1 Handout Riset Operasi Noor Saif

Handout Riset Operasi Prodi Matematika
UIN Sunan Kalijaga Yogyakarta
BAB 1. MASALAH TRANSPORTASI
A. Pengantar
Dalam program linier ada sejumlah persoalan program linier yang dapat
dipecahkan dengan perhitungan lain yang lebih efisien dibandingkan
dengan metode simplek yaitu salah satunya dengan metode transportasi.
B. Pokok bahasan
1. Masalah transportasi
2. Masalah transshipment
3. Masalah assignment(penugasan)
• Masalah transportasi
Masalah transportasi dasar pertama kali dipelopori oleh F.L Hitchock
pada tahun 1941. Ketika itu mengetengahkan sebuah studi yang
berjudul “The Distribution of a Product from Several Sources to
Numerous Localities”. Selanjutnya pada tahun 1947 dikembangkan
oleh T.C Koopmans. Sedangkan formulasi program llinier pertama kali
diperkenalkan oleh G.B Dantzig. Pada tahun 1953 W.W Cooper dan
A. Charnes mengembangkan metode Stepping Stone.
a. Problem
Dalam hal ini membicarakan pendistribusian suatu komoditi dari
sejumlah sumber(origin) ke sejumlah tujuan(destination).
b. Tujuan
Mencari jumlah pendistribusian dan banyaknya komoditi yang
diangkut ke masing-masing tujuan dalam rangka meminimumkan
daya angkut secara keseluruhan dengan memperhitungkan
kendala-kendala yang ada.
c. Model transportasi
a1 b1
a2 Distribusi b2
…… Cij , Xij ……
am bm
i j
1|Halaman
Diskripsi umum masalah transportasi dapat dinyatakan sebagai

berikut :
1. Himpunan “m” penawaran/sumber yang terdiri dari produk yang
dikirim. Titik penawaran ”i” dapat mensuplai sebanyak-
banyaknya “Si” unit ( “≤”).
2. Himpunan “n” permintaan/tujuan yang terdiri dari produk yang
dikirim. Titik permintaan “j” harus menerima paling sedikit “Dj”
unit ( “≥”).
3. Setiap unit yang diproduksi pada titik penawaran”‘i” dan dikirim
ke titik permintaan “j” akan menimbulkan biaya variabel “Cij”.
Asumsi :
Xij : unit yang dikirim dari titik penawaran “i” ke titik permintaan “j”.
Cij : biaya per unit dari pengiriman titik penawaran “i” ke titk
permintaan “j”.
ai : kapasitas penawaran (supply) dari sumber “i” (i = 1,2,.......,m).
bj : kapasitas permintaan (demand) dari tujuan j(j = 1,2,......,n).
Permasalahan umum transportasi dinyatakan sebagai berikut :

1. Fungsi tujuan minimum :
2. Fungsi kendala
• Kendala permintaan :
• Kendala penawaran :
Optimasi →meminimumkan atau memaksimumkan tujuan

terhadap fungsi kendala.
Masalah transportasi seimbang
Artinya jumlah penawaran sama dengan jumlah permintaan, sehingga

model transportasinya berubah menjadi :
2|Halaman
Fungsi tujuan :
Fungsi kendala :
Xij ≥ 0
Penyajian data
a. Tabel penawaran
sumber Kapasitas
a1 c1
a2 c2
... ...
am cm
b. Tabel permintaan
Tujuan Kapasitas
b1 c1
b2 c2
... ...
bn cn
c. Tabel biaya per unit

b1 b2 ... bn
a1 c11 c12 ... c1n
a2 ... ... ... ...
am am1 am2 ... cmn
d. Tabel kompilasi
Tujuan / D1 D2 ... Dn Si
sumber
S1 c11 c12 ... cn1 a1
... c21 c22 ... cn2 a2
... ... ... ... ... ...
Sm cm1 cm2 ... cmn amn
bj b1 b2 ... bn Total
3|Halaman
Penyelesaian masalah transportasi

Ada beberapa hal yang perlu diperhatikan (dilakukan) dalam
menyelesaikan masalah transportasi :
a. Mencari solusi penduga.
b. Menguji optimasi.
c. Jika uji optimasi menunjukan bahwa solusi penduga bukan
merupakan solusi optkah selanjutnya adalah memperbaikii tabel,
lalu lakukan langkah seperti pada langkah a dan b. Jika uji optimasi
menunjukan bahwa solusi penduga merupakan solusi optimal maka
langkahnya selesai.
Algoritma yang digunakan untuk menyelesaikan masalah transportasi

adalah sebagai berikut:
a. Mencari solusi awal (tabel awal)
Beberapa metode yang digunakan dalam menentukan solusi awal :
1. North West Corner (NWC)
2. Least Cost Method (LCM)
3. Vogel Approximation Method (VAM)
4. Row Minimum (RM)
5. Modified Row Minimum (MRM)
6. Column Minimum (CM)
7. Modified Column Minimum (MCM)
8. Matrix Minimum (MM)
9. Russels Appriximation Method (RAM)
b. Uji optimasi
Metode yag digunakan dalam uji optimasi :
1. Stepping Stone (batu loncatan)
2. Modified Distribution (MODI)
c. Perbaikan tabel
North West Corner

A. Tujuan : mencari solusi layak basis ( SLB = m+n-1)
B. Langkah-langkah
1. Set X11 = basis 1, kolom 1
2. Jika X11 = S1 , basis 1 dicoret → syarat : S1 ≤ D1
Jika X11 = D1 , kolom 1 dicoret → syarat : D1 ≤ S1
Jika X11 = S1 = D1 , pilih salah satu baris 1 atau kolom 1, maka
salah satu bernnilai nol. Contoh jika kita pilih S1 maka D1 = 0
3. Lanjutkan langkah tersebut dengan prinsip barat laut sampai
diperoleh solusi layak baris sejumlah m+n-1
4|Halaman
Contoh 1 :
Perusahaan AMD menerima kontrak untuk memasok kerikil untuk 3
proyek jalan baru yang terletak di kota greenville, Fountain dan
Ayden. Ahli kkontruksi telah memprediksi jumlah kerikil yang
dibutuhkan ketiga proyek tersebut. Greenvile membutuhkan 72 truk
kerikil, Fountain 102 truk kerikil dan Ayden 41 truk kerilkil. AMD
memiliki 3 tambang batu kerikil yang terletak di kota Kristo , Wilson
dan Bathel dengan kemampuan memasok : untuk Kriston 56 truk,
Wilson 82 truk dan Bathei 77 truk. Adapun biaya pengangkutan
tambang dari tambang menuju proyek tertentu disajikan pada tabel
berikut :
Dari/ke Proyek A Proyek B Proyek C
Tambang K 8 4 7
Tambang W 24 15 16
Tambang B 16 9 24
Biaya permuatan truk dalam $

Tujuan : meminimkan biaya proyek
Jawab :
Fungsi tujuan
Min 8x11 + 4x12 + 7x13 + 24x14 + 15x22 + 16x23 + 16x31 +
9x32 + 24x33
Fungsi Kendala
Penawaran x11 + x12 + x13 ≤ 56
x21 + x22 + x23 ≤ 82
x31 + x32 + x33 ≤ 77
Permintaan x11 + x12 + x13 ≥ 102
x21 + x22 + x23 ≥ 77
x31 + x32 + x33 ≥ 41
Tabel awal
Sumber/Tujuan F G A Si
K 8 4 7 56
W 24 15 16 82
B 16 9 24 77
Dj 102 72 41 215
5|Halaman
Keterangan :
K : Kripton F : Fountain
W : Wilson G : Greenvile
B : Bathei A : Ayden
Solusi awal dengan metode NWC
Sumber/ F G A Si
Tujuan
K 8 4 7 56
56 /// /// ///
W 24 15 16 82
46 36 /// 36
///
B 16 9 24 77
/// 36 41 41
///
Dj 102 72 41 215
46 36 ///
/// ///
Sehingga diperoleh solusi awalnya

