BAB 2

LANDASAN TEORI

2.1 Program tujuan ganda

Program tujuan ganda merupakan variasi khusus dari program linear. Analisisnya
bertujuan untuk meminimumkan jarak antara atau deviasi deviasi terhadap tujuan atau
sasaran yang telah ditetapkan dengan usaha yang dapat ditempuh untuk mencapai
tujuan secara memuaskan sesuai dengan syarat ikatan yang ada, yang membatasinya
berupa sumber daya yang tersedia, teknologi yang ada, kendala tujuan dan sebagainya.
(Nasendi et al, 2005).

Dalam keadaan di mana seorang pengambil keputusan dihadapkan kepada

suatu persoalan yang mengandung beberapa tujuan, sehingga program linear tak dapat
membantunya untuk memberikan pertimbagan secara rasional, karena program linear
terbatas pada satu tujuan (tujuan tunggal), maka untuk menyelesaikannya diperlukan
program tujuan ganda. Program tujuan ganda berusaha untuk meminimumkan deviasi
berbagai tujuan, sasaran atau target yang telah ditetapkan dan program tujuan ganda
juga akan mencoba untuk memuaskan atau memenuhi target yang telah ditentukan
menurut skala prioritas masing-masing.

2.1.1 Konsep Dasar Program tujuan ganda

Agar memahami dengan baik bidang yang dipelajari, pembaca selalu harus mengerti
istilah-istilah dan lambing-lambang khusus yang digunakan. Berikut ini adalah
definisi dari beberapa istilah dan lambing yang biasa digunakan pada program tujuan
ganda.

Universitas Sumatera Utara

Decision variables: seperangkat variable yang tak diketahui (dalam model program
tujuan ganda dilambangkan dengan , di mana j = 1,2,,n) yang akan dicari
nilainya. (variable keputusan).
Righthand side values (RHS): nilai-nilai yang biasanya menunjukkan ketersediaan
sumberdaya (dilambangkan dengan ) yang akan ditentukan kekurangan atau
kelebihan penggunaannya. (nilai sisi kanan)
Goal: keinginan untuk meminimalkan angka penyimpangan dari suatu nilai RHS pada
suatu kendala tujuan tertentu. (tujuan).
Goal Constrain: yaitu suatu tujuan yang diekspresikan dalam persamaan matematik
dengan memasukkan variable simpangan. (kendala tujuan)
Preemtive Priority Factor: suatu sistem urutan (yang dilambangkan dengan , di
mana = 1,2, , dan K menunjukkan banyaknya tujuan dalam model) yang
memungkinkan tujuan-tujuan disusun secara ordinal dalam model program tujuan
ganda. Sistem urutan menempatkan tujuan-tujuan dalam susunan dengan hubungan
seperti berikut:
1 > 2 >>>
1 merupakan tujuan yang paling penting.
2 merupakan tujuan yang kurang penting dan seterusnya.
Deviational variables: variable-variabel yang menunjukkan kemungkinan
penyimpangan negatif dari suatu nilai RHS kendala tujuan (dalam model program
tujuan ganda dilambangkan dengan , di mana = 1,2, , dan m adalah
banyaknya kendala tujuan dalam model) atai penyimpangan positif dari suatu nilai
RHS (dilambangkan dengan +. Variabel-variabel ini serupa dengan slack variabel
dalam program linear. (variabel simpangan).
Differential weight: timbangan matematika yang diekspresikan dengan angka kardinal
(dilambangkan dengan di mana = 1,2, , ; = 1,2, , ) dan digunakan
untuk membedakan variabel simpangan i di dalam suatu tingkat prioritas k. (Bobot).
Technological coefficient: nilai-nilai numerik (dilambangkan dengan ) yang
menunjukkan penggunaan nilai per unit untuk menciptakan . (koefisien
teknologi).

