Anda di halaman 1dari 55

1

MASALAH TRANSPORTASI
Pendahuluan
Masalah transportasi merupakan kasus khusus dari masalah program-linear dengan
tujuan untuk "mengangkut" barang tunggal dari berbagai asal (origin) ke berbagai tujuan
(destination), dengan biaya angkut serendah mungkin. Banyaknya barang yang tersedia di
berbagai asal dan jumlah barang yang diminta oleh berbagai tempat tujuan tersirat dalan
masalah yang harus ditangani.
Diberikan juga biaya pengangkutan dari satu unit barang yang diangkut dari suatu asal
tertentu sampai ke tempat tujuan tertentu. Harap diingat bahwa semua hubungan adalah linear.
Dilengkapi dengan informasi tentang jumlah kapasitas dari tiap-tiap asal, permintaan
total dari masing-masing tempat tujuan, dan biaya pengiriman per unit barang untuk lintasan
yang dimungkinkan, maka model transportasi digunakan untuk menentukan program
pengiriman optimal yang menghasilkan biaya pengiriman total yang minimum.
Karena masalah transportasi adalah kasus khusus dari masalah program linear, maka
akan selalu dapat diselesaikan dengan metode simpleks. Tetapi "algoritma", yang akan
dikembangkan dalam bagian ini, menyajikan suatu cara yang lebih efisien untuk menangani
masalah tersebut.
2. Analisis Masalah Transportasi
Telah dijelaskan bahwa masalah transportasi adalah suatu kasus khusus dari masalah
perogram linear, maka berarti masalah transportasi akan memiliki ciri-ciri khas yang dimiliki
pula oleh masalah program linear, yaitu:
1) Fungsi obyektif yang linear.
f ( x) c1 x1 c2 x2 c3 x3 cn xn

2) Struktur persyaratan Linear


Setiap masalah program linear memiliki sekumpulan persyaratan linear. Ini adalah:
n m
i 1, 2,, m
a ij x j bi
j 1 i 1 j 1, 2,, n

dengan aij merupakan koefisien struktural yang mencerminkan spesifikasi teknik dari
masalah yang dibahas, dan ia tampil sebagai koefisien dari variabel struktural dalam
persyaratan-persyaratan struktural. Sedangkan bi adalah sekumpulan konstanta yang
menggambarkan kapasitas maksimin atau minimum dari fasilitas-fasilitas yang ada
maupun sumber-sumber yang tersedia. Bentuk persyaratan struktural yang linear
dituliskan secara lengkap sebagai berikut:
2

a11 x1 a12 x2 a1n xn b1

a21 x1 a22 x2 a2 n xn b2


am1 x1 am 2 x2 amn xn bm

3) Persyaratan Tidak Negatif


Variabel struktural, variabel slack, variabel slack buatan dari masalah program linear
terbatas pada nilai-nilai tidak negatif, ditulis;
x j 0 , j = 1, 2, 3, , n.

Si 0 , i = 1, 2, 3, , m.

Ai 0

Khususnya, masalah program linear dapat susut menjadi masalah "transportasi" jika:
(1) koefisien dari variabel struktural, yaitu terbatas pada nilai-nilai 0 atau 1.
(2) terdapat adanya kehomogenan antara unit-unit dalan persyaratan.
Untuk memberikan gambaran yang jelas tentang model transportasi akan kita tampilkan
sebuah contoh masalah.
Contoh 1:
Sebuah perusahaan memiliki tiga pabrik di tiga kota yang berlainan, dan ketiga-tiganya
menghasilkan barang yang sama. Hasil produksi dari 3 pabrik ini diserap oleh empat
toko penjualan. Tiga pabrik kita tandai dengan O1 , O2 , dan O3 dan toko sebagai
pelanggan ditandai dengan D1 , D2 , D3 , dan D4 .

Data relevan tentang kapasitas pabrik maupun permintaan pelanggan dan biaya
pengiriman untuk tiap-tiap rute, tercantun pada tabel berikut.
Sebagai tercantun pada tabel maka rnatriks dari masalah transpotasi memiliki 3 baris
dan 4 kolom sehingga tidak merupakan matriks buj sangkar. Ini memberikan kesan bahwa
dalam masalah transportasi, suatu asal tertentu dapat secara simultan mengirimkan barang
kepada lebih dari satu tempat tujuan.

Tabel 1
3

cij = biaya pengangkutan satu unit barang dari asal i ke tujuan j.


xij = banyak unit barang yang diangkut dari asal i ke tujuan j.

Misalkan b i = d j

Harap diperhatikan bahwa subskrip pertama di setiap simbol menunjukkan asal tertentu
dan subskrip kedua menunjukkan tujuan tertentu. Misalnya c12 adalah biaya pengangkutan 1
unit barang dari O1 ke D2 , dan variabel x24 ialah banyaknya unit barang yang diangkut
dari O2 ke D4 .

Kapasitas tempat asal (origin) dan permintaan tempat tujuan diberikan di tepi tabel dan
lazimnya disebut "rim requirement" atau "persyaratan samping"
Masalah yang kita hadapi ialah memiliki siasat pengiriman (pengangkutan) yang akan
memenuhi persyaratan samping dengan biaya total yang minimun.

Analisis Masalah
Masalah transportasi, seperti halnya masalah program linear, terdiri atas, tiga kamponen:
Pertama, kita dapat merumuskan suatu fungsi obyektif yang linear, yang harus
ditentukan nilai minimumnya. Fungsi ini akan mewakili biaya total pengiriman dari semua
barang yang harus dikirim dari tempat-tempat asal ke tempat-tempat tujuan.
Kedua, kita dapat menulis sekumpulan persyaratan struktural yang linear. Masalah ini
memiliki tujuh persyaratan, tiga di antaranya (satu untuk setiap baris) memberikan hubungan
antara kapasitas-kapasitas tempat asal dan barang-barang yang harus diterima oleh berbagai
tempat tujuan. Ini disebut "persyaratan kapasitas". Empat persyaratan lainnya (satu untuk
setiap kolom) menunjukkan hubungan antara permintaan berbagai tempat tujuan dan barang-
barang yang akan dikirim oleh berbagai tempat asal. Ini disebut "persyaratan permintaan".
4

Ketiga, kita dapat menentukan persyaratan tidak negatif untuk variabel-variabel


struktural xij . Pernyataan ini menandakan bahwa pengiriman negatif tidak dapat dibenarkan.

Ketiga komponen dari masalah transportasi ditampilkan sebagai berikut.


Minimunkan:
f ( x ) c11 x11 c12 x12 c13 x13 c14 x14 c21 x21 c22 x22 c23 x23 c24 x24
c31 x31 c32 x32 c33 x33 c34 x34
Syarat:

Secara mudah dan sederhana, masalah ini dapat diselesaikan dengan "Model
Transportasi". Sebelum kita uraikan metode transporasi, marilah kita bahas beberapa
karakteristik tertentu dari masalah transportasi beserta penyelesaiannya.
Melihat kenyataan akan harus dipenuhinya pernyataan-pernyataan bahwa jumlah
kapasitas tempat asal harus sama dengan jumlah permintaan, ditulis:
3 4

bi d j
i 1 j 1

maka setiap penyelesaian yang menenuhi enam dari tujuh persyaratan dengan sendirinya akan
memenuhi persyaratan terakhir.
Karena itu, jika m adalah jumlah baris dan n adalah jumlah kolom dalam suatu masalah
transportasi, kita dapat menyatakan masalah secara lengkap dengan m + n 1 persamaan. Ini
berarti bahwa suatu penyelesaian dasar yang memenuhi persyaratan dari suatu masalah
transportasi hanya memiliki m + n 1 komponen-komponen positif.

3. Metode Penyelesaian Masalah Transportasi


Jika persyaratan jumlah kapasitas tempat asal dan jumlah permintaan tempat tujuan
dipenuhi, maka akan selalu mungkin untuk menyusun suatu solusi dasar yang awal dan
mamenuhi persyaratan sedemikian rupa hingga semua persyaratan tepi (RIM) dipenuhi. Ini
dapat dilakukan dengan metode-metode yang telah disiapkan untuk keperluan tersebut, yaitu:
(1) aturan NWC (North West Corner)
(2) metode pendekatan VOGEL
5

(3) metode INSPEKSI


(4) metode Steppingstone
(5) metode MODI
Pendekatan Metode Transportasi
Metode transportasi terdiri atas tiga langkah dasar.
Langkah pertama, melibatkan penentuan pengiriman awal, sedamikian rupa sehingga
diperoleh solusi dasar yang menenuhi syarat. Ini berarti bahwa (m + n 1) sel atau rute dari
matriks transformasi digunakan untuk tujuan pengangkutan. Sel yang digunakan untuk
pengangkutan disebut "sel yang ditempati", sedang sel lainnya dari matriks transportasi akan
disebut "sel kosong".
Langkah kedua, bertujuan menentukan biaya "kesempatan" (opportunity) yang berkaitan
dengan sel kosong. Biaya "kesempatan" dari sel kosong dapat dihitung untuk tiap-tiap sel
kosong tersendiri, atau dihitung untuk semua sel kosong secara keseluruhan. Jika biaya
"kesempatan dari senua sel kosong tidak positif. maka solusi optimal telah diperoleh. Di lain
pihak, jika hanya satu sel saja memiliki biaya kesampatan "bernilai positif", solusi pasti belum
optimal dan kita harus melangkah ke langkah tiga.
Langkah tiga, melibatkan penentuan solusi dasar yang memenuhi syarat, baru dan lebih baik.
Sekali solusi dasar yang baru dan mamenuhi syarat telah dicapai, kita ulangi langkah 2 dan
langkah 3 sampai suatu solusi optimal telah ditentukan.
Langkah Pertama Metode Transportasi
Langkah pertama dalam metode transportasi terdiri atas penentuan penempatan awal
dari program pengangkutan ini, sedemikian rupa sehingga tercapai suatu solusi dasar yang
memenuhi syarat (jumlah sel yang terisi m + n 1). Tersedia berbagai metode untuk menen-
tukan program awal tersebut. Akan kita bicarakan lima metode dalam penanganan langkah
pertama dalam masalah transportasi.
(1) Aturan NWC (North West Corner)
Sesuai nama aturan ini, maka penempatan pertama dilakukan di sel paling kiri dan
paling atas (northwest) dari matriks.
Besar alokasi ini akan mencukupi salah satu, kapasitas tempat asal dari baris pertama
atau permintaan tempat tujuan dari kolom pertama atau kedua-duanya. Jika kapasitas dari
tempat asal di baris pertama terpenuhi kita bergerak ke bawah menyusur kolom pertama dan
menentukan lain yang akan mencukupi atau kapasitas tempat asal dari baris kedua atau
mencukupi tujuan yang masih kurang dari kolom pertama.
Di lain pihak, jika alokasi pertama memenuhi permintaan tempat tujuan di kolom
pertama, kita bergerak ke kanan di baris pertama dan kemudian menentukan alokasi kedua
yang atau memenuhi kapasitas tersisa dari baris satu atau memenuhi permintaan tujuan dari
kolom 2, seterusnya. Dengan cara ini, dimulai dari sudut paling kiri dan paling atas dari
matriks transportasi, memenuhi permintaan tujuan dan kapasitas tempat asal sekaligus, kita
bergerak ke sel sebelah kanan yang lebih rendah sehingga tercapai persyaratan "RIM",
6

Harap diperhatikan bahwa jika kita ikuti aturan NWC, kita tidak menaruh perhatian
terhadap biaya relevan dari tiap-tiap rute waktu kita menentukan program awal.
Untuk dapat menghayati penggunaan aturan NWC kita berikan matriks transportasi
yang tertera di Tabel 2.
Tabel 2

D E ST I NAT I O N KAPASITAS ORIGIN


ORIGIN D3 D5
PER PERODE
D1 D2 D4
WAKTU
12 4 9 5 9
O1 55
8 1 6 6 7
O2 45

O3 1 12 4 7 7
30
10 15 6 9 1
O4 50
PERMINTAAN
TUJUAN PER
40 20 50 30 40 180 180
PERODE
WAKTU

Penggunaan aturan NWC mengharuskan kita mengisi sel O1 D1 , yang terletak di sudut
kiri atas. Alokasi ditetapkan x11 = 40 untuk memenuhi permintaan tujuan yang ternyata lebih
kecil dari kapasitas O1 . Ini berarti bahwa permintaan tujuan D1 = 40 dipenuhi, tetapi O1
masih memiliki (55-40) = 15 unit kapasitas yang belum disalurkan.
7

Tabel 3

D E ST I NAT I O N KAPASITAS ORIGIN


ORIGIN D3 D5
PER PERODE
D1 D2 D4
WAKTU
12 4 9 5 9
O1 55
40 15
8 1 6 6 7
O2 45
5 40
O3 1 12 4 7 7
30
10 20
10 15 6 9 1
O4 50
10 40
PERMINTAAN
TUJUAN PER
40 20 50 30 40 180 180
PERODE
WAKTU
Maka kita bergerak kekanan ke O1 D2 di baris pertama. Kita ketahui bahwa 15 unit
dari kapasitas O1 , belum terpakai, maka 15 unit kita kirimkan seluruhnya ke D2 , sehingga
sel O1 D2 diisi 15 unit. Kapasitas O1 habis terangkut, tetapi kolom D2 masih
memerlukan 5 unit (20-15) untuk memenuhi kebutuhannya. Kita bergerak ke bawah
menyusur kolom D2 dan melengkapi 5 unit ini dari kapasitas O2 , dan letakkan 5 unit di
O2 D2 .

