SL Syilla PDF

Perbandingan Anatara Karagul-Sahin Aproximation Method
(KSAM) dengan Vogel Aproximation Method (VAM) Untuk

Mendapatkan Solusi Awal Masalah Transportasi
STUDI LITERATUR
Disusun untuk memenuhi syarat kelulusan pada mata kuliah studi literatur di
Jurusan Matematika
Oleh :
Siti Nurlela
1167010068
JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI
BANDUNG
2019
2
LEMBAR PENGESAHAN
Sebuah Metode Pendekatan Baru Untuk Mendapatkan Solusi Layak Dasar Awal
Masalah Transportasi
STUDI LITERATUR
JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI BANDUNG
Oleh :
Siti Nurlela
1167010068
Bandung
i
ABSTRAK
NAMA : Siti Nurlela
NIM : 1167010068
Judul : Sebuah Metode Pendekatan Baru Untuk Mendapatkan

Solusi Layak Dasar Awal Masalah Transportasi
Salah satu masalah penting di bidang optimasi adalah masalah transportasi.

Masalah transportasi merupakan bentuk khusus program linier yang membutuhkan
metode penyelesaian yang lebih efektif dari metode simplex. Masalah tranportasi
ini berkaitan dengan perencanaan biaya transportasi minimum untuk di
distribusikan ke sejumlah titik permintaan dari sejumlah sumber tertentu. Sasaran
dalam masalah transportasi adalah mengalokasikan barang yang ada dalam
persediaan atau sumber sehingga terpenuhi ke seluruh lokasi permintaan. Dalam
literature ini telah di masukan beberapa metode untuk menyelesaikan masalah
transportasi ini yaitu metode North West Corner (NWC), The Matrix Minima
(MM), The Row Minima (RM), The Coloumn-Minima (CLM), Vogel
Aproximation Method (VAM) dan Russel’s Approximation (RAM). Metode-
metode ini biasa di gunakan untuk mendapatkan solusi awal atau solusi optimal.
Dalam penelitian ini penulis mengusulkan metode baru untuk mendapatkan solusi
layak awal yaitu metode KSAM ( Karagul- Sahin Approximation Method). Metode
KSAM ini di bandingkan dengan enam metode tadi untuk menyelesaikan 24
permasalahan yang bertujuan untuk mendapatakan solusi layak awal. Penelitian ini
menunjukan bahwa Metode KSAM memperoleh solusi layak dasar awal terbaik
untuk 17 dari 24 masalah dengan perhitungan yang luar biasa. Kesimpulannya,
Solusi yang di usulkan sama baiknya dengan Metode VAM dan NWC.
Kata Kunci : Metode Pendekatan baru, Solusi Layak dasar Awal, Karagul – Sahin
Approximation Method (KSAM)
ii
ABSTRACT
iii
KATA PENGANTAR
iv
DAFTAR ISI
LEMBAR PENGESAHAN ..................................................................................... i

ABSTRAK .............................................................................................................. ii
ABSTRACT ........................................................................................................... iii
KATA PENGANTAR ........................................................................................... iv
DAFTAR ISI ........................................................................................................... v
DAFTAR GAMBAR ............................................................................................ vii
DAFTAR TABEL ................................................................................................ viii
DAFTAR SIMBOL ................................................................................................ ix
DAFTAR LAMPIRAN ........................................................................................... x
BAB 1 PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Rumusan Masalah .................................................................................... 2
1.3 Batasan Masalah ....................................................................................... 2
1.4 Tujuan penelitian ...................................................................................... 2
1.5 Ruang Lingkup Penelitian ........................................................................ 3
1.6 Sistematika Penulisan ............................................................................... 3
BAB II LANDASAN TEORI ................................................................................. 4
2.1 Riset Operasi ............................................................................................ 4
2.2 Program Linier ( Linear Programming ) .................................................. 5
2.3 Masalah Transportasi ............................................................................... 9
2.4 Model Masalah transportasi ................................................................... 10
Gambar 2.1 Jaringan Transportasi ........................................................................ 11
Gambar 2.2 Representasi model masalah transportasi .......................................... 13
2.5 Keseimbangan Masalah transportasi ...................................................... 13
Gambar 2.3 : Model Jaringan Supply dan Permintaan Pupuk .............................. 14
2.6 Metode Penyelesaian masalah transportasi ............................................ 16
2.7 Metode Pendekatan Vogel (Vogel’s Approximation Method) ............... 17
3.1 Metode Pendekatan Karagul Sahin (Karagul Sahin Approximation Method
) 25
3.2 Contoh Kasus ................................................................................................. 26
v
3.2.1 Contoh Kasus 1 ........................................................................................ 26
3.3.2 Contoh Kasus 2 ........................................................................................ 49
BAB IV PENUTUP .............................................................................................. 65
DAFTAR PUSTAKA ........................................................................................... 66
LAMPIRAN .......................................................................................................... 68
vi
DAFTAR GAMBAR
vii
DAFTAR TABEL
viii
DAFTAR SIMBOL
ix
DAFTAR LAMPIRAN
x
xi
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Masalah tranportasi adalah bagian dari “Operation Reearch” yang
membahas tentang meminimumkan biaya tranportasi dari suatu tempat ke
tempat lain. Kasus tranportasi timbul ketika seseorang mencoba menentukan
cara pengiriman (penditribusian) ke beberapa tujuan (lokasi permintaan). [1]
Salah satu penyebab meningkatnya persaingan di sector industry ialah
bekembangnya teknologi komunikasi dan informasi yang mengarah pada
pengiriman barang yang efektif dan murah, proses inventaris , produk akhir
atau informasi terkait dari titik asal ke titik konumsi akhir. Kebutuhan ini dapat
terpenuhi dengan bantuan konsep yang berkaitan dengan logistik. Pada
permaslahan ini , logistik semakin penting sebagai solusi bagi perusahaan
manufaktur. Selain menyediakan kontrol layanan dan operasi , logistik juga
menyediakan kemampuan transportasi yang efektif dan murah. Unsur-unsur
dalam logistik ini sangat bervariasi sesuai dengan waktu dan sector. Seiring
berjalannya waktu perbedaan persyaratan dan teknologi menyebabkan
komponen terkait logistik berubah. Namun, biaya transportasi menjadi
komponen penting dari sebagian biaya logistik, bagi banyak perusahaan.
Transportasi barang sesuai dengan sepertiga hingga dua pertiga dari total biaya
logistik.
Dalam proses transportasi tentunya Setiap industri menginginkan biaya
yang minimum, sehingga di perlukan suatu strategi penyelesaian masalah yang
bisa memberikan solusi yang optimal. Hematnya biaya transportasi yaitu
ditentukan oleh strategi dan perencanaan yang baik. Perencanaan pengeluaran
transportasi berhubungan dengan jumlah dan kapan akan di lakukannya
pengeluaran. Dengan adanya perencanaan pengeluaran transportasi maka akan
di peroleh peningkatan keuntungan karena mampu meminimumkan biaya
transportai. Oleh karena itu, pengiriman barang secara efisien dan murah
merupakan masalah penting bagi semua perusahaan.
Permasalahan pengiriman produk dari titik produksi ke titik tujuan atau
titik permintaan di mana produk itu di konsumsi. Terkadang, persedian di titik
produksi terbatas sedangkan ada permintaan yang harus di penuhi untuk setiap
1
pelanggan. Pada permalahan ini, model tranportasi di gunakan untuk
menentukan rencana pengiriman biaya minimum untuk memenuhi permintaan
pelanggan berdasarkan batasan tertentu (Albright and Winston, 2009).
Masalah transportasi muncul dalam berbagai kontek dan menarik banyak
perhatian untuk melakukan penelitian, ada dalam masalah pemrograman linier
terstruktur jaringan yang penting. Langkah pertama dalam menyelesaikan
masalah transportasi adalah menentukan solusi layak dasar awal yang sesuai
dan efektif. Hal ini di perlukan solusi layak dasar awal untuk menemukan
solusi optimal. Nilai Solusi awal mempengaruhi solusi terbaik. Oleh Karena
itu, Penting sekali untuk memulai dengan solusi layak awal yang baik.
1.2 Rumusan Masalah

Sesuai dengan uraian pada latar belakang penelitian ini , maka yang
menjadi pokok permasalahan pada penelitian ini adalah :
1. Apakah Metode KSAM merupakan Solusi Layak Dasar Awal dalam
masalah transportasi ?
2. Bagaimana perbandingan metode KSAM dengan metode lainnya dalam
mendapatkan solusi layak dasar awal masalah trasnportasi ?
1.3 Batasan Masalah

Dalam penelitian ini penulis membatasi permasalahan pada :
1. Fokus penelitian ini adalah mengusulkan metode baru untuk mendapatkan
solusi layak dasar awal masalah transportasi
2. Membandingkan Metode baru ini dengan 6 Metode yang lain yaitu metode
North West Corner (NWC), The Matrix Minima (MM), The Row Minima
(RM), The Coloumn-Minima (CLM), Vogel Aproximation Method (VAM)
dan Russel’s Approximation (RAM).
3. Menggunakan 24 masalah transportasi yang berbeda
1.4 Tujuan penelitian

Sesuai dengan perumusan masalah , maka tujuan dari penelitian ini
adalah untuk memperlihatkan bahwa metode yang di usulkan mendapatkan
solusi dasar awal terbaik dalam masalah transportasi.
2
1.5 Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu pada penentuan solusi layak dasar
awal masalah transportasi, Metode yang di usulkan adalah metode baru yaitu
metode Karagul- Sahin Approximation Method (KSAM). Metode KSAM ini
di bandingkan dengan metode yang biasa di gunakan untuk mendapatkan
solusi awal, yaitu ; North West Corner (NWC), The Matrix Minima (MM),
The Row Minima (RM), The Coloumn-Minima (CLM), Vogel Aproximation
Method (VAM) dan Russel’s Approximation (RAM). Dalam penelitian ini
mengunakan 24 Permasalahan.
1.6 Sistematika Penulisan

Sistematika dalam penulisan laporan studi literatur ini adalah :
BAB I PENDAHULUAN : Bab ini terdiri dari latar belakang, rumusan
masalah, tujuan penelitian, Batasan masalah, dan sistematika penulisan.
BAB II LANDASAN TEORI : Bab ini memuat penjabaran tentang
kajian literatur yang berhubungan dengan materi dan penelitian yang di
lakukan.
BAB III KAJIAN UTAMA PENELITIAN : Dalam bab ini diuraikan
tentang inti penelitan matematika yang dilakukan, berupa pembahasan rinci
tentang topik tersebut, baik secara teoritis maupun analisis.
BAB IV : Pada bab ini di paparkan kesimpulan yang merupakan
jawaban dari rumusan masalah serta saran-saran untuk penelitian.
3
BAB II
LANDASAN TEORI
2.1 Riset Operasi
Sejak munculnya Revolusi industri telah terlihat pertumbuhan dunia
yang luar biasa dalam hal ukuran dan kompleksitas Organisasi. Saat ini Toko-
toko kecil para pengrajin di era sebelumnya telah berevolusi menjadi
perusahaan bernilai miliaran dolar. Bagian integral dari perubahan revolusi
ini adalah peningkatan yang luar biasa dalam pembagian kerja dan segmentasi
tanggung jawab manajemen dalam organisasi-organisasi ini. Hasilnya sangat
spektakuler. Namun, seiring dengan berjalannya waktu, spesialisasi yang
meningkat ini telah menciptakan masalah baru, masalah yang masih terjadi di
banyak organisasi. Salah satu masalahnya adalah kecenderungan banyak
komponen organisasi untuk tumbuh menjadi kerajaan yang relatif otonom
dengan tujuan dan sistem nilai mereka sendiri, sehingga kehilangan
pandangan tentang bagaimana kegiatan dan sasaran mereka bertautan dengan
yang ada di organisasi secara keseluruhan. Apa yang terbaik untuk satu
komponen sering kali merugikan komponen lainnya, sehingga komponen-
komponen tersebut pada akhirnya dapat berfungsi dengan saling berlawanan.
Masalah terkait adalah bahwa dengan meningkatnya kompleksitas dan
spesialisasi dalam suatu organisasi, semakin sulit untuk mengalokasikan
sumber daya yang tersedia untuk berbagai kegiatan dengan cara yang paling
efektif untuk organisasi secara keseluruhan. Masalah-masalah semacam ini
dan kebutuhan untuk menemukan cara yang lebih baik untuk
menyelesaikannya menyediakan lingkungan bagi munculnya penelitian
operasi (umumnya disebut sebagai OR).[2]
Secara harfiah kata operation dapat didefinisikan sebagai tindakan-
tindakan yang diterapkan pada beberapa masalah atau hipotesa. Sementara
kata research adalah suatu proses yang terorganisasi dalam mencari kebenaran
4
akan masalah atau hipotesa. Kenyatannya, sangat sulit mendefinisikan
operation research, terutama karena batas-batasnya tidak jelas (Mulyono,
2004). Definisi lain menurut Operational Research Society of America
(ORSA), operation research berkaitan dengan pengambilan keputusan secara
ilmiah dan bagaimana membuat suatu model yang baik dalam merancang dan
menjalankan sistem yang melalui alokasi sumber daya yang terbatas. Dapat
disimpulkan operation research adalah bagaimana proses pengambilan
keputusan yang optimal dengan menggunakan alat analisis yang ada dan
adanya keterbatasan sumber daya.[3]
Riset operasi berhubungan dengan prinsip optimisasi, yaitu
bagaimana cara menggunakan sumber daya (waktu, tenaga, biaya, dll) untuk
mengoptimalkan hasil. Mengoptimalkan hasil berati meminimumkan sesuatu
yang harus di keluarkan/merugikan atau memaksimumkan keuntungan yang
harus di dapatkan. Riset Operasi berhubungan dengan keputusan ilmiah
tentang bagaimana mengoptimalkan rancangan dan operasi mesin maupun
SDM, yang biasanya terjadi pada keadaan dimana sumber daya dan
alokasinya terbatas. [2]
2.2 Program Linier ( Linear Programming )

