MAKALAH

PENUGASAN
Disusun untuk memenuhi Tugas Mata Program Linier
Dosen Pengampu : Darta, S.Pd., M.Pd./ Thesa Kandaga, S.Si., M.Pd.

KELOMPOK 2 :

Rida Norma 195050003

Rany Nur Amalia 195050003

Anggi Dwi Rahmadhani 195050015

Emellia Giantbechtie Inggoesti 195050017

Amelia Fazriyah 195050028

Nadiya Ahsani Salsabilla 195050030

PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS PASUNDAN

2022
 KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, akhirnya kami
dapat menyelesaikan makalah ini. Dengan itikad baik kami menulis makalah ini dalam
rangka untuk memenuhi tugas Program Linier dengan pembahasan “PENUGASAN”.
Makalah ini dapat diselesaikan tepat pada waktu yang telah ditentukan. Diharapkan dalam
makalah ini pembaca mampu memperkaya materi dan mampu menerapkan dan
mengaplikasi pengetahuan yang diperoleh dalam makalah ini.

Dalam penyusunan makalah ini kami menyadari bahwa kemungkinan masih

adanya kekurangan dan kesalahan, oleh karena itu kepada semua pihak sangat terbuka
untuk menerima saran, masukan dan kritikan untuk menyempurnakan makalah ini.

Akhir kata, kami mengharapkan semoga makalah ini bermanfaat bagi kalian yang
membaca dan mempelajari khususnya bagi mahasiswa yang ingin menambah informasi
dan pengetahuan di bidang program linier khususnya penugasan.

Bandung, Juni 2022

Tim Penulis

i
 DAFTAR ISI

KATA PENGANTAR ..................................................................................................... i

DAFTAR ISI ................................................................................................................... ii
BAB I PENDAHULUAN ............................................................................................... 1
1.1 Latar Belakang ........................................................................................................ 1
BAB II PEMBAHASAN ................................................................................................ 3
2.1 Penugasan Seimbang dengan Algoritma Hongaria ................................................ 3
2.2 Penugasan untuk Masalah Maksimum ................................................................... 5
2.3 Penugasan Tidak Seimbang .................................................................................... 7
2.4 Masalah Penugasan dengan Excel Solver ............................................................... 9
BAB III PENUTUP ...................................................................................................... 14
3.1 Kesimpulan ........................................................................................................... 14
3.2 Saran ..................................................................................................................... 14
DAFTAR PUSTAKA ................................................................................................... 15

ii
 BAB I

PENDAHULUAN
1.1 Latar Belakang
Pemrograman Linier merupakan metode matematik dalam mengalokasikan
sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan
keuntungan dan meminimumkan biaya. Pemograman linear banyak diterapkan
dalam masalah ekonomi, industri, militer, social dan lain-lain. Pemograman linear
berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu model
matematik yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala
linier.

Permasalahan penugasan (Assignment) merupakan kasus dari persoalan

program linier dengan tujuan untuk mencari keuntungan maksimum dengan biaya
seminimum mungkin. Permasalahan penugasan (Assignment) kerap kali ditujukan
pada permasalahan ekonomi, militer, sosial, dan lain-lain dengan sumber daya
Yang minim. Sumber daya dapat berupa uang, tenaga kerja, bahan mentah,
Kapasitas mesin, waktu, ruangan atu teknologi. Model penugasan (Assignment)
pada awalnya dikenal sebagai Hungarian Method. Istilah ini dikenal untuk
mengabadikan D. Konig, ahli matematika asal Hungaria yang pertama kali
mengembangkan model ini pada tahun 1916. Di dalam perkembangannya, model
ini lebih banyak diterapkan pada masalah-masalah pemberian tugas atau pekerjaan
kepada karyawan sehinggga model ini dikenal pula dengan istilah Assignment atau
penugasan.

