Soal-soal Latihan

RISET OPERASI (OPERATIONAL RESEARCH)

Disusun Oleh:
Suwaji, SE. MM

SEKOLAH TINGGI ILMU EKONOMI INDRAGIRI (STIE-I)RENGAT

TAHUN 2019

1
 DAFTAR ISI

1. RISET OPERASI .......................................

2. LINEAR PROGRAMING .......................................

3. METODE SIMPLEKS .......................................

4. DUALITAS .......................................

5. MODEL PENUGASAN .......................................

6. MODEL TRANSPORTASI .......................................

- Metode North West Corner (NWC)
- Metode Least Cost (LC)
- Metode Stepping Stone
- Metode Vogels Aproximation Method (VAM)
-Metode Modified Distribution (MODI)

7. MODEL JARINGAN (Net Work) .......................................

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.

1. PERKEMBANGAN RISET OPERASI

Istilah riset operasi pertama kali dikenalkan dan digunakan di kota kecil Bowdsey, Inggris
tahun 1940 oleh Me Closky dan Trefthen. Pada masa itu, pemimpin militer Inggris
memanggil sekelompok ahli dari kalangan sipil dari berbagai disiplin ilmu kemudian
mengkoor dinasikan mereka dalam suatu kelompok yang diserahi tugas mencari cara
yang paling efisien untuk menggunakan alat yang baru ditemukan.

2. ARTI DARI RISET OPERASI

Kata operations dapat didefinisikan sebagai tindakan-tindakan yang diterapkan pada
beberapa masalah atau hipotesis. Sementara Research adalah suatu proses yang
terorganisasi dalam mencari kebenaran akan masalah atau hipotesis yang dibuat.

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).

3. CIRI-CIRI RISET OPERASI

Ciri yang menonjol dalam riset operasi adalah sbb:
a. Riset Operasi merupakan pendekatan kelompok antar disiplin untuk mencari hasil
yang optimum.
b. Riset Operasi merupakan teknik penelitian ilmiah untuk mendapatkan solusi yang
optimum.
c. Riset Operasi hanya akan memberikan jawaban yang jelek terhadap persoalan jika
tersedia jawaban yang lebih jelek, sehingga Riset Operasi hanya memperbaiki kualitas
dari solusi.
Keilmiahan dan Seni Riset Operasi
Aspek keilmiahan dari OR terletak pada penyediaan teknik dan algoritma matematika
untuk menyelesaikan masalah. OR merupakan seni karena keberhasilan semua tahap
sebelum maupun sesudah solusi model sepenuhnya tergantung pada kreativitas dan
kemampuan personal pengambil keputusan. Harus ditekankan, suatu tim OR yang
berhasil diharapkan menunjukkan kemampuan yang memadai dalam segi ilmu
pengetahuan dan seni.

4. MODEL DALAM RISET OPERASI

Model adalah abstraksi atau penyerderhanaan realitas dari system yang kompleks
dimana hanya komponen-komponen yang relevan atau factor-faktor yang dominan dari
masalah yang dianalisis dan diikutsertakan. Ia menunjukan hubungan-hubungan
(langsung dan tidak langsung) dari aksi dan reaksi dalam pengertian sebab dan akibat .
Jenis dasar dari model meliputi: Iconic (physical), analogue (diagrammatic) dan symbolic
(mathematical).

a. Iconic (Physical) Model

Iconic model adalahsuatu penyajian fisik yang tampak seperti aslinya dari suatu sistem
nyata dengan skala yang berbeda. Contoh model ini adalah mainan anak-anak, potret,
histogram, maket dan lain-lain.

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.

c. Mathematic (Symbolic) Model

Model matematiksifatnya paling abstrak. Model ini menggunakan seperangkat simbol
matematik untuk menunjukan komponen-komponen (dan hubungan antar mereka) dari
sistem nyata. Namun, system nyatatidak selalu dapat diekspresikan dalam rumusan
matematik. Model inidapat dibedakan menjadi deterministic dan probabilistic. Model
deterministic dibentukdalam situasi kepastian (certainty). Model inimemerlukan
penyederhanaan – penyederhanaan dari realitas karena kepastian jarang terjadi. Model
probabilistic meliputikasus-kasus dimana diasumsikan ketidakpastian (uncertainty).

4. TAHAP-TAHAP DALAM RISET OPERASI

Pola dasar penerapan OR terhadap suatu masalah dapat dipisahkan menjadi beberapa
tahapan:
a. Merumuskan masalah
Dalam OR, ada tiga pertanyaan penting yang harus dijawab:
1) Variabel Keputusan : Yaitu unsur-unsur dalam persoalan yang dapat dikendalikan
oleh pengambil keputusan. Ia sering disebut sebagai instrument.
2) Tujuan (obyective): Penetapan Tujuan membantu pengambilan keputusan untuk
memusatkan perhatian pada persoalan dan pengaruhnya terhadap organisasi.
Tujuan ini diekspresikan dalam variable keputusan
3) Kendala (constraints): Merupakan pembatas-pembatas terhadap alternative
tindakan yang tersedia.

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.

- Metode Analitik merupakan metode yang memerlukan perwujudan model dengan

solusi grafik atau dengan perhitungan matematik. Jenis matematika yang
digunakan tergantung sifat-sifat model.
- Metode Numerik merupakan pendekatan yang berhubungan dengan perulangan
atau ncoba-coba prosedur-prosedur, melalui penggunaan perhitungan numeric
pada tiap tahapanya.
- Motode Monte Carlo merupakan pendekatan dengan teknik simulasi dimana
fungsi distribusi statistic dibuat melalui seperangkat bilangan random.

