Disusun Oleh:
SUWAJI, SE. MM
1
DAFTAR ISI
-Metode Modi
- VAM
- Net Work (Jaringan)
2
RISET OPERASI (OPERATIONAL RESEARCH)
Definisi1
RO adalah penerapan metode -metode ilmiah terhadap masalah-masalah rumit yang
muncul dalam pengarahan dan pengelolaan dari suatu system besar manusia, mesin,
bahan dan uang dalam industri, bisnis, pemerintahan dan pertahanan. (Operational
Research Society of Great Britain).
Definisi 2
Riset operasi berkaitan dengan menentukan pilihan secara ilmiah bagaimana merancang
dan menjalankan system manusia-mesin secara terbaik, biasanya membutuhkan alokasi
sumber daya yang langka. (Operation Research Society of America).
Definisi 3
Riset operasi adalah seni memberikan jawaban buruk terhadap masalah-masalah, yang
jika tidak, memiliki jawaban yang lebih buruk. (T.L. Saaty).
Definisi 4
Riset operasi adalah pendekatan dalam pengambilan keputusan yang ditandai dengan
penggunaan pengetahuan ilmiah melalui usaha kelompok antar disiplin yang bertujuan
menentukan penggunaan terbaik sumber daya yang terbatas. (Hamdi A. Taha).
Definisi 5
Riset operasi dalam arti luas dapat diartikan sebagai penerapan metode-metode, teknik-
teknik, dan alat-alat terhadap masalah-masalah yang menyangkut operasi-operasi dari
sistem-sistem, sedemikian rupa sehingga memberikan penyelesaian optimal.
(Churchman, Ackoff, dan Arnoff).
3
3. CIRI-CIRI RISET OPERASI
Ciri yang menonjol dalam riset operasi adalah sbb:
a. Riset Operasi merupakan pendekatan kelompok antar disiplin untuk mencari hasil
yang optimum.
b. Riset Operasi merupakan teknik penelitian ilmiah untuk mendapatkan solusi yang
optimum.
c. Riset Operasi hanya akan memberikan jawaban yang jelek terhadap persoalan jika
tersedia jawaban yang lebih jelek, sehingga Riset Operasi hanya memperbaiki kualitas
dari solusi.
Keilmiahan dan Seni Riset Operasi
Aspek keilmiahan dari OR terletak pada penyediaan teknik dan algoritma matematika
untuk menyelesaikan masalah. OR merupakan seni karena keberhasilan semua tahap
sebelum maupun sesudah solusi model sepenuhnya tergantung pada kreativitas dan
kemampuan personal pengambil keputusan. Harus ditekankan, suatu tim OR yang
berhasil diharapkan menunjukkan kemampuan yang memadai dalam segi ilmu
pengetahuan dan seni.
b. Analogue Model
Model analogue lebih abstrak disbanding model iconic, karena tak kelihatan sama antara
model dengan system nyata. Contohnya jaringan pipa tempat air mengalir dapat
digunakan dengan pengertian yang sama sebagai distribusi aliran listrik. Contoh lain
adalah petadengan bermacam-macamwarna merupakan model analog dimana
perbedaan warna menunjukan perbedaan cirri, misalnya biru menunjukan air, kuning
menunjukan pegunungan, hijau sebagai dataran rendah, dan lain-lain.
4
penyederhanaan – penyederhanaan dari realitas karena kepastian jarang terjadi. Model
probabilistic meliputikasus-kasus dimana diasumsikan ketidakpastian (uncertainty).
b. Pembentukan Model
Model merupakan ekspresi kuantitatif dari tujuan-tujuan dan kendala-kendala
persoalan dalam variable keputusan. Pengambil keputusan menentukan model yang
paling cocok untuk mewakili system.
c. Mencari Penyelesaian Masalah
Disini bermacam-macam teknik dan metode solusi kuantitatif merupakan bagian
utama dari Riset Operasi, diharapkan penyelesaian masalah yang didapat merupakan
aplikasi satu atau lebih dari teknik-teknik model.
d. Validasi Model
Asumsi-asumsi yang digunakan dalam membentuk model harus abash. Model harus
diperiksa apakah ia mencerminkan berjalanya system yang diwakili. Suatu metode
untuk menguji validitas model adalah dengan nmembandingkan kinerja model
dengan data dimasa lalu yang tersedia.
5
- Metode Numerik merupakan pendekatan yang berhubungan dengan perulangan
atau ncoba-coba prosedur-prosedur, melalui penggunaan perhitungan numeric
pada tiap tahapanya.
- Motode Monte Carlo merupakan pendekatan dengan teknik simulasi dimana
fungsi distribusi statistic dibuat melalui seperangkat bilangan random.
6
BAB I
LINEAR PROGRAMING
1. LINEAR PROGRAMING
Linear Programing (LP) : Merupakan model matematika pengalokasian sumber daya yang
langka dalam rangka mencapai tujuan tunggal untuk memaksimumkan laba atau
meminimumkan biaya dan bergantung pada jumlah variable input. Program Linier merupakan
salah satu teknik OR yang digunakan paling luas dan diketahui dengan baik.
Pioner dari Program Linier adalah George B. Dantzig dkk. Merupakan peneliti matematika
untukmemecahkan masalah logistic militer Angkatan Udara Amerika pada Perng Dunia II. Nama
asli teknik ini adalah Program Saling Ketergantungan Kegiatan-kegiatan dalam Suatu Struktur
Linier yang kemudian disingkat menjadi Linear Programing. Paper pertama yang berisi metode
solusi sekarang dikenal dengan Metode Simpleks,dipublikasikan Dantzig dkk tahun1947.
3. FORMULASI MODEL
Masalah yang sering dihadapi oleh pengambil keputusan adalah alokasi optimum dari sumber
daya yang langka. Sumber daya dapat berupa:
- Uang
- Tenaga Kerja
- Bahan Mentah
- Kapasitas Mesin
- Waktu
- Kapasitas Ruangan
- Teknologi
Setelah masalah diidentifikasi, tujuan ditetapkan dan selanjutnya adalah formulasi model
matematika yang meliputi tiga langkah:
a. Tentukan Variabel (variable keputusan) dan nyatakan dalam symbol matematika
b. Membentuk fungsi tujuan yang ditunjukan sebagai suatu hubungan linier (bukan perkalian)
dari variable keputusan
7
c. Menentukan kendala dari masalah tersebut dan mengekspresikan dalam persamaan dan
pertidaksamaan yang juga merupakan hubungan linier dari variable keputusan yang
mencerminkan keterbatasan sumber daya masalah tersebut.
