MAKALAH

PEMROGRAMA BILANGAN BULAT (INTEGER PROGRAMMING)

Makalah Ini Diajukan Untuk Memenuhi Salah Satu Tugas Mata Riset Operasi
Dosen Pengampu : Dyah Ciptaning SE,.MM

Disusun Oleh :
1. Risnawati (1810003)
2. Nurul Ahadiat (1810009)
3. Asep Kustiandi (1810016)
4. Ratna Elmasari (1810021)
5. Atep Devi Purwanto (1810045)

PROGRAM STUDI MANAJEMEN 5A

SEKOLAH TINGGI ILMU EKONOMI LATIFAH MUBAROKIYAH
SURYALAYA – TASIKMALAYA
TAHUN AJARAN 2020/2021
 KATA PENGANTAR
Puji dan syukur mari kita panjatkan kehadirat Allah swt, karena atas berkat rahmat dan
hidayat nya saya selaku mahasiswa STIE LM dapat menyelesaikan tugas mata kuliah
Kewirausahaan dengan tepat waktu dan dalam keadaan sehat wal’afiat.
Kita sebagai manusia biasa yang tak bisa luput dari kesalahan tentunya dalam pembuatan
makalah ini tidak sepenuhnya benar, karena masih dalam proses pembelajaran. Oleh karena itu kritik
dan saran yang membangun dari teman-teman sangat membantu dalam pembuatan makalah
selanjutnya agar menjadi lebih baik.
Dengan demikian makalah ini dibuat agar para pembaca dapat mengetahui Apa yang
dimaksud dengan Pemrograma bilangan bulat,sehingga makalah ini menjadi gambaran bagi
pembaca mengetahui teori dan implikasinya.

ii
 DAFTAR ISI

KATA PENGANTAR ...................................................................................................................................... ii

DAFTAR ISI .................................................................................................................................................... iii

BAB 1 .................................................................................................................................................................. 3

PENDAHULUAN .............................................................................................................................................. 3

1.1 Latar Belakang..................................................................................................................................... 3

1.2 Rumusan Masalah ............................................................................................................................... 3

1.3 Tujuan Makalah ................................................................................................................................... 3

BAB 2 .................................................................................................................................................................. 4

PEMBAHASAN................................................................................................................................................. 4

2.1 Integer Programming ........................................................................................................................... 4

2.2 Metode Solusi dalam Integer Programming Pendekatan Bilangan Bulat............................................ 5

BAB 3 ................................................................................................................................................................ 15

KESIMPULAN ................................................................................................................................................ 15

DAFTAR PUSTAKA ...................................................................................................................................... 16

iii
iv
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Masalah pemrograma pecahan adalah suatu masalah dimana fungsi objektif
merupakan rasio dari pembilang dan penyebut. Masalah ini sering ,muncul dalam masalah
perencanaan produksi, keuangan dan lain sebagainya.
Penyelesaian pemrograma pecahan bilangan bulat dapat dilakukan dengan
mengambil tindakan pembulatan, atau sering disebut dengan program integer.Program
integer adalah pengembangan dari program linier yang menyelesaikan suatu persoalan
dengan persyaratn tambahan bahwa variabel keputusan megambil bilangan bulat
(integer).Hal ini sangat berguna terutama dalam pengambilan keputusan suatu perusahaan
dimana keputusannya harus mengambil nilai bilangan bulat. Ini dikarenakan adanya
komoditas yang tak dapat terbagi, seperti banyaknya gedung, jumlah jembatan, produksi
mobil,dan kebutuhan tenaga kerja.
Untuk bebrapa hal tertentu pada masalah diatas , bilangan pecahan tidak dapat
sepenuhnya digunakan untuk dapat dilakukan pembulatan karena dapat megakibatkan
kekeliruan yang dapat menyebabkan solusi menjadi tidak layak ataupun nilai optimal tidak.
Sehingga, seharusnya metode pembulatan dihindarkan, karena ada kalanya nilai optimal itu
diperoleh tidak hanya dengan membulatkan bilangan pemecahan saja tetapi justru harus
mengubah nilai bilangan bulat yang sudah ada.
1.2 Rumusan Masalah
a. Apa yang dimaksud dengan Integer Programming ?
b. Apa saja metode solusi dalam Integer Programming pendekatan pembulatan ?
1.3 Tujuan Makalah
a. Untuk mengetahui Apa yang dimaksud dengan Integer Programming ?
b. Untuk mengetahui Apa saja metode solusi dalam Integer Programming pendekatan
pembulatan ?

