LECTURE NOTES

ISYE6189 - Deterministic
Optimization and Stochastic
Processes

Topic 3
Transportation Problem

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 LEARNING OUTCOMES

LO2: Apply some methods and the techniques used to solve linear optimization models
using their mathematical structure

OUTLINE MATERI (Sub-Topic):

a. Transportation Model formulation

b. Assignment model formulation
c. Transhipment model formulation

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 ISI MATERI
1. Transportation Formulation

Permasalahan utama yang mungkin dihadapi oleh seorang manajer adalah bagaimana
mengalokasikan sumber daya yang langka di antara berbagai kegiatan atau proyek. Untuk
memberikan solusi terhadap permasalahan tersebut adalah menggunakan pemrograman
linear, atau LP, sebagai metode dalam mengalokasikan sumber daya secara optimal.
Programa linier merupakan salah satu alat operasi penelitian yang paling banyak digunakan
dan telah memberikan banyak bantuan dalam pengambilan keputusan di hampir semua
industri manufaktur dan organisasi keuangan dan layanan

Dalam terminologi pemrograman linear, pemrograman mengacu pada pemrograman

matematika. Dalam konteks ini, mengacu pada proses perencanaan untuk mengalokasikan
tenaga kerja sumber daya tenaga kerja, bahan, mesin, modal dengan cara yang terbaik
(optimal) sehingga biaya dapat diminimalkan atau mendapat keuntungan yang maksimal.
Pada Programa Linier, sumber daya ini disebut sebagai variabel keputusan. Kriteria untuk
memilih nilai-nilai terbaik dari variabel keputusan (misalnya, untuk memaksimalkan
keuntungan atau meminimalkan biaya) dikenal sebagai fungsi tujuan. Keterbatasan pada
bentuk ketersediaan sumber daya dikenal sebagai sekumpulan kendala atau batasan.

Salah satu aplikasi yang paling penting dan sukses dalam melakukan analisis
kuantitatif masalah bisnis untuk menyelesaikan permasalahan distribusi fisik produk, biasa
disebut sebagai metoda transportasi. Pada dasarnya, metoda ini tujuannya adalah untuk
meminimalkan biaya pengiriman barang dari satu lokasi ke lokasi lain sehingga kebutuhan
dari setiap tempat yang membutuhkan terpenuhi dan setiap lokasi pengiriman yang
beroperasi dalam memenuhi kebutuhan mempunyai kapasitas yang cukup. Namun, analisis
kuantitatif telah banyak digunakan untuk banyak masalah selain distribusi fisik barang.
Sebagai contoh, telah digunakan untuk menempatkan karyawan secara efisien pada pekerjaan
tertentu dalam sebuah organisasi. (Aplikasi ini kadang-kadang disebut masalah penugasan).

Pada pertemuan ini, pembahasan metoda transportasi akan difokuskan pertama pada
formulasi permasalahan yang dikategorikan sebagai permasalahan distribusi produk dari
sumbernya ke tujuan yang tujuan dari distribusi tersebut meminimasikan biaya
pendistribusian produk.

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Kedua, mengenal metoda yang digunakan untuk mendapatkan solusi dari permasalahan
transportasi dengan beberapa ketentuan yang melekat pawaktu menggunakan metoda
tersebut.

Secara umum permasalahan transportasi ini merupakan permasalah dari programa

linier yang berarti mempunyai model matematiknya. Adapun model matematik standar dari
permasalahan transportasi adalah sebagai berikut :
m n
Obyektif x0 =  cij xij
i =1 j =1
n
Pembatas x
j =1
ij = ai ; i = 1,2,...., m

x
i =1
ij = bj; j = 1,2,...., n

xij  0
Bentuk dari model matematik standar dari permasalah transportasi tersebut dapat
digambarkan dalam bentuk diagram trasportasinya adalah sebagai berikut :

Dalam menyelesaikan permasalahan transportasi ini, selain menggunakan model standar

matematik yang dinyatakan diatas dimana solusi optimal dapat diselesaikan dengan metoda
simpleks, ada special algoritma yang dibuat untuk menyelesaikan permasalahan transportasi.
Algoritma ini sering disebut algoritma transportasi sesuai dengan karateristik yang dimiliki.
ISYE6189 – Deterministic Optimization
and Stochastic Processes
Dengan menggunakan algoritma transportasi, memungkinkan menggunakan alat untuk
menyelesaikan permalahan transportasi, yaitu menggunakan tabel transportasi yang
digambarkan sebagai berikut:

Penjelasan gambar tabel transportasi diatas adalah sebagai berikut:

- Kolom origin merupakan kolom untuk menyatakan asal atau sumber dari produk yang
akan dikirimkan dan pada baris destnation menggambarkan tujuan dari pengiriman
produk tersebut dari asal atau sumber.
- Kolom ‘capacity of origin’ (S1, S2, dan S3) merupakan jumlah produk yang dapat
didistribusikan dari masing-masing Sumber atau asal, sedangkan baris ‘demand of
destination’ merupakan jumlah produk yang dibutuhkan oleh masing-masing tujuan
(d1, d2, d3 dan d4).
- Pada kotak Cmn (C11, C12, ….) merupakan nilai atau biaya yang dibutuhkan untuk
mengirim tiap unit produk dari sumber ke tujuan. C12 adalah biaya yang dibutuhkan
untuk mengirim satu unit produk dari sumber 1 ke tujuan 2.
- Kotak ∑𝑚 𝑛
𝑖=1 𝑆𝑖 = ∑𝑗=1 𝑑𝑗 untuk menyatakan bahwa total jumlah produk yang

didistribusikan dari tujuan harus sama dengan total jumlah yang dibutuhkan.
Ketentuan ini merupakan syarat dapat digunakannya metoda transportasi.