Tabel 1.1
Jenis Produk Kebutuhan Sumber Daya Harga (Rp/unit)
Buruh (Jam/unit) Bahan (Kg/unit)
Produk 1 (Karpet A) 6 8 5
Produk 2 (Karpet B) 4 10 7
Produk 3 (Karpet C) 8 6 4
Masalah yang dihadapi perusahaan adalah menentukan jumlah masing masing produk yang harus
dihasilkan agar keuntungan maksimum, selanjutnya masalah tersebut dirumuskan dalam
model
a. Menentukan Variabel (variabel keputusan)
Dalam masalah ini variable ada tiga yaitu,
Variabel 1 adalahJumlahProduk 1 dilambangkan dengan X1
Variabel 2 adalahJumlah Produk 2 dilambangkan dengan X2
Variabel 3 adalah Jumlah Produk3 dilambangkan dengan X3
b. Fungsi Tujuan
Tujuan dari dari masalah kombinasi produk tersebut adalah untuk memaksimumkan
penerimaan total.
- Penerimaan total produk 1 (X1) adalah perkalian antara jumlah produk 1 dengan harga
per unit produk 1 (Rp 5)
- Penerimaan total produk 2 (X2) adalah perkalian antara jumlah produk 2 dengan harga
per unit produk 1 (Rp 7)
- Penerimaan total produk 3 (X3)adalah perkalian antara jumlah produk 1 dengan harga per
unit produk 3 (Rp 4)
c. Sistem Kendala
Dalam hal ini kendala yang dihadapi adalah jumlah buruh dan bahan mentah yang terbatas.
1) Kendala Buruh dengan jam kerja yang tersedia adalah 240 jam
- Produk 1 (X1) Jam kerja buruh untuk tiap unit adalah 6 jam ditulis 6X1 jam.
- Produk 1 (X2) Jam kerja buruh untuk tiap unit adalah 4 jam ditulis 4X2 jam.
- Produk 1 (X3) Jam kerja buruh untuk tiap unit adalah 8 jam ditulis 8X3jam.
Fungsi kendala (1)untuk Jumlah Buruh adalah :6X1 + 4X2 + 8X3 ≤ 240
8
2) Kendala Bahan Mentah
- Produk 1 (X1) bahan mentah untuk tiap unit adalah 8 kg ditulis 8X1 kg.
- Produk 1 (X2) bahan mentah untuk tiap unit adalah 10 kg ditulis 10X2 kg.
- Produk 1 (X3) bahan mentah untuk tiap unit adalah 6 jam ditulis 6X3 kg.
Fungsi kendala (2) untuk Jumlah Buruh adalah :8X1 + 10X2 + 6X3 ≤ 400
Ada batasan bahwa masing-masing variable hanya pada nilai positif karena tentunya tidak
masuk akal jika menghasilkan produk dengan jumlah negative. Kendala-kendala ini
dinamai dengan non-negativity constraints, secara matematika ditulis dengan :
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0
Masalah Linear Programing diatas secara lengkap secara matematis dapat dirumuskan
sebagai berikut:
Maksimum, Z = 5X1 + 7X2 + 4X3 .
Kendala 6X1 + 4X2 + 8X3 ≤ 240
8X1 + 10X2 + 6X3 ≤ 400
X1 , X2 , X3 ≥ 0
Bulog ingin mengangkut beras dari dua daerah surplus ke tiga daerah yang kekurangan pangan.
Pasokan dari daerah surplus dan permintaan dari daerah kekurangan serta ongkos angkut per unit
pada masing-masing jalur transportasi disajikan melalui data berikut:
Daerah Tujuan Pasokan
DKI Kaltim NTT
Jatim 8 5 6 120
Daerah asal
Sulsel 15 10 12 80
100 70 60 200
Permintaan
230
Permasalahan yang dihadapi bulog adalah menentukan pola pengiriman (distribusi) sedemikian rupa
sehingga biaya transportasi total dapat diminimumkan. Agar masalah ini dapat dirumuskan dalam
model LP diperlukan dua asumsi:
1) Hanya ada satu jenis beras sehingga kekurangan dapat diambil dari mana saja dan kelebihan
dapat diirim kemana saja.
2) Onkos angkut perunit adalah tetap atau tidak dipengaruhi oleh jumlah yang diangkut.
a. Variabel Keputusan
Yang harus dirumuskan disini adalah volume beras yang diangkut dari setiap daerah surplus ke
daerah kekurangan, Misalnya :
9
b. Fungsi Tujuan
Tujuan Bulog adalah menekan biaya transportasi total, maka fungsi tujuan dapat dituliskan
C. Fungsi Kendala
Kendalanya adalah jumlah permintaan lebih besar dari pasokan, berarti seluruh pasokan akan
habis, sehingga kendala pasokan bertanda =, tidak semua pasokan akan terpenuhi sehingga
kendala permintaan bertanda ≤ , maka model LP maslah tersebut menjadi:
10
Menyelasaiakan Permasalahan Maksimisasi dan minimisasi
A. Masalah Maksimisasi
Masalah maksimisasi biasanya akan berupa upaya untuk memaksimalkan keuntungan atau
hasil.
Contoh Soal Maksimisasi:
Sebuah prabrik akan memproduksi dua jenis produk yaitu kain sutera dan wol. Untuk
berproduksi dibutuhkan bahan baku benang sutera, bahan baku wol juga tenaga kerja.
Maksimum penyediaan benang sutera adalah 60 kg per hari, wol 30 kg per hari, dan tenaga
kerja 40 jam per hari, seperti tabel dibawah ini
Bahan Baku dan Kg bahan baku dan Jam Tenaga Kerja Maksimum
Tenaga kerja Kain Suteran (X1) Kain Wol (X2) Penyediaan
Benang Sutera 2 3 60 kg
Benang Wol - 2 30 kg
Tenaga Kerja 2 1 40 Jam
Kedua jenis produk akan memberikan keuntungan sebesar Rp 40 juta untuk kain sutera dan
Rp 30 Juta untuk kain wol.
Masalahnya: Dengan ketersediaan bahan baku dan tenaga kerja yang ada, Bagaimana
menentukan jumlah unit setiap jenis produk yang akan diproduksi setiap
hari agar keuntunganya maksimal (maksimisasi).
Langkah-langkah penyelesaian:
1) Variabel Keputusan ; X1 = Kain Sutera
X2 = Kian Wol
c. 2X1 + X2 = 40 -> X1 = 0 , X2 = 40
X2 = 0 , X1 = 40/2 = 20
11
X2
40
20
15 E D C 2
(3) 2X1 + X2 ≤ 40
A B
0 20 30 X1
Daerah Penyelesian
Titik D : 2X2 = 30 -> X2 = 15, - > 2X1 + 3X2 = 60 ,- > 2X1 + 3(15) = 60
2X1 + 45 = 60, -> 2X1 = 15
ZMax = 40X1 + 30X2 = 40 (7,5) + 30 (15) = 300 + 450 = 750
Kesimpulan:
Solusi optimal akan tercapai pada persilangan garis kendala (1) dan (3) yaitu pada titi C.
Jadi untuk memperoleh keuntungan maksimal, maka jumlah X1 = 15, dan jumlah X2 = 10,
dengan keuntungan sebesar Rp 900 juta.
