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.

…. ….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 …. a11 a21 a31 … am1 C1 X1 MODEL LP n a1n a2n a3n … amn Cn Xn Kapasitas Sumber b1 b2 b3 … bm Model Matematis??? . …. ….

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

Proportionality naik turunnya nilai Z dan penggunaan sumber atau fasilitas yang tersedia akan berubah secara sebanding (proportional) dengan perubahan tingkat kegiatan 2. 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 .Asumsi-asumsi Dasar Linear Programming 1.

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

mesin 2 membuat sol kulit. dan merek I2 dgn sol kulit. Diperlukan 3 macam mesin. dan mesin 3 membuat bagian atas sepatu dan melakukan assembling bagian atas dengan sol. dan mesin 3 adalah 30 jam. mesin 2 adalah 15 jam. Yang pertama merek I1.000.00 sedang merek I2 = Rp 50. Jam kerja maksimum setiap hari mesin 1 adalah 8 jam. Mesin 1 membuat sol karet. Sumbangan terhadap laba setiap lusin sepatu merek I1 = Rp 30.00.000. dgn sol karet. tetapi pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin 3 selama 5 jam.LINEAR PROGRAMMING DENGAN Contoh METODE GRAFIK Perusahaan sepatu membuat 2 macam sepatu. Masalahnya adalah menentukan berapa lusin sebaiknya sepatu merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan laba. Sedang untuk sepatu merek I2 tidak diproses di mesin 1. Setiap lusin sepatu merek I1 mula-mula dikerjakan di mesin 1 selama 2 jam. . kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama 6 jam.

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 .

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

Fungsi batasan (2 X1  8). 6X1 + 5X2  30. 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 . 3X2  15.

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 .

X1 = 0 Nilai Z = 3(0) + 5(5) = 25 6 D 5 C 3X2 = 15 Titik B: X1 = 4. maka 6X1 + 5(5) = 30. Jadi nilai X1 = (30 –25)/6 = 5/6. Substitusikan batasan (3). X2 = 0 Nilai Z = 3(4) + 0 = 12 5 X1 . Jadi nilai X2 = (30 –24)/5 = 6/5.5 Titik D: Pada titik ini nilai X2 = 5. Substitusikan batasan (3).2. maka 6(4) + 5X2 = 30. Nilai Z = 3(4) + 5(6/5) =18 Daerah feasible Titik A: B 0 A 4 Pada titik ini nilai X1 = 4. Nilai Z = 3(5/6) + 5(5) = 27. 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.

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 .

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. Selanjutnya. Teknik ini menjadi peralatan standar yang penting bagi banyak organisasi bisnis dan industri. Apabila satu atau lebih pemrograman linear di langgar. dan teknik nya sudah di akui secara luas. hampir semua organisasi sosial berkepentingan dengan mengalokasi sumber daya dalam suatu konteks tertentu. maka dapat menggunakan model pemrograman matematis yang lain diantara adalah simplex. Akan tetapi. tidak semua masalah mengenai alokasi sumber daya terbatas dapat di rumuskan sebagai suatu pendekatan linier progremming. .

=) .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 ≥.≤.

.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 .CARA PENGGUNAAN METODE SIMPLEKS  UBAHLAH BENTUK LINIER KEDALAM BENTUK STANDAR CB Cb1 Cb2 Cb3 .

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

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 .

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

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 .

KESIMPULAN  DARI HASIL ANALISIS DIATAS MAKA PERUSAHAAN HARUS MEMPRODUKSI SEPATU KARET 5/6 LUSIN DAN SEPATU KULIT 5 LUSIN. AGAR MENGHASILKAN LABA SEBESAR RP 275.000.- .

PENYIMPANGAN DALAM METODE SIMPLEK     FUNGSI BATAS MEMPUNYAI TANDA PERTIDAK SAMAAN TIDAK SAMA (< .>. =) 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 .

000 (2) 2X1 +3X2 ≥ 9.000 (4) X1.000 (3) X1 + X2  4.X2 ≥ 0 .KASUS II Optimalkan kasus perusahaan dibawah ini dan beri rekomendasi saudara Minimumkan Z = 5X1 + 2X2 Fungsi batas sbb : (1) 2X1+ X2 =6.

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 .

2X2 .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 .

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.X2 ≥ 0 .

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 .