Sebagai contoh:

Perusahaan manufaktur mempunyai 3 gudang penyimpanan produk, yaitu S1, S2, dan S3
dengan kapasitas masing-masing 50 unit, 75 unit dan 25 unit. Produk tersebut akan
dikirimkan ke tiga distributor, yaitu: D1, D2, dan D3 dengan jumlah permintaan dari masing-
ISYE6189 – Deterministic Optimization
and Stochastic Processes
masing distributor sebesar 65 unit, 40 unit dan 45 unit. Biaya kirim dari gudang ke distributor
untuk per-unitnya terlihat pada tabel berikut:

Ke
D1 D2 D3
Dari
S1 10 8 20
S2 5 15 12
S3 15 5 100

Dari informasi diatas maka bentuk tabel transportasi dapat dibentuk seperti dibawah:

Ke
D1 D2 D3 Total
Dari
S1 50 10 8 20 50

S2 15 5 40 15 20 12 75

S3 15 5 25 10 25

Total 65 40 45 150

Dalam penyelesaian permasalahan transportasi dapat menggunakan metoda simpleks dan

juga metoda transportasi. Pada pembahasan permasalahan transportasi ini difokuskan dengan
menggunakan metoda transportasi. Dalam penggunaan metoda transportasi ini akan dibagi
dalam dua langkah yaitu:

1. Untuk mendapatkan solusi awal.

Terdapat 3 metoda untuk mendapatkan solusi awal. Solusi awal ini memaksudkan solusi
yang diperoleh dari metoda-metoda tersebut belum mendapatkan hasil yang optimal dan
perlu untuk mengolahnya lagi dengan metoda-metoda yang termasuk dalam menentukan
solusi akhir. Selain itu, untuk menggunakan metoda solusi akhir harus melalui solusi awal
dahulu. Kemungkinan pada waktu menggunakan metoda solusi awal ini sudah optimal,
tapi kondisi ini harus dipastikan dengan menggunakan metoda solusi akhir didasarkan
pada indicator yang menyatakan bahwa nilai akhir sudah optimal.
Metoda solusi awal adalah:
ISYE6189 – Deterministic Optimization
and Stochastic Processes
a. Metoda Northwest Corner.
Menggunakan metoda NWCR ini dimulai dengan mengisi kolom mulai dari kotak
pojok kiri atas sampai dengan pojok kanan bawah. Untuk lebih jelasnya dapat dilihat
pada tabel berikut berdasarkan contoh soal diatas.

Ke
D1 D2 D3 Total
Dari
S1 50 10 8 20 50

S2 15 5 40 15 20 12 75

S3 15 5 25 10 25

Total 65 40 45 150

Pada tabel transportasi terlihat angka dalam bulatan/lingkaran yang dihasilkan mulai
kotak sebelah kiri atas (S1, D1) sampai dengan kotak kanan bawah (S3, D3).
Nilai-nilai tersebut dinyatakan sebagai nilai dari variabel basis. Total biaya dengan
metoda NWCR adalah: (50 * 10) + (15 * 5) + (40 * 15) + (20 * 12) + (25 * 10) =
1665.
b. Metoda Least Cost.
Sesuai dengan nama metodanya, Least cost, maka pengisian kotak dimulai dari kotak
yang mempunyai nilai biaya terkecil. Dengan menggunakan contoh tabel yang sama
(seperti diatas) ada dua kotak yang mempunyai nilai biaya yang terkecil (5), yang
dipilih salah satu, kemudian membebankan jumlah produk sebesar-besarnya pada
kotak tersebut. Langkah berikut dapat dilakukan dengan cara.

Ke
D1 D2 D3 Total
Dari
S1 10 15 8 35 20 50

S2 65 5 15 10 12 75

S3 15 25 5 10 25

Total 65 40 45 150

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 Total biaya dengan metoda Least Cost adalah (65 * 5) + (15 * 8) + (25 * 5) + (35 *
20) + (10 * 12) = 1390.

Metode ini juga bisa dikembangkan untuk model penugasan dan transhipment

c. Metoda Vogel Approximation.

