OPERATION RESEARH ( RISET OPERASI )

SILABUS :

Pengertian Riset Operasi

Linier Programming Metode Grafik
( LP )
Metode Simpleks
LP : Dualitas Maks = Min ( masalah ekonomi )
LP : Transportasi( Masalah pendstribusisn suatu produk
dari beberapa sumber dengan penawaran terbatas
menuju beberapa tujuan dengan biaya minimal )
LP : Penugasan ( Assignment Problem )
keputusan untuk menetukan jenis pekerjaan apa
harus dikerjakan oleh siapa atau alat apa

Pengertian Riset Operasi :

Input Organisasi
(Men, Money , Material ) ( Wadah utk mencapai tujuanOutput
) ( Laba / Profit )

Riset harus menggunakan metode ilmiah

Operasi yang berhubungan dengan proses /

berlangsungnya suatu kejadian.

Tujuan : membantu manajemen untuk menentukan kebijakan atau

tindakan secara ilmiah

1
Definisi : ( Riset Operasi )
Riset dengan penerapan metode ilmiah melalui suatu tim secara
terpadu untuk memecahakan permasalahan yang timbul dalam
kegiatan operasi suatu system organisasi agar diperoleh pemecahan
yang optimum.

Linier Programming ( LP ) : model umum yang dapat digunakan dalam

pemecahan masalah pengalokasian sumber-sumber yang terbatas
secara optimal.
Penyelesaian Masalah LP ditemukan noleh George Danzig dengan
menggunakan metode simpleks

Linier ( ? ) dalam hal ini fungsi matematis yang digunakan adalah fungsi linier
Programming merupakan program atau perencanaan , jadi bukan Computer
Programming

LP terdiri dari 2 fungsi :

1. Fungsi Tujuan : berkaitan dengan
pengaturan secara optimal sumber
daya 2 untuk memperoleh keuntungan
maksimal atau biaya yang minimal
2. Fungsi Batasan : Bentuk penyajian secara matematis
batasan kapasitas yang tersedia yang
akan dialokasikan secara optimal ke
berbagai kegiatan.

Bentuk Umum Model LP :

n

c j xj
Maksimum / Minimum : Z = j 1
Fungsi Tujuan
dengan syarat : aij x j ( , = , ) b j Fungsi Batasan

FORMULASI MODEL LP

2
CONTOH : ( Masalah Diet )

Untuk menjaga kesehatan seseorang harus memenuhi kebutuhan minimum

perhari akan beberapa zat makanan. Misalnya ada 3 zat makanan yang
dibutuhkan yaitu : kalsium ( I) , protein ( II ) , dan vitamin A( III) yang harga ,
zat yang terkandung dan kebutuhan minimum perhari akan zat makanan
tersebut pada table berikut :

Makanan Kebutuhan Minimum

I II III
Harga/unit 0.5 0.8 0.6
Kalsium 5 1 0 8
Protein 2 2 1 10
Vitamin A 1 5 4 22

Masalahnya bagaimana kombinasi ketiga jenis makanan itu akan memenuhi

kebutuhan minimum perhari dan memberikan biaya terendah

Variabel : x1 = jumlah makanan I

x2 = jumlah makanan II
x3 = jumlah makanan III

Fungsi Tujuan :
Minimum : Z = 0.5 x1 + 0.8 x2+ 0.6 x3

Fungsi Batasan :

5 x1 x 2 8( kalsium )
2 x1 2 x 2 x3 10(Pr otein)
x1 5 x 2 4 x3 22(Vita min)

3
Contoh : ( Bakery )

Suatu bakery membuat roti yang berisi daging dari suatu campuran daging
dan ayam tanpa lemak.
Daging sapi mengandung 80 persen daging dan 20 persen lemak dan harganya
80 rp /ons. Daging ayam mengandung 68 persen daging dan 32 persen lemak
dan harganya 60 rp/ons. Berapa banyaknya masing-masing daging yang harus
digunakan untuk tiap ons roti daging jika diinginkan untuk meminimumkan
harganya dengan mempertahankan kandungan lemak tidak lebih dari 25
persen?

Model LP :

x1 = jumlah ons daging sapi

x2 = jumlah ons daging ayam

F. Tujuan :Min: Z = 80 x1 + 60x2

F. Batasan :

0.2 x1 0.32 x 2 0.25

x1 x 2 1

4
Solusi LP
Metode untuk memecahkan program linier diataranya adalah metode grafik
dan metode simpleks. Untuk memulai penerapan metode tersebut maka semua
fungsi batasan ketidaksamaan harus ditransformasikan menjadi persamaan
dan juga harus diketahui salah satu pemecahan yang feasible (layak) dan
tidak negatif

Persyaratan Tidak Negatif

Batasan yang memiliki bentuk :

n

aj 1
ij x j bi

Dimana adalah salah satu dari relasi , , = ( tidak perlu sama untuk
setiap I ) konstanta bi selalu dianggap tidak negatif

Contoh :
2 x1 3 x 2 5 x3 3
Dikalikan -1 jadi
2 x1 3 x2 5 x3 3
Sehingga ruas kanan tidak negatif

Variabel Slack ( Kurang) dan Surplus

Variabel Slack ( Kurang )

aj 1
ij x j bi

Untuk diubah menjadi suatu persamaan dengan menambah sebuah

variabel tak negatif baru pada ruas kirinya.

Contoh :

5
 2 x1 3 x2 5 x3 3
Diubah menjadi persamaan menjadi :

2 x1 3 x2 5 x3 x4 3

Variabel Surplus

a
j 1
ij x j bi

Untuk diubah menjadi suatu persamaan dengan mengurangkan sebuah

variabel tak negatif baru pada ruas kirinya.

Contoh :
2 x1 3 x2 5 x3 3
Diubah menjadi persamaan menjadi :
2 x1 3 x2 5 x3 x4 3
Variabel buatan ( artificial variable )

Pada ruas kiri setiap fungsi batasan yang tidak mengandung variabel
slack dapat ditambahkan variabel buatan. Dengan demikian tiap fungsi
pembatas akan mempunyai variabel slack dan buatan.

