MENYELESAIKAN PERSOALAN TRANSPORTASI DENGAN

KENDALA CAMPURAN

J. K. Sari1∗ , A. Karma2 , M. D. H. Gamal2

∗ junikartika.sari@ymail.com

1
Mahasiswa Program Studi S1 Matematika
2 Laboratorium Matematika Terapan

Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau
Kampus Binawidya Pekanbaru (28293), Indonesia

ABSTRACT

A new algorithm of transportation that is more-for-less (MFL) algorithm has been

used to solve transportation problems with mixed constraints. The proposed of this
transportation problem is to determine how many product that should shipped from
each sources to each destination. Hence each demand from each destination can be
fulflled with minimum total shipping cost.

Keywords: transportation problem, mixed constraint, more-for-less

1. PENDAHULUAN

Persoalan transportasi adalah bentuk khusus dari persoalan program linear yang berhu-
bungan dengan pengalokasian suatu komuditas tunggal dari sejumlah sumber ke sejumlah
tujuan. Persoalan transportasi dapat ditemukan dalam industri, jaringan komunikasi,
penjadwalan, jasa pengiriman dan lain-lain. Atas dasar kenyataan bahwa rute pengi-
riman yang berbeda akan menghasilkan biaya pengiriman yang berbeda, maka tujuan
pemecahan persoalan transportasi adalah menentukan berapa banyak sejenis komudi-
tas yang harus dikirim dari setiap sumber ke sejumlah tujuan sehingga permintaan dari
setiap tujuan terpenuhi dengan total biaya pengiriman minimum.
Dalam persoalan transportasi yang diinginkan adalah persoalan transportasi yang
seimbang dengan jumlah persediaan sama dengan jumlah permintaan. Akan tetapi dalam
kenyataanya tidak dapat dipastikan bahwa persoalan transportasi selalu seimbang, sebab
sering dijumpai persoalan transportasi dengan jumlah persediaan melebihi permintaan
atau sebaliknya. Persoalan yang demikian, dimana jumlah persediaan tidak sama dengan
jumlah permintaan disebut ketidakseimbangan transportasi.
Persoalan transportasi merupakan kasus khusus dalam masalah program linear yang
dapat diselesaikan dengan metode simplex trasportasi. Untuk menentukan solusi awal
dapat digunakan metode pojok barat laut, metode biaya minimum, atau metode Vogel.
Disini penulis akan membahas tentang algoritma more-for-less untuk menyelesaikan
persoalan transportasi dengan kendala campuran yang ditulis oleh Pandian dan Natarajan
1
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 2

dengan judul ”A New Approach for Solving Transportation Problems with Mixed Cons-
traints” [8] dan beberapa buku pendukung lainnya. Yang mana Pandian dan Natarajan
mencari solusi yang optimal menggunakan metode pojok barat laut untuk menentukan
solusi awal dan selanjutnya menggunakan uji optimalitas [8]. Sedangkan penulis menye-
lesaikan persoalan transportasi dengan kendala campuran dengan menggunakan VAM
(method approximation Vogel) untuk menentukan solusi awal dan menggunakan indeks
matriks variabel dual dan teorema MFL untuk menentukan solusi optimal. Algoritma ini
mudah dimengerti dan diaplikasikan untuk menyelesaikan persoalan transportasi dengan
kendala campuran.

