Академический Документы
Профессиональный Документы
Культура Документы
Saya mempunyai pabrik tepung tapioka, saya ingin mengoptimalkan sumber daya yang saya punyai, untuk memaksimumkan hasil penjualan / keuntungan. Kalau tersedia pasokan bahan baku per hari 16 ton jagung, dan jam tenaga kerja per hari adalah 30 jam, tentukan berapa harus dibuat tepung tapioka jenis super, atau jenis premum, dengan keuntungan masing masing per ton adalah 2 juta dan 3 juta rupiah. Kalau membuat tepung jenis super diperlukan bahan baku 1 ton dan jenis premium dibutuhkan 2 ton, dan dibutuhkan waktu masing masing 3 jam dan 2 jam tenaga kerja.
a. Model matematikanya:
Mak Z = 2 S + 3 P 1 S + 2 3 S + 2 S , P ---- Fungsi tujuan P 16 --- Kendala 1 P 30 -- Kendala 2 0
15
3 S + 2 P = 30
P 8 C
B (7, 4.5)
S + 2 P = 16
Cek optimalitas
Titik kritis A B C S 10 7 0 P 0 4.5 8
10
16
Z= 2 s + 3 P 20 27.5 24
Ket Mak
Cek kendala
1 S + 2 P 16 --- Kendala 1 7 + 2x4.5 = 16 ( tidak dilanggar) 3 S + 2 P 30 -- Kendala 2 3x7 + 2x4.5 = 30 ( tidak dilanggar ) Jadi agar memperoleh keuntungan maksimum maka harus dibuat jenis super = 7 ton , dan jenis premium = 4.5 ton, total keuntungan 27.5 juta.
sejumlah persamaan yang mana jumlah variabel akan lebih besar dari jumlah persamaan. Artinya persamaan persamaan tersebut menghasilkan sejumlah titik yang pemecahan yang lebih banyak. Titik-titik ekstrim dalam metode grafis dapat diidentifikasikan secara aljabar sebagai pemecahan dasar ( basic solution). Dari teori aljabar linear, suatu pemecahan dasar diperoleh dengan menetapkan beberapa variabel yang sebanyak selisih antara jumlah total variabel dengan jumlah total persamaan memiliki nilai sama dengan nol. Dan selanjutnya memecahkan variabel sisanya. Apa yang dilakukan dalam metode simplek adalah mengidentifikasi suatu pemecahan dasar awal lalu bergerak secara sistematis ke pemecahan dasar lainnya yang memiliki potensi untuk memperbaiki nilai fungsi tujuan ( maksimum atau minimum). Dan pada akhirnya pemecahan dasar yang bersesuaian dengan nilai optimum akan teridentifikasi dan proses perhitungan berakhir. Pada dasarnya algoritma simplek merupakan prosedur perhitungan yang berulang (iteratif) dimana setiap pengulangan (iterasi) berkaitan dengan suatu pemecahan dasar. Pembahasan sebelumnya bahwa model linear dapat mempunyai kendala dalam bentuk persamaan dan pertidaksamaan (, , =). Pemecahan model linear dengan metode simplek mempunyai beberapa batasan : 1. Semua fungsi kendala adalah persamaan 2. Semua variabel adalah non-negatip 3. Fungsi tujuan dapat berupa maksimisasi atau minimisasi. misalnya:
Contoh 2.1 Model awal diubah menjadi bentuk standar simplek Bentuk awal Mak Z = 2 X1 + 3 X2 1 X1 + 2 X2 16 3 X1 + 2 X2 30 X1 , X2 0 Mak Z = 2 X1 + 3 X2 1 X1 + 2 X2 + X3 = 16 3 X1 + 2 X2 + X4 = 30 X1 , X2 , X3 , X4 0 X1, X2 = Veriabel keputusan X3, X4 = Slack variabel Bentuk standar Mak Z = 2 X1 + 3 X2 1 X1 + 2 X2 + X3 = 16 3 X1 + 2 X2 + X4 = 30 X1 , X2 , X3 , X4 0
Bila X1, X2 = 0 ----- Non Basic Variable (NBV) Maka: --- 1 X1 + 2 X2 + X3 = 16 X3 = 16 --- 3 X1 + 2 X2 + X4 = 30 X4 = 30 Dan Z = 2 X1 + 3 X2, Z = 0 Diinginkan nilai Z maksimum Mak Z = 2 X1 + 3 X2 Increase X1 ? Increase X2 ? ----------- Rate Improve in Z = 2 ----------- Rate Improve in Z = 3
So Choose X2 To Increase.
