GRAPHICAL SOLUTION OF LINEAR PROGRAMMING PROBLEMS

Slides:



Advertisements
Presentasi serupa
Analisis Sensitivitas
Advertisements

Kelas XII SMA Titian Teras Jambi
Operations Management
LINEAR PROGRAMMING-METODE SENSITIVITAS GRAFIK
Operations Management
Riset Operasional Pertemuan 9
BAB II Program Linier.
Operations Management
PENGANTAR PROGRAM LINIER & SOLUSI GRAFIK
Teknik Pencarian Solusi Optimal Metode Grafis
MANAJEMEN SAINS BAB III METODE GRAFIK.
PENDAHULUAN PROGRAMASI LINEAR
BUSINESS OPERATION RESEARCH
Analisa grafik Analisa ini hanya dapat digunakan bila variabel output hanya ada 2 buah saja, untuk lebih dari 2 variabel metode ini sulit digunakan. Analisa.
Selamat Datang Dalam Kuliah Terbuka Ini 1. Kuliah terbuka kali ini berjudul “Pilihan Topik Matematika -I” 2.
Operations Research Linear Programming (LP)
Program linier bentuk standar Pengantar metode simpleks
Pertemuan 3– Menyelesaikan Formulasi Model Dengan Metode Simpleks
METODE SIMPLEKS OLEH Dr. Edi Sukirman, SSi, MM
MATEMATIKA KELAS 10 SEMESTER GANJIL.
MODUL KULIAH MATEMATIKA TERAPAN
PEMROGRAMAN GEMARIS (Lee J. Krajewski dan Larry P. Ritzman
6s-1Analisis Sensitivitas William J. Stevenson Operations Management 8 th edition OPERATIONS RESEARCH Rosihan Asmara
Riset Operasi Ira Prasetyaningrum.
PROGRAM LINIER : ANALISIS POST- OPTIMAL
Linear Programming.
Program Linear Bab I BAB I BAB II BAB III
KAPASITAS PRODUKSI.
SISTEM PERSAMAAN LINEAR DUA VARIABEL
HUBUNGAN ANTARA GARIS LURUS DAN PARABOLA
Defining Problem for LP Properties Objective: Maximize or minimize? Objective: Maximize or minimize? Constraints Constraints Other alternative? Other alternative?
ARTIFICIAL VARIABLES -3X1 + 4X2 = -6
6s-1Analisis Sensitivitas William J. Stevenson Operations Management 8 th edition OPERATIONS RESEARCH Rosihan Asmara
PEMROGRAMAN LINIER Pertemuan 2.
Linear Programming (Pemrograman Linier)
Persamaan Garis Lurus Latihan Soal-soal.
Fungsi Penerimaan.
LINIER PROGRAMMING PERTEMUAN KE-2.
PROGRAM LINEAR.
BASIC FEASIBLE SOLUTION
Presented By : Group 2. A solution of an equation in two variables of the form. Ax + By = C and Ax + By + C = 0 A and B are not both zero, is an ordered.
Pengambilan keputusan dalam kondisi pasti
PENYELESAIAN MODEL LP PENYELESAIAN PERMASALAHAN DNG MODEL LP DAPAT DILAKUKAN DENGAN 2 METODE : (1). METODE GRAFIK Metode grafik hanya digunakan untuk.
LINEAR PROGRAMMING METODE GRAFIK.
LINEAR PROGRAMMING: METODE GRAFIK Fungsi Tujuan Maksimasi dan Minimasi
LINEAR PROGRAMMING METODE GRAFIK
Linier Programming Manajemen Operasional.
Modul III. Programma Linier
Program Linier : Penyelesaian Grafik
LINEAR PROGRAMMING 2.
Linear Programming Formulasi Masalah dan Pemodelan
PL PDF 1 PL PDF 2 PL PPT 1 PL PPT 2 OPERATION RESEARCH Program Linier.
Linear Programming (Pemrograman Linier)
Universitas Abulyatama Aceh
Linier Programming (2) Metode Grafik.
Pemrograman Linier.
Minggu 1 Pertemuan II Riset Operasi
SENSITIvITAS METODE GRAFIK
Program Linier :Penyelesaian Simplek
PROGRAM LINEAR sudir15mks.
Riset Operasi Ira Prasetyaningrum.
TEORI PGB. KEPUTUSAN MAKSIMASI & MINIMASI Ari Darmawan, Dr. SAB. MAB.
Program Linier :Penyelesaian Simplek
Program Linier (Linear Programming)
Pertemuan ke-4 Linier Programming Metode Grafik
Pertemuan II Linear Programming.
Solusi Program Linier dengan Metode Grafik
Operations Research Linear Programming (LP)
Operations Research Linear Programming (LP)
Riset Operasional Program Linier.
Transcript presentasi:

GRAPHICAL SOLUTION OF LINEAR PROGRAMMING PROBLEMS

Graphing Linear Inequalities Grafik pertidaksamaan linier adalah suatu region / area yang dibatasi oleh suatu garis batas. Area ini merupakan Solution region dari sebuah pertidaksamaan linier,garis batas juga termasuk solution region. Solution region atau disebut sebagai feasible region atau feasible space.

x + 2y ≥ 4 Garis batas adalah. x + 2y = 4 Jika x=0, maka y=2 x + 2y ≥ 4 Garis batas adalah x + 2y = 4 Jika x=0, maka y=2  (0,2) Jika y=0, maka x=4  (4,0) Hubungkan kedua titik, dan titik-titik sepanjang garis tersebut merupakan batas solution region

Contoh titik-titik yang memenuhi solution region dan tidak

Graphing Systems of Linear Inequalities 1 2 Garis batas digambarkan : dari titik (0,2.5) [yang merupakan perpotongan dengan sumbu y] dan titik (1.67,0) [yang merupakan perpotongan dengan sumbu x]

Kemudian kedua pertidaksamaan berikutnya membatasi solution region di atas pada nilai-nilai x dan y positif. Sehingga menjadi : solution region is bounded.

Finding the Extreme Points / Corner Points of a Solution Region Region segitiga pada gambar adalah intersection dari 3 region. Region tersebut adalah solution region dari sistem pertidaksamaan linier. Dari grafik, tampak corner points pada atau dekat (0,0), (0,6) dan (2,2). Benarkah?

Corner 1 didapatkan dari 2 buah garis batas : - x + y = 0 x = 0 Jumlahkan persamaan pertama dan kedua sehingga diperoleh y = 0. Jadi koordinat nya adalah (0,0) Corner 2 didapatkan dari 2 buah garis batas : 2x + y = 6 x = 0  koordinat (0,6) Corner 3 didapatkan dari 2 buah garis batas : - x + y = 0  koordinat (2,2)

Contoh kasus : Seorang mahasiswa yang bekerja paruh waktu untuk membiayai kuliah. Seringkali pekerjaan memberikan kompensasi yang berbeda-beda per jam nya. Andaikan seorang mahasiswa mendapatkan USD 10.50 per jam untuk mengantar pizza dan USD 8.00 per jam untuk bekerja di lab komputer kampus. Jika dia hanya memiliki waktu 30 jam per minggu untuk bekerja dan harus mendapatkan uang sedikitnya USD 252 selama periode tsb, berapa jam dia harus bekerja untuk masing2 pekerjaan tersebut? Jawab : Misalkan c = jumlah jam kerja di lab komputer dan p = jumlah jam kerja mengantar pizza

c+p ≤ 30 p ≤ -c+30 8c+10.5 p ≥ 252 p ≥ -16/21 c +24 p ≥ 0 , c ≥ 0 Corner points : (0,24),(0,30),(25.2 , 4.8) (Corner point yang terakhir diperoleh dengan menghitung intersection dari 2 garis batas)

