PEMBAHASAN

A. PENGERTI AN I NTEGER PROGRAMMI NG

Integer Programming adalah bentuk lain dari program linier dengan
variabel-variabel keputusanya bertipe integer .Jika variabel keputusan
yang dihadapi berkaitan dengan jumlah orang,mesin- mesin , kendaraan
dan lain-lain, akan terasa janggal jika menyelesaikan pekerjaan itu
diperlukan 3,5 mesin dan 7,5 orang, sebaliknya jika pekerjaan
memerlukan 4 atau 5 mesin dan 8 orang , maka keputusan akan terasa
realistik dan lebih mudah.

B. METODE I NTEGER PROGRAMMI NG
a. Metode Branch and Bound
Algoritma Branch and Bound adalah metode algoritma umum untuk
mencari solusi optimal dari dari berbagai permasalahan optimasi,
terutama untuk optimasi diskrit dan kombinatorial. Sebagaimana pada
algoritma runut-balik, algoritma Branch and Bound juga merupakan
metode pencarian di dalam ruang solusi secara sistematis. Ruang
solusi diorganisasikan ke dalam pohon ruang status. Yang
membedakan keduanya adalah bila pada algoritma runut-balik, ruang
solusi dibangun secara dinamis berdasarkan skema DFS (Depth First
Search), maka pada algoritma Branch and Bound ruang solusi
dibangun dengan skema BFS (Breadth First Search). Algoritma
standar untuk integer programming yang digunakan dalam coding
program untuk software OR. Metode ini lebih efisien dibanding
pendekatan Gomory. Pertama kali diperkenalkan oleh Land dan Doig.
Pada algoritma ini, permasalahan dibagi
bagi
menjadi subregion
subregion yang mungkin mengarah ke solusi. Inilah yang disebut
dengan branching, mengingat prosedur ini akan dilakukan berulang
ulang secara rekursif untuk setiap subregion dan setiap subregion yang
dihasilkan akan membentuk sebuah struktur pohon yang disebut
sebagai pohon pencarian atau pohon branch-and- bound di mana
simpul simpulnya membangun subregion subregion. Selain
branching, algoritma ini juga melakukan apa yang disebut dengan
bounding yang merupakan cara cepat untuk mencari batas atas dan
bawah untuk solusi optimal pada subregion yang mengarah ke solusi.
Algoritma Branch and Bound banyak digunakan untuk memecahkan
berbagai macam permasalahan antara lain : persoalan Knapsack 0/1,
Travelling Salesman Problem (TSP), The N-Queens Problem
(Persoalan N-Ratu), Graph Colouring (Pewarnaan Graf), Sirkuit
Hamilton, Integer Programming, Nonlinear Programming, Quadratic
Assignment Problem (QAP), Maximum Satisfiability Problem (MAX-
SAT), dan lain sebagainya.
- Langkah-Langkah Maksimisasi :
1. Selesaikan masalah LP dengan metode simpleks biasa tanpa
pembatasan bilangan bulat.
2. Teliti solusi optimumnya. Jika variabel basis yang diharapkan
bulat adalah bulat, solusi optimum bulat telah tercapai. Jika satu
atau lebih variabel basis yang diharapkan bulat ternyata tidak
bulat, lanjutkan ke langkah 3.
3. Nilai-nilai solusi pecahan yang layak dicabangkan ke dalam
sub-sub masalah. Tujuannya adalah untuk menghilangkan solusi
kontinu yang tidak memenuhi persyaratan bulat dan masalah
itu. Pencabangan itu dilakukan melalui kendala-kendala
mutually exclusive yang perlu untuk memenuhi persyaratan
bulat dengan jaminan tak ada solusi bulat layak yang tak
diikutsertakan.
4. Untuk setiap submasalah, nilai-nilai solusi optimum kontinu
fungsi tujuan ditetapkan sebagai batas atas. Solusi bulat terbaik
menjadi batas bawah (pada awalnya, ini adalah solusi kontinu
yang dibulatkan ke bawah). Sub-sub masalah yang memiliki
batas atas kurang dari batas bawah yang ada tak diikutsertakan
pada analisis selanjutnya. Suatu solusi bulat layak adalah sama
baik atau lebih baik dari batas atas untuk setiap submasalah
yang dicari. Jika solusi demikian ada, suatu submasalah dengan
batas atas terbaik dipilih untuk dicabangkan. Kembali ke
langkah 3.
b. Metode Cutting Plane Algorithm (Metode Gomory)
Temukan solusi optimal untuk Linier Problem (menggunakan
prosedur standar). Tambahkan fungsi pembatas khusus (disebut cuts)
untuk menghasilkan titik ekstrim optimal integer. Cuts tidak
menghilangkan titik feasible integer asal.
- Langka-langkah :
1. Selesaikan masalah integer programming dengan menggunakan
metode simpleks LP.
2. Periksa solusi optimum. Jika semua variabel basis memiliki
nilai-nilai integer, solusi optimum integer telah diperoleh dan
proses solusi berakhir. Jika satu atau lebih variabel basis
memiliki nilai- nilai pecahan, teruskan ke langkah 3.
3. Buatlah suatu kendala Gomory (suatu bidang pemotong atau
cutting- plane) dan cari solusi optimum melalui prosedur dual
simplex. Kembali ke langkah 2.
c. Metode Pembulatan
Suatu pendekatan yang sederhana dan kadang-kadang praktis, dengan
membulatkan (ke bilangan bulat terdekat) nilai-nilai variabel
keputusan yang diperoleh melalui LP. Efektif untuk nilai solusi yang
besar, misal produksi pensil 13.345,3 menjadi 13.345 Kelemahan:
solusinya belum tentu solusi optimal (lebih buruk atau solusinya non
fisibel).
Contoh :
Masalah 1: Max Z = 100 X1 + 90 X2
s.t. 10 X1 + 7 X2 70
5 X1 + 10 X2 50
X1 , X2 0
Masalah 2: Min Z = 200 X1 + 400 X2
s.t. 10X1 + 25 X2 100
3X1+ 2X2 12
X1, X2 0
Masalah 3: Max Z = 80 X1 + 100 X2
s.t. 4 X1 + 2 X2 12
X1+ 5X2 15
X1, X2 0
MASALAH Solusi dengan metode
simpleks
Solusi pembulatan ke
bilangan bulat
terdekat
Solusi bulat
optimum yang
sesungguhnya
1 X1 =5,38
X2=2,31
Z=746,15
X1=5
X2=2
Z=680
X1=7
X2 =0
Z=700
2 X1=1,82
X2=3,27
Z= 1672,73
X1 =2
X2= 4
tak layak
X1=3,
X2=3 atau
X1=5, X2=2
Z=1800
3 X1=1,66
X2=2,66
Z=400
X1=2
X2=3
tak layak
X1 =2
X2=2
Z=360