2. PERSOALAN TRANSPORTASI DENGAN KENDALA CAMPURAN

Dalam bab ini dibahas tentang penyelesaian persoalan transportasi dengan kendala cam-
puran dengan menggunakan algoritma more-for-less. Pembahasan ini dimulai dengan
menentukan solusi awal dengan menggunakan metode Vogel dan menggunakan indeks
matriks variabel dual dan teorema MFL untuk menentukan solusi optimal.
Pandian dan Natarajan [8] menyarankan sebuah masalah batas terkecil yang diperoleh
dengan menukarkan semua pertidaksamaan pada kendala campuran diubah menjadi ke
bentuk persamaan, dimana pada ruas kanan dari pertidaksamaan adalah nilai terkecil
dari persediaan dan permintaan. Sehingga diperoleh model matematika masalah batas
terkecil adalah sebagai berikut:
Xm X n 
min z= cij xij





i=1 j=1 

Xn 


kendala xij = si , i ∈ U





j=1 

Xn 


xij = 0, i ∈ V





j=1 

Xn 


xij = si , i ∈ W

(1)
j=1 
Xm 


xij = dj , j ∈ Q





i=1 

Xm 


xij = 0, j ∈ T




i=1


m


X 
xij = dj , j ∈ S





i=1


xij ≥ 0, i = 1, 2, · · · , m; j = 1, 2, · · · , n.


dengan U, V, W adalah himpunan terpisah dengan U ∪ V ∪ W = (1, 2, . . . , m) dan Q, T, S

adalah himpunan terpisah dengan Q ∪ T ∪ S = (1, 2, . . . , n).
Dalam menyelesaikan persoalan transportasi, terdapat banyak metode untuk menen-
tukan solusi awal, antara lain metode pojok barat laut, metode biaya minimum, dan
metode Vogel. Dari prakteknya diketahui bahwa Vogel memberikan solusi awal yang
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 3

mendekati optimal, bahkan sering kali memberikan hasil yang optimal [4, hal:80]. Berikut
dibahas metode untuk menentukan solusi awal, yaitu metode Vogel. Metode Vogel meru-
pakan cara terbaik dibanding metode pojok barat ataupun metode biaya minimum.
Berikut langkah-langkah yang ditempuh dalam penggunaan metode Vogel adalah

1. Hitung penalti untuk tiap kolom dan baris dengan cara mengurangkan biaya teren-
dah pertama dengan biaya terendah berikutnya.

2. Selidiki kolom atau baris dengan penalti terbesar. Alokasikan sebanyak mungkin
pada sel dengan biaya terkecil, sesuaikan dengan persediaan dengan permintaan.
Kemudian ditandai kolom atau baris yang sudah terpenuhi. Apabila terdapat dua
buah kolom atau baris yang terpenuhi secara simultan, maka pilih salah satu yang
ditandai sehingga persediaan atau permintaan pada baris atau kolom yang terpilih
adalah nol. Setiap baris atau kolom dengan persediaan atau permintaan sama
dengan nol, tidak akan terbawa lagi dalam perhitungan penalti berikutnya.

3. (a) Apabila tersisa satu kolom atau baris yang belum ditandai, stop.
(b) Apabila tersisa satu kolom atau baris dengan persediaan atau permintaan
positif belum ditandai, tentukan variabel basis pada kolom atau baris dengan
metode biaya minimum.
(c) Apabila semua baris dan kolom yang belum ditandai mempunyai persedi-
aan dan permintaan sama dengan nol, tentukan variabel-variabel basis yang
berharga nol dengan metode biaya minimum. Kemudian stop.
(d) Jika 3a, 3b dan 3c tidak terjadi, hitung kembali penalti untuk baris atau kolom
yang belum ditandai. Kembali ke nomor 2.

Setelah solusi awal dengan digunakan metode Vogel diperoleh selanjutnya meng-
gunakan indeks matriks variabel dual ui dan vj yang berkorespondensi dengan sel (i, j),
dengan menjumlahkan ui dan vj . Apabila terdapat ui + vj yang bernilai negatif maka
dapat dibuat persoalan transportasi baru dengan kendala campuran [8].

