INTEGER PROGRAMMING. Oleh: Dimas Rahadian AM, S.TP. M.Sc.

dokumen-dokumen yang mirip
TENTUKAN MODEL MATEMATISNYA!

Integer Programming (Pemrograman Bulat)

Modul 8. PENELITIAN OPERASIONAL INTEGER PROGRAMMING. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

12/15/2014. Apa yang dimaksud dengan Pemrograman Bulat? Solusi yang didapat optimal, tetapi mungkin tidak integer.

Bab 2 LANDASAN TEORI

APLIKASI PROGRAM INTEGER PADA PERUMAHAN BUMI SERGAI DI SEI RAMPAH

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... LEMBAR PERNYATAAN... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR TABEL...

BAB 2 LANDASAN TEORI

PROPOSAL PROGRAM HIBAH PENULISAN BUKU AJAR TAHUN 2017

INTEGER PROGRAMMING. Rudi Susanto, M.Si

Manajemen Operasional

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 PROGRAM INTEGER. Program linear merupakan metode matematika untuk mengalokasikan sumber

: METODE GRAFIK. Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya

Program Integer. Riset Operasi TIP FTP UB

PENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING

PENYELESAIAN MASALAH PEMROGRAMAN LINIER BILANGAN BULAT MURNI DENGAN METODE REDUKSI VARIABEL

I PENDAHULUAN II LANDASAN TEORI

Pemrograman Linier (Linear Programming) Materi Bahasan

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

II LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.

Bagaimana cara menyelesaikan persoalan Linier Programming and Integer Programming dengan

BAB 2. PROGRAM LINEAR

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 KAJIAN PUSTAKA

I PENDAHULUAN II LANDASAN TEORI

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 TINJAUAN PUSTAKA

PROGRAMA INTEGER 10/31/2012 1

BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi

A. Model Program Linear

PENERAPAN BRANCH AND BOUND ALGORITHM DALAM OPTIMALISASI PRODUKSI ROTI

Bab 2 LANDASAN TEORI

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model

BAB 2 PROGRAM LINEAR

Program Integer. Riset Operasi TIP FTP UB

BAB 2 LANDASAN TEORI

PENYELESAIAN PROGRAM BILANGAN BULAT CAMPURAN DUA KRITERIA DENGAN MENGGUNAKAN METODE BRANCH AND CUT SKRIPSI TAUFIK HIDAYAT RITONGA

I PENDAHULUAN II LANDASAN TEORI

BAB 3 LINEAR PROGRAMMING

BAB 2 LANDASAN TEORI

PENERAPAN METODE BRANCH AND BOUND DALAM MENENTUKAN JUMLAH PRODUKSI OPTIMUM PADA CV. XYZ. Angeline, Iryanto, Gim Tarigan

BAB 2 LANDASAN TEORI

LINIEAR PROGRAMMING MATEMATIKA BISNIS ANDRI HELMI M, S.E., M.M.

PEMROGRAMAN LINEAR YULIATI,SE,MM

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

OPT.IMASI ALAT ANGKUT PENGIRIMAN BERAS (Studi Kasus pada PT. Umbul Berlian Semarang)

Sejarah Perkembangan Linear Programming

Penyusun: Ade Vicidian Sugiharto Putra ( ) Pembimbing II: Yudhi Purwananto, S.Kom, M.Kom. Victor Hariadi, S.Si, M.Kom.

BAB 1 PENDAHULUAN Latar Belakang

BAB 2 Alamanda. LINEAR PROGRAMMING: METODE GRAFIK Fungsi Tujuan Maksimasi dan Minimasi

F U N G S I. Oleh: Dimas Rahadian AM, S.TP. M.Sc.

BAB III. SOLUSI GRAFIK

OPTIMALISASI HASIL PRODUKSI TAHU DAN TEMPE MENGGUNAKAN METODE BRANCH AND BOUND (STUDI KASUS: PABRIK TEMPE ERI JL. TERATAI NO.

BAB 3 METODE PENELITIAN

BAB 2 LANDASAN TEORI

UJM 3 (2) (2014) UNNES Journal of Mathematics.

BAB LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN PENDAHULUAN

UNIVERSITAS BINA NUSANTARA

BAB 2 TINJAUAN PUSTAKA

Journal Knowledge Industrial Engineering (JKIE)

BAB I PENDAHULUAN. Pada tahun 1947, George B. Dantzig, seorang anggota kelompok penelitian

Aplikasi Integer Linear Programming (Ilp) untuk Meminimumkan Biaya Produksi pada Siaputo Aluminium

OPTIMASI JUMLAH PRODUK DENGAN PENDEKATAN METODE BRANCH AND CUT

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MANAJEMEN AGROINDUSTRI Oleh:

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

UJIAN AKHIR SEMESTER GENAP 2014/2015 Mata Kuliah : Metode Kuantitatif dalam Bisnis

Ardaneswari D.P.C., STP, MP.