B. Masalah Minimisasi
Permasalahan minimsiasi dapat berupa meminimumkan biaya produksi. Solusi optimal akan
dicapai pada saat garis fungsi tujuan menyinggung daerah yang terdekat dengan titik origin
(daerah fisible)
12
minimum perhari 16 unit dan Bahan sintetis 24 unit Tabel berikut menunjukan kebutuhan
Minimum per unit akan bahan dan biaya per unit dari produknya:
Jenis Jaket Bahan Kulit Bahan Sintetis Biaya per uniy (Rp,000)
Jaket A 4 4 200
Jaket B 2 6 160
Kebutuhan Minimum 16 24
Langkah-langkah penyelesaian:
1. Tentukan Variabel Keputusan:
X1 = Jaket model A
X2 = Jaket model B
2. Fungsi Tujuan:
Zmin = 200X1 + 160X2
3. Fungsi Kendala:
1) 4X1 + 2X2 ≥ 16 (Bahan kulit)
2) 4X1 + 6X2 ≥ 24 (bahan sintetis)
3) X1 ≥ 4
4) X2 ≥ 2
4. Membuat grafik
1. 4X1 + 2X2 = 16 X1 = 0 , X2 = 8
X2 = 0 , X 1 = 4
2. 4X1 + 6X2 = 24 X1 = 0 , X2 = 4
X2 = 0 , X 1 = 6
3. X1 = 2
4. X2 = 1
Solusi optimal diperoleh pada titik B (titik yang terdeket dengan titik origin), yaitu
persilangan garis (1) 4X1 + 2X2 ≥ 16 dengan garis (2) 4X1 + 6X2 ≥ 24
13
X2
(1) (3)
8
B (3,2)
1 A (4)
2 4 6 X1
Kesimpulan: Untuk memnimumkan biaya produksi, Maka Jaket A (X1) harus diproduksi 3
Unit perhari dan Jaket B (X2) harus diproduksi 2 unit. Dengan total biaya produksi Rp 920
ribu.
14
BAB II
METODE SIMPLEKS
Karena kesulitan menggambar grafik yang berdimensi banyak, maka penyelesaian masalah LP yang
melibatkan lebih dari dua variabel menjadi tidak praktis.Dalam keadaan ini kebutuhan metode solusi
yang lebih umum menjadi nyata. Metode umum ini dikenal dengan nama Algoritma Simpleks yang
dirancang untuk menyelesaikan masalah LP. Metode ini menyelesaikan masalah LP melalui
perhitungan ulang (iteration), dimana langkah perhitungan yang sama diulang berkali-kali sampai
solusi optimum tercapai.
Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier
adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan pada
teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim
satu per satu dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks
dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung dari iterasi
sebelumnya.
Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya :
1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai
tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi.
Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas
dalam sistem persamaan.
3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada
solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan
pertidaksamaan ≤ ) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan
≥ atau =). Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi pembatas
(tanpa fungsi non negatif).
4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada
solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang
ada, karena aktivitas belum dilaksanakan.
5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan variabel ini
terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel
basis.
6. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Penambahan ini terjadi pada
tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel
basis.
7. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan
bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini
terjadi pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena
kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas.
8. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada
kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).
9. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat
variabel keluar.
10. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan
baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.
15
11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi.
Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan
digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada
setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol.
BENTUK BAKU
Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal, pertama sekali
bentuk umum pemrograman linier dirubah ke dalam bentuk baku terlebih dahulu. Bentuk baku
dalam metode simpleks tidak hanya mengubah persamaan kendala ke dalam bentuk sama dengan,
tetapi setiap fungsi kendala harus diwakili oleh satu variabel basis awal. Variabel basis awal
menunjukkan status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan. Dengan kata
lain, variabel keputusan semuanya masih bernilai nol. Dengan demikian, meskipun fungsi kendala
pada bentuk umum pemrograman linier sudah dalam bentuk persamaan, fungsi kendala tersebut
masih harus tetap berubah.
Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku, yaitu :
1. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum, dirubah menjadi persamaan
(=) dengan menambahkan satu variabel slack.
2. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum, dirubah menjadi persamaan
(=) dengan mengurangkan satu variabel surplus.
3. Fungsi kendala dengan persamaan dalam benttuk umum,ditambahkan satu artificial variabel
(variabel buatan).
Contoh 2.1:
Penyelesaian Masalah dengan Prosedur Metode Simpleks
Toko Mainan Anak menjual 2 (dua) macam jenis mainan, yaitu mainan A dan mainan B. Kedua
produk berbahan baku yang sama, namun dalam jumlah yang berbeda. Bahan baku dan jumlah yang
dibutuhkan adalah Sbb:
16
Setiap menjual 1 buah A produk PMA bisa mendapatkan keuntungan sebesar $3. Keuntungan untuk
1 produk B sebesar $2. Berapa banyak produk yang harus dijual Pabrik PMA agar memperoleh
keuntungan maksimal (Maksimisasi)?
Diketahui:
a. Variabek Keputusan X1 = Produk A
X2 = Produk B
Menentukan Zj : X1 = (0 x 5) + (0 x 2) =0
X = (0 x 4) + (0 x 1) =0
X3 = (0 x 1) + (0 x 0) =0
X4 = (0 x 0) + (0 x 1) =0
Q = (0 x 100) + (0 x 30) = 0
Menentukan Cj – Zj : X1 = 3 – 0 = 3
X2 = 2 – 0 = 2
X3 = 0 – 0 = 0
X4 = 0 – 0 = 0
17
Tabel 2 :
Cj Basis X1 X2 X3 X4 Q R
- - 3 2 0 0 - -
0 X3 5 4 1 0 100 -
0 X4 2 1 0 1 30 -
- Zj 0 0 0 0 0 -
- Cj - Zj 3 2 0 0 - -
Kolom Kunci
Pada fungsi tujuan maksimisasi, jika nilai (Cj - Zj) masih ada yang bernilai positif (+) maka
hasilnya belum optimum. Jadi masih ada langkah/prosedur berikutnya. Namun sebelum
mengerjakan prosedur berikutnya, harus ditentukan dulu “ Angka Kunci “ .
Angka Kunci adalah angka yang terletak pada pertemuan baris dan kolom. Kolom Kunci adalah
dengan memilih kolom dengan nilai (Cj - Zj) paling besar, lalu beri kolom tersebut penanda
(diarsir).
