proposa wie metolit
TRANSCRIPT
BAB I
PENDAHULUAN
1.1 Latar Belakang
Program linier integer merupakan bentuk lain dari program linier yang
variabel keputusannya dibatasi bernilai integer, agar jawaban persoalan menjadi realistik.
Misalnya, jika variabel keputusan yang dihadapi berkaitan dengan jumlah orang, mesin – mesin,
kendaraan, dan lain – lain akan terasa sangat janggal jika dikatakan untuk menyelesaikan
pekerjaan tertentu diperlukan 2,5 buah mesin dan 5,5 orang, sebaliknya jika dikatakan bahwa
pekerjaan itu diperlukan 2 atau 3 buah mesin dan 5 orang sehingga pengambilan keputusan akan
terasa menjadi realistik dan lebih mudah.
Oleh karena itu, program linier integer yang merupakan bentuk lain dari program linier,
menyelesaikan persoalan yang variabel keputusannya dibatasi bernilai integer. Seperti persoalan
linier berikut ini :
Maksimumkan : Z=c1 x1+c2 x2+. ..+c j x j+ .. .+cn xn
Dengan kendala : a11x1+a12 x2+ .. .+a1 j x j+. ..+a1n xn≤b1
a21 x1+a22 x2+. ..+a2 j x j+ .. .+a2 n xn≤b2
⋮ ⋮ ⋮ ⋮ ⋮a i1 x1+ai 2 x2+.. . ..+aij x j+. . .. .+ain xn≤b i ….. (1.1)
⋮ ⋮ ⋮ ⋮ ⋮am1 x1+am2 x2+. . .+amj x j+ .. .+amn xn≤bm
x1 , x2 ,. .. , x j , . .. , xn≥0
Algoritma Branch and Bound merupakan salah satu metode penyelesaian untuk persoalan
program linier integer (1.1). Dengan algoritma ini dibuat kendala tambahan yang memotong
daerah fisibel dan persoalan program linier, sehingga dapat mengeliminasi penyelesaian yang
bukan integer. Proses pemotongan pada daerah fisibel ini akan terus berlangsung hingga
diperoleh penyelesaian dengan seluruh variabel bernilai integer.
1.2 Identifikasi Masalah
Berdasarkan latar belakang di atas maka permasalahan yang akan dibahas adalah
bagaimana menentukan peyelsaian optimal dari suatu persoalan program linier integer dengan
algoritma branch and bound.
1.3 Pembatasan Masalah
Dalam hal ini masalah dibatasi pada penentuan penyelesaian persoalan program linier
integer murni (pure integer linier programming) dengan algoritma branch and bound.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah menentukan penyelesaian optimal dari persoalan
program linier integer dengan menggunakan algoritma branch and bound.
1.5 Manfaat Penelitian
untuk menambah wawasan para pembaca dalam menentukan persoalan program linier integer dan contoh soal dengan menggunakan algoritma branch and bound.
BAB II
LANDASAN TEORI
2.1 Konsep – konsep Dasar
Definisi 2.1.1 [2]
Suatu fungsi f ( x1 , x2 , .. . , xn )dari x1 , x2 ,. .. , xn adalah fungsi linier jika dan hanya jika
untuk sejumlah himpunan konstanta c1 , c2 , .. . , cnberlakuf ( x1 , x2 , .. . , xn )=c1 x 1 +c2 x2+. ..+cn xn
Dalam membangun pemrograman linier digunakan karakteristik – karakteristik sebagai
berikut :
1. Variabel keputusan adalah variabel yang menguraikan secara lengkap keputusan –
keputusan yang akan dibahas.
2. Fungsi tujuan merupakan fungsi dari variabel keputusan yang akan dimaksimumkan
dan diminimumkan.
3. Pembatas merupakan kendala yang dihadapi sehingga tidak dapat ditentukan nilai –
nilai variabel keputusannya secara sebarang.
4. Pembatas tanda adalah pembatas yang menjelaskan apakah variabel keputusannya
diasumsiakan hanya bernilai nonnegatif atau variabel keputusannya tersebut bernilai
positif, boleh juga bernilai negatif (tidak terbatas dalam tanda) .
