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

cantumkan tanda X di dekat kotak subpersoalan 3 ( lihat Gambar 8.10 ). maka subpersoalan itu adalah fathomed. Dalam contoh CV Kayu Indah. yaitu dengan hanya melakukan pencabangan pada variabel – variabel yang harus berharga integer. Sonny Koeswara M.000. maka subpersoalan 3 tidak dapat memberikan solusi optimal pada persoalan IP semula. Suatu subpersoalan dapat diabaikan ( dieliminasi dari pertimbangan selanjutnya ) apabila subpersoalan itu berada dalam situasi berikut : a. Pada contoh CV Kayu Indah.Sc. kita modifikasi uraian pada Subbab 8. b. dan tidak memproduksi kursi. 8. sehingga akan diperoleh keuntungan sebesar Rp. Tidak fisibel. Dengan demikian.00.4. Apabila subpersoalan itu memberikan solusi optimal di mana seluruh variabelnya berharga integer.5 Menyelesaikan Persoalan IP Campuran dengan Teknik Branch – And – Bound Untuk menyelesaikan persoalan IP campuran denagn teknik branch – and – bound. subpersoalan 4 diabaikan karena alasan ini.lebih besar dari batas bawah saat ini ( yaitu LB = 40 ). Dari Gambar 8. 2. dapat ditarik kesimpulan sebagai berikut : 1. subpersoalan 3 dan 7 diabaikan karena alasan ini. Dari apa yang telah kita lakukan. solusi optimal dari pesoalan IP untuk CV Kayu Indah adalah memproduksi 5 unit meja. Sebagai contoh. perhatikan formulasi berikut ini Maksimumkan : z = x1 + x2 PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. 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 ). Batas bawah atau LB ( yang menyatakan nilai z dari calon solusi terbaik ) sekurang – kurangnya berharga sama besar dengan nilai z dari subpersoalan yang bersangkutan. Apabila subpersoalan itu tidak fisibel. Jika pencabangan dari suatu subpersoalan tidak diprlukan. Karena itu. c.10 kita tahu bahwa hanya subpersoalan yang belum diselesaikan dan bahwa hanya subpersoalan 6 yang dapat memebrikan solusi optimal terhadap persoalan IP. Ada tiga situasi yang menyebabkan suatu subpersoalan fathomed. PENELITIAN OPRASIONAL 2 . b. yaitu : a.

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

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

x4. Lanjutkan hal ini sehingga akan diperoleh u3 = 1. misalkan kita tahu bahwa xi ≤ 100. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.13 ini. 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. gantilah setiap xi oleh ruas kanan persamaan (8.6). (8. u1 = 0. misalkan suatu persoalan 0-1 IP memiliki variabel x1. …. 2n-1. 93 = 26 + 24 + 23 + 22 + 20. 1. Akan kita lihat nanti bahwa 0-1 IP secara umum lebih mudah diselesaikan daripada IP murni. sedangkan setiap node menunjukkan nilai dari variabel-variabel itu. Setelah itu. Sekarang kita mulai dengan pembahasan tentang metode enumerasi implisit. Gambar pohon yang digunakan dalam metode ini sejenis dengan yang digunakan untuk menyelesaikan persoalan ransel. Selanjutnya. Sebagai contoh. Xi = 64 u6 + 32 u5 + 16 u4 + 8 u3 + 4 u2 + 2 u1 + u0 (8. Setiap cabang pohon akan menunjukkan harag xi = 0 atau xi = 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. Variabel lain yang nilainya belum ditentukan pada suatu node disebut sebagai variabel bebas (free variables).7-2).…. Maka xi < 26+1 = 128 sehingga persamaan di ata menjadi. Artinya. x4. x1. Sisa dari ruas kanan persamaan. x3. 2n dan Xi = un2n + un-1 2n-1 + … + u322 + 2u1 + u0 Di mana ui = 0 atau 1 (I = 0. Hasilnya adalah u5 = 0.Sc. n) Untuk mengubah persoalan IP semula ke dalam bentuk 0-1 IP. 1. x5. …. Hal ini menghasilkan u6 = 1. PENELITIAN OPRASIONAL 5 .sehingga xi < 2n+1 agar xi dapat secara unik dinyatakan sebagai penumlahan dari 20. dan u0 = 1. dari gambar ini terlihat bahwa pada node 4. x2. Maka u6 akan merupakan kelipatan terbesar dari 26 = 64 yang berada dalam 93. nilai dari x3. x6 dan sebagai dari gambar pohonnya adalah seperti pada gambar 8. Variabelvariabel ini dinyatakan sebagai variabel tetap (fixed variable). Sebagai contoh. u2 = 1.x5. Sonny Koeswara M. Sekarang. Kalau begitu. Maka.7-1) diatas.7-2) di mana ui = 0 atau 1 (I = 0. paa node 4 dari gambar 8. gantilah setiap xi dengan ruas kanan dari persamaan (8. Artinya. u4 akan merupakan kelipatan terbesar dari 24 = 16 yang berada dalam 29 sehingga u4 = 1. u5 akan merupakan kelipatan terbesar dari 25 = 32 yang berada dalam 29.13. dan x6 adalah variabel-variabel bebas. 21. Namun.7-2) haruslah sama dengan 93 – 64 = 29. dan x2 telah ditentukan (yaitu =1). bagaimana kita dapat memperoleh harga dari u yang berkaitand engan harga xi tertentu? Misalkan xi = 93.

