Anda di halaman 1dari 19

MANAJEMEN KUANTITATIF 3 SKS

MODUL 6

MASALAH PENUGASAN

TATAP MUKA : 8 dan 9

PENYUSUN : NURMATIAS,SE,MM

FAKULTAS EKONOMI UNIVERSITAS MERCU BUANA JAKARTA

T.A 2006/2007
MASALAH PENUGASAN

A. PENDAHULUAN
Masalah penugasan (Assignment Problem) muncul dalam banyak kasus
pembuatan keputusan, seperti kasus menentukan siapa mengerjakan apa,
menetapkan fungsi sebuah mesin, menentukan salesman untuk suatu wilayah
pemasaran dan sebagainya.
Dengan kata lain, masalah penugasan berkaitan dengan masalah penetapan
tugas/pekerjaan sebuah mesin, seorang pekerja, atau suatu proyek dengan tujuan
tertentu. Tujuan yang dimaksud, antara lain :
1. Memaksimumkan keuntungan,
2. Meminimumkan waktu pengerjaan,
3. Meminimumkan jumlah personel.
Masalah penugasan sebenarnya merupakan kasus khusus dari kasus
transportasi. Hal ini berarti juga bahwa masalah/kasus penugasan dapat
diselesaikan dengan metode transportasi.
Sebagai contoh, dari tiga proyek penelitian yang ada pada suatu lembaga,
ketua lembaga harus menentukan siapa yang akan ditugasi menjadi ketua untuk
masing-masing proyek. Untuk itu ketua lembaga harus menentukan calon-calonnya
kemudian menetapkan kemungkinan tiap orang terhadap masing-masing proyek
berikut waktu penyelesaiannya. Dengan adanya tiga proyek dan tiga calon ketua,
maka akan terdapat 9 (sembilan) kemungkinan alternatif tugas yang dapat dibuat.

Perkiraan Waktu Penyelesaian Proyek Penelitian


oleh Tiap Ketua
(per hari)
KETUA Proyek Penelitian
PROYEK I II III
Setyawan 10 15 9
Diana 9 18 5
Bagaswara 6 14 3

Tabel seperti ini akan sering muncul dalam tiap masalah penugasan. Secara umum,
baris dalam tabel menunjukkan objek yang akan diberi tugas dan kolom

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
menunjukkan tugas yang akan diberikan kepada objek. Tabel diatas memuat
”Jumlah Baris = Jumlah Kolom”.
Hal ini terjadi karena dalam kasus ini ”Satu Tugas/Pekerjaan dibebankan
pada Satu Objek (Mesin atau Orang)”. Ini merupakan ciri dari suatu masalah
penugasan yang membedakan dengan masalah transportasi.
Untuk itu kita akan melihat bagaiman metode transportasi digunakan untuk
menyelesaikan masalah penugasan. Berdasarkan data diatas, kita dapat membuat
model ”Programasi Linear” untuk menyelesaikan masalah tersebut.
Untuk memudahkan, kita gunakan variabel keputusan Xij untuk menyatakan
penugasan ketua ke-i untuk proyek ke-j. Contoh :
X11 = penugasan ketua 1 (Setyawan) untuk proyek pertama,
X21 = penugasan ketua 2 (Diana) untuk proyek pertama,
X31 = penugasan ketua 3 (Bagaswara) untuk proyek pertama.
Kita juga menggunakan notasi lain, yaitu angka 1 untuk menunjukkan
terjadinya penugasan dan angka 0 untuk penugasan yang tidak dapat dilakukan.
Contoh :
bila X12 = 1 dan X23 = 0, maka ketua 1 (Setyawan) ditugaskan untuk proyek 2
dan ketua 2 (Diana) tidak ditugaskan untuk proyek 3.
Karena waktu proyek terbatas, maka data dalam tabel diatas dapat kita
tuliskan dalam persamaan linear berdasarkan waktu, seperti :
♠ Jumlah hari untuk Setyawan :
10X11+15X12+9X13,
♠ Jumlah hari untuk Diana :
9X21+18X22+5X23,
♠ Jumlah hari untuk Bagaswara :
6X31+14X32+3X33,
Persamaan tersebut menunjukkan fungsi tujuan dari masalah penugasan. Kendala
penugasan mencerminkan kondisi bahwa setiap ketua proyek hanya dapat ditugasi
satu proyek dan tiap proyek hanya punya satu ketua. Dengan demikian persamaan
kendala dari kasus ini, antara lain :
Kendala Penawaran :
♠ X11+X12+X13 <=1 (penugasan Setyawan),
♠ X21+X22+X23 <=1 (penugasan Diana),
♠ X31+X32+X33 <=1 (penugasan
Bagaswara),

