Praktikum Riset Operasi

Laboratorium Perencanaan dan Optimasi Transportasi

 INTEGER PROGRAMMING
(Programa Bilangan Bulat)
Integer Programming (IP) adalah bentuk lain dari programma linier dimana
asumsi divisibilitasnya melemah atau hilang sama sekali.

• Jika model mengharapkan semua variabel basis bernilai integer (bulat

positif atau nol) tanpa divisibilitas, maka dinamakan pure integer
programming.
• Jika model hanya mengharapkan sebagian variabel bernilai integer dengan
asusmsi divisibilitas melemah, dinamakan mixed integer programming.
• Jika model hanya mengharapkan nilai nol atau satu untuk variabelnya,
dinamakan zero one integer programming.
 PURE INTEGER MIXED INTEGER ZERO ONE INTEGER
PROGRAMMING PROGRAMMING PROGRAMMING

Maksimumkan : Maksimum : Maksimum :

Z = 40X1 + 80X2 + 10X3 +
Z = 100X1 + 90X2 Z : 6X1 – 4X2 10X4 + 4X5 +20X6 + 60X7
Pembatas : Pembatas : Pembatas:
40X1 + 50X2 + 30X3 + 10X4
10X1 + 7X2 70 2X1 + 4X2 8 + 10X5 + 40X6 + 30X7 ≤ 100
5X1 + 10X2 50 -3X1 -6X2 24
X1 ; X2 0; X1, X2 integer X1, X2 0; X2 integer X1, X2 = 0 atau 1
 METODE PENYELESAIAN INTEGER
PROGRAMMING
Metode Grafis
Metode ini sama seperti metode pemecahan dalam programa linier dalam
bentuk grafis, namun dengan tambahan pembatas yakni variabel keputusan—
sebagian atau semua—berupa bilangan bulat.
Metode Round Off
Metode ini memberikan cara konvensional atau kolot terhadap permasaahan
programa bilangan bulat, yakni melakukan pembulatan (round off) terhadap
solusi optimal bila dimungkinkan.
Metode Branch-and-Bound
Metode ini dilakukan dengan mengibaratkan suatu permasalahan sebagai
pohon (tree), kemudian permasalahan tersebut dibagi atau dibuat
percabangan (branching) ke dalam subset yang lebih kecil.
CONTOH STUDI KASUS
Maximize Z = 7 X1 + 6 X2
Fungsi Tujuan 2X1 + 3X2 ≤ 12
6X1 + 5X2 ≤ 30
X1, X2 ≥ 0; X1, X2 integer

di mana,
X1 = lampu
X2 = kipas angin
METODE GRAFIS
LANGKAH PENGERJAAN
1. Cari koordinat garis dari tiap pembatas, dengan mengasumsikan
nilai X sebagai nol
2. Menggambar grafik dari studi kasus
3. Melakukan eliminasi kedua pembatas untuk mendapatkan salah
satu nilai X
4. Mencari nilai X sisanya dengan menggunakan substitusi
5. Mencari titik optimal dari fungsi tujuan dengan memasukkan nilai X
METODE ROUND OFF
METODE BRANCH AND BOUND
• Dengan perhitungan menggunakan metode simpleks, didapatkan solusi
optimal Z = 35,25; X1 = 3,75; X2 = 1,5.
• Karena X1 dan X2 bukan bilangan bulat, maka solusi ini tidak valid, dan nilai
Z (profit) sebesar 35,25 dijadikan sebagai batas atas awal (first upper
bounded). Artinya, solusi optimal nantinya tidak akan lebih besar dari 35,25.
• Kemudian dengan metode pembulatan ke bawah, kita dapatkan X1 = 3 dan
X2 = 1 dengan Z = 27 dijadikan batas bawah (lower bounded). Artinya, solusi
optimal nantinya harus di atas 27.
• Dengan kedua batasan ini, maka solusi optimal yang akan dicari haruslah
berada pada rentang 27 sampai 35,25.
ITERASI 1
Permasalahan
Z = 35,25
X1 = 3,75
X2 = 1,50
X1 ≥ 4 X1 ≤ 3

Subset 1 Subset 2
Z = 35,2 Z = 33
X1 = 4 X1 = 3
X2 = 1,2 X2 = 2

Calon solusi
ITERASI 2
Permasalahan
Z = 35,25
X1 = 3,75
X2 = 1,50
X1 ≥ 4 X1 ≤ 3

Subset 1 Subset 2
Z = 35,2 Z = 33
X1 = 4 X1 = 3
X2 = 1,2 X2 = 2

Calon solusi
X2 ≥ 2 X2 ≤ 1

Subset 3 Subset 4
Z = 35,16
Infeasible X1 = 4 1/6
X2 = 1
fathomed
ITERASI 3
Permasalahan
Z = 35,25
X1 = 3,75
X2 = 1,50
X1 ≥ 4 X1 ≤ 3

Subset 1 Subset 2
Z = 35,2 Z = 33
X1 = 4 X1 = 3
X2 = 1,2 X2 = 2

Calon solusi
X2 ≥ 2 X2 ≤ 1

Subset 3 Subset 4
Z = 35,16
Infeasible X1 = 4 1/6
X2 = 1
fathomed
X1 ≥ 5 X1 ≤ 4

Subset 5 Subset 6
Z = 35 Z = 34
X1 = 5 X1 = 4
X2 = 0 X2 = 1

Solusi optimal Calon Solusi

PERBANDINGAN 3 METODE
TERIMA
KASIH