P. 1
Risetoperasi 2 Linear Programming Metode Grafik

Risetoperasi 2 Linear Programming Metode Grafik

|Views: 81|Likes:
Dipublikasikan oleh Pie Indriani

More info:

Published by: Pie Indriani on Oct 08, 2011
Hak Cipta:Attribution Non-commercial

Availability:

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

04/22/2012

pdf

text

original

RESEARCH(BY LISWAR HAMID SE,MM

)
William J. Stevenson

Operations Management OPERATIONS

8th edition

LINEAR PROGRAMMING

suatu model umum yang dapat digunakan dalam pemecahan masalah pengalokasian sumber-sumber yang terbatas secara optimal. Masalah tersebut timbul apabila seseorang diharuskan untuk memilih atau menentukan tingkat setiap kegiatan yang akan dilakukannya, dimana masing-masing kegiatan membutuhkan sumber yang sama sedangkan jumlahnya terbatas

Dalam model LP dikenal 2 (dua) macam “fungsi”,

1.

2.

Fungsi tujuan adalah fungsi yang menggambarkan tujuan sasaran di dalam permasalahan LP yang berkaitan dengan pengaturan secara optimal sumberdayasumberdaya, untuk memperoleh keuntungan maksimal atau biaya minimal. Pada umumnya nilai yang akan dioptimalkan dinyatakan sebagai Z. Fungsi batasan merupakan bentuk penyajian secara matematis batasan-batasan kapasitas yang tersedia yang akan dialokasikan secara optimal ke berbagai kegiatan.

a11 a21 a31 … am1 C1 X1 MODEL LP n a1n a2n a3n … amn Cn Xn Kapasitas Sumber b1 b2 b3 … bm Model Matematis??? . ….Kegiatan Sumber 1 1 2 3 … m ΔZ pertambahan tiap unit Tingkat kegiatan Pemakaian sumber per unit Kegiatan (keluaran) 2 a12 a22 a32 … am2 C2 X2 3 a13 a23 a33 … am3 C3 X3 …. …. …. ….

+ a1nXn 2. X2 ≥ 0.+ a2nXn ….+ CnXn ≤ b1 ≤ b1 ≤ bm Batasan : 1. Xn ≥ 0 . a21X11+ a22X2 + a33X3 + ….am1X11+ am2X2 + am3X3 + …. a11X11+ a12X2 + a13X3 + ….. m. ……….+ amnXn dan X1 ≥ 0.Model Matematis   Fungsi tujuan:  Maksimumkan Z = C1X1+ C2X2+ C3X3+ ….

Additivity nilai tujuan tiap kegiatan tidak saling mempengaruhi. atau dalam LP dianggap bahwa kenaikan dari nilai tujuan (Z) yang diakibatkan oleh kenaikan suatu kegiatan dapat ditambahkan tanpa mempengaruhi bagian nilai Z yang diperoleh dari kegiatan lain . Proportionality naik turunnya nilai Z dan penggunaan sumber atau fasilitas yang tersedia akan berubah secara sebanding (proportional) dengan perubahan tingkat kegiatan 2.Asumsi-asumsi Dasar Linear Programming 1.

meskipun jarang dengan tepat . Demikian pula dengan nilai Z yang dihasilkan 4.Asumsi-asumsi Dasar Linear Programming 3. Deterministic (Certainty) Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model LP (aij. bi Cj) dapat diperkirakan dengan pasti. Divisibility keluaran (output) yang dihasilkan oleh setiap kegiatan dapat berupa bilangan pecahan.

Sumbangan terhadap laba setiap lusin sepatu merek I1 = Rp 30. Yang pertama merek I1. dan mesin 3 membuat bagian atas sepatu dan melakukan assembling bagian atas dengan sol. Mesin 1 membuat sol karet. dan merek I2 dgn sol kulit. mesin 2 membuat sol kulit. dan mesin 3 adalah 30 jam.LINEAR PROGRAMMING DENGAN Contoh METODE GRAFIK Perusahaan sepatu membuat 2 macam sepatu. kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama 6 jam. Jam kerja maksimum setiap hari mesin 1 adalah 8 jam. Sedang untuk sepatu merek I2 tidak diproses di mesin 1.00 sedang merek I2 = Rp 50. Masalahnya adalah menentukan berapa lusin sebaiknya sepatu merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan laba. .000. Setiap lusin sepatu merek I1 mula-mula dikerjakan di mesin 1 selama 2 jam.00. tetapi pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin 3 selama 5 jam. dgn sol karet. mesin 2 adalah 15 jam.000. Diperlukan 3 macam mesin.

