contoh soal metode simplex dengan minimum

dokumen-dokumen yang mirip
contoh soal metode simplex dengan minimum

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

METODE dan TABEL SIMPLEX

BAB II METODE SIMPLEKS

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

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER

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

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

Pengubahan Model Ketidaksamaan Persamaan

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

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

Pemrograman Linier (3)

BAB III. METODE SIMPLEKS

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

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-5

BAB IV. METODE SIMPLEKS

Model umum metode simpleks

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

BahanKuliahKe-3 Penelitian Operasional VARIABEL ARTIFISIAL. (Metode Penalty & Teknik Dua Fase) Oleh: Darmansyah Tjitradi, MT.

BAB III SOLUSI GRAFIK DAN METODE PRIMAL SIMPLEKS

PEMROGRAMAN LINIER. Metode Simpleks

Metode Simplex. Toha Ardi Nugraha

BAB V PROGRAMA LINIER : METODE SIMPLEKS

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

PROGRAM LINEAR: METODE SIMPLEX

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

BAB 2 LANDASAN TEORI

Pemrograman Linier (4)

PROGRAM LINIER METODE SIMPLEKS

METODE SIMPLEKS KASUS MEMAKSIMUMKAN

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

BAB VI PROGRAMA LINIER : DUALITAS DAN ANALISIS SENSITIVITAS

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

MATA KULIAH RISET OPERASIONAL

Metode Simpleks dengan Big M dan 2 Phase

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Taufiqurrahman 1

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

Riset Operasional LINEAR PROGRAMMING

Pemrograman Linier (2)

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

BAB 2 LANDASAN TEORI

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

BAB II TINJAUAN PUSTAKA

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

Metode Simpleks. Program linier bentuk standar Pengantar metode simpleks

BAB 2 LANDASAN TEORI

METODE SIMPLEKS DALAM PROGRAM LINIER

Metode Simpleks (Simplex Method) Materi Bahasan

Metode Simpleks Dengan Tabel. Tabel simpleks bentuk umum

PROGRAM LINEAR DENGAN METODE SIMPLEX

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi

Danang Triagus Setiyawan ST.,MT

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

mempunyai tak berhingga banyak solusi.

PENYEDERHANAAN OPERASI PERHITUNGAN PADA METODE SIMPLEKS

Konsep Primal - Dual

Metode Simpleks Dengan Tabel. Tabel metode simpleks Tabel metode simpleks bentuk standar

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

ALGORITMA METODE SIMPLEKS (PRIMAL)

BAB 3 METODE PENELITIAN

Bab 2 LANDASAN TEORI

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

SATUAN ACARA PERKULIAHAN MATA KULIAH RISET OPERASIONAL I * (T.INDUSTRI/S1) KODE/SKS : KK /3 SKS

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

BAB I PENGANTAR PROGRAM LINIER

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

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks

BAB II TINJAUAN PUSTAKA

BAB II LANDASAN TEORI

OPTIMALISASI KEUNTUNGAN PADA PERUSAHAAN KERIPIK BALADO MAHKOTA DENGAN METODE SIMPLEKS

Pemrograman Linier (2)

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

PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN)

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

Analisis Sensitivitas (2)

Optimalisasi Produksi Di Industri Garment Dengan Menggunakan Metode Simpleks

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

BAB 4 HASIL DAN PEMBAHASAN

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

BAB 3 LEXICOGRAPHIC GOAL PROGRAMMING 3.1 DESKRIPSI UMUM LEXICOGRAPHIC GOAL PROGRAMMING

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Bab 2 LANDASAN TEORI

Operations Management

Tablet I x Tablet II y Batasan Vitamin A 5 10 Minimal 20 Vitamin B 3 1 Minimal 5 Harga/Biji 4 8

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

PENELITIAN OPERASIONAL PERTEMUAN #9 TKT TAUFIQUR RACHMAN PENGANTAR TEKNIK INDUSTRI

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

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

TIN102 - Pengantar Teknik Industri Materi #8 Ganjil 2016/2017 TIN102 PENGANTAR TEKNIK INDUSTRI

