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

dokumen-dokumen yang mirip
Riset Operasional LINEAR PROGRAMMING

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

BAB V PROGRAMA LINIER : METODE SIMPLEKS

Pemrograman Linier (3)

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

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

Pemrograman Linier (4)

METODE SIMPLEKS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-5

BAB 2 LANDASAN TEORI

contoh soal metode simplex dengan minimum

Pengubahan Model Ketidaksamaan Persamaan

Metode Simpleks (Simplex Method) Materi Bahasan

PROGRAM LINIER METODE SIMPLEKS

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

BAB VI PROGRAMA LINIER : DUALITAS DAN ANALISIS SENSITIVITAS

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

Model umum metode simpleks

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

ALGORITMA METODE SIMPLEKS (PRIMAL)

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

BAB II METODE SIMPLEKS

Metode Simpleks. Program linier bentuk standar Pengantar metode simpleks

METODE SIMPLEKS KASUS MEMAKSIMUMKAN

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

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

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

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan

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

MATA KULIAH RISET OPERASIONAL

PEMROGRAMAN LINIER. Metode Simpleks

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

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

BAB 3 METODE PENELITIAN

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

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di

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

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

mempunyai tak berhingga banyak solusi.

BAB III. METODE SIMPLEKS

Ir. Tito Adi Dewanto

Rivised Simpleks Method (metode simpleks yang diperbaiki)

IMPLEMENTASI ALGORITMA PEMROGRAMAN LINIER SIMPLEKS DUA FASE MENGGUNAKAN BAHASA C++

Teori Dualitas dan Penerapannya (Duality Theory and Its Application)

BAB 2 LANDASAN TEORI

METODE dan TABEL SIMPLEX

BAB I PENGANTAR PROGRAM LINIER

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

METODE SIMPLEKS DALAM PROGRAM LINIER

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-7. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

BAB II KAJIAN PUSTAKA. Pada bab ini akan diberikan landasan teori tentang optimasi, fungsi, turunan,

BAB 2 LANDASAN TEORI

BAB III SOLUSI GRAFIK DAN METODE PRIMAL SIMPLEKS

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

PENYEDERHANAAN OPERASI PERHITUNGAN PADA METODE SIMPLEKS

BAB IV. METODE SIMPLEKS

Metode Simpleks Minimum

Metode Simplex. Toha Ardi Nugraha

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

PROGRAM LINEAR DENGAN METODE SIMPLEX

Pemrograman Linier (6)

ANALISIS SENSITIVITAS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-11. Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia

Bentuk Standar. max. min

Metode Simpleks Dengan Tabel. Tabel simpleks bentuk umum

Perhatikan model matematika berikut ini. dapat dibuat tabel

Taufiqurrahman 1

Analisis Sensitivitas. Ayundyah

BAB II TINJAUAN PUSTAKA

Metode Simpleks dengan Big M dan 2 Phase

PROGRAM LINEAR: METODE SIMPLEX

BAB II KAJIAN PUSTAKA

BAB 2 PROGRAM LINEAR

BAB 2 LANDASAN TEORI

PERTEMUAN 5 Metode Simpleks Kasus Minimum

Danang Triagus Setiyawan ST.,MT

BAB II KAJIAN PUSTAKA

BAB II TINJAUAN PUSTAKA

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau

Analisis Sensitifitas. Analsis sensitifitas

Operations Management

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

Bab 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. 2.1 Pengertian Program Linier (Linear Programming)

Pemrograman Linier (2)

ANALISIS SENSITIVITAS MATAKULIAH RISET OPERASIONAL Pertemuan Ke-11. Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia

Optimasi. Bab Metoda Simplex. Djoko Luknanto Staf Pengajar Jurusan Teknik Sipil FT UGM

Optimasi. Masalah Awal. Definisi 2. Contoh. Solusi Titik Sudut Feasible. Bab Metoda Simplex

Analisis Sensitivitas (2)

PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR

BAB IV PROGRAMA LINIER : METODE GRAFIK

BAB II LANDASAN TEORI. A. Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear

PERTEMUAN 5 METODE SIMPLEKS KASUS MINIMUM

matematika PEMINATAN Kelas X PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN K13 A. PERSAMAAN EKSPONEN BERBASIS KONSTANTA

BAB 2 LANDASAN TEORI

TINJAUAN PRIMAL-DUAL DALAM PENGAMBILAN KEPUTUSAN

Bentuk Standar dari Linear Programming pada umumnya adalah sebagai berikut: Sumber daya 1 2. n yang ada

