Professional Documents
Culture Documents
Bab 22
Bentuk Pemrograman Integer dan
Linier
2.1
2.1 Pengenalan
Pengenalan Pemrograman
Pemrograman Linier
Linier
• Model Linear Programming berusaha untuk m
emaksimalkan atau meminimalkan fungsi
linear, tunduk pada satu set kendala linier.
• Model linear terdiri dari komponen-komponen
berikut:
Satu set variabel keputusan.
Fungsi objektif.
Satu set kendala.
Pengenalan Pemrograman Linier
• Pentingnya Linear Programming
Banyak masalah dunia nyata meminjamkan diri untuk linear
pemodelan pemrograman.
Banyak masalah dunia nyata dapat
didekati dengan model linier.
Ada aplikasi yang sukses terkenal di:
o Manufaktur
o Pemasaran
o Keuangan (investasi)
o Periklanan
o Pertanian
Pengenalan Pemrograman
Linier
• Pentingnya Linear Programming
o Ada beberapa teknik solusi yang
efisien yang memecahkan model pemrograman li
nier.
o Output yang dihasilkan dari paket linear
programming menyediakan berguna"bagaimana ji
ka" analisis.
Pengenalan Pemrograman
Linier
• Asumsi dari model linear programming
o Nilai parameter yang dikenal dengan pasti.
o Fungsi tujuan dan kembali menunjukkan kendala konstan atas skala.
o Tidak ada interaksi antara variabel keputusan (asumsi aditif).
o Asumsi Continuity: Variabel dapat mengambil nilai
apapun dalam rentang layak diberikan.
•
o
Industri Produksi Galaxy –
Sebuah Contoh Prototipe
• Galaksi memproduksi dua model mainan boneka:
o Space Ray.
o Zapper.
• Sumber daya terbatas :
o 1000 pon dari plastik khusus.
o 40 jam waktu produksi per minggu.
Industri Produksi Galaxy –
Sebuah Contoh Prototipe
• Kebutuhan Pasar
Total produksi tidak dapat melebihi 700 lusinan.
Jumlah puluhan Space Rays tidak
dapat melebihi jumlah puluhan Zappers lebih
dari 350.
• Input secara Teknologi
Space Rays membutuhkan 2 kilogram plastik dan
3 menit kerja per lusin.
Zappers membutuhkan 1 pound plastik dan
4 menit kerja per lusin.
Industri Produksi Galaxy –
Sebuah Contoh Prototipe
• Rencana Produksi saat ini untuk permintaan:
Memproduksi sebanyak mungkin dari produk yang
lebih menguntungkan, Space Ray ($8 profit per lusin).
Gunakan sumber daya tersisa untuk memproduksi
Zappers ($ 5 profit per lusin), sedangkan sisanya dalam
pedoman pemasaran.
• Rencana Produksi saat ini didasarkan pada :
Space Rays = 450 lusin
Zapper = 100 lusin 8(450) + 5(100)
Profit = $4100 per minggu
Manajemen mencari jadwal pro
duksi yang akan meningkatkan
keuntungan perusahaan.
Sebuah model linear programming
dapat memberikan wawasan dan
solusi cerdas untuk masalah ini.
Bentuk Pemrograman
Galaksi Linier
• Keputusan variabel:
X1 = Tingkat produksi mingguan Space Rays (dalam
puluhan)
X2 = Tingkat produksi mingguan Zappers (dalam
puluhan).
• Fungsi Tujuan:
Keuntungan mingguan, akan dimaksimalkan
Bentuk Pemrograman
Galaksi Linier
Max 8X1 + 5X2 (Profit mingguan)
Terletak pada
2X1 + 1X2 1000 (Plastik)
3X1 + 4X2 2400 (Waktu Produksi)
X1 + X2 700 (Produksi Total)
X1 - X2 350 (Campuran)
Xj> = 0, j = 1,2 (Non-negatif)
2.3 Analisis Grafik tentang
Pemrogaraman Linier
Kumpulan semua poin yang memenuhi semua
batasan model ini disebut
sebuah
WILAYAH LAYAK
Menggunakan presentasi grafis
kita dapat mewakili semua kendala,
fungsi tujuan, dan tiga jenis poin layak
Analisis Grafik – Wilayah
Layak
X2
Keadaan non-negatif
X1
Analisis Grafik – Wilayah
Layak
X2
1000 Kendala Plastik
2X1+X2 1000
700 Kendala Total Produksi:
X1+X2 700 (pengulangan)
500
Tidak Layak
Layak
Waktu Produksi
3X1+4X2 2400
X1
500 700
Analisis Grafik – Wilayah
Layak
X2
1000 Kendala Plastik
2X1+X2 1000
700 Kendala Total Produksi:
X1+X2 700 (pengulangan)
500 Tidak layak
500 700 X1
Interior points.