Kendala Permintaan :

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
♠ X11+X12+X13 = 1 (proyek 1),
♠ X21+X22+X23 = 1 (proyek 2),
♠ X31+X32+X33 = 1 (proyek 3),

Dari fungsi-fungsi kendala di atas dapat terlihat, 3 fungsi kendala 1 menunjukkan


kendala penawaran, sedangkan 3 fungsi kendala berikutnya merupakan kendala
permintaan.
Dengan menggabungkan fungsi tujuan dan fungsi kendala, kita mendapatkan
sistem persamaan ”Programasi Linear”, sebagai berikut :

Meminimumkan
10X11 + 15X12 + 9X13 + 9X21 + 18X22 + 5X23 + 6X31 + 14X32 + 3X33
Kendala
X11 + X12 + X13 <=1
X21 + X22 + X23 <=1
X31 + X32 + X33 <=1
X11 + X21 + X31 =1
X12 + X22 + X32 =1
X13 + X23 + X33 =1

Penyelesaian Masalah/Kasus Penugasan dengan Metode Transportasi


Jika kita lihat kasus penugasan di atas sebagai kasus transportasi, maka kondisi
tersebut dapat kita gambarkan sebagai berikut :

Ketua Proyek Proyek Penelitian


(titik obyek) (titik tugas)

1 Setyawan Proyek 1 1

1 Diana Proyek 2 1

1 Bagaswara Proyek 3 1

Penawaran Arus Penugasan Permintaan

Dalam kasus transportasi di atas, ketua proyek dipandang sebagai titik objek dengan
penawaran masing-masing 1 dan proyek penelitian sebagai titik tugas yang masing-
masing membutuhkan 1 ketua proyek, jadi kasus penugasan merupakan kasus

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
khusus dari masalah transportasi dengan semua penawaran dan semua permintaan
sebesar 1.

Kasus penugasan dapat juga ditempatkan dalam bentuk tabel transportasi


sebagai berikut :
Ketua Proyek Penelitian
Penawaran
Proyek I II III
Setyawan 10 15 9 1
Diana 9 18 5 1
Bagaswara 6 14 3 1
Permintaan 1 1 1 3

Dengan menggunakan metode transportasi, penyelesaian awal dari kasus ini


akan dijelaskan tabel seperti dibawah ini, dimana Setyawan ditugaskan pada proyek
2, Diana pada proyek 1 dan Bagaswara pada proyek 3. Jadi total waktu yang
dibutuhkan untuk menyelesaikan proyek tersebut adalah (15+9+3) = 27 hari.

Ketua Proyek Penelitian


Penawaran
Proyek I II III
Setyawan 10 15 9
1 1
Diana 9 18 5
1 1
Bagaswara 6 14 3
1 1
Permintaan 1 1 1 3

Untuk lebih memastikan apakah penyelesaian yang dilakukan tersebut sudah


merupakan penyelesaian secara optimal, maka kita akan lakukan pengujian
perubahan alokasi dengan menggunakan Square-Cornered Path , sebagai berikut :

Ketua Proyek Penelitian


Penawaran
Proyek I II III
Setyawan 10 15 9
1 1
Diana 9 18 5
1 1
Bagaswara 6 14 3
1 1

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Permintaan 1 1 1 3

Hasil penyelesaian akhir menunjukkan bahwa variabel keputusan X12, X23


dan X31, masing – masing bernilai 1. Dengan kata lain, Setyawan ditugaskan pada
proyek 2, Diana proyek 3 dan Bagaswara pada proyek 1. Sedasngkan total waktu
yang dibutuhkan untuk menyelesaikan seluruh proyek menjadi lebih cepat, yaitu
(15+5+6) atau 26 hari.

