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

dokumen-dokumen yang mirip
BAB IV. METODE SIMPLEKS

BAB II METODE SIMPLEKS

BAB III. METODE SIMPLEKS

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

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

METODE dan TABEL SIMPLEX

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER

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

PROGRAM LINEAR: METODE SIMPLEX

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

Danang Triagus Setiyawan ST.,MT

Model umum metode simpleks

Taufiqurrahman 1

Pengubahan Model Ketidaksamaan Persamaan

MATA KULIAH RISET OPERASIONAL

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

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

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

mempunyai tak berhingga banyak solusi.

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

Pemrograman Linier (2)

BAB III SOLUSI GRAFIK DAN METODE PRIMAL SIMPLEKS

PEMROGRAMAN LINIER. Metode Simpleks

METODE SIMPLEKS DALAM PROGRAM LINIER

Pemrograman Linier (3)

Pemrograman Linier (2)

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan

ALGORITMA METODE SIMPLEKS (PRIMAL)

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

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

BAB 2 LANDASAN TEORI

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

Minimumkan: Z = 4X 1 + X 2 Batasan: 3X 1 + X 2 = 3 4X 1 + 3X 2 6 X 1 + 2X 2 4

METODE SIMPLEKS KASUS MEMAKSIMUMKAN

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

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

BAB 2 LANDASAN TEORI

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

contoh soal metode simplex dengan minimum

Metode Simpleks dengan Big M dan 2 Phase

Bab 2 LANDASAN TEORI

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

METODE SIMPLEKS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-5

Perhatikan model matematika berikut ini. dapat dibuat tabel

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. Semua perusahaan menjalankan bisnisnya dengan memproduksi suatu barang

PROGRAM LINEAR DENGAN METODE SIMPLEX

BAB V PROGRAMA LINIER : METODE SIMPLEKS

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

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

PROGRAM LINIER METODE SIMPLEKS

BAB 3 METODE PENELITIAN

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

BAB VI. DUALITAS DAN ANALISIS POSTOPTIMAL

METODE SIMPLEKS DALAM PROGRAM LINIER

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

Penentuan Solusi Optimal MUHLIS TAHIR

Riset Operasional LINEAR PROGRAMMING

Operations Management

BAB 2 LANDASAN TEORI

BAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program

Bab 2 LANDASAN TEORI

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

BAB 2 LANDASAN TEORI

Metode Simpleks (Simplex Method) Materi Bahasan

BAB I PENGANTAR PROGRAM LINIER

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,

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

Modul Mata Kuliah. Pemrograman Linear MAT Disusun Oleh: Rully Charitas Indra Prahmana

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

BAB 2 LANDASAN TEORI

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

DIKTAT MATEMATIKA II

OPTIMALISASI KEUNTUNGAN PADA PERUSAHAAN KERIPIK BALADO MAHKOTA DENGAN METODE SIMPLEKS

BAB VI PROGRAMA LINIER : DUALITAS DAN ANALISIS SENSITIVITAS

Dual Pada Masalah Maksimum Baku

BAB III : SISTEM PERSAMAAN LINIER

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

BAB II LANDASAN TEORI

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

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

Konsep Primal - Dual

ANALISIS POSTOPTIMAL/SENSITIVITAS

METODE SIMPLEKS (THE SIMPLEX METHOD)

BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi

TINJAUAN PRIMAL-DUAL DALAM PENGAMBILAN KEPUTUSAN

PEMROGRAMAN LINEAR I KOMANG SUGIARTHA

Modul Pendalaman Materi Program Linear, PPG Dalam Jabatan hal 1

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

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

: METODE GRAFIK. Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya

Metode Simpleks Minimum

BAB 2 LANDASAN TEORI

TEORI PGB. KEPUTUSAN MAKSIMASI & MINIMASI

Analisis Sensitivitas (2)

Bab 2 LANDASAN TEORI

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

BAB II TINJAUAN PUSTAKA

Transkripsi:

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 dengan memeriksa titik ekstrim (sama dengan solusi grafik) satu persatu dengan cara perhitungan iteratif sehingga penentuan solusi optimal dengan simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1). Ada beberapa istilah yang sangat sering kita gunakan dalam metode simpleks, diantaranya iterasi, variabel non-basis, variabel basis, solusi atau nilai kanan, variabel slack, variabel surplus, variabel buatan, kolom pivot, baris pivot, elemen pivot, variabel masuk dan variabel keluar.

BENTUK BAKU Fungsi kendala dengan pertidaksamaan dalam bentuk umum, diubah menjadi persamaan (=) dengan menambahkan satu variabel slack. Fungsi kendala dengan pertidaksamaan dalam bentuk umum, dirubah menjadi persamaan (=) dengan mengurangkan satu variabel surplus. Fungsi kendala dengan persamaan dalam bentuk umum ditambahkan satu artificial variable (variabel buatan).

CONTOH KASUS Minimumkan z = 2x 1 + 5,5 x 2 Kendala x 1 + x 2 = 90 0,001x 1 + 0,002x 2 0.9 0,09x 1 + 0,6x 2 27 0,02x 1 + 0,06x 2 45 x 1, x 2 0 Bentuk di atas adalah bentuk umum pemrograman linear. Bentuk tersebut dapat diubah ke dalam bentuk baku/standar dengan menambahkan variabel buatan, variabel slack dan variabel surplus sebagai berikut :

Minimumkan z = 2x 1 + 5,5x 2 Terhadap : x 1 + x 2 + s 1 = 90 0,001x 1 + 0,002x 2 + s 2 = 0,9 0,09x 1 + 0,6x 2 s 3 = 27 0,02x 1 + 0,06x 2 + s 4 = 4,5 x 1, x 2, s 1, s 2, s 3, s 4 0 Fungsi kendala pertama mendapatkan variabel buatan (s 1 ) karena bentuk umumnya sudah menggunakan bentuk persamaan. Fungsi kendala kedua dan keempat (s 2 dan s 4 ) mendapatkan variabel slack karena bentuk umumnya menggunakan pertidaksamaan, sedangkan fungsi kendala ketiga mendapat surplus variabel (s 3 ) karena bentuk umumnya menggunakan pertidaksamaan.

CONTOH KASUS 2 Maksimumkan z = 2x 1 + 3x 2 Terhadap : 10x 1 + 5x 2 600 6x 1 + 20x 2 600 8x 1 + 15x 2 600 x 1, x 2 0 Bentuk di atas juga merupakan bentuk umum. Perubahan ke dalam bentuk baku hanya membutuhkan variabel slack, karena semua fungsi kendalanya menggunakan bentuk pertidaksamaan dalam bentuk umumnya.

Bentuk bakunya adalah sebagai berikut : Maksimumkan z = 2x 1 + 3x 2 + 0s 1 + 0s 2 + 0s 3 Terhadap : 10x 1 + 5x 2 + s 1 = 600 6x 1 + 20x 2 + s 2 = 600 8x 1 + 15x 2 + s 3 = 600 x 1, x 2, s 1. s 2, s 3 0 dimana s 1, s 2, dan s 3 merupakan variabel slack.

PEMBENTUKAN TABEL SIMPLEKS Gunakan kasus di atas maka tabel awal simpleksnya adalah

LANGKAH-LANGKAH PENYELESAIAN Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat dari solusi (nilai kanan). Jika solusi ada yang bernilai negatif, maka tabel tidak layak. Tabel yang tidak layak tidak dapat diteruskan untuk dioptimalkan. Tentukan kolom pivot. Penentuan kolom pivot dilihat dari koefisien fungsi tujuan (nilai di sebelah kanan baris z) dan tergantung dari bentuk tujuan. Jika tujuan berupa maksimasi, maka kolom pivot adalah kolom dengan koefisien negatif terbesar. Jika tujuan minimasi, maka kolom pivot adalah kolom dengan koefisien positif terkecil. Tidak digunakan kata-kata nilai terkecil dan terbesar karena dalam metode ini tidak memilih nilai terkecil dan terbesar.

