LAPORAN Operasional Riset

LAPORAN PRAKTIKUM
PENELITIAN OPERATIONAL
Disusun Oleh :
Gregorius Riky (20170201036)
FAKULTAS TEKNIK
UNIVERSITAS ESA UNGGUL
CITRA RAYA
2019
DAFTAR ISI
BAB I LINIER PROGRAMMING ................................................................... 1

1.1 Landasan Teori ......................................................................................... 1
1.1.1 Formulasi Permasalahan ................................................................... 5
1.2 Studi Kasus (2) ......................................................................................... 7
1.2.1 Indetifikasi Kasus .............................................................................. 8
1.2.2 Algoritma Solusi ............................................................................... 8
1.2.3 Penyelesaian dengan Software .......................................................... 8
1.3 Studi Kasus (3) ....................................................................................... 12
1.3.1 Penyelesaian dengan Software ........................................................ 13
1.4 Studi Kasus (4) ....................................................................................... 16
1.4.1 Indetifikasi Kasus ............................................................................ 16
1.4.2 Algoritma Solusi ............................................................................. 17
1.5 Studi Kasus (8) ....................................................................................... 21
1.6 Studi Kasus (10) ..................................................................................... 23
BAB II TRANSPORTASI .................................................................................. 26
2.1 Landasan Teori ....................................................................................... 26
2.2 Studi Kasus (1) ....................................................................................... 33
2.2.1 Identifikasi Kasus ............................................................................ 33
2.3 Studi Kasus (5) ....................................................................................... 40
2.3.1 Identifikasi Kasus ............................................................................ 40
2.3.3 Penyelesaian dengan Software.............................................................. 41
2.4 Studi Kasus (4) ....................................................................................... 46
BAB III PENUGASAN ....................................................................................... 52
3.1 Landasan Teori ........................................................................................... 52
3.2 Studi Kasus (1) ........................................................................................... 58
3.2.1 Identifikasi Kasus ................................................................................. 58
3.3 Studi Kasus (3) ........................................................................................... 66
3.3.2 Algoritma Solusi ................................................................................... 67
3.3.3 Penyelesaian Dengan Software ............................................................. 68
3.4 Studi Kasus (5) ........................................................................................... 73
3.5 Studi Kasus (8) ........................................................................................... 81
3.6 Studi Kasus (9) ........................................................................................... 89
DAFTAR GAMBAR
Gambar 1.2.3. 1 Membuat Model Permasalahan ................................................................ 9

Gambar 1.2.3. 2 Mengisi Nilai Fungsi Tujuan dan Kendala .............................................. 9
Gambar 1.2.3. 3 Hasil Iteration 1 ...................................................................................... 10
Gambar 1.2.3. 6 Hasil Iteration Final................................................................................ 11
Gambar 1.2.3. 7 Grafik Hasil Perhitungan........................................................................ 12
Gambar 1.3.1. 1 Membuat Model Permasalahan .............................................................. 13

Gambar 1.3.1. 2 Mengisi Fungsi Tujuan dan Kendala ..................................................... 14
Gambar 1.3.1. 3 Menu Solve and Analyse ....................................................................... 14
Gambar 1.3.1. 4 Hasil Interasi 1 ....................................................................................... 15
Gambar 1.4.3. 1 Tampilan Awal Linier Programing ........................................................ 18

Gambar 1.4.3. 2 Input Data Problem ................................................................................ 19
Gambar 1.4.3. 3 Tampilan Interasi 1 ................................................................................ 19
Gambar 1.4.3. 4 Hasil Hitungan Interasi 2 ....................................................................... 20
Gambar 1.4.3. 5 Hasil Simpleks ....................................................................................... 20
Gambar 1.4.3. 6 Grafik Solusi Optimal ............................................................................ 21


Gambar 2.2.3. 1 Awal Network Modeling........................................................................ 36

Gambar 2.2.3. 2 Input Data Network Modeling ............................................................... 36
Gambar 2.2.3. 3 Langkah Awal Menentukan Metode Vogel,s ......................................... 37
Gambar 2.2.3. 4 Langkah Awal Pilih Method Vogle ........................................................ 37
Gambar 2.2.3. 5 Hasil Solusi Metode Vogel .................................................................... 38
Gambar 2.2.3. 6 Awal Menggunakan Metode Modified .................................................. 38
Gambar 2.2.3. 7 Langkah Awal Menentukan Metode Modified ...................................... 39
Gambar 2.2.3. 8 Hasil Solusi Metode Modified ............................................................... 39

Gambar 2.3.3. 2 Edit Data Network Modeling ................................................................. 42
Gambar 2.3.3. 4 Memilih Metode VAM .......................................................................... 43
Gambar 2.3.3. 5 Hasil Metode VAM ................................................................................ 43
Gambar 2.3.3. 7 Edit Data Network Modeling ................................................................. 45
Gambar 2.3.3. 9 Pilih Metode Modified Distribution ....................................................... 46
Gambar 2.3.3. 10 Hasil Perhitungan ................................................................................. 46
Gambar 2.4.1. 1 Pilihan Awal Transportasi ...................................................................... 47

Gambar 2.4.1. 2 Input Data Tranportasi ........................................................................... 47
Gambar 2.4.1. 3 Intraksi Slovean Analyze ....................................................................... 48
Gambar 2.4.1. 4 Intraksi Pilih Metode Northwest Corner Method ................................... 48
Gambar 2.4.1. 5 Intraksi Solusi Optimal Northwest Corner Method ............................... 49
Gambar 2.4.1. 6 Intraksi Slovean Analyze ....................................................................... 50
Gambar 2.4.1. 7 Grafik Intrasi 1 ....................................................................................... 50
Gambar 2.4.1. 8 Grafik Intrasi 2 ....................................................................................... 50
Gambar 2.4.1. 9 Solusi Optimal Network ......................................................................... 51
Gambar 3.2.1. 1 Algoritma Solusi .................................................................................... 59

Gambar 3.2.1. 2 Algoritma Solusi .................................................................................... 59
Gambar 3.2.2. 1 Tahapan Awal Network Modeling ........................................................ 60

Gambar 3.2.2. 2 Rubah Nama Kolom dan Baris............................................................... 61
Gambar 3.2.2. 4 Langkah Awal Slove and Display – Network ........................................ 61
Gambar 3.2.2. 5 Interasi 1 Slove and Display – Network................................................. 62
Gambar 3.2.2. 6 Interasi 1 ke Interasi 2 Pada Slove and Display – Network ................... 62
Gambar 3.2.2. 10 Solusi Metode Slove and Display – Network ...................................... 64
Gambar 3.2.2. 11 Metode Slove and Display – Tableau .................................................. 65
Gambar 3.2.2. 12 Interasi 1 Metode Slove and Display – Tableau .................................. 65
Gambar 3.2.2. 13 Interasi 1 ke Interasi 2 Metode Slove and Display – Tableau .............. 65
Gambar 3.2.2. 14 interasi 2 Metode slove and display – Tableau .................................... 66
Gambar 3.2.2. 15 Solusi Metode Slove and Display – Tableau ....................................... 66
Gambar 3.3.2. 1 Menentukan Nilai Maksimum Baris ...................................................... 67

Gambar 3.3.2. 2 Hasil Pengurangan Nilai Baris ............................................................... 67
Gambar 3.3.2. 3 Hasil Pengurangan Kolom ..................................................................... 68
Gambar 3.3.2. 4 Garis Penugasan ..................................................................................... 68
Gambar 3.3.3. 1 Tampilan Awal ....................................................................................... 69

Gambar 3.3.3. 2 Input Data Studi Kasus........................................................................... 69
Gambar 3.3.3. 3 Pemilihan Menu ..................................................................................... 70
Gambar 3.3.3. 5 Interasi 1 ke Interasi 2 Pada Slove and Display – Network ................... 71
Gambar 3.3.3. 6................................................................................................................. 71
Gambar 3.3.3. 7 Solusi Metode Slove and Display – Network ........................................ 72
Gambar 3.3.3. 8 Metode Slove and Display – Tableau .................................................... 72
Gambar 3.3.3. 9 Interasi 1 Metode Slove and Display – Tableau .................................... 72
Gambar 3.4.2. 1 Data Awal .............................................................................................. 73

Gambar 3.4.2. 2 Reduksi Baris ......................................................................................... 74
Gambar 3.4.2. 3 Hasil Reduksi Baris ................................................................................ 74
Gambar 3.4.2. 4 Reduksi Kolom....................................................................................... 74
Gambar 3.4.2. 5 Hasil Reduksi Kolom ............................................................................. 75
Gambar 3.4.3. 1 Tahapan Awal Network Modeling ......................................................... 76

Gambar 3.4.3. 3 Solve and Display Steps – Network Modeling ...................................... 77
Gambar 3.4.3. 5 Interasi 2 Solve and Display Steps – Network Modeling ...................... 78
Gambar 3.4.3. 6 Final Interasi pada Solve and Display Steps – Network Modeling........ 78
Gambar 3.4.3. 7 Solusi Solve and Display Steps – Network Modeling ........................... 79
Gambar 3.4.3. 8 Tampilan Awal Solve and Display Steps- Metode Tableau................... 79
Gambar 3.4.3. 9 Interasi 1 Solve and Display Steps- Metode Tableau............................. 80
Gambar 3.4.3. 10 Interasi 2 Solve and Display Steps- Metode Tableau........................... 80
Gambar 3.4.3. 11 Solusi Solve and Display Steps – Tableau ........................................... 81
Gambar 3.5.2. 1 Data Awal .............................................................................................. 82

Gambar 3.5.2. 2 Reduksi Baris ......................................................................................... 82

Gambar 3.5.3. 9 Interasi 1 Solve and Display Steps- Metode Tableau............................. 88
Gambar 3.6.2. 1 Data Awal .............................................................................................. 90

DAFTAR TABEL
Tabel 2.1. 1 Tabel Transportasi............................................................................. 28
Tabel 2.2.1. 1 Distribusi Pupuk............................................................................. 33
Tabel 2.2.2. 1 ......................................................................................................... 34

Tabel 2.2.2. 2 Metode Modified Distribution ....................................................... 35
Tabel 2.3.1. 1 Distribusi Gudang .......................................................................... 40
Tabel 2.3.2. 1 Metode Vogel ................................................................................. 40

Tabel 2.3.2. 2 Metode Modified Distribution ....................................................... 41
Tabel 3.2.1. 1 Data Identifikasi Kasus .................................................................. 58
Tabel 3.3.1. 1 Perenang dan Keahliannya ............................................................. 67
Tabel 3.4.1. 1 Identifikasi Kasus ........................................................................... 73

