Knowledge = 20 %
Percentage
Skill = 40 %
Attitude = 40 %
Course = 3
Tutorial = 3
Activity (hour/week)
Mandiri = 3
UTS = 30 %
Assessment/Penilaian UAS = 40 %
Tugas = 30 %
Solusi grafis
Metode simplex
Mg 2-7 Linear programming Metode simplex dua fase
Hubungan dual-primal
Transportation model
Assignment model
Mg 8 UTS
- Inventory model secara umum
Mg 9-11 Pengantar inventory
- Model dengan pola permintaan yang
model deterministik
Mg16 UAS
Pengertian Analisis Sistem
Sistem dapat didefiniskan sebagai gabungan berbagai
komponen struktural dan non-struktural yang saling
terkait yang diorganisasikan untuk mencapai sejumlah
output (tujuan) tertentu dengan cara mengatur input dari
sistem (berupa sumber daya materi, energi dan informasi
dll).
Outputnya: dimensi struktur yang dapat menahan beban dengan baik (kuat dan
kaku)
Sistem Irigasi:
bendung, saluran pembawa, bangunan bagi, jaringan tersier dll (struktural),
peraturan mengenai pengambilan air, pola tanam dll. (non struktural)
Outputnya: agar air dapat didistribusikan ke petakan sawah sesuai dgn kebutuhan.
Contoh Analisis Sistem [2]
Sistem Transportasi:
dimensi ruas jalan, topologi (bentuk) jaringan, jenis dan geometrik simpang,
besaran-beseran pengaturan simpang, hambatan samping, pola perjalanan,
perilaku lalu lintas, dll (struktural), harga bahan bakar, penegakan aturan lalu
lintas, cuaca, dll (non struktural)
Input dari sistem: pola dan besaran perjalanan, dimensi ruas, simpang dan
pengaturannya, batasan ruang, batasan biaya, dll.
i m j n
min cijXij
i 1 j 1
subject to
j n
X
j 1
ij si (i 1,2,..., m)
i m
X
i 1
ij dj ( j 1,2,..., n)
Statistical Methods
Heuristic Methods
Mathematical Programming Techniques
Calculus Method
Calculus of Variation
Linear Programming
Nonlinear Programming
Geometric Programming
Quadratic Programming
Dynamic Programming
Integer Programming
Stochastic Programming
Network Methods
Game Theory
Stocastic Process Techniques
Markov Processes
Queueing Theory
Renewal Theory
Simulation Theory
Reliability Theory
Statistical Decision Theory
Statistical Methods
Regression Analysis
Cluster Analysis
Design of Experiments
Factor Analysis
Heuristic Methods
Simulated Annealing
Neural Network
Fuzzy Logic
Taboo Search
Genetic Algorithm
Ant Colony
• Secara umum terdapat dua jenis Model Matematik untuk mencari solusi
optimum, yang biasa digunakan dalam praktek.
• Tipikal model analisis sistem akan terdiri dari fungsi objektif tunggal
dan satu set persamaan pembatas. Fungsi objektif diasumsikan
sebagai fungsi satu set desain, keputusan, atau variabel kendali.
Fungsi objektif bisa dinyatakan sebagai hubungan matematik
• Fungsi f(x) dan set fungsi yang diwakili g(x) bisa berupa linier dan
nonlinier
Solusi Grafis untuk Model Matematik Linier
• Konsep dasar untuk mendapatkan solusi optimum dapat diilustrasikan
dengan model dan pengertian grafis. Model grafis terbatas untuk dua
variabel kendali atau yang disebut model bivariate.
II I II I II I
x1
x1 x1
III IV
III IV III IV
• Pembatas x1 + x2 ≥ 5000 , x1 ≤ 5000 , dan x2 ≤ 3000 ditunjukkan pada
gambar dibawah
x2 x2
5000
5000
x1 + x2 ≥ 5000
x1 ≤ 5000
x1 x1
5000
5000
(b)
(a)
x2 x2
5000 5000
Batas / boundary
x2 ≤ 3000
Titik ekstrim
x1 x1
5000 5000
(c) (d)
• Perpotongan bidang pada Gambar (a), (b), dan (c) diatas menghasilkan
wilayah fisibel seperti ditunjukkan pada Gambar (d). Semua titik yang
terletak didalam atau pada batas wilayah fisibel disebut solusi fisibel.
Semua titik terletak diluar wilayah fisibel disebut solusi tidak fisibel. Titik 1
dan 2 adalah contoh solusi fisibel dan tidak fisibel.
