LAPORAN

PENELITIAN OPERASIONAL

IMPLEMENTASI MPL I NTEGER DENGAN BRANCH & BOUND UNTUK

MENGOPTIMALAKAN MUATAN BARANG

(Pada CV Pangestu Interaksi Semarang)

Oleh :

Angga Setya Prawira 1710631140032

Bella Aprilia 1710631140041

Dimas Nurwinata Rinaldi 1710631140054

Edrial Adil Nadif Sonjaya 1710631140056

UNIVERSITAS SINGAPERBANGSA KARAWANG

FAKULTAS TEKNIK

PRODI TEKNIK INDUSTRI

2019
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa yang telah
menganugrahkan banyak nikmat sehingga kami dapat menyusun laporan penelitian data
Sistem Pemasaran ini dengan baik. Laporan ini berisi tentang uraian hasil riset mengenai
korelasi antara kualitas dan kepuasan konsumen.

Laporan ini kami susun secara cepat dengan bantuan dan dukungan berbagai pihak
diantaranya; Rianita Puspa Sari,ST., MT. selaku dosen pengampu mata kuliah Penelitian
Operasional, serta rekan yang turut membantu dalam berkontribusi menyelesaikan tugas
penelitian ini. Oleh karena itu kami sampaikan terima kasih atas waktu, tenaga dan
fikirannya yang telah diberikan.

Dalam penyusunan laporan ini, kami menyadari bahwa hasil laporan praktikum ini
masih jauh dari kata sempurna. Sehingga kami selaku penyusun sangat mengharapkan kritik
dan saran yang membangun dari pembaca sekalian.

Akhir kata Semoga laporan praktikum ini dapat memberikan manfaat untuk kelompok
kami khususnya, dan masyarakat sekitar umumnya.

Karawang, 14 April 2019

Penyusun
DAFTAR ISI
DAFTAR GAMBAR
DAFTAR TABEL
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Permasalahan optimasi merupakan permasalahan yang terjadi secara umum

pada kehidupan manusia sehari-hari dalam usaha untuk memenuhi kebutuhannya.
Data yang dikumpulkan pada penelitian ini adalah Data Persediaan Barang Bulan
Agustus 2013 yang meliputi jenis barang, jumlah setiap jenis barang, berat setiap
jenis barang, harga pokok setiap jenis barang serta harga jual setiap jenis barang.
Data-data yang telah dikumpulkan dari lapangan tersebut kemudian diolah untuk
memecahkan masalah penelitian.

Berdasarkan kapasitas alat angkut milik perusahaan tersebut, menentukan

barang mana saja yang harus diangkut setiap minggunya untuk dipasarkan sehingga
memperoleh keuntungan maksimum.

Dengan adanya penelitian ini diharapkan setiap pekerja dapat menempati

jenis pekerjaan yang sesuai dengan kemampuan mereka. Sehingga kapasitas alat
milik perusahaan yang digunakan menjadi efektif dan efisien serta keuntungan yang
maksimum.

1.2 Rumusan Masalah

Rumusan masalah pada study kasus ini adalah:

1. Apa metode Branch dan Bound dapat menyelesaikan masalah dalam
mendapatkan keuntungan maksimum dalam study kasus yang optimal?
2. Bagaimana meyelesaikan masalah optimasi keuntungan maksimum produksi
dengan langkah metode Branch dan Bound untuk memperoleh solusi optimal?
3. Bagaimana menerapkan metode Branch dan Bound pada studi kasus?

1.3 Tujuan

1. Mengetahui metode Branch dan Bound dapat menyelesaikan masalah dalam

mendapatkan keuntungan maksimum dalam study kasus yang optimal.
2. Mengetahui metode Branch dan Bound dapat menyelesaikan masalah dalam
mendapatkan keuntungan maksimum dalam study kasus yang optimal.
3. Mengimplementasikan metode Branch dan Bound pada studi kasus tersebut.
 BAB II
TINJAUAN PUSTAKA

2.1 State of The Art

State Of The Art atau yang disingkat dengan SOTA adalah faktor yang terpenting
untuk memposisikan penelitian – penelitian yang akan di lakukan untuk memuat acuan
refrensi di antaranya:
Tabel 2.1 State of The Art