Program tujuan ganda biasanya digunakan untuk menyelesaikan permasalahan

linear dengan memasukkan berbagai tujuan yang dinyatakan sebagai goal dalam

Universitas Sumatera Utara

formulasi modelnya. Setiap tujuan direpresentasikan secara numerik, Tujuan inilah
yang ingin dicapai. Tetapi, berbagai tujuan tidak selalu dapat dicapai bersamaan ,
penyimpangan (deviasi) dari tujuan dapat terjadi. Maka dalam formulasi program
tujuan ganda, tujuan dalam numerik untuk setiap tujuan harus ditetapkan terlebih
dahulu. Kemudian solusi yang ingin dicapai adalah meminimumkan jumlah
penyimpangan tujuan-tujuan ini terhadap masing-masing tujuannya.

Perbedaan utama antara program linear dan program tujuan ganda terletak
pada struktur fungsi tujuannya. Dalam linear programming funsi tujuannya hanya
mengandung satu tujuan, sedangkan program tujuan ganda satu fungsi tujuan atau
beberapa fungsi tujuan digabungkan dalam sebuah fungsi tujuan. Hal ini dapat
dilakukan dengan mengekspresikan tujuan itu dalam bentuk sebuah kendala,
memasukkan suatu variabel simpangan dalam kendala itu, untuk menggambarkan
seberapa jauh tujuan itu dapat dicapai, dan menggabungkan variabel simpangan dalam
fungsi tujuan. Tujuan dalam program linear dapat maksimalkan atau minimalkan,
sedangkan tujuan dalam program tujuan ganda adalah meminimalkan penyimpangan-
penyimpangan dari tujuan-tujuan tertentu. Berarti semua masalah program tujuan
ganda adalah masalah meminimalkan.

2.1.2 Unsur-Unsur Program tujuan ganda

Setiap program tujuan ganda paling sedikit terdiri dari tiga komponen, yaitu:

1. Fungsi Tujuan
Fungsi tujuan dalam program tujuan ganda umumnya adalah masalah minimisasi
karena dalam program tujuan ganda terdapat variabel deviasi di dalam fungsi tujuan
yang harus diminimumkan. Hal ini merupakan konsekuensi logis dari adanya vaiabel
deviasi dalam fungsi kendala tujuan. Sehingga fungsi tujuan dalam program tujuan
ganda adalah minimisasi penyimpangan atau minimisasi variabel deviasi.
Fungsi tujuan dalam program tujuan ganda ada tiga jenis:
m
a. Minimumkan Z d i d i
i 1

Universitas Sumatera Utara

 Fungsi tujuan di atas gigunakan apabila variabel deviasi dalam suatu
permasalahan tidak dibedakan menurut prioritas atau bobot.

m
b. Minimumkan Z Pk (d i d i ) untuk k 1, 2,..., K
i 1

Fungsi tujuan di atas digunakan apabila urutan dari tujuan diperlukan tetapi
variabel deviasi setiap tingkat prioritas dari tujuan memiliki kepentingan yang
sama.

m
c. Minimumkan Z Wki Pk (d i d i ) untuk k 1, 2,..., K
i 1

Fungsi tujuan di atas digunakan apabila tujuan-tujuan diurutkan berdasarkan

prioritas dan dibedakan dengan diberikan bobot yang berlainan Wki .

2. Kendala Tujuan
Ada enam jenis kendala tujuan yang berlainan. Maksud setiap jenis kendala itu
ditentukan oleh hubungannya dengan fungsi tujuan. Setiap kendala tujuan harus
memiliki satu atau dua variabel simpangan yang ditempatkan pada fungsi tujuan.
Dimungkinkan adanya kendala-kendala yang tidak memiliki variabel simpangan.
Kendala-kendala ini sama seperti kendala persamaan linear.

Tabel 2.1. Jenis-jenis kendala tujuan

Variabel Penggunaan Nilai
Kemungkinan
Kendala Tujuan Simpangan dalam RHS yang
simpangan
fungsi tujuan diinginkan
+ = Negative =
+ = + Positif =
+ + = neg dan pos atau lebih
+ + = neg dan pos atau kurang
+ + = dan + neg dan pos =
+ = +(artf) tidak ada pas =
Sumber: Mulyono, Sri. 1991. Operation Research. Lembaga Penerbit Fakultas
ekonomi Universitas Indonesia, Jakarta.

