BAB III PEMBAHASAN. digunakan untuk membentuk fungsi tujuan dari masalah pemrograman nonlinear
|
|
- Hendra Cahyadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III PEMBAHASAN Pada bab ini akan dijelaskan tentang konsep dasar metode kuadrat terkecil yang digunakan untuk membentuk fungsi tujuan dari masalah pemrograman nonlinear dan langkah-langkah penyelesaiannya menggunakan pemrograman kuadratik metode wolfe dan metode fungsi penalti eksterior (metode penalty). Selanjutnya akan dipaparkan penerapan model nonlinear pada rata-rata produksi tanaman pangan di kota Magelang beserta penyelesaiannya dengan kedua metode tersebut. A. Pembentukan Fungsi Tujuan dengan Metode Kuadrat Terkecil Masalah yang dibahas dalam tugas akhir ini adalah masalah pemrograman nonlinear, sehingga fungsi tujuan yang akan dibentuk berupa fungsi nonlinear yang dalam hal ini berupa fungsi kuadrat, yaitu fungsi dengan pangkat tertinggi dari variabelnya adalah dua. Fungsi kuadrat memiliki satu nilai titik ekstrim yaitu maksimum atau minimum, sedangkan fungsi kubik memiliki sebuah titik belok, yaitu titik peralihan bentuk kurva dari cekung menjadi cembung atau sebaliknya dan mungkin pula memiliki satu atau dua titik ekstrim. Karena fungsi kubik belum tentu memiliki titik ekstrim, maka dipilihlah fungsi kuadrat yang sudah pasti memiliki satu titik ekstrim. Metode kuadrat terkecil merupakan metode penaksiran parameter yang meminimalkan jumlah kuadrat sisa (galat). Penaksiran pada metode ini memiliki sifat BLUE (Best Linear Unbiased Estimator) (Asti, 2015 : 6). Oleh karena itu dipilih metode kuadrat terkecil untuk menentukan parameter pada fungsi kuadrat. 44
2 Model yang diselesaikan dengan metode kuadrat terkecil adalah sebagai berikut (3.1a) Dimana adalah parameter dan adalah sisa (galat). Menurut Setijo Bismo (2008), fungsi kuadrat atau fungsi parabola mempunyai bentuk umum yang dapat dituliskan sebagai berikut : (3.1b) Dari Persamaan (3.1a) dan (3.1b) diperoleh model fungsi kuadrat yang akan diselesaikan dengan metode kuadrat terkecil, yaitu (3.1c) Metode kuadrat terkecil disini digunakan untuk mencari nilai-nilai tetapan, dan berdasarkan set data yang diberikan, (dimisalkan banyaknya data = ), yaitu dengan meminimumkan jumlah kuadrat sisa ( dari Persamaan (3.1) berikut Selanjutnya diturunkan terhadap, dan dengan syarat optimumnya adalah Jika diturunkan terhadap, maka diperoleh 45
3 (3.2a) Jika diturunkan terhadap, maka diperoleh (3.2b) Jika diturunkan terhadap, maka diperoleh 46
4 (3.2c) Persamaan (3.2) disebut persamaan normal. Apabila ditulis kedalam bentuk matriks Persamaan (3.2) akan menjadi Selanjutnya nilai, dan dapat ditaksir dengan menggunakan rumus B. Penyelesaian Masalah Nonlinear 1. Pemrograman Kuadratik dengan Metode Wolfe Pemrograman Kuadratik menyelesaikan masalah pemrograman nonlinear dengan mentransformasikannya menjadi masalah pemrograman linear menggunakan syarat Kuhn Tucker. Persamaan baru yang didapat dari syarat 47
5 Kuhn Tucker dicari solusi optimalnya dengan simpleks metode wolfe. Adapun langkah-langkah penyelesaiannya adalah sebagai berikut (Yuni, 2015) a. Membentuk kondisi Kuhn Tucker dari syarat Kuhn Tucker yang diperoleh. b. Mengidentifikasi complementary slackness sesuai Sifat 2.1. c. Menambahkan variabel buatan untuk setiap kondisi Kuhn Tucker yang tidak memiliki variabel basis. d. Membuat fungsi tujuan baru yang linear yaitu fungsi tujuan untuk meminimalkan jumlah nilai variabel buatan. e. Melakukan proses iterasi simpleks dengan menggunakan metode wolfe. Untuk menjamin bahwa solusi akhir (variabel buatan bernilai nol) memenuhi kondisi complementary slackness, metode wolfe memiliki modifikasi untuk pilihan variabel simpleks yang masuk menjadi basis, yaitu 1) dari kondisi Kuhn Tucker dan variabel keputusan tidak bisa menjadi variabel basis secara bersamaan. 2) Variabel surplus atau variabel slack dari kendala ke-i dan dari kondisi Kuhn Tucker tidak boleh kedua-duanya menjadi variabel basis. Syarat basis diatas bersesuaian dengan complementary slackness dari pemrograman kuadratik. Jadi, apabila simpleks dikerjakan dengan cara biasa tanpa menggunakan syarat basis diatas maka pada hasil 48
6 tabel optimal akan ada complementary slackness yang tidak terpenuhi. f. Mensubstitusikan hasil dari tabel optimum ke dalam fungsi tujuan awal (nonlinear) untuk didapatkan solusi optimum. Jika dalam tabel optimum terdapat variabel buatan maka dapat disubstitusikan ke fungsi tujuan linear. Begitu pula untuk variabel slack, surplus, buatan ataupun maka dapat disubstitusikan ke bentuk kanonik yang telah dibentuk di awal. Untuk menambah pemahaman, maka diberikan ilustrasi penyelesaian pemrograman kuadratik dengan metode wolfe melalui contoh berikut : Contoh 3.1 : Memaksimumkan (3.3) dengan kendala (3.4a) (3,4b) (3.4c) Langkah - langkah penyelesaian Persamaan (3.3) dan (3.4) dengan pemrograman kuadratik metode wolfe adalah sebagai berikut : a. Membentuk kondisi Kuhn Tucker dari fungsi tujuan dan fungsi kendala yang telah dimiliki. Berdasarkan Persamaan (3.3) dan (3.4) maka ditentukan bentuk kanoniknya yaitu : (3.5a) 49
7 (3.5b) (3.5c) (3.5d) b. Mengidentifikasi complementary slackness yang ada. Diperhatikan bahwa Persamaan (3.5) merupakan kondisi complementary slackness, sehingga mengakibatkan : c. Menambahkan variabel buatan untuk setiap kondisi Kuhn Tucker yang tidak memiliki variabel basis. Berdasarkan Persamaan (3.5), hanya Persamaan (3.5c) dan (3.5d) yang memiliki variabel basis. Pada Persamaan (3.5a) dan (3.5b) perlu ditambah variabel buatan sehingga bentuk kanoniknya menjadi : (3.6a) (3.6b) (3.6c) (3.6d) d. Membuat fungsi tujuan baru yang linear yaitu fungsi tujuan untuk meminimalkan jumlah nilai variabel buatan. Bentuk fungsi tujuan baru yang linear untuk Contoh 3.1 adalah Meminimumkan (3.7) 50
