OPERATION RESEARH ( RISET OPERASI )

SILABUS :

 Pengertian Riset Operasi

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

Pengertian Riset Operasi :

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

Riset harus menggunakan metode ilmiah

Operasi yang berhubungan dengan proses /

berlangsungnya suatu kejadian.

Tujuan : membantu manajemen untuk menentukan kebijakan atau

tindakan secara ilmiah

Definisi : ( Riset Operasi )

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

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

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

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

LP terdiri dari 2 fungsi :

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

Bentuk Umum Model LP :

n

Maksimum / Minimum : Z = c
j 1
j xj Fungsi Tujuan
dengan syarat : a ij x j (≤,=,≥ ) bj Fungsi Batasan

FORMULASI MODEL LP

2
CONTOH : ( Masalah Diet )

Untuk menjaga kesehatan seseorang harus memenuhi kebutuhan minimum

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

Makanan Kebutuhan Minimum

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

Masalahnya bagaimana kombinasi ketiga jenis makanan itu akan memenuhi

kebutuhan minimum perhari dan memberikan biaya terendah

Variabel : x1 = jumlah makanan I

x2 = jumlah makanan II
x3 = jumlah makanan III

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

Fungsi Batasan :

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

Contoh : ( Bakery )

3
Suatu bakery membuat roti yang berisi daging dari suatu campuran daging
dan ayam tanpa lemak.
Daging sapi mengandung 80 persen daging dan 20 persen lemak dan harganya
80 rp /ons. Daging ayam mengandung 68 persen daging dan 32 persen lemak
dan harganya 60 rp/ons. Berapa banyaknya masing-masing daging yang harus
digunakan untuk tiap ons roti daging jika diinginkan untuk meminimumkan
harganya dengan mempertahankan kandungan lemak tidak lebih dari 25
persen?

Model LP :

x1 = jumlah ons daging sapi

x2 = jumlah ons daging ayam

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

F. Batasan :

0.2 x1  0.32 x 2  0.25

x1  x 2  1

Solusi LP
Metode untuk memecahkan program linier diataranya adalah metode grafik
dan metode simpleks. Untuk memulai penerapan metode tersebut maka semua

4
fungsi batasan ketidaksamaan harus ditransformasikan menjadi persamaan
dan juga harus diketahui salah satu pemecahan yang feasible (layak) dan
tidak negatif

Persyaratan Tidak Negatif

Batasan yang memiliki bentuk :

n

a
j 1
ij x j bi

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

Contoh :
2 x1  3x 2  5 x3  3

Dikalikan -1 jadi
 2 x1  3 x2  5 x3  3

Sehingga ruas kanan tidak negatif

Variabel Slack ( Kurang) dan Surplus

 Variabel Slack ( Kurang )

n

a
j 1
ij x j  bi

Untuk diubah menjadi suatu persamaan dengan menambah sebuah

variabel tak negatif baru pada ruas kirinya.

Contoh :

2 x1  3x2  5 x3  3

Diubah menjadi persamaan menjadi :

2 x1  3 x2  5 x3  x4  3

 Variabel Surplus

5
 n

a
j 1
ij x j  bi

Untuk diubah menjadi suatu persamaan dengan mengurangkan sebuah

variabel tak negatif baru pada ruas kirinya.

Contoh :
2 x1  3x2  5 x3  3

Diubah menjadi persamaan menjadi :

2 x1  3 x2  5 x3  x4  3

 Variabel buatan ( artificial variable )

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

Contoh: (***)
2 x1  3 x2  3
x1  4 x2  5
7 x1  8 x2  10

Persamaan variabel buatan x5 dan x6

2 x1  3 x2  x3  3 2 x1  3 x2  x3  3
x1  4 x2  x4  5 x1  4 x2  x4  x5  5
7 x1  8 x2  10 7 x1  8 x2  x6  10

 Solusi Awal yang feasible.

Setiap persamaan batasan akan mengandung variabel

slack atau buatan.
Solusi awal tak negatip bagi fungsi batasan diperoleh
dengan menetapkan variabel slack dan buatan sama dengan
ruas kanan dari fungsi kendala dan menetapkan semua
variabel lainnya termasuk variabel surplus sama dengan
nol.
Contoh: (***)
Solusi awal : x  3, x  5, x  10
3 5 6

6
  Penalty Cost
Penambahan var slack dan surplus tidak mengubah sifat fungsi
batasan maupun tujuan. Oleh karena itu variabel tersebut dapat
diikut sertakan pada fungsi tujuan dengan koefisien nol.
Sedangkan variabel buatan mengubah fungsi fungsi
batasan.Karena variabel buatan ini hanya dtambahkan pada
salah satu ruas persamaan, maka system yang baru ekivalen
dengan fungsi kendala yang lama jika dan hanya jika variabel
buatannya nol.

 Metode Big M
Untuk pemecahan optimal maka variabel buatan diikut sertakan
dalam fungsi tujuan dengan ketentuan :
Untuk : Minimum diberikan koefisien positip yang besar
sekali ( M ).
Maksimum diberikan koefisien negatip yang
besar sekali ( - M ).
Contoh : (Bakery)
Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4

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

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

Metode Grafik

Langkah – Langkah Penggunaan Metoda Grafik

1. Menentukan fungsi tujuan dan memformulasikan dalam bentuk

matematis
2. Mengidentifkasikan batasan-batasan yang belaku dan memformulasikan
dalam bentuk matematis.

7
 3. Menggambarkan masing-masing garis fungsi batasan dalam system
koordinat .Dan menentukan daerah yang memenuhi untuk masing-
masing fungsi batasan tersebut.
4. Mencari titik yang paling optimal dihubungkan dengan fungsi tujuan.

Contoh : ( Perusahaan sepatu )

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

dengan sol dari karet, dan macam ke II dengan sol dari dari kulit. Untuk
membuat sepatu tersebut perusahaan memerlukan 3 macam mesin. Mesin 1
khusus membuat sol dari karet, mesin 2 khusus membuat sol dari kulit dan
mesin 3 membuat bagian atas dari sepatu dan melakukan assembling bagian
atas dengan sol. Setiap lusin sepatu merk I mula-mula dikerjakan dengan
mesin 1 selama 2 jam, kemudian tanpa melalui mesin 2 terus dikerjakan
dimesin 3 selama 6 jam, sedangkan sepatu II tidak diproses di mesin 1 , tetapi
pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin selama 5
jam. Jam kerja maksimum setiap hari untuk mesin 1 = 8 jam , mesin 2 = 15
jam, dan mesin 3 = 30 jam. Keuntungan untuk setiap lusin sepatu merk I =
Rp. 30.000 sedangkan merk II = Rp. 50.000. Masalahnya adalah menentukan
berapa lusin sebaiknya sepatu merk I dan merk II yang dibuat agar
mendapatkan keuntungan yang maksimum.

Model LP:
Variabel : x1 = jumlah (lusin ) sepatu merk I
x2 = jumlah (lusin ) sepatu merk II
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
Fungsi Batasan :
2 x1  8
3x2  15
6 x1  5 x2  30

Grafik :
x2 2 x1  8
D C

3 x2  15

8
 Daerah
Feasible

A 6 x1  5 x 2  30

x1
z  3 x1  5 x2

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

Metode Simpleks

Adalah suatu metode matriks untuk memecahkan program –program linier

dalam bentuk standar, yaitu :

Optimisasikan : ( Maks/Min ) z = CT X

Dengan kendala : AX = B dan X ≥ 0

dimana B ≥ 0 dan pemecahan dasar x0 .

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

MINIMISASI :

XT
CT

9
 x0 C0 A B
CT - C 0T A - C 0T B

MAKSIMISASI :

Tanda aljabar dari elemen – elemen dari baris terbawah dibalik

LANGKAH – LANGKAH METODE SIMPLEKS

LANGKAH 1 : Pilihlah bilangan negatip terbesar pada baris terbawah

( kolom yang mengandung bilangan tersebut dikatakan
kolom kerja )

LANGKAH 2 : Bentuklah nilai-nilai banding dengan membagi setiap

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

LANGKAH 3 :Gunakan operasi elementer baris untuk mengubah

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

LANGKAH 4 :Gantikan variabel x dalam baris pivot pada kolom

pertama dengan variabel x dalam kolom kerja

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

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

LANGKAH 6 :Pemecahan optimal diperoleh dengan menetapkan untuk

tiap-tiap variabel dalam kolom pertama nilai dalam baris
terakhir yang bersangkutan. Semua variabel lainnya

10
 ditetapkan bernilai nol. Nilai dari fungsi tujuan yakni x*
adalah bilangan yang terdapat dalam baris dan kolom
terakhir untuk program maksimisasi, sedangkan negatif
dari bilangan ini adalah untuk program minimisasi.

