___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
“OPTIMIZATION OF CHEMICAL
PROCESSES”
(T.F. Edgar – D.M. Himmelblau)
“METODE KUANTITATIF”
(M. Muslich)
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
SIFAT DASAR DAN HAL
2 2
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Untuk menjalankannya perlu :
1 Analisis proses atau design.
2 Harus mengetahui apakah tujuan dari performance
yang cocok, yaitu : apa yang akan dicapai.
3 Menggunakan pengalaman masa lalu, kadang disebut
dengan “engineering judgment”, sebelum dihasilkan
informasi yang bermanfaat.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
PROSEDUR UMUM
PENYELESAIAN PERSOALAN OPTIMISASI
CONTOH 1 :
Distributor bahan kimia akan mengoptimisasi bahan kimia tertentu.
Untuk menjual Q barrel (Q=100.000) bahan kimia ini per tahun, maka
harus menentukan jadwal produksi. Produksi yang tidak terjual harus tetap
diinventarisasi. Untuk menentukan jadwal produksi yang optimal harus
mengukur aspek persoalan sebagai hal yang penting dari sudut pandang
harga.
PENYELESAIAN :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
LANGKAH 1 :
Pilihan yang ada :
Menghasilkan 100.000 unit dalam satu tahap.
Membuat 10 tahap masing2 10.000 unit.
LANGKAH 2 :
Dua factor biaya :
1. Biaya angkut atau biaya inventarisasi.
2. Biaya produksi.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Biaya produksi tahunan dicari dengan mengalikan persamaan (a)
dengan jumlah produksi per tahun (n).
LANGKAH 3 :
C adalah fungsi variable D dan n.
Dimana :
Q
n
D
maka :
K 2Q
C K1 D K 3Q …………………… (c)
D
LANGKAH 5 :
Lihat persamaan (c) , terdapat konstanta K3 Q bila diturunkan akan
hilang. K3 tidak masuk pada penentuan harga optimal D,
K3 terdapat pada biaya total.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Bila fungsi biaya diturunkan terhadap D dan menjadikannya nol ,
maka :
dC K 2Q
K1 0 ……………………. (d)
dD D2
Penyelesaian optimal untuk D :
K 2Q
D opt ……………………. (e)
K1
d 2C 2 K 2Q
0 …………………… (f)
dD 2 D3
D.103 10 20 30 40 50 60 70 80 90 100
C.103 510 470 463 465 470 477 484 492 501 510
Perhitungan pada range ini akan menghasilkan harga D opt. yang lebih teliti.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Cost
per
run
K2
0 D
Unit produced per run
K 2Q K 4Q
C K1 D 1
…………………… (h)
D D 2
Persamaan diturunkan dan menjadikannya sama dengan nol :
dC K 2Q K 4Q
K1 2
3
0 ………………………… (i)
dD D 2D 2
d 2C 2 K 2Q 3 K 4Q
………………………… (j)
dD 2 D 3 5
2
4 D
LANGKAH 6 :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Kepekaan jawaban optimal dapat diketahui melalui bagaimana harga
optimal C ber-ubah2 dengan variable seperti perubahan D atau
perubahan koefisien fungsi obyektif. Harga parameter berisi kesalahan
atau ketidak pastian.
Perubahan Copt. Dicari dengan substitusi Dopt. Dari persamaan (e)
ke dalam fungsi total biaya (persamaan c).
C opt K 2Q
……………………… (l1)
K1 K1
C opt K1Q
……………………… (l2)
K 2 K2
C opt
Q ……………………… (l3)
K 3
C opt K1 K 2
K3 ……………………... (l4)
Q Q
K 2Q
D opt ……………………… (e)
K1
D opt 1 K 2Q
……………………… (m1)
K1 2 K1 K1
D opt 1 K 2Q
……………………… (m2)
K 2 2K 2 K1
D opt
0 ……………………... (m3)
K 3
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
D opt 1 K 2Q
……………………… (m4)
Q 2Q K1
K 2Q
C K1 D
K 3Q ……………………… (c)
D
K 2Q
C opt K1 D opt K 3Q $ 463.240
D opt
10 9
C opt D opt 400.000 $ 463.240
D opt
C opt D opt
31.620 15.810
K1 K1
C opt D opt
3.162 1.581
K 2 K 2
C opt D opt
100.000 0
K 3 K 3
C opt D opt
4.316 0,158
Q Q
C opt
ln C opt K 2Q K1 31.622 1
S KC1 K 1
C opt
. opt 0,0683
K1 ln K1 K1 C 463.240
S QC 0,932
S KD3 0
LINEAR PROGRAMMING
LANGKAH 1 :
Identifikasikan tujuan pokok dalam masalah yang dihadapi.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Tentukan keputusan apa yang diambil.
