Operations Research MODUL 14 BILANGAN INTEGER (LANJUTAN)

Subpersoalan yang belum diselesaikan adalah subpersoalan 3, 6, dan 7. Dengan aturan LIFO, misalkan kita pilih subpersoalan 7 untuk diselesaikan lebih dahuli. Dari Gambar 8.7 kita lihat bahwa solusi optimal untuk subpersoalan 7 adalah titik H, yaitu z = 37, x1 = 4, x2 = 1. Karena x1 dan x2 berharga integer, maka solusi ini fisibel untuk persoalan IP semula. Suatu solusi yang di peroleh dengancara menyelesaikan subpersoalan di mana seluruh variabelnya berharga integer disebut sebagai calon solusi. Karena calon solusi ini bisa saja optimal, maka kita saimpan untuk kemudian kita bandingkan dengan calon solusi yang lain ( jika ada ). Karena subpersoalan 7 ini tidak dapat memberikan solusi fisibel integer dengan z > 37, maka pencabangan selanjutnya dari subpersoalan 7 ini tidak akan memberikan informasi baru mengenai solusi optimal untuk persoalan IP. Artinya, subpersoalan 7 sudah fathomed ( lihat Gambar 8.8 ). Sampai di sini kita telah memperoleh solusi fisisbel dari persoalan IP semula, yaitu z = 37, sehingga dapat disimpulkan bahwa nilai z optimal untuk persoalan IP akan 37. Dengan kata lain, nilai z optimal dari calon solusi merupakan batas bawah dari nilai z optimal untuk persoalan IP semula. Untuk menandai batas bawah, cantumkan notasi LB = 37 dalam kotak subpersoalan yang akan diselesaikan berikutnya, yaitu subpersoalan 6. Dari Gambar 8.7 kita dapatkan bahwa solusi optimal untuk subpersoalan 6 adalah titik A, yaitu z = 40, x1 = 5, x2 = 0. Karena seluruh variabel keputusan telah berharga integer, maka solusi dari subpersoalan 6 adalah juga calon solusi. Calon ini memiliki nilai z = 40, yang berarti lebih besar daripada nilai z dari calon terdahulu ( z = 37 ). Hal ini menyatakan bahwa subpersoalan 7 tidak dapat memberikan solusi optimal bagi persoalan IP. Nyatakan hal ini dengan mencamtumkan tanda x di dekat kotak subpersoalan 7, dan kita perbaiki LB menjadi 40 ( lihat Gambar 8.9 dan 8.10 ). Sekarang tinggal satu subpersoala yang belum diselesaikan, yaitu subpersoalan 3. Dari Gambar 8.3 kita dapatkan bahwa solusi optimal untuk subpersoalan 3 ini adalah titik F, yaitu z = 39, x1 = x2 = 3. Karena subpersoalan 3 tidak dapat memberikan nilai z yang

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

lebih besar dari batas bawah saat ini ( yaitu LB = 40 ), maka subpersoalan 3 tidak dapat memberikan solusi optimal pada persoalan IP semula. Karena itu, cantumkan tanda X di dekat kotak subpersoalan 3 ( lihat Gambar 8.10 ). Dari Gambar 8.10 kita tahu bahwa hanya subpersoalan yang belum diselesaikan dan bahwa hanya subpersoalan 6 yang dapat memebrikan solusi optimal terhadap persoalan IP. Dengan demikian, solusi optimal dari pesoalan IP untuk CV Kayu Indah adalah memproduksi 5 unit meja, dan tidak memproduksi kursi, sehingga akan diperoleh keuntungan sebesar Rp. 40.000.00. Dari apa yang telah kita lakukan, dapat ditarik kesimpulan sebagai berikut : 1. Jika pencabangan dari suatu subpersoalan tidak diprlukan, maka subpersoalan itu adalah fathomed. Ada tiga situasi yang menyebabkan suatu subpersoalan fathomed, yaitu : a. Apabila subpersoalan itu tidak fisibel. b. Apabila subpersoalan itu memberikan solusi optimal di mana seluruh variabelnya berharga integer. c. Apabila nilai z optimal untuk subpersoalan itu tidak lebih baik dari nilai z optimal subpersoalan lain ( dalam persoalan maksimasi berarti nilai z optimal dari subpersoalan itu tidak lebih besar daripada batas bawah yang telah dipeoleh ). 2. Suatu subpersoalan dapat diabaikan ( dieliminasi dari pertimbangan selanjutnya ) apabila subpersoalan itu berada dalam situasi berikut : a. Tidak fisibel. Dalam contoh CV Kayu Indah, subpersoalan 4 diabaikan karena alasan ini. b. Batas bawah atau LB ( yang menyatakan nilai z dari calon solusi terbaik ) sekurang kurangnya berharga sama besar dengan nilai z dari subpersoalan yang bersangkutan. Pada contoh CV Kayu Indah, subpersoalan 3 dan 7 diabaikan karena alasan ini. 8.5 Menyelesaikan Persoalan IP Campuran dengan Teknik Branch And Bound Untuk menyelesaikan persoalan IP campuran denagn teknik branch and bound, kita modifikasi uraian pada Subbab 8.4, yaitu dengan hanya melakukan pencabangan pada variabel variabel yang harus berharga integer. Sebagai contoh, perhatikan formulasi berikut ini Maksimumkan : z = x1 + x2

