Riset

Operasi DAFTAR ISI

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

Model umum yang dapat digunakan dalam pemecahan masalah

pengalokasian sumber-sumber yang terbatas secara optimal. Penyelesaian
Masalah LP ditemukan oleh George Danzig dengan menggunakan metode
simpleks. Linier (?) dalam hal ini fungsi matematis yang digunakan adalah fungsi
L inier Programming merupakan program atau perencanaan, jadi bukan Computer
Programming.
LP terdiri dari 2 fungsi:
1 Fungsi Tujuan: berkaitan dengan pengaturan secara optimal sumber
daya 2 untuk memperoleh keuntungan maksimal atau biaya yang
minimal
2 Fungsi Batasan: Bentuk penyajian secara matematis batasan kapasitas
yang tersedia yang akan dialokasikan secara optimal pada berbagai
kegiatan.
Bentuk Umum Model LP:
n
─ Maksimum / Minimum: Z = ∑ c j x j Fungsi Tujuan
j=1

─ dengan syarat: a ij x j (≤, = , ≥ ) b j Fungsi Batasan

Contoh Persoalan:
Untuk menjaga kesehatan seseorang harus memenuhi kebutuhan minimum perhari
akan beberapa zat makanan. Misalnya ada 3 zat makanan yang dibutuhkan yaitu : kalsium
( I) , protein ( II ) , dan vitamin A( III) yang harga , zat yang terkandung dan kebutuhan
minimum perhari akan zat makanan tersebut pada table berikut :

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

 Variabel buatan (artificial variable)

Pada ruas kiri setiap fungsi batasan yang tidak mengandung variabel slack dapat
ditambahkan variabel buatan. Dengan demikian tiap fungsi pembatas akan mempunyai
variabel slack dan buatan.

2 x1 +3 x 2 ≤ 3x 1+ 4 x 2 ≥ 57 x 1+ 8 x2=10

Persamaan variabel buatan x5 dan x6

2 x1 +3 x 2 + x3 =3 x 1+ 4 x 2−x 4 =5
7 x 1+ 8 x2=10 x 1+ 4 x 2−x 4 =5
2 x1 +3 x 2 + x3 =3 7 x 1+ 8 x2 + x 6=10
 Solusi Awal yang layak (feasible)
 Setiap persamaan batasan akan mengandung variabel slack atau buatan.
 Solusi awal tak negatip bagi fungsi batasan diperoleh dengan menetapkan
variabel slack dan buatan sama dengan ruas kanan dari fungsi kendala dan
menetapkan semua variabel lainnya termasuk variabel surplus sama
dengan nol.
 Solusi awal : x 3=3 , x 5=5 , x 6 =10
Penalty Cost
Penambahan var slack dan surplus tidak mengubah sifat fungsi batasan maupun
tujuan. Oleh karena itu variabel tersebut dapat diikut sertakan pada fungsi tujuan dengan
koefisien nol. Sedangkan variabel buatan mengubah fungsi fungsi batasan.Karena
variabel buatan ini hanya dtambahkan pada salah satu ruas persamaan, maka system yang
baru ekivalen dengan fungsi kendala yang lama jika dan hanya jika variabel buatannya
nol.

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

Solusi awal : x 3=0 , 25 , x 4=1 , x1 =x2 =0

Metode Grafik
Langkah – Langkah Penggunaan Metoda Grafik

1. Menentukan fungsi tujuan dan memformulasikan dalam bentuk matematis

2. Mengidentifkasikan batasan-batasan yang belaku dan memformulasikan dalam
bentuk matematis.
3. Menggambarkan masing-masing garis fungsi batasan dalam system
koordinat .Dan menentukan daerah yang memenuhi untuk masing-masing fungsi
batasan tersebut.
4. Mencari titik yang paling optimal dihubungkan dengan fungsi tujuan.

