Nama : Ain Siska

Nim : F1A122035

Tugas : Program Linear

Tugas menjawab semua pertanyaan presentasi dari semua kelompok :

KELOMPOK 1

1. ( Wa Ode cindy astobi: kelompok 2) Langkah seperti apa yg harus dilakukan agar metode matematika
dapat diterapkan dan diminati dengan baik dalam metode pembelajaran?

Jawab :

Metode matematika dapat diterapkan dan diminati dengan baik dalam metode pembelajaran dengan
memilih metode yang tepat dan bervariasi. Beberapa metode yang dapat dipilih oleh guru matematika
adalah metode ceramah, ekspositori, demonstrasi, tanya jawab, penugasan, eksperimen, drill dan
latihan, serta permainan matematika. Selain itu, guru juga dapat mengubah mindset siswa bahwa
matematika bukanlah pelajaran yang sulit dan menakutkan, melainkan pelajaran yang menarik dan
menyenangkan. Guru juga dapat memberikan kesempatan pada siswa untuk memilih cara belajar yang
mereka sukai, seperti dengan memberikan soal latihan atau dengan mengajak siswa berdiskusi tentang
matematika. Dengan memilih metode yang tepat dan bervariasi, serta mengubah mindset siswa,
diharapkan metode matematika dapat diterapkan dan diminati dengan baik dalam metode
pembelajaran.

2. (Ain siska: kelompok 3) Apa yang membedakan fungsi sasaran dan fungsi kendala dalam ruang lingkup
program linear serta berikan contohnya!

Jawab:

Program linear terdiri dari dua bagian yaitu fungsi sasaran (atau fungsi objektif) dan fungsi kendala.
Fungsi sasaran adalah fungsi matematika yang harus dioptimalkan, baik dengan memaksimalkan atau
meminimalkan nilai fungsi tersebut. Sedangkan fungsi kendala adalah batasan-batasan yang harus
dipenuhi oleh variabel dalam fungsi sasaran. Bentuk umum dari fungsi kendala adalah sebagai berikut:
ax + by ≤ m atau ax + by ≥ m, cx + dy ≤ n atau cx + dy ≥ n, x ≥ 0 ; y ≥ 0 atau x ≥ 0 ; y ≥ 0.

Sebagai contoh, misalkan ada sebuah perusahaan yang ingin memproduksi dua jenis produk, yaitu A dan
B. Biaya produksi per unit produk A adalah 100 ribu rupiah dan biaya produksi per unit produk B adalah
150 ribu rupiah. Perusahaan memiliki modal sebesar 1 miliar rupiah untuk memproduksi kedua produk
tersebut. Selain itu, perusahaan hanya dapat memproduksi maksimal 8.000 unit produk A dan 6.000 unit
produk B. Tujuan perusahaan adalah untuk memaksimalkan keuntungan dari penjualan kedua produk
tersebut. Dalam hal ini, fungsi sasaran adalah keuntungan yang didapat dari penjualan produk A dan B,
sedangkan fungsi kendala adalah batasan-batasan yang harus dipenuhi, yaitu biaya produksi dan
ketersediaan modal dan bahan baku. Dengan menggunakan program linear, perusahaan dapat
menentukan jumlah produksi optimal untuk kedua produk tersebut sehingga keuntungan yang didapat
maksimal.

3. (Riska: kelompok 4) Apakah dampak positif dan negatif yang ditimbulkan ketika kita
mengimplementasikan model matematika dalam kehidupan sehari-hari!

Jawab:

Dampak positif dari penggunaan model matematika dalam kehidupan sehari-hari antara lain:

a. Memungkinkan kita untuk memahami fenomena yang kompleks: Model matematika dapat
membantu kita memahami fenomena yang kompleks seperti perubahan iklim, pergerakan pasar saham,
dan penyebaran penyakit.

b. Membantu kita membuat keputusan yang lebih baik: Model matematika dapat membantu kita
membuat keputusan yang lebih baik dalam berbagai situasi, seperti dalam perencanaan keuangan,
manajemen risiko, dan perencanaan produksi.

c. Meningkatkan efisiensi: Model matematika dapat membantu kita meningkatkan efisiensi dalam
berbagai bidang, seperti dalam perencanaan rute transportasi, manajemen rantai pasokan, dan
perencanaan produksi.

Namun, ada juga beberapa dampak negatif dari penggunaan model matematika dalam kehidupan
sehari-hari, seperti:

a. Kesalahan dalam model: Model matematika dapat menghasilkan kesalahan jika tidak dibuat dengan
benar atau jika data yang digunakan tidak akurat.

b. Keterbatasan model: Model matematika sering kali hanya mencakup aspek-aspek tertentu dari
fenomena yang kompleks, sehingga dapat menghasilkan hasil yang tidak lengkap atau tidak akurat.

c. Ketergantungan pada model: Terlalu bergantung pada model matematika dapat menghasilkan
keputusan yang buruk jika model tersebut tidak mencakup semua faktor yang relevan atau jika data
yang digunakan tidak akurat.

4. (Astris yuliani: kelompok 5) Seperti yang kita ketahui salah satu persoalan dalam program linear
adalah blending problem. Jadi, seperti apa contoh dari persoalan blending problem ini dan dalam
persoalan tersebut metode apa yang paling relavan dalam menyelesaikan persoalan tersebut?

