Ada beberapa definisi mengenai Riset Operasi (RO). Dasar dari berbagai
macam definisi dilator belakangi bahwa ahli Riset Operasi dari berbagai
disiplin ilmu seperti teknik, bisnis, matematik, dll.
Pendalaman Matematis
Bagian terpenting Riset Operasi adalah bagian menerjemahkan
permasalahan sehari-hari kedalam model matematis. Faktor-faktor yang
mempengaruhi pemodelan harus disederhanakan dan apabila ada data yang
kurang, kekurangan tersebut dapat diasumsikan atau diisi dengan pendekatan yang
Rangkuman Riset 1
Operasi
bersifat rasional. Dalam Riset Operasi diperlukan dan memudahkan kita
mendapatkan hasil, kita dapat menggunakan komputer. Software yang dapat
digunakan antara lain : LINDO ( Linier Interactive And Discreate Optimizer ).
Tujuan ( Objektive )
Kendala ( Consttaint )
3. Mengukur Validitas
4. Implementasi Keputusan
METODE SIMPLEKS
Salah satu teknik penentuan solusi optimal yang digunakan dalam
pemrograman linier adalah metode simpleks. Penentuan solusi optimal
menggunakan metode simpleks didasarkan pada teknik eleminasi Gauss Jordan.
Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim satu per satu
dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan
simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i
hanya tergantung dari iterasi sebelumnya (i-1)
Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks,
diantaranya :
Contoh soal :
Selesaikan kasus berikut ini menggunakan metode simpleks :
Maksimum z = 8 x1 + 9 x2 + 4x3
Kendala :
x1 + x2 + 2x3 ≤ 2
2x1 + 3x2 + 4x3 ≤
3
7x1 + 6x2 + 2x3 ≤ 8
x1,x2,x3 ≥ 0
Penyelesaian :
Bentuk bakunya adalah :
Maksimum z = 8 x1 + 9 x2 + 4x3 + 0s1 + 0s2 + 0s3
atau z - 8 x1 - 9 x2 - 4x3 + 0s1 + 0s2 + 0s3 = 0
Kendala :
x1 + x2 + 2x3 + s1 = 2
2x1 + 3x2 + 4x3 + s2 =
3
7x1 + 6x2 + 2x3 + s3 = 8
x1,x2,x3 ,s1 , s2 , s3 ≥ 0
VB X1 X2 X3 S1 S2 S3 NK Rasio
Z -8 -9 -4 0 0 0 0
S1 1 1 2 1 0 0 2
S2 2 3 4 0 1 0 3
S3 7 6 2 0 0 1 8
Karena nilai negative terbesar ada pada kolom X 2, maka kolom X2 adalah
kolom pivot dan X2 adalah variabel masuk. Rasio pembagian nilai kanan dengan
kolom pivot terkecil adalah 1 bersesuaian dengan baris s2, maka baris s2 adalah
baris pivot dan s2 adalah varisbel keluar. Elemen pivot adalah 3.
X1 X2 X3 S1 S2 S3 NK Rasio
VB
Z S1 S2 -8 -9 -4 0 0 0 0
S3 1 1 2 1 0 0 2 2
2 3 4 0 1 0 3 1
7 6 2 0 0 1 8 8/6
Rangkuman Riset 5
Operasi
Iterasi 1
Nilai pertama yang kita miliki adalah nilai baris pivot baru (baris x2). Semua nilai
pada baris s2 pada tabel solusi awal dibagi dengan 3 (elemen pivot).
VB X1 X2 X3 S1 S2 S3 NK Rasio
Z
S1
x2 2/3 1 4/3 0 1/3 0 1
S3
Baris s1 :
1 1 2 1 0 0 2
1 (2/3 1 4/3 0 1/3 0 1)-
1/3 0 2/3 1 -1/3 0 1
Baris s3 :
7 6 2 0 0 1 8
6 ( 2/3 1 4/3 0 1/3 0 1 )-
3 0 -6 0 -2 1 2
Contoh soal :
Persamaan matematis suatu program linier adalah sebagai berikut :
Minimasi : Z = 6X1 + 7,5X2
Dengan pembatas :
7X1 + 3X2 ≥ 210
6X1 + 12X2 ≥ 180
4X2 ≥ 120
X1, X2 ≥ 0
Rangkuman Riset 7
Operasi
Carilah harga X1 dan X2 ?