Dalam mengisi nilai pada kotak, metoda ini menggunakan nilai penalty. Nilai penalty
yaitu nilai yang diperoleh dari hasil operasi pengurangan antara nilai kedua terkecil
dikurangi nilai terkecil dari tiap kolom atau baris. Dengan menggunakan tabel
transportasi yang sama dihitung nilai penaltinya untuk kolom dan baris (lihat tabel
dibawah)
Langkah berikut memilih nilai penalty yang terbesar, dari tabel dibawah yaitu nilai 7
pada baris S2. Setelah menetapkan baris atau kolom yang mempunyai nilai penalty
terbesar, maka dilakukan alokasi produk pada kotak baris S2 pada kotak yang
mempunyai nilai biaya terkecil seoptimal mungkin. Pada tabel dialokasikan sebanyak
65 pada kotak S2D1.Selanjutnya dilakukan langkah yang sama sampai semua sudah
teralokasi.

Ke
D1 D2 D3 Total penalti
Dari
S1 10 8 20 50 2

S2 65 5 15 12 75 7

S3 15 5 10 25 5

Total 65 40 45 150

penalti 5 3 2

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Sehingga hasil akhirnya adalah sebagai berikut :

Ke
D1 D2 D3 Total penalti
Dari
S1 10 8 20 50 2 12 20
40 10
S2 5 15 12 75 7 3 3
65 10
S3 15 5 10 25 5 4 5
25
Total 65 40 45 150

penalti 5 3 2
3 10
10
Total biaya dengan metoda NWCR adalah: (65 * 5) + (40 * 8) + (10 * 20) + (10 *
12) + (25 * 10) = 1215.
Apabila dilihat dari ketiga metoda, dengan menggunakan metoda Vogel
memperoleh total biaya terkecil sebesar 1215. Apakah sudah optimal? Untuk
mengetahui nilai akhir sudah optimal perlu diuji dengan menggunakan metoda
untuk mendapatkan solusi optimal.

Metoda solusi akhir

Metoda untuk mendapatkan solusi akhir yang optimal digunakan untuk
memastikan apakah permasalahan transportasi sudah mendapatkan solusi akhir yang
optimal (total nilai biaya yang menjadi tujuan dari permasalahan transportasi sudah
terpenuhi. Syarat bahwa permasalahan transportasi sudah optimal adalah dengan
melihat variabel non basisnya sudah bernilai positif. Untuk mengetahui mana yang
disebut sebagai variabel basis dan variabel non-basis perlu diperhatikan gambar atau
tabel berikut :

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 Ke
D1 D2 D3 Total
Dari
S1 10 8 20 50
50
15
S2 5 40 12 75
15 20
S3 15 5 10 25
25
Total 65 40 45 150

Variabel Basis Variabel Non Basis

Dari gambar tersebut dapat dijelaskan secara sederhana bahwa Variabel Basis adalah
variabel yang mempunyai nilai sejumlah produk yang dialokasikan, sedangkan
Variabel Non Basis adalah variabel yang nilainya adalah nol (dalam tabel adalah
kotak yang kosong).

Kembali pada metoda untuk mendapatkan solusi akhir, ada dua metoda yang dapat
digunakan yaitu :

a. Metoda Stepping Stone.

b. Metoda MODI (UV).

Sebelum melangkah menggunakan metoda terebut ada beberapa syarat yang harus
dipenuhi tertera pada tabel transportasi, yaitu :

1. Berawal dari hasil untuk medapatkan solusi awal yang diperoleh menggunakan
NWCR, LC, dan VAM dapat ditetapkan variabel-variabel yang termasuk basis.

2. Jumlah variabel basis yang dapat digunakan untuk melanjutkan ketahapan mencari
solusi akhir adalah m + n – 1

3. Bila jumlah variabel basisnya kurang dari m + n –1, harus ditambahkan variabel basis
dengan meletakan nilai 0 pada variabel non basis dengan nilai biaya paling kecil.

4. Setelah jumlah variabel basis sesuai dengan syarat, maka dapat dilanjutkan dengan
menggunakan salah satu metoda (Stepping Stone atau Multiplier).

ISYE6189 – Deterministic Optimization

and Stochastic Processes
a. Metoda Stepping Stone.

Ke
D1 D2 D3 Total
Dari
S1 50 10 8 20 50

S2 15 5 40 15 20 12 75

S3 15 5 25 10 25

Total 65 40 45 150

• Dengan menggunakan contoh hasil dari mencari solusi awal dengan metoda
NWCR, ditetapkan 5 variabel basis (ditandai dengan lingkaran warana biru).
• Langkah berikut mencari nilai untuk variabel non basis (kotak yang belum terisi)
dengan cara sebagai berikut :
o Menetapkan nilai Var.Non Basis dengan menggunakan suatu loop, yang mulai
dari kotak var.non basis menuju ke kotak-kotak var. basis dan kembali lagi ke
kotak tersebut.
Contoh: Kotak Var. Non Basis (S1,D3) mempunyai loop sbb :
(S1,D3) → (S2,D3) → (S2,D1) → (S1,D1) → (S1,D3)
o Loop dapat bergerak searah jarum jam atau berlawanan jarum jam.

