Untuk dapat menghayati penggunaan aturan NWC kita berikan matriks transportasi yang tertera di

Tabel 2.
Tabel 2

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 4 9 5 9 55

8 1 6 6 7 45

1 12 4 7 7 30

10 15 6 9 1 50

PERMINTAAN
TUJUAN PER 40 20 50 30 40 180 180
PERODE WAKTU

Penggunaan aturan NWC mengharuskan kita mengisi sel , yang terletak di sudut kiri atas. Alokasi
ditetapkan = 40 untuk memenuhi permintaan tujuan yang ternyata lebih kecil dari kapasitas . Ini berarti
bahwa permintaan tujuan D1 = 40 dipenuhi, tetapi masih memiliki (55-40) = 15 unit kapasitas yang
belum disalurkan.
 Tabel 3

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 4 9 5 9 55
40 15
8 1 6 6 7 45
5 40
1 12 4 7 7 30
10 20
10 15 6 9 1 50
10 40
PERMINTAAN
TUJUAN PER 40 20 50 30 40 180 180
PERODE WAKTU
Maka kita bergerak kekanan ke di baris pertama. Kita ketahui bahwa 15 unit dari kapasitas ,
belum terpakai, maka 15 unit kita kirimkan seluruhnya ke , sehingga sel diisi 15 unit. Kapasitas habis
terangkut, tetapi kolom masih memerlukan 5 unit (20-15) untuk memenuhi kebutuhannya. Kita
bergerak ke bawah menyusur kolom dan melengkapi 5 unit ini dari kapasitas , dan letakkan 5 unit di .

Ini mengakibatkan 40 unit dari kapasitas yang belum terpakai dan kita bergerak ke , dan letakkan
40 di sel . Permintaan 10 unit (50-10) untuk dipenuhi dari , letakknn 10 unit di sel . Kapasitas masih
tersisa 30-10 = 20 unit dan ini diangkut ke , letakkan 20 unit di sel . Keperluan masih kurang 10 unit dan
ini diambil dari kapasitas . Kapasitas masih tersisa 50-10 = 10 unit dan ini diletakkan di sel .
Program awal sudah selesai ditentukan, tetapi kita masih perlu menguji apakah memenuhi
persyaratan bahwa m + n − 1 sel harus terisi.
m+n−1=4+5–1=8
Dari Tabel 3 terlihat bahwa ada 8 sel yang terisi, maka solusi tidak "merosot". Biaya total dari
penmpatan ini adalah
40(12) + 15(4) + 5(1) + 40(6) + 10(4) + 20(7) + 10(9) + 40(1) = 1095
Sebuah solusi dasar yang memenuhi syarat dan tidak merosot telah diperoleh dengan biaya transportasi
sejumlah $1095,-

Tetapi biaya ini belum tentu optimal, dan untuk menentukan biaya optimal diperlukan langkah
dua yang masih harus dipelajari.

(2) METODE VAM (Vogel Approximation METHOD)

Metode ini didasarkan atas suatu "beda kolom" dan suatu "beda baris ” yang menentukan beda
antara dua ongkos termurah dalam satu kolom atau satu baris.
 Setiap "beda" dapat dianggap sebagai "penalti" karena tidak menggunakan rute termurah. Setelah
dilakukan perhitungan penalti sesuai metode VAM, ditentukan penalti tertinggi. Baris atau kolom
berkaitan dengan "penalti tertinggi" merupakan baris atau kolom yang akan diberi alokasi pertama.
Alokasi pertama ditempatkan pada sel dengan biaya termurah yang terdapat di baris atau kolom
yang berkaitan dengan "penalti tertinggi".
Alokasi pertama ini atau menghabiskan kapasitas tempat asal atau menghabiskan permintaan
tujuan, atau kedua-duanya. Baris atau kolom khusus yang telah dipenuhi keperluannya, dihapus dari
matriks transportasi. Proses ini diulang-ulang hingga diperoleh program awal yang menggunakan m + n
− 1 route.

Metode ini memiliki sifat yang merugikan karena banyaknya perhitungan-perhitungan yang harus
dilakukan, sebelum dicapai suatu solusi dasar yang memenuhi syarat. Walaupun demikian, penggunaan
VAM menghasilkan biaya pengangkutan yang jauh lebih murah dari apa yang diperoleh dengan metode
NWC.

Untuk memberikan penjelasan lebih lanjut tentang metode VAM akan kita gunakan tabel yang
sama, yaitu Tabel 2 yang telah digunakan untuk uraian terhadap metode NWC.

Tabel 4

DESTINATION
ORIGIN Beda Kolom
12 4 9 5 9 1

8 1 6 6 7 5

1 12 4 7 7 3

10 15 6 9 1 5

Beda Baris 7 3 2 1 6
 Tabel 5

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 4 9 5 9 55

8 1 6 6 7 45

1 12 4 7 7 30 0
30
10 15 6 9 1 50

PERMINTAAN
TUJUAN PER 40 10 20 50 30 40
PERODE WAKTU

Tabel 6

DESTINATION
ORIGIN Beda Kolom
12 4 9 5 9 1

8 1 6 6 7 5

10 15 6 9 1 5

Beda Baris 2 3 0 1 6

Tabel 7

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 4 9 5 9 55

8 1 6 6 7 45

10 15 6 9 1 50 10
40
PERMINTAAN
TUJUAN PER 10 20 50 30 40 0
PERODE WAKTU
 Tabel 8

DESTINATION Beda Kolom

ORIGIN
12 4 9 5 1

8 1 6 6 5

10 15 6 9 3

Beda Baris 2 3 0 1

Tabel 9

KAPASITAS ORIGIN PER

DESTINATION
ORIGIN PERODE WAKTU

12 4 9 5
55
8 1 6 6
45 25
20
10 15 6 9
10
PERMINTAAN
TUJUAN PER 10 20 0 50 30
PERODE WAKTU

Tabel 10

DESTINATION Beda Kolom

ORIGIN
12 9 5
4
8 6 6
0
10 6 9
3

Beda Baris 2 0 1
 Tabel 11

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 9 5
55 25
30
8 6 6
25
10 6 9
10
PERMINTAAN
TUJUAN PER 10 50 30 0
PERODE WAKTU

Tabel 12

DESTINATION
ORIGIN Beda Kolom
12 9
3
8 6
2
10 6
4

Beda Baris 2 0

Tabel 13

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 9
25
8 6
25
10 6
10 0
10
PERMINTAAN
TUJUAN PER 10 50 40
PERODE WAKTU

Tabel 14
 DESTINATION
ORIGIN Beda Kolom
12 9
3
8 6
2

Beda Baris 4 3

Tabel 15

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 9
25
8 6
25 15
10
PERMINTAAN
TUJUAN PER 10 0 40
PERODE WAKTU

Tabel 16

KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
9
25
25
6
15
15
PERMINTAAN
TUJUAN PER 40
PERODE WAKTU

Tabel 17

ORIGIN DESTINATION KAPASITAS ORIGIN PER

 12 4 9 5 9 55
25 30
8 1 6 6 7 45
10 20 15
1 12 4 7 7 30
30
10 15 6 9 1 50
10 40
PERMINTAAN
TUJUAN PER PERODE 40 20 50 30 40 180 180
WAKTU
Jumlah sel yang terisi m + n − l = 4 + 5 − 1 = 8.

Dari tabel di atas terlihat bahwa kita peroleh 8 sel yang terisi. Ini berarti bahwa solusi awal adalah solusi
dasar yang memenuhi syarat, dan masalahnya tidak merosot.

Biaya total = 9(25) + 5(30) + 8(10) + 1(20) + 6(15) + 1(30) + 6(10) + 1 (40) = $ 695

Jelas terlihat bahwa biaya total yang diperoleh dengan metode VAM jauh lebih rendah daripada
yang diperoleh dengan metode NWC.

