Anda di halaman 1dari 42

JURUSAN SIPIL

FAKULTAS TEKNIK
UNIVERSITAS NEGERI GORONTALO

REKAYASA SUMBERDAYA AIR


(WATER RESOURCES ENGINEERING)

OPTIMASI

Komang Arya Utama


LOGO Today’s Topics

Optimasi
[Minggu-14]

1 Model Matematika & Program Linear

2 Metode Simpleks

3 Multi Criteria Decision Method (MCDM)

2
KULIAH -14 [Optimasi]
6s-3 LP Metode Simpleks

Operations Management

William J. Stevenson

8th edition
4

MODEL MATEMATIK
Pengantar
 Penggunaan model matematik sebagai alat analisis
untuk dapat memanfaatkan sumberdaya air secara
optimal merupakan cara yang telah umum dipakai.
 Penerapan metode ini didasarkan pada prinsip
utama pendekatan sistem yaitu “engineering system”
dan “analysis system”.

KULIAH -14 [Optimasi]


5

MODEL MATEMATIK
Pengantar
 Dikaitkan dengan tujuan pengembangan pemanfaatan
sumber air, permasalahan dasar yang selalu dijumpai
adalah ketersediaannya yang terbatas baik secara
kuantitatif maupun sifat variabilitasnya dalam ruang
(tempat) dan waktu.
 Sumberdaya air dapat dimanfaatkan untuk berbagai
keperluan yang pada umumnya merupakan usaha untuk
menigkatkan taraf hidup masyarakat.
 Bermacam-macam pemanfaatan sumberdaya air tersebut
kadang bahkan dapat merupakan upaya yang bersifat
kompetitif (competing uses), yang dapat menimbulkan
beberapa arah dan tujuan sektoral yang saling
bertentangan (conflicting objectives).

KULIAH -14 [Optimasi]


6

MODEL MATEMATIK
Pengantar
 Dengan latar belakang permasalahan ini satu
pertanyaan penting akan muncul, yaitu : Apakah
jalan terbaik yang harus dilaksanakan?
 Jawaban yang logis akan mengartikan jalan yang
terbaik adalah jawaban yang memberikan
penyelesaian optimal dalam setiap tahap
penanganan, yang dilaksanakan melalui prosedur :
perencanaan (planing), perancangan (design) dan
operasi dan pemeliharaan (Operation and
Maintenance).

KULIAH -14 [Optimasi]


7

MODEL MATEMATIK
Program Matematik
Prosedur umum penyelesaian “mathematical programming” diawali
dengan mendefinisikan komponen persoalan berikut ini.
1. Decision Variables : sebagai besaran yang akan dicari
nilainya.
2. Parameters : ukuran-ukuran bernilai tetap dan
dapat diterapkan dalam perhitungan
seperti harga, biaya, benefit dan lain-
lain.
3. Constraints : Sebagai faktor pembatas/kendala
yang perlu dirumuskan secara matematis.
4. Objective Function : adalah pernyataan kuantitatif dari kasus
optimasi, sebagai contoh:
memaksimumkan benefit, menentukan
biaya operasi minimum.
KULIAH -14 [Optimasi]
8

MODEL MATEMATIK
Teknik Optimasi
 Setiap algoritma dari “Operations Research”
diturunkan dengan prinsip yang sama, yaitu untuk
mencapai penyelesaian yang optimal atau dengan
kata lain solusi terbaik dapat diperoleh melalui
penggunaan teknik optimasi.

KULIAH -14 [Optimasi]


9

MODEL MATEMATIK
Teknik Optimasi
Beberapa teknik optimasi yang termasuk dalam
kelompok “Mathematical Programming” adalah:
1. Calculus Method,
2. Linier Programming (LP),
3. Non Linear Programming (NLP),
4. Integer Programming (IP),
5. Dynamic Programming (DP),
6. Integer Linear Programming (ILP).

