LINIER  PROGRAMMING
This presentation is the property of its rightful owner.
Sponsored Links
1 / 56

LINIER PROGRAMMING PowerPoint PPT Presentation


  • 132 Views
  • Uploaded on
  • Presentation posted in: General

LINIER PROGRAMMING. by : wasis a. latief. PENDAHULUAN. Tujuan utama suatu usaha bisnis : memaksimumkan laba atau meminimumkan biaya. Untuk itu,pasti usaha itu memiliki berbagai kendala sumberdaya

Download Presentation

LINIER PROGRAMMING

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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Linier programming

LINIER PROGRAMMING

by : wasis a. latief


Linier programming

PENDAHULUAN

  • Tujuanutama suatu usaha bisnis : memaksimumkan laba atau

  • meminimumkan biaya.

  • Untuk itu,pasti usaha itu memiliki berbagai kendala sumberdaya

  • Baik tujuan maupun kedala pada umumnya dalam kondisi deterministik.

  • Suhubungan dengan itu, Linier Programming (LP) memberikan solusi dalam pengambilan keputusan usaha bisnis tersebut .

  • Linier programming adalah suatu teknik atau cara yang membantu dalam keputusan mengalokasi sumberdaya yang dimiliki perusahaan.

  • Sumberdaya tersebut meliputi misalnya, mesin-mesin, tenaga kerja, uang, waktu, kapasitas gudang (ruangan), material , dll., yang akan digunakan untuk memproduksi barang (sandang, pangan, papan, dll) atau jasa (rencana pengiriman dan produksi, keputusan investasi, kebijakan advertensi, dll)


Linier programming

Persyaratan Yang Diperlukan Dalam L P :

1. Perusahaan mempunyai tujuan,yaitu memaksimumkan

laba atau miminimumkan biaya

2. Perusahaan mempunyai kerterbatasan atau kendala

sumberdaya dalam mencapai tujuan.

3. Perusahaan mempunyai keputusan atau kegiatan

alternatif, salah satu diantaranya dipakai atau dipilih

untuk mencapai tujuan.

4. Tujuan dan kendala dinyatakan dalam hubungan

persamaan ( = ) dan pertidaksamaan ( < / > )

matematik yang linier.


Linier programming

Beberapa Asumsi Yang Berlaku Dalam LP :

1.Kondisi-kondisi bisnis dalam perusahaan dalam kepastian dimana

nilai-nilai, jumlah-jumlah dalam fungsi tujuan dan kendala diketahui

dengan pasti (deterministik), tidak berubah selama periode analisis.

2.Hubungan dalam fungsi tujuan dan kendala adalah proporsional

dalam bentuk matematik yang linier, contoh :

L = 10 X  jika X = 2, maka L = 20

jika X = 4, maka L = 40

M < 60X  jika X = 2, maka M < 120

jika X = 5, maka M < 300

3.Bentuk fungsi tujuan dan kendala besifat aditivity, artinya jumlah

total nilai kegiatan = penjumlahan dari nilai-nilai kegiatan individu :

L = $3 X1 + $5 X2  Jika X1 = 10 dan X2 = 20, maka

L = $3(10) + $5(20) = $ 130.

4.Barang dan jasa yang dihasilkan (variabel keputusan) harus positif

bukan negatif (non negatively) paling tidak nol (tidak menghasilkan)


Linier programming

Sejarah Linier Program

LP telah dikembangkan sebelum perang dunia II oleh matematikawan Rusia, A.N. Kolmogorov dan Leonid Kantorovic penerima nobel “Optimasi Perencanaan”.

Dalam aplikasi berikutnya LP dikembangkan oleh Stigler (1945) dalam persoalan Diit (kesehatan).

Perkembangan berikutnya (1947), George D. Dantzig mengembang kan solu-sinya dengan metode simplex. Jasa Dantzig ini luar biasa sehingga kita kenal sampai sekarang dengan istilah “Linier Program-ming”. Dia seorang matema-tikawan di Angkatan Udara Inggris menja- bat sebagai kepala Pengendali Analisis Perang Angkatan Udara. Saat itu militer memerlukan sekali program perencanaan latihan militer, pemasokan peralatan dan amunisi, penempatan unit-2 tempur. Dantzig memformulasikan sistem pertidaksamaan linier.

Setelah perang dunia II aplikasi dalam dunia bisnis luar biasa, misalnya dalam usaha pengolahan, jasa, pertanian, dll.

Tahun 1984 N.Karmarkar mengembangkan model yang lebih su-perior dari metode simplex utk berbagai aplikasi yg lebih luas.


Linier programming

Model Formulasi

Model LP berisikan beberapa komponen dan karakteristik tertentu.

Komponen adalah Fungsi Tujuan dan Fungsi Kendala, yg didalamnya

terdapat Variabel Keputusan dan Parametrer.

