Kontrak Perkuliahan

• Dosen Pengampu :
• Maria Krisnawati, S.T., M.T.
• Seto Sumargo, S.T., M.T.
• Komposisi Penilaian : (Sampai dengan UTS)
• Tugas 15%
• Kuis 10%
• UTS 25%
Kontrak Perkuliahan
• Semua pekerjaan yang dikumpulkan harus mencantumkan,
Nama dan NIM apabila tidak ada akan diberi diskon nilai
• Tugas dikumpulkan sebelum Kuliah dimulai, keterlambatan
pengumpulan tugas akan diberikan diskon nilai 10% per hari
keterlambatan
• Tugas harus ditulis tangan (kecuali ditentukan lain)
• Ada kuis singkat tanpa pemberitahunan sebelumnya, yang
materinya meliputi topik – topik kuliah minggu sebelumnya.
• Tidak ada kuis susulan dengan alasan apapun
• Pada saat perkuliahan mhs wajib membawa materi kuliah
(hard copy)
Referensi
1. Operations Research An Introduction Eighth Edition, Hamdy
A. Taha
Materi
1. Deterministic Dynamic Programming
2. Deterministic Inventory Models
3. Decision Analysis and games
4. Queuing Systems
5. Simulation Modeling
6. Markov Chain
DETERMINISTIC DYNAMIC
PROGRAMMING
MARIA KRISNAWATI, S.T., M.T.
Jurusan Teknik Industri
Universitas Jenderal Soedirman
Pendahuluan
• Dynamic programming mendeterminasikan solusi optimum dari
permasalahan multivariabel dengan membaginya (dekomposisi)
menjadi beberapa tahap, tiap tahap menyelesaikan subproblems
variabel tunggal.
• Keuntungan dari dekomposisi adalah proses optimasi tiap tahap
hanya menyelesaikan satu variabel , lebih sederhana daripada
menyelesaikan banyak variabel secara simultan
• Model DP pada dasarnya recursive equation yang menghubungkan
tiap tahap yang berbeda dari permasalahan dengan cara
memastikan bahwa setiap tahap memiliki solusi optimal yang
feasible dan feasible untuk permasalahan keseluruhan
Contoh aplikasi DP
Recursive Nature of
Computations in DP
• Dynamic programming problems adalah masalah multi
tahap(multistage) dimana keputusan dibuat secara berurutan (in
sequence) , sehingga solusi optimum dari suatu sub problem
digunakan sebagai input untuk sub problem berikutnya.
• Ketika sub problem terakhir diselesaikan, solusi optimum dari
permasalahan keseluruhan juga ditemukan.
• Contoh : Shortest-Route Problems (Network problem)
• Taha
Recursive Nature of
Computations in DP
• Untuk menemukan shortest (longest) path yang menghubungkan dua titik
dalam network
• Joe tinggal di new York dan akan pergi ke LA. Dia berencana menginap di
rumah temannya dalam perjalanan tersebut. Joe punya teman di
Columbus, Nashville, Louisville, Kansas, Omaha, Dallas, San Antonio, dan
Denver. Joe tahu setelah satu hari perjalanan dia akan mencapai Columbus,
Nashville atau Louisville. Setelah perjalanan 2 hari akan mencapai Kansas,
Omaha, atau Dallas. Setelah 3 hari perjalanan akan mencapai Denver atau
San Antonio. Setelah 4 hari akan mencapai LA. Untuk meminimalkan jarak,
kemana Joe harus menginap setiap malam dalam perjalanannya ?
 network
Columbus 68 Kansas
2 5 61
79
105 79 Denver
55
8 103
58 54
New York 90 Nashville
760 76 Omaha
540 LA
1 3 6 10
66 94 135
San Antonio
77 51 79 9
70 27
Louisville Dallas
4 83 7