6. MASALAH-MASALAH DALAM RISET OPERASI

Masalah-Masalah Riset Operasi yang didefinisikan dengan baik dan diterima umum
adalah sebagai berikut:
1) Masalah Alokasi
2) Masalah Antri
3) Masalah Jaringan
4) Masalah Persediaan

7. KELEMAHAN RISET OPERASI

Teknik-teknik OR memiliki kelemahan sebagai berikut:
- Perumusan masalah dalam suatu program Riset Operasi adalah suatu tugas yang
sulit.
- Jika suatu organisasi memiliki beberapa tujuan yang bertentangan, maka akan
terjadi suboptimum yaitu suatu kondisi yang tak dapat menolong seluruh
organisasi mencapai hasil yang terbaik secara serantak.
- Suatu hubunganh nonlinier yang diubah menjadi linier untuk disesuaikan dengan
program linier dapat mengganggu solusi yang disarankan.

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.

1. LINEAR PROGRAMING DAN OPTIMASI EKONOMI

Ilmu matematika lebih banyak digunakan untuk membahas masalah-masalah rumit yang muncul
dalam kehidupan manusia. Dalam Bidang Ekonomi, penerapan riset operasi digunakan untuk
menjadikan sumber daya yang langka diantara berbagai kegiatan menjadi lebih efektif dan efisien
(Optimasi Ekonomi). Sumber daya dapat berupa mesin, peralatan, tenaga kerja, bahan mentah,
waktu, dan biaya.
Program Linier dapat digunakan untuk penyelesaian masalah Optimasi Ekonomi. Optimasi dapat
didefinisikan sebagai proses menemukan kondisi dimana fungsi mencapai nilai maksimum atau
minimum (Rao, 2009).Terdapat dua bentuk optimasi, yaitu fungsi dengan kendala dan fungsi
tanpa kendala. Optimasi fungsi dengan kendala lebih sering ditemukan dalam masalah kehidupan
sehari-hari yang mensyaratkan beberapa kondisi untuk diperoleh suatu solusi optimal.

2. LINEAR PROGRAMING

Linear Programing (LP) : Merupakan model matematika yang digunakan dalam

mengalokasikan sumber daya yang langka untuk mencapai tujuan tunggal seperti
memaksimumkan laba atau meminimumkan biaya (Sri Mulyono, 200).Linear Programing (LP):
Merupakan salah satu cara penyelesaian masalah yang berkaitan dengan penjelasan suatu dunia
nyata sebagai suatu model matematika yang terdiri atas sebuah fungsi tujuan linier dan sistem
kendala.

Linear Programing (LP):Merupakan model matematika yang menjelaskan tentang

pengalokasian sumber daya yang langka dalam rangka mencapai tujuan tunggal untuk
memaksimumkan laba atau meminimumkan biaya dan bergantung pada jumlah variable
input.

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.

Contoh : Fungsi berikut merupakan fungsi pertidaksamaan linear: 2𝑥1 +3𝑥2 ≤ 3

2𝑥1 −𝑥2 +𝑥3 ≥ 3

3. BENTUK UMUM MODEL LINEAR PROGRAMING (LP)

Secara umum suatu masalah LP akan ditentukan Variabel Keputusan, Fungsi Tujuan dan Fungsi
Kendala yang bersama sama membentuk suatu model matematika :
n
Maksimum (Minimum) Z = ∑CuXj
J=i
Dengan syarat: aijxj (≤, =, ≥) bi, dan untuk semua I (1= 1,2,….n) semua Xj≥ 0
Keterangan :
Z= Nilai Fungsi Tujuan
aij=Banyaknya Sumber daya I yang dikonsumsi sumber daya j
xij= Banyaknya kegiatan j, dimana j = 1,2,…n, n merupakan banyaknya variable keputusan
bi = Banyaknya sumber daya I (I = 1,2,3….m) berarti bayaknya m jenis sumber daya
cj = Sumbangan per unit kegiatan j, untuk masalah maksimisasi Cj menunjukan keuntungan atau
penerimaan perunit, untuk maslah minimisasi Cj menunjukan biaya perunit.

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

Formulasi model matematika yang meliputi tiga langkah:

a. Tentukan Variabel (variable keputusan) : Variabel keputusan Merupakan variabel-variabel
dari permasalahan/variabel yang dibahasyang dinyatakan dalam symbol matematika
b. Membentuk fungsi tujuan: Fungsi Tujuan Merupakan fungi yang menggambarkan
harapan/arah/tujuan yang ditunjukan sebagai suatu hubungan linier (bukan perkalian) dari
variable keputusan
c. Menentukan Fungsi Kendala: Fungsi Kendala merupakan ekspresi dalam persamaan dan
pertidaksamaan dengan hubungan linier dari variable keputusan yang mencerminkan
keterbatasan sumber daya pada permasalahan tersebut.

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)

Penerimaan Total (Z) dapat dituliskanZmax = 5X1 + 7X2 + 4X3 .

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

2) Kendala Bahan Mentah

- Produk 1 (X1) bahan mentah untuk tiap unit adalah 8 kg ditulis 8X1 kg.
- Produk 1 (X2) bahan mentah untuk tiap unit adalah 10 kg ditulis 10X2 kg.
- Produk 1 (X3) bahan mentah untuk tiap unit adalah 6 jam ditulis 6X3 kg.