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

Berdasarkan : 5 x 1 + 2 x2 8 x1 + x2 3

x1 , x2 0 : integer Seperti baiasa, kita mulai dengan menyelesaikan LP relaksasi dari persoalan IP di atas. Solusi optimal dari LP relaksasi ini adalah z = 11/3, x1 = 2/3, x2 = 7/3. Karena x2 dibolehkan berharga pecahan, maka pencabangan tidak akan dilakukan terhadap variabel ini. Dari pencabangan terhadap x1 kita peroleh subpersoalan 2 dan 3 ( lihat Gambar 8.11 ). Selanjutanya kita pilih subpersoalan 2 untuk diselesaikan. Solusi optimalnya adalah z = 3, x1 = 0, x2 = 3, yang merupakan calon solusi. Sekarang kita selesaikan subpersoalan 3. Solusinya adalah z = 7/2, , x1 = 1, x2 = 3/2 yang juga merupakan calon solusi. Karena nilai z dari subpersoalan 3 lebih besar dari pada nilai z dari subpersoalan 2, maka subpersoalan 2 dapat diabaikan dan calon solusi dari subpersoalan 3, yaitu z = 7/2, , x1 = 1, x2 = 3/2, adalah solusi optimal untuk persoalan IP campuran di atas. Menyelesaikan Persoalan Ransel ( Knapsack Problem ) dengan Teknik Branch And Bound Pada Subbab 8.3 telah kita ketahui bahwa persoalan ransel adalah persoalan IP yang hanya memiliki pembatas tunggal. Pada bagian ini kita hanya akan mendiskusikan persoalan ransel yang seluruh variabelnya harus berharga 0 atau 1, yang dapat di formulasikan sebagai berikut : Maksimumkan : z = c1 x1 + c1 x2 + .cn xn Berdasarkan : a1 x1 + a2 x2 + + an xn b xi = 0 atau 1 ( i = 1, 2, ..,n ) Ingat bahwa ci adalah manfaat yang dapat diperoleh apabila barang ke i dipilih, b adalah jumlah sumber yang tersedia, dan ai adalah jumlah sumber yang digunakan oleh barang ke i. Apabila persoalan ini diselesaikan dengan branch and bound, maka ada dua aspek dari pendekatan branch and bound yang disederhanakan. Pertama, karena setiap variabel harus berharga 0 atau 1, maka pencabangan pada xi akan menghasilkan

