Linear Programming (Pemrograman Linier)

Slides:



Advertisements
Presentasi serupa
Linear Programming (Pemrograman Linier)
Advertisements

Fungsi Konveks dan Konkaf
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)
Pemrograman Linier Semester Ganjil 2012/2013
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
Algoritma Pemotongan Algoritma Gomory Langkah 1 x3* = 11/2 x2* = 1
TM3 PENDAHULUAN ; LINIER PROGRAMMING
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 METODE SIMPLEX
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 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.
ALGORITMA SIMPLEX Adalah prosedure aljabar untuk mencari solusi optimal sebuah model linear programming, LP.
SISTEM PERSAMAAN LINIER
Optimasi Dengan Metode Newton Rhapson
Linear Programming (Pemrograman Linier)
Metode Simpleks Dyah Darma Andayani.
Linear Programming (Pemrograman Linier)
LINEAR PROGRAMING (Bagian 3)
Pert.3 Penyelesaian Program Linier Metode Simpleks
Metode simpleks yang diperbaiki menggunakan
Metode Linier Programming
Linear Programming (Pemrograman Linier)
ANALISIS SENSITIVITAS DAN DUALITAS
Program Studi Statistika Semester Ganjil 2012
Pemrograman Kuadratik (Quadratic Programming)
Statistika Matematika I
LINEAR PROGRAMMING Pertemuan 06
Linear Programming (Pemrograman Linier)
Program Studi Statistika, semester Ganjil 2011/2012
Linear Programming (Pemrograman Linier)
Metode Linier Programming
Program Studi Statistika Semester Ganjil 2012
Linear Programming (Pemrograman Linier)
Industrial Engineering
PROGRAM LINIER : ANALISIS DUALITAS, SENSITIVITAS DAN POST- OPTIMAL
(REVISED SIMPLEKS).
Program Studi Statistika Semester Ganjil 2011
Linear Programming (Pemrograman Linier)
Linear Programming (Pemrograman Linier)
METODE BIG-M LINEAR PROGRAMMING
Agribusiness Study of Programme Wiraraja University
Pemrograman Non Linier(NLP)
Model Logit Untuk Respons Biner
Principal Components Analysis
Peubah Acak (Random Variable) IV (kasus Peubah Kontinyu)
Linear Programming (Pemrograman Linier)
Riset Operasi Semester Genap 2011/2012
Network Model (lanjut) CPM (Critical Path Method)
Model Linier untuk Data Kontinyu
Principal Components Analysis (Pendekatan Sampel)
Model Linier untuk Klasifikasi Satu arah
Program Studi Statistika Semester Ganjil 2014
Riset Operasi Semester Genap 2011/2012
Linear Programming (Pemrograman Linier)
Model untuk Respons Biner
METODA SIMPLEKS (Prosedur Simpleks)
Model Sediaan Probabilistik (lanjutan)
Transcript presentasi:

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

Perubahan rhs (ruas kanan) kendala: syarat/batas dari sumber daya Perubahan rhs tidak akan merubah koefisien baris nol dari tableau optimal Perubahan rhs akan mempengaruhi ruas kanan kendala pada tableau optimal, termasuk nilai z BV tetap optimal jika ruas kanan kendala tetap non negatif Jika terdapat salah satu ruas kanan yang negatif, BV tidak lagi optimal DR. Rahma Fitriani, S.Si., M.Sc

Solusi optimal masalah Dakota sebelum perubahan:

Perubahan rhs kendala untuk kasus Dakota Persediaan finishing hour Irisan ketiga daerah: DR. Rahma Fitriani, S.Si., M.Sc

BV yang ada tetap jadi solusi optimal jika perubahan finishing hour berada di dalam rentang berikut: atau, BV yang ada tetap jadi solusi optimal jika finishing hour berkurang atau bertambah di antara rentang berikut: DR. Rahma Fitriani, S.Si., M.Sc