Definisi 2.1.2 [2]
Jika seluruh variabel pada suatu (penyelesaian dasar berharga nonnegatif) maka
penyelesaian itu disebut penyelesaian dasar fisibel.
Persoalan program linier adalah persoalan optimasi melakukan hal berikut :
1. Memaksimumkan atau meminimumkan fungsi tujuan.
2. Nilai dari variabel keputusan harus memenuhi himpunan kendala.
3. Pembatas tanda dikaitkan dengan tiap variabel .
Definisi 2.1.3
Daerah fisibel dari program linier adalah set dari seluruh titik yang memenuhi seluruh
kendala, termasuk pembatas tanda.
Definisi 2.1.4
Pada persoalan maksimasi, solusi optimal dari persoalan program linier adalah suatu titik
pada daerah fisibel dengan nilai fungsi tujuan terbesar dan untuk persoalan minimasi, solusi
optimal dari persoalan program linier adalah suatu titik pada daerah fisibel dengan nilai fungsi
tujuan terkecil.
2.2 Metode Simpleks
Metode simpleks merupakan prosedur aljabar yang bersifat iteratif .
Suatu bentuk model pemrograman linier yaitu :
Maksimumkan : Z=c1 x1+c2 x2+. ..+c j x j+ .. .+cn xn
Dengan kendala : a11x1+a12 x2+ .. .+a1 j x j+. ..+a1n xn≤b1
a21 x1+a22 x2+. ..+a2 j x j+ .. .+a2 n xn≤b2
⋮ ⋮ ⋮ ⋮ ⋮a i1 x1+ai 2 x2+.. . ..+aij x j+. . .. .+ain xn≤b i ….. (1)
⋮ ⋮ ⋮ ⋮ ⋮am1 x1+am2 x2+. . .+amj x j+ .. .+amn xn≤bm
x1 , x2 ,. .. , x j , . .. , xn≥0
Dalam penyelesaian persoalan program linier dengan metode simpleks, persoalan diubah
ke bentuk formulasi yang memiliki sifat – sifat :
1. Pembatas harus berbentuk persamaan dengan ruas kanan nonnegatif
2. Seluruh variabel merupakan variabel non negatif
3. Fungsi tujuan berupa maksimum atau minimum
Variabel slack berkaitan dengan batasan ≤ mewakili jumlah kelebihan sisi kanan dari
batasan suatu kendala dibanding sisi kiri kendala tersebut. Variabel surplus berkaitan dengan
batasan ≥ mewakili jumlah kelebihan sisi kiri dari batasan suatu kendala dibanding sisi kanan
kendala tersebut.
2.2.1 Tabel Metode Simpleks
Tabel awal metode simpleks :CB
Variabel basis
x1 x2 … xj … xn xn+1 xn+2 … xn+i … xn+m Bc1 c2 … cj … cn 0 0 … 0 … 0
0 xn+1 a11 a12 … a1j … a1n 1 0 … 0 … 0 b1
0 xn+2 a21 a22 … a2j … a2n 0 1 … 0 … 0 b2… … … … … … … … … … … … … … …
0 xn+i ai1 ai2 … aij … ain 0 0 … 1 … 0 bi… … … … … … … … … … … … … … …
0 xn+m am1 am2 … amj … amn 0 0 … 0 … 1 bm
Z Z1 Z2 … Zj … Zn 0 0 … 0 … 0
Tabel optimum metode simpleks :CB
Variabel basis
x1 x2 … xj … xn xn+1 xn+2 … xn+i … xn+m Bc1 c2 … cj … cn 0 0 … 0 … 0
C1 x1 1 0 … 0 … 0 y11 y12 … y1i … y1m R1
C2 x2 0 1 … 0 … 0 y21 y22 … y2i … y2m R2… … … … … … … … … … … … … … …
Cj xj 0 0 … 1 … 0 yj1 yj2 … yji … yjm Ri… … … … … … … …… … … … … … … …
Cn xn 0 0 … 0 … 1 yn1 yn2 … yni … ynm Rm
Z 0 0 … 0 … 0 Z1 Z2 … Zj … Zn
2.2.2 Langkah – langkah metode simpleks
Langkah – langkah metode simpleks :
1. Konversikan persoalan program linier dalam bentuk baku
2. Cari penyelesaian fisibel permulaan
3. Jika variabel non basis mempunyai koefisien nonnegatif pada baris fungsi tujuan,
maka penyelesaian dasar fisibel optimal jika tidak pilih koefisien paling negatif pada
baris fungsi tujuan
4. Hitung rasio ruas kanan pada tiap baris kendala dengan koefisien variabel yang
masuk basis pada tiap baris kendala, variabel basis terkecil berubah status menjadi
variabel non basis
Perhitungan pengisian tabel :
a. Hitung rasio
br
ark
=min i { bi
a ik
, a ik¿0}b. Hitung baris ke-r :
yrj=arj
ark , j = 1, 2, …, n i = 1, 2, …, m
c. Untuk baris lain : y ij=aij−arj
aik
ark , j = 1, 2, …, n i = 1, 2, …, m
2.3 Metode Simpleks Dual
Metode simpleks dual adalah seluruh kendala bertanda ≤. Pada metode ini variabel non
basis ditentukan oleh :
1. Variabel keluar basis (kondisi kelayakan) yaitu variabel paling negatif
2. Variabel masuk basis (kondisi optimalitas) yaitu variabel yang berkaitan dengan rasio
terkecil jika meminimumkan.
2.4 Integer Programming
Integer Programming adalah program linear (Linear Programming) di mana variabel
variabelnya bertipe integer. Integer Programming digunakan untuk memodelkan permasalahan
yang variable variabelnya tidak mungkin berupa bilangan yang tidak bulat (bilangan real),
seperti variabel yang merepresentasikan jumlah orang, karena jumlah orang pasti bulat dan tidak
mungkin berupa pecahan. Integer Programming juga biasanya lebih dipilih untuk memodelkan
suatu permasalahan karena program linear dengan variabel berupa bilangan real kurang baik
dalam memodelkan permasalahan yang menuntut solusi berupa bilangan integer.
2.5 Algoritma Branch and Bound
Algoritma Branch and Bound adalah metode algoritma umum untuk mencari solusi
optimal dari dari berbagai permasalahan optimasi, terutama untuk optimasi diskrit dan
kombinatorial. Sebagaimana pada algoritma runut-balik, algoritma Branch and Bound juga
merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi
diorganisasikan ke dalam pohon ruang status. Yang membedakan keduanya adalah bila pada
algoritma runut-balik, ruang solusi dibangun secara dinamis berdasarkan skema DFS (Depth
First Search), maka pada algoritma Branch and Bound ruang solusi dibangun dengan skema
BFS (Breadth First Search).
Pada algoritma ini, permasalahan dibagi bagi menjadi subregion subregion yang
mungkin mengarah ke solusi. Inilah yang disebut dengan branching, mengingat prosedur ini
akan dilakukan berulang ulang secara rekursif untuk setiap subregion dan setiap subregion yang
dihasilkan akan membentuk sebuah struktur pohon yang disebut sebagai pohon pencarian atau
pohon branch-andbound di mana simpul simpulnya membangun subregion subregion. Selain
branching, algoritma ini juga melakukan apa yang disebut dengan bounding yang merupakan
cara cepat untuk mencari batas atas dan bawah untuk solusi optimal pada subregion yang
mengarah ke solusi.
BAB III
METODOLOGI PENELITIAN
3.1 Cara Penelitian
Langkah-langkah metode Branch dan Bound untuk masalah maksimasi dapat dilakukan seperti
berikut :
1. Selesaikan LP dengan metode simpleks biasa
2. Teliti solusi optimumnya. Jika variabel basis yang diharapkan bulat adalah bulat, solusi
optimum bulat telah tercapai.
3. Nilai solusi pecah yang layak dicabangkan ke dalam sub-sub masalah. Tujuannya adalah
untuk menghilangkan solusi kontinyu yang tidak memenuhi persyaratan bulat dalam
masalah itu.
4. Untuk setiap sub-masalah, nilai solusi optimum kontinyu fungsi tujuan ditetapkan
sebagai batas atas. Solusi bulat terbaik menjadi batas bawah (pada awalnya, ini adalah
solusi kontinyu yang dibulatkan ke bawah). Sub-sub masalah yang memiliki batas atas
kurang dari batas bawah yang ada, tidak diikut sertakan pada analisa selanjutnya. Suatu
solusi bulat layak adalah sama baik atau lebih baik dari batas atas untuk setiap sub
masalah yang dicari. Jika solusi yang demikian terjadi, suatu sub masalah dengan batas
atas terbaik dipilih untuk dicabangkan. Kembali ke langkah 3.
Untuk memperoleh gambaran yang lebih jelas tentang metode Branch dan Bound, perhatikan
contoh masalah berikut :
Maksimumkan Z = 3 X1 + 5 X2
Dengan syarat 2 X1 + 4 X2 ≤ 25 X1 ≤ 8 2 X2 ≤ 10 X1 ; X2 non
Solusi optimum kontinu masalah ini adalah X1 = 8, X2 = 2,26 dan Z = 35,25. Solusi ini
menunjukkan batas atas awal. Batas bawah adalah solusi yang dibulatkan ke bawah X1 = 8, X2
= 2 dan Z = 34. Dalam metode Branch dan Bound, masalah itu dibagi ke dalam dua bagian
untuk mencari nilai solusi bulat yang mungkin bagi X1 dan X2.Variabel dengan nilai solusi pecah
terbesar dipilih. Karena pada solusi ini hanya X2 yang memiliki bagian pecah, ia dipilih. Untuk
menghilangkan bagian pecah dari nilai X2 = 2,25, dua kendala baru dibuat.
Kendala-kendala ini mewakili dua bagian baru dari masalah itu. Dua nilai bulat terdekat
terhadap 2,25 adalah 2 dan 3. Sehingga diperoleh dua masalah baru melalui dua kendala
mutually exclusive, X2 ≤ 2 dan X2 ≥ 3, yang akan diuraikan berikut ini se-bagai bagian A dan B.
Kendala-kendala ini secara efektif menghi-langkan semua nilai pecah yang mungkin bagi X2,
antara 2 dan 3. Pengaruhnya mereka mengurangi ruang solusi layak sehingga angka solusi bulat
yang dievaluasi pada masalah ini makin sedikit.
Perhatikan bahwa:
Kemudian:
Bagian A dan B diselesaikan tanpa pembatasan bilangan bulat dengan metode simpleks. Solusi
simpleksnya adalah :
Bagian A : X1 = 8, X2 = 2 dan Z = 34
Bagian B : X1 = 6,5, X2 = 3 dan Z = 34,5
Ket :
Bagian A menghasilkan suatu solusi yang semuanya bulat. Untuk bagian A batas atas dan
bawah adalah Z = 34. Solusi pecah bagian B membenarkan pencarian lebih lanjut karena
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 melebihi batas atas bagian
A = 34.
Bagian B dicabangkan ke dalam dua sub bagian, B1 dan B2, pertama dengan kendala X1 ≤
6 dan yang lain dengan X2 ≥ 7.
Maka,
Diperoleh solusi simpleksnya adalah :
Sub-bagian B1 : X1 = 6, X2 = 3,25 dan Z = 34,25
Sub-bagian B2 : tidak layak.
Karena sub-bagian B1 menghasilkan nilai fungsi tujuan yang lebih besar dari 34 (batas atas
bagian A), maka harus dica-bangkan lagi ke dalam dua sub masalah, dengan kendala X2 ≤ 3 dan
X2 ≥ 4. Kedua kendala sub masalah diberi nama bagian B1a dan B2b.
Solusi optimum dengan metode simpleks adalah :
Sub-bagian B1a : X1 = 6, X2 = 3 dan Z = 33
Sub-bagian B1b : X1 = 4,25, X2 = 4 dan Z = 33,5
Kedua solusi itu memiliki batas atas ( Z = 33 dan Z = 33,5) yang lebih buruk dibanding dengan
solusi yang dihasilkan oleh bagian A. Karena itu, solusi bulat optimum adalah X1 = 8, X2 = 2 dan
Z = 34 yang dihasilkan oleh bagian A. Jika pencarian telah diselesaikan, solusi bulat dengan
fungsi tujuan tertinggi (dalam masalah maksimasi) dipilih sebagai solusi optimum.
Seluruh prosedur Branch dan Bound untuk contoh yang lalu dapat digambarkan seperti berikut :
Kelemahan dasar dari metode ini adalah bahwa diperlukan pemecahan masalah LP untuk
setiap pencabangan. Dalam masalah yang besar dapat memakan banyak waktu. Karena itu dalam
prosedur pencabangan dan pencarian, analisa selanjutnya dihentikan jika :
1. Hasil dari sub-problem lebih jelek dibanding dengan batas atas yang sudah
diidentifikasi
2. Pencabangan selanjutnya menghasilkan solusi tak layak.
Algoritma ini tetap menghitung kemungkinan solusi dengan tipe variable bilangan real
walaupun pada akhirnya kemungkinan solusi ini tidak akan dipertimbangkan. Tetapi hal ini
menyebabkan waktu komputasi bertambah lama.
BAB IV
JADWAL PENELITIAN
Tugas Akhir ini diharapkan dapat selesai menurut jadwal berikut :
Bulan
No Kegiatan BULAN KE 1 BULAN KE 2 BULAN KE 3
Minggu ke-
1 2 3 4 1 2 3 4 1 2 3 4
1 Memilih masalah x x x
2 Studi pendahuluan x x x
3 Merumuskan masalah x x
4 Menentukan sumber data x x
5 Mengumpulkan data x x x
6 Analisis data x x x
7 Menarik kesimpulan x x x
8 Penyusunan hasil penelitian x x x
9 Pelaporan hasil penelitian x x
BAB V
RENCANA ANGGARAN PENELITIAN
Rencana dari anggaran penelitian ini adalah :
1. Biaya transportasi Rp. 350.000
2. Biaya pembuatan laporan
Alat-alat tulis Rp. 50.000
Proposal penelitian Rp. 50.000
Skripsi Rp. 150.000
3. Biaya tak terduga Rp. 100.000
Jumlah Rp. 750.000
Curriculum Vitae
Nama : Dwi Haryaningsih
Tempat Tanggal Lahir : Ujung Batu II, 31 Desember 1991
Jenis Kelamin : Perempuan
Agama : Islam
Anak ke- : 2 daei 4 bersaudara
Alamat : Jl,Dr.M Hatta no.26 D, padang
Alamat Email : [email protected]
Riwayat Pendidikan : 1997 – 2003 SDN ALIAGA II
2003 – 2006 SMP BAHARUDDIN
2006 – 2009 SMA BAHARUDDIN
2009 – sekarang Matematika Unand
Organisasi : HIMATIKA UNAND dan Forsilammsu
DAFTAR PUSTAKA
[1] Arya, W, 1985, Dinamik dan Integer Programming, BPFE, Yogyakarta.
[2] Dimyati,T. T, Ahmad Dimyati, 1992, Operation Research _ Model – model Pengambilan
Keputusan, Sinar Baru Algesindo, Bandung.
[3] Simarmata, Dj. A, 1982, Operation Research Sebuah Pengantar Teknik – teknik Optimasi
Kuantitatif dari Sistem – sistem Operasional, Gramedia, Jakarta.
[4] Taha, Hamdi.A, 1996, Riset Operasi Suatu Pengantar Jilid 1, Binarupa Aksara, Jakrta Barat.
[5] Winston.W, 1991, Operation Research Application and Algoritma 2nd Edition, New York.
Proposal Penelitian
Penerapan Metode Algoritma Branch and Bound untuk
Penyelesaian Optimal dari suatu Program Integer
DWI HARYANINGSIH
0910431019
Diajukan Sebagai Syarat untuk
Memenuhi Tugas Akhir Metode Penelitian
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Andalas
Padang
2012