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

cabang xi = 0 dan xi = 1. Kedua, LP relaksasi ( dan subpersoalan uyang lain ) dapat diselesaikan dengan melakukan pemeriksaan terhadap nilai ci/ai. Untuk melhat hal ini perhatikan bahwa ci/ai dapat di interpretasikan sebagai manfaat yang diperoleh barang ke i dari setiap unit sumber yang digunakan oleh barang ke i. Jadi, barang yang terbaik adalah barang yang memiliki nilai ci/ai terbesar, dan barang yang terburuk adalah yang memiliki nilai ci/ai terkecil. Untuk menyelesaikan setiap subpersoalan yang dihasilkan dari suatu persoalan ransel ini hitungkllah seluruh rasio ci/ai. Kemudian barang kedua terbaik, dan seterusnya, hingga ransel terisi dengan sebanyak banyaknya barang barang ini. Sebagai ilustrasi , perhatikan contoh soal berikut ini: Maksimumkan : Z = 40x1 + 80x2 + 10x3 + 10x3 + 10x4 + 4x5 + 20x6 + 60x7 Berdasarkan : 40x1 + 50x2 + 30x3 + 10x4 + 10x5 + 40x6 + 30x7 100 x1 = 0 atau 1 (i = 1, 2, ,7 ) Untuk menyelesaikan persoalan di atas, kita mulai dengan menghitung rasio ci/ai dan menentukan peringkat ( rank ) ssetiap variabel berdasarkan besarnya rasio ini ( peringkat 1 menyatakan variabel terbaik ). Hasilnya adalah sebagai berikut : Investasi 1 2 3 4 Ci/ai 16/5 22/7 12/4 8/3 Peringkat 1 2 3 4

Menyelesaikan Persoalan IP dengan Metode Enumerasi implisit Metode enumenasi implisit sering kali digunakan untuk menyelesaikan persoalan programa bilangan bulat nol-satu. Metode ini berangkat dari kenyataan bahwa setiap variabel harus berharga nol atau satu sehingga proses pencaabangannya menjadi lebih sederhana dan penentuan fisibel-tidaknya suatu node juga menjadi lebih efisien. Sebelum melanjutkan diskusi tentang enumerasi implisit ini, akan kita pelajari lebih dahulu bagaimana suatu persoalan IP murni dapat diekspresikan sebagai persoalan 0 1 IP. Caranya adalah nyatakan setiap variabel pada persoalan IP semula sebagai penjumlahan dari bilangan 2 yang berpangkat. Sebagai contoh, misalkan variabel xi harus berharga integer. Tentukan n sebagai bilangan integer terkecil

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

sehingga xi < 2n+1 agar xi dapat secara unik dinyatakan sebagai penumlahan dari 20, 21, ., 2n-1, 2n dan Xi = un2n + un-1 2n-1 + + u322 + 2u1 + u0 Di mana ui = 0 atau 1 (I = 0, 1,, n) Untuk mengubah persoalan IP semula ke dalam bentuk 0-1 IP, gantilah setiap xi oleh ruas kanan persamaan (8.7-1) diatas. Sebagai contoh, misalkan kita tahu bahwa xi 100. Maka xi < 26+1 = 128 sehingga persamaan di ata menjadi. Xi = 64 u6 + 32 u5 + 16 u4 + 8 u3 + 4 u2 + 2 u1 + u0 (8.7-2) di mana ui = 0 atau 1 (I = 0, 1, .,6). Setelah itu, gantilah setiap xi dengan ruas kanan dari persamaan (8.7-2). Sekarang, bagaimana kita dapat memperoleh harga dari u yang berkaitand engan harga xi tertentu? Misalkan xi = 93. Maka u6 akan merupakan kelipatan terbesar dari 26 = 64 yang berada dalam 93. Hal ini menghasilkan u6 = 1. Sisa dari ruas kanan persamaan. (8.7-2) haruslah sama dengan 93 64 = 29. Maka, u5 akan merupakan kelipatan terbesar dari 25 = 32 yang berada dalam 29. Hasilnya adalah u5 = 0. Selanjutnya, u4 akan merupakan kelipatan terbesar dari 24 = 16 yang berada dalam 29 sehingga u4 = 1. Lanjutkan hal ini sehingga akan diperoleh u3 = 1, u2 = 1, u1 = 0, dan u0 = 1. Artinya, 93 = 26 + 24 + 23 + 22 + 20. Akan kita lihat nanti bahwa 0-1 IP secara umum lebih mudah diselesaikan daripada IP murni. Kalau begitu, mengapa tidak kita ubah saja setiap IP murni ke dalam bentuk 0-1 IP? Jawabannya adalah karena mengubah IP murni ke dalam 0-1 IP akan meningkatkan jumlah variabel. Namun, banyak situasi yang secara alamiah menghasilkan persoalan 0-1 IP (misalnya persoalan ransel) sehingga tidaklah sia-sia kita mempelajari cara penyelesaian persoalan programa bilangan bulat nol-satu ini. Sekarang kita mulai dengan pembahasan tentang metode enumerasi implisit. Gambar pohon yang digunakan dalam metode ini sejenis dengan yang digunakan untuk menyelesaikan persoalan ransel. Setiap cabang pohon akan menunjukkan harag xi = 0 atau xi = 1, sedangkan setiap node menunjukkan nilai dari variabel-variabel itu. Sebagai contoh, misalkan suatu persoalan 0-1 IP memiliki variabel x1, x2, x3, x4, x5, x6 dan sebagai dari gambar pohonnya adalah seperti pada gambar 8.13. dari gambar ini terlihat bahwa pada node 4, nilai dari x3, x4, dan x2 telah ditentukan (yaitu =1). Variabelvariabel ini dinyatakan sebagai variabel tetap (fixed variable). Variabel lain yang nilainya belum ditentukan pada suatu node disebut sebagai variabel bebas (free variables). Artinya, paa node 4 dari gambar 8.13 ini, x1,x5, dan x6 adalah variabel-variabel bebas.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