Waktu Penyelesaian
Ketua Proyek Proyek yang ditugaskan
(hari)
Setyawan Proyek 2 15
Diana Proyek 3 5
Bagaswara Proyek 1 6
TOTAL HARI 26

Karena masalah degenerasi yang mungkin timbul, menyebabkan metode


transportasi menjadi tidak efisien untuk menyelesaikan masalah/kasus penugasan.

B. METODE HUNGARIA (HUNGARIAN METODE)


Seperti telah disinggung di atas bahwa masalah penugasan dapat
diselesaikan dengan prosedur transportasi, karena dipandang sama. Namun karena
kasus penugasan kadang mempunyai struktur yang lebih khusus dari kasus
transportasi, maka metode transportasi menjadi tidak efisien.

Oleh karenanya, metode yang diterapkan untuk kasus penugasan telah


didesain khusus untuk menyelesaikan masalah penugasan, yang disebut dengan
Metode Penugasan Hungaria (Hungarian Metode/Flood’s Technique). Metode ini
menggunakan apa yang disebut pengurangan matriks (Matrix Reduction). Dengan
mengurangi dan menambah suatu nilai dalam matriks, algoritma akan menghasilkan
penyelesaian optimal masalah penugasan. Adapun langkah-langkah prosedur
Hungarian, yaitu :
1. Langkah 1, kurangi matriks awal dengan cara mengurangi nilai elemen
terkecil dalam tiap baris dari tiap elemen dalam baris tersebut. Kemudian
dengan menggunakan row-reduced matrix, kurangkan elemen terkecil
dalam tiap kolom dari tiap elemen dalam kolom bersangkutan. Langkah ini
akan memberikan matrix reduction awal. Dengan demikian , penyelesaian
bernilai 0 akan merupakan penyelesaian optimal,

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
2. Langkah 2, temukan jumlah minimum garis lurus yang dapat digambarkan
melalui baris dan kolom dalam matriks sehingga semua elemen bernilai 0
tercakup. Bila jumlah minimum garis lurus = jumlah baris atau kolom,
penugasan optimal yang bernilai 0 dapat dibuat. Bila jumlah minimum garis
kurang dari jumlah baris, maka harus berlanjut ke langkah berikutnya,
3. Langkah 3, Kurangkan nilai terkecil elemen yang tidak tercakup dalam garis
dari tiap elemen yang tidak tercakup dalam garis, lalu tambahkan nilai terkecil
tersebut ke tiap elemen pada perpotongan 2 garis. Elemen lain tetap tidak
berubah. Selanjutnya kembali ke langkah 2 dan lanjutkan prosedur hingga
jumlah minimum garis yang mencakup semua elemen bernilai 0 = jumlah
baris,

Contoh Kasus :
Sebagai contoh dari data di atas, maka dapat dibuat matriks awal sebagai
berikut :

Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 10 15 9
Diana 9 18 5
Bagaswara 6 14 3

Berdasarkan langkah 1, maka pertama kita mengurangi metriks di atas


dengan cara mengurangi nilai tiap elemen dengan nilai terkecil pada tiap baris. Maka
Row-reduced Matrix yang kita peroleh adalah :

Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 1 6 0
Diana 4 13 0
Bagaswara 3 11 0

Selanjutnya, kita mengurangkan nilai tiap elemen dalam suatu kolom dengan
nilai terkecil dari elemen pada kolom bersangkutan. Hasil ini juga menunjukkan
penyelesaian yang sama akan tetap optimal, tetapi waktu yang dibutuhkan untuk
menyelesaikan tiap proyek berkurang. Hasil pengurangan tiap elemen dengan nilai
terkecil ditunjukkan dalam matriks berikut :

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 0 0 0
Diana 3 7 0
Bagaswara 2 5 0

Kemudian pada langkah 2, kita dapat menentukan bahwa jumlah minimum


garis yang mencakup seluruh elemen bernilai 0 hanya sebanyak 2. Seperti matriks
berikut

Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 0 0 0
Diana 3 7 0
:
Bagaswara 2 5 0

