0,01 X 1 + 0,4268 X 2 + 0,8636 X 3 + 0,9712 X 4 + 1,084 X5 +1,289 X 6 + 0,5374 X 7 + 0,7422 X 8 + 1,179 X9 karena dari persamaan tersebut nantinya didapatkan nilai optimal pada pemotongan besi tower. Berarti fungsi tujuannya merupakan persamaan tersebut Optimasi Model Program Linier Untuk menganalisa data atau mengoptimasikan pemotongan besi siku, dipergunakan program bantu Excel Solver. Apabila pada Excel belum terdapat Solver maka bisa ditambahkan melalui pilihan Add-in pada Excel Menentukan Fungsi-Fungsi Program Linier Sebelum menganalisa dengan solver, tabel data harus ditentukan terlebih dahulu semua fungsi yang disyaratkan dalam program linier. Sebagai contoh pada data alternative potongan besi siku 90 (gambar 4.1)

7 Gambar 4.1. Tampilan Excel siku Menentukan fungsi tujuan Fungsi tujuan adalah tujuan yang ingin dicapai. Dalam hal ini berarti tujuan dari optimasi pemotongan besi profil terletak pada bagian total sisa potongan. Bagian ini merupakan jumlah keseluruhan dari pembuangan potongan masingmasing ukuran. Pada cell J 32 kita harus memasukkan rumus = sum ( J3:J31 ). Sedangkan nilai dari masing-masing cell yang berada pada kolom J adalah merupakan hasil kali antara sisa potongan dengan jumlah batangan sebagai contoh = G1*I1.

8 2. Menentukan variabel keputusan Variabel keputusan dari analisa data ini adalah jumlah batangan besi yang dibutuhkan, yang mempengaruhi sisa potongan. Pada awal memasukkan data kolom tidak harus diisi (bisa dikosongkan) karena nantinya solver akan merubah sendiri / mengisi sendiri angka-angka pada kolom tersebut. 3. Menentukan fungsi pembatas Agar dapat diselesaikan, analisa program linier harus dibatasi. Pembatas-pembatas pada analisa ini adalah bahwa variabel keputusan yang dihasilkan nantinya harus berbentuk angka yang bulat (integer) dan jumlah potongan yang diinginkan harus lebih besar sama dengan jumlah potongan yang dibutuhkan. Hal ini berarti data pada baris total potongan harus lebih besar sama dengan ( ) kebutuhan riil potongan. Total potongan yang didapat merupakan hasil dari perumusan = sumproduct (B3:B31,I3:I31) Memasukkan data ke solver Setelah menentukan semua fungsi dan variabelnya maka bisa dengan segera menjalankan solver. Untuk menjalankannya bisa dipilih melalui Tools>solver. Tetapi biasanya ada Excel yang tidak dilengkapi oleh tools ini. Bila itu terjadi dapat dilakukan penginstalan solver melalui CD-nya. Ada beberapa hal yang harus dimengerti dalam menjalankan solver diantaranya adalah : 1. Set Target Cells Pada bagian ini kita memasukkan data yang merupakan fungsi tujuan yaitu cell J 32.

9 2. By Changing Cells Pada bagian ini kita memasukkan cell-cell yang merupakan variabel keputusan yaitu cell I 3 sampai I Pilih fungsi meminimumkan karena tujuan dari analisa ini adalah meminimumkan sisa potongan. 4. Subject to Constrain Pada bagian ini kita masukkan cell-cell yang menjadi pembatas. Untuk lebih jelasnya bisa dilihat pada gambar 4.2. Gambar 4.2. Tampilan Excel Solver Parameters Bila semua sudah selesai dilakukan maka solver siap untuk dijalankan dengan cara menekan solve Hasil Solver Apabila solver telah selesai menganalisa data maka akan muncul tampilan yang menyatakan bahwa solver telah menemukan solusi yang fisibel seperti yang terlihat pada gambar 4.3. Jika Solver tidak bisa menghasilakan solusi yang fisibel, maka akan keluar peringatan yang memberitahukan bahwa solver tidak bisa menemukan solusi yang fisibel seperti pada gambar 4.4

10 Gambar 4.3. Tampilan Excel Solver Results yang Berhasil Gambar 4.4. Tampilan Excel Solver Results yang Tidak Berhasil

11 Dan tabel data berubah menjadi seperti berikut : Gambar 4.5. Tampilan Excel Setelah di-running Solver Dari table terlihat bahwa cell yang menjadi variabel keputusan terisi oleh angka-angka yang bulat dan cell yang menjadi fungsi tujuan menemukan hasil sisa potongan yang minimum Analisa Hasil Solver Hasil analisa solver yang sudah didapat kemudian dianalisa secara lebih detail. Lebih detail meliputi jumlah kebutuhan potongan, jumlah batangan yang dihasilkan dan sisa potongan yang terjadi.

12 NO Analisa jumlah kebutuhan potongan besi profil apakah sudah terpenuhi. Pada hasil solver, bagian yang berisi jumlah potongan harus terisi oleh angka yang hasilnya lebih besar sama dengan ( ) dari kebutuhan riil potongan. Angka tersebut harus bulat (integer) dan tidak boleh lebih kecil dari kebutuhan riil. Karena apabila hal tersebut terjadi berarti tujuan belum tercapai. Dan apabila ada data yang hasilnya lebih besar maka selisihnya merupakan sisa potongan. Berikut tabel hasil optimasi oleh excel solver. Tabel 3.4. Hasil optimasi solver. Hasil optimasi siku 100 KOMBINASI NO JML PEMOTONGAN SISA BATANGAN 59 POTONGAN BESI POTONGA N KEBUTUH AN RIIL Hasil optimasi siku 90 KOMBINASI PEMOTONGAN SISA POTONGAN PEMBUANGA N SISA JML BATANGAN BESI PEMBUANGAN POTONGAN KEBUTUHAN RIIL SISA 205.4

13 Hasil optimasi siku 80 KOMBINASI JML SISA NO POTONGAN BATANGAN POTONGAN PEMBUANGAN BESI POTONGAN KEBUTUHAN RIIL Hasil optimasi siku 70 NO KOMBINASI POTONGAN SISA POTONGAN total JML BATANGAN BESI PEMBUANGAN POTONGAN KEBUTUHA N RIIL total 466

14 Hasil optimasi siku 40 NO KOMBINASI PEMOTONGAN SISA POTONGAN JML BATANGAN BESI PEMBUANGAN TOTA L POT ONG AN KEB UTU HAN RIIL SISA Untuk hasil optimasi siku 50 dan 60 ada pada lampiran 2.

