Disusun Oleh :
1. Risnawati (1810003)
2. Nurul Ahadiat (1810009)
3. Asep Kustiandi (1810016)
4. Ratna Elmasari (1810021)
5. Atep Devi Purwanto (1810045)
ii
DAFTAR ISI
BAB 1 .................................................................................................................................................................. 3
PENDAHULUAN .............................................................................................................................................. 3
BAB 2 .................................................................................................................................................................. 4
PEMBAHASAN................................................................................................................................................. 4
BAB 3 ................................................................................................................................................................ 15
KESIMPULAN ................................................................................................................................................ 15
iii
iv
BAB 1
PENDAHULUAN
3
BAB 2
PEMBAHASAN
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.
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 :
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 :
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
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
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
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.
- 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.
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
Contoh :
bi bi fi aij Aij f ij
Basis X1 Xm W⁰ Wn Sg Solusi
Z 0..... 0 c1. . . . . cn 0 b0
e. . . . . . .
n. . . . . . .
a Xm 0 1 am⁰ amn Amn b⁰
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.
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
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
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
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 : 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
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 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