Program Dinamis

(Dynamic Programming)

1
2
 Program Dinamis
• Program Dinamis (dynamic programming):
- metode pemecahan masalah dengan cara menguraikan
solusi menjadi sekumpulan tahapan (stage)
- sedemikian sehingga solusi dari persoalan dapat
dipandang dari serangkaian keputusan yang saling
berkaitan.

• Istilah “program dinamis” muncul karena perhitungan

solusi menggunakan tabel-tabel.
3
4
Karakteristik penyelesaian persoalan dengan
Program Dinamis:
1.terdapat sejumlah berhingga pilihan yang mungkin,

2.solusi pada setiap tahap dibangun dari hasil solusi

tahap sebelumnya,

3.kita menggunakan persyaratan optimasi dan

kendala untuk membatasi sejumlah pilihan yang
harus dipertimbangkan pada suatu tahap.

5
• Perbedaan Algoritma Greedy dengan
Program Dinamis:
 Greedy: hanya satu rangkaian keputusan yang
dihasilkan

 Program dinamis: lebih dari satu rangkaian

keputusan yang dipertimbangkan.

6
 Tinjau graf di bawah ini. Kita ingin menemukan
lintasan terpendek dari 1 ke 10.
7
2 5
1
2 4 3 4
6 8 3
6
4
1 3 2 6 3 10

3 9 4
4
3 1
4
3
4 7
5

Greedy: 1 – 2 – 6 – 9 – 10 dengan cost = 2 + 4 + 3 + 4 = 13

Program Dinamis: akan dijelaskan kemudian 7
 Prinsip Optimalitas
• Pada program dinamis, rangkaian keputusan yang
optimal dibuat dengan menggunakan Prinsip
Optimalitas.

• Prinsip Optimalitas: jika solusi total optimal,

maka bagian solusi sampai tahap ke-k juga
optimal.

8
• Prinsip optimalitas berarti bahwa jika kita bekerja
dari tahap k ke tahap k + 1, kita dapat menggunakan
hasil optimal dari tahap k tanpa harus kembali ke
tahap awal.

• ongkos pada tahap k +1 = (ongkos yang dihasilkan

pada tahap k ) + (ongkos dari tahap k ke tahap k + 1)

… ck , k 1 …
1 2 … k k +1 … n

9
 Karakteristik Persoalan
Program Dinamis
1. Persoalan dapat dibagi menjadi beberapa tahap
(stage), yang pada setiap tahap hanya diambil
satu keputusan.

2. Masing-masing tahap terdiri dari sejumlah status

(state) yang berhubungan dengan tahap tersebut.
Secara umum, status merupakan bermacam
kemungkinan masukan yang ada pada tahap
tersebut.
10
Graf multitahap (multistage graph). Tiap simpul di
dalam graf tersebut menyatakan status, sedangkan
V1, V2, … menyatakan tahap.
V1 V2 V3 V4 V5

9
6

7 10 12
1

4
8
11

11
3. Hasil dari keputusan yang diambil pada setiap tahap
ditransformasikan dari status yang bersangkutan ke
status berikutnya pada tahap berikutnya.

4. Ongkos (cost) pada suatu tahap meningkat secara

teratur (steadily) dengan bertambahnya jumlah
tahapan.

5. Ongkos pada suatu tahap bergantung pada ongkos

tahap-tahap yang sudah berjalan dan ongkos pada
tahap tersebut.

12
6. Keputusan terbaik pada suatu tahap bersifat
independen terhadap keputusan yang dilakukan
pada tahap sebelumnya.

7. Adanya hubungan rekursif yang

mengidentifikasikan keputusan terbaik untuk setiap
status pada tahap k memberikan keputusan terbaik
untuk setiap status pada tahap k + 1.

8. Prinsip optimalitas berlaku pada persoalan tersebut.

13
 Dua pendekatan PD
• Dua pendekatan yang digunakan dalam PD:
1. PD maju (forward atau up-down)
2. PD mundur (backward atau bottom-up).