15 Pada alternatif potongan besi profil siku 100, 90, 80, 70 dan 40 didapatkan hasil yang bagus dimana jumlah hasil kebutuhan potongan sama dengan (=) jumlah kebutuhan riil potongan. Sedangkan pada alternative potongan besi profil siku 60 dan 50 didapatkan hasil dimana jumlah hasil kebutuhan potongan lebih besar sama dengan kebutuhan riil potongan (terjadi slack). Hal ini berarti total sisa potongan yang ada masih harus dihitung lagi dengan ditambahkan kelebihan jumlah potongan yang ada. Pada awal melakukan analisa dengan solver untuk siku 60 dan 50 didapatka nilai slack yang sangat besar. Untuk meminimalkan jumlah slack, perlu dilakukan running lagi dengan alternatif yang berbeda. Pemilihan alternatif adalah buang alternatif yang menjadikan besi banyak kemudian gantikan dengan alternatif yang lain dan running solver. Hal tersebut dilakukan berulang-ulang sampai didapatkan nilai slack yang kecil Analisa jumlah batangan yang diperlukan. Pada bagian ini hasil solver harus menampakkan / menampilkan jumlah lonjoran yang angkanya bulat, tidak boleh ada tampilan angka yang tidak bulat karena itu berarti tidak didapatkan solusi yang fisibel. Munculnya angka pada jumlah batangan berarti alternative potongan pada baris tersebut yang digunakan untuk menghasilkan sisa potongan yang minimum Analisa sisa potongan. Pada analisa siku 100, 90, 80, 70 dan 40 didapatkan jumlah potongan yang sama dengan jumlah riil kebutuhan hal ini berarti nilai sisa potongan yang ada merupakan sisa potongan yang sebenarnya (final) yang minimum. Sedangkan pada siku 60 dan 50 sisa potongan harus ditambahkan lagi dengan kelebihan (slack) antara jumlah potongan yang dihasilkan dengan kebutuhan riil

16 potongan. Berikut hasil sisa potongan masingmasing besi profil. - Besi profil siku 100 didapatkan total sisa potongan cm. - Besi profil siku 90 didapatkan total sisa potongan cm. - Besi profil siku 80 didapatkan total sisa potongan cm. - Besi profil siku 70 didapatkan total sisa potongan 466 cm. - Besi profil siku 60 didapatkan total sisa potongan : Tabel 4.1. Sisa Potongan Siku 60 (Slack) Slack Ukuran Cm Sisa Cm 12 x = x 45.4 = x 100 = x 120 = x = x = x = Total = Jadi total sisa potongan adalah cm cm = cm - Besi profil siku 50 didapatkan total sisa potongan :

17 Tabel 4.2. Sisa Potongan Siku 50 (Slack) Slack Ukuran Sisa 1 x = x = x = x = x = x = Total = Jadi total sisa potongan adalah cm cm = cm. - Besi profil siku 40 didapatkan total sisa potongan cm. Untuk memperoleh kepastian mengenai penghematan yang terjadi harus dibandingkan dengan penggunaan besi batangan dilapangan. Untuk membandingkan digunakan rasio sisa potongan dibagi dengan jumlah batangan besi yang dibutuhkan. Berikut ditampilkan rasio perbandingan sisa potongan dengan jumlah potongan besi dari hasil solver. Tabel 4.3. Rasio perbandingan sisa potongan dengan jumlah batangan. Kebutuhan Besi Sisa Potongan % Batangan cm SIKU

18 SIKU 90 Kebutuhan Besi Batangan cm Sisa Potongan % SIKU 80 Kebutuhan Besi Batangan cm Sisa Potongan % SIKU 70 Kebutuhan Besi Batangan cm Sisa Potongan % SIKU 60 Kebutuhan Besi Batangan cm Sisa Potongan % SIKU 50 Kebutuhan Besi Batangan cm Sisa Potongan %

19 Jenis siku Kebutuhan Besi Batangan cm S Sisa Potongan % e b a Sebagai pembanding untuk mengetahui penghematan yang terjadi perlu dibandingkan pula dengan kebutuhan yang terjadi dilapangan. Berikut bandingannya dengan dilapangan. SIKU 40 Tabel 4.4 Rasio penghematan tiap besi. Kebutuhan besi Penghematan lapangan solver Batangan besi % Siku Siku Siku Siku Siku Siku Siku Secara keseluruhan solver telah berhasil meminimalisasi pemakaian material besi profil. Untuk lebih jelasnya kita dapat melihat penghematan yang terjadi melalui besarnya dana yang dipergunakan untuk membeli material tersebut. Kita dapat membandingkan penggunaan dana antara yang terjadi dilapangan dengan yang terjadi di solver. Berikut rekapitulasi perbandingan harga yang terjadi.

20 Tabel 4.5 Rekapitulasi perbandingan harga Berat Kebutuhan besi Kebutuhan besi Jenis Besi lapangan solver siku Kg/m Lapangan Berat Solver Berat Siku 100 Siku 90 Siku 80 Siku 70 Siku 60 Siku 50 Siku Total Total Lapangan x Rp = Rp Solver x Rp = Rp Tampak terjadi penghematan dana sebesar Rp atau sebesar 9.36 %.

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Program Linier Para ahli mendefinisikan program linier sebagai sebuah teknik analisa yang digunakan untuk memecahkan segala persoalan atau masalah-masalah keputusan yang ada

Lebih terperinci

Fungsi di atas sesuai dengan apa yang kita butuhkan di dalam proses penunjang keputusan pada studi kasus di bawah ini:

Fungsi di atas sesuai dengan apa yang kita butuhkan di dalam proses penunjang keputusan pada studi kasus di bawah ini: Menyelesaikan DSS sederhana dengan Microsoft Excel Solver merupakan salah satu fasilitas tambahan (add-id) pada excel yang digunakan untuk memecahkan persoalan-persoalan yang rumit, fasilitas solver memungkinkan

Lebih terperinci

Optimasi Pengalokasian Produksi Barang Jadi dengan Menggunakan Solver Add-Ins. Ratna Puspita Indah STMIK Duta Bangsa Surakarta ABSTRAK

Optimasi Pengalokasian Produksi Barang Jadi dengan Menggunakan Solver Add-Ins. Ratna Puspita Indah STMIK Duta Bangsa Surakarta ABSTRAK Optimasi Pengalokasian Produksi Barang Jadi dengan Menggunakan Solver Add-Ins Ratna Puspita Indah STMIK Duta Bangsa Surakarta ABSTRAK Persoalan keuntungan yang tidak dikelola dengan baik seringkali menjadi

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Indonesia merupakan salah satu Negara yang mempunyai wilayah hutan yang cukup luas dan merupakan negara terpenting penghasil berbagai kayu bulat tropis, kayu

Lebih terperinci

Materi Komputer 2. Media Biaya Iklan Tiras. Sainstech Unisma Bekasi. Pertemuan 9 (Solver)