Garis z0 harus melewati titik (3000,0) dan (0,2500). Semua titik yang
terletak pada z0 = $150,000 dan tidak berpotongan seperti ditunjukkan
pada gambar dibawah disebut solusi tidak fisibel. Tidak satupun titik2 tsb
dapat menjadi solusi optimum.
• Langkah ketiga: solusi optimum dapat ditemukan dengan menggambarkan
garis kontur paralel terhadap z0 yang terletak pada titik ekstrim wilayah
fisibel. Arah pertambahan nilai z ditunjukkan pada gambar dibawah. Garis
kontur baru z harus berpotongan solusi fisibel bisa dikatakan kandidat
solusi optimum. Untuk model linier, titik ekstrim didefinisikan sebagai
perpotongan dua atau lebih persamaan pembatas.
x2
5000
Titik ekstrim
2500
Wilayah fisibel
Z0 = $150,000
Arah utk
Titik ekstrim
menambah
nilai z
x1
3000 5000
• Titik ekstrim akan terletak pada batas wilayah fisibel, selanjutnya ini
adalah solusi fisibel dan kandidat untuk solusi optimum. Garis kontur yang
ditandai dengan z* adalah paralel terhadap z 0 dan garis tsb akan melewati
titik ekstrim x*. Lokasi solusi optimum untuk masalah maksimum
ditunjukkan pada gambar dibawah.
x2
5000
Z* = $430,000
x1
3000 5000
• Titik x* adalah unik karena z adalah maksimum dan memenuhi kondisi
yang ditetapkan set pembatas dari masalah. Jadi, solusi optimum masalah
ini adalah
• Soal 1
Tinjau set pembatas:
x1 – 2x2 ≤ 2
2x1 + x2 ≤ 9
-3x1 + 2x2 ≤ 3
x1 tidak ada batasan
x2 ≥ 0
Minimalkan z = 3x1 + x2
2x1 + 2x2 ≤ 9
2x1 – 4x2 = 6
x1 ≥ 0
x2 ≥ 0
Maksimumkan z = 2x2
x1 ≤ x 2 (1)
-x1 + 2x2 ≤ 2 (2)
2x1 + 2x2 = 3 (3)
x1 tidak ada batasan
x2 ≥ 0
Bahan dasar M1 6 4 24
Bahan dasar M2 1 2 6
Untung/ton (10 juta Rp.) 5 4
Dari hasil survey pasar, kebutuhan cat interior lebih tinggi dari cat eksterior
namun tidak lebih dari 1 ton/hari dan kebutuhan cat interior maksimum
adalah 2 ton/hari.
Maka:
1
4
3
3
2
2 4
E D
1 C
F
A B
x1
1 2 3 4 5 6 6
x2
6
X1= 3 ton
X2 = 1.5 ton
5
Z = 210 Juta Rp
2
E D
C
1 F
A B
x1
1 2 3 4 5 6
x2
Sensitivitas:
Perubahan pada koefisien fungsi obyektif:
z = c1x1 + c2x2 , c1 0, c2 0
Titik optimum tetap berada di C bila 4/6 ≤ c2/c1 ≤ 2/1
2
E D
C
1 F
A B
x1
1 2 3 4 5 6
x2
Sensitivitas:
Perubahan pada constraint (resource):
M1 berubah, M2 tetap 6 ton
Dengan batas M2 tetap, maka titik yg masih feasibel adalah titik D
(2,2) dan G (6,0). Maka 20 ≤ M1 ≤ 36
6 aM1+ b = x1 aM1+ b = x2
a(20) + b = 2 a(20) + b = 2
5
a(36) + b = 6 a(36) + b = 0
a = ¼, b = -3 a = -1/8, b = 9/2
4
x1 = ¼M1 - 3 x2 = 1/8M1 + 9/2
3
M1=24
2
M1=20
E D
C
1 F M1=36
A B
G
x1
1 2 3 4 5 6
x2
Sensitivitas:
Perubahan pada constraint (resource):
M1 tetap 24 ton, M2 berubah
Dengan batas M1 tetap, maka titik yg masih feasibel adalah titik H
(8/3,2) dan B (4,0). Maka 4 ≤ M2 ≤ 20/3
6
x1 = -1/2M2 + 6 x2 = 3/4M2 - 3
3
M2 = 6
H
2 M2 = 6 2/3
E D
C
1 F M2 = 4
A B
x1
1 2 3 4 5 6
x2 Sensitivitas:
Unit worth of resource:
Tingkat perubahan nilai fungsi obyektif optimum akibat perubahan
pada ketersediaan resource.
5
y1 = (perubahan z dari D ke G/perubahan M1 dari D ke G)
y1 = (30-18)/(36-20)
4 = 7.5 juta Rp/ton M1
C
1 F
A B
G
x1
1 2 3 4 5 6