Anda di halaman 1dari 20

Model Transportasi

VI. MODEL TRANSPORTASI

Persoalan transportasi umumnya berkaitan dengan distribusi produk dari beberapa


sumber ke beberapa tujuan dengan biaya yang minimum.

Misalkan :
• Ada m buah gudang penyimpanan produk
• Ada n tujuan (pasar) yang membutuhkannya.
• Supply pada gudang-gudang yang ada adalah a1, a2, …, am, dan
• Permintaan pada pasar adalah b1, b2, …, bn.
• Biaya pengiriman per unit dari gudang i ke pasar j adalah $ cij. (Jika gudang tertentu
tidak dapat mensupply pasar tertentu, maka kita set biaya cij dengan +∞).

Yang diinginkan adalah skedul pengiriman yang optimal yang akan meminimumkan jumlah
biaya transportasi dari semua gudang ke semua pasar.

Contoh model yang banyak digunakan dalam pemograman linier.

Sumber i =1,2 Tujuan j =1,2,3

S1 1 1 D1

Jumlah yang Jumlah yang


2 D2 diminta oleh setiap
tersedia
tujuan

S2 2 3 D3
Jalur transportasi

Formulasi Pemograman Linier


Bambang S.Soedibjo : Riset Operasi 1
Model Transportasi

Misalkan xij adalah kuantitas yang dikirim dari gudang i (i = 1, 2, ..., m) ke pasar j.(j = 1,
2, ...,n) → jumlah variabel keputusan adalah mn.

m n

Minimumkan : Z = ∑∑cij xij (total biaya transportasi)


i =1 j =1

Kendala/batasan :

1) ∑x
j =1
ij ≤ ai (batasan supply pada gudang i)

untuk i = 1, 2, …, m

(Batasan supply menjamin bahwa jumlah yang dikirim dari


setiap gudang tidak akan melebihi kapasitasnya).

m
2) ∑x
i =1
ij ≥ bj (permintaan pada pasar j)
untuk j = 1, 2, …, n

(Batasan permintaan menjamin bahwa jumlah barang yang


dikirim ke sebuah pasar akan memenuhi kebutuhan minimum
pada pasar tersebut).

3) xij ≥ 0 : batasan non-negatif untuk semua pasangan (i,j)

Catatan :

• Permintaan pasar dipenuhi jika dan hanya jika jumlah supply pada gudang
paling sedikit sama dengan jumlah permintaan di pasar. Atau :
m n

∑a
i =1
i ≥ ∑b j .
j =1

m n

• Jika total supply sama dengan total permintaan (misal ∑ai = ∑b j ), maka, setiap
i =1 j =1

supply yang tersedia pada gudang-gudang akan dikirim untuk memenuhi permintaan
minimum pasar.

Bambang S.Soedibjo : Riset Operasi 2


Model Transportasi
Dalam kasus seperti ini, semua batasan supply dan permintaan akan menjadi persamaan,
sehingga kita mempunyai persoalan transportasi standard yang berbentuk :

m n

Minimumkan : Z = ∑∑cij xij (total biaya transportasi)


i =1 j =1

Kendala/batasan : ∑x
j =1
ij = ai untuk i = 1, 2, …, m

∑x
i =1
ij = bj untuk j = 1, 2, …, n

xij ≥ 0 untuk semua (i,j)

Yang akan dibahas dalam materi ini adalah persoalan transportasi standard saja.

Persoalan transportasi dapat dinyatakan dalam bentuk tabel.

Misalkan ada 3 gudang dan 4 pasar , maka penyajiannya dalam tabel adalah seperti berikut :

TABEL I

Gudang Pasar Supply


M1 M2 M3 M4
c11 c12 c13 c14
W1 x14 a1
x11 x12 x13
c21 c22 c23 c24
W2 x22 x23 x24 a2
x21
c31 c32 c33 c34
W3 x31 x32 x33 x34 a3

Demand b1 b2 b3 b4

Bambang S.Soedibjo : Riset Operasi 3


Model Transportasi
Mencari solusi basic awal yang feasible.

Persoalan transportasi standard memiliki :

• (m+n) batasan dan mn variabel keputusan.