Jawab :

Blending problem adalah persoalan yang melibatkan pencampuran beberapa bahan atau produk untuk
mencapai suatu tujuan tertentu, seperti mencapai kualitas tertentu atau meminimalkan biaya produksi.
Contoh dari persoalan blending problem adalah mencampurkan beberapa jenis bahan kimia untuk
membuat cat dengan kualitas tertentu, atau mencampurkan beberapa jenis biji kopi untuk membuat
campuran kopi dengan rasa yang diinginkan.
Metode yang paling relevan dalam menyelesaikan persoalan blending problem adalah dengan
menggunakan optimasi matematis, seperti linear programming atau nonlinear programming. Dalam
optimasi matematis, tujuan pencampuran bahan atau produk diwakili oleh fungsi tujuan, sedangkan
batasan-batasan yang harus dipenuhi diwakili oleh sistem persamaan atau ketidaksetaraan. Dengan
menggunakan teknik-teknik optimasi matematis, kita dapat menemukan campuran bahan atau produk
yang optimal yang memenuhi semua batasan yang ada.

Selain itu, beberapa metode pembelajaran seperti blended learning juga dapat digunakan untuk
meningkatkan kemampuan pemecahan masalah dalam persoalan blending problem. Blended learning
menggabungkan dua metode pembelajaran yaitu tatap muka dan digital, sehingga dapat memberikan
pengalaman belajar yang lebih fleksibel dan mudah diaplikasikan dalam pembelajaran.

5. (Ihram trimansyah: kelompok 6) Apa hubungan antara fungsi kendala dan sumber daya?

Jawab :

Fungsi kendala dan sumber daya berkaitan erat dalam pemrograman linear. Pemrograman linear adalah
teknik riset operasi yang digunakan untuk memecahkan masalah alokasi sumber daya yang langka.
Dalam pemrograman linear, fungsi kendala digunakan untuk membatasi variabel keputusan yang dibuat,
sedangkan sumber daya merupakan pembatas dalam bentuk matematika yang harus dipertimbangkan
dalam memecahkan masalah alokasi sumber daya yang langka. Dalam hal ini, fungsi kendala dan sumber
daya saling mempengaruhi satu sama lain dalam menentukan solusi optimal dari masalah pemrograman
linear.

KELOMPOK 2

1. (Shelviolisma: kelompok 1) Seperti yang kita ketahui Metode simpleks adalah salah satu
pendekatan dalam memecahkan permasalahan linear programming yang memiliki dua atau lebih
variabel keputusan dimana dalam menentukan kombinasi optimal dilakukan melalui iterasi secara
berulang terhadap tabel simpleks sampai ditemukan nilai yang optimum dalam masalah optimasi
pertanyaan saya kapan metode simpleks itu digunakan?

Jawab :

Metode Simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan
sebagai teknik pengambilan keputusan dalam permasalahan yang berhubungan dengan pengalokasian
sumberdaya secara optimal. Metode Simpleks digunakan untuk menentukan solusi optimal dalam
pemrograman linier dengan memeriksa titik ekstrim satu per satu dengan cara perhitungan iteratif.
Metode Simpleks bekerja pada program linear dalam bentuk kanonik (baku). Metode Simpleks
digunakan untuk memecahkan permasalahan linear programming dalam menentukan solusi optimal.

2. (Wulan Febrianti: kelompok 3) Sebutkan beberapa istilah dalam tabel simpleks?

Jawab :
Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya :

a. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai tabel
sebelumnya.

b. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam
terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem
persamaan.

c. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi awal,
variabel basis merupakan variabel slack (jika fungsi kendala merupakan pertidaksamaan ≤ ) atau variabel
buatan (jika fungsi kendala menggunakan pertidaksamaan ≥ atau =). Secara umum, jumlah variabel basis
selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif).

d. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada solusi awal,
nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang ada, karena aktivitas
belum dilaksanakan.

e. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan variabel ini terjadi pada tahap
inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis.

f. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Penambahan ini terjadi pada tahap
inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel basis.

g. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan bentuk ≥
atau = untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini terjadi pada tahap
inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada.
Variabel hanya ada di atas kertas.

h. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada kolom ini akn
menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).

i. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat variabel keluar.

j. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris pivot.
Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.

k. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi berikutnya.
Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi. Variabel ini pada iterasi
berikutnya akan bernilai positif.
l. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan
oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada setiap iiterasi. Variabel
ini pada iterasi berikutnya akan bernilai nol.

3. (Sitti Nurchasanah klmp.5) Metode Simpleks merupakan salah satu teknik penyelesaian dalam
program linier yang umumnya sebagai teknik pengambilan keputusan dalam permasalahan yang
berhubungan dengan pengalokasian sumberdaya secara optimal yang meliputi banyak pertidaksamaan
dan banyak variabel. Pertanyaan saya : Apakah dampak yang ditimbulkan apabila terjadi kesalahan
perhitungan dalam metode simpleks tersebut dan bagaimanakah cara memperbaikinya?