Stage 1 Stage 2 Stage 3 Stage 4 Stage 5

The recursion
Ide bekerja secara backward adalah kita mulai menyelesaikan
masalah dari yang paling sederhana untuk menyelesaikan
masalah yang kompleks.
Jadi kita mulai dari kota yang hanya membutuhkan perjalanan
satu hari ke LA yaitu kota Denver dan San Antonio (kota pada
stage 4)
Kemudian kita gunakan informasi dari stage 4 untuk menemukan
jarak terpendek dari kota pada stage 3 ( yang membutuhkan 2
hari) ke LA
Demikian seterusnya sampai kita menemukan shortest path dari
kota New York ke LA
Solusi
• Tentukan Cij = jarak kota i ke kota j
• Tentukan Ft(i) = panjang shortest path dari kota i ke kota LA
dimana kota i adalah kota pada stage t
• Tentukan shortest path ke LA dari setiap kota di setiap stage
mulai dari stage akhir
Stage 4 computation
Karena hanya ada satu path dari kota pada stage 4 ke LA maka
kita dapat langsung menentukan
Jarak terpendek dari kota Denver ke kota LA adalah
F4(8) = 1030
Dari kota San Antonio ke LA adalah
F4(9) = 1390
Stage 3 computation
• Terdapat tiga kota pada stage 3 yaitu kota Kansas, Omaha dan
Dallas
• Dari kota Kansas terdapat 2 path menuju kota LA yaitu
Path 1. Kansas – Denver – kemudian mengambil shortest path
dari Denver ke LA
Path 2. Kansas – San Antonio – kemudian mengambil shortest
path dari San Antonio ke LA
Panjang Path 1 didapatkan dari
C58 + F4(8)
Panjang Path 2 didapatkan dari
C59 + F4(9)
Sehingga Jarak terpendek dari kota 5 ke kota 10 adalah
𝐹3 5
C58 + F4(8) = 610 + 1030 = 1640 ∗
= 𝑚𝑖𝑛 ቊ
C59 + F4(9)= 790+1390=2180
Dengan cara yang sama, jarak terpendek dari kota Omaha(6) ke
LA adalah
𝐹3 6
𝐶68 + 𝐹4 8 = 540 + 1030 = 1570 ∗
= 𝑚𝑖𝑛 ቊ
𝐶69 + 𝐹4 9 = 940 + 1390 = 2330
Jarak terpendek dari kota Dallas ke LA adalah
𝐹3 7
𝐶78 + 𝐹4 8 = 790 + 1030 = 1820
= 𝑚𝑖𝑛 ቊ
𝐶79 + 𝐹4 9 = 270 + 1390 = 1660 ∗
Stage 2 computation
Pada stage 2 terdapat 3 kota yaitu Columbus, Nashville, dan
Louisville
Terdapat 3 path dari Coulumbus ke LA yaitu
Path 1. Columbus – Kansas – kemudain mengambil shortest path
dari Kansas
Path 2. Columbus – Omaha – kemudian mengambil shortest path
dari Omaha
Path 3. Columbus – Dallas – kemudian mengambil shortest path
dari Dallas
 • Panjang Path 1. adalah
C25+F3(5)
• Panjang Path 2. adalah
C26+F3(6)
• Panjang Path 3. adalah
C27+F3(7)
Sehingga Jarak terpendek dari kota 2(Columbus ) ke LA adalah
𝐶25 + 𝐹3 5 = 680 + 1640 = 2320 ∗
𝐹2 2 = 𝑚𝑖𝑛 ൞ 𝐶26 + 𝐹3 6 = 790 + 1570 = 2360
𝐶27 + 𝐹397) = 1050 + 1660 = 2710
• Dengan cara yang sama, jarak terpendek dari kota Nashville(3) ke LA
adalah
𝐹2 3
𝐶35 + 𝐹3 5 = 580 + 1640 = 2220 ∗
= 𝑚𝑖𝑛 ൞ 𝐶36 + 𝐹3 6 = 760 + 1570 = 2330
𝐶37 + 𝐹3 7 = 660 + 1660 = 2320
Jarak terpendek dari kota Louisville(4) ke LA adalah
𝐹2 4
𝐶45 + 𝐹3 5 = 510 + 1640 = 2150 ∗
= 𝑚𝑖𝑛 ൞ 𝐶46 + 𝐹3 6 = 700 + 1570 = 2270
𝐶47 + 𝐹3 7 = 830 + 1660 = 2490
Stage 1 computation
• Dari kota 1(New York) terdapat 3 Path ke kota LA yaitu
Path 1. New York – Columbus – kemudian mengikuti shortest
path dari Columbus
Path 2. new York – Nashville – kemudian mengikuti shortest pat
dari Nashville
Path 3. New York – Louisville – kemudian mengikuti shortest path
dari Louisville
Jarak terpendek dari kota New york (1) ke LA (10) adalah
𝐹1 1
𝐶12 + 𝐹2 2 = 550 + 2320 = 2870 ∗
= 𝑚𝑖𝑛 ൞ 𝐶13 + 𝐹2 3 = 900 + 2220 = 3120
𝐶14 + 𝐹2 4 = 770 + 2150 = 2920
Penentuan Path optimal
Dari Stage 1 kota 1: 1 – 2
Dari Stage 2 kota 2 : 2 – 5
Dari Stage 3 kota 5 : 5 – 8 – 10
Jadi Path Optimal adalah 1 – 2 – 5 – 8 – 10 dengan
jarak 2870
Karakteristikaplikasi Dynamic Programming