• Umumnya jumlah variabel basic dalam solusi basic feasible ditentukan oleh jumlah
batasan. Dalam persoalan transportasi, jumlah variabel yang dapat mempunyai nilai
positif, terbatas hingga (m+n-1).
• Karena struktur yang khusus dari matriks transportasi, maka amatlah mudah untuk
mendapatkan solusi basic awal yang feasible melalui metode simplex. Hal ini
dikarenakan tidak diperlukannya variabel artificial seperti yang telah dibahas
sebelumnya.

Contoh :

Misalkan persoalan transportasi menyangkut tiga gudang dan empat pasar. Kapasitas gudang
adalah a1 = 3, a2 = 7 dan a3 = 5. Permintaan pasar adalah b1 = 4, b2 = 3, b3 = 4 dan b4 = 4.
Biaya per unit (dalam $) adalah sebagai berikut :

M1 M2 M3 M4
W1 2 2 2 1
W2 10 8 5 4
W3 7 6 6 8

m n

Karena ∑a
i =1
i = ∑b j = 15, berarti kita menghadapi persoalan transportasi standard.
j =1

Tabel transportasinya adalah :

TABEL II

Gudang Pasar Supply


M1 M2 M3 M4
2 2 2 1
W1 x14 3
x11 x12 x13
10 8 5 4
W2 x22 x23 x24 7
x21
7 6 6 8
W3 x31 x32 x33 x34 5

Demand 4 3 4 4 15
.

Solusi basic feasible untuk contoh ini paling banyak adalah 3 + 4 - 1 = 6 variabel positif.

Bambang S.Soedibjo : Riset Operasi 4


Model Transportasi
Banyak cara untuk mendapatkan solusi basic awal yang feasible diantaranya adalah
Northwest Corner Rule , Least Cost Rule dan Metode Pendekatan Vogel (Vogel’s
Approximation Method).

Northwest Rule
Kaidah ini menghasilkan solusi feasible tidak lebih dari (m+n-1) nilai positif. Variabel
yang menempati posisi pojok baratlaut (northwest) dalam tabel transportasi dipilih sebagai
variabel basic. Jadi dalam hal ini x11 dipilih sebagai variabel basic pertama dan diberikan nilai
sebesar mungkin sesuai dengan batasan permintaan. Dengan perkataan lain, tetapkan x11 =
min(a1,b1) = min(3,4) = 3. Ini berarti bahwa supply dalam gudang 1 sudah jenuh sehingga
tidak mungkin ada supply lain untuk pasar lainnya. Jadi kita tetapkan x12, x13, x14 sebagai
variabel non-basic bernilai sama dengan nol. Disamping itu, 3 unit permintaan dari pasar 1
(M1) telah dipenuhi. Dengan demikian sisa permintaan pada pasar 1 tinggal 1 unit lagi. Hal ini
diperlihatkan dalam tabel berikut :

M1 M2 M3 M4

W1 3 0 0 0 0
W2 7
W3 5

1 3 4 4

Selanjutnya kita pilih lagi variabel dari pojok barat daya lainnya sebagai variabel basic.
Dalam hal ini adalah x21; nilai dari x21 = min(7,1) = 1. Permintaan pasar sekarang telah
sepenuhnya disediakan dan supply dalam gudang 2 berkurang menjadi 6 unit.

M1 M2 M3 M4

W1 3 0 0 0 0
W2 1 6
W3 0 5
0 3 4 4

Pojok selanjutnya adalah x22 dan kita tetapkan x22 = min(6,3) = 3.

M1 M2 M3 M4

W1 3 0 0 0 0
W2 1 3 3
W3 0 0 5
0 0 4 4

M1 M2 M3 M4
Bambang S.Soedibjo : Riset Operasi 5
Model Transportasi

W1 3 0 0 0 0
W2 1 3 3 0 0
W3 0 0 5
0 0 1 4

M1 M2 M3 M4

W1 3 0 0 0 0
W2 1 3 3 0 0
W3 0 0 1 4
0 0 0 4

M1 M2 M3 M4

W1 3 0 0 0 0
W2 1 3 3 0 0
W3 0 0 1 4 0
0 0 0 0

Dalam tabel terakhir tampak bahwa kita punya 6 variabel bernilai positif (yang dilingkari).
Dengan demikian kita dapatkan solusi basic feasible dari persoalan transportasi di atas seperti
yang ditunjukkan dalam tabel berikut :

TABEL III

Gudang Pasar Supply


M1 M2 M3 M4
2 2 2 1
W1 0 3
3 0 0
10 8 5 4
W2 3 3 0 7
1
7 6 6 8
W3 0 0 1 4 5

Demand 4 3 4 4 15
.

