SlideShare ist ein Scribd-Unternehmen logo
1 von 12
TEKNIK RISET
  OPERASI

  NURHALIMA

   CHAPTER.1


          NURHALIMA   1
METODE SIMPLEKS
 Metode Simpleks adalah metode
  penentuan solusi optimal menggunakan
  simpleks didasarkan pada teknik
  eliminasi Gauss Jordan.
 Ada beberapa istilah yang sangat sering
  kita gunakan dalam metode simpleks,
  diantaranya iterasi, variabel non-basis,
  variabel basis, solusi atau nilai kanan,
  variabel slack, variabel surplus, variabel
  buatan, kolom pivot, baris pivot, elemen
  pivot, variabel masuk dan variabel
  keluar.
                          NURHALIMA            2
BENTUK UMUM
 Fungsi kendala dengan pertidaksamaan
  ≤ dalam bentuk umum, diubah menjadi
  persamaan (=) dengan menambahkan
  satu variabel slack.
 Fungsi kendala dengan pertidaksamaan
  ≥ dalam bentuk umum, dirubah menjadi
  persamaan (=) dengan mengurangkan
  satu variabel surplus.
 Fungsi kendala dengan persamaan
  dalam bentuk umum ditambahkan satu
  artificial variable (variabel buatan).
                       NURHALIMA           3
CONTOH KASUS
   Maksimumkan         z = 2x1 + 3x2
   Terhadap :          10x1 + 5x2 ≤ 600
                  6x1 + 20x2 ≤ 600
                  8x1 + 15x2 ≤ 600
                  x1, x2 ≥ 0
    Bentuk di atas juga merupakan bentuk
    umum. Perubahan ke dalam bentuk
    baku hanya membutuhkan variabel
    slack, karena semua fungsi kendalanya
    menggunakan bentuk pertidaksamaan ≤
    dalam bentuk umumnya.

                         NURHALIMA          4
 Bentuk bakunya adalah sebagai berikut :
 Maksimumkan          z = 2x1 + 3x2 + 0s1 +
  0s2 + 0s3
 Terhadap :           10x1 + 5x2 + s1 = 600
                 6x1 + 20x2 + s2 = 600
                 8x1 + 15x2 + s3 = 600
                 x1, x2, s1. s2, s3 ≥ 0
  dimana s1, s2, dan s3 merupakan
  variabel slack.

                         NURHALIMA             5
PEMBENTUKAN TABEL
SIMPLEKSmaka tabel awal simpleksnya adalah
Gunakan kasus di atas




                             NURHALIMA       6
LANGKAH-LANGKAH PENYELESAIAN
 Periksa apakah tabel layak atau tidak. Kelayakan
  tabel simpleks dilihat dari solusi (nilai kanan).
  Jika solusi ada yang bernilai negatif, maka tabel
  tidak layak. Tabel yang tidak layak tidak dapat
  diteruskan untuk dioptimalkan.
 Tentukan kolom pivot. Penentuan kolom pivot
  dilihat dari koefisien fungsi tujuan (nilai di
  sebelah kanan baris z) dan tergantung dari
  bentuk tujuan. Jika tujuan berupa maksimasi,
  maka kolom pivot adalah kolom dengan koefisien
  negatif terbesar. Jika tujuan minimasi, maka
  kolom pivot adalah kolom dengan koefisien
  positif terkecil. Tidak digunakan kata-kata nilai
  terkecil dan terbesar karena dalam metode ini
  tidak memilih nilai terkecil dan terbesar.
                             NURHALIMA            7
 Jika kolom pivot ditandai dan ditarik ke atas, maka kita
  akan mendapatkan variabel keluar. Jika nilai negatif
  terbesar (untuk tujuan maksimasi) atau positif terbesar
  (untuk tujuan minimasi) lebih dari satu, pilih salah satu
  secara sembarang.
 Tentukan baris pivot. Baris pivot ditentukan setelah
  membagi nilai solusi dengan nilai kolom pivot yang
  bersesuaian (nilai yang terletak dalam satu baris).
  Dalam hal ini, nilai negatif dan 0 pada kolom pivot tidak
  diperhatikan, artinya tidak ikut menjadi pembagi. Baris
  pivot adalah baris dengan rasio pembagian terkecil.
  Rasio pembagian tidak mungkin bernilai negatif, karena
  nilai kanan tidak negatif demikian juga dengan nilai
  kolom pivot.
 Jika baris pivot ditandai dan ditarik ke kiri, maka kita
  akan mendapatkan variabel keluar. Jika rasio
  pembagian terkecil lebih dari satu, maka pilih salah satu
  secara sembarang.
                                  NURHALIMA               8
X2 adalah variabel masuk dan s2 adalah variabel keluar. Elemen
pivot adalah 20.