No. JUDUL KESIMPULAN

1 Penggunaan Metode Branch and Metode Branch and Bound dan
Bound dan Gomory Cut dalam Gomory Cut dapat digunakan untuk
Menentukan Solusi Integer Linear menyelesaikan masalah
Programming pemograman linear integer.
Wahyudin Nur, Nurul Mukhlisah Berdasarkan contoh kasus yang
Abdal (2016) diberikan, diperoleh hasil yang
sama Antara metode Branch and
Bound dan Gomory Cut, yaitu
perusahaan tersebut harus
memproduksi senter A sebanyak 47,
senter B sebanyak 62, dan senter C
sebanyak 172 agar menghasilkan
keuntungan optimum 2.233.000.
Dalam proses penyelesaiannya,
metode Branch and Bound
memerlukan jumlah literasi
simpleks yang banyak dan waktu
yang lama tapi lebih terjamin
kekonvergenannya.
2 METODE PEMECAHAN Penggunaan metode Branch and
MASALAH INTEGER Bound sedikit sekali kesalahannya
PROGRAMMING namun memerlukan perhitungan
Siti Maslihah (2015) yang lebih banyak. Sedangkan
metode Cutting Plane lebih cepat
mencapai optimal karena dengan
penambahan kendala Gomory
efektif menghilangkan solusi yang
kontinu. Metode Gomory lebih baik
 digunakan jika variabelnya sedikit.
3 METODE BRANCH AND CUT Metode Branch and Cut dapat
UNTUK MENYELESAIKAN digunakan untuk menyelesaikan
MULTI-OBJECTIVE INTEGER masalah multi-objective integer
PROGRAMMING programming. Cara
Rizkika Amalia (2014) penyelesaiannya sama dengan
single-objective integer
programming. Penyelesaian
masalah dengan metode branch and
cut lebih efisien dari metode branch
and bound dan cutting plane karena
adanya pemotongan atau cut.
4 APLIKASI METODE BRANCH Proses penyelesaian dengan metode
AND CUT DALAM OPTIMASI branch and cut menghasilkan 7
PRODUKSI POT BUNGA buah node, sementara menggunakan
Nusaibah Kholilah (2015) metode branch and bound terbentuk
207 node. Hal ini menunjukkan
bahwa metode branch and cut lebih
efektif dibandingkan dengan metode
branch and bound dalam
mengoptimalkan jumlah produksi
pada perusahaan tersebut. Hasil
analisis diperoleh jumlah produksi
yang optimal bagi perusahaan
tersebut adalah 70 buah pot segi
minimalis, 90 buah pot sampan
minimalis 17 buah pot petak segi
besar bonsai, 99 buah pot bulat
besar ukir bonsai, 77 buah pot petak
segi besar bonsai, 99 buah pot bulat
besar ukir bonsai, 77 buah pot segi
ukir bonsai, 68 buah pot guci
sedang, dan 58 buah pot guci kecil.
Keuntungan maksimum yang dapat
diperoleh perusahaan tersebut
adalah Rp. 11.554.000.
5 METODE BRANCH AND BOUND Jumlah truk yang beroperasi
DALAM PENGOPTIMALAN menggunakan metode Branch and
 JUMLAH TRUK PENGANGKUT Bound berbeda dengan jumlah truk
SAMPAH yang beroperasi pada Dinas
Nadya Lorenza (2014) Kebersihan dan Pertamanan Kota
Padang. Dari hasil perhitungan, ada
beberapa truk yang tidak harus
beroperasi, sehingga dapat
mengurangi biaya operasional Dinas
Kebersihan dan Pertamanan Kota
Padang. Terjadi efisiensi biaya pada
biaya bahan bakar sebesar
Rp.160.000,00 per hari, sehingga
Dinas Kebersihan dapat menghemat
pengeluaran untuk biaya bahan
bakar truk.
6 ANALISIS METODE BRANCH Perkiraan roti yang akan diproduksi
AND BOUND DALAM oleh pihak perusahaan adalah
MENGOPTIMALKAN JUMLAH 14.000 untuk masing-masing rasa
PRODUKSI ROTI yaitu kelapa 8 adonan, cokelat 20
Desi Ratna Sari (2013) adonan, dan melon 3 adonan
sedangkan hasil analisa dengan
metode branch and bound di
peroleh jumlah roti 14.400 dan
untuk masing-masing adonannya
antara lain kelapa 8 adonan, cokelat
22 adonan, dan melon 2 adonan.
Keuntungan yang diperoleh dari
hasil dengan metode branch and
bound adalah Rp. 7.573.999,95,-
dan perkiraan perusahaan dengan
metode trial and error mendapat
keuntungan Rp. 7.399.500,- maka
dapat terlihat selisih keuntungan Rp.
174.499,95 yakni 2,3 % dari
keuntungan perusahaan. Dengan
menggunakan metode branch and
bound penulis menganalisa semua
solusi optimal yang lebih dari batas
bawah dan nilai variabel
 keputusannya belum integer
sehingga menghasilkan variabel
keputusan yang integer dan fisibel
(layak).
7 A Branch-and-Cut Algorithm for Kami telah membahas tantangan
Integer Bilevel Linear Programs yang terkait dengan penyelesaian
S.T. DeNegre, Ted K. Ralphs (2009) masalah pemrograman linier bilevel
integer dan menggambarkan
algoritma branch-and-cut yang
dapat dilihat sebagai generalisasi
dari algoritma yang biasa digunakan
untuk solusi program linear integer
standar. Keuntungan utama dari
pendekatan ini adalah kemampuan
untuk mengeksploitasi beragam
teknologi yang ada untuk
memecahkan teknik ILPs. Langkah
selanjutnya dalam pengembangan
pendekatan ini adalah memasukkan
teknik teknik tambahan yang lebih
luas yang telah terbukti kritis dalam
kemampuan kita untuk
menyelesaikan program linear
integer yang sulit dalam praktiknya.
Ini termasuk perbaikan seperti
pengembangan teknik
preprocessing, heuristik primer,
kelas tambahan dari ketidaksetaraan
yang valid, aturan percabangan
berdasarkan pemisahan yang
melibatkan 11 lebih dari satu
variabel, dan strategi pencarian
lebih efektif. Dalam makalah ini,
kami hanya menyarankan titik awal
dan masih banyak pekerjaan yang
harus dilakukan untuk membuat
metode ini praktis untuk contoh
skala besar.
8 The Branch and Bound Method B&B dapat digunakan sebagai
Bela Vizvari, 2010 skema perkiraan. Dalam hal ini
cabang dapat dihapus bahkan dalam
kasus jika batasnya tidak lebih besar
dari nilai fungsi tujuan dari solusi
terbaik saat ini ditambah kesalahan
yang diperbolehkan. Menunjukkan
bahwa ada kelas sehingga metode
perkiraan membutuhkan lebih
banyak perhitungan daripada
menyelesaikan masalah secara
optimal. B & B sangat cocok untuk
pemrosesan paralel. Masalah ini
dibahas dalam.