Ini mengakibatkan 40 unit dari kapasitas O2 yang belum terpakai dan kita bergerak ke
D3 , dan letakkan 40 di sel O2 D3 . Permintaan 10 unit (50-10) untuk D3 dipenuhi dari O3 ,

letakknn 10 unit di sel O3 D3 . Kapasitas O3 masih tersisa 30-10 = 20 unit dan ini diangkut
ke D4 , letakkan 20 unit di sel O3 D4 . Keperluan D4 masih kurang 10 unit dan ini diambil
dari kapasitas O4 . Kapasitas O4 masih tersisa 50-10 = 10 unit dan ini diletakkan di sel O4
D5 .

Program awal sudah selesai ditentukan, tetapi kita masih perlu menguji apakah
memenuhi persyaratan bahwa m + n 1 sel harus terisi.
m+n1=4+51=8
Dari Tabel 3 terlihat bahwa ada 8 sel yang terisi, maka solusi tidak "merosot". Biaya
total dari penmpatan ini adalah
40(12) + 15(4) + 5(1) + 40(6) + 10(4) + 20(7) + 10(9) + 40(1) = 1095
Sebuah solusi dasar yang memenuhi syarat dan tidak merosot telah diperoleh dengan biaya
transportasi sejumlah $1095,-
8

Tetapi biaya ini belum tentu optimal, dan untuk menentukan biaya optimal diperlukan
langkah dua yang masih harus dipelajari.
(2) METODE VAM (Vogel Approximation METHOD)
Metode ini didasarkan atas suatu "beda kolom" dan suatu "beda baris yang menentukan
beda antara dua ongkos termurah dalam satu kolom atau satu baris.
Setiap "beda" dapat dianggap sebagai "penalti" karena tidak menggunakan rute
termurah. Setelah dilakukan perhitungan penalti sesuai metode VAM, ditentukan penalti
tertinggi. Baris atau kolom berkaitan dengan "penalti tertinggi" merupakan baris atau kolom
yang akan diberi alokasi pertama.
Alokasi pertama ditempatkan pada sel dengan biaya termurah yang terdapat di baris
atau kolom yang berkaitan dengan "penalti tertinggi".
Alokasi pertama ini atau menghabiskan kapasitas tempat asal atau menghabiskan
permintaan tujuan, atau kedua-duanya. Baris atau kolom khusus yang telah dipenuhi
keperluannya, dihapus dari matriks transportasi. Proses ini diulang-ulang hingga diperoleh
program awal yang menggunakan m + n 1 route.
Metode ini memiliki sifat yang merugikan karena banyaknya perhitungan-perhitungan
yang harus dilakukan, sebelum dicapai suatu solusi dasar yang memenuhi syarat. Walaupun
demikian, penggunaan VAM menghasilkan biaya pengangkutan yang jauh lebih murah dari
apa yang diperoleh dengan metode NWC.
Untuk memberikan penjelasan lebih lanjut tentang metode VAM akan kita gunakan tabel
yang sama, yaitu Tabel 2 yang telah digunakan untuk uraian terhadap metode NWC.

Tabel 4

D E ST I NAT I O N
ORIGIN D3 D5
Beda Kolom
D1 D2 D4
12 4 9 5 9
O1 1
8 1 6 6 7
O2 5

O3 1 12 4 7 7
3
10 15 6 9 1
O4 5

Beda Baris 7 3 2 1 6
9

Tabel 5

D E ST I NAT I O N KAPASITAS ORIGIN


ORIGIN D3 D5
PER PERODE
D1 D2 D4
WAKTU
12 4 9 5 9
O1 55
8 1 6 6 7
O2 45

O3 1 12 4 7 7
30 0
30
10 15 6 9 1
O4 50
PERMINTAAN
TUJUAN PER
40 10 20 50 30 40
PERODE
WAKTU

Tabel 6

D E ST I NAT I O N
ORIGIN D3 D5
Beda Kolom
D1 D2 D4
12 4 9 5 9
O1 1
8 1 6 6 7
O2 5
10 15 6 9 1
O4 5

Beda Baris 2 3 0 1 6

Tabel 7

D E ST I NAT I O N KAPASITAS ORIGIN


ORIGIN D3 D5
PER PERODE
D1 D2 D4
WAKTU
12 4 9 5 9
O1 55
8 1 6 6 7
O2 45
10 15 6 9 1
O4 50 10
40
PERMINTAAN
TUJUAN PER
10 20 50 30 40 0
PERODE
WAKTU
10

Tabel 8

D E ST I NAT I O N
ORIGIN D3
Beda Kolom
D1 D2 D4
12 4 9 5
O1 1
8 1 6 6
O2 5
10 15 6 9
O4 3

Beda Baris 2 3 0 1

Tabel 9

D E ST I NAT I O N KAPASITAS ORIGIN


ORIGIN D3
PER PERODE
D1 D2 D4
WAKTU
12 4 9 5
O1 55
8 1 6 6
O2 45 25
20
10 15 6 9
O4 10
PERMINTAAN
TUJUAN PER
10 20 0 50 30
PERODE
WAKTU

Tabel 10

D E S T I NAT I O N
ORIGIN D3
Beda Kolom
D1 D4
12 9 5
O1 4
8 6 6
O2 0
10 6 9
O4 3

Beda Baris 2 0 1
11

Tabel 11

D E S T I NAT I O N KAPASITAS ORIGIN


ORIGIN D3
PER PERODE
D1 D4
WAKTU
12 9 5
O1 55 25
30
8 6 6
O2 25
10 6 9
O4 10
PERMINTAAN
TUJUAN PER
10 50 30 0
PERODE
WAKTU

Tabel 12

DESTINATION
ORIGIN D3
Beda Kolom
D1
12 9
O1 3
8 6
O2 2
10 6
O4 4

Beda Baris 2 0

Tabel 13

DESTINATION KAPASITAS ORIGIN


ORIGIN D3
PER PERODE
D1
WAKTU
12 9
O1 25
8 6
O2 25
10 6
O4 10 0
10
PERMINTAAN
TUJUAN PER
10 50 40
PERODE
WAKTU
12

Tabel 14

DESTINATION
ORIGIN D3
Beda Kolom
D1
12 9
O1 3
8 6
O2 2

Beda Baris 4 3

Tabel 15

DESTINATION KAPASITAS ORIGIN


ORIGIN D3
PER PERODE
D1
WAKTU
12 9
O1 25
8 6
O2 25 15
10
PERMINTAAN
TUJUAN PER
10 0 40
PERODE
WAKTU

Tabel 16

KAPASITAS ORIGIN
ORIGIN D3 PER PERODE
WAKTU
9
O1 25
25
6
O2 15
15
PERMINTAAN
TUJUAN PER
40
PERODE
WAKTU
13

Tabel 17
D E ST I NAT I O N KAPASITAS ORIGIN PER
ORIGIN D3 D5 PERODE WAKTU
D1 D2 D4
12 4 9 5 9
O1 55
25 30
8 1 6 6 7
O2 45
10 20 15
O3 1 12 4 7 7
30
30
10 15 6 9 1
O4 50
10 40
PERMINTAAN
TUJUAN PER 40 20 50 30 40 180 180
PERODE WAKTU
Jumlah sel yang terisi m + n l = 4 + 5 1 = 8.
Dari tabel di atas terlihat bahwa kita peroleh 8 sel yang terisi. Ini berarti bahwa solusi awal
adalah solusi dasar yang memenuhi syarat, dan masalahnya tidak merosot.
Biaya total = 9(25) + 5(30) + 8(10) + 1(20) + 6(15) + 1(30) + 6(10) + 1 (40) = $ 695
Jelas terlihat bahwa biaya total yang diperoleh dengan metode VAM jauh lebih rendah
daripada yang diperoleh dengan metode NWC.

(3) Metode Inspeksi ( c ij Terkecil)


Dalam penyelesaian masalah transportasi, tanpa ragu-ragu kita perlukan inspeksi dan
pertimbangan. Untuk masalah transportasi berdimensi kecil hal ini akan memberikan
pengurangan terhadap waktu.
Alokasi pertama dibuat terhadap sel yang berkaitan dengan biaya pengangkutan
terendah. Sel dengan ongkos terendah ini diisi sebanyak mungkin dengan mengingat
persyaratan kapasitas origin maupun permintaan tempat tujuan. Kemudian kita beralih ke sel
termurah berikutnya dan mengadakan alokasi dengan meraperhatikan kapasitas yang tersisa
dan permintaan baris dan kolomnya.
Jika terdapat adanya "ikatan" antara sel-sel termurah, kita dapat mematahkan ikatan
tersebut, atau memilih sebarang sel untuk diisi. Banyaknya sel yang terisi harus sedemikian
hingga diperoleh m+n-1 sel yang terisi.
Secara sebarang kita pilih sel O3 D1 untuk diisi dengan 30 unit. Ini berarti bahwa
kapasitas O3 telah diangkut seluruhnya, dan baris O3 dapat dihapus dari matriks transportasi..
Untuk alokasi kedua kita lihat adanya keterkaitan antara sel O2 D2 dan sel O4 D5 . Kita
pilih sebarang dan O4 D5 kita isi dengan 40 unit, ini sepenuhnya mencukupi permintaan
D5 , hingga kolom D5 dapat dicoret.
14

Untuk alokasi ketiga, kita mencatat bahwa sel O2 D2 adalah sel termurah, dan kita
berii alokasi 20 unit, sehingga kolom D2 dapat dihapus. Dari sel yang masih tersisa, sel O1
D4 merupakan sel termurah dan diberi alokasi 30 unit sehingga kolom D4 dapat dihapus,
kemudian kita perhatikan adanya "keterikatan" antara sel O2 D3 dan sel O4 D3 , untuk
alokasi kelima. Secara sebarang kita pilih O4 D3 dan kita isi dengan 10 unit, dan baris O4
dapat dihapus. Kemudian sel O2 D3 adalah sel termurah dan kita alokasikan dengan 25
unit, kemudian baris O2 dicoret. Masih tersisa 25 unit di O1 sedangkan D1 dan D2 masih
memerlukan 10 dan 15 unit masing-masing. Maka kita angkut 10 unit melalui O1 D1 dan 15
unit melalui O1 D3 . Semua persyaratan "RIM" telah dipenuhi sekarang dan kita peroleh
penentuan awal disajikan pada tabel di atas. Banyaknya sel yang terisi ada 8, adalah m n 1
= 4+5-1 = 8. Biaya total $705.

