Program Integer

A. Model Program Linear

Pada model program linear sebelumnya sering terjadi solusi yang
menghasilkan bilangan pecahan. Misal :23,73 mangkok dan 8,51
cangkir.
Pada saat metode simpleks menghasilkan nilai non-
integer, kadang diasumsikan bahwa nilai solusi bisa dibulatkan ke
nilai terdekat. Misal : x1 = 7000,4 paku dibulatkan menjadi x1 =
7000 paku. Tetapi bila kasus x1 nya adalah kapal selam maka
pembulatan mempengaruhi keuntungan bermiliar2 dolar. Pada
materi ini dipelajari pendekatan pemecahan yang menghasilkan
bilangan integer optimal.
Tiga jenis model program linear integer : (1) model
total integer, (2) model 0-1 integer, (3) model integer campuran.
Pada (1) semua solusi harus menghasilkan nilai integer, pada (2)
solusi berupa nilai integer 0 atau 1, pada (3) beberapa nilai
peubah keputusan mempunyai nilai integer.
1. Contoh Model Total Integer
Pemilik toko merencanakan membeli mesin pencetak dan
mesin bubut. Pemilik memprediksi setiap mesin pencetak akan
menaikan keuntungan sebesar $100 per hari dan mesin bubut
menaikan keuntungan $150 per hari. Luas tempat dan harga
masing-masing sebagai berikut:
Anggran pembelian mesin adalah $40.000 sedangkan tempat
tersedia 200 feet persegi. Pemilik ingin mengetahui berapa
banyak mesin yang dapat dibeli supaya keuntungan maksimum.
Dalam hal ini tidak diperbolehkan menghasilkan solusi yang
pecahan.
Mesin Luat tempat (ft) Harga Beli ($)
Pencetak 15 8000
Bubut 30 4000
Model Linearnya adalah sebagai berikut:
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x1, x2 0 dan integer
Diketahui : x1 = jumlah mesin pencetak
x2 = jumlah mesin bubut
2. Contoh Model Integer 0 1
Bapeda sebuah kota merencanakan untuk membangun
fasilitas rekreasi., yaitu : kolam renang, lapangan tenis,
lapangan atletik, dan gelanggang olah raga. Pengguna, biaya
dan lahan yang diperlukan disajikan pada tabel berikut :
Tabel data contoh integer 0-1
Anggaran yang disediakan $120.000 dan luas lahan 12 acre.
Karena ada pada lahan yang sama, lahan kolam renang atau
lapangan tenis hanya akan didirikan salahsatu saja. Bapeda ingin
mengetahui fasilitas mana saja yang harus didirikan agar pengguna
menjadi maksimum.
Formulasi Model PL :
Maksimumkan Z = 300x1 + 90x2 + 400x3 + 150x4
Batasan 35.000x1 + 10.000x2 + 25.000x3 + 90.000x4 120.000
4x1 + 2x2 + 7x3 + 3x4 12
x1 + x2 1
x1, x2, x3, x4 = 0 atau 1
x1 = pendirian 1 kolam renang; x2 = pendirian 1 lapangan tenis; x3 = pendirian 1
lapangan atletik; x4 = pendirian 1 gelanggang olah raga
Fasilitas Rekreasi Banyaknya
Pengguna
(orang/ hari)
Biaya ($) Luas Lahan
( acre)
Kolam renang 300 35.000 4
Lapangan tenis 90 10.000 2
Lapangan atletik 400 25.000 7
Gelanggan Olah Raga 150 90.000 3
Nilai 1 artinya perlu didirikan, nilai 0 artinya tidak perlu
didirikan
3. Contoh Model Integer Campuran
Seorang pengusaha memiliki kelebihan uang $250.000 dan akan
di investasikan pada 3 alternatif, yaitu : kondominium, tanah, dan
obligasi. Dia ingin menginvestasikan uangnya dengan tujuan
pengembalian terbesar diperoleh pada akhir tahun.