Selanjutnya hitunglah nilai R (Rasio) dengan membagi nilai Q (Jumlah) dengan nilai di kolom
Kunci (X1), Yaitu : Nilai R pada baris X3 = 100/ 5 = 20
Nilai R pada baris X4 = 30/ 2 = 15
Tabel 3:
Cj Basis X1 X2 X3 X4 Q R
- - 3 2 0 0 - -
0 X3 5 4 1 0 100 20
0 X4 2 1 0 1 30 15
- Zj 0 0 0 0 0 -
- Cj - Zj 3 2 0 0 - -
18
- Beri tanda X3 yang baru menjadi X3’
- Menentukan Zj baru : X1 = (0 x 0) + (3 x 1) =3
X2 = (0 x 1,5) + (3 x 0,5) = 1,5
X3 = (0 x 1) + (3 x 0) =0
X4 = (0 x -2,5) + (3 x 0,5) = 1,5
Q = (0 x 25 ) + (3 x 15) = 45
- Menentukan Cj - Zj = X1 = 3 – 3 = 0
X2 = 2 – 1,5 = 0,5
X3 = 0 – 0 = 0
X4 = 0 – 1,5 = -1,5
Tabel 4:
Cj Basis X1 X2 X3 X4 Q R
- - 3 2 0 0 - -
0 X3’ 0 1,5 1 -2,5 25 -
3 X4’ 1 0,5 0 0,5 15 -
- Zj 3 1,5 0 1,5 45 -
- Cj - Zj 0 0,5 0 -1,5 - -
Pada tabel diatas nilai (Cj - Zj) masih ada yang positif maka tujuan maksimisasi hasilnya
belum optimum. Jadi masih ada prosedur berikutnya.
D. Langkah 3:
- Tentukan Angka Paksi dengan memilih kolom yang memiliki nilai (Cj - Zj) yang paling besar
dan positif, yaitu kolom X2 dengan Angka Paksi sebesar 0,5, dan beri arsir kolom X2 .
- Hitung nilai R dengan membagi antara Q dengan nilai kolom X2, Yaitu :
Nilai R pada baris X3’ = 25/1,5 = 50/3
Nilai R pada baris X4’ = 15/0,5 = 30
- Pilih baris dengan nilai R terkecil dan positif, yaitu baris X3’ (50/30)
Tabel 5:
Cj Basis X1 X2 X3 X3 Q R
- - 3 2 0 0 - -
0 X3’ 0 1,5 1 -2,5 25 50/3
3 X4’ 1 0,5 0 0,5 15 30
- Zj 3 1,5 0 1,5 45 -
- Cj - Zj 0 0,5 0 -1,5 - -
- Tentukan Angka Kunci yang merupakan perpotongan kolom X2 dengan X3’, Yaitu angka
1,5.
- Tentukan Baris X3’ baru dengan membagi angka dai baris X3’ dengan Angka Kunci (1,5).
Baris lama : 0/1,5 1,5/1,5 1/1,5 -2,5/1,5 25/1,5
Baris Baru : 0 1 0,6667 -1,6667 16,6667
19
- Menentukan angka dalam kolom X4” (baru):
X1 = 1 – (0,5 X 0) = 1
X2 = 0,5 – (O,5 X 1) = 0
X3 = 0 – (0,5 X 0,6667) = -0,3333 X4”
X4 = 0,5 – (0,5 X -1,6667) = 1,3333
Q = 15 – (0,5 X 16,6667) = 6,6667
Tabel 6 :
Cj Basis X1 X2 X3 X4 Q R
- - 3 2 0 0 - -
2 X3” 0 1 0,6667 -1,6667 16,6667 -
3 X4” 1 0 -0,3333 1,3333 6,6667 -
- Zj 3 2 0,3333 0,6667 53,3333 -
- Cj - Zj 0 0 - 0,3333 -0,6667 - -
- Menentukan Zj :
X1 = (2 X 0) + (3 X 1) =3
X2 = (2 X 1) + (3 X 0) =2
X3 = (2 X 0,6667) + (3 X ( -0,3333)) = 0,3333
X4 = (2 X (-1,6667)) + (3 X 1,3333) = 0,6667
Q = (2 X 16,6667) + (3 X 6,6667) = 53,3333
- Menentukan Cj - Zj :
X1 = 3 -3 = 0
X2 = 2 – 2 = 0
X3 = 0 – 0,3333 = - 0,3333
X4 = 0 – 0,6667 = - 0, 6667
Hasil Cj - Zj sudah tidak ada yang positif maka solusi sudah optimum (angka nol dianggap
negatif). Jadi solusinya adalah agar perusahaan mampu menjual produk A sebanyak 6,6667
buah dan Produk B sebanyak 16,6667 buah untuk mendapatkan keuntungan maksimun
sebesar $ 53,3333.
20
Contoh 2.2 :
Bu Ani membuat usaha kue, Setelah membuat perencanaan Bu Ani akan memproduksi tiga jenis
kue Tar yaitu keu A, Kue B, Kue C. Bu Ani turun langsung dalam pembuatan kue dan dibantu oleh
1 (satu) orang tenaga kerja. Jam kerja yang dibutuhkan dalam sehari ditargetkan selama 9 jam.
Untuk membuat kue tar dibutuhkan bahan sbb:
Kue A : 300 gram tepung terigu dan 200 gram gula untuk 1 kue A
Kue B : 500 gram tepung terigu 400 gram gula untuk 1 kue B
Kue C : 400 gram tepung terigu 500 gram gula untuk 1 kue C
Jam kerja yang dibutuhkan adalah 60 untuk kue A dan 120 menit untuk kue B dan C. Dalam satu
hari Bu Ani hanya akan menggunakan 6 kg tepung terigu dan 4 kg gula untuk memproduksi kue-
kuenya. Harga jual yang direncanakan untuk masing masing kuadalah: Kue A = Rp 15.000, Kue B =
Rp 30.000 dan Kue C = Rp 20.000 dari penjualan tersebut Bu Ani menargetkan laba 40% dari
harga jual.
Bagaimana sebaiknya Bu Ani mengatur jenis kue yang harus diproduksi agar setiap hari
mendapatkan keuntungan yang maksimum? Dan berapa keuntungan maksimum yang bisa
diperoleh dalam 1 hari?
Catatan:
- Tenaga kerja duan orang yakni Bu Ani dan iarang karyawan jam kerja 9 jam, maka:
2 x 9 jam = 18 jam, 18 jam x 60 menit = 1080 menit
Diketahui :
c. Fungsi Kendala :Tepung (gram) -> 300X1 + 500BX2+ 400X3 < 6000
Gula (gram) -> 200X1 + 400X2 + 500X3 < 4000
Tenaga Kerja (menit) -> 60X1 + 120X2 + 120X3 < 1080
21
Tabel 1.
Cj - 6000 1200 8000 -
- - X1 X2 X3 X4 X5 X6 Q R
0 X4 300 500 400 1 0 0 6000
0 X5 200 400 500 0 1 0 4000
0 X6 60 120 120 0 0 1 1080
- Zj
- C j - Zj
- Nilai R dicari dengan membagi nilai Q dengan nilai pada kolom Kunci
- Kolom kunci dari masalah diatas adalah Kolom X2, dan Angka Kunci adalah 120.