BAHAN KULIAH TEKNIK RISET OPERASI

Transkripsi:

contoh soal metode simplex dengan minimum Perusahaan Maju Terus merencanakan untuk menginvestasikan uang paling banyak $ 1.200.000. uang ini akan ditanamkan pada 2 buah cabang usaha yaitu P dan Q. setiap unit P memerlukan uang sebesar $50 dan dapat memberikan rate of return per unitnya per tahun sebesar 10% sedangkan untuk setiap unit Q memerlukan uang sebesar $100, namun memberikan rate of return per unit per tahunnya sebesar 4%. Perusahaan tersebut telah mempertimbangkan bahwa target rate of return dari kedua usaha tersebut paling sedikit adalah $60.000 per tahunnya. Kemudian hasil analisis perusahaan memperoleh data bahwa setiap unit P dan Q mempunyai index risiko masing-masing 8 dan 3. Padahal perusahana ini tidak mau menanggung resiko yang terlalu besar. Kebijakan lainnya yang diinginkan oleh pemimpin khususnya untuk cabang usaha P ditargetkan paling sedikit jumlah investasinya adalah $3.0000. Bagaimana penyelesaian persoalan diatas apabila perusahaan bermaksud untuk tetap melakukan investasi tetapi dengan menekan atau meminimasi resiko sekecil mungkin. Berapa unit masingmasing usaha dapat diinvestasikan?(metode grafis dan metode simpleks) JAWABAN 1. Metode Grafis Fungsi Tujuan : z = 8x + 3y Fungsi Pembatas : 50x + 100y 1.200.000 50x 3.000 5x + 4y 60.000 Grafisnya : 50x + 100y 1.200.000 50x + 100y = 1.200.000 Jika x = 0 maka y = 12.000, jadi koordinatnya (0,12.000) Jika y = 0 maka x = 24.000, jadi koordinatnya (24.000,0) 50x 3.000

50x = 3.000 x = 60 5x + 4y 60.000 5x + 4y = 60.000 Jika x = 0 maka y = 15.000, jadi koordinatnya (0,15.000) Jika y = 0 maka x = 12.000, jadi koordinatnya (12.000,0) Jadi Solusi yang ditawarkan : x y Z = 8x + 3y Keterangan 12.00 0 96.000 0 24.00 0 192.000 0 4.000 10.000 62.000 * Minimum 1. Metode Simpleks Fungsi Tujuan : z = 8x + 3y Fungsi Pembatas : 50x + 100y 1.200.000 50x 3.000 5x + 4y 60.000 Bentuk baku diperoleh dengan menambahkan variabel slack pada kendala pertama, mengurangkan variabel surplus pada kendala kedua. Sehingga diperoleh : Minimumkan : Z = 8x + 3y + 0S1 + 0S2 + 0S3 +MA1 + MA2 50x + 100y + S1 = 1.200.000 50x - S2 + A1 = 3.000 5x + 4y S3 + A2 = 60.000

Table Simpleks Awal Basi X 1 X 2 S 1 S 2 S 3 A 1 A 2 NK Rasio s Z 55M-8 4M-3 0 -M -M 0 0 63.000M S 1 50 100 1 0 0 0 0 1.200.000 1.200.000:50=24.0 00 A 1 50 0 0-1 0 1 0 3.000 3.000:50 = 60 A 2 5 4 0 0-1 0 1 60.000 60.000 : 5 = 12.000 Iterasi Pertama Basis X 1 X 2 S 1 S 2 S 3 A 1 A 2 NK Rasio Z 0 4M-3 0 0,1M-0,16 0-1,1M+0,16 0 59.700M+480 S 1 0 100 1 1 0-1 0 1.197.000 11.970 X 1 1 0 0-0,02 0 0,02 0 60 A 2 0 4 0 0,1-1 -0,1 1 5700 1.425 Iterasi Kedua Basis X 1 X 2 S 1 S 2 S 3 A 1 A 2 NK Z 0 0 0-0,085 M-0,75 -M+0,085 -M+0,75 54.000M+4755 S 1 0 0 1-1,5 25 1,5-25 1.054.500 X 1 1 0 0-0.02 0 0.02 0 60 X 2 0 1 0 0,025-0,25-0,025 0,25 1425 Iterasi kedua adalah optimal karena koefisien pada persamaan Z semuanya non positif, dengan X 1 = 60, X 2 = 1425 dan Z = 54.000M+4755

2. Persamaan matematis suatu program linier adalah sebagai berikut : Minimasi : Z = 6X 1 + 7,5X 2 Dengan pembatas : 7X 1 + 3X 2 210 6X 1 + 12X 2 180 4X 2 120 X 1, X 2 0 Carilah harga X 1 dan X 2? JAWABAN Pada kasus ini kita akan menggunakan metode simplex M (BIG M), hal ini dikarenakan pada kasus ini pertidk samaan pembatasnya menggunakan (lebih dari sama dengan). Persamaan Tujuan : Z - 6x 1-7,5X 2-0S 1-0S 2-0S 3 = 0 Baris 0 Persamaan Kendala : 7x 1 + 3x 2 - S 1 +A 1 = 210 Baris 1 6x 1 + 12x 2 - S 2 +A 2 = 180 Baris 2 4x 2 - S 3 + A 3 = 120 Baris 3