3. ALGORITMA MORE-FOR-LESS

Dalam persoalan transportasi yang diinginkan adalah persoalan transportasi yang seim-
bang dengan jumlah persediaan sama dengan jumlah permintaan yang mana kendala-
kendala persoalan transportasi seimbang. Akan tetapi dalam kenyataanya terdapat per-
soalan transportsi dengan kendala campuran, secara umum persoalan transportasi dengan
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 4

kendala campuran dapat ditulis sebagai berikut [8]:

m X
X n 
min z= cij xij





i=1 j=1 

n
X



kendala xij ≥ si , i ∈ U





j=1 

Xn 


xij ≤ si , i ∈ V





j=1 

Xn 


xij = si , i ∈ W

(2)
j=1 
Xm 


xij ≥ dj , j ∈ Q





i=1 

m
X 


xij ≤ dj , j ∈ T




i=1


m


X 
xij = dj , j ∈ S





i=1


xij ≥ 0, i = 1, 2, · · · , m; j = 1, 2, · · · , n.


dengan U, V, W adalah himpunan terpisah dengan U ∪ V ∪ W = (1, 2, . . . , m) dan Q, T, S

adalah himpunan terpisah dengan Q ∪ T ∪ S = (1, 2, . . . , n).
Persoalan transportasi dengan kendala campuran diselesaikan dengan menggunakan
algoritma more-for-less. Secara ringkas, algoritma more-for-less untuk persoalan trans-
portasi dengan kendala campuran adalah sebagai berikut:
Langkah 0. Membuat model matematika dari persoalan transportasi dengan kendala
campuran dengan bentuk umum program linear (2).
Langkah 1. Setelah diperoleh model matematika dari persoalan transportasi dengan
kendala campuran, selanjutnya dibuat tabel persoalan transportasi dengan kendala cam-
puran.
Langkah 2. Membentuk masalah batas terkecil dari persoalan transportasi dengan
kendala campuran.
2.1 Dimulai dengan membuat model matematika masalah batas terkecil dari persoalan
transportasi dengan kendala campuran dengan menukarkan semua pertidaksamaan
pada kendala diubah menjadi ke bentuk persamaan, dimana pada ruas kanan dari
pertidaksamaan adalah nilai terkecil dari persediaan dan permintaan, bentuk umum
program linear yang dapat dilihat pada persamaan (1).
2.2 Kemudian dibuat tabel persoalan transportasi masalah batas terkecil dari per-
samaan (1).
Langkah 3. Menentukan solusi awal.
3.1 Sebelum menentukan solusi awal, pastikan persoalan transportasi tersebut adalah
persoalan transportasi yang seimbang. Apabila terdapat persoalan transportasi
yang tak seimbang dapat menambahkan sumber atau tujuan dummy agar metode
dapat diterapkan.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 5

3.2 Kemudian dapat ditentukan solusi awal dengan menggunakan metode Vogel, proses
penggunaan metode Vogel telah disajikan pada Bab sebelumnya.
Langkah 4. Menguji keoptimalan solusi awal.
Setelah diperoleh solusi awal dengan menggunakan metode Vogel, solusi awal tersebut
dialokasikan ke bentuk tabel persoalan transportsi dengan kendala campuran. Kemudian
ditentukan indeks matriks dari solusi awal dengan menentukan variabel dual ui dan vj
yang berkorespondensi dengan sel (i, j), dengan menjumlahkan ui dan vj .
Langkah 5. Dilakukan proses identifikasi ui + vj yang bernilai negatif pada sel (i, j).
Apabila terdapat ui + vj yang bernilai negatif maka dapat dibuat persoalan transportasi
baru dengan kendala campuran berdasarkan teorema MFL [8].
Langkah 6. Setelah diperoleh persoalan transportasi dengan kendala campuran yang
baru, kembali ke langkah 1 sampai langkah 4 untuk menguji keoptimalan solusi. Apabila
tidak ada lagi ui + vj yang bernilai negatif, maka solusi dapat dikatakan sudah optimal.