Z = 8x11 + 4x12 + 7x13 + 24x14 + 15x22 + 16x23 + 16x31 + 9x32 + 24x33
= 8.56 + 4.0 + 7.0 + 24.46 + 15.36 + 16.0 + 16.0 + 9.36 + 24.41
= $3400
Least Cost Method (LCM)

Pada metode NWC, nilai Cij tidak diperhitungkan hanya terfokus pada
posisi northwest, tapi pada LCM justru akan diperhitungkan nilia pada
setiap Cij.
Algoritma LCM:
1. Pilih Xij dengan Cij terkecil.
2. Beberapa Cij yang nilainya sama, pilih sembarang silang baris atau
kolom yang sudah jenuh, kurangkan nilai pada baris atau kolom yang
tidak dicoret.
3. Ulangi langkah yang sama, sehingga diperolah Cij yang akan jenuh
bersamaan.
6|Halaman
Dengan mengacu pada contoh 1, akan diselesaikan dengan metode LCM
K 8 4 7 56
/// 56 /// ///
W 24 15 16 82
41 /// 41 41
///
B 16 9 24 77
61 16 /// 61
///
Dj 102 72 41 215
41 16 ///
/// ///
Diperoleh Z= 4.56 + 24.41 + 16.41 + 16.61 + 9.61 = $2984
Metode Vogel
Kata kunci dari metode ini adalah “Penalty” (selisih antara 2 biaya
terkecil pada baris atau kolom)
Algoritma Vogel:
1. Hitung selisih nilai Cij terkecil pada kolom atau baris.
2. Identifikasi dan pilih baris atau kolom dengan pinalti terbesar.
3. Untuk baris atau kolom yang terpilih pinaltynya tentukan Cij terkecil
untuk diisi kapasitas maksimum.
4. Ulangi langkah di atas sedemikian hingga diperoleh Xij yang jenuh
bersamaan.
Stepping Stone
Langkah-langkah :
1. Pilih daftar kotak kosong yang akan diperbaiki
2. Cari jalur terdekat (segi empat petunjuk) untuk dilewati kotak
kosong itu hingga kembali ke kotak kosong itu lagi
3. Tanda (+) dan (-) muncul bergantian pada jalur terdekat dimulai
tanda (+) pada kotak kosong
4. Jumlahkan Cij dalam segi empat dengan tanda (+) sebagai tanda
penambahan biaya, dan penurunan biaya diperoleh dari
pengurangan Cij dalam tiap kotak kosong yang (-)
5. Ulangi langkah 1-4 pada kotak kosong yang lainnya. Jika diantara
nilai Cij masih ada nilai yang negatif maka tabel belum optimal,
sehingga perlu perbaikan tabel. Nilai Cij yang negatif terbesar
menjadi calon untuk diisi, berarti Xij yang sesuai akan menjadi basis
7|Halaman
perbaikan tabel terus menerus sampai semua nilai Cij positif (Cij ≥
0). Pilih Xij terkecil sebagai pengurang atau penambahnya.
Dengan contoh 1 kita akan selesaikan dengan VAM
Sumber/Tujuan F G A Si P1 P2 P3
K 8 4 7 56 P4 P5
15 41 /// 15 ///
W 24 15 16 82 3 4 8
10 72 /// 10 /// 8 8
B 16 9 24 77
77 /// /// /// 1 9
Dj 102 72 41 215 24 X X
41 15 16 /// ///
/// 7 7 6
16 X
P1 8 5 9
P2 8 5 X
P3 8 X X
P4 8 X X
P5 8 X X
Diperoleh nilai Z = 15.8 + 4.41 + 24.10 + 15.72 + 16.77 = $2959
Dengan contoh 1 kita akan coba selesaikan dengan metode Stepping

Stone dengan solusi awal VAM
Iterasi 1
Sumber/ F G A Si
Tujuan
K + 8 4 - 7 56
15 /// 41
W - 24 15 + 16 82
10 72 ///
B 16 9 24 77
77 /// ///
Dj 102 72 41 215
Daftar kotak kosong :

X12 = 4-8+24-15=5 X33 = 9-15+24-16=2
X23 = 16-7+8-24=-7 X33 = 24-16+8-7=9
8|Halaman
Karena X23 nilai negatifnya yang paling besar sehingga dipilh

X23 untuk perbaikan tabel dengan lintasan tertutup
X23→X21→X11→X13→X23 seperti pada tabel di bawah ini:
Sumber/ F G A Si
Tujuan
K 8 4 7 56
25 /// 31
W 24 15 16 82
/// 72 10
B 16 9 24 77
77 /// ///
Dj 102 72 41 215
Iterasi 2
Sumber/ F G A Si
Tujuan
K + 8 4 - 7 56
25 /// 31
W 24 - 15 + 16 82
/// 72 10
B - 16 + 9 24 77
77 /// ///
Dj 102 72 41 215

X12 = 4-7+16-15=-2 X32 = 9-16+8-7+16-15=-5
X21 = 24-8+7-16=7 X33 = 24-7+8-16=9
Karna X32 nilai negatifnya yang paling besar sehingga dipilh
X32 untuk perbaikan tabel dengan lintasan tertutup
X32→X31→X11→X13→X23→X22→X32 seperti tabel di bawah :
K 8 4 7 56
56 /// ///
W 24 15 16 82
/// 41 41
B 16 9 24 77
46 31 ///
Dj 102 72 41 215
9|Halaman
Iterasi 3
K 8 4 7 56
56 /// ///
W 24 15 16 82
/// 41 41
B 16 9 24 77
46 31 ///
Dj 102 72 41 215

X12 = 4-9+16-8=3 X21 = 24-15+9-16=2
X13 = 7-8+16-9+15-16=5 X33 = 24-16+15-9=14
Karena semua nilai Xij positif maka tabel sudah optif maka
tabel sudah optimal jadi nilai Z = 8.56 + 15.41 + 16.41 +
16.46 + 9.31 = $2734
Modified Distribution (MODI)

Untuk uji optimasi dengan MODI kita berlandaskan pada stepping
stone.
Langkah-langkah :
1. Hitung semua nilai Cij dengan memisalkan :
Ui = bilangan baris Vj = bilangan kolom
Jika PLB tidak merosot dan sudah diketahui, maka nilai Ui dan Vj
ditentukan dengan rumus :
a. Untuk setiap Xij baris (kotak isi) : Ui + Vj = Cij
b. Untuk setiap Xij nonbasis (kotak kosong) : C’ij – Ui – Vj jika
diantara nilai C’ij masih ada yang negatif berarti tabel belum
optimal, sehingga kotak dengan C’ij terbesar menjadi calon
untuk diisi, berarti Xij yang sesuai akan menjadi basis
perbaikan tabel terus-menerus hingga C’ij tidak ada yang
nerniali negatif (C’ij ≥0)
Dengan contoh 1, akan diselesaikan dengan MODI mengacu

solusi awal NWC
10 | H a l a m a n
Iterasi 1 V1 = 8 V2 = -1 V3 = 14
K 8 4 7 56
U1 = 0 56 /// ///
W 24 - 15 + 16 82
U2 = 16 46 36 ///
B 16 + 9 - 24 77
U3 = 10 /// 36 41
Dj 102 72 41 215

C’12 = 4-0-(-1)=5 C’23 = 16-16-14=-14
C’13 = 7-0-14=-7 C’31 = 16-10-8=-2
Karna C’23 nilai negatifnya yang paling besar sehingga dipilh
C’23 untuk perbaikan tabel dengan lintasan tertutup
C23→C22→C32→C33→C23 seperti pada tabel di bawah :
K 8 4 7 56
56 /// ///
W 24 15 16 82
46 /// 36
B 16 9 24 77
/// 72 5
Dj 102 72 41 215
Iterasi 2 V1 = 8 V2 = -15 V3 = 0
U1 = 0 K 8 4 7 56
56 /// ///
U2 = 16 W - 24 15 + 16 82
46 36 ///
U3 = 24 B + 16 9 - 24 77
/// 36 41
Dj 102 72 41 215

C’12 = 4-0-(-15)=19 C’22 = 15-16-(-15)=14
C’13 = 7-0-0=7 C’31 = 16-24-8=-16
11 | H a l a m a n
Karena C’31 nilai negatifnya yang paling besar sehingga dipilh

