Disusun Oleh:
Suwaji, SE. MM
1
DAFTAR ISI
4. DUALITAS .......................................
2
BAB I
RISET OPERASI (OPERATIONAL RESEARCH),
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mahasiswa mampu menjelaskan Pengertian Riset Operasional.
2. Mampu memahami peran Riset Operasional dalam pengambilan
keputusan.
3. Memahami Model-model Riset Operasionaldan penerapanya dalam
bidang manajemen.
Definisi1
RO adalah penerapanmetode-metode ilmiah terhadap masalah-masalah rumit yang
muncul dalam pengarahan dan pengelolaan dari suatusystem besar manusia, mesin,
bahan dan uang dalam industri, bisnis, pemerintahan dan pertahanan. (Operational
Research Society of Great Britain).
Definisi 2
Riset operasi berkaitan dengan menentukan pilihan secara ilmiah bagaimana merancang
dan menjalankan systemmanusia-mesin secara terbaik, biasanya membutuhkan alokasi
sumber daya yang langka. (Operation Research Society of America).
Definisi 3
Riset operasi adalah seni memberikan jawaban buruk terhadap masalah-masalah, yang
jika tidak, memiliki jawaban yang lebih buruk. (T.L. Saaty).
Definisi 4
Riset operasi adalah pendekatan dalam pengambilan keputusan yang ditandai dengan
penggunaan pengetahuan ilmiah melalui usaha kelompok antar disiplin yang bertujuan
menentukan penggunaan terbaik sumber daya yang terbatas. (Hamdi A. Taha).
3
Definisi 5
Riset operasi dalam arti luas dapat diartikan sebagai penerapan metode-metode, teknik-
teknik, dan alat-alat terhadap masalah-masalah yang menyangkut operasi-operasi dari
sistem-sistem, sedemikian rupa sehingga memberikan penyelesaian optimal.
(Churchman, Ackoff, dan Arnoff).
b. Analogue Model
Model analogue lebih abstrak disbanding model iconic, karena tak kelihatan sama antara
model dengansystem nyata. Contohnya jaringan pipa tempat air mengalir dapat
digunakan dengan pengertian yang sama sebagai distribusi aliran listrik. Contoh lain
adalah petadengan bermacam-macamwarna merupakan model analog dimana
4
perbedaan warna menunjukan perbedaan cirri, misalnya biru menunjukan air, kuning
menunjukan pegunungan, hijau sebagai dataran rendah, dan lain-lain.
b. Pembentukan Model
Model merupakan ekspresi kuantitatif dari tujuan-tujuan dan kendala-kendala
persoalan dalam variable keputusan. Pengambil keputusan menentukan model yang
paling cocok untuk mewakili system.
c. Mencari Penyelesaian Masalah
Disini bermacam-macam teknik dan metode solusi kuantitatif merupakan bagian
utama dari Riset Operasi, diharapkan penyelesaian masalah yang didapat merupakan
aplikasi satu atau lebih dari teknik-teknik model.
d. Validasi Model
Asumsi-asumsi yang digunakan dalam membentuk model harus abash. Model harus
diperiksa apakah ia mencerminkan berjalanya system yang diwakili. Suatu metode
untuk menguji validitas model adalah dengan nmembandingkan kinerja model
dengan data dimasa lalu yang tersedia.
e. Penerapan Hasil Akhir
Tahap terakhir adalah menerapkan hasil model yang telah diuji.
5
5. METODE-METODE UMUM MENCARI SOLUSI
Pada umumnya, terdapat tiga metode umum untuk mencari solusi terhadap model OR
yaitu: metode analitis yang bersifat deduktif, metode numeric bersifat induktif dan
metode monte carlo.
6
BAB II
LINEAR PROGRAMING
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mampu menjelaskan tujuandan Alternatif dalam RO
dengan Pemodelan Matematik (Program Linier)
2. Pemodelan matematik dengan kendala/pembatas
3. Memahami Penerapan/ aplikasi pada bidang EkonomiManajemen.
2. LINEAR PROGRAMING
Program Linier merupakan salah satu teknik OR yang digunakan paling luas dan diketahui dengan
baik.Pioner dari Program Linier adalah George B. Dantzig dkk. Merupakan peneliti matematika
untukmemecahkan masalah logistic militer Angkatan Udara Amerika pada Perang Dunia II. Nama
asli teknik ini adalah Program Saling Ketergantungan Kegiatan-kegiatan dalam Suatu Struktur
Linier yang kemudian disingkat menjadi Linear Programing. Paper pertama yang berisi metode
solusi sekarang dikenal dengan Metode Simpleks,dipublikasikan Dantzig dkk tahun1947.
7
Definisi Fungsi Linear (Winston, 2004)
Fungsi 𝑓(𝑥1, 𝑥2,… ,𝑥𝑛) merupakan fungsi linear jika dan hanya jika fungsi 𝑓. dapat dituliskan
𝑓(𝑥1, 𝑥2,… ,𝑥𝑛) = 𝑐1𝑥1 +𝑐2𝑥2 + …+𝑐𝑛𝑥𝑛, dengan 𝑐1, 𝑐2,… ,𝑐𝑛 merupakan kostanta.
4. FORMULASI MODEL
Formulasi Model merupakan pembentukan model kuantitatif dari tujuan-tujuan dan kendala-
kendala persoalan pada variabel-variabel yang dibicarakan /variabel keputusan.
Masalah yang sering dihadapi oleh pengambil keputusan adalah alokasi optimum dari sumber
daya yang langka. Sumber daya dapat berupa:
- Uang
- Tenaga Kerja
- Bahan Mentah
- Kapasitas Mesin
- Waktu
- Kapasitas Ruangan
- Teknologi
8
Contoh Formulasi Model1:
Masalah Kombinasi Produk:
Sebuah Perusahaan Karpet menghasilkan tiga produk yaitu: Karpet A, Karpet B, dan Karpet C.
Untuk memproduksi ketiga jenis karpet tsb, Jumlah waktu yang tersedia adalah 240 jam dan
bahan mentah yang tersedia adalah 400 kg, harga dari masing masing produk seperti data
dibawah ini:
Tabel 1.1
Jenis Produk Kebutuhan Sumber Daya Harga (Rp/unit)
Buruh (Jam/unit) Bahan (Kg/unit)
Produk 1 (Karpet A) 6 8 5
Produk 2 (Karpet B) 4 10 7
Produk 3 (Karpet C) 8 6 4
Masalah yang dihadapi perusahaan adalah menentukan jumlah masing masing produk yang harus
dihasilkan agar keuntungan maksimum, selanjutnya masalah tersebut dirumuskan dalam
suatu model dengan urutan sbb:
a. Menentukan Variabel (variabel keputusan)
Dalam masalah ini variable ada tiga yaitu,
Variabel 1 adalahJumlahProduk 1 dilambangkan dengan X1
Variabel 2 adalahJumlah Produk 2 dilambangkan dengan X2
Variabel 3 adalah Jumlah Produk3 dilambangkan dengan X3
b. Fungsi Tujuan
Tujuan dari dari masalah kombinasi produk tersebut adalah untuk memaksimumkan
penerimaan total.