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

Contoh Formulasi Model 2:

Masalah Transportasi

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 :

XijadalahVolume beras dari sumber i ketujuan j

Dimana :i = 1 adalah Jatimdan i= 2 adalah Sulsel
j = 1 adalah DKI, j = 2 Kaltim, j = 3NTT ,Berarti terdapat 6 variabel.

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:

Minimumkan Z = 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23

Dengan syarat X11 + X12 +X13 = 120
X21 + X22 + X23 = 80
X12+ X21 ≤ 100
X11 + X22 ≤ 70
X11 + X12 ≤ 60
Ciri khas masalah transportasi adalah pada kendala yang mangatakan bahwa semua koefisien
nilainya sama dengan satu.

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).

- Formulasikan Permasalahan diatas dalam model matematika (model LP)

2. 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 unit perhari dan
jakt B 1 unit. Ketersediaan bahan kulit minimum perhari 16 unit dan Bahan sintetis 24
unit 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 16 24
Minimum

Masalahnya, Bagaimana menentukan kombinasi jenis jaket agar meminimumkan biaya

produksi.
- Formulasikan masalah diatas dallam model matematika (model LP)

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

2) Fungsi Tujuan : ZMax = 40X1 + 30X2

3) Fungsi Kendala/batasan : 1. 2X1 + 3X2 ≤ 60 (Benang Sutera)

1. 2X2 ≤ 30 (Benang Wol)
2. 2X1 + X2 ≤ 40 (Tenaga Kerja)
4) Membuat Grafik:
a. 2X1 + 3X2 = 60 -> X1 = 0 , X2 = 60/3 = 20
X2 = 0 , X1 = 60/2 = 30

b. 2X2 = 30 -> X2 = 30/2 = 15

c. 2X1 + X2 = 40 -> X1 = 0 , X2 = 40
X2 = 0 , X1 = 40/2 = 20

13
 X2

40

(1) 2X1 + X2= 40

20

15 E D C 2 ) 2X2 = 30

(3) 2X1 + 3X2= 60

A B
0 20 30 X1

Daerah Penyelesian

Cara mendapatkan solusioptimal:

TitikA : X1 = 0 , X2 = 0, Maka Z = 40 (0) + 30 (0) = 0
Titik B :X1 = 20, X2 = 0 , Maka Z = 40 (20) + 30 (0) = 800

Titik C : Mencari titik potong garis 1 dan 3; 2X1 + 3X2 = 60

2X1 + X2 = 40
2X2 = 20 ->X2 = 10

Masukkan X2 Kedalam kendala 1:

2X1 + 3X2 = 60
2X1 + 3 (10) = 60 -> 2X1 = 30 ->X1 = 15

Masukan nilai X1 dan X2 ke Fungsi Tujuan (Z):

ZMax = 40X1 + 30X2 = 40 (15) + 30 (10) = 600 + 300 = 900 (Optimal).

Titik D : 2X2 = 30 -> X2 = 15, - >2X1 + 3X2 = 60 ,- > 2X1 + 3(15) = 60

2X1 + 45 = 60, -> 2X1 = 15
ZMax = 40X1 + 30X2 = 40 (7,5) + 30 (15) = 300 + 450 = 750

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)

Contoh Soal Minimisasi:

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

Bagaimana menentukan kombinasi jenis jaket agar meminimumkan biaya produksi.

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

Mencari Persilangan garis kendala (1) dan (2)

4X1 + 2X2 = 16
4X1 + 6X2 = 24
-4X2 = -8 X2 = 2

Masukkan X2 ke dalam kendala (1)

4X1 + 2X2 = 16
4X1 + 2 (2) = 16 4X1 = 12 X1 = 3

Masukan nilai X1 dan X2 ke dalam Fungsi tujuan

Zmin = 200X1 + 160X2 = 200(3) + 160 (2) = 600 + 320 = 920

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

4 (2) C Daerah Penyelesaian

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).

1. MODEL DAN TABEL SIMPLEKS MASALAH MAKSIMASI

Metode simpleks didasarkan atas gagasan dan langkah-langkah sbb:
a. Dimulai dari suatu titik asal yang biasanya disebut solusi awal
b. Bergerak dari satu titik asal ketitik lainya yang berdekatan, pergerakan ini akan menghasilkan
fungsi tujuan yang lebih baik (meningkat untuk masalah maksimisasi dan menurun untuk
minimisasi). Jika solusi yang lebih baik sudah diperoleh, , prosedur simplek dengan sendirinya
akan menghilangkan solusi-solusi lain yang kurang baik.
c. Proses ini diulang-ulang sampai suatu solusi yang lebih baik tak dapat ditemukan, Proses
simpleks ini kemudian berhenti dan solusi telah diperoleh.

18
Contoh 2.1 : Maksimasi I

Diketahui :

a. Fungsi Tujuan : Z max = 3X1 + 2X2

b. Fungsi Kendala 1) X1 + X2≤ 15
2) 2X1 + X2 ≤ 28
3) X1+ 2X2 ≤ 20
X1 , X2≥ 0

Penyelesaian Model LP dengan Tabel Simpleks

Langkah-langkahnya adalah sbb:

1. Model LP datas diubah menjadi bentuk baku:

Z – 3X1 – 2X2 – S1 – S2 –S3 = 0
X1 + X2 + S1 = 15
2X1 + X2 + S2 = 28
X1 + 2X2 + S3 = 20

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

Baris Kunci Kolom Kunci (angka 2 merupakan angka kunci

6. Menentukan nilai-nilai baris baru kunci (S2’) dengan cara membaginya dengan angka kunci.

Baris baru kunci = Baris kunci : angka kunci

X1 X2 S1 S2 S3 Q

2/2 1/2 0/2 1/2 0/2 28/2

Baris Baru S2 =1 1/2 0 1/2 0 14

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)