MODEL TRANSPORTASI MATAKULIAH RISET OPERASIONAL Pertemuan Ke-12 & 13. Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia

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

Dual Pada Masalah Maksimum Baku

Transkripsi:

BahanKuliahKe-3 Penelitian Operasional VARIABEL ARTIFISIAL (Metode Penalty & Teknik Dua Fase) Oleh: Darmansyah Tjitradi, MT. PROGRAM MAGISTER TEKNIK SIPIL UNLAM 2006 1

TEKNIK VARIABEL ARTIFISIAL Dalam metode Simpleks menggunakan variabel slack sebagai solusi basis awal, sedemikian sehingga masingmasing merupakan ruas kanan yang berharga positif pada masing-masing persamaan. Sekarang bagaimana solusi untuk kasus yang persamaan pembatasnya tidak lagi bertanda, tetapi bertanda = atau. Untuk kasus yang persamaan pembatasnya bertanda =, maka daerah fisibelnya hanya berupa segmen garis saja, sehingga kita tidak dapat memperoleh solusi fisibel basis awal karena tidak ada variabel slack yang dapat digunakan sebagai variabel basis awalnya. Contoh: 3.X1 + 2.X2 18, diubah menjadi 3.X1 + 2.X2 =18, maka daerah fisibelnya hanya berupa segmen garis yang menghubungkan titik (2,6) dengan (4,3). 2

TEKNIK VARIABEL ARTIFISIAL Untuk kasus yang persamaan pembatasnya bertanda, kita tidak akan memiliki solusi fisibel basis awal karena ruas kanannya berharga negatif. Contoh: 3.X1 + 2.X2 18, adalah sama dengan -3.X1-2.X2-18 Dengan menambahkan variabel slack menjadi -3.X1-2.X2 + S1 = - 18, S1 tidak bisa menjadi variabel basis awal karena harganya negatif. Untuk menyelesaikan kedua jenis kasus tersebut, kita memerlukan adanya variabel dummy (variabel palsu) yang disebut variable artifisial, sehingga variabel basis awal bisa tetap ada. 3

TEKNIK VARIABEL ARTIFISIAL Contoh 1: Maksimumkan Z = 3.X1 + 5.X2 Pembatas X1 4 2.X2 12 3.X1 + 2.X2 = 18 X1, X2 0 Bentuk di atas kita ubah menjadi: Maksimumkan Z - 3.X1-5.X2 = 0 Pembatas X1 + S1 = 4 2.X2 + S2 = 12 3.X1 + 2.X2 + R3 = 18 X1, X2, S1, S2, R3 0 Pengaruh variabel artifisial (R) ini adalah untuk memperluas daerah fisibel. Pada kasus di atas, daerah fisibel berkembang dari semula berupa segmen garis yang menghubungkan titiktitik (2,6) dan (4,3) menjadi bidang ABCDE. 4

TEKNIK VARIABEL ARTIFISIAL Contoh 2: Maksimumkan Z = 3.X1 + 5.X2 Pembatas X1 4 2.X2 12 3.X1 + 2.X2 = 18 X1, X2 0 Bentuk di atas kita ubah menjadi: Maksimumkan Z - 3.X1-5.X2 = 0 Pembatas X1 - S1 + R1 = 4 2.X2 - S2 + R2 = 12 3.X1 + 2.X2 + R3 = 18 X1, X2, S1, S2, R1, R2, R3 0 Pada akhirnya, iterasi-iterasi metode Simples akan secara otomatis menjadikan variabel artifisial ini tidak mucul lagi (berharga nol), yaitu apabila persoalan semula telah terselesaikan. 5

TEKNIK VARIABEL ARTIFISIAL Dengan kata lain, kita gunakan variabel artifisial ini hanya untuk memulai solusi, dan harus menghilangkannya (menjadikannya berharga nol) pada akhir solusi. Jika tidak demikian, solusi yang diperoleh akan tidak fisibel. Untuk itu, maka harus diberikan penalty M (dimana M adalah bilangan positif yang sangat besar) pada setiap variabel artifisial dalam fungsi tujuannya. Nilai M bertanda negatif (-) untuk fungsi tujuan maksimum, dan bertanda positif (+) untuk fungsi tujuan minimum Ada 2 teknik penyelesaian untuk kasus dengan variabel artifisial, yaitu: 1. Teknik M 2. Teknik dua fase Kedua teknik ini saling berkaitan erat 6