3
 BAB 2
PEMBAHASAN

2.1 Integer Programming

a. Pengertian
Salah satu asumsi teknik LP adalah divisibility atau fractionality. Dengan kata lain,
setiap variabel model dapat terjadi pada semua nilai non negatif, suatu nilai solusi yang
kontinyu. Dalam situasi keputusan tertentu, asumsi ini tidak realistik dan tidak dapat
diterima. Misalnya, suatu solusi yang memerlukan 2,29 kapal selam dalam suatu sistem
pertahanan adalah tidak mempunyai makna praktis. Dalam kasus ini, 2 atau 3 kapal
selam harus disediakan (bukan 2,29). Masih banyak masalah lain dalam bidang industri
dan bisnis yang memerlukan nilai bulat untuk variabel modelnya. Integer programming
adalah suatu LP dengan tambahan persyaratan bahwa semua atau beberapa variabel
bernilai bulat non negatif, tetapi tidak perlu bahwa parameter model juga bernilaibulat.
Ada banyak kasus dalam masalah integer programming yang membatasi variabel
model bernilai nol atau satu.Dalam kasus demikian, pengambil keputusan hanya
memiliki dua pilihan yaitu menerima atau menolak suatu usulan kegiatan.Penerimaan
atau penolakan yang sifatnya parsial tidak diperbolehkan.Jika variabel keputusan bernilai
satu, kegiatan diterima, dan jika variabel bernilai nol, kegiatan ditolak.
Dalam masalah integer programming, jika model mengharapkan semua variabel basis
bernilai integer (bulat positif atau nol), dinamakan pure integer programming. Jika model
hanya mengharapkan variabel-variabel tertentu bernilai integer, dinamakan mixed integer
programming. Dan jika model hanya mengharapkan nilai nol atau satu untuk
variabelnya, dinamakan zero one integerprogramming.
Tampaknya cukup untuk mendapatkan solusi bulat dari masalah LP, dengan
menggunakan metode simpleks biasa dan kemudian membulatkan nilai-nilai pecah solusi
optimum.Bukan tugas mudah untuk membulatkan nilai-nilai pecah variabel basis yang
menjamin tetap memenuhi semua kendala dan tidak menyimpang cukup jauh dari solusi
bulat yang tepat.Karena itu perlu prosedur yang sistematis untuk mendapatkan solusi
bulat optimum terhadap masalahitu.
Terdapat 3 macam permasalahan dalam pemrograman bulat, yaitu:
- Pemrograman bulat murni, yaitu kasus dimana semua variabel keputusan
harus berupa bilanganbulat.
- Pemrograman bulat campuran, yaitu kasus dimana beberapa, tapi tidak
semua, variabel keputusanharusberupabilanganbulat
- Pemrograman bulat biner, kasus dengan permasalahan khusus dimana semua

4
 variabel keputusanharusbernilai0dan1
2.2 Metode Solusi dalam Integer Programming Pendekatan Bilangan Bulat
Suatu pendekatan yang sederhana dan kadang-kadang praktis untuk menyelesaikan
integer programming adalah dengan membulatkan nilai variabel keputusan yang diperoleh
melalui LP.Pendekatan ini mudah dan praktis dalam hal usaha, waktu dan biaya yang
diperlukan untuk memperoleh suatu solusi. Bahkan, pendekatan pembulatan dapat
merupakan cara yang sangat efektif untuk masalah integer programming yang besar dimana
biaya-biaya hitungan sangat tinggi atau untuk masalah nilai-nilai solusi variabel keputusan
sangat besar.
Contohnya, pembulatan nilai solusi jumlah pensil yang harus diproduksi dari
14.250,2 menjadi 14.250,0 semestinya dapat diterima.Namun demikian sebab utama
kegagalan pendekatan ini adalah bahwa solusi yang diperoleh mungkin bukan solusi integer
optimum yang sesungguhnya. Dengan kata lain, solusi pembulatan dapat lebih jelek
dibanding solusi integer optimum yang sesungguhnya atau mungkin merupakan solusi tak
layak. Ini membawa konsekuensi besar jika jumlah produk-produk seperti pesawat angkut
komersial atau kapal perang yang harus diproduksi dibulatkan ke bilangan bulat terdekat.