Universitas Sumatera Utara

 3. Kendala Non-Negatif
Seperti dalam program linear, variabel-variabel model program tujuan ganda biasanya
bernilai lebih besar atau sama dengan nol. Semua model program tujuan ganda terdiri
dari variabel simpangan dan variabel keputusan, sehingga pernyataan non negatif
dilambangkan sebagai:
, , + 0
4. Kendala Stuktural
Selain tiga komponen, program tujuan ganda terkadang juga mengandung kendala
struktural. Kendala struktural yaitu kendala-kendala lingkungan yang tidak
berhubungan langsung dengan tujuan-tujuan dari masalah yang dipelajari. Variabel
simpangan tidak dimasukkan dalam kendala ini, karena itu kendala ini tidak
diikutsertakan dalam fungsi tujuan.

2.1.3 Asumsi Model Program Tujuan Ganda

Sebelum merumuskan model, perlu diketahui bahwa model program tujuan

gandamemerlukan sejumlah asumsi. Jika dalam membuat modeldari suatu masalah
tentu asumsi-asumsi tidak dapat dipenuhi, maka program tujuan ganda bukan
merupakan model yang cocok untuk masalah yang sedang dipelajari. Jadi asumsi
model membatasi penerapan program tujuan ganda.

1. Addivitas dan linearitas

Diasumsikan bahwa proporsi penggunaan yang ditentukan oleh harus
tetap benar tanpa memperhatikan nilai solusi yang dihasilkan. Artinya, LHS
dari kendala tuuan harus sama dengan RHS. Dalam kehidupan sehari-hari,
hubungan sinergistik dapat menyebabkan penyimpangan asumsi ini. Suatu
contoh adalah ketika seseorang ditempatkan dalam suatu lingkungan yang
kompetitif. Prosedur model lain, seperti program stokastik, cocok untuk
memodelkan jenis persoalan ini.
2. Divisibilitas
Diasumsikan bahwa nilai-nilai , , + yang dihasilkan dapat dipecah.
Artinya, kita dapat menyelesaikan jumlah pecahan nilai dan menggunakan

Universitas Sumatera Utara

 jumlah pecah sumber daya dalam situasi itu. Asumsi ini tidak membatasi
penggunaan model program tujuan ganda, karena prosedur solusi program
tujuan yang lain, yaitu program tujuan integer, dapat mencari solusi integer.
3. Terbatas
Diassumsikan bahwa nilai , , + yang dihasilkan terbatas. Artinya, kita
tidak dapat memiliki nilai variabel keputusan, sumber daya, atau
penyimpangan tujuan yang tak terbatas. Segalanya dalam dunia ini terbatas.
4. Kepastian dan periode waktu statis
Diasumsikan bahwa parameter model program tujuan ganda seperti
, , , diketahui dengan pasti dan mereka akan tetap statis selama
periode perencanaan di mana hasil model digunakan.

2.1.4 Perumusan Masalah Program Tujuan

Agar mengerti bagaimana merumuskan suatu masalah program tujuan ganda, perlu
diketahui prosedur perumusan. Kemudian diterapkan prosedur itu pada beberapa
situasi persoalan yang berlainan.
1. Prosedur Perumusan
Perumusan suatu masalah program tujuan ganda sangat mirip deengan
perumusan sebuah masalah program linear. Penjelasan variabel keputusan ,
koefisien , dan nilai sisi kanan , diperlukan baik pada program linear
maupun program tujuan ganda. Langkah-langkah perumusan program tujuan
ganda meliputi beberapa tahap.
a. Tentukan variabel keputusan
Kuncinya adalah menyatakan dengan jelas variabel keputusan yang tak
diketahui. Makin tepat definisi akan makin mudah pekerjaan pemodelan yang
lain.
b. Nyatakan sistem kendala
Kuncinya adalah menentukan nilai-nilai sisi kanan dan kemudian menentukan
koefisien teknologi yang cocok dan variabel keputusan yang diikut sertakan
dalam kendala. Juga perhatikan jenis penyimpangan yang diperbolehkan dari