• Karakteristik 1
• Problem dapat dibagi menjadi beberapa stage dan dibutuhkan
sebuah keputusan pada setiap stage.
• Karakteristik 2
• Setiap stage memiliki beberapa state.
• state, adalah informasi yang dibutuhkan pada setiap stage untuk
membuat keputusan optimal.
• Karakteristik 3
• Keputusan yang dipilih pada setiap stage menggambarkan
bagaimana state pada stage sekarang ditransformasi ke state
pada stage berikutnya.
• Karakteristik 4
• Diberikan state sekarang, keputusan optimal untuk setiap stage
yang tersisa harus tidak tergantung pada state yang dicapai
sebelumnya atau keputusan yang diambil sebelumnya.
• Ide ini dikenal sebagai the principle of optimality.
• Karakteristik 5
• Jika state untuk suatu problem telah diklasifikasikan ke T stage,
harus terdapat rekursi yang menghubungkan biaya atau reward
yang didapat selama stage t, t+1, …., T terhadap biaya atau
reward yang didapat dari stages t+1, t+2, …. T.
Resource allocation Problem
• Kementerian tenaga kerja memiliki dana sebesar 5
juta dollar untuk digunakan oleh kementerian –
kementerian yang lain untuk menciptakan tenaga
kerja
• Terdapat 4 kementrian yang mengajukan
permohonan dana untuk kepentingan penciptaan
tenaga kerja.
• Kementrian tenaga kerja ingin mengalokasikan dana
untuk memaksimalkan banyaknya tenaga kerja yang
diciptakan 24
 • Data

Estimasi pekerjaan baru yang tercipta

Kementrian Biaya $ juta pekrjaan yg diciptakan
Pendidikan 4 225
Keuangan 1 45
2 125
3 190
Perhubungan 50 pekerjaan per biaya $1 juta
Pertanian 2 75
3 155 25
4 220
SOLUsi

• Kementrian tenaga kerja ingin :

• Memaksimumkan total banyaknya tenaga kerja baru

• Biaya yang tersedia adalah $5 juta.

26
SOLUsi

• Notasi
Dj = jumlah dana yang dialokasikan ke kementrian j, di mana j adalah :
1 - Pendidikan, 2 - Keuangan, 3 – Perhubungan , 4 - Pertanian.

Rj(Dj) = banyaknya pekerjaan baru yang tercipta jika Kementrian j dibiayai

sebesar $Dj juta.

• Model
Max R1(D1) + R2(D2) + R3(D3) + R4(D4)
ST
D1 + D2 + D3 + D4 <= 5
D1, D2, D3 , D4 >= 0
27
The Backward Dynamic Programming

• Definisikan Fj(Xj) adalah maksimum banyaknya

pekerjaan baru yang diciptakan oleh kementrian
(stage) j,j+1,…, 4, jika tersedia dana sebesar $Xj
juta (state) untuk kementrian j sampai 4.

