Materi Pemrograman Linier
Linear Programming
(Pemrograman Linier)
Program Studi Statistika
Semester Ganjil 2011/2012
DR. Rahma Fitriani, S.Si., M.Sc
Simplex Algorithm (Algoritma
Simpleks)
Dapat
diterapkan apabila
permasalah LP sudah dirubah ke
dalam bentuk standar (standard
form)
Bentuk standar suatu LP:
◦ Jika semua kedala berupa
persamaan dan semua peubah non
negatif
solusi simultan dari m
persamaan kendala
Mencari
Kasus
1
• Untuk kendala ≤
• Tambahkan non
negatif slack variable
Kasus
2
• Untuk kendala ≥
• Kurangkan dengan
non negatif excess
variable
Bagaimana merubah LP ke
Bentuk Standar (Standard Form)
Contoh pada kasus Maksimum:
LP Leather Limited
Leather
Limited memproduksi 2 tipe
sabuk
◦ Deluxe model
◦ Regular model
Produksi
kedua tipe tersebut
membutuhkan bahan baku dari kulit
dan jam kerja pembuatan
Bahan baku dan jam kerja terbatas
Ingin ditentukan jumlah produksi
yang memaksimumkan profit
LP Leather Limited dalam Tabel
Leather (sq
yard)
Skilled Labour
(Hour)
Profit/belt ($)
Peubah
Keputusan?
x1
x2
# Deluxe # Regular Persediaa
Belt
Belt
n/minggu
1
1
40
2
4
1
3
60
x1 :# Deluxe belt/ minggu
x2 :# Regular belt/ minggu
Leather (sq
yard)
Skilled Labour
(Hour)
Profit/belt ($)
x1
1
x2
1
2
4
1
3
Batasan
40
60
max z 4 x1 3x2
s.t. x1 x2 40 (Leather)
2 x1 x2 60 (Labour)
x1 0, x2 0
Semua kendala
adalah ≤,
digunakan
slack variabel
si 0, i 1,2
Untuk masing-masing
kendala
Mengukur jumlah sumber daya
(leather dan labour) yang tidak
terpakai untuk membuat sabuk
max z 4 x1 3x2
s.t. x1 x2 40 (Leather)
2 x1 x2 60 (Labour)
x1 0, x2 0
Leather
constraint:
Labour constraint:
x1 x2 40
x1 x2 s1 40
2 x1 x2 60
2 x1 x2 s3 60
Bentuk Standar:
max z 4 x1 3x2
s.t. x1 x2 s1
2 x1 x2
40
s2 60
x1 , x2 , s1 , s2 0
Contoh pada kasus Minimum: LP
Diet Problem
min z 50 x1 20 x2 30 x3 80 x4
s.t.
400x1 200x2 150x3 500x4 500
3x1 2 x2 6
2 x1 2 x2 4 x3 4 x4 10
2 x1 4 x2 x3 5 x4 8
(Calorie
constraint)
(Chocolate
constraint)
(Sugar constraint)
(Fat constraint)
x1 , x2 , x3 , x4 0
Semua kendala
adalah ≥,
digunakan
excess variabel
ei 0, i 1,...,4 Untuk masing-masing
kendala
Mengukur kelebihan terpenuhinya
batasan (calorie, chocolate, sugar
Calorie constraint
400x1 200x2 150x3 500x4 500
400x1 200x2 150x3 500x4 e1 500
Chocolate constraint
3x1 2 x2 6
3x1 2 x2 e2 6
Sugar constraint
2 x1 2 x2 4 x3 4 x4 10
2 x1 2 x2 4 x3 4 x4 e3 10
Fat constraint
2 x1 4 x2 x3 5 x4 8
2 x1 4 x2 x3 5 x4 e4 8
Bentuk Standar LP Diet Problem
min z 50 x1 20 x2 30 x3 80 x4
s.t.
400x1 200x2 150x3 500x4 e1
3x1 2 x2
2 x1 2 x2 4 x3 4 x4
2 x1 4 x2 x3 5 x4
x1 , x2 , x3 , x4 , e1 , e2 , e3 , e4 0
500
e2
6
e3
10
e4 8
Bentuk umum LP Standar
max(min) z c1 x1 c2 x2 ... cn xn
s.t. a11 x1 a12 x2 ... a1n xn b1
a21x1 a22 x2 ... a2 n xn b2
.
Ax b
.
.
am1 x1 am 2 x2 ... amn xn bm
xi 0, (i 1,..., n )
a11 a12 ... a1n
a
a22 ... a2 n
21
.
.
A
.
.
.
.
am1 am 2 ... amn
x1
x
2
.
x
.
.
xn
b1
b
2
.
b
.
.
bm
Beberapa Definisi
Definisi 1:
Basic Solution
bagi
Ax b
Membuat jadi nol n-m peubah dan
mencari solusi bagi m peubah sisanya
Definisi 2:
Basic Feasibel Solution (bfs): Sembarang
solusi dari LP, dengan seluruh peubah ≥
0
Basic Variable (BV): Peubah yang bernilai
> 0 di dalam bfs
Non Basic Variable (NBV): Peubah yang
bernilai = 0 di dalam bfs
Teorema-teorema
Teorema 1:
Daerah feasibel dari LP adalah convex set.