BAB I
LINIER PROGRAMMING
1.1 Landasan Teori

Pemrograman Linear Pemrograman linear (PL) ialah salah satu teknik dari
riset operasi untuk memecahkan persoalan optimasi (maksimum atau minimum)
dengan menggunakan persamaan dan pertidaksamaan linear dalam rangka untuk
mencari pemecahan yang optimal dengan memperhatikan pembatasan-
pembatasan yang ada (Johannes Supranto, 1991 : 43). Fungsi linear yang hendak
dicari nilai optimum berbentuk sebuah persamaan yang disebut fungsi tujuan.
Fungsi linear yang harus terpenuhi dalam optimisasi fungsi tujuan, dapat
berbentuk persamaan maupun pertidaksamaan yang disebut fungsi kendala
(Dumairy, 2012 : 344). Sebuah fungsi adalah suatu aturan padanan yang
menghubungkan setiap obyek dalam satu himpunan, yang disebut daerah asal,
dengan sebuah nilai tunggal dari suatu himpunan kedua. Himpunan nilai yang
diperoleh secara demikian disebut daerah hasil fungsi (Varberg & Purcell, 2011 :
57). Siswanto (2007 : 26) menyebutkan definisi pemrograman linear yaitu sebagai
metode metematis yang berbentuk linear untuk menentukan suatu penyelesaian
optimal dengan cara memaksimumkan atau meminimumkan fungsi tujuan
terhadap suatu susunan kendala. Secara keseluruhan, berdasarkan definisi maka
tujuan pemrograman linear adalah memecahkan persoalan memaksimumkan atau
meminimumkan untuk mendapatkan penyelesaian yang optimal.
 Unsur utama yang membangun suatu program linear yaitu (Siswanto, 2007 :
26):
1) Variabel keputusan
Variabel keputusan adalah variabel yang mempengaruhi nilai tujuan yang
hendak dicapai. Pada proses pembentukan suatu model, menentukan variabel
keputusan merupakan langkah pertama sebelum menentukan fungsi tujuan dan
fungsi kendala.
1
2) Fungsi tujuan
Fungsi tujuan pada model pemrograman linear haruslah berbentuk linear.
Selanjutnya, fungsi tujuan tersebut dimaksimalkan atau diminimalkan terhadap
fungsi-fungsi kendala yang ada.
3) Fungsi kendala
Fungsi kendala adalah suatu kendala yang dapat dikatakan sebagai suatu
pembatas terhadap variabel-variabel keputusan yang dibuat. Fungsi kendala untuk
model pemrograman linear juga harus berupa fungsi linear.
4) Fungsi non-negative
Fungsi yang menyatakan bahwa setiap variabel yang terdapat di dalam
model pemrograman linear tidak boleh negatif.
 Asumsi-asumsi Dasar Pemrograman Linear
Asumsi-asumsi dasar pemrograman linear diuraikan agar penggunaan teknik
pemrograman linear ini dapat memuaskan untuk berbagai masalah. Asumsi-
asumsi dalam pemrograman linear akan dijelaskan secara implisit pada 10 bentuk
umum model pemrograman linear. Adapun asumsi-asumsi dasar pemrograman
linear sebagai berikut (Pangestu Subagyo, 1995:14-15):
1) Proportionality (kesebandingan) Asumsi ini mempunyai arti bahwa naik
turunnya nilai fungsi tujuan dan penggunaan sumber atau fasilitas yang
tersedia akan berubah secara sebanding (proportional) dengan perubahan
tingkat kegiatan.
2) Additivity (penambahan) Asumsi ini mempunyai arti bahwa nilai fungsi
tujuan tiap kegiatan tidak saling mempengaruhi, atau dalam pemrograman
linear dianggap bahwa kenaikan dari nilai tujuan yang diakibatkan oleh
kenaikan suatu kegiatan dapat ditambahkan tanpa mempengaruhi bagian
nilai tujuan yang diperoleh dari kegiatan lain.
3) Divisibility (dapat dibagi) Asumsi ini menyatakan bahwa keluaran (output)
yang dihasilkan oleh setiap kegiatan dapat berupa bilangan pecahan.
Demikian pula dengan nilai tujuan yang dihasilkan.
4) Deterministic (kepastian) Asumsi ini menyatakan bahwa semua parameter
yang terdapat dalam model pemrograman linear ( ) dapat diperkirakan
dengan pasti. 2. Bentuk Umum Model Pemrograman Linear Masalah
2
pemrograman linear adalah masalah optimisasi bersyarat yakni pencarian
nilai maksimum atau pencarian nilai minimum sesuatu fungsi tujuan
berkenaan dengan keterbatasan-keterbatasan atau kendala yang harus
dipenuhi. 11 Masalah-masalah tersebut secara umum dapat dirumuskan
sebagai berikut (Johannes Supranto, 1991 : 44): Fungsi tujuan
memaksimumkan dinotasikan dengan dan relasi dalam kendala berbentuk
sehingga bentuknya dapat dilihat pada persamaan (2.1). Maksimumkan
fungsi tujuan (2.1) terhadap kendala-kendala (2.2) Kendala non negatif
Fungsi tujuan meminimumkan dinotasikan dengan dan relasi dalam kendala
berbentuk sehingga menjadi: Meminimumkan fungsi tujuan terhadap
kendala-kendala Kendala non negatif dengan: : variabel keputusan ke /
banyaknya produk ke : suku tetap / bahan mentah jenis ke yang tersedia ( ) :
koefisien kendala/ bahan mentah ke yang digunakan untuk 12 memproduksi
satu unit produk j : koefisien ongkos /harga jual satu unit Secara
keseluruhan model matematis yang digunakan untuk menyelesaikan suatu
permasalahan pemrograman linear dapat disusun ke dalam bentuk table.
Penyelesaian Masalah Pemrograman Linear Dalam penyelesaian model
pemrograman linear, dikenal metode simpleks. Metode simpleks adalah suatu
metode yang secara sistematis dimulai dari suatu pemecahan dasar ke pemecahan
dasar yang layak lainnya dilakukan berulangulang (dengan jumlah ulangan yang
terbatas) sehingga akhirnya tercapai suatu pemecahan dasar yang optimal. Setiap
langkah menghasilkan suatu nilai dan fungsi tujuan yang selalu lebih besar (lebih
kecil) atau sama dari langkah-langkah sebelumnya (Johannes Supranto, 1991 :
73). Metode simpleks lebih efisien serta dilengkapi dengan suatu test kriteria yang
dapat memberitahukan kapan hitungan harus dihentikan dan kapan harus
dilanjutkan sampai diperoleh suatu penyelesaian yang optimal. Pada umumnya
dipergunakan tabel-tabel, dari tabel pertama yang memberikan pemecahan dasar
permulaan yang fisibel sampai pada pemecahan terakhir yang memberikan solusi
optimal (Johannes Supranto, 1991 : 75). Pada prinsipnya, proses pemecahan
masalah pemrograman linear dengan menggunakan metode simpleks terjadi
melalui algoritma, yaitu suatu urutan kerja secara teratur dan berulang sehingga
tercapai hasil optimal yang dikehendaki. Metode ini paling efisien karena proses
3
penyelesaian dapat digunakan program komputer yang sudah tentu akan
menghabiskan waktu singkat bila dibandingkan secara manual. Dalam masalah
pemrograman linear dengan kendala terlebih dahulu diubah menjadi bentuk
kanonik. Bentuk kanonik adalah bentuk sistem persamaan linear dan memuat
variabel basis (variabel yang memiliki koefisien 1). 14 Untuk membentuk kendala
menjadi bentuk kanonik diperlukan penambahan variabel basis baru . Variabel
basis baru tersebut adalah a. Variabel slack¸ yaitu variabel yang dibutuhkan pada
fungsi kendala yang memuat hubungan kurang dari atau sama dengan . Contoh:
diubah menjadi Sehingga menjadi variabel basis baru b. Variabel surplus, yaitu
variabel yang ditambahkan pada fungsi kendala yang memuat hubungan lebih dari
atau sama dengan . Contoh: diubah menjadi . Variabel bukan variabel basis
(ketika di ruas kiri koefisiennya bukan +1) c. Variabel artificial, yaitu variabel
yang ditambahkan pada fungsi kendala yang belum memuat variabel basis pada
poin b. Contoh: perlu ditambahkan variabel artificial sehingga menjadi Misal
masalah pemrograman linear (2.1) dan (2.2) diubah ke bentuk kanonik, dengan
menambahkan variabel slack di setiap kendala. Variabel slack atau sering disebut
perubah pengetat pada fungsi tujuan memaksimumkan merupakan variabel yang
berperan untuk membuat ruas yang semula longgar menjadi ketat, sehingga sama
nilai dengan ruas yang lainnya (B. Susanta, 1994 : 15 69).
Apabila suatu tabel belum optimum dan dipilih sebagai baris baru maka
disusun kolom yang diperoleh dengan: hanya untuk dan adalah variabel slack
yang menunjukkan kapasitas sumber daya yang tidak dipergunakan (B. Susanta,
1994 : 74). Kasus dimana semua fungsi kendalanya berupa pertidaksamaan satu
jenis disebut sebagai kasus minimum atau maksimum baku (B.Susanta, 1994 :
70). 16 Pada kasus memaksimumkan, tabel simpleks dinyatakan telah mencapai
optimal jika untuk semua nilai . Jika tabel belum optimal maka dilakukan
perbaikan tabel (iterasi). Pada kasus memaksimumkan, terpilih adalah yang
memiliki yang paling kecil sehingga terpilih untuk masuk menjadi basis baru.
Kolom yang terpilih dinamakan kolom kunci. Variabel yang terpilih keluar dari
basis adalah variabel dengan nilai terkecil sehingga ̅ terpilih untuk keluar dari
basis. Baris ̅ disebut baris kunci dan unsur pada baris kunci yang juga pada kolom
kunci disebut unsur kunci (B. Susanta, 1994 : 77-78). Pada kasus
4
meminimumkan, tabel simpleks dinyatakan telah mencapai optimal jika untuk
semua nilai . Jika masih ada nilai yang positif maka dilakukan perbaikan tabel
(iterasi). Memilih yang masuk menjadi basis baru dengan yang paling besar
sehingga terpilih untuk masuk menjadi basis. Variabel yang terpilih keluar dari
basis adalah variabe dengan nilai terkecil sehingga ̅ terpilih untuk keluar dari basis
(B. Susanta, 1994 : 94-95). Titik optimal adalah titik potong yang didapat dengan
eliminasi dan substitusi fungsi-fungsi persamaan. Hasilnya nilai maksimal atau
minimal.
Feasible adalah daerah yang tidak dilanggar batasan-batasan yang ada.
Daerah tidak feasible = tidak bisa dicapai/direalisasi. Titik sudut feasibel = titik di
garis feasibel, karena titik di tengah daerah tidak/bukan titik batasan (masih ada
sisa). Di samping itu, ada masalah yang memiliki pemecahan optimal lebih dari
satu titik disebut : multiple optimal solution. Suatu masalah mungkin tidak
memiliki daerah feasible, sebab : 1)sifat batasannya tidak memungkinkan terdapat
daerah alternatif pemecahan optimal, 2)salah satu aktivitas tidak terpenggaruh
oleh batasan yang ada (sehingga bisa menngunakan sumber daya sebanyak-
banyaknya).
1.1.1 Formulasi Permasalahan

Agar dapat menyusun dan merumuskan suatu persoalan atau permasalahan
yang dihadapi ke dalam model program linier, maka dimintakan lima syarat yang
harus dipenuhi sebagai berikut ini (Nasendi, 1984) :
a. Tujuan
Apa yang menjadi tujuan permasalahan yang dihadapi yang ingin
dipecahkan dan dicari jalan keluarnya. Tujuan ini harus jelas dan tegas yang
disebut fungsi tujuan. Fungsi tujuan tersebut dapat berupa dampak positif,
manfaat-manfaat, keuntungan-keuntungan, dan kebaikan-kebaikan yang
ingin dimaksimumkan, atau dampak negatif, kerugian-kerugian risiko-
risiko, biaya-biaya, jarak, waktu, dan sebagainya yang ingin diminimumkan.
5
b. Alternatif Perbandingan
Harus ada sesuatu atau berbagai alternatif yang ingin diperbandingkan;
misalnya antara kombinasi waktu tercepat dan biaya tertinggi dengan waktu
terlambat dan biaya terendah; atau antara alternatif terpadat modal dengan
padat karya; atau antara kebijakan A dengan B; atau antara proyeksi
permintaan tinggi dengan rendah; dan seterusnya.
c. Sumber daya
Sumber daya yang dianalisis harus berada dalam keadaan yang terbatas.
Misalnya, keterbatasan waktu, keterbatasan biaya, keterbatasan tenaga,
keterbatasan luas tanah, keterbatasan ruangan, dan lain-lain. Keterbatasan
dalam sumber daya tersebut dinamakan sebagai kendala atau syarat ikatan.
d. Perumusan kuantitatif
Fungsi tujuan dan kendala tersebut harus dapat dirumuskan secara
kuantitatif dalam apa yang disebut model matematika.
e. Keterkaitan peubah
Peubah-peubah yang membentuk fungsi tujuan dan kendala tersebut harus
memiliki hubungan fungsional atau hubungan keterkaitan. Hubungan
keterkaitan tersebut dapat diartikan sebagai hubungan yang saling
mempengaruhi, hubungan interaksi, interdependensi, timbal-balik, saling
menunjang, dan sebagainya.
Bentuk umum pemrograman linier adalah sebagai berikut :