Contoh: ( Perusahaan Sepatu )

Fungsi Tujuan :
Maksimum : Z = 3 x1 + 5 x2 Z-3x1 -5 x2+0 x3+0 x4+0 x5= 0
Fungsi Batasan :

2 x1  8 2 x1  x3  8
3 x2  15 3 x2  x4  15
6 x1  5 x2  30 6 x1  5 x2  x5  30

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

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

11
 X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
0 0 0 5/6 1/2 27 1 2 positip

Nilai pada tabel optimal , adalah :

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

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

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

Z - x1 - 9 x2- x3+0 x4 +0 x5
Fungsi Batasan :
x1  2 x2  3 x3  x5  9
3 x1  2 x2  2 x3  x6  15

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

12
 X1 X2 X3 X4 X5
X2 1/2 1 3/2 1/2 0 9/2
X5 2 0 -1 -1 1 6
7/2 0 25/2 9/2 0 81/2 Pos

Nilai pada tabel optimal , adalah :

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

Metode Dua –Fasa ( Two Phase methode )

( digunakan apabila variabel buatan adalah bagian dari solusi awal )

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

pertama mengandung suku yang tidak mengandung M,

13
 sedangkan yang kedua mengandung koefisien-koefisien M
dalam suku-suku sisanya.

Perubahan 2 : Langkah 1 dari metode simpleks diterapkan pada baris

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

Perubahan 3 : Setiap sebuah variabel buatan bukan merupakan suatu

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

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

Perubahan 5 : Jika variabel buatan yang tak nol terdapat dalam

himpunan elemen dasar terakhir, maka tidak ada solusi .

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

14
0.2 x1  0.32 x 2  0.25
x1  x 2  1

Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4

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

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

 x3 
0,20 0,32 1 0 0,25
x 
A   1
 1 0 1 B   1 
  C0   4

x1 x2 x3 x4
80 60 0 M
x3 0
x4 M 0,20 0,32 1 0 0,25

1 1 0 1 1
80-M 60-M 0 0 -M

x1 x2 x3 x4
80 60 0 M
x3
x4 0,20 0,32 1 0 0,25

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

x1 x2 x3 x1 x2 x3

15
x3 x2
x1 0 0,12* 1 0,05 x1 0 1 8,333 0,4167

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

Contoh :

Minimum Z = x1 + 2x2 x1  2 x 2  0 x3  0 x 4  Mx5  Mx6

Fungsi Batasan :

x1  3 x2  11 x1  3x2  x3  x5  11
2 x1  x2  4 2 x1  x2  x4  x6  9

1 3 1 0 1 0
C T  C 0T A  1,2,0,0, M , M   [ M , M ]
 2 1 0  1 0 1 
 1,2,0,0, M , M   [3M ,4 M , M , M , M ]

 1  3M ,2  4 M , M , M ,0,0

11
C0T B   M , M      20 M 
9

x1 x2 x3 x4 x5 x6

x5 M
x6 M 1 3* -1 0 1 0 11 11/3

1 1 0 1 0 1 9 9/1
1 2 0 0 0 0 0
-3 -4 1 1 0 0 20

16
 x1 x2 x3 x4 x5 x6

x2
x6 1/3 1 -1/3 0 1/3 0 11/3 11

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

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

x1 x2 x3 x4 x5 x6

x2
x6 1/3 1 -1/3 0 1/3 0 11/3

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

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

x1 x2 x3 x4 x5 x6

x2
x1 0 1 -2/5 1/5 2/5 1/5 13/5

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

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

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

17
x1  5 x2  5
2 x1  x2  4
Dan semua variabel tidak negatif

Jawab :

Z - x1 - x2 +0 x3 +0 x4
Fungsi Batasan :
x1  5 x2  x3  5
2 x1  x2  x4  4

X1 X2 X3 X4
X3 1 5 1 0 5 5
X4 2* 1 0 1 4 2
-1 -1 0 0 0

Krn sama, Pilih salah satu

X1 X2 X3 X4
X3 0 9/2* 1 -1/2 3 3/2
X1 1 ½ 0 1/2 2 4
0 -1/2 0 1/2 2

X1 X2 X3 X4
X2 0 1* 2/9 -1/9 2/3
X1 1 ½ 0 1/2 2
0 -1/2 0 1/2 2

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

18
Nilai pada tabel optimal , adalah :

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

Soal :
Fungsi Tujuan : Minimum : Z = 3x1 + 5x2
Fungsi Batasan :
2 x1  8
3 x2  15
6 x1  5 x2  30
Jawab :

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

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

x1 x2 x3 x4 x5 x6

x3 M
x4 0 2 0 1 0 0 0 8
x6 M
0 3 0 1 0 0 15

6 5 0 0 -1 1 30

2 0 1 0 0 0
C  C A   3,5, M ,0,0, M   [ M ,0, M ]0
T T
0 3 0 1 0 0
6 5 0 0  1 1
C  C A  [3,5, M ,0,0, M ]  [8M ,5M , M ,0, M , M ]
T T
0

C T  C0T A  [3  8M ,5  5M ,0,0, M ,0]

8
 C B  [ M ,0, M ]15   [ 38M ]
T
0

30

19
 x1 x2 x3 x4 x5 x6

x3 M
x4 0 2 0 1 0 0 0 8
x6 M
0 3 0 1 0 0 15

6 5 0 0 -1 1 30

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

x1 x2 x3 x4 x5 x6

x3 M
x4 0 2* 0 1 0 0 0 8 4
x6 M
0 3 0 1 0 0 15 ∞

6 5 0 0 -1 1 30 5

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

x1 x2 x3 x4 x5 x6

x1 M
x4 0 1 0 1/2 0 0 0 4 ∞
x6 M
0 3 0 1 0 0 15 5

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

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

x1 x2 x3 x4 x5 x6

20
x1 M
x4 0 1 0 1/2 0 0 0 4
x2 M
0 1 9/5 1 3/5 -3/5 57/5

0 1 -3/5 0 -1/5 1/5 6/5

0 0 3/2 0 1 1 -18
0 0 1 0 0 1 0
Solusi optimal : x1  4, x2  6 / 5, Z  18

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

Jawab :

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

Fungsi Batasan :
4 x1  5 x2  6 x3  x4  60.000
4 x1  6 x2  8x 3  x5  75.000
2 x1  5 x2  5x 3  x6  45.000

21
 X1 X2 X3 X4 X5 X6
X4 4 5 6 1 0 0 60000 10000
X5 4 6 8 0 1 0 75000 9375
X6 2 5 5* 0 0 1 45000 9000
-30 -40 -60 0 0 0 0 0

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

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

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

Nilai pada tabel optimal , adalah :

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

22
Metode Dual Simpleks
Untuk setiap LP dalam variabel x1, x2,……, xn, terkait dengan LP dengan
variabel lain misal w1, w2,……, wm ( dimana m adalah jumlah batasan
alam LP semula) yang disebut dengan DUAL nya. Bentuk dual tersebut
tergantung pada bentuk LP semula yang disebut dengan PRIMAL.