Apakah keputusan diambil untuk :
a) Meminimumkan biaya.
b) Memaksimumkan laba.
c) Ada tujuan pokok yang harus dicapai.
Factor apa yang menjadi kendala.
LANGKAH 2 :
Dari analisa pada langkah 1, tetapkan atau definisikan variable
keputusan.
Misal : jumlah kg bahan A, jumlah lembar saham A, dll.
LANGKAH 3 :
Dari analisa pada langkah 2, tentukan fungsi tujuan yang dapat
berbentuk “Maksimum” atau ”Minimum”.
LANGKAH 4 :
Tentukan sumber atau factor kendala yang dapat berbentuk :
Lebih kecil sama dengan ().
Sebagai perwujudan dari informasi paling banyak atau
maksimum.
Lebih besar sama dengan ().
Sebagai perwujudan dari informasi paling sedikit atau
minimum atau non-negativity.
Sama dengan (=).
CONTOH 2 :
PT “Cahaya” memiliki sebuah pabrik yang akan memproduksi 2 jenis
produk yaitu Astro dan Cosmos. Untuk memproduksi kedua jenis produk,
diperlukan bahan baku A, bahan baku B dan jam tenaga kerja. Maximum
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
penyediaan bahan baku A adalah 60 kg per hari, bahan baku B 30 kg per
hari dan tenaga kerja 40 jam per hari. Kebutuhan setiap unit produk
akan bahan baku dan jam tenaga kerja, dapat dilihat dalam tabel
berikut ini :
Jenis bahan baku Bahan baku (kg) & tenaga kerja Maximum
dan tenaga kerja Astro Cosmos penyediaan
Bahan baku A 2 3 60 kg
Bahan baku B - 2 30 kg
Tenaga kerja 2 1 40 jam
PENYELESAIAN :
LANGKAH 1 :
Perusahaan ingin menentukan jumlah unit setiap jenis produk yang
akan diproduksi dalam setiap hari untuk memaksimumkan keuntungan.
Berapa kg bahan baku yang dibutuhkan untuk produk jenis Astro
dan Cosmos, dengan mempertimbangkan kemampuan penyediaan
bahan baku dan tenaga kerja.
LANGKAH 2 :
Definisi variable keputusan : X1 : jumlah Astro per hari.
X2 : jumlah Cosmos per hari.
LANGKAH 3 :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Fungsi tujuan adalah memaksimumkan keuntungan (Zmax.).
Zmax. = 40X1 + 30X2
LANGKAH 4 :
Faktor kendala :
1. 2X1 + 3X2 60 (Bahan baku A)
2. 2X2 30 (Bahan baku B)
3. 2X1 + 1X2 40 (Jam tenaga kerja)
4. X1 0 (non-negativity)
5. X2 0 (non-negativity)
Faktor kendala :
Dengan komputer.
CONTOH 3 :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Buat fungsi linear untuk memaksimalkan total profit operasi per hari
dalam satuan $/hari dan gunakan metode grafik dan simplex untuk
penyelesaian fungsi ini.
PENYELESAIAN :
LINEAR PROGRAMMING
METODE GRAFIK
FORMULASI MASALAH :
Notasi untuk laju alir massa reaktan dan produk adalah :
Biaya operasi :
a) Biaya bahan baku = 24 X1 + 15 X2 ($/hari)
b) Biaya prosesing = 0,5 X1 + X2 ($/hari)
Bila pers. (1) dikurangi pers. (2), akan diperoleh profit per hari :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Kerosene : 0,05 X1 + 0,1 X2 = X4 ……………… (5)
Fuel oil : 0,1 X1 + 0,36 X2 = X5 ....…………… (6)
Residual : 0,05 X1 + 0,1 X2 = X6 …………… (7)
LANGKAH 1 :
= Menggambarkan grafik kendala =
Kendala 1 : Gasoline.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
X2 (Crude 2)
54,5
0,8X1 + 0,44X2 = 24.000
103
0,8X1 + 0,44X2 < 24.000
X1 (Crude 1)
0 30
103
Daerah feasible yang diliputi kendala : 0,8 X 1 + 0,44 X2 24.000
adalah dibawah garis.
Kendala 2 : Kerosene.
bila : X1 = 0 X2 = 20.000
X2 = 0 X1 = 40.000
X2 (Crude 2)
20
0,05X1 + 0,1X2 = 2.000
X1 (Crude 1)
0 40
103
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Daerah feasible yang diliputi kendala : 0,05 X 1 + 0,1 X2 2.000
adalah dibawah garis.
X2 (Crude 2)
16,7
0,1X1 + 0,36X2 = 6.000
X1 (Crude 1)
0 60
103
Daerah feasible yang diliputi kendala : 0,1 X1 + 0,36 X2 6.000
adalah dibawah garis.