Penentuan nilai seluruh variabel bebas pada suatu node disebut sebagai penyempurnaan node itu. Jadi, x1 = 1, x5 =1, x6 = 0 adalah penyempurnaan dari node 4. Dalam menyelesaikan 0-1 IP denganmetode enumerasi implisit, ada tiga hal pokok yang akan dilakukan, yaitu : 1. Melakukan penyempurnaan terbaik bagi suatu node Penyempurnaan terbaik bagi suatu node dilakukan dengan menjadikan variabel bebas berharga 0 atau 1 sedemikian sehingga diperoleh nilai fungsi tujuan terbesar (dalam persoalan maksimasi) atau terkecil (dalam persoalan minimasi). Jika penyempurnaan node ini fisibel, maka pencabangan berikutnya tidak perlu dilakukan. Sebagai contoh, perhatikan soal berikut ini : Maksimumkan : z = 4x1 + 2x2 x3 + 2x4 Berdasarkan : Xi + 3x2 x3 2x4 1 Xi = 0 atau 1 (I = 1,2,3,4) Misalkan bahwa saat ini kita berada pada suatu node dengan xi = 0 dan x2 = 1 sebagai variabel tetap. Maka penyempurnaan terbaik yang dapat kita lakukan adalah menetapkan x3 = 0 dan x4 = 1 sehingga diperoleh z = 4. Karena x1 = 0, x2 = 1, x3 = 0, dan x4 = 1 adalah fisibel bagi persoalan diatas, maka kita telah memperoleh penyempurnaan terbaik yang fisibel bagi node tersebut. Dengan demikian, node ini fathomed dan dapat digunakan sebagai calon solusi. 2. Mengeliminasi suatu node dari pertimbangan selanjutnya. Suatu node akan diabaikan (dihilangkan dari pertimbangan selanjutnya) apabila setelah dilakukan penyempurnaan terbaik terhadap node itu, diperoleh nilai fungsi tujuan yang lebih buruk daripada nilai fungsi tujuan calon solusi sebelumnya. Sebagai contoh, misalkan kita sedang menyelesaikan suatu persoalan yang mempunyai fungsi tujuan memaksimumkan z = 4x1 + 2x2 + x3 x4 + 2x5. Misalkan juga bahwa kita telah mendapatkan calon solusi dengan nilai z = 6, dan saat ini kita berada pada suatu node dengan variabel tetap x1 = 0, x2 = 1, dan x3 = 1. Maka penyempurnaan terbaik bagi node inia dalah x4 = 0 dan x5 = 1 sehingga diperoleh nilai z = 2 + 1 + 2 = 5. Karena z = 5 tidak dapat mengalahkan calon solusi dengan z = 6, maka kita dapat segera mengabaikan node tersebut tanpa harus memperhatikan apakah penyempurnaan node ini fisibel atau tidak.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