(3) Metode Inspeksi ( Terkecil)

Dalam penyelesaian masalah transportasi, tanpa ragu-ragu kita perlukan inspeksi dan
pertimbangan. Untuk masalah transportasi berdimensi kecil hal ini akan memberikan pengurangan
terhadap waktu.

Alokasi pertama dibuat terhadap sel yang berkaitan dengan biaya pengangkutan terendah. Sel
dengan ongkos terendah ini diisi sebanyak mungkin dengan mengingat persyaratan kapasitas origin
maupun permintaan tempat tujuan. Kemudian kita beralih ke sel termurah berikutnya dan mengadakan
alokasi dengan meraperhatikan kapasitas yang tersisa dan permintaan baris dan kolomnya.
Jika terdapat adanya "ikatan" antara sel-sel termurah, kita dapat mematahkan ikatan tersebut,
atau memilih sebarang sel untuk diisi. Banyaknya sel yang terisi harus sedemikian hingga diperoleh m+n-
1 sel yang terisi.
Secara sebarang kita pilih sel untuk diisi dengan 30 unit. Ini berarti bahwa kapasitas telah
diangkut seluruhnya, dan baris dapat dihapus dari matriks transportasi.. Untuk alokasi kedua kita lihat
adanya keterkaitan antara sel dan sel . Kita pilih sebarang dan kita isi dengan 40 unit, ini sepenuhnya
mencukupi permintaan , hingga kolom dapat dicoret.
Untuk alokasi ketiga, kita mencatat bahwa sel adalah sel termurah, dan kita berii alokasi 20 unit,
sehingga kolom dapat dihapus. Dari sel yang masih tersisa, sel merupakan sel termurah dan diberi
alokasi 30 unit sehingga kolom dapat dihapus , kemudian kita perhatikan adanya "keterikatan" antara sel
dan sel , untuk alokasi kelima. Secara sebarang kita pilih dan kita isi dengan 10 unit, dan baris dapat
dihapus. Kemudian sel adalah sel termurah dan kita alokasikan dengan 25 unit, kemudian baris dicoret.
Masih tersisa 25 unit di sedangkan dan masih memerlukan 10 dan 15 unit masing-masing. Maka kita
angkut 10 unit melalui dan 15 unit melalui . Semua persyaratan "RIM" telah dipenuhi sekarang dan kita
peroleh penentuan awal disajikan pada tabel di atas. Banyaknya sel yang terisi ada 8, adalah = 4+5-1 =
8. Biaya total $705.

Tabel 18

DESTINATION KAPASITAS ORIGIN PER

ORIGIN
PERODE WAKTU
12 4 9 5 9 55 25 0

10 15 30
45 25 0
8 1 6 6 7
ke-6

20 25
30 0
1 12 4 7 7
ke-1

30
50 10 0
10 15 6 9 1
ke-5

10 40
PERMINTAAN 40 20 50 30 40
TUJUAN PER
PERODE WAKTU 10 0 40 0 0

0 15

ke-8 ke-3 ke-7 ke-4 ke-2

Biaya total ini hendaknya Anda bandingkan dengan biaya total yang dicapai dengan menggunakan
metode NWC ($ 1905) dan metode VAM ($ 695).
Akan kita rangkuro kerabali bahwa pendekatan metode transportaai didasarkan atas tiga langkah:

(1) menentukan "program awal" untuk mencapai solusi dasar yang memenuhi syarat.

(2) menentukan “biaya kesempatan" dari setiap sel kosong.

(3) memperbaiki program yang sedang berjalan untuk memperoleh program yang lebih baik, hingga
akhirnya mencapai solusi optimal.

Aplikasi dari langkah (2) dan (3) akan kami uraikan di pembahasan berikutnya. Terdapat adanya dua
metode untuk mengembangkan langkah (2) dan (3). Satu disebut metode steppingstone sedang satunya
disebut metode Modified-Distribution.

(4) Metode Steppingstone

Untuk memberikan gambaran yang jelas tentang metode Steppingstone pertama-tama akan kita
selesaikan suatu masalah transportasi yang sangat sederhana. Kemudian cara ini digunakan untuk
menurunkan solusi optimal dari suatu masalah yang lebih kompleks. Tujuan penyelesaian masalah
sederhana berikut ini ialah untuk mambiasakan pembaca dengan istilah dan dasar pemikiran yang
terkandung dalam metode Steppingstone.

Tabel 19
DESTINATION
ORIGIN Persediaan
2 2
1000

1 2
600

Permintaan 900 700

Tabel 20

DESTINATION
ORIGIN
Persediaan
2 2
1000
900 100
1 2
600
600
Permintaan 900 700

Mengikuti aturan NWC, kita peroleh program awal sebagai tertera pada Tabel 20. Program awal ini
tidak merosot karena memiliki sel terisi sejunlah m+n-1 = 2+2-1 = 3. Progran awal ini juga telah
menenuhi semua persyaratan "RIM".

Menentukan opportunity cost dari “sel kosong”

Apakah progran awal yang diperoleh seperti Tabel 20 sudah optimal? Untuk menjawab
pertanyaan ini, kita harus melakukan langkah dua, yaitu menentukan opportunity cost atau biaya
kesempatan dari sel kosong.
 Sebagai kita maklumi, model transportasi melibatkan pengambilan keputusan dengan kepastian,
maka kita sadari bahwa suatu solusi optimal tidak akan menimbulkan suatu biaya kesempatan yang
positif. Maka untuk menentukan apakah terdapat adanya suatu biaya kesempatan yang bernilai positif
dalam suatu program, kita harus menyelidiki setiap sel kosong (sel yang tidak ikut dalam jalur
pengangkutan). Jika semua sel kosong telah memiliki opportunity cost yang tidak positif, maka progran
telah optimal.
Sebaliknya jika satu sel kosong saja maniliki biaya kesempatan yang positif, maka program belum
optimal hingga perlu diperbaiki.
Marilah kita lakukan pengujian terhadap progran yang kita peroleh sebagai berikut.

Tabel 21

DESTINATION
ORIGIN

2 2
-1 +1

1 2
+1
-1
Ambillah 1 unit dari : −1

Tambahkan 1 unit ke : +1

Ambillah 1 unit dari : −1

Tambahkan 1 unit ke : +1

Dalam program ini jelas bahwa sel kosong, dan kita ingin menentukan apakah ada biaya
kesempatan berkaitan dengan sel ini. Ini dilakukan dengan memindahkan 1 unit barang ke sel , yang
mengakibatkan penggeseran lainnya untuk memenuhi persyaratan RIM, kemudian kita tentukan biaya
berkaitan dengan penindahan ini.
Marilah kita geser 1 unit dari sel ke sel . Penggeseran ini mengakibatkan perubahan-perubahan
untuk mempertahankan persyaratan RIM. Perubahan-perubahan ini berkaitan dengan biaya berikut ini
−2 + 1 − 2 + 2 = −1 dollar
Kenyataan bahwa pemindahan 1 unit ke sel menghasilkan perubahan biaya -1 dollar,
menunjukkan bahwa opportunity cost karena tidak mengikut-sertakan sel di program pertama adalah
+1 dollar per unit pengiriman. Sel kosong harus diikut-sertakan dalam program baru yang diperbaiki .

Memperbaiki Program

Tabel 22: Program pertama

 DESTINATION
ORIGIN

2 2
900 100

1 2
600

Tabel 23: Program Perbaikan dengan 1 Pemindahan

DESTINATION
ORIGIN

2 2
899 101

1 2
1 599

Menyadari bahwa opportunity cost dari sel adalah positif, maka program ini harus diperbaiki
untuk memperoleh solusi dasar baru yang manenuhi syarat. Ini dilakukan dengan merancang program
perbaikan di mana sel diikutsertakan dalam strategi pengangkutan. Marilah kita adakan peningkatan
dengan mengangkut 1 unit dari sel ke sel .