K 8 4 7 56
56 /// ///
W 24 15 16 82
41 /// 41
B 16 9 24 77
5 72 ///
Dj 102 72 41 215
Iterasi 3 V1 = 8 V2 = 1 V3 = 0
K 8 4 7 56
U1 = 0 56 /// ///
W - 24 + 15 16 82
U2 = 16 41 /// 41
B - 16 + 9 24 77
U3 = 8 5 72 ///
Dj 102 72 41 215

C’12 = 4-0-1=3 C’22 = 15-16-1=-2
C’13 = 7-0-0=7 C’33 = 24-8-0=16
Karna C’22 nilai negatifnya yang paling besar sehingga dipilh
K 8 4 7 56
56 /// ///
W 24 15 16 82
/// 41 41
B 16 9 24 77
46 31 ///
Dj 102 72 41 215
12 | H a l a m a n
Iterasi 4 V1 = 8 V2 = 1 V3 = 2
Sumber/ F G A Si
Tujuan
K 8 4 7 56 U1 = 0
56 /// ///
W 24 15 16 82 U2 = 14
/// 41 41
B 16 9 24 77 U3 = 8
46 31 ///
Dj 102 72 41 215

C’12 = 4-0-1=3 C’21 = 24-14-8=2
C’13 = 7-0-2=5 C’33 = 24-8-2= 14
Karena semua C’ij sudah bernilai positif maka tabel sudah
optimum. Jadi nilai Z = 8.56 + 15.41 + 16.41 + 16.46 + 9.31
= $2734
13 | H a l a m a n
BAB 1.1. MODEL TRANSPORTASI POLA MAKSIMUM
Pada software QSB+, dengan mudah dapat menyelesaikan masalah

transportasi pada pola maksimum, namun pada software TORA menu untuk
memaksimalkan suatu permasalahan transportasi tidak tersedia, sehingga
diperlukan suatu trik tertentu untuk mengubah pola maksimum menjadi pola
minimum. Cara merubahnya adalah sebagai berikut ;
1. Tentukan P = maksimal Cij ; i = 1, 2,..., m; j = 1, 2,..., n , P ≥ Cij
2. Bentuk masalah transportasi yang baru dengan pola minimum dan
unit cost baru yaitu Cˆ ij = P − Cij
3. Tentukan fungsi sasaran yang baru yaitu;

n m
fˆ = ∑∑ Cˆ ij X ij
j =1 i =1
n m
4. Tentukan f max = ( P.∑∑ X ij ) − fˆ

j =1 i =1
Untuk lebih jelasnya, berikut ini contoh permasalahan transportasi pola

maksimum.
Contoh Soal :
Berikut tabel permasalahan transportasi pola maksimum.
D
D1 D2 D3 D4 Si
O
9 7 3 9
O1 40
4 4 8 8
O2 40
6 5 2 2
O3 40
3 2 1 5
O4 40
Dj 75 25 35 30 160
Penyelesaian:
14 | H a l a m a n
Dari tabel masalah transportasi pada contoh di atas, nilai Cij terbesarnya adalah
9. Selanjutnya, untuk menyeselesaikan masalah tersebut dengan pola

maksimum, maka akan dibuat tabel baru, yakni dengan memilih P ≥ Cij max ,
misalkan kita pilih P = 10 , dan diperoleh tabel baru sebagai berikut:
D
D1 D2 D3 D4 Si
O
1 3 7 1
O1 40
6 6 2 2
O2 40
4 5 8 8
O3 40
7 8 9 5
O4 40
Dj 75 25 35 30 160
Langkah selanjutnya mencari solusi awal dari tabel masalah transportasi

tersebut, dapat menggunakan metode NWC, Least Cost, Vogel Approximation.
Kemudian lakukan uji optimum dengan metode Stepping Stone atau MODI.
Berikut ini adalah hasil dari penyelesaian menggunakan solusi awal metode Vogel
Approximation dan uji optimum dengan MODI.
15 | H a l a m a n
• Solusi awal dengan VAM

D
D1 D2 D3 D4 Si P1 P2 P3 P4 P5 P6 P7
O
1 3 7 1
O1 40 0 0 0 2 X X X
15 25
6 6 2 2
O2 40 0 0 4 X X X X
35 5
4 5 8 8
O3 40 1 1 1 1 1 4 4
15 25
7 8 9 5
O4 40 2 2 2 1 1 7 X
40
Dj 75 25 35 30 160
P1 3 2 5 1
P2 3 2 X 1
P3 3 2 X 4
P4 3 2 X X
P5 3 3 X X
P6 3 X X X
P7 4 X X X
f = (1× 15) + (1× 25) + (2 × 35) + (2 × 5) + (4 × 15) + (5 × 25) + (7 × 40) = 585
Dari metode Vogel Approximation diperoleh nilai f nya 585.
16 | H a l a m a n
• Uji optimum dengan MODI

Tabel akhir / tabel hasil uji optimum dengan MODI
D
D1 D2 D3 D4 Si
O
1 3 7 1
O1 40
40
6 6 2 2
O2 40
35
4 5 8 8
O3 40
30 10
7 8 9 5
O4 40
15 25
Dj 75 25 35 30 160
fˆ = (1× 40) + (2 × 35) + (2 × 5) + (4 × 30) + (5 × 10) + (8 × 15) + (5 × 25) = 535

Selanjutnya, dihitung nilai maksimalnya,
n m
f max = ( P.∑∑ X ij ) − fˆ
i =1 j =1
= (10.(40 + 35 + 5 + 30 + 10 + 15 + 25)) − 535

= 1600 − 535 = 1065
Jadi nilai maksimal dari masalah transportasi contoh adalah 1065.
17 | H a l a m a n
BAB 1.2. MODEL INVENTORI
Salah satu aplikasi model transportasi adalah model inventori. Dibawah ini
diberikan contoh inventori yang dapat dimodelkan ke model transportasi.
Contoh permasalahan:
Perusahaan Sailco harus menentukan berapa banyaknya sailboat yang
harus diproduksi pada awal setiap triwulan selama 4 triwulan mendatang.
Permintaan untuk keempat triwulan berturut-turut adalah 40, 60, 75, dan 25
buah. Pada awal triwulan 1 Sailco mempunyai 10 sailboat. Setiap triwulan Sailco
hanya mampu memproduksi 40 buah sailboat dengan ongkos $400 per buah.
Untuk memenuhi semua permintaan Sailco memproduksi sailboat dengan waktu
lembur dengan ongkos $450 per buah. Sailboat yang diproduksi pada setiap
triwulan dapat digunakan untuk memenuhi permintaan pada triwulan tersebut
dan triwulan berikutnya. Pada setiap akhir triwulan sailboat yang ada
membutuhkan biaya peyimpanan sebesar $20 per buah per triwulan. Rumuskan
masalah ini sebagai model transportasi untuk meminimumkan biaya produksi
dengan asumsi tidak ada sailboat yang tersisa pada akhir triwulan IV.
Penyelesaian:
D1 D2 D3 D4 KP
Persediaan awal (S1) 0 20 40 60 10
PTW1 WN (S2) 400 420 440 460 40
PTW1 WL (S3) 450 470 490 510 150
PTW2 WN (S4) M 400 420 440 40
PTW2 WL (S5) M 450 470 490 150
PTW3 WN (S6) M M 400 420 40
PTW3 WL (S7) M M 450 470 150
PTW4 WN (S8) M M M 400 40
PTW4 WN (S9) M M M 450 150
DEMAND 40 60 75 20
18 | H a l a m a n
Keterangan:
PTW1 WN : produksi triwulan 1 dengan waktu normal
PTW1 Wl : produksi triwulan 1 dengan waktu lemur
D1 : demand triwulan 1
KP : kapasitas produksi
Untuk penyelesaian akhirnya dapat diselesaikan dengan bantuan software

QSB+ ataupun TORA. Untuk hasil akhirnya dijadikan latihan bagi mahasiswa.
19 | H a l a m a n
BAB 1.3. TRANSSHIPMENT PROBLEM
Komponen pada transshipment problem meliputi :