Bentuk Tabel Merek Mesin 1 2 3 Sumbangan laba I1 (X1) 2 0 6 3 I2 Kapasitas (X2) Maksimum 0 8 3 15 5 30 5 .

Bentuk Matematis   Maksimumkan Z = 3X1 + 5X2 Batasan (constrain) (1) 2X1 8 (2) 3X2  15 (3) 6X1 + 5X2  30 .

X2  0 0 4 Gambar di atas merupakan bagian yang memenuhi batasan-batasan: X1  0. X2  0 dan 2X1  8 X1 .Fungsi batasan pertama (2 X1  8) X2 2X1 = 8 2X1  8 dan X1  0.

Fungsi batasan (2 X1  8). 6X1 + 5X2  30. 3X2  15. X1  0 dan X2  0 X2 6X1 + 5X2 = 30 2X1 = 8 6 D 5 C 3X2 = 15 Daerah feasible B 0 A 4 5 X1 .

1. MENCARI KOMBINASI Dengan menggambarkan fungsi tujuan YANG OPTIMUM X2 2X1 = 8 6X1 + 5X2 = 30 3X1 + 5X2 = 20 10 = 3X1 + 5X2 6 D 5 C 3X2 = 15 4 Daerah feasible B 0 A 4 5 X1 .

Substitusikan batasan (3). Substitusikan batasan (3). X2 = 0 Nilai Z = 3(4) + 0 = 12 5 X1 . X1 = 0 Nilai Z = 3(0) + 5(5) = 25 6 D 5 C 3X2 = 15 Titik B: X1 = 4.5 Titik D: Pada titik ini nilai X2 = 5. Jadi nilai X1 = (30 –25)/6 = 5/6. Nilai Z = 3(4) + 5(6/5) =18 Daerah feasible Titik A: B 0 A 4 Pada titik ini nilai X1 = 4.2. Jadi nilai X2 = (30 –24)/5 = 6/5. MENCARI KOMBINASI YANG Dengan membandingkan nilai Z pada tiap-tiap alternatif OPTIMUM Z = 3X + 5X 1 2 X2 6X1 + 5X2 = 30 2X1 = 8 Titik C: X2 = 5. maka 6(4) + 5X2 = 30. maka 6X1 + 5(5) = 30. Nilai Z = 3(5/6) + 5(5) = 27.

Fungsi batasan bertanda “lebih besar atau sama dengan (  ) : Contoh X2 6X1 + 5X2 = 30 2X2 = 8 Batasan ketiga (6X1 + 5X2  30) diubah ketidaksamaannya menjadi 6X1 + 5X2  30 6 C B Daerah feasible 5 3X2 = 15 A 0 4 5 X1 .

Fungsi batasan bertanda “sama dengan” ( = ) X2 6X1 + 5X2 = 30 2X2 = 8 6 C B 3X2 = 15 4 2 A 0 4 5 X1 .

. tidak semua masalah mengenai alokasi sumber daya terbatas dapat di rumuskan sebagai suatu pendekatan linier progremming. Selanjutnya. dan teknik nya sudah di akui secara luas.Kesimpulan :    Pemrograman Linear merupakaan teknik yang ampuh untuk mengatasi alokasi sumber daya terbatas di antara kegiatan-kegiatan bersaingan dan juga masalah-masalah lain yang mempunyai rumusan matematis yang serupa. Akan tetapi. Teknik ini menjadi peralatan standar yang penting bagi banyak organisasi bisnis dan industri. maka dapat menggunakan model pemrograman matematis yang lain diantara adalah simplex. Apabila satu atau lebih pemrograman linear di langgar. hampir semua organisasi sosial berkepentingan dengan mengalokasi sumber daya dalam suatu konteks tertentu.

≤.=) .METODE SIMPLEX KEUNGGULAN METODE SIMPLEX :  Metode simplex dapat digunakan untuk penyelesaian 2 variabel atau lebih  Dapat digunakan bagi kasus sederhana dengan penyimpangan atau tidak(fungsi batas ≥.