Penentuan nilai seluruh variabel bebas pada suatu node disebut sebagai penyempurnaan node itu. dan x3 = 1. Mengeliminasi suatu node dari pertimbangan selanjutnya. PENELITIAN OPRASIONAL 6 . Misalkan juga bahwa kita telah mendapatkan calon solusi dengan nilai z = 6. Jadi.3. maka kita telah memperoleh penyempurnaan terbaik yang fisibel bagi node tersebut.2. perhatikan soal berikut ini : Maksimumkan : z = 4x1 + 2x2 – x3 + 2x4 Berdasarkan : Xi + 3x2 – x3 – 2x4 ≥ 1 Xi = 0 atau 1 (I = 1. Maka penyempurnaan terbaik yang dapat kita lakukan adalah menetapkan x3 = 0 dan x4 = 1 sehingga diperoleh z = 4. Dalam menyelesaikan 0-1 IP denganmetode enumerasi implisit. x2 = 1. x3 = 0. yaitu : 1. Karena x1 = 0. Sebagai contoh. x5 =1. 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). x6 = 0 adalah penyempurnaan dari node 4. dan x4 = 1 adalah fisibel bagi persoalan diatas. Maka penyempurnaan terbaik bagi node inia dalah x4 = 0 dan x5 = 1 sehingga diperoleh nilai z = 2 + 1 + 2 = 5. misalkan kita sedang menyelesaikan suatu persoalan yang mempunyai fungsi tujuan memaksimumkan z = 4x1 + 2x2 + x3 – x4 + 2x5. dan saat ini kita berada pada suatu node dengan variabel tetap x1 = 0.Sc. Karena z = 5 tidak dapat mengalahkan calon solusi dengan z = 6.4) Misalkan bahwa saat ini kita berada pada suatu node dengan xi = 0 dan x2 = 1 sebagai variabel tetap. ada tiga hal pokok yang akan dilakukan. x1 = 1. node ini fathomed dan dapat digunakan sebagai calon solusi. Jika penyempurnaan node ini fisibel. Dengan demikian. diperoleh nilai fungsi tujuan yang lebih buruk daripada nilai fungsi tujuan calon solusi sebelumnya. x2 = 1. Sonny Koeswara M. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Suatu node akan diabaikan (dihilangkan dari pertimbangan selanjutnya) apabila setelah dilakukan penyempurnaan terbaik terhadap node itu. 2. Sebagai contoh. maka pencabangan berikutnya tidak perlu dilakukan. maka kita dapat segera mengabaikan node tersebut tanpa harus memperhatikan apakah penyempurnaan node ini fisibel atau tidak.