Data jenis investasi:
Jenis Investasi Harga Ketersedia
n
Keuntungan
per tahun
Kondominium $50.000/ unit 4 unit $9.000
Tanah $12.000/ acre 15 acre $1.500
Obligasi $ 8.000/ obligasi 20 obligasi $1.000
Model PL nya:
Maksimumkan Z = 9.000x1+1.500x2+1.000x3
Batasan : 50.000x1 + 12.000x2 + 8.000x3 250.000
x1 4
x2 15
x3 20
x2 0
x1, x3 0 dan integer
x1 = # kondominium yang dibeli
x2 = # acre tanah yang dibeli
x3 = # obligasi yang dibeli
x1 dan x3 harus integer, sedangkan x2 bilangan real
B. Solusi Model Program Integer
Ada beberapa cara untuk menyelesaikan program linear dan
yang paling mudah adalah metode pembulatan. Contoh untuk
persoalan banyaknya mesin yang ingin di beli.
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x1, x2 0 dan integer
Diketahui : x1 = jumlah mesin pencetak
x2 = jumlah mesin bubut
Hasil pecahan untuk model ini dapat dilihat pada tabel
simpleks.
Solusi Simpleks Optimal
cj
Variabel
Dasar
Kuantitas
100 150 0 0
x1 X2 s1 s2
100 x1 2,22 1 0 0,00016 -0,022
150 x2 5,55 0 1 -0,00008 0,044
zj 1.054,5 100 150 0,004 4,4
cj - zj 0 0 -0,004 -4,4
Solusi berdasarkan tabel simpleks
x1 = 2,22 dan x2 = 5,55 bulatkan pada bilangan yang terdekat, sehingga
x1 = 2 dan x2 = 6 akan tetapi bila dimasukan nilai-nilainya ke batasan 2
maka nilainya
15(2) + 30(6) 200
210 200 tidak feasibel.
Jika semua batasan berisi dan koefisien batasan positif, maka
pembulatan ke bawah akan menjamin feasible sehingga x1 = 2 dan x2 =
5. Diperoleh Z = $950. Cara ini mempunyai resiko, yaitu tidak ditemukan
bilangan integer yang optimal. Perhatikan gambar berikut:
Perhatikan pada grafik x1 = 1 dan x2 = 6 menghasilkan Z = $1000, yang
lebih besar dari Z yang dihasilkan oleh x1= 2 dan x2 = 5.
0
1
2
3
4
5
6
7
8
9
10
11
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Anggaran
Tempat
1. Metode Branch and Bound
Metode ini untuk memecahkan persoalan program integer
digabungkan bersama-sama dengan metode simpleks. Contoh :
Model dengan batasan integer dilepaskan.
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x1, x2 0
Solusi Simpleks Relaxed/ batasan integer dilepaskan Optimal
Node pertama dalam diagram branch and bound adalah sbb:
cj
Variabel
Dasar
Kuantitas
100 150 0 0
x1 x2 s1 s2
100 x1 2,22 1 0 0,00016 -0,022
150 x2 5,55 0 1 -0,00008 0,044
zj 1.054,5 100 150 0,004 4,4
cj - zj 0 0 -0,004 -4,4
1
1.054,5
Node pertama berisi nilai optimal dari tabel simpleks relaxed.
Node ini mempunyai batas atas dan batas bawah berikut:
BA = 1.054,50 ( x1 = 2,22; x2 = 5,55 )
BB = 950 ( x1 = 2, x2 = 5 )
Hasil optimal tidak boleh kurang dari BB dan tidak akan lebih
dari BA.
Dari x1=2,22 dan x2=5,55 perhatikan peubah yang
mempunyai pecahan paling besar. 0,55 dari 5,55 adalah
pecahan yang paling besar sehingga x2 peubah yang diberi
cabang. Mengingat x2 harus bernilai integer dalam solusi maka
batasan berikut dapat dikembangkan.
x2 5 dan x2 6
Solusi pada node 2 didapat dengan cara memecahkan model
dengan batasan x2 5 berikut ini.
Subset solusi untuk x2 dan x3
Solusi pada node 2 didapat dengan memecahkan PL
ditambahkan batasan x25.
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x2 5
x1, x2 0
Solusi Relaxed Optimal pada Node 2
1
1.054,5
2
3
x25 x26
cj
Variabel
Dasar
Kuantitas
100 150 0 0
x1 x2 s1 s2 S3
100 x1 2,5 1 0 0,000125 0 -0,5
0 s2 12,5 0 0 0,001875 1 -22,5
150 x2 5 0 2 0 0 1
zj 1.000 100 150 0,0125 0 100
cj - zj 0 0 -0,0125 0 -100
Solusi pada node 3 didapat dengan memecahkan PL
ditambahkan batasan x2 6.