- Penerimaan total produk 1 (X1) adalah perkalian antara jumlah produk 1 dengan harga
per unit produk 1 (Rp 5)
- Penerimaan total produk 2 (X2) adalah perkalian antara jumlah produk 2 dengan harga
per unit produk 1 (Rp 7)
- Penerimaan total produk 3 (X3)adalah perkalian antara jumlah produk 1 dengan harga per
unit produk 3 (Rp 4)
c. Fungsi Kendala
Dalam hal ini kendala yang dihadapi adalah jumlah buruh dan bahan mentah yang terbatas.
1) Kendala Buruh dengan jam kerja yang tersedia adalah 240 jam
- Produk 1 (X1) Jam kerja buruh untuk tiap unit adalah 6 jam ditulis 6X1 jam.
- Produk 1 (X2) Jam kerja buruh untuk tiap unit adalah 4 jam ditulis 4X2 jam.
- Produk 1 (X3) Jam kerja buruh untuk tiap unit adalah 8 jam ditulis 8X3jam.
Fungsi kendala (1)untuk Jumlah Buruh adalah :6X1 + 4X2 + 8X3 ≤ 240
9
Fungsi kendala (2) untuk Jumlah Buruh adalah :8X1 + 10X2 + 6X3 ≤ 400
Ada batasan bahwa masing-masing variable hanya pada nilai positif karena tentunya tidak
masuk akal jika menghasilkan produk dengan jumlah negative.Kendala-kendala ini dinamai
dengan non-negativity constraints, secara matematika ditulis dengan :
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0
Masalah Linear Programing diatas secara lengkap secara matematis dapat dirumuskan
sebagai berikut:
Maksimum, Z = 5X1 + 7X2 + 4X3 .
Kendala 1) 6X1 + 4X2 + 8X3≤ 240
2)8X1 + 10X2 + 6X3 ≤ 400
X1 , X2 , X3 ≥0
Bulog ingin mengangkut beras dari dua daerah surplus ke tiga daerah yang kekurangan pangan.
Pasokan dari daerah surplus dan permintaan dari daerah kekurangan serta ongkos angkut per unit
pada masing-masing jalur transportasi disajikan melalui data berikut:
Daerah Tujuan Pasokan
DKI Kaltim NTT
Jatim 8 5 6 120
Daerah asal
Sulsel 15 10 12 80
100 70 60 200
Permintaan
230
Permasalahan yang dihadapi bulog adalah menentukan pola pengiriman (distribusi) sedemikian rupa
sehingga biaya transportasi total dapat diminimumkan. Agar masalah ini dapat dirumuskan dalam
model LP diperlukan dua asumsi:
1) Hanya ada satu jenis beras sehingga kekurangan dapat diambil dari mana saja dan kelebihan
dapat dikirim kemana saja.
2) Onkos angkut perunit adalah tetap atau tidak dipengaruhi oleh jumlah yang diangkut.
Formulasi Model:
a. Variabel Keputusan
Yang harus dirumuskan disini adalah volume beras yang diangkut dari setiap daerah surplus ke
daerah kekurangan, Misalnya :
b. Fungsi Tujuan
Tujuan Bulog adalah menekan biaya transportasi total, maka fungsi tujuan dapat dituliskan
10
Z = 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23
C. Fungsi Kendala
Kendalanya adalah jumlah permintaan lebih besar dari pasokan, berarti seluruh pasokan akan
habis, sehingga kendala pasokan bertanda =,dan tidak semua permintaan akan terpenuhi
sehingga kendala permintaan bertanda ≤ , maka model LP maslah tersebut menjadi:
11
Latihan Formulasi Model LP:
1. Sebuah prabrik akan memproduksi dua jenis produk yaitu kain sutera dan wol. Untuk
berproduksi dibutuhkan bahan baku benang sutera, bahan baku wol juga tenaga kerja.
Maksimum penyediaan benang sutera adalah 60 kg per hari, wol 30 kg per hari, dan
tenaga kerja 40 jam per hari, seperti tabel dibawah ini
Bahan Baku dan Kg bahan baku dan Jam Tenaga Kerja Maksimum
Tenaga kerja Kain Suteran (X1) Kain Wol (X2) Penyediaan
Benang Sutera 2 3 60 kg
Benang Wol - 2 30 kg
Tenaga Kerja 2 1 40 Jam
Kedua jenis produk akan memberikan keuntungan sebesar Rp 40 juta untuk kain sutera
dan Rp 30 Juta untuk kain wol.Masalahnya, Dengan ketersediaan bahan baku dan
tenaga kerja yang ada, Bagaimana menentukan jumlah unit setiap jenis produk yang
akan diproduksi setiap hari agar keuntunganya maksimal (maksimisasi).
12
II. Penyelesian Program Linier dengan Cara Grapik
(Maksimisasi dan minimisasi)
A. Masalah Maksimisasi
Masalah maksimisasi biasanya akan berupa upaya untuk memaksimalkan keuntungan atau
hasil.
Contoh Soal Maksimisasi:
Sebuah prabrik akan memproduksi dua jenis produk yaitu kain sutera dan wol. Untuk
berproduksi dibutuhkan bahan baku benang sutera, bahan baku wol juga tenaga kerja.
Maksimum penyediaan benang sutera adalah 60 kg per hari, wol 30 kg per hari, dan tenaga
kerja 40 jam per hari, seperti tabel dibawah ini
Bahan Baku dan Kg bahan baku dan Jam Tenaga Kerja Maksimum
Tenaga kerja Kain Suteran (X1) Kain Wol (X2) Penyediaan
Benang Sutera 2 3 60 kg
Benang Wol - 2 30 kg
Tenaga Kerja 2 1 40 Jam
Kedua jenis produk akan memberikan keuntungan sebesar Rp 40 juta untuk kain sutera dan
Rp 30 Juta untuk kain wol.
Masalahnya: Dengan ketersediaan bahan baku dan tenaga kerja yang ada, Bagaimana
menentukan jumlah unit setiap jenis produk yang akan diproduksi setiap
hari agar keuntunganya maksimal (maksimisasi).
Langkah-langkah penyelesaian:
1) Variabel Keputusan ; X1 = Kain Sutera
X2 = Kian Wol
c. 2X1 + X2 = 40 -> X1 = 0 , X2 = 40
X2 = 0 , X1 = 40/2 = 20
13
X2
40
20
15 E D C 2 ) 2X2 = 30
Daerah Penyelesian
Kesimpulan:
Solusi optimal akan tercapai pada persilangan garis kendala (1) dan (3) yaitu pada titi C.
Jadi untuk memperoleh keuntungan maksimal, maka jumlah X1 = 15, dan jumlah X2 = 10,
dengan keuntungan sebesar Rp 900 juta.
B. Masalah Minimisasi
Permasalahan minimsiasi dapat berupa meminimumkan biaya produksi. Solusi optimal akan
dicapai pada saat garis fungsi tujuan menyinggung daerah yang terdekat dengan titik origin
(daerah fisible)
14
Sebuah Perusahaan Home Industri memproduksi Jaket, Perusahaan tersebut memproduksi dua
jenis Jaket yaitu jaket A dan jaket B, Kedua jenis jaket tersebut berbahan Kulit dan Bahan Sintetis.