Tabel 18
D E ST I NAT I O N KAPASITAS ORIGIN
ORIGIN D3 D5
PER PERODE
D1 D2 D4
WAKTU
12 4 9 5 9 55 25 0
O1
10 15 30
8 1 6 6 7 45 25 0
O2
20 25 ke-6
O3 1 12 4 7 7 30 0
30 ke-1
10 15 6 9 1 50 10 0
O4
10 40 ke-5
PERMINTAAN 40 20 50 30 40
TUJUAN PER 10 0 40 0 0
PERODE 0 15
WAKTU 0
ke-8 ke-3 ke-7 ke-4 ke-2
Biaya total ini hendaknya Anda bandingkan dengan biaya total yang dicapai dengan
menggunakan metode NWC ($ 1905) dan metode VAM ($ 695).
Akan kita rangkuro kerabali bahwa pendekatan metode transportaai didasarkan atas tiga
langkah:
(1) menentukan "program awal" untuk mencapai solusi dasar yang memenuhi syarat.
(2) menentukan biaya kesempatan" dari setiap sel kosong.
(3) memperbaiki program yang sedang berjalan untuk memperoleh program yang lebih baik,
hingga akhirnya mencapai solusi optimal.
Aplikasi dari langkah (2) dan (3) akan kami uraikan di pembahasan berikutnya. Terdapat
adanya dua metode untuk mengembangkan langkah (2) dan (3). Satu disebut metode
steppingstone sedang satunya disebut metode Modified-Distribution.
15

(4) Metode Steppingstone


Untuk memberikan gambaran yang jelas tentang metode Steppingstone pertama-tama
akan kita selesaikan suatu masalah transportasi yang sangat sederhana. Kemudian cara ini
digunakan untuk menurunkan solusi optimal dari suatu masalah yang lebih kompleks. Tujuan
penyelesaian masalah sederhana berikut ini ialah untuk mambiasakan pembaca dengan istilah
dan dasar pemikiran yang terkandung dalam metode Steppingstone.
Tabel 19
DESTINATION
ORIGIN Persediaan
D1 D2
2 2
O1 1000
1 2
O2 600

Permintaan 900 700


Tabel 20
DESTINATION
ORIGIN Persediaan
D1 D2
2 2
O1 1000
900 100
1 2
O2 600
600
Permintaan 900 700

Mengikuti aturan NWC, kita peroleh program awal sebagai tertera pada Tabel 20.
Program awal ini tidak merosot karena memiliki sel terisi sejunlah m+n-1 = 2+2-1 = 3.
Progran awal ini juga telah menenuhi semua persyaratan "RIM".
Menentukan opportunity cost dari sel kosong
Apakah progran awal yang diperoleh seperti Tabel 20 sudah optimal? Untuk menjawab
pertanyaan ini, kita harus melakukan langkah dua, yaitu menentukan opportunity cost atau
biaya kesempatan dari sel kosong.
Sebagai kita maklumi, model transportasi melibatkan pengambilan keputusan dengan
kepastian, maka kita sadari bahwa suatu solusi optimal tidak akan menimbulkan suatu biaya
kesempatan yang positif. Maka untuk menentukan apakah terdapat adanya suatu biaya
kesempatan yang bernilai positif dalam suatu program, kita harus menyelidiki setiap sel
kosong (sel yang tidak ikut dalam jalur pengangkutan). Jika semua sel kosong telah memiliki
opportunity cost yang tidak positif, maka progran telah optimal.
Sebaliknya jika satu sel kosong saja maniliki biaya kesempatan yang positif, maka
program belum optimal hingga perlu diperbaiki.
16

Marilah kita lakukan pengujian terhadap progran yang kita peroleh sebagai berikut.
Tabel 21
DESTINATION
ORIGIN
D1 D2
2 2
O1
-1 +1
O2 1 2
+1 -1
Ambillah 1 unit dari O2 D2 : 1
Tambahkan 1 unit ke O2 D1 : +1
Ambillah 1 unit dari O1 D1 : 1
Tambahkan 1 unit ke O1 D2 : +1
Dalam program ini jelas bahwa sel O2 D1 kosong, dan kita ingin menentukan apakah
ada biaya kesempatan berkaitan dengan sel ini. Ini dilakukan dengan memindahkan 1 unit
barang ke sel O2 D1 , yang mengakibatkan penggeseran lainnya untuk memenuhi
persyaratan RIM, kemudian kita tentukan biaya berkaitan dengan penindahan ini.
Marilah kita geser 1 unit dari sel O2 D2 ke sel O2 D1 . Penggeseran ini
mengakibatkan perubahan-perubahan untuk mempertahankan persyaratan RIM. Perubahan-
perubahan ini berkaitan dengan biaya berikut ini
2 + 1 2 + 2 = 1 dollar
Kenyataan bahwa pemindahan 1 unit ke sel O2 D1 menghasilkan perubahan biaya -1
dollar, menunjukkan bahwa opportunity cost karena tidak mengikut-sertakan sel O2 D1 di
program pertama adalah +1 dollar per unit pengiriman. Sel kosong O2 D1 harus diikut-
sertakan dalam program baru yang diperbaiki .
Memperbaiki Program
Tabel 22: Program pertama

DESTINATION
ORIGIN
D1 D2
2 2
O1 +
900 100

1
O2 + 2
17

600

Tabel 23: Program Perbaikan dengan 1 Pemindahan

DESTINATION
ORIGIN
D1 D2
2 2
O1 899 101

1 2
O2 1 599

Menyadari bahwa opportunity cost dari sel O2 D1 adalah positif, maka program ini
harus diperbaiki untuk memperoleh solusi dasar baru yang manenuhi syarat. Ini dilakukan
dengan merancang program perbaikan di mana sel O2 D1 diikutsertakan dalam strategi
pengangkutan. Marilah kita adakan peningkatan dengan mengangkut 1 unit dari sel O2 D2
ke sel O2 D1 .

Program yang telah diperbaiki terlihat pada tabel program perbaikan. Pergeseran 1 unit
dari sel O2 D2 ke sel O2 D1 berarti bahwa tersisa 599 unit di sel O2 D2 , tetapi
pergeseran apapun yang dilakukan tetap tidak boleh melanggar persyaratan RIM. Setelah
pergeseran maka sel O2 D1 terisi 1 unit dan sel O2 D2 hanya berisi 599 unit. Untuk
manenuhi persyaratan RIM, maka dari sel O1 D1 digeser 1 unit ke sel O1 D2 , sehingga
dalam program perbaikan menunjukkan bahwa sel O1 D1 berisi 899 unit dan sel O1 D2
berisi 101 unit.

Perubahan dalam program yang dipengaruhi oleh pergeseran 1 unit ke sel O2 D1 '
menurunkan biaya pengangkutan sebanyak $1. Selanjutnya, karena pergeseran 1 unit dari sel
O2 D2 ke O2 D1 memberikan keuntungan $1, kita harus menggeser sebanyak mungkin

unit dari sel O2 D2 ke O2 D1 .

Mengamati data yang ada, kita tidak dapat menggeser lebih dari 600 unit ke O2 D1
tanpa melanggar persyaratan RIM.

Tabel 24

DESTINATION
ORIGIN Persediaan
D1 D2
2 2
O1 1000
300 700
18

1 2
O2 600
600
Permintaan 900 700

Pergeseran 600 unit ke O2 D1 menghasilkan Tabel 24, yang merupakan solusi dasar yang
lebih baik. Apakah program ini sudah optimal? Untuk mengetahui jawaban atas pertanyaan
ini harus kita selidiki opportunity cost dari sel kosong O2 D2 .

Pergeseran 1 unit ke sel O2 D2 dengan pengambilan dari O1 D2 mengakibatkan


perubahan ongkos sebesar
+2 1+2 2 = +1

Opportunity cost karena tidak melewatkan melalui sel O2 D2 adalah 1. Maka Tabel
24 adalah optimal dengan biaya pengangkutan
300(2) + 700(2) + 600(1) = $ 2600.-
Tidak ada program lain kecuali program Tabel 24 dapat memberikan biaya pengangkutan
lebih murah dari program ini.

Marilah kita rekapitulasi kembali metode penyelesaian masalah transportasi.


Pertama : kita susun suatu solusi dasar yang memenuhi syarat dengan menerapkan salah satu
metode dalam langkah satu, yaitu NWC, VAM, atau Inspeksi.
Kedua : setelah memperoleh solusi dasar yang memenuhi syarat, kita melangkah untuk
menentukan opportunity cost dari sel-sel kosong.
Ketiga : kalau tidak ada sel kosong satu pun yang memiliki opportunity cost positif, maka
program sudah optimal. Kalau masih ada sel kosong yang memiliki opportunity
cost yang positif, program belum optimal, dan perbaikan harus diadakan dengan
mengikut-sertakan sel kosong dengan opportunity cost tertinggi ke dalam program
perbaikan.

Prosedur yang diuraikan di atas merupakan inti dari Metode Steppingstone. Walaupun
masalah transportasi yang telah kita selesaikan diwakili hanya oleh sebuah matriks 22,
Metode Steppingstone dapat digunakan untuk setiap matriks berukuran mn.

Andaikan kita harus menangani masalah transportasi berukuran 45, berarti memiliki 20
sel. Untuk program awal yang memenuhi syarat, akan dijumpai 8 sel terisi, sedang 12 sel
lainnya kosong. Jika program awal perlu diperbaiki, kita perbaiki program dengan mengikut
sertakan sel kosong yang memiliki biaya kesempatan tertinggi, hanya satu sel diikutsertakan
dalam program baru, setiap kali program harus diperbaiki.
19

Untuk memperoleh gambaran yang lebih jelas tentang metode steppingstone akan kita
tunjukkan penerapannya pada suatu masalah yang lebih besar.

Langkah 1: Mempeholeh Solusi Awal yang Memenuhi Syarat


Suatu solusi awal yang memenuhi syarat untuk suatu masalah transportasi dapat
diperoleh dengan menggunakan aturan NWC, metode VAM atau metode Inspeksi yang
sederhana.
Akan kita tampilkan kembali suatu masalah transportasi yang telah Anda kerjakan di
bagian awal, sehingga Anda telah mengenal tabelnya yang diberikan berikut ketiga program
awal yang diperoleh dengan metode NWC, metode VAM maupun metode Inspeksi.
Kita gunakan masalah yang memiliki data sebagai tertera pada Tabel 2. Di antara tiga
program awal yang telah diperoleh kita pilih program awal yang diperoleh metode Inspeksi.
Tabel 25
D E ST I NAT I O N
ORIGIN D3 D5
KAPASITAS
D1 D2 D4
12 4 9 5 9
O1 55
10 15 30
8 1 6 6 7
O2 45
20 25
O3 1 12 4 7 7
30
30
10 15 6 9 1
O4 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Bermula dari Tabel 25 ini ingin kita peroleh solusi optimal dengan menggunakan
steppingstone. Jumlah sel isi seharusnya ada m+n-1 = 4+5-1 = 8. Memang ada 8 sel terisi isi,
berarti solusi awal tersebut memenuhi persyaratan.

Langkah 2: Menentukan Opportunity Cost dari Sel-sel Kosong.


Dalam metode steppingstone sebuah Loop tertutup dilengkapi dengan tanda + dan
harus ditentukan untuk setiap sel kosong sebelum opportunity cost bersangkutan dihitung.
Program awal kita memiliki 12 sel kosong, maka harus digambar 12 loop tertutup yang
berbeda
Opportunity cost berkaitan dengan setiap sel kosong dihitung, dan hasilnya tertera pada
Tabel 26.
20

Ternyata sel O2 D1 merupakan satu-satunya sel kosong dengan opportunity cost positif.
Maka sel O2 D1 harus diikut sertakan dalam program perbaikan.

Langkah 3: Memperbaiki suatu Program

Program awal belum optimal karena masih memiliki sel kosong O2 D1 yang memiliki
opportunity cost bernilai positif. Sekarang kita perbaiki program dengan mengikut sertakan
O2 D1 dalam program baru. Tidak diperlukan adanya pemilihan karena sel O2 D1 adalah
satu-satunya sel dengan opportunity cost bernilai positif. Perbaikan program awal diarahkan
oleh loop tertutup dari sel kosong. Karena 10 adalah bilangan terkecil dalam sel bertanda
negatif dalam loop, maka sebanyak 10 unit ditambahkan pada sel bertanda positif dan
dikurangkan dari sel bertanda negatif.