Jawab :
Pada kasus ini kita akan menggunakan metode simplex M (BIG – M), hal ini
dikarenakan pada kasus ini pertidk samaan pembatasnya menggunakan ≥
(lebih dari sama dengan).
Persamaan Tujuan : Z - 6x1 - 7,5X2 - 0S1 - 0S2 - 0S3 = 0 Baris
0 Persamaan Kendala : 7x1 + 3x2 - S1 +A1 = 210 Baris 1
6x1 + 12x2 - S2 +A2 = 180 Baris 2
4x2 - S3 + A3 = 120 Baris 3
Bagi kendala pertidaksamaan jenis ≤, maka variabel slack ditambahkan
untuk menghabiskan sumber daya yang digunakan dalam kendala. Cara ini
tidak dapat diterapkan pada kendala pertidaksamaan jenis ≥ dan kendala
persamaan (=) persamaan diatas diperoleh karena tanda ≥ harus
mengurangi variable surplus.
Untuk mengarahkan artifisial variabel menjadi nol, suatu biaya yang
besar ditempatkan pada A1, A2, dan A3 sehingga fungsi tujuannya menjadi :
Z = 6x1 + 7,5X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3
Table simplex awal dibentuk dengan A1, A2, dan A3 sebagai variable
Basis X1 X2 S1 S2 S3 A1 A2 A3 NK RASIO
Z 13M-6 19M-7,5 -M -M -M 0 0 0 510M
A1 7 3 -1 0 0 1 0 0 210 210 : 3 = 70
A2 6 12 0 -1 0 0 1 0 180 180 : 12 = 15
A3 0 4 0 0 -1 0 0 1 120 120 : 4 = 30
Dari table diatas kita ketahui bahwa semua BFS belum optimal. Hal ini
dikarenakan seluruh NBV masih mempunyai koefisien yang berharga
positif. Oleh karena itu Untuk x2 terpilih sebagai entry variable karena x2
memiliki nilai koefisien positif yang paling besar, dan A3 menjadi Leaving
Variable.
Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling
kecil.
Basis X1 X2 S1 S2 S3 A1 A2 A3 NK RASIO
7 225M
Z -13/2M-6 0 0 /12 - 15/24 -M 0 1
/24 - M 0 – *
112,5 165 : 5,5 =
A1 11
/2 0 0 ¼
0 1 -1/4 0 165 30
1 -1
A3 -2 0 0 /3 -1 0 /3 1 60 *
Rangkuman Riset 9
Operasi
X2 ½ 1 0 /
-1 12
METODE GRAFIK
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).
Contoh :
Rangkuman Riset 10
Operasi
meja
Rangkuman Riset 11
Operasi
dan kursi adalah 240 jam per minggu sedang jumlah jam kerja untuk pengecatan
adalah 100 jam per minggu. Berapa jumlah meja dan kursi yang sebaiknya
diproduksi agar keuntungan perusahaan maksimum?
Mengingat produk yang akan dihasilkan adalah meja dan kursi, maka
dalam rangka memaksimumkan profit, perusahaan harus memutuskan berapa
jumlah meja dan kursi yang sebaiknya diproduksi. Dengan demikian dalam kasus
ini, yang merupakan variabel keputusan adalah meja (X1) dan kursi (X2).
1. Fungsi Tujuan
2. Fungsi Kendala
2 X1 + X2 ≤ 100
X1 , X2 ≥ 0 (kendala n on-negatif)
Untuk menggambarkan fungsi linear, maka cari titik potong garis tersebut
dengan kedua sumbu. Suatu garis akan memotong salah satu sumbu apabila nilai
variabel yang lain sama dengan nol. Dengan demikian kendala pertama akan
memotong X1, pada saat X2 = 0, demikian juga kendala ini akan memotong X2,
pada saat X1 = 0.
Kendala I :
4 X1 + 3 X2 = 240
memotong sumbu X1 pada saat X2 = 0
4 X1 + 0 = 240
X1 = 240 / 4
X1 = 60.
memotong sumbu X2 pada saat X1 =
0 0 + 3 X2 = 240
X2 = 240/3
X2 = 80
Kendala I memotong sumbu X1 pada titik (60, 0) dan memotong sumbu X2
pada titik (0, 80).
