Jurnal Natur Indonesia 5(2): 113-118 (2003)

ISSN 1410-9379
Pendekatan Program Linear untuk
Persoalan Pemotongan Stok
(Pola Pemotongan Satu Dimensi)

MDH Gamal, Zaiful Bahri

Jurusan Matematika, FMIPA, Universitas Riau

Diterima 24-08-2002 Disetujui 01-02-2003

ABSTRACT
In this study, one-dimensional cutting pattern is discussed. This includes fulfilling demands for some items
with different lengths by cutting some stocks of standard length available. In this problem, the patterns - the
way the standard length is cut – is obtained in such an optimal ways that the trim loss becomes as minimum
as possible. The decision variables are the amount of the standard lengths cut according to certain patterns.
Then the problem is formulated into a linear programming model. Due to very large number of the variables
and restriction to integers, the problem is the type of large scale linear integer programming. For simplicity,
restriction to integer is dropped. Then the very large number of the variables is handled by considering only
the favorable cutting patterns; list of all possible ways in which a standard stock may be cut is not needed.
The favorable cutting pattern is then generated by using column generation technique by solving auxiliary
problem in the form of a knapsack problem. The integer optimal solution is obtained by rounding it upward.

Keywords: column generation, cutting-stock, knapsack

PENDAHULUAN Dari kedua pola di atas, kombinasi mana yang

Perusahaan kayu umumnya menghasilkan
batangan kayu dengan panjang standar 7 m.
Pesanan khusus dengan panjang yang berbeda-
beda dipenuhi dengan memotong panjang
standar. Contoh suatu pesanan khusus yang bisa
berubah setiap kali datang pesanan ditunjukkan
dalam Tabel 1.
Dalam praktek suatu pesanan dipenuhi
dengan menyetel pisau pemotong sesuai dengan
panjang yang diminta. Biasanya, untuk memenuhi
pesanan terdapat beberapa cara atau pola
pemotongan panjang standar. Gambar 1 menun-
jukkan tiga macam pola pemotongan yang
mungkin dilakukan pada suatu pesanan.
Meskipun terdapat pola pemotongan yang
lain, sebagai contoh dibatasi untuk Pola A, B, dan
C. Untuk memenuhi pesanan dengan panjang 1,5,
2, dan 3 m, ketiga pola diatas dapat dikom-
binasikan sedemikian cara. Berikut adalah dua
contoh kombinasi yang layak digunakan:
1. Potong panjang standar sebanyak 5 batang
dengan mengunakan Pola A dan 15 batang
dengan Pola C, serta
2. Potong panjang standar sebanyak 20 batang
dengan mengunakan Pola C dan 3 batang dengan
Pola B.
lebih baik? Pertanyaan ini dapat dijawab dengan
mempertimbangkan ‘sisa’ pemotongan. Pada
Gambar 1, bagian diarsir menunjukkan batang
surplus yang tidak cukup panjang untuk memenuhi
pesanan. Sisa pemotongan yang dihasilkan dari
kedua kombinasi itu adalah.
Kombinasi 1: 15 x 0,5m = 7,5m
Kombinasi 2: 20 x 0,5m + 3 x 1m = 13m.
Selanjutnya, setiap produksi surplus dengan
panjang 1,5, 2, dan 3 m harus dipertimbangkan
dalam perhitungan sebagai ‘sisa’ pemotongan.
Pada kombinasi 1, Pola A menghasilkan 10
batang panjang 1,5 m dan 10 batang panjang 2 m