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

Berlaku sebaliknya

DUAL TAK SIMETRIS

Primal Dual

23
F.Tujuan :Minimum : z = CTX F.Tujuan :Maksimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W ≤ C
Dan: X ≥ 0 Dan: W ≥ 0

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

Interpretasi ekonomis masalah Primal dan Dual

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

CONTOH: ( Perusahaan Sepatu )

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

2 x1 ≤ 8
3 x2 ≤ 15
6 x1 + 5 x2 ≤ 30
x 
Fungsi Tujuan : Maksimum : Z =C X=T  3,5  1 
 x2 
Fungsi Batasan :
AX ≤ B

24
 2 0 8
0  x1 
 3
 x  ≤ 15 
 

6 5

 2 30

Dual :
 w1 
8  
Fungsi Tujuan : Minimum : Z = BTW= 15 30  w2 
 w3 

Fungsi Batasan :
A TW ≥ C

 w1 
2 0 6   3
0
 3
w
5  2  ≥ 5
 
 w3 

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

Fungsi Batasan :
2w1  6 w3  3
3w2  5w3  5
w1 , w2 , w3  0

Tabel terakhir ( tabel Optimal )

X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3 Solusi
X2 0 1 0 1/3 0 5 Primal
X1 1 0 0 -5/18 1/6 5/6
Z 0 0 0 5/6 1/2 27 1 2
dual
solusi
 

Solusi Masalah Dual : ( Hubungan Primal –Dual )

Koefisien slack variabel pada baris terakhir (
tabel optimal )

25
Dalam hal ini : w1 = 0 , w2 = 5/6, w3 = ½ sehingga
Z = 8 (0) + 15 (5/6)+ 30 (1/2)
Z = 27 1 2 ( OPTIMAL )

 Analisa Sensitivitas

Analisa tersebut dilakukan setelah dicapainya penyelesaian optimal, sehingga

analisa nya sering disebut dengan Post Optimality Analysis.

Tujuan (Analisa Sensitivitas ) :

Mengurangi perhitungan dan menghindari perhitungan ulang, bila tejadi

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

Perubahan yang mungkin terjadi setelah dicapainya penyelesaian optimal

terdiri dari beberapa macam , yaitu :

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

2. Koefisien fungsi tujuan.

Analisa sensitivitas pada dasarnya memanfaatkan kaidah-kaidah primal-

dual metode simpleks semaksimal mungkin.

Kaidah Primal – Dual

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

Langkah 1 :

26
Pilih koefisien –koeisien dari fungsi tujuan yang berhubungan dengan variabel
dasar iterasi yang bersangkutan lalu disusun dalam vektor baris.
Langkah 2 :
Kalikan vektor baris tersebut dengan matriks pada tabel simpleks yang
beranggotakan variabel-variabel starting solution. Nilai yang diperoleh dalam
langkah dua ini diseut Simpleks Multiplier ( Shadow Costs )
Pada tabel akhir ( optimal ) simpleks multiplier ini menunjukan optimal
solution bagi dualnya.

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

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

CONTOH : ( Perusahaan Sepatu )

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

Tabel terakhir ( tabel Optimal )

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

27
 Diperoleh matriks ; [ 0,5,3 ]

Langkah 2 :

Diperoleh matriks :

1 5/9  1 / 3
0 1/ 3 0 

0  5 / 18 1 / 6 

Sehingga

1 5/9  1 / 3
0 0 
[ 0,5,3 ]  1/ 3 =[ 0,5/6,1/2 ]
0  5 / 18 1 / 6 
Koefisien fungsi tujuan
Tabel optimal

Kaidah II :

6 1 
1
0
5/9  1 / 3 8  3
 1/ 3 0  15 
  =  5       
Nilai  kanan  tabel  optimal

0  5 / 18 1 / 6  30 5 
 6

28
Kaidah III :

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

1 5/9  1 / 3 2 0

0
 1/ 3 0  0 
  = 0 Nilai  kolom  x
      1

0  5 / 18 1 / 6  
6 
 
1 


1 5/9  1 / 3 0 0 
0
 1/ 3 0   3
  = 1  Nilai  kolom  x
       2

0  5 / 18 1 / 6  
5 
0 


Perubahan nilai kanan fungsi batasan :

29
 8 8
15  16 
Misal   menjadi  
30 30

6 8 
1 5/9  1 / 3 8  9
0
 1/ 3 0  16 
  = 5 1 3 
0  5 / 18 1 / 6  30 5 
 9 
Sehingga laba total berubah ( bertambah ) menjadi :

3 ( 5/9) + 5 ( 5 13 ) = 28 1
3

Apabila diubah lagi

8 8
16  20
Misal   menjadi  
30 30 

9 1 
1 5/9  1 / 3 8  9
0
 1/ 3 0  20
  =  6 2 3  
tidak  feasible

0  5 / 18 1 / 6  30   5 
 9 

Perubahan nilai kanan fungsi batasan :

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

Sehingga diperoleh :

30
 1 5/9  1 / 3
0 0 
[ 0,6,4 ]  1/ 3 =[ 0,8/9,2/3 ]
0  5 / 18 1 / 6 

laba total berubah menjadi :

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

Transportasi

Ada 3 Metode Menentukan Solusi Awal :

Keadaan Seimbang
1. Metode North West Corner

Metode paling tidak efisisien karena tidak mempertimbangkan biaya

transportasi per unit dalam alokasi

31
 Cara : Tentukan min (S, D ) pada x11 kemudian teruskan sampai dengan
sesuaikan suplay dan demand

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

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

+ (60)(10) = 2690

2. Metode Least Cost

Lebih baik dari Metode North West Corner karena masih

mempertimbangkan biaya transportasi per unit dalam alokasi

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

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

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

32
 Solusi Awal = ( 70)(5) + (50)(6) +( 70)(15) + (10)(12) +
(80)(3) = 2060

3. Metode Aproksimasi Vogel ( VAM)

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

Ke 1 2 3 Suplay Penalty cost

Dari Baris

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

Ke 1 2 3 Suplay Penalty cost

Dari Baris

1 8 5 6 1
70 50 120
2 15 10 12 80 2
70 10
3 3 9 10 80
80
Demand 280
150 70 60

33
Penalty cost 15-8 = 7 (*) 10-5 =5(***) 12-6=6(**)
kolom

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

( 80 ) (3) = 1920

Ada 2 Metode Menentukan Solusi Optimum

1. Metode Stepping- Stone

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

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
30 50 80
3 3 9 10
20 60 80
Demand
(D) 150 70 60 280

34
 Kotak Kosong Jalur Tertutup 
 
X12 X12  X22  X21  X11  X12

X13 X13  X33  X32  X22  X21  X11  X13

X23 X23  X33  X32  X22  X23

X31 X31  X21  X22  X32  X31

Biaya Transp Jalur Penambahan/ Perubahan Biaya

Pengurangan Biaya
  
C12 +`5 – 10 +15 – 8 = +2

C13 +`6 – 10 + 9 – 10 + 15 – 8 = +2

C23 +`12 – 10 + 9 – 10 = +1

C31 +`3 – 15 +10 – 9 = - 11 

 Pilih Perubahan Biaya negatip terbesar , jika sama pilih salah satu

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
10 70 80
3 3 9 10
20 60 80
Demand
(D) 150 70 60 280

35
 Kotak Kosong Jalur Tertutup 
 
X12 X12  X22  X21  X11  X12

X13 X13  X32  X31  X11  X13

X23 X23  X33  X31  X21  X23

X32 X32  X31  X21  X22  X31

Biaya Transp Jalur Penambahan/ Perubahan Biaya

Pengurangan Biaya
  
C12 +`5 – 10 +15 – 8 = +2

C13 +`6 – 10 + 3 – 8 = -9

C23 +`12 – 10 + 3 – 15 = -10 

C32 +`9 – 3 +15 – 10 = + 11

Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
70 10 80
3 3 9 10
30 50 80
Demand
(D) 150 70 60 280
Biaya Transp Jalur Penambahan/ Perubahan Biaya
Pengurangan Biaya

36
   
C12 +`5 – 8 + 3– 10 +12 – 10= -8

C13 +`6 – 8 + 3 – 10 = - 9

C21 +`15 – 3 + 10 – 12 = +10

C32 +`9 – 10 +12 – 10 = +1

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

Biaya Transp Jalur Penambahan/ Perubahan Biaya

Pengurangan Biaya
  
C12 +`5 – 10 +12 – 6= +1
C13 +`15 – 12 + 6 – 8 = +1
C21 +`9 – 3 + 8 – 6 +12 – 10 = +11
C32 +`10 – 6 + 8 – 3 = +9
Karena Perub. Biaya semua positip maka sudah optimal
Solusi optimal = (70)(8) + (80)(3) + (70)(10) +(50)(6)+(10)(12)= 1920
2.Metode Modified Distribution ( MODI )
Langkah –langkah :
1. Tentukan nilai ui untuk setiap baris dan nilai vj untuk setiap kolom
dengan menggunakan hubungan cij = ui + vj untuk semua variabel
basis dan misalkan nilai nol untuk ui .
2. Hitung perubahan biaya cij , untuk setiap variabel non basis dengan
menggunakan rumus Cij = cij - ui - vj
3. Pilih nilai Cij negatip terbesar, kemudian tentukan jalur tertutup yang
dimulai dengan kotak kosong tersebut.