9 IntegerProgramming for Urban Makalah ini menunjukkan bahwa

Design serangkaian tugas dalam desain
Hao Hua, Ludger Hovestadt, Peng perkotaan dapat dimodelkan
Tang, Biao Li (2019) sepenuhnya oleh IP dan selanjutnya
dipecahkan oleh state-of-art
pemecah. Banyaknya kriteria
desain, ketentuan, dan fisik aturan
telah lama menunda pemrograman
matematika perkotaan Desain.
Namun, pekerjaan kami
menunjukkan bahwa kedua tujuan
fungsional (mis.Aturan sinar
matahari n-jam) dan prinsip-prinsip
estetika (mis.Simetri translasi)
dapat ditransformasikan menjadi
ekspresi linear. Tidak seperti
banyak pendekatan yang ada yang
menggabungkan pemrograman
matematika dengan metode
optimisasi lainnya (Singh &
Sharma, 2006), pendekatan kami
 sebagian besar menggunakan 0-11
IP untuk menangani berbagai tata
letak masalah. Akhirnya, pemecah
MIP saat ini akan memungkinkan
kami untuk mendapatkan tata ruang
yang hampir optimal untuk situs
skala menengah (sekitar 30.000
meter2) dalam hitungan detik atau
menit. Kami menggunakan templat
plot sebagai elemen penting dalam
tata letak perpaduan. Sebuah plot
dapat mewakili sebuah bangunan
dan lingkungannya; tumpang tindih
antara dua plot dapat mewakili
bangunan atau teras. Fleksibilitas
semacam itu merupakan ruang
desain di luar IP formalisme. Oleh
karena itu, para desainer masih
memainkan peran penting dalam
merancang templat plot. Interaksi
antara seorang desainer dan IP
dapat menghasilkan hasil baru
tanpa memodifikasi algoritma IP.

10 Multi Objective Branch and Bound Metode ini telah diusulkan untuk
Anthony Przybylski, Xavier solusi umum program linear
Gandibleux (2017) bilangan bulat bilangan bulat dua
tujuan. Metode ini demikian
diusulkan untuk konteks yang lebih
umum daripada metode oleh
Vincent et al. (2013), variabel biner
di sini digantikan oleh integer
umum variabel. Ini adalah satu-
satunya metode dalam survei ini
yang mempertimbangkan secara
eksplisit jenis variabel terakhir ini.
Di setiap simpul cabang dan pohon
terikat, dengan cara yang sama
 seperti dalam kasus objektif
tunggal, variabel integer dibatasi
oleh nilai-nilai tertentu daripada
diperbaiki. Kami menyajikan
elemen utama dari cabang ini dan
terikat algoritma dalam kasus
maksimalisasi (seperti yang
dinyatakan dalam aslinya laporan
teknikal)

2.2 Landasan Teori

2.2.1 Penelitian Operasional
Riset Operasi adalah salah satu bagian matematika yang mengkaji cara
menetapkan arah tindakan terbaik (optimum) dari sebuah masalah keputusan di
bawah pembatasan sumber daya yang terbatas. Pada tahun 1947 seorang ahli
matematika dari Amerika Serikat yang bernama George D. Danzig menemukan
cara untuk menguraikan dan memecahkan masalah pemograman linear dengan
Metode Simpleks (Simplex Method). Ia menguraikannya dalam buku yang
berjudul Linear Programming and Extention. Keberhasilannya karena mampu
menyelesaikan berbagai masalah dalam kehidupan nyata seperti di bidang militer,
industri, pertanian, transportasi, ekonomi, kesehatan, dan ilmu sosial. Churchanab,
Arkoff, dan Arnoff pada tahun 1950an mengemukakan definisi penelitian
operasional sebagai aplikasi metode-metode, teknik-teknik dan peralatan-peralatan
ilmiah dalam menghadapi massalah-masalah yang timbul di dalam operasi
perusahaan dengan tujuan ditemukannya pemecahan yang optimum pada masalah-
masalah tersebut. Penelitian Operasional berusaha menetapkan arah tindakan
terbaik (optimum) dari sebuah masalah keputusan dibawah pembatasan sumber
daya yang terbatas. Istilah Pernelitian Operasional sering kali diasosiasikan
hampir secara eksklusif dengan penggunaan teknik-teknik matematis untuk
membuat model dan mnganalisis masalah keputusan atau lebih tepatnya dapat
digambarkan sebagai suatu pendekatan ilmiah dalam pengambilan keputusan yang
melibatkan operasi-operasi dalam sistem organisasi.

2.2.2 Metode
Metode branch and bound pertama kali dkembangkan pada tahun 1960 oleh
Land dan G. Doig yang digunakan untuk menyelesaikan masalah mixed integer
linear programming dan pure integer linear programming secara umum.
Selanjutnya pada tahun 1965 E. Balas mengembangkan algoritma tambahan untuk
menyelesaiakan masalah binary integer linear programming.

