Praktikum Optimisasi - Modul 4 - Kelompok 7

LAPORAN PRAKTIKUM
OPTIMISASI
MODUL 4 PROGRAM BILANGAN BULAT (INTEGER)
DOSEN PENGAMPU :
Pepy Anggela , ST, MT
DISUSUN OLEH :
KELOMPOK 7
1. Feri Irawan D1061191004
2. Arno D1061191027
3. Nasrullah D1061191038
4. Brigitta Atur N. P. S. D1061191039
5. Reza Charlos Imanuel D1061191048
LABORATORIUM OPTIMISASI SISTEM INDUSTRI

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TANJUNGPURA
2021
Praktikum Optimisasi
Modul 4 Program Bilangan Bulat (Integer)
Kelompok 7
DAFTAR ISI
Jurusan Teknik Industri ii

Universitas Tanjungpura
Kelompok 7
DAFTAR TABEL
Jurusan Teknik Industri iii

Kelompok 7
DAFTAR GAMBAR
Jurusan Teknik Industri iv

Kelompok 7
DAFTAR GRAFIK
Jurusan Teknik Industri v

Kelompok 7
DAFTAR RUMUS
Jurusan Teknik Industri vi

Kelompok 7
BAB I
PENDAHULUAN
1.1 Latar Belakang
Integer Programming adalah suatu pemrograman linier dengan tambahan
persyaratan bahwa semua atau beberapa variabel bernilai bulat non negatif.
Tujuan dari solusi menggunakan aturan integer programming ini adalah
untuk memformulasikan permasalahan dalam model mixed-integer
programming untuk membuat strategi dengan fungsi objektif meminimalkan
total biaya penyimpangan dalam suatu permasalahan yang diberikan.
Penyelesaian mengenai integer programming harus memiliki 3 komponen
yaitu fungsi tujuan, fungsi batasan dan solusi yang menggunakan aturan
integer programming tersebut.
Praktikum kali ini, praktikan diberikan sebuah studi kasus yang kemudian
akan dilakukan pengolahan data berupa pengolahan data manual dan
menggunakan software yaitu POM-QM. Pengolahan data ini terdiri akan
diselesaikan menggunakan aturan integer dan mixed Integer Programming.
Studi kasus ini yaitu perusahaan Nihonggo Manttapu yang merupakan
industri kecil menengah yang akan melakukan produksi kue cake dari hari
senin sampai sabtu. Kemudian terdapat data harga jual dan ongkos produksi
pada setiap jenis kue. Berdasarkan kasus tersebut akan diformulasikan dengan
menentukan fungsi tujuan, fungsi batasan, dan penyelesaian menggunakan
aturan integer dan mixed integer programming.
Input dari praktikum ini adalah data harga jual dan ongkos produksi
perusahaan XYZ, yang memproduksi kue cake dalam beberapa jenis. Selain
itu terdapat waktu produksi semua jenis kue yang dihitung jam/minggu, bahan
baku kue, waktu pembuatan ssetiap jenis kue dan bahan baku untuk masing-
masing jenis kue. Sedangkan output dari permasalahan ini adalah hasil
optimal untuk memaksimalkan profit dari permasalahan yang ada dengan
menggunakan penyelesaian integer dan mixed integer programming.
Kemudian hasil dari pengolahanan data dari penyelesaian tersebut dianalisis
dan dibandingkan antara perhitungan manual dan perhitungan software baik
Jurusan Teknik Industri 1

Kelompok 7
menggunakan aturan penyelesaian integer maupun menggunakan
penyelesaian mixed integer programming
1.2 Perumusan dan Pembatasan Masalah
Rumusan masalah merupakan pernyataan yang dikemukakan untuk
menentukan bahasan yang akan dilakukan dalam penelitian. Batasan masalah
merupakan batasan dari ruang lingkup permasalahan sehingga penelitian lebih
terfokus.
1.2.1 Perumusan Masalah
Adapun perumusan masalah yang ada pada Praktikum Optimiasi
Modul integer programming adalah sebagai berikut:
1. Bagaimana hasil pemecahan masalah pada studi kasus PT.
Nihonggo Manttapu menggunakan Integer Programming?
2. Bagaimana perbedaan metode branch and bound dan metode
simplek dalam studi kasus PT. Nihonggo Mantappu?
3. Bagaimana perbedaan hasil perhitungan manual dan perhitungan
software pada studi kasus PT. Nihonggo Manttapu?
1.2.2 Pembatasan Masalah
Adapun pembatasan masalah yang ada pada Praktikum Optimiasi
Modul integer programming adalah sebagai berikut:
1. Praktikum dilakukan di rumah secara online melalui video yang
diberikan oleh asisten laboratorium.
2. Praktikum dilakukan pada hari Sabtu, 24 April 2021.
3. Praktikan diberikan satu buah studi kasus.
1.3 Tujuan Praktikum
Adapun tujuan praktikum yang ada pada Praktikum Optimiasi Modul
integer programming adalah sebagai berikut:
1. Mengetahui dan memahami hasil pemecahan masalah pada studi kasus PT.
Nihonggo Manttapu menggunakan Integer Programming.
2. Mengetahui dan memahami perbedaan metode branch and bound dan
metode simplek dalam studi kasus PT. Nihonggo Manttapu.

Kelompok 7
3. Mengetahui dan memahami perbedaan hasil perhitungan manual dan
perhitungan software pada studi kasus PT. Nihonggo Manttapu.
1.4 Metodologi Praktikum
Adapun metodologi yang digunakan dalam melakukan praktikum dengan
beberapa cara untuk memperoleh kebenaran yang akan disajikan dalam bentuk
flowchart dan penjelasannya untuk mengilustrasi atau menggambarkan
penyelesaian masalah.
1.4.1 Flowchart praktikum
Berdasarkan praktikum yang dilakukan digambarkan dengan flowchart
sebagai berikut.
Gambar 1.1 Flowchart Praktikum

1.4.2 Penjelasan Flowchart
Adapun penjelasan dari praktikum yang telah dilakukan sebagai
berikut.
1. Mulai
2. Tinjauan Pustaka
Kelompok 7
Tinjauan pustaka merupakan referensi materi dan teori yang sesuai
dengan praktikum Rute terpendek dan TSP. Materi yang digunakan
yaitu Program Bilangan Bulat, Klarifikasi Program Bilangan Bulat,
Jenis-Jenis Permasalahan Bilangan Bulat, Metode Penyelesaian
Permasalahan Bilangan Bulat, Metode Simplek dan Branch And
Bound.
3. Alat dan Bahan
Praktikan melakukan pengumpulan atau melengkapi alat dan bahan
yaitu berupa lembar kerja, alat tulis, kalkulator, komputer, printer dan
software POM-QM.
4. Data Sekunder
Data sekunder merupakan data yang akan digunakan untuk membantu
memecahkan persoalan dan menemukan solusi. Adapun data pada
studi kasus yaitu jenis kue cake, waktu produksi kue cake per-minggu,
bahan baku yang tersedia per-minggu, waktu produksi tiap kue cake
per-unit, jumlah bahan baku tiap kue cake per-hari, harga jual tiap kue
cake, ongkos produksi tiap kue cake.
5. Pengolahan Data
Pengolahan data adalah kegiatan yang dilakukan untuk mengelola
metode kerja yang dilakukan. Pengolahan data yang dilakukan yaitu
berupa pengolahan data perhitungan manual dan pengolahan data
perhitungan software.
6. Analisa
Analisa adalah kegiatan yang dilakukan untuk meninjau kembali
secara detail. Analisa yang dilakukan yaitu analisa pengolahan data
manual, analisa pengolahan data software dan analisa perbandingan
manual dan software.
7. Kesimpulan dan Saran
Hal yang disimpulkan dari hasil output praktikum serta saran yang
ingin disampaikan agar dalam melakukan praktikum bisa lebih
optimal.

Kelompok 7
8. Selesai.
1.5 Sistematika Penulisan
Sistematika penulisan merupakan bagian yang memberikan uraian singkat
setiap bab. Adapun sistematika penulisan laporan ini adalah sebagai berikut:
BAB I PENDAHULUAN
Menjelaskan mengenai latar belakang rumusan masalah,Batasan
masalah,metodologi pratikum, flowchart praktikum, penjelasan pratikum dan
sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Menjelaskan mengenai definisi Program Bilangan Bulat, Klarifikasi Program
Bilangan Bulat, Jenis-jenis Permasalahan Bilangan Bulat, Metode Simplek
dan Branch and Bound.
BAB III PENGOLAHAN DATA
Menjelaskan mengenai pengolahan data yaitu, Data Sekunder,Pengolahan
Data
Perhitungan Manual dan Pengolahan Data Perhitungan Software pengujian.
BAB IV ANALISA
Menjelaskan mengenai Analisa dari hasil perhitungan yaitu analisa
Perhitungan
Manual, Analisa Perhitungan Software dan Analisa Perbandingan Perhitungan
Software dan Manual direkomendasikan berdasarkan pengalaman di lapangan
untuk perbaikan.
BAB V KESIMPULAN DAN SARAN
Menjelaskan mengenai kesimpulan dan Saran yang di peroleh selama
melakukan praktikum.

Kelompok 7
BAB II
TINJAUAN PUSTAKA
2.1 Program Bilangan Bulat
Programa bilangan bulat atau integer programming (IP) adalah bentuk lain
dari programa linier atau linier programming (LP) di mana asumsi
divisibilitasnya melemah atau hilang sama sekali. Bentuk ini muncul karena
dalam kenyataannya tidak semua variabel keputusan dapat berupa bilangan
pecahan. Bilangan bulat juga merupakan perluasan dari bilangan cacah.
Himpunan bilangan bulat terdiri atas himpunan bilangan asli, yaitu {1, 2, 3,
4, ...} yang selanjutnya disebut bilangan bulat positif, bilangan nol, dan
himpunan lawan dari bilangan asli, yaitu {-1,-2, -3, -4, ...} yang selanjutnya
disebut himpunan bilangan bulat negatif (Ariyadi,2012). Sifat-sifat
penjumlahan pada bilangan bulat yaitu sebagai berikut.
a. Sifat tertutup
Untuk setiap bilangan bulat a dan b, berlaku a + b = c dengan c juga
bilangan bulat.
b. Sifat komutatif
Untuk setiap bilangan bulat 00A0a dan b, selalu berlaku a + b = b + a.
c. Sifat asosiatif
Untuk setiap bilangan bulat a, b, dan c selalu berlaku (a + b) + c = a +
(b + c).
d. Mempunyai unsur identitas
Untuk sebarang bilangan bulat a, selalu berlaku a + 0 = 0 + a. Bilangan nol
(0) merupakan unsur identitas pada penjumlahan.
e. Mempunyai invers
Untuk setiap bilangan bulat a, selalu berlaku a + (–a) = (–a) + a = 0.
Invers dari a adalah – a, sedangkan invers dari –a adalah a.
2.2 Klarifikasi Program Bilangan Bulat
Klarifikasi program bilangan bulat adalah sebuah model penyelesaian
matematis yang memungkinkan hasil penyelesaian kasus pemrograman linier
yang berupa bilangan pecahan diubah menjadi bilangan bulat tanpa
meninggalkan optimalitas penyelesaian,untuk penyelesaian yang berbentuk

Kelompok 7
pecahan jika mengalami pembulatan ke bilangan terdekat maka hasil yang
diperoleh bias menyimpang jauh dari yang diharapkan, sementara banyak
permasalahan dalam kehidupan nyata yang memerlukan penyelesaian dimana
variabel keputusannya berupa bilangan bulat sehingga perlu dicari model
penyelesaian masalah untuk memperoleh penyelesaian bilangan bulat
(Rahmat.2013).
Klarifikasi pemrograman bilangan bulat juga merupakan perluasan dari
pemrograman linier dimana beberapa atau semua variabel keputusannya
disyaratkan berupa bilangan bulat, jika hanya sebagian variabel keputusannya
merupakan bilangan bulat, maka disebut pemrograman bilangan bulat
campuran dan jika semuanya bilangan bulat, maka disebut pemrograman
bilangan bulat murni (Pure Integer Programming), jika syarat tambahan tadi
dihilangkan dari model maka diperoleh model pemrograman linier.
Pemrograman linier yang dihasilkan dengan menghilangkan syarat bilangan
bulat untuk variabel keputusannya disebut dengan relaksasi program linier.
Penerapan pemrograman bilangan bulat lainnya yang lebih penting adalah
masalah yang melibatkan semacam keputusan ya atau tidak, misalnya
haruskah kita merancang suatu jaringan distribusi tertentu, haruskah kita
menempatkan suatu fasilitas di suatu tempat tertentu, dengan hanya dua
pilihan, kita dapat melambangkan keputusan ini dengan variabel keputusan
yang dibatasi hanya memiliki dua nilai, yaitu 0 dan 1. Pemrograman bilangan
bulat 0−1 ini, merupakan bentuk program bilangan bulat dimana sebuah
variabel keputusannya harus bernilai bilangan bulat 0 atau 1 (binary).
Penggunaan bilangan biner ini memperluas cakupan penerapan model
pemrograman linier (Sugiyono.2005).
2.3 Jenis-Jenis Permasalahan Bilangan Bulat
Ada banyak jenis-jenis dari permasalahan bilangan bulat yaitu sebagai
berikut.
a. Apital Budgeting
Apital budgeting adalah keseluruhan proses perencanaan dan
pengambilan keputusan mengenai pengeluaran dana dimana jangka waktu
kembalinya dana tersebut melebihi waktu satu tahun (capital

Kelompok 7
expenditure)“. Pengeluaran ini termasuk untuk pembelian aset tetap (plant
investment), yaitu tanah, bangunan-bangunan, mesin-mesin, dan
pengeluaran dana untuk proyek advertensi jangka panjang, penelitian dan
pengembangan (Syamsuddin,2009).
Permasalahan pembagian budget suatu modal (capital bugdgeting)
adalah permasalah pemilihan proyek investasi yang tepat dari sejumlah
proyek yang akan dibiayai dengan jumlah modal/tahun yang terbatas,
sehingga pada masa akhir dari periode proyek investasi tersebut total
pengembalian dari seluruh proyek investasi yang telah dibiayai dapat
dimaksimalkan. Model Capital budgeting ini adalah model permasalahan
yang paling sederha dalam programa bilangan bulat dan notasi matriks
permasalahan ini dapat dimodelkan sebagai berikut.
Minimasi Z = dxs/t
BxT ≤ b
xT = 0 atau 1 …........................................
(2.1)
b. The Fixed-Charge Problem
permasalahan yang melibatkan sejumlah ongkos dari suatu aktivitas
dimana ongkos ini bersifat tetap dan tidak tergantung kepada level
aktivitasnya. Permasalahan ini biasanya melibatkan pemilihan dan alokasi
dari berbagai fasilitas (misalnya pabrik, gudang, mesin atau kantor).
c. Set Covering
Permasalahan dimana setiap anggota dari suatu himpunan (misal: set1)
harus diliputi (covered) oleh sejumlah anggota yang sesuai/pantas dari
himpunan lain.
d. Either-Or Constraints
Permasalahan dimana paling tidak salah satu dari dua buah fungsi
batasan harus diterpenuhi, dan tidak mungkin/boleh untuk memenuhi
kedua fungsi batasan tersebut secara simulatan.
e. If-Then Constraints
Permasalahan dimana suatu fungsi batasan harus juga dipenuhi jika
fungsi batasan yang lain terpenuhi, misalnya jika ada dua fungsi batasan 1

Kelompok 7
dan 2. Jika batasan 1 terpenuhi,maka fungsi batasan 2 juga harus ikut
terpenuhi.
2.4 Metode Penyelesaian Permasalahan Bilangan Bulat
Berbeda dengan LP, yang bisa diselesaikan secara efisien –bahkan dalam
kasus sulit, permasalahan IP dalam banyak masalah praktis tergolong
kedalam masalah NP-hard. Bebebrapa algoritma eksak yang dapat digunakan
untuk menyelesaikan permasalahan IP antara lain.
a. Metode Cutting-Plane
Metode cutting plane merupakan metode yang digunakan untuk
menyelesaikan program linier bilangan bulat, baik bilangan bulat murni
maupun campuran dengan penambahan batasan baru yang disebut gomory.
Batasan gomory diberikan jika nilai dari variabel keputusan belum bulat
(Imam, 2016). Berikut contoh perhitungan dengan metode Metode
Cutting-Plane.
Contoh:
Maksimumkan: z = 7x1 + 9x2
Kendala:
-x1 + 3x2 ≤ 6
7x1 + x2 ≤ 35
x1, x2 non negatif integer
setelah diolah dengan metode simpleks, maka solusi awal diberikan
sebagai berikut:
Tabel 2.1 Penyelesaian Metode Cutting Plane
Basis X1 X2 S1 S2 Solusi
28 15
Z 0 0 63
11 11
7 1 7
X2 0 1
22 22 2
-1 3 9
X1 1 0
22 22 2
(Sumber: Imam, 2016)
b. Branch And Bound
Metode Branch and Bound (cabang dan batas) adalah salah satu metode
yang sering digunakan untuk menghasilkan penyelesaian optimal program

Kelompok 7
linier yang menghasilkan variable-variable keputusan bilangan bulat.
Sesuai dengan namanya, metode ini membatasi penyelesaian optimum
yang akan menghasilkan bilangan pecahan dengan cara membuat cabang
atas dan bawah bagi masing-masing variable keputusan yang bernilai
pecahan agar bernilai bulat sehingga setiap pembatasan akan menghasilkan
cabang baru (Imam.2016). Berikut contoh perhitungan dengan metode
Branch And Bound.
Gambar 2.1 Metode Branch and Bound

c. Branch And Cut
metode branch and cut adalah memecah masalah menjadi dua sub-
masalah (mencabangkan) yang lebih kecil dan akan dibuat kendala
tambahan yang memotong daerah penyelesaian yang layak dari persoalan
masalah integer atau mixed integer, sehingga dapat mengeliminasi
penyelesaian yang bukan integer. Berangkat dari hal tersebut penyusun
menyampaikan gagasan untuk mengkaji lebih dalam tentang metode branc

Kelompok 7
and cut. Gagasan ini diwujudkan dalam bentuk skripsi dengan judul
integer programming dengan pendekatan metode branch and cut guna
mengoptimalkan jumlah produk dengan keuntungan maksimal
(Rahardja,mandala, 2014). Berikut contoh perhitungan dengan metode
Branch And Cut.
Gambar 2.2 Metode Branch and Cut

(Sumber: Mandala, 2014)
d. Branch And Price
Ranch and price merupakan salah satu metode yang sering digunakan
untuk menyelesaikan masalah dengan skala yang besar. Branch and
price telah terbukti dapat menyelesaikan masalah dengan skala yang besar
dengan lebih cepat dibandingkan dengan metode reguler yaitu branch and
bound (Imam.2016). Berikut contoh perhitungan dengan metode Branch
And Pric.
Contoh:
Maksimumkan: z = 7x1 + 9x2
Kendala:
-x1 + 3x2 ≤ 6
7x1 + x2 ≤ 35
x1, x2 non negatif integer

Kelompok 7
setelah diolah dengan metode simpleks, maka solusi awal diberikan
sebagai berikut:
Tabel 2.2 Penyelesaian Metode Cutting Plane
Basis X1 X2 S1 S2 Solusi
28 15
Z 0 0 63
11 11
7 1 7
X2 0 1
22 22 2
-1 3 9
X1 1 0
22 22 2
2.5 Metode Simplek
Menurut Tjuju Tarliah dan Ahmad Dimyati (2006), metode simpleks
merupakan prosedur aljabar yang bersifat iteratif yang bergerak selangkah
demi selangkah dimulai dari suatu titik ekstrem pada daerah fisibel (ruang
solusi) menuju titik ekstrem yang optimum.
Langkah-langkah dalam penyelesaian persoalan pemrograman linear
dengan menggunakan metode simpleks adalah sebagai berikut:
1. Mengubah fungsi tujuan dan fungsi kendala.
Ubah bentuk ketidaksamaan menjadi bentuk persamaan, fungsi
pembatas sebelum dimasukkan dalam tabel harus ditambah slack variabel
atau dikurangkan surplus variabel. Slack variables adalah variabel yang
digunakan dalam pemrograman linear untuk mengubah bentuk
ketidaksamaan menjadi bentuk persamaan. Jika bentuk ≤ maka
ditambahkan dengan slack variabel, jika bentuk ≥ maka dikurangkan
dengan slack variabel. Slack variabel ini biasa disimbolkan dengan (S n+1,
Sn+2, ..., Sn+i).
2. Menyusun persamaan-persamaan ke dalam tabel.
Bentuk tabel awal simpleks, sebagai berikut:

Kelompok 7
Tabel 2.3 Tabel Awal Simpleks dalam Bentuk Simbol
Variabe
Z X1 X2 ... Xn Xn+1 Xn+2 ... Xn+m NK
l dasar
Z 1 c1 c2 ... cn 0 0 ... 0 0
Xn+1 0 a11 a12 ... c1n 1 0 ... 0 b1
Xn+1 0 a21 a22 ... c2n 0 1 ... 0 b2
... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ...
Xn+m 0 am1 am2 ... amn 0 0 ... 1 bm
(Sumber: Siswanto, 2007)
3. Periksa apakah tabel layak/tidak.
Lihat nilai kanan, jika nilai kanan ada yang negatif maka tabel tidak
layak,
sehingga tidak dapat diteruskan untuk dioptimalkan.
4. Tentukan kolom pivot.
Lihat fungsi tujuan, jika maksimum maka kolom pivot adalah kolom
dengan koefisien paling negatif. Jika minimum, maka kolom pivot adalah
kolom dengan koefisien positif terbesar.
5. Tentukan baris pivot.
Bagikan nilai kanan dengan kolom pivot. Jika terdapat nilai negatif/nol
pada kolom pivot tidak perlu diperhatikan. Baris pivot adalah baris dengan
rasio pembagian terkecil.
6. Tentukan elemen pivot.
Yaitu nilai yang terletak pada perpotongan kolom dan baris pivot.
7. Bentuk tabel simpleks baru.
Hitung nilai baris pivot baru, dengan cara baris pivot lama dibagi
dengan elemen pivot. Baris baru lainnya merupakan pengurangan nilai
kolom pivot baris yang bersangkutan dikali baris pivot baru dalam satu
kolom terhadap baris lamanya yang terletak pada kolom tersebut.
8. Periksa apakah tabel sudah optimal
Keoptimalan tabel dilihat dari koefisien fungsi tujuan (nilai pada
baris ). Jika maksimum tabel sudah optimal jika semua nilai pada baris
sudah positif atau nol. Jika fungsi tujuan minimum, tabel sudah optimal
apabila nilai pada tabel sudah negatif atau nol.
Contoh:

Kelompok 7
Seorang peternak memiliki 200 kambing yang mengkonsumsi 90 kg pakan
khusus setiap harinya. Pakan tersebut disiapkan menggunakan campuran
jagung dan bungkil kedelai dengan komposisi sebagai berikut :
Tabel 2.4 Contoh Soal Metode Simplek
Kg per bahan
Bahan
Kalsium Protein Serat Biaya (Rp/kg)
Jagung 0,001 0,09 0,02 2000
Bungkil kedelai 0,002 0,60 0,06 5500
Kebutuhan pakan kambing setiap harinya adalah paling banyak 1% kalsium,
paling sedikit 30% protein dan paling banyak 5% serat. Berapa jumlah bahan
yang akan digunakan agar biaya pembelian bahan pakan minimum?
Penyelesaian:
Variabel Keputusan:
X1 : Jumlah jagung yang akan digunakan
X2 : Jumlah bungkil kedelai yang akan digunakan
Model l Pemrograman Linear:
Minimumkan z = 2000x1 + 5500x2
Dengan kendala:
x1 + x2 = 90
0,001x1 + 0,002x2 ≤ 0,9
0,09x1 + 0,60x2 ≥ 27
0,02x1 + 0,06x2 ≤ 4,5
x1, x2 ≥ 0
Selanjutnya, penyelesaian model tersebut dengan metode simpleks sebagai
berikut:
a. mengkonversikan formulasi persoalan dalam bentuk standar dengan
menambah variabel slack, mengurangkan dengan variabel surplus serta
menambahkan artificial variabel.
b. Menyusun fungsi tujuan, fungsi kendala ke dalam tabel simpleks.
Tabel 2.5 Simpleks Bahan Pakan Kambing
Iteration VB X1 X2 a1 S2 a3 S3 S4 Quantity
1 a1 1 1 1 0 0 0 0 90
S2 0,001 0,002 0 1 0 0 0 0,9
a3 0.09 0,6 0 0 0 -1 0 27
S4 0,02 0,06 0 0 0 0 1 4,5

Kelompok 7
zj 1998,91 5498,4 0 0 0 1 0 117
a1-a1 1,09 1,6 0 0 0 -1 0
2 a1 0,85 0 1 0 -1,667 1,667 0 45,0
S2 0,001 0 0 1 -0,003 0,003 0 0,81
S2 0,15 1 0 0 1,667 -1,667 0 45,0
S4 0,011 0 0 0 0,1 0,1 1 1,8
zj 1999,15 5500 0 0 -2,6667 -1,6667 0 45,0
cj-zj 0,85 0 0 0 2,667 1,6667 0
3 a1 0,667 0 1 0 -1,667 0 16,667 15,0
S2 0,0003 0 0 1 -0,003 0 -0,033 0,75
x2 0,333 1 0 0 1,667 0 16,667 75,0
S3 0,11 0 0 0 0,1 1 10,0 18,0
zj 1999,333 5500 0 0 -2,667 0 16,667 15,0
cj-zj 0,667 0 0 0 -1,0 0 16,667
4 x1 1 0 1,5 0 0 0 -25,0 22,5
S2 0 0 -0,001 1 0 0 -0,025 0,743
x2 0 1 -0,5 0 0 0 25,0 67,5
S3 0 0 -0,165 0 -1 1 12,75 15,525
zj 2000 5500 1 0 1 0 0 0
cj-zj 0 0 -1,0 0 -1,0 0 0
5 a1 1 0 1,5 0 0 0 -25,0 22,5
S2 0 0 -0,001 1 0 0 -0,025 0,7425
x2 0 1 -0,5 0 0 0 25,0 67,5
S3 0 0 -0,165 0 -1 1 12,75 15,525
zj 2000 5500 -250 0 0 0 87.500,00 416.250,01
cj-zj 0 0 249,999 0 0 0
6 a1 1 0 1,177 0 -1,961 1,961 0 52,941
S2 0 0 -0,001 1 -0,002 0,002 0 0,773
x2 0 1 -0,17605 0 1,961 -1,961 0 37,059
S3 0 0 -0,013 0 -0,078 0,078 1 1,218
zj 2000 5500 1382,353 0 6862,745 6862,745 0 309.705,870
cj-zj 0 0 1.382,353 0 0
Solusi optimum untuk metode simpleks adalah x1 = 52,9412 dan x2 = 37,0588,
dengan mensubstitusikan nilai x1 dan x2 ke fungsi tujuan maka:
Z = 2000x1 + 5500x2
= 2000(52,9412) + 5500(37,0588)
= 105.882,4 + 203.823,4
= 309.705,9
2.6 Branch and Bound
Metode Branch and Bound merupakan sebuah metode untuk
menghasilkan penyelesaian optimal program linear yang menghasilkan
variabel-variabel keputusan bilangan bulat. Metode ini membatasi
penyelesaian optimal yang akan menghasilkan bilangan pecahan dengan cara
membuat cabang atas dan bawah bagi masing-masing variabel keputusan yang

Kelompok 7
bernilai pecahan agar bernilai bilangan bulat sehingga setiap pembatasan
menghasilkan cabang baru dan membentuk sebuah pohon pencarian (search
tree).
Branching adalah langkah untuk membuat dua subpersoalan Pemrograman
Linear yang sesuai dengan dua pembatas yang saling lepas. Bounding adalah
langkah untuk menyelesaikan masing-masing subpersoalan dengan
Pemrograman Linear relaksasi atau mengabaikan batasan integer. Masalah
maksimasi, nilai fungsi tujuan optimal relaksasi adalah batas atas dari nilai
integer optimal. Untuk masalah minimasi, nilai fungsi tujuan optimal relaksasi
adalah batas bawah dari nilai integer optimal (Siswanto, 2007).
Langkah-langkah dalam menyelesaikan persoalan dengan menggunakan
metode Branch and Bound adalah sebagai berikut :
1. Menyelesaikan persoalan Pemrograman Linear dengan metode simpleks
tanpa batasan integer.
2. Memeriksa solusi optimalnya. Jika variabel basis yang diharapkan bernilai
integer, maka solusi optimal telah tercapai. Tetapi jika tidak bernilai
integer maka lanjutkan langkah 3.
3. Memilih variabel yang mempunyai nilai pecahan terbesar (artinya
bilangan desimal terbesar) dari masing-masing variabel untuk dijadikan
percabangan ke dalam sub-masalah.
4. Membuat dua batasan baru untuk variabel ini, dengan batasan ≤ dan
batasan ≥.
5. Menjadikan solusi pada penyelesaian langkah 1 sebagai batas atas dan
untuk batas bawahnya merupakan solusi yang variabel keputusannya telah
dibulatkan.
6. Menyelesaikan model program linear dengan batasan baru yang
ditambahkan pada setiap sub-masalah. Jika solusi yang diharapkan benilai
integer, maka kembali ke langkah 4. Tetapi jika tidak bernilai integer maka
kembali ke langkah 3.
7. Suatu solusi integer fisibel (layak) adalah sama baik atau lebih baik dari
batas bawah untuk setiap sub-masalah yang dicari. Jika solusi yang

Kelompok 7
demikian terjadi, suatu sub-masalah dengan batas bawah terbaik dipilih
untuk dicabangkan.
Contoh:
Seorang peternak memiliki 200 kambing yang mengkonsumsi 90 kg pakan
khusus setiap harinya. Pakan tersebut disiapkan menggunakan campuran
jagung dan bungkil kedelai dengan komposisi sebagai berikut :
Tabel 2.6 Contoh Soal Branch and Bound
Kg per bahan
Bahan
Kalsium Protein Serat Biaya (Rp/kg)
Jagung 0,001 0,09 0,02 2000
Bungkil kedelai 0,002 0,60 0,06 5500
Kebutuhan pakan kambing setiap harinya adalah paling banyak 1% kalsium,
paling sedikit 30% protein dan paling banyak 5% serat. Berapa jumlah bahan
yang akan digunakan agar biaya pembelian bahan pakan minimum?
Penyelesaian:
Variabel Keputusan:
X1 : Jumlah jagung yang akan digunakan
X2 : Jumlah bungkil kedelai yang akan digunakan
Model l Pemrograman Linear:
Dengan kendala:
x1 + x2 = 90
0,001x1 + 0,002x2 ≤ 0,9
0,09x1 + 0,60x2 ≥ 27
0,02x1 + 0,06x2 ≤ 4,5
x1, x2 ≥ 0
Selanjutnya, penyelesaian model tersebut dengan metode Branch and Bound
sebagai berikut:
a. Memeriksa solusi optimal tabel simpleks. Solusi optimal tabel simpleks
belum bernilai integer, sehingga solusi tersebut harus diselesaikan hingga
bernilai integer.
b. Solusi optimal pada metode simpleks sebagai subpersoalan 1

Kelompok 7
c. Memilih variabel dengan pecahan terbesar untuk percabangan (Branch)
dan membuat dua batas (Bound) baru. Pada contoh diatas, x1 memiliki
nilai pecahan terbesar sehingga x1 menjadi variabel untuk percabangan
yaitu subpersoalan 2 dengan menambahkan batas x 1 ≤ 52 dan subpersoalan
3 dengan menambahkan batas x1 ≤ 53. Percabangan model subpersoalan 1
dapat digambarkan sebagai berikut:
Gambar 2.3 Percabangan Awal

Model dari subpersoalan 2 dan subpersolan 3 adalah sebagai berikut:
1) Subpersoalan 2
Dengan kendala:
x1 + x2 = 90
0,001x1 + 0,002x2 ≤ 0,9
0,09x1 + 0,60x2 ≥ 27
0,02x1 + 0,06x2 ≤ 4,5
X1 ≤ 52
x1, x2 ≥ 0
Dengan cara yang sama pada metode simpleks, didapat solusi optimal
pada subpersoalan 2 yaitu x1 = 52 dan x2 = 38, sehingga dengan
mensubstitusikan nilai x1 dan x2 ke fungsi tujuan maka:
Z = 2000x1 + 5500x2
= 2000(52) + 5500(38)
= 104.000 + 209.000

Kelompok 7
= 313.000
Percabangan subpersoalan 2 tidak perlu dilanjutkan dengan percabangan
karena solusi pada subpersoalan 2 telah bernilai integer.
2) Subpersoalan 3
Dengan kendala:
x1 + x2 = 90
0,001x1 + 0,002x2 ≤ 0,9
0,09x1 + 0,60x2 ≥ 27
0,02x1 + 0,06x2 ≤ 4,5
X1 ≤ 53
x1, x2 ≥ 0
Solusi pada subpersoalan 3 tidak fisibel. Sehingga, subpersoalan 3 tidak
dilanjutkan dengan percabangan. Percabangan model subpersoalan 2 dan
subpersoalan 3 dapat digambarkan sebagai berikut:
Gambar 2.4 Percabangan Model Subpersoalan 2 dan Subpersoalan 3

solusi optimum untuk metode Branch and Bound adalah pada
subpersoalan 2 dengan x1 dan x2 = 38, dengan mensubstitusikan nilai x1
dan x2 ke fungsi tujuan maka:
Z = 2000x1 + 5500x2
= 2000(52) + 5500(38)
= 104.000 + 209.000
= 313.000.

Kelompok 7
Jadi, peternak membuat pakan setiap harinya dengan menggunakan 52 kg
jagung dan 38 kg bungkil kedelai dengan biaya pembelian bahan pakan
sebesar Rp 313.000.

BAB III
PENGOLAHAN DATA
3.1 Data
Data merupakan data awal yang akan di diolah dengan metode integer dan
mixed integer programming dan dengan melakukan perhitungan manual serta
perhitungan softwere. Terdapat studi kasus data sekunder yang akan diolah
pada praktikum integer programming, adapun studi kasus A data tersebut
adalah sebagai berikut..
1. Data Studi Kasus A
Nihonggo Manttapu merupakan industri kecil menengah yang
melakukan produksi kue cake dari hari senin sampai sabtu. Kue cake yang
diproduksi industri rumahan ini terdiri dari dari tiga jenis kue cake yaitu,
cake legit, cake durian dan cake coklat. Waktu produksi yang tersedia
untuk produksi semua jenis kue adalah 66 jam/minggu dan bahan baku
yang tersedia 54 kg/minggu.
Proses produksi yang masih tradisional, industri rumahan ini
memerlukan waktu untuk membuat cake legit 3 jam/unit, cake durian 4
jam/unit dan cake coklat 2 jam/unit. Setiap hari bahan baku yang
diperlukan untuk membuat setiap cake adalah 2 kg. Setiap hari industri
rumahan tersebut harus menghasilkan setiap kue cake agar demand
perminggu terpenuhi.
Tabel 3.1 Studi Kasus A
Jenis Kue Harga Jual (Rp) Ongkos produksi(Rp)
Cake Legit 42.700 33.700
Cake Durian 61.700 51.700
Cake Coklat 53.700 45.700
Formulasikan permasalahan diatas, tentukan fungsi tujuan, fungsi
batasan, selesaikan menurut aturan integer & mixed integer programming.
Berikan rekomendasi hasil yang optimal untuk memaksimalkan profit dari
permasalahan diatas.
3.2 Pengolahan Data Perhitungan Manual
Perhitungan ini mengolah data PT. Nihonggo Manttapuyang mencari
rekomendasi hasil optimal untuk memaksimalkan profit dari permasalahan

Kelompok 7
yang ada. Berikut ini perhitungan menggunakan metode simplex untuk
mencari hasil optimal PT. Nihonggo Manttapu.
a) Menentukan variabel keputusan
Misal:
X1 = Banyaknya cake legit yang akan diproduksi oleh Perusahaan Abadi
Cake.
X2 = Banyaknya cake durian yang akan dibuat oleh Perusahaan Abadi
Cake.
X3 = Banyaknya cake cokelat yang akan dibuat oleh Perusahaan Abadi
Cake.
b) Menentukan fungsi tujuan
Tujuan yang diinginkan berupa rekomendasi hasil yang optimal untuk
memaksimalkan profit. Profit merupakan hasil selisih dari harga jual dan
ongkos produksi. Sehingga profit yang didapatkan sebagai berikut.
Tabel 3.2 Profit PT. Nihonggo Manttapu
Ongkos
Jenis Kue Harga Jual (Rp) Produksi (Rp) Profit (Rp)
Cake Legit 42.700 33.700 9.000

Cake Durian 61.700 51.700 10.000
Cake Cokelat 53.700 45.700 8.000
Sehingga fungsi tujuannya sebagai berikut.
Maksimumkan Z = 9.000 X1 + 10.000 X2 + 8.000 X3
c) Menentukan fungsi kendala
Waktu produksi yang tersedia untuk produksi semua jenis kue dan bahan
baku yang tersedia diketahui jumlahnya per minggu. Sedangkan data yang
lainnya menggunakan satuan per hari. Sehingga waktu produksi yang
tersedia untuk produksi semua jenis kue dan bahan baku yang tersedia
harus dibagi 6 karena perusahaan berproduksi dari Senin sampai Sabtu.
Fungsi kendala dari permasalahan perusahaan tersebut sebagai berikut.
3 X1 + 4 X2 + 2 X3 ≤ 11
2 X1 + 2 X2 + 2 X3 ≤ 9
d) Menentukan kendala non-negatif

Kelompok 7
X1, X2, X3 ≥ 0 dan integer
e) Menentukan bentuk implisit simpleks dari formulasi
Baris 0 : Z – 9.000 X1 – 10.000 X2 – 8.000 X3 =0
Baris 1: 3 X1+ 4 X2 + 2 X3 + S1 = 11
Baris 2: 2 X1+ 2 X2 + 2 X3 + S2 = 120
X1, X2,X3, S1, S2 ≥ 0
f) Penyelesaian
Iterasi 0
Tabel 3.3 Iterasi 0 PT. Nihonggo Manttapu
BV Z X1 X2 X3 S1 S2 RHS Ratio
Z 1 -9.000 -10.000 -8.000 0 0 0
S1 0 3 4 2 1 0 11 2,75
S2 0 2 2 2 0 1 9 4,5
X2 sebagai EV sehingga menjadi BV S1 sebagai LV sehingga menjadi
NBV Elemen pivot = 4
Persamaan pivot baru:
3/4 = 0,75; 4/4 = 1; 2/4 = 0,5; 1/4 = 0,25; 0/4 = 0; 11/4 = 2,75
( 0,75 1 0,5 0,25 0 2,75 )
Sehingga persamaan lainnya, termasuk Z yaitu sebagai berikut. Persamaan
baris 0:
-9.000 -10.000 -8.000 0 0 0
(-10.000) 0,75 1 0,5 0,25 0 2,75 –
Pers. baru -1.500 0 -3.000 2.500 0 27.500
Persamaan baris 2
2 2 2 0 1 9
(-10.000) 0,75 1 0,5 0,25 0 2,75 –
Pers. baru 0,5 0 1 -0,5 1 3,5
Iterasi 1

BV Z X1 X2 X3 S1 S2 RHS Ratio
Z 1 -1.500 0 -3.000 2.500 0 27.500
X2 0 0,75 1 0,5 0,25 0 2,75 0,611

Kelompok 7
S2 0 0,5 0 1 -0,5 1 3,5 3,5
X3 sebagai EV sehingga menjadi BV S2 sebagai LV sehingga menjadi
NBV Elemen pivot = 1
Karena masih ada yang bernilai negatif maka iterasi akan dilanjutkan.
Persamaan pivot baru
0,5/1 = 0,5; 0/1 = 0; 1/1 = 1; 0,5/1 = 0,5; 1/1 = 1; 3,5/1 = 3,5)
(0,5 0 1 0,5 1 3,5)
Sehingga persamaan lainnya, termasuk Z yaitu sebagai berikut. Persamaan
baris 0:
-1.500 0 -3.000 2.500 0 27.500
(-3.000) 0,5 0 1 -0,5 1 3,5 –
Pers. baru 0 3.000 0 1.000 3.000 38.000
Persamaan baris 1:
0,75 1 0,5 0,25 0 2,75
(0,5) 0,5 0 1 -0,5 1 3,5 –
Pers. baru 0,5 1 0 0,5 -0,5 1
Iterasi 2
BV Z X1 X2 X3 S1 S2 RHS
Z 1 0 3.000 0 1.000 3.000 38.000
X2 0 0,5 1 0 0,5 -0,5 1
X3 0 0,5 0 1 -0,5 1 3,5
BFS sudah optimal karena semua koefisien pada baris 0 sudah tidak
ada nilai yang negatif maka iterasi dihentikan. Hasil optimal menggunakan
metode simplex adalah: Z = Rp 38.000; X1 = 0; X2 = 1; dan X3 = 3,5.
Berikut ini tabel rekapitulasi perhitungan iterasinya.
Tabel 3.6 Rekapitulasi Perhitungan Iterasi PT. Nihonggo Manttapu

Z 1 -9.000 -10.000 -8.000 0 0 0
S1 0 3 4 2 1 0 11
S2 0 2 2 2 0 1 9
Tabel 3.7 Rekapitulasi Perhitungan Iterasi PT. Nihonggo Manttapu
Kelompok 7
Z 1 -1.500 0 -3.000 2.500 0 27.500
X2 0 0,75 1 0,5 0,25 0 2,75
S2 0 0,5 0 1 -0,5 1 3,5
Z 1 0 3.000 0 1.000 3.000 38.000
X2 0 0,5 1 0 0,5 -0,5 1
X3 0 0,5 0 1 -0,5 1 3,5
Karena X1 tidak bulat, maka selanjutnya menggunakan metode
Branch and Bound. Adapun penyelesaian dengan metode Branch and
Bound yaitu sebagai berikut.
Fungsi Tujuan:
Maksimumkan Z = 9.000 X1 + 10.000 X2 + 8.000 X3
Fungsi Kendala:
3 X1 + 4 X2 + 2 X3 ≤ 11
X1 + 2 X2 + 2 X3 ≤ 9
X1, X2, X3 ≤ 0
Z = 9.000 X1 + 10.000 X2 +
8.000 X3
X1 = 0
X2 = 1
X3 = 3,5
Z = 38.000
Gambar 3.1 Metode Branch and Bound Level 0 Kasus B

Level 0 iterasi 1:
Iterasi 1 dengan nilai solusi optimal dari metode simpleks Level 1:

Karena X3 merupakan bilangan non integer dengan nilai 3,5 maka
dilakukan pembulatan ke atas maupun ke bawah.
X3 < 3 dan X3 > 4
Berikut perhitungannya.
Kelompok 7
1. Diketahui X3 = 3
3X1 + 4X2 + 2X3 < 11
Misal X1 = 0
3X1 + 4X2 + 2X3 = 11
3(0) + 4X2 + 2(3) = 11
4X2 = 11 – 6
X2 = 1,25
Sehingga, X1 = 0, X2 = 1,25, X3 = 3 dan Z = 36500(Non Integer)
2. Diketahui X3 = 3
3X1 + 4X2 + 2X3 < 11
Misal X2 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(0) + 2(3) = 11
3X1 = 11 – 6
X1 = 1,67
Sehingga, X1 = 1,67, X2 = 0, X3 = 3 dan Z = 39030(Infeasible)
X3 > 4; X1, X2 > 0 sehingga:
3. Diketahui X3 = 4
3X1 + 4X2 + 2X3 < 11
Misal X1 = 0
3X1 + 4X2 + 2X3 = 11
3(0) + 4X2 + 2(4) = 11
4X2 = 11 – 8

Kelompok 7
X2 = 0,75
Sehingga, X1 = 0, X2 = 0,75, X3 = 4 dan Z = 39500 (Infeasible)
4. Diketahui X3 = 4
3X1 + 4X2 + 2X3 < 11
Misal X2 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(0) + 2(4) = 11
3X1 = 11 – 8
X1 = 1
Sehingga, X1 = 1, X2 = 0, X3 = 4 dan Z = 41000(Infeasible)
Z = 9.000 X1 + 10.000 X2 +
8.000 X3 X1 = 0 X2 = 1 X3 =
3,5
Z = 38.000
X3 3 X3 4
Z = 9.000 X1 + 10.000 X2 + Z = 9.000 X1 + 10.000 X2 +

8.000 X3 8.000 X3
X1 = 0 X1 = 0
X2 = 1,25 X2 = 0,75
X3 = 3 X3 = 4
Z = 36.500 Z = 39.500
Gambar 3.2 Level 1 Batasan Pertama
Batasan kedua (2X1 + 2X2 + 2X3 < 9)
X3 < 3; X1, X2 > 0 sehingga:

Kelompok 7
1. Diketahui X3 = 3
2X1 + 2X2 + 2X3 < 9
Misal X1 = 0
2X1 + 2X2 + 2X3 = 9
2(0) + 2X2 + 2(3) = 9
2X2 = 9 – 6
X2 = 1,5
2. Diketahui X3 = 3
2X1 + 2X2 + 2X3 < 9
Misal X = 0
2X1 + 2X2 + 2X3 = 9
2 X1+ 2(0) + 2(3) = 9
2X1 = 9 – 6
X1 = 1,5
Sehingga, X1 = 1,5 , X2 = 0, X3 = 3 dan Z = 37500 (Non Integer)
X3 > 4; X1, X2 > 0 sehingga:
3. Diketahui X3 = 4
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(0) + 2 X1 + 2(4) = 9
2X2 = 9 – 8
X2 = 0,5
Sehingga, X1 = 0, X2 = 0,5, X3 = 4 dan Z = 39500 (Non integer)

Kelompok 7
4. Diketahui X3 = 4
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2X1 + 2(0) + 2(4) = 9
2X1 = 9 – 8
X1 = 0,5
Sehingga, X1 = 0,5, X2 = 0, X3 = 4 dan Z = 36500 (Non Integer)
Z = 9.000X1 +
10.000X2 + 8.000X3
X1 = 0
X2 = 1
X3 = 3,5
Z = 38.000
X3 < 3 X3 > 4
Z = 9.000X1 + Z = 9.000X1 +
10.000X2 + 8.000X3 10.000X2 + 8.000X3
X1 = 1,5 X1 = 0,5
X2 = 0 X2 = 0
X3 = 3 X3 = 4
Z = 37500 Z = 36.500
Gambar 3.3 Level 1 Batasan Kedua
Level 2 :
Batasan pertama (3X1 + 4X2 + 2X3 < 11)
Didapatkan di level sebelumnya X2 = 1,25
maka bisa dibulatkan ke atas dan ke bawah menjadi X2 <

1 dan X2 > 2. X2 < 1; X1, X3 > 0 sehingga:
1. Diketahui X1 = 1
3X1 + 4X2 + 2X3 < 11
Misal X1 = 0

Kelompok 7
3X1 + 4X2 + 2X3 = 11
3(0) + 4X2 + 2(3) = 11
2X2 = 11 – 6
X3 = 3,5
Sehingga, X1 = 1, X2 = o, X3 = 3,5 dan Z = 38000(Non Integer)
2. Diketahui X2 = 1
3X1 + 4X2 + 2X3 < 11
Misal X3 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(1) + 2(0) = 11
3X1 = 11 – 4
X1 = 2,33
Sehingga, X1 = 2,33, X2 = 1, X3 = 0 dan Z = 31000(Non Integer)
X2 > 2; X1, X3 > 0 sehingga:
3. Diketahui X2 = 2
3X1 + 4X2 + 2X3 < 11
Misal X1 = 0
3X1 + 4X2 + 2X3 = 11
3(0) + 4(2) + 2X3 = 11
2X3 = 11 – 8
X3 = 1,5
Sehingga, X1 = 0, X2 = 2, X3 = 1,5 dan Z = 32000 (Non Integer)
4. Diketahui X2 = 2

Kelompok 7
3X1 + 4X2 + 2X3 < 11
Misal X3 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(0) + 2(4) = 11
3X1 = 11 – 8
X1 = 1
Sehingga, X1 = 1, X2 = 2, X3 = 0 dan Z = 29000 (Integer)
Z = 9.000 X1 + 10.000 X2 +
8.000 X3
X1 = 0 X2 = 1
X3 = 3,5 Z = 38.000
X3 3 X3 4
Z = 9.000 X1 + 10.000 X2 + Z = 9.000 X1 + 10.000

8.000 X3 X2 + 8.000 X3
X1 = 1 X1 = 0
X2 = 1,25 X2 = 0,75
X3 = 3
X3 = 4
Z = 36.500
Z = 39.500
X2 1 X2 2
Z = 9.000 X1 + 10.000 X2 +
Z = 9.000 X1 + 10.000 X2 +
8.000 X3
8.000 X3
X1 = 2,33
X2 = 1 X1 = 0 X2 = 2 X3 = 1,5
X3 = 0 Z = 32.000
Z = 31.000


Kelompok 7
maka bisa dibulatkan ke atas dan ke bawah menjadi X1 < 1

dan X1 > 2.
X1 < 1; X1, X2 > 0 sehingga:
X3 < 3; X1, X2 > 0 sehingga:
1. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(1) + 2(0) + 2X3 = 9
2X3 = 9 – 6
X3 = 3,5
2. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X3 = 0
2X1 + 2X2 + 2X3 = 9
2 X1+ 2(0) + 2(3) = 9
2X2 = 9 – 2
X2 = 3,5
Sehingga, X1 = 1 , X2 = 3,5, X3 = 0 dan Z = 44000 (Infeasible)
X1 > 2; X1, X2 > 0 sehingga:
3. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9

Kelompok 7
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(2) + 2(0) + 2X3 = 9
2X3 = 9 – 4
X3 = 2,5
Sehingga, X1 = 1, X2 = 0, X3 = 2,5 dan Z = 38000 (Non integer)
4. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(2) + 2X2 + 2(0) = 9
2X2 = 9 – 4
X2 = 2,5
X1 yang didapatkan sebelumnya sebesar X1 = 0,5 dibulatkan ke atas

dan ke bawah menjadi X1 < 0 dan X1 > 1 X1 < 0; X2, X3 > 0 sehingga:
5. Diketahui X1 = 0
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(0) + 2(0) + 2X3 = 9
2X3 = 9
X3 = 4,5

Kelompok 7
6. Diketahui X1 = 0
2X1 + 2X2 + 2X3 < 9
Misal X3 = 0
2X1 + 2X2 + 2X3 = 9
2X1 + 2X2 + 2X3 = 9
2X2 = 9
X2 = 4,5
Sehingga, X1 = 0 , X2 = 4,5, X3 = 0 dan Z = 45000 (Infeasible)
X1 > 1; X2, X3 > 0 sehingga:
7. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(1) + 2(0) + 2X3 = 9
2X3 = 9 – 2
X3 = 3,5
8. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X3 = 0
2X1 + 2X2 + 2X3 = 9
2(1) + 2X2 + 2(0) = 9
2X2 = 9 – 2
X2 = 3,5
Kelompok 7
X1 > 2; X1, X2 > 0 sehingga:
1. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(2) + 2(0) + 2X3 = 9
2X3 = 9 - 4
X3 = 2,5
2. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X3 = 0
2X1 + 2X2 + 2X3 = 9
2(2) + 2X2 + 2(0) = 9
2X2 = 9 - 4
X2 = 2,5
X1 yang didapatkan sebelumnya sebesar X1 = 0,5 dibulatkan ke atas

dan ke bawah menjadi X1 < 0 dan X1 > 1 X1 < 0; X2, X3 > 0 sehingga:
1. Diketahui X1 = 0
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9

Kelompok 7
2(0) + 2(0) + 2X3 = 9
2X3 = 9
X3 = 4,5
2. Diketahui X1 = 0
2X1 + 2X2 + 2X3 < 9
Misal X3 = 0
2X1 + 2X2 + 2X3 = 9
2(0) + 2X2 + 2(0) = 9
2X2 = 9
X2 = 4,5
Sehingga, X1 = 0, X2 = 4,5, X3 = 0 dan Z = 38000 (Infisible)
X1 > 1; X2, X3 > 0 sehingga:
3. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X2 = 0
2X1 + 2X2 + 2X3 = 9
2(1) + 2(0) + 2X3 = 9
2X3 = 9 - 2
X3 = 3,5
4. Diketahui X1 = 1
2X1 + 2X2 + 2X3 < 9
Misal X3 = 0
2X1 + 2X2 + 2X3 = 9
2(0) + 2X2 + 2(0) = 9
2X2 = 9 – 2
X2 = 3,5
Sehingga, X1 = 0, X2 = 3,5, X3 = 0 dan Z = 38000 (Infisible)

Kelompok 7
Z = 9.000X1 +
10.000X2 + 8.000X3
X1 = 0
X2 = 1
X3 = 3,5
Z = 38.000
X3 3 X3 4
Z = 9.000X1 +
Z = 9.000X1 +
10.000X2 + 8.000X3
10.000X2 + 8.000X3
X1 =
X1 = 0,5
1,5 X2
X2 = 0
=0
X3 = 4
X3 = 3
Z = 36.500
Z = 37.500
X1 1 X1 2 X1 0 X1 1
Z = 9.000X1 +
Z = 9.000X1 + Z = 9.000X1 + 10.000X2 Z = 9.000X1 +
10.000X2 + 8.000X3
10.000X2 + 8.000X3 + 8.000X3 10.000X2 + 8.000X3
X1 = 2
X1 = 1 X1 = 0 X1 = 1
X2
X2 = 0,5 X2 = 0 X2 = 0 X3 =
=0
X3 = 3 X3 = 4,5 3,5, Z=
X3 = 2,5
Z = 37.000 Z = 36.000 38.000
Z = 38.000
Level 3:
maka bisa dibulatkan ke atas dan ke bawah menjadi X1 < 2

dan X1 > 3
X1 < 2; X2, X3 > 0 sehingga:
1. Diketahui X1 = 2
3X1 + 4X2 + 2X3 < 11
Misal X2 = 0
3X1 + 4X2 + 2X3 = 11
3(2) + 4(1) + 2X3 = 11
2X2 = 11 – 6

Kelompok 7
X3 = 2,5
Sehingga, X1 = 2, X2 = 0, X3 = 2,5 dan Z = 38000(Non Integer)
2. Diketahui X1 = 2
3X1 + 4X2 + 2X3 < 11
Misal X3 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(1) + 2(0) = 11
3X1 = 11 – 6
X1 = 1,25
X1 > 3; X2, X3 > 0 sehingga:
3. Diketahui X1 = 3
3X1 + 4X2 + 2X3 < 11
Misal X2 = 0
3X1 + 4X2 + 2X3 = 11
3(3) + 4(1) + 2X3 = 11
2X3 = 11 – 9
X3 = 1
4. Diketahui X1 = 3
3X1 + 4X2 + 2X3 < 11
Misal X3 = 0
3X1 + 4X2 + 2X3 = 11

Kelompok 7
3(3) + 4X2 + 2(0) = 11
4X2 = 11 – 9
X2 = 0,5
Sehingga, X1 = 3, X2 = 0,5, X3 = 0 dan Z = 32000 (Non Integer)
Didapatkan di level sebelumnya X3 = 1,5 maka bisa dibulatkan ke

atas dan ke bawah menjadi X3 < 1 dan X3 > 2 X3. < 1; X1, X2 > 0
sehingga:
5. Diketahui X3 = 1
3X1 + 4X2 + 2X3 < 11
Misal X1 = 0
3X1 + 4X2 + 2X3 = 11
3(0) + 4X2 + 2(1) = 11
4X2 = 11 – 2
X2 = 2,25
Sehingga, X1 = 0, X2 = 2,25, X3 = 1 dan Z = 30500 (Non
Integer)
6. Diketahui X3 = 1
3X1 + 4X2 + 2X3 < 11
Misal X3 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(0) + 2(1) = 11
3X1 = 11 – 2
X1 = 3
Sehingga, X1 = 1,25, X2 = 2, X3 = 0 dan Z = 35000 (Non
Integer)
X3 > 2; X1,X2 > 0 sehingga :
7. Diketahui X3 = 2
3X1 + 4X2 + 2X3 < 11

Kelompok 7
Misal X1 = 0
3X1 + 4X2 + 2X3 = 11
3(0) + 4X2 + 2(2) = 11
4X2 = 11 – 4
X2 = 1,75
Sehingga, X1 = 0, X2 = 1,75, X3 = 2 dan Z = 33500 (Non
Integer)
8. Diketahui X3 = 2
3X1 + 4X2 + 2X3 < 11
Misal X2 = 0
3X1 + 4X2 + 2X3 = 11
3X1 + 4(0) + 2(2) = 11
3X1 = 11 – 4
X1 = 2,33

Kelompok 7
Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 +
8 .0 0 0 X 3
X 1 = 0
X 2 = 1
X 3 = 3 ,5
Z = 3 8 .0 0 0
X3 3 X3 4
Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 + Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 +
8 .0 0 0 X 3 8 .0 0 0 X 3
X 1 = 0 X 1 = 0
X 2 = 1 ,2 5 X 2 = 0 ,7 5
X 3 = 3 X 3 = 4
Z = 3 6 .5 0 0 Z = 3 9 .5 0 0
X2 1 X2 2
Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 + Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 +
8 .0 0 0 X 3 8 .0 0 0 X 3
X 1 = 2 ,3 3 X 1 = 0
X 2 = 1 X 2 = 2
X 3 = 0 X 3 = 1 ,5
Z = 3 1 .0 0 0 Z = 3 2 .0 0 0
X1 2 X1 3 X3 1 X3 2
Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 + Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 + Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 + Z = 9 .0 0 0 X 1 + 1 0 .0 0 0 X 2 +
8 .0 0 0 X 3 8 .0 0 0 X 3 8 .0 0 0 X 3 8 .0 0 0 X 3
X 1 = 2 X 1 = 3 X 1 = 3 X 1 = 2 ,3 3
X 2 = 0 X 2 = 0 X 2 = 0 X 2 = 0
X 3 = 2 ,5 X 3 = 1 X 3 = 1 X 3 = 2
Z = 3 8 .0 0 0 Z = 3 5 .0 0 0 Z = 3 5 .0 0 0 Z = 3 7 .0 0 0

Didapatkan di level sebelumnya X3 = 2,5 maka bisa dibulatkan ke atas dan
ke bawah menjadi X3 < 2 dan X3 > 3.
X3 < 2; X1 > 2; X2 > 0 sehingga:
1. Diketahui X3 = 2
2X1 + 2X2 + 2X3 < 9
Misal X1 = 2
2X1 + 2X2 + 2X3 = 9
2(2) + 2X2 + 2(2) = 9
2X2 = 9 – 8
X2 = 0,5
Sehingga, X1 = 2, X2 = 0,5, X3 = 2 dan Z = 39000 (Infeasible Solution)
X3 > 3; X1 > 2; X2 > 0 sehingga:
Sesuai batasan diatas maka tidak dapat dikerjakan karena tidak layak.
Kelompok 7
Didapatkan di level sebelumnya X3 = 4,5, maka bisa dibulatkan ke atas
dan ke bawah menjadi X3 < 4 dan X3 > 5.
X3 < 4; X1 < 0; X2 > 0 sehingga:
2. Diketahui X3 = 4
2X1 + 2X2 + 2X3 < 9
Misal X1 = 2
2X1 + 2X2 + 2X3 = 9
2(0) + 2X2 + 2(4) = 9
2X2 = 9 – 8
X2 = 0,5
Sehingga, X1 = 2, X2 = 0,5, X3 = 4 dan Z = 37000 (Non integer)
X3 > 5; X1 < 0; X2 > 0 sehingga:
Sesuai batasan diatas maka tidak dapat dikerjakan karena tidak layak.

Kelompok 7
Level 4:
Didapatkan di level sebelumnya X3 = 2,5, maka bisa dibulatkan

ke atas dan ke bawah menjadi X3 < 2 dan X3 > 3 .
X3 < 2; X2 < 1, X3 > 0 sehingga:
1. Diketahui X3 = 2
3X1 + 4X2 + 2X3 < 11
Misal X2 = 1
3X1 + 4X2 + 2X3 = 11

Kelompok 7
3X1 + 4(1) + 2(2) = 11
2X1 = 11 – 6
X1 = 1
2. Diketahui X3 = 3
3X1 + 4X2 + 2X3 < 11
Misal X2 = 1
3X1 + 4X2 + 2X3 = 11
3X1 + 4(1) + 2(3) = 11
3X1 = 11 – 10
X1 = 0,33

Kelompok 7
Z = 9.000X1 +
10.000X2 + 8.000X3
X1 = 0
X2 = 1
X3 = 3,5
Z = 38.000
X3 3
X3 4
Z = 9.000X1 + Z = 9.000X1 +
10.000X2 + 8.000 X3 10.000X2 + 8.000X3
X1 = 0 X1 = 0
X2 = 1,25 X2 = 0,75
X3 = 3 X3 = 4
Z= Z = 39.500
36.500
X2 1 X2 2
Z = 9.000X1 + Z = 9.000X1 +
10.000X2 + 8.000X3 10.000X2 + 8.000X3
X1 X1 = 0
= 2,33 X2
X2 = 1 =2
X3 = 0 X3 = 1,5
Z = 32.000
Z = 31.000
X1 2 X1 3 X3 1
X3 2
Z = 9 . 0 0 0 X 1 + 1 0. 0 0 0 X 2 + Z = 9. 0 00 X 1 + 10. 0 00 X 2 + Z = 9. 0 0 X 1 + 1 0 . 0 0 X 2 + Z = 9 .0 00 X 1 + 10 .0 00 X 2 +
8 .0 0 0 X 3 8.0 00 X 3 8 . 0 00 X 3 8.0 00 X 3
X1= 2 X1 = 3 X1= 3 X 1 = 2 ,3
X2= 0 X2 = 0 X2= 0 X2= 0
X 3 = 2 ,5 X3 = 1 X3= 1 X3= 2
Z = 38 . 0 00 Z = 35. 0 00 Z = 35 . 0 00 Z = 37 . 0 0
X3 2
X3 3

Bisa dilihat dari grafik yang dihasilkan dengan metode branch and
bound dengan batasan 1 menghasilkan X1 = 1, X2 = 1, X3 = 2 dan Z =
35.000. Sehingga profit maksimal yang didapatkan sebesar Rp35.000
dengan menjual 1 cake legit dan 1 cake durian dan menjual 2 cake
coklat.
Keterangan:
Warna biru: tidak bisa dilanjutkan perhitungan.
Warna kuning: tidak layak dan tidak bisa dilanjutkan
perhitungan.
Warna hijau: Solusi Bulat Optimal.

Kelompok 7
Keputusan:
Tabel Rekapitulasi Solusi Optimal
PT NIHONGGO MANTAPPU
Keuntungan
Cake Legit Cake Durian Cake Coklat
1 1 2 35000
0 1 3,5 38000

Kelompok 7

Kelompok 7
BAB IV
ANALISA
4.1 Analisa Perhitungan Manual
Analisa pengolahan data manual dalam kasus memaksimalkan profit ada
PT Nihonggo Mantappu menggunakan metode simpleks dan metode branch
and bound.
Tahap pertama pada metode simpleks yaitu menentukan variabel
keputusan yaitu X1 = cake legit, X2 = cake durian dan X3 = cake coklat.
Setelah itu menentukan fungsi tujuan yaitu Maksimumkan Z = 9.000 X 1 +
10.000 X2 + 8.000 X3. Kemudian menentukan fungsi Batasan atau fungsi
kendala yaitu 3 X1 + 4 X2 + 2 X3 ≤ 11 dan 2 X1 + 2 X2 + 2 X3 ≤ 9, yang
didapat dari selisih harga jual dan ongkos produksi cake. Kemudian
menentukan kendala non-negatif yaitu X1, X2, X3 ≥ 0 dan integer.
Menentukan bentuk implisit simpleks dari formulasi pada baris 0 : Z – 9.000
X1 – 10.000 X2 – 8.000 X3= 0, pada baris 1 : 3 X1 + 4 X2 + 2 X3 + S1= 11,
baris 2 : 2 X1+ 2 X2+ 2 X3+ S2 = 120.
Penyelesaiannya menggunakan 3 iterasi, iterasi 0, X2 sebagai EV sehingga
menjadi BV, S1 sebagai LV sehingga menjadi NBV sehingga didapat
persamaan pivot baru: 3/4 = 0,75; 4/4 = 1; 2/4 = 0,5; 1/4 = 0,25; 0/4 = 0; 11/4
= 2,75 sedangkan iterasi 1, X3 sebagai EV sehingga menjadi BV S2 sebagai LV
sehingga menjadi NBV karena masih ada yang bernilai negatif maka iterasi
akan dilanjutkan. Persamaan pivot baru 0,5/1 = 0,5; 0/1 = 0; 1/1 = 1; 0,5/1 =
0,5; 1/1 = 1; 3,5/1 = 3,5). Hasil optimal menggunakan metode simpleks
adalah: Z = Rp 38.000; X1 = 0; X2 = 1; dan X3 = 3,5.
Karena X1 tidak bulat, maka selanjutnya menggunakan metode branch and
bound di dapat Iterasi 1 dengan nilai solusi optimal dari metode simpleks
dengan menggunakan 4 level karena X3 merupakan bilangan non integer
dengan nilai 3,5 maka dilakukan pembulatan ke atas maupun ke bawah. Bisa
dilihat dari grafik yang dihasilkan dengan metode branch and bound dengan
batasan 1 menghasilkan X1 = 1, X2 = 1, X3 = 2 dan Z = 35.000. Sehingga
profit maksimal yang didapatkan sebesar Rp35.000 dengan menjual 3 cake
legit dan 1 cake cokelat dan menjual 1 cake durian.

Kelompok 7
4.2 Analisa Perbandingan perhitungan Software dan Manual

Berdasarkan data historis yang telah ada didapat perbandingan nilai
metode simpleks bernilai 35.000, dan pada perhitungan software juga bernilai
35.000. perbandingan manual dan software pada integer & mixed integer
programming dengan metode simpleks dan branch and bound didapat bahwa
perhitungan antara manual dan software memiliki hasil yang sama karena
pada perhitungan software didapat hasil yang sudah dioptimalkan, sehingga
hasil dari manual dan software sama. Perhitungan manual yang dilakukan
menggunakan metode iterasi dimana langkah langkah pengerjaan setiap
metode. Sedangkan hasil pengerjaan software dengan menggunakan aplikasi
software POM-QM dimana data yang telah dimasukkan akan mendapatkan
hasil yang optimal.
Selain itu pengolahan data manual dan software didapat perbedaan antara
permintaan cake yang harus diproduksi pada perhitungan manual dan
perhitungan menggunakan software, yaitu 1 cake legit, 1 cake durian dan 2
cake coklat pada perhitungan manual sedangkan pada perhitungan software
yakni 3 cake legit dan 1 cake coklat. Meskipun memiliki permintaan yang
berbeda profit yang dihasilkan tetap sama hal ini dikarenakan perbedaan
variabel pada kasus tidak mempengaruhi hasil dari profit yang telah
dimaksimalkan.

BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesimpulan yang dapat diberikan pada praktikum kali ini adalah
sebagai berikut.
1. PT. Nihonggo Mantappu merupakan industri kecil menengah yang
melakukan produksi kue cake, yang ingin memaksimalkan profit
berdasarkan data yang ada. Integer Programming adalah bentuk lain dari
programa linier atau linier programming (LP) di mana asumsi
divisibilitasnya melemah atau hilang sama sekali. Integer Programming
dapat memformulasikan suatu permasalahan seperti pada kasus PT.
Nihonggo Mantappu menggunakan metode simplex dan metode branch
and bound. Berdasarkan pengolahan data manual dan software hasil paling
optimal untuk memaksimalkan profit PT. Nihonggo Mantappu yaitu
35000 dari X1 sebagai cake legit = 1, X2 sebagai cake durian = 1, X3
sebagai cake coklat = 2.
2. Terdapat perbedaan hasil antara metode simplex dan metode branch and
bound. Metode simplex dapat memaksimalkan profit yaitu 38000
sedangkan metode branch and bound dapat memaksimalkan profit yaitu
35000. Hal ini terjadi karena perhitungan branch and bound sangat
memperhatikan bilangan yang belum bulat, dimana variable keputusannya
akan berupa bilangan bulat (integer) dengan cara membuat cabang atas
dan cabang bawah bagi masing-masing variable keputusan yang masih
bernilai pecahan agar bernilai bulat sehingga dilihat dari segala
kemungkinan untuk mendapatkan profit yang paling maksimal.
3. Perhitungan manual menggunakan metode branch and bound dan
perhitungan software tidak terdapat perbedaan, kedua perhitungan
menghasilkan optimal profit yaitu 35000 berdasarkan X1 = 1, X2 = 1, X3 =
2 dan Z = 35.000. Sedangkan perhitungan manual menggunakan metode
simplex terdapat perbedaan yaitu menghasilkan optimal profit yaitu 38000
berdasarkan X1 = 0, X2 = 1, X3 = 3,5 dan Z = 35.000, sedangkan
perhitungan software menghasilkan profit optimal 35000.
Kelompok 7
5.2 Saran
Adapun saran yang dapat diberikan pada praktikum kali ini adalah sebagai
berikut.
1. Sebaiknya praktikum harus menguasai terlebih dahulu materi praktikum,
dengan mempelajarinya dan mencari literatur-literatur terkait praktikum
transportasi dan penugasan.
2. Praktikan diharapkan untuk selalu teliti dalam melakukan pengumpulan
dan pengolahan data untuk mendapatkan hasil yang akurat pada
perhitungan manual sehingga hasil yang didapatkan sesuai dengan hasil
yang sebenarnya.
3. Praktikan diharapkan mampu menguasai software yang digunakan dalam
praktikum agar memudahkan untuk menginput data dengan baik.

Kelompok 7
DAFTAR PUSTAKA


Praktikum Optimisasi - Modul 4 - Kelompok 7

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Praktikum Optimisasi - Modul 4 - Kelompok 7

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

LABORATORIUM OPTIMISASI SISTEM INDUSTRI

Jurusan Teknik Industri ii

Jurusan Teknik Industri iii

Jurusan Teknik Industri iv

Jurusan Teknik Industri v

Jurusan Teknik Industri vi

Jurusan Teknik Industri 1

Jurusan Teknik Industri 2

Gambar 1.1 Flowchart Praktikum

Jurusan Teknik Industri 4

Jurusan Teknik Industri 5

Jurusan Teknik Industri 6

Jurusan Teknik Industri 7

Jurusan Teknik Industri 8

Jurusan Teknik Industri 9

Gambar 2.1 Metode Branch and Bound

Jurusan Teknik Industri 10

Gambar 2.2 Metode Branch and Cut

Jurusan Teknik Industri 11

Jurusan Teknik Industri 12

Jurusan Teknik Industri 13

Jurusan Teknik Industri 14

Jurusan Teknik Industri 15

Jurusan Teknik Industri 16

Jurusan Teknik Industri 17

Gambar 2.3 Percabangan Awal

Jurusan Teknik Industri 18

Gambar 2.4 Percabangan Model Subpersoalan 2 dan Subpersoalan 3

Jurusan Teknik Industri 19

Jurusan Teknik Industri 20

Jurusan Teknik Industri 21

Cake Legit 42.700 33.700 9.000

Jurusan Teknik Industri 22

Tabel 3.4 Iterasi 1 PT. Nihonggo Manttapu

Jurusan Teknik Industri 23

Tabel 3.6 Rekapitulasi Perhitungan Iterasi PT. Nihonggo Manttapu

Gambar 3.1 Metode Branch and Bound Level 0 Kasus B

Iterasi 1 dengan nilai solusi optimal dari metode simpleks Level 1:

X3 < 3 dan X3 > 4

3X1 + 4X2 + 2X3 < 11

3X1 + 4X2 + 2X3 = 11

3(0) + 4X2 + 2(3) = 11

Sehingga, X1 = 0, X2 = 1,25, X3 = 3 dan Z = 36500(Non Integer)

3X1 + 4X2 + 2X3 < 11

3X1 + 4X2 + 2X3 = 11

3X1 + 4(0) + 2(3) = 11

Sehingga, X1 = 1,67, X2 = 0, X3 = 3 dan Z = 39030(Infeasible)

X3 > 4; X1, X2 > 0 sehingga:

3X1 + 4X2 + 2X3 < 11

3X1 + 4X2 + 2X3 = 11

3(0) + 4X2 + 2(4) = 11

Jurusan Teknik Industri 26

3X1 + 4X2 + 2X3 < 11

3X1 + 4X2 + 2X3 = 11

3X1 + 4(0) + 2(4) = 11

Sehingga, X1 = 1, X2 = 0, X3 = 4 dan Z = 41000(Infeasible)

Z = 9.000 X1 + 10.000 X2 + Z = 9.000 X1 + 10.000 X2 +

Gambar 3.2 Level 1 Batasan Pertama

Batasan kedua (2X1 + 2X2 + 2X3 < 9)

X3 < 3; X1, X2 > 0 sehingga:

Jurusan Teknik Industri 27

2X1 + 2X2 + 2X3 < 9