                                        NURHALIMA                9
Iterasi 1




Perhitungan dilanjutkan ke iterasi 2.
Variabel masuk adalah x1 dan variabel keluar adalah s3




                                         NURHALIMA       10
ITERASI II




 Tabel sudah optimal sehingga perhitungan iterasi dihentikan.




                                       NURHALIMA                11
THANK U 




     NURHALIMA   12

Weitere ähnliche Inhalte

Was ist angesagt?

APG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal DistributionAPG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal DistributionRani Nooraeni
 
Ketaksamaan chebyshev1
Ketaksamaan chebyshev1Ketaksamaan chebyshev1
Ketaksamaan chebyshev1ruslancragy8
 
Metode statistik multivariat
Metode statistik multivariatMetode statistik multivariat
Metode statistik multivariatkartiko edhi
 
BAB 5. Distribusi Normal dan Distribusi Sampling
BAB 5. Distribusi Normal dan Distribusi SamplingBAB 5. Distribusi Normal dan Distribusi Sampling
BAB 5. Distribusi Normal dan Distribusi SamplingCabii
 
Modul metode regresi
Modul metode regresiModul metode regresi
Modul metode regresigiyantilinda
 
Analisis Regresi Linier Sederhana
Analisis Regresi Linier SederhanaAnalisis Regresi Linier Sederhana
Analisis Regresi Linier SederhanaArning Susilawati
 
Dualitas- Program Linear
Dualitas- Program LinearDualitas- Program Linear
Dualitas- Program LinearHelvyEffendi
 
Anava 2 arah
Anava 2 arahAnava 2 arah
Anava 2 arahyositria
 
Contoh soal Metode Simpleks
Contoh soal Metode SimpleksContoh soal Metode Simpleks
Contoh soal Metode SimpleksReza Mahendra
 
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsistenMenentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsistenBAIDILAH Baidilah
 
Program linier – metode simpleks revisi (msr)
Program linier – metode simpleks revisi (msr)Program linier – metode simpleks revisi (msr)
Program linier – metode simpleks revisi (msr)Ervica Badiatuzzahra
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITCabii
 
Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Muhammad Ali Subkhan Candra
 

Was ist angesagt? (20)

APG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal DistributionAPG Pertemuan 4 : Multivariate Normal Distribution
APG Pertemuan 4 : Multivariate Normal Distribution
 
Ketaksamaan chebyshev1
Ketaksamaan chebyshev1Ketaksamaan chebyshev1
Ketaksamaan chebyshev1
 
Distribusi sampling
Distribusi samplingDistribusi sampling
Distribusi sampling
 
Metode statistik multivariat
Metode statistik multivariatMetode statistik multivariat
Metode statistik multivariat
 
BAB 5. Distribusi Normal dan Distribusi Sampling
BAB 5. Distribusi Normal dan Distribusi SamplingBAB 5. Distribusi Normal dan Distribusi Sampling
BAB 5. Distribusi Normal dan Distribusi Sampling
 
STATISTIK INDUSTRI 1 - TEORI PROBABILITAS
STATISTIK INDUSTRI 1 - TEORI PROBABILITASSTATISTIK INDUSTRI 1 - TEORI PROBABILITAS
STATISTIK INDUSTRI 1 - TEORI PROBABILITAS
 
Konsep dasar probabilitas
Konsep dasar probabilitasKonsep dasar probabilitas
Konsep dasar probabilitas
 
Modul metode regresi
Modul metode regresiModul metode regresi
Modul metode regresi
 
Analisis Regresi Linier Sederhana
Analisis Regresi Linier SederhanaAnalisis Regresi Linier Sederhana
Analisis Regresi Linier Sederhana
 
Dualitas- Program Linear
Dualitas- Program LinearDualitas- Program Linear
Dualitas- Program Linear
 