Nilai yang dituliskan pada kotak tersebut dihitung dari nilai-nilai ‘cost’ dari kotak
yang dilalui loop dengan memperhatikan tanda dari tiap kotak.

o Pada contoh, loop dimulai kotak (S1,D3) diberi tanda +, kemudian kotak
berikut tandanya -, dan seterusnya sampai kembali ke kotak awal.

o Contoh : (S1,D3) → (S2,D3) → (S2,D1) → (S1,D1) → (S1,D3)

Tandanya + → - → + → - → +

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 Ke
D1 D2 D3 Total
Dari
S1 50 10 8 + 20 50
-
S2 15 5 40 15 20 12 75
+
-
S3 15 5 25 10 25

Total 65 40 45 150

Nilai Variabel non-basis untuk (S1,D3) adalah : 20 – 12 + 5 – 10 = 3.

Penetapan nilai variabel non basis lainnya mengikuti langkah-langkah 1 sampai
5
Nilai variabel no basis lainnya adalah sebagai berikut :
Ke
Dari D1 D2 D3 Total

S1 50 10 -12 8 3 20 50
-
S2 15 5 40 15 20 12 75

S3 12 15 -8 5 25 10 25

Total 65 40 45 150

Berdasarkan tabel diatas pada dipilih kotak non basis yang mempunyai nilai paling
negative. Pada kotak (S1,D2) mempunyai nilai terkecil (-12). Hal ini berarti pada kotak
tersebut akan dialokasikan sejumlah nilai dari kotak variabel basis yang satu loop dengan
kotak variabel non basis. Kotak non basis (S1, D2) mempunyai loop (S1,D2) → (S2,D2) →
(S2,D1) → (S1,D1). Dari kotak-kotak pada loop tersebut dimulai dari kotak non basis diberi
tanda + ke kotak (S2,D2) tanda – ke kotak (S2,D1) tanda + dank e kotak (S1,D1) tanda -.
Dari kotak bertanda minus cari nilai alokasi terkecil, dalam hal ini yang bertanda minus
adalah kotak (S2,D2), (S1,D1) masing-masing mempunyai nilai 40 dan 50. Dipilih nilai 40

ISYE6189 – Deterministic Optimization

and Stochastic Processes
yang berarti nilai tersebut akan dialokasikan pada kotak non basis (S1,D2). Sedangkan kotak
lainnya yang satu loop, kotak dengan tanda – dikurangi 40 sedangkan yang bertanda +
ditambahkan 40, maka tabelnya menjadi.

Ke
Dari D1 D2 D3 Total

S1 10 10 40 8 8 20 50
-
S2 55 5 12 15 20 12 75

S3 12 15 4 5 25 10 25

Total 65 40 45 150

Iterasi untuk mendapatkan nilai optimalnya terus dilakukan berulang sampai

semua kotak non basis bernilai positif. Tabel transportasi yang sudah optimal
sebagai berikut :

Ke
D1 D2 D3 Total
Dari
S1 10 10 40 8 8 20 50

S2 55 5 12 15 20 12 75

S3 12 15 4 5 25 10 25

Total 65 40 45 150

Total biaya dari permasalahan transportasi ini (10 * 10) + (40 * 8) + (55 * 5) +
(20 * 12) + (25 * 10) = 1185

b. Metoda Multiplier (UV)

Metoda Multiplier atau UV merupakan salah satu metoda untuk mendapatkan solusi
akhir yang feasible dan optimal dari permasalahan transportasi. Metoda ini dapat
digunakan bila variabel basis sudah ditetapkan (menggunakan metoda NWCR, Least
Cost atau VAM). Apabila variabel basis telah ditetapkan, kemudian ditentukan nilai

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Ui untuk baris dan Vj untuk kolom. i = 1 … m dan j = 1… n. Tetapkan terlebih dulu
salah satu nilai Ui atau Vj sebesar 0
Dengan menggunakan contoh yang sama untuk menjelaskan metoda multiplier (UV)
ini. Perhatikan tabel transportasi dibawah ini :

U1= 0 U2 = U3 =
Ke
D1 D2 D3 Total
Dari
V1 = S1 50 10 8 20 50

V2 = S2 10 5 40 15 20 12 75

V3 = S3 15 5 25 10 25

Total 65 40 45 150

Untuk nilai awal dari Ui atau Vj dapat diberikan kepada salah satu dengan besaran
0, sebagai contoh U1 = 0. Untuk nilai yang lainnya mengikuti ketentuan sebagai
berikut :
• Nilai Ui dan Vj lainnya ditetapkan berdasarkan rumus berikut :
Ui + Vj = Cij
Cij = merupakan nilai ‘cost’
dari kotak variabel basis
Mengisi V1 → U1 + V1 = C11 → 0 + V1 = 10 → V1 = 10, C11 nilai biaya pada kotak
variabel basis
V2 → U1 + V2 = C12 → 0 + V2 = 5 → V2 = 5
U2 → U2 + V2 = C22 → U2 + 5 = 15 → U2 = 10
U3 → U3 + V2 = C32 → U3 + 5 = 12 → U3 = 7
V3 → U3 + V3 = C33 → 7 + V3 = 10 → V3 = 3

• Setelah semua nilai Ui dan Vj diperoleh, kemudian menetapkan nilai untuk

variabel non basis berdasarkan rumus :
Cij – Ui – Vj
Cij = merupakan nilai ‘cost’ pada
dari kotak variabel non basis