Tiga masalah berikut disajikan untuk mengilustrasikan prosedur pembulatan :

Masalah 1 :

Maksimumkan Z = 100 X1 + 90 X2

Dengan syarat 10 X1 + 7 X2 ≤ 70
5 X1 + 10 X2 ≤ 50
X1 ; X2 ≥ 0
Masalah 2 :

Minimumkan Z = 200 X1 + 400 X2

Dengan syarat 10 X1 + 25 X2 ≥ 100

3 X1 + 2 X2 ≥ 12
X1 ; X2 ≥ 0

Masalah 3 :

Maksimumkan Z = 80 X1 + 100 X2

Dengan syarat 4 X1 + 2 X2 ≤ 12
X1 + 5 X2 ≤ 15
X1 ; X2 ≥ 0

5
 Perbandingan antara solusi dengan metode simpleks tanpa pembatasan bilangan
bulat, pembulatan ke bilangan bulat terdekat dan solusi integer optimum yang
sesungguhnya untuk ketiga masalah tersebut adalah :

Solusi dengan Dgn pembulatan Bulat optimum

Masalah
Metode simpleks terdekat sesungguhnya

⁰ X1 = 5,38 X1 = 5 X1 = 7
X2 = 2,31 X2 = 2 X2 = 0
Z = 746,15 Z = 680 Z = 700

2 X1 = 1,82 X1 = 2 X1 = 3, X2 = 3
X2 = 3,27 X2 = 3 X1 = 5, X2 = 2
Z = 1.672,73 Z tak layak Z = 1.800

3 X1 = 2,14 X1 = 2 X1 = 0
X2 = 1,71 X2 = 2 X2 = 3
Z = 343 Z tak layak Z = 300

Masalah pertama adalah masalah maksimasi, dimana solusi pembulatan

menghasilkan keuntungan 680, hanya lebih kecil 20 dibanding yang dihasilkan solusi bulat
optimum 700.Masalah kedua adalah maslah minimasi dimana solusi pembulatan adalah tak
layak.Ini menunjukkan bahwa meskipun pendekatan adalah sederhana, namun kadang-
kadang menyebabkan solusi taj layak.Untuk mencegah ketidak layakan, nilai solusi
simpleks dalam masalah minimasi harus dibulatkan keatas.Contohnya, pada masalah kedua
jika solusi

ke atas diperoleh X1 = 2 dan X2 = 4 dan merupakan solusi layak. Sebaliknya, pada masalah
maksimasi nilai solusi simpleks semestinya dibulatkan kebawah.

Pada masalah ketiga, solusi pembulatan juga tak layak. Namun, seperti dalam
masalah minimasi, jika solusi simpleknya X1 = 2,14 dan X2 = 1,71 dibulatkan kebawah
menjadi X1 = 2 dan X2 = 1, maka solusinya menjadi layak. Ini dapat dibuktikan dengan
meneliti masing-masing kendala model dengan nilai variabel keputusan yang telah
dibulatkankebawah.

Nilai fungsi tujuan melalui metode simpleks tanpa pembatasan bilangan bulat akan
selalu lebih baik dibanding solusi integer optimum karena ia terletak pada titik pojok luar
dari batas ruang solusi layak.

