learning outcomes

17
Learning Outcomes Mahasiswa dapat menghitung analisis sensitivitas dalam beberapa kasus PL serta memberikan alternatif solusi..

Upload: barney

Post on 05-Jan-2016

62 views

Category:

Documents


3 download

DESCRIPTION

Learning Outcomes. Mahasiswa dapat menghitung analisis sensitivitas dalam beberapa kasus PL serta memberikan alternatif solusi. Outline Materi:. Pengertian danTujuan Contoh-contoh Kasus Soal studi kasus yg lain. Tujuan Analisis Sensitivitas. - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Learning Outcomes

Learning Outcomes

• Mahasiswa dapat menghitung analisis sensitivitas dalam beberapa kasus PL serta memberikan alternatif solusi..

Page 2: Learning Outcomes

Outline Materi:

• Pengertian danTujuan• Contoh-contoh Kasus• Soal studi kasus yg lain..

Page 3: Learning Outcomes

Tujuan Analisis Sensitivitas• Tujuan: Melihat sejauh mana solusi optimal

akan berubah, jika terjadi perubahan pada koefisien (fungsi tujuan, koefisien teknis), kendala dan penambahan variabel keputusan.

• Kemungkinan perubahan :1). Pada koefisien fungsi tujuan cj 2). Koefisien teknis/matriks kendala (aij).3). Koefisien pembatas/kendala bj.4). Penambahan variable baru Xn+1, Xn+2.5). Penambahan persamaan kendala baru.

Page 4: Learning Outcomes

Contoh Kasus :

Kasus 1A :Perubahan koefisien pd variabel non basis pd fungsi

tujuan.Masalah :1). Apakah solusi optimal pada tabel akhir berubah ?2). Berapa batas perubahan cj sehingga solusi optimal

tidak berubah ?Prosedur :1). Hitung cj (baru). Bila berganti tanda berarti tabel

akhir menjadi titik optimal lagi.2). Bila belum optimal, update sampai optimal..

Page 5: Learning Outcomes

Contoh Kasus.

Misal Model PLFungsi objektif :Z = 5X1 + 12X2 + 4 X3Kendala : X1 + 2X2 + X3 ≤ 5 2 X1- X2 + 3 X3 = 2 X1 , X2 ≥ 0

Page 6: Learning Outcomes

Koefisien Var.bebas

z X1 X2 X3 S1 R1 S

Z X2 X1

1 0 0 3/5 29/5 -2/5+M 0 0 1 -1/5 2/5 -1/5 0 1 0 1/5 1/5 2/5

28 1/5

8/5 9/5

Tabel optimal / Tabel akhir

Koefisien non basis X3 berubah 48

Page 7: Learning Outcomes

• Kasus 1B :Perubahan koefisien var.basis pd fungsi

tujuan .Prosedur :1). Ganti cB dengan cB baru (karena

salah satu elemennya berubah).2). Hitung semua Cj untuk variable non

basis. Bila ada yang berganti tanda,tidak optimal lagi.

3). Bila belum optimal, update sampai optimal..

Page 8: Learning Outcomes

Contoh :• Koefisien X1, X2 di basis berubah dari

(5,12) (4,10)

• Kasus 1CPerubahan koefisien variabel basis dan non basis

pada fungsi tertentu .Prosedur :1). Ganti C1, C2, dan C3 dengan CB1, CB2, dan

CB3 baru, hitung nilai Z = Cj baru. Bila berganti tanda berarti tabel akhir menjadi tidak optimal lagi.

Bila belum optimal, update sampai optimal .

Page 9: Learning Outcomes

Contoh :Z = 5X1 + 12 X2 + 4 X3 menjadiZB = 4 X1 + 10X2 + 8 X3Dengan fungsi batasan yang sama.• Kasus 2 :Koefisien matriks (aij ) berubah.Dalil :A(I) Kj(1) = kj(I)dimanaA(1) = matriks tranformasi pada tabel ke

I.I = iterasi atau tabel ke I.

Page 10: Learning Outcomes

Prosedur :1). Tentukan

kj * akhir baru = A * kj(1)2). Hitung kembali

Cj = Cj -CBK*j ( baru )3). Jika Cj berubah tanda, tabel akhir tidak

optimal lagi update sampai optimal..

Page 11: Learning Outcomes

Contoh :• Dari contoh didepan,ubahlah koefisien matriks

x3 dari ( 1,3 ) menjadi (- 5,2) dan selanjutnya selesaikan.

Kasus 3 :Perubahan koefisien pembatas / ruas kananDalil :A(i) b = S(i)S(i) = solusi / ruas kanan pada tabel ke iProsedur :1). Tentukan A (*)2). Hitung S (*) baru = A(*)b (baru)

jika < 0, tidak layak.3). Hitung Z* baru.

Page 12: Learning Outcomes

Contoh :Andaikan pembatas (bi) berubah dari (5,2)

menjadi (7,2).Kasus 4 :Menambah variabel baru.Prosedur :1. Tentukan A(*)2. Hitung k* n+1 = A*k1n+1

3. Hitung Cn+1 = Cn+1 - CBKn+1 ,dimana Cn+1dari Z = …. + CnXn +Cn+1Xn+1

Bila Cn+1 Positif (untuk soal maksimisasi ) atau Cn+1 Negeatif (untuk soal minimisasi )

Page 13: Learning Outcomes

solusi belum optimal update s/d optimal

Contoh :Andaikan pada contoh didepan ditambahkan variabel X4 dalam fungsi objektif, dengan koefisien batasan pertama 5 dan batasan kedua 7.

KASUS 5 :• Menambah persamaan kendala baru untuk

mengetahui pengaruhnya ter-hadap solusi optimal.

Page 14: Learning Outcomes

Apakah solusi optimal memenuhi pertidaksamaan kendala baru ?.

Jika ya, solusi optimal tidak ber-ubahJika tidak, solusi optimal berubah, dan update

sampai optimal..

Page 15: Learning Outcomes

• Prosedur :Variabel basis bertambahVariabel slack mungkin bertambah dan ada

kemungkinan jadi basis.Tentukan / Tambahkan CB.Hitung semua Cj (baru ).Belum optimal , update dgn dual simpleks .

Page 16: Learning Outcomes

• Contoh :Andaikan pada contoh didepan ditambah batasan baru5 X1 + 5 X2 + 3X3 0pada persoalan PL dan selesaikan!

Page 17: Learning Outcomes