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Menetapkan C21 : C21 – U2 – V1 → 8 – 10 – 10 → 12
C31 : C31 – U3 – V1 → 20 – 7 – 10 → 3
C13 : C13 – U1 – V3 → 15 – 0 – 5 → 10
C23 : C23 – U2 – V3 → 5 – 10 – 3 → -8

U1= 0 U2 = 10 U3 = 7
Ke
D1 D2 D3 Total
Dari
V1 = 10 S1 50 10 ‘- 12 8 3 20 50

V2 = 5 S2 10 5 40 15 20 12 75

V3 = 3 S3 12 15 ‘-8 5 25 10 25

Total 65 40 45 150

• Bila nilai pada kotak variabel non basis ada yang negatif berarti kondisi belum
optimal, kemudian pilih nilai variabel non basis yang paling negatif.
Dari tabel diatas ada kotak (S1,D2) mempunyai nilai paling kecil berarti pada
bagian tersebut akan dialokasikan sejumlah produk. Cara yang dilakukan
seperti pada metoda Stepping Stone pada waktu mengalokasikan sejumlah unit
produk dengan membuat loop yang dimulai dari kotak yang paling minimum
(S1,D2). Hasilnya terlihat pada tabel berikut:

U1= 0 U2 = -2 U3 = 7
Ke
D1 D2 D3 Total
Dari
V1 = 10 S1 10 10 40 8 3 20 50

V2 = 5 S2 55 5 12 15 20 12 75

V3 = 3 S3 12 15 4 5 25 10 25

Total 65 40 45 150

Langkah selanjutnya menentukan dari tahapan awal lagi yaitu mencari nilai Ui, Vj
dan nilai pada kotak non-basis. Dari tabel diatas terlihat semua variabel non

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 negatifnya sudah bernilai positif. Hal ini berarti solusi sudah optimal dengan Total
biaya: (10 * 10) + (40 * 8) + (55 * 5) + (20 * 12) + (25 * 10) = 1185

2. ASSIGNMENT PROBLEM

Assignment problems atau Masalah penugasan merupakan suatu kasus khusus yang
ditemui dalam pemrograman linier. Dalam masalah penugasan, dilakukan usaha
mendelegasikan sejumlah tugas (assignment) kepada sejumlah penerima tugas (assignee)
dalam basis satu-satu. Sehingga, pada masalah penugasan ini diasumsikan bahwa jumlah
assignment harus sama dengan jumlah assignee. Dengan demikian, data pokok pertama yang
harus dimiliki dalam menyelesaikan suatu masalah penugasan adalah jumlah assignee dan
jumlah assignment. Selain data jumlah assignee dan jumlah assignment yang terlibat, data
lain yang biasa diperlukan adalah besar kerugian yang ditimbulkan atau besar keuntungan
yang didapatkan oleh setiap assignee dalam menyelesaikan setiap assignment. Sedangkan
tujuan yang ingin dicapai adalah agar menugaskan atau menjadwalkan setiap assignee pada
suatu assignment sedemikian rupa sehingga kerugian yang ditimbulkan minimal atau
keuntungan yang didapatkan maksimal.
Secara umum permasalahan transportasi ini merupakan permasalah dari programa
linier yang berarti mempunyai model matematiknya. Model assignment dan transshipment
memiliki formulasi yang sama dengan transportasi. Hanya memiliki perbedaan dalam hal
apakah variabel dalam nilai biner, integer dan kaidah lainnya. Adapun model matematik
standar dari permasalahan transportasi adalah sebagai berikut:

m n
Obyektif x0 =  cij xij
i =1 j =1
n
Pembatas x
j =1
ij = ai ; i = 1,2,...., m

x
i =1
ij = bj; j = 1,2,...., n

xij  0

Yang dimaksud dengan kerugian dalam masalah ini adalah biaya dan waktu,
sedangkan yang termasuk dalam keuntungan diantaranya adalah pendapatan, laba dan nilai
kemenangan. Dari sini terlihat bahwa secara garis besar ada dua jenis masalah assignment,
ISYE6189 – Deterministic Optimization
and Stochastic Processes
yaitu Masalah minimasi dan Masalah maksimisasi. Berikut ini adalah beberapa contoh
kegiatan yang termasuk dalam masalah assignment diantaranya:
a. Penempatan karyawan pada suatu posisi jabatan di perusahaan.
Suatu perusahaan mempunyai empat posisi jabatan yang kosong. Sang Direktur telah
mempunyai empat kandidat yang akan ditempatkan pada keempat posisi jabatan tersebut,
tetapi sang Direktur belum bisa memutuskan kandidat mana yang akan ditempatkan pada
jabatan yang mana. Dengan menggunakan data kelebihan/kekurangan dari setiap kandidat,
sang Direktur dapat menggunakan metode penugasan untuk membantunya membuat
keputusan.
b. Pembagian Wilayah Tugas Salesman
Seorang Manajer pemasaran akan menempatkan beberapa salesmannya di beberapa
wilayah pemasaran produknya. Berdasarkan data prakiraan keuntungan yang akan diberikan
oleh setiap salesman di setiap wilayah pemasaran, sang manajer dapat menjadwalkan
penugasan salesman tersebut dengan bantuan metode penugasan.