sementara Pola C menghasilkan 15 batang
panjang 1,5 m, 15 batang panjang 2 m, dan 15
batang panjang 3 m. Jadi, pada kombinasi 1
terjadi produksi surplus untuk panjang 2 m
sebanyak 5 batang = 5 x 2 m = 10 m. Pada
kombinasi 2, Pola C menghasilkan 20 batang
Tabel 1. Contoh pesanan pada persoalan pemotongan stok.
Pesanan Panjang yang Jumlah yang dipesan
(i) diinginkan (m) (batang)
1 1,5 25
2 2 20
3 3 15
114 Jurnal Natur Indonesia 5(2): 113-118 (2003)
1,5m 1,5m
1,5m 1,5m
1,5m 2m
Gambar 1. Pola Pemotongan yang mungkin.
panjang 1,5 m, 20 batang panjang 2 m, dan 20
batang panjang 3 m sementara Pola B menghasil-
kan 6 batang panjang 1,5 m dan 3 batang panjang
3 m. Jadi, pada kombinasi 2 terjadi produksi
surplus untuk panjang 1,5m sebanyak 1 batang =
1,5 m dan panjang 3 m sebanyak 8 batang = 24
m. Jadi, total sisa pemotongan untuk kombinasi 1
= 7,5 + 10 = 17,5 m dan total sisa pemotongan
untuk kombinasi 2 = 13 + 1,5 + 24 = 38,5 m. Jadi
kombinasi 1 lebih baik karena menghasilkan sisa
pemotongan lebih sedikit.
Untuk menentukan solusi optimal persoalan
tersebut, pertama perlu untuk menentukan semua
pola yang mungkin dan kemudian menentukan
semua kombinasi yang layak. Meskipun menen-
tukan semua pola mungkin tidak begitu sulit,
namun menentukan semua kombinasi yang layak
merupakan suatu perkerjaan yang berat. Disinilah
model Program Linear memainkan peranan dan
teknik pendekatan yang sistimatis diperlukan.
Pandang kembali contoh persoalan
sebelumnya. Semua pola pemotongan yang
mungkin disenaraikan pada Tabel 2 (sisa
pemotongan harus lebih kecil dari 1,5 m). Definisi-
kan xj = Jumlah panjang standar 7m yang dipotong
menurut pola j ; j = 1, 2, . . . , 8 , dan rumuskan
persoalan Program Linear sebagai berikut:
Tabel 2. Pola pemotongan.
Pola (j) Jumlah Panjang 1,5m Jumlah Panjang 2 m
(batang)
1 4
2 3
3 2
4 2
5 1
6 0
7 0
8 0
Gamal, et al.
2m 2m
Pola A
3m 1m
Pola B
3m 0,5m
Pola C
Sisa pemotongan + total permintaan pelanggan =
total panjang kayu yang dipotong Total permintaan
pelangan (m) = 25 (1,5) + 20(2) + 15(3) = 122,5
Total panjang kayu yang dipotong (m) = 7( x1 + x2
+ x3 + x4 + x5 + x6 + x7 + x8),
Sisa pemotongan
( m ) = 7x1 + 7x2 + 7 x3 + 7x4 + 7 x5 + 7x6 +
7x7 + 7x8 - 122,5
Maka fungsi tujuan adalah meminimumkan
z = 7 x1 + 7x2 + 7 x3 + 7 x4 + 7 x5 + 7x6 +
7x7 + 7x8 - 122,5
Tanpa mempengaruhi optimisasi, fungsi tujuan
dapat ditulis sebagai
minimumkan z = x1 + x2 + x3 + x4 + x5 + x6 +
x7 + x8
Ini berarti bahwa sisa pemotongan bisa dimini-
mumkan dengan cara meminimumkan jumlah
panjang standar 7 m yang dipotong.
Selanjutnya terdapat tiga pembatas (cons-
traint) sebagai berikut: pembatas 1 sedikitnya 25
batang panjang 1,5 m harus dipotong, pembatas 2
sedikitnya 20 batang panjang 2 m harus dipotong,
pembatas 3 sedikitnya 15 batang panjang 3 m
harus dipotong. Karena jumlah total panjang 1,5m
yang dipotong diberikan oleh 4x1 + 3x2 + 2x3 +
2x4 + x5, maka Pembatas 1 menjadi 4x1 + 3x2 +
2x3 + 2x4 + x5 ≥ 25. Dengan cara yang sama,
Jumlah Panjang 3 m Sisa (m)
(batang) (batang)
0 0 1
1 0 0,5
2 0 0
0 1 1
1 1 0,5
3 0 1
2 1 0
0 2 1

