Operations Research Linear Programming (LP)

Slides:



Advertisements
Presentasi serupa
Operations Management
Advertisements

Riset Operasional Pertemuan 9
BAB II Program Linier.
PROGRAM LINEAR 1. PENGANTAR
Operations Research Linear Programming (LP)
CONTOH SOAL PEMOGRAMAN LINIER
Riset Operasi Ira Prasetyaningrum.
Linear Programming.
PEMROGRAMAN LINEAR RISMAYUNI.
Oleh : Devie Rosa Anamisa
Oleh : Devie Rosa Anamisa
LINEAR PROGRAMMING METODE SIMPLEX
Analisis Sensitivitas
METODE ALJABAR DAN METODE GRAFIK
TM6 METODE SENSITIVITAS
Operations Management
Perumusan Masalah PL Pertemuan 2: Mata kuliah:K0164-Pemrograman Matematika Tahun:2008.
LINEAR PROGRAMMING METODE GRAFIK.
LINEAR PROGRAMMING METODE GRAFIK
Linier Programming Manajemen Operasional.
LINEAR PROGRAMMING.
Modul III. Programma Linier
RISET OPERASIONAL RISET OPERASI
LINEAR PROGRAMMING METODE SIMPLEKS
Linear Programming Formulasi Masalah dan Pemodelan
Kondisi yang dihadapi manajer dalam pengambilan keputusan
Gudang ~1~ Modul XIII. Penyelesaian Soal Dengan Software
PL PDF 1 PL PDF 2 PL PPT 1 PL PPT 2 OPERATION RESEARCH Program Linier.
Program Linier (Linier Programming)
Metode Linier Programming
PROGRAM LINEAR 1. PENGANTAR
PERTEMUAN 8-9 METODE GRAFIK
Universitas Abulyatama Aceh
Linier Programming (2) Metode Grafik.
MANAJEMEN SAINS MODUL 2 programasi linier
Materi 1 : Formulasi Pakan
CONTOH SOAL PEMOGRAMAN LINIER
 Formulasi Linear Programming
Minggu 1 Pertemuan II Riset Operasi
Riset Operasional 1 Manajemen-Ekonomi PTA 16/17
PROGRAM LINIER PENDAHULUAN
CONTOH SOAL METODE GRAFIK
SENSITIvITAS METODE GRAFIK
PENGAMBILAN KEPUTUSAN MANAJEMEN
Program Linear dalam Industri Pakan Ternak
Metode Linier Programming
Learning Outcomes Mahasiswa dapat menjelaskan rumusan masalah PL, tahapan rumusan PL dan contoh masalah PL kedalam bentuk model Matematika..
LINEAR PROGRAAMMING Kelompok IV Moh. Lutfi
Riset Operasi Ira Prasetyaningrum.
Product Mix Tugas 1 Managemen Sains.
TEORI PGB. KEPUTUSAN MAKSIMASI & MINIMASI Ari Darmawan, Dr. SAB. MAB.
PENENTUAN HARGA JUAL.
Dosen : Wawan Hari Subagyo
Pertemuan ke-4 Linier Programming Metode Grafik
Anggaran Variabel 7th Lecture.
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.
Widita Kurniasari Universitas Trunojoyo
METODE GRAFIK DESTIANTO ANGGORO.
Analisis dan Estimasi Biaya
Widita Kurniasari Universitas Trunojoyo
Oleh : Devie Rosa Anamisa
Widita Kurniasari Universitas Trunojoyo
Widita Kurniasari Universitas Trunojoyo
Operations Management
BAB I Program Linier Pertemuan 1.
Operations Research Linear Programming (LP)
Operations Research Linear Programming (LP)
Operations Research Linear Programming (LP)
Riset Operasional Program Linier.
BAB II Program Linier Oleh : Devie Rosa Anamisa. Pembahasan Pengertian Umum Pengertian Umum Formulasi Model Matematika Formulasi Model Matematika.
Transcript presentasi:

Operations Research Linear Programming (LP) Dosen Febriyanto, SE. MM.