METODE PENALTY (TEKNIK M) Contoh 1: Maksimumkan Z = 3.X1 + 5.X2 Pembatas X1 4 2.X2 12 3.X1 + 2.X2 = 18 X1, X2 0 Karena pembatas ketiga bertanda =, maka untuk mendapatkan solusi basis awalnya kita harus menambahkan variabel artifisial sehingga diperoleh bentuk: Maksimumkan Z = 3.X1 + 5.X2 + 0.S1 + 0.S2 M.R3 Pembatas X1 + S1 = 4 2.X2 + S2 = 12 3.X1 + 2.X2 + R3 = 18 X1, X2, S1, S2, R3 0 7

METODE PENALTY (TEKNIK M) Untuk memasukkan model di atas ke dalam bentuk tabel, maka terlebih dahulu substitusikan R3 dengan cara: R3 = 18 3.X1 2.X2 Kemudian masukkan ke dalam persamaan Z sebagai berikut: Z = 3.X1 + 5.X2 + 0.S1 + 0.S2 M.(18 3.X1 2.X2) atau Z = (3.M + 3).X1 + (2.M + 5).X2 + 0.S1 + 0.S2 18.M Z (3.M + 3).X1 (2.M + 5).X2 0.S1 0.S2 = 18.M Hal ini dilakukan dengan maksud agar dalam pembuatan tabel Simpleks awalnya, R3 sudah secara otomatis dipaksa berharga nol. Selanjutnya selesaikan persoalan di atas dengan cara yang sama. 8

METODE PENALTY (TEKNIK M) Iterasi Basis Z X1 X2 S1 S2 R3 Solusi 0 Z 1 (-3M-3) (-2M-5) 0 0 0-18M S1 0 1 0 1 0 0 4 S2 0 0 2 0 1 0 12 R3 0 3 2 0 0 1 18 9

METODE PENALTY (TEKNIK M) Iterasi Basis Z X1 X2 S1 S2 R3 Solusi 0 1 Z 1 (-3M-3) (-2M-5) 0 0 0-18M S1 0 1 0 1 0 0 4 S2 0 0 2 0 1 0 12 R3 0 3 2 0 0 1 18 Z 1 0 (-2M-5) (3M+3) 0 0 (-6M+12) X1 0 1 0 1 0 0 4 S2 0 0 2 0 1 0 12 R3 0 0 2-3 0 1 6 10

METODE PENALTY (TEKNIK M) Iterasi Basis Z X1 X2 S1 S2 R3 Solusi 0 1 2 Z 1 (-3M-3) (-2M-5) 0 0 0-18M S1 0 1 0 1 0 0 4 S2 0 0 2 0 1 0 12 R3 0 3 2 0 0 1 18 Z 1 0 (-2M-5) (3M+3) 0 0 (-6M+12) X1 0 1 0 1 0 0 4 S2 0 0 2 0 1 0 12 R3 0 0 2-3 0 1 6 Z 1 0 0-9/2 0 (M+5/2) 27 X1 0 1 0 1 0 0 4 S2 0 0 0 3 1-1 6 X2 0 0 1-3/2 0 1/2 3 11

METODE PENALTY (TEKNIK M) Iterasi Basis Z X1 X2 S1 S2 R3 Solusi 2 3 Z 1 0 0-9/2 0 (M+5/2) 27 X1 0 1 0 1 0 0 4 S2 0 0 0 3 1-1 6 X2 0 0 1-3/2 0 1/2 3 Z 1 0 0 0 3/2 (M+1) 36 X1 0 1 0 0-1/3 1/3 2 S1 0 0 0 1 1/3-1/3 2 X2 0 0 1 0 1/2 0 6 X1 = 2 X2 = 6 Z optimum = 36 12

METODE PENALTY (TEKNIK M) Contoh 2: Minimumkan Z = 3.X1 + 5.X2 Pembatas X1 4 2.X2 =12 3.X1 + 2.X2 18 X1, X2 0 Karena pembatas ketiga bertanda =, maka untuk mendapatkan solusi basis awalnya kita harus menambahkan variabel artifisial sehingga diperoleh bentuk: Minimumkan Z = 3.X1 + 5.X2 + 0.S1 + 0.S3 + M.R2 + M.R3 Pembatas X1 + S1 = 4 2.X2 + R2 = 12 3.X1 + 2.X2 S3 + R3 = 18 X1, X2, S1, S3, R2, R3 0 Perhatikan: Bahwa Penalty M bertanda positif, mengapa? 13