Assignment problem adalah suatu masalah mengenai pengaturan pada individu

(objek) untuk melaksanakan tugas (kegiatan), sehingga dengan demikian biaya
yang dikeluarkan untuk pelaksanaan penugasan tersebut dapat diminimalkan.
Keterbatasan manusia dalam memberikan solusi tanpa alat bantu merupakan salah
satu kendala dalam mengoptimalkan solusi yang ada. Apalagi jika harus
menganalisis dan memilih ratusan atau bahkan ribuan objek beban agar sesuai
dengan kapasitas daya angkut media transportasi. Efisiensi dalam penggunaan
waktu juga menjadi pertimbangan dalam mendapatkan solusi yang optimal. Oleh
karena itu dibutuhkan suatu metode yang dapat membantu perusahaan transportasi

1
 2

dalam penyelesaian permasalahan penugasan. Salah satu dalam menyelesaikan

persoalan ini adalah algoritma Brute Force, di mana dalam algoritma ini seluruh
kemungkinan solusi diperhitungkan sebagai kandidat solusi. Dan algoritma
penyelesaiannya menggunakan kompleksitas faktorial. Tentu saja hal ini sangat
menggunakan resource yang besar dan penyelesaian dengan metode ini menjadi
tidak efisien.

Alternatif lain dalam menyelesaikan masalah assignment ini adalah dengan

menggunakan algoritma Hungarian. Algoritma Hungarian adalah salah satu
algoritma yang digunakan untuk menyelesaikan persoalan masalah assignment.
Versi awalnya, yang dikenal dengan metode Hungarian, ditemukan dan
dipublikasikan oleh Harold Kuhn pada tahun 1955. Algoritma ini kemudian
diperbaiki oleh James Munkres pada tahun 1957. Oleh karena itu, algoritma ini
kemudian dikenal juga dengan nama algoritma Kuhn-Munkres. Algoritma yang
dikembangkan oleh Kuhn ini didasarkan pada hasil kerja dua orang matematikawan
asal Hungaria lainnya, yaitu Denes Konig dan Jeno Egervary. Keberhasilan Kuhn
menggabungkan dua buah penemuan matematis dari Jeno Egervary menjadi satu
bagian merupakan hal utama yang menginspirasikan lahirnya Algoritma
Hungarian. Dengan menggunakan algoritma ini, solusi optimum sudah pasti akan
ditemukan. Namun untuk hal ini, kasusnya dibatasi, yaitu bila ingin menemukan
solusi terbaik dengan nilai minimum (least cost search). Keuntungan terbesar
penggunaan algoritma Hungarian adalah kompleksitas algoritmanya yang
polinomial. Metode yang digunakan dalam algoritma Hungarian dalam
memecahkan masalah sangat sederhana dan mudah dipaham
 BAB II

PEMBAHASAN
2.1 Penugasan Seimbang dengan Algoritma Hongaria
Masalah penugasan dapat dinyatakan secara matematis dalam suatu bentuk linear
programming untuk meminimumkan atau memaksimumkan. Dengan batasan dan di
mana adalah tetapan yang telah diketahui. Masalah maksimasi selain diterapkan pada
kasus minimasi, metode Hungarian dapat pula diterapkan untuk kasus maksimasi, di
mana elemen-elemen matriks menunjukkan tingkat keuntungan (indeks produktivitas)
(Kuhn, 2010). Masalah maksimasi adalah suatu permasalahan di mana kita akan
memaksimumkan tingkat keuntungan dari setiap pekerjaan yang akan ditugaskan pada
setiap pekerjaan. Untuk memenuhi persyaratan suatu matriks segi empat bujur sangkar,
agar metode Hungarian dapat diterapkan, bila terdapat jumlah pekerjaan lebih besar dari
jumlah karyawan, maka harus ditambahkan suatu karyawan semu (dummy worker).
Biaya semu adalah sama dengan nol, karena tidak akan terjadi biaya bila suatu pekerjaan
ditugaskan ke karyawan semu. Atau dengan kata lain, karena sebenarnya pekerjaan
tersebut tidak dilaksanakan. Sebaliknya, bila jumlah karyawan lebih besar dari jumlah
pekerjaan, maka harus ditambahkan suatu pekerjaan semu (dummy job) (Dutta & Pal,
2015).

