Linear Programming (Pemrograman Linier)

Slides:



Advertisements
Presentasi serupa
Linear Programming (Pemrograman Linier)
Advertisements

PEMROGRAMAN LINEAR Karakteristik pemrograman linear: Proporsionalitas
Metode Simpleks Diperbaiki (Revised Simplex Method)
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Model Transportasi Pemrograman Linier Semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc,
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Analisis Sensitivitas Secara Grafis
Linear Programming (Pemrograman Linier)
Steepest Descent (Ascent) untuk Kasus Min (Maks)
Linear Programming (Pemrograman Linier)
Model Transportasi 2 Mei 2011 Rahma Fitriani, S.Si., M.Sc,
Pemrograman Linier Semester Ganjil 2012/2013
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2013/2014 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc.
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
PEMROGRAMAN LINEAR Karakteristik pemrograman linear: Proporsionalitas
Optimasi Dengan Metode Newton Rhapson
Linear Programming (Pemrograman Linier)
RISET OPERASIONAL RISET OPERASI
Linear Programming (Pemrograman Linier)
Linear Programming Formulasi Masalah dan Pemodelan
Metode simpleks yang diperbaiki menggunakan
Metode Linier Programming
Linear Programming (Pemrograman Linier)
Linier Programming Metode Dua Fasa.
ANALISIS SENSITIVITAS DAN DUALITAS
Program Studi Statistika Semester Ganjil 2012
Pemrograman Kuadratik (Quadratic Programming)
Statistika Matematika I
Linear Programming (Pemrograman Linier)
INTEGER PROGRAMMING.
TEORI DUALITAS D0104 Riset Operasi I.
Metode Linier Programming
Program Studi Statistika Semester Ganjil 2012
Linear Programming (Pemrograman Linier)
BAB IV Metode Simpleks Persoalan Minimasi
INTEGER LINEAR PROGRAMMING
PROGRAM LINIER : ANALISIS DUALITAS, SENSITIVITAS DAN POST- OPTIMAL
(REVISED SIMPLEKS).
Program Studi Statistika Semester Ganjil 2011
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier)
DUALITAS dan ANALISIS SENSITIVITAS
BAB IV Metode Simpleks Persoalan Minimasi Oleh : Devie Rosa Anamisa.
Network Model (lanjut) CPM (Critical Path Method)
Analisis Multivariate Program S2 Matematika Semester Genap 2011/2012
Pemrograman Non Linier(NLP)
Review Aljabar Matriks
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Linear Programming (Pemrograman Linier)
Riset Operasi Semester Genap 2011/2012
Pendugaan Parameter Statistika Matematika II
Network Model (lanjut) CPM (Critical Path Method)
Model Linier untuk Data Kontinyu
Linear Programming (Pemrograman Linier)
Principal Components Analysis (Pendekatan Sampel)
Model Linier untuk Klasifikasi Satu arah
Program Studi Statistika Semester Ganjil 2014
Pendugaan Parameter Statistika Matematika II
Riset Operasi Semester Genap 2011/2012
Linear Programming (Pemrograman Linier)
Model untuk Respons Biner
Transcript presentasi:

Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2011/2012 DR. Rahma Fitriani, S.Si., M.Sc

Analisis Sensitivitas Untuk menganalisis bagaimana perubahan parameter di dalam LP mempengaruhi solusi optimal: BV tetap atau mengalami perubahan Analisis memanfaatkan sifat Tableau Optimal (kasus Maks): Setiap peubah BV mempunyai rhs>=0 Setiap peubah BV mempunyai koefisien baris nol >= 0

Perubahan parameter yang dianalisis Perubahan koefisien fungsi obyektif dari peubah NBV Perubahan koefisien fungsi obyektif peubah BV Perubahan rhs dari kendala Perubahan kolom dari NBV Penambahan aktivitas (peubah) baru Penambahan kendala baru

