Pendahuluan
SATUAN ACARA 2. Dasar dan Faktor Keputusan
PERKULIAHAN 3. Efektifitas Keputusan
4. Teori Utility
5. Berbagai Situasi Keputusan
6. Keputusan Dengan Probabilitas
7. Keputusan Non Probabilitas
8. UTS
9. Pohon Keputusan
10. Metote Transportasi
11. Analisis Antrian
12. Model Arus Jaringan
TEKNIK 13. Simplek
PENGAMBILAN 14. SWOT Analisis
15. Srategi Mengurangi Risiko
KEPUTUSAN 16. UAS
Dosen Pengampu : 1. Suyudi, SP. MP.
2. Dedi Djuliansyah, Ir. MP.
UTS
EVALUASI
UAS
PRAKTIKUM
KEHADIRAN
ETIKA DAN
ESTETIKA
Literatur :
Marwan Asri, 1997. Pengambilan Keputus Manajerial.UT.
Bernard W. Taylor, 2001 Sains Manajemen. Salemba Empat.
Jakarta.
Ibnu Syamsi, 1988. Pengambilan Keputus Manajerial.
Kuntoro Mangkusubroto, 1987. Analisa Keputusan Ganeca Excat.
Bandung.
Prajudi Atmosudirjo. 1971. Pengambilan Keputusan. Dahlia Indah.
Indonesia.
Siagian. 1993. Teori dan Praktek Pengambilan Keputusan. CV. Haji
Mas Agung. Salemba Empat.Jkt.
Dumairi, 1999 Matematika Terapan Untuk Bisnis dan Ekonomi.
BPFE.Yogyakarta.
Kadariah Suryadi dan Ali Ramdani,2000. Sistem Pendukung
KEputusan. PT Remaja Rosada. Bdg.
ANALISA KEPUTUSAN
1. Masalah/Desisi/
Problem : persoalan yang harus TUJUAN
Masalah
dipecahkan.
2. Issue : persoalan yang biasanya
untuk diramaikan tidak perlu Unsur Tujuan :
dipecahkan. •Objektives : tujuan yg ingin dicapai dlm
periode waktu yg dpt dikatakan tdk
tertentu
•Ideal : Sesuatu yang diimpikan,
diingingkan yg mungkin juga sangat sulit,
bahkan tak mungkin dicapai.
•Goals : Sesuatu yg akan dicapai dlm
periode waktu tertentu.
Filosofi Keputusan itu Penting :
1. Keputusan mrpkan pangkal dari semua
macam aktifitas manusia yang sadar dan
terarah baik secara individu/kelompok,
sehingga brg siapa yang mau mengambil
keputusan hrs mampu dan berani mengambil
keputusan yang jitu dan tepat.
2. Keputusan bersifat Futuristik artinya
mengenai hari depan, masa yang akan
datang, efeknya akan berlangsung cukup lama
pada masa yg akan datang.
Definisi Keputusan :
Adalah Pengakhiran daripada proses pemikiran
tentang apa yang dianggap sebagai “masalah”
sbg sesuatu merupakan penyimpangan drpd
apa yang dikehendaki, direncanakan dg
menjatuhkan pilihan pd salah satu alternatif
pemecahannya.
Tujuan dasar teori kept. adalah
memberikan/menyediakan bagi pengambil kept
dg informasi yg konkrit mengenai kemungkinan
relatif konsekwensi ttt.
TUJUAN DAN UNSUR UNSUR PENGAMBILAN KEPUTUSAN
Informasi awal
Informasi Awal
Tindakan
nominalnya.
Model Nilai
Analisa sensitivitas adalah analisa akibat adanya
pengaruh perubahan-perubahan variabel. Variabel Hasil
Model Strutural
Varibel Sistem
Model
Tahap Probabilistik
• Bentuk
Faktor “lotere nilai”
Ketidakpastian dan ekivalen
tetap
• Ukur
Preferensi atas sensitivitas
risiko stokastik
• Ukur
sensitivitas
risiko
Kodifikasi Ketidakpastian
Seberapa besar kemungkinan munculnya variable
tersebut?