3. Menguji ada tidaknya penyempurnaan yang fisibel dari suatu node Apabila penyempurnaan suatu node tidak emmenuhi pembatas yang ada, maka pasti tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula. Sebagai contoh, misalkan kiat sedang menyelesaikan persoalan yang mempunyai pembatas sebagai berikut : -2x1 + 3x2 + 2x3 3x4 x5 + 2x6 -5 Misalkan juga bahwa saat ini kita berada pada suatu node dengan x3 = 1, x4 = 1, dan x2 = 1 sebagai variabel tetap. Untuk menyempurnakan node ini, tentukanlah nilai variabel bebasnya sedemikians ehingga ruas kiri pembatas di atas sekecil mungkin. Jadi, kita tentukan x1 = 1, x5 = 1, dan x6 = 0 sehingga pembatas di atas menajdi 2 + 3+231+05 Misalkan juga bahwa saat ini kita berada pada suatu node dengan x3 = 1, x4 = 1, dan x2 = 11 sebagai variabel tetap. Untuk menyempurnakan node ini, tentukanlah nilai variabel bebasnya sedemikian sehingga ruas kiri pembatas di atas sekecil mungkin. Jadi, kita tentukan x1 =1, x5 = 1, dan x6 = 0 sehingga pembatas di atas menajdi 2 + 3 + 2 3 1 + 0 5. Jelas bahwa pembatas di atas tidak terpenuhi. Hal ini menunjukkan bahwa tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula sehingga node yang bersangkutan dapat diabaikan. Secara umum pengujian terhadap fisibilitas ini dapat dilakukan dengan memeprhatikan setiap pembatas yang ada dan menetapkan nilai dari variabel bebasnya sebagai berikut : Jenis pembatas Tanda dari koefisien variabel bebas pada pembatas + + Nilai yang harus diberikan pada variabel bebas dalam pengujian fisibiltas 0 1 1 0

Jika ada pembatas yang tidak terpenuhi oleh penyempurnaan dengan cara ini, berarti bahwa node yang bersangkutan tidak memiliki penyempurnaan yang fisibel. Dalam hal ini, node tersebut tidak dapat memberikan solusi yang optimal terhadap persoalan IP semula. Meskipun demikian, perlu diingat bahwa pengujian secara kasar terhadap fisibilitas ini tidak akan menunjukkan apakah suatu node memiliki

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

penyempurnaan yang fisibel atau tidak, sebelum kita bergerak terus hingga sampai pada node yang memiliki lebih banyak variabel tetap. Jika kita tidak berhasil memiliki lebih banyak variabel tetap. Jika kita tidak berhasil memperoleh suatu informasi mengenai suatu node, lakukan peencabangan pada variabel xi yang bebas, dan tambahkan dua node baru dengan xi = 1 dan node dengan xi = 0. Sebagai contoh, perhatikan soal 0-1 IP berikut : Maksimumkan : z = -7x1 3x2 2x3 4x 2x5 Berdasarkan : -4x1 2x2 + x3 2x4 x5 - 3 -4x1 2x2 4x3 + x4 + 2x5 -7 xi = 0 atau 1 (I = 1,2,3,4,5) Pada mulanya (pada node 1), seluruh variabel adalah variabel bebas. Ujilah apakah penyempurnaan terbaik dari node ini fisibel atau tidak. Ternyata penyempurnaan terbaik dari node 1 ini, yaitu x1 = 0, x2 = 0, x3 = 0, dan x5 = 0, tidak fisibel karena melanggar kedua pembatas. Sekarang kita uji apakah benar node1 tidak mempunyai penyempurnaan yang fisibel. Untuk menguji (8.7-3), tentukan x1 = 1, x2 = 1, x3 = 0, x4 = 1, dan x5 = 1 yang memberikan 9 -3 sehingga (8.7-3) terpenuhi. Untuk menguji (8.7-4), tentukan x1 =1, x2 = 1, x3 = 1, x4 = 0, x5 = 0, dan diperoleh 10 7 sehingga (8.7-4) terpenuhi. Hal ini berarti bahwa node 1 mempunyai penyempurnaan yang fisibel. Sekarang kita lakukan pencabangan pada salah satu variabel bebas. Misalkan kita pilih x1. Node baru yang diperoleh adalah node 2 dengan pembatas x1 = 1 dan node 3 dengan pembatas x1 = 1. Sekarang kita pilih node 2 untuk dianalisis. Penyempurnaan terbaik dari node 2 adalah x1 = 1, x2 = 0, x3 = 0, x4 = 0, dan x5 = 0. Akan tetapi, penyempurnaan ini tidak fisibel. Karena itu, lakukan pengujian untuk mengetahui apakah node 2 memiliki penyempurnaan yang fisibel. Kita tahu bahwa x1 = 1, x2 = 1, x3 = 1, x4 = 0, dan x1 = 1 memenuhi (8.7-3), dan x1 = 1, x2 = 1, x3 = 1, x4 = 0, x5 = 0 memenuhi (8.7-4). Artinya, tidak ada informasi tentang apakah node 2 memiliki penyempurnaan yang fisibel atau tidak. Karena itu, lakukan pencabangan dari node 2 dengan memilih salah satu dari variabel bebas. Misalkan kita memilih x2 Node baru dari pencabangan inia dalah node 4 dengan pembatas x2 = 1 dan node 5 dengan pembatas x2 = 0. (8.7 3) (8.7 4)