METODE PENALTY (TEKNIK M) Untuk memasukkan model di atas ke dalam bentuk tabel, maka terlebih dahulu substitusikan R2 dan R3 dengan cara: R2 = 12 2.X2 R3 = 18 3.X1 2.X2 + S3 Kemudian masukkan ke dalam persamaan Z sebagai berikut: Z = 3.X1 + 5.X2 + 0.S1 + 0.S3 + M.(12 2.X2) + M.(18 3.X1 2.X2 + S3) atau Z = ( 3.M + 3).X1 + ( 4.M + 5).X2 + 0.S1 + M.S3 + 30.M Z ( 3.M + 3).X1 ( 4.M + 5).X2 0.S1 M.S3 = 30.M 14

METODE PENALTY (TEKNIK M) Minimumkan: Z ( 3.M + 3).X1 ( 4.M + 5).X2 0.S1 M.S3 = 30.M Pembatas X1 + S1 = 4 2.X2 + R2 = 12 3.X1 + 2.X2 S3 + R3 = 18 X1, X2, S1, S3, R2, R3 0 Iterasi Basis Z X1 X2 S1 S3 R2 R3 Solusi 0 Z 1 (3M-3) (4M-5) 0 -M 0 0 30M S1 0 1 0 1 0 0 0 4 R2 0 0 2 0 0 1 0 12 R3 0 3 2 0-1 0 1 18 15

METODE PENALTY (TEKNIK M) Iterasi Basis Z X1 X2 S1 S3 R2 R3 Solusi 0 1 Z 1 (3M-3) (4M-5) 0 -M 0 0 30M S1 0 1 0 1 0 0 0 4 R2 0 0 2 0 0 1 0 12 R3 0 3 2 0-1 0 1 18 Z 1 (3M-3) 0 0 -M (-2M +5/2) 0 6M+30 S1 0 1 0 1 0 0 0 4 X2 0 0 1 0 0 1/2 0 6 R3 0 3 0 0-1 -1 1 6 16

METODE PENALTY (TEKNIK M) Iterasi Basis Z X1 X2 S1 S3 R2 R3 Solusi 0 1 2 Z 1 (3M-3) (4M-5) 0 -M 0 0 30M S1 0 1 0 1 0 0 0 4 R2 0 0 2 0 0 1 0 12 R3 0 3 2 0-1 0 1 18 Z 1 (3M-3) 0 0 -M (-2M +5/2) 0 6M+30 S1 0 1 0 1 0 0 0 4 X2 0 0 1 0 0 1/2 0 6 R3 0 3 0 0-1 -1 1 6 Z 1 0 0 0-1 (-M +3/2) (-M +1) 36 S1 0 0 0 1 1/3 1/3-1/3 2 X2 0 0 1 0 0 1/2 0 6 X1 0 1 0 0-1/3-1/3 1/3 2 X1 = 2 X2 = 6 Z optimum = 36 17

TEKNIK DUA FASE Dengan digunakannya konstanta M yang merupakan bilangan positif yang sangat besar sebagai penalty, maka bisa terjadi kesalahan perhitungan, terutama apabila perhitungan itu dilakukan dengan menggunakan program komputer. Kesalahan itu bisa terjadi karena koefisien tujuan relatif sangat kecil dibandingkan dengan harga M, sehingga komputer akan memperlakukannya sebagai koefisien yang berharga nol. Sebagai contoh, apabila pada persoalan teknik M di atas ditetapkan harga M = 100.000, maka koefisien X1 dan X2 pada fungsi tujuannya menjadi (300.000 3) dan (400.000 5). 18