Maka kita akan menemukan bahwa nilai minimum elemen di luar garis adalah
2. Dengan mengurangkan 2 dari dari semua elemen di luar garis dan menambah
dengan 2 pada elemen yang berada pada perpotongan garis, kita memperoleh
matriks sebagai berikut :

Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 0 0 2
Diana 1 5 0
Bagaswara 0 3 0

Dari matriks tersebut sekarang kita mencoba menemukan jumlah minimum


garis yang mencakup semua elemen bernilai 0 seperti yang dinyatakan di langkah 2.
Karena kita menemukan ada 3 garis (sama dengan jumlah baris), maka
dimungkinkan untuk menemukan penugasan yang bernilai 0, seperti :

Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 0 0 2
Diana 1 5 0
Bagaswara 0 3 0

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Pertama, kita menentukan lokasi baris atau kolom yang mengandung hanya
satu nilai 0 dan kita tandai elemen bernilai 0 tersebut dengan kotak untuk
menunjukkan bahwa penugasan pada baris dan kolom dari kotak tersebut telah
diselesaikan. Kita lihat bahwa baris 3 adalah satu-satunya baris yang mempunyai
hanya satu elemen bernilai 0, berarti Diana ditugaskan pada proyek 3 dan kita
menghilangkan bari 2 kolom 3 pada pertimbangan berikutnya.
Dari baris dan kolom yang tersisa, kita menemukan bahwa baris yang
mempunyai hanya satu elemen berniali 0 adalah baris 3. Dengan demikian
Bagaswara ditugaskan pada proyek 1, terakhir dengan mudah kita dapat
menentukan bahwa Setyawan ditugaskan pada proyek 2. Proses penyelesaian ini
dilihat pada tabel berikut :

Proyek Penelitian
Ketua Proyek
1 2 3
Setyawan 0 0 2
Diana 1 5 0
Bagaswara 0 3 0
Maka total hari yang dibutuhkan untuk menyelesaikan seluruh proyek,
mengacu pada perkiraan waktu yang ada pada matriks awal, adalah :
(15 + 5 + 6) = 26 hari.

C. KEADAAN KHUSUS
Contoh kasus di atas dapat dengan mudah diselesaikan, karena jumlah calon
ketua proyek (penawaran) sama dengan jumlah proyek yang akan dikerjakan
(permintaan), sehingga memenuhi syarat penyelesaian kasus penugasan. Masalah
akan mucul kalau penawaran tidak sama dengan permintaan. Dalam kasus
penawaran lebih besar dari permintaan penyelesaian optimal masih dapat
diperoleh, namun yang terjadi hanyalah ada personel yang tidak mendapat tugas.
Sebaliknya kalau permintaan lebih besar dari penawaran, maka penyelesaian
optimal tidak dapat diturunkan karena akan ada proyek yang tidak dikerjakan karena
tidak adanya personel yang ditugaskan.
Cara paling mudah untuk menyelesaikan kasus dimana permintaan lebih
besar dari penawaran adalah dengan menambah variabel boneka (Dummy
Origin) untuk penawaran, menggunakan metode alokasi atau lebih dikenal dengan
Metode Hungaria (Hungarian Metode). Jumlah variabel ini adalah perbedaan antara
permintaan dan penawaran, yang menunjukkan personil fiktif. Sedang koefisien
fungsi tujuan untuk variabel ini bernilai 0 untuk menjamin bahwa nilai penyelesaian

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
optimal akan tetap dapat menunjukkan jumlah hari yang dibutuhkan untuk
menyelesaikan seluruh proyek. Dalam kasus ini, penyelesaian optimal akan
memberikan hasil penugasan tebaik untuk seorang personel pada suatu proyek dan
juga menunjukkan proyek mana yang belum memperoleh personel untuk ditugasi.

Contoh Kasus :
5 (lima) tugas/ pekerjaan dialokasikan ke 4 (empat) mesin, sedang matriks biaya
alokasi (dalam ribuan) terlihat dalam tabel berikut ini :
Tugas / Pekerjaan (dalam rupiah/ribuan)
Mesin
A B C D E
a 9 6 5 4 2
b 7 6 3 2 8
c 6 7 4 5 3
d 2 6 4 9 6

Tentukan biaya alokasi minimum !


