P. 1
ok tugas syafar

ok tugas syafar

|Views: 81|Likes:
Dipublikasikan oleh Andi Muhammad Syafar

More info:

Published by: Andi Muhammad Syafar on Jan 31, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

02/23/2013

pdf

text

original

TUGAS 1-5 METODE OPTIMASI Tugas I Kasus I : Roti Maros dan Jalangkote: Setiap hari dijual x buah Roti Maros

dan y buah Jalang Kote dengan keuntungan masingmasing Rp P dan Rp Q per buah, maka keuntungan total per hari adalah: J(x,y) = Px + Qy Rupiah/hari Dari kasus I (Roti maros dan Jalangkote) yang dijadikan kendala (Constraint) yakni kendala pasokan bahan baku ( tepung dan telur ) yang terbatas. Misalkan untuk membuat 1 unit roti maros diperlukan m1 kg tepung dan n1 butir telur sedangkan untuk membuat 1 unit jalangkote diperlukan m2 kg tepung dan n2 butir telur. Pasokan tepung dibatasi M kg /hari dan telur N butir /hari Susunlah kasus di atas dengan angka-angka sedemikian rupa sehingga ³masuk akal´ dan dapat dicari wilayah ´feasible solution´-nya dan keuntungan maksimum yang dapat diperoleh dari penjualan jalang kote dan roti maros setiap hari. Penyelesaian: Berdasarkan kasus diatas dapat diselesaikan dengan memisalkan keuntungan menjual Roti Maros Rp P /satuan dan Jalan Kote Rp Q /satuan jika terjual x satuan roti maros dan y satuan jalan kote, keuntungan total dapat ditulis dalam bentuk persamaan fungsi keuntungan sebagai berikut : J(x,y) = Px + Qy Langkah pertama di misalkan kendalanya adalah : 1. Ketersediaan tepung : M kg  Untuk membuat 1 satuan roti maros diperlukan m1 kg tepung  Untuk membuat 1 satuan jalan kote diperlukan m2 kg tepung 2. Ketersediaan telur : N butir  Untuk membuat 1 satuan roti maros diperlukan n1 butir  Untuk membuat 1 satuan jalan kote diperlukan n2 butir Berdasarkan pemisalan di atas, dapat dituliskan pertidaksamaan fungsi kendala sebagai berikut: Kendala tepung : m1x + m2y e M Kendala telur : n1x + n2y e N Berdasarkan pertidaksamaan tersebut, dapat dituliskan persamaan garisnya: Kendala tepung : y = -(m1/m2)x + (M/m2) Kendala telur : y = -(n1/n2)x + (N/n2) Misalnya, data-data yang digunakan adalah:
Simbol p Q M N m1 n1 m2 n2 Uraian keuntungan penjualan satu buah roti maros keuntungan penjualan satu buah jalangkote jumlah maksimum tepung yang tersedia setiap hari jumlah maksimum telur yang tersedia setiap hari jumlah tepung yang dibutuhkan membuat satu buah roti maros jumlah telur yang dibutuhkan membuat satu buah roti maros jumlah tepung yang dibutuhkan membuat satu buah jalangkote jumlah telur yang dibutuh untuk membuat satu buah jalangkote Keterangan Rp.100 Rp.100 30 kg 150 Butir 0,05 kg 0,5 butir 0,1 kg 0,3 butir

Dengan data-data tersebut, dapat dirumuskan persamaan : fungsi tujuannya adalah : J(x,y) = Px + Qy = 100x + 100y 1

dengan asumsi tidak ada kerugian atas pembelian sehingga ( x u 0 ; y u 0) Adapun fungsi kendalanya adalah sbb: Kendala tepung : m1x + m2y e M 0,05x + 0,1y e 30 Kendala telur : n1x + n2y e N 0,5x + 0,3y e 150 Sehingga persamaan garisnya adalah: Kendala tepung: y = -(m1/m2)x + (M/m2) Kendala telur : y = -(n1/n2)x + (N/n2) y = -0,5x + 300 y = -1,67x + 500 untuk x = 0 diperoleh : y = untuk x = 0 diperoleh : y = titik potong sumbu y = (0 , 300 ) untuk y = 0 diperoleh : x = titik potong sumbu y = ( 600 , 0) Gambar grafiknya adalah:
y (Jalangkote)

titik potong sumbu y = (0 , 500 ) untuk y = 0 diperoleh : x = titik potong sumbu y = ( 300 , 0)

500 II A 300
B

Pada gambar tersebut, terdapat empat daerah yang berbeda, yakni: Daerah I = kurang tepung; kurang telur Daerah II = cukup tepung; kurang telur Daerah III=cukup telur; kurang tepung Daerah IV= OABC = cukup telur dan cukup tepung I

IV 0 300

III
C kendala telur x (Roti Maros)

600 kendala tepung

Oleh karena itu, daerah yang memenuhi syarat sebagai´feasible solution´-nya adalah daerah IV (bidang OABC) sebab daerah tersebut memenuhi kendala jumlah telur maupun tepung yang tersedia setiap hari. Dalam kasus di atas solusi optimum dapat dicari dengan menelusuri vertex OA, AB, BC, CO. Selain itu titik optimum dapat juga dicari secara grafis dengan menarik garis keuntungan nol melalui titik O (0,0) dari fungsi tujuan, yaitu J(x,y) = Px + Qy = 0 Px + Qy = 0 y = - P/Q x = -100/100x y = -x Berdasarkan persamaan tersebut di atas, maka gambar grafik lengkapnya adalah:

2

y (Jalangkote)

500
J = max J = J2 J = J1 J=0

II A

kendala telur

300
B

I

IV 0 300
fungsi tujuan

III
C x (Roti Maros)