TEKNIK DUA FASE Kesulitan ini bisa dikurangi dengan menggunakan teknik dua fase. Disini konstanta M dihilangkan dengan cara menyelesaikan persoalan dalam dua fase (dua tingkatan) sebagai berikut: Fase 1: Fase ini digunakan untuk menguji apakah persoalan yang kita hadapi memiliki solusi fisibel atau tidak. Pada fase ini fungsi tujuan semula diganti dengan MEMINIMUMKAN JUMLAH VARIABEL ARTIFISIALNYA (ΣRi). Jika nilai minimum fungsi tujuan baru ini berharga NOL (artinya seluruh variabel artifisial berharga nol), berarti persoalan memiliki SOLUSI FISIBEL, lanjutkan fase 2 Tetapi, jika nilai minimum fungsi tujuan baru ini berharga POSITIF, maka persoalan tidak memiliki solusi fisibel, STOP. Fase 2: Gunakan solusi basis optimum dari fase 1 sebagai solusi awal bagi persoalan semula. Dalam hal ini ubahlah bentuk fungsi tujuan fase 1 dengan mengembalikannya pada fungsi tujuan persoalan semula. Pemecahan persoalan dilakukan dengan cara seperti biasa. 19

TEKNIK DUA FASE Contoh 1: Maksimumkan Z = 3.X1 + 5.X2 Pembatas X1 4 2.X2 12 3.X1 + 2.X2 = 18 X1, X2 0 Bentuk standar: Maksimumkan Z = 3.X1 + 5.X2 + 0.S1 + 0.S2 M.R3 Pembatas X1 + S1 = 4 2.X2 + S2 = 12 3.X1 + 2.X2 + R3 = 18 X1, X2, S1, S2, R3 0 Untuk memasukkan model di atas ke dalam bentuk tabel, maka terlebih dahulu substitusikan R3 dengan cara: R3 = 18 3.X1 2.X2 20

TEKNIK DUA FASE Fase 1: Minimumkan r = R3 atau r = 18 3.X1 2.X2 Pembatas X1 + S1 = 4 2.X2 + S2 = 12 3.X1 + 2.X2 + R3 = 18 X1, X2, S1, S2, R3 0 21

TEKNIK DUA FASE Fase 1: Minimumkan: r + 3.X1 + 2.X2 = 18 Pembatas: X1 + S1 = 4 2.X2 + S2 = 12 3.X1 + 2.X2 + R3 = 18 X1, X2, S1, S2, R3 0 Iterasi Basis X1 X2 S1 S2 R3 Solusi 0 r 3 2 0 0 0 18 S1 1 0 1 0 0 4 S2 0 2 0 1 0 12 R3 3 2 0 0 1 18 22

TEKNIK DUA FASE Fase 1: Iterasi Basis X1 X2 S1 S2 R3 Solusi 0 1 r 3 2 0 0 0 18 S1 1 0 1 0 0 4 S2 0 2 0 1 0 12 R3 3 2 0 0 1 18 r 0 2-3 0 0 6 X1 1 0 1 0 0 4 S2 0 2 0 1 0 12 R3 0 2-3 0 1 6 23

TEKNIK DUA FASE Fase 1: Iterasi Basis X1 X2 S1 S2 R3 Solusi 0 1 2 r 3 2 0 0 0 18 S1 1 0 1 0 0 4 S2 0 2 0 1 0 12 R3 3 2 0 0 1 18 r 0 2-3 0 0 6 X1 1 0 1 0 0 4 S2 0 2 0 1 0 12 R3 0 2-3 0 1 6 r 0 0 0 0-1 0 X1 1 0 1 0 0 4 S2 0 0 3 1-1 6 X2 0 1-3/2 0 1/2 3 Persoalan di atas memiliki solusi fisibel. Selanjutnya R tidak diikutsertakan lagi. 24

TEKNIK DUA FASE Iterasi Basis X1 X2 S1 S2 R3 Solusi 2 r 0 0 0 0-1 0 X1 1 0 1 0 0 4 S2 0 0 3 1-1 6 X2 0 1-3/2 0 1/2 3 Fase 2: Dari tabel optimum pada fase 1 di atas dapat dituliskan persamaanpersamaan berikut: X1 + S1 = 4 ----- X1 = 4 S1 3.S1 + S2 = 6 X2 (3/2).S1 = 3 ----- X2 = 3 + (3/2).S1 25

Fase 2: Dari tabel optimum pada fase 1 di atas dapat dituliskan persamaanpersamaan berikut: X1 + S1 = 4 ----- X1 = 4 S1 3.S1 + S2 = 6 X2 (3/2).S1 = 3 ----- X2 = 3 + (3/2).S1 Kembali kepada model persoalan semula, dan dengan mensubstitusikan persamaan-persamaan di atas, didapatkan: Maksimumkan: Z = 3.X1 + 5.X2 Z = 3.(4 S1) + 5.(3 + (3/2).S1) Z = (9/2).S1 + 27 Pembatas: X1 + S1 = 4 3.S1 + S2 = 6 X2 (3/2).S1 = 3 X1, X2, S1, S2 0 TEKNIK DUA FASE 26

