METODE DUAL SIMPLEKS Oleh Choirudin, M.Pd

Slides:



Advertisements
Presentasi serupa
BAB III Metode Simpleks
Advertisements

Pertemuan 3– Menyelesaikan Formulasi Model Dengan Metode Simpleks
BENTUK PRIMAL DAN DUAL Dalam analisis Program Linear (PL) terdapat 2 bentuk, yaitu : 1. Bentuk Primal, yaitu bentuk asli dari pers. Program linear. 2.
KASUS KHUSUS METODE SIMPLEKS
Algoritma Pemotongan Algoritma Gomory Langkah 1 x3* = 11/2 x2* = 1
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
Sambungan metode simplex…
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
Metode Simpleks Metode simpleks merupakan prosedur iterasi yang bergerak step by step dan berulang-ulang Jumlah variabel tidak terbatas Penyelesaian masalah.
INTEGER PROGRAMMING Modul 8. PENELITIAN OPERASIONAL Oleh : Eliyani
D0104 Riset Operasi I Kuliah VIII - X
METODE SIMPLEKS MINIMALISASI. METODE SIMPLEKS MINIMALISASI.
Metode Simpleks Dyah Darma Andayani.
Operations Management
LINEAR PROGRAMMING : METODE SIMPLEKS
ALGORITMA PEMOTONGAN Algoritma Gomory.
Pert.3 Penyelesaian Program Linier Metode Simpleks
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
METODE BIG M DAN DUAL SIMPLEKS
Metode Simpleks Free Powerpoint Templates.
Metode Simpleks Free Powerpoint Templates.
LINEAR PROGRAMMING Pertemuan 06
Operations Management
METODE SIMPLEKS Pertemuan 2
MANEJEMEN SAINS METODE SIMPLEKS.
LINIER PROGRAMMING METODE SIMPLEX
TEORI DUALITAS D0104 Riset Operasi I.
Metode Linier Programming
MANAJEMEN SAINS METODE SIMPLEKS.
Operations Management
Metode Simpleks Dual dan Kasus Khusus Metode Simpleks
Metode Simpleks Free Powerpoint Templates.
Pertemuan ke-5 25 Oktober 2016 PARANITA ASNUR
Operations Management
METODA SIMPLEX.
BAB IV Metode Simpleks Persoalan Minimasi
Metode Simpleks Rachmat Gunawan, SE, MSi Manajemen Kuantitatif
Metode Simpleks Free Powerpoint Templates.
METODE DUA FASE.
(REVISED SIMPLEKS).
METODE BIG-M LINEAR PROGRAMMING
DegenerasY KASUS KHUSUS PROGRAM LINEAR
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.1
Operations Management
PROGRAM LINIER METODE SIMPLEKS
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.
Operations Management
Metode Simpleks Free Powerpoint Templates.
Operations Management
METODE SIMPLEX LINEAR PROGRAMMING (LP)
Operations Management
Operations Management
BAB III METODE SIMPLEKS(1).
Operations Management
Program Linier – Bentuk Standar Simpleks
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:

METODE DUAL SIMPLEKS Oleh Choirudin, M.Pd

Prosedur perhitungan yang dibicarakan sejauh ini bergerak dari solusi dasar layak yang belum optimum ke solusi layak yang lain. Apakah proses tersebut akhirnya akan mencapai suatu solusi layak optimum, adalah tergantung pada kemampuan untuk mendapatkan suatu solusi dasar awal yang layak. Dalam kaitan ini, artificial variabel kadang-kadang digunakan untuk menemukan solusi awal layak. Jika formulasi LP mengandung sejumlah besar artificial variable, maka membutuhkan banyak perhitungan untuk memperoleh solusi awal layak.

Karena itu, akan dijelaskan suatu prosedur perhitungan yang memberikan suatu solusi layak optimum, meskipun solusi awalnya tidak layak. Prosedur itu dinamakan dual simplex algorithm yang pertama kali disusun oleh Lemke. Algoritma ini tidak banyak digunakan di antara program-program komputer yang ada. Namun ia memainkan peranan penting dalam post optimality analysis.