Universitas Sumatera Utara

 nilai RHS. Jika penyimpangan diperbolehkan dua arah, tempatkan hanya satu
variabel simpangan yang tepat pada kendala yang bersangkutan.
c. Tentukan prioritas utama
Kuncinya adalah membuat urutan tujuan-tujuan. Biasanya urutan tujuan
merupakan pernyataan preferensi individu. Jika persoalannya tidak memiliki
urutan tujuan, lewati langkah ini dan kemudian kelangkah berikutnya.
d. Menentukan bobot
Disini kuncinya adalah membuat urutan didalam suatu tujuan tertentu, jika
tidak diperlukan lewati langkah ini.
e. Nyatakan fungsi tujuan
Pilih variabel simpangan yang benar untuk dimasukkan dalam fungsi tujuan.
Tambahkan prioritas dan bobot yang tepat jika diperlukan.
f. Nyatakan keperluan non-negatif
Langkah ini merupakan bagian resmi dari perumusan program tujuan ganda.

Prosedur formulasi ini merupakan salah satu pendekatan yang

mungkinbermanfaat dalam perumusan model program tujuan ganda.

2. Model Tujuan Tunggal

Program tujuan ganda dan program linear memiliki hubungan. Sebuah
program linear dapat diubah menjadi program tujuan ganda dengan model
tujuan tunggal.
Bentuk umum model tujuan tunggal:
Suatu persamaan linear:

=
=1

Kendala:

atau
=1

0, = 1,2, , , = 1,2, ,

Universitas Sumatera Utara

 Diubah menjadi Program tujuan ganda:
Min + +
Kendala

+ + =
=1

atau
=1

, +, 0, = 1,2, , , = 1,2, ,
3. Model banyak tujuan
Ada 3 jenis model banyak tujuan, yaitu:
a. Tujuan banyak tanpa prioritas.
Bentuk umum:
Min

+ +
=1

Kendala

+ + =
=1

atau
=1

, , + 0, = 1,2, , , = 1,2, ,
b. Tujuan banyak dengan prioritas.
Model umum:
Min

+ +
=1

Kendala

+ + =
=1

atau
=1

Universitas Sumatera Utara

 , , + 0, = 1,2, , , = 1,2, ,

c. Tujuan banyak dengan prioritas dan bobot.

Model umum:
Min

+, + + ,
=1

Kendala

+ + =
=1

atau
=1

, , + 0, = 1,2, , , = 1,2, ,

2.2 Transportasi

Metode transportasi adalah metode yang digunakan untuk mengatur distribusi dari
sumber-sumber yang menyediakan produk yang sama, ke tempat-tempat yang
membutuhkan produk tersebut secara optimal. (Fien Zulkarnaen,2004).

Ciri-ciri khusus metode transportasi

Terdapat sejumlah sumber dan sejumlah tujuan.
1. Jumlah yang didistribusikan dari setiap sumber dan yang diminta oleh
setiap tujuan adalah tertentu.
2. Jumlah yang dikirim atau diangkut dari suatu sumber ke suatu tujuan
sesuai dengan permintaan atau kapasitas sumber. Jumlah permintaan dan
persediaan harus seimbang, dan apabila tidah seimbang maka harus
ditambahkan variabel dummy.
3. Biaya Transportasi dari suatu sumber ke suatu tujuan adalah tertentu.

Universitas Sumatera Utara

 4. Jumlah variabel dasar + 1, di mana m jumlah sumber dan n jumlah
tujuan. Apabila kurang maka harus di tambahkan variabel dasar dengan
nilai nol.