Bagi kendala pertidaksamaan jenis, maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala. Cara ini tidak dapat diterapkan pada kendala pertidaksamaan jenis dan kendala persamaan (=) persamaan diatas diperoleh karena tanda harus mengurangi variable surplus. Untuk mengarahkan artifisial variabel menjadi nol, suatu biaya yang besar ditempatkan pada A 1, A 2, dan A 3 sehingga fungsi tujuannya menjadi : Z = 6x 1 + 7,5X 2 + 0S 1 + 0S 2 + 0S 3 + MA 1 + MA 2 + MA 3 Table simplex awal dibentuk dengan A 1, A 2, dan A 3 sebagai variable basis, seperti table berikut : Bas X 1 X 2 S 1 S 2 S 3 A 1 A 2 A 3 NK RASIO is Z 13M-6 19M-7,5 -M -M -M 0 0 0 510M A 1 7 3-1 0 0 1 0 0 210 210 : 3 = 70 A 2 6 12 0-1 0 0 1 0 180 180 : 12 = 15 A 3 0 4 0 0-1 0 0 1 120 120 : 4 = 30 Dari table diatas kita ketahui bahwa semua BFS belum optimal. Hal ini dikarenakan seluruh NBV masih mempunyai koefisien yang berharga positif. Oleh karena itu Untuk x 2 terpilih sebagai entry variable karena x 2 memiliki nilai

koefisien positif yang paling besar, dan A3 menjadi Leaving Variable. Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling kecil. Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x 2 berharga 1 pada baris 2 ½ x 1 + x 2-1 / 12 S 2 + 1 / 12 A 2 = 15 ERO 2 : Menjadikan nilai koefisien x 2 berharga 0 pada baris 0 Z = 9 / 4 x 1 + 0S 1 + 15 / 24 S 2 + 0S 3 + MA 1 + [ M - 15 / 24 ]A 2 + MA 3 + 112,5 ERO 3 : Menjadikan nilai koefisien x 2 berharga 0 pada baris 1 11 / 2 x 1 + ¼ S 2 + A 1-1 / 4 A 2 = 165 ERO 4 : Menjadikan nilai koefisien x 2 berharga 0 pada baris 3-2x 1 + 1 / 3 S 2 - S 3-1 / 3 A 2 + A 3 = 60 Konversi bentuk standard iterasi Pertama : Z = 9 / 4 x 1 + 0S 1 + 15 / 24 S 2 + 0S 3 + MA 1 + [ M - 15 / 24 ]A 2 + MA 3 + 112,5 11 / 2 x 1 + ¼ S 2 + A 1-1 / 4 A 2 = 165-2x 1 + 1 / 3 S 2 - S 3-1 / 3 A 2 + A 3 = 60 ½ x 1 + x 2-1 / 12 S 2 + 1 / 12 A 2 = 15 Tabel Iterasi Pertama Bas X 1 X 2 S 1 S 2 S 3 A 1 A 2 A 3 NK RASIO is

Z - 13 / 2M-6 0 0 7 / 12-15 / 24 -M 0 1 / 24 - M 0 225M 112,5 * A 1 11 / 2 0 0 1 / 4 0 1-1 / 4 0 165 165 : 5,5 = 30 A 3-2 0 0 1 / 3-1 0-1 / 3 1 60 * X 2 ½ 1 0-1 / 12 0 0 1 / 12 0 15 15 : 0,5 = 30 Pada fungsi tujuan masih terdapat variable dengan nilai koefisien positif, oleh karena itu lakukan iterasi kedua. Langkah-langkah ERO Iterasi Kedua: ERO 1 : Menjadikan nilai koefisien x 1 berharga 1 pada baris 1 x 1 + 1 / 22 S 2 + 2 / 11 A 1-1 / 22 A 2 = 30 ERO 2 : Menjadikan nilai koefisien x 1 berharga 0 pada baris 0 Z = 0S 1 + 0,725 S 2 + 0S 3 + MA 1-0,4A 1 + [ M 0,725]A 2 + MA 3 + 180 ERO 3 : Menjadikan nilai koefisien x 1 berharga 0 pada baris 2 0.5 A 2 = 0 ERO 4 : Menjadikan nilai koefisien x 1 berharga 0 pada baris 3 0,39 S 2 - S 3 +0,36A 1 + 0,21 A 2 + A 3 = 120 Konversi bentuk standard iterasi kedua : Z = 0S 1 + 0,725 S 2 + 0S 3 + [M -0,4]A 1 + [ M 0,725]A 2 + MA 3 + 180 x 1 + 1 / 22 S 2 + 2 / 11 A 1-1 / 22 A 2 = 30

