Operations Research MODUL – 14 BILANGAN INTEGER (LANJUTAN

)

Subpersoalan yang belum diselesaikan adalah subpersoalan 3, 6, dan 7. Dengan aturan LIFO, misalkan kita pilih subpersoalan 7 untuk diselesaikan lebih dahuli. Dari Gambar 8.7 kita lihat bahwa solusi optimal untuk subpersoalan 7 adalah titik H, yaitu z = 37, x1 = 4, x2 = 1. Karena x1 dan x2 berharga integer, maka solusi ini fisibel untuk persoalan IP semula. Suatu solusi yang di peroleh dengancara menyelesaikan subpersoalan di mana seluruh variabelnya berharga integer disebut sebagai calon solusi. Karena calon solusi ini bisa saja optimal, maka kita saimpan untuk kemudian kita bandingkan dengan calon solusi yang lain ( jika ada ). Karena subpersoalan 7 ini tidak dapat memberikan solusi fisibel integer dengan z > 37, maka pencabangan selanjutnya dari subpersoalan 7 ini tidak akan memberikan informasi baru mengenai solusi optimal untuk persoalan IP. Artinya, subpersoalan 7 sudah fathomed ( lihat Gambar 8.8 ). Sampai di sini kita telah memperoleh solusi fisisbel dari persoalan IP semula, yaitu z = 37, sehingga dapat disimpulkan bahwa nilai z – optimal untuk persoalan IP akan ≥ 37. Dengan kata lain, nilai z – optimal dari calon solusi merupakan batas bawah dari nilai z – optimal untuk persoalan IP semula. Untuk menandai batas bawah, cantumkan notasi LB = 37 dalam kotak subpersoalan yang akan diselesaikan berikutnya, yaitu subpersoalan 6. Dari Gambar 8.7 kita dapatkan bahwa solusi optimal untuk subpersoalan 6 adalah titik A, yaitu z = 40, x1 = 5, x2 = 0. Karena seluruh variabel keputusan telah berharga integer, maka solusi dari subpersoalan 6 adalah juga calon solusi. Calon ini memiliki nilai z = 40, yang berarti lebih besar daripada nilai z dari calon terdahulu ( z = 37 ). Hal ini menyatakan bahwa subpersoalan 7 tidak dapat memberikan solusi optimal bagi persoalan IP. Nyatakan hal ini dengan mencamtumkan tanda x di dekat kotak subpersoalan 7, dan kita perbaiki LB menjadi 40 ( lihat Gambar 8.9 dan 8.10 ). Sekarang tinggal satu subpersoala yang belum diselesaikan, yaitu subpersoalan 3. Dari Gambar 8.3 kita dapatkan bahwa solusi optimal untuk subpersoalan 3 ini adalah titik F, yaitu z = 39, x1 = x2 = 3. Karena subpersoalan 3 tidak dapat memberikan nilai z yang

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sonny Koeswara M.Sc.

PENELITIAN OPRASIONAL

1

8. b. Sonny Koeswara M. subpersoalan 3 dan 7 diabaikan karena alasan ini. Dari apa yang telah kita lakukan. Apabila nilai z – optimal untuk subpersoalan itu tidak lebih baik dari nilai z – optimal subpersoalan lain ( dalam persoalan maksimasi berarti nilai z – optimal dari subpersoalan itu tidak lebih besar daripada batas bawah yang telah dipeoleh ).4. perhatikan formulasi berikut ini Maksimumkan : z = x1 + x2 PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.00. subpersoalan 4 diabaikan karena alasan ini.000. 40. Batas bawah atau LB ( yang menyatakan nilai z dari calon solusi terbaik ) sekurang – kurangnya berharga sama besar dengan nilai z dari subpersoalan yang bersangkutan. Ada tiga situasi yang menyebabkan suatu subpersoalan fathomed. Karena itu. sehingga akan diperoleh keuntungan sebesar Rp. Jika pencabangan dari suatu subpersoalan tidak diprlukan. Sebagai contoh. maka subpersoalan itu adalah fathomed.10 kita tahu bahwa hanya subpersoalan yang belum diselesaikan dan bahwa hanya subpersoalan 6 yang dapat memebrikan solusi optimal terhadap persoalan IP. c. Dengan demikian. yaitu : a.Sc. Dari Gambar 8.10 ). Pada contoh CV Kayu Indah. 2. maka subpersoalan 3 tidak dapat memberikan solusi optimal pada persoalan IP semula. Tidak fisibel. Dalam contoh CV Kayu Indah. dan tidak memproduksi kursi. Apabila subpersoalan itu memberikan solusi optimal di mana seluruh variabelnya berharga integer. cantumkan tanda X di dekat kotak subpersoalan 3 ( lihat Gambar 8. PENELITIAN OPRASIONAL 2 . kita modifikasi uraian pada Subbab 8.5 Menyelesaikan Persoalan IP Campuran dengan Teknik Branch – And – Bound Untuk menyelesaikan persoalan IP campuran denagn teknik branch – and – bound.lebih besar dari batas bawah saat ini ( yaitu LB = 40 ). yaitu dengan hanya melakukan pencabangan pada variabel – variabel yang harus berharga integer. solusi optimal dari pesoalan IP untuk CV Kayu Indah adalah memproduksi 5 unit meja. dapat ditarik kesimpulan sebagai berikut : 1. Suatu subpersoalan dapat diabaikan ( dieliminasi dari pertimbangan selanjutnya ) apabila subpersoalan itu berada dalam situasi berikut : a. Apabila subpersoalan itu tidak fisibel. b.

