Anda di halaman 1dari 24

Bab 2 Tinjauan Pustaka

2.1

Pengertian Umum

Programa Linier (Linear Programming) adalah suatu cara untuk menyelesaikan persoalan pengalokasian sumber-sumber yang terbatas diantara beberapa aktivitas yang bersaing, dengan cara yang terbaik yang mungkin dilakukan. Persoalan pengalokasian ini akan muncul manakala seseorang harus memilih tingkat aktivitas-aktivitas tertentu yang bersaing dalam hal penggunaan sumber daya langka yang dibutuhkan untuk melaksanakan aktivitas-aktivitas tersebut. Beberapa contoh situasi dari uraian diatas antara lain ialah persoalan pengalokasian sumber daya nasional untuk kebutuhan domestic, penjadwalan produksi, solusi permainan (game), dan pemilihan pola pengiriman (shipping). Satu hal yang menjadi cirri situasi diatas ialah adanya keharusan untuk mengalokasikan sumber terhadap aktivitas. Programa linier ini menggunakan model matematis untuk

menjelaskan persoalan yang dihadapinya. Sifat linier disini memberi arti bahwa seluruh fungsi matematis dalam model ini merupakan fungsi yang linier, sedangkan kata programa merupakan sinonim untuk perencanaan. Dengan demikian, programa 6

linier adalah perencanaan aktivitas-aktivitas untuk memperoleh suatu hasil yang optimum, yaitu suatu hasil yang mencapai tujuan terbaik diantara seluruh aktivitas yang fisibel. Dalam membangun model dari formulasi persoalan programa linier digunakan karakteristikkarakteristik anatara lain, yaitu: a. Variabel keputusan Variabel keputusan adalah variabel yang menguraikan secara lengkap keputusan-keputusan yang akan dibuat fungsi tujuan. b. Fungsi tujuan Fungsi tujuan merupakan fungsi dari dari variabel keputusan yang akan dimaksimumkan (untuk pendapatan atau keuntungan) atau diminimumkan (untuk ongkos). c. Pembatas Pembatas merupakan kendala yang dihadapi sehingga kita tidak bisa menentukan harga-harga variabel keputusan secara sembarang. Koefisien dari variabel keputusan pada pembatas disebut koefisien teknologis, sedangkan bilangan yang ada disisi kanan setiap pembatas disebut ruas kanan pembatas. d. Pembatas tanda Pembatas tanda adalah pembatas yang menjelaskan apakah variabel keputusannya diasumsikan hanya berharga nonnegatif atau variabel keputusan tersebut boleh berharga positif, boleh juga negatif (tidak terbatas dalam tanda).

Dapat ditarik kesimpulan mengenai pengertian persoalan programa linier (Linear Programming) adalah suatu persoalan optimasi dimana kita melakukan hal-hal berikut ini: 1. kita berusaha memaksimumkan atau meminimumkan suatu fungsi linier dari variabel-variabel keputusan yang disebut fungsi tujuan. 2. harga/besaran dari variabel-variabel keputusan itu harus memenuhi suatu set pembatas. Setiap pembatas harus merupakan persamaan linier atau ketidaksamaan linier.

3. suatu pembatas tanda dikaitkan dengan setiap variabel.


Untuk setiap variabel x i , pembatasan tanda akan menunjukan fungsi apakah x i harus nonnegatif ( x i 0) atau x i tidak terbatas dalam tanda. Definisi: Suatu fungsi f ( x1 , x 2 ,..., x n ) dari x1 , x 2 ,..., x n adalah fungsi linier jika dan hanya jika untuk sejumlah set konstanta berlaku f ( x1 , x 2 ,..., x n ) = c1x1 + c 2 x 2 + ... + c n x n . Sebagai contoh, f ( x1 , x 2 ) = 2 x1 + x 2 adalah fungsi linier dari x i dan x 2 , tetapi 2 x12 + x 2 bukan fungsi linier dari x i dan x 2 . c1 , c 2 ,..., c n

