1

IEI2G3– Penelitian Operasional 1

Goal Programming

S1 Teknik Industri – Fakultas Rekayasa Industri

 2

PENDAHULUAN

2
 3

• Model LP yang disajikan di bab-bab sebelumnya didasarkan pada pengoptimalan

satu fungsi tujuan
• Pada praktiknya, sangat mungkin jika pengambil keputusan dihadapkan pada situasi
terdapat lebih dari satu tujuan yang ingin dicapai dan saling bertentangan
Contoh:
• Seorang calon presiden berjanji untuk mengurangi hutang nasional dan, secara
bersamaan, menawarkan keringanan pajak pendapatan.
• Dalam situasi seperti itu, tidak mungkin menemukan solusi tunggal yang
mengoptimalkan dua tujuan yang saling bertentangan ini.
• Goal programming mencari solusi kompromi berdasarkan kepentingan relative dari
setiap tujuan

3
 4

TAHAPAN GOAL PROGRAMMING

Tambahkan Optimize Multi-

Deviational Variable objective Model
• Identifikasi variable • Meminimasi besar
keputusan, tujuan, nilai yang dilanggar
keterbatasan, dan • Konversi • Weight Method
model matematis pertidaksamaan • Preemptive Method
awal menjadi flexible goal

Formulasi masalah Penentuan goal

4
 5
CONTOH KASUS ADVERTISING AGENCY
TAHA, H.A. 8TH EDITION CHAPTER 8

TopAd, a new advertising agency with 10 employees, has received a contract to promote a
new product. The agency can advertise by radio and television. The following table gives the
number of people reached by each type of advertisement and the cost and labor
requirements.

The contract prohibits TopAd from using more than 6 minutes of radio advertisement.
Additionally, radio and television advertisements need to reach at least 45 million people.
TopAd has a budget goal of $100,000 for the project. How many minutes of radio and
television advertisement should TopAd use?
 6

TAHAP 1. FORMULASI GOAL PROGRAMMING

 7

• Variabel Keputusan
• X1 = Waktu iklan yang dialokasikan pada radio (dalam menit)
• X2 = Waktu iklan yang dialokasikan pada televisi (dalam menit)
• Tujuan
• Catatan: dalam goal programming, tujuan adalah sesuatu yang nilainya masih bisa “ditawar” atau
masih memungkinkan untuk dikompromikan.
• Total exposure yang diperoleh dapat mencapai setidaknya 45 juta orang
• Budget yang dikeluarkan diharapkan tidak lebih dari $100.000
• Keterbatasan
• Catatan: dalam goal programming, keterbatasan adalah sesuatu hal yang tidak dapat ditawar atau
dikompromikan. Misal: kapasitas mesin, ketersediaan sumber daya, dll.
• Jumlah pekerja yang tersedia adalah 10 orang
• Iklan yang dilakukan lewat radio tidak boleh lebih dari 6 menit

7
 8

X1 = Waktu iklan yang dialokasikan

pada radio (dalam menit)
X2 = Waktu iklan yang dialokasikan
Model Matematis pada televisi (dalam menit)
1. Tujuan terkait exposure
4X1 + 8X2 ≥ 45
2. Tujuan terkait budget
8X1 + 24X2 ≤ 100
3. Keterbatasan terkait jumlah karyawan
X1 + 2X2 ≤ 10
4. Keterbatasan terkait Batasan waktu iklan di radio
X1 ≤ 6
5. Non Negative
X1, X2 ≥ 0

8
 9

Model matematis awal:

4X1 + 8X2 ≥ 45
8X1 + 24X2 ≤ 100
X1 + 2X2 ≤ 10
X1 ≤ 6
X1, X2 ≥ 0

Perlu dicari compromise solution

 10

TAHAP 2. PENAMBAHAN DEVIATIONAL VARIABLE

10
 11

DEVIATIONAL VARIABLE

Penambahan Deviational Variable

• Ditujukan untuk mengkonversi masing-masing pertidaksamaan ke dalam bentuk
yang lebih fleksibel sehingga pertidaksamaan tersebut boleh dilanggar (jika
diperlukan)
• Caranya dengan menambahkan deviational variable yang merupakan variable non
negative S- dan S+ pada masing-masing goal
• S - merepresentasikan penyimpangan tujuan di bawah nilai ruas kanan
• S+ merepresentasikan penyimpangan tujuan di atas nilai ruas kanan
• S- dan S+ merupakan variable dependent dan tidak bisa menjadi variable basis
secara bersamaan