600 kendala tepung

Dengan membuat garis-garis yang sejajar dengan garis J(x,y) = 0 ke atas, maka titik terakhir pada bidang OABC yang berimpit dengan garis J(x,y) tersebut adalah titik B. Oleh karena itu, titik optimum (yang menghasilkan keuntungan maksimum) adalah titik B. Untuk menentukan jumlah Roti maros dan Jalangkote yang harus dijual setiap harinya, maka harus ditentukan koordinat titik optimum dengan cara menyamakan kedua persamaan garis yang melalui titik optimum.  0 ,5 x  300 !  1,67 x  500 -0,5 x + 1,67x = 500 - 300 1,17 x = 200 x = 200/1,17 = 170,9402 = 171 Roti Maros (dibulatkan) -1,67 x + 500 = -1,67 (171) +500 = 214,43 dibulatkan = 214 Jalang Kote (dibulatkan) Jadi, titik optimum (yang menghasilkan keuntungan maksimum) adalah: titik B (171,214). Jumlah bahan (tepung dan telur) yang dibutuhkan untuk membuat: 171 biji Roti Maros 214 biji Jalang Kote, adalah: Fungsi Kendala Tepung: 0,05x + 0,1y e 30 0,05 (171) + 0,1( 214) = 29,95 (e 30 kg) Fungsi Kendala Telur: 0,5x + 0,3y e 150 0,5 (171) + 0,3 (214) = 149,7 ( e 150 butir) Keuntungan maksimum setiap hari adalah dengan mensubsitusikan nilai x dan y pada fungsi tujuan, diperoleh: J (x,y) = 100 x + 100 y J (x,y) = 100( 170,9402 ) + 100 ( 214,43 ) = 38 537,02 dibulatkan menjadi 38540 Jadi keuntungan tiap hari = Rp 38.540,3

Kesimpulan: 1. Kasus roti maros dan jalangkote dengan dua kendala (constraint) yang merupakan ³feasible solution´-nya adalah daerah 0ABC, dengan titik optimum adalah titik B. 2. Keuntungan maksimum untuk jumlah roti maros yang harus dijual setiap hari adalah 171 buah, sedangkan jumlah jalangkote yang harus dijual setiap hari adalah 214 buah. Untuk membuat seluruh bahan kue yang harus digunakan yakni 150 butir telur dan 30 kg tepung. 3. Keuntungan maksimum yang dapat diperoleh setiap hari adalah Rp 38.540,Kasus II : Coto dan Sop Saudara: Mahasiswa di pondokan harus meng-optimal-kan kesehatan badannya dan kesehatan kantongnya. Misalnya mahasiswa tersebut membeli x porsi coto dan y porsi sop saudara setiap pekan, maka biaya yang harus dikeluarkan untuk makan adalah: J(x,y) = Px + Qy rupiah/pekan dimana: P = harga 1 porsi coto Q = harga 1 porsi sop saudara Jika ´jatah´ untuk makan coto dan sop saudara dianggarkan terbatas sejumlah R, maka terdapat fungsi kendala: Fungsi biaya makan: J ( x, y ) ! P x  Q y rupiah/pekan (akan diminimumkan) dimana: P = harga 1 porsi coto Q = harga 1 porsi sop saudara Anggaran yang disiapkan untuk hal itu adalah:

Px 

Qy

e

R

Menurut ahli Gizi, agar tetap sehat seorang mahasiswa harus mengkonsumsi: Karbohidrat minimum K gram Protein minimum N gram Lemak maksimum L gram Sedangkan kandungan Coto dan Sop Saudara per porsinya adalah: Komponen Coto Sop saudara Karbohidrat k1 k2 Protein n1 n2 Lemak l1 l2 Carilah wilayah ´feasible solution´-nya dan tentukan biaya minimum yang harus dikeluarkan oleh mahasiswa tersebut untuk makan coto dan sop setiap pekannya. Penyelesaian: Kendala yang membatasi adalah: Keuangan: x  Qy e R Gizi: Lemak : l1 x l 2 y e L Karbohidrat : k1 x  k 2 y u K Protein : n1 x  n2 y u N Persamaan garisnya adalah: k n K N Kendala karbohidrat: y !  ( 1 ) x  ( ) Kendala protein : y ! ( 1 ) x  ( ) k2 n2 k2 n2 l L y ! ( 1 ) x  ( ) Kendala lemak: l2 l2

 

4

Data-data yang digunakan adalah:
Simbol p q R K L N k1 l1 n1 k2 l2 n2 Uraian Harga satu porsi coto (Rp) Harga satu porsi sop (Rp) Dana maksimum tiap minggu (Rp) Karbohidrat minimum per minggu (gr) Lemak maksimum per minggu (gr) Protein minimum per minggu (gr) Kandungan Karbohidrat dalam 1 porsi coto (gr) Kandungan Lemak dalam 1 porsi coto (gr) Kandungan Protein dalam 1 porsi coto (gr) Kandungan Karbohidrat dalam 1 porsi sop (gr) Kandungan Lemak dalam 1 porsi sop (gr) Kandungan Protein dalam 1 porsi sop (gr) Keterangan 5.000 7.000 125.000 100 150 100 11 9 14 16 8 15

Berdasarkan data-data tersebut maka fungsi biaya makan adalah: J ( x, y ) ! P x  Q y J ( x, y ) ! 5000 x  7000 y Fungsi kendalanya: Px  Qy e R p 5000x  7000y e 125000 Kendala keuangan: Kendala karbohidrat: k1 x  k 2 y u K p 11x  16 y u 100 n1 x  n2 y u N p 14 x  15 y u 100 Kendala Protein: l1 x l 2 y e L p 9 x  8 y e 150 Kendala Lemak: Persamaan garisnya: 5000 125000 R P y = - 0,7143 x + 17,86 x y ! ( ) x  ( ) p y !  Kendala keuangan: 7000 7000 Q Q titik potong sb x = (24,989, 0), sb y = (0, 17,86) dibulatkan menjadi: titik potong sb x = (25, 0), sb y = (0, 17,86) k 11 100 K Kendala karbohidrat: y !  ( 1 ) x  ( ) p y !  x  ! - 0,6875x + 6,25 k2 16 16 k2 titik potong sb x = (9,091, 0) sb y = ( 0 , 6,25) dibulatkan menjadi: titik potong sb x = (10, 0) sb y = ( 0 , 6,25) n 14 100 N Kendala protein : = - 0,933 x + 6,667 y ! ( 1 ) x  ( ) p y ! x  n2 15 15 n2 titik potong sb x = (7,14 , 0) sb y = (0, 6,667) l 9 150 L Kendala lemak: = - 1,125 x + 18,75 y ! ( 1 ) x  ( ) p y ! x  8 8 l2 l2 titik potong sb x = (16,6667 , 0) sb y = ( 0 , 18,75)

