Bab 2 Landasan Teori Skripsi
Bab 2 Landasan Teori Skripsi
LANDASAN TEORI
a. Variabel Keputusan
b. Fungsi Tujuan
c. Kendala
b. Kesetaraan (Proportionality)
c. Penambahan (Addivity)
Sifat penambahan mengasumsikan bahwa tidak terdapat bentuk perkalian
silang pada model, baik bagi fungsi tujuan maupun kendala.
d. Pembagian (Divisibility)
Solusi dapat berupa bilangan bulat (integer) atau bilangan pecahan.
e. Ketidaknegatifan (Nonnegativity)
Nilai variabel keputusan harus lebih besar atau sama dengan nol.
f. Kepastian (Certainty)
Koefisien pada fungsi tujuan ataupun fungsi kendala merupakan suatu
nilai pasti, bukan merupakan suatu nilai dengan peluang tertentu.
Asumsi-asumsi di atas harus dipenuhi apabila ingin menyelesaikan
masalah model linear programming. Jika asumsi-asumsi tersebut tidak
dapat terpenuhi, persoalan dapt diselesaikan dengan program matematik
lain seperti; integer programming, nonlinear programming, goal
programming, atau dynamic programming.
Kendala : ∑n
j=1 aijxj(≤, ≤, =)bi
i = 1, 2, … , N
j = 1, 2, … , n
xj ≤ 0, integer
Optimalkan : Z = p
∑n j=1 cjx k=1 dkyk
j +
Kendala : aijxj +
j=1 gikyk (≤, ≤, =)bi
∑n p
∑
k=1
i = 1, 2, … , N
j = 1, 2, … , n
k = 1, 2, … , e
xj ≤ 0,
integer yk ≤
0
Kendala : ∑n
j=1 aijxj(≤, ≤, =)bi
i = 1, 2, … , N
j = 1, 2, … , n
xj = 0 atau 1
Contoh 2.1:
Masalah 1:
Maksimumkan Z = 100x1 + 90x2
Kendala 10x1 + 7x2 ≤ 70
5x1 + 10x2 ≤ 50
x1 + x2 ≤ 0
Masalah 2:
Minimumkan Z = 200x1 + 400x2
Kendala 10x1 + 25x2 ≤ 100
3x1 + 2x2 ≤ 12
x1 + x2 ≤ 0
Masalah 3:
Maksimumkan Z = 80x1 + 100x2
Kendala 4x1 + 2x2 ≤ 12
x1 + 5x2 ≤ 15
x1 + x 2 ≤ 0
Contoh 2.2:
Maksimumkan Z = 100x1 + 90x2
Kendala 10x1 + 7x2 ≤ 70
5x1 + 10x2 ≤ 50
x1, x2 Non negatif integer
Tabel baru setelah penambahan kendala Gomory disajikan pada tabel berikut:
Karena diperoleh solusi primal optimum tetapi tidak layak maka digunakan
metode dual 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 ketidaklayakan. Jika pada setiap iterasi metode dual simpleks
menunjukkan bahwa tidak ada solusi layak, berarti masalah itu tidak memiliki
solusi integer yang layak.
Contoh 2.3:
Maksimumkan Z = 7x1 + 9x2
Kendala —x1 + 3x2 ≤ 6
7x1 + x2 ≤ 35
x1, x2 Non negatif integer
Solusi kontinu optimumnya diperoleh dalam tabel berikut:
Karena solusi tidak bulat, suatu kendala Gomory ditambahkan pada tabel itu.
Kedua persamaan (x1 dan x2) pada masalah ini memiliki nilai fi yang sama,
yaitu f1 =2 f2 = 1, sehingga salah satu dapat digunakan, misalkan digunakan
persamaan
x2 + 7 S1 + 1 S2 = 7 atau
22
7 22 2
1 1
x + (0 + ) S + (0 + ) S = (3 + )
2 1 2
22 22 2
Sehingga kendala Gomory menjadi:
7 1 1
Sg1 — S1—
22 2
Solusi baru yang didapat masih belum bilangan bulat, akibatnya suatu
kendala Gomory baru ditambahkan. Dapat dilihat bahwa persamaan x1
memiliki (f1 = 47), maka x1 ditulis dalam berikut:
1 6 4
x1 + (0 + ) S2 + (0 + ) S = (4 + )
7 g1
7 7
Sehingga dihasilkan kendala Gomory kedua sebagai berikut:
1 6 4
Sg2 — S2 — Sg1 = —
7 7 7
Kemudian ditambahkan pada tabel 2.7 berikut:
Metode branch and bound adalah salah satu metode untuk mendapatkan
penyelesaian optimal program linier yang menghasilkan variable-variable
keputusan bilangan bulat. 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.