Jawab :
Untuk memenuhi kebutuhan matriks segi empat bujur sangkar, harus ditambahkan
baris ke 5 dengan variabel mesin semu (Dummy) dengan nilai sama dengan 0,
karena tidak ada biaya yang terjadi bila suatu tugas dialokasikan ke mesin semu.
Dengan kata lain karena sebenarnya tugas-tugas tersebut tidak dilaksanakan.
Perubahan matriks dapat terlihat pada tabel berikut :
Tugas / Pekerjaan (dalam rupiah/ribuan)
Mesin
A B C D E
a 9 6 5 4 2
b 7 6 3 2 8
c 6 7 4 5 3
d 2 6 4 9 6
(Dummy) e 0 0 0 0 0

Pada matriks ini perubahan nilai akan terjadi yang diakibatkan oleh pemilihan elemen
terkecil setiap baris dalam tabel, yang akan digunakan untuk mengurangi elemen
yang lain, hasilnya adalah :

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
A B C D E
a 7 4 3 2 0
b 5 4 1 0 6
c 3 4 1 2 0
d 0 4 2 7 4
e 0 0 0 0 0

Dari matriks di atas diperoleh kolom A, D dan E memiliki nilai 0, serta baris a,
b, c dan d masing-masing sudah memiliki nilai 0. Untuk mencari nilai 0 pada kolom B
dan C dipilih elemen terkecil untuk mengurangi elemen-elemen sekolom yang lain ,
dalam hal ini nilai 1. Maka diperoleh nilai sebagai berikut :

A B C D E
a 6 3 2 2 0
b 4 3 0 0 6
c 2 3 0 2 0
d 0 4 2 8 5
e 0 0 0 1 1
Dari matriks di atas maka dapat diperoleh nilai 0 dari tiap kolom dan baris,
yaitu :
aE, bD, Cc, dA, eB,
dengan biaya = 2000 + 2000 + 4000 + 2000 + 0 = 10000
Maka biaya alokasi minimum Rp. 10.000,-

D. FORMULASI UMUM MASALAH PENUGASAN


Secara umum masalah penugasan biasanya melibatkan m objek dan n tugas.
Apabila Xij = 1 atau 0 untuk menunjukkan apakah objek i ditugaskan untuk tugas j
atau tidak, dan Cij menunjukkan biaya yang timbul dari pemberian tugas objek i dan
pada tugas j, maka model umum masalah penugasan ini dapat dituliskan sebagai
berikut :

Meminimumkan :

m n
Σ Σ Cij Xij
i =1 j=1

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Kendala

m
Σ Xij < 1
i =1

Σ Xij = 1
i = 1jumlah tugas n lebih besar dari jumlah objek m, maka variabel dummy sebanyak
Bila
(n-m) harus ditambahkan supaya penyelesaian optimal dapat diperoleh.

Xij > 0 untuk semua i dan j


E. MASALAH MINIMISASI
Suatu perusahaan kecil mempunyai 4 [empat] pekerjaan yang berbeda untuk
diselesaikan oleh 4 [empat] karyawan. Biaya penugasan seorang karyawan untuk
pekerjaan yang berbeda adalah berneda karena sifat pekerjaan berbeda-beda.
Setiap karyawan mempunyai tingkat keterampilan, pengalaman kerja dan latar
belakang pendidikan yang berbeda pula. Sehingga biaya penyelesaian pekerjaan
yang sama oleh para karyawan yang berlainan juga berbeda. Matriks pada tabel 6.1
menunjukkan biaya penugasan karyawan untuk bermacam-macam pekerjaan.
Sebagai contoh A dapat menyelesaikan pekerjaan I pada biaya Rp. 1500, pekerjaan
II pada biaya Rp. 2000 dan seterusnya.

