PENDAHULUAN
1
1.1. Sejarah Singkat
Operations Research merupakan pendekatan pengambilan keputusan
manajerial yang didasarkan atas metode-metode ilmiah yang menggunakan
banyak analisis kuantitatif. Berbagai nama diberikan untuk bidang ilmu yang
melibatkan pendekatan-pendekatan kuantitatif, diantaranya “Management
Science” (Manajemen Sains).
Operations Research diterjemahkan sebagai Riset Operasi (OR), Penelitian
Operasional, dan Teknik Riset Operasi (TRO).
Revolusi manajemen sains pada awal 1900an yang dicetuskan Frederic W.
Taylor, memberikan dasar bagai Riset Operasi. Namun Riset Operasi modern
umumnya dianggap muncul selama periode Perang Dunia II, ketika tim OR dibentuk
untuk menangani masalah-maslah strategis dan taktis yang dihadapi militer. Tim ini
terdiri dari para ahli matematika, teknik, dan perilaku bersama-sama memecahkan
masalah dengan menggunakan metode ilmiah. Setelah perang usai , banyak
anggota tim ini melanjutkan penelitian dengan pendekatan kuantitatif untuk
pengambilan keputusan.
Pada masa Perang Dunia II, angkatan perang Inggris membentuk suatu tim
yang terdiri atas para ilmuwan untuk mempelajari untuk mempelajari persoalan-
persoalan strategi dan taktik sehubungan dengan serangan-serangan yang
dilancarkan musuh terhadap negaranya. Tujuan mereka adalah untuk menentukan
penggunaan sumber-sumber militer yang terbatas, seperti radar dan bomber
dengan cara yang palin efektif. Karena tim tersebut melakukan penelitian terhadap
operasi-operasi militer, maka muncullah nama “Military Operations Research”.
Keberhasilan angkatan perang Inggris ini kemudian mendorong angkatan
perang Amerika untuk melakukan aktifitas serupa dengan membentuk tim
Operations Research.
Setelah Perang Dunia II berakhir, OR yang lahir di Inggris berkembang pesat di
Amerika khususnya bagi kalangan industri, konsultan, perguruan tinggi, perencanaan
kota dan dunia bisinis.
Perkembangan yang sangat berarti adalah penemuan George Dantzig
pada tahun 1947 atas metode simpleks yang digunakan untuk memecahkan
masalah pemograman linier. Kemudian pada tahun 1957, buku pertama mengenai
PROGRAMA LINIER
2
2.1. Pendahuluan
Programa linier yang diterjemahkan dari Liniear Programaming (LP) adalah
suatu cara untuk menyelesaikan persoalan pengalokasian sumber-sumber yang
terbatas di antara beberapa aktivitas yang bersaing, dengan cara yang terbaik
yang mungkin dilakukan. Persoalan pengalikasian ini akan muncul apabila seseorang
harus memilih tingkat aktivitas-aktivitas tertentu yang bersaing dalam hal
penggunaan sumber daya yang terbatas yang di butuhkan untuk melaksanakan
aktivitas-aktivitas tersebut.
Beberapa contoh situasi dari uraian di atas antara lain ialah persoalan
pengalokasian fasilitas produksi, , solusi permainan (game), dan pemilihan pola
pengiriman (shipping). Satu hal yang menjadi cirri situasi di atas ialah adanya
keharusan untuk mengalokasikan sumber terhadap aktivitas.
Programa linier ini menggunakan model matematis untuk menjelaskan
persolaan yang dihadapinya. Sifat “linier” di sini memberi arti bahwa seluruh fungsi
matematis dalam model ini merupakan fungsi yagn linier. Sedangkan kata
“Programaa” merupakan sinonim untuk perencanaan. Dengan demikian,
Programaa linier (LP) adalah perencanaan aktivitas-aktivitas untuk memperoleh
suatu hasil yang optimum, yaitu suatu hasil yang mencapai tujuan terbaik di antara
seluruh alternative yang layak/fisibel.
George B. Dantzig merupakan ahli matematika yang diakui sebagai pioneer
Programa Linier. Selama perang Dunia II Danzig bekerja pada Angkatan Udara
Amerika Serikat , dia bekerjasama dengan Von Neumann, Hurwicz dan Koopmans ,
melahirkan “Programa Saling Ketergantungan Kegiatan – Kegiata dalam Struktur
linier”, kemudian disebut Linearr Programaming.
Pada tahun 1947 Dantzig mempublikasikan “Metode Simplek”. Kemudian
bekerjasama dengan Marshall Wood dan Alex Orden dalam pengembangan
“Metode Simplek”.
Pada awalnya metode simplek diterapkan pada masalah-masalah militer,
seperti logistik, transportasi dan perbekalan. Sejalan dengan perkembangannya,
linier Programaming sudah diaplikasikan hampir kesemua bidang yang didukung
dengan perkembangan yang sangat pesat bidang ilmu komputer.
a. Variabel keputusan
Variabel keputusan adalah variable yang menguraikan secara lengkap
keputusan-keputusan yang akan dibuat. Dalam persoalan ini, variable keputusan
akan menentukan berapa banyak boneka dan kereta api masing-masing harus
dibuat setiap minggunya.
b. Fungsi tujuan
Fungsi tujuan merupakan fungsi dari variable keputusan yang akan
dimaksimumkan (untuk pendapatan atau keuntungan) atau diminimumkan (untuk
ongkos). Pada persoalan ini akan di maksimumkan (pendapatan/minggu) – (ongkos
material/minggu) – (ongkos tenaga kerja/minggu).
Pendapatan dan ongkos-ongkos ini dapat diekspresikan dengan menggunakan
variable keputusan x1 dan x2 sebagai berikut :
c. Pembatas
Pembatas merupakan kendala yagn dihadapi sehingga kita tidak bisa
menentukan harga-harga varibel keputusan secara sembarang. Pada persoalan di
atas ada 3 pembatas yang kita hadapi, yaitu :
Pembatas 1 : Setiap minggu tidak lebih dari 100 jam waktu pemolesan yang dapat di
gunakan.
Pembatas 2 : Setiap minggu tidak lebih dari 80 jam waktu pengerjaan kayu yang
dapat digunakan.
Pembatas 3 : Karena permintaan yang terbatas, maka tidak lebih dari 40 lusin
boneka yang dapat di buat setiap minggu. Jumlah material yang
dapat di gunakan diasumsikan tidak terbatas sehingga tidak ada
pembatas untuk hal ini.
Selanjutnya, ekspresikan pembatas- pembatas itu ke dalam x1 dan x2 sebagai
berikut :
Pembatas 1 : 2x1 + x2 ≤ 100
Pembatas 2 : x1 + x2 ≤ 80
Pembatas 3 : x1 ≤ 40
Koefisien dari variabel keputusan pada pembatas disebut koefisien teknologis,
sedangkan bilangan yang ada di sisi kanan setiap pembatas disebut ruas kanan
pembatas.
d. Pembatas tanda
Pembatas tanda adalah pembatas yang menjelaskan apakah variabel
keputusannya diasumsikan hanya berharga nonnegative atau variabel keputusan
tersebut boleh berharga positif, boleh juga negative (tidak terbatas dalam tanda).