8 dengan kendala (3.6a) (3.6b) (3.6c) (3.6d) Semua variabel non negatif. e. Melakukan proses iterasi simpleks dengan menggunakan metode wolfe. Pada proses iterasi, semua koefisien ongkos variabel non basis diganti dengan 0. (Winston, 2003 : 687) Tabel 3. 1 Tabel simpleks dengan metode wolfe / Semua koefisien dari setiap kendala kondisi Kuhn Tucker dimasukkan ke dalam tabel. Nilai pada baris didapat dari jumlah hasil perkalian antara koefisien tiap kolom dengan nilai berada di baris yang sama. Untuk menentukan nilai-nilai yang maka dipilih dari baris. Variabel dengan nilai terbesar (kasus minimisasi) menjadi pembagi dari yang selanjutnya diisikan kekolom. 51
9 Nilai pada adalah yang paling besar, maka semua nilai pada kolom dibagi dengan nilai pada kolom variabel sehingga didapatkan nilai seperti dijelaskan pada Tabel 3.2. Tabel 3. 2 Iterasi pertama metode wolfe / , Karena nilai terkecil adalah maka keluar dan masuk menjadi variabel basis dengan koefisien ongkos 0. Selanjutnya proses iterasi dilanjutkan hingga diperoleh tabel optimum seperti Tabel 3.3. Tabel 3. 3 Tabel optimum metode wolfe / ,25 0-0,25 0 0, , ,25 0 0,25 0-0, , Karena nilai maka iterasi berhenti, dan tabel dinyatakan optimum. Dari tabel optimum tersebut diperoleh nilai variabel dan. Selain itu juga didapatkan nilai variabel dan serta nilai minimum. Kemudian untuk 52
10 mengetahui nilai maksimum yang dicari maka nilai variabel-variabel tersebut disubstitusikan kedalam fungsi tujuan awal yaitu. Sehingga penyelesaian optimal dari Contoh 3.1 adalah 10,125. Secara umum, penyelesaian pemrograman kuadratik metode Wolfe dapat digambarkan dalam Gambar 3.1 Fungsi Tujuan Non Linear Kondisi Kuhn Tucker Fungsi Linear Simpleks Metode Wolfe Tabel Optimum Gambar 3. 1 Bagan Langkah Penyelesian Pemrograman Kuadratik Metode Wolfe 2. Metode Fungsi Penalti Eksterior (Metode Penalty) Metode fungsi penalti eksterior pada prinsipnya adalah mentransformasikan masalah nonlinear berkendala menjadi masalah tidak berkendala sedemikian sehingga penyelesaiannya dicari secara numerik. Masalah berkendala diubah ke masalah tanpa kendala dengan cara menambahkan fungsi penalti dan parameter penalti pada fungsi tujuan. Proses pencarian solusi pada metode penalty dimulai dari luar daerah layak, oleh karena itu disebut dengan metode fungsi penalti eksterior. 53
11 Berikut adalah langkah penyelesaian metode fungsi penalti eksterior a. Mengecek kekontinuan fungsi tujuan dan fungsi kendala b. Membentuk fungsi tujuan untuk masalah optimasi tidak berkendala, dengan 1) adalah fungsi tujuan masalah berkendala 2) adalah parameter penalti 3) Fungsi penalti 4) adalah fungsi kendala pertidaksamaan 5) adalah fungsi kendala persamaan 6) adalah bilangan bulat positif c. Menentukan penyelesaian dari masalah minimalkan, yakni. Menurut syarat perlu keoptimalan masalah nonlinear tanpa kendala, titik optimal akan dicapai ketika turunannya sama dengan nol. d. Menyelidiki apakah nilai optimal yang dicapai merupakan titik minimum atau maksimum berdasarkan syarat cukup keoptimalan masalah nonlinear tanpa kendala. Secara umum, penyelesaian metode fungsi penalti eksterior dapat digambarkan dalam Gambar 3.2 Fungsi Tujuan Non Linear Berkendala Metode Penalty Fungsi Tujuan Nonlinear Tak Berkendala Solusi Optimal Gambar 3. 2 Bagan Langkah Penyelesaian Metode Penalty 54
12 C. Penerapan Model Nonlinear pada Rata-Rata Produksi Tanaman Pangan di Kota Magelang Pada subab ini akan dijelaskan langkah pembentukan model non linear untuk rata-rata produksi tanaman pangan menggunakan metode kuadrat terkecil yang perhitungannya diselesaikan dengan bantuan software matlab. Kemudian model yang diperoleh akan diselesaikan dengan pemrograman kuadratik metode wolfe dan metode fungsi penalti eksterior. Gambar 3.3 adalah alur penelitian dalam tugas akhir ini Data Produksi Tanaman Pangan Pembentukan Model dengan Metode Kuadrat Terkecil Solusi Optimal dengan Pemrograman Kuadratik dibandingkan Solusi Optimal dengan Metode Penalty diperoleh nilai optimal luas panen tanaman pangan Gambar 3. 3 Alur Pembentukan Model dan Penyelesaian Model Non Linear 55
13 1. Pembentukan Model Salah satu sektor penopang utama pertumbuhan ekonomi yang masih sangat besar adalah sektor pertanian. Setiap tahun, permintaan terhadap produksi pertanian selalu meningkat, khususnya kebutuhan bahan pangan. Kebutuhan bahan pangan masyarakat bertumpu pada padi dan palawija. Oleh karena itu produksi padi dan palawija menjadi pemasok utama dalam pemenuhan kebutuhan pangan. Di kota Magelang, jenis tanaman pangan yang diproduksi setiap tahunnya selalu berubah ubah. Jenis-jenis tanaman yang diproduksi yaitu padi, jagung, ketela pohon, ketela rambat, kacang tanah, dan kedelai. Namun menurut data dari buku Magelang Dalam Angka, dari tahun 1994 hingga tahun 2014 jenis tanaman pangan yang paling banyak diproduksi yaitu padi, ketela pohon, dan jagung maka dipilihlah ketiga jenis tanaman tersebut. Dalam buku Kota Magelang Dalam Angka yang diterbitkan oleh Badan Pusat Statistik Kota Magelang, tabel yang menyajikan informasi mengenai luas tanam, luas panen, dan rata-rata produksi tanaman pangan ada pada bab pertanian. Data luas tanam, luas panen, dan rata-rata produksi padi, ketela pohon, serta jagung dari tahun 1994 sampai tahun 2014 disajikan pada Tabel
