Riset Operasi
Riset Operasi
SILABUS :
Input Organisasi
(Men, ( Wadah utk Output
Money , mencapai
Material ) tujuan ) ( Laba /
Profit )
1
Riset dengan penerapan metode ilmiah melalui suatu tim secara
terpadu untuk memecahakan permasalahan yang timbul dalam
kegiatan operasi suatu system organisasi agar diperoleh pemecahan
yang optimum.
Linier ( ? ) dalam hal ini fungsi matematis yang digunakan adalah fungsi linier
Programming merupakan program atau perencanaan , jadi bukan Computer
Programming
Maksimum / Minimum : Z = c
j 1
j xj Fungsi Tujuan
dengan syarat : a ij x j (≤,=,≥ ) bj Fungsi Batasan
FORMULASI MODEL LP
2
CONTOH : ( Masalah Diet )
Fungsi Tujuan :
Minimum : Z = 0.5 x1 + 0.8 x2+ 0.6 x3
Fungsi Batasan :
5 x1 x 2 8(kalsium)
2 x1 2 x 2 x3 10(Pr otein)
x1 5 x 2 4 x3 22(Vita min)
Contoh : ( Bakery )
3
Suatu bakery membuat roti yang berisi daging dari suatu campuran daging
dan ayam tanpa lemak.
Daging sapi mengandung 80 persen daging dan 20 persen lemak dan harganya
80 rp /ons. Daging ayam mengandung 68 persen daging dan 32 persen lemak
dan harganya 60 rp/ons. Berapa banyaknya masing-masing daging yang harus
digunakan untuk tiap ons roti daging jika diinginkan untuk meminimumkan
harganya dengan mempertahankan kandungan lemak tidak lebih dari 25
persen?
Model LP :
Solusi LP
Metode untuk memecahkan program linier diataranya adalah metode grafik
dan metode simpleks. Untuk memulai penerapan metode tersebut maka semua
4
fungsi batasan ketidaksamaan harus ditransformasikan menjadi persamaan
dan juga harus diketahui salah satu pemecahan yang feasible (layak) dan
tidak negatif
a
j 1
ij x j bi
Dimana adalah salah satu dari relasi ≤ ,≥ , = ( tidak perlu sama untuk
setiap I ) konstanta bi selalu dianggap tidak negatif
Contoh :
2 x1 3x 2 5 x3 3
Dikalikan -1 jadi
2 x1 3 x2 5 x3 3
a
j 1
ij x j bi
Contoh :
2 x1 3 x2 5 x3 3
Variabel Surplus
5
n
a
j 1
ij x j bi
Contoh :
2 x1 3 x2 5 x3 3
Pada ruas kiri setiap fungsi batasan yang tidak mengandung variabel
slack dapat ditambahkan variabel buatan. Dengan demikian tiap fungsi
pembatas akan mempunyai variabel slack dan buatan.
Contoh: (***)
2 x1 3 x2 3
x1 4 x2 5
7 x1 8 x2 10
6
Penalty Cost
Penambahan var slack dan surplus tidak mengubah sifat fungsi
batasan maupun tujuan. Oleh karena itu variabel tersebut dapat
diikut sertakan pada fungsi tujuan dengan koefisien nol.
Sedangkan variabel buatan mengubah fungsi fungsi
batasan.Karena variabel buatan ini hanya dtambahkan pada
salah satu ruas persamaan, maka system yang baru ekivalen
dengan fungsi kendala yang lama jika dan hanya jika variabel
buatannya nol.
Metode Big M
Untuk pemecahan optimal maka variabel buatan diikut sertakan
dalam fungsi tujuan dengan ketentuan :
Untuk : Minimum diberikan koefisien positip yang besar
sekali ( M ).
Maksimum diberikan koefisien negatip yang
besar sekali ( - M ).
Contoh : (Bakery)
Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4
F. Batasan :
0.2 x1 0.32 x2 x3 0.25
x1 x2 x4 1
7
3. Menggambarkan masing-masing garis fungsi batasan dalam system
koordinat .Dan menentukan daerah yang memenuhi untuk masing-
masing fungsi batasan tersebut.
