DUALITAS DAN ANALISIS SENSITIVITAS

dokumen-dokumen yang mirip
Dualitas Dalam Model Linear Programing

2. Metode MODI (Modified Distribution) / Faktor Pengali (Multiplier)

Dualitas Dalam Model Linear Programing

Analisis Sensitifitas DALAM LINEAR PROGRAMING

Formulasi dengan Lindo. Dasar-dasar Optimasi. Hasil dengan Lindo 1. Hasil dengan Lindo 2. Interpretasi Hasil. Interpretasi Hasil.

Dasar-dasar Optimasi

LINDO. Lindo dapat digunakan sampai dengan 150 kendala dan 300 variabel

PANDUAN WAWANCARA PENELITIAN OPTIMASI PENGADAAN SAYURAN ORGANIK. : Optimasi Pengadaan Sayuran Organik

Lampiran 1 Gambar rancang bangun alat penangkap ikan tuna longline. Sumber: 30 Desember 2010

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1)

BAB VI ANALISIS REGRESI

( X ) 2 ANALISIS REGRESI

UNIVERSITAS MERCU BUANA PROGRAM PASKA SARJANA PROGRAM STUDI MAGISTER MANAJEMEN

PERBANDINGAN ANALISIS SENSITIVITAS MENGGUNAKAN PARTISI OPTIMAL DAN BASIS OPTIMAL PADA OPTIMASI LINEAR MIRNA SARI DEWI

Lampiran 1. Denah Pabrik MT KPBS Pangalengan

1 yang akan menghasilkan

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS

Pendahuluan Pengantar Metode Simpleks. Fitriani Agustina, Math, UPI

Bab 4 ANALISIS REGRESI dan INTERPOLASI

Lampiran 1. Peta Lokasi Peneliti. Peta Teluk Levun Kabupaten Maluku Tenggara

Fakultas Pertanian Unlam ABSTRACT

ANALISIS KINERJA METODE ZERO SUFFIX DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Metode Fuzzy ASM pada Masalah Transportasi Fuzzy Seimbang

STUDI OPTIMASI PENGGUNAAN ENERGI LISTRIK PADA SISTEM TATA CAHAYA BUATAN DI GEDUNG POLITEKNIK NEGERI PONTIANAK

PENELITIAN OPERASIONAL I (TIN 4109)

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

x 1 M = x 1 m 1 + x 2 m x n m n = x i

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

Model Tak Penuh. Definisi dapat di-uji (testable): nxp

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6

SOAL LATIHAN. Kerjakan soal-soal berikut ini dengan singkat dan jelas!

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

BAB IV INTEGRAL RIEMANN

Bentuk Standar. max. min

MASALAH PENUGASAN METODE KUANTITATIF MANAJEMEN

Batas Nilai Eigen Maksimal Dari Matriks Tak Negatif

BAB 2 LANDASAN TEORI

Pertemuan 7 Persamaan Linier

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

I PENDAHULUAN II LANDASAN TEORI

BAB III Transportasi

1. Bilangan Berpangkat Bulat Positif

BAB 2 LANDASAN TEORI

EKSPONEN/PANGKAT, BENTUK AKAR, DAN LOGARITMA. Bilangan a (a 0) disebut basis atau bilangan pokok, sedangkan n disebut pangkat atau eksponen.

Solusi Sistem Persamaan Linear

1. Aturan Pangkat 3. Logartima

PENYELESAIAN MASALAH PENJADWALAN PERTANDINGAN SEPAK BOLA DENGAN SISTEM ROUND-ROBIN ABDILLAH

A. Pusat Massa Suatu Batang

Tabel 1. Soal Lapres. Benang Pewarna Harga Jual Permasalahan tersebut dimodelkan sebagai berikut : X2 = Sarung Anak

ANALISIS KINERJA METODE ASM DALAM MENYELESAIKAN MASALAH TRANSPORTASI FUZZY DAN LINIER

BAB V INTEGRAL DARBOUX

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang

BAB III LIMIT FUNGSI DAN KEKONTINUAN

EXPONEN DAN LOGARITMA

IV. METODE PENELITIAN

APLIKASI INTEGRAL TENTU

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

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.

TEOREMA DERET PANGKAT

Tekun dan Teliti adalah Kunci Keberhasilan Anda PEMROGRAMAN LINEAR

PERTEMUAN 4 Metode Simpleks Kasus Maksimum

VII. KEPUTUSAN PRODUKSI AKTUAL DAN OPTIMAL

INTEGRAL TERTENTU. sebagai P = max{x i x i-1 1 = 1, 2, 3,, n}. a = x 0 x 1 x 2 x n = b. Contoh: Pada interval [ 3, 3], suatu partisi P = { 3, 1 2 , 31

Aljabar Linear Elementer

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

Analisis Sensitifitas. Analsis sensitifitas

Metode Simpleks dengan Big M dan 2 Phase

matematika PEMINATAN Kelas X SIFAT-SIFAT EKSPONEN K13 A. DEFINISI EKSPONEN B. SIFAT-SIFAT BENTUK PANGKAT

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx.

PROGRAM LINIER : ANALISIS POST- OPTIMAL. Pertemuan 6

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

Konsep Primal - Dual

ANALISIS SENSITIVITAS DAN PENAFSIRAN HASILNYA DI DALAM PEMROGRAMAN LINIER DENGAN PERANGKAT LUNAK MANAGEMENT SCIENTIST VERSI 6.0

Hendra Gunawan. 30 Oktober 2013

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA

Sistem Bilangan dan Kesalahan. Sistim Bilangan Metode Numerik 1

MA SKS Silabus :

F 2 (c,0) yang berarti F 1 (-c, 0) dan F 2 (c, 0), b 2 =a 2 c 2 atau a 2 = b 2 +c 2 dan p (x,y) terletak ada elips. 4cx = 4a 2 2 2

MATEMATIKA TEKNIK 2 3 SKS TEKNIK ELEKTRO UDINUS

BAB III PEMBAHASAN. kali makanan utama dan tiga kali makanan antara/kudapan (snack) dengan jarak

Sistem Bilangan dan Kesalahan. Metode Numerik

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Lampiran 1 Syntax Program LINGO 11.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode Branch-and-Bound beserta Hasil yang Diperoleh

VI HASIL DAN PEMBAHASAN

Metode Numerik. Integrasi Numerik. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2012 PENS-ITS

Bab II Pengenalan Program Linear

dan mempunyai vektor normal n =(a b c). Misal P(x,y,z) suatu titik berada pada bidang. 1. Persamaan bidangnya adalah n P P

Analisis Sensitivitas Produksi Kopi Sambung

Transkripsi:

/5/008 DUALITAS DAN ANALISIS SENSITIVITAS Dr. Mohd Adul Mukhy, SE., MM. Prl Prole P ze z cx suject to Ax x 0 optu vlue s z* Dul Prole xze suject to D v π πa c optu vlue s v* Theore. (Strog Dulty) If oth P d D re fesle, the z* v*.

/5/008 Tel Prl Dul Ler Progrg PRIMAL Koefse NK DUAL koefse......... Koefse fugs tuju (ksss) NK C C C Koefse fugs tuju (ksss) 3 Tel Huug tr prl dul Prl (tu Dul) Bts I Dul (tu Prl) Vrel I Fugs tuju Nl k 4

/5/008 The cost flow prole d ts dul Mze (,j) A c j x j j x j k x k for ll Î N. d x j 0 for ll (,j) Î A. Prl Mze π Dul suject to π π c for ll (, j) A j j 5 MASALAH PRIMAL MASALAH DUAL MA : Z 3 5 S.T.: 8 3 5 6 5 30 > 0 > 0 MIN : 8 5 30 3 S.T.: 6 3 3 3 5 3 5 0 0 3 0 6 3

/5/008 PENELESAIAN PRIMAL : OBJECTIVE FUNCTION VALUE ) 7.5000000 VARIABLE VALUE REDUCED COST.833333.000000 5.000000.000000 ROW SLACK OR SURPLUS DUAL PRICES ) 6.333333.000000 3).000000.833333 4).000000.500000 PENELESAIAN DUAL OBJECTIVE FUNCTION VALUE ) 7.5000000 VARIABLE VALUE REDUCED COST.000000 6.333333.833333.000000 3.500000.000000 ROW SLACK OR SURPLUS DUAL PRICES ).000000.833333 3).000000 5.000000 Kedl ktf 7 PENELESAIAN TABEL DENGAN PRIMAL vrel dsr Z Z 3 4 5 NK Keterg 3 5 0 0 0 0 3 0 0 0 0 8 0 0 3 0 0 5 5 0 6 5 0 0 30 8 4

/5/008 vrel dsr Z Z 3 4 5 NK Keterg 3 5 0 0 0 0 3 0 0 0 0 8 8/0 ~ 0 0 3 0 0 5 5/3 5 5 0 6 5 0 0 30 30/5 6 vrel dsr Z Z 3 4 5 NK Keterg 3 0 0 5/3 0 5 3 0 0 0 0 8 0 0 0 /3 0 5 5 0 6 0 0 5/3 5 9 vrel dsr Z Z 3 4 5 NK Keterg 3 0 0 5/3 0 5 3 0 0 0 0 8 8/ 4 0 0 0 /3 0 5 5/0 ~ 5 0 6 0 0 5/3 5 5/6 5/6 vrel dsr Z 3 4 5 NK Keterg Z 0 0 0 5/6 / 7½ l optl 3 0 0 0 5/9 /3 6⅓ 0 0 0 /3 0 5 5 0 0 0 5/8 /6 5/6 0 5

/5/008 Apl ts : 3 5 druh ejd 3 6 l y k tetp 6 8 8 5 5 6( ) 5 9 3,3 5 5 3 Z (3 x 0,56) Z,67 5 5 Z 8,37 30 6 x 5 0 8 30 30 30 3,3 6,7 5 6,7 90 80 0 5 9 x 3 0,56 5,34 (5 x 5,34) 8,37 7,5 0,87 Apl ts 3 : 6 5 30 druh ejd 6 5 3 6 5 8 8 6() 5 6 5 5 5 3 5 3 3 8 8 3 5 5 5 Z (3 x ) (5 x 5) Z 3 5 8 5 x 5 93 75 8 5 Z 8 7,5 0,5 x 3 6

/5/008 Huug tr vrelvrel PrlDul dl Ler Progrg Vrel Prl Vrel Dul Vrel sl : Vrel Slck : Vrel surplus : Z j C j Vrel Asl : D,, j,, 3 PENIMPANGANPENIMPANGAN DARI BENTUK STANDAR j j Nl j Kovers Betuk Buk Stdr Mejd Betuk Stdr Dl Model Ler Progrg Betuk uk stdr : Mss Z j j j j tdk terts Betuk stdr : Mksss Z j j j j j j j j j ( ' ' ' ), ' 0, ' ' 0 j j j j 4 7

/5/008 8 5 0 0,. 0; d c c c : / Mss 0 t s Mecr etuk dul dr sutu slh dul Peruh ke dl euk stdr 0 0,. 0; d c c c : / ) ( Mksss 0 t s 6 Dul dr dul terseut (prl) 0 0,. 0; d : / C C C (Z) Mss t s 0 0,. 0; d : / C C C Z Mss t s Peruh ke dl etuk stdr

/5/008 Dul dr sutu slh dul tdk l dlh slh prly. Bts yg egdug td pers () dperluk sepert lyky ts ertd ; tetp ts oegtf g dul vrel yg ersgkut hrus dhlgk (ytu vrel yg tdk terts ly). Meghlgk ts oegtf pd slh prl k egktk peruh ts pd slh dul ejd etuk pers () 7 Huug etuketuk Prl Dul Mslh Prl (Dul) Mx Z (tu 0 ) Bts etuk etuk Vrel j (tu j ) j 0 j 0 dhlgk Mslh Dul (Prl) M 0 (tu Z) Vrel j (tu j ) j 0 j 0 dhlgk Bts j etuk etuk 8 9

/5/008 PRIMAL PROBLEM: xze z 3x 4x 6x 3 8x 4 suject to x x x 3 x 4 x 3x 4x 3 5x 4 3 x, x, x 3, x 4 0 DUAL PROBLEM: ze y 3y Suject to y y 3 y 3y 4 y 4y 6 y 5y 8 Oservto. The costrt trx the prl s the trspose of the costrt trx the dul. Oservto. The RHS coeffcets the prl ecoe the cost coeffcets the dul. 9 PRIMAL PROBLEM: xze z 3x 4x 6x 3 8x 4 suject to x x x 3 x 4 x 3x 4x 3 5x 4 3 x, x, x 3, x 4 0 DUAL PROBLEM: ze y 3y Suject to y y 3 y 3y 4 y 4y 6 y 5y 8 Oservto 3. The cost coeffcets the prl ecoe the RHS coeffcets the dul. Oservto 4. The prl ( ths cse) s x prole wth equlty costrts d oegtve vrles The dul ( ths cse) s zto prole wth costrts d vrles ucostred sg. 0 0

/5/008 OBJECTIVE FUNCTION VALUE ) 4.66666700 VARIABLE VALUE REDUCED COST.666667.000000.000000.666667 3.000000.333333 4.333333.000000 ROW SLACK OR SURPLUS DUAL PRICES ).000000.333333 3).000000.666667 OBJECTIVE FUNCTION VALUE ) 4.66666700 VARIABLE VALUE REDUCED COST.666667.000000.000000.666667 3.000000.333333 4.333333.000000 ROW SLACK OR SURPLUS DUAL PRICES ).000000.333333 3).000000.666667 Alss Sestvts Kre terjd peruhperuh dl vrelvrel, pkh fugs tuju upu fugs kedl deg cr eftk kdhkdh prldul etode splek seksl ugk. Kre tujuy dlh peyeles optl, k lss dseut pul Post Optlty. Peruhperuh yg ugk terjd:. Keterts kpsts suer (fugs ts).. Koefsekoefse fugs tuju. 3. Koefsekoefse teks fugs ts 4. Peh vrelvrel ru. 5. Peh tsts ru

/5/008 OBJECTIVE FUNCTION VALUE ) 7.5000000 VARIABLE VALUE REDUCED COST.833333.000000 5.000000.000000 ROW SLACK OR SURPLUS DUAL PRICES ) 6.333333.000000 3).000000.833333 4).000000.500000 SENSITIVIT ANALSIS OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE 3.000000 3.000000 3.000000 5.000000 INFINIT.500000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 8.000000 INFINIT 6.333333 3 5.000000 3.000000.400000 4 30.000000 9.000000 5.000000 3 OBJECTIVE FUNCTION VALUE ) 7.5000000 VARIABLE VALUE REDUCED COST.000000 6.333333.833333.000000 3.500000.000000 ROW SLACK OR SURPLUS DUAL PRICES ).000000.833333 3).000000 5.000000 SENSITIVIT ANALSIS? OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE 8.000000 INFINIT 6.333333 5.000000 3.000000.400000 3 30.000000 9.000000 5.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 3.000000 3.000000 3.000000 3 5.000000 INFINIT.500000 4