Variabel Keputusan adalah simbul matematik dari kegiatan yang

dilakukan oleh perusahaan, misalnya : X1 = jml. Radio, X2 = jml.

Televisi dan X3 = jml Kulkas yang akan diproduksi

Parameter adalah nilai-nilai di depan variabel keputusan yang pada

dasarnya sudah diketahui.

Fungsi Tujuan merupakan hubungan matematika linier yg menggam-

barkan tujuan perusahaan baik memaksimumkan laba atau memi-

nimumkan biaya untuk membuat variabel keputusan.

Fungsi Kendala juga merupakan hubungan linier antar variabel kepu-

tusan yg menggambarkan keterbatasan sumberdaya.

Misalnya, keterbatasan dlm. jumlah Tenaga Kerja utk mempro-

duksi radio sebesar 40 jam/hari selama periode produksi.

Nilai-nilai Konstanta dalam fungsi tujuan atau kendala juga merupa-

kan parameter.


Linier programming

METODE GRAFIK

PERSOALAN MAKSIMASI . CONTOH : PERUSAHAAN XYZ

Sebuah industri XYZ berkecimpung dalam proses produksi dua macam produk, yaitu produk A dan B. Kedua produk tesebut dapat dijual masing-masing dengan harga Rp 3000,00 per unit. Dalam proses produksinya diperlukan tiga macam departemen, yaitu Departemen P yang memiliki 3 unit mesin tipe P, Departemen Q memiliki 6 unit mesin tipe Q dan Departemen R memiliki 9 unit mesin tipe R. Lama waktu pemakaian mesin mesin tersebut berbeda untuk setiap produk.

Produk A memerlukan waktu 2 jam untuk proses produksinya pada mesin tipe P, kemudian 2 jam pada mesin tipe Q dan 4 jam pada mesin tipe R. Sedangkan untuk produk B memerlukan waktu 1 jam pada mesin tipe P, kemudian 3 jam pada mesin tipe Q dan 3 jam pada mesin tipe R. Lamanya waktu mesin-mesin tersebut berope-rasipun sangat terbatas, yaitu mesin tipe P beroperasi selama 10 jam per hari per mesin, kemudian mesin tipe Q dapat beroperaasi 10 jam per hari per mesin dan mesin tipe R beroperaasi selama 8 jam per hari per mesin.

- Rumuskan persoalan tsb. dalam model program linier (formula matematika) !

- Gambarlah persoalan LP tersebut dan Hitunglah berapa produk A dan B harus

dijual sehingga penerimaannya maksimal


Linier programming

Metode Grafik / Maksimasi

Dari contoh persoalan LP di atas, dapat diringkas pada tabel berikut :

Kemudian dengan lebih mudah dapat disusun formulasi matematisnya :

Max. TR = 3000A + 3000B

Stc. P : 2A + B < 30

Q : 2A + 3B < 60

R : 4A + 3B < 72

A , B > 0


Linier programming

Metode Grafik / Maksimasi

GAMBAR FUNGSI KENDALA

Max. TR = 3000A + 3000B

Stc. P : 2A + B < 30

Q : 2A + 3B < 60

R : 4A + 3B < 72

A , B > 0

P : 2A + B < 30

Jika A = 0 , maka B = 30

Jika B = 0 , maka A = 15

2A + B < 30

R : 4A + 3B < 72

Q : 2A + 3B < 60


Linier programming

Metode Grafik / Maksimasi

FISIBLE AREA dan ISO REVENUE

TR = 3000A + 3000B  B = TR/3000 - A

0 = 3000(0) + 3000(0)

45000 = 3000(15) + 3000(0)

60000 = 3000(0) + 3000(20)

63000 = 3000(9) + 3000(12)

66000 = 3000(6) + 3000(16)

P

> 66000 = IMPOSIBLE

B

Solusi : Produk A = 6 unit

Produk B = 16 unit

TR = $ 66000

Evaluasi Sumberdaya :

P : 2(6) + 1(16) = 28 jam  sisa 2 jam

Q : 2(6) + 3(16) = 60 jam  persis

R : 4(6) + 3(16) = 72 jam  persis

Q

R

A


Keputusan beralternatif

Metode Grafik / Maksimasi

1) Antara titik A dan B

KEPUTUSAN BERALTERNATIF

2) Antara titik B dan C

3) Antara titik C dan D

A •

B •

C •

D •


Variabel slack

Metode Grafik / Maksimasi

  • Ingat bahwa solusi terjadi pada titik ekstrim, di mana garis persamaan

  • kendala berpotongan satu sama yang lain atau berpotongan dengan

  • sumbu pada grafk. Jadi dalam hal ini, kendala-kendala tsb. lebih

  • dipertimbangkan sebagai persamaan daripada pertidaksamaan.

