310 likes | 912 Views
Metode Simpleks. Program linier bentuk standar Pengantar metode simpleks. Program Linier Bentuk Standar (1). Program linier dapat memiliki Fungsi tujuan : Maksimal atau minimum Fungsi kendala dengan bentuk pertidak samaan : =, ≤, atau ≥
E N D
Metode Simpleks Program linier bentukstandar Pengantarmetodesimpleks
Program Linier BentukStandar (1) • Program linier dapatmemiliki • Fungsitujuan: • Maksimal atau minimum • Fungsikendaladenganbentukpertidaksamaan: • =, ≤, atau ≥ • Dan variable dapatmemilikibatasatasmaupunbatasbawah • Program linier bentukstandar: • Fungsitujuan: maksimum • Fungsikendala: ≤ • Semuakonstanta RHS positif • Semua variable dibatasipadanilai non-negative
Program Linier BentukStandar (2) • Bentukaljabaruntuksebuah program linier yang memilikimbuahfungsikendaladannbuah variable, dapatdituliskansepertiberikutini: • Fungsitujuan: • m fungsikendala: • nbuahnon-negatif, x1 ≥ 0, x2 ≥ 0, …, xn ≥ 0.
Metode-metode • Grafis; • Jumlah variable yang sedikit • Simpleks; • Jumlah variable: small - large • Interior-point • Jumlah variable: extra large • Pembahasandifokuskanpadamekanismemetodesimpleks: • Terminologi-terminologi • Mekanismedasarmetodesimpleks
Definisi • Solution: semuatitik yang beradadibidang variable, dapatmerupakantitik yang feasibleatauinfeasible (paling tidakmemenuhisatufungsikendala). • Corner point solution: terjadijikaduaataulebihfungsikendalasalingberpotongan. Titik yang dihasilkandisebutsebagaicorner point, bisadidalamataudiluarfeasible region. • Feasible corner point: corner point yang beradadidalamfeasible region. • Adjacent corner point: duabuahcorner point yang dihubungkanolehbagiangarisdarisebuahfungsikendala.
Sifat-sifatpenting Program linier • Titik optimum selaluadadifeasible corner point • halinimerupakanhasildarisemuafungsikendaladanfungsitujuanbersifat linier • Jikasebuahfeasible corner pointmemilikinilaifungsitujuan yang lebihbesardarisemuaadjacent corner point, makatiitktersebutdikatakansebagaititik optimum. • Feasible corner point adadalamjumlah yang terbatas.
Tahap-tahapmetodesimpleks (1) • Fasepertama (start-up): tentukansembarangfeasible corner point. • Untuk program linier bentukstandar, titik origin (0,0) selaluberadadalamfeasible region. Jadi, titik (0,0) adalahtitikdimanaiterasimetodesimpleksakandimulai. • Untuk program linier bentukumum, penentuantitikdimanametodesimpleksakanmulaisedikitlebihrumit. • Fasekedua (iterasi): secaraberulangberpindahkefeasible corner point yang berdekatansampaitidakadanilaifungsitujuan yang lebihbaikpadafeasibel corner point. • Catatan: dimungkinkanterjadikeadaansame optimum value
Tahap-tahapmetodesimpleks (2) • Titik (0,0) merupakantitikawal, dengannilai Z = 0 • Iteasi I, berpindahketitik (2,0) dengannilai Z = 30 • Iterasi II, berpindahketitik (2,2), dengannilai Z = 50 • Stop, duabuahfeasible corner point yang tidakdikunjungiadalah (1,3) dan (0,3)
PenentuanCorner Point SecaraAljabar • Dalampenerapannya, program linier dapatmemiliki variable ratusan, ribuanbahkanlebih. • Program linier denganskalabesar, corner pointditentukansecaraaljabar. • Untuk program linier bentukstandar, dilakukandengancaramengkonversibentukpertidaksamaanmenjadibentukpersamaan • Kemudian, denganmetodeeliminasi gauss dapatditentukantitik-titikperpotonganantaraduaataulebihfungsikendala.