KULIAH -14 [Optimasi]


10

PROGRAM LINEAR
Pengantar
Linear Programming atau dalam Bahasa Indonesia
dikenal sebagai Program Linear adalah suatu bentuk
model Matematika yang sangat populer terutama dalam
dunia perekonomian atau perdagangan.
Kata program sinonim dari kata rencana atau
perencanaan. Sedang kata linear mempunyai arti bahwa
seluruh fungsi matematika yang ada dalam model ini
adalah fungsi matematika yang linear .

KULIAH -14 [Optimasi]


11

PROGRAM LINEAR
Pengantar
Jadi Program Linear berarti suatu rencana atau
perencanaan dari beberapa aktifitas untuk memperoleh
hasil yang optimal yaitu suatu hasil yang memberikan
alternatif terbaik diantara kemungkinan alternatif yang
lain.
Bentuk dasar dari model linear ini diperkenalkan
pertama kali oleh Jordan pada tahun 1873, kemudian
oleh Minkowski pada tahun 1896 dan oleh Farkas
pada tahun 1903.

KULIAH -14 [Optimasi]


12

PROGRAM LINEAR
Pengertian

Program linier merupakan suatu metode yang


digunakan untuk menyelesaikan suatu persoalan
(Maksimasi atau Minimasi) dengan menggunakan
metode matematik yang dirumuskan dalam bentuk
persamaan-persamaan atau pertidaksamaan-
pertidaksamaan linier.

KULIAH -14 [Optimasi]


13

PROGRAM LINEAR
Asumsi
Asumsi Dasar Program Linier
1. Linearity
Fungsi obyektif dan kendala haruslah merupakan fungsi linier dan
variabel keputusan. Hal ini akan mengakibatkan fungsi bersifat
proporsional dan additif.
2. Divisibility
Nilai variabel keputusan dapat berupa bilangan pecahan. Apabila
diinginkan solusi berupa bilangan bulat (integer), maka harus digunakan
metoda untuk integer programming.
3. Non negativity variable
Nilai variabel keputusan haruslah tidak negatif ( ≥ 0)
4. Certainty
Semua konstanta (parameter) diasumsikan mempunyai nilai yang pasti.
Bila nilai-nilai parameternya probabilistik, maka harus digunakan
formulasi pemrograman masalah stokastik.
KULIAH -14 [Optimasi]
14

PROGRAM LINEAR
Contoh Soal
Pedagang buah mempunyai rak yang hanya cukup
ditempati untuk 40 keranjang buah. Buah mangga
dibeli dengan harga Rp6000,00 setiap keranjang
dan buah jeruk dibeli dengan harga Rp8000,00
setiap keranjang. Pedagang tersebut mempunyai
modal Rp300.000,00, keuntungan yang diperoleh
Rp500 dan Rp750 untuk masing-masing buah
mangga dan jeruk. Buatlah model matematika untuk
masalah ini dengan tujuan memaksimumkan
keuntungan.

KULIAH -14 [Optimasi]


15

PROGRAM LINEAR
Solusi
Variabel Keputusan : x1=Buah mangga
x2 =Buah jeruk
B. Mangga B. Jeruk Kapasitas
Banyak x1 x2 40
Harga 6000x1 8000x2 300.000
Fungsi Tujuan 500x1 750x2
Laba (maks)

Fungsi Tujuan (maks)  Z = 500x1 + 750x2


Kendala : 1. x1 + x2 ≤ 40
2. 6000x1 + 8000x2 ≤ 300.000 ⇔ 3x1 + 4x2 ≤ 150
Kendala nonneg : x1 ≥ 0; x2 ≥ 0
KULIAH -14 [Optimasi]
16

PROGRAM LINEAR
Solusi
x1 + x2 ≤ 40 ; 3x1 + 4x2 ≤ 150 ; x ≥ 0; y ≥ 0
x1 0 40 x1 0 50
x2 40 0 x2 37,5 0
x2
x1 + x2 ≤ 40

