1 / 41

PROGRAM LINIER : SOLUSI SIMPLEKS

PROGRAM LINIER : SOLUSI SIMPLEKS. (Memaksimalkan Z, dengan batasan < ) Pertemuan 3 dan 4. Metode Simpleks. Merupakan metode yang umum digunakan untuk menyelesaikan seluruh problem program linier, baik yang melibatkan dua variabel keputusan maupun lebih dari dua variabel keputusan.

drake
Download Presentation

PROGRAM LINIER : SOLUSI SIMPLEKS

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PROGRAM LINIER : SOLUSI SIMPLEKS (Memaksimalkan Z, dengan batasan <) Pertemuan 3 dan 4

  2. Metode Simpleks Merupakan metode yang umum digunakan untuk menyelesaikan seluruh problem program linier, baik yang melibatkan dua variabel keputusan maupun lebih dari dua variabel keputusan.

  3. Metode simpleks pertama kali diperkenalkan oleh George B. Dantzig pada tahun 1947 dan telah diperbaiki oleh beberapa ahli lain. Metode penyelesaian dari metode simpleks ini melalui perhitungan ulang (iteration) dimana langkah-langkah perhitungan yang sama diulang-ulang sebelum solusi optimal diperoleh

  4. Penyelesaian Dengan Metode Simpleks • Syarat : • Model program linier ( Canonical form) harus dirubah dulu kedalam suatu bentuk umum yang dinamakan ”bentuk baku” (standard form).

  5. Ciri-ciri dari bentuk baku model program linier Semua fungsi kendala/pembatas berupa persamaan dengan sisi kanan non-negatif. Semua variabel keputusan non-negatif. Fungsi tujuan dapat memaksimumkan maupun meminimumkan

  6. dapat dituliskan : Fungsi tujuan : Maks / Min Z = CX Fungsi pembatas : AX = b X > 0

  7. Perlu diperhatikan : Bahwa metode simpleks hanya bisa dipakai (diaplikasikan) pada bentuk standar, sehingga kalau tidak dalam bentuk standar harus ditransformasikan dulu menjadi bentuk standar.

  8. Untuk memudahkan melakukan transformasi ke bentuk standar, beberapa hal yang perlu diperhatikan : • Fungsi Pembatas • Suatu fungsi pembatas yang mempunyai tanda < diubah menjadi suatu bentuk persamaan (bentuk standar) dengan cara menambahkan suatu variabel baru yang dinamakan slack variable (variabel pengurang).

  9. Fungsi Tujuan • Dengan adanya slack variable pada fungsi pembatas, maka fungsi tujuan juga harus disesuaikan dengan memasukkan unsur slack variable ini. • Karena slack variable tidak mempunyai kontribusi apa-apa terhadap fungsi tujuan, maka konstanta untuk slack variable tersebut dituliskan nol.

  10. Contoh 1 : Fungsi tujuan : Maks Z = 4 X1 + 5 X2 Fungsi pembatas : X1 + 2 X2 < 40 4 X1 + 3 X2 < 120 X1 , X2 > 0 Rubahlah menjadi bentuk standar.

  11. Untuk merubah menjadi bentuk standar, maka harus menambahkan slack variable, menjadi : X1 + 2 X2 < 40  X1 + 2 X2 + S1 = 40 4 X1 + 3 X2 < 120  4 X1 + 3 X2 + S2 = 120 Setelah ditambahkan slack variable, maka fungsi tujuan menjadi : Maks Z = 4 X1 + 5 X2 + 0 S1 + 0 S2

  12. Contoh 2 : • Fungsi tujuan : Maks Z = 60 X1 + 30 X2 +20 X3 • Fungsi pembatas : 8 X1 + 6 X2 + X3 < 48 4 X1 + 2 X2 < 20 2 X1 + 1,5 X2 + 1,5 X3 < 8 X2 < 5 X1 , X2 , X3 > 0

  13. dengan menambahkan slack variable, menjadi : 8 X1 + 6 X2 + X3 < 48  8 X1 + 6 X2 + X3 + S1 = 48 4 X1 + 2 X2 < 20  4 X1 + 2 X2 + S2 = 20 2 X1 + 1,5 X2 + 1,5 X3 < 8 2 X1 + 1,5 X2 + 1,5 X3 + S3 = 8 X2 < 5  X2 + S4 = 5 Setelah ditambahkan slack variable, maka fungsi tujuan menjadi : Maks Z = 4 X1 + 5 X2 + 0 S1 + 0 S2 + + 0 S3 + 0 S4

