Bab 2 LANDASAN TEORI

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Balas Additive Algorithm, Algoritma Branch & Bound untuk Binary Integer Programming

BAB 1 PENDAHULUAN Latar Belakang

BAB III PROGRAMA LINIER

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

Bab 3 Metode Interpolasi

BAB 2 LANDASAN TEORI

PENCARIAN HIMPUNAN SOLUSI ALTERNATIF PADA PERMASALAHAN GENERAL INTEGER LINEAR PROGRAMS MEMANFAATKAN GENERAL INTEGER CUT

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

APLIKASI PROGRAM DINAMIS DALAM OPTIMASI PRODUKSI PERMEN. Petra Novandi

Penyelesaian Persamaan Non Linier

BAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

Algoritma Branch and Bound pada Permasalahan 0-1 Knapsack

BAB 2 LANDASAN TEORI

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

PERBANDINGAN METODE HUNGARIAN DAN PENDEKATAN PROGRAM DINAMIS DALAM PEMECAHAN ASSIGNMENT PROBLEM

Contoh Produksi dua jenis sepatu A dan B memberikan fungsi keuntungan bulanan sebagai berikut :

Persamaan Non-Linear

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

IV. METODE PENELITIAN

Bab IV. Penderetan Fungsi Kompleks

I. DERET TAKHINGGA, DERET PANGKAT

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Soal dan Pembahasan. Ujian Nasional Matematika Teknik SMK matematikamenyenangkan.com

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

PERTEMUAN 13. VEKTOR dalam R 3

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

1 n MODUL 5. Peubah Acak Diskret Khusus

Projek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16,

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

B a b 1 I s y a r a t

MATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.

BAB 2 LANDASAN TEORI

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

Bab 7 Penyelesaian Persamaan Differensial

Bab III Metoda Taguchi

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

2 BARISAN BILANGAN REAL

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

BAB 2 LANDASAN TEORI

BAB II TEORI MOTOR LANGKAH

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

Kompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci

BAB I PENDAHULUAN Latar Belakang Permasalahan

TINJAUAN PUSTAKA Pengertian

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

PROSIDING ISBN:

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

Aplikasi Integer Programming Dalam Optimasi Produksi

Aplikasi Integer Programming Dalam Optimasi Produksi

BAB II LANDASAN TEORI

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

BAB 2 LANDASAN TEORI Operasi Riset (Operation Research)

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

BAB 2 LANDASAN TEORI

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.

BAB 3 DATA DAN METODOLOGI PENELITIAN

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

MANAJEMEN RISIKO INVESTASI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

Kompleksitas Waktu untuk Algoritma Rekursif. ZK Abdurahman Baizal

Penerapan Metode Bagi-Dua (Bisection) pada Analisis Pulang-Pokok (Break Even)

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING MENGGUNAKAN METODE LEVEL SUM

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

STUDI PERBANDINGAN PERFORMANCE ALGORITMA HEURISTIK POUR TERHADAP MIXED INTEGER PROGRAMMING DALAM MENYELESAIKAN PENJADWALAN FLOWSHOP

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB V ANALISA PEMECAHAN MASALAH

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB 3 METODE PENELITIAN

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

III. METODE PENELITIAN

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

BAB IV PENGUMPULAN DAN PERHITUNGAN DATA

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

Distribusi Pendekatan (Limiting Distributions)

BAB III METODE PENELITIAN

Transkripsi:

14 Bab 2 LANDASAN TEORI 21 Program Liier Programasi Liier (Liear Pogrammig) merupaka suatu model optimasi persamaa liier berkeaa dega kedala-kedala liier yag dihadapiya Model ii dikembagka oleh George B Datzig, seorag matematisia Amerika Serikat, pada tahu 1947 Beih-beih model ii sesugguhya sudah ditemuka auh sebelumya Seorag matematisia Rusia berama LV Katotrovich memperkealka peerapa programasi liier dalam bidag produksi pada tahu 1939 Lebih dari seabad sebelumya, pada tahu 1826, Fourier yag matematisia Peracis uga telah merumuska masalah programasi liier Aka tetapi, baru setelah Datzig megembagka da mempopulerkaya, model ii memperoleh perhatia yag berarti Datzig pulalah yag dikeal duia sebagai bapak programasi liier Masalah programasi liier berarti adalah masalah pecaria ilai-ilai optimum (maksimum atau miimum) sebuah fugsi liier pada suatu sistem atau sehimpu kedala liier Fugsi liier yag hedak dicari ilai optimumya, berbetuk sebuah persamaa, disebut fugsi tuua Sedagka fugsi-fugsi liier yag harus terpeuhi dalam optimasi fugsi tuua tadi, dapat berbetuk persamaa maupu pertidaksamaa, disebut dega fugsi kedala (Dumairy, 1999:343) Metode aalisis yag palig bagus utuk meyelesaika persoala alokasi sumber ialah metode program liier Pokok pikira yag utama dalam megguaka program liier ialah merumuska masalah dega elas dega megguaka seumlah iformasi yag tersedia Sesudah masalah terumuska dega baik, maka lagkah berikut ialah meeremahka masalah ii ke dalam betuk model matematika, yag terag mempuyai cara pemecaha masalah yag lebih mudah da rapi gua meemuka awaba terhadap masalah yag dihadapi Jawaba yag ditemuka dari hasil perhituga lebih mudah diilai da dievaluir keampuhaya satu dari yag lai da terhadap awaba yag terag lebih ampuh

15 aka ditetapka sebagai keputusa akhir da siap utuk dilaksaaka (P Siagia, 1987) Dalam kehidupa sehari-hari, liear programmig merupaka bagia yag sagat petig dalam area matematika yag disebut tekik optimasi Liear programmig umumya diaplikasika dalam permasalaha yag dapat dimodelka ke dalam suatu model matematika, misalya dalam mecari keutuga suatu usaha, pegoptimala persediaa, uga dalam beberapa masalah idustri maupu ekoomi Adakalaya dalam situasi tertetu solusi yag diigika haruslah dalam bilaga bulat, misalya pada perusahaa maufaktur, perusahaa tidak bisa memproduksi barag setegah, sepertiga, ataupu seperempat adi Masalah ii disebut dega iteger liear programmig (ILP) 211 Betuk Umum Model Programasi Liier Sebagaimaa telah diyataka sebelumya, masalah programasi liier tak lai adalah masalah optimasi bersyarat, yaki pecaria ilai maksimum (maksimisasi) atau pecaria ilai miimum (miimisasi) suatu fugsi tuua berkeaa dega keterbatasa-keterbatasa atau kedala yag harus dipeuhi Masalah-masalah tersebut secara umum dapat dirumuska sebagai berikut (Dumairy, 1999): a Masalah Maksimasi Maksimumka fugsi tuua Z = c 1 x 1 + c 2 x 2 + + c x terhadap kedala-kedala a 11 x 1 + a 12 x 2 + + a 1 x b 1 a 21 x 1 + a 22 x 2 + + a 2 x b 2

16 a mi x 1 + a m2 x 2 + + a m x b m di maa: x 0 = 1, 2,, Rigkasya, maksimumka terhadap a =1 i x bi z = c = 1 x x 0 i = 1, 2,, m b Masalah Miimasi Miimumka fugsi tuua Z = c 1 x 1 + c 2 x 2 + + c x terhadap kedala-kedala a 11 x 1 + a 12 x 2 + + a 1 x b 1 a 21 x 1 + a 22 x 2 + + a 2 x b 2 a mi x 1 + a m2 x 2 + + a m x b m di maa: x 0 = 1, 2,, Rigkasya, miimumka terhadap a =1 i x b z = c = 1 x x 0 i = 1, 2,, m

17 212 Karakteristik Liear Programmig Karakteristik-karakteristik dalam liear programmig yag biasa diguaka utuk memodelka suatu masalah da memformulasikaya secara matematik yaitu: a Variabel Keputusa Variabel keputusa adalah variabel yag secara legkap meguraika keputusa-keputusa yag aka dibuat b Fugsi Tuua Fugsi tuua merupaka suatu hubuga liier dari variabel keputusa yag berupa fugsi maksimum atau miimum c Kedala Kedala merupaka batasa-batasa dalam peyelesaia liear programmig yag harus diperhatika Kedala diekspresika dalam persamaa da pertidaksamaa yag uga merupaka hubuga liier dari variabel keputusa yag mecermika keterbatasa sumberdaya dalam suatu masalah