Jika LP mempunyai solusi optimal, solusi tsb
adalah salah satu dari titik ekstrim dari daerah
feasibel.
Teorema 2:
• Untuk sembarang LP, terdapat satu titik
ekstrim dari daerah feasibel LP yang unik, yang
bersesuaian dengan masing-masing bfs.
• Terdapat paling sedikit satu bfs yang
bersesuaian dengan masing-masing titik
ekstrim dari daerah feasibel.
Contoh Kasus Leather Limited
max z 4 x1 3x2
s.t. x1 x2 s1
2 x1 x2
40
s2 60
x1 , x2 , s1 , s2 0
Dengan metode
grafis, hanya
pada sumbu x1
dan x2
Garis AB:
x2 40 x1
Titik: A (40,0) & B (0,40)
Garis CD: x2
60 2 x1
Titik: C (30,0) & D (0,60)
Titik E, perpotongan AB
dan CD: Solusi40
dari
x 60
1
Titik: E (20,20)
2 x1
Contoh Kasus Leather Limited
Daerah feasibel:
FCEB, dengan
titik F-C-E-B
sebagai titik-titik
ekstrim
Titik
Ekstrim
F (0, 0)
C (30, 0)
E (20,
20)
B (0, 40)
max z 4 x1 3x2
s.t. x1 x2 s1
2 x1 x2
40
s2 60
x1 , x2 , s1 , s2 0
BFS
x1 x2 0, s1 40, s2 60
x1 30, x2 0, s1 10, s2 0
x1 20, x2 20
, s1 0, s2 0
x1 0, x2 40 , s1 0, s2 20
BV
s1 , s2
x1 , s1
x1 , x2
x2 , s2
x1 0, x2 60, s1 20, s2 0 Bkn BFS
D (0, 60)
A (40, 0) x1 40, x2 0, s1 40, s2 20 Bkn BFS
NBV
x1 , x2
x2 , s2
s1 , s2
x 1 , s1
s1 0
s2 0
Setiap
titik ekstrim di dalam
daerah feasibel adalah BFS (BV
dan NBV)
Solusi optimal adalah salah satu
dari BFS
BFS dengan nilai z terbesar
(terkecil) pada kasus maks (min)
Algoritma Simpleks: bergerak
dari satu BFS ke BFS
berikutnya sampai diperoleh
BFS yang menjadi solusi
optimal
(Pemrograman Linier)
Program Studi Statistika
Semester Ganjil 2011/2012
DR. Rahma Fitriani, S.Si., M.Sc
Simplex Algorithm (Algoritma
Simpleks)
Dapat
diterapkan apabila
permasalah LP sudah dirubah ke
dalam bentuk standar (standard
form)
Bentuk standar suatu LP:
◦ Jika semua kedala berupa
persamaan dan semua peubah non
negatif
solusi simultan dari m
persamaan kendala
Mencari
Kasus
1
• Untuk kendala ≤
• Tambahkan non
negatif slack variable
Kasus
2
• Untuk kendala ≥
• Kurangkan dengan
non negatif excess
variable
Bagaimana merubah LP ke
Bentuk Standar (Standard Form)
Contoh pada kasus Maksimum:
LP Leather Limited
Leather
Limited memproduksi 2 tipe
sabuk
◦ Deluxe model
◦ Regular model
Produksi
kedua tipe tersebut
membutuhkan bahan baku dari kulit
dan jam kerja pembuatan
Bahan baku dan jam kerja terbatas
Ingin ditentukan jumlah produksi
yang memaksimumkan profit
LP Leather Limited dalam Tabel
Leather (sq
yard)
Skilled Labour
(Hour)
Profit/belt ($)
Peubah
Keputusan?
x1
x2
# Deluxe # Regular Persediaa
Belt
Belt
n/minggu
1
1
40
2
4
1
3
60
x1 :# Deluxe belt/ minggu
x2 :# Regular belt/ minggu
Leather (sq
yard)
Skilled Labour
(Hour)
Profit/belt ($)
x1
1
x2
1
2
4
1
3
Batasan
40
60
max z 4 x1 3x2
s.t. x1 x2 40 (Leather)
2 x1 x2 60 (Labour)
x1 0, x2 0
Semua kendala
adalah ≤,
digunakan
slack variabel
si 0, i 1,2
Untuk masing-masing
kendala
Mengukur jumlah sumber daya
(leather dan labour) yang tidak
terpakai untuk membuat sabuk
max z 4 x1 3x2
s.t. x1 x2 40 (Leather)
2 x1 x2 60 (Labour)
x1 0, x2 0
Leather
constraint:
Labour constraint:
x1 x2 40
x1 x2 s1 40
2 x1 x2 60
2 x1 x2 s3 60
Bentuk Standar:
max z 4 x1 3x2
s.t. x1 x2 s1
2 x1 x2
40
s2 60
x1 , x2 , s1 , s2 0
Contoh pada kasus Minimum: LP
Diet Problem
min z 50 x1 20 x2 30 x3 80 x4
s.t.