5

Grafiknya:

Dari grafik daerah yang memenuhi syarat sebagai´feasible solution´ adalah wilayah yang dibatasi oleh garis AF, FE,ED, DC,CB dan BA sebab daerah tersebut memenuhi 4 kendala di atas. Untuk memperoleh ³ feasible solution ´ dan biaya minimum, maka terlebih dahulu harus dicari titik optimum yang terletak pada salah satu atau beberapa titik pada vertices bidang AFEDCBA. Untuk menemukan titik optimum, maka dibuat persamaan garis dari fungsi biaya, yaitu: J ( x, y ) ! P x  Q y = 5000 x + 7000 y J ( x, y ) = 0 5000 x + 7000 y = 0 y = - 0,714286 x Berdasarkan persamaan tersebut, maka gambar grafik lengkapnya adalah:

Feasible solution

Dengan membuat garis-garis yang sejajar dengan garis J(x,y) = 0 ke atas, maka titik pertama pada bidang AFEDCBA dari ´ feasible solution´ berimpit dengan garis J(x,y) adalah titik E. Jadi, titik optimum (yang menghasilkan fungsi biaya paling minimum dan memenuhi 4 kendala) adalah titik E ( ). 6

Untuk menentukan jumlah Coto Makassar dan Sop Saudara yang harus dikomsumsi oleh mahasiswa setiap pekan adalah dengan cara menyamakan ke dua persamaan garis yang melalui titik optimum E (persamaan garis kendala karbohidrat dan persamaan garis kendala protein). -0,6875x + 6,25 = - 0,9333 x + 6,6667 -0,6875x + 0,9333 x = 6,6667 - 6,25 0,2458 x = 0,4167 x = (0,4167/0,2458) = x = 1,695281 2 (dibulatkan) y = - 0,9333 x + 6,6667 = - 0,9333 (1,695281) + 6,6667 = 5,084494 5 (dibulatkan) Koordinat titik E (2, 5), berarti ada 2 porsi Coto Makassar dan 5 porsi Sop Saudara yang dikonsumsi mahasiswa tiap pekan, dengan kandungan gizi: karbohidrat : (11 x 2)  (16 x5) ! 102 ( " 100 gram ) protein : (14 x 2 )  (15 x 5 ) ! 103 ( " 100 gram ) lemak ( 9 x 2)  (8 x 5 ) ! 58 ( e 150 gra ) Biaya minimum yang harus dikeluarkan setiap pekannya adalah: J ( x, y ) ! 5000 x  7000 y J ( x, y ) ! ( 5000 x 1,695281 )  (7000 x 5,084494 ) = 44067,863 Biaya minimum = Rp. 44067,863 = Rp.44.000,- ( Dibulatkan ) Jadi setiap pekan si mahasiswa mengkonsumsi 2 porsi coto Makassar dan 5 porsi Sop saudara dengan biaya minimum Rp. 45.000,- dan kebutuhan gizi terpenuhi. Kesimpulan: 1. Untuk memenuhi standar gizi yang ditetapkan oleh ³ahli gizi´, dengan biaya minimum, , maka si mahasiswa mengkonsumsi 2 porsi coto Makassar dan 5 porsi Sop saudara setiap pekan. 2. Nilai gizi yang dikonsumsi oleh mahasiswa tersebut setiap pekan adalah: karbohidrat 102 gram, lemak 58 gram, dan protein 103 gram. Sedangkan biaya makan Coto Makassar dan Sop Saudara yang harus dikeluarkan oleh mahasiswa tersebut setiap pekan adalah Rp 44067,863 = Rp.44.000,-(dibulatkan). Tugas II. Aplikasi Linprog untuk mencari nilai Optimum Kasus I Roti Maros dan Jalangkote: Tugas I yang telah dikerjakan sebelumnya kemudian akan diolah kembali dengan menggunakan linear programming (linprog), berikut ini ialah data-data fungsi tujuan dan fungsi kendala dari kasus tRoti Marost dan tJalangkotet: Fungsi Tujuan (keuntungan): J(x,y) = J (x,y) = 100 x + 100 y Fungsi kendala: Kendala tepung: 0,05x + 0,1y e 30 Kendala telur: 0,5x + 0,3y e 150 Tentukan nilai x dan y, sehingga fungsi tujuan J(x,y) menjadi maksimum (optimal) dan memenuhi kendala tepung dan telur . Penyelesaian: Fungsi Biaya: J(X) = 100 X1 + 100 X2 Matriks: J (X) = CT X 7

¡

dimana:

« X1 » «100 » C = [100 100] atau menjadi C = ¬ ¼ ; X ! ¬X ¼ ¬ 2¼ ­100 ½ ­ ½
T

Fungsi kendala: Kendala tepung: Kendala telur: Matriks: Axeb dimana:

0,05x + 0,1y e 30 0,5x + 0,3y e 150

y

«x » « 0.05 0.10 » «30 » A!¬ , x !¬ 1¼; b =¬ ¼ ¼ ¬x 2 ¼ ­ 0.50 0.30 ½ ­ 150 ½ ­ ½ Batas bawah (Lower Boundary, LB)

LB = ¬ ¼ ­0½ y Batas atas (Upper Boundary, UB) «300 » UB = ¬ ¼ ­1500 ½ Fungsi kendala diubah menjadi : 

«0»

Matriks Aeq x = beq
« x1 » ¬x ¼ ¬ 2 ¼ ! « 30 » ¬ x3 ¼ ¬150 ¼ ­ ½ ¬ ¼ ­ x4 ½

«0,05 0,1 1 0 » p¬ ¼ ­ 0,5 0,3 0 1 ½

dimana:

«0,05 0,1 1 0 » « 30 » Matriks Aeq = ¬ ¼ , beq= ¬150 ¼ ­ 0,5 0,3 0 1 ½ ­ ½ Untuk dapat menyelesaikan dengan linprog, digunakan pula matris Aeq dan beq serta penambahan surplus. Karena untuk memaksimumkan suatu fungsi tujuan, maka fungsi tujuan tersebut dijadikan ³negatif´ pada biaya satuan. Secara lengkap dapat dilihat pada listing program berikut:
%Optimisasi Penjualan Roti Maros dan Jalang Kote clear clc A=[-0.05 -0.1 1 0; -0.5 -0.3 0 1]; b=[-30; -150]; f=[100;100;0;0]; Aeq=[0.05 0.1 -1 0; 0.5 0.3 0 -1]; Beq=[30;150]; LB=[0;0;0;0]; UB=[300;1500;0;0]; [X,J,exitflag]=LINPROG(f,A,b,Aeq,Beq,LB,UB) disp('') disp('') disp(' " PENJUALAN Roti Maros DAN Jalang Kote "