14 Tabel 3. 4 Data Luas Tanam, Luas Panen, dan Rata-rata Produksi Padi, Ketela Pohon dan Jagung tahun Padi Sawah Ketela Pohon Jagung Tahun LT (Ha) LP (Ha) RRP (kw) LT (Ha) LP (Ha) RRP (kw) LT (Ha) LP (Ha) RRP (kw) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Keterangan LT : Luas Tanam LP : Luas Panen RRP : Rata-Rata Produksi Menurut BPS Provinsi Jawa Tengah (2013) luas panen adalah luas tanaman yang dipungut hasilnya setelah tanaman tersebut cukup umur termasuk tanaman yang gagal panen. Sedangkan rata-rata produksi atau hasil per hektar merupakan produksi setiap jenis komoditas per luas panen dalam satuan hektar. Berdasarkan penelitian yang telah dilakukan oleh Vina (2013), data pada Tabel 3.4 dapat dibentuk fungsi tujuan berupa fungsi nonlinear. 57
15 a. Membentuk Fungsi Tujuan Fungsi tujuan dari permasalaan ini dibentuk dari rata rata produksi yang diartikan sebagai hasil panen per hektar yang dihitung beratnya dalam satuan kwintal. Sedangkan luas panen diasumsikan sebagai banyaknya tanaman yang dipungut hasilnya setelah cukup umur termasuk yang gagal panen. Karena tidak memungkinkan untuk menghitung tanaman satu persatu, maka jumlah tanaman dianggap setara dengan luas tanaman yang dihitung dalam satuan hektar. Rata-rata produksi tanaman pangan total merupakan jumlahan dari ratarata produksi tanaman padi, ketela pohon, dan jagung. Sehingga fungsi tujuan yang akan dibentuk dapat dinyatakan sebagai jumlahan dari rata-rata produksi padi, ketela pohon, dan jagung. (3.8) Adapun variabel yang digunakan adalah sebagai berikut = data Luas Panen Padi ke - dalam satuan ha = data Luas Panen Ketela Pohon ke - dalam satuan ha = data Luas Panen Jagung ke - dalam satuan ha = data Rata Rata Produksi ke - dalam satuan kw = 1,2,..., ; = banyaknya data = parameter fungsi tujuan 58
16 Berdasarkan Persamaan (3.8) maka dapat dibentuk fungsi rata-rata produksi padi, ketela pohon, dan jagung adalah (3.9) Untuk menentukan parameter fungsi tujuan pada Persamaan (3.9), digunakan metode kuadrat terkecil seperti pada Persamaan (3.2) yaitu dengan menyelesaikan sistem persamaan linear berikut (3.10) Dimana Solusi dari Persamaan (3.10) diperoleh dengan (3.11) Berikut ini akan dicari fungsi tujuan dari masing-masing tanaman pangan yaitu, padi, ketela pohon dan jagung menggunakan metode kuadrat terkecil dengan bantuan software Matlab untuk selanjutnya dibentuk fungsi tujuan bersama. 59
17 1) Fungsi Tujuan Tanaman Padi Langkah-langkah untuk menentukan nilai parameter fungsi tujuan menggunakan bantuan software Matlab adalah sebagai berikut a) Masukkan data luas panen dan rata-rata produksi padi ke software Matlab. Ketikkan pada script file kemudian simpan dengan nama datax.dat b) Ketikkan pada script-file pemrograman untuk mendapatkan parameter fungsi tujuan, simpan dengan nama MKTX c) Ketikkan MKTX pada command window, tekan enter d) Muncul hasil pada command window seperti berikut >> MKTX m = 21 n = 2 A = 1.0e+12 * Y = 1.0e+08 * beta = Gambar 3. 4 Tampilan Output MKTX pada Command Window Berdasarkan hasil pada Gambar 3.4 didapatkan fungsi tujuan tanaman padi, yaitu (3.12) 60
18 2) Fungsi Tujuan Tanaman Ketela Pohon Langkah-langkah untuk menentukan nilai parameter fungsi tujuan menggunakan bantuan software Matlab adalah sebagai berikut a) Masukkan data luas panen dan rata-rata produksi ketela pohon ke software Matlab. Ketikkan pada script file kemudian simpan dengan nama datay.dat b) Ketikkan pada script-file pemrograman untuk mendapatkan parameter fungsi tujuan, simpan dengan nama MKTY c) Ketikkan MKTY pada command window, tekan enter d) Muncul hasil pada command window seperti berikut >> MKTY m = 21 n = 2 A = Y = 1.0e+05 * beta = Gambar 3. 5 Tampilan Output MKTY pada Command Window Berdasarkan hasil pada Gambar 3.5 didapatkan fungsi tujuan tanaman ketela pohon, yaitu (3.13) 61
19 3) Fungsi Tujuan Tanaman Jagung Langkah-langkah untuk menentukan nilai parameter fungsi tujuan menggunakan bantuan software Matlab adalah sebagai berikut a) Masukkan data luas panen dan rata-rata produksi ketela pohon ke software Matlab. Ketikkan pada script file kemudian simpan dengan nama dataz.dat b) Ketikkan pada script-file pemrograman untuk mendapatkan parameter fungsi tujuan, simpan dengan nama MKTZ c) Ketikkan MKTZ pada command window, tekan enter d) Muncul hasil pada command window seperti berikut >> MKTZ m = 14 n = 2 A = Y = 1.0e+04 * beta = Gambar 3. 6 Tampilan Output MKTZ pada Command Window Berdasarkan hasil pada Gambar 3.6 didapatkan fungsi tujuan tanaman jagung, yaitu (3.14) 62
20 Fungsi tujuan pada masalah ini adalah mengoptimalkan rata-rata produksi tanaman pangan yang terbentuk dari jumlahan rata-rata produksi padi, ketela pohon, dan jagung, sehingga berdasarkan Persamaan (3.12), (3.13) dan (3.14) diperoleh fungsi tujuan bersama yaitu memaksimumkan (3.15) Sebelum Persamaan (3.15) diselesaikan, alangkah lebih baiknya apabila diselidiki terlebih dahulu apakah fungsi tujuan tersebut valid atau tidak. Berdasarkan penelitian yang telah dilakukan oleh Vina (2013), untuk membuktikan bahwa solusi nilai pada fungsi tujuan yang diperoleh dari metode kuadrat terkecil adalah yang terbaik ada dua cara, yaitu dengan melihat nilai error dan conditional number-nya. Cara yang pertama yaitu dengan melihat nilai errornya. Nilai variabel, dan pada Tabel 3.4 disubstitusikan ke Persamaan (3.15). Kemudian dihitung selisih nilai dari jumlahan rata-rata produksi padi, ketela pohon dan jagung yang ada pada Tabel 3.4 dengan hasil perhitungan. Tabel 3.5 merupakan hasil perhitungan selisih nilai beserta errornya. 63