CARA PENGGUNAAN METODE SIMPLEKS  UBAHLAH BENTUK LINIER KEDALAM BENTUK STANDAR CB Cb1 Cb2 Cb3 .cbi VD S1 S2 S3 si CJ bj B1 B2 B3 bi c1 a1 A11 A21 A31 ai1 c2 a2 A12 A22 A32 ai2 c3 a3 A13 A23 A33 ai3 c4 dst cj aj A1j A2j A3j aij . .

Lanjut simplek Sederhanakan kasus yang ada dengan cara :  Masukkan semua fungsi tujuan dan fungsi kendala dalam tabel simplex  Tentukan kolom kunci. Min = nilai pada kolom kunci/nilai pada kolom kunci  Bagikan semua angka baru pada baris kunci dengan kunci  Angka baru =nilai baris lama.angka baru xkeofesien pada kolom kunci  Tentukan solusi optimal sehingga nilai baris pada tujuan lebih besar dari nol(zj-cj ≥ 0) .yaitu kolom kunci yang mempunyai angka terbesar bertanda negatif  Tentukan baris kunci yang memiliki indek terkecil yang dipilih.

KASUS I Merek Mesin 1 2 I1 (X1) 2 0 I2 (X2) 0 3 Kapasitas Maksimum 8 15 3 Sumbangan laba 6 3 5 5 30 .

MERUBAH FUNGSI Maksimumkan Z = 3X1 + 5X2 Z-3X1+5X2 =0 Batasan (constrain) (1) 2X1 8 = 2X1+S1 =8 (2) 3X2  15 =3X2+S2=15 (3) 6X1 + 5X2 30 =6X1+5X2 +S3 =30 .

yaitu kolom kunci yang mempunyai negatif terbesar Tentukan baris kunci yang memiliki indek terkecil yang dipilih.angka baru xkeofesien pada kolom kunci Tentukan solusi optimal sehingga nilai nilai baris pada tujuan lebih besar dari nol(zj-cj 0) .Pemecahan kasus simplek         Masukkan semua fungsi kendala dalam tabel simplek Masukkan nilai fungsi tujuan Tentukan kolom kunci. Min = nilai pada kolom kunci/nilai pd kol kunci Bagikan smua angka baru pada baris kunci dengan kunci Angka baru =nilai baris lama.

LANJUT  NILAI KOLOM TERBESAR BERTANDA NEGATIF Z = -5 VD Z Z S1 S2 S3 1 0 0 0 X1 X2 S1 -3 2 0 6 -5 0 3 5 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 NK 0 8 15 30 .

KOLOM TERPILIH     BARIS SI =8/0 =~ S2=15/3=5 S3=30/5=6 DARI KOLOM NILAI TERKECIL BERTANDA POSITIP ADALAH PADA BARIS S2 BARIS KUNCI YANG BARU ADALAH( 0 1 0 1/3 0 5 ) -3 -5 0 0 0 0 2 0 1 0 0 8 0 1 0 1/3 0 5 X( -5)0 1 0 1/3 0 5 X 0 -3 0 0 5/3 0 25 2 0 1 0 0 8    .

LANJUT ENYELESAIAN SIMPLEK 6 5 0 1 6 0 0 0 1 30 0 1/3 0 5 X-(5) 0 -5/3 1 5 .

TABEL PERBAIKAN I  NILAI KOLOM TERBESAR BERTANDA NEGATIF Z = -3 Vd z x1 x2 s1 s2 s3 nk 0 8 z 1 -3 0 2 0 0 1 0 0 1 0 0 5/3 0 25 0 S1 0 x2 0 s3 0 6 1/3 0 5 -5/3 1 5 .

Tabel perbaikan II        KOLOM KUNCI ADA PADA -3 BARIS KUNCI S1 =8/2 =4 S2= 5/0 = ~ S3= 5/6 TERPILIH -3 0 0 5/3 0 25 1 0 0 -5/3 1 5/6 X-(-3) 0 0 0 -10 3 27.5 .

LANJUT TABEL II VD Z S1 X2 X1 Z 1 0 0 0 X1 0 0 0 1 X2 0 0 1 0 S1 0 1 0 0 S2 -10 -10/3 1/3 -10 S3 3 2 0 1/6 NK 27.5 6 1/3 5 5/6 .