4. Mencari titik yang paling optimal dihubungkan dengan fungsi tujuan.
Model LP:
Variabel : x1 = jumlah (lusin ) sepatu merk I
x2 = jumlah (lusin ) sepatu merk II
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
Fungsi Batasan :
2 x1 8
3 x2 15
6 x1 5 x2 30
Grafik :
x2 2 x1 8
D C
3 x2 15
8
Daerah
Feasible
A 6 x1 5 x 2 30
x1
z 3 x1 5 x2
Pada titik A : x1 =
4 ; x2 = 0; z = 12
B : x1 = 4 ; x2 = 6/5; z = 18
1
C : x1 = 5/6 ; x2 = 5; z = 27 2 (*) Optimal
D : x1 = 0 ; x2 = 5; z = 25
Metode Simpleks
Optimisasikan : ( Maks/Min ) z = CT X
MINIMISASI :
XT
CT
9
x0 C0 A B
CT - C 0T A - C 0T B
MAKSIMISASI :
10
ditetapkan bernilai nol. Nilai dari fungsi tujuan yakni x*
adalah bilangan yang terdapat dalam baris dan kolom
terakhir untuk program maksimisasi, sedangkan negatif
dari bilangan ini adalah untuk program minimisasi.
2 x1 8 2 x1 x3 8
3 x2 15 3 x2 x4 15
6 x1 5 x2 30 6 x1 5 x2 x5 30
X1 X2 X3 X4 X5
X3 2 0 1 0 0 8 ∞
X4 0 3* 0 1 0 15 5
X5 6 5 0 0 1 30 6
-3 -5 0 0 0 0
X1 X2 X3 X4 X5
X3 2 0 1 0 0 8 4
X2 0 1 0 1/3 0 5 ∞
X5 6* 0 0 -5/3 1 5 5/6
-3 0 0 5/3 0 25
11
X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
0 0 0 5/6 1/2 27 1 2 positip
Contoh :
Fungsi Tujuan : Maksimum : Z = x1 + 9 x2+ x3
Fungsi Batasan :
x1 2 x2 3 x3 9
3 x1 2 x2 2 x3 15
Dan semua variabel tidak negatif
Jawab :
Z - x1 - 9 x2- x3+0 x4 +0 x5
Fungsi Batasan :
x1 2 x2 3 x3 x5 9
3 x1 2 x2 2 x3 x6 15
X1 X2 X3 X4 X5
X4 1 2* 3 1 0 9 9/2
X5 3 2 2 0 1 15 15/2
-1 -9 -1 0 0 0
12
X1 X2 X3 X4 X5
X2 1/2 1 3/2 1/2 0 9/2
X5 2 0 -1 -1 1 6
7/2 0 25/2 9/2 0 81/2 Pos
13
sedangkan yang kedua mengandung koefisien-koefisien M
dalam suku-suku sisanya.
Perubahan 4 : Baris akhir dapat dicoret dari tabel jika semua elemennya
nol.
Contoh ( Bakery )
F. Tujuan :Min: Z = 80 x1 + 60x2
F. Batasan :
14
0.2 x1 0.32 x 2 0.25
x1 x 2 1
Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4
F. Batasan :
0.2 x1 0.32 x2 x3 0.25
x1 x2 x4 1
x , x , x , x [ 80,60,0,M ]
T
X 1 2 3 4 ,C
x1 x2 x3 x4
80 60 0 M
x3 0
x4 M 0,20 0,32 1 0 0,25
1 1 0 1 1
80-M 60-M 0 0 -M
x1 x2 x3 x4
80 60 0 M
x3
x4 0,20 0,32 1 0 0,25
1* 1 0 1 1
80 60 0 0 0
-1 -1 0 0 -1
x1 x2 x3 x1 x2 x3
15
x3 x2
x1 0 0,12* 1 0,05 x1 0 1 8,333 0,4167
1 1 0 1 1 0 -8,333 0,5833
0 -20 0 -80 0 0 166,7 -71,67
0 0 0 0 0 0 0 0
Contoh :
Fungsi Batasan :
x1 3 x 2 11 x1 3x2 x3 x5 11
2 x1 x 2 4 2 x1 x2 x4 x6 9
1 3 1 0 1 0
C T C 0T A 1,2,0,0, M , M [ M , M ]
2 1 0 1 0 1
1,2,0,0, M , M [3M ,4 M , M , M , M ]
1 3M ,2 4 M , M , M ,0,0
11
C0T B M , M 20 M
9
x1 x2 x3 x4 x5 x6