Jaket A paling sedikit diproduksi 2 Lusin perhari dan jakt B 1 lusin. Ketersediaan bahan kulit
minimum perhari 16 satuan dan Bahan sintetis 24 satuan Tabel berikut menunjukan kebutuhan
Minimum per unit akan bahan dan biaya per unit dari produknya:
Jenis Jaket Bahan Kulit Bahan Sintetis Biaya per uniy (Rp,000)
Jaket A 4 4 200
Jaket B 2 6 160
Kebutuhan Minimum 16 24
Langkah-langkah penyelesaian:
1. Tentukan Variabel Keputusan:
X1 = Jaket model A
X2 = Jaket model B
2. Fungsi Tujuan:
Zmin = 200X1 + 160X2
3. Fungsi Kendala:
1) 4X1 + 2X2 ≥ 16 (Bahan kulit)
2) 4X1 + 6X2 ≥ 24 (bahan sintetis)
3) X1 ≥ 4
4) X2 ≥ 2
4. Membuat grafik
1. 4X1 + 2X2 = 16 X1 = 0 , X2 = 8
X2 = 0 , X1 = 4
2. 4X1 + 6X2 = 24 X1 = 0 , X2 = 4
X2 = 0 , X1 = 6
3. X1 = 2
4. X2 = 1
15
Solusi optimal diperoleh pada titik B (titik yang terdeket dengan titik origin), yaitu
persilangan garis (1) 4X1 + 2X2 ≥ 16 dengan garis (2) 4X1 + 6X2 ≥ 24
X2
(1) (3)
8
B (3,2)
1 A (4)
2 4 6 X1
Kesimpulan: Untuk memnimumkan biaya produksi, Maka Jaket A (X1) harus diproduksi 3
Unit perhari dan Jaket B (X2) harus diproduksi 2 unit. Dengan total biaya produksi Rp 920
ribu.
16
BAB III
METODE SIMPLEKS
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mahasiswa Mampu mengerjakan kasus dan Penyelesaian dengan
Solusi tabel simplek
2. Menentukan solusi basis/dasar
3. Menemukan solusi optimal
4. Mengetahui penerapanya dan pengambilan keputusan dibidang
manajemen
Karena kesulitan menggambar grafik yang berdimensi banyak, maka penyelesaian masalah LP yang
melibatkan lebih dari dua variabel menjadi tidak praktis.Dalam keadaan ini kebutuhan metode solusi
yang lebih umum menjadi nyata. Metode umum ini dikenal dengan nama Algoritma Simpleksyang
dirancang untuk menyelesaikan masalah LP. Metode ini menyelesaikan masalah LP melalui
perhitungan ulang (iteration), dimana langkah perhitungan yang sama diulang berkali-kali sampai
solusi optimum tercapai.
Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier
adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan pada
teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim
satu per satu dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks
dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung dari iterasi
sebelumnya.
Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya :
1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai
tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi.
Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas
dalam sistem persamaan.
3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada
solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan
pertidaksamaan ≤ ) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan
≥ atau =). Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi pembatas
(tanpa fungsi non negatif).
4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang
ada, karena aktivitas belum dilaksanakan.
5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan variabel ini
terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel
basis.
6. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Penambahan ini terjadi pada
17
tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel
basis.
7. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan
bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini
terjadi pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena
kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas.
8. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada
kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).
9. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat
variabel keluar.
10. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan
baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.
11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi.
Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan
digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada
setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol.
BENTUK BAKU
Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal, pertama sekali bentuk
umum pemrograman linier dirubah ke dalam bentuk baku terlebih dahulu. Bentuk baku dalam
metode simpleks tidak hanya mengubah persamaan kendala ke dalam bentuk sama dengan, tetapi
setiap fungsi kendala harus diwakili oleh satu variabel basis awal. Variabel basis awal menunjukkan
status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan. Dengan kata lain, variabel
keputusan semuanya masih bernilai nol. Dengan demikian, meskipun fungsi kendala pada bentuk
umum pemrograman linier sudah dalam bentuk persamaan, fungsi kendala tersebut masih harus
tetap berubah.
Ada beberapa hal yang harus diperhatikan dalam merubah bentuk umum LP ke bentuk baku, yaitu :
1. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, dirubah menjadi persamaan
(=) dengan menambahkan satu variabel slack.
2. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, dirubah menjadi persamaan
(=) dengan mengurangkan satu variabel surplus.
3. Fungsi kendala dengan persamaan dalam benttuk umum,ditambahkan satu artificial variabel
(variabel buatan).
18
Contoh 2.1 : Maksimasi I
Diketahui :
2. Informasi diatas dapat dirangkum dalam bentuk tabel Simpleks awal seperti dibawah ini:
V.Basis Z X1 X2 S1 S2 S3 Q
Z 1 -3 -2 0 0 0 0
S1 0 1 1 1 0 0 15
S2 0 2 1 0 1 0 28
S3 0 1 2 0 0 1 20
3. Menentukan kolom kunci, yaitu kolom yang nilai Z nya negatif terbesar
4. Selanjutnya hitunglah nilai R (Rasio) dengan membagi nilai Q (Jumlah) dengan nilai di kolom
Kunci (X2), Yaitu : Nilai R pada baris S1 = 15/1 = 15
Nilai R pada baris S2 = 28/2 = 14
Nilai R pada baris S3 = 20/ 1 = 20
5. Menentukan baris kunci, yaitu baris yang nilai indeks/rasio nya terkecil
V.Basis Z X1 X2 S1 S2 S3 Q R
Z 1 -3 -2 0 0 0 0 -
S1 0 1 1 1 0 0 15 15
S2 0 2 1 0 1 0 28 14
S3 0 1 2 0 0 1 20 20
6. Menentukan nilai-nilai baris baru kunci (S2’) dengan cara membaginya dengan angka kunci.
X1 X2 S1 S2 S3 Q
19
Selanjutnya S2 ditulis sebagai X1
7. Mengubah nilai nilai baris lain (selain baris kunci) sehingga nilai-nilai dikolom kunci selain
baris kunci = 0
Baris Baru = Baris Lama – (Koef angka kolom kunci x nilai baris baru kunci)
V.Basis Z X1 X2 S1 S2 S3 Q R
Z’ 1 0 -1/2 0 1,5 0 42 -
S1 0 0 1/2 1 -1/2 0 1
X1 0 1 1/2 0 1/2 0 14
S3 0 0 1,5 0 -1/3 1 6
Karena baris Z masih ada yang bernilai negatif, maka langkah 3 – 6 harus diulangi sampai
mendapatkan angka yang positif atau 0.
1. Menentukan kolom kunci, yaitu kolom yang nilai Z nya negatif terbesar
V.Basis Z X1 X2 S1 S2 S3 Q R
Z’ 1 0 -1/2 0 1,5 0 42 -
S1 0 0 1/2 1 -1/2 0 1 2
X1 0 1 1/2 0 1/2 0 14 28
S3 0 0 1,5 0 -1/2 1 6 4
2. Selanjutnya hitunglah nilai R (Rasio) dengan membagi nilai Q (Jumlah) dengan nilai di kolom
Kunci (X2), Yaitu : Nilai R pada baris S1 = 1/1/2 = 14
Nilai R pada baris X1 = 14/1/2 = 28
Nilai R pada baris S3 = 6/1,5 = 4
3. Menentukan baris kunci, yaitu baris yang nilai indeks/rasio nya terkecil
V.Basis Z X1 X2 S1 S2 S3 Q R
Z’ 1 0 -1/2 0 1,5 0 42 -
S1 0 0 1/2 1 -1/2 0 1 2
X1 0 1 1/2 0 1/2 0 14 28
S3 0 0 1,5 0 -1/2 1 6 4
20
4. Menentukan nilai-nilai baris baru kunci (S1’) dengan cara membaginya dengan angka kunci.
X1 X2 S1 S2 S3 Q
Baris Baru S2 =0 1 2 1 0 2
5. Mengubah nilai nilai baris lain (selain baris kunci) sehingga nilai-nilai dikolom kunci selain
baris kunci = 0
Baris Baru = Baris Lama – (Koef angka kolom kunci x nilai baris baru kunci)
NBBK = -1/2(0 1 2 1 0 2) -
V.Basis Z X1 X2 S1 S2 S3 Q R
Z’ 1 0 0 1 2 0 43
X2 0 0 1 2 1 0 2
X1” 0 1 0 -1 0 0 13
S3 0 0 0 -3 1
Tabel diatas merupakan tabel dengan solusi optimal karena tidak ada variabel non basis (Baris pada
persamaan Z) yang memiliki koefisien negatif. Solusi memberikan X1 = 13 dan X2 = 2 dan nilai Z
optimum sebesar 43.