Prinsip utama Analisis Sensitivitas Menggunakan notasi matriks Mengevaluasi bagaimana perubahan parameter LP merubah rhs dan koefisien baris nol tableau optimal (pada BV terakhir) Jika baris koefisien baris nol dan rhs masih tetap >=, BV tetap optimal. Selainnya BV tidak lagi optimal

Semua perubahan parameter di-ilustrasikan dengan contoh pada masalah DAKOTA

Perubahan koefisien fungsi obyektif dari NBV Pada LP Dakota x2 adalah NBV, akan dipelajari perubahan koefisien fungsi obyektif bagi peubah ini: Matriks dan vektor berikut ini tidak mengalami perubahan: Karena cBV koefisien fungsi obyektif bagi BV tidak berubah, Hanya koefisien baris nol bagi x2 yang mengalami perubahan

Perubahan koefisien fungsi obyektif dari NBV BV tetap optimal jika: BV akan mengalami perubahan (suboptimal) jika: x2 dapat meningkatkan nilai z (koefisien baris nol yang <0), harus dimasukkan ke dalam BV (bukan lagi NBV)

Perubahan Parameter Fungsi Obyektif NBV Pada Masalah Dakota

Perubahan Parameter Fungsi Obyektif NBV Pada Masalah Dakota BV tetap optimal jika: Jika koefisien fungsi obyektif bagi x2 berubah, dengan penambahan kurang dari 5 unit, BV tetap optimal. Jika keuntungan produksi meja (x2 ) berubah dengan penambahan sampai dengan $5, BV tetap optimal: meja tidak diproduksi Jika keuntungan produksi meja (x2 ) berubah dengan penambahan lebih dari $5, produksi meja akan menguntungkan: meja sebagai BV

Perubahan Parameter Fungsi Obyektif NBV Pada Masalah Dakota Jika: BV tetap optimal: meja tidak diproduksi Jika: BV tidak lagi optimal: meja menguntungkan untuk diproduksi

Perubahan Parameter Fungsi Obyektif NBV Pada Masalah Dakota Tableau yang sub optimal: Dari tableau optimal sebelum perubahan, dengan perubahan koefisien baris nol bagi x2 Tableau 2 z x1 x2 x3 s1 s2 s3 rhs BV Baris 0 1 -5 10 280 z=280 Baris 1 -2 2 -8 24 s1=24 Baris 2 -4 8 x3=8 Baris 3 1.25 -0.5 1.5 x1=2 Koefisien baris nol bagi x2 <0, x2 dapat meningkatkan nilai z. Dengan ratio test akan dipilih BV mana yang digantikan oleh x2.

Dengan ERO diperoleh tableau berikut: z x1 x2 x3 s1 s2 s3 rhs BV Baris 0 1 -5 10 280 z=280 Baris 1 -2 2 -8 24 s1=24 Baris 2 -4 8 x3=8 Baris 3 1.25 -0.5 1.5 x1=2 Karena semua koefisien pada kolom pivot < 0, kecuali pada baris 3, tidak perlu dilakukan ratio test. x2 pasti menggantikan x1 Dengan ERO diperoleh tableau berikut: Tableau 3 z x1 x2 x3 s1 s2 s3 rhs BV Baris 0 1 4 8 16 288 z=288 Baris 1 1.6 1.2 -5.6 27.2 s1=27.2 Baris 2 -1.6 11.2 x3=11.2 Baris 3 0.8 -0.4 x2=1.6

Solusi yang non integer masih di luar topik ini Tableau 3 z x1 x2 x3 s1 s2 s3 rhs BV Baris 0 1 4 8 16 288 z=288 Baris 1 1.6 1.2 -5.6 27.2 s1=27.2 Baris 2 -1.6 11.2 x3=11.2 Baris 3 0.8 -0.4 x2=1.6 Dengan keuntungan produksi meja yang meningkat, dari $30 menjadi $40, meja diproduksi sebanyak 1.6 bersama-sama dengan kursi sebanyak 11.2. Solusi yang non integer masih di luar topik ini