Program linier merupakan teknik aplikasi dari matematika yang
dikembangkan oleh George B. Dantzig pada tahun 1947. Kata “linier” berarti
bahwa seluruh fungsi persamaan atau pertidaksamaan matematis yang
disajikan dari permasalahan ini haruslah bersifat linier, sedangkan kata
“program” merupakan sinonim untuk model perencanaan. Jadi, program
linier mencakup perencanaan kegiatan‐kegiatan untuk mencapai hasil yang
optimal, yaitu suatu hasil yang mencerminkan tercapainya sasaran atau tujuan
tertentu yang paling baik. Dengan demikian, pemrograman linier merupakan
proses penyusunan program linier yang solusinya menjadi dasar bagi
pengambilan keputusan terhadap problem riil yang dimodelkan atau
diprogramlinierkan. Program linier berkaitan dengan penjelasan suatu dunia
nyata sebagai suatu model matematika yang terdiri atas sebuah fungsi tujuan.
Menurut Haryadi sarjono (2010) Program linear (LP) adalah salah satu
metode matematika yang digunakan untuk menyelesaikan masalah
5
optimisasi, yaitu memaksimumkan atau meminimumkan fungsi tujuan yang
bergantung pada sejumlah variabel input. Hal terpenting yang perlu kita
lakukan adalah mencari tahu tujuan penyelesaian masalah dan apa penyebab
masalah tersebut.[4]
Pemrograman linier menggunakan model matematika untuk
menggambarkan masalah yang menjadi perhatian. Kata sifat linier berarti
bahwa semua fungsi matematika dalam model ini harus merupakan fungsi
linier. Pemrograman linier ini tidak merujuk untuk pemrograman computer,
melainkan pada dasarnya sinonim untuk suatu perencanaan. Dengan
demikian, pemrograman linier melibatkan perencanaan kegiatan untuk
mendapatkan hasil yang optimal, yaitu, hasil yang mencapai tujuan yang
ditentukan (sesuai dengan model matematika) di antara semua alternatif yang
layak. Pemrograman linier memiliki banyak aplikasi penting, Faktanya, setiap
masalah yang model matematisnya cocok dengan format umum untuk model
pemrograman linier adalah masalah pemrograman linier. Selain itu, prosedur
solusi yang sangat efisien, yang disebut metode simpleks, tersedia untuk
menyelesaikan masalah pemrograman linier dengan ukuran yang sangat
besar.[5]
Bentuk Umum Program Linier
Bentuk umum program linear untuk kasus memaksimalkan fungsi sasaran:
Maksimum Z = ∑𝑛𝑗=1 𝑐𝑗 𝑥𝑗
Dengan Batasan
∑𝑗=1 𝑥𝑗 ≤ 𝑏𝑗 Untuk i = 1,2, …….m (1)
𝑥𝑖 ≤ 0 Untuk j = 1,2,……..n (2)
Atau dapat di tuliskan secara lengkap sebagai berikut :
Optimum
Z= 𝑐1 𝑥1 + 𝑐2 𝑥2 ….+ 𝑐𝑛 𝑥𝑛 (3)
6
Dengan Fungsi Pembatas (Constraint Function) :
𝑎11 𝑥1 + 𝑎12 𝑥2 + … 𝑎1𝑛 𝑥𝑛 ≤ atau ≥ 𝑏1 (4)
𝑎21 𝑥1 + 𝑎22 𝑥2 + … 𝑎2𝑛 𝑥𝑛 ≤ atau ≥ 𝑏2 (5)
⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + … 𝑎𝑚𝑛 𝑥𝑛 ≤ atau ≥ 𝑏𝑚 (6)
𝑥1 , 𝑥2 … … 𝑥𝑛 ≥ 0 (7)
Bentuk umum program linear untuk kasus meminimumkan fungsi

sasaran:
Minimum Z = ∑𝑛𝑗=1 𝑐𝑗 𝑥𝑗 (8)
Dengan Batasan
∑𝑗=1 𝑥𝑗 ≤ 𝑏𝑗 Untuk i = 1,2, …….m (9)
𝑥𝑗 ≥ 0 Untuk j = 1,2,……..n (10)
Atau dapat di tuliskan secara lengkap sebagai berikut :
Optimum
Z= 𝑐1 𝑥1 + 𝑐2 𝑥2 ….+ 𝑐𝑛 𝑥𝑛 (11)
Dengan Fungsi Pembatas (Constraint Function) :
𝑎11 𝑥1 + 𝑎12 𝑥2 + … 𝑎1𝑛 𝑥𝑛 ≥ 𝑏1 (12)
𝑎21 𝑥1 + 𝑎22 𝑥2 + … 𝑎2𝑛 𝑥𝑛 ≥ 𝑏2 (13)
⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + … 𝑎𝑚𝑛 𝑥𝑛 ≥ 𝑏𝑚 (14)
𝑥1 , 𝑥2 … … 𝑥𝑛 ≥ 0 (15)
Keterangan :
Z= Fungsi tujuan yang di cari nilai optimum ( Maksmum/Minimum)
7
𝑐𝑗 = Kenaikan nilai Z apabila ada pertambahan tingkat kegiatan 𝑥𝑗
dengan satu satuan ini atau sambungan setiap satuan keluaran kegiaatn j
terhadap Z
m= Banyaknya jenis sumber yang terbatas atau fasilitas yang tersedia
n= Banyaknya kegiatan-kegiatan yang menggunakan sumber atau

fasilitas terbatas tersebut
𝑥𝑗 = Varaiabel keputusan untuk kegiatan ke-j (j = 1,2,…. n)
𝑎𝑖𝑗 = Banyaknya sumber i yang di perlukan untuk menghasilakn setiap

unit keluaran kegiatan j.
𝑏𝑖 = Kapasitas sumber I yang tersedia untuk di alokasikan ke setiap unit

kegiatan
Metode Linear programming antara lain, yaitu :
a. Metode Grafik untuk pemecahan program linier

Masalah LP dapat di ilustrasikan dan di pecahkan dengan grafik jika
ia hanya memiliki dua variable keputusan. Meski masalah-masalah
dengan dau varaiabel jarang terjadi di dalam dunia nyata, penafsiran
geometris dari metode grafis ini sangat bermanfaat. [4]
b. Metode Simpleks
Metode yang bisa di gunakan untuk menyelesaikan program linier
dengan jumlah variabel keputusan yang sembarang (bila lebih dari 2
atau bahkan ribuan variable keputusan) di sebut metode simpleks.
Metode simpleks merupakan metode yang secara sistematis di mulai
dari suatu pemecahan dasar yang fisibel ke pemecahan lainnya yang di
lakukan berulang-ulang (iterasi) dengan jumlah ulangan yang terbatas ,
sehingga akhirnay tercapai suatu pemecahan daasr yang optimum. [6]
c. Metode transportasi
Metode transportasi merupakan suatu metode yang digunakan untuk
mengatur distribusi dari sumber-sumber yang menyediakan produk
yang sama, ke tempat-tempat yang membutuhkan secara optimal.
8
Alokasi produk ini harus diatur sedemikian rupa, karena terdapat
perbedaan biaya-biaya alokasi dari satu sumber ke tempat-tempat tujuan
yang berbeda-beda. Metode transportasi juga biasa di gunakan untuk
memecahkan masalah-masalah dunia usaha (bisnis) lainnya, seperti
masalah-masalah yang meliputi pengiklanan, pembelanjaan modal
(capital financing) dari alokasi dana untuk investasi, analisis lokasi,
keseimbangan ini perakitan dan perencanaan serta scheduling
produksi.[4]
d. Masalah Penugasan
Masalah penugasan adalah jenis khusus masalah pemrograman
linier di mana orang yang ditugasi ditugaskan untuk melakukan tugas.
Misalnya, orang yang ditugasi mungkin adalah karyawan yang perlu
diberi tugas kerja. Menugaskan orang ke pekerjaan adalah aplikasi
umum dari masalah penugasan. Namun, yang ditugasi tidak harus orang.
dapat berupa mesin, kendaraan, pabrik, atau bahkan slot waktu untuk
diberi tugas. [5]
2.3 Masalah Transportasi

Transportasi berasal dari kata latin yaitu transportase dimana
trans berarti seberang atau sebelah lain dan portase berarti mengangkut
atau membawa. Jadi, transportasi berarti mengangkut atau membawa
(sesuatu) ke sebelah lain atau suatu tempat ke tempat lainnya. Transportasi
dapat didefinisikan sebagai usaha dan kegiatan mengangkut atau
membawa produk dari suatu tempat ke tempat lainnya.[4]
Masalah transportasi merupakan masalah khusus pada
pemrograman linier karena terletak pada karakteristik utama yaitu selalu
membutuhkan pembatas dan variable yang sangat banyak sehingga
menggunakan komputer untuk menyelesaikan metode simpleknya akan
lebih sulit di bandingkan dengan secara manual.[3]
Pada umumnya masalah transportasi di gunakan untuk
mencari biaya termurah dalam pendistribusian barang dari sumber ke
tujuan, tetapi dengan seiring berjalannya waktu di gunakan juga untuk
mencari laba/keuntungan yang sebesar-besarnya. [7]
9
Heizer dan render (2005:631) dalam M.Fiqransyah (2015)
mengidentifikasi secara sederhana mengidentifikasi bahwa ada beberapa
hal yang perlu di perhatikan dalam penggunaan metode trasnportasi di
antaranya ;
1. Titik asal sumber (sources) dan kapasitas pada setiap metode.
2. Titik tujuan (destinations) dan permintaan setiap periode.
3. Biaya pengiriman (untuk permasalahan dengan tujuan minimisasi
biaya), atau keuntungan pengalokasian (untuk maksimisasi
keuntungan) per satuan atau unit setiap titik asal ke setiap titik tujuan
diketahui.
Setiap perusahaan pasti membutuhkan metode transportai
untuk pendistribusian barang yang ada di perusahaan tersebut , karena
dengan menggunakan metode ini akan lebih efektif dan lebih banyak
keuntungannya,
Ciri-ciri Khusus Penggunaan Metode Transporatasi
1. Terdapat sejumlah sumber dan sejumlah tujuan tertentu.
2. Kuantitas komoditi/barang yang didisitribusikan dari setiap sumber
dan yang diminta oleh setiap tujuan besarnya tertentu.
3. Komoditi yang dikirim/diangkut dari suatu sumber ke suatu tujuan
besarnya sesuai dengan permintaan atau kapasitas sumber.
4. Ongkos pengangkutan komoditi dari suatu sumber ke suatu tujuan
besarnya tertentu.
2.4 Model Masalah transportasi