Materi Komputer 2. Media Biaya Iklan Tiras. Sainstech Unisma Bekasi. Pertemuan 9 (Solver) Pertemuan 9 (Solver) Memecahkan masalah masalah rumit dengan menggunakan Solver Penjelasan singkat : Dalam latihan sebelumnya pernah dilakukan perhitungan untuk menentukan variabel bebas dengan memasukkan

Lebih terperinci

BAB. IV. ANALISIS dan PEMBAHASAN

BAB. IV. ANALISIS dan PEMBAHASAN BAB. IV ANALISIS dan PEMBAHASAN Identifikasi penelitian bertujuan untuk mengetahui optimasi penggunaan metode begisting konvensional dan begisting bondek terhadap 5 aspek, yaitu aspek biaya, aspek waktu,

Lebih terperinci

PEMANFAATAN SOLVER EXCEL UNTUK OPTIMASI PENJADWALAN MATA PELAJARAN

PEMANFAATAN SOLVER EXCEL UNTUK OPTIMASI PENJADWALAN MATA PELAJARAN PEMANFAATAN SOLVER EXCEL UNTUK OPTIMASI PENJADWALAN MATA PELAJARAN Erika Eka Santi Dosen Universitas Muhammadiyah Ponorogo Email : erikapmatumpo@gmail.com ABSTRAK Penyusunan jadwal pelajaran merupakan

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN. Perkiraan biaya memegang peranan penting dalam. penyelenggaraan proyek. Pada taraf pertama dipergunakan untuk

BAB IV ANALISIS DAN PEMBAHASAN. Perkiraan biaya memegang peranan penting dalam. penyelenggaraan proyek. Pada taraf pertama dipergunakan untuk BAB IV ANALISIS DAN PEMBAHASAN 4.1. Perkiraan Biaya Definisi perkiraan biaya adalah memperkirakan kemungkinan jumlah biaya yang diperlukan untuk suatu kegiatan yang didasarkan atas informasi yang tersedia

Lebih terperinci

PENENTUAN POLA PEMOTONGAN PELAT LEMBARAN UNTUK MEMINIMALKAN PELAT SISA PADA PT. X DENGAN METODE INTEGER LINEAR PROGRAMMING

PENENTUAN POLA PEMOTONGAN PELAT LEMBARAN UNTUK MEMINIMALKAN PELAT SISA PADA PT. X DENGAN METODE INTEGER LINEAR PROGRAMMING PENENTUAN POLA PEMOTONGAN PELAT LEMBARAN UNTUK MEMINIMALKAN PELAT SISA PADA PT. X DENGAN METODE INTEGER LINEAR PROGRAMMING Andri Sanjaya 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen Teknologi,

Lebih terperinci

PEMANFAATAN EXCEL SOLVER DALAM PEMBELAJARAN PEMROGRAMAN LINEAR. Oleh : Himmawati Puji Lestari. Caturiyati. Jurusan Pendidikan Matematika FMIPA UNY

PEMANFAATAN EXCEL SOLVER DALAM PEMBELAJARAN PEMROGRAMAN LINEAR. Oleh : Himmawati Puji Lestari. Caturiyati. Jurusan Pendidikan Matematika FMIPA UNY PEMANFAATAN EXCEL SOLVER DALAM PEMBELAJARAN PEMROGRAMAN LINEAR Oleh : Himmawati Puji Lestari Caturiyati Jurusan Pendidikan Matematika FMIPA UNY himmawatipl@yahoo.com wcaturiyati@yahoo.com Abstrak Dalam

Lebih terperinci

BAB IX SOLVER. Tujuan instruksional Khusus

BAB IX SOLVER. Tujuan instruksional Khusus BAB IX SOLVER Instruksi Tujuan instruksional Khusus Pokok Bahasan Pengajaran Setelah mengikuti kuliah ini, mahasiswa akan mengetahui tentang analisa optimalisasi dengan adanya kendala sehingga solusi yang

Lebih terperinci

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER Staf Gunadarma Gunadarma University METODE SIMPLEKS DALAM PROGRAM LINIER Metode Simpleks merupakan salah satu teknik pengambilan keputusan dalam permasalahan yang berkaitan dengan pengalokasian sumber

Lebih terperinci

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER METODE SIMPLEKS DALAM PROGRAM LINIER Metode Simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahn yang berhubungan

Lebih terperinci

PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN)

PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN) PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN) Beby Sundary (1011297) Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma

Lebih terperinci

Algoritma Simplex. Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan

Algoritma Simplex. Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan Algoritma Simplex Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan kendala. (George Dantizg, USA, 1950) Contoh Kasus Suatu perusahaan

Lebih terperinci

TUGAS AKHIR ANALISIS OPTIMASI WASTE BESI DENGAN APLIKASI 1D CUTTING OPTIMIZER PADA PEKERJAAN STRUKTUR BETON

TUGAS AKHIR ANALISIS OPTIMASI WASTE BESI DENGAN APLIKASI 1D CUTTING OPTIMIZER PADA PEKERJAAN STRUKTUR BETON TUGAS AKHIR ANALISIS OPTIMASI WASTE BESI DENGAN APLIKASI 1D CUTTING OPTIMIZER PADA PEKERJAAN STRUKTUR BETON BERTULANG PROYEK HOTEL SWISSBEL-INN CIKANDE Diajukan sebagai syarat untuk meraih gelar Sarjana

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Metode Penelitian Metodologi penelitian merupakan alur pemikiran yang ditempuh dalam menentukan analisis metode dari penelitian ini. Ditinjau dari

Lebih terperinci

5ton 5ton 5ton 4m 4m 4m. Contoh Detail Sambungan Batang Pelat Buhul

5ton 5ton 5ton 4m 4m 4m. Contoh Detail Sambungan Batang Pelat Buhul Sistem Struktur 2ton y Sambungan batang 5ton 5ton 5ton x Contoh Detail Sambungan Batang Pelat Buhul a Baut Penyambung Profil L.70.70.7 a Potongan a-a DESAIN BATANG TARIK Dari hasil analisis struktur, elemen-elemen

Lebih terperinci

Operations Management

Operations Management 6s-1 LP Metode Simpleks Operations Management MANAJEMEN SAINS William J. Stevenson 8 th edition 6s-2 LP Metode Simpleks Bentuk Matematis Maksimumkan Z = 3X 1 + 5X 2 Batasan (constrain) (1) 2X 1 8 (2) 3X

Lebih terperinci

BAB I PENDAHULUAN. besar dan mampu membantu pemerintah dalam mengurangi tingkat pengangguran.