Pada contoh soal di atas kedua varibel keputusan harus berharga nonnegative
sehingga harus dinyatakan bahwa
Dengan demikian, formulasi lengkap dari persoalan PT. Sayang Anak adalah :
Maksimumkan z = 3x1 + 2x2
Berdasarkan
2x1 + x2 ≤ 100
x1 + x2 ≤ 80
x1 ≤ 40
x1 ≥ 0
x2 ≥ 0
Contoh 2.2
PT. Indah Gelas adalah suatu perusahaan yang memproduksi kaca berkualitas tinggi
untuk digunakan sebagai jendela dan pintu kaca. Perusahaan ini memiliki tiga buah
pabrik, pabrik 1 yang membuat bingkai aluminium, pabrik 2 yang membuat bingkai
kayu, dan pabrik 3 yang digunakan utnuk memproduksi kaca dan merakit produk
keseluruhan. Saat ini perusahaan mendapat pesanan berupa dua macam produk
baru yang potensial, yaitu kaca setinggi 8 kaki dengan bingkai aluminium (produk 1),
dan jendela berukuran 4 x 6 kaki dengan bingkai kayu (produk 2). Karena
perusahaan sedang mengalami penurunan pendapatan sebagai akibat resesi
dunia, maka pimpinan perusahaan merasa perlu untuk memperbaiki/mengubah
lintasan produksinya dengan cara menghentikan pembuatan beberapa produk
yang tidak menguntungkan sehingga kapasitas produksi dapat digunakan untuk
membuat salah satu atau kedua produk baru yang potensial tersebut. Kepala
bagian pemasaran telah menyimpulkan bahwa perusahaan harus dapat menjual
kedua produk itu sebanyak-banyaknya, yaitu sejumlah yang dapat dibuat dengan
kapasitas yang ada. Akan tetapi, karena kedua produk itu akan bersaing untuk
menggunakan kapasitas produksi yang sama di pabrik 3, maka persoalannya ialah :
Berpa banyakkah masing-masing produk harus dibuat sehingga deperoleh
keuntungan terbaik?
Untuk menyelesaikan persoalan di atas, terlebih dahulu harus dicari mengenai
:
1. Persentase kapasitas produksi masing-masing pabrik yang dapat digunakan
untuk kedua macam produk tersebut.
2. Persentase kapasitas yang diperlukan oleh masing-masing produk untuk setiap
unit yang diproduksi per menit.
3. Keuntungan per unti untuk masing-masing produk.
Informasi mengenai ketiga hal di atas diberikan pada Tabel 2.1 berikut ini :
Karena kapasitas yang telah digunakan oleh suatu produk di pabrik 3 menyebabkan
produk lain tidak dapat menggunakannya, maka persoalan di atas dikenal sebagai
persoalan Programaa linier dengan tipe “campuran produk” atau product mix.
Untuk memformulasikan model metematis dari persoalan ini, kita tentukan x1
dan x2 sebagai jumlah unit dari produk 1 danproduk 2 yang diproduksi per menit,
dan kita tentukan pula z sebagai keuntungan yang diperoleh per menit. Dengan
demikian maka x1 dan x2 menjadi variabel-variabel keputusan dari model ini, dan
tujuannya adalah memilih harga-harga x1 dan x2 sehingga diperoleh nilai maksimum
dari :
Z = 3x1 + 5x2
berdasarkan pembatas yang ada, yaitu kapasitas pabrik yang dapat di gunakan.
Tabel 2,1 diatas memberikan implikasi bahwa setiap unit produk 1 yang
diproduksi per menit akan menggunakan 1 persen dari kapasitas pabri k1, padahal
kapasitas yang dapat digunakan hanya 4 persen. Pembatas ini dinyatakan secara
matematis dengan ketidaksamaan x1 ≤ 4. Dengan cara yang sama, pabrik 2 memiliki
pembatas 2x2 ≤ 12. Persentase kapasitas pabrik 3 digunakan dengan cara memilih x1
dan x2 sebagai produk-produk baru tersebut sehingga ukuran produksinya adalah
3x1 + 2x2. Karena itu, secara matematis pembatas dari pabrik 3 ini adalah 3x1 + 2x2 ≤
18. Karena ukuran produksi ini tidak mungkin berharga negative, maka variabel-
variabel keputusan ini dibatasi sehingga berharga nonnegative dengan x1 ≥ 0 dan
x2 ≥ 0.
Sebagai kesimpulan, persoalan di atas dapat dinyatakan secara matematis
sebagai berikut :
Maksimumkan z = 3x1 + 5x2
berdasarkan
x1 ≤ 4
2x2 ≤ 12
3x1 + 2x2 ≤ 18
dan
Berdasarkan table diatas dapat dibuat formulasi model matematis Programa Linier.
a. Linierity/Proportionality (Linier/proporsional )
Persyaratan uatama pada Programa Linier adalah bahwa fungsi tujuan (Z)
dan semua kendala harus linier. Jika suatu kendala dengan 2 variabel keputusan
dalam diagram dimensi 2, maka akan berbentuk garis lurus. Demikian juga apabila 3
variabel, maka akan menghasilkan bidang datar.
Linier berarti bahwa hubungannya proporsional artinya tingkat perubahan
atau hubungan fungsional adalah konstan. Perubahan nilai variabel akan
mengakibatkan perubahan relative nilai fungsi tujuan dalam jumlah yang sama.
Contoh:
Z = C1X1 + C2X2 + C3X3 + ………… + CnXn
Setiap pertambahan 1 unit X1 akan menaikkan Z dengan C1
Setiap pertambahan 1 unit X2 akan menaikkan Z dengan C2
Dan seterusnya.
a11X1 + a12X2 + a13X3 + ……………………..+ a1nXn ≤ b1
Setiap pertambahan 1 unit X1 akan menaikkan penggunaan sumber
daya/fasilitas 1 dengan a11.
Setiap pertambahan 1 unit X2 akan menaikkan penggunaan sumber
daya/fasilitas 1 dengan a12.
c. Divisibility.
Divisibility berarti bahwa output yang dihasilkan oleh setiap kegiatan dapat
berupa bilangan pecahan, demikian juga dengan nilai Z yang dihasilkan.
d. Deterministic.
Semua parameter model (cj,aij, dan bj) diasumsikan diketahui dengan
kepastian. Dalam kenyataannya, parameter model jarang bersifat deterministic,
karena mencerminkan kondisi masa depan maupun sekarang, dan keadaan masa
depa jarang diketahui dengan pasti. Analisis sensitivitas merupakan suatu teknik yang
dikembangkan untuk menguji nilai solusi, bagaimana kepekaannya terhadap
perubahan-perubahan parameter.
TEKNIK PEMECAHAN
3
PROGRAMA LINIER
Ada dua cara yang digunakan untuk menyelesaikan persoalan Programa linier,
yaitu Metode Grafis dan Metode Simplek.
Metode Grafis dipergunakan apabila persoalan Programa linier itu hanya
mempunyai dua variabel. Namun demikian metode ini telah memberikan petunjuk
penting bahwa dalam pemecahanPrograma linier , kita hanya perlu memperhatikan
titik ekstrim (titik terjauh) pada ruang solusi atau daerah fisibel. Petunjuk inilah
sebagai kunci dalam mengembangkan “Metode Simplek”.
Mesin
I 2 0 8
II 0 3 15
III 6 5 30
Keuntungan(10.000) 3 5
Jumlah Produksi X1 X2
Fungsi Tujuan.
Maksimumkan Z = 3 X1 + 5 X2
Batasan/Kendala
2X1 + 0X2 ≤ 8 atau 2X1 ≤ 8 ………….. (1)
0X1 + 3X2 ≤ 15 3X2 ≤ 15 ………….. (2)
6X1 + 5X2 ≤ 30 ………………………………………. (3)
X1 >= 0 ; X2 >= 0
X2
6 Daerag A B C D
A B merupakan
5 Daerah fisible (layak)
2
Daerah Fisibel C
1
D X1
0 1 2 3 4 5 6 7
Pemirsa
Wanita (W) 7 2 28
Pria (P) 2 12 24
Biaya/menit (Rp. 5 10
Juta)
Lama Promosi X1 X2
Tujuan dari permaslalahan ini adalah untuk menekan biaya atau meminimkan biaya,
maka persolannya adala Minimasi.