14
Misalkan x1, x2, …, xn menyatakan peubah (variable)
keputusan yang harus dibuat masing-masing untuk
tahap 1, 2, …, n. Maka,
1.Program dinamis maju. Program dinamis bergerak
mulai dari tahap 1, terus maju ke tahap 2, 3, dan
seterusnya sampai tahap n. Runtunan peubah keputusan
adalah x1, x2, …, xn.

2.Program dinamis mundur. Program dinamis bergerak

mulai dari tahap n, terus mundur ke tahap n – 1, n – 2,
dan seterusnya sampai tahap 1. Runtunan peubah
keputusan adalah xn, xn-1, …, x1.
15
Prinsip optimalitas pada PD maju:
ongkos pada tahap k +1 = (ongkos yang
dihasilkan pada tahap k ) + (ongkos dari tahap k
ke tahap k + 1)
k = 1, 2, …, n – 1

Prinsip optimalitas pada PD mundur:

ongkos pada tahap k = (ongkos yang dihasilkan
pada tahap k + 1) + (ongkos dari tahap k + 1 ke
tahap k )
k = n, n – 1, …, 1
16
 Langkah-langkah Pengembangan
Algoritma Program Dinamis
1. Karakteristikkan struktur solusi optimal.
2. Definisikan secara rekursif nilai solusi
optimal.
3. Hitung nilai solusi optimal secara maju
atau mundur.
4. Konstruksi solusi optimal.

17
 Lintasan Terpendek
(Shortest Path)
• Tentukan lintasan terpendek dari simpul 1 ke
simpul 10:
7
2 5
1
2 4 3 4
6 8 3
6
4
1 3 2 6 3 10

3 9 4
4
3 1
4
3
4 7
5
18
Penyelesaian dengan Program Dinamis
Mundur

• Misalkan x1, x2, …, x4 adalah simpul-

simpul yang dikunjungi pada tahap k (k = 1,
2, 3, 4).

• Maka rute yang dilalui adalah

x1x2x3x4  10 ,
yang dalam hal ini x1 = 1.
19
Pada persoalan ini,
• Tahap (k) adalah proses memilih simpul
tujuan berikutnya (ada 4 tahap).

• Status (s) yang berhubungan dengan

masing-masing tahap adalah simpul-simpul
di dalam graf.
20
Relasi rekurens berikut menyatakan lintasan terpendek
dari status s ke x4 pada tahap k:
f1 ( s ) c x1s (basis)
f k ( s) min{c xk s  f k  1 ( xk )} , (rekurens)
xk

k = 2, 3, 4

Keterangan:
a. xk : peubah keputusan pada tahap k (k = 2, 3, 4).
b. c : bobot (cost) sisi dari s ke xk
sxk

c. fk(s) : nilai minimum dari fk(xk, s)

d. fk(xk, s) : total bobot lintasan dari ke xk ke s

Tujuan program dinamis maju: mendapatkan f4(10)

dengan cara mencari f1(s), f2(s), f3(s) terlebih dahulu. 21
Tahap 1:
f1 ( s ) c x1s

Solusi Optimum
s f1(s) x1*
2 2 1
3 4 1
4 3 1

Catatan: xk* adalah nilai xk yang meminimumkan fs.

