1.

MODEL TRANSPORTASI
1.1 Metode Transportasi
Metode Transportasi yaitu suatu metode yang digunakan untuk mengatur
distribusi dari sumber-sumber yang menyediakan produk yang sama, ke tempattempat yang membutuhkan secara optimal
1.2 Solusi Awal Transportasi
a. Metode NorthWest Corner
b. Metode LeastCost
c. Metode Aproksimasi Vogel (VAM)
Contoh Soal :

a. Metode Nort-West Corner

- Mulai dari sudut kiri atas dari X11 dialokasikan sejumlah maksimum
-

produk dengan melihat kapasitas pabrik dan kebutuhan gudang

Hilangkan baris atau kolom yang tidak dpt dialokasikan lagi, lalu
alokasikan sebanyak mungkin didekat baris/kolom yg tidak dihilangkan,
jika kolom dan baris sdh dihabiskan, pindahkan secara diagonal kekotak

berikutnya.
Lanjutkan dengan cara yang sama sampai semua kebutuhan telah
terpenuhi
Solusi terhadap contoh soal :

Total Cost = 100(5) + 200(8) + 100(4) + 100(7) + 200(5) = $ 4,200

m + n 1 = 3 + 3 1 = 5, lihat kotak yang terisi apakah sama dengan 5,
apabila sama dengan 5 maka dapat dilanjutkan pada solusi akhir
b. Metode Least-Cost
- Pilih Variabel Xij (kotak) dengan biaya transport (Cij) terkecil dan
alokasikan sebanyak mungkin. Ini akan menghabiskan baris i atau kolom
-

j.
Dari kotak-kotak sisanya yang layak (yaitu yang tidak terisi atau

dihilangkan) pilih Cij terkecil dan alokasikan sebanyak mungkin

Lanjutkan proses ini sampai semua kebutuhan terpenuhi.
Solusi terhadap contoh soal :

Total Cost = 100(3) + 200(4) + 100(3) + 300(9) = $ 4,100

m + n 1 = 5, ternyata jumlah kotak yang terisi hanya 4 berarti ini kurang
dari 5, maka masukan nilai 0 pada salah satu kotak yang kosong
c. Metode Aproksimasi Vogel (VAM)
- Hitung opportunity cost untuk setiap baris dan kolom.

Opportunity cost untuk setiap baris ke-i dihitung dengan mengurangkan

nilai cij terkecil pada baris tersebut dengan nilai cij satu tingkat lebih besar
pada baris yang sama.
Opportunity cost kolom diperoleh dengan cara yang sama. Biaya-biaya ini
adalah pinalti karena tidak memilih kotak dengan biaya minimum. Hitung
opportunity cost untuk setiap baris dan kolom.
Opportunity cost untuk setiap baris ke-i dihitung dengan mengurangkan
nilai cij terkecil pada baris tersebut dengan nilai cij satu tingkat lebih besar
pada baris yang sama.
Opportunity cost kolom diperoleh dengan cara yang sama. Biaya-biaya ini

adalah pinalti karena tidak memilih kotak dengan biaya minimum.

Pilih baris atau kolom dengan opportunity cost terbesar (jika terdapat nilai
kembar, pilih secara sembarang. Alokasikan sebanyak mungkin kekotak

dengan nilai cij minimum pada baris atau kolom yang dipilih.
Hilangkan semua baris dan kolom dimana penawaran dan permintaan

telah dihabiskan.
Jika semua penawaran dan permintaan belum dipenuhi, kembali
kelangkah pertama dan hitung kembali opportunity cost yang baru.
Solusi terhadap contoh soal :

Total Cost = 100(5) + 200(9) + 200(4) + 100(3) + 100(5) = $ 3,900

m + n 1 = 5, terlihat pada tabel terdapat 5 kotak yang terisi, maka dapat
dilanjutkan pada solusi akhir
d. Metode MODI (Modified Distribution)
Formulasi :
Ri + Kj = Cij
Ri = nilai baris i
Kj = nilai kolom j
Cij= biaya pengangkutan dari sumber i ke tujuan j
Langkah Penyelesaian
- Isilah tabel pertama dari sudut kiri atas ke kanan bawah

Menentukan nilai baris dan kolom dengan cara:

1. Baris pertama selalu diberi nilai 0
2. Nilai baris yang lain dan nilai semua kolom ditentukan berdasarkan
rumus Ri + Kj = Cij.
Nilai baris W = RW = 0
Mencari nilai kolom A:
RW + KA = CWA
0 + KA = 20, nilai kolom A = KA = 20
Mencari nilai kolom dan baris yg lain:
RW + KB = CWB; 0 + KB = 5; KB = 5
RH + KB = CHB; RH + 5 = 20; RH = 15
RP + KB = CPB; RP + 5 = 10; RP = 5
RP + KC = CPC; 5 + KC = 19; KC = 14