')

8

disp( ' ------------------------------------------------------') disp(['Jumlah Roti Maros yang dijual(X1)=' num2str(X(1))]) disp(['Jumlah Jalangkote yang dijual(X2)=' num2str(X(2))]) disp(['Keuntungan Penjualan Maksimum Rp.= ' num2str(J)])

Hasil Listing Matlab : X= 171.4286 214.2857 0 0 J= 3.8571e+004 exitflag = 1 " PENJUALAN Roti Maros DAN Jalang Kote " -----------------------------------------------------Jumlah Roti Maros yang dijual(X1)=171.4286 Jumlah Jalangkote yang dijual(X2)=214.2857 Keuntungan Penjualan Maksimum Rp.= 38571.4286 Kesimpulan : 1. Jumlah roti maros yang dijual berdasarkan hasil linprog= 171,4286 buah sedangkan berdasarkan grafis 170,9402 buah dan jumlah jalangkote yang dijual berdasarkan hasil linprog= 214,2857sedangkan berdasarkan grafis 214,43 buah. 2. Keuntungan penjualan maksimum berdasarkan hasil linprog Rp.38.571,4286 ,-/hari sedangkan pada perhitungan metode grafis diperoleh Rp.38.537,02,Kasus II Coto dan Sop Saudara: Tugas I yang telah dikerjakan sebelumnya kemudian akan diolah kembali dengan menggunakan linear programming (linprog), berikut ini ialah data-data fungsi tujuan dan fungsi kendala dari kasus tCotot dan tSop Saudarat: Fungsi Tujuan: J(x,y) = 5000x + 7000y Fungsi Biaya: J(x) = 5000x1 + 7000x2 Fungsi Kendala : y Kendala keuangan p y Kendala karbohidrat p y Kendala lemak p y Kendala protein p Berubah Menjadi 5000x1 + 7000x2 ” 125000 11x1 + 16x2 u 100 9x1 + 8x2 ” 150 14x1 + 15x2 • 100

Berubah Menjadi 5000x1 + 7000x2 + x3 = 125000 11x1 + 16x2 ± x4 = 100 9x1 + 8x2 + x5 = 150 14x1 + 15x2 ± x6 = 100 Berubah Menjadi 9

«5000 7000 1 0 ¬ 11 16 0  1 ¬ ¬ 9 8 0 0 ¬ 15 0 0 ­ 14 dimana :

0 0» 0 0¼ ¼ 1 0¼ ¼ 0  1½

« x1 » «125000» ¬ x ¼ ¬ 100 ¼ ¬ 2¼ ¬ ¼ ¬ x3 ¼ ¬ 150 ¼ ¬ ¼ !¬ ¼ ¬ x 4 ¼ ¬ 100 ¼ ¬ x5 ¼ ¬ 0 ¼ ¬ ¼ ¬ ¼ ¬ x6 ¼ ¬ 0 ¼ ½ ­ ½ ­

« x1 » « 125000 » ¬x ¼ ¬ 100 ¼ « 5000 7000 1 0 0 0 » ¬ 2¼ ¼ ¬ ¬11 ¬x ¼ ¬ 150 ¼ 16 0 - 1 0 0 ¼ ¼ , x ! ¬ 3 ¼ ; beq = ¬ A !¬ ¼ eq ¬ 9 8 0 0 1 0¼ ¬ x4 ¼ ¬ 100 ¼ ¬ ¼ ¬x ¼ ¬ 0 ¼ 15 0 0 0 - 1 ½ ­ 14 ¬ 5¼ ¼ ¬ ¬ 0 ¼ ¬ x6 ¼ ½ ­ ­ ½ Dari fungsi biaya J(x) = 5000X1 + 7000X2 maka matriks C = [5000 7000] atau

«0 » «125000 » ¬0 ¼ ¬125000 ¼ ¬ ¼ ¼ ¬ ¬0 ¼ ¬125000 ¼ Untuk batas bawah (LB) : ¬ ¼ , dan UB = ¬ ¼ ¬125000 ¼ ¬0 ¼ ¬125000 ¼ ¬0 ¼ ¼ ¬ ¬ ¼ ¬125000 ¼ ½ ­ ­0 ½
Secara lengkap matriks dari fungsi biaya dan kendala ini dapat dilihat pada listing program berikut ini:
%Optimisasi Makan "Coto" dan "Sopsaudara" clear clc A=[5000 7000 0 0 0 0; 11 16 0 0 0 0; 9 8 0 0 0 0; 14 15 0 0 0 0]; b=[125000;100;150;100]; c=[5000;7000;0;0;0;0]; Aeq=[5000 7000 1 0 0 0; 11 16 0 -1 0 0; 9 8 0 0 1 0; 14 15 0 0 0 -1]; beq=b; LB=[0;0;0;0;0;0]; UB=[125000;125000;125000;125000;125000;125000]; [X,J,exitflag0]=LINPROG(c,A,b,Aeq,beq,LB,UB) disp('') disp('')

10

disp(' ( OPTIMASI MAKAN "COTO" dan "SOPSAUDARA" ) ') disp( ' ------------------------------------------------------------------') disp(['Jumlah Porsi Coto/Pekan yang dikonsumsi(X1)=' num2str(X(1))]) disp(['Jumlah Porsi Sopsaudara yang dikonsumsi(X2)=' num2str(X(2))]) disp(['Biaya Konsumsi Minimum Rp.= ' num2str(J)])