Baris Z : Baris Lama = X 1 X2 S1 S2 S3 Q

(-3 -2 0 0 0 0)
NBBK = -3 (1 1/2 0 1/2 0 14) -
Baris Baru (Z’) = 0 -1/2 0 1 0 42

Baris S1 : Baris Lama = (1 1 1 0 0 15)

NBBK = 1 (1 1/2 0 1/2 0 14) -
Baris Baru (S1’) = 0 1/2 1 -1/3 0 1

Baris S3 : Baris Lama = (1 2 0 0 1 20)

NBBK = 1 (1 1/2 0 1/2 0 14) -
Baris Baru (S3’) = 0 1,5 0 -1/3 1 4

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.

Baris baru kunci = Baris kunci : angka kunci

X1 X2 S1 S2 S3 Q

0/0,5 0,5/0,5 1/0,5 -0,51/-0,5 0/0,5 1/0,5

Baris Baru S2 =0 1 2 1 0 2

Selanjutnya S2 ditulis sebagai X2

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)

Baris Z : Baris Lama = X 1 X2 S1 S2 S3 Q

(0 -1/2 0 3/2 0 42)

NBBK = -1/2(0 1 2 1 0 2) -

Baris Baru (Z’’) = 0 0 1 2 0 43

Baris X1 : Baris Lama = ( 1 1/2 0 1/2 0 14)

NBBK =½ (0 1 2 1 0 2)
Baris Baru (X1’) = 10 -1 0 0 13

Baris S3 : Baris Lama = ( 03/ 2 0 -1/2 1 6)

NBBK =3/2(0 1 2 1 0 2)
Baris Baru (33’) = 0 0 -3 1 1 3

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:

- Konversikan semua pertidaksamaan ≥ menjadi persamaan dengan menambahkan

variabel Surplus
- Tentukan penyelesaian awal, dan diperlukan variabel tambahan (artificial variable) atau M
variabel
- Susunlah tabel Simpleks Awal dari permasalahan
- Hitunglah Koefisien nilai Z dengan menggunakan Inner Produk Rule, Cj = (V).(Vj) – cj
- Pada Kasus Minimum ≥ kolom kunci ditentukan dengan melihat koefisien Z terbesar dan
baris kunci ditentukan seperti halnya pada kasus maxsimasi (≤)
- Lakukan Iterasi hingga solusi optimum diperoleh, sama halnya pada kasus maksimasi.

Contoh Permasalahan Minimasi; MINIMASI I

Permasalahan
a. Fungsi Tujuan: Zmin = 5X1 + 6X2
b. Fungsi Kendala: 1) 4X1 + 2X2≥ 100
2) 3X1 + 4X2≥ 120
X1 , X2≥ 0

A. Semua tanda pertidaksamaan kendala diatas akan diubah menjadi persamaan

caranya; mengurangkan dengan variabel surplus dan menambah variabel slack
hingga diperoleh:
Fungsi Kendala dikurangi variabel surplus: 1) 4X1 + 2X2 - X3 = 100
2) 3X1 + 4X2 - X4 = 120
Atau dengan notasi matrik ditulis:
X1
4 2 -1 0 . X2 = 100
3 4 0 -1 X3 = 120
X4

Fungsi Tujuan : Z - 5X1 - 6X2 + 0X3 + 0X4 = 0

Fungsi Kendala ditambah variabel slack: 1) 4X1 + 2X2 - X3 + S1 = 100
2) 3X1 + 4X2 - X4 + S2 = 120

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

Inilah penyelesaian awal yang fisibel dengan basis S1 dan S2.

C. Tabel Simplek awal dapat digambarkan sbb:

Basis X1 X2 X3 X4 S1 S2 Q R

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

Cj : Koefisien variabel J pada persamaan Z

V : Vektor baris koefisien fungsi tujuan variabel basis
(Z = 5X1 + 6X2 + 0X3 + 0X4 + MS1 + MS2)
Vj : Vektor kolom elemen dibawah variabel j
Cj : Koefisien Variabel pada fungsi tujuan

Maka Inner Produk Rule pada masalah diatas adalah:

4 1
Cx1 = (M .M). 3 - 5 = 7M - 5 Cs1 = ( M . M). 0 - (M) = 0

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

Z 1 7M-5 6M-6 -M -M 0 0 220M

S1 0 4 2 -1 0 1 0 100 25

S2 0 3 4 0 -1 0 1 120 40

- Menentukan kolom kunci dengan dasar nilai Z yang paling besar

- Menentukan baris kunci deangan melihat nilai indeks (R) terkecil
R S1 = 100/1 = 25
Nilai Indeks = Nilai Kanan/Kolom Kunci = R S2 = 120/3 = 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

4/4 2/4 -1/4 0/4 1/4 0/4 100/4

1 1/2 -1/4 0 1/4 0 25

- Selanjutnya S1 ditulis sebagai X1

- 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)

Baris Z : Baris Lama = X1 X2 X3 X4 S1 S1 Q

(7M-5 6M-6 -M -M 0 0 220M)
NBBK = 7M-5 (1 1/2 -1/4 0 1/4 0 25)
Baris Baru (Z’) = 0 5M/2-7/2 3/4M-5/4 -M -7M/4+5/4 0 45M+125