- . AGAR MENGHASILKAN LABA SEBESAR RP 275.KESIMPULAN  DARI HASIL ANALISIS DIATAS MAKA PERUSAHAAN HARUS MEMPRODUKSI SEPATU KARET 5/6 LUSIN DAN SEPATU KULIT 5 LUSIN.000.

=) OLEH KARENA ITU PERLU DIRUBAH DIMANA < MENJADI = DENGAN MENAMBAH SLACK VARIABLE (S) DAN > MENJADI–S +R UNTUK= DENGAN MENAMBAH ARTIFACIAL VARIABLE ( R) BERUBAHNYA FUNGSI BATAS AKAN MENYEBABKAN FUNGSI TUJUAN JUGA AKAN BERUBAH .PENYIMPANGAN DALAM METODE SIMPLEK     FUNGSI BATAS MEMPUNYAI TANDA PERTIDAK SAMAAN TIDAK SAMA (< .>.

000 (2) 2X1 +3X2 ≥ 9.KASUS II Optimalkan kasus perusahaan dibawah ini dan beri rekomendasi saudara Minimumkan Z = 5X1 + 2X2 Fungsi batas sbb : (1) 2X1+ X2 =6.X2 ≥ 0 .000 (4) X1.000 (3) X1 + X2  4.

JAWAB KASUS SIMPLEX         MERUBAH FUNGSI Minimumkan Z = 3X1 + 5X2 -( Z=3X1+5X2 + MR1 +MR2) -Z+3X1+5X2 +MR1 +MR2 =0 Batasan (constrain) (1) 2X1 8 = 2X1+S1 =8 (2) 3X2 ≥15 =3X2-S2+R1=15 (3) 6X1 + 5X2= 30 =6X1+5X2 +R2 =30 .

VD Z X1 X2 R1 S2 R2 S3 z -1 .

TABEL I VD Z Z -1 X1 X2 R1 S2 R2 S3 NK 5 2 M 0 M 0 0 S1 R1 R2 0 0 0 2 2 1 1 3 1 1 0 0 0 0 1 6 9 4 0 -1 1 0 0 0 .

MERUBAH GOAL              MERUBAH FUNGSI Minimumkan Z = 5X1 + 2X2 -Z =-5X1 .Z +5X1 +2X2 + MR1 +MR2 = 0) 5 2 M 0 M 0 0 2 1 1 0 0 0 6 (-M) 2 3 0 -1 1 0 9 (-M) ----------------------------------------------------------------5 2 M 0 M 0 0 -2 M -M -M 0 0 0 -6M -2M -3M 0 M -M 0 -9M -------------------------------------------------------------------4M+5 -4M+2 0 M 0 0 -15M .2X2 .

X2 ≥ 0 .MERUBAH FUNGSI BATAS (1) 2X1+ X2 =6 = 2X1 +X2 + R1 = 6 (2) 2X1 +3X2 ≥ 9 = 2X1 + 3X2 –S2 +R2 =9 (3) X1 + X2  4 = X1 + X2 +S3 =4 (4) X1.

LANJUT TABEL II  VD Z X1 X2 R1 S2 R2 S3 NK Z S1 -1 -4M+5 -4M+2 0 2 1 0 0 1 M 0 0 0 0 0 -15M 6 R1 0 R2 0 2 1 3 1 0 0 -1 0 1 0 0 1 9 4 .

9/2.0 -2M -1 -2M +5/2 M 0 0 -27 M + 15     .4M+5 ) ---------------------------------------------------------------------------------. 4. 4 .4/1 = 3 .LANJUT    KOLOM KUNCI : .5 .4M+5 -4M+2 0 M 0 0 -15M .4M+5 -2M +5/2 -2M +5/2 0 0 0 -12 M+15 --------------------------------------------------------------------------------.4M+5 -4M+2 0 M 0 0 -15M 2 /2 1 /2 1 /2 0 0 0 3 (.4M+5 BARIS KUNCI : NK/KK BARISKUNCI =6/2.

TABEL III VD Z Z -1 X1 X2 R1 0 -2M -1 -M +5/2 S2 M R2 0 S3 NK 0 -27 M + 15 0 R1 0 R2 S3 0 1 2 1 1/2 3 1 1/2 0 0 0 -1 0 0 1 0 0 0 1 3 9 4 .