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

Penyempurnaan terbaik dari node 2 adalah x1 = 1. tentukan x1 =1.7-3). sebelum kita bergerak terus hingga sampai pada node yang memiliki lebih banyak variabel tetap. dan x1 = 1.7 –4) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Sekarang kita pilih node 2 untuk dianalisis. Sekarang kita lakukan pencabangan pada salah satu variabel bebas. (8. dan x5 = 1 yang memberikan –9 ≤ -3 sehingga (8. dan x1 = 1 memenuhi (8. Ujilah apakah penyempurnaan terbaik dari node ini fisibel atau tidak. x3 = 0. Misalkan kita memilih x2 Node baru dari pencabangan inia dalah node 4 dengan pembatas x2 = 1 dan node 5 dengan pembatas x2 = 0. x4 = 0.7-4) terpenuhi.7-4). x3 = 0.penyempurnaan yang fisibel atau tidak. Untuk menguji (8.7-4). Sekarang kita uji apakah benar node1 tidak mempunyai penyempurnaan yang fisibel. Sonny Koeswara M.3 -4x1 – 2x2 – 4x3 + x4 + 2x5 ≤ -7 xi = 0 atau 1 (I = 1. Hal ini berarti bahwa node 1 mempunyai penyempurnaan yang fisibel. Ternyata penyempurnaan terbaik dari node 1 ini.2. x4 = 0. Node baru yang diperoleh adalah node 2 dengan pembatas x1 = 1 dan node 3 dengan pembatas x1 = 1. tentukan x1 = 1. x2 = 1. PENELITIAN OPRASIONAL 8 .7-3) terpenuhi.7 – 3) (8. Karena itu. x4 = 0. x4 = 1. perhatikan soal 0-1 IP berikut : Maksimumkan : z = -7x1 – 3x2 – 2x3 – 4x – 2x5 Berdasarkan : -4x1 – 2x2 + x3 – 2x4 – x5 ≤ . yaitu x1 = 0. Misalkan kita pilih x1.4. dan x5 = 0. Sebagai contoh. tidak ada informasi tentang apakah node 2 memiliki penyempurnaan yang fisibel atau tidak. tidak fisibel karena melanggar kedua pembatas. x5 = 0. x2 = 1. Jika kita tidak berhasil memiliki lebih banyak variabel tetap. x3 = 1. Akan tetapi. penyempurnaan ini tidak fisibel.7-3). Untuk menguji (8. Jika kita tidak berhasil memperoleh suatu informasi mengenai suatu node. x4 = 0.5) Pada mulanya (pada node 1). x3 = 1. x2 = 1. x2 = 0. lakukan pengujian untuk mengetahui apakah node 2 memiliki penyempurnaan yang fisibel.Sc. x3 = 0. Artinya. x2 = 1. dan x5 = 0. Kita tahu bahwa x1 = 1. lakukan peencabangan pada variabel xi yang bebas. x2 = 0. x3 = 1. lakukan pencabangan dari node 2 dengan memilih salah satu dari variabel bebas. dan diperoleh –10 ≤ 7 sehingga (8. x5 = 0 memenuhi (8. seluruh variabel adalah variabel bebas.3. Karena itu. dan tambahkan dua node baru dengan xi = 1 dan node dengan xi = 0.

Karena itu. x5 = 0. Karena itu. node 7 tidak memiliki penyempurnaanyang fisibel sehingga dapat diabaikan ( nyatakan hal ini dengan membutuhkan tanda X pada Gambar 8. PENELITIAN OPRASIONAL 9 . x4 = 0. x5 = 0 pada (8. x5 = 0. kita peroleh -7≤-3 sehingga (8. x4 = 0. lakukan pencabangan pada node 5 dengan memilih variabel bebas x3 sehingga diperoleh node 6 dan 7 ( lihat Gambar 8. Berikutnya. x5 = 1 pada (8. Untuk itu. tentukan x1 = 1. Penyempurnaan terbaik bagi node 6 adalah x1 = 1. Hal ini menunjukkan bahwa tidak ada informasi mengenai ada – tidaknya penyempurnaan yang fisibel pada node 5 ini. x3 = 1.17).7-4). Perhatikan bahwa x1 = 1. lakukan pengujian terhadap node 7 untuk mengetahui apakah node 7 ini memiliki penyempurnaan yang fisibel. Penyempurnaan ini fisibel sehingga kita mendapatkan calon solusi dengan z = -9. Karena itu. x5 = 0 tidak memenuhi (8. Sesuai aturan LIFO. x2 = 0. Hal ini berarti bahwa tidak akan ada penyempurnaan dari node 7 yang dapat memenuhi (8. lakukan pengujian fisibilitas pada node 5. x3 = 0. Penyempurnaan terbaik dari node 5 adalah x1 = 1. Karena z = -7 lebih baik daripada z = -9. x2 = 0. x4 = 1. x3 = 0.7-3) terpenuhi. x5 = 0 dengan z = -7. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. x2 = 0. x4 = 1. node 4 tidak dapat mengalahkan calon solusi dari node 6 ( z = -9 ) sehingga node 4 dapat diabaikan ( lihat Gambar 8. x4 = 0. kita pilih node 6 untuk dianalisis. x3 = 0.7-3). Jadi. sekarang kita analisis node 4. Penyempurnaan terbaik dari node 4 adalah x1 = 1. Sonny Koeswara M. Dengan aturan LIFO. x2 = 0. Berikutnya. x2 = 1. x3 = 0. x5 = 0.Berdasarkan aturan LIFO.Sc. x3 = 0.16 ). x2 = 0. Solusi ini memberikan z = -10.7-4) terpenuhi.7-4). Penyempurnaan terbaik dari node 7 adalah x1 = 1. Kita peroleh –8 ≤ -7 sehingga (8. Dengan menentukan x 1 = 1. kita analisis node 7. x3 = 0. Penyempurnaan ini juga tidak fisibel. x3 = 0. x5 = 1 memenuhi (8. x4 = 0.18 ). maka ada kemungkinan bagi node 7 untuk mengalahkan calon solusi yang ada saat ini. x4 = 0.7-4). sedangkan x1 = 1. x2 = 0. kita pilih node 5 untuk dianalisis. x2 = 0. x4 = 0.7-3).

Sign up to vote on this title
UsefulNot useful