Funsi tujuan :
Maksimumkan atau minimumkan z = c1x1 + c2x2 + … + cnxn
Sumber daya yang membatasi :

a11x1 + a12x2 + … + a1nxn = / ≤ / ≥ b1
a21x1 + a22x2 + … + a2nxn = / ≤ / ≥ b2
am1x1 + am2x2 + … + amnxn = / ≤ / ≥ bm
x1, x2, …, xn≥ 0
6
Bentuk di atas juga dapat ditulis sebagai berikut :
Fungsi tujuan :
Maksimum dan minimumkan :
Kendala :
Dan xj ≥ 0 , j = 1, 2, …, n
Simbol x 1, x2, …, xn menunjukkan variabel keputusan. Jumlah variabel
keputusan oleh karenanya tergantung dari jumlah kegiatan atau aktivitas yang
dilakukan untuk mencapai tujuan. Simbol c1, c2, …, cn merupakan kontribusi
masing-masing variabel keputusan terhadap tujuan, disebut juga koefisien fungsi

tujuan pada model matematiknya. Simbol a11, ..., a1n, ...,amn merupakan
penggunaan per unit variabel keputusan akan sumber daya yang membatasi, atau
disebut juga sebagai koefisien fungsi kendala pada model matematiknya. Simbol
b1, b2, …, bn menunjukkan jumlah masing-masing sumber daya yang ada. Jumlah
fungsi kendala akan tergantung dari banyaknya sumber daya yang terbatas.
Pertidaksamaan terakhir (x 1, x2, …, xn ≥ 0) menunjukkan batasan non
negatif. Membuat model matematik dari suatu permasalahan bukan hanya

menuntut kemampuan metematik tapi juga menuntut seni pemodelan.
Menggunakan seni akan membuat pemodelan lebih mudah dan menarik.
1.2 Studi Kasus (2)

Seorang pembuat kue mempunyai 20 kg tepung dan 8 kg gula pasir. Ia ingin
membuat dua macam kue yaitu kue dada dan kue apem. Untuk membat kue dadar
dibutuhkan 25 gram gula pasir dan 12 gram tepung sedangkan untuk membuat
7
sebuah kue apem dibutuhkan 9 gram gula pasir dan 15 gram tepung. Jika kue
dadar dijual dengan harga Rp 350.00/ buah dan kuee apem di jual dengan harga
Rp 550.00/buah, tentukan pendapatan maksimum yang dapat diperoleh pembuat
kue tersebut serta gambarkan grafiknya.
1.2.1 Indetifikasi Kasus

Fungsi Tujuan :
Z = 350 X + 550 Y
Misalkan
Kue Dadar = X
Kue Apem = Y
1.2.2 Algoritma Solusi

Kendala :
25 𝑋 + 12 𝑌 ≤ 20
9 𝑋 + 15 𝑌 ≤ 8
1.2.3 Penyelesaian dengan Software

Penyelesaian dengan Software WinQSb ini digunakan untuk memverifikasi
hasil perhitungan dengan algortima solusi karena dengan menggunakan software
WinQSb kita dapat mengetahui segala macam kesalahan yang mungkin terjadi
didalam sebuah perhitungan.
 Langkah-langkah penyelesaian studi kasus di atas menggunakan software

adalah sebagai berilut:
1) Pilih Start  All Program  WINQSB
2) Pilihlah Linier and Integer Programming
3) Kemudian pilih menu File dan pilih New Problem
4) Pada kotak dialog LP-ILP Problem Specification, pada bagian Problem Title
isikan linear programing soal no 2. Pada Number of Variable isikan angka 2
( karena studi kasus diatas memiliki 2 variabel) dan pada bagian Number of
Constraints isikan angka 2 (karena memiliki 2 persamaan yang harus
diselesaikan) kemudian klik OK.
8
Gambar 1.2.3. 1 Membuat Model Permasalahan
5) Secara otomatis akan muncul table seperti gambar dibawah, isi fungsi
tujuan dan kendala. Dengan table X1(kue dadar), X2(kue apem). Dengan
maximize X1 350 dan X2 550.
Gambar 1.2.3. 2 Mengisi Nilai Fungsi Tujuan dan Kendala
6) Setelah semua telah diisi maka langkah selanjutnya adalah klik “Solve And
Analyze” kemudian pilih sub menu Solve and Display Step kemudian klik
Ok. Lalu akan muncul iteration pertama seperti gambar dibawah ini :
9
Gambar 1.2.3. 3 Hasil Iteration 1
7) Setelah mendapatkan hasil dari iteration 1 lalu klik menu Simplex Iteration
kemudian klik next iteration hingga menampilkan iteration selanjutnya.
10
8) Setelah mendapatkan hasil dari iteration ke 2 klik menu Simplex Iteration
lalu klik next iteration untuk mendapatkan hasil iteration selanjutnya.
9) Untuk mendapatkan hasil akhir dari program yang dibuat maka pilihlah
manu Result kemudian pilihlah Final Simplex Tableu, maka akan
menampilkan gambar seperti dibawah ini :
Gambar 1.2.3. 6 Hasil Iteration Final
11
Hasil iteration ke 3 adalah hasil perhitungan final, karena pada saat
dilakukan klik iteration dan klik next iteration sebagai perhitungan pada
software WinQsb muncul The simplex method is complete.
Hasil ini sama dengan hasil perhitungan dengan Metode Grafik. Untuk
lebih menyakinkan bahwa perhitungan benar, terdapat sebuah grafik hasil
perhitungan yang dapat diilihat di bawah ini :
10) Untuk mengetahui gambar grafiknya, maka klik icon hingga

menampilkan gamabr seperti dibawah ini :
Gambar 1.2.3. 7 Grafik Hasil Perhitungan
1.3 Studi Kasus (3)

Selesaikan kasus berikut ini menggunakan metode simplek :
Maksimumkan 𝑧 = 4𝑥1 + 9𝑥2 + 4𝑥3
Kendala :
𝑥1 + 𝑥2 + 2𝑥3 ≤ 5
2𝑥1 + 8𝑥2 + 4𝑥3 ≤ 3
12
9𝑥1 + 6𝑥2 + 2𝑥3 ≤ 3
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

Langkah-langkah penyelesaian studi kasus di atas menggunakan software
adalah sebagai berilut:
1) Pilih Start  All Program  WINQSB
2) Pilihlah Linier and Integer Programming
3) Kemudian pilih menu File dan pilih New Problem
4) Pada kotak dialog LP-ILP Problem Specification, pada bagian Problem Title
isikan linear programing soal no 3. Pada Number of Variable isikan angka 3
( karena studi kasus diatas memiliki 3 variabel) dan pada bagian Number of
Constraints isikan angka 3 (karena memiliki 3 persamaan yang harus
diselesaikan) kemudian klik OK.
Gambar 1.3.1. 1 Membuat Model Permasalahan
5) Maka akan muncul tabel Matriks untuk mengisi kriteria variabel, lalu isikan
sesuai dengan data persamaan linier yang terdapat pada studi kasus.
13
Gambar 1.3.1. 2 Mengisi Fungsi Tujuan dan Kendala
6) Setelah tabel Matriks terisi, maka pilih menu Solve and Analyse yang
memiliki sub menu seperti gambar berikt ini :
Gambar 1.3.1. 3 Menu Solve and Analyse
7) Setelah mendapatkan hasil dari iteration 1 lalu klik menu Simplex Iteration
kemudian klik next iteration hingga menampilkan iteration selanjutnya.
14
Gambar 1.3.1. 4 Hasil Interasi 1


15
10) Kemudian Klik menu Simplex Iterastion lalu klik Next Iteration
Hasil iteration ke 3 adalah hasil perhitungan final, karena pada saat
dilakukan klik iteration dan klik next iteration sebagai perhitungan pada
software WinQsb muncul The simplex method is complete.
1.4 Studi Kasus (4)

Suatu perusahan menghasilkan dua produk, meja dan kursi yang diproses
melalui dua bagian fungsi : perkitan dan pemolesan. Pada bagian perakitan
tersedia 80 jam kerja, sedangkan pada bagian pemolesan hanya 58 jam kerja.
Untuk menghasilkan 1 meja diperlukan 3 jam perakitan dan 4 jam kerja
pemolesan, seddangkan untuk menghasilkan 1 kursi diperlukan 2,5 jam kerja
perakitan dan 5 jam kerja pemolesan . laba untuk setiap meja dan kursi yang
dihasilkan masing-masing Rp.130.000 dan Rp 95.000,- Berapa jumlah meja dan
kursi yang optimal dihasilkan? serta gambarkan grafiknya.
1.4.1 Indetifikasi Kasus

Perakitan : 80 Jam
Pemolesan :58 Jam
1 Meja  3 Jam  3 x1
Perakitan 1 x 3 + 1 x 2,5 ≠ 80
1 Kursi  2.5 Jam  1 x2,5
16
1 Meja  4 Jam  1 x 4
Pemolesan 1 x 4 + 1 x 5 ≠ 58
1 kursi  5 Jam  1 x 5

Fungsi tujuan maksimum Z = 130.000 x + 95.000 y
Fungsi kendala
1 x 3 + 1 x 2,5 ≠ 80
1 x 4 + 1 x 5 ≠ 58
x ,y>0
Kendala 1
1 x 3 + 1 x 2,5 = 80
Memotong sumbu x pada saat y = 0
1 x 3 + 2,5.0 = 80
80
1 x 3 = 80  x = = 26
3
( 26 , 0 )
Memotong sumbu y pada saat x = 0
0 + 1 x 2,5 = 80
60
y = 2,5 = 32
( 0 , 32 )
Kendala II
Memotong sumbu x pada saat y = 0
1 x 4 + 1 x 5 = 58
1 x 4 = 58
58
x= = 14  ( 14 , 0 )
4
Memotong sumbu y pada saat x = 0

0 + 1 x 5 = 58
58
y= = 11  ( 0 , 11 )
5
Eliminasi fungsi kendala I dan II

3 x + 2,5 y = 58 ( x 4 ) 12 + 10 y = 232
4x+5y = 60 ( x 3) 12 + 15y = 180
-5y = 52
17
52
y= = 10
5
Subtitusikan nilai y = 10 ke fungsi kendala 2

4 x + 5 y = 58
4 x + 5 ( -10 ) = 58
4 x + -50 = 58
4 = 58 +10
68
x= = 17
4
Jadi untuk jumlah meja dan kursi yang optimal adalah :

 Meja sebanyak 17 Pcs
 Dan kursi sebanyak 10 Pcs
Dan untuk biayanya sebesar
Z = 12.5000 x + 75.000 y
= 130.000 ( 17 ) + 95.000 ( 10 )
= 2.210.000 + 950.000
= 3.160.000

Jawaban dengan menggunakan software :
1) Langkah awal buka oracle sd tampilan Linier and Iteger Programing:
Gambar 1.4.3. 1 Tampilan Awal Linier Programing
18
2) Selanjutnya input data yang akan dimaksimumkan dan data pembatasnya :
Gambar 1.4.3. 2 Input Data Problem
3) Selanjutnya kemenu slove and analyze, klik pilih menu slove and display
steps lalu kllik dan menghasilkan Interasi 1 :
Gambar 1.4.3. 3 Tampilan Interasi 1
19
4) Selanjutnya kemenu Simplek Interasi, klik pilih menu next Interasi lalu kllik
dan menghasilkan Interasi 2 :
Gambar 1.4.3. 4 Hasil Hitungan Interasi 2
dan muncul tanda metode simpleks selesai :
Gambar 1.4.3. 5 Hasil Simpleks
20
Gambar 1.4.3. 6 Grafik Solusi Optimal
1.5 Studi Kasus (8)