Untuk lebih mudah memahami, marilah kita perhatikan contoh masalah berikut:

Contoh 7.1

Sebuah perusahaan yang berada di tiga kota yaitu Banjarmasin, Solo, dan Denpasar,
memerlukan tenaga ahli untuk menyelesaikan pekerjaan tertentu. Ketiga ahli itu berada
di Jakarta, Surabaya, dan Makassar. Biaya ketiga orang ahli adalah seperti tabel berikut.

Tabel 7.1 Penugasan Ahli Berdasarkan Asal dan Tujuan

Tujuan
Banjarmasin Solo Denpasar
Asal Ahli Jakarta 30 36 40
Surabaya 20 25 29
Ujung Pandang 27 24 22

3
 4

Untuk menyelesaikan masalah ini, akan digunakan sebuah metode yang disebut
dengan metode Hongaria, Langkah-langkah menyelesaikan masalah penugasan dengan
algoritma Hongaria adalah sebagai berikut:

1. Mengurangi setiap baris dengan bilangan terkecil di baris tersebut, sehingga kita
peroleh tabel berikut:

0 6 10
0 5 9
5 2 0
2. Selanjutnya dikurangi dengan bilangan terkecil menurut kolom-kolomnya, sehingga
diperoleh tabel berikut:

0 4 10
0 3 9
5 0 0
3. Selanjutnya dibuat garis sesedikit mungkin menurut baris atau kolom sehingga
menutup semua bilangan nol (0).

0 4 10
0 3 9
5 0 0

Dalam contoh di atas terdapat dua garis, kedua garis tersebut menandakan terdapat
dua penugasan unik, padahal kita memerlukan tiga penugasan unik untuk menyelesaikan
permasalahan tersebut. Apabila dikembalikan kepada konteks masalah, tabel tersebut
berarti ahli dari Kota Jakarta atau Surabaya dapat ditugaskan ke Banjarmasin, dan ahli
dari Kota Ujung Pandang dapat ditugaskan ke Kota Solo atau Denpasar. Namun tentunya
penugasan ini menyisakan kota dan ahli yang tidak tertugaskan secara optimal
(disimbolkan dengan angka 0 pada tabel).

4. Mengurangi semua bilangan yang tidak tertutup garis dengan bilangan terkecil dari
bilangan-bilangan yang tidak tertutup garis tersebut, dan menambahkan bilangan
terkecil tersebut kepada persilangan di antara garis penutup.
Pada masalah di atas, diperoleh tabel berikut:
 5

0 1 7
0 0 6
8 0 0
Dari tabel di atas, bagaimanapun caranya mencoret bilangan nol, paling sedikit
diperlukan tiga buah garis Pencoretan dengan cara apapun merupakan hasil yang
memiliki tingkat optimalisasi yang sama.

5. Langkah selanjutnya, memilih sel nol untuk setiap baris atau kolom. Caranya jalah
ada dua, yaitu menurut baris atau menurut kolom. Pilih sel yang baris/ kolom yang
bilangan nolnya hanya satu (paling sedikit). Kemudian buang baris dan kolom pada
sel yang terpilih. Ulangi pemilihan sel nol ini untuk setiap baris atau kolom.

0 1 7
0 0 6
8 0 0
Dari tabel di atas, misalnya kita memilih 0 pada sel 𝑥11 , sehingga baris 1 dan kolom
1 dicoret dari pemilihan berikutnya. Lalu kita memilih sel 𝑥22 sehingga baris 2 dan
kolom 2 dicoret dari pemilihan berikutnya. Kemudian kita memilih sel 𝑥33 sehingga
semua ahli telah tertugaskan dan semua kota akan terdapat ahli yang ditugaskan, yaitu
ahli dari Jakarta ditugaskan ke Kota Banjarmasin, ahli dari Surabaya ditugaskan ke
Kota Solo,dan ahli dari Ujung Pandang ditugaskan ke Kota Denpasar. Penugasan
tersebut memiliki biaya optimum sebesar = 30 + 25 + 22 = 77.

