= =
=
m
1 1
Z
Dengan kendala :
i
n
j
ij
S X =
=1
, i = 1,2,,m
Maksudnya adalah banyaknya total barang yang dikirim dari
sumber ke-i untuk semua tujuan harus sama dengan kapasitas
produksi sumber ke-i
j
m
i
ij
D X =
=1
, j = 1,2,3,,n
Maksudnya adalah banyaknya total barang yang dikirim dari
sumber i untuk semua tujuan ke-j.
0
ij
X , untuk semua i dan j (semua
ij
X tidak negatif)
Keterangan :
ij
C = Biaya transportasi per unit barang dari sumber i ke tujuan j
ij
X = Jumlah barang yang didistribusikan dari sumber i ke tujuan j
i
S = Jumlah barang yang ditawarkan atau kapasitas dari sumber i
j
D = Jumlah barang yang diminta atau dipesan oleh tujuan j
m = Banyaknya sumber atau lokasi penawaran (persediaan)
n = Banyaknya tempat tujuan atau lokasi permintaan
2.2.5 Model Transportasi
Misalkan
i
S jumlah hasil produksi yang tersedia dipusat pengadaan i
dan
j
D jumlah hasil produksi yang diminta tepat tujuan j, maka kondisi
keseimbangan masalah transportasi ditunjukan sebagai berikut:
= =
=
n
j
j
m
i
i
D S
1 1
Kondisi tersebut merupakan syarat perlu dan cukup agar masalah transportasi
mempunyai penyelesaian-penyelesaian yang layak.
Masalah transportasi dapat dinyatakan dalam sebuah tabel khusus yang
disebut tabel transportasi. Sumber ditulis dalam baris dan tujuan ditulis dalam
kolom. Tabel ini mempunyai m x n kotak. Biaya transportasi perunit (Cij) dicatat
pada kotak kecil dibagian kanan atas setiap kotak. Permintaan dari setiap tujuan
terdapat pada baris paling bawah, sementara penawaran setiap sumber dicatat
pada kolom paling kanan. Kotak pojok kiri bawah menunjukkan kenyataan bahwa
penawaran sama dengan permintaan (S=D). Variabel Xij pada setiap kotak
menunjukkan jumlah barang yang diangkut dari sumber i ke tujuan j (yang akan
dicari).
X
11
X
1n
X
21
X
2n
X
m1
X
m2
X
m1
X
mn
Tabel 2.9 Tabel Transportasi
T U J U A N Ke
Dari 1 2 j n Supply
1
S
1
2
X
21
X
22
S
2
i
i
S
S
U
M
B
E
R
m
m
S
Demand D
1
D
2
D
j
D
n
S
i
=D
j
(Mulyono,1991:107)
Dari tabel di atas jumlah baris sama dengan jumlah penawaran, yaitu:
= = =
=
m
i
i
m
i
n
j
ij
S X
1 1 1
Sedangkan jumlah kolom sama dengan jumlah permintaan, yaitu:
= = =
=
n
i
j
n
j
m
i
ij
D X
1 1 1
C
i2
C
i1
C
12 C
11
C
21
C
22
C
11
C
21
C
1n
C
2n
C
ij
C
in
Cm1 Cm2 Cm1
Cmn
Untuk menyelesaikan permasalahan transportasi seperti tersebut di atas,
maka dapat dilakukan dengan beberapa cara, yaitu:
1. Metode Pojok Barat Laut (North West Corner Method);
2. Metode Biaya Terkecil (Least Cost Method);
3. Metode Batu Loncatan (Stepping Stone Method);
4. Metode MODI (Modified Distribution Method).
2.3 Perhitungan Solusi Transportasi
2.3.1 Metode Pojok Barat Laut (North West Corner Method)
Dasar dari metode pojok barat laut adalah arah. Sesuai dengan namanya,
alokasi pertama dilakukan pada sel yang berada di pojok kiri atas (barat laut),
yaitu sel (1,1). Pengalokasian terhadap sel tersebut menggunakan rumus:
) S , (D min
1 1 1 , 1
= X
jika
1 1
S D < maka sel berikutnya yang terisi adalah sel (1,2) dan
jika
1 1
S D > maka sel berikutnya yang terisi adalah sel (2,1) dan seterusnya.
Cara tersebut dilakukan sampai semua permintaan dan penawaran terpenuhi.
Jumlah sel basisi yang terisi adalah m + n 1.
2.3.2 Metode Biaya Terkecil (Least Cost Method)
Metode biaya terkecil ini meminimalkan biaya distribusi dengan alokasi
sistematik pada sel-sel sesuai dengan besarnya biaya distribusi per unit (Cij),
dimulai dari sel yang mempunyai biaya distribusi terkecil hingga biaya distribusi
terbesar. Prosedur dari metode ini adalah:
1. Memilih sel dengan biaya pengiriman (Cij) terkecil dan alokasikan unit
barang sebanyak mungkin pada sel tersebut. Untuk Cij terkecil, maka
( )
j i ij
D S X , min = . Pengalokasian ini akan menghabiskan baris i atau
kolom j.
2. Dari sel-sel yang belum terisi pilih kembali biaya pengiriman yang
minimum dan alokasikan unit barang sebanyak mungkin, tanpa melanggar
batasannya.
3. Lanjutkan proses ini sampai semua penawaran dan permintaan terpenuhi.
2.3.3 Metode Batu loncatan (Stepping Stone Method)
Metode batu loncatan adalah metode yang mengevaluasi dan memproses
sel non basis yang memungkinkan terjadinya perbaikan solusi, dan kemudian
mengalokasikan kembali sejumlah unit barang.
Sel non basis adalah sel yang tidak mendapatkan alokasi pada solusi
basis awal. Untuk dapat menentukan sel non basis yang akan dievaluasi, terlebih
dahulu harus ditentukan jalur tertutup atau loop yang membentuk arah 90 derajat
(square cornered path) dari sel yang diisi dimana alokasi dapat di transfer ke sel
non basis yang sedang dievaluasi.
Sebuah rangkaian yang setidaknya terdiri dari empat sel disebut loop
atau jalur tertutup jika memenuhi syarat sebagai berikut;
1. Terdapat dua sel yang digunakan pada satu baris atau satu kolom.
2. Tidak diperbolehkan apabila terdapat tiga sel dalam satu baris atau satu
kolom.
3. Sel basis terakhir dalam loop harus berada pada satu baris atau kolom
dengan sel non basis yang akan dievaluasi.
Dalam penyusunan sebuah loop, arah yang diambil baik searah ataupun
berlawanan arah dengan jarum jam adalah tidak penting, karena nantinya akan
menghasilkan nilai yang sama.
Jika loop telah didapatkan, maka langkah berikutnya yang harus dilakukan adalah
sebagai berikut:
1. Untuk sel basis itu sendiri nilai Cij diberi tanda positif, sedangkan untuk
sel berikutnya yang termasuk dalam loop diberi tanda secara bergantian
yaitu negatif, positif, negatif, dan seterusnya.
2. Hitung perubahan biaya delta Cij terhadap masing-masing sel non basis
dengan menjumlahkan nilai Cij yang terdapat pada masing-masing loop.
Jika sel non basis menghasikan perubahan biaya yang positif, artinya
terjadi penambahan biaya apabila dilakukan pengalokasian barang ke ke
sel tersebut. Sebaliknya sel non basis yang menghasilkan perubahan biaya
negatif, akan mengurangi biaya transportasi. Pilih sel non basis yang
memiliki nilai perubahan biaya paling negatif.
3. Pindahkan sejumlah unit barang dari sel basis yang mempunyai nilai Cij
paling besar ke sel non basis terpilih yang berada dalam satu baris atau
satu kolom pada loop tersebut.
4. Ulangi semua langkah di atas, hingga semua nilai perubahan biaya dari
masing-masing sel non basis bernilai nol atau positif.
2.3.4 Metode MODI (Modified Distribution Method)
Metode MODI memberikan perhitungan yang lebih cepat daripada
metode batu loncatan, yaitu dalam hal menganalisa sel non basis. Perbedaan
utamanya, apabila dalam metode ini batu loncatan memerlukan jalur tertutup
untuk mengevaluasi sel non basis, maka metode MODI tidak perlu menentukan
jalur tertutup.
Langkah-langkah dalam metode MODI adalah sebagai berikut:
1. Menentukan nilai-nilai Ui untuk setiap baris dan nilai-nilai Vj untuk setiap
kolom dengan menggunakan hubungan Cij = Ui + Vj untuk semua sel
basis dan tetapkan bahwa niali Ui adalah nol.
2. Hitung perubahan biaya Cij untuk setiap sel non basis
denganmenggunakan rumus Dij = Cij [Ui + Vj], dimana Dij adalah
perubahan biaya untuk sel non basis yang berada pada baris i dan kolom j.
3. Jika terdapat nilai Dij yang negatif, artinya solusi belum optimal. Untuk
sel non basis dengan Dij negatif terbesar, alokasikan sejumlah unit barang
dari sel basis dengan Cij terbesar yang berada pada baris atau kolom yang
sama.
4. Ulangi langkah di atas hingga seluruh nilai Dij bernilai nol atau positif.
2.4 Logika Fuzzy
2.4.1 Pengertian Logika Fuzzy
Istilah logika fuzzy saat ini digunakan dalam dua pengertian yang berbeda.
Dalam pengertian sempit, logika fuzzy adalah suatu sistem logis pada suatu
informasi logis yang bertujuan pada suatu formalisasi dari taksiran pemikiran.