21 Tabel 3. 5 Hasil Perhitungan Selisih Nilai dan Errornya Luas Panen Padi Ketela Pohon Jagung Rata-Rata Produksi Padi Ketela Pohon Jagung Data Aktual Hasil Perhitungan Selisih Error ,83 125, ,59 200,16 8,43 4% ,68 121, ,56 292,45 98,89 51% ,04 132,11 27,14 211,29 322,33 111,04 53% ,8 132,86 22,86 207,52 161,38 46,14 22% ,82 153,3 26,66 231,78 183,65 48,13 21% ,81 172, ,28 305,84 55,56 22% , ,51 92,22 76,29 45% ,35 168,57 25,05 246,97 169,94 77,03 31% ,79 139,33-192,12 246,91 54,79 29% ,81 139, ,19 160,62 51,57 24% , ,4 142,74 49,66 26% , ,64 160,70 56,94 26% , ,62 127,52 65,10 34% , ,51 77,58 116,93 60% , ,56 104,74 114,82 52% , ,5 258,17 198,76 59,41 23% , ,75 212,02 47,73 18% , ,25 143,23 192,84 49,61 35% , ,96-208,668 77,51 131,16 63% ,5 73,33-131,83 77,51 54,32 41% , ,18 59,69 68,49 53% Rata-Rata Error 35% Berdasarkan Tabel 3.5, rata-rata errornya cukup besar, yaitu 35%. Akan tetapi masih ada cara kedua, yaitu dengan melihat conditional number-nya. Conditional number dari invers matriks dengan melihat norm matriks didefinisikan sebagai berikut Conditional number digunakan untuk mengukur kesalahan yang mungkin terjadi pada input dan output. Error relatif untuk invers matriks A 64
22 tergantung dari nilai conditional number, sehingga conditional number tidak boleh terlalu besar (Vina,2013). Jika nilai conditional number < , maka nilai dinyatakan terbaik (Anderson dalam Vina, 2013). Berikut adalah hasil perhitungan conditional number dengan bantuan software Matlab, yaitu dengan perintah cond() (script terlampir). Tabel 3. 6 Tabel Nilai Conditional Number Padi, Ketela Pohon, dan Jagung Padi Ketela Pohon Jagung Jumlah Conditional Number 716, , , ,8552 Berdasarkan Tabel 3.6, nilai conditional number < , maka nilai pada fungsi tujuan dinyatakan terbaik. Jadi Persamaan (3.15) merupakan fungsi pendekatan yang terbaik. b. Membentuk Fungsi Kendala Pada permasalahan ini kendalanya yaitu luas panen tidak boleh lebih dari luas tanam maksimum. Sehingga menurut data pada Tabel 3.4, fungsi kendala pada masalah ini adalah (3.16a) (3.16b) (3.16c) (3.16d) Jadi model matematika untuk rata-rata produksi tanaman pangan di kota Magelang adalah model nonlinear dengan fungsi tujuannya Persamaan (3.15) dan fungsi kendalanya Persamaan (3.16). 65
23 2. Penyelesaian dengan Pemrograman Kuadratik Metode Wolfe Sebelum diselesaikan dengan pemrograman kuadratik metode wolfe, Persamaan (3.15) dan (3.16) akan diidentifikasi ke dalam bentuk umum dari masalah pemrograman kuadratik. Berdasarkan Persamaan (2.38), maka Persamaan (3.15) dapat ditulis dengan, dan, Jadi diperoleh dengan kendalanya yaitu Persamaan (3.15) dan (3.16) sudah sesuai dengan bentuk umum masalah pemrograman kuadratik. Selanjutnya, akan dilihat apakah Persaman (3.15) dan (3.16) merupakan fungsi konveks atau konkaf, yaitu dengan melihat 66
24 turunan parsialnya. Diperoleh turunan parsial kedua dari Persamaan (3.15) adalah sebagai berikut dan turunan pertama dari Persaman (3.16) adalah sebagai berikut Karena, maka berdasarkan Teorema 2.1 fungsi merupakan fungsi konkaf. Sedangkan Definisi 2.2 dan Teorema 2.4 fungsi, maka menurut merupakan fungsi konveks. Karena fungsi konkaf dan konveks maka digunakan syarat Karush Kuhn Tucker sebagai syarat perlu dan cukup untuk mencapai nilai optimal. Oleh karena itu Persamaan (3.15) dapat diselesaikan dengan pemrograman 67
25 kuadratik metode wolfe. Adapun langkah-langkah penyelesaiannya adalah sebagai berikut a. Membentuk Kondisi Kuhn-Tucker Berdasarkan Teorema 2.7, maka pada Persamaan (3.15) dapat ditentukan syarat Kuhn-Tuckernya yaitu 1) (3.17a) (3.17b) (3.17c) 2) (3.18a) (3.18b) (3.18c) 3) ( (3.19a) (3.19b) (3.19c) 4) (3.20) 5) (3.21) Berdasarkan Persamaan (3.16a), (3.16b), dan (3.16c) maka diperoleh (3.22a) (3.22b) (3.22c) Bentuk Persamaan (3.22) dapat dijadikan bentuk kanonik sehingga menjadi 68
26 (3.23a) (3.23b) (3.23c) Setelah mengidentifikasi syarat Kuhn Tucker, maka kondisi Kuhn Tucker untuk Persamaan (3.16) yaitu (3.17a) (3.17b) (3.17c) (3.23a) (3.23b) (3.23c) b. Mengidentifikasi complementary slackness Berdasarkan Persamaan (3.18) dan (3.23), Persamaan (3.17) dan (3.19) dan sifat complementary slackness pada pemrograman kuadratik, maka kondisi complementary slackness untuk Persamaan (3.15) adalah c. Menambah variabel buatan untuk setiap kondisi Kuhn-Tucker yang tidak memiliki variabel basis Persamaan (3.17) tidak memiliki variabel basis sehingga ditambahkan variabel buatan sehingga bentuknya menjadi (3.24a) 69
27 (3.24b) (3.24c) d. Menentukan fungsi tujuan baru yang linear Bentuk fungsi tujuan baru yang linear untuk masalah rata-rata produksi padi, ketela pohon, dan jagung adalah Meminimumkan (3.25) dengan kendala (3.24a) (3.24b) (3.24c) (3.23a) (3.23b) (3.23c) Semua variabel non negatif e. Melakukan proses iterasi simpleks dengan metode wolfe Setelah didapatkan fungsi tujuan dan kendala baru, yaitu Persamaan (3.23) (3.25) dibuatlah tabel simpleks lalu dilakukan perhitungannya. Perhitungan iterasi simplek menggunakan bantuan excel, berikut adalah tampilan tabel optimum. 70
28 Gambar 3. 7 Tampilan tabel optimum simplek metode wolfe Berdasarkan Gambar 3.13 diperoleh hasil,,,,, dan. Kemudian untuk mendapatkan nilai maksimum yang dicari maka nilai variabel, dan disubstitusikan ke Persamaan (3.15) yang merupakan fungsi tujuan awal yaitu 2. Penyelesaian dengan Metode Fungsi Penalti Eksterior (Metode Penalty) Metode penalty digunakan untuk menyelesaikan masalah nonlinear tak berkendala. Persamaan (3.15) merupakan masalah nonlinear dengan kendala Persamaan (3.16). Oleh karena itu, Persamaan (3.15) dan (3.16) dapat diselesaikan dengan metode penalty. 71