Pada tahun 1941 telah di kenalkan model maslah transportasi
palin sederhana dan terus di kembangkan pada tahun 1949 dan 1950.
Model maslah transportasi di kembangkan lagi oleh peneliti- peneliti baru.
Secara umum masalah transportasi dapat di gambarkan oleh
jaringan seperti pada gambar 2.1 :
10
Gambar 2.1 Jaringan Transportasi
Asumsi dasar dari model transportasi adalah biaya
pendistribusian barang proporsionl dengan Jumlah barang yang di
distribusikan ke tujuan. Gambar 2.1 mendeskripsikan model transportasi
dalam bentuk jaringan dari m ke n sumber dengan menggunakan titik dan
busur. Sebuah titik tersebut menggambarkan adanya m sumber dan n
tujuan , sedangkan busur menghubungkan sumber dengan tujuan
menggambarkan jalur-jalur antara sumber dengan tujuan. Dapat di ketahui
bahwa dari bususr-bususr (i,j) yang menghubungkan sumber i ke sumber
j : (1) biaya transportasi per unit- 𝐶𝑖𝑗 , dan (2) jumlah barang yang dikirim-
𝑋𝑖𝑗 . Jumlah Supply (Persediaan) pada sumber i adalah 𝑎𝑖 , dan jumlah
Demand (Permintaan) pada tujuan j adalah 𝑏𝑗 . Tujuan dari model tersebut
adalah untuk menentukan besar nilai 𝑋𝑖𝑗 yang meminimalkan total biaya
transportasi saat memenuhi semua Batasan demand dan supply.
Suatu masalah transporatsi dapat di modelkan secara matematis
yaitu dengan membentuk fungsi tujuan. Fungsi tujuan tersenut
menunjukan biaya transportasi dari sumber I ke tujuan j, mka modle
program linier untuk masalah transporatsi dapat di formulasikan sebagai
berikut.
11
Fungsi Tujuan :
Meminimalkan
Z= ∑𝑚 𝑛
𝑖=1 ∑𝑗=1 𝐶𝑖𝑗 𝑋𝑖𝑗 (16)
Dengan Kendala :
∑ 𝑋𝑖𝑗 ≤ 𝑎𝑖 ; 𝑖 = 1,2, … . , 𝑚 (17)
∑ 𝑋𝑖𝑗 ≥ 𝑏𝑗 ; 𝑗 = 1,2, … . , 𝑛 (18)
Keterangan :
Z = fungsi tujuan; total yang akan diminimumkan
𝐶𝑖𝑗 = biaya transportasi per unit barang dari sumber i ke tujuan j
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 daerah penghasil/ sumber
𝑛= banyaknya daerah tujuan Bentuk
Bentuk umum tabel Transportasi :
Tabel 2.1 Bentuk umum tabel transportasi
Sebagai ilustrasi Gambar 2.1 akan memodelkan permasalahan

transportasi dengan 2 sumber 3 tujuan (m = 2, n = 3)
12
Gambar 2.2 Representasi model masalah transportasi
Fungsi Tujuan :
Meminimumkan
Z = 𝐶11 𝑋11 + 𝐶12 𝑋12 + 𝐶13 𝑋13 + 𝐶21 𝑋21 + 𝐶22 𝑋22 + 𝐶23 𝑋23 (19)
Dengan Kendala :
𝑋11 + 𝑋12 + 𝑋13 ≤ 𝑎1 (20)
𝑋21 + 𝑋22 + 𝑋23 ≤ 𝑎1 (21)
𝑋11 + 𝑋21 + 𝑋31 ≤ 𝑏1 (22)
𝑋12 + 𝑋22 + 𝑋32 ≤ 𝑏2 (23)
2.5 Keseimbangan Masalah transportasi

Suatu model trasnportasi di katakana seimbang ketika jumlah
Supply (Persedian) Sama dengan jumlah Demmannd (Permintaan), bisa di
tliskan seperti di bawah ini ;
∑𝑚 𝑛
𝑖=1 𝑎𝑖 = ∑𝑖=1 𝑏𝑗 (24)
Contoh : masalah transportasi Seimbang
Sebuah Perusahaan Negara berkepentingan mengangkut pupuk dari tiga
pabrik ke tiga pasar. Kapasitas supply ketiga pabrik, permintaan pada
ketiga pasar dan biaya transpor per unit disajikan pada Tabel.
13
Tabel 2.2 Suplai Pupuk dari Tiga Pabrik ke Tiga Pasar
Pasar
Penawaran
1 2 3
1 8 5 6 120
Pabrik 2 15 10 12 80
3 3 9 10 80
Permintaan 150 70 60 280
Masalah Transportasi Supply pupuk ini di ilustrasikan pada gambar

(Model Jaringan) di bawah ini :
Gambar 2.3 : Model Jaringan Supply dan Permintaan Pupuk
Dari gambar Model jaringan Supply dan permintaan pupuk

dapat terlihat kendala model menun jukan jumlah yang di tawarkan
masing-masing pabrik dan yang di minta setiap pasar sebagai jumlah
dari alternative pengiriman individu. Kendalanya berupa persamaan
karena seimbang (Persediaan sama dengan Permintaan ).
Dalam kehidupan nyata, tidak bisa di pastikan bahwa
persediaan selalu sama dengan permintaan, terkadang jumlah
permintaan lebih banyak di bandingkan dengan persediaan. Jika ini
tejadi maka di sebut dengan masalah transportasi tak seimbang Tetapi
14
dengan menggunakan model trasnportasi selalu berimbang dengan cara
memasukan variabel dummy [8]
Ada dua kemungkinan ynag terjadi pada masalah trasnportasi
tidak seimbang :
1. Jika Supply lebih besar dari demand 𝑎𝑖 ≥ 𝑏𝑗 , maka maslah ini di
selesaikan dengan cara menetapkan dummy pada tujuan (kolom)
untuk menyerap kelebihan dummy sebesar :
∑𝑚 𝑛
𝑖=1 𝑎𝑖 - ∑𝑖=1 𝑏𝑗 (25)
2. Jika Supply lebih kecil dari demand 𝑎𝑖 ≤ 𝑏𝑗 , maka masalah ini di
selesaikan dengan cara dummy pada sumber (baris) untuk men-
supply kekurangan demand sebesar :
∑𝑛𝑖=1 𝑏𝑗 − ∑𝑚
𝑖=1 𝑎𝑖 (26)
Pada dasarnya dummy tujuan pada kolom maupun dummy
sumber pada baris adalah buatan ( Tidak riil). Dengan demikian,
biaya distribusi pada kolom dummy dan baris dummy adalah nol.
Hal ini dapat dipahami karena pada kenyataan tidak terjadi
pengiriman dari sumber dummy dan tidak terjadi pengiriman ke
tujuan dummy.[3]
Tabel 2.3 masalah transportai tak seimbang ∑ 𝒂𝒊 ≥ ∑ 𝒃𝒋
15
Tabel 2.4 masalah transportai tak seimbang ∑ 𝒂𝒊 ≤ ∑ 𝒃𝒋
2.6 Metode Penyelesaian masalah transportasi

Dalam Sub bab ini di perkenalkan perincian untuk pemecahan
masalah transportasi. Metode ini menggunakan langkah-langkah metode
simpleks secara langsung dan hanya berbeda dalam perincian penerapan
kondisi optimalitas dan kelayakan.
Langkah-langkah dasar dari teknik transportasi adalah
1. Tentukan penyelesaian solusi awal.
2. Tentukan variabel masuk dari di antara variabel nondasar. Jika semua
variabel masuk memenuhi kondisi optimalitas (dari metode simpleks),
berhenti; jika tidak, lanjutkan ke langkah 3
3. Tentukan variabel keluar (dengan menggunakan kondisi kelayakan)
dari di antara variabel-variabel dalam pemecahan dasar saat ini; lalu
temukan pemecahan dasar baru. Kembali ke langkah 2. [8]
Ada beberapa metode yang dapat di gunakan untuk mencari solusi awal
masalah transportasi di antranya : Northwest Corner Method, Least Cost
Method, Vogel Approximation Method, Karagul Sahin Approximation Method.
16
2.7 Metode Pendekatan Vogel (Vogel’s Approximation Method)
Metode Pendekatan Vogel adalah suatu metode yang
pengalokasiannya di mulai dengan menntukan nilai selisih antar kotak dengan
biaya. VAM merupakan cara untuk mendapatkan solusi awal yang bia di
katakana lebih ceoat dan efisien. Namun, terkadang penyelesaiannya belum
optimal, tetapi hanya mendekati optimal.
Langkah-Langkah metode pendekatan vogel
1. Hitung opportunity cost untuk setiap baris dan kolom. Opportunity cost
untuk setiap baris ke-i dihitung dengan mengurangkan nilai 𝐶𝑖𝑗 terkecil
pada baris tersebut dengan nilai 𝐶𝑖𝑗 satu tingkat lebih besar pada baris yang
sama. Opportunity cost kolom diperoleh dengan cara yang sama. Biaya-
biaya ini adalah pinalti karena tidak memilih kotak dengan biaya minimum
2. Pilih baris atau kolom dengan opportunity cost terbesar (jika terdapat nilai
kembar, pilih secara sembarang. Alokasikan sebanyak mungkin kekotak
dengan nilai 𝐶𝑖𝑗 minimum pada baris atau kolom yang dipilih.
3. Hilangkan semua baris dan kolom dimana penawaran dan permintaan telah
dihabiskan.
4. Jika semua penawaran dan permintaan belum dipenuhi, kembali kelangkah
pertama dan hitung kembali opportunity cost yang baru.
Adapun Menurut (Hendri,2009) dalam (M.Fiqransyah,2015) langkah-
langkah penyelesain Metode pendekatan Vogel adalah :
1. Tentukan perbedaan dua biaya terkecil pada setiap baris dan setiap kolom
pada tabel.
2. Pilih nilai perbedaan terbesar, dimana baris atau kolom yang mempunyai
nilai perbedaan terbesar akan merupakan baris atau kolom awal pengisian.
3. Kemudian pilih sel pada baris atau kolom yang terpilih mempunyai biaya
terendah di mana sel ini akan dilakukan pengisian.
4. Berdasarkan baris dan kolom yang tersisa, ulangi langkah 1 untuk baris
atau kolom yang belum terisi, lalu lanjutkan ke point 3 dan 4.
Contoh penyelesaian dengan menggunakan metode pendekatan vogel
17
Tabel Biaya 2.7 Contoh Masalah Vogel’s Approximation Method
Dari/ke A B C Supply
1 8 5 6 120
2 15 10 12 80
3 3 9 10 80
Demand 150 70 60 280
Penyelesaian :
Langkah Pertama : Cari dua biaya terendah dari masing-masing baris dan kolom
Tabel Biaya 2.8 terendah dari masing-masing baris dan kolom
1 8 5 6 120
2 15 10 12 80
3 3 9 10 80
Demand 150 70 60 280
Biaya terendah pertama dan biaya terendah kedua pada baris ke-1 masing-
masing adalah 5 dan 6. Biaya terendah pertama dan kedua pada baris ke-2 masing-
masing adalah 10 dan 12. Sedangkan biaya terendah pertama dan biaya terendah ke
3 adalah 3 dan 9. Biaya terendah pertama dan terendah kedua pada kolom ke A
adalah 3 dan 8. Biaya terendah pertama dan kedua paad baris ke B adalah 5 dan 9.
Sedangkan biaya terendah pertama dan biaya terendah ke-dua adalah 6 dan 10.
Langkah 2 : Selisihkan 2 biaya tersebut
18
Tabel 2.9 Selisih Biaya Kasus Vogel’s Approximation Method
Dari/ke A B C Supply Selisih
1 8 5 6 120 1
2 15 10 12 80 2
3 3 9 10 80 6
Demand 150 70 60 280
Selisih 5 4 4
Langkah 3 Pilih Selisih biaya terbesar pada baris/kolom tersebut (apabila terdapat
selisih terbesar yang sama , maka dapat di pilih salah satunya).
Tabel 2.10 Selisih biaya terbesar Vogel’s Approximation Method

1 8 5 6 120 1
2 15 10 12 80 2
3 3 9 10 80 6
Demand 150 70 60 280
Selisih 5 4 4
Selisih biaya terbesar ada pada baris ke-3 yaitu 6.