  • Prosedur baku untuk merubah pertidaksamaan kendala menjadi

  • persamaan, adalah dengan menambah sebuah variabel baru ke dalam

  • masing-masing kendala, yang disebut sebagai variabel slack.

  • - Untuk contoh perusahaan XYZ di muka, model kendala adalah :

  • P : 2A + B < 30

  • Q : 2A + 3B < 60

  • R : 4A + 3B < 72

  • Penambahan sebuah variabel slack, S1 pada kendala P, S2 pada

  • kendala Q dan S3 pada kendala R hasilnya dapat dilihat sbb. :

  • P : 2A + B + S1 = 30

  • Q : 2A + 3B + S2 = 60

  • R : 4A + 3B + S3 = 72

Variabel Slack


Linier programming

Metode Grafik / Maksimasi

  • Variabel slack S1, S2 dan S3 merupakan nilai yang diperlukan untuk

  • membuat sisi sebelah kiri persamaan menjadi sama dengan sisi sebelah

  • kanan. Misalnya secara hipotetis, A = 9 dan B = 10.

  • Masukkan kedua nilai itu kedalam persamaan :

  • P : 2(9) + 10 + S1 = 30 S1 = 2

    • Q : 2(9) + 3(10) + S2 = 60 S2 = 12

    • R : 4(9) + 3(10) + S3 = 72 S3 = 6

  • - Dalam contoh di atas, menghasilkan solusi yang tidak menghabiskan

  • jumlah sumberdaya. Pada kendala P hanya menggunakan 28 jam, berarti

  • sisa 2 jam yang tidak digunakan. Jadi S1 merupakan jumlah waktu yang

  • tidak digunakan pada sumberdaya P atau disebut slack P.

  • Demikian juga pada kendala Q dan R masing-masing mempunyai slack Q

  • dan slack R sebagai sisa 12 jam dan 6 jam yang tidak digunakan.

  • Jika perusahaan belum melakukan kegiatan produksi, maka seluruh

  • kapasitas sumberdaya masih utuh, sehingga slacknya masing-masing

  • sebesar 30, 60 dan 72 jam


Linier programming

Metode Grafik / Maksimasi

Pengaruh Variabel Slack Terhadap Fungsi Tujuan

Fungsi tujuan dari contoh adalah : TR = 3000 A + 3000 B. Koefisien 3000 dan 3000, masing-masing merupakan kontribusi TR setiap A danB. Lalu, apa wujud kontribusi variabel slack S1 dan S2 ?. Variabel slack tidak mempunyai kontribusi apapun terhadap TR sebab variabel slack merupakan sumberdaya yg tidak digunakan. TR dicapai hanya setelah sumberdaya digunakan dlm proses produksi. Dengan demikian variabel slack dalam fungsi tujuan dapat ditululis :

TR = 3000A + 3000 B + 0S1 + 0S2 + 0S3

Seperti halnya pada variabel keputusan (A dan B), variabel slack berni-lai non-negative, sebab tidak mungkin sumberdaya itu negatif. Oleh karenanya, model formulasinya :

A, B , S1, S2 dan S3 > 0

Dengan adanya varibel slack, model LP baku secara lengkap dapat ditulis sbb.:

Maksimumkan : TR = 3000 A + 3000 B + 0S1 + 0S2 +0S3

Kendala : 2A + B + S1 < 30

2A + 3B + S2 < 60

4A + 3B + S3< 72

A, B , S1, S2 dan S3 > 0


Linier programming

Metode Grafik / Maksimasi

Max. TR = 3000 A + 3000B

Kendala : 2A + B + S1 < 30

2A + 3B + S2 < 60

4A + 3B + S3< 72

A, B , S1, S2 dan S3 > 0

A = 0

B = 20

TR = 60000

S1 = 10

S2 = 0

S3 = 12

A = 6

B = 16

TR = 66000

S1 = 2

S2 = 0

S3 = 0

w

A = 9

B = 12

TR = 63000

S1 = 0

S2 = 6

S3 = 0

X

Y

A = 15

B = 0

TR = 45000

S1 = 0

S2 = 30

S3 = 12

Z


Linier programming

Metode Grafik / Minimasi

KASUS MINIMASI

Contoh : Perusahaan Rodio

Perusahaan Rodio memproduksi 2 macam bahan pelarut (A dan B). Untuk memproduksi kedua bahan tersebut memerlukan sumberdaya Minyak Tanah paling tidak memerlukan 24 liter, Damar minimal 20 liter dan dan Spiritus paling sedikit diperlukan 24 liter. Kebutuhan minyak tanah untuk setiap unit bahan pelarut A diperlukan 8 liter dan bahan pelarut B diperlukan 6 liter, kebutuhan Damar untuk setiap unit bahan pelarut A sebanyak 10 liter dan bahan pelarut B sebanyak 4 liter, dan kebutuhan Spiritus untuk setiap unit bahan pelarut A sebanyak 6 liter dan bahan pelarut B sebanyak 12 liter. Kalau biaya produksi per unit bahan pelarut A dan B masing sebesar Rp 80 dan Rp 100, berapa bahan pelarut A dan B harus diproduksi agar biaya produksi minimal. Selesaikan persoalan ini dengan gambar, evaluasi pula penggunaan bahan bakunya.