0.5 A 2 = 0 0,39 S 2 - S 3 + 0,36A 1 + 0,21 A 2 + A 3 = 120 Tabel Iterasi Kedua Bas X 1 X 2 S 1 S 2 S 3 A 1 A 2 A 3 NK is Z 0 0 0-0,725 0 -M+0,4-1 / 2M+0,725 M -180 x 1 1 0 0 1 / 22 0 2 / 11-1 / 22 0 30 A 3 0 0 0 0 0 0 ½ 0 0 X 2 0 0 0 0,39-1 0,36 0,21 1 120 Iterasi kedua adalah optimum karena koefisien pada persamaan Z semuanya non positif, dengan x 1 = 30, x 2 = 120 dan z=-180. 3. PT Unilever bermaksud membuat 2 jenis sabun, yakni sabun bubuk dan sabun batang. Untuk itu dibutuhkan 2 macam zat kimia, yakni A dan B. jumlah zat kimia yang tersedia adalah A=200Kg dan B=360Kg. Untuk membuat 1Kg sabun bubuk diperlukan 2 Kg A dan 6 Kg B. untuk membuat 1 Kg sabun batang diperlukan 5 Kg A dan 3 Kg B. bila keuntungan yang akan diperoleh setiap membuat 1Kg sabun bubuk = $3 sedangkan setiap 1 Kg sabun batang = $2, berapa Kg jumah sabun bubuk dan sabun batang yang sebaiknya dibuat?

JAWABAN Pemodelan matematika : Maksimumkan : Z = 3x 1 + 2x 2 Pembatas : 2x 1 + 5x 2 = 200 6x 1 + 3x 2 = 360 Persamaan Tujuan : Z - 3x 1-2x 2 = 0 Baris 0 Persamaan Kendala : 2x 1 + 5x 2 + A 1 = 200 Baris 1 6x 1 + 3x 2 + A 2 = 360 Baris 2 Untuk mengarahkan artifisial variabel menjadi nol, suatu biaya yang besar ditempatkan pada A 1, A 2, dan A 3 sehingga fungsi tujuannya menjadi : Z = 3x 1-2X 2 + MA 1 + MA 2 Basis x 1 x 2 A 1 A 2 NK Rasio Z 8M-3 8M+2 0 0 560M A 1 2 5 1 0 200 200:5=40 A 2 6 3 0 1 360 360:3=120 Dari table diatas kita ketahui bahwa semua BFS belum optimal. Hal ini dikarenakan belum seluruhnya NBV mempunyai koefisien yang berharga positif. Oleh karena itu Untuk x 2 terpilih sebagai entry variable karena x 2 memiliki nilai

koefisien negatif, dan A 1 menjadi Leaving Variable. Dan yang akan menjadi pivot adalah baris 1 karena memiliki rasio paling kecil. Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x 2 berharga 1 pada baris 1 0,4x 1 + x 2 + 0,2A 1 = 40 ERO 2 : Menjadikan nilai koefisien x 2 berharga 0 pada baris 0 Z = 3,8x 1 + [M-0,4]A 1 + MA 2-80 ERO 3 : Menjadikan nilai koefisien x 2 berharga 0 pada baris 2 4,8x 1 0,6A 1 + A 2 = 240 Konversi bentuk standard iterasi pertama : Z = 3,8x 1 + [M-0,4]A 1 + MA 2-80 0,4x 1 + x 2 + 0,2A 1 = 40 4,8x 1 0,6A 1 + A 2 = 240 Basis x 1 x 2 A 1 A 2 NK Rasio Z 4,8M-3,8 0 0,4-0,4M 0 240M+80 X 2 0,4 1 0,2 0 40 A 2 4,8 0 0,6 1 240 Iterasi pertama adalah optimum karena koefisien pada persamaan Z semuanya positif, dengan x 1 = 40, x 2 = 240 dan z=240m+80.