Sekarang kita sebut X2 Entering Basic Variable pada iterasi 1 Masalahnya berapa besar X2 dinaikkan tanpa melanggar fungsi kendala. Dimulai dari X1 = 0, dan X2 Dinaikkan, maka: 1 X1 + 2 X2 + X3 = 16 --- X3 = 16 - 2 X2 3 X1 + 2 X2 + X4 = 30 --- X4 = 30 - 2 X2 Cek berapa besar X2 bisa dinaikkan (X3, X4 0 / tak boleh negatif): X3 = 16 -2 X2 X4 = 30 -2 X2 ----- 8 ----- 15 Supaya memenuhi kedua persamaan maka dipilih 8
Naiknya nilai X2 dari 0 menjadi 8 maka X2 berpindah dari Initial Basic Feasible Solution ke New Basic Feasible Solution Initial BFS X1 = 0, X2 = 0 X3 = 16, X4 = 30 New BFS X1 = 0 , X 3 = 0 X2 = 8, X4 = ?
Maka Persamaan diatas ditulis kembali : (1) 1 X1 + 2 X2 + X3 = 16 (2) 3 X1 + 2 X2 + X4 = 30 X2 = 8 - 0.5 X1 - 0.5 X3 X4 = 30 3 X1 -2 ( 8 - 0.5 X1 - 0.5 X3 ) = 30 - 3 X1 - 16 + X1 + X3 = 14 -2 X1 + X3 Z = 2 X 1 + 3 X2 Z = 2 X1 + 3 (8 - 0.5 X1 - 0.5 X3 )
Berlanjut pada iterasi ke 2 Optimality tes untuk new basic feasible solution Z = 24 + 0.5 X1 1.5 X3 Kalau non basic variable masih bisa dinaikkan untuk menaikkan nilai Z maka belum optimal
Iterasi 2
Pilih X1 entering basic variable, dan berapa besar X1 dinaikkan agar kendala tidak dilanggar, dengan X3 = 0 maka: X2 = 8 - 0.5 X1 - 0.5 X3 X4 = 14 - 2 X1 + X3 X2 = 8 - 0.5 X1 X4= 14 - 2 X1 -------------- 16 -------------- 7 Supaya memenuhi kedua persamaan maka dipilih nilai X1 = 7
Naiknya X1 dari 0 menjadi X1 = 7, maka X1 mengganti X4 menjadi basic variable ( X4 disebut leaving Basik Variable) Initial BFS X1 = 0, X3 = 0 X2 = 8, X4 = 14 New BFS X3 = 0, X4 = 0 X2 = ?, X1 = 7
Maka persamaan diatas ditulis kembali : (1) X2 = 8-0.5 X1-0.5 X3 (2) X4 = 14 -2 X1 + X3 Karena X4 leaving BV maka X1 diambil dari per (2) shg: X4 = 14 - 2 X1 + X3 X1 = 7 + 0.5 X3 - 0.5 X4 X2 = 8 - 0.5 X1 0.5 X3 = 8 0.5 X1 0.5 X3 = 8 0.5 (7 + 0.5 X3 - 0.5 X4) 0.5 X3 = 8 3.5 - 0.25 X3 + 0.25 X4 0.5 X3 X2 = 4.5 -0.75 X3 + 0.25 X4 Z = 24 + 0.5 (7 + 0.5 X3 - 0.5 X4) 1.5 X3 = 24 + 3.5 + 0.25 X3 0.25 X4 1.5 X3 = 27.5 + 1.75 X3 0.25 X4 Dalam persamaan tujuan non basic variabel bernilai nol maka sudah tak ada variabel yang bisa menaikkan nilai Z maka optimal Bila : X1 = 7, X2 = 4.5, X3 = 0, X4 = 0, maka Z = 27.5
1. Berdasarkan bentuk baku, tentukan solusi awal (initial basic feaseble solution) dengan menetapkan m n variabel non basis sama dengan nol. 2. Pilih sebuah entering variable diantara yang sedang menjadi variabel non basis, yang jika dinaikkan diatas nol, dapat memperbaiki nilai fungsi tujuan. Jika tidak ada, berhenti, berarti solusi sudah optimal. Jika tidak, melangkah ke langkah 3. 3. Pilih sebuah leaving variable diantara yang sedang menjadi variabel basis yang harus menjadi non basis (nilainya menjadi nol) ketika entering variable menjadi variabel basis. 4. Tentukan solusi yang baru dengan membuat entering variable dan leaving variable menjadi non basis. Kembali ke langkah 2.