2.2

Model Programa linier

Model merupakan suatu representasi atau formalisasi dalam bahasa tertentu (yang disepakati) dari suatu sistem nyata. Pengembangan model adalah suatu usaha untuk memperoleh model baru yang memiliki kemampuan lebih didalam beberapa aspek. Pengembangan model biasanya menggunakan prinsip-prinsip dasar sebagai berikut: 1. Elaborasi Pengembangan model dimulai dengan yang sederhana dan secara bertahap dielaborasi hingga diperoleh model yang representatif. Penyederhanaan dilakukan dengan menggunakan sistem asumsi yang ketat yang tercermin pada jumlah, sifat dan relasi variabel-variabelnya. Tetapi asumsi yang dibuat tetap harus memenuhi persyaratannya yakni konsistensi, indefendensi, ekuivalensi dan relevansi. 2. Sinektik Adalah metode yang dibuat untuk mengembangkan pengenalan masalah-masalah secara analogis (Dunn,1981). Sinektik yang mengacu pada penemuan kesamaankesamaan akan membantu analis membuat penggunaan suatu analogi yang kreatif dalam mengembangkan suatu model. Banyak studi menunjukkan bahwa orang seringkali gagal mengenali bahwa apa yang tampak menjadi masalah baru pada kenyataannya secara tersembunyi merupakan hal

10

yang sama dan dapat didekati melalui model yang sudah ada. Karena itu, pengembangan model dapat dilakukan dengan menggunakan prinsip-prinsip, hukum, teori, aksioma, dan dalil yang sudah dikenal secaraluas tetapi belum pernah digunakan untuk memecahkan masalah yang sedang dihadapi. Sinektik didasarkan pada asumsi bahwa kesadaran mengenai hubungan yang identik atau mirip diantara masalah system nyata dalam skala besar akan meningkatkan kapasitas pemecahan masalah dari seorang analis. 3. Iteratif Pengembangan model bukanlah proses yang bersifat mekanistik dan linier. Oleh karena itu dalam tahap pengembangannya mungkin saja dilakukan pengulangan atau penijauan-peninjauan kembali (iteratif). Ada tiga komponen utama prinsip iteratif ini, yaitu: pengembangan model awal atau dugaan, langkah-langkah atau aturan yang harus ditempuh supaya dapat diperoleh model yang memadai, dan ukuran kompleksitas model sebagai titik akhir dimana kita menghentikan proses iteratif.

Programa linier sendiri merupakan salah satu metodologi yang telah diciptakan oleh pakar, yang merupakan suatu urutan proses dan prosedur yang disusun secara sistematik dan sebagai suatu kesatuan

11

yang akan menghasilkan sesuatu (solusi, keputusan, model, dll) yang telah direncanakan untuk diperoleh. Menurut klasifikasi fungsi model, programa linier merupakan suatu model normatif yang memberikan jawaban terbaik dari alternatif yang ada terhadap sebuah masalah. Model ini memberikan aturan dan rekomendasi untuk langkah-langkah atau tindakan yang dapat diambil untuk mengoptimalkan pencapaian beberapa keuntungan (nilai). Masalah model normatif biasanya berbentuk: penemuan nilai-nilai dari variabel-variabel yang dapat dikendalikan (variabel keputusan) yang akan menghasilkan manfaat (nilai) yang paling besar seperti yang diukur oleh variabel hasil atau kriteria pencapaian tujuan. Kesulitan utama dari model ini adalah menentukan kriteria yang tepat untuk memilih jawaban terbaik. Bagaimana jika ada sejumlah (katakan m buah) sumber yang terbatas yang harus dialokasikan diantara sejumlah (katakan n buah) aktivitas yang bersaing? Aktivitas sumber 1 2 Penggunaan sumber/unit 1 2 n a11 a12 a1n a 21 a 22 a 2n Banyaknya sumber yang dapat digunakan b1 b2