Linier programming

Metode Grafik / Minimasi

GAMBAR FUNGSI KENDALA

Min. TC = 80A + 100B

Stc. MT : 8A + 6B > 24

D : 10A + 4B > 20

S : 6A + 12B > 24

A , B > 0

MT : 8A + 6B > 24

B > 4 – 4/3 A

B

A

D : 10A + 4B > 20

B > 5 - 2,5 A

B

B

S : 6A + 12B > 24

B > 2 - 0,5 A

A

A


Linier programming

Metode Grafik / Minimasi

GAMBAR FUNGSI KENDALA

Min. TC = 80A + 100B

Stc. MT : 8A + 6B > 24

D : 10A + 4B > 20

S : 6A + 12B > 24

A , B > 0

MT : 8A + 6B > 24

B > 4 – 4/3 A

B

A

D : 10A + 4B > 20

B > 5 - 2,5 A

B

B

S : 6A + 12B > 24

B > 2 - 0,5 A

A

A


Fisible area dan iso cost

Metode Grafik / Minimasi

Solusi Optimal :

B.Pelarut A = 2,4 unit

B.Pelarut B = 0,8 unit

TC min = 80 (2,4) + 100(0,8) = Rp 272

Penggunaan Sumberdaya :

MT = 8(2,4) + 6(0,8) = 24 Lt.  persis

D = 10(2,4) + 4(0,8) = 27,2 Lt.  > 20

S = 6(2,4) + 12(0,8) = 24 Lt.  persis

FISIBLE AREA dan ISO COST

( 2, 4 ; 0,8 )


Metode simplek

PENDAHULUAN

Kenyataan yang sering dihadapi oleh para manajer dalam pengambilan keputusan adalah kompleks.

Keputusan yang harus diambil tidak hanya untuk 2 variabel saja, bisa saja lebih, sementara metode grafik terbatas hanya 2 demensi atau paling banyak mencakup 3 variabel.

Untuk mengatasi persoalan linier programming yang kompleks jelas menjadi tidak sederhana.

Satu cara sederhana (simple) dan efisien yang dapat menyelesaikan persoalan adalah dengan Metode Smplex, di mana metode ini menggunakan tabel yang unik yang sering disebut “Tabel Simplek”

METODE SIMPLEK


Metode simplek1

Metode simplek untuk linier programming dikembangkan pertama kali oleh George Dantzing pada tahun 1947, kemudian digunakan juga pada penugasan di Angkatan Udara Amerika Serikat. Dia mendemonstrasikan bagaimana menggunakan fungsi tujuan (iso-profit) dalam upaya menemukan solosi diantara beberapa kemungkinan solosi sebuah persoalan linier programming.

Proses penyelesaiaanya dalam metode simplek, dilakukan secara berulang-ulang (iterative)sedemikian rupa dengan menggunakan pola tertentu (standart) sehingga solusi optimal tercapai.

Ciri lain dari metode simplek adalah bahwa setiap solosi yang baru akan menghasilkan sebuah nilai fungsi tujuan yang lebih besar daripada solosi sebelumnya.

METODE SIMPLEK


Menyusun solusi awal

Metode Simplek / Maksimasi

MENYUSUN SOLUSI AWAL

Langkah 1. Menyususun Persoalan Dalam Matematik

Maksimumkan : TR = 3000 A + 3000 B

Kendala : P : 2A + B < 30

Q : 2A + 3B < 60

R : 4A + 3B < 72

A , B > 0

Untuk memperoleh pengertian yang lebih mudah dan cepat, dalam pembahasan ini kita gunakan persoalan yang meliputi 2 variabel riil saja(sekedar untuk cross cek)

Dengan menggunakan contoh kasus perusahaan XYZ di muka, penyelesaian dapat dilakukan dengan beberapa langkah :


Linier programming

Metode Simplek / Maksimasi

Langkah 2. Mengubah Pertidaksamaan menjadi Persamaan

Mengandung pengertian : tidak selalu kapasitas SD digunakan seluruhnya, diantaranya masih ada yang tersisa  ada kelong-garan (slack) untuk menambah sebuah variabel sehingga menjadi persamaan. Variable baru ini disebut Variabel Slack

Variabel Slack = sejumlah unit kapasitas yang tidak dipakai dalam suatu Departemen/ SD.