Baris S2 : Baris Lama = 3 4 0 -1 0 1 120

NBBK = 3 (1 1/2 -1/4 0 1/4 0 25 )-
Baris Baru (X2’) = 0 5/2 ¾ -1 -3/4 1 45
Tabel Simpleks Iterasi II
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
X2 0 0 5/2 3/4 -1 -3/4 1 45
Iterasi II bukan solusi optimal maka perlu dilakukan lagi Iterasi III (Sampai baris Z tidak ada
yang bernilai POSITIF)

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

- Menentukan kolom Kunci yaitu kolom dengan nilai Z terbesar

- Menentukan baris kunci deangan melihat nilai indeks (R) terkecil
R X1 = 25/1/2 = 50
- Nilai Indeks = Nilai Kanan/Kolom Kunci = R X2 = 45/5/2 = 40
- Menentukan nilai-nilai baris baru kunci (X2) dengan cara membaginya dengan
angka kunci.
Baris baru kunci = Baris kunci : angka kunci
X1 X2 X3 X4 S1 S2 Q

0/5/2 5/2/5/2 3/4/5/2 -1/5/2 -3/4/5/2 1/5/2 45/5/2

0 1 3/10 -2/5 -3/10 2/5 18

- Selanjutnya X2 ditulis sebagai X2 “

- 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)

Baris Z : Baris Lama = X1 X2 X3 X4 S1 S2 Q

(0 5/2M-7/2 3/4M-5/4 -M -7M/4+5/4 0 45M+125)
NBBK = 5M/2-7/2 (0 1 3/10 -2/5 -3/10 2/5 18) -
Baris Baru (Z’) = 0 0 -1/5 -7/5 -M+4/20 -M+7/5 188

Baris X1 : Baris Lama = 1 ½ -1/4 0 ¼ 0 25

NBBK = ½( 0 1 3/10 -2/5 -3/10 2/5 18) -
Baris Baru (X1”) = 1 0 -2/5 1/5 2/5 -1/5 16

Tabel Simpleks Iterasi II

Basis Z X1 X2 X3 X4 S1 S2 Q
Z 1 0 0 -1/5 -7/5 -M+1/5 -M+7/5 188
X1” 0 1 0 -2/5 1/5 2/5 -1/5 16
X2” 0 0 1 3/10 -2/5 -3/10 2/5 18

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:

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

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.

Latihan Primal dan Dual:

Primal
Masimumkan: Z = 2X1 + X2
Fungsi batasan : X1 + 5X2 ≤ 10
X1 + 3X2 ≤ 6
2X1 + 2X2 ≤ 8
X1 , X 2 ≥ 0

Ubahlah permasalahan matematika diatas menjadi bentuk Dual

Fungsi Tujuan minimumkan Y = 10 Y1 + 6Y2 + 8Y3
Fungsi Kendala 1) Y1 + Y2 + 2Y3 ≥ 2
2) 5Y1 + 3Y2 + 2Y3 ≥ 1
Y1, Y2, Y3 ≥ 0

Primal
Maksimumkan: Z = X1 + 3X2 - 2X2
Fungsi batasan: 4X1 + 8X2 + 6X3 = 25

27
 7X1 + 5X2 + 9X3 = 30
X1 , X 2 , X3 ≥ 0

Ubahlah permasalahan matematika diatas menjadi bentuk Dual

Fungsi tujua; Minimumkan Y = 25Y1 + 30Y2

Fungsi kendala 1) 4Y1 + 7Y2 ≥ 1
2) 8Y1+ 4Y2 ≥ 3
3) 6Y3 + 9Y2 ≥ -2

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

Masalahnya: Bagaimana menugaskan keempat karyawan untuk menyelesaikan keempat

pekerjaan agar total biaya minimum.

Prosedur yang harus dilalui adalah:

1) Menyusun tabel biaya seperti tabel diatas
2) Melakukan pengurangan baris dengan cara:
- Memilih biaya terkecil setiap baris

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

3) Memilih biaya terkecil

- Berdasarkan tabel 2, Pilihlah biaya terkecil tiap kolom untuk mengurangi seluruh
biaya dalam kolom kolom tsb. Pada tabel diatas dilakukan pada kolom 3 karena
kolom lainya sudah ada elemen bernilai nol. Tetapi bila pada langkah tersebut
sudah menghasilkan paling sedikit satu nilai nol pada setiap kolom, maka langkah
ketiga dapat dihilangkan.

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

4) Membentuk penugasan optimum

- Menarik garis vertikal dan horizontal untuk meliputi seluruh elemen bernilai nol.
Jika jumlah garis sama dengan jumlah baris/kolom, maka penugasan sudah
optimal. Jika tidak maka penugasan harus direvisi.

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

5) Melakukan Revisi Tabel:

- Pilih angka terkecil yang tidak terliput oleh garis (angka 10)
- Kurangi angka yang tidak terliput oleh garis dengan angka terkecil (angka 10)
- Tambahkan angka yang terdapat pada persilangan garis (angka 50, 10) dengan
angka terkecil (10).
- Kembali ke langkah 4.

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

Tabel Solusi Penugasan:

Penugasan Biaya
Rony -> III Rp 180
Hadi -> I Rp 140
Herman -> II Rp 200
Doni -> IV Rp 160
Rp 680

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.

Tabel 1: Matrik Keuntungan pekerjaan karyawan (Rp, 000)

Pekerjaan I II III IV
Karyawan
Rony 40 48 40 32
Hadi 56 40 36 60
Herman 32 36 28 32
Doni 52 60 32 64

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)

3) Membuat garis minimum

Pekerjaan I II III IV
Karyawan
Rony 4 0 0 16
Hadi 0 20 16 0
Herman 0 0 0 4
Doni 8 4 24 0

4) Membuat Matrik Keuntungan

Pekerjaan I II III IV
Karyawan
Rony 40 48 40 32
Hadi 56 40 36 60
Herman 32 36 28 32
Doni 52 60 32 64

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

C. Masalah Pekerjaan Tidak Sama Dengan Jumlah Karyawan

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).

