SlideShare a Scribd company logo
1 of 18
INTEGER
PROGRAMMING
(Pemrograman Bilangan Bulat )
Oleh :
ASRI NURSIWI, S.T.P., M.Sc.
27 Maret 2013
Contoh soal
Sebuah perusahaan mie kering memproduksi 2 jenis produk,
yaitu jenis A dan jenis B. Masing-masing jenis produk
melalui tahapan proses yaitu pembuatan adonan dan
pengeringan. Waktu yang diperlukan untuk pembuatan
adonan mi jenis A adalah 6 jam, sedangkan untuk mi jenis B
adalah 5 jam. Sedangkan waktu yang diperlukan untuk
pengeringan mi jenis A adalah 2 jam dan untuk mi jenis B
adalah 3 jam. Perusahaan tersebut hanya mempunyai waktu
untuk pembuatan adonan selama 30 jam dan waktu
pengeringan 12 jam per minggu. Mi jenis A menghasilkan
keuntungan Rp8.000,00 per kg sedangkan mi jenis B
menghasilkan keuntungan Rp7.000,00 per kg. Berapa
banyak mi jenis A dan mi jenis B yang harus diproduksi agar
diperoleh keuntungan maksimal?
Penyelesaian
Misal : x1 = mi jenis A
x2 = mi jenis B
Keuntungan max. : Z = 8 x1 + 7 x2
Kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1, x2 ≥ 0
Model matematis
Dengan metode grafik
0
1
2
3
4
5
6
7
0 1 2 3 4 5 6 7
X2
X1
6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
Solusi optimal
Solusi optimal :
X1 = 3,75
X2 = 1,5
Keuntungan max :
Z = 8x1 + 7 x2
= 8(3,75) + 7(1,5)
= 40,5
Jadi...
Jadi untuk mendapat keuntungan yang
maksimal pabrik harus menghasilkan mi
kering jenis A sebesar 3,75 kg dan mi
kering jenis B 1,5 kg.
Tidak masalah, karena produk bisa
dijual dalam bentuk pecahan.
Untuk jenis
produk
lain??
Contoh soal untuk produk lain
Sebuah perusahaan alat pengolahan pangan memproduksi 2
jenis alat, yaitu kabinet dryer dan oven dryer. Masing-
masing jenis produk melalui tahapan proses yaitu bagian
kelistrikan dan perakitan. Waktu yang diperlukan untuk
kelistrikan untuk kabinet dryer adalah 6 jam, sedangkan
untuk oven dryer adalah 5 jam. Sedangkan waktu yang
diperlukan untuk perakitan untuk kabinet dryer adalah 2
jam dan untuk oven dryer adalah 3 jam. Perusahaan tersebut
hanya mempunyai waktu untuk bagian kelistrikan selama 30
jam dan waktu perakitan 12 jam per minggu. Kabinet dryer
menghasilkan keuntungan Rp8.000.000,00 per unit
sedangkan oven dryer menghasilkan keuntungan
Rp7.000.000,00 per unit. Berapa banyak kabinet dryer dan
oven dryer yang harus diproduksi agar diperoleh keuntungan
maksimal?
Penyelesaian
Dengan menggunakan cara penyelesaian yang sama dengan
soal sebelumnya diperoleh :
Untuk menghasilkan keuntungan maksimal, pabrik harus
memproduksi kabinet dryer sebanyak 3,75 unit dan
oven dryer sebanyak 1,5 unit .
Siapa yang
mau beli alat
tidak utuh?!?
INTEGER PROGRAMMING
Integer Programming ( Pemrograman bilangan bulat)
adalah sebuah program linier dengan persyaratan
tambahan bahwa semua variabelnya merupakan bilangan-
bilangan bulat.
Cara Penyelesaian :
-Metode Round off