Metode branch and bound awalnya hanya digunakan untuk menyelesaikan

masalah program integer. Setelah diteliti lebih lanjut, ternyata metode ini juga
dapat digunakan untuk menyelesaikan masalah lainnya seperti traveling salesman
problem, scheduling dan sebagainya. Ide mendasar dari metode ini adalah
membagi daerah layak menjadi beberapa sub-bagian yang mengandung titk-titik
fisibel dengan koordinat integer dengan menambahkan kendala tambahan
kemudian menyelesaikannya.

Untuk menyelesaikan suatu masalah program integer dengan menggunakan

metode branch and bound, langkah pertama adalah mengabaikan kendala integer
dari permasalahan awal sehingga terbentuk permasalahan LP relaksasi kemudian
diselesaikan. Banyak metode yang dapat digunakan untuk menyelesaiakan
permasalahan LP relaksasi. Namun, metode yang umum digunakan adalah metode
simpleks. Jika permasalahan tersebut tidak mempunyai penyelesaian optimum
yang bernilai integer, maka dua kendala baru dibentuk. Kendala tersebut adalah
batas atas dan bawah dari variabel yang dibatasi harus bernilai integer namun
belum bernilai integer.

Konsep dasar dari metode branch and bound adalah pengamatan terhadap
tiap-tiap nilai , di mana adalah variabel yang dibatasi harus bernilai integer. Jika
nilai belum integer, maka masalah awal dibagi menjadi dua masalah baru dengan
menambahkan dua kendala baru yaitu, [ x j ] ≤ x j dan x j ≤ [ x j ] +1 dimana [ x j ]
adalah integer yang lebih kecil dari x j . Proses inilah yang dinamakan branching
(pencabangan). Dalam kasus maksimasi, solusi awal dijadikan sebagai batas atas
(upper bound). Penambahan pertidaksamaan sebagai
pencabangan masalah akan mengakibatkan berkurangnya nilai fungsi tujuan pada
solusi optimal.

Sebagai salah satu hasil pencabangan variabel yang belum integer pada setiap
cabang, satu dari dua kejadian berikut akan terjadi. Yang pertama, solusi yang
diperoleh tidak memenuhi syarat integer dari variabel yang dicabangkan, dan
memperoleh nilai fungsi objektif yang kurang sesuai dibandingkan dengan
pencabangan lain yang semua solusinya sudah integer, dalam kasus ini
pencabangan dilanjutkan. Yang kedua, mungkin diperoleh solusi lain yang sudah
memenuhi syarat integer, dalam kasus ini pencabangan dihentikan.

Terdapat dua tahap yang dipakai dalam algoritma branch and bound,
yaitu:
1. Pencabangan, yaitu mempartisi masalah tersebut menjadi beberapa sub-
masalah dengan cara menambahkan kendala yang merupakan syarat perlu
untuk mencari solusi integer fisibel tanpa mengubah himpunan solusi integer
semula.
2. Pembatasan, yaitu nilai fungsi objektif dari suatu sub-masalah yang
mempunyai solusi integer dipakai sebagai batas nilai fungsi objektif dari sub-
masalah lainnya.

Branch and bound adalah algoritma yang paling umum digunakan untuk
menyelesaikan masalah integer programming. Algoritma branch and bound juga
telah banyak digunakan sebagai kode program computer, misalnya OSL,
LAMPU, dan LINDO.

Berikut ini adalah langkah-langkah penyelesaian suatu masalah maksimisasi

dengan metode branch and bound:
1. Selesaikan masalah program linier relaksasi dengan metode simpleks.
2. Teliti solusi optimalnya, jika variabel keputusan yang diharapkan adalah
integer, solusi optimum integer telah tercapai. Jika satu atau lebih variabel
keputusan yang diharapkan ternyata bukan integer, lanjutkan ke langkah 3.
 3. Jadikan solusi pada penyelesaian langkah 1 menjadi batas atas dan
untuk batas bawahnya merupakan solusi yang variabel
keputusannya telah dibulatkan (rounded–down).
4. Pilih variabel yang mempunyai nilai pecahan terbesar (artinya
bilangan desimal terbesar) dari masing-masing variabel untuk
dijadikan pencabangan ke dalam sub-masalah. Tujuannya adalah
untuk menghilangkan solusi yang tidak memenuhi persyaratan
integer dalam masalah itu. Pencabangan itu dilakukan secara
mutually exclusive untuk memenuhi persyaratan integer dengan
jaminan tidak ada solusi fisibel (layak) yang diikutsertakan.
5. Untuk setiap sub-masalah, nilai optimum fungsi tujuan ditetapkan
sebagai batas atas. Solusi optimum yang dibulatkan menjadi batas
bawah (solusi yang sebelumnya tidak bulat kemudian dibulatkan).
Sub-masalah yang memiliki batas atas kurang dari batas bawah
yang ada, tidak diikutsertakan pada analisa selanjutnya. Suatu
solusi integer fisibel (layak) adalah sama baik atau lebih baik dari
batas atas untuk setiap sub-masalah yang dicari. Jika solusi yang
demikian terjadi, suatu sub-masalah dengan batas atas terbaik
dipilih untuk dicabangkan. Kembali ke langkah 4.
4.
 BAB III
METODOLOGI PENELITIAN