Contoh: (***)
2 x1 3 x2 3
x1 4 x2 5
7 x1 8 x2 10

Persamaan variabel buatan x5 dan x6

6
 2 x1 3 x2 x3 3 2 x1 3 x2 x3 3
x1 4 x2 x4 5 x1 4 x2 x4 x5 5
7 x1 8 x2 10 7 x1 8 x2 x6 10

Solusi Awal yang feasible.

Setiap persamaan batasan akan mengandung variabel

slack atau buatan.
Solusi awal tak negatip bagi fungsi batasan diperoleh
dengan menetapkan variabel slack dan buatan sama dengan
ruas kanan dari fungsi kendala dan menetapkan semua
variabel lainnya termasuk variabel surplus sama dengan
nol.
Contoh: (***)
Solusi awal :
x3 3, x 5 5, x6 10

Penalty Cost
Penambahan var slack dan surplus tidak mengubah sifat fungsi
batasan maupun tujuan. Oleh karena itu variabel tersebut dapat
diikut sertakan pada fungsi tujuan dengan koefisien nol.
Sedangkan variabel buatan mengubah fungsi fungsi
batasan.Karena variabel buatan ini hanya dtambahkan pada
salah satu ruas persamaan, maka system yang baru ekivalen
dengan fungsi kendala yang lama jika dan hanya jika variabel
buatannya nol.

Metode Big M
Untuk pemecahan optimal maka variabel buatan diikut sertakan
dalam fungsi tujuan dengan ketentuan :
Untuk : Minimum diberikan koefisien positip yang besar
sekali ( M ).

7
 Maksimum diberikan koefisien negatip yang
besar sekali ( - M ).
Contoh : (Bakery)
Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4

F. Batasan :
0.2 x1 0.32 x2 x3 0.25
x1 x2 x4 1

Solusi awal : x3 0,25, x 4 1, x1 x 2 0

Metode Grafik

Langkah Langkah Penggunaan Metoda Grafik

1. Menentukan fungsi tujuan dan memformulasikan dalam bentuk

matematis
2. Mengidentifkasikan batasan-batasan yang belaku dan memformulasikan
dalam bentuk matematis.
3. Menggambarkan masing-masing garis fungsi batasan dalam system
koordinat .Dan menentukan daerah yang memenuhi untuk masing-
masing fungsi batasan tersebut.
4. Mencari titik yang paling optimal dihubungkan dengan fungsi tujuan.

Contoh : ( Perusahaan sepatu )

Perusahaan sepatu Ideal membuat 2 macam sepatu. Macam pertama merk I

dengan sol dari karet, dan macam ke II dengan sol dari dari kulit. Untuk
membuat sepatu tersebut perusahaan memerlukan 3 macam mesin. Mesin 1
khusus membuat sol dari karet, mesin 2 khusus membuat sol dari kulit dan
mesin 3 membuat bagian atas dari sepatu dan melakukan assembling bagian
atas dengan sol. Setiap lusin sepatu merk I mula-mula dikerjakan dengan
mesin 1 selama 2 jam, kemudian tanpa melalui mesin 2 terus dikerjakan
dimesin 3 selama 6 jam, sedangkan sepatu II tidak diproses di mesin 1 , tetapi
pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin selama 5

8
jam. Jam kerja maksimum setiap hari untuk mesin 1 = 8 jam , mesin 2 = 15
jam, dan mesin 3 = 30 jam. Keuntungan untuk setiap lusin sepatu merk I =
Rp. 30.000 sedangkan merk II = Rp. 50.000. Masalahnya adalah menentukan
berapa lusin sebaiknya sepatu merk I dan merk II yang dibuat agar
mendapatkan keuntungan yang maksimum.

Model LP:
Variabel : x1 = jumlah (lusin ) sepatu merk I
x2 = jumlah (lusin ) sepatu merk II
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
Fungsi Batasan :

2 x1 8
3x2 15
6 x1 5 x2 30
Grafik :
x2 2 x1 8
D C

3 x2 15
Daerah
Feasible

A 6 x1 5 x 2 30

x1
9
 z 3x1 5 x2
Pada titik A : x1 =
4 ; x2 = 0; z = 12
B : x1 = 4 ; x2 = 6/5; z = 18
1
C : x1 = 5/6 ; x2 = 5; z = 27 2 (*) Optimal
D : x1 = 0 ; x2 = 5; z = 25

Metode Simpleks

Adalah suatu metode matriks untuk memecahkan program program linier

dalam bentuk standar, yaitu :

Optimisasikan : ( Maks/Min ) z = CT X

Dengan kendala : AX = B dan X 0

dimana B 0 dan pemecahan dasar x0 .

Metode simpleks menggunakan proses iterasi ( perhitungan berulang ) ,
dengan x0 sebagai pemecahan awal , untuk menentukan pemecahan dasar
lainnya, sehingga diperoleh pemecahan optimal.

MINIMISASI :

XT
CT
x0 C0 A B

CT -
C 0T A -
C 0T B

MAKSIMISASI :

Tanda aljabar dari elemen elemen dari baris terbawah dibalik

10
LANGKAH LANGKAH METODE SIMPLEKS

LANGKAH 1 : Pilihlah bilangan negatip terbesar pada baris terbawah

( kolom yang mengandung bilangan tersebut dikatakan
kolom kerja )

LANGKAH 2 : Bentuklah nilai-nilai banding dengan membagi setiap

bilangan positip kolom kerja, dengan elemen dalam baris
yang sama dalam kolom terakhir, dimana baris
terakhirnya dibaikan . Pilihlah nilai banding terkecil
sebagai elemen pivot , jika terdapat dua pembanding yang
sama pilihlah salah satunya . Jika tidak ada elemen dalam
kolom kerja yang positip, maka programnya tidak
memiliki pemecahan.