Selesaikan kasus berikut ini menggunakan metode simpleks:
Minimumkan :
Z = 35 x + 40 y + 30 z
Kendala :
7𝑥 + 10𝑦 + 5𝑧 ≤ 150
8𝑥 + 3𝑦 + 4𝑧 ≤ 125
9𝑥 + 8𝑦 + 2𝑧 ≤ 100
𝑥, 𝑦, 𝑧 ≥ 0

1) Langkah awal buka oracle sd tampilan Linier and Iteger Programing:
21
2) Selanjutnya input data yang akan diminimumkan dan data pembatasnya :
3) Selanjutnya kemenu slove and analyze , klik pilih menu slove and display
22
1.6 Studi Kasus (10)

Selesaikan kasus berikkut ini menggunakan metode simpleks:
Maksimumkan :
Z = 50 x + 38 y + 23 z
Kendala :
8𝑥 + 10𝑦 + 12𝑧 ≤ 250
12𝑥 + 4𝑦 + 14𝑧 ≤ 175
7𝑥 + 7𝑦 + 12𝑧 ≤ 87
𝑥, 𝑦, 𝑧 ≥ 0

1) Langkah awal buka oracle sd tampilan Linier and Iteger Programing :
23
2) Selanjutnya input data yang akan dimaksimumkan dan data pembatasnya :
3) Selanjutnya kemenu slove and analyze , klik pilih menu slove and display
24
4) Selanjutnya kemenu simplek Interasi , klik pilih simplek interasi lalu kllik
dan menghasilkan Interasi 2
25
BAB II
TRANSPORTASI
2.1 Landasan Teori

Metode transportasi berhubungan dengan distribusi suatu produk tunggal
dari beberapa sumber dengan penawaran terbatas, menuju beberapa tujuan,
dengan permintaan tertentu, pada biaya distribusi minimum. Karena hanya ada
satu macam barang, suatu tempat tujuan dapat memenuhi permintaannya dari satu
atau lebih sumber. Untuk mendapat biaya yang minimum, maka alokasi produk
harus diatur sedemikian rupa, karena terdapat perbedaan biaya-biaya alokasi, baik
dari sumber ke tujuan atau sebaliknya. Persoalan transportasi pada dasarnya
merupakan golongan dalam program linier yang dapat diselesaikan dengan cara
simpleks. Tetapi, karena penampilannya yang khusus, persoalan transportasi
memerlukan cara-cara perhitungan yang lebih praktis dan efisien.
 Persoalan transportasi memiliki beberapa ciri antara lain :

1) Terdapat sejumlah sumber dan sejumlah tujuan tertentu.
2) Jumlah atau kuantitas barang yang didistribusikan dari setiap sumber dan
yang diminta oleh setiap tujuan adalah tertentu.
3) Jumlah atau kuantitas barang yang dikirimdari suatu sumber ke suatu tujuan
sesuai dengan permintaan atau kapasitas sumber.
4) Biaya transportasi dari suatu sumber ke suatu tujuan adalah tertentu.
 Secara matematis permasalahan transportasi dapat dimodelkan sebagai

berikut:
Fungsi tujuan :
Minimum Z = ∑𝑚
𝑖=1 ∑𝑛𝑗=1 Cij Xij
dengan kendala: ∑𝑚
𝑖=1 𝑋𝑖𝑗 = ai; i = 1,2, … . , m
∑𝑛𝑖=1 𝑋𝑖𝑗 = 𝑏𝑗; 𝑗 = 1,2, … , 𝑛

Keterangan:
Cij = biaya transportasi per unit barang dari sumber i ke tujuan j
26
Xij = jumlah barang yang didistribusikan dari sumber i ke tujuan j
ai = jumlah barang yang ditawarkan atau kapasitas dari sumber i
bj = jumlah barang yang diminta atau dipesan oleh tujuan j
m = banyaknya sumber
n = banyaknya tujuan
 Suatu masalah transportasi dikatakan seimbang (balanced program) apabila

jumlah penawaran pada sumber i sama dengan jumlah permintaan pada
tujuan j.
Dapat dituliskan: ∑𝑚 𝑛
𝑖=1 𝑎𝑖 = ∑𝑗=1 𝑏𝑗
Masalah transportasi dapat ditempatkan dalam suatu tabel khusus yang

dinamakan tabel transportasi. Sumber ditulis dalam baris-baris dan tujuan dalam
kolom-kolom. Dalam tabel transportasi terdapat m x n kotak. Biaya transportasi
per unit barang Cij dicatat pada kotak kecil dibagian kanan atas setiap kotak.
Permintaan dari setiap tujuan terdapat pada baris paling bawah, sementara
penawaran setiap sumber dicatat pada kolompaling kanan. Kotak pojok kiri
bawahmenunjukkan kenyataan bahwa penawaran atau supply (S) sama dengan
permintaan atau demand (D).Variabel Xij pada setiap kotak menunjukkan jumlah
barang yang diangkut dari sumber i ke tujuan j. Bentuk umum dari tabel
transportasi dapat dilihat pada Tabel 2.1.1.
27
Tabel 2.1. 1 Tabel Transportasi
 Langkah – Langkah perhitungan metode transportasi

1) Langkah pertama untuk menyelesaikan masalah transportasi adalah dengan
menentukan solusi fisibel awal. Terdapat tiga metode untuk menentukan
solusi fisibel awal yaitu:
a. Metode Pojok Barat Laut (Northwest Corner)
b. Metode Biaya Terkecil (Least Cost)
c. Metode Pendekatan Vogel (Vogels Approximation Method/VAM)
2) Mencari solusi optimal. Terdapat dua metode untuk menentukan solusi
optimal yaitu:
a. Metode Batu Loncatan (Stepping Stone)
b. Metode Modified Distribution (MODI)
Metode yang dibahas dalam penelitian ini adalah metode Vogel (VAM)
untuk solusi awal dan metode MODI untuk solusi optimal. Adapun langkah-
langkah metode VAM yaitu:
1) Hitung opportunity cost untuk setiap baris dan kolom. Opportunity
cost untuk setiap baris i dihitung dengan mengurangkan nilai Cij
terkecil pada baris itu dari nilai Cij satu tingkat lebih besar pada
baris yang sama. Opportunity cost kolom diperoleh dengan cara
yang serupa. Biaya-biaya ini adalah penalty karena tidak memilih
kotak dengan biaya minimum.
28
2) Pilih baris atau kolom dengan opportunity cost terbesar (jika terdapat
nilai yang sama, maka pilih secara sembarang). Alokasikan unit
barang sebanyak mungkin ke kotak dengan nilai Cij minimum
padabaris atau kolom yang dipilih. Untuk Cij terkecil, Xij =
minimum(Si,Dj). Artinya penalty terbesar dihindari.
3) Sesuaikan penawaran dan permintaan untuk menunjukkan alokasi
yang sudah dilakukan. Hilangkan semua baris dan kolom di mana
penawaran dan permintaan telah dihabiskan.
4) Jika semua penawaran dan permintaan belum dipenuhi, kembali
kelangkah 1 dan hitung lagi opportunity cost yang baru. Jika semua
penawaran dan permintaan terpenuhi, maka solusi awal telah
diperoleh.
Sedangkan langkah-langkah metode MODI yaitu:

1) Menentukan nilai-nilai Ui untuk setiap baris dan nilai-nilai Vj untuk
setiap kolom dengan menggunakan hubungan Cij = Ui + Vj untuk
semua variabel basis dan tetapkan bahwa nilai Ui adalah nol.
2) Hitung perubahan biaya untuk setiap variabel nonbasis dengan
menggunakan hubungan Xij = Cij − Ui − Vj
3) Jika terdapat nilai Xij negatif, maka solusi belum optimal. Pilih
variabel Xij dengan nilai negatif terbesar sebagai entering
variable.
4) Alokasikan barang ke entering variable Xij sesuai proses stepping
stone.
5) Ulangi langkah 1 sampai dengan langkah 4 hingga semua nilai Xij
bernilai nol atau positif.
Algoritma transportasi digunakan bilamana m sumber daya memasok n