Untuk Permasalahan Dakota Finishing hour berubah menjadi 22 jam Perubahan masih berada di dalam rentang, di mana BV tetap optimal Ruas kanan yang nanti menjadi solusi optimal, mengalami perubahan:

z optimal juga mengalami perubahan: Efek perubahan persediaan finishing hour: tetap memproduksi kursi dan bangku saja Dengan penambahan persediaan finishing hour: produksi kursi (x3) menjadi 12 buah (naik) dan bangku hanya (x1) 1 buah saja (turun), dengan keuntungan $300 (naik)

Perubahan kolom dari NBV Merubah kolom koefisien dari salah satu peubah NBV sekaligus dengan koefisien fungsi obyektifnya Karena perubahan terjadi pada peubah NBV, matriks dan vektor berikut ini tidak mengalami perubahan:

Hanya koefisien baris nol pada peubah yang bersangkutan yang mengalami perubahan Kolom pada tableau optimal pada peubah tsb mengalami perubahan BV akan tetap optimal jika koefisien baris nol yang baru bagi peubah tersebut tetap non negatif Selainnya perlu dilakukan iterasi lagi sampai diperoleh solusi optimal (semua koefisien baris nol non negatif)

Perubahan Kolom NBV pada kasus Dakota Jika pembuatan meja (NBV) mengalami perubahan komposisi bahan baku, finishing hour dan carpentry hour sekaligus perubahan keuntungan

Perubahan terjadi pada koefisien baris nol X2 Karena koefisien baris nol yang baru bagi X2 adalah negatif, maka solusi BV tida lagi optimal

Perubahan pada kolom X2

Tableau terakhir dengan perubahan Seperti tableau Optimal sebelum perubahan dengan perubahan pada kolom X2 saja 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 x2 -3 -7 -4 2 Koefisien bari nol pada X2 <0, X2 akan meningkatkan keuntungan jika menjadi BV Ratio test dilakukan untuk menentukan peubah NBV mana yang digantikan oleh X2

Dari ratio test X2 menggantikan X1 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 x2 -3 -7 -4 2 RT No RT 2/2=1 Baris 3 1 1.25 -0.5 1.5 2 x1=2 Dari ratio test X2 menggantikan X1 Dengan ERO diperoleh tableau berikut Tableau 3 z x1 x2 x3 s1 s2 s3 rhs BV Baris 0 1 1.5 9.25 12.25 283 z=283 Baris 1 3.5 0.25 -2.75 31 s1=31 Baris 2 2 -1 12 x3=12 Baris 3 0.5 -0.25 0.75 x2=8

Tableau 3 z x1 x2 x3 s1 s2 s3 rhs BV Baris 0 1 1.5 9.25 12.25 283 z=283 Baris 1 3.5 0.25 -2.75 31 s1=31 Baris 2 2 -1 12 x3=12 Baris 3 0.5 -0.25 0.75 x2=8 Dengan perubahan teknologi produksi dan keuntungan dari pembuatan meja, dianggap lebih menguntungkan memproduksi meja daripada memproduksi bangku (tidak diproduksi Dari solusi, keuntungan lebih besar setelah perubahan teknologi produksi meja

Penambahan Aktivitas Baru Yang berarti penambahan peubah keputusan Tidak mempengaruhi BV optimal, jika semua koefisien baris nol dan rhs pada tableau optimal tetap non negatif

Untuk Kasus Dakota Jika Dakota memutuskan untuk memproduksi rak sepatu: X4 Keuntungan satu buah rak sepatu sebesar $15 Membutuhkan 1 ft kayu, 1 jam finishing, dan 1 jam carpentry

Koefisien baris nol untuk X4: Karena koefisien baris nol untuk X4>0, produksi rak sepatu tidak cukup menguntungkan Rak sepatu tidak perlu diproduksi. Produksi optimal tetap seperti sebelum penambahan produksi rak sepatu