Intccr Prerammin - Lke Hartante 1

{)(Q(} }}QQ},pp{Q
Salah satu asumsi teknik LP adalah divisibility atau fractionality. Dengan kata lain, setiap
variabel model dapat terjadi pada semua nilai non negatif, suatu nilai solusi yang kontinyu.
Dalam situasi keputusan tertentu, asumsi ini tidak realistik dan tidak dapat diterima. Misalnya,
suatu solusi yang memerlukan 2,29 kapal selam dalam suatu sistem pertahanan adalah tidak
mempunyai makna praktis. Dalam kasus ini, 2 atau 3 kapal selam harus disediakan (bukan
2,29). Masih banyak masalah lain dalam bidang industri dan bisnis yang memerlukan nilai bulat
untuk variabel modelnya. nteger programming adalah suatu LP dengan tambahan persyaratan
bahwa semua atau beberapa variabel bernilai bulat non negatif, tetapi tidak perlu bahwa
parameter model juga bernilai bulat.
Ada banyak kasus dalam masalah integer programming yang membatasi variabel model bernilai
nol atau satu. Dalam kasus demikian, pengambil keputusan hanya memiliki dua pilihan yaitu
menerima atau menolak suatu usulan kegiatan. Penerimaan atau penolakan yang sifatnya
parsial tidak diperbolehkan. Jika variabel keputusan bernilai satu, kegiatan diterima, dan jika
variabel bernilai nol, kegiatan ditolak.
Dalam masalah integer programming, jika model mengharapkan semua variabel basis bernilai
integer (bulat positif atau nol), dinamakan pure integer programming. Jika model hanya
mengharapkan variabel-variabel tertentu bernilai integer, dinamakan mixed integer
programming. Dan jika model hanya mengharapkan nilai nol atau satu untuk variabelnya,
dinamakan zero one integer programming.
Tampaknya cukup untuk mendapatkan solusi bulat dari masalah LP, dengan menggunakan
metode simpleks biasa dan kemudian membulatkan nilai-nilai pecah solusi optimum. Bukan
tugas mudah untuk membulatkan nilai-nilai pecah variabel basis yang menjamin tetap
memenuhi semua kendala dan tidak menyimpang cukup jauh dari solusi bulat yang tepat.
Karena itu perlu prosedur yang sistematis untuk mendapatkan solusi bulat optimum terhadap
masalah itu.
METODE SOLUSI DALAM INTEGER PROGRAMMING PENDEKATAN PEMBULATAN
Suatu pendekatan yang sederhana dan kadang-kadang praktis untuk menyelesaikan integer
programming adalah dengan membulatkan nilai variabel keputusan yang diperoleh melalui LP.
Pendekatan ini mudah dan praktis dalam hal usaha, waktu dan biaya yang diperlukan untuk
memperoleh suatu solusi. Bahkan, pendekatan pembulatan dapat merupakan cara yang sangat
efektif untuk masalah integer programming yang besar dimana biaya-biaya hitungan sangat
tinggi atau untuk masalah nilai-nilai solusi variabel keputusan sangat besar. Contohnya,
pembulatan nilai solusi jumlah pensil yang harus diproduksi dari 14.250,2 menjadi 14.250,0
semestinya dapat diterima. Namun demikian sebab utama kegagalan pendekatan ini adalah
bahwa solusi yang diperoleh mungkin bukan solusi integer optimum yang sesungguhnya.
Dengan kata lain, solusi pembulatan dapat lebih jelek dibanding solusi integer optimum yang
sesungguhnya atau mungkin merupakan solusi tak layak. ni membawa konsekuensi besar jika
jumlah produk-produk seperti pesawat angkut komersial atau kapal perang yang harus
diproduksi dibulatkan ke bilangan bulat terdekat.