tujuan, dan berbagai koefisien biaya individual per unit aliran diketahui dan linier.
Diinginkan alokasi unit-unit dari sumber ke tujuan untuk mendapatkan solusi
dengan biaya-terkecil. sehubungan dengan pengadaan persediaan.
29
2. Pengurangan kecelakaan Untuk proyek-proyek tertentu, penguranga
kecelakaan merupakan suatu manfaat yang nyata dari keberadaan
transportasi. Seperti perbaikanperbaikan sarana transportasi pelayaran,
jalan kereta api dan sebagainya telah dapat mengurangi kecelakaan.
Namun di Indonesia, masalah ini masih banyak belum mendapat
perhatian, sehingga sulit memperkirakan besarnya manfaat karena
pengurangan biaya kecelakaan. Jika kecelakaan meningkat dengan adanya
peningkatan sarana dan pra sarana transportasi, hal ini menjadi tambahan
biaya atau bernilai manfaat negatif. 4. Manfaat akibat perkembangan
ekonomi Pada umumnya kegiatan transportasi akan memberikan dampak
terhadap kegiatan ekonomi suatu daerah. Besarnya manfaat ini sangat
bergantung pada elastisitas produksi terhadap biaya angkutan. Tambahan
output dari kegiatan produksi tersebut dengan adanya jalan dikurangi
dengan nilai sarana produksi merupakan benefit dari proyek tersebut. 5.
Manfaat tidak langsung Merupakan manfaat yang didapat karena
terhubungnya suatu daerah dengan daerah lain melalui jalur transportasi.
Selain manfaat karena terintegrasinya dua daerah tersebut, maka akan
terjadi pemerataan pendapatan dan prestise, sehingga manfaat ini sangat
sulit untuk diperhitungkan secara kuantitatif. Analisis faktor..., Agus Imam
Rifusua, FE UI, 2010. 17 Universitas Indonesia Selanjutnya menurut
Soesilo (1997) manafaat suatu proyek transportasi dapat dibedakan
menjadi tiga jenis traffic, yaitu:8 1. Normal traffic, yaitu traffic yang
diperkirakan akan menggunakan sarana angkutan tersebut, meskipun tidak
ada proyek transportasi. Jumlah traffic seharusnya naik sesuai dengan
pertumbuhan penduduk di daerah-daerah yang dilayani sarana transportasi
tersebut. Manfaat biaya ini dapat dihitung melalui biaya operasi tanpa
proyek transportasi dikurangi dengan biaya proyek. Gagasan biaya ini
didasarkan kepada surplus konsumen, dimana si pemakai yang mengalami
penurunan harga suatu jasa tetap bersedia membeli walaupun dengan
tingkat harga yang sama. 2. Diverted traffic, yaitu traffic yang berasal dari
traffic jenis lain atau dari fasilitas lain jenis angkutan baru. Manfaat biaya
ini dapat dikelompokan ke dalam dua jenis yaitu: a) Biaya operasi dari
30
penggunaan jalan semua dikurangi biaya operasi dengan menggunakan
jalan baru; b) Berkurang padatnya kendaraan di jalan semula karena
berpindahnya traffic ke jalan yang baru, sehingga biaya yang tetap
menggunakan jalan semula menjadi berkurang. 3. Generated/Induced
traffic, yaitu traffic yang benar-benar baru. Adanya traffic ini disebabkan
oleh turunnya biaya angkutan sehingga menggiatkan daerah sekitarnya.
Misalnya dapat dicontohkan bila suatu daerah semakin berkembang, maka
hasil daerahnya dapat dijual ke daerah lainnya. 2.1.4. Kriteria Transportasi
Publik Sebagai sarana transportasi publik, maka transportasi harus
memenuhi kriteria pelayanan publik. Dagun et. al (2006) mengungkapkan
bahwa transportasi yang baik bagi pelayanan publik harus memenuhi tiga
kriteria dasar, yaitu kenyamanan, keamanan, dan kecepatan9 . 8 Soesilo,
Nining I. (1999:14). Ekonomi Perencanaan dan Manajemen Kota. Jakarta.
Magister Perencanaan dan Kebijakan Publik Universitas Indonesia 9
Dagun. Save M. (2006:126). Busway, Terobosan Penanganan Transportasi
Jakarta. Jakarta. Pustaka Sinar Harapan Analisis faktor..., Agus Imam
Rifusua, FE UI, 2010. 18 Universitas Indonesia Ketentuan pertama adalah
kenyamanan, yaitu aspek kenyamanan harus dapat dirasakan oleh
penumpang yang menggunakan jasa transportasi. Penumpang akan merasa
nyaman di dalam sarana transportasi bila di sarana tersebut dilengkapi
dengan berbagai fasilitas yang memberikan kenyamanan bagi
penumpangnya, salah satunya adalah pendingin udara, kedap terhadap
asap kendaraan bermotor, dan proses yang dijalani calon penumpang
sebelum dan setelah berada dalam sarana transportasi. Ketentuan kedua
adalah keamanan, yaitu aspek rasa aman yang dirasakan oleh penumpang
selama mendapatkan pelayanan transportasi. Beberapa indikator yang
digunakan dalam mengukur rasa aman diantaranya adalah sistem tertutup
dimana sarana transportasi tidak mudah diakses oleh pihak lain yang
bukan penumpang. Pada kasus bus, termasuk di dalamnya adalah halte
atau terminal yang hanya diakses oleh penumpang yang sudah membeli
tiket bus. Selain itu, adalah sistem naik dan turun penumpang. Untuk
menjaga keamanan, penumpan g harus naik dan turun hanya pada halte
31
dan terminal yang telah ditetapkan, dan penumpang tidak dapat naik dan
turun pada tempat selain halte dan terminal resmi. Dengan demikian,
sistem tertutup ini dapat memberikan rasa aman bagi penumpang dari
ancaman pencurian, pencopetan, perampokan, atau insideninsiden lainnya
yang mengancam keselamatan penumpang dalam menggunakan jasa
transportasi. Ketentuan ketiga adalah kecepatan, yaitu ketentuan
terpenuhinya waktu sampai ke tempat tujuan dengan cepat dan atau tepat.
Ketentuan ini hanya dapat terpenuhi bila sarana transportasi didukung
dengan pra sarana yang khusus, sebagai contoh adalah rel khusus yang
dimiliki oleh kereta api. Sehingga dengan mengadopsi prasarana kereta
api, maka pada transportasi bus pun dapat diterapkan dengan membangun
jalur khsusus atau disebut dengan busway. Dagun et. al (2006)
mengungkapkan bahwa sarana transportasi massal yang dapat memenuhi
ketiga ketentuan tersebut dapat dilakukan melalui konsep transportasi
busway yang diterapkan oleh Pemerintah Provinsi DKI Jakarta. Sarana
transportasi ini, walaupun belum sesempurna yang diharapkan pada ketiga
Analisis faktor..., Agus Imam Rifusua, FE UI, 2010. 19 Universitas
Indonesia ketentuan di atas, namun telah memenuhi harapan masyarakat
ibu kota dalam mendapatkan pelayanan transportasi publik yang cepat,
nyaman dan aman10. 2.1.5. Model Transportasi Kompleksnya
permasalahan transportasi seperti yang telah disampaikan di atas, maka
perlunya permodelan transportasi guna menyederhanakan permasalahan
dan memudahkan dalam pengambilan keputusan. Model menurut Tamin
(1997:1) dapat didefinisikan sebagai bentuk penyederhanaan suatu relita
atau dunia yang sebenarnya, termasuk di antaranya adalah: 1. Model fisik,
seperti model arsitek, model teknik sipil, wayang golek, dan lainnya); 2.
Peta dan diagram grafis; dan 3. Model statistika dan matematika
(persamaan) yang menerangkan beberapa aspek fisik, sosial-ekonomi dan
model transportasi. Permodelan transportasi sangat bermanfaat bagi
perencanaan transportasi, karena melalui permodelan tersebut proses
perencanaan dan pengambilan keputusan dari berbagai masalah
transportasi dapat disederhanakan. Menurut Tamin (1997:8) terdapat
32
beberapa faktor yang perlu diperhatikan dalam menentukan permodelan
analisis transportasi, yaitu: 1. Struktur Model, yaitu suatu model dapat saja
memiliki struktur yang sederhana yang berupa fungsi dari beberapa
alternatif yang saling tidak berhubungan, atau struktur yang kompleks
sehingga perlunya dihitung peluang dari suatu kejadian transportasi yang
pernah terjadi. Dengan berkembangnya model kontemporer maka dapat
dimungkinkan untuk menyusun model yang sangat umum dengan banyak
peubah atau variabel. 2. Bentuk Fungsional, yaitu bentuk model yang
dapat memecahkan masalah dalam bentuk linear atau non-linear.
Pemecahan masalah yang tidak linear mencerminkan realita masalah yang
lebih tepat
2.2 Studi Kasus (1)

PT. Sejatera Utama, PT. Selamat Sentosa, dan PT. Jaya Perkasa merupakan
perusahaan-perusahaan penghasil pupuk. Kapasitas penawaran oleh masing-
masing perusahaan,permintaan pada ketiga pasar, dan biaya transportasi per unit
2.2.1 Identifikasi Kasus
Tabel 2.2.1. 1 Distribusi Pupuk

PASAR PERUSAHAAN A B C PENAWARAN
PT. SEJATERA UTAMA 18 15 16 130
PT. SELAMAT SENTOSA 15 8 12 90
PT. JAYA PERKASA 13 9 11 80
PERMINTAAN 150 80 70 300
Dari ketiga perusahaan tersebut, manakah yang akan dipilih oleh Negara
untuk mendistribusikan pupuk-pupuk tersebut?
A. Tentukan penyelesaian layak pertama dengan menggunakan Vogel’s
Approximation Method !
B. Uji penyelesaian layak pertama tersebut dengan metode North-West Corner
dan Least Cost
33
C. Uji Penyelesaian layak pertama tersebut dengan metod stepping stone!
D. Uji Penyelesaian layak pertama tersebut dengan metod Modified
Distribution !

Vogel’s approximation Method
Tabel 2.2.2. 1
Pasar A B C Penawaran
Perusahaan
18 15 16
PT. Sejahtera utama 130
70 60
15 8 12
PT. Selamat Sentosa 90
80 10
13 9 11
PT. Jaya Perkasa 80
80
Permintaan 150 80 70 300
(biaya) : (18x70)+(13x80)+(8x80)+(12x10)+(16x60) = 4020
Modified Distribution Method

 Pengujian sel isi (U + V = C ) di mana U1=0
1A = U1 + VA = 18 => V1 = 18
1C = U1 + VC = 16 => V3 = 16
2B = U2 + VB = 8 => V2 = 12
2C = U2 + VC = 12 => U2 = -4
3A = U3 + VA = 13 => U3 = -5
34
Tabel 2.2.2. 2 Metode Modified Distribution
Perusahaan 18 12 16
18 15 16
PT. Sejahtera utama 130
70 60
U1 = 0
15 8 12
PT.Selamat Sentosa 90
80 10
U2 = -4
13 9 11
PT. Jaya Perkasa 80
80
U3 = -5
Index perbaikan
 Pengujian sel kosong ( C – U – V = 0 )
1A = 15 – 0 – 12 = 3
2A = 15 – (-4) – 18 = 1
3B = 9 – (-5) – 12 = 2
3C = 11 – (-5) – 16 = 0
Di karenakan index perbaikan bernilai (+) semua, maka di nyatakan sudah

optimal.
Total biaya = (18x70)+(13x80)+(8x80)+(12x10)+(16x60) = 4020

Langkah pertama untuk menyelesaikan study kasus or diatas dengan
menggunakan aplikasi Oracle adalah membuka program Oracle , pilih Network
modeling sampai muncul tampilan dibawah ini.
35
Gambar 2.2.3. 1 Awal Network Modeling
Lalu pilih Transportation problem karena study kasusnya menggunakan

transportation. Selanjutnya isikan nama problem title , number of sources, dan
number of destinations. Lalu pilih OK.
Gambar 2.2.3. 2 Input Data Network Modeling
Muncul tampilan kedua pada network modeling , selanjutnya isikan data

sesuai dengan studi kasusnya pada baris dan kolomnya terdapat pada software
agar tidak salah saat melakukan interasi (seperti pada gambar diatas).
Untuk mentukan langkah berikutnya pada Vogle,s Approximation Method
pilih pada menu slovean analyze ,lalu klik select intial solution method hingga
muncul tampilan sebagai berikut ini
36
Gambar 2.2.3. 3 Langkah Awal Menentukan Metode Vogel,s
Interasi pertama select intial solution method muncul tampilan seperti

dibawah ini , lalu lanjut ke (Metode Vogel’s Approximation Method )lalu klik dan
selanjutnya pilih Ok
Gambar 2.2.3. 4 Langkah Awal Pilih Method Vogle
Setelah klik ok dari dari gambar 2.2.1.4 diatas akan muncul interation
sebagai berikut ini :
37
Gambar 2.2.3. 5 Hasil Solusi Metode Vogel
Dari interation yang ke 2 muncul solusi minimasi yang didapat dari study
kasus sebagai berikut ini :
Source 1 ke Destiation 1 dengan total cost Rp 1260
Jadi total cost keseluruhanya adalah Rp, 4020

Untuk mentukan langkah berikutnya pada Metode Modified Distribution
muncul tampilan sebagai berikut ini
Gambar 2.2.3. 6 Awal Menggunakan Metode Modified
38
dibawah ini , lalu lanjut ke ( Method Modified Distribution )lalu klik dan
Gambar 2.2.3. 7 Langkah Awal Menentukan Metode Modified
Setelah klik ok dari dari gambar 2.2.1.7 diatas akan muncul interation
sebagai berikut ini :
Gambar 2.2.3. 8 Hasil Solusi Metode Modified
39
Jadi total cost keseluruhanya adalah Rp 4020
2.3 Studi Kasus (5)

Sebuah perusahaan memiliki 3 buah gudang ( G1,G2,dan G3 ) dengan pasar
tujuan sebanyak 3 daerah pasar yaitu pasar A, pasar B dan pasar C. Kapasitas
ketiga gudang tersebut secara berurutan yaitu 150, 100, dan 120 ton. Permintaan
pasar secara berurutan adalah 170, 110 dan 90 ton. Biaya angkut gudang ke pasar
sebagai beikut :
Tabel 2.3.1. 1 Distribusi Gudang

Pasar Gudang A B C
Gudang 1 9 7 6
Gudang 2 10 12 7
Gudang 3 15 12 9

Vogel’s Approximation Method
Tabel 2.3.2. 1 Metode Vogel

Ke A B C
Penawaran
Dari 9 7 4
Gudang 1 70 9 80 7 6
U1 = 0 150
Gudang 2 100 10 12 7
U2 = 1 100
Gudang 3 15 30 12 90 9
U3 = 5 120
Biaya angkut = (70x9)+(100x10)+(7x80)+(30x12)+(90x9) = 3360
40
 Pengujian sel isi (U + V = C ) di mana U1=0

1A = U1 + VA = 9 => VA = 9
2B = U2 + VA = 10 => U2 = 1
2B = U1 + VB = 7 => VB = 7
U3 = U3 + VB = 12 => U3 = 5
U33 = U3 + V3 = 9 => V3 = 4
Tabel 2.3.2. 2 Metode Modified Distribution