4. CONTOH PERSOALAN TRANSPORTASI DENGAN KENDALA

CAMPURAN

Misalkan suatu perusahaan memiliki 3 pabrik dan 3 gudang di enam lokasi berbeda.
Pabrik 1 menyediakan barang sebanyak 60 unit. Terjadi peningkatan ketersediaan ba-
han baku hal ini menyebabkan pabrik 2 dapat memproduksi lebih banyak barang dari
biasanya yaitu 70 unit. Sedangkan di pabrik 3, terjadi gangguan listrik yang mengaki-
batkan beberapa mesin tidak dapat bekerja hal ini menyebabkan pabrik 3 hanya dapat
memproduksi barang maksimal sebanyak 100 unit. Pada gudang 1 permintaan barang
sebanyak 90 unit. Permintaan pada gudang 2 setidaknya harus terpenuhi sebanyak 110
unit. Dan karna keterbatasan kapasitas dari gudang 3, maka permintaan pabrik 3 mak-
simal sebanyak 70 unit. Biaya pengiriman satu jenis barang per unit antara pabrik dan
gudang dapat dilihat pada Tabel 1.

Tabel 1: Contoh Persoalan

dari/ke Gudang 1 Gudang 2 Gudang 3

Pabrik 1 2 3 4
Pabrik 2 6 3 1
Pabrik 3 8 9 9

Untuk menentukan solusi optimal persoalan tersebut akan diselesaikan dengan meng-
gunakan algoritma more-for-less. Untuk menyelesaikan persoalan transportasi tersebut
dimulai dengan langkah nol.
Langkah 0. Dibuat model matematika dari persoalan transportasi ini, dapat ditulis
sebagai berikut:

min z = 2x11 + 3x12 + 4x13 + 6x21 + 3x22 + 1x23 + 8x31 + 9x32 + 2x33

Kendala pada persoalan transportasi terdiri dari beberapa kendala yaitu, kendala perse-
diaan, kendala permintaan, dan kendala tak negatif dan integer.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 6

Kendala persediaan:
x11 + x12 + x13 = 60
x21 + x22 + x23 ≥ 70
x31 + x32 + x33 ≤ 100.
Kendala permintaan:
x11 + x21 + x31 = 90
x12 + x22 + x32 ≥ 110
x13 + x23 + x33 ≤ 70.
Kendala tak negatif dan integer:
xij ≥ 0 dan integer .
Langkah 1. Setelah diperoleh model matematika dari persoalan transportasi dengan
kendala campuran, selanjutnya dibuat tabel transportasi dengan kendala campuran seperti
Tabel 2.

Tabel 2: Contoh Persoalan Transportasi dengan Kendala Campuran

Ke Gudang Gudang Gudang
Dari Persediaan
1 2 3
2 3 4
Pabrik 1 = 60

6 3 1
Pabrik 2 70

8 9 2
Pabrik 3 100

Permintaan = 90 110 70

Langkah 2. Membentuk masalah batas terkecil.

2.1 Dimulai dengan membentuk model matematika masalah batas terkecil dari per-
soalan transportasi dengan kendala campuran dengan menukarkan semua pertidak-
samaan pada kendala diubah menjadi ke bentuk persamaan, dimana pada ruas
kanan dari pertidaksamaan adalah nilai terkecil dari persediaan dan permintaan.
Dapat ditulis sebagai berikut:
min z = 2x11 + 3x12 + 4x13 + 6x21 + 3x22 + 1x23 + 8x31 + 9x32 + 2x33
Kendala pada persoalan transportasi terdiri dari beberapa kendala yaitu, kendala
persediaan, kendala permintaan, dan kendala tak negatif dan integer.
Kendala persediaan:
x11 + x12 + x13 = 60
x21 + x22 + x23 = 70
x31 + x32 + x33 = 0.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 7

Kendala permintaan:

x11 + x21 + x31 = 90

x12 + x22 + x32 = 110
x13 + x23 + x33 = 0.

Kendala tak negatif dan integer:

xij ≥ 0 dan integer .