2.2 Penugasan untuk Masalah Maksimum

Selain untuk masalah minimasi, metode Hongaria juga dapat digunakan untuk
menyelesaikan penugasan pada masalah maksimum. Penyelesaian masalah maksimum
dengan Metode Hongaria tidak jauh berbeda dengan masalah minimasi. Perbedaannya
hanya terletak pada pengurangan dengan bilangan terkecil dari baris dan kolom diubah
menjadi pengambilan selisih dari bilangan terbesar dari baris dan kolomnya. Kemudian
diselesaikan dengan cara yang serupa dengan masalah minimasi (Jaskowski & Tomczak,
2014)

Contoh 7.2 :

Sebuah sekolah hendak mengirimkan siswa-siswi terbaiknya untuk mengikuti

olimpiade internasional. Terdapat tiga cabang olimpiade yang dibuka, yaitu cabang
 6

kejuaraan matematika, fisika, dan informatika. Setelah melakukan penyeleksian yang

ketat, sekolah tersebut menetapkan tiga siswa terbaik untuk mengikuti kegiatan tersebut.
Sayangnya, nilai ketiga siswa dalam ketiga mata pelajaran tersebut juga bersaing ketat,
sehingga sekolah kesulitan menentukan cabang yang mereka ikuti agar dapat
mendapatkan siswa terbaik yang ikut. Nilai siswa tersebut pada tiap mata pelajaran
adalah sebagai berikut.

Tabel 7.2 Tabel nilai siswa calon peserta olimpiade

Olimpiade
Matematika Fisika Informatika
Siswa A 100 95 90
Siswa Siswa B 100 90 90
Siswa C 90 90 95
Penyelesaian :

1. Langkah pertama adalah mengambil nilai terbesar tiap siswa kemudian mencari
selisihnya dengan nilai lain pada siswa (baris tersebut).

0 5 10
0 10 10
5 5 0
2. Pada penugasan dengan masalah maksimasi, tidak perlu mengambil selisih untuk tiap
kolom, kita langsung membuat garis sesedikit mungkin yang memuat bilangan nol.

0 5 10
0 10 10
5 5 0
3. Kemudian, sama dengan Langkah pada masalah penugasan minimum, yaitu
mengurangkan dengan nilai terkecil di antara nilai yang tidak tertutup garis dan
menjumlahkannya dengan bilangan pada persilangan dua garis.

0 0 5
0 5 5
10 5 0
4. Penugasan telah optimum karena telah terdapat minimal tiga garis untuk menutup
semua nilai nol, sama dengan jumlah baris atau kolomnya. Kesimpulan optimumnya
 7

adalah, siswa A ditugaskan mengikuti olimpiade fisika, siswa B ditugaskan untuk

mengikuti olimpiade matematika, dan siswa C ditugaskan mengikuti olimpiade
informatika.

2.3 Penugasan Tidak Seimbang

Seperti hanya masa;lah transportasi, masalah penugasan bisa saja tidak seimbang, di
mana suplai lebih besar daripada kebutuhan atau sebaliknya kebutuhan lebih banyak
daripada suplai. Masalah penugasan juga bisa memiliki penugasan yang dilarang seperti
pada masalah transportasi (Bariasti & Lestari, 2017). Kedua kondisi unik tersebut
diselesaikan dengan prosedur yang sama dengan masalah transportasi, yaitu
menggunakan variabel dummy dan mengalokasikan bilangan besar-M untuk penugasan
yang dilarang (Betts & Vasko, 2016). Berikut ini contoh yang menampilkan keduanya.

Contoh 7.3

Misalkan, sebuah kota kecil memiliki lima sekolah menengah keatas terbaik. Untuk
mengatasi kemacetan lalu lintas dan mengurangi biaya perjalanan siswa menuju
sekolahnya, pemerintah kota akan membuat peraturan dalam pembagian wilayah siswa
dengan sekolah. Pada tabel dibawah ini menampilkan kondisi tersebut.

Tabel 7.3 Waktu Tempuh dan Populasi pada Suatu Kota

Waktu Tempuh Rumah - Sekolah (menit)
Daerah Populasi Siswa
SMA 1 SMA 2 SMA 3
Kota Bagian Utara 20 30 35 220
Kota Bagian Barat 35 20 30 310
Kota Bagian Timur 50 45 35 270
Kota Bagian Selatan 60 75 55 315
Andaikan semua populasi siswa tersebut dapat diterima di lima sekolah di kota itu,
dan SMA 1 tidak diperbolehkan menerima siswa dari Kota Bagian Utara dikarenakan
ketidaktersediaan jalur kendaraan umum, tentukan alokasi pembagian sekolah terhadap
daerah diatas untuk waktu tempuh minimal.