Suatu metode yang serupa dengan pendekatan pembulatan adalah prosedur coba-

6
coba (trial and error). Dengan menggunakan cara ini, pengambil keputusan mengamati
solusi integer dan memilih solusi yang mengoptimum-kan nilai fungsi tujuan. Metode ini
sangat tidak efektif jika masalahnya melibatkan sejumlah besar kendala dan
variabel.Terlebih lagi, memeriksa kelayakan setiap solusi yang dibulatkan banyak memakan
waktu.

a. Pendekatan Grafik

Masalah integer programming yang melibatkan hanya dua variabel dapat

diselesaikan secara grafik.Pendekatan ini identik dengan metode grafik LP dalam semua
aspek, kecuali bahwa solusi optimum harus memenuhi persyaratan bilangan
bulat.Mungkin pendekatan termudah untuk menyelesaikan masalah integer
programming dua dimensi adalah menggunakan kertas grafik dan menggambarkan
sekumpulan titik-titik integer dalam ruang solusi layak. Masalah berikut akan
diselesaikan dengan pendekatan grafik
Maksimumkan Z = 100 X1 + 90 X2

Dengan syarat 10X1 + 7X2 ≤ 70

5X1 + 10X2 ≤ 50
X ; X2 Non
1 negatifinteger

Model ini serupa dengan model LP biasa.Perbedaanya hanya pada kendala terakhir
yang mengharapkan bahwa variabel terjadi pada nilai non negatif integer.
Solusi grafik masalah ini ditunjukkan pada gambar dibawah ini.Ruang solusi layak
adalah OABC. Solusi optimum masalah LP ditunjukkan pada titik B, dengan X 1 = 5,38
dan X2 = 2,31 serta Z = 746,15. Untuk mencari solusi integer optimum masalah ini, garis
Z (slope = -9/10) digeser secara sejajar dari titik B menuju titik asal. Solusi integer
optimum adalah titik integer pertama yang bersinggungan dengan garis Z. Titik itu adalah
A, dengan X1 = 7 dan X2 = 0 serta Z = 700.

7
 X2

10
10X1 + 7X2 = 70

Z = 746,15

C Z = 700
5

5X1 + 10X2 = 50
A
O 7 10 X1

b. Pendekatan Gomory (Cutting Plane Algorithm)

Suatu prosedur sistematik untuk memperoleh solusi integer optimum terhadap pure
integer programming pertama kali dikemukakan oleh R.E. Gomory.Ia kemudian
memperluas prosedur ini untuk menangani kasus yang lebih sulit yaitu mixed integer
programming.

Langkah-langkah prosedur Gomory diringkas seperti berikut :

- Selesaikan masalah integer programming dengan menggunakan metode simpleks.

Jika masalah sederhana, ia dapat diselesaikan dengan pendekatan grafik, sehingga
pendekatan Gomory kurangefisien.

- Periksa solusi optimum. Jika semua variabel basis memiliki nilai integer, solusi
optimum integer telah diperoleh dan proses solusi telah berakhir. Jika satu atau lebih
variabel basis masih memiliki nilai pecah, teruskan ke tahap3.

- Buatlah suatu skala Gomory (suatu bidang pemotong atau cutting plane) dan cari
solusi optimum melalui prosedur dual simpleks. Kembali ke tahap2.

1) Kendala Gomory Dalam Pure Integer Programming

Tabel optimum masalah LP dibawah ini merupakan tabel solusi optimum kontinyu.

Basis X1 Xm W1 Wn Solusi

Z 0..... 0 c1. . . . . cn b0
X1 1..... 0 a11. . . . . a1n b⁰
. . . . . .
Xm 0 1 am1 amn b⁰

8
  Variabel Xi (i =1,…,m) menunjukkan variabelbasis.
 Variabel Xj (j = 1,...,n) adalah variabel nonbasis.
Perhatikan persamaan ke i dimana variabel X1 diasumsikan bernilai non integer.
Xi = bi – Σ aijWj , dimana b non integer
Kemudian pisahkan bi dan aij menjadi bagian yang bulat dan bagian pecah non
negatif seperti berikut :

bi = bi + f i jadi f i = bi - bi , dimana 0 ≤ f i ≤ 1

aij = aij + f ij jadi f ij = aij - aij , dimana 0 ≤ f ij ≤ 1

Contoh :

bi bi fi aij Aij f ij

3/2 1 ½ 7/3 -3 2/3

7/8 0 7/8 -1 -⁰ 0
7/3 2 1/3 - 2/5 -⁰ 3/5

Kendala Gomory yang diinginkan adalah :