Sel Opportunity
Loop Tertutup Perubahan Biaya Cost
Tindakan
Kosong
O1 D2 O1 D2 O1 D3 O2 D3 O2 D2 +4-9+6-1= 0 0 Tak berpengaruh

O1 D5 O1 D5 O4 D5 O4 D3 O1 D3 +9-1+6-9=+5 -5 Tak ikut dalam perbaikan

O2 D1 O2 D1 O1 D1 O1 D3 O2 D3 +8-12+9-6=-1 +1 Hrs ikut dalam perbaikan

O2 D4 O2 D4 O1 D4 O1 D3 O2 D3 +6-5+9-6=+4 -4 Tak berpengaruh

O2 D5 O2 D5 O2 D3 O4 D3 O4 D5 +7-6+6-1=+6 -6 Tak berpengaruh

O3 D2 O3 D2 O3 D1 O1 D1 O1 D3 O2 D3 +12-1+12-9+6-1=+19
O2 D2 -19 Tak berpengaruh

O3 D3 O3 D3 O1 D3 O1 D1 O3 D1 +4-9+12-1=+6 -6 Tak berpengaruh

O3 D4 O3 D4 O1 D4 O1 D1 O3 D1 +7-5+12-1=+13 -13 Tak berpengaruh

O3 D5 O3 D5 O4 D5 O4 D3 O1 D3 O1 D1+7-1+6-9+12-1=+14
O3 D1 -14 Tak berpengaruh

O4 D1 O4 D1 O1 D1 O1 D3 O4 D3 +10-12+9-6=+1 -1 Tak berpengaruh

O4 D2 O4 D2 O2 D2 O2 D3 O4 D3 +15-1+6-6=+14 -14 Tak berpengaruh

O4 D4 O4 D4 O4 D3 O1 D3 O1 D4 +9-6+9-5=+7 -7 Tak berpengaruh


21

Tabel 26
Program Awal
D E ST I NAT I O N
ORIGIN D3 D5
KAPASITAS
D1 D2 D4
12 4 9 5 9
O1
30
55
10 15
+

8 1 6 6 7
O2
20
45
25
+
O3 1 12 4 7 7
30
30
10 15 6 9 1
O4 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Tabel 27
Program Perbaikan
D E ST I NAT I O N
ORIGIN D3 D5
KAPASITAS
D1 D2 D4
12 4 9 5 9
O1 55
25 30
8 1 6 6 7
O2 45
10 20 15
O3 1 12 4 7 7
30
30
10 15 6 9 1
O4 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Pertanyaan berikutnya: Apakah program perbaikan merupakan soluai optimal? Untuk


menjawab pertanyaan ini kita harus raengulangi Langkah 2, sebagai dijelaakan sebelumnya.
Jika seandainya Langkah 2 menunjukkan solusi yang belum optimal, kita harus raengulangi
Langkah 3, yaitu memperbaiki program.
Program dichek kembali dan seterusnya hingga akhirnya tercapai suatu aolusi optimal.
22

(5) Metode MODI

Modified distribution method, dikenal sebagai rnetode MODI, sangat mirip dengan
metode steppingstone kecuali bahwa ia menyajikan cara yang lebih efisien uituk menghitung
tanda-tanda peningkatan dari sel-sel yang kosong. Perbedaan utama antara dua metode ini
menyangkut langkah dalam penyelesaian masalah, di mana diperlukan adannya suatu lintasan
tertutup. Untuk menghitung penunjuk peningkatan suatu solusi khusus, maka dalam metode
steppingstone perlu digambar suatu lintasan tertutup untuk setiap sel kosong. Ditentukan sel
kosong dengan opportunity cost tertinggi, kemudian dipilih untuk ikut dalam program
perbaikan berikutnya.
Dalam metode MODI penunjuk peningkatan dapat dihitung tanpa menggambar lintasan
tertutup. Dalam kenyataannya metode MODI memerlukan hanya satu lintasan tertutup..
Lintasan ini digambar setelah sel kosong yang memiliki opportunity cost tertinggi positif
diketemukan. Seperti dalam metode steppingstone. Kegunaan lintasan ini ialah untuk
menentukan jumlah unit maksimum yang dapat dipindahkan ke sel kosong dalam program
perbaikan berikutnya. Maka, prosedur untuk menghitung opportunity cost dari sel kosong
dalam MODI tidak tergantung pada lintasan loop tersebut.
Mekanisme dan kerangka pemikiran metode MODI akan kita gambarkan dengan
penyelesaian masalah transportasi yang sederhana sederhana sebagai berikut:

Tabel 28

DESTINATION
ORIGIN Persediaan
D1 D2
2 2
O1 1000
1 2
O2 600

Permintaan 900 700

Tabel 29

DESTINATION
ORIGIN Persediaan
D1 D2
2 2
O1 1000
900 100
1 2
O2 600
600
Permintaan 900 700
23

Melakukan langkah pertama menggunakan NWC diperoleh solusi awal tertera pada
Tabel 29.
Penggunaan steppingstone untuk menguji keoptimalan program awal sesuai Tabel 29
menunjukkan bahwa kosong O2 D1 memiliki opportunity cost +1, sehingga program masih
memerlukan perbaikan.
Metode lain untuk mencapai kesimpulan yang sama ialah melalui penentuan tentang apa
yang disebut implied cost dari sel kosong. Pengertian dari implied cost akan kita jelaskan
dengan kaitannya dengan masalah transportasi. Dalam program awal ini sel O2 D1 adalah
satu-satunya sel kosong. Kita dapat menghitung perubahan harga karena pengangkutan 1 unit
barang melalui sel kosong sebagai berikut:
O2 D1 O1 D1 + O1 D2 O2 D2 = O2 D1 2 + 2 2 = O2 D1 2

Berapapun biaya pengangkutan per unit barang melalui sel kosong O2 D1 , adalah jelas
bahwa pergeseran tersebut diinginkan hanya jika perubahan biaya total ( O2 D1 2) adalah
negatif. Nilai ini akan negatif selama biaya sebenarnya dari O2 D1 kurang dari 2. Biaya
limit atas yang telah dihitung dari sel O2 D1 (dalam program ini adalah 2), yang jika
melebihi limit, maka keikutsertaan sel O2 D1 dalam program perbaikan tidak diinginkan.
Dengan perkataan lain, jika biaya pengangkutan sebenarnya yang melalui O2 D1 lebih besar
dari $2 per unit, pergeseran tersebut tidak diinginkan. Sebaliknya, jika biaya pengangkutan
sebenarnya kurang dari $2 per unit, pergeseran diinginkan dan sel O2 D1 harus diikut
sertakan dalam program berikutnya.

Implied cost dari sel kosong O2 D1 adalah $2 per unit.

Sebagai telah kita ketahui terlebih dahulu, negatif dari perubahan biaya total diakibatkan
karena pergeseran 1 unit barang ke sel kosong memberikan opportunity cost berkaitan dengan
sel kosong tersebut. Untuk sel O2 D1 ,

Opportunity cost = (perubahan biaya total)


= ( O2 D1 2) = 2 O2 D1

dengan O2 D1 adalah biaya sebenarnya dari pengiriman per init barang melalui sel O2 D1 .
Tetapi, seperti baru saja kita hitung, implied cost karena tidak menggunakan sel O2 D1
adalah $2 per unit.

Opportunity cost = implied cost - biaya sebenarnya


24

Substitusi dari biaya pengiriman sebenarnya melalui sel O2 D1 , yaitu $1 dan implied cost
yang telah dihitung dari sel O2 D1 ke dalam pernyataan di atas menghasilkan 2-1 = +1
dollar.
Nilai ini sama dengan opportunity cost dan sel O2 D1 yang telah kita ketemukan
dengan observasi langsung dari perubahan biaya yang disebabkan oleh pergeseran 1 unit
barang ke dalam sel kosong O2 D1 . Kesamaan ini berlaku untuk setiap sel kosong, dan kita
nyatakan kembali:
Opportunity cost = implied cost - ongkos sebenarnya.
Pertanyaan berikutnya ialah: Dapatkah kita menentukan implied cost dari sebuah sel
kosong tanpa menggambarkan lintasan loop terlebih dahulu?
Jika seandainya ini mungkin, kita akan menyusun kerangka utama dari metode MODI, karena
kemudian kita dapat mengurangkan biaya sebenarnya dari implied cost sel kosong yang telah
dihitung tanpa menggambar lintasan loop tersebut dahulu.
Marilah kita perhatikan kembali program awal Tabel 29 yang memenuhi syarat. Dalam
program ini ada 3 sel terisi. Dalam istilah program linear, ini berarti bahwa tiga variabel
( x11 , x12 , x 22 ) dari empat variabel adalah variabel basis. Dapat diingat kembali dari metode
simpleks bahwa opportunity cost dari variabel basis dalam program awal adalah nol.
Sesuai itu dapat ditunjukkan bahwa dalam kasus masalah transportasi, opportunity dari
setiap sel terisi (sel berisi variabel basis} adalah nol. Dengan perkataan lain, jika variabel
basis tidak akan diubah, maka pemasukan dan pemindahan 1 unit di sebarang sel terisi tidak
akan mengakibatkan perubahan biaya. Sekarang, kita tentukan sekumpulan bilangan baris
(ditempatkan di sebelah paling kanan) dan sekunpulan bilangan kolom (ditempatkan di bawah
setiap kolom dari tabel) sedemikian rupa sehingga biaya pengangkutan per unit dari setiap sel
terisi sama dengan jumlah dari bilangan baris dan bilangan kolom.
Selanjutnya, karena jumlah bilangan baris dan bilangan kolom dari sebarang sel terisi
sama dengan biaya dari sel tersebut (suatu variabel basis), maka jumlah bilangan baris dan
bilangan kolom dari setiap sel kosong memberikan implied cost dari sel kosong tersebut.
Maka implied cost dari sebarang sel kosong diberikan oleh

Implied cost = bilangan baris + bilangan kolom


= ui v j

Maka dengan menentukan bilangan baris dan bilangan kolom secara lengkap, kita dapat
menghitung implied cost untuk setiap sel kosong tanpa menggambar lintasan loop, Jelas,
sekarang harus kita tanggulangi masalah penentuan bilangan baris dan bilangan kolom.
25

Untuk setiap sel terisi, kita harus memilih ui (bilangan baris) dan v j (bilangan kolom)
sehingga cij (biaya pengangkutan sebenarnya per unit di sel terisi) sama dengan jumlah dari
u i dan v j . Misalkan untuk sel terisi yang terletak di baris 1 dan kolom 1, maka c11 u1 v1

dan c12 u1 v2 dan seterusnya. Proses ini harus dilakukan untuk setiap sel terisi. Tetapi
harap disadari bahwa walaupun solusi dasar yang memenuhi syarat dalam suatu model
transportasi terdiri atas m + n 1 variabel (dengan perkataan lain, terdapat m + n 1 sel
terisi), kita harus menentukan m + n nilai untuk memperoleh sekumpulan bilangan baris dan
kolom yang lengkap. Maka, untuk menentukan semua bilangan baris dan kolom, harus dipilih
satu bilangan sebarang yang mewakili suatu baris atau suatu kolom.
Sekali suatu bilangan baris atau kolom telah dipilih secara sebarang, bilangan baris dan
bilangam kolom lainnya dapat ditentukan oleh hubungan cij = ui + v j .
Hubungan ini harus berlaku untuk semua sel yang terisi. Karena sebarang bilangan dapat
dipilih untuk mewakili salah satu dari ui atau v j , kita akan mengikuti secara praktis dengan
memisalkan u1 = 0. Prosedur ini dapat langsung diterapkan pada Tabel 29 dan diperoleh
Tabel 30 sebagai berikut:
Tabel 30
DESTINATION
ORIGIN Bilangan Baris
D1 D2
2 2
O1 0
900 100
1 2
O2 0
2 600
Bilangan Kolom 2 2

u1 +
c11 =
v1
0 +
2 = v1 v1 = 2

u1 +
c12 =
v2

2 = 0 + v2 v2 = 2
u2 +
c 22 =
v2

2 = u2 + 2 u2 = 0

Sekarang akan kita hitung opportunity cost dari sel kosong O2 D1 .