Intccr Prerammin - Lke Hartante 2
Tiga masalah berikut disajikan untuk mengilustrasikan prosedur pembulatan :
MasaIah 1 :
MasaIah 2 :
MasaIah 3 :
Perbandingan antara solusi dengan metode simpleks tanpa pembatasan bilangan bulat,
pembulatan ke bilangan bulat terdekat dan solusi integer optimum yang sesungguhnya untuk
ketiga masalah tersebut adalah :
MasaIah
SoIusi dengan
Metode simpIeks
Dgn pembuIatan
terdekat
BuIat optimum
sesungguhnya
1 X
1
= 5,38 X
1
= 5 X
1
= 7
X
2
= 2,31 X
2
= 2 X
2
= 0
Z = 746,15 Z = 680 Z = 700
2 X
1
= 1,82 X
1
= 2 X
1
= 3, X
2
= 3
X
2
= 3,27 X
2
= 3 X
1
= 5, X
2
= 2
Z = 1.672,73 Z tak layak Z = 1.800
3 X
1
= 2,14 X
1
= 2 X
1
= 0
X
2
= 1,71 X
2
= 2 X
2
= 3
Z = 343 Z tak layak Z = 300
Masalah pertama adalah masalah maksimasi, dimana solusi pembulatan menghasilkan
keuntungan 680, hanya lebih kecil 20 dibanding yang dihasilkan solusi bulat optimum 700.
Masalah kedua adalah maslah minimasi dimana solusi pembulatan adalah tak layak. ni
menunjukkan bahwa meskipun pendekatan adalah sederhana, namun kadang-kadang
menyebabkan solusi taj layak. Untuk mencegah ketidak layakan, nilai solusi simpleks dalam
masalah minimasi harus dibulatkan keatas. Contohnya, pada masalah kedua jika solusi
Maksimumkan Z = 100 X
1
+ 90 X
2
Dengan syarat 10 X
1
+ 7 X
2
> 70
5 X
1
+ 10 X
2
> 50
X
1
; X
2
< 0
Minimumkan Z = 200 X
1
+ 400 X
2
Dengan syarat 10 X
1
+ 25 X
2
< 100
3 X
1
+ 2 X
2
< 12
X
1
; X
2
< 0
Maksimumkan Z = 80 X
1
+ 100 X
2
Dengan syarat 4 X
1
+ 2 X
2
> 12
X
1
+ 5 X
2
> 15
X
1
; X
2
< 0
Intccr Prerammin - Lke Hartante 3
dibulatkan ke atas diperoleh X
1
= 2 dan X
2
= 4 dan merupakan solusi layak. Sebaliknya, pada
masalah maksimasi nilai solusi simpleks semestinya dibulatkan kebawah.
Pada masalah ketiga, solusi pembulatan juga tak layak. Namun, seperti dalam masalah
minimasi, jika solusi simpleknya X
1
= 2,14 dan X
2
= 1,71 dibulatkan kebawah menjadi X
1
= 2
dan X
2
= 1, maka solusinya menjadi layak. ni dapat dibuktikan dengan meneliti masing-masing
kendala model dengan nilai variabel keputusan yang telah dibulatkan kebawah.
Nilai fungsi tujuan melalui metode simpleks tanpa pembatasan bilangan bulat akan selalu lebih
baik dibanding solusi integer optimum karena ia terletak pada titik pojok luar dari batas ruang
solusi layak.
Suatu metode yang serupa dengan pendekatan pembulatan adalah prosedur coba-coba (trial
and error). Dengan menggunakan cara ini, pengambil keputusan mengamati solusi integer dan
memilih solusi yang mengoptimum-kan nilai fungsi tujuan. Metode ini sangat tidak efektif jika
masalahnya melibatkan sejumlah besar kendala dan variabel. Terlebih lagi, memeriksa
kelayakan setiap solusi yang dibulatkan banyak memakan waktu.
PENDEKATAN GRAFIK
Masalah integer programming yang melibatkan hanya dua variabel dapat diselesaikan secara
grafik. Pendekatan ini identik dengan metode grafik LP dalam semua aspek, kecuali bahwa
solusi optimum harus memenuhi persyaratan bilangan bulat. Mungkin pendekatan termudah
untuk menyelesaikan masalah integer programming dua dimensi adalah menggunakan kertas
grafik dan menggambarkan sekumpulan titik-titik integer dalam ruang solusi layak. Masalah
berikut akan diselesaikan dengan pendekatan grafik.
Model ini serupa dengan model LP biasa. Perbedaanya hanya pada kendala terakhir yang
mengharapkan bahwa variabel terjadi pada nilai non negatif integer.
Solusi grafik masalah ini ditunjukkan pada gambar dibawah ini. Ruang solusi layak adalah
OABC. Solusi optimum masalah LP ditunjukkan pada titik B, dengan X
1
= 5,38 dan X
2
= 2,31
serta Z = 746,15. Untuk mencari solusi integer optimum masalah ini, garis Z (slope = -9/10)
digeser secara sejajar dari titik B menuju titik asal. Solusi integer optimum adalah titik integer
pertama yang bersinggungan dengan garis Z. Titik itu adalah A, dengan X
1
= 7 dan X
2
= 0 serta
Z = 700.