3.1. Prosedur Penelitian

Ruang Lingkup Kegiatan

Arah Alur Kegiatan

 Pemasalahan
Gambar 3.1 Prosedur Penelitian

PERSIAPAN PENELITIAN
Prosedur dari Penelitian ini adalah sebagai berikut:
1. studi literaturObjek
Pustaka dengan mengumpulkan
Observasimateri dari buku-buku,
Perijinan artikel
Penelitian
Penelitian Penelitian
dan jurnal yang di dapat dari perpustakaan dan perpustakaan online.
2. Menganalisa masalah.
3. Mengumpulkan beberapa data dari berbagai sumber yang ada.
PELAKSANAAN PENELITIAN
4. Memformulasikan data ke dalam bentuk program linear.
5. Menerapkan Metode Branch and BoundNELITIAN
dalam setiap kasus masalah
Teknik Tempat dan Waktu Pengumpulan Data
yang diperoleh.
Pungumpullan Data Penelitian
6. Melakukan analisis sensitivitas dari hasil Metode BRANCH AND
BOUND , kemudian simpulkan.
7. Selesai. PENYELESAIAN

Pengolahan Data Analisis Data Pelaporan Hasil

3.2. Metode
3.2.1. Program Linear
Menurut Aminudin (2005), program linierPemecahan
Kesimpulan merupakan suatu
Masalah
model matematika untuk mendapatkan alternatif penggunaan
terbaik atas sumber-sumber yang tersedia. Kata linier digunakan
untuk menunjukan fungsi matematika yang digunakan dalam
Keterangan gambar
bentuk linier, sedangkan program merupakan penggunaan teknik
matematika tertentu.
Tahap Jadi pengertian program linier adalah suatu
Kegiatan
teknis perencanaan yang bersifat analitis yang analisisnya
menggunakan model matematika, dengan tujuan menemukan
beberapa alternatif pemecahaan optimum terhadap persoalan.

Program linier adalah suatu teknik penyelesaian optimal atas

suatu problem keputusan dengan cara menentukan terlebih dahulu
fungsi tujuan (memaksimumkan atau meminimumkan) dan
kendala-kendala yang ada ke dalam model matematik persamaan
 linier. Program linier sering digunakan dalam menyelesaikan
problem alokasi sumber daya (Parlin Sitorus, 1997).

3.2.2. Metode Simpleks

Untuk menyelesaikan program linier yang melibatkan dua
variabel keputusan dapat menggunakan prosedur solusi grafik.
Namun banyak masalah pemrograman linier yang terlalu besar
untuk diselesaikan secara grafik dan perlu digunakan prosedur
ssolusi aljabar. Prosedur solusi aljabar yang paling banyak
digunakan untuk masalah pemrograman linier disebut metode
simpleks , yang dikembangkan oleh George Dantzig pada tahun
1947 (Mulyono, 2007).

Metode simpleks merupakan suatu proses dimana suatu prosedur

sistematis diulang-ulang (iterasi) sampai hasil yang diinginkan
tercapai. Oleh karena itu metode ini mengganti satu masalah yang
sulit dengan serangkaian masalah yang mudah.

3.2.3. Branch dan Bound

Metode Branch and Bound diusulkan pertama kali oleh
A.H.Land dan A.G.Doig pada tahun 1960. Untuk memudahkan
dalam mendapatkan solusi optimal sesuai dengan persyaratan,
metode branch and bound merupakan salah satu dari metode
program integer. Pada dasarnya adalah strategi “mencabangkan dan
membatasi”. Metode branch and bound adalah metode umum untuk
mencari solusi optimal dari berbagai permasalahan optimasi. Metode
ini juga merupakan teknik solusi yang tidak terbatas hanya untuk
permasalahan program integer saja. Tetapi juga merupakan
pendekatan solusi yang dapat diterapkan untuk berbagai macam
permasalahan yang berbeda. Prinsip yang mendasari metode branch
and bound yaitu total set solusi yang fisibel dapat dibagi menjadi
subset solusi yang lebih kecil. Subset-subset ini selanjutnya dapat
 dieavluasi secara sistematis sampai solusi yang terbaik ditemukan
penerapan metode branch and bound pada masalah program integer
digunakan bersama-sama dengan metode simpleks .

3.2.4. Asumsi Penelitian

Dalam penelitian ini, asumsi yang digunakan adalah dalah Data
Persediaan Barang Bulan Agustus 2013 yang meliputi jenis barang,
jumlah setiap jenis barang, berat setiap jenis barang, harga pokok
setiap jenis barang serta harga jual setiap jenis barang. Data-data
yang telah dikumpulkan dari lapangan.
 BAB IV
PENGUMPULAN DAN PENGOLAAN DATA

4.1 Analisis Situasi

Untuk merumuskan strategi perusahaan ada beberapa teknik yang dapat
dipadukan dan dapat diringkas menjadi tiga tahap yaitu: (1). Tahap Input, (2)
Tahap Pencocokan, dan (3) Tahap Keputusan. dan pemikiran yang mendalam
maka akan disusun :
1. Tahap Input
Dalam tahap input ini penyusun strategi berusaha mengumpulkan
informasi (input) dasar yang diperlukan dalam merumuskan strategi.
Berdasarkan informasi yang dikumpulkan baik dari lingkungan
internal dan eksternal, maka berdasarkan analisis.
a. Matriks Evaluasi Faktor Eksternal (EFE)
Matriks Evaluasi faktor eksternal adalah matriks yang
dikembangkan oleh penyusun strategi untuk meringkas,
mengevaluasi informasi eksternal makro dan mikro berupa faktor
ekonomi, politik hukum, sosial budaya, teknologi, persaingan dan
sebagainya.