Langkah 4. Alokaiskan produk sebanyak - banyaknya (di sesuaikan dengan
kapasiats dan permintaan) di sel yang memiliki biaya terendah pada
baris/kolom yang memiliki selisih terbesar tersebut.
19
Iterasi 1
Tabel 2.11 Iterasi 1 Vogel’s Approximation Method
1 8 5 6 120 1
2 15 10 12 80 2
3 9 10 6
3 80 0 0 80
Demand 150 70 60 280
Selisih 5 4 4
Berdasarkan iterasi 1, di temukan selisih terbesar berada pada baris ke-3

yakni 6. Pada baris ke-3 , sel dengan biaya terendah berada pada sel baris ke-3
kolom A yakni 3 Sehingga sel baris ke-3 kolom A di isi dengan 80 (min(80;150).
Barsi ke-3 tidak di ikutsertakan dalam proses perhitungan selisih biay berikutnya
karena semua kapasitasnya telah di alokasikan. Oleh karena itu sel baris ke-3 kolom
bB dan sel baris ke-3 kolom C di isi dengan Nol. Serta selisih pada baris ke-3 untuk
iterasi ke-2 di tandai degan (-).
Langkah 5. Baris/kolom yang telah di isi penuh tidak dapat di ikusrtakan kembali
dalam proses perhitungan pencarian selisih biay a berikutnya.
Langkah 6. Ulangi langkah pertama sampai semua produk di alokasikan sesuai

dengan kapasitas dan permintaan
20
Iterasi 2
8
1 5 6 120 1
70
15
2 10 12 80 2
0
3 9 10
3 80 -
80 0 0
Demand 150 70 60 280
Selisih 7 5 6
Berdasarkan iterasi 2, di temukan selisih terbesar berada pada Kolom ke A
yaitu 7. Pada kolom Ke A ,sel dengan biaya terendah berada pada sel baris ke-1
kolom A yaitu 8, Sehingga sel baris ke-1 Kolom A di isi dengan 70 (min(70;120).
Permintaan kolom ke-A menjadi 70 karena sebelumnya sel Kolom A baris 3 telah
di isi dengan 80. Kolom ke-A tidak di ikutsertakan dalam proses perhitungan selisih
biaya berikutnya karena semua kapasitasnya telah di alokasikan. Oleh karena itu
sel baris ke-2 kolomKe-A di isi dengan Nol. Serta selisih pada kolom ke-A untuk
iterasi ke-3 di tandai degan (-).
Iterasi 3

8 5 6
1 120 1
70 0 50
15
2 10 12 80 2
0
3 9 10
3 80 -
80 0 0
Demand 150 70 60 280
Selisih - 5 6
21
Berdasarkan iterasi 3, di temukan selisih terbesar berada pada Kolom ke C
yaitu 6. Pada kolom Ke C ,sel dengan biaya terendah berada pada sel baris ke-1
kolom C yaitu 6 Sehingga sel baris ke-1 kolom ke-A di isi dengan 50
(min(50;120=50). Permintaan baris ke-1 menjadi 50 karena sbelumnya pada baris
ke-1 kolom Ke-A telah di isi dengan 70. Baris ke-1 tidak di ikutsertakan dalam
proses perhitungan selisih biaya berikutnya karena semua kapasitasnya telah di
alokasikan. Oleh karena itu sel baris ke-1 kolom Ke-B di isi dengan Nol. Serta
selisih pada baris pertama, kolom ke-B untuk iterasi ke-4 di tandai dengan (-).
Iterasi 4.

8 5 6
1 120 -
70 0 50
15 10
2 12 80 2
0 70
3 9 10
3 80 -
80 0 0
Demand 150 70 60 280
Selisih - - -
Berdasarakan iterasi 4 hanya ada satu baris saja yang belum terpenuhi yaitu
baris ke-2 dengan selisih 2. Pada baris ke-2 Sel dengan biaya terendah berada pada
sel baris ke-2 kolom ke-B , sehingga sel tersebut di isi dengan 70 (min(70,80=70),
Kolom Ke-B tidak di ikutsertakan pada iterasi selanjutnya karena semua
permintaan telah terpenuhi. Sehingga Selisih pada kolom ke-B di tandai dengan (-)
22
Iterasi 5
8 5 6
1 120 -
70 0 50
15 10 12
2 80 2
0 70 10
3 9 10
3 80 -
80 0 0
Demand 150 70 60 280
Selisih - - -
Berdasarakan iterasi ke-5 , Sel yang belum terisi adalah sel baris ke-2 kolom
ke-C, Sehingga tidak perlu di cari selisihnya, dan langsung di isi dengan 10,
Permintaan pada baris ke-2 menjadi 10, karena sebelumnya pada sel baris ke-2
kolom ke-B telah di isi dengan 70.
Tabel 2.16 Pengalokasian menggunakan Metode VAM
8 5 6
1 120
70 0 50
15 10 12
2 80
0 70 10
3 9 10
3 80
80 0 0
Demand 150 70 60 280
Berdasarkan Tabel 2.16 Terlihat seluruh kebutuhan baris dan kolom telah
terpenuhi yang berarti solusi awal bisa di peroleh. Selanjutnya menghitung total
biaya minimum distribusi dengan menggunakan persamaan
Minimasi Z = ∑3𝑖=1 ∑3𝑗=1 𝑋𝑖𝑗 𝐶𝑖𝑗
23
= 8𝐴1 + 15𝐴2 + 3𝐴3 + 5𝐵1 + 10𝐵2 + 9𝐵3 + 6𝐶1
+ 12𝐶2 + 10
= (8 𝑥 70) + (15 𝑥 0) + (3 𝑥 80) + (5 𝑥 0) + (10 𝑥70)
+ (9 𝑥 0) + (6 𝑥 50) + (12 𝑥 10) + (10 𝑥 0)
= 560 + 0 + 240 + 0 + 700 + 0 + 300 + 120 +
= 1920
Jadi, total biaya minimum distribusi dengan menggunakan metode Vogel’s

Approximation Method Sebagai solusi layak awal adalah Rp. 1920.
24
BAB III
Perbandingan Antara Karagul-Sahin Aproximation Method

(KSAM) dengan Vogel Aproximation Method (VAM) Untuk
Mendapatkan Solusi Awal Masalah Transportasi
3.1 Metode Pendekatan Karagul Sahin (Karagul Sahin Approximation

Method )
Metode pendekatan Karagul Sahin adalah metode berulang yang terdiri dari
5 langkah proses, solusi dimulai dengan perubahan yang awalnya diterapkan ke
tabel transportasi. Pertama-tama, persamaan. (2) dan persamaan. (3) digunakan
untuk transformasi ini. Rasio yang diperoleh (𝑟𝑖𝑗 dan 𝑟𝑗𝑖 ) dikalikan dengan biaya,dan
dua matriks baru A (wcd) dan B (wcs) dibentuk untuk menjadi digunakan dalam
penugasan. Nilai yang diperoleh disebut bobot matriks biaya transportasi
berdasarkan permintaan / pasokan. Yang diusulkan metode melakukan penugasan,
mulai dari nilai terkecil dalam matriks baru dibuat.[9]
Untuk mencari 𝑟𝑖𝑗 dan 𝑟𝑗𝑖 adalah sebagai berikut
𝑑𝑗 𝑏𝑗
𝑟𝑖𝑗 = atau 𝑟𝑖𝑗 = 𝑖 = 1,2,3, … . . 𝑚 𝑑𝑎𝑛 𝑗 = 1,2,3, … . . , 𝑛
𝑆𝑖 𝑎𝑖
𝑆𝑗 𝑎𝑗
𝑟𝑗𝑖 = atau 𝑟𝑖𝑗 = 𝑗 = 1,2,3 … … , 𝑛 𝑑𝑎𝑛 𝑖 = 1,2,3 … . . , 𝑚
𝑑𝑖 𝑏𝑖
𝑟𝑖𝑗 ∗ 𝑟𝑗𝑖 = 1
Keterangan :
𝑟𝑖𝑗 = Matriks Permintaan proporsional (Pdm)
𝑟𝑗𝑖 = Matriks Persediaan Proporsional (Psm)
A = Matriks biaya transportasi tertimbang menurut permintaan (Wcd)
B = Matriks biaya transportasi tertimbang menurut persediaan (Wcs)
Langkah- Langkah untuk mendaptkan solusi awal dengan menggunkan

metode pendekatan Karagul Sahin adalah :
25
1. Hitung nilai 𝑟𝑖𝑗 (pdm) dan 𝑟𝑗𝑖 (psm) untuk matriks A (wcd) dan B (wcs).
2. Hitung matriks biaya transportasi dengan mengalikan tarif dan nilai biaya
dan membentuk A (wcd) dan B(wcs) matriks.
3. Untuk memulai dengan biaya terkecil dalam matriks wcd dan wcs, buat
tugas dengan mempertimbangkan permintaan dan kendala pasokan.
4. Jika semua tuntutan terpenuhi, selesaikan algoritma. Jika tidak, kembali ke
langkah 3
5. Bandingkan nilai solusi dari matriks tugas. Set solusi yang lebih kecil
sebagai solusi awal.
3.2 Contoh Kasus

3.2.1 Contoh Kasus 1
Contoh numerik yang terdiri dari 5 Persediaan dengan 5 permintaan [10]
Tabel 3.1 Tabel Transportasi numerik (Masalah Seimbang)
𝐷1 𝐷2 𝐷3 𝐷4 𝐷5 Supply (S)
𝑆1 73 40 9 79 20 8
𝑆2 62 93 96 8 13 7
𝑆3 96 65 80 50 65 9
𝑆4 57 58 29 12 87 3
𝑆5 56 23 87 18 12 5
Demand (D) 6 8 10 4 4 32
Pertama : Menggunakan Karagul Sahin Approximation Method
Langkah Pertama : Mencari 𝑟𝑖𝑗 dan 𝑟𝑗𝑖
a. Mencari 𝑟𝑖𝑗 pada matriks

Cara mencari 𝑟𝑖𝑗 dengan menggunakan rumus
26
Tabel 3.2 𝒓𝒊𝒋 pada matriks (PDM) Masalah Transportasi Seimbang
𝑆1 0,75 1,00 1,25 0,50 0,50 8
𝑆2 0,86 1,14 1,43 0,57 0,57 7
𝑆3 0,67 0,89 1,11 0,44 0,44 9
𝑆4 2,00 2,67 3,33 1,33 1,33 3
𝑆5 1,20 1,60 2,00 0,80 0,80 5
Demand (D) 6 8 10 4 4 32
b. Mencari 𝑟𝑗𝑖 Pada matriks (PSM)
Tabel 3.3 𝒓𝒊𝒋 pada matriks (PSM) Masalah Transportasi Seimbang
𝑆1 1,33 1,00 0,80 2,00 2,00 8
𝑆2 1,17 0,88 0,70 1,75 1,75 7
𝑆3 1,50 1,13 0,90 2,25 2,25 9
𝑆4 0,50 0,38 0,30 0,75 0,75 3
𝑆5 0,83 0,63 0,50 1,25 1,25 5
Demand (D) 6 8 10 4 4 32
Selanjutnya mencari nilai WCD DAN WCS
a. Matriks A : biaya matriks oleh permintaan (WCD) dengan cara mengalikan

tarif dan nilai biaya
27
Tabel 3.4 Matriks A Masalah Transportasi Seimbang
𝑆1 54,75 40,00 11,25 39,50 10,00 8
𝑆2 53,14 106,29 137,14 4,57 7,43 7
𝑆3 64,00 57,78 88,89 22,22 28,89 9
𝑆4 114,00 154,67 96,67 16,00 116,00 3
𝑆5 67,20 36,80 174,00 14,40 9,60 5
Demand (D) 6 8 10 4 4 32
b. Matriks B : Biaya matriks oleh persediaan (WCS) dengan cara mengalikan

tarif dengan biaya
Tabel 3.5 Matriks B Masalah Transportasi Seimbang
𝑆1 97,33 40,00 7,20 158,00 40,00 8
𝑆2 72,33 81,38 67,20 14,00 22,75 7
𝑆3 144,00 73,13 72,00 112,50 146,25 9
𝑆4 28,50 21,75 8,70 9,00 65,25 3
𝑆5 46,67 14,38 43,50 22,50 15,00 5
Demand (D) 6 8 10 4 4 32
Langkah 3 solusi dari WCD dan WCS, mencari biaya terkecil dengan
mempertimbangkan persediaan dan permintaan.
28
a. Solusi dari WC
Iterasi 1
Tabel 3.6 Iterasi 1 Karagul Sahin Approximation Method Maslah
transportasi Seimbang
𝑆1 54,75 40,00 11,25 39,50 10,00 8
4,57
𝑆2 53,14 106,29 137,14 7,43 7
4
𝑆3 64,00 57,78 88,89 22,22 28,89 9
𝑆4 114,00 154,67 96,67 16,00 116,00 3
𝑆5 67,20 36,80 174,00 14,40 9,60 5
Demand
6 8 10 4 4 32
(D)
Berdasarkan iterasi 1, biaya terkecil di temukan pada pada sel baris 𝑆2