Penyelesaian

Terlihat bahwa masalah tersebut merupakan masalah penugasan yang tidak seimbang.
Kita buat daerah dummy pada kota tersebut dan ubah waktu tempuh dari Kota Bagian
Utara ke SMA 1 menjadi bilangan besar-M.
 8

Semakin banyak siswa yang menuju suatu sekolah tertentu dapat berakibat juga waktu
tempuh yang semakin bertambah. Oleh karena itu, kita buat tabel dengan terlebih dahulu
megalikan populasi siswa terhadap waktu tembuh seperti tabel berikut ini.

Tabel 7.4 Populasi Waktu Tempuh

Waktu Tempuh Rumah - Sekolah (menit)

Daerah
SMA 1 SMA 2 SMA 3 Dummy
Kota Bagian Utara M 6600 7700 0
Kota Bagian Barat 10850 6200 9300 0
Kota Bagian Timur 13500 12150 9450 0
Kota Bagian Selatan 18900 23625 55 0
Kemudian kita selesaikan dengan metode Hongaria, yaitu dengan mengurangi setiap
baris dengan nilai terkecil pada baris tersebut.

M 6600 7700 0
10850 6200 9300 0
13500 12150 9450 0
18900 23625 17325 0
Kemudian mengurangkan setiap kolom dengan nilai terkecil pada kolom tersebut.

M-10850 400 0 0
0 0 1600 0
2650 5950 1750 0
8050 17425 9625 0
Dengan membuat garis sesedikit mungkin agar setiap nol tertutup, kita dapatkan tiga
garis untuk menutupi nilai nol, seperti berikut.

M-10850 400 0 0
0 0 1600 0
2650 5950 1750 0
8050 17425 9625 0
Berikutnya, kurangi sel yang tidak dicoret garis dengan bilangan terkecil diantara sel-
sel tersebut, kemudian tambahkan bilangan terkecil tersebut pada tiap persilangan dua
garis.
 9

M-10850 400 0 1750

0 0 1600 1750
900 4200 0 0
6300 15675 7875 0
Hanya saja pada tahap ini, kita masih dapat membuat tiga garis paling sedikit untuk
menutup angka nol yang belum sama dengan jumlah baris atau kolom, sehingga ulangi
langkah pengurangan dengan bilangan terkecil pada bilangan yang tidak tercoret garis.

M-10850 0 0 1750
0 0 2000 2150
500 3800 0 0
5900 15675 7875 0
Kali ini kita dapat garis minimal untuk mencoret sel dengan isi bilangan nol sebanyak
empat garis, artinya proses sudah selesai dan didapatkan tabel penugasan optimum,
dengan penugasan seperti berikut.

M-10850 0 0 1750
0 0 2000 2150
500 3800 0 0
5900 15675 7875 0
Artinya, pembagian daerah adalah sebagai berikut; Kota Bagian Utara diarahkan
menuju SMA 2, Kota Bagian Barat diarahkan menuju SMA 1, Kota Bagian Timur
diarahkan menuju SMA 3, Kota Bagian Selatan tidak memiliki aturan khusus, karena
dalam tabel tersebut mengarah pada variabel dummy.

2.4 Masalah Penugasan dengan Excel Solver

Penyelesaian masalah penugasan dengan menggunakan POM-QM tentunya sangat
mudah, hanya dengan memilih modul Assignment dan kemudian input data sesuai
dengan permasalahan dan klik Solve. Namun, penyelesaian masalah penugasan dengan
menggunakan Excel Solver memiliki keunikan tersendiri yang tidak sesederhana dalam
POM-QM. Bagaimanapun beberapa pengguna lebih merasa nyaman dalam
menggunakan MS. Excel dibandingkan dengan POM-QM.