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x2 6
x1, x2 0
Solusi Relaxed Optimal pada Node 3
cj
Variabel
Dasar
Kuantitas
100 150 0 0
x1 x2 s1 s2 S3
0 s1 5,352 0 0 1 -533,30 266,6
100 x1 1,33 1 0 0 0,067 2
150 x2 6 0 1 0 0 -1
zj 1.033 100 150 0 6,7 50
cj - zj 0 0 0 -6,7 -50
Diagram branch and bound dengan batas bawah dan atas pada
node 2 dan 3
1
1.054,5
2
(1.000)
3
(1.033)
BA=1.054,5 (x1=2,22; x2=5,55)
BB=950 (x1=2, x2=5)
BA=1.000 (x1=2,5; x2=5)
BB=950 (x1=2, x2=5)
BA=1.033 (x1=1,33; x2=6)
BB=1000 (x1=1, x2=6)
Subset solusi untuk x1
Karena nilai maksimum node 3 lebih besar dibandingkan node
2 maka buat percabangan di node 3.
1
1.054,5
2
(1.000)
3
(1.033)
4
5
BA=1.000 (x1=2,5; x2=5)
BB=950 (x1=2, x2=5)
x25
x26
x11 x12
BA=1.054,5 (x1=2,22; x2=5,55)
BB=950 (x1=2, x2=5)
BA=1.033 (x1=1,33; x2=6)
BB=1000 (x1=1, x2=6)
Solusi pada node 4 didapat dengan memecahkan PL pada
node 3 ditambahkan batasan x1 1.
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x2 6
x1 1
x1, x2 0
Solusi Relaxed Optimal pada Node 4
cj
Variabel
Dasar
Kuantitas
100 150 0 0 0 0
x1 x2 s1 s2 s3 s4
0 s1 7.333,33 0 0 1 -133,3 0 -6.000
0 s3 0,17 0 0 0 0,033 1 -0,50
150 x2 6,17 0 1 0 0,033 0 -0,50
100 x1 1 1 0 0 0 0 1
zj 1.033 100 150 0 5 0 25
cj - zj 0 0 0 -5 0 -25
Solusi pada node 5 didapat dengan memecahkan PL pada
node 3 ditambahkan batasan x1 2
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x2 6
x1 2
x1, x2 0
Solusi Relaxed Optimal pada Node 5
Karena masih terdapat peubah artifisial artinya solusi tersebut
tidak feasibel maka pada node 5 tidak terdapat solusi.
cj
Variabel
Dasar
Kuantitas
100 150 0 0 0 0
x1 x2 s1 s2 s3 s4
0 s1 5.360 0 0 1 -4.000 0 0
100 x1 1,33 1 0 0 2 0 0
150 x2 6 0 1 0 -1 0 0
-M A2 0,77 0 0 0 -2 -1 1
zj 900-0,77M 100 150 0 50+2M M -M
cj - zj 0 0 0 -50-2M -M 0
Diagram branch and bound dengan batas atas dan bawah pada
node 4 dan 5
1
1.054,5
2
(1.000)
3
(1.033)
4
(1.025,5)
5
(tdk layak)
BA=1.000 (x1=2,5; x2=5)
BB=950 (x1=2, x2=5)
BA=1.025,5 (x1=1; x2=6,17)
BB=1.000 (x1=1, x2=6)
x25
x26
x11 x12
BA=1.054,5 (x1=2,22; x2=5,55)
BB=950 (x1=2, x2=5)
BA=1.033 (x1=1,33; x2=6)
BB=1000 (x1=1, x2=6)
Subset solusi untuk x2
1
1.054,5
2
(1.000)
3
(1.033)
4
(1.025,5)
5
(tdk layak)
BA=1.000 (x1=2,5; x2=5)
BB=950 (x1=2, x2=5)
BA=1.025,5 (x1=1; x2=6,17)
BB=1.000 (x1=1, x2=6)
x25
x26
x11 x12
BA=1.054,5 (x1=2,22; x2=5,55)
BB=950 (x1=2, x2=5)
BA=1.033 (x1=1,33; x2=6)
BB=1000 (x1=1, x2=6)
7 6
x16
x17
Solusi pada node 6 didapat dengan memecahkan PL pada
node 5 ditambahkan batasan x2 6
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x2 6
x1 2
x2 6
x1, x2 0
Solusi Relaxed Optimal pada Node 6
cj
Variabe
l Dasar
Kuantita
s
100 150 0 0 0 0
x1 x2 s1 s2 s3 s4 s5
0 s1 8.000 0 0 1 0 0 -8.000 -4.000
0 s2 5 0 0 0 1 0 -15 30
150 x2 6 0 1 0 0 0 0 1
100 x1 1 1 0 0 0 0 1 0
0 s3 0 0 0 0 0 1 0 1
zj 1.000 100 150 0 0 0 100 150
cj - zj 0 0 0 0 0 -100 -150
Solusi pada node 7 didapat dengan memecahkan PL pada
node 5 ditambahkan batasan x2 7
Maksimumkan Z = 100x1 + 150x2
Batasan 8000 x1 + 4000x2 40.000
15x1 + 30x2 200
x2 6
x1 2
x2 7
x1, x2 0
Solusi Relaxed Optimal pada Node 7
cj
Vari
abel
Das
ar
Kuantit
as
100 150 0 0 0 0
x1 x2 s1 s2 s3 s4 s5 A2
0 s1 13,33 6.000 0 1 -133,33 0 0 0 0
0 s2 0,67 0,50 0 0 0,033 1 0 0 0
150 x2 6,67 0,50 1 0 0,033 0 0 0 0
0 s4 1 1 0 0 0 0 1 0 0
-M A2 0,33 0,50 0 0 -0,033 0 0 -1 1
zj 1.000,5 75+0,5M 150 0 49,5+0,033M 0 0 M -M
cj - zj 25-0,5M 0 0 -49,5-0,033M 0 0 -M 0
Diagram branch and bound dengan solusi optimal di node 6
1
1.054,5
2
(1.000)
3
(1.033)
4
(1.025,5)
5
(tdk layak)
BA=1.000 (x1=2,5; x2=5)
BB=950 (x1=2, x2=5)
BA=1.025,5 (x1=1; x2=6,17)
BB=1.000 (x1=1, x2=6)
x25
x26
x11 x12
BA=1.054,5 (x1=2,22; x2=5,55)
BB=950 (x1=2, x2=5)
BA=1.033 (x1=1,33; x2=6)
BB=1000 (x1=1, x2=6)
7
(tdk layak)
6
x16
x17
BA=1.000 (x1=1; x2=6)
BB=1.000 (x1=1, x2=6)
Ringkasan langkah-langkah metode branch and bound dalam menentukan
solusi integer optimal untuk model maksimisasi adalah sebagai berikut:
a. Dapatkan solusi simpleks optimal dari model program linear dengan
batasan integer yang dilepaskan.
b. Tentukan solusi simpleks relaxed sebagai batas atas sedangkan solusi hasil
pembulatan ke bawah sebagai batas bawah pada node 1.
c. Pilih peubah dengan bagian pecahan yang terbesar untuk percabangan.
Ciptakan dua batasan baru untuk peubah ini yang mencerminkan
pembagian nilai integer. Hasilnya adalah sebuah batasan dan sebuah
batasan .
d. Ciptakan dengan node baru, satu dengan batasan dan satu dengan
batasan
e. Selesaikan model program linear relaxed dengan batasan baru yang
ditambahkan pada tiap node
f. Solusi simpleks relaxed adalah merupakan batas atas pada tiap node, dan
solusi maksimum integer merupakan batas bawah dari node.
g. Jika proses ini menghasilkan solusi integer feasibel dengan nilai batas atas
terbesar pada akhir node mana saja, maka solusi integer optimal tercapai.
Jika tidak muncul suatu solusi integer fisibel, lakukan percabangan dari
node dengan batas atas terbesar.
h. Ulangi langkah c.
Untuk model minimum, solusi relaxed merupakan solusi yang
dibulatkan keatas, sedangkan batas atas dan bawahnya
merupakan kebalikan dari model maksimumisasi.
2. Solusi Model Integer Campuran.
Persoalan model integer campuran dapat diselesaikan
menggunakan metode Branch and bound. Perbedaannya adalah
(1) hanya variabel integer yang dibulatkan ke bawah untuk
mendapatkan batas bawah. (2) dalam menentukan percabangan,
dipilih pecahan terbesar hanya diantara variabel-variabel yang
harus integer. Langkah lainnya sama.
3. Solusi Model Integer 0-1
Dapat dilakukan metode Branch and Bound dengan perubahan
kecil. (1) batasan 0-1 untuk peubah-peubah dicantumkan sebagai
batasan model x1.