Misal : SP = waktu yang tidak dipakai dlm. Dep. P  SP = 30 - 2A - B

SQ = waktu yang tidak dipakai dlm. Dep.Q  SQ = 60 - 2A - 3B

SR = waktu yang tidak dipakai dlm. Dep. R  SR = 72 - 4A - 3B

Atau dari persamaan diatas dapat disusun :

2A + B + SP = 30

2A + 3B + SQ = 60

4A + 3B + SR = 72


Linier programming

Metode Simplek / Maksimasi

  • Variabel Slack ini harus dimasukkan dalam fungsi tujuan dan kendala. Koefisien setiap variabel pada kedua fungsi tsb. harus terlihat dengan jelas. Oleh karena itu, untuk variabel yang tidak mempunyai pengaruh terhadap persamaan, koefisiennya harus ditulis dengan “nol”, sehingga tidak merubah hakekatnya.

  • Misalkan, karena : SP, , SQ, dan SR tidak menghasilkan TR, SQ, dan SR tidak berpengaruh terhadap Dep. P, SP dan SR tidak berpengaruh terhadap Dep. Q, dan SP, dan SQ tidak berpengaruh terhadap Dep. R, maka fungsi tujuan dan kendala dapat ditulis sbb. :

  • TR = 3000 A + 3000 B + 0 SP + 0 SQ+ 0 SR.

  • P : 2A + B + 1 SP+ 0SQ + 0SR = 30

  • Q : 2A + 3B + 0SP+ 1SQ + 0SR = 60

  • R : 4A + 3B + 0SP+ 0SQ + 1SR = 72


Linier programming

Metode Simplek / Maksimasi

TR = 3000 A + 3000 B + 0 SP + 0 SQ + 0 SR .

P : 2A + B + 1 SP + 0SQ + 0SR = 30

Q : 2A + 3B + 0SP + 1SQ + 0SR = 60

R : 4A + 3B + 0SP + 0SQ + 1SR = 72

Langkah 3. Memasukkan Fungsi Tujuan dan Kendala ke Tabel Simplek

Zj =  aij . Bi

Sollusi Awal, belum berproduksi, Zj = 0


Mengembangkan solusi kedua

Metode Simplek / Maksimasi

  • Solusi awal menunjukkan perusahaan masih belum berproduksi.

  • Selanjutnya kita akan melakukan perubahan sehingga TR

    sebagai tujuan tercapai lebih baik.

  • Jika tabel yang telah diperbaiki masih ada kemungkinan dirubah

    untuk mencapai tujuan yang lebih baik lagi,maka perubahanpun

    terus berlanjut sampai tercapai solusi yang optimal.

  • Tahap-tahap perubahan dari tabel satu ke tabel yang lain disebut

    “pivoting”.

  • Perhitungan solusi kedua dapat diikuti dengan langkah-langkah

    berikut ini.

MENGEMBANGKAN SOLUSI KEDUA


Linier programming

Metode Simplek / Maksimasi

  • Langkah 1. Menentukan Variabel Riil yang akan dimasuk-

  • kan dalam solusi (going in)

  • Secara rasional, memilih varibel riil yang tepat adalah variabel

    yang mempunyai kontribusi menambah laba/TR atau

    mengurangi biaya yang paling besar.

  • Dengan memilih nilai-nilai baris Cj - Zj pada kolom variabel riil

    yang terbesar, mengindikasikan adanya peningkatan laba/TR

    yang lebih baik.

  • Oleh karena Nilai Cj - Zj untuk kedua kolom variabel riil A dan

    B sama, maka bisa kita pilih salah satu.

  • Misalnya saja, kita tentukan kolom B, maka kolom B tersebut

    dinamakan “kolom optimum”, yang bakal pertamkalinya

    masuk dalam kolom variabel basis.


Linier programming

Metode Simplek / Maksimasi

  • Langkah 2. Menentukan Variabel yang akan diganti (going out)

  • Pertama kali, kita membagi nilai-nilai dalam kolom variabel

    basis dengan nilai-nilai pada kolom optimum, dan kemudian

    hasil bagi-hasil bagi tersebut kita pilih yang paling kecil.

  • Baris yang mempunyai nilai “Ri” terkecil bakal diganti atau

    dikeluakan dari variabel basis.

Baris SP : 30 / 1 = 30

Baris SQ : 60 / 3 = 20  dikeluarkan

Baris SR : 72 / 3 = 24

Elemen-elemen (nilai) pada basis SP, SQ dan SR di bawah kolom optimum, disebut elemen interseksi-onal, yang akan beerperan dalam perhitungan nilai nilai pada tabel berikutnya.