26

Opportunity cost = implied cost - biaya sebenarnya


= (ui v j ) cij
Untuk sel O2 D1 berlaku
Opportunity cost = (u 2 v1 ) c21
= (0 + 2) 1 = +1 dollar.
Program ini belum optimal karena sel kosong O2 D1 masih memiliki opportunity cost yang
bernilai positif.
Proses yang telah kita lakukan akan kita rangkum untuk dapat memberikan gambaran
yang lebih jelas tentang apa yang telah kita kerjakan.

Tabel 31

Implied cost Biaya Sebenarnya Tindakan

ui v j cij Sel kosong ini dapat diikutsertakan


>
dalam program
ui v j cij
= Tidak berpengaruh

ui v j cij Sel kosong ini jangan diikutsertakan


<
dalam program

Jika implied cost ( ui v j ) dari suatu sel kosong lebih besar dari biaya sebenarnya ( cij ). maka
sel koaong ini dapat diikutsertakan dalam perbaikan program berikutnya. Jika implied cost (
ui v j ) dari suatu sel kosong kurang dari biaya sebenarnya ( cij ), maka sel kosong ini jangan

diikutsertakan. Jika ( ui v j ) = cij , maka sel kosong ini tidak berpengaruh terhadap
perbaikan program.
Singkatnya, untuk menilai dan meningkatkan suatu program di mana tujuannya ialah
meminimumkan fungsi obyektif, maka aturan yang tertera pada Tabel 31 berlaku.
Untuk suatu masalah transportasi dengan tujuan memaksimumkan fungsi obyektif, tanda
dari pertidaksamaan pada Tabel 31 harus dibalik.
Langkah terakhir dalam metode MODI persis sama seperti langkah berkaitan dalam
metode steppingstone. Setelah mengenali sel kosong yang memiliki opportunity cost terbesar
positif, sel kosong ini harus diikutsertakan dalam program perbaikan dan sebuah lintasan
tertutup harus digambar untuk sel ini.
Solusi dasar yang baru dan memenuhi syarat diturunkan dari program awal dengan
menggeser unit barang sebanyak mungkin ke dalam sel kosong tanpa melanggar persyaratan
"RIM".
Tabel 32
27

DESTINATION
ORIGIN
D1 D2

2 2+
O1

900 100

1 2
O2 600
+

Tabel 33
DESTINATION
ORIGIN
D1 D2
2 2
O1
300 700
1 2
O2
600

Untuk menentukan apakah program perbaikan ini sudah optimal harus kita tentukan
opportunity cost dari sel kosong O2 D2 .

Tabel 34
DESTINATION
ORIGIN Bilangan Baris
D1 D2
2 2
O1 0
300 700
1 2
O2 -1
600
Bilangan Kolom 2 2

u1 +
c11 = v1 = 2
v1
0 +
2 = v1
u1 +
c12 =
v2
2 = 0 + v2 v2 = 2
u2 +
c 21 =
v1
1 = u2 + 2 u 2 = -1
28

Perhitungan Opportunity cost untuk sel kosong O2 D2 dilakukan sebagai berikut:


Implied cost = u 2 + v2 = -1 + 2 = 1
Biaya sebenarnya = c 22 = +2
Opportunity cost dari sel kosong O2 D2 = implied cost - actual cost
= +1 2 = 1
Satu-satunya sel kosong dalam program memiliki opportunity cost -1, maka program
sudah optimal.
Untuk jelasnya metode MODI akan kita terapkan pada masalah yang sudah kita kenal
dalam kegiatan belajar sebelumnya, yaitu yang tertera di Tabel 35.

Tabel 35

D E ST I NAT I O N
ORIGIN D3 D5
KAPASITAS
D1 D2 D4
12 4 9 5 9
O1 55
10 15 30
8 1 6 6 7
O2 45
20 25
O3 1 12 4 7 7
30
30
10 15 6 9 1
O4 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Apa yang tertera pada Tabel 35 merupakan program awal yang diperoleh pada langkah
pertama dengan menggunakan metode Inspeksi.

Langkah 2: Menentukan opportunity cost dari sel kosong untuk mengkaji keoptimalan
program awal tersebut di atas (Tabel 6.35). Kita gunakan MODI dalam langkah 2 ini.

u1 +
c11 =
v1
0 +
12 = v1 v1 = 12

u1 +
c13 =
v3

9 = 0 + v3 v3 = 9
c14 = u1 +
29

v4
0 +
5 = v4 v4 = 5

u2 +
c 23 =
v3

6 = u2 + 9 u 2 = -3
u3 +
c31 =
v1
1 = u 3 + 12 u 3 = -11
u2 +
c 22 =
v2
1 = -3 + v2 v2 = 4
u4 +
c 43 =
v3

6 = u4 + 9 u 4 = -3
u4 +
c45 =
v5

1 = -3 + v5 v5 = 4

Dengan perhitungan bilangan baris dan bilangan kolom ini dapat disusun Tabel 9 yang
diperlukan oleh metode MODI untuk menghitung opportunity cost dari setiap sel kosong.
Tabel 36

D E ST I NAT I O N
ORIGIN D3 D5
BILANGAN BARIS
D1 D2 D4
12 4 9 5 9
O1 0
10 4 15 30 4
8 1 6 6 7
O2 -3
9 20 25 2 1
O3 1 12 4 7 7
-11
30 -7 -2 -6 -7
10 15 6 9 1
O4 -3
9 1 10 2 40
BILANGAN
12 4 9 5 4
KOLOM

Bilangan tanpa lingkaran dalam suatu sel kosong menunjukkan implied cost dari sel
kosong tersebut. Sebagai kita ketahui, maka
Opportunity cost = implied cost - actual cost
30

Perhitungan opportunity coat untuk tiap-tiap sel kosong menunjukkan bahwa hanya sel
kosong O2 D1 yang memiiiki opportunity coat bernilai positif, yaitu 9-8 = +1. Maka
program ini belum optimal dan perlu perbaikan dengan mengikut sertakan sel kosong O2 D1
.

Langkah 3: Perbaikan Program

Lintasan loop untuk sel kosong O2 D1 digambar dan program diperbaiki. Loop tersebut
menghubungkan sel-sel O2 D1 O1 D1 O1 D3 O2 D3 dan banyaknya barang
yang digeser dan dilibatkan sel O2 D1 adalah 10 unit. Perbaikan program menghasilkan
Tabel 37
Tabel 37

D E ST I NAT I O N
ORIGIN D3 D5
BILANGAN BARIS
D1 D2 D4
12 4 9 5 9
O1 0
11 4 25 30 4
8 1 6 6 7
O2 -3
10 20 15 2 1
O3 1 12 4 7 7
-10
30 -6 -1 -5 -6
10 15 6 9 1
O4 -3
8 1 10 2 40
BILANGAN
11 4 9 5 4
KOLOM

Selanjutnya harus kita tentukan bilangan baris dan bilangan kolomnya:

u1 +
c13 =
v3
0 +
9 = v3 v3 = 9

u1 +
c14 =
v4
5 = 0 + v4 v4 = 5
u2 +
c23 =
v3

6 = u2 + 9 u 2 = -3
u2 +
c 21 =
v1
8 = -3 + v1 v1 = 11
31

u2 +
c22 =
v2
1 = -3 + v2 v2 = 4
u3 +
c31 =
v1
1 = u 3 + 11 u 3 = -10
u4 +
c43 =
v3

6 = u4 + 9 u 4 = -3
u4 +
c 45 =
v5

1 = -3 + v5 v5 = 4

Mengurangi bilangan tanpa lingkaran dalam sel kosong dengan biaya sebenarnya,
menunjukkan bahwa tidak ada satu sel kosong pun yang memiliki opportunity cost positif.
Maka soluai yang tertera di Tabel 37 adalah optimal dengan biaya
25(9) + 30(5) + 10(8) + 20(1) + 15(6) + 30(1) + 10(6) + 10(9) = $ 1015

Ringkasan Prosedur Modi (Kasus Minimum)


Langkah 1: Memperoleh solusi dasar yang msnenuhi syarat.
Metode yang digunakan NWC, VAM atau Inspeksi. Harus di|diperoleh
m n 1 sel terisi.
Jika jumlah sel terisi melebihi m + n 1 maka solusi mengalami kemerosotan.
Langkah 2: Menentukan opportunity cost dari setiap sel kosong
a. Tentukan bilangan baris dan bilangan kolom secara lengkap.
b. Untuk setiap sel terisi berlaku cij ui v j ambillah u1 = 0
c. Hitunglah implied cost dari setiap sel kosong
Implied cost = bilangan baris + bilangan kolom
d. Tentukan opportunity cost dari setiap sel kosong.
Opportunity cost = ui v j cij .
Jlka semua sel kosong memiliki opportunity cost tidak positif, maka solusi
sudah optimal. Jika masih ada sel kosong yang memiliki opportunity cost
positif, program masih dapat diperbaiki.
Langkah 3: Merancang peningkatan program.
Sel kosong yang memiliki opportunity cost positif terbesar diikutsertakan dalam
progran perbaikan.
32

a. Gambarlah suatu loop melalui sel kosong tersebut menuju sel-sel terisi
kemudian kembali lagi ke sel kosongnya.
b. Beri tanda + pada sel kosong yang akan diisi, kemudian berganti-ganti
letakkan tanda + dan pada sel-sel terisi yang dilalui loop.
c. Banyaknya barang yang harus digeser ditentukan oleh alokasi terendah dari
sel yang bertanda .
Langkah 4: Ulangi langkah 2 dan 3 sampai diperoleh program yang optimal.

Prosedur Modi (Kasus Maksimum)


Kecuali untuk satu transportasi, suatu masalah transportasi dengan tujuan menentukan
nilai maksimum dari suatu fungsi, dapat diselesaikan dengan algoritma MODI seperti telah
dijelaskan.

Transpormasi dilakukan dengan mengurangkan semua cij dari cij tertinggi dari
matriks transportasi. Nilai cij yang telah mengalami transformasi memberikan biaya
relevan, dan masalah menjadi masalah menentukan minimum. Jika suatu solusi optimai telah
dicapai untuk masalah transformasi minimum ini, nilai dari fungsi obyektif dapat dihitung
dengan memasukkan nilai asli dari cij ke dalam route yang merupakan basis (sel terisi)
dalam solusli optimal.

4. Persediaan dan Permintaan tidak Seimbang

Penyeleaaian masalah transportasi telah dibahas dalam modul 6 dan modul 7. Dalam
kedua modul tersebut, masalah transportasi yang kita hadapi selalu memenuhi persyaratan
"RIM" untuk baris maupun kolom sehinga

b i d j

Perayaratan ini muatahil selalu dapat dipenuhi, karena masalah yang timbul dalam keadaan
sehari-hari adalah justru dari bentuk
b i d j

Maka kita perlu menentukan langkah-langkah penyelesaian jika ternyata deman dan
persediaan tidak seimbang.
Lebih dari itu, mungkin kita dihadapkan pada suatu masalah transportasi yang
mengalami kemerosotan.
Untuk mampu menangani masalah transportasi dengan kemeroaotan, perlu ditentukan
langkah-langkah tertentu.
Untuk menyelesaikan masalah transportasi dengan menggunakan langkah-langkah yang
telah dibahas sebelumnya, harus kita usahakan agar jumlah persediaan sama dengan jumlah
permintaan.
33

Ada kemungkinan akan timbulnya 3 kasus:


Kasus 1: b i d j

Dalam kasus ini jumlah persediaan sama dengan jumlah permintaan. Masalah ini dapat
disusun dalam bentuk matriks, berikut data biaya yang relevan, dan algoritma transportasi
dapat diterapkan secara langsung untuk memperoleh suatu penyelesaian.
Kasus 2: b i dj

Dalam kasus ini kapasitas tempat asal melebihi permintaan tempat tujuan.
Suatu tujuan yang dummy dapat ditambahkan kepada matriks untuk menyerap kelebihan
kapasitas. Biaya pengangkutan dari setiap tempat asal ke tujuan yang dummy ini dimisalkan
nol.
Penambahan tujuan dummy ini akan menimbulkan kesamaan antara jumlah kapasitas
dan jumlah permintaan. Setelah persyaratan RIM dipenuhi, maka masalah ini dapat
diselesaikan dengan metode transportasi yang telah kita bicarakan terlebih dahulu.
Contoh:
Tabel 38

KAPASITAS
Oi Dj D1 D2 D3
(bi )

5 3 2
O1 200

6 4 1
O2 400

PERMINTAAN
200 200 150 550 600
(d j )

Tabel 6.38 ini menunjukkan suatu masalah transportasi yang tidak seimbang, karena
bi 200 400 = 600 dan d j 200 200 150 = 550. Jelas bi d j . Agar dapat
memenuhi persyaratan RIM maka diciptakan adanya dummy tujuan dengan biaya
pengangkutan nol, seperti diperlihatkan pada tabel berikut.