Kendala II :
2 X1 + 1 X2 = 100
memotong sumbu X1 pada saat X2 =
0 2 X1 + 0 = 100
X1 = 100/2
X1 = 50
memotong sumbu X2 pada saat X1 =0
0 + X2 = 100
X2 = 100
Kendala I memotong sumbu X1 pada titik (50, 0) dan memotong sumbu X2
pada titik (0, 100).
Titik potong kedua kendala bisa dicari dengan cara substitusi atau
eliminasi 2 X1 + 1 X2 = 100 -> X2 = 100 - 2 X1
4 X1 + 3 X2 = 240 X2 = 100 - 2 X1
4 X1 + 3 (100 - 2 X1) = 240 X2 = 100 - 2 * 30
4 X1 + 300 - 6 X1 = 240 X2 = 100 - 60
- 2 X1 = 240 - 300 X2 = 40
- 2 X1 = - 60
X1 = -60/-2 = 30.
Sehingga kedua kendala akan saling berpotongan pada titik (30, 40).
Tanda ≤ pada kedua kendala ditunjukkan pada area sebelah kiri dari garis
kendala. Feasible region (area layak) meliputi daerah sebelah kiri dari titik A (0;
80), B (30; 40), dan C (60; 0).
Untuk menentukan solusi yang optimal, ada dua cara yang bisa digunakan
yaitu
11. dengan menggunakan garis profit (iso profit line)
22. dengan titik sudut (corner point)
Penyelesaian dengan menggunakan garis profit adalah penyelesaian
dengan menggambarkan fungsi tujuan. Kemudian fungsi tujuan tersebut
digeser ke kanan sampai menyinggung titik terjauh dari dari titik nol, tetapi masih
berada
pada area layak (feasible region). Untuk menggambarkan garis profit, kita
mengganti nilai Z dengan sembarang nilai yang mudah dibagi oleh koefisien
pada fungsi profit. Pada kasus ini angka yang mudah dibagi angka 7 (koefisien
X1) dan 5 (koefisien X2) adalah 35. Sehingga fungsi tujuan menjadi 35 = 7 X1 +
5 X2. Garis ini akan memotong sumbu X1 pada titik (5, 0) dan memotong sumbu
X2
pada titik (0, 7).
Iso profit line menyinggung titik B yang merupakan titik terjauh dari
titik nol. Titik B ini merupakan titik optimal. Untuk mengetahui berapa nilai X1
dan X2, serta nilai Z pada titik B tersebut, kita mencari titik potong antara
kendala I dan kendala II (karena titik B merupakan perpotongan antara kendala I
dan kendala II). Dengan menggunakan eliminiasi atau subustitusi diperoleh nilai
X1 = 30, X2 = 40. dan Z = 410. Dari hasil perhitungan tersebut maka dapat
disimpulkan
bahwa keputusan perusahaan yang akan memberikan profit maksimal adalah
memproduksi X1 sebanyak 30 unit, X2 sebanyak 40 unit dan perusahaan akan
memperoleh profit sebesar 410.
Penyelesaian dengan menggunakan titik sudut (corner point) artinya kita
harus mencari nilai tertinggi dari titik-titik yang berada pada area layak
(feasible region). Dari peraga 1, dapat dilihat bahwa ada 4 titik yang membatasi
area layak, yaitu titik 0 (0, 0), A (0, 80), B (30, 40), dan C (50, 0).
Keuntungan pada titik O (0, 0) adalah (7 x 0) + (5 x 0) = 0.
Keuntungan pada titik A (0; 80) adalah (7 x 0) + (5 x 80) = 400.
Keuntungan pada titik B (30; 40) adalah (7 x 30) + (5 x 40) = 410.
Keuntungan pada titik C (50; 0) adalah (7 x 50) + (5 x 0) = 350.
Karena keuntungan tertinggi jatuh pada titik B, maka sebaiknya
perusahaan memproduksi meja sebanyak 30 unit dan kursi sebanyak 40 unit, dan
perusahaan memperoleh keuntungan optimal sebesar 410.