x5 M
x6 M 1 3* -1 0 1 0 11 11/3
1 1 0 1 0 1 9 9/1
1 2 0 0 0 0 0
-3 -4 1 1 0 0 20
16
x1 x2 x3 x4 x5 x6
x2
x6 1/3 1 -1/3 0 1/3 0 11/3 11
x1 x2 x3 x4 x5 x6
x2
x6 1/3 1 -1/3 0 1/3 0 11/3
x1 x2 x3 x4 x5 x6
x2
x1 0 1 -2/5 1/5 2/5 1/5 13/5
Solusi optimal : x1 16 / 5, x 2 13 / 5, Z 42 / 5
Soal :
Fungsi Tujuan : Maksimum : Z = x1 + x2
Fungsi Batasan :
17
x1 5 x2 5
2 x1 x2 4
Dan semua variabel tidak negatif
Jawab :
Z - x1 - x2 +0 x3 +0 x4
Fungsi Batasan :
x1 5 x2 x3 5
2 x1 x2 x4 4
X1 X2 X3 X4
X3 1 5 1 0 5 5
X4 2* 1 0 1 4 2
-1 -1 0 0 0
X1 X2 X3 X4
X3 0 9/2* 1 -1/2 3 3/2
X1 1 1/2 0 1/2 2 4
0 -1/2 0 1/2 2
X1 X2 X3 X4
X2 0 1* 2/9 -1/9 2/3
X1 1 1/2 0 1/2 2
0 -1/2 0 1/2 2
X1 X2 X3 X4
X2 0 1* 2/9 -1/9 2/3
X1 1 0 -1/9 5/9 5/3
0 0 1/9 4/9 7/3
18
Nilai pada tabel optimal , adalah :
x1 x2 x3 x4 x5 x6
x3 M
x4 0 2 0 1 0 0 0 8
x6 M
0 3 0 1 0 0 15
6 5 0 0 -1 1 30
2 0 1 0 0 0
C C A 3,5, M ,0,0, M [ M ,0, M ]0
T T
0 3 0 1 0 0
6 5 0 0 1 1
C C A [3,5, M ,0,0, M ] [8M ,5M , M ,0, M , M ]
T T
0
8
C 0T B [ M ,0, M ]15 [ 38M ]
30
19
x1 x2 x3 x4 x5 x6
x3 M
x4 0 2 0 1 0 0 0 8
x6 M
0 3 0 1 0 0 15
6 5 0 0 -1 1 30
x1 x2 x3 x4 x5 x6
x3 M
x4 0 2* 0 1 0 0 0 8 4
x6 M
0 3 0 1 0 0 15 ∞
6 5 0 0 -1 1 30 5
3 5 0 0 0 0 0
-8 -5 0 0 1 0 38
x1 x2 x3 x4 x5 x6
x1 M
x4 0 1 0 1/2 0 0 0 4 ∞
x6 M
0 3 0 1 0 0 15 5
0 5* -3 0 -1 1 6 6/5
0 5 -3/2 0 0 0 -12
0 -5 4 0 1 0 -6
x1 x2 x3 x4 x5 x6
20
x1 M
x4 0 1 0 1/2 0 0 0 4
x2 M
0 1 9/5 1 3/5 -3/5 57/5
0 0 3/2 0 1 1 -18
0 0 1 0 0 1 0
Solusi optimal : x1 4, x2 6 / 5, Z 18
Soal : ( Latihan )
Fungsi Tujuan : Maksimum : Z = 30x1 + 40x2+ 60x3
Fungsi Batasan :
4 x1 5 x2 6 x3 60.000
4 x1 6 x2 8x 3 75.000
2 x1 5 x2 5x 3 45.000
Dan semua variabel tidak negatif
Jawab :
21
X1 X2 X3 X4 X5 X6
X4 4 5 6 1 0 0 60000 10000
X5 4 6 8 0 1 0 75000 9375
X6 2 5 5* 0 0 1 45000 9000
-30 -40 -60 0 0 0 0 0
X1 X2 X3 X4 X5 X6
X4 6/5 -1 0 1 0 -6/5 60000 6000
X5 4/5* -2 0 0 1 -8/5 3000 3750
X3 2/5 1 1 0 0 1/5 9000 22500
-6 20 0 0 0 12 540000
X1 X2 X3 X4 X5 X6
X4 6/5 -1 0 1 0 -6/5 60000 6000
X1 1 -5/2 0 0 5/4 -2 3750 3750
X3 2/5 1 1 0 0 1/5 9000 22500
-6 20 0 0 0 12 540000
X1 X2 X3 X4 X5 X6
X4 0 2 0 1 -3/2 6/5 1500
X1 1 -5/2 0 0 5/4 -2 3750
X3 0 2 0 0 -1/2 1 7500
0 5 0 0 36/4 0 562500
22
Metode Dual Simpleks
Untuk setiap LP dalam variabel x1, x2,……, xn, terkait dengan LP dengan
variabel lain misal w1, w2,……, wm ( dimana m adalah jumlah batasan
alam LP semula) yang disebut dengan DUAL nya. Bentuk dual tersebut
tergantung pada bentuk LP semula yang disebut dengan PRIMAL.
