Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tugas akhir ini menyajikan pembahasan program separabel, suatu masalah pemprograman non linier berkendala. Masalah optimasasi yang dipilih dalam tulisan ini adalah minimisasi fungsi obyektif f(x), x e Rn. Suatu masalah program separabel dapat diselesaikan dengan cara pengapproximasian fungsi-fungsi non linier yang terlibat menjadi barisan fungsi piece wise linier. Untuk setiap fungsi non linier dalam variabel x. dapat diapproximasikan menjadi sejumlah segmen garis linier, melalui k buah grid point x untuk v = 1, 2, . . . . , k. Dengan demikian akan terbentuk program linier. Untuk memperoleh solusi yang optimal dapat dijalankan algoritma prosedur perbaikan grid point. Sedangkan metode yang digunakan dalam penyelesaian masalah ini adalah metode simplex.

Abstrak :
Hingga saat ini, pengembangan Metode Simpleks terus dilakukan untuk mendapatkan algoritma efisien yang dapat mengurangi iterasi dan waktu komputasi. Penelitian ini dilakukan sebagai hasil pengembangan dari penelitian terdahulu dan difokuskan pada pembentukkan algoritma untuk mendapatkan Basic Feasible Solution (BFS) karena penggunaan BFS pada Metode Simpleks terbukti dapat mengurangi iterasi. Algoritma yang dikembangkan menggunakan Kriteria Cosinus serta Eliminasi Gaussian dalam mendapatkan BFS dan diuji pada 13 kasus yang berasal dari jurnal-jurnal Programa Linier. Di akhir skripsi, dibahas hasil dari penelitian ini yang menunjukkan bahwa algoritma yang dikembangkan dapat digunakan untuk menyelesaikan masalah Programa Linier, dan dapat mengurangi jumlah iterasi yang dilakukan. ......Up until now, researches in developing Simplex Method are done continually to get the most efficient algorithm to reduce iteration and computation time in solving Linear Programming. This research is held as a development of previous researches and focused in forming algorithm to get Basic Feasible Solution (BFS) because using BFS in Simplex Method has been proved in reducing iteration. This algorithm uses Cosine Criterion and Gaussian Elimination to get BFS and is tested by solving 13 problems which are gained from Journal about Linear Programming. At the end, this paper discusses the result from this research which shows that this algorithm can be used to solve Linear Programming and reduce iteration. In solving Linear Programming.