Formulasi Model Linear Programming Contoh 1. Masalah kombinasi produksi Perusahaan Maspion merencanakan untuk memproduksi tiga jenis produk peralatan dapur yang membutuhkan tenaga kerja dan bahan baku, tabel berikut rincianya: Penyediaan bahan baku yang dapat dilakukan per hari sebanyak 400 kg, sedangkan kapasitas jam tenaga kerja yang dimiliki adalah 300 jam perhari. Bagaimana merumuskan model LP, agar diperoleh keuntungan maksimum dari produksi harian. Keterangan Jenis Produk A B C Jam Tenaga Kerja Bahan Baku Keuntungan (Rp) 4 2 40 3 30 20 Operations Research (Febriyanto, SE., MM)

Formulasi Model Linear Programming Penyelesaian Contoh 1. Masalah kombinasi produksi Menentukan variabel keputusan atau kegiatan yang ingin diketahui adalah produksi harian dari jenis produk. Misalkan: x1 = jumlah produksi harian produk A x2 = jumlah produksi harian produk B x3 = jumlah produksi harian produk C Menentukan tujuan, yaitu maksimum keuntungan dengan anggapan semua produksi laku terjual. Fungsi tujuan berbentuk maksimum, dirumuskan sebagai berikut: Zmak = 40x1 + 30x2 + 20x3 Operations Research (Febriyanto, SE., MM)

Formulasi Model Linear Programming Penyelesaian Contoh 1. Masalah kombinasi produksi Menentukan kendala, yaitu jam tenaga kerja dan bahan baku. Produk A membutuhkan 4x1 jam tenaga kerja. Jenis B membutuhkan 3x2 jam tenaga kerja dan Jenis C membutuhkan 2x3 jam tenaga kerja Kebutuhan jam tenaga kerja total adalah 4x1 + 3x2 + 2x3 dan tidak boleh melebihi 300 jam perhari. Sehingga fungsi kendala jam tenaga kerja adalah: 4x1 + 3x2 + 2X3 ≤ 300 Demikian pula dengan bahan baku, produk A membutuhkan 2x1 produk B membutuhkan 2x2 dan produk C membutuhkan 3x3. Sehingga fungsi kendala bahan baku adalah 2x1 + 2x2 + 3x3 ≤ 400 Operations Research (Febriyanto, SE., MM)

Formulasi Model Linear Programming Penyelesaian Contoh 1. Masalah kombinasi produksi Dari ketiga langkah tersebut, secara lengkap model LP masalah kombinasi produksi perusahaan Maspion dapat dirumuskan sebagai berikut:  Zmak = 40x1 + 30x2 + 20x3 d.k. (1) 4x1 + 3x2 + 2x3 ≤ 300 (jam tenaga kerja) (2) 2x1 + 2x2 + 3x3 ≤ 400 (bahan baku) (3) x1; x2; x3 ≥ 0 (non negativity) Operations Research (Febriyanto, SE., MM)

LP Metode Grafik Maximisasi Masalah Kombinasi Produk: Perusahaan Maspion menghasilkan tigajenis produk, yaitu A, B dan C. Ketiga jenis produk membutuhkan dua sumber daya, yaitu tenaga kerja dan bahan baku: Penyediaan bahan baku yang dapat dilakukan per hari 400 kg, kapasitas jam kerja 300 jam per hari. Buat formulasi LP? Jawab: Zmak = 40 A + 30 B + 20 C 1). 4A + 3 B + 2 C ≤ 300 (jam Tenaga Kerja) 2). 2A + 2 B + 3 C ≤ 400 (bahan baku) 3). A, B, C, ≥ 0 (non negativity) Keterangan Jenis Produk A B C Jam tenaga kerja Bahan baku Keuntungan 4 2 40 3 30 20 Operations Research (Febriyanto, SE., MM)

Linear Programming Metode Grafik Contoh. Masalah Product Mix. PT. VENUS adalah pabrik yang memiliki dua jenis produk yaitu Astro dan Cosmos. Untuk memproduksi kedua produk, diperlukan bahan baku X, bahan baku Y dan jam tenaga kerja. Maksimum penyediaan bahan baku X adalah 60 kg per hari, bahan baku Y 30 kg per hari dan tenaga kerja 40 jam per hari. Kebutuhan bahan baku dan jam tenaga kerja, dapat dilihat dalam Tabel berikut. Produk memberikan keuntungan sebesar Rp 40 untuk Astro dan Rp.30 untuk cosmos. Bagaimana menentukan jumlah produk yang akan diproduksi dalam setiap hari agar mencapai laba max. Operations Research (Febriyanto, SE., MM)