Tabulasi Masalah Penugasan

Beberapa model yang bisa digunakan dalam penyelesaian masalah penugasan
diantaranya adalah metode Hungarian. Metode ini merupakan modifikasi dari metode
transportasi yang telah dibahas sebelumnya. Untuk dapat diselesaikan dengan menggunakan
metode Hungarian ini, maka data dari masalah tersebut harus dipresentasikan dalam bentuk
tabel penugasan seperti yang terlihat pada Tabel 1.
Assignment
Assignee
1 2 ….. n
1 A11 A12 ….. A1n
2 A21 A22 ….. A2n
… … … … …

n An1 An2 ….. Ann

Langkah-langkah penyelesaian dengan metode Hungarian untuk masalah minimisasi

adalah sebagai berikut:
1. Ditentukan nilai terkecil dari setiap baris, lalu mengurangkan semua nilai dalam baris
tersebut dengan nilai terkecilnya.
ISYE6189 – Deterministic Optimization
and Stochastic Processes
2. Diperiksa apakah setiap kolom telah mempunyai nilai nol. Bila sudah dilanjutkan
kelangkah 3; bila belum, dilakukan penentuan nilai terkecil dari setiap kolom yang
belum mempunyai nilai nol, kemudian setiap nilai pada kolom tersebut dikurangkan
dengan nilai terkecilnya.
3. Ditentukan apakah terdapat n elemen nol dimana tidak ada 2 nilai nol yang berada pada
baris/kolom yang sama, dimana n adalah jumlah kolom/baris. Jika ada, maka tabel telah
optimal; jika tidak dilanjutkan ke langkah 4.
4. Dilakukan penutupan semua nilai nol dengan menggunakan garis vertikal/horizontal
seminimal mungkin.
5. Ditentukan nilai terkecil dari nila-nilai yang tidak tertutup garis. Lalu semua nilai yang
tidak tertutup garis dikurangkan dengan nilai terkecil tersebut, dan nilai yang tertutup
oleh dua garis ditambahkan dengan nilai terkecil tersebut.
6. Kembali ke langkah 3.

Sedangkan untuk Langkah-langkah penyelesaian dengan metoda Hungarian untuk

masalah maksimisasi adalah sebagai berikut:
1. Ditentukan nilai terbesar dari setiap baris, lalu mengurangkan semua nilai pada setiap
baris dari nilai terbesarnya.
2. Diperiksa apakah setiap kolom telah mempunyai nilai nol. Bila sudah dilanjutkan ke
langkah 3; bila belum, dilakukan penentuan nilai terkecil dari setiap kolom yang belum
mempunyai nilai nol, kemudian setiap nilai pada kolom tersebut dikurangkan dari nilai
terkecilnya.
3. Ditentukan apakah terdapat n elemen nol dimana tidak ada 2 nilai nol yang berada pada
baris/kolom yang sama, dimana n adalah jumlah kolom/baris. Jika ada, maka tabel telah
optimal; jika tidak dilanjutkan ke langkah 4.
4. Dilakukan penutupan semua nilai nol dengan menggunakan garis vertikal/horizontal
seminimal mungkin.
5. Ditentukan nilai terkecil dari nilai-nilai yang tidak tertutup garis. Lalu semua nilai yang
tidak tertutup garis dikurangkan dengan nilai terkecil tersebut, dan nilai yang tertutup
oleh dua garis ditambahkan dengan nilai terkecil tersebut.
6. Kembali ke langkah 3.
Contoh soal:

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 Sebuah perusahaan konstruksi memiliki 4 mesin yang terletak di 4 lokasi berbeda.
Setiap mesin akam tersebut akan digunakan ke 4 lokasi pembangunan. Jarak antara lokasi
mesin dengan lokasi pembangunan sebagai berikut:

Machine - Lokasi A B C D
I 90 75 75 80
II 35 85 55 65
III 125 95 90 105
IV 45 110 95 115

Bagaimana cara pembagian mesin tersebut ke masing masing lokasi pembangunan

agar jarak yang ditempuh minimal?

Solusi:

Langkah 1
Kurangkan masing masing baris dengan entri terkecil pada baris tersebut. Sehingga bisa
ditulis:

nilai minimal
90 75 75 80 75 15 0 0 5
35 85 55 65 35 0 50 20 30
125 95 90 105 90 35 5 0 15
45 110 95 115 45 0 65 50 70

Langkah 2

Kurangkan masing masing entri kolom dengan entri terkecil pada kolom tersebut, sehingga
bisa ditulis.

15 0 0 5
0 50 20 30
35 5 0 15
0 65 50 70

0 0 0 5

15 0 0 0
0 50 20 25
35 5 0 10
0 65 50 65

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Langkah 3

Buat garis yang menutupi entri 0 pada matriks terakhir yang anda peroleh sehingga menjadi:

15 0 0 0
0 50 20 25
35 5 0 10
0 65 50 65

Akan jadi pertanyaan bagi anda kenapa kolom 2 dan kolom 4 tidak saya beri garis. Ini karena
nol pada kolom tersebut telah dipakai/tergaris saat menggaris baris pertama.