Jawab :

Metode Simpleks adalah salah satu teknik penyelesaian dalam program linier yang digunakan sebagai
teknik pengambilan keputusan untuk mencari nilai optimal. Kesalahan perhitungan dalam metode
Simpleks dapat menyebabkan hasil yang tidak akurat dan menghasilkan solusi yang salah. Dampak dari
kesalahan perhitungan dapat berupa solusi yang tidak optimal atau bahkan tidak memenuhi kendala
yang ada.

Untuk memperbaiki kesalahan perhitungan dalam metode Simpleks, dapat dilakukan beberapa cara,
antara lain:

a. Memeriksa kembali langkah-langkah perhitungan yang telah dilakukan untuk menemukan kesalahan
yang terjadi.

b. Memeriksa kembali data masukan yang digunakan dalam perhitungan untuk memastikan bahwa data
tersebut benar dan akurat.

c. Menggunakan software atau program komputer yang dapat membantu melakukan perhitungan
dengan lebih akurat dan cepat.

d. Melakukan validasi terhadap hasil perhitungan dengan cara membandingkan hasil perhitungan
dengan hasil yang diperoleh dari metode lain atau dengan hasil yang telah diketahui sebelumnya.

Dalam melakukan perhitungan dengan metode Simpleks, sangat penting untuk memastikan bahwa
perhitungan dilakukan dengan teliti dan akurat agar dapat menghasilkan solusi yang optimal dan
memenuhi kendala yang ada.

4. (Putri Desmita: kelompok 6) Bagaimana cara menentukan kolom dan baris kunci dalam setiap
penyelesaian dengan menggunakan metode simpleks?

Jawab :

Untuk menentukan kolom kunci, kita perlu mencari nilai negatif terbesar di baris fungsi tujuan. Kolom
yang sesuai dengan nilai negatif terbesar ini akan menjadi kolom kunci.
Untuk menentukan baris kunci, kita perlu mencari rasio terkecil antara nilai pada kolom kunci dan nilai
pada kolom hasil bagi. Baris yang sesuai dengan rasio terkecil ini akan menjadi baris kunci.

Setelah kita menentukan kolom dan baris kunci, kita dapat menghitung nilai optimal baru dan
memperbarui tabel Simpleks. Proses ini diulang sampai tidak ada nilai negatif di baris fungsi tujuan.

KELOMPOK 3

1. (Muh. Alif Ali Imron: kelompok 1) Apa kelebihan dan kekurangan metode stepping stone jika
dibandingkan dengan metode simpleks?

Jawab :

Metode Simpleks dan Stepping Stone adalah dua metode yang digunakan dalam pemecahan masalah
optimasi linier. Berikut adalah kelebihan dan kekurangan dari masing-masing metode:

Kelebihan Metode Simpleks:

• Metode Simpleks lebih cepat dalam menyelesaikan masalah optimasi linier yang kompleks.

• Metode Simpleks dapat menangani masalah dengan variabel yang lebih banyak.

Kekurangan Metode Simpleks:

• Metode Simpleks memerlukan banyak perhitungan dan waktu komputasi yang lama.

• Metode Simpleks tidak efektif dalam menangani masalah dengan banyak kendala.

Kelebihan Metode Stepping Stone:

• Metode Stepping Stone lebih mudah dipahami dan diimplementasikan.

• Metode Stepping Stone dapat menangani masalah dengan banyak kendala.

Kekurangan Metode Stepping Stone:

• Metode Stepping Stone memerlukan banyak waktu dan perhitungan untuk menyelesaikan masalah
yang kompleks.

• Metode Stepping Stone tidak efektif dalam menangani masalah dengan variabel yang lebih banyak.

2. (Riska kelompok 4) Apakah metode transportasi dapat diselesaikan apabila kapasitas dan
permintaan/kebutuhan tidak sesuai! Jika bisa, metode transportasi apa yang bisa digunakan dan jika
tidak berikan alasannya!

Jawab :

Metode transportasi tidak dapat diselesaikan apabila kapasitas dan permintaan/kebutuhan tidak sesuai.
Hal ini karena metode transportasi didasarkan pada asumsi bahwa kapasitas dan permintaan/kebutuhan
sama, sehingga jika terdapat ketidaksesuaian antara keduanya, maka tidak akan terdapat solusi yang
memuaskan.

Metode transportasi adalah metode optimasi yang digunakan untuk menyelesaikan masalah alokasi
sumber daya dengan biaya minimum. Metode ini dapat digunakan untuk menyelesaikan masalah
transportasi barang dari beberapa sumber ke beberapa tujuan dengan biaya minimum. Namun, untuk
menggunakan metode transportasi, kapasitas dan permintaan/kebutuhan harus sama. Jika kapasitas
lebih kecil dari permintaan/kebutuhan, maka tidak akan terdapat solusi yang memuaskan. Sebaliknya,
jika kapasitas lebih besar dari permintaan/kebutuhan, maka akan terdapat sumber daya yang tidak
terpakai, sehingga biaya akan menjadi lebih tinggi dari yang seharusnya. Oleh karena itu, jika kapasitas
dan permintaan/kebutuhan tidak sesuai, maka metode transportasi tidak dapat digunakan.

