INTEGER PROGRAMMING

Salah satu asumsi teknik LP adalah divisibility

atau fractionality. Dalam situasi keputusan tertentu,
asumsi ini tidak realistik dan tak dapat diterima.
Misalnya, suatu solusi yang memerlukan 2,29 kapal
selam dalam sistem pertahanan adalah
tidak
memiliki makna praktis. Dalam kasus ini, 2 atau 3
kapal selam harus disediakan.
Integer Programming adalah suatu LP dengan
tambahan persyaratan bahwa semua atau beberapa
variabel bernilai bulat non negatif, tetapi tidak perlu
bahwa parameter model juga bernilai bulat.
Jika model mengharapkan semua variabel basis
bernilai integer (bulat positif atau nol), dinamakan
pure integer programming. Jika model mengharapkan variabel-variabel tertentu bernilai integer
dinamakan mixed integer programming. Dan jika
model hanya mengharapkan nilai nol atau satu untuk
variabelnya,
dinamakan
zero one
integer
programming.
Untuk mendapatkan solusi bulat dari masalah
LP, dengan menggunakan metode simpleks biasa dan
kemudian membulatkan nilai-nilai pecah solusi
optimum. Bukan tugas mudah untuk membulatkan
nilai pecah variabel basis yang menjamin tetap

memenuhi semua kendala dan tidak menyimpang

cukup jauh dari solusi bulat yang tepat.

METODE BRANCH DAN BOUND

DALAM INTEGER PROGRAMMING
Metode Branch dan Bound telah menjadi kode
komputer standar untuk integer programming, dan
penerapan-penerapan dalam praktek tampaknya
menyarankan bahwa metode ini lebih efisien.
Langkah-langkah masalah LP dengan metode Branch
dan Bound untuk masalah maksimisasi dapat
diringkas seperti berikut :
1. Selesaikan masalah LP dengan metode simpleks
biasa tanpa pembatasan bilangan bulat.
2. Teliti solusi optimumnya, jika variabel basis
yang diharapkan bulat adalah bulat, solusi
optimum bulat telah tercapai. Jika satu atau lebih
variabel basis yang diharapkan bulat ternyata
tidak bulat lanjutkan ke alangkah 3.
3. Nilai solusi pecah yang layak dicabangkan ke
dalam sub-sub masalah. Tujuannya adalah untuk
menghilangkan solusi kontinyu yang tidak
memenuhi persyaratan bulat dari masalah itu.
Percabangan itu dilakukan melalui kendalakendala mutually exclusive yang perlu untuk

memenuhi persyaratan bulat dengan jaminan tak

ada solusi bulat layak yang tidak diikutsertakan.
4. Untuk setiap sub masalah, nilai solusi optimum
kontinyu fungsi tujuan ditetapkan sebagai batas
atas. Solusi bulat terbaik menjadi batas bawah.
Sub-sub masalah yang memiliki batas atas
kurang dari batas bawah yang ada tak
diikutsertakan pada analisis selanjutnya. Suatu
solusi bulat layak adalah sama baik atau lebih
baik dari batas atas untuk setiap sub masalah
yang dicari. Jika solusi demikian ada, suatu sub
masalah dengan batas atas terbaik dipilih untuk
dicabangkan. Kembali ke langkah 3.

Contoh :
Maksimumkan Z = 3X1 + 5X2
Syarat :
2X1 + 4 X2 25
X1
8
2 X2
10
X1 , X2 non negatif integer
Solusi optimum kontinyu masalah ini adalah :
X1= 8, X2 = 2,25 dan Z = 35,25
Solusi ini menunjukkan batas atas awal. Batas bawah
adalah Solusi yang dibulatkan kebawah :

X1 = 8, X2 = 2 dan Z = 34.
Masalah itu dibagi menjadi dua bagian untuk mencari
nilai solusi bulat yang mungkin bagi X1 dan X2.
Untuk melakukan ini variabel dengan nilai solusi
pecahan yang memiliki bagian pecah terbesar dipilih.
Karena pada solusi ini hanya X2 yang mempunyai
bagian pecahan, maka dipilih. Untuk menghilangkan
bagian pecahan dari nilai 2,25, dua kendala baru
diciptakan. Dibuat dua bilangan bulat terdekat dari
2,25 adalah 2 dan 3.
Sehingga di peroleh dua masalah baru melalui dua
kendala mutual exclusive X2 2 dan X2 3, yang
akan diuraikan berikut ini sebagai bagian dari A dan
B. Kendala- kendala ini secara efektif menghilangkan
semua nilai pecahan pada X2 yaitu antara 2 dan 3.
Pengaruhnya mereka mengurangi ruang solusi layak
sedemikian hingga angka solusi bulat yang dievaluasi
pada masalah akan semakin sedikit.

Bagian A :
Maksimumkan Z = 3X1 + 5X2
Syarat :

2X1 + 4 X2 25
X1
8
2 X2
10 (berlebih)
X2
2
X1 , X2 0

BAGIAN B
Maksimumkan Z = 3X1 + 5X2
Syarat :

2X1 + 4 X2 25
X1
8
2 X2
10
X2
3
X1 , X2 0

Bagian A dan B diselesaikan tanpa pembatasan

bilangan bulat dengan metode simpleks. Solusi grafik
kedua bagian itu ditunjukkan pada gambar dibawah,
Solusi simpleksnya adalah:

X2

X2

6,25

Solusi Optimum titik A

Solusi Optimum titik B

6,25

X1=6,5 ,

X1=8, X2=2, Z=34

X2=3, Z=34,5

5
3
2

A
0

12,5

X1

6,5

12,5

X1

Bagian A : X1= 8, X2 = 2 dan Z =34

B : X1= 6,5, X2 = 3 dan Z =34,5

Bagian A menghasilkan suatu solusi yang semuanya

bulat. Untuk bagian A batas atas dan bawah adalah
Z =34 .
Solusi pecah bagian B menghasilkan nilai fungsi
tujuan yang lebih besar dari batas atas bagian A.
Sangat mungkin bahwa, pencarian lebih lanjut dapat
menghasilkan suatu solusi yang semuanya bulat
dengan nilai fungsi tujuan yang melebihi batas
bagian A = 34.
Bagian B dicabangkan kedalam dua sub bagian,
B1 dan B2.
pertama dengan kendala X1 6 dan X1 7.

Kedua Sub masalah dinyatakan sbb.:

SUB BAGIAN B1
Maksimumkan Z = 3X1 + 5X2
Syarat :
2X1 + 4 X2 25
X1
8 (berlebih)
2 X2
10
X2
3
X1
6
X1 , X2
0
SUB BAGIAN B2
Maksimumkan Z = 3X1 + 5X2
Syarat :
2X1 + 4 X2 25
X1
8
2 X2
10
X2
3
X1
7
X1 , X2 0
B2

X2

B1

6,25

X2

Tak Layak

Solusi Optimum titik A

6,25

12,5 X1

X1=6 ,

X2=3,25, Z=34,25

12,5

Solusi Simpleksnya adalah :

Sub bagian B1 : X1 = 6, X2= 3,25, Z = 34,25
Sub bagian B2 : tak layak
Karena sub bagian B1 menghasilkan nilai fungsi
tujuan yang lebih besar dari 34 ( batas atas bagian A),
ia harus dicabangkan lagi ke dalam dua sub masalah,
dengan kendala X2 3 dan X2 4, Kedua sub
masalah diberi nama bagian B1a dan B1b.
BAGIAN B1a
Maksimumkan Z = 3X1 + 5X2
Syarat :
2X1 + 4 X2 25
2X2
10 (berlebih)
X2
3
X1
6
X2
3
X1 , X2 0
BAGIAN B1b
Maksimumkan Z = 3X1 + 5X2
Syarat :
2X1 + 4 X2 25
2X2
10
X2
3 (berlebih)
X2
4
X1
6
X1 , X2 0

Solusi optimum dengan metode simpleks adalah

Bagian B1a : X1 = 6, X2= 3, Z = 33
Bagian B1b : X1 = 4,25, X2= 4, Z = 33,5
Kedua solusi itu memiliki batas atas (Z=33 dan
Z=33,5) yang lebih jelek dibanding dengan solusi
yang dihasilkan oleh bagian A. Karena itu solusi
bulat optimum adalah X1 = 8, X2= 2, Z = 34. yang
dihasilkan oleh bagian A.
Jika pencarian telah dirampungkan, solusi bulat
dengan nilai fungsi tujuan tertinggi dipilih sebagai
solusi optimum. Seluruh prosedur Branch dan Bound
untuk masalah ini ditunjukkan sbb.
Solusi bulat
optimum

X1 =8
X2 = 2
Z = 34

X22

X1 =8
X2 = 2,25
Z = 35,25

X23

X2 3

X1 6

X1 = 6,5
X2 = 3
Z = 34,5

Inferior

X24

X1 =6
X2 = 3,25
Z = 34,25

X17
Tak layak

Inferior

Suatu kelemahan dasar dari metode ini adalah bahwa

diperlukan pemecahan masalah LP untuk setiap
percabangan . Dalam masalah yang besar, akan
memakan waktu.
Karena itu dalam prosedur percabangan dan
pencarian, analisa selanjutnya dihentikan jika :
1. Hasil sub problem lebih jelek dibanding dengan
batas atas yang sudah diidentifikasikan
2. Percabangan selanjutnya menghasilkan solusi tak
layak

PENYELESAIAN INTEGER PROGRAMMING

DENGAN EXCEL