Hasil Listing Matlab : X= 1.0e+004 * 0.0002 0.0005 8.0932 0.0000 0.0094 0.0000 J= 4.4068e+004 exitflag0 = 1 ( OPTIMASI MAKAN "COTO" dan "SOPSAUDARA" ) -----------------------------------------------------------------Jumlah Porsi Coto/Pekan yang dikonsumsi(X1)=1.6949 Jumlah Porsi Sopsaudara yang dikonsumsi(X2)=5.0847 Biaya Konsumsi Minimum Rp.= 44067.7966 >> Kesimpulan: 1. Jumlah porsi Coto Makassar yang dikonsumsi berdasarkan hasil linprog= 1,6949 sedangkan berdasarkan grafis 1,695281 dan jumlah porsi sop saudara yang dikonsumsi berdasarkan hasil linprog= 5,0847 sedangkan berdasarkan grafis 5,084494 2. Keuntungan penjualan maksimum berdasarkan hasil linprog Rp.44067,7966 sedangkan pada perhitungan metode grafis diperoleh Rp.44067,863 Tugas III Aplikasi Linear Programming Pada Sistem Tenaga Listrik Soal : Susunlah suatu kasus Linear programming dalam sistem pembangkitan tenaga listrik dengan minimal 7 (tujuh) peubah x, x2, x3«.xn. Selesaikan untuk mencari biaya pemasokan minimum dengan linprog. Jawab : Misalkan ada 4 pembangkitan memasok tenaga listrik ke 4 wilayah yang berbeda :

11

Wilayah Pemb A B C D Beban Puncak (kVA)

Biaya operasional untuk penyaluran daya ke masing-masing wilayah [Rp/kVA] : I C1 C2 C3 P1 II C4 C5 C6 P2 III C7 C8 P3 IV C9 C10 C11 P4

Kapasitas Total (kVA)

QA QB QC QD Qtot Ptot

C1,C2,C3,...., C11 = Biaya operasional [Rp/KVA] P1,P2,P3, dan P4 = Beban puncak masing-masing wilayah [KVA] Ptot = P1+P2+P3+P4 [KVA] QA ,QB ,QC = Kapasitas masing-masing pembangkit [KVA] Qtot = QA + QB + QC [KVA] Asumsi keadaan normal Ptot < Qtot Misalkan jumlah daya yang didistribusikan ke masing-masing wilayah adalah sebagai berikut :
Wilayah Pemb A B C D Beban Puncak (kVA) Biaya operasional untuk penyaluran daya ke masing-masing wilayah [Rp/kVA] : I II III IV 1000 500 1200 1500 500 400 1000 500 250 250 250 300 200 250 250 Kapasitas Total (kVA) 150 250 200 500 Qtot Ptot

Solusi : a). Fungsi biaya J(X) = CTX hanya dengan 7 peubah Misalkan jumlah daya yang didistribusikan ke masing-masing wilayah adalah sebagai berikut :
Wilayah Pembangkit A B C D I X1 X2 P1-X1-X2 II X3 X4 P2-X3-X4 III X5 P3-X5 IV X6 X7 P4-X6-X7

12

Fungsi biaya yang akan diminimumkan berdasarkan 7 fungsi peubah dari tabel diatas : J¶(X) = 1000X1 + 400X2 + 500(300-X1 ± X2 )««. Wilayah I + 500X3 + 1500X4+ 250(200 ± X3± X4)«««. Wilayah II + 1200X5 + 250(250-X5)««««««««« Wilayah III +500 X6 + 1000X7+250 (250-X6-X7) ............ Wilayah IV J(x) = CT X + R, R= (fixed cost),tidak diperhitungkan dalam optimasi, tetapi ditambahkan kemudian jika Joptimum sudah diper oleh Bentuk umum fungsi biaya : J(X)= CTX 
        

;  

; 

R = 500 x 300 + 250 x 200 + 250 x 250 + 250 x 250 = Rp 325.000,Fungsi kendala : Kendala terkait dengan kapasitas beban Pembangkit A : X1+X3+X5 e QA Pembangkit B : X4+X6 e QB Pembangkit C : X2+X7 e QC Pembangkit D : P1-X1-X2+ P2-X3-X4+ P3-X5+ P4-X5-X7 -X1-X2 -X3-X4-X5-X5-X7 Kendala terkait aliran daya sistem interkoneksi : Untuk wilayah I, unit A dan/atau C : P1-X1-X2 u 0 Untuk wilayah II, unit A dan/atau B : P2-X3-X4 u 0 Untuk wilayah III, unit A : P3-X5 u0 Untuk wilayah IV, unit B dan/atau C : P4-X5-X7 u 0 Penyelesaian dengan ³linprog´ dari Matlab: a. Matriks Fungsi tujuan:

e QD; atau e QD - P1 -P2- P3-P4  

;  

; 

b. Matriks Fungsi kendala: Dalam bentuk AX e b, matrik dapat ditulis sebagai berikut : 

      

13

A=

š š š š š š š

„

Untuk penyelesaian dengan linprog dibuatkan batas bawah (LB) dan batas atas (UB), yaitu : Batas bawah (Lower Boundary, LB) Batas atas (Upper Boundary) Batas bawah (Lower Boundary, LB) Batas atas (Upper Boundary)                                

;   

Dalam penyelesaian menggunakan Listing Program Matlab :
%File: Kasus Optimisasi Pembangkitan Tenaga Listrik clear clc A=[1 1 1 0 0 0 0 0 0 0 0 0 0; 0 0 0 1 1 0 0 0 0 0 0 0 0; 0 0 0 0 0 1 1 0 0 0 0 0 0; -1 -1 -1 -1 -1 -1 -1 0 0 0 0 0 0; -1 0 0 0 0 -1 0 0 0 0 0 0 0; 0 0 0 0 0 0 1 0 0 0 0 0 0]; b=[150;250;200;-500;0;250]; f=[500 250 950 1250 250 -100 750 0 0 0 0 0 0]; Aeq=[1 1 1 0 0 0 0 1 0 0 0 0 0; 0 0 0 1 1 0 0 0 1 0 0 0 0; 0 0 0 0 0 1 1 0 0 1 0 0 0; -1 -1 -1 -1 -1 -1 -1 0 0 0 1 0 0; -1 0 0 0 0 -1 0 0 0 0 0 1 0;