Langkah 4

Karena banyaknya garis 3, sementara n=4, maka lanjutkan dengan langkah ke-5.

Langkah 5.

Kurangkan dengan entri terkecil yang tak tergaris masing masing baris. Perhatikan, entri
terkecil adalah 5. Jadi baris 2,3,4 masing masing entri dikurangi dengan 5.

15 0 0 0 0 15 0 0 0
0 50 20 25 5 -5 45 15 20
35 5 0 10 5 30 0 -5 5
0 65 50 65 5 -5 60 45 60

Lalu kolom yang tergaris ditambahkan ditambahkan dengan 5 dan hasilnya,

15 0 0 0
-5 45 15 20
30 0 -5 5
-5 60 45 60

20 0 5 0
0 45 20 20
35 0 0 5
0 60 50 60

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Selanjutnya kembali ke langkah 3.

Langkah 3.1

20 0 5 0
0 45 20 20
35 0 0 5
0 60 50 60

Langkah 4.1

Karena banyak garis masih saja 3 dan kurang dari n=4. Maka lanjutkan ke langkah 5.

Langkah 5.1

Entri terkecil yang tidak dikenai garis adalah 20. Baris 2 dan 4 kita kurangkan semua entrinya
dengan 20.

20 0 5 0 0 20 0 5 0
0 45 20 20 20 -20 25 0 0
35 0 0 5 0 35 0 0 5
0 60 50 60 20 -20 40 30 40

Lanjutkan dengan menambahkan 20 pada kolom yang digarisi (kolom 1).

20 0 5 0
-20 25 0 0
35 0 0 5
-20 40 30 40

40 0 5 0
0 25 0 0
55 0 0 5
0 40 30 40

Kembali ke langkah 3

Langkah 3.2

Baris dan kolom dengan entri 0 di garis:

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Langkah 4.2

Sehingga, telah didapatkan 4 garis untuk problem n=4. Artinya kita telah menemukan
penyelesaian. Kembli ke teorema dasar metode Hungarian, dimana nilai minimum pada
matriks 'di-operasikan' posisinya sama dengan posisi nilai minimum pada matriks semula.

Posisi ini dibandingkan dengan matriks semula akan ditemukan:

Jadi penempatan mesin tersebut agar jarak tempuh minimal adalah:

Machine - Lokasi A B C D
I 90 75 75 80
II 35 85 55 65
III 125 95 90 105
IV 45 110 95 115

3. Model Transshipment

Model transshipment merupakan model transportasi yang memungkinkan dilakukan

pengiriman barang secara tidak lansung, dimana barang dari suatu sumber dapat berada pada
sumber lain sebelum mencapai tujuan akhirnya. Karenanya pada masalah transshipment ini
suatu sumber dapat berperan sebagai tujuan dan sebaliknya suatu tujuan dapat berperan
sebagai sumber. Dalam model ini setiap sumber maupun tujuan dipandang sebagai titik
potensial bagi demand maupun supply. Oleh karena itu untuk menjamin bahwa tiap titik
potensial tersebut mampu menampung total barang di samping jumlah barang yang ada di
titik tersebut maka perlu ditambahkan kepada titik-titk itu kuantitas supply dan demandnya

ISYE6189 – Deterministic Optimization

and Stochastic Processes
masing-masing sebesar B. Secara formulasi sebenarnya sama dengan model formulasi
transportasi.

Sebagai ilustrasi: Jika pada alur pengiriman barang terdapat dua sumber, tiga
pengubung dan tujuan seperti terlihat pada tabel-1, tabel-2 dan gambar-1 berikut:

Tabel 1. Biaya Satuan Pengangkutan dari Kota Asal ke Kota Penghubung

Tabel 2. Biaya Satuan Pengangkutan dari Kota Penghubung ke Kota Tujuan

ISYE6189 – Deterministic Optimization

and Stochastic Processes
Dengan kendala:

Subject to:

Tabel yang digunakan untuk masalah transshipment ádalah tabel masalah transportasi
dengan menggabung table 1 dan table 2 dan memberikan biaya yang cukup besar (M) kepada
semua yang tidak mempunyai jalar transportasi, sehingga pada masalah diatas diperoleh tabel
transportasi sebagai berikut:

Tabel 4. Transpotasi Dua Sumber, Tiga Penghubung dan Tiga Tujuan

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 SIMPULAN
Permasalahan transportasi, penugasan dan transhipment merupakan berbagai
permasalahan programa linier yang bertujuan untuk mendistribusikan sejumlah produk dari
sumber produk yang mempunyai jumlah terbatas ke tujuan dari pendistribusian sesuai dengan
jumlah permintaannya dengan harapan total biaya pendistribusiannya adalah minimal. Untuk
mendapatkan solusi yang optimal permasalahan transportasi ini dapat digunakan dua cara
penyelesaian, yaitu metoda simpleks dan metoda transportasi. Pada pertemuan ini
pembahasan difokuskan pada penggunaan metoda transportasi yang mana metoda ini telah
mempunyai algoritmanya.

