Metode Simpleks Free Powerpoint Templates.

Slides:



Advertisements
Presentasi serupa
BAB III Metode Simpleks
Advertisements

MANAJEMEN SAINS Penyelesaian Persoalan Program Linier dengan
Pertemuan 3– Menyelesaikan Formulasi Model Dengan Metode Simpleks
KASUS KHUSUS METODE SIMPLEKS
Algoritma Pemotongan Algoritma Gomory Langkah 1 x3* = 11/2 x2* = 1
TEKNIK RISET OPERASIONAL
Dosen : Wawan Hari Subagyo
KASUS MINIMISASI Ir. Indrawani Sinoem, MS
LINEAR PROGRAMMING METODE SIMPLEX
BAHAN AJAR M.K. PROGRAM LINEAR T.A. 2011/2012
LINEAR PROGRAMMING Pertemuan 05
PENYELESAIAN MODEL LP PENYELESAIAN PERMASALAHAN DNG MODEL LP DAPAT DILAKUKAN DENGAN 2 METODE : (1). METODE GRAFIK Metode grafik hanya digunakan untuk.
Operations Management
PROGRAMA LINEAR DENGAN METODE SIMPLEKS
Operations Management
Metode Simpleks Metode simpleks merupakan prosedur iterasi yang bergerak step by step dan berulang-ulang Jumlah variabel tidak terbatas Penyelesaian masalah.
D0104 Riset Operasi I Kuliah VIII - X
METODE SIMPLEKS MINIMALISASI. METODE SIMPLEKS MINIMALISASI.
Metode Simpleks Dyah Darma Andayani.
Operations Management
ALGORITMA PEMOTONGAN Algoritma Gomory.
Pert.3 Penyelesaian Program Linier Metode Simpleks
Metode Dua Phase.
Metode simpleks yang diperbaiki menggunakan
PENYELESAIAN MODEL LP PENYELESAIAN PERMASALAHAN DNG MODEL LP DAPAT DILAKUKAN DENGAN 2 METODE : (1). METODE GRAFIK Metode grafik hanya digunakan untuk.
Metode Linier Programming
Program Linier (Linier Programming)
Operations Management
Linier Programming Metode Dua Fasa.
METODE BIG M DAN DUAL SIMPLEKS
Metode Simpleks Free Powerpoint Templates.
Kasus Khusus Simpleks & Metode Big M
LINEAR PROGRAMMING Pertemuan 06
METODE SIMPLEKS Pertemuan 2
LINIER PROGRAMMING METODE SIMPLEX
Metode Linier Programming
MANAJEMEN SAINS METODE SIMPLEKS.
PEMOGRAMAN LINEAR ALGORITMA SIMPLEKS
Operations Management
Kasus Khusus Simpleks & Metode Big M
Metode Simpleks Dual dan Kasus Khusus Metode Simpleks
Metode Simpleks Free Powerpoint Templates.
Metode Dua Phase.
Pertemuan ke-5 25 Oktober 2016 PARANITA ASNUR
Operations Management
METODA SIMPLEX.
BAB IV Metode Simpleks Persoalan Minimasi
Universitas Ahmad Dahlan Yogyakarta
Metode Simpleks Rachmat Gunawan, SE, MSi Manajemen Kuantitatif
Metode Simpleks Free Powerpoint Templates.
PROGRAM LINEAR DENGAN METODE SIMPLEKS PERTEMUAN 3
METODE BIG M.
(REVISED SIMPLEKS).
METODE BIG-M LINEAR PROGRAMMING
Pertemuan 4 Penyelesaian PL Metode Simpleks (2) Big M dan Dua Fasa
METODE DUAL SIMPLEKS Oleh Choirudin, M.Pd
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.1
Operations Management
METODE BIG M.
Destyanto Anggoro Industrial Engineering
Metode Simpleks Metode simpleks merupakan prosedur iterasi yang bergerak step by step dan berulang-ulang Jumlah variabel tidak terbatas Penyelesaian masalah.
Metode Simpleks Free Powerpoint Templates.
METODE SIMPLEX LINEAR PROGRAMMING (LP)
BAB IV Metode Simpleks Persoalan Minimasi Oleh : Devie Rosa Anamisa.
Operations Management
BAB III METODE SIMPLEKS(1).
Operations Management
Program Linier – Bentuk Standar Simpleks
Oleh : Siti Salamah Ginting, M.Pd. PROGRAM LINIER METODE SIMPLEKS.
6s-1LP Metode Simpleks William J. Stevenson Operations Management 8 th edition RISETOperasi.
Transcript presentasi:

Metode Simpleks Free Powerpoint Templates

Metode Simpleks Prosedur matematis berulang (iterasi) untuk menentukan penyelesaian optimal dari masalah program linear Digunakan untuk variabel >2 Model PL harus diubah menjadi bentuk standar

Bentuk Standar Model Program Linear Seluruh kendala harus berbentuk persamaan (bertanda =) dengan ruas kanan yang nonnegatif Seluruh variabel harus variabel nonnegatif Fungsi tujuannya dapat berupa maksimum atau minimum

Beberapa istilah dalam Metode Simpleks Variabel Slack: variabel yang ditambahkan untuk mengkonversi pertidaksamaan (≤) menjadi persamaan (=). Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis. Variabel surplus adalah variabel yang dikurangkan untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel basis.

Beberapa istilah Metode Simpleks Variabel Artifisial: variabel yang ditambahkan ke kendala berbentuk ≥ atau = berfungsi sebagai variabel basis diawal iterasi. Variabel ini harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada. Variabel basis adalah variabel yang koefisiennya hanya bernilai 1 pada satu kendala dan pada kendala lainnya bernilai 0 Variabel non basis adalah variabel selain variabel basis

Kendala / Constrain Kendala dengan tanda ‘≤’ atau ‘≥’ dapat diubah menjadi ‘=‘ 1. Contoh: x1+2x2 ≤ 12 menjadi x1+2x2 +S1=12, S1 variabel slack 2. Contoh: x1+2x2 ≥ 12 menjadi x1+2x2 - S2 +R1 =12, S2 variabel surplus dan R1 variabel artifisial 3. Contoh: x1+2x2 = 12 menjadi x1+2x2 +R2 =12, R2 variabel artifisial

Kendala/Constrain Ruas kanan dapat dijadikan positif dengan cara mengalikan kedua ruas dengan -1 dan tanda pertidaksamaan dari ruas tersebut akan berubah Contoh : x1-2x2 ≤ -12 dikali (-1) menjadi -x1+2x2 ≥ 12 dan diubah jadi -x1+2x2 – S1 +R1 = 12 x1-2x2 ≥ -12 dikali (-1) menjadi -x1+2x2 + S2 = 12

Kendala/Constrain Variabel tak terbatas dapat dinyatakan dengan dua variabel nonegatif Contoh : untuk yi yang tidak terbatas dapat didefinisikan yi =yi’-yi’’ dengan yi’,yi’’ ≥ 0 Kendala dengan pertidaksamaan dimana ruas kirinya berada dalam tanda mutlak dapat diubah menjadi dua pertidaksamaan Contoh : │ 3x1+2x2 │≤ 6 maka dituliskan 3x1+2x2 ≤ 6 dan 3x1+2x2 ≤ -6

Fungsi Tujuan Model standar program linear adalah untuk masalah maksimasi sehingga untuk untuk fungsi minimasi maka sama dengan maksimasi dari negatif fungsi yang sama Contoh: minimumkan z = 2x1+5x2 akan setara dengan maksimumkan -z = -2x1-5x2

Contoh Perusahaan yang memproduksi boneka dan kereta api Maksimumkan z = 3x1 + 2x2 Dengan kendala 2x1 + x2 ≤ 100 x1 + x2 ≤ 80 x1 ≤ 40 Syarat non negatif x1, x2 ≥ 0 Maksimumkan z -3x1-2x2+0S1+0S2+0S3= 0 Dengan kendala 2x1+x2 +S1 =100 x1+x2 +S2 = 80 x1 +S3= 40 Syarat non negatif x1, x2, S1, S2, S3 ≥ 0 Bentuk Kanonik/Standar

Maksimumkan z - 3x1 - 2x2+0S1 +0S2+0S3 =0 Dengan kendala 2x1 + x2 +S1 =100 x1 + x2 +S2 = 80 x1 +S3 = 40 Variabel Slack berfungsi sebagai variabel basis di awal iterasi Variabel non basis (diawal iterasi) Variabel basis Ruas Kanan Basis z x1 x2 S1 S2 S3 Solusi Rasio 1 -3 -2 2 100 80 40 Solusi awal (x1,x2)=(0,0) maka S1= 100,S2=80 dan S3=40 Solusi Basis Fisibel: Jika seluruh variabel pada solusi basis berharga non negatif

Menentukan Entering Variabel Untuk fungsi tujuan memaksimumkan, pada baris z, pilihlah variabel non-basis yang mempunyai nilai negatif terbesar. Untuk fungsi tujuan meminimumkan, pada baris z, pilihlah variabel non-basis yang mempunyai nilai positif terbesar Basis z x1 x2 S1 S2 S3 Solusi Rasio 1 -3 -2 2 100 80 40 Entering Variabel Kolom poros 100/2 80/1 40/1 Pilihlah rasio positif terkecil