1.0
Kemungkinan Kumulatif
Gambar
Distribusi
0.5 Kemungkinan
Kumulatif
0 5 10 15 20 25 30 35 40 50 60
Volume Penjualan
Kodifikasi Ketidakpastian
Alternatif A2
Nilai Nilai
Lotere Nilai p (nilai > x)
Alternatif A2
Alternatif A1
X X
Gambar
Perbandingan Ditribusi Kemungkinan
Preferensi atas Risiko
Syarat :
Biaya
1. Mudah diukur Parameter
kuantitatif yg
2. Mudah dimengerti uang
Gaji
3. Mudah ditegaskan batasan-batasannya.
Ada Utang
prestasi yg
Parameter kuantitatif yg lain : tdk dpt
dinilai dg
1. Tenaga Kerja --- HOK, mingguan,bulan,
uang
borongan.
2. Pemakaian fasilitas --- jam pemakaian, Ada kecenderungan penentuan
KWH, jam mesin dsb penilaian manfaat yg tdk dpt
dinilai dg satuan kuantitatif, mis
3. Luas ruangan ----m2 pemindahan penduduk,
jembatan, jalan dsb. Shg kept hrs
logis thdp manfaat yg dikenal dg
Cost benefit analysis.
Macam Skala Derajat Pedoman Contoh
Arbitrary Tranformasi
Mutlak (paling Tidak ada Tida ada tinggi dan berat badan,
tegas) Harga pokok dll.
Rasio ( tidak Rendah Angka pengali Batas waktu study =
begitu tegas) konstan 1,5 x jumlah semester
normal
Interval Sedang Persamaan : Uang Gaji karyawan =
( kurang tegas) y = a+ bx gaji + 0,05 (total
penjualan)
Ordinal (paling tinggi Positif Prestasi A lebih tinggi
tidak tegas) monotonik dari pada prestasi B
TEORI MANFAAT (UTILITY)
Bernoullian
Utility
Utilitas Uang
Utilitas uang
Cramer & Bernoulli, Swiss abad ke-19.
Manfaat yg didatangkan oleh
tambahan sejumlah uang menurun
Jumlah Uang bersama dg kenaikan jumlah uang yg
dimilikinya.
Kurva Bernoullian Utility
(cembung)
Friedman & Savage : perilaku manusia tdk cocok dg Cramer & Bernoulli,
artinya teori tsb tdk berlaku utk setiap orang. Pandangan Cramer &
Bernaoulli sbb :
1. Menyukai risiko--- penjudi . Seorang penjudi akan menyerahkan sesuatu yg
pasti yakni “uang taruhan” utk ditukar dengan suatu tingkat risiko tertentu.
Utilitas tambahan uang semakin berkurang dg semakin besarnya jml uang
yg dimiliki. (seorang penjudi yg menang, uang yg dimiliki semakin banyak,
sehingga semakin bernafsu untuk bermain)
2. Takut menghadapi risiko---- polis asuransi --- berusaha menghilangkan
risiko. (melalui polisasuransi utk “ditukar” dengan sesuatu yang pasti
(premi)
Disutility
Utilitas Uang
Uang
Utility
Jumlah Uang
Kurva Friedman dan Savage
(cekung)
KEPUTUSAN
Penetapan Masalah
Pengumpulan Fakta
Tentukan Alternatif
Pelaksanaan
KEPUTUSAN
Laba Risiko
Laba Maksimum
Maksimum Nilai Saham
1. Kepastian (certainty)
2. Berisiko (risk) 1. Kept. dlm Kepastian : jk hanya ada satu
3. Ketidakpastian kemungkinan jawaban untuk satu
(uncertainty) permalahan yg tersedia bagi si pembuat
4. Konflik/pertentangan keputusan.
(conflict)
Payoff adalah hasil atau akibat yang
diambilnya keputusan untuk memilih
alternatif tertentu.
N = payoff
P = probabilitas
3. Kept dalam ketidakpastian
ad. Kept bila si pembuat kept
tdk mengetahui jumlah states of nature
maupun probabilitasnya.
Untuk mengubah situasi yang tidak
pasti menjadi pasti atau setidak-
tidaknya menjadi keadaan yang
berisiko, maka harus memperkirakan
states of nature dan memperkirakan
besarnya probabilitas masing-masing.
4. Kept dg konflik
ad. Kept bila si pembuat
kept mengambil kept yang
bertentangan dengan pihak lain,
akibat diambilnya suatu
keputusan, adalah menjadi tugas
pengambil kept utk
mempertimbangkan hal ini .