Pembuktian dengan persamaan Fungsi tujuan :Z max = 3X1 + 2X2 = 3 (13) + 2 (2) = 39 + 4 = 43
21
II. LP DENGAN METODE SIMPLEKS PADA PERMASALAHAN MINIMASI
Masalah minimasi juga menggunakan langkah-langkah yang sama seperti pada masalah maximasi,
tetapi memerlukan beberapa penyesuaian.
Diantaranya:
B. Matrik diatas tidak memuat basis, Oleh karena itu, kita perlu membuat vektor yang
diperoleh dengan menambahkan variabel buatan pada fungsi tujuan (Artificial
Variable dengan notasi M) Sehingga diperoleh:
22
Fungsi Tujuan : Z = 5X1 + 6X2 + 0X3 + 0X4 + MS1 + MS2
Selanjutnya permasalahan diatas akan menjadi:
Z - 5X1 - 6X2 + 0X3 + 0X4 – MS1 - MS2 = 0
4X1 + 2X2 - X3 + S1= 100
3X1 + 4X2 - X4 + S2 = 120
Z -5 -6 0 0 -M -M 0 -
S1 4 2 -1 0 1 0 100 -
-
S2 3 4 0 -1 0 1 120 -
D. Proses Iterasi I
Koefisien persamaan Z dalam masalah minimasi seperti diatas lebih mudah diperoleh
dengan menggunakan Inner Product Rule .
Inner Produk Rule dapat dicarai dengan: Cj = (V).(Vj) – cj
2 0
Cx2 = (M M). 4 - 6 = 6M-6 CS2 = ( M M). 1 - (M) = 0
100
-1 CS2 = ( M M). 120 - 0 = 220M
Cx3 = (M M). 0 - 0 = -M
0
Cx4 = (M M). -1 - 0 = -M
23
E. Proses Iterasi II
Tabel Simplek Iterasi I
Basis Z X1 X2 X3 X4 S1 S2 Q R
S1 0 4 2 -1 0 1 0 100 25
S2 0 3 4 0 -1 0 1 120 40
- Menentukan nilai-nilai baris baru kunci (S2) dengan cara membaginya dengan
angka kunci.
Baris baru kunci = Baris kunci : angka kunci
X1 X2 X3 X4 S1 S2 Q
- Mengubah nilai nilai baris lain (selain baris kunci) sehingga nilai-nilai dikolom kunci selain
baris kunci = 0
Baris Baru = Baris Lama – (Koef angka kolom kunci x nilai baris baru kunci)
24
F. Proses Iterasi III
Basis Z X1 X2 X3 X4 S1 S2 Q
Z 1 0 5M/2-7/2 3/4M-5/4 -M 7/4M+5/4 0 45M+125
X1 0 1 1/2 -1/4 0 1/4 0 25 50
X2 0 0 5/2 3/4 -1 -3/4 1 45 18
- Mengubah nilai nilai baris lain (selain baris kunci) sehingga nilai-nilai dikolom kunci selain
baris kunci = 0
Baris Baru = Baris Lama – (Koef angka kolom kunci x nilai baris baru kunci)
Iterasi III Sudah merupakan solusi optiml, baris Z tidak ada yang bernilai POSITIF, dan
diperoleh X1 = 16, X2 = 18 , dan Z = 188 (Zmin = 5X1 + 6X2 => 5 (16) + 6 (18) = > 80 + 108 =
188)
Hal ini dapat dibuktikan dengan perhitungan secara grafis.
25
BAB IV
DUALITAS PROGRAM LINIER
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mahaisiwa mampu memahami Konsep dualitas LP
2. Mahasiswa mampu malakukan penghitungan dan menemukan
solusi
3. Menganalisa dan menyimpulkan hasil penghitungan dan mengambil
keputusan
1. TEORI DUALITAS
Dari sudut pandang teori maupun praktik, teory duaitas merupakan suatu konsep yang
sangat penting dan menarik dalam Program Linier. Istilah dualitas menunjukan bahwa
kenyataan pada setiap LP terdiri atas dua bentuk :
- Bentuk pertama atau bentuk asli dinamakan “Primal”, sementara bentukkedua
yang berhubungan dinamakan ‘Dual” hingga suatu solusi terhadap LP yang asli
juga memberikan solusi yang sama pada bentuk dualnya.
- Jadi, jika suatu LP diselesaikan dengan metode simpleks, sesungguhnya diperoleh
penyelesaian untuk dua masalah LP.
Contoh:
Tabel 3.1 dibawah ini menampilkanmasalah penyediaan makanan untuk vegetarian oleh sebuah
restoran, dimana jumlah mineral dan vitamin pada dua jenis makanan tiruan, yaitu daging dan sayur
tiruan per unit, serta harganya.
Jenis Makanan Kebutuhan Minimum
Daging Sayur per Hari
(satuan per unit) (satuan per unit)
Mineral 2 4 40
Vitamin 3 2 50
Harga per Unit 3 2,5
Masalahnya adalah menentukan biaya pembelian sejumlah daging dan sayuran hingga kebutuhan
minimum per hari akan vitamin dan mineral terpenuhi (primal).
- Rumuskan masalah secara matematika misalnya Xj( j = 1,2...) adalah jumlah daging dan
sayuran yang dibeli, dan masalahnya menentukan jumlah X1 dan X2 yang tepat
- Sehingga:
Minimumkan; Z = 3X1 + 2,5 X2
Dengan Syarat: 2X1 + 4X2≥ 40
3X1 + 2X2 ≥ 50
X1, X2 ≥ 0
Selanjutnya pikirkan masalah yang berbeda (dual), yang berhubugan dengan masalah yang pertama
(primal).
- Misalkan ada sebuah toko A menjual vitamin dan mineral. Pemilik restoran mengetahui
benar bahwa daging dan meneral yang dijual memIliki nilai karena kandungan vitamin dan
26
mineralnya. Pemilik restoran membeli vitamin dan mineral dari toko A untuk membuat
daging dan sayuran tiruan.
- Masalah selanjutnya dari Toko A adalah menetapkan harga jual per unit dari VITAMIN dan
MINERAL agar harga daging dan sayur yang dijual restoran tidak melebihi harga pasar.
- Misalkan Toko A menetapkankan menjual harga daging per unit sebesar Y1 dan harga
sayuran Y2, maka masalah dialer dapat dirumuskan secara matematika menjadi:
Maksimumkan: W = 40 Y1 + 50 Y2
2Y1 + 3Y2 ≤ 3
4Y1 + 2Y2 ≤ 2,5
Y1 , Y 2 ≥ 0
Bentuk LP yang terakhir ini disebut dengan masalah Dual, dan Y1 , Y2 dinamakan variabel dual.