Program yang telah diperbaiki terlihat pada tabel program perbaikan. Pergeseran 1 unit dari sel ke
sel berarti bahwa tersisa 599 unit di sel , tetapi pergeseran apapun yang dilakukan tetap tidak boleh
melanggar persyaratan RIM. Setelah pergeseran maka sel terisi 1 unit dan sel hanya berisi 599 unit.
Untuk manenuhi persyaratan RIM, maka dari sel digeser 1 unit ke sel , sehingga dalam program
perbaikan menunjukkan bahwa sel berisi 899 unit dan sel berisi 101 unit.

Perubahan dalam program yang dipengaruhi oleh pergeseran 1 unit ke sel ' menurunkan biaya
pengangkutan sebanyak $1. Selanjutnya, karena pergeseran 1 unit dari sel ke memberikan keuntungan
$1, kita harus menggeser sebanyak mungkin unit dari sel ke .

Mengamati data yang ada, kita tidak dapat menggeser lebih dari 600 unit ke tanpa melanggar
persyaratan RIM.

Tabel 24
 DESTINATION Persediaan
ORIGIN
2 2
1000
300 700
1 2
600
600
Permintaan 900 700

Pergeseran 600 unit ke menghasilkan Tabel 24, yang merupakan solusi dasar yang lebih baik. Apakah
program ini sudah optimal? Untuk mengetahui jawaban atas pertanyaan ini harus kita selidiki
opportunity cost dari sel kosong .

Pergeseran 1 unit ke sel dengan pengambilan dari mengakibatkan perubahan ongkos sebesar

+2 − 1+2 − 2 = +1

Opportunity cost karena tidak melewatkan melalui sel adalah −1. Maka Tabel 24 adalah optimal
dengan biaya pengangkutan

300(2) + 700(2) + 600(1) = $ 2600.-

Tidak ada program lain kecuali program Tabel 24 dapat memberikan biaya pengangkutan lebih
murah dari program ini.

Marilah kita rekapitulasi kembali metode penyelesaian masalah transportasi.

Pertama : kita susun suatu solusi dasar yang memenuhi syarat dengan menerapkan salah satu metode
dalam langkah satu, yaitu NWC, VAM, atau Inspeksi.

Kedua : setelah memperoleh solusi dasar yang memenuhi syarat, kita melangkah untuk menentukan
opportunity cost dari sel-sel kosong.

Ketiga : kalau tidak ada sel kosong satu pun yang memiliki opportunity cost positif, maka program
sudah optimal. Kalau masih ada sel kosong yang memiliki opportunity cost yang positif,
program belum optimal, dan perbaikan harus diadakan dengan mengikut-sertakan sel
kosong dengan opportunity cost tertinggi ke dalam program perbaikan.

Prosedur yang diuraikan di atas merupakan inti dari Metode Steppingstone. Walaupun masalah
transportasi yang telah kita selesaikan diwakili hanya oleh sebuah matriks 2×2, Metode Steppingstone
dapat digunakan untuk setiap matriks berukuran m×n.

Andaikan kita harus menangani masalah transportasi berukuran 4×5, berarti memiliki 20 sel. Untuk
program awal yang memenuhi syarat, akan dijumpai 8 sel terisi, sedang 12 sel lainnya kosong. Jika
program awal perlu diperbaiki, kita perbaiki program dengan mengikut sertakan sel kosong yang
memiliki biaya kesempatan tertinggi, hanya satu sel diikutsertakan dalam program baru, setiap kali
program harus diperbaiki.

Untuk memperoleh gambaran yang lebih jelas tentang metode steppingstone akan kita tunjukkan
penerapannya pada suatu masalah yang lebih besar.

Langkah 1: Mempeholeh Solusi Awal yang Memenuhi Syarat

Suatu solusi awal yang memenuhi syarat untuk suatu masalah transportasi dapat diperoleh dengan
menggunakan aturan NWC, metode VAM atau metode Inspeksi yang sederhana.

Akan kita tampilkan kembali suatu masalah transportasi yang telah Anda kerjakan di bagian awal,
sehingga Anda telah mengenal tabelnya yang diberikan berikut ketiga program awal yang diperoleh
dengan metode NWC, metode VAM maupun metode Inspeksi.

Kita gunakan masalah yang memiliki data sebagai tertera pada Tabel 2. Di antara tiga program
awal yang telah diperoleh kita pilih program awal yang diperoleh metode Inspeksi.

Tabel 25

DESTINATION
ORIGIN KAPASITAS
12 4 9 5 9 55
10 15 30
8 1 6 6 7 45
20 25
1 12 4 7 7 30
30
10 15 6 9 1 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Bermula dari Tabel 25 ini ingin kita peroleh solusi optimal dengan menggunakan steppingstone.
Jumlah sel isi seharusnya ada m+n-1 = 4+5-1 = 8. Memang ada 8 sel terisi isi, berarti solusi awal tersebut
memenuhi persyaratan.

Langkah 2: Menentukan Opportunity Cost dari Sel-sel Kosong.

Dalam metode steppingstone sebuah Loop tertutup dilengkapi dengan tanda “+” dan “−“ harus
ditentukan untuk setiap sel kosong sebelum opportunity cost bersangkutan dihitung. Program awal kita
memiliki 12 sel kosong, maka harus digambar 12 loop tertutup yang berbeda
 Opportunity cost berkaitan dengan setiap sel kosong dihitung, dan hasilnya tertera pada Tabel 26.

Ternyata sel merupakan satu-satunya sel kosong dengan opportunity cost positif. Maka sel harus diikut
sertakan dalam program perbaikan.

Langkah 3: Memperbaiki suatu Program

Program awal belum optimal karena masih memiliki sel kosong yang memiliki opportunity cost bernilai
positif. Sekarang kita perbaiki program dengan mengikut sertakan dalam program baru. Tidak
diperlukan adanya pemilihan karena sel adalah satu-satunya sel dengan opportunity cost bernilai positif.
Perbaikan program awal diarahkan oleh loop tertutup dari sel kosong. Karena 10 adalah bilangan
terkecil dalam sel bertanda negatif dalam loop, maka sebanyak 10 unit ditambahkan pada sel bertanda
positif dan dikurangkan dari sel bertanda negatif.

Sel Opportunity
Loop Tertutup Perubahan Biaya Tindakan
Kosong Cost

+4-9+6-1= 0 0 Tak berpengaruh

+9-1+6-9=+5 -5 Tak ikut dalam perbaikan

+8-12+9-6=-1 +1 Hrs ikut dalam perbaikan

+6-5+9-6=+4 -4 Tak berpengaruh

+7-6+6-1=+6 -6 Tak berpengaruh

+12-1+12-9+6-1=+19 -19 Tak berpengaruh

+4-9+12-1=+6 -6 Tak berpengaruh

+7-5+12-1=+13 -13 Tak berpengaruh

+7-1+6-9+12-1=+14 -14 Tak berpengaruh

+10-12+9-6=+1 -1 Tak berpengaruh

+15-1+6-6=+14 -14 Tak berpengaruh

+9-6+9-5=+7 -7 Tak berpengaruh

 Tabel 26

Program Awal

DESTINATION
ORIGIN
12 4 9 5 9 55
10 15 30 KAPASITAS

8 1 6 6 7 45
20
25

1 12 4 7 7 30
30
10 15 6 9 1 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Tabel 27

Program Perbaikan

DESTINATION
ORIGIN KAPASITAS
12 4 9 5 9 55
25 30
8 1 6 6 7 45
10 20 15
1 12 4 7 7 30
30
10 15 6 9 1 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Pertanyaan berikutnya: Apakah program perbaikan merupakan soluai optimal? Untuk menjawab
pertanyaan ini kita harus raengulangi Langkah 2, sebagai dijelaakan sebelumnya. Jika seandainya
Langkah 2 menunjukkan solusi yang belum optimal, kita harus raengulangi Langkah 3, yaitu
memperbaiki program.
Program dichek kembali dan seterusnya hingga akhirnya tercapai suatu aolusi optimal.