Anava 2 arah
Anava 2 arahAnava 2 arah
Anava 2 arah
 
Contoh soal Metode Simpleks
Contoh soal Metode SimpleksContoh soal Metode Simpleks
Contoh soal Metode Simpleks
 
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsistenMenentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
 
Program linier – metode simpleks revisi (msr)
Program linier – metode simpleks revisi (msr)Program linier – metode simpleks revisi (msr)
Program linier – metode simpleks revisi (msr)
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
 
Minggu 10_Teknik Analisis Regresi
Minggu 10_Teknik Analisis RegresiMinggu 10_Teknik Analisis Regresi
Minggu 10_Teknik Analisis Regresi
 
PENDUGAAN PARAMETER
PENDUGAAN PARAMETERPENDUGAAN PARAMETER
PENDUGAAN PARAMETER
 
Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)
 
Pert.12 teori permainan
Pert.12 teori permainanPert.12 teori permainan
Pert.12 teori permainan
 
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUAL
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUALPENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUAL
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUAL
 

Andere mochten auch

Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitasedykazok
 
Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitasAde Nurlaila
 
Tugas Mandiri Riset Operasi
Tugas Mandiri Riset OperasiTugas Mandiri Riset Operasi
Tugas Mandiri Riset OperasiPrincess Nisa
 
Pert.4 kasus khusus dalam simpleks
Pert.4 kasus khusus dalam simpleksPert.4 kasus khusus dalam simpleks
Pert.4 kasus khusus dalam simplekswawankoerniawan
 
Analisis Sensitivitas
Analisis SensitivitasAnalisis Sensitivitas
Analisis SensitivitasAde Nurlaila
 
linear programming metode simplex
linear programming metode simplexlinear programming metode simplex
linear programming metode simplexBambang Kristiono
 

Andere mochten auch (8)

Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitas
 
Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitas
 
Tugas Mandiri Riset Operasi
Tugas Mandiri Riset OperasiTugas Mandiri Riset Operasi
Tugas Mandiri Riset Operasi
 
Dualitas
DualitasDualitas
Dualitas
 
Pert.4 kasus khusus dalam simpleks
Pert.4 kasus khusus dalam simpleksPert.4 kasus khusus dalam simpleks
Pert.4 kasus khusus dalam simpleks
 
Analisis Sensitivitas (Analisis Proyek BAB 4)
Analisis Sensitivitas (Analisis Proyek BAB 4)Analisis Sensitivitas (Analisis Proyek BAB 4)
Analisis Sensitivitas (Analisis Proyek BAB 4)
 
Analisis Sensitivitas
Analisis SensitivitasAnalisis Sensitivitas
Analisis Sensitivitas
 
linear programming metode simplex
linear programming metode simplexlinear programming metode simplex
linear programming metode simplex
 

Ähnlich wie Pert.1 metode simpleks

metode simpleks maksimum (Program linear)
 metode simpleks maksimum (Program linear) metode simpleks maksimum (Program linear)
metode simpleks maksimum (Program linear)Resti Amin
 
Teknik riset operasi pertemuan 6
Teknik riset operasi pertemuan 6Teknik riset operasi pertemuan 6
Teknik riset operasi pertemuan 6Afrina Ramadhani
 
Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3THALITAVERONA
 
Metode Simpleks
Metode SimpleksMetode Simpleks
Metode Simplekshazhiyah
 
Kalkulus (bab 1)
Kalkulus (bab 1)Kalkulus (bab 1)
Kalkulus (bab 1)-Eq Wahyou-
 
DIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptxDIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptxZoroRoronoa64
 
Presentation kelompok 5.pptx
Presentation kelompok 5.pptxPresentation kelompok 5.pptx
Presentation kelompok 5.pptxChoirurRoziqin7
 
Metode Simpleks.ppt
Metode Simpleks.pptMetode Simpleks.ppt
Metode Simpleks.pptslotbandar21
 
Teknik riset operasi pertemuan 7
Teknik riset operasi pertemuan 7Teknik riset operasi pertemuan 7
Teknik riset operasi pertemuan 7Afrina Ramadhani
 
Materi 4 programasi linier dan solusi metode simpleks
Materi 4 programasi linier dan solusi metode simpleksMateri 4 programasi linier dan solusi metode simpleks
Materi 4 programasi linier dan solusi metode simpleksahmad fauzan
 