Fungsi Tujuan
Minimumkan Z = 5 X1 + 10 X2
Fungsi Pembatas
7X1 + 2X2 ≥ 28
2X1 + 12X2 ≥ 24
X1 ≥ 0 ; X2 ≥ 0
X2
15
14 A
Daerah A B C
13 merupakan
7X1 + 2X2 daerah fisibel
12 28 (layak)
11
10
9
8
7
6
5 Daerah fisibel
4
3
2
1 B
0 C X1
1 2 3 4 5 6 7 8 9 10 11 12 13
Z1 = 30 = 5X1 +
10X2
Gambar 3.2 Grafik fungsi pembatas dan fungsi tujuan Kasus Minimasi
Contoh :
Maksimumkan Z = 3X1 + 2X2
Fungsi Pembatas
(1/40) X1 + (1/60) X2 ≤ 1
(1/50) X1 + (1/50) X2 ≤ 1
X1 ≥ 0 ; X2 ≥ 0
Fungsi Pembatas
X1 - X2 ≤ 1
2X1 + X2 ≥ 6
X1 ≥ 0 ; X2 ≥ 0
n
Maksimumkan atau Minimumkan Z = ∑ Cjxj
j =i
Dengan syarat : aijxj (≤, = , ≥) bi, untuk semua I (i=1,2,3,……m) semua xj>=0
Xj : banyaknya kegiatan j, dimana j = 1,2,3,…………n
( berarti terdapat n variable keputusan)
Z : nilai fungsi tujuan (maksimum atau minimum)
Cj : sumbangan per unit kegiatan
Untuk maksimasi cj menunjukkan penerimaan/keuntungan per unit.
Fungsi Pembatas
Semua batasan bertanda ≤ dirubah menjadi tanda = dengan menambah “slack
varable”. (S1, S2, ………,Sm) Slack variable adalah variable yang mewakili tingkat
pengangguran .
S1 0 2 0 1 0 0 8
S2 0 0 3 0 1 0 15
S3 0 6 5 0 0 1 30
Variabel Z X1 X2 S1 S2 S3 NK
Dasar
Z 1 -3 -5 0 0 0 0
S1 0 2 0 1 0 0 8
S2 0 0 3 0 1 0 15
S3 0 6 5 0 0 1 30
Z
S1
X2 0 0 1 0 1/3 0 5
S3
Catatan : Ganti S4 pada variabel Dasar menjadi X2.
6. Mengubah nilai-nilai pada baris selain baris kunci.
Nilai Baru = Baris Lama - (Koefisien pada kolom kunci) x nilai baru baris kunci.
Baris 1 (Z)
-3 -5 0 0 0 0
-5 0 1 0 1/3 0 5 (-)
-3 -5 0 0 0 0
0 -5 0 5/3 0 -25 (-)
Baris Baru -3 0 0 5/3 0 25
Baris 2 (X3) 2 0 1 0 0 8
0 0 1 0 1/3 0 5 (-)
0 0 0 0 0 0 (-)
Baris Baru 2 0 1 0 0 8
Baris 4 (X5) 6 5 0 0 1 30
5 0 1 0 1/3 0 5 (-)
6 5 0 0 1 30
0 5 0 5/3 0 25 (-)
Baris Baru 6 0 0 -5/3 1 5
Variabel Dasar Z X1 X2 S3 S4 S5 NK
Iterasi
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8
0
X4 0 0 3 0 1 0 15
X5 0 6 5 0 0 1 30
Z 1 -3 0 0 5/3 0 25
S3 0 2 0 1 0 0 8
1
X2 0 0 1 0 1/3 0 5
S5 0 6 0 0 5/3 1 5
7. Kembali ke Langkah 3 s/d langkah 6 , hingga diperoleh niali pada Baris Z tidak ada
lagi bertanda negative.
Hasilnya sbb.
Variabel Z X1 X2 S S2 S3 NK
Iterasi Dasar
Z 1 -3 0 0 5/3 0 25
S1 0 2 0 1 0 0 8
1
X2 0 0 1 0 1/3 0 5
S3 0 6 0 0 -5/3 1 5
Z 1 0 0 0 0,83325 0,5 27,5
S1 0 0 0 1 0,5555 -0,3333 6,33333
2
X2 0 0 1 0 0,33333 0 5
X1 0 1 0 0 -0,2778 0,16667 0,83333
Catatan : Ganti S5 pada Variabel dasar menjai X1.
Z = 27,5
X1 = 0,8333 X2 = 5 S1 = 6,3333
Z = ∑ Cjxj
n
Minimumkan
j =i
Menjadi
(- Z ) = ( ∑ − Cjxj )
n
Maksimumkan
j=i
Contoh:
Minimumkan Z = 3X1 + 5X2
diubah menjadi
Maksimumkan (- Z) = -3X1 - 5X2
Contoh Soal.
Fungsi Tujuan.
Minimumkan Z = 3X1 + 5X2
Batasan.
2X1 = 8
Batasan 1.
2X1 + R1 = 8 ; R1 adalah variable buatan
Sehingga fungsi tujuan menjadi,
Maksimumkan (-Z) = -3X1 – 5X2 – R1
Batasan 2.
3X2 ≤ 15, menjadi
3X2 + S1 = 15
Batasan 3.
6X1 + 5X2 ≥ 30, menjadi
- 6X1 - 5X2 ≤ - 30, ditambah variable S2, menjadi
- 6X1 - 5X2 + S2 = - 30, diaklikan dengan (-), menjadi
6X1 + 5X2 - S2 = 30, karena variable S2 bertanda (-), maka
Harus ditambah variable buatan R2, shg 6X1
+ 5X2 - S2 + R2 = 30
Sehingga fungsi tujuan menjadi
Maksimumkan (-Z) = -3X1 – 5X2 – R1 – R2.
Jika dirubah menjadi fungsi implicit menjadi:
(-Z) – ( -3X1 – 5X2 – R1 – R2) = 0 atau
-Z + 3X1 + 5X2 + R1 + R2 = 0
Ada dua teknik penyelesaian untuk kasus dengan variable artificial, yaitu
• Teknik M (Metode Penalty)
• Teknik Dua Fase.
Fase Pertama.
Fase ini digunakan untuk menguji apakah persoalan yang kita hadapi memiliki solusi
fisibel atau tidak. Padafase ini fungsi tujuan diganti dengan meminimumkam jumlah
artificial variable. Jika nilai minimum fungsi tujuan baru ini berharga nol (artinya
seluruh variabel artifisialberharga nol) berarti persoalan memiliki solusi fisibel,
kemudian lanjutkan ke fase kedua. Tetapi, apabila nilai minimum fungsi tujuan baru
ini berharga positif, maka persoalan tidak memiliki solusi fisibel.
Fase Kedua.
Gunakan solusi optimum dari fase pertama sebagai solusi awal bagi persoalan
semula. Ubahlah bentuk fungsi tujuan fase pertama dengan mengembalikannya
pada fungsi tujuan persoalan semula.
Contoh Soal.
Maksimumkan Z = 3 X1 + 5 X2
Batasan :
2X1 ≤ 8
2X2 ≤ 12
3X1 + 2X2 = 18
X1 >= 0 ; X2 >= 0
Penyelesaian.
2X1 + S1 = 8
2X2 + S2 = 12
3X1 + 2X2 + R1 = 18 atau R1 = 18 -3X1 - 2X2
Z = 3 X1 + 5 X2 - MR3
- Z – 3X1 - 5X2 + MR3 = 0
Fase Pertama.
Minimumkan r = R3 atau -r = -18 + 3X1 + 2X2 atau -r - 3X1 - 2X2 = -18
Variabel NK/Kolom
Iterasi
Dasar Z X1 X2 S1 S2 R1 NK Kunci
r -1 -3 -2 0 0 0 -18
S1 0 1 0 1 0 0 4 4
0
S2 0 0 2 0 1 0 12 ∼
R3 0 3 2 0 0 1 18 6
r 0 -2 3 0 0 -6
X1 1 1 0 1 0 0 4 ∼
1
S2 0 0 2 0 1 0 12 6
R3 0 0 2 -3 0 1 6 3
r 0 0 0 0 1 0
X1 1 0 1 0 0 4
2
S2 0 0 3 1 -1 6
X2 0 1 -1,5 0 0,5 3
Persoalan diatas memiliki solusi fisibel, kemudian R tidak diikut sertakan.
