Semua Kendala/contraint berupa persamaam dengan sisi kanan Nonnegatif Semua Variabel Nonnegatif Fungsi tujuan dapat Maksimum maupun Minimum Kendala –

Slides:



Advertisements
Presentasi serupa
BAB III Metode Simpleks
Advertisements

Optimasi Non-Linier Metode Numeris.
BAB II Program Linier.
William J. Stevenson Operations Management 8 th edition OPERATIONS RESEARCH Rosihan Asmara
SIMPLEKS BIG-M.
METODE SIMPLEKS Metode ini digunakan untuk kasus kasus yang melibatkan lebih dari dua variabel output.
PERSAMAAN DAN PERTIDAKSAMAAN
Operations Management
METODE SIMPLEKS OLEH Dr. Edi Sukirman, SSi, MM
Pertidaksamaan Kelas X semester 1 SK / KD Indikator Materi Contoh
BENTUK PRIMAL DAN DUAL Dalam analisis Program Linear (PL) terdapat 2 bentuk, yaitu : 1. Bentuk Primal, yaitu bentuk asli dari pers. Program linear. 2.
Bab 2 Pertidaksamaan Oleh : Dedeh Hodiyah.
Linear Programming Metode Simplex
PERTEMUAN III Metode Simpleks.
Persamaan Garis Singgung pada Kurva
DUALITAS DAN ANALISA SENSITIVITAS
Metoda Simplex Oleh : Hartrisari H..
PENGAMBILAN KEPUTUSAN DALAM KONDISI PASTI
CONTOH SOAL.
Bab 2 PROGRAN LINIER.
By Eni Sumarminingsih, SSi, MM
ARTIFICIAL VARIABLES -3X1 + 4X2 = -6
PEMROGRAMAN LINIER Pertemuan 2.
TEKNIK OPTIMASI MULTIVARIABEL DENGAN KENDALA
Determinan Matrik dan Transformasi Linear
PROGRAM LINEAR.
TEKNIK RISET OPERASIONAL
Dosen : Wawan Hari Subagyo
KASUS MINIMISASI Ir. Indrawani Sinoem, MS
LINEAR PROGRAMMING METODE SIMPLEX
BAHAN AJAR M.K. PROGRAM LINEAR T.A. 2011/2012
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.
1 Kendala : 6 X X 2 + X 3
Operations Management
METODE ALJABAR DAN METODE GRAFIK
D0104 Riset Operasi I Kuliah VIII - X
METODE SIMPLEKS MINIMALISASI. METODE SIMPLEKS MINIMALISASI.
Metode Simpleks Dyah Darma Andayani.
Operations Management
PENYELESAIAN MODEL LP PENYELESAIAN PERMASALAHAN DNG MODEL LP DAPAT DILAKUKAN DENGAN 2 METODE : (1). METODE GRAFIK Metode grafik hanya digunakan untuk.
Program Linier (Linier Programming)
METODE BIG M DAN DUAL SIMPLEKS
Metode Simpleks Free Powerpoint Templates.
Metode Simpleks Free Powerpoint Templates.
LINEAR PROGRAMMING Pertemuan 06
LINIER PROGRAMMING METODE SIMPLEX
MANAJEMEN SAINS METODE SIMPLEKS.
Operations Management
Metode Simpleks Dual dan Kasus Khusus Metode Simpleks
Metode Simpleks Free Powerpoint Templates.
PROGRAM LINEAR sudir15mks.
Metode Simpleks Rachmat Gunawan, SE, MSi Manajemen Kuantitatif
Metode Simpleks Free Powerpoint Templates.
METODE DUA FASE.
METODE BIG M.
Pertidaksamaan Linear Satu Variabel
METODE BIG-M LINEAR PROGRAMMING
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.1
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.5
TEKNIK RISET OPERASI DUALITAS.
METODE BIG M.
Metode Simpleks Free Powerpoint Templates.
METODE SIMPLEX LINEAR PROGRAMMING (LP)
Peta Konsep. Peta Konsep C. Nilai Optimum Suatu Fungsi Sasaran.
Peta Konsep. Peta Konsep C. Nilai Optimum Suatu Fungsi Sasaran.
Program Linier – Bentuk Standar Simpleks
Pertidaksamaan Linear
Definisi Pertidaksamaan
Oleh : Siti Salamah Ginting, M.Pd. PROGRAM LINIER METODE SIMPLEKS.
Transcript presentasi:

Semua Kendala/contraint berupa persamaam dengan sisi kanan Nonnegatif Semua Variabel Nonnegatif Fungsi tujuan dapat Maksimum maupun Minimum Kendala – Bentuk 0). x1+x2<15 menjadi x1+x2+S=0 – Bentuk >, ditambah Surplus (S) dan Artificial (A) x1+x2>15 menjadi x1+x2-S+A=0 – Bentuk =, ditambah Artificial (A) x1+x2=15 menjadi x1+x2+A=0 Bila bentuk ketidaksamaan dikalikan dengan -1, tandanya akan berbalik. Mis -x1+x2>-15 jadi x1-x2<15

Untuk penyelesaian Programa linier yang memiliki minimal 1 (satu) fungsi pembatas dengan tanda (≥) atau tanda (=) Tahap 1 untuk memperoleh niali Zj = 0, kemudian tahap 2 untuk mendapatkan jawaban optimal

Prosedur hampir sama dengan Metode Simpleks biasa, kecuali ditambah variabel surplus dan variabel artificial serta 2 fasa penyelesaian. MaxZ=250X X 2 -MX 6 Pembatas20X 1 +45X 2 +X3X3 = X 1 +25X 2 +X4X4 =9.750 X1X1 -X5X5 +X6X6 =100

– Pabrik membuat meja dan kursi, harga meja Rp 250 ribu dan kursi Rp 200 ribu. – Pembuatan Meja perlu 20 sat asembling dan 30 sat finishing – Pembuatan Kursi perlu 45 sat asembling dan 25 sat finishing – Kapasitas mesin asembling sat asembling dan mesin finishing sat finishing – Produk minimal yang harus dibuat adalah 100 unit meja

Z=250X1+200X2 20X1+45X2≤ X1+25X2≤9.750 X1≥100 Z-250X1-200X2+MX6=0 20X1+45X2+X3= X1+25X2+X4=9.750 X1-X5+X6=100 SLACK SURPLUS SLACK "M" Koefisien fungsi tujuan artificial ARTFICIAL

Basisx1x2x3x4x5x6 Ruas Kanan x320,0045,001,000, ,00 x430,0025,000,001,000, ,00 x61,000,00 -1,001,00100,00 Zj-Cj-250,00-200,000,00 M Zj-Cj-250-M-200,000,00 M -100M Zj-Cj-250,00-200,000,00 Zj-Cj0, Nilai M dijadikan Nol (-M)x(1)+M (-M)x(0)+0 (-M)x(0)+(-200)(-M)x(1)+(-250) (-M)x(100)+0(-M)x(0)+0(-M)x(-1)+0 Komponen Zj-Cj tanpa M Komponen Zj-Cj dengan M

FASA 1 Basisx1x2x3x4x5x6Rs kananRasio x320,0045,001,000, ,00537,50 x430,0025,000,001,000, ,00325,00 x61,000,00 -1,001,00100,00 Zj-Cj-1,000,00 1,000,00-100,00 Komponen Zj-Cj terkecil Komponen Ruas kanan terkecil Komponen Zj-Cj dengan M PIVOT

Basisx1x2x3x4x5x6Rs kanan x30,0045,001,000,0020,00-20, ,00 x40,0025,000,001,0030,00-30, ,00 x11,000,00 -1,001,00100,00 Zj-Cj0,00 1,000,00 HASIL ITERASI FASA 1 Akhir Fasa 1, Komponen Zj-Cj di kolom ruas kanan sama dengan 0 Pada FASA 2, kolom x6 (artificial dihilangkan

FASE 2 Basisx1x2x3x4x5Rs kanan x30,0045,001,000,0020, ,00 x40,0025,000,001,0030, ,00 x11,000,00 -1,00100,00 Zj-Cj-250,00-200,000, ,000, , ,00 Komponen Zj-Cj tanpa M Nilai Zj-Cj pada kolom x1 dijadikan 0