Solusi optimal dari LP relaksasi ini adalah z = 11/3. Pada bagian ini kita hanya akan mendiskusikan persoalan ransel yang seluruh variabelnya harus berharga 0 atau 1. Dari pencabangan terhadap x1 kita peroleh subpersoalan 2 dan 3 ( lihat Gambar 8. 2. maka ada dua aspek dari pendekatan branch – and – bound yang disederhanakan. maka subpersoalan 2 dapat diabaikan dan calon solusi dari subpersoalan 3. x1 = 1. x2 = 3/2 yang juga merupakan calon solusi. yang merupakan calon solusi. Solusinya adalah z = 7/2.Berdasarkan : 5 x 1 + 2 x2 ≤ 8 x1 + x2 ≤ 3 x1 . x2 = 3/2. b adalah jumlah sumber yang tersedia.3 telah kita ketahui bahwa persoalan ransel adalah persoalan IP yang hanya memiliki pembatas tunggal. . PENELITIAN OPRASIONAL 3 . Sonny Koeswara M. Karena x2 dibolehkan berharga pecahan. Menyelesaikan Persoalan Ransel ( Knapsack Problem ) dengan Teknik Branch – And – Bound Pada Subbab 8. x1 = 1.. Apabila persoalan ini diselesaikan dengan branch – and – bound.n ) Ingat bahwa ci adalah manfaat yang dapat diperoleh apabila barang ke – i dipilih.. Sekarang kita selesaikan subpersoalan 3. maka pencabangan pada xi akan menghasilkan PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. x1 = 0.cn xn Berdasarkan : a1 x1 + a2 x2 + ………+ an xn ≤ b xi = 0 atau 1 ( i = 1. x2 ≥ 0 : integer Seperti baiasa.Sc. Karena nilai z dari subpersoalan 3 lebih besar dari pada nilai z dari subpersoalan 2. maka pencabangan tidak akan dilakukan terhadap variabel ini. karena setiap variabel harus berharga 0 atau 1. x2 = 7/3. adalah solusi optimal untuk persoalan IP campuran di atas. Selanjutanya kita pilih subpersoalan 2 untuk diselesaikan. yaitu z = 7/2. x1 = 2/3. ………. x2 = 3. . dan ai adalah jumlah sumber yang digunakan oleh barang ke – i. Pertama. kita mulai dengan menyelesaikan LP relaksasi dari persoalan IP di atas. Solusi optimalnya adalah z = 3.11 ). yang dapat di formulasikan sebagai berikut : Maksimumkan : z = c1 x1 + c1 x2 + ….