Boundary points . Extreme points .
• There are three types of feasible points
Grafik Penyelesaian Untuk
Solusi Optimal
Pencarian Untuk Sebuah
Solusi Optimal
X2 Start at some arbitrary profit, say profit = $2,000...
700 Profit=$4360
500
X1
500
Ringkasan dari Solusi Optimal
Setiap rata-rata tertimbang
solusi optimal juga merupakan
solusi optimal
Peran Analisis Sensitivita
s pada Solusi Optimal
• Apakah solusi optimal sensitif terhadap
perubahan parameter input?
• Kemungkinan alasan untuk menanyakan pertanyaan ini:
o Nilai Parameter yangdigunakan hanya estimasi terbaik
o Lingkungan dinamis dapat menyebabkan perubahan.
o "Apa-jika" analisis dapat memberikan informasi
yang ekonomis dan operasional.
Analisis Sensitivitas Koefisien
Fungsi Tujuan.
Rentang Optimalisasi
• Kisaran optimum Solusi optimal tidak akan
berubah selama
^Sebuah fungsi objektif koefisien
terletak dalam jangkauan dari optimalisasi
^Tidak ada perubahan dalam parameter input
lain.
• Nilai fungsi obyektif akan berubah jika
mengalikan koefisien variabel yang nilainya nol.
Analisis Sensitivitas
Koefisien Fungsi Tujuan.
1000 X2
M
Ma ax 4
x3
.75 X1 +
X 5X
1 +
Ma
5X 2
x8
2
X1
+5
500
X2
Max
2X
1 + 5X
2
X1
Analisis Sensitivitas Koefisien
Fungsi Tujuan.
1000
Ma
x8
X1
+5
Ma
x1
500
0 X1
Ma
x
+5
3.7
5 X1 +
X2
5X
2
+1
+1
x 2<
x 2<
=10
01
500
00
Shadow price =
4363.40 – 4360.00 = 3.40
Production time X1
constraint
500
Rentang Kelayakan
Dengan asumsi tidak ada perubahan lain ke
parameter input, kisaran kelayakan
-Rentang nilai untuk sisi kanan kendala,
di mana harga bayangan untuk kendala tetap
tidak berubah.
-Pada kisaran kelayakan perubahan nilai
fungsi objektif sebagai berikut:
constraint
X1 + X2 700
500
Ini adalah solusi infeasible
Production time
constraint
X1
500
Rentang Kelayakan
The Plastic
constraint 2X 1 X2
Perhatikan bagaimana
+1
1000
meningkatkan keuntungan sebagai
x 2
kenaikan plastik
100
0
500
Production time
constraint
X1
500
rentang kelayakan
X2
A new active
constraint
Production time
constraint
X1
500
Interpretasi yang benar harga bayangan
• Penambahan kendala.
• Penghapusan hambatan.
• Penambahan variabel.
• Penghapusan variabel.
• Perubahan kiri - koefisien sisi.
2.5 Menggunakan Excel Solver untuk Temukan
Solusi Optimal dan Analisis Hasil
-Untuk melihat layar input di Excel klik Galaxy.xls
-Klik Solver untuk mendapatkan kotak dialog berikut.
39
Set Target cell
-Untuk melihat layar input di Excel klik Galaxy.xls
-Klik Solver untuk mendapatkan kotak dialog berikut.