Tabel 6.1 Matrix biaya


Pekerjaan
I II III IV
Karyawan

A Rp. 15,00 Rp. 20,00 Rp. 18,00 Rp. 22,00


B 14,00 16,00 21,00 17,00
C 25,00 20,00 23,00 20,00
D 17,00 18,00 18,00 16,00

Karena metode penugasan Hungarian mensyaratkan perpasangan satu-satu,


maka ada 4! [4.3.2.1 =24] kemungkinan penugasan. Langkah penyelesainnya adalah
sebagai berikut:

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
1. Langkah pertama adalah mengubah matriks biaya menjadi matriks
opportunity cost. Ini dicapai dengan memilih elemen terkecil dari setiap baris
dari matriks biaya mula-mula untuk mengurangi seluruh elemen [bilangan]
dalam setiap baris. Sebagai contoh seluruh elemen pada baris A [A=15]
digunakan untuk mengurangi elemen pada baris A. sehingga paling sedikit akan
diperoleh satu elemen yang bernilai nol sebagai hasilnya. Prosedur yang sama
siulang untuk setiap baris pada tabel 6.1 untuk mendapatkan matriks biaya
yang telah dikurangi [reduced cost matriks] seperti yang ditunjukan tabel 6.2.
Tabel 6.2 Reduced –cost matrix
Pekerjaan
I II III IV
Karyawan

A 0 5 3 7
B 0 2 7 3
C 5 0 3 0
D 1 2 2 0

2. Reduced cost matrix di atas terus dikurangi untuk mendapatkan total


opportunity cost matrix. Hal ini dapat dicapai dengan memilih elemen terkecil
dari setiap kolom pada reduced cost matriks untuk mengurangi seluruh elemen
dalam kolom-kolom tersebut. Pada contoh di atas hanya dilakukan pada kolom
III karena semua kolom lainnya telah mempunyai elemen yang bernilai nol. Bila
langkah pertama telah menghasilkan paling sedikit satu nilai nol pada setiap
kolom, maka langkah kedua ini dapat dihilangkannya. Matriks total opprtunity
cost ditunjukkan dalam tabel 6.3.
Tabel 6.3 Total opportunity-cost matrix
Pekerjaan
I II III IV
Karyawan

A 0 5 1 7
B 0 2 5 3
C 5 0 1 0
D 1 2 0 0

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Dalam contoh total opprtunity cost matrix pada tabel 6.3 terdapat paling sedikit
satu nilai nol, dalam setiap baris dan setiap kolom.
3. Langkah berikutnya adalah mencari skedul penugasan dengan suatu
total-opprtunity-cost nol. Untuk mencapai penugasan dibutuhkan 4 [empat]
“independent zeros” dalam matriks. Ini berarti setiap karyawan harus ditugaskan
hanya untuk satu pekerjaan dengan opprtunity-cost nol; atau setiap pekerjaan
harus diselesaikan hanya oleh satu karyawan. Prosedur praktis untuk
melakukan test optimalisasi adalah dengan manarik sejumlah minimum garis
horisontal dan/atau vertikal untuk meliput seluruh elemen bernilai nol dalam
total opprtunity cost matrix (lihat tabel 6.4). bila jumlah garis yang sama dengan
jumlah baris atau kolom penugasan optimal adalah feasible. Bila tidak sama
maka matrixharus direvisi.
Tabel 6.4 Test for Optimality
Pekerjaan
I II III IV
Karyawan
A 0 5 1 7
B 0 2 5 3
C 5 0 1 0
D 1 2 0 0

Dalam tabel 6.4 ada tiga baris yang meliput seluruh nilai nol dibanding empat
baris atau kolom, sehingga langkah berikutnya diperlukan untuk merevisi matrix.
4. Untuk merevisi total-opprtunity-cost matrix, pilih elemen terkecil yang
belum terliput garis-garis (yaitu opprtunity cost terendah, atau pada contoh di
atas = 1) untuk mengurangi seluruh elemen yang belum terliput. Kemudian
tambahkan dengan jumlah yang sama (nilai elemen terkecil) pada seluruh
elemen yang mempunyai dua garis yang saling bersilangan (5 pada paris C dan
1 pada baris D), atau sama dengan 6 dan 2. Masukkan hasil-hasil ini pada
matriks dengan seluruh elemen yang telah terliput tanpa perubahan, ulangi
langkah 3. Matriks yang telah direvisikan pada tabel 6.5 berikut ini didapatkan
dengan mengikuti prosedur di atas.