DUAL SIMETRIS
Primal Dual
F.Tujuan :Minimum : z = CTX F.Tujuan :Maksimum : z = BTW
F.Batasan: AX ≥ B F.Batasan: AT W ≤ C
Dan: X ≥ 0 Dan: W ≥ 0
Berlaku sebaliknya
23
Primal Dual
F.Tujuan :Minimum : z = CTX F.Tujuan :Maksimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W ≤ C
Dan: X ≥ 0 Dan: W ≥ 0
Primal Dual
F.Tujuan :Maksimum : z = CTX F.Tujuan :Minimum : z = BTW
F.Batasan: AX = B F.Batasan: AT W ≥ C
Dan: X ≥ 0 Dan: W ≥ 0
Primal
Xj adalah Tingkat aktivitas ( j = 1,2…,n)
Cj adalah laba per satuan aktivitas j
Z adalah total laba dari seluruh aktivitas
bi adalah jumlah sumber i yang tersedia ( i= 1,2,…,m)
aij adalah jumlah sumber i yang dipakai oleh setiap satuan aktivitas j
Dual
Yj adalah kontribusi per satuan sumber i terhadap laba
Primal :
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
Fungsi Batasan :
2 x1 ≤ 8
3 x2 ≤ 15
6 x1 + 5 x2 ≤ 30
x
Fungsi Tujuan : Maksimum : Z
T
=C X= 3,5 1
x2
Fungsi Batasan :
AX ≤ B
24
2 0 8
0 x1
3
x ≤ 15
6 5
2
30
Dual :
w1
T 8
30 w2
Fungsi Tujuan : Minimum : Z = B W= 15
w3
Fungsi Batasan :
A TW ≥ C
w1
2 0 6 3
0
3
w
5 2 ≥ 5
w3
X1 X2 X3 X4 X5
X3 0 0 1 -5/9 -1/3 19/3 Solusi
X2 0 1 0 1/3 0 5 Primal
X1 1 0 0 -5/18 1/6 5/6
Z 0 0 0 5/6 1/2 27 1 2
dual
solusi
25
Dalam hal ini : w1 = 0 , w2 = 5/6, w3 = ½ sehingga
Z = 8 (0) + 15 (5/6)+ 30 (1/2)
Z = 27 1 2 ( OPTIMAL )
Analisa Sensitivitas
Kaidah I :
Pada setiap iterasi dalam simpleks ( baik primal maupun dual ) matriks yang
berisi variabel starting solution ( tidak termasuk baris tujuan ) dapat dipakai
untuk menhitung koefisien baris tujuan yang berhubungan dengan matriks
tersebut. Adapun langkah-langkahnya adalah sebagai berikut :
Langkah 1 :
26
Pilih koefisien –koeisien dari fungsi tujuan yang berhubungan dengan variabel
dasar iterasi yang bersangkutan lalu disusun dalam vektor baris.