29 Adapun langkah-langkahnya adalah sebagai berikut a. Mengecek kekontinuan fungsi tujuan dan fungsi kendala Akan dibuktikan terlebih dahulu adalah fungsi yang kontinu. Berdasarkan Definisi 2.3 dan Definisi 2.4, suatu fungsi dikatakan kontinu di jika yang berarti untuk setiap yang diberikan terdapat sedemikian sehingga jika maka. Atau dengan kata lain fungsi tersebut memiliki turunan seperti yang tertera pada Teorema 2.2. Berikut ini akan dicari turunan pertama dari fungsi. Karena,,, ada, maka adalah fungsi yang kontinu. b. Membentuk fungsi tujuan untuk masalah optimasi tidak berkendala sesuai bentuk umum masalah fungsi penalti pada Persamaan (2.40). Masalah optimisasi Persamaan (3.15) dan (3.16), diubah ke dalam masalah optimisasi tanpa kendala menggunakan metode penalty dengan membentuk fungsi dan memilih (karena 2 merupakan bilangan positif terkecil yang mengakibatkan fungsi penalti tetap termuat dalam fungsi tujuan baru setelah diturunkan), sehingga menjadi 72
30 Maka diperoleh masalah fungsi penalti eksterior yaitu Meminimumkan (3.26) c. Menentukan penyelesaian dari masalah meminimalkan, yakni. Titik optimal akan dicapai jika, maka (3.27a) (3.27b) (3.27c) Karena tujuan masalah fungsi penalti adalah meminimalkan maka Persamaan (3.27) dapat ditulis (3.28a) (3.28b) (3.28c) Dari Persamaan (3.28) diperoleh 73
31 d. Menyelidiki apakah nilai dan merupakan nilai minimum atau maksimum berdasarkan syarat cukup keoptimalan masalah nonlinear tanpa kendala. Matriks Hessian dari Persamaan (3.26) adalah sebagai berikut Akan diselidiki apakah definit positif, negatif, atau tidak definit. Jika dinyatakan dalam bentuk kuadratik, maka Berdasarkan Definisi 2.7, matriks definit negatif. Menurut syarat cukup keoptimalan masalah nonlinear tanpa berkendala jika dan definit negatif, maka merupakan titik maksimum. Jadi nilai maksimum dari untuk, adalah. 74
32 3. Analisa Hasil Penyelesaian dengan Pemrograman Kuadratik dan Metode Penalty Tabel 3. 7 Penyelesaian optimal untuk rata-rata produksi padi, ketela pohon dan jagung metode penalty Luas Panen Padi (ha) Luas Panen Ketela Pohon (ha) Luas Panen Jagung (ha) Rata-rata Produksi Tanaman Pangan (kw) pemrograman kuadratik Menurut Tabel 3.7, pada kasus optimasi rata-rata produksi tanaman padi, ketela pohon dan jagung, penyelesaian dengan pemrograman kuadratik dan metode fungsi penalti eksterior (penalty) mendapatkan hasil yang sama. Oleh karena itu kedua metode tersebut efektif untuk menyelesaikan masalah optimasi rata-rata produksi tanaman pangan. Akan tetapi setiap metode memiliki kelebihan dan kekurangannya masing-masing. Kekurangan pemrograman kuadratik yaitu prosesnya yang panjang sehingga membutuhkan waktu yang lama untuk memperoleh hasilnya. Adapun kelebihannya adalah perhitungannya yang mudah karena menggunakan simpleks dan dapat menggunakan bantuan software WinQSB. Sedangkan metode penalty kekurangannya yaitu apabila penyelesaiannya masih memuat parameter pinalti yaitu, maka membutuhkan metode penyelesaian lebih lanjut seperti metode newton atau metode steepest descent. 75
33 Kelebihannya yaitu proses memperoleh hasil optimal yang cepat apabila parameter penalti sudah tidak ada seperti masalah pada tugas akhir ini. Nilai optimal yang diperoleh sebesar 387,0586 kwintal. Kemudian apabila melihat Tabel 3.4, jumlahan dari rata-rata produksi tanaman padi, ketela pohon dan jagung sejak tahun 1994 hingga 2014 belum pernah mencapai hasil yang optimal. Oleh karena itu, pemerintah dan masyarakat perlu meningkatkan luas panen tanaman pangan di kota Magelang, khususnya tanaman ketela pohon dan jagung yang semakin menurun tiap tahunnya. 76
Penerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 T - 13 Penerapan Pemrograman Kuadratik Metode Wolfe untuk Optimasi Rata-Rata Produksi Padi dan Ketela Pohon di Kota Magelang Sativa Nurin
Lebih terperinciOPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR SKRIPSI
OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciOPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR
40 Jurnal Matematika Vol 6 No 2 Tahun 2017 OPTIMASI TANAMAN PANGAN DI KOTA MAGELANG DENGAN PEMROGRAMAN KUADRATIK DAN METODE FUNGSI PENALTI EKSTERIOR OPTIMIZATION OF FOOD CROPS IN MAGELANG WITH QUADRATIC
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,
BAB II KAJIAN PUSTAKA Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan, pemrograman linear, metode simpleks, teorema dualitas, pemrograman nonlinear, persyaratan karush kuhn
Lebih terperinciBAB I PENDAHULUAN. Inggris dan Amerika bahu- membahu mengupayakan optimum-alokasi bahanbahan
BAB I PENDAHULUAN A. LATAR BELAKANG Operations Research (Riset Operasi) merupakan suatu bagian dari ilmu pengetahuan yang mulai berkembang pada tahun 1945, yaitu pada saat Perang Dunia II (Siswanto, 2007
Lebih terperinciBAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan
BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks
Lebih terperinciBAB IV PEMBAHASAN. optimasi biaya produksi pada home industry susu kedelai Pak Ahmadi
BAB IV PEMBAHASAN Pada bab ini akan dipaparkan tentang penerapan model nonlinear untuk optimasi biaya produksi pada home industry susu kedelai Pak Ahmadi menggunakan pendekatan pengali lagrange dan pemrograman
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan mengenai teori teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Zaman yang semakin berkembang membuat persoalan semakin kompleks, tidak terkecuali persoalan yang melibatkan persoalan matematika. Dalam pemecahannya, matematika memegang
Lebih terperinciBAB II KAJIAN TEORI. berkaitan dengan optimasi, pemrograman linear, pemrograman nonlinear, quadratic
BAB II KAJIAN TEORI Kajian teori pada bab ini membahas tentang pengertian dan penjelasan yang berkaitan dengan optimasi, pemrograman linear, pemrograman nonlinear, quadratic programming dan algoritma genetika.