11
 12

DEVIATIONAL VARIABLE

Tanda menjadi
persamaan
Penambahan Deviational Variable

4X1 + 8X2 + S1- - S1+= 45

8X1 + 24X2+ S2 - S2 - += 100
X1 + 2X2 ≤ 10 Pertidaksamaan 3 dan 4 tidak diberi deviational variable
karena nilai kedua pertidaksamaan tersebut tidak boleh
X1 ≤6 dilanggar

X1, X2, S1 ,S1 ,S2

- + - ,S2 +≥ 0

12
 13

TAHAP 3. PENENTUAN GOAL

13
 14
PENENTUAN GOAL/
FUNGSI TUJUAN GOAL PROGRAMMING

• S- dan S+ berarti dimungkinkannya pemenuhan atau pelanggaran terhadap tujuan yang ingin
dicapai
• Fleksibilitas inilah yang menjadi ciri goal programming ketika mencari solusi kompromi
(diperbolehkannya tujuan yang awal ditetapkan dilanggar sebagai upaya mencari solusi
kompromi)
• solusi kompromi yang baik adalah solusi yang dapat meminimalkan jumlah yang dilanggar pada
setiap tujuan
• Tujuan dari goal programming adalah meminimumkan total pelanggaran yang dimungkinkan
pada setiap tujuan
• Untuk tujuan dengan tanda ≤, nilai ruas kanan akan dilanggar jika nilai S+>0, sehingga nilai S+ harus
diminimumkan
• Untuk tujuan dengan tanda ≥, nilai ruas kanan akan dilanggar jika nilai S->0, sehingga nilai S- harus
diminimumkan

14
 15

Meminimasi nilai yang dilanggar

• Nilai Kompromi dikatakan baik → Nilai yang dilanggar mimimum
Tujuan 1
4X1 + 8X2 ≥ 45 → 4X1 + 8X2 + S1- - S1+= 45
Karena tanda pembatas ≥, Nilai ruas kanan akan terlanggar jika terjadi deviasi di bawah
nilai ruas kanan (S1 >0)
-

Tujuan 1 → Meminimasi G1 = S1-

15
 16

Meminimasi nilai yang dilanggar

• Nilai Kompromi dikatakan baik → Nilai yang dilanggar mimimum
Tujuan 2
8X1 + 24X2 ≤ 100 → 8X1 + 24X2+ S2- - S2+= 100
Karena tanda pembatas ≤, Nilai ruas kanan akan terlanggar jika terjadi deviasi di atas
nilai ruas kanan (S2+ >0)
Tujuan 2 → Meminimasi G2 = S2+

16
 17

MODEL MATEMATIS GOAL PROGRAMMING

Fungsi Tujuan
Meminimasi G1 = S1 -

Meminimasi G2 = S2 +

Dengan batasan
4X1 + 8X2 + S1- - S1+= 45
8X1 + 24X2+ S2- - S2+= 100
X1 + 2X2 ≤ 10
X1 ≤6
X1, X2, S1 ,S1 ,S2 ,S2 ≥ 0
- + - +

17
 18

TAHAP 4. PENYELESAIAN GOAL PROGRAMMING

18
 19

METODE PENYELESAIAN

• Terdapat 2 metode untuk menyelesaikan masalah goal programming. Yaitu,

weighted method dan preemptive method.
• Kedua metode akan membuat multiple goals menjadi satu fungsi tujuan.
• Kedua metode umumnya tidak menghasilkan solusi yang sama.
• Hal tersebut disebabkan karena masing-masing teknik dirancang untuk memenuhi
preferensi pengambilan keputusan tertentu.