Langkah 2 :
Kalikan vektor baris tersebut dengan matriks pada tabel simpleks yang
beranggotakan variabel-variabel starting solution. Nilai yang diperoleh dalam
langkah dua ini diseut Simpleks Multiplier ( Shadow Costs )
Pada tabel akhir ( optimal ) simpleks multiplier ini menunjukan optimal
solution bagi dualnya.
Kaidah II :
Pada setiap iterasi dalam simpleks ( baik primal maupun dual ), nilai kanan
( kecuali baris tujuan ) dalam tabel optimal dapat dihitung dengan mengalikan
matriks pada langkah 2 dengan vektor kolom yang berisi nilai kanan dari
fungsi batasan mula-mula.
Kaidah III :
Pada setiap iterasi dalam simpleks baik primal maupun dual koefisien batasan
yang terletak dibawah setiap variabel Xj ( j = 1,2,…,n ) merupakan hasil kali
matriks pada langkah 2 dengan vektor kolom untuk setiap variabel pada tabel
awal.
Kaidah I :
Langkah 1 :
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
27
Diperoleh matriks ; [ 0,5,3 ]
Langkah 2 :
Diperoleh matriks :
1 5/9 1 / 3
0 1/ 3 0
0 5 / 18 1 / 6
Sehingga
1 5/9 1 / 3
0 0
[ 0,5,3 ]
0
1/ 3 =[ 0,5/6,1/2 ]
5 / 18 1 / 6
Koefisien fungsi tujuan
Tabel optimal
Kaidah II :
6 1
1
0
5/9 1 / 3 8 3
1/ 3 0 15
= 5
Nilai kanan tabel optimal
0 5 / 18 1 / 6 30
5
6
28
Kaidah III :
X1 X2 X3 X4 X5
2 0 1 0 0 8
0 3* 0 1 0 15
6 5 0 0 1 30
-3 -5 0 0 0 0
1 5/9 1 / 3 2 0
0
1/ 3 0 0
= 0 Nilai kolom x
1
0 5 / 18 1 / 6
6
1
1 5/9 1 / 3 0 0
0
1/ 3 0 3
= 1 Nilai kolom x
2
0 5 / 18 1 / 6
5
0
29
8 8
15 16
Misal menjadi
30
30
6 8
1 5/9 1 / 3 8 9
0
1/ 3 0 16
= 5 1 3
0 5 / 18 1 / 6
30 5
9
Sehingga laba total berubah ( bertambah ) menjadi :
3 ( 5/9) + 5 ( 5 13 ) = 28 1
3
9 1
1 5/9 1 / 3 8 9
0
1/ 3 0 20
= 6 2 3
tidak feasible
0 5 / 18 1 / 6 30
5
9
Sehingga diperoleh :
30
1 5/9 1 / 3
0 0
[ 0,6,4 ]
0
1/ 3 =[ 0,8/9,2/3 ]
5 / 18 1 / 6
1
4 ( 5/6) + 6 (5) = 33 3
Transportasi
31
Cara : Tentukan min (S, D ) pada x11 kemudian teruskan sampai dengan
sesuaikan suplay dan demand
ke 1 2 3 Suplay(S)
dari
1 8 5 6
120 120
2 15 10 12
30 50 80
3 3 9 10
20 60 80
Demand
(D) 150 70 60 280
Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
70 50 120
2 15 10 12
70 10 80
3 3 9 10
80 80
Demand
(D) 150 70 60 280
32
Solusi Awal = ( 70)(5) + (50)(6) +( 70)(15) + (10)(12)
+ (80)(3) = 2060
1 8 5 6 6-5 = 1
120
2 15 10 12 12-10= 2
80
3 3 9 10 9-3 = 6 (*)
80 80
Demand
150 70 60 280
Penalty cost 8-3 = 4 9-5 = 4 10-6 = 4
kolom
1 8 5 6 1
70 50 120
2 15 10 12 80 2
70 10
3 3 9 10 80
80
Demand 280
150 70 60
33
Penalty cost 15-8 = 7 (*) 10-5 =5(***) 12-6=6(**)
kolom
Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
30 50 80
3 3 9 10
20 60 80
Demand
(D) 150 70 60 280
34
Kotak Kosong Jalur Tertutup
X12 X12 X22 X21 X11 X12
C13 +`6 – 10 + 9 – 10 + 15 – 8 = +2
C23 +`12 – 10 + 9 – 10 = +1
Pilih Perubahan Biaya negatip terbesar , jika sama pilih salah satu
Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
10 70 80
3 3 9 10
20 60 80
Demand
(D) 150 70 60 280
35
Kotak Kosong Jalur Tertutup
X12 X12 X22 X21 X11 X12
C13 +`6 – 10 + 3 – 8 = -9
Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
120 120
2 15 10 12
70 10 80
3 3 9 10
30 50 80
Demand
(D) 150 70 60 280
Biaya Transp Jalur Penambahan/ Perubahan Biaya
Pengurangan Biaya
36
C12 +`5 – 8 + 3– 10 +12 – 10= -8
C13 +`6 – 8 + 3 – 10 = - 9
Ke 1 2 3 Suplay (S)
Dari
1 8 5 6
70 50 120
2 15 10 12
70 10 80
3 3 9 10
80 80
Demand
(D) 150 70 60 280
37
4. Lakukan perubahan letak variabel basis dan non basis dengan
memulai pada kotak yang kosong dengan menambahkan sejumlah
nilai pada variabel basis kemudian kurangkan pada variabel basis
sebesar nilai pada variabel basis tadi demikian seterusnya secara
berselang seling (penambahan /pengurangan ) sesuai dengan jalur
yang terpilih
5. Jika seluruh perubahan biaya positip maka solusi optimal.
Ke 1 2 3 Suplay ui
Dari
1 8 5 6
120 120 0
2 15 10 12
30 50 80 7
3 3 9 10
20 60 80 6
Demand
150 70 60 280
vj 8 3 4
u2 + v1 = c21 u2 + 8 = 15 u2 = 7
u2 + v2 = c22 7 + v2 = 10 v2 = 3
u3 + v2 = c32 u3 + 3= 9 u3 = 6
u3 + v3 = c33 6 + v3 = 10 v3 = 4
C12 = c12 – u1 – v2 = 5 – 0 – 3 = +2
C13 = c13 – u1 – v3 = 6 – 0 – 4= +2
C23 = c23 – u2 – v3 = 12 – 7 – 4 = +1
C31 = c31 – u3 – v1 = 3 – 6 – 8 = - 11
38
Ke 1 2 3 Suplay ui
Dari
1 8 5 6
120 120 0
2 15 10 12
10 70 80 7
3 3 9 10
20 60 80 -5
Demand
150 70 60 280
vj 8 13 15
u2 + v1 = c21 u2 + 8 = 15 u2 = 7
u2 + v2 = c22 7 + v2 = 10 v2 = 3
u3 + v1 = c31 u3 + 8 = 3 u3 = -5
u3 + v3 = c33 -5+ v3 = 10 v3 = 15
C12 = c12 – u1 – v2 = 5 – 0 – 3 = +2
C32 = c32 – u3 – v2 = 9 + 5 – 3 = + 11
Ke 1 2 3 Suplay ui
Dari
39
1 8 5 6
120 120 0
2 15 10 12
70 10 80 -3
3 3 9 10
30 50 80 -5
Demand
150 70 60 280
vj 8 13 15
u2 + v2 = c22 -3 + v2 = 10 v2 = 13
u2 + v3 = c23 u2 + 15 = 12 u2 = - 3
u3 + v1 = c31 u3 + 8 = 3 u3 = -5
u3 + v3 = c33 -5+ v3 = 10 v3 = 15
C12 = c12 – u1 – v2 = 5 – 0 – 13 = - 8
C21 = c21 – u2 – v1 = 15 + 3 – 8 = + 10
C32 = c32 – u3 – v2 = 9 + 5 – 13 = + 1
u3 + v1 = c31 u3 + 8 = 3 u3 = - 5
u2 + v2 = c22 6 + v2 = 10 v2 = 4
40
u1 + v3 = c13 0 + v3 = 6 v3 = 6
u2 + v3 = c23 u2 + 6 = 12 u2 = 6
C12 = c12 – u1 – v2 = 5 – 0 – 4= + 1
C21 = c21 – u2 – v1 = 15 – 6 – 8= + 1
C32 = c32 – u3 – v2 = 9 + 5 – 4 = + 10
C23 = c23 – u2 – v3 = 10 + 5 – 6 = + 9
Soal ( Seimbang )
ke 1 2 3 Suplay(S)
dari
1 20 5 8
90
41
2 15 20 10
60
3 25 10 19
50
Demand
(D) 50 110 40 200
pbrk2 15 20 10 60
pbrk3 25 10 19 100
Demand 250
(D) 50 110 40 50
Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
42
80
3 3 9 10
80
Demand
150 70 60 280
Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280
Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280
Ke 1 2 3 Suplay
Dari
1 8 5 6
43
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280
Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280
Ke 1 2 3 Suplay
Dari
1 8 5 6
120
2 15 10 12
80
3 3 9 10
80
Demand
150 70 60 280
Masalah Penugasan
44
Masalah :
Yang berhubungan dengan penugasan optimal dari macam-macam
sumber yang produkyif / personalia yang mempunyai tingkat efisiensi
yang berbeda-beda untuk tugas yang berbeda pula.