3. (Farhan Safaat: kelompok 5) Bagaimana penerapan model transportasi pada program linear
dalam dunia nyata, misalnya dalam perencanaan distribusi barang atau jaringan transportasi kota?

Jawab :

Model transportasi adalah salah satu metode dalam program linear yang digunakan untuk menentukan
rencana distribusi barang dari beberapa sumber ke beberapa tujuan dengan biaya terendah. Penerapan
model transportasi dalam dunia nyata dapat dilakukan pada perencanaan distribusi barang atau jaringan
transportasi kota. Contohnya, pada perusahaan distribusi barang, model transportasi dapat digunakan
untuk menentukan rute pengiriman barang dari gudang ke toko-toko dengan biaya transportasi
terendah. Sedangkan pada perencanaan jaringan transportasi kota, model transportasi dapat digunakan
untuk menentukan rute transportasi umum yang optimal dengan biaya terendah. Dalam penerapannya,
model transportasi mempertimbangkan faktor-faktor seperti jarak, kapasitas, dan biaya transportasi
untuk menentukan rencana distribusi barang atau jaringan transportasi kota yang optimal.

4. (Mutia ratu iwawo: kelompok 6) Apa dampak yang akan ditimbulkan apabila terjadi
ketidakseimbangan model tranportasi?

Jawab :

Ketidakseimbangan dalam model transportasi dapat menimbulkan dampak negatif bagi lingkungan dan
masyarakat. Berikut adalah beberapa dampak yang mungkin terjadi :

a. Kemacetan: Volume dan pola lalu lintas pada jaringan transportasi akan mempengaruhi lokasi tata
guna tanah yang baru. Ketidakseimbangan antara permintaan dan penyediaan transportasi dapat
menyebabkan kemacetan di jalan, terutama jika kapasitas jaringan jalan tidak sesuai dengan kendaraan
yang ada

b. Pencemaran udara: Jenis kendaraan yang digunakan sebagai alat transportasi akan memberikan
dampak bagi lingkungan fisik dan biologi akibat emisi pencemaran udara. Pencemaran udara dapat
menyebabkan berbagai masalah kesehatan, seperti iritasi mata, hidung, dan tenggorokan, serta masalah
pernapasan.
c. Kebisingan: Jenis kendaraan yang digunakan sebagai alat transportasi juga dapat memberikan dampak
bagi lingkungan fisik dan biologi akibat kebisingan. Kebisingan dapat mengganggu kenyamanan dan
kesehatan masyarakat yang tinggal di sekitar jalan yang ramai lalu lintas.

d. Kerusakan habitat satwa: Ketidakseimbangan dalam model transportasi dapat menyebabkan

kerusakan alam, yang pada gilirannya dapat menyebabkan kehilangan habitat bagi satwa langka. Hal ini
dapat mengancam keberlangsungan hidup satwa tersebut.

e. Kerusakan lingkungan: Ketidakseimbangan dalam model transportasi juga dapat menyebabkan

kerusakan lingkungan secara umum. Hal ini dapat berdampak negatif pada kualitas hidup masyarakat
dan keberlangsungan ekosistem.

Untuk mengurangi dampak negatif dari ketidakseimbangan dalam model transportasi, perlu dilakukan
perencanaan sistem transportasi yang matang dan terintegrasi dengan perencanaan tata guna lahan.
Selain itu, perlu juga dilakukan upaya untuk meningkatkan penggunaan transportasi umum dan
mengurangi penggunaan kendaraan pribadi.

KELOMPOK 4

1. (Muh. Alif Ali Imron: kelompok 1) Apakah dalam model penugasan hanya ada metode hungarian ? Jika
ada sebutkan kekurangan dan kelebihan dari metode hungarian jika dibandingkan dengan metode
tersebut !

jawab:

Metode Hungarian adalah salah satu metode yang digunakan dalam menyelesaikan masalah penugasan.
Namun, metode ini bukan satu-satunya metode yang ada untuk menyelesaikan masalah penugasan.
Terdapat beberapa metode lain seperti metode Brute Force, metode Branch and Bound, dan metode
Approximation.

Kelebihan dari metode Hungarian adalah kompleksitas algoritmanya yang polinomial sehingga dapat
menyelesaikan masalah penugasan dengan cepat dan efisien. Selain itu, metode ini juga mudah
dipahami dan diimplementasikan.

Namun, kekurangan dari metode Hungarian adalah tidak dapat menyelesaikan masalah penugasan yang
tidak seimbang, yaitu ketika jumlah sumber daya tidak sama dengan jumlah tugas yang harus dikerjakan.
Selain itu, metode ini juga tidak dapat menyelesaikan masalah penugasan dengan biaya variabel atau
dinamis.

Dalam penyelesaian masalah penugasan, terdapat beberapa faktor yang perlu dipertimbangkan seperti
ketersediaan sumber daya, biaya, dan waktu. Oleh karena itu, pemilihan metode yang tepat harus
disesuaikan dengan karakteristik masalah penugasan yang dihadapi.