BAB I PENDAHULUAN. besar dan mampu membantu pemerintah dalam mengurangi tingkat pengangguran. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam menghadapi globalisasi dunia saat ini mendorong persaingan diantara para pelaku bisnis yang semakin ketat. Di Indonesia sebagai negara berkembang, pembangunan

Lebih terperinci

BAB V Hasil Pembahasan Kontraktor

BAB V Hasil Pembahasan Kontraktor BAB V KESIMPULAN dan SARAN 5.1 Kesimpulan 5.1.1 Hasil Pembahasan Kontraktor Berdasarkan hasil pembahasan tentang sisa material pada 4 proyek gedung di Kota Padang dapat ditarik kesimpulan sebagai berikut:

Lebih terperinci

PENERAPAN METODE LINEAR PROGRAMMING UNTUK ANALISIS PEMOTONGAN BESI TULANGAN PADA PROYEK BANGUNAN GEDUNG DI JAKARTA

PENERAPAN METODE LINEAR PROGRAMMING UNTUK ANALISIS PEMOTONGAN BESI TULANGAN PADA PROYEK BANGUNAN GEDUNG DI JAKARTA PENERAPAN METODE LINEAR PROGRAMMING UNTUK ANALISIS PEMOTONGAN BESI TULANGAN PADA PROYEK BANGUNAN GEDUNG DI JAKARTA Jennyfer Margaretta 1, Onnyxiforus Gondokusumo 2 1 Mahasiswa Program Studi Teknik Sipil,

Lebih terperinci

BAB II LANDASAN TEORI. Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk

BAB II LANDASAN TEORI. Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk BAB II LANDASAN TEORI A. Pemrograman Linear Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk memecahkan persoalan optimasi (maksimum atau minimum) dengan menggunakan persamaan dan

Lebih terperinci

OPTIMALISASI PRODUKSI MENGGUNAKAN MODEL LINEAR PROGRAMMING (Studi Kasus : Usaha Kecil Menengah Kue Semprong)

OPTIMALISASI PRODUKSI MENGGUNAKAN MODEL LINEAR PROGRAMMING (Studi Kasus : Usaha Kecil Menengah Kue Semprong) OPTIMALISASI PRODUKSI MENGGUNAKAN MODEL LINEAR PROGRAMMING (Studi Kasus : Usaha Kecil Menengah Kue Semprong) Ai Nurhayati 1, Sri Setyaningsih 2,dan Embay Rohaeti 2. Program Studi Matematika Fakultas Matematika

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian berada di wilayah Kabupaten Banyumas yang masuk

BAB III METODE PENELITIAN. Lokasi penelitian berada di wilayah Kabupaten Banyumas yang masuk BAB III METODE PENELITIAN 3.1. Lokasi Penelitian Lokasi penelitian berada di wilayah Kabupaten Banyumas yang masuk Daerah Irigasi Banjaran meliputi Kecamatan Purwokerto Barat, Kecamatan Purwokerto Selatan,

Lebih terperinci

Keywords: Optimization, Bar Bending Schedule, Linear Programming, Add-In Solver, Shear Wall

Keywords: Optimization, Bar Bending Schedule, Linear Programming, Add-In Solver, Shear Wall PENGHITUNGAN OPTIMASI BAJA TULANGAN PADA PEKERJAAN SHEAR WALL DENGAN MENGGUNAKAN MICROSOFT EXCEL DAN AUTOCAD (Studi Kasus Pembangunan Apartemen Gunawangsa Tidar Surabaya) Suciati Nur Khalifah 1), Widi

Lebih terperinci

Penentuan Lokasi Pangkalan Kapal Search and Rescue Studi Kasus : di Wilayah Indonesia Timur. Ferico Yofi Erlangga

Penentuan Lokasi Pangkalan Kapal Search and Rescue Studi Kasus : di Wilayah Indonesia Timur. Ferico Yofi Erlangga Penentuan Lokasi Pangkalan Kapal Search and Rescue Studi Kasus : di Wilayah Indonesia Timur Ferico Yofi Erlangga 4106100017 Dosen Pembimbing : Firmanto Hadi ST., MSc. PENDAHULUAN Negara kepulauan Upaya

Lebih terperinci

Suatu bagian departemen penjualan, yaitu supermarket ECONMARKET membuat 2 tipe hamburger, yaitu tipe M(edium) grade dan tipe H(igh) grade.

Suatu bagian departemen penjualan, yaitu supermarket ECONMARKET membuat 2 tipe hamburger, yaitu tipe M(edium) grade dan tipe H(igh) grade. Wahyu Novita Sari 14109323 4KA04 SOAL : Suatu bagian departemen penjualan, yaitu supermarket ECONMARKET membuat 2 tipe hamburger, yaitu tipe M(edium) grade dan tipe H(igh) grade. Untuk tipe M : 80% daging

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah kegiatan operasional perusahaan mempunyai hubungan yang sangat erat dengan hal produksi. Perusahaan melakukan kegiatan produksi untuk memenuhi permintaan.

Lebih terperinci

OPTIMASI CUTTING STOCK SATU DIMENSI PADA INDUSTRI PEMOTONGAN BALOK KAYU DENGAN MENGGUNAKAN METODE COLUM GENERATION TECHNIQUE

OPTIMASI CUTTING STOCK SATU DIMENSI PADA INDUSTRI PEMOTONGAN BALOK KAYU DENGAN MENGGUNAKAN METODE COLUM GENERATION TECHNIQUE ISBN:978-602-7980-9-6 OPTIMASI CUTTING STOCK SATU DIMENSI PADA INDUSTRI PEMOTONGAN BALOK KAYU DENGAN MENGGUNAKAN METODE COLUM GENERATION TECHNIQUE Nerli Khairani ], Ramlah Hidayat ] FMIPA, UNIMED nerlinst@yahoo.co.id

Lebih terperinci

BAB III PEMBAHASAN. linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki

BAB III PEMBAHASAN. linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki BAB III PEMBAHASAN Masalah Fuzzy Linear Programming (FLP) merupakan masalah program linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki parameter fuzzy dan ketidaksamaan fuzzy

Lebih terperinci

BAB VII TINJAUAN KHUSUS OPTIMASI PEMBESIAN BORED PILE. Material merupakan komponen yang penting dalam menentukan

BAB VII TINJAUAN KHUSUS OPTIMASI PEMBESIAN BORED PILE. Material merupakan komponen yang penting dalam menentukan BAB VII TINJAUAN KHUSUS OPTIMASI PEMBESIAN BORED PILE 7.1 Material Konstruksi Material merupakan komponen yang penting dalam menentukan besarnya biaya suatu proyek, lebih dari separuh biaya proyek diserap

Lebih terperinci

PENGHITUNGAN OPTIMASI BAJA TULANGAN PADA PEKERJAAN PELAT DAN BALOK DENGAN MENGGUNAKAN MICROSOFT EXCEL DAN AUTOCAD

PENGHITUNGAN OPTIMASI BAJA TULANGAN PADA PEKERJAAN PELAT DAN BALOK DENGAN MENGGUNAKAN MICROSOFT EXCEL DAN AUTOCAD PENGHITUNGAN OPTIMASI BAJA TULANGAN PADA PEKERJAAN PELAT DAN BALOK DENGAN MENGGUNAKAN MICROSOFT EXCEL DAN AUTOCAD (Studi Kasus Pembangunan Apartemen Gunawangsa Tidar Surabaya) Visaretri Pramuktia Purwosri

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN Pada bab ini, akan dijelaskan metode-metode yang penulis gunakan dalam penelitian ini. Adapun metode yang akan digunakan dalam penelitian ini adalah Metode Simpleks dan Metode Branch

Lebih terperinci

PEMROGRAMAN LINIER. Metode Simpleks

PEMROGRAMAN LINIER. Metode Simpleks PEMROGRAMAN LINIER Metode Simpleks Metode Simpleks Metode simpleks digunakan untuk memecahkan permasalahan PL dengan dua atau lebih variabel keputusan. Prosedur Metode Simpleks: Kasus Maksimisasi a. Formulasi

Lebih terperinci

BAB III METODOLOGI Diagram Alir Tugas Akhir. Diagram alir Tugas Akhir Rancang Bangun Tungku Pengecoran Alumunium. Skala Laboratorium.