Perusahaan
9 7 6
Gudang 1 150
70 80 -
10 12 7
Gudang 2 100
100 - -
15 12 9
Gudang 3 120
- 30 90
Total Cost : (70x9)+(100x10)+(7x80)+(30x12)+(90x9) = 3360

Index perbaikan
 Pengujian sel kosong ( C – U – V = 0 )
1A = 6 – 0 – 4 = 2
2B = 5– 0 – 7 = 4
2C = 7 – 1 – 4 = 2
U31 = 15 – 5 – 9 = 1

Langkah pertama untuk menyelesaikan study kasus dengan menggunakan
aplikasi Oracle adalah membuka program Oracle , pilih Network modeling
sampai muncul tampilan dibawah ini
41

Gambar 2.3.3. 2 Edit Data Network Modeling
Kemudian input data sesuai studi kasus yang diberikan
42
Pilihlah metode Vogel Aproximation Method kemudian klik Solve
Gambar 2.3.3. 4 Memilih Metode VAM
Munculah hasil yang diinginkan seperti berikut ini :
Gambar 2.3.3. 5 Hasil Metode VAM
43


44
Gambar 2.3.3. 7 Edit Data Network Modeling
Kemudian input data sesuai studi kasus yang diberikan
Pilihlah metode Modified Distribution kemudian klik solve
45
Gambar 2.3.3. 9 Pilih Metode Modified Distribution
Munculah hasil yang diinginkan seperti berikut ini :
Gambar 2.3.3. 10 Hasil Perhitungan
2.4 Studi Kasus (4)

Sebuah perusahaan memiliki 3 buah gudang (G1, G2, dan G3) dengan pasar
tujuan sebanyak 3 daerah pasar yaitu pasar A, pasar B dan Pasar C. kapasitas
ketiga gudang tersebut secara berurutan yaitu 150, 100 dan 120 ton. Permintaan
pasar secara berurutan adalah 170, 110 dan 90 ton. Biaya angkut gudang ke pasar
sebagai berikut:
1. Tentukan alokasi hasil produksi dari gudang ke pasar dengan menggunakan

metode North-West Corner dan Least Cost
2. Uji penyelesaian layak pertama tersebut dengan metode Stepping Stone!
46
Gambar 2.4.1. 1 Pilihan Awal Transportasi

number of destinations. Lalu pilih OK.seperti diatas
Gambar 2.4.1. 2 Input Data Tranportasi
47
Muncul tampilan kedua pada network modeling , selanjutnya isikan data
sesuai dengan studi kasusnya pada baris dan kolomnya terdapat pada software
agar tidak salah saat melakukan interasi (seperti pada gambar diatas).
Software North-West Corner
Untuk mentukan langkah berikutnya pada Software North-West Corner

muncul tampilan sebagai berikut ini :
Gambar 2.4.1. 3 Intraksi Slovean Analyze

dibawah ini , lalu lanjut ke menu Northwest corner method (NWC)lalu klik dan
Gambar 2.4.1. 4 Intraksi Pilih Metode Northwest Corner Method
48
Setelah klinik ok dari interation diatas akan muncul interation ke 2 sebagai
berikut ini :
Gambar 2.4.1. 5 Intraksi Solusi Optimal Northwest Corner Method
Source 1 ke Destiation1 dengan total cost Rp 630
Metode Stepping Stone

Untuk mentukan langkah berikutnya pada Metode Stepping Stone pilih
pada menu slovean analyze ,lalu klik select intial solution netkwork hingga
muncul tampilan sebagai berikut ini :
49
Gambar 2.4.1. 6 Intraksi Slovean Analyze
Intersi 1 metode network
Gambar 2.4.1. 7 Grafik Intrasi 1
Intersi 2 metode network
Gambar 2.4.1. 8 Grafik Intrasi 2
50
Gambar 2.4.1. 9 Solusi Optimal Network
Source 1 ke Destiation1 dengan total cost Rp 630
51
BAB III
PENUGASAN
3.1 Landasan Teori

Masalah penugasan adalah masalah pemasangan satu sumber daya dengan
tepat satu aktivitas dan satu aktivitas dengan tepat satu sumber daya, yang
memenuhi tujuan (yaitu meminimumkan biaya). Masalah penugasan ini
merupakan bentuk khusus masalah transportasi dengan n tempat asal dan n tempat
tujuan. Penyelesaiannya berupa 1 (dipasangkan) atau 0 (tidak dipasangkan).
Walaupun untuk menyelesaikan masalah penugasan ini dapat digunakan metode
enumeratif ataupun metode transportasi, tetapi lebih disarankan untuk digunakan
metode Hongaria.
Prinsip dari metode Hongaria adalah dengan melakukan manipulasi
terhadap matriks biaya yang diberikan. Manipulasi tersebut adalah operasi
pengurangan elemen tiap baris dengan elemen minimum barisnya. Kemudian
melakukan operasi pengurangan elemen tiap kolom dengan elemen minimum
kolomnya. Setelah itu, melakukan pembuatan garis yang melalui elemen-elemen
'0'. Selanjutnya, dicari elemen minimum pada submatriks yang tidak dilewati
garis. Akhirnya, elemen minimum tersebut dikurangkan dari setiap elemen pada
submatriks yang tidak dilewati garis dan ditambahkan pada elemen yang dilalui
dua garis. Manipulasi terhadap matriks biaya tersebut dilakukan beberapa kali
sampai diperoleh matriks biaya optimum, yang dapat diidentifikasi dengan
banyaknya garis (yang melalui elemen '0') tepat sama dengan n. Apabila banyak
sumber daya tidak sama dengan aktivitas maka diperkenalkan peubah rekaan.
Apabila tujuannya adalah memaksimumkan (keuntungan) maka untuk hal ini
diselesaikan dengan meminimumkan negatif dari biaya.
Penugasan merupakan suatu kasus khusus dalam masalah pemrograman linier
pada umumnya Dalam dunia bisnis dan industri, manajemen sering menghadapi
masalah-masalah yang berhubungan dengan penugasan optimal dari bermacam-
macam sumber yang produktif atau personalisa yang mempunyai tingkat efisiensi
yang berbeda-beda untuk tugas yang berbeda-beda pula. Metode Hungarian
52
adalah salah satu dari beberapa teknik-teknik pemecahan yang tersedia untuk
masalah-masalah penugasan.
Maksud dari penugasan adalah menetapkan jumlah sumber-sumber yang
tugaskan kepada sejumlah tujuan (satu sumber untuk satu tujuan), sedemikian
hingga didapat ongkos total yang minimum atau keuntungan total yang
maksimum. Biasanya yang dimaksud dengan sumber ialah pekerja. Sedangkan
yang dimaksud dengan tujuan adalah obyek dari pekerjaan tersebut. Jadi, masalah
penugasan akan mencakup sejumlah m sumber yang mempunyai n tugas. Ada n!
(n faktorial) penugasan yang mungkin dalam suatu masalah karena berpasangan
satu-satu. Apabila pekerjaan i (i= 1,2,3,....n) ditugaskan kepada obyek j
(j=1,2,3,...m) akan muncul biaya penugasan Cn maka sudah jelas bahwa tujuan
dari penugasan adalah mencari ongkos dari tiap-tiap pekerjaan kepada obyek
dengan total ongkos yang minimum atau memberikan keuntungan yang
maksimum.
1. Model Matematis Penugasan

Masalah penugasan dapat dijelaskan dengan mudah oleh suatu matrik segi
empat,dimana baris-barisnya menunjukkan sumber-sumber dan kolomnya
menunjukkan tugas-tugas.
Sebelum model dapat dipecahkan dengan teknik penugasan terlebih dahulu
diseimbangkan dengan menambah pekerjaan-pekerjaan atau obyek semu
(dummy) bergantung pada apakah m<n atau m>n, sehingga diasumsikan bahwa
m=n. Secara matematis, model penugasan ini dapat dinyatakan
1. Masalah Minimisasi
Langkah-langkah menyelesaikan masalah minimisasi :
a. Menyusun tabel biaya.
b. Melakukan pengurangan baris, dengan cara :
 Memilih biaya terkecil setiap baris.
 Kurangkan semua biaya dengan biaya terkecil setiap baris.
 Sehingga menghasilkan reduced cost matrix / matriks biaya yang
telah dikurangi.
c. Melakukan pengurangan kolom.
53
Pengurangan kolom hanya dilakukan pada kolom yang tidak mempunyai
nilai nol. Bila pengurangan baris telah menghasilkan paling sedikit satu nilai
nol pada setiap kolom, maka pengurangan kolom tidak perlu dilakukan.
d. Membentuk penugasan optimum.
Dengan menarik sejumlah minimum garis horizontal dan atau vertical
untuk meliput seluruh elemen bernilai nol dalam total opportunity cost
matrix. Jika jumlah garis sama dengan jumlah garis/kolom maka penugasan
telah optimal. Jika tidak maka harus direvisi.
 Operasi ketentuan harus dimulai dengan baris atau kolom yang
mengandung angka 0 terbanyak.
 Garis yang dipakai untuk menutupi kotak-kotak yang bernilai (0)
harus melewati semua kolom atau semua baris.
 Jika banyaknya garis lurus yang dibuat sama dengan banyaknya
pekerjaan maka penyelesaian sudah optimal, jika tidak maka direvisi.
e. Melakukan revisi tabel.
 Pilih angka terkecil yang tidak terliput (dilewati) garis.
 Kurangkan angka yang tidak dilewati garis dengan angka terkecil.
 Tambahkan angka yang terdapat pada persilangan garis dengan angka
terkecil.
 Masukkan nilai revisi ke dalam matriks, sehingga didapatkan total
opportunity cost matriks yang telah direvisi.
f. Setelah melakukan revisi tabel kembali ke langkah d.
g. Tabel penugasan dihubungkan dengan Assignment Problem
2. Masalah maksimisasi
Pemecahan masalah maksimisasi dalam penugasan optimal tenaga kerja
juga dapat dilakukan dengan metode Hungarian. Perbedaan dengan masalah
minimisasi adalah bahwa bilangan-bilangan dalam matriks tidak menunjukkan
tingkat biaya tetapi menunjukkan tingkat laba. Efektifitas pelaksanaan kerja oleh
karyawan individual diukur dengan jumlah kontribusi laba.
Langkah-langkah penyelesaian masalah maksimisasi :
54
a. Seluruh elemen setiap baris dikurangi dengan nilai maksimum dalam baris
yang sama yang menghasilkan Matriks Opportunity Loss yang seharusnya
bernilai negatif.
b. Meminimumkan matriks opportunity loss dengan cara mengurangi seluruh
elemen dalam setiap kolom ( yang belum ada nol-nya) dengan elemen
terkecil dari kolom tersebut.
c. Membentuk penugasan optimum dengan menarik sejumlah minimum garis
horizontal dan atau vertical untuk meliput seluruh elemen bernilai nol dalam
total opportunity cost matrix.
d. Sama halnya dengan masalah minimisasi, jika jumlah garis tidak sama
dengan jumlah baris atau jumlah kolom maka harus dilakukan revisi tabel.
e. Setelah melakukan revisi tabel kembali ke langkah c.
f. Tabel penugasan dihubungkan dengan Assignment Problem.
3. Penugasan dengan Dummy