Metoda transportasi dikelompokkan menjadi dua kelompok didasarkan solusi yang

dihasilkan. Untuk mendapatkan solusi ini tidak hanya menggunakan salah satu metoda dari
kedua kelompok ini, akan tetapi metoda-metoda yang ada pada kelompok ini saling berurutan
dan berhubungan satu sama lain. Kedua kelompok metoda ini adalah:

a. Metoda untuk mendapatkan solusi awal, metoda yang termasuk disini adalah:
- Metoda North West Corner (NWCR).
- Metoda Least Cost (LC).
- Metoda Vogel Approximation (VAM).
b. Metoda untuk mendapatkan solusi akhir, metoda yang termasuk disini adalah:
- Metoda Stepping Stone.
- Metoda Multiplier (UV).

Dalam menggunakan metoda-metoda tersebut ada beberapa syarat yang harus dipenuhi.
Syarat tersebut adalah:

a) Setelah permasalahan distribusi diterjemahkan kedalam bentuk tabel transportasi,

perlu diperiksa apakah jumlah total produk yang akan dikirim dari sumber sama
dengan jumlah total produk. Apabila jumlah total produk pada sumber lebih besar dari
jumlah total permintaan pada tujuan, harus ditambahkan kolom tujuan dengan unit
biaya 0. Kolom tersebut merupakan kolom dummy untuk tujuan. Apabila terjadi
sebaliknya, jumlah total produk pada sumber lebih kecil dari jumlah total permintaan
pada tujuan harus ditambahkan baris untuk sumber dengan biaya unit 0. Kolom
tersebut merupakan baris dummy untuk sumber. Setelah syarat ini terpenuhi maka

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 dapat menggunakan salah satu metoda (NWCR, LC, VAM) dari kelompok untuk
mendapatkan solusi awal.
b) Setelah mendapatkan solusi awal, perlu diperiksa apakah solusinya sudah optimal
dengan memeriksa apakah variabel non basisnya sudah bernilai positif (VNB ≥ 0).
Bila sudah maka proses iterasi sudah selesai, apabila masih ada nilai variabel non
basis negative (VNB < 0) dapat dilanjutkan ke iterasi untuk mendapatkan solusi akhir.
c) Untuk memulai menggunakan salah satu metoda solusi akhir, ada syarat yang harus
dipenuhi terlebih dulu yaitu jumlah variabel basisnya harus berjumlah m+n-1, dimana
m adalah jumlah baris (sumber), n adalah jumlah kolom (tujuan). Bila jumlah variabel
basis lebih kecil dari (m+n-1), maka harus ditambahkan suatu nilai pada kotak yang
akan menjadi variabel basis yang nilainya 0.
d) Setelah syarat tersebut dipenuhi, maka dapat dilanjutkan untuk mendapatkan solusi
optimal dari permasalahan transportasi. Metoda yang digunakan dapat dipilih salah
satu dari metoda pada kelompok mendapatkan solusi akhir.

Permasalahan transportasi, penugasan dan transhipment merupakan berbagai

permasalahan programa linier yang bertujuan untuk mendistribusikan sejumlah produk dari
sumber produk yang mempunyai jumlah terbatas ke tujuan dari pendistribusian sesuai dengan
jumlah permintaannya dengan harapan total biaya pendistribusiannya adalah minimal. Untuk
mendapatkan solusi yang optimal permasalahan transportasi ini dapat digunakan dua cara
penyelesaian, yaitu metoda simpleks dan metoda transportasi. Pada pertemuan ini
pembahasan difokuskan pada penggunaan metoda transportasi yang mana metoda ini telah
mempunyai algoritmanya.

Masalah penugasan berkaitan dengan keinginan perusahaan dalam mendapatkan

pembagian atau alokasi tugas (penugasan) yang optimal. Dalam artian apabila penugasan
tersebut berkaitan dengan keuntungan, maka bagaimana alokasi tugas atau penugasan
tersebut dapat memberikan keuntungan yang maksimal, begitu pula sebaliknya jika
menyangkut biaya. Sedangkan model transshipment merupakan model transportasi yang
memungkinkan dilakukan pengiriman barang secara tidak lansung, dimana barang dari suatu
sumber dapat berada pada sumber lain sebelum mencapai tujuan akhirnya. Karenanya pada
masalah transshipment ini suatu sumber dapat berperan sebagai tujuan dan sebaliknya suatu
tujuan dapat berperan sebagai sumber.

ISYE6189 – Deterministic Optimization

and Stochastic Processes
 DAFTAR PUSTAKA
Taha, Hamdy A., (2007). Operation Research: An Introduction. 8th Edition, Pearson Prentice
Hall, New Jersey . ISBN: 0-13-188923-0

Wayne L. Winston, Munirpallam Venkataramanan. (2003). Introduction to Mathematical

Programming: Operations Research. 4th Edition. Duxbury Press. ISBN-13: 978-
0534359645

ISYE6189 – Deterministic Optimization

and Stochastic Processes