Biala maslah primal dibandingkan dengan masalah dual dapat di bedakan sebagai berikut:
- Koefisien fungsi tujuan dalam masalah primal menjadi konstanta sisi kanan masalah dual,
dan sebaliknya konstan sisi kanan primal menjadi koefisian fungsi tujuan dual.
- Tanda pertidaksamaan kendala dibalik.
- Tujuan diubah dari minimisasi (maksimisasi) dalam primal diubah menjadi maksimisasi
(minimisasi) dalam dual.
- Setiap kolom pada primal berhubungan dengan suatu baris (kendala) dalam dual.
Sehingga banyaknya kendala dual sama banyaknya dengan variabel primal.
- Setiap baris kendalapada primal berhubungan dengan suatu kolom dalam dual. Sehingga
ada satu variabel dual untuk setiap kendala primal.
- Bentuk dual dari dual dalah primal.
Primal
Masimumkan: Z = 2X1 + X2
Fungsi batasan : X1 + 5X2 ≤ 10
X1 + 3X2 ≤ 6
2X1 + 2X2 ≤ 8
X1 , X 2 ≥ 0
Primal
Maksimumkan: Z = X1 + 3X2 - 2X2
Fungsi batasan: 4X1 + 8X2 + 6X3 = 25
27
7X1 + 5X2 + 9X3 = 30
X1 , X 2 , X3 ≥ 0
28
BAB V
MASALAH PENUGASAN (ASSIGMENT PROBLEM)
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mahasiswa mampu menjelaskan model penugasan
2. Mengerjakan dan menemukan solusi model Penugasan
menggunakan Metode Hungarian
3. Menganalisa dan menyimpulkan hasil penghitungan dan mengambil
keputusan
1. PENUGASAN
Masalah penugasan menyangkut penempatan para pekerja pada bidang yang tersedia
agar biaya yang ditanggung dapat diminimumkan. Metode yang digunakan untuk
perhitungan penugasan adalah metode Hungarian. Jika pekerja dianggap sumber, dan
pekerjaan dianggap tujuan, maka model ini mirip dengan model transportasi. Bedanya
pada penugasan jumlah pasokan pada setiap “ sumber” dan jumlah permintaan pada
setiap “tujuan” adalah 1 (satu). Ini menjelaskan bahwa setiap pekerja hanya menangani
satu pekerjaan, dan sebaliknya setiap pekerjaan hanya ditangini oleh satu pekerja “ Jadi,
Jumlah n sumber mencaku n tugas, sehingga ada n! (n faktoril)”.
Masalah penugasan dapat dijelaskan dengan menggunakan matriks segi empat, dimana
baris-barisnya menunjukkan sumber dan kolom-kolomnya menunjukkan tugas-tugas.
G. Masalah Minimisasi
Contoh 5.1:
Perusahaan Kecil memiliki 4 pekerjaan yang harus diselesaikan oleh 4 karyawan. Setiap
karyawan memiliki penugasan yang berbeda dengan biaya yang berbeda, sehingga biaya
penyelesaian setiap unit pekerjaan oleh masing maing karyawan juga beda. Tabel biaya Sbb:
Tabel 1:
Pekerjaan I II III IV
Karyawan
Rony Rp 150 Rp 200 Rp 180 Rp 220
Hadi Rp 140 Rp 160 Rp 210 Rp 170
Herman Rp 250 Rp 200 Rp 230 Rp 200
Doni Rp 170 Rp 180 Rp 180 Rp 160
29
- Kurangkan semua biaya dengan biaya terkecil setiap baris, sehingga
menghasilkan Reduced Cost Matrix (Matrik biaya yang telah dikurangi) sbb:
Tabel 2:
Pekerjaan I II III IV
Karyawan
Rony 0 50 30 70
Hadi 0 20 70 30
Herman 50 0 30 0
Doni 10 20 20 0
Tabel 3:
Pekerjaan I II III IV
Karyawan
Rony 0 50 (30-20) = 10 70
Hadi 0 20 (70-20) = 50 30
Herman 50 0 (30-20) = 10 0
Doni 10 20 (20-20) = 0 0
Tabel 4:
Pekerjaan I II III IV
Karyawan
Rony 0 50 10 70
Hadi 0 20 50 30
Herman 50 0 10 0
Doni 10 20 (0 0
30
Tabel 5:
Pekerjaan I II III IV
Karyawan
Rony 0 40 0 60
Hadi 0 10 40 20
Herman 60 0 10 0
Doni 20 20 0 0
B. Masalah Maksimisasi
Alokasi karyawan juga bisa bertujuan untuk memaksimumkan keuntungan, yaitu bila
yang dijadikan ukuran untuk menentukan efisiensi itu berupa besarnya keuntungan atau
manfaat yang bisa diambil.
Contoh:
Sebuah perusahaan memiliki 4 orang karyawan yang memiliki 4 tugas yang berbeda,
dimana setiap karyawan harus memeberikan keuntungan sesuai dengan jenis
pekerjaanya.
Langkah-langkah pengerjaanya:
1) Membuat Opportunity Lost Matrix
Tabel 2:
Pekerjaan I II III IV
Karyawan
Rony 8 0 8 16
Hadi 4 20 24 0
Herman 4 0 8 4
Doni 12 4 32 0
31
2) Membuat Total Opportunity Lost Matrix
Dengan cara merubah nilai pada kolom yang belum memiliki nilai angka 0, dengan
mengurangi angka pada kolom dengan nilai terkecil, Misalnya kolom I (8-4 = 4, 4 – 4 =
0, 4 – 4 = 0, 12 – 4 = 8)
Penugasan Biaya
III = 40 Rony -> II Rp 48
I = 56 Hadi -> I Rp 56
II = 36 Herman -> III Rp 28
IV = 64 Doni -> IV Rp 64
= 196 Rp 196
Bila jumlah pekerjaan lebih besar dari jumlah karyawan, maka harus ditambahkan
karyawan semu (Dummy worker). Biaya semu sama dengan nol karena tidak akan ada
biaya jika pekerjaan ditugaskan ke karyawan semu. Bila Jumlah karyawan lebih banyak
dari pekerjaan ditambahkan pekerjaan semu (dummy jobs).
Tabel 1:
32
Pekerjaan A B C D E
Karyawan
Ani 16 18 20 15 14
Budi 9 25 17 20 11
Candra 14 20 15 42 10
Dedi 10 15 18 32 9
Masalah:
- Pekerjaan apa yang memmerlukan tambahan karyawan baru
- Bagaimana alokasi masing-masing Karyawan beserta biayanya.
Tabel 2:
Pekerjaan A B C D E
Karyawan
Ani 16 18 20 15 14
Budi 9 25 17 20 11
Candra 14 20 15 21 10
Dedi 10 15 18 16 9
Dummy 0 0 0 0 0 2
1 3
Tabel 3:
Pekerjaan A B C D E
Karyawan
Ani 16 18 20 15 14
Budi 9 25 17 20 11
Candra 14 20 15 21 10
Dedi 10 15 18 16 9
Dummy 0 0 0 0 0 2
1 4 5 3
Tabel 4:
Pekerjaan A B C D E
Karyawan
Ani D
Budi A
Candra C
Dedi E
Dummy X
33
Kesimpulan:
- Pekerjaan yang belum ada pekerjanya adalah pekerjaan B
- Alokasi masing-masing Karyawan beserta biayanya
34
BAB VI
MODEL TRANSPORTASI
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mahasiswa mampu menjelaskan dan aplikasi model transportasi
2. Mampu menemukan solusi awal dan solusi optimal metode
transportasi:
Metode Sudut Barat Laut/North West Corner (NWC)..