Expected Value
atau NILAI HARAPAN a/ jumlah dari kemungkinan nilai-
nilai yang diharapkan terjadi pada probabilitas masing2 dari
suatu kejadian yang tdk pasti
Pedoman Memaksimalkan Misal :
Expected Value jika Memilih alternatif yang tidak
penerapannya pada menjanjikan EV tinggi.
persoalan yang terjadi Surat tagihan nilai
berulangkali. Rp100.000.
Expected Loss tercatat Expected Loss tidak Risiko hilang:probabilitas =
(Rp) tercatat (Rp) 1:5000
50 > 20 Expected loss =
100.000/5000 = Rp 20
E(L) tercatat lebih besar dari pada E(L) (surat tidak tercatat)
pengiriman tdk tercatat, meskipun demikian
sebagian besar memilih pengiriman tercatat. Jk surat tagihan dikirim
EV tdk dpt diterapkan pd pemilihan keptusan tercatat biaya Rp 50 (EL
satu kali, dpt diatasi dg cara memandang utility
dr payoff penilaian si pembuat kept sendiri
jk dikirim tercatat)
sebagai pengganti satuan uang.
SOAL :
Tingkat permintaan
Probabilitas
Rendah (0.25) Sedang (0.25) Tinggi (0.5)
Tdk mengadakan Rp 0 Rp 0 Rp 0
perluasan
Perluasan sedikit Rp 50 Rp 300 Rp 200
Perluasan besar- - Rp 500 Rp 100 Rp 600
besaran
Perbedaan Probabilitas :
1. Probabilitas Objektif dihitung berdasarkan presentase terjadinya
suatu kejadian yang berkali-kali.
2. Probabilitas Subjektif berdasarkan keyakinan seseorang akan
munculny suatu kejadian. Tergantung pd : keahlian,kecerdasan,
pengalaman, pengetahuan, keyakinan, pendapat.
3. Prior probability adalah probabilitas mula-mula sebelum adanya
perubahan. Sering disebut dg informasi awal. (initial information)
4. Posterior probability adalah probabilitas yg mengalami perubahan
Sering disebut Improver posterior (dari hasil penelitian sample)
KEPUTUSAN BERISIKO
Maksimisasi Expected Value Sisi Nilai (payoff)
Probabilitas ad : suatu nilai untuk
mengukur tingkat kemungkinan terjadinya A 200.000
suatu kejadian yg tdk pasti. B -100.000
EV = 0,5. 200.000 + 0,5. (-100.000) = 50.000 --- bermain Probabilitas 0,5
EV = 0,5. 0 + 0,5. 0 = 0 ---- tdk bermain
Probabilitas dan Demand rendah Demand sedang Demand tinggi Expected Value =
Alternatif 0,25 0,25 0,5
Prob x pay off
1. Tidak mengadakan 0 0 0
perluasan
1. Pesimisme
(maximin/minimax)
Abraham Wald ahli statistik.
Pilih alternatif yg paling
buruk, kmd memilih alternatif
yg tertinggi dr yg paling
buruk tersebut.
Matrik payoff utk perluasan pabrik
Tabel Payoff Minimum
Option Demand
Tdk memperluas 0 0 0
Tdk memperluas 0
Perluasan Sedikit 50 300 200
Perluasan Sedikit 50 Pesimisme (maximin)
Perluasan Besar-besaran -500 100 600
Perluasan Besar- -500
besaran
2. Optimisme (maximax)
Leonid Hurwicz
Memilih alternatif secara optimis, mencari payoff yang paling menjanjikan yaitu payoff maximal ,
kemudian pilih payoff yang paling besar dari tabel payoff yg maximal.