a m1

a m2

a mn

bm

12

z / Unit Tingkat

c1 x1

c2 x2

cn xn

Tabel 2.1. Tabel data untuk model programa linier

Untuk menjelaskan persoalan diatas, terlebih dahulu kita beri nomor (1,2,,m) untuk sumber dan nomor (1,2,,n) untuk aktivitas. Tentukan x1 sebagai tingkat aktivitas j (sebuah variabel keputusan) untuk j = 1,2,,n; dan tentukan z sebagai ukuran ke efektifan yang terpilih. Koefisien c j adalah koefisien keuntungan (ongkos) per unit. Kemudian tentukan b i sebagai banyaknya sumber i yang dapat digunakan dalam pengalokasian (i = 1,2,,m). akhirnya, definisikan a ij sebagai banyaknya sember I yang digunakan/dikonsumsi oleh masing-masing unit aktivitas j (untuk i = 1,2,,m dan j = 1,2,,n). seluruh data diatas digambarkan seperti pada Tabel diatas. Dengan demikian, sekarang kita dapat membuat formulasi model matematis dari persoalan pengalokasian sumber-sumber pada aktivitas-aktivitas sebagai berikut: Maksimumkan z = c1x1 + c 2 x 2 + ... + c n x n Berdasarkan pembatas: a11x1 + a12 x 2 + ... + a1n x n b1 a 21x1 + a 22 x 2 + ... + a 2 n x n b 2 . . . a m1x1 + a m12 x 2 + ... + a mn x n b m

13

dan x1 0, x 2 0, ..., x n 0, (Tentu saja yang harus kita cari adalah harga-harga x1 , x 2 ,..., x n .). Formulasi diatas dinamakan sebagai bentuk standar dari persoalan programa linier, dan setiap situasi yang formulasi matematisnya memenuhi model ini adalah persoalan programa linier. Istilah yang lebih umum dari model programa linier ini adalah sebagai berikut:

1. 2. 3. 4. 5.
6.

Fungsi

dimaksimumkan, yaitu

c1x1 + c 2 x 2 + ... + c n x n ,

disebut sebagai fungsi tujuan. Pembatas-pembatas atau constrain. Sebanyak m buah constrain pertama sering disebut sebagai constrain fungsional atau pembatas teknologis. Pembatas xj 0 disebut sebagai constrain nonnegatif. Variabel xj adalah variabel keputusan. Konstanta-konstanta aij, bi dan cj adalah parameterparameter model. Selain model programa linier dengan bentuk seperti yang telah diformulasikan diatas, ada pula model programa linier dengan bentuk yang agak lain, seperti:

1.

Fungsi tujuan bukan memaksimumkan, melainkan meminimumkan. Contoh:

14

Minimumkan z = c1x1 + c 2 x 2 + ... + c n x n

2.
Contoh:

Beberapa constrain fungsionalnya mempunyai ketidaksamaan dalam bentuk lebih besar atau sama dengan. a11x1 + a12 x 2 + ... + a1n x n b1 Untuk beberapa harga i

3.

Beberapa constrain fungsionalnya mempunyai bentuk persamaan. Contoh: a11x1 + a12 x 2 + ... + a1n x n = b1 Untuk beberapa harga i

4.

Menghilangkan

constrain

nonnegatif

untuk

beberapa variabel keputusan. Contoh: x j tidak terbatas dalam tanda, untuk beberapa harga j.

2.3

Asumsi Dalam Programa Linier

Dalam menggunakan model programa linier, diperlukan beberapa asumsi sebagai berikut:

1.

Asumsi kesebandingan (proportionality)

a. Kontribusi setiap variabel keputusan terhadap fungsi


tujuan adalah sebanding dengan nilai variabel keputusan.

b. Kontribusi setiap variabel keputusan terhadap fungsi


tujuan bersifat tidak tergantung pada nilai dari variabel keputusan yang lain.

2.

Asumsi penambahan (additivity)

15

a. Kontribusi setiap variabel keputusan terhadap fungsi tujuan


bersifat tidak bergantung pada nilai dari variabel keputusan yang lain.

b. Kontribusi suatu variabel keputusan terhadap ruas kiri


dari setiap pembatas bersifat tidak bergantung pada nilai dari variabel keputusan yang lain.

3.