Apabila jumlah pekerjaan tidak sama dengan jumlah karyawan dan
sebaliknya, maka harus ditambahkan karyawan semu (dummy worker). Biaya
semu sama dengan nol karena tidak akan terjadi biaya bila suatu pekerjaan
ditugaskan ke karyawan semu. Bila jumlah karyawan lebih banyak daripada
pekerjaan, maka ditambahkan pekerjaan semu (dummy job).
Dummy ada untuk menyeimbangkan antara banyaknya tugas dengan
banyaknya penerima tugas. Apabila penerima tugas mendapatkan pekerjaan
Dummy, berarti diasumsikan bahwa penerima tugas tersebut menganggur.
Apabila tugas tersebut diberikan kepada Dummy, diasumsikan pekerjaan itu tidak
ada yang mengerjakan.
Langkah Penyelesaian :
Step1: Cari nilai terkecil untuk setiap baris
Step2: Gunakan biaya terkecil tersebut untuk mengurangi semua biaya yang ada
pada baris yang sama.
Step3: Pastikan semua baris dan kolom SUDAH memiliki nilai NOL. Jika ada
yang belum memiliki nilai nol (kolom 3), maka cari nilai terkecil di kolom
tersebut digunakan untuk mengurangi semua nilai yang ada di kolom tersebut.
55
Step4: Jika tiap kolom dan baris sudah memiliki nilai nol. Maka cek, apakah
ditemukan nilai nol sebanyak sumber daya (banyak baris) dan sebanyak pekerjaan
(kolom).
Misal: Jika jumlah baris 4 kolom 4, maka jumlah nilai nol minimal harus ada 4.
Step5: Jika sudah menemukan nilai nol sejumlah baris dan kolom. Maka tandai
dengan melakukan coretan. Mulailah dari baris yang memiliki nilai nol hanya
satu. Step ini mengandung arti bahwa setiap karyawan hanya dapat ditugaskan
pada satu pekerjaan.
Perhatian!
Walau nilai nol sudah memenuhi syarat. Namun pada baris 1 dan 2 ternyata
ditemukan nilai nol. Walau pada baris yang sama, namun nol tersebut berada di
kolom yang sama. Maka dapat dipastikan belum optimal.
Step6: Karena belum optimal, maka tarik garis yang menghubungkan setiap nilai
nol.
Step7: Perhatikan nilai yang BELUM KENA GARIS. Cari nilai yang terkecil.
Lalu gunakan untuk menambah atau mengurang nilai lainnya, dengan ketentuan
berikut:
nilai terkecil yang dicari tadi untuk:
untuk MENGURANGI nilai yang TIDAK KENA CORET
untuk MENAMBAH nilai yang KENA CORET 2X
dan untuk nilai yang KENA CORET 1X, nilainya TETAP
Step8: Nah! Setelah menemukan penugasan yang dianggap paling pas untuk tiap
karyawan. Langkah selanjutnya, cari biaya penugasannya
Dalam model yang digunakan untuk penugasan ini salah satunya adalah
dengan metode Hungarian (Hungarian metod). Pada metode Hungarian, jumlah
sumber-sumber yang ditugaskan harus sama persis dengan jumlah tugas yang
akan diselesaikan. Masalah ini dapat dijelaskan dengan mudah dalam bentuk
matriks segi empat, dimana baris-barisnya menunjukkan sumber-sumber dan
kolom-kolomnya menunjukkan tugas-tugas.
56
Penyelesaian Metode Penugasan Secara Manual
Langkah-langkah penyelesaian dengan metode Hungarian untuk masalah
minimasi adalah sebagai berikut :
1. Ditentukan nilai terkecil dari setiap baris, kemudian mengurangkan semua
nilai dalam baris tersebut dengan nilai terkecilnya.
2. Diperiksa apakah setiap kolom telah mempunyai nilai nol. Bila sudah
dilanjutkan ke langkah 3, bila belum, dilakukan penentuan nilai terkecil dari
setiap kolom yang belum mempunyai nilai nol, kemudian setiap nilai pada
kolom tersebut dikurangkan dengan nilai terkecilnya.
3. Ditentukan apakah terdapat n elemen nol, dimana tidak ada 2 nilai nol yang
berada pada baris atau kolom yang sama, dimana n adalah jumlah kolom atau
baris, jika ada, maka tabel telah optimal, jika tidak dilanjutkan ke langkah 4.
4. Dilakukan penutupan semua nilai nol dengan menggunakan garis vertikal
atau horisontal seminimal mungkin.
5. Ditentukan nilai terkecil dari nilai-nilai yang tidak tertutup garis, kemudian
semua nilai yang tidak tertutup garis dikurangkan dengan nilai terkecil
tersebut, dan nilai yang tertutup oleh 2 garis ditambahkan dengan nilai
terkecil tersebut.
6. Kembali ke langkah 3.
Langkah-langkah penyelesaian dengan metode Hungarian untuk masalah

maksimasi adalah sebagai berikut :
1. Ditentukan nilai terbesar dari setiap baris, kemudian mengurangkan semua
nilai pada setiap dari nilai terbesarnya.
2. Diperiksa apakah setiap kolom telah mempunyai nilai nol. Bila sudah
dilanjutkan ke langkah 3, bila belum, dilakukan penentuan nilai terkecil dari
setiap kolom yang belum mempunyai nilai nol, kemudian setiap nilai pada
kolom tersebut dikurangkan dari nilai terkecilnya.
3. Ditentukan apakah terdapat n elemen nol, dimana tidak ada 2 nilai nol yang
berada pada baris atau kolom yang sama, dimana n adalah jumlah kolom atau
baris, jika ada, maka tabel telah optimal, jika tidak dilanjutkan ke langkah 4.
57
4. Dilakukan penutupan semua nilai nol dengan menggunakan garis vertikal
atau horisontal seminimal mungkin.
5. Ditentukan nilai terkecil dari nilai-nilai yang tidak tertutup garis, kemudian
semua nilai yang tidak tertutup garis dikurangkan dengan nilai terkecil
tersebut, dan nilai yang tertutup oleh 2 garis ditambahkan dengan nilai
terkecil tersebut.
6. Kembali ke langkah 3.
Langkah-langkah penyelesaian secara manual ini sama dengan cara

penyelesaian pada Microsoft Office Excel, baik masalah maksimasi maupun
minimasi.
3.2 Studi Kasus (1)

Sebuah perusahaan pengecoran logam mempunyai empat jenis mesin yang
diberi nama M1, M2, M3 dan M4. Setiap mesin mempunyai kapasitas yang
berbeda dalam pengoperasiannya. Dalam minggu mendatang perusahaan
mendapatkan pesanan untuk menyelesaikan empat jenis pekerjaan (job) yaitu J1,
J2, J3, J4. Biaya pengoperasian setiap pekerjaan oleh keempat mesin dapat dilihat
dalam table berikut:
Tabel 3.2.1. 1 Data Identifikasi Kasus

MACHIN
Job M1 M2 M3 M4
J1 88 70 66 65
J2 60 61 71 80
J3 84 69 63 62
J4 82 78 60 84
58
Gambar 3.2.1. 1 Algoritma Solusi
Gambar 3.2.1. 2 Algoritma Solusi
A- 2 dengan biaya 18
B-1 dengan biaya 19
C-4 dengan biaya 23
D-3 dengan biaya 26
Yang total Biaya nya adalah 252
59
METODE NETWORK
Berikut jawaban Penugasan Oracle:
Langkah pertama untuk menjawab tugas OR 2 dengan Oracle adalah
membuka program Oracle, pilih Network modeling sampai muncul tampilan
dibawah ini. Pilih menu Asiggment Problem , Pada menu Objective Criterion
pilih Maximation , di Data Entriy Format pilih Spreadsheet Matrix Form.
Selanjutnya pada Problem Title, Number Of Object , Number Of Assigments diisi
sesuai dengan data yang di soal.
Gambar 3.2.2. 1 Tahapan Awal Network Modeling
Selanjutnya pada tampilan awal rubah nama baris dan kolom agar
mempermudahkan kita dalam cek hasil setiap interasi pada menu noods name,
setelah dirubah klik OK.
60
Gambar 3.2.2. 2 Rubah Nama Kolom dan Baris
Muncul tampilan berikutnya pada network modeling , selanjutnya isikan

data pada soal sesuai dengan baris dan kolomnya agar tidak salah saat melakukan
interasi (seperti pada gambar dibawah ini).
Langkah berikutnya pilih dan klik pada menu slove an analyze seperti
gambar dibawah ini
Gambar 3.2.2. 4 Langkah Awal Slove and Display – Network
61
Setelah proses langkah diatas, lalu klik slove and display – network hingga
muncul tampilan Interation 1 sebagai berikut ini .
Gambar 3.2.2. 5 Interasi 1 Slove and Display – Network
Setelah interasi 1 maka lanjut ke interasi 2 seperti dibawah ini , dengan cara
menu interation lalu klik next interation.
Gambar 3.2.2. 6 Interasi 1 ke Interasi 2 Pada Slove and Display – Network
Setelah melakukan transaksi diatas, maka akan muncul tampilan dibawah

ini
62
menu interation lalu klik next interation sampai dengan tampilan seperti dibawah
ini.
ini.
63
Setelah sudah sampai dengan interasi final, maka kila dapat solusi optimal
yang didapat dari interation final , dengan cara menu interation lalu klik next
interation sampai dengan tampilan seperti dibawah ini.
Gambar 3.2.2. 10 Solusi Metode Slove and Display – Network
METODE TABLEAU
Setelah network sudah selesai maka kita pakai metode tableau, tetapi
sebelum kita ke tableau kita kembali kemenu awalnya seperti dibawah ini.
64
Gambar 3.2.2. 11 Metode Slove and Display – Tableau
Selanjutnya langkah berikut pilih pada menu slove an analyze, lalu klik
slove and display – Tableau hingga muncul tampilan interation 1, sebagai berikut
ini
Gambar 3.2.2. 12 Interasi 1 Metode Slove and Display – Tableau
Selanjutnya kita ambil data rincian dari perhitungan tableau dengan cara
klik interation lalu pilih next interation seperti dibawah ini :
Gambar 3.2.2. 13 Interasi 1 ke Interasi 2 Metode Slove and Display – Tableau
65
ini.
Gambar 3.2.2. 14 interasi 2 Metode slove and display – Tableau
Pada interasi 2 maka lanjut ke menu interation lalu klik next interation
sampai dengan tampilan seperti dibawah ini.
Gambar 3.2.2. 15 Solusi Metode Slove and Display – Tableau
yang didapat dari interation final.
3.3 Studi Kasus (3)

Suatu perusahaan mempunyai 4 mesin yaitu mesin 1, 2, 3, 4. Masing-
masing mesin memiliki biaya pengoperasian yang berbeda-beda. Tentukan
penugasan optimal yang dapat diberikan perusahaan tersebut kepada masing-
masing untuk tiap objek :
66
Tabel 3.3.1. 1 Perenang dan Keahliannya

Tugas
Mesin 1 Mesin 2 Mesin 3 Mesin 4
Objek
A 68 82 84 47
B 55 46 69 80
C 80 75 88 88
D 64 55 91 48
Gambar 3.3.2. 1 Menentukan Nilai Maksimum Baris
1. Seluruh elemen dalam setiap baris dikurangi dengan nilai maksimum dalam
baris yang sama (bila baris (-), maka (-) nya tidak usah ditulis.
Gambar 3.3.2. 2 Hasil Pengurangan Nilai Baris
67
2. Meminimumkan opportunity cost dengan cara mengurangi seluruh elemen
dalam setiap kolom (yang belum ada nol nya) dengan elemen terkecil dari
kolom tersebut.
Gambar 3.3.2. 3 Hasil Pengurangan Kolom
3. Buat garis seminimal mungkin berdasarkan baris atau kolom sehingga menutupi
semua bilangan / angka nol
Gambar 3.3.2. 4 Garis Penugasan
Pola penugasan
Objek A- Mesin 2 = 82
Objek B-Mesin 4 = 80
Objek C-Mesin 1 = 80
Objek D-Mesin 3 = 91
Total penugasan = 333
3.3.3 Penyelesaian Dengan Software

