Pengubahan Model Ketidaksamaan Persamaan

dokumen-dokumen yang mirip
METODE SIMPLEKS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-3. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

METODE SIMPLEKS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-5

Konsep Primal - Dual

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

PROGRAM LINEAR: METODE SIMPLEX

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

Metode Simpleks dengan Big M dan 2 Phase

Teknik Riset Operasi. Oleh : A. AfrinaRamadhani H. Teknik Riset Operasi

Taufiqurrahman 1

BAB V PROGRAMA LINIER : METODE SIMPLEKS

ALGORITMA METODE SIMPLEKS (PRIMAL)

METODE dan TABEL SIMPLEX

kita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi

PROGRAM LINIER METODE SIMPLEKS

Riset Operasional LINEAR PROGRAMMING

MATA KULIAH RISET OPERASIONAL

BAB IV. METODE SIMPLEKS

METODE SIMPLEKS. Obyektif 1. Memahami cara menyelesaikan permasalahan menggunakan solusi grafik 2. Mengetahui fungsi kendala dan fungsi tujuan

Z = 5X1 + 6X2 + 0S1 + 0S2 + MA1 + MA2. Persoalan Primal (asli) Persoalan Dual (kebalikan dari primal)

Metode Simpleks. Program linier bentuk standar Pengantar metode simpleks

BAB VI PROGRAMA LINIER : DUALITAS DAN ANALISIS SENSITIVITAS

Metode Simpleks Dengan Tabel. Tabel simpleks bentuk umum

Metode Simpleks Dengan Tabel. Tabel metode simpleks Tabel metode simpleks bentuk standar

Ada beberapa kasus khusus dalam simpleks. Kadangkala kita akan menemukan bahwa iterasi tidak berhenti, karena syarat optimalitas atau syarat

BAB 2 LANDASAN TEORI

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

contoh soal metode simplex dengan minimum

BAB III. METODE SIMPLEKS

Metode Simpleks Minimum

Metode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form) Materi Bahasan

METODE SIMPLEKS DALAM PROGRAM LINIER

PROGRAM LINEAR DENGAN METODE SIMPLEX

METODE SIMPLEKS DALAM PROGRAM LINIER

PEMROGRAMAN LINIER. Metode Simpleks

BAB II METODE SIMPLEKS

METODE SIMPLEKS (THE SIMPLEX METHOD)

Model umum metode simpleks

METODE BIG M. Metode Simpleks, oleh Hotniar Siringoringo, 1

Metode Simplex. Toha Ardi Nugraha

TEORI DUALITAS. Pertemuan Ke-9. Riani Lubis JurusanTeknik Informatika Universitas Komputer Indonesia

Metode Simpleks (Simplex Method) Materi Bahasan

BAB III SOLUSI GRAFIK DAN METODE PRIMAL SIMPLEKS

Pemrograman Linier (3)

Danang Triagus Setiyawan ST.,MT

BEBERAPA FORMULA PENTING DALAM solusi PROGRAM LINEAR FITRIANI AGUSTINA, MATH, UPI

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

1) Formulasikan dan standarisasikan modelnya 2) Bentuk tabel awal simpleks berdasarkan informasi model di atas 3) Tentukan kolom kunci di antara

mempunyai tak berhingga banyak solusi.

DIKTAT MATEMATIKA II

METODE SIMPLEKS DALAM PROGRAM LINIER

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

BAB 2 LANDASAN TEORI

BAB II KAJIAN PUSTAKA

BAB 2 LANDASAN TEORI

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN, UNIVERSITAS ANDALAS BAHAN AJAR. Simpleks

Ir. Tito Adi Dewanto

TRANSPORTATION PROBLEM. D0104 Riset Operasi I Kuliah XXIII - XXV

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

BAB 2 LANDASAN TEORI

MENENTUKAN JUMLAH PRODUKSI BATIK DENGAN MEMAKSIMALKAN KEUNTUNGAN MENGGUNAKAN METODE LINEAR PROGRAMMING PADA BATIK HANA

METODE SIMPLEKS DALAM PROGRAM LINIER

BAB 2 LANDASAN TEORI

Pemrograman Linier (2)

Rivised Simpleks Method (metode simpleks yang diperbaiki)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

BAB II LANDASAN TEORI

PENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING

Perhatikan model matematika berikut ini. dapat dibuat tabel

LINEAR PROGRAMMING MODEL SIMPLEX

BAB II TINJAUAN PUSTAKA

Manajemen Sains. Pemrograman Linier (Metode Simpleks) Eko Prasetyo Teknik Informatika Univ. Muhammadiyah Gresik 2011

Penentuan Solusi Optimal MUHLIS TAHIR

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

Manajemen Sains. Eko Prasetyo. Teknik Informatika UMG Modul 3 PEMROGRAMAN LINIER METODE SIMPLEKS

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau

BAB I PENGANTAR PROGRAM LINIER

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

MODEL TRANSPORTASI - II MATAKULIAH RISET OPERASIONAL Pertemuan Ke-9. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

Bentuk Standar. max. min

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

BAB 2 LANDASAN TEORI. 2.1 Pengertian Model dan Metode Transportasi

BAB II TINJAUAN PUSTAKA

BAB 4 HASIL DAN PEMBAHASAN

Dual Pada Masalah Maksimum Baku

METODE SIMPLEKS KASUS MEMAKSIMUMKAN

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

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

BAB 2 LANDASAN TEORI

Analisis Sensitivitas (2)

TINJAUAN PRIMAL-DUAL DALAM PENGAMBILAN KEPUTUSAN

ANALISIS SENSITIVITAS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-11. Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia

LINEAR PROGRAMMING. Lecture 5 PENELITIAN OPERASIONAL I. Lecture 5 23/10/2013. Simplex Method: Two-Phase Method Membagi penyelesaian LP dalam 2 fase:

TEORI DUALITAS & ANALISIS SENSITIVITAS

SATUAN ACARA PERKULIAHAN MATA KULIAH RISET OPERASIONAL I * (T.INDUSTRI/S1) KODE/SKS : KK /3 SKS

METODE SIMPLEKS 06/10/2014. Angga Akbar Fanani, ST., MT. SPL Nonhomogen dengan penyelesaian tunggal (unique) ~ ~

PROGRAM LINIER : ANALISIS POST- OPTIMAL. Pertemuan 6

BAB 2 LANDASAN TEORI

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

Transkripsi:

METODA SIMPLEKS

Metoda Simpleks Suatu metoda yang menggunakan prosedur aljabar untuk menyelesaikan programa linier. Proses penyelesaiannya dengan melakukan iterasi dari fungsi pembatasnya untuk mencapai fungsi tujuannya. Untuk penyelesaian, model ketidaksamaan dari fungsi pembatas harus diubah terlebih dahulu kedalam bentuk persamaan. Pengubahan bentuk ketidaksamaan menjadi persamaan adalah dengan penambahan slack variabel atau pengurangan sebesar surplus variabel.

Pengubahan Model Ketidaksamaan Persamaan Model Ketidaksamaan Maksimasi : X = 4 X 1 + 3 X 2 Pembatas : 2 X 1 + 3 X 2 6-3 X 1 + 2 X 2 3 2 X 2 5 2 X 1 + X 2 4 X 1, X 2 Model Persamaan Maksimasi : X = 4 X 1 + 3 X 2 Pembatas : 2 X 1 + 3 X 2 + S 1 = 6-3 X 1 + 2 X 2 + S 2 = 3 2 X 2 + S 3 = 5 2 X 1 + X 2 + S 4 = 4 X 1, X 2 S 1, S 2 S 3 S 4 S adalah slack variabel, penambah ketidaksamaan

Pembentukan Tabel Simpleks 1 2 3 4 7 6 5 Var Basis X b j Koefisien dari X 1 X 2 X 3...... X n c 1 c 2 c 3...... c n RHS Ratio c 1 b 1 a 11 a 12 a 13...... a 1n c 2 b 2 a 21 a 22 a 23...... a 2n a 31 a 32 a 33...... a 3n c 3 b 3.. c m b m (c j b j ) a m1 a m2 a m3...... a mn ( (a 11 b j ) c j )

Penjelasan Tabel Simpleks 1. Kolom 1, berisi variabel basis yaitu variabelvariabel yang membentuk matrik satuan dari kumpulan fungsi pembatas. 2. Kolom 2, berisi konstanta dari variabel basis yang terdapat pada fungsi tujuan. 3. Kolom 3, berisi dari nilai b j,, yaitu nilai pada sisi kanan ketidaksamaan dari fungi pembatas. 4. Kolom 4, Xi merupakan variabel keputusan, c i merupakan konstanta dari fungsi tujuan.

Penjelasan Tabel Simpleks 5. Kolom 5, berisi konstanta dari persamaan - persamaan yang membentuk fungsi pembatas. 6. Kolom 6, berisi nilai hasil perhitungan untuk menentukan variabel basis yang meninggalkan (bukan variabel basis lagi) dengan memilih b j /a ij terkecil, dimana a ij

Penjelasan Tabel Simpleks 7. Kolom 7, berisi nilai-nilai untuk menentukan variabel masuk atau Entering Variable (calon variabel basis baru) dengan memilih nilai paling negatif untuk fungsi tujuan maksimum atau sebaliknya untuk fungsi tujuan minimum dari perhitungan rumus ( (a 11 b j ) - c j ).

Contoh : S 4 Variabel yg meninggalkan Var Basis S 1 S 2 S 3 S 4 X b j 6 3 5 4 Koefisien dari X 1 X 2 S 1 S 2. S 3.. S 4. 4 3 2 3 1-3 2 1 2 1 2 1 1 RHS Ratio 6/2 4/2-4 3 X 1 menjadi Variabel masuk

Contoh : Model Ketidaksamaan Maksimasi :X = 3X 1 + 2X 2 + 5X 3 Pembatas : X 1 + 2X 2 + X 3 43 3X 1 + 2X 3 46 X 1 + 4X 2 42 X 1, X 2,X 3 Model Persamaan Maksimasi : X = 3X 1 + 2X 2 + 5X 3 Pembatas : X 1 + 2X 2 + X 3 + S 1 = 43 3 X 1 + 2 X 2 + S 2 = 46 2 X 1 + X 2 +S 4 = 42 X 1, X 2, X 3 S 1, S 2 S 3

Langkah Penyelesaian Dengan Simpleks 1. Memindahkan model persamaan matematik ke tabel. 2. S 1,S 2.,S 3 merupakan variabel basis, karena membentuk matriks satuan Var Basis S 1 S 2 S 3 X b j 43 46 42 Koefisien dari X 1 X 2 X 3 S 1. S 2.. S 3. 4 2 5 1 2 1 1 3 2 1 1 4 1 RHS Ratio

3. Menentukan nilai-nilai untuk mendapatkan Entering variabel, misal : kolom X 1 = ((1* + 3* + 1*) 4) = -4 Var Basis S 1 S 2 S 3 X b j 43 46 42 Koefisien dari X 1 X 2 X 3 S 1. S 2.. S 3. 4 2 5 1 2 1 1 3 2 1 1 4 1 RHS Ratio -4 2 5 4. Dari nilai-nilai tersebut, X 3 merupakan Entering Variable

5. Menentukan nilai-nilai untuk mendapatkan Leaving variabel, misal : baris S 1 = 43/1 S 2 =46/2 Var Basis S 1 S 2 S 3 X b j 43 46 42 Koefisien dari X 1 X 2 X 3 S 1. S 2.. S 3. 4 2 5 1 2 1 1 3 2 1 1 4 1 RHS Ratio 43 23-4 2 5

6. Didasarkan pada tabel sebelumnya, maka var.basis S 2 diganti dengan X 3 dan semua nilai pada baris tersebut dibagi dengan nilai interseksi dalam hal ini adalah 2 Var Basis S 1 X 3 S 3 X 5 b j 2 23 42 Koefisien dari X 1 X 2 X 3 S 1. S 2.. S 3. 4 2 5 -.5 2 1 -.5 1.5 1.5 1 4 1 RHS Ratio 115 3.5-2 2.5 Pivot Point = baris yang digunakan sebagai dasar iterasi 7. Dengan pivot point dilakukan iterasi untuk memperoleh nilai-nilai yang baru dari baris atau var. basis yang lama.

8. Tentukan Entering dan Leaving variable dengan cara yang sama dengan sebelumnya Var Basis S 1 X 3 S 3 X 5 b j 2 23 42 Koefisien dari X 1 X 2 X 3 S 1. S 2.. S 3. 4 2 5 -.5 2 1 -.5 1.5 1.5 1 4 1 RHS Ratio 1 15 115 3.5-2 2.5 Entering Variable Leaving Variabel

Var Basis X 2 X 3 S 3 X 2 5 b j 1 23 2 Koefisien dari X 1 X 2 X 3 S 1. S 2.. S 3. 4 2 5 -.25 1.5 -.25 1.5 1.5 2-2 1 1 RHS Ratio 135 3 1 2 9. Dari iterasi berikut, nilai-nilai dari ( (a ij b j ) - c j ). semuanya positif berarti kondisi sudah optimal, dengan hasil X 1 =, X 2 = 1, X 3 = 23

Teknik Artificial Variable Bila pada fungsi pembatas ada tanda ketidaksamaan dan = maka penyelesaiannya dapat dilakukan dengan 2 teknik, yaitu : Teknik M (Big M Method) Teknik 2 phasa.