37
 4. Lakukan perubahan letak variabel basis dan non basis dengan
memulai pada kotak yang kosong dengan menambahkan sejumlah
nilai pada variabel basis kemudian kurangkan pada variabel basis
sebesar nilai pada variabel basis tadi demikian seterusnya secara
berselang seling (penambahan /pengurangan ) sesuai dengan jalur
yang terpilih
5. Jika seluruh perubahan biaya positip maka solusi optimal.

Ke 1 2 3 Suplay ui
Dari

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

vj 8 3 4

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

u2 + v1 = c21  u2 + 8 = 15  u2 = 7

u2 + v2 = c22  7 + v2 = 10  v2 = 3

u3 + v2 = c32  u3 + 3= 9  u3 = 6

u3 + v3 = c33  6 + v3 = 10  v3 = 4

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 – u1 – v2 = 5 – 0 – 3 = +2

C13 = c13 – u1 – v3 = 6 – 0 – 4= +2

C23 = c23 – u2 – v3 = 12 – 7 – 4 = +1

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

38
 Ke 1 2 3 Suplay ui
Dari

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

vj 8 13 15

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

u2 + v1 = c21  u2 + 8 = 15  u2 = 7

u2 + v2 = c22  7 + v2 = 10  v2 = 3

u3 + v1 = c31  u3 + 8 = 3  u3 = -5

u3 + v3 = c33  -5+ v3 = 10  v3 = 15

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 – u1 – v2 = 5 – 0 – 3 = +2

C13 = c13 – u1 – v3 = 6 – 0 – 15= - 9

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

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

Ke 1 2 3 Suplay ui
Dari

39
 1 8 5 6
120 120 0
2 15 10 12
70 10 80 -3
3 3 9 10
30 50 80 -5
Demand
150 70 60 280
vj 8 13 15

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

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

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

u3 + v1 = c31  u3 + 8 = 3  u3 = -5

u3 + v3 = c33  -5+ v3 = 10  v3 = 15

Perubahan biaya ( Kotak kosong/ variabel non basis )

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

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

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

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

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

u3 + v1 = c31  u3 + 8 = 3  u3 = - 5

u2 + v2 = c22  6 + v2 = 10  v2 = 4

40
 u1 + v3 = c13  0 + v3 = 6  v3 = 6

u2 + v3 = c23  u2 + 6 = 12  u2 = 6

Perubahan biaya ( Kotak kosong/ variabel non basis )

C12 = c12 – u1 – v2 = 5 – 0 – 4= + 1

C21 = c21 – u2 – v1 = 15 – 6 – 8= + 1

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

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

Karena seluruh perubahan biaya positip maka solusi optimum.

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

Solusi optimum memerlukan jumlah iterasi yang sama

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

Soal ( Seimbang )
ke 1 2 3 Suplay(S)
dari
1 20 5 8
90

41
 2 15 20 10
60
3 25 10 19
50
Demand
(D) 50 110 40 200

Soal ( Tidak Seimbang )

Kebutuhan lebih kecil dari sumber (kapaitas)yang tersedia

ke gudang1 gudang2 gudang3 Dummy Suplay

dari (S)
pbrk1 20 5 8 90

pbrk2 15 20 10 60

pbrk3 25 10 19 100

Demand 250
(D) 50 110 40 50

Kebutuhan lebih besar dari sumber (kapaitas)yang tersedia

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

Ke 1 2 3 Suplay
Dari

1 8 5 6
120
2 15 10 12

42
 80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari

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

Ke 1 2 3 Suplay
Dari

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

Ke 1 2 3 Suplay
Dari

1 8 5 6

43
 120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280

Ke 1 2 3 Suplay
Dari

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

Ke 1 2 3 Suplay
Dari

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

Masalah Penugasan

44
Masalah :
Yang berhubungan dengan penugasan optimal dari macam-macam
sumber yang produkyif / personalia yang mempunyai tingkat efisiensi
yang berbeda-beda untuk tugas yang berbeda pula.

Metoda Hungarian adalah metoda untuk penyelesaian masalah

penugasan .

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

Langkah –Langkah Penyelesaian :

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

Contoh :
Masalah Minimisasi

45
 Pekerjaan

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

Pekerjaan

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

Pekerjaan

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

Pekerjaan

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

Catatan :

46
 Untuk Masalah Maksimum ;
Pilih nilai terbesar di masing-masing baris dst…..

Soal : masalah maksimum

Pekerjaan

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

Karyawan I II III IV V
A 5 3 5 7 0
B 1 5 6 0 2
C 3 4 5 4 0
D 3 1 8 0 5
E 7 4 3 6 0
Pekerjaan

Karyawan I II III IV V
A 4 2 2 7 0
B 0 4 3 0 2
C 2 3 2 4 0
D 2 0 5 0 5
E 6 3 0 6 0

47
 Pekerjaan

Karyawan I II III IV V
A 2 0 0 5 0
B 0 4 3 0 4
C 0 1 0 2 0
D 2 0 5 0 7
E 6 3 0 6 0

Skedul :
Terdapat 2 alternatif penyelesaian :

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

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

BAB II
LANDASAN TEORI
A. DEFINISI MASALAH PENUGASAN
Masalah penugasan berkaitan dengan keinginan perusahaan dalam
mendapatkan pembagian atau alokasi tugas (penugasan) yang optimal, dala arti
apabila penugasan tersebut berkaitan dengan keuntungan maka bagaimana alokasi
tugas atau penugasan tersebut dapat memberikan keuntugan yang maksimal, begitu
pula sebaliknya bila menyangkut biaya. Contoh kegiatan yang termasuk masalah
penugasan antara lain yaitu: penempatan karyawan pada suatu posisi jabatan di
perusahaan, pembagian wilayah tugas salesman, pembagian tugas dalam suatu tim
renang estafet.
Pada bagian terdahulu telah disebutkan bahwa pada masalah penugasan
disyaratkan suatu penugasan satu-satu, sehingga jumlah assignee dan assignment

48
 harus sama. Bila dalam suatu masalah ditemui jumlah assignee dan assignment
berbeda, maka perlu ditambahkan suatu assignee/assignment dummy untuk
menyamakan jumlahnya. Setelah data terpresentasi dalam bentuk tabel penugasan,
maka kita dapat langsung menyelesaikan menggunakan metode Hungarian. Dalam
penyelesaiannya, masalah penugasan terbagi menjadi dua, yaitu masalah
minimalisasi dan masalah maksimalisasi.
Secara umum langkah-langkah penyelesaian masalah penugasan adalah:
1. Identifikasi dan penyederhanaan masalah dalam bentuk tabel penugasan.
2. Untuk kasus minimalisasi, mencari biaya terkecil untuk setiap baris, dan kemudian
menggunakan biaya terkecil tersebut untuk mengurangi semua biaya yang ada pada
baris yang sama. Sedangkan untuk kasus maksimalisasi, mencari nilai tertinggi untuk
setiap baris yang kemudian nilai tertinggi tersebut dikurangi dengan semua nilai yang
ada dalam baris tersebut.
3. Memastikan semua baris dan kolom sudah memiliki nilai nol. Apabila masih ada
kolom yang belum memiliki nilai nol, maka dicari nilai terkecil pada kolom tersebut
untuk selanjutnya digunakan untuk mengurangi semua nilai yang ada pada kolom
tersebut.
4. Setelah semua baris dan kolom memiliki nilai nol, maka langkah selanjutnya
adalah memastikan atau mengecek apakah dalam tabel penugasan tersebut, telah
berhasil ditemukan nilai nol, sebanyak sumber daya (bisa karyawan, mesin, alat
transportasi, atau sumber daya lainnya) yang juga tercermin dengan jumlah barisnya.
Misalnya bila yang akan ditugaskan adalah 4 karyawan, maka harus ditemukan nilai
nol sebanyak 4 buah yang terletak di baris dan kolom yang berbeda. Sebaiknya
dimulai dari baris yang hanya memiliki 1 nilai nol. Langkah ini menganduk arti
bahwa setiap karyawan hanya dapan ditugaskan pada satu pekerjaan saja.
5. Apabila belum, maka langkah selanjutnya adalah menarik garis yang
menghubungkan minimal dua buah nilai nol dalam tabel penugasan tersebut.