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Tabel 6.5 Revisi matriks dan tes for optimality
Pekerjaan
I II III IV
Karyawan
A 0 4 0 6
B 0 1 4 2
C 6 0 1 0
D 2 2 0 0

5. Dalam tabel 6.5 dibutuhkan 4 baris untuk meliput seluruh nilai nol atau
sama dengan jumlah baris atau kolom, sehingga matriks penugasan optimal
telah tercapai. Karyawan B telah ditugaskan untuk pekerjaan I karena baris B
hanya mempunyai satu nilai nol pada kolom I. Kolom II berisi satu nol pada
baris C jadi karyawan C ditugaskan untuk pekerjaan II. Kemudian karyawan A
ditugaskan untuk pekerjaan III, karena oekerjaan I telah ditugaskan karyawan B.
Karyawan D ditugaskan untuk pekerjaan terakhir IV. Skedul penugasan optimal
dengan biaya minimum adalah sebagai berikut:

Skedul penugasan

Rp. 18,00
A – III
14,00
B–I
20,00
C – II
10,00
D – IV
Rp. 68,00

Untuk memenuhi persyaratan suatu matriks segi empat bujur sangkar, agar
metode Hungarian dapat diterapkan, bila terdapat jumlah pekerjaan lebih besar dari
jumlah karyawan, maka harud ditambahkab suatu karyawan semu (dummy worker).
Bila semu adalah sama dengan nol, karena tidak akan terjadi biaya bila suatu
pekerjaan ditugaskan ke karyawan semu. Atau dengan kata lain karena sebenarnya
pekerjaan tersebut tidak dilaksanakan. Sebaliknya bila jumlah karyawan lebih besar
dari jumlah pekerjaan, maka harus ditambahkan suatu pekerjaan semu (dummy job).
Sebagai contoh, bila jumlah pekerjaan lebih besar dari jumlah karyawan, dapat
dilihat pada tabel 6.6.

Tabel 6.6 Jumlah pekerjaan lebih besar dari jumlah karyawan

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Pekerjaan
I II III IV V
Karyawan

A Rp. 15,00 Rp. 20,00 Rp. 18,00 Rp. 22,00 Rp. 21,00
B 14,00 16,00 21,00 17,00 15,00
C 25,00 20,00 23,00 20,00 17,00
D 17,00 18,00 18,00 16,00 18,00
Dummy E 0,00 0,00 0,00 0,00 0,00

Prosedur penyelesaian selanjutnya sama dengan langkah-langkah di atas.

D. MASALAH MAKSIMISASI
Metode penugasan Hungarian untuk minimisasi juga dapat diterapkan untuk
masalah penugasan yang menyangkut maksimisasi. Dalam masalah maksimisasi,
matriks elemen-elemen menunjukkan tingkat keuntungan (atau indeks produktivitas).
Evektifitas pelaksanaan tugas oleh karyawan individual diukur dengan jumlah
kontribusi keuntungan. Matriks 6.7 menunjukkan bahwa karyawan A mempunyai
ketrampilan yang dibutuhkan untuk menangani 5 (lima) pekerjaan yang berlainan.
Tabel 6.7 Matriks keuntungan
Pekerjaan
I II III IV V
Karyawan
A
Rp. 10,00 Rp. 12,00 Rp. 10,00 Rp. 8,00 Rp. 15,00
B
14,00 10,00 9,00 15,00 13,00
C
9,00 8,00 7,00 8,00 12,00
D
13,00 15,00 8,00 16,00 11,00
E
10,00 13,00 14,00 11,00 17,00

Langkah pertama dalam masalah maksimisasi adalah mengubah matriks


keuntungan menjadi suatu matriks opprtunity loss. Dalam masalah ini A
menyumbang keuntungan tertinggi Rp. 15,00 bila dia ditugaskan pada pekerjaan V.
Oleh karena itu bila A ditugaskan pada pekerjaan I (yang kontribusi keuntungannya =
Rp.10,00), ada sebesar Rp.5,00 sebagai opprtunity loss yang terjadi dengan
penugasan ini, dan seterusnya. Seluruh elemen dalam setiap baris dikurangi dengan
nilai maksimum dalam baris yang sama. Prosedur ini menghasilkan matriks