3. BENTUK ALJABAR.ppt
3. BENTUK ALJABAR.ppt3. BENTUK ALJABAR.ppt
3. BENTUK ALJABAR.pptIdaKuswandani
 

Ähnlich wie Pert.1 metode simpleks (18)

metode simpleks maksimum (Program linear)
 metode simpleks maksimum (Program linear) metode simpleks maksimum (Program linear)
metode simpleks maksimum (Program linear)
 
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE SIMPLEKS
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE SIMPLEKS PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE SIMPLEKS
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE SIMPLEKS
 
EKMA4413 - Riset Operasi - Modul 4
EKMA4413 - Riset Operasi - Modul 4EKMA4413 - Riset Operasi - Modul 4
EKMA4413 - Riset Operasi - Modul 4
 
MPL ITS
MPL ITSMPL ITS
MPL ITS
 
Teknik riset operasi pertemuan 6
Teknik riset operasi pertemuan 6Teknik riset operasi pertemuan 6
Teknik riset operasi pertemuan 6
 
LP SIMPLEKS KASUS MINIMISASI.pptx
LP SIMPLEKS KASUS MINIMISASI.pptxLP SIMPLEKS KASUS MINIMISASI.pptx
LP SIMPLEKS KASUS MINIMISASI.pptx
 
Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3
 
Big M Methode
Big M MethodeBig M Methode
Big M Methode
 
3.pl simpleks
3.pl simpleks3.pl simpleks
3.pl simpleks
 
METODE SIMPLEX.pptx
METODE SIMPLEX.pptxMETODE SIMPLEX.pptx
METODE SIMPLEX.pptx
 
Metode Simpleks
Metode SimpleksMetode Simpleks
Metode Simpleks
 
Kalkulus (bab 1)
Kalkulus (bab 1)Kalkulus (bab 1)
Kalkulus (bab 1)
 
DIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptxDIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptx
 
Presentation kelompok 5.pptx
Presentation kelompok 5.pptxPresentation kelompok 5.pptx
Presentation kelompok 5.pptx
 
Metode Simpleks.ppt
Metode Simpleks.pptMetode Simpleks.ppt
Metode Simpleks.ppt
 
Teknik riset operasi pertemuan 7
Teknik riset operasi pertemuan 7Teknik riset operasi pertemuan 7
Teknik riset operasi pertemuan 7
 
Materi 4 programasi linier dan solusi metode simpleks
Materi 4 programasi linier dan solusi metode simpleksMateri 4 programasi linier dan solusi metode simpleks
Materi 4 programasi linier dan solusi metode simpleks
 
3. BENTUK ALJABAR.ppt
3. BENTUK ALJABAR.ppt3. BENTUK ALJABAR.ppt
3. BENTUK ALJABAR.ppt
 

Mehr von wawankoerniawan (20)