LANGKAH 3 :Gunakan operasi elementer baris untuk mengubah

elemen pivot menjadi satu dengan transformasi elementer
H i( ) dan kemudian gunakan transformasi elementer
H ij( )
untuk merubah elemen lainnya yang terletak pada
kolom kerja tersebut menjadi nol .

LANGKAH 4 :Gantikan variabel x dalam baris pivot pada kolom

pertama dengan variabel x dalam kolom kerja

LANGKAH 5 :Ulangi langkah 1 sampai 4 hingga tidak terdapat lagi

elemen negatip dalam baris terakhir , dengan tidak
memasukkan kolom terakhir.

LANGKAH 6 :Pemecahan optimal diperoleh dengan menetapkan untuk

tiap-tiap variabel dalam kolom pertama nilai dalam baris
terakhir yang bersangkutan. Semua variabel lainnya
ditetapkan bernilai nol. Nilai dari fungsi tujuan yakni x*
adalah bilangan yang terdapat dalam baris dan kolom
terakhir untuk program maksimisasi, sedangkan negatif
dari bilangan ini adalah untuk program minimisasi.

11
Contoh: ( Perusahaan Sepatu )
Fungsi Tujuan :
Maksimum : Z = 3 x1 + 5 x2 Z-3x1 -5 x2+0 x3+0 x4+0 x5= 0
Fungsi Batasan :

2 x1 8
3x2 15
6 x1 5 x2 30
2 x1 x3 8
3 x2 x4 15
6 x1 5 x2 x5 30
X1 X2 X3 X4 X5
X3 2 0 1 0 0 8
X4 0 3* 0 1 0 15 5
X5 6 5 0 0 1 30 6
-3 -5 0 0 0 0

12
 X1 X2 X3 X4 X5
X3 2 0 1 0 0 8 4
X2 0 1 0 1/3 0 5
X5 6* 0 0 -5/3 1 5 5/6
-3 0 0 5/3 0 25

X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
0 0 0 5/6 1/2 1 positip
27 2

Nilai pada tabel optimal , adalah :

X1= 5/6 jadi banyaknya sepatu merk I = 5/6 lusin

X2= 5 jadi banyaknya sepatu merk II = 5 lusin
1
Z maksimum = 27 2 artinya keuntungan yang diperoleh = Rp.275.000
setiap hari.

Contoh :
Fungsi Tujuan : Maksimum : Z = x1 + 9 x2+ x3
Fungsi Batasan :
x1 2 x2 3 x3 9
3 x1 2 x2 2 x3 15
Dan semua variabel tidak negatif
Jawab :

Z - x1 - 9 x2- x3+0 x4 +0 x5
Fungsi Batasan :

13
x1 2 x2 3 x3 x5 9
3 x1 2 x2 2 x3 x6 15

X1 X2 X3 X4 X5
X4 1 2* 3 1 0 9 9/2
X5 3 2 2 0 1 15 15/2
-1 -9 -1 0 0 0

X1 X2 X3 X4 X5
X2 1/2 1 3/2 1/2 0 9/2
X5 2 0 -1 -1 1 6
7/2 0 25/2 9/2 0 81/2 Pos

Nilai pada tabel optimal , adalah :

X2= 9/2 , X5= 6, X1= X3= X4= 0 dengan Z maksimum = 81/2

14
Metode Dua Fasa ( Two Phase methode )
( digunakan apabila variabel buatan adalah bagian dari solusi awal )

Perubahan 1 : Baris terakhir diuraikan ke dalam dua baris, dimana yang

pertama mengandung suku yang tidak mengandung M,
sedangkan yang kedua mengandung koefisien-koefisien M
dalam suku-suku sisanya.

Perubahan 2 : Langkah 1 dari metode simpleks diterapkan pada baris

akhir yang dibentuk dalam perubahan 1 ( yang kemudian
diikuti dengan langkah-langkah 2,3,4 ) , hingga baris ini
tidak mengandung elemen negatip. Kemudian langkah 1
diterapkan lagi pada elemen baris kedua dari bawah,
yang terletak diatas angka-angka nol dalam baris
terakhir.

Perubahan 3 : Setiap sebuah variabel buatan bukan merupakan suatu

variabel dasar, ia dihilangkan dari kolom pertama dari
tabel sebagai hasil langkah 4 maka ia dicoret dari baris
teratas tabel dan begitu pula seluruh kolom di bawahnya.

Perubahan 4 : Baris akhir dapat dicoret dari tabel jika semua elemennya
nol.

Perubahan 5 : Jika variabel buatan yang tak nol terdapat dalam

himpunan elemen dasar terakhir, maka tidak ada solusi .

15
Contoh ( Bakery )
F. Tujuan :Min: Z = 80 x1 + 60x2
F. Batasan :

0.2 x1 0.32 x 2 0.25

x1 x 2 1

Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4
F. Batasan :
0.2 x1 0.32 x2 x3 0.25
x1 x2 x4 1

X
x , x
1 2 3 4
, x , x T
, C [ 80,60,0,M ]

0,20 0,32 1 0 0,25 x3

1 x
A 1 0 1 B
1
C0 4

x1 x2 x3 x4
80 60 0 M

x3 0 0,20 0,32 1 0 0,25

x4 M 1 1 0 1 1

16
 80-M 60-M 0 0 -M

x1 x2 x3 x4
80 60 0 M

x3 0,20 0,32 1 0 0,25

x4 1* 1 0 1 1
80 60 0 0 0
-1 -1 0 0 -1

x1 x2 x3 x1 x 2 x3

x3 0 0,12* 1 0,05 x2 0 1 8,333 0,4167

x1 1 1 0 1 x1 1 0 -8,333 0,5833
0 -20 0 -80 0 0 166,7 -71,67
0 0 0 0 0 0 0 0

Contoh :

x1 2 x 2 0 x3 0 x 4 Mx 5 Mx 6
Minimum Z = x1 + 2x2
Fungsi Batasan :