LANJUTKAN PENYELESAIAN KASUS INI      Kasus dapat diselesaikan dengan contoh pada kasus sederhana tanpa penyimpangan Tentukan kolom kunci dengan memperhatikan nilai M yang paling besar bertanda negatif Cari baris kunci dengan membagi NK/KK Tentukan kunci sebagai pembagi pada baris kunci Hitung baris selain baris kunci dengan cara : BB =BL-koefisien(BK) .

Y+8Y1+15Y2+30Y3 +MR1+MR2=0 Batasan (constrain) (1) 2Y1+6Y3 ≥3 =2Y1 + 6Y3 –S1+R1 =3 (2) 3 Y2 +5Y3 ≥5 =3Y2 +5Y3 –S2+R2 =5 SELESAIKAN KASUS EPERTI TAHAP PRIMAL .DUALITY         FUNGSI BATAS PRIMAL DIRUBAH JADI DUAL Maksimumkan Z = 3X1 + 5X2 MENJADI MIN .(Y = 8Y1 +15 Y2 +30 Y3 +MR1+MR2) .

.PERBAIKAN TABEL      CARI KOLOM KUNCI DENGAN NIALI M TERBESAR BERTANDA NEGATIF TENTUKAN BARIS KUNCI DENGAN MEMBAGI NILAI KANAN DENGAN KOEFISIEN KOLOM KUNCI MASING-MASING LANJUTKAN PERBAIKAN DENGAN CARA MENGURANGI BARIS LAMA DENGAN BARIS KUNCI YANG DIKALIKAN DENGAN KOEFISIEN KOLOM BARIS LAMA. CARA INI DILAKUKAN HINGGA TADAK LAGI NILAI M YANG BERTANDA NEGATIF KEMUKAKAN ANALISYS SAUDARA DARI HASIL AKIR TERSEBUT.

1/6 0 1/6 0 0 -1 0 1 1/2 5 .vd Y Y -1 y1 y2 LANJUTKAN y3 S1 R1 S2 R2 NK 0 -8M -2M+8 -3M+15 -11M+30 M 0 M R1 0 R2 0 1/3 0 3 0 1 5 .

       8 15 30 0 M 0 2 0 6 -1 1 0 0 3 5 0 0 -1 8 15 30 0 M 0 -2M 0 -6M M -M 0 0 -3M -5M 0 0 M -2M+8 -3M+15 -11M+30 M 0 M 0 0 3(-M) 1 5(-M) M 0 0 -3M -M -5M M 0 -8M .

p      2M-8 -3M-15 -11M-30 M 0 M 0 -8M 1/3 0 1 .1/6 1/6 0 0 2/3 2M-8 -3M-15 -11M-30 M 0 M 0 -8M -11/3M-10 0 -11M-30 -11M+30 -11M-30 0 0 -22/3 M-30 DSTNYA .

SENSITIVITAS  SETIAP PERUBAHAN PADA FUNGSI TUJUAN DAN FUNGSI KENDALA .UNTUK ITU DIKEMBANGKAN STRATEGI GUNA MEMECAHKAN KASUS TERSEBUT DISEBUT SENSITIVITAS ANALYSIS ATAU POSTOPTIMAL ANALYSIS .KAPASITAS KENDALA .PENAMBAHAN KEGIATAN BARU MAUPUN PENAMBAH AN KENDALA BARU AKAN MENGUBAH PERSOALAN LINIER PROGREMMING DAN PADA AKIRNYA AKAN MEMPENGARUHI SOLUSI OPTIMAL.

BEBERAPA MASALAH YANG DIHADAPI DALAM SENSITIVITAS

PERUBAHAN KOEFISIEN FUNGSI TUUAN(koefisien varibel basis dan koefisien nonbasis) PERUBAHAN KONSTANTA RUAS KANAN (penambahan kapasitas SD atau pengurangan SD) PERUBAHAN FUNGSI kendala(penambahan kendala baru atau variabel keputusan baru)

SENSITIVITAS DAPAT MENJAWAB
  

  

Seberapa besar koefisien fungsi tujuan variabel basis dapat berubah tanpa merubah solusi optimal Seberapa besar koefisien fungsi tujuan variabel nonbasis dapat dinaik,sehingga cukup ekonomis untuk dibuat Sumber daya manakah yang dapat dinaikkan dan seberapa besar perubahan dibolehkan,sehingga nilai z dapat dinaikkan tanpa melakukan perhitungan dari awal Sumber daya manakah yang dapat dikurangi tanpa menurunkan nilai z maupun menghitung dari awal. Sumber daya manakah yang diprioritaskan untuk dinaikkan yang memberikan efek lebih besar terhadap kenaikan nilai z Apakah penambahan kendala maupun kegiatan baru akan mempengaruhi solusi optimum

contoh


  