19
 20

WEIGHTED METHOD

• Pada weighted method, satu fungsi objektif dibentuk sebagai penjumlahan bobot dari
fungsi-fungsi yang mewakili tujuan dari masalah.
• Misalkan model pemrograman tujuan memiliki n tujuan sebagai berikut:
Meminimasi G1
Meminimasi G2
…
Meminimasi Gn
• Fungsi tujuan gabungan yang digunakan dalam weighted method kemudian didefinisikan
sebagai berikut:
Meminimasi Z= W1G1+W2G2+......WnGn
• W1,W2,..Wn merupakan bobot yang mencerminkan preferensi pengambil keputusan terkait
tingkat kepentingan masing-masing tujuan
20
 21

WEIGHTED METHOD

• Berdasarkan kasus TopAd, diperoleh • Misal dari kasus Advertising Agency TopAd diperoleh
formulasi model matematis sebagai berikut informasi tambahan bahwa
Fungsi Tujuan • “Manajemen TopAd mengasumsikan bahwa
Meminimasi G1 = S1- tujuan terkait exposure dua kali lebih penting dari
Meminimasi G2 = S2+ tujuan terkait budget”
Fungsi Tujuan
Dengan batasan Meminimasi Z = 2G1 + G2 = 2S1- + S2+
4X1 + 8X2 + S1- - S1+= 45 Dengan batasan
8X1 + 24X2+ S2- - S2+= 100 4X1 + 8X2 + S1- - S1+= 45
X1 + 2X2 ≤ 10 8X1 + 24X2+ S2- - S2+= 100
X1 ≤6 X1 + 2X2 ≤ 10
X1, X2, S1-,S1+,S2- ,S2+ ≥ 0 X1 ≤6
X1, X2, S1-,S1+,S2- ,S2+≥ 0

21
 22

WEIGHTED METHOD

• Dengan menggunakan weighted method, maka model matematis dari persoalan

TopAd adalah
Fungsi Tujuan
Meminimasi Z = 2S1-+ S2+
Dengan batasan
4X1 + 8X2 + S1- - S1+= 45
8X1 + 24X2+ S2- - S2+= 100
X1 + 2X2 ≤ 10
X1 ≤6
X1, X2, S1-,S1+,S2- ,S2+≥ 0

Model di atas dapat diselesaikan dengan algoritma simplex

22
 23

WEIGHTED METHOD

• Model standard simplex (Big M)

Fungsi Tujuan
Meminimasi Z = 0X1 + 0X2 + 2S1-+0S1+ + 0S1-+ S2+ + 0X3 + 0X4 + MX5 + MX6
Dengan batasan
4X1 + 8X2 + S1- - S1+ + X5 = 45
8X1 + 24X2+ S2- - S2+ + X6= 100
X1 + 2X2 + X3 = 10
X1 + X4 =6
X1, X2, S1-,S1+,S2- ,S2+ X3, X4, X5, X6, = ≥ 0

23
 24

WEIGHTED METHOD

• Tabel awal simplex

CB Cj 0 0 2 0 0 1 0 0 M M Kons.
Basis X1 X2 S1- S1+ S2- S2+ X3 X4 X5 X6
M X5 4 8 1 -1 0 0 0 0 1 0 45
M X6 8 24 0 0 1 -1 0 0 0 1 100
0 X3 1 2 0 0 0 0 1 0 0 0 10
0 X4 1 0 0 0 0 0 0 1 0 0 6
Baris c -12M -32M 2-M M -M M 0 0 0 0 145M

Solusi optimal
X1= 5; X2= 2; S1- = 5 dan variable lainnya adalah 0

24
 25

Interpretasi hasil
Solusi optimal
X1= 5; X2= 2; S1- = 5 dan variable lainnya adalah 0 dengan nilai Z = 10

• Nilai optimal z bukanlah nol menunjukkan bahwa setidaknya salah satu tujuan tidak dapat terpenuhi.
• Nilai S1- = 5 berarti bahwa tujuan terkait exposure (setidaknya 45 juta orang) tidak dapat terpenuhu
(terlanggar) sebanyak 5 juta orang.
• Sebaliknya, tujuan anggaran (tidak melebihi $ 100.000) tidak dilanggar, karena S2+ = 0.