LINEAR PROGRAMMING
SEJARAH
Linear Programming pertama kali dicetuskan oleh seorang ahli
matematika asal Rusia bernama L.V. Kantorivich dalam bukunya yang berjudul
”MATHEMATICAL METHODS IN THE ORGANIZATION AND
PLANNING
OF PRODUCTION”. Dengan buku ini, ia telah merumuskan pertama kalinya
persoalan “Linear Programming”. Namun, cara-cara pemecahan persoalan in di
Rusia tidak berkembang dengan baik dan ternyata para ahli di negara Barat dan
AS yang menggunakan cara ini dimanfaatkan dengan baik.
Pada tahun 1947, seorang ahli matematika dari AS yang bernama George
B. Dantzig menemukan suatu cara untuk memecahkan persoalan-persoalan linear
programming. Cara pemecahan ini dinamakan ” Simplex Method”, yang
diuraikan dalam bukunya ”LINEAR PROGRAMMING AND EXTENTION”.
Contoh soal
Ibu Angel membuat dua macam jenis, kue nastar dan putrie salju. Bahan baku
gula dan tepung untuk memproduksi 3 ons kue nastar diperlukan 2 bagian gula
dan 4 bagian tepung, kemudian untuk memproduksi 3 ons kue putrie salju
diperlukan satu bagian gula dan 3 bagian tepung, untuk gula tersedia tersedia 250
dan tepung 200. 1 ons kue nastar dihargai Rp.10.000,00 dan putrie salju
Rp.15.000,00?
Jawab:
Pada kasus ini saya akan menggunakan metode linier Programing, hal ini
dikarenakan pada kasus ini pertidaksamaan pembatasnya menggunakan ≤
(kurang dari sama dengan).
Bagi kendala pertidaksamaan jenis ≤, maka variabel slack ditambahkan
untuk menghabiskan sumber daya yang digunakan dalam kendala.
1. X1 = X2 = 0 2. X 1 = X3 = 0
X3 = 250, X4 = 200 X2= 250
Z1=10000(0)+15000(0)+250(0)+200(0)= 2x2 + X4= 200, 2(250) + X4
0 = 200
500 + X4 = 200
X4 = -300
Z2 ≠ (tidak dihitung)
3. X1 = X4 = 0 4. X2 = X3 = 0
2X2 = 200, X2= 100 2X1 = 250, X1 = 125
X2 + X3= 250, 200 + X3= 250 4X1 + X4 = 200
X3= 50 4(125) + X4 = 200
Z3=10000(0) + 15000(100) + 0(50) + 500 + X4 = 200
0(0) X4= -300
=1.500.000 Z4 ≠ (tidak dihitung)
5. X2 = X4 = 0 6. X3 = X4 = 0
4X1= 200 2X1 + X2= 250,
X1= 50 X 1= ½ (250-X2 + 2X2=
2X1 + X3= 250 200
2(50) + X3= 250 125-1/2X2 + 2X2= 200
X3= 150 125 + 3/2X2= 200
Z5= 10000(50) + 15000(0) + 0(150) + 3/2X2= 200 - 125
0(0) 3/2X2= 125
=100000 X2= 125 . 2/3
= 83 1/3
X1= ½ (250=83 1/3)
= ½ (166 2/3)
= 83 1/3
KESIMPULAN:
Jadi diantara pemecahan fisibel ada satu nilai Z yang terbesar aitu Z6= 1.500.000
dengan kesimpulan:
X1= 83 1/3 , produk A diproduksi 83 1/3 unit.
X2= 83 1/3 , produk B diproduksi 83 1/3 unit.
Contoh Soal:
Perusahaan industri PT MULIA menghasilkan dua jenis produk yaitu
P1 dan P2 masing-masing memerlukan dua macam bahan baku, A dan
B. Harga jual tiap satuan P1 sebesar Rp 150,- dan P2 sebesar Rp 100,-.
Bahan baku A yang tersedia sebanyak 600 satuan dan B 1.000 satuan.
Satu satuan P1memerlukan satu satuan A dan dua satuan B, sedangkan
satuan P2 memerlukan satu satuan A dan satu satuan B.
