SILABUS :
Input Organisasi
(Men, Money , Material ) ( Wadah utk mencapai tujuanOutput
) ( Laba / Profit )
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 ( ? ) dalam hal ini fungsi matematis yang digunakan adalah fungsi linier
Programming merupakan program atau perencanaan , jadi bukan Computer
Programming
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 )
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 :
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
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
aj 1
ij x j bi
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
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
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
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
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
Optimisasikan : ( Maks/Min ) z = CT X
MINIMISASI :
XT
CT
x0 C0 A B
CT -
C 0T A -
C 0T B
MAKSIMISASI :
10
LANGKAH LANGKAH METODE SIMPLEKS
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
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
14
Metode Dua Fasa ( Two Phase methode )
( digunakan apabila variabel buatan adalah bagian dari solusi awal )
Perubahan 4 : Baris akhir dapat dicoret dari tabel jika semua elemennya
nol.
15
Contoh ( Bakery )
F. Tujuan :Min: Z = 80 x1 + 60x2
F. Batasan :
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 ]
x1 x2 x3 x4
80 60 0 M
x4 M 1 1 0 1 1
16
80-M 60-M 0 0 -M
x1 x2 x3 x4
80 60 0 M
x4 1* 1 0 1 1
80 60 0 0 0
-1 -1 0 0 -1
x1 x2 x3 x1 x 2 x3
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
x1 x2 x3 x 4 x5 x6
x1 x2 x3 x 4 x5 x6
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
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
2 x1 8
3 x2 15
6 x1 5 x2 30
Jawab :
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
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
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 :
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
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
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
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
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
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
29
Analisa sensitivitas pada dasarnya memanfaatkan kaidah-kaidah primal-
dual metode simpleks semaksimal mungkin.
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.
30
Kaidah I :
Langkah 1 :
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
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
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
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
=
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 ]
1
4 ( 5/6) + 6 (5) = 33 3
Transportasi
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)
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)
37
3 3 9 10 80
80
Demand 280
150 70 60
Penalty cost 15-8 = 7 (*) 10-5 =5(***) 12-6=6(**)
kolom
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)
C13 +`6 10 + 9 10 + 15 8 = +2
C23 +`12 10 + 9 10 = +1
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)
C13 +`6 10 + 3 8 = -9
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
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)
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
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
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
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
C12 = c12 u1 v2 = 5 0 3 = +2
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
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
C12 = c12 u1 v2 = 5 0 13 = - 8
C21 = c21 u2 v1 = 15 + 3 8 = + 10
C32 = c32 u3 v2 = 9 + 5 13 = + 1
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
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
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)
pbrk2 15 20 10 60
pbrk3 25 10 19 100
Deman 250
d 50 110 40 50
(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.
Syarat :
Jumlah sumber yang ditugaskan sama dengan jumlah tugas yang
akan diselesaikan.
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..
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