68
pilih Maximation , di Data Entriy Format pilih Spreadsheet Matrix Form.
Gambar 3.3.3. 1 Tampilan Awal
selanjutnya isikan data pada soal sesuai dengan baris dan kolomnya agar
tidak salah saat melakukan itterasi (seperti pada gambar dibawah ini).
Gambar 3.3.3. 2 Input Data Studi Kasus
gambar dibawah ini kemudian klik sub menu Select Initial Solution Method
69
Gambar 3.3.3. 3 Pemilihan Menu
muncul tampilan Interation 1 sebagai berikut ini.
70
Gambar 3.3.3. 5 Interasi 1 ke Interasi 2 Pada Slove and Display – Network
Setelah melakukan transaksi diatas, maka akan muncul tampilan dibawah

ini
Gambar 3.3.3. 6
interation sampai dengan tampilan seperti dibawah ini.
71
Gambar 3.3.3. 7 Solusi Metode Slove and Display – Network
METODE TABLEAU
Setelah network sudah selesai maka kita pakai metode tableau, tetapi
sebelum kita ke tableau kita kembali kemenu awalnya seperti dibawah ini.
Gambar 3.3.3. 8 Metode Slove and Display – Tableau
Selanjutnya langkah berikut pilih pada menu slove an analyze, lalu klik
slove and display – Tableau hingga muncul tampilan interation 1, sebagai berikut
ini
Gambar 3.3.3. 9 Interasi 1 Metode Slove and Display – Tableau
72
yang didapat dari interation final ,
3.4 Studi Kasus (5)

Seorang pelatih renang ingin membentuk tim renang yang tangguh untuk
terjun di nomor 400m estafet gaya ganti pada suatu pertandingan tingkat nasional
ada empat perenang dibawah asuhannya, yang merupakan perenangterbaiknya
yang menguasai dengan baik keempat gaya yang dipertandingkan. Pelatih ingin
melakukan penugasan satu perenang pada suatu gaya berdasarkan data waktu
terbaik mereka untuk tuap gaya nomor 100m. yang tersaji pada table dibawah,
dengan bantuan meroda Hungarian. Pada suatu pertandingan renang selalu
diinginkan waktu tercepat yang mungkin dapat dilakukan, sehingga masalah ini
masuk ke dalam masalah minimisasi. Tentukan penugasan yang opimal.
Tabel 3.4.1. 1 Identifikasi Kasus

Perenang Budi Giri Koko Fajar
/ gaya
Kupu-
kupu 57 58 48 55
Dada 61 47 64 55
Punggung 46 57 57 45
Bebas 60 55 48 57
Gambar 3.4.2. 1 Data Awal
73
Reduksi baris dengan cara cari baris terkecil dahulu dari data diatas ( warna
merah ) untuk mengurangi data pada barisnya masing- masing. Hasil pengurangan
muncul dibawah ini.
Gambar 3.4.2. 2 Reduksi Baris
Cari kolom terkecil dahulu (agar semua kolom ada nilai nol)
Gambar 3.4.2. 3 Hasil Reduksi Baris
Hasil dari pengurangan nilai terkecil pada kolom yang belum dapat nilai nol
Gambar 3.4.2. 4 Reduksi Kolom
74
Hasil akhir dari pengurangan nilai terkecil.
Gambar 3.4.2. 5 Hasil Reduksi Kolom
Kesimpulan data algoritma solusinya adalah
A - 4 Bernilai 55
B - 2 Bernilai 47
C - 1Bernilai 36
D - 3 Bernilai 48
Total Penugasan 196
METODE NETWORK

pilih Minimation , di Data Entriy Format pilih Spreadsheet Matrix Form.
75

gambar dibawah ini
76
Gambar 3.4.3. 3 Solve and Display Steps – Network Modeling
77
Gambar 3.4.3. 5 Interasi 2 Solve and Display Steps – Network Modeling
ini.
Gambar 3.4.3. 6 Final Interasi pada Solve and Display Steps – Network Modeling
Setelah sudah sampai dengan interasi final, maka kila dapat solusi minimal
interation sampai dengan tampil seperti dibawah ini.
78
Gambar 3.4.3. 7 Solusi Solve and Display Steps – Network Modeling
METODE TABLEAU
Setelah Metode Network sudah selesai maka kita pakai Metode Tableau,
tetapi sebelum kita ke tableau kita kembali kemenu awalnya seperti dibawah ini.
Gambar 3.4.3. 8 Tampilan Awal Solve and Display Steps- Metode Tableau
Langkah berikut pilih pada menu slove an analyze, lalu klik slove and
display – Tableau hingga muncul tampilan interation 1, sebagai berikut ini
79
Gambar 3.4.3. 9 Interasi 1 Solve and Display Steps- Metode Tableau
Selanjutnya kita ambil data rincian dari perhitungan tableau, untuk lanjut
ketahap berikutnya :
Setelah interasi 1 maka lanjut ke interasi 2, dengan cara menu interation lalu
klik next interation (seperti tampilan gambar diatas), yang nantinya akan muncul
tampilan seperti dibawah ini.
Dikarenakan pada interasi 2 sudah final maka ke menu interation lalu klik
next interation sampai dengan tampil seperti dibawah ini.
80
Gambar 3.4.3. 11 Solusi Solve and Display Steps – Tableau
Dari gambar diatas kita dapat solusi minimal total 196
3.5 Studi Kasus (8)

Suatu perusahaan mempunyai 4 mesin yaitu mesin 1,2,3,4. Masing-masing
mesin memiliki biaya pengoperasian yang berbeda-bedda. Tentukan penugasan
optimal yang dapat diberikan perushaan tersebut kepada masing-masing mesin
untuk tiap objek !

Tugas Mesin Mesin Mesin Mesin
Objek 1 2 3 4
A 66 67 52 90
B 76 72 90 50
C 73 92 88 74
D 54 90 47 71
81
muncul dibawah ini.
Gambar 3.5.2. 2 Reduksi Baris
Cari kolom terkecil dahulu (agar semua kolom ada nilai nol)
82

A - 4 Bernilai 90
B - 1 Bernilai 76
C -3 Bernilai 88
D - 2 Bernilai 90
Total Penugasan 344
METODE NETWORK
83

gambar dibawah ini
84
85
ini.
86
METODE TABLEAU
87
Selanjutnya kita ambil data rincian dari perhitungan tableau, untuk lanjut
ketahap berikutnya :
Setelah interasi 1 maka lanjut ke interasi 2, dengan cara menu interation lalu
klik next interation (seperti tampilan gambar diatas), yang nantinya akan muncul
tampilan seperti dibawah ini.
88
Dari gambar diatas kita dapat solusi maximal total 344.
3.6 Studi Kasus (9)

Bagian produksi perusahaan mempunyai 3 jenis pekerjaan yang berbeda
untuk diselesaikan oleh 3 karyawan. Ketiga karyawan tersebut mempunyai
tingkat keterlampilan, pengalaman kerja, latar belakang pendidikan dan latihan
yang berbeda pula. Karena sifat pekerjaan dan kemampuan karyawan yang
berbeda, maka biaya penyelesaian pekerjaan berbeda-beda. Tentukan biaya
penugasan optimal!

Pekerjaan
Karyawan
D1 D2 D3
A1 17 19 29
A2 27 16 22
A3 17 26 11
Data tabel awal Penugasan
89
muncul dibawah ini.

A – 3 Bernilai 29
B – 1 Bernilai 27
C – 2 Bernilai 26
Total Penugasan Optimal 82
90
METODE NETWORK

91
gambar dibawah ini
92
METODE TABLEAU
93
Dari gambar diatas kita dapat solusi maximal total 82.
94

LAPORAN Operasional Riset

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

LAPORAN Operasional Riset

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

Gregorius Riky (20170201036)

BAB I LINIER PROGRAMMING ................................................................... 1

Gambar 1.2.3. 1 Membuat Model Permasalahan ................................................................ 9

Gambar 1.3.1. 1 Membuat Model Permasalahan .............................................................. 13

Gambar 1.4.3. 1 Tampilan Awal Linier Programing ........................................................ 18

Gambar 1.5.1. 1 Tampilan Awal Linier Programing ........................................................ 22

Gambar 1.6.1. 1 Tampilan Awal Linier Programing ........................................................ 24

Gambar 2.2.3. 1 Awal Network Modeling........................................................................ 36

Gambar 2.3.3. 1 Awal Network Modeling........................................................................ 42

Gambar 2.4.1. 1 Pilihan Awal Transportasi ...................................................................... 47

Gambar 3.2.1. 1 Algoritma Solusi .................................................................................... 59

Gambar 3.2.2. 1 Tahapan Awal Network Modeling ........................................................ 60

Gambar 3.3.2. 1 Menentukan Nilai Maksimum Baris ...................................................... 67

Gambar 3.3.3. 1 Tampilan Awal ....................................................................................... 69

Gambar 3.4.2. 1 Data Awal .............................................................................................. 73

Gambar 3.4.3. 1 Tahapan Awal Network Modeling ......................................................... 76

Gambar 3.5.2. 1 Data Awal .............................................................................................. 82

Gambar 3.5.3. 1 Tahapan Awal Network Modeling ......................................................... 84

Gambar 3.6.2. 1 Data Awal .............................................................................................. 90

Tabel 2.1. 1 Tabel Transportasi............................................................................. 28

Tabel 2.2.1. 1 Distribusi Pupuk............................................................................. 33

Tabel 2.2.2. 1 ......................................................................................................... 34

Tabel 2.3.1. 1 Distribusi Gudang .......................................................................... 40

Tabel 2.3.2. 1 Metode Vogel ................................................................................. 40

Tabel 3.2.1. 1 Data Identifikasi Kasus .................................................................. 58

Tabel 3.3.1. 1 Perenang dan Keahliannya ............................................................. 67

Tabel 3.4.1. 1 Identifikasi Kasus ........................................................................... 73

Tabel 3.5.1. 1 Identifikasi Kasus ........................................................................... 81

Tabel 3.6.1. 1 Identifikasi Kasus ........................................................................... 89

1.1 Landasan Teori

1.1.1 Formulasi Permasalahan

Bentuk umum pemrograman linier adalah sebagai berikut :

Sumber daya yang membatasi :

a21x1 + a22x2 + … + a2nxn = / ≤ / ≥ b2

am1x1 + am2x2 + … + amnxn = / ≤ / ≥ bm

x1, x2, …, xn≥ 0

Simbol x 1, x2, …, xn menunjukkan variabel keputusan. Jumlah variabel

masing-masing variabel keputusan terhadap tujuan, disebut juga koefisien fungsi

negatif. Membuat model matematik dari suatu permasalahan bukan hanya

1.2 Studi Kasus (2)

1.2.1 Indetifikasi Kasus

1.2.2 Algoritma Solusi

1.2.3 Penyelesaian dengan Software

 Langkah-langkah penyelesaian studi kasus di atas menggunakan software

Gambar 1.2.3. 2 Mengisi Nilai Fungsi Tujuan dan Kendala

Gambar 1.2.3. 4 Hasil Iteration 2

Gambar 1.2.3. 5 Hasil Iteration 3

Gambar 1.2.3. 6 Hasil Iteration Final

10) Untuk mengetahui gambar grafiknya, maka klik icon hingga

Gambar 1.2.3. 7 Grafik Hasil Perhitungan

1.3 Studi Kasus (3)

1.3.1 Penyelesaian dengan Software

Gambar 1.3.1. 1 Membuat Model Permasalahan

Gambar 1.3.1. 3 Menu Solve and Analyse

8) Setelah mendapatkan hasil dari iteration ke 2 klik menu Simplex Iteration

Gambar 1.3.1. 5 Hasil Interasi 2

9) Setelah mendapatkan hasil dari iteration ke 3 klik menu Simplex Iteration

1.4 Studi Kasus (4)

1.4.1 Indetifikasi Kasus

1.4.2 Algoritma Solusi

Memotong sumbu y pada saat x = 0

Eliminasi fungsi kendala I dan II

Subtitusikan nilai y = 10 ke fungsi kendala 2