Solusi terhadap contoh soal :

R1 + K1 = C11 = 5
R2 + K1 = C21 = 8
R2 + K2 = C22 = 4
R3 + K2 = C32 = 7
R3 + K3 = C33 = 5
Misalkan R1 = 0 maka diperoleh R2 = 3 , R3 = 6 , K1 = 5 , K2 = 1 , K3 = -1
IDB = C12 R1 K2 = 4 0 1 = 3
IDC = C13 R1 K3 = 3 0 (-1) = 4
IEC = C23 R2 K3 = 3 3 (-1) = 1
IFA = C31 R3 K1 = 9 6 5 = -2
Masih terdapat nilai yang (-) pada IFA

R1 + K1 = C11 = 5
R2 + K1 = C21 = 8
R3 + K1 = C31 = 9
R2 + K2 = C22 = 4
R3 + K3 = C33 = 5
Misalkan R1 = 0 maka diperoleh R2 = 3 , R3 = 4 , K1 = 5 , K2 = 1 , K3 = 1
IDB = C12 R1 K2 = 4 0 1 = 3
IDC = C13 R1 K3 = 3 0 1 = 2
IEC = C23 R2 K3 = 3 3 1 = -1
IFB = C32 R3 K2 = 7 4 1 = 2
Masih terdapat nilai yang (-) pada IEC

R1 + K1 = C11 = 5
R2 + K2 = C22 = 4
R2 + K3 = C23 = 3
R3 + K1 = C31 = 9
R3 + K3 = C33 = 5
Misalkan R1 = 0 maka diperoleh R2 = 2 , R3 = 4 , K1 = 5 , K2 = 2 , K3 = 1
IDB = C12 R1 K2 = 4 0 2 = 2
IDC = C13 R1 K3 = 3 0 1 = 2
IEA = C21 R2 K1 = 8 2 5 = 1
IFB = C32 R3 K2 = 7 4 2 = 1
Hasilnya telah optimum dengan
TC = 100(5) + 200(4) + 100(3) + 200(9) + 100(5)

= $ 3,900

2. MODEL PENUGASAN
2.1 Masalah Penugasan
Salah satu metode yang digunakan untuk Penugasan adalah Metode Hungarian.
Pada Metode Hungarian, jumlah sumber-sumber yang ditugaskan harus sama
persis dengan jumlah tugas yang akan diselesaikan. Setiap sumber harus
ditugaskan hanya untuk satu tugas. Jadi, masalah penugasan akan mencakup
sejumlah n sumber yang mempunyai n tugas, sehingga ada n! (n faktorial)
kemungkinan. Masalah ini dapat dijelaskan dengan mudah dalam bentuk matriks
segi

empat,

dimana

baris-barisnya

kolomkolomnya menunjukkan tugas-tugas.

2.2 Masalah Minimisasi
2.3 Masalah Maksimisasi
3. MODEL ARUS JARINGAN

menunjukkan

sumber-sumber

dan

3.1 Definisi Jaringan

Sebuah Network (jaringan) terdiri dari sejumlah node-node yang dihubungkan
oleh arcs. Notasi untuk menggambarkan sebuah jaringan adalah (N,A) dimana N
adalah set node-node dan A adalah set arc-arc
Contoh :
N = {1, 2, 3}
A = {(1,2), (2,3)}
3.2 Minimum Spanning Tree
Apabila G suatu graf berbobot (suatu network), maka minimum Spanning Tree
dari G adalah Spanning Tree dengan jumlah bobot terkecil
Dalam aplikasinya problem ini misalnya :
- Hendak direntangkan jaringan kabel listrik yang menghubungkan
sejumlah lokasi dengan panjang kabel yang digunakan sependek-pendek
mungkin
- Melihat pengelompokan data tersebar pada suatu ruang
- Perencanaan jaringan transportasi/distribusi barang
Untuk mendapatkan Minimum Spanning Tree, dapat digunakan algoritma :
1. Algoritma Solin
2. Algoritma Kruskal
Contoh penerapan :
Gambar : Graf FH

Kita akan mencari MST (minimum spaning tree) dengan menggunakan

Algoritma Solin dan Kruskal untuk Graf FH diatas.
1. Penyeselaian dengan algoritma Solin :
Suatu Graph FH, seperti gambar di atas. Ini adalah graf berbobot awal.
Graf ini bukan pohon karena ada sirkuit. Nama yang lebih tepat untuk
diagram ini adalah Graf atau Network. Angka-angka dekat garis
penghubung/ruas adalah bobotnya. Nilai bobot dari Graf tesebut adalah :
167
a. Urutkan Ruas Graf (FH) menurut bobotnya dari bobot yang terbesar
sampai bobot yang terkecil.