Contoh 5.2: Jumlah pekerjaan lebih besar dari karyawan

Sebuah Toko Fashion memperkerjakan 4 karyawan dengan pekerjaan yang berbeda.
Perusahaan merencanakan meambah karyawan baru untuk mengisi salah kekurangan
tenaga kerja paada pekerjaan yang masih kosong. Berikut adalah data biaya harian dari
pegawai pada masing-masing pos (Rp.,000) :

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.

Langkah-langkah mencari solusi:

1) Buat Matrik seperti diatas
2) Tambahkan Dummy Worker pada dengan jenis pekerjaan yang tersedia
3) Kurangi nilai terendah setiap baris

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

- Garis meliputi angka O

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

Karyawan Pekerjaan Biaya

Ani D Rp 15
Budi A Rp 9
Candra C Rp 15
Dedi E Rp 9
Rp 48

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 :

Sumber (Pabrik) Tujuan (Gudang)

Cirebon
1. Semarang

Bandung 2. Jakarta

Cilacap 3. Purwokerto

Pabrik Pasar (Gudang) Penawaran

(sumber) Semarang Jakarta Purwokerto (unit)
Cirebon 8 5 6 120
Bandung 15 10 12 80
Cilacap 3 9 10 80
Permintaan 150 70 60 280

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

Bisa dirumuskan sbb:

- 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.

2. PENYELESAIAN DENGAN MODEL TRANSPORTASI

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.

A. Langkah awal penyelesaian Awal:

a. Periksa dulu apakah Total Demand (TD) dengan Total Supply (TS) sama atau tidak.
b. Jika TD = TS, maka dikatakan Tabel Transportasi seimbang (equilibrium), jadi tidak
perlu ada kolom dummy (tujuan dummy) maupun baris dummy (sumber dummy).
c. Jika TD > TS, maka perlu diseimbangkan dengan menambahkan baris dummy
(sumber dummy).
d. Jika TD < TS atau TS > TD, maka perlu diseimbangkan dengan menambahkan kolom
dummy atau tujuan dummy.

1) Penyelasaian dengan Metode NWC (North West Corner)

Langkah-langkah Penyelesaian:
a. Isi (alokasikan) mulai dari kotak yang berada dipojok kiri sesuai dengan permintaan
dan penawaran yang tersedia
b. Alokasikan sebanyaknya ke sel fisibel berikutnya yang berdekatan, yaitu kotak yang
berada disebelah kanan
c. Prosedur dilanjutkan sampai TD dan TS terpenuhi.

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)

Langkah-langkah Penyelesaian dengan Metode Biaya Terkecil:

a. Alokasikan sebanyak mungkin ke sel fisibel dengan biaya transportasi paling minimum,
dan sesuaikan dengan kebutuhan permintaan dan suplai.
b. Ulangi prosedur seperti diatas sampai kebutuhan permintaan dan suplai terpenuhi

TC.Min = 90.(5) + 20.(15) + 40.(10) + 30.(25) + 20.(10) = 450 + 300 + 400 + 750 + 200
= 2100

B. Mencari Solusi yang OPTIMAL

1) Penyelesaian dengan Metode NWC => Stepping Stone

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.

Contoh dengan persoalan yang sama:

Carilah solusi yang optimum dengan motode Stepping Stone.

Langkah-langkah penyelesaian dengan metode Stepping Stone:
39
 a. Kita mulai dengan tabel NWC

TC. Min = 50(20) + 40(5) + 60(20) + 10(10) + 40(19) = 3260

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).

Maka diperoleh Tabel Transportasi perbaikan yang pertama (iterasi I);

Tabel Iterasi I Metode Stepping Stone:

TC1 = 90(5) + 50(15) + 10(20) + 10(10) + 40(19) = 2260

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.

Maka diperoleh Tabel Transportasi perbaikan yang kedua;

Tabel Iterasi II Metode Stepping Stone:

TC2 = 50(5) + 40(8) + 50(15) + 10(20) + 50(10) = 2020

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

Maka diperoleh Tabel Transportasi perbaikan yang keTIGA;

Tabel Iterasi III Metode Stepping Stone:

TC3 = 60(5) + 30(8) + 50(15) + 10(10) + 50(10) = 1890

Pada tabel diatas, semua biaya yang lebih kecil sudah terisi artinya,total biaya
transportasi mínimum (solusi optimal) sudah diperoleh.

Dengan metode Stepping Stone Solusi Optimal (biaya minimal) sebesar 1890.

2) Solusi Optimal dengan Metode VAM

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

Mencari Solusi dengan dengan Metode VAM:

- Carilah perbedaan dua biaya terkecil, yaitu terkecil pertama dan terkecil
kedua
- Pilihlah perbedaan terbesar dari selisih biaya terkecil pertama dan kedua
pada baris dan kolom
- Tentukan sel yang akan di isi, dimulai dari sel dengan biaya terkecil.
- Hapus baris atau kolom yang sudah terisi penuh supply atau demand nya.
Ulangi proses tersebut sampai TS dan TD habis diisikan kan sel-selnya.
Dengan catatan: Apabila ada baris atau kolom yang memiliki selisih nilai dalam
jumlah yang sama dan Selisih tersebut termasuk Selisih dengan nilai yang
terbesar, maka pilihlah diantara baris dan kolom tersebut, manakah yang
memiliki nilai biaya terkecil.