b. Matriks Evaluasi Faktor Internal (EFI)

Matriks EFI dikembangkan oleh penyusun strategi untuk
meringkas dan mengevaluasi kekuatan dan kelemehan utama
perusahaan dalam bidang fungsional dalam bidang usahanya.
Matriks ini juga memberikan dasar untuk mengetahui dan
mengevaluasi hubungan antara berbagai bidang fungsional. Dalam
mengembangkan matriks EFI ini dibutuhkan evaluasi intuitif.

FAKTOR – FAKTOR BOBOT RATING BOBOT X

 STRATEGI INTERNAL RATING
KEKUATAN

1. Perencanaan Jangka 0,05 3 0,20

Panjang

2. Rasio Keuangan 0,05 3 0,15

KELEMAHAN
1. Desersivikasinya 0,05 2 0,10
Terbatas

2. Rugi Joint Venture 0,10 1 0,10

JUMLAH 0,25 0,55

Gambar 4.1 EFI Perusahaan

c. Matriks Profil Persaingan
Matriks Profil Persaingan (Competitive Profile Matriks)
adalah matrik yang mengidentifikasikan pesaing utama perusahaan
berkaitan dengan kekuatan dan kelemahan masing-masing pesaing.
Cara memberi bobot dan total nilai yang diberi bobot dalam CPM
(Competitive Profile Matriks) dan EFE dilakukan dengan cara
yang sama. Antara CPM dan EFE terdapat sedikit perbedaan.
Pertama, faktor sukses kritis dalam CPM lebih luas, termasuk data
spesifik yang nyata, dan terfokus pada persoalan internal
masingmasing perusahaan. Kedua, faktor sukses kunci dalam CPM
juga tidak dikelompokkan berdasarkan peluang dan ancaman
seperti dalam EFE. Dalam CPM, penilaian dan total nilai yang
diberi bobot pada perusahaan pesaing dapat dibandingkan dengan
perusahaan itu sendiri. Analisa perbandingan terhadap pesaing ini
akan memberikan informasi strategis internal yang penting.

2. Tahap Pencocokan
 Dalam tahap ini penyusun strategi berupaya untuk menghasilkan
strategi alternatif yang layak dengan mempertimbangkan faktor
internal dan faktor eksternal. Dalam tahap pencocokan ini akan
disusun:
Tabel 4.1 Tahap Pencocokan
a. Analisis SWOT

IFAS STRENGTHS (S) WEAKNESS (W)

1. Hubungan
1. Terletak dipusat
EFAS dengan
populasi besar
karyawan buruk
2. Arus ka spositif
2. Rasio likuiditas
selama 3 tahun
0,25
berturut – turut
3. Biaya operasiona
3. Tingkat
relative sama
penjualan naik
karena
4. Banyak
penghasilan
dilakukannya
menurun
usaha
4. Manajemen
penghematan
memusatkan
biaya
pada pangsa
5. Mendapatkan
pasar
laba di beberapa
5. Pembatasan
tempat
kontrak dibuat
oleh CV
OPPORTUNITIES (O) STRATEGI SO STRATEGI WO

1. Didekati usaha 1. Membuka CV di 1. Mengejar merger

yang berkaitan Jawa Barat dan dengan pesaing
untuk Papua
kemungkinan
merger
2. Pembukaan
ekonomi di
provinsi berbeda
3. Pertumbuhan
pendapatan
perkapita diluar
provinsi lebih
tinggi dari pada
di Semarang
 Matriks SWOT adalah alat pencocokan yang membantu
manajer mengembangkan empat tipe strategi: Strategi SO, Strategi
WO, Strategi ST dan Strategi WT. Dalam mengembangkan matriks
SWOT dilakukan dengan melakukan penyesuaian (pencocokan)
antara faktor-faktor internal dan eksternal perusahaan. Hal ini
merupakan bagian yang sulit dan memerlukan penilaian yang baik
biarpun dalam realitanya tidak ada kecocokan terbaik.

Tabel 4.2 Matriks SWOT

TREATH STRATEGI ST STRATEGI WT

1. Rumah Tangga 1. Membuka 1. Mengurangi
mulai penyewaan biaya umum
menggunakan transportasi dan
jasa angkut angkut administrasi
Barang yang lebih
2. Membangun 2. Divestasi
efisien.
cabang kecil di Operasi
2. Pelucuran beberapa
program baru daerah
yang lebih cepat

3. Persaingan dalam
industry
meningkat
4. Ketergantungan
dengan system
4.2 Kondisi Eksisting
4.2.1 Geografis Kota
Tabel 4.3 geografis kota Semarang

URAIAN BATAS WILAYAH

DESCRIPTION BORDERLINE
LETAK KETERANGAN
LINTANG
1. Sebelah Utara 6’ 50” LS Laut jawa
2. Sebelah Selatan 7’ 10” LS Kab. Semarang
3. Sebelah Barat 109’ 50” BT Kab. Kendal