17
x1 3 x2 11 x1 3 x2 x3 x5 11
2 x1 x2 4 2 x1 x2 x4 x6 9

1 3 1 0 1 0
C T C 0T A 1,2,0,0, M , M [ M , M ]
2 1 0 1 0 1
1,2,0,0, M , M [3M ,4M , M , M , M ]

1 3M ,2 4 M , M , M ,0,0

11
C0T B M , M 20M
9

x1 x2 x3 x 4 x5 x6

x5 M 1 3* -1 0 1 0 11 11/3

x6 M 1 1 0 1 0 1 9 9/1

1 2 0 0 0 0 0
-3 -4 1 1 0 0 20

x1 x2 x3 x 4 x5 x6

18
x2 1/3 1 -1/3 0 1/3 0 11/3 11

x6 5/3* 0 1/3 -1 0 -1/3 16/3 16/5

1/3 0 2/3 0 -2/3 0 -22/3
-5/3 0 -1/3 1 4/3 0 -16/3

x1 x2 x3 x 4 x5 x6

x2 1/3 1 -1/3 0 1/3 0 11/3

x6 1* 0 1/5 -3/5 -1/5 3/5 16/5

1/3 0 2/3 0 -2/3 0 -22/3
-5/3 0 -1/3 1 4/3 0 -16/3

x1 x2 x3 x 4 x5 x6

x2 0 1 -2/5 1/5 2/5 1/5 13/5

x1 1* 0 1/5 -3/5 -1/5 3/5 16/5

0 0 3/5 1/5 -3/5 -1/5 -42/5
0 0 0 0 1/3 1 1

Solusi optimal :
x1 16 / 5, x 2 13 / 5, Z 42 / 5
Soal :
Fungsi Tujuan : Maksimum : Z = x1 + x2

19
Fungsi Batasan :
x1 5 x2 5
2 x1 x2 4
Dan semua variabel tidak negatif

Jawab :

Z - x1 - x2 +0 x3 +0 x4
Fungsi Batasan :

x1 5 x2 x3 5
2 x1 x2 x4 4
X1 X2 X3 X4
X3 1 5 1 0 5 5
X4 2* 1 0 1 4 2
-1 -1 0 0 0

Krn sama, Pilih salah satu

X1 X2 X3 X4
X3 0 9/2* 1 -1/2 3 3/2
X1 1 1/2 0 1/2 2 4
0 -1/2 0 1/2 2

X1 X2 X3 X4
X2 0 1* 2/9 -1/9 2/3
X1 1 1/2 0 1/2 2

20
 0 -1/2 0 1/2 2

X1 X2 X3 X4
X2 0 1* 2/9 -1/9 2/3
X1 1 0 -1/9 5/9 5/3
0 0 1/9 4/9 7/3

Nilai pada tabel optimal , adalah :

X1= 5/3 , X2= 2/3, dengan Z maksimum = 7/3

Soal :
Fungsi Tujuan : Minimum : Z = 3x1 + 5x2
Fungsi Batasan :

2 x1 8
3 x2 15
6 x1 5 x2 30
Jawab :

Minimum : Z = 3x1 + 5x2+ Mx3+ 0x4+ 0x5+Mx6

2 x1 x3 8
3 x2 x4 15
6 x1 5 x2 x5 x6 30

x1 x2 x3 x 4 x5 x6

21
x3 M 2 0 1 0 0 0 8

x4 0 0 3 0 1 0 0 15

x6 M 6 5 0 0 -1 1 30

2 0 1 0 0 0
C T C0T A 3,5, M ,0,0, M [ M ,0, M ] 0 3 0 1 0 0
6 5 0 0 1 1
C T C0T A [3,5, M ,0,0, M ] [8M ,5M , M ,0, M , M ]
C T C0T A [3 8M ,5 5M ,0,0, M ,0]

8
C B [ M ,0, M ] 15 [38M ]
T
0

30

x1 x2 x3 x 4 x5 x6

x3 M 2 0 1 0 0 0 8

x4 0 0 3 0 1 0 0 15

x6 M 6 5 0 0 -1 1 30

3-8M 5-5M 0 0 M 0 38M

x1 x2 x3 x 4 x5 x6

x3 M 2* 0 1 0 0 0 8 4

22
x4 0 0 3 0 1 0 0 15

x6 M 6 5 0 0 -1 1 30 5

3 5 0 0 0 0 0
-8 -5 0 0 1 0 38

x1 x2 x3 x 4 x5 x6

x1 M 1 0 1/2 0 0 0 4

x4 0 0 3 0 1 0 0 15 5

x6 M 0 5* -3 0 -1 1 6 6/5

0 5 -3/2 0 0 0 -12
0 -5 4 0 1 0 -6

x1 x2 x3 x 4 x5 x6

x1 M 1 0 1/2 0 0 0 4

x4 0 0 1 9/5 1 3/5 -3/5 57/5

x2 M 0 1 -3/5 0 -1/5 1/5 6/5

0 0 3/2 0 1 1 -18
0 0 1 0 0 1 0

Solusi optimal :
x1 4, x2 6 / 5, Z 18

23
Soal : ( Latihan )
Fungsi Tujuan : Maksimum : Z = 30x1 + 40x2+ 60x3
Fungsi Batasan :
4 x1 5 x2 6 x3 60.000
4 x1 6 x2 8x 3 75.000
2 x1 5 x2 5x 3 45.000
Dan semua variabel tidak negatif

Jawab :

Z -30 x1 - 40x2 -60 x3 +0 x4+0 x5+0 x6

Fungsi Batasan :

4 x1 5 x2 6 x3 x4 60.000
4 x1 6 x2 8x 3 x5 75.000
2 x1 5 x2 5x 3 x6 45.000
X1 X2 X3 X4 X5 X6
X4 4 5 6 1 0 0 60000 10000
X5 4 6 8 0 1 0 75000 9375