  14. Contoh 3 : • Fungsi tujuan : Min Z = 2 X1 - 3 X2 • Fungsi pembatas : X1 + X2 < 4 X1 - X2 < 6 X1 , X2 > 0

  15. dengan menambahkan slack variable, menjadi: X1 + X2 < 4 X1 + X2 + S1 = 4 X1 - X2 < 6  X1 - X2 + S2 = 6 Setelah ditambahkan slack variable, maka fungsi tujuan menjadi : Min Z = 2 X1 - 3 X2 + 0 S1 + 0 S2

  16. Metode dan Tabel Simpleks Setelah fungsi batasan dirubah ke dalam bentuk persamaan (bentuk standar), maka untuk menyelesaikan masalah program linier dengan metode simpleks dibutuhkan matriks A yang berisi variabel basis dan variabel non-basis. pada contoh 1, diperoleh matriks A yaitu:

  17. Variabel basis adalah S1 dan S2, sedangkan variabel non-basis adalah variabel X1 dan variabel X2 Matriks basis biasanya dinyatakan dengan BFS (Basis Feasible Solution), dan dituliskan dengan matriks B ( matriks identitas) yaitu :

  18. Tabel Simpleks Langkah-langkah penyelesaian dalam metode simpleks adalah dengan menggunakan suatu kerangka tabel yang disebut dengan tabel simpleks. Tabel ini mengatur model ke dalam suatu bentuk yang memungkinkan untuk penerapan penghitungan matematis menjadi lebih mudah

  19. Contoh bentuk tabel simpleks

  20. Langkah-langkah metode simpleks Mengubah bentuk batasan model pertidaksamaan menjadi persamaan. Membentuk tabel awal untuk solusi feasible dasar pada titik orijin dan menghitung nilai-nilai baris zj dan cj – zj. Menentukan kolom pivot (kolom pemutar) dengan cara memilih kolom yang memiliki nilai positif terbesar pada baris cj – zj. Kolom pivot ini digunakan untuk menentukan variabel non-basis yang akan masuk ke dalam variabel basis.

  21. Sehingga pada tabel baru, nilai pivot menjadi 1. Menentukan baris pivot (baris pemutar) dengan cara membagi nilai-nilai pada kolom kuantitas dengan nilai-nilai pada kolom pivot, kemudian memilih baris dengan hasil bagi yang non-negatif terkecil. Baris pivot ini digunakan untuk menentukan variabel basis yang akan keluar dari variabel basis. Perpotongan antara kolom pivot dan baris pivot diperoleh nilai pivot. Mengubah nilai baris pivot yang baru dengan cara :

  22. Menghitung baris-baris zj dan cj – zj. • Menentukan apakah solusi telah optimal dengan cara mengecek baris cj – zj. Jika nilai cj – zj adalah nol atau negatif, maka solusi telah optimal. Tetapi jika masih terdapat nilai positif, maka kembali ke langkah c dan mengulangi kembali langkah-langkah selanjutnya. Menghitung nilai baris lainnya dengan cara :

  23. Contoh 1: Fungsi tujuan : Maks Z = 4 X1 + 5 X2 Fungsi pembatas : X1 + 2 X2 < 40 4 X1 + 3 X2 < 120 X1 , X2 > 0 Selesaikan dengan metode simpleks

  24. Contoh 2: • Fungsi tujuan : Maks Z = 60 X1 + 30 X2 + 20 X3 • Fungsi pembatas : 8 X1 + 6 X2 + X3 < 48 4 X1 + 2 X2 < 20 2 X1 + 1,5 X2 + 1,5 X3 < 8 X2 < 5 X1 , X2 , X3 > 0 Selesaikan dengan metode simpleks

  25. Metode Simpleks (Big-M) (Meminimalkan Z, dengan batasan >) (Masalah Batasan Campuran) Pertemuan 4

  26. Aturan yang dapat digunakan untuk memudahkan penyelesaian:

  27. Contoh 3: • Fungsi tujuan : Min Z = 6X1 + 3 X2 • Fungsi pembatas : 2 X1 + 4X2 > 16 4 X1 + 3 X2 > 24 X1 , X2 > 0 Selesaikan dengan metode simpleks

  28. Contoh 4: • Fungsi tujuan : Maks Z = 400 X1 + 200 X2 • Fungsi pembatas : X1 + X2 = 30 2 X1 + 8 X2 > 80 X1 < 20 X1 , X2 > 0 Selesaikan dengan metode simpleks

  29. Masalah Jenis Program Linier yang Tidak Teratur (Iregular), a.l. : Masalah solusi optimal majemuk (Multiple Optimal Solution) Masalah tidak layak (tidak feasible) Masalah solusi tidak terbatas Masalah dengan kolom pivot dan baris pivot yang sama (seri) Masalah dengan batasan yang mempunyai nilai kuantitas negatif