Konversipertidaksamaankebentukpersamaan (1) • Konversidilakukandengancaramenambahkansebuah variable, disebutsebagaislack variable. • Nilaislack variableakanselaluberubahuntukmenghasilkanpersamaan yang benar. • Contoh: • Catatan: slack variablebernilaipositifjikasebuahfungsikendaladalamkeadaantidakaktif (masihberadadidalamfeasible region)
Konversipertidaksamaankebentukpersamaan (2) • Hasilkonversipertidaksamaankebentukpersamaandarisuatu program linier: • Padaawalnya, program linier tersebuthanyamemilikiduabuah variable yaitu (x1danx2), setelahdikonversi variable berjumlah 5 bauh, yaitu (x1, x2, s1, s2, s3)
Terminologialjabar • Augmented solution: nilaidengansemua variable, baik variable original danslack variable • Basic solution: merupakansebuahaugmented corner point solution (bisafeasible atauinfeasible) • Basic feasible solution: merupakansebuahaugmented feasible corner point solution. • Catatan: metodesimpleksfokuspadabasic feasible solution.
Setting nilai variable-variable (1) • Denganmemperhatikanbentuk program linier yang telahdikonversimenjadipersamaan; • Terdapat 5 variable dengan 3 buahpersamaanfungsikendala • Hal iniberarti, duabuah variable ditentukannilaisecaraacak, dan variable yang lain dihitungmenggunakan 3 persamaanfungsikendalatersebut. • Jumlah variable yang nilainyadapatditentukansecaraacakdisebutsebagaidegree of freedomdari program linier tersebut, secaraumum: • df = (jumlah variable dalambentukpersamaan) – (jumlahpersamaanfungsikendala)
Setting nilai variable-variable (2) • Metodesimplekssecaraotomatismemberikannilaipada variable-variable dfdanmenghitungnilai variable-variable yang lain. • Metodesimpleksakanmemberinilainolpada variable-variable dftersebut.
Terminologimetodesimpleks • Nonbasic variable: variable yang sedangdiberinilainololehmetodesimpleks. • Basic variable: variable yang tidaksedangdiberinilainololehmetodesimpleks. • Basis: variable yang selaluberadapadanonbasic variableataubasic variableselamaprosesmetodesimpleks. • Nonbasic, variable bernilaiNOL, fungsikendala yang bersangkutandalamkeadaanaktif.
Iterasiperpindahantitik (1) • Cara yang termudahuntukberpindahdarisuatutitikbasic feasible solutionketitikbasic feasible solution yang lain adalahdenganmencaratitik yang berdekatan. • Sifat-sifattitik-titikbasic feasible solution yang berdekatan: • Himpunannonbasic variablesamakecualisatu variable • Himpunanbasic variablesamakecualisatu variable • Tigakondisi yang harusdipenuhidalamperpindahanketitikbasic feasible solution: • Corner pointharusberdekatan • Corner point harusberadadidalamfeasible region • Corner point yang baruharusmemilikinilaifungsitujuan yang lebihbaik
Iterasiperpindahantitik (2) • Penentuanentering basic variable: • Menentukannonbasic variable yang akanmenjadibasic variable. • Dilakukandengancaramenentukannonbasic variablemanakah yang memberikanpengaruh yang paling besarterhadapperubahanfungsitujuan. • Penentuanleaving basic variable: • Entering basic variable yang telahditentukanakanbertambahnilainyasampaisebuahbasic variable nilainyamenjadiNOL. • Basic variable yang nilainyamenjadi NOL tersebutberubahmenjadinonbasic variable.
Minimum Ratio Test (MRT) • Untukmenentukanleaving basic variablepadapersamaanfungsikendalatertentu: • Duakasusuntuknilai MRT: • Jikakoefisienentering basic variable NOL, berartifungsikendalatersebuttidakberpotongandenganfungsikendala yang masihaktif. • Jikakoefisienentering basic variable NEGATIF, beartifungsikendalatersebutberpotongandenganfungsikendala yang aktif, tetapiarahkenaikannilaientering basic variable semakinmejauhdarititikperpotongantersebut.