Total biaya transportasi untuk persoalan di atas adalah :

Z = (3× 2) + (1× 10) + (3× 8) + (3× 5) + (1× 6) + (4× 8) = 93

Least-Cost Rule
Bambang S.Soedibjo : Riset Operasi 6
Model Transportasi
Perbedaan kaidah ini dengan northwest hanyalah pada kriteria yang digunakan dalam
memilih variabel basic. Dalam least-cost rule, variabel dengan biaya pengiriman terkecil akan
dipilih sebagai variabel basic. Kita lihat contoh penggunaannya dengan mengambil kasus di
atas.
Pertama kali tabel transportasi ditelusuri untuk mencari cij terkecil, kita dapatkan
adalah variabel x14. Variabel ini dipilih sebagai variabel basic pertama, kemudian kita tetapkan
nilainya sebagai x14 = min(3,4) = 3. Untuk selanjutnya baris pertama diabaikan, karena supply
dalam gudang 1 (W1) sudah jenuh. Konfigurasi supply-permintaan disajikan dalam tabel
berikut ini :

TABEL IV

Gudang Pasar Supply


M1 M2 M3 M4
2 2 2 1
W1 3 3
0 0 0
10 8 5 4
W2 7

7 6 6 8
W3 5

Demand 4 3 4 1
.

TABEL V

Gudang Pasar Supply


M1 M2 M3 M4
2 2 2 1
W1 3 3
0 0 0
10 8 5 4
W2 0 4 1 7
2
7 6 6 8
W3 2 3 0 0 5

Demand 4 3 4 4
.

Total Biaya untuk transportasi adalah :

Z = (1× 3) + (1× 4) + (4× 5) + (2× 10) + (3× 6) + (2× 7) = 79


Metode Pendekatan Vogel

Bambang S.Soedibjo : Riset Operasi 7


Model Transportasi
Metode ini menghitung perbedaan biaya antara dua jalur perjalanan untuk setiap
gudang dan pasar yang termurah. Langkah-langkah dalam metode Vogel

1. Susun matriks transportasi, tambahkan satu kolom dan satu baris untuk diisikan nilai
perbedaan dua jalur termurah.
2. Hitung selisih dua jalur termurah, dan isikan pada kolom dan baris seperti pada no. 1
3. Selisih yang terbesar pada kolom atau baris diberi tanda. Isikan minimum kuantitas
(supply atau demand) pada sel yang memiliki biaya transportasi termurah.
4. Kolom atau baris yang berisikan supply atau demand yang sudah terpenuhi (atau nol)
sementara waktu dikeluarkan dari matriks transportasi. Sedangkan yang tidak dipenuhi
dikurang dengan kuantitas yang diisikan pada sel.
5. Ulangi proses ini, hingga dicapai m+n-1 sel yang terisi. Jika kurang dari ini maka
solusi dikatakan degenerate.

TABEL VI

M1 M2 M3 M4 Beda Supply
kolom
2 2 2 1
W1 1 3
3
10 8 5 4
W2 1 7

7 6 6 8
W3 0 5

Beda baris 5♥ 4 3 3

Demand 4 3 4 4 15
1 .

Karena supply pada W1 sudah habis, maka kolom ini sementara dihilangkan.

TABEL VII

M1 M2 M3 M4 Beda Supply
kolom
10 8 5 4
W2 4 1 7
3
7 6 6 8
W3 0 5

Beda baris 3 2 1 4♥

Demand 1 3 4. 4 12

TABEL VIII

Bambang S.Soedibjo : Riset Operasi 8


Model Transportasi
M1 M2 M3 Beda Supply
kolom
10 8 5
W2 3 3

7 6 6
W3 1 0 5
4
Beda baris 3♥ 2 1

Demand 1 3 4 7
.

Perhatikan Tabel VIII. Karena ada dua nilai yang sama, maka pilih yang mana saja.

TABEL IX

M2 M3 Beda Supply
kolom
8 5
W2 3 3♥ 3

6 6
W3 0 4

Beda baris 2 1

Demand 3 4 4
1.