BAB III METODOLOGI Diagram Alir Tugas Akhir. Diagram alir Tugas Akhir Rancang Bangun Tungku Pengecoran Alumunium. Skala Laboratorium. BAB III METODOLOGI 3.1. Diagram Alir Tugas Akhir Diagram alir Tugas Akhir Rancang Bangun Tungku Pengecoran Alumunium Skala Laboratorium. Gambar 3.1. Diagram Alir Tugas Akhir 3.2. Alat dan Dalam rancang

Lebih terperinci

Langkah Penyelesaian. Linear Programming Dengan Solver Excel Taufiqurrahman 1

Langkah Penyelesaian. Linear Programming Dengan Solver Excel Taufiqurrahman 1 Linear Programming Dengan PROGRAM LINEAR: SOLUSI KOMPUTER Solusi Komputer Masalah program linear dapat diselesaikan dengan beberapa aplikasi perangkat lunak (software) komputer. Saat ini banyak aplikasi

Lebih terperinci

PENGENDALIAN PERSEDIAAN BAHAN BAKU DI PT BERKAH ANUGRAH MAKMUR SEJATI DENGAN METODE OPTIMASI ALGORITMA WAGNER-WITHIN

PENGENDALIAN PERSEDIAAN BAHAN BAKU DI PT BERKAH ANUGRAH MAKMUR SEJATI DENGAN METODE OPTIMASI ALGORITMA WAGNER-WITHIN PENGENDALIAN PERSEDIAAN BAHAN BAKU DI PT BERKAH ANUGRAH MAKMUR SEJATI DENGAN METODE OPTIMASI ALGORITMA WAGNER-WITHIN Disusun Oleh: Nama : Amyra Widya Oktarini NPM : 30412719 Jurusan : Teknik Industri Pembimbing

Lebih terperinci

BAB III. METODE SIMPLEKS

BAB III. METODE SIMPLEKS BAB III. METODE SIMPLEKS 3.1. PENGANTAR Metode grafik tidak dapat menyelesaikan persoalan linear program yang memilki variabel keputusan yang cukup besar atau lebih dari dua, maka untuk menyelesaikannya

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1 Pintu Masuk-Keluar Gudang Semenjak awal dibangunnya Gudang FG Ciracas, gudang ini memiliki dua pintu. Pintu tersebut terletak di bagian depan dan belakang gudang. Awalnya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier adalah suatu cara untuk menyelesaikan persoalan pengalokasian sumber-sumber yang terbatas di antara beberapa aktivitas yang bersaing, dengan cara

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Program Linier Program linier merupakan suatu model matematika untuk mendapatkan alternatif penggunaan terbaik atas sumber-sumber yang tersedia. Kata linier digunakan untuk menunjukkan

Lebih terperinci

fungsi keanggotaan dinyatakan sebagai berikut:

fungsi keanggotaan dinyatakan sebagai berikut: LAMPIRAN 74 Lampiran 1 Fungsi Keanggotaan Bahan Baku Beras Ketan Berikut ini merupakan fungsi keanggotaan bahan baku beras ketan 1) Misal bilangan fuzzy menyatakan bahan baku beras ketan yang dibutuhkan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Pengumpulan Data

BAB 3 PEMBAHASAN. 3.1 Pengumpulan Data BAB 3 PEMBAHASAN 3.1 Pengumpulan Data Pengumpulan data dilaksanakan selama 1 bulan, terhitung mulai tanggal 28 Mei 2013 sampai 28 Juni 2013, sesuai dengan izin yang diberikan oleh Kepala Cabang PT. Mega

Lebih terperinci

Reduksi Pola Pemotongan Kertas pada Cutting Stock Problem (CSP) Satu Dimensi

Reduksi Pola Pemotongan Kertas pada Cutting Stock Problem (CSP) Satu Dimensi Reduksi Pola Kertas pada Cutting Stock Problem (CSP) Satu Dimensi Sisca Octarina, Putra BJ Bangun, Miranda Avifana Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Indralaya, Indonesia e-mail: s.octarina@gmail.com

Lebih terperinci

1) Perhatikan bentuk di bawah: U 1 U 2 U 3 U 4 U n 2, 5, 8, 11, dengan: U 3 = suku

1) Perhatikan bentuk di bawah: U 1 U 2 U 3 U 4 U n 2, 5, 8, 11, dengan: U 3 = suku NAMA : KELAS : LEMBAR AKTIVITAS SISWA BARISAN DAN DERET 1 A. PENGERTIAN BARISAN DAN DERET Barisan bilangan adalah kelompok bilangan yang tersusun menurut aturan (pola) tertentu. Deret bilangan adalah penjumlahan

Lebih terperinci

NAMA : KELAS : LEMBAR AKTIVITAS SISWA BARISAN DAN DERET 1. Beda Barisan Aritmatika. b =.. RUMUS SUKU KE N: King s Learning Be Smart Without Limits

NAMA : KELAS : LEMBAR AKTIVITAS SISWA BARISAN DAN DERET 1. Beda Barisan Aritmatika. b =.. RUMUS SUKU KE N: King s Learning Be Smart Without Limits NAMA : KELAS : LEMBAR AKTIVITAS SISWA BARISAN DAN DERET 1 A. PENGERTIAN BARISAN DAN DERET Barisan bilangan adalah kelompok bilangan yang tersusun menurut aturan (pola) tertentu. Deret bilangan adalah penjumlahan

Lebih terperinci

BAB I PENDAHULUAN. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang

BAB I PENDAHULUAN. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang BAB I PENDAHULUAN 1.1. Latar Belakang Suatu perusahaan selalu berusaha untuk mendapatkan laba yang maksimal. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang kompleks dalam mengambil

Lebih terperinci

jumlah yang dibutuhkan untuk masing-masing ukuran.

