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

5 Menyelesaikan Persoalan IP Campuran dengan Teknik Branch – And – Bound Untuk menyelesaikan persoalan IP campuran denagn teknik branch – and – bound. solusi optimal dari pesoalan IP untuk CV Kayu Indah adalah memproduksi 5 unit meja. subpersoalan 3 dan 7 diabaikan karena alasan ini. PENELITIAN OPRASIONAL 2 . kita modifikasi uraian pada Subbab 8. Batas bawah atau LB ( yang menyatakan nilai z dari calon solusi terbaik ) sekurang – kurangnya berharga sama besar dengan nilai z dari subpersoalan yang bersangkutan.00. Sonny Koeswara M. Sebagai contoh. subpersoalan 4 diabaikan karena alasan ini. Dari apa yang telah kita lakukan. yaitu : a. perhatikan formulasi berikut ini Maksimumkan : z = x1 + x2 PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. 2.4. Ada tiga situasi yang menyebabkan suatu subpersoalan fathomed.10 ). 40. 8. dapat ditarik kesimpulan sebagai berikut : 1. maka subpersoalan itu adalah fathomed. b. Suatu subpersoalan dapat diabaikan ( dieliminasi dari pertimbangan selanjutnya ) apabila subpersoalan itu berada dalam situasi berikut : a. Apabila subpersoalan itu tidak fisibel. Dari Gambar 8. yaitu dengan hanya melakukan pencabangan pada variabel – variabel yang harus berharga integer. sehingga akan diperoleh keuntungan sebesar Rp. Jika pencabangan dari suatu subpersoalan tidak diprlukan.Sc. maka subpersoalan 3 tidak dapat memberikan solusi optimal pada persoalan IP semula. Karena itu.lebih besar dari batas bawah saat ini ( yaitu LB = 40 ). Tidak fisibel. cantumkan tanda X di dekat kotak subpersoalan 3 ( lihat Gambar 8. Apabila subpersoalan itu memberikan solusi optimal di mana seluruh variabelnya berharga integer. dan tidak memproduksi kursi. Dalam contoh CV Kayu Indah. 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 ). b. Dengan demikian. c. Pada contoh CV Kayu Indah.000.10 kita tahu bahwa hanya subpersoalan yang belum diselesaikan dan bahwa hanya subpersoalan 6 yang dapat memebrikan solusi optimal terhadap persoalan IP.

Solusinya adalah z = 7/2. yaitu z = 7/2. karena setiap variabel harus berharga 0 atau 1. Menyelesaikan Persoalan Ransel ( Knapsack Problem ) dengan Teknik Branch – And – Bound Pada Subbab 8. Sonny Koeswara M. b adalah jumlah sumber yang tersedia. x1 = 0.cn xn Berdasarkan : a1 x1 + a2 x2 + ………+ an xn ≤ b xi = 0 atau 1 ( i = 1. Karena nilai z dari subpersoalan 3 lebih besar dari pada nilai z dari subpersoalan 2. maka subpersoalan 2 dapat diabaikan dan calon solusi dari subpersoalan 3. x2 = 3/2.n ) Ingat bahwa ci adalah manfaat yang dapat diperoleh apabila barang ke – i dipilih..Berdasarkan : 5 x 1 + 2 x2 ≤ 8 x1 + x2 ≤ 3 x1 . Selanjutanya kita pilih subpersoalan 2 untuk diselesaikan. x1 = 1. Dari pencabangan terhadap x1 kita peroleh subpersoalan 2 dan 3 ( lihat Gambar 8. maka pencabangan tidak akan dilakukan terhadap variabel ini. PENELITIAN OPRASIONAL 3 . yang dapat di formulasikan sebagai berikut : Maksimumkan : z = c1 x1 + c1 x2 + ….11 ). yang merupakan calon solusi. Apabila persoalan ini diselesaikan dengan branch – and – bound.Sc. . ………. x2 ≥ 0 : integer Seperti baiasa. maka ada dua aspek dari pendekatan branch – and – bound yang disederhanakan. kita mulai dengan menyelesaikan LP relaksasi dari persoalan IP di atas. Pada bagian ini kita hanya akan mendiskusikan persoalan ransel yang seluruh variabelnya harus berharga 0 atau 1. Pertama. x2 = 7/3. Karena x2 dibolehkan berharga pecahan. dan ai adalah jumlah sumber yang digunakan oleh barang ke – i. Solusi optimalnya adalah z = 3. maka pencabangan pada xi akan menghasilkan PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Sekarang kita selesaikan subpersoalan 3.3 telah kita ketahui bahwa persoalan ransel adalah persoalan IP yang hanya memiliki pembatas tunggal. adalah solusi optimal untuk persoalan IP campuran di atas. 2. x1 = 2/3. Solusi optimal dari LP relaksasi ini adalah z = 11/3. . x1 = 1. x2 = 3. x2 = 3/2 yang juga merupakan calon solusi..

Sebagai contoh. dan seterusnya. Sebelum melanjutkan diskusi tentang enumerasi implisit ini. dan barang yang terburuk adalah yang memiliki nilai ci/ai terkecil. 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. LP relaksasi ( dan subpersoalan uyang lain ) dapat diselesaikan dengan melakukan pemeriksaan terhadap nilai ci/ai. misalkan variabel xi harus berharga integer. 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. Caranya adalah nyatakan setiap variabel pada persoalan IP semula sebagai penjumlahan dari bilangan 2 yang berpangkat. Jadi.7 ) Untuk menyelesaikan persoalan di atas. 2.Sc.cabang xi = 0 dan xi = 1. Kemudian barang kedua terbaik. Sebagai ilustrasi . Tentukan n sebagai bilangan integer terkecil PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. 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. Kedua. Sonny Koeswara M. barang yang terbaik adalah barang yang memiliki nilai ci/ai terbesar. PENELITIAN OPRASIONAL 4 . hingga ransel terisi dengan sebanyak – banyaknya barang – barang ini. 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. kita mulai dengan menghitung rasio ci/ai dan menentukan peringkat ( rank ) ssetiap variabel berdasarkan besarnya rasio ini ( peringkat 1 menyatakan variabel terbaik ). 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. ….

bagaimana kita dapat memperoleh harga dari u yang berkaitand engan harga xi tertentu? Misalkan xi = 93. 2n-1. Lanjutkan hal ini sehingga akan diperoleh u3 = 1. paa node 4 dari gambar 8. n) Untuk mengubah persoalan IP semula ke dalam bentuk 0-1 IP.. Maka xi < 26+1 = 128 sehingga persamaan di ata menjadi. Sisa dari ruas kanan persamaan.7-1) diatas.. u2 = 1. sedangkan setiap node menunjukkan nilai dari variabel-variabel itu. x4. Kalau begitu. …. Selanjutnya. PENELITIAN OPRASIONAL 5 . Artinya. Namun. 1. Hasilnya adalah u5 = 0. 2n dan Xi = un2n + un-1 2n-1 + … + u322 + 2u1 + u0 Di mana ui = 0 atau 1 (I = 0. x6 dan sebagai dari gambar pohonnya adalah seperti pada gambar 8. 93 = 26 + 24 + 23 + 22 + 20. u4 akan merupakan kelipatan terbesar dari 24 = 16 yang berada dalam 29 sehingga u4 = 1. Maka u6 akan merupakan kelipatan terbesar dari 26 = 64 yang berada dalam 93. 21. Hal ini menghasilkan u6 = 1. dan x6 adalah variabel-variabel bebas.….sehingga xi < 2n+1 agar xi dapat secara unik dinyatakan sebagai penumlahan dari 20. Xi = 64 u6 + 32 u5 + 16 u4 + 8 u3 + 4 u2 + 2 u1 + u0 (8. misalkan kita tahu bahwa xi ≤ 100.7-2) di mana ui = 0 atau 1 (I = 0. x2. dan x2 telah ditentukan (yaitu =1). misalkan suatu persoalan 0-1 IP memiliki variabel x1. 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.13 ini. 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. u1 = 0. x1. dan u0 = 1. dari gambar ini terlihat bahwa pada node 4. nilai dari x3. x3. Sebagai contoh. gantilah setiap xi oleh ruas kanan persamaan (8. Variabel lain yang nilainya belum ditentukan pada suatu node disebut sebagai variabel bebas (free variables).13.x5. x5. x4.6). u5 akan merupakan kelipatan terbesar dari 25 = 32 yang berada dalam 29. Variabelvariabel ini dinyatakan sebagai variabel tetap (fixed variable).7-2). Akan kita lihat nanti bahwa 0-1 IP secara umum lebih mudah diselesaikan daripada IP murni. 1. Gambar pohon yang digunakan dalam metode ini sejenis dengan yang digunakan untuk menyelesaikan persoalan ransel. Maka.Sc. Sebagai contoh. Artinya. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. …. Sekarang kita mulai dengan pembahasan tentang metode enumerasi implisit. Sonny Koeswara M. Setelah itu. (8. Sekarang.7-2) haruslah sama dengan 93 – 64 = 29. Setiap cabang pohon akan menunjukkan harag xi = 0 atau xi = 1. gantilah setiap xi dengan ruas kanan dari persamaan (8.

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

tentukanlah nilai variabel bebasnya sedemikian sehingga ruas kiri pembatas di atas sekecil mungkin. x4 = 1. Menguji ada tidaknya penyempurnaan yang fisibel dari suatu node Apabila penyempurnaan suatu node tidak emmenuhi pembatas yang ada. tentukanlah nilai variabel bebasnya sedemikians ehingga ruas kiri pembatas di atas sekecil mungkin. dan x6 = 0 sehingga pembatas di atas menajdi –2 + 3 + 2 – 3 – 1 + 0 ≤ 5. kita tentukan x1 =1. perlu diingat bahwa pengujian secara kasar terhadap fisibilitas ini tidak akan menunjukkan apakah suatu node memiliki PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Untuk menyempurnakan node ini. kita tentukan x1 = 1. Dalam hal ini. PENELITIAN OPRASIONAL 7 . Jadi.Sc. 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. Hal ini menunjukkan bahwa tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula sehingga node yang bersangkutan dapat diabaikan. Meskipun demikian. Untuk menyempurnakan node ini. Sonny Koeswara M. x5 = 1. dan x2 = 11 sebagai variabel tetap. x5 = 1. maka pasti tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula. x4 = 1. Sebagai contoh. dan x2 = 1 sebagai variabel tetap. 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. 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. berarti bahwa node yang bersangkutan tidak memiliki penyempurnaan yang fisibel.3. node tersebut tidak dapat memberikan solusi yang optimal terhadap persoalan IP semula. Jelas bahwa pembatas di atas tidak terpenuhi. Jadi.

5) Pada mulanya (pada node 1). yaitu x1 = 0.penyempurnaan yang fisibel atau tidak.2. tidak fisibel karena melanggar kedua pembatas.7-4). dan x1 = 1.7-3) terpenuhi. x4 = 0.7-4). Sebagai contoh. dan x5 = 0.3 -4x1 – 2x2 – 4x3 + x4 + 2x5 ≤ -7 xi = 0 atau 1 (I = 1. x3 = 1. Sekarang kita uji apakah benar node1 tidak mempunyai penyempurnaan yang fisibel. x3 = 0. tentukan x1 = 1. Untuk menguji (8. Jika kita tidak berhasil memiliki lebih banyak variabel tetap. Untuk menguji (8. Artinya. Ujilah apakah penyempurnaan terbaik dari node ini fisibel atau tidak.3. x2 = 0. Ternyata penyempurnaan terbaik dari node 1 ini. sebelum kita bergerak terus hingga sampai pada node yang memiliki lebih banyak variabel tetap. x4 = 0. Sonny Koeswara M.7-4) terpenuhi. x4 = 1. x3 = 0. dan diperoleh –10 ≤ 7 sehingga (8. Penyempurnaan terbaik dari node 2 adalah x1 = 1. Jika kita tidak berhasil memperoleh suatu informasi mengenai suatu node. dan x1 = 1 memenuhi (8. Karena itu. tidak ada informasi tentang apakah node 2 memiliki penyempurnaan yang fisibel atau tidak. x2 = 1. dan tambahkan dua node baru dengan xi = 1 dan node dengan xi = 0.7-3). lakukan pencabangan dari node 2 dengan memilih salah satu dari variabel bebas. perhatikan soal 0-1 IP berikut : Maksimumkan : z = -7x1 – 3x2 – 2x3 – 4x – 2x5 Berdasarkan : -4x1 – 2x2 + x3 – 2x4 – x5 ≤ . x2 = 0.Sc.7 –4) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. penyempurnaan ini tidak fisibel. lakukan pengujian untuk mengetahui apakah node 2 memiliki penyempurnaan yang fisibel. x5 = 0. x4 = 0. dan x5 = 1 yang memberikan –9 ≤ -3 sehingga (8. PENELITIAN OPRASIONAL 8 . Akan tetapi. x4 = 0.7-3).7 – 3) (8. x2 = 1. (8. x5 = 0 memenuhi (8. Kita tahu bahwa x1 = 1. x2 = 1. Sekarang kita pilih node 2 untuk dianalisis. x2 = 1. Misalkan kita memilih x2 Node baru dari pencabangan inia dalah node 4 dengan pembatas x2 = 1 dan node 5 dengan pembatas x2 = 0. tentukan x1 =1. lakukan peencabangan pada variabel xi yang bebas. Sekarang kita lakukan pencabangan pada salah satu variabel bebas.4. Hal ini berarti bahwa node 1 mempunyai penyempurnaan yang fisibel. Node baru yang diperoleh adalah node 2 dengan pembatas x1 = 1 dan node 3 dengan pembatas x1 = 1. seluruh variabel adalah variabel bebas. x3 = 1. Karena itu. dan x5 = 0. x3 = 0. Misalkan kita pilih x1. x3 = 1.

lakukan pencabangan pada node 5 dengan memilih variabel bebas x3 sehingga diperoleh node 6 dan 7 ( lihat Gambar 8. Dengan aturan LIFO. x2 = 0. Kita peroleh –8 ≤ -7 sehingga (8. x5 = 0. x3 = 0. x3 = 1. Berikutnya. x4 = 1. Karena z = -7 lebih baik daripada z = -9. Solusi ini memberikan z = -10.7-3). Karena itu. x5 = 0 dengan z = -7. x4 = 0. Dengan menentukan x 1 = 1. node 4 tidak dapat mengalahkan calon solusi dari node 6 ( z = -9 ) sehingga node 4 dapat diabaikan ( lihat Gambar 8. kita pilih node 5 untuk dianalisis.7-3). x4 = 0. Penyempurnaan terbaik dari node 5 adalah x1 = 1. x4 = 0. Jadi. x3 = 0. x4 = 0. Sonny Koeswara M. Hal ini berarti bahwa tidak akan ada penyempurnaan dari node 7 yang dapat memenuhi (8. node 7 tidak memiliki penyempurnaanyang fisibel sehingga dapat diabaikan ( nyatakan hal ini dengan membutuhkan tanda X pada Gambar 8. x3 = 0. x5 = 1 pada (8. kita peroleh -7≤-3 sehingga (8.17). sedangkan x1 = 1. x2 = 0.Sc. maka ada kemungkinan bagi node 7 untuk mengalahkan calon solusi yang ada saat ini.16 ). x2 = 0. Karena itu. Sesuai aturan LIFO. Perhatikan bahwa x1 = 1. x4 = 0. Berikutnya. lakukan pengujian fisibilitas pada node 5. kita analisis node 7. Hal ini menunjukkan bahwa tidak ada informasi mengenai ada – tidaknya penyempurnaan yang fisibel pada node 5 ini.7-4). x5 = 0.Berdasarkan aturan LIFO. lakukan pengujian terhadap node 7 untuk mengetahui apakah node 7 ini memiliki penyempurnaan yang fisibel. x2 = 0.7-4). Karena itu. Penyempurnaan terbaik dari node 7 adalah x1 = 1. x4 = 1. Untuk itu. x5 = 1 memenuhi (8. tentukan x1 = 1. kita pilih node 6 untuk dianalisis. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. x5 = 0 tidak memenuhi (8. x2 = 0. x3 = 0. Penyempurnaan ini fisibel sehingga kita mendapatkan calon solusi dengan z = -9. x2 = 1. PENELITIAN OPRASIONAL 9 .7-3) terpenuhi. x5 = 0. Penyempurnaan terbaik bagi node 6 adalah x1 = 1. x4 = 0. sekarang kita analisis node 4. x2 = 0.7-4) terpenuhi. Penyempurnaan terbaik dari node 4 adalah x1 = 1. x5 = 0 pada (8.18 ). x2 = 0. x3 = 0.7-4). Penyempurnaan ini juga tidak fisibel. x3 = 0. x3 = 0.

Sign up to vote on this title
UsefulNot useful