TABEL X

M2 M3 Supply
6 6
W3 3 1 4

Demand 3 1 4
.

Dari Tabel VI hingga Tabel X, kita peroleh ada 6 sel (sel yang diarsir, lihat Tabel XI) yang
terisi (3+4-1) ini berarti bahwa solusi basic sudah diperoleh. Secara matriks solusi basic
disajikan secara lengkap dalam tabel berikut.

TABEL XI

M1 M2 M3 M4 Supply
2 2 2 1
Bambang S.Soedibjo : Riset Operasi 9
Model Transportasi
W1 3
3
10 8 5 4
W2 3 4 7

7 6 6 8
W3 1 3 1 5

Demand 4 3 4 4 15
.

Dari Tabel XI, bisa dihitung total biaya transportasi adalah :

Z = (3× 2) + (3× 5) + (4× 4) + (1× 7) + (3× 6) + (1× 6) = 68

Dibandingkan dua hasil terdahulu, ternyata metode Vogel ini memberikan nilai Z yang
lebih baik lagi, karena lebih kecil dari metode least-cost. Meski demikian prosedur mencari
solusi awal untuk persoalan transportasi dari Vogel ini mempunyai kerugian yaitu
diperlukannya pekerjaan perhitungan sebelum solusi awal diperoleh. Akan tetapi kerugian ini
umumnya bisa ditutupi oleh hasil penetapan biaya transportasi yang lebih kecil dibandingkan
dengan metode north-west.

Memperbaiki solusi basic awal yang feasible

Bambang S.Soedibjo : Riset Operasi 10


Model Transportasi
Dalam contoh sebelumnya, solusi basic awal yang feasible menggunakan least-cost
rule adalah x14 = 3, x21 = 2, x23 = 4, x24 = 1, x31 = 2 dan x32 = 3, sedangkan variabel xij lainnya
adalah nol. Tabel transportasi untuk solusi ini disajikan kembali dalam Tabel berikut :

TABEL I

M1 M2 M3 M4
2 2 2 1
W1 3 3

10 8 5 4
W2 4 1 7
2
7 6 6 8
W3 2 3 5

4 3 4 4

Dalam tabel di atas, sel-sel yang kosong (tidak terisi) merupakan variabel non-basic. Apakah
solusi metode least-cost yang dalam matriks di atas sudah optimal? Untuk mengetahuinya,
maka dapat digunakan beberapa metode. Beberapa diantaranya akan dibahas berikut ini.

Metode Stepping Stone

Kita ketahui dari metode simplex bahwa solusi yang diperoleh akan minimum jika
koefisien biaya relatif dari variabel non-basic lebih besar atau sama dengan nol.
Koefisien biaya relatif dihitung dengan meningkatkan nilai variabel non-basic sebesar
satu unit, kemudian menghitung perubahan dalam total biaya transportasi. Sebagai gambaran,
kita coba tingkatkan nilai variabel non-basic x11 (tabel di atas) dari 0 menjadi 1. Agar syarat
kendala dipenuhi (yakni jumlah baris harus sama dengan supply dan jumlah kolom harus
sama dengan permintaan) maka x14 akan berkurang 1. Akibatnya x24 akan bertambah 1 dan x21
berkurang satu. Secara skematis proses ini bisa dilihat berikut ini.

M1 M4 Hasil M1 M4
2 1 penamba 2 1
W1 +1 -1 han 1 W1
0 3 unit 1 2
10 4 10 4
W2 -1 +1 W2
2 1 3 2

Perlu diperhatikan bahwa penyesuaian hanya dilakukan bagi nilai-nilai variabel basic.

Hasil peningkatan nilai di atas akan berpengaruh terhadap total biaya pengiriman. Jadi
perubahan bersih Z per unit tambahan x11, yang akan disimbulkan dengan c 11 adalah :

Bambang S.Soedibjo : Riset Operasi 11


Model Transportasi

c 11 = c11× (perubahan dalam x11) + c14× (perubahan dalam x14)


+ c24× (perubahan dalam x24) + c21× (perubahan dalam x21)
= 2(+1) + 1(-1) + 4(+1) + 10(-1) = -5