Kolom 𝐷4 yaitu 4,57. Sehingga Sel tersebut di isi dengan 4 (min (4,7) = 4).
Langkah 4, Persediaan dan permintaan belum teralokasikan , maka ulangi langkah
3
Iterasi 2
𝑆1 54,75 40,00 11,25 39,50 10,00 8
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
𝑆3 64,00 57,78 88,89 22,22 28,89 9
𝑆4 114,00 154,67 96,67 16,00 116,00 3
𝑆5 67,20 36,80 174,00 14,40 9,60 5
Demand (D) 6 8 10 4 4 32
29
Berdasarkan iterasi 2, biaya terkecil di temukan pada sel baris 𝑆2
kolom 𝐷5 Yaitu 7,43, Sehingga sel tersebut di isi dengan 3 (min (3,7)=3).
Kapasitas 𝑆2 menjadi 3(7 – 4 = ) Karena sebelumnya sel baris 𝑆2 kolom 𝐷4 di isi
dengan 4. baris 𝑆2 tidak diikutsertakan dalam proses perhitungan pencariaan biaya
terkecil berikutnya karena seluruh kapasitasnya telah di alokaiskan. Oleh, Karena
itu, sel baris 𝑆1 kolom 𝐷1 , baris 𝑆2 kolom 𝐷2 , baris 𝑆3 kolom 𝐷3 , di isi dengan
Nol.
Iterasi 3
𝑆1 54,75 40,00 11,25 39,50 10,00 8
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
28,89
𝑆3 64,00 57,78 88,89 22,22 9
0
116,00
𝑆4 114,00 154,67 96,67 16,00 3
0
9,60
𝑆5 67,20 36,80 174,00 14,40 5
1
Demand (D) 6 8 10 4 4 32
Berdasarkan iterasi 3, biaya terkecil di temukan pada sel baris 𝑆5 kolom

𝐷5 Yaitu 9,60, Sehingga sel tersebut di isi dengan 1 (min (1,5)=1). Kapasitas 𝐷5
menjadi 1(4 – 3 = 1 ) Karena sebelumnya sel baris 𝑆2 kolom 𝐷5 di isi dengan 3.
kolom 𝐷5 tidak diikutsertakan dalam proses perhitungan pencariaan biaya terkecil
berikutnya karena seluruh kapasitasnya telah di alokasikan. Oleh, Karena itu, sel
baris 𝑆3 kolom 𝐷5 , baris 𝑆4 kolom 𝐷5 , dengan Nol.
30
Iterasi 4

54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
28,89
𝑆3 64,00 57,78 88,89 22,22 9
0
116,00
𝑆4 114,00 154,67 96,67 16,00 3
0
9,60
𝑆5 67,20 36,80 174,00 14,40 5
1
Demand (D) 6 8 10 4 4 32

𝐷3 Yaitu 11,25, Sehingga sel tersebut di isi dengan 8 (min (8,10)=8). Baris 𝑆1 tidak
diikutsertakan dalam proses perhitungan pencariaan biaya terkecil berikutnya
karena seluruh kapasitasnya telah di alokasikan. Oleh, Karena itu, sel baris 𝑆1
kolom 𝐷1 , baris 𝑆1 kolom 𝐷2 , baris 𝑆1 kolom 𝐷4 , baris 𝑆1 kolom 𝐷5 di isi dengan
Nol.
31
Iterasi 5

54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
57,78 28,89
𝑆3 64,00 88,89 22,22 9
0
116,00
𝑆4 114,00 154,67 96,67 16,00 3
0
67,20 36,80 174,00 14,40 9,60
𝑆5 5
4 0 0 0 1
Demand (D) 6 8 10 4 4 32

𝐷2 Yaitu 36, 80, Sehingga sel tersebut di isi dengan 4 (min (4,8)=4). Kapasitas 𝑆5
menjadi 4 (5 – `1 = 4 ) Karena sebelumnya sel baris 𝑆5 kolom 𝐷5 di isi dengan 1.
kolom 𝑆5 tidak diikutsertakan dalam proses perhitungan pencariaan biaya terkecil
baris 𝑆5 kolom 𝐷1 , baris 𝑆5 kolom 𝐷3 , baris 𝑆5 kolom 𝐷4 di isi dengan Nol.
32
Iterasi 6
54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
57,78 28,89
𝑆3 64,00 88,89 22,22 9
4 0
154,67 116,00
𝑆4 114,00 96,67 16,00 3
4 0
67,20 36,80 174,00 14,40 9,60
𝑆5 5
4 0 0 0 1
Demand (D) 6 8 10 4 4 32

𝐷2 Yaitu 57,78, Sehingga sel tersebut di isi dengan 4 (min (4,9)=4). Kapasitas 𝐷2
kolom 𝐷2 tidak diikutsertakan dalam proses perhitungan pencariaan biaya terkecil
baris 𝑆4 kolom 𝐷2 , di isi dengan Nol.
33
Iterasi 7

54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
64,00 57,78 88,89 22,22 28,89
𝑆3 9
5 4 0 0 0
154,67 116,00
𝑆4 114,00 96,67 16,00 3
4 0
67,20 36,80 174,00 14,40 9,60
𝑆5 5
4 0 0 0 1
Demand (D) 6 8 10 4 4 32

𝐷1 Yaitu 64,00, Sehingga sel tersebut di isi dengan 5 (min (5,9)=5). Kapasitas 𝑆3
Baris 𝑆3 tidak diikutsertakan dalam proses perhitungan pencariaan biaya terkecil
baris 𝑆3 kolom 𝐷3 dan baris 𝑆3 kolom 𝐷4 di isi dengan Nol.
34
Iterasi 8

54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
64,00 57,78 88,89 22,22 28,89
𝑆3 9
5 4 0 0 0
154,67 96,67 16,00 116,00
𝑆4 114,00 3
0 2 0 0
67,20 36,80 174,00 14,40 9,60
𝑆5 5
4 0 0 0 1
Demand (D) 6 8 10 4 4 32
Berdasarkan iterasi 8, biaya terkecil di temukan pada sel baris 𝑆4

kolom 𝐷3 Yaitu 96,67,00, Sehingga sel tersebut di isi dengan 2 (min (2,3)=2).
Kapasitas 𝐷3 menjadi 2 (10 – `8 = 2 ) Karena sebelumnya sel baris 𝑆1 kolom 𝐷3
di isi dengan 8. Kolom 𝐷3 tidak diikutsertakan dalam proses perhitungan
pencariaan biaya terkecil berikutnya karena seluruh kapasitasnya telah di
alokasikan.
35
Iterasi 9

54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
64,00 57,78 88,89 22,22 28,89
𝑆3 9
5 4 0 0 0
114,00 154,67 96,67 16,00 116,00
𝑆4 3
1 0 2 0 0
67,20 36,80 174,00 14,40 9,60
𝑆5 5
4 0 0 0 1
Demand (D) 6 8 10 4 4 32
Berdasarkan iterasi 9 , hanya ada satu sel yang belum terpenuhiyaitu

sel baris 𝑆4 kolom 𝐷1 . Sehingga sel tersebut di isi dengan 1. Kapasitas 𝑆4 menjadi
1 (3 – `2 = 1 ) Karena sebelumnya sel baris 𝑆4 kolom 𝐷3 di isi dengan 2.
Stop iterasi, karena semua kapasitas telah terpenuhi. Sehingga
36
Tabel 3.14 Solusi 1 : di hasilkan dari WCD Masalah Transportasi Seimbang
54,75 40,00 11,25 39,50 10,00
𝑆1 8
0 0 8 0 0
53,14 106,29 137,14 4,57 7,43
𝑆2 7
0 0 0 4 3
64,00 57,78 88,89 22,22 28,89
𝑆3 9
5 4 0 0 0
114,00 154,67 96,67 16,00 116,00
𝑆4 3
1 0 2 0 0
67,20 36,80 174,00 14,40 9,60
𝑆5 5
4 0 0 0 1
Demand (D) 6 8 10 4 4 32
biaya minimum dengan menggunakan persamaan (1)
Min Z = ∑5𝑖=1 ∑5𝑗=1 𝑋𝑖𝑗 𝐶𝑖𝑗
= (54,75 x 0 ) + (53,14 x 0) + (64,00 x 5) + (114,00 x 1) + (67,20 x 4) +

(40,00 x 1) + (106,29 x 0) + (57,78 x 4) + (154,67 x 0) + (36,80 x 0) +
11,25 x 8) + (137,14 x 0) + (88,89x 0) + (96,67 x 2) + (174,00 x 0) +
(39,50 x 0) + 4,57 x 4) + (22,22 x 4 ) + (16,00 x 0) + (14,40 x 0) + (10,00
x 0) + (7,43 x 3) + (28,89 x 116,00 x 0) + (9,60 x 1)
= 1.102
Jadi, total biaya minimum transportasi matrix oleh permintaan dengan

menggunakan metode Karagul Sahin Approximation Method Sebagai solusi
layak awal adalah Rp. 1.102
b. Solusi dari WCS
37
Dengan menggunakan langkah-langkah yang sama seperti mencari solusi
dari WCD, maka di hasilkan Solusi dari WCS sebagai berikut :
Tabel 3.15 Solusi 2 : Di hasilkan dari WCS Masalah Transportasi Seimbang
97,33 40,00 7,20 158,00 40,00
𝑆1 8
0 0 8 0 0
72,33 81,38 67,20 14,00 22,75
𝑆2 7
0 0 0 3 4
144,00 73,13 72,00 112,50 146,25
𝑆3 9
6 3 0 0 0
28,50 21,75 8,70 9,00 65,25
𝑆4 3
0 0 2 1 0
46,67 14,38 43,50 22,50 15,00
𝑆5 5
0 5 0 0 0
Demand (D) 6 8 10 4 4 32
= (7,20 x 8 ) + (14,00 x 3) + ( 22,75 x 4) + (144,00 x 6 ) + ( 73,13 x

3) + (9,00 x 1) + (8,70 x 2 ) + (14, 38 x 5)
= 1,104
Jadi, total biaya minimum transportasi matrix oleh persediaan dengan

menggunakan metode Karagul Sahin Approximation Method Sebagai solusi layak
awal adalah Rp. 1.104
Langkah 5 , Membandingkan nilai solusi dari WCD dan WCS, ambil solusi yang
lebih kecil sebagai solusi awal.
38
Solusi dari WCD adalah 1.102 Sedangkan Solusi dari WCS adalah 1.104,
Sangat jelas bahwa solusi dari WCD lebih kecil, Sehingga yang di jadikan solusi
awal adalah solauis dari WCD yaitu 1.102.
Kedua : Dengan menggunakan Vogel’s Approximation Method
Tabel Biaya 3.16 terendah dari masing-masing baris dan kolom (Masalah
Transportasi Seimbang)
𝑆1 73 40 9 79 20 8
𝑆2 62 93 96 8 13 7
𝑆3 96 65 80 50 65 9
𝑆4 57 58 29 12 87 3
𝑆5 56 23 87 18 12 5
Demand (D) 6 8 10 4 4 32
Biaya terendah pertama dan biaya terendah kedua pada baris S1 masing-
masing adalah 9 dan 40. Biaya terendah pertama dan kedua pada baris S2 masing-
masing adalah 12 dan 29. Sedangkan biaya terendah pertama dan biaya terendah
kedua pada baris S5 adalah 12 dan 18. Biaya terendah pertama dan terendah kedua
pada kolom D1 masing-masing adalah 56 dan 57. Biaya terendah pertama dan
kedua pada kolom D2 masing-masing adalah 23 dan 58. Biaya terendah pertama
dan biaya terendah ke-dua pada kolom D3 masing-masing adalah 9 dan 29.Biaya
terendah pertama dan kedua pada kolom D4 masing-masing adalah 8 dan 18.
Sedangkan pada kolom D5 biaya terendah pertama dan kedua masing-masing
adalah 12 dan 13.
39
Tabel 3.17 Selisih Biaya Kasus Vogel’s Approximation Method (Masalah

𝐷1 𝐷2 𝐷3 𝐷4 𝐷5 Supply Selisih
𝑆1 73 40 9 79 20 8 11
𝑆2 62 93 96 8 13 7 5
𝑆3 96 65 80 50 65 9 15
𝑆4 57 58 29 12 87 3 17
𝑆5 56 23 87 18 12 5 6
Demand 6 8 10 4 4 32
Selisih 1 17 20 4 1
selisih terbesar yang sama , maka dapat di pilih salah satunya).