Dari tabel diatas pada fase 1 dapat dituliskan persamaan sebagai berikut :
X1 + S1 = 4 atau X1 = 4 – S1
3 S1 + S2 = 4
X2 - 1,5 S1 = 3 atau X2 = 3 + 1,5 S1
Z = 3 X1 + 2 X2
Z = 3 ( 4 – S1) + 5 ( 3 + 1,5 S1)
Z = 12 – 3 S1 + 15 + 7,5 S1
Z = 27 – 4,5 S1
Variabel
Iterasi
Dasar Z X1 X2 S1 S2 NK
Z 1 0 0 -4,5 0 27
X1 0 1 0 1 0 4
0
S2 0 0 0 3 1 6
X2 0 0 1 -1,5 0 3
Z 1 0 0 0 1,5 36
X1 0 1 0 0 -0,333 2
1
S1 0 0 0 1 0,3333 2
X2 0 0 1 0 0,5 6
Jadi :
Z = 36 , X1 = 2 : X2 = 6 ; S1 = 2
SOAL –SOAL.
BAGIAN SATU
1. Sebuah perusahaan elektronik memproduksi tape recorder dan amplifier
yang prosesnya dilakukan di dua stasiun kerja, yaitu perakitan dan
pengetesan. Setiap unit tape recorder memerlukan 2 jam perakitan dan 2
jam pengetesan, sedangkan setiap unit amplifier memerlukan 4 jam
perakitan dan 3 jam pengetesan. Waktu yang tersedia di departemen
perakitan adalah 72 jam/minggu sedangkan di departemen pengetesan
adalah 48 jam/minggu. Kontribusi profit dari tape recorder adalah Rp 25.000,
dan dari setiap unit amplifier adalah Rp 50.000. Bagaimanakah formulasi
persoalan di atas agar dapat ditentukan strategi produksi terbaik yang
memberikan konntribusi profit maksimum ?
2. Sebuah perusahaan membuat 2 jenis produk, A dan B. Harga jual produk A
adalah Rp 20.000/unit sedangkan produk B dijual dengan harga Rp
30.000/unit. Untuk membuat 1 unit produk A dibutuhkan waktu 2 jam-orang (
man-hour ), sedangkan untuk 1 unit produk B diperlukan 6 jam-orang. Jumlah
pekerja adalah 2 orang, masing-masing bekerja 8 jam/hari termasuk istirahat
selama 30 menit. Untuk 1 unit A dibutuhkan 6 kg bahan baku, sedangkan
setiap unit B membutuhkan 3 kg bahan baku. Harga per kg bahan baku
adalah Rp 1.500. Upah pekerja per jam-orang adalah Rp 2.000.jika bahan
baku yang tersedia per hari adalah 40 kg, bagaimanakah formulasi persoalan
ini agar diperoleh kontribusi profit maksimum ?
3. Seorang petani yang memiliki 7 ha tanah sedang memikirkan berapa ha
tanah yang harus ditanami jagung dan berapa ha yang harus ditanami
gandum. Dia mengetahui bahwa jika ditanami jagung, setiap ha tanah akan
menghasilkan 10 ton jagung. Untuk ini diperlukan 4 jam-orang setiap
minggunya. Jika ditanami gandum, hasilnya adalah 25 ton/ha dan
diperlukan 10 jam-orang/minggu.Setiap kg jagung dapat dijual seharga Rp
30, sedangkan harga jual gandum adalah Rp 40/kg.Saat ini petani tsb. hanya
memiliki 40 jam-orang setiap minggunya. Karna ada peraturan pemerintah
yang mengharuskan setiap petani untuk menghasilkan gandum paling sedikit
30 ton setiap kali panen, bagaimanakah formulasi persoalan ini agar petani
tsb. dapat menggarap tanahnya secara optimal?
4. Seorang pedagang buah-buahan membeli buah duku dari 3 orang petani.
Kualitas buah ini biasa dinyatakan dengan besarnya, dan diklasifikasi dalam 3
kategori, yaitu besar, sedang, dankecil. Berikut ini adalah data harga dan
persentase ukuran buah yang dimiliki oleh masing-masing petani :
Petani 1 5.000 40 40 20
Petani 2 4.000 30 35 35
Petani 3 3.000 20 20 60
BAGIAN KEDUA
1. P.T.Unilever bermaksud membuat 2 jenis sabun, yakni sabun bubuk dan
sabun batang. Untuk itu dibutuhkan 2 macam zat kimia, yakni A dan
B.Jumlah zat kimia yang tersedia adalah A = 200 kg dan B = 360 = kg.
Untuk membuat 1kg sabun bubuk diperlukan 2kg A dan 3kg B. Bila
keuntungan yang akan diperolehsetiap membuat 1kg sabun bubuk = $ 3
sedangkan setiap 1kg sabun batang = $ 2, berapa kg jumlaah sabun bubuk
dan sabun batang yang sebaiknya dibuat ?
2. Sebuah perusahaan film sedang membuat rencana kegiatan untuk tahun
yang akan datang. Ada 2 jenis film yang akan dibuat, yakni film untuk TV dan
film untuk di gedung.
Biaya pembutan film TV adalah sebesar Rp 750.000,00 sedangkan biaya
pembuatan film gedung adalah Rp 2.000.000,00 sebuah. Film TV dapat dijual
dengan harga Rp 1.250.000,00 sedangkan film gedung dapat di jual dengan
harga : Rp 3.000.000,00 sebuah.
Waktu ekuivalen yang di butuhkan untuk membuat sebuah film TV = 12
minggu, sedangkan untuk film gedung = 30 minggu. Waktu ekuivalen yang
TEORI DUALITAS
4
4.1. Dualitas
Teori dualitas merupakan salah satu konsep programa linier yang penting dan
menarik ditinjau dari segi teori dan praktisnya.Ide dasar yang melataarbelakangi
teori ini adalah bahwa setiap persoalan programa linier mempunyai suatu programa
linier lain yang saling berkaitan yang disebut ”dual”, sedemikian sehingga solusi pada
persoalan semula (yang disebut ”primal”) juga memberi solusi pada dualny.
Pendefenisian dual ini akan bergantung pada jenis pembatas, tanda-tanda
variabel, dan bentuk optimasi dari persoalan primalnya. Akan tetapi, karna setiap
persoalan programa linier harus dibuat dalam bentuk standar lebih dahulu sebelum
modelnya dipecahkan, maka pendefinisian di bawah ini akan secara otomatis
meliputi ketiga hal diatas.
Bentuk umum masalah primal-dual adalah sebagai berikut :
Primal :
Fungsi Tujuan :
Maksimumkan Z = C1X1 + C2X2 + C3X3 + . . . . . . + CnXn
Batasan/Kendala :
a11X1 + a12X2 + a13X3 + ……………………..+ a1nXn ≤ b1
a21X1 + a22X2 + a23X3 + ……………………..+ a2nXn ≤ b2
a31X1 + a32X2 + a33X3 + ……………………..+ a3nXn ≤ b3
.
am1X1 + am2X2 + am3X3 + …………………..+ amnXn ≤ bm
dan , X1 ≥ 0 , X2 ≥ 0, X3≥0,……………… Xn ≥ 0
Dual :
Fungsi Tujuan :
Minimumkan W = b1Y1 + b2Y2 + b3Y3 + . . . . . . + bmYm
Batasan/Kendala :
a11Y1 + a21Y2 + a31Y3 + ……………………..+ am1Ym ≤ c1
a12Y1 + a22Y2 + a32Y3 + ……………………..+ am2Ym ≤ c2
a13Y1 + a23Y2 + a33Y3 + ……………………..+ am3Ym ≤ c3
.