Model matematika untuk transportasi berdasarkan Nasendi dan Affendi (2005):

Minimumkan:

=
=1 =1

Batasan:

= ; = 1,2, ,
=1

= ; = 1,2, ,
=1

Keterangan:
= Variabel pengambil keputusan,produk yang diangkut dari sumber i ke tujuan j.
= Jumlah yang disediakan untuk diangkut (jumlah persediaan) di sumber i.
= Jumlah yang diminta untuk didatangkan (jumlah permintaan) di titik tujuan j.
= Ongkos pengangkutan per unit produk .
m = Jumlah sumber.
n = Jumlah tujuan.

2.3 Himpunan Fuzzy

Dalam kehidupan sehari-hari sering digunakan himpunan tegas, yaitu himpunan yang
terdefinisi secara tegas, dalam arti bahwa untuk setiap elemen dalam semestanya
selalu dapat ditentukan secara tegas apakah merupakan anggota dari himpunan itu
atau tidak. Dengan kata lain, terdapat batas yang tegas antara unsur-unsur yang
merupakan anggota dan unsur-unsur yang tidak merupakan anggota dr suatu

Universitas Sumatera Utara

 himpunan. Tetapi dalam kenyataannya tidak semua himpunan yang ada dalam
kehidupan sehari-hari tidak semua terdefinisi secara tegas.. Misalnya himpunan orang
kaya, mahasiswa pandai, tinggi badan, umur dan sebagainya. Pada himpunan umur,
tidak dapat ditentukan secara tegas apakah seseorang muda, setengah baya atau tua,
tanpa mendefinisikannya. Misalnya variabel umur dibagi menjadi 3 kategori yaitu:
Muda umur < 35 tahun
Setengah baya 35 umur 55 tahun
Tua umur > 55 tahun.

Pemakaian himpunan tegas untuk menyatakan umur sangat tidak adil, karena
adanya perubahan kecil saja sudah mengakibatkan kategori yang cukup signifikan.

Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang

dapat masuk dalam 2 himpunan yang berbeda, misalnya muda dan setengah baya,
setengah baya dan tua, dan sebagainya. Seberapa besar eksistensinya dalam himpunan
tersebut, dapat dilihat pada nilai keanggotaan nya.

muda Setengah baya tua

1

0,5
0,25

0 25 35 40 45 50 55 65
Gambar 2.1 Himpunan fuzzy variabel umur

Pada gambar dapat dilihat bahwa seseorang yangberusia 40 tahun termasuk

dalam himpunan muda dengan muda(40) = 0,25, namun dia juga termasuk dalam
himpunan setengah baya dengan stgahbaya(40) = 0,5. Begitu juga dengan seseorang
yang berumur 50 tahun, termasuk dalam himpunan setengah baya dengan stghbaya(50)
= 0,25, namun dia juga termasuk dalam himpunan tua dengan tua(50) = 0,5.

Universitas Sumatera Utara

2.3.1 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan

pemetaan titik-titik input data ke dalam nilai keanggotaan atau derajat keanggotaan
yang memiliki interval antara 0 sampai 1.

1. Fungsi Keanggotaan Segitiga

Sebuah fungsi anggota himpunan kabur dikatakan fungsi keanggotaan segitiga jika
mempunyai tiga buah parameter, yaitu a1, a2 dan a3 adalah bilangan real dengan

1 < 2 < 3 dinyatakan sebagai berikut:

1 (2 1 ), untuk 1 2
= 3 3 2 , untuk 2 3
0, untuk yang lain

Gambar berikut merupakan gambar bilangan fuzzy dengan fungsi keanggotaan

segitiga

0 1 2 3

Gambar 2.2. Bilangan Fuzzy dengan Fungsi keanggotaan Segitiga

2. Fuzzy Keanggotaan Trapezoidal

Suatu bilangan fuzzy = (1 , , 3 , 4 ) adalah trapezoidal, dinotasikan
(1 , 2 , 3 , 4 ) di mana 1 , 2 , 3 dan 4 adalah bilangan real dan fungsi keanggotaan
() adalah

Universitas Sumatera Utara

 1 (2 1 ), untuk 1 2
1, untuk 2 3
=
4 4 3 , untuk 3 4
0, untuk yang lain

Bilangan fuzzy trapezoidal direpresentasikan oleh 4 bilangan real yaitu

1 , 2 , 3 , 4 di mana (1 < 2 < 3 < 4 ). Lihat Gambar 2.3.

