Tugas Terstruktur

Dalam Matakuliah Dosen Pembimbing

Program Linear Hayatun Nufus

METODE BRANCH AND BOUND

Di Susun Oleh:
Kelompok 2

Fitrah Abdullah Pane (11810511211)

Mifta Oktarianti (11810523274)
Rini Andani (11810523275)

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU
PEKANBARU
 KATA PENGANTAR

Alhamdulillah, puji syukur kami panjatkan kehadirat Allah Swt, yang telah
melimpahkan rahmat, hidayah dan inayah-Nya sehingga kami dapat  menyelesaikan
makalah berjudul “Metode Branch and Bound” dalam mata kuliah Bimbingan
Konseling. Dalam menyelesaikan makalah ini, kami mendapatkan begitu banyak
bimbingan dari berbagai pihak, untuk itu kami mengucapkan banyak terimakasih
kepada siapa saja yang membantu dalam menyelesaikan makalah
ini.Mudah-mudahan makalah ini dapat memberikan manfaat dalam segala bentuk
belajar mengajar.Sehingga dapat mempermudah pencapaian tujuan pendidikan
nasional. Namun, makalah ini masih ada kekurangan, oleh karena itu kami
mengharap kritik dan saran yang akan menjadikan makalah ini lebih baik.

Pekanbaru,19 April 2020

Tim Penulis

1
 DAFTAR ISI

KATA PENGANTAR i
DAFTAR ISI ii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah 1
1.2 Rumusan Masalah 1
1.3 Tujuan Penulisan 1
BAB II KAJIAN TEORI
2.1 Pengantar teori 2
2.2 Langkah-langkah 2
2.3 Contoh penerapan 6
2.4 Soal latihan 27
BAB III PENUTUP
3.1 Kesimpulan 29
3.2 Saran 29
DAFTAR PUSTAKA 30

2
 BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Salah satu pendekatan yang dapat dilakukan untuk menyelesaikan
masalah program linier adalah metode branch and bound, pengembangan dari
Program Linear di mana beberapa atau semua variabel keputusannya harus
berupa integer. 
Pemrograman bulat dibutuhkan ketika keputusan harus dilakukan dalam
bentuk bilangan bulat (bukan pecahan yang sering terjadi bila kita gunakan
metode simpleks). Model matematis dari pemrograman bulat sebenarnya sama
dengan model linear programming, dengan tambahan batasan bahwa
variabelnya harus bilangan bulat.
Untuk lebih jelasnya, dalam makalah ini penulis akan membahas metode
branch and bound.
1.2 Rumusan Masalah

1.         Apa pengertian Metode Branch and Bound?

2.         Bagaimana langkah-langkah dari metode Branch and Bound?
3.         Bagaimana penetapan batas dari metode Branch and Bound?
4.         Bagaimana penghentian pencabangan dari metode Branch and Bound?
1.3 Tujuan Penulisan

Berdasarkan rumusan masalah di atas maka tujuan dalam penulisan

makalah ini sebagai berikut:
1.      Untuk mengetahui apa itu Metode Branch and Bound
2.      Untuk mengetahui apa langkah-langkah dari metode Branch and Bound
3.      Untuk mengetahui penetapan batas dari metode Branch and Bound
4.      Untuk mengetahui penghentian pencabangan dari metode Branch and
Bound

1
 BAB II
KAJIAN TEORI

2.1 Pengantar teori

Teknik Branch and Bound merupakan teknik solusi untuk persoalan

program linear yang mengharuskan variabeknya berupa bilangan bulat.
Prinsip yang mendasari teknik ini adalah bahwa total set solusi yang fisibel
dapat dibagi menjadi subset-subset solusi yang lebih kecil. Subset-subset ini
selanjutnya dapat dievaluasi secara sistematis sampai solusi yang terbaik di
temukan. Teknik Branch and Bound pada persoalan program linear digunakan
bersama-sama dengan metode simpleks.

Teknik ini menggunakan suatu diagram yang terdiri dari node dan cabang
(branch) sebagai suatu kerangka dalam proses pemerolehan solusi optimal.
Masing-masing node memuat solusi program linear relaksasi (program linear
yang mengabaikan batas-batas bilangan bulat) sesuai dengan fungsi tujuan dan
batasannya. Node prtama akan memuat solusi program linear relaksasi dan
persoalan yang diberikan. Node kedua, ketiga, keempat dan seterusnya
memuat solusi program linier relaksasi dari persoalan yang diberikan
ditambah dengan batasan yang terdapat pada masing-masing cabangnya.1

2.2 Langkah-langkah

Berikut ini adalah langkah-langkah penyelesaian suatu masalah

maksimisasi dengan metode branch and bound :

1. Selesaikan masalah program linier dengan metode simpleks selesaikan

masalah tanpa pembatasan bilangan integer.

1
Hayatun Nufus, Erdawati Nurdin, Program Linear. (Pekanbaru: Cahaya Firdaus, 2016), hal.46

2
 2. Teliti solusi optimalnya, jika variabel keputusan yang diharapkan adalah
bilangan integer, solusi optimum integer telah tercapai. Jika satu atau
lebih variabel keputusan yang diharapkan ternyata bukan bilangan
integer, lanjutkan ke langkah 3.

3. Jadikan solusi pada penyelesaian langkah 1 menjadi batas atas dan untuk
batas bawahnya merupakan solusi yang variabel keputusannya telah
diintegerkan (rounded – down).2

4. Pilih variabel yang mempunyai nilai pecahan terbesar (artinya bilangan

desimal terbesar dari masing-masing vaariabel untuk dijadikan
pencabangan ke dalam sub-sub masalah. Tujuannya adalah untuk
menghilangkan solusi yang tidak memenuhi persyaratan integer dalam
masalah itu. Pencabangan itu dilakukan secara mutually exclusive untuk
memenuhi persyaratan integer dengan jaminan tidak ada solusi fisibel
(layak) yang diikutsertakan. Hasilnya adalah sebuah sub masalah dengan
batasan ≤ atau batasan ≥

5. Untuk setiap sub-masalah, nilai optimum fungsi tujuan ditetapkan sebagai

batas atas. Solusi optimum yang diintegerkan menjadi batas bawah
(solusi yang sebelumnya tidak integer kemudian diintegerkan). Sub-sub
masalah yang memiliki batas atas kurang dari batas bawah yang ada,
tidak diikutsertakan pada analisa selanjutnya. Suatu solusi integer fisibel
(layak) adalah sama baik atau lebih baik dari batas atas untuk setiap sub
masalah yang dicari. Jika solusi yang demikian terjadi, suatu sub masalah
dengan batas atas terbaik dipilih untuk dicabangkan. Kembali ke langkah
4.3

2
Gede Suryawan. Penerapan Branch and Bound Algorithm. Jurnal Matematika
3
Arum pratiwi. Implementasi Algoritma Branch and Bound (UNNES Journal 0f Mathematics)

3
4
 Langkah-langkah pengerjaan metode Branch and Bound45

Dengan metode pembulatan langsung (round off)dan solusi optimal (x1 =

3,75 x2 = 1,5) diperoleh hasil yang paling mendekati yaitu

X1 = 4 unit

X2 = 1 unit

Pada sub bab ini akan dibahas secara rinci metode penyelesaian dengan
menggunakan branch and bound. Karena hasil yang diperoleh mengandung
variabel yang tidak bulat maka dilakukan pencabangan. Jika terdapat variabel
yang tidak bulat (misal xj*), maka dibentuk dua program bilangan bulat baru
dengan kendala xj ≤ I, atau kendala xj ≥ i2.i1 dan i2 adalah dua bilanganbulat
tak negative yang berurutan. Dari soal diatas, diperoleh hasil optimal x1 = 3,75
x2 = 1,5 dan z =40,5. Hasil yang diperoleh tidak layak karena bentuknya
pecahan sehingga tidak memenuhi persyaratan integer. Algoritma branch and
bound memodifikasi ruang pemecahan masalah LP yang akhirnya akan
memberikan solusi optimum untuk masalah ILP. Solusi optimum LP (x1= 3,75)
tidak memenuhi persyaratan integer sehingga titik ini tidak layak dan dilakukan
modifikasi dengan mencari titik lain yang integer pada titik 3 dan 4 (3 ˂ x1 ˂ 4).
Ruang pemecahan baru membuat adanya batasan baru yaitu x1 ≤ 3 dan x1 ≥ 4.
Untuk menemukan solusi optimum dengan menggunakan algoritma branch and
bound.6

2.3 Contoh Penerapan

4
A Pasaribu, priandy Hasian, Implementasi Metode Branch and Bound dalam Mengoptimalkan
Jumlah Produk guna Memaksimalkan Keuntungan (Studi Kasus: CV. Ridho Mandiri). Skripsi Sarjana
hal. 29
5
Margiyani, Aplikasi Algoritma Branch and Bound. (Yogyakarta, Universitas Islam Sunan Kalijaga)
6
Ilyas Masudin, Linear Programming dengan R : (Aplikasi untuk Teknik Industri). (Malang, Universitas
Muhammadiyah Malang, 2018), hal. 108

5
Persoalan:

Pemilik dari toko “Jual Beli Mesin” merencanakan untuk mengadakan

perluasan dengan membeli beberapa mesin baru, yaitu mesin pencetak dan mesin
bubut. Pemilik menganggarkan bahwa tiap mesin pencetak akan menaikkan
keuntungan Rp 100.000,00 per hari dan tiap mesin bubut akan menaikkan
keuntungan Rp 150.000,00 per hari. Banyaknya jumlah mesin yang dapat dibeli
dibatasi dengan biaya mesin dan tersedianya ruang dalam toko. Harga beli mesin dan
luas tempat yang diperlukan untuk masing-masing mesin adalah sebagai berikut :

Mesin Luas Tempat ( m² ) Harga Beli

Percetakan 15 Rp 8.000.000,00

Bubut 30 Rp 4.000.000,00

Anggaran pembelian mesin adalah sebesar Rp 40.000.000,000 sedangkan tempat

yang tersedia adalah 200 m². Pemilik ingin mengetahui berapa banyak tiap jenis
mesin yang dapat dibeli untuk memaksimumkan kenaikan keuntungan perhari.

Penyelesaian

Model matematis untuk persoalan diatas adalah :

Memaksimumkan : z = 100.000x1 + 150.000x2

Berdasarkan

8.000.000x1 + 4.000.000x2 ≤ 40.000.000

15x1 + 30x2 ≤ 200

x1 , x2 ≥ 0 ; x1 , x2 bilangan bulat

Langkah 1. Mencari solusi optimal dari program linear yang bersangkutan

6
Persoalan diatas diubah menjadi program linear relaksasi sehingga :

Maksimumkan : z = 100.000x1 + 150.000x2

Berdasarkan. :

(1) 8.000.000x1 + 4.000.000x2 ≤ 40.000.000

(2)15x1 + 30x2 ≤ 200

(3) x1 , x2 ≥ 0 ; x1 , x2 bilangan bulat

Persoalan yang telah dinyatakan dalam bentuk model matematis seperti di atas
diselesaikan dengan menggunakan metode simpleks, yaitu :

a. Mengubah fungsi tujuan dan batasan

Batasan (1) harus ditambah dengan sebuah slack variabel x3, sehingga :

8.000.000x1 + 4.000.000x2 + x3 = 40.000.000

Batasan (2) harus ditambah dengan sebuah slack variabel x4, sehingga :

15x1 + 30x + x4 = 200

Fungsi tujuan diubah menjadi :

z - 100.000x1 - 150.000x2 = 0

b. Menyusun persamaan-persamaan di dalam tabel

Fungsi tujuan dan batasan yang telah diubah disusun dalam tabel

simpleks berikut :

Tabel A. Solusi Simpleks Relaksasi pada Mode 1

7
Variabel Z X1 X2 X3 X4 NK Indeks
dasar

Z 1 -100.000 -150.000 0 0 0

X3 0 8.000.000 4.000.000 1 0 40.000.000 10

X4 0 15 30* 0 1 200 6,67

c. Memilih kolom kunci

Kolom kunci pada tabel di atas adalah kolom yang mempunyai nilai negatif
dengan angka terbesar pada baris fungsi tujuan, yaitu kolom x2 dengan nilai
-150.000

d. Menentukan nilai indeks pada tiap-tiap baris

Nilai indeks pada masing-masing baris ditentukan dengan rumus

Indeks = Nilai kolom NK : Nilai kolom kunci

Indeks baris x3 = 40.000.000 : 4.000.000 =10

Indeks baris x4 = 200 : 30 = 6,67

e. Memilih baris kunci

Karena nilai indeks positif dengan angka terkecil terdapat pada baris x4, maka
baris x4 dinyatakan sebagai baris kunci.

f. Menentukan angka kunci

Angka kunci pada tabel di atas adalah 30, karena merupakan nilai yang
termasuk kolom kunci sekaligus baris kunci.

8
g. Mengubah nilai-nilai baris kunci

Baris kunci x4 diubah dengan cara membagi angka-angkanya dengan angka

kunci yang telah ditentukan (30)

● Kolom x1 baris x4 = 15 : 30 = 0.5

● Kolom x2 baris x4 = 30 : 30 = 1

● Kolom x3 baris x4 = 0 : 30 = 0

● Kolom x4 baris x4 = 1 : 30 = 0.033

● Kolom NK baris x4 = 200 : 30 = 6.67

h. Mengubah nilai-nilai selain pada baris kunci

● Angka-angka pada kolom z tidak mengalami perubahan

● Baris fungsi tujuan z diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris kunci)

Baris pertama

-150.000 -100.000 -150.0000 0 0

koefisien 0,5 1 0 0,33 6,67 -

-25.000 0 0 49.500 1.000.500

Nilai baru. Baris kunci

● Baris fungsi x3 diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

9
 Baris lama

4.000.00 8.000.000 4.000.000 1 0 40.000.000

koefisien 0,5 1 0 0,33 6,67 -

6.000.000 0 1 -1.320.000 13.320.000

Nilai baru. Baris kunci

i. Melanjutkan perbaikan-perbaikan/perubahan-perubahan

Karena kolom kunci adalah kolom x2 dan baris kunci adalah baris x4, maka x2
masuk kedalaman variabel dasar menggantikan x4, sehingga tabel A akan
berubah menjadi :

Tabel B. Solusi Simpleks Relaksasi pada Note 1

Variabel Z X1 X2 X3 X4 NK Indeks
dasar

Z 1 -25.000 0 0 49.500 1.000.500

X3 0 6.000.000* 0 1 -1.320.000 13.320.000 2,22

X2 0 0,5 1 0 0,033 6,67 13,34

⮚ Memilih kolom kunci

10
 Kolom kunci pada tabel diatas adalah kolom yang mempunyai nilai
negatif dengan angka terbesar pada baris fungsi tujuan, yaitu kolom x1
dengan nilai -25.000.

⮚ Menentukan nilai indeks pada tiap-tiap baris

Nilai indeks pada masing-masing baris ditentukan dengan rumus

Indeks = Nilai kolom NK : Nilai kolom kunci

Indeks baris x3 = 13.320.000 : 6.000.000 =10

Indeks baris x2 = 6,67 : 0,5= 13,34 memilih baris kunci

Karena nilai indeks positif dengan angka terkecil terdapat pada baris
x3, maka baris x3 dinyatakan sebagai baris kunci.

⮚ Menentukan angka kunci

Angka kunci pada tabel di atas adalah 6.000.000, karena merupakan

nilai yang termasuk kolom kunci sekaligus baris kunci.

⮚ Mengubah nilai-nilai baris kunci

Baris kunci x3 diubah dengan cara membagi angka-angkanya dengan

angka kunci yang telah ditentukan ( 6.000.000 )

● Kolom x1 baris x3 = 6.000.000 : 6.000.000 = 1

● Kolom x2 baris x3 = 0 : 6.000.000 = 0

● Kolom x3 baris x3 = 1 : 6.000.000 = 0,00000017 = 0

● Kolom x4 baris x3 = -1.320.000: 6.000.000 = -0.22

● Kolom NK baris x3 = 13.320.000 : 6.000.000 = 2.22

11
 ⮚ Mengubah nilai-nilai selain pada baris kunci

● Angka-angka pada kolom z tidak mengalami perubahan

● Baris fungsi tujuan z diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

-25.000 0 0 49.500 1.000.500

-25.000 1 0 0 -0,22 2,22 -

0 0 0 44.000 1.056.000

● Baris x2 diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

0,5 1 0 0,033 6,67

0,5 1 0 0 -0,22 2,22 -

0 1 0 0,143 5,56

Karena kolom kunci adalah kolom x1 dan baris kunci adalah baris x3,
maka x1 masuk ke dalam variabel dasar menggantikan x3 sehingga tabel B
akan berubah menjadi :

Tabel C. Solusi optimal Simpleks Relaksasi pada Node 1

12
Variabel Z X1 X2 X3 X4 NK Indeks
dasar

Z 1 0 0 0 44.000 1.056.000

X1 0 1 0 0 -0,22 2,22

X2 0 0 1 0 0,143 5,56

Pada tabel C, seluruh elemen pada baris fungsi tujuan telah bernilai positif.
Hal ini berarti bahwa perbaikan yang dilakukan sudah merupakan hasil optimal,
sehingga tidak perlu lagi dilakukan upaya perbaikan. Nilai optimal yang dihasilkan
adalah fungsi tujuan z yang maksimum yaitu 1.056.000 dengan x1 = 2.22 dan x2 =
5.56.

Langkah 2. Menyatakan solusi persoalan program linear relaksasi sebagai batas

atas ( upper bound) dan pembulatan kebawah sebagai batas bawah ( lower
bound) pada Node 1

Dari tabel C solusi optimal simpleks relaksasi pada Node 1 diperoleh :

a. Batas atas 1.056.000 dengan x1 = 2,22 dan x2 = 5,56

b. Batas bawah 950.000 dengan x1 = 2 dan x2 = 5

Langkah 3. Memilih variabel dengan pecahan yang terbesar untuk pencabangan

( branch) dan menciptakan dua batasan baru

Pada langkah 2, diketahui bahwa x1 memiliki pecahan sebesar 0,22 dan x2

memiliki pecahan sebesar 0,56. Bagian pecahan x2 lebih besar dari x1. Oleh karena itu,
x2 akan menjadi variabel yang diberi cabang sehingga diperoleh dua batasan baru
yang dikembangkan dari x2 , yaitu : x2 ≤ 5 dan x2 ≥ 6

13
Langkah 4. Menciptakan dua Node baru, satu dengan batasan ≤ dan satu
dengan batasan ≥

Berdasarkan langkah 3, maka diperoleh dua Node baru, seperti tampak pada
gambar berikut :

BA = 1.056.000 (X 1= 2,22 , X2=5,56)

BB = 950.000 (X1=2 , X2=5)

X2 ≤ 5 X2 ≥ 6

Langkah 5. Menyelesaikan model program linear relaksasi dengan batasan baru

yang ditambahkan pada tiap Node

NODE 2

Memaksimumkan : z = 100.000x1 + 150.000x2

Berdasarkan. :

(1) 8.000.000x1 + 4.000.000x2 ≤ 40.000.000

(2) 15x1 + 30x2 ≤ 200

(3) x2 ≤ 5

(4) x1 , x2 ≥ 0

14
 Persoalan yang telah dinyatakan dalam bentuk model matematis seperti di atas
diselesaikan dengan menggunakan metode simpleks, yaitu

a. Mengubah fungsi tujuan dan batasan

Batasan (1) harus ditambah dengan sebuah slack variabel x3, sehingga :

8.000.000x1 + 4.000.000x2 + x3 = 40.000.000

Batasan (2) harus ditambah dengan sebuah slack variabel x4, sehingga :

15x1 + 30x2 + x4 = 200

Batasan (3) harus ditambah dengan sebuah slack variabel x5

x2 + x5 = 5

Fungsi tujuan diubah menjadi :

z - 100.000x1 - 150.000x2 = 0

b. Menyusun persamaan-persamaan di dalam tabel

Fungsi tujuan dan batasan yang telah diubah disusun dalam tabel simpleks berikut :

15
 Tabel A. Solusi Simpleks relaksasi pada Node 2

Variabel Z X1 X2 X3 X4 X5 NK Indeks
dasar

Z 1 -100.000 -150.000 0 0 0 0

X3 0 8.000.000 4.000.000 1 0 0 40.000.000 10

X4 0 15 30 0 1 0 200 6,67

X5 0 0 1* 0 0,033 1 5 5

c. Memilih kolom kunci

Kolom kunci pada tabel di atas adalah kolom yang mempunyai nilai negatif dengan
angka terbesar pada baris fungsi tujuan, yaitu kolom x2 dengan nilai -150.000.

d. Menentukan nilai indeks pada tiap-tiap baris

Nilai indeks pada masing-masing baris ditentukan dengan rumus

Indeks = Nilai kolom NK : Nilai kolom kunci

Indeks baris x3 = 40.000.000 : 4.000.000 =10

Indeks baris x4 = 200 : 30 = 6,67

Indeks baris x5 = 5: 1= 5

e. Memilih baris kunci

Karena nilai indeks positif dengan angka terkecil terdapat pada baris x5, maka
baris x5 dinyatakan sebagai baris kunci.

16
f. Menentukan angka kunci

Angka kunci pada tabel di atas adalah 1, karena merupakan nilai yang
termasuk kolom kunci sekaligus baris kunci.

g. Mengubah nilai-nilai baris kunci

Baris kunci x4 diubah dengan cara membagi angka-angkanya dengan angka

kunci yang telah ditentukan (1)

● Kolom x1 baris x5 = 0 : 1 = 0.5

● Kolom x2 baris x5 = 1 : 1 = 1

● Kolom x3 baris x5 = 0 : 1 = 0

● Kolom x4 baris x5 = 0 : 1 = 0

● Kolom NK baris x5 = 5 : 1 = 5

h. Mengubah nilai-nilai selain pada baris kunci

● Angka-angka pada kolom z tidak mengalami perubahan

● Baris fungsi tujuan z diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

-100.000 -150.000 0 0 0 0

-150.000 0 1 0 0 1 5 -

-100.000 0 0 0 150.000 750.000

● Baris x3 diubah dengan rumus :

17
 Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

8.000.000 4.000.000 1 0 0 40.000.000

4.000.000 0 1 0 0 1 5 -

8.000.000 0 1 0 -400000 20.000.000

● Baris x4 diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

15 30 0 1 0 200

30 0 1 0 0 1 5 -

15 0 0 1 -30 50

i. Melanjutkan perbaikan-perbaikan/perubahan-perubahan

Karena kolom kunci adalah kolom x2 dan baris kunci adalah baris x5, maka x2
masuk kedalaman variabel dasar menggantikan x5, sehingga tabel A akan berubah
menjadi :

Tabel B. Solusi Simpleks relaksasi pada Node 2

18
Variabel Z X1 X2 X3 X4 X5 NK Indeks
dasar

Z 1 -100.000 0 0 0 150.00 750.000

X3 0 8.000.000* 0 1 0 -4.000.000 20.000.000 2,5

X4 0 15 0 0 1 -30 50 63,33

X2 0 0 1 0 0 1 5 ∞

⮚ Memilih kolom kunci

Kolom kunci pada tabel diatas adalah kolom yang mempunyai nilai
negatif dengan angka terbesar pada baris fungsi tujuan, yaitu kolom x1 dengan
nilai -100.000.

⮚ Menentukan nilai indeks pada tiap-tiap baris

Nilai indeks pada masing-masing baris ditentukan dengan rumus

Indeks = Nilai kolom NK : nilai kolom kunci

Indeks baris x3 = 20.000.000 : 8.000.000 =2,5

Indeks baris x4= 50 : 15= 3,33

Indeks baris x2 = 5 : 0 = ∞

⮚ Memilih baris kunci

Karena nilai indeks positif dengan angka terkecil terdapat pada baris x3,
maka baris x3 dinyatakan sebagai baris kunci.

19
 ⮚ Menentukan angka kunci

Angka kunci pada tabel di atas adalah 8.000.000, karena merupakan nilai
yang termasuk kolom kunci sekaligus baris kunci.

⮚ Mengubah nilai-nilai baris kunci

Baris kunci x3 diubah dengan cara membagi angka-angkanya dengan angka

kunci yang telah ditentukan ( 8.000.000 )

● Kolom x1 baris x3 = 8.000.000 : 8.000.000 = 1

● Kolom x2 baris x3 = 0 : 8.000.000 = 0

● Kolom x3 baris x3 = 1 : 8.000.000 = 0,0000001 = 0

● Kolom x4 baris x3 = 0: 8.000.000 = 0

● Kolom x5 baris x3 = -4.000.000 : 8.000.000 = -0,5

● Kolom NK baris x3 = 20.000.000 : 8.000.000 = 2.5

⮚ Mengubah nilai-nilai selain pada baris kunci

● Angka-angka pada kolom z tidak mengalami perubahan

● Baris fungsi tujuan z diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

-100.000 0 0 0 150.000 750.000

100.000 1 0 0 0 -0,5 2,5 -

0 0 0 0 100.000 1.000.000

20
 ● Baris x4 diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

15 0 0 1 -30 50

15 1 0 0 0 -0,5 2,5 -

0 0 0 1 -22,5 12,5

● Baris x2 diubah dengan rumus :

Baris baru = baris lama – ( koefisien pada kolom kunci x nilai baru baris
kunci)

0 1 0 0 1 5

0 1 0 0 0 -0,5 2,5 -

0 1 0 0 1 5

Karena kolom kunci adalah kolom x1 dan baris kunci adalah baris x3, maka
x1 masuk ke dalam variabel dasar menggantikan x3 sehingga tabel B akan
berubah menjadi :

Tabel C. Solusi optimal simpleks relaksasi pada Node 2

21
Variabel Z X1 X2 X3 X4 X5 NK Indeks
dasar

Z 1 0 0 0 0 100.000 1.000.000

X1 0 1 0 0 0 -0.5 2,5

X4 0 0 0 0 1 -22,5 12,5

X2 0 0 1 0 0 1 5

Pada tabel C, seluruh elemen pada baris fungsi tujuan tidak ada lagi yang bernilai
negatif. Hal ini berarti bahwa perbaikan yang dilakukan sudah merupakan hasil
optimal, sehingga tidak perlu lagi dilakukan upaya perbaikan. Nilai optimal yang
dihasilkan adalah fungsi tujuan z yang maksimum yaitu 1.000.000 dengan x1 = 2,2
dan x2 = 5.

Dari tabel C solusi optimal simpleks relaksasi pada Node 2 diperoleh :

Batas atas 1.000.000 dengan x1 = 2,5 dan x2 = 5

Batas bawah 950.000 dengan x1 = 2 dan x2 = 5

NODE 3

Memaksimumkan : z = 100.000x1 + 150.000x2

Berdasarkan. :

(1) 8.000.000x1 + 4.000.000x2 ≤ 40.000.000

(2) 15x1 + 30x2 ≤ 200

(3) x2 ≥ 6

22
 (4) x1 , x2 ≥ 0

Persoalan yang telah dinyatakan dalam bentuk model matematis seperti di atas
diselesaikan dengan menggunakan metode simpleks sebagaimana pada langkah
penyelesaian untuk Node 2, sehingga diperoleh solusi optimal relaksasi pada Node 3,
seperti tampak pada tabel berikut :

Tabel. Solusi optimal simpleks relaksasi pada Node 3

Variabel Z X1 X2 X3 X4 X5 X6 NK Indeks
dasar

Z 1 0 0 0 6.600 50.000 M-50.000 1.340.000

X3 0 0 0 1 -528.00 -12.000.00 12.000.000 5.280.000

0 0
X1 0 1 0 0 -2 1,34
0,066 2
X2 0 0 0 0 1 6
0 -1

Pada tabel diatas, seluruh elemen pada baris fungsi tujuan tidak ada lagi yang
bernilai negatif . Hal ini berarti bahwa perbaikan yang dilakukan sudah merupakan
hasil optimal, sehingga tidak perlu lagi dilakukan upaya perbaikan. Nilai optimal
yang dihasilkan adalah fungsi tujuan z yang maksimum yaitu 1.034.000 dengan x1 =
1,34 dan x2 = 6

Dari tabel diatas solusi optimal simpleks relaksasi pada Node 3 diperoleh :

a. Batas atas 1.034.000 dengan x1 = 1,34 dan x2 = 6

b. Batas bawah 1.000.000 dengan x1 = 1 dan x2 = 6

23
 Mengingat bahwa belum diperoleh suatu solusi bilangan bulat yang layak dan
optimal, maka harus dibuat cabang dari salah satu antara Node 2 atau Node 3.
Dengan memperhatikan tabel C solusi optimal simpleks relaksasi pada Node 2
terlihat bahwa jika membuat cabang dari Node 2, maka nilai maksimum yang
mungkin dapat dicapai adalah 1.000.000 ( batas atas). Namun, jika membuat cabang
dari Node 3 ,nilai maksimum yang mungkin dicapai adalah 1.034.000 ( batas atas ).
Oleh karena itu, kita akan membuat cabang dari Node 3.

Pertama, dipilih variabel yang memiliki bagian pecahan terbesar. Karena x2

memiliki nilai berupa bilangan bulat, maka x1 dengan bagian pecahan sebesar 0.34
adalah satu-satunya variabel yang dipilih. Jadi, dua batasan baru dikembangkan dari
x1, yaitu x1 ≤ 1 dan x2 ≥ 2. Sehingga diperoleh dua Node baru yang merupakan cabang
dari Node 3.

Jika langkah pengerjaan diteruskan hingga hasil yang paling optimal dan
berupa bilangan bulat, maka diperoleh :

BA = 1.056.000 (x 1 = 22,2, x2 = 5,56)

24
 BB = 950.000 (x1 = 2, x2 = 5)

BA = 1.000.000 (x 1 = 2,5, x2 = 5) x2 ≤ 5 BA = 1.034.000 (x 1 = 1,34, x2 = 6)

BB = 950.000 (x1 = 2, x2 = 5) x2 ≥ 6 BB = 1.000.000 (x1 = 1, x2 =

6)

x1 ≤ 1 x1 ≥ 2

BA = 1.025.500 (x 1 = 1, x2 = 6,17)

BB = 1.000.000 (x1 = 1, x2 = 6)

x2 ≤ 6 x2 ≥ 7

BA = 1.000.000 (x 1 = 1, x2 = 6)

BB = 1.000.000 (x1 = 1, x2 = 6)

Gambar di atas menunjukkan bahwa solusi bilangan bulat optimal telah tercapai pada
node 6, yaitu z = 1.000.000 untuk x1 = 1 dan x2 = 6. Suatu perbandingan antara
solusi-solusi pada node 2,5,6, dan 7 memperlihatkan bahwa tidak memungkinkan
memperoleh solusi yang lebih baik. Batas atas pada node 2 adalah 1.000.000, sama
dengan yg diperoleh pada Node 6. Sedangkan solusi pada node 5 dan 7 tidak layak.

25
Langkah 6. Solusi simpleks relaksasi adalah merupakan batas atas pada tiap
Node, dan solusi bilangan bulat maksimum yang ada ( pada Node mana saja)
adalah merupakan batas bawah.

Berdasarkan uraian pada langkah 5, maka diperoleh :

Batas atas 1.056.000 dengan x1 = 2,22 dan x2 = 5,56

Batas bawah 1.000.000 dengan x1 = 1 dan x2 = 6

Langkah 7. Jika proses ini menghasilkan solusi bilangan bulat fisibel dengan
nilai batas atas pada akhir Node mana saja, maka solusi bilangan bulat optimal
telah tercapai. Jika tidak muncul solusi bilangan bulat fisibel, lakukan
pencabangan dari Node dengan batas atas terbesar

Berdasarkan langkah 1 sampai dengan 6, telah diperoleh solusi bilangan bulat

optimal, yaitu z = 1.000.000 dengan x1 = 1 dan x2 = 6. Oleh karena itu, tidak perlu lagi
dilakukan pencabangan. Jadi, solusi optimal dari persoalan program linear untuk toko
jual beli mesin adalah membeli 1 unit mesin cetak dan 6 unit mesin bubut, sehingga
akan diperoleh keuntungan maksimum sebesar Rp 1.000.000,00 setiap harinya. 7

2.4 Soal latihan:

7
Hayatun Nufus, ibid.

26
1. Misalkan sebuah perusahaan PT. Lightning merakit 3 jenis senter. Senter
jenis A, senter jenis B, dan senter jenis C. senter jenis A dirakit dengan
membutuhkan waktu 3 menit, jenis B selama 8 menit dan jenis C selama 5
menit. Waktu pengerjaan yang tersedia tiap minggunya selama 1500 menit.
Senter jenis A membutuhkan besi seberat 9 gram, senter jenis B
membutuhkan besi seberat 6 gram, dan senter jenis C membutuhkan besi
seberat 7 gram. Jumlah besi yang dapat disediakan oleh perusahaan hanya
2000 gram tiap minggunya. Untuk senter jenis A membutuhkan aluminium
seberat 5 gram, senter B membutuhkan aluminium seberat 3 gram, dan senter
C seberat 8 gram. Jumlah aluminium yang dapat disediakan oleh perusahaan
tiap minggunya mencapai 1800 gram. Jika keuntungan bersih yang diperoleh
dari hasil penjualan senter A, senter B, senter C berturut-turut adalah sebesar
Rp9000, Rp 7000, Rp 8000. Berapa kombinasi dari ketiga senter ini yang
harus diproduksi sehingga keuntungan dapat maksimum?
Jawaban akhir: Jadi perusahaan harus memproduksi senter A sebanyak 47,
senter B sebanyak 62 dan senter C sebanyak 172 agar menghasilkan
keuntungan optimum 2.233.000.
2. Sebuah perusahaan mie kering memproduksi 2 jenis produk, yaitu jenis A
dan jenis B. Masing-masing jenis produk melalui tahapan proses yaitu
pembuatan adonan dan pengeringan. Waktu yang diperlukan untuk
pembuatan adonan mie jenis A adalah 6 jam, sedangkan untuk mie jenis B
adalah 5 jam. Sedangkan waktu yang diperlukan untuk pengeringan mie jenis
A adalah 2 jam, dan untuk mie jenis B adalah 3 jam. Perusahaan tersebut
hanya mempunyai waktu untuk pembuatan adonan selama 30 jam dan waktu
pengeringan 12 jam per minggu. Mie jenis A menghasilkan keuntungan
Rp8.000,00 per kg sedangkan mie jenis B menghasilkan keuntungan
Rp7.000,00 per kg. Berapakah keuntungan maksimal dari memproduksi mie
kering tersebut?

27
Jawaban akhir: Jadi, keuntungan maksimal dari memproduksi mie kering
adalah 40,5 dan 40.

BAB III

28
 PENUTUP

3.1 Kesimpulan

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 langkah 3.

3.2 Saran

Adapun saran yang penulis dapat kemukakan adalah apabila pemateri

mempresentasikan hasil makalahnya sebaiknya peserta diskusi memperhatikan
dengan baik sehingga penjelasannya itu tidak diulang-ulang guna mengefesienkan
waktu.

DAFTAR PUSTAKA

29
A Pasaribu, priandy Hasian, Implementasi Metode Branch and Bound dalam
Mengoptimalkan

Arum pratiwi. Implementasi Algoritma Branch and Bound (UNNES Journal 0f

Mathematics)

Gede Suryawan. Penerapan Branch and Bound Algorithm. Jurnal Matematika

Hayatun Nufus, Erdawati. 2016. Program Linear. Pekanbaru: Cahaya Firdaus

Ilyas Masudin, Linear Programming dengan R : (Aplikasi untuk Teknik Industri).

(Malang, Universitas Muhammadiyah Malang, 2018)

Jumlah Produk guna Memaksimalkan Keuntungan (Studi Kasus: CV. Ridho

Mandiri).
Margiyani, Aplikasi Algoritma Branch and Bound. Yogyakarta: Universitas Islam
Sunan Kalijaga

30