49
6. Selanjutnya, perhatikan nilai-nilai yang belum terkena garis. Pilih nilai yang paling
kecil, kemudian pergunakan untuk mengurangi nilai-nilai lain yang belum terkena
garis, dan gunakan untuk menambah nilai-nilai yang terkena garis dua kali.
7. Dari hasil lagkah ke-6 tersebut, apakah sekarang telah berhasil ditemukan nilai nol
sejumlah atau sebanyak sumber daya (bisa karyawan, mesin, alat transportasi, atau
sumber daya lainnya) yang juga tercermin dengan jumlah barisnya.
8. Jika sudah, maka masalah penugasan telah optimal, dan apabila belum maka perlu
diulangi langkah penyelesaian ke-5 di atas.

Sebagai catatan, kasus penugasan dianggap normal apabila jumlah sumber daya yang
akan ditugaskan dan jumlah pekerjaan atau tujuan adalah sama.

Maksud dari penugasan adalah menetapkan jumlah sumber-sumber yang

tugaskan kepada sejumlah tujuan (satu sumber untuk satu tujuan), sedemikian
hingga didapat ongkos total yang minimum atau keuntungan total yang maksimum.
Biasanya yang dimaksud dengan sumber ialah pekerja. Sedangkan yang dimaksud
dengan tujuan adalah obyek dari pekerjaan tersebut. Jadi, masalah penugasan akan
mencakup sejumlah m sumber yang mempunyai n tugas. Ada n! (n faktorial)
penugasan yang mungkin dalam suatu masalah karena berpasangan satu-satu.
Apabila pekerjaan i (i= 1,2,3,....n) ditugaskan kepada obyek j (j=1,2,3,...m) akan
muncul biaya penugasan Cn maka sudah jelas bahwa tujuan dari penugasan adalah
mencari ongkos dari tiap-tiap pekerjaan kepada obyek dengan total ongkos yang
minimum atau memberikan keuntungan yang maksimum.

B. Model Matematis Penugasan

Masalah penugasan dapat dijelaskan dengan mudah oleh suatu matrik segi
empat,dimana baris-barisnya menunjukkan sumber-sumber dan kolomnya
menunjukkan tugas-tugas Sebelum model dapat dipecahkan dengan teknik
penugasan terlebih dahulu diseimbangkan dengan menambah pekerjaan-pekerjaan
atau obyek semu (dummy) bergantung pada apakah m<n atau m>n, sehingga
diasumsikan bahwa m=n. Secara matematis, model penugasan ini dapat dinyatakan
sebagai berikut :

Dengan demikian, model persoalan penugasan ini adalah :

50
 Minimum (maksimum)
Dengan batasan :

Dan xij >0 atau 1

BAB III
STUDI KASUS
A. Masalah Minimasi
Suatu perusahaan mempunyai 4 (empat) pekerjaan yang berbeda untuk
diselesaikan oleh 4 (empat) karyawan. Biaya penugasan seorang karyawan berbeda-
beda. Setiap karyawan mempunyai tingkat ketrampilan. Pengalaman kerja dan latar
belakang pendidikan serta latihan yang berbeda-beda pula. Sehingga biaya
penyelesaian pekerjaan yang sama oleh para karyawan yang berlainan juga berbeda.
Biaya penugasan karyawan untuk macam-macam pekerjaan ditunjukkan pada
Tabel.3.1berikut :
Tabel 2.1 Soal penugasan (minimasi)
TUGAS
MESIN 1 MESIN 2 MESIN 3 MESIN 4
OBJEK
A 20 22 18 15
B 24 23 17 13
C 13 19 13 14
D 16 17 18 22

Langkah-langkah penyelesaiannya adalah sebagai berikut :

1. Merubah matrik biaya menjadi Opportunity Cost. Ini dicapai dengan memilih
elemen terkecil dari setiap baris dari matrik biaya mula-mula untuk mengurangi
seluruh elemen setiap baris. Dari Tabel Reduced Cost matrik sebagai berikut:
Tabel 2.2 Reduced Cost
TUGAS
MESIN 1 MESIN 2 MESIN 3 MESIN 4
OBJEK
A 5 7 3 0
B 11 10 4 0
C 0 6 0 1
D 0 1 2 6

51
1. Reduced Cost Matrik diatas terus dikurangi untuk mendapatkan total opportunity
cost matrik. Hal ini dapat dicapai dengan memilih elemen terkecil dari setiap kolom
pada Reduced Cost Matrik untuk mengurangi seluruh elemen dalam kolom-kolom
tersebut. Matrik total opportunity cost ditunjukkan dalam Tabel 14 sebagai berikut:
Tabel 2.3 Matrik total opportunity cost
TUGAS
MESIN 1 MESIN 2 MESIN 3 MESIN 4
OBJEK
A 5 6 3 0
B 11 9 4 0
C 0 5 0 1
D 0 0 2 6

1. Mencari jadwal penugasan dengan suatu total opportunity cost nol. Untuk mencapai
penugasan ini dibutuhkan 4 "independent/cros" (karena ada 4 pekerja atau
karyawan) dalam matrik. Ini berarti setiap karyawan harus ditugaskan hanya untuk
suatu pekerjaan dengan opportunity cost sama dengan nol. Atau setiap pekerjaan
harus diselesaikan hanya oleh satu karyawan. Prosedur praktis untuk melakukan tes
optimalisasi adalah dengan menarik sejumlah minimum garis horisontal dan/atau
vertikal untuk meliputi seluruh elemen bernilai nol dalam total opportunity cost
matrik. Bila jumlah garis sama dengan baris dan kolom, penugasan optimal adalah
layak. Bila tidak sama maka matrik harus direvisi
Tabel 2.4 .Tes optimalisasi
TUGAS
MESIN 1 MESIN 2 MESIN 3 MESIN 4
OBJEK
A 5 6 3 0
B 11 9 4 0
C 0 5 0 1
D 0 0 2 6

Dalam Tabel 3.4 ada tiga baris yang meliputi seluruh nilai nol dibanding empat baris
atau kolom, sehingga langkah berikutnya untuk merevisi matrik.

1. Untuk merevisi total opportunity cost matrik, pilih elemen terkecil yang belum
terliput garis-garis (yaitu opportunity cost terendah, atau pada contoh diatas = 3)
untuk mengurangi seluruh elemen yang belum terliput. Kemudian tambahkan
dengan jumlah yang sama (nilai elemen terkecil) pada seluruh elemen-elemen yang
mempunyai dua garis yang saling bersilangan (1 pada baris C dan 6 pada baris D).