- Menentukan nilai Zj :
X1 = (0 X 300) + (0 X 200) + (0 X 60) =0
X2 = (0 X 500) + (0 X 400) + (0 X 120) =0
X3 = (0 X 400) + (0 X 500) + (0 X 120) =0
X4=(0 X 1) + (0 X 0) + (0 X 0) =0
X5=(0 X 0) + (0 X 1) + (0 X 0) =0
X6=(0 X 0) + (0 X 0) + (0 X 1) =0
Q =(0 X 6000) + (0 X 4000) + (0 X 1080) = 0
Tabel 2:
Cj - 6000 1200 8000 -
- - X1 X2 X3 X4 X5 X6 Q R
0 X4 300 500 400 1 0 0 6000 12
0 X5 200 400 500 0 1 0 4000 10
0 X6 60 120 120 0 0 1 1080 9
- Zj 0 0 0 0 0 0 0 -
- C j - Zj 6000 12000 8000 - - -
- Dari tabel diatas ketahui Angka KUNCI adalah 120, Maka angka pada X6’ adalah:
Baris Lama : 60/120 120/120 120/120 0/120 0/120 1/120 1080
Baris Baru (X6’) : 1/2 1 1 0 0 1/120 9
- Menentukan angka pada baris X4’ ( baru) :
X1 = 300 – (1/2 X 500) = 50
X2 = 500 – (1 X 500) = 0
X3 = 400 – (1 X 500) = -100
X4 = 1 – (0 X 500) =1
X5 = 0 – (0 X 500) =0
X6 = 0 – (1/120 X 500) = -25/6
Q = 6000 – (9 X 500) = 1500
22
Tabel 3:
Cj - 6000 12000 8000 -
- - X1 X2 X3 X4 X5 X6 Q R
0 X4’ 50 0 -100 1 0 -25/6 1500 -
0 X5’ 0 0 100 0 1 -10/3 400 -
12000 X6’ 1/2 1 1 0 0 1/120 9 -
- Zj ’ 6000 12000 12000 0 0 100 108000
- C j - Zj ’ 0 0 -400 0 0 -100
23
BAB III
MASALAH PRIMAL DAN DUAL
1. TEORI DUALITAS
Dari sudut pandang teiri maupun praktik, teory duaitas merupakan suatu konsep yang
sangat penting dan menarik dalam Program Linier. Istilah dualitas menunjukan bahwa
kenyataan pada setiap LP terdiri atas dua bentuk :
- Bentuk pertama atau bentuk asli dinamakan “Primal”, sementara bentukkedua
yang berhubungan dinamakan ‘Dual” hingga suatu solusi terhadap LP yang asli
juga memberikan solusi pada bentuk dualnya.
- Jadi, jika suatu LP diselesaikan dengan metode simpleks, sesungguhnya diperoleh
penyelesaian untuk dua masalah LP.
Contoh:
Tabel 3.1 dibawah ini menampilkan masalah penyediaan makanan untuk vegetarian oleh sebuah
restoran, dimana jumlah mineral dan vitamin pada dua jenis makanan tiruan, yaitu daging dan sayur
tiruan per unit, serta harganya.
Jenis Makanan Kebutuhan Minimum
Daging Sayur per Hari
(satuan per unit) (satuan per unit)
Mineral 2 4 40
Vitamin 3 2 50
Harga per Unit 3 2,5
Masalahnya adalah menentukan biaya pembelian sejumlah daging dan sayuran hingga kebutuhan
minimum per hari akan vitamin dan mineral terpenuhi (primal).
- Rumuskan masalah secara matematika misalnya Xj( j = 1,2...) adalah jumlah daging dan
sayuran yang dibeli, dan masalahnya menentukan jumlah X1 dan X2 yang tepat
- Sehingga:
Minimumkan; Z = 3X1 + 2,5 X2
Dengan Syarat: 2X1 + 4X2 ≥ 40
3X1 + 2X2 ≥ 50
X1 , X2 ≥ 0
Selanjutnya pikirkan masalah yang berbeda (dual), yang berhubugan dengan masalah yang pertama
(primal).
- Misalkan ada sebuah toko A menjual vitamin dan mineral. Pemilik restoran mengetahui
benar bahwa daging dan meneral yang dijual memIliki nilai karena kandungan vitamin dan
mineralnya. Pemilik restoran membeli vitamin dan mineral dari toko A untuk membuat
daging dan sayuran tiruan.
- Masalah selanjutnya dari Toko A adalah menetapkan harga jual per unit dari VITAMIN dan
MINERAL agar harga daging dan sayur yang dijual restoran tidak melebihi harga pasar.
- Misalkan Toko A menetapkankan menjual harga daging per unit sebesar Y1 dan harga
sayuran Y2, maka masalah dialer dapat dirumuskan secara matematika menjadi:
24
Jenis Makanan Kebutuhan Minimum
Daging Sayur per Hari
(satuan per unit) (satuan per unit)
Mineral 2 4 40
Vitamin 3 2 50
Harga per Unit 3 2,5
Minimumkan: W = 40 Y1 + 50 Y2
2Y1 + 3Y2 ≤ 3
4Y1 + 2Y2 ≤ 2,5
Y1 , Y 2 ≥ 0
Bentuk LP yang terakhir ini disebut dengan masalah Dual, dan Y1 , Y2 dinamakan variabel dual.
Biala maslah primal dibandingkan dengan masalah dual dapat di bedakan sebagai berikut:
- Koefisien fungsi tujuan dalam masalah primal menjadi konstanta sisi kanan masalah dual,
dan sebaliknya konstan sisi kanan primal menjadi koefisian fungsi tujuan dual.
- Tanda pertidaksamaan kendala dibalik.
- Tujuan diubah dari minimisasi (maksimisasi) dalam primal diubah menjadi maksimisasi
(minimisasi) dalam dual.
- Setiap kolom pada primal berhubungan dengan suatu baris (kendala) dalam dual.
Sehingga banyaknya kendala dual sama banyaknya dengan variabel primal.
- Setiap baris kendalapada primal berhubungan dengan suatu kolom dalam dual. Sehingga
ada satu variabel dual untuk setiap kendala primal.
- Bentuk dual dari dual dalah primal.
Primal
Minimumkan: Z = 2X1 + X2
Fungsi batasan : X1 + 5X2 ≤ 10
X1 + 3X2 ≤ 6
2X1 + 2X2 ≤ 8
X1 , X2 ≥ 0
Primal
Maksimumkan: Z = X1 + 3X2 - 2X2
Fungsi batasan: 4X1 + 8X2 + 6X3 = 25
7X1 + 5X2 + 9X3 = 30
X1 , X 2 , X3 ≥ 0
25
BAB IV
MODEL TRANSPORTASI
Pada umumnya, masalah transportasi berhubungan dengan distribusi suatu produk tunggal dari
beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuan, dengan permintaan
tertent, dan pada biaya transportasi minimum. Kalu hanya satu barang, suatu ntempat tujuan bisa
terpenuhi permintaanya dari satu atau lebih sumber.