40
3x1 + 4x2 ≤ 150
D
37,5
C
B
x1
A 40 50

KULIAH -14 [Optimasi]


17

x1 + x2 = 40 |x3| 3x1 + 3x2 = 120


3x1 + 4x2 =150 |x1| 3x1 + 4x2 = 150
_
-x2 = -30 ⇔ y = 30
x1 + x2 = 40 ⇔ x1 + 30 = 40 ⇔ x1 = 10
Uji titik pojok
F(x1, x2) 500x1 + 750x2 Keterangan
A(0, 0) 500.0 + 750.0 = 0
B(40, 0) 500.40 + 750.0 = 20.000 Nilai minimum
C(10, 30) 500.10 + 750.30 = 27.500
D(0, 37,5) 500.0 + 750.37,5 = 28.125 Nilai maksimum

Jadi nilai maksimumnya adalah Rp28.125


KULIAH -14 [Optimasi]
18

PROGRAM LINEAR
Contoh Soal
Suatu perusahaan akan membangun 2 macam
unit rumah yang jumlahnya tidak boleh lebih dari 18
unit. Keuntungan dari kedua macam unit rumah
tersebut masing-masing adalah Rp. 7.500.000,- dan
Rp. 4.250.000,- per unit. Dari survey terlihat bahwa
rumah tipe I harus dibuat sekurang-kurangnya 5 unit
sedangkan tipe II sekurang-kurangnya 3 unit.
Mengingat bahan baku yang ada maka kedua rumah
tersebut dapat dibuat paling sedikit 10 unit. Tentukan
banyaknya rumah yang harus dibuat untuk
mendapatkan keuntungan yang maksimum ?
KULIAH -14 [Optimasi]
19

PROGRAM LINEAR
Solusi
Variabel Keputusan : x1 = Rumah tipe I
x2 = Rumah tipe II

Tipe I Tipe II Kapasitas


Banyak x1 x2 18

Bahan Baku x1 x2 10

Pembangunan
Fungsi Tujuan (maks) 5x1
Minimal  Z = 7.500.000x1
3x2 + 4.500.000x2

Fungsi Tujuan
7.500.000x1 4.250.000x2
Laba (maks)

KULIAH -14 [Optimasi]


20

PROGRAM LINEAR
Solusi

Fungsi Tujuan (maks)  Z = 7.500.000x1 + 4.250.000x2

Kendala : 1. x1 + x2 ≤ 18 unit
2. x1 + x2 ≥ 10 unit
3. x1 ≥ 5 unit
4. x2 ≥ 3 unit

Kendala non-negatif : x1 ≥ 0; x2 ≥ 0

KULIAH -14 [Optimasi]


21

PROGRAM LINEAR
Solusi

KULIAH -14 [Optimasi]


22

PROGRAM LINEAR
Solusi
Daerah yang memenuhi (feasible area) adalah titik2 ABCD.
F(x1, x2) 7.5jt x1 + 4,25jt x2 Ket.

A(7 , 3) (7,5 jt . 7) + (4,25 jt . 3) = 65,25 jt

B(15 , 3) (7,5 jt . 15) + (4,25 jt . 3) = 125,25 jt Maximum

C(5 , 13) (7,5 jt . 5) + (4,25 jt . 13) = 92,75 jt

D(5 , 5) (7,5 jt . 5) + (4,25 jt . 5) = 58,75 jt Minimum

Jadi keuntungan maksimum yang dapat diperoleh adalah


Rp.125,25 juta dengan menjual 15 unit rumah tipe I dan 3 unit
rumah tipe II
KULIAH -14 [Optimasi]
6s-23 LP Metode Simpleks

Operations Management

William J. Stevenson

8th edition
24

METODE SIMPLEKS
Pengantar
 Salah satu teknik penentuan solusi optimal yang digunakan
dalam pemrograman linier adalah metode simpleks.
 Penentuan solusi optimal menggunakan metode simpleks
didasarkan pada teknik eleminasi Gauss Jordan.
 Penentuan solusi optimal dilakukan dengan memeriksa titik
ekstrim satu per satu dengan cara perhitungan iteratif.
 Sehingga penentuan solusi optimal dengan simpleks
dilakukan tahap demi tahap yang disebut dengan iterasi.

