PERMODELAN

TRANSPORTATION

O. SRI SUHARYO
Transportation Problem
 Berhubungan dengan penentuan minimum cost
untuk mengangkut komoditi tunggal dari berbagai
sumber (misalnya pabrik) ke berbagai tujuan
(misalnya pelanggan)  dapat juga dimodifikasi
untuk multi komoditi
 Dapat digunakan untuk menyelesaikan: inventory
control, employment scheduling, personnel
assignment, cash flow, dll
 Pada dasarnya adalah linear programming yang
dapat diselesaikan dengan metode simplex, yang
telah dimodifikasi yang selanjutnya disebut
transportation technique  lebih efisien.
Definisi Transportation
Model
 Transportation model  minimum cost of transport of single commodity
from a number of sources to a number of destinations. Data yang
dibutuhkan:
 Kapasitas supply dari titik-titik asal dan kapasitas permintaan dari titik-titik
tujuan.
 Unit transport cost dari masing-masing titik asal ke masing-masing titik
tujuan
 Oleh karena hanya single commodity, maka tujuan (titik demand) dapat
menerima komoditi dari satu atau lebih titik asal.
 Tujuan dari model ini adalah untuk menentukan jumlah komoditi yang
harus diangkut dari tiap sumber ke tiap tujuan sehingga biaya
pengiriman adalah yang paling minim.
 Asumsi dasar dari persoalan transportasi adalah biaya pengiriman
untuk suatu rute tertentu adalah berbanding lurus dengan jumlah
komoditi yang diangkut (misalnya: unit biaya adalah $100/ton, maka
untuk mengangkut 20 ton dibutuhkan biaya $2000).
 Definisi unit bisa bermacam (ton, m3, buah dll), yang penting konsisten
Model Transportasi
Model Transportasi dengan m sumber (asal) dan n tujuan

Sumber (Asal) Tujuan

C11 : x11
a1 1 1 b1

Kapasitas a 2 2 b2 Kapasitas
2
Supply Demand

am m n bn
Cmn : xmn
Model Transportasi
 ai  kapasitas supply pada sumber
 bj  kapasitas demand pada tujuan
 cij  unit transport cost dari titik i ke j
 xij  jumlah komoditi yang dikirim dari sumber i ke tujuan j
 Persamaan matematisnya:
m n
minimumkan z   cij xij Model ini menunjukkan bahwa total
i 1 j 1
supply paling tidak harus sama dengan
subject to : total demand. Jika total supply sama
n dengan total demand  balanced
x
j 1
ij  ai dimana i  1,2,...m transportation problem
m
Jika terjadi balanced transportation
x ij  b j dimana j  1,2,...n problem, maka model diatas berubah,
i 1 semuanya menjadi bentuk persamaan
xij  0 untuk semua i dan j
Contoh Balanced
Transportation
 Sebuah perusahaan mobil (1 jenis mobil)
memiliki pabrik di 3 lokasi yang berbeda yaitu
A, B dan C dengan kapasitas produksi
masing-masing adalah 1000, 1500 dan 1200
unit per tahun.
 Dua lokasi distributor terletak di kota D dan E
dengan kapasitas permintaan masing-masing
2300 dan 1400 unit per tahun
 Biaya transportasi adalah 8 sen dollar per
mobil per mile.
Transportation model
JARAK (mil) D E Unit Cost D E
A 1,000 2,690 A 80 215
B 1,250 1,350 B 100 108
C 1,275 850 C 102 68

minimize z  80 x11  215 x12  100 x21  108 x22  102 x31  68 x32
subject to :
x11  x12  1000
x21  x22  1500
x31  x32  1200
x11  x21  x31  2300
x12  x22  x32  1400
xij  0
Tabel Transportasi
D E Supply
80 215
A x11 x12
1,000
100 108
B x21 x22
1,500
102 68
C x31 x32
1,200
Demand 2,300 1,400
Unbalanced Transportation
 Jika pabrik B kapasitas produksinya adalah 1300 (bukan 1500),
maka persoalan menjadi unbalanced transportation problem 
kapasitas supply < kapasitas demand
 Pada kondisi yang demikian  diperlukan dummy variabel yaitu
pabrik fiktif yang akan digunakan untuk “memproduksi”
kekurangan supply 200 mobil per tahun
 Oleh karena dummy variabel ini adalah pabrik fiktif, maka biaya
transportasi adalah nol
Unit Cost D E
A 80 215 1,000
B 100 108 1,300
C 102 68 1,200
H 0 0 200
2,300 1,400
Multi-commodity
Transportation
 Perusahaan pada contoh sebelumnya
memproduksi 4 jenis mobil yang berbeda M1,
M2, M3 dan M4.
MODEL
M1 M2 M3 M4 TOTAL
Supply
A - - 700 300 1,000
B 500 600 - 400 1,500
C 800 400 - - 1,200
Demand
D 700 500 500 600 2,300
E 600 500 200 100 1,400
 Multi-commodity
Transportation Sumber (Asal) Tujuan