Metode branch and bound telah menjadi kode computer standar untuk
integer programming, dan penerapan-penerapan dalam praktek tampaknya
menyarankan bahwa metode ini lebih efisien dibanding dengan metode cutting
plane. Metode branch and bound dapat digunakan untuk menyelesaikan masalah
pure maupun mixed integer programming.
Berikut ini adalah langkah-langkah penyelesaian masalah maksimasi
dengan metode branch and bound:
1. Selesaikan masalah LP biasa tanpa pembatasan bilangan bulat dengan metode
simpleks biasa.
2. Teliti solusi optimalnya. Jika semua variabel basis telah bernilai bulat, maka
solusi optimum telah tercapai dan proses berakhir. Jika satu atau lebih variabel
basis belum bernilai bulat, lanjut ke tahap 3.
3. Jadikan solusi pada penyelesaian tahap 1 (relaxed solution) menjadi batas atas
dan sebagai batas bawahnya digunakan solusi yang variabel basisnya telah
dibulatkan ke bawah (rounded-down).
4. Pilih variabel yang mempunyai nilai pecahan yang terbesar untuk dijadikan
pencabangan ke dalam sub-sub masalah. Tujuannya adalah untuk
menghilangkan solusi kontinu yang tidak memenuhi persyaratan bulat dalam
masalah itu. Pencabangan dilakukan secara mutually exclusive untuk
memenuhi persyaratan bulat dengan jaminan tidak ada solusi bulat layak yang
tidak diikut sertakan.
5. Untuk setiap sub masalah, nilai solusi optimum kontinu fungsi tujuan
ditetapkan sebagai batas atas. Solusi bulat terbaik menjadi batas bawah (pada
awalnya, ini adalah solusi kontinu yang dibulatkan ke bawah). Sub – sub
masalah yang memiliki batas atas kurang dari batas bawah yang ada, 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 langkah 4.
Untuk masalah minimasi, solusi yang menjadi batas atas dibulatkan keatas, atau
dengan kata lain batas atas dan bawah pada kasus minimasi berlawanan pada
kasus maksimasi.
Untuk memperoleh gambaran yang lebih jelas tentang metode Branch dan Bound,
perhatikan contoh 2.4 berikut:
Contoh 2.4:
Maksimumkan Z = 3x1 + 5x2
Kendala 2x1 + 4x2 ≤ 25
x1 ≤ 8
2x2 ≤ 10
x1, x2 Non negatif integer
Bagian A:
Maksimumkan Z = 3x1 + 5x2
Kendala 2x1 + 45x2 ≤ 25
x1 ≤8
2x2 ≤ 10
x2 ≤ 2
x1,x2 ≤ 0
Bagian B:
Maksimumkan Z = 3x1 + 5x2
Kendala 2x1 + 4x2 ≤ 25
x1 ≤8
2x2 ≤ 10
x2 ≤ 3
x1, x2 ≤ 0
Bagian A diperoleh suatu solusi yang semuanya bulat. Pada bagian A nilai
Z yang didapat merupakan nilai batas bawah. Pada solusi bagian B membenarkan
pencarian lebih lanjut karena diperoleh nilai Z yang lebih besar. Sangat mungkin
bahwa pencarian lebih lanjut dapat menghasilkan suatu solusi yang semuanya
bulat dengan nilai Z lebih besar dari 34.
Selanjutnya bagian B dicabangkan ke dalam dua sub bagian, yaitu B1
dan B2. Pada sub bagian B1 ditambah kendala baru yaitu x2 ≤ 6, sedangkan
pada sub bagian B2 ditambah kendala x2 ≤ 7. Kedua sub-masalah tersebut
dinyatakan sebagai berikut:
Model
Awal
x1 = 8 inferior
x2 ≤ 2 x2 = 2 Z = 34
x2 ≤ 3
x1 = 8 x1 = 6
x2 = 2,25 Z = 35,25 x2 ≤ 3 x1 ≤ 6
x2 = 3,25
x2 ≤ 4
Z = 34,25
x1 = 6,5
inferior
x2 = 3
x1 ≤ 7
Z = 35,25
Tak layak