KULIAH -14 [Optimasi]


25

METODE SIMPLEKS
Ada beberapa istilah yang sangat sering digunakan dalam
metode simpleks, diantaranya :
1. Iterasi adalah tahapan perhitungan dimana nilai dalam
perhitungan itu tergantung dari nilai tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur
menjadi nol pada sembarang iterasi. Dalam terminologi umum,
jumlah variabel non basis selalu sama dengan derajat bebas
dalam sistem persamaan.
3. Variabel basis merupakan variabel yang nilainya bukan nol
pada sembarang iterasi. Pada solusi awal, variabel basis
merupakan variabel slack (jika fungsi kendala merupakan
pertidaksamaan ≤ ) atau variabel buatan (jika fungsi kendala
menggunakan pertidaksamaan ≥ atau =). Secara umum, jumlah
variabel basis selalu sama dengan jumlah fungsi pembatas
(tanpa fungsi non negatif).
KULIAH -14 [Optimasi]
26

METODE SIMPLEKS
4. Solusi atau nilai kanan merupakan nilai sumber daya
pembatas yang masih tersedia. Pada solusi awal, nilai kanan atau
solusi sama dengan jumlah sumber daya pembatas awal yang
ada, karena aktivitas belum dilaksanakan.
5. Variabel slack adalah variabel yang ditambahkan ke model
matematik kendala untuk mengkonversikan pertidaksamaan ≤
menjadi persamaan (=). Penambahan variabel ini terjadi pada
tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi
sebagai variabel basis.
6. Variabel surplus adalah variabel yang dikurangkan dari model
matematik kendala untuk mengkonversikan pertidaksamaan ≥
menjadi persamaan (=). Penambahan ini terjadi pada tahap
inisialisasi. Pada solusi awal, variabel surplus tidak dapat
berfungsi sebagai variabel basis.

KULIAH -14 [Optimasi]


27

METODE SIMPLEKS

7. Variabel buatan adalah variabel yang ditambahkan ke model


matematik kendala dengan bentuk ≥ atau = untuk difungsikan
sebagai variabel basis awal. Penambahan variabel ini terjadi pada
tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi
optimal, karena kenyataannya variabel ini tidak ada. Variabel
hanya ada di atas kertas.
8. Kolom pivot (kolom kerja) adalah kolom yang memuat
variabel masuk. Koefisien pada kolom ini akn menjadi pembagi
nilai kanan untuk menentukan baris pivot (baris kerja).
9. Baris pivot (baris kerja) adalah salah satu baris dari antara
variabel basis yang memuat variabel keluar.
10. Elemen pivot (elemen kerja) adalah elemen yang terletak
pada perpotongan kolom dan baris pivot. Elemen pivot akan
menjadi dasar perhitungan untuk tabel simpleks berikutnya.

KULIAH -14 [Optimasi]


28

METODE SIMPLEKS

11. Variabel masuk adalah variabel yang terpilih untuk menjadi


variabel basis pada iterasi berikutnya. Variabel masuk dipilih satu
dari antara variabel non basis pada setiap iterasi. Variabel ini
pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar adalah variabel yang keluar dari variabel basis
pada iterasi berikutnya dan digantikan oleh variabel masuk.
Variabel keluar dipilih satu dari antara variabel basis pada setiap
iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol.