a1nY1 + a2nY2 + a3nY3 + …………………..+ amnYm ≤ cn
dan , Y1 ≥ 0 , Y2 ≥ 0, Y3≥0,……………… Ym ≥ 0
Contoh 1 :
Primal
Maksimumkan : z = 60 x1 + 30 x2 + 20 x3
berdasarkan :
8 x1 + 6 x2 + x3 ≤ 48
4 x1 + 2 x2 + 1,5 x3 ≤ 20
2 x1 + 1,5 x2 + 0,5 x3 ≤ 8
x1, x2, x3 ≥ 0
Dual
Minimumkan : w = 48 y1 + 20 y2 = 8 y3
berdasarkan :
8 y1 + 4 y2 + 2 y3 ≥ 60
6 y1 + 2 y2 + 1,5 y3 ≥ 30
y1 + 1,5 y2 + 0,5 y3 ≥ 20
y1, y2, y3 ≥ 0
Contoh 2 :
Primal
Minimumkan : w = 50 y1 + 20 y2 + 80 y3
Apabila kita membangun dual dari suatu persoalan LP yang tidak normal,
maka akan berlaku hal-hal sebagai berikut :
a. Untuk persoalan maksimasi, jika pembatas primal ke-i bertanda ,
maka variabel dual yang berkorespondensi dengan pembatas
tersebut memenuhi yi 0. Sebaliknya, untuk persoalan minimasi, jika
pembatas primal ke-i bertanda , maka variabel dual yang
berkorespondensi dengan pembatas tersebut akan memenuhi xi 0
b. Jika pembatas primal ke-i bertanda =, maka variabel dual yang
berkorespondensi dengan pembatas tersebut akan tidak terbatas
dalam tanda
c. Jika variabel primal ke-i tidak terbatas dalam tanda, maka pembatas
dual ke-i akan bertanda =.
Contoh 1 :
Primal
Maksimumkan :z = x1 + 2x2 -3x3 = 4x4
berdasarkan pembatas :
x1 + 2 x2 + 2 x3 – 3 x4 ≤ 25
2 x1 + x2 – 3 x3 + 2 x4 = 15
x1, x2, x3, x4 ≥ 0
Dual
Minimumkan : w = 25 y1 + 15 y2
berdasarkan pembatas :
y1 + 2 y2 ≥ 1
2 y1 + y2 ≥ 2
2 y1 – 3 y2 ≥ -3
-3 y1 + 2 y2 ≥ 4
y1 ≥ 0
y2 tidak terbatas dalam tanda.
Contoh 2 :
Primal
Minimumkan : z = 5x1 – 2x2
berdasarkan pembatas :
Contoh 3 :
Primal
Maksimumkan : z = 5x1 + 6x2
berdasarkan pembatas :
x1 + 2 x2 = 5
-x1 + 5 x2 ≥ 3
4 x1 + 7 x2 ≤ 8
x1 tidak terbatas dalam tanda
x2 ≥ 0
Dual
Minimumkan : w = 5y1 + 3y2 + 8v3
berdasarkan pembatas :
y1 – y2 + y3 ≥ 5
-y1 + y2 – 4y3 ≥ -5
2y1 + 5y2 + 7y3 ≥ 6
- y2 ≥ 0 atau y2 ≤ 0
y3 ≥ 0
y1 tidak terbatas dalam tanda
Untuk menjelaskan hubungan antara primal dengan dual, perhatikan ilustrasi berikut
ini :
Primal
Maksimumkan : z = 5x1 + 12x2 + 4x3
berdasarkan pembatas :
x1 + 2x2 + x3 ≤ 10
2x1 – x2 + 3x3 = 8
x1, x2, x3 ≥ 0
Bentuk standar :
Maksimumkan : z = 5 x1 + 12x2 + 4x3 + OS1 – MR2
berdasarkan pembatas : x1 +2x2 + x3 + S1 = 10
2x1 – x2 + 3x3 + R2 = 8
x1, x2, x3, S1, R2 ≥ 0
Dual dari persoalan di atas adalah :
Minimumkan : w = 10y1 + 8(y2’ – y2”)
berdasarkan pembatas : y1 + 2(y2’ – y2”) ≥ 5
2y1 – (y2’ – y2”) ≥ 12
y1 + 3(y2’ – y2”) ≥ 4
y1 ≥ 0, y2 tidak terbatas dalam tanda
Bentuk standar:
Minimumkan : W = 10y1 + 8(y2’ – y2”) – 0(S1 + S2 + S3)
M(R1 + R2 + R3)
berdasarkan pembatas :
y1 + 2(y2’ – y2” ) – S1 + R1 =5
2y1 – (y2’ – y2”) - S2 + R2 =12
y1 + 3(y2’ – y2”) - S3 + R3 =4
Primal
Dual
Tabel 4.2. Tabel Simplek Persoalan Dual
Iterasi Basis y1 y2' y2" S1 S2 S3 R1 R2 R3 Solusi
R1 1 -2 -2 -1 0 0 1 0 0 5
0
R2 2 1 1 0 -1 0 0 1 0 12
R3 1 -3 -3 0 0 -1 0 0 1 4
(8/3M - 47/3M +
w 0 0 -M -M (1/3M - 8/3) 0 0 (-4/3M + 8/3)
22/3) 32/3
R1 1/3 0 0 -1 0 2/3 1 0 -2/3 7/3
1
R2 7/3 0 0 0 -1 -1/3 0 1 1/3 40/3
w 0 (-8M + 22) (8M - 22) -M -M (3M - 10) 0 0 ('-4M + 10) (5M + 40)
R1 0 -1 1 -1 0 1 1 0 -1 1
2
R2 0 -7 7 0 -1 2 0 1 -2 4
y1 1 3 -3 0 0 -1 0 0 1 4
3/7M +
w 0 0 0 -M (1/7M - 22/7) (5/7M - 26/7) 0 (-8/7M + 22/7) (12/7M + 26/7)
368/7
R1 0 0 0 -1 1/7 5/7 1 1/7 -5/7 3/7
3
y2" 0 -1 1 0 -1/7 2/7 0 1/7 -2/7 4/7
b. Kurangi nilai-nilai simplex multipliers ini dengan fungsi tujuan yang original dari variabel-
variabel basis awal.
Sebagai contoh, kita lihat Tabel 4.1. Dalam tabel itu variabel basis awalnya adalah S1 dan R2
denhan joefisien tujuan original 0 dan –M
Untuk iterasi 1 :
Yang menjadi variabel basis pada iterasi 1 adalah S1 dan x3, di mana koefisien fungsi tujuan
originalnya adalah 0 dan 4. Matriks di bawah variabel basis awal (S1 dan R2) pada iterasi 1
adalah :
1 -1/3
0 1/3
1 -1/3
0 4 0 1/3 0 4/3
Koefisien fungsi tujuan variabel-variabel basis awal (S1 dan R2 pada iterasi 1 adalah: S1 = 0 – 0 = 0
R2 = 4/3 – (-M) = 4/3 + M
Untuk iterasi 2 : dengan cara yang sama diperoleh :
S1 = 40/7 – 0 = 40/7
R2 = -4/7 – (-M) = -4/7 + M
Untuk iterasi 3 :
S1 = 29/5 – 0 = 29/5
R2 = -2/5 – (-M) = -2/5 + M
Untuk dual kita lihat Tabel 4.2.