(Masalah Transportasi Seimbang)
𝑆1 73 40 9 79 20 8 11
𝑆2 62 93 96 8 13 7 5
𝑆3 96 65 80 50 65 9 15
𝑆4 57 58 29 12 87 3 17
𝑆5 56 23 87 18 12 5 6
Demand 6 8 10 4 4 32
Selisih 1 17 20 4 1
40
Selisih biaya terbesar ada pada Kolom D3 yaitu 20.
Langkah 4. Alokasikan produk sebanyak - banyaknya (di sesuaikan dengan
kapasiats dan permintaan) di sel yang memiliki biaya terendah pada baris/kolom
yang memiliki selisih terbesar tersebut.
Iterasi 1
Tabel 3.19 Iterasi 1 Vogel’s Approximation Method (Masalah

𝑆1 73 40 9 79 20 8 11
0 0 8 0 0
𝑆2 62 93 96 8 13 7 5
𝑆3 96 65 80 50 65 9 15
𝑆4 57 58 29 12 87 3 17
𝑆5 56 23 87 18 12 5 6
Demand 6 8 10 4 4 32
Selisih 1 17 20 4 1
Berdasarkan iterasi 1, di temukan selisih terbesar berada pada Kolom D3

yakni 20. Pada Kolom D3 , sel dengan biaya terendah berada pada sel baris S1
kolom D3 yakni 9 Sehingga sel baris S1 kolom D3 di isi dengan 8 (min(8;10=8).
Baris S1 tidak di ikutsertakan dalam proses perhitungan selisih biaya berikutnya
karena semua kapasitasnya telah di alokasikan. Oleh karena itu sel baris S1 kolom
D1 , baris S1 kolom D2, baris S1 kolom D4 dan baris S1 kolom D5 di isi dengan
Nol. Serta selisih pada baris S1 untuk iterasi ke-2 di tandai degan (-).
41
dalam proses perhitungan pencarian selisih biaya berikutnya.

dengan kapasitas dan permintaan
Iterasi 2
73 40 9 79 20
𝑆1 8 -
0 0 8 0 0
96
𝑆2 62 93 8 13 7 5
0
80
𝑆3 96 65 50 65 9 15
0
29
𝑆4 57 58 12 87 3 17
2
87
𝑆5 56 23 18 12 5 6
0
Demand 6 8 10 4 4 32
Selisih 1 35 51 4 1
Berdasarkan iterasi 2, di temukan selisih terbesar berada pada Kolom D3

yaitu 51. Pada kolom Ke D3 ,sel dengan biaya terendah berada pada sel baris S4
kolom D3 yaitu 29, Sehingga sel baris S4 Kolom D3 di isi dengan 2 (min(2;8 = 2).
Permintaan kolom D3 menjadi 2 karena sebelumnya sel Kolom D3 baris S1 telah
di isi dengan 8 (10-8 = 2). Kolom D3 tidak di ikutsertakan dalam proses perhitungan
selisih biaya berikutnya karena semua kapasitasnya telah di alokasikan. Oleh
karena itu sel baris S2 kolom D3, baris S3 kolom D3 dan baris S5 kolom D3 di isi
dengan Nol. Serta selisih pada kolom D3 untuk iterasi ke-3 di tandai dengan (-).
42
Iterasi 3
Tabel 3.21 Iterasi 3Vogel’s Approximation Method (Masalah
𝑆1 73 40 9 79 20 8 -
0 0 8 0 0
96
𝑆2 62 93 8 13 7 5
0
80
𝑆3 96 65 50 65 9 15
0
57 58 29 12 87
𝑆4 3 45
0 0 2 1 0
87
𝑆5 56 23 18 12 5 6
0
Demand 6 8 10 4 4 32
Selisih 1 35 - 4 1
Berdasarkan iterasi 3, di temukan selisih terbesar berada pada baris S4

yaitu 45. Pada kolom Ke S4 ,sel dengan biaya terendah berada pada sel baris S4
kolom D4 yaitu 12, Sehingga sel baris S4 Kolom D4 di isi dengan 1(min(1;4 = 4).
Permintaan baris S4 menjadi 1 karena sebelumnya sel Kolom D3 baris S4 telah di
isi dengan 2 (3-2=1). Baris S4 tidak di ikutsertakan dalam proses perhitungan
selisih biaya berikutnya karena semua kapasitasnya telah di alokasikan. Oleh
karena itu sel baris S4 kolom D1, baris S4 kolom D2 dan baris S5 kolom D5 di isi
dengan Nol. Serta selisih pada kolom S4 untuk iterasi ke-4 di tandai degan (-).
43
Iterasi 4

73 40 9 79 20
𝑆1 8 -
0 0 8 0 0
96
𝑆2 62 93 8 13 7 5
0
80
𝑆3 96 65 50 65 9 15
0
57 58 29 12 87
𝑆4 3 -
0 0 2 1 0
56 23 87 18 12
𝑆5 5 6
0 5 0 0 0
Demand 6 8 10 4 4 32
Selisih 6 42 - 10 1
Berdasarkan iterasi 4, di temukan selisih terbesar berada pada kolom D2

yaitu 42. Pada kolom D4 ,sel dengan biaya terendah berada pada sel baris S5 kolom
D2 yaitu 23, Sehingga sel baris S5 Kolom D2 di isi dengan 5. Baris S5 tidak di
ikutsertakan dalam proses perhitungan selisih biaya berikutnya karena semua
kapasitasnya telah di alokasikan. Oleh karena itu sel baris S5 kolom D1, baris S5
kolom D2 dan baris S5 kolom D4, baris S5 kolom D5 di isi dengan Nol. Serta selisih
pada kolom S5 untuk iterasi ke-5 di tandai dengan (-).
44
Iterasi 5

73 40 9 79 20
𝑆1 0 0 8 0 0 8 -
96 13
𝑆2 62 93 8 4 7 5
0
80
𝑆3 96 65 50 65 9 15
0
57 58 29 12 87
𝑆4 3 -
0 0 2 1 0
56 23 87 18 12
𝑆5 5 -
0 5 0 0 0
Demand 6 8 10 4 4 32
Selisih 34 28 - 42 52
Berdasarkan iterasi 5, di temukan selisih terbesar berada pada kolom D5

yaitu 32. Pada kolom D5 ,sel dengan biaya terendah berada pada sel baris S2 kolom
D5 yaitu 13, Sehingga sel baris S2 Kolom D5 di isi dengan 4 (min(4;7=4). Kolom
D5 tidak di ikutsertakan dalam proses perhitungan selisih biaya berikutnya karena
semua kapasitasnya telah di alokasikan. Oleh karena itu sel baris S3 kolom D5 di
isi dengan Nol. Serta selisih pada kolom S5 untuk iterasi ke-5 di tandai dengan (-).
45
Iterasi 6

73 40 9 79 20
𝑆1 8 -
0 0 8 0 0
62 93 96 8 13
𝑆2 7 54
0 0 0 3 4
80 50 65
𝑆3 96 65 9 15
0 0
57 58 29 12 87
𝑆4 3 -
0 0 2 1 0
56 23 87 18 12
𝑆5 5 -
0 5 0 0 0
Demand 6 8 10 4 4 32
Selisih 34 28 - 42 -
Berdasarkan iterasi 6, di temukan selisih terbesar berada pada baris S2 yaitu

54. Pada baris S4 ,sel dengan biaya terendah berada pada sel baris S2 kolom D4
yaitu 8, Sehingga sel baris S2 Kolom D4 di isi dengan 3 (min(3;7=3). Kapasitas
S2 menjadi 3 karena sebelumnya pada baris S2 kolom D5 telah di isi dengan 4 (7-
4 = 3).Baris S2 tidak di ikutsertakan dalam proses perhitungan selisih biaya
berikutnya karena semua kapasitasnya telah di alokasikan. Oleh karena itu sel baris
S kolom D5 di isi dengan Nol. Serta selisih pada kolom S5 untuk iterasi ke-5 di
tandai dengan (-).
46
Iterasi 7

𝑆1 73 40 9 79 20 8 -
0 0 8 0 0
𝑆2 62 93 96 8 13 7 -
0 0 0 3 4
𝑆3 96 65 80 50 65 9 31
6 3 0 0
𝑆4 57 58 29 12 87 3 -
0 0 2 1 0
𝑆5 56 23 87 18 12 5 -
0 5 0 0 0
Demand 6 8 10 4 4 32
Selisih - - - 42 -
Berdasarkan iterasi 7 , terdapat dua sel yang belum tersisi dengan selisihnya
31 yaitu sel baris S3 kolom D1 dan baris S1 kolom 2. Langsung saja kita alokasikan
ke biaya terkecil yaitu pada baris S3 kolom D2 dengan 3. Permintaan pada kolom
D2 menjadi 3 karena sebelumnya pada baris S5 kolom D2 telah di isi dengan 5 (8-
5 = 3). Selanjutnya kita alokasikan ke baris S3 kolom D1 dengan 6. Kapasitas S3
menjadi 6 karena sebelumnya pada baris S3 kolom D3 telah di isis dengan 3 (9-
3=6). Iterasi Selesai Karena semua sel telah terpenuhi.
47
Tabel 3.26 Vogel’s Approximation Method (Masalah Transportasi
Seimbang)
73 40 9 79 20
𝑆1 0 0 8 0 0 8 -
62 93 96 8 13
𝑆2 0 0 0 3 4 7 -
96 65 80 50 65
𝑆3 6 3 0 0 9 31
57 58 29 12 87
𝑆4 3 -
0 0 2 1 0
56 23 87 18 12
𝑆5 5 -
0 5 0 0 0
Demand 6 8 10 4 4 32
Selisih - - - 42 -
biaya minimum distribusi dengan menggunakan persamaan
= (8 x 9) + (8 x 3) + ( 4 x 13 ) + (6 x 96) + (3 x 65) + ( 2 x 29) + (1

x 12) + (5 x 23)
= 72 + 24 + 52 + 576 + 195 + 58 + 12 + 115
= 1104
48
Jadi, total biaya minimum distribusi dengan menggunakan metode Vogel’s
Approximation Method Sebagai solusi layak awal adalah Rp. 1104.
Selanjutnya akan di bandingkan antara Karagul Sahin Approximation

Method (KSAM) dengan Vogel’Approximation Method (VAM). Dari contoh kasus
1 terlihat bahwa untuk solusi awal masalah transportasi dengan menggunkan
Karagul Sahin Approximation Method mendapatkan solusi awal 1102 sedangkan
dengan menggunakan Vogel’Approximation Method mendapatkan solusi awal
1104. Sehingga dapat di simpulkan bawaha dengan menggunakan Karagul Sahin
Approximation Method mendapatkan solusi yang lebih optimal.
3.3.2 Contoh Kasus 2

Biaya pengiriman garam dari sumber ke kota tujuan di tampilkan pada tabel
di bawah ini : [11]
Tabel 3.27 Biaya Pengiriman Garam ke kota tujuan (Masalah
Transportasi tidak seimbang)
Ke Tarif Distribusi Ke Kota Tujuan (Rp/Kg) Supply
Dari Tanggerang Jakarta Lampung (Kg)
Madura 390 380 500 30.000
Jepara 290 280 400 40.000
Pati 240 230 350 60.00
Demand (Kg) 20.000 30.000 30.000
Total jumlah permintaan dari kota Tangerang, Jakarta dan Lampung adalah
sebanyak 80.000 kg. Sedangkan jumlah persediaan dari ketiga sumber, yaitu
Madura,Jepara dan Pati adalah sebanyak 130.000 kg . Karena jumlah permintaan
tidak sama dengan jumlah persediaan, maka masalah ransportasi ini menjadi
masalah transportasi tidak setimbang. kondisi tidak setimbang harus dibuat
setimbang dengan menambahkan sumber/tujuan yang bersifat dummy. Besarnya
dummy pada masalah ini adalah 50.000 kg. Tabel 3. berikut menunjukkan tabel
transportasi setelah diberi dummy.
49
Tabel 3.28 Biaya pengiriman Garam Ke kota tujuan setelah di
tamabhkan variabel dummy
Ke Tarif Distribusi Ke Kota Tujuan (Rp/Kg)