4M+5 ) ---------------------------------------------------------------------------------.4M+5 BARIS KUNCI : NK/KK BARISKUNCI =6/2.0 -2M -1 -2M +5/2 M 0 0 -27 M + 15     .5 . 4.4M+5 -4M+2 0 M 0 0 -15M . 9/2.4M+5 -2M +5/2 -2M +5/2 0 0 0 -12 M+15 --------------------------------------------------------------------------------. 4 .LANJUT    KOLOM KUNCI : .4/1 = 3 .4M+5 -4M+2 0 M 0 0 -15M 2 /2 1 /2 1 /2 0 0 0 3 (.

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 .(Y = 8Y1 +15 Y2 +30 Y3 +MR1+MR2) .DUALITY         FUNGSI BATAS PRIMAL DIRUBAH JADI DUAL Maksimumkan Z = 3X1 + 5X2 MENJADI MIN .

. CARA INI DILAKUKAN HINGGA TADAK LAGI NILAI M YANG BERTANDA NEGATIF KEMUKAKAN ANALISYS SAUDARA DARI HASIL AKIR TERSEBUT.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.

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 .

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 .p      2M-8 -3M-15 -11M-30 M 0 M 0 -8M 1/3 0 1 .

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

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?

400 10 20 .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.

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

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

C4.UNTUK MENGETAHUI FUNGSI TUJUAN VARIABEL NONBASIS BARU [ C3.90 -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.

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

0 =1/3C1-30 1/3 Syarat bahwa tabel optimum tetap optimum apa bila Ĉ5≥0 -1/3 C1 +30 ≥ 0.5≤C1≤ 90 DENGAN KATA LAIN TABEL TIDAK OPTIMUM LAGI JIKA C1 DINAIKKAN MENJADI LEBIH BESAR DARI 90 ATAU TURUN MENJADI LEBIH KECIL DARI 22.RUMUS 3       Ĉj =CB Ŷi –Cj =Ĉ5= CB Ŷ5 – C5 dimana CB = [C1.5 .atau C1≤ 90 JADI C1 BERADA DALAM RANGE 22.90].C5 =0 dan Ŷ = -1/3 .

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

X2=20 & X3 =0 perubahan ini hanya terjadi pada nilai z hasilnya =75X1+90X2+30X3 =75(10)+90(20)+30(0) Z = 750+1.800 +0 =2.550 .  HASIL DARI PENGUJIAN MENUNJUKKAN NILAI KOEFISIEN Ĉj≥0 berarti solusi optimum tidak berubah yaitu dimana X1=10.

90) Ĉ3 = (120.90) -1 -30 =-120+180-30=30 2 Ĉ4=CB Ŷ4-C4 dimana CB=(120.1/3 -0 =-40-30=-10 1/3 .90) 4/3 -0 =-160-30=130 -1/3 Ĉ5=CB Ŷ5-C5 dimana CB=(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 = (120.90) .90) Ĉ4 = (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 .1/3 1/3 2.TABEL OPTIMUM.400 10 20 .

1/6 20 1/6 10 .1/6 S2 NK 40/3 2.5 0.5 X3 0 0 0 S1 140/3 7/6 .TABEL OPTIMUM YANG BARU VD Z X1 X3 Z X1 1 0 0 1 0 0 X2 10 0.600 .

105 kg dan turun 30 kgberapa x1 dan x2 serta z selesaikan dan ber rekomendasi saudara .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 .

60 jam dan turun 22.x2 dan z dan beri rekomendasi saudara .5 ≤b1 ≤ 90 Apabila jamkerja naik menjadi 90 jam .5 jam berapa nialai x1.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 ≥ 22.5 -1/3b1 +30 ≥0 =b1 ≤ 0 Solusi optimum apabila perubahan jam kerja berada pada 22.

 .

  .

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

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

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

3  :38-.88--      _     A  A   _ . 32:2.3/-..7.:/.88..3.$&$ 592..3/.3 -07704203/.9..8:8507:8.3  32:2.

3  32:2.8.3 .43897.3  A  A  $  _  $ #        #  .9.3   # #    # # .$&$$! #&&$ 32:2.

'    #$#$ .

% '    #$#$    $         # #                 .

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

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

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

&%   &   #$&.

 #$&.

 .

 .

                 .

 .

.

                     .

  .

       .

 .

           .

     .

   .

% '    # # $            #$#$     .

       .

   .

 .

 .

    .