22
Tahap 2:
f 2 ( s ) min{c x2 s  f1 ( x2 )}
x2

x2 f2(x2,s) = cx2,s + f1(x2) Solusi Optimum

s 2 3 4 f2(s) x2*
5 9 7 7 7 3 atau 4
6 6 6 4 4 4
7 8 8 8 8 2, 3, 4

23
Tahap 3:
f 3 ( s ) min{c x3s  f 2 ( x3 )}
x3

x2 f2(x3, s) = cx3,s + f2(x3) Solusi Optimum

s 5 6 7 f3(s) x 3*
8 8 10 11 8 5
9 11 7 11 7 6

24
Tahap 4:
f 4 ( s) min{c x4 s  f 3 ( x4 )}
x4

x1 f1(x4, s) = cx4,s + f3(x4) Solusi Optimum

s 8 9 f4(s) x 4*
10 11 11 11 8 atau 9

25
Solusi optimum dapat dibaca pada tabel di bawah ini:

x4 x3 x2 x1 Panjang Lintasan Terpendek

8 5 3 1 11

4
10

9 6 4 1 11

Jadi ada tiga lintasan terpendek dari 1 ke 10, yaitu

1  3  5  8  10
1  4  5  8  10
1  4  6  9  10
yang mana panjang ketiga lintasan tersebut sama, yaitu 11.

26
 Penganggaran Modal
(Capital Budgeting)
• Sebuah perusahaan berencana akan
mengembangkan usaha (proyek) melalui ketiga
buah pabrik (plant) yang dimilikinya. Setiap pabrik
diminta mengirimkan proposal (boleh lebih dari
satu) ke perusahaan untuk proyek yang akan
dikembangkan. Setiap proposal memuat total biaya
yang dibutuhkan (c) dan total keuntungan (revenue)
yang akan diperoleh (R) dari pengembangan usaha
itu. Perusahaan menganggarkan Rp 5 milyar untuk
alokasi dana bagi ketiga pabriknya itu.

27
• Tabel berikut meringkaskan nilai c dan R untuk
masing-masing proposal proyek. Proposal proyek
bernilai-nol sengaja dicantumkan yang berarti
tidak ada alokasi dana yang diberikan ntuk setiap
pabrik. Tujuan Perusahaan adalah memperoleh
keuntungan yang maksimum dari pengalokasian
dana sebesar Rp 5 milyar tersebut. Selesaikan
persoalan ini dengan program dinamis.

28
 Pabrik 1 Pabrik 2 Pabrik 3
Proyek c1 R1 c2 R2 c3 R3
1 0 0 0 0 0 0
2 1 5 2 8 1 3
3 2 6 3 9 - -
4 - - 4 12 - -

29
Penyelesaian dengan Program Dinamis

• Tahap (k) adalah proses mengalokasikan dana untuk

setiap pabrik (ada 3 tahap, tiap pabrik mendefinisikan
sebuah tahap).

• Status (xk) menyatakan jumlah modal yang dialokasikan

pada pada setiap tahap (namun terikat bersama semua
tahap lainnya).

• Alternatif (p) menyatakan proposal proyek yang

diusulkan setiap pabrik. Pabrik 1, 2, dan 3 masing-
masing memiliki 3, 4 dan 2 alternatif proposal.
30
Peubah status yang terdapat pada tahap 1, 2, dan 3:

x1 =  modal yang dialokasikan pada tahap 1

x2 =  modal yang dialokasikan pada tahap 1 dan 2
x3 =  modal yang dialokasikan pada tahap 1, 2, dan 3

x3
x2
x1

Tahap 1 Tahap 2 Tahap 3

Kemungkinan nilai-nilai untuk x1 dan x2 adalah 0, 1, 2,

3, 4, 5 (milyar), sedangkan nilai untuk x3 adalah 5

31
 Penyelesaian dengan Program Dinamis Maju.

Misalkan,
Rk(pk) = keuntungan dari alternatif pk pada
tahap k

fk(xk) = keuntungan optimal dari tahap 1, 2,

…, dan k yang diberikan oleh status xk

32
Relasi rekurens keuntungan optimal:

f ( x )  max {R1(p1)}
1 1 feasible
(basis)
proposal _ p1

f ( x )  max {Rk(pk) + fk-1(xk-1) }

k k feasible
(rekurens)
proposal _ pk

k = 2, 3
Catatan:
1. xk – 1 = xk – ck(pk)

c(pk) adalah biaya untuk alternatif pk pada tahap k.

2. Proposal pk dikatakan layak (feasible) jika biayanya,

c(pk), tidak melebihi nilai status xk pada tahap k.

33
Relasi rekurens keuntungan optimal menjadi

f ( x ) max {R1(p1)}
1 1 c1 ( p1 ) x1
(basis)

f ( x )  max {Rk(pk) + fk-1[xk – ck(pk)] } (rekurens)

k k ck ( p k ) x k

k = 2, 3

34
Tahap 1

f ( x ) max {R1(p1)}
1 1 c1 ( p1 ) x1
p1 1 , 2 , 3

R1(p1) Solusi Optimal

x1 p1 = 1 p1 = 2 p1 = 3 f1(x1) p1*
0 0 - - 0 1
1 0 5 - 5 2
2 0 5 6 6 3
3 0 5 6 6 3
4 0 5 6 6 3
5 0 5 6 6 3

35
Tahap 2

f ( x )  max {R2(p2) + f1[(x2 – c2(p2)]},

2 2 c 2 ( p 2 ) x 2
p 2 1 , 2 , 3 , 4

R2(p2) + f1[(x2 – c2(p2)] Solusi

x2 Optimal
p2 = 1 p2 = 2 p2 = 3 p2 = 4 f2(x2) p2*
0 0+0=0 - - - 0 1
1 0+5=5 - - - 5 1
2 0+6=6 8+0=8 - - 8 2
3 0 + 6 = 6 8 + 5 = 13 9 + 0 = 9 - 13 2
4 0 + 6 = 6 8 + 6 = 14 9 + 5 = 14 12 + 0 = 12 14 2 atau 3
5 0 + 6 = 6 8 + 6 = 14 9 + 6 = 15 12 + 5 = 17 17 4

36
Tahap 3

f ( x )  max {R3(p3) + f2[(x3 – c3(p3)]},

3 3 c3 ( p3 ) x 3
p3 1 , 2

R3(p3) + f2[(x3 – c3(p3)] Solusi Optimal

x3 p3 = 1 p3 = 2 f3(x3) p3*
5 0 + 17 = 17 3 + 14 = 17 17 1 atau 2

37
Rekonstruksi solusi:
x3 p3* x2 p2* x1 p1* (p1*, p2*,
p3*)
1 (5 – 0 = 5) 4 (5 – 4 = 1) 2 (2, 4, 1)

1
2 (4 – 2 = 2) 3 (3, 2, 2)

2 (5 – 1 = 4)

3 (4 – 3 = 1) 3 (2, 3, 2)

38
 Integer (1/0) Knapsack
Pada persoalan ini,
1. Tahap (k) adalah proses memasukkan barang ke dalam
karung (knapsack) (ada 3 tahap).
2. Status (y) menyatakan kapasitas muat karung yang
tersisa setelah memasukkan barang pada tahap
sebelumnya.

Dari tahap ke-1, kita masukkan objek ke-1 ke dalam karung

untuk setiap satuan kapasitas karung sampai batas
kapasitas maksimumnya. Karena kapasitas karung
adalah bilangan bulat, maka pendekatan ini praktis.
39
• Misalkan ketika memasukkan objek pada
tahap k, kapasitas muat karung sekarang
adalah y – wk.

• Untuk mengisi kapasitas sisanya, kita

menerapkan prinsip optimalitas dengan
mengacu pada nilai optimum dari tahap
sebelumnya untuk kapasitas sisa
y – wk ( yaitu fk-1(y – wk)).

40
• Selanjutnya, kita bandingkan nilai keuntungan dari
objek pada tahap k (yaitu pk) plus nilai fk-1(y – wk)
dengan keuntungan pengisian hanya k – 1 macam
objek, fk-1(y).

• Jika pk + fk-1(y – wk) lebih kecil dari fk-1(y), maka

objek yang ke-k tidak dimasukkan ke dalam karung,
tetapi jika lebih besar, maka objek yang ke-k
dimasukkan.

41
 Relasi rekurens untuk persoalan ini adalah

f0(y) = 0, y = 0, 1, 2, …, M (basis)
fk(y) = -, y < 0 (basis)

fk(y) = max{fk-1(y), pk + fk-1(y – wk)}, (rekurens)

k = 1, 2, …, n

42
• fk(y) adalah keuntungan optimum dari persoalan 0/1
Knapsack pada tahap k untuk kapasitas karung
sebesar y.

• f0(y) = 0 adalah nilai dari persoalan knapsack kosong

(tidak ada persoalan knapscak) dengan kapasitas y,

• fk(y) = - adalah nilai dari persoalan knapsack untuk

kapasitas negatif. Solusi optimum dari persoalan 0/1
Knapsack adalah fn(M).
43
Contoh: n = 3

M=5

Barang ke-i wi pi
1 2 65
2 3 80
3 1 30

44
Tahap 1:
f1(y) = max{f0(y), p1 + f0(y – w1)}
= max{f0(y), 65 + f0(y – 2)}

Solusi Optimum
y f0(y) 65 + f0(y – 2) f1(y) (x1*, x2*, x3*)
0 0 - 0 (0, 0, 0)
1 0 - 0 (0, 0, 0)
2 0 65 65 (1, 0, 0)
3 0 65 65 (1, 0, 0)
4 0 65 65 (1, 0, 0)
5 0 65 65 (1, 0, 0)

45
Tahap 2:
f2(y) = max{f1(y), p2 + f1(y – w2)}
= max{f1(y), 80 + f1(y – 3)}

Solusi Optimum
y f1(y) 80 + f1(y – 3) f2(y) (x1*, x2*, x3*)
0 0 80 + (-) = - 0 (0, 0, 0)
1 0 80 + (-) = - 0 (0, 0, 0)
2 65 80 + (-) = - 65 (1, 0, 0)
3 65 80 + 0 = 80 80 (0, 1, 0)
4 65 80 + 0 = 80 80 (0, 1, 0)
5 65 80 + 65 = 145 145 (1, 1, 0)

46
Tahap 3:
f3(y) = max{f2(y), p3 + f2(y – w3)}
= max{f2(y), 30 + f2(y – 1)}

Solusi Optimum
y f2(y) 30 + f2(y – 1) f3(y) (x1*, x2*, x3*)
0 0 30 + (-) = - 0 (0, 0, 0)
1 0 30 + (-) = - 0 (0, 0, 0)
2 65 30 + 0 = 30 65 (1, 0, 0)
3 80 30 + 65 = 95 95 (1, 0, 1)
4 80 30 + 80 = 110 110 (0, 1, 1)
5 145 30 + 80 = 110 145 (1, 1, 0)

Solusi optimum X = (1, 1, 0) dengan p = f = 145.

47
 Travelling Salesperson Problem
(TSP)
• Diberikan sejumlah kota dan diketahui jarak antar
kota. Tentukan tur terpendek yang harus dilalui oleh
seorang pedagang bila pedagang itu berangkat dari
sebuah kota asal dan menyinggahi setiap kota tepat
satu kali dan kembali lagi ke kota asal keberangkatan.

48
• Misalkan G = (V, E) adalah graf lengkap berarah
dengan sisi-sisi yang diberi harga cij > 0.

• Misalkan V = n dan n > 1. Setiap simpul diberi

nomor 1, 2, …, n.

• Asumsikan perjalanan (tur) dimulai dan berakhir pada

simpul 1.

49
• Setiap tur pasti terdiri dari sisi (1, k) untuk
beberapa k  V – {1} dan sebuah lintasan dari
simpul k ke simpul 1.

• Lintasan dari simpul k ke simpul 1 tersebut

melalui setiap simpul di dalam V – {1, k} tepat
hanya sekali.

• Prinsip Optimalitas: jika tur tersebut optimal maka

lintasan dari simpul k ke simpul 1 juga menjadi
lintasan k ke 1 terpendek yang melalui simpul-
simpul di dalam V – {1, k}.
50
• Misalkan f(i, S) adalah bobot lintasan
terpendek yang berawal pada simpul i, yang
melalui semua simpul di dalam S dan berakhir
pada simpul 1.

• Nilai f(1, V – {1}) adalah bobot tur terpendek.

51
Hubungan rekursif:

f (1, V  {1}) min{c  f ( k , V  {1, k })}

2 k n 1k
(1)

Dengan merampatkan persamaan (1), diperoleh

f (i ,  )  c i ,1
, 2 i n (basis)

f (i, S ) min{c  f ( j, S  { j})} (rekurens) (2)

jS ij

• Gunakan persamaan (2) untuk memperoleh

f(i, S) untuk S = 1, f(i, S) untuk S = 2,
dan seterusnya sampai untuk S = n – 1.
52
Tinjau persoalan TSP untuk n = 4:

 0 10 15 20
 5 0 9 10 
 
 6 13 0 12 
8 8 9 0 
 

Tahap 1: f (i,  ) c i ,1
, 2  i n

Diperoleh:
f(2, ) = c21 = 5;
f(3, ) = c31 = 6;
f(4, ) = c41 = 8;
53
Tahap 2:
f (i, S ) min{c  f ( j, S  { j})} untuk  S  = 1
jS ij

Diperoleh:
f(2, {3}) = min{c23 + f(3, )} = min{9 + 6} = min{15} = 15
f(2, {4}) = min{c24 + f(4, )} = min{10 + 8} = min{18} = 18
f(3, {2}) = min{c32 + f(2, )} = min{13 + 5} = min{18} = 18
f(3, {4}) = min{c34 + f(4, )} = min{12 + 8} = min{20} = 20
f(4, {2}) = min{c42 + f(2, )} = min{8 + 5} = min{13} = 13
f(4, {3}) = min{c43 + f(3, )} = min{9 + 6} = min{15} = 15

54
Tahap 3:
f (i, S ) min{c  f ( j, S  { j})}
jS ij

untuk  S  = 2 dan i 1, 1  S dan i  S.

Diperoleh:
f(2, {3, 4}) = min{c23 + f(3, {4}), c24 + f(4, {3})}
= min{9 + 20, 10 + 15}
= min{29, 25} = 25

f(3, {2, 4}) = min{c32 + f(2, {4}), c34 + f(4, {2})}

= min{13 + 18, 12 + 13}
= min{31, 25} = 25

f(4, {2, 3}) = min{c42 + f(2, {3}), c43 + f(3, {2})}

= min{8 + 15, 9 + 18}
= min{23, 27} = 23 55
Dengan menggunakan persamaan (1) diperoleh:

f(1, {2, 3, 4}) = min{c12 + f(2, {3, 4}), c13 + f(3, {2, 4}),
c14 + f(4, {2, 3})}
= min{10 + 25, 15 + 25, 20 + 23}
= min{35, 40, 43} = 35

Jadi, bobot tur yang berawal dan berakhir di simpul 1

adalah 35.

56
Menentukan lintasan yang dilalui
• Tinjau pada setiap f(i, S) nilai j yang meminimumkan
persamaan (2)
• Misalkan J(i, S) adalah nilai yang dimaksudkan tersebut.
Maka, J(1, {2, 3, 4}) = 2. Jadi, tur mulai dari simpul 1
selanjutnya ke simpul 2.
• Simpul berikutnya dapat diperoleh dari f(2, {3, 4}), yang
mana J(2, {3, 4}) = 4. Jadi, simpul berikutnya adalah
simpul 4.
• Simpul terakhir dapat diperoleh dari f(4, {3}), yang mana
J(4, {3}) = 3. Jadi, tur yang optimal adalah 1, 2, 4, 3, 1
dengan bobot (panjang) = 35.

57