Bobot
20
18
15
13
12
11
10

Ruas
BC
AB
GH
GI
EH
CF,HI
AC

Bobot
9
8
7
6
5

Ruas
EG
CE,DG
BD,BG,CH
BE
FH

b.
b. Lakukan penghapusan masing-masing ruas yang tidak menyebabkan graf
menjadi tidak terhubung atau membentuk sirkuit. Kita mulai melakukan
tahapan penghapusan dengan ruas dengan nilai bobot terbesar sampai
bobot terkecil :

Gambar 1

Gambar 3

Gambar 2

Gambar 4

Gambar 5

Gambar 6

Gambar 7

Gambar 8

Gambar 1.
1. Bobot 20 B,C
Ruas B,C tidak dihapus karena ruas tersebut menghubungkan B dan C.
Gambar 2.
2. Bobot 18 A,B
Ruas A,B tidak dihapus karena ruas tersebut membuat graf
terbuhubung.
Gambar 3.
3. Bobot 15 G,H
Ruas G,H tidak dihapus karena ruas tersebut menghubungkan G dan H,
dan tidak membentuk sircuit
Gambar 4.
4. Bobot 13 G,I
Ruas G,I tidak dihapus karena ruas tersebut membuat graf terhubung.

Gambar 5.
5.

Bobot 12 E,H
Ruas E,H tidak dihapus karena ruas tersebut membuat graf terhubung.

Gambar 6.
6. Bobot 11 C,F dan H,I
Ruas C,F tidak dihapus, sedangkan ruas H,I dihapus karena membentuk
sircuit (G,I,H,I)
Gambar 7.
Bobot 10 A,C &
Bobot 9 E,G
dihapus karena ruas A,C & ruas E,G membentuk sircuit (BA, AC) dan
(EH, GE)
Bobot 8 C,E D,G

tidak

dihapus

karena

menghubungkan graf
Gambar 8.
Bobot 7 BD, BG, CH
Ruas-ruas tersebut dihapus karena membentuk sircuit
BD: (D,G,H,E,C,B,D)
BG : (G,H,E,C,B,G)
CH : (CE, HC)
Bobot 6 B,E
Dihapus karena membentuk sircuit (CE, BE)
Bobot 5 F,H
Dihapus karena membentuk sircuit (C,E,H, F,C)

ruas

tersebut

Tahap Penghapusan Selesai, Gambar 9 adalah Minimun Spanning Tree

dari Graf FH dengan Nilai Bobot : FH= 20+18+15+13+12+11+8+8 =
105
2. ALgoritma Kruskal
Pengurutan di lakukan dari bobot terkecil ke besar, dan eksekusi di
lakukan dari bobot terkecil. Dengan Graph yang sama, kita akan mencari
Minimun Spanning Tree dengan algoritma Kruskal.
a. Mula-mula kita buat Graf FH hanya terdiri dari Simpul saja.
Graf FH

Bobot
5
6
7
8
9
10
11

Ruas
FH
BE
BD, BG, CH
CE, DG
EG
AC
CF, HI

Bobot
12
13
15
18
20

Ruas
EH
GI
GH
AB
BC

b. Urutkan Ruas dari bobot kecil ke besar (FH, BE, BD,BG,CH, CE,DG,
EG, AC, CF, HI, EH, GI, GH, AB. BC), kemudian berdasarkan urutan
tersebut, kita menambahkan ruas dengan mencegah terbentuknya
sirkuit.