4. Sebelah Timur 110’ 35” BT Kab. Demak

4.2.2 pertumbuhan sector ekonomi di kota Semarang

Tabel 4.4 pertumbuhan sector ekonomi di kota Semarang menurut
lapangan usaha atas dasar harga konstan 1993 tahun 2014 - 2016

N SEKTOR 2014 2015 2016

O
1 Pertanian 3.37 4.25 1.86
2 Pertambangan & 3.72 2.72 3.60
penggalian
3 Industry pengolahan 4.30 4.16 3.38
4 Listrik, gas, dan air 10.87 5.97 8.40
minum
5 Bangunan 3.27 3.91 2.79
6 Perdagangan, hotel dan 4.31 4.56 4.93
restoran
7 Pengangkutan dan 3.79 5.75 5.23
transportasi
8 Keuangan, persewaan, 2.49 4.34 2.93
dan jasa perusahaan
9 Jasa- jasa 3.56 4.00 2.84
PDRB TOTAL 4.10 4.43 4.02
 Tabel diats menunjukan bahwa laju pertumbuhan seluruh sector
pada tahun 2016 menunjukan pertumbuhan positif. Sector listrik
mengalami pertumbuhan paling besar sekitar 8.40%.
Lapangan usaha yang memiliki konstribusi terbesar terhadap
PDRB tahun 2016 atas dasar harga berlaku adalah sector perdagangan,
hotel, dan restoran. Dan seterusnya adalah sector industry sebesar 29.26%.

Tabel 4.5 rata-rata produk domestic regional bruto perkapita penduduk

tahun 2014 – 2017

Tahun Pendapatan Perkapita (Rp) Pertumbuhan (%)

Harga Berlaku Harga Konstan Harga Harga
1993 Berlaku Konstan 1993
2014 9.923.098,00 3.959.928,10 13,61 3,55
2015 11.419.483,45 4.088.522,53 15.08 3,25
2016 12.885.457,96 4.215.832,47 12,84 3,11
2017 14.016.235,34 4.308.516,94 8,78 2,20

4.2.3 Pendapatan daerah

Bergulirnya otonomi daerah membawa konsekuensi perubahan
manajemen keuangan daerah. Hal terseut perlu dilakukan untuk
menghasilkan anggaran daerah yang benar-benar mencerminkan
kepentingan dan harapan masyarakat terhadap pengelolaan keuangan
daerah secara ekonomis, efisien dan efektif.
Kawasan semarang mengalami peningkatan dalam pendapatan
daerah perkapita disetiap jenjang tahunnya terlebih lagi dari pembangunan
yang diadakan oleh pemerintah daerah setempat menjual daya Tarik nya
sendiri.
Dari data yang kami peroleh melalui situs – situs terkait
perekonomian daerah di kota semarang pertumbuhan ekoomi merangkak
naik ke angka pertumbuhan yang positif hingga mencapai angka
pertumbuhan 4.02% pada tahun 2006. Selama kurun waktu 4 tahun
terakhir pertumbuhan ekonomi mengalami peningkatan rata- rata sebesar
0,19% pertahun. Dengan demikian pada akhir tahun 2010 pertumbuhan
 ekonomi kota semarang diprediksikan mencapai angka kurang lebih 5,5
%.
4.3 Studi Kasus

Tabel 4.6 data persediaan barang

Tabel 4.7 data perlengkapan dari tabel utama

Pada penelitian ini, yang akan dicari adalah keuntungan maksimum

yang diperoleh perusahaan CV Pangestu Interaksi Semarang. Untuk itu
perlu dilakukan pemilihan barang yang akan dipasarkan secara tepat
sehingga bisa memperoleh keuntungan yang maksimal. Permasalahan
knapsack 0-1 yang dibahas dalam penelitian ini dapat diselesaikan dengan
menggunakan algoritma Branch and Bound. Rincian permasalahan
dijelaskan sebagai berikut. CV Pangestu Interaksi adalah sebuah
perusahaan yang bergerak di pemasaran produk dan alat-alat kesehatan di
Semarang. Alat transportasi perusahaan tersebut mempunyai kapasitas alat
angkut sebesar 60 kg. Untuk itu, dalam memasarkan produk dan alat-
alatnya, perusahaan tersebut harus melakukan pemilihan barang, karena
tidak semua barang Berdasarkan penelitian Amaldi (2010), untuk
menyelesaikan kasus pada penelitian di CV Pangestu Interaksi dapat
disusun langkahlangkah perhitungan yang menggunakan algoritma Branch
and Bound sebagai berikut.
4.4 Hasil dan pembahasan
Misalkan xj menyatakan keputusan perusahaan untuk mengangkut barang
j, pj adalah besarnya keuntungan setiap jenis barang yang diperoleh dari
selisih harga jual dengan harga pokok, wj adalah berat setiap jenis barang
yang akan dipilih untuk dipasarkan dan z adalah total besar keuntungan yang
diperoleh dari hasil pemilihan barang.
Bentuk Integer Linear Programming dari kasus di atas adalah sebagai
berikut :
Fungsi Tujuan :
Maksimum dari :
Z = 100000 x1 + 225000 x2 + 480000 x3+ 250000 x4+ 200000 x5+ 75000 x6
Dengan kendala :
2,5 x1 + 7,5 x2+ 20 x3+ 12,5 x4+ 25 x5+ 15 x6≤ 60
X1 , X2 , X3 , X4 , X5 , X6 ∈{ 0,1 }
Langkah selanjutnya adalah mencari solusi optimal ( x́ ) dari C (KP)

{
s=min j; ∑ wi >c
i=1
}
Jelas s = 5, oleh sebab

{
s=min j; ∑ wi >60
i=1
}
Selanjutnya x́ dapat dicari berdasarkan persamaan berikut.

x́ j = 1, untuk j = 1,…,s – 1

x́ j = 0, untuk j = s + 1,…n

Ć
x́ s =
Ws

Dengan
 s−1
ć=c−∑ w j
j=1

Sehingga diperoleh solusi optimal ( x́ )

7
x́ 1=1 , x́ 2=1 , x́ 3=1 , x́ 4 =1 , x́ 5= , x́ =0
10 6

Nilai optimal ź 1 dicari dengan berdasarkan persamaan berikut.

s−1
Ps
z ( C ( KP )) =∑ p j+ ⌊ ć ⌋
j=1 Ws

z ( C ( KP )) =¿ 1195000
 ź=1195000
7
t=1 x́=(1,1,1,1, , 0)
10
UB=1195000
LB=−∞

x5 = 0 X3 = 1
ź=1130000 ź=1105000

x́=(1,1,1,1,0,1) t=9 2

UB=1130000 t=2
(
x́= 1,1,1 , , 1,0
5 )
UB=1105000
LB=1130000
LB=−∞
Solusi Optimal

X4 = 0 X4 = 1

ź=1030000 ź=1075000

1 5
(
x́= 1,1,1,0,1, ,
3 ) 8 (
x́= 1,1 , ,1,1,0 )
t=3 t=2
UB=1030000 UB=1075000

LB=−∞ LB=1005000

X6 = 0 X6 = 1 X3 = 1 X3 = 1

ź=1005000 ź=840000 ź=837500 ź=1030000

x́=( 1,1,1,0,1,0 ) 1 5 x́=( 1,0,1,1,1,0 )

UB=1005000
(
x́= 1,1 , 0,1,1
2 ) (
x́= 1,1,0,1,1,
6 ) UB=1030000
UB=840000 UB=837500
LB=1005000 LB=1030000
t=4 t=5 t=7 t=8
LB=1005000 LB=1005000

Gambar 4.2 Pohon Solusi Akhir ( t = 9 )

 Indeks t menunjukkan urutan dimana submasalah dipecahkan. Saat nilai
solusi optimal berupa pecahan, batas atas (upper bound) untuk submasalah dapat
dibulatkanmenuju . Batas bawah (lower bound) tidakdihitung untuk setiap
submasalah namun akan berganti baru ketika sudah ditemukan submasalah
dengan solusi yang optimal. Pada submasalah 5 ini dilakukan fathoming karena
sudah memenuhi syarat 3. Pada submasalah 6,7 ini dilakukan fathoming karena
memenuhi syarat 1 . Pada submasalah 1 , 8 ini pencabangan dihentikan karena
sudah memenuhi syarat 1 dan 3. Solusi optimal akhir ditemukan pada node 1 (t=9)
dengan x*=(1 ,1 ,1 ,1 ,0,1) dan nilai optimal z*=1 1 30000.
 BAB V

PENUTUP

Kesimpulan

Penyelesaian masalah Knapsack 0-1 dengan menggunakan algoritma Branch and

Bound untuk studi kasus pada bulan Agustus 2013 di CV Pangestu Interaksi
diperoleh total keuntungan Rp 1.130.000,00 dengan jenis barang yang diangkut
adalah decglass, blood lakset, Gluco Advantage, Glucosa Repeed, dan Tabung
HT. Cara menggunakan software Lingo 11.0 untuk menyelesaikan masalah
Knapsack 0-1 dengan algoritma Branch and Bound pada kasus di CV Pangestu
Interaksi adalah dengan menginputkan kode program ke dalam form perintah
software Lingo 11.0. Dalam kode program tersebut diperlukan nilai dari masing-
masing koefisien x pada fungsi tujuan dan nilai koefisien x pada kendala yang
termuat dalam model matematika untuk kasus pada CV Pangestu Interaksi ini.

Saran

Untuk memaksimumkan keuntungan yang didapatkan dari perusahaan, lebih baik

untuk terus menganalisa bahan dan efek kerja dari karyawan dan mesin untuk
dapat mengetahui masing masing jumlah pengeluaran dan pemasukan yang kan
diperoleh semaksimal mungkin.
 DAFTAR PUSTAKA

Amaldi, E. 2010. Foundation of Operation Research. Politecnico di Milano.

Dimyati, A & Tarliah, T. 1992. Operation Research, Model – Model

Pengambilan Keputusan, Bandung: Sinar Baru.

Suyanto. 2010. Algoritma Optimasi (Deterministik atau Probabilitik).

Yogyakarta: Graha Ilmu.

Taha, A. H. 1996. Riset Optimasi. Jakarta: Binarupa Aksara.

Srimulyono. 2007, Riset Operasi, Edisi Revisi, Lembaga Penerbit Fakultas

Ekonomi Universitas Indonesia, Jakarta.

Eko Hartono. 2008. Integer Programming.