Kendala 4 dan 5 :
Khusus untuk kendala ini menganggap bahwa hanya daerah positip X 1
dan positip X2 yang dipertimbangkan sebagai daerah feasible.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
X2 (Crude 2)
54,5 J
Garis kendala 1
103
20 I
LANGKAH 2 :
= Mencari nilai Z =
Titik ekstrim manakah diantara A B C D E yang menghasilkan
kombinasi X1 dan X2 dengan total nilai tujuan maksimum.
TITIK EKSTRIM A :
Proses Refinery belum melakukan kegiatan produksi atau
X1 = 0 dan X2 = 0.
Maka : f(x) = Zmax. = 8,1 X1 + 10,8 X2
= 0
TITIK EKSTRIM B :
Diperoleh : X1 = 30.000 bbl / hari
X2 = 0.
Maka : Z = 8,1 X1 + 10,8 X2
= $ 243.000 / hari
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
X2 (Crude 2)
54,5 J
Garis kendala 1
103
20 I
TITIK EKSTRIM C :
Pada titik ekstrim C, terjadi perpotongan garis kendala 1 dan 2.
Kendala 1 : 0,8 X1 + 0,44 X2 = 24.000
Kendala 2 : 0,05 X1 + 0,1 X2 = 2.000
Diperoleh : X1 26.207 bbl / hari
X2 6.900 bbl / hari
Maka : Z = 8,1 X1 + 10,8 X2
= $ 286.800 / hari
TITIK EKSTRIM D :
Pada titik ekstrim D, terjadi perpotongan garis kendala 2 dan 3.
Kendala 2 : 0,05 X1 + 0,1 X2 = 2.000
Kendala 3 : 0,1 X1 + 0,36 X2 = 6.000
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
TITIK EKSTRIM E :
Diperoleh : X1 = 0
X2 = 16,7 bbl / hari
Maka : Z = 8,1 X1 + 10,8 X2
= $ 180,36 / hari
Dari ke-lima titik ekstrim ini, yang mempunyai Z optimum adalah titik C.
Dengan hasil :
Z optimum = $ 286.800 / hari
X1 = 26,2 . 103 bbl / hari
X2 = 6,9 . 103 bbl / hari
LINEAR PROGRAMMING
METODE simplex
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Tanda : diperlukan variable tambahan yang disebut
Variabel Surplus (mempunyai nilai positip dan dikurangkan
pada sisi sebelah kiri fungsi kendala), perubahan ini
menimbulkan kesulitan dalam pemecahan persoalan metode
simplex karena variable surplus ini dapat bernilai negatip.
Untuk itu perlu ditambahkan variable buatan atau Artificial
(A) yang mewakili suatu produk fiktif tertentu yang
mempunyai biaya sangat tinggi (misal Rp. M,-).
Tanda = : diperlukan variable tambahan yang disebut
Variabel Buatan Fiktif atau A untuk memenuhi persyaratan
model simplex.
Contoh : Min. Biaya (Z) = 3K + 8P
Kendala :
K + P = 200 K + P + A1 = 200
K 80 K + X1 = 80
P 60 P - X2 + A2 = 60
K,P 0
Formulasi lengkap :
K + P + A1 + 0X1 + 0X2 + 0A2 = 200
K + 0P + 0A1 + X1 + 0X2 + 0A2 = 80
0K + P + 0A1 + 0X1 – X2 + A2 = 60
Perubahan fungsi tujuan :
Z = 3K + 8P + MA1 + 0X1 + 0X2 + MA2
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Zmax. = 8,1 X1 + 10,8 X2 + 0 X3 + 0X4 + 0X5
Tabel 1 :
Kolom Baris Cj 8,1 10,8 0 0 0
Cj Jawaban X1 X2 X3 X4 X5 Kuantitas
0 X3 0,8 0,44 1 0 0 24.000
0 X4 0,05 0,1 0 1 0 2.000
0 X5 0,1 0,36 0 0 1 6.000
Zj 0 0 0 0 0
Cj - Zj 8,1 10,8 0 0 0 0
Positip terbesar
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Rp M,-.