Tabel 38a

Oi DUMM KAPASITAS
D1 D2 D3
Dj Y (bi )

5 3 2 0
O1 200

6 4 1 0
O2 400
34

PERMINTAAN
200 200 150 50 600 600
(d j )

Barang sebanyak 50 unit kelebihan dikirim ke tujuan dummy yang dalam penerapannya dapat
dianggap sebagai gudang penyimpanan atau diberikan sebagai hadiah ke suatu badan instansi.
Dengan penambahan tujuan dummy maka talah dipenuhi persyaratan RIM, bi d j
sehingga penyelesaian selanjutnya dapat menggunakan langkah-langkah yang telah ditentukan
dalam penanganan "model transportasi".
Kasus 3: b d
i j

Dalam kasus ini kapasitas total dari tempat asal kurang dari jumlah permintaan. Diperlukan
suatu dummy tempat asal yang dapat ditambahkan pada matriks transportasi untuk
mengimbangi kelebihan deman. Biaya pengangkutan dari tempat pengiriman dummy ke setiap
tempat tujuan dimisalkan nol. Penambahan dari suatu tempat asal dummy dalam hal ini
mengakibatkan kesamaan antara kapasitas total dari tempat asal dan permintaan total dari
tempat tujuan.

Tabel 39

KAPASITAS
Oi Dj D1 D2 D3
(bi )

5 3 2
O1 200

6 4 1
O2 400

PERMINTAAN
300 200 150 650 600
(d j )

Tabel 39a

KAPASITAS
Oi Dj D1 D2 D3
(bi )

5 3 2
O1 200

6 4 1
O2 400
35

0 0 0
DUMMY 50

PERMINTAAN
300 200 150 650 650
(d j )

Sehingga persyaratan RIM dengan sendirinya dipenuhi. Tabel 39 dan Tabel 39a memberikan
illustrasi yang jelas tentang apa yang telah kita hadapi. Dalam penerapan dummy tempat asal
dapat diartikan meminjam dari toto sebelah untuk memenuhi permintaan.

Contoh:
Diberikan contoh masalah berikut ini uituk meroperoleh gambaran yang lebih jelas tentang
penyelesaian masalah transportasi yang tidak seimbang ( bi d j )
Tabel 40

Proyek
A B C Kapasitas
Pabrik
4 8 8
X 76
16 24 16
Y 82
8 16 24
Z 77

Deman 72 102 41 215 235

Sebelum kita menerapkan langkah pertama dalam penyelesaian ini, perlu diusahakan
dipenuhinya persyaratan RIM terlebih dahulu, yaitu dengan menentukan tujuan dummy.
Menggunakan aturan NWC untuk melakukan langkah pertama, diperoleh program I dengan
biaya pengangkutan sebesar
72 ($4) + 4 ($8) + 82 ($24) + 16 ($16) + 41 ($24) + 20 ($0) = $ 3528
Tabel 40a
Program I

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0
X 76
72 4
16 24 16 0
36

Y 82 +16 82
8 16 24 0
Z 77
16 41 20

Deman 72 102 41 20 235 235

Masih perlu diselidiki lebih lanjut apakah program I ini sudah optimal. Menggunakan aturan
MODI kita hitung opportunity cost setiap sel kosong, menghasilkan bahwa sel XC memiliki
opportunity cost tertinggi yaitu +16. Langkah berikutnya ialah membuat lintasan loop melalui
sel-sel +XC - YC + YB - XB. Jumlah barang yang harus digeser adalah 41. Perbaikan program
menghasilkan program II yang masih harus diselidiki lebih lanjut.

Tabel 40b
Program II

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0
X 76
72 4
16 24 16 0
Y 82
41 41 +8
8 16 24 0
Z 77
57 20

Deman 72 102 41 20 235 235

Penyelidikan sel-sel kosong menggunakan aturan MODI menunjukkan bahwa sel XD


memiliki opportunity cost terbesar yaitu +8. Maka program harus diperbaiki dengan mengikut
sertakan2 sel XD. Dirancang lintasan loop tertutup melalui sel-sel +XD YD + YB- XB, dan
barang yang harus digeser sejumlah 20 unit.
Perbaikan program II menghasilkan program III sebagai berikut:

Tabel 40c
Program III
Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0
X 76
72 4
16 24 16 0
37

Y +4 21 41 20 82
8 16 24 0
Z 77
+4 77

Deman 72 102 41 20 235 235

Sekali lagi program III dlselidiki apakah telah optimal, menggunakan aturan MODI.
Perhitungan opportunity cost untuk setiap sel kosong menghasilkan bahwa sel XA memiliki
opportunity cost +4 dan sel YA juga memiliki opportunity cost +4. Salah satu dari sel ini kita
ikut sertakan dalam perbaikan program, marilah kita tentukan bahwa sel YA akan ikut dalam
perbaikan program. Selanjutnya perlu dlgambarkan lintasan loop tertutup melalui sel-sel
+YA WA + WB YB dengan menggeser 72 unit barang. Perbaikan program III menghasilkan
Program IV.
Tabel 40d
Program IV

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0
X 76
76
16 24 16 0
Y 82
21 41 20
8 16 24 0
Z 77
72 5

Deman 72 102 41 20 235 235

Menggunakan metode MODI kita selidiki lagi opportunity cost dari setiap sel kosong.
Ternyata tidak ada sel kosong yang memiliki opportunity cost positif, maka program IV
adalah optimal dengan biaya pengangkutan sejumlah:

76($8) + 21($24) + 41($16) + 20($0) + 72($8) + 5($16) = $ 2424.

5. Kemerosotan Masalah Transportasi


Telah dijelaskan terlebih dahulu bahwa suatu penyelesaian dasar yang memenuhi syarat
untuk suatu masalah transportasi terdiri atas m + n 1 variabel basis. Ini berarti bahwa
banyaknya sel terisi dalam suatu program transportasi satu kurang dari jumlah baris dan
kolom dalam matriks transportasi.
Jika jumlah sel terisi kurang dari m + n 1, maka masalah transportasi disebut merosot.
Kemerosotan dalam masalah transportasi dapat dikembangkan dengan dua cara.
38

Pertama, masalah mengalami kemerosotan pada waktu program awal disusun melalui
salah satu dari metode langkah pertama. Untuk menangani kemerosotan semacam ini, kita
dapat memberi alokasi suatu jumlah barang yang kecil sekali (mendekati 0) terhadap salah
satu atau lebih dari sel-sel kosong, sehingga jumlah sel isi menjadi m + n 1.
Barang sejumlah kecil ini disebut (epsilon), dan sel yang kita beri alokasi menjadi sel
terisi. Jumlah barang sebanyak demikian kecilnya, sehingga pengurangan atau penambahan
terhadap suatu jumlah barang tidak mengubah bilangannya. Misalkan 60 + = 60 dan 100
= 100, dan = 0. Timbulnya kemerosotan selama program awal akan dijelaskan dengan
masalah transportasi berikut ini.

Tabel 41 Data Masalah Transportasi

Dj D1 D2 D3 Kapasitas
Oi

2 1 2
O1 20
20
3 4 1
O2 40
15 25
Permintaan 20 15 25

Kedua, masalah tranaportaai dapat merosot selama tahap penyelesaian. Hal lni terjadi
jika keikutaertaan sel kosong yang memiliki opportunity cost tertinggi mengakibatkan
kekosongan dua sel atau lebih di antara sel-sel yang ikut dalam program. Untuk menangani
kasus kemerosotan semacam ini harus ditempatkan pada satu atau lebih sel koaong.
39

Kasus 1. Kemerosotan pada Penempatan Awal


Mengikuti aturan NWC diperoleh penempatan awal seauai Tabel 41a.
Tabel 41a

Dj D1 D2 D3 Kapasitas
Oi

2 1 2
O1 20
20
3 4 1
O2 40
15 25
Permintaan 20 15 25

Program awal ini memiliki sel terisi sejumlah 3, sedang m + n 1 = 2 + 3 1 = 4. Maka


program awal ini mengalami kemerosotan. Kita dapat memecahkan masalah ini dengan
menempatkan di sebarang sel kosong. Kalau masalah ini menentukan nilai minimum, maka
ditempatkan di sel kosong yang memiliki biaya terendah, dan kita tempatkan di sel O1
D2 .
Jumlah sel terisi sekarang 4 dan ini sama dengan m + n 1, berarti program tidak
mengalami kemerosotan. Selanjutnya kita gunakan MODI untuk menyelidiki keoptimalan
program ini. Sekarang harus ditentukan terlebih dahulu bilangan baris dan bilangan kolom.

Tabel 41b

Dj D1 D2 D3 Bilangan
Baris
Oi

2 1 2
O1 0
20 2
3 4 1
O2 3
5 15 25
Biangan
2 1 2
Kolom

Sel kosong O2 D1 memlliki implied cost = 5, sehingga opportunity cost = 5 3 = 2.


Program ini belum optimal karena opportunity cost = 2. Untuk itu, program ini harus
40

diperbaiki dengan mengikut sertakan sel O2 D1 dalam penyelesaian seperti ditampilkan


pada Tabel 41c.

Tabel 41c

Dj D1 D2 D3 Kapasitas
Oi

2 1 2
O1 20 20
+
3 4 1
O2 15 40
+ 25

Permintaan 20 15 25

Tabel 41d

Dj D1 D2 D3 Kapasitas
Oi

2 1 2
O1 20
5 15
3 4 1
O2 40
15 25
Permintaan 20 15 25

Loop tertutup pada Tabel 41c menunjukkan bahwa paling banyak 15 unit dapat digeser
ke sel O2 D1 . Maka diperlukan pengambilan 15 dari O1 D1 dan dari O2 D2 dan
penambahan 15 unit pada sel O1 D1 . Perlu diperhatikan bahwa 15 + = 15, sehingga sel
O1 D2 diberi alokasi 15 unit dalam pergeseran ini. Program perbaikan ditampilkan oleh
Tabel 41d, dan program ini tidak merosot karena jumlah sel terisi adalah 4. Langkah
selanjutnya Anda proses sebagai masalah transportasi yang sudah lazim.
Telah kita amati bahwa penempatan pada sebarang sel kosong, telah memungkinkan
kita untuk menentukan suatu kumpulan bilangan baris dan bilangan kolom yang unik. Hal ini
benar jika penyusunan program awal dilakukan dengan cara NWC. Tetapi jika program awal
disusun dengan metode lain, kita tidak dapat menempatkan di sembarang sel kosong, karena
kita tidak mampu menentukan suatu himpunan bilangan baris dan kolom yang unik. Akan kita
berikan suatu contoh masalah transportasi untuk memberikan gambaran yang jelas tentang
apa yang dimaksudkan.
41