$D$7:$D$10<=$F$7:$F$10
Menggunakan Excel Solver - Solusi
Optimal
GALAXY INDUSTRIES
Space Rays Zappers
Dozens 320 360
Total Limit
Profit 8 5 4360
Plastic 2 1 1000 <= 1000
Prod. Time 3 4 2400 <= 2400
Total 1 1 680 <= 700
Mix 1 -1 -40 <= 350
Menggunakan Excel Solver - Solusi
Optimal
GALAXY INDUSTRIES
Space Rays Zappers
Dozens 320 360
Total Limit
Profit 8 5 4360
Plastic 2 1 1000 <= 1000
Prod. Time 3 4 2400 <= 2400
Total 1 1 680 <= 700
Mix 1 -1 -40 <= 350
Solver siap
untuk
memberikan
laporan untuk
menganalisa
solusi optimal
Menggunakan Excel Solver Laporan-
Jawaban
Microsoft Excel 9.0 Answer Report
Worksheet: [Galaxy.xls]Galaxy
Report Created: 11/12/2001 8:02:06 PM
Adjustable Cells
Cell Name Original Value Final Value
$B$4 Dozens Space Rays 320 320
$C$4 Dozens Zappers 360 360
Constraints
Cell Name Cell Value Formula Status Slack
$D$7 Plastic Total 1000 $D$7<=$F$7 Binding 0
$D$8 Prod. Time Total 2400 $D$8<=$F$8 Binding 0
$D$9 Total Total 680 $D$9<=$F$9 Not Binding 20
$D$10 Mix Total -40 $D$10<=$F$10 Not Binding 390
Menggunakan Excel Solver Laporan-
Jawaban
Microsoft Excel Sensitivity Report
Worksheet: [Galaxy.xls]Sheet1
Report Created:
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$4 Dozens Space Rays 320 0 8 2 4.25
$C$4 Dozens Zappers 360 0 5 5.666666667 1
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$D$7 Plastic Total 1000 3.4 1000 100 400
$D$8 Prod. Time Total 2400 0.4 2400 100 650
$D$9 Total Total 680 0 700 1E+30 20
$D$10 Mix Total -40 0 350 1E+30 390
2.7 Model Tanpa Solusi Optimal Unik
• Infeasibility: Terjadi ketika model tidak
memiliki titik layak.
• Unboundness: Terjadi ketika tujuan dapat
menjadi besar tak berhingga (max), atau
sangat kecil (min).
• Alternatif solusi: Terjadi ketika lebih dari satu
titik mengoptimalkan fungsi objektif
Infeasible Model
3 1
Solver - Model layak
Solusi tak terbatas
th
e Ma
Ob xim
je ize
ct
fe ive
as Th Fu
nc
ibl e tio
e n
re
gio
n
Solver - solusi tak terbatas
Solver - Sebuah Solusi Optimal
Alternatif
• Solver tidak memperingatkan pengguna
adanya alternatif solusi optimal.
• Banyak kali solusi alternatif yang optimal ada
apabila kenaikan atau penurunan
diperbolehkan diijinkan sama dengan nol.
• Dalam kasus ini, kita dapat menemukan solusi
alternatif yang optimal dengan menggunakan
Solver oleh prosedur berikut:
Solver - Sebuah Solusi Optimal
Alternatif
• Perhatikan bahwa untuk meningkatkan beberapa
variabel Xj
Diperbolehkan = 0, atau
mengurangi Diperbolehkan = 0.
• Tambahkan kendala dalam bentuk:
fungsi objektif = nilai yang optimal kini.
• Jika kenaikan diperbolehkan = 0, mengubah tujuan
untuk Maksimalkan Xj
• Jika penurunan diperbolehkan = 0, mengubah tujuan
untuk Minimalkan Xj
2.8 Meminimalkan Biaya Diet
Problem
• Mix dua produk ransum laut: Texfoods,
Calration.
• Meminimalkan total biaya campuran.
• Memenuhi persyaratan minimum
vitamin A, vitamin D, dan Iron.
Meminimalkan Biaya Diet Problem
• Keputusan variabel
X1 (X2) -- Jumlah porsi dua-ons Teks Makanan (Kalibrasi)
produk yang digunakan dalam satu porsi.
• Model
Minimize 0.60X1 + 0.50X2
Subjek
20X1 + 50X2 100 Vitamin A
25X1 + 25X2 100 Vitamin D
50X1 + 10X2 100 Iron
X1, X2 0
The Diet Problem - solusi Grafis
1
0 The Iron
pembatas
Daerah
layak
Vitamin “D”
pembatas
Vitamin “A”
pembatas
Meminimalkan Biaya Diet Problem
• Ringkasan solusi optimal
– Makanan tex produk = 1.5 portions (= 3 ounces)
Calration produk = 2.5 portions (= 5 ounces)