Linear Programming Metode Grafik Sumbangan keuntungan Astro Rp 40,00 dan Rp30,00 Cosmos X1 = Astro X2 = Cosmos Zmax = 40x1 + 30x2 d.k [1] 2X1 + 3X2 ≤ 60 (bahan baku A) [2] 2X2 ≤ 30 (bahan baku B) [3] 2X1 + 1X2 ≤ 40 (jam tenaga kerja) [4] X1 ≥ 0 (nonnegativity) [5] X2 ≥ 0 (nonnegativity). Operations Research (Febriyanto, SE., MM)

Tugas Formulasi LP Masalah Kombinasi Produk: Perusahaan Maspion menghasilkan dua jenis produk, yaitu A & B, dengan harga jual A: Rp.500 dan B: Rp.400. Biaya variabel masing-masing produk (NPM%) dari harga jual: Untuk menjaga keseimbangan, manajer menetapkan paling sedikit satu produk B untuk 3 produk A. Untuk tenaga kerja departemen III menggunakan tenaga kontrak sebanyak 650 jam. Produksi paling sedikit 50 unit, bagaimana formulasi LP agar keuntungan max? Keterangan Jenis Produk Kapasitas (jam) A B Departemen I Departemen II Departemen III 4 2 40 3 30 750 900 Operations Research (Febriyanto, SE., MM)

Jawaban Tugas Fromulasi Linear Programming Keuntungan yang diperoleh setiap menjual Produk A : 500 – (NPM%x500) = Rp... Produk B : 400 – (NPM%x400) = Rp... Zmax = Rp.... X1 + Rp... X2 Dk: 1. X1 + X2 ≥ 50 (Produksi minimum) 2. 4X1 + 3X2 ≤ 750 (Departemen I) 3. 2X1 + 2X2 ≤ 900 (Departemen II) 4. 40X1 + 30X2 ≥ 650 (Departemen III) 5. 3A – 1 B ≥ 0 (Keseimbangan Produksi) 6. X1; X2 ≥ 0 (Non negativity) Operasional Research (Febriyanto, SE., MM)

Sebuah perusahaan merencanakan memproduksi dua jenis produk dengan harga jual produk A Rp 500 dan produk B Rp 400. Biaya variabel kedua jenis produk 60% dari harga jual. Setiap produk diproses melalui tiga departemen produksi, yaitu departemen I, departemen II dan departemen III yaitu pengujian produk akhir. Setiap jenis produk membutuhkan waktu pemrosesan dan kapasitas jam tenaga kerja perminggu untuk departemen I dan II adalah sebagai berikut: Untuk menjaga keseimbangan produksi, manajer menetapkan bahwa paling sedikit satu unit produk B untuk setiap tiga unit produk A. Khusus untuk jam tenaga kerja departemen III, yang menggunakan tenaga kerja kontrakan, telah disepakati bahwa paling sedikit penggunaan jam tenaga kerja sebanyak 650 jam perminggu. Kebijakan manajer lainnya adalah ditetapkan bahwa kedua jenis produk tersebut diproduksi paling sedikit atau minimum 50 unit setiap minggu. Bagaimana formulasi model LP, agar diperoleh keuntungan maksimum?. Keterangan Jenis Produk Kapasitas (Jam) A B Departemen I Departemen II Departemen III 2 5 8 4 3 750 900 -

Penyelesaian Contoh 1. Masalah kombinasi produksi 1. Menentukan variabel keputusan, yaitu: X1 = jumlah produksi mingguan produk A x2 = jumlah produksi mingguan produk B   2. Menentukan fungsi tujuan, keuntungan yang diperoleh setiap kali memproduksi dan menjual Produk A adalah Rp 500 - (60% x 500) = Rp 200. Produk B adalah Rp 400 - (60% x 400) = Rp 160. Fungsi tujuan dapat dirumuskan sebagai berikut: Zmak = 200x1 + 160x2 Operations Research (Febriyanto, SE., MM)