Linier programming

Aplikasi Langkah 1 dan Langkah 2

Langkah 1 : menentukan kolom optimum (going in)

Langkah 2 : menentukan baris optimum (going out)


Linier programming

Menentukan / Menghitung :

- Nilai baris baru yang masuk :

NBBM = NBL : N Insek :

60/3 = 20 ; 2/3 = 2/3 ; 3/3 = 1;

0/3 = 0 ; 1/3 = 1/3; 0/3 = 0

- Nilai baris baru yang lain :

NBBL=NBL (N Intsek x NBBM)

Baris Sp :

30  ( 1 x 20) = 10

2  ( 1 x 2/3) = 1 1/3

1  ( 1 x 1) = 0

1  ( 1 x 0) = 1

0  ( 1 x 1/3) = -1/3

0  ( 1 x 0) = 0

Baris Sr :

72  ( 3 x 20) = 12

4  ( 3 x 2/3) = 2

3  ( 3 x 1) = 0

0  ( 3 x 0) = 0

0  ( 3 x 1/3) = -1

1  ( 3 x 0) = 1


Mengembangkan solusi ketiga

Menentukan / Menghitung :

- Kolom optimum :

pilih nilai Cj - Zj yang terbesar

- Baris yang diganti :

Pilih nilai Ri yang terkecil

Ri = nilai Q / kolom optimum

- Nilai baris baru yang masuk :

NBBM = NBL : N Insek :

12/2 = 6 ; 2/2 =1 ; 0/2 = 0;

0/2 = 0;-1/2 = - 0,5; 1/2 = 0,5

MENGEMBANGKAN SOLUSI KETIGA

- Nilai baris baru yang lain :

NBBL= NBL(N Intsek x NBBM)

Baris Sp :

10  (1,33 x 6) = 2

1,33  (1,33 x1) = 0

0  (1,33 x 0) = 0

1  (1,33 x 0) = 1

- 0,33  (1,33 x -0,5) = 0,33

0  (1,33 x 0,5) = - 0.67

Baris B :

20  (0,67 x6) = 16

0,67  (0,67 x 1) = 0

1  (0,67 x 0) = 1

0  (0,67 x 0) = 0

0,33  (0,67 x - 0,5) =0,67

0  (0,67 x 0,5) = - 033

NILAI-NILAI Cj - Zj < 0  SOLUSI OPTIMAL


Linier programming

INTERPERTASI EKONOMI TABEL SIMPLEK

Nilai2 pada Baris Cj-Zj di bawah ko-lom vaibel riil menunjukkannilai produk marginal :

Jika positif menunjukkan kemung-kinan tambahan TR jika variabel riil ditambah 1 unit

Jika negatif menunjukkan pengura-ngan TR jikavariabel riil ditambah 1 unit

Nilai2 pada Kolom Q Tabel 3 :

Baris Sp = 2 (Sisa Sbrdaya P)

Baris B = 16 (Jml Prduksi B)

Baris A = 6 (Jml Prduksi A)

Baris Zj = 66000 (TR max.)

Anga-angka dalam kwadran matrik (input-outpu) atau diberi simbul aij menunjukkan MRTS atau Koefisien Teknologi antara kegiatan pada kolom dengan sbrdaya pada baris.

Nilai2 Negatif pada Baris Cj-Zj di bawah kolom variabel Slack :

menunjukkan tambahan TR yg dapat dicapai jika ditambahkan 1 jam lagi pada departemen diwakili variabel slack

Nilai2 di baris Zj menggambarkan berkurangnya TR (oportunity cost) akibat tambahan 1 unit kegiatan riil atau disposal


Linier programming

Metode Simplek / Minimasi

CONTOH : PERUSAHAAN PNT

Perusahaan Nutrisi Ternak (PNT) khusus menghasilkan makanan campuran sebagai makanan tambahan, mendapat pesanan makanan campuran "141-B" dengan ukuran/paket 200 pon. Makanan Campuran tersebut terdiri dari dua bahan ramuan , yaitu P (sumber protein) dan C (sumber karbohidrat).

Biaya bahan protein sebesar $ 3 per pon, sedang bahan karbohidrat sebesar $ 8 per pon. Dalam makanan campuran itu kandungan Protein (P) tidak boleh melebihi 40 % dan kandungan bahan Carbohidrat (C) paling tidak tersedia 30 %. Persoalan PNT adalah menetapkan berapa banyak masing-masing bahan digunakan agar biaya minimal.

  • FORMULASI MATEMATIKA PERSOALAN ( IDENTIFIKASI)

  • Minimumkan : Cost = $ 3P+ $ 8C

  • Kendala : P + C = 200 pon

    • P < 80 pon

    • C > 60 pon

    • P dan C > 0


Linier programming

Metode Simplek / Minimasi

SOLUSI AWAL

  • Merubah persamaan dan pertidaksamaan pada kendala

  • Untuk tanda Persamaan ( = ) harus ditambah dengan

  • variabel Artifisial (A)

  • Untuk Pertidaksamaan”lebih besar sama dengan” ( > )

  • harus dikurangi variabel surplus(S) dan ditambah

  • variabel Artifisial (A)

  • Untuk Pertidaksamaan kurang sama dengan ( < ) harus

  • ditambah variabel slack (S)