Lebih terperincikita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi
Lecture 4: (B) Supaya terdapat penyelesaian basis awal yang fisibel, pada kendala berbentuk = dan perlu ditambahkan variabel semu (artificial variable) pada ruas kiri bentuk standarnya, untuk siap ke tabel
Lebih terperinciOPTIMASI BIAYA PRODUKSI PADA HOME INDUSTRY SUSU KEDELAI MENGGUNAKAN PENDEKATAN PENGALI LAGRANGE DAN PEMROGRAMAN KUADRATIK TUGAS AKHIR SKRIPSI
OPTIMASI BIAYA PRODUKSI PADA HOME INDUSTRY SUSU KEDELAI MENGGUNAKAN PENDEKATAN PENGALI LAGRANGE DAN PEMROGRAMAN KUADRATIK TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB I PENDAHULUAN. berkembang sejak Perang Dunia II (Simarmata, 1982: ix). Model-model Riset. sebagainya, maka timbullah masalah optimasi.
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Riset Operasi adalah suatu cabang ilmu pengetahuan baru yang berkembang sejak Perang Dunia II (Simarmata, 1982: ix). Model-model Riset Operasi adalah teknik-teknik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa pengertian dari optimasi bersyarat dengan kendala persamaan menggunakan multiplier lagrange serta penerapannya yang akan digunakan sebagai landasan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrograman Non Linier Pemrograman Non linier merupakan pemrograman dengan fungsi tujuannya saja atau bersama dengan fungsi kendala berbentuk non linier yaitu pangkat dari variabelnya
Lebih terperinciII LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.
II LANDASAN TEORI Pada pembuatan model penjadwalan pertandingan sepak bola babak kualifikasi Piala Dunia FIFA 2014 Zona Amerika Selatan, diperlukan pemahaman beberapa teori yang digunakan di dalam penyelesaiannya,
Lebih terperinciBAB III PEMBAHASAN. pemrograman nonlinear dan penerapannya dalam penetapan jumlah produksi
BAB III PEMBAHASAN Pada bab ini akan dijelaskan mengenai langkah penyelesaian masalah pemrograman nonlinear dan penerapannya dalam penetapan jumlah produksi optimal pada biaya produksi perbulan di Tempe
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Optimasi Non-Linier Suatu permasalahan optimasi disebut nonlinier jika fungsi tujuan dan kendalanya mempunyai bentuk nonlinier pada salah satu atau keduanya. Optimasi nonlinier
Lebih terperinciKOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI
Jurnal LOG!K@ Jilid 7 No 1 2017 Hal 52-60 ISSN 1978 8568 KOMBINASI PERSYARATAN KARUSH KUHN TUCKER DAN METODE BRANCH AND BOUND PADA PEMROGRAMAN KUADRATIK KONVEKS BILANGAN BULAT MURNI Khoerunisa dan Muhaza
Lebih terperinciMetode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form) Materi Bahasan
Metode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form) Kuliah 04 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Metode simpleks dalam bentuk tabel 2 Pemecahan untuk masalah minimisasi
Lebih terperinciBAB 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 terperinciTeori Dualitas dan Penerapannya (Duality Theory and Its Application)
Teori Dualitas dan Penerapannya (Duality Theory and Its Application) Kuliah 6 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Teori dualitas 2 Metode simpleks dual TI2231 Penelitian Operasional I 2
Lebih terperinciBAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau
BAB II KAJIAN TEORI Pada bab ini akan diberikan kajian teori mengenai matriks dan operasi matriks, program linear, penyelesaian program linear dengan metode simpleks, masalah transportasi, hubungan masalah
Lebih terperinciBAB I PENDAHULUAN. Riset Operasi, dalam artian sempit merupakan penerapan dari model-model
BAB I PENDAHULUAN A. LATAR BELAKANG Riset Operasi, dalam artian sempit merupakan penerapan dari model-model ilmiah khususnya dalam bidang matematika dan statistika (Kandiller, 2007 : 1). Riset Operasi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah. dalam hal pembahasan hasil utama berikutnya.
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dijelaskan mengenai teori-teori yang berhubungan dengan pembahasan ini sehingga dapat dijadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Salah satu observasi yang berguna dalam bidang komputasi di tahun 1970 adalah observasi terhadap permasalahan relaksasi Lagrange. Josep Louis Lagrange merupakan tokoh ahli
Lebih terperinciBAB 2 PROGRAM LINIER DAN TAK LINIER. Program linier (Linear programming) adalah suatu masalah matematika
BAB 2 PROGRAM LINIER DAN TAK LINIER 2.1 Program Linier Program linier (Linear programming) adalah suatu masalah matematika yang mempunyai fungsi objektif dan kendala berbentuk linier untuk meminimalkan
Lebih terperinciBAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di
BAB II TINJAUAN PUSTAKA 2.1 Pemrograman Linier (Linear Programming) Pemrograman linier (linear programming) merupakan salah satu teknik riset operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengoptimalan merupakan ilmu Matematika terapan dan bertujuan untuk mencapai suatu titik optimum. Dalam kehidupan sehari-hari, baik disadari maupun tidak, sebenarnya
Lebih terperinciBAB 2 KAJIAN PUSTAKA. Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut:
BAB 2 KAJIAN PUSTAKA 2.1 Masalah Optimisasi dan Program Non Linier Menurut Asghar (2000), secara garis besar masalah optimisasi terbagi dalam beberapa tipe berikut: 1. Masalah optimisasi tanpa kendala.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini akan diuraikan mengenai metode-metode ilmiah dari teori-teori yang digunakan dalam penyelesaian persoalan untuk menentukan model program linier dalam produksi.. 2.1 Teori
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Kamar darurat (Emergency Room/ER) adalah tempat yang sangat penting peranannya pada rumah sakit. Aktivitas yang cukup padat mengharuskan kamar darurat selalu dijaga oleh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrograman Non linier Pemrograman non linier adalah suatu bentuk pemrograman yang berhubungan dengan suatu perencanaan aktivitas tertentu yang dapat diformulasikan dalam model