Metode Biaya Terkecil (Least Cost/LC ).
Metode VAM (Vogel’s Aproximation Methods ).
Metode Stepping Stone
Metode MODI (Modified Distribution)
3. Menganalisa dan menyimpulkan hasil penghitungan dan
mengambil keputusan
Pada umumnya, masalah transportasi berhubungan dengan distribusi suatu produk tunggal dari
beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuan, dengan permintaan
tertent, dan pada biaya transportasi minimum. Kalu hanya satu barang, suatu ntempat tujuan bisa
terpenuhi permintaanya dari satu atau lebih sumber.
Asumsi dasar dari model transportasi adalah bahwa biaya transport pada suatu rute tertentu akan
proporsional dengan banyaknya unit yang dikirimkan. Definisi unit yang dikirimkan akan
tergantung pada jenis produk yang diangkut dan yang penting “ satuan penawaran dan permintaan
produk harus konsisten”.
Sebuah model transportasi akan berupa suatu jaringan yang dapat digambarkan seperti contoh
berikut. Misalnya suatu produk yang dihasilkan oleh tiga pabrik (sumber) harus di distribusikan ke
tiga sumber (gudang). Setiap pabrik memiliki kapasitas produksi tertentu, dan setiap gudang
memiliki jumlah permintaan tertentu terhadap produk tersebut.
Dengan diketahuinya biaya transportasi per unit dari masing-masing sumber ke gudang tujuan akan
muncul permasalahan yang mendasar yaitu, menentukan jumlah barang yang harus dikirim dari
masing-masing pabrik ke masing- masing gudang dengan meminimumkan biaya transportasi.
Kendala dalam masalah ini adalah bahwa permintaan pada setiap gudang harus dipenuhi tanpa
melebihi kapasitas produksi pada tiap pabrik, Maslah in I diilustrasikan dalam suatu model jaringan
transportasi produk ppupukgambar 3.1 dibawah ini:
35
Gambar 6.1 :
Cirebon
1. Semarang
Bandung 2. Jakarta
Cilacap 3. Purwokerto
Masalah transportasi ini dapat diilustrasikan sebagai suatu model jaringan seperti gambar berikut
4.2
Sumber (Pabrik) Volume yang diangkut Tujuan (Gudang)
Supply Demand
S1 = 120 D1 = 150
S2 = 80 D2 = 70
S3 = 80 D3 = 60
- Misalnya Xij : Banyaknya unit barang yang dikirim ke pabrik, ) dimana i = 1,2,3 ke pasar j
dimana j = 1,2,3, maka:
Minimumkan Z = 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23 + 3X31 + 9X32 + 10X33
Dengan syarat : X11 + X12 + X13 = 120 (supply pabrik 1)
X21 + X22 + X23 = 80 (supply pabrik 2)
X31 + X32 + X33 = 80 (supply pabrik 3)
36
X11 + X12 + X13 = 150 (demand pabrik 1)
X21 + X22 + X23 = 70 (demand pabrik 2)
X31 + X32 + X33 = 60 (demand pabrik 3)
Dan Semua Xij ≥ 0
Kendala model menunjukan jumlah yang bisa ditawarkan oleh masing-masing sumber dan
jumlah yang diminta masing-masing pasar. Asumsi persamaan diatas bahwa semua
permintaan akan dipenuhi. Fungsi tujuan adalah biaya total dalambangkan dengan Cij
sebagai biaya transport dari pabrik i ke gudang j, sehingga rumus umum biaya transportasi
termurah berupa m = daerah asal dan n = daerah tujuan:
m n
Minimumkan Biaya Transport Total = ∑∑ Cij Xij
I=1 I=1
m
Dengan Syarat = ∑Xij = Si(penawaran i = 1,2,3,...m)
I=1
n
Dengan Syarat = ∑ Xij = Dj(permintaan j = 1,2,3,..n)
m=1
Semua X > 0
m m m n
Kondisi keseimbangan : ∑ S1 = ∑ Xij = ∑ Xij = ∑ Dij
i =1i = 1 i=1 i=1
Jika diperhatikan, semua koefisien matriks kendala pada model ini adalah sama dengan 1. Sifat-sifat
model ini mengakibatkan penggunaan metode solusi khusus (Tabel Transportasi) perhitunganya
lebih efisien dibanding dengan metode simpleks.
1) Penyelesaian Model Transportasi, solusi awal dapat dibuat dengan dua metode, yaitu:
A. Metode North West Corner (NWC) => dari pojok kiri atas ke pojok kanan bawah,
- Kelemahan : tidak memperhitungkan besarnya biaya sehingga kurang efisien.
B. Metode Least Cost/biaya terkecil => mencari dan memenuhi yang biayanya terkecil
dulu.
2) Setelah tabel awal dibuat, tabel dapat dioptimalkan lagi dengan metode:
C. Stepping Stone Method /Metode Batu Loncatan
D. Modified Distribution Method (MODI)
E. Vogel’s Approximation Method (VAM)
37
Contoh Permasalahan:
Suatu perusahaan mempunyai pabrik A, B, dan C dengan kapasitas produksi tiap bulan
masing-masing 90 ton, 60 ton, dan 50 ton.; dan mempunyai 3 gudang penyimpanan di
gudang I, II, dan III dengan kebutuhan tiap bulan masing-masing 50 ton, 110 ton, dan 40 ton.
Biaya pengangkutan setiap ton produk dari pabrik A, B, C ke gudang I, II, III adalah sebagai
berikut:
Tentukan biaya transportasi yang minimum dengan Metode NWC, dan LEAST COST kemudian
lanjutkan dengan metode STEPPING STONE, VAM dan MODI.
Biaya minimum yang dikeluarkan: TC. Min = 50.(20) + 40.(5) + 60.(20) + 10.(10) + 40.(19)
= 3.260
38
2) Penyelesaian dengan Metode Biaya Terkecil (Least Cost)
TC.Min = 90.(5) + 20.(15) + 40.(10) + 30.(25) + 20.(10) = 450 + 300 + 400 + 750 + 200
= 2100
a. Metode Stepping Stone adalah salah satu metode untuk mendapatkan solusi optimal
masalah transportasi (TC yang minimum)
b. Metode ini bersifat trial and error, yaitu dengan mencoba-coba memindahkan sel yang ada
isinya (stone) ke sel yang kosong (water).
c. Pemindahan yang dilakukan harus mengurangi biaya, untuk itu harus dipilih sedemikian rupa
sel-sel kosong yang biaya transportasinya kecil dan memungkinkan dilakukan pemindahan.
b. Selanjutnya:
b. Sel B – I akan kita isi, jika satu unit dipindahkan dari sel A – I ke sel B – I dan
supaya tetap jumlahnya seimbang berarti satu unit juga dipindahkan dari
sel B – II ke sel A – II, Maka biaya transportasi akan berkurang sebanyak (20
– 15) + (20 – 5) = 20. Jika dipindahkan sebanyak 50, maka total biaya
transportasi akan berkurang sebanyak 1000 (dari 50 x 20).