28
The Backward Dynamic Programming

• Stage 4: Kementrian Pertanian,(KPt)

• Mulailah dengan tahap terakhir j = 4 (Kementrian
Pertanian, KPt).
• Alokasikan dana yang memaksimalkan jumlah pekerjaan
baru yang diciptakan untuk kementrian ini.
• Jelas, solusi optimal untuk kementrian terakhir adalah
menggunakan semua jumlah yang tersedia pada stage
ini).
• Solusi optimal untuk stage terakhir disebut “The
boundary condition” 29
 SOLUsi

• Stage 4: Tabel Kementrian Pertanian

Dana Pendanaan OptimalMaximum Pkerjaan
Tersedia untuk Stage 4 F4(X4)
0 0 0
1 0 0
2 2 75
States
Ingat: untuk Kementrian Pertanian 3 3 155
4 4 220
Biaya Pekerjaan
5 5 220 30
2 75
3 155
4 220
SOLUsi

• Stage 3: Kementrian Perhubungan, (KPh)

• Pada stage ini kita mempertimbangkan pendanaan untuk
Kementrian Perhubungan dan Kementrian Pertanian
• Untuk jumlah dana tertentu yang tersedia untuk kedua
kementrian ini, keputusan besarnya dana yang diberikan
untuk kementrian KPh akan berpengaruh pada dana yang
tersedia untuk KPt

31
SOLUTION

Stage 3: Tabel Kementrian Perhubungan

Dana yg Kemungkinan Dana yg Max. Jobs baru Optimal F3(X3)

Tersedia Pendanaan Tersisa utk Jk m'alokasikan
utk Stage 3,4 utk Stage 3 Stage 4 D3 ke Stage 3 Optimal D3
(X3) (D3) (X3-D3) R3(D3)+F4(X3-D3)
0 0 0 0+0 F3(0) = 0; D3(0) = 0
1 0 1 0+0
1 0 50+0 = 50 F3(1) = 50; D3 = 1
2 0 2 0+75 = 75
1 1 50+0 = 50
2 0 100+0 F3(3) = 100; D3 = 2
3 0 3 0+155 = 155
1 2 50+75 = 125 32
2 1 100+0 = 100
3 0 150+0 = 150 F3(3) = 155; D3 = 0
SOLUsi

Stage 3: Tabel Kementrian Perhubungan

Dana yg Kemungkinan Dana yg Max. Jobs baru Optimal F3(X3)

Tersedia Pendanaan Tersisa utk Jk m'alokasikan
utk Stage 3,4 utk Stage 3 Stage 4 D3 ke Stage 3 Optimal D3
(X3) (D3) (X3-D3) R3(D3)+F4(X3-D3)
4 0 4 0+220 = 220
1 3 50+155 = 205
2 2 100+75 = 175
3 1 150+ 0 = 150
4 0 200+ 0 = 220 F3(4) = 220; D3 = 0
5 0 5 0+220 = 220
1 4 50+220 = 270
2 3 100+155 = 255 33
3 2 150+75 = 225
4 1 200+0 = 200
5 0 250+0 = 250 F3(5) = 270; D3 = 1
SOLUsi

• Stage 2: Kementrian Keuangan, (KKu)

• Pada stage ini kita memikirkan pendanaan
untukKementrian Keuangan dan dua Kementrian
sebelumnya yaitu Kementrian Perhubngan dan
Pertanian

• Untuk state tertentu (jumlah dana yang tersedia untuk

ketiga Kementrian ), keputusan mengalokasikan
sejumlah dana untuk Kementrian Keuangan
berpengaruh pada jumlah dana yang tersedia untuk
Kementrian Perhubungan dan Pertanian (state pada 34
stage j = 3).
SOLUsi
Dana yg KemungkinanDana yg Max. Jobs baru Optimal F2(X2)
Tersedia utk pendanaan Tersisa utk Ji m'alokasikan
Stage 2,3,4 utk Stage 2 Stage 3,4 D2 ke Stage 2 Optimal D2
(X2) (D2) (X2-D2) R2(D2)+F3(X2-D2)
0 0 0 0+0 F2(0) = 0; D2 = 0
1 0 1 0+50 = 50
1 0 45+0 = 45 F2(1) = 50; D2 = 0
2 0 2 0+100 = 100
1 1 45+50 = 95
2 0 125+0 = 125 F2(2) = 125; D2 = 2
3 0 3 0+155 = 155
1 2 45+100 = 145
2 1 125+50 = 175
3 0 190+0 = 190 F2(3) = 190; D2 = 3
4 0 4 0+220 = 220
1 3 45+155 = 195
2 2 125+100 = 225
3 1 190+50 = 240 F2(4) = 240; D2 = 3
5 0 5 0+270 = 270 35
1 4 45+220 = 265
2 3 125+155 = 280
3 2 190+100 = 290 F2(5) = 290; D2 = 3
SOLUsi