24
X6 2 5 5* 0 0 1 45000 9000
-30 -40 -60 0 0 0 0 0

X1 X2 X3 X4 X5 X6
X4 6/5 -1 0 1 0 -6/5 60000 6000
X5 4/5* -2 0 0 1 -8/5 3000 3750
X3 2/5 1 1 0 0 1/5 9000 22500
-6 20 0 0 0 12 540000

X1 X2 X3 X4 X5 X6
X4 6/5 -1 0 1 0 -6/5 60000 6000
X1 1 -5/2 0 0 5/4 -2 3750 3750
X3 2/5 1 1 0 0 1/5 9000 22500
-6 20 0 0 0 12 540000

X1 X2 X3 X4 X5 X6
X4 0 2 0 1 -3/2 6/5 1500
X1 1 -5/2 0 0 5/4 -2 3750
X3 0 2 0 0 -1/2 1 7500
0 5 0 0 36/4 0 562500

Nilai pada tabel optimal , adalah :

X1= 3750 , X3= 7500, dengan Z maksimum = 562.500

25
Metode Dual Simpleks
Untuk setiap LP dalam variabel x1, x2,, xn, terkait dengan LP dengan
variabel lain misal w1, w2,, wm ( dimana m adalah jumlah batasan
alam LP semula) yang disebut dengan DUAL nya. Bentuk dual tersebut
tergantung pada bentuk LP semula yang disebut dengan PRIMAL.

DUAL SIMETRIS
Primal Dual
F.Tujuan :Minimum : z = CTX F.Tujuan :Maksimum : z = BTW
F.Batasan: AX B F.Batasan: AT W C
Dan: X 0 Dan: W 0

Berlaku sebaliknya

DUAL TAK SIMETRIS

Primal Dual
F.Tujuan :Minimum : z = CTX F.Tujuan :Maksimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W C
Dan: X 0 Dan: W 0

26
 Primal Dual
F.Tujuan :Maksimum : z = CTX F.Tujuan :Minimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W C
Dan: X 0 Dan: W 0

Interpretasi ekonomis masalah Primal dan Dual

Primal
Xj adalah Tingkat aktivitas ( j = 1,2,n)
Cj adalah laba per satuan aktivitas j
Z adalah total laba dari seluruh aktivitas
bi adalah jumlah sumber i yang tersedia ( i= 1,2,,m)
aij adalah jumlah sumber i yang dipakai oleh setiap satuan aktivitas j
Dual
Yj adalah kontribusi per satuan sumber i terhadap laba

CONTOH: ( Perusahaan Sepatu )

Primal :
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
Fungsi Batasan :

2 x1 8
3 x2 15
6 x1 + 5 x2 30

x1
x
Fungsi Tujuan :
T
Maksimum : Z = C X =
3,5 2
Fungsi Batasan :
AX B

27
 2 0 8
0 3 x1 15
x
6 5 2
30

Dual :
w1
w
2
Fungsi Tujuan :
T
Minimum : Z = B W=
8 15 30 w3
Fungsi Batasan :
ATW C

w1
2 0 6 w 3
2 5
0 3 5 w3

Fungsi Tujuan : Minimum : Z = 8 w1 + 15 w2+ 30 w2

Fungsi Batasan :
2 w1 6w3 3
3w2 5w3 5
w1 , w2 , w3 0
Tabel terakhir ( tabel Optimal )

28
 X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3 Solusi
X2 0 1 0 1/3 0 5 Primal
X1 1 0 0 -5/18 1/6 5/6
Z 0 0 0 5/6 1/2 1
27 2

dual
solusi
Solusi Masalah Dual : ( Hubungan Primal Dual )
Koefisien slack variabel pada baris terakhir (
tabel optimal )
Dalam hal ini : w1 = 0 , w2 = 5/6, w3 = sehingga
Z = 8 (0) + 15 (5/6)+ 30 (1/2)
1
Z = 27 2 ( OPTIMAL )

Analisa Sensitivitas

Analisa tersebut dilakukan setelah dicapainya penyelesaian optimal, sehingga

analisa nya sering disebut dengan Post Optimality Analysis.

Tujuan (Analisa Sensitivitas ) :

Mengurangi perhitungan dan menghindari perhitungan ulang, bila tejadi

perubahan satu atau beberapa koefisien moel LP pada saat penyelesaian
optimal telah tercapai.

Perubahan yang mungkin terjadi setelah dicapainya penyelesaian optimal

terdiri dari beberapa macam , yaitu :

1. Keterbatasan kapasitas sumber , dpl nilai kanan dari fungsi batasan.

2. Koefisien fungsi tujuan.

29
Analisa sensitivitas pada dasarnya memanfaatkan kaidah-kaidah primal-
dual metode simpleks semaksimal mungkin.

Kaidah Primal Dual

Kaidah I :
Pada setiap iterasi dalam simpleks ( baik primal maupun dual ) matriks yang
berisi variabel starting solution ( tidak termasuk baris tujuan ) dapat dipakai
untuk menhitung koefisien baris tujuan yang berhubungan dengan matriks
tersebut. Adapun langkah-langkahnya adalah sebagai berikut :

Langkah 1 :
Pilih koefisien koeisien dari fungsi tujuan yang berhubungan dengan variabel
dasar iterasi yang bersangkutan lalu disusun dalam vektor baris.
Langkah 2 :
Kalikan vektor baris tersebut dengan matriks pada tabel simpleks yang
beranggotakan variabel-variabel starting solution. Nilai yang diperoleh dalam
langkah dua ini diseut Simpleks Multiplier ( Shadow Costs )
Pada tabel akhir ( optimal ) simpleks multiplier ini menunjukan optimal
solution bagi dualnya.

Kaidah II :
Pada setiap iterasi dalam simpleks ( baik primal maupun dual ), nilai kanan
( kecuali baris tujuan ) dalam tabel optimal dapat dihitung dengan mengalikan
matriks pada langkah 2 dengan vektor kolom yang berisi nilai kanan dari
fungsi batasan mula-mula.