0 1 2 3 4

Gambar 2.3 Bilangan Fuzzy dengan Fungsi keanggotaan Trapezoidal

2.3.2 Permasalahan Fuzzy transportasi

Model transportasi sangat penting bagi perencanaan produksi, parameter-parameter

pada model transportasi adalah biaya, nilai persediaan, dan nilai permintaan. Pada
prakteknya besar biaya, nilai permintaan dan jumlah persediaan pada suatu
transportasi tidak dapat diketahui secara pasti. Apabila hal ini terjadi, maka salah satu
solusinya dapat dicari dengan menggunakan operasi fuzzy.

Pada bagian ini, besarnya biaya ditetapkan secara eksak, sedangkan jumlah
persediaan dan permintaan belim diketahui secara pasti. Ketidakjelasan ini bisa
disebabkan oleh kurangnya informasi atau kebijakan khusus dari suatu perusahaan.
Pada masalah transportasi biasa dengan nilai persediaan dan permintaan yang bernilai
integer akan selalu menghasilkan solusi yang juga bernilai integer. Pada fuzzy integer
transportation problem, dibutuhkan suatu algoritma khusus untuk mendapatkan suatu
nilai integer yang optimal.

Universitas Sumatera Utara

 Formulasi permasalahan fuzzy transportasi adalah sebagai berikut:
Minimumkan:

= = 1 , 2 , 3 , 4 = ( )
=1 =1

Batasan:

; = 1,2, ,
=1

; = 1,2, ,
=1

Keterangan:
= Variabel pengambil keputusan, jumlah produk yang diangkut dari sumber i ke
tujuan j.
= Jumlah yang disediakan untuk diangkut (jumlah persediaan) di sumber i,
berupa bilangan fuzzy.
= Jumlah yang diminta untuk didatangkan (jumlah permintaan) di titik tujuan j,
berupa bilangan fuzzy.
= Ongkos pengangkutan per unit produk
m = Jumlah sumber.
n = Jumlah tujuan.

2.4 Pengenalan Software QM for Windows

Program QM for windows merupakan paket program komputer untuk menyelesaikan

persoalan-persoalan metode kuantitatif, managemet sains atau riset operasi. QM for
windows merupakan gabungan dari program terdahulu DS dan POM for Windows,
jadi jika dibandingkan dengan program POM for Windows, modul-modul yang
tersedia di QM for Windows lebih banyak. Namun ada modul-modul yang hanya

Universitas Sumatera Utara

tersedia di program POM for Windows atau hanya tersedia di program DS for
Windows.

Program-program QM for Windows, DS for Windows dan POM for Windows,

diterbitkan oleh Prentice Hall (www.prentice-hall.com), dan sebagian program
merupakan bawaan dari beberapa buku terbitan Prentice Hall. Tampilan sementara
(splash) setelah program QM for Windows dijalankan tampak pada Gambar 2.1

Gambar 2.4 Tampilan sementara (splash) dari program QM for Windows

Setelah tampilan sementara, akan muncul tampilan seperti Gambar 2.2.

Gambar 2.5 Tampilan Awal QM for Windows

Universitas Sumatera Utara

Gambar 2.6 Pilihan Modul yang tersedia pada QM for Windows

Gambar 2.7 Baris menu (menu bar) sebelum dipilih Modul

Gambar 2.8 Baris Menu (menu bar) setelah dipilih suatu Modul

Gambar 2.9 baris tool (tool bar) sebelum dipilih Modul

Gambar 2.10 Baris Tool (tool bar) setelah dipilih suatu Modul

Universitas Sumatera Utara

 Gambar 2.11 Ruang Instruksi

Gambar 2.8 Baris Utilitas (utility bar)

Universitas Sumatera Utara