Ini berarti bahwa fungsi tujuan akan berkurang 5 unit untuk setiap tambahan satu unit dalam
variabel non-basic x11. Jadi untuk meminimumkan Z, x11 dapat ditingkatkan nilainya dengan
menjadikannya sebagai variabel basic.
Proses perhitungan di atas terus dilakukan untuk koefisien c 11 yang lain. Variabel
basic dengan koefisien biaya relatif terendah ( c 11 ) akan menjadi variabel basic selanjutnya.
Kemudian dihitung lagi nilai fungsi objektifnya dan seterusnya. Sudahbarang tentu pekerjaan
ini sangat melelahkan. Apalagi jumlah baris dan kolomnya banyak. Sebagai contoh jika kita
mempunyai persoalan transportasi dengan jumlah gudang sebanyak 6 dan pabrik sebanyak 4,
maka solusi awalnya akan memiliki 9 sel yang terisi dan 15 sel kosong. Jadi untuk mencek
yang mana yang optimal,maka kita perlu menghitung nilai biaya relatif dari 15 sel yang
kosong atau melakukan 15 kali closed loop. Untuk contoh di atas kita memerlukan
pengecekan biaya relatif dari 6 sel yang kosong (6 kali closed loop). Untuk menangani
persoalan ini, maka telah tersedia suatu metode yang lebih sederhana yang dikenal sebagai
Metode u-v atau Modified Distribution (MODI).

Metode u-v

Metode u-v adalah suatu perbaikan tehnik dari metode stepping stone untuk
mendapatkan solusi optimal dari persoalan transportasi. Jika dalam metode stepping stone kita
harus melakukan closed loop untuk sel-sel yang kosong, maka dalam metode MODI dihitung
biaya relatif dari semua sel yang kosong, kemudian sel dengan biaya relatif tertinggi ditandai
tanpa harus menggambarkan closed loop. Penjelasan metodenya adalah sebagai berikut.
Untuk setiap solusi basic feasible, carilah nilai-nilai ui untuk gudang i dan vj untuk
pasar j sedemikian rupa sehingga :

ui + vi = cij untuk setiap variabel basic xij …(1)

dimana cij adalah biaya transportasi dari gudang i ke pasar j.

Sebagai gambaran kita ambil contoh persoalan transportasi di atas. Kita punya gudang
3 dan pasar 4. Berarti kita perlu mencari nilai-nilai untuk u1, u2, u3, v1, v2, v3 dan v4. Kemudian
kita dapat menghitung perubahan bersih Z per unit tambahan variabel non-basic adalah :

c ij = cij – (ui + vj) untuk semua variable non-basic xij. …


(2)

Apabila semua c ij nonnegatif, maka solusi basic feasible yang ada sudah optimal. Jika tidak
maka terdapat sebuah variabel non-basic xpq sedemikian rupa sehingga c ij = minimum c ij
<0. Ini berarti variabel xpq perlu dibuat menjadi variabel basic untuk meningkatkan nilai
fungsi objektif.

Sebagai gambaran dalam penggunaan metode u-v ini kita lihat kembali Tabel I. Dari
tabel ini kita tahu bahwa solusi basic feasibel yang sekarang, variabel basicnya adalah x14, x21,
x23, x24, x31 dan x32. (Perhatikan indeks dari variabel-variabel ini). Berdasarkan persamaan (1) :

Bambang S.Soedibjo : Riset Operasi 12


Model Transportasi
u1 + v4 = 1
u2 + v1 = 10
u2 + v3 = 5
u2 + v4 = 4
u3 + v1 = 7
u3 + v2 = 6

Karena ada enam persamaan dengan tujuh yang tidak diketahui, maka kita akan mendapatkan
takterhingga solusi yang mungkin. Untuk memperoleh solusi tertentu maka kita bisa menset
variabel yang mana saja dengan nilai nol kemudian mencari penyelesaiannya. Anggaplah kita
set u1 = 0, maka kita akan memperoleh v4 = 1, u2 = 3, v1 = 7, v3 = 2, u3 = 0 dan v2 = 6. Nilai-
nilai u dan v ini akan kita gunakan dalam menguji keoptimalan solusi basic yang diperoleh.