Kaidah III :
Pada setiap iterasi dalam simpleks baik primal maupun dual koefisien batasan
yang terletak dibawah setiap variabel Xj ( j = 1,2,,n ) merupakan hasil kali
matriks pada langkah 2 dengan vektor kolom untuk setiap variabel pada tabel
awal.

CONTOH : ( Perusahaan Sepatu )

30
Kaidah I :
Langkah 1 :
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2

Tabel terakhir ( tabel Optimal )

X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
Z 0 0 0 5/6 1/2 1
27 2

langkah2

Diperoleh matriks ; [ 0,5,3 ]

Langkah 2 :

Diperoleh matriks :

1 5/9 1 / 3
0 1/ 3 0

0 5 / 18 1 / 6

Sehingga

31
 1 5/9 1 / 3
0 1/ 3 0

0 5 / 18 1 / 6
[ 0,5,3 ] = [ 0,5/6,1/2 ]
Koefisien fungsi tujuan
Tabel optimal

Kaidah II :

61
1 5/9 1 / 3 8 3
0 1/ 3 15 5
0 5
0 5 / 18 1 / 6 30
= 6
Nilai kanan tabel optimal

Kaidah III :

X1 X2 X3 X4 X5
2 0 1 0 0 8
0 3* 0 1 0 15
6 5 0 0 1 30
-3 -5 0 0 0 0

1 5/9 1 / 3 2 0
0 1/ 3 0 0 0

0 5 / 18 1 / 6 6 1 Nilai kolom

x

= 1

32
 1 5/9 1 / 3 0 0
0 1/ 3 3 1
0
0 5 / 18 1 / 6 5 0 Nilai kolom x
= 2

Perubahan nilai kanan fungsi

batasan :

8 8
15 16

30 30
Misal menjadi

33
 68
1 5/9 1 / 3 8 9
0 1/ 3 16 51
0 5 3
0 5 / 18 1 / 6 30
= 9
Sehingga laba total berubah ( bertambah ) menjadi :

1 1
3 ( 5/9) + 5 ( 5 3 ) = 28 3

Apabila diubah lagi

8 8
16 20

30 30
Misal menjadi

91
1 5/9 1 / 3 8 9
0 1/ 3 20 62
0 53
0 5 / 18 1 / 6 30 9 tidak feasible

=

Perubahan nilai kanan fungsi

batasan :

Misal : [ 0,5,3 ] menjadi [ 0,6,4 ]

Sehingga diperoleh :

34
 1 5/9 1 / 3
0 1/ 3 0

0 5 / 18 1 / 6
[ 0,6,4 ] = [ 0,8/9,2/3 ]

laba total berubah menjadi :

1
4 ( 5/6) + 6 (5) = 33 3

Transportasi

Ada 3 Metode Menentukan Solusi Awal :

Keadaan Seimbang
1. Metode North West Corner

35
 Metode paling tidak efisisien karena tidak mempertimbangkan biaya
transportasi per unit dalam alokasi

Cara : Tentukan min (S, D ) pada x11 kemudian teruskan sampai dengan
sesuaikan suplay dan demand

ke 1 2 3 Suplay(S)
dari
1 8 5 6
120 120
2 15 10 12
30 50 80
3 3 9 10
20 60 80
Deman
d 150 70 60 280
(D)

Solusi Awal = (120)(8) + (30)(15) + (50)(10) + (20)(9)

+ (60)(10) = 2690

2. Metode Least Cost

Lebih baik dari Metode North West Corner karena masih

mempertimbangkan biaya transportasi per unit dalam alokasi

Cara nya : Pilih biaya transportasi terkecil alokasikan min ( S,D),

kemudian hilangkan baris atau kolom yang terpilih
Kemudian pilih lagi biaya transportasi yang terkecil setelah
baris/kolom di hilangkan ,teruskan sampai dengan sesuaikan
suplay dan demand

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
70 50 120
2 15 10 12
70 10 80
3 3 9 10

36
 80 80
Deman
d 150 70 60 280
(D)

Solusi Awal = ( 70)(5) + (50)(6) +( 70)(15) + (10)(12) +

(80)(3) = 2060

3. Metode Aproksimasi Vogel ( VAM)

Lebih baik dari metode 1 dan 2
Cara nya : 1. Tentukan penalty ( opportunity )cost Baris dan kolom
dengan cara mengurangkan dua nilai terkecil biaya
transportasi.
2. Pilihlah nilai penalty cost yang terbesar antara baris dan
kolom
3. Alokasikan min (S,D) pada baris/kolom penalty cost
yang terpilih dengan biaya transportasi terkecil.
4. Hilangkan baris atau kolom yang terpilih kemudian
ulangi langkah 1 sampai sesuai suplay dan demand nya

Ke 1 2 3 Suplay Penalty cost

Dari Baris
1 8 5 6 6-5 = 1
120
2 15 10 12 12-10= 2
80
3 3 9 10 9-3 = 6 (*)
80 80
Demand
150 70 60 280
Penalty cost 8-3 = 4 9-5 = 4 10-6 = 4
kolom

Ke 1 2 3 Suplay Penalty cost

Dari Baris
1 8 5 6 1
70 50 120
2 15 10 12 80 2
70 10

37
 3 3 9 10 80
80
Demand 280
150 70 60
Penalty cost 15-8 = 7 (*) 10-5 =5(***) 12-6=6(**)
kolom