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
opportunity loss yang ditunjukkan dalam tabel 6.8. Matriks ini sebenarnya bernilai
negatif.
Tabel 6.8 Matriks Opportunity-loss
Pekerjaan
I II III IV V
Karyawan

A 5 3 5 7 0
B 1 5 6 0 2
C 3 4 5 4 0
D 3 1 8 0 5
E 7 4 3 6 0

Seperti sebelumnya setiap baris akan berisi nilai nol. Langkah berikutnya
dengan meminimumkan opportunity-loss akan memaksimumkan kontribusi
keuntungan total. Matriks total-opprtunity loss yang ditunjukkan tabel 6.9 didapatkan
melalui pengurangan seluruh elemen dalam setiap kolom dengan elemen terkecil
dari kolom tersebut.
Tabel 6.9 Matriks Total-Opportunity loss
Pekerjaan
I II III IV V
Karyawan
A
4 2 2 7 0
B
0 4 3 0 2
C
2 3 2 4 0
D
2 0 5 0 5
E
6 3 0 6 0

Dalam tabel 6.9 seluruh elemen bernilai nol dapat diliput hanya dengan
empat garis. Jadi, matriks harus dikurangi menurut langkah ke-4 seperti yang telah
dijelaskan di muka. Matriks baru yang ditunjukkan olh tabel 6.10, dimana penugasan
optimal dapat ditentukan.

Tabel 6.10 Tabel optimal


Pekerjaan I II III IV V

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
Karyawan
A
2 0 0 5 0
B
0 4 3 0 4
C
0 1 0 2 0
D
2 0 5 0 7
E
6 3 0 6 2

Skedul penugasan optimal dan keuntungan total untuk dua alternatif


penyelesaian adalah :
Skedul
Skedul
penugasan Keuntungan Keuntungan
penugasan 2
1
A – II Rp. 12,00 A–V Rp. 15,00
B–I Rp. 14,00 B – IV 15,00
C–V Rp. 12,00 C–I 9,00
D – IV Rp. 16,00 D – II 15,00
E – III Rp. 14,00 E – III 14,00
Rp. 68,00 Rp. 68,00

F. KESIMPULAN
Masalah atau kasus penugasan berkaitan dengan pembebanan suatu tugas
atau pekerjaan kepada suatu mesin atau seseorang untuk suatu proyek. Kasus
semacam ini dapat diselesaikan dengan menggunakan metode transportasi. Setiap
kasus penugasan selalu dinyatakan dalam tabel di mana baris dalam tabel
menunjukkan objek yang diberi tugas dan kolom menunjukkan tugas yang diberikan
kepada objek. Ciri khas suatu kasus penugasan adalah ”Suatu tugas dibebankan
kepada satu objek saja”. Ciri ini yang membedakan kasus penugasan dengan
kasus transportasi.
Untuk mengetahui apakah penyelesaian optimal sudah tercapai atau belum
dapat dilakukan pengujian perubahan alokasi dengan Square-corner Path. Apabila
nilai alokasi untuk masing-masing objek adalah 1, maka penyelesaian optimal sudah
tercapai. Namun masalah degenerasi yang mungkin timbul menyebabkan metode
transportasi menjadi tidak efisien untuk menyelesaikan kasus penugasan, oleh
karenanya metode tranportasi didesain khusus untuk menyelesaikan kasus
penugasan yaitu menjadi Metode Hungarian (Hungarian Metode).
Pada prinsipnya, metode Hungarian merupakan metode pengurangan
matriks dalam mencari penyelesaian optimal. Tujuannya adalah ”Mengurangi

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF
matriks hingga nilai 1 penyelesaian sama dengan 0 dan penyelesaian yang
bernilai 0 akan merupakan penyelesaian optimal”.
Dalam suatu keadaan khusus, dimana jumlah objek tidak sama dengan
jumlah tugas, maka penyelesaian dapat dilakukan dengan cara menambah variabel
dummy sebanyak perbedaan jumlah objek dan tugas.

Pusat Pengembangan Bahan Ajar - UMB NURMATIAS,SE,MM


MANAJEMEN KUANTITATIF

Anda mungkin juga menyukai