Modul Praktikum Optimasi Ver 01 PDF
Modul Praktikum Optimasi Ver 01 PDF
MODEL OPTIMASI
TIM PENYUSUN
MODUL PRAKTIKUM
MODEL OPTIMASI
KATA PENGANTAR
Puji syukur ke hadirat Tuhan Yang Maha Kuasa, yang telah memberikan rahmat-Nya sehingga Modul
Praktikum Analisis dan Pengukuran Kerja untuk mahasiswa/i Program Studi Teknik Industri Fakultas
Teknik Universitas Widyatama ini dapat diselesaikan dengan sebaik-baiknya.
Modul praktikum ini dibuat sebagai pedoman dalam melakukan kegiatan Praktikum Model Optimasi
yang merupakan kegiatan penunjang mata kuliah Model Optimasi pada Program Studi Teknik Industri
Universitas Widyatama. Modul praktikum ini diharapkan dapat membantu mahasiswa/i dalam
mempersiapkan dan melaksanakan praktikum dengan lebih baik, terarah, dan terencana. Pada setiap
topik telah ditetapkan tujuan pelaksanaan praktikum dan semua kegiatan yang harus dilakukan oleh
mahasiswa/i serta teori singkat untuk memperdalam pemahaman mahasiswa/i mengenai materi yang
dibahas.
Penyusun menyakini bahwa dalam pembuatan Modul Praktikum Model Optimasi ini masih jauh dari
sempurna. Penyusun mengharapkan kritik dan saran yang membangun guna penyempurnaan modul
praktikum ini dimasa yang akan datang.
Akhir kata, penyusun mengucapkan banyak terima kasih kepada semua pihak yang telah membantu
baik secara langsung maupun tidak langsung.
Penyusun
PERATURAN PRAKTIKUM
1. Praktikan wajib 100% kehadiran mengikuti seluruh kegiatan praktikum dan asistensi.
Dispensasi ketidakhadiran diberikan jika Praktikan:
a. Sakit yang mengharuskan praktikan dirawat inap (opname).
b. Sakit menular yang membutuhkan karantina.
c. Musibah yang dialami keluarga inti.
d. Ijin ketidakhadiran minimal dari Instruktur.
2. Praktikan yang melakukan tindak kecurangan dalam bentuk apapun untuk Tugas Awal, Tugas
Pendahuluan, Laporan, dan/atau Tugas Tambahan akan mendapatkan sanksi maksimum gugur
praktikum.
3. Pengumpulan Tugas Pendahuluan dilakukan pada saat praktikum modul yang bersangkutan
dan menjadi syarat untuk mengikuti kegiatan praktikum. Pengumpulan Tugas Pendahuluan
dilakukan perorangan.
4. Asistensi dilakukan pada pertemuan selanjutnya setelah kegiatan praktikum dilakukan.
Asistensi dilakukan secara perorangan dan langsung berhadapan dengan Asisten.
5. Pengumpulan Laporan Asistensi WAJIB dikerjakan 100% dari tugas yang diberikan oleh
Instruktur Laboratorium
6. Laporan setiap modul WAJIB di ACC oleh Instruktur Laboratorium, apabila tidak mendapat
ACC Instruktur Laboratorium, maka Praktikan tidak bisa mendapatkan ACC laporan untuk
modul berikutnya.
7. Laporan setiap modul dapat di ACC oleh Instruktur Laboratorium setelah mendapat persetujuan
dari Asisten praktikum.
8. Susunan Laporan Akhir Praktikum harus sesuai dengan ketentuan sebagai berikut:
✓ Cover
✓ Lembar asistensi
✓ Lembar pengesahan
✓ Kata pengantar.
✓ Daftar isi.
✓ Daftar tabel.
✓ Daftar gambar.
✓ BAB I s/d BAB VI.
✓ Daftar Pustaka.
✓ Lampiran.
9. Praktikan WAJIB datang tepat waktu. Keterlambatan akan menyebabkan Praktikan yang
bersangkutan mendapatkan sanksi sebagai berikut:
a. Keterlambatan max. 15 menit.