Lebih terperinciOPTIMASI (Pemrograman Non Linear)
OPTIMASI (Pemrograman Non Linear) 3 SKS PILIHAN Arrival Rince Putri, 013 1 Silabus I. Pendahuluan 1. Perkuliahan: Silabus, Referensi, Penilaian. Pengantar Optimasi 3. Riview Differential Calculus II. Dasar-Dasar
Lebih terperinciMetode 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 terperinciSyarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak
Lebih terperinciPemrograman Linier (3)
Pemrograman Linier () Metode Big-M Ahmad Sabri Universitas Gunadarma, Indonesia Pada model PL di mana semua kendala memiliki relasi, variabel basis pada solusi awal (tabel simpleks awal) adalah Z dan semua
Lebih terperinciBAB II KAJIAN PUSTAKA. Berikut diberikan landasan teori mengenai Teori Portofolio, Turunan
BAB II KAJIAN PUSTAKA Berikut diberikan landasan teori mengenai Teori Portofolio, Turunan Parsial, Supremum dan Infimum, Himpunan Konveks, Program Nonlinear, Matriks Definit Positif dan Definit Negatif,
Lebih terperinciIII RELAKSASI LAGRANGE
III RELAKSASI LAGRANGE Relaksasi Lagrange merupakan salah satu metode yang terus dikembangkan dalam aplikasi pemrograman matematik. Sebagian besar konsep teoretis dari banyak aplikasi menggunakan metode
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISSN: 2460-6464 Optimisasi Fungsi Nonlinier Dua Variabel Bebas dengan Satu Kendala Pertidaksamaan Menggunakan Syarat Kuhn-Tucker Optimization of Nonlinear Function of Two Independent
Lebih terperinciBAB 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 terperinciBAB 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 terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda
Lebih terperinciBAB II KAJIAN TEORI. untuk membahas bab berikutnya. Dasar teori yang akan dibahas pada bab ini
BAB II KAJIAN TEORI Pembahasan pada bagian ini akan menjadi dasar teori yang akan digunakan untuk membahas bab berikutnya. Dasar teori yang akan dibahas pada bab ini adalah optimisasi, fungsi, pemrograman
Lebih terperinciModel 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 terperinciOperations 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pada suatu eksperimen atau pengamatan terhadap suatu keadaan, pengambilan data merupakan salah satu bagian terpenting, agar hasil dari eksperimen dapat lebih
Lebih terperinciPENYELESAIAN MODEL NONLINEAR MENGGUNAKAN SEPARABLE PROGRAMMING DENGAN ALGORITMA GENETIKA PADA PRODUKSI TEMPE
Penyelesaian Model Nonlinear... (Asep Iindriana) 1 PENYELESAIAN MODEL NONLINEAR MENGGUNAKAN SEPARABLE PROGRAMMING DENGAN ALGORITMA GENETIKA PADA PRODUKSI TEMPE SOLUTION OF NONLINEAR MODEL USING SEPARABLE
Lebih terperinciSYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John... (Caturiyati) SYARAT FRITZ JOHN PADA MASALAH OPTIMASI BERKENDALA KETAKSAMAAN Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com
Lebih terperinciOPTIMASI FUNGSI MULTIVARIABLE TANPA KENDALA DENGAN METODE NEWTON
OPTIMASI FUNGSI MULTIVARIABLE TANPA KENDALA DENGAN METODE NEWTON Susi Ranangga [M008067], Aeroni Dwijayanti [M008078] Hamdani Citra P. [M0003], Nafi Nur Khasana [M00058]. Pendahuluan Dalam kehidupan sehari-hari
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini semakin banyak permasalahan pada kehidupan sehari-hari yang memerlukan pendekatan optimisasi dalam penyelesaiannya. Sebagai contoh, misalkan sebuah perusahaan
Lebih terperinciBAB 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 terperinciOPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI
OPTIMISASI PEMROGRAMAN CEMBUNG MENGGUNAKAN SYARAT KUHN-TUCKER SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan Guna
Lebih terperinciKERANGKA PEMIKIRAN Kerangka Pemikiran Teoritis
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Optimalisasi Distribusi Sistem distribusi adalah cara yang ditempuh atau digunakan untuk menyalurkan barang dan jasa dari produsen
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari baik disadari maupun tidak, sebenarnya orang selalu melakukan optimasi untuk memenuhi kebutuhannya. Tetapi optimasi yang dilakukan masyarakat
Lebih terperinciBAB 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 terperinciBAB II KAJIAN TEORI. Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai beberapa definisi dan teori yang akan digunakan pada pembahasan berdasarkan literatur yang relevan. A. Program Linear Model Program Linear (MPL) merupakan
Lebih terperinciBAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program linear, metode simpleks, dan program linear fuzzy untuk membahas penyelesaian masalah menggunakan metode fuzzy
Lebih terperinciFungsi 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 terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar elakang Sepak bola merupakan olahraga yang populer di seluruh dunia termasuk di Indonesia. Sepak bola sebenarnya memiliki perangkat-perangkat penting yang harus ada dalam penyelenggaraannya,
Lebih terperinciBAB 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 terperinciALGORITMA METODE SIMPLEKS (PRIMAL)
ALGORITMA METODE SIMPLEKS (PRIMAL) Artificial Variable Algoritma Simpleks Metode M (Method of penalty) Metode dua fase Tabel Simpleks dalam bentuk matriks Artificial Variable (AV) Apabila terdapat satu
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciMETODE SEQUENTIAL QUADRATIC PROGRAMMING (SQP) UNTUK MENYELESAIKAN PERSOALAN NONLINEAR BERKENDALA SKRIPSI YANI
METODE SEQUENTIAL QUADRATIC PROGRAMMING (SQP) UNTUK MENYELESAIKAN PERSOALAN NONLINEAR BERKENDALA SKRIPSI YANI 070803040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciPENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING
Jurnal Manajemen Informatika dan Teknik Komputer Volume, Nomor, Oktober 05 PENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING Havid Syafwan Program Studi Manajemen Informatika
Lebih terperinciBAB II KAJIAN TEORI. Berikut ini merupakan pembahasan kajian-kajian tersebut.