Asumsi dasar dari model transportasi adalah bahwa biaya transport pada suatu rute tertentu akan
proporsional dengan banyaknya unit yang dikirimkan. Definisi unit yang dikirimkan akan
tergantung pada jenis produk yang diangkut dan yang penting “ satuan penawaran dan permintaan
produk harus konsisten”.
Sebuah model transportasi akan berupa suatu jaringan yang dapat digambarkan seperti contoh
berikut. Misalnya suatu produk yang dihasilkan oleh tiga pabrik (sumber) harus di distribusikan ke
tiga sumber (gudang). Setiap pabrik memiliki kapasitas produksi tertentu, dan setiap gudang
memiliki jumlah permintaan tertentu terhadap produk tersebut.
Dengan diketahuinya biaya transportasi per unit dari masing-masing sumber ke gudang tujuan akan
muncul permasalahan yang mendasar yaitu, menentukan jumlah barang yang harus dikirim dari
masing-masing pabrik ke masing- masing gudang dengan meminimumkan biaya transportasi.
Kendala dalam masalah ini adalah bahwa permintaan pada setiap gudang harus dipenuhi tanpa
melebihi kapasitas produksi pada tiap pabrik, Maslah in I diilustrasikan dalam suatu model jaringan
transportasi produk ppupukgambar 3.1 dibawah ini:
Gambar 4.1 :
Cirebon 1. Semarang
Bandung 2. Jakarta
Cilacap 3. Purwokerto
26
Permintaan 150 70 60 280
Masalah transportasi ini dapat diilustrasikan sebagai suatu model jaringan seperti gambar berikut
4.2
Sumber (Pabrik) Volume yang diangkut Tujuan (Gudang)
Supply Demand
S1 = 120 D1 = 150
S2 = 80 D2 = 70
S3 = 80 D3 = 60
- Misalnya Xij : Banyaknya unit barang yang dikirim ke pabrik, ) dimana i = 1,2,3 ke pasar j
dimana j = 1,2,3, maka:
Minimumkan Z = 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23 + 3X31 + 9X32 + 10X33
Dengan syarat : X11 + X12 + X13 = 120 (supply pabrik 1)
X21 + X22 + X23 = 80 (supply pabrik 2)
X31 + X32 + X33 = 80 (supply pabrik 3)
X11 + X12 + X13 = 150 (demand pabrik 1)
X21 + X22 + X23 = 70 (demand pabrik 2)
X31 + X32 + X33 = 60 (demand pabrik 3)
Dan Semua Xij ≥ 0
Kendala model menunjukan jumlah yang bisa ditawarkan oleh masing-masing sumber dan
jumlah yang diminta masing-masing pasar. Asumsi persamaan diatas bahwa semua
permintaan akan dipenuhi. Fungsi tujuan adalah biaya total dalambangkan dengan Cij
sebagai biaya transport dari pabrik i ke gudang j, sehingga rumus umum biaya transportasi
termurah berupa m = daerah asal dan n = daerah tujuan:
m n
Minimumkan Biaya Transport Total = ∑ ∑ Cij Xij
I=1 I=1
m
Dengan Syarat = ∑ Xij = Si (penawaran i = 1,2,3,...m)
I=1
n
Dengan Syarat = ∑ Xij = Dj (peermintaan j = 1,2,3,..n)
m=1
Semua X > 0
27
m m m n
Kondisi keseimbangan : ∑ S1 = ∑ Xij = ∑ Xij = ∑ Dij
i =1 i=1 i=1 i=1
Jika diperhatikan, semua koefisien matriks kendala pada model ini adalah sama dengan 1. Sifat-sifat
model ini mengakibatkan penggunaan metode solusi khusus (Tabel Transportasi) perhitunganya
lebih efisien dibanding dengan metode simpleks.
1. Metode NWC
2. Metode Least Cost
3. Metode VAM
Contoh 4.1
Soal:
PT. MAJU memiliki 4 pabrik yaitu; Pabrik A, B,C Dan D yang memproduksi cendramata unik. Masing
masing pabrik memiliki kapasitas Sbb: Pabrik A = 3.000 unit, Pabrik B = 2.000 Unit, Pabrik C = 2.500
Unit, dan Pabrik D = 1.500 Unit.
Tabel berikut adalah biaya transportasi (dalam Rp) perunit yang dikeluarkan PT MAJU.
Pabrik Tujuan
Bekasi Bogor Bandung Karawang
A 5.000 4.000 8.000 6.000
B 2.500 2.000 4.000 5.000
C 1.500 1.000 2.000 4.000
D 7.000 6.000 5.000 8.000
Jika perusahaan ingin meminimalkan biaya transportasi, maka tentukanlah alokasi jumlah unit yang
tepat harus dikirim dari masing-masing pabrik ke kemasing-masing tujuan dengan menggunakan
metode NWC, Least Cost, dan Metode VAM.
28
1. Penyelesaian dengan Metode NWC:
PT. MAJU memiliki 4 pabrik yaitu; Pabrik A, B,C Dan D yang memproduksi cendramata unik.
Masing masing pabrik memiliki kapasitas Sbb: Pabrik A = 3.000 unit, Pabrik B = 2.000 Unit,
Pabrik C = 2.500 Unit, dan Pabrik D = 1.500 Unit.
PT MAJU menyalurkan produknya ke 4 distributor di 4 wilyahberbeda, yaitu : Bekasi, Bogor,
Bandung, dan Karawang.Total permintaan keempat distributor tersebut adalah 9.000 unit
dengan rincian; Bekasi = 3.000 unit , Bogor = 1.500 unit, Bandung = 2.500, dan Karawang =
2.000. Data lengkapnya adalah sbb:
Tabel berikut adalah biaya transportasi (dalam Rp) perunit yang dikeluarkan PT MAJU.
Pabrik Tujuan
Bekasi Bogor Bandung Karawang
A 5.000 4.000 8.000 6.000
B 2.500 2.000 4.000 5.000
C 1.500 1.000 2.000 4.000
D 7.000 6.000 5.000 8.000
Masalahnya : Tentukanlah alokasi jumlah unit yang tepat harus dikirim dari masing-masing pabrik ke
kemasing-masing tujuan dengan menggunakan metode NWC.
- Isi (alokasikan) mulai dari kotak yang berada dipojok kiri sesuai dengan permintaan dan
penawaran yang tersedia. Contoh; Bekasi memerlukan 3.000 unit dan suplai yang tersedia
dipabrik A 3.000 unit. Maka pabrik A bisa langsung memenuhi seluruh kebutuhan Bekasi.
- Alokasikan sebanyaknya ke sel fisibel berikutnya yang berdekatan, yaitu kotak yang
berada disebelah kanan kotak A-> Bogor. Namun karena Pabrik A sudah tidak bisa lagi
mensuplai lagi. Langsung aja pindahkan perhatian ke kotak dibawah A -> Bekasi ke kotak
yang berada dibawahnya yang dimulai dari kotak palinh kiri yaitu Kotak B -> Bekasi. Bekasi
tidak membutuhkan suplay dari pabrik B maka kita langsung saja pindah kekotak sebelah
kananya yaitu B -> Bogor dst prosedur akan diulang-ulang.