Asumsi pembagian (divisibility) Dalam persoalan programma linier, variabel keputusan boleh diasumsikan berupa bilangan pecahan.

4.

Asumsi kepastian (certainty) Setiap parameter, yaitu koefisien fungsi tujuan, ruas kanan, dan koefisien teknologis, diasumsikan dapat diketahui secara pasti.

Suatu masalah pemrograman hanya dapat dirumuskan ke dalam persoalan programa linier apabila asumsi-asumsi diatas terpenuhi.

2.4
Pada

Teknik Pemecahan Model Pograma Linier dasarnya, metode-metode yang dikembangkan untuk

memecahkan model programa linier ditujukan untuk mencari solusi dari beberapa alternatif solusi yang dibentuk oleh persamaanpersamaan pembatas sehingga diperoleh nilai fungsi tujuan yang optimum.

16

Ada dua cara yang bisa digunakan untuk menyelesaikan persoalanpersoalan programa linier, yaitu dengan cara grafis dan dengan metode simpleks. Cara grafis dapat dipergunakan apabila persoalan programa linier yang akan diselesaikan itu hanya mempunyai dua buah variabel. Walaupun demikian, cara ini telah memberikan satu petunjuk penting bahwa untuk memecahkan persoalan-persoalan programa linier, kita hanya perlu memperhatikan titik ekstrem (titik terjauh) pada ruang solusi atau daerah fisibel. Petunjuk ini telah menjadi kunci dalam mengembangkan metode simpleks. Metode simpleks merupakan teknik yang paling berhasil di kembangkan untuk memecahkan persoalan programa linier yang mempunyai jumlah variabel keputusan dan pembatas yang besar. Algoritma simpleks ini diterangkan dengan menggunakan logika aljabar matriks, sedemikian sehingga operasi perhitungan dapat dibuat lebih efisien.

2.5.
Didalam

Bentuk Standar Model Programa Linier menyelesaikan persoalan programa linier dengan

menggunakan metode simpleks, bentuk dasar yang digunakan haruslah bentuk standar, yaitu bentuk yang memiliki sifat-sifat sebagai berikut:

17

1. 2.
3.

Seluruh pembatas harus berbentuk persamaan (bertanda =) dengan ruas kanan yang nonnegatif. Seluruh variabel harus merupakan variabel nonnegatif. Fungsi tujuannya dapat berupa maksimasi atau minimasi.

Untuk mengubah suatu bentuk formulasi yang belum standar kedalam bentuk standar ini dapat dilakukan dengan cara-cara sebagai berikut:

1. Pembatas (Constrain) a.
Pembatas yang bertanda atau dapat dijadikan suatu persamaan (bertanda =) dengan menambahkan atau mengurangi dengan suatu variabel slack pada ruas kiri pembatas itu. Contoh 1: x1 + 2 x 2 = 6 Kita tambahkan slack S1 0 pada ruas kiri sehingga diperoleh persamaan: x1 + 2x 2 + S1 = 6, S1 0 Jika pembatas diatas menyatakan batas pengunaan suatu sumber, maka S1 akan menyatakan banyaknya sumber yang tidak terpakai. Contoh 2: 3x1 + 2x 2 3x 3 5

18

Karena ruas kirinya tidak lebih kecil dari ruas kanan, maka harus dikurangkan variabel S2 0 pada ruas kiri sehingga diperoleh persamaan: 3x1 + 2x 2 3x 3 S2 = 5, S2 0

b.

Ruas kanan dari suatu persamaan dapat dijadikan bilangan nonnegatif dengan cara mengalikan kedua ruas dengan -1. Contoh: 2 x1 3x 2 7 x 3 = 5, secara matematis adalah sama dengan 2x1 + 3x 2 + 7 x 3 = 5.

c. Contoh:

Arah ketidaksamaan dapat berubah apabila kedua ruas dikalikan dengan -1. 2 < 4 adalah sama dengan 2 > 4 2 x1 x 2 5 adalah sama dengan 2 x1 + x 2 5

d.

Pembatas dengan ketidaksamaan yang ruas kirinya berada dalam tanda mutlak dapat diubah menjadi dua ketidaksamaan. Contoh 1: Untuk b 0, a1x1 + a 2 x 2 b adalah a1x1 + a 2 x 2 b dan a1x1 + a 2 x 2 b. Contoh 2: Untuk q 0, p1x1 + p 2 x 2 q adalah p1x1 + p 2 x 2 q dan p1x1 + p 2 x 2 q. sama dengan sama dengan

19

2.

Variabel Suatu variabel y i yang tidak terbatas dalam tanda dapat dinyatakan sebagai dua variabel menggunakan substitusi: yi = y i' y i'' dimana y i' dan yi' ' 0 Substitusi ini harus dilakukan pada seluruh pembatas dan fungsi tujuannya. nonnegatif dengan

3.

Fungsi tujuan Walaupun model standar programa linier ini dapat berupa maksimasi atau minimasi, kadang-kadang diperlukan perubahan dari suatu bentuk ke bentuk lainnya. Dalam hal ini, maksimasi dari suatu fungsi adalah sama dengan minimasi dari negatif fungsi yang sama. Contoh: Maksimumkan z = 5x1 + 2 x 2 + 3x 3 Secara matematis adalah sama dengan: Minimumkan ( z) = 5x1 2x 2 3x 3

2.6. Persoalan Transportasi Persoalan transportasi merupakan bentuk khusus programa linier yang membahas masalah pendistribusian atau pengalokasian suatu komoditas atau produk dari sejumlah sumber (supply) kepada sejumlah tujuan (destination, demand), dengan tujuan meminimumkan ongkos pengangkutan yang terjadi.

20

Ciri-ciri khusus persoalan transportasi ini adalah : 1. 2. 3. Terdapat sejumlah sumber dan sejumlah tujuan tertentu. Kualitas komoditas atau barang yang didistribusikan dari stiap sumber dan yang diminta oleh etiap tujuan. Komoditas yang dikirim atau diangkut dari suatu sumber ke suatu tujuan, besarnya sesuai engan permintaan dan atau kapasitas sumber. 4. Ongkos pengangkutan komoditas dari suatu sumber ke suatu tujuan. 2.6.1. Model Transportasi Secara diagramatik, model transportasi dapat digambarkan sebagai berikut : Misalkan ada m buah sumber dan n buah tujuan.
sumber a x11 I=1 x12

Tujuan b j=1

x1n x21 x22


j=2

I=2

j=3

x2n I=3

xm1 xm2 j=n xmn

21

Gambar 2.1. Model Transportasi

Masing-masing sumber mempunyai kapasitas ai , i = 1, 2, 3,...,m Masing-masing tujuan membuthkan komoditas sebanyak bj j = 1, 2, 3,.,n.

Jumlah satuan (unit) yang dikirimkan dari sumbe i ke tujuan j adalah sebanyak xij. Ongkos pengiriman per unit dari sumber I ke tujuan j adalah cij

Dengan demikian, maka formulasi programa liniernya adalah sebagai berikut : m n Minimumkan : z = c ij x ij i 1 j=1 Berdasarkan pembatas : n x ij = a i , j=1 m x = a j, i =1 ij i = 1, 2,..., m i = 1, 2,..., n

x ij 0 untuk seluruh i dan j Sebagai ilustrasi, jika ada 2 buah sumber dan 3 tujuan (m = 2, n = 3)

22

a1
C1 X 3: C 21 : X 21

C11 : X11
C : 12 X
13 12

b1

b2
C 22 : X 22

a2

C23 : X 23

b3

Gambar 2.2. Ilustrasi Model Transportasi

Formulasi : Minimumkan : z = c11.x11 + c12.x12 + c13. x13 + c21.x21 + c22.x22 + c23.x23 Berdasarkan pembatas : x11 + x12 + x13 = a1 x21 + x22 + x23 = a2 x11 + x21 = b1 x12 + x22 = b2 x13 + x23 = b3 Sedangkan tabel program liniernya adalah :
z Persamaan tujuan Pembatas Sumber Pembatas Sumber 1 0 0 0 0 0 x11 -c11 1 1 1 1 x12 -c12 1 x13 -c13 1 x21 -c21 1 1 x22 -c22 1 1 1 x23 -c23 1 Solusi 0 a1 a2 b1 b2 b3

Pembatas sumber

Pembatas tujuan

Tabel 2.2. Tabel program linier model Transportasi

23

Semua koefisien teknologis akan berharga nol atau satu (lihat tabel diatas), dan

ni merupakan karakter/sifat model transportasi.

Dari tabel diatas kita juga tidak dapat melihat solusi awal scara jelas, karena itu pada persoalan transportasi tidak lagi digunakan tabel seperti itu, tetapi diganti dengan tabel berikut :
1 c11 1 Sumber (i) 2 Demand x1 1 c21 x2 1 b1 Tujuan (j) 2 c12 x1 2 c22 x2 2 b2 Supply 3 c13 x1 3 c23 x2 3 b3 a2 a1

Tabel 2.3. Tabel matriks persoalan transportasi

Dengan

demikian,

walaupun

persoalan

transportasi

inidapat

diselesaikan dengan metode simplek, tetapi karena sifat-sifatnya yang khusus itu, maka dapat disusun suatu prosedur yang jauh lebih sederhana, yang secara sepintas lalu seakan-akan tidak ada hubungannya dengan metode simpleks. 2.6.2. Keseimbangan Model Transportasi Suatu model transportasi dikatakan seimbang apabila total supply (sumber) sama dengan total demand (tujuan). Dengan kata lain : m n ai = bj i =1 j=1 Dalam persoalan yang sebenarnya, batasan ini tidak terlalu terpenuhi; atau dengan kata lain, jumlah supply yang tersedia

24

mungkin lebih besar atau lebih kecil daripada jumlah yang diminta. Jika hal ini terjadi, maka mdel persoalannya disebut sebagai model yang tidak seimbang (unbalanced). Batasan diatas dikemukakan hanya karena ia menjadi dasar dalam pengembangan teknik transportasi. Namun, setiap persoalan transportasi dapat dibuat seimbang dengan cara memasukan variable artificial (semu). Jika jumlah demand melebihi jumlah supply, maka dibuat suatu sumber dummy yang akan men-supply kurangan tersebut, yaitu sebanyak j b j i a i

Sebaliknya, jika jumlah supply melebihi jumlah demand, maka dibuat suatu tujuan dummy untuk menyerap kelebihan tersebut, yaitu sebanyak i b i j a j . Ongkos transportasi per unit (c ij) dari sumber dummy keseluruh tujuan adalah nol. Hal ini dapat dipahami karena pada kenyataannya dari sumber dummy tidak terjadi pengiriman. Begitu pula dengan ongkos transportasi pr unit (cij) dari semua sumber ke tujuan dummy adalah nol. Jika pada persoalan transportasi dinyatakan bahwa dari sumber ke k tidak dilakukan atau tidak boleh terjadi pengiriman ke tujuan ke 1, maka nyatakanlah ck1 dengan suatu harga M yang besarnya tidak terhingga (ingat teknik M pada metode simpleks). Hal ini dilakukan

25

agar dari k ke 1 itu benar-benar tidak tejadi pendistribusian komoditas. 2.6.3. Metode Pemecahan Untuk menyelesaikan persoalan transportasi, harus dilakukan langkah-langkah sebagai berikut : 1. Tentukan solusi fisibel basis awal,

2. Tentukan Entering Variable dari variable-variabel nonbasis,


bila semua variabel sudah memenuhi kondisi optimum, STOP, Bila belum, lanjutkan ke langkah 3. 3. Tentukan leaving variabel diantara variabel-variabel basis yang ada, kemudian hitung solusi yang baru. Kembali ke langkah 2. 2.6.3.1. Menentukan Solusi Fisibel Basis Awal Ada tiga metode yang biasa digunakan untuk menentukan solusi fisibel basis awal :

a. Metode pojok kiri atas-pojok kanan bawah ( North West


Corner) Caranya adalah sebagai berikut : Mulai dari pojok kiri atas, alokasikan sebesar x11 = min (a1,b1). Artinya: jika b1 < a1 maka x11 = b1 ; jika b1 > a1, maka x11 = a1. Kalau x11 = b1, maka selanjutnya yang menjadi yang mendapat giliran untuk dialokasikan adalah x12 sebesar min(a1 b1,b2); kalau x11 = a1 (atau b1 > a1), maka selanjutnya yang mendapat giliran untuk

26

dialokasikan adalah x21 sebesar min(b1-a1, a2), demikian seterusnya.

b. Metode ongkos terkecil (Least Cost)


Prinsip cara ini adalah pemberian prioritas pengalokasian pada tempat yang mempunyai satuan ongkos terkecil. Dengan mengambil ongkos terkecil.

c. Metode pendekatan Vogel (Vogels approximation method,


VAM) Cara ini merupakan cara yang terbaik di bandingkan dengan kedua cara diatas. Langkah-langkah pengerjaannya adalah :

1. Hitung Penalty untuk tiap kolom dan baris dengan


jalan mengurangkan elemen ongkos terkecil dari yang kedua terkecil.

2. Selidiki kolom atau baris dengan Penalty terbesar.


Alokasikan sebanyak mungkin pada variabel dengan ongkos terkecil, sesuiakan supply dengan demand, kemudian tandai kolom atau baris yang sudah terpenuhi. Kalau ada 2 buah kolom atau baris yang terpenuhi secara simultan, pilih salah satu untuk di tandai, sehingga supply atau demand pada baris atau kolom yang tidak terpilih adalah 0. Setiap baris atau kolom denagan supply atau dimana = 0, tidak akan terbawa lagi dalam perhitungan Penalty berikutnya.

27

3.

Cara ini merupakan cara terbaik dibandingkan dengan kedua cara diatas. Langkah-langkah pengerjaannya adalah: a. Tinggal satu kolom atau baris yang belum di tandai, STOP. b. Bila tinggal satu kolom atau baris dengan supply atau demand positif yang belum di tandai, tentukan variabel basis pada kolom atau baris dengan cara ongkos terkecil. c. Bila semua baris dan kolom yang belum di tandai mempunyai supply dan diman = 0, tentukan varibelvaribel basis yang berharga 0 dengan cara ongkos terkecil kemudian STOP. d. Jika 3a, b, dan c tidak terjadi hitung kembali Penalty untuk baris dan kolom yang belum di tandai kembali ke no.2.

2.6.3.2. Menentukan Entering Variabel dan Leaving Variabel Menentukan Entering dan Leaving Variable adalah tahap berikutnya dari teknik pemecahan persoalan transfortasi, setelah solusi visible basis awal diperoleh. Ada 2 cara yang bisa dipergunakan dalam menetukan Entering dan Leaving Variable yaitu dengan menggunakan metode Stepping Stone atau metode Multipliers.

a. Metode Stepping Stone


Untuk menentukan entering dan leaving variabel ini, terlebih dahulu harus di buat suatu loop tertutup bagi setiap variabel non

28

basis loop tersebut berawal dan berakhir pada variable nonbasis tadi, dimana tipa sudut loop haruslah merupakan titik-titik yang ditempati oleh variabel-variable basisi dalam tabel transportasi. b. Metode multiplier Cara ini iterasinya sama seperti Stepping Stone. Perbedaan utama terjadi pada cara pengevalusian variabel nonbasis, atau penentuan penurunan ongkos transpor per unit untuk tiap variabel. Cara ini di kembangkan berdasarkan teori dualitas. Untuk tiap basis I dari tabel transformasi di kenal sutu Multiplier

ui , dan untuk kolom j disebut mulitiplier v j X ij di dapat persamaan :

sehingga untuk tiap variabel basis uj + vj + cij

Dari persamaan diatas kita dapat menghitug beberapa penurunan ongkos transportasi perunit untuk tiap variabel nonbasis xij sebagai berikut : cij = xij ui - vj Langkah selanjutnya adalah seperti iterasi yang dilakukan oleh metode stepping stone.

29