Berikut perolehan penghasilan pada corner points

PT LAQUNATEKSTIL memiliki sebuah pabrik yang akan memproduksi 2 jenis produk, yaitu kain sutera dan kain wol. Untuk memproduksi kedua produk diperlukan bahan baku benang sutera, bahan baku benang wol dan tenaga kerja. Maksimum penyediaan benang sutera adalah 60 kg per hari, benang wol 30 kg per hari dan tenaga kerja 40 jam per hari. Kebutuhan setiap unit produk akan bahan baku dan jam tenaga kerja dapat dilihat dalam tabel berikut: Kedua jenis produk memberikan keuntungan sebesar Rp 40 juta untuk kain sutera dan Rp 30 juta untuk kain wol. Masalahnya adalah bagaimana menentukan jumlah unit setiap jenis produk yang akan diproduksi setiap hari agar keuntungan yang diperoleh bisa maksimal.

Langkah-langkah: 1. Tentukan variabel X1=kain sutera X2=kain wol 2. Fungsi tujuan Zmax= 40X1 + 30X2 3. Fungsi kendala / batasan 2X1 + 3X2 ≤ 60 (benang sutera) 2X2 ≤ 30 (benang wol) 2X1 + X2 ≤ 40 (tenaga kerja) 4. Membuat grafik 1. 2X1 + 3X2=60 X1=0, X2 =60/3 = 20 X2=0, X1= 60/2 = 30 2. 2X2 ≤ 30 X2=15 3. 2X1 + X2 ≤ 40 X1=0, X2 = 40 X2=0, X1= 40/2 = 20

Cara mendapatkan solusi optimal dengan mencari nilai Z setiap titik ekstrim. Titik A X1=0, X2=0 masukkan nilai X1 dan X2 ke Z Z = 40 . 0 + 30 . 0 = 0 Titik B X1=20, X2=0 Z = 40 . 20 + 30 . 0 = 800 Titik C Mencari titik potong (1) dan (3) 2X1 + 3X2 = 60 2X1 + X2 = 40 2X2 =20  X2=10 Masukkan X2 ke kendala (1) 2X1 + 3 . 10 = 60 2X1 + 30 = 60 2X1 = 30  X1 = 15 40X1 + 30X2 = 40 . 15 + 30 . 10 = 600 + 300 = 900 Titik D 2X2 = 30 X2 = 15 masukkan X2 ke kendala (1) 2X1 + 3 . 15 = 60 2X1 + 45 = 60 2X1 = 15  X1 = 7,5 masukkan nilai X1 dan X2 ke Z Z = 40 . 7,5 + 30 . 15 = 300 + 450 = 750 Titik E X1 = 0 Z = 40 . 0 + 30 .15 = 450 Kesimpulan : untuk memperoleh keuntungan optimal, maka X1 = 15 dan X2 = 10 dengan keuntungan sebesar Rp 900 juta. optimal

Latihan 1 Maksimalkan : z = 3x1 + x2 Kendala : 1. x2 ≤ 5 2. x1 + x2 ≤ 10 3. –x1 +x2 ≥ -2 x1, x2 ≥ 0

Latihan 2 Minimalkan : z = x1 + x2 Kendala : 1. 3x1 + x2 ≥ 6 2. x2 ≥ 3 The feasible region is unbounded

Latihan 3 Maksimalkan : z = x1 + 2x2 Kendala : 1. -x1 + x2 ≤ 2 Multiple Optimal Solutions {(x1,x2) | 4/3 ≤ x1 ≤ 6 dan 1 ≤ x2 ≤ 10/3 dan x1 + x2 = 8}

Latihan 4 Maksimalkan : z = 3x1 + x2 Kendala : 1. x1 + x2 ≥ 4 No optimal solution

Latihan 5 Kendala : 1. -x1 + x2 ≥ 4 2. -x1 + 2x2 ≤ -4 x1, x2 ≥ 0 No feasible solution

If the solution to a linear programming problem exists, it will occur at a corner point. If two adjacent corner points are optimal solutions, then all points on the line segment between them are also optimal solutions. Linear programming problems with bounded feasible regions will always have optimal solutions. Linear programming problems with unbounded feasible regions may or may not have optimal solutions.