ABSTRAK
Pada permasalahan optimasi sumber daya, baik itu minimalisasi biaya ataupun maksimalisasi keuntungan,
yang bersifat linear, dapat dibuat sebuah tool yang berguna untuk membantu menyelesaikan permasalahan
tersebut sehingga didapat hasil kombinasi sumber daya yang optimal. Sistem ini dirancang untuk dapat
menangani berbagai bidang permasalahan linier karena sifatnya yang terbuka. DSS tool ini akan menggunakan
metode penyelesaian simplex atau revised simplex dalam membantu penyelesaian permasalahannya. Namun
sebelum menerapkan permasalahan linear yang dihadapi pada tool yang telah dibuat, terlebih dahulu perlu
untuk melakukan pembentukan model matematika dari permasalahan tersebut. Dengan memanfaatkan DSS tool
ini, maka semua permasalahan linear akan dapat diselesaikan dengan tepat dan cepat.
Kata Kunci: dss tool, linear programming, simplex, revised simplex, optimasi
1. PENDAHULUAN
Keputusan harus dibuat karena ada beberapa 2. DISIPLIN TERKAIT
alternatif yang dapat dipilih untuk mencapai tujuan Terdapat dua teori yang mendukung pembuatan
yang ditetapkan. Model pengambilan keputusan DSS tool ini. Berikut ini akan dijelaskan secara
merupakan alat yang menggambarkan permasalahan singkat mengenai decision support system dan linear
keputusan sedemikian rupa sehingga memungkinkan programming.
identifikasi dan evaluasi sistematik semua alternatif
keputusan yang tersedia. 2.1 Decision Support System
Proses pengoptimalan dimulai dengan Definisi awal decision support system (DSS)
pengamatan yang mendalam dan formulasi masalah, adalah suatu sistem yang ditujukan untuk
lalu diikuti dengan pembentukan model ilmiah mendukung manajemen pengambilan keputusan.
(khususnya model matematika) yang Sistem berbasis model yang terdiri dari prosedur-
menggambarkan inti sistem nyata. prosedur dalam pemrosesan data dan
Optimasi diperlukan karena keterbatasan sumber pertimbangannya untuk membantu user dalam
daya yang dimiliki. Optimasi adalah proses mengambil keputusan. Agar berhasil mencapai
pencarian solusi terbaik, tidak selalu keuntungan tujuannya maka sistem tersebut harus: sederhana,
paling tinggi yang bisa dicapai jika tujuan kuat, mudah untuk dikontrol, mudah beradaptasi,
pengoptimalan adalah memaksimumkan lengkap pada hal-hal penting, dan mudah untuk
keuntungan, atau tidak selalu biaya paling kecil digunakan. Tiga buah tujuan DSS yang harus
yang bisa ditekan jika tujuan pengoptimalan adalah dicapai adalah: membantu user membuat keputusan,
meminimumkan biaya produksi. Tiga elemen mendukung penilaian user bukan mencoba untuk
penting yang harus diidentifikasi, yaitu tujuan, menggantikannya, meningkatkan efektifitas
alternatif keputusan dan sumber daya yang pengambilan keputusan user.
DSS tool yang dikembangkan ini merupakan
membatasi.
sebuah tool yang berfungsi untuk mengatasi semua
Tujuan berbentuk memaksimalkan atau
jenis permasalahan (bersifat terbuka) yang sifatnya
meminimalkan. Proses maksimalisasi digunakan jika
linier, artinya DSS tool ini harus didesain sefleksibel
tujuan pengoptimalan berhubungan dengan
mungkin agar dapat menangani berbagai bidang
keuntungan, penerimaan, dan sejenisnya. Proses
permasalahan. Untuk itu pada tahap awal
minimalisasi dipilih jika tujuan pengoptimalan
pengembangan tool ini, langkah awal yang perlu
berhubungan dengan biaya, jarak, dan sejenisnya.
dilakukan adalah mengumpulkan berbagai jenis
Keputusan harus diambil untuk alternatif permasalahan linier yang dipandang mampu untuk
keputusan yang disediakan, pengambilan keputusan diselesaikan dengan baik oleh tool ini. Kemudian
dihadapkan pada beberapa pilihan untuk mencapai dirancang desain yang tepat dan tidak kompleks
tujuan. Alternatif keputusan menggunakan sumber namun dapat mewakili dan menyelesaikan semua
daya terbatas yang dimiliki pengambil keputusan. permasalahan tersebut.