Berikut ini disajikan contoh bagaimana metode itu bekerja : Minimumkan Z = 4X1 + 2X2 Dengan syarat 3X1 + X2 ≥ 27 X1 + X2 ≥ 21 X1 + 2X2 ≥ 30 X1 ; X2 ≥ 0

Langkah pertama adalah mengubah semua kendala menjadi pertidaksamaan ≤ (agar tidak membutuhkan artificial variable) dan kemudian tambahkan variabel slack. Sehingga diperoleh : Minimumkan Z = 4X1 + 2X2 Dengan syarat -3X1 - X2 + s1 + 0s2 + 0s3 < -27 -X1 - X2 + 0s1 + s2 + 0s3 < -21 -X1 - 2X2 + 0s1 + 0s2 + s3 < -30 X1, X2, s1, s2, s3 ≥ 0

Jika bentuk baku di atas diekspresikan sebagai suatu tabel simplex awal, maka akan terlihat bahwa variabel slack (S1, S2, S3) tidak memberikan solusi awal layak. Karena ini merupakan masalah minimisasi sementara semua koefisien pada persamaan Z adalah ≤ 0, maka solusi awal S1=-27, S2=-21, S3=-30 adalah optimum tetapi tak layak. Masalah ini merupakan ciri khas dari masalah yang dapat diselesaikan dengan metode dual simplex. Tabel solusi awal optimum tapi tak layak adalah :

Iterasi 0 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -4 -2 -3 -1 -27 -21 -30

Menetukan baris kunci (variabel masuk) dengan variabel basis (NK) yang memiliki nilai negatif terbesar (nilai kembar dipilih secara sembarang). Jika semua variabel basis non negatif, proses berakhir dan solusi layak yang telah optimum tercapai. Menentukan Kolom Kunci (variabel keluar) dengan dipilih dari variabel non basis dengan cara seperti berikut. Buat rasio antara koefisien persamaan Z dengan koefisien persamaan yang berhubungan pada variabel keluar yang memiliki rasio terkecil, atau absolut rasio terkecil untuk masalah maksimisasi (rasio kembar dipilih secara sembarang).

Iterasi 0 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -4 -2 -3 -1 -27 -21 -30

Setelah memilih baris kunci, metode Gauss Jordan (operasi baris) diterapkan seperti biasa untuk memperoleh solusi berikutnya. Variabel keluar pada Tabel 1 adalah S3 (=-30), karena ia memiliki nilai negatif terbesar. Untuk menentukan variabel masuk, rasionya diperoleh dengan cara berikut : Variabel Dasar X1 X2 S1 S2 S3 Z -4 -2 -1 1 Rasio 4

Iterasi 0 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -4 -2 -3 -1 -27 -21 -30

Iterasi 1 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -3 -1 30 -2,5 -1/2 -12 -6 1/2 15

Iterasi 1 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -3 -1 30 -2,5 -1/2 -12 -6 1/2 15

Variabel keluar pada iterasi 1 adalah S1 (=-12), karena ia memiliki nilai negatif terbesar. Untuk menentukan variabel masuk, rasionya diperoleh dengan cara berikut : Variabel Dasar X1 X2 S1 S2 S3 Z -3 -1 -5/2 1 -1/2 Rasio 6/5 ~ 2

Iterasi 1 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -3 -1 30 -5/2 -1/2 -12 -6 1/2 15

Iterasi 2 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -6/5 -2/5 44,4 1/5 4,8 -1/5 -3,6 -3/5 12,6 Pada iterasi 2 belum diperoleh solusi layak (S2 = -3,6). Karena S2 adalah satusatunya yang bernilai negatif, dengan sendirinya ia menjadi baris kunci.

Variabel keluar pada iterasi 2 adalah S2 (=-6), karena ia memiliki nilai negatif terbesar. Untuk menentukan variabel masuk, rasionya diperoleh dengan cara berikut : Variabel Dasar X1 X2 S1 S2 S3 Z -6/5 -2/5 -1/5 1 Rasio 6 ~

Iterasi 2 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -6/5 -2/5 44,4 1/5 4,8 -1/5 -3,6 -3/5 12,6 Pada iterasi 2 belum diperoleh solusi layak (S2 = -3,6). Karena S2 adalah satusatunya yang bernilai negatif, dengan sendirinya ia menjadi baris kunci.

Iterasi 3 Variabel Dasar Z X1 X2 S1 S2 S3 NK 1 -1 48 -1/2 1/2 3 -5/2 9 -3/2 18 Pada Tabel Iterasi 3 merupakan tabel optimum dan layak dengan nilai fungsi tujuan adalah 48.

Latihan I Minimumkan Z = 15x + 10y 3x + 4y ≥ 12   2x + y ≥ 4   x, y ≥ 0   

Latihan II Minimumkan Z = x + y x + 2y ≥ 6  4x + 5y ≥ 20 3x + 2y ≥ 6  x, y ≥ 0   

Thank You!