Tabel 42 Tabel 42a

Dj D1 D2 D3 Total Dj D1 D2 D3 Total
Oi Oi

2 4 1 2 4 1
O1 40 O1 40
40
6 3 2 6 3 2
O2 50 O2 50
30 20
4 5 6 4 5 6
O3 20 O3 20
20
3 2 1 3 2 1
O4 30 O4 30
30
5 2 5 5 2 5
O5 10 O5 10
10
Total 50 60 40 Total 50 60 40
Suatu masalah transportasi memiliki data-data sebagai tertera pada Tabel 42.
Penempatan awal menggunakan cara Inspeksi menghasilkan program awal yang
diperlihatkan pada Tabel 42a.
Jumlah sel terisi ada 6 sedangkan m + n 1 = 5 + 3 1 = 7. Maka program ini
mengalami kemerosotan. Pemilihan terhadap sel kosong harus dilakukan dengan sangat hati-
hati, karena kalau kebetulan kita pilih sel kosong O3 D2 , O4 D1 dan O5 D1 dan kita
tempatkan di salah satu sel tersebut, kita akan mampu menentukan sekumpulan bilangan baris
dan bilangan kolom yang unik. Di lain pihak, tambahan pada salah satu dari sel-sel O1 D1
, O1 D2 , O2 D3 , O3 D3 , O4 D3 dan O5 D3 tidak memungkinkan kita untuk
menyelesaikan masalah kemerosotan serta menentukan sekumpulan bilangan baris dan
bilangan kolom yang unik.
Penanganan selanjutnya klta serahkan pada Anda sekalian. Sekali sekumpulan bilangan
baris dan bilangan kolom dapat dltentukan secara unik, langkah-langkah selanjutnya dalam
masalah transportasi dapat dilakukan.
42

Kasus 2. Kemerosotan Selama Tahap Penyelesaian


Diberikan Tabel 43 dan Tabel 43a yang merupakan masalah transportasi dan program
awalnya yang diperoleh dengan cara NWC.
Tabel 43
Dj
D1 D2 D3 D4 D5 Total
Oi

4 3 1 2 6
O1 40

5 2 3 4 5
O2 30

3 5 6 3 2
O3 20

2 4 4 5 3
O4 10

Total 30 30 15 20 5

Tabel 43a: Program Awal


Dj
D1 D2 D3 D4 D5 Total
Oi

4 3 1 2 6
O1 40
30 10
5 2 3 4 5
O2 30
20 10
3 5 6 3 2
O3 20
5 15
2 4 4 5 3
O4 10
5 5
Total 30 30 15 20 5
Maka program awal tidak merosot, tetapi belum tentu optimal. Sekarang perlu dlselidikl
keoptimalan program awal ini. Dengan MODI kita selidiki opportunity cost dari sel-sel
kosong yang ada. Tentukan terlebih dahulu bilangan baris dan bllangan kolom. Ada beberapa
sel kosong termasuk O1 D3 yang memiliki opportunity cost positif. Marilah kita coba
mengikut sertakan sel kosong O1 D3 dalam program perbaikan. Sesuai yang ditunjukkan
oleh loop tertutup, pergeseran ini memindahkan 10 unit ke sel O1 D3 dalam program baru.
Program yang dihasilkan ditunjukkan oleh Tabel 43b berikut ini. Program baru ini memiliki
sel isi sebanyak 7, sedangkan m + n 1 = 8. Maka program ini mengalami kemerosotan.
43

Kemerosotan timbul selama dalam tahap penyelesaian, maka sejumlah harus ditempatkan di
sel yang baru saja dikosongkanr yaitu sel O1 D2 atau O2 D3 . Pembaca dapat memeriksa
bahwa dalam kasus ini, sekumpulan bilangan baris dan bilangan kolom dapat ditentukan
hanya jika ditempatkan di salah satu dari sel-sel kosong O1 D2 , O3 D2 , O4 D2 , O2
D1 , O2 D3 , O2 D4 atau O2 D5 . Mengingat bahwa masalah yang dihadapi adalah kasus
mencari nilai minimum, kita harus menempatkan di sel yang paling rendah biayanya.
Terdapat adanya kaitan antara sel O1 D2 dan O2 D3 , maka kita tentukan di sel O1 D2 .
Dengan penempatan di sel O1 D2 ini diperoleh 8 sel terisi dan kita mulai dapat
menentukan bilangan baris dan bilangan kolom.

Tabel 43b
Dj Bilangan
D1 D2 D3 D4 D5 Total
Oi Baris
4 3 1 2 6
O1 30 10 4 40 0
1 -1
+
5 2 3 4 5
O2 20 10 30 -1
3 0 -2
+
3 5 6 3 2
O3 20 2
6 5 5 15 1
2 4 4 5 3
O4 10 4
8 7 8 5 5
Total 30 30 15 20 5
Bilangan
4 3 4 1 -1
Kolom

Sel kosong dengan opportunity cost tertinggi adalah sel O4 D1 . Dengan loop tertutup
melalui O4 D1 seperti yang dilukiskan pada Tabel 43c menunjukkan bahwa sejumlah 5 unit
dapat digeser dari sel O4 D4 untuk mengisi sel O4 D1 .

Tabel 43c
44

Dj Bilangan
D1 D2 D3 D4 D5 Total
Oi Baris

4 3 1 2 6
O1 40 0
30 + 10 -2 -4
5 2 3 4 5
O2 30 -1
3 30 0 -3 -5
3 5 6 3 2
O3 20 5
9 8 5 15 + 1
2 4 4 5 3
O4 10 7
+ 11 10 8 5 5
Total 30 30 15 20 5
Bilangan
4 3 1 -2 -4
Kolom

Tabel 43d
Dj Bilangan
D1 D2 D3 D4 D5 Total
Oi Baris

4 3 1 2 6
O1 40 0
30 15 + 7 5
5 2 3 4 5
O2 30 -1
3 30 0 6 -4
3 5 6 3 2
O3 20 -4
0 -1 -3 20 + 1
2 4 4 5 3
O4 10 -2
+ 5 1 -1 5
Total 30 30 15 20 5
Bilangan
4 3 1 7 5
Kolom

Program setelah perbaikan ditunjukkan pada Tabel 6.43d. Sel terisi ada 7 sedang
m n 1 8 . Program pada Tabel 43d ini mengalami kemerosotan lagi. Kita letakkan di sel
O4 D4 sehingga jumlah sel isi ada 8 lagi.
45

Perhitungan bilangan baris dan bilangan kolom menunjukkan bahwa sel O1 D4


memiliki oppurtunity cost tertinggi. Maka kita lukis loop tertutup melalui sel O1 D4 .
Ternyata hanya sejumlah unit barang dapat digeser dan program perbaikan adalah sebagai
berikut:

Tabel 43e
Dj Bilangan
D1 D2 D3 D4 D5 Total
Oi Baris

4 3 1 2 6
O1 40 0
25 15 + 5
5 2 3 4 5
O2 30 -1
3 30 0 1 4
3 5 6 3 2
O3 20 1
5 4 2 20 +
2 4 4 5 3
O4 10 -2
+ 5 1 -1 0 5
Total 30 30 15 20 5
Bilangan
4 3 1 2 5
Kolom

Perhitungan opportunity cost menunjukkan bahwa sel kosong O3 D5 harus


diikutsertakan dalam program perbaikan sejumlah 5 unit harus digeser dari sel O3 D5 untuk
mengisi sel O3 D5 . Pergeseran ini menghasilkan Program 5.
Penyelidikan terhadap Program 5 menunjukkan bahwa program tersebut belum optimal
dan sel O3 D1 harus diikut sertakan dalam program baru. Loop tertutup yang dilukis
melewati sel O3 D1 menunjukkan bahwa sejumlah 15 unit dapat digeser dari sel O3 D4
untuk mengisi sel O3 D1 . Perbaikan Program 5 menghasilkan Program 6 yang tertera pada
Tabel 6.43g. Program 6 tidak merosot kerena memiliki sel isi sejumlah 8. Bilangan baris dan
bilangan kolom untuk Program 6 perlu ditentukan untuk dapat menyelidiki keoptimalan
Program 6 ini. Dari perhitungan opportunity cost dari setiap sel kosong dapat diambil
kesimpulan bahwa Program 6 adalah optimal. Ini ditandai dengan tidak adanya sel kosong
yang memiliki opportunity cost yang positif.

Tabel 43f
46

Dj Bilangan
D1 D2 D3 D4 D5 Total
Oi Baris

4 3 1 2 6
O1 40 0
20 15 + 5 1
5 2 3 4 5
O2 30 -1
3 30 0 1 0
3 5 6 3 2
O3 20 1
+ 5 4 2 15 5
2 4 4 5 3
O4 10 -2
+ 10 1 -1 0 1
Total 30 30 15 20 5
Bilangan
4 3 1 2 1
Kolom

Tabel 43g
Dj Bilangan
D1 D2 D3 D4 D5 Total
Oi Baris

4 3 1 2 6
O1 40 0
5 15 + 20 1
5 2 3 4 5
O2 30 -1
3 30 0 1 0
3 5 6 3 2
O3 20 1
15 4 2 3 5
2 4 4 5 3
O4 10 -2
10 1 -1 0 -1
Total 30 30 15 20 5
Bilangan
4 3 1 2 1
Kolom

Pilihan terhadap Solusi Optimal dari Masalah Transportasi


47

Suatu solusi optimal dari suatu masalah transportasi tidak selalu unik. Terdapatnya
lebih dari satu penyelesaian optimal dapat ditentukan dengan menguji opportunity cost dari
setiap sel kosong dalam program optimal. Jika terdapat sel kosong dengan opportunity cost
sama dengan nol dalam program optimal, maka program optimal lainnya dengan biaya
pengangkutan total yang sama seperti program optimal pertama selalu dapat disusun.
Program optimal kedua dapat diperoleh dengan mengikut sertakan sel kosong yang
memiliki opportunity cost sama dengan nol.
Sebagai contoh perhatikanlah Tabel 44 yang menunjukkan program optimal pertama.
Tabel 44: Program Optimal 1

Dj
D1 D2 D3 D4 D5 Bilangan
Total
Oi Baris

12 4 9 5 9
O1 55 0
11 4 + 25 30 4
8 1 6 6 7
O2 45 -3
10 20 + 15 2 1
1 12 4 7 7
O3 30 -10
30 -6 -1 -5 -6
10 15 6 9 1
O4 50 -3
8 1 10 2 40
Total 40 20 50 30 40

Bilangan
11 4 9 5 4
Kolom

Tidak ada sel kosong yang masih memiliki oppotunity cost yang positif. Ini berarti
bahwa benar Program yang tertera pada Tabel 44 adalah optimal. Ada sel kosong yang
memiliki opportunity cost bernilai nol, yaitu sel O1 D2 . Ini menunjukkan adanya program
optimal lainnya. Program Optimal 1 memiliki biaya pengangkutan total = 259 + 305 +
108 + 201 + 156 + 301 + 106 + 401 = $ 695.
Program disusun kembali dengan mengikut sertakan sel kosong O1 D2 . Dari loop
yang dilukis terlihat bahwa sejumlah 20 unit harus digeser dari sel O2 D2 untuk mengisi sel
O1 D2 Setelah pergeseran ini, diperoleh program optimal kedua.