  30. Masalah solusi optimal majemuk (Multiple Optimal Solution) : • Masalah ini akan ditemui jika fungsi tujuan sejajar dengan fungsi batasan. • Sebagai contoh, dipunyai model program linier sbb. : Fungsi tujuan : Maks Z = 4 X1 + 3 X2 Fungsi pembatas : X1 + 2 X2< 40 4 X1 + 3 X2< 120 X1 , X2> 0

  31. cj Variabel 4 3 0 0 Basis Kuantitas X1 X2 S1 S2 0 S1 10 0 5/4 1 -1/4 4 X1 30 1 3/4 0 1/4 zj 120 4 3 0 1 cj - zj 0 0 0 -1 Diperoleh tabel optimal sbb. :

  32. Pada tabel optimal terlihat bahwa nilai pada baris cj - zj < 0 , dan diperoleh solusi optimal X2 = 0 , X1 = 30, dan Z = 120. Pada tabel optimal terlihat bahwa variabel X2, bukan merupakan variabel basis tetapi pada baris cj – zj mempunyai nilai nol. Hal ini mengindikasikan bahwa solusi optimal yang diperoleh lebih dari satu dan biasa disebut sebagai masalah solusi optimal majemuk (Multiple Optimal Solution).

  33. Untuk mengetahui solusi optimal yang lain, adalah dengan menganggap variabel X2 menjadi kolom pivot, kemudian cari baris pivot seperti biasa. Pemilihan ini menjadikan baris S1 menjadi baris pemutar. Setelah itu, proses penyelesaiannya mengikuti proses penyelesaian seperti biasa

  34. Masalah tidak layak (tidak feasible) Sebagai contoh, dipunyai model program linier sbb. : Fungsi tujuan : Maks Z = 5 X1 + 3 X2 Fungsi pembatas : 4 X1 + 2 X2< 8 X1> 4 X2> 6 X1 , X2> 0

  35. cj Variabel 5 3 0 0 0 -M -M Basis Kuantitas X1 X2 S1 S2 S3 A1 A2 3 X2 4 2 1 1/2 0 0 0 0 -M A1 4 1 0 0 -1 0 1 0 -M A2 2 -2 0 -1/2 0 -1 0 1 zj 12-6M 6+M 3 3/2+M/2 M M -M -M cj - zj -1-M 0 -3/2-M/2 -M -M 0 0 Diperoleh tabel simpleks optimal, yaitu :

  36. Pada tabel simpleks optimal terlihat bahwa nilai-nilai pada baris cj-zj < 0, dan diperoleh solusi X2 = 4 , A1 = 4, dan A2 = 2. Karena pada solusi akhir ini masih ada variabel artifisial (yaitu A1 dan A2), maka solusi ini tidak mempunyai arti apa-apa, dengan kata lain, masalah di atas tidak feasible

  37. Masalah solusi tidak terbatas Dalam beberapa masalah daerah solusi yang feasible dibentuk oleh batasan-batasan model yang tidak tertutup, dimana fungsi tujuan akan naik terus menerus tidak terbatas tanpa mencapai nilai maksimum, mengingat fungsi tujuan tidak akan pernah mencapai batas daerah yang layak (daerah feasible). Sebagai contoh : Fungsi tujuan : Maks Z = 4 X1 + 2 X2 Fungsi pembatas : X1> 4 X2< 2 X1 , X2> 0

  38. cj Variabel 4 2 0 0 Basis Kuantitas X1 X2 S1 S2  4 X1 4 1 0 -1 0 - 0 S2 2 0 1 0 1 - zj 16 4 0 -4 0 cj - zj 0 2 4 0 Diperoleh hasil iterasi 1 adalah:

  39. Dari tabel iterasi 1 tersebut terlihat bahwa nilai rasio  bernilai negatif atau nol, sehingga hal ini mengindikasikan bahwa tidak ada titik “yang paling dibatasi”. Jadi, dapat disimpulkan bahwa masalah ini mempunyai solusi yang tidak tertutup atau disebut juga solusi tidak terbatas.

  40. Masalah dengan kolom pivot dan baris pivot yang sama (seri) Kadangkala dalam pemilihan kolom pivot dan baris pivot terdapat nilai yang sama (seri), maka untuk menyelesaikannya dipilih salah satu secara acak. Dalam hal ini, tidak ada indikasi sebelumnya bahwa pemilihan salah satu dari kolom/ baris pivot memerlukan pengulangan tabel (iterasi) dan perhitungan yang lebih sedikit dari pada kolom/baris pivot lainnya.

  41. Masalah dengan batasan yang mempunyai nilai kuantitas negatif Misalnya dipunyai fungsi batasan sbb. : -6 X1 + 2 X2> -30 Masalah seperti ini dapat diatasi dengan cara mengalikan pertidaksamaan tersebut dengan -1, menjadi : (-1) . (-6 X1 + 2 X2> -30) 6 X1 - 2 X2< 30

More Related