KULIAH -14 [Optimasi]


29

METODE SIMPLEKS
BENTUK BAKU
 Sebelum melakukan perhitungan iteratif untuk menentukan
solusi optimal, pertama sekali bentuk umum pemrograman
linier dirubah ke dalam bentuk baku terlebih dahulu.
 Bentuk baku dalam metode simpleks tidak hanya mengubah
persamaan kendala ke dalam bentuk sama dengan, tetapi
setiap fungsi kendala harus diwakili oleh satu variabel basis
awal.
 Variabel basis awal menunjukkan status sumber daya pada
kondisi sebelum ada aktivitas yang dilakukan. Dengan kata
lain, variabel keputusan semuanya masih bernilai nol.
 Dengan demikian, meskipun fungsi kendala pada bentuk
umum pemrograman linier sudah dalam bentuk persamaan,
fungsi kendala tersebut masih harus tetap berubah.

KULIAH -14 [Optimasi]


30

METODE SIMPLEKS

Ada beberapa hal yang harus diperhatikan dalam membuat


bentuk baku, yaitu :
1. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum,
dirubah menjadi persamaan (=) dengan menambahkan satu
variabel slack.
2. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum,
dirubah menjadi persamaan (=) dengan mengurangkan satu
variabel surplus.
3. Fungsi kendala dengan persamaan dalam benttuk
umum,ditambahkan satu artificial variabel (variabel buatan).

KULIAH -14 [Optimasi]


31

METODE SIMPLEKS
Contoh
 Fungsi tujuan : minimumkan z = 2x1 + 3x2
Kendala :
• 10 x1 + 5 x2 ≤ 600
• 6 x1 + 20 x2 ≤ 600
Bentuk Umum Prog. Linear
• 8 x1 + 15 x2 ≤ 600
• x1, x2 ≥
 Fungsi tujuan : minimumkan z = 2x1 + 3x2 + 0s1 + 0s2 + 0s3
Kendala :
• 10 x1 + 5 x2 + s1 = 600 Bentuk
• 6 x1 + 20 x2 + s2 = 600 Umum
• 8 x1 + 15 x2 + s3 = 600 Metode
Simpleks
• x1, x2 , s1 , s2 , s3 ≥ 0
• s1 , s2 , s3 merupakan variable slack
KULIAH -14 [Optimasi]
32

METODE SIMPLEKS
Contoh
 Fungsi kendala pertama mendapatkan variable buatan (s1),
karena bentuk umumnya sudah menggunakan bentuk
persamaan.
 Fungsi kendala kedua dan keempat mendapatkan variabel
slack (s2 dan s5) karena bentuk umumnya menggunakan
pertidaksamaan ≤, sedangkan fungsi kendala ketiga
mendapatkan variabel surplus (s3) dan variabel buatan (s4)
karena bentuk umumnya menggunakan pertidaksamaan ≥.

KULIAH -14 [Optimasi]


33

METODE SIMPLEKS
PEMBENTUKAN TABEL SIMPLEKS
 Dalam perhitungan iterative, kita akan bekerja menggunakan
tabel. Bentuk baku yang sudah diperoleh, harus dibuat ke dalam
bentuk tabel.
 Semua variabel yang bukan variabel basis mempunyai solusi (nilai
kanan) sama dengan nol dan koefisien variabel basis pada baris
tujuan harus sama dengan 0. Oleh karena itu kita harus
membedakan pembentukan tabel awal berdasarkan variabel basis
awal. Dalam sub bab ini kita hanya akan memperhatikan
fungsikendala yang menggunakan variabel slack dalam bentuk
bakunya, sedangkan yang menggunakan variabel buatan akan
dibahas pada sub bab lainnya.
VB X1 X2 S1 S2 S3 solusi
Z -2 -3 0 0 0 0
S1 10 5 1 0 0 600
S2 6 20 0 1 0 600
S3 8 15 0 0 1 600
KULIAH -14 [Optimasi]
34