2. (Vian Findiarsih: kelompok 2) Syarat syarat apa saja yang diperlukan dalam metode Hungarian ?Apa
yang saudara ketahui tentang metode penugasan ?
jawab:

Metode Hungarian adalah metode yang digunakan untuk memecahkan masalah-masalah yang
berhubungan dengan alokasi optimal dari berbagai macam sumber daya yang produktif. Metode ini
biasanya digunakan untuk menyelesaikan masalah penugasan, seperti pembagian tugas karyawan.
Berikut adalah beberapa syarat yang diperlukan dalam metode Hungarian

a. Jumlah sumber daya harus sama dengan jumlah tugas yang harus diselesaikan.

b. Setiap sumber daya harus dapat digunakan untuk menyelesaikan setiap tugas.

c. Tidak boleh ada dua sumber daya yang digunakan untuk menyelesaikan satu tugas.

d. Tidak boleh ada dua tugas yang dikerjakan oleh satu sumber daya.

Metode Hungarian memodifikasi baris dan kolom dalam matriks efektifitas sampai muncul sebuah
komponen nol tunggal dalam setiap baris atau kolom yang dapat dipilih sebagai alokasi penugasan.

3. (Wulan Febrianti: kelompok 3) Jelaskan metode apa yang digunakan dalam menyelesaikan masalah
penugasan ?

jawab:

Metode yang digunakan dalam menyelesaikan masalah penugasan adalah metode Hungarian. Metode
ini digunakan untuk memecahkan masalah alokasi optimal dari berbagai macam sumber daya yang
produktif, seperti tenaga kerja atau personalia, yang mempunyai tingkat efisiensi berbeda-beda untuk
pekerjaan yang berbeda-beda pula. Metode Hungarian diawali dengan mengurangi nilai pada baris dan
kolom dengan biaya terkecil, sedangkan metode Pinalti diawali dengan mencari nilai pinalti. Metode
Hungarian ditemukan dan dipublikasikan oleh Harold W. Kuhn pada tahun 1955 dan kemudian
diperbaiki oleh James Munkres pada tahun 1957. Metode ini dapat digunakan untuk menyelesaikan
masalah penugasan pada berbagai bidang, seperti penugasan karyawan, penugasan drafter dan
penugasan multi kriteria.

4. (Astrid Yuliani: kelompok 5) Bagaimana pengaruh ukuran masalah (jumlah variabel dan kendala)
terhadap kinerja metode Hungarian ?

jawab:

Metode Hungarian, juga dikenal sebagai metode Munkres atau algoritme pencocokan terkuat, adalah
algoritme efisien yang digunakan untuk menyelesaikan masalah penugasan dalam teori graf. Masalah
penugasan melibatkan pencocokan elemen-elemen dari dua set, dengan meminimalkan atau
memaksimalkan suatu fungsi tujuan.

Pengaruh ukuran masalah (jumlah variabel dan kendala) terhadap kinerja metode Hungarian dapat
dibagi menjadi dua aspek: kompleksitas waktu dan kompleksitas memori.
Kompleksitas Waktu:

Jumlah variabel: Metode Hungarian memiliki kompleksitas waktu sebesar O(n^3), di mana n adalah
jumlah variabel atau elemen yang perlu diatribusikan. Oleh karena itu, semakin besar jumlah variabel,
semakin lama waktu yang dibutuhkan untuk menyelesaikan masalah.

Jumlah kendala: Dalam metode Hungarian, jumlah kendala tidak mempengaruhi kompleksitas waktu
secara langsung. Kompleksitas waktu algoritme ini hanya tergantung pada jumlah variabel.

Kompleksitas Memori:

Jumlah variabel: Metode Hungarian membutuhkan matriks berukuran n × n untuk merepresentasikan

masalah penugasan. Oleh karena itu, semakin besar jumlah variabel, semakin besar pula kebutuhan
memori algoritme ini.

Jumlah kendala: Jumlah kendala tidak memiliki pengaruh langsung terhadap kompleksitas memori
metode Hungarian. Kebutuhan memori hanya tergantung pada jumlah variabel.

Dalam praktiknya, metode Hungarian cenderung lebih efisien daripada pendekatan brute-force yang
mencoba semua kombinasi kemungkinan. Namun, ketika jumlah variabel atau elemen yang harus
diatribusikan sangat besar (misalnya ribuan atau jutaan), kompleksitas waktu dan memori metode
Hungarian dapat menjadi kendala. Dalam kasus seperti itu, pendekatan heuristik atau algoritme
aproksimasi mungkin lebih cocok untuk digunakan.

Selain itu, ada juga variasi algoritme Hungarian yang dikembangkan, seperti algoritme Hungarian adaptif
yang memiliki kompleksitas waktu yang lebih baik dalam beberapa kasus khusus. Penggunaan variasi
algoritme ini juga dapat mempengaruhi kinerja metode Hungarian terhadap ukuran masalah yang
diberikan.

5. (Ihram trimansyah: kelompok 6) Apakah dalam penyelesaiannya ada yang memerlukan tabel dummy
atau ada yang tidak memerlukan tabel dummy ?

jawab:

Dalam metode Hungarian, penggunaan tabel dummy atau matriks dummy tergantung pada ukuran
matriks biaya yang diberikan dan jumlah variabel pada set pertama dan set kedua. Tabel dummy
digunakan untuk memperluas atau menyesuaikan matriks biaya agar memiliki ukuran yang tepat.