400x1 200x2 150x3 500x4 500
3x1 2 x2 6
2 x1 2 x2 4 x3 4 x4 10
2 x1 4 x2 x3 5 x4 8
(Calorie
constraint)
(Chocolate
constraint)
(Sugar constraint)
(Fat constraint)
x1 , x2 , x3 , x4 0
Semua kendala
adalah ≥,
digunakan
excess variabel
ei 0, i 1,...,4 Untuk masing-masing
kendala
Mengukur kelebihan terpenuhinya
batasan (calorie, chocolate, sugar
Calorie constraint
400x1 200x2 150x3 500x4 500
400x1 200x2 150x3 500x4 e1 500
Chocolate constraint
3x1 2 x2 6
3x1 2 x2 e2 6
Sugar constraint
2 x1 2 x2 4 x3 4 x4 10
2 x1 2 x2 4 x3 4 x4 e3 10
Fat constraint
2 x1 4 x2 x3 5 x4 8
2 x1 4 x2 x3 5 x4 e4 8
Bentuk Standar LP Diet Problem
min z 50 x1 20 x2 30 x3 80 x4
s.t.
400x1 200x2 150x3 500x4 e1
3x1 2 x2
2 x1 2 x2 4 x3 4 x4
2 x1 4 x2 x3 5 x4
x1 , x2 , x3 , x4 , e1 , e2 , e3 , e4 0
500
e2
6
e3
10
e4 8
Bentuk umum LP Standar
max(min) z c1 x1 c2 x2 ... cn xn
s.t. a11 x1 a12 x2 ... a1n xn b1
a21x1 a22 x2 ... a2 n xn b2
.
Ax b
.
.
am1 x1 am 2 x2 ... amn xn bm
xi 0, (i 1,..., n )
a11 a12 ... a1n
a
a22 ... a2 n
21
.
.
A
.
.
.
.
am1 am 2 ... amn
x1
x
2
.
x
.
.
xn
b1
b
2
.
b
.
.
bm
Beberapa Definisi
Definisi 1:
Basic Solution
bagi
Ax b
Membuat jadi nol n-m peubah dan
mencari solusi bagi m peubah sisanya
Definisi 2:
Basic Feasibel Solution (bfs): Sembarang
solusi dari LP, dengan seluruh peubah ≥
0
Basic Variable (BV): Peubah yang bernilai
> 0 di dalam bfs
Non Basic Variable (NBV): Peubah yang
bernilai = 0 di dalam bfs
Teorema-teorema
Teorema 1:
Daerah feasibel dari LP adalah convex set.
Jika LP mempunyai solusi optimal, solusi tsb
adalah salah satu dari titik ekstrim dari daerah
feasibel.
Teorema 2:
• Untuk sembarang LP, terdapat satu titik
ekstrim dari daerah feasibel LP yang unik, yang
bersesuaian dengan masing-masing bfs.
• Terdapat paling sedikit satu bfs yang
bersesuaian dengan masing-masing titik
ekstrim dari daerah feasibel.
Contoh Kasus Leather Limited
max z 4 x1 3x2
s.t. x1 x2 s1
2 x1 x2
40
s2 60
x1 , x2 , s1 , s2 0
Dengan metode
grafis, hanya
pada sumbu x1
dan x2
Garis AB:
x2 40 x1
Titik: A (40,0) & B (0,40)
Garis CD: x2
60 2 x1
Titik: C (30,0) & D (0,60)
Titik E, perpotongan AB
dan CD: Solusi40
dari
x 60
1
Titik: E (20,20)
2 x1
Contoh Kasus Leather Limited
Daerah feasibel:
FCEB, dengan
titik F-C-E-B
sebagai titik-titik
ekstrim
Titik
Ekstrim
F (0, 0)
C (30, 0)
E (20,
20)
B (0, 40)
max z 4 x1 3x2
s.t. x1 x2 s1
2 x1 x2
40
s2 60
x1 , x2 , s1 , s2 0
BFS
x1 x2 0, s1 40, s2 60
x1 30, x2 0, s1 10, s2 0
x1 20, x2 20
, s1 0, s2 0
x1 0, x2 40 , s1 0, s2 20
BV
s1 , s2
x1 , s1
x1 , x2
x2 , s2
x1 0, x2 60, s1 20, s2 0 Bkn BFS
D (0, 60)
A (40, 0) x1 40, x2 0, s1 40, s2 20 Bkn BFS
NBV
x1 , x2
x2 , s2
s1 , s2
x 1 , s1
s1 0
s2 0
Setiap
titik ekstrim di dalam
daerah feasibel adalah BFS (BV
dan NBV)
Solusi optimal adalah salah satu
dari BFS
BFS dengan nilai z terbesar
(terkecil) pada kasus maks (min)
Algoritma Simpleks: bergerak
dari satu BFS ke BFS
berikutnya sampai diperoleh
BFS yang menjadi solusi
optimal