METODE SIMPLEKS
Langkah Penyelesaian
Langkah-langkah penyelesaian adalah sebagai berikut :
1. Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat
dari solusi (nilai kanan). Jika solusi ada yang bernilai negatif, maka
tabel tidak layak. Tabel yang tidak layak tidak dapat diteruskan untuk
dioptimalkan.
2. Tentukan kolom pivot. Penentuan kolom pivot dilihat dari koefisien
fungsi tujuan (nilai di sebelah kanan baris z) dan tergantung dari
bentuk tujuan. Jika tujuan maksimisasi, maka kolom pivot adalah
kolom dengan koefisien paling negatif. Jika tujuan minimisasi , maka
kolom pivot adalah kolom dengan koefisien positif terbesar. Jika
kolom pivot ditandai dan ditarik ke atas, maka kita akan mendapatkan
variabel keluar. Jika nilai paling negatif (untuk tujuan maksimisasi)
atau positif terbesar (untuk tujuan minimisasi) lebih dari satu, pilih
salah satu secara sembarang.
KULIAH -14 [Optimasi]
35

MODEL SIMPLEKS
Langkah Penyelesaian
3. Tentukan baris pivot. Baris pivot ditentukan setelah membagi nilai
solusi dengan nilai kolom pivot yang bersesuaian (nilai yang terletak
dalam satu baris). Dalam hal ini, nilai negatif dan 0 pada kolom
pivot tidak diperhatikan, artinya tidak ikut menjadi pembagi. Baris
pivot adalah baris dengan rasio pembagian terkecil. Jika baris pivot
ditandai dan ditarik ke kiri, maka kita akan mendapatkan variabl
keluar. Jika rasio pembagian terkecil lebih dari satu, pilih salah sau
secara sembarang.
4. Tentukan elemen pivot. Elemen pivot merupakan nilai yang terletak
pada perpotongan kolom dan baris pivot.

KULIAH -14 [Optimasi]


36

MODEL SIMPLEKS
Langkah Penyelesaian
5. Bentuk tabel simpleks baru. Tabel simpleks baru dibentuk dengan
pertama sekali menghitung nilai baris pivot baru. Baris pivot baru
adalah baris pivot lama dibagi dengan elemen pivot. Baris baru
lainnya merupakan pengurangan nilai kolom pivot baris yang
bersangkutan dikali baris pivot baru dalam satu kolom terhadap
baris lamanya yang terletak pada kolom tersebut.
6. Periksa apakah tabel sudah optimal. Keoptimalan tabel dilihat dari
koefisien fungsi tujuan (nilai pada baris z) dan tergantung dari
bentuk tujuan. Untuk tujuan maksimisasi, tabel sudah optimal jika
semua nilai pada baris z sudah positif atau 0. Pada tujuan
minimisasi, tabel sudah optimal jika semua nilai pada baris z sudah
negatif atau 0. Jika belum, kembali ke langkah no. 2 , jika sudah
optimal baca solusi optimalnya.

KULIAH -14 [Optimasi]


6s-37 LP Metode Simpleks

Operations Management

William J. Stevenson

8th edition
38

Operation Research Decision Support Methods

Simulation Optimization

Decision Analysis Mathematical Programming (MP) :

MCDM : Linear Programming (LP)


Integer Programming (IP)
Collective Utility (CU)
Cost Effectiveness (CE) Multi Objective Programming (MOP)
Compromise Programming ..
Electre I & II ..
Analytical Hierarchy Process (AHP)

BAGAN METODE ANALISIS DECISION SUPPORT METHODS (DSS)


KULIAH -14 [Optimasi]
39

Untuk materi ini dipelajari di level S-2

KULIAH -14 [Optimasi]


6s-40 LP Metode Simpleks

Operations Management

William J. Stevenson

8th edition
LOGO Penutup
Closure

Kesimpulan
Silahkan Simpulkan Sendiri

KULIAH -9 [Air Tanah]


SEKIAN
DAN
TERIMA KASIH

JURUSAN SIPIL
FAKULTAS TEKNIK
LOGO
UNIVERSITAS NEGERI GORONTALO

Anda mungkin juga menyukai