Penyelesaian Contoh 1. Masalah kombinasi produksi Menentukan fungsi kendala, dalam kasus ini terdapat lima jenis kendala, yaitu kendala minimum produksi, jam kerja departemen I, jam kerja departemen II, jam kerja departemen III, dan keseimbangan produksi. (1) x1 + x2 ≥ 50 (produksi minimum) (2) 2x1 + 4x2 ≤ 750 (departemen I) (3) 5x1 + 3x2 ≤ 900 (departemen II) (4) 8x1 + 2x2 ≥ 650 (departemen III) (5) 3x1 - b ≥ 0 (keseimbangan produksi) Operations Research (Febriyanto, SE., MM)

Penyelesaian Contoh 1. Masalah kombinasi produksi Secara lengkap formulasi model LP sebagai berikut: Zmak = 200x1+ 160x2 Dk (1) x1 + x2 ≥ 50 (2) 2x1 + 4x2 ≤ 750 (3) 5x1 + 3x2 ≤ 900 (4) 8x1 + 2x2 ≥ 650 3x1 = 1x2 3x1 -1x2 = 0 (5) 3x1 - x2 ≥ 0 (6) X1, X2 ≥ 0 Operations Research (Febriyanto, SE., MM)

Operations Research (Febriyanto, SE., MM) Harga Jual 500 Biaya 600 Berapa keuntunganya? Operations Research (Febriyanto, SE., MM)

Operations Research (Febriyanto, SE., MM) Salah satu pemakaian LP yang berhasil adalah dalam menyelesaikan masalah pencampuran bahan untuk mendapatkan bahan baru atau masalah komposisi bahan yang digunakan. Misalnya, perusahaan membutuhkan 500 kg makanan ternak per hari dan makanan tersebut harus mengandung: 1. Paling sedikit 0,6% calcium tetapi tidak boleh lebih dari 1,2% 2. Paling sedikit 24% protein, 3. Paling banyak 5% serat.   Ketiga bahan di atas dapat diperoleh dari kapur (calcium carbonat), jagung dan kacang kedelai. Kandungan gizi per kg dari ketiga bahan tersebut adalah sebagai berikut: Bagaimana formulasi LP agar diperoleh komposisi bahan yang membuat biaya seminimum mungkin. Bahan Calsium Protein Serat Harga/kg Kapur Jagung K. Kedelai 0.34 0.001 0.002 0.09 0.50 0.02 0.08 Rp. 325 Rp. 900 Rp. 2.500 Operations Research (Febriyanto, SE., MM)

Penyelesaian Contoh 3. Masalah Komposisi Bahan 1. Variabel keputusan: X1 = jumlah kapur yang dibutuhkan untuk membuat 500 kg makanan ternak X2 = jumlah jagung yang dibutuhkan untuk membuat 500 kg makanan ternak X3 = jumlah kacang kedelai yang dibutuhkan untuk membuat 500 kg makanan ternak   2. Fungsi tujuan Zmin = 325X1 + 900X2 + 2500X3 Operations Research (Febriyanto, SE., MM)

Penyelesaian Contoh 3. Masalah Komposisi Bahan 3. Fungsi kendala 1) 0.34X1 + 0.001X2 + 0.002X3 ≥ 0.006(500) Atau 0.34X1 + 0.001X2 + 0.002X3 ≥ 3 2) 0.34X1 + 0.001X2 + 0.002X3 ≤ 0.012(500) Atau 0.34X1 + 0.001X2 + 0.002X3 ≤ 6 3) 0.090X2 + 0.500X3 ≥ 0.24(500) Atau 0.090X2 + 0.500X3 ≥ 120 4) 0.020X2 + 0.080X3 ≥ 0.05(2500) Atau 0.020X2 + 0.080X3 ≥ 125 Operations Research (Febriyanto, SE., MM)

Penyelesaian Contoh 3. Masalah Komposisi Bahan Secara lengkap formulasi model LP dari masalah komposisi bahan tersebut, sebagai berikut: Zmin = 325X1 + 900X2 + 2500X3   d.k. (1) 0.34X1 + 0.001X2 + 0.002X3 ≥ 3 (B. Calsium) (2) 0.34X1 + 0.001X2 + 0.002X3 ≤ 6 (B. Calsium) (3) 0.090X2 + 0.500X3 ≥ 120 (B. Kapur) (4) 0.020X2 + 0.080X3 ≥ 125 (B. K. Kdlai) (5) X1, X2, X3 ≥ 0 (nonnegatif) Operations Research (Febriyanto, SE., MM)