25
 26

PREEMPTIVE METHOD

• Dalam Preemptive method, pembuat keputusan harus membuat peringkat terkait

urutan kepentingan dari serangkaian tujuan yang ingin dicapai
• Misalkan model pemrograman tujuan memiliki n tujuan sebagai berikut:
Meminimasi G1 → Prioritas pertama (Prioritas 1)
Meminimasi G2 → Prioritas kedua (Prioritas 2)
…
Meminimasi Gn → Prioritas terakhir (Prioritas n)
• Prosedur pencarian solusi mempertimbangkan satu tujuan pada satu waktu, dimulai
dengan prioritas tertinggi, G1, dan diakhiri dengan prioritas dengan terendah

26
 27

PREEMPTIVE METHOD

Identifikasi tujuan model dan rangking dalam urutan prioritas

• G1 = p1 > G2 = p2 > G3 = p3…..>Gn = pn

Selesaikan LP1 yang meminimasi tujuan dengan prioritas tertinggi

Lanjutkan dengan menyelesaikan LP2 dengan penambahan pembatas p1 = p1* (solusi optimal dari p1) atau
dengan melakukan subtitusi nilai tersebut ke persamaan

Lakukan hingga LP-n yaitu menyelesaikan LP-n

27
 28

PREEMPTIVE METHOD

• Misal dari kasus TopAd diketahui bahwa tujuan terkait exposure merupakan prioritas
tertinggi
• Penyelesaian masalah goal programming akan dimulai dari LP1 dimana tujuannya adalah
meminimasi nilai pelanggaran terkait tujuan exposure
Fungsi Tujuan
Meminimasi Z = G1= S1-
Dengan batasan
4X1 + 8X2 + S1- - S1+= 45
8X1 + 24X2+ S2- - S2+= 100
X1 + 2X2 ≤ 10
X1 ≤6
X1, X2, S1-,S1+,S2- ,S2+≥ 0
28 Selesaikan dengan simplex
 29

PREEMPTIVE METHOD

• Bentuk standar LP1

Fungsi tujuan
Meminimasi Z = 0X1 + 0X2 + S1-+0S1+ + 0S1-+ 0S2+ + 0X3 + 0X4 + MX5 + MX6
Dengan batasan
4X1 + 8X2 + S1- - S1+ + X5 = 45
8X1 + 24X2+ S2- - S2+ + X6= 100
X1 + 2X2 + X3 = 10
X1 + X4 =6
X1, X2, S1-,S1+,S2- ,S2+ X3, X4, X5, X6, = ≥ 0

Dengan menggunakan metode simplex diperoleh hasil optimal LP 1 adalah sebagai

berikut: X1 = 5; X2= 2.5, S1- = 5 dan variable lainnya = 0

29
 30

PREEMPTIVE METHOD

• Model LP2
Cara 1(menambahkan constraint baru yaitu S1- = 5)
Fungsi tujuan
Meminimasi Z = G2 = S2+
Dengan batasan
4X1 + 8X2 + S1- - S1+ + X5 = 45
8X1 + 24X2+ S2- - S2+ + X6= 100
X1 + 2X2 + X3 = 10
X1 + X4 =6
S1- =5
X1, X2, S1-,S1+,S2- ,S2+ X3, X4, X5, X6, = ≥ 0

Dengan menggunakan metode simplex diperoleh hasil optimal LP 2 adalah sebagai

30
berikut: X1 = 5; X2= 2.5, S1- = 5 dan variable lainnya = 0
 31

PREEMPTIVE METHOD

• Model LP2
Cara 2(melakukan subtitusi S1- = 5 ke persamaan)
Sehingga nilai ruas kanan Batasan 1 (exposure) akan diubah dari 45 menjadi 40
Fungsi tujuan
Meminimasi Z = G2 = S2+
Dengan batasan
4X1 + 8X2 - S1+ + X5 = 40
8X1 + 24X2+ S2- - S2+ + X6= 100
X1 + 2X2 + X3 = 10
X1 + X4 =6
X1, X2, S1-,S1+,S2- ,S2+ X3, X4, X5, X6, = ≥ 0

Dengan menggunakan metode simplex diperoleh hasil optimal LP 2 adalah sebagai

31
berikut: X1 = 5; X2= 2.5, S1- = 5 dan variable lainnya = 0
 32

PREEMPTIVE METHOD

• Pada LP2, Tujuannya adalah meminimasi G2 = S2+

• Jika kita lihat, solusi yang dihasilkan LP2 sama dengan solusi yang dihasilkan LP1, sehingga sebenarnya
proses optimasi LP2 tidak perlu dilakukan
• Hal tersebut terlihat bahwa pada LP1 dihasilkan nilai S2+= 0, yang merupakan nilai minimum dari suatu
bilangan positif
• Maka dari itu, solusi optimal dari LP1 secara otomatis memberikan solusi optimal pada LP2

32
 33

TERIMA KASIH

33