jumlah yang dibutuhkan untuk masing-masing ukuran. BAB 4 SOFTWARE OPTIMASI WASTE BESI (SOWB) 4. 1 PENDAHULUAN Setelah melihat metodologi penelitian diatas maka ada baik kita mengetahui terlebih dahulu mengenai cara kerja dan bentuk dari software optimasi

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN A. Hasil Pemodelan Benda Uji pada Program AutoCAD 1. Penamaan Benda Uji Variasi yang terdapat pada benda uji meliputi diameter lubang, sudut lubang, jarak antar lubang, dan panjang

Lebih terperinci

CCR314 - Riset Operasional Materi #4 Ganjil 2015/2016 CCR314 RISET OPERASIONAL

CCR314 - Riset Operasional Materi #4 Ganjil 2015/2016 CCR314 RISET OPERASIONAL Materi #4 CCR314 RISET OPERASIONAL Solusi Komputer 2 Masalah program linear (liner programming/lp) dapat diselesaikan dengan beberapa aplikasi perangkat lunak (software) komputer. Saat ini banyak aplikasi

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pemrograman linier integer atau Integer Linear Programming (ILP) pada intinya berkaitan dengan program-program linier di mana beberapa atau semua variabel

Lebih terperinci

PENJELASAN PENGISIAN DAFTAR ISIAN ( FORMULIR )

PENJELASAN PENGISIAN DAFTAR ISIAN ( FORMULIR ) PENJELASAN PENGISIAN DAFTAR ISIAN ( FORMULIR ) 1. Kuat tekan yang disyaratkan sudah ditetapkan 30,0 N/mm 2 untuk umur 28 hari. 2. Deviasi standar diketahui dari besarnya jumlah (volume) pembebasan yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 21 Teori Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam himpunan A, yang sering ditulis dengan memiliki dua kemungkinan, yaitu: 1 Nol (0), yang berarti

Lebih terperinci

BAB III METODOLOGI PENELITIAN. pemakaian baja cold formed atau baja ringan yang hingga saat ini masih jarang

BAB III METODOLOGI PENELITIAN. pemakaian baja cold formed atau baja ringan yang hingga saat ini masih jarang BAB III METODOLOGI PENELITIAN 3.1. Umum Penelitian ini dilakukan dalam rangka keiingintahuan penulis mengenai pemakaian baja cold formed atau baja ringan yang hingga saat ini masih jarang digunakan sebagai

Lebih terperinci

BAB II METODE SIMPLEKS

BAB II METODE SIMPLEKS BAB II METODE SIMPLEKS 2.1 Pengantar Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan

Lebih terperinci

Metode Simpleks M U H L I S T A H I R

Metode Simpleks M U H L I S T A H I R Metode Simpleks M U H L I S T A H I R PENDAHULUAN Metode Simpleks adalah metode penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi optimal dilakukan

Lebih terperinci

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER METODE SIMPLEKS DALAM PROGRAM LINIER Metode Simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahn yang berhubungan

Lebih terperinci

BAB 3 LINEAR PROGRAMMING

BAB 3 LINEAR PROGRAMMING BAB 3 LINEAR PROGRAMMING Teori-teori yang dijelaskan pada bab ini sebagai landasan berpikir untuk melakukan penelitian ini dan mempermudah pembahasan hasil utama pada bab selanjutnya. 3.1 Linear Programming

Lebih terperinci

SOLVER SUPLEMEN MODUL APLIKASI KOMPUTER. Oleh : Andri Wijanarko

SOLVER SUPLEMEN MODUL APLIKASI KOMPUTER. Oleh : Andri Wijanarko SOLVER SUPLEMEN MODUL APLIKASI KOMPUTER Oleh : Andri Wijanarko T A H A P A N S O L V E R 1. Menentukan Tujuan Yaitu mencari tujuan yang diinginkan dan biasanya disebutkan secara jelas, misalnya memaksimumkan

Lebih terperinci

SOLVER SUPLEMEN MODUL APLIKASI KOMPUTER

SOLVER SUPLEMEN MODUL APLIKASI KOMPUTER SOLVER SUPLEMEN MODUL APLIKASI KOMPUTER Oleh Andri Wijanarko @andriwijanarko 1 TAHAPAN SOLVER 1. Menentukan Tujuan Yaitu mencari tujuan yang diinginkan dan biasanya disebutkan secara jelas, misalnya memaksimumkan

Lebih terperinci

TUGAS AKHIR ANALISA PERSEDIAAN MATERIAL PADA PEMBANGUNAN PROYEK APARTEMEN. Oleh : ANGGER WIJAYANTO

TUGAS AKHIR ANALISA PERSEDIAAN MATERIAL PADA PEMBANGUNAN PROYEK APARTEMEN. Oleh : ANGGER WIJAYANTO TUGAS AKHIR ANALISA PERSEDIAAN MATERIAL PADA PEMBANGUNAN PROYEK APARTEMEN GUNAWANGSA SURABAYA Oleh : ANGGER WIJAYANTO 3109.106.018 Dosen Pembimbing : Ir. RETNO INDRYANI, MS LATAR BELAKANG PERMASALAHAN

Lebih terperinci

Model umum metode simpleks

Model umum metode simpleks Model umum metode simpleks Fungsi Tujuan: Z C X C 2 X 2 C n X n S S 2 S n = NK FungsiPembatas: a X + a 2 X 2 + + a n X n + S + S 2 + + S n = b a 2 X + a 22 X 2 + + a 2n X n + S + S 2 + + S n = b 2 a m

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tito Adi Dewanto Cara dan formulasi masalah ke dalam persamaan linier sama dengan metode grafik. Perbedaan pada langkah-langkah untuk pemecahan optimal. Kelebihan metode Simpleks dibanding dengan metode

Lebih terperinci

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Metode simpleks merupakan sebuah prosedur matematis berulang untuk menemukan penyelesaian optimal soal programa

Lebih terperinci

BAB II LANDASAN TEORI. A. Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear

BAB II LANDASAN TEORI. A. Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear 5 BAB II LANDASAN TEORI A Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear Persamaan linear adalah bentuk kalimat terbuka yang memuat variabel dengan derajat tertinggi adalah satu Sedangkan sistem

Lebih terperinci

KAJIAN STRUKTUR KUBAH MASJID DI SURABAYA

KAJIAN STRUKTUR KUBAH MASJID DI SURABAYA KAJIAN STRUKTUR KUBAH MASJID DI SURABAYA Nur Ahmad Husin Program Diploma Teknik Sipil-FTSP ITS Jl. Raya Menur No. 127 Surabaya Tel : 031-5947637 Fax : 031-5938025 Email : na_husin@yahoo.co.id, nahusin@ce.its.ac.id

Lebih terperinci

Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan

Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan mempunyai variabel surplus, tidak ada variabel slack.