Misalnya untuk iterasi 4 diperoleh :
7/5 -1/5 -1
( 12 5) -2/5 1/5 0 = [ 29/5 -2/5 0 ]
1/5 2/5 0
Untuk iterasi 2 :
SM = (40/7 -4/7)
x1 : y1 + 2y2 ≥ 5 x1 = -3/7
40/7 + 2(-4/7) – 5 = -3/7
x2: 2y1 – y2 ≥ 12 x2 = 0
2(40/7 – (-4/7) – 12 = 0
x3 : y1 + 3y2 ≥ 4 x3 = 0
40/7 + 3(-4/7) – 4 = 0
Untuk iterasi 3 :
SM (29/5 -2/5)
x1 : y1 + 2y2 ≥ 5 x1 = 0
29/5 + 2(-2/5) – 5 = 0
x2 : 2y1 – y2 ≥ 12 x2 = 0
2(29/5) – (-2/5) – 12 = 0
x3 : y1 + 3y2 ≥ 4 x3 = 3/5
29/5 + 3(-2/5) – 4 = 3/5
Untuk dual, hal yang sama berlaku juga kecuali bahwa substitusi simplex multipliers dilakukan
terhadap variabel-variabel pembatas primal.
S2 : -x2 ≤ 0 S2 = -12/5
-12/5 – 0 = - 12/5
S3 : -x3 ≤ 0 S3 = 0
0–0=0
Contoh :
a. Lihat iterasi 3 dari Tabel 4.1 (primal)
Untuk variabel x1, koefisien pembatas pada iterasi ini adalah
2/5 -1/5 1 = 0
1/5 2/5 2 1
Untuk x2 :
2/5 -1/5 2 = 1
1/5 2/5 -1 0
Untuk x3 :
2/5 -1/5 1 = -1/5
1/5 2/5 3 7/5
Untuk y2’ :
7/5 -1/5 -1 2 0
-2/5 2/5 0 -1 = -1
1/5 2/5 0 3 0
Untuk y2” :
7/5 -1/5 -1 -2 0
-2/5 2/5 0 1 = 1
1/5 2/5 -3 -3 0
Untuk S1 :
7/5 -1/5 -1 -1 7/5
-2/5 1/5 0 0 = 2/5
1/5 2/5 0 0 -1/5
Untuk S2 :
7/5 -1/5 -1 0 1/5
-2/5 1/5 0 -1 = -1/5
1/5 2/5 0 0 -2/5
Untuk S3 :
7/5 -1/5 -1 0 1
-2/5 1/5 0 0 = 0
1/5 2/5 0 -1 0
Supaya penggunaan sifat-sifat primal-dual ini dapat lebih teras pentingnya, berikut ini diberikan
satu contoh persoalan sebagai berikut :
Maksimumkan : z = 4x1 + 6x2 + 2x3
berdasarkan pembatas :
4x1 – 4x2 ≤5
-x1 + 6x2 ≤5
-x1 + x2 + x3 ≤5
x1, x2, x3 ≥ 0
Jawaban :
1. Sifat 1 :
6/20 4/20 0
(4 6 0) 1/20 4/20 0 = [ 3/2 2 0]
5/20 0 1
a = 3/2 – 0 = 3/2
b= 2 -0= 2
c= 0 -0=0
2. Sifat 2 :
SM = (3/2 2 0)
x1 : 4y1 – y2 – y3 ≥ 4 d=0
4(3/2) – 2 – 0 – 4 = 0
x2 : -4y1 + 6y2 + y3 ≥ 6 c=0
-4(3/2) + 6(2) + 0 – 6 = 0
x3 : y3 ≥ 2 f = -2
0 – 2 = -2
3. Sifat 3 :
6/20 4/20 0 5 5/2
1/20 4/20 0 5 = 5/4
5/20 0 1 5 25/4
g = 5/2
h = 5/4
i = 25/4
4. Sifat 4 :
6/20 4/20 0 4 1
1/20 4/20 0 -1 = 0
5/20 0 1 -1 0
6/20 4/20 0 -4 0
1/20 4/20 0 6 = 1
5/20 0 1 1 0
m=0
n=1
p=0
6/20 4/20 0 0 0
1/20 4/20 0 0 = 0
5/20 0 1 1 1
q=0
r=0
s=0
Dengan demikian, t dapat dicari dengan memasukkan harga-harga g, h, dan i ke dalam
persamaan z, sehingga diperoleh :
t = 4(5/2) + 6(5/4) + 0(25/4)
t = 70/4
t = 17 ½
METODE TRANSPORTASI
5
5.1. PENDAHULUAN
Metode transportasi merupakan suatu metode yang digunakan untuk mengatur distribusi
dari sumber-sumber yang menyediakan produk yang sama, ketempat-tempat yang
membutuhkan secara optimal. Alikasi produk ini harus sedemikian rupa, karena terdapat
perbedaan biaya-biaya alokasi dari saru sumber ke tempat-tempat tujuan berdeda-beda, dan
dari beberapa sumber ke suatu tempat tujuan juga berbeda-beda. Di samping itu, metode
transportasi juga dapat digunakan untuk memecahkan masalah-masalah dunia usaha (bisnis)
lainnya, seperti masalah-masalah yang meliputi pengiklanan, pembelanjaan modal (capital
financing) dan alokasi dana untuk investasi, analisis lokasi, keseimbangan lini perakitan dan
perencanaan serta scheduling produksi. Ada beberapa macam metode transportasi, yang
semuanya terarah pada penyelesaian optimal dari masalah-masalah transportasi yang terjadi.
F.L. Hitlchcock (1941), T.C. Koopmans (1949), dan G.B. Dantziq (1951) adalah orang-orang yang
pertama sebagai kontributor yang mengembangkan teknik-teknik transportasi.
Bab ini pertama-tama akan membicarakan metode-metode transportasi dimulai dengan
membahas metode stepping stone yang ditemukan oleh W.W. Cooper dan A.Charnes,
dilanjutkan dengan metode MODI dan Vogel’s Approximation (VAM).
Pabrik 15 20 10
60
H X21 X22 X23
Pabrik 25 10 19
50
P X31 X32 X33
Kebutuhan
50 110 40 200
Gudang
Pabrik 15 20 10
60
H 60
Pabrik 25 10 19
50
P 10 40
Kebutuhan
50 110 40 200
Gudang
Tambahan biaya 20 sedang pengurangan biaya 40, berarti ada penghematan 20 (=Rp
20.000,00) untuk setiap perpindahan alokasi 1 unit (1 ton) barang ke segi empat HA dan WB dan
HB. Berdasarkan kenyataan ini, bila jumlah alokasi yang dilaksanakan lebih banyak (tidak hanya
1 unit saja), maka penghematannya akan lebih banyak. Jumlah yang bisa diubah maksimum
sebesar isi terkecil dari 2 segi empat yang terdekat dengan isi segi empat HB = 60. Jadi diisikan
pada segi emapat HA 50 unit dan ditambahkan pula isi segi empat WB (yang bertolah belakang
dengan HA) sebesar 50 unit. Perubahan alokasi ini seperti terlihat pada Tabel 5.7, dengan
menghasilkan biaya pengangkutan yang lebih murah, yaitu 90(5) + 50(15) +10(20) + 10(10) +
40(19) = 2260 lebih murah dari laokasi pertama (Tabel 5.5).
Tabel 5.6. Perbaikan pertama dengan trial and error
Ke Gudang Gudang Gudang Kapasitas
Dari A B C Pabrik
Pabrik 20 5 8
90
W 50 40
(-) (+)
Pabrik 15 20 10
60
H 60
(+) (-)
Pabrik 25 10 19
50
P 10 40
Kebutuhan
50 110 40 200
Gudang
Kebutuhan
50 110 40 200
Gudang
Perubahan alokasi ini dapat juga dilakukan dengan mengubah alokasi pada segi empat
yang tidak berdekatan. Misalnya, akan diisi segi empat WC, maka segi empat lain yang ikut
berubah dapat berupa segi empat WB, PB, dan PC, seperti terlihat pada Tabel 5.8, dengan
biaya pengangkutan = 50(5) + 40(8) +50(15) + 10(20) + 50(10) = 2020. Demikian seterusnya
diadakan perubahan bila dengan perubahan itu dapat mengurangi biaya, sampai akhirnya
diperoleh biaya pengangkutan yang terendah (optimal).
Tabel 5.8. Perbaikan dengan masalah alokasi segi empat yang tidak berdekatan.