Penggunaan tabel dummy biasanya diperlukan ketika jumlah variabel pada set pertama tidak sama
dengan jumlah variabel pada set kedua. Jika jumlah variabel pada set pertama lebih kecil daripada
jumlah variabel pada set kedua, tabel dummy digunakan untuk menambahkan kolom tambahan ke
matriks biaya. Jika jumlah variabel pada set pertama lebih besar daripada jumlah variabel pada set
kedua, tabel dummy digunakan untuk menambahkan baris tambahan ke matriks biaya.
Tujuan dari penggunaan tabel dummy adalah memastikan bahwa matriks biaya memiliki ukuran NxM, di
mana N adalah jumlah variabel pada set pertama dan M adalah jumlah variabel pada set kedua. Dengan
matriks biaya yang berukuran tepat, algoritme Hungarian dapat diterapkan secara efektif.

Namun, jika jumlah variabel pada set pertama sama dengan jumlah variabel pada set kedua, maka tidak
perlu menggunakan tabel dummy. Matriks biaya dapat digunakan langsung tanpa perlu diubah atau
diperluas.

Jadi, penggunaan tabel dummy atau matriks dummy dalam penyelesaian dengan metode Hungarian
tergantung pada kecocokan ukuran matriks biaya dengan jumlah variabel pada set pertama dan set
kedua. Jika ukuran matriks biaya tidak cocok, tabel dummy digunakan untuk menyesuaikan ukuran
matriks tersebut. Jika ukuran matriks biaya sudah sesuai, maka tidak perlu menggunakan tabel dummy.

KELOMPOK 5

1. (Safriani: kelompok 1) Jelaskan fungsi tujuan(objective function) untuk memaksimumkan dan

meminimumkan suatu kuantitas yang bergantung kepada sumber daya yang jumlahnya terbatas.

Jawab :

Fungsi tujuan (objective function) dalam pemrograman linear adalah fungsi matematika yang digunakan
untuk memaksimalkan atau meminimalkan suatu kuantitas yang bergantung pada sumber daya yang
jumlahnya terbatas. Fungsi tujuan ini harus memenuhi beberapa karakteristik, yaitu harus linear, harus
homogen, dan harus kontinu. Tujuan dari pemrograman linear adalah untuk menemukan solusi optimal
yang memenuhi semua kendala yang ada dan memaksimalkan atau meminimalkan fungsi tujuan.

Dalam pemrograman linear, fungsi tujuan biasanya berupa fungsi linier yang dikenai kendala-kendala
linier. Kendala-kendala ini dapat berupa batasan jumlah sumber daya yang tersedia, batasan waktu, atau
batasan lainnya yang relevan dengan masalah yang sedang diselesaikan. Tujuan dari pemrograman
linear adalah untuk menemukan solusi optimal yang memenuhi semua kendala yang ada dan
memaksimalkan atau meminimalkan fungsi tujuan.

2. (Alfiansyah Salmon: kelompok 2)Apakah mungkin mendapatkan solusi optimal dalam program linier
dengan variabel bilangan bulat jika kendala dan fungsi objektif linier?

Jawab:

Ya, mungkin untuk mendapatkan solusi optimal dalam program linier dengan variabel bilangan bulat jika
kendala dan fungsi objektif linier. Metode ini dikenal sebagai Program Linier Bilangan Bulat (Integer
Linear Programming/ILP).
Dalam ILP, variabel yang terlibat dalam fungsi objektif dan kendala program linier dibatasi untuk
mengambil nilai-nilai bilangan bulat. Hal ini mempengaruhi ruang solusi yang mungkin, menghasilkan
solusi yang optimal dalam konteks bilangan bulat.

Namun, penting untuk dicatat bahwa ILP secara umum lebih rumit daripada program linier biasa, karena
mencari solusi optimal dalam ruang solusi diskret. Permasalahan ILP diklasifikasikan sebagai NP-hard,
yang berarti mencari solusinya memerlukan waktu yang tidak terbatas saat jumlah variabel meningkat.
Oleh karena itu, pemecahan masalah ILP seringkali melibatkan penggunaan metode dan algoritma yang
khusus dirancang untuk menyelesaikan permasalahan ini secara efisien, seperti metode Branch and
Bound atau metode Cutting Plane.

Meskipun tantangan yang terkait dengan ILP, dengan pendekatan yang tepat dan alat yang sesuai, solusi
optimal dapat ditemukan untuk program linier dengan variabel bilangan bulat.

3. (Wulan Febrianti kelompok 3) Apakah ada metode khusus yang biasa digunakan untuk menyelesaikan
program linear bilangan bulat?

jawab:

Ya, ada beberapa metode khusus yang biasa digunakan untuk menyelesaikan masalah pemrograman
linier bilangan bulat. Beberapa di antaranya adalah:

1. Metode Branch and Bound: Metode ini melibatkan pemecahan masalah menjadi submasalah yang
lebih kecil atau cabang-cabang, di mana setiap cabang membatasi variabel menjadi bilangan bulat
tertentu. Kemudian, algoritma melakukan pencarian sistematis melalui cabang-cabang tersebut dengan
menggunakan batasan-batasan dan memperbaiki batasan-batasan untuk memperoleh solusi optimal.