Lebih terperinci

BAB 4 PERANCANGAN DAN IMPLEMENTASI PROGRAM. dengan struktur yang sederhana dengan algoritma yang rumit, sehingga

BAB 4 PERANCANGAN DAN IMPLEMENTASI PROGRAM. dengan struktur yang sederhana dengan algoritma yang rumit, sehingga 38 BAB 4 PERANCANGAN DAN IMPLEMENTASI PROGRAM 4.1 Perancangan Program Aplikasi 4.1.1 Bentuk Program Perancangan program cutting stock problem solver tergolong program dengan struktur yang sederhana dengan

Lebih terperinci

Taufiqur Rachman 1

Taufiqur Rachman 1 PROGRAM LINEAR: SOLUSI KOMPUTER Solusi Komputer Masalah program linear dapat diselesaikan dengan beberapa aplikasi perangkat lunak (software) komputer. Saat ini banyak aplikasi perangkat lunak dengan kapasitas

Lebih terperinci

PERHITUNGAN KEBUTUHAN TULANGAN BESI DENGAN MEMPERHITUNGKAN OPTIMASI WASTE BESI PADA PEKERJAAN BALOK DENGAN PROGRAM MICROSOFT EXCEL

PERHITUNGAN KEBUTUHAN TULANGAN BESI DENGAN MEMPERHITUNGKAN OPTIMASI WASTE BESI PADA PEKERJAAN BALOK DENGAN PROGRAM MICROSOFT EXCEL PERHITUNGAN KEBUTUHAN TULANGAN BESI DENGAN MEMPERHITUNGKAN OPTIMASI WASTE BESI PADA PEKERJAAN BALOK DENGAN PROGRAM MICROSOFT EXCEL MAN Kork 1), Widi Hartono 2), Sugiyarto 3) 1) Mahasiswa Fakultas Teknik,

Lebih terperinci

BAB LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN PENDAHULUAN

BAB LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN PENDAHULUAN PENDAHULUAN BAB 1 LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN inear programming adalah suatu teknis matematika yang dirancang untuk membantu manajer dalam merencanakan dan membuat keputusan dalam mengalokasikan

Lebih terperinci

18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2

18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2 PENERAPAN PROGRAM LINIER dalam OPTIMASI PRODUKSI Ekonomi Teknik / Sigit Prabawa / 1 MASALAH yg banyak dihadapi oleh INDUSTRI adalah BAGAIMANA MENGGUNAKAN atau MENENTUKAN ALOKASI PENGGUNAAN SUMBER DAYAYG

Lebih terperinci

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER METODE SIMPLEKS DALAM PROGRAM LINIER Dian Wirdasari Abstrak Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan

Lebih terperinci

Optimasi dengan Algoritma Simplex. Kusrini Jurusan Sistem Informasi STMIK AMIKOM Yogykakarta Jl. Ringroad Utara Condong Catur Sleman Yogyakarta

Optimasi dengan Algoritma Simplex. Kusrini Jurusan Sistem Informasi STMIK AMIKOM Yogykakarta Jl. Ringroad Utara Condong Catur Sleman Yogyakarta Optimasi dengan Algoritma Simplex Kusrini Jurusan Sistem Informasi STMIK AMIKOM Yogykakarta Jl. Ringroad Utara Condong Catur Sleman Yogyakarta Banyak keputusan utama yang dihadapi oleh seorang manajer

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Riset Operasi Masalah pengoptimalan timbul sejak adanya usaha untuk menggunakan pendekatan ilmiah dalam memecahkan masalah manajemen suatu organisasi. Sebenarnya kegiatan yang

Lebih terperinci

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Permasalahan pemotongan kayu sering dialami oleh industri yang memproduksi batangan-batangan kayu menjadi persediaan kayu dalam potonganpotongan yang lebih

Lebih terperinci

TAMPAK DEPAN RANGKA ATAP MODEL 3

TAMPAK DEPAN RANGKA ATAP MODEL 3 TUGAS STRUKTUR BAJA 11 Bangunan gedung dengan struktur atap dibuat dengan struktur rangka baja. Bentang struktur bangunan, beban gravitasi, beban angin dan mutu bahan, dijelaskan pada data teknis berikut.

Lebih terperinci

BahanKuliahKe-3 Penelitian Operasional VARIABEL ARTIFISIAL. (Metode Penalty & Teknik Dua Fase) Oleh: Darmansyah Tjitradi, MT.

BahanKuliahKe-3 Penelitian Operasional VARIABEL ARTIFISIAL. (Metode Penalty & Teknik Dua Fase) Oleh: Darmansyah Tjitradi, MT. BahanKuliahKe-3 Penelitian Operasional VARIABEL ARTIFISIAL (Metode Penalty & Teknik Dua Fase) Oleh: Darmansyah Tjitradi, MT. PROGRAM MAGISTER TEKNIK SIPIL UNLAM 2006 1 TEKNIK VARIABEL ARTIFISIAL Dalam

Lebih terperinci

Abstrak. Info Artikel. Abstract Universitas Negeri Semarang ISSN

Abstrak. Info Artikel. Abstract Universitas Negeri Semarang ISSN UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm METODE COLUMN GENERATION TECHNIQUE SEBAGAI PENYELESAIAN PERMASALAHAN CUTTING STOCK SATU DIMENSI PADA PEMOTONGAN

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) ANALISA PERSEDIAAN MATERIAL PADA PROYEK PEMBANGUNAN APARTEMEN DEPAPILIO TAMANSARI

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) ANALISA PERSEDIAAN MATERIAL PADA PROYEK PEMBANGUNAN APARTEMEN DEPAPILIO TAMANSARI JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 ANALISA PERSEDIAAN MATERIAL PADA PROYEK PEMBANGUNAN APARTEMEN DEPAPILIO TAMANSARI Feby Kartika Sari dan Retno Indryani Teknik Sipil, Fakultas Teknik Sipil

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep teori permainan pada permainan berstrategi murni dan campuran dari dua pemain yang akan digunakan sebagai landasan berpikir dalam melakukan

Lebih terperinci

OPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM) USING A LINEAR PROGRAMMING APPROACH TO FULFILL THE DEMAND (Case Study : PT.

OPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM) USING A LINEAR PROGRAMMING APPROACH TO FULFILL THE DEMAND (Case Study : PT. OPTIMASI BANYAKNYA GENTRY PENGISIAN BAHAN BAKAR MINYAK (BBM) DENGAN PENDEKATAN PROGRAM LINIER UNTUK MEMENUHI PERMINTAAN (Studi Kasus : PT.XYZ Surabaya) OPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM)

Lebih terperinci

Pengambilan Keputusan dalam keadaan ada kepastian. IRA PRASETYANINGRUM, S.Si,M.T

Pengambilan Keputusan dalam keadaan ada kepastian. IRA PRASETYANINGRUM, S.Si,M.T Pengambilan Keputusan dalam keadaan ada kepastian IRA PRASETYANINGRUM, S.Si,M.T Model Pengambilan Keputusan dikaitkan Informasi yang dimiliki : Ada 3 (tiga) Model Pengambilan keputusan. 1. Model Pengambilan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bagian ini diberikan beberapa konsep dasar yang menjadi landasan berpikir dalam penelitian ini, seperti pengertian persediaan, metode program linier. 2.1. Persediaan 2.1.1. Pengertian

Lebih terperinci

Optimasi Biaya Penggunaan Alat Berat Untuk Pekerjaan Pengangkutan Dan Penimbunan Pada Proyek Grand Island Surabaya Dengan Program Linier

Optimasi Biaya Penggunaan Alat Berat Untuk Pekerjaan Pengangkutan Dan Penimbunan Pada Proyek Grand Island Surabaya Dengan Program Linier JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 Optimasi Biaya Penggunaan Alat Berat Untuk Pekerjaan Pengangkutan Dan Penimbunan Pada Proyek Grand Island Surabaya Dengan Program Linier Qariatullailiyah,

Lebih terperinci

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS] MATA KULIAH MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT011215 / 2 SKS] LINIER PROGRAMMING Formulasi Masalah dan Pemodelan Pengertian Linear Programming Linear Programming (LP) adalah salah satu teknik

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pengertian Manajemen Produksi dan Operasi Menurut Heizer dan Render (2006:4) manajemen operasi (operation management-om) adalah serangkaian aktivitas yang menghasilkan nilai

Lebih terperinci

BAB VIII PEMROGRAMAN DINAMIS

BAB VIII PEMROGRAMAN DINAMIS BAB VIII PEMROGRAMAN DINAMIS Pemprograman dinamis merupakan prosedur matematis yang dirancang untuk memperbaiki efisiensi perhitungan masalah pemprograman matematis tertentu dengan menguraikannya menjadi

Lebih terperinci

Gbr. b7 5. Nilai pada Cell B3 menjadi 0,00 dan nilai pada Cell A3 menjadi Ulangi proses tersebut untuk Cell B8 dan B9.

Gbr. b7 5. Nilai pada Cell B3 menjadi 0,00 dan nilai pada Cell A3 menjadi Ulangi proses tersebut untuk Cell B8 dan B9. 29 Gbr. b7 5. Nilai pada Cell B3 menjadi 0,00 dan nilai pada Cell A3 menjadi -4.9434. 6. Ulangi proses tersebut untuk Cell B8 dan B9. C. METODE BISECTION Untuk menemukan akar dari f(x)=0.5x 3-4x-3 dengan

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang. Proyek konstruksi adalah suatu kegiatan yang tidak pernah lepas dari sumber

BAB I PENDAHULUAN Latar Belakang. Proyek konstruksi adalah suatu kegiatan yang tidak pernah lepas dari sumber BAB I PENDAHULUAN 1.1. Latar Belakang Proyek konstruksi adalah suatu kegiatan yang tidak pernah lepas dari sumber daya. Seiring dengan meningkatnya kebutuhan manusia akan suatu hunian (rumah, kantor, hotel,

Lebih terperinci

Hermansyah, Helmi, Eka Wulan Ramadhani INTISARI

Hermansyah, Helmi, Eka Wulan Ramadhani INTISARI Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 3(216), hal 249 256. PERBANDINGAN METODE STEPPING STONE DAN MODIFIED DISTRIBUTION DENGAN SOLUSI AWAL METODE LEAST COST UNTUK MEMINIMUMKAN

Lebih terperinci

BAB IV HASIL DAN UJICOBA

BAB IV HASIL DAN UJICOBA BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi

Lebih terperinci

A. Menggunakan MS.EXCEL Tujuan Siswa dapat denggunakan perangkat lunak pengolah angka (Ms.Excel)

A. Menggunakan MS.EXCEL Tujuan Siswa dapat denggunakan perangkat lunak pengolah angka (Ms.Excel) A. Menggunakan MS.EXCEL Tujuan Siswa dapat denggunakan perangkat lunak pengolah angka (Ms.Excel) Indikator Mengenal menu-menu di MS.Excel Membuat dan mengolah tabel di MS.Excel Menggunakan rumus-rumsu

Lebih terperinci

Optimasi Biaya Penggunaan Alat Berat untuk Pekerjaan Pengangkutan dan Penimbunan pada Proyek Grand Island Surabaya dengan Program Linier

Optimasi Biaya Penggunaan Alat Berat untuk Pekerjaan Pengangkutan dan Penimbunan pada Proyek Grand Island Surabaya dengan Program Linier JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) C-1 Optimasi Biaya Penggunaan Alat Berat untuk Pekerjaan Pengangkutan dan Penimbunan pada Proyek Grand Island Surabaya dengan

Lebih terperinci

ANALISIS MAKSIMALISASI KEUNTUNGAN PADA PABRIK TAHU BANDUNG DENGAN PENDEKATAN METODE SIMPLEKS. Rully Nourmalisa N

ANALISIS MAKSIMALISASI KEUNTUNGAN PADA PABRIK TAHU BANDUNG DENGAN PENDEKATAN METODE SIMPLEKS. Rully Nourmalisa N ANALISIS MAKSIMALISASI KEUNTUNGAN PADA PABRIK TAHU BANDUNG DENGAN PENDEKATAN METODE SIMPLEKS Rully Nourmalisa N. 28213130 Latar Belakang Setiap perusahaan dibangun dan didirikan mempunyai tujuan untuk

Lebih terperinci

Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks

Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks JURNAL INFORMATIKA, Vol.4 No.1 April 2017, pp. 12~20 ISSN: 2355-6579 E-ISSN: 2528-2247 12 Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks Rizal Rachman STMIK Nusa Mandiri Jakarta

Lebih terperinci

BAB 1 PENDAHULUAN 1.1. Latar Belakang

BAB 1 PENDAHULUAN 1.1. Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Kebutuhan manusia yang semakin beragam, memicu berbagai sektor riil untuk selalu terus menyediakan barang dan jasa dengan kuantitas memadai, kualitas terbaik, dan

Lebih terperinci

BAB IV. METODE SIMPLEKS

BAB IV. METODE SIMPLEKS BAB IV. METODE SIMPLEKS Penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim (ingat kembali solusi

Lebih terperinci

BAB III PROSES MANUFAKTUR. yang dilakukan dalam proses manufaktur mesin pembuat tepung ini adalah : Mulai. Pengumpulan data.

BAB III PROSES MANUFAKTUR. yang dilakukan dalam proses manufaktur mesin pembuat tepung ini adalah : Mulai. Pengumpulan data. BAB III PROSES MANUFAKTUR 3.1. Metode Proses Manufaktur Proses yang dilakukan untuk pembuatan mesin pembuat tepung ini berkaitan dengan proses manufaktur dari mesin tersebut. Proses manufaktur merupakan

Lebih terperinci