5. Kriteria Hurwicz
Pada kriteria ini berprinsip kept tdk sepenuhnya optimis dan tdk
sepenuhnya pesimis. Berdasarkan Hurwicz hasil kept dikalikan dg koefisien
optimisme yg didefinisikan dg
(0< <1)
Jk = 0 pengambilan kept. pesimis
= 1 pengambilan kept. optimis
S1 S2 S3
A 20 12 8
B 25 10 1
C 30 8 -4
NE B = (25 + 10 + 1 ) = 12
3
NE C = (30 + 8 + (-4) ) = 11,3
3
. Kriteria Hurwicz
2
NE = probability x payoff
NE A = 0,6 . 20 + 0,4 . 12 = 16,8
NE B = 0,6 . 25 + 0,4 . 10 = 19
NE C = 0,6 . 30 + 0,4 . 8 = 21,2 Hasil keputusan kriteria Hurwicz
NE C = 21,2 (karena NE C paling besar)
KRITERIA PEMBUATAN KEPT.DLM SITUASI MASA DEPAN YG TDK
PASTI DGN MENGGUNAKAN PROBABILITAS
S1 (jasa S2 Jasa
tinggi) Rendah
Kecil (d1) 12 6
Sedang (d2) 15 2
Besar (d3) 20 -3
Ps1 = 0,4
EMV d1 = 0,4 . 12 + 0,6 . 6 = 8,4 ( yg dipilih, krn
EMV-nya paling besar)
EMV d2 = 0,4 . 15 + 0,6 . 2 = 7,2
EMV d3 = 0,4 . 20+ 0,6 . (-3) = 6,2
2. Expected Opportunity Loss (EOL)
Ps1 = 0,4
EOL d1 = 0,4 . 8+ 0,6 . 0 = 3,2 ( yg dipilih, krn EOL-
nya palig kecil)
EOL d2 = 0,4 . 5 + 0,6 . 4= 4,4
EOL d3 = 0,4 . 0 + 0,6 . 9 = 5,4
MEMINIMALKAN BIAYA TRANSPORTASI
2. Incremental analysis
Analisis ini akan biaya pengangkutan total ke semua lokasi yg
membutuh kan suatu produk. Jadi kita mencoba memindahkan
lokasi kesemua arah ( barat, timur, utara maupun selatan) sambil
mengamati total biaya transpor yang paling kecil yang dipilih dengan
cara mengeser lokasi-lokasi tadi, jika pergeseran malah menambah
biaya transpor maka, lokasi semula yang optimal.
C = E Ti Vi Di
C = Biaya Transport total
T = Biaya transpor / volume/ jarak
V = Volume berat yg diangkut
D = Jarak
Kondisi Pasar
Kondisi Kondisi
Persaingan Baik Persaingan Buruk
(0,7) (0,3)
Maemperluas 800.000 500.000
Mempertahankan 1.300.000 -150.000
Menjual saat ini 320.000 320.00
KOMPONEN-KOMPONEN
JARINGAN
Jaringan adalah diagram yang terdiri dari dua komponen, yaitu simpul dan cabang.
Simpul (node) adalah titik persimpangan. Dilambangkan O
Cabang (branches) adalah yang menghubungkan antar simpul
Dilambangkan dengan garis yang menghubungkan simpul.
Simpul umumnya lokasi, sedangkan cabang adalah garis edar yang menghubungkan: kota dan
persimpangan, serta jalan kereta api atau rute udara yang menghubungkan pangkalan udara.
Ciawi
2 1 = titik origin / titik awal
4 6
Tasik
Sby
Bogor Pwt
25
2 5
8
12 14
16 Keterangan :
35 19
4 7 1 = titik origin
1
15 17
9 14
3 6
22
1 2
16 Setelan Cabang Waktu
Permanen
35
(1) 1-2 16
1 4
1- 4 35
9
1-3 9 # (yang dipilih)
3
9
Setelan Cabang Waktu
2 Permanen
2 16 #
( 1–3) 1- 2 16 # (dipilih)
16 1 - 4 35
35 4
1
3 - 4 24
15
9 3 -- 6 31
22 6
3
16 3-6 31 # (dipilih)
12
14
35 24
4–5 38
1 4
7
4-7 43
19
15
17
9 4-6 41
3 6 31 #
22
9
38 #
25
5 16 2 5 Setelan Permanen Cabang Waktu
14 (1 – 2 – 3 – 4 – 6 ) 2–5 41
16
12 4–5 38 # (dipilih)
16 4–7 43
19
1 4 7 6-7 45
35
17
15
9
22 14
3 6
9 31
16 Setelan Permanen Cabang Waktu
6 25 38
2 5 (1 – 2 – 3- 4 – 5 – 6) 4–7 43 # ( dipilih)
16
12
8
6–7 45
14
5-7 49
24
19
1 4 7
35
17 43 #
9 14
3 6
22
24 4 1–3–4 24
4
19 7 5 1–3–4-5 38
1 9
6 1–3-6 31
43
15
7 1–3–4–7 43
VISI adalah terciptanya suatu kondisi masa depan yang dapat dicapai
pada kurun waktu tertentu (pendek, menegah, panjang) dalam
pengembangan produk suatu kelembagaan usaha, maupun organisasi
sosial, ekonomi, politik pada lingkungan manajemen berupa wujud kata
benda.
Misal terwujudnya Unsil sebagai institusi yang berkarakter entrepreneur
dalam menuju pembanguan Indonesia.
MISI adalah untuk mewujudkan visi yang telah ada secara riil dapat
dilaksanakan dicapai dengan program strategis dan dimulai dengan
awalan me+kata kerja, sehingga berupa action.
Mis : mewujudkan, mengidentifikasikan, mendorong, memberikan arah, dll
PERENCANAAN STRATEGIS
2. TAHAP ANALISIS
Matrik TOWS Matrik BCG Matrik Internal Matrik Space Matrik Grand
Eksternal Strategi
PELUANG :
Integrasi ekonomi eropa 0,20 4 0,80 -
Perub. Struktur demografi 0,15 4 0,60
Pemg Ekonomi Asia 0,15 4 0,60
Terbukanya Eropa Timur 0,20 3 0,60
Kecenderungan superstores 0,10 3 0,30
∑ C = 2,9
ANCAMAN :
Meningkatnya peraturan Pemerintah 0,02 2 0,04 -
Meningkatnya Persaigan 0,05 2 0,10
Whirlpool dan Electrolux 0,05 2 0,05
Munculnya Teknologi baru 0,05 1 0,05
Perusahaan Jepang 0,03 1 0,03
∑ D = 0,27
TOTAL 1,00 ∑ C - ∑ D = 2,63
∑ C + ∑ D = 3,17
2. Matrik Faktor Strategi Internal (IFAS = Internal Strategic Factors Analysis Summary) yang terdiri dari Strength and
Weakness.
KEKUATAN :
Budaya kualitas Maytag 0,15 4 0,60 Kunci sukses,
Pengalaman Top Manajer 0,15 4 0,60 Mengetahui produk,
Integrasi vertikal 0,10 4 0,40 Hubungan baik, Baik
tapi cenderung turun,
Hubungan yang baik dg SDM 0,05 3 0,15 Memiliki reputasi baik
Memiliki Orientas internasional 0,15 3 0,45 dipembersih.
∑ A = 2,2
KELEMAHAN :
Proses Produksi (R&D) 0,05 2 0,10 Lambat utk produk
Saluran Distribusi 0,05 2 0,10 baru,Ancaman
Dukungan Kondisi keuangan kurang baik 0,15 1 0,30 superstore, Tingginya
hutang, Lemah diluar
Posisi global sangat kurang 0,10 1 0,10
Fasilitas Manufaktur 0,05 1 0,05
∑ B = 0,65
TOTAL 1,00 ∑ A + ∑ B = 2,85
∑ A - ∑ B = 1,55
Matrik IFAS DAN EFAS
Tinggi
IFAS = 2,85
4.00-3.00 I II III
Sedang
Maka ada di sel II
3.00-2.00 IV V VI (strategi tumbuh dan
Rendah
2.00-1.00 VII VIII IX membangun)
Keterangan :
• Strategi tumbuh dan membangun pada sel I, II dan IV === strategi utama
ketiga kolom tsb adalah bersifat intensif seperti penetrasi pasar dan
pengembangan produk. Strategi keduayg cocok adalah strategi integratif
seperti integrasi horizontal, integrasi kedepan atau kebelakang.
• Strategi bertahan dan mempertahankan pada sel III, V dan VII === penetrasi
pasar dan pengembangan produk
• Strategi panen/divestasi sesuai dengan sel VI, VIII, IX === strategi ini yg
sering digunakan adalah liquidasi dan akuisisi.
Matrik Profil Kompetitif ad utk mengetahui posisi relatif yg dianalisis
dibandingkan dengan perusahaan pesaing.
1. Matrik SWOT
2. Matrik BCG
3. Matrik Internal Eksternal
4. Matrik Space
5. Matrik Grand Strategi.
A. Antrian Tunggal :
Antrian Pelayan
Antrian
LINEAR PROGRAMMING
Linear Programming
adalah suatu model umum yang apat digunakan alam pemecahan masalah pengalokasian sumber-sumber yang
terbatas secara optimal.
Masalah ini timbul jika kita ingin memilih atau menentukan setiap kegiatan membutuhkan sumberdaya yang sama
sedangkan jumlahnya terbatas.
KEGUNAAN LINIER PROGRAMMING :
1. Untuk mencari tingkat keuntungan maksimum atau biaya minimum.
2. Dapat digunakan untuk perencanaan kegiatan-kegiatan untuk mencapai hasil yang optimal, dengan
mengunakan fungsi linier secara matematis.
Linear Programming (Hadley, 1974) adalah:
Kalkulasi untuk menenukan rencana terbaik dimana dalam rangka kegiatan tersebut terdapat berbagai macam
alternative yang harus dipilih dengan berbagai macam kendala yang dihadapi.
MODEL LINEAR PROGRAMMING
Dalam model linear programming dekenal 2 macam fungsi :
Fungsi Tujuan (Objective Funcion)
Adalah funsi yang menggambarkan tujuan atau saran dalam permasalahan linier programming yang berkaitan dengan
pengaturan secara optimal sumberdaya untuk memperoleh keuntungan maksimum atau biaya minimum.
Pada umumnya nilai optimal dinyatakan dalam Z
Fungsi Batasan (Constrain Funcion)
Adalah merupakan fungsi bentuk penyajian secara matematis batasan-batasan kapatisas yang ersedia yang akan dialokasikan
secara optimal ke berbagai kegiatan.
Model Linear Programming (Matrik)
Tabel Data untuk Linear Programing
Kegiatan Pemakaian sumber per unit Kapasitas sumber
Sumber kegiatan /output
1 2 3 .........n
i...........1 a11 a12 a13 .....a1n b1
.. 2 a21 a22 a23 .....a2n b2
.. .. .... ..... .... ..... ....
m m m1 m2 m3 am bm
∆ Z pertambahan C1 C2 C3 Cn
tiap unit
Tingkat Kegiatan X1 X2 X3 Xn
Maks ==== Z = ∑ CX
Ax ≤ B dan X ≥ 0
Min ==== Z = ∑ CX
Ax ≥ B dan X ≥ 0
Syarat LP :
1.Jumlah kendala boleh tidak sama dengan jumlah kegiatan/ Aktivitas. m ≠ n
2.Ada ketidaksamaan didalam kendala (≥ = ≤ )
Asumsi Linear Programming :
1. Input aktivitas besifat aditif
2. Linearity of the objective fungciont (fungi tujuan selalu linear)
3. Devisibility (input dan output dari setiap kegiatan dapat berupa bilangan pecahan)
4. Proporsionality artinya naik turunya nilai Z sebanding dengan perubahan tingkat
kegiatan
5. Non negativity of the decision variable (aktivitas tidak negatif)
6. Aktvitas input harus terbatas jumlahnya (realistik)
7. Single value expectation )koefisien input dan output, harga input diketahui.
8. Deterministik (semua parameter terdapat dalam model LP)
Kesimpulan
Jumlah Barang A (X1) = 12 unit dan barang B (X2) = 6 unit.
Penjualan maksimum yang diperoleh pengusaha sebesar Rp. 132
Metode Grafik
Sederhana hanya 2 atau 3 variabel kegiatan.
Metode ini merupakan teknik ilmu ukur analitik dengan grafik dan faktor-faktor
pembatas usaha serta fungsi tujuan pada satu salib sumbu yang
mencerminkan tingkat kegiatan usaha.
Rencana optimum diperoleh dengan cara menggeserkan fungsi tujuan kearah
kanan tetapi masih memotong daerah kemungkinan usaha.
A
X1
O 110
1 === X1 + X2 ≤ 160
6. Lakukan pengujian optimalitas. Jika semua koefisien variabel adasar pada baris z tidak ada yang
negatif pada kasus maksimilisasi maka penyelesaian sudah optimal.
Model Penyelesaian simplek dengan Variabel Dasar :
Optimumkan : z – c1x1 – c2x2 - . . . . . . . . cnxn = 0
Kendala : a11x1 + a12x2 + . . . . . . + a1nxn + s1 = b1
a2x1 + a22x2 + . . . . . . + a2nxn + s2 = b2
Bentuk Tablo :
VD z x1 x2 . . .. . . xn s1 s2 . . . . sn S
z 1 c1 c2 ...... cn 0 0 .. ..0 0
s1 0 a11 a12 . . . . . . . . . a1n 1 0 .....0 b1
s2 0 a21 a22 . . . . . . . . . a2n 0 1 .....0 b2
. . . . ...... . . . .... .
. . . . ...... . . . .... .
sm 0 am1 am2 . . . . . . . amn 0 0 .... 1 bm
Ket :
1. VD = Variabel Dasar berisikan variabel semu.
2. z = kolom pelengkap isinya selalu ( 1, 0, 0, . . . . ., 0)
3. Kolom-kolom variabel berisikan koefisien dari masing-masing variabel dalam persamaan yang bersesuaian.
4. Kolom s (solution)
Contoh soal
Maksimumkan z = 25 x1 + 15 x2
Terhadap 3 x1 + 3 x2 ≤ 24 (kendala masukan K)
2 x1 + 4 x2 ≤ 20 (kendala masukan L)
3 x1 ≤ 21 (kendala masukan M)
x1 , x2 ≥ 0
Penyelesaian
Model Standar :
Maksimumkan ==== Z - 25 x1 - 15 x2 + 0.S1 + 0.S2 + 0.S3 = 0
Terhadap == 3 x1 + 3 x2 + s1 = 24 (SD K)
2 x1 + 4 x 2 + s2 = 20 (SD L)
3 x1 + s3 = 21 (SD M)
x1 , x2 , s1 , s2 , s3 ≥ 0
Matrik Identitas = 1 0 0
0 1 0
0 0 1
Slack Vaiabel = s1 , s2 , s3
Tablo Dasar
VD Z x1 x2 s1 s2 s3 S r.s
Z 1 -25 -15 0 0 0 0
s1 0 3 3 1 0 0 24
s2 0 2 4 0 1 0 20
s3 0 3 0 0 0 1 21
VD z x1 x2 s1 s2 s3 S r.s
z 1 -25 -15 0 0 0 0
s1 0 3 3 1 0 0 24 24/3 =8
s2 0 2 4 0 1 0 20 20/2 =10
s3 0 3 0 0 0 1 21 21/3 =7
Peranto
Unsur Kunci
Transformasi baris kunci (x1 menggantikan s2)
X1
0/3 = 0
3/3 = 1 Baris kunci baru = baris kunci lama : unsur kunci
0/3 = 0
0/3 = 0
0/3 = 0 Baris baru = Baris lama – (unsur pd kolom kuncinya X baris kunci baru.
1/3 = 1/3
21/3 = 7
Transpormasi barsi Z Transpormasi barsi S 1 Transpormasi baris S 2
1 - (-25).0 = 1 0 - (3) . 0 = 0 0 - (2).0 = 0
VD z x1 x2 s1 s2 s3 S r.s
z 1 0 -15 0 0 25/3 175
s1 0 0 3 1 0 -1 3 3/3 =1
s2 0 0 4 0 1 -2/3 6 6/4 =1,5
x1 0 1 0 0 0 1/3 7 7/0 = ~
Tablo III
VD z x1 x2 s1 s2 s3 S r.s
z 1 0 0 5 0 10/3 190
x2 0 0 1 1/3 0 -1/3 1
s2 0 0 0 -4/3 1 2/3 2
x1 0 1 0 0 0 1/3 7
Kesimpulan
Nilai optimum yang diperoleh Z sebesar = 190, dengan x1 = 1 dan x2 = 7, nilai
s2 = 2 artinya terdapat sisa masukan L yang tidak terpakai sebanyak 2 unit.
Sedangkan Masukan K dan M habis terpakai, mengingat s1 dan s 3 tidak
tersisa dalam kolom VD.
Transformasi baris kunci (x2 menggantikan s1)
X2
0/3 = 0
0/3 = 0 Baris kunci baru = baris kunci lama : unsur kunci
3/3 = 1
1/3 = 1/3
0/3 = 0 Baris baru = Baris lama – (unsur pd kolom kuncinya X baris kunci baru.
-1/3 = -1/3
3/3 = 1
Transpormasi barsi Z Transpormasi barsi S 2 Transpormasi baris X1