1. Sumber (supply point)
2. Tujuan (demand point)
3. Transit (transshipment ponit)
Ada beberapa alasan mengapa suatu pabrik dalam melakukan pendistribusian

barangnya harus melakukan transshipment :
1. Adanya keuntungan logistik.
2. Tidak adanya jalur yang langsung menghubungkan ke tujuan
pengiriman.
3. Karena masalah sesuatu yang mengharuskan nama bandara
disembunyikan identitasnya.
4. Jalur ke tenpat tujuan telah di blokir.
Langkah-langkah penyelesaian transshipment problem;

1. Seandainya masalah yang diketahui belum seimbang maka ditambahkan
dummy point. Tentu saja biaya yang ditimbulkan adalah 0, kecuali jika ada
ketentuan pinalti.
2. Konstruksi tabel dengan cara:
a. Pada baris terdiri dari supply point dan transshipment point.
b. Pada kolom terdiri dari demand point dan transshipment point.
c. Baik supply point maupun demand point akan memiliki nilai aslinya.
d. Nilai pada transshipment point adalah :
• Nilai asli supply + s (s= total supply yang tersedia)
• Nilai asli demand + s (s= total supply yang tersedia)
e. Inflow dan outflow pada transshipment harus sama/seimbang setelah
diperoleh table. Penyelesaian menggunakan cara yang sama dengan
masalah transportasi.
20 | H a l a m a n
Contoh Soal:
Ada dua sumber yaitu Memphis dan Denver yang masing-masing bisa
memproduksi 150 dan 200.
Ada dua tujuan yaitu L.A dan Boston yang masing-masing 130.
Ada dua transit yaitu N.Y dan Chicago.
Skema masalah transshipment contoh:
28
25
130
150 M 8 NY 16 LA
13 17
6
15 14 130
200 D 12 C B
25
26
Karena terjadi ketidak keseimbangan antara permintaan dan penawaran,

maka ditambahkan dummy demand point sebesar 350-260 = 90.
Berikut tabel dari masalh transshipment diatas.
D
NY C LA B Dummy Si
S
8 13 25 28 0
M 150
15 12 26 25 0
D 200
0 6 16 17 0
NY 350
6 0 14 16 0
C 350
Dj 350 350 130 130 90 1050
Dengan menggunakan metode Vogel Approximation diperoleh nilai Z atau

biaya minimum dari permasalahan transshipment contoh adalah 6370,
selanjutnya untuk penyelesaian optimalnya dapat menggunakan metode
21 | H a l a m a n
Stepping Stone ataupun MODI, dan diperoleh biaya minimum dari permasalahan
transshipment contoh adalah 6370. Untuk langkah-langkah penyelesaian awal
dan optimalnya denga metode Vogel Approximation dan MODI / Stepping Stone
diberikan kepada mahasiswa sebagai latihan.
Soal Latihan
1. Selesaikan masalah transshipment berikut ini.
900 S1 D1 1100
20
30 100 T1
450
1200 S2 80 600 D2 1000
50
430 300
T2 210
200
1200 S3 190 D3 1200
460
22 | H a l a m a n
BAB 1.4. ASSIGNMENT PROBLEM
Assignment problem (masalah penugasan) merupakan salah satu

masalah khusus dari masalah transportasi. Model ini pertama kali dikembangkan
oleh D. Konig (ahli Matematika dari Hungaria). Berikut tabel dari suatu masalah
assignment (penugasan).
T
1 2 … n Kapasitas
S
C11 C12 … C1n
1 1
x11 x12 x1n
C21 C22 … C2n
2 1
x21 x22 x2n
M M M M M M
Cm1 Cm2 … Cmn
m 1
xm1 xm 2 xmn
Dj 1 1 … 1
xij = unit alokasi dari sumber i ke tujuan j (1 atau 0)

Cij = parameter alokasi dari sumber I ke tujuan j.
Dalam hal ini berlaku:

1. xi1 + xi 2 + ... + xin = 1, untuk i = 1, 2,..., m . Ini artinya untuk tiap i hanya ada
satu xij yang bernilai 1, selainnya 0.
2. x1 j + x2 j + ... + xmj = 1, untuk j = 1, 2,..., n . Ini artinya untuk tiap j hanya ada
satu xij yang bernilai 1, selainnya 0.
3. Nilai alokasi ditentukan oleh Cij , mengingat xij hanya berniali 1 atau 0.
4. Simetris, yaitu m = n . Jumlah kolom samadengan jumlah baris.
23 | H a l a m a n
Formula Program Linier:

Min/max Z = ∑∑ c x ij ij
, terhadap;
n
1. ∑x
j =1
ij = 1, untuk i = 1, 2,..., m
m
2. ∑x
i =1
ij = 1, untuk j = 1, 2,..., n
* xij = 0 atau 1
Langkah-langkah penyelesaian masalah penugasan menggunakan metode

Hungarian.
1. Tentukan tabel dari masalah yang diberikan.
a. Kurangkan biaya terendah dalam tiap baris pada tabel biaya tertentu
dari semua biaya dalam baris tersebut. Untuk tiap i:
Cij − min Cij , j = 1, 2,..., n
b. Kurangkan biaya terendah dalam tiap kolom pada tabel biaya tertentu
dari semua biaya dalam kolom tersebut. Untuk tiap j:
Cij − min Cij , i = 1, 2,..., m
2. Cek apakah penugasan sudah optimal?, caranya dengan menarik garis lurus
(vertical ataupun horizontal) terhadap tabel sedemikian sehingga
meninimalkan jumlah garis yang melintasi elemen nol (0). Jika jumlah garis
yang dapat dibuat lebih sedikit dari jumlah baris/kolom, maka penugasan
belum optimal. Artinya dikatakan optimal jika jumlah garis tersebut sudah
sama dengan jumlah baris/kolom.
3. Perbaikan tabel:
a. Pilih angka terkecil dalam tabel yang tidak dilalui garis lurus dan
kurangkan angka ini dengan semua angka yang tidak dilalui garis
lurus.
b. Tambahkan angka yang sama pada perpotongan antara dua garis,
dan kembali ke langkah 2.
24 | H a l a m a n
Contoh Soal :
Bengkel SK menangani pekerjaan logam untuk sejumlah proyek di daerah
sekitarnya. Saat ini SK mempunyai empat pekerjaan yang harus diselesaikan.
Pekerjaannya tersebut antara lain (L untuk Las, D untuk desain, P untuk
Pemotongan, dan F untuk Finishing). Untuk menyelesaikan pekerjaan tersebut
SK menggunakan empat mesin yaitu; A, B, C, D. Setiap pekerjaan dapat diproses
secara penuh oleh setiap mesin, dengan biaya proses yang sudah diketahui.
Penugasan pekerjaan ke mesin harus dilakukan atas basis 1 ke 1. Artinya setiap
pekerjaan harus ditugaskan ke mesin ke satu mesin saja. Tugas akhir penugasan
adalah untuk meminimumkan proses biaya.
Penyelesaian:
Dari masalah contoh dapat dibuat tabel masalah penugasan sebagai berikut:
M
A B C D
P
10 4 6 10
L
13 8 12 14
D
14 16 13 17
P
19 11 17 20
F
Langkah 1 (baris):
M
A B C D
P
10 4 6 10
L
13 8 12 14
D
14 16 13 17
P
19 11 17 20
F
25 | H a l a m a n
M
A B C D
P
6 0 2 6
L
5 0 4 6
D
1 3 0 4
P
8 0 6 9
F
Langkah 2 (kolom):
M
A B C D
P
6 0 2 6
L
5 0 4 6
D
1 3 0 4
P
8 0 6 9
F
M
A B C D
P
5 0 2 2
L
4 0 4 2
D
0 3 0 0
P
7 0 6 5
F
26 | H a l a m a n
Langkah 3 (garis linear minimum):