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
0,1 / 0,36 = 0,28 0,36 / 0,36 = 1 0 / 0,36 = 0 0 / 0,36 = 0
1 / 0,36 = 2,78 6.000 / 0,36 = 16.666,67
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Koef. Baris Angka perpotongan Koef. Angka Koef. Baris X4 baru
- * =
X4 lama kolom X2 & Baris X4 Baris X2 baru
Tabel 2 :
Kolom Baris Cj 8,1 10,8 0 0 0
Cj Jawaban X1 X2 X3 X4 X5 Kuantitas
0 X3 0,68 0 1 0 -1,22 16.666,67
0 X4 0,022 0 0 1 -0,278 333,33
10,8 X2 0,28 1 0 0 2,78 16.666,67
Zj 3,024 10,8 0 0 30,024
Cj - Zj 5,076 0 0 0 -30,024 180.000
Positip terbesar
ITERATION 2 :
Koefisien variable X1 :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Koef. Baris Angka perpotongan Koef. Angka Koef. Baris X3 baru
- * =
X3 lama kolom X1 & Baris X3 Baris X1 baru
0,68 - 0,68 * 1 = 0
0 - 0,68 * 0 = 0
1 - 0,68 * 0 = 1
0 - 0,68 * 45,45 = -30,9
-1,22 - 0,68 * -12,64 = 7,38
16.666,67 - 0,68 * 15.151,36 = 6.363,75
0,28 - 0,28 * 1 = 0
1 - 0,28 * 0 = 1
0 - 0,28 * 0 = 0
0 - 0,28 * 45,45 = -12,73
2,78 - 0,28 * -12,64 = 6,32
16.666,67 - 0,28 * 15.151,36 = 12.424,29
Tabel 3 :
Kolom Baris Cj 8,1 10,8 0 0 0
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Cj Jawaban X1 X2 X3 X4 X5 Kuantitas
0 X3 0 0 1 -30,9 7,38 6.363,75
8,1 X1 1 0 0 45,45 -12,64 15.151,36
10,8 X2 0 1 0 -12,73 6,32 12.424,29
Zj 8,1 10,8 0 230,66 -34,128
Cj - Zj 0 0 0 -230,66 34,128 256.908,35
Positip terbesar
ITERATION 3 :
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Koefisien variable X5 :
0 / 7,38 = 0 0 / 7,38 = 0 1 / 7,38 = 0,14 -30,9 / 7,38 = -4,25
7,38 / 7,38 = 1 6.363,75 / 7,38 = 874,14
1 - (-12,64) * 0 = 1
0 - (-12,64) * 0 = 0
0 - (-12,64) * 0,14 = 1,77
45,45 - (-12,64) * -4,25 = -8,27
-12,64 - (-12,64) * 1 = 0
15.151,36 - (-12,64) * 874,14 = 26.200,5
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Koef. Baris Angka perpotongan Koef. Angka Koef. Baris X2 baru
- * =
X2 lama kolom X5 & Baris X2 Baris X5 baru
0 - 6,32 * 0 = 0
1 - 6,32 * 0 = 1
0 - 6,32 * 0,14 = -0,88
-12,73 - 6,32 * -4,25 = 14,13
6,32 - 6,32 * 1 = 0
12.424,29 - 6,32 * 874,14 = 6.899,73
Tabel 4 :
Kolom Baris Cj 8,1 10,8 0 0 0
Cj Jawaban X1 X2 X3 X4 X5 Kuantitas
0 X5 0 0 0,14 -4,25 1 874,14
8,1 X1 1 0 1,77 -8,27 0 26.200,5
10,8 X2 0 1 -0,88 14,13 0 6.899,73
Zj 8,1 10,8 4,833 85,62 0
Cj - Zj 0 0 -4,833 -85,62 0 286.741,134
Dari tabel 4 ini terlihat bahwa pada baris Cj-Zj tidak terdapat lagi
variable yang bernilai positip. Dengan demikian kita telah memperoleh
jawaban optimal pada iteration ketiga dengan :
Z optimum = $ 286.741,134 / hari
X1 = 26.200,5 bbl / hari
X2 = 6.899,73 bbl / hari
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)
Tabel 3 :
Kolom Baris Cj 8,1 10,8 0 0 0
Cj Jawaban X1 X2 X3 X4 X5 Kuantitas
0 X3 0 0 1 -30,9 7,38 6.363,75
8,1 X1 1 0 0 45,45 -12,64 15.151,36
10,8 X2 0 1 0 -12,73 6,32 12.424,29
Zj 8,1 10,8 0 230,66 -34,128
Cj - Zj 0 0 0 -230,66 34,128 256.908,35
Positip terbesar
Tabel 4 :
Kolom Baris Cj 8,1 10,8 0 0 0
Cj Jawaban X1 X2 X3 X4 X5 Kuantitas
0 X5 0 0 0,14 -4,25 1 874,14
8,1 X1 1 0 1,77 -8,27 0 26.200,5
10,8 X2 0 1 -0,88 14,13 0 6.899,73
Zj 8,1 10,8 4,833 85,62 0
Cj - Zj 0 0 -4,833 -85,62 0 286.741,134
Dari tabel 4 ini terlihat bahwa pada baris Cj-Zj tidak terdapat lagi
variable yang bernilai positip. Dengan demikian kita telah memperoleh
jawaban optimal pada iteration ketiga dengan :
Z optimum = $ 286.741,134 / hari
X1 = 26.200,5 bbl / hari
X2 = 6.899,73 bbl / hari
___________________________________________________________________ 8
Ringkasan Optimisasi (Perancangan Proses)