29
Pabrik Tujuan Supply
Bekasi Bogor Bandung Karawang (unit)
A (5.000) (4.000) (8.000) (6.000) 3.000
3.000
B (2.500) (2.000) (4.000) (5.000) 2.000
1.500 500
C (1.500) (1.000) (2.000) (4.000) 2.500
2000 500
D (7.000) (6.000) (5.000) (8.000) 1.500
1.500
Demand (unit) 3.000 1.500 2.500 2.000 9.000
30
Hasil Perhitungan dengan metode Least Cost:
Tahap 1.
31
Tahap 2.
Tahap 3.
Tahap 4.
Tahap 5.
32
Hasil Perhitungan dengan metode VAM:
4. METODE MODI
Dengan metode MODI akan dilakukan pengujian apakah masih ada perhitungan biaya lain yang
lebih rendah dibanding dengan metode Least Cost (Minimum Cost) dan ternyata masih ada
biaya yang lebih rendah.
Untuk itu perhitungan dengan metode Modi dalam rangka menperoleh biaya terendah dapat
dilihat sbb:
- Misalkan tabel awal yang digunakan adalah tabel Least Cost
- Buat variabel Ri dan Kj untuk masing-masing baris dan kolom
- Hitunglah sel yang berisi nilai tiap tabel dan tiap kolom dengan rumus
Ri + Kj = C Dimana Ri = Baris
Kj = Kolom
C = Biaya
33
Jumlah kotak yang terpakai adalah (6) < 4 + 4 - 1 (7), merupakan penjumlahan dari “Jumlah
kolom + jumlah baris – 1” , maka kasus diatas dinamakan degenerasi dan perlu dibentuk artificially
occuppied cell, dipilih C11:
C11 = R1 + K1 - > 5000 = 0 + K1 -> K1= 5000
C13 = R1 + K3 –> 8000 = 0 + K3 -> K3 = 8000
C14 = R1 + K4 -> 6000 = 0 + K4 -> K4 = 6000
C21 = R2 + K1 –> 2500 = R2 + 5000 -> R2 = -2500
C31 = R3 + K1 -> 1500 = R3 + 5000 -> R3 = -3500
C32 = R3 + K2 -> 1000 = -3500 + K2 -> K2 = 4500
C43 = R4 + K3 -> 5000 = R4 + 8000 -> R4 = -3000
IMPROVEMENT INDEKS
Kotak Cij - Ri - Kj
12 4000 - 0 - 4500 = -500
22 2000 - (-2500) - 4500 = 0
23 4000 - (-2500) - 8000 = -1500
24 5000 - (-2500) - 6000 = 1500
33 2000 - (-3500) - 8000 = -2500
34 4000 - (-3500) - 6000 = 1500
41 7000 - (-3000) - 5000 = 5000
42 6000 - (-3000) - 4500 = 4500
Pabrik Tujuan
Bekasi Bogor Bandung
A + 0 -1000
1000 0
B 2000
C -1000 1.500 +
0 1.000
Kotak yang bertanda (+) akan ditambah 1.000 dan yang bertanda (-) akan dikurangi 1.000 unit.
Jumlah kotak yang terpakai (6) < 4 + 4 – 1 (7) maka kasus diatas kembali mengalami degenerasi:
34
C11 = R1 + K1 - > 5000 = 0 + K1 -> K1= 5000
C12 = R1 + K2 –> 4000 = 0 + K2 -> K3 = 4000
C14 = R1 + K4 -> 6000 = 0 + K4 -> K4 = 6000
C21 = R2 + K1 –> 2500 = R2 + 5000 -> R2 = -2500
C32 = R3 + K2-> 1500 = R3 + 5000 -> R3 = -3500
C32 = R3 + K3 -> 1000 = -3000 + K3 -> K3 = 5000
C43 = R4 + K3 -> 5000 = R4 + 5000 -> R4 = 0
IMPROVEMENT INDEKS
Kotak Cij - Ri - Kj
13 8000 - 0 - 5000 = 3000
22 2000 - (-2500) - 4000 = 0
23 4000 - (-2500) - 5000 = 1500
24 5000 - (-2500) - 6000 = 1500
31 1500 - (-3500) - 5000 = -500
34 4000 - (-3000) - 6000 = 1000
41 7000 - 0 - 5000 = 2000
42 6000 - 0 - 4000 = 2000
44 8000 - 0 - 6000 = 2000
Pabrik Tujuan
Bekasi Bogor
A - 1000 + 0
0 1000
B 2000
C + -1.500
1000 500
Kotak yang bertanda (+) akan ditambah 1.000 dan yang bertanda (-) akan dikurangi 1.000 unit.
35
IMPROVEMENT INDEKS
Kotak Cij - Ri - Kj
11 5000 - 0 - 4500 = 500
13 8000 - 0 - 5000 = 3000
22 2000 - (-2000) - 4000 =0
23 4000 - (-2000) - 5000 = 1000
24 5000 - (-2000) - 6000 = 1000
34 4000 - (-3000) - 6000 = 1000
41 7000 - 0 - 4500 = 2500
42 6000 - 0 - 4000 = 2000
44 8000 - 0 - 6000 = 2000
Pabrik Tujuan
Bekasi Bogor
A - 2000 + 500
1500
C + 1000 -500
1500 0
Kotak yang bertanda (+) akan ditambah 500 dan yang bertanda (-) akan dikurangi 500 unit.
Pabrik Tujuan Supply
Bekasi Bogor Bandung Karawang (unit)
A (5.000) (4.000) (8.000) (6.000) 3.000
1000 2.000
B (2.500) (2.000) (4.000) (5.000) 2.000
1500 500
C (1.500) (1.000) (2.000) (4.000) 2.500
1500 1000
D (7.000) (6.000) (5.000) (8.000) 1.500
1.500
Demand (unit) 3.000 1.500 2.500 2.000 9.000
Oleh karena nilai improvement indeks seluruhnya sudah tidak ada yang negatif, maka solusi sudah
optimal, dengan rincian biaya sbb:
Pabrik Tujuan Unit Biaya (Rp) Total Biaya (Rp)
A Bogor 1.000 4.000 4.000.000
A Kerawang 2.000 6.000 12.000.000
B Bekasi 1.500 2.500 3.750.000
B Bogor 500 2.000 1.000.000
C Bekasi 1.500 1.500 2.250.000
C Bandung 1.000 2.000 2.000.000
D Bandung 1.500 5.000 7.500.000
Total 32.500.000
36
BAB V
MASALAH PENUGASAN (ASSIGMENT PROBLEM)
1. PENUGASAN
Masalah penugasan menyangkut penempatan para pekerja pada bidang yang tersedia
agar biaya yang ditanggung dapat diminimumkan. Metode yang digunakan untuk
perhitungan penugasan adalah metode Hungarian. Jika pekerja dianggap sumber, dan
pekerjaan dianggap tujuan, maka model ini mirip dengan model transportasi. Bedanya pada
penugasan jumlah pasokan pada setiap “ sumber” dan jumlah permintaan pada setiap
“tujuan” adalah 1 (satu). Ini menjelaskan bahwa setiap pekerja hanya menangini satu
pekerjaan, dan sebaliknya setiap pekerjaan hanya ditangini oleh satu pekerja “ Jumlah n
sumber mencaku n tugas, sehingga ada n! (n faktoril)”.