Selanjutnya kita pilih sel kosong dengan biaya transportasi terkecil dan
memungkinkan dilakukan pemindahan:
c. Sel A-III akan kita isi, dalam hal ini kita pindahkan satu unit dari sel C – III ke
sel A – III agar jumlahnya tetap seimbang dipindahkan juga satu unit dari sel A
– II ke sel C – II. Pemindahan ini mengurangi biaya (19 – 8) + ( 5 – 10) = 6.
Jika dipindahkan sebanyak 40, maka total biaya transportasi berkurang
sebanyak 40 x 6 = 240.
40
Selanjutnya kita pilih lagi sel kosong dengan biaya transportasi terkecil dan
memungkinkan dilakukan pemindahan.
d. Sel B III akan kita isi, dalam hal ini kita pindahkan satu unit dari sel B – II ke sel
B – III agar jumlahnya tetap seimbang dipindahkan juga satu unit dari sel A –
III ke sel A – II. Pemindahan ini mengurangi biaya (20 – 10) + (8 - 5) = 13. Jika
dipindahkan sebanyak 10, maka total biaya transportasi berkurang sebanyak
10 x 13= 130
Dengan metode Stepping Stone Solusi Optimal (biaya minimal) sebesar 1890.
VAM (Vogel’s Approximation Methods) adalah metode untuk mendapatkan solusi optimal
masalah transportasi (TC mínimum). Metode ini bersifat semi eksak dan lebih eksak
dibanding Metode Stepping Stone
41
Carilah solusi yang optimum dengan motode VAM.
Langkah-langkah Penyelesaian:
- Carilah perbedaan/selisih dua biaya terkecil, yaitu terkecil pertama dan
terkecil kedua pada baris dan kolom
- Pilihlah selisih biaya tebesar pertama dan kedua pada baris dan kolom
- Tentukan sel yang akan di isi, Pilih sel dengan biaya terkecil pada baris atau
kolom terpilih.
42
- Pada kolom II, Biaya terkecil adalah 5 , Kemudian sel A-II diisi sebanyak 60
(total Demand kolom II)
- Total Suply baris A tersisa tersisa 30 dan total demand gudang II habis.
Kolom II dihapus karena total Demand sudah terpakai semuanya,
43
Metode MODI (Modified Distribution) adalah metode untuk mendapatkan solusi
optimal pada masalah transportasi
Pada metode MODI ada syarat yang harus dipenuhi, yaitu :
- Banyaknya kotak terisi harus sama dengan banyaknya baris ditambah
banyaknya kolom dikurang satu.
- Alokasi produksi yang optimal menggunakan suatu Indeks Perbaikan yang
berdasarkan pada nilai baris dan nilai kolom.
- jika Indeks Perbaikan telah positif semua berarti solusi optimal telah
tercapai dan tidak ada sel kosong yang harus diisi.
Cara untuk penentuan nilai baris dan nilai kolom menggunakan persamaan:
Contoh:
Langkah-langkah penyelesaian:
1) Selesaikan masalah transportasi solusi awal dengan Metode NWC, yaitu:
44
Jumlah Sel Terisi = Jumlah baris terisi + Jumlah Kolom terisi – 1= > 3 + 3 – 1 = 5
3) Menentukan Nilai Baris dan Kolom:
- Baris pertama selalu diberi nilai nol (R1 = 0), Nilai baris yang lain dan nilai
semua kolom ditentukan berdasarkan persamaan Ri + Kj = Cij
4) Isilah sel-sel kosong yang mempunyai indeks perbaikan negatif yang dimulai dari
sel dengan negatif terbesar.
- Isi sel B – I dan diperoleh tabel transportasi berikut:
45
- Isi sel A – III dan diperoleh tabel transportasi berikut:
Pada tabel diatas tampak indeks perbaikan untuk sel kosong semuan sudah
bernilai positif, ini berarti bahwa solusi optimal telah tercapai. Jadi total
biaya transportasi mínimum sesuai dengan perhitungan Metode NWC
MODI adalah : 1890
46
Carilah solusi optimum (Biaya transportasi paling minimum) yang dikeluarkan dengan
METODE NWC, LEAST COST, kemudian Optimalkan dengan metode STEPPING STONE,
VAM dan MODI.
47
BAB VII
MODELJARINGAN DENGAN PERT DAN CPM
Tujuan Pembelajaran:
Setelah Mempelajari Materi ini diharapkan;
1. Mahasiswa mampu mengenali dan menjelaskan penggunaan model
jaringan dan penjadwalan suatu proyek.
2. Mahasiswa mampu Menentukan Critical Path
3. Menemukan waktu yang paling efisien dalam penyelesaian
(penjadwalan) suatu proyek dengan model PERT /CPM
4. Menganalisa dan menyimpulkan hasil penghitungan dan mengambil
keputusan
1. ANALISIS JARINGAN
Penggunaan jaringan dalam bidang manajemen umumnya yaitu penggunaan teknik
jaringan aktivitas atau sering disebut teknik jaringan proyek, dimana suatu proyek
melibatkan berbagai aktivitas yang saling berhubungan baik langsung maupun tidak
langsung. Salah satu model jaringan yang terkenal digunakan dalam perencanaan,
penjadwalan, dan pengawasan suatu proyek adalah Program Evaluation and Review
Tehnique (PERT) atau disebut juga Critical Path Method (CPM). PERT dan CPM pada
dasarnya serupa, bedanya; CPM adalah teknik Deterministic, sedangkan CPM bersifat
Probabilistic. Pada teknik deterministik, waktu kegiatan diasumsikan diketahui dengan
pasti, sehingga merupakan nilai tunggal, Pada teknik probebilistik kegiatan merupakan
variabel random yang memiliki distribusi probabilistik.
Analisis jalur kritis atau critical path method (CPM) adalah alogaritma berbasis
matematika untuk menjadwalkan sekelompok aktivitas proyek. CPM merupakan salah
satu peralatan terpenting untuk manajemen proyek. Critical Path Method
dikembangkan tahun 1950-an oleh Morgan R. Walker dari DuPont dan James E. Kelley,
Jr. dari Remington Rand. Keduanya bekerjasama mengembangkan CPM pada tahun
1989. (Di saat yang hampir bersamaan, Booz Allen Hamilton dan angkatan laut AS juga
mengembangkan Program Evaluation and Review Technique)
Salah satu tujuan utama dari teknik PERT/CPM adalah untuk menentukan waktu
terpendek yang diperlukan untuk merampungkan proyek atau menentukan jalur kritis
(critical path). Critical Path yaitu, jalur dalam jaringan yang membutuhkan
peneyelesaian paling lama. Kegiatan-kegiatan yang dilewati critical path dinamakan
kegiatan kritis. Keterlambatan penyelesaian salah satu kegiatan ini akan menyebabkan
keterlambatan penyelesaian proyek.
Model jaringan CPM/PERT tersusun atas dua komponen utama, yaitu titik-titik
(lingkaran) dan garis-garis (anak panah). Garis menunjukkan jenis kegiatan dari suatu
proyek sementara lingkaran menunjukan awal atau akhir suatu kegiatan (events).
48
Dalam analisis CPM/PERT, suatu lingkaran tertentu dikatakan terealisasi jika semua
kegiatan yang berakhir pada kegiatan itu telah dirampungkan.