Tabel 44a: Program Optimal 2


48

Dj
D1 D2 D3 D4 D5 Bilangan
Total
Oi Baris

12 4 9 5 9
O1 55 0
11 20 5 30 4
8 1 6 6 7
O2 45 -3
10 1 35 2 1
1 12 4 7 7
O3 30 -10
30 -6 -1 -5 -6
10 15 6 9 1
O4 50 -3
8 1 10 2 40
Total 40 20 50 30 40

Bilangan
11 4 9 5 4
Kolom

Program optimal 2 memiliki biaya pengangkutan total sebesar 20(4) + 5(9) + 30(5) +
10(8) + 35(6) + 30(1) + 10(6) + 40(1) = $ 695. Dari perhitungan opportunity cost setiap sel
kosong ternyata bahwa sel O2 D2 memiliki opportunity cost nol, maka masih dapat disusuni
program optimal dengan mengikut sertakan sel O2 D2 .
Jika telah diperoleh dua program optimal, maka program optimal berikutnya dapat
diturunkan sesuai runus:

Program optimal = dA + (1 d) B

Dengan: A = matriks program optimal pertama


B = matriks program optimal kedua
d = sembarang pecahan lebih kecil dari 1
2
Marilah kita gunakan rumus tersebut di atas dengan mengarabil d . Maka program
5
optimal baru diberikai oleh:
2 3
Program optimal = A B
5 5
2
Maka setiap alokasi di matriks A kita kalikan dengan , dan di matriks B kita kalikan
5
3
dengan kemudian kita jumlahkan elemen-elemen yang berkaitan dari kedua matriks..
5
Diperoleh:
Tabel 44b
49

Dj
D1 D2 D3 D4 D5 Total
Oi

12 4 9 5 9
O1 55
0+12= 12 10+3= 13 12+18= 30
8 1 6 6 7
O2 45
4+6= 10 8+0= 8 6+21= 27
1 12 4 7 7
O3 30
12+8= 30
10 15 6 9 1
O4 50
4+6= 10 16+24= 40
Total 40 20 50 30 40

Program optimal yang diturunkan diperlihatkan pada Tabel 6.44b dengan biaya peng-
angkutan total 12(4) + 13(9) + 30(5) + 10(8) + 8(1) + 27(6) + 30(1) + 10(6) + 40(1) = $ 695.
Dalam program optimal ini terlihat adanya 9 sel terisi, tetapi persyaratan RIM masih
tetap dipenuhi. Ini berarti bahwa program optimal ini merupakan solusi yang feasible, tetapi
bukan solusi dasar yang feasible.
Karena d dapat dipilih sembarang pecahan lebih kecil dari 1, maka dapat diperoleh tak
terhingga banyak solusi optimal.
50

MODEL ASSIGNMENT

Pendahuluan
Model assignment menangani kelompok khusus dari masalah program linear di mana
tujuannya adalah penugasan sejumlah origin terhadap jumlah deman yang sama dengan biaya
total yang minimum. Maka penugasan ini disusun atas dasar satu-satu. Ini berarti bahwa
setiap "asal" dapat dikaitkan dengan satu dan hanya satu "tempat tujuan" keistimewaan ini
mengandung arti akan adanya dua "karakteristik khusus" dalam masalah program linear, yang
jika tampil akan mengakibatkan suatu masalah assignment.
Pertama, matriks pay-off-nya adalah suatu matriks bujur sangkar. Kedua, solusi optimal
untuk masalah ini sedemikian rupa sehingga hanya ada satu dan hanya satu penugasan dalam
suatu baris atau kolom tertentu dari matriks pay-off.
Ukuran pay-off untuk setiap penugasan dimisalkan diketahui dan tidak bergantungan satu
dengan lainnya. Dengan informasi tentang jumlah origin dan destination dan ukuran pay-off
berkaitan dengan setiap penugasan yang mungkin, "model penugasan" digunakan untuk
memilih siasat yang memaksimumkan atau meminimumkan ukuran pay-off total, tergantung
apakah pay-off tersebut mewakili suatu keuntungan atau suatu kerugian dari pengambil
keputusan.

Model Assignment
Akan kita ketengahkan suatu masalah assignment yang paling sederhana dengan
menpertimbangkan 3 pekerjaan O1 , O2 , O3 dengan tiga mesin dan D1 , D2 , dan D3 .
Dalam permasalahan ditegaskan bahwa satu pekerjaan dapat dikerjakan secara lengkap oleh
salah satu dari mesin tersebut. Selanjutnya diketahui pula biaya pemrosesan pekerjaan ke-i (i
= 1, 2, 3) dengan mesin ke-j (j = 1, 2, 3).
Masalah ini bertujuan untuk menyusun suatu strategi penugasan pekerjaan terhadap
mesin-mesin sedemikian rupa sehingga diperoleh biaya total yang minimum untuk
menyelesaikan semua pekerjaan.
Data tentang biaya yang relevan diberikan oleh Tabel 1 dalara bentuk matriks
Tabel 1 Tabel 2
Mesin Mesin
Pekerjaan D
Pekerjaan D
D1 D2 3 D1 D2 3

O1 10 15 20 O1 1
O2 19 12 16 O2 1
O3 12 14 11 O3 1

Pengamatan yang seksama dan cepat akan memberikan petunjuk bahwa penugasan
pekerjaan O1 , O2 , O3 terhadap mesin D1 , D2 , D3 akan memberikan penugasan
optimal sesuai:
1(10) + 0(19) + 0(12) + 0(15) + 1(12) + 0(14) + 0(20) + 0(16) + 1(11) = $ 33
Ini memberikan sugesti bahwa matriks penugasan optimal dapat ditampilkan oleh Tabel
2. Dengan perkataan lain kita dapat memikirkan masalah assigment sebagai suatu masalah
untuk membuat suatu pemetaan yang cocok antara origin dan destination. Nilai 1 diberikan
pada sel yang memberikan hubungan antara baris dan kolom bersangkutan, dan nilai 0
diberikan kepada sel-sel lainnya. Ada bebagai cara untuk mengadakan pemetaan tersebut.
Pertama, kita dapat menggunakan metode transportasi untuk menyelesaikan masalah
assignment.
51

Kedua, andaikan masalahnya berdimensi kecil, kita dapat menentukan assignment optimal
dengan menghitung dan memeriksa semua penugasan yang mungkin.
Ketiga, kita dapat menggunakan model assignment untuk menyelesaikan masalah semacam
itu. Dari ini, model assignment merupakan cara pemecahan yang paling efisien untuk
memperoleh assignment yang optimal.

Masalah Assignment sebagai Masalah Khusus dari Masalah Transportasi


Telah dikatakan terlebih dahulu bahwa masalah assignment adalah suatu kasus khusus
dari masalah program linear. Pada kenyataannya, masalah assignment adalah suatu kasus
khusus dari masalah transportasi, sedangkan masalah transportasi sendiri adalah suatu
masalah khusus dari masalah program linear.
Ini akan menjadi jelas jika kita adakan peninjauan terhadap masalah transportasi 33
yang ditampilkan pada Tabel 3. Masalah transportasi semacam ini dapat dinyatakan sebagai:
TABEL 3

3 3

Minimumkan: f ( x) cij xij


j 1 i 1
3

Syarat: x
j 1
ij bi , i 1, 2, 3
3

x
i 1
ij d j , j 1, 2, 3

dan xij 0 , i 1, 2, 3 , j 1, 2, 3

Dengan perkataan lain, masalah transportasi tersebut di atas akan menentukan xij ,
sehingga fungsi obyektif mencapai nilai minimum dengan menenuhi persyaratan yang telah
ditetapkan. Sekarang dimisalkan bahwa setiap bi = 1, dan setiap d j = 1.
Selanjutnya, kita masukkan persyaratan bahwa xij ( xij ) . Maka masalah transportasi
2

di atas susut menjadi bentuk berikut ini:


3 3

Minimumkan: f ( x) cij xij


j 1 i 1

Syarat: x
j 1
ij bi , i 1, 2, 3
Persyaratan
struktural
52

x
i 1
ij d j , j 1, 2, 3

dan xij 0 , i 1, 2, 3 , j 1, 2, 3 Persyaratan tidak negatif

Suatu tinjauan kembali akan menunjukkan bahwa artl dari persyaratan struktural dapat
diberikan sebagai berikut:
(1) xij hanya dapat bernilai 1 atau 0
(2) jumlah xij untuk setiap baris dan setiap kolom adalah 1
Dalam kenyataanya, fungsi obyektif, persyaratan struktural, dan perayaratan tidak
negatif yang diberikan di atas berkaitan dengan pernyataan deskriptif dari masalah
assignment. Karena itu, kita sampai pada kesimpulan bahwa masalah assignment, sebenarnya
adalah suatu kasus khusus dari masalah transportasi.
Penyelesaian Masalah Assignment Menggunakan Teknik Transportasi
Selanjutnya, karena masalah assignment adalah suatu kasus khusus dari masalah
transportasi, maka kita akan mungkin menyelesaikan suatu masalah assignment dengan
menerapkan algoritma transportasi. Ini akan kita gambarkan dengan mempertimbangkan
Tabel 4. Bilangan di setiap sel menunjukkan biaya cij untuk memproses pekerjaan i dengan
mesin j.
TABEL 4
Mesin
Pekerjaan
D1 D2 D3
O1
O2
O3

TABEL 5
Mesin Permintaan
Pekerjaan
D1 D2 D3 Pekerjaan
20 27 30
O1 1

10 18 16
O2 1

14 16 12
O3 1

Kapasitas
1 1 1
Mesin

Mengingat pembicaraan kita terlebih dahulu, masalah ini kita letakkan pada format
transportasi seperti terlihat di Tabel 5.
53

Marilah kita gunakan MODI untuk menangani masalah ini. Langkah pertama, tentunya
adalah menentukan program awal dengan menggunakan cara NWC, diperoleh Tabel 6.

TABEL 6 Penugasan Pertama


Mesin Permintaan
Pekerjaan
D1 D2 D3 Pekerjaan
20 27 30
O1 1
1 - +
10 18 16
O2 1
+ 1 -
14 16 12
O3 1
1
Kapasitas
1 1 1
Mesin
Jumlah sel isi ada 3. Kita perlukan m + n - 1 = 5 sel isi untuk memperoleh solusi dasar yang
feasible. Kita tambahkan pada sel O1 D2 dan O2 D3 dan memperoleh solusi dasar yang
feasible.
Penentuan bilangan baris dan bilangan kolom menunjukkan bahwa sel kosong O2 D1
memiliki opportunity cost yang positif. Program diperbaiki dengan mengikut sertakan sel
kosong O2 D1 . Program perbaikan ditampilkan oleh Tabel 6a.
TABEL 6a
Mesin Permintaan
Pekerjaan
D1 D2 D3
Pekerjaan
20 27 30
O1 1
1
10 18 16
O2 1
1
14 16 12
O3 1
1
Kapasitas
1 1 1
Mesin

TABEL 6b
Mesin Bilangan
Pekerjaan
D1 D2 D3 Kolom
54

20 27 30
O1 0
1
10 18 16
O2 -9
1
14 16 12
O3 -13
1
Bilangan
19 27 25
Baris

Program yang diperoleh memiliki sel isi sebanyak 4, padahal persyaratan yang harus dipenuhi
ialah m + n - 1 = 5. Perlu diletakkan pada salah satu sel kosong, sehingga jumlah sel isi
menjadi 4 + 1 = 5. Penambahan diberikan pada sel O2 D2 atau sel O3 D2 ; kemudian
ditentukan bilangan baris dan bilangan kolom. Penyelidikan menunjukkan bahwa tidak ada sel
kosong yang memiliki opportunity cost positif. Berarti Tabel 6b berkaitan dengan program
penugasan yang telah optimal.

Program optimal berbunyi:


Lakukan pekerjaan O1 di mesin D2
Lakukan pekerjaan O2 di mesin D1
Lakukan pekerjaan O3 di mesin D3
Biaya optimal = 27 + 10 + 12 = $ 49

Penyelesaian Masalah Assignment dengn Menghitung

Jika waktu dan uang tidak dibatasi, masalah assignment dapat juga diselesaikan dengan
pertama-tama menghitung semua penugasan yang mungkin dan kemudian memiliki
penugasan yang berkaitan dengan biaya termurah.

Sebagai contoh, terdapat 6 penugasan untuk masalah yang tertera pada Tabel 9.4.
Penugasan ini, berikut biaya total yang berkaitan tercantum pada Tabel 9.7. Jelas bahwa
penugasan 3, dengan biaya total $ 49 merupakan penugasan optimal dengan biaya termurah.
Sia-sia untuk berkata, kita tidak memprakarsai secara serius untuk menyelesaikan masalah
assignment secara hitungan. Harap Anda mulai berpikir akan penyelesaian masalah
assignment dari dimensi 10 10. Jelas, penyelesaian masalah assignment secara perhitungan
dinilai tidak praktis.

TABEL 9.7
No. Penugasan Biaya Total
1 O1D1 , O2D2 , O3D3 20 + 18 + 12 = 50
55

2 O1D1 , O2D3 , O3D2 20 + 16 + 16 = 52


3 O1D2 , O2D1 , O3D3 27 + 10 + 12 = 49
4 O1D2 , O2D3 , O3D1 27 + 16 + 14 = 57
5 O1D3 , O2D2 , O3D1 30 + 18 + 14 = 62
6 O1D3 , O2D1 , O3D2 30 + 10 + 16 = 56