d. Metode Grafik
Identik dengan metode grafik LP, ditambah persyaratan solusi
optimum bilangan bulat. Khusus kasus dengan 2 variabel keputusan.
Contoh :
Max Z = 100 X1 + 90 X2
s.t. 10 X1 + 7 X2 70
5 X1 + 10 X2 50
X1 , X2 nonnegatif integer
Buat titik-titik solusi integer pada daerah fisibel OABC. Geser garis
Z optimal (LP) di titik B, ke arah daerah fisibel. Titik pertama yang
yang ketemu adalah solusi optimal integer yaitu titik A.

C. KLASI FI KASI I NTEGER PROGRAMMI NG
1. Pure Integer Programming
Semua variable keputusan harus bernilai bilangan bulat
2. Mixed Integer Programming (MIP)
tidak semua variable keputusan berupa bilangan bulat
3. Binary Integer Programming (BIP)
semua variable keputusan memilikinilai berupa bilangan biner
(0 atau 1).
4. Mixed Binary Integer Programming (MBIP)
Jika beberapa variable keputusan memiliki nilai biner, beberapa
variable keputusan memiliki nilai integer dan sisanya memilikinilai
real (boleh pecahan).

D. PROBLEM I NTEGER PROGREMMI NG
Permasalahan yang mengharuskan variabel keputusan bernilai integer
diantaranya adalah :













E. CONTOH PROBLEM I NTEGER PROGREMMI NG
PENJADWALAN PEKERJA (SCHEDULING)
CAPITAL BUDGETING
KNAPSACK PROBLEM
PEMILIHAN LOKASI PABRIK
DIET PROBLEM
BLENDING
SET COVERING PROBLEM