1 2 3 4
2 bulan 1 bulan 6 bulan
Lingkaran 2 terealisasi pada akhir bulan ke 2, pada waktu itu pencarian dana dapat
dimulai. Pembangunan rumah dapat dimulai setelah bulan ke 3 berakhir. Pada contoh
kasus ini pembangunan dapat dirampungkan pada bulan ke 9. (2 + 1 + 6).
Pada Model jaringan CPM/PERT, dua kegiatan atau lebih tak dapat secara serentak
berawal dan berakhir pada lingkaran yang sama.
B1
2
a d f
1 3 2 3 3 4 1 6
b2 c c
1 1 1
5
Kesalahan pada gammbar jaringan diatas adalah, karena menyimpang dari aturan,
dimana bahwa b1 dan b2 muncul dari kegiatan pendahulu a dan juga berakhir pada ada
lingkaran yang sama. Masalah ini bisa diselesaikan dengan memperkenalkan Dummy
Activity.
49
Suatu Dummy Activity digambarkan dengan garis terputus dan disisipkan pada jaringan
tersebut untuk menunjukkan suatu hubungan. Dummy Activity tidak memakan waktu
dan sumber daya.
c c
1 1
5
Kegiatan Dummy dapat juga digunakan untuk menyusun suatu jaringan agar hubungan
logikanya menjadi benar. Misalkan; Dari suatu proyek, kegiatan A dan B mendahului
kegiatan C, sedangkan kegiatan E hanya didahului kegiatan B. Gambar jaringan dengan
Dummy Activity yang benar adalah:
A C
B E
50
Dengan menjumlahkan seluruh waktu kegiatan pada setiap jalur diperoleh panjang jalur
waktu. Karena jalur A mrupakan jalur waktu terlama, yaitu 9 bulan, maka jalur A
merupakan Critical Path. Sehinnga diperoleh kesimpulan bahwa waktu tercepat
penyelesaian proyek tersebut adalah 9 bulan. Kegiatan-kegiatan yang dilalui Critical
Path dinamai kegiatan kritis. Keterlambatan penyelesaian salah satu kegiatan akan
menyebabkan keterlambatan penyelesaian proyek, karena itu kegiatan kritis perlu
untuk di awasi secara serius. Jika pengambil keputusan ingin mempercepat
penyelesaian proyek, maka ia perlu memperpendek satu atau beberapa waktu kegiatan
kritis.
ET=3 ET=5 c c
1 1
5
ET= 6
Earliest Time (ET) Lingkaran 4 tidak dapat diselesaikan sebelum rangkaian kegiatan
sebelumnya dirampungkan, jadi waktu tercepat untuk menyelesaiakan lingkaran 4
adalah 5 bulan (ET4 = 5).
ET Setiap lingkaran secara umum dirumuskan : ETj = maks (ETi + tij)
Dimana i = Nomor lingkaran awal dari semua kegiatan yang berakhir pada lingkaran
j
tij = waktu kegiatan i --- j
51
= 8 bulan
ET=6
LT =7
LT suatu lingkaran adalah waktu terakhir (paling lambat) suatu kegiatan dapat
direalisasikan tanpa menunda waktu penyelesaian proyek, dalam pengertian waktu
minimum. Dalam contoh, karena waktu penyelesaian minimum adalah 9 bulan,
maka LT pada lingkaran 7 adalah 9 bulan. LT ditentukan dengan melintasi jaringan
kearah belakang.
Penentuan Critical Part dengan cara terakhir dapat menemui kesulitan, Contoh:
bagaimana mengetahui bahwa critical part nya bukan 1 -> 2 -> 4 -> 6 -> 7 , dimana
semua lingkaran juga memiliki ET = LT? . Untuk mengatasi masalah ini caranya
dengan menggunakan konsep Slack Kegiatan (Slack Activity). Dimana suatu
kegiatan dapat ditunda tanpa mempengaruhi penyelesaian proyek dalam waktu
minimum.
52
S45 = LT5 – ET4 – t45 = 7 – 5 – 1 = 1
S46 = LT6 – ET4 – t46 = 8 – 5 – 3 = 0
S56 = LT6 – ET5 – t56 = 8 – 6 – 1 = 1
S67 = LT7– ET6 – t67 = 9 – 8 – 1 = 0
ET=6
LT=7
Semua kegiatan yang nilai Slack nya sama dengan 0, berarti kegoatan kegiatan itu
tidak dapat ditunda, jika proyek akan diselesaikan dengan waktu minimum. Artinya
kegiatan kritis adalah kegiatan yang nilai slacny sama dengan 0. Sementara
kegiatan kegiatan yang nilai slack tidak sama dengan 0 merupakan kegiatan yang
dapat ditunda pelaksanaanya. (contoh kegiatan S24 = 1 , berarti kegiatan 2 ---> 4
dapat ditunda pelaksanaanya hingga satu bulan tanpa memperlambat pelaksanaan
proyek) . S45 dan S56 adalah satu bulan artinya yang dapat ditunda hanya satu bulan
tetapi bukan kedua kegiatan masing masing satu bulan. Slack untuk kedua kegiatan
ini disebut Shared Slack.
B. PERT
Jika kasus yang dihadapi pengambil keputusan mengenai waktu kegiatan
penyelesaian proyek tidak dapat dipastikan, Jadi waktu kegiatan merupakan
variabel random yang memiliki distribusi probabilitas. Untuk kasus seperti ini,
Jaringan PERT akan digunakan sebagai pengganti CPM.
Dalam PERT diasumsikan bahwa penyelesaian kegiatan mengikuti Distribusi Beta,
dengan rata-rata (t1j) dan Varian (Vij) sbb:
53
Aij + 4mij + bij
tij =
6
bij + aij2
vij =
6
Dimana: aij = Waktu terpendek yang mungkin untuk menyelesaikan kegiatan i--> j
Atau disebut Optimistic Time.
mij= Waktu yang paling mungkin untuk menyelesaikan kegiatan i --> j atau
disebut Most Likely Time.
bij = Waktu terlama yang mungkin untuk menyelesaikan kegiatan i --> j
atau disebut Pesimistic Time.
Contoh: Model Jaringan Sebuah Proyek
1 4 5
Untuk menjelaskan PERT, diperlukan perkiraan waktu kegiatan yang terlibat dalam
proyek, Termasuk rata-rata Varianya. Jika rata-rata waktu kegiatan sudah
diperoleh, Critical Path dapat ditentukan.
Contoh: Tabel Perkiraan Waktu Kegiatan
ET dan LT setiap lingkaran serta slack kegiatan terlihat bahwa Critical Path meliputi
kegiatan yang memiliki Slack sama dengan 0, yaitu: 1 ----> 2 ------> 3 ------> 4 -------> 5
, seperti terlihat pada gambar dibawah ini.
54
Contoh: Model Jaringan Sebuah Proyek
ET = 9
LT = 9
ET=0 2 ET=20 ET=24
LT=0 t=9 t=3 LT=20 LT=24
S=0 s=8 t=4 5
1 t=5 4 s=0
s=0
s=4 t=10 t=6 s=0 t=3
s=7
ET=14 3
LT=14
Waktu proyek (t) mengikuti distribusi normal yang dirata-ratakan dengan simbol
(µ), merupakan jumlah rata-rata waktu kegiatan kritis. Maka;
µ = t12 + t23 + t34 + t45
= 9 +5 +6 +4
= 24 minggu
Σ = Ѵ5
0,3264
µ =24 25
55
DAFTAR PUSTAKA
56