Jika kolom pivot ditandai dan ditarik ke atas, maka kita akan mendapatkan variabel keluar. Jika nilai negatif terbesar (untuk tujuan maksimasi) atau positif terbesar (untuk tujuan minimasi) lebih dari satu, pilih salah satu secara sembarang. Tentukan baris pivot. Baris pivot ditentukan setelah membagi nilai solusi dengan nilai kolom pivot yang bersesuaian (nilai yang terletak dalam satu baris). Dalam hal ini, nilai negatif dan 0 pada kolom pivot tidak diperhatikan, artinya tidak ikut menjadi pembagi. Baris pivot adalah baris dengan rasio pembagian terkecil. Rasio pembagian tidak mungkin bernilai negatif, karena nilai kanan tidak negatif demikian juga dengan nilai kolom pivot. Jika baris pivot ditandai dan ditarik ke kiri, maka kita akan mendapatkan variabel keluar. Jika rasio pembagian terkecil lebih dari satu, maka pilih salah satu secara sembarang.

Tentukan elemen pivot. Elemen pivot merupakan nilai yang terletak pada perpotongan kolom dan baris pivot. Bentuk tabel simpleks baru. Tabel simpleks baru dibentuk dengan pertama kali menghitung nilai baris pivot baru. Baris pivot baru adalah baris pivot lama dibagi dengan elemen pivot. Baris baru lainnya merupakan pengurangan nilai kolom pivot baris yang bersangkutan dikali baris pivot baru dalam satu kolom terhadap baris lamanya yang terletak dalam satu kolom juga. Periksa apakah tabel sudah optimal. Keoptimalan tabel dilihat dari koefisien fungsi tujuan (nilai pada baris z) dan tergantung dari bentuk tujuan. Untuk tujuan maksimasi, tabel sudah optimal jika semua nilai pada baris z sudah positif atau 0. Pada tujuan minimasi, tabel sudah optimal jika semua nilai pada baris z sudah negatif atau 0. Jika belum, kembali ke langkah no.2, jika sudah optimal baca solusi optimalnya.

Penyelesaian pada kasus 2 ; X 2 adalah variabel masuk dan s 2 adalah variabel keluar. Elemen pivot adalah 20

Iterasi 1 Perhitungan dilanjutkan ke iterasi 2. Variabel masuk adalah x 1 dan variabel keluar adalah s 3

Tabel sudah optimal sehingga perhitungan iterasi dihentikan.

TABEL OPTIMAL Membaca tabel optimal adalah bagian penting bagi pengambil keputusan. Ada beberapa hal yang bisa dibaca dari tabel optimal 1. Solusi optimal variabel keputusan. 2. Satus sumber daya 3. Harga bayangan (dual /shadow prices).

Solusi optimal : x 1 = 42,857 ; x 2 = 17,1329 dan z = 94,2857, artinya untuk mendapatkan keuntungan maksimum sebesar $94,2857 maka sebaiknya perusahaan memproduksi produk 1 sebesar 42,857 unit dan produk 2 sebesar 17,1329 unit

Status sumber daya : sumber daya pertama dilihat dari keberadaan variabel basis awal dari setiap fungsi kendala pada tabel optimal. Dalam kasus di atas, fungsi kendala pertama periksa keberadaan s 1 pada variabel basis tabel optimal; periksa keberadaan s 2 pada variabel basis tabel optimal untuk fungsi kendala kedua periksa keberadaan s 3 pada variabel basis tabel optimal untuk fungsi kendala ketiga. S 1 = 85,7155. Sumber daya iini disebut berlebih (abundant). S 2 = s 3 = 0. Kedua sumber daya ini disebut habis terpakai (scarce).

Harga bayangan : harga bayangan dilihat dari koefisien variabel slack atau surplus pada baris fungsi tujuan. Koefisien s 1 pada baris fungsi tujuan tabel optimal = 0, dengan demikian harga bayangan sumber daya pertama adalah = 0. Koefisien s 2 pada baris fungsi tujuan tabel optimal = 9/70, dengan demikian harga bayangan sumber daya kedua adalah 9/70. Koefisien s 3 pada baris fungsi tujuan tabel optimal = 1/35 dengan demikian harga bayangan sumber daya ketiga adalah 1/5.

Latihan Maksimumkan Z = 400x 1 + 300x 2 Terhadap 4x 1 + 6x 2 1200 4x 1 + 6x 2 600 x 1 250 x 2 300 Gunakan metode simpleks untuk menyelesaikan masalah ini.

Tugas Maksimumkan z = 3x 1 + 2x 2 Terhadap -x 1 + 2x 2 4 3x 1 + 2x 2 14 x 1 x 2 3 dimana x 1, x 2 0