52
 Jadi hasil perbaikannya adalah 4 pada baris C dan 9 pada baris D. Matrik yang telah
direvisi dapat dilihat pada tabel 5 yang didapat dengan mengikuti prosedur diatas.
Tabel 2.5 : Revised Matriks and Test for Optimality
TUGAS
MESIN 1 MESIN 2 MESIN 3 MESIN 4
OBJEK
A 2 3 0 0
B 8 6 1 0
C 0 5 0 4
D 0 0 2 9

1. Dalam tabel 16 dibutuhkan minimal empat garis untuk meliputi seluruh nilai nol
atau sama dengan jumlah baris atau kolom, sehingga matrik penugasan optimal
telah tercapai. Jadwal penugasan optimal dengan biaya minimum adalah sebagai
berikut:
JADWAL PENUGASAN BIAYA
A-MESIN3 Rp 18
B-MESIN3 Rp 13
C-MESIN3 Rp 13
D-MESIN3 Rp 17

B. Masalah Maksimisasi
Metode penugasan Hungarian untuk minimisasi juga dapat diterapkan untuk
masalahpenugasan yang menyangkut maksimisasi. Dalam masalah maksimisasi,
matrik elemen-elemen menunjukkan tingkat keuntungan (atau indeks produktivitas).
Efektivitas pelaksanan tugas olehkaryawan-karyawan individual diukur dengan
jumlah kontribusi keuntungan. Langkah penyelesaianmaksimisasi sama dengan
penyelesaian minimisasi, yang berbeda hanya pada langkah pertama.Langkah
pertama dalam masalah maksimasi adalah merubah matrik keuntungan menjadi
suatumatrik opportunity-loss (lihat Tabel 2.6). Dalam masalah ini, A menyumbang
keuntungan tertinggiRp 17,- bila dia ditugaskan pada pekerjaan Mesin 5. Oleh
karena itu bila A ditugaskan padapekerjaan Mesin1 (yang kontribusi keuntungannya
Rp 13,-). Ada sebesar Rp 4,- sebagai opportunity-loss yang terjadi dengan
penugasan ini dan seterusnya. Seluruh elemen dalam dalams etiap baris dikurangi
dengan nilai maksimum dalam baris yang sama. Prosedur ini menghasilkan matrik

53
 opportunity-loss yang ditunjukkan dalam Tabel 2.6. Matrik ini sebenarnya bernilai
negatif.
Tabel 2.6 Soal penugasan (maksimasi)
TUGAS
MESIN 1 MESIN 2 MESIN 3 MESIN 4 MESIN 5
OBJEK
A 13 14 13 10 17
B 16 9 10 13 15
C 12 13 8 11 16
D 14 15 12 8 11
E 9 12 13 4 15

Tabel 2.7. Opportunity loss

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

Untuk langkah kedua dan seterusnya sama dengan masalah minimisasi.

 CONTOH KASUS :
Manager pemasaran sebuah industri pakaian mempunyai 4 orang karyawan
pemasaran yang akan di minta untuk memasarkan 5 buah jenis produk yaitu: jas,
kemeja, rok, blouse, dan celana. Kepada khalayak umum masing-masing karyawan
mempuyai kontribusi keuntungan yang berdeda-beda berikut adalah keuntungan
masing-masing karyawan untuk setiap produk
1. Karyawan A = 15, 42, 38, 54, 29
2. Karyawan B = 45, 19, 27, 32, 20
3. Karyawan C = 21, 30, 41, 39, 23
4. Karyawan D = 39, 28, 26, 22, 29

54
 Pertanyaannya bagaimana seharusnya manager tersebut memberikan tugas
pemasaran tersebut sebagai keuntungan yang di peroleh maksimal????

2. Penyelesaian dengan menggunakan manual

TUGAS
Jas Kemeja Rock blouse Celana
OBJEK
Karyawan A 15 42 38 54 29
Karyawan B 45 19 27 32 20
Karyawan C 21 30 41 39 23
Karyawan D 39 28 16 22 19
dummy 0 0 0 0 0

1. Merubah matrik biaya menjadi Opportunity Cost. Ini dicapai dengan memilih
elemen terbesar dari setiap baris dari matrik biaya mula-mula untuk mengurangi
seluruh elemen setiap baris. Dari Tabel Reduced Cost matrik sebagai berikut:

TUGAS
Jas Kemeja Rock blouse Celana
OBJEK
Karyawan A 39 12 16 0 25
Karyawan B 0 26 18 13 25
Karyawan C 20 11 0 2 18
Karyawan D 0 11 23 17 20
dummy 0 0 0 0 0

1. Reduced Cost Matrik diatas terus dikurangi untuk mendapatkan total opportunity
cost matrik. Hal ini dapat dicapai dengan memilih elemen terkecil dari setiap kolom
pada Reduced Cost Matrik untuk mengurangi seluruh elemen dalam kolom-kolom
tersebut. Matrik total opportunity cost ditunjukkan dalam Tabel diatas sebagai
berikut:

55
 TUGAS
Jas Kemeja Rock blouse Celana
OBJEK
Karyawan A 39 1 16 0 25
Karyawan B 0 15 18 13 25
Karyawan C 20 0 0 2 18
Karyawan D 0 0 23 17 20
Dummy 0 0 0 0 0

1. Test apakah penempatan tugas sudah maksimal atau belum yaitu dengan manarik
garis pada kolom dan baris yang melintasi semua nilai nol, jika jumlah garis sama
dengan jumlah baris maka penugasan sudah optimal.

2. Tugas pemasaran dari penugasan yang optimal adalah sebagai berikut:

JADWAL PENUGASAN BIAYA

Karyawan A ® blouse Rp 54,-
Karyawan B ® Jas Rp 45,-
Karyawan C ® Rock Rp 41,-
Karyawan D ® Kemeja Rp 28,-
Dummy ® Celana Rp 0,-
Total keuntungan maksimal yang di peroleh adalah Rp. 168,-
Sehingga total keuntungan maksimal yang di peroleh adalah Rp. 168,-

PENUTUP
KESIMPULAN
Masalah penugasan (assignment problem), seperti juga masalah transportasi
merupakan suatu kasus khusus yang ditemui dalam pemrograman linear. Masalah
penugasan berkaitan dengan keinginan perusahaan dalam mendapatkan pembagian atau
alokasi tugas (penugasan) yang optimal, dala arti apabila penugasan tersebut berkaitan
dengan keuntungan maka bagaimana alokasi tugas atau penugasan tersebut dapat
memberikan keuntugan yang maksimal. Setelah data terpresentasi dalam bentuk tabel
penugasan, maka kita dapat langsung menyelesaikan menggunakan metode Hungarian.

56
Dalam penyelesaiannya, masalah penugasan terbagi menjadi dua, yaitu masalah
minimalisasi dan masalah maksimalisasi.

Kolom/baris dummy ditambahkan bila jumlah assignee tidak sama dengan

assignment, atau terkadang disebut sebagai masalah tak seimbang. Pada kolom/baris
dummy ini diberikan nilai keuntungan/kerugian sebesar nol. Sedangkan untuk suatu
hubungan assignee dan assignment yang tidak mungkin terjadi, untuk keduanya diberikan
nilai keuntungan sebesar –M atau nilai kerugian sebesar M.
Dari hasil perhitungan diperoleh hasil keuntungan maksimal. Sehingga total
keuntungan maksimal yang di peroleh adalah Rp. 168,-

DAFTAR PUSTAKA

http://arisbudi.staff.gunadarma.ac.id
http://elearning.gunadarma.ac.id/docmodul/pengantar_riset_operasional/bab6-
masalah_penugasan.pdf
http://kiayati.staff.gunadarma.ac.id
http://indriastuti90.blogspot.co.id/2011/06/makalah-masalah-penugasan.html
http://matematikakuadrat.blogspot.co.id/2008/11/masalah-penugasan-untuk-kasus-
maksimasi.html

MASALAH PENUGASAN (ASSIGNMENT PROBLEM)

Masalah penugasan :
Masalah penugasan optimal dari bermacam-macam sumber produktif (personalia)
yang mempunyai tingkat efisiensi yang berbeda-beda untuk tugas yang berbeda-
beda pula.

Asumsi Metode Hungarian :

 Jumlah sumber-sumber yang ditugaskan harus sama persis dengan jumlah tugas yang
akan diselesaikan.

57
 Kalau jumlah sumber daya tidak sama dengan jumlah tugas maka tambahkan dummy.
 Setiap sumber harus ditugaskan hanya untuk satu tugas.
 Baris menunjukkan sumber daya dan kolom menunjukkan tugas.
Persoalan Penugasan

Mesin
1 2 ... n

1 C11 C12 ... C1n 1

Pekerjaan 2 C21 C22 ... C2n 1

m Cm1 Cm2 ... Cmn 1

1 1 ... 1

Gambar 1. Penugasan Pekerjaan Ke Tiap Mesin

Model penugasan :

0, jika pekerjaan i tidak ditugaskan ke mesin j

xij  1, jika pekerjaan i ditugaskan ke mesin j
m n
Tujuan : Minimumkan (maksimumkan) : Z   c x
i 1 j 1
ij ij

m
dengan batasan x
i 1
ij
 1, dimana i  1, 2, 3, ... , m
n

 x
j 1
ij
 1, dimana j  1, 2, 3, ... , n

dan x ij
 0 atau 1
dimana Cij adalah tetapan yang telah diketahui.