Supply
Dari Tanggerang Jakarta Lampung Dummy
Madura 390 380 500 0 30.000
Jepara 290 280 400 0 40.000
Pati 240 230 350 0 60.00
Demand 20.000 30.000 30.000 50.000
Selanjutnya menentukan solusi awal masalah transportasi :
Pertama : Menggunakan Karagul Sahin approximation method (KSAM)
Langkah Pertama : Mencari 𝑟𝑖𝑗 dan 𝑟𝑗𝑖
a. Mencari 𝑟𝑖𝑗 pada matriks

Cara mencari 𝑟𝑖𝑗 dengan menggunakan rumus
Tabel 3.29 𝒓𝒊𝒋 pada matriks (PDM) (Masalah Transportasi
tidak seimbang)
Supply
Madura 0,67 1,00 1,00 1,67 30.000
Jepara 0,50 0,75 0,75 1,25 40.000
Pati 0,30 0,5 0,5 0,83 60.00
Demand 20.000 30.000 30.000 50.000
50
b. Mencari 𝑟𝑗𝑖 Pada matriks (PSM)
Tabel 3.30 𝒓𝒊𝒋 pada matriks (PSM) Masalah Transportasi tdak Seimbang)

Supply
Madura 1,50 1,00 1,00 0,60 30.000
Jepara 2,00 1,30 1,30 0.80 40.000
Pati 3,00 2,00 2,00 1,20 60.00
Demand 20.000 30.000 30.000 50.000
Langkah 2 : mencari nilai WCD DAN WCS
a. Matriks A : biaya matriks oleh permintaan (WCD) dengan cara mengalikan

tarif dan nilai biaya
Tabel 3.31 Matriks A Masalah Transportasi tidak Seimbang
Supply
Madura 261,3 380 500 0 30.000
Jepara 145 210 300 0 40.000
Pati 72 115 175 0 60.00
Demand 20.000 30.000 30.000 50.000
b. Matriks B : Biaya matriks oleh persediaan (WCS) dengan cara mengalikan tarif
dengan biaya
51
Tabel 3.32 Matriks B Masalah Transportasi tidak Seimbang

Supply
Madura 585 380 500 0 30.000
Jepara 580 364 520 0 40.000
Pati 720 460 700 0 60.000
Demand 20.000 30.000 30.000 50.000
Langkah 3 solusi dari WCD dan WCS, mencari biaya terkecil dengan
mempertimbangkan persediaan dan permintaan.
c. Solusi dari WCD
Iterasi 1
Tabel 3.33 Iterasi 1 Karagul Sahin Approximation Method (Masalah

Transportasi tidak Seimbang

Supply
Madura 261,3 380 500 0
30.000
0 0 0 30.000
Jepara 145 210 300 0 40.000
Pati 72 115 175 0 60.00
Demand 20.000 30.000 30.000 50.000
Berdasarkan iterasi 1 ditemukan biaya terkecil pada baris 1 Kolom D

(Dummy) yaitu 0, pada sel tersebut di isi dengan 30.000 karena (min (30.000,
50.000 = 30.000)). Baris 1 tidak diikutsertakan pada iterasi berikutnya karena
permintaan pada baris 1 telah terpenuhi , oleh Karena itu baris 1 kolom A, baris 1
kolom B, Baris 1 kolom 3 di isi dengan nol.
Langkah 4, Persediaan dan permintaan belum teralokasikan , maka ulangi langkah

3
52
Iterasi 2


Supply
Dari A B C D
261,3 380 500 0
1 30.000
0 0 0 30.000
0
2 145 210 300 40.000
20.000
0
3 72 115 175 60.00
0
Demand 20.000 30.000 30.000 50.000
Berdasarkan iterasi 2 ditemukan biaya terkecil pada baris 2 Kolom D yaitu
0, pada sel tersebut di isi dengan 20.000 karena (min (20.000, 40.000 = 20.000)).
Permintaan kolom D menjadi 20.000 karena sebelumnya pada baris pertama klom
D telah di isi dengan 30.000. Kolom D tidak diikutsertakan pada iterasi berikutnya
karena permintaan pada klom D telah terpenuhi.
Iterasi 3


Supply
Dari A B C D
261,3 380 500 0
1 30.000
0 0 0 30.000
145 0
2 210 300 40.000
0 20.000
72 0
3 115 175 60.00
20.000 0
Demand 20.000 30.000 30.000 50.000
53
Berdasarkan iterasi 3 ditemukan biaya terkecil pada baris 3 Kolom A
yaitu 72, pada sel tersebut di isi dengan 20.000 karena (min (20.000, 60.000 =
20.000)). Permintaan kolom A tidak diikutsertakan pada iterasi berikutnya karena
permintaan pada klom A telah terpenuhi. Oleh karena itu pada baris 2 kolom A di
isi dengan Nol.
Iterasi 4


Supply
Dari A B C D
261,3 380 500 0
1 30.000
0 0 0 30.000
145 210 0
2 300 40.000
0 0 20.000
72 115 0
3 175 60.00
20.000 30.000 0
Demand 20.000 30.000 30.000 50.000
Berdasarkan iterasi 4 ditemukan biaya terkecil pada baris 3 Kolom B

yaitu 115, pada sel tersebut di isi dengan 30.000 karena (min (30.000, 60.000
=30.000)). Permintaan kolom A tidak diikutsertakan pada iterasi berikutnya karena
permintaan pada klom B telah terpenuhi. Oleh karena itu pada baris 2 kolom B di
isi dengan Nol.
54
Iterasi 5


Supply
Dari A B C D
1 261,3 380 500 0
30.000
0 0 0 30.000
2 145 210 0
300 40.000
0 0 20.000
3 72 115 175 0
60.000
20.000 30.000 10.000 0
Demand 20.000 30.000 30.000 50.000
Berdasarkan iterasi 5 ditemukan biaya terkecil pada baris 3 Kolom C
yaitu 175, pada sel tersebut di isi dengan 10.000 karena (min (10.000, 60.000
=60.000)). Persediaan pada baris 3 menjadi 10.000 karena sebelumnya pada baris
3 klom B di isi dengan 30.000 dan pada baris 3 kolom A di isi dengan 20.000
(60.000-20.000 – 30.000).Baris 3 tidak diikutsertakan pada iterasi berikutnya
karena persediaan pada Baris 3 telah terpenuhi.
Iterasi 6
Tabel 3.38 Iterasi Karagul Sahin Approximation Method (Masalah


Supply
Dari A B C D
261,3 380 500 0
1 30.000
0 0 0 30.000
145 210 300 0
2 40.000
0 0 20.000 20.000
72 115 175 0
3 60.00
20.000 30.000 10.000 0
55
Demand 20.000 30.000 30.000 50.000
Berdasarkan iterasi 6 hanya satu sel saja yang belum terpenuhi maka sel
tersebut di isi dengan 20.000. Karena semua sel telah terpenuhi maka iterasi
berhenti.
Tabel 3.39 Solusi dari WCD ( Masalah Transportasi Tidak Seimbang)

Supply
Dari A B C D
261,3 380 500 0
1 30.000
0 0 0 30.000
145 210 300 0
2 40.000
0 0 20.000 20.000
72 115 175 0
3 60.00
20.000 30.000 10.000 0
Demand 20.000 30.000 30.000 50.000
= (30.00 x 0) + (20.000 x 0) + (20.000 x 72) + (30.000 x 115) + (10.000

175) + (20.000 x 300)
= 0 + 0 + 1.440.000 + 3.450.00 + 1.750.000 + 6.000.000
= 12.640.000
d. Solusi dari WCS

Dengan menggunakan cara yang sama di dapatkan solusi dari WCD
56
Tabel 3. 40 Solusi dari WCS ( Masalah Transportasi Tidak Seimbang)
Supply
Dari A B C D
1 585 380 500 0 30.000
0 0 0 30.000
2 580 364 520 0 40.000
0 20.000 0 20.000
3 720 460 700 0 60.000
20.000 10.000 30.000 0
Demand 20.000 30.000 30.000 50.000

= (30.000 x 0) + (20.000 x 0) + (20.000 x 364) + (10.000 x 460 ) + (30.000
x 700) + (20.000 x 720)
= 0 + 0 + 7.280.000 + 4.600.000 + 21.000.000 + 14.400.000
= 47.280.000
Jadi, total biaya minimum transportasi matrix oleh persediaan dengan

menggunakan metode Karagul Sahin Approximation Method Sebagai solusi layak
awal adalah Rp. 47.280.000
Langkah 5 , Membandingkan nilai solusi dari WCD dan WCS, ambil solusi yang
lebih kecil sebagai solusi awal.
Solusi dari WCD adalah 12.640.000 Sedangkan Solusi dari WCS adalah
47.280.000, Sangat jelas bahwa solusi dari WCD lebih kecil, Sehingga yang di
jadikan solusi awal adalah solauis dari WCD yaitu 12.640.000.
Kedua : Menggunakan Vogel’s Approximation Method (VAM)
57
Tabel 3.41 Biaya Terendah Vogel’s Approximation (Masalah Transportasi
Tidak Seimbang)
Supply
Madura 390 380 500 0 30.000
Jepara 290 280 400 40.000
Pati 240 230 350 0 60.00
Demand 20.000 30.000 30.000 50.000
Biaya terendah pertama dan biaya terendah kedua pada baris ke-1 (Madura)
masing-masing adalah 0 dan 380. Biaya terendah pertama dan kedua pada baris ke-
2 (Jepara) masing-masing adalah 0 dan 280. Sedangkan biaya terendah pertama dan
biaya terendah ke 3 (Pati) adalah 0 dan 230. Biaya terendah pertama dan terendah
kedua pada kolom ke A (Tanggerang) adalah 240 dan 290. Biaya terendah pertama
dan kedua pada Kolom B (Jakarta) adalah 230 dan 280. Sedangkan biaya terendah
pertama dan biaya terendah ke-dua adalah 350 dan 400.
Tabel 3.42 Selisih Biaya Kasus Vogel’s Approximation Method (Masalah

Transportasi tidak Seimbang)
Ke Tarif Distribusi Ke Kota Tujuan
Dari (Rp/Kg) Supply Selisih
A B C D
1 390 380 500 0 30.000 380
2 290 280 400 0 40.000 280
3 240 230 350 0 60.00 230
Demand 20.000 30.000 30.000 50.000
Selisih 50 50 50 0
selisih terbesar yang sama , maka dapat di pilih salah satunya
58
(Masalah Transportasi tidak Seimbang)
A B C D
1 390 380 500 0 30.000 380
2 290 280 400 0 40.000 280
3 240 230 350 0 60.00 230
Demand 20.000 30.000 30.000 50.000
Selisih 50 50 50 0
Selisih biaya terbesar ada pada baris ke-1 yaitu 380.