Jenis Produksi
Produksi Bahan Yang
Bahan Tersedia
P1 P2
Rangkuman Riset 20
Operasi
A 1 1 600
B 2 1 1000
Rangkuman Riset 21
Operasi
1000 satuan, maha (X1 + X2) dan (2x2 + x2) masing-masing tidak mungkin
melebihi 600 dan 1000 satuan. Pernyataan tersebut dapat ditulis dengan bentuk :
Rangkuman Riset 22
Operasi
(X1 + X2 ) ≤ 600 dan (2x2 + x2) ≤ 1000
Atau
X1 + X2 - ≤600
2x2 + x2 - ≤ 1000
Kalau semua keterangan ini dikumpulkan, maka akan sampai kepada satu
bentuk model matematika yang menggambarkan masalah produksi yang sedang
dihadapi PT MULIA, yaitu :
F = 150 x1 + 100
x2 G = X 1 + X 2 -
600
H = 2x2 + x2 – 1000
Tujuan dari model ini adalah menentukan jumlah produksi P1 (=X1) dan
jumlah produksi P2 (=X2) sehingga hasil jumlah penjualan F = 150 x1 + 100 x2
maksimal sesuai dengan keterbatasan yang ada.
Contoh Soal :
Suatu perusahaan mempunyai 3 buah pabrik di W,H dan P. Perusahaan
mengalami masalah alokasi hasil produksinyake gudang-gudang penjualan di
A,B dan C. Kapasitas pabrik , kebutuhan gudang dan biaya pengangkutan
dari tiap
pabrik kegudang adalah sebagai berikut :
W 90 ton
H 60 ton
P 50 ton
A 50 ton
B 110 ton
C 50 ton
Jumlah 40 ton
Pabrik H 15 20 10
Pabrik P 25 10 9
20 5 8
Pabrik X11 X12 X13
W 90
15 20 10
Pabrik X21 X22 X23
P 60
25 10 19
Pabrik
X3 X32 X33 50
1
H
Kebutuhan
Gudang
50 110 40 200
Prosedur Alokasi
Setelah data tersusun dalam tabel maka langkah selanjutnya adalah
mengalokasikan produk dari pabrik-pabrik ke gudang-gudang. Pedoman yang
digunakan adalah pedoman sudut barat laut, Mulai dari sudut kiri atas dari table :
Alokasi tahap pertama dengan pedoman sudut barat laut.
20 5 8
Pabrik 50 40 90
W
15 20 10
Pabrik 60
P 60
25 10 19
Pabrik
10 40 50
H
Kebutuhan
50 110 40 200
Gudang
20 5 8
Pabrik 50 (-) 40(+) 90
W
15 20 10
Pabrik (+) 60 (-)
P 60
25 10 19
Pabrik 10 40 50
H
Kebutuhan
Gudang 50 110 40 200
Rangkuman Riset 27
Operasi
Perbaikan kedua dengan trial dan error
20 5 8
Pabrik 90 90
W
15 20 10
Pabrik 50 10
P 60
25 10 19
Pabrik 10 40 50
H
Kebutuhan
Gudang 50 110 40 200
Perubahan alokasi ini dapat juga dilaakukan dengan mengubah alokasi
pada sel yang tidak berdekatan. Misalnya alan diisi sel WC maka sel yang lain
yang ikut berubah dapat berupa sel WB, PB dan PC. Seperti pada table transport =
50 (5) + 40 (8) + 50 (15) + 10 (20) + 50 (10) = 2020.
Demikian seterusnya diadakan perubahan , bila dengan peruhaban itu
dapat mengurangi biaya. Sampai akhirnya diperoleh biaya transport yang
terendah (optimal).
20 5 8
Pabrik 50 40 90
W
15 20 10
Pabrik 50 10
P 60
25 10 19
Pabrik 50 50
H
Kebutuhan
Gudang 50 110 40 200
PENUTUP
Kesimpulan
Riset operasi adalah metode untuk memformulasikan dan merumuskan
permasalahan sehari-hari mengenai bisnis,ekonomi,sosial maupun bidang lainya
dalam pemodelan matematis untuk mendapatkan solusi yang optimal.
Demikian kilasan tentang Riset operasi , kami sadar bahwa perjuangan
kami masih panjang dan masih banyak hal yang perlu diperjuangkan terus
agar generasibangsa Indonesia menjadi generasi yang unggul.
Rangkuman Riset 30
Operasi
Daftar Pustaka