DAFTAR ISI
TIM PENYUSUN ...................................................................................................................... 1
KATA PENGANTAR ............................................................................................................... 2
PERATURAN PRAKTIKUM ................................................................................................... 3
DAFTAR ISI.............................................................................................................................. 5
MODUL 1 : PROGRAM LINIER ............................................................................................. 6
I. TUJUAN PRAKTIKUM ................................................................................................ 6
II. LANDASAN TEORI ...................................................................................................... 6
III. PROSEDUR PRAKTIKUM .......................................................................................... 9
MODUL 2 : METODE SIMPLEKS ........................................................................................ 11
I. TUJUAN PRAKTIKUM .............................................................................................. 11
II. LANDASAN TEORI .................................................................................................... 11
III. PROSEDUR PRAKTIKUM ........................................................................................ 14
MODUL 3 : PENGENALAN SOFTWARE OPTIMASI ....................................................... 16
I. TUJUAN PRAKTIKUM .............................................................................................. 16
II. LANDASAN TEORI .................................................................................................... 16
III. PROSEDUR PRAKTIKUM ........................................................................................ 24
MODUL 4 : OPTIMISASI METODE TRANSPORTASI ...................................................... 28
I. TUJUAN PRAKTIKUM .............................................................................................. 28
II. LANDASAN TEORI .................................................................................................... 28
III. PROSEDUR PRAKTIKUM ........................................................................................ 29
MODUL 5 : METODE PENUGASAN ................................................................................... 30
I. TUJUAN PRAKTIKUM .............................................................................................. 30
II. LANDASAN TEORI .................................................................................................... 30
III. PROSEDUR PRAKTIKUM ........................................................................................ 31
I. TUJUAN PRAKTIKUM
Dari kegiatan praktikum ini mahasiswa diharapkan dapat:
Taha (2003) mendefinisikan programa linier sebagai suatu metode matematik untuk
menyelesaikan suatu masalah optimasi yang membentuk persamaan linier. Beberapa masalah
aplikasi programa linier : product mix problem, diet problem, blending problem, advertising
planning, investment planning, inventory planning dan optimal cargo shipment. Tujuan dari
programa linier adalah suatu hasil yang mencapai tujuan yang ditentukan (optimal) dengan cara
yang paling baik diantara semua alternatif yang mungkin dengan batasan sumber daya yang
tersedia (Taha, 2003)
Programa linear menggunakan model matematis untuk menjelaskan persoalan yang
dihadapinya. Sifat “linier” disini memberi arti bahwa seluruh fungsi matematis dalam model
ini merupakan fungsi yang linier, sedangkan kata “programa” merupakan sinonim untuk
perencanaan aktivitas-aktivitas untuk memperoleh suatu hasil yang optimum, yaitu suatu hasil
yang mencapai tujuan terbaik di antara seluruh alternatif yang fisibel.
Pada dasarnya metode-metode yang dikembangkan untuk memecahkan model programa
linear ditujukan untuk mencari solusi dari beberapa alternatif solusi yang dibentuk oleh
persamaan-persamaan pembatas sehingga diperoleh nilai fungsi tujuan yang optimum.
Terdapat tiga elemen utama dalam programa linier, yaitu :
Ada tiga langkah utama dalam merumuskan model pemrograman linier yaitu :
1 Tentukan variabel yang ingin diketahui atau variabel keputusan dan gambarkan dalam
simbol-simbol aljabar.
2 Tentukan semua keterbatasan atau kendala dan gambarakan dalam bentuk persamaan
linier atau ketidaksamaan dari variabel keputusan tadi.
3 Tentukan tujuan atau kriteria dan gambarkan sebagai suatu fungsi linier dari variabel
keputusan yang akan berbentuk maksimasi atau minimasi.
b) Ciri dari Linier Programming
Secara teknis, ada lima syarat tambahan dari permasalahan linear programming yang harus
diperhatikan yang merupakan asumsi dasar, yaitu:
1. certainty (kepastian). Maksudnya adalah fungsi tujuan dan fungsi kendala sudah diketahui
dengan pasti dan tidak berubah selama periode analisa.
2. proportionality (proporsionalitas). Yaitu adanya proporsionalitas dalam fungsi tujuan dan
fungsi kendala.
3. additivity (penambahan). Artinya aktivitas total sama dengan penjumlahan aktivitas
individu.
4. divisibility (bisa dibagi-bagi). Maksudnya solusi tidak harus merupakan bilangan integer
(bilangan bulat), tetapi bisa juga berupa pecahan.
5. non-negative variable (variabel tidak negatif). Artinya bahwa semua nilai jawaban atau
variabel tidak negatif.
Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya
terdapat dua variabel keputusan. Untuk menyelesaikan permasalahan tersebut, langkah
pertama yang harus dilakukan adalah memformulasikan permasalahan yang ada ke dalam
bentuk Linear Programming (LP). Langkah-langkah dalam formulasi permasalahan adalah :
Metode grafik adalah satu dari sekian banyak metode untuk mencari penyelesaian
optimal. Metode ini mudah dilakukan dan sangat sederhana. Meskipun demikian sesuai dengan
kesederhanaannya maka metode ini sangat terbatas pada penyelesaian masalah-masalah
sederhana yakni persoalanpersoalan yang hanya mempunyai 2 variabel keputusan yang hendak
dicari nilai-nilai optimalnya, sehingga model pemecahan permasalahannya dapat
direpresentasikan dalam bentuk grafik dua dimensi. Untuk persoalan-persoalan yang
mempunyai lebih dari dua variabel keputusan metode grafik sulit untuk digunakan.
Berdasarkan contoh persoalan di atas metode penyelesaian grafis dapat disistimatisir sebagai
algoritme berikut ini :
1. Membangun Model Matematis
▪ Titik terjauh dari (0,0) tersebut merupakan solusi optimal dari permasalahan yang
dihadapi.
• Jika kedua garis sejajar, maka himpunan penyelesaiannya tidak memiliki anggota.
Maka dapat dikatakan himpunan penyelesaiannya ialah himpunan kosong, dan dapat
ditulis ∅.
• Jika kedua garis saling berhimpit, maka himpunan penyelesaiannya mempunyai
anggota yang tak terhingga
I. TUJUAN PRAKTIKUM
Dari kegiatan praktikum ini mahasiswa diharapkan dapat:
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 akan menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).
9. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat
variabel keluar.
10. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan
baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks
berikutnya.
11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap
iterasi. Variabel ini pada iterasi berikutnya akan bernilai positif.
12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya
dan digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel
basis pada setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol.
c) Algoritma Simpleks
1. Ubah fungsi tujuan ke dalam bentuk implisit.
2. Masukkan semua nilai ke dalam tabel simplex.
3. Tentukan kolom kunci (variable keputusan) yang masuk sebagai variable basis
(entering variable).
• Kolom kunci adalah nilai Zj dengan nilai negatif terbesar (untuk maksimasi).
4. Tentukan baris kunci: untuk menentukan variable yang akan keluar dari baris kunci
(leaving variable).
• Kriteria: Nilai positif terkecil dari: nilai kanan/nilai pada kolom kunci.
• Angka kunci : nilai pada perpotongan baris kunci dan kolom kunci
5. Susun tabel simpleks baru, untuk menentukan solusi yang baru gunakan metode
(Elementary Row Operation, Gauss Jordan Elimination), dengan cara:
6. Ubah nilai pada baris kunci sehingga EV memiliki nilai 0 dan 1 pada baris lainnya.
Nilaibariskuncibaru =nilaibariskunciyanglamadibagiangkakunci
7. Ubah nilai pada baris selain baris kunci
Nilai baris baru = nilai baris lama dikurangi dengan hasil perkalian angka
padakolom kuncidenganbariskunciyangbaru
8. Ulangi langkah diatas sampai tidak terdapat nilai negatif pada baris Z.
• Iterasiberhentijikatabelsudahoptimal,jika:
▪ • semua nilai pada baris Z bernilai positif atau nol (untuk maksimasi)
▪ • bernilai negatif atau nol (untuk minimasi)
d) Ketentuan Metode Simpleks
1. Nilai kanan (NK/RHS) fungsi tujuan harus nol (0).
2. Nilai kanan (NK/RHS) fungsi kendala harus positif. Apabila negatif,nilai tersebut
harus dikalikan (–1).
3. Fungsi kendala dengan tanda “≤” harus diubah ke bentuk “=” dengan menambahkan
variabel slack/surplus. Variabel slack/surplus disebut juga variabel dasar.
4. Fungsi kendala dengan tanda “≥” diubah ke bentuk “≤” dengan cara mengalikan
dengan (–1), lalu diubah ke bentuk persamaan dengan ditambahkan variabel slack.
Kemudian karena RHS-nya negatif, dikalikan lagi dengan (–1) dan ditambah artificial
variable (M).