Uji keoptimalan

Telah dibahas di atas, bahwa untuk meningkatkan nilai fungsi tujuan, kita bisa
memanfaatkan variabel non-basic menjadi basic yaitu dengan memberikan tambahan satu unit
terhadap variabel non-basic ini. Untuk melihat apakah solusi yang kita peroleh sudah optimal,
maka kita perlu membandingkan biaya/unit cij dengan jumlah ui dan vj untuk setiap variabel
non-basic xij. Jika semua ui + vj ≤ cij, ini berarti bahwa solusi sudah optimal, kalau tidak maka
perlu dipilih variabel non-basic yang memiliki nilai biaya relatif terendah.

Contoh :
Kita hitung nilai-nilai c ij untuk variabel non-basic dalam Tabel sebelumnya (Tabel I).

M1 M2 M3 M4
2 2 2 1
W1 3 3

10 8 5 4
W2 4 1 7
2
7 6 6 8
W3 2 3 5

4 3 4 4

c 11 = c11 – (u1 + v1) = 2 – (0 + 7) = -5


c 12 = c12 – (u1 + v2) = 2 – (0 + 6) = -4
c 13 = c13 – (u1 + v3) = 2 – (0 + 2) = 0
c 22 = c22 – (u2 + v2) = 8 – (3 + 6) = -1
c 33 = c33 – (u3 + v3) = 6 – (0 + 2) = 4
c 34 = c34 – (u3 + v4) = 2 – (0 + 1) = 1
Bambang S.Soedibjo : Riset Operasi 13
Model Transportasi

Perhatikan, min c ij adalah –5 dalam hal ini c 11 atau c pq . Ini berarti bahwa x11 akan
dijadikan sebagai variabel basic. Yang menjadi masalah adalah berapa nilai maksimum x11 ini
harus ditetapkan. Untuk ini maka kita perlu memberikan sebuah nilai non-negatif θ . Untuk
memenuhi syarat kendala, maka θ ini harus ditambahkan atau dikurangkan dari variabel
basic sehingga jumlah baris dan kolom nilainya tetap sesuai kendala supply dan permintaan
(lihat Tabel XIII). Sudah barang tentu nilai θ akan bertambah sepanjang solusi tidak negatif.
Oleh karena itu nilai θ akan dibatasi oleh nilai variabel basic yang nilainya berkurang sesuai
nilai θ . Variabel basic yang pertama kali bernilai nol harus dikeluarkan dari basis. Dalam
kasus ini, nilai maksimum θ adalah 2. Akibatnya nilai variabel basic x21 = 0 dan akan
digantikan oleh x11. Untuk jelasnya hasil dari proses ini disajikan dalam Tabel II.

TABEL II

M1 M2 M3 M4
W1 +θ 3 -θ 3
W2 2-θ 4 1 +θ 7
W3 2 3 5
4 3 4 4

TABEL III

v1 = 2 v2 = 1 v3 = 2 v4 = 1
2 2 2 1
u1= 0 1 3
2
10 8 5 4
u2 = 3 4 3 7

7 6 6 8
u3 = 5 2 3 5

4 3 4 4

Nilai fungsi objektif sekarang adalah :

Z = (2× 2) + (1× 1) + (4× 5) + (3× 4) + (2× 7) + (3× 6) = 69

Solusi yang diberikan oleh Tabel III belum optimal karena :

min cij – (ui + vj) = c33 – (u3 + v3) = -1 (lebih kecil dari 0)

Sekarang, x33 kita jadikan variabel basic dengan nilai θ (non-negatif). Hal ini akan
menghasilkan perubahan-perubahan nilai variabel basic sebagai berikut :

TABEL IV

Bambang S.Soedibjo : Riset Operasi 14


Model Transportasi
M1 M2 M3 M4
W1 2+θ 1 -θ 3
W2 4-θ 3 +θ 7
W3 2-θ 3 +θ 5
4 3 4 4

Dari Tabel IV dapat kita tentukan bahwa nilai maksimum θ adalah 1, sehingga x33 masuk
basis menggantikan x14 (karena nilainya jadi nol).

Solusi basic feasibel yang baru akan menjadi Tabel V berikut ini :

TABEL V

v1 = 2 v2 = 1 v3 = 2 v4 = 1
2 2 2 1
u1= 0 3
3
10 8 5 4
u2 = 3 3 4 7

7 6 6 8
u3 = 5 1 3 1 5

4 3 4 4

Dari Tabel V bisa dihitung bahwa nilai fungsi objektifnya adalah 68. Tabel ini juga
memberikan solusi tunggal karena c ij > 0 untuk semua variabel non-basic. Dengan demikian
dapat kita simpulkan bahwa jadual pengiriman barang adalah :

3 unit dari Gudang 1 ke Pasar 1


3 unit dari Gudang 2 ke Pasar 3
4 unit dari Gudang 2 ke Pasar 4
1 unit dari Gudang 3 ke Pasar 1
3 unit dari Gudang 3 ke Pasar 2
1 unit dari Gudang 3 ke Pasar 3

dengan biaya pengiriman minimum sebesar 68.