2. Metode Cutting Plane: Metode ini melibatkan penggunaan pemotongan (cutting plane) untuk
memperbaiki batasan-batasan dalam model pemrograman linier bilangan bulat. Pemotongan dilakukan
dengan menambahkan batasan-batasan baru berdasarkan solusi relaksasi linier yang ditemukan.
Metode ini secara bertahap memperbaiki solusi relaksasi hingga mendapatkan solusi yang memenuhi
batasan bilangan bulat.

3. Metode Dynamic Programming: Metode ini biasanya digunakan dalam pemrograman linier bilangan
bulat dengan struktur khusus, seperti knapsack problem atau shortest path problem. Metode ini
mengambil pendekatan rekursif dan menyimpan submasalah yang telah dipecahkan untuk menghindari
perhitungan berulang. Metode Dynamic Programming dapat menghasilkan solusi optimal dengan waktu
komputasi yang lebih efisien.

4. Algoritma MIP (Mixed Integer Programming) Solver: Ada perangkat lunak khusus yang dirancang
untuk menyelesaikan masalah pemrograman linier bilangan bulat secara efisien. Solver MIP
menggunakan berbagai teknik, seperti Branch and Bound dan Cutting Plane, untuk mencari solusi
optimal.
4. (Dwiki aldian: kelompok 4)Apa kendala yang harus dipertimbangkan saat menggunakan metode
bilangan bulat dalam program linier?

Jawab:

Ketika menggunakan metode bilangan bulat dalam program linier, ada beberapa kendala yang perlu
dipertimbangkan:

1. Kendala Integrality (Keterbatasan Keaslian): Variabel yang ditentukan sebagai bilangan bulat harus
memiliki nilai yang bulat, tidak boleh mengambil nilai desimal atau pecahan. Ini membatasi ruang solusi
yang mungkin, sehingga mempengaruhi solusi optimal yang dapat dicapai.

2. Kompleksitas Perhitungan: Menggunakan variabel bilangan bulat dalam program linier dapat
meningkatkan kompleksitas perhitungan dan memerlukan metode optimisasi yang lebih rumit.
Pencarian solusi optimal dalam ruang solusi yang terbatas memerlukan pendekatan yang cermat.

3. Keterbatasan Solusi Optimal: Pemilihan variabel bilangan bulat dapat menyebabkan keterbatasan
solusi optimal. Dalam beberapa kasus, mungkin tidak ada solusi yang memenuhi semua kendala dan
tetap memenuhi batasan bilangan bulat. Ini dapat mengakibatkan solusi suboptimal atau bahkan tidak
ada solusi yang memadai.

4. Penurunan Efisiensi: Dalam beberapa kasus, mengizinkan variabel bilangan bulat dapat mengurangi
efisiensi dan kecepatan pemecahan masalah. Pencarian solusi optimal dalam ruang solusi yang diskrit
dapat membutuhkan waktu yang lebih lama daripada ruang solusi kontinu.

5. Sensitivitas Terhadap Perubahan: Solusi yang ditemukan dengan metode bilangan bulat cenderung
lebih sensitif terhadap perubahan parameter dalam model linier. Perubahan kecil dalam parameter
masukan dapat menyebabkan perubahan yang signifikan dalam solusi optimal yang ditemukan.

Penting untuk mempertimbangkan kendala ini secara hati-hati saat memutuskan apakah metode
bilangan bulat diperlukan dalam suatu masalah program linier dan saat merancang model serta
menganalisis hasilnya.

5. (Putri desmita kelompok 6) Apa yang dimaksud dengan pertidaksamaan gomory?

Gomory merupakan sebuah batasan yang digunakan dalam metode cutting plane dan digunakan untuk
menyelesaikan masalah program linear yang variabelnya harus bulat. Gomory diberikan jika variabel
keputusan b elum bulat (bernilai pecahan).

Jawab :

KELOMPOK 6

1. (Wulan Febrianti: kelompok 3) Apakah ada metode khusus yang biasa digunakan untuk
menyelesaikan program linear bilangan bulat?

Jawab :
Metode khusus yang biasa digunakan untuk menyelesaikan program linear bilangan bulat adalah
metode Branch and Bound dan metode Cutting Plane.

Metode Branch and Bound adalah metode yang digunakan untuk menyelesaikan masalah optimasi pada
program linear bilangan bulat dengan cara membagi masalah menjadi beberapa submasalah yang lebih
kecil dan kemudian menyelesaikan setiap submasalah secara terpisah. Metode ini bekerja dengan cara
membangun pohon pencarian dan memilih cabang yang paling menjanjikan untuk dijelajahi lebih lanjut

Sedangkan metode Cutting Plane adalah metode yang digunakan untuk menyelesaikan program linear
bilangan bulat dengan menambahkan batasan-batasan baru pada masalah awal sehingga solusi
optimalnya menjadi bilangan bulat. Metode ini bekerja dengan cara menemukan batasan baru yang
memotong solusi optimal pada setiap iterasi

Selain metode Branch and Bound dan Cutting Plane, terdapat juga metode-metode lain yang dapat
digunakan untuk menyelesaikan program linear bilangan bulat, seperti metode Gomory Cut dan metode
heuristik.