Langkah 4. Alokaiskan produk sebanyak - banyaknya (di sesuaikan dengan
kapasiats dan permintaan) di sel yang memiliki biaya terendah pada baris/kolom
yang memiliki selisih terbesar tersebut.
Iterasi 1
A B C D
390 380 500 0
1 30.000 380
0 0 0 30.000
2 290 280 400 0 40.000 280
3 240 230 350 0 60.00 230
Demand 20.000 30.000 30.000 50.000
Selisih 50 50 50 0

yakni 380. Pada baris ke-1 , sel dengan biaya terendah berada pada sel kolom D
yakni 0, Sehingga sel baris ke 1 kolom D di isi dengan 30.000 (min(30.000;50.000
59
= 30.000 ). Baris ke-1 tidak di ikutsertakan dalam proses perhitungan selisih
biaya berikutnya karena semua kapasitasnya telah di alokasikan. Oleh karena itu
sel baris ke-1 kolom A, Sel baris ke-1 kolom B dan sel baris ke-1 kolom C di isi
dengan Nol. Serta selisih pada baris ke-1 untuk iterasi ke-2 di tandai degan (-).
dalam proses perhitungan pencarian selisih biay a berikutnya.

dengan kapasitas dan permintaan.
Iterasi 2

A B C D
1 390 380 500 0
30.000 -
0 0 0 30.000
2 0
290 280 400 40.000 280
20.000
3 0
240 230 350 60.00 230
0
Demand 20.000 30.000 30.000 50.000
Selisih 50 50 50 0

yakni 280. Pada baris ke-2 , sel dengan biaya terendah berada pada sel kolom D
yakni 0, Sehingga sel baris ke 2 kolom D di isi dengan 20.000 (min(20.000;50.000
= 20.000 ). Permintaan pada kolom D menjadi 20.000 karena sebelumnya pada
kolom d baris 1 telah di isi 30.000 (50.000-30.000 = 20.000). Kolom D tidak di
ikutsertakan dalam proses perhitungan selisih biaya berikutnya karena semua
60
permintaannya telah di alokasikan. Oleh karena itu sel baris ke-3 kolom D, di isi
dengan Nol. Serta selisih pada kolom D untuk iterasi ke-3 di tandai degan (-).
Iterasi 3

A B C D
1 390 380 500 0
30.000 -
0 0 0 30.000
2 290 280 400 0
40.000 280
0 20.000 0 20.000
3 0
240 230 350 60.00 230
0
Demand 20.000 30.000 30.000 50.000
Selisih 50 50 50 -

yakni 280. Pada baris ke-2 , sel dengan biaya terendah berada pada sel kolom B
yakni 280, Sehingga sel baris ke 2 kolom B di isi dengan 20.000
(min(20.000;50.000 = 20.000 ). Permintaan pada Baris 2 menjadi 20.000 karena
sebelumnya pada kolom d baris 1 telah di isi 20.000 (40.000-20.000 = 20.000).
Baris 2 tidak di ikutsertakan dalam proses perhitungan selisih biaya berikutnya
karena semua permintaannya telah di alokasikan. Oleh karena itu sel baris ke-2
kolom A, baris 2 kolom C di isi dengan Nol. Serta selisih pada baris 2 untuk iterasi
ke-3 di tandai dengan (-).
61
Iterasi 4

A B C D
1 390 380 500 0 30.000 -
0 0 0 30.000
2 290 280 400 0 40.000 -
0 20.000 0 20.000
3 240 230 350 0 60.000 10
30.000 0
Demand 20.000 30.000 30.000 50.000
Selisih 240 230 350 -
Berdasarkan iterasi 4 di temukan selisih terbesar pada kolom C, Pada sel kolom C
biaya terendah berada pada baris 3 kolom C yaitu 350, Sehingga di isi dengan
30.000. Kolom C tidak di ikutsertakan dalam proses perhitungan selisih biaya
berikutnya karena semua Permintaanya telah di alokasikan. Serta selisih pada
kolom B untuk iterasi ke-5 di tandai dengan (-).
62
Iterasi 5

A B C D
1 390 380 500 0 30.000 -
0 0 0 30.000
2 290 280 400 0 40.000 -
0 20.000 0 20.000
3 240 230 350 0 60.000 10
20.000 10.000 30.000 0
Demand 20.000 30.000 30.000 50.000
Selisih 240 230 - -
Berdasarkan iterasi 5 di temukan 2 sel yang belum terisi pada baris 3 kolom
A dan baris 3 kolom B , sehingga masing-masing di isi dengan 20.000 dan 10.000.
Karena semua sel telah terpenuhi maka iterasi berhenti
Tabel 3.49 Pengalokasian menggunakan Vam (Masalah tidak

seimbang)

A B C D
1 390 380 500 0 30.000 -
0 0 0 30.000
2 290 280 400 0 40.000 -
0 20.000 0 20.000
3 240 230 350 0 60.000 10
20.000 10.000 30.000 0
Demand 20.000 30.000 30.000 50.000
Selisih 240 230 - -
63
Berdasarkan Tabel 3.49 Terlihat seluruh kebutuhan baris dan kolom telah terpenuhi
yang berarti solusi awal bisa di peroleh. Selanjutnya menghitung total biaya
minimum distribusi dengan menggunakan persamaan.
= (20.000 x 280) + (20.000 x 240) + (10.000 x 230) + (30.000 x

350)
= 5.600.00 + 4.800.000 + 2.300.00 + 10.500.000
= 23.200.000
Selanjutnya akan di bandingkan antara Karagul Sahin Approximation

Method (KSAM) dengan Vogel’Approximation Method (VAM). Dari contoh kasus
1 terlihat bahwa untuk solusi awal masalah transportasi dengan menggunkan
Karagul Sahin Approximation Method mendapatkan solusi awal 12.640.000
sedangkan dengan menggunakan Vogel’Approximation Method mendapatkan
solusi awal 23.200.000 Sehingga dapat di simpulkan bawaha dengan menggunakan
Karagul Sahin Approximation Method mendapatkan solusi yang lebih optimal.
64
BAB IV PENUTUP
65
DAFTAR PUSTAKA
[1] D. P. Sari and F. Bu, “Optimasi Masalah Transportasi Dengan Menggunakan

Metode Potensial Pada Sistem Distribusi Pt. Xyz,” Saintia Mat., vol. 1, no.
5, pp. 406–418, 2013.
[2] jong jek Siang, Riset Operasi dalam Pendekatan Algoritmis.

Yogyakarta:C.V Andi Offset,2011
[3] S. Eliany and Purba, “Analisis Beberapa Metode Transportasi Dalam

Optimalisasi Biaya Distribusi,” 2018.
[4] T. Afriani, “Penerapan Model Transportasi distribusi pada perusahaan roti

dengan menggunkan metode pendekatan vogel, metode pendekatan russel
dan metode NWC (Sudut Barat Laut) studi Kasus : PT: Gardenia,” vol. 23,
no. 45, pp. 5–24, 2016.
[5] Gerald J Lieberman dan Frederick S Hillier and Lieberman, Introduction To

Operations Research 7th Edition. New York:Thomas Casson,2001.
[6] S. Rafflesia, Ulfasari, S.Si, M and M. S. Drs. Haryo Widodo, Fanani,

Pemrograman linier, vol. 112, no. 483. 2014.
[7] M. FIQRANSYAH, “Penerapan vogel’s approximation method dan

modified distribution dalam meminimalisasi biaya transportasi dan distribusi
semen bosowa wilayah selatan,” 2015.
[8] N. Ketut, T. Tastrawati, S. Si, M. Si, and J. Matematika,

“PEMROGRAMAN LINIER : MODEL TRANSPORTASI,” 2015.
[9] K. Karagul and Y. Sahin, “A novel approximation method to obtain initial

basic feasible solution of transportation problem,” J. King Saud Univ. - Eng.
Sci., no. xxxx, 2019.
[10] E. J. Russell, “Extension of Dantzig’s Algorithm to Finding an Initial Near-

Optimal Basis for the Transportation Problem,” Oper. Res., vol. 17, no. 1,
pp. 187–191, 1969.
66
[11] Nur aini, Aurora dan Guvita Sari (2019) "Aplikasi Metode Lowest Supply
Lowest Cost (Lslc) Pada Masalah Transportasi Tidak Seimbang (Studi
Kasus Pada Distribusi Garam Ud. Aditya Mandiri)" jurnal ilmiah tekno
sains,vol V No.1.
[12] Singh, S., 2015. Note on transportation problem with new method for
resolution of degeneracy. Univ. J. Indus. Bus. Manage. 3 (1), 26–36.
[13] Uddin, M.M., Rahaman, M.A., Ahmed, F., Uddin, M.S., Kabir, M.R., 2013.
Minimization of transportation cost on the basis of time allocation: an
algorithmic approach. Jahangirnagar J. Math. Math. Sci. 28, 47–53.
67
LAMPIRAN
68

SL Syilla PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

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

SL Syilla PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Perbandingan Anatara Karagul-Sahin Aproximation Method

(KSAM) dengan Vogel Aproximation Method (VAM) Untuk

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI BANDUNG

NAMA : Siti Nurlela

Judul : Sebuah Metode Pendekatan Baru Untuk Mendapatkan

Salah satu masalah penting di bidang optimasi adalah masalah transportasi.

LEMBAR PENGESAHAN ..................................................................................... i

1.2 Rumusan Masalah

1.3 Batasan Masalah

1.4 Tujuan penelitian

1.6 Sistematika Penulisan

2.2 Program Linier ( Linear Programming )

𝑎11 𝑥1 + 𝑎12 𝑥2 + … 𝑎1𝑛 𝑥𝑛 ≤ atau ≥ 𝑏1 (4)

𝑎21 𝑥1 + 𝑎22 𝑥2 + … 𝑎2𝑛 𝑥𝑛 ≤ atau ≥ 𝑏2 (5)

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + … 𝑎𝑚𝑛 𝑥𝑛 ≤ atau ≥ 𝑏𝑚 (6)

Bentuk umum program linear untuk kasus meminimumkan fungsi

Dengan Fungsi Pembatas (Constraint Function) :

𝑎11 𝑥1 + 𝑎12 𝑥2 + … 𝑎1𝑛 𝑥𝑛 ≥ 𝑏1 (12)

𝑎21 𝑥1 + 𝑎22 𝑥2 + … 𝑎2𝑛 𝑥𝑛 ≥ 𝑏2 (13)

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + … 𝑎𝑚𝑛 𝑥𝑛 ≥ 𝑏𝑚 (14)

Z= Fungsi tujuan yang di cari nilai optimum ( Maksmum/Minimum)

m= Banyaknya jenis sumber yang terbatas atau fasilitas yang tersedia

n= Banyaknya kegiatan-kegiatan yang menggunakan sumber atau

𝑥𝑗 = Varaiabel keputusan untuk kegiatan ke-j (j = 1,2,…. n)

𝑎𝑖𝑗 = Banyaknya sumber i yang di perlukan untuk menghasilakn setiap

𝑏𝑖 = Kapasitas sumber I yang tersedia untuk di alokasikan ke setiap unit

Metode Linear programming antara lain, yaitu :

a. Metode Grafik untuk pemecahan program linier

2.3 Masalah Transportasi

2.4 Model Masalah transportasi

Sebagai ilustrasi Gambar 2.1 akan memodelkan permasalahan

2.5 Keseimbangan Masalah transportasi

Masalah Transportasi Supply pupuk ini di ilustrasikan pada gambar

Gambar 2.3 : Model Jaringan Supply dan Permintaan Pupuk

Dari gambar Model jaringan Supply dan permintaan pupuk

2.6 Metode Penyelesaian masalah transportasi

Demand 150 70 60 280

Demand 150 70 60 280

Dari/ke A B C Supply Selisih

Demand 150 70 60 280

Tabel 2.10 Selisih biaya terbesar Vogel’s Approximation Method

Selisih biaya terbesar ada pada baris ke-3 yaitu 6.

Dari/ke A B C Supply Selisih

Demand 150 70 60 280

Berdasarkan iterasi 1, di temukan selisih terbesar berada pada baris ke-3

Langkah 6. Ulangi langkah pertama sampai semua produk di alokasikan sesuai

Dari/ke A B C Supply Selisih

Tabel 2.14 Iterasi 3 Vogel’s Approximation Method

Minimasi Z = ∑3𝑖=1 ∑3𝑗=1 𝑋𝑖𝑗 𝐶𝑖𝑗

Jadi, total biaya minimum distribusi dengan menggunakan metode Vogel’s

Perbandingan Antara Karagul-Sahin Aproximation Method

3.1 Metode Pendekatan Karagul Sahin (Karagul Sahin Approximation

Untuk mencari 𝑟𝑖𝑗 dan 𝑟𝑗𝑖 adalah sebagai berikut

𝑟𝑖𝑗 = Matriks Permintaan proporsional (Pdm)

𝑟𝑗𝑖 = Matriks Persediaan Proporsional (Psm)

A = Matriks biaya transportasi tertimbang menurut permintaan (Wcd)

B = Matriks biaya transportasi tertimbang menurut persediaan (Wcs)

Langkah- Langkah untuk mendaptkan solusi awal dengan menggunkan

3.2 Contoh Kasus

Tabel 3.1 Tabel Transportasi numerik (Masalah Seimbang)