18 22 Iteger Liear Programmig Iteger Liier Programmig atau program bilaga cacah adalah suatu betuk dari program matematikal Ia adalah suatu kasus khusus dari program liier di maa semua (atau beberapa) variabel dibatasi sebagai bilaga cacah Kalau semua variabel dibatasi sebagai bilaga cacah, problemaya disebut sebagai problem program bilaga cacah muri da kalau beberapa variabel tertetu dibatasi sebagai bilaga cacah sedag yag lai tidak, problemaya disebut problem program bilaga cacah campura Suatu betuk khusus dari program bilaga cacah ialah suatu kasus di maa variabel dibatasi harus berharga ol atau satu Kalau variabel dibatasi seperti ii, maka problemya disebut problem program ol-satu (0-1) (P Siagia, 1987) 221 Betuk Umum Iteger Liear Programmig Maksimumka: Dega kedala: c x = 1 a =1 x 0 i x bi = 1, 2,, i = 1, 2,, m x merupaka bilaga cacah (utuk beberapa atau semua = 1,2,, ) Problema ii disebut sebagai iteger liear programmig (Stephe P Bradley, Aroldo C Hax, Thomas L Magati, 1977) 23 Metode Peyelesaia Masalah Iteger Programmig Tampakya cukup utuk medapatka solusi bulat dari masalah liear programmig, dega megguaka metode simpleks biasa da kemudia membulatka ilai-ilai pecah solusi optimum Buka tugas mudah utuk membulatka ilai-ilai pecah variabel basis yag meami tetap memeuhi semua kedala da tidak meyimpag cukup auh dari solusi bulat yag tepat Akibatya diperluka prosedur yag sistematis utuk medapatka solusi bulat

19 optimum terhadap masalah itu Beberapa metode yag dapat diguaka utuk meyelesaika masalah iteger programmig atara lai: 1 Metode Pedekata Pembulata 2 Metode Pedekata Grafik 3 Metode Brach ad Boud 231 Metode Pedekata Pembulata Suatu pedekata yag sederhaa dalam meyelesaika masalah iteger programmig adalah dega membulatka ilai variabel keputusa yag telah diperoleh pada peyelesaia liear programmig Pedekata ii mudah da praktis dalam usaha, waktu, da biaya yag diperluka utuk memperoleh solusi Pedekata pembulata merupaka cara yag serig diguaka utuk masalah iteger programmig apabila biaya perhituga sagat tiggi atau utuk masalah yag memiliki ilai-ilai solusi variabel keputusa relatif besar Namu demikia sebab utama kegagala pedekata ii adalah bahwa solusi yag diperoleh mugki buka solusi iteger optimum yag sesugguhya Dega kata lai, solusi pembulatab dapat lebih elek dibadigka solusi iteger optimum yag sesugguhya atau mugki merupaka solusi tak layak Tiga masalah berikut disaika utuk megilustrasika prosedur pembulata: Masalah 1: Maksimumka Kedala Masalah 2: Miimumka Kedala

20 Masalah 3: Maksimumka Kedala 4 Perbadiga atara solusi dega metode simpleks tapa pembatasa bilaga bulat, pembulata ke bilaga bulat terdekat da solusi iteger optimum yag sesugguhya utuk ketiga masalah tersebut adalah: Tabel 21 Perbadiga dega megguaka metode simpleks, pembulata terdekat, da solusi iteger optimum sesugguhya Masalah Solusi dega Metode simpleks Dega pembulata terdekat Solusi iteger optimum sesugguhya 1 2 3 Masalah pertama adalah masalah maksimasi, di maa solusi pembulata meghasilka keutuga 680, haya lebih kecil 20 dibadig yag dihasilka solusi bulat optimum 700 Masalah kedua adalah masalah miimasi di maa solusi pembulata adalah tak layak Ii meuukka bahwa meskipu pedekata adalah sederhaa, amu kadag-kadag meyebabka solusi tak

