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

dokumen-dokumen yang mirip
PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA GRAFIK

Model Linear Programming:

Model Linear Programming:

LINIER PROGRAMMING. By Zulkifli Alamsyah /ZA 1

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

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

Pemrograman Linier (1)

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

PEMROGRAMAN LINEAR YULIATI,SE,MM

Dualitas Dalam Model Linear Programing

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

Model Matematis (Program Linear)

Pemrograman Linier (Linear Programming) Materi Bahasan

A. Analisis Sensitivitas 1. Berapa besar perubahan koefisien fungsi objektif diperbolehkan supaya titik optimal dipertahankan?

Dualitas Dalam Model Linear Programing

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

Bahan A: 6x + 4x 24. Bahan B Harga jual ($1000) 5 4. Identifikasi fungsi tujuan Pendapatan total yang harus dimaksimumkan adalah

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi

OPERATIONS RESEARCH. oleh Bambang Juanda

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

LINIER PROGRAMMING Formulasi Masalah dan Pemodelan. Staf Pengajar Kuliah : Fitri Yulianti, MSi.

Contoh 1. Seorang ahli gizi ingin menentukan jenis makanan yang harus diberikan pada pasien dengan biaya minimum, akan tetapi sudah mencukupi

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

Analisis Sensitifitas DALAM LINEAR PROGRAMING

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

Pengantar Teknik Industri TIN 4103

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.

18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2

METODE SIMPLEKS (MS)

PERENCANAAN AGREGAT. Strategi dalam Perencanaan Agregat Metode Perencanaan Agregat. Prof. Dr. Ir. Zulkifli Alamsyah, M.Sc.

PROGRAM LINIER DENGAN METODE GRAFIK

MODEL NETWORK. Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi

PROGRAM LINEAR. tersebut. Dua macam fungsi Program Linear: tujuan perumusan masalah

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model

METODE SIMPLEKS DALAM PROGRAM LINIER

Manajemen Operasional

BAB 2. PROGRAM LINEAR

MODEL DAN PERANAN RO DALAM PENGAMBILAN KEPUTUSAN

LINIEAR PROGRAMMING MATEMATIKA BISNIS ANDRI HELMI M, S.E., M.M.

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

BAB LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN PENDAHULUAN

MATEMATIKA SISTEM INFORMASI 2 IT

Hubungan ekonomi dapat digambarkan dalam bentuk persamaan, tabel, atau grafik.

TEORI PGB. KEPUTUSAN MAKSIMASI & MINIMASI

M.K. Teknik Formulasi Ransum dan Sistem Informasi Pakan

M.K. Teknik Formulasi Ransum dan Sistem Informasi Pakan

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER

BAB III. SOLUSI GRAFIK

LINEAR PROGRAMMING, METODE GRAFIK

mempunyai tak berhingga banyak solusi.

Ir. Tito Adi Dewanto

BAB IV PROGRAMA LINIER : METODE GRAFIK

Metode Simpleks (Simplex Method) Materi Bahasan

Pemrograman Linier (2)

PRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint. dan By Product)

BAB 2 PROGRAM LINEAR

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

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi

BAB 2 Alamanda. LINEAR PROGRAMMING: METODE GRAFIK Fungsi Tujuan Maksimasi dan Minimasi

MODUL PRAKTIKUM RISET OPERASIOANAL (ATA 2011/2012)

Sejarah Perkembangan Linear Programming

Metode Simpleks Minimum

INTEGER PROGRAMMING. Rudi Susanto, M.Si

PEMROGRAMAN LINIER: FORMULASI DAN PEMECAHAN GRAFIS

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

BAHAN KULIAH TEKNIK RISET OPERASI

a. untuk (n+1) genap: terjadi ekstrem, dan jika (ii) f (x ) > 0, maka f(x) mencapai minimum di titik x.

MATA KULIAH RISET OPERASIONAL

EKONOMI PRODUKSI PERTEMUAN KETUJUH: MAKSIMISASI TERKENDALA

Model Transportasi /ZA 1

Manajemen Persediaan

Metode Simpleks dengan Big M dan 2 Phase

Pemodelan Programasi Linier dan Solusi Manual Model Assignment

EKONOMI PRODUKSI. PERTEMUAN KEDELAPAN: MAKSIMISASI TERKENDALA (Lanjutan)

Riset Operasi Bobot: 3 SKS

Pendahuluan. Secara Umum :

PERENCANAAN FASILITAS

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

RISET OPERASI. DISUSUN OLEH: tim dosen riset operasi UNIVERSITAS PENDIDIKAN INDONESIA

Model Transportasi. Sumber (Supply) Rute Distribusi Tujuan (Demand) X 11 Los Angeles Chicago D 1 = 700

Ardaneswari D.P.C., STP, MP.

Dosen Pengampu : Dwi Sulistyaningsih

Metodologi Penelitian

Pengembangan model matematis dapat dimulai dengan menjawab ketiga pertanyaan berikut ini : Apakah yang diusahakan untuk ditentukan oleh model

EKONOMI MIKRO PAB243-3(3-0)

II. PARETO OPTIMALITY (PO) & CRITERION (PC)

II. TINJAUAN PUSTAKA 2.1 Perkembangan Pengusahaan Yoghurt di Indonesia

BAB 3 PROGRAM LINEAR 1. MODEL MATEMATIKA

Program Dinamik Ir. Djoko Luknanto, M.Sc., Ph.D. Jurusan Teknik Sipil FT UGM

memaksimumkan pendapatan jumlah meja dan kursi waktu kerja karyawan dan perbandingan jumlah kursi dan meja yang harus diproduksi

PENENTUAN HARGA POKOK VARIABEL

PROGRAM LINIER : ANALISIS POST- OPTIMAL. Pertemuan 6

METODE SIMPLEKS DALAM PROGRAM LINIER

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

CCR314 - Riset Operasional Materi #3 Ganjil 2015/2016 CCR314 RISET OPERASIONAL

Manajemen Operasional

METODE SIMPLEKS (THE SIMPLEX METHOD)

Riset Operasi. Program Linear. Mata Kuliah STMIK AMIKOM YOGYAKARTA. Heri Sismoro, M.Kom.

Transkripsi:

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c PROGRAM MAGISTER AGRIBISNIS UNIVERSITAS JAMBI Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc.

Penyelesaian Permasalahan LP Secara Grafik Hanya dapat dilakukan untuk model dengan 2 decision variables) Menggunakan bidang 2 dimensi untuk menggambarkan grafik fungsi kendala dan Fungsi Tujuan (FT). Gambarkan grafik semua fungsi kendala dan tentukan daerah yang memenuhi semua batasan kendala (daerah kelayakan = feasible region) Tandai dan namakan setiap titik sudut (extreem points) daerah kelayakan tersebut. Gambarkan grafik FT dengan slope yang diketahui pada sembarang nilai. Geser grafik fungsi FT secara paralel hingga menyentuh titik terluar yang memaksimumkan daerah kelayakan (maksimisasi) atau meminimumkan darah kelayakan (minimisasi). Titik terluar yang dilalui Fungsi Tujuan merupakan Titik Optimal yang memberikan solusi optimal terhadap persoalan LP. 2

Penyelesaian Permasalahan LP Secara Grafik (lanjutan). Cara lain untuk menentukan titik optimal adalah dengan menghitung nilai Fungsi Tujuan pada setiap titik sudut daerah kelayakan. Nilai FT yang terbesar pada suatu titik (maksimisasi) atau terkecil (minimisasi) menunjukkan titik tersebut merupakan titik optimal yang memberikan solusi optimal. Contoh: Perhatikan Model LP pada Kasus sebelumnya, sbb: Maks Laba (Z) = 8 M + 6 K (dlm satuan Rp.10. 000) Dk. 4M + 2K 60 2M + 4K 48 M, K 0 3

Penyelesaian secara grafik: Gambarkan masing-masing fungsi kendala pada bidang yang sama. K 34 32 Laba = 8M + 6K Pada A: M = 0, K = 12 Laba = 6 (12) = 72 FT dg Slope 8/6 28 24 20 16 12 8 4 O 4M + 2K 60 M=0 K=30 K=0 M=15 A(0,12) Feasible Region B(12,6) C(15,0) M=0 K=12 K=0 M=24 2M + 4K 48 4 8 12 16 20 24 28 32 34 M Pada B: M = 12, K = 6 Laba = 8(12) + 6(6) = 132 Pada C: M = 15, K = 0 Laba = 8 (15) = 120 Keputusan: M = 12 dan K = 6 Laba yg diperoleh = 132.000 4

Contoh Persoalan: 2 (Reddy Mikks Co.) Reddy Mikks Co. mempunyai sebuah pabrik kecil yg menghasilkan 2 jenis cat yaitu utk interirior dan eksterior. Bahan baku utk cat tsb adalah bahan A dan bahan B, yg masing2 tersedia maksimum 6 ton dan 8 ton per hari. Kebutuhan masing2 jenis cat per ton thdp bahan baku disajikan pd tabel berikut: Bahan baku Kebuthn bahan baku per ton cat Eksterior Interior Ketersediaan Maksimum (ton) Bahan A 1 2 6 Bahan B 2 1 8 Permintaan harian cat interior lebih tinggi dari permintaan cat eksterior, tetapi tdk lebih dari 1 ton per hr. Sedangkan permintaan cat interior maksimum 2 ton per hari. Harga cat interior dan eksterior masing2 3000 dan 2000. Berapa masing2 cat hrs diproduksi oleh perusahaan utk memaksimumkan pendapatan kotor? 5

Definisi variabel keputusan: CE = jmlh cat eksterior yg diproduksi (ton/hari) CI = jmlh cat interior yg diproduksi (ton/hari) Perumusan fungsi tujuan: Maks.: Pdpt kotor, Z = 3 CE + 2 CI (dlm ribuan) Perumusan Fungsi Kendala: Kendala ketersediaan bahan baku A: CE + 2 CI 6 Kendala ketersediaan bahan baku B: 2 CE + CI 8 Kendala Permintaan : CI - CE 1 : jml maks Kelebihan CI dibading CE CI 2 : permintaan maks CI Kendala non-negatif: CI 0; CE 0. 6

Penyelesaian secara grafik: CI 8 7 6 A (0,1) D (3 1 / 3, 1 / 3 ) B (1,3) E (4,0) C (2,2) 2CE + CI 8 CI - CE 1 Pendapatan kotor: Z = 3 CE + 2 CI Pada A: Z = 3(0) + 2(1) = 2 Pada B: Z = 3(1) + 2(3) = 9 Pada C: Z = 3(2) + 2(2) = 10 5 4 3 2 1 O A B C D E Feasible Region CI 2 CE + 2CI 6 1 2 3 4 5 7 8 7 Pada D: Z = 3(3 1 / 3 ) + 2(1 1 / 3 ) = 12 2 / 3 Pada E: Z = 3(4) + 2(0) = 12 Keputusan: CE = 3 1 / 3 dan CI = 1 / 3 Pendapatan kotor: Z = 12 2 / 3 ribu. CE

Extreem points: Titik-titik sudut daerah kelayakan (feasbile region) Infeasible Solution: Tidak ada solusi karena tdk semua kendala terpenuhi. Unbounded Solution: Solusi yang disbebabkan karena fungsi tujuan dibuat tanpa batas dan tdk melanggar funggsi kendala. Redundancy: Redundancy terjadi karena adanya kendala yg tdk mempengaruhi daerah kelayakan. Alternative optima: Solusi yang tdk memberikan nilai yang unik, terjadi bila garis fungsi tujuan berimpit dgn garis salah satu kendala. 8

Contoh : Bila pada contoh sebelumnya, biaya produksi setiap unit meja dan kursi masing-masing Rp.200.000 dan Rp. 80.000, dan perusahaan bertujuan utk meminimumkan biaya produksi, maka persoalan yang dihadapi adalah persoalan MINIMISASI. Dengan biaya minimum untuk menghasilkan output tertentu. Diperlukan batasan mengenai target yang akan dicapai Secara umum tanda ketidak-samaan adalah Min.: Biaya = 20 M + 8 K (dlm satuan Rp.10. 000) Dengan kendala: 4M + 2K 60 (kendala sumberdaya) 2M + 4K 48 (kendala sumberdaya) M 2 (kendala target) K 4 (kendala target) 9

K 34 32 28 24 20 16 12 8 4 O M 2 4M + 2K 60 M=0 K=30 K=0 M=15 A B Feasible Region C D M=0 K=12 K=0 M=24 2M + 4K 48 K 4 4 8 12 16 20 24 28 32 34 M Titik A ditentukan oleh perpotongan garis kendala: 2M + 4K = 48 dan M = 2 2(2) + 4K = 48 K = (48-4)/4 = 11 Titik A (2;11) Titik B (2;4) Titik C ditentukan oleh perpotongan garis kendala: 4M + 2K = 60 dan K = 4 4M + 2(4) = 60 M = (60-8)/4 = 13 Titik C (13;4) Titik D (12,6) 10

Biaya = 20M + 8K Pada titik A (2;11) = 20 (2) + 8 (11) = 128 Pada titik B (2;4) = 20 (2) + 8 (4) = 72 (minimum) Pada titik C (13;4) = 20 (13) + 8 (4) = 292 Pada titik D (12;6) = 20 (12) + 8 (6) = 288 Dari perhitungan diatas, terlihat bahwa biaya minimum diperoleh pada titik B dimana jumlah meja dan kursi yang dihasilkan masing-masing sebanyak 2 dan 4 unit dengan biaya 72.atau Rp.720.000. 11

Latihan 2: Modeling Suatu perusahaan makanan kucing menghasilkan produk Tuna-n-Stuff. Pada kemasan kaleng ditulis: Setiap ons Tuna-n-Stuff mengandung kandungan gizi yang lebih besar dari standar minimum (RDA). Rincian RDA dan ramuan Tuna-n-Stuff adalah sbb: Bahan % RDA per Ons Biaya ($/Ons) Protein Thiamine Niacin Calsium Iron Albacore 20 0 0 6 5 0.15 Bonito 12 0 0 5 3 0.10 Suplemen C 0 42 18 22 7 0.20 Suplemen D 0 36 40 8 9 0.12 Filler 0 0 0 0 0 0.02 Menurut peraturan pemerintah, kandungan albacore atau bonito atau campuran keduanya paling kurang 40%. Bagaimana perusahaan menentukan ransum secara optimal agar diperoleh biaya minimum? Rumuskanlah persoalan diatas menjadi model LP! 12

Decision Variables: A = Ons albacore per ons produk B = Ons bonito per ons produk C = Ons suolemen C per ons produk D = Ons suplemen D per ons produk E = Ons filler per ons produk Fungsi Tujuan: Minimum Biaya = 0.15 A + 0.10 B + 0.20 C + 0.12 D + 0.02 E Fungsi Kendala: (target protein) 20 A + 12 B 2,6 (target thiamine) 42 C + 36 D 13.7 (target niacin) 18 C + 40 D 14.3 (target calcium) 6A + 5 B + 22 C + 8 D 5.7 (target iron) 5 A + 3 B + 7 C + 9 D 5.7 (peraturan pemerintah) A + B 0.4 (alokasi per ons) A + B + C + D + E 1 (kendala non-negatif) A, B, C, D, E 0 13