Basisx1x2x3x4x5Rs kananRasio x30,0045,001,000,0020, ,00437,50 x40,0025,000,001,0030, ,00225,00 x11,000,00 -1,00100,00-100,00 Zj-Cj0,00-200,000, , ,00 Rasio non negatif terkecil Nilai Zj-Cj terkecil PIVOT (Nilai nya dijadikan 1

Basisx1x2x3x4x5Rs kanan x30,0028,331,00-0,670, ,00 x50,000,830,000,031,00225,00 x11,000,830,000,030,00325,00 Zj-Cj0,008,330,008,330, ,00 HASIL ITERASI FASA 2 Semua komponen Zj-Cj sdh NOL atau Positih berarti sdh Optimal Hasil tg diperoleh : x1=325 x2=0 x3=4.250 x4=0 x5=225 Z=81.250

Model Programa Linier (PL) Z=15X1+12X2 3X1+8X2≤39 10X1+4X2≤62 X1≥3 X2≥2 Bentuk Standar MaxZ-15X1-12X2+MX7+MX8=0 Pembatas3X1+8X2+X3=39 10X1+4X2+X4=62 X1-X5+X7=3 X2-X6+X8=2

Basisx1x2x3x4x5x6x7x8 Rs kanan x ,00 x ,00 x ,00 x ,00 Zj-Cj MM0,00 Zj-Cj-15-M-1200M00M-3M Zj-Cj-15-M-12-M00MM00-5M Zj-Cj ,00 Zj-Cj ,00 PERSIAPAN FASA 1

Basisx1x2x3x4x5x6x7x8 Rs kanan Rasio x ,0013,00 x ,006,20 x ,00 x ,00#DIV/0! Zj-Cj ,00 FASA 1 AWAL PIVOT

Basisx1x2x3x4x5x6x7x8Rs kanan x ,00 x ,00 x ,00 x ,00 Zj-Cj ,00 MASUK X1 KELUAR X7

Basisx1x2x3x4x5x6x7x8 Rs kanan Rasio x ,003,75 x ,008,00 x ,00#DIV/0! x ,00 Zj-Cj ,00

Basisx1x2x3x4x5x6x7x8 Rs kanan x ,00 x ,00 x ,00 x ,00 Zj-Cj ,00 MASUK X2 KELUAR X8 Komponen Zj-Cj pada ruas Kanan sdh “0”

Basisx1x2x3x4x5x6Rs kanan x ,00 x ,00 x ,00 x ,00 Zj-Cj ,00 Zj-Cj ,00 Zj-Cj ,00 FASA 2 (PERSIAPAN)

Basisx1x2x3x4x5x6 Rs kanan Rasio x ,004,667 x ,002,400 x ,00-3,000 x ,00#DIV/0! Zj-Cj ,00 ITERASI KE1

Basisx1x2x3x4x5x6Rs kanan x ,00 x50000,10102 x ,00 x ,00 Zj-Cj ,00 MASUK X5 KELUAR X4

Basisx1x2x3x4x5x6Rs kanan x30,00 1,00-0,300,006,80 x50,00 0,101,000,402,40 x11,000,00 0,100,000,405,40 x20,001,000,00 -1,002,00 Zj-Cj0,00 1,500,00-6,00105,00

Basisx1x2x3x4x5x6Rs kananRasio x30,00 1,00-0,300,006,80 1,000 x50,00 0,101,000,402,406,000 x11,000,00 0,100,000,405,4013,500 x20,001,000,00 -1,002,00-2,000 Zj-Cj0,00 1,500,00-6,00105,00 ITERASI KE2

Basisx1x2x3x4x5x6Rs kanan x60,00 0,15-0,040,001,00 x50,00 0,101,000,402,40 x11,000,00 0,100,000,405,40 x20,001,000,00 -1,002,00 Zj-Cj0,00 1,500,00-6,00105,00 MASUK X6 KELUAR X4

Basisx1x2x3x4x5x6Rs kanan x60,00 0,15-0,040,001,00 x50,00 -0,060,121,000,002,00 x11,000,00-0,060,120,00 5,00 x20,001,000,15-0,040,00 3,00 Zj-Cj0,00 0,881,240,00 111,00 HASIL AKHIR Komponen Zj-Cj tidak ada yang negatif