Gambar 1: Penambahan ruas FH

Gambar 2: Penambahan ruas BE

Gambar 3: Penambahan Ruas BD, BG, CH

Gambar 4: Penambahan Ruas CE,

sedangkan pada ruas DG tidak dilakukan
karena membentuk sircui

Gambar 5: Penambahan Ruas EG tidak

Gambar 6: Penambahan Ruas AC

dilakukan karena membentuk sircuit

Gambar 7: Penambahan Ruas HI,

sedangkan pada ruas CF tidak dilakukan
karena membentuk sircuit

Gambar 8: Ruas EH tidak dilakukan karena

membentuk sircuit

Gambar 9: Ruas GI tidak dilakukan

karena membentuk sircuit

Gambar 10: Ruas GH tidak

dilakukan karena membentuk sircuit

Gambar11: Ruas AB tidak dilakukan karena

Gambar12: Ruas BC tidak dilakukan karena

membentuk sircuit

membentuk sircuit

Gambar 13. Selesai MTS Nilai Graf FH dengan nilai bobot = 61

FH= 5+6+7+7+7+8+10+11 = 61
4. ALGORITMA DIJKSTRA
4.1 Mengenai Algoritma Dijkstra

Algoritma Dijkstra adalah sebuah algoritma yang dikembangkan oleh seorang

ilmuwan komputer dari Belanda , Edsger Dijkstra. Algoritma ini adalah sebuah
algoritma yang menyelesaikan pencarian jalur terpendek pada graf dengan nilai
non negatif untuk bobot setiap simpul,menghasilkan pohon jalur terpendek.
Penjelasan mengenai algoritma Dijkstra adalah :
1. Tetapkan nilai jarak pada setiap simpul. Tetapkan 0 untuk simpul awal dan tak
terbatas pada semua simpul yang lain
2. Tandai semua simpul sebagai belum dikunjungi. Tetapkan simpul sekarang
sebagai simpul awal
3. Untuk simpul sekarang, anggap semua tetangga yang belum dikunjungi dan
hitung jarak terhadap simpul sekarang. Jika jarak sekarang lebih kecil dari
jarak yang sebelumnya direkam, timpa nilainya.
4. Ketika kita selesai menghitung tetangga dari simpul sekarang,tandai sebagai
telah dikunjungi. Jaraknya disimpan dan dinyatakan minimal.
5. Jika semua simpul telah dikunjungi, nyatakan sebagai selesai. Jika tidak,
nyatakan simpul yang belum dikunjungi dengan jarak terkecil sebagai simpul
sekarang dan ulangi langkah 3.
Algoritma Dijkstra adalah algoritma yang dikhususkan untuk pencarian jalan
terbaik dalam sebuah graf.
4.2 Penyelesaian dengan Algoritma Dijkstra

Gambar 1. Sebuah graf yang memiliki keterkaitan antara yang satu dengan
yang lain
Permasalahannya adalah : bagaimana mencari rute untuk menghasilkan
jalur terpendek dari titik awal O ke titik akhir T ?
a. Pertama-tama, labelkan nilai simpul O dengan angka 0, seperti gambar
berikut:

Gambar 2. Langkah pertama dalam algoritma Dijkstra

b. Lalu, identifikasi simpul-simpul mana yang belum dikunjungi, tapi terhubung
dengan simpul awal, yaitu simpul O. Pada gambar, terlihat bahwa tetangga
dari O adalah simpul A , B , dan C. Untuk setiap simpul yang memenuhi
kriteria tersebut (simpul A,B, dan C), hitung jarak kandidat tersebut. Jarak
kandidat = jarak menuju simpul + panjang sisi. Pilih simpul dengan bobot
paling kecil.

Gambar 3. Pemilihan simpul dengan bobot terkecil

c.

Dari gambar 3, dapat diambil kesimpulan bahwa simpul A memiliki bobot

minimum. Karena itu , tandai simpul A menjadi sudah dikunjungi dan
labelkan dengan jarak kandidat.Tambahkan sudut ke kumpulan sudut.

Gambar 4. Pemilihan simpul terpendek

d.

Identifikasi semua simpul yang belum teridentifikasi yang terhubung dengan

sebuah simpul yang telah dikunjungi.Hitung semua jarak kandidat dari setiap
sudut yang berhubungan.

Gambar 5. Pemilihan nilai minimum dari simpul-simpul yang belum

dikunjungi
e.

Terdapat 2 nilai yang sama, yaitu dari simpul O ke C dan simpul A ke B yang
nilainya 4.Dalam kasus ini, kita pilih sembarang saja.Dalam kasus ini, yang
diambil sebagai simpul yang telah dikunjungi adalah B. Lakukan hal yang
sama seperti sebelumnya,yaitu masukkan sudut AB ke dalam kumpulan sudut.
Lakukan sampai simpul T telah dikunjungi.

Gambar 6. Simpul T telah masuk ke simpul yang telah dikunjungi

Terdapat simpul yang belum dikunjungi , dan ada rute yang belum
terselesaikan O-C. Terdapat 2 rute terpendek, yaitu : O-A-B-D-T, dan O-A-BE-D-T. Keduanya memiliki bobot 13