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

PENELITIAN OPRASIONAL 2 . subpersoalan 3 dan 7 diabaikan karena alasan ini. cantumkan tanda X di dekat kotak subpersoalan 3 ( lihat Gambar 8. Sonny Koeswara M. Sebagai contoh. Karena itu. maka subpersoalan 3 tidak dapat memberikan solusi optimal pada persoalan IP semula. Tidak fisibel. Dari apa yang telah kita lakukan. Jika pencabangan dari suatu subpersoalan tidak diprlukan. Batas bawah atau LB ( yang menyatakan nilai z dari calon solusi terbaik ) sekurang – kurangnya berharga sama besar dengan nilai z dari subpersoalan yang bersangkutan. Suatu subpersoalan dapat diabaikan ( dieliminasi dari pertimbangan selanjutnya ) apabila subpersoalan itu berada dalam situasi berikut : a. Apabila subpersoalan itu memberikan solusi optimal di mana seluruh variabelnya berharga integer.4. b. 8.lebih besar dari batas bawah saat ini ( yaitu LB = 40 ). sehingga akan diperoleh keuntungan sebesar Rp. 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. subpersoalan 4 diabaikan karena alasan ini. b. Dengan demikian. Apabila subpersoalan itu tidak fisibel. c. Pada contoh CV Kayu Indah. dan tidak memproduksi kursi. Dari Gambar 8. solusi optimal dari pesoalan IP untuk CV Kayu Indah adalah memproduksi 5 unit meja. 40. 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 ). dapat ditarik kesimpulan sebagai berikut : 1.000. yaitu : a. yaitu dengan hanya melakukan pencabangan pada variabel – variabel yang harus berharga integer. kita modifikasi uraian pada Subbab 8.10 ).Sc. perhatikan formulasi berikut ini Maksimumkan : z = x1 + x2 PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.00. Ada tiga situasi yang menyebabkan suatu subpersoalan fathomed.5 Menyelesaikan Persoalan IP Campuran dengan Teknik Branch – And – Bound Untuk menyelesaikan persoalan IP campuran denagn teknik branch – and – bound. Dalam contoh CV Kayu Indah. 2.

Solusi optimalnya adalah z = 3. x2 = 7/3. x1 = 2/3.Sc. x2 = 3/2. x2 ≥ 0 : integer Seperti baiasa.Berdasarkan : 5 x 1 + 2 x2 ≤ 8 x1 + x2 ≤ 3 x1 . adalah solusi optimal untuk persoalan IP campuran di atas. kita mulai dengan menyelesaikan LP relaksasi dari persoalan IP di atas.3 telah kita ketahui bahwa persoalan ransel adalah persoalan IP yang hanya memiliki pembatas tunggal. yang merupakan calon solusi. x2 = 3. b adalah jumlah sumber yang tersedia. Karena nilai z dari subpersoalan 3 lebih besar dari pada nilai z dari subpersoalan 2.11 ). maka subpersoalan 2 dapat diabaikan dan calon solusi dari subpersoalan 3. Menyelesaikan Persoalan Ransel ( Knapsack Problem ) dengan Teknik Branch – And – Bound Pada Subbab 8. Solusinya adalah z = 7/2. yaitu z = 7/2. maka pencabangan tidak akan dilakukan terhadap variabel ini. Apabila persoalan ini diselesaikan dengan branch – and – bound. x1 = 0. karena setiap variabel harus berharga 0 atau 1. Selanjutanya kita pilih subpersoalan 2 untuk diselesaikan. Sekarang kita selesaikan subpersoalan 3.. Karena x2 dibolehkan berharga pecahan.. Dari pencabangan terhadap x1 kita peroleh subpersoalan 2 dan 3 ( lihat Gambar 8. Solusi optimal dari LP relaksasi ini adalah z = 11/3. ………. maka pencabangan pada xi akan menghasilkan PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.n ) Ingat bahwa ci adalah manfaat yang dapat diperoleh apabila barang ke – i dipilih. PENELITIAN OPRASIONAL 3 . maka ada dua aspek dari pendekatan branch – and – bound yang disederhanakan. yang dapat di formulasikan sebagai berikut : Maksimumkan : z = c1 x1 + c1 x2 + …. x2 = 3/2 yang juga merupakan calon solusi. Pertama. x1 = 1. 2. . . dan ai adalah jumlah sumber yang digunakan oleh barang ke – i. Sonny Koeswara M. Pada bagian ini kita hanya akan mendiskusikan persoalan ransel yang seluruh variabelnya harus berharga 0 atau 1.cn xn Berdasarkan : a1 x1 + a2 x2 + ………+ an xn ≤ b xi = 0 atau 1 ( i = 1. x1 = 1.

dan seterusnya. akan kita pelajari lebih dahulu bagaimana suatu persoalan IP murni dapat diekspresikan sebagai persoalan 0 – 1 IP. hingga ransel terisi dengan sebanyak – banyaknya barang – barang ini. misalkan variabel xi harus berharga integer. Jadi. Sebagai contoh.Sc. Sebelum melanjutkan diskusi tentang enumerasi implisit ini. 2. Sonny Koeswara M. kita mulai dengan menghitung rasio ci/ai dan menentukan peringkat ( rank ) ssetiap variabel berdasarkan besarnya rasio ini ( peringkat 1 menyatakan variabel terbaik ). Kedua. 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. Untuk menyelesaikan setiap subpersoalan yang dihasilkan dari suatu persoalan ransel ini hitungkllah seluruh rasio ci/ai. …. 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.cabang xi = 0 dan xi = 1.7 ) Untuk menyelesaikan persoalan di atas. Caranya adalah nyatakan setiap variabel pada persoalan IP semula sebagai penjumlahan dari bilangan 2 yang berpangkat. Sebagai ilustrasi . Kemudian barang kedua terbaik. 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. 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. 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. Tentukan n sebagai bilangan integer terkecil PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. PENELITIAN OPRASIONAL 4 . barang yang terbaik adalah barang yang memiliki nilai ci/ai terbesar.

Maka xi < 26+1 = 128 sehingga persamaan di ata menjadi. paa node 4 dari gambar 8. Sonny Koeswara M. x6 dan sebagai dari gambar pohonnya adalah seperti pada gambar 8. Akan kita lihat nanti bahwa 0-1 IP secara umum lebih mudah diselesaikan daripada IP murni.. u1 = 0. gantilah setiap xi dengan ruas kanan dari persamaan (8. x5. x4. bagaimana kita dapat memperoleh harga dari u yang berkaitand engan harga xi tertentu? Misalkan xi = 93. Setiap cabang pohon akan menunjukkan harag xi = 0 atau xi = 1. x2. n) Untuk mengubah persoalan IP semula ke dalam bentuk 0-1 IP. 21. ….sehingga xi < 2n+1 agar xi dapat secara unik dinyatakan sebagai penumlahan dari 20.x5..Sc.7-2). 1.7-2) haruslah sama dengan 93 – 64 = 29. u2 = 1.…. sedangkan setiap node menunjukkan nilai dari variabel-variabel itu. gantilah setiap xi oleh ruas kanan persamaan (8. x3. Gambar pohon yang digunakan dalam metode ini sejenis dengan yang digunakan untuk menyelesaikan persoalan ransel. 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. Selanjutnya. Sisa dari ruas kanan persamaan. Variabel lain yang nilainya belum ditentukan pada suatu node disebut sebagai variabel bebas (free variables). Sebagai contoh. misalkan suatu persoalan 0-1 IP memiliki variabel x1. dan x6 adalah variabel-variabel bebas. Hal ini menghasilkan u6 = 1. Namun. misalkan kita tahu bahwa xi ≤ 100. Variabelvariabel ini dinyatakan sebagai variabel tetap (fixed variable). Sekarang kita mulai dengan pembahasan tentang metode enumerasi implisit. Sekarang.13. Sebagai contoh. nilai dari x3. Maka. dan x2 telah ditentukan (yaitu =1). Hasilnya adalah u5 = 0.13 ini. 1.7-1) diatas.6). 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. dan u0 = 1. 2n-1. dari gambar ini terlihat bahwa pada node 4. 2n dan Xi = un2n + un-1 2n-1 + … + u322 + 2u1 + u0 Di mana ui = 0 atau 1 (I = 0. Artinya. Lanjutkan hal ini sehingga akan diperoleh u3 = 1. Xi = 64 u6 + 32 u5 + 16 u4 + 8 u3 + 4 u2 + 2 u1 + u0 (8. Artinya. u4 akan merupakan kelipatan terbesar dari 24 = 16 yang berada dalam 29 sehingga u4 = 1. Setelah itu. (8. x1. Maka u6 akan merupakan kelipatan terbesar dari 26 = 64 yang berada dalam 93. x4. PENELITIAN OPRASIONAL 5 . 93 = 26 + 24 + 23 + 22 + 20. u5 akan merupakan kelipatan terbesar dari 25 = 32 yang berada dalam 29. …. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.7-2) di mana ui = 0 atau 1 (I = 0. Kalau begitu.

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

Meskipun demikian. 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. 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. 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. kita tentukan x1 =1. node tersebut tidak dapat memberikan solusi yang optimal terhadap persoalan IP semula. 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. x5 = 1. 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. x5 = 1. dan x2 = 11 sebagai variabel tetap. x4 = 1. x4 = 1. berarti bahwa node yang bersangkutan tidak memiliki penyempurnaan yang fisibel. Hal ini menunjukkan bahwa tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula sehingga node yang bersangkutan dapat diabaikan. Sonny Koeswara M. maka pasti tidak akan ada penyempurnaan yang fisibel dari node tersebut terhadap persoalan semula. Jadi. Jelas bahwa pembatas di atas tidak terpenuhi. Jadi. dan x2 = 1 sebagai variabel tetap. Untuk menyempurnakan node ini. Sebagai contoh. Menguji ada tidaknya penyempurnaan yang fisibel dari suatu node Apabila penyempurnaan suatu node tidak emmenuhi pembatas yang ada. tentukanlah nilai variabel bebasnya sedemikian sehingga ruas kiri pembatas di atas sekecil mungkin.Sc. PENELITIAN OPRASIONAL 7 . Untuk menyempurnakan node ini. Dalam hal ini.3.

(8. x2 = 0.2.penyempurnaan yang fisibel atau tidak. Hal ini berarti bahwa node 1 mempunyai penyempurnaan yang fisibel. lakukan pencabangan dari node 2 dengan memilih salah satu dari variabel bebas.7-3). seluruh variabel adalah variabel bebas. Jika kita tidak berhasil memperoleh suatu informasi mengenai suatu node. x3 = 1. Penyempurnaan terbaik dari node 2 adalah x1 = 1. tentukan x1 = 1. x3 = 0. lakukan pengujian untuk mengetahui apakah node 2 memiliki penyempurnaan yang fisibel. x4 = 0. dan x1 = 1. x2 = 1. Node baru yang diperoleh adalah node 2 dengan pembatas x1 = 1 dan node 3 dengan pembatas x1 = 1. x2 = 1. tentukan x1 =1. dan x5 = 0.7-3) terpenuhi. Sekarang kita lakukan pencabangan pada salah satu variabel bebas.7 – 3) (8. Sonny Koeswara M. dan diperoleh –10 ≤ 7 sehingga (8. Jika kita tidak berhasil memiliki lebih banyak variabel tetap.Sc. x4 = 0.5) Pada mulanya (pada node 1). Misalkan kita memilih x2 Node baru dari pencabangan inia dalah node 4 dengan pembatas x2 = 1 dan node 5 dengan pembatas x2 = 0. tidak fisibel karena melanggar kedua pembatas. dan x5 = 0. Akan tetapi. Kita tahu bahwa x1 = 1. Karena itu. Sekarang kita uji apakah benar node1 tidak mempunyai penyempurnaan yang fisibel. x2 = 0. yaitu x1 = 0. Sebagai contoh. x4 = 1. PENELITIAN OPRASIONAL 8 . x5 = 0. tidak ada informasi tentang apakah node 2 memiliki penyempurnaan yang fisibel atau tidak. x2 = 1.7 –4) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Misalkan kita pilih x1.7-3).7-4).3 -4x1 – 2x2 – 4x3 + x4 + 2x5 ≤ -7 xi = 0 atau 1 (I = 1. x4 = 0. Ternyata penyempurnaan terbaik dari node 1 ini. lakukan peencabangan pada variabel xi yang bebas. x2 = 1.7-4). Untuk menguji (8. Artinya. Karena itu. x3 = 0. Sekarang kita pilih node 2 untuk dianalisis. x3 = 0.4. x5 = 0 memenuhi (8. penyempurnaan ini tidak fisibel. dan tambahkan dua node baru dengan xi = 1 dan node dengan xi = 0. sebelum kita bergerak terus hingga sampai pada node yang memiliki lebih banyak variabel tetap.3. dan x5 = 1 yang memberikan –9 ≤ -3 sehingga (8. Untuk menguji (8. Ujilah apakah penyempurnaan terbaik dari node ini fisibel atau tidak. x3 = 1. x4 = 0. perhatikan soal 0-1 IP berikut : Maksimumkan : z = -7x1 – 3x2 – 2x3 – 4x – 2x5 Berdasarkan : -4x1 – 2x2 + x3 – 2x4 – x5 ≤ . dan x1 = 1 memenuhi (8. x3 = 1.7-4) terpenuhi.

sedangkan x1 = 1. Dengan aturan LIFO. kita analisis node 7. x3 = 1. x3 = 0. Perhatikan bahwa x1 = 1. x4 = 1. x5 = 1 pada (8. x3 = 0.Berdasarkan aturan LIFO. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Karena itu. x2 = 0. lakukan pengujian fisibilitas pada node 5. x4 = 1.7-3).7-4). kita pilih node 5 untuk dianalisis. x3 = 0. Penyempurnaan ini juga tidak fisibel. x4 = 0. Karena itu. PENELITIAN OPRASIONAL 9 .7-4). x3 = 0. x2 = 0. x3 = 0. Sesuai aturan LIFO. sekarang kita analisis node 4. Karena z = -7 lebih baik daripada z = -9. Hal ini menunjukkan bahwa tidak ada informasi mengenai ada – tidaknya penyempurnaan yang fisibel pada node 5 ini. Sonny Koeswara M. Jadi. x2 = 0. Berikutnya. x4 = 0.7-4) terpenuhi. node 4 tidak dapat mengalahkan calon solusi dari node 6 ( z = -9 ) sehingga node 4 dapat diabaikan ( lihat Gambar 8. Dengan menentukan x 1 = 1. maka ada kemungkinan bagi node 7 untuk mengalahkan calon solusi yang ada saat ini. Penyempurnaan terbaik bagi node 6 adalah x1 = 1. Penyempurnaan ini fisibel sehingga kita mendapatkan calon solusi dengan z = -9. Untuk itu. x2 = 1. x4 = 0.17). x3 = 0. kita peroleh -7≤-3 sehingga (8. x5 = 0. x5 = 0. Solusi ini memberikan z = -10. x5 = 0 dengan z = -7. x4 = 0.18 ). x2 = 0. x4 = 0. x5 = 0 pada (8.7-3) terpenuhi. Hal ini berarti bahwa tidak akan ada penyempurnaan dari node 7 yang dapat memenuhi (8. x4 = 0. lakukan pengujian terhadap node 7 untuk mengetahui apakah node 7 ini memiliki penyempurnaan yang fisibel.7-3). x2 = 0.Sc. x5 = 0. x2 = 0. lakukan pencabangan pada node 5 dengan memilih variabel bebas x3 sehingga diperoleh node 6 dan 7 ( lihat Gambar 8. x5 = 0 tidak memenuhi (8. Penyempurnaan terbaik dari node 7 adalah x1 = 1. Penyempurnaan terbaik dari node 5 adalah x1 = 1. Kita peroleh –8 ≤ -7 sehingga (8. x2 = 0. x5 = 1 memenuhi (8. tentukan x1 = 1. node 7 tidak memiliki penyempurnaanyang fisibel sehingga dapat diabaikan ( nyatakan hal ini dengan membutuhkan tanda X pada Gambar 8. kita pilih node 6 untuk dianalisis.16 ).7-4). Karena itu. Penyempurnaan terbaik dari node 4 adalah x1 = 1. x3 = 0. Berikutnya.

Sign up to vote on this title
UsefulNot useful