TEKNIK DUA FASE Fase 2: Iterasi Basis X1 X2 S1 S2 Solusi 0 Z 0 0-9/2 0 27 X1 1 0 1 0 4 S2 0 0 3 1 6 X2 0 1-3/2 0 3 27

TEKNIK DUA FASE Fase 2: Iterasi Basis X1 X2 S1 S2 Solusi 0 1 Z 0 0-9/2 0 27 X1 1 0 1 0 4 S2 0 0 3 1 6 X2 0 1-3/2 0 3 Z 0 0 0 3/2 36 X1 1 0 0-1/3 2 S1 0 0 1 1/3 2 X2 0 1 0 1/2 6 X1 = 2 X2 = 6 Z optimum = 36 28

TEKNIK DUA FASE Contoh 2: Minimumkan Z = 3.X1 + 5.X2 Pembatas X1 4 2.X2 =12 3.X1 + 2.X2 18 X1, X2 0 Minimumkan Z = 3.X1 + 5.X2 + 0.S1 + 0.S3 + M.R2 + M.R3 Pembatas X1 + S1 = 4 2.X2 + R2 = 12 3.X1 + 2.X2 S3 + R3 = 18 X1, X2, S1, S3, R2, R3 0 Untuk memasukkan model di atas ke dalam bentuk tabel, maka terlebih dahulu substitusikan R2 dan R3 dengan cara: R2 = 12 2.X2 R3 = 18 3.X1 2.X2 + S3 29

Fase 1: Minimumkan: r = R2 + R3 atau TEKNIK DUA FASE r = (12 2.X2) + (18 3.X1 2.X2+S3) r + 3.X1 + 4.X2 S3 = 30 Pembatas: X1 + S1 = 4 2.X2 + R2 = 12 3.X1 + 2.X2 S3 + R3 = 18 X1, X2, S1, S3, R2, R3 0 30

TEKNIK DUA FASE Fase 1: Iterasi Basis X1 X2 S1 S3 R2 R3 Solusi 0 r 3 4 0-1 0 0 30 S1 1 0 1 0 0 0 4 R2 0 2 0 0 1 0 12 R3 3 2 0-1 0 1 18 31

TEKNIK DUA FASE Fase 1: Iterasi Basis X1 X2 S1 S3 R2 R3 Solusi 0 1 r 3 4 0-1 0 0 30 S1 1 0 1 0 0 0 4 R2 0 2 0 0 1 0 12 R3 3 2 0-1 0 1 18 r 3 0 0-1 -2 0 6 S1 1 0 1 0 0 0 4 X2 0 1 0 0 1/2 0 6 R3 3 0 0-1 -1 1 6 32

Fase 1: TEKNIK DUA FASE Iterasi Basis X1 X2 S1 S3 R2 R3 Solusi 0 1 2 r 3 4 0-1 0 0 30 S1 1 0 1 0 0 0 4 R2 0 2 0 0 1 0 12 R3 3 2 0-1 0 1 18 r 3 0 0-1 -2 0 6 S1 1 0 1 0 0 0 4 X2 0 1 0 0 1/2 0 6 R3 3 0 0-1 -1 1 6 r 0 0 0 0-1 -1 0 S1 0 0 1 1/3 1/3-1/3 2 X2 0 1 0 0 1/2 0 6 X1 1 0 0-1/3-1/3 1/3 2 33

TEKNIK DUA FASE Iterasi Basis X1 X2 S1 S3 R2 R3 Solusi 2 r 0 0 0 0-1 -1 0 S1 0 0 1 1/3 1/3-1/3 2 X2 0 1 0 0 1/2 0 6 X1 1 0 0-1/3-1/3 1/3 2 Fase 2: Dari tabel optimum pada fase 1 di atas dapat dituliskan persamaanpersamaan berikut: S1 + (1/3).S3 = 2 X2 = 6 X1 (1/3).S3 = 2 ----- X1 = 2 + (1/3).S3 34