Dalam pengertian luas, logika fuzzy adalah hampir sinonim dengan teori
himpunan fuzzy. Teori himpunan fuzzy pada dasarnya suatu teori dari
pengelompokan dengan batas-batas yang tidak tajam. Teori himpunan fuzzy lebih
luas dibanding logika fuzzy dalam arti sempit dan memiliki cabang lebih dari
satu. Di antara cabang-cabang tersebut adalah aritmetika fuzzy, topologi fuzzy,
teori grafik fuzzy, dan analisis data fuzzy. (Yudha, 1997:9).
Beberapa alasan mengapa orang menggunakan logika fuzzy, yaitu sebagai
berikut:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang
mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara
konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
(Kusumadewi dan Purnomo, 2002:3).
2.4.2 Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu
himpunan A, yang sering ditulis dengan [ ] x
A
, memiliki dua kemungkinan, yaitu:
1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan.
Pada himpunan fuzzy nilai keanggotaan terletak pada interval 0 sampai
1. Apabila x memiliki nilai keanggotaan fuzzy [ ] 0 = x
A
berarti x tidak menjadi
anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzy
[ ] 1 = x
A
berarti x menjadi anggota penuh pada himpunan A.
Keanggotaan fuzzy dengan probabilitas memiliki kemiripan. Kemiripan
tersebut menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1],
namun interpretasi nilainya sangat berbeda antara kedua kasus tersebut.
Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan,
sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil
bernilai benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu
himpunan fuzzy udara DINGIN adalah 0,7 ; maka tidak perlu dipermasalahkan
berapa seringnya nilai itu diulang secara individual untuk mengharapkan suatu
hasil yang hampir pasti dingin. Di lain pihak, nilai probabilitas 0,7 dingin berarti
10 % dari himpunan tersebut diharapkan tidak dingin. (Kusumadewi, 2002:22)
Himpunan fuzzy memiliki dua atribut, yaitu sebagai berikut:
1. Linguistik, yaitu penamaan suatu kelompok (grup) yang mewakili suatu
keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti:
MUDA, PAROBAYA, TUA.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran suatu
variabel seperti: 40, 25, 50, dan sebagainya.
Beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu
sebagai berikut:
1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu
sistem fuzzy.
2. Himpunan fuzzy, merupakan suatu kelompok (grup) yang mewakili suatu
kondisi atau keadaaan tertentu dalam suatu variabel fuzzy.
3. Semesta Pembicaraan, adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton
dari kiri ke kanan.
4. Domain, adalah keseluruhan nilai yang diijinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti
halnya semesta pembicaraan, domain merupakan himpunan bilangan real
yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.
2.4.3 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara
0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah melalui pendekatan fungsi. Dalam buku yang ditulis oleh
Kusumadewi dan Purnomo (2004:8) dijelaskan ada beberapa fungsi yang dapat
digunakan untuk memperoleh nilai keanggotaan, yaitu:
1. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan
menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang
jelas.
Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan
himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan
nol [0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat
keanggotaan lebih tinggi.
a b
1
] [x
0
Gambar 2.1 Representasi Linear Naik
Fungsi Keanggotaan:
=
b x
b x a a b a x
a x
x
; 1
); /( ) (
; 0
] [
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian
bergerak menurun ke nilai domain yang memiliki derajat keanggotaan
lebih rendah.
Fungsi Keanggotaan :
=
b x
b x a a b x b
x
; 0
); /( ) (
] [
a b
1
] [x
0
Gambar 2.2 Representasi Linear Turun
2. Representasi Kurva Segitiga
Kurva Segitiga ditandai oleh adanya tiga parameter (a, b, c) yang akan
menentukan koordinat x dari tiga sudut.
Fungsi Keanggotaan :
=
c x b b c x c
b x a a b a x
c x atau a x
x
); /( ) (
); /( ) (
; 0
] [
3. Representasi Kurva Trapesium
Kurva Trapesium pada dasarnya seperti bentuk segitiga, tetapi ada
beberapa titik yang memiliki nilai keanggotaan 1.
a b c
1
] [x
0
Gambar 2.3 Kurva Segitiga
Gambar 2.4 Kurva Trapesium
a b c d
1
] [x
0
Fungsi Keanggotaan :
=
d x c c d x d
c x b
b x a a b a x
d x atau a x
x
) /( ) (
; 1
) /( ) (
; 0
] [
4. Representasi Kurva-S
Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau
sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan
secara tak linear. Kurva-S didefinisikan dengan menggunakan tiga
parameter, yaitu: nilai keanggotaan nol ( ) , nilai keanggotaan lengkap
( ) , dan titik infleksi atau crossover ( ) yaitu titik yang memiliki domain
50 % benar.
1
2
1
] [x
0
Gambar 2.5 Karakteristik fungsi kurva-S
) ( 0 ] [ = x
) ( 1 ] [ = x
) ( 5 , 0 ] [ = x
Fungsi keanggotaan pada kurva PERTUMBUHAN adalah:
x
x x
x x
x
x S
; 1
; )) /( ) (( 2 1
; )) /( ) (( 2
; 0
) , , ; (
2
2
Fungsi keanggotaan pada kurva PENYUSUTAN adalah:
x
x x x
x x
x
x S
; 0
; )) /( ) (( 2
; )) /( ) (( 2 1
; 1
) , , ; (
2
2
5. Representasi Kurva Bentuk Lonceng (Bell Curve)
Untuk merepresentasikan bilangan fuzzy, biasanya digunakan kurva
berbentuk lonceng. Kurva berbentuk lonceng ini terbagi atas tiga kelas,
yaitu: himpunan fuzzy , beta, dan gauss. Perbedaan kurva ini terletak
pada gradiennya.
(a). Kurva Phi ) (
Kurva berbentuk lonceng dengan derajat keanggotaan 1 terletak
pada pusat dengan domain ) ( , dan lebar kurva ) ( .
Fungsi Keanggotaan:
> |
.
|
\
|
+ +
|
.
|
\
|
=
x x S
x x S
x
,
2
, ; 1
,
2
, ;
) , , (
(b). Kurva BETA ) (
Kurva berbentuk lonceng namun lebih rapat. Kurva ini juga
didefinisikan dengan dua parameter, yaitu nilai pada domain yang
menunjukkan pusat kurva ) ( , dan setengah lebar kurva ) (
Gambar 2.6 Karakteristik fungsi kurva-
1
] [x
0,5
0
i
Titik
Infleksi
Lebar
( )
Domain
Pusat (y)
Fungsi Keanggotaan:
2
1
1
) , ; (
|
|
.
|
\
|
+
=
y x
x B
(c). Kurva GAUSS ) (
Jika kurva PI dan kurva BETA menggunakan dua parameter yaitu
kurva ) ( dan , kurva GAUSS juga menggunakan ) ( untuk
menunjukkan nilai domain pada pusat kurva, dan (k) yang
menunjukkan lebar kurva.
Gambar 2.7 Karakteristik fungsi kurva-
1
] [x
0,5
0
i
Titik Infleksi
Titik Infleksi
+
Domain
Pusat (y)
Fungsi Keanggotaan:
2
) (
) , ; (
x k
e k x G
=
2.5.4 Koordinat Keanggotaan
Himpunan fuzzy berisi urutan pasangan berurutan yang berisi nilai
domain dan kebenaran nilai keanggotaannya dalam bentuk:
Skalar (i) / Derajat (i)
Skalar adalah suatu nilai yang digambar dari domain himpunan fuzzy,
sedangkan Derajat skalar merupakan derajat keanggotaan himpunan fuzzynya.
Gambar 2.8 Karakteristik fungsi kurva-
1
] [x
0,5
0
i
Lebar
k
Domain
Pusat (y)
2.5.5 Operator-Operator Fuzzy
1. Operasi Himpunan Crisp
Pada logika tradisional, fungsi keanggotaan suatu himpunan terbagi atas dua
daerah, yaitu:
[ ] atau A x jika x
A
= , 0
[ ] A x jika x
A
= , 1
Dengan kata lain, fungsi keanggotaan himpunan A bernilai nol (0), jika x
bukan merupakan elemen dari himpunan A. Sebaliknya, fungsi keanggotaan
himpunan A akan bernilai satu (1) jika x merupakan anggota A.
Keanggotaan himpunan crisp selalu dapat dikategorikan secara penuh tanpa
ada dikotomi atau ambiguitas.
2. Tipe Dasar Zadeh untuk Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang
didefinisikan secara khusus untuk mengkombinasi dan memodifikasi
himpunan fuzzy. Berikut ini beberapa operasi logika fuzzy konvensional
yang didefinisikan oleh Zadeh (Djauhari, 1990: 1-3).
(a). Interseksi Himpunan Fuzzy
Pada sistem crisp, interseksi antara dua himpunan berisi elemen-elemen
yang berada pada kedua himpunan. Hal ini ekuivalen dengan operasi
aritmetika atau logika AND. Pada logika fuzzy konvensional, operator
AND diperlihatkan dengan derajat keanggotaan minimum antar kedua
himpunan dan dipresentasikan:
[ ] [ ] ( ) y x
B A B A
, min =
(b). Union Himpunan Fuzzy
Union dari dua himpunan dibentuk dengan menggunakan operator OR.
Pada logika fuzzy konvensional, operator OR diperlihatkan dengan
derajat keanggotaan maksimum antar kedua himpunan dan
dipresentasikan:
[ ] [ ] ( ) y x
B A B A
, max =
(c). Komplemen (Negasi) Himpunan Fuzzy
Komplemen atau negasi suatu himpunan A berisi semua elemen yang
tidak berada di A dan dipresentasikan dengan:
[ ] x
A A
=1
'
.
Karena himpunan fuzzy tidak dapat dibagi dengan tepat seperti halnya
pada himpunan crisp, maka operasi-operasi ini diaplikasikan pada
tingkat keanggotaan. Suatu elemen dikatakan menjadi anggota himpunan
fuzzy jika :
1). Berada pada domain himpunan tersebut.
2). Nilai kebenaran keanggotaannya 0
3). Berada di atas ambang cut yang berlaku.
(Kusumadewi, 2002: 60)
2.5 Masalah Transportasi Fuzzy
Model transportasi sangatlah penting bagi perencanaan produksi.
Parameter-parameter pada model transportasi adalah : biaya (profit), nilai
permintaan dan supply (produksi dan kapasitas penyimpanan). Pada prakteknya,
parameter-parameter ini tidak dapat diketahui dengan pasti. Apabila hal ini terjadi,
maka salah satu solisinya dapat dicari dengan menggunakan operasi himpunan
fuzzy.
Besar biaya ditetapkan secara eksak, sedangkan jumlah permintaan dan
supply masih belum diketahui dengan jelas. Ketidakjelasan ini disebabkan oleh
kurangnya informasi atau kebijakan khusus dari perusahaan.
2.5.1 Formulasi Permasalahan Dan Notasi
Beberapa bentuk fungsi untuk mempresentasikan bilangan fuzzy, yaitu :
1. L : Linier, dirumuskan sebagai F(y) = max( ) { }; 0 , 1 , 0
+
R y y
2. E : Exponensial, dirumuskan sebagai F(y) = { }; 0 , 1 ,
+
R y p e
py
3. P : Power, dirumuskan sebagai F(y) = max( ) { }; 0 , 1 , 1 , 0
+
R y P y
p
4. R : Rational, dirumuskan sebagai F(y) =
( )
{ }; 0 , 1 ,
1
1
+
+
R y p
y
p
Apabila digunakan bilangan fuzzy berbentuk L L , maka bilangan fuzzy dapat
dinotasikan sebagai A=( )
L L A A
a a
, , , dengan derajat keanggotaan sebagai
berikut:
Dengan
A A
a a , , , adalah bilangan real negatif.
Masalah transportasi fuzzy dapat diformulasikan sebagai berikut :
Minimumkan : ( )
ij
i
n
j
ij
X C x
= =
=
m
1 1
C
Dengan batasan :
i
n
j
ij
A X
=1
; i = 1,2,3,,m (2.1)
j
m
i
ij
B X
=1
, j = 1,2,3,,n
dengan 0
ij
X dan integer, merupakan variabel keputusan berbentuk matriks
berukuran m x n, i = 1,2,3,,m dan j = 1,2,3,,n
i
A dan
j
B adalah bilangan fuzzy yang berbentuk :
A=( )
L L A A
a a
, , , dan B=( )
L L B B
b b
, , ,
ij
c adalah biaya transportasi yang bernilai crips (tegas).
Fungsi Goal (tujuan/ sasaran) berbentuk :
G = ( )
L L G
c
, 0 , , 0
0
[A]
A
a
A
1
[B]
R
b
B
1
G[Z]
0
A
1
b
0 0
(a) (b) (c)
Gambar 2.9 Bentuk umum: (a) Bilangan fuzzy A; (b) Bilangan
fuzzy B; (c) Bilangan fuzzy G
Gambaran umum bilangan fuzzy A, dan B yang masing-masing seperti terlihat
pada gambar 2.9a, dan 2.9b, adalah kurva berbentuk trapezium. Sedangkan
bilangan fuzzi G seperti yang terlihat pada gambar 2.9c merupakan kurva yang
berbentuk bahu kiri.
Contoh :
A = ( )
L L
5 , 3 , 15 , 10 artinya bilangan fuzzy A memiliki bentuk trapezium seperti
terlihat pada 2.10a. bilangan fizzy B = ( )
L L
10 , 5 , 30 , 30 artinya bilangan fuzzy A
memiliki bentuk segitiga seperti terlihat pada gambar 2.10b. bilangan fuzzy
G=( )
L L
550 , 0 , 500 , 0 artinya bilangan fuzzy A memiliki bentuk bahu kiri seperti
terlihat pada gambar berikut:
[A]
15 20
1
[B]
30 40
1
G[Z]
0
500
1
25 0 0 550 10 7
(a) (b) (c)
Gambar 2.10 (a) Bilangan fuzzy A; (b) Bilangan fuzzy B;
(c) Bilangan fuzzy G
Beberapa definisi yang dapat digunakan sebagai acuan mencari solusi x,
yaitu sebagai berikut:
Definisi 1
Misal x adalah sebarang penyelesaian, maka :
1. Nilai :
( ) ( ) ( )
=
(
=
(
=
= =
n 1,2,..., j , ,..., 2 , 1 min
1
Bj
1
Ai
m
i
ij
n
j
ij c
x m i x x
Disebut sebagai derajat kecocokan batasan untuk masalah (2.1).
2. Nilai :
( ) ( ) ( )
(
= =
= =
m
i
n
j
ij ij G G
x c x
1 1
G
x c
Disebut sebagai derajat kecocokan goal untuk masalah (2.1).
Definisi 2
Solusi maksimum dari masalah (2.1) adalah x sedemikian hingga
( ) ( ) ( )
=
(
=
(
=
= =
n 1,2,..., j , ,..., 2 , 1 min
1
Bj
1
Ai
m
i
ij
n
j
ij c
x m i x x
Mengandung nilai yang maksimum. Jika nilai maksimumnya adalah nol, maka
dikatakan bahwa masalah (8.1) berada pada daerah infeasible.
Menurut definisi 2, penyelesaian masalah (2.1) adalah sama dengan
menyelesaikan programa integer sebagai berikut :
( ) ( ) { } { } x x
G c
, min max
dengan 0
ij
X , I = 1,2,,m dan j = 1,2,,n.
permasalahan di atas dapat dibawa ke bentuk :
maks :
dengan batasan :
)) ( ( x c
G
(
=
n
j
ij Ai
x
1
; i = 1,2,,m (2.2)
(
=
m
i
ij Bi
x
1
; j = 1,2,,n
0 > .
0
ij
X dan integer.
Definisi 3
Misalkan A asalah bilangan Fuzzy. cut dari A, sinotasikan dengan
A adalah
himpunan bilangan real yang mana fungsi keanggotaan A tidak lebih kecil (lebih
besar) dari
( ) { }
= t R t A
A
dengan demikian dapat ditulis :
( ) ( ) [ ] ; ,
1
Ai i Ai i i i
L a L a A
+ =
i = 1,2,,m (2.3)
( ) ( ) [ ] ; ,
1
Bi i Bi i i j
L b L b B
+ =
j = 1,2,,n
( ) [ ] ; , 0
1
0 G G
L c G
+ = (2.4)
sehingga masalah (2.2) dapat ditulis kembali menjadi :
maks :
dengan batasan :
c(x)
G
i
n
j
ij
A X
=1
; i = 1,2,3,,m (2.5)
]
1
j
m
i
ij
B X
=
; j = 1,2,3,,n
0 = .
0
ij
X dan integer.
Permasalahan diatas bukan merupakan masalah transportasi (bisa dilihat dari
fungsi tujuan dan batasan pertama). Masalah ini harus diselesaikan dengan
interval transportation problem.
Masalah (2.5) dibawa ke bentuk :
Min : c(x)
i
n
j
ij
A X
=1
; i = 1,2,3,,m (2.6)
]
1
j
m
i
ij
B X
=
; j = 1,2,3,,n
0 = .
0
ij
X dan integer.
Interval batasan pada masalah (2.6) bisa jadi bukan berupa bilangan integer.
Masalah ini dapat dibawa ke bentuk masalah (2.7).
Definisi 4
Misalkan A adalah sembarang interval. Symbol [A] menotasikan interval terbesar
yang bernilai integer : [a,b] dengan :
a = min { } integer : , t A t t
b = max { } integer : t , B t t
permasalahan (2.6) dapat dibawa ke :
Min : c(x)
Dengan batasan : ] [
1
i
n
j
ij
A X
=
; i = 1,2,3,,m (2.7)
] [
1
j
m
i
ij
B X
=
; j = 1,2,3,,n
0
ij
X dan integer.
2.5.2 Transformasi : Transportasi Interval Ke Transportasi Klasik
Misalkan ada suatu permasalahan transportasi dengan nilai permintaan
dan supply berbentuk interval sebagai berikut :
Min : ( )
ij
i
n
j
ij
X C x
= =
=
m
1 1
C
Dengan batasan :
i
n
j
ij
A X
=1
; i = 1,2,3,,m (2.8)
j
m
i
ij
B X
=1
, j = 1,2,3,,n
0
ij
X dan integer.
Masalah (2.8) dapat ditransformasikan kedalam bentuk classical transportation
dengan menambahkan beberapa dummy pada sumber dan tujuan. Akan diperoleh
(2m+1) sumber dengan nilai supply , 1 2 ,..., 3 , 2 , 1 + = m a
i
sebagai berikut:
;
1
j j
a a = i = 1,2,3,,m
1 2
m j m j j
a a a
= i = m+1,m+2,,2m
( )
=
+
=
n
j
j j m
b b a
1
1 2
1 2
Juga akan diperoleh (2n+1) tujuan dengan nilai permintaan (demand) b
j
,
j= 1,2,3,,2n+1, sebagai berikut:
;
1
j j
b b = i = 1,2,3,,m
1 2
m j m j j
b b b
= i = m+1,m+2,m+3,,2m
= =
+
=
n
j
j
m
i
m
b a b
1
1
1
2
1 1 2
Koefisien biaya
ij
d adalah:
;
ij ij
c d = i = 1,2,3,,m; j = 1,2,3,,n.
;
m i ij
c d
= i = m+1,m+2,m+3,,2m; j = 1,2,3,,n.
;
, n j i ij
c d
= i = 1,2,3,,m; j = n+1,n+2,n+3,,2n.
;
, n j m i ij
c d
= i = m+1,m+2,m+3,,2m; j = n+1,n+2,n+3,,2n.
;
1 2 ,
M d
n i
=
+
M=bilangan yang sangat besar, i = 1,2,3,,m
; 0
1 2 ,
=
+ n i
d i = m+1,m+2,m+3,,2m
;
, 1 2
M d
j m
=
+
M=bilangan yang sangat besar, j = 1,2,3,,n.
; 0
, 1 2
=
+ j m
d j = n+1,n+2,n+3,,2n.
BAB III
METODE PENELITIAN
3.1 Pendekatan penelitian
Pendekatan disini adalah metode atau cara untuk mengadakan
penelitian, dan juga dapat menunjukkan jenis atau tipe yang sedang diambil
(Arikunto, 1998). Penentuan pendekatan berfungsi untuk menentukan variabel
atau obyek penelitian yang akan digunakan dan menentukan subyek penelitian
atau sumber dimana kita akan memperoleh data.
Adapun pendekatan yang digunakan dalam penelitian ini adalah
pendekatan deskriptif-kuantitatif. Menurut Whitney (1960), metode deskriptif
adalah pencarian fakta dengan interpretasi yang tepat, yang mana bertujuan untuk
membuat gambaran mengenai situasi atau kejadian, sehingga metode ini
berkehendak mengadakan akumulasi pada data dasar.
Model kuantitatif merupakan model model keputusan yang banyak
dituntut menggunakan angka. Mulai dari menumpulkan data, penafsiran terhadap
data dan penampilan dari hasilnya (Arikunto, 2002). Sehingga dalam pemahaman
akan kesimpulan penelitian akan lebih baik jika disertai dengan table, grafik,
bagan, gambar atau tampilan lain.
3.2 Waktu dan Lokasi Penelitian
Lokasi atau tempat yang cocok untuk dijadikan obyek penelitian adalah
sebuah perusahaan yang memiliki beberapa gudang dan tempat tujuan, untuk itu
penulis memilih sebuah perusahaan gula, yaitu PT. PG. Rajawali I Krebet Baru
Bululawang Malang, sebagai obyek penelitian. Alasan penulis memilih lokasi PT.
PG. Rajawali I Krebet Baru adalah lokasinya yang terletak di kota Malang,
sehingga penulis dapat lebih mudah dalam melakukan penelitian. Selain itu PT.
PG. Rajawali I Krebet Baru memiliki lima gudang yang kesemuanya terletak di
dalam area PT. PG. Rajawali I Krebet Baru, sedangkan penyalurnya juga terdiri
dari lima perusahaan, yaitu; Citra Gemini, Fajar Mulia, Yuris Bina, Berlian M.,
Berlian Penta.
Waktu yang diberikan perusahaan kepada penulis untuk melakukan
penelitian, yaitu pada tanggal 16 april sampai pada 27 april 2007.
Data yang diambil adalah data penjualan gula pada tahun 2006/2007.
3.3 Sumber data
Data yang digunakan dalam penelitian ini berasal dari data sekunder,
yaitu data yang diperoleh atau dikumpulkan dari sumber-sumber yang telah ada.
Data itu biasanya diperoleh dari perusahaan atau dari laporan-laporan peneliti
terdahulu. Data sekunder disebut juga data tersedia (Iqbal, 2002).
Data yang diperlukan dari PT. PG. Rajawali I Krebet Baru, Bululawang
adalah sebagai berikut:
Tabel 3.1 Kapasitas Produksi Gula Di Beberapa Gudang
(Satuan TON)
Gudang Minimal Standart Maksimum
1 3000 4000 5000
2 10000 13000 19000
3 5000 7000 10000
4 4000 5000 6500
5 4000 5000 6500
(PT. PG. Krebet 2006)
Pabrik gula Rajawali I unit Krebet Baru mempunyai 5 gudang, yang
kesemuanya terletak di pabrik gula tersebut. Gudang 1, idealnya bisa dipakai
untuk menyimpan gula sekitar 4000 ton, dengan penyimpanan minimum 3000
ton, dan maksimum bisa mencapai 5000 ton. Gudang 2, idealnya bisa dipakai
untuk menyimpan gula sekitar 13000 ton, dengan penyimpanan minimum 10000
ton, dan maksimum bisa mencapai 19000 ton. Gudang 3, idealnya bisa dipakai
untuk menyimpan gula sekitar 7000 ton, dengan penyimpanan minimum 5000
ton, dan maksimum bisa mencapai 10000 ton. Gudang 4, idealnya bisa dipakai
untuk menyimpan gula sekitar 5000 ton, dengan penyimpanan minimum 4000
ton, dan maksimum bisa mencapai 6500 ton. Gudang 5, idealnya bisa dipakai
untuk menyimpan gula sekitar 5000 ton, dengan penyimpanan minimum 4000
ton, dan maksimum bisa mencapai 6500 ton.
Tabel 3.2 PT. Yang Menjadi Tujuan Pemasaran
NO PT Variabel
1. Citra Gemini CG
2. Fajar Mulia FM
3. Yuris Bina YB
4. Berlian M. BM
5. Berlian Penta BP
(PT. PG. Krebet 2006)
Tabel 3.3 Kapasitas Produksi Gula Yang Dibutuhkan Oleh Perusahaan
(Satuan TON)
PT. Minimal Standart Maksimum
CG 5000 6000 7000
FM 8000 10000 15000
YB 5000 7000 8000
BM 5000 6000 7000
BP 7000 8000 10000
(PT. PG. Krebet 2006)
Pabrik gula Rajawali I unit Krebet Baru juga mempunyai 5 tempat
tujuan distribusi gula, yaitu (CG), (FM), (YB), (BM), (BP). Kebutuhan gula di CG
rata-rata sebanyak 6000 ton, dengan minimum kebutuhan 5000 ton, dan
maksimum kebutuhan 7000 ton. Kebutuhan gula di FM rata-rata sebanyak 10000
ton, dengan minimum kebutuhan 8000 ton, dan maksimum kebutuhan 15000 ton.
Kebutuhan gula di YB rata-rata sebanyak 7000 ton, dengan minimum kebutuhan
5000 ton, dan maksimum kebutuhan 8000 ton. Kebutuhan gula di BM rata-rata
sebanyak 6000 ton, dengan minimum kebutuhan 5000 ton, dan maksimum
kebutuhan 7000 ton. Kebutuhan gula di BP rata-rata sebanyak 8000 ton, dengan
minimum kebutuhan 7000 ton, dan maksimum kebutuhan 10000 ton.
Tabel 3.4 Biaya Pengiriman Atau Biaya Distribusi Per Unit Dari Lokasi
Sumber Ke Lokasi Tujuan
Biaya Angkut di Daerah Pemasaran (Rp/ton) Tujuan
Sumber CG FM YB BM BP
1 8.000 4.800 1.600 2.400 8.000
2 8.000 32.000 4.000 8.000 40.000
3 8.000 32.000 4.000 6.400 16.000
4 8.000 6.400 2.400 3.200 8.000
5 8.000 6.400 2.400 4.000 8.000
(PT. PG. Krebet 2006)
3.4 Metode pengumpulan data
1. Wawancara, yaitu mengadakan tanya jawab kepada pihak perusahaan
mengenai data-data yang diperlukan dalam penelitian.
2. Dokumentasi, yaitu mengambil data yang ada pada perusahaan.
3.5 Analisis data
Setelah data diperoleh, dilakukan analisis dan perhitungan terhadap
data tersebut. Analisis data merupakan bagian terpenting dalam penelitian, karena
dengan analisis data tersebut dapat diberi arti dan makna yang berguna dalam
memecahkan masalah penelitian.
Analisa adalah mengelompokkan, membuat suatu urutan, memanipulasi
serta menyingkatkan data sehingga mudah untuk dibaca. Langkah-langkah untuk
menganalisis adalah sebagai berikut :
1. Tetapkan ( ) 0 1 = dan ( ) 1 2 =
2. Selesaikan masalah untuk ( ) 1 = ;
a. Jika masalah tersebut feasible dan ( ) ( ) ( )
( ) 1
1
G x c , ke langkah 3.
b. Jika tidak, berhenti. Masalah (1) infeasible ( ) ( ) x setiap untuk , 0 = x
D
.
3. Selesaikan masalah untuk ( ) 2 = ;
a. Jika masalah tersebut feasible dan ( ) ( ) ( )
( ) 2
2
G x c , berhenti.
( ) 2 = adalah solusi optimal dengan ( ) ( ) 1 = x
D
b. Jika tidak ke langkah 4.
4. Hitung ( )
( ) ( ) ( )
.
2
2 1
half
+
= Ke langkah 5.
5. Selesaikan masalah untuk ( ) half = ;
a. Jika masalah infeasible, maka tetapkan ( ) ( ) half 2 = . Ke langkah 6.
b. Jika tidak, kerjakan:
1. Jika ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) half x maka , half x half x
C G
= adalah
solusi optimal. Berhenti.
2. Jika ( ) ( ) ( ) ( ) ( ) ( ) ( ) = > 1 maka , half x half x
C G
( ) ( ) ( ) half x
C
,
ke langkah 6.
3. Jika ( ) ( ) ( ) ( ) ( ) ( ) maka , half x half x
C G
< ( ) 2 = ( ) ( ) ( ) half x
C
,
atau jika ( ) 2 = ( ) ( ) ( ) half x
C
, maka ( ) ( ) half 2 = .
6. Jika ( ) ( ) , 1 2 > ke langkah 4. Jika tidak, cek apakah masalah untuk
( ) 1 = adalah minimal extension dari masalah untuk ( ) 2 = . Jika
tidak ke langkah 4. Jika ya, berhenti, salah satu solusi yaitu x ( ) ( ) 1 atau
x ( ) 2 adalah solusi optimal.
Nilai biasanya antara berkisar antara 0,05 1 , 0 .
BAB IV
PEMBAHASAN
Data-data yang telah diperoleh dari PT PG. Krebet kita buat menjadi
matriks atau tabel transportasi, yang mana tujuan pembuatannya adalah untuk
meringkas dan menyajikan dengan jelas data-data tersebut.
Tabel 4.1 Biaya Pengiriman Atau Biaya Distribusi Per Unit Dari Lokasi Sumber
Ke Lokasi Tujuan
Biaya Angkut di Daerah Pemasaran (Rp/ton) Tujuan
Sumber CG FM YB BM BP
1 8.000 4.800 1.600 2.400 8.000
2 8.000 32.000 4.000 8.000 40.000
3 8.000 32.000 4.000 6.400 16.000
4 8.000 6.400 2.400 3.200 8.000
5 8.000 6.400 2.400 4.000 8.000
(PT. PG. Krebet 2006)
Anggaran yang tersedia adalah sebesar Rp 600.000.000,-. Namun
demikian, pabrik gula Rajawali I unit Krebet Baru masih bisa mengusahakan
maksimal, Rp 160.000.000,- lagi.
4.1 Pembahasan
Minimumkan :
= =
=
m
1 i
n
1 j
ij ij
X C C(x)
15 14 13 12 11
X 8000 X 2400 X 1600 X 4800 X 8000 + + + + +
25 24 23 22 21
X 40000 X2 8000 X 4000 X 3200 X 8000 + + + + +
35 34 33 32 31
X 16000 X 6400 X 4000 X 3200 X 8000 + + + + +
45 44 43 42 41
X 8000 X 3200 X 2400 X 6400 X 8000 + + + + +
55 54 53 52 51
X 8000 X 4000 X 2400 X 6400 X 8000 + + + +
Dengan kendala :
( )
L - L 15 14 13 12 11
1000 , 1000 , 4000 , 4000 X X X X X + + + +
( )
L - L 25 24 23 22 21
6000 , 3000 , 13000 , 13000 X X X X X + + + +
( )
L - L 35 34 33 32 31
3000 , 2000 , 7000 , 7000 X X X X X + + + +
( )
L - L 45 44 43 42 41
1500 , 1000 , 5000 , 5000 X X X X X + + + +
( )
L - L 55 54 53 52 51
1500 , 1000 , 5000 , 5000 X X X X X + + + +
( )
L L
+ + + + 1000 , 1000 , 6000 , 6000 X X X X X
51 41 31 21 11
( )
L L
+ + + + 5000 , 2000 , 10000 , 10000 X X X X X
52 42 32 22 12
( )
L L
+ + + + 1000 , 2000 , 7000 , 7000 X X X X X
53 43 33 32 13
( )
L L
+ + + + 1000 , 1000 , 6000 , 6000 X X X X X
54 44 34 24 14
( )
L L
+ + + + 2000 , 1000 , 8000 , 8000 X X X X X
55 45 35 25 15
15 14 13 12 11
X , X , X , X , X , , X , X , X , X , X
25 24 23 22 21
, X , X , X , X , X
35 34 33 32 31
, X , X , X , X , X
45 44 43 42 41
integer. dan 0 X , X , X , X , X
55 54 53 52 51
Fuzzy tujuannya ditentukan sebagai berikut :
( )
L - L
000 . 000 . 160 , 0 ; 000 . 000 . 600 , 0 G =
Gambaran umum masalah dapat dilihat pada gambar berikut:
G[c(x)]
1
0 160.000.000 600.000.000
Gambar 4.1 Gambaran Umum Masalah Rute Pengiriman Barang
cut untuk nilai fuzzy supply dan demand, serta fuzzy goal sesuai dengan
bentuk L-L adalah sebagai berikut :
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]. 1 1500 5000 , 1 1000 5000 A
; 1 1500 5000 , 1 1000 5000 A
; 1 3000 7000 , 1 2000 7000 A
; 1 6000 13000 , 1 3000 13000 A
; 1 1000 4000 , 1 1000 4000 A
5
4
3
2
1
+ =
+ =
+ =
+ =
+ =
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) [ ]
+ =
+ =
+ =
+ =
+ =
+ =
1 000 . 000 . 160 000 . 000 . 600 , 0 G
. 1 2000 8000 , 1 1000 8000 B
; 1 1000 6000 , 1 1000 6000 B
; 1 3000 7000 , 1 2000 7000 B
; 1 3000 10000 , 1 3000 10000 B
; 1 1000 6000 , 1 1000 6000
5
4
3
2
1
B
Permasalahan distribusi barang tersebut akan diselesaikan dengan
menggunakan metode Northwest Corner Rule, yaitu barang yang terletak pada
baris paling atas atau sel (1,1)., dikirim ke perusahaan pada kolom paling kiri.
Langkah-langkah berikut perlu diperhatikan dalam menjalankan aturan
pojok kiri atas (Northwest Corner Rule). Dimulai dari kotak kiri atas:
1. Perhatikan kapasitas pabrik dari masing-masing baris.
2. Kaitkan dengan permintaan masing-masing gudang untuk setiap kolom.
3. Teliti kembali apakah ada keseimbangan antara persediaan dan permintaan,
jika tidak maka harus menggunakan dummy.
4. Pengalokasian terhadap sel tersebut menggunakan rumus: ) S , (D min
1 1 1 , 1
= X
jika
1 1
S D < maka sel berikutnya yang terisi adalah sel (1,2) dan
jika
1 1
S D > maka sel berikutnya yang terisi adalah sel (2,1) dan seterusnya.
Solusinya sebagai berikut;
Langkah 1 : Tetapkanlah ( ) ( ) 1 2 dan 0 1 = =
Langkah 2 :
( ) 0 1 =
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ] 6500 , 4000 ] 6500 , 4000 [ 0 1 1500 5000 , 0 1 1000 5000 A
; 6500 , 4000 ] 6500 , 4000 [ 0 1 1500 5000 , 0 1 1000 5000 A
; 10000 , 5000 ] 10000 , 5000 [ 0 1 3000 7000 , 0 1 2000 7000 A
; 19000 , 10000 ] 19000 , 10000 [ 0 1 6000 13000 , 0 1 3000 13000 A
; 5000 , 3000 ] 5000 , 3000 [ 0 1 1000 4000 , 0 1 1000 4000 A
2
5
5
1
0
5
2
4
4
1
0
4
2
3
3
1
0
3
2
2
2
1
0
2
2
1
1
1
0
1
= = = =
= = = =
= = = + =
= = = + =
= = = + =
a a
a a
a a
a a
a a
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ] [ ]
( ) ( ) [ ]
( ) [ ] ] 000 . 000 . 760 , 0 [ 0 1 000 . 000 . 160 000 . 000 . 600 , 0 G
. 10000 , 7000 ] 10000 , 7000 [ 0 1 2000 8000 , 0 1 1000 8000 B
; 7000 , 5000 7000 , 5000 0 1 1000 6000 , 0 1 1000 6000
; 8000 , 5000 ] 8000 , 5000 [ 0 1 1000 7000 , 0 1 2000 7000 B
; 15000 , 8000 ] 15000 , 8000 [ 0 1 5000 10000 , 0 1 2000 10000 B
; 7000 , 5000 ] 7000 , 5000 [ 0 1 1000 6000 , 0 1 1000 6000 B
0
5
2
5
1
0
5
4
2
4
1
0
4
3
2
3
1
0
3
2
2
2
1
0
2
1
2
1
1
0
1
= + =
= = = + =
= = = + =
= = = + =
= = = + =
= = = + =
b b
b b B
b b
b b
b b
Tabel 4.2 Tabel Awal Masalah Transportasi ( ) 0 1 =
CG FM YB BM BP CG* FM* YB* BM* BP*
FD
S
1 8.,000 4.800 1.600 2.400 8.000 8.000 4.800 1,600 2.400 8.000
M
3.000
2 8.000 32.000 4,000 8.000 40.000 8.000 32.000 4.000 8.000 40.000
M
10.000
3 8.000 32.000 4,000 6.400 16.000 8.000 32.000 4.000 6.400 16.000
M
5.000
4 8.000 6.400 2,400 3.200 8.000 8.000 6.400 2.400 3.200 8.000
M
4.000
5 8.000 6.400 2.400 4.000 8.000 8.000 6.400 2.400 4.000 8.000
M
4.000
1* 8.000 4.800 1.600 2.400 8.000 8,000 4.800 1.600 2.400 8.000
0
2.000
2* 8.000 32.000 4.000 8.000 40.000 8.000 32.000 4.000 8.000 40.000
0
9.000
3* 8.000 32.00 4.000 6.400 16.000 8.000 32.000 4.000 6.400 16.000
0
5.000
4* 8.000 6.400 2.400 3.200 8.000 8,000 6.400 2.400 3.200 8.000 0 1.500
5* 8.000 6.400 2.400 4.000 8.000 8,000 6.400 2.400 4.000 8.000
0
1.500
FS M M M M M 0 0 0 0 0
0
17.000
D 5.000 8.000 5.000 5.000 7.000 2.000 7.000 3.000 2.000 3.000
15.000
(Data diolah:2007)
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
15000
00 0 3 2000 000 3 000 5 2000
7000 10000 5000 7000 5000 8000 8000 - 13000 5000) - 7000
1
5
2
5
1
4
2
4
1
3
2
3
1
2
2
2
1
1
2
1
5
1
1 2
1
1 2
=
+ + + + =
+ + + + =
+ + + + =
=
= =
b b b b b b b b b b
b b b b
j
j j
n
j
j j
( ) ( )
( ) ( )
17000
30000 - 47000
7000 5000 5000 8000 5000 500 6 6500 10000 19000 000 5
1
5
1
4
1
3
1
2
1
1
2
5
2
4
2
3
2
2
2
1
5
1
5
1
1 2
1 1
1 2
=
=
+ + + + + + + + =
+ + + + + + + + =
=
= = = =
b b b b b a a a a a
b a b a
i j
j i
m
i
n
j
j i
Tabel 4.3 Tabel Solusi Akhir Masalah Transportasi ( ) 0 1 =
(Biaya Dalam Ratusan Ribu)
CG FM YB BM BP CG* FM* YB* BM* BP* FD S
1
3000
M 3000
1
1
a
2
2000
8000
M 10000
2
1
a
3
5000
M 5000
3
1
a
4
4000
M 4000
4
1
a
5
1000
3000
M 4000
5
1
a
1*
2000
0 2000
1
1
2
1
a a
2*
2000
2000
5000
0 9000
2
1
2
2
a a
3*
2000
3000
0 5000
3
1
2
3
a a
4*
1500
0 1500
4
1
2
4
a a
5*
500
1000
0 1500
5
1
2
5
a a
FS
M
M M M M 0 0 0 0
0
2000
0
15000
19000
D
5000 8000 5000 5000 7000 2000 7000 3000 2000 3000 15000
1
1
b
2
1
b
3
1
b
4
1
b
5
1
b
1
1
2
1
b b
2
1
2
2
b b
3
1
2
3
b b
4
1
2
4
b b
5
1
2
5
b b
8 4,8 1,6 2.4 8 8 4,8 1,6 2. 8
8 32
4 8 40 8 32 4 8 40
8 32
4
6,4 16 8 32 4 6,4 16
8 6,4 2,4
3,2 8 8 6,4 2,4 3,2 8
8 6,4
2.4
4 8
8 6,4 2,4 4 8
8 6,4 2,4 3.2 8 8 6,4 2,4 3,2 8
8 6,4 2,4 4 8 8 6,4 2,4
4
8
8 4,8
1.6 2.4
8
8
4,8 1,6 2.4 8
8 32
4 8 40 8 32 4 8 40
8 32
4 6,4 16 8
32
4 6, 16
Berdasarkan penyebaran dengan menggunakan Northwest Corner Rules
tersebut di atas, perlu diadakan kalkulasi biaya pengiriman. Perhitungan kalkulasi
biaya terlihat pada tabel berikut:
Tabel 4.4 Tabel Kalkulasi Biaya Berdasarkan Penyabaran Dengan Northwest
Corner Rules ( ) 0 1 =
Dari Ke
Jumlah
Dikirim Biaya Perunit Total Biaya
1 CG (Citra Gemini) 3000 8,000 24,000,000
2 CG (Citra Gemini) 2000 8,000 16,000,000
2 FM (Fajar Mulia) 8000 32,000 256,000,000
3 YB (Yuris Bina) 5000 4,000 20,000,000
4 BM (Berlian M.) 4000 3.200 12.800,000
5 BM(Berlian M.) 1000 4,000 4,000,000
5 BP (Berlian Penta) 3000 8,000 24,000,000
1* BP (Berlian Penta) 2000 8,000 16,000,000
2* BP (Berlian Penta) 2000 40,000 80,000,000
2* CG* (Citra Gemini) 2000 8,000 16,000,000
2* FM* (Fajar Mulia) 3000 32,000 96,000,000
3* FM* (Fajar Mulia) 3000 32,000 96,000,000
4* FM* (Fajar Mulia) 1000 6,400 6,400,000
4* YB* (Yuris Bina) 1000 2,400 2,400,000
5* YB* (Yuris Bina) 2000 2,400 4,800,000
5* BM* (Berlian M.) 1000 4,000 4,000,000
TOTAL 678.400.000
(Data diolah:2007)
Jadi Nilai Z = 678.400.000 [0, 760.000.000] (feasible)
( ) 1 2 =
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ] 5000 , 5000 ] 5000 , 5000 [ 1 1 1500 5000 , 1 1 1000 5000 A
; 5000 , 5000 ] 5000 , 5000 [ 1 1 1500 5000 , 1 1 1000 5000 A
; 7000 , 7000 ] 7000 , 7000 [ 1 1 3000 7000 , 1 1 2000 7000 A
; 13000 , 13000 ] 13000 , 13000 [ 1 1 6000 13000 , 1 1 3000 13000 A
; 4000 , 4000 ] 4000 , 4000 [ 1 1 1000 4000 , 1 1 1000 4000 A
2
5
5
1
1
5
2
4
4
1
1
4
2
3
3
1
1
3
2
2
2
1
1
2
2
1
1
1
1
1
= = = =
= = = =
= = = + =
= = = + =
= = = + =
a a
a a
a a
a a
a a
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ] [ ]
( ) ( ) [ ] . 8000 , 8000 ] 8000 , 8000 [ 1 1 2000 8000 , 1 1 1000 8000 B
; 6000 , 6000 6000 , 6000 1 1 1000 6000 , 1 1 1000 6000
; 7000 , 7000 ] 7000 , 7000 [ 1 1 1000 7000 , 1 1 2000 7000 B
; 10000 , 10000 ] 10000 , 10000 [ 1 1 5000 10000 , 1 1 2000 10000 B
; 6000 , 6000 ] 6000 , 6000 [ 1 1 1000 6000 , 1 1 1000 6000 B
5
2
5
1
1
5
4
2
4
1
1
4
3
2
3
1
1
3
2
2
2
1
1
2
1
2
1
1
1
1
= = = + =
= = = + =
= = = + =
= = = + =
= = = + =
b b
b b B
b b
b b
b b
( ) [ ] ] 000 . 000 . 600 , 0 [ 1 1 000 . 000 . 160 000 . 000 . 600 , 0 G
1
= + =
Tabel 4.5 Tabel Awal Masalah Transportasi ( ) 1 2 =
CG FM YB BM BP CG* FM* YB* BM* BP* S
1 8.,000 4.800 1.600 2.400 8.000 8.000 4.800 1,600 2.400 8.000 4000
2 8.000 32.000 4,000 8.000 40.000 8.000 32.000 4.000 8.000 40.000 13000
3 8.000 32.000 4,000 6.400 16.000 8.000 32.000 4.000 6.400 16.000 7000
4 8.000 6.400 2,400 3.200 8.000 8.000 6.400 2.400 3.200 8.000 5000
5 8.000 6.400 2.400 4.000 8.000 8.000 6.400 2.400 4.000 8.000 5000
1* 8.000 4.800 1.600 2.400 8.000 8,000 4.800 1.600 2.400 8.000 0
2* 8.000 32.000 4.000 8.000 40.000 8.000 32.000 4.000 8.000 40.000 0
3* 8.000 32.00 4.000 6.400 16.000 8.000 32.000 4.000 6.400 16.000 0
4* 8.000 6.400 2.400 3.200 8.000 8,000 6.400 2.400 3.200 8.000 0
5* 8.000 6.400 2.400 4.000 8.000 8,000 6.400 2.400 4.000 8.000 0
FS M M M M M 0 0 0 0 0 3000
D 6000 10000 7000 6000 8000 0 0 0 0 0
Tabel 4.6 Tabel Solusi Akhir Masalah Transportasi ( ) 1 2 =
(Biaya Dalam Ratusan Ribu)
CG FM YB BM BP CG* FM* YB* BM* BP*
1
4000
4000
1
1
a
2
2000
10000
1000
13000
2
1
a
3
6000
1000
7000
3
1
a
4
5000
5000
4
1
a
5
5000
5000
5
1
a
1*
0
1
1
2
1
a a
2*
0
2
1
2
2
a a
3*
0
3
1
2
3
a a
4*
0
4
1
2
4
a a
5*
0
5
1
2
5
a a
FS
M
M M M M
3000
0 0 0 0
0
3000
6000 10000 7000 6000 8000 0 0 0 0 0
1
1
b
2
1
b
3
1
b
4
1
b
5
1
b
1
1
2
1
b b
2
1
2
2
b b
3
1
2
3
b b
4
1
2
4
b b
5
1
2
5
b b
8
32
6,4 16 8 32 4 6,4 16
8
6,4
2,4 3,2
8 8 6,4 2,4 3,2 8
8 6,4
2.4
4 8
8 6,4 2,4 4 8
8 6,4 2,4 3.2
8
8 6,4 2,4 3,2 8
8
6,4 2,4 4 8 8 6,4 2,4
4
8
8
4,8
1.6 2.4 8
8
4,8 1,6 2.4 8
8 32
4 8 40 8 32 4 8 40
8
32
4 6,4 16
8
32 4 6, 16
4 8 40 8 32 4 8 40
4
8 4,8 1,6 2.4 8 8 4,8 1,6 2. 8
8
32
Berdasarkan penyebaran dengan menggunakan Northwest Corner Rules
tersebut di atas, perlu diadakan kalkulasi biaya pengiriman. Perhitungan kalkulasi
biaya dapat dilihat pada tabel berikut:
Tabel 4.7 Tabel Kalkulasi Biaya Berdasarkan Penyabaran Dengan Northwest
Corner Rules ( ) 1 2 =
Dari Ke
Jumlah
Dikirim Biaya Perunit Total Biaya
1 CG (Citra Gemini) 4000 8.000 32.000.000
2 CG (Citra Gemini) 2000 8.000 16.000.000
2 FM (Fajar Mulia) 10000 32.000 320.000.000
2 YB (Yuris Bina) 1000 4.000 4.000.000
3 YB (Yuris Bina) 6000 40.000 240.000.000
3 BM (Berlian M.) 1000 6.400 6.400.000
4 BM (Berlian M.) 5000 3.200 16.000.000
5 BP (Berlian Penta) 5000 8.000 40.000.000
TOTAL 674.400.000
(Data Diolah, 2007)
Jadi Nilai Z = 674.400.000.000 [0, 600.000.000] (infeasible)
Langkah 3 :
Karena ( ) 1 2 = infeasible maka ( ) 1 2 = = juga infeasible.
Jika masalah tersebut infeasible, maka lanjut ke langkah 4.
Langkah 4 :
Menghitung ( )
( ) ( ) ( )
2
2 1
half
+
=
=
2
1 0 +
= 0.5
Langkah 5 :
Untuk ( ) 5 . 0 half =
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ] 5750 , 4500 ] 5750 , 4500 [ 5 . 0 1 1500 5000 , 5 . 0 1 1000 5000 A
; 5750 , 4500 ] 5750 , 4500 [ 5 . 0 1 1500 5000 , 5 . 0 1 1000 5000 A
; 8500 , 6000 ] 8500 , 6000 [ 5 . 0 1 3000 7000 , 5 . 0 1 2000 7000 A
; 16000 , 11500 ] 16000 , 11500 [ 5 . 0 1 6000 13000 , 5 . 0 1 3000 13000 A
; 4500 , 3500 ] 4500 , 3500 [ 5 . 0 1 1000 4000 , 5 . 0 1 1000 4000 A
2
5
5
1
0.5
5
2
4
4
1
5 . 0
4
2
3
3
1
5 . 0
3
2
2
2
1
0.5
2
2
1
1
1
5 . 0
1
= = = =
= = = =
= = = + =
= = = + =
= = = + =
a a
a a
a a
a a
a a
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ]
( ) ( ) [ ] [ ]
( ) ( ) [ ] . 9000 , 7500 ] 9000 , 7500 [ 5 . 0 1 2000 8000 , 5 . 0 1 1000 8000 B
; 6500 , 5500 6500 , 5500 5 . 0 1 1000 6000 , 5 . 0 1 1000 6000
; 7500 , 6000 ] 7500 , 6000 [ 5 . 0 1 1000 7000 , 5 . 0 1 2000 7000 B
; 12500 , 9000 ] 12500 , 9000 [ 5 . 0 1 5000 10000 , 5 . 0 1 2000 10000 B
; 6500 , 5500 ] 6500 , 5500 [ 5 . 0 1 1000 6000 , 5 . 0 1 1000 6000 B
5
2
5
1
5 . 0
5
4
2
4
1
5 . 0 .
4
3
2
3
1
5 . 0
3
2
2
2
1
5 . 0
2
1
2
1
1
5 . 0
1
= = = + =
= = = + =
= = = + =
= = = + =
= = = + =
b b
b b B
b b
b b
b b
( ) [ ] ] 000 . 000 . 680 , 0 [ 5 . 0 1 000 . 000 . 160 000 . 000 . 600 , 0 G
1
= + =
Tabel 4.8 Tabel Awal Masalah Transportasi Nilai ( ) 5 . 0 half =
CG FM YB BM BP CG* FM* YB* BM* BP* FD S
1 8.,000 4.800 1.600 2.400 8.000 8.000 4.800 1,600 2.400 8.000
M
3500
2 8.000 32.000 4,000 8.000 40.000 8.000 32.000 4.000 8.000 40.000
M
11500
3 8.000 32.000 4,000 6.400 16.000 8.000 32.000 4.000 6.400 16.000
M
6000
4 8.000 6.400 2,400 3.200 8.000 8.000 6.400 2.400 3.200 8.000
M
4500
5 8.000 6.400 2.400 4.000 8.000 8.000 6.400 2.400 4.000 8.000
M
4500
1* 8.000 4.800 1.600 2.400 8.000 8,000 4.800 1.600 2.400 8.000
0
1000
2* 8.000 32.000 4.000 8.000 40.000 8.000 32.000 4.000 8.000 40.000
0
4500
3* 8.000 32.00 4.000 6.400 16.000 8.000 32.000 4.000 6.400 16.000
0
2500
4* 8.000 6.400 2.400 3.200 8.000 8,000 6.400 2.400 3.200 8.000 0 1250
5* 8.000 6.400 2.400 4.000 8.000 8,000 6.400 2.400 4.000 8.000
0
1250
FS M M M M M 0 0 0 0 0
0
9000
D 5500 9000 6000 5500 7500 1000 3500 1500 1000 1500 7500
(Data Diolah, 2007)
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
8500
1500 1000 1500 3500 1000
7500 9000 5500 6500 6000 7500 9000 - 12500 5500) - 6500
1
5
2
5
1
4
2
4
1
3
2
3
1
2
2
2
1
1
2
1
5
1
1 2
1
1 2
=
+ + + + =
+ + + + =
+ + + + =
=
= =
b b b b b b b b b b
b b b b
j
j j
n
j
j j
( ) ( )
( ) ( )
7500
33500 - 41000
7500 5500 6000 9000 5500 5750 5750 8500 16500 4500
1
5
1
4
1
3
1
2
1
1
2
5
2
4
2
3
2
2
2
1
5
1
5
1
1 2
1 1
1 2
=
=
+ + + + + + + + =
+ + + + + + + + =
=
= = = =
b b b b b a a a a a
b a b a
i j
j i
m
i
n
j
j i
Tabel 4.9 Tabel Solusi Akhir Masalah Transportasi ( ) 5 . 0 half =
(Biaya Dalam Ratusan Ribu)
CG FM YB BM BP CG* FM* YB* BM* BP* FD
1
3000
M 3500
1
1
a
2
2000
9000
500
M 11500
2
1
a
3
5500
500
M 6000
3
1
a
4
4500
M 4500
4
1
a
5
500
4000
M 4500
5
1
a
1*
1000
0 1000
1
1
2
1
a a
2*
2500
1000
1000
0 4500
2
1
2
2
a a
3*
2500
0 2500
3
1
2
3
a a
4*
1250
0 1250
4
1
2
4
a a
5*
250
1000
0 1250
5
1
2
5
a a
FS
M
M M M M 0 0 0 0
0
1500
0
7500
9000
5500 9000 6000 5500 7500 1000 3500 1500 1000 1500 7500
1
1
b
2
1
b
3
1
b
4
1
b
5
1
b
1
1
2
1
b b
2
1
2
2
b b
3
1
2
3
b b
4
1
2
4
b b
5
1
2
5
b b
8 6,4 2,4 3.2
8
8 6,4 2,4 3,2 8
8
6,4 2,4 4 8 8 6,4 2,4
4
8
8 4,8
1,6
2.4 8 8 4,8 1,6 2. 8
8
32
4
8 40 8 32 4 8 40
8
32
4 6,4
16 8 32 4 6,4 16
8
6,4
2,4 3,2
8 8 6,4 2,4 3,2 8
8 6,4
2.4
4 8
8 6,4 2,4 4 8
8
4,8
1.6 2.4
8
8
4,8 1,6 2.4 8
8 32
4 8 40 8 32 4 8 40
8
32
4 6,4 16
8
32 4 6, 16
Berdasarkan penyebaran dengan menggunakan Northwest Corner Rules
tersebut di atas, perlu diadakan kalkulasi biaya pengiriman. Perhitungan kalkulasi
biaya terlihat pada tabel berikut:
Tabel 4.10 Tabel Kalkulasi Biaya Berdasarkan Penyabaran Dengan Northwest
Corner Rules ( ) 5 . 0 half =
Dari Ke
Jumlah
Dikirim Biaya Perunit Total Biaya
1 CG (Citra Gemini) 3500 8,000 28.000.000
2 CG (Citra Gemini) 2000 8,000 16.000.000
2 FM (Fajar Mulia) 9000 32.000 288.000.000
2 YB (Yuris Bina) 500 4.000 2.000.000
3 YB (Yuris Bina) 5500 4.000 22.000.000
3 BM (Berlian M.) 500 6.400 3.200.000
4 BM (Berlian M.) 4500 3.200 14.400.000
5 BM (Berlian M.) 500 4.000 2.000.000
5 BP (Berlian Penta) 4000 8.000 32.000.000
1* BP (Berlian Penta) 1000 8.000 8.000.000
2* BP (Berlian Penta) 2500 40.000 100.000.000
2* CG* (Citra Gemini) 1000 8.000 8.000.000
2* FM* (Fajar Mulia) 1000 32.000 32.000.000
3* FM* (Fajar Mulia) 2500 3200 8.000.000
4* YB* (Yuris Bina) 1250 2.400 3.000.000
5* YB* (Yuris Bina) 250 2.400 600.000
5* YB* (Yuris Bina) 1000 4.000 4.000.000
TOTAL 679.200.000
(Data Diolah, 2007)
Jadi Nilai Z = 679.200.000 [0, 680.000.000] (feasible)
Nilai x:
0
0 0 0 0
0
0 0 0 0
0
0 0 0 0
0
0 0 0 0
3500
0 0 0 3500
* 5 * 1 5 * 1 * 15 15 15
* 4 * 1 4 * 1 * 14 14 14
* 3 * 1 3 * 1 * 13 13 13
* 2 * 1 2 * 1 * 12 12 12
* 1 * 1 1 * 1 * 11 11 11
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
x x x x x
x x x x x
x x x x x
x x x x x
x x x x x
0
0 0 0 0
0
0 0 0 0
500
0 0 0 0 50
9000
0 0 0 0 900
2000
0 0 0 00 0 2
* 5 * 2 5 * 2 * 25 25 25
* 4 * 2 4 * 2 * 24 24 24
* 3 * 2 3 * 2 * 23 23 23
* 2 * 2 2 * 2 * 22 22 22
* 1 * 2 1 * 2 * 21 21 21
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
x x x x x
x x x x x
x x x x x
x x x x x
x x x x x
0
0 0 0 0
500
0 0 0 500
5500
0 0 0 0 550
0
0 0 0 0
0
0 0 0 0
* 5 * 3 5 * 3 * 35 35 35
* 4 * 3 4 * 3 * 34 34 34
* 3 * 3 3 * 3 * 33 33 33
* 2 * 3 2 * 3 * 32 32 32
* 1 * 3 1 * 3 * 31 31 31
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
x x x x x
x x x x x
x x x x x
x x x x x
x x x x x
0
0 0 0 0
4500
0 0 0 4500
0
0 0 0 0
0
0 0 0 0
0
0 0 0 0
* 5 * 4 5 * 4 * 45 45 45
* 4 * 4 4 * 4 * 44 44 44
* 3 * 4 3 * 4 * 43 43 43
* 2 * 4 2 * 4 * 42 42 42
* 1 * 4 1 * 4 * 41 41 41
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
x x x x x
x x x x x
x x x x x
x x x x x
x x x x x
4000
0 0 0 0 400
500
0 0 0 500
0
0 0 0 0
0
0 0 0 0
0
0 0 0 0
* 5 * 5 5 * 5 * 55 55 55
* 4 * 5 4 * 5 * 54 54 54
* 3 * 5 3 * 5 * 53 53 53
* 2 * 5 2 * 5 * 52 52 52
* 1 * 5 1 * 5 * 51 51 51
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
=
+ + + =
+ + + =
x x x x x
x x x x x
x x x x x
x x x x x
x x x x x
Nilai
j i
B dan A :
4500
4000 500 0 0 0
4500
4000 500 0 0 0
6000
0 500 5500 0 0
11500
0 0 500 9000 2000
3500
0 0 0 0 3500
55 54 53 52 51 5
45 44 43 42 41 4
35 34 33 32 31 3
25 24 23 22 21 2
15 14 13 12 11 1
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
x x x x x A
x x x x x A
x x x x x A
x x x x x A
x x x x x A
7500
00 75 0 0 0 0
5500
500 500 4 00 5 0 0
6000
0 500 5500 0 0
9000
0 0 0 9000 0
5500
0 0 0 2000 3500
55 45 35 25 15 5
54 44 34 24 14 4
53 43 33 23 13 3
52 42 32 22 12 2
51 41 31 21 11 1
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
=
+ + + + =
+ + + + =
x x x x x B
x x x x x B
x x x x x B
x x x x x B
x x x x x B
Nilai [ ] [ ] x x
Ai Bi
dan :
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( )
[ ]
( )
99 . 0
1000
6000 7000 1
99 . 0
1000
9000 10000 1
49 . 0
1000
5500 6000 1
49 . 0
1000
4500 5000 1
49 . 0
1000
4500 5000 1
49 . 0
2000
6000 7000 1
49 . 0
3000
11500 13000 1
49 . 0
1000
3500 4000 1
3
2
1
5
4
3
2
1
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
x
x
x
x
x
x
x
x
A
B
B
A
A
A
A
A
[ ]
( )
[ ]
( )
49 . 0
1000
7500 8000 1
49 . 0
1000
5500 6000 1
5
41
=
=
=
=
x
x
B
B
Nilai [ ] x
C
= min {0.49;0.49;0.49;0.49;0.49;0.49;0.99;0.99;0.45;0.49}= 0.49
Nilai [ ]
( )
499 . 0
000 . 000 . 160
000 . 200 . 679 000 . 000 . 680 1
=
= x
G
Karena nilai ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) half x maka , half x half x
C G
= adalah solusi
optimal.
Hasil Akhir :
1. 5 . 0 =
2. Nilai [ ] x
C
= 0.49 ; [ ] 498 . 0 = x
G
3. Nilai x:
0 x
0 x
0 x
0 x
3500 x
15
14
13
12
11
=
=
=
=
=
0
0
500
9000
2000 x
25
24
23
22
21
=
=
=
=
=
x
x
x
x
0 x
500 x
5500 x
0 x
0 x
35
34
33
32
31
=
=
=
=
=
0 x
4500 x
0 x
0 x
0 x
45
44
43
42
41
=
=
=
=
=
4000 x
500 x
0 x
0 x
0 x
55
54
53
52
51
=
=
=
=
=
4. Total coast : Z = 679.200.000
BAB V
PENUTUP
5.1 Kesimpulan
1. Tetapan ( ) 0 1 = menghasilkan biaya total yang harus dikeluarkan sebesar
Rp.678.400.000 dengan Fuzzy Goal [0, 760.000.000].
Jadi untuk masalah ( ) 0 1 = = adalah feasible.
2. Sedangkan untuk ( ) 1 2 = menghasilkan biaya total yang harus dikeluarkan
sebesar Rp. 674.400.000 dengan Fuzzy Goal [0, 600.000.000].
Jadi untuk masalah 1 ) 2 ( = = adalah infeasible. Oleh karena itu harus
menghitung ( )
( ) ( ) ( )
.
2
2 1
half
+
=
3. Dari perhitungan ( ) half = , maka diperoleh biaya total sebesar
Rp.679.200.000 dengan Fuzzy Tujuan [0, 680.000.000].
Jadi karena ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) half x maka , half x half x
C G
= adalah solusi
optimal. Berhenti. Hasil akhir diperoleh:
a. 5 . 0 =
b. Nilai [ ] x
C
= 0.49 ; [ ] 498 . 0 = x
G
c. Nilai x:
0 x
0 x
0 x
0 x
3500 x
15
14
13
12
11
=
=
=
=
=
0
0
500
9000
2000 x
25
24
23
22
21
=
=
=
=
=
x
x
x
x
0 x
500 x
5500 x
0 x
0 x
35
34
33
32
31
=
=
=
=
=
0 x
4500 x
0 x
0 x
0 x
45
44
43
42
41
=
=
=
=
=
4000 x
500 x
0 x
0 x
0 x
55
54
53
52
51
=
=
=
=
=
d. Total coast : Z = 679.200.000
5.2 Saran
Pada program instant matlab tersedia toolbox fuzzy, akan tetapi penelitian
ini masih menghitung secara manual, sehingga pada penelitian berikutnya
diharapkan menyusun program alur dan list programnya.
Data-data transportasi lain juga dapat diaplikasikan pada penelitian
berikutnya, tentunya dengan adaptasi teori dan prosedur berhitungnya.
DAFTAR PUSTAKA
A. Taha, Hamdy. 1996. Riset Operasi Suatu Pengantar. Jakarta : Binarupa
Aksara.
Bronson, Richard. 1996. Teori dan Soal-soal Operations Research. Jakarta:
Erlangga
Dimyati, Ahmad. 1992. Operations Research : Model-model Pengambilan
Keputusan. Bandung : Sinar Baru Algensindo.
Hasan, J. Iqbal. 2002. Pokok-pokok Materi Statistik I ( Statistik Deskribtif).
Jakarta: Bumi Aksara.
J. klir, Goerge dan Yuan, Bo. 1995. Fuzzy Set And Fuzzy Logic Theory And
Applications. Prentice Hall PTR.
Kusumadewi, Sri dan Purnomo, Hari. 2004. Aplikasi Logika Fuzzy Untuk
Pendukung Keputusan. Yogyakarta : Graha Ilmu.
Kusumadewi, Sri. 2002. Analisis & Disain Sistem Fuzzy Mengguakan Toolbox
Matlab. Yogyakarta : Graha Ilmu.
Kusumadewi, Sri dan Hartati, Sri. 2002. Neuro-Fuzzy : Integrasi Sistem Fuzzy
dan Jaringan Syaraf. Yogyakarta : Graha Ilmu.
Mulyono, Sri. 1991. Operations Research. Jakarta : Lembaga Penerbitan Fakultas
Ekonomi Universitas Indonesia.
Nazir, Moh. 2003. Metodologi Penelitian. Jakarta: Ghalia Indonesia.
Subagio, P dan Asri Marwan, serta Handoko, T. Hani. 1983. Dasar-dasar
Operations Research. Yogyakarta : BPFE.
Suharsimi, Arikunto. 1997. Prosedur Penelitian. Jakarta: PT Rineka Cipta.
Supranto, J. 1987. Matematika Untuk Ekonomi Dan Bisnis. Jakarta: Fakultas
Ekonomi Universitas Indonesia.
Susanta, B. 2000. Matematika Terapan, Pelayan Bagi Ilmu-Ilmu Lain.