Metode “MODI”

Modified distribution method, dikenal sebagai rnetode MODI, sangat mirip dengan metode
steppingstone kecuali bahwa ia menyajikan cara yang lebih efisien uituk menghitung tanda-tanda
peningkatan dari sel-sel yang kosong. Perbedaan utama antara dua metode ini menyangkut langkah
dalam penyelesaian masalah, di mana diperlukan adannya suatu lintasan tertutup. Untuk menghitung
penunjuk peningkatan suatu solusi khusus, maka dalam metode steppingstone perlu digambar suatu
lintasan tertutup untuk setiap sel kosong. Ditentukan sel kosong dengan opportunity cost tertinggi,
kemudian dipilih untuk ikut dalam program perbaikan berikutnya.

Dalam metode MODI penunjuk peningkatan dapat dihitung tanpa menggambar lintasan tertutup.
Dalam kenyataannya metode MODI memerlukan hanya satu lintasan tertutup.. Lintasan ini digambar
setelah sel kosong yang memiliki opportunity cost tertinggi positif diketemukan. Seperti dalam metode
steppingstone. Kegunaan lintasan ini ialah untuk menentukan jumlah unit maksimum yang dapat
dipindahkan ke sel kosong dalam program perbaikan berikutnya. Maka, prosedur untuk menghitung
opportunity cost dari sel kosong dalam MODI tidak tergantung pada lintasan loop tersebut.

Mekanisme dan kerangka pemikiran metode MODI akan kita gambarkan dengan penyelesaian
masalah transportasi yang sederhana sederhana sebagai berikut:

Tabel 28

DESTINATION
ORIGIN Persediaan
2 2
1000
1 2
600

Permintaan 900 700

Tabel 29

DESTINATION
ORIGIN Persediaan
2 2
1000
900 100
1 2
600
600
 Permintaan 900 700

Melakukan langkah pertama menggunakan NWC diperoleh solusi awal tertera pada Tabel 29.
Penggunaan steppingstone untuk menguji keoptimalan program awal sesuai Tabel 29 menunjukkan
bahwa kosong memiliki opportunity cost +1, sehingga program masih memerlukan perbaikan.
Metode lain untuk mencapai kesimpulan yang sama ialah melalui penentuan tentang apa yang
disebut implied cost dari sel kosong. Pengertian dari implied cost akan kita jelaskan dengan kaitannya
dengan masalah transportasi. Dalam program awal ini sel adalah satu-satunya sel kosong. Kita dapat
menghitung perubahan harga karena pengangkutan 1 unit barang melalui sel kosong sebagai berikut:
− + − = −2+2−2= −2
Berapapun biaya pengangkutan per unit barang melalui sel kosong , adalah jelas bahwa pergeseran
tersebut diinginkan hanya jika perubahan biaya total ( − 2) adalah negatif. Nilai ini akan negatif selama
biaya sebenarnya dari kurang dari 2. Biaya limit atas yang telah dihitung dari sel (dalam program ini
adalah 2), yang jika melebihi limit, maka keikutsertaan sel dalam program perbaikan tidak diinginkan.
Dengan perkataan lain, jika biaya pengangkutan sebenarnya yang melalui lebih besar dari $2 per unit,
pergeseran tersebut tidak diinginkan. Sebaliknya, jika biaya pengangkutan sebenarnya kurang dari $2
per unit, pergeseran diinginkan dan sel harus diikut sertakan dalam program berikutnya.

Implied cost dari sel kosong adalah $2 per unit.

Sebagai telah kita ketahui terlebih dahulu, negatif dari perubahan biaya total diakibatkan karena
pergeseran 1 unit barang ke sel kosong memberikan opportunity cost berkaitan dengan sel kosong
tersebut. Untuk sel ,

Opportunity cost = − (perubahan biaya total)

= − ( − 2) = 2 −

dengan adalah biaya sebenarnya dari pengiriman per init barang melalui sel . Tetapi, seperti baru saja
kita hitung, implied cost karena tidak menggunakan sel adalah $2 per unit.

Substitusi dari biaya pengiriman sebenarnya melalui sel , yaitu $1 dan implied cost yang telah dihitung
dari sel ke dalam pernyataan di atas menghasilkan 2-1 = +1 dollar.
Nilai ini sama dengan opportunity cost dan sel yang telah kita ketemukan dengan observasi
langsung dari perubahan biaya yang disebabkan oleh pergeseran 1 unit barang ke dalam sel kosong .
Kesamaan ini berlaku untuk setiap sel kosong, dan kita nyatakan kembali:
Opportunity cost = implied cost - ongkos sebenarnya.
 Pertanyaan berikutnya ialah: Dapatkah kita menentukan implied cost dari sebuah sel kosong tanpa
menggambarkan lintasan loop terlebih dahulu?
Jika seandainya ini mungkin, kita akan menyusun kerangka utama dari metode MODI, karena kemudian
kita dapat mengurangkan biaya sebenarnya dari implied cost sel kosong yang telah dihitung tanpa
menggambar lintasan loop tersebut dahulu.
Marilah kita perhatikan kembali program awal Tabel 29 yang memenuhi syarat. Dalam program ini
ada 3 sel terisi. Dalam istilah program linear, ini berarti bahwa tiga variabel dari empat variabel adalah
variabel basis. Dapat diingat kembali dari metode simpleks bahwa opportunity cost dari variabel basis
dalam program awal adalah nol.
Sesuai itu dapat ditunjukkan bahwa dalam kasus masalah transportasi, opportunity dari setiap sel
terisi (sel berisi variabel basis} adalah nol. Dengan perkataan lain, jika variabel basis tidak akan diubah,
maka pemasukan dan pemindahan 1 unit di sebarang sel terisi tidak akan mengakibatkan perubahan
biaya. Sekarang, kita tentukan sekumpulan bilangan baris (ditempatkan di sebelah paling kanan) dan
sekunpulan bilangan kolom (ditempatkan di bawah setiap kolom dari tabel) sedemikian rupa sehingga
biaya pengangkutan per unit dari setiap sel terisi sama dengan jumlah dari bilangan baris dan bilangan
kolom.
Selanjutnya, karena jumlah bilangan baris dan bilangan kolom dari sebarang sel terisi sama dengan
biaya dari sel tersebut (suatu variabel basis), maka jumlah bilangan baris dan bilangan kolom dari setiap
sel kosong memberikan implied cost dari sel kosong tersebut. Maka implied cost dari sebarang sel
kosong diberikan oleh