Fase 2: Dari tabel optimum pada fase 1 di atas dapat dituliskan persamaanpersamaan berikut: S1 + 1/3.S3 = 2 X2 = 6 X1 (1/3).S3 = 2 ----- X1 = 2 + (1/3).S3 Kembali kepada model persoalan semula, dan dengan mensubstitusikan persamaan-persamaan di atas, didapatkan: Minimumkan: Z = 3.X1 + 5.X2 Z = 3.[2 + (1/3).S3] + 5.(6) Z S3 = 36 Pembatas: S1 + (1/3).S3 = 2 X2 = 6 X1 (1/3).S3 = 2 X1, X2, S1, S3 0 TEKNIK DUA FASE 35

TEKNIK DUA FASE Fase 2: Iterasi Basis X1 X2 S1 S3 Solusi 0 X1 = 2 X2 = 6 Z optimum = 36 Z 0 0-1 0 36 S1 0 0 1 1/3 2 X2 0 1 0 0 6 X1 1 0 0-1/3 2 Tabel di atas sudah langsung merupakan tabel optimum: Hal yang penting untuk diingat adalah bahwa variabel-variabel artifisial tidak diikutsertakan lagi dalam perhitungan pada fase 2 apabila pada akhir fase 1 variabel-variabel artifisial itu berstatus sebagai variabel non basis. 36

Soal 1: Model matematis: Minimum: Z = 6.X + 3.Y Pembatas: 2.X + 4.Y 16 4.X + 3.Y 24 dan X 0, Y 0 Model Standar: Minimum: Z - 6.X - 3.Y + M.R1 + M.R2 Pembatas: 2.X + 4.Y - S1 + R1 = 16 4.X + 3.Y - S2 + R2 = 24 dan X 0, Y 0, S1 0, S2 0, R1 0, R2 0 Tentukan: Bentuk standar model program liniernya Tabel Simpleks awal Pemecahan optimal dengan metode grafis dan simpleks (X=0, Y=8, Z=24) 37

Untuk memasukkan model di atas ke dalam bentuk tabel, maka terlebih dahulu substitusikan R1 dengan cara: R1 = 16 2.X 4.Y + S1 R2 = 24 4.X 3.Y + S2 Kemudian masukkan ke dalam persamaan Z sebagai berikut: Z = 6.X + 3.Y + 0.S1 + 0.S2 + M.(16 2.X 4.Y + S1) + M.(24 4.X 3.Y + S2) atau Z = (6 6.M).X + (3 7.M).Y + M.S1 + M.S2 + 40.M Z (6 6.M).X - (3 7.M).Y - M.S1 - M.S2 = 40.M Hal ini dilakukan dengan maksud agar dalam pembuatan tabel Simpleks awalnya, R1 dan R2 sudah secara otomatis dipaksa berharga nol. Selanjutnya selesaikan persoalan di atas dengan cara yang sama. 38

METODE PENALTY (TEKNIK M) Iterasi Basis Z X Y S1 S2 R1 R2 Solusi Rasio 0 Z 1 6M-6 7M-3 -M -M 0 0 40M R1 0 2 4-1 0 1 0 16 4 R2 0 4 3 0-1 0 1 24 8 Z 1 0 2,5M+1,5 -M 0,5M-1,5 0-1,5M+1,5 4M+36 1 R1 0 0 2,5-1 0,5 1-0,5 4 1,6 X 0 1 0,75 0-0,25 0 0,25 6 8 2 Z 1 0 0 0,6-1,8 -M-0,6 -M+1,8 33,6 Y 0 0 1-0,4 0,2 0,4-0,2 1,6 X 0 1 0 0,3-0,4-0,3 0,4 4,8 16 3 Z 1-2 0 0-1 -M -M+1 24 Y 0 4/3 1 0-1/3 0 +1/3 8 S1 0 10/3 0 1-4/3-1 4/3 16 X = 0 Y = 8 Z optimum = 24 39

LATIHAN-1 Model matematis: Minimum: Z = 5.X + 3.Y Pembatas: 2.X + 4.Y 16 4.X + 3.Y 24 dan X 0, Y 0 Tentukan: Bentuk standar model program liniernya Tabel Simpleks awal Pemecahan optimal dengan metode grafis dan simpleks (X=4,8, Y=1,6, Z=28,8) 40

LATIHAN-2 Model matematis: Maksimum: Z = 3.X + 5.Y Pembatas: 2.X + 4.Y 16 4.X + 3.Y 24 2.X + 4.Y 7 dan X 0, Y 0 Tentukan: Bentuk standar model program liniernya Tabel Simpleks awal Pemecahan optimal dengan metode grafis dan simpleks (X=4,8, Y=1,6, Z=22,4) 41