M
A B C D
P
5 0 2 2
L
4 0 4 2
D
P 0 3 0 0
2
7 0 6 5
F
1
Jumlah garis belum samadengan jumlah baris/kolom, maka dilakukan perbaikan
tabel.
Langkah 4: Pilih Cij terkecil yang tidak dilalui oleh garis yang telah dibuat.
M
A B C D
P
5 0 2 2
L
4 0 4 2
D
P 0 3 0 0
7 0 6 5
F
27 | H a l a m a n
1 3
M B
A C D
P
L 3 0 0 0
4
2 0 2 0
D
P 0 3 0 0
2
5 0 4 3
F
Jumlah garis sudah samadengan jumlah kolom atau baris maka tabel sudah
optimal.
M B D
A C Tugas
P
L 3 0 0 0
C
4
2 0 2 0
D D
P 0 3+2=5 0 0
A
2
5 0 4 3
F B
1 3
Jadi biaya penugasan dari pekerjaan tersebut agar biaya proses minimum adalah
• Pekerjan Las (L) dikerjaan oleh mesin C
biayanya = 6 × x13 = 6 ×1 = 6
• Pekerjan Desain (D) dikerjaan oleh mesin D

biayanya = 14 × x24 = 14 × 1 = 14
• Pekerjan Pemotongan (P) dikerjaan oleh mesin A

biayanya = 14 × x31 = 14 ×1 = 14
28 | H a l a m a n
• Pekerjan Finishing (F) dikerjaan oleh mesin B

biayanya = 11× x42 = 11×1 = 11
Jadi biaya proses minimunya adalah= 6+14+14+11= 45 (dalam ribuan)
29 | H a l a m a n
BAB 1.5. ASSIGNMENT PROBLEM POLA MAKSIMUM
Dalam masalah penugasan maksimalisasi, algoritma atau langkah-langkah

yang digunakan relatif sama dengan pola minimalisasi.
Program linier dari masalah penugasan pola maksimalisai adalah:
Max Z = ∑∑ c x ij ij
, terhadap:
n
1. ∑x
j =1
ij = 1, untuk i = 1, 2,..., m
m
2. ∑x
i =1
ij = 1, untuk j = 1, 2,..., n
* xij = 0 atau 1
Langkah-langkah penyelesaian masalah penugasan pola maksimal juga

menggunakan metode Hungarian sebagai berikut:
1. Tentukan tabel dari masalah yang diberikan.
a. Kurangkan cost tetinggi dalam tiap baris pada tabel biaya tertentu
dari semua biaya dalam baris tersebut. Untuk tiap i:
Cij − max Cij , j = 1, 2,..., n
b. Kurangkan cost tertinggi dalam tiap kolom pada tabel biaya tertentu
dari semua biaya dalam kolom tersebut. Untuk tiap j:
Cij − max Cij , i = 1, 2,..., m
2. Cek apakah penugasan sudah optimal?, caranya dengan menarik garis lurus
(vertikal ataupun horizontal) terhadap tabel sedemikian sehingga
meninimalkan jumlah garis yang melintasi elemen nol (0). Jika jumlah garis
yang dapat dibuat lebih sedikit dari jumlah baris/kolom, maka penugasan
belum optimal. Artinya dikatakan optimal jika jumlah garis tersebut sudah
sama dengan jumlah baris/kolom.
3. Perbaikan tabel:
a. Pilih angka terbesar dalam tabel yang tidak dilalui garis lurus dan
kurangkan angka ini dengan semua angka yang tidak dilalui garis
lurus.
30 | H a l a m a n
b. Tambahkan angka yang sama pada perpotongan antara dua garis,

dan kembali ke langkah 2.
Contoh Soal :
Bagian personalia perusahaan Sidobali baru saja mengadakan seleksi
calon karyawan yang akan ditugaskan pada empat jabatan, yaitu bagian
Keuangan, bagian Pemasaran, bagian Humas, dan bagian Rumah tangga. Dan
hasil seleksi terpilih empat orang yang memiliki hasil tertinggi. Keempat calon
tersebut adalah A, B, C, D. dan kemudian diuji cobakan pada empat jabatan
secara bergiliran selama 2 bulan. Selama uji coba tersebut kinerja mereka diukur
dan hasilnya adalah:
• Karyawan A berturut-turut pada keempat jabatan memiliki kinerja 3, 2, 4, 8
• Karyawan B berturut-turut pada keempat jabatan memiliki kinerja 10, 11, 11,
6
• Karyawan C berturut-turut pada keempat jabatan memiliki kinerja 5, 11, 14,
10
• Karyawan D berturut-turut pada keempat jabatan memiliki kinerja 9, 11, 12,
11
Bagaimana memaksimalkan potensi masing-masing calon karyawan berdasarkan
kinerja untuk ditempatkan pada bidang yang sesuai.
Penyelesaian:
Dari masalah contoh dapat dibuat tabel masalah penugasan sebagai berikut:
J
K P H RT
P
3 2 4 8
A
10 11 11 6
B
5 11 14 10
C
9 11 12 11
D
*keterangan :
K= bagian keuangan H= bagian Humas
P= bagian Pemasaran RT= bagian Rumah Tangga
31 | H a l a m a n
Langkah 1 (baris):
J
K P H RT
P
3 2 4 8
A
10 11 11 6
B
5 11 14 10
C
9 11 12 11
D
J
K P H RT
P
5 6 4 0
A
1 0 0 5
B
9 3 0 4
C
3 1 0 1
D
*nilai hasil pengurangan yang negative ditulis positif, namun tetap bernilai
negatif.
Langkah 2 (kolom):
J
K P H RT
P
5 6 4 0
A
1 0 0 5
B
9 3 0 4
C
3 1 0 1
D
32 | H a l a m a n
*yang dipilih pada kolom nilai Cij terlihat bahwa cost terkecil, namun karena
sebenarnya nilai cost tersebut bernilai negative, maka cost tersebut adalah cost
yang terbesar.
J
K P H RT
P
4 6 4 0
A
0 0 0 5
B
8 3 0 4
C
2 1 0 1
D
Langkah 3 (garis linear minimum):
J
K P H RT
P
4 6 4 0
A
B 0 0 0 5
2
8 3 0 4
C
2 1 0 1
D
1
Jumlah garis belum samadengan jumlah baris/kolom, maka dilakukan perbaikan
tabel.
33 | H a l a m a n
Langkah 4: Pilih Cij terbesar yang tidak dilalui oleh garis yang telah dibuat.
J
K P H RT
P
4 6 4 0
A
B 0 0 0 5
2
8 3 0 4
C
2 1 0 1
D
*pilih nilai Cij terbesarnya yakni 1, karena 1 sebernarnya adalah (-1)
J P H RT
K
P
3 5 4 0
A
B 0 0 0 5
2
7 2 0 4
C
1 0 0 0
D
3 1 4
34 | H a l a m a n
Jumlah garis sudah samadengan jumlah kolom atau baris maka tabel sudah
optimal.
J Bagian
K P H RT
P
3 5 4 0
A RT
B 0 0+1=1 0+1=1 5+1=6

2 K
7 2 0 4
C H
1 0 0 1
D P
3 1 4
Jadi biaya penugasan dari pekerjaan tersebut agar biaya proses minimum adalah
• Jabatan A adalah bagian Rumah Tangga kinerjanya = 8 x14 = 8 × 1 = 8
• Jabatan B adalah bagian Keuangan kinerja = 10 x21 = 10 ×1 = 10
• Jabatan C adalah bagian Humas kinerja = 14 x33 = 14 ×1 = 14
• Jabatan D adalah bagian Pemasaran kinerjanya = 11× x42 = 11×1 = 11
Jadi kinerja maksimal dari keempat karyawan dengan jabatannya adalah

= 8 + 10 + 14 + 11 = 43
35 | H a l a m a n
BAB 2. NETWORK
Graf merupakan dua himpunan nodes (titik) dan arc (sisi). Contoh: V
= {1, 2,3, 4} , dan E = {(1, 2), (2,3), (3, 4), (4, 3), (4,1)} . Chain adalah (1,2), (2,3),
(4,3) dan yang merupakan path adalah (1,2), (2,3), (3,4). Untuk lebih jelasnya
dapat dilihat pada skema di bawah ini :
1 4
2 3
Contoh kasus Network:

1. Masalah pergantian Alat
Contoh soal:
Diketahui : Pembelian mobil baru seharga $12.000.
Tiap tahun ada biaya perawatan, seperti table dibawah ini:

Usia Mobil (th) Biaya perawatan Tahunan ($)
0 2000
1 4000
2 5000
3 9000
4 12000
Daftar harga purna jual mobil sebagai berikut :

Usia Mobil (th) Harga Purna Jual ($)
1 7000
2 6000
3 2000
4 1000
5 0
36 | H a l a m a n
Tujuan: Meminimumkan biaya bersih (BB) yaitu:

BB = Biaya Pembelian + Biaya Perawa tan − H arg a purna jual
Jawab:
Dalam hal ini kita akan memiliki 6 titik yaitu : {1,2,3,4,5,6}. Untuk i < j , sisi
i < j berarti Biaya pembalian mobil baru awal tahun i dan Biaya perawatan
mobil tersebut dengan awal tahun j .
Cij = Biaya Pembelian + Biaya Perawa tan − H arg a purna jual , sehingga
diperoleh (dalam ribuan):

C12 = 12 + 2 − 7 = 7
C13 = 12 + 2 + 4 − 6 = 12
C34 = 12 + 2 − 7 = 7
C14 = 12 + 2 + 4 + 5 − 2 = 21
C35 = 12 + 2 + 4 − 6 = 12
C15 = 12 + 2 + 4 + 5 + 9 − 1 = 31
C36 = 12 + 2 + 4 + 5 − 2 = 21
C16 = 12 + 2 + 4 + 5 + 9 + 12 − 0 = 44
C45 = 12 + 2 − 7 = 7
C23 = 12 + 2 − 7 = 7
C46 = 12 + 2 + 4 − 6 = 12
C24 = 12 + 2 + 4 − 6 = 12
C56 = 12 + 2 + 4 + 5 − 2 = 21
C25 = 12 + 2 + 4 + 5 − 2 = 21
Jadi minimum biaya dari masalah pergantian alat dengan membeli mobil
ditahun pertama dan melakukan penjualan di tahun ke 5, biaya atau net
minimumnya adalah C13 + C36 = 1 → 3 → 6 = 12 + 21 = 33 , atau sebesar
$33.000.
2. Algoritma Dijkstra
Langkah-langkah:
a. Beri label titik 1 dengan label permanent “0”. Kemudian beri label setiap
titik i menggunakan label sementara, yaitu jarak antara titik 1 dengan
titik i . Titik lainnya otomatis di beri label sementara “ ∞ ”.
b. Pilih titik dengan label sementara terkecil untuk dijadikkan label
permanent. Untuk setiap titik j yang diberi label sementara dan
terhubung dengan titik i , maka kita ganti titik j tersebut dengan:
titik j , label sementara

Min 
titik i, label permanent + panjang sisi(i, j )
37 | H a l a m a n
c. Lakukan proses tersebut hingga semua titik berlabel permanent. Dan

untuk mencari jalur terpendek dari titik awal hingga titik akhir maka
gunakan kaidah backtracking dengan mencari titik yang dimiliki
dengan selisih yang sesuai dengan jarak antara 2 titik yang
terhubung.
Contoh:
“4” “∞”
2 3 4 2
4
“0” “∞”
Plant 1 1 2 6 City
3
3 5
2
“3” 3 “∞”
• Iterasi pertama: Permanenkan titik inisial 1 dengan “0”, sehingga diperoleh

urutan label yang telah dibuat adalah (0* 4 3 ∞ ∞) .
“4” “∞”
2 3 4 2
4
“0” “∞”
Plant 1 1 2 6 City
3
3 5 2
3
“3” “∞”
• Iterasi kedua: Titik 3 adalah label sementara terkecil maka dipilih menjadi
label permanent. Sehingga diperoleh urutan label yang telah dibuat adalah
(0* 4 3* ∞ ∞ ∞ ) .
“4” “∞”
2 3 4 2
4
“0” “∞”
Plant 1 1 2 6 City
3 3 5 2
3
“3” “6”
38 | H a l a m a n
• Iterasi ketiga: Titik 5 terhubung langsung dengan titik i yang baru, yaitu titik
3, sehingga dipilih label baru sementara min = {∞, 3 + 3} = 6 . Dalam hal ini
titik 2 memiliki label sementara yang lebih kecil yaitu “4” maka label
tersebutlah yang dipilih sebagai label permanent . Dan diperoleh urutan
label yang telah dibuat adalah (0* 4* 3* ∞ ∞ ∞) .
“4” “7”
2 3 4 2
4
“0” “∞”
Plant 1 1 2 6 City
3 3 5 2
3
“3” “6”
• Iterasi keempat: Titik 4 dan 5 terhubung langsung dengan titik 2. sehingga
berturut-turut meninimalkan, min = {∞, 4 + 3} = 7 , dan min = {6, 4 + 2} = 6 .
Titik 5 dipilih sebagai label permanen karena lebih minimal. Diperoleh urutan
label yang telah dibuat adalah (0* 4* 3* 7* 6 ∞) .

“4” “7”
2 3 4 2
4
“0” “8”
Plant 1 1 2 6 City
3 3 5 2
3
“3” “6”
• Iterasi kelima: Titik 6 terhubung langsung dengan titik 5, dengan nilai
min = {∞, 6 + 2} = 8 . Ingat titik 2 dapat dihubungkan langsung dengan titik
4, yaitu min = {7, 4 + 3} = 7 . Sehingga pilih titik 4 sebagai label permanent.
Diperoleh urutan label yang telah dibuat adalah (0* 4* 3* 7* 6* 8) .

“4” “7”
2 3 4 2
4
“0” “8”
Plant 1 1 2 6 City
3 3 5 2
3
“3” “6”
39 | H a l a m a n
• Iterasi keenam : Titik 6 terhubung langsung dengan titik 4, maka dapat

dipastikan mempunya nilai min = {8, 7 + 2} = 8 . Sehingga diperoleh urutan
label yang telah dibuat adalah (0* 4* 3* 7* 6* 8* ) . Semua label sudah

merupakan label permanen.
• Kemudian untuk menghitung bobot digunakan metode backtracking ( runut

balik ).
o Dalam hal ini ada beberapa alternatif :
a) Alternatif pertama:
• Node 6 ke node 5 memiliki selisih 2
Total selisih adalah 2+3+3 = 8 dengan urutan jalur
terpendeknya adalah 1 − 3 − 5 − 6 .
b) Alternatif kedua:
Total selisih adalah 2 + 2 + 4 = 8 dengan jalur terpendeknya
adalah 1 − 2 − 5 − 6 .
3. Maximal Flow
Masalah : Mencari jalur terobosan pada suatu jaringan yang memiliki
arus positif antara titik sumber dan titik tujuan. Setiap jalur dengan kapasitas
masing-masing berkontribusi pada keseimbangan flow in dan flow out.
Untuk suatu titik j yang menerima arus dari titik i , diberi label [ aij , i ] ,
dimana a j merupakan bobot arus dari i ke j .
Algoritma Maximal Flow:

• Step 1
40 | H a l a m a n
Untuk semua sisi (i, j ) , tentukan bahwa kapasitas inisial, yaitu
(ci j , c ji ) = (Cij , C ji ) , misal a1 = ∞ dan diberi label titik 1 dengan [∞, −1] , pilih
i = −1 dan lanjut ke Step 2.