Gambar 2.1 Contoh Optimasi Perusahaan sepatu

Perusahaan sepatu “Ideal “ membuat 2 macam sepatu. Macam pertama merk

I dengan sol dari karet, dan macam ke II dengan sol dari dari kulit. Untuk
membuat sepatu tersebut perusahaan memerlukan 3 macam mesin. Mesin 1
khusus membuat sol dari karet, mesin 2 khusus membuat sol dari kulit dan mesin
3 membuat bagian atas dari sepatu dan melakukan assembling bagian atas dengan
sol. Setiap lusin sepatu merk I mula-mula dikerjakan dengan mesin 1 selama 2
jam, kemudian tanpa melalui mesin 2 terus dikerjakan dimesin 3 selama 6 jam,
sedangkan sepatu II tidak diproses di mesin 1 , tetapi pertama kali dikerjakan di
mesin 2 selama 3 jam kemudian di mesin selama 5 jam. Jam kerja maksimum
setiap hari untuk mesin 1 = 8 jam , mesin 2 = 15 jam, dan mesin 3 = 30 jam.
Keuntungan untuk setiap lusin sepatu merk I = Rp. 30.000 sedangkan merk II =
Rp. 50.000. Masalahnya adalah menentukan berapa lusin sebaiknya sepatu merk I
dan merk II yang dibuat agar mendapatkan keuntungan yang maksimum.

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 .

 Metode simpleks menggunakan proses iterasi ( perhitungan berulang ) ,

dengan x0 sebagai pemecahan awal , untuk menentukan pemecahan dasar
lainnya, sehingga diperoleh pemecahan optimal.
MINIMISASI:
XT
CT
x0 C0 A B
T T
CT - C 0 A -C 0 B

MAKSIMISASI:
Tanda aljabar dari elemen – elemen dari baris terbawah dibalik

LANGKAH – LANGKAH METODE SIMPLEKS

 LANGKAH 1 : Pilihlah bilangan negatip terbesar pada baris terbawah

( kolom yang mengandung bilangan tersebut dikatakan kolom kerja )
 LANGKAH 2 : Bentuklah nilai-nilai banding dengan membagi setiap
bilangan positip kolom kerja, dengan elemen dalam baris yang sama dalam
kolom terakhir, dimana baris terakhirnya dibaikan . Pilihlah nilai banding
terkecil sebagai elemen pivot , jika terdapat dua pembanding yang sama
pilihlah salah satunya . Jika tidak ada elemen dalam kolom kerja yang
positip, maka programnya tidak memiliki pemecahan.

 LANGKAH 3 :Gunakan operasi elementer baris untuk mengubah elemen

pivot menjadi satu dengan transformasi elementer H (λ)
i dan kemudian
(λ)
gunakan transformasi elementer H ij untuk merubah elemen lainnya yang
terletak pada kolom kerja tersebut menjadi nol .

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

Persoalan ini dapat dirubah menjadi

Z-3x1 -5 x2+0 x3+0 x4+0 x5= 0

2 x1 + x 3=83 x 2+ x 4=156 x 1+ 5 x 2 + x 5=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

X3 0 0 1 -5/9 -1/3 19/3

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

 Nilai pada tabel optimal , adalah :

 X1= 5/6 jadi banyaknya sepatu merk I = 5/6 lusin
 X2= 5 jadi banyaknya sepatu merk II = 5 lusin
1
 Z maksimum = 27 artinya keuntungan yang diperoleh = Rp.275.000
2
setiap hari.
Contoh :
Fungsi Tujuan : Maksimum : Z = x1 + 9 x2+ x3
Fungsi Batasan :

x 1+ 2 x 2 +3 x3 ≤ 93 x 1+2 x 2 +2 x 3 ≤15

Dan semua variabel tidak negatif

Jawab :
Z - x1 - 9 x2- x3+0 x4 +0 x5
Fungsi Batasan :

x 1+ 2 x 2 +3 x3 + x 5=93 x 1+2 x 2 +2 x 3 + x 6=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