14

0 0 0 0 0 0 1 0 0 0 0 0 1]; Beq=[150;250;200;-500;0;250]; LB=[0;0;0;0;0;0;0;0;0;0;0;0;0]; UB=[500;500;500;500;500;500;500;150;250;200;500;350;750]; [X,Jmin,exitflag]=linprog(f,A,b,Aeq,Beq,LB,UB); for Q=0:5:350 for P=0:5:750 b=[150;250;200;-500;-P;250-Q]; Beq=[150;250;200;-500;-P;250-Q]; [X,Ja,exitflag]=linprog(f,A,b,Aeq,Beq,LB,UB); if Ja<Jmin Jmin=Ja end Jtot=Jmin+325000; end end disp(' ') Kasus Optimisasi Pembangkitan ') disp(' disp('====================================================') disp(['Daya pembangkit A untuk wilayah I (X1)= ' num2str(X(1)),' KVA']) disp(['Daya pembangkit A untuk wilayah II (X2)= ' num2str(X(2)),' KVA']) disp(['Daya pembangkit A untuk wilayah III (X3)= ' num2str(X(3)),' KVA']) disp(['Daya pembangkit B untuk wilayah II (X4)= ' num2str(X(4)),' KVA']) disp(['Daya pembangkit B untuk wilayah IV (X5)= ' num2str(X(5)),' KVA']) disp(['Daya pembangkit C untuk wilayah I (X6)= ' num2str(X(6)),' KVA']) disp(['Daya pembangkit C untuk wilayah IV (X7)= ' num2str(X(7)),' KVA']) disp('----------------------------------------------------') disp(['Total Biaya Pembangkitan (Jmin+325000)= Rp.' num2str(Jtot)]) disp(['konvergen terhadap solusi X (exitflag >0)= ' num2str(exitflag)]) disp('----------------------------------------------------')

Hasil Program Matlab : Kasus Optimisasi Pembangkitan ==================================================== Daya pembangkit A untuk wilayah I (X1)= 332.2267 KVA Daya pembangkit A untuk wilayah II (X2)= 0.019305 KVA Daya pembangkit A untuk wilayah III (X3)= 0.00020605 KVA Daya pembangkit B untuk wilayah II (X4)= 70.3193 KVA Daya pembangkit B untuk wilayah IV (X5)= 120.6565 KVA Daya pembangkit C untuk wilayah I (X6)= 321.1026 KVA Daya pembangkit C untuk wilayah IV (X7)= 0.00027319 KVA ---------------------------------------------------Total Biaya Pembangkitan (Jmin+325000)= Rp.380000 konvergen terhadap solusi X (exitflag >0)= -2 --------------------------------------------------->> Kesimpulan 1. Dari hasil optimasi pembangkitan dengan menggunakan listing program didapatkan total biaya pembangkitan sebesar Rp.380.000,-

15

Tugas 4. Buatlah peta jalan suatu kota dengan minimal 20 (dua puluh) persimpangan.

a. Carilah jalur terpendek dari A ke B menelusuri jalan untuk memasang kabel JTM b. Jika akan ditempatkan lampu jalan disetiap persimpangan, tentukan penempatan trafo sehingga kabel distribusi ke semua persimpangan paling dekat. (block city) c. Seorang pengawas berangkat dari persimpangan yang ada trafonya, singgah disemua persimpangan minimal sekali, kemudian kembali ke tempat trafo. Carilah jalur terpendek. PENYELESAIAN

Penyelesaian:
a. Jalur terpendek dari A ke B menelusuri untuk transmisi 20 kV dapat diselesaikan dengan menggunakan (The shortest path problem).

Gambar-1. Peta Jalan suatu kota dengan 20 titik persimpangan

16

Pada metode ini jarak terpendek dari A ke B dapat dihitung dengan cara berhitung jarak terpendek dari B menuju ke A

Gambar 2. Metode The shortest path problem Dengan menggunakan routing antara 2 (dua) titik yang dimulai dari akhir (titik B) maka akan diperoleh jalur terpendek seperti terlihat dalam tabel berikut:
Menuju ke B, dari B T O H I J K A Jalur í TíB OíTíB HíOíTíB IíHíOíTíB JíIíHíOíTíB KíJíIíHíOíTíB AíKíJíIíHíOíTíB Jarak (meter) 0 85 160 210 275 355 405 450

Jalur terdekat dari titik A ke B ialah AíKíJíIíHíOíTíB = 450 meter b. Apabila lampu jalan ditempatkan disetiap persimpangan dan penempatan trafo distribusi dengan jumlah kabel distribusi yang digunakan sedikit ke setiap persimpangan maka penempatan trafo distribusi tersebut harus berada pada jalur terpendek dari yang sudah diperoleh, kemungkinan penempatan trafo itu pada titik JíIíHíO.
Ke Titik A B C D E F J 95 355 55 145 195 285 Jarak terdekat dari: I H 175 240 275 210 135 200 65 130 115 50 205 140 O 295 155 255 185 105 195

17

G H I J K L M N O P Q R S T Total

235 145 80 0 50 125 45 130 200 265 200 110 205 270 3190

155 65 0 80 130 205 125 50 120 185 280 190 125 190 2870

90 0 65 145 195 270 190 115 55 120 345 255 190 125 3130

140 55 120 200 250 260 180 95 0 65 335 245 165 70 3370

Dari tabel di atas terlihat bahwa Jumlah yang paling sedikit ialah pada titik I sebesar 2870 meter, dengan demikian untuk menghemat jumlah kabel yang digunakan maka satu set trafo tersebut harus ditempatkan pada titik I. Penempatan trafo tersebut diperlihatkan pada gambar berikut :

Gambar 3. Metode The block city police patrol problem c. Bilamana seorang pengawas berangkat dari persimpangan yang ada trafonya, kemudian singgah disemua persimpangan minimal sekali dan selanjutnya kembali ke tempat trafo dengan menggunakan paling sedikit BBM maka route perjalanannya dapat dilihat pada tabel berikut:
Route IíJíCíAíKíLíQíRíMíNíSíTíBíPíOíHíGíFíEíDíI IíDíEíFíGíHíOíPíBíTíSíNíMíRíQíLíKíAíCíJíI IíHíEíFíGíPíBíTíOíNíSíRíQíLíMíJíKíAíCíDíI Jarak 1590 1590 1570