Keterbatasan sumber daya inilah yang Sistem ini dikembangkan untuk meningkatkan
mengakibatkan dibutuhkannya proses optimasi. efektivitas dari pengambilan keputusan, lebih
F-54
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
daripada efisiensinya. Serta bagian terpenting dari 3.1 Pembentukan Model Matematika
sebuah karakteristik DSS adalah secara khusus Model matematika merupakan representasi
ditujukan untuk mendukung dan bukan untuk kuantitatif tujuan dan sumber daya yang membatasi
menggantikan peranan dari pengambil keputusan. sebagai fungsi variabel keputusan. Model
matematika permasalahan optimasi terdiri dari dua
2.2 Linear Programming bagian. Bagian pertama memodelkan tujuan
Linear programming merupakan suatu metode optimasi. Model matematika tujuan selalu
matematika yang dapat digunakan untuk membantu menggunakan bentuk persamaan. Bentuk persamaan
dalam perencanaan dan pengambilan keputusan digunakan karena nantinya diinginkan mendapatkan
dalam penggunaan sumber daya yang terbatas di solusi optimum pada satu titik. Fungsi tujuan yang
tengah-tengah aktivitas-aktivitas yang saling akan dioptimalkan hanya satu; bukan berarti bahwa
bersaing melalui jalan atau cara yang terbaik. permasalahan optimasi hanya dihadapkan pada satu
Pemrograman linier meliputi perencanaan aktivitas tujuan. Tujuan dari suatu usaha bisa lebih dari satu.
untuk mendapatkan hasil optimal, yaitu sebuah hasil Bagian kedua merupakan model matematika
yang mencapai tujuan terbaik (menurut model yang merepresentasikan sumber daya yang
matematika) diantara semua kemungkinan alternatif membatasi. Fungsi pembatas bisa berupa persamaan
yang ada. (=) atau pertidaksamaan (≤ atau ≥). Fungsi pembatas
Karateristik-karakteristik pada linear disebut juga sebagai constraint. Konstanta dalam
programming adalah: fungsi tujuan (untuk fungsi pembatas maupun pada tujuan disebut
memaksimumkan atau meminimumkan sesuatu), sebagai parameter model. Model matematika dapat
fungsi pembatas yang membatasi tingkatan menggambarkan suatu permasalahan secara lebih
pencapaian tujuan, adanya beberapa alternatif ringkas sehingga permasalahan akan lebih mudah
tindakan yang bisa dipilih, fungsi tujuan dan kendala untuk dipahami. Model matematika mampu
dalam permasalahan diekspresikan dalam bentuk menjembatani penggunaan teknik matematika dan
persamaan atau pertidaksamaan linier teknologi komputer untuk menganalisis
Metode simplex adalah suatu metode yang secara permasalahan. Namun, model matematika juga
sistematis dimulai dari suatu pemecahan dasar yang memiliki kelemahan yaitu, tidak semua karakteristik
dimungkinkan ke pemecahan dasar yang lainnya dan sistem dapat dengan mudah dimodelkan
ini dilakukan tahap demi tahap yang disebut dengan menggunakan fungsi matematika. Meskipun dapat
iterasi (dengan jumlah iterasi yang terbatas) dimodelkan dengan fungsi matematika, terkadang
sehingga pada akhirnya akan tercapai sesuatu penyelesaiannya susah diperoleh karena
pemecahan dasar yang optimum dan setiap langkah kompleksitas fungsi dan teknik yang dibutuhkan.
menghasilkan suatu nilai dari fungsi tujuan yang Bentuk umum pemrograman linier yaitu:
selalu lebih optimal atau sama dari langkah-langkah Fungsi tujuan: Maksimumkan atau Minimumkan
sebelumnya. Z = c1x1 + c2x2 + ... + cnxn
Metode dua fase digunakan jika variabel basis Sumber daya yang membatasi (kendala):
awal terdiri dari variabel buatan. Disebut sebagai a11x1 + a12x2 + ... + a1nxn = / ≤ / ≥ b1
metode dua fase karena proses optimasi dilakukan a21x1 + a22x2 + ... + a2nxn = / ≤ / ≥ b1
dalam dua tahap. Pada tahap pertama merupakan :
proses optimasi variabel buatan, sedangkan pada am1x1 + am2x2 + ... + amnxn = / ≤ / ≥ b1
tahap kedua proses optimasi variabel keputusan. x1, x2, ..., xn ≥ 0
Revised simplex method merupakan metode dari x1, x2, ..., xn : variabel keputusan.
linear programming yang menggunakan bentuk c1, c2, ..., cn : kontribusi masing-masing variabel
matrix dalam prosesnya. Dengan bantuan matrix, keputusan terhadap tujuan.
waktu perhitungan bisa dipersingkat dan a11, ..., a1n, ..., amn : penggunaan per unit variabel
mempermudah kerumitan perhitungan metode keputusan akan sumber daya yang membatasi.
simplex biasa. Menggunakan metode simplex yang b1, b2, ..., bm : jumlah tiap sumber daya yang ada.
telah direvisi dalam pemrograman akan mampu x1, x2, ..., xn ≥ 0 : batasan nonnegatif.