Masalah Minimasi
Dalam masalah minimasi maka elemen akan menyatakan biaya dan yang dipilih
adalah penugasan dengan biaya yang terkecil.

58
Contoh 1 :
Tabel berikut menunjukkan biaya penugasan pekerjaan (satuan Dollar) ke beberapa
mesin.
1 2 3 4
A 3 2 5 4
B 0 1 2 3
C 4 1 1 3
D 2 5 3 4
Tentukan penugasan pekerjaan yang optimal sehingga diperoleh total biaya penugasan yang
minimum!

Penyelesaian :

Step I
1 2 3 4 Minimum Baris
A 3 2 5 4 2
B 0 1 2 3 0
C 4 1 1 3 1
D 2 5 3 4 2

Step II
1 2 3 4
A 1 0 3 2
B 0 1 2 3
C 3 0 0 2
D 0 3 1 2
Minimum 0 0 0 2
Kolom

Step III
1 2 3 4
A 1 0* 3 0
B 0* 1 2 1
C 3 0 0* 0
D 0 3 1 0*

Skedul Penugasan Keuntungan

59
 A – 2 Mesin $ 2
B – 1 0
C – 3 1
D – 5 4
$ 7

Kesimpulan :
Sebaiknya pekerjaan A dikerjakan di mesin 2, pekerjaan B dikerjakan di mesin 1,
pekerjaan C dikerjakan di mesin 3 dan pekerjaan D dikerjakan di mesin 4 karena akan
memberikan total biaya penugasan yang minimum yaitu sebesar $ 7.

Contoh 2 :
Suatu perusahaan mempunyai empat mesin yang berbeda untuk membuat produk-
produk, dimana mesin ini ditangani oleh empat karyawan. Biaya penugasan seorang
karyawan untuk penyelesaian pekerjaan berbeda karena setiap karyawan mempunyai
tingkat ketrampilan, pengalaman kerja dan latar belakang pendidikan serta latihan yang
berbeda pula. Biaya penugasan karyawan untuk bermacam-macam pekerjaaan
diperlihatkan pada tabel berikut :

Mesi
n
I II III IV
Karyawan
A Rp 13,- Rp 21,- Rp 19,- Rp 20,-
B Rp 14,- Rp 17,- Rp 22,- Rp 18,-
C Rp 20,- Rp 22,- Rp 21,- Rp 20,-
D Rp 18,- Rp 16,- Rp 17,- Rp 18,-

Tentukan penugasan pekerjaan karyawan yang optimal sehingga diperoleh total biaya
penugasan yang minimum!

Penyelesaian :

Step I

Mesin Minimum
Karyawan I II III IV Baris
A Rp 13,- Rp 21,- Rp 19,- Rp 20,- Rp 13,-
B Rp 14,- Rp 17,- Rp 22,- Rp 18,- Rp 14,-
C Rp 20,- Rp 22,- Rp 21,- Rp 20,- Rp 20,-
D Rp 18,- Rp 16,- Rp 17,- Rp 18,- Rp 16,-

60
Step II.

Mesin
Karyawan I II III IV
A 0 8 6 7
B 0 3 8 4
C 0 2 1 0
D 2 0 1 2
Minimum Kolom 0 0 1 0

Step III

Mesin
Karyawan
I II III IV
A 0 8 5 7
B 0 3 7 4
C 0 2 0 0
D 2 0 0 2

Step IV

Mesin
Karyawan
I II III IV
A 0* 5 2 4
B 0 0* 4 1
C 3 2 0 0*
D 5 0 0* 2

Skedul Penugasan Keuntungan

A – I Rp 13,-
B – II 17,-
C – IV 20,-
D – III 17,-
Rp 67,-

Kesimpulan :
Sebaiknya karyawan A mengerjakan pekerjaan I, karyawan B mengerjakan
pekerjaan II, karyawan C mengerjakan pekerjaan IV dan karyawan D mengerjakan
pekerjaan III karena akan memberikan total biaya penugasan yang minimum yaitu sebesar
Rp 67,-.

Contoh 3 :

61
 Perusahaan Onderdil adalah sebuah perusahaan yang bergerak dalam pembuatan
komponen-komponen sepeda motor yang akan memasarkan produknya ke beberapa daerah
pemasaran. Komponen-komponen sepeda motor tersebut dibuat di empat mesin yang
ditangani oleh lima karyawan yang mempunyai keahlian dan skill yang berbeda. Biaya
penugasan karyawan untuk menangani setiap mesin diperlihatkan pada tabel berikut :

Mesin
Karyawan Mesin I Mesin II Mesin III Mesin IV
A Rp 16,- Rp 20,- Rp 18,- Rp 22,-
B Rp 18,- Rp 16,- Rp 21,- Rp 19,-
C Rp 21,- Rp 19,- Rp 23,- Rp 18,-
D Rp 17,- Rp 18,- Rp 18,- Rp 16,-
E Rp 18 Rp 17,- Rp 20,- Rp 21,-

Tentukan penugasan pekerjaan karyawan yang optimal sehingga diperoleh total biaya
penugasan yang minimum!

Penyelesaian :

Step I

Mesin
Mesin Mesin Mesin Mesin Mesin Minimum
I II III IV V Baris
Karyawan Semu
A Rp 16,- Rp 20,- Rp 18,- Rp 22,- 0,- 0,-
B Rp 18,- Rp 16,- Rp 21,- Rp 19,- 0,- 0,-
C Rp 21,- Rp 19,- Rp 23,- Rp 18,- 0,- 0,-
D Rp 17,- Rp 18,- Rp 18,- Rp 16,- 0,- 0,-
E Rp 18 Rp 17,- Rp 20,- Rp 21,- 0,- 0,-

Step II

62
 Mesin Mesin Mesin Mesin Mesin Mesin V
I II III IV Semu
Karyawan
A Rp 16,- Rp 20,- Rp 18,- Rp 22,- 0,-
B Rp 18,- Rp 16,- Rp 21,- Rp 19,- 0,-
C Rp 21,- Rp 19,- Rp 23,- Rp 18,- 0,-
D Rp 17,- Rp 18,- Rp 18,- Rp 16,- 0,-
E Rp 18,- Rp 17,- Rp 20,- Rp 21,- 0,-
Minimum
Rp 16,- Rp 16,- Rp 18,- Rp 16,- 0,-
Kolom

Step III

Mesin
Mesin Mesin II Mesin Mesin Mesin V
Karyawan I III IV Semu
A 0 4 0 6 0
B 2 0 3 3 0
C 5 3 5 2 0
D 1 2 0 0 0
E 2 1 2 5 0

Step IV

Mesin
Mesin Mesin II Mesin Mesin Mesin V
Karyawan I III IV Semu
A 0 4 0 6 1
B 2 0 3 3 1
C 4 2 4 1 0
D 1 2 0 0 1
E 1 0 1 4 0

Step V

Mesin
Mesin Mesin II Mesin Mesin Mesin V
Karyawan I III IV Semu
A 0 4 0 6 2
B 2 0 3 3 2
C 3 1 3 0 0
D 1 2 0 0 2
E 1 0 1 4 1

63
Step VI
Skedul penugasan alternatif 1.
Mesin
Mesin Mesin II Mesin Mesin Mesin V
Karyawan I III IV Semu
A 0* 5 0 6 2
B 1 0* 2 2 1
C 3 2 3 0* 0
D 1 3 0* 0 2
E 0 0 0 3 0*

Atau skedul penugasan alternatif 2.

Mesin
Mesin Mesin II Mesin Mesin Mesin V
Karyawan I III IV Semu
A 0 5 0* 6 2
B 1 0* 2 2 1
C 3 2 3 0 0*
D 1 3 0 0* 2
E 0* 0 0 3 0

Atau skedul penugasan alternatif 3.