Perbedaan Kapasitas dan Kebutuhan dalam Persoalan


Transportasi

Metode yang dibahas sebelumnya menggunakan asumsi bahwa kapasitas (supply) dan
kebutuhan (demand) adalah seimbang. Namun asumsi ini tidak selamanya kita jumpai dalam
kenyataannya. Olehkarena itu, jika kapasitas melebihi kebutuhan atau sebaliknya, perlu
dilakukan sedikit modifikasi dari persoalan tersebut. Jika kondisi ini dijumpai maka kita perlu
menambahkan apa yang disebut sebagai variabel boneka (dummy variable). Jika kapasitas
lebih kecil dari kebutuhan maka variabel boneka yang perlu ditambahkan adalah variabel asal

Bambang S.Soedibjo : Riset Operasi 15


Model Transportasi
pengirim (misalnya pabrik), sedangkan jika kapasitas lebih besar dari kebutuhan maka
variabel bonekanya adalah variabel tujuan (misalnya gudang).

Kasus : Total kapasitas < Total kebutuhan

Misalkan sebuah perusahaan mempunyai tiga pabrik A, B, C yang menyimpan


barangnya di gudang D, E dan F. Kapasitas pabrik bulanan masing-masing adalah 100, 200
dan 300 unit. Sedangkan kebutuhan gudang adalah 150, 150 dan 350 unit.
Biaya pengirimin per unitnya adalah sebagai berikut :

Dari Ke
D E F
A 2 1 4
B 3 2 5
C 1 6 3

Persoalan di atas menunjukkan total kapasitas adalah 600 unit dan kebutuhan adalah 650 unit.
Berarti kebutuhan lebih 50 unit dari kapasitas. Olehkarena itu kita perlu menambahkan pabrik
boneka dengan kapasitas 50 unit dan biaya pengiriman sebesar nol seperti yang ditunjukkan
dalam tabel transportasi berikut.

TABEL Ia

Pabrik Gudang
D E F Kapasitas
2 1 4
A 100

3 2 5
B 200

1 6 3
C 300

0 0 0
Boneka 50

Kebutuhan 150 150 350 650

Dengan demikian total kapasitas dan total kebutuhan sudah sama. Berarti kita dapat
melanjutkan perhitungan untuk mendapatkan solusi optimal dengan metode yang dibicarakan
sebelumnya.

Kasus : Total kapasitas > Total kebutuhan

Bambang S.Soedibjo : Riset Operasi 16


Model Transportasi
Ambil contoh persoalan sebagai berikut. Sebuah perusahaan mempunyai tiga pabrik A, B, C
dan gudang D, E, F, dan G. Kapasitas bulanan pabrik masing-masing adalah 250, 200 dan
100 unit. Sedangkan kebutuhan gudang adalah 160, 140, 120, dan 100 unit. Ongkos kirim dari
masing-masing pabrik ke masing-masing gudang (dalam $) adalah :

Dari Ke
D E F G
A 7 8 6 10
B 11 7 9 8
C 12 9 6 7

Persoalan di atas memperlihatkan bahawa total kapasitas melebihi total kebutuhan sebesar 30
unit. Jadi kita perlu menambahkan gudang boneka dengan ongkos kirim sebesar nol dolar.
Sehingga tabel transportasi dapat dibuat seperti tabel berikut :

TABEL VI

Pabrik Gudang Kapasitas


D E F G Boneka
7 8 6 10 0
A 250

11 7 9 8 0
B 200

12 9 6 7 0
C 100

Kebutuhan 160 140 100 120 30 550


.

Karena total kapasitas dan kebutuhan sudah sama, maka perhitungan dapat dilakukan melalui
metode sebelumnya.