Syarat :
Jumlah sumber yang ditugaskan sama dengan jumlah tugas yang
akan diselesaikan.
Masalah Minimum :
1. Ubah matriks biaya menjadi matriks opportunity cost dengan cara
memilih elemen terkecil pada setiap baris matrikss. Kemudian
kurangkan setiap elemen baris dengan elemen terkecil tersebut.
2. Apabila dalam kolom matriks masih ada yang tidak nol. Pilih
elemen terkecil pada kolom yang tidak mengandung nol tersebut.
Kemudian kurangkan seluruh elemen kolom tersebut dengan
elemen terkecil tersebut. Reduced cost matriks terus dikurangi
untuk mendapatkan total opportunity cost matriks.
3. Mencari skedul Penugasan dengan dengan suatu total opportunity
cost nol. Prosedur tes optimalisasi adalah dengan menarik
sejumlah minimum garis horizontal dan / atau vertical untuk
meliput seluruh elemen yang bernilai nolmdalam total opportunity
cost matriks. Bila jumlah garis sama dengan jumlah baris atau
kolom penugasan optimal adalah feasible. Bila tidak sama maka
matriks harus direvisi.
4. Untuk merevisi , caranya adalah pilih elemen terkecil yang belum
terliput garis, kemudian kurangkan elemen yang tidak terliput
dengan elemen terkecil tersebut, kemudian tambahkan elemen
terkecil ybs pada seluruh elemen –elemen yang mempunyai dua
garis bersilangan. Ulangi langkah 3.
Contoh :
Masalah Minimisasi
45
Pekerjaan
Karyawan I II III
A 25 31 35
B 15 20 24
C 22 19 17
Pekerjaan
Karyawan I II III
A 0 6 10
B 0 5 9
C 5 2 0
Pekerjaan
Karyawan I II III
A 0 4 10
B 0 3 9
C 5 0 0
Pekerjaan
Karyawan I II III
A 0 1 7
B 0 0 6
C 8 0 0
Skedul : A – I ; B – II ; C – III
25 + 20 + 17 = 62.
Catatan :
46
Untuk Masalah Maksimum ;
Pilih nilai terbesar di masing-masing baris dst…..
Pekerjaan
Karyawan I II III IV V
A 10 12 10 8 15
B 14 10 9 15 13
C 9 8 7 8 12
D 13 15 8 16 11
E 10 13 14 11 17
Pekerjaan
Karyawan I II III IV V
A 5 3 5 7 0
B 1 5 6 0 2
C 3 4 5 4 0
D 3 1 8 0 5
E 7 4 3 6 0
Pekerjaan
Karyawan I II III IV V
A 4 2 2 7 0
B 0 4 3 0 2
C 2 3 2 4 0
D 2 0 5 0 5
E 6 3 0 6 0
Pekerjaan
47
Karyawan I II III IV V
A 2 0 0 5 0
B 0 4 3 0 4
C 0 1 0 2 0
D 2 0 5 0 7
E 6 3 0 6 0
Skedul :
Terdapat 2 alternatif penyelesaian :
A-II ; B – I ; C – V ; D – IV ; E – III
12 + 14 + 12 + 16 + 14 = 68
A-V ; B – IV ; C – I ; D – II ; E – III
15 + 15 + 9 + 15 + 14 = 68
48