Maksimumkan Z= 60X1 +90X2 +30X3 Kendala 1) X1 + X2 + X3 ≤ 30 2) X1 + 4X2 + 7X3 ≤ 90 X1, X2, X3 ≤ 0 optimum penyelesaian soal tsb?

jawab vd z X1 X2 X3 S1 S2 nk Z 10 X1 0 0 X2 0 0 0 0 0 90 50 10 -1 4/3 1/3 2 -1/3 1/3 2.400 10 20 .

C2) Matrik basis B = (Y1.S2.      Variabel basis X1 & X2 = C1 & C2 = 60 & 90 Variabel nonbasis X3.Y2) .C4 &C5 Simplrks multiplier =π=CBB¯ Dimana .S1.S3 Jika terjadi perubahan terhadap koefisien C1&C2 maka akan mempengaruhi simpleks multiplier maupun koefisien C3.CB = (C1.

-1/3C1+ 1/3 90] Π =[ 4/3 C1 – 30. -1/3C1 + 30] = .=[ Y4.Y2) =B ¯= B¯ = 1/1x4 -1x1 4 -1 -1 1 4/3 1/3 -1/3 1/3 1 1 1 4 B .-1/3C1 +1/C2 ]= [4/3C1-1/3(90).C2] -1/3 1/3      Π =[ 4/3C1-1/3C2.Y5] pada optimal (S1 dan S2 ) 4/3 -1/3 Simpleks multiplier = [ C1.  Matrik basis B = (Y1.

UNTUK MENGETAHUI FUNGSI TUJUAN VARIABEL NONBASIS BARU [ C3.C4.90 -1 – 30 = -C +180 -30 = -C1 +150 2 C1 +150 ≥ 0 atau C1 ≤ 150 .Cj atau Ĉj =CB Ŷi –Cj =Ŷ= B¯Yj DAN Cj =CB B¯ Yj – Cj Ĉj =CB Ŷi = C3 =BB-C3 dimanaCB = [C1.C5]       Ĉj = Yj.90] dan Y3 = -1 2 C3 = C1.

90 ] 4/3 -1/3 Syarat optimal apabila.90 ].C4 = 0 Y4 = 4/3 -1/3 C4 =[ C1.RUMUS 2       C4 =CB Y4 – C4 dimana CB =[ C1.5 . C4 ≥ 0 dan 4/3C1 – 30 ≥ 22.

C5 =0 dan Ŷ = -1/3 .RUMUS 3       Ĉj =CB Ŷi –Cj =Ĉ5= CB Ŷ5 – C5 dimana CB = [C1.5 .5≤C1≤ 90 DENGAN KATA LAIN TABEL TIDAK OPTIMUM LAGI JIKA C1 DINAIKKAN MENJADI LEBIH BESAR DARI 90 ATAU TURUN MENJADI LEBIH KECIL DARI 22.90].atau C1≤ 90 JADI C1 BERADA DALAM RANGE 22.0 =1/3C1-30 1/3 Syarat bahwa tabel optimum tetap optimum apa bila Ĉ5≥0 -1/3 C1 +30 ≥ 0.

90].CONTOH KOEFISIEN C1 NAIK DARI 60 MENJADI 75           Ĉ3 =CB Ŷ3 –C3 dimana CB = [ 75.90].90] 4/3 .C4=0 Dan Ĉ4 = 4/3 -0=100-30 =70 -1/3 Ĉ5 =CB Ŷ5 dimana [75.0 = -25-30 = 5 -1/3 .C5 =0 Ĉ5 = [75.C3=30 Dan Ŷ3 = -1 -30 =-75 + 180 – 30 =75 2 Ĉ4 =CB Ŷ4 –C4dimana CB = [ 75.90] .

X2=20 & X3 =0 perubahan ini hanya terjadi pada nilai z hasilnya =75X1+90X2+30X3 =75(10)+90(20)+30(0) Z = 750+1.550 .800 +0 =2.  HASIL DARI PENGUJIAN MENUNJUKKAN NILAI KOEFISIEN Ĉj≥0 berarti solusi optimum tidak berubah yaitu dimana X1=10.