Maka dengan menentukan bilangan baris dan bilangan kolom secara lengkap, kita dapat menghitung
implied cost untuk setiap sel kosong tanpa menggambar lintasan loop, Jelas, sekarang harus kita
tanggulangi masalah penentuan bilangan baris dan bilangan kolom.
Untuk setiap sel terisi, kita harus memilih (bilangan baris) dan (bilangan kolom) sehingga (biaya
pengangkutan sebenarnya per unit di sel terisi) sama dengan jumlah dari dan . Misalkan untuk sel terisi
yang terletak di baris 1 dan kolom 1, maka dan dan seterusnya. Proses ini harus dilakukan untuk setiap
sel terisi. Tetapi harap disadari bahwa walaupun solusi dasar yang memenuhi syarat dalam suatu model
transportasi terdiri atas m + n − 1 variabel (dengan perkataan lain, terdapat m + n − 1 sel terisi), kita
harus menentukan m + n nilai untuk memperoleh sekumpulan bilangan baris dan kolom yang lengkap.
Maka, untuk menentukan semua bilangan baris dan kolom, harus dipilih satu bilangan sebarang yang
mewakili suatu baris atau suatu kolom.
 Sekali suatu bilangan baris atau kolom telah dipilih secara sebarang, bilangan baris dan bilangam
kolom lainnya dapat ditentukan oleh hubungan = + .
Hubungan ini harus berlaku untuk semua sel yang terisi. Karena sebarang bilangan dapat dipilih
untuk mewakili salah satu dari atau , kita akan mengikuti secara praktis dengan memisalkan = 0.
Prosedur ini dapat langsung diterapkan pada Tabel 29 dan diperoleh Tabel 30 sebagai berikut:

Tabel 30

DESTINATION
ORIGIN Bilangan Baris
2 2
0
900 100
1 2
0
2 600
Bilangan Kolom 2 2

= +
2 = 0 +  =2
= +
2 = 0 +  =2
= +
2 = +2  =0

Sekarang akan kita hitung opportunity cost dari sel kosong .

Opportunity cost = implied cost - biaya sebenarnya

Untuk sel berlaku

Opportunity cost =

= (0 + 2) – 1 = +1 dollar.

Program ini belum optimal karena sel kosong masih memiliki opportunity cost yang bernilai positif.
Proses yang telah kita lakukan akan kita rangkum untuk dapat memberikan gambaran yang lebih
jelas tentang apa yang telah kita kerjakan.
 Tabel 31

Implied cost Biaya Sebenarnya Tindakan

Sel kosong ini dapat diikutsertakan
>
dalam program
= Tidak berpengaruh

Sel kosong ini jangan diikutsertakan

<
dalam program

Jika implied cost () dari suatu sel kosong lebih besar dari biaya sebenarnya (). maka sel koaong ini dapat
diikutsertakan dalam perbaikan program berikutnya. Jika implied cost () dari suatu sel kosong kurang
dari biaya sebenarnya (), maka sel kosong ini jangan diikutsertakan. Jika () = , maka sel kosong ini tidak
berpengaruh terhadap perbaikan program.

Singkatnya, untuk menilai dan meningkatkan suatu program di mana tujuannya ialah
meminimumkan fungsi obyektif, maka aturan yang tertera pada Tabel 31 berlaku.

Untuk suatu masalah transportasi dengan tujuan memaksimumkan fungsi obyektif, tanda dari
pertidaksamaan pada Tabel 31 harus dibalik.

Langkah terakhir dalam metode MODI persis sama seperti langkah berkaitan dalam metode
steppingstone. Setelah mengenali sel kosong yang memiliki opportunity cost terbesar positif, sel kosong
ini harus diikutsertakan dalam program perbaikan dan sebuah lintasan tertutup harus digambar untuk
sel ini.
Solusi dasar yang baru dan memenuhi syarat diturunkan dari program awal dengan menggeser unit
barang sebanyak mungkin ke dalam sel kosong tanpa melanggar persyaratan "RIM".

Tabel 32

DESTINATION
ORIGIN
2 2
900 100

1 2

600

Tabel 33

ORIGIN DESTINATION
 2 2
300 700
1 2
600

Untuk menentukan apakah program perbaikan ini sudah optimal harus kita tentukan opportunity cost
dari sel kosong .

Tabel 34

DESTINATION
ORIGIN Bilangan Baris
2 2
0
300 700
1 2
-1
600
Bilangan Kolom 2 2

= +  =2
2 = 0 +
= +
2 = 0 +  =2
= +
1 = +2  = -1

Perhitungan Opportunity cost untuk sel kosong dilakukan sebagai berikut:

Implied cost = + = -1 + 2 = 1
Biaya sebenarnya = = +2
Opportunity cost dari sel kosong = implied cost - actual cost
= +1  2 = 1
Satu-satunya sel kosong dalam program memiliki opportunity cost -1, maka program sudah
optimal.
Untuk jelasnya metode MODI akan kita terapkan pada masalah yang sudah kita kenal
dalam kegiatan belajar sebelumnya, yaitu yang tertera di Tabel 35.

Tabel 35
 DESTINATION
ORIGIN KAPASITAS
12 4 9 5 9 55
10 15 30
8 1 6 6 7 45
20 25
1 12 4 7 7 30
30
10 15 6 9 1 50
10 40

PERMINTAAN 40 20 50 30 40 180 180

Apa yang tertera pada Tabel 35 merupakan program awal yang diperoleh pada langkah pertama dengan
menggunakan metode Inspeksi.

Langkah 2: Menentukan opportunity cost dari sel kosong untuk mengkaji keoptimalan program awal
tersebut di atas (Tabel 6.35). Kita gunakan MODI dalam langkah 2 ini.

= +
12 = 0 +  = 12
= +
9 = 0 +  =9
= +
5 = 0 +  =5
= +
6 = +9  = -3
= +
1 = + 12  = -11
= +
1 = -3 +  =4
= +
6 = +9  = -3
= +
1 = -3 +  =4

Dengan perhitungan bilangan baris dan bilangan kolom ini dapat disusun Tabel 9 yang diperlukan
oleh metode MODI untuk menghitung opportunity cost dari setiap sel kosong.

Tabel 36

ORIGIN DESTINATION BILANGAN BARIS

 12 4 9 5 9 0
10 4 15 30 4
8 1 6 6 7 -3
9 20 25 2 1
1 12 4 7 7 -11
30 -7 -2 -6 -7
10 15 6 9 1 -3
9 1 10 2 40

BILANGAN KOLOM 12 4 9 5 4

Bilangan tanpa lingkaran dalam suatu sel kosong menunjukkan implied cost dari sel kosong
tersebut. Sebagai kita ketahui, maka

Opportunity cost = implied cost - actual cost

Perhitungan opportunity coat untuk tiap-tiap sel kosong menunjukkan bahwa hanya sel kosong
yang memiiiki opportunity coat bernilai positif, yaitu 9-8 = +1. Maka program ini belum optimal dan
perlu perbaikan dengan mengikut sertakan sel kosong .

Langkah 3: Perbaikan Program

Lintasan loop untuk sel kosong digambar dan program diperbaiki. Loop tersebut menghubungkan sel-
sel → → → dan banyaknya barang yang digeser dan dilibatkan sel adalah 10 unit. Perbaikan program
menghasilkan Tabel 37

Tabel 37

DESTINATION
ORIGIN BILANGAN BARIS
12 4 9 5 9 0
11 4 25 30 4
8 1 6 6 7 -3
10 20 15 2 1
1 12 4 7 7 -10
30 -6 -1 -5 -6
10 15 6 9 1 -3
8 1 10 2 40

BILANGAN KOLOM 11 4 9 5 4

Selanjutnya harus kita tentukan bilangan baris dan bilangan kolomnya:

 = +
9 = 0 +  =9
= +
5 = 0 +  =5
= +
6 = +9  = -3
= +
8 = -3 +  = 11
= +
1 = -3 +  =4
= +
1 = + 11  = -10
= +
6 = +9  = -3
= +
1 = -3 +  =4

Mengurangi bilangan tanpa lingkaran dalam sel kosong dengan biaya sebenarnya, menunjukkan
bahwa tidak ada satu sel kosong pun yang memiliki opportunity cost positif. Maka soluai yang tertera di
Tabel 37 adalah optimal dengan biaya

25(9) + 30(5) + 10(8) + 20(1) + 15(6) + 30(1) + 10(6) + 10(9) = $ 1015

Ringkasan Prosedur Modi (Kasus Minimum)

Langkah 1: Memperoleh solusi dasar yang msnenuhi syarat.