5. Fungsi kendala dengan tanda “=” harus ditambah artificial variable (M).
1. Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat dari solusi (nilai
kanan). Jika solusi ada yang bernilai negatif, maka tabel tidak layak. Tabel yang tidak
layak tidak dapat diteruskan untuk dioptimalkan.
2. Tentukan kolom kunci. Penentuan kolom kunci dilihat dari koefisien fungsi tujuan
(nilai di sebelah kanan baris z) dan tergantung dari bentuk tujuan. Jika tujuan berupa
maksimisasi, maka kolom kunci adalah kolom dengan koefisien negatif terbesar. Jika
tujuan minimisasi, maka kolom kunci adalah kolom dengan koefisien positif terbesar.
Perhatikan, kita tidak menggunakan kata-kata nilai terkecil dan terbesar, karena kita
memang tidak memilih nilai terkecil dan terbesar. Jika kolom kunci ditandai dan ditarik
ke atas, maka kita akan mendapatkan variabel keluar. Jika nilai negatif terbesar (untuk
tujuan maksimisasi) atau positif terbesar (untuk tujuan minimisasi) lebih dari satu, pilih
salah satu secara sembarang.
3. Tentukan baris kunci. Baris kunci ditentukan setelah membagi nilai kanan dengan nilai
kolom kunci yang bersesuaian (nilai yang terletak dalam satu baris). Dalam hal ini, nilai
negatif dan 0 pada kolom kunci tidak diperhatikan, artinya tidak ikut menjadi pembagi.
Baris kunci adalah baris dengan rasio pembagian terkecil. Perhatikan, rasio pembagian
tidak mungkin bernilai negatif, karena nilai kanan tidak negatif demikian juga dengan
nilai kolom kunci. Jika baris kunci ditandai dan ditarik ke kiri, maka kita akan
mendapatkan variabel keluar. Jika rasio pembagian terkecil lebih dari satu, pilih salah
satu secara sembarang.
4. Tentukan angka kunci. Angka kunci merupakan nilai yang terletak pada perpotongan
kolom dan baris kunci.
5. Bentuk tabel simpleks baru. Tabel simpleks baru dibentuk dengan pertama sekali
menghitung nilai baris kunci baru. Baris kunci baru adalah baris kunci lama dibagi
dengan angka kunci. Baris baru lainnya merupakan pengurangan nilai kolom kunci
baris yang bersangkutan dikali baris kunci baru dalam satu kolom terhadap baris
lamanya yang terletak dalam satu kolom juga.
6. Periksa apakah tabel sudah optimal. Keoptimalan tabel dilihat dari koefisien fungsi
tujuan (nilai pada baris z) dan tergantung dari bentuk tujuan. Untuk tujuan maksimasi,
tabel sudah optimal jika semua nilai pada baris z sudah positif atau 0. Pada tujuan
minimasi, tabel sudah optimal jika semua nilai pada baris z sudah negatif atau 0. Jika
belum, kembali ke langkah no.2, jika sudah optimal baca solusi optimalnya.
I. TUJUAN PRAKTIKUM
Dari kegiatan praktikum ini mahasiswa diharapkan dapat:
LINGO adalah alat bantu yang didesain sangat luas untuk menyelesaikan
permasalahanpermasalahan riset operasi seperti program linier dan non linier, kuadratik,
quadratically constrained, stokastik dan optimasi model integer dengan lebih cepat, mudah dan
efisien. LINGO menyediakan paket integrasi lengkap yang termasuk di dalamnya yaitu bahasa
untuk optimasi model yang mudah dipahami.
Terdapat 5 menu di dalam software LINGO yaitu File, Edit, LINGO, Window, dan Help.