90) .90) -1 -30 =-120+180-30=30 2 Ĉ4=CB Ŷ4-C4 dimana CB=(120.90) 4/3 -0 =-160-30=130 -1/3 Ĉ5=CB Ŷ5-C5 dimana CB=(120.1/3 -0 =-40-30=-10 1/3 .90) Ĉ4 = (120.90) Ĉ3 = (120.KOEFISIEN C1 NAIK DARI 60 MENJADI 120           TABEL TIDAK LAGI OPTIMUM KARENA KENAIKAN C1 DILUAR RANGE DAPAT DIBUKTIKAN SBB: Ĉ3 =CB Ŷ3-C3 dimana CB=(120.90) Ĉ5 = (120.

DICARI SEPERTI SIMPLEX VD Z X1 X2 X3 S1 S2 NK Z X1 X2 1 0 0 1 0 0 0 0 1 90 50 -1/3 -1 4/3 -1/3 2 .TABEL OPTIMUM.400 10 20 .1/3 1/3 2.

1/6 S2 NK 40/3 2.1/6 20 1/6 10 .TABEL OPTIMUM YANG BARU VD Z X1 X3 Z X1 1 0 0 1 0 0 X2 10 0.5 X3 0 0 0 S1 140/3 7/6 .5 0.600 .

PERUBAHAN KAPASITAS KENDALA         B1 = kapasitas bb dan bi= konstanta ruas kanan Bi= 30 b1 B1 =b¯ b1 = 4/3 -1/3 30 = 40 – 1/3b -1/3 1/3 b1 -10+ 1/3 b1 40 -1/3b1 ≥ 0 = b1≤ 120 -10+ 1/3b1 ≥ 0 = b1≥ 30 Apa bila kapasitas bb naik 120 kg .105 kg dan turun 30 kgberapa x1 dan x2 serta z selesaikan dan ber rekomendasi saudara .

5 -1/3b1 +30 ≥0 =b1 ≤ 0 Solusi optimum apabila perubahan jam kerja berada pada 22.Perubahan kapasitas tenaga kerja         Bi= b1 90 B1 =b¯ b1 = 4/3 -1/3 b1 = 4/3b1 – 30 -1/3 1/3 90 -1/3 b1+30 4/3b1-30≥0 = b1 ≥ 22.60 jam dan turun 22.5 ≤b1 ≤ 90 Apabila jamkerja naik menjadi 90 jam .5 jam berapa nialai x1.x2 dan z dan beri rekomendasi saudara .

 .

  .

$!& #$$$%$ !#&$#&$!# &$ $!%&#%.

&$$!%& &%&$ #$ $$##! .

!! % $! &$%$!&% !#%$%$     #%&!#&#&  $ '# $   $ #  &%&#% '# #  #&&$%$ &$%&&& #& .

..88.3/.88--      _     A  A   _ .3  :38-. 32:2.9.8:8507:8.$&$ 592.7.3 -07704203/.:/..3  32:2.3/-.3..

43897.9.3  32:2.3   # #    # # .$&$$! #&&$ 32:2.3 .8.3  A  A  $  _  $ #        #  .

'    #$#$ .

% '    #$#$    $         # #                 .

3          # #                                                        .#&  #&&$ 32:2.3  32:2.

#&&$%$     #   _  $ #    A   $ A   _ .

&%% '   $ #$#$                     # #           .

&%   &   #$&.

 #$&.

 .

 .

                 .

 .

.

                     .

  .

       .

 .

           .

     .

   .

% '    # # $            #$#$     .

       .

   .

 .

 .

    .

3.3202507.78:3.9.35..8:880/07.3.91 .3442:3.5.7-.7-079.50325.35..&%!$ $&$ .3 3.3-08.9.3/03.3/.43945./.30.3.. ./03./03.3202-.3 %039:.9/8008.8:8/.

/. 9:3-.7./03.3.5.-.  401803   .3:3.7880..502-.78:3.78 :3.. %039:.80-.3-.

&% &$%$!##&& .3         # #      # # .3 .43897.8.9.3    _  $ # _   _  $ # _ $$$&$!#%%!!# .82:2.

!#% #  &%#$# #%% %%&#$&  $  & $ $ $ &%!## &##$#$&  $   #$ #&% #%% &$$$&##$# %#$&%  .

/    $#$# &%             # # ..

  .