Teknik M (Big M Method) Model Ketidaksamaan Maksimasi :X = 4X 1 + X 2 Pembatas : 3 X 1 + X 2 = 3 4X 1 + 3X 2 6 X 1 + 2X 2 3 X 1, X 2 Model Persamaan Maksimasi : X = 4X 1 + X 2 Pembatas : 3X 1 + X 2 = 3 4X 1 + 3 X 2 - S 1 = 6 2 X 1 + X 2 +S 2 = 3 X 1, X 2,, S 1, S 2 Untuk fungsi pembatas pertama dan kedua tidak menyediakan variabel basis yang jelas, sehingga tidak membentuk matrix satuan. Dengan menambahkan artificial variabel maka modelnya sebagai berikut :

Teknik M (Big M Method) Model Ketidaksamaan Minimasi : X = 4X 1 + X 2 Pembatas : 3 X 1 + X 2 = 3 4X 1 + 3X 2 6 X 1 + 2X 2 3 X 1, X 2 Model Persamaan Minimasi : X = 4X 1 + X 2 + MR 1 + MR 2 Pembatas : 3X 1 + X 2 + R 1 = 3 4X 1 + 3 X 2 - S 1 + R 2 = 6 2 X 1 + X 2 +S 2 = 3 X 1, X 2,, S 1, S 2, R 1, R 1 SILAHKAN ANDA SELESAIKAN DENGAN MENGGUNAKAN SIMPLEKS

Metoda Dua Phasa Untuk kondisi dimana penggunaan metoda Big M menimbulkan kesahan dalam perhitungan, dapat digunakan Metoda 2 Phasa, sebagai berikut : Phase I : Formulasikan permasalahan baru dengan menggantikan fungsi obyektif yang baru menjadi minimasi jumlah semua artifisial variabel. Phase II : Dengan menggunakan hasil yang optimum untuk phase I sebagai awal penyelesaian permasalahan yang sebenarnya.

Contoh Metoda 2 Phase Model Persamaan Minimasi : X = 4X 1 + X 2 + MR 1 + MR 2 Pembatas : 3X 1 + X 2 + R 1 = 3 4X 1 + 3 X 2 - S 1 + R 2 = 6 2 X 1 + X 2 +S 2 = 3 X 1, X 2,, S 1, S 2, R 1, R 1 Berdasarkan Model persamaan tersebut, maka pada Phase I mempunyai Obyektif yang baru sbb : Minimasi : r = R 1 + R 2

Tabel Simpleks Phase I Var Basis X b j Koefisien dari X 1 X 2 S 1 R 1. R 2.. S 2. 1 1 RHS Ratio R 1 R 2 S 3 1 1 3 6 3 3 1 1 4 3-1 1 1 2 1 3/3 6/4 3/1 3 Entering Variable Leaving Variable

Tabel Simpleks Phase I Var Basis X b j Koefisien dari X 1 X 2 S 1 R 1. R 2.. S 2. 1 1 RHS Ratio X 1 R 2 S 2 1 1 2 2 1 1/3 1/3 5/3-1 -4/3 1 5/3-1/3 1 3 6/5 6/5 5/3-1 -7/3 Entering Variable Leaving Variable

Tabel Simpleks Phase I Var Basis X b j Koefisien dari X 1 X 2 S 1 R 1. R 2.. S 2. 1 1 RHS Ratio X 1 X 2 S 2 3/5 6/5 1 1/5 3/5-1/5 1-3/5-4/5 3/5 1 1-1 1-1 -1 r = menunjukan permasalahan Phasa I feasible, Phasa II dapat dilanjutkan

Tabel Simpleks Phase II Pada phasa II ini artificial variable nya dieliminasi dan tabelnya menjadi berikut : Var Basis X 1 X 2 S 2 X 4 1 b j 3/5 6/5 Koefisien dari X 1 X 2 S 1 S 2 4 1 1 1/5 1-3/5 1 1 RHS Ratio 18/5 1/5 Dari tabel terlihat solusinya belum optimal karena ada nilai ( (a 11 b j ) - c j ). Yang >, 1/5. Dengan iterasi selanjutnya mengeluarkan S 2 dan memasukan S 1 kedalam basic variabel akan didapat kondisi yang optimal

LATIHAN Kerjakan Soal Berikut : 1. Maksimasi : X = 6X 1-2X 2 Pembatas : X 1 - X 2 1 3X 1 - X 2 6 X 1, X 2 2. Maksimasi : X = 4X 1 + 4X 2 Pembatas : 2 X 1 + 7X 2 1 7 X 1 + 2X 2 6 X 1, X 2