-Metode Branch and Bound (Algoritma pencabangan)
-Metode Gomory (Algoritma pemotongan)
METODE ROUND OFF
Dengan metode pembulatan ( Round off) dari
solusi optimal (x1=3,75 ; x2=1,5) diperoleh hasil :
X1 = kabinet dryer = 4 unit
X2 = oven dryer = 2 unit
Tidak mungkin, di luar area
Paling memungkinkan :
X1 = kabinet dryer = 4 unit
X2 = oven dryer = 1 unit
METODE BRANCH AND BOUND
(PENCABANGAN)
Jika hasil yang diperoleh mengandung variabel
yang tidak bulat maka dilakukan pencabangan
(branching).
Jika terdapat variabel yang tidak bulat (misal : xj* )
maka dibentuk dua program bilangan bulat yang
baru dengan kendala xj ≤ i1 atau kendala xj ≥ i2
i1 dan i2 adalah dua bilangan bulat tak negatif yang
berurutan .
 Dari soal di atas diperoleh hasil solusi optimal dengan : x1 =
3,75 ; x2 = 1,5 ; dan Z = 40,5
 Karena x1 = 3,75, ; tidak bulat, maka dicabangkan menjadi
2, yaitu :
Cabang A :
Maksimumkan : Z = 8x1 + 7x2
kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1 ≤ 3
x1, x2 ≥ 0 , dan bulat
Dengan LP sederhana 
X1 = 3 ; x2 = 2 ; Z = 38
Cabang B :
Maksimumkan : Z = 8x1 + 7x2
kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1 ≥ 4
x1, x2 ≥ 0 , dan bulat
Dengan LP sederhana 
X1 = 4 ; x2 = 1,2 ; Z = 40,4
Sudah feasible Belum feasible
 Dari Percabangan B diperoleh hasil x1 = 4 ; x2 = 1,2 ; dan Z =
40,4
 Karena x2 = 1,2 ; tidak bulat, maka dicabangkan menjadi
2, yaitu :
Cabang C :
Maksimumkan : Z = 8x1 + 7x2
kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1 ≥ 4
x2 ≤ 1
x1, x2 ≥ 0 , dan bulat
Dengan LP sederhana 
X2 = 1 ; x1 = 4,16 ; Z = 40,33
Cabang D :
Maksimumkan : Z = 8x1 + 7x2
kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1 ≥ 4
x2 ≥ 2
x1, x2 ≥ 0 , dan bulat
Syarat x1 ≥ 4 dan x2 ≥ 2, di
luar area
Belum feasible Tidak layak
 Dari Percabangan C diperoleh hasil x2 = 1 ; x1 = 4,16 ; dan Z =
41
 Karena x1 = 4,16 ; tidak bulat, maka dicabangkan menjadi
2, yaitu :
Cabang E :
Maksimumkan : Z = 8x1 + 7x2
kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1 ≥ 4
x2 ≤ 1
x1 ≤ 4
x1, x2 ≥ 0 , dan bulat
Dengan LP sederhana 
X1 = 4 ; x2 = 1 ; Z = 39
Sudah feasible Sudah feasible
Cabang E :
Maksimumkan : Z = 8x1 + 7x2
kendala : 6x1 + 5x2 ≤ 30
2x1 + 3x2 ≤ 12
x1 ≥ 4
x2 ≤ 1
x1 ≥ 5
x1, x2 ≥ 0 , dan bulat
Dengan LP sederhana 
X1 = 5 ; x2 = 0 ; Z = 40
x1= 3,75
x2= 1,5
Z = 40,5
x1= 3
x2= 2
Z = 38
x1= 4
x2= 1,2
Z = 40,4
x1= 4,16
x2= 1
Z = 40,33
Tidak
layak
x1= 4
x2= 1
Z = 39
x1= 5
x2= 0
Z = 40
A
B
C
D
E
F
x1≤ 3
x2≤ 1
x1≤ 4
x1≥4
x2≥2
x1≥5
Feasible integer
solution
Feasible integer
solution
Feasible integer
solution
Optimal solution
Jadiiiii...
keuntungan maksimal dari soal di atas dengan
metode linier programming adalah 40,5 dan dengan
integer programming adalah 40.
LATIHAN SOAL
 Maksimumkan : Z = 10 x1 + x2
dengan kendala : 2x1 + 5x2 ≤ 11
x1, x2 ≥ 0 dan bulat
ITP UNS SEMESTER 2 Integer programming