.

  .

         .

  .

                                                                  .

5                    .

  .

  .

.

  .

                    .

               .

          .

  .

 $% .

$$%'%$ $%!!#&!&$%&& &$ !$%$  !%#& &!&!#& &!#$ # !# #!# !#&$ &$ !% &%& %&$%#%& $&$%#$&%$&% $$%'%$$$%&! $% !% $$ .

2-.-005:9:8.7-0-.8$.88 !#& $%%#&$  503. 503.: 503:7.3-.7..-.88/.5.:.9.7: .2-.3.89.3401803 343-.3 03/.3$ !#&&$03/......3.7:.#!$! $$%'%$ !#& $&$ %&& 401803.9.

2...5.::5043428:39:/-:..7./.5.503..5.3.35.9 -07:-.7 507:-..3 3.-08.35079:3.. $:2-07/.3 202503.3:39:/3.9 $:2-07/.7... $:2-07/.3/.5.3/.503.9/3.203:7:3..3/.3. $0-07.7:.3.30100--08..:5:30.3.7.39..3.3/57479.5.35.7.9/:7.207:-..88/.5.3-.3.74018031:389::..303/.2.2.-0343-.8.380-07.-0-.35.74018031:389::.-08.9.. 803..2.$$%'%$!%  $0-07..39.7907.9. 20..3 202-07.:5:32039:3/..:.3 803..2.9 /3.88/.3.33.-08..84:84592.5.5.7:84:84592:2 . 5..3/-40.2-./.9/3.3/...

4394 .384.98- ..3      03/..82:2..   ^    ^   ^  4592:2503008.

./  $$            ...

.

      .

.

 3     .

.88 .'.      .-0343-.-0-.5401803  2.7.907./507:-.7.3202503./.88     '.3907.97-...97-.88    .7:82508 2:95072.:5:3401803   $25782:9507f $25782:9507 2..88 $ $ $ .3.

88 f  f  .88    f .97-..97-.

.

 .

 .

  .

.

        ( 5.4592. $/.3$ ( ./.

 .

 $25082:9507 $25082:9507  ( ( .

.

 ¿  .

 .

 .

 .

(.

 .

  .

 .

 ( .

 .

(.

 .

 ( ¿  .

   .

  (    ( .

3.3.  ( /.:  f  .&%&%&&$%&& '# $$#&   ( $$#& (  .3 /.9.3                           _ .:^ .:  f f   f  /2.  (  /2.9.9.

3.#&&$  /2.  ( .3.   (  /2.

 .

     ( .

  ( .

 $.-.3.94592.7. _ /.5..

   _  .

3.3  .      (  /.#&&$    /2.

 .

   (  /.3  .

 .

  .

.7.5. $.-.9-.5.-04592:2909.-.54592:2.9-..9.-04592:2909.7.54592:2.9. _ . $.

9.  _ .:^ ## ^^  %%% !%& $# # %&%&#& #  .

3.3 .3    .3.   (   /2.   (   /2. %  $#    /2.  ( .3.3           /2.  ( .3.

3 .  .

    .

  (   ( .  (  /2.3.3. /2.

       ( .

   .

 .

7984:84592:29/.907.9: /2.                 .    507:-.3..33 .83..$#!& && $ _  $ -07.3./.-07:-./5.3..

3.                      /2. $#   %% !%&# &##!%&%$  /2.3.       .

     .

   .

        .  /2.3.

       .

     .

 .

% !%& # $!#%$! '  $$             .

   .

   .

 .

   .

.

      .

% !%&#& '     $$      .

 .

     .

   .

 .

       .

.

 .

3-4389.39.5.!#&!$%$  .3.89.8--/.3  - -f -.8.7:.

 .

   .

-f -.

 .

.

-  .

- .

.

-     .

-_ -^  .

38079.:/. .-.8--3.88.-_ -_  5...7./.89.3/.5.8008.39:7:3  -07.5.   /.3-07 704203/.

89.!07:-..07.3. -  -f -.5..8903.

 .

-.

-  -f -.

 .

.

  .

-  .

.

  .

-  _ -_  .

- .

3.207.2-07.3/.3.207.-.5. .507:-.7.3.39:7:3  ./.203. 5.-  _ -^ $4:84592:2.5.2  . ^-^ 5..2/./ .8 8... /./.:/.-.3-07704203/.-07.

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)//-->