Contoh dengan persoalan yang sama:

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.

Tabel Iterasi I Metode VAM:

Pada Tabel I diatas:

- Beda Baris dan Beda Kolom terbesar adalah 9, jadi terpilih baris C.
- Pada baris C, Biaya terkecil adalah 10 , Kemudian sel C-II diisi sebanyak 50
(total suply baris C)
- Total Demand gudang II tersisa 60 dan total suply Pabrik C habis. Baris C
dihapus karena total suply sudah terpakai semuanya, Tabelnya menjadi:

Tabel Iterasi II Metode VAM:

Pada Tabel II diatas:

- Beda Baris dan Beda Kolom terbesar adalah 15, jadi terpilih Kolom II.

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,

Pada Tabelnya Iterasi III menjadi:

Pada Tabel III diatas:

- Beda Baris dan Beda Kolom terbesar adalah 12, jadi terpilih Baris A.
- Pada Baris A, Biaya terkecil adalah 8 (A - III) , Kemudian sel A - III diisi
sebanyak 30 (total Suply baris A )
- Total Demand Kolom III tersisa 10 dan total Suply Pabrik A habis. Baris A
dihapus karena total Suply sudah terpakai semuanya,

Pada Iterasi berikutnya (IV) Tabelnya menjadi:

Pada Tabel IV diatas:

- Karena tersisa satu Baris saja, Maka sel B-I diisi sebanyak 50 dan B-III diisi 10. Pada
iterasi ini Total Demand dan Total Suply sudah habis.

Sel-sel terpillih dari Tabel I Tabel IV:

Sel-sel terpillih dari Tabel I Tabel IV:

Tabel 1. Sel C -> II Diisi sebanyak 50
2. Sel A -> II Diisi sebanyak 60
3. Sel A -> III Diisi sebanyak 30
4. Sel B -> I Diisi sebanyak 50
Sel B -> III Diisi sebanyak 10
Solusi Optimum (biaya paling minimum dengan perhitungan Metode VAM
adalah:TC Min = 60.(5) + 30.(10) + 50.(15) + 10.(10) +50.(10) = 1890Latihan:

3) Solusi Optimal Dengan Metode MODI (Modified Distribution)

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:

Carilah solusi agar biaya transportasi minimum dengan MODI.

Langkah-langkah penyelesaian:
1) Selesaikan masalah transportasi solusi awal dengan Metode NWC, yaitu:

TC. Min = 50.(20) + 40.(5) + 60.(20) + 10.(10) + 40.(19) = 3.260

2) Selanjutnya, Syarat mengerjakan Metode MODI:

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

- MenentukanNilai Baris dan Kolom Terisi:

Sel A – I : R1 + K1 = C11 → 0 + K1 = 20 → K1 = 20
Sel A – II : R1 + K2 = C12 → 0 + K2 = 5 → K2 = 5
Sel B – II : R2 + K2 = C22 → R2 + 5 = 20 → R2 = 15
Sel C – II : R3 + K2 = C32 → R3 + 5 = 10 → R3 = 5
Sel C – III : R3 + K3 = C33 → 5 + K3 = 19 → K3 = 14
- Menentukan indeks perbaikan, dengan memperhatikan sel-sel kosong dan
diperoleh tabel sebagai berikut:

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:

TC = 90.5 + 50.15 + 10.20 + 10.10 + 40 . 19 = 2260

- Berikutnya isi sel B – III dan diperoleh tabel berikut:

TC = 90.5 + 50.15 + 20.10 + 20.10 + 30 . 19 = 2170

45
 - Isi sel A – III dan diperoleh tabel transportasi berikut:

TC min = 60(5) + 30(8) + 50(15) + 10(10) + 50(10) = 1890

- Tentukan Lagi Nilai Baris dan Kolom:

Sel A – II : R1 + K2 = C12 → 0 + K2 = 5 → K2 = 5
Sel A – III : R1 + K3 = C13 → 0 + K3 = 8 → K3 = 8
Sel B – III : R2 + K3 = C23 → R2 + 8 = 10 → R2 = 2
Sel B – I : R2 + K1 = C21 → 2 + K1 = 15 → K1 = 13
Sel C – II : R3 + K2 = C32 → R3 + 5 = 10 → R3 = 5

- Tentukan nilai indeks perbaikan (lihat sel-sel kosong):

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

Suatu permasalahan transportasi digambarkan sbb:

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.

2. MODEL JARINGAN CPM/PERT

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.

Contoh: Jaringan Pembangunan Rumah dan Waktu Kegiatan

Menggambar Rumah Mencari Dana Membangun Rumah

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.

Contoh: Jadwal Proyek Pembuatan Rumah

Kegiatan Kegiatan Pendahulu Waktu
Menggambar dan cari dana (a) - 3 bulan
Peletakan pondasi (b1) a 2 bulan
Pemesanan bahan (b2) a 1 bulan
Memilih cat (c) b1, b2 1 bulan
Membangun rumah (d) b1, b2 3 bulan
Memilih karpet (e) c 1 bulan
Penyelesaian (f) d, e 1 bulan

Gambar: Jaringan Pembangunan Rumah dan Waktu yang Salah

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.