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

Berdasarkan aturan LIFO, kita pilih node 5 untuk dianalisis. Penyempurnaan terbaik dari node 5 adalah x1 = 1, x2 = 0, x3 = 0, x4 = 0, x5 = 0. Penyempurnaan ini juga tidak fisibel. Karena itu, lakukan pengujian fisibilitas pada node 5. Dengan menentukan x 1 = 1, x2 = 0, x3 = 0, x4 = 1, x5 = 1 pada (8;7-3), kita peroleh -7-3 sehingga (8;7-3) terpenuhi. Berikutnya, tentukan x1 = 1, x2 = 0, x3 = 1, x4 = 0, x5 = 0 pada (8.7-4). Kita peroleh 8 -7 sehingga (8.7-4) terpenuhi. Hal ini menunjukkan bahwa tidak ada informasi mengenai ada tidaknya penyempurnaan yang fisibel pada node 5 ini. Karena itu, lakukan pencabangan pada node 5 dengan memilih variabel bebas x3 sehingga diperoleh node 6 dan 7 ( lihat Gambar 8.16 ). Dengan aturan LIFO, kita pilih node 6 untuk dianalisis. Penyempurnaan terbaik bagi node 6 adalah x1 = 1, x2 = 0, x3 = 0, x4 = 0, x5 = 0. Penyempurnaan ini fisibel sehingga kita mendapatkan calon solusi dengan z = -9. Berikutnya, kita analisis node 7. Penyempurnaan terbaik dari node 7 adalah x1 = 1, x2 = 0, x3 = 0, x4 = 0, x5 = 0 dengan z = -7. Karena z = -7 lebih baik daripada z = -9, maka ada kemungkinan bagi node 7 untuk mengalahkan calon solusi yang ada saat ini. Untuk itu, lakukan pengujian terhadap node 7 untuk mengetahui apakah node 7 ini memiliki penyempurnaan yang fisibel. Perhatikan bahwa x1 = 1, x2 = 0, x3 = 0, x4 = 1, x5 = 1 memenuhi (8.7-3), sedangkan x1 = 1, x2 = 0, x3 = 0, x4 = 0, x5 = 0 tidak memenuhi (8.7-4). Hal ini berarti bahwa tidak akan ada penyempurnaan dari node 7 yang dapat memenuhi (8.7-4). Jadi, node 7 tidak memiliki penyempurnaanyang fisibel sehingga dapat diabaikan ( nyatakan hal ini dengan membutuhkan tanda X pada Gambar 8.17). Sesuai aturan LIFO, sekarang kita analisis node 4. Penyempurnaan terbaik dari node 4 adalah x1 = 1, x2 = 1, x3 = 0, x4 = 0, x5 = 0. Solusi ini memberikan z = -10. Karena itu, node 4 tidak dapat mengalahkan calon solusi dari node 6 ( z = -9 ) sehingga node 4 dapat diabaikan ( lihat Gambar 8.18 ).

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL