MAKALAH

METODE CUTTING PLANE

PADA PROGRAM LINEAR BILANGAN BULAT

Disusun untuk Memenuhi Salah Satu Tugas Mata Kuliah Program Linear

Dosen: Darta,S.Pd., M.Pd.

Thesa Kandaga, S.Si., M.Pd.

KELOMPOK 3 :

Wulandini Ekaputri 195050001

Gita Ananda Putri 195050006

Reni Anggraeni 195050008

Ananda Karina Muslimah 195050011

Azkia Trisucimartidiana 195050013

Muhammad Habil Dwi Nugraha 195050014

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS PASUNDAN

2022
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT. Atas berkat rahmat dan
hidayah-NYA, penulis dapat menyelesaikan makalah ini sesuai dengan waktu yang
telah ditentukan. Shalawat dan salam semoga tetap tercurahkan penuh kepada
baginda Rasulullah SAW. Makalah ini disusun untuk memenuhi tugas Program
Linear dengan pembahasan mengenai “Metode Cutting Plane pada Program Linear
Bilangan Bulat”. Dengan terselesaikannya makalah ini, dengan segala ketulusan
hati mengucapkan rasa terima kasih kepada semua pihak yang telah banyak
membantu dalam proses penyelesaian makalah ini. Khususnya bapak Darta, S.Pd.,
M.Pd. dan Thesa Kandaga, S.Si., M.Pd. selaku dosen mata kuliah yang telah
memberikan tugas ini kepada kami. Penulis menyadari bahwa makalah ini jauh dari
kata sempurna untuk itu segala kritik dan saran yang bersifat membangun dari
semua pihak selalu penulis harapkan.

Bandung, 15 Juni 2022

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................ i

DAFTAR ISI …………………………………………………………………… ii

BAB I PENDAHULUAN .......................................................................................1

A. Latar belakang .................................................................................................1

B. Rumusan Masalah ............................................................................................2

C. Tujuan ..............................................................................................................2

BAB II PEMBAHASAN ........................................................................................3

A. Pengertian Metode Cutting Plane..................................................................3

B. Prosedur Metode Cutting Plane ....................................................................5

C. Contoh Metode Cutting Plane .......................................................................5

BAB III PENUTUPAN ........................................................................................17

A. Kesimpulan ....................................................................................................17

B. Saran ..............................................................................................................17

DAFTAR PUSTAKA ...........................................................................................18

ii
 BAB I

PENDAHULUAN

A. Latar belakang
Program linear adalah suatu teknik perencanaan yang bersifat analitis yang
analisisnya menggunakan model matematis, dengan tujuan menemukan beberapa
kombinasi alternatif pemecahan optimum terhadap persoalan. Program linear sering
digunakan dalam menyelesaikan problem alokasi sumber daya (Parlin Sitorus,
1997). Program linear merupakan suatu model matematika untuk mendapatkan
alternatif penggunaan terbaik atas sumber-sumber yang tersedia (Aminuddin,
2005). Program linear sering digunakan dalam menyelesaikan problema-problema
alokasi sumber daya, seperti dalam bidang manufacturing, pemasaran, keuangan,
personalia, administrasi, dan lain sebagainya. Program linear atau linear
programming akan memberikan banyak sekali hasil pemecahan persoalan sebagai
alternatif pengambilan tindakan, akan tetapi hanya ada satu yang optimal
(maksimum atau minimum). 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 (bernilai
pecahan). Batasan-batasan tersebut secara efektif akan menyingkirkan beberapa
ruang penyelesaian yang tidak berisi titik bilangan bulat yang layak, tetapi tidak
pernah menyingkirkan satupun titik bilangan bulat yang layak. Metode cutting
plane digunakan untuk permasalahan yang variabel keputusannya harus bulat.
Program linier tidak efektif untuk menyelesaikan permasalahan tersebut sehingga
dikembangkan metode cutting plane yang lebih efektif dan memberikan hasil yang
lebih baik.

1
 2

B. Rumusan Masalah
Berdasarkan latar belakang tulisan tersebut, maka rumusan masalah dalam
tulisan ini adalah :
1. Apa pengertian dari metode cutting plane ?
2. Bagaimana prosedur metode cutting plane ?
3. Bagaimana contoh soal metode cutting plane pada program linear bilangan
bulat ?
C. Tujuan
Pembuatan makalah ini bertujuan untuk memenuhi salah satu tugas mata
kuliah Program Linear. Dan untuk mengetahui :
1. Pengertian dari metode cutting plane
2. Prosedur metode cutting plane
3. Contoh soal metode cutting plane pada program linear bilangan bulat
 BAB II

PEMBAHASAN

A. Pengertian Metode Cutting Plane

Dalam masalah program linier bilangan bulat, metode cutting plane adalah
salah satu dari berbagai metode optimasi yang secara iteratif memperbaiki set yang
layak atau fungsi objektif dengan cara ketidaksetaraan linier, yang disebut
pemotongan. Prosedur semacam itu biasanya digunakan untuk menemukan solusi
bilangan bulat untuk masalah mixed integer linier programing (MILP), serta untuk
menyelesaikan masalah optimisasi cenderung umum yang tidak dapat dibedakan.
Penggunaan cutting plane untuk memecahkan MILP diperkenalkan oleh Ralph E.
Gomory sehingga sering juga disebut sebagai Gomory cut.
Metode cutting plane untuk pekerjaan MILP dengan menyelesaikan program
linier non-integer, relaksasi linier dari program bilangan bulat yang diberikan. Teori
linier programing menyatakan bahwa dengan asumsi sederhana (jika program linier
memiliki solusi optimal dan jika daerah yang layak tidak mengandung garis), kita
selalu dapat menemukan titik ekstrem atau titik sudut yang optimal. Optimal yang
diperoleh diuji sebagai solusi integer. Jika tidak, ada jaminan ada ketimpangan
linier yang memisahkan optimal dari cembung cangkang dari set yang layak benar.
Menemukan ketidaksetaraan seperti itu adalah masalah perpisahan, dan
ketidaksetaraan seperti itu merupakan jalan pintas. Potongan dapat ditambahkan ke
program linier santai. Kemudian, solusi non-integer saat ini tidak layak untuk
relaksasi. Proses ini diulangi hingga ditemukan solusi integer optimal.
Metode cutting plane untuk optimasi dan varian kontinu cembung umum
dikenal dengan berbagai nama; metode Kelley, metode Kelley-Cheney-Goldstein,
dan metode bundel. Mereka popular digunakan untuk minimisasi cembung non-
dibedakan, di mana fungsi tujuan cembung dan subgradiennya dapat dievaluasi
secara efisien tetapi metode gradien biasa untuk optimasi terdiferensiasi tidak dapat
digunakan. Situasi ini paling khas untuk maksimalisasi cekung fungsi ganda
Lagrangian. Situasi umum lainnya adalah penerapan dekomposisi Dantzig-Wolfe
ke masalah optimisasi terstruktur, di mana formulasi dengan jumlah variabel

3
 4

eksponensial diperoleh. Menghasilkan variabel-variabel ini berdasarkan

permintaan melalui pembuatan kolom tertunda identik dengan melakukan
pemotongan bidang pada masing-masing masalah ganda.
Cutting plane diusulkan oleh Ralph Gomory pada tahun 1950-an sebagai
metode untuk memecahkan pemrograman integer dan masalah pemrograman
mixed-integer. Namun sebagian besar ahli, termasuk Gomory sendiri, menganggap
mereka tidak praktis karena ketidakstabilan angka, serta tidak efektif karena banyak
putaran pemotongan diperlukan untuk membuat kemajuan menuju solusi. Berbagai
hal berbalik ketika pada pertengahan 1990-an, Gérald Cornuéjols dan rekan kerja
menunjukkan mereka sangat efektif dalam kombinasi dengan cabang-dan-terikat
(disebut branch-and-cut) dan cara-cara untuk mengatasi ketidakstabilan angka.
Saat ini, semua pemecah MILP komersial menggunakan pemotongan Gomory
dengan satu atau lain cara. Potongan Gomory sangat efisien dihasilkan dari tablo
simpleks, sedangkan banyak jenis potongan lainnya mahal atau bahkan NP-sulit
untuk dipisahkan. Diantara pemotongan umum lainnya untuk MILP, yang paling
menonjol adalah proyek angkat dan mendominasi pemotongan Gomory.
Metode hasil dengan terlebih dahulu menjatuhkan persyaratan bahwa xi
menjadi bilangan bulat dan memecahkan masalah pemrograman linier terkait untuk
mendapatkan solusi layak dasar. Secara geometris, solusi ini akan menjadi simpul
dari cembung polytope yang terdiri dari semua titik yang layak. Jika titik ini bukan
titik integer, maka metode menemukan hyperplane di satu sisi dan semua titik
integer yang layak di sisi lain. Ini kemudian ditambahkan sebagai kendala linier
tambahan untuk mengecualiakn vertex yang ditemukan, membuat program linier
yang dimodifikasi. Pogram baru ini kemudian dipecahkan, dan prosesnya diulang
sampai solusi integer ditemukan dengan menggunakan metode simpleks untuk
menyelesaikan program linier, untuk menghasilkan solusi optimum yang berupa
bilangan bulat.
 5

B. Prosedur Metode Cutting Plane

Dalam menyelesaikan masalah program liner bilangan bulat, hampir sama
dengan menyelesaikan masalah program liner menggunakan metode simpleks.
Pada prosesnya metode simpleks tetap dieunakan dengan adanya prosedur
tambahan, yaitu memotong bilangan pecahan yang muncul.

a. Selesaikan masalah program linier menggunakan metode simpleks.

b. Apabila solusi yang dihasilkan merupakan bilangan bulat, maka masalah
selesai dengan solusi tersebut merupakan solusi bilangan bulat optimum.
Namun, apabila solusi variabel (x,,yang dihasilkan bukan merupakan
bilangan bulat, maka bilangan tersebut dibuat menjadi pecahan campuran
untuk kemudian memotong bagian pecahannya dan menjadikannya sebagai
kendala dalam tabel simpleks.
c. Menyelesaikan kembali tabel simpleks yang telah ditambahkan
pertidaksamaan Gomory tersebut dengan metode simpleks. Periksa kembali
solusi dari metode simpleks tersebut, dan ulangi Langkah kedua dan
seterusnya hingga didapatkan solusi metode simpleks tersebut bilangan
bulat.

C. Contoh Metode Cutting Plane

1. Contoh 1
Sebuah toko mebel membuat beberapa jenis barang, yang paling
terkenal dari toko tersebut adalah sofa dan lemari. Masing-masing kursi dan lemari
membutuhkan dua tahapan produksi, yaitu perakitan dan finishing/cat. Waktu
perakitan satu set sofa adalah 2 jam dan perakitan 1 set lemari adalah 3 jam.
Sedangkan, waktu finishing satu set sofa adalah 6 jam dan untuk satu set lemar
adalah 5 jam. Dikarenakan perbedaan keahlian, keterbatasan bahan, biaya, dan
keberadaan pekerja, toko tersebut hanya membayar pekerja khusus perakitan untuk
12 jam kerja per minggu dan khusus pekerja finishing 30 jam per minggu. Satu set
sofa tersebut dijual seharga 7 juta, sementara satu set lemari dijual seharga 6 juta.
Tentukan banyaknya sofa dan lemari yang seharusnya dijual agar toko tersebut
memiliki keuntungan maksimum!
 6

Penyelesaian
Maks. 𝑍 = 7𝑥1 + 6𝑥2
dp. 2𝑥1 + 3𝑥2 ≤ 12
6𝑥1 + 5𝑥2 ≤ 30

𝑥1 , 𝑥2 ≥ 0

Membuat variabel longgar pada model matematika.

𝑍 − 7𝑥1 − 6𝑥2 + 0𝑥3 + 0𝑥4
dp. 2𝑥1 + 3𝑥2 ≤ 12
6𝑥1 + 5𝑥2 ≤ 30
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥ 0
Membuat tabel simpleks awal

Dengan menilai fungsi tujuan, kita dapatkan 𝑧𝑗 − 𝑐𝑗 = [−7 − 6 0 0].

Untuk soal maksimumkan, kita akan memilih kolom 𝑥1 (yang terkecil) untuk
12 30
menjadi basis menggantikan 𝑀𝑖𝑛 { 2 } = 5 (baris 𝑅2 ),sehingga 𝑥1 menggantikan
6

𝑥4 sebagai basis.

Kemudian fungsi tujuan dinilai lagi pada iterasi berikutnya, kita dapatkan
1 7
𝑧𝑗 − 𝑐𝑗 = [0 − 6 0 6 ] sehingga kita akan memilih 𝑥2 sebagai basis yang masuk.
 7

2 5 3
Kolom 𝑥2 akan menggantikan 𝑀𝑖𝑛 {4/3 5/6} = 2 (baris 𝑅2 ), sehingga 𝑥2 akan

menggantikan 𝑥3 sebagai basis

1 29
Dengan menilai fungsi tujuan, kita mendapatkan 𝑧𝑗 − 𝑐𝑗 = [0 0 8 ]
24

tidak ada yang bernilai negatif, sehingga penyelesaian masalah program linier telah
selesai dengan solusi optimumnya adalah 𝑥1 = 3,75 dan 𝑥2 =
1,5 untuk Z maks. = 3,25. Namun, seperti telah dibahas sebelumnya bahwa solusi
harus merupakan bilangan bulat, sehingga diperlukan proses tambahan untuk
mendapatkan solusi optimum berupa bilangan bulat.
Proses ini kita sebut dengan metode cutting plane. Langkah metode cutting plane
adalah sebagai berikut.
1. Ambil baris pertama (𝑅1 ) dan buat koefisien variabelnya menjadi pecahan
campuran.
3 1
(1). 𝑥2 + ( ) . 𝑥4 = 1 +
4 2
2. Pisahkan antara bilangan bulat dengan bilangan pecahan pada persamaan
tersebut, kemudian dikalikan dengan -1 untuk menghasilkan pertidaksamaan
baru. Pertidaksamaan ini disebut dengan Batasan Gomory atau Gomory
Constraint.
3 1 1
− [( ) . 𝑥3 + ( ) . 𝑥4 ] ≤ − [ ]
4 4 2
3 1 1
⇔ (4) . 𝑥3 − (4) . 𝑥4 ≤ − 2
 8

3. Masukan Gomory constraint ke dalam table simpleks terakhir sebagai kendala

yang harus diselesaikan juga dengan proses-proses metode simpleks.

Seperti di tampilkan pada TS-3, kendala Gomory telah dimasukkan ke

dalam tabel simpleks. Namun, ini berarti 𝑥5 sebagai variabel basis dan variabel
slack memiliki nilai negatif yaitu -1/2. Hal tersebut tidak sesuai dengan ketentuan
bahwa 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ≤ 0 sehingga TS-3 harus diselesaikan dengan metode
simpleks. Untuk menyederhanakan penyelesaian, metode simpleks yang digunakan
adalah dual simpleks seperti TS-4 berikut.
Selesaikan dengan metode simpleks agar penyelesaian 𝑥5 tidak bernilai
negatif.

Dengan menggunakan metode dual simpleks, kita mendapatkan baris

1 29
− − 0
8 4
ketiga (𝑟3 ) dengan 𝑥5 akan meninggalkan basis digantikan oleh 𝑀𝑖𝑛 { 3 , 1 , 1} =
− −
4 4

1
yaitu 𝑥3 .
6
 9

Pada TS-6 kita telah mendapatkan 𝑥2 berupa bilangan bulat, yaitu 1.

Kemudian kita ulangi langkah 1 dengan membuat kendala Gomory yang kedua dari
baris kedua (𝑅2 ) pada TS-6.
1 5 1
(1). 𝑥1 + ( ) . 𝑥4 + ( ) . 𝑥5 = 4 +
6 6 6
1 5 1
⇔ − ( ) . 𝑥4 − ( ) . 𝑥5 ≤ −
6 6 6
1 5 1
⇔ − ( ) . 𝑥4 − ( ) . 𝑥5 = −
6 6 6
Jadi TS-7 dapat dibuat sebagai berikut.
 10

Karena 𝑥6 masih bernilai negatif, maka kita selesaikan tabel simpleks tersebut
dengan metode dual simpleks. Variabel 𝑥6 keluar dan digantikan dengan
7 1
− − 1
6 6
𝑀𝑖𝑛 { 1 , 5 , 0,1} = 5 yaitu 𝑥5 , sebagaimana di tampilkan dalam TS-8.
− −
6 6

Dari tabel tersebut, kita sudah mendapatkan solusi optimum dengan

mengambil kesimpulan akhir 𝑥1 = 5 𝑑𝑎𝑛 𝑥2 = 0 dengan 𝑍 = 35. Solusi ini masih
lebih baik apabila dibandingkan solusi pembulatan, yaitu 𝑥1 = 3 dan 𝑥2 =
1 dengan 𝑍 = 27.

2. Contoh 2
Tabel 1. Keuntungan dan Modal Produksi Tahu Per-Unit
No. Jenis Tahu Modal Keuntungan
1 Tahu Besar Rp 135.19 Rp 229.84
2 Tahu Kecil Rp 110.3 Rp 151.96
Sumber : Akhmad Sarifudin, dkk

Adapun data batasan dalam produksi tahu adalah sebagai berikut :

Tabel 2. Data Batasan Produksi Tahu

 11

Sehingga dapat dirumuskan model program linier sebagai berikut :

Maksimumkan Z = 229.84xi + 151.96x2

Dengan pembatas : 0.02488x1 + 0.02015x2 ≤ 9187.5

0.02045x1 + 0.01641x2 ≤ 6937.5

0.03949x1 + 0.03222x2 ≤ 222570.875

0.00005x1 + 0.00003x2 ≤ 300

135.19x1 + 110.3 x2 ≤ 77270209.31

x1 x2 ≥ 0

dengan : x1 = Jumlah tahu besar yang akan diproduksi (unit)

x2 = Jumlah tahu kecil yang akan diproduksi (unit)

Penyelesaian

Berdasarkan pada tabel 1 dan 2 akan ditentukan keuntungan maksimum. Berikut

langkah-langkah penyelesaiannya :
1. Menyelesaikan permasalahan integer linier programming dengan
menggunakan metode simpleks dan mengabaikan syarat integer.
Tabel 3. Awal Simpleks Produksi Tahu

Sehingga diperoleh tabel optimal simpleks sebagai berikut :

 12

Tabel 4. Optimal Simpleks

Berdasarkan tabel 4 baris Z sudah tidak ada yang bernilai negatif, artinya solusi
optimum menggunakan metode simpleks telah diperoleh yaitu : Z =
77971393.6 dengan x1 = 339242.1. Karena solusi yang diinginkan adalah
integer, maka dilanjutkan dengan langkah berikutnya.

2. Karena nilai variabel keputusan dengan menggunakan metode simpleks belum

integer, maka perlu ditambahkan pembatas baru atau gomory 1. Berdasarkan
tabel 4 diperoleh persamaan sebagai berikut :
0.0001852x1 + S1 - 1.216625917S2 + S3 = 747.1577017
xi + 0.802445x2 + 48.8997555S2 = 339242.1
0.0005314x2 – 1.931051345S2 + S3 = 9174.206296 (1)
-0.0000101x2 + 0.002444988S2 + S4= 283.0378973
1.8174621x2 – 6610.757946S2 + S5 = 31408076.06

Berdasarkan persamaan yang diperoleh dari persamaan 1 dapat dibuat

persamaan untuk pembatas baru atau gomory 1 sebagai berikut

Sg1 – x1 – 0.802445x2 – 0.899755s2 = -0.1

dengan :

Sg1 = Variabel slack pada kendala tambahan pertama

Setelah persamaan gamory 1 diperoleh, kemudian dimasukkan ke dalam tabel

simpleks pada baris terakhir.
 13

Tabel 5. Setelah Penambahan Gomory 1

Berdasarkan tabel 5 di atas, dapat diketahui bahwa penambahan gomory 1

menjadikan nilai ruas kanan bernilai negatif, sehingga menjadi tidak layak.
Untuk mengatasi ketidaklayakan ini, maka dilanjutkan dengan langkah
selanjutnya dengan menggunakan metode dual simpleks.

Tabel 6. Penyelesaian Dual Simpleks

Dapat dilihat dari Tabel 6 bahwa, nilai variabel x 1 masih belum integer,
karena masih ada nilai variabel keputusann yang belum integer, maka gomory
2 ditambahkan. Penambahan gamory 2 dapat dibuat dengan persamaan yang
terdapat pada Tabel 6 yaitu :

0.000230756x1 +S1 – 1.21683354S2 = 747.1576786

0.197555012x1 + 48.00000051S2 = 339241.9538

0.000662285x1 – 1.931647239S2 + S3 = 9174.447016 (2)

 14

-0.0000126143x1 – 0.002433638S2 + S4 = 283.0378986

2.264905511x1– 6609.122676S2 + S2 = 31408075.83

-1.246191328x1 + x2 + 1.121266878S2 + 1.25Sg1 = 0.124619133

Berdasarkan persamaan 2 dapat dibuat persamaan gomory 2 sebagai berikut:

Sg2 – 0.197555012x1 – 0.00000051S2 – S3 = -0.9538

dengan :

Sg2 = Variabel slack pada kendala tambahan kedua

Setelah persamaan gomory 2 diperoleh, kemudian dimasukkan ke dalam tabel

simpleks pada baris terakhir.

Tabel 7. Setelah Penambahan Gomory 2

Selanjutnya, akan diselesaikan dengan cara yang sama dengan penambahan

variabel gomory 1 di atas. Proses penambahan variabel gomory akan berhenti
setelah diperoleh nilai integer. Berdasarkan perhitungan dengan metode
simpleks, diperoleh semua nilai pada baris Z sudah bernilai positif dan nol.
Semua nilai kanan pada Batasan kendala sudah bernilai positif dan semua
nilai variabel keputusan sudah integer, artinya dengan menggunakan metode
cutting plane solusi optimum integer telah diperoleh. Solusi umum integer
diperoleh dengan nilai Z maksimum yaitu Z = 77971299.6 dengan x1 =
339239 dan x2 = 4.
 15

3. Contoh 3

Maks. Z = 8𝑥1 + 5𝑥2

dp. 𝑥1 + 𝑥2 ≤

9𝑥1 + 5𝑥2 ≤ 45

𝑥1 , 𝑥2 ≥ 0

Penyelesaian

Membuat variable longgar pada model matematika.

Z - 8𝑥1 - 5𝑥2 + 0𝑥3 + 0𝑥4 = 0

dp. 𝑥1 + 𝑥2 + 𝑥3 = 6

9𝑥1 + 5𝑥2 + 𝑥4 = 45

𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥ 0

Membuat tabel simpleks awal.

TS-A
 16

Dengan menilai fungsi tujuan, kita dapatkan 𝑧𝑗 - 𝑐𝑗 = [ -8 -5 0 0 ].

Untuk soal maksimumkan, kita akan memilih kolom 𝑥1 (yang terkecil) untuk
6 45
menjadi basis menggantikan Min { 1 , } = 5 (Baris 𝑅2 ) , sehingga 𝑥1
9

menggantikan 𝑥4 sebagai basis.

TS-1

Dari tabel tersebut, kita sudah mendapatkan solusi optimum karena 𝑧𝑗 - 𝑐𝑗 ≥ 0

dengan mengambil kesimpulan akhir 𝑥1 = 5 dan 𝑥2 =0 dengan Z = 45.
 BAB III

PENUTUPAN

A. Kesimpulan
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 (bernilai pecahan). Batasan-
batasan tersebut secara efektif akan menyingkirkan beberapa ruang penyelesaian
yang tidak berisi titik bilangan bulat yang layak, tetapi tidak pernah menyingkirkan
satupun titik bilangan bulat yang layak. Dalam masalah program linier bilangan
bulat, metode cutting plane adalah salah satu dari berbagai metode optimasi yang
secara iteratif memperbaiki set yang layak atau fungsi objektif dengan cara
ketidaksetaraan linier, yang disebut pemotongan.

B. Saran

Berdasarkan uraian di atas, penulis menyarankan penggunaan metode lain

selain cutting plane misalnya adalah metode branch and bound. Selain itu
penggunaan produk lebih banyak akan lebih baik juga

17
 DAFTAR PUSTAKA

Basriati, Sri. 2018. Integer Linear Programming dengan Pendekatan Metode

Cutting Plane. Sains Matematika dan Statistika, 4(2), 98-102.

Darta & Kandaga, T. 2018. Program Linear dan Aplikasinya, Bandung: PT

Refika.Aditama.

18