Masalah penugasan dengan Excel Solver hampir tidak berbeda dengan penyelesaian
masalah transportasi. Perbedaannya, nilai supply (sumber) dan demand (tujuan) bernilai
1. Perhatikan penyelesaian Contoh 7.2 dengan menggunakan Excel Solver.
 10

Terlebih dahulu kita buat tabel permasalahan tersebut dan tabel penyelesaiannya,
begitu juga dengan ketersediaan dan permintaan yang diisikan bernilai 1, seperti pada
gambar 7.1.

Gambar 7.1 Tabel Masalah dan Tabel Penyelesaian Contoh 7.2

Kemudian isi sel ditugaskan dengan penjumlahan baris A, baris B, dan baris C pada
tabel penyelesaian. Begitu pula dengan penjumlahan dari tiap kolom pada tabel
penyelesaian tersebut seperti ditampilkan pada tabel 7.2.

Gambar 7.2 Pengisian Penugasan untuk Baris dan Kolom pada Tabel Penyelesaian

Setelah diisi dengan rumus, tabel tersebut dapat diselesaikan dengan Excel Solver
dengan memilih Solver pada tab Data seperti yang sebelumnya pernah dibahas.
 11

Gambar 7.3 Kotak Dialog Excel Solver untuk Masalah Penugasan

Pada kotak dialog Excel Solver, input Set Objective dengan sel tempat kita akan
menampilkan hasil optimum. Kemudian input by Changing Variable Cells dengan sel
penugasan yang telah disediakan seperti pada gambar 7.3. Jangan lupa untuk memilih
Min untuk penyelesaian minimum, mencentang Make Uncostrained Variable Non-
Negative dan memilih Simplex LP sebagai Solving Method. kemudian klik Add untuk
memasukkan kendala pada subject to the constraint.

Gambar 7.4 Pemilihan Solving Method dan Penyelesaian Minimum

 12

Setelah klik add untuk kendala, maka kotak dialog untuk memasukkan kendala akan
muncul. Masukan kendala untuk kolom tersedia = ditugaskan dan untuk kolam diminta
= ditugaskan.

Gambar 7.5 Input Kendala untuk Penyelesaian Masalah Penugasan

Terdapat satu lagi kendala tambahan pada masalah penugasan, yaitu solusi harus
berupa bilangan bulat 0 atau 1, Oleh karena itu kembali Add Constraint dan masukkan
sel-sel penugasan pada kotak dialog Add Constraint kemudian pilih bin (bilangan biner),
klik OK.

Gambar 7.6 Input Kendala Agar Solusi Berupa Bilangan Biner

 13

Setelah itu, maka model telah siap diselesaikan. Klik Solve dan kemudian akan
didapatkan hasil pada tabel penyelesaian seperti pada Gambar 7.7.

Gambar 7.7 Input Kendala Agar Solusi Berupa Bilangan Biner

Pada hasil penyelesaian masalah penugasan dengan Excel Solver tersebut, didapatkan
hasil bahwa siswa A ditugaskan pada olimpiade fisika, siswa B ditugaskan pada
olimpiade matematika, dan siswa C ditugaskan pada olimpiade informatika. Adapun sel
TOTAL hanya jumlah dari keseluruhan perwakilan yang dikirim dalam seluruh
olimpiade.
 BAB III

PENUTUP
3.1 Kesimpulan
Dalam pemograman linear permasalahan penugasan (Assignment) merupakan metode
yang memodifikasi baris dan kolom dalam matriks efektifitas sampai muncul sebuah
tidak ada tunggal dalam setiap baris dan kolom yang akan dipilih sebagai alokasi
penugasan.

3.2 Saran
Dengan makalah ini, diharapkan pembaca dapat mempelajari serta memahami mareti
yang disampaikan serta dapat mengambil manfaat nya. Mengingat makalah ini masih
jauh dari kesempurnaan maka kritik dan saran yang membangun dalam kesempurnaan
penyususnan makalah ini sangat kami harapkan sehingga materi yang disampaikan lebih
mendalam dan mudah dipahami.

14
 DAFTAR PUSTAKA
Darta, & Thesa, K. 2019. Program Liniar dan Aplikasinya. Bandung: PT Refika Aditama.

15