21 layak Utuk mecegah ketidaklayaka, ilai solusi simpleks dalam masalah miimasi harus dibulatka ke atas Sebalikya, pada masalah maksimasi ilai solusi simpleks semestiya dibulatka ke bawah Cotohya, pada masalah kedua ika solusi simpleksya dibulatka ke atas aka diperoleh da da merupaka solusi layak Juga pada masalah ketiga, ika solusi simpleksya dibulatka ke bawah aka diperoleh da da merupaka solusi layak Nilai fugsi tuua melalui simpleks tapa pembatasa bilaga bulat aka selalu lebih baik dibadig solusi iteger optimum karea terletak pada titik pook luar dari batas ruag solusi layak Suatu metode yag serupa dega pedekata pembulata adalah prosedur coba-coba (trial ad error) Dega megguaka cara ii, pegambil keputusa megamati solusi iteger da memilih solusi yag megoptimumka ilai fugsi tuua Cara ii sagat tidak efektif ika masalahya melibatka seumlah besar kedala da variabel Terlebih lagi, memeriksa kelayaka setiap solusi yag dibulatka aka bayak memaka waktu 232 Metode Pedekata Grafik Masalah iteger programmig yag melibatka dua variabel dapat diselesaika dega metode pedekata grafik Metode ii idetik dega metode grafik yag biasa diguaka dalam liear programmig Metode grafik relatif lebih mudah utuk meyelesaika masalah iteger programmig dua variabel yaitu dega meggambar grafik di atas kertas grafik kemudia meggambarka sekumpula titik-titik iteger dalam ruag solusi layak Masalah berikut aka diselesaika dega pedekata grafik Maksimumka Kedala

22 Model ii serupa dega model liear programmig biasa Perbedaaya terletak pada kedala terakhir yag megigika solusi berilai o egatif iteger Solusi grafik utuk masalah ii dituukka pada gambar di bawah Ruag solusi layak adalah OABC Solusi optimum masalah liear programmig dituukka pada titik B, dega da serta Utuk mecari solusi itger optimum masalah ii, garis Z (slope = -9/10) digeser secara seaar dari titik B meuu titik asal Solusi iteger optimum adalah titik iteger pertama yag bersigguga dega garis Z Titik itu adalah A, dega da serta

23 24 Brach ad Boud Brach ad Boud pertama kali diguaka oleh A Lad da G Doig utuk meyelesaika persoala program bilaga cacah muri da campura Kemudia pada tahu 1965, E Balas megembagka algoritma tambaha utuk meyelesaika ILP dega bilaga bier muri (pure biary) atau variabel olsatu Peghituga algoritma tambaha ii sagat sederhaa (umumya, peambaha da peguraga) yag dapat meghasilka solusi peecaha utuk problema ILP Aka tetapi, algoritma tambaha ii gagal utuk meghasilka keutuga peghituga yag diharapka Selai itu, algoritma tersebut yag pada awalya tampak tidak berhubuga dega metode brach ad boud, telah dituukka, tetapi buka merupaka problema khusus algoritma umum dari Lad da Doig (Hamdy A Taha, 2007) Metode brach ad boud adalah suatu prosedur yag palig umum utuk mecari solusi optimal dari masalah PLI Terdapat dua kosep dasar dalam algoritma brach ad boud a Brach Brachig (pecabaga) adalah proses membagi permasalaha meadi subproblemsubproblem yag mugki megarah ke solusi b Boud Boudig (pembatasa) adalah suatu proses utuk mecari atau meghitug batas atas (dalam masalah miimisasi) da batas bawah (dalam masalah maksimisasi) utuk solusi optimum pada subproblem yag megarah ke solusi

24 241 Prosedur Brach ad Boud Berikut ii adalah lagkah-lagkah peyelesaia suatu masalah maksimasi dega metode brach ad boud: 1 Formulasi permasalaha dalam model matematika, tetuka fugsi tuua da kedala 2 Ubah model matematika tersebut ke dalam betuk stadar 3 Selesaika model yag baru dega megguaka metode simpleks 4 Jika hasil yag ditemuka sudah berupa bilaga bulat, maka solusi optimum sudah didapatka Aka tetapi, apabila hasil yag didapat belum berupa bilaga bulat, maka aka dilakuka pecabaga 5 Lakuka metode simpleks utuk megoperasika liear programmig dega peambaha kedala yag baru da tetapka batas utuk setiap iterasi yag dilakuka 6 Lagkah tersebut dilakuka berulag sampai ditemuka hasil yag bulat