KATA PENGANTAR............................................................................................1
DAFTAR ISI...........................................................................................................3
DAFTAR TABEL..................................................................................................5
DAFTAR TABEL..................................................................................................6
1 PENDAHULUAN...........................................................................................7
1.1 Pengertian Riset Operasi......................................................................................7
1.2 Persoalan optimisasi.............................................................................................8
1.2.1 Optimisasi tanpa pembatas (Unconstraint Optimization)............................8
1.2.2 Optimisasi dengan pembatas (Constraint Optimization).............................9
1.2.3 Optimisasi kombinatorik (Combinatorial Optimization).............................9
1.2.4 Optimisasi dengan beberapa fungsi tujuan (Multi-objective optimization)..9
2 Linier Programming.....................................................................................13
3 MASALAH TRANSPORTASI....................................................................20
3.1 PERSOALAN TRANSPORTASI (TRASPORTATION PROBLEM:TP.........20
3.2 Metode Vogel (Vogel’s Approximation Method)..............................................22
3.3 Metode Least Cost (Least Cost Cell Method)....................................................27
3.4 NorthWest Corner Method)................................................................................31
3.5 Unbalance Transportation Problem....................................................................34
3.6 MODI Method – UV Method.............................................................................36
4 MASALAH PENUGASAN (ASSIGNMENT PROBLEM)......................47
4.1 Metode Hungaria (The Hungarian algorithm)....................................................48
4.1.1 Core of the algorithm (assuming square matrix):.......................................53
5 PERSOALAN LINTASAN TERPENDEK (SHORTEST PATH
PROBLEM)...........................................................................................................56
5.1 Shortest Path Problem........................................................................................56
5.2 Aplikasi SPP.......................................................................................................58
5.2.1 Persoalan perencanaan pembiayaan...........................................................58
5.2.2 Perencanaan Transportasi...........................................................................61
5.2.3 Salesperson Routing...................................................................................61
DAFTAR PUSTAKA...........................................................................................62
1
2
2
Linier Programming
Makanan
Kebutuhan Minimum
I II III
Harga/unit 0.5 0.8 0.6
Kalsium 5 1 0 8
Protein 2 2 1 10
Vitamin A 1 5 4 22
Masalahnya bagaimana kombinasi ketiga jenis makanan itu akan memenuhi
kebutuhan minimum perhari dan memberikan biaya terendah.
Variabel: x1 = jumlah makanan I
x2 = jumlah makanan II
x3 = jumlah makanan III
Fungsi Tujuan:
Minimum: Z = 0.5 x1 + 0.8 x2+ 0.6 x3
Fungsi Batasan:
3
5 x 1+ x 2 ≥8 (kalsium)
2 x1 +2 x 2+ x3 ≥ 10(Pr o tein)
x 1+ 5 x 2 +4 x3 ≥ 22¿
Contoh Persoalan 2:
Suatu bakery membuat roti yang berisi daging dari suatu campuran daging
dan ayam tanpa lemak. Daging sapi mengandung 80 persen daging dan 20 persen
lemak dan harganya 80 rp /ons. Daging ayam mengandung 68 persen daging dan
32 persen lemak dan harganya 60 rp/ons. Berapa banyaknya masing-masing
daging yang harus digunakan untuk tiap ons roti daging jika diinginkan untuk
meminimumkan harganya dengan mempertahankan kandungan lemak tidak lebih
dari 25 persen?
Model LP:
x1 = jumlah ons daging sapi
x2 = jumlah ons daging ayam
F. Tujuan: Min: Z = 80 x1 + 60x2
F. Batasan:
0.2 x 1+ 0.32 x 2 ≤ 0.25x 1+ x2 =1
Solusi LP
Metode untuk memecahkan program linier diataranya adalah metode grafik
dan metode simpleks. Untuk memulai penerapan metode tersebut maka semua
fungsi batasan ketidaksamaan harus ditransformasikan menjadi persamaan dan
juga harus diketahui salah satu pemecahan yang feasible (layak) dan tidak
negative.
Persyaratan Tidak Negatif
Batasan yang memiliki bentuk :
n
∑ aij x j ¬b i
j=1
Dimana ¬ adalah salah satu dari relasi ≤, ≥, = (tidak perlu sama untuk setiap
I) konstanta bi selalu dianggap tidak negative.