Print screen
Print screenPrint screen
Print screen
 
Materi 6
Materi 6Materi 6
Materi 6
 
Materi 6
Materi 6Materi 6
Materi 6
 
Materi 12
Materi 12Materi 12
Materi 12
 
Materi 10
Materi 10Materi 10
Materi 10
 
Materi 9
Materi 9Materi 9
Materi 9
 
Materi 8
Materi 8Materi 8
Materi 8
 
Materi 7
Materi 7Materi 7
Materi 7
 
Materi 5
Materi 5Materi 5
Materi 5
 
Materi 4
Materi 4Materi 4
Materi 4
 
Materi 3
Materi 3Materi 3
Materi 3
 
Materi 2
Materi 2Materi 2
Materi 2
 
Materi 1
Materi 1Materi 1
Materi 1
 
Materi 11
Materi 11Materi 11
Materi 11
 
Materi 4
Materi 4Materi 4
Materi 4
 
Materi 10
Materi 10Materi 10
Materi 10
 
Materi 10
Materi 10Materi 10
Materi 10
 
Materi 12
Materi 12Materi 12
Materi 12
 
Materi 11
Materi 11Materi 11
Materi 11
 
Materi 9
Materi 9Materi 9
Materi 9
 

Pert.1 metode simpleks

  • 1. TEKNIK RISET OPERASI NURHALIMA CHAPTER.1 NURHALIMA 1
  • 2. METODE SIMPLEKS  Metode Simpleks adalah metode penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan.  Ada beberapa istilah yang sangat sering kita gunakan dalam metode simpleks, diantaranya iterasi, variabel non-basis, variabel basis, solusi atau nilai kanan, variabel slack, variabel surplus, variabel buatan, kolom pivot, baris pivot, elemen pivot, variabel masuk dan variabel keluar. NURHALIMA 2
  • 3. BENTUK UMUM  Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, diubah menjadi persamaan (=) dengan menambahkan satu variabel slack.  Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, dirubah menjadi persamaan (=) dengan mengurangkan satu variabel surplus.  Fungsi kendala dengan persamaan dalam bentuk umum ditambahkan satu artificial variable (variabel buatan). NURHALIMA 3
  • 4. CONTOH KASUS  Maksimumkan z = 2x1 + 3x2  Terhadap : 10x1 + 5x2 ≤ 600 6x1 + 20x2 ≤ 600 8x1 + 15x2 ≤ 600 x1, x2 ≥ 0 Bentuk di atas juga merupakan bentuk umum. Perubahan ke dalam bentuk baku hanya membutuhkan variabel slack, karena semua fungsi kendalanya menggunakan bentuk pertidaksamaan ≤ dalam bentuk umumnya. NURHALIMA 4
  • 5.  Bentuk bakunya adalah sebagai berikut :  Maksimumkan z = 2x1 + 3x2 + 0s1 + 0s2 + 0s3  Terhadap : 10x1 + 5x2 + s1 = 600 6x1 + 20x2 + s2 = 600 8x1 + 15x2 + s3 = 600 x1, x2, s1. s2, s3 ≥ 0 dimana s1, s2, dan s3 merupakan variabel slack. NURHALIMA 5
  • 6. PEMBENTUKAN TABEL SIMPLEKSmaka tabel awal simpleksnya adalah Gunakan kasus di atas NURHALIMA 6
  • 7. LANGKAH-LANGKAH PENYELESAIAN  Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat dari solusi (nilai kanan). Jika solusi ada yang bernilai negatif, maka tabel tidak layak. Tabel yang tidak layak tidak dapat diteruskan untuk dioptimalkan.  Tentukan kolom pivot. Penentuan kolom pivot dilihat dari koefisien fungsi tujuan (nilai di sebelah kanan baris z) dan tergantung dari bentuk tujuan. Jika tujuan berupa maksimasi, maka kolom pivot adalah kolom dengan koefisien negatif terbesar. Jika tujuan minimasi, maka kolom pivot adalah kolom dengan koefisien positif terkecil. Tidak digunakan kata-kata nilai terkecil dan terbesar karena dalam metode ini tidak memilih nilai terkecil dan terbesar. NURHALIMA 7
  • 8.  Jika kolom pivot ditandai dan ditarik ke atas, maka kita akan mendapatkan variabel keluar. Jika nilai negatif terbesar (untuk tujuan maksimasi) atau positif terbesar (untuk tujuan minimasi) lebih dari satu, pilih salah satu secara sembarang.  Tentukan baris pivot. Baris pivot ditentukan setelah membagi nilai solusi dengan nilai kolom pivot yang bersesuaian (nilai yang terletak dalam satu baris). Dalam hal ini, nilai negatif dan 0 pada kolom pivot tidak diperhatikan, artinya tidak ikut menjadi pembagi. Baris pivot adalah baris dengan rasio pembagian terkecil. Rasio pembagian tidak mungkin bernilai negatif, karena nilai kanan tidak negatif demikian juga dengan nilai kolom pivot.  Jika baris pivot ditandai dan ditarik ke kiri, maka kita akan mendapatkan variabel keluar. Jika rasio pembagian terkecil lebih dari satu, maka pilih salah satu secara sembarang. NURHALIMA 8
  • 9. X2 adalah variabel masuk dan s2 adalah variabel keluar. Elemen pivot adalah 20. NURHALIMA 9
  • 10. Iterasi 1 Perhitungan dilanjutkan ke iterasi 2. Variabel masuk adalah x1 dan variabel keluar adalah s3 NURHALIMA 10
  • 11. ITERASI II Tabel sudah optimal sehingga perhitungan iterasi dihentikan. NURHALIMA 11
  • 12. THANK U  NURHALIMA 12