Dalam menu File terdapat beberapa perintah sebagai berikut:
Submenu Fungsi
Submenu Fungsi
Undo (Ctrl+Z) Meng-undo kegiatan terakhir
Redo (Ctrl+Y) Me-redo kegiatan undo yang terakhir
Cut (Ctrl+X) Menyalin dan menghapus kata/ kalimat yang
diinginkan
Copy (Ctrl+C) Menyalinkata/ kalimat yang diinginkan ke
clipboard
Paste (Ctrl+V) Menempel konten clipboard ke dalam dokumen
Paste Special Menempel konten clipboard ke dalam
dokumen dengan keadaan tertentu
Select All (Ctrl+A) Memilih semua konten yang ada di dalam
dokumen
Find (Ctrl+F) Mencari kata di dalam suatu dokumen
Find Next (Ctrl+N) Mencari kata di dalam suatu dokumen untuk
kejadian selanjutnya
Replace (Ctrl+H) Mengganti suatu kata dengan kata yang lain
Go To Line (Ctrl+T) Memindahkan kursor ke suatu baris tertentu
Match Parenthesis (Ctrl+P) Menemukan pasangan parenthesis yang terpilih
Paste Function Menempel suatu fungsi spesifik yang terdapat
di software LINGO
Submenu Fungsi
Solve (Ctrl+U) Memecahkan model di jendela yang
sedang dibuka/ aktif
Solution Report (Ctrl+W) Membuka jendela solution report
pada model yang sedang dibuka/aktif
Range (Ctrl+R) Membuka range analysis report pada
jendela yang sedang dibuka/aktif
Options (Ctrl+I) Menetapkan pilihan sistem
Generate Membuka representasi aljabar untuk
model yang sedang dibuka/ aktif
Picture Menampilkan gambaran grafis dari
model matriks
Debug (Ctrl+D) Melacak kesalahan formulasi di dalam
kasus program linier yang infeasible
dan unbounded
MenuWindow, digunakan untuk mengatur tampilan jendela yang sedang terbuka atau aktif.
Submenu Fungsi
Command Window Membuka jendela perintah untuk pengoperasian
(Ctrl+1) baris perintah di software LINGO
Status Window Membuka jendela solver's status
(Ctrl+2)
Close All (Ctrl+3) Menutup semua jendela yang terbuka
Tile (Ctrl+4) Menyusun semua jendela yang terbuka dengan pola tile
Cascade (Ctrl+5) Menyusun semua jendela yang terbuka dengan pola
cascade
Next Menampilkan jendela berikutnya ke bagian depan
dokumen
Previous (Ctrl+B) Menampilkan jendela sebelumnya ke bagian depan
dokumen
Menu Help, digunakan untuk membuka LINGO's manual book dan informasi-informasi
mengenai software LINGO.
software LINGO
2. Variabel
Adalah kuantitas yang bisa diubah untuk mengeluarkan hasil yang optimal dari fungsi
tujuan.
3. Batasan
Formula yang didefinisikan sebagai nilai pembatas dari suatu variabel.
Adapun hal-hal lain yang perlu diperhatikan dalam pembuatan model di LINGO adalah
sebagai berikut:
1. Untuk comment dalam model diinisiasi dengan tanda seru (!) dan akan berwarna
hijau.
2. LINGO menetapkan teks operator dan functions muncul dengan warna biru. Untuk
tulisan lainnya akan dimunculkan dengan warna hitam.
3. Setiap statement di LINGO harus diakhiri dengansemi-colon (;)
4. Untuk nama variabel harus diawali dengan huruf (A-Z) dan karakter selanjutnya
dapat berupa huruf, angka (0-9), atau underscore (_). Panjang dari nama variabel
dapat mencapai hingga 32 karakter.
a) Penggunaan SETS pada LINGO
1. SETS aalah sekelompok objek yang berhubungan, diguakan untuk mendefinisikan suatu
objek atau variabel. Adapun attribut yang dimiliki oleh SETS bisa lebih dari satu contoh:
2. Perusahaan/ P1 P2 P3/ : Kapasitas, Lokasi, Penitipan; Adapun format penulisan SETS
adalah sebagai berikut:
3. Nama_SETS/ Anggota/ : Attribut;
b) Fungsi Set Looping
Set Looping berfungsi untuk menerapkan semua operasi pada semu anggoa
SET dengan menggunakan satu statement. Adapun beberapa fungsi yang bisa
diterapkan adalah sebagai berikut:
Fungsi Penggunaan
@FOR Digunakan unruk membangkitkan pembatas ke seluruh
anggota SET. Bisa juga digunakan dalam perhitungan untuk
Perpangkatan ^
Perkalian *
Pembagian /
Penjumlahan +
Pengurangan -
Untuk relational operator yang sering digunakan dalam pendefinisian batasan pada
model adalah sebagai berikut:
= sama dengan
<= ekspresi di sebelah kiri kurang dari atau sama dengan ekspresi di sebelah kanan
>= ekspresi di sebelah kiri lebih dari atau sama dengan ekspresi di sebelah kanan
Untuk logical operator yang dapat dibaca oleh Lingo adaah sebagai berikut:
#EQ# Sama dengan
#NE# Tidak sama dengan
#GE# Lebih besar dari atau sama dengan
#GT# Lebih besar dari
#LE# Kurang dari atau sama dengan
#LT# Kurang dari
4. Pertama-tama buat SETS terlebih dahulu untuk mendefinisikan variabel yang akan
kita cantumkan dalam model.