Solusi Awal = (70)(8) + (50)(6) + (70)(10) + ( 10)(12) +

( 80 ) (3) = 1920

Ada 2 Metode Menentukan Solusi Optimum

1. Metode Stepping- Stone

Langkah-langkah :
1. Tentukan solusi awal dengan metode NWC atau LS atau VAM
2. Tentukan jalur tertutup yang diawali dari kotak kotak yang
kosong ( variabel non basis)
3. Pilih perubahan biaya yang mempunyai nilai negatip terbesar
(menentukan perubahan biaya caranya adalah dengan
menambahkan biaya yang dimulai pada kotak kosong( var. non
basis), kemudian kurangkan dengan biaya pada variabel basis
mengikuti jalur tertutup secara bergantian biaya tersebut
dilakukan penambahan dan pengurangan.
4. Lakukan perubahan letak variabel basis dan non basis dengan
memulai pada kotak yang kosong dengan menambahkan
sejumlah nilai pada variabel basis kemudian kurangkan pada
variabel basis sebesar nilai pada variabel basis tadi demikian
seterusnya secara berselang seling (penambahan
/pengurangan ) sesuai dengan jalur yang terpilih
5. Jika seluruh perubahan biaya positip maka solusi optimum

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
30 50 80

38
 3 3 9 10
20 60 80
Deman
d 150 70 60 280
(D)

Kotak Kosong Jalur Tertutup

X12 X12 X22 X21 X11 X12

X13 X13 X33 X32 X22 X21 X11 X13

X23 X23 X33 X32 X22 X23

X31 X31 X21 X22 X32 X31

Biaya Transp Jalur Penambahan/ Perubahan Biaya

Pengurangan Biaya

C12 +`5 10 +15 8 = +2

C13 +`6 10 + 9 10 + 15 8 = +2

C23 +`12 10 + 9 10 = +1

C31 +`3 15 +10 9 = - 11

Pilih Perubahan Biaya negatip terbesar , jika sama pilih salah satu

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12

39
 10 70 80
3 3 9 10
20 60 80
Deman
d 150 70 60 280
(D)

Kotak Kosong Jalur Tertutup

X12 X12 X22 X21 X11 X12

X13 X13 X32 X31 X11 X13

X23 X23 X33 X31 X21 X23

X32 X32 X31 X21 X22 X31

Biaya Transp Jalur Penambahan/ Perubahan Biaya

Pengurangan Biaya

C12 +`5 10 +15 8 = +2

C13 +`6 10 + 3 8 = -9

C23 +`12 10 + 3 15 = -10

C32 +`9 3 +15 10 = + 11

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12

40
 70 10 80
3 3 9 10
30 50 80
Deman
d 150 70 60 280
(D)
Biaya Transp Jalur Penambahan/ Perubahan Biaya
Pengurangan Biaya

C12 +`5 8 + 3 10 +12 10= -8

C13 +`6 8 + 3 10 = - 9

C21 +`15 3 + 10 12 = +10

C32 +`9 10 +12 10 = +1

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
70 50 120
2 15 10 12
70 10 80
3 3 9 10
80 80
Deman
d 150 70 60 280
(D)

Biaya Transp Jalur Penambahan/ Perubahan Biaya

Pengurangan Biaya

C12 +`5 10 +12 6= +1
C13 +`15 12 + 6 8 = +1
C21 +`9 3 + 8 6 +12 10 = +11
C32 +`10 6 + 8 3 = +9
Karena Perub. Biaya semua positip maka sudah optimal
Solusi optimal = (70)(8) + (80)(3) + (70)(10) +(50)(6)+(10)(12)= 1920
2.Metode Modified Distribution ( MODI )
Langkah langkah :

41
 1. Tentukan nilai ui untuk setiap baris dan nilai vj untuk setiap kolom
dengan menggunakan hubungan cij = ui + vj untuk semua variabel
basis dan misalkan nilai nol untuk ui .
2. Hitung perubahan biaya cij , untuk setiap variabel non basis dengan
menggunakan rumus Cij = cij - ui - vj
3. Pilih nilai Cij negatip terbesar, kemudian tentukan jalur tertutup yang
dimulai dengan kotak kosong tersebut.
4. Lakukan perubahan letak variabel basis dan non basis dengan
memulai pada kotak yang kosong dengan menambahkan sejumlah
nilai pada variabel basis kemudian kurangkan pada variabel basis
sebesar nilai pada variabel basis tadi demikian seterusnya secara
berselang seling (penambahan /pengurangan ) sesuai dengan jalur
yang terpilih
5. Jika seluruh perubahan biaya positip maka solusi optimal.

Ke 1 2 3 Suplay ui
Dari
1 8 5 6
120 120 0
2 15 10 12
30 50 80 7
3 3 9 10
20 60 80 6
Demand
150 70 60 280

vj 8 3 4

u1 + v1 = c11 0 + v1 = 8 u1 = 0 (misal ) ;v1 = 8

u2 + v1 = c21 u2 + 8 = 15 u2 = 7

u2 + v2 = c22 7 + v2 = 10 v2 = 3

u3 + v2 = c32 u3 + 3= 9 u3 = 6

u3 + v3 = c33 6 + v3 = 10 v3 = 4

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 u1 v2 = 5 0 3 = +2

42
 C13 = c13 u1 v3 = 6 0 4= +2

C23 = c23 u2 v3 = 12 7 4 = +1

C31 = c31 u3 v1 = 3 6 8 = - 11

Ke 1 2 3 Suplay ui
Dari
1 8 5 6
120 120 0
2 15 10 12
10 70 80 7
3 3 9 10
20 60 80 -5
Demand
150 70 60 280

vj 8 13 15

u1 + v1 = c11 0 + v1 = 8 u1 = 0 (misal ) ;v1 = 8

u2 + v1 = c21 u2 + 8 = 15 u2 = 7

u2 + v2 = c22 7 + v2 = 10 v2 = 3

u3 + v1 = c31 u3 + 8 = 3 u3 = -5

u3 + v3 = c33 -5+ v3 = 10 v3 = 15

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 u1 v2 = 5 0 3 = +2

C13 = c13 u1 v3 = 6 0 15= - 9

C23 = c23 u2 v3 = 12 7 15 = - 10

43
 C32 = c32 u3 v2 = 9 + 5 3 = + 11

Ke 1 2 3 Suplay ui
Dari
1 8 5 6
120 120 0
2 15 10 12
70 10 80 -3
3 3 9 10
30 50 80 -5
Demand
150 70 60 280
vj 8 13 15