Pembatas 2 menjadi x2 + 2x3 + x5 + 3x6 + 2x7 ≥
20 dan Pembatas 3 menjadi:
x4 + x5 + x7 + 2x8 ≥ 15.
Jadi, model Program Linear dari persoalan
pemotongan stok untuk persoalan di atas adalah
(min) z = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8
terhadap pembatas (tp)
4x1 + 3x2 + 2x3 + 2x4 + x5 ≥ 25
x2 + 2x3 + x5 + 3x6 + 2x7 ≥ 20
x4 + x5 + x7 + 2x8 ≥ 15
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 ≥ 0 dan
bilangan bulat.
Misalkan:
n = banyaknya pola pemotongan yang
mungkin,
xj = jumlah panjang standar yang dipotong
menurut pola j,
L = panjang standar,
li = jumlah pesanan untuk panjang i ; li ≤ L,
aij = jumlah potongan untuk panjang li
dengan pola j,
bi = banyaknya pesanan untuk panjang li ,
maka bentuk umum persoalan pemotongan stok
dalam upaya meminimumkan sisa pemotongan
adalah
min z = x1 + x2 + . . . + xn
tp ai1 + ai2 + ain ≥ bi , i = 1, 2, . . . m
xj ≥ 0 dan bilangan bulat, j = 1, 2, . . . n.
Ada dua faktor yang menyebabkan rumusan
persoalan pemotongan stok ini tidak praktis
(Gilmore & Gomory 1961; Dyckhoff 1982).
Pertama, banyaknya n pola pemotongan bisa ber-
ukuran sangat besar jika banyaknya m pesanan
berukuran besar. Kedua, pembatasan terhadap
bilangan bulat. Pada laporan ini dibahas teknik
untuk mengatasi faktor yang pertama, banyaknya
n pola pemotongan berukuran besar, dengan
mengabaikan syarat pembatas bilangan bulat.
Kemudian solusi yang diperoleh, dibulatkan ke
atas kebilangan bulat terdekat.
Penelitian ini bertujuan untuk memperlihatkan
kemampuan teknik pembangkit kolom dalam
menyelesaikan persoalan pemotongan stok de-
ngan pola pemotongan satu dimensi.
Hasil penelitian ini nantinya diharapkan dapat
memperluas penerapan matematika khususnya
bidang riset operasi (operations research) pada
industri dan perusahaan. Terlebih lagi negara kita
ini kaya dengan sumber daya alam. Untuk itu
diperlukan riset-riset atau penelitian-penelitian
Program Linear Persoalan Pemotongan Stok 115
yang berkenaan dengan pengoptimalan penggu-
naan dan pemanfaatan sumber daya alam.
METODE
Penelitian ini bersifat studi literatur dengan
mengkaji jurnal-jurnal dan buku-buku teks yang
berkaitan dengan bidang yang diteliti. Aspek
matematikanya tidak dibahas terlalu dalam; ini
bisa dirujuk ke kepustakaan yang digunakan.
Disini lebih ditekankan teknik untuk mencari solusi.
Selanjutnya teknik ini digunakan untuk menyele-
saikan sebuah persoalan fiktip. Disamping cara
manual, persoalan ini diselesaikan juga dengan
menggunakan paket software LINDO edisi pelajar
yang mampu menyelesaikan persoalan Program
Linear dengan 200 variabel dan 100 pembatas.
Pandang kembali model umum persoalan
pemotongan stok. Model itu dapat ditulis dalam
bentuk umum persoalan Program Linear sebagai:
n
min z = ∑ cj xj
j =1
n
tp ∑ aij xj ≥ bi, i = 1, 2, …, m
j =1
xj ≥ 0 dan bilangan bulat, j = 1, 2, …, n dengan cj =
1 untuk setiap j. Dalam bentuk matriks, persoalan
ini dapat ditulis:
min z = cx,
tp Ax ≥b
x ≥ 0 dan bilangan bulat.
dengan c adalah vektor baris berdimensi n, x
adalah vektor kolom berdimensi n, b vektor kolom
berdimensi m, dan A matriks berordo m × n.
Dalam bentuk standar, bentuk terakhir ditulis
sebagai:
min z = CB XB +CN XN,
tp BXB + NXN = b
XB, XN ≥ 0 dan bilangan bulat
dengan xB adalah variabel basis, xN variabel tak
basis, dan B dan N berturut-turut adalah kolom
matriks yang berkaitan dengan variabel xB dan xN.
Pada sebarang iterasi metoda simpleks,
misalkan basis yang terkait didefinisikan oleh
B = ( P1, . . . Pi, . . . Pm )
dengan Pi vektor kolom berdimensi m,i = 1,
2,…,m. Misalkan c B = (c 1,c 2, K, c m ) koefisien fungsi
tujuan yang berkaitan dengan P1, P2,…Pm.
Kemudian dari teori Program Linear (Taha 1975;
Taha 1982) pola pemotongan j memberikan
perbaikan solusi Program Linear jika reduced cost
116 Jurnal Natur Indonesia 5(2): 113-118 (2003) Gamal, et al.

z j − c j = c BB −1P j −c j bahwa xk menjadi basis pada basis r. Misalkan

yang berkaitan bernilai positif (persoalan kolom xk adalah [a1k a 2k ... a mk ]T

minimisasi), dengan Definisikan matriks E berukuran m × m :

Pj = (a1j , a2j , . . . , amj)T kolom ke r
 aik 
adalah vektor yang menunjukkan banyaknya 1 0 L −
ark
L 0
 
potongan dengan panjang li,, i = 1, 2, . . ., m, yang 0 a
1 L − 2k L 0 baris ke r
 ark 
 
dihasilkan dari pola pemotongan j. E =
0
M M M
1
M

 0 L L 0
Sampai disini elemen Pj tidak diketahui; 
ark

M M M M
yaitu, pola pemotongan yang baru belum 0

a
0 L − mk
ark
L 1
 
diketahui. Dari teori Program Linear, pola yang Ringkasnya, E adalah matriks identitas berukuran
paling memberikan harapan adalah pola yang
m x m dengan kolom r ditukar dengan vektor
memberikan nilai zj - cj terbesar diantara semua
kolom
pola (tak basis) yang mungkin. Tetapi pada  a1k
T
a2k 1 amk 
− − ... ... − 
persoalan pemotongan stok berkala besar, yang  ark ark ark ark 

melibatkan banyak variabel, menghitung nilai zj

- cj untuk semua variabel tak basis merupakan Selanjutnya didefinisikan Ei sebagai matriks
pekerjaan yang membosankan. Disinilah diper- elementer E yang berkaitan dengan iterasi
lukan teknik pembangkit kolom (column generation simpleks ke i. Bentuk hasil kali invers (product
technique). Pada persoalan pemotongan stok, form of invers) secara umum dapat ditulis (Winston
setiap kolom atau variabel menunjukkan sebuah 1991)
pola pemotongan sebatang panjang standar L. Bk−1 = Ek −1 Ek − 2 . . . E1 E0 .
Pada contoh persoalan sebelumnya, sebuah
Pada umumnya, computer codes untuk Program
variabel dinyatakan oleh y1 , y2 dan y3 dengan yi
Linear menggunakan metoda simpleks yang
adalah jumlah potongan berturut-turut dengan
direvisi dan menghitung serangkaian B-1 dengan
panjang 1,5, 2, dan 3 m yang dihasilkan dari
mengunakan bentuk hasil kali invers.
pemotongan panjang standar 7 meter. Sebagai
contoh, x5 dinyatakan oleh y1 =1, y2 = 1 dan y3 =
HASIL DAN PEMBAHASAN
1. Jadi teknik pembangkit kolom adalah suatu
Pandang kembali contoh persoalan sebe-
teknik untuk memperoleh kolom yang dapat
lumnya.
memberikan nilai zj - cj terbaik (positif pada
Min z = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8
persoalan minimisasi). Ini ekuivalen dengan
tp 4x1 + 3x2 + 2x3 + 2x4 + x5 ≥ 25
menyelesaikan sub persoalan:
x2 + 2x3 + x5 + 3 x6 + 2x7 ≥ 20
maks w = m πi yi - 1
∑ x4 + x5 + x7 + 2x8 ≥ 15
m i =1
xj ≥ 0 , j = 1 , 2 , . . . . , 8
tp ∑ li yi ≤ L , yi ≥ 0 dan bilangan bulat
i =1 x1 , x6 dan x8 dapat digunakan sebagai
dengan koefisien π i elemen ke i dari cBB-1. variabel dasar awal (basis awal) berturut-turut
untuk pembatas panjang 1,5 , 2, dan 3 meter. Jadi
Subpersoalan ini dinamakan persoalan knapsack;
basis awal adalah variabel dasar (VD) = { x1, x6,
yaitu, persoalan Program Linear dengan sebuah
x8}. Lalu diperoleh
pembatas. Dari teori Program Linear (Taha 1975;
4 0 0 1 0 0
Taha 1982) π i disebut juga nilai dual (dual prices)  
B 0 = 0 3 0  , −1 
4
B 0 = 0 1

0
3
0 0 2 0 1
Untuk melakukan satu iterasi ke iterasi  0 2

berikutnya digunakan metoda simpleks yang 1 0 0

Maka 4  1 1 1
direvisi (revised simplex). Nilai xB dihitung dengan c B B −1 = [1 1 1] 0 1 0 =
0
3
1 
4 3 2 
0
mengunakan  2

xB = B-1 b Untuk basis kini, suatu pola yang dinyatakan oleh

Komputasi pada simpleks yang direvisi banyak y1 , y2 dan y3 akan ditentukan nilai zj - cj nya
berkaitan dengan memperbarui (updating) B-1. sebagai
Anggaplah suatu persoalan Program Linear  y1 
cB B-1   1 1 1
dengan m pembatas sedang diselesaikan. Misal-  y 2  − 1= 4 y1+ 3 y 2 + 2 y 3 −1
y3 
 
kan xk akan masuk basis, uji rasio menunjukkan
 Program Linear Persoalan Pemotongan Stok 117

y1 , y2 dan y3 harus dipilih sedemikian sehingga Persoalan knapsack yang ekuivalen adalah
tidak melebihi 7 meter. Juga y1 , y2 dan y3 harus maks w = 1
4
y1 + 1
4
y2 + 1
2
y3 − 1
bilangan bulat tak negatip. Ringkasnya, untuk tp 1,5 y1 + 2y 2 + 3 y 3 ≤ 7
sebarang pola, y1 , y2 dan y3 harus memenuhi y1, y 2 , y 3 ≥ 0 dan bilangan bulat.
1,5y1 + 2y2 + 3y3 ≥ 7 Dengan menggunakan metoda cabang dan
y1 ≥ 0, y2 ≥ 0, y3 ≥ 0, y1, y2, y3 bilangan bulat. batas diperoleh solusi optimal dengan nilai w = 0.
Sekarang pola yang menguntungkan dicari Ini berarti bahwa tidak ada lagi suatu pola yang
dengan menyelesaikan persoalan knapsack yang menguntungkan bila dimasukkan ke dalam basis.
ekuivalen berikut : Jadi VD (1) = {x1, x3, x8} sudah optimal. Untuk
maks w = 1 1 1
y1+ y 2 + y 3 −1 menentukan nilai variabel dasar pada solusi
4 3 2
optimal, dicari nilai ruas kanan sebagai berikut:
tp 1,5y1 + 2y2 + 3y3 ≥ 7
1 − 1 0 25   54 
y1, y2, y3 ≥ 0 dan bilangan bulat. 4 4     
B1−1b =  0 1
2
0 20  = 10 
.
Meskipun secara teoritis persoalan knapsack 0 0 1 15   15 
 
2 2
sulit diselesaikan, namun metoda cabang dan
batas (branch and bound method) cukup efisien Jadi, solusi optimal untuk persoalan pemo-
dan praktis untuk menyelesaikannya (Taha 1982; tongan stok di atas adalah x1 =5/4, x3 = 10
Winston 1991). Dengan menggunakan metoda dan x8 =15/2. Solusi bilangan bulat diperoleh
cabang dan batas, solusi optimal untuk persoalan dengan pembulatan ke atas, yaitu, x1 = 2 , x3 = 10
knapsack ini adalah w =1/6 , y1 = 2 , y2 = 2 , y3 = 0. dan x8 = 8.
Ini berkorespondensi dengan pola 3 dan variabel Permintaan sebanyak 25 batang panjang 1,5
x3. Jadi nilai z3 - c3 adalah 1/6 , dan dengan m, 20 batang panjang 2 m dan 15 batang
memasukkan x3 kedalam basis akan mengurangi panjangnya 3 m dapat dipenuhi dengan
sisa pemotongan. Untuk memasukkan x3 ke dalam memotong panjang standar 7 m sebanyak 2
basis, perlu dibentuk ruas kanan kini dan kolom x3 batang mengikuti pola pemotongan 1, 10 batang
kini. mengikuti pola 3 dan 8 batang mengikuti pola 8.
1
Implementasi LINDO. LINDO (Linear
2  41 0 0  2  2 
Kolom x3 kini = B 0−1
   1
   2 Interactive and Discrete Optimizer) adalah paket
 2 =  0 3
0  2 =  3 
0  0 0 1 0 0  komputer yang digunakan untuk menyelesaikan
 2
 
Persoalan Linear, Integer dan Kuadratik Program-
ming. Untuk menggunakan teknik pembangkit
1 0 0 25  25 
Ruas kanan kini = 4
B 0−1 b =  0 1

0
   20 
20 =
4
kolom dengan bantuan LINDO, ide dasarnya
3    3 
0
 0 1
2
15   15 
 2 
dijelaskan dengan langkah-langkah sebagai
Uji rasio menunjukkan bahwa x3 masuk basis pada berikut (Schrage 1995):
baris ke 2. Variabel dasar yang baru adalah VD (1) 1. Bentuk dan selesaikan Program Linear awal
= {x1 , x3 , x2}. Menggunakan bentuk hasil kali yang memiliki semua baris dari model yang
invers, diperoleh terdefinisikan secara utuh, tetapi dengan sejumlah
1 − 3 0 1 0 0   41 − 1 0
kecil kolom yang dinyatakan secara eksplisit.
 4  4   4 
B1−1 = E 0 B 0−1 = 0 32 0 0
1
3
0 = 0 1
2
0 2. Dengan nilai dual solusi kini, bentuk kolom
0 0 1 0 1 0 1
   0 2  0 2 (pola) yang menguntungkan; yaitu, jika cj adalah
1 − 1 0 biaya kolom j, aij adalah koefisien kolom j pada
Sekarang 4
c B B1−1 = [1 1 1]  0
4 
[41 ]
3
2
0 1
4
1
2 baris i untuk i = 1, 2, …, m, dan di adalah harga
0 0 1
 2 dual baris i, tentukan kolom j yang baru
sedemikian sehingga cj + d1 a1j + d2 a2j +…+ dm amj < 0.
Kembali digunakan teknik pembangkit kolom untuk Jika tidak ada kolom sedemikian, lalu berhenti.
menentukan pola yang akan masuk basis. Untuk 3. Selesaikan Program Linear dengan kolom baru
nilai dual kini (cB B1-1), suatu pola yang dari (2) yang telah ditambahkan.
dinyatakan oleh y1, y2 dan y3 ditentukan nilai 4. Kembali ke (2).
zj - cj nya menjadi Pandang kembali contoh persoalan sebe-
 y1  lumnya. Seperti yang terlihat pada Tabel 1,
[ 1
4
1
4
1
2
]y − 1=
2
1
4
y1 + 1
4
y2 + 1
2
y3 − 1 . panjang standar 7 m dipotong paling banyak
 y 3 
menjadi 3 jenis panjang yang berbeda dengan
118 Jurnal Natur Indonesia 5(2): 113-118 (2003) Gamal, et al.

perincian berikut, 25 batang panjang 1,5 m, 20 Solusi optimal untuk persoalan knapsack ini
batang panjang 2 m, dan 15 batang panjang 3 m. memberikan nilai fungsi tujuan nol. Ini berarti tidak
Prosesnya dimulai dengan mendefinisikan ada lagi pola lain yang dapat memberikan
sebarang 3 pola pemotongan yang murni. Sebuah ‘keuntungan’. Solusi optimal diperoleh, setelah
pola murni hanya menghasilkan satu jenis panjang dilakukan pembulatan yang ‘sesuai’, adalah:
saja. Misalkan Pi = banyaknya stok standar yang 1. Potong 2 batang panjang standar 7m masing-
dipotong mengikut pola i. Yang akan dimini- masing menjadi 4 batang panjang 1,5 m.
mumkan adalah jumlah total stok standar yang 2. Potong 10 batang panjang standar 7 m masing-
dipotong. Program Linear dengan pola ini adalah: masing menjadi 2 batang panjang 1.5 m dan 2
MIN P1 + P2 + P3 batang panjang 2 m.
SUBJECT TO 3. Potong 8 batang panjang standar 7m masing-
2) 4 P1 >= 25 ! Panjang 1,5 m masing menjadi 2 batang panjang 3 m.
3) 3 P2 >= 20 ! Panjang 2 m
4) 2 P3 >= 15 ! Panjang 3 m
END solusinya adalah: KESIMPULAN
OBJECTIVE FUNCTION VALUE
Pada persoalan pemotongan stok, tidak perlu
1) 20.41667 mencari semua pola pemotongan yang mungkin;
VARIABLE VALUE REDUCED COST cukup menentukan sebuah pola awal yang
P1 6.250000 .000000
P2 6.666667 .000000
merupakan pola pemotongan murni. Pola
P3 7.500000 .000000 pemotongan yang lebih baik diperoleh dengan
ROW SLACK OR SURPLUS DUAL PRICES mengunakan teknik pembangkit kolom. Perkerjaan
2) .000000 -.250000
3) .000000 -.333333
yang agak berat adalah menentukan solusi
4) .000000 -.500000 subpersoalan knapsack, karena subpersoalan ini
Pola baru yang akan ditambahkan dicari tidak bisa diselesaikan dengan LINDO. Metode
dengan menyelesaikan persoalan knapsack. yang cukup praktis untuk menyelesaikan
Min 1 - 0,25 y1 - 0,333333 y2 - 0,5 y3 persoalan knapsack ini adalah metoda cabang
tp 1,5y1 + 2y2 + 3y3 ≤ 7 dan batas. Bila jumlah pesanan semakin banyak
y1 , y2 , y3 ≥ 0 dan bilangan bulat. (dalam model matematis = jumlah baris semakin
Fungsi tujuan dapat ditulis sebagai: banyak) maka semakin banyak pula variabel yang
maksimumkan 0,25y1 + 0,333333y2 + 0,5y3 - 1 terlibat dalam subpersoalan knapsack. Akibatnya
solusi optimal untuk persoalan knapsack ini adalah semakin berat menyelesaikannya. Untuk itu perlu
y1 = 2 y2 = 2 dan y3 = 0, yaitu, pola dengan memo- dipikirkan metoda lain yang lebih mudah dan
tong 2 batang panjang 1,5 m dan 2 batang sistimatis daripada metode cabang dan batas.
panjang 2 m. Jika kolom ini, P4, ditambahkan ke
dalam Program Linear di atas diperoleh formulasi UCAPAN TERIMA KASIH
(dalam bentuk picture): Kami mengucapkan terima kasih dan penghar-
P P P P gaan yang tinggi kepada semua pihak di Proyek
1 2 3 4 Pengkajian dan Penelitian Ilmu Pengetahuan
1: 1 1 1 1 MIN Terapan, Departemen Pendidikan Nasional atas
2: 4 2>B terselenggaranya penelitian ini dengan kontrak
3: ' 3' 2>B
No. 008/P2IP/DPPM/LITMUD/V/1996.
4: 2' >B solusinya adalah:
OBJECTIVE FUNCTION VALUE
1) 18.75000
DAFTAR PUSTAKA
Dyckhoff, H. 1982. A New Linear Programming Approach to
VARIABLE VALUE REDUCED COST
the Cutting-Stock Problem. Operations Research 29:
P1 1.250000 .000000 1092-1104.
P2 .000000 .250000 Gilmore, P.C., & R.E. Gomory. 1961. A Linear Programming
P3 7.500000 .000000 Approach to the Cutting-Stock Problem. Operations
P4 10.000000 .000000 Research 9: 849-859.
ROW SLACK OR SURPLUS DUAL PRICES Schrage, L. 1991. LINDO: Text and Software. San Francisco:
2) .000000 -.250000 Scientific Press.
3) .000000 -.250000 Taha, H. A. 1975. Integer Programming Theory : Appli-
cation and Computation. New York: Academic Press.
4) .000000 -.500000
Taha, H. A. 1982. Operations Research: An Introduction. New
Sub persoalan pembangkit kolom adalah York: Macmillan Publishing Co.
maks 0,25y1 + 0,25y2 + 0,50y3 - 1 Winston, W. L. 1991. Operations Research: Application and
Algorithm. California: PWS-KENT Publishing Company.
tp 1,5y1 + 2y2 + 3y3 ≤ 7
y1, y2, y3 ≥ 0 dan bilangan bulat.
Program Linear Persoalan Pemotongan Stok 119