Ke Gudang Gudang Gudang Kapasitas
Dari A B C Pabrik
Pabrik 5 8
90 90
W (-) (+)
50 40
Pabrik 15 20 10
50 10 60
H
Pabrik 25 10 19
10 50
P (+) (-)
50 40
Kebutuhan
50 110 40 200
Gudang
5.3. Metode MODI
Metode MODI ( Modified Distribution) merupakan perkembangan dari metode stepping-
stone, karena penentuan segi empat kosong yang bisa menghemat biaya dilakukan dengan
prosedur yagn lebih pasti dan tepat serta metode ini dapat mencapai hasil optimal lebih cepat.
Cara utnuk memilihnya digunakan persamaan Ri + Kj = Cij. Ri adalah nilai baris i, Kj nilai kolom j,
dan Cij adalah biaya pengangkutan 1 satuan barang dari sumber i ke tujuan j. Adapun langkah-
langkah menghitungnya sebagai berikut :
a. Isilah table pertama dari sudut kiri ke atas ke kanan bawah,
Kebutuhan
50 110 40 200
Gudang
c. Menghitung indeks perbaikan
Indeks perbaikan adalah nilai dari segi empat akhir (segi empat yang kosong).
Mencarinya dengan rumus :
Cij – Ri – Kj = Indeks perbaikan
Tabel 5.10. menghitung indeks perbaikan
Segi empat Cij – Ri – Kj Indeks perbaikan
HA 15 – 15 – 20 -20
PA 25 - 5 – 20 0
WC 8 - 0 – 14 -6
HC 10 – 15 - 14 -19
Pabrik 25 10 19
40 40 50
P (+) (-)
10 30
Kebutuhan
50 110 40 200
Gudang
(c)
Ke Gudang Gudang Gudang Kapasit
Dari A B C as
Pabrik
Pabrik 5 8
90 90
W
Pabrik 15 20 10
10 60
H 50 (-) (+) 10
Pabrik 25 10 19
40 40 50
P (+) (-)
10 30
Kebutuhan
50 110 40 200
Gudang
Biaya transportasi = 60(5) + 30(8) + 50(15) + 10(10) + 50(10)
= 1890
(d)
Ke Gudang Gudang Gudang Kapasitas
Dari A = 13 B=5 C=8 Pabrik
Pabrik 5 8
60 30 90
W
Pabrik 15 20 10
60
H 50 10
Kebutuhan
50 110 40 200
Gudang
Tabel (d) tidak bisa dioptimalkan lagi, karena indeks perbaikan pada setiap segi empat akhir
sudah tidak ada yang negative, seperti terlihat pada Tabel 5.12.
Tabel 5.12. Indeks perbaikan dari Tabel 5.11e
Segi empat Cij – Ri – Kj Indeks perbaikan
WA 20 – 0 – 5 15
HB 20 - 2 – 5 13
PA 25 - 5 – 13 7
PC 19 – 5 - 8 6
Gudang Perbedaan
A B C Kapasitas baris
W 20 5 8 90 3
Pabrik H 15 20 10 60 5
P 25 10 19 50 9
Kebutuhan 50 110 40 Pilihan XPB = 50
Perbedaan kolom 5 5 2 Hilangkan baris P
5. Hilangkan baris P karena baris tersebut sudah diisi sepenuhnya (kapasitas penuh)
sehingga tidak mungkin diisi lagi. Kemudian perhatikan kolom dan baris yagn belum
terisi/teralokasi (baris W, H, dan kolom A, B, C).
6. Tentukan kembali perbedaan (selisih) biaya pada langkah ke 2 untuk kolom dan baris
yang belum terisi. Ulangi langkah 3 sampai dengan langkah 5, sampai semua baris dan
kolom sepenuhnya teralokasi lihat Tabel 5.14.
Gudang Perbedaan
A B C Kapasitas baris
W 20 5 8 90 3
Pabrik H 15 20 10 60 5
Kebutuhan 50 60 40 Pilihan XWB = 60
Perbedaan kolom 5 15 2 Hilangkan baris B
Gudang Perbedaan
A C Kapasitas baris
W 20 8 30 12
Pabrik H 15 10 60 5
Kebutuhan 50 40 Pilihan XWC = 30
Perbedaan kolom 5 2 Hilangkan baris W
Gudang Perbedaan
A C Kapasitas
Pabrik H 15 10 60
Kebutuhan 50 40 Pilihan XHA = 50
XHC = 10
Jadi, matriks alokasi sengan metode Vogel’s Approximation di atas adalah sebagai berikut :
Pabrik 15 20 10
60
H 50 10
Pabrik 25 10 19
50
P 50
Kebutuhan
50 110 40 200
Gudang
7. Setelah terisi semua, maka biaya transportasinya yang harus dibayar adalah 60 (Rp 5,00)
+ 30 (Rp 8,00) + 50( 15,00) + 10(Rp 10,00) + 50(Rp 10,00) = Rp 1.890,00
8. Bila nilai perbedaan aa 2 yang besarnya sama, missal yang satu terletak pada kolom
maka:
Lihatlah segi empat yang masuk ke dalam kolom maupun baris yang mempunyai nilai
terbesar. Bila segi empat ini mempunyai biaya terendah di antara segi empat pada baris
atau klomnya, maka isian alokasi maksimum pada segi empat ini. Bila biayanya tidak
terendah, maka pilihlah segi empat yagn akan diisi berdasar salah satu, baris terpilih atau
kolom terpilih, seperti pada langkah 4 dan 5
Kebaikan dari metode Vogel ini adalah mudah menghitungnya. Tetapi hasil pemecahan
dari metode ini kadang-kadang masih dapat dioptimalkan dengan metode lain, misalnya
metode Simples yang akan dibicarakan kemudian.
W 90
Pabrik 15 20 10
H 60
Pabrik 25 10 20
P 50
Dummy 0 0 0
Q 50
Jumlah
100 110 40
Kebutuhan 250
Tabel 5.19. Segi empat HB diisi 0, sehingga banyaknya segi empat yang terisi ada 6 tepat sama
dengan 3 + 4 – 1
Ke Gudang Gudang Gudang Gudang Kapasitas
Dari A = 20 B=5 C = -5 D=0 Pabrik
Pabrik 5 8 11
W 50 40 90
Pabrik 15 20 10 15
H 0 40 20 60
Pabrik 25 10 20 20
P 50 50
Kebutuhan
50 40 40 70
Gudang 200
Dengan sendirinya nilai dari semua kolom dan baris dari Tabel 5.19 ini dapat dicari, karena segi
empat HB sudah terisi.
RH + KB = CHB; RH +5 = 20; RH = 20 – 5 = 15
CijXij
n
Batasan-batasan : (1) ∑ j =1
Xij = ai (i=1, 2, ….., m)
m
(2) ∑
i =1
Xij = bi (j=1, 2, ….., n)
(3) Xij ≥ 0.
Pada rumusan di atas semua kebutuhan dapat dipenuhi, semua kapasitas sumber
dialokasikan, dan nilai alokasi harus positif.
b. Bila kebutuhan lebih kecil dari kapasitas.
m n
Fungsi tujuan : minimumkan Z = ∑ ∑
i =1 j =1
CijXij
n
Batasan-batasan : (1) ∑ j =1
Xij ≤ ai (i=1, 2, ……, m)
m
(2) ∑
i =1
Xij = bi (j=1, 2, ….., n)
(3) Xij ≥ 0.
Pada rumusan ini semua kebutuhan dapat dipenuhi, tetapi kapasitas sumber tidak bias
dimanfaatkan sepenuhnya.
n
Batasan-batasan : (1) ∑
j =1
Xij = ai (i=1, 2, ….., m)
m
(2) ∑
i =1
Xij ≤ bi (j=1, 2, ….., n)
(3) Xij ≥ 0.
Pada rumusan ini tidak semua kebutuhan bias dipenuhi meskipun kapasitas sumber telah
digunakan sepenuhnya.