9/8008.3-08./.3 3.7-.30.5.3./03..9.43945. .35.78:3.8:880/07.9.3442:3.3 %039:..35.3/03..3.&%!$ $&$ .91 .50325.3202-.3.8:8/.3/./03.7-079.3202507.

..502-.7880.80-.3-.-. %039:.3:3.7.78 :3. 9:3-.5.  401803   .3.78:3././03.

&% &$%$!##&& .3 .9.8.3         # #      # # .3    _  $ # _   _  $ # _ $$$&$!#%%!!# .43897.82:2.

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

/    $#$# &%             # # ..

  .

.

  .

         .

  .

                                                                  .

5                    .

  .

  .

.

  .

                    .

               .

          .

  .

 $% .

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

3..-.7: ..7:.#!$! $$%'%$ !#& $&$ %&& 401803.2-..3$ !#&&$03/..88 !#& $%%#&$  503.7.3401803 343-.3. 503.9.89.5..7-0-.3 03/.-005:9:8.88/.9.3-.: 503:7..:.8$.2-.

.7 507:-..3 803.39.....5.9/:7..9 /3..9 -07:-.7:.7.7:84:84592:2 .-08.3..7.7.74018031:389::.3. $:2-07/.9.3-.2./.8.303/...3/..7907. $0-07.3 202-07.3..74018031:389::.5.35.5.3/57479.5.3:39:/3.2-.7. 803..503.3 202503. 5.5.3/.::5043428:39:/-:..-0343-.88/.84:84592..:5:32039:3/.3 3.3.2.-08.3./.9.35.35.2.-08.35079:3.5.....207:-..503. 20.3/.9 $:2-07/.88/..3/-40.3.5..-0-.:.9/3.2.380-07.$$%'%$!%  $0-07.39. $:2-07/.:5:30.30100--08.2.3.9/3.203:7:3.33.3/.5.

82:2.   ^    ^   ^  4592:2503008.384....3      03/.98- .4394 .

.../  $$            .

.

      .

.

 3     .

:5:3401803   $25782:9507f $25782:9507 2.3907..88     '.-0343-..97-./507:-.7.5401803  2.3202503.907.-0-.7..7:82508 2:95072./.88    .97-.'.      .88 $ $ $ ..3.88 .

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

.

 .

 .

  .

.

 $/.        ( 5.3$ ( ./.4592.

 .

 $25082:9507 $25082:9507  ( ( .

.

 ¿  .

 .

 .

 .

(.

 .

  .

 .

 ( .

 .

(.

 .

 ( ¿  .

   .

  (    ( .

3.3                           _ .3.9.:^ .:  f f   f  /2.9.3 /.  (  /2.  ( /.&%&%&&$%&& '# $$#&   ( $$#& (  .:  f  .9.

#&&$  /2.3.  ( .   (  /2.3.

 .

     ( .

  ( .

5.-..3. _ /.7. $.94592.

   _  .

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

 .

3  .   (  /.

 .

  .

-04592:2909..7. $.9-.7.54592:2..9-.54592:2.5.-. $.9. _ .-.-04592:2909.9.5.

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

3           /2.   (   /2.3. %  $#    /2.   (   /2.3    .3.3 .3.  ( .3.  ( .

3 .  .

    .

  (   ( .  (  /2.3.3. /2.

       ( .

   .

 .

$#!& && $ _  $ -07.3.83./5..                 ..3.33 .3.    507:-..-07:-.7984:84592:29/.9: /2.907./.

 $#   %% !%&# &##!%&%$  /2.       .                      /2.3.3.

     .

   .

  /2.        .3.

       .

     .

 .

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

   .

   .

 .

   .

.

      .

% !%&#& '     $$      .

 .

     .

   .

 .

       .

.

 .

39.5.7:.8--/.3.3-4389.89.3  - -f -.!#&!$%$  .8.

 .

   .

-f -.

 .

.

-  .

- .

.

-     .

-_ -^  .

5.89./.-_ -_  5.8008.8--3.39:7:3  -07. .7.88.3/.:/.5.3-07 704203/.   /.38079.-...

!07:-.3..8903. -  -f -.5..89.07.

 .

-.

-  -f -.

 .

.

  .

-  .

.

  .

-  _ -_  .

- .

39:7:3  .507:-.:/.-07..7./.2  ./.3. ^-^ 5.-  _ -^ $4:84592:2. 5.207.207.-.2-07. /.3/.-.3-07704203/.5.2/.3.8 8.5.3..203./ . ..

Sign up to vote on this title
UsefulNot useful