Metode yang digunakan NWC, VAM atau Inspeksi. Harus di|diperoleh sel terisi.

Jika jumlah sel terisi melebihi m + n  1 maka solusi mengalami kemerosotan.

Langkah 2: Menentukan opportunity cost dari setiap sel kosong

a. Tentukan bilangan baris dan bilangan kolom secara lengkap.

b. Untuk setiap sel terisi berlaku ambillah = 0

c. Hitunglah implied cost dari setiap sel kosong

Implied cost = bilangan baris + bilangan kolom

d. Tentukan opportunity cost dari setiap sel kosong.

 Opportunity cost = .

Jlka semua sel kosong memiliki opportunity cost tidak positif, maka solusi sudah
optimal. Jika masih ada sel kosong yang memiliki opportunity cost positif, program
masih dapat diperbaiki.

Langkah 3: Merancang peningkatan program.

Sel kosong yang memiliki opportunity cost positif terbesar diikutsertakan dalam progran
perbaikan.

a. Gambarlah suatu loop melalui sel kosong tersebut menuju sel-sel terisi kemudian
kembali lagi ke sel kosongnya.

b. Beri tanda “+” pada sel kosong yang akan diisi, kemudian berganti-ganti letakkan
tanda “+” dan “−” pada sel-sel terisi yang dilalui loop.

c. Banyaknya barang yang harus digeser ditentukan oleh alokasi terendah dari sel yang
bertanda “−”.

Langkah 4: Ulangi langkah 2 dan 3 sampai diperoleh program yang optimal.

Prosedur Modi (Kasus Maksimum)

Kecuali untuk satu transportasi, suatu masalah transportasi dengan tujuan menentukan nilai
maksimum dari suatu fungsi, dapat diselesaikan dengan algoritma MODI seperti telah dijelaskan.

Transpormasi dilakukan dengan mengurangkan semua dari tertinggi dari matriks transportasi.
Nilai yang telah mengalami transformasi memberikan biaya relevan, dan masalah menjadi masalah
menentukan minimum. Jika suatu solusi optimai telah dicapai untuk masalah transformasi minimum ini,
nilai dari fungsi obyektif dapat dihitung dengan memasukkan nilai asli dari ke dalam route yang
merupakan basis (sel terisi) dalam solusli optimal.

4. Persediaan dan Permintaan tidak Seimbang

Penyeleaaian masalah transportasi telah dibahas dalam modul 6 dan modul 7. Dalam kedua modul
tersebut, masalah transportasi yang kita hadapi selalu memenuhi persyaratan "RIM" untuk baris
maupun kolom sehinga

Perayaratan ini muatahil selalu dapat dipenuhi, karena masalah yang timbul dalam keadaan sehari-hari
adalah justru dari bentuk
Maka kita perlu menentukan langkah-langkah penyelesaian jika ternyata deman dan persediaan tidak
seimbang.
Lebih dari itu, mungkin kita dihadapkan pada suatu masalah transportasi yang mengalami
kemerosotan.
Untuk mampu menangani masalah transportasi dengan kemeroaotan, perlu ditentukan langkah-
langkah tertentu.
Untuk menyelesaikan masalah transportasi dengan menggunakan langkah-langkah yang telah
dibahas sebelumnya, harus kita usahakan agar jumlah persediaan sama dengan jumlah permintaan.
Ada kemungkinan akan timbulnya 3 kasus:
Kasus 1:
Dalam kasus ini jumlah persediaan sama dengan jumlah permintaan. Masalah ini dapat disusun dalam
bentuk matriks, berikut data biaya yang relevan, dan algoritma transportasi dapat diterapkan secara
langsung untuk memperoleh suatu penyelesaian.
Kasus 2:
Dalam kasus ini kapasitas tempat asal melebihi permintaan tempat tujuan.
Suatu tujuan yang dummy dapat ditambahkan kepada matriks untuk menyerap kelebihan
kapasitas. Biaya pengangkutan dari setiap tempat asal ke tujuan yang dummy ini dimisalkan nol.
Penambahan tujuan dummy ini akan menimbulkan kesamaan antara jumlah kapasitas dan jumlah
permintaan. Setelah persyaratan RIM dipenuhi, maka masalah ini dapat diselesaikan dengan metode
transportasi yang telah kita bicarakan terlebih dahulu.
Contoh:
Tabel 38

KAPASITAS

5 3 2
200

6 4 1
400

PERMINTAAN
200 200 150 550 600

Tabel 6.38 ini menunjukkan suatu masalah transportasi yang tidak seimbang, karena = 600 dan = 550.
Jelas . Agar dapat memenuhi persyaratan RIM maka diciptakan adanya dummy tujuan dengan biaya
pengangkutan nol, seperti diperlihatkan pada tabel berikut.

Tabel 38a
 KAPASITAS
DUMMY

5 3 2 0
200

6 4 1 0
400

PERMINTAAN
200 200 150 50 600 600

Barang sebanyak 50 unit kelebihan dikirim ke tujuan dummy yang dalam penerapannya dapat dianggap
sebagai gudang penyimpanan atau diberikan sebagai hadiah ke suatu badan instansi. Dengan
penambahan tujuan dummy maka talah dipenuhi persyaratan RIM, sehingga penyelesaian selanjutnya
dapat menggunakan langkah-langkah yang telah ditentukan dalam penanganan "model transportasi".
Kasus 3:
Dalam kasus ini kapasitas total dari tempat asal kurang dari jumlah permintaan. Diperlukan suatu
dummy tempat asal yang dapat ditambahkan pada matriks transportasi untuk mengimbangi kelebihan
deman. Biaya pengangkutan dari tempat pengiriman dummy ke setiap tempat tujuan dimisalkan nol.
Penambahan dari suatu tempat asal dummy dalam hal ini mengakibatkan kesamaan antara kapasitas
total dari tempat asal dan permintaan total dari tempat tujuan.

Tabel 39

KAPASITAS

5 3 2
200

6 4 1
400

PERMINTAAN
300 200 150 650 600

Tabel 39a
 KAPASITAS

5 3 2
200

6 4 1
400

0 0 0
DUMMY 50

PERMINTAAN
300 200 150 650 650

Sehingga persyaratan RIM dengan sendirinya dipenuhi. Tabel 39 dan Tabel 39a memberikan illustrasi
yang jelas tentang apa yang telah kita hadapi. Dalam penerapan dummy tempat asal dapat diartikan
meminjam dari toto sebelah untuk memenuhi permintaan.

Contoh:
Diberikan contoh masalah berikut ini uituk meroperoleh gambaran yang lebih jelas tentang penyelesaian
masalah transportasi yang tidak seimbang ()
Tabel 40

Proyek
A B C Kapasitas
Pabrik
4 8 8
X 76

16 24 16
Y 82

8 16 24
Z 77

Deman 72 102 41 215 235

Sebelum kita menerapkan langkah pertama dalam penyelesaian ini, perlu diusahakan dipenuhinya
persyaratan RIM terlebih dahulu, yaitu dengan menentukan tujuan dummy. Menggunakan aturan NWC
untuk melakukan langkah pertama, diperoleh program I dengan biaya pengangkutan sebesar
72 ($4) + 4 ($8) + 82 ($24) + 16 ($16) + 41 ($24) + 20 ($0) = $ 3528
 Tabel 40a
Program I

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0 76
X
72 4
16 24 16 0 82
Y
82 +16
8 16 24 0 77
Z
16 41 20

Deman 72 102 41 20 235 235

Masih perlu diselidiki lebih lanjut apakah program I ini sudah optimal. Menggunakan aturan MODI kita
hitung opportunity cost setiap sel kosong, menghasilkan bahwa sel XC memiliki opportunity cost tertinggi
yaitu +16. Langkah berikutnya ialah membuat lintasan loop melalui sel-sel +XC - YC + YB - XB. Jumlah
barang yang harus digeser adalah 41. Perbaikan program menghasilkan program II yang masih harus
diselidiki lebih lanjut.