Masalah penugasan dapat dijelaskan dengan menggunakan matriks segi empat, dimana
baris-barisnya menunjukkan sumber dan kolom-kolomnya menunjukkan tugas-tugas.
A. Masalah Minimisasi
Contoh 5.1:
Perusahaan Kecil memiliki 4 pekerjaan yang harus diselesaikan oleh 4 karyawan. Setiap
karyawan memiliki penugasan yang berbeda dengan biaya yang berbeda, sehingga biaya
penyelesaian setiap unit pekerjaan oleh masing maing karyawan juga beda. Tabel biaya Sbb:
Tabel 1:
Pekerjaan I II III IV
Karyawan
Rony Rp 150 Rp 200 Rp 180 Rp 220
Hadi Rp 140 Rp 160 Rp 210 Rp 170
Herman Rp 250 Rp 200 Rp 230 Rp 200
Doni Rp 170 Rp 180 Rp 180 Rp 160
37
Tabel 2:
Pekerjaan I II III IV
Karyawan
Rony 0 50 30 70
Hadi 0 20 70 30
Herman 50 0 30 0
Doni 10 20 20 0
Tabel 3:
Pekerjaan I II III IV
Karyawan
Rony 0 50 (30-20) = 10 70
Hadi 0 20 (70-20) = 50 30
Herman 50 0 (30-20) = 10 0
Doni 10 20 (20-20) = 0 0
Tabel 4:
Pekerjaan I II III IV
Karyawan
Rony 0 50 10 70
Hadi 0 20 50 30
Herman 50 0 10 0
Doni 10 20 (0 0
38
Tabel 5:
Pekerjaan I II III IV
Karyawan
Rony 0 40 0 60
Hadi 0 10 40 20
Herman 60 0 10 0
Doni 20 20 0 0
B. Masalah Maksimisasi
Alokasi karyawan juga bisa bertujuan untuk memaksimumkan keuntungan, yaitu bila
yang dijadikan ukuran untuk menentukan efisiensi itu berupa besarnya keuntungan atau
manfaat yang bisa diambil.
Contoh:
Sebuah perusahaan memiliki 4 orang karyawan yang memiliki 4 tugas yang berbeda,
dimana setiap karyawan harus memeberikan keuntungan sesuai dengan jenis
pekerjaanya.
Langkah-langkah pengerjaanya:
1) Membuat Opportunity Lost Matrix
Tabel 2:
Pekerjaan I II III IV
Karyawan
Rony 8 0 8 16
Hadi 4 20 24 0
Herman 4 0 8 4
Doni 12 4 32 0
39
2) Membuat Total Opportunity Lost Matrix
Dengan cara merubah nilai pada kolom yang belum memiliki nilai angka 0, dengan
mengurangi angka pada kolom dengan nilai terkecil, Misalnya kolom I (8-4 = 4, 4 – 4 =
0, 4 – 4 = 0, 12 – 4 = 8)
2 3 4
4) Membuat Matrik Keuntungan
Penugasan Biaya
Rony -> II Rp 48
Hadi -> I Rp 56
Herman -> III Rp 28
Doni -> IV Rp 64
Rp 196
Bila jumlah pekerjaan lebih besar dari jumlah karyawan, maka harus ditambahkan
karyawan semu (Dummy worker). Biaya semu sama dengan nol karena tidak akan ada
biaya jika pekerjaan ditugaskan ke karyawan semu. Bila Jumlah karyawan lebih banyak
dari pekerjaan ditambahkan pekerjaan semu (dummy jobs).
Tabel 1:
Pekerjaan A B C D E
Karyawan
Ani 16 18 20 15 14
Budi 9 25 17 20 11
Candra 14 20 15 42 10
Dedi 10 15 18 32 9
Masalah:
- Pekerjaan apa yang memmerlukan tambahan karyawan baru
40
- Bagaimana alokasi masing-masing Karyawan beserta biayanya.
Tabel 2:
Pekerjaan A B C D E
Karyawan
Ani 16 18 20 15 14
Budi 9 25 17 20 11
Candra 14 20 15 21 10
Dedi 10 15 18 16 9
Dummy 0 0 0 0 0 2
1 3
Tabel 3:
Pekerjaan A B C D E
Karyawan
Ani 16 18 20 15 14
Budi 9 25 17 20 11
Candra 14 20 15 21 10
Dedi 10 15 18 16 9
Dummy 0 0 0 0 0 2
1 4 5 3
Tabel 4:
Pekerjaan A B C D E
Karyawan
Ani D
Budi A
Candra C
Dedi E
Dummy X
Kesimpulan:
- Pekerjaan yang belum ada pekerjanya adalah pekerjaan B
41
- Alokasi masing-masing Karyawan beserta biayanya
Latihan 5.1:
42
Perusahaa Nasional memiliki 3 tenaga ahli yang berdomisili di tiga daerah. Mereka akan
dikirim ke tiga daerah lain yang lebih membutuhkan. Berikut ditunjukkan biaya perjalanan
dari 3 ahli ke setiap daerah (Rp,0.000).
Solusi:
- Solusi optimum tercapai apabila setiap ahli dapat ditugasi ke setiap daerah dan
setiap daerah hanya diisi satu ahli.
- Lahkah pertama adalah menyusun total opprtunity cost table, caranya dengan
mengurangi angka pada setiap baris dengan angka terkecil pada baris itu. (25 – 25,
31-25, 35-25 dst) pengurangan akan menghasilkan:
- Tak peduli bagaimana cara menutup angka-angka nol, jumlahh garis minimum
yang diperlukan adalah 3, sehingga penugasan adalah:
- Ahli dari jakarta ditugaskan ke Pontianak (25), ahli dari Surabya ditugaskan ke
Yogya (20), dan ahli dari Makasar ditugaskan ke Denpasar (17), jumlah total ahli
yang ditugaskan: 25 + 20 + 17 = 62 Karyawan Ahli
43
Domisili Ahli Tujuan
Pontianak Yogya Denpasar
Jakarta 25 31 35
Surabaya 15 20 24
Makasar 22 19 17
44
DR. HANI HANDOKO MBA
TARGET PENYELESAIAN:
PROGRAM LINIER
SIMPLEKUALITAS
TRANSPORTASI
PENUGASAN
45