Maksimumkan Z = 100 X
1
+ 90 X
2
Dengan syarat 10 X
1
+ 7 X
2
> 70
5 X
1
+ 10 X
2
> 50
X
1
; X
2
Non negatif integer
Intccr Prerammin - Lke Hartante 4
PENDEKATAN GOMORY (CUTTING PLANE ALGORITHM)
Suatu prosedur sistematik untuk memperoleh solusi integer optimum terhadap pure integer
programming pertama kali dikemukakan oleh R.E. Gomory. a kemudian memperluas prosedur
ini untuk menangani kasus yang lebih sulit yaitu mixed integer programming.
Langkah-langkah prosedur Gomory diringkas seperti berikut :
1. Selesaikan masalah integer programming dengan menggunakan metode simpleks. Jika
masalah sederhana, ia dapat diselesaikan dengan pendekatan grafik, sehingga pendekatan
Gomory kurang efisien.
2. Periksa solusi optimum. Jika semua variabel basis memiliki nilai integer, solusi optimum
integer telah diperoleh dan proses solusi telah berakhir. Jika satu atau lebih variabel basis
masih memiliki nilai pecah, teruskan ke tahap 3.
3. Buatlah suatu skala Gomory (suatu bidang pemotong atau cutting plane) dan cari solusi
optimum melalui prosedur dual simpleks. Kembali ke tahap 2.
KENDALA GOMORY DALAM PURE INTEGER PROGRAMMING
Tabel optimum masalah LP dibawah ini merupakan tabel solusi optimum kontinyu.
Basis X
1
X
m
W
1
W
n
SoIusi
Z 0 . . . . . 0 c
1
. . . . . c
n
b
0
X
1
1 . . . . . 0 a
11
. . . . . a
1n
b
1
. . . . . .
X
m
0 1 a
m1
a
mn
b
1
A
B
C
O
5
10
X
1
10 7
X
2
Z = 700
Z = 746,15
5X
1
+ 10X
2
= 50
10X
1
+ 7X
2
= 70
Intccr Prerammin - Lke Hartante 5
Variabel X
i
(i =1,., m) menunjukkan variabel basis.
Variabel X
j
(j = 1,..., n) adalah variabel non basis.
Perhatikan persamaan ke i dimana variabel X
1
diasumsikan bernilai non integer.
X
i
= b
i
Z a
ij
W
j
, dimana b non integer
Kemudian pisahkan b
i
dan a
ij
menjadi bagian yang bulat dan bagian pecah non negatif seperti
berikut :
b
i
= b
i
+
i
jadi
i
b
i
b
i
, dimana 0 >
i
1
a
ij
= a
ij
+
ij
jadi
ij
a
ij
a
ij
, dimana 0 >
ij
1
Contoh :
b
i
b
i

i
a
ij
a
ij

ij
3/2 1 7/3 - 3 2/3
7/8 0 7/8 - 1 - 1 0
7/3 2 1/3 - 2/5 - 1 3/5
Kendala Gomory yang diinginkan adalah :
S
g
-
ij
W
j
= -
i
, S
g
adalah variabel slack Gomory ke g.
Pada umumnya, persamaan kendala yang berhubungan dengan solusi pecah dipilih untuk
menghasilkan suatu kendala Gomory. Namun, sebagai aturan main biasanya dipilih persamaan
yang memiliki
i
, maksimum.
Tabel baru setelah penambahan kendala Gomory menjadi :
Basis X
1
X
m
W
1
W
n
S
g
SoIusi
Z 0 . . . . . 0 c
1
. . . . . c
n
0 b
0
X
1
1 . . . . . 0 a
11
. . . . . a
1n
. b
1
. . . . . . .
. . . . . . .
. . . . . . .
X
m
0 1 a
m1
a
mn
a
mn
b
1
S
g
0 . . . . . 0 -
i1
-
in
1 -
i
Karena diperoleh solusi primal optimum tetapi tidak layak maka digunakan metode dual
simpleks. Proses pembentukan kendala Gomory berakhir jika solusi baru semua berupa
bilangan bulat. Jika tidak, suatu kendala Gomory baru dibuat lagi dari tabel yang dihasilkan dan
metode dual simpleks digunakan lagi untuk mengatasi ketidak layakan. Jika pada setiap iterasi
metode dual simpleks menunjukkan bahwa tidak ada solusi layak, berarti masalah itu tidak
memiliki solusi integer yang layak.
Intccr Prerammin - Lke Hartante 6
Misalkan terdapat persoalan integer linear programming seperti berikut :
Solusi kontinyu optimumnya diperoleh dalam tabel berikut :
Basis X
1
X
2
S
1
S
2
SoIusi
Z 0 0 28/11 15/11 63
X
2
0 1 7/22 1/22 7/2
X
1
1 0 - 1/22 3/22 9/2
Karena solusi tidak bulat, suatu kendala Gomory ditambahkan pada tabel itu. Kedua persamaan
(X
1
dan X
1
) pada masalah ini memiliki nilai
i
yang sama, yaitu
1
=
2
= , sehingga salah satu
dapat digunakan, misalkan digunakan persamaan X
2
, ini menghasilkan
X
2
+ 7/22 S
1
+ 1/22 S
2
= 7/2 atau
X
2
+ (0 + 7/22) S
1
+ (0 + 1/22) S
2
= (3 + )
Sehingga kendala Gomorynya adalah :
S
g1
- 7/22 S
1
1/22 S
2
= -
Tabel baru setelah penambahan kendala Gomory menjadi :
Basis X
1
X
2
S
1
S
2
S
g1
SoIusi
Z 0 0 28/11 15/11 0 63
X
2
0 1 7/22 1/22 0 7/2
X
1
1 0 - 1/22 3/22 0 9/2
S
g1
0 0 - 7/2 - 1/22 1 -
Dengan memakai metode dual simpleks diperoleh tabel baru yaitu :
Basis X
1
X
2
S
1
S
2
S
g1
SoIusi
Z 0 0 0 1 8 59
X
2
0 1 0 0 1 3
X
1
1 0 0 1/7 - 1/7 32/7
S
1
0 0 1 1/7 - 22/7 11/7
Karena solusi baru masih pecah, suatu kendala Gomory baru ditambahkan. Karena persamaan
X
1
memiliki
1
terbesar (
1
= 4/7), maka X
1
dituliskan dalam bentuk :
X
1
+ (0 + 1/7) S
2
+ (0+ 6/7) S
g1
= (4 + 4/7),
Maksimumkan Z = 7 X
1
+ 9 X
2
Dengan syarat - X
1
+ 3 X
2
> 6
7 X
1
+ X
2
> 35
X
1
; X
2
Non negatif integer
Intccr Prerammin - Lke Hartante 7
Yang menghasilkan kendala Gomory kedua :
S
g2
1/7 S
2
6/7 S
g1
= - 4/7, kemudian tambahkan pada tabel :
Basis X
1
X
2
S
1
S
2
S
g1
S
g2
SoIusi
Z 0 0 0 1 8 0 59
X
2
0 1 0 0 1 0 3
X
1
1 0 0 1/7 - 1/7 0 32/7
S
1
0 0 1 1/7 - 22/7 0 11/7
S
g2
0 0 0 - 1/7 - 6/7 1 - 4/7
Dengan menggunakan dual simpleks diperoleh hasil :
Basis X
1
X
2
S
1
S
2
S
g1
S
g2
SoIusi
Z 0 0 0 0 2 7 55
X
2
0 1 0 0 1 0 3
X
1
1 0 0 0 -1 1 4
S
1
0 0 1 0 - 4 1 1
S
g2
0 0 0 1 6 -7 4
Yang menghasilkan solusi bulat optimum X
1
= 4, X
2
=3 dan Z = 55
Kita mungkin akan membayangkan bahwa ukuran tabel simpleks dapat menjadi sangat besar
jika kendala-kendala Gomory yang baru ditambahkan pada masalah itu. Kenyataannya,
banyaknya kendala pada masalah baru tidak dapat melebihi banyaknya variabel pada masalah
awal yaitu (m+n). Karena, jika masalah baru memiliki lebih dari (m+n) kendala, satu atau lebih
variabel slack Gomory yang berhubungan dengan kendala Gomory akan menjadi basis. Dalam
hal ini, persamaan-persamaan itu menjadi berlebihan dan dapat dihapus dari tabel.
METODE BRANCH DAN BOUND
Metode Branch dan Bound telah menjadi kode komputer standar untuk integer programming,
dan penerapan-penerapan dalam praktek tampaknya menyarankan bahwa metode ini lebih
efisien dibanding dengan pendekatan Gomory. Teknik ini dapat diterapkan baik untuk masalah
pure maupun mixed integer programming.
Langkah-langkah metode Branch dan Bound untuk masalah maksimasi dapat dilakukan seperti
berikut :
1. Selesaikan masalah LP dengan metode simpleks biasa tanpa pembatasan bilangan bulat.
2. Teliti solusi optimumnya. Jika variabel basis yang diharapkan bulat adalah bulat, solusi
optimum bulat telah tercapai. Jika satu atau lebih variabel basis yang diharapkan bulat
ternyata tidak bulat, lanjutkan ke langkah 3.
3. Nilai solusi pecah yang layak dicabangkan ke dalam sub-sub masalah. Tujuannya adalah
untuk menghilangkan solusi kontinyu yang tidak memenuhi persyaratan bulat dalam
masalah itu. Pencabangan itu dilakukan melalui kendala-kendala mutually exclusive yang
perlu untuk memenuhi persyaratan bulat dengan jaminan tidak ada solusi bulat layak yang
tidak diikut sertakan.
Intccr Prerammin - Lke Hartante 8
4. Untuk setiap sub-masalah, nilai solusi optimum kontinyu fungsi tujuan ditetapkan sebagai
batas atas. Solusi bulat terbaik menjadi batas bawah (pada awalnya, ini adalah solusi
kontinyu yang dibulatkan ke bawah). Sub-sub masalah yang memiliki batas atas kurang dari
batas bawah yang ada, tidak diikut sertakan pada analisa selanjutnya. Suatu solusi bulat
layak adalah sama baik atau lebih baik dari batas atas untuk setiap sub masalah yang dicari.
Jika solusi yang demikian terjadi, suatu sub masalah dengan batas atas terbaik dipilih untuk
dicabangkan. Kembali ke Iangkah 3.
Untuk memperoleh gambaran yang lebih jelas tentang metode Branch dan Bound, perhatikan
contoh masalah berikut :
Solusi optimum kontinyu masalah ini adalah X
1
= 8, X
2
= 2,26 dan Z = 35,25.
Solusi ini menunjukkan batas atas awal. Batas bawah adalah solusi yang dibulatkan ke bawah
X
1
= 8, X
2
= 2 dan Z = 34. Dalam metode Branch dan Bound, masalah itu dibagi ke dalam dua
bagian untuk mencari nilai solusi bulat yang mungkin bagi X
1
dan X
2
. Untuk malakukan ini,
variabel dengan nilai solusi pecah yang memiliki bagian pecah terbesar dipilih. Karena pada
solusi ini hanya X
2
yang memiliki bagian pecah, ia dipilih. Untuk menghilangkan bagian pecah
dari nilai X
2
= 2,25, dua kendala baru dibuat. Kendala-kendala ini mewakili dua bagian baru dari
masalah itu. Dalam hal ini, dua nilai bulat terdekat terhadap 2,25 adalah 2 dan 3. Sehingga
diperoleh dua masalah baru melalui dua kendala mutually exclusive, X
2
> 2 dan X
2
< 3, yang
akan diuraikan berikut ini sebagai bagian A dan B. Kendala-kendala ini secara efektif
menghilangkan semua nilai pecah yang mungkin bagi X
2
, antara 2 dan 3. Pengaruhnya mereka
mengurangi ruang solusi layak sedemikian rupa sehingga angka solusi bulat yang dievaluasi
pada masalah ini makin sedikit.
Bagian A :
Bagian B :
Bagian A dan B diselesaikan tanpa pembatasan bilangan bulat dengan metode simpleks. Solusi
grafik kedua bagian itu ditunjukkan pada gambar dibawah ini. Solusi simpleksnya adalah :
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
X
1
> 8
2 X
2
> 10
X
1
; X
2
Non negatif integer
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
X
1
> 8
2 X
2
> 10 (berlebih)
X
2
> 2
X
1
; X
2
< 0
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
X
1
> 8
2 X
2
> 10
X
2
< 3
X
1
; X
2
< 0
Intccr Prerammin - Lke Hartante 9
Bagian A : X
1
= 8, X
2
= 2 dan Z = 34
Bagian B : X
1
= 6,5, X
2
= 3 dan Z = 34,5
Bagian A menghasilkan suatu solusi yang semuanya bulat. Untuk bagian A batas atas dan
bawah adalah Z = 34. Solusi pecah bagian B membenarkan pencaruian lebih lanjut karena
menghasilkan nilai fungsi tujuan yang lebih besar dari batas atas bagian A. Sangat mungkin
bahwa pencarian lebih lanjut dapat menghasilkan suatu solusi yang semuanya bulat dengan
nilai fungsi tujuan melebihi batas atas bagian A = 34.
Bagian B dicabangkan ke dalam dua sub bagian, B
1
dan B
2
, pertama dengan kendala X
1
> 6
dan yang lain dengan X
2
< 7. Kedua sub-masalah dinyatakan sebagai berikut :
Sub Bagian B
1
:
Sub Bagian B
2
:
Solusi simpleksnya adalah :
Sub-bagian B
1
: X
1
= 6, X
2
= 3,25 dan Z = 34,25
Sub-bagian B
2
: tidak layak.
Karena sub-bagian B
1
menghasilkan nilai fungsi tujuan yang lebih besar dari 34 (batas atas
bagian A), maka harus dicabangkan lagi ke dalam dua sub masalah, dengan kendala X
2
> 3 dan
X
2
< 4. Kedua kendala sub masalah diberi nama bagian B
1
a dan B
2
b.
Bagian B
1
a :
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
X
1
> 8 (berlebih)
2 X
2
> 10
X
2
< 3
X
1
> 6
X
1
; X
2
< 0
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
X
1
> 8
2 X
2
> 10
X
2
< 3
X
1
< 7
X
1
; X
2
< 0
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
2 X
2
> 10 (berlebih)
X
2
> 3
X
2
< 3
X
1
> 6
X
1
; X
2
< 0
Intccr Prerammin - Lke Hartante 10
Bagian B
1
b :
Solusi optimum dengan metode simpleks adalah :
Sub-bagian B
1
a: X
1
= 6, X
2
= 3 dan Z = 33
Sub-bagian B
1
b: X
1
= 4,25, X
2
= 4 dan Z = 33,5
Kedua solusi itu memiliki batas atas ( Z = 33 dan Z = 33,5) yang lebih buruk dibanding dengan
solusi yang dihasilkan oleh bagian A. Karena itu, solusi bulat optimum adalah X
1
= 8, X
2
= 2 dan
Z = 34 yang dihasilkan oleh bagian A
Jika pencarian telah diselesaikan, solusi bulat dengan fungsi tujuan tertinggi (dalam masalah
maksimasi) dipilih sebagai solusi optimum.
Hasil perhitungan diatas dapat digambarkan pada gambar berikut :
Maksimumkan Z = 3 X
1
+ 5 X
2
Dengan syarat 2 X
1
+ 4 X
2
> 25
2 X
2
> 10
X
2
< 3 (berlebih)
X
2
< 4
X
1
> 6
X
1
; X
2
< 0
X
1
= 8
X
2
= 2
Z = 34
1
0
X
1
> 6
X
1
< 7
Solusi bulat optimum
X
1
= 8
X
2
= 2,25
Z = 35,25
2
X
1
= 6,5
X
2
= 3
Z = 34,5
X
2
> 2
X
2
< 3
inferior
inferior
X
1
= 6
X
2
= 3,25
Z = 34,25
X
2
> 3
X
2
< 4
Tak layak
Intccr Prerammin - Lke Hartante 11
Sumber Rujukan :
1. Aminudin, 2005, Prinsip-Prinsip Riset Operasi, Penerbit Erlangga, Jakarta.
2. Frederick S. Hiller, Gerald J. Lieberman, 1990, Pengantar Riset Operasi, Edisi Kelima,
Penerbit Erlangga, Jakarta
3. Hamdy A. Taha, 1996, Riset Opersai - Suatu Pengantar, Edisi Kelima, Binarupa
Aksara, Jakarta.
4. Johanes Supranto, 2005, Riset Operasi Untuk Pengambilan Keputusan, Edisi Revisi,
Penerbit Universitas ndonesia, Jakarta
5. Siswanto, 2007, Operations Research, Penerbit Erlangga, Jakata.
6. Richard Bronson, 1993, Teori dan Soal-Soal Operations Research, Seri Buku
Schaum's, Penerbit Erlangga, Jakarta.
7. Sri Mulyono, 2007, Riset Operasi, Edisi Revisi, Lembaga Penerbit Fakultas Ekonomi
Universitas ndonesia, Jakarta.
8. Zulian Yamit, 2003, Manajemen Kuantitatif Untuk Bisnis - Operations Research,
BPFE, Yogyakarta.