u1 + v1 = c11 0 + v1 = 8 u1 = 0 (misal ) ;v1 = 8

u2 + v2 = c22 -3 + v2 = 10 v2 = 13

u2 + v3 = c23 u2 + 15 = 12 u2 = - 3

u3 + v1 = c31 u3 + 8 = 3 u3 = -5

u3 + v3 = c33 -5+ v3 = 10 v3 = 15

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 u1 v2 = 5 0 13 = - 8

C13 = c13 u1 v3 = 6 0 15= - 9

C21 = c21 u2 v1 = 15 + 3 8 = + 10

C32 = c32 u3 v2 = 9 + 5 13 = + 1

u1 + v1 = c11 0 + v1 = 8 u1 = 0 (misal ) ;v1 = 8

u3 + v1 = c31 u3 + 8 = 3 u3 = - 5

44
 u2 + v2 = c22 6 + v2 = 10 v2 = 4

u1 + v3 = c13 0 + v3 = 6 v3 = 6

u2 + v3 = c23 u2 + 6 = 12 u2 = 6

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 u1 v2 = 5 0 4= + 1

C21 = c21 u2 v1 = 15 6 8= + 1

C32 = c32 u3 v2 = 9 + 5 4 = + 10

C23 = c23 u2 v3 = 10 + 5 6 = + 9

Karena seluruh perubahan biaya positip maka solusi optimum.

Solusi optimal = (70)(8) + (80)(3) + (70)(10) +(50)(6)+(10)(12)= 1920

Solusi optimum memerlukan jumlah iterasi yang sama

dengan metode stepping stone dan alokasi yang sama akan
terjadi pada setiap iterasi

Soal ( Seimbang )
ke 1 2 3 Suplay(S)

45
dari
1 20 5 8
90
2 15 20 10
60
3 25 10 19
50
Deman
d 50 110 40 200
(D)

Soal ( Tidak Seimbang )

Kebutuhan lebih kecil dari sumber (kapaitas)yang tersedia

ke gudang1 gudang2 gudang3 Dummy Suplay

dari (S)
pbrk1 20 5 8 90

pbrk2 15 20 10 60

pbrk3 25 10 19 100

Deman 250
d 50 110 40 50
(D)

Kebutuhan lebih besar dari sumber (kapaitas)yang tersedia

ke 1 2 3 Suplay(S)
dari
1 20 5 8
90
2 15 20 10
60
3 25 10 19
50
Dummy
50
Deman
d 50 110 40 200
(D)

Ke 1 2 3 Suplay

46
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari

47
 1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Masalah Penugasan
Masalah :

48
 Yang berhubungan dengan penugasan optimal dari macam-macam
sumber yang produkyif / personalia yang mempunyai tingkat efisiensi
yang berbeda-beda untuk tugas yang berbeda pula.

Metoda Hungarian adalah metoda untuk penyelesaian masalah

penugasan .

Syarat :
Jumlah sumber yang ditugaskan sama dengan jumlah tugas yang
akan diselesaikan.

Langkah Langkah Penyelesaian :

Masalah Minimum :
1. Ubah matriks biaya menjadi matriks opportunity cost dengan cara
memilih elemen terkecil pada setiap baris matrikss. Kemudian
kurangkan setiap elemen baris dengan elemen terkecil tersebut.
2. Apabila dalam kolom matriks masih ada yang tidak nol. Pilih
elemen terkecil pada kolom yang tidak mengandung nol tersebut.
Kemudian kurangkan seluruh elemen kolom tersebut dengan
elemen terkecil tersebut. Reduced cost matriks terus dikurangi
untuk mendapatkan total opportunity cost matriks.
3. Mencari skedul Penugasan dengan dengan suatu total opportunity
cost nol. Prosedur tes optimalisasi adalah dengan menarik
sejumlah minimum garis horizontal dan / atau vertical untuk
meliput seluruh elemen yang bernilai nolmdalam total opportunity
cost matriks. Bila jumlah garis sama dengan jumlah baris atau
kolom penugasan optimal adalah feasible. Bila tidak sama maka
matriks harus direvisi.
4. Untuk merevisi , caranya adalah pilih elemen terkecil yang belum
terliput garis, kemudian kurangkan elemen yang tidak terliput
dengan elemen terkecil tersebut, kemudian tambahkan elemen
terkecil ybs pada seluruh elemen elemen yang mempunyai dua
garis bersilangan. Ulangi langkah 3.

Contoh :
Masalah Minimisasi

49
 Pekerjaan

Karyawan I II III
A 25 31 35
B 15 20 24
C 22 19 17

Pekerjaan

Karyawan I II III
A 0 6 10
B 0 5 9
C 5 2 0

Pekerjaan

Karyawan I II III
A 0 4 10
B 0 3 9
C 5 0 0

Pekerjaan

Karyawan I II III
A 0 1 7
B 0 0 6
C 8 0 0
Skedul : A I ; B II ; C III
25 + 20 + 17 = 62.

Catatan :

50
 Untuk Masalah Maksimum ;
Pilih nilai terbesar di masing-masing baris dst..

Soal : masalah maksimum

Pekerjaan

Karyawan I II III IV V
A 10 12 10 8 15
B 14 10 9 15 13
C 9 8 7 8 12
D 13 15 8 16 11
E 10 13 14 11 17
Pekerjaan

Karyawan I II III IV V
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
Pekerjaan

Karyawan I II III IV V
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

51
 Pekerjaan

Karyawan I II III IV V
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 0

Skedul :
Terdapat 2 alternatif penyelesaian :

A-II ; B I ; C V ; D IV ; E III
12 + 14 + 12 + 16 + 14 = 68

A-V ; B IV ; C I ; D II ; E III
15 + 15 + 9 + 15 + 14 = 68

52