2. ( Dwiky Aldian: kelompok 4) Apa perbedaan dan keunggulan dari metode simpleks direvisi
dibandingkan dengan metode simpleks baku?

Jawab :

Metode Simpleks Direvisi (Revised Simplex Method) cenderung lebih rumit daripada metode Simpleks
reguler. Hal ini disebabkan oleh beberapa perbedaan utama antara keduanya:

1. Perubahan dalam iterasi: Metode Simpleks reguler menggunakan operasi dasar perubahan kolom
dalam setiap iterasi, di mana kolom yang masuk ke basis digantikan oleh kolom yang keluar. Metode
Simpleks Direvisi, di sisi lain, menggunakan operasi dasar perubahan baris dalam setiap iterasi, di mana
baris yang masuk ke basis digantikan oleh baris yang keluar. Operasi perubahan baris memerlukan
langkah-langkah tambahan, termasuk pembalikan matriks dan perhitungan yang lebih kompleks.

2. Revisi matriks: Metode Simpleks Direvisi mengadopsi pendekatan untuk merevisi matriks Simpleks
pada setiap iterasi guna menghindari perhitungan ulang yang tidak perlu. Revisi matriks melibatkan
perubahan koefisien matriks dan pembaruan konstanta batasan, yang memperkenalkan langkah-
langkah ekstra dalam perhitungan.

3. Kompleksitas perhitungan: Karena melibatkan revisi matriks dan perhitungan tambahan dalam setiap
iterasi, metode Simpleks Direvisi umumnya memerlukan lebih banyak langkah perhitungan daripada
metode Simpleks reguler. Ini dapat meningkatkan kompleksitas dan waktu eksekusi algoritma, terutama
dalam masalah dengan jumlah variabel dan batasan yang besar.

Meskipun metode Simpleks Direvisi lebih rumit, perlu dicatat bahwa metode ini juga menawarkan
keuntungan, seperti kemampuan untuk mengatasi beberapa kelemahan metode Simpleks reguler,
seperti ketidakmampuannya untuk menangani perubahan batasan yang signifikan. Metode Simpleks
Direvisi juga dapat memberikan kinerja yang lebih baik dalam beberapa kasus. Namun, kompleksitas
tambahan dalam implementasinya harus diperhatikan saat memilih metode yang paling sesuai untuk
masalah pemrograman linier tertentu.

3. (Sufri Adiyatno: kelompok 5) Apa kelemahan atau keterbatasan yang perlu diperhatikan saat
menggunakan metode Simpleks Direvisi?

Jawab :

Metode Simpleks Direvisi (Revised Simplex Method) adalah variasi dari metode Simpleks yang dirancang
untuk mengatasi beberapa kelemahan dari metode Simpleks asli. Namun, demikian, metode Simpleks
Direvisi juga memiliki beberapa kelemahan dan keterbatasan yang perlu diperhatikan. Berikut adalah
beberapa di antaranya:

1. Kompleksitas perhitungan: Metode Simpleks Direvisi lebih kompleks daripada metode Simpleks asli.
Proses revisi matriks Simpleks yang dilakukan dalam setiap iterasi membutuhkan perhitungan
tambahan, yang mengakibatkan waktu komputasi yang lebih lama. Ini bisa menjadi masalah dalam
kasus-kasus dengan jumlah variabel dan batasan yang besar.

2. Keterbatasan perubahan batasan: Metode Simpleks Direvisi tidak dapat mengatasi perubahan
batasan yang signifikan pada masalah pemrograman linier. Jika ada perubahan dalam batasan yang
mempengaruhi matriks Simpleks, metode Simpleks Direvisi perlu memulai dari awal dan melalui
beberapa iterasi lagi, yang mengurangi keuntungan efisiensi dari metode ini.

3. Kepekaan terhadap masalah degenerasi: Metode Simpleks Direvisi masih rentan terhadap masalah
degenerasi, di mana solusi optimal terjebak pada simpul degeneratif. Ini dapat mempengaruhi
kecepatan konvergensi metode dan memerlukan lebih banyak iterasi untuk mencapai solusi optimal.

4. Ketergantungan pada kondisi awal: Metode Simpleks Direvisi sensitif terhadap kondisi awal atau
solusi awal yang digunakan sebagai titik awal. Jika titik awal yang buruk dipilih, metode ini mungkin
mengalami konvergensi yang lambat atau bahkan tidak konvergen sama sekali. Pemilihan titik awal yang
baik menjadi penting dalam menerapkan metode Simpleks Direvisi.

5. Keterbatasan dalam kasus ketidaksamaan: Metode Simpleks Direvisi juga memiliki batasan dalam
menangani kasus-kasus ketidaksamaan dalam pemrograman linier. Misalnya, jika ada ketidaksamaan
tak-linear, seperti nilai absolut atau maksimum, metode Simpleks Direvisi tidak dapat diterapkan secara
langsung.

Dalam prakteknya, meskipun metode Simpleks Direvisi memiliki kelebihan dalam beberapa situasi
tertentu, perlu memperhatikan keterbatasan dan kelemahan ini untuk memastikan penerapannya yang
efektif dan efisien.