2.2 Kemudian dibuat tabel persoalan transportasi dari masalah batas terkecil yang
dapat dilihat pada Tabel 3.

Tabel 3: Contoh Masalah Batas Terkecil dari Persoalan Transportasi

Ke Gudang Gudang Gudang

Dari Persediaan
1 2 3
2 3 4
Pabrik 1 = 60

6 3 1
Pabrik 2 70

8 9 2
Pabrik 3 0

130
Permintaan = 90 110 =0
200

Langkah 3. Menentukan solusi awal.

3.1 Sebelum menentukan solusi awal, pastikan persoalan transportasi tersebut adalah
persoalan transportasi yang seimbang. Apabila terdapat persoalan transportasi
yang tak seimbang dapat menambahkan sumber atau tujuan dummy agar metode
dapat diterapkan. Dalam persoalan transportasi ini permintaan melebihi perse-
diaan, agar persoalan ini seimbang tambahkan satu baris sumber dummy dengan
jumlah persediaan sebanyak 70 unit dengan biaya sama dengan 0. Persoalan trans-
portasi yang sudah seimbang dapat dilihat pada Tabel 4.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 8

Tabel 4: Keseimbangan Transportasi dengan Penambahan Sumber Dummy

Ke Gudang Gudang Gudang
Dari Persediaan
1 2 3
2 3 4
Pabrik 1 60

6 3 1
Pabrik 2 70

8 9 2
Pabrik 3 0

Pabrik 0 0 0
70
Dummy

Permintaan 90 110 0 200

Setelah persoalan transportasi diseimbangkan seperti terlihat Tabel 4 dapat diten-

tukan solusi awal menggunakan metode Vogel seperti terlihat pada Tabel 5.

Tabel 5: Persoalan Transportasi dengan Menggunakan Metode Vogel

Ke Gudang Gudang Gudang Penalti

Dari Persediaan
1 2 3 Baris
2 3 4
Pabrik 1 60 1

6 3 1
Pabrik 2 70 2

8 9 2
Pabrik 3 0 6

Pabrik 0 0 0
70 0
Dummy

Permintaan 90 110 0

Pelati
2 3 1
Kolom

Sebagai contoh perhitungan penalti, pandang baris pertama. Nilai cij terkecil per-
tama adalah 2 untuk c11 . Dan nilai cij terkecil kedua adalah 3 untuk c12 . Sehingga
penalti baris adalah selisih antara dua nilai, 3-2=1. Semua baris dan kolom yang
lain dihitung dengan cara yang sama. Penalti terbesar pada tabel ini adalah 6
terdapat pada baris 3. Alokasikan sebanyak mungkin pada baris ini dengan biaya
terkecil, dalam hal ini biaya terkecil adalah c33 . Dengan jumlah yang dialokasikan
pada x33 =min{0, 0}. Sekarang tabel harus disesuaikan untuk menunjukkan persedi-
aan di pabrik 3 telah terpakai habis dengan cara menghapus kolom 3. Tabel dapat
disesuaikan dengan perhitungan ulang penalti dan alokasi kedua akan ditunjukkan
pada Tabel 6.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 9

Tabel 6: Metode Vogel dengan Pengalokasiaan

Ke Gudang Gudang Gudang Penalti

Dari Persediaan
1 2 3 Baris
2 3 4
Pabrik 1 60 1

6 3 1
Pabrik 2 70 2

8 9 2
Pabrik 3 0 -
0
Pabrik 0 0 0
0 0
Dummy 70

Permintaan 90 40 0

Pelati
2 0 1
Kolom

Selanjutnya pilih kolom 2 untuk alokasi kedua karena kolom 2 memiliki penalti,
yaitu 3. Alokasikan sebanyak mungkin pada variabel x42 karena memiliki nilai cij
terkecil yaitu 0. Jumlah yang akan dialokasikan ke x42 =min{70, 110}. Alokasi ini
menghilangkan baris 4 dan mengurangi permintaan kolom 2 menjadi 40. Proses
alokasi dan penghitungan penalti diteruskan sampai semua persediaan dan per-
mintaan terpenuhi. Sehingga diperoleh solusi awal dengan menggunakan metode
Vogel adalah x11 =60, x21 =30, x22 =40, x23 =0, x33 =0, x42 =70 dan variabel lainnya
adalah variabel nonbasis yang bernilai nol yang dapat dilihat pada Tabel 7.