18

IíHíOíTíBíPíGíFíEíDíCíAíKíJíMíLíQíRíSíNíI IíJíMíRíQíLíKíAíCíDíEíFíGíHíOíPíBíTíSíNíI IíNíSíRíQíLíMíJíKíAíCíDíEíFíGíPíBíTíOíHíI IíNíSíTíBíPíOíHíGíFíEíDíCíAíKíLíQíRíMíJíI IíJíKíAíCíDíEíFíGíHíOíPíBíTíSíRíQíLíMíNíI IíNíMíJíCíAíKíLíQíRíSíTíBíPíOíHíGíFíEíDíI IíNíOíHíEíFíGíPíBíTíSíRíQíLíMíJíKíAíCíDíI IíDíCíAíKíJíMíLíQíRíSíNíOíTíBíPíGíFíEíHíI IíHíGíFíEíDíCíAíKíJíMíLíQíRíSíTíBíPíOíNíI

1565 1605 1565 1605 1650 1575 1560 1570 1635

Dari tabel terlihat bahwa jarak terpendek yang ditempuh oleh petugas dengan menggunakan motor dan menggunakan BBM yang sedikit yaitu pada route : IíNíOíHíEíFíGíPíBíTíSíRíQíLíMíJíKíAíCíDíI dengan jarak 1560 meter, route perjalanannya diperlihatkan pada gambar.

Gambar 4. Metode The traveling Salesmen problem Kesimpulan : 1. Routing The shortest path problem dapat diketahui Jalur terdekat dari titik A ke B ialah AíKíJíIíHíOíTíB = 450 meter 2. Routing The block city police patrol problem Jumlah yang paling sedikit ialah pada titik I sebesar 2870 meter, dengan demikian untuk menghemat jumlah kabel yang digunakan maka satu set trafo tersebut harus ditempatkan pada titik I 3. Routing The traveling Salesmen problem. jarak terpendek yang ditempuh oleh petugas dengan menggunakan motor dan menggunakan BBM yang sedikit yaitu pada route IíNíOíHíEíFíGíPíBíTíSíRíQíLíMíJíKíAíCíDíI dengan jarak 1560 meter

19

Tugas 5. Metode Searching Susunlah suatu kasus penembakan meriam ( Vmin, Vmax, , min, maks, P, Q, dan S). (Tentukan sendiri). Kemudian gunakan ke-3 metode searching untuk salah satu dari versi fungsi biaya untuk mendapatkan tabel ( , Vo) yang seminimum mungkin biayanya. Dengan asumsi sampel data hasil penelitian dari S, g, Vomin, Vomaks, min, maks, P, Q, dan R sebagai berikut : Jenis Biaya/Penalty Nilai Biaya Satuan P 3000 Rp Q 500 Rp R 200 Rp 0,01 rad Emin 1,5 rad Emaks V0-min 15 m/sec V0-maks 45 m/sec S 700 m g 9,8 m/sec2 . J (E , V0 ) dicari dengan tiga Metode: 1. Line (golden ) Searching Method 2. Steepest Descent Method 3. Monte Carlo (acak) Method

Penyelesaian : Solusi : Fungsi biaya yang akan diminimasi ialah: J(E, V0)   J(E, V0) J(E, V0)
E 



E

E

E

Nilai dari P, Q, dan R dimasukkan dalam persamaan fungsi biaya maka J(E, V0) E E  J(E, V0) dengan kendala : 00 e Emin e E e Emax e 900 V0-min e V0 e V0-max Menggunakan Line(Golden) Searching Method J(E, V0) E  E E  E

Fungsi biaya tersebut disubsitusikan dalam program MatLab menggunakan Method Golden Searching, dengan listing program berikut:
% Penentuan sudut elevasi, kecepatan awal dan biaya minimum % Using Line Searching Method or Golden Searching Method % Searching Alpha,Vo clear

20

clc x=input('input jarak sasaran tembak (m)='); alphalb=input('input nilai batas minimum alpha (rad) ='); alphaub=input('input nilai batas maksimum alpha (rad)='); Volb=input('input nilai batas minimum Vo ='); Voub=input('input nilai batas maksimum Vo ='); N=input('input jumlah step='); dalpha=(alphaub-alphalb)/N; dVo=(Voub-Volb)/N; No=0; clc g=9.8; disp('Biaya Optimun Penembakan Meriam J(alpha,Vo)') disp('Using Line (Golden) Searching Method ') disp(['Jarak Tembak = ' num2str(x),' meter']) disp('============================================================'); Sudut Elevasi Kecepatan Biaya minimum '); disp('No. disp(' (deg) Vo(m/det) Jmin (Rp) '); disp('============================================================'); disp(' '); for alpha=alphalb:dalpha:alphaub for Vo=Volb:dVo:Voub end Biaya=250/g*Vo^(2)*(1/2-(1/2)*cos(2*alpha))+400/g*Vo*sin(alpha)+3000*Vo format short g No=No+1; sudut=alpha*180/pi; kecepatan=sqrt((g*x)/sin(2*alpha)); fprintf('%g%' ,No), disp([sudut, kecepatan, Biaya]) end disp('============================================================')

HASIL LOADING PROGRAM Biaya Optimun Penembakan Meriam J(alpha,Vo) Using Line (Golden) Searching Method Jarak tembak = 700 meter ============================================================ No. Sudut Elevasi Kecepatan Biaya minimum (deg) Vo(m/det) Jmin (Rp) ============================================================ 1 0.57296 585.68 1.3502e+005 2 9.11 148.12 1.3659e+005 3 17.647 108.96 1.403e+005 4 26.184 93.071 1.4587e+005 5 34.721 85.595 1.5281e+005 6 43.258 82.902 1.6052e+005 7 51.795 84.01 1.6834e+005 8 60.332 89.304 1.756e+005 9 68.87 101 1.8166e+005 10 77.407 126.96 1.86e+005 11 85.944 220.48 1.8823e+005 ============================================================ Catatan 21

y y y y y y

Jarak sasaran tembak (S) = 700 m Nilai batas minimum alpha (rad) = 0.01 Nilai batas maksimum alpha (rad) = 1.55 Nilai batas minimum Vo (rad) = 15 Nilai batas maksimum Vo (rad) = 45 Biaya penembakan meriam yang diperoleh pada E = 34,7210 dan adalah Jmin = Rp1.5281e+005