I PENDAHULUAN II LANDASAN TEORI

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB VI Program Linear Bilangan Bulat

APLIKASI ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN INTEGER PROGRAMMING. Enty Nur Hayati Dosen Fakultas Teknik Universitas Stikubank Semarang

BAGIAN III OPTIMASI DENGAN SOLVER

Operations Management

BAB III. METODE SIMPLEKS

UNIVERSITAS BINA NUSANTARA ANALISIS DAN PERANCANGAN SISTEM INFORMASI OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN LABA PADA PT.

Pemrograman Linier (1)

Dynamic Programming. Pemrograman Dinamis

BAB I PENDAHULUAN Latar Belakang Masalah

BAB III. KERANGKA PEMIKIRAN

I PENDAHULUAN II LANDASAN TEORI

APLIKASI METODE CUTTING PLANE DALAM OPTIMISASI JUMLAH PRODUKSI TAHUNAN PADA PT. XYZ. Nico, Iryanto, Gim Tarigan

OPERATIONS RESEARCH. oleh Bambang Juanda

OPTIMASI PEMOTONGAN BALOK KAYU DENGAN POLA PEMOTONGAN SATU DIMENSI MENGGUNAKAN TEKNIK PEMBANGKIT KOLOM (COLUMN GENERATION TECHNIQUE) SKRIPSI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Reduksi Pola Pemotongan Kertas pada Cutting Stock Problem (CSP) Satu Dimensi

APLIKASI METODE BRANCH AND CUT DALAM OPTIMASI PRODUKSI POT BUNGA (Studi Kasus: UD. Pot Bunga Mukhlis Rangkuti, Gelugur) SKRIPSI

Teori Dualitas dan Penerapannya (Duality Theory and Its Application)

Transkripsi:

INTEGER PROGRAMMING Oleh: Dimas Rahadian AM, S.TP. M.Sc Email: rahadiandimas@yahoo.com JURUSAN ILMU DAN TEKNOLOGI PANGAN UNIVERSITAS SEBELAS MARET SURAKARTA

CONTOH SOAL! Sebuah perusahaan jus buah curah JASJUS TAMBUNAN memproduksi 2 jenis produk, yaitu jus jeruk dan jus jambu. Masing-masing produk tersebut membutuhkan 2 tahapan produksi, yaitu ekstraksi dan penyaringan. Waktu ekstraksi adalah 2 jam untuk jus jeruk dan 3 jam untuk jus jambu. Sedangkan waktu penyaringan adalah 6 jam untuk jus jeruk dan 5 jam untuk jus jambu. Perusahaan tersebut hanya mempunyai waktu untuk ekstraksi 12 jam, dan waktu untuk penyaringan 30 jam kerja per minggu. Jus jeruk memberikan keuntungan 70.000 per liternya sedangkan jus jambu 60.000 per liternya, tentukan banyaknya jus jeruk dan jus jambu yang sebaiknya diproduksi untuk mendapatkan keuntungan yang maksimal!

TENTUKAN MODEL MATEMATISNYA! Jika: x 1 = jus jeruk x 2 = jus jambu Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1, x 2 0

SELESAIKAN DENGAN METODE GRAFIS! X 2 7 6 5 4 6x 1 + 5x 2 30 Keuntungan maksimal = 7x 1 + 6x 2 = 7 (3¾) + 6 (1½) = 35,25 3 2 1 Optimal LP Solution: x 1 = 3¾ ; x 2 = 1½ 2x 1 + 3x 2 12 1 2 3 4 5 6 7 X 1

Dari hasil ini dapat diketahui pabrik harus memproduksi 3¾ kilo liter jus jeruk dan 1½ kilo liter jus jambu untuk mencapai keuntungan maksimal Perhitungan ini tidak masalah karena produk dapat dijual dengan jumlah pecahan Lalu bagaimana jika produknya berbeda?

CONTOH SOAL! Sebuah perusahaan mesin pengolah pangan ESEMKA memproduksi 2 jenis produk, yaitu drumdryer dan spraydryer. Masing-masing produk tersebut membutuhkan 2 tahapan produksi, yaitu kelistrikan dan perakitan. Waktu kelistrikan adalah 2 jam untuk drumdryer dan 3 jam untuk spraydryer. Sedangkan waktu perakitan adalah 6 jam untuk drumdryer dan 5 jam untuk spraydryer. Perusahaan tersebut hanya mempunyai waktu untuk kelistrikan 12 jam, dan waktu untuk perakitan 30 jam kerja per minggu. Drumdryer memberikan keuntungan 70 juta per unitnya, sedangkan spraydryer 60 juta per unitnya, tentukan banyaknya drumdryer dan spraydryer yang sebaiknya diproduksi untuk mendapatkan keuntungan yang maksimal!

Dengan cara yang sama (Linear Programing / LP), akan diperoleh jawaban, perusahaan akan memperoleh keuntungan maksimal apabila memproduksi x 1 = drumdryer = 3¾ unit x 2 = spraydryer = 1½ unit TETAPI... Siapa yang mau membeli alat yang tidak utuh???

INTEGER PROGRAMING... Integer programing (pemrograman bulat) digunakan untuk memodelkan permasalahan yang variabelnya tidak mungkin berupa bilangan tidak bulat Cara penyelesaian : Metode Round Off Metode Branch and Bound (Algoritma percabangan) Metode Gomory / Cutting Plane (Algoritma pemotongan)

METODE ROUND OFF Pemecahan paling mudah dari contoh soal di atas adalah pembulatan (Metode Round Off). Dari solusi optimal kita lakukan pembulatan menjadi : x 1 = drumdryer = 4 unit ; x 2 = spraydryer = 2 unit TETAPI TIDAK MUNGKIN! (karena berada diluar area lihat gambar) Sehingga yang paling memungkinkan x 1 = drumdryer = 4 unit ; x 2 = spraydryer = 1 unit

Drumdryer (x 1 ) Spraydryer (x 2 ) Keuntungan (7x 1 + 6x 2 ) 0 0 0 1 0 7 2 0 14 3 0 21 4 0 28 5 0 35 0 1 6 1 1 13 2 1 20 3 1 27 4 1 34 0 2 12 1 2 19 2 2 26 3 2 33 0 3 18 1 3 25 0 4 24 Solusi optimal Integer programing Solusi optimal Round Off

METODE PERCABANGAN Dari persoalan di atas telah didapatkan hasil x 1 = 3¾ ; x 2 = 1½ ; profit = 35,25 Karena x 1 = 3¾ (tidak bulat), maka dicabangkan jadi dua: CABANG A CABANG B Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1 4 Dengan LP sederhana: x 1 = 4 maka x 2 = 1,2 ; profit = 35,2 Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1 3 Dengan LP sederhana: x 1 = 3 maka x 2 = 2 ; profit = 33 BELUM FEASIBLE! SUDAH FEASIBLE!

Dari percabangan A: x 1 = 4 maka x 2 = 1,2 ; profit = 35,2 Karena x 2 = 1,2 (tidak bulat), maka dicabangkan jadi dua: CABANG C CABANG D Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1 4 x 2 2 LIHAT DI GAMBAR! Syarat x 1 4 dan x 2 2 di luar area, maka tidak fesible, maka percabangan dihentikan! Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1 4 x 2 1 Dengan LP sederhana: x 2 = 1 maka x 1 = 4 ¼ ; profit = 35,16 BELUM FEASIBLE! LANJUTKAN!

Dari percabangan D didapatkan: x 2 = 1 maka x 1 = 4 ¼ ; profit = 35,16 Karena x 1 = 4 ¼ (tidak bulat), maka dicabangkan jadi dua: CABANG E CABANG F Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1 4 x 2 1 x 1 4 Dengan LP sederhana: x 1 = 4 maka x 2 = 1 ; profit = 34 Maksimisasi profit: 7x 1 + 6x 2 Ditujukan pada: 2x 1 + 3x 2 12 6x 1 + 5x 2 30 x 1 4 x 2 1 x 1 5 Dengan LP sederhana: x 1 = 5 maka x 2 = 0 ; profit = 35 SUDAH FEASIBLE! SUDAH FEASIBLE!

Iterasi 1 Iterasi 2 Iterasi 3 Feasible, integer solution C x 2 2 Tidak dapat memenuhi syarat E x 1 = 4 A x 1 = 4 x 1 4 x 2 = 1 Π = 34 x 1 = 3¾ x 2 = 1½ Π = 35,25 x 1 4 x 1 3 x 2 = 1,2 Π = 35,2 B x 1 = 3 x 2 = 2 Π = 33 x 2 1 D x 1 = 4,1 x 2 = 1 Π = 35,12 x 1 5 D x 1 = 5 x 2 = 0 Π = 35 Feasible, integer solution Feasible, integer solution OPTIMAL SOLUTION!

Hasil dari integer programming tidak akan pernah melebihi nilai keuntungan optimal dari solusi LP Pada kasus di atas keuntungan dari LP adalah 35,25 ; sedangkan keuntungan dari integer programming hanya 35

TERIMA KASIH