Simbol i menunjukkan nomor sumber, dari sumber 1, 2, …… sampai dengan yang ke-m, j
menunjukkan nomor tempat tujuan pengiriman, mulai yang ke-1, 2, …….. sampai tempat yang
ke-n; Xij menunjukkan banyak barang yang dikirimkan dari sumber i ke tempat tujuan j, sedang Cij
ongkos angkut setiap satuan barang dari ke j.
Arti batasan pada ketiga macam perumusan masalah ini ialah: Batasan (1) merupakan
batasan kapasitas tersedianya barang di setiap sumber, batasan (2) merupakan batasan
kebutuhan di tempat-tempat tujuan, dan batasan ke-(3) merupakan batasan tidak negatig
(nonnegative constraint). Fungsi tujuan berusaha untuk meminimumkan jumlah biaya
pengangkutan seluruhnya.
Sebagai contoh lihat perumusan masalah di depan, yang kalau diformulasikan sebagai
berikut :
Bila diselesaikan, maka nilai X dan Z yang optimal adalah sebagai berikut :
SOAL-SOAL
1. Saat ini Pertamina memiliki tiga daerah penambangan minyak di pulau jawa, yaitu di
Cepu, Cilacap, dan Cirebon dengan kapasitas produksi masing- masing sebesar
600.000galon, 500.000 galon, dan 800.000 galon setiap harinya. Dari tempat- tempat
tersebut, minyak kemudian diangkut ke daerah- daerah pemasaran yang terspusat di
semarang, Jakarta, Bandungn, dengan daya tampung masing- masing sebbanyak
400.000 galon, 800.000 galon, dan 700.000 galon perhari. Ongkos pengangkutan per
100.000 galon adalah:
Dari Cepu ke semarang dan Jakarta masing- masing sebesar: Rp 120.000 dan Rp
180.000.
Dari Cilacap ke Semarang, Jakarta dan Bandung masing- masing Rp 300.000, Rp 100.000
dan 80.000.
Dari Cirebon ke semarang, Jakarta dan bandung masing- masing : Rp 200.000, Rp
250.000, dan Rp 120.000.
Bagaimana ususl saudara untuk mendistribusikan minyak tersebut sebaik- baiknya?
2. Direktur PN GIA menerangkan bahwa untuk melayani penerbangan di jawa barat harus
dibuka 4 bandar udara, yaitu di Jakarta, bandung, Cirebon, dan Cilacap[, sehingga
pesawat dapat mengisi bahan baker pada keempat lapangan terbang tersebut.
Kebutuhan akan bahan baker ini akn disuplai oleh tiga agen pertamina, yaitu pertamina
I, II,dan II yanga masing-masing dapat menyediakan sebanyak 275.000 galon, 550.000
galon dan 660.000. adapun masing- masing lapangan terbang di perkirakan akan
membutuhkan bahan baker sebanyak:
• Jakarta : 440.000 galon
• Bandung : 330.000 galon
• Cirebon : 220.000 galon
• Cilacap :110.000 galaon
MASALAH PENUGASAN
6
6.1. PERUMUSAN MASALAH
Seperti masalah transportasi, masalah penugasan (assignment problem) merupakan
suatu kasus khusus bagi masalah linear programming pada umumnya. Dalam dunia usaha
(bisnis) dan industri, manajemen sering menghadapi masalah-masalah yang berhubungan
dengan penugasan optimal dari bermacam-macam sumber yang produktif atau personalia
yang mempunyai tingkat efisiensi yang berbeda-beda untuk tugas-tugas yang berbeda-beda.
Metode Hungarian (Hungarian method) adalah salah satu dari beberapa teknik-teknik
pemecahan yang tersedia untuk masalah-masalah penugasan. Metode ini mula-mula
dikembangkan oleh seorang ahli matematika berkebangsaan Hungaria yang bernama D. Konig
dalam tanuh 1916
Untuk dapat menerapkan metode Hungarian, jumlah sumber-sumber yang ditugaskan
harus sama persis dengan jumlah tugas yang akan diselesaikan. Selain itu, setiap sumber harus
ditugaskan hanya untuk satu tugas. Jadi masalah penugasan akan mencakup sejumlah n
sumber yang mempunyai n tugas. Ada n! (n factorial) penugasan yang mungkin dalam satu
masalah karena perpasangan satu-satu. Masalah ini dapat dijelaskan dengan mudah oleh
bentuk matriks segi empat, di mana baris-barisnya menunjukkan sumber-sumber dan kolom-
kolomnya menunjukkan tugas-tugas.
Masalah penugasan dapat dinyatakan secara matematis dalam suatu bentuk linear
programming sebagai berikut :
Minimumkan (maksimumkan):
m n
Z= ∑ ∑
i =1 j =1
CijXij
Dengan batasan:
m n
∑i =1
Xij = ∑
j =1
Xij = 1
Dalam contoh total-opportunity-cost matrix pada Tabel 6.3, terdapat paling sedikit satu nilai
nol, dalam setiap baris dan setiap kolom.
Dalam Tabel 6.4 ada tiga baris yang meliputi seluruh nilai nol disbanding empat beris atau
kolom, sehingga langkah berikutnya diperlukan untuk merevisi matriks.
4. Untuk merevisi total-opportunity-cost matrix, pilih elemen terkecil yang belum terliput garis-
garis (yaitu opportunity-cost terendah, atau pada contoh di atas = 1) untuk mengurangi
seluruh elemen yang belum terliput. Kemudian tambahkan dengan jumlah yang sama
Pekerjaan
I II III IV
Karyawan
A 0 4 0 6
B 0 1 4 2
C 6 0 1 0
D 2 2 0 0
5. Dalam Tabel 6.5 dibutuhkan empat garis untuk meliputi seluruh nilai nol atau sama
dengan jumlah baris atau kolom, sehingga matriks penugasan optimal telah tercapai.
Karyawan B ditugaskan untuk pekerjaan I karena baris B hanya mempunyai satu nilai nol
pada kolom I. Kolom II berisi satu nol pada baris C, jadi karyawan C ditugaskan untuk
pekerjaan II. Kemudian karyawan A ditugaskan untuk pekerjaan III, karena pekerjaan I
telah ditugaskan karyawan B. Karyawan D ditugaskan untuk pekerjaan terakhir IV. Skedul
penugasan optimal dengan biaya minimum adalah sebagai berikut :
Skedul penugasan
A – III Rp 18,00
B–I 14,00
C – II 20,00
D – IV 10,00
Rp 68,00
Seperti sebelumnya, setiap baris akan berisi nilai nol. Langkah berikutnya dengan
meminimumkan opportunity-loss akan memaksimumkan kontribusi keuntungan total. Matriks
total-opportunity-loss yang ditunjukkan dalam Tabel 6.9 didapatkan melalui pengurangan seluruh
elemen dalam setiap kolom dengan elemen terkecil dari kolom tersebut.
Tabel 6.9. Matriks total-opportunity-loss
Pekerjaan
I II III IV V
Karyawan
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
Dalam Tabel 6.9 seluruh elemen bernilai nol dapat diliput hanya dengan empat garis.
Jadi, matriks harus dikurangi menurut langkah ke-4 seperti yang telah dijelaskan di muka. Matriks
baru ditunjukkan oleh Tabel 6.10, dimana penugasan optimal dapat ditentukan.
Tabel 6.10. Tabel oprimal
Pekerjaan
I II III IV V
Karyawan
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 2
Skedul penugasan optimal dan keuntungan total untuk dua alternative penyelesaian
adalah :
Skedul Skedul
Keuntungan Keuntungan
Penugasan I Penugasan 2
A – II Rp 12,00 A–V Rp 15,00
B–1 14,00 B – IV 15,00
C–V 12,00 C– 9,00
D – IV 16,00 D – II 15,00
E – III 14,00 E – III 14,00
Rp 68,00 Rp 68,00