Maksimisasi dalam Persoalan Transportasi

Kita telah mengetahui bahwa persoalan transportasi umumnya berbentuk persoalan


minimasasi. Namun mungkin saja terjadi persoalan yang dihadapi adalah persoalan
maksimisasi sehingga metode MODI tidak dapat dilakukan. Salah satu cara untuk
menyelesaikannya adalah dengan mengubah persoalan maksimisasi ini menjadi persoalan
minimisasi. Kita ambil contoh berikut ini.
Sebuah perusahaan mempunyai tiga pabrik A, B dan C yang mensupply gudang D, E,
F dan G. Kapasitas bulanan pabrik masing-masing adalah 70, 90 dan 100 unit. Sedangkan
Bambang S.Soedibjo : Riset Operasi 17
Model Transportasi
kebutuhan gudang masing-masing adalah 40, 50, 80 dan 90 unit. Kontribusi per unit dari
masing-masing-masing gudang (tidak termasuk ongkos kirim) adalah $7, $9 dan $9. Ongkos
kirim per unit adalah :

Dari Ke
D E F G
A 2 3 1 1
B 1 5 2 3
C 3 2 4 2

Yang ingin ditentukan adalah distribusi optimal bagi perusahaan untuk memaksimumkan
kontribusi total.
Selanjutnya adalah membuat tabel transportasi dengan memasukkan kontribusi bersih
dengan mengurangi kontribusi dengan ongkos kirim seperti yang disajikan dalam tabel VII
berikut.

TABEL VII

Pabrik Gudang Kapasitas


D E F G
5 4 6 3
A 70

8 4 7 6
B 90

5 6 4 6
C 100

Kebutuhan 40 50 80 90 550
.

Untuk mengubah persoalan maksimisasi di atas, cari dari Tabel VII sel yang memiliki nilai
kontribusi tertinggi. Dalam persoalan ini kita dapatkan pada sel BD ($8). Kemudian nilai ini
kita kurangkan dengan setiap nilai sel sehingga diperoleh Tabel VIII yang merupakan
persoalan minimisasi.

TABEL VIII

Pabrik Gudang Kapasitas


D E F G
3 4 2 5
A 70

Bambang S.Soedibjo : Riset Operasi 18


Model Transportasi
0 4 1 2
B 90

3 2 4 2
C 100

Kebutuhan 40 50 80 90 550
.

Minimisasi persoalan transportasi di atas sekarang dapat diselesaikan melalui metode MODI.

Latihan

1. Selesaikanlah persoalan transportasi berikut dimana matriks biaya, ketersediaan


barang setiap pabrik dan kebutuhan gudang disajikan sebagai berikut :

Pabrik Gudang Tersedia


Bambang S.Soedibjo : Riset Operasi 19
Model Transportasi
1 2 3 4
1 19 30 50 10 7
2 70 30 40 60 9
3 40 8 70 20 18
Kebutuhan 5 8 7 14

2. Perusahaan transportasi Goyanginul mempunyai empat terminal A, B, C dan D. Pada


awal kerja di satu hari tertentu terdapat 8, 8, 6 dan 3 traktor tersedia di terminal A, B,
C dan D. Pada malam sebelumnya, trailer menurunkan barang di pabrik R, S, T dan U
dengan kuantitas masing-masing adalah 2, 12, 5, dan 6. Bagian pengiriman
memberikan data jarak (km) antara terminal dan pabrik adalah sebagai berikut :

Terminal Gudang
R S T U
A 22 46 16 40
B 42 15 50 18
C 82 32 48 60
D 40 40 36 30

Dari informasi tersebut, berapa jumlah traktor yang harus dikirimkan ke pabrik untuk
meminimumkan jumlah jarak?

3. Perusahaan PT. Bleqock Tbk. mempunyai empat pabrik P, Q, R, dan S yang memasok
gudang T, U, V, W, dan X. Kapasitas bulanan pabrik masing-masing adalah 200, 225,
175 dan 350. Sedangkan kebutuhan bulanan gudang adalah 130, 110, 140, 260 dan
180. Biaya pengiriman per unit adalah sebagai berikut :

Dari Ke
T U V W X
P 14 19 32 9 21
Q 15 10 18 7 11
R 26 12 13 18 16
S 11 22 14 14 18

Tentukanlah distribusi optimum bagi perusahaan ini untuk meminimumkan biaya


pengiriman.

Bambang S.Soedibjo : Riset Operasi 20