mengefisienkan memori dan total waktu
perhitungan. 3.2 Pencarian dan Pembacaan Hasil Optimal
DSS tool ini memanfaatkan salah satu dari
3. IMPLEMENTASI metode penyelesaian linear programming yang dapat
Implementasi sistem ini terbagi ke dalam dua dipilih yaitu, simplex method atau revised simplex
tahap. Tahap pertama adalah tahap pembentukan method dalam pencarian hasil optimalnya. Setiap
model matematika permasalahan linier yang metode akan membantu untuk memberikan hasil
bertujuan untuk menyiapkan segala data yang akhir yang optimal. Perbedaan dari kedua metode di
diperlukan dalam tahap selanjutnya dan tahap kedua atas adalah pada proses pencarian komposisi
adalah iterasi pencarian hasil optimal. Berikut ini optimalnya. Sebelum memasuki tahap iterasi
dijelaskan detil dari masing-masing tahap. pencarian hasil optimal, selalu diawali dengan tahap
F-55
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
F-56
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
Gambar 4. Form Penginputan Constraint 5.1 Ujicoba Bidang Produksi Pakan Ternak
Pada bidang produksi dapat membantu
Untuk menginputkan constraint baru, user dapat memberikan solusi alternatif mengenai bagaimana
memanfaatkan form seperti Gambar 4, dengan menyusun komposisi pakan ternak yang tepat
menuliskan nama constraint serta tanda dan angka sehingga dapat meminimumkan biaya produksi
pembatas constraint itu sendiri. Constraint ini tanpa melanggar batas nutrisi pakan ternak yang
berguna sebagai pembatas yang memaksa agar ideal. Semua batasan telah didefinisikan dengan
sumber daya dapat mencapai hasil yang optimal. jelas pada awal penjabaran permasalahan.
F-57
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
F-58
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
Menurut DSS tool untuk kombinasi optimal 5.2.1 Model Matematika Permasalahan
bahan makanan pakan ternak adalah seperti terlihat Pemilihan Jalur Pengiriman Barang
pada Tabel 4. Dituliskan jumlah bahan makanan Permasalahan yang ada pada akan diubah ke
yang diperlukan dan total biayanya. Dengan dalam bentuk model matematika sebelum
memanfaatkan DSS tool, permasalahan optimasi diimplementasikan pada DSS tool. Untuk
produksi pakan ternak dapat diselesaikan dengan memperjelasnya dapat dibuat terlebih dahulu state
cepat. pengiriman antar wilayahnya. Gambar 8
mendeskripsikan alur pengiriman barang dari satu
wilayah ke wilayah lainnya beserta detil supply dan
demand per wilayah, serta biaya pengiriman per unit
barangnya.
8.00
$45 RZROX
ichmond
(4)0
-
$30 $50 $50
20.000
Newark Boston
$30
(1) (2)
10.00 17.00
0 Atlant
a0
$50 $35 (5)
Jacksonvile Columbus
$40 $25 $35
Gambar 7. Pelaporan Rincian Hasil Optimal (7) (3)
- 6.00 Mobil
Untuk melengkapi pelaporan tool terhadap user, $50 e 7.00
28.000 0
maka diberikan rincian penggunaan sumber daya (6) 0
yang tersedia seperti yang ditunjukkan pada Gambar Gambar 8. State Pengiriman Antar Wilayah
7. Hal ini tentunya akan lebih memudahkan user
dalam mengambil keputusan. Minimumkan Z:
Z = 300x12 + 400x14 + 500x23 + 500x24 + 350x35
5.2 Ujicoba Transportasi Pengiriman Barang + 400x53 + 300x54 + 350x56 + 250x65 + 500x74 +
Wilayah Newark (20.000 unit) dan Jacksonville 450x75 + 50x76
(28.000) mempunyai tugas untuk supply mobil ke Dengan kendala:
lima wilayah lainnya Boston (10.000), Columbus -x12 - x14 ≥ -20000
(6.000), Richmond (10.000), Atlanta (17.000), x12 - x23 = 10000
Mobile (7.000). (John S Loucks, 2003). x23 + x53 - x35 = 6000
x14 + x54 + x74 = 8000
Tabel 5. Biaya Pengiriman Antar Wilayah
x35 + x65 + x75 - x53 - x54 - x56 = 17000
From To Cost ($) per unit x56 + x76 - x65 = 7000
1 Newark 2 Boston 300 -x74 - x75 - x76 ≥ -28000
1 Newark 4 Richmond 400
2 Boston 3 Columbus 500 5.2.2 Keputusan dan Kesimpulan Permasalahan
2 Boston 4 Richmond 500
3 Columbus 5 Atlanta 350
Pemilihan Jalur Pengiriman Barang
5 Atlanta 3 Columbus 400 Setelah membuat permodelan bentuk matematika
5 Atlanta 4 Richmond 300 dari sebuah proses pendistribusian pengiriman
5 Atlanta 6 Mobile 350 barang dari satu daerah ke daerah lain dan kemudian
6 Mobile 5 Atlanta 250 menerapkannya ke dalam tool ini, maka tool ini
Jacksonvill
7
e
4 Richmond 500 akan menunjukkan bagaimana alur pengiriman dan
Jacksonvill jumlah barang yang dikirim ke setiap daerah dengan
7 5 Atlanta 450
e tepat sehingga biaya operasional dapat
7
Jacksonvill
6 Mobile 500 diminimalkan.
e
F-59
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
Sistem yang dikembangkan ini mampu dengan Terkadang tidak mudah untuk mengimplementa-
baik memberikan solusi pemilihan jalur pengiriman sikan permasalahan pada dunia nyata untuk
dengan pemakaian biaya terendah (optimal). Pada diterapkan pada tool ini. Diperlukan sedikit
Gambar 9 terlihat hasil akhir optimal pemilihan kemampuan matematika sehingga user bisa
wilayah pengiriman barang antar wilayah beserta mengubah permasalahan tersebut menjadi bentuk
jumlah barang yang dikirimkan dari satu wilayah ke model matematika sebelum DSS tool ini dapat
wilayah lainnya. DSS tool yang dikembangkan ini memprosesnya lebih lanjut guna menghasilkan
dapat memberikan alternatif solusi penyelesaian sebuah keputusan yang berguna bagi user.
dengan cepat dan tepat. DSS tool ini berguna untuk memberikan
alternatif solusi kepada user tanpa bermaksud untuk
memaksakan atau menggantikan peranan dari user
Tabel 6. Jalur Pengiriman Barang
itu sendiri dalam hal penentuan pengambilan
From To Qty Cost keputusan.
1 Newark 2 Boston 12.000 3.600.000
1 Newark 4 Richmond 8.000 3.200.000 PUSTAKA
2 Boston 3 Columbus 2.000 1.000.000
Hermawan, Julius. Membangun Decision Support
5 Atlanta 3 Columbus 4.000 1.600.000
7 Jacksonville 4 Richmond 21.000 9.450.000 System. Andi. 2005.
7 Jacksonville 5 Atlanta 7.000 3.500.000 Kakiay, Thomas. Pemrograman Linear: Metode &
Total Cost 22.350.000 Problema. Andi. 2008.
Lieberman, Hillier. Introduction To Operations
Tabel 6 menggambarkan alur pengiriman terbaik Research (Eighth Edition). Andi. 2008.
antar wilayah beserta jumlah unit yang harus Siringoringo, Hotniar. Seri Teknik Riset Operasional
dikirimkan. Total biaya yang dihasilkan merupakan Pemrograman Linear. Graha Ilmu. 2005.
total biaya minimum (optimal). Turban, Erfaim. Decision Support System and
Pada ujicoba yang dilakukan terhadap kedua Intelligent System. Andi. 2005.
bidang di atas, tidak ditemukan kendala-kendala Wagner, Harvey M. Priciples of Operation
yang mengganggu selama proses penginputan data Research. 2003.
hingga didapatnya hasil akhir optimal pada masing- Winston, Wayne L. Operation Research:
masing permasalahanan. Dibutuhkan waktu yang Apllications and Algorithm. Duxbury Press,
sangat singkat untuk menghasilkan hasil yang California. 2003.
optimal dengan menggunakan DSS tool ini.
Selain keenam bidang di atas, tool ini dapat juga
digunakan pada bidang-bidang lain yang
berhubungan dengan pencarian optimalitas selama
masih menggunakan fungsi-fungsi yang sifatnya
linier.
6. PENUTUP
Metode linear programming dapat digunakan
untuk menghasilkan suatu keputusan yang optimal
pada permasalahan optimalisasi sumber daya yang
terbatas. Linear programming sangat baik untuk
menyelesaikan permasalahan yang sifatnya linear.
Penggunaan simplex method maupun revised
simplex method akan memberikan hasil yang sama.
Namun setiap metode tersebut memiliki keunggulan
masing-masing. Pada simplex method, prosesnya
lebih mudah untuk dimengerti karena digambarkan
dengan jelas pada tabel simplex, sedangkan pada
revised simplex method, proses iterasi yang
dibutuhkan untuk menyelesaikan permasalahan yang
berskala besar membutuhkan jumlah iterasi yang
lebih sedikit dari penggunaan simplex method.
Penggunaan DSS tool ini dapat membantu
menghemat waktu yang diperlukan user untuk
mengambil keputusan optimal dengan cepat dan
tepat daripada menggunakan perhitungan secara
manual.
F-60