Elemen poros Basis z X1 X2 S1 S2 S3 Solusi Ket 1 -3 -2 2 100 100/2 80 80/1 40 40/1 Leaving variable Kolom poros Basis z X1 x2 S1 S2 S3 Solusi Ket x1 1 40 Persamaan elemen poros baru = persamaan elemen poros lama/elemen poros 1 -2 3 120 0/1 1/1 0/1 0/1 0/1 1/1 40/1 Baris pertama (Z) ( 3) 1 40 -3 -2 ( + ) Nilai baru = 3 120

Basis z x1 x2 S1 S2 S3 Solusi Ket 1 -3 -2 2 100 100/2 80 80/1 40 40/1 Baris kedua (S1) -(2) 1 40 2 100 ( + ) Nilai baru = -2 20 Baris ketiga (S2) -(1) 1 40 80 ( + ) Nilai baru = -1

Baris kedua (S1) -(2) 1 40 2 100 ( + ) Nilai baru = -2 20 Baris ketiga (S2) -(1) 1 40 80 ( + ) Nilai baru = -1 Basis z x1 x2 S1 S2 S3 Solusi Ket 1 -2 3 120 20 -1 40 ~ 20 40

Basis z x1 x2 S1 S2 S3 Solusi Ket 1 -2 3 120 20 -1 40 ~ Baris pivot Basis z x1 x2 S1 S2 S3 Solusi Ket 1 -2 20 0/1 0/1 1/1 1/1 0/1 -2/1 20/1 Baris pertama (Z) (2) 1 -2 20 3 120 ( + ) Nilai baru = 2 -1 160

Baris ketiga(S2) -(1) 1 -2 20 -1 40 ( + ) Nilai baru = Baris keempat(x1) 1 -2 20 40 ( + ) Nilai baru = Basis Z x1 x2 S1 S2 S3 Solusi Ket z 1 2 -1 160 -2 20 -10 X1 40

Basis z x1 x2 S1 S2 S3 Solusi Ket 1 2 -1 160 -2 20 -10 40 Basis z x1 x2 S1 S2 S3 Solusi Ket -1 1 20 0/1 0/1 0/1 -1/1 01/1 1/1 20/1 Baris pertama (Z) -(-1) -1 1 20 2 160 ( + ) Nilai baru = 180

Baris kedua (x2) -(-2) -1 1 20 -2 ( + ) Nilai baru = 2 60 Baris keempat (x1) -(1) -1 1 20 40 ( + ) Nilai baru = Basis z x1 x2 S1 S2 S3 Solusi Ket 1 180 -1 2 60 20

Sudah Optimal karena di baris z sudah tidak ada nilai yang negatif Basis z x1 x2 S1 S2 S3 Solusi Ket 1 180 -1 2 60 20 Sudah Optimal karena di baris z sudah tidak ada nilai yang negatif Nilai x1= 20 dan x2=60 dengan z = 180 sedangkan S3 =20 adalah kelebihan kendala 3 yang tidak terpakai sedangkan S1 dan S2 habis terpakai. Untuk semua persamaan fungsi kendala bertanda ≤ maka dapat diselesaikan dengan metode simpleks biasa Untuk satu atau lebih fungsi kendala yang bertanda ≥ atau = digunakan metode Big M atau Dua Fase

Latihan Maksimumkan z = 2x1-x2+x3 Kendala : 3x1+x2+x3<=6

Latihan Minimumkan z = 2x1-3x2 Kendala : x1+x2<=4 x1-x2<=6

Latihan Minimumkan z = 3x1+2x2 Kendala : 4x1+3x2<=12 4x1+ x2<=8

Kasus Khusus dalam Simpleks Degenerasi timbul jika variabel basisnya bernilai nol atau ruas kanan mempunyai nilai nol. Kemungkinan yang terjadi - Terjadi perulangan (looping) nilai fungsi dan variabel keputusan - Degenerasi temporer ruas kanan mengandung nol tapi pada iterasi berikutnya ruas kanan tidak nol

Kasus Khusus dalam Simpleks Solusi optimum banyak Tidak ada permasalahan dalam memilih EV dan LV karena nilai optimalnya akan selalu sama dengan nilai variabel keputusan yang berbeda Solusi tak terbatas Tidak ada solusi optimal -Jika ada bernilai semu -Ditunjukkan pula nilai fungsi tujuan mengandung M (nilai pinalti)