Untuk Kendala : P + C = 200  P + C + A1 = 200

P < 80  P + S1 = 80

C > 60  C  S2 + A2 = 60


Linier programming

Metode Simplek / Minimasi

SOLUSI AWAL

Koefisien teknologi (para meter) masing-masing variabel , secara ekplisit harus ditulis, dengan ketentuan yang tidak ada pengaruhnya ditulis nol

Nilai biaya untuk variabel Artifisial diberi nilai yang sangat besar (M), dan untuk variabel Slack/Surplus = 0

Secara lengkap :

Minimize: Cost = 3P + 8C + 0S1 + 0S2 + MA1 + MA2

P + C + A1 = 200

P + S1 = 80

C  S2 + A2 = 60

P, C, S1, S2, A1, A2> 0


Linier programming

SOLUSI TABEL SIMPLEK

Metode Simplek / Minimasi


Linier programming

SOLUSI TABEL SIMPLEK

Metode Simplek / Minimasi


Linier programming

DUALITAS ANTARA MAKSIMASI dan MINIMASI

Untuk setiap permasalahan optimasi yang mempunyai kendala/pembatas, akan terdapat “permasalahan dual”, yaitu dengan memaksimasi atau meminimasi fungsi ken-dala dan fungsi tujuan sebelumnya menjadi kendalanya.

Hubungan ini disebut sebagai dualitas (duality)

Permasalahan yang pertama disebut dengan “primal” dan permasalahan kedua disebut dengan “dual”.

Jadi misalnya, jika permasalahan primalnya adalah maksimasi tujuan dengan kendala tertentu, maka sekarang menjadi dual, yaitu minimasi kendala dengan kendalanya adalah fungsi tujuannya.

Demikian sebaliknya, jika permasalahan primalnya adalah menimasi tujuan dengan kendala tertentu, maka sekarang menjadi maksimasi kendala dengan fungsi tujuan sebagai kendalanya.


Linier programming

Dengan demikian dalam sebuah pemodelan Pemrograman Linear, terdapat dua konsep yang salingberlawanan. Konsep yang pertama kitasebut Primal dan yang kedua Dual.BentukDual adalah kebalikan dari bentuk Primal. Hubungan Primal dan Dual sebagaiberikut:

Masalah Primal (atau Dual)Masalah Dual (atau Primal)

Koefisien fungsi tujuan …………… Nilai kanan fungsi batasan

Maksimumkan Z (atau Y) ………… Minimumkan Y (atau Z)

Batasan i ……………………………Variabel yi (atau xi)

Bentuk < …………………………. yi > 0

Bentuk = ……………………………yi > dihilangkan

Variabel Xj ………………………. .Batasan j

Xj > 0 ……………………………….Bentuk <

Xj > 0 dihilangkan …………………Bentuk =


Linier programming

Contoh 1:

Primal

Minimumkan Z = 5X1 + 2X2 + X3

Fungsi batasan: 1) 2X1 + 3X2 + X3> 20

2) 6X1 + 8X2 + 5X3>30

3) 7X1 + X2 + 3X3>40

X1 , X2 , X3 > 0

Dual

Maksimumkan Z ’ = 20Y1 + 30Y2 + 40Y3

Fungsi batasan: 1)2Y1 + 6Y2 + 7Y3 < 5

2)3Y1 + 8Y2 + Y3<2

3) Y1 + 5Y2 + 3Y3<1


Linier programming

CONTOH : ( Ek. Mikro)

PRIMAL

DUAL

Minimumkan : B = 30L + 40C

Kendala : 300 = L . C

L dan C optimum = ?

Jawab

Slope Isoquant = Slope Budget Line

d C/ d L = PL/ PC

 300/ L2 = 30/ 40

L2 = 400

Jadi : L = (400)1/2 = 20 dan

C = 15

Bmin. = 30(20) + 40 (15 )

= 1200

Maksimumkan : Q = L . C

Kendala : 1200 = 30L + 40C

L dan C optimum = ?

Jawab

Slope Isoquant =Slope Budget Line

 MPL/ MPC = PL/ PC

 C/ L = 30/ 40

C = 3/ 4 L

1200 = 30L + 40 (3/ 4 L )

1200 = 60L

Jadi : L = 20 dan C = 15

Q max. = 20 x 15 = 300


Linier programming

CONTOH : USAHA KATERING (RANGSUM)

  • Kasus Primal sebuah usaha kesehatan dalam rangka membuat susunan rangsum dari berbagai bahan makanan dengan biaya murah adalah sbb. :

  • Minimumkan : Z = 150X1 + 100X2+350X3+250X4+ 320X5

  • Kendala :

  • Protein : 8,3 X1 + 246 X2 + 17,2 X3 + 5,2 X4 + 2,01 X5> 70

  • Karbohidrat : 5 X1 + 26 X2 + 595 X3 + 3,1 X4 + 4 X5> 3000

  • Lemak : 0,4 X1 + 793 X2 + 14,8 X3 + 0,6 X4 + 0,16 X5> 800

  • Vitamin : 6 X1 + 93 X2 + 61,6 X3 + 6,8 X4 + 2,05 X5> 40

  • Zat Besi : 24,9 X1 + 243 X2 + 810 X3 + 16,4 X4 + 0,57 X5> 12

    • Dimana : X1 = Nasi X4 = Buah

    • X2 = Sayur X5 = Susu

    • X3 = Lauk pauk

    • Buatlah model Dual persoalan di atas, dan selesaikan !


