Kasus Khusus Simpleks & Metode Big M

Slides:



Advertisements
Presentasi serupa
MANAJEMEN SAINS Penyelesaian Persoalan Program Linier dengan
Advertisements

KASUS KHUSUS METODE SIMPLEKS
PENYIMPANGAN - PENYIMPANGAN BENTUK STANDAR ( METODE SIMPLEX )
TEKNIK RISET OPERASIONAL
Dosen : Wawan Hari Subagyo
PERTEMUAN METODE SIMPLEKS OLEH Ir. Indrawani Sinoem, MS
KASUS MINIMISASI Ir. Indrawani Sinoem, MS
LINEAR PROGRAMMING METODE SIMPLEX
BAHAN AJAR M.K. PROGRAM LINEAR T.A. 2011/2012
Analisis Sensitivitas
METODE ALJABAR DAN METODE GRAFIK
Operations Management
Metode Simpleks Metode simpleks merupakan prosedur iterasi yang bergerak step by step dan berulang-ulang Jumlah variabel tidak terbatas Penyelesaian masalah.
KASUS KHUSUS PROGRAM LINEAR
D0104 Riset Operasi I Kuliah VIII - X
PERTEMUAN D U A L I T A S OLEH Ir. Indrawani Sinoem, MS.
Metode Simpleks Dyah Darma Andayani.
LINEAR PROGRAMING (Bagian 3)
Pert.3 Penyelesaian Program Linier Metode Simpleks
Metode Dua Phase.
Metode simpleks yang diperbaiki menggunakan
Metode Linier Programming
Operations Management
Linier Programming Metode Dua Fasa.
METODE BIG M DAN DUAL SIMPLEKS
Masalah PL dgn Simpleks Pertemuan 3:
Metode Simpleks Free Powerpoint Templates.
Metode Simpleks Free Powerpoint Templates.
Kasus Khusus Simpleks & Metode Big M
LINEAR PROGRAMMING Pertemuan 06
LINIER PROGRAMMING METODE SIMPLEX
Metode Linier Programming
MANAJEMEN SAINS METODE SIMPLEKS.
Program Linier :Penyelesaian Simplek
LINEAR PROGRAMMING.
Operations Management
METODE DUA PHASA.
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
BAB IV Metode Simpleks Persoalan Minimasi
Metode Simpleks Rachmat Gunawan, SE, MSi Manajemen Kuantitatif
Model Linier Programming
Metode Simpleks Free Powerpoint Templates.
PROGRAM LINIER : ANALISIS DUALITAS, SENSITIVITAS DAN POST- OPTIMAL
METODE DUA FASE.
BAB V Metoe Penalty (Teknik M)
(REVISED SIMPLEKS).
Program Linier :Penyelesaian Simplek
METODE BIG-M LINEAR PROGRAMMING
Pertemuan 4 Penyelesaian PL Metode Simpleks (2) Big M dan Dua Fasa
DegenerasY KASUS KHUSUS PROGRAM LINEAR
METODE DUAL SIMPLEKS Oleh Choirudin, M.Pd
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.1
Optimasi dengan Algoritma simpleks
SOAL Seleaikanlah sistem persamaan linear berikut dengan menggunakan metode Gauss-Jordan 3 X1+2 X2 + X3 = 7 3 X1- 2 X2 + X3 = 2 -3 X1+2 X2 + X3 = 4 HiJurusan.
PROGRAM LINIER : ANALISIS POST- OPTIMAL
PROGRAM LINIER METODE SIMPLEKS
D U A L I T A S.
Metode Simpleks Free Powerpoint Templates.
Operations Management
METODE SIMPLEX LINEAR PROGRAMMING (LP)
BAB IV Metode Simpleks Persoalan Minimasi Oleh : Devie Rosa Anamisa.
Operations Management
BAB III METODE SIMPLEKS(1).
Operations Management
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:

Kasus Khusus Simpleks & Metode Big M Program Linear Kasus Khusus Simpleks & Metode Big M

Kasus khusus Metode Simpleks Saat degenerasi terjadi proses perhitungan terus dilakukan. Interasi dihentikan jika setelah 2 kali iterasi nilai z tidak berubah Degenerasi Maksimumkan z = 3x1+9x2 Kendala x1 + 4x2 ≤ 8 x1 + 2x2 ≤ 4 x1,x2 ≥ 0 Iterasi Basis x1 x2 S1 S2 solusi z -3 -9 1 4 8 2 -3/4 9/4 18 1/4 1/2 -1/2 3/2 -1 Muncul 0 pada kolom solusi sehingga ada variabel basis yang bernilai 0