V0 = 85,595 m/det

Menggunakan Method Steepest Descent J(E, V0) E  E

Sudut E = 0.606 rad yang menghasilkan biaya minimum pada Line Searching di atas digunakan untuk mencari biaya minimum dalam program MatLab dengan menggunakan Method Steepest Descent, dengan listing program berikut:
% Penentuan sudut elevasi, kecepatan awal dan biaya minimum % Using Steepest Descent Method % Searching alpha,Vo clear clc x=input('input jarak sasaran tembak (m)= '); alphalb=input('input nilai batas minimum alpha (rad) ='); alphaub=input('input nilai batas maksimum alpha (rad) ='); Volb=input('input nilai batas minimum Vo ='); Voub=input('input nilai batas maksimum Vo ='); % Penentuan titik awal penembakan alpha=input('input nilai awal alpha ='); Vo=input('input nilai awal Vo ='); dalpha=0.05; dVo=0.05 No=0; clc g=9.8; disp('Biaya Optimun Penembakan Meriam J(alpha,Vo)') disp('Using Steepest Descent Method')
disp(['Jarak Tembak = ' num2str(x),' meter'])

disp('========================================================='); disp('No. Sudut Elevasi Kecepatan Biaya minimum '); disp(' (deg) Vo(m/det) Jmin (Rp) '); disp('========================================================='); disp(' '); for alpha=alphalb:dalpha:1-dalpha for Vo=-1+dalpha:dVo:Voub end Biaya=250/g*Vo^(2)*(1/2-(1/2)*cos(2*alpha))+400/g*Vo*sin(alpha)+3000*Vo format short g No=No+1; sudut=alpha*180/pi; kecepatan=sqrt((g*x)/sin(2*alpha)); fprintf('%g%' ,No), disp([sudut, kecepatan, Biaya])

22

end disp('=========================================================')

HASIL LOADING PROGRAM Biaya Optimun Penembakan Meriam J(alpha,Vo) Using Steepest Descent Method Jarak Tembak = 700 meter ============================================================ No. Sudut Elevasi Kecepatan Biaya minimum (deg) Vo(m/det) Jmin (Rp) ============================================================ 1 0.57296 585.68 1.3502e+005 2 3.4377 239.38 1.353e+005 3 6.3025 177.3 1.3582e+005 4 9.1673 147.67 1.366e+005 5 12.032 129.71 1.3763e+005 6 14.897 117.5 1.3889e+005 7 17.762 108.66 1.4037e+005 8 20.626 102 1.4206e+005 9 23.491 96.863 1.4394e+005 10 26.356 92.857 1.46e+005 11 29.221 89.725 1.4821e+005 12 32.086 87.3 1.5055e+005 13 34.95 85.469 1.5301e+005 14 37.815 84.152 1.5555e+005 15 40.68 83.299 1.5815e+005 16 43.545 82.879 1.6078e+005 17 46.41 82.875 1.6343e+005 18 49.274 83.289 1.6606e+005 19 52.139 84.135 1.6865e+005 ============================================================ Catatan y Jarak sasaran tembak (S) = 700 m y Nilai batas minimum alpha (rad) = 0.01 y Nilai batas maksimum alpha (rad) = 1.55 y Nilai batas minimum Vo (rad) = 15 y Nilai batas maksimum Vo (rad) = 45 y Biaya penembakan meriam yang diperoleh pada E = 32.0860 dan V0 = 87.300 m/det adalah Jmin = Rp1.5055e+005 Menggunakan Method Monte Carlo (Acak) J(E, V0) E 

E

Fungsi biaya yang digunakan pada Method golden searching di atas disubsitusikan dalam program matlab Method Monte Carlo dengan listing program berikut:
% Penentuan sudut elevasi, kecepatan awal dan biaya minimum

23

% Using Monte Carlo Method % Searching alpha, Vo clear clc x=input('input jarak sasaran tembak (m)= '); alpha=input('input nilai batas alpha ='); alphalb=0;alphaub=1.5; Vo=input('input nilai batas Vo ='); Volb=0;Voub=45; No=0; clc g=9.8; disp('Biaya Optimun Penembakan Meriam J(alpha, Vo)') disp('Using Monte Carlo Method') disp(['Jarak Tembak = ' num2str(x),' meter']) disp('============================================================'); Sudut Elevasi Kecepatan Biaya minimum '); disp('No. disp(' (deg) Vo(m/det) Jmin (Rp) '); disp('============================================================'); disp(' '); for i=0.00:1.55 for j=0.01:i alpha(i)=(alphaub-alphalb)*rand(i)+alphalb; Vo(i)=(Voub-Volb)*rand(1)+Volb; end Biaya=250/g*Vo^(2)*(1/2-(1/2)*cos(2*alpha))+400/g*Vo*sin(alpha)+3000*Vo format short g No=No+1; sudut=alpha*180/pi; kecepatan=sqrt((g*x)/sin(2*alpha)); fprintf('%g%' ,No), disp([sudut, kecepatan, Biaya]) end disp('============================================================')

HASIL LOADING PROGRAM Biaya Optimun Penembakan Meriam J(alpha, Vo) Using Monte Carlo Method Jarak Tembak = 700 meter ============================================================ No. Sudut Elevasi Kecepatan Biaya minimum (deg) Vo(m/det) Jmin (Rp) ============================================================ 1 34.721 85.595 4748.6 2 1.5903 351.63 1.1096e+005 ============================================================ Catatan y Jarak sasaran tembak (S) = 700 m y Nilai batas alpha (rad) = 0.606 y Nilai batas maksimum Vo (rad) = 1.564 y Biaya penembakan meriam minimum yang diperoleh pada E = 34.7210 dan V0 = 85.595 m/det dengan Jmin = Rp 4748.6 24

Tabel : Perbandingan Biaya minimum pada tiga metode berbeda
Line Searching Method Penentuan Nilai [E ]
o

Steepest Descent Method

Monte Carlo Method

Vo (m/det)

Jmin (Rp)

[E ]

o

Vo (m/det)

Jmin (Rp)

[E ]

o

Vo (m/det)

Jmin (Rp)

¢

J( E , vo)

34,721

5,595

1,5281e+5

32,086

87,300

1,5055e+5

34,721

85,595

4748,6

25

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->