Mesin
Mesin Mesin II Mesin Mesin Mesin V
Karyawan I III IV Semu
A 0* 5 0 6 2
B 1 0* 2 2 1
C 3 2 3 0 0*
D 1 3 0 0* 2
E 0 0 0* 3 0

Skedul Keuntungan Skedul Keuntungan Skedul Keuntungan

64
 Penugasan Penugasan Penugasan
Alternatif 1 Alternatif 2 Alternatif 3
1 2 1
A – I Rp 16,- A – III Rp 18,- A – I Rp 16,-
B – II 16,- B – II 16,- B – II 16,-
C – IV 18,- C – V 0,- C – V 0,-
D – III 18,- D – IV 16,- D – IV 16,-
E – V 0,- E – I 18,- E – III 20,-
Rp 68,- Rp 68,- Rp 68,-

Kesimpulan :
Alternatif pertama, Sebaiknya karyawan A menangani mesin I, karyawan B
menangani mesin II, karyawan C menangani mesin IV, karyawan D menangani mesin III
dan karyawan E menangani mesin V atau alternatif kedua, karyawan A menangani mesin
III, karyawan B menangani mesin II, karyawan C menangani mesin V, karyawan D
menangani mesin IV dan karyawan E menangani mesin I dan atau alternatif ketiga,
karyawan A menangani mesin I, karyawan B menangani mesin II, karyawan C menangani
mesin V, karyawan D menangani mesin IV dan karyawan E menangani mesin III karena
akan memberikan total biaya penugasan pekerjaan yang minimum yaitu sebesar Rp 68,-.

Masalah Maksimasi
Dalam masalah maksimisasi, matriks elemen-elemen menunjukkan tingkat
keuntungan (atau indeks produktivitas). Efektivitas pelaksanaan tugas oleh karyawan-
karyawan individual diukur dengan jumlah kontribusi keuntungan.

Contoh 1 :
Sebagai manajer pabrik sebuah perusahaan garmen diberi tugas untuk mengatur
produksi empat produk dalam empat divisi berbeda. Karena perbedaan keahlian dan beban
kerja, departemen-departemen yang berlainan tersebut dapat memproduksi berbagai produk
dengan kecepatan yang berbeda-beda pula. Bila hanya satu macam produk yang akan
diproduksi oleh setiap departemen dan tingkat produksi setiap hari ditunjukkan dalam tabel
di bawah, tentukan penugasan produksi setiap divisi untuk memaksimumkan keluaran
produk total setiap hari.

Produk Pakaian Pakaian

Pakaian Pakaian
Anak- Anak-
Divisi Wanita Pria
anak anak
Dewasa Dewasa
Wanita Laki-laki
1 20 15 12 19
2 18 19 17 13
3 12 14 11 15
4 9 13 16 14

65
Penyelesaian :

Step I
Produ Pakaian
Pakaian
Pakaian Pakaian Anak-
Anak- Maksimum
k Wanita Pria anak
anak Baris
Dewasa Dewasa Laki-
Wanita
Divisi laki
1 20 15 12 19 20
2 18 19 17 13 19
3 12 14 11 15 15
4 9 13 16 14 16

Step II
Produk Pakaian Pakaian Pakaian Pakaian
Wanita Pria Anak-anak Anak-anak
Divisi
Dewasa Dewasa Wanita Laki-laki
1 0 5 8 1
2 1 0 2 6
3 3 1 4 0
4 7 3 0 2
Minimum
0 0 0 0
Kolom

Step III

Produk Pakaian Pakaian Pakaian Pakaian

Wanita Pria Anak-anak Anak-anak
Divisi
Dewasa Dewasa Wanita Laki-laki
1 0* 5 8 1
2 1 0* 2 6
3 3 1 4 0*
4 7 3 0* 2

Skedul Penugasan Keuntungan

66
 A – I 20
B – II 19
C – IV 15
D – III 16
70 unit

Kesimpulan :
Sebaiknya Divisi 1 memproduksi pakaian wanita dewasa, Divisi 2 memproduksi
pakaian laki-laki dewasa, Divisi 3 memproduksi pakaian anak-anak laki-laki dan Divisi 4
memproduksi pakaian anak-anak wanita, karena memaksimumkan keluaran produk total
setiap hari yaitu sebesar 70 unit.

Contoh 2 :
Perusahaan Maju Terus adalah sebuah perusahaan yang bergerak dalam pembuatan
barang-barang furniture yaitu meja, kursi, lemari, tempat tidur dan rak TV. Dalam
memproduksi barang-barang tersebut, perusahaan memperkerjakan empat karyawan yang
mempunyai ketrampilan yang berbeda. Kontribusi kuntungan yang akan diperoleh
perusahaan dari setiap karyawan bila mengerjakan produk tersebut diperlihatkan pada tabel
berikut :

Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A Rp 19,- Rp 20,- Rp 16,- Rp 23,- Rp 20,-
B Rp 17,- Rp 17,- Rp 20,- Rp 19,- Rp 18,-
C Rp 21,- Rp 15,- Rp 22,- Rp 21,- Rp 15,-
D Rp 19,- Rp 18,- Rp 14,- Rp 18,- Rp 16,-

Tentukan penugasan karyawan yang optimal sehingga diperoleh total keuntungan

penugasan yang maksimum!

Penyelesaian :

Step I

Produk
Meja Kursi Lemari Tempat Rak TV Maks
Karyawan Tidur Baris
A Rp 19,- Rp 20,- Rp 16,- Rp 23,- Rp 20,- Rp 23,-
B Rp 17,- Rp 17,- Rp 20,:- Rp 19,- Rp 18,- Rp 20,-
C Rp 21,- Rp 15,- Rp 22,- Rp 21,- Rp 15,- Rp 22,-
D Rp 19,- Rp 18,- Rp 14,- Rp 18,- Rp 16,- Rp 19,-
E Semu 0,- 0,- 0,- 0,- 0,- 0,-

67
Step II

Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A 4 3 7 0 3
B 3 3 0 1 2
C 1 7 0 1 7
D 0 1 5 1 3
E Semu 0 0 0 0 0
Minimum 0
0 0 0 0
Kolom

Step III
.
Produk
Karyawan Meja Kursi Lemari Tempat Rak TV
Tidur
A 4 3 7 0 3
B 3 3 0 1 2
C 1 7 0 1 7
D 0 1 5 1 3
E Semu 0 0 0 0 0

Step IV

Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A 4 3 8 0 3
B 2 2 0 0 1
C 0 6 0 0 6
D 0 1 6 1 3
E Semu 0 0 1 0 0

Step V

Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A 1 0 5 0 0
B 2 2 0 3 1
C 0 6 0 3 6
D 0 1 6 4 3

68
 0
E Semu 0 0 1 3

Step VI
Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A 2 0 5 0 0
B 3 2 0 4 1
C 1 6 0 3 6
D 0 0 5 3 2
E Semu 1 0 1 3 0

Step VII
Skedul penugasan alternatif 1.
Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A 2 0 6 0* 0
B 2 1 0* 3 0
C 0* 5 0 2 5
D 0 0* 6 3 2
E Semu 1 0 2 3 0*

Atau skedul penugasan alternatif 2.

Produk
Meja Kursi Lemari Tempat Rak TV
Karyawan Tidur
A 2 0 6 0* 0
B 2 1 0 3 0*
C 0 5 0* 2 5
D 0* 0 6 3 2
E Semu 1 0* 2 3 0

Skedul Skedul
Keuntungan Keuntungan
Penugasan 1 Penugasan 2
A – IV Rp 23,- A – IV Rp 23,-
B – III 20,- B – V 18,-
C – I 21,- C – III 22,-
D – II 18,- D – I 19,-
E – V 0,- E – II 0,-
Rp 82,- Rp 82,-

69
Kesimpulan :
Untuk alternatif pertama, sebaiknya karyawan A mengerjakan tempat tidur,
karyawan B mengerjakan pekerjaan lemari, karyawan C mengerjakan meja, karyawan D
mengerjakan kursi dan karyawan E mengerjakan rak TV dan atau alternatif kedua,
karyawan A mengerjakan tempat tidur, karyawan B mengerjakan pekerjaan rak TV,
karyawan C mengerjakan lemari, karyawan D mengerjakan meja dan karyawan E
mengerjakan kursi karena akan memberikan total pendapatan yang maksimal yaitu sebesar
Rp 82,- .

70