700 M3 M1 700
A
300 M4 M2 500
D
M3 500
500 M1
M4 600
Kapasitas Kapasitas
Supply
B 600 M2 Demand
M1 600
400 M4
M2 500
E
800 M1 M3 200
C
400 M2 M4 100
Penyelesaian Persoalan
Transportasi
 Pada dasarnya, metode yang digunakan adalah
metode simplex
 Tahap-tahap yang harus dilakukan:
 Menentukan starting feasible solution
 Menentukan entering variable dari non-basic variable.
Check optimality condition (jika sudah terpenuhi, stop, jika
belum, lanjutkan langkah berikutnya)
 Menentukan leaving variable (dengan menggunakan
feasibility condition) dari variabel-variabel yang menjadi
basic solution, kemudian temukan basic solution yang
baru. Kembali ke langkah 2
 TUJUAN
1 2 3 4 Supply

10 0 20 11
1 x11 x12 x13 x14
15
12 7 9 20
ASAL

2 x21 x22 x23 x24

25
0 14 16 18
3 x31 x32 x33 x34
5

Demand 5 15 15 10
Langkah 1: Menentukan
Starting Feasible Solution
 Penentuan starting feasible solution pada
dasarnya sama dengan yang kita lakukan
pada metode simplex.
 Terdapat beberapa cara (short cut):
 Metode north-west corner
 Metode least cost
 Metode Vogel’s Approximation
Metode North-West Corner
 Diawali dengan menempatkan nilai maksimum yang
memungkinkan dari kapasitas supply atau kapasitas
demand pada x11(north-west)
 Kolom atau baris yang sesuai dengan nilai yang
ditempatkan pada x11, di coret. Sedangkan pada
kolom atau baris yang bersesuaian, dikurangkan
dengan nilai yang telah ditempatkan pada x11
 Jika kolom dan baris memiliki nilai yang sama
secara bersamaan, maka dilakukan pencoretan
pada salah satu saja.
 10 0 20 11 15
12 7 9 20 25
0 14 16 18 5

5 15 15 10

5 10 15 10 0
Starting Basic Solution
5 15 5 25 20 5 0
5 5
Basic Variable  non zero
5 15 15 10 Nonbasic variable  zero
0 5 0 5
0

Total biaya Transportasi (5x10)+(10x0)+(5x7)+(15x9)+(5x20)+(5x18) = 410

Menentukan Entering
Variable
 Ditentukan dengan menggunakan optimality condition pada
metode simplex
 Metodenya disebut stepping stone
 Dalam metode ini kita menggunakan multiplier ui dan vj yang
berkaitan dengan baris i dan kolom j pada tabel transportasi
 Untuk setiap basic variable xij pada solusi, multiplier harus
memenuhi persamaan berikut: ui + vj = cij untuk setiap basic
variabel xij
 Persamaan ini menghasilkan m + n – 1 persamaan (karena
hanya ada m + n – 1 basic variabel) dalam m + n yang tidak
diketahui
 Nilai dari muliplier dapat ditentukan dari persamaan ini dengan
mengasumsikan secara acak nilai untuk setiap multiplier
(biasanya u1 sama dengan nol) dan kemudian menyelesaikan m +
n – 1 persamaan dalam m + n – 1 multiplier yang tidak diketahui
Menentukan Entering
Variable
 Setelah evaluasi untuk basic variable selesai
dilakukan, maka evaluasi untuk nonbasic variable
xpq dilakukan dengan persamaan
c pq  u p  vq  c pq untuk setiap nonbasic variable x pq
 Nilai ini akan sama tanpa memperhatikan pemilihan
nilai untuk u1
 Entering variable kemudian dipilih sebagai nonbasic
variable dengan mencari dengan nilai c pq positif
yang paling besar.
Menentukan Entering
Variable
 Jika prosedur di atas diterapkan, maka
x11 : u1 + v1 = c11 = 10
x12 : u1 + v2 = c12 = 0
x22 : u2 + v2 = c22 = 7
x23 : u2 + v3 = c23 = 9
x24 : u2 + v4 = c24 = 20
x34 : u3 + v4 = c34 = 18
 Dengan menetapkan u1 = 0, maka diperoleh
v1=10, v2=0, u2=7, v3=2, v4=13 dan u3=5
Menentukan Entering
Variable
 Evaluasi pada nonbasic variable:
x13 : c13  u1  v3  c13  0  2  20  18
x14 : c14  u1  v4  c14  0  13  11  2
x21 : c21  u2  v1  c21  7  