Bentuk umum dan solusi dengan metode grafis Ahmad Sabri Universitas Gunadarma, Indonesia
2 Komponen pada Pemrograman Linier (PL) Model PL memiliki tiga komponen dasar: Variabel keputusan yang akan dicari nilainya Objektif yang akan dicari nilai optimalnya (maksimal atau minimal) Kendala yang dihadapi dalam mencapai objektif optimal.
3 Data yang dibutuhkan untuk model LP: pengalokasian sumberdaya untuk berbagai aktivitas Penggunaan sumberdaya per unit aktivitas Banyaknya Sumber Aktivitas sumber daya daya 1 2... n tersedia 1 a 11 a 12... a 1n b 1 2 a 21 a 22... a 2n b 2.............. m a m1 a m2... a mn b m Kontribusi pada Z per unit aktivitas c 1 c 2... c n
4 Bentuk umum model PL Bentuk umum model PL maksimum Maks Z = c 1 x 1 + c 2 x 2 +... + c n x n Dengan kendala: a 11 x 1 + a 12 x 2 +... + a 1n x n b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n b 2... a m1 x 1 + a m2 x 2 +... + a mn x n b m x i 0, i = 1, 2,... n.
5 Bentuk umum model PL Bentuk umum model PL minimum Min Z = c 1 x 1 + c 2 x 2 +... + c n x n Dengan kendala: a 11 x 1 + a 12 x 2 +... + a 1n x n b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n b 2... a m1 x 1 + a m2 x 2 +... + a mn x n b m x i 0, i = 1, 2,... n.
Istilah-istilah terkait solusi dari model Solusi layak: solusi di mana semua kendala terpenuhi Solusi tidak layak: solusi di mana paling sedikit sebuah kendala dilanggar Daerah solusi layak: kumpulan dari semua solusi layak Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi). Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama. Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut unbounded objective function). 6
Istilah-istilah terkait solusi dari model Solusi layak: solusi di mana semua kendala terpenuhi Solusi tidak layak: solusi di mana paling sedikit sebuah kendala dilanggar Daerah solusi layak: kumpulan dari semua solusi layak Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi). Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama. Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut unbounded objective function). 6
Istilah-istilah terkait solusi dari model Solusi layak: solusi di mana semua kendala terpenuhi Solusi tidak layak: solusi di mana paling sedikit sebuah kendala dilanggar Daerah solusi layak: kumpulan dari semua solusi layak Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi). Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama. Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut unbounded objective function). 6
Istilah-istilah terkait solusi dari model Solusi layak: solusi di mana semua kendala terpenuhi Solusi tidak layak: solusi di mana paling sedikit sebuah kendala dilanggar Daerah solusi layak: kumpulan dari semua solusi layak Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi). Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama. Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut unbounded objective function). 6
Istilah-istilah terkait solusi dari model Solusi layak: solusi di mana semua kendala terpenuhi Solusi tidak layak: solusi di mana paling sedikit sebuah kendala dilanggar Daerah solusi layak: kumpulan dari semua solusi layak Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi). Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama. Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut unbounded objective function). 6
Istilah-istilah terkait solusi dari model Solusi layak: solusi di mana semua kendala terpenuhi Solusi tidak layak: solusi di mana paling sedikit sebuah kendala dilanggar Daerah solusi layak: kumpulan dari semua solusi layak Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi). Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama. Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut unbounded objective function). 6
7 Metode penyelesaian PL Terdapat dua metode untuk penyelesaian model PL: 1 Metode grafik (untuk model dengan dua variabel) 2 Metode simpleks (untuk model dengan dua variabel atau lebih)
8 Metode grafik Penyelesaian model PL dengan metode grafik mencakup dua langkah: 1 Menentukan daerah solusi layak (feasible solution region) 2 Menentukan solusi optimal dari semua titik layak (feasible points) pada daerah solusi layak.
9 Karakteristik dari solusi optimal Solusi optimal dari sebuah model PL selalu diasosiasikan sebagai sebuah titik sudut pada daerah solusi (yaitu titik di mana dua garis berpotongan). Jika terdapat dua titik sudut yang memberikan solusi optimal, maka seluruh titik pada ruas garis yang menghubungkan kedua titik tersebut juga memberikan solusi optimal.
9 Karakteristik dari solusi optimal Solusi optimal dari sebuah model PL selalu diasosiasikan sebagai sebuah titik sudut pada daerah solusi (yaitu titik di mana dua garis berpotongan). Jika terdapat dua titik sudut yang memberikan solusi optimal, maka seluruh titik pada ruas garis yang menghubungkan kedua titik tersebut juga memberikan solusi optimal.
10 Contoh Sebuah rumah produksi coklat memiliki 2 jenis produksi coklat: coklat hand-made dan coklat machine-made. Pengalokasian sumber daya untuk setiap adonan produk diberikan oleh data berikut: Penggunaan sumberdaya per unit adonan (jam) Ketersediaan Sumber Adonan sumber daya daya Coklat mesin Coklat hand-mande (jam) (M) (H) Manusia 4 18 1296 Mesin 12 6 1824 Keuntungan per unit adonan 55 89 Perusahaan ingin menentukan berapa unit adonan coklat mesin dan coklat hand-made yang harus diproses agar diperoleh keuntungan semaksimal mungkin. Buatlah model PL-nya dan tentukan solusi optimalnya!
11 Variabel keputusan dan model PL untuk problem ini adalah: M: unit adonan coklat buatan mesin H: unit adonan coklat buatan tangan Maks Z = 55M + 89H Dengan kendala: 4M + 18H 1296 12M + 6H 1824 M, H 0
12 Daerah solusi dari model tersebut
13 Berdasarkan daerah solusi layak, kemungkinan solusi optimal diberikan oleh 4 titik sudut: (0, 0), (0, 72), (130.5, 43) dan (152, 0). Berikut nilai Z = 55M + 89H untuk setiap titik sudut: (M, H) Z = 55M + 89H (0, 0) 0 (0, 72) 6408 (130.5, 43) 11004.5 (maksimum) (152, 0) 8360 Diperoleh solusi optimal Z = 11004.5, dengan M = 130.5 dan H = 43.
Contoh Redi Mix memproduksi cat interior dan eksterior dari dua bahan mentah: M1 dan M2. Tabel berikut memberikan data dasar: Kebutuhan bahan mentah untuk per ton dari Ketersediaan maksimum Cat eksterior (ton) Cat interior (ton) harian (ton) M1 6 4 24 M2 1 2 6 Keuntungan per ton (juta) 5 4 Survey pemasaran menunjukkan bahwa permintaan harian untuk cat interior maksimal 1 ton lebih banyak dari yang untuk eksterior. Juga, permintaan harian maksimum untuk cat interior adalah 2 ton. Redi Miks ingin menentukan berapa ton cat interior dan eksterior harus diproduksi untuk memaksimalkan keuntungan harian. Buatlah model PL-nya dan tentukan solusi optimalnya! (diadaptasi dari Operational Research, Hamdy Taha) 14