Kasus khusus Metode Simpleks 2. Optimum Relatif Maksimumkan z = 2x1+4x2 Kendala x1 + 2x2 ≤ 5 x1 + x2 ≤ 4 x1,x2 ≥ 0 Paling sedikit satu variabel non basis, koefisien fungsi tujuannya = 0 Iterasi Basis x1 x2 S1 S2 solusi z -2 -4 1 2 5 4 10 1/2 5/2 -1/2 3/2 -1 3 x2=5/2 x1=0 z=10 x2=1 x1=3 z=10

Kasus khusus Metode Simpleks 3. Pemecahan Tidak Dibatasi Maksimumkan z = 2x1+x2 Kendala x1 - x2 ≤ 10 2x1 ≤ 40 x1,x2 ≥ 0 Iterasi Basis x1 x2 S1 S2 solusi z -2 -1 1 10 2 40 Dikolom variabel non basis (x2) ada nol dan negatif

Variabel Artifisial Digunakan untuk kendala yang bertanda ‘=‘ dan ‘≥’. Berfungsi sebagai variabel basis diawal proses iterasi Diakhir iterasi variabel artifisial = 0 jika tidak maka solusi yang diperoleh tidak fisibel

Fungsi Tujuan Fungsi tujuan diberi koefisien yang sangat besar (M) pada setiap variabel artifisial dalam fungsi tujuan. Untuk maksimisasi digunakan -M Untuk minimisasi digunakan +M

Contoh 1 Maksimumkan: z = 3x1+5x2 Dengan kendala: x1 ≤ 4 2x2 ≤12 3x1 + 2x2 =18 x1,x2≥0 Maksimumkan: z = 3x1+5x2 - MR1 Dengan kendala: x1 +S1 = 4 2x2 +S2 =12 3x1 + 2x2 +R1 =18 x1,x2, S1,S2,R1 ≥ 0

Proses Metode Big M dari Soal 1 Karena variabel artifisial harus = 0 maka tentukan nilai R1 dari kendala ke 3 3x1+2x2+R1=18 R1=18-3x1-2x2 Substitusikan R1=18-3x1-2x2 ke fungsi tujuan z=3x1+5x2-MR1 sehingga z=3x1+5x2-M(18-3x1-2x2) z=3x1+5x2-18M+3Mx1+2Mx2 z-3x1-5x2-3Mx1-2Mx2=-18M z+(-3M-3)x1+(-2M-5)x2=-18M

Proses Metode Big M dari Soal 1 Iterasi Basis x1 x2 S1 S2 R1 Solusi Rasio. z (-3M-3) (-2M-5) -18M 1 3 2 4 12 18 4/1=4 12/0=∞ 18/3=6 (3M+3) -6M+12 -3 6 4/0=∞ 12/2=6 6/2=3 -9/2 (M+5/2) 27 -3/2 -1 1/2 6/3=2 -2 3/2 (M+1) 36 -1/3 1/3

Contoh 2 Minimumkan : z = 3x1+5x2 Dengan kendala: x1 ≤ 4 2x2 =12 3x1 + 2x2 ≥18 x1,x2≥0 Minimumkan: z = 3x1+5x2+MR1+MR2 Dengan kendala: x1 +S1 = 4 x2 +R1 =12 3x1 + 2x2 - S2 +R2 =18 x1,x2, S1,S2,R1,R2 ≥ 0 Lanjutkan proses Big M untuk mendapatkan solusi yang optimal

Latihan Maksimumkan : z = 3x1+2x2 dengan kendala : 2x1+x2≤2 3x1+4x2≥12 Tunjukkan bahwa model berikut tidak punya ruang solusi yang fisibel (disebut pseudooptimum)

Latihan Sebuah perusahaan konveksi memproduksi tiga jenis pakaian yaitu pakaian anak-anak, pakaian pria dan pakaian wanita. Untuk satu lusin pakaian anak-anak diperlukan 2 rol kain bercorak dan membutuhkan 4 orang pekerja, sedangkan untuk satu lusin pakaian pria dan satu lusin pakaian wanita masing-masing membutuhkan 4 dan 2 rol kain bercorak dengan tenaga kerja masing-masing 2 dan 6 orang. Kain yang disediakan setiap hari adalah 20 rol. Tenaga kerja mempunyai keahlian yang sama berjumlah 16 orang. Perusahaan mengharuskan seluruh pekerja harus digunakan (tidak ada yang menganggur). Ongkos untuk membuat masing-masing jenis pakaian adalah $15/lusin pakaian anak-anak, $30/lusin pakaian pria, dan $45/lusin pakaian wanita. Keuntungan masing-masing pakaian anak-anak, pria dan wanita adalah $25, $54, $53. Bagaimana sebaiknya perusahaan mengambil kebijakan produksi agar perusahaan mendapatkan keuntungan yang sebesar-sebesarnya.