Tabel 40b
Program II

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0 76
X
72 4
16 24 16 0 82
Y
41 41 +8
8 16 24 0 77
Z
57 20
 Deman 72 102 41 20 235 235

Penyelidikan sel-sel kosong menggunakan aturan MODI menunjukkan bahwa sel XD memiliki
opportunity cost terbesar yaitu +8. Maka program harus diperbaiki dengan mengikut sertakan2 sel XD.
Dirancang lintasan loop tertutup melalui sel-sel +XD – YD + YB- XB, dan barang yang harus digeser
sejumlah 20 unit.
Perbaikan program II menghasilkan program III sebagai berikut:

Tabel 40c
Program III

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0 76
X
72 4
16 24 16 0 82
Y
+4 21 41 20
8 16 24 0 77
Z
+4 77

Deman 72 102 41 20 235 235

Sekali lagi program III dlselidiki apakah telah optimal, menggunakan aturan MODI. Perhitungan
opportunity cost untuk setiap sel kosong menghasilkan bahwa sel XA memiliki opportunity cost +4 dan
sel YA juga memiliki opportunity cost +4. Salah satu dari sel ini kita ikut sertakan dalam perbaikan
program, marilah kita tentukan bahwa sel YA akan ikut dalam perbaikan program. Selanjutnya perlu
dlgambarkan lintasan loop tertutup melalui sel-sel +YA – WA + WB – YB dengan menggeser 72 unit
barang. Perbaikan program III menghasilkan Program IV.

Tabel 40d
Program IV

Proyek
A B C Dummy Kapasitas
Pabrik
4 8 8 0
X 76
 76
16 24 16 0 82
Y
21 41 20
8 16 24 0 77
Z
72 5

Deman 72 102 41 20 235 235

Menggunakan metode MODI kita selidiki lagi opportunity cost dari setiap sel kosong. Ternyata tidak ada
sel kosong yang memiliki opportunity cost positif, maka program IV adalah optimal dengan biaya
pengangkutan sejumlah:

76($8) + 21($24) + 41($16) + 20($0) + 72($8) + 5($16) = $ 2424.

5. Kemerosotan Masalah Transportasi

Telah dijelaskan terlebih dahulu bahwa suatu penyelesaian dasar yang memenuhi syarat untuk
suatu masalah transportasi terdiri atas m + n – 1 variabel basis. Ini berarti bahwa banyaknya sel terisi
dalam suatu program transportasi satu kurang dari jumlah baris dan kolom dalam matriks transportasi.
Jika jumlah sel terisi kurang dari m + n – 1, maka masalah transportasi disebut merosot.
Kemerosotan dalam masalah transportasi dapat dikembangkan dengan dua cara.
Pertama, masalah mengalami kemerosotan pada waktu program awal disusun melalui salah satu
dari metode langkah pertama. Untuk menangani kemerosotan semacam ini, kita dapat memberi alokasi
suatu jumlah barang yang kecil sekali (mendekati 0) terhadap salah satu atau lebih dari sel-sel kosong,
sehingga jumlah sel isi menjadi m + n – 1.
Barang sejumlah kecil ini disebut  (epsilon), dan sel yang kita beri alokasi  menjadi sel terisi.
Jumlah barang sebanyak  demikian kecilnya, sehingga pengurangan atau penambahan terhadap suatu
jumlah barang tidak mengubah bilangannya. Misalkan 60 +  = 60 dan 100   = 100, dan    = 0.
Timbulnya kemerosotan selama program awal akan dijelaskan dengan masalah transportasi berikut ini.

Tabel 41 Data Masalah Transportasi

Kapasitas

2 1 2 20
20
3 4 1 40
 15 25

Permintaan 20 15 25

Kedua, masalah tranaportaai dapat merosot selama tahap penyelesaian. Hal lni terjadi jika
keikutaertaan sel kosong yang memiliki opportunity cost tertinggi mengakibatkan kekosongan dua sel
atau lebih di antara sel-sel yang ikut dalam program. Untuk menangani kasus kemerosotan semacam ini
harus ditempatkan  pada satu atau lebih sel koaong.
Kasus 1. Kemerosotan pada Penempatan Awal
Mengikuti aturan NWC diperoleh penempatan awal seauai Tabel 41a.
Tabel 41a

Kapasitas

2 1 2 20
20 
3 4 1 40
15 25
Permintaan 20 15 25

Program awal ini memiliki sel terisi sejumlah 3, sedang m + n − 1 = 2 + 3 − 1 = 4. Maka program
awal ini mengalami kemerosotan. Kita dapat memecahkan masalah ini dengan menempatkan  di
sebarang sel kosong. Kalau masalah ini menentukan nilai minimum, maka  ditempatkan di sel kosong
yang memiliki biaya terendah, dan  kita tempatkan di sel .
Jumlah sel terisi sekarang 4 dan ini sama dengan m + n − 1, berarti program tidak mengalami
kemerosotan. Selanjutnya kita gunakan MODI untuk menyelidiki keoptimalan program ini. Sekarang
harus ditentukan terlebih dahulu bilangan baris dan bilangan kolom.

Tabel 41b

Bilangan
Baris
2 1 2
0
20  −2
3 4 1
3
5 15 25
Biangan
2 1 −2
Kolom

Sel kosong memlliki implied cost = 5, sehingga opportunity cost = 5 − 3 = 2. Program ini belum
optimal karena opportunity cost = 2. Untuk itu, program ini harus diperbaiki dengan mengikut sertakan
sel dalam penyelesaian seperti ditampilkan pada Tabel 41c.
 Tabel 41c

Kapasitas

2 1 2 20
20 
− +
3 4 1 40
15 25
+ −
Permintaan 20 15 25

Tabel 41d

Kapasitas

2 1 2 20
5 15
3 4 1 40
15 25
Permintaan 20 15 25

Loop tertutup pada Tabel 41c menunjukkan bahwa paling banyak 15 unit dapat digeser ke sel .
Maka diperlukan pengambilan 15 dari dan dari dan penambahan 15 unit pada sel . Perlu diperhatikan
bahwa 15 +  = 15, sehingga sel diberi alokasi 15 unit dalam pergeseran ini. Program perbaikan
ditampilkan oleh Tabel 41d, dan program ini tidak merosot karena jumlah sel terisi adalah 4. Langkah
selanjutnya Anda proses sebagai masalah transportasi yang sudah lazim.
Telah kita amati bahwa penempatan  pada sebarang sel kosong, telah memungkinkan kita untuk
menentukan suatu kumpulan bilangan baris dan bilangan kolom yang unik. Hal ini benar jika
penyusunan program awal dilakukan dengan cara NWC. Tetapi jika program awal disusun dengan
metode lain, kita tidak dapat menempatkan  di sembarang sel kosong, karena kita tidak mampu
menentukan suatu himpunan bilangan baris dan kolom yang unik. Akan kita berikan suatu contoh
masalah transportasi untuk memberikan gambaran yang jelas tentang apa yang dimaksudkan.