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai kajian teori yang digunakan sebagai dasar penulisan tugas akhir ini berdasarkan literatur yang relevan. Berikut ini merupakan pembahasan kajian-kajian
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Sukarelawan adalah seseorang atau sekelompok orang yang secara ikhlas karena panggilan nuraninya memberikan apa yang dimilikinya tanpa mengharapkan imbalan. Sukarelawan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Program Linear Program Linear adalah suatu cara yang digunakan untuk menyelesaikan masalah optimasi suatu model linear dengan berbagai kendala yang dihadapinya. Masalah program
Lebih terperinciMetode Simpleks Minimum
Metode Simpleks Minimum Perhatian Untuk menyelesaikan Persoalan Program Linier dengan Metode Simpleks untuk fungsi tujuan memaksimumkan dan meminimumkan caranya BERBEDA. Perhatian Model matematika dari
Lebih terperinciBAB 2 OPTIMISASI KOMBINATORIAL. Masalah optimisasi merupakan suatu proses pencarian varibel bebas yang
BAB 2 OPTIMISASI KOMBINATORIAL 2.1 Masalah Model Optimisasi Kombinatorial Masalah optimisasi merupakan suatu proses pencarian varibel bebas yang memenuhi kondisi atau batasan yang disebut kendala dari
Lebih terperinciBAB II KAJIAN TEORI. masalah fuzzy linear programming untuk optimasi hasil produksi pada bab
BAB II KAJIAN TEORI Berikut diberikan landasan teori mengenai program linear, konsep himpunan fuzzy, program linear fuzzy dan metode Mehar untuk membahas penyelesaian masalah fuzzy linear programming untuk
Lebih terperinciBAB I PENDAHULUAN. adalah optimasi digunakan untuk memaksimalkan keuntungan yang akan diraih
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, baik disadari maupun tidak disadari, manusia sebenarnya telah melakukan upaya optimasi untuk memenuhi kebutuhan hidupnya. Akan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Program linier merupakan metode matematika dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan, seperti memaksimumkan keuntungan dan meminimumkan
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciOPTIMASI PEMOTONGAN BALOK KAYU DENGAN POLA PEMOTONGAN SATU DIMENSI MENGGUNAKAN TEKNIK PEMBANGKIT KOLOM (COLUMN GENERATION TECHNIQUE) SKRIPSI
OPTIMASI PEMOTONGAN BALOK KAYU DENGAN POLA PEMOTONGAN SATU DIMENSI MENGGUNAKAN TEKNIK PEMBANGKIT KOLOM (COLUMN GENERATION TECHNIQUE) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciMETODE SIMPLEKS KASUS MEMAKSIMUMKAN
TUGAS KELOMPOK RISET OPERASI METODE SIMPLEKS KASUS MEMAKSIMUMKAN KELOMPOK RINI ANGGRAINI S (H ) NURUL MUTHIAH (H 5) RAINA DIAH GRAHANI (H 68) FATIMAH ASHARA (H 78) PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
METODE TITIK-INTERIOR PADA PEMROGRAMAN KUADRATIK KONVEKS Skripsi Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Matematika Oleh: Fenny Basuki NIM: 831143 PROGRAM
Lebih terperinciOPTIMALISASI 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 terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Perencanaan Produksi 1. Pengertian Perencanaan Produksi Perencanaan produksi merupakan perencanaan tentang produk apa dan berapa yang akan diproduksi oleh perusahaan yang bersangkutan
Lebih terperinciPRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)
PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS) A. Tujuan Praktikum 1. Memahami bagaimana merumuskan/ memformulasikan permasalahan yang terdapat dalam dunia nyata. 2. Memahami dan dapat memformulasikan
Lebih terperinciSOFTWARE LINDO I KOMANG SUGIARTHA
SOFTWARE LINDO I KOMANG SUGIARTHA PENGERTIAN LINDO LINDO (Linear Interaktive Discrete Optimizer) merupakan software yang dapat digunakan untuk mencari penyelesaian dari masalah pemrograman linear. Prinsip
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Program Linear Menurut Sitorus, Parlin (1997), Program Linier merupakan suatu teknik penyelesaian optimal atas suatu problema keputusan dengan cara menentukan terlebih dahulu suatu
Lebih terperinciBAB V PROGRAMA LINIER : METODE SIMPLEKS
BAB V PROGRAMA LINIER : METODE SIMPLEKS 5.1 Metode Simpleks Metode simpleks ialah suatu cara penyelesaian masalah programa linier yang diperkenalkan pertama kali oleh Dantzig pada tahun 1947, yakni suatu
Lebih terperincimempunyai tak berhingga banyak solusi.
Lecture 4: A. Introduction Jika suatu masalah LP hanya melibatkan 2 kegiatan (variabel keputu-san) saja, maka dapat diselesaikan dengan metode grafik. Tetapi, jika melibatkan lebih dari 2 kegiatan, maka
Lebih terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1 Kerangka Pemikiran Teoritis 3.1.1 Sistem Produksi Secara umum produksi dapat diartikan sebagai suatu kegiatan atau proses yang mentransformasikan masukan (input) menjadi hasil
Lebih terperinciBAB I PENDAHULUAN. Pada era modern sekarang ini dengan biaya hidup yang semakin meningkat,
BAB I PENDAHULUAN A. Latar Belakang Pada era modern sekarang ini dengan biaya hidup yang semakin meningkat, berakibat beberapa perusahaan mengalami peningkatan biaya pendistribusian produk. Pendistribusian
Lebih terperinciPROGRAM LINEAR DENGAN METODE SIMPLEX
PROGRAM LINEAR DENGAN METODE SIMPLEX PENDAHULUAN Metode simpleks ini adalah suatu prosedur aljabar yang bukan secara grafik untuk mencari nilai optimal dari fungsi tujuan dalam masalah-masalah optimisasi
Lebih terperinciOPTIMASI FUNGSI MULTI VARIABEL DENGAN METODE UNIVARIATE. Dwi Suraningsih (M ), Marifatun (M ), Nisa Karunia (M )
OPTIMASI FUNGSI MULTI VARIABEL DENGAN METODE UNIVARIATE Dwi Suraningsih (M2, Marifatun (M53, Nisa Karunia (M6 I. Pendahuluan Latar Belakang. Dalam kehidupan sehari-hari disa maupun tidak, sebenarnya manusia
Lebih terperincivii Tinjauan Mata Kuliah
vii M Tinjauan Mata Kuliah atematika merupakan alat yang sangat penting dalam mempelajari ilmu-ilmu ekonomi dan bisnis. Oleh karena itu, mahasiswa dituntut untuk mengetahui berbagai konsep matematika.
Lebih terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis Kelangkaan merupakan hal yang tidak bisa dihindari. Hal ini menjadi masalah utama ketika keinginan manusia yang tidak terbatas berhadapan dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA. berhubungan dengan pendistribusian barang dari sumber (misalnya, pabrik) ke
BAB II TINJAUAN PUSTAKA 2.1 Masalah Transportasi Masalah transportasi merupakan pemrograman linear jenis khusus yang berhubungan dengan pendistribusian barang dari sumber (misalnya, pabrik) ke tujuan (misalnya,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Produk Menurut Daryanto (2011:49) produk adalah segala sesuatu yang dapat ditawarkan ke pasar untuk mendapatkan perhatian, dibeli, dipergunakan atau dikonsumsi dan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Penelitian Dalam setiap perusahaan berusaha untuk menghasilkan nilai yang optimal dengan biaya tertentu yang dikeluarkannya. Proses penciptaan nilai yang optimal dapat
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1 Linear Programming Linear Programming (LP) merupakan metode yang digunakan untuk mencapai hasil terbaik (optimal) seperti keuntungan maksimum atau biaya minimum dalam model matematika
Lebih terperinciPROGRAM LINEAR: METODE SIMPLEX
PROGRAM LINEAR: METODE SIMPLEX Latar Belakang Sulitnya menggambarkan grafik berdimensi banyak atau kombinasi lebih dari dua variabel. Metode grafik tidak mungkin dapat dilakukan untuk menyelesaikan masalah
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
0 I PEDAHULUA. Latar Belakang Peternakan didefinisikan sebagai suatu usaha untuk membudidayakan hewan ternak. Jika dilihat dari enis hewan yang diternakkan, terdapat berbagai enis peternakan, salah satunya
Lebih terperinciMATEMATIKA 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 terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinci