Or Dengan Bantuan Komputer

Dwijanto
Jakarta
300
Program Linear
Pontianak
400
250
400
200
Berbantuan Komputer:
Surabaya
Lindo, Lingo dan
Solver
Balikpapan
200
600
Makasar
450
400
Manado
450
Jayapura
Dwijanto
Program Linear
Berbantuan Komputer:
Lindo, Lingo dan Solver
PENDAHULUAN
Buku ini berjudul Program Linear Berbantuan Komputer: Lindo, Lingo

dan Solver akan membahas masalah-masalah optimasi yang berbentuk liniear
yaitu memaksimumkan atau meminimumkan masalah dalam dalam bentuk fungsi
linear dengan persyaratan atau fungsi pembatas sebuah sistem pertidaksamaan
linear.
Bentuk umum masalah program linear adalah sebagai berikut:
Maksimumkan atau minimumkam : F ( xi ) = a1 x1 + a 2 x 2 + ... + a n x n
Dengan syarat :
g1 ( xi ) = a11 x1 + a12 x 2 + ...a1n x n b1
g 2 ( xi ) = a 21 x1 + a 22 x 2 + ...a 2 n x n b2
.
g m ( xi ) = a m1 x1 + a m 2 x 2 + ...a mn x n bm
dengan diganti atau = atau .
Kajian pada buku ini terdiri dari 6 Bab, yaitu: Tinjauan Teori-teori sebagai
Dasar Program Linear, Pengenalan Program Linear, Transportasi, Penugasan dan
Transshipment, Analisis Jaringan, dan Program Linear Bilangan Bulat, yang
memuat berbagai masalah yang akan diselesaikan dengan cara manual, dan
dengan bantuan program komputer. Program komputer yang digunakan untuk
menyelesaikan masalah program liniear di sini adalah program lindo, program
lingo, dan Solver yang berada di bawah program excel.
Tidak semua masalah pada program linear dapat diselesaikan dengan
sebuah program, jadi sangat mungkin sebuah masalah akan dapat cocok
diselesaikan dengan suatu program tertentu tetapi tidak tepat apabila digunakan
program lain meskipun bisa. Dengan menggunakan komputer sebagai alat bantu
dalam menyelesaikan masalah program linear, maka kendala banyaknya variabel
sudah bukan menjadi masalah lagi. Ini memberikan kesempatan kepada pembaca
(mahasiswa) untuk melakukan kajian sebuah masalah secara lebih mendalam.
Kajian masing masing Bab

Bab I.
Teori-teori sebagai Dasar Program Linear Tinjauan Teori-teori sebagai

Dasar Program Linear
Pada bagian ini akan membahas beberapa teori yang berhubungan
dengan program linear khususnya teori yang menyangkut geometri
bidang banyak. Teori ini diperlukan khususnya kepada pembaca yang
menggemari matematika atau mahasiswa matematika, sedangkan untuk
mahasiswa bukan matematika, bab ini dapat dilompati.
Bab II.
Pengenalan Program Linear Pengenalan Program Linear

Bagian ini akan membahas Program Linear secara umum, yaitu masalah
program linear yang dapat diselesaikan secara manual atau dengan
bantuan program komputer. Penyelesaian secara manual dapat
digunakan cara grafik ataupun dengan metode simpleks, sedangkan
dengan bantuan program komputer sebuah masalah akan diselesaikan
dengan tiga program yaitu program lindo, program lingo, dan solver.
Bab III. Transportasi

Masalah transportasi disini adalah masalah pemindahan sejumlah
barang sejenis dari beberapa tempat (sumber) dengan jumlah barang
yang bervariasi kemudian dikirim ke beberapa tempat (tujuan) dengan
jumlah kebutuhan yang bervariasi pula. Masalah utama dari transportasi
di sini adalah meminimumkan total biaya transportasi.
Bab IV.
Penugasan dan Transshipment

Penugasan adalah kajian khusus dari masalah transportasi dimana
banyaknya sumber sama dengan banyaknya tujuan dengan banyaknya
produksi di masing-masing sumber maupun banyaknya permintaan di
masing-masin tujuan adalah satu. Sedangkan Transshipment adalah
masalah transportasi dimana permintaan tidak dapat dilayani langsung
dari produsen. Dalam hal ini pelayanan harus melalui beberapa agen.
Bab V.
Analisis Jaringan
Pada Bab Analisis Jaringan ini akan membahas 4 masalah yaitu
Masalah Lintasan Terpendek , Masalah Diagram Pohon Terpendek,
Masalah Aliran Maksimum, Menyelesaikan proyek dengan PERT dan

CPM.
Bab VI. Program Linear Bilangan Bulat
Pada bagian ini akan membahas masalah program linear yang khusus
dengan solusi bilangan bulat atau bilangan biner. Masalah penyelesaian
dengan bilangan bulat ini sering muncul ketika seseorang harus
meproduksi barang dengan satuan bilangan bulat, seperti membuat kursi,
meja, atau menghitung banyaknya mesin yang akan digunakan.
Sedangkan bilangan biner digunakan untuk menentukan sebuah
keputusan yaitu apakah suatu pekerjaan atau proyek harus dikerjakan
atau tidak.
DAFTAR ISI
Kata Pengantar
Pendahuluan
Bab I. Tinjauan Teori-teori sebagai Dasar Program Linear
1.
2.
3.
4.
5.
6.
7.
8.
Himpunan Konveks ................................................................................... 1

Titik Ekstrim ............................................................................................. 2
Sinar dan Arah Himpunan Konveks ......................................................... 2
Arah Ekstrim Himpunan Konveks ............................................................. 4
Bidang Banyak dan Ruang Paruh ............................................................. 5
Fungsi Konveks dan Fungsi Konkav ......................................................... 6
Representasi Himpunan Polihedral (Polihedron) ...................................... 8
Teorema Representasi Bentuk Umum ..................................................... 9
Bab II. Pengenalan Program Linear ..................................................................... 13

1. Penyelesaian dengan Metode Grafik ...................................................... 13
2. Penyelesaian dengan Metode Simpleks .................................................. 19
a. Kasus masalah dengan fungsi tujuan maksimum ....................... 19
b. Kasus masalah dengan fungsi tujuan minimum .......................... 27
3. Primal dan Dual ...................................................................................... 31
a. Masalah Primal dan Dual
......................................... 31
b. Hubungan Primal dan Dual ......................................................... 34
4. Program Komputer Lindo, Lingo, dan Solver ........................................ 36
a. Lindo ........................................................................................... 36
b. Menyelesaikan Masalah Program Linear dengan Lindo ............. 43
c. Lingo untuk Menyelesaikan Program Linear ............................. 48
d. Solver untuk Menyelesaikan Program Linear ............................. 50
Bab III. Transportasi ........................................................................................... 60

1. Metode Transportasi ...................................................................................... 60
2. Permasalahan dalam Metode Transportasi .................................................... 60
a. Beberapa Metode dalam Penyelesaian Masalah Transportasi
(Penyelesaian awal) ................................................................................. 62
i. North West Corner (NWC) ......................................................... 62
ii. Metode Inspeksi ......................................................................... 63
iii. Metode VAM ( Vogel Approximation Method) ......................... 67
b. Menentukan Nilai Optimal ...................................................................... 74
i. Metode Steppingstone ................................................................ 74
ii. Modified Distribution Method (MODI) ...................................... 79
c. Penyelesaian Masalah dengan Program Komputer ................................. 83

i. Program Lindo untuk Menyelesaikan Masalah Transportasi ..... 83
ii. Program Lingo untuk Menyelesaikan Masalah Transportasi ..... 88
iii. Program Solver untuk Menyelesaikan Masalah Transportasi ..... 92
d. Masalah Transportasi Pasar Tidak Seimbang ........................................ 95
Bab IV. Penugasan dan Transshipment ........................................................... 108

1. Penugasan ............................................................................................. 108
i. Menyelesaikan Masalah Penugasan dengan Metode Hongaria 108
ii. Menyelesaikan Masalah Penugasan dengan Program Komputer111
iii. Program Lindo untuk Menyelesaikan Masalah Penugasan . . 111
iv. Program Solver untuk Menyelesaikan Masalah Penugasan . . 113
2. Transshipment ....................................................................................... 117
i. Program Lingo untuk Menyelesaikan Masalah Transshipment 119
ii. Program Solver untuk Menyelesaikan Masalah Transshipment 122
Bab V. Analisis Jaringan ................................................................................... 125
1.
2.
3.
4.
Masalah Lintasan Terpendek ................................................................ 127

Masalah Diagram Pohon Terpendek ................................................... 133
Masalah Aliran Maksimum .................................................................. 135
Menyelesaikan proyek dengan PERT dan CPM .................................... 140
Bab VI. Program Linear Bilangan Bulat ........................................................... 149

1. Metode Branch and Bound ................................................................... 151
2. Penyelesaian Program Linear Bilangan Bulat dengan Program Lindo.. 154
3. Penyelesaian Program Linear Bilangan Bulat dengan Program Solver . 155
Daftar Pustaka .................................................................................................... 166
Indeks ................................................................................................................. 167
KATA PENGANTAR
Puji Syukur Kehadirat Ilahi yang telah memberi karuniaNya sehingga

buku Program Linear Berbantuan Komputer: Lindo, Lingo dan Solver dapat
terselesaikan. Buku ini ditujukan kepada mahasiswa matematika, ekonomi dan
teknik terutama mahasiswa yang mempelajari program linear dan memanfaatkan
komputer sebagai alat bantu dalam menyelesaikan masalah program linear. Buku
ini ditulis bertujuan untuk melengkapi buku-buku program linear yang
perhitungannya mengunakan perhitungan manual. Akibatnya dalam pengambilan
masalah sering membatasi dengan sedikit variabel.
Dalam buku ini, penyelesaian suatu masalah akan dikerjakan dengan cara
perhitungan manual, kemudian diselesaikan dengan bantuan komputer khususnya
program Lindo, Lingo atau Solver. Dengan menggunakan komputer sebagai alat
bantu hitung, maka masalah perhitungan dan banyaknya variabel bukan menjadi
kendala lagi. Untuk mahasiswa ekonomi maupun teknik, dapat langsung memulai
dari Bab II dan seterusnya, sedangkan mahasiswa matematika perlu memahami
terlebih dulu teori yang berada pada Bab I.
Ucapan terima kasih kami sampaikan kepada Penjaminan Mutu
Universitas Negeri Semarang yang telah memberikan kesempatan kepada Penulis
untuk penulisan buku ini. Selanjutnya saran dan kritik dari pembaca sangat
diharapkan guna penyempurnaan buku ini.
Semarang, Agustus 2007

Penulis
BAB I
Sekilas tentang Teori-teori sebagai Dasar Program Linear
1. Himpunan konveks
Sebuah himpunan X dalam Rn disebut himpunan konveks apabila memenuhi sifat
berikut: jika diberikan sebarang dua titik x1 dan x2 di dalam X, maka x1 + (1- )x2 X
untuk setiap [0 , 1]. Selanjutnya kita ketahui bahwa x1 + (1 - )x2 untuk dalam
interval [0 , 1], menggambarkan titik-titik yang terletak pada ruas garis yang
menghubungkan x1 dan x2. Sebarang titik dalam bentuk x1 + (1- )x2 dengan 0 1
disebut kombinasi konveks dari x1 dan x2. Jika (0 , 1), maka bentuk x1 + (1- )x2
disebut kombinasi konveks sempurna.
Dalam pengertian geometri, himpunan konveks dan himpunan tidak-konkveks
dapat digambarkan sebagai berikut:
a. Himpunan konveks
b. Himpunan tidak-konveks
Gambar 1.1. Contoh himpunan konveks dan himpunan tidak konveks.

Pada gambar sebelah kiri (Gambar 1.1.a), untuk semua kombinasi konveks dari x1
dan x2 berada dalam X, sedangkan pada gambar sebelah kanan (Gambar 1.1.b), terdapat
kombinasii konveks dari x1 dan x2 yang berada diluar X. Jadi gambar sebelah kiri adalah
menggambarkan himpunan konveks, sedangkan himpunan gambar sebelah kanan adalah
menggambarkan himpunan tidak-konveks.
Berikut adalah contoh-contoh himpunan konveks:
1. ( x1 , x 2 ) : x12 + x 2 2 1
1
1
0
2. x : x = 1 0 + 2 1 + 3 1, 1 + 2 + 3 = 1, 1 , 2 , 3 0
0
0
1
2. Titik Ekstrim
Dalam kajian pada program linear, titik ekstrim sangat berperan dalam
menentukan nilai optimum suatu masalah. Sebuah titik dalam himpunan konveks X disebut
titik ekstrem dari himpunan X, jika titik x tersebut tidak dapat dinyatakan dengan kombinasi
konveks sempurna dari dua titik yang berbeda dalam X. Dengan kata lain jika x titik
ekstrim dan x = x1 + (1- )x2, dengan (0 , 1) dan x1, x2 X, maka x = x1 = x2.
Gambar berikut memperlihatkan titik ekstrim dan bukan titik ekstrim.
Gambar 1. 2. Titik-titik pada himpunan konveks X.

Titik x1 adalah titik ekstrimdari X, sedangkan x2 dan x3 bukan titik ekstrim dari X.
3. Sinar dan Arah Himpunan Konveks
Sinar pada Himpunan Konveks
Misalkan X himpunan konveks. Sinar adalah himpunan titik-titik yang berbentuk
{x0 + d : 0} dimana d vektor tak-nol. Dalam hal ini, x0 disebut titik ujung dari sinar,
dan d adalah arah sinar.
Arah Himpunan Konveks

Misalkan X himpunan konveks, vektor tak-nol d disebut arah suatu himpunan X, jika untuk
setiap x0 di X, {x0 + d : 0} juga di X. Oleh karena itu seseorang dapat mengambil
sebarang titik x0 di X, dan menariknya dengan memperpanjang atau memperpendek
(recede) d dengan 0 , maka akan tetap berada di X.
Jelas apabila X terbatas, maka X tidak mempunyai arah.
Contoh 1.1
Tentukan arah himpunan polihedral X = {x : Ax b, x 0}.
Jawaban
Misalkan d arah himpunan X, maka untuk setiap 0 dan x X, d 0 dan memenuhi
A(x + d) b
.... (1)
x + d 0
.... (2)
Karena x X, maka memenuhi Ax b.

Dari (1) dengan mengambil 0 cukup besar (lim ) diperoleh Ad 0. Dengan cara
serupa dari (2) akan diperoleh d 0.
Jadi d arah himpunan X jika dan hanya jika d 0, d 0, dan Ad 0.
Dengan cara serupa untuk X = {x : Ax = b, x 0} dan d arah himpunan X, maka d 0, d
0 dan Ad 0.
Contoh 1. 2.
Tentukan arah himpunan X = {(x1,x2) : x1 + x2 1, x1 - x2 -2, x1 0, dan x2 0 }.
Jawaban
d1
d2 d1
d1
Gambar 1. 3. Himpunan X = {(x1,x2) : x1 + x2 1, x1 - x2 -2, x1 0, dan x2 0 }

Misalkan x0 = (x1,x2) sebarang titik di X dan d = (d1,d2) arah himpunan X.
Karena d = (d1,d2) arah himpunan X, maka d 0 dan untuk setiap 0, berlaku

x0 + d = (x1 + d1 , x2 + d2) X akibatnya:
x1 + d1 + x2 + d2 1
... (1)
x1 + d1 - x2 - d2 -2
... (2)
x1 + d1 0
... (3)
x2 + d2 0
... (4)
Dari (1) dapat dubah menjadi x1 + x2 + (d1 + d2) 1 Karena x1 dan x2 tetap dan dengan
sebarang, maka untuk yang cukup besar berlaku d1 + d2 0 atau d2 -d1. Persamaan
(2) juga dapat diubah menjadi x1 - x2 + (d1 - d2) -2. Dari persamaan terakhir ini dengan
mengambil x1 dan x2 tetap dan dengan sebarang, maka untuk yang cukup besar
berlaku d1 d2 0 atau d2 d1.
Dengan cara serupa dari (3) dan (4) kita peroleh d1 0 dan d2 0. Sehingga secara
keseluruhan diperolah d2 - d1, d2 d1, d1 0 dan d2 0. Dari keempat hasil ini dapat
disederhanakan menjadi d1 0 dan 0 d2 d1.
4. Arah Ekstrim Himpunan Konveks

Pendefinisian arah ekstrim himpunan mirip dengan titik ekstrim. Suatu arah ekstrim
himpunan konveks adalah arah suatu himpunan konveks yang tidak dapat di
representasikan dengan kombinasi positif dari dua arah himpunan yang berbeda. Dua
vektor d1, d2 dikatakan berbeda atau tidak ekivalen jika d1 tidak dapat direpresentasikan
dengan perkalian positif dengan kelipatan d2.
Pada Contoh 2 di atas, maka d1 = (1,0) dan d2 = (2/2 , 2/2) adalah arah ekstrim yang telah
di normalkan. Untuk setiap arah himpunan konveks dapat dinyatakan sebagai kombinasi
dari d1 dan d2 yaitu dalam bentuk 1d1 + 2d2, dengan 1, 2 > 0. Dengan demikian setiap
arah himpunan yang berbentuk d = (d1 , d2) dengan d1 0 dan 0 d2 d1 dapat ditulis
dalam bentuk 1d1 + 2d2. Misalnya arah d = (5, 2) adalah memenuhi syarat untuk arah
dari X, maka apabila kita tuliskan dalam bentuk kombinasi linear 1d1 + 2d2,
1 = 3 dan 2 = 22.
diperoleh
5. Hyperplane dan Halfspace

Bidang banyak (Hyperplane) di Rn adalah bentuk generalisasi dari garis di R2 atau
sebuah bidang di R3. Bidang banyak H di Rn adalah himpunan yang berbentuk {x:px = k}
dimana p vektor tak nol di Rn dan k suatu skalar. Disini p disebut normal dari bidang
banyak.
Bidang banyak terdiri dari semua titik x = (x1, x2, ..., xn) yang memenuhi persamaan
n
p j x j = k . Konstan k dapat dieliminasikan dengan menggunakan suatu titik tertentu

j =1
misalnya x0 di H. Jika x0 H, maka akan memenuhi px0 = k, dan setiap x H, kita miliki
px = k. Jadi dengan proses mengurangkannya kita peroleh p(x - x0) = 0, dimana x0
sebarang titik tetap di H.
Bidang banyak adalah konveks.
Gambar berikut adalah bidang banyak dan vektor normal p, dimana p ortogonal
terhadap x - x0.
Gambar 1.4. Bidang banyak

Bidang banyak membagi Rn dalam dua daerah, yang disebut ruang paruh
(halfspaces). Dengan demikian ruang paruh adalah himpunan titik-titik yang berbentuk {x:
px k}, dimana p vektor tak-nol di Rn dam k skalar. Sedangkan ruang paruh yang satunya
akan berbentuk
{x: px k}. Irisan kedua ruang paruh adalah bidang banyak dan gabungan kedua ruang
paruh tersebut adalah Rn.
Gambar 1.5. Ruang Paruh.

Berkaitan dengan x0 titik tetap di bidang banyak, maka kedua ruang paruh dapat
dinyatakan dengan {x : p(x x0) 0} atau {x : p(x x0) 0}. Gambar di atas
memperlihatkan ruang paruh yang pertama yang terdiri dari titik-titik x sedemikian hingga
(x x0) membentuk sudut lancip ( 90) terhadap p, dan ruang paruh yang kedua terdiri
dari titik-titik x sedemikian hingga (x x0) membentuk sudut tumpul ( 90) terhadap p.
6. Fungsi konveks dan fungsi konkav

Fungsi f : Rn R disebut konveks jika untuk dua vektor x1 dan x2 di Rn berlaku:
f (x1 + (1- )x2) f (x1) + (1- ) f (x2), untuk semua [0 , 1].
Selanjutnya fungsi f : Rn R disebut konkav jika -f adalah fungsi konveks. Jadi fungsi f
adalah konkav jika memenuhi pertidaksamaan berikut:
f (x1 + (1- )x2) f (x1) + (1- ) f (x2), untuk semua [0 , 1].
Fungsi konveks dan fungsi konkav dapat diilustrasikan seperti gambar berikut:
(a)
(b)
(c)
Gambar 1.6. Contoh fungsi konveks dan fungsi konkav

Gambar (a) adalah fungsi konveks, f (x1) + (1- ) f (x2) digambarkan sebagai titik
pada tali busur yang menghubungkan f (x1) dan f (x2), sedangkan f (x1 + (1- )x2) adalah
titik pada f yang menghubungkan f (x1) dan f (x2).
Dapat dilihat dari gambar bahwa f (x1) + (1- ) f (x2) berada diatas f (x1 + (1- )x2).
Jadi f (x1 + (1- )x2) f (x1) + (1- ) f (x2), yang berarti f konveks.
Dengan analogi yang sama, maka dapat dilihat bahwa gambar (b) adalah fungsi konkav
dan gambar (c) menggambarkan fungsi yang bukan konveks maupun konkav.
7. Representasi Himpunan Polihedral (Polihedron)

Polihedral adalah sebuah bangun yang dibentuk oleh beberapa halfspace atau sebuah
bangun yang dibentuk oleh oleh sistem pertidaksamaan linear. Misalnya, X adalah
Polihedral yang dibatasi oleh:
-3x1 + x2 -2
- x1 + x2 2
-x1 + 2x2 8
-x2 -2
x1 0, x2 0.
Polihedral dapat merupakan hipunan terbatas, dan dapat pula tak terbatas.
a. Himpunan Polihedral terbatas
Himpunan Polihedral terbatas adalah himpunan polihedral yang memenuhi kriteria bahwa
terdapat bilangan k sehingga untuk setiap x pada himpunan berlaku x < k.
Gambar 5 adalah polihedral terbatas dengan enam halfspace dan memiliki enam
titik ekstrim, yaitu x1, x2, x3, x4, x5, x6.
x adalah titik di dalam polihedral, maka x dapat dinyatakan dengan kombinasi konveks y
dan x1 :
x = y + (1 ) x1, dengan (0 , 1).
Selanjutnya y itu sendiri merupakan kombinasi konveks dari x3 dan x4:
y = x3 + (1 ) x4, dengan (0 , 1).
Gambar 1.7. Representasi sebuah titik dalam polihedral terbatas terhadap titik-titik ekstrem
Dengan mensubstitusikan x3 dan x4 kedalam y maka kita peroleh:

x = x3 + (1 ) x4 + (1 ) x1
Karena (0 , 1) dan (0 , 1), maka , (1 ) , (1 ) (0 , 1). Juga memenuhi
+ (1 ) + (1 ). Dengan kata lain, x dapat direpresentasikan sebagai kombinasi
konveks terhadap titik-titik ekstrim x1, x3, x4.
Hal ini dapat diambil genaralisasi bahwa setiap titik dalam himpunan polihedral terbatas,
dapat dinyatakan sebagai kombinasi konveks dari titik-titik ekstrimnya.
b. Himpunan Polihedral tak-terbatas

Dalam polihedral tak-terbatas, maka sebuah titik dapat di representasikan dalam
kombinasi titik ekstrim dan arah ekstrim himpunan. Gambaran berikut adalah sebuah titik
representasi sebuah titik pada polihedral tak terbatas.
Gambar 1.8. Repesentasi titik pada Polihedral tak-terbatas

Misalkan x X sebarang, maka x = s + d, s dapat dinyatakan dengan kombinasi konveks
dari x2 dan x4 yaitu s = 1x1 + 2x2 sedangkan d dapat dinyatakan dengan kombinasi dari
d1 dan d2, yaitu d = 1d1 + 2d2. Jadi x = 1x1 + 2x2 + 1d1 + 2d2.
10
8. Teorema Representasi Bentuk Umum

Misalkan X = {x : Ax b, x 0} himpunan tak-kosong (polihedron). Maka
himpinan titik-titik ekstrim tak-kosong dan banyaknya titik-titik tersebut berhingga, sebut x1,
x2, x3, . . . , xk. Selanjutnya himpunan arah adalah kosong jika dan hanya jika X terbatas.
Jika X tak-terbatas, maka himpunan arah tak-kosong dan memiliki sejumlah berhingga
vektor, sebut d1, d2, . . ., dm. Kemudian, x X jika dan hanya jika x dapat dinyatakan
sebagai kombinasi konveks dari x1, x2, x3, . . . , xk ditambah dengan kombinasi linear tak
negatif dari d1, d2, . . ., dm yaitu,
x=
j x j + jd j
j = 1,
j =1
j =1
j =1
j 0, j = 1,2,..., k
j 0, j = 1,2,..., m
Bukti.
Tidak dibuktikan dalam buku ini.
Akibat.
Untuk sebarang x*X dapat direpresentasikan sebagai
x* =
j x j + jd j ,
j = 1,
j =1
j =1
j =1
j 0, j = 1,2,..., k , j 0, j = 1,2,..., m .
Soal-soal
1. Tunjukkan bahwa hyperplane H = {x : px = k} dan halfspace H*= {x : px k} adalah
himpunan konveks.
2. Buatlah grafik yang menggambarkan himpunan yang memenuhi
{(x1,x2) : -x1 + x2 2, x1 + 2x2 8, x1 0, x2 0}. Apakah himpunan ini konveks ?
3. Buatlah grafik yang menggambarkan himpunan yang memenuhi
{(x1,x2) : x1 + x2 2, x1 8, x1 0, x2 0}. Apakah himpunan ini konveks ?
11
4. Misalkan a1 = (1 , 0), a2 = (2 , 3), a3 = (-1 , 4), a4 = (5 , -3), a5 = (-4 , 4). Ilustrasikan

secara geometri kombinasi konveks dari ke-lima titik ini.
5. Tentukan fungsi-fungsi berikut konveks, konkaf atau tidak keduanya.
a. f(x) = 2x
b. f(x) = x2
c. f(x) = x3
d. f(x1,x2) = x1 2 + 3 x2
6. Misalkan himpunan X = {(x1,x2) : x1 + 2x2 2, x1 - 2x2 -6, x1 0, dan x2 1}.
Tentukan arah himpunan X ini.
7. Diketahui himpunan X = {(x1,x2) : x1 + 2x2 2, x1 - 2x2 -6, x1 0, dan x2 1}.
Nyatakan titik-titik berikut sebagai kombinasi konveks dan arah himpunan:
a. (1 , 1)
b. (1 , 2)
c. (2 , 1)
d. (3 , 2)
e. (6 , 3)
BAB III
Transportasi
1. Metode Transportasi
Metode transportasi adalah suatu metode yang digunakan untuk mengatur distribusi dari
sumber-sumber yang menyediakan produk yang sama atau sejenis ke tempat tujuan
secara optimal. Distribusi ini dilakukan sedemikian rupa sehingga permintaan dari
beberapa tempat tujuan dapat dipenuhi dari beberapa tempat asal yang masing-masing
dapat memiliki permintaan atau kapasitas yang berbeda. Dengan menggunakan metode
transportasi, dapat diperoleh suatu alokasi distribusi barang yang dapat meminimalkan
total biaya transportasi. Selain untuk mengatur distribusi pengiriman barang, metode
transportasi juga dapat digunakan untuk masalah lain, seperti penjadwalan dalam proses
produksi agar memperoleh total waktu proses pengerjaan yang terendah, penempatan
persediaan agar mendapatkan total biaya persediaan terkecil, atau pembelanjaan modal
agar mendapatkan hasil investasi yang terbesar. Dalam kaitannya dengan perencanaan
fasilitas, metode transportasi dapat digunakan untuk memilih suatu lokasi yang dapat
meminimalkan total biaya operasi.
Suatu perusahaan memerlukan pengelolaan data dan analisis kuantitatif yang akurat,
cepat serta praktis dalam penggunaannya. Dalam perhitungan secara manual
membutuhkan waktu yang lebih lama, sementara pertimbangan efisiensi waktu dalam
perusahaan sangat diperhatikan. Dengan demikian diperlukan adanya suatu alat, teknik
maupun metode yang praktis, efektif dan efisien untuk memecahkan permasalahan
tersebut.
2. Permasalahan dalam Metode Transportasi

Masalah ini merupakan masalah pengangkutan sejenis barang dari beberapa sumber ke
beberapa tujuan. Pengalokasian produk dari sumber yang bertindak sebagai penyalur ke
tujuan yang membutuhkan barang bertujuan agar biaya pengangkutannya seminimal
mungkin dari seluruh permintaan dari tempat tujuan dipenuhi. Model transportasi
60
61
digunakan untuk menyelesaikan masalah distribusi barang dari beberapa sumber ke

beberapa tujuan. Asumsi sumber dalam hal ini adalah tempat asal barang yang hendak
dikirim, sehingga dapat berupa pabrik, gudang, grosir, dan sebagainya. Sedangkan tujuan
diasumsikan sebagai tujuan pengiriman barang. Dengan demikian informasi yang harus
ada dalam masalah transportasi meliputi: banyaknya daerah asal beserta kapasitas
barang yang tersedia untuk masing tempat, banyaknya tempat tujuan beserta permintaan
(demand) barang untuk masing-masing tempat dan jarak atau biaya angkut untuk setiap
unit barang dari suatu tempat asal ke tempat tujuan.
Untuk lebih jelasnya marilah kita bahas contoh masalah transportasi yang terlihat
pada Tabel 1.1. berikut:
Tabel 1.1 Kapasitas pabrik, Permintaan di Lapangan (Demand), dan biaya satuan
pengangkutan
Origin
(Tempat
Kapasitas
Destination (Tempat Tujuan)

D1
D2
D3
D4
Pabrik
D5
Asal)
12
9
100
O1
8
7
90
O2
1
12
7
70
O3
10
15
1
90
O4
Demand
(Permin-
80
50
90
60
70
350
taan)
Tabel 1.1. di atas menggambarkan bahwa jumlah kapasitas pabrik O1, O2, O3, dan
O4 berturut-turut: 100, 90, 70, dan 90, sedangkan permintaan pasar di lapangan D1, D2, D3,
D4, dan D5 berturut-turut 80, 50, 100, 60, dan 70. Biaya satuan dari pabrik O1 ke
62
permintaan D1 adalah 12, biaya satuan dari pabrik O1 ke permintaan D2 adalah 4, dan
seterusnya, sampai biaya satuan dari pabrik O3 ke permintaan D5 adalah 1. Untuk
menyelesaikan permasalahan transportasi ini ada beberapa metode antara lain: Metode
North West Corner (NWC), metode Inspeksi, dan metode pendekatan Vogel (Vogel
Approximation Methods atau disingkat VAM).
a. Beberapa Metode dalam Penyelesaian Masalah Transportasi (Penyelesaian awal)

i.
North West Corner (NWC)

Sesuai nama aturan ini, maka penempatan pertama dilakukan di sel paling kiri dan
paling atas (northwest) matriks kemudian bergerak ke kanan atau ke bawah sesuai
permintaan dan kapasitas produksi yang sesuai.
Besar alokasi ini akan mencukupi salah satu, kapasitas tempat asal baris pertama
dan atau permukaan tempat tujuan dari kolom pertama. Jika kapasitas tempat asal
pertama terpenuhi kita bergerak ke bawah menyusur kolom pertama dan menentukan
alokasi yang akan mencukupi atau kapasitas tempat asal baris kedua atau mencukupi
tujuan yang masih kurang dari kolom pertama. Di lain pihak, jika alokasi pertama
memenuhi permintaan tempat tujuan di kolom pertama, kita bergerak ke kanan di baris
pertama dan kemudian menentukan alokasi yang kedua atau yang memenuhi kapasitas
tersisa dari baris satu atau memenuhi permintaan tujuan dari kolom dua dan seterusnya.
Untuk masalah seperti pada Table 1.1 di atas, maka apabila diselesaikan dengan metode
NWC akan melakukan langkah-langkah sebagai berikut:
Penggunaan metode NWC mengharuskan sel O1 D1, yang terletak di sudut kiri atas diisi.
Alokasi diterapkan X11 = 80 unit untuk memenuhi permintaan yang ternyata lebih kecil dari
kapasitas O1. Ini berarti permintaan tujuan D1= 80 dapat dipenuhi dari O1. Ternyata
produksi O1 masih mempunyai (100 - 80) = 20 unit kapasitas yang belum disalurkan. Sisa
yang 20 unit ini di alokasikan kepada permintaan D2 yang permintaannya 50 unit. Untuk
memenuhi kekurangan kebutuhan D2, yaitu kurang 30 unit maka diambil dari D2 dengan
demikian maka sel O1D2 atau X12 = 20 dan sel O2D2 atau X22 = 30. Sisa produksi D2
setelah dikurangi 30 unit adalat 60 unit, sisa ini di alokasikan ke sel O2D3 atau X23 yang
secara keseluruhan. Permintaan D3 adalah 90 unit dan telah tersedia 60 unit dari O2.
63
Kekurangan 30 unit diambilkan dari produksi O3 sehingga X23 = 70 dan X33 = 30. Sisa
produksi O3 sebanyak 40 unit yaitu (70-30) di alokasikan ke permintaan D4 dan permintaan
D4 sebanyak 60 unit dilengkapi dengan mengambil 20 unit dari produksi O4. Dengan
demikian produksi O4 tersisa 70 unit dialokasikan ke permintaan D5.
Tabel 2.1. Matriks biaya transportasi tiap barang dan jumlah alokasi distribusi
barang dari tempat asal (pabrik) ke tempat tujuan (kota tujuan)
Tempat
Kapasitas
D1
D2
D3
D4
D5
Asal
Pabrik
12
O1
80
9
100
20
8
O2
1
30
7
90
60
12
O3
4
30
10
15
70
40
6
O4
20
70
90
60
70
350
Permintaan
80
50
90
Berdasarkan Tabel 2.1 di atas diperoleh sistem transportasi sebagai berikut: Sel O1D1 atau
X11 = 80, sel O1D2 atau X12 = 20, sel O2D2 atau X22 = 30, sel O2D3 atau X23 = 60, sel O3D3
atau X33 = 30, sel O3D4 atau X34 = 40, sel O4D4 atau X44 = 20, dan sel O4D5 atau X45 = 70.
Besarnya biaya transportasi dengan metode NWC adalah
80 (12) + 20 (4) + 30 (1) + 60 (6) + 30 (4) + 40 (7) + 20 (9) + 70 (1) = 2.080.
ii. Metode Inspeksi

Metode ini untuk persoalan transportasi berdimensi kecil, hal ini akan memberikan
pengurangan waktu. Alokasi pertama dibuat terhadap sel yang berkaitan dengan biaya
pengangkutan terendah. Sel dengan ongkos terendah ini diisi sebanyak mungkin dengan
mengingat persyaratan kapasitas produksi (origin) maupun permintaan tempat tujuan.
64
Kemudian beralih ke sel termurah berikutnya dan mengadakan alokasi dengan

memperhatikan kapasitas yang tersisa dari permintaan baris dan kolom. Dalam
perhitungannya metode ini membuat matriks sesuai dengan persyaratan. Untuk
permasalahan transportasi di atas apabila dilakukan dengan metode Inspeksi maka
langkah-langkahnya sebagai berikut:
Biaya terkecil adalah 1 yaitu pada sel O2D2, O3D1, dan O4D5. Sel-sel ini kita isi dengan
memperhatikan kapasitas dan permintaan, yaitu dengan mencari nilai minimum dari
keduanya.
Sel O2D2 kita isi 50, sehingga kapasitas O2 menjadi 40 dan permintaan D2 menjadi 0,
kemudian kolom D2 kita tandai dan tidak kita olah pada program selanjutnya.
kemudian baris O3 kita tandai dan tidak kita olah pada program selanjutnya.
kemudian kolom D5 kita tandai dan tidak kita olah pada program selanjutnya.
Hasil perhitungan di atas ini dapat dilihat pada Tabel 2.2.
Tabel 2.2.
Tempat
Asal
D1
D2
D3
12
Kapasitas
D4
9
Pabrik
D5
5
9
100
O1
8
O2
15
O4
10
0
50
20
90
70
80
0
70
70
Permin-
40
90
12
10
taan
50
1
O3
0
90
60
70
350
65
Biaya terkecil selanjutnya adalah 5 yang terletak pada sel O1D4. Sel O1D4 kita isi minimum
dari kapasitas O1dan permintaan D4, sehingga kita isi dengan 60 unit. Dengan pengisian
60 unit pada sel O1D4 maka kapasitas O1 menjadi 40 dan permintaan D4 menjadi 0,
kemudian kolom D4 kita tandai dan tidak kita olah pada program selanjutnya. Hasil
perhitungan ini dapat kita hihat pada Tabel 2.3.
Tabel 2.3.
Asal
D1
D2
D3
12
D4
9
O1
O2
12
0
70
10
15
O4
10
0
50
50
30
90
0
60
20
90
70
80
40
90
70
Permin-
40
100
50
1
taan
Pabrik
D5
60
8
O3
Kapasitas
Tempat
0
70
350
Biaya terkecil selanjutnya adalah 6 yang terletak pada sel O2D3. dan sel O4D3. Sel O2D3
kita isi minimum dari sisa kapasitas O2 dan permintaan D3, sehingga kita isi dengan 40
unit. Dengan pengisian 40 unit pada sel O2D3 maka kapasitas O2 menjadi 0 dan
permintaan D3 menjadi 50, kemudian baris O2 kita tandai dan tidak kita olah pada program
selanjutnya. Sel O4D3 kita isi minimum dari sisa kapasitas O4 dan sisa permintaan D3,
sehingga kita isi dengan 20 unit. Dengan pengisian 20 unit pada sel O4D3 maka kapasitas
O4 menjadi 0 dan permintaan D3 menjadi 30, kemudian baris 42 kita tandai dan tidak kita
olah pada program selanjutnya.
Hasil perhitungan ini dapat kita hihat pada Tabel 2.4.
66
Tabel 2.4.
Tempat
Asal
D1
D2
D3
12
D4
9
O1
O2
1
50
40
90
12
0
70
70
10
15
O4
20
10
Permin-
40
100
40
taan
Pabrik
D5
60
8
O3
Kapasitas
80
20
90
70
50
50
30
90
60
70
350
Selanjutnya kekurangan dari permintaan D1 sebanyak 10 unit, dan kekurangan permintaan

D2 sebanyak 30 unit di alokasikan dari sisa produksi D1 yang besarnya 40 unit. Dengan
demikian maka semua permintaan maupun pemawaran telah selesai dan diperoleh Tabel
2.5 berikut.
Tabel 2.5.
Tempat
Asal
D1
D2
D3
12
O1
4
30
8
O2
0
70
15
O4
20
10
80
40
90
70
Permin-
40
100
60
40
12
10
taan
Pabrik
D5
5
50
1
O3
D4
9
10
Kapasitas
0
50
0
60
20
90
70
50 30
90
0
70
350
67
Berdasarkan Tabel 2.5 di atas diperoleh sistem transportasi sebagai berikut: X11 = 10, X13
= 30, X14 = 60, X22 = 50, X23 = 40, X31 = 70, X43 = 20, dan X45 = 70. Besarnya biaya
transportasi dengan metode Inspeksi adalah
10 (12) + 30 (9) + 60 (5) + 50 (1) + 40 (6) + 70 (1) + 20 (6) + 70 (1) = 1240.
iii. Metode VAM ( Vogel Approximation Method)
Metode VAM ini didasarkan atas beda kolom dan beda baris yang menentukan
perbedaan antara dua ongkos termurah dalam satu kolom atau satu baris. Setiap
perbedaan dapat dianggap sebagai penalti, karena menggunakan route termurah. Beda
baris atau beda kolom berkaitan dengan penalti tertinggi, merupakan baris atau kolom
yang akan diberi alokasi pertama. Alokasi pertama ini, atau menghabiskan tempat
Kapasitas produksi, atau menghabiskan permintaan tujuan atau kedua-duanya.
Untuk memperjelas metode ini, marilah kita mengerjakan soal yang sama dengan diatas
dengan menggunakan metode VAM.
Masalah transportasi ini adalah:
Tabel 2.6.
Tempat
Asal
D1
D2
12
D3
4
D4
9
D5
5
Kapasitas
Beda
Pabrik
Baris
9
100
O1
8
7
90
O2
1
12
7
70
O3
10
15
1
90
O4
Permintaan
Beda
Kolom
80
50
90
60
70
350
68
Besarnya beda baris dan beda kolom adalah sebagai berikut.

Tabel 2.7. Beda baris dan beda kolom.
Baris atau kolom
Dua biaya termurah
Baris O1
Baris O2
Baris O3
Baris O4
Kolom D1
Kolom D2
Kolom D3
Kolom D4
Kolom D5
4
1
1
1
1
1
4
5
1
dan
dan
dan
dan
dan
dan
dan
dan
dan
Beda baris atau

beda kolom
1
5
3
5
7
3
2
1
6
5
6
4
6
8
4
6
6
7
Beda baris atau beda kolom terbesar adalah 7 yaitu pada kolom D1, biaya termurah kolom
D1 adalah 1 yaitu pada sel O3D1. Oleh karena itu sel O3D1 ini diisi terlebih dahulu, yang
besarnya adalam minimum kapasitas O3 dan permintaan D1 yaitu 70. Dengan mengisi sel
O3D1 sebesar 70, maka kapasitas O3 menjadi 0 dan permintaan D1 menjadi 10. Dengan
demikian baris O3 kita tandai dan tidak dimasukkan dalam program selanjutnya.
Hasil perhitungan ini dapat kita lihat pada Tabel 2.8.
Tabel 2.8.
Origin
(Tempat
Asal)
Kapasitas
Pabrik

D1
D2
12
D3
4
D4
9
D5
5
O1
8
O3
12
15
90
70
90
O4
Demand
(Permintaan)
Beda
Kolom
70
10
100
7
O2
1
10
80
7
Beda
Baris
50
90
60
70
350
69
Besarnya beda baris dan beda kolom berikutnya adalah sebagai berikut.
Tabel 2.9. Beda baris dan beda kolom
Baris atau kolom
Dua biaya termurah
Baris O1
Baris O2
Baris O4
Kolom D1
Kolom D2
Kolom D3
Kolom D4
Kolom D5
Beda baris atau

beda kolom
1
5
5
2
3
0
1
6
4 dan 5
1 dan 6
1 dan 6
8 dan 10
1 dan 4
6 dan 6
5 dan 6
1 dan 7
D5 adalah 1 yaitu pada sel O4D5. Oleh karena itu sel O4D5 ini diisi terlebih dahulu, yang
demikian kolom D5 kita tandai dan tidak dimasukkan dalam program selanjutnya.
Tabel 2.10.
Tempat
Asal
D1
D2
12
D3
4
D4
9
D5
5
Beda
Kolom
0
70
10
15
1
70
20
90
350
10
2
90
12
70
80
O4
Permintaan
100
7
O2
O3
Beda
Baris
O1
8
Kapasitas
Pabrik
50
90
60
0
70
70
Tabel 2.11. Beda baris dan beda kolom
Baris atau kolom
Dua biaya termurah
Baris O1
Baris O2
Baris O4
Kolom D1
Kolom D2
Kolom D3
Kolom D4
Beda baris atau

beda kolom
1
5
3
2
3
0
1
4 dan 5
1 dan 6
6 dan 9
8 dan 10
1 dan 4
6 dan 6
5 dan 6
Beda baris atau beda kolom terbesar adalah 5 yaitu pada baris O2, biaya termurah kolom
O2 adalah 1 yaitu pada sel O2D2. Oleh karena itu sel O2D2 ini diisi terlebih dahulu, yang
demikian kolom D2 kita tandai dan tidak dimasukkan dalam program selanjutnya.
Tabel 2.12.
Kapasitas
Pabrik
Tempat
Asal
D1
D2
12
D3
4
D4
9
D5
5
O1
8
O2
O3
Permintaan
Beda
Kolom
50
80
2
40
90
12
0
70
10
15
1
70
20
90
350
70
10
100
O4
0
50
Beda
Baris
90
60
0
70
71
Baris atau kolom
Beda baris atau

beda kolom
4
0
3
2
0
1
Dua biaya termurah
Baris O1
Baris O2
Baris O4
Kolom D1
Kolom D3
Kolom D4
4 dan 9
6 dan 6
6 dan 9
8 dan 10
6 dan 6
5 dan 6
Beda baris atau beda kolom terbesar adalah 4 yaitu pada baris O1, biaya termurah baris
besarnya adalam minimum sisa kapasitas O1 dan permintaan D4 yaitu 60. Dengan mengisi
sel O1D4 sebesar 60, maka kapasitas O1 menjadi 40 dan permintaan D4 menjadi 0.
Dengan demikian baris O4 kita tandai dan tidak dimasukkan dalam program selanjutnya.
Tabel 2.14.
D1
D2
12
D3
4
D4
9
O1
O2
Beda
Kolom
50
1
12
10
15
1
70
10
80
2
0
50
0
90
60
0
0
70
Beda
Baris
40
100
40
90
0
70
70
O4
Permintaan
D5
60
8
O3
Kapasitas
Pabrik
Tempat
Asal
20
90
3
350
72
Baris atau kolom
Dua biaya termurah
Baris O1
Baris O2
Baris O4
Kolom D1
Kolom D3
Beda baris atau

beda kolom
3
2
4
2
0
9 dan 12
6 dan 8
6 dan 10
8 dan 10
6 dan 6
Beda baris atau beda kolom terbesar adalah 4 yaitu pada baris O4, biaya termurah baris
Dengan demikian baris O4 kita tandai dan tidak dimasukkan dalam program selanjutnya.
Tabel 2.16.
Tempat
Asal
D1
D2
12
D3
4
D4
9
O1
O2
Beda
Kolom
50
40
100
40
90
0
70
10
15
1
70
20 0
90
0
70
350
20
80
Beda
Baris
12
70
10
Kapasitas
Pabrik
O4
Permintaan
5
60
O3
D5
0
50
70
90
0
0
60
1
73
Baris atau kolom
Beda baris atau

beda kolom
3
2
4
3
Dua biaya termurah
Baris O1
Baris O2
Kolom D1
Kolom D3
9 dan 12
6 dan 8
8 dan 12
6 dan 9
Dengan demikian baris D1 kita tandai dan tidak dimasukkan dalam program selanjutnya.
Tabel 2.18.
D1
D2
12
D3
4
O1
O3
Beda
Kolom
10
50
D5
5
60
30
80
4
40 30
90
0
70
10
15
20 0
20
10
12
70
0
50
70
90
70
0
60
0
70
Beda
Baris
40 0
100
O4
Permintaan
D4
40
8
O2
Kapasitas
Pabrik
Tempat
Asal
90
350
Terakhir kekurangan kebutuhan D3 dicukupi oleh sisa dari O1 sebanyak 40 dan sisa O2
sebanyak 30. Dengan demikian kita peroleh sistem transportasi sebagai berikut: X13 = 40,
74
X14 = 60, X21 = 10, X22 = 50, X23 = 30, X31 = 70, X43 = 20, dan X45 = 70. Besarnya biaya
transportasi dengan metode VAM adalah
40 (9) + 60 (5) + 10 (8) + 50 (1) + 30 (6) + 70 (1) + 20 (6) + 70 (1) = 1230.
b. Menentukan Nilai Optimal
Dari ketiga metode tersebut di atas dapat kita lihat bahwa metode yang paling sederhana
adalah metode NWC, tetapi hasil dari metode ini umumnya kurang memuaskan.
Sedangkan dengan metode VAM hasilnya paling baik, tetapi perhitungannya cukup rumit.
Metode Inspeksi secara perhitungan sederhana, tetapi hasilnya mendekati dengan matode
VAM.
Jika kita diberi pertanyaan, metode mana yang akan dipakai untuk menyelesaikan
masalah transportasi?. Maka jawabnya tergantung banyaknya sumber (banyaknya tempat
produksi), banyaknya tempat tujuan serta waktu yang disediakan untuk memutuskan.
Bilamana diberi waktu yang cukup, maka akan digunakan metode VAM, tetapi apabila
waktu untuk memutuskan sempit maka metode Inspeksi sudah cukup baik.
Masalah yang perlu ditanyakan lagi ialah apakah dengan metode Inspeksi atau VAM telah
mencapai biaya optimum?. Untuk menjawab pertanyaan ini, ada dua metode untuk
mengetahui apakah sudah optimum atau belum, untuk mengetahui optimalitas model
transportasi digunakan metode Steppingstone atau metode Modi.
i.
Metode Steppingstone
Metode Steppingstone bekerja dengan mempertimbangkan opportinity cost dari sel

kosong, yaitu berkurangnya biaya akibat pemindahan model pengangkutan bilamana sel
kosong itu diisi satu barang. Sebagai ilustrasi perhatikan contoh berikut:
Tabel 2.19. Menghitung opportunity cost sel kosong
Destination ( Tujuan)
Tempat
Asal
D1
D2
10
O1
60
5
10
6
O2
Permintaan
60
7
30
4
50
60
Kapasitas
D3
100
9
50
30
75
Dari Tabel 2.19 di atas, sel kosong adalah sel O2D1 dan sel O2D3, dengan biaya
transportasi = 60 (10) + 10 (5) + 30 (7) + 50 (4) = 1.060
Untuk sel O2D1.
Tabel 2.19.a.
D1
O1
O2
D2
10
-1
5
+1
6
+1
4
-1
Andaikan sel O2D1 ini diisi satu barang, maka supaya kondisi seimbang sel O1D1 dan sel
O2D2 dikurangi satu dan sel O1D2 ditambah satu. Sekarang perhatikan loop O2D1 O1D1
O1D2 O2D2. Berturut-turut tambah 1, kurang 1, tambah 1, kurang 1. Perubahan
biaya adalah = 6 - 10 + 5 4 = -3. Jadi opportunity cost sel O2D1 adalah 3. Ini artinya
bahwa apabila kita mengisi sel O2D1 satu barang, maka terjadi pengurangan biaya
sebesar 3.
Untuk sel O2D3.
biaya adalah = 9 - 4 + 5 7 = 3. Jadi opportunity cost sel O2D3 adalah -3. Ini artinya bila
kita mengisi sel O2D3 satu barang, maka terjadi penambahan biaya sebesar 3.
Dari perhitungan di atas, maka sel O2D1 harus diisi sebanyak mungkin, sedangkan sel
O2D3 tidak perlu diisi sebab apabila diisi akan menambah biaya (merugi). Banyaknya
barang yang dapat diisikan pada sel O2D1 adalah minimum isi sel yang terkurangi yaitu
O1D1 dan O2D2, jadi sel O2D1 dapat diisi sebesar 50, sehingga terbentuk Tabel 2.19.b.
76
Tabel 2.19.b.
Tempat
Asal
O1
O2
Permintaan
Destination (Tujuan)
D1
D2
10
10
D3
5
60
6
50
60
Kapasitas
7
30
4
60
100
50
30
Dari Tabel 2.19.b di atas, sel kosong adalah sel O2D2 dan sel O2D3.
Untuk sel O2D2.
Untuk sel O2D3.
Dari perhitungan ini, semua opportunity cost sel kosong adalah negatif, maka Tabel 2.19.b.
di atas telah optimal, dengan biaya transportasi = 10 (10) + 60 (5) + 30 (7) + 50 (6) = 910.
Ini cocok bila kita hitung dari 1060 910 = 150, berasal dari pemindahan 50 satuan barang
dengan opportunity cost 3.
Untuk kasus di atas, kita dapat bekerja mulai hasil dari NWC, Inspeksi, atau VAM. Apabila
kita mulai dari NWC, langkah pada metode NWC nya mudah, tetapi akan menjadi sukar
pekerjaan di Steppingstone, apabila kita mulai dari VAM, maka akan sukar pada langkah di
VAM nya, tetapi mudah pada langkah Steppingstone. Langkah yang cukup bijaksana
77
(meskipu tidak harus), adalah langkah awalnya dengan metode Inspeksi, sebab metode
Inspeksi perhitungannya mudah dan hasilnya sudah dekat dengan langkah pada VAM.
Dari langkah awal metode Inspeksi diperoleh hasil seperti Tabel 2.19.c.
Tabel 2.19.c
Tempat
Asal
D1
D2
12
O1
D3
4
30
O2
1
50
D5
5
60
6
100
6
40
90
12
10
15
70
70
O4
Permintaan
D4
9
10
8
O3
Kapasitas
Pabrik
20
80
50
90
60
70
90
70
350
Dari Tabel 2.19.c di atas kita buat tabel opportunity cost sel kosong seperti pada Tabel
2.19.d berikut:
Tabel 2.19.d. Hasil perhitungan opportunity cost sel kosong
No
1
2
3
4
5
6
7
8
9
10
11
12
Sel
kosong
O1D2
O1D5
O2D1
O2D4
O2D5
O3D2
O3D3
O3D4
O3D5
O4D1
O4D2
O4D4
Loop
Perubahan biaya
O1D2O1D3O2D3O2D2
O1D5O4D5O4D3O1D3
O2D1O1D1O1D3O2D3
O2D4O2D3O1D3O1D4
O2D5O4D5O4D3O2D3
O3D2O3D1O1D1O1D3O2D3O2D2
O3D3O3D1O1D1O1D3
O3D4O3D1O1D1O1D4
O4D1O1D1O1D3O4D3
O4D2O2D2O2D3O4D3
O4D4O4D3O1D3O1D4
4-9+6-1=0
9-1+6-9=5
8-12+9-6=-1
6-6+9-5=4
7-1+6-6=6
12-1+12-9+6-1=19
4-1+12-9=6
7-1+12-5=13
7-1+6-9+12-1=14
10-12+9-6=1
15-1+6-6=14
9+6+9-5=7
Opportunity
cost
0
-5
1
-4
-6
-19
-6
-13
-14
-1
-14
-7
78
Dari tabel 2.19.d. di atas, terlihat bahwa opportunity cost terbesar adalah pada sel O2D1
sehingga sel ini harus diisi sebanyak mungkin. Sel ini diisi sebanyak minimun dari sel O1D1
dan O2D3 yaitu sebanyak 10. Sehingga Tabel 2.19.d. menjadi Tabel 2.19.e berikut:
Tabel 2.19.e.
Tempat
Asal
D1
D2
12
D3
4
10
1
50
60
100
30
12
90
70
70
10
15
20
O4
Permintaan
D5
5
40
8
O3
D4
9
O1
O2
Kapasitas
Pabrik
80
50
90
1
70
60
70
90
350
Dari Tabel 2.19.e. di atas kita buat tabel opportunity cost semua sel kosong sehingga
diperoleh Tabel 2.19.f berikut:
Tabel 2.19.f.
No
1
2
3
4
5
6
7
8
9
10
11
12
Sel
kosong
O1D1
O1D2
O1D5
O2D4
O2D5
O3D2
O3D3
O3D4
O3D5
O4D1
O4D2
O4D4
Loop
Perubahan biaya
O1D2O1D3O2D3O2D1
O1D2O1D3O2D3O2D2
O1D5O4D5O4D3O1D3
O2D4O2D3O1D3O1D4
O2D5O4D5O4D3O2D3
O3D2O3D1O2D1O2D3
O3D3O3D1O2D1O2D3
O4D1O2D1O2D3O4D3
O4D2O2D2O2D3O4D3
O4D4O4D3O1D3O1D4
12-9+6-8=1
4-9+6-1=0
9-1+6-9=5
6-6+9-5=3
7-1+6-6=6
12-1+8-1=18
4-1+8-6=5
7-1+8-6+9-5=12
7-1+6-6+8-1=13
10-8+6-6=2
15-1+6-6=14
9+6+9-5=7
Opportunity
cost
-1
0
-5
-3
-6
-18
-5
-12
-13
-2
-14
-7
79
Dari Tabel 2.19.f. terlihat bahwa tidak ada lagi sel kosong yang mempunyai opportunity
cost positif, ini berarti bahwa Tabel 2.4.f telah optimal, dengan biaya transportasi =40 (9) +
60 (5) + 10 (8) + 50 (1) + 30 (6) + 70 (1) + 20 (6) + 70(1) = 1.230.
Sebagai catatan bahwa opportunity cost sel O1D2 adalah nol, ini berarti bahwa sel ini diisi
maupun tidak, tidak akan menambah atau mengurangi biaya transportasi.
ii. Modified Distribution Method (MODI)

Pada penyelesaian metode Steppingstone umumnya akan mengalami kesulitan utama
pada menentukan loop, apalagi kalau banyaknya sumber (tempat asal) atau tempat
tujuan banyak. Metode Modi meniadakan loop yang banyak, dimana pada metode Modi ini
setiap langkah mencari opportunity cost terbesar hanya memerlukan satu kali loop.
Untuk membahas metode ini, perlu dikenalkan beberapa istilah / singkatan yang akan
digunakan untuk merumuskan masalah transportasi.
Misalkan banyaknya tempat asal adalah m dan banyaknya tempat tujuan n, dan misalkan
Oi = tempat asal ke i, dimana i = 1, 2, ..., m.
Dj = tempat tujuan ke j, dimana j = 1, 2, ..., n.
Cij = besarnya biaya satuan pengiriman barang dari Oi ke Dj.
Vi = bilangan baris, dimana i = 1, 2, ..., m.
Uj = bilangan kolom, dimana j = 1, 2, ..., n.
Kij = bilangan sel kosong.
Langkah-langkah menghitung opportunity cost sel kosong.
1. Menghitung Vi dan Uj berdasarkan sel yang telah terisi sehingga dengan
hubungan Cij = Vi + Uj. Dimana pertama kali kita dapat memberikan sebarang
bilangan pada salah satu Vi atau Uj.
2. Menghitung Kij pada sel kosong dengan ketentuan Kij = Vi + Uj.
3. Menghitung opportunity cost sel kosong dengan ketentuan
Opportunity cost = Kij Cij.
Sebagai ilistrasi perhatikan tabel berikut:
80
Tabel 2.19.f
Destination ( Tujuan)
Tempat
Asal
D1
10
O1
O2
D2
60
10
30
4
Bil Baris
(Vi)
100
50
D3
5
K21
Kapasitas
K23
50
Permintaan
60
60
30
Bil Kolom (Uj)
10
Misalkan kita ambil sebarang bilangan untuk V1 = 0, maka kita kita peroleh:
U1 = C11 V1 = 10 0 = 10
U2 = C12 V1 = 5 0 = 5
U3 = C13 V1 = 7 0 = 7
V2 = C22 U2 = 4 5 = 1
K21 = V2 + U1 = (1) + 10 = 9
K23 = V2 + U3 = (1) + 7 = 6
Opportunity cost sel O2D1 = K21 C21 = 9 6 = 3
Opportunity cost sel O2D3 = K23 C23 = 6 9 = 3
Selanjutnya kita akan menghitung opportunity cost sel kosong pada masalah di atas
dengan Modi. Pertama misalkan kita ambil Tabel hasil dari metode Inspeksi yaitu seperti
Tabel 2.19.g berikut:
81
Tabel 2.19.g.
Tempat
Asal
D1
D2
12
D3
4
D4
9
10
O1
Kapasitas
Pabrik
30
8
60
6
50
O2
D5
12
7
90
70
O3
70
10
15
20
O4
Perminta
an
Bil.
Kolom
100
40
Bil
Baris
(Vi)
80
50
1
70
90
60
90
350
70
Misalkan kita ambil V1 = 0, maka U1 = 12, U3 = 9, U4 = 5.

Dari U1 = 12, diperoleh V3 = -11, dari U3 = 9, diperoleh V2 = -3, dan V4 = -3, dari V2 = -3,
diperoleh U2 = 4, dan dari V4 = -3, diperoleh U5 = 4.
Selanjutnya dengan menghitung Kij = = Vi + Uj, maka kita peroleh Tabel 2.19.h.
Tabel 2.19.h.
Tempat
Asal
D1
D2
12
O1
D4
9
10
30
1
D5
5
60
6
50
O2
100
6
40
12
90
4
70
70
10
O4
Perminta
an
Bil.
Kolom
D3
4
O3
Kapasitas
Pabrik
15
20
80
12
50
4
90
9
1
70
60
5
70
4
90
350
Bil Baris
(Vi)
0
-3
-11
-3
82
Tabel 2.19.i. Hasil Perhitungan Opportunity cost sel kosong

No
Sel
kosong
Opp
cost
10
11
12
O1D2 O1D5 O2D1 O2D4 O2D5 O3D2 O3D3 O3D4 O3D5 O4D1 O4D2 O4D4
0
-5
-4
-6
-19
-6
Dari hasil ini, bandingkan dengan Tabel 2.19.d.

Perhitungan selanjutnya sama dengan metode Steppingstone.
-13
-14
-1
-14
-7
83
c. Penyelesaian Masalah Transportasi dengan Program Komputer

i. Program Lindo
Seperti pada penyelesaian program Linear dengan Lindo, masalah transportasi juga dapat
dikerjakan dengan Lindo, yaitu dengan memandang masalah transportasi sebagai
program Linear. Berikut akan dibahas masalah transportasi yang sama di atas, tetapi
solusinya dengan Program Lindo.
Tempat
Asal

D1
D2
12
D3
4
D4
9
Kapasitas
Pabrik
D5
5
9
100
O1
8
O2
90
1
12
10
15
O3
70
O4
90
Permintaan
80
50
90
60
70
350
Misalkan banyaknya barang pada sel Xij yaitu banyaknya barang yang dikirim dari pabrik
Oi ke permintaan Dj, dan cij adalah biaya satuan pengiriman dari pabrik Oi ke permintaan
Dj, maka basarnya biaya pengiriman adalah:
Z = X ijcij
X = per min taan D

Untuk setiap i, X ij = kapasitas O i .
Dengan syarat untuk setiap j,
ij
, dan
Dari ketentuan ini, untuk kasus masalah transportasi ini, maka kita peroleh model.
Minimumkan biaya: 12X11 + 4X12 +9 X13 + 5X14 + 9X15 + 8X21 + 1X22 + 6X23 + 6X24
+ 7X25 + 1X31 + 12X32 + 4X33 + 7X34 + 7X35 + 10X41 + 15 X42 + 6X43 + 9X44 + 1X45
Dengan syarat
X11 + X21 + X31 + X41 = 80
X12 + X22 + X32 + X42 = 50
X13 + X23 + X33 + X43 = 90
84
X14 + X24 + X34 + X44 = 60

X15 + X25 + X35 + X45 = 70
Dan
X11 + X12 + X13 + X14 + X15 =100

X21 + X22 + X23 + X24 + X25 = 90
X31 + X32 + X33 + X34 + X35 =70
X41 + X42 + X43 + X44 + X45 = 90
Xij 0, untuk setiap i dan j.
Dalam menyelesaikan program linear maupun masalah transportasi, indeks ditulis sejajar
dengan variabelnya sehingga dalam penulisan pada Lindo sebagai berikut.
MIN
12X11+4X12+9X13+5X14+9X15+8X21+1X22+6X23+6X24+7X25
+1X31+12X32+4X33+7X34+7X35+10X41+15X42+6X43+9X44+1X45
SUBJECT TO
X11+X12+X13+X14+X15=100
X21+X22+X23+X24+X25=90
X31+X32+X33+X34+X35=70
X41+X42+X43+X44+X45=90
X11+X21+X31+X41=80
X12+X22+X32+X42=50
X13+X23+X33+X43=90
X14+X24+X34+X44=60
X15+X25+X35+X45=7
END
Setelah program Lindo dijalankan, maka akan diperoleh hasil sebagai berikut.
LP OPTIMUM FOUND AT STEP
OBJECTIVE FUNCTION VALUE

1)
VARIABLE
X11
X12
X13
X14
X15
X21
X22
X23
X24
X25
1230.000
VALUE
0.000000
40.000000
0.000000
60.000000
0.000000
10.000000
10.000000
70.000000
0.000000
0.000000
REDUCED COST
1.000000
0.000000
0.000000
0.000000
5.000000
0.000000
0.000000
0.000000
4.000000
6.000000
85
X31
X32
X33
X34
X35
X41
X42
X43
X44
X45
ROW
2)
3)
4)
5)
6)
7)
8)
9)
10)
70.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
20.000000
0.000000
70.000000
0.000000
18.000000
5.000000
12.000000
13.000000
2.000000
14.000000
0.000000
7.000000
0.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
NO. ITERATIONS=
DUAL PRICES
0.000000
3.000000
10.000000
3.000000
-11.000000
-4.000000
-9.000000
-5.000000
-4.000000
RANGES IN WHICH THE BASIS IS UNCHANGED:
VARIABLE
X11
X12
X13
X14
X15
X21
X22
X23
X24
X25
X31
X32
X33
X34
X35
X41
X42
X43
X44
X45
ROW
2
CURRENT
COEF
12.000000
4.000000
9.000000
5.000000
9.000000
8.000000
1.000000
6.000000
6.000000
7.000000
1.000000
12.000000
4.000000
7.000000
7.000000
10.000000
15.000000
6.000000
9.000000
1.000000
CURRENT
RHS
100.000000
OBJ COEFFICIENT RANGES

ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
INFINITY
1.000000
0.000000
4.000000
INFINITY
0.000000
4.000000
INFINITY
INFINITY
5.000000
1.000000
5.000000
4.000000
0.000000
0.000000
2.000000
INFINITY
4.000000
INFINITY
6.000000
5.000000
INFINITY
INFINITY
18.000000
INFINITY
5.000000
INFINITY
12.000000
INFINITY
13.000000
INFINITY
2.000000
INFINITY
14.000000
2.000000
5.000000
INFINITY
7.000000
5.000000
INFINITY
RIGHTHAND SIDE RANGES
ALLOWABLE
INCREASE
0.000000
ALLOWABLE
DECREASE
0.000000
86
3
4
5
6
7
8
9
10
90.000000
70.000000
90.000000
80.000000
50.000000
90.000000
60.000000
70.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Tampilan yang muncul pada layar editor di atas merupakan penyelesaian suatu masalah
transportasi yang dapat diartikan sebagai berikut.
1. Biaya minimum yang diperlukan untuk pengangkutan barang adalah 1.230 yang
dapat dibaca dari
1)
1230.000
2. Alokasi pengiriman barang dapat diketahui dari nilai

value pada hasil berikut.
VARIABLE
X11
X12
X13
X14
X15
X21
X22
X23
X24
X25
X31
X32
X33
X34
X35
X41
X42
X43
X44
X45
VALUE
0.000000
40.000000
0.000000
60.000000
0.000000
10.000000
10.000000
70.000000
0.000000
0.000000
70.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
20.000000
0.000000
70.000000
REDUCED COST
1.000000
0.000000
0.000000
0.000000
5.000000
0.000000
0.000000
0.000000
4.000000
6.000000
0.000000
18.000000
5.000000
12.000000
13.000000
2.000000
14.000000
0.000000
7.000000
0.000000
a. Dari O1 (tempat asal) dikirimkan ke D2 (tempat tujuan) sebanyak 40 unit, dan ke

D4 sebanyak 60 unit.
b. Dari O2 dikirimkan ke D1 sebanyak 10 unit, ke D2 sebanyak 10 dan dikirim ke
D3 sebanyak 70
87
c. Dari O 3 dikirimkan sebanyak 70 unit ke D1.

d. Dari O 4 dikirimkan sebanyak 20 unit ke D3, dan 80 unit ke D5
Reduced Cost adalah lawan dari opportunity cost, jadi apabila Reduced Cost = 4, maka
opportunitu costnya = -4. Dengan demikian dari hasil di atas, tidak ada opportunity cost
yang positif, jadi program optimal.
Pada masalah transportasi keadaan pasar seimbang artinya jumlah permintaan akan
barang sama dengan jumlah kapasitas produksi, maka dual price tidak memiliki makna
khusus.
Selanjutnya hasil berikut menunjukkan perubahan yang dibolehkan agar sistem
transportasi tetap, dengan biaya optimal.
VARIABLE
X11
X12
X13
X14
X15
X21
X22
X23
X24
X25
X31
X32
X33
X34
X35
X41
X42
X43
X44
X45
CURRENT
COEF
12.000000
4.000000
9.000000
5.000000
9.000000
8.000000
1.000000
6.000000
6.000000
7.000000
1.000000
12.000000
4.000000
7.000000
7.000000
10.000000
15.000000
6.000000
9.000000
1.000000

ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
INFINITY
1.000000
0.000000
4.000000
INFINITY
0.000000
4.000000
INFINITY
INFINITY
5.000000
1.000000
5.000000
4.000000
0.000000
0.000000
2.000000
INFINITY
4.000000
INFINITY
6.000000
5.000000
INFINITY
INFINITY
18.000000
INFINITY
5.000000
INFINITY
12.000000
INFINITY
13.000000
INFINITY
2.000000
INFINITY
14.000000
2.000000
5.000000
INFINITY
7.000000
5.000000
INFINITY
Misalnya c11 dapat turun sampai 11 atau naik sampai tak berhingga, c12 dapat turun
sampai 0 dan tidak boleh naik, dan seterusnya.
88
Hasil terakhir yaitu

ROW
CURRENT
RHS
2
3
4
5
6
7
8
9
10
100.000000
90.000000
70.000000
90.000000
80.000000
50.000000
90.000000
60.000000
70.000000

ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Menunjukkan bahwa jumlah produksi maupun jumlah permintaan adalah tetap karena
memang keadaan pasar seimbang.
ii. Program Lingo untuk Menyelesaikan Masalah Transportasi

Lingo adalah salah satu program (software) dibawah Winston satu set bersama-sama
dengan Lindo. Program Lingo lebih luas cakupannya, namun output (hasil keluaran) nya
tidak selengkap program Lindo. Pada program Lingo, dapat mengolah data atau rumusan
non-linear, seperti membuat grafik fungsi sinus, fungsi logarirmis, fungsi eksponen, dan
lain-lain.
Bentuk pemrograman Lingo juga lebih rumit sedikit, tetapi akan lebih efisien
apabila digunakan untuk menyelesaikan masalah transportasi dengan banyak variabel.
Karena pada program Lingo disediakan perintah (command) looping dengan perintah for ...
loop. Sebagai contoh masalah transportasi yang sudak kita bahas di atas akan dikerjakan
dengan program Lingo.
Permasalahan transportasi di atas supaya lebih jelas, kita tulis lkembali tabelnya sebagai
berikut.
89
Tabel Trasportasi
Tempat
Asal
Kapasitas
Pabrik

D1
D2
12
D3
4
D4
9
D5
5
9
100
O1
8
O2
90
1
12
O3
70
10
15
O4
Permintaan
90
80
50
90
60
70
350
Dengan program Lingo, maka perintah untuk menyelesaikan masalah transportasi ini
adalah.
Model:
Sets:
ariable /O1, O2, O3, O4/:Asal;
Permintaan/D1, D2, D3, D4, D5/ :Demand ;
Links(Kapasitas,Permintaan) :Ship, Cost ;
Endsets
Min=@sum(Links:Ship*Cost);
@for(Permintaan(j) :@sum(Kapasitas(i) :Ship(i,j))>Demand(j)) ;
@for(Kapasitas(i) :@sum(Permintaan(j) :Ship(i,j))<Asal(i)) ;
Data:
Asal=100, 90, 70, 90;
Demand=80, 50, 90, 60, 70;
Cost=12, 4, 9, 5, 9, 8, 1, 6, 6, 7, 1, 12, 4, 7, 7,
10, 15, 6, 9, 1;
Enddata
End
Dari program di atas nampak bahwa, program Lingo ini sangat baik untuk masalah
transportasi khususnya untuk banyak ariable, karena dengan Lingo, kita tidak usah
mendefinisikan nama ariable. Perhatikan bahwa bentuk program Lingo untuk
menyelesaikan masalah transportasi ini. Bentuk program sudah baku dan tidak perlu
mengganti variabel/ menambah variabel. Perubahan program hanya mengubah
banyaknya Kapasitas, Permintaan, dan perubahan pada data saja.
90
Setelah program dijalankan, maka akan diperoleh hasil

sebagai berikut.
Rows =
10 Vars =
20 No. integer vars =
0 ( all are linear)
Nonzeros=
69 Constraint nonz=
40(
40 are +- 1) Density=0.329
Smallest and largest elements in absolute value =
1.00000
100.000
No. < :
4 No. =:
0 No. > :
5, Obj=MIN, GUBs <=
5
Single cols=
0
Optimal solution found at step:
15
Objective value:
1230.000
Variable
ASAL( O1)
ASAL( O2)
ASAL( O3)
ASAL( O4)
DEMAND( D1)
DEMAND( D2)
DEMAND( D3)
DEMAND( D4)
DEMAND( D5)
SHIP( O1, D1)
SHIP( O1, D2)
SHIP( O1, D3)
SHIP( O1, D4)
SHIP( O1, D5)
SHIP( O2, D1)
SHIP( O2, D2)
SHIP( O2, D3)
SHIP( O2, D4)
SHIP( O2, D5)
SHIP( O3, D1)
SHIP( O3, D2)
SHIP( O3, D3)
SHIP( O3, D4)
SHIP( O3, D5)
SHIP( O4, D1)
SHIP( O4, D2)
SHIP( O4, D3)
SHIP( O4, D4)
SHIP( O4, D5)
COST( O1, D1)
COST( O1, D2)
COST( O1, D3)
COST( O1, D4)
COST( O1, D5)
COST( O2, D1)
COST( O2, D2)
COST( O2, D3)
COST( O2, D4)
COST( O2, D5)
COST( O3, D1)
COST( O3, D2)
COST( O3, D3)
COST( O3, D4)
COST( O3, D5)
COST( O4, D1)
COST( O4, D2)
COST( O4, D3)
COST( O4, D4)
COST( O4, D5)
Value
100.0000
90.00000
70.00000
90.00000
80.00000
50.00000
90.00000
60.00000
70.00000
0.0000000E+00
0.0000000E+00
40.00000
60.00000
0.0000000E+00
10.00000
50.00000
30.00000
0.0000000E+00
0.0000000E+00
70.00000
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
20.00000
0.0000000E+00
70.00000
12.00000
4.000000
9.000000
5.000000
9.000000
8.000000
1.000000
6.000000
6.000000
7.000000
1.000000
12.00000
4.000000
7.000000
7.000000
10.00000
15.00000
6.000000
9.000000
1.000000
Reduced Cost
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
1.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
5.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
4.000000
6.000000
0.0000000E+00
18.00000
5.000000
12.00000
13.00000
2.000000
14.00000
0.0000000E+00
7.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
91
Row
Slack or Surplus
1
2
3
4
5
6
7
8
9
10
1230.000
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
Dual Price
1.000000
-11.00000
-4.000000
-9.000000
-5.000000
-4.000000
0.0000000E+00
3.000000
10.00000
3.000000
Makna hasil keluaran Lingo mirip dengan hasil keluaran dari Lindo, pembaca dipersilahkan
mengartikan makna hasil keluaran di atas (sebagai latihan)
92
iii. Program Solver untuk Menyelesaikan Masalah Transportasi

Untuk menyelesaikan masalah transportasi dengan Solver, maka kita buat tabel biaya,
kapasitas, dan permintaan pada lembar kerja excel seperti berikut.
Langkah awal adalah membuat Tabel biaya pengiriman, kapasitas produksi dan
permintaan. Tabel ini kita copy dan diletakkan dibawahnya, dengan mengganti menjadi
Tabel Benyaknya Pengiriman Barang. Nilai awal yang diberikan kepada banyaknya barang
yang dikirim dari Oi ke Dj adalah 0. Sedangkan banyaknya barang yang dikirim dari Oi
adalah jumlah banyaknya barang yang dikirim dari Oi ke Dj untuk suatu i. Jadi dalam hal ini
sel G16 ditulis dengan formula =SUM(B16:F16). Formula ini di-copy-kan ke sel G17
sampai G19. Selanjutnya banyaknya Penerimaan Barang adalah jumlah barang yang
93
diterima dari Oi ke Dj untuk suatu j. Jadi dalam hal ini sel B20 ditulis dengan formula
=SUM(B16:B19). Formula ini di-copy-kan ke sel C20 sampai F20.
Biaya Pengiriman merupakan kelipatan yang seletak antara banyaknya barang yang
dikirim dengan biaya satuan pengiriman. Oleh karena itu pada sel B22 kita tuliskan formula
=SUMPRODUCT(B6:F9,B16:F19).
Menjalankan Solver
Setelah persiapan pada lembar kerja Excel selesai, saatnya menjalankan Solver, yaitu
Tools, Solver, maka akan keluar menu Solver.
Hasil perhitungan total biaya kita letakkan pada sel B2, dan ini tidak diubah ke sel lain oleh
karena itu semua hasil kita tetapkan dengan menambahkan tanda $ pada sel tempat
perumusan hasil atau sumber. Sehingga untuk sel Set Target Cell kita ini dengan $B$22.
Masalah yang kita cari adalah masalah minimumkan biaya transportasi, sehingga pada
Equal To kita pilih Min. Selanjutnya pada By Changing Cells meminta bagian (kelompok)
sel yang merupakan variabel. Pada masalah ini adalah menentukan banyaknya barang
pada sistem transportasi, oleh karena itu kita isikan B18 sampai F19 sehingga kita tulis
$B$16:$F$19.
Subject to the Constraints meminta syarat pembatas. Dalam masalah ini ada dua syarat
pembatas yaitu pembatas permintaan (penerimaan barang) dan Kapasitas Pabrik
(Banyaknya barang yang dikirim), oleh karena itu.
Pembatas permintaan yaitu permintaan harus dipenuhi, jadi permintaan kurang dari atau
sama dengan penerimaan barang. Sehingga $B10:$F$10 <= $B20:$F$20.
94
Pembatas kapasitas menyatakan bahwa barang yang dikirim akan kurang dari atau sama
dengan kapasitas pabrik. Sehingga $G$16:$G$19 <= $G$6:$G$9.
Selanjutnya dengan memilih/mengisikan keterangan berikut pada menu solver, dan
dengan mengisi options asumsi linear dan non-negatif variable. maka setelah dijalankan
atau meng-klik Solve akan diperoleh hasil berikut.
Hasil ini menunjukkan bahwa Biaya Pengiriman sebesar 1.230, dengan sistem pengiriman:
Produksi dari O1 sebanyak 100 unit, dikirim ke D2 sebanyak 40 unit, dan ke D4 sebanyak
60 unit. Produksi dari O2 sebanyak 90 unit, dikirim ke D1 sebanyak 10 unit, ke D2 sebanyak
10 unit, dan ke D3 sebanyak 70 unit. Produksi dari O3 sebanyak 70 unit, dikirim semuanya
ke D3 yaitu sebanyak 70 unit. Produksi dari O4 sebanyak 90 unit, dikirim ke D3 sebanyak
20 unit dan ke D5 sebanyak 70 unit.
95
d. Masalah Transportasi Pasar Tidak Seimbang

Kenyataan di lapangan, keadaan seimbang sangatlah langka. Keadaan yang sering terjadi
adalah tidak seimbang. Ini desebabkan karena sangat sukar menentukan secara tepat
kebutuhan lapangan yang sebenarnya. Ketidak seimbangan ada dua macam yaitu
keadaan jumlah barang yang diproduksi lebih besar daripada kebutuhan lapangan atau
sebaliknya kebutuhan di lapangan yang lebih besar daripada jumlah barang yang
diproduksi.
Penyelesaian Masalah Transportasi Pasar Tidak Seimbang

1. Jumlah produksi lebih besar daripada permintaan pasar
Apabila jumlah produksi lebih besar daripada jumlah permintaan di pasar, maka perlu
ditambah tempat permintaan dummy yaitu permintaan yang tidak sebenarnya yang
besarnya sama dengan selisih antara jumlah produksi dan jumlah permintaan, dan dalam
tabel transportasi diberi biaya transportasi sebesar 0. Dalam kenyataan permintaan
dummy ini adalah gudang perusahaan.
Sebagai contoh, perhatikan masalah transportasi berikut:
PT Cocacola memproduksi Coco cola, Fanta, dan Sprite di empat kota di Pulau Jawa
untuk memenuhi permintaan masyarakat, yaitu kota P, Q, R, dan S berturut-turut 50, 70,
30, dan 80 truk setiap hari. Untuk mempermudah pemasaran, barang-barang produksi
tersebut dikirim ke lima agen besar yaitu Agen A, B, C, D, dan E berturut-turut 40, 60, 30,
45, dan 50 truk. Jarak antara pabrik dan agen terlihat pada tabel berikut:
Tabel Jarak antara Pabrik dan Agen (dalam km)
Kota Tujuan / Permintaan
A
40
105
70
20
40
60
80
80
20
60
90
30
40
25
70
130
100
60
25
45
96
Dalam rangka penghematan penggunaan bahan bakar minyak (BBM), perusahaan akan
mengirimkan barang-barang produksi tersebut dengan biaya terkecil, yaitu dengan
meminimumkan jarak tempuh armada truknya. Di lain pihak, perusahaan ini memberi
pelayanan kepada masyarakat sebaik mungkin, sehingga setiap truk hanya digunakan
untuk mengirim satu kali. Buatlah sistem Transportasi untuk PT Cocacola ini dan berikan
komentar saudara tentang sistem produksi pada perusahaan ini?.
Dari masalah di atas, apabila tabel dilengkapi dengan permintaan virtual maka akan
diperoleh tabel berikut.
A
Dummy
Produksi
40
105
70
20
40
50
60
80
80
20
60
70
90
30
40
25
70
30
130
100
60
25
45
80
Permintaan
40
60
30
45
50
230
Penyelesaian masalah ini deserahkan kepada pembaca.

2. Jumlah produksi lebih kecil daripada permintaan pasar
Dalam hal jumlah produksi lebih kecil daripada permintaan pasar, maka ada
tempat permintaan yang tidak dikirim barang secara penuh. Dalam menyelesaikan
masalah ini, dapat ditambahkan pabrik dummy yang memproduksi sebanyak selisih antara
jumlah permintaan dan jumlah kapasitas produksi, pada tabel biaya transportasi, kapasitas
produksi dan permintaan dilengkapi dengan pabrik virtual dengan biaya transportasi 0.
Kemudian tempat permintaan yang dikirim dari pabrik dummy ini akan mengalami
kekurangan barang sebanyak produksi virtual tersebut.
Contoh masalah dan penyelesaiannya diserahkan kepada pembaca.
97
Penerapan Metode Transportasi

Selanjutnya kita bahas masalah transportasi pada PT Aqua Golden Mississippi di
Jawa Barat. Data Permintaan dan penawaran adalah sebagai berikut:
Tabel 2.5.a. Data Lokasi Pabrik dan Kapasitas Produksi di Jawa Barat dalam 1 Tahun
No
Lokasi Pabrik
Aktivitas
Kapasitas Produksi
Bekasi
Produksi AQUA
250.000.000 Liter
Citeurep (Bogor)
Produksi AQUA
200.000.000 Liter
Cimelati (Sukabumi)
Produksi AQUA
200.000.000 Liter
Kuningan
Produksi AQUA
100.000.000 Liter
Kapasitas Produksi dalam 1
Tahun
750.000.000 Liter
Sumber: PT. Tirta Babakan Pari Cimelati (Sukabumi) Produksi AQUA
Tabel 2.5.b Data Jarak Lokasi Pabrik dengan 12 kota Daerah Pemasaran dan
Demand
Tujuan Pengiriman
Lokasi
10
11
12
Bekasi
119
140
29
84
87
148
154
217
261
260
229
Citeurep (Bogor)
148
118
58
87
163
61
129
192
194
235
259
Cimelati (Sukabumi)
209
179
119
148
136
61
96
159
261
202
226
Kuningan
383
404
293
261
235
194
261
165
192
185
35
40
40
195
50
55
40
35
145
35
30
35
50
Pabrik
Kebutuhan Permin
taan (Demand)
Keterangan :
Angka pada kolom 1 sampai dengan kolom 12 adalah nama kota tujuan pengiriman:
1) Serang; 2) Pandeglang; 3) Jakarta; 4) Bekasi;
Sukabumi; 8) Bandung; 9) Garut
5. Purwakarta; 6. Bogor ; 7.
; 10) Kuningan; 11) Tasikmalaya; 12) Cirebon.
98
Angka yang ada dalam kolom dibawah kolom nama kota adalah angka jarak antara pabrik
dengan kota tujuan pengiriman dalam kilometer ( Km ), sedangkan biaya angkut dihitung
dalam puluhan ribu rupiah (Rp 10.000,-) per satu juta liter kilometer. Jumlah kebutuhan
atau permintaan dalam juta liter per tahun untuk tiap kota yang menjadi tujuan pengiriman.
Setelah informasi/data di atas tersedia maka langkah selanjutnya menuliskan
permasalahan yang ada ke dalam bentuk tabel biaya pengangkutan atau jarak. Pada
PT.AQUA di Jawa Barat seperti terlihat pada tabel 4. untuk kapasitas produksi per tahun
dan pada tabel 5. untuk jarak antara lokasi pabrik dengan kota tujuan pengiriman,
sedangkan biaya dihitung dalam Rp 10.000,- per satu juta liter kilometer. Kemudian
merumuskan dan menuliskannya pada papan editor dalam bentuk persamaan linear untuk
fungsi tujuan, fungsi kendala, dan penyelesaian non negatif. Data pada PT.AQUA Golden
Mississippi Jawa Barat seperti tercantum pada tabel 2.5.a. dan tabel 2.5.b
bentuk
penulisan pada papan editor LINDO untuk diolah sebagai berikut:

MIN
119X11+140X12+29X13+84X15+87X16+148X17+154X18+217X19+261X110
+260X111+229X112+148X21+118X22+58X23+87X24+163X25+61X27+129X28
+192X29+194X210+235X211+259X212+209X31+179X32+119X33+148X34
+136X35+61X36+96X38+159X39+261X310+202X311+226X312+383X41
+404X42+293X43+261X44+235X45+194X46+261X47+165X48+192X49
+185X411+35X412
SUBJECT TO
X11+X12+X13+X14+X15+X16+X17+X18+X19+X110+X111+X112 = 250
X21+X22+X23+X24+X25+X26+X27+X28+X29+X210+X211+X212 = 200
X31+X32+X33+X34+X35+X36+X37+X38+X39+X310+X311+X312 = 200
X41+X42+X43+X44+X45+X46+X47+X48+X49+X410+X411+X412 = 100
X11+X21+X31+X41
40
X12+X22+X32+X42
40
X13+X23+X33+X43
X14+X24+X34+X44
50
X15+X25+X35+X45
55
X16+X26+X36+X46
40
X17+X27+X37+X47
35
195
99
X18+X28+X38+X48
X19+X29+X39+X49
145
35
X110+X210+X310+X410 = 30
X111+X211+X311+X411 = 35
X112+X212+X312+X412 = 50
End
Jika tidak ada kesalahan, maka proses dapat dilanjutkan untuk mencari jawaban
yang optimal. Langkah untuk mencari jawaban optimal adalah dengan menggunakan
Solve Solve. Kemudian secara otomatis LINDO akan membuka papan editor report. Pada
kasus PT.AQUA Golden Mississippi di atas akan muncul tampilan sebagai berikut.
17

1)
VARIABLE
X11
X12
X13
X15
X16
X17
X18
X19
X110
X111
X112
X21
X22
X23
X24
X25
X27
X28
X29
X210
X211
X212
X31
X32
X33
X34
X35
X36
X38
X39
X310
51320.00
VALUE
0.000000
0.000000
145.000000
55.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
40.000000
40.000000
50.000000
0.000000
0.000000
0.000000
0.000000
30.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
145.000000
5.000000
0.000000
REDUCED COST
0.000000
51.000000
0.000000
0.000000
116.000000
144.000000
54.000000
54.000000
240.000000
54.000000
173.000000
0.000000
0.000000
0.000000
58.000000
50.000000
28.000000
0.000000
0.000000
144.000000
0.000000
174.000000
94.000000
94.000000
94.000000
152.000000
56.000000
94.000000
0.000000
0.000000
244.000000
100
X311
X312
X41
X42
X43
X44
X45
X46
X47
X48
X49
X411
X412
X14
X26
X37
X410
ROW
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
16)
17)
15.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
20.000000
50.000000
50.000000
40.000000
35.000000
30.000000
0.000000
174.000000
285.000000
336.000000
285.000000
282.000000
172.000000
244.000000
278.000000
86.000000
50.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
NO. ITERATIONS=
DUAL PRICES
29.000000
0.000000
33.000000
50.000000
-148.000000
-118.000000
-58.000000
-29.000000
-113.000000
0.000000
-33.000000
-129.000000
-192.000000
-50.000000
-235.000000
-85.000000
17
VARIABLE
X11
X12
X13
X15
X16
X17
X18
X19
X110
X111
X112
X21
X22
CURRENT
COEF
119.000000
140.000000
29.000000
84.000000
87.000000
148.000000
154.000000
217.000000
261.000000
260.000000
229.000000
148.000000
118.000000

ALLOWABLE
ALLOWABLE
INCREASE
DECREASE
INFINITY
0.000000
INFINITY
51.000000
0.000000
50.000000
50.000000
INFINITY
INFINITY
116.000000
INFINITY
144.000000
INFINITY
54.000000
INFINITY
54.000000
INFINITY
240.000000
INFINITY
54.000000
INFINITY
173.000000
0.000000
INFINITY
51.000000
INFINITY
101
X23
X24
X25
X27
X28
X29
X210
X211
X212
X31
X32
X33
X34
X35
X36
X38
X39
X310
X311
X312
X41
X42
X43
X44
X45
X46
X47
X48
X49
X411
X412
X14
X26
X37
X410
58.000000
87.000000
163.000000
61.000000
129.000000
192.000000
194.000000
235.000000
259.000000
209.000000
179.000000
119.000000
148.000000
136.000000
61.000000
96.000000
159.000000
261.000000
202.000000
226.000000
383.000000
404.000000
293.000000
261.000000
235.000000
194.000000
261.000000
165.000000
192.000000
185.000000
35.000000
0.000000
0.000000
0.000000
0.000000
ROW
CURRENT
RHS
250.000000
200.000000
200.000000
100.000000
40.000000
40.000000
195.000000
50.000000
55.000000
40.000000
35.000000
145.000000
35.000000
30.000000
35.000000
50.000000
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
50.000000
INFINITY
INFINITY
INFINITY
INFINITY
0.000000
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
0.000000
50.000000
INFINITY
0.000000
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
50.000000
173.000000
58.000000
94.000000
28.000000
144.000000
ALLOWABLE
INCREASE
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
58.000000
50.000000
28.000000
0.000000
56.000000
144.000000
0.000000
174.000000
94.000000
94.000000
94.000000
152.000000
56.000000
94.000000
INFINITY
0.000000
244.000000
50.000000
174.000000
285.000000
336.000000
285.000000
282.000000
172.000000
244.000000
278.000000
86.000000
50.000000
144.000000
INFINITY
INFINITY
INFINITY
INFINITY
INFINITY
ALLOWABLE
DECREASE
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
102
Hasil pengolahan data tersebut di atas, dapat diartikan sebagai berikut:

1. Biaya minimum yang diperlukan untuk pengangkutan dan distribusi air mineral
AQUA di Jawa Barat dalam satu tahun sebesar Rp 513.200.000,2. Alokasi pengiriman barang (air AQUA) dari lokasi pabrik sampai ke tempat tujuan
pengiriman dapat digambarkan dalam Tabel 2.5.c berikut:
Keterangan Tabel 2.5.c
1) Bilangan dalam kolom kanan atas adalah data jarak pabrik dengan kota tujuan
pengiriman (dalam Km); 2) Angka yang dicetak merah dalam kolom adalah alokasi
pengiriman ke kota tujuan selama satu tahun (dalam juta liter); 3) Biaya dalam puluhan
ribu rupiah per juta liter kilometer; 4) Kapasitas pabrik dalam juta liter per tahun; 5)
Kebutuhan permintaan dalam juta liter per tahun
Proporsi pengiriman barang atau alokasi pengiriman barang yang diperlukan agar
biaya yang ditanggung oleh PT. AQUA minimal/ efisien adalah sebagai berikut:
a. Dari lokasi pabrik Bekasi di kirim ke Jakarta sebanyak 145 juta liter, untuk kota
Bekasi sendiri dipenuhi oleh pabrik Bekasi sebanyak 50 juta liter dan sebanyak 55
juta liter dikirim ke kota Purwakarta.
b. Dari lokasi pabrik Citeurep (Bogor) dikirim ke Serang sebanyak 40 juta liter,
dikirim ke Pandeglang sebanyak 40 juta liter, dan kekurangan kebutuhan kota
Jakarta sebanyak 50 juta liter dipenuhi oleh pabrik Bogor, untuk kota Bogor dipenuhi
dari Bogor sendiri sebanyak 40 juta liter, dan sebanyak 30 juta liter dikirim ke Garut.
c. Dari lokasi pabrik
Cimelati (Sukabumi) untuk memenuhi permintaan kota
Sukabumi sendiri sebanyak 35 juta liter, dikirim ke Bandung sebanyak 145 juta liter,
dikirim ke Garut sebanyak 5 juta liter dan 15 juta liter dikirim ke Tasikmalaya.
d. Dari lokasi pabrik
Kuningan untuk memenuhi kebutuhan permintaan kota
Kuningan sendiri sebanyak 30 juta liter, dikirim ke Tasikmalaya sebanyak 20 juta

liter dan 50 juta liter dikirim ke Cirebon.
103
Tabel 2.5.c Hasil Akhir Perhitungan dengan LINDO dan Alokasi Pengiriman Barang
Lokasi
Pabrik
Tujuan Pengiriman
Serg
Pandl
Jakt
119
140
29
Bekasi
145
Citeurep
148
118
58
(Bogor)
40
40
50
Cimelati
209
179
119
Bks
Pwkt
0
50
87
84
Bgr
Skb
87
Bdg
148
163
61
404
293
129
40
148
261
217
Kng
Tasik
261
260
Cirb
136
235
Pabrik
229
250
61
194
192
194
235
259
30
0
35
383
154
Gart
55
(Sukabumi)
Kuningan
Kapasitas
261
96
145
165
159
200
261
5
192
202
226
15
0
185
200
35
30
20
50
100
30
35
50
750
Kebutuhan
Permintaan
(Demand)
40
40
195
50
55
40
35
145
35
104
Penyelesaian dengan Solver seperti terlihat berikut.
Tabel Awal
Lokasi
Tujuan Pengiriman
Kapasitas
Serg
Pandl
Jakt
Bks
Pwkt
Bgr
Skb
Bdg
Gart
Kng
Tasik
Cirb
Pabrik
Bekasi
119
140
29
84
87
148
154
217
261
260
229
250
Citeurep
148
118
58
87
163
61
129
192
194
235
259
200
Cimelati
209
179
119
148
136
61
96
159
261
202
226
200
Kuningan
383
404
293
261
235
194
261
165
192
185
35
100
(Demand)
40
40
195
50
55
40
35
145
35
30
35
50
750
Pabrik
Penyelesaian sistem transportasi

Lokasi
Tujuan Pengiriman
Dikirim
Serg
Pandl
Jakt
Bks
Pwkt
Bgr
Skb
Bdg
Gart
Kng
Tasik
Cirb
Pabrik
Bekasi
145
50
55
250
Citeurep
40
40
50
40
15
15
200
Cimelati
35
145
20
200
Kuningan
30
20
50
100
Diterima
40
40
195
50
55
40
35
145
35
30
35
50
750
Pabrik
Total Biaya
51320
Bandingkan hasil ini dengan penggunaan Lindo, selanjutnya perhitungan secara konvensional atau
dengan program Lingo diserahkan kepada pembaca sebagai latihan.
Soal-soal
1. CV Aneka Ukir membuat sejumlah ukiran di empat kota dan akan dikirim ke empat kota lain.
Dari keempat kota pembuat itu berturut-turut membuat 18, 4, 6, dan 12 set ukiran. Permintaan
ke empat kota itu berturut-turut 6, 14, 15, dan 5 set ukiran. Biaya transportasi dari kota
pembuat ke kota permintaan terlihat pada Tabel 1 berikut:
Tabel 1. Biaya pengiriman tiap set ukiran (dalam ribuan rupiah)
Kota
105
Pembuat
12
15
12
12
15
12
14
12
11
12
Tentukan sistem pengiriman ukir agar diperoleh biaya pengiriman minimum.

2. Tabel 2 dan Tabel 3 berikut adalah hasil perhitungan suatu model transportasi.
Tabel 2. Hasil perhitungan I.
Kota A
Kota B
6
Pabrik I
30
Kapasitas
10
40
11
Pabrik II
Kebutuhan
Kota C
30
70
6
20
30
60
30
50
Tabel 3. Hasil perhitungan II.
Kota A
Kota B
6
Pabrik I
30
8
10
11
Pabrik II
Kebutuhan
Kota C
10
30
70
50
30
60
Kapasitas
50
30
Manakah hasil yang paling menguntungkan dari hasil perhitungan model transportasi di atas.
Berikan komentar saudara tentang hasil kedua perhitungan tersebut (Tabel 2 dan Tabel 3)!
106
3. Perusahaan Karoseri Mobil Arifin akan membuat sejumlah mobil pengangkut untuk melayani
sebuah perusahaan Travel. Mesin yang digunakan adalah mesin jenis mesin disel seri
ENG450, mesin ini harus didatangkan dari perusahaan ANY. Perusahaan Arifin membuat
kontrak kerja dengan perusahaan pengangkutan untuk mengambil mesin dan menyimpanya
bila tidak segera dipasang (diinstall). Semua mobil tersebut harus diselesaikan sampai akhir
bulan keempat.
Perusahaan pengangkutan itu menjadwalkan pengantaran mesin jet seperti pada
Tabel 2 di bawah. Secara komulatif pada akhir bulan ke 1, 2, 3, dan 4 berturut-turut sekurangkurangnya 10, 25, 50, dan 70 buah mesin. Jumlah mesin yang didatangkan tiap bulan paling
banyak terlihat pada kolom ketiga pada Tabel 2. Sedangkan biaya produksi (dalam ratusan
juta rupiah) tiap mobil tiap bulannya berbeda dan terlihat pada kolom keempat. Biaya
penyimpanan mesin yang tidak dipasang pada bulan yang bersangkutan 150,000 tiap
bulannya, dan terlihat pada kolom paling kanan pada Tabel 2.
Tabel 2. Data jadwal dan biaya produksi mobil
Pemasangan
Produksi
Biaya satuan
Biaya satuan
yang dijadwalkan
maksimum
produksi
penyimpanan
10
25
1.08
0.015
15
35
1.11
0.015
25
30
1.10
0.015
20
10
1.13
Bulan ke
Manajer perusahaan ingin membuat jadwal pembuatan pesawat, agar biaya produksi dan
biaya penyimpanan minimum.
4. Perusahaan mobil akan menanamkan modalnya untuk membuat tiga pabrik di kota A, B, dan
C berturut-turut mempunyai kapasitas produksi 2000, 1300, dan 1600 unit setiap tahunnya.
Mobil-mobil itu akan dijual di kota-kota P, Q, R, dan S dengan permintaan berturut-turut 1000,
1500, 1200, dan 700 unit tiap tahunnya. Biaya pengiriman tiap unit dari pabrik ke tempat
penjualan terlihat pada Tabel 3 berikut:
107
Tabel 3. Biaya pengiriman tiap-tiap unit mobil (dalam ribuan rupiah)
Pabrik pembuat-an
Mobil
Kota Penjualan Mobil

P
1000
8000
1800
2000
400
700
900
1400
800
1200
900
1100
Tentukan model trasnportasi agar diperoleh biaya pengiriman mobil minimal.

5. Perusahaan Motor Nasional akan dibuat di tiga kota yaitu Kota A, Kota B dan Kota C. Hasil
Produksi Motor tersebut akan disalurkan ke 4 Agen besar, yaitu Agen W, Agen X, Agen Y dan
Agen X. Biaya satuan pengiriman Motor, Jumlah produksi dan Jumlah kebutuhan Agen terlihat
pada tebel berikut.
Tabel Biaya satuan pengiriman Motor, Jumlah produksi dan Jumlah kebutuhan Agen
Agen W
Agen X
Agen Y
Agen Z
Kapasitas
Produksi
Kota A
100
800
180
200
20000
Kota B
40
70
90
140
13000
Kota C
80
120
90
110
16000
10000
15000
12000
7000
Permintaan
Buatlah sistem transportasi agar biaya pengiriman Motor minimum!
108
F. Penugasan
Masalah penugasan bermula dari penempatan para pekerja pada bidang yang tersedia agar biaya
yang ditanggung perusahaan dapat diminimalkan. Jika pekerja dianggap sebagai sumber dan
pekerjaan dianggap sebagai tujuan, maka model transportasi akan sama dengan masalah
transportasi, dimana jumlah sumber dan tujuan sama, setiap sumber hanya menghasilkan satu
demikian pula setiap tujuan hanya memerlukan satu.
Untuk lebih mudah memahami, marilah kita perhatikan contoh berikut:
Sebuah perusahaan yang berada di tiga kota yaitu Banjarmasin, Solo, dan Denpasar memerlukan
tenaga ahli untuk menyelesaikan pekerjaan tertentu. Ketiga ahli itu berada di Jakarta, Surabaya,
dan Ujung Pandang. Biaya ketiga orang ahli tersebut adalah seperti Tabel 2.6.a.
Tabel 2.6.a.
Asal Ahli
Tujuan
Banjarmasin
Solo
Denpasar
Jakarta
30
36
40
Surabaya
20
25
29
Ujung Pandang
27
24
22
Cara menentukan total biaya minimum adalah dengan mengurangkan setiap baris dengan
bilangan terkecil dari baris itu sendiri, sehingga kita peroleh tabel berikut:
0
10
Selanjutnya dikurangi dengan bilangan terkecil menurut kolom-kolomnya, sehingga diperoleh tabel
berikut:
0
10
109
Selanjutnya dibuat garis sesedikit mungkin menurut baris atau kolom sehingga menutup semua
bilangan nol (0).
Bilamana jumlah garis masih lebih kecil dari banyaknya baris atau kolom, maka belum dapat
disusun tabel optimalnya.
Dalam hal diatas diperlukan dua garis, sehingga harus dilakukan langkah berikutnya yaitu:
Mengurangi semua bilangan yang tidak tertutup garis dengan bilangan terkecil, dan menambahkan
bilangan tersebut kepada persilangan garis penutup.
Pada masalah diatas, diperoleh tabel berikut:
0
Dari tabel di atas, bagaimanapun caranya mencoret bilangan nol, paling sedikit diperlukan tiga
buah garis.
Langkah selanjutnya memilih sel nol untuk setiap baris atau kolom. Caranya ialah ada dua yaitu
menurut baris atau menurut kolom.
Pilih sel yang baris/kolom yang bilangan nolnya hanya satu (paling sedikit)
Buang baris dan kolom pada sel yang terpilih.
Lakukan terus sampai selesai.
Dari tabel diatas misalnya kita lakukan pada baris, maka sel pada baris 1 kolom 1 adalah set
pertama yang dipilih, jadi baris 1 dan kolom 1 dibuang (diabaikan)
0
0
8
1
0
0
7
*
6
0
Setelah kita lakukan proses diatas, maka sel yang terpilih adalah sel (1,1), (2,2), dan (3,3).
Sehingga total biaya minimal yang diperlukan adalah 30 + 25 + 22 = 77. Dimana Banjarmasin
mendatangkan ahli dari Jakarta, Solo mendatangkan ahli dari Surabaya, dan Denpasar
mendatangkan ahli dari Ujung Pandang.
110
Masalah penugasan ini juga dapat digunakan untuk masalah maksimum, yaitu dengan mengubah
sedikit masalah maksimum ke minimum.
Untuk lebih mudahnya kita ambil contoh berikut:
Sebuah Perusahaan akan memberi tugas kepada tiga orang ( A, B, C) untuk menduduki jabatan
tertentu (X,Y, Z). Keuntungan dari ketiga orang pada ketiga jabatan tersebut sebagai berikut:
Jabatan
Pekerja
20
26
30
10
15
19
17
14
12
Langkah pertama adalah membuat tabel regrete, yaitu tabel karena tidak mengambil tindakan
terbaik. Cara membuat adalah dengan mengurangkan setiap sel dengan bilangan terbesar tiap
barisnya.
Langkah ini menghasilkan tabel berikut:
10
Selanjutnya kita lakukan langkah-langkah seperti pekerjaan minimum, sehingga kita peroleh tabel
berikut:
6
Penugasan optimal dicapai pada

6
0
*
0
9
Pekerja A pada jabatan Z, Pekerja

B pada jabatan Y, Pekerja C pada
jabatan X, dengan keuntungan = 30
+ 15 + 17 = 62
111
Atau
6
Pekerja A pada jabatan Y, Pekerja

B pada jabatan Z, Pekerja C pada
+ 19 + 17 = 62
0
*
Tabel Pekerja dan Jabatan

Jabatan
Pekerja
20
26
30
10
15
19
17
14
12
Penyelesaian dengan Lindo.

Dengan komputer (program Lindo) juga dapat digunakan untuk menyelesaikan masalah
penugasan ini yaitu seperti permasalahan pada transportasi. Program perhitungan dipersilahkan
kepada pembaca sebagai latihan.
MAX
20 AX + 26 AY
+ 17 CX + 14
SUBJECT TO
2)
AX +
3)
BX +
4)
CX +
5)
AX +
6)
AY +
7)
AZ +
END
+ 30 AZ + 10 BX + 15 BY + 19 BZ
CY + 12 CZ
AY
BY
CY
BX
BY
BZ
+
+
+
+
+
+
AZ
BZ
CZ
CX
CY
CZ
=
=
=
=
=
=
1
1
1
1
1
1
Hasil perhitungan dengan Lindo diperoleh sebaga berikut:


1)
VARIABLE
AX
AY
AZ
62.00000
VALUE
0.000000
0.000000
1.000000
REDUCED COST
9.000000
0.000000
0.000000
112
BX
BY
BZ
CX
CY
CZ
ROW
2)
3)
4)
5)
6)
7)
0.000000
1.000000
0.000000
1.000000
0.000000
0.000000
8.000000
0.000000
0.000000
0.000000
0.000000
6.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
DUAL PRICES
0.000000
-11.000000
-12.000000
29.000000
26.000000
30.000000
3

1)
62.00000
VARIABLE
BX
BY
BZ
CX
CY
CZ
AX
AY
AZ
ROW
2)
3)
4)
5)
6)
7)
VALUE
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
0.000000
1.000000
0.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
NO. ITERATIONS=
REDUCED COST
0.000000
0.000000
0.000000
0.000000
8.000000
14.000000
1.000000
0.000000
0.000000
DUAL PRICES
0.000000
5.000000
9.000000
21.000000
10.000000
17.000000
Diselesaikan dengan Solver, maka kita buat tabel dan hasilnya sebagai berikut.
Seperti pada penyelesaian masalah transportasi, masalah Penugasan dikerjakan dengan memulai
mengisi nilai awal = 0. sehingga tabel awalnya sebagai berikut
113
Setelah solver dijalankan dengan mengisi / memilih seperti gambar berikut.
Selanjutnya dengan memilih Solve, maka akan diperoleh hasil seperti berikut.
114
Dari hasil ini dapat disimpulkan bahwa Pendapatan optimun terjadi apabila A ditempatkan pada
jabatan Z, B pada jabatan Y dan C pada jabatan X. Dengan pendapatan sebesar 62.
Soal-soal
1.
Suatu perusahaan memerukan 4 orang untuk 4 pekerjaan, sebut saja pekerjaan P, Q, R, dan
S. Pekerjaan-pekerjaan itu akan diisi oleh 4 calon, yaitu: A1, A2, A3, dan A4. Prediksi
pendapatan tiap bulan yang diperoleh apabila pekerjaan diserahkan kepada pekerja tersebut
adalah seperti Tabel 3 berikut:
Tabel 3. Prediksi pendapatan dari Pekerjaan
Pekerjaan
Kode Pelamar
A1
A2
A3
A4
100
120
85
100
70
110
70
80
95
110
90
90
90
115
80
100
115
Gaji yang diminta tiap bulan dari pekerja tersebut adalah seperti Tabel 4 berikut:
Tabel 4. Data permintaan gaji pelamar
Pekerjaan
Gaji
Kode Pelamar
A1
A2
A3
A4
50
60
50
45
Berikan penyelesaian tentang posisi pekerjaan para pekerja tersebut agar pendapatan
perusahaan maksimum.
2.
Sebuah Kantor akan mengangkat empat Kepala SubBagian (Kasubag) dari empat orang, yaitu
Keuangan, Rumah Tangga, Pelayanan Masyarakat, dan Kerja Sama. Keempat calon adalah
A1, A1, A3, dan A4. Dari keempat orang tersebut mengajukan anggaran seperti terlihat pada
Tabel 4 berikut:
Tabel 4. Usulan dana berkenaan jabatan
Jabatan
Calon Pejabat Kasubag

A1
A2
A3
A4
Keuangan
100
90
90
100
Rumah Tangga
70
65
85
90
Pelayanan Masyarakat
80
70
70
90
Kerja Sama
75
65
80
95
Tentukan posisi jabatan masing-masing agar biaya pengelolaan pekerjaan minimal. Adakah
posisi lain yang sama-sama menguntungkan?.
3.
Untuk melayani transportasi Anak Sekolah/Pegawai Kantor, sebuah perusahaan kereta api
listrik akan membeli empat buah lokomotif yang akan ditempatkan pada tiga tempat yang
menyebar dalam kota itu, yaitu tempat I, II, dan III, masing-masing sebuah lokomotif kecuali
tempat III sebanyak dua buah lokomotif. Lokomotif-lokomotif itu akan melayani perjalanan dari
kota asal menuju tempat tujuan di pagi hari, dan pulang di siang hari. Jarak antara tempat asal
dan tempat tujuan terlihat pada Tabel 2 berikut:
116
Tabel 2. Jarak antara tempat asal dengan tempat tujuan.
Tempat Asal
Tempat tujuan
A
13
35
42
II
61
18
30
III
15
10
Tentukan jaringan rel kereta api, agar total panjang rel minimum.
4.
Suatu perusahaan memerlukan 5 orang untuk 5 pekerjaan, sebut saja pekerjaan P, pekerjaan
Q, pekerjaan R, pekerjaan S, dan pekerjaan T.
Untuk memenuhi pekerjaan itu, perusahaan membuka lowongan kerja, dan ternyata yang
melamar ada 7 orang, kemudian diberi kode: A1, A2, ..., A7. Prediksi pendapatan tiap bulan
yang diperoleh apabila pekerjaan diserahkan kepada pelamar adalah seperti Tabel 2 berikut:
Pekerjaan
Kode Pelamar
A1
A2
A3
A4
A5
A6
A7
100
120
85
100
90
130
90
70
110
70
80
100
120
90
95
110
90
90
60
140
100
90
115
80
100
80
150
80
70
100
80
75
100
120
75
Para pelamar disuruh mengajukan gaji yang diminta setiap bulannya. Hasil permintaan
gaji pelamar adalah seperti Tabel 3 berikut:
Pekerjaan
Gaji
Kode Pelamar
A1
A2
A3
A4
A5
A6
A7
50
60
50
45
45
60
35
Tentukan 5 calon yang harus diterima agar keuntungan perusahaan maksimum.
BAB IV
Penugasan dan Transshipment
1. Penugasan
Masalah penugasan bermula dari penempatan para pekerja pada bidang yang tersedia agar biaya
yang ditanggung pemberi tugas/perusahaan dapat diminimalkan. Jika dalam hal ini, pekerja
dianggap sebagai sumber dan pekerjaan dianggap sebagai tujuan, sehingga masalah penugasan
akan sama dengan masalah transportasi, dimana banyaknya sumber dan banyaknya tujuan
adalah sama, setiap sumber hanya menghasilkan satu demikian pula setiap tujuan hanya
memerlukan satu.
a. Menyelesaikan Masalah Penugasan dengan Algoritma Hungaria
Untuk lebih mudah memahami, marilah kita perhatikan contoh masalah berikut:
Sebuah perusahaan yang berada di tiga kota yaitu Banjarmasin, Solo, dan Denpasar memerlukan
tenaga ahli untuk menyelesaikan pekerjaan tertentu. Ketiga ahli itu berada di Jakarta, Surabaya,
dan Ujung Pandang. Biaya ketiga orang ahli tersebut adalah seperti Tabel 2.6.a.
Tabel 2.6.a.
Asal Ahli
Tujuan
Banjarmasin
Solo
Denpasar
Jakarta
30
36
40
Surabaya
20
25
29
Ujung Pandang
27
24
22
Untuk menyelesaikan masalah ini akan digunakan sebuah metode yang disebut dengan Metode
Hongaria, Langkah-langkah menyelesaikan masalah penugasan dengan algoritma Hungaria
adalah sebagai berikut:
108
109
Cara menentukan total biaya minimum adalah dengan mengurangkan setiap baris dengan
bilangan terkecil dari baris itu sendiri, sehingga kita peroleh tabel berikut:
10
Selanjutnya dikurangi dengan bilangan terkecil menurut kolom-kolomnya, sehingga diperoleh tabel
berikut:
0
10
Selanjutnya dibuat garis sesedikit mungkin menurut baris atau kolom sehingga menutup semua
bilangan nol (0).
Bilamana jumlah garis masih lebih kecil dari banyaknya baris atau kolom, maka belum dapat
disusun tabel optimalnya.
Dalam hal diatas diperlukan dua garis, sehingga harus dilakukan langkah berikutnya yaitu:
Mengurangi semua bilangan yang tidak tertutup garis dengan bilangan terkecil, dan menambahkan
bilangan tersebut kepada persilangan garis penutup.
Pada masalah diatas, diperoleh tabel berikut:
0
Dari tabel di atas, bagaimanapun caranya mencoret bilangan nol, paling sedikit diperlukan tiga
buah garis.
Langkah selanjutnya memilih sel nol untuk setiap baris atau kolom. Caranya ialah ada dua yaitu
menurut baris atau menurut kolom.
Pilih sel yang baris/kolom yang bilangan nolnya hanya satu (paling sedikit)
Buang baris dan kolom pada sel yang terpilih.
Lakukan terus sampai selesai.
110
Dari tabel diatas misalnya kita lakukan pada baris, maka sel pada baris 1 kolom 1 adalah set
pertama yang dipilih, jadi baris 1 dan kolom 1 dibuang (diabaikan)
7
*
Setelah kita lakukan proses diatas, maka sel yang terpilih adalah sel (1,1), (2,2), dan (3,3).
Sehingga total biaya minimal yang diperlukan adalah 30 + 25 + 22 = 77. Dimana Banjarmasin
mendatangkan ahli dari Jakarta, Solo mendatangkan ahli dari Surabaya, dan Denpasar
mendatangkan ahli dari Ujung Pandang.
Masalah penugasan ini juga dapat digunakan untuk masalah maksimum, yaitu dengan mengubah
sedikit masalah maksimum ke minimum.
Untuk lebih mudahnya kita ambil contoh berikut:
Sebuah Perusahaan akan memberi tugas kepada tiga orang ( A, B, C) untuk menduduki jabatan
tertentu (X,Y, Z). Keuntungan dari ketiga orang pada ketiga jabatan tersebut sebagai berikut:
Jabatan
Pekerja
20
26
30
10
15
19
17
14
12
Langkah pertama adalah membuat tabel regrete, yaitu tabel karena tidak mengambil tindakan
terbaik. Cara membuat adalah dengan mengurangkan setiap sel dengan bilangan terbesar tiap
barisnya.
Langkah ini menghasilkan tabel berikut:
10
111
Selanjutnya kita lakukan langkah-langkah seperti pekerjaan minimum, sehingga kita peroleh tabel
berikut:
6
Penugasan optimal dicapai pada

6
0
*
Pekerja A pada jabatan Z, Pekerja

B pada jabatan Y, Pekerja C pada
+ 15 + 17 = 62
0
9
Atau
6
Pekerja A pada jabatan Y, Pekerja

B pada jabatan Z, Pekerja C pada
+ 19 + 17 = 62
0
*
Tabel Pekerja dan Jabatan

Jabatan
Pekerja
20
26
30
10
15
19
17
14
12
b. Menyelesaikan Masalah Penugasan dengan Program Komputer

i.
Program Lindo untuk Menyelesaikan Masalah Penugasan
Dengan komputer (program Lindo) juga dapat digunakan untuk menyelesaikan masalah
penugasan ini yaitu seperti permasalahan pada transportasi. Program perhitungan
dipersilahkan kepada pembaca sebagai latihan.
112
MAX
20 AX + 26 AY + 30 AZ + 10 BX + 15 BY + 19 BZ
+ 17 CX + 14 CY + 12 CZ
SUBJECT TO
2)
AX + AY + AZ =
1
3)
BX + BY + BZ =
1
4)
CX + CY + CZ =
1
5)
AX + BX + CX =
1
6)
AY + BY + CY =
1
7)
AZ + BZ + CZ =
1
END
Hasil perhitungan dengan Lindo diperoleh sebaga berikut:

1)
VARIABLE
AX
AY
AZ
BX
BY
BZ
CX
CY
CZ
ROW
2)
3)
4)
5)
6)
7)
62.00000
VALUE
0.000000
0.000000
1.000000
0.000000
1.000000
0.000000
1.000000
0.000000
0.000000
REDUCED COST
9.000000
0.000000
0.000000
8.000000
0.000000
0.000000
0.000000
0.000000
6.000000
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
DUAL PRICES
0.000000
-11.000000
-12.000000
29.000000
26.000000
30.000000
3

1)
VARIABLE
BX
BY
BZ
CX
CY
CZ
AX
AY
AZ
62.00000
VALUE
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
0.000000
1.000000
0.000000
REDUCED COST
0.000000
0.000000
0.000000
0.000000
8.000000
14.000000
1.000000
0.000000
0.000000
113
ROW
2)
3)
4)
5)
6)
7)
SLACK OR SURPLUS
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
NO. ITERATIONS=
DUAL PRICES
0.000000
5.000000
9.000000
21.000000
10.000000
17.000000
ii. Program Solver untuk Menyelesaikan Masalah Penugasan

Diselesaikan dengan Solver, maka kita buat tabel dan hasilnya sebagai berikut.
Seperti pada penyelesaian masalah transportasi, masalah Penugasan dikerjakan dengan
memulai mengisi nilai awal = 0. sehingga tabel awalnya sebagai berikut
Setelah solver dijalankan dengan mengisi / memilih seperti gambar berikut.
114
Selanjutnya dengan memilih Solve, maka akan diperoleh hasil seperti berikut.
Dari hasil ini dapat disimpulkan bahwa Pendapatan optimun terjadi apabila A ditempatkan pada
jabatan Z, B pada jabatan Y dan C pada jabatan X. Dengan pendapatan sebesar 62.
Soal-soal
1.
Suatu perusahaan memerukan 4 orang untuk 4 pekerjaan, sebut saja pekerjaan P, Q, R, dan
S. Pekerjaan-pekerjaan itu akan diisi oleh 4 calon, yaitu: A1, A2, A3, dan A4. Prediksi
pendapatan tiap bulan yang diperoleh apabila pekerjaan diserahkan kepada pekerja tersebut
adalah seperti Tabel 3 berikut:
Pekerjaan
Kode Pelamar
A1
A2
A3
A4
100
120
85
100
70
110
70
80
95
110
90
90
90
115
80
100
115
Gaji yang diminta tiap bulan dari pekerja tersebut adalah seperti Tabel 4 berikut:
Pekerjaan
Gaji
Kode Pelamar
A1
A2
A3
A4
50
60
50
45
Berikan penyelesaian tentang posisi pekerjaan para pekerja tersebut agar pendapatan
perusahaan maksimum.
2.
Sebuah Kantor akan mengangkat empat Kepala SubBagian (Kasubag) dari empat orang, yaitu
Keuangan, Rumah Tangga, Pelayanan Masyarakat, dan Kerja Sama. Keempat calon adalah
A1, A1, A3, dan A4. Dari keempat orang tersebut mengajukan anggaran seperti terlihat pada
Tabel 4 berikut:
Tabel 4. Usulan dana berkenaan jabatan
Jabatan
Calon Pejabat Kasubag

A1
A2
A3
A4
Keuangan
100
90
90
100
Rumah Tangga
70
65
85
90
Pelayanan Masyarakat
80
70
70
90
Kerja Sama
75
65
80
95
Tentukan posisi jabatan masing-masing agar biaya pengelolaan pekerjaan minimal. Adakah
posisi lain yang sama-sama menguntungkan?.
3.
Untuk melayani transportasi Anak Sekolah/Pegawai Kantor, sebuah perusahaan kereta api
listrik akan membeli empat buah lokomotif yang akan ditempatkan pada tiga tempat yang
menyebar dalam kota itu, yaitu tempat I, II, dan III, masing-masing sebuah lokomotif kecuali
tempat III sebanyak dua buah lokomotif. Lokomotif-lokomotif itu akan melayani perjalanan dari
kota asal menuju tempat tujuan di pagi hari, dan pulang di siang hari. Jarak antara tempat asal
dan tempat tujuan terlihat pada Tabel 2 berikut:
116
Tabel 2. Jarak antara tempat asal dengan tempat tujuan.
Tempat Asal
Tempat tujuan
A
13
35
42
II
61
18
30
III
15
10
Tentukan jaringan rel kereta api, agar total panjang rel minimum.
4.
Suatu perusahaan memerlukan 5 orang untuk 5 pekerjaan, sebut saja pekerjaan P, pekerjaan
Q, pekerjaan R, pekerjaan S, dan pekerjaan T.
Untuk memenuhi pekerjaan itu, perusahaan membuka lowongan kerja, dan ternyata yang
melamar ada 7 orang, kemudian diberi kode: A1, A2, ..., A7. Prediksi pendapatan tiap bulan
yang diperoleh apabila pekerjaan diserahkan kepada pelamar adalah seperti Tabel 2 berikut:
Pekerjaan
Kode Pelamar
A1
A2
A3
A4
A5
A6
A7
100
120
85
100
90
130
90
70
110
70
80
100
120
90
95
110
90
90
60
140
100
90
115
80
100
80
150
80
70
100
80
75
100
120
75
Para pelamar disuruh mengajukan gaji yang diminta setiap bulannya. Hasil permintaan
gaji pelamar adalah seperti Tabel 3 berikut:
Pekerjaan
Gaji
Kode Pelamar
A1
A2
A3
A4
A5
A6
A7
50
60
50
45
45
60
35
Tentukan 5 calon yang harus diterima agar keuntungan perusahaan maksimum.
117
2. Transshipment
Transshipment adalah masalah transportasi tetapi untuk mengirim barang dari tempat produksi ke
tempat permintaan tidak dapat dilakukan secara langsung. Barang yang diangkut harus mengalami
dua atau lebih cara pengangkutan. Misalnya Seorang petani tidak dapat memperoleh pupuk dari
Pabrik langsung, tetapi harus melalui agen daerah, bahkan agen daerah harus memalui agen
pusat baru dari Pabrik. Jadi proses penangkutan barang dari tempat produksi ke tempat
permintaan harus melalui semacam agen terlebih dahulu. Sebagai contoh perhatikan masalah
transshipment berikut.
Sebuah Perusahaan Alat Berat Arifin memiliki 14 alat berat yang berada di Jakarta sebanyak 6
buah dan di Surabaya 8 buah. Alat berat tersebut akan dipakai di 6 kota, yaitu Tasikmalaya 2
buah, Cirebon 1 buah, Jogja 4 buah, Solo 4 buah, Madiun 3 buah, dan Jember 2 buah. Karena
kondisi jalan, pengangkutan tidak dapat langsung dari kota asal ke kota tujuan dan harus melalui
kota Transit yaitu Kota Bandung, Kota Semarang, dan Kota Malang. Alur pengiriman barang dan
Biaya pengangkutan sebuah alat berat terlihat pada Gambar 1 dan tabel berikut.
Tabel Biaya Satuan Pengangkutan dari Kota Asal ke Kota Transit

BDG
SMG
MALANG
JKT
10
15
25
SBY
20
15
10
Tabel Biaya Satuan Pengangkutan Kota Transit ke Tempat Tujuan

TASIK
BDG
SMG
MALANG
10
CRB
JOGJA
SOLO
MADIUN JEMBER
15
15
10
10
20
15
10
10
118
Gambar 1. Alur Pengiriman Barang, Perasediaan Barang, Kebutuhan Barang, dan Biaya Satuan
Pengangkutan
Masalah.
Tentukan sistem Transshipment agar biaya pengiriman barang minimum.
Penyelesaian.
Untuk menyelesaikan masalah transshipment ini, pada setiap kota transit harus dibuat
atau disediakan barang (alat) dummy yang besarnya sama dengan jumlah semua kapasitas
produk atau persediaan barang.
Tabel Transportasi dibuat dengan menggabung kedua tabel tersebut dan memberikan biaya yang
cukup besar (M) kepada semua yang tidak mempunyai jalur transportasi, sehingga pada masalah
diatas diperoleh tabel transportasi sebagai berikut.
119
Tabel Transportasi Gabungan
BDG
SMG MALANG TASIK CRB JOGJA SOLO MADIUN JEMBER Kapasitas
JKT
10
15
25
SBY
20
15
10
BDG
10
15
14
SMG
15
10
10
14
MALANG
20
15
10
10
14
14
14
14
14
Permintaan
Dari tabel ini, maka sistem transportasi dapat dicari, dan akhirnya sistem transshipment dapat
ditentukan.
i. Program Lingo untuk Menyelesaikan Masalah Transshipment
Masalah transshipmen ini apabila diselesaikan dengan Lingo, maka kita memberikan nilai M yang
cukup besar, misalnya 1000, maka program Lingo untuk masalah ini adalah sebagai berikut.
Model:
Sets:
Kapasitas/JKT, SBY, BDG, SMG, MLG/:Asal;
Permintaan/BDG1, SMG1, MLG1, TASIK, CRB, JOGJA, SOLO, MADIUN,
JEMBER/:Demand;
Links(Kapasitas,Permintaan):Ship, Cost;
Endsets
Min=@sum(Links:Ship*Cost);
@for(Permintaan(j):@sum(Kapasitas(i):Ship(i,j))>Demand(j));
@for(Kapasitas(i):@sum(Permintaan(j):Ship(i,j))<Asal(i));
Data:
Asal=6, 8, 14, 14, 14;
Demand=14, 14, 14, 2, 1, 3, 4, 2, 2;
Cost=
10,
15,
25,
1000, 1000, 1000,
20,
15,
10,
1000, 1000, 1000,
0,
1000, 1000, 10,
15,
1000,
1000,
0,
1000, 1000, 15,
10,
1000,
1000, 0,
1000, 1000, 20,
1000,
1000,
1000,
10,
15,
1000,
1000,
1000,
1000,
10,
1000,
1000,
1000,
1000,
10;
Enddata
End
Setelah program kita jalankan dan kita ambil data yang diperlukan, maka akan kita peroleh.
120
Rows=
15 Vars=
Nonzeros=
45 No. integer vars=
149 Constraint nonz=
90(
90 are +- 1) Density=0.216
Smallest and largest elements in absolute value=

No. < :
5 No. =:
Single cols=
0 No. > :
( all are linear)
1.00000
9, Obj=MIN, GUBs <=
1000.00

Objective value:
24
320.0000
Variable
Value
Reduced Cost
SHIP( JKT, BDG1)
3.000000
0.0000000E+00
SHIP( JKT, SMG1)
3.000000
0.0000000E+00
SHIP( JKT, MLG1)
0.0000000E+00
15.00000
SHIP( JKT, TASIK)
0.0000000E+00
980.0000
SHIP( JKT, CRB)
0.0000000E+00
975.0000
SHIP( JKT, JOGJA)
0.0000000E+00
975.0000
SHIP( JKT, SOLO)
0.0000000E+00
975.0000
SHIP( JKT, MADIUN)
0.0000000E+00
980.0000
SHIP( JKT, JEMBER)
0.0000000E+00
980.0000
SHIP( SBY, BDG1)
0.0000000E+00
10.00000
SHIP( SBY, SMG1)

SHIP( SBY, MLG1)
4.000000
0.0000000E+00
4.000000
0.0000000E+00
SHIP( SBY, TASIK)
0.0000000E+00
980.0000
SHIP( SBY, CRB)
0.0000000E+00
975.0000
SHIP( SBY, JOGJA)
0.0000000E+00
975.0000
SHIP( SBY, SOLO)
0.0000000E+00
975.0000
SHIP( SBY, MADIUN)
0.0000000E+00
980.0000
SHIP( SBY, JEMBER)
0.0000000E+00
980.0000
SHIP( BDG, BDG1)
11.00000
0.0000000E+00
SHIP( BDG, SMG1)
0.0000000E+00
995.0000
SHIP( BDG, MLG1)
0.0000000E+00
1000.000
SHIP( BDG, TASIK)

SHIP( BDG, CRB)
2.000000
0.0000000E+00
1.000000
0.0000000E+00
SHIP( BDG, JOGJA)
0.0000000E+00
985.0000
SHIP( BDG, SOLO)
0.0000000E+00
985.0000
SHIP( BDG, MADIUN)
0.0000000E+00
990.0000
SHIP( BDG, JEMBER)
0.0000000E+00
990.0000
SHIP( SMG, BDG1)
0.0000000E+00
1005.000
SHIP( SMG, SMG1)

SHIP( SMG, MLG1)
7.000000
0.0000000E+00
0.0000000E+00
1005.000
121
SHIP( SMG, TASIK)
0.0000000E+00
SHIP( SMG, CRB)
0.0000000E+00
995.0000
5.000000
SHIP( SMG, JOGJA)
3.000000
0.0000000E+00
SHIP( SMG, SOLO)
4.000000
0.0000000E+00
SHIP( SMG, MADIUN)
0.0000000E+00
995.0000
SHIP( SMG, JEMBER)
0.0000000E+00
995.0000
SHIP( MLG, BDG1)
0.0000000E+00
1000.000
SHIP( MLG, SMG1)
0.0000000E+00
995.0000
SHIP( MLG, MLG1)
10.00000
0.0000000E+00
SHIP( MLG, TASIK)
0.0000000E+00
990.0000
SHIP( MLG, CRB)
0.0000000E+00
985.0000
SHIP( MLG, JOGJA)
0.0000000E+00
SHIP( MLG, SOLO)
0.0000000E+00
5.000000
0.0000000E+00
SHIP( MLG, MADIUN)
2.000000
0.0000000E+00
SHIP( MLG, JEMBER)
2.000000
0.0000000E+00
Hasil ini apabila kita pindah kedalam tabel, maka akan kita peroleh tabel berikut.
Biaya Trashipment 320.
JKT
SBY
BDG
SMG
3
4
MLNG
TSIK
CRB JGJA SOLO MDIUN
JBER
Kapasitas
6
BDG
8
3
SMG
MALANG
Permintaan
14
Dari tabel ini, dapat disimpulkan bahwa,

Dari Jakarta terdapat 6 buah alat berat, 3 buah dikirim ke Bandung, dan 3 buah ke Semarang.
Dari Surabaya terdapat 8 buat alat berat, 4 buah dikirim ke Semarang, dan 4 buah dikirim ke
Malang.
Kota Bandung mendapat kiriman dari Jakarta 3 buah alat berat, dikirim ke Tasikmalaya 2 buah dan
dikirim ke Cirebon 1 buah.
122
Kota Semarang mendapat kiriman dari Jakarta 3 buah dan dari Surabaya 4 buah alat berat, dikirim
ke Jogja 3 buah dan dikirim ke Solo 4 buah.
Kota Malang mendapat kiriman dari Surabaya 4 buah alat berat, dikirim ke Madiun 2 buah dan
dikirim ke Jember 2 buah.
ii. Program Solver untuk Menyelesaikan Masalah Transshipment

Masalah Transshipment ini apabila dikerjakan dengan Solver, maka kita buat tabel awal sebagai
berikut.
Setelah Solver dijalankan dengan mengisi menu solver (Solver Parameter) berikut.
123
Maka akan kita peroleh hasil sebagai berikut.
124
Dari hasil ini, maka kesimpulan dapat diambil sama seperti kesimpulan pada penyelesaian dengan
Lingo di atas.
Soal-soal
1. Dua pabrik batu bara terletak di Pontianak dan Balikpapan masing-masing dapat
menghasilkan 300 ton setiap bulannya. Sementara Perusahaan yang memerlukan batu bara
berada di pulau Jawa, yaitu di 10 kota: Banten, Jakarta, Cirebon, Tegal, Pekalongan,
Semarang, Kudus, Surabaya, Malang, dan Banyuwangi. Dari kota-kota tersebut berturut-turut
memerlukan bata-bara (dalam ton): 50, 100, 50, 75, 60, 40,40, 50, 30, dan 30.
Pengangkutan batu bara dilakukan dengan dua tahap, yaitu dari Pontianak dan Balikpapan ke
pelabuhan di Jakarta, Semarang, dan Surabaya menggunakan kapal, Sedangkan dari
Pelabuhan ke kota-kota tujuan menggunakan Truk. Biaya Pengangkutan tiap ton batu bara
terlihat pada tabel berikut.
Biaya Pengiriman batu bara
Dengan Kapal
Jakarta Semarang Surabaya
Pontianak
50
60
70
Balikpapan
80
70
60
Dengan Truk
Banten
Jakarta
20
Semarang
Jakarta Cirebon Tegal Pklongan Smrang

5
25
30
25
20
Surabaya
15
Kdus
Srbaya
10
20
20
15
Mlang Bnywngi
15
20
Buatlah sistem transshipment agan biaya pengiriman batu bara minimum.
2. Bagaimana sistem transshipment pada soal no 1 ini bilamana kebutuhan batu bara di Tegal,
Surabara, dan Banyuwangi masing-masing naik 25 ton sebulan, sementara kebutuhan di
Jakarta turun 25 ton sebulannya.
125
3. Bagaimana sistem transshipment pada contoh soal di atas (tentang alat berat) bilamana
jumlah alat berat di Jakarta ada 10 buah, dan di surabaya ada 6 buah.
BAB V
Analisis Jaringan
Jaringan lahir karena berbagai keperluan seperti: transportasi, listrik, komunikasi,
perencanaan proyek, aliran air, pembuatan jalan, dan lain-lain. Saat ini jaringan sangat
penting, sebab dengan jaringan maka masalah yang besar dan rumit dapat
disederhanakan. Ada beberapa jaringan yang dapat diselesaikan dengan permasalahan
program linear.
Pada kajian di sini akan dibahas empat masalah jaringan, yaitu: permasalahan lintasan
terpendek, masalah diagram pohon terpendek, masalah aliran maksimum, dan
penyelesaian proyek dengan Program Evaluation and Review Technique (PERT), dan
Critical-Path Method (CPM).
Beberapa Istilah yang dipakai dalam Analisis Jaringan

Jaringan didefinisikan sebagai gabungan dua himpunan yaitu himpunan node dan
himpunan arc. Himpunan node dilambangkan dengan V dan himpunan arc dilambangkan
dengan A.
Arc terdiri dari pasangan terurut dari node dan menggambarkan arah gerakan yang
mungkin.
Untuk tujuan ini, misalkan jaringan memuat arc(j, k), maka arah gerakan yang
mungkin adalah dari node j ke node k.
V = {1, 2, 3, 4, 5} himpunan node
Perhatikan jaringan berikut.
A = {(1, 5), (5, 4), (4, 3), (3, 2),

(2, 1), (3, 1), (2, 3), (4, 5) }
himpunan arc.
Misalkan
arc(j,
k)
berada
di
jaringan, maka j disebut node awal

atau node pangkal, dan k disebut
node akhir atau node ujung.
Gambar contoh sebuah Jaringan
125
126
Rangkaian arc sedemikian hingga untuk setiap arc mempunyai tepat satu node
persekutuan bersama dengan arc sebelumnya disebut chain (rantai).
Lintasan adalah rantai yang memenuhi pernyaratan bahwa untuk setiap node akhir suatu
arc adalah node awal dari arc sebelumnya.
Pada contoh jaringan di atas, (3, 1) (1, 5) (4, 5) adalah rantai tetapi bukan
lintasan, sedangkan (3, 1) (1, 5) (5, 4) adalah lintasan. Lintasan ini
menggambarkan perjalanan (gerak) dari node 3 ke node 4.
Selanjutnya kita perhatikan contoh permasalahan berikut.
Gambar 3.1 Jarak antar tempat peristirahatan (dalam kilometer)
Sebuah lokasi sebut saja Taman Sari akan dijadikan sebagai taman wisata yang sejuk,
nyaman, dan lingkungan yang terlindungi termasuk satwa di dalamnya. Pada node
(bertanda huruf O, A, B, C, D, E, T) dibuat tempat peristirahatan. Jarak antar tempat
peristirahatan seperti terlihat pada gambar di atas (dalam kilometer) lihat gambar 3.1.
Untuk melindungi satwa dan kesejukan Taman Sari tersebut semua mobil pribadi,
termasuk angkutan umum dilarang masuk. Sistem transportasi yang akan dibuat adalah
kereta listrik, banyaknya kereta yang lewat setiap jalur dibatasi. Banyaknya kereta yang
lewat maksimum setiap harinya terlihat pada Gambar 3.2, Ini diperlukan untuk menjaga
ketenangan taman. Pintu masuk adalah node O, dan pintu keluarnya node T. Kembalinya
kereta dari T ke O melalui jalur luar taman. Selanjutnya untuk kebutuhan air, akan dibuat
jaringan pipa air dari O ke masing-masing tempat peristirahatan.
127
Gambar 3.2 Maksimum banyaknya kereta yang boleh lewat setiap harinya
Permasalahan yang muncul ada tiga yaitu:
1. Lewat jalur mana dari O menuju ke T sehingga diperoleh jarak terpendek, berapa
jaraknya.
2. Buatlah jaringan air yang menghubungkan semua tempat peristirahatan agar
panjang pipa yang digunakan minimum.
3. Buatlah jalur kereta, agar banyaknya lintasan maksimum.
Masalah yang pertama disebut sebagai masalah lintasan terpendek, masalah kedua
disebut masalah diagram pohon terpendek, dan masalah ke tiga disebut masalah aliran
maksimum.
1. Masalah Lintasan Terpendek
Masalah lintasan terpendek adalah masalah yang menyangkut node, panjang
jalur, arah lintasan. Dalam lintasan ini perlu diperhatikan khusus yaitu node supply (node
awal) dan node demand (node akhir). Dalam hal masalah di atas, node supply adalah
node O, dan node demand adalah node T. Untuk menyelesaikan masalah lintasan
terpendek ada algoritma yang bisa dipakai yaitu:
Algoritma masalah lintasan terpendek
a. Tujuan pada iterasi ke-n: Tentukan node terdekat dari titik awal (node awal).
b. Input pada iterasi ke-n: node terdekat ke n-1 ke node awal, termasuk di dalamnya
lintasan terpendek dan jarak dari node awal. (node-node ini ditambah dengan
node awal disebut node terselesaikan, yang lain node belum terselesaikan).
128
c. Kandidat untuk node terdekat ke-n: Setiap node terselesaikan yang langsung
berhubungan dengan satu atau lebih node belum terselesaikan sebagai kandidatnode belum terselesaikan yang mempunyai hubungan terpendek.
d. Perhitungan node terdekat ke-n: Untuk setiap node terselesaikan dan node
kandidat, ditambah dengan jarak diantaranya. Kandidat yang mempunyai total
jarak terpendek ke-n.
Untuk masalah lintasan terpendek pada Taman Sari di atas adalah sebagai berikut:
Node awal adalah node O dan node akhir adalah node T.

Perhitungan lintasan dapat dilihat pada Tabel 3.3 berikut:
Tabel 3.3 Penerapan Algoritma lintasan terpendek pada Taman sari
1
2,3
4
5
6
Node terselesaikan
Tersambung
langsung dengan
Node belum
terselesaikan
O
O
A
A
B
C
A
B
E
D
E
Sambungan
terpendek
node belum
terselesaikan
A
C
B
D
E
E
D
D
D
T
T
Total jarak
2
4
2+2=4
2+7=9
4+3=7
4+4=8
2+7=9
4+4=8
7+1=8
8 + 5 = 13
7 + 7 = 14
Node
terde
- kat
ke-n
Jarak
Minimum
Sambungan terakhir
A
C
B
2
4
4
OA
OC
AB
BE
D
D
T
BD
ED
DT
13
129
Jarak minimum dari node O ke node T adalah 13 kilometer dengan jalur
O A B E D T atau
OABDT
Masalah jaringan terpendek di atas dapat kita pandang sebagai masalah transshipment
yaitu dengan mengisikan bilangan besar M pada jalur yang tidak ada, oleh karena itu tabel
transportasi dari masalah jaringan ini adalah sebagai berikut.
Tabel Jarak antar tempat
A
Apabila kita kerjakan dengan Solver, yaitu dengan menggantikan M menjadi 1000 dan
masing-masing kapasitas 1 serta permintaan 1, maka akan diperoleh hasil berikut.
Tabel Hasil perhitungan dengan Solver
A
Total
13
130
Dari tabel hasil di atas, diperoleh bahwa total jarak adalah 13 dengan lintasan O A B
D T.
Catatan.
Dengan Solver, lintasan yang diperoleh hanya tunggal (1 macam).
Contoh 2.
Sebuah Toko Bangunan akan menggunakan mobil Pickup untuk melayani pengiriman
bahan bangunan kepada pembeli. Harga mobil Pickup baru Rp 60 juta. Mobil tersebut
setelah dipakai semakin lama semakin turun harganya, sedangkan biaya perwatannya
semakin lama semakin besar. Besarnya biaya perawatan dan harga jual mobil terlihat
pada tabel berikut.
Tabel Biaya perawatan dan Harga Jual Kembali Mobil Pickup
Umur
Biaya
Harga Jual
Mobil (Th)
Perawatan (Jt)
(Trade In /Jt)
45
35
13
30
18
25
22
20
25
15
28
10
Dengan asumsi harga mobil Pickup baru tetap, pada tahun ke-berapa mobil harus diganti
agar biaya total yang dikeluarkan minimum?
Penyelesaian
Pada masalah jaringan ini, kita akan melibatkan delapan node V= {1, 2, 3, 4, 5, 6, 7, 8}.
Node i menggambarkan awal tahun ke-i.
Untuk setiap i < j, arc(i, j) menggambarkan pembelian mobil baru pada awal tahun ke-i dan
tetap memakainya sampai awal tahun ke-j.
131
Panjang arc (i, j) atau cij adalah total pengeluaran biaya penggunaan mobil dari awal tahun
ke-i sampai awal tahun ke-j jika mobil dibeli pada awal tahun ke-i dan mobil akan ditukar
mobil baru lagi pada awal tahun ke-j.
Jadi
Cij = biaya perawatan tahun ke-i, i+1, ..., j-1
+ biaya pembelian mobil baru pada awal tahun ke-i
- harga jual mobil pada awal tahun ke-j.
Dengan menerapkan bentuk ini pada masalah di atas, maka diperoleh.

C12 = 2 + 60 45 = 17
C13 = 2 + 5 + 60 35 = 32
C14 = 2 + 5 + 9 + 60 30 = 46
C15 = 2 + 5 + 9 + 13 + 60 25 = 64
C16 = 2 + 5 + 9 + 13 + 18 + 60 20 = 87
C17 = 2 + 5 + 9 + 13 + 18 + 22 + 60 15 = 114
C18 = 2 + 5 + 9 + 13 + 18 + 22 + 25 + 60 10 = 144
C23 = 2 + 60 45 = 17
C24 = 2 + 5 + 60 35 = 32
C25 = 2 + 5 + 9 + 60 30 = 46
C26 = 2 + 5 + 9 + 13 + 60 25 = 64
C27 = 2 + 5 + 9 + 13 + 18 + 60 20 = 87
C28 = 2 + 5 + 9 + 13 + 18 + 22 + 60 15 = 114
C34 = 2 + 60 45 = 17
C35 = 2 + 5 + 60 35 = 32
C36 = 2 + 5 + 9 + 60 30 = 46
C37 = 2 + 5 + 9 + 13 + 60 25 = 64
C38 = 2 + 5 + 9 + 13 + 18 + 60 20 = 87
Dst
132
Dari data masalah Jaringan ini dapat dibuat tabel sebagai berikut.
Tabel Total Pengeluaran penggunaan Mobil Pickup
Awal
tahun ke
17
32
46
64
86
114
144
17
32
46
64
86
114
17
32
46
64
86
17
32
46
64
17
32
46
17
32
17
3
4
5
6
7
Dengan melengkapi tabel, yaitu memberi nilai besar pada sel kosong dan menggunakan
Solver akan diperoleh hasil
2
Total
109
133
Atau hasil
2
Total
109
Hasil pertama: 1 4 7 8
Hasil kedua : 1 2 5 7
Dengan mengambil waktu yang cukup, maka akan diperoleh bahwa periode terbaik untuk
ganti mobil baru adalah 3 tahunan.
2. Masalah Diagram Pohon Terpendek

Kembali pada masalah induk di atas, yaitu pada masalah jaringan untuk
menentukan jaringan pipa air terpendek. Masalah ini termasuk dalam masalah diagram
pohon terpendek. Untuk menyelesaikan masalah ini digunakan algoritma untuk masalah
diagram pohon terpendek sebagai berikut:
a. Pilih sebarang node, dan hubungkan node tersebut dengan node berbeda yang
terdekat.
b. Kenali node taktersambung yaitu yang disambungkan dengan node terdekat, dan
hubungkan kedua node tersebut. Ulangi sampai semua node tersambung.
Untuk permasalahan jaringan pipa air tersebut kita perhatikan langkah-langkah berikut:
134
Misalkan kita memulai dengan node B, maka node terdekat adalah C, hubungkan BC,
maka diperoleh diagram berikut:
Node terdekat dengan BC adalah A, kemudian sambungkan titik A ke B, maka diperoleh

diagram berikut:
135
Selanjutnya berturut-turut node O ke node A, node E ke node B, node D ke node E, dan

node T ke node D, sehingga diperoleh jaringan lengkap sebagai berikut:
Jumlah panjang pipa air bersih yang diperlukan adalah 2 + 2 + 1 + 3 + 1 + 5 = 14 km.
3. Masalah Aliran Maksimum
Diagram kapasitas maksimum dari transportasi kereta dari node awal O ke node akhir T.
Untuk membahas aliran maksimum, ada beberapa terminology yang harus kita
pahami terlebih dahulu.
136
Perhatikan arah dan sambungan jaringan. Arah jaringan dari node awal O dan node akhir
T. Diberikan kapasitas lintasan dan kita bertujuan memaksimumkan total lintasan dari node
O ke node T. Kita menggunakan algoritma yang disebut residual network dan augmenting
path.
Dari jaringan asli, residual network menunjukkan kapasitas sisa yaitu setelah
adanya aliran. Sebagai contoh, kapasitas jalur dari O ke A adalah 5.
Bilamana ada aliran dari node O ke node A sebanyak 2, maka residual network adalah
sebagai berikut:
Augmenting path adalah arah lintasan dari node awal ke node akhir pada residual network
sedemikian hingga setiap jalur mempunyai kapasitas sisa positif.
Algoritma masalah aliran maksimum adalah sebagai berikut:

a. Identifikasi (kenali) augmenting path yang mempunyai kapasitas sisa positif.
b. Sebut kapasitas sisa c* dari augmenting path, yaitu minimum dari kapasitas setiap jalur
(arc) yang dilalui.
c. Kurangkan dengan c* pada setiap awal jalur kapasitas sisa, dan tambahkan c* pada
arah yang berlawanan. Selanjutnya kembali ke langkah a.
Selanjutnya marilah kita bahas masalah aliran maksimum pada Taman Sari dengan
algoritma ini:
Iterasi 1. Augmenting path O A D T adalah min {5,3,9} = 3. Dengan lintasan ini

maka diperoleh residual network
137
Iterasi 2. Augmenting path O B D T adalah min {7,4,6} = 4. Dengan lintasan ini

Iterasi 3. Augmenting path O C E T adalah min {4,4,6} = 4. Dengan lintasan ini

138
Iterasi 4. Augmenting path O B E D T adalah min {3,5,1,2} = 1. Dengan

lintasan ini maka diperoleh residual network
Iterasi 5. Augmenting path O B E T adalah min {2,4,2} = 2. Dengan lintasan ini

Dari gambar jaringan yang terakhir ini terlihat bahwa, sudah tidak ada augmenting path
yang positif lagi, sehingga aliran telah mencapai optimal yaitu sebanyak 14 perjalanan dari
node awal O ke node akhir T dengan lintasan:
O A D T sebanyak 3 buah;
O B D T sebanyak 4 buah;
O C E T sebanyak 4 buah;
O B E D T sebanyak 1 buah; dan
O B E T sebanyak 2 buah.
Masalah aliran maksimum ini apabila diselesaikan dengan program Lingo, maka
programnya sebagai berikut.
139
MODEL:
SETS:
NODES/O A B C D E T/;
ARCS(NODES,NODES)/O,A O,B O,C A,B A,D B,C B,D B,E C,E D,T E,D E,T
T,O/:CAP,FLOW;
ENDSETS
MAX=FLOW(T,O);
@FOR(ARCS(I,J):FLOW(I,J)<CAP(I,J));
@FOR(NODES(I):@SUM(ARCS(J,I):FLOW(J,I))=@SUM(ARCS(I,J):FLOW(I,J)));
DATA:
CAP=5, 7,4,1,3,2,4,5,4,9,1,6,1000;
ENDDATA
END
Setelah dijalankan, maka akan diperoleh hasil sebagai berikut.

Objective value:
Variable
CAP( O, A)
CAP( O, B)
CAP( O, C)
CAP( A, B)
CAP( A, D)
CAP( B, C)
CAP( B, D)
CAP( B, E)
CAP( C, E)
CAP( D, T)
CAP( E, D)
CAP( E, T)
CAP( T, O)
FLOW( O, A)
FLOW( O, B)
FLOW( O, C)
FLOW( A, B)
FLOW( A, D)
FLOW( B, C)
FLOW( B, D)
FLOW( B, E)
FLOW( C, E)
FLOW( D, T)
FLOW( E, D)
FLOW( E, T)
FLOW( T, O)
3
14.00000
Value
5.000000
7.000000
4.000000
1.000000
3.000000
2.000000
4.000000
5.000000
4.000000
9.000000
1.000000
6.000000
1000.000
4.000000
7.000000
3.000000
1.000000
3.000000
1.000000
4.000000
3.000000
4.000000
8.000000
1.000000
6.000000
14.00000
Reduced Cost
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
Hasil di atas menunjukkan bahwa, total aliran maksimum adalah 14, dengan aliran OA
sebesar 4, OB sebesar 7, dan seterusnya (lihat hasil FLOW(i ,j) di atas).
140
4. Menyelesaikan proyek dengan PERT dan CPM

a. PERT dengan Waktu Tepat
Keberhasilan pengelolaan proyek skala besar adalah kehati-hatian dalam perencanaan,
penjadwalan, dan koordinasi antar kegiatan (aktivitas) yang terkait. Prosedur yang cukup
terkenal adalah prosedur Program Evaluation and Review Technique (PERT) dan CriticalPath Method (CPM). Sistem PERT dirancang untuk membantu di dalam perencanaan dan
kontrol, sehingga tidak dibuat secara langsung untuk mengoptimalkan. Namun demikian
dapat digunakan untuk menentukan dead line suatu pekerjaan. Sistem PERT
menggunakan jaringan proyek (project network) untuk melukiskan secara grafik hubungan
antar unsur dalam suatu proyek.
Terminologi yang digunakan dalam PERT ini mirip dengan sistem jaringan sebelumnya,
dimana garis/lintasan (arc) menggambarkan aktivitas, node menggambarkan peristiwa
(event), dan anak panah menggambarkan arah jalannya aktivitas.
Contoh: Dalam membuat sebuah rumah sederhana, ada beberapa kegiatan / aktivitas
yang menyangkut pekerjaan pembuatan rumah. Pekerjaan ini ada yang menuntut secara
urut ada pula yang dapat dilaksanakan secara bersamaan. Aktivitas-aktivitas itu terlihat
pada Tabel 3.4 berikut:
Tabel 3.4 Aktivitas Pembuatan Rumah
No
Aktivitas
Lama (hari)
Prasyarat
Persiapan / perataan tanah
Fondasi
No 1.
Dinding kasar (pemasangan

batu bata/batako)
10
No 2.
Pemasangan atap
No 3.
Pemasangan pipa ledeng

bagian luar rumah
No 3.
Pemasangan pipa ledeng

bagian dalam rumah
No 5.
Pemasangan Jaringan listrik
No 3.
Pemasangan dinding papan
No 6, dan No 7.
Pemasangan keramik lantai
No 8.
141
10
Pengecatan bagian dalam

rumah
No 8.
11
Pemasangan papan bagian

luar rumah
No 4.
12
Pengecatan bagian luar rumah
No 4, dan No 11.
13
Pengaturan Interior rumah
No 9, dan No 10.
14
Pengaturan eksterior rumah
No 12.
15
SELESAI
Berapa lama pembuatan rumah tersebut, bilamana lama aktivitas-aktivitas tersebut di atas
bersifat tepat (fix).
Pada kajian ini perlu diperkenalkan lagi dua istilah yaitu waktu paling cepat dan waktu
paling lambat. Waktu paling cepat adalah waktu (dari awal) paling cepat (earliest time)
yang dibutuhkan untuk berakhirnya aktivitas dan atau akan dimulainya aktivitas
selanjutnya. Waktu paling lambat adalah waktu (dari awal) paling lambat (latest time) yang
dibutuhkan untuk berakhirnya aktivitas dan atau akan dimulainya aktivitas selanjutnya.
Pada setiap node terdapat pasangan waktu, yaitu pasangan waktu paling cepat, dan waktu
paling lambat. Untuk memudahkan dalam pembacaan diagram, Sebuah peristiwa (event)
dilambangkan dengan huruf kapital (A, B, C, ), sebuah aktivitas dengan nomor aktivitas
(No 1, No 2, ), lama aktivitas ditulis dalam tanda kurung sesudah aktivitas dalam bentuk
bilangannya saja (1, 2, ).
Pembuatan rumah sederhana tersebut diatas dapat digambarkan seperti Diagram berikut:
Dari diagram di bawah, terlihat bahwa lama pembuatan rumah adalah 44 hari. Aktivitas
kritis terjadi bilamana waktu paling cepat sama dengan waktu paling lambat, artinya adalah
apabila sebuah aktivitas telah selesai, maka aktivitas selanjutnya harus segera
dilaksanakan dan tidak boleh ditunda, sedangkan apabila waktu paling cepat tidak sama
dengan waktu paling lambat, maka bilamana sebuah aktivitas selesai, maka aktivitas
selanjutnya bisa ditunda sejauh perbedaan antara kedua waktu tersebut. Perbedaan waktu
paling cepat dan waktu paling lambat disebut waktu slack. Sebuah aktivitas digambarkan
dengan garis putus-putus artinya aktivitas dummy yaitu tidak ada aktivitas, namun perlu
digambarkan karena akan menggambarkan prasyarat suatu aktivitas yang lain, sebagai
contoh aktivitas No 13 dapat dilakukan setelah aktivitas no 9 dan aktivitas No 10. Demikian
pula aktivitas No 12 dapat dilakukan setelah aktivitas No 5 dan aktivitas no 11 selesai.
142
Diagram pembuatan rumah sederhana.
b. PERT dengan pendekatan tiga-waktu

Sampai sejauh ini, kita menganggap bahwa perkiraan/perhitungan waktu adalah tepat,
namun demikian kenyataan di lapangan tidaklah demikian. Ada kalanya waktunya lebih
panjang dari perkiraan tetapi ada kalanya waktunya lebih cepat selesainya sebuah
aktivitas. Untuk keperluan ini ada tiga macam waktu yang sering digunakan untuk
memperkirakan penyelesaian sebuah aktivitas, yaitu: perkiraan tercepat (optimistic
estimate) dinotasikan dengan a, perkiraan ter-lambat (pessimistic estimate) dinotasikan
143
dengan b, dan perkiraan yang kebanyakan terjadi (most likely estimate) yang dinotasikan
dengan m. Model hubungan antara a, b, dan m biasanya berdistribusi beta dimana a
ujung kiri, b di ujung kanan dan m modusnya. Secara grafik dapat digambarkan sebagai
berikut:
Model probabilitas suatu aktivitas dapat diselesaikan.

Selanjutnya di dalam Program Evaluation and Review Technique (PERT), untuk
menyelesaikan proyek ada beberapa asumsi tentang estimasi (perkiraan waktu).
Asumsi 1.
Penyebaran antara a (optimistic estimate) dan b ( pessimistic estimate) adalah enam
simpangan baku, sehingga diperoleh hubungan 6 = b a . Akibatnya varian dari
aktivitas adalah
= (b a)
6
Asumsi 2.
Distribusi probabilitas setiap aktivitas adalah (sekurang-kurangnya mendekati) distribusi
beta.
Berdasarkan ke dua asumsi diatas, estimasi waktu ( t e ) dapat didekati dengan
te =
1
1
2 m + ( a + b)
3
2
Perhatikan bahwa
1
(a + b) adalah titik tengah antara a dan b.
2
Selanjutnya kita memisalkan ketiga waktu untuk proyek pembuatan rumah sederhana
diatas seperti Tabel 3. 5 berikut:
144
Tabel 3. 5 Perkiraan waktu penyelesaian suatu aktivitas

Aktivitas
Optimistic
Most likely
Pessimistic
Expected
Variance
No
estimate (a)
estimate (m)
estimate (b)
estimate t e
1 (A,B)
1/9
2 (B,C)
3,5
3 (C,D)
18
10
4 (D,K)
5,5
10
5 (D,F)
4,5
4/9
6 (F,G)
10
7 (D,G)
7,5
8 (G,H)
9 (H,I)
10 (H,J)
5,5
11 (K,L)
6,5
11
12 (L,M)
17
13 (J,N)
5,5
4/9
14 (M,N)
1/9
Kita perhatikan bahwa dari diagram di atas, lintasan A B C D F G H

J N adalah lintasan kritis.
Asumsi 3
Waktu aktivitas adalah bebas secara statistik dan merupakan peubah acak.
Asumsi 4
Lintasan kritis selalu mempunyai total waktu lebih panjang dari pada lintasan yang lain.
Dari asumsi 3, asumsi 4, dan dari keterangan wantu di atas, maka didapat lintasan
kritis seperti tabel berikut:
145
Tabel Lintasan Kritis

Aktivitas pada
Expected value
Variance
lintasan kritis
te
1 (A,B)
1/9
2 (B,C)
3 (C,D)
10
5 (D,F)
4/9
6 (F,G)
8 (G,H)
10 (H,J)
13 (J,N)
4/9
Jumlah
44
Dari tabel lintasan kritis diatas, diperoleh:

Expected project time = 44 hari
Variance of project time = 9.
Asumsi 5
Distribusi probabilitas project time adalah distribusi normal.
Jadi Penyelesaian rumah sederhana di atas selama 44 hari dengan simpangan baku = 3.
146
Soal-soal
1. Seseorang dari Jakarta akan menuju ke Jayapura dengan pesawat terbang. Jalur dan
biaya (dalam ribuan rupiah) perjalanan dari Jakarta ke Jayapura adalah sebagai
berikut.
Tentukan lintasan perjalanan agar biaya yang dikeluarkan minimum.
147
2. Sebuah Motel dibangun di daerah pegunungan yang sejuk dan nyaman, dengan
denah sebagai berikut. Untuk pelayanan kebutuhan listrik Motel, akan dibuat sistem
jaringan listrik sendiri agar tidak terganggu kestabilan tenaganya.
Buatlah jaringan kabel listrik, agar kabel yang dipakai minimum!
50
40
Km 1
Km 3
Km 2
30
75
60
25
40
Km 4
Km 5
50
20
40
40
100
30
Km 7
Km 9
30
Kantor
20
Km 6
Km 8
Denah Motel, jarak diukur dalam meter.

3. Pada Pembangunan Motel di atas, akan dibangun sistem aliran air yang terletak di
dekat Km 6 dan berakhir di Km 1. Besarnya ukuran pipa berbeda-beda dan kapasitas
aliran air (liter per menit) terlihat pada gambar berikut.
150
200
Km 1
150
Km 9
200
100
150
Km 4
100
Km 3
Km 2
250
Km 5
500
100
100
Km 7
200
300
Kantor
100
200
Km 6
Km 8
Gambar Kapasitas Aliran Air (liter per menit).

Tentukan basarnya aliran air maksimum dalam sistem jaringan aliran air pada Motel
ini.
148
4. Dalam pembangunan Motel ini, waktu yang diperlukan terlihat pada tabel berikut.
No
Aktivitas
Lama (minggu)
Prasyarat
Persiapan / perataan tanah
Fondasi
No 1.
Dinding kasar (pemasangan batu bata)
18
No 2.
Pemasangan atap
No 3.
Pemasangan pipa ledeng bagian luar kamar
No 3.
Pemasangan pipa ledeng bagian dalam

kamar
No 5.
Pemasangan Jaringan listrik
No 3.
Pemasangan dinding papan untuk peredam

suara
No 6, dan No 7.
Pemasangan keramik lantai
No 8.
10
Pengecatan bagian dalam kamar
No 8.
11
Pengaturan Taman (diluar kamar)
No 4.
12
Pengecatan bagian luar kamar
No 4, dan No 11.
13
Pengaturan Interior kamar
No 9, dan No 10.
14
Pengaturan eksterior kamar
No 12.
15 SELESAI
Tentukan berapa lama pembuatan Motel tersebut, dengan asumsi bahwa pelaksanaan
pembangunan sesuai dengan perencaraan waktu yang tepat.
BAB VI
Program Linear Bilangan Bulat
Permasalahan program linear bilangan bulat muncul ketika kita harus memutuskan jumlah
barang yang kita perlukan berbentuk bilangan bulat, seperti menentukan banyaknya mesin
untuk suatu pabrik, banyaknya foto copy untuk layanan di suatu kantor, banyaknya
komputer di suatu ruangan untuk mengerjakan sejumlah pekerjaan, banyaknya orang yang
mengerjakan suatu proyek, dan sebagainya. Tidaklah mungkin banyaknya mesin giling
padi di suatu pabrik 2,38 buah untuk menggiling padi di suatu wilayah tertentu, keputusan
akan menjadi 3 buah, atau 2 buah dengan kerja lembur, dan sebagainya.
Program linear bilangan bulat dikatakan pure integer programming (program linear
bilangan bulat murni) apabila semua variabel adalah bilangan bulat. Ada kalanya sebagian
variabel bukan bilangan bulat, bisa jadi sebagian variabel bilangan real. Bilamana
variabelnya bilangan bulat dan bilangan biner (nol, satu), maka masalah program linear ini
disebut mix integer programming (program linear bilangan bulat campuran) atau program
linear bilangan bulat nol satu (zero one integer programming). Masalah zero one integer
programming biasanya digunakan untuk pengambilan keputusan. Bernilai 1 bila harus
melakukan suatu pekerjaan (menerima keputusan) dan bernilai 0 berarti harus menolak
suatu pekerjaan (keputusan).
Untuk lebih jelasnya marilah kita lihat beberapa contoh masalah berikut:
Masalah 1
Masalah 2
Minimumkan Z = 200 x1 + 400 x2
Maksimumkan Z = 100 x1 + 90 x2
Dengan pembatas:
Dengan pembatas:
10 x1 + 25 x2 100
10 x1 + 7 x2 70
3 x1 + 2 x2 12
5 x1 + 10 x2 50
x1 0, x2 0
x1 0, x2 0
149
150
Masalah 3
4 x1 + 2 x 2 15
x1 + 5 x 2 16
x1 0, x 2 0
x1 + 5 x 2 16
Selanjutnya apabila kita hitung dengan metode simpleks dengan bilangan real, maka kita
peroleh:
Masalah 1
Masalah 2
Masalah 3
x1 = 5.38
x1 = 1.82
x1 = 2.388889
x2 = 2.31
x2 = 3.27
x 2 = 2.722222
Z = 746.15
Z = 1,672.73
Z = 463.3333
Misalnya kita diminta untuk menjawab dengan bilangan bulat, kemudian kita bulatkan
begitu saja, misalnya menjadi:
Masalah 1
Masalah 2
Masalah 3
x1 = 5
x1 = 2
x1 = 2
x2 = 2
x2 = 3
x2 = 3
Z = 680
Z = tak layak
Z = tak layak
Pembulatan yang dilakukan begitu saja, akan mengakibatkan solusi tidak optimal, bahkan
dapat menghasilkan jawaban yang tak layak (tidak masuk dalam jawaban yang mungkin).
Oleh karena itu pembulatan pada program linear bilangan bulat tidak sesederhana
membulatkan menjadi bilangan bulat. Sebab beberapa persyaratan mesti dipenuhi.
Pada masalah diatas bila kita lakukan dengan program linear bilangan bulat akan
menghasilkan jawaban:
151
Masalah 1
Masalah 2
Masalah 3
x1 = 7
x1 = 3, x2 = 3 atau
x1 = 1
x2 = 0
x1 = 5, x2 = 2
x2 = 3
Z = 700
Z = 1,800
Z = 360
Bagaimana cara menentukan solusi program linear bilangan bulat?
Ada beberapa cara untuk menentukan (menghitung) solusi program linear bilangan bulat,
antara lain: metode grafik, metode cutting plan algorithm, metode branch and bound, dan
penyelesaian dengan program komputer. Pada kajian di sini hanya akan dibahas dua cara
yaitu metode branch and bound, dan penyelesaian dengan program komputer.
1. Metode Branch and Bound

Metode branch and bound mempunyai beberapa langkah:
1. Selesaikan masalah program linear dengan metode biasa (simpleks) yaitu dengan
bilangan real (biasa).
2. Teliti solusi optimumnya. Apabila variabel basis yang diharapkan berbentuk
bilangan bulat, maka pekerjaan telah selesai. Solusi itu adalah solusi optimum.
Tetapi bila solusinya bukan bilangan bulat, maka lakukan langkah selanjutnya.
3. Nilai solusi yang tidak bulat yang layak dicabangkan ke dalam sub-sub masalah,
dengan tujuan untuk menghilangkan solusi yang tidak memenuhi persyaratan
bilangan bulat. Pencabangan ini dilakukan dengan kendala-kendala mutually
exclusive yang perlu untuk memenuhi persyaratan bulat.
4. Untuk setiap sub masalah, nilai solusi optimum kontinu (tak bulat) fungsi tujuan
dijadikan sebagai batas atas. Solusi bulat terbaik menjadi batas bawah (pada
awalnya ini adalah solusi kontinu yang dibulatkan kebawah). Sub-sub masalah
yang mempunyai batas atas kurang dari batas bawah yang ada tidak diikut
sertakan dalam analisis selanjutnya. Suatu solusi bulat, layak adalah sama baik
atau lebih baik dari batas atas untuk semua sub masalah yang dicari. Jika solusi
152
demikian ada, suatu sub masalah dengan batas atas terbaik dipilih untuk
dicabangkan, kemudian kembali ke langkah 3.
Untuk melihat lebih jelas, kita perhatikan contoh berikut:

Dengan pembatas:
6 x1 + 8 x2 99
8 x1 + 4 x2 87
x1 0, x2 0
Dengan metode simpleks biasa atau metode grafik, maka diperoleh.
x1 = 7.5
Nampak disamping bahwa semua solusi bilangan pecah (tidak
x2 = 6.75
bulat) maka harus kita lakukan pencabangan.
Z = 2205
Perhatikan grafik berikut.
Masalah diatas dicabang menjadi 3 bagian yaitu:

Bagian 1.
Bagian 2.
Bagian 3.
x1 7
x1 8, x 2 0
x1 0, x 2 7
x2 6
8 x1 + 4 x 2 87
6 x1 + 8 x 2 99
x1 0, x2 0
153
Bagian 1
Pada bagian 1 memberikan batas bawah (7,6) dengan Z = 150 7 + 175 6 = 2100
Bagian 2
Pada bagian 2 memberikan batas atas (8,5) dengan Z = 1508 + 1755=2075 (dibawah
batas bawah).
Bagian 3
154
Pada bagian 3 memberikan batas atas (7,7) dan (0,12) yang memberikan nilai
Z1 = 150 . 7 + 175 . 7 = 2170, Z 2 = 150 . 0 + 175 . 12 = 2100

Dari perhitungan diatas, terlihat bahwa nilai maksimum tercapai pada titik (7,7) dengan
nilai Z = 2170.
Jadi
solusi
program
linear
bilangan
bulat
diatas
adalah
x1 = 7, x 2 = 7, dengan Z = 2.170 .
2. Penyelesaian Program Linear Bilangan Bulat dengan Program Lindo

Untuk menyelesaikan masalah diatas dengan komputer, dalam hal ini kita
gunakan program lindo, maka masalah tersebut kita tuliskan pada papan lindo sebagai
berikut:
Apabila masalah program linear yang tidak harus bilangan bulat kita tuliskan dengan,
Max 150x1+175x2
Subject to
6x1+8x2<=99
8x1+4x2<=87
End
Sedangkan untuk masalah program linear bilangan bulat, kita tambahkan gin x1 dan gin x2
untuk memberitahu bahwa x1 adalah bilangan bulat, dan x2 juga bilangan bulat. Atau
langsung ditulis dengan gin 2. Sehingga program menjadi:
Max 150x1+175x2
Subject to
6x1 + 8x2 <= 99
8x1 + 4x2 <= 87
End
Gin x1
Gin x2
atau cukup ditulis dengan

max 150x1+175x2
subject to
6x1+8x2<=99
8x1+4x2<=87
end
gin 2
155
Maka setelah program Lindo dijalankan akan diperoleh hasil keluaran seperti berikut:
0
OBJECTIVE VALUE =
2306.25000
NEW INTEGER SOLUTION OF
2275.00000
AT BRANCH
2
BOUND ON OPTIMUM: 2275.000
ENUMERATION COMPLETE. BRANCHES=
0 PIVOTS=
2
0 PIVOT
LAST INTEGER SOLUTION IS THE BEST FOUND

RE-INSTALLING BEST SOLUTION...
1)
2275.000
VARIABLE
X1
X2
ROW
2)
3)
VALUE
7.000000
7.000000
SLACK OR SURPLUS
1.000000
3.000000
NO. ITERATIONS=
2
BRANCHES=
0 DETERM.=
1.000E
REDUCED COST
-150.000000
-175.000000
DUAL PRICES
0.000000
0.000000
Dari hasil diatas dapat dilihat bahwa, solusi tercapai dengan Z = 2.275, dengan X1 = 7,
dan X2 = 7.
3. Penyelesaian Program Linear Bilangan Bulat dengan Program Solver

Untuk menyelesaikan Masalah program linear bilangan bulat Dengan solver prinsipnya
sama dengan penyelesaian program linear, hanya ditambah syarat (constrain) yaitu sel
banyaknya barang adalah bilangan bulat (integer), maka program awal yang kita isikan ke
dalam Excel adalah sebagai berikut.
156
Program awal pada lembar kerja Excel.

Setelah menjalankan Solver dengan mengisi Parameter Solver berikut.
Maka akan diperoleh hasil berikut ini.
157
Tabel Kebutuhan Bahan

Barang (Variabel)
Barang 1
Barang 2
Pembatas
Bahan 1
99
Bahan 2
87
150
175
Koef. fungsi
Tujuan
Banyaknya
Bahan yang dipakai

Barang
Barang 1
Barang 2
Dipakai
Bahan 1
42
56
98
Bahan 2
56
28
84
Fungsi Tujuan
2275
Hasil di atas menunjukkan bahwa Z optimal terjadi pada x1 = 7, dan x2 = 7 dengan Z =

2275.
Pengerjaan dengan program Lingo diserahkan kepada pembaca.
Pengerjaan dengan cara konvensional memerlukan waktu yang cukup lama dan cukup
sukar, apalagi apabila banyaknya variabel banyak. Sebagai contoh perhatikan masalah
berikut.
Sebuah Home Industri Dynamics Bag Collection membuat lima macam barang, yaitu Tas
Remaja, Tas Ibu-ibu, Tas Sekolah, Dompet Wanita, dan Dompet Pria. Kebutuhan bahan,
harga bahan, harga jual, biaya tenaga setiap harinya adalah sebagai berikut:
158
Tabel Kebutuhan Bahan, Persediaan bahan dan Harga Barang

Bahan bahan
Tas
Remaja
Tas Ibuibu
Tas
Sekolah
Imitasi
4m
5m
6m
1m
1m
65 m
Benang
2 rol
3 rol
3 rol
1 rol
1 rol
25 rol
Resliting
2,5 m
3,6 m
2,8 m
0,5 m
0,25 m
90 m
Lem Latex
0,75 kg
0,5 kg
0,25 kg
0,25 kg
7 kg
Lem PC
0,25 kg
0,2 kg
0,2 kg
0,2 kg
3 kg
2,5 m
7m
1,25 m
1m
34 m
36 buah
24 buah
10 buah
198 buah
Karton
5 lbr
1 lbr
20 lembar
Busa
3m
5m
30 m
Furing
Asesoris
Dompet
Wanita
Dompet
Pria
Persediaan
Harga jual
276.000 300.000 276.000
144.000
123.000
(rupiah)
.Pengerjaan secara konvensional hampir tidak mungkin dilakukan, karena menyangkut
lima buah variabel.
Masalah ini apabila dikerjakan dengan Solver, maka akan diperoleh hasil berikut.
Bahan keperluan
Bahan bahan
Tas
Tas
Dompet Dompet
Remaja Tas Ibu-ibu Sekolah
Wanita
Pria
Persediaan
Imitasi
65
Benang
25
2.5
3.6
2.8
0.5
0.25
90
Lem Latex
0.75
0.5
0.25
0.25
Lem PC
0.25
0.2
0.2
0.2
Furing
2.5
1.25
34
Asesoris
36
24
10
198
Resliting
159
Karton
20
Busa
30
276
300
276
144
123
12
Harga jual
(rupiah)
Banyaknya
Bahan yang terpakai
Bahan -
Tas
Tas
Tas
Dompet Dompet
bahan
Remaja
Ibu-ibu
Sekolah
Wanita
Pria
Sisa
Digunakan
bahan
Imitasi
18
12
38
27
Benang
12
25
Resliting
8.4
19.4
70.6
Lem Latex
1.5
4.5
2.5
Lem PC
0.5
2.4
2.9
0.1
15
20
14
Asesoris
72
120
192
Karton
10
10
10
Busa
24
Furing
Penghasilan kotor
3108
Hasil ini menunjukkan bahwa Home Industri tersebut harus membuat 2 tas remaja, 3 tas
sekolah, dan 12 dompet wanita. Dengan pendapatan kotor Rp 3.108.000,-.
Apabila kita cermati hasil di atas, khususnya bahan yang tersisa, maka kekurangan bahan
yang menonjol adalah benang dan Lem PC yang kedua bahan tersebut harganya murah
dan mudah di dapat. Oleh karena itu ada baiknya persediaan kedua bahan tersebut
ditambah.
160
Misalkan benang kita tambah menjadi 50 dan Lem PC kita tambah menjadi 7, maka
apabila kita selesaikan akan menghasilkan pendapatan yang cukup melonjak.
Bahan keperluan
Tas
Bahan -
Tas
Ibu-
Tas
Dompet Dompet
bahan
Remaja
ibu
Sekolah
Wanita
Pria
Persediaan
Imitasi
65
Benang
50
2.5
3.6
2.8
0.5
0.25
90
Lem Latex
0.75
0.5
0.25
0.25
Lem PC
0.25
0.2
0.2
0.2
Furing
2.5
1.25
34
Asesoris
36
24
10
198
Karton
20
Busa
30
276
300
276
144
123
19
Resliting
Harga jual
(rupiah)
Banyaknya
161
Bahan yang terpakai
Tas
Bahan -
Tas
Ibu-
Tas
Dompet Dompet
bahan
Remaja
ibu
Sekolah
Wanita
Pria
Sisa
Digunakan bahan
Imitasi
36
19
64
Benang
18
19
46
Resliting
17
10
29
61
Lem
Lem PC
Furing
24
33
Asesoris
190
190
Karton
20
Busa
30
Penghasilan kotor
5499
Latex
Kita perhatikan pendapatan menjadi Rp 5.499.000,--. Yaitu dengan membuat 9 tas

sekolah, 19 dompet wanita, dan 9 dompet pria. Sebuah kenaikan penghasilan yang luar
biasa.
Bagaimana kalau Home Industri tersebut sekurang-kurangnya membuat 2 tas wanita dan
3 tas ibu-ibu?
Untuk menyelesaikan masalah ini, cukup menambah pada constrais sel tas remaja >= 2
dan sel tas ibu-ibu >= 3 seperti berikut.
162
Dari Parameter di atas, maka akan diperoleh hasil sebagai berikut.
163
Hasil terakhir menyarankan untuk membuat 2 tas ramaja, 3 tas ibu-ibu, 6 tas sekolah, 4
dompet wanita, dan 2 dompet pria, dengan penghasilan kotor Rp 3.930.000,--.
Penyelesaian masalah dengan Lindo maupun Lingo diserahkan kepada pembaca sebagai
latihan.
Soal-soal
1. Seorang Pasien di rumah sakit setiap harinya memerlukan tiga macam zat, sebut saja
zat A, zat B, dan zat C, berturut-turut paling sedikit sebanyak 16 satuan, 18 satuan,
dan 17 satuan. Zat-zat tersebut terdapat dalam tiga macam obat yaitu obat P, obat Q,
dan obat R. Setiap obat P mengandung 2 zat A, 1 zat B, dan 2 zat C. Setiap obat Q
mengandung 4 zat A, 1 zat B, dan 1 zat C. Dan setiap obat R mengandung 1 zat A, 3
zat B, dan 2 zat C. Harga obat P, obat Q, dan obat R berturut-turut Rp 1000, Rp 1500,
dan Rp 1250.
Tentukan banyaknya masing-masing obat untuk memenuhi kebutuhan pasien tersebut
agar dicapai biaya minimum.
2. Perusahaan mobil akan mengeksport 400 mobil model A, dan 500 mobil model B.
Mobil model A memerlukan tempat 12 m3 dan mobil model B memerlukan tempat 15
m3. Pada jadwal pelayaran terdapat tiga pengangkutan yaitu pada awal bulan Januari,
pertengahan bulan Februari dan akhir bulan Maret. Ada pengangkutan pertama hanya
membuat mobil model A dengan biaya Rp 450.000,- tiap-tiap mobil. Pada
pengangkutan mobil yang kedua dan ketiga membawa kedua model tersebut dengan
biaya angkut berturut-turut Rp 35.000,- dan Rp 40.000,- tiap meter kubik. Kapasitas
kapal pertama hanya 200 mobil. Pengangkitan kedua dan ketiga berturut-turut
sebesar 4500 dan 6000 meter kubik. Pada pertengahan Februari harus terkirim
sekurang-kurangnya 250 mobil model A, dan 300 mobil model B. Buatlah model
pengangkutan agar diperoleh biaya transportasi minimal.
164
3. Rapi Alumunium adalah pengusaha kecil yang membuat beberapa barang yang
berbasis alumunium. Kebutuhan bahan dan persediaan, serta harga jual terlihat pada
tabel berikut ini:
Jenis barang
Meja
dan bahan
Setrika
Alumunium
1 x 1
Jemuran
Jemuran
handuk
handuk
sayap
engkel
650 cm
Alumunium
3/4 x 3/4
Alumunium
3/8
Alumunium
3/4
80 cm
756 cm
75 cm
27 cm
570 cm
25 x 25
360 cm
360 cm
640 cm
640 cm
400 cm
4 bh
O
2800 cm2
4 bh
Persediaan
24000 cm
12000 cm
36000 cm
60000 cm
2540 cm
60000 cm
60000 cm
400 cm
4 bh
Karet Sepatu
Partikel
1386 cm
2214 cm
Lis M 1
Karet Sepatu
1780 cm
298 cm
Alumunium
Karet Plane
Pakaian
639 cm
5/8
Lis M 3/4
Piring
654 cm
Alumunium
Alumunium
Jemuran
234 cm
1 x
Alumunium
Rak
30000 cm
660 cm
640 cm
30000 cm
660 cm
640 cm
70000 cm
4 bh
4 bh
250 bh
250 bh
60000 cm2
165
Busa
Kain
Tripek
Melamin
2800 cm2
24000 cm2
2800 cm2
50000 cm2
6000 cm2
60000 cm2
Alumunium
20 cm
Gate Rel
Alumunium
Rel
21 cm
600 cm
Alumunium U
162 cm
3/8
Plat
Alumunium
Spigot
Harga satuan
Barang
500 cm
157.000
125.000
100000
315.000
3000 cm
90 cm
1000 cm
130 cm
3000 cm
270.000
Tentukan banyaknya masing-masing barang agar diperoleh pendapatan terbesar?.
DAFTAR ISI
Kata Pengantar
Pendahuluan
Bab I. Tinjauan Teori-teori sebagai Dasar Program Linear
1.
2.
3.
4.
5.
6.
7.
8.
Himpunan Konveks ................................................................................... 1

Titik Ekstrim ............................................................................................. 2
Sinar dan Arah Himpunan Konveks ......................................................... 2
Arah Ekstrim Himpunan Konveks ............................................................. 4
Bidang Banyak dan Ruang Paruh ............................................................. 5
Fungsi Konveks dan Fungsi Konkav ......................................................... 6
Representasi Himpunan Polihedral (Polihedron) ...................................... 8
Teorema Representasi Bentuk Umum ..................................................... 9
Bab II. Pengenalan Program Linear ..................................................................... 13

1. Penyelesaian dengan Metode Grafik ...................................................... 13
2. Penyelesaian dengan Metode Simpleks .................................................. 19
a. Kasus masalah dengan fungsi tujuan maksimum ....................... 19
b. Kasus masalah dengan fungsi tujuan minimum .......................... 27
3. Primal dan Dual ...................................................................................... 31
a. Masalah Primal dan Dual
......................................... 31
b. Hubungan Primal dan Dual ......................................................... 34
4. Program Komputer Lindo, Lingo, dan Solver ........................................ 36
a. Lindo ........................................................................................... 36
b. Menyelesaikan Masalah Program Linear dengan Lindo ............. 43
c. Lingo untuk Menyelesaikan Program Linear ............................. 48
d. Solver untuk Menyelesaikan Program Linear ............................. 50
Bab III. Transportasi ........................................................................................... 60

1. Metode Transportasi ...................................................................................... 60
2. Permasalahan dalam Metode Transportasi .................................................... 60
a. Beberapa Metode dalam Penyelesaian Masalah Transportasi
(Penyelesaian awal) ................................................................................. 62
i. North West Corner (NWC) ......................................................... 62
ii. Metode Inspeksi ......................................................................... 63
iii. Metode VAM ( Vogel Approximation Method) ......................... 67
b. Menentukan Nilai Optimal ...................................................................... 74
i. Metode Steppingstone ................................................................ 74
ii. Modified Distribution Method (MODI) ...................................... 79
c. Penyelesaian Masalah dengan Program Komputer ................................. 83

i. Program Lindo untuk Menyelesaikan Masalah Transportasi ..... 83
ii. Program Lingo untuk Menyelesaikan Masalah Transportasi ..... 88
iii. Program Solver untuk Menyelesaikan Masalah Transportasi ..... 92
d. Masalah Transportasi Pasar Tidak Seimbang ........................................ 95
Bab IV. Penugasan dan Transshipment ........................................................... 108

1. Penugasan ............................................................................................. 108
i. Menyelesaikan Masalah Penugasan dengan Metode Hongaria 108
ii. Menyelesaikan Masalah Penugasan dengan Program Komputer111
iii. Program Lindo untuk Menyelesaikan Masalah Penugasan . . 111
iv. Program Solver untuk Menyelesaikan Masalah Penugasan . . 113
2. Transshipment ....................................................................................... 117
i. Program Lingo untuk Menyelesaikan Masalah Transshipment 119
ii. Program Solver untuk Menyelesaikan Masalah Transshipment 122
Bab V. Analisis Jaringan ................................................................................... 125
1.
2.
3.
4.
Masalah Lintasan Terpendek ................................................................ 127

Masalah Diagram Pohon Terpendek ................................................... 133
Masalah Aliran Maksimum .................................................................. 135
Menyelesaikan proyek dengan PERT dan CPM .................................... 140
Bab VI. Program Linear Bilangan Bulat ........................................................... 149

1. Metode Branch and Bound ................................................................... 151
2. Penyelesaian Program Linear Bilangan Bulat dengan Program Lindo.. 154
3. Penyelesaian Program Linear Bilangan Bulat dengan Program Solver . 155
Daftar Pustaka .................................................................................................... 166
Indeks ................................................................................................................. 167
KATA PENGANTAR
Puji Syukur Kehadirat Ilahi yang telah memberi karuniaNya sehingga

buku Program Linear Berbantuan Komputer: Lindo, Lingo dan Solver dapat
terselesaikan. Buku ini ditujukan kepada mahasiswa matematika, ekonomi dan
teknik terutama mahasiswa yang mempelajari program linear dan memanfaatkan
komputer sebagai alat bantu dalam menyelesaikan masalah program linear. Buku
ini ditulis bertujuan untuk melengkapi buku-buku program linear yang
perhitungannya mengunakan perhitungan manual. Akibatnya dalam pengambilan
masalah sering membatasi dengan sedikit variabel.
Dalam buku ini, penyelesaian suatu masalah akan dikerjakan dengan cara
perhitungan manual, kemudian diselesaikan dengan bantuan komputer khususnya
program Lindo, Lingo atau Solver. Dengan menggunakan komputer sebagai alat
bantu hitung, maka masalah perhitungan dan banyaknya variabel bukan menjadi
kendala lagi. Untuk mahasiswa ekonomi maupun teknik, dapat langsung memulai
dari Bab II dan seterusnya, sedangkan mahasiswa matematika perlu memahami
terlebih dulu teori yang berada pada Bab I.
Ucapan terima kasih kami sampaikan kepada Penjaminan Mutu
Universitas Negeri Semarang yang telah memberikan kesempatan kepada Penulis
untuk penulisan buku ini. Selanjutnya saran dan kritik dari pembaca sangat
diharapkan guna penyempurnaan buku ini.
Semarang, Agustus 2007

Penulis

Or Dengan Bantuan Komputer

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Or Dengan Bantuan Komputer

Diunggah oleh

Hak Cipta:

Format Tersedia

Dwijanto

Buku ini berjudul Program Linear Berbantuan Komputer: Lindo, Lingo

Kajian masing masing Bab

Teori-teori sebagai Dasar Program Linear Tinjauan Teori-teori sebagai

Pengenalan Program Linear Pengenalan Program Linear

Bab III. Transportasi

Penugasan dan Transshipment

Masalah Aliran Maksimum, Menyelesaikan proyek dengan PERT dan

Himpunan Konveks ................................................................................... 1

Bab II. Pengenalan Program Linear ..................................................................... 13

Bab III. Transportasi ........................................................................................... 60

c. Penyelesaian Masalah dengan Program Komputer ................................. 83

Bab IV. Penugasan dan Transshipment ........................................................... 108

Masalah Lintasan Terpendek ................................................................ 127

Bab VI. Program Linear Bilangan Bulat ........................................................... 149

Puji Syukur Kehadirat Ilahi yang telah memberi karuniaNya sehingga

Semarang, Agustus 2007

Gambar 1.1. Contoh himpunan konveks dan himpunan tidak konveks.

Gambar 1. 2. Titik-titik pada himpunan konveks X.

Arah Himpunan Konveks

Karena x X, maka memenuhi Ax b.

Gambar 1. 3. Himpunan X = {(x1,x2) : x1 + x2 1, x1 - x2 -2, x1 0, dan x2 0 }

Karena d = (d1,d2) arah himpunan X, maka d 0 dan untuk setiap 0, berlaku

4. Arah Ekstrim Himpunan Konveks

5. Hyperplane dan Halfspace

p j x j = k . Konstan k dapat dieliminasikan dengan menggunakan suatu titik tertentu

Gambar 1.4. Bidang banyak

Gambar 1.5. Ruang Paruh.

6. Fungsi konveks dan fungsi konkav

Gambar 1.6. Contoh fungsi konveks dan fungsi konkav

7. Representasi Himpunan Polihedral (Polihedron)

Dengan mensubstitusikan x3 dan x4 kedalam y maka kita peroleh:

b. Himpunan Polihedral tak-terbatas

Gambar 1.8. Repesentasi titik pada Polihedral tak-terbatas

8. Teorema Representasi Bentuk Umum

4. Misalkan a1 = (1 , 0), a2 = (2 , 3), a3 = (-1 , 4), a4 = (5 , -3), a5 = (-4 , 4). Ilustrasikan

2. Permasalahan dalam Metode Transportasi

digunakan untuk menyelesaikan masalah distribusi barang dari beberapa sumber ke

Destination (Tempat Tujuan)

a. Beberapa Metode dalam Penyelesaian Masalah Transportasi (Penyelesaian awal)

North West Corner (NWC)

ii. Metode Inspeksi

Kemudian beralih ke sel termurah berikutnya dan mengadakan alokasi dengan

Destination (Tempat Tujuan)

Selanjutnya kekurangan dari permintaan D1 sebanyak 10 unit, dan kekurangan permintaan

Besarnya beda baris dan beda kolom adalah sebagai berikut.

Dua biaya termurah

Beda baris atau

Destination (Tempat Tujuan)

Dua biaya termurah

Beda baris atau

Dua biaya termurah

Beda baris atau

Destination (Tempat Tujuan)

Beda baris atau

Dua biaya termurah

Destination (Tempat Tujuan)

Dua biaya termurah

Beda baris atau

Beda baris atau

Dua biaya termurah

Destination (Tempat Tujuan)

Metode Steppingstone bekerja dengan mempertimbangkan opportinity cost dari sel

Destination (Tempat Tujuan)