• Stage 1: Kementrian Pendidikan (KPd)

• Pada stage ini kita memikirkan pendanaan untuk

Kementrian Pendidikan dan semua kementrian
sebelumnya.
• Perhatikan bahwa pada stage 1 masih terdapat $5 juta
untuk dialokasikan (X1 = 5).

36
 SOLUsi

• Stage 1: Kementrian Pendidikan hanya mengusulkan

satu proposal yaitu sebesar $4 juta, sehingga
(D1 = 0, 4).
Tidak didanai Proposal didanai

Dana yg Kemungkinan Dana yg Max. Jobs Baru Optimal F1(X1)

Tersedia Pendanaan Tersisa utk Jk m'alokasikan
utk Stage 1,2,3,4 utk Stage 1 Stage 2,3,4 D3 ke Stage 3 Optimal D1
(X1) (D1) (X1-D1) R1(D1)+F2(X1-D1)
5 0 5 0+290 = 290
4 1 225+50 = 275 F1(5) = 290; D1 = 0
37
SOLUsi

Stage State
0 1 2 3 4 5
1 D1 = 0
2 D2 = 0 D2 = 0 D2 = 2 D2 = 3 D2 = 3 D2 = 3
3 D3 = 0 D3 = 1 D3 = 2 D3 = 0 D3 = 0 D3 = 1
4 D4 = 0 D4 = 1 D4 = 2 D4 = 3 D4 = 4 D4 = 5

Alokasi pendanaan optimal untuk memaksimalkan

banyaknya pekerjaan yang diciptakan adalah :
Pendidikan = $0
Keuangan = $3 million
Perhubungan = $2 million
38
Pertanian = $0
Maximum banyaknya pekerjaan yang diciptakan= 290
komponenDynamic Programming

Notasi Deskripsi Contoh

Variabel Stage j Titik Keputusan Keempat Kementrian
Variabel State Xj Jumlah Resource Dana yang tersisa utk dialokasikan
tersisa untuk dialokasikan ke Kementrian - kementrian
Variabel Keputusan Dj Keputusan yg mungkin Dana yang diberikan untuk
pada stage j kementrian ke j
Nilai Stage Return Rj(Dj) stage return karena Banyaknya pekerjaan pada
membuat keputusan Dj kementrian j jika didanai Dj
Nilai Optimal Fj(Xj) Return kumulatif terbaik Maximum banyaknya pekerjaan baru
untuk stages j dan yang diciptakan kementrian j,…,4.
stages sisanya pada state Xj.
Boundary Condition F(XN) sekumpulan nilai optimal Banyaknya pekerjaan baru yang diciptak
untuk stage terakhir (N) mendanai kementrian 4 dg $X4 juta.
Nilai Solusi Optimal F1(T) Kumulatif return terbaik Maximum total banyaknya pekerjaan 39bar
dengan dana tersedia T utk
dialokasikan ke semua kementrian
Dynamic Recursive Relationship

• Dynamic programming adalah proses rekursif

• Recursive relationship berikut menggambarkan proses untuk resource
allocation
• Definisikan Fj(Xj) sebagai maksimum banyaknya pekerjaan baru yang
diciptakan oleh kementrian (stage j, j+1, …, 4, jika tersedia $Xj juta
untuk pendanaan kementrian (stage) j sampai 4.
Fj(Xj) = Max {(Rj(Xj) + Fj+1(Xj - Dj)}

40
Untuk semua Xj yang feasible
Dynamic Recursive Relationship

Bentuk dari recursion relation berbeda beda dari

satu problem ke problem yang lain, tapi secara
umum idenya sama :
Lakukan yang terbaik untuk stage yang tersisa dengan resource
sisa yang tersedia.

41