Linier programming

JAWAB :

Maksimumkan : Z’ = 70Y1 + 3000Y2 + 800Y3 + 40Y4 + 12Y5

Kendala :

X1 : 8,3 Y1 + 5,0 Y2 + 0,4 Y3 + 6,0 Y4 + 24,9 Y5 < 150

X2 : 246 Y1 + 26 Y2 + 793 Y3 + 93 Y4 + 243 Y5 < 100

X3 : 17,2 Y1 + 595 Y2 + 14,8 Y3 + 61,6 Y4 + 810 Y5 < 350

X4 : 5,2 Y1 + 3,1 Y2 + 0,6 Y3 + 6,8 Y4 + 16,4 Y5 < 250

X5 : 2,01 Y1 + 4 Y2 + 0,16 Y3 + 2,05 Y4 + 0,57 Y5 < 320

Y1 , Y2, Y3, Y4 , Y5> 0


Linier programming

SOLUSI


Linier programming

Semoga bermanfaat

dan

Selamat Belajar


Linier programming

Soal N0. 8

Perusahaan mebel Jati Indah memproduksi meja dan kursi dari sumberdaya tenaga kerja dan kayu. Perusahaan memiliki kapasitas terbatas untuk tenaga kerja 80 jam perhari dan 36 Kg kayu perhari. Permintaan atau penjualan kursi terbatas 6 kursi per hari. Untuk memproduksi satu unit kursi memerlukan 8 jam tenaga kerja dan 2 Kg kayu, sedang setiap satu meja memerlukan 10 jam tenaga kerja dan 6 Kg kayu. Laba yang diperoleh untuk setiap meja sebesar Rp 40.000 dan untuk setiap kursi sebesar Rp 50.000. Perusahaan ingin menetapkan jumlah meja dan kursi yang harus dijual agar memperoleh laba maksimum.

a. Formulasikan model LP untuk persoalan ini.

b. Selesaikan persoalan ini dengan analisis grafik.


Linier programming

SOAL N0. 8


Linier programming

Soal N0.12

Perusahaan Kimia Farma memproduksi sebuah obat dengan ramuan dua bahan. Setiap bahan berisi tiga antibiotik yang sama tapi berbeda dalam proporsinya. Satu gram bahan 1 menyumbangkan 3 unit dan bahan 2 menyumbangkan1 unit antibiotik 1; obat membutuhkan 6 unit. Sedikitnya 4 unit antibiotik 2 dibutuhkan, dan per gram bahan masing-masing menyumbang 1 unit. Paling sedikit 12 unit antibiotik 3 diperlukan; satu gram bahan 1 menyumbang 2 unit, dan satu gram bahan 2 menyumbang 6 unit. Biaya per gram bahan 1 dan bahan 2 masing-masing Rp 80.000 dan Rp 50.000. Kimia Farma ingin memformulasikan model LP untuk menetapkan jumlah (gram) ma-sing-masing bahan yang harus digunakan dalam pembuatan obat agar biaya campuran antibiotik itu serendah mungkin.

a. Formulasikan model LP untuk persoalan ini.

b. Selesaikan persoalan ini dengan menggunakan analisis grafik.


Linier programming

Soal N0.12


Linier programming

KASUS UCP


Linier programming

KASUS Giman Piza


Linier programming

KASUS Toko Perhiasan


Linier programming

KASUS Obat


Linier programming

KASUS Usaha Ternak

Min. TC = 60A + 100K

Stc. Pr : 20 A + 40 K > 30

Lm : 2 A + 0,5 K > 1

Prod. : 1 A + 1 K < 1

A, K ,> 0


Linier programming

KASUS Della & Pandu

Mak. L = 2C + 2T

Stc. K : 8 C + 6 T < 120

Tom : 3 C + 6 T < 90

B : 3 C + 2 T < 45

Prod : 1 C + 1 T < 24

C, T > 0


Linier programming

KASUS Untitled

Mak. L = 3 X + 2 Y

Stc. A : 3 X + 2 Y < 120

F : 1 X + 2 Y < 80

Pro X : 1 X + 0 Y > 10

Pro Y : 0 X + 1 Y > 10

X, Y > 0


  • Login