Contoh 1:
2 x1 +3 x 2−5 x 3 ≤−3
Dikalikan -1 sehingga
−2 x 1−3 x 2 +5 x 3 ≥ 3
Sehingga ruas kanan tidak negatif
Variabel Slack (Kurang) dan Surplus
Variabel Slack (Kurang)
4
n
∑ aij x j ≤ bi
j=1
Untuk diubah menjadi suatu persamaan dengan menambah sebuah variabel
tak negatif baru pada ruas kirinya.
Contoh 3:
2 x1 +3 x 2−5 x 3 ≥ 3
Diubah menjadi persamaan menjadi:
2 x1 +3 x 2−5 x 3−x 4=3
2 x1 +3 x 2 ≤ 3x 1+ 4 x 2 ≥ 57 x 1+ 8 x2=10
Metode Big M
Untuk pemecahan optimal maka variabel buatan diikut sertakan dalam
fungsi tujuan dengan ketentuan :
Minimum diberikan koefisien positip yang besar sekali ( M ).
Maksimum diberikan koefisien negatip yang besar sekali ( - M ).
Contoh : (Bakery)
Minimum : z = 80 x1 + 60x2+ 0 x3 +M x4
Batasan :
5
0.2 x 1+ 0.32 x 2 + x 3=0.25
x 1+ x2 + x 4 =1
Model LP:
Variabel : x1 = jumlah (lusin ) sepatu merk I
x2 = jumlah (lusin ) sepatu merk II
Fungsi Tujuan : Maksimum : Z = 3 x1 + 5 x2
Fungsi Batasan :
2 x1 ≤ 83 x 2 ≤ 156 x 1+ 5 x 2 ≤30
Pada titik A : x1 = 4 ; x2 = 0; z = 12
6
B : x1 = 4 ; x2 = 6/5; z = 18
1
C : x1 = 5/6 ; x2 = 5; z = 27 (*) Optimal
2
D : x1 = 0 ; x2 = 5; z = 25
Metode Simpleks
Adalah suatu metode matriks untuk memecahkan program –program linier
dalam bentuk standar, yaitu :
Optimisasikan : ( Maks/Min ) z = CT X
Dengan kendala : AX = B dan X ≥ 0 dimana B ≥ 0 dan pemecahan dasar
x0 .
MAKSIMISASI:
Tanda aljabar dari elemen – elemen dari baris terbawah dibalik
7
LANGKAH 4 :Gantikan variabel x dalam baris pivot pada kolom pertama
dengan variabel x dalam kolom kerja
LANGKAH 5 :Ulangi langkah 1 sampai 4 hingga tidak terdapat lagi
elemen negatip dalam baris terakhir , dengan tidak memasukkan kolom
terakhir.
LANGKAH 6 :Pemecahan optimal diperoleh dengan menetapkan untuk
tiap-tiap variabel dalam kolom pertama nilai dalam baris terakhir yang
bersangkutan. Semua variabel lainnya ditetapkan bernilai nol. Nilai dari
fungsi tujuan yakni x* adalah bilangan yang terdapat dalam baris dan
kolom terakhir untuk program maksimisasi, sedangkan negatif dari
bilangan ini adalah untuk program minimisasi.
Contoh: ( Perusahaan Sepatu )
Maksimum : Z = 3 x1 + 5 x2 s.t.
2 x1 ≤ 83 x 2 ≤ 156 x 1+ 5 x 2 ≤30
X1 X2 X3 X4 X5
X3 2 0 1 0 0 8 ∞
X4 0 3* 0 1 0 15 5
X5 6 5 0 0 1 30 6
-3 -5 0 0 0 0
X1 X2 X3 X4 X5
X3 2 0 1 0 0 8 4
X2 0 1 0 1/3 0 5 ∞
X5 6* 0 0 -5/3 1 5 5/6
-3 0 0 5/3 0 2
X1 X2 X3 X4 X5
X2 0 1 0 1/3 0 5
X1 1 0 0 -5/18 1/6 5/6
8
0 0 0 5/6 1/2 1 posi
27 tif
2
x 1+ 2 x 2 +3 x3 ≤ 93 x 1+2 x 2 +2 x 3 ≤15
X1 X2 X3 X4 X5
X4 1 2* 3 1 0 9 9/2
X5 3 2 2 0 1 15 15/2
-1 -9 -1 0 0 0
X1 X2 X3 X4 X5
X2 1/2 1 3/2 1/2 0 9/2
X5 2 0 -1 -1 1 6
7/2 0 25/2 9/2 0 81/2 Pos
Nilai pada tabel optimal , adalah :
X2= 9/2 , X5= 6, X1= X3= X4= 0 dengan Z maksimum = 81/2
9
10