8. Setelah pembuatan model selesai , klik Solution pada Menu Solver dan akan muncul
tampilan seperti berikut:
Lalu checklist pada kotak Non Zero Vars and Binding Rows Only. Pada kotak Attribute(s) or
Row Name(s) Pilih Volume.
I. TUJUAN PRAKTIKUM
Dari kegiatan praktikum ini mahasiswa diharapkan dapat:
I. TUJUAN PRAKTIKUM
Dari kegiatan praktikum ini mahasiswa diharapkan dapat:
c. Metode Penugasan
1) Memahami masalah penugasan sebagai masalah program linier.
2) Mampu menyelesaikan masalah penugasan dengan metode optimasi.
Model penugasan merupakan model transportasi di mana sejumlah
m sumberII.ditugaskan
LANDASANkepada sejumlah n tujuan (satu sumber untuk satu
TEORI
tujuan) sedemikian sehingga
Model didapat
penugasan ongkosmodel
merupakan yang transportasi
minimum. di Pada model
mana sejumlah m sumber ditugaskan
penugasan,kepada
semuasejumlah
supply (sumber) dan sumber
n tujuan (satu demanduntuk
(tujuan)
satusama dengan
tujuan) satu sehingga didapat ongkos
sedemikian
(Dimyati, yang
2004).minimum. Pada model penugasan, semua supply (sumber) dan demand (tujuan) sama
dengan satu (Dimyati, 2004).
Tabel 2.3. Masalah Penugasan
Mesin
Pekerjaan 1 2 3 … N
1 c11 c12 c13 … C1n 1
2 c21 c22 c23 … C2n 1
… … … … … … 1
M cm1 cm2 cm3 … cmn 1
1 1 1 1 1
Secara matematis,
Secara matematis, model penugasan
model penugasan ini dapat dinyatakan
ini dapat dinyatakan sebagai
sebagai berikut : berikut :
𝑚 𝑛
m n
Min Z = C ij X ij 𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝐶𝑖𝑗 𝑋𝑖𝑗
i 1 j 1 𝑖=1 𝑗=1
n 𝑛 m 𝑚
s.t X ij 1 𝑠. 𝑡 ∑ 𝑋𝑖𝑗X ij= 11 ∑ 𝑋𝑖𝑗 = 1
i 1 j 1
𝑖=1 𝑗=1
0, jikaoperator ke 0,i𝑗𝑖𝑘𝑎
tidak𝑜𝑝𝑒𝑟𝑎𝑡𝑜𝑟
ditugaskan
𝑘𝑒pada me sin𝑑𝑖𝑡𝑢𝑔𝑎𝑠𝑘𝑎𝑛
− 𝑖 𝑡𝑖𝑑𝑎𝑘 ke j 𝑝𝑎𝑑𝑎 𝑚𝑒𝑠𝑖𝑛 𝑘𝑒 − 𝑗
Xij 𝑋𝑖𝑗 = { }
1, jikaoperator ke 1,i 𝑗𝑖𝑘𝑎
ditugaskan pada
𝑜𝑝𝑒𝑟𝑎𝑡𝑜𝑟 𝑘𝑒me
−sin ke j
𝑖 𝑑𝑖𝑡𝑢𝑔𝑎𝑠𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑚𝑒𝑠𝑖𝑛 𝑘𝑒 − 𝑗
Ciri khas persoalan penugasan adalah bahwa solusi optimum akan tetap sama bila suatu
Cirikonstanta ditambahkan
khas persoalan atau dikurangkan
penugasan adalah bahwa pada barisoptimum
solusi dan kolom manapun dari matrik ongkos.
akan
tetap samaJikabilapisuatu
dan qjkonstanta
merupakan konstanta pengurangan
ditambahkan terhadap
atau dikurangkan baris
pada barisi dan kolom j, maka ongkos