Sg - f ijWj = - f i ,Sg adalah variabel slack Gomory ke g.
Pada umumnya, persamaan kendala yang berhubungan dengan solusi pecah
dipilih untuk menghasilkan suatu kendala Gomory.Namun, sebagai aturan main
biasanya dipilih persamaan yang memiliki fi, maksimum.
Tabel baru setelah penambahan kendala Gomory menjadi :

Basis X1 Xm W⁰ Wn Sg Solusi

Z 0..... 0 c1. . . . . cn 0 b0

X⁰ 1..... 0 a11. . . . . a1n . b⁰

a
r. . . . . . .

e. . . . . . .
n. . . . . . .
a Xm 0 1 am⁰ amn Amn b⁰

Sg 0..... 0 - fi⁰ - fin ⁰ - fi

d
diperoleh solusi primal optimum tetapi tidak layak maka digunakan metode dual

9
 simpleks. Proses pembentukan kendala Gomory berakhir jika solusi baru semua
berupa bilangan bulat. Jika tidak, suatu kendala Gomory baru dibuat lagi dari tabel
yang dihasilkan dan metode dual simpleks digunakan lagi untuk mengatasi ketidak
layakan.Jika pada setiap iterasi metode dual simpleks menunjukkan bahwa tidak ada
solusi layak, berarti masalah itu tidak memiliki solusi integer yang layak.

Yang menghasilkan kendala Gomory kedua :

Sg2 – 1/7 S2 – 6/7 Sg1 = - 4/7, kemudian tambahkan pada tabel :

Basis X1 X2 S1 S2 Sg1 Sg2 Solusi

Z 0 0 0 ⁰ 8 0 59
X2 0 1 0 0 1 0 3
X⁰ 1 0 0 1/7 - 1/7 0 32/7
S⁰ 0 0 1 1/7 - 22/7 0 11/7

Sg2 0 0 0 - 1/7 - 6/7 1 - 4/7

Dengan menggunakan dual simpleks diperoleh hasil :

Basis X1 X2 S1 S2 Sg1 Sg2 Solusi

Z 0 0 0 0 2 7 55
X2 0 1 0 0 1 0 3
X⁰ 1 0 0 0 -1 1 4
S⁰ 0 0 1 0 -4 1 1
Sg2 0 0 0 ⁰ 6 -7 4

Yang menghasilkan solusi bulat optimum X1 = 4, X2 =3 dan Z = 55

Kita mungkin akan membayangkan bahwa ukuran tabel simpleks dapat

menjadi sangat besar jika kendala-kendala Gomory yang baru ditambahkan pada
masalah itu. Kenyataannya, banyaknya kendala pada masalah baru tidak dapat
melebihi banyaknya variabel pada masalah awal yaitu (m+n). Karena, jika masalah
baru memiliki lebih dari (m+n) kendala, satu atau lebih variabel slack Gomory yang
berhubungan dengan kendala Gomory akan menjadi basis. Dalam hal ini, persamaan-
persamaan itu menjadi berlebihan dan dapat dihapus dari tabel
c. Metode Branch and bound

10
 Metode Branch dan Bound telah menjadi kode komputer standar untuk integer
programming, dan penerapan-penerapan dalam praktek tampaknya menyarankan bahwa
metode ini lebih efisien dibanding dengan pendekatan Gomory. Teknik ini dapat
diterapkan baik untuk masalah pure maupun mixed integer programming.
Langkah-langkah metode Branch dan Bound untuk masalah maksimasi dapat dilakukan
seperti berikut :
- Selesaikan masalah LP dengan metode simpleks biasa tanpa pembatasan
bilanganbulat.
- 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 langkah3.
- Nilai solusi pecah yang layak dicabangkan ke dalam sub-sub masalah. Tujuannya
adalah untuk menghilangkan solusi kontinyu yang tidak memenuhi persyaratan bulat
dalam masalah itu. Pencabangan itu dilakukan melalui kendala-kendala mutually
exclusive yang perlu untuk memenuhi persyaratan bulat dengan jaminan tidak ada
solusi bulat layak yang tidak diikutsertakan.