• Step 2
Tentukan Si , himpunan titik j tanpa label yang dapat diakses (terhubung)
dari titik i dengan sisi residu bernilai positif (cij > 0, ∀j ∈ Si ) . Jika Si ≠ ∅
maka lanjut ke Step 3, tetapi jika Si = ∅ maka lanjut ke Step 4.
• Step 3
Tentukan k ∈ Si sedemikian sehingga cik = mak{ci j }; j ∈ Si . Tentukan
ak = cik dan beri label titik k dengan [ ak , i ] , jika k = n , titik tujuan telah
diberi label, dan jalur terobosan telah ditemukan, maka lanjut ke step 5.
Sehingga tentukan i = k , dan kembali ke Step 2.
• Step 4 (Back Tracking)
Jika i = 1 dan tidak ada jalur terobosan yang mungkin, maka lanjutkan ke
Step 6. Selainnya, misal r adalah titik yang telah diberi label sebelum titik i
dan missal dihapus titik i dari himpunan titik yang adjacent dengan r .
Tentukan i = r dan kembli ke Step 2.
• Step 5 (Residu)
Misal Np = {1, k1 , k2 ,..., n} merupakan himpunan titik yang menunjukan jalur
terobosan dari sumber i ke tujuan n . Maka arus maksimum sepasang jalur

tersebut adalah : fp = min{a1 , ak1 , ak 2 ,..., an } . Kapasitas residu setiap sisi
pada jalur terobosan akan dikurangi fp jika searah dan ditambah fi jika
berlawanan arah. Sehingga arus residu berubah dari (cij , c ji ) menjadi;
a. (ci j − fp, c ji + fp ) , jika arus dari i ke j
b. (ci j − fp, c ji + fp ) , jika arus dari j ke i
• Step 6 ( Solusi )
a. m jalur terobosan yang telah ditentukan kemudian dijumlahkan
sehingga: F = f1 + f 2 + ... + f m
41 | H a l a m a n
b. Menggunakan residu awal-akhir pada sisi (i, j ), (Cij , C ji ), dan (ci j , c ji ) ,
arus optimal (i, j ) dapat dihitung sebagai berikut ;
(α , β ) = (Cij − c ji , C ji − c ji ) , α > 0 ( flow in) atau β > 0 ( flow out ). Baik
α dan β , keduanya tidak menggunkan secara bersamaan untuk bernilai

positif.
Contoh Soal:
Cij from i → j
Arc low
C ji from j → i
20
0
4
5
0
0
5
10
0
30
1
20
10
0 20
30 3
0
0 2
40
Penyelesaian:
Iterasi pertama:
Tentukan residu inisial ( ci j , c ji ) sama dengan kapasitas inisial ( Cij , C ji ).
• Step 1
Tentukan ai = ∞ dan beri label titik 1 dengan [∞, −] . Tentukan i = 1 .
• Step 2
Tentukan S1 = {2,3, 4} ⇒ S1 ≠ ∅ .
• Step 3
k = 3, c13 = maks{c12 , c13 , c14 } = maks{20, 30,10} = 30 . Beri label titik 3 dengan
[30,1] . Tentukan i = 3 , kembali ke step 2
42 | H a l a m a n
• Step 2
Tentukan S3 = {4,5} ⇒ S3 ≠ ∅ .
• Step 3
k = 5, c35 = maks{c34 , c35 } = maks{10, 20} = 20 . Beri label titik 3 dengan
[20,3] . Sehingga jalur terobosan telah tercapai. Lanjutkan ke step 5.
• Step 5
Jalur terobosan ditentukan melalui runut balik dari titik 5 dan bergerak
mundur ketitik 1. Sehingga diperoleh (5) − (3) − (1) ⇔ [20, 3];[30,1];[∞, −] .
Diperoleh juga nilai Np = N1 = {1, 3, 5} .
Dan fp = f1 = min{a1 , a3 , a5 } = min{∞, 30, 20} = 20 . Sehingga kini dapat
dihiting kapasitas residual sepanjang N1 , yaitu : (cij − fp, cji + fp ) .
(c13 , c31 ) = (30 − 20, 0 + 20) = (10, 20)
(c35 , c53 ) = (20 − 20, 0 + 20) = (0, 20)
∴ f1 = 20
20
0
4
5
0 [20, 3]
0
5
[∞ , − ] 10
0
30
1
20 0
10
20
30 3
[30,1]
0
0 2
40
Iterasi kedua:
• Step 1
Tentukan a1 = ∞ dan beri label titik 1 dengan [∞, −] . Tentukan i = 1 .
• Step 2
Tentukan S1 = {2,3, 4} ⇒ S1 ≠ ∅ .
43 | H a l a m a n
• Step 3
k = 2, c12 = maks{c12 , c13 , c14 } = maks{20,10,10} = 20 . Beri label titik 2 dengan
• Step 2
Tentukan S 2 = {3, 5} ⇒ S2 ≠ ∅ .
• Step 3
[40, 2] . Tentukan i = 3 , kembali ke step 2.
• Step 2
Tentukan S3 = {4,5} ⇒ S3 ≠ ∅ .
• Step 3
k = 4, c34 = maks{c34 , c35 } = maks{10,10} = 10. pilih titk c34 karena indexnya
lebih kecil dari c35 . Beri label titik 4 dengan [10,3] . Tentukan i = 4 , kembali
ke step 2.
• Step 2
Tentukan S 4 = {5} ⇒ S4 ≠ ∅ .
• Step 3
k = 5, c45 = maks{c45 } = maks{20} = 20 . Beri label titik 5 dengan [20, 4] .
Tentukan i = 3 , kembali ke step 2. Sehingga jalur terobosan telah tercapai.
Lanjutkan ke step 5.
• Step 5
mundur ke titik 1. Sehingga diperoleh
(5) − (4) − (3) − (2) − (1) ⇔ [20, 4];[10, 3];[40, 2];[20,1];[∞, −] . Diperoleh juga
nilai Np = N 2 = {1, 2,3, 4,5} .
Dan fp = f 2 = min{a1 , a2 , a3 , a4 , a5 } = min{∞, 20, 40,10, 20} = 10 . Sehingga kini
dapat dihiting kapasitas residual sepanjang N 2 , yaitu : (cij − fp, cji + fp ) .
(c12 , c21 ) = (20 − 10, 0 + 10) = (10,10)
(c23 , c32 ) = (40 − 10, 0 + 10) = (30,10)
44 | H a l a m a n
(c34 , c43 ) = (10 − 10,5 + 10) = (0,15)
(c45 , c54 ) = (20 − 10, 0 + 10) = (10,10)
∴ f 2 = 10
[10,3]
20
0
4
5
0
0
5 [20, 4]
10
20
10
[∞ , − ] 1
20
10
20
0
30 3
0 [40, 2]
0 2
[20,1] 40
Iterasi ketiga:
• Step 1
• Step 2
Tentukan S1 = {2,3, 4} ⇒ S1 ≠ ∅ .
• Step 3

• Step 2
Tentukan S 2 = {3, 5} ⇒ S2 ≠ ∅ .
• Step 3

45 | H a l a m a n
• Step 2
Tentukan S3 = ∅ karena c34 = c35 = 0 . Lanjutkan ke step 4 untuk runut balik
• Step 4
Runut balik label [30, 2] pada titik 3 dan dihapus dengan titik sebelumnya,
r = 2 . Tentukan i = r = 2 dan kemabali ke step 2.