Tabel 7: Solusi Awal dengan Menggunakan Metode Vogel

Ke Gudang Gudang Gudang
Dari Persediaan
1 2 3
2 3 4
Pabrik 1 60
60
6 3 1
Pabrik 2 70
30 40 0
8 9 2
Pabrik 3 0
0
Pabrik 0 0 0
70
Dummy 70

Permintaan 90 110 0

Setelah diperoleh solusi awal bentuk tabel persoalan transportasi dengan kendala
campuran dengan solusi awal yang telah diperoleh, dapat dilihat seperti Tabel 8.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 10

Dengan total biaya transportasi adalah sebagai berikut:

z = (2).(60) + (6).(30) + (3).(110) + (1).(0) + (2).(0) = 630

Tabel 8: Solusi Awal Persoalan Transportasi dengan Kendala Campuran

Ke Gudang Gudang Gudang
Dari Persediaan
1 2 3
2 3 4
Pabrik 1 = 60
60
6 3 1
Pabrik 2 70
30 110 0
8 9 2
Pabrik 3 100
0

Permintaan = 90 110 70

Langkah 4. Menguji keoptimalan solusi.

Pada tabel simplex zij = ui + vj merupakan bagian dari baris 0. Pada baris 0 merupakan
variabel basis yang zij − cij =0. Seperti terlihat pada Tabel 8 sebagai solusi awal, maka
untuk variabel basis diperoleh ui + vj = cij

u1 + v 1 = 2 

u2 + v 1 = 6



u2 + v 2 = 3 (3)
u2 + v 3 = 1




u3 + v3 = 2.


Untuk menyelesaikan sistem persamaan linear 3, tetapkan nilai salah satu dari variabel.
Ditetapkan u2 = 0, maka dengan demikian diperoleh

u1 = −4, u2 = 0, u3 = 1, v1 = 6, u2 = 3, u3 = 1.

Kemudian bentuk indeks matriks variabel dual ui dan vj yang berkorespondensi dengan
sel (i, j) yang telah diperoleh, selanjutnya dilakukan penjumlahan untuk ui dan vj yang
dapat telihat pada Tabel 9.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 11

Tabel 9: Indeks Matriks Variabel Dual

Variabel
Dual

2 -1 -3 -4

6 3 1 0

7 4 2 1

6 3 1

Langkah 5. Terdapat ui + vj yang bernilai negatif pada baris 1, kolom 2, kolom

3 maka diperoleh persoalan transportasi dengan kendala campuran baru berdasarkan
teorema MFL [8]. Dengan model matematika sebagai berikut:

min z = 2x11 + 3x12 + 4x13 + 6x21 + 3x22 + 1x23 + 8x31 + 9x32 + 2x33

Kendala pada persoalan transportasi terdiri dari beberapa kendala yaitu, kendala perse-
diaan, kendala permintaan, dan kendala tak negatif dan integer.
Kendala persediaan:

x11 + x12 + x13 ≥ 60

x21 + x22 + x23 ≥ 70
x31 + x32 + x33 ≤ 100.

Kendala permintaan:

x11 + x21 + x31 ≥ 90

x12 + x22 + x32 ≥ 110
x13 + x23 + x33 = 70.

Kendala tak negatif dan integer:

xij ≥ 0 dan integer .