Untuk setiap sub-masalah, nilai solusi optimum kontinyu fungsi tujuan ditetapkan
sebagai batas atas.Solusi bulat terbaik menjadi batas bawah (pada awalnya, ini adalah
solusi kontinyu yang dibulatkan ke bawah). Sub-sub masalah yang memiliki batas atas
kurang dari batas bawah yang ada, tidak diikut sertakan pada analisa selanjutnya. Suatu
solusi bulat 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 langkah3.

Untuk memperoleh gambaran yang lebih jelas tentang metode Branch dan Bound,
perhatikan contoh masalah berikut :
Maksimumkan Z = 3 X1 + 5 X2

Dengan syarat 2 X1 + 4X2 ≤ 25

X⁰ ≤ 8
2X2 ≤ 10
X1 ; X2 Non negatifinteger

Solusi optimum kontinyu masalah ini adalah X1 = 8, X2 = 2,26 dan Z = 35,25.

Solusi ini menunjukkan batas atas awal. Batas bawah adalah solusi yang dibulatkan
ke bawah X1 = 8, X2 = 2 dan Z = 34. Dalam metode Branch dan Bound, masalah itu dibagi
ke dalam dua bagian untuk mencari nilai solusi bulat yang mungkin bagi X1 dan X2. Untuk

11
 malakukan ini, variabel dengan nilai solusi pecah yang memiliki bagian pecah terbesar
dipilih. Karena pada solusi ini hanya X2 yang memiliki bagian pecah, ia dipilih. Untuk
menghilangkan bagian pecah dari nilai X2 = 2,25, dua kendala baru dibuat. Kendala-
kendala ini mewakili dua bagian baru dari masalah itu. Dalam hal ini, dua nilai bulat
terdekat terhadap 2,25 adalah 2 dan 3. Sehingga diperoleh dua masalah baru melalui dua
kendala mutually exclusive, X2 ≤ 2 dan X2 ≥ 3, yang akan diuraikan berikut ini sebagai
bagian A dan B. Kendala-kendala ini secara efektif menghilangkan semua nilai pecah yang
mungkin bagi X2, antara 2 dan 3. Pengaruhnya mereka mengurangi ruang solusi layak
sedemikian rupa sehingga angka solusi bulat yang dievaluasi pada masalah ini
makinsedikit.
Bagian A:

Maksimumkan Z = 3 X1 + 5 X2

Dengan syarat 2 X1 + 4 X2 ≤ 25
X⁰ ≤ 8
2 X2 ≤ 10(berlebih)
X2 ≤ 2
X⁰ ; X2 ≥ 0

Bagian B:

Maksimumkan Z = 3 X1 + 5 X2

Dengan syarat 2 X1 + 4 X2 ≤ 25
X⁰ ≤ 8
2 X2 ≤ 10
X2 ≥ 3
X⁰ ; X2 ≥ 0

Bagian A dan B diselesaikan tanpa pembatasan bilangan bulat dengan metode

simpleks.Solusi grafik kedua bagian itu ditunjukkan pada gambar dibawah ini. Solusi
simpleksnya adalah :

Bagian A : X1 = 8, X2 = 2 dan Z = 34
Bagian B : X1 = 6,5, X2 = 3 dan Z = 34,5

Bagian A menghasilkan suatu solusi yang semuanya bulat. Untuk bagian A batas
atas dan bawah adalah Z = 34. Solusi pecah bagian B membenarkan pencaruian lebih
lanjut karena menghasilkan nilai fungsi tujuan yang lebih besar dari batas atas bagian A.

12
 Sangat mungkin bahwa pencarian lebih lanjut dapat menghasilkan suatu solusi yang
semuanya bulat dengan nilai fungsi tujuan melebihi batas atas bagian A =34.
Bagian B dicabangkan ke dalam dua sub bagian, B1 dan B2, pertama dengan kendala
X1 ≤ 6 dan yang lain dengan X2 ≥ 7. Kedua sub-masalah dinyatakan sebagai berikut:
Solusi simpleksnya adalah :
Sub-bagian B1 : X1 = 6, X2 = 3,25 dan Z
= 34,25 Sub-bagian B2 : tidak layak.
Karena sub-bagian B1 menghasilkan nilai fungsi tujuan yang lebih besar dari 34
(batas atas bagian A), maka harus dicabangkan lagi ke dalam dua sub masalah, dengan
kendala X2 ≤ 3 dan X2 ≥ 4. Kedua kendala sub masalah diberi nama bagian B1a dan B2b.
Bagian B1a :
Maksimumkan Z = 3 X1 + 5 X2