Gambar: Jaringan Pembangunan Rumah dan Waktu yang Benar

3
b1
2 0 Dummy
a b2 d f
1 3 2 1 4 3 6 1 7

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

A. CRITICAL PATH (JALUR KRITIS)/CPM

Sasaran utama analisis CPM/PERT adalah menentukan waktu terpendek yang diperlukan untuk
menyelesaikan suatu proyek atau menentukan waktu yang diperlukan untuk Critical Path, Yaitu
jalur waktu terlama. Untuk menjelaskan critical path pada contoh jaringan sebelumnya,
Misalnya jaringan tersebut memiliki 4 alternatif jalur yaitu jalur A, B, C dan D. dapat dilihat
contoh dibawah ini.

Contoh: Seluruh Jalur yang Mungkin Dari Jaringan Pembangunan Rumah

Jalur Titik awal/Akhir Panjang Jalur Waktu
A 3 2 0 3 1 9 bulan
1 2 3 4 6 7
B 3 2 0 1 1 1 8 bulan
1 2 3 4 5 6 7
C 3 1 3 1 8 bulan
1 2 4 6 7
D 3 1 1 1 1 7 bulan
1 2 4 5 6 7

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.

PENJADWALAN KEGIATAN ATAU EVENTS

Analisis CPM/PERT juga bertujuan menentukan jadwal kegiatan yang menerangkan
kapan kegiatan tersebut mulai dan kapan berakhir. Penjadwalan juga dapat digunakan
untuk menentukan critical path (sekaligus waktu minimum untuk menyelesaikan
proyek) dan kegiatan apa yang dapat ditunda dan berapa lama.

1) Earliest Time (ET) = Waktu Tercepat

Gambar: Jaringan Pembangunan Rumah dan Waktu

ET=5
3
b1
2 0 Dummy ET=8 ET=9
a b2 d f
1 3 2 1 4 3 6 1 7

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

Contoh: ET6 = maks (ET5 + ET5.6 , ET4 + ET4.6)

= maks (6 + 1 , 5 + 3 )
= maks (7 , 8)

51
 = 8 bulan

2) Latest Time (LT) = Waktu Paling Lambat

Gambar: Jaringan Pembangunan Rumah dan Waktu
ET=5
LT=5
3
LT=8 ET = 9
2 0 LT=8 LT=9
3)
1 4) 3 2 1 4 3 6 1 7

ET=0 ET=3 ET=5

LT =0 LT = 3 LT -= 5
1 1
5

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.

LTij = min ( LTj - tij )

Dimana j = lingkaran akhir dari semua kegiatan yang berawal dari lingkaran i
Contoh : LT6 = min (LT7 – LT67) = min (9 – 1) = 8 bulan
LT5 = min (LT6 – LT56) = min (8 – 1) = 7 bulan
LT4 = min (LT6 - LT46 , LT5 – LT45) = min (8 – 3 , 7 – 1) = 5 bulan

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.

Slack Kegiatan: Sij = LTj – ETi - tij

Contoh : S12 = LT2 – ET1 – t12 = 3 – 0 – 3 = 0

S23 = LT3 – ET2 – t23 = 5 – 3 – 2 = 0
S24 = LT4 – ET2 – t24 = 5 – 3 – 1 = 1
S34 = LT4 – ET3 – t34 = 5 – 5 – 0 = 0

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

Gambar: Jaringan Pembangunan Rumah dan Waktu

ET=5
LT=5
3
S=0 S=0 LT=8 ET = 9
2 0 LT=8 LT =9
5) S=0 S=1 S=0 S=0
1 6) 3 2 1 4 3 6 1 7

ET=0 ET=3 ET=5 S=1 S=1

LT=0 LT = 3 LT = 5 1 1

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

Kegiatan Perkiraan Waktu (minggu) Parameter Distribusi Beta

aij mij bij tij vij
1 ---------->2 5 8 17 9 4
1 ---------->3 7 10 13 10 1
2 ---------->3 3 5 7 5 4/9
2 ---------->4 1 3 5 3 4/9
3 ---------->4 4 6 8 6 4/9
3 ---------->5 3 3 3 3 0
4 ---------->5 3 4 5 4 1/9

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

Jumlah Varian (σ ) waktu kegiatan kritis ;

σ = V12 + V23 + V34 + V45
= 4 + 4/9 + 4/9 + 1/9
= 5 minggu

Dengan asumsi waktu proyek mengikuti distribusi normal dan nilai-nilai

parameternya diketahui., maka dengan bantuan kurva normal standar dapat
dibuat probabilitas penyelesaian proyek. Misalnyapemberi proyek mengancam jika
pelaksana proyek tidak mampu menyelesaikan selama lebih maksimal 25 minggu,
Developer akan dikenakan denda.

Probabilitas Developer membayar denda dapat dihitung sbb:

P (tp ≥ 25) = P z ≥ 25 - µ
Ѵσ2
= P z ≥ 25 - 24
Ѵ5
= P (z ≥ 0,4472)
= 0,5 – 0,1736
= 0,3264
Jadi peluang merampungkan proyek = 25 minggu adalah 0,6736 (dari 1-0,3264)

Σ = Ѵ5
0,3264

µ =24 25

55
DAFTAR PUSTAKA

1. Hamdy Taha, “Operation Research An Introduction”

2. Richard Bronson, “Theory and Problem of Operation Research”
3. Pangestu Subagyo. dkk “ Dasar-dasar Riset Operasi ”
4. Yohanes Suprianta “ Riset Operasi Bisnis”
5. Juju Tarliah “ Riset Operasi”
6. Sri Mulyono “ Riset Operasi”
7. Haryadi Sarjono “ Aplikasi Riset Operasi”
8. Restu & Ivalaina “Manajemen Operasional”

56