• Step 2
Tentukan S 2 = {5} ⇒ S2 ≠ ∅ .
• Step 3
Sehingga jalur terobosan telah tercapai. Lanjutkan ke step 5.
• Step 5
Diperoleh juga nilai Np = N 2 = {1, 2, 5} .
Dan fp = f 3 = min{a1 , a2 , a5 } = min{∞,10,30} = 10 . Sehingga kini dapat
dihiting kapasitas residual sepanjang N 3 , yaitu : (cij − fp, cji + fp ) .
(c12 , c21 ) = (10 − 10,10 + 10) = (0, 20)
(c25 , c52 ) = (30 − 10, 0 + 10) = (20,10)
∴ f 3 = 10
10
0
4
15
10
0
5 [30, 2]
10
20
10
[∞ , − ] 1
10
0
20 0
30 3
10
10 2
30
[10,1]
46 | H a l a m a n
Iterasi keempat:
• Step 1
• Step 2
Tentukan S1 = {2,3, 4} ⇒ S1 ≠ ∅ .
• Step 3
• Step 2
Tentukan S3 = {2} ⇒ S3 ≠ ∅ .
• Step 3
k = 2, c32 = maks{c32 } = maks{10} = 10 . Beri label titik 2 dengan [10,3] .
Tentukan i = 2 , kembali ke step 2.
• Step 2
Tentukan S 2 = {5} ⇒ S2 ≠ ∅ .
• Step 3
• Step 5
mundur ketitik 1. Sehingga diperoleh
(5) − (3) − (2) − (1) ⇔ [20, 2];[10,3];[10,1];[∞, −] . Diperoleh juga nilai
Np = N 2 = {1,3, 2,5} .
Dan fp = f 4 = min{a1 , a2 , a2 , a5 } = min{∞,10,10, 20} = 10 . Sehingga kini dapat
dihiting kapasitas residual sepanjang N 3 , yaitu : (cij − fp, cji + fp ) .
(c13 , c31 ) = (10 − 10, 20 + 10) = (0,30)
(c32 , c23 ) = (10 + 10, 30 − 10) = (20, 20)
(c25 , c52 ) = (20 − 10,10 + 10) = (10, 20)
∴ f 4 = 10
47 | H a l a m a n
10
0
4
15
10
10
5 [20, 2]
10
20
10
[∞ , − ] 1
0
0
20 0
20 3
[10,1]
10
20 2
30
[10,3]
Iterasi kelima:
• Step 1
• Step 2
Tentukan S1 = {2,3, 4} ⇒ S1 ≠ ∅ .
• Step 3
k = 4, c14 = maks{c12 , c13 , c14 } = maks{0, 0,10} = 10 . Beri label titik 4 dengan
• Step 2
Tentukan S 4 = {3, 5} ⇒ S4 ≠ ∅ .
• Step 3
k = 3, c43 = maks{c43 , c45 } = maks{15,10} = 15 . Beri label titik 3 dengan
• Step 2
Tentukan S3 = ∅ karena c34 = c35 = 0 . Lanjutkan ke step 4 untuk runut balik
• Step 4
Runut balik label [15, 4] pada titik 3 dan dihapus dengan titik sebelumnya,
r = 4 . Tentukan i = r = 4 dan kemabali ke step 2.
48 | H a l a m a n
• Step 2
Tentukan S 4 = {5} ⇒ S4 ≠ ∅ .
• Step 3
• Step 5
Diperoleh juga nilai Np = N 2 = {1, 4, 5} .
Dan fp = f5 = min{a1 , a4 , a5 } = min{∞,10,10} = 10 . Sehingga kini dapat
dihiting kapasitas residual sepanjang N3 , yaitu : (cij − fp, cji + fp ) .
(c14 , c41 ) = (10 − 10,0 + 10) = (0,10)
(c45 , c54 ) = (10 − 10,10 + 10) = (0, 20)
∴ f5 = 10
[10,1]
0
10
4
15
10
20
5 [10, 4]
0
20
0
[∞ , − ] 1
0
0
30 0
10 3
20
0 2
20
49 | H a l a m a n
Iterasi keenam:
Sudah tidak ada jalur terobosan yang mungkin dibuat. Lanjutkan ke step 6.
0
10
4
15
20
20
5
0
20
0
1
0
0
10 30 0
3
20
0 2
20
• Step 6
Max flow (F).
F = f1 + f 2 + f 3 + f 4 + f 5
= 20 + 10 + 10 + 10 + 10
= 60 unit
Semua kapasitas residu pada tiap iterasi dapat dirangkum kembali menjadi
gambar akhir.
0
10
4
15
20
20
5
0
20
0
1
0
0
10 30 0
3
2 0
20
40
50 | H a l a m a n
Rekapitulasi proses hingga akhir dapat disajikan dalam tabel berikut:
Arc (Cij , C ji ) − (cij , c ji ) Flow amount Direction
(1,2) (20,0)-(0,20)=(20,-20) 20 1-2

(1,3) (30,0)-(0,30)=(30,-30) 30 1-3
(1,4) (10,0)-(0,10)=(10,-10) 10 1-4
(2,3) (40,0)-(40,0)=(0,0) 0 2-3
(2,5) (30,10)-(10,30)=(20,-20) 20 2-5
(3,4) (10,5)-(0,15)=(10,-20) 10 3-4
(3,5) (20,0)-(0,20)=(20,-20) 20 3-5
51 | H a l a m a n

1 Handout Riset Operasi Noor Saif

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

1 Handout Riset Operasi Noor Saif

Diunggah oleh

Hak Cipta:

Format Tersedia

Handout Riset Operasi Prodi Matematika

UIN Sunan Kalijaga Yogyakarta

BAB 1. MASALAH TRANSPORTASI

Diskripsi umum masalah transportasi dapat dinyatakan sebagai

Permasalahan umum transportasi dinyatakan sebagai berikut :

Optimasi →meminimumkan atau memaksimumkan tujuan

Masalah transportasi seimbang

Artinya jumlah penawaran sama dengan jumlah permintaan, sehingga

c. Tabel biaya per unit

Penyelesaian masalah transportasi

Algoritma yang digunakan untuk menyelesaikan masalah transportasi

North West Corner

Dari/ke Proyek A Proyek B Proyek C

Biaya permuatan truk dalam $

Solusi awal dengan metode NWC

Sehingga diperoleh solusi awalnya

Least Cost Method (LCM)

Dengan mengacu pada contoh 1, akan diselesaikan dengan metode LCM

Diperoleh Z= 4.56 + 24.41 + 16.41 + 16.61 + 9.61 = $2984

Dengan contoh 1 kita akan selesaikan dengan VAM

Diperoleh nilai Z = 15.8 + 4.41 + 24.10 + 15.72 + 16.77 = $2959

Dengan contoh 1 kita akan coba selesaikan dengan metode Stepping

Daftar kotak kosong :

Karena X23 nilai negatifnya yang paling besar sehingga dipilh

Daftar kotak kosong :

Daftar kotak kosong :

Modified Distribution (MODI)

Dengan contoh 1, akan diselesaikan dengan MODI mengacu

Daftar kotak kosong :

Daftar kotak kosong :

Karena C’31 nilai negatifnya yang paling besar sehingga dipilh

Daftar kotak kosong :

Daftar kotak kosong :

BAB 1.1. MODEL TRANSPORTASI POLA MAKSIMUM

Pada software QSB+, dengan mudah dapat menyelesaikan masalah

2. Bentuk masalah transportasi yang baru dengan pola minimum dan

unit cost baru yaitu Cˆ ij = P − Cij

3. Tentukan fungsi sasaran yang baru yaitu;

4. Tentukan f max = ( P.∑∑ X ij ) − fˆ

Untuk lebih jelasnya, berikut ini contoh permasalahan transportasi pola

9. Selanjutnya, untuk menyeselesaikan masalah tersebut dengan pola

misalkan kita pilih P = 10 , dan diperoleh tabel baru sebagai berikut:

Langkah selanjutnya mencari solusi awal dari tabel masalah transportasi

• Solusi awal dengan VAM

f = (1× 15) + (1× 25) + (2 × 35) + (2 × 5) + (4 × 15) + (5 × 25) + (7 × 40) = 585

Dari metode Vogel Approximation diperoleh nilai f nya 585.

• Uji optimum dengan MODI

fˆ = (1× 40) + (2 × 35) + (2 × 5) + (4 × 30) + (5 × 10) + (8 × 15) + (5 × 25) = 535

= (10.(40 + 35 + 5 + 30 + 10 + 15 + 25)) − 535

Jadi nilai maksimal dari masalah transportasi contoh adalah 1065.

BAB 1.2. MODEL INVENTORI

Untuk penyelesaian akhirnya dapat diselesaikan dengan bantuan software

BAB 1.3. TRANSSHIPMENT PROBLEM

Komponen pada transshipment problem meliputi :

Ada beberapa alasan mengapa suatu pabrik dalam melakukan pendistribusian

Langkah-langkah penyelesaian transshipment problem;

Karena terjadi ketidak keseimbangan antara permintaan dan penawaran,

Dj 350 350 130 130 90 1050

Dengan menggunakan metode Vogel Approximation diperoleh nilai Z atau

BAB 1.4. ASSIGNMENT PROBLEM

Assignment problem (masalah penugasan) merupakan salah satu

xij = unit alokasi dari sumber i ke tujuan j (1 atau 0)

Dalam hal ini berlaku:

satu xij yang bernilai 1, selainnya 0.