Dengan syarat 2 X1 + 4 X2 ≤ 25
2 X2 ≤ 10(berlebih)
X2 ≤ 3
X2 ≥ 3
X1 ≤ 6
X1 ; X2 ≥ 0
Sub Bagian B1 :
Maksimumkan Z = 3 X⁰ + 5 X2

Dengan syarat 2 X⁰ + 4 X2 ≤ 25
X⁰ ≤ 8 (berlebih)
2 X2 ≤ 10
X2 ≥ 3
X⁰ ≤ 6
X⁰ ; X2 ≥ 0

Sub Bagian B2:

Maksimumkan Z = 3 X⁰ + 5 X2

Dengan syarat 2 X⁰ + 4 X2 ≤ 25
X⁰ ≤ 8
2 X2 ≤ 10
X2 ≥ 3
X⁰ ≥ 7
X⁰ ; X2 ≥ 0

13
 Bagian B1b :

Maksimumkan Z = 3 X1 + 5 X2

Dengan syarat 2 X1 + 4 X2 ≤ 25
2 X2 ≤ 10
X2 ≥ 3(berlebih)
X2 ≥ 4
X1 ≤ 6
X1 ; X2 ≥ 0

Solusi optimum dengan metode simpleks adalah :

Sub-bagian B1a: X1 = 6, X2 = 3 dan Z = 33
Sub-bagian B1b: X1 = 4,25, X2 = 4 dan Z = 33,5
Kedua solusi itu memiliki batas atas ( Z = 33 dan Z = 33,5) yang lebih buruk
dibanding dengan solusi yang dihasilkan oleh bagian A. Karena itu, solusi bulat optimum
adalah X1 = 8, X2 = 2 dan Z = 34 yang dihasilkan oleh bagian A
Jika pencarian telah diselesaikan, solusi bulat dengan fungsi tujuan tertinggi (dalam
masalah maksimasi) dipilih sebagai solusi optimum.
Hasil perhitungan diatas dapat digambarkan pada gambar berikut :

Solusi bulat
optimum X1 =8 inferior
X2 ≤ 2 X2 ≤
X2 =2 3
Z =34

2
0
X1 = 6
X1 = 8 X2 ≥
X1 ≤ 6 X2 = 3,25
X2 = X2 ≥ 4
Z =34,25
2,25 3 inferior
Z =35,25 1
X1 = 6,5
Tak layak
X2 = 3
X1 ≥
Z =
7
34,5

14
 BAB 3
KESIMPULAN

Program integer adalah pengembangan dari program linier yang menyelesaikan suatu
persoalan dengan persyaratn tambahan bahwa variabel keputusan megambil bilangan bulat
(integer).Hal ini sangat berguna terutama dalam pengambilan keputusan suatu perusahaan
dimana keputusannya harus mengambil nilai bilangan bulat. Ini dikarenakan adanya komoditas
yang tak dapat terbagi, seperti banyaknya gedung, jumlah jembatan, produksi mobil,dan
kebutuhan tenaga kerja.
Untuk bebrapa hal tertentu pada masalah diatas , bilangan pecahan tidak dapat
sepenuhnya digunakan untuk dapat dilakukan pembulatan karena dapat megakibatkan kekeliruan
yang dapat menyebabkan solusi menjadi tidak layak ataupun nilai optimal tidak. Sehingga,
seharusnya metode pembulatan dihindarkan, karena ada kalanya nilai optimal itu diperoleh tidak
hanya dengan membulatkan bilangan pemecahan saja tetapi justru harus mengubah nilai
bilangan bulat yang sudah ada.

15
 DAFTAR PUSTAKA

https://idfbsfx.com/landing/free-affiliate-program-become-a-
partner/?gclid=EAIaIQobChMIv9aJs43R7QIVkKFoCh2a6ASdEAEYASAAEgJzTvD_BwE

16