INTEGER PROGRAMMING

Apa yang selama ini kita peroleh ?

• Dengan metode simpleks hasil yang diperoleh bisa
merupakan bilangan pecahan.
Apa kebutuhan yang lain ?
• Pemrograman bulat dibutuhkan ketika variabel
keputusan harus diperoleh dalam bentuk bilangan
bulat.
Model matematis ?
• Model matematis pemrograman bulat hampir sama
dengan model linear programming, perbedaannya
pada tambahan kendala variabel harus bulat.
Ada 3 macam permasalahan dalam
pemrograman bulat :
- Pemrograman bulat murni, semua variabel
keputusan harus berupa bilangan bulat
- Pemrograman bulat campuran, beberapa
(tidak semua) variabel keputusan berupa
bilangan bulat
- Pemrograman bulat biner, semua variabel
keputusan bernilai 0 atau 1
• Maksimalkan Z = 7000X1 + 6000X2
• Kendala :
2X1 + 3X2 ≤ 12
6X1 + 5X2 ≤ 30
X1,X2 bilangan bulat positif
Grafik??
2X1 + 3X2 ≤ 12
Jika X1 = 0 maka X2 = 4
Jika X2 = 0 maka X1 = 6
Jadi dibuat garis yang menghubungkan titik (0,4) dan (6,0)
6X1 + 5X2 ≤ 30
Jika X1 = 0 maka X2 = 6
Jika X2 = 0 maka X1 = 5
Jadi dibuat garis yang menghubungkan titik (0,6) dan (5,0)
Diperoleh titik potong (3.75 , 1.5) dan Z=35.25

2X1 + 3X2 ≤ 12
(0,6) 6X1 + 5X2 ≤ 30

(0,4)
6X1 + 9X2 = 36
6X1 + 5X2 = 30
4X2 = 6
X2 = 1.5
X1 = 3.75

(5,0) (6,0)
Metode Round Off (pembulatan)
• Merupakan pemecahan paling mudah.
• Jika hasil tsb di atas (X1=3.75, X2=1.5 )
dibulatkan, kemungkinannya adalah :
• X1 = 4 dan X2=2
• X1 = 4 dan X2=1
• Periksa ulang kemungkinan tsb. pada kendala :
2X1 + 3X2 ≤ 12
6X1 + 5X2 ≤ 30
(0.4)

(0,3) (1,3)

(0,2) (1,2) (2.2) (3.2)

(0,1) (1,1) (2.1) (3.1) (4.1)

(0,0) (1,0) (2.0) (3,0) (4,0) (5,0)

X1 X2 Z (dalam ribuan)
Maks Z = 7000X1 + 6000X2
0 0 0
1 0 7
2 0 14
3 0 21
4 0 28
5 0 35
0 1 6
1 1 13
2 1 20
3 1 27
4 1 34
0 2 12
1 2 19
2 2 26
3 2 33
0 3 18
1 3 25
0 4 24
 Pemrograman bulat biner
(Zero One Integer Programming)
Maksimalkan Z = 9X1+6X2+5X3+4X4
Kendala6X1+5X2+3X3+2X4 ≤ 10
X1- X2 ≥0
X3 - X4 ≥ 0
X2 + X4 ≤ 1
X1,X2,X3,X4 = 0 atau 1

Complete Enumeration
 Complete Enumeration
• Solusi yang tidak memenuhi diabaikan
• Solusi yang memenuhi dievaluasi, pilih yang
terbaik.
X1 X2 X3 X4 Memenuhi? Z
0 0 0 0 Y 0
1 0 0 0 Y 9
0 1 0 0 T -
0 0 1 0 Y 5
0 0 0 1 T -
1 1 0 0 T -
1 0 1 0 Y 14
1 0 0 1 T -
0 1 1 0 T -
0 1 0 1 T -
0 0 1 1 Y 9
1 1 1 0 T -
1 0 1 1 T -
1 1 0 1 T -
0 1 1 1 T -
1 1 1 1 T -
 Metode Branch and Bound
• Maksimalkan Z = 7000X1 + 6000X2
• Kendala :
2X1 + 3X2 ≤ 12
6X1 + 5X2 ≤ 30
X1,X2 bilangan bulat positif

Diperoleh X1=3.75 , X2=1.5 , Z=35.25

• Contoh 2 :

Maksimumkan Z = 3 X1 + 5 X2
Dengan syarat 2 X1 + 4 X2 ≤ 25
X1 ≤ 8
2 X2 ≤ 10
X1 ; X2 non negatif integer

 Solusi optimum kontinyu masalah ini adalah X1 = 8, X2 =

2,26 dan Z = 35,25.
 Solusi ini menunjukkan batas atas awal.
 METODE BRANCH DAN BOUND

Seluruh prosedur Branch dan Bound untuk contoh yang lalu dapat digambarkan seperti berikut :

inferior
Solusi bulat optimum
X1 = 8 3
2 2≤
2
≤ X2 = 2 X
X
Z = 34
2
0 X2
X1 = 6 ≥4
X2
X1 = 8 ≥3 ≤6 X2 = 3,25
X2 = 2,25 X 1

Z = 34,25
Z = 35,25 inferior
1
X1
X1 = 6,5 ≥7
X2 = 3
Z = 34,5
Tak layak
Catatan
• Jika IP adalah masalah minimisasi, maka nilai optimal
LP nya akan kurang atau sama dengan nilai optimal IP
• Jika IP adalah masalah maksimalisasi, maka nilai
optimal LP nya akan lebih atau sama dengan nilai
optimal IP
• Jika LP infeasible, maka IP juga akan infeasible
• Jika LP feasible, maka IP belum tentu feasible
• Jika LP menghasilkan nilai optimum yang integer, maka
solusi tersebut adalah feasible dan merupakan solusi
optimum untuk IP