More Related Content

What's hot

Dualitas- Program Linear
Dualitas- Program LinearDualitas- Program Linear
Dualitas- Program LinearHelvyEffendi
 
Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Muhammad Ali Subkhan Candra
 
Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)hazhiyah
 
linear programming metode simplex
linear programming metode simplexlinear programming metode simplex
linear programming metode simplexBambang Kristiono
 
ITP UNS SEMESTER 2 Teori permainan ro
ITP UNS SEMESTER 2 Teori permainan roITP UNS SEMESTER 2 Teori permainan ro
ITP UNS SEMESTER 2 Teori permainan roFransiska Puteri
 
Contoh soal Metode Simpleks
Contoh soal Metode SimpleksContoh soal Metode Simpleks
Contoh soal Metode SimpleksReza Mahendra
 
Metode Transportasi (Masalah dalam Metode Transportasi)
Metode Transportasi (Masalah dalam Metode Transportasi)Metode Transportasi (Masalah dalam Metode Transportasi)
Metode Transportasi (Masalah dalam Metode Transportasi)hazhiyah
 
Distribusi eksponensial
Distribusi eksponensialDistribusi eksponensial
Distribusi eksponensialPhe Phe
 
Distribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialDistribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialSilvia_Al
 
Basic statistics 5 - binomial distribution
Basic statistics   5 - binomial distributionBasic statistics   5 - binomial distribution
Basic statistics 5 - binomial distributionangita wahyu suprapti
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
 
PENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIAN
PENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIANPENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIAN
PENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIANFeronica Romauli
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Raden Maulana
 
Metode Simpleks - Riset Operasional
Metode Simpleks - Riset OperasionalMetode Simpleks - Riset Operasional
Metode Simpleks - Riset OperasionalLelys x'Trezz
 

What's hot (20)

PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUAL
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUALPENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUAL
PENELITIAN OPERASIONAL - PROGRAMA LINIER - METODE PRIMAL DUAL
 
Dualitas- Program Linear
Dualitas- Program LinearDualitas- Program Linear
Dualitas- Program Linear
 
Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)
 
Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)Metode Dualitas (Primal-Dual)
Metode Dualitas (Primal-Dual)
 
linear programming metode simplex
linear programming metode simplexlinear programming metode simplex
linear programming metode simplex
 
ITP UNS SEMESTER 2 Teori permainan ro
ITP UNS SEMESTER 2 Teori permainan roITP UNS SEMESTER 2 Teori permainan ro
ITP UNS SEMESTER 2 Teori permainan ro
 
contoh soal program linear
contoh soal program linearcontoh soal program linear
contoh soal program linear
 
Materi P3_Distribusi Normal
Materi P3_Distribusi NormalMateri P3_Distribusi Normal
Materi P3_Distribusi Normal
 
Distribusi poisson
Distribusi poissonDistribusi poisson
Distribusi poisson
 
Contoh soal Metode Simpleks
Contoh soal Metode SimpleksContoh soal Metode Simpleks
Contoh soal Metode Simpleks
 
4. metode transportasi
4. metode transportasi4. metode transportasi
4. metode transportasi
 
Metode Transportasi (Masalah dalam Metode Transportasi)
Metode Transportasi (Masalah dalam Metode Transportasi)Metode Transportasi (Masalah dalam Metode Transportasi)
Metode Transportasi (Masalah dalam Metode Transportasi)
 
Distribusi eksponensial
Distribusi eksponensialDistribusi eksponensial
Distribusi eksponensial
 
Distribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialDistribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan Binomial
 
Basic statistics 5 - binomial distribution
Basic statistics   5 - binomial distributionBasic statistics   5 - binomial distribution
Basic statistics 5 - binomial distribution
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
 
PENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIAN
PENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIANPENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIAN
PENYELESAIAN MASALAH PENUGASAN DENGAN METODE HUNGARIAN
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)
 
Metode Simpleks - Riset Operasional
Metode Simpleks - Riset OperasionalMetode Simpleks - Riset Operasional
Metode Simpleks - Riset Operasional
 
Poisson distribution
Poisson distributionPoisson distribution
Poisson distribution
 

Similar to ITP UNS SEMESTER 2 Integer programming

Similar to ITP UNS SEMESTER 2 Integer programming (20)

03. Integer Programming.pdf
03. Integer Programming.pdf03. Integer Programming.pdf
03. Integer Programming.pdf
 
Pemograman Linier
Pemograman LinierPemograman Linier
Pemograman Linier
 
Materi 2
Materi 2Materi 2
Materi 2
 
TRO 03.pdf
TRO 03.pdfTRO 03.pdf
TRO 03.pdf
 
PERTEMUAN 3 LINIER PROGRAMING METODE GRAFIK.pptx
PERTEMUAN  3 LINIER PROGRAMING  METODE GRAFIK.pptxPERTEMUAN  3 LINIER PROGRAMING  METODE GRAFIK.pptx
PERTEMUAN 3 LINIER PROGRAMING METODE GRAFIK.pptx
 
Program_Linier_Rudi_Susanto-program linier.pdf
Program_Linier_Rudi_Susanto-program linier.pdfProgram_Linier_Rudi_Susanto-program linier.pdf
Program_Linier_Rudi_Susanto-program linier.pdf
 
Typing pembuatan makalah
Typing pembuatan makalahTyping pembuatan makalah
Typing pembuatan makalah
 
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
ITP UNS SEMESTER 2 Riset operasi (materi kuliah)
 
Soal xi
Soal xiSoal xi
Soal xi
 
Perogram linier
Perogram linier Perogram linier
Perogram linier
 
6. spltv
6. spltv6. spltv
6. spltv
 
M2 lp- met grafik
M2  lp- met grafikM2  lp- met grafik
M2 lp- met grafik
 
II-Linear-Programming-2.pptx
II-Linear-Programming-2.pptxII-Linear-Programming-2.pptx
II-Linear-Programming-2.pptx
 
Bahan ajar program linear
Bahan ajar program linearBahan ajar program linear
Bahan ajar program linear
 
03 bab 2
03 bab 203 bab 2
03 bab 2
 
Tugas Program Linier
Tugas Program LinierTugas Program Linier
Tugas Program Linier
 
Linear programming
Linear programmingLinear programming
Linear programming
 
Program linier
Program linierProgram linier
Program linier
 
Riset operasional
Riset operasionalRiset operasional
Riset operasional
 
PROGRAM_LINEAR.ppt
PROGRAM_LINEAR.pptPROGRAM_LINEAR.ppt
PROGRAM_LINEAR.ppt
 

More from Fransiska Puteri

Laporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan Pustaka
Laporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan PustakaLaporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan Pustaka
Laporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan PustakaFransiska Puteri
 
Laporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYA
Laporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYALaporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYA
Laporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYAFransiska Puteri
 
Laporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 LipidaLaporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 LipidaFransiska Puteri
 
Laporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 LipidaLaporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 LipidaFransiska Puteri
 
Laporan Biokimia ITP UNS SMT3 Enzim
Laporan Biokimia ITP UNS SMT3 EnzimLaporan Biokimia ITP UNS SMT3 Enzim
Laporan Biokimia ITP UNS SMT3 EnzimFransiska Puteri
 
Laporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWAN
Laporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWANLaporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWAN
Laporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWANFransiska Puteri
 
Laporan Kimia Pangan ITP UNS SMT3 Karbohidrat
Laporan Kimia Pangan ITP UNS SMT3 KarbohidratLaporan Kimia Pangan ITP UNS SMT3 Karbohidrat
Laporan Kimia Pangan ITP UNS SMT3 KarbohidratFransiska Puteri
 
Laporan Kimia Pangan ITP UNS SMT3 enzim amilase
Laporan Kimia Pangan ITP UNS SMT3 enzim amilaseLaporan Kimia Pangan ITP UNS SMT3 enzim amilase
Laporan Kimia Pangan ITP UNS SMT3 enzim amilaseFransiska Puteri
 
Laporan Kimia Pangan ITP UNS SMT3 PROTEIN
Laporan Kimia Pangan ITP UNS SMT3 PROTEINLaporan Kimia Pangan ITP UNS SMT3 PROTEIN
Laporan Kimia Pangan ITP UNS SMT3 PROTEINFransiska Puteri
 
Laporan Kimia Pangan ITP UNS SMT3 Lipida dan Lipase
Laporan Kimia Pangan ITP UNS SMT3 Lipida dan LipaseLaporan Kimia Pangan ITP UNS SMT3 Lipida dan Lipase
Laporan Kimia Pangan ITP UNS SMT3 Lipida dan LipaseFransiska Puteri
 
ITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak protein
ITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak proteinITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak protein
ITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak proteinFransiska Puteri
 
ITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekon
ITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekonITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekon
ITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekonFransiska Puteri
 
ITP UNS Semester 3, Analisis biaya alsin ekonomi teknik
ITP UNS Semester 3, Analisis biaya alsin ekonomi teknikITP UNS Semester 3, Analisis biaya alsin ekonomi teknik
ITP UNS Semester 3, Analisis biaya alsin ekonomi teknikFransiska Puteri
 
ITP UNS Semester 3, ekonomi teknik
ITP UNS Semester 3, ekonomi teknikITP UNS Semester 3, ekonomi teknik
ITP UNS Semester 3, ekonomi teknikFransiska Puteri
 
ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3
ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3
ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3Fransiska Puteri
 
ITP UNS Semester 3, HIPERKES: Personal protective equipment
ITP UNS Semester 3, HIPERKES: Personal protective equipmentITP UNS Semester 3, HIPERKES: Personal protective equipment
ITP UNS Semester 3, HIPERKES: Personal protective equipmentFransiska Puteri
 
ITP UNS Semester 3, HIPERKES: Higiene perusahaan
ITP UNS Semester 3, HIPERKES: Higiene perusahaanITP UNS Semester 3, HIPERKES: Higiene perusahaan
ITP UNS Semester 3, HIPERKES: Higiene perusahaanFransiska Puteri
 
ITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerja
ITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerjaITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerja
ITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerjaFransiska Puteri
 
ITP UNS Semester 3, HIPERKES: pengantar ergonomi
ITP UNS Semester 3, HIPERKES: pengantar ergonomiITP UNS Semester 3, HIPERKES: pengantar ergonomi
ITP UNS Semester 3, HIPERKES: pengantar ergonomiFransiska Puteri
 
ITP UNS Semester 3, HIPERKES: dasar dasar k3
ITP UNS Semester 3, HIPERKES: dasar dasar k3ITP UNS Semester 3, HIPERKES: dasar dasar k3
ITP UNS Semester 3, HIPERKES: dasar dasar k3Fransiska Puteri
 

More from Fransiska Puteri (20)

Laporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan Pustaka
Laporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan PustakaLaporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan Pustaka
Laporan Mesin dan Peralatan ITP UNS Semester 3: Tinjauan Pustaka
 
Laporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYA
Laporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYALaporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYA
Laporan Biokimia ITP UNS SMT3 ISOLASI AMILUM DARI UBI KAYU DAN HIDROLISISNYA
 
Laporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 LipidaLaporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 Lipida
 
Laporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 LipidaLaporan Biokimia ITP UNS SMT3 Lipida
Laporan Biokimia ITP UNS SMT3 Lipida
 
Laporan Biokimia ITP UNS SMT3 Enzim
Laporan Biokimia ITP UNS SMT3 EnzimLaporan Biokimia ITP UNS SMT3 Enzim
Laporan Biokimia ITP UNS SMT3 Enzim
 
Laporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWAN
Laporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWANLaporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWAN
Laporan Kimia Pangan ITP UNS Semester3 ZAT WARNA TANAMAN DAN HEWAN
 
Laporan Kimia Pangan ITP UNS SMT3 Karbohidrat
Laporan Kimia Pangan ITP UNS SMT3 KarbohidratLaporan Kimia Pangan ITP UNS SMT3 Karbohidrat
Laporan Kimia Pangan ITP UNS SMT3 Karbohidrat
 
Laporan Kimia Pangan ITP UNS SMT3 enzim amilase
Laporan Kimia Pangan ITP UNS SMT3 enzim amilaseLaporan Kimia Pangan ITP UNS SMT3 enzim amilase
Laporan Kimia Pangan ITP UNS SMT3 enzim amilase
 
Laporan Kimia Pangan ITP UNS SMT3 PROTEIN
Laporan Kimia Pangan ITP UNS SMT3 PROTEINLaporan Kimia Pangan ITP UNS SMT3 PROTEIN
Laporan Kimia Pangan ITP UNS SMT3 PROTEIN
 
Laporan Kimia Pangan ITP UNS SMT3 Lipida dan Lipase
Laporan Kimia Pangan ITP UNS SMT3 Lipida dan LipaseLaporan Kimia Pangan ITP UNS SMT3 Lipida dan Lipase
Laporan Kimia Pangan ITP UNS SMT3 Lipida dan Lipase
 
ITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak protein
ITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak proteinITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak protein
ITP UNS Semester 3, Pangan dan Gizi: Kharbohidrat lemak protein
 
ITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekon
ITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekonITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekon
ITP UNS Semester 3, Ekonomi teknik: metode dasar studi ekon
 
ITP UNS Semester 3, Analisis biaya alsin ekonomi teknik
ITP UNS Semester 3, Analisis biaya alsin ekonomi teknikITP UNS Semester 3, Analisis biaya alsin ekonomi teknik
ITP UNS Semester 3, Analisis biaya alsin ekonomi teknik
 
ITP UNS Semester 3, ekonomi teknik
ITP UNS Semester 3, ekonomi teknikITP UNS Semester 3, ekonomi teknik
ITP UNS Semester 3, ekonomi teknik
 
ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3
ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3
ITP UNS Semester 3, HIPERKES: Statistik dalam penilaian kinerja program k3
 
ITP UNS Semester 3, HIPERKES: Personal protective equipment
ITP UNS Semester 3, HIPERKES: Personal protective equipmentITP UNS Semester 3, HIPERKES: Personal protective equipment
ITP UNS Semester 3, HIPERKES: Personal protective equipment
 
ITP UNS Semester 3, HIPERKES: Higiene perusahaan
ITP UNS Semester 3, HIPERKES: Higiene perusahaanITP UNS Semester 3, HIPERKES: Higiene perusahaan
ITP UNS Semester 3, HIPERKES: Higiene perusahaan
 
ITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerja
ITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerjaITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerja
ITP UNS Semester 3, HIPERKES: Faktor2 fisik lingkungan kerja
 
ITP UNS Semester 3, HIPERKES: pengantar ergonomi
ITP UNS Semester 3, HIPERKES: pengantar ergonomiITP UNS Semester 3, HIPERKES: pengantar ergonomi
ITP UNS Semester 3, HIPERKES: pengantar ergonomi
 
ITP UNS Semester 3, HIPERKES: dasar dasar k3
ITP UNS Semester 3, HIPERKES: dasar dasar k3ITP UNS Semester 3, HIPERKES: dasar dasar k3
ITP UNS Semester 3, HIPERKES: dasar dasar k3
 

ITP UNS SEMESTER 2 Integer programming

  • 1. INTEGER PROGRAMMING (Pemrograman Bilangan Bulat ) Oleh : ASRI NURSIWI, S.T.P., M.Sc. 27 Maret 2013
  • 2. Contoh soal Sebuah perusahaan mie kering memproduksi 2 jenis produk, yaitu jenis A dan jenis B. Masing-masing jenis produk melalui tahapan proses yaitu pembuatan adonan dan pengeringan. Waktu yang diperlukan untuk pembuatan adonan mi jenis A adalah 6 jam, sedangkan untuk mi jenis B adalah 5 jam. Sedangkan waktu yang diperlukan untuk pengeringan mi jenis A adalah 2 jam dan untuk mi jenis B adalah 3 jam. Perusahaan tersebut hanya mempunyai waktu untuk pembuatan adonan selama 30 jam dan waktu pengeringan 12 jam per minggu. Mi jenis A menghasilkan keuntungan Rp8.000,00 per kg sedangkan mi jenis B menghasilkan keuntungan Rp7.000,00 per kg. Berapa banyak mi jenis A dan mi jenis B yang harus diproduksi agar diperoleh keuntungan maksimal?
  • 3. Penyelesaian Misal : x1 = mi jenis A x2 = mi jenis B Keuntungan max. : Z = 8 x1 + 7 x2 Kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1, x2 ≥ 0 Model matematis
  • 4. Dengan metode grafik 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 X2 X1 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 Solusi optimal
  • 5. Solusi optimal : X1 = 3,75 X2 = 1,5 Keuntungan max : Z = 8x1 + 7 x2 = 8(3,75) + 7(1,5) = 40,5 Jadi...
  • 6. Jadi untuk mendapat keuntungan yang maksimal pabrik harus menghasilkan mi kering jenis A sebesar 3,75 kg dan mi kering jenis B 1,5 kg. Tidak masalah, karena produk bisa dijual dalam bentuk pecahan. Untuk jenis produk lain??
  • 7. Contoh soal untuk produk lain Sebuah perusahaan alat pengolahan pangan memproduksi 2 jenis alat, yaitu kabinet dryer dan oven dryer. Masing- masing jenis produk melalui tahapan proses yaitu bagian kelistrikan dan perakitan. Waktu yang diperlukan untuk kelistrikan untuk kabinet dryer adalah 6 jam, sedangkan untuk oven dryer adalah 5 jam. Sedangkan waktu yang diperlukan untuk perakitan untuk kabinet dryer adalah 2 jam dan untuk oven dryer adalah 3 jam. Perusahaan tersebut hanya mempunyai waktu untuk bagian kelistrikan selama 30 jam dan waktu perakitan 12 jam per minggu. Kabinet dryer menghasilkan keuntungan Rp8.000.000,00 per unit sedangkan oven dryer menghasilkan keuntungan Rp7.000.000,00 per unit. Berapa banyak kabinet dryer dan oven dryer yang harus diproduksi agar diperoleh keuntungan maksimal?
  • 8. Penyelesaian Dengan menggunakan cara penyelesaian yang sama dengan soal sebelumnya diperoleh : Untuk menghasilkan keuntungan maksimal, pabrik harus memproduksi kabinet dryer sebanyak 3,75 unit dan oven dryer sebanyak 1,5 unit . Siapa yang mau beli alat tidak utuh?!?
  • 9. INTEGER PROGRAMMING Integer Programming ( Pemrograman bilangan bulat) adalah sebuah program linier dengan persyaratan tambahan bahwa semua variabelnya merupakan bilangan- bilangan bulat. Cara Penyelesaian : -Metode Round off -Metode Branch and Bound (Algoritma pencabangan) -Metode Gomory (Algoritma pemotongan)
  • 10. METODE ROUND OFF Dengan metode pembulatan ( Round off) dari solusi optimal (x1=3,75 ; x2=1,5) diperoleh hasil : X1 = kabinet dryer = 4 unit X2 = oven dryer = 2 unit Tidak mungkin, di luar area Paling memungkinkan : X1 = kabinet dryer = 4 unit X2 = oven dryer = 1 unit
  • 11. METODE BRANCH AND BOUND (PENCABANGAN) Jika hasil yang diperoleh mengandung variabel yang tidak bulat maka dilakukan pencabangan (branching). Jika terdapat variabel yang tidak bulat (misal : xj* ) maka dibentuk dua program bilangan bulat yang baru dengan kendala xj ≤ i1 atau kendala xj ≥ i2 i1 dan i2 adalah dua bilangan bulat tak negatif yang berurutan .
  • 12.  Dari soal di atas diperoleh hasil solusi optimal dengan : x1 = 3,75 ; x2 = 1,5 ; dan Z = 40,5  Karena x1 = 3,75, ; tidak bulat, maka dicabangkan menjadi 2, yaitu : Cabang A : Maksimumkan : Z = 8x1 + 7x2 kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1 ≤ 3 x1, x2 ≥ 0 , dan bulat Dengan LP sederhana  X1 = 3 ; x2 = 2 ; Z = 38 Cabang B : Maksimumkan : Z = 8x1 + 7x2 kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1 ≥ 4 x1, x2 ≥ 0 , dan bulat Dengan LP sederhana  X1 = 4 ; x2 = 1,2 ; Z = 40,4 Sudah feasible Belum feasible
  • 13.  Dari Percabangan B diperoleh hasil x1 = 4 ; x2 = 1,2 ; dan Z = 40,4  Karena x2 = 1,2 ; tidak bulat, maka dicabangkan menjadi 2, yaitu : Cabang C : Maksimumkan : Z = 8x1 + 7x2 kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1 ≥ 4 x2 ≤ 1 x1, x2 ≥ 0 , dan bulat Dengan LP sederhana  X2 = 1 ; x1 = 4,16 ; Z = 40,33 Cabang D : Maksimumkan : Z = 8x1 + 7x2 kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1 ≥ 4 x2 ≥ 2 x1, x2 ≥ 0 , dan bulat Syarat x1 ≥ 4 dan x2 ≥ 2, di luar area Belum feasible Tidak layak
  • 14.  Dari Percabangan C diperoleh hasil x2 = 1 ; x1 = 4,16 ; dan Z = 41  Karena x1 = 4,16 ; tidak bulat, maka dicabangkan menjadi 2, yaitu : Cabang E : Maksimumkan : Z = 8x1 + 7x2 kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1 ≥ 4 x2 ≤ 1 x1 ≤ 4 x1, x2 ≥ 0 , dan bulat Dengan LP sederhana  X1 = 4 ; x2 = 1 ; Z = 39 Sudah feasible Sudah feasible Cabang E : Maksimumkan : Z = 8x1 + 7x2 kendala : 6x1 + 5x2 ≤ 30 2x1 + 3x2 ≤ 12 x1 ≥ 4 x2 ≤ 1 x1 ≥ 5 x1, x2 ≥ 0 , dan bulat Dengan LP sederhana  X1 = 5 ; x2 = 0 ; Z = 40
  • 15. x1= 3,75 x2= 1,5 Z = 40,5 x1= 3 x2= 2 Z = 38 x1= 4 x2= 1,2 Z = 40,4 x1= 4,16 x2= 1 Z = 40,33 Tidak layak x1= 4 x2= 1 Z = 39 x1= 5 x2= 0 Z = 40 A B C D E F x1≤ 3 x2≤ 1 x1≤ 4 x1≥4 x2≥2 x1≥5 Feasible integer solution Feasible integer solution Feasible integer solution Optimal solution
  • 16. Jadiiiii... keuntungan maksimal dari soal di atas dengan metode linier programming adalah 40,5 dan dengan integer programming adalah 40.
  • 17. LATIHAN SOAL  Maksimumkan : Z = 10 x1 + x2 dengan kendala : 2x1 + 5x2 ≤ 11 x1, x2 ≥ 0 dan bulat