Dengan tabel persoalan transportasi dengan kendala campuran baru dapat dilihat pada
Tabel 10.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 12

Tabel 10: Persoalan Transportasi dengan Kendala Campuran Baru

Ke Gudang Gudang Gudang
Dari Persediaan
1 2 3
2 3 4
Pabrik 1 60

6 3 1
Pabrik 2 70

8 9 2
Pabrik 3 100

Permintaan 90 110 70

Kemudian kembali ke langkah 2 sampai langkah 4 sehingga diperoleh solusi optimal

berdasarkan indeks variabel dual ui dan vj yang berkorespondensi dengan sel (i, j) yang
diperoleh dengan menjumlahan untuk ui dan vj yang dapat telihat pada Tabel 11.

Tabel 11: Indeks Matriks Variabel Dual yang Bernilai Positif

Variabel
Dual

2 3 1 0

2 3 1 0

3 4 2 1

2 3 1

Dapat dilihat pada Tabel 11 semua indeks matriks variabel dual bernilai positif, so-
lusi dikatakan solusi optimal untuk persoalan transportasi kendala campuran baru. Hal
ini menunjukkan bahwa berdasarkan teorema MFL [8] solusi optimal more-for-less un-
tuk persoalan transportasi dengan kendala campuran adalah x11 =90, x12 =110, x22 =0,
x23 =70, x33 =0. Dengan total biaya transportasi adalah 580. Kombinasi pabrik-gudang
untuk perusahaan adalah pabrik 1-gudang 1 dengan alokasi 90 unit produk, pabrik 1-
gudang 2 dengan alokasi 110 unit produk, pabrik 2-gudang 2 dengan alokasi 0 unit produk,
pabrik 2-gudang 3 dengan alokasi 70 unit produk, pabrik 3-gudang 3 dengan alokasi 0
unit produk dengan total biaya transportasi 580 (dalam satuan mata uang).

5. KESIMPULAN
Dalam menyelesaikan persoalan transportasi dengan kendala campuran, dengan meng-
gunakan sebuah algoritma transportasi yaitu algoritma MFL, yang bertujuan untuk me-
nemukan sebuah solusi yang optimal sehingga diperoleh total biaya transportasi yang
minimum.
 Juni Kartika Sari et al. – Persoalan Transportasi dengan Kendala Campuran 13

DAFTAR PUSTAKA
[1] Adlakha, V., Krzysztof, K, R.R. Vemuganti, & Benjamin, L. 2006. More-for-less
algorithma for fixed-charge transportation problems. International Journal of Man-
agement Science. 35:116-127.

[2] Adlakha, V., Krzysztof, K & Benjamin, L. 2006. Solving transportation problems
with mixed constrains. International Journal of Management Science. 1:47-52.

[3] Bazaraa, M., J. Jarvis, & H. D. Sherali. 1990. Linear Programing and Network Flows.
Wiley, New York.

[4] Bronson, R. 1996. Riset Operasi. Penerbit Erlangga, Jakarta.

[5] Gamal, M. D. H. 2007. Program Linear dan Integer. Pusat Pengembangan Pen-
didikan Universitas Riau, Pekanbaru.

[6] Hillier, F. S. & G. J. Liberman. 1990. Pengantar Riset Operasi Edisi kelima: Jilid 1.
Terjemahan dari Introduction to Operations Research, oleh Gunawan, E. S & Wirda,
A. M. Penerbit Erlangga, Jakarta.

[7] Kakiay, T.J. 2008. Pemograman Linear: Metode dan Problema. CV. Andi Offset.
Yogyakarta.

[8] Pandian, P & Natarajan, G. 2010. A new approach for solving for transportation
problems with mixed constrains. Journal of Physical Sciences. Vol 14: 53-61.

[9] Taha, H. A. 1996. Riset Operasi edisi kelima: jilid 1. Terj. dari Introduction to
Research Operations, oleh Wirajaya, D. Penerbit Binarupa Aksara, Jakarta.

[10] Winston, W. L. 2004. Operations Research: Applications and Algorithm. PWS

KENT Publishing Company, Belmont, California.