Kemudian barang kedua terbaik. 2. Untuk melhat hal ini perhatikan bahwa ci/ai dapat di interpretasikan sebagai manfaat yang diperoleh barang ke – i dari setiap unit sumber yang digunakan oleh barang ke –i. ….Sc. Hasilnya adalah sebagai berikut : Investasi 1 2 3 4 Ci/ai 16/5 22/7 12/4 8/3 Peringkat 1 2 3 4 Menyelesaikan Persoalan IP dengan Metode Enumerasi implisit Metode enumenasi implisit sering kali digunakan untuk menyelesaikan persoalan programa bilangan bulat nol-satu. Untuk menyelesaikan setiap subpersoalan yang dihasilkan dari suatu persoalan ransel ini hitungkllah seluruh rasio ci/ai. akan kita pelajari lebih dahulu bagaimana suatu persoalan IP murni dapat diekspresikan sebagai persoalan 0 – 1 IP. perhatikan contoh soal berikut ini: Maksimumkan : Z = 40x1 + 80x2 + 10x3 + 10x3 + 10x4 + 4x5 + 20x6 + 60x7 Berdasarkan : 40x1 + 50x2 + 30x3 + 10x4 + 10x5 + 40x6 + 30x7 ≤ 100 x1 = 0 atau 1 (i = 1. Sebelum melanjutkan diskusi tentang enumerasi implisit ini. kita mulai dengan menghitung rasio ci/ai dan menentukan peringkat ( rank ) ssetiap variabel berdasarkan besarnya rasio ini ( peringkat 1 menyatakan variabel terbaik ).cabang xi = 0 dan xi = 1. Tentukan n sebagai bilangan integer terkecil PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Kedua. barang yang terbaik adalah barang yang memiliki nilai ci/ai terbesar. Sonny Koeswara M. Sebagai contoh. Sebagai ilustrasi . misalkan variabel xi harus berharga integer. dan seterusnya. PENELITIAN OPRASIONAL 4 .7 ) Untuk menyelesaikan persoalan di atas. Jadi. Metode ini berangkat dari kenyataan bahwa setiap variabel harus berharga nol atau satu sehingga proses pencaabangannya menjadi lebih sederhana dan penentuan fisibel-tidaknya suatu node juga menjadi lebih efisien. Caranya adalah nyatakan setiap variabel pada persoalan IP semula sebagai penjumlahan dari bilangan 2 yang berpangkat. LP relaksasi ( dan subpersoalan uyang lain ) dapat diselesaikan dengan melakukan pemeriksaan terhadap nilai ci/ai. dan barang yang terburuk adalah yang memiliki nilai ci/ai terkecil. hingga ransel terisi dengan sebanyak – banyaknya barang – barang ini.

Akan kita lihat nanti bahwa 0-1 IP secara umum lebih mudah diselesaikan daripada IP murni. misalkan kita tahu bahwa xi ≤ 100. Sebagai contoh. Artinya. banyak situasi yang secara alamiah menghasilkan persoalan 0-1 IP (misalnya persoalan ransel) sehingga tidaklah sia-sia kita mempelajari cara penyelesaian persoalan programa bilangan bulat nol-satu ini.7-2) haruslah sama dengan 93 – 64 = 29. 21. Sisa dari ruas kanan persamaan. dan u0 = 1. Hasilnya adalah u5 = 0.x5. u2 = 1. mengapa tidak kita ubah saja setiap IP murni ke dalam bentuk 0-1 IP? Jawabannya adalah karena mengubah IP murni ke dalam 0-1 IP akan meningkatkan jumlah variabel.. x4.13.6). misalkan suatu persoalan 0-1 IP memiliki variabel x1. 1. …. n) Untuk mengubah persoalan IP semula ke dalam bentuk 0-1 IP. x6 dan sebagai dari gambar pohonnya adalah seperti pada gambar 8. paa node 4 dari gambar 8. PENELITIAN OPRASIONAL 5 . Kalau begitu. x3. sedangkan setiap node menunjukkan nilai dari variabel-variabel itu. dari gambar ini terlihat bahwa pada node 4. bagaimana kita dapat memperoleh harga dari u yang berkaitand engan harga xi tertentu? Misalkan xi = 93. Maka xi < 26+1 = 128 sehingga persamaan di ata menjadi.sehingga xi < 2n+1 agar xi dapat secara unik dinyatakan sebagai penumlahan dari 20. Variabelvariabel ini dinyatakan sebagai variabel tetap (fixed variable). Sekarang. dan x2 telah ditentukan (yaitu =1). u5 akan merupakan kelipatan terbesar dari 25 = 32 yang berada dalam 29.…. Lanjutkan hal ini sehingga akan diperoleh u3 = 1. x5.13 ini.Sc. Namun. 2n-1. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. 93 = 26 + 24 + 23 + 22 + 20. x4.7-1) diatas. Sebagai contoh. Setelah itu. Hal ini menghasilkan u6 = 1. Maka u6 akan merupakan kelipatan terbesar dari 26 = 64 yang berada dalam 93. x2.7-2) di mana ui = 0 atau 1 (I = 0. u1 = 0. u4 akan merupakan kelipatan terbesar dari 24 = 16 yang berada dalam 29 sehingga u4 = 1. gantilah setiap xi oleh ruas kanan persamaan (8. ….7-2). Gambar pohon yang digunakan dalam metode ini sejenis dengan yang digunakan untuk menyelesaikan persoalan ransel. Setiap cabang pohon akan menunjukkan harag xi = 0 atau xi = 1. 1. Artinya. Sekarang kita mulai dengan pembahasan tentang metode enumerasi implisit. Sonny Koeswara M. Xi = 64 u6 + 32 u5 + 16 u4 + 8 u3 + 4 u2 + 2 u1 + u0 (8. Selanjutnya.. Variabel lain yang nilainya belum ditentukan pada suatu node disebut sebagai variabel bebas (free variables). Maka. dan x6 adalah variabel-variabel bebas. x1. gantilah setiap xi dengan ruas kanan dari persamaan (8. (8. 2n dan Xi = un2n + un-1 2n-1 + … + u322 + 2u1 + u0 Di mana ui = 0 atau 1 (I = 0. nilai dari x3.

Penentuan nilai seluruh variabel bebas pada suatu node disebut sebagai penyempurnaan node itu. x1 = 1. Maka penyempurnaan terbaik yang dapat kita lakukan adalah menetapkan x3 = 0 dan x4 = 1 sehingga diperoleh z = 4. Sebagai contoh. diperoleh nilai fungsi tujuan yang lebih buruk daripada nilai fungsi tujuan calon solusi sebelumnya. x5 =1. PENELITIAN OPRASIONAL 6 . Jadi. maka pencabangan berikutnya tidak perlu dilakukan. Misalkan juga bahwa kita telah mendapatkan calon solusi dengan nilai z = 6. dan x3 = 1. misalkan kita sedang menyelesaikan suatu persoalan yang mempunyai fungsi tujuan memaksimumkan z = 4x1 + 2x2 + x3 – x4 + 2x5. ada tiga hal pokok yang akan dilakukan. Melakukan penyempurnaan terbaik bagi suatu node Penyempurnaan terbaik bagi suatu node dilakukan dengan menjadikan variabel bebas berharga 0 atau 1 sedemikian sehingga diperoleh nilai fungsi tujuan terbesar (dalam persoalan maksimasi) atau terkecil (dalam persoalan minimasi). dan x4 = 1 adalah fisibel bagi persoalan diatas. perhatikan soal berikut ini : Maksimumkan : z = 4x1 + 2x2 – x3 + 2x4 Berdasarkan : Xi + 3x2 – x3 – 2x4 ≥ 1 Xi = 0 atau 1 (I = 1. x3 = 0. node ini fathomed dan dapat digunakan sebagai calon solusi. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Karena x1 = 0. yaitu : 1.2. Sonny Koeswara M. Jika penyempurnaan node ini fisibel. Dengan demikian. maka kita dapat segera mengabaikan node tersebut tanpa harus memperhatikan apakah penyempurnaan node ini fisibel atau tidak. Dalam menyelesaikan 0-1 IP denganmetode enumerasi implisit. x6 = 0 adalah penyempurnaan dari node 4. Suatu node akan diabaikan (dihilangkan dari pertimbangan selanjutnya) apabila setelah dilakukan penyempurnaan terbaik terhadap node itu. Sebagai contoh. Mengeliminasi suatu node dari pertimbangan selanjutnya. Maka penyempurnaan terbaik bagi node inia dalah x4 = 0 dan x5 = 1 sehingga diperoleh nilai z = 2 + 1 + 2 = 5.Sc. maka kita telah memperoleh penyempurnaan terbaik yang fisibel bagi node tersebut.3. x2 = 1.4) Misalkan bahwa saat ini kita berada pada suatu node dengan xi = 0 dan x2 = 1 sebagai variabel tetap. 2. dan saat ini kita berada pada suatu node dengan variabel tetap x1 = 0. x2 = 1. Karena z = 5 tidak dapat mengalahkan calon solusi dengan z = 6.

dan x6 = 0 sehingga pembatas di atas menajdi –2 + 3+2–3–1+0≤5 Misalkan juga bahwa saat ini kita berada pada suatu node dengan x3 = 1. tentukanlah nilai variabel bebasnya sedemikian sehingga ruas kiri pembatas di atas sekecil mungkin. x4 = 1.Sc. berarti bahwa node yang bersangkutan tidak memiliki penyempurnaan yang fisibel.3. Meskipun demikian. dan x6 = 0 sehingga pembatas di atas menajdi –2 + 3 + 2 – 3 – 1 + 0 ≤ 5. Jadi. tentukanlah nilai variabel bebasnya sedemikians ehingga ruas kiri pembatas di atas sekecil mungkin. node tersebut tidak dapat memberikan solusi yang optimal terhadap persoalan IP semula. dan x2 = 11 sebagai variabel tetap. maka pasti tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula. Sebagai contoh. Hal ini menunjukkan bahwa tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula sehingga node yang bersangkutan dapat diabaikan. dan x2 = 1 sebagai variabel tetap. Jadi. x4 = 1. perlu diingat bahwa pengujian secara kasar terhadap fisibilitas ini tidak akan menunjukkan apakah suatu node memiliki PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Jelas bahwa pembatas di atas tidak terpenuhi. Menguji ada tidaknya penyempurnaan yang fisibel dari suatu node Apabila penyempurnaan suatu node tidak emmenuhi pembatas yang ada. x5 = 1. PENELITIAN OPRASIONAL 7 . kita tentukan x1 = 1. misalkan kiat sedang menyelesaikan persoalan yang mempunyai pembatas sebagai berikut : -2x1 + 3x2 + 2x3 – 3x4 – x5 + 2x6 ≤ -5 Misalkan juga bahwa saat ini kita berada pada suatu node dengan x3 = 1. x5 = 1. Untuk menyempurnakan node ini. Sonny Koeswara M. Secara umum pengujian terhadap fisibilitas ini dapat dilakukan dengan memeprhatikan setiap pembatas yang ada dan menetapkan nilai dari variabel bebasnya sebagai berikut : Jenis pembatas ≤ ≤ ≥ ≥ Tanda dari koefisien variabel bebas pada pembatas + + Nilai yang harus diberikan pada variabel bebas dalam pengujian fisibiltas 0 1 1 0 Jika ada pembatas yang tidak terpenuhi oleh penyempurnaan dengan cara ini. Untuk menyempurnakan node ini. Dalam hal ini. kita tentukan x1 =1.

Karena itu. x2 = 1.3 -4x1 – 2x2 – 4x3 + x4 + 2x5 ≤ -7 xi = 0 atau 1 (I = 1. x5 = 0. x3 = 1. x3 = 0. x2 = 1.7 – 3) (8. Jika kita tidak berhasil memperoleh suatu informasi mengenai suatu node.7-4). dan x5 = 0.3.2. x3 = 0. dan x1 = 1.penyempurnaan yang fisibel atau tidak. PENELITIAN OPRASIONAL 8 . sebelum kita bergerak terus hingga sampai pada node yang memiliki lebih banyak variabel tetap. x2 = 1. Hal ini berarti bahwa node 1 mempunyai penyempurnaan yang fisibel. Jika kita tidak berhasil memiliki lebih banyak variabel tetap.7-3). Untuk menguji (8. tentukan x1 =1. Sekarang kita pilih node 2 untuk dianalisis.4.Sc. Ujilah apakah penyempurnaan terbaik dari node ini fisibel atau tidak.7-3) terpenuhi. x3 = 1. Karena itu. Sonny Koeswara M. x4 = 0. Akan tetapi.7 –4) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.7-4) terpenuhi. perhatikan soal 0-1 IP berikut : Maksimumkan : z = -7x1 – 3x2 – 2x3 – 4x – 2x5 Berdasarkan : -4x1 – 2x2 + x3 – 2x4 – x5 ≤ . Misalkan kita memilih x2 Node baru dari pencabangan inia dalah node 4 dengan pembatas x2 = 1 dan node 5 dengan pembatas x2 = 0. x4 = 0. lakukan pengujian untuk mengetahui apakah node 2 memiliki penyempurnaan yang fisibel. Ternyata penyempurnaan terbaik dari node 1 ini. lakukan pencabangan dari node 2 dengan memilih salah satu dari variabel bebas. tidak fisibel karena melanggar kedua pembatas. lakukan peencabangan pada variabel xi yang bebas. Penyempurnaan terbaik dari node 2 adalah x1 = 1.5) Pada mulanya (pada node 1). penyempurnaan ini tidak fisibel. x2 = 0. dan diperoleh –10 ≤ 7 sehingga (8. x4 = 1. tidak ada informasi tentang apakah node 2 memiliki penyempurnaan yang fisibel atau tidak. x2 = 1. x3 = 0. (8.7-4). seluruh variabel adalah variabel bebas. dan x5 = 1 yang memberikan –9 ≤ -3 sehingga (8. dan tambahkan dua node baru dengan xi = 1 dan node dengan xi = 0.7-3). Sebagai contoh. x2 = 0. Misalkan kita pilih x1. tentukan x1 = 1. x3 = 1. Sekarang kita lakukan pencabangan pada salah satu variabel bebas. Kita tahu bahwa x1 = 1. x5 = 0 memenuhi (8. Node baru yang diperoleh adalah node 2 dengan pembatas x1 = 1 dan node 3 dengan pembatas x1 = 1. Untuk menguji (8. x4 = 0. yaitu x1 = 0. x4 = 0. dan x1 = 1 memenuhi (8. Artinya. dan x5 = 0. Sekarang kita uji apakah benar node1 tidak mempunyai penyempurnaan yang fisibel.

lakukan pengujian terhadap node 7 untuk mengetahui apakah node 7 ini memiliki penyempurnaan yang fisibel. x3 = 0. Dengan menentukan x 1 = 1.7-3) terpenuhi. x2 = 0.17). x2 = 0. x4 = 0. x5 = 1 memenuhi (8.7-4) terpenuhi.18 ). x3 = 0. x4 = 1. kita pilih node 5 untuk dianalisis. Sesuai aturan LIFO.7-3). x4 = 0. Sonny Koeswara M.7-3). Perhatikan bahwa x1 = 1. node 7 tidak memiliki penyempurnaanyang fisibel sehingga dapat diabaikan ( nyatakan hal ini dengan membutuhkan tanda X pada Gambar 8. x2 = 0. x3 = 1.7-4). Penyempurnaan terbaik bagi node 6 adalah x1 = 1. x2 = 0. Hal ini berarti bahwa tidak akan ada penyempurnaan dari node 7 yang dapat memenuhi (8. Untuk itu. tentukan x1 = 1. lakukan pengujian fisibilitas pada node 5. x3 = 0.Sc. Penyempurnaan terbaik dari node 7 adalah x1 = 1. Kita peroleh –8 ≤ -7 sehingga (8. sekarang kita analisis node 4. PENELITIAN OPRASIONAL 9 . Hal ini menunjukkan bahwa tidak ada informasi mengenai ada – tidaknya penyempurnaan yang fisibel pada node 5 ini. x5 = 0 tidak memenuhi (8. kita pilih node 6 untuk dianalisis. Berikutnya. Jadi. x3 = 0. x3 = 0. Penyempurnaan ini juga tidak fisibel.7-4). node 4 tidak dapat mengalahkan calon solusi dari node 6 ( z = -9 ) sehingga node 4 dapat diabaikan ( lihat Gambar 8. x5 = 0 pada (8. kita peroleh -7≤-3 sehingga (8. x4 = 1. Karena itu. lakukan pencabangan pada node 5 dengan memilih variabel bebas x3 sehingga diperoleh node 6 dan 7 ( lihat Gambar 8. x2 = 0. x4 = 0. sedangkan x1 = 1. Karena z = -7 lebih baik daripada z = -9. Solusi ini memberikan z = -10. Penyempurnaan ini fisibel sehingga kita mendapatkan calon solusi dengan z = -9. x5 = 0. Karena itu. Karena itu. x5 = 0. x3 = 0. x4 = 0. kita analisis node 7. Dengan aturan LIFO.Berdasarkan aturan LIFO. maka ada kemungkinan bagi node 7 untuk mengalahkan calon solusi yang ada saat ini. x2 = 0. x2 = 1. Penyempurnaan terbaik dari node 4 adalah x1 = 1. x4 = 0. Berikutnya. x5 = 1 pada (8. x3 = 0.7-4). x2 = 0. x4 = 0. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Penyempurnaan terbaik dari node 5 adalah x1 = 1. x5 = 0 dengan z = -7.16 ). x5 = 0.