Soal: 1. Selesaikan dengan metode simpleks (wyndor glass co) Max Z = 3 X1 + 5 X2 ST. X1 4 2 X2 12 3 X1 + 2 X2 18 X1 , X 2 0 2. Selesaikan dengan metode simpleks Max Z = 4 X1 + 5 X2 ST. X1 + 2 X2 40 4 X1 + 3 X2 120 X1 , X 2 0 3. Selesaikan dengan metode simpleks Max. Z = 5 X1 + 4 X 2 + 3 X3 Subject to 2 X1 + 3 X2 + X3 5 4 X1 + X2 + 2X3 11 3 X1 + 4X2 + 2X3 8 X1, X2, X3 0 4. Selesaikan dengan metode simpleks Max. Z = 2 X1 + 3 X 2 Subject to X1 - 2 X2 4 2 X1 + 2 X2 18 X2 10 X1, X2, 0
Bentuk standar
Mak Z = 2 X1 + 3 X2
Kendala:
1 X1 + 2 X2 + 1 X3 3 X1 + 2 X2 + 1 X4 X1, X2, X3, X4 0 =16 = 30
x1
1 3 2
x2
2 2 3
x3
1 0 0
X4
0 1 0
Rhs
16 30 0
Rasio
8 15
Pivot baris
Pivot kolom
Tabel 2
X3 X4 Z
x1
0.5 2 0.5
x2
1 0 0
x3
0.5 -1 -1.5
X4
Rhs
0 1 0 8 14 -24
Rasio
16 7
Pivot baris
x1
0 1 0
x2
1 0 0
x3
0.75 -0.5 -1.25
x4
-0.25 0.5 -0.25
Rhs
4.5 7
Rasio
-27.5
Maka X1 = 7 X2 = 4.5
Nilai Z = 7.5
Adjustable Cells Cell $C$7 $C$8 Name x1 x2 Original Value 0 0 Final Value 7 4.5
Slack 0 0 7 4.5
Optimize Subject to
a
j= 1 n
z =
c
j= 1
jxj
i jxj
{ , = , } b1 , i = 1, 2, 3, . . . , m xj 0 , j = 1, 2, 3, . . . , n
Dari ketiga jenis kendala { , = , } maka secara umum akan jauh lebih mudah menyelesaikan persamaan dari pada pertidaksamaan. Model pertidaksamaa di atas dapat dirubah mejadi persamaan dengan memasukkan beberapa variabel tambahan (slak dan surplus) kedalam formulasi / persamaan. Dan untuk lebih memudahkan perhitungan maka sisi kanan dibuat menjadi nonnegativitas ( yaitu bi 0), hal ini bisa dilakukan dengan mengalikan dengan (-1). Konversi kendala: Kendala pertidaksamaan ke r,
a
j= 1 n r jxj
br
a
j =1
r jxj
+ sr = br
Atau
sr = br
a
j =1
r jxj
a
j= 1
t j
xj bt
a
j =1
t j
x j = bt + st
a
j= 1
t jxj
st = bt
Atau
st =
a
j= 1
t jxj
bt
j= 1
cjxj +
c
k= 1
k sk
Suku pertama dalam persamaan diatas sedangkan suku kedua Dalam beberapa Programming). Contoh 1.
c
k= 1 p k sk
c
j= 1
jxj
adalah pengaruh dari variabel slak dan surplus. nilai ck diasumsikan nol (Ignizio, Linear
literatur
Konversi linear programming ke bentuk standard Bila diberikan model sbb: Min Kendala z = 7x1 3x2 + 5x3 x1 + x2 + x3 9 3x1 + 2x2 + x3 12 x1, x2, x3 0
Bila asumsi biaya surplus adalah 0, dan biaya slak 1,5 perunit maka Bentuk standar Max Kendala z = -7x1 + 3x2 - 5x3 + 0s1 -1,5s2 x1 + x2 + x3 s1 = 9 3x1 + 2x2 + x3 + s2 = 12 x1, x2, x3, s1, s2 0 Perlu perhatikan bawha min z = mak z
Ada beberapa textbook menyeragamkan variabel keputusan ( xj) sehingga model standar diatas biasa ditulis sbb: Max Kendala z = -7x1 + 3x2 - 5x3 + 0x4 -1,5x5 x1 + x2 + x3 x4 = 9 3x1 + 2x2 + x3 + x5 = 12 x1, x2, x3, x4, x5 0 Sehingga model standar diatas dapat ditulis sbb Mak z =
c
j= 1 n jxj
Subject to
a
j= 1 n i jxj
= b1 , i = 1, 2, 3, . . . , m xj 0 , j = 1, 2, 3, . . . , n
Model diatas juga dapat ditulis dalam bentuk vektor dan matrik Mak z = cx Subject to Ax = b x0 dimana A = matrik m x n yang merupakan koefisien dari kendala C = adalah vektor baris C = [c1, c2, c3, ... , cn] X, b, dan 0 adalah vektor kolom
x1 b1 01 a 11 x b 0 2 2 2 a x3 , b = b3 , 0 = 03 dan A = 21 X = ... . . . a m1 xn bn 0 n
a 12 a 22 ... a m2
Penyelesaian dengan matrik Bila bentuk standar sbb Mak z = cx Ax = b x0 Langkah I. Partisi matrik A menjadi : A = [B:N] .................................... (1)
Dengan B = m x m matrik nonsingular ( matrik basis) N = m x(n-m) matrik kolom non basic Maka sistem linear Ax = b dapat ditulis menjadi BxB + NxN = b dan disederhanakan menjadi: xB + B-1 NxN = B-1 b dan penyelesaiannya menjadi: xB = B-1 b - B-1 NxN Bila xN = 0 , maka:
Contoh 1. Nanti