Tabel 42 Tabel 42a

 Total Total

2 4 1 2 4 1
40 40
40
6 3 2 6 3 2
50 50
30 20
4 5 6 4 5 6
20 20
20
3 2 1 3 2 1
30 30
30
5 2 5 5 2 5
10 10
10
Total 50 60 40 Total 50 60 40

Suatu masalah transportasi memiliki data-data sebagai tertera pada Tabel 42. Penempatan awal
menggunakan cara Inspeksi menghasilkan program awal yang diperlihatkan pada Tabel 42a.
Jumlah sel terisi ada 6 sedangkan m + n – 1 = 5 + 3 – 1 = 7. Maka program ini mengalami
kemerosotan. Pemilihan terhadap sel kosong harus dilakukan dengan sangat hati-hati, karena kalau
kebetulan kita pilih sel kosong , dan dan  kita tempatkan di salah satu sel tersebut, kita akan mampu
menentukan sekumpulan bilangan baris dan bilangan kolom yang unik. Di lain pihak, tambahan  pada
salah satu dari sel-sel , , , , dan tidak memungkinkan kita untuk menyelesaikan masalah kemerosotan
serta menentukan sekumpulan bilangan baris dan bilangan kolom yang unik.
Penanganan selanjutnya klta serahkan pada Anda sekalian. Sekali sekumpulan bilangan baris dan
bilangan kolom dapat dltentukan secara unik, langkah-langkah selanjutnya dalam masalah transportasi
dapat dilakukan.
Kasus 2. Kemerosotan Selama Tahap Penyelesaian
Diberikan Tabel 43 dan Tabel 43a yang merupakan masalah transportasi dan program awalnya
yang diperoleh dengan cara NWC.
Tabel 43

Total

4 3 1 2 6
40

5 2 3 4 5
30

3 5 6 3 2
20

2 4 4 5 3
10

Total 30 30 15 20 5

Tabel 43a: Program Awal

Total

4 3 1 2 6
40
30 10
5 2 3 4 5
30
20 10
3 5 6 3 2
20
5 15
2 4 4 5 3
10
5 5
Total 30 30 15 20 5

Maka program awal tidak merosot, tetapi belum tentu optimal. Sekarang perlu dlselidikl
keoptimalan program awal ini. Dengan MODI kita selidiki opportunity cost dari sel-sel kosong yang ada.
Tentukan terlebih dahulu bilangan baris dan bllangan kolom. Ada beberapa sel kosong termasuk yang
memiliki opportunity cost positif. Marilah kita coba mengikut sertakan sel kosong dalam program
perbaikan. Sesuai yang ditunjukkan oleh loop tertutup, pergeseran ini memindahkan 10 unit ke sel
dalam program baru. Program yang dihasilkan ditunjukkan oleh Tabel 43b berikut ini. Program baru ini
memiliki sel isi sebanyak 7, sedangkan m + n − 1 = 8. Maka program ini mengalami kemerosotan.
Kemerosotan timbul selama dalam tahap penyelesaian, maka sejumlah  harus ditempatkan di sel yang
baru saja dikosongkanr yaitu sel atau . Pembaca dapat memeriksa bahwa dalam kasus ini, sekumpulan
bilangan baris dan bilangan kolom dapat ditentukan hanya jika  ditempatkan di salah satu dari sel-sel
kosong , , , , , atau . Mengingat bahwa masalah yang dihadapi adalah kasus mencari nilai minimum, kita
harus menempatkan  di sel yang paling rendah biayanya. Terdapat adanya kaitan antara sel dan , maka
 kita tentukan di sel . Dengan penempatan  di sel ini diperoleh 8 sel terisi dan kita mulai dapat
menentukan bilangan baris dan bilangan kolom.

Tabel 43b

Total Bilangan Baris

4 3 1 2 6 40 0
30 10 4
− + 1 -1

5 2 3 4 5 30 -1
20 10
3 + − 0 -2

3 5 6 3 2 20 2
6 5 5 15 1
2 4 4 5 3 10 4
8 7 8 5 5
Total 30 30 15 20 5
Bilangan
4 3 4 1 -1
Kolom

Sel kosong dengan opportunity cost tertinggi adalah sel . Dengan loop tertutup melalui seperti
yang dilukiskan pada Tabel 43c menunjukkan bahwa sejumlah 5 unit dapat digeser dari sel untuk
mengisi sel .

Tabel 43c
 Total Bilangan Baris

4 3 1 2 6 40 0
 30  + 10 -2 -4
5 2 3 4 5 30 -1
3 30 0 -3 -5
3 5 6 3 2 20 5
9 8  5 15 + 1
2 4 4 5 3 10 7
+ 11 10 8  5 5
Total 30 30 15 20 5
Bilangan
4 3 1 -2 -4
Kolom

Tabel 43d

Total Bilangan Baris

4 3 1 2 6 40 0
 30  15 + 7 5
5 2 3 4 5 30 -1
3 30 0 6 -4
3 5 6 3 2 20 -4
0 -1 -3 20 + 1
2 4 4 5 3 10 -2
+ 5 1 -1   5
Total 30 30 15 20 5
Bilangan
4 3 1 7 5
Kolom

Program setelah perbaikan ditunjukkan pada Tabel 6.43d. Sel terisi ada 7 sedang . Program pada
Tabel 43d ini mengalami kemerosotan lagi. Kita letakkan  di sel sehingga jumlah sel isi ada 8 lagi.
 Perhitungan bilangan baris dan bilangan kolom menunjukkan bahwa sel memiliki oppurtunity cost
tertinggi. Maka kita lukis loop tertutup melalui sel . Ternyata hanya sejumlah  unit barang dapat digeser
dan program perbaikan adalah sebagai berikut:

Tabel 43e

Total Bilangan Baris

4 3 1 2 6 40 0
 25  15 +  5
5 2 3 4 5 30 -1
3 30 0 1 4
3 5 6 3 2 20 1
5 4 2  20 +
2 4 4 5 3 10 -2
+ 5 1 -1 0  5
Total 30 30 15 20 5
Bilangan
4 3 1 2 5
Kolom

Perhitungan opportunity cost menunjukkan bahwa sel kosong harus diikutsertakan dalam
program perbaikan sejumlah 5 unit harus digeser dari sel untuk mengisi sel . Pergeseran ini
menghasilkan Program 5.
Penyelidikan terhadap Program 5 menunjukkan bahwa program tersebut belum optimal dan sel
harus diikut sertakan dalam program baru. Loop tertutup yang dilukis melewati sel menunjukkan bahwa
sejumlah 15 unit dapat digeser dari sel untuk mengisi sel . Perbaikan Program 5 menghasilkan Program
6 yang tertera pada Tabel 6.43g. Program 6 tidak merosot kerena memiliki sel isi sejumlah 8. Bilangan
baris dan bilangan kolom untuk Program 6 perlu ditentukan untuk dapat menyelidiki keoptimalan
Program 6 ini. Dari perhitungan opportunity cost dari setiap sel kosong dapat diambil kesimpulan bahwa
Program 6 adalah optimal. Ini ditandai dengan tidak adanya sel kosong yang memiliki opportunity cost
yang positif.

Tabel 43f
 Total Bilangan Baris

4 3 1 2 6 40 0
 20  15 + 5 1
5 2 3 4 5 30 -1
3 30 0 1 0
3 5 6 3 2 20 1
+ 5 4 2  15 5
2 4 4 5 3 10 -2
+ 10 1 -1 0 1
Total 30 30 15 20 5
Bilangan
4 3 1 2 1
Kolom

Tabel 43g

Total Bilangan Baris

4 3 1 2 6 40 0
5  15 + 20 1
5 2 3 4 5 30 -1
3 30 0 1 0
3 5 6 3 2 20 1
15 4 2 3 5
2 4 4 5 3 10 -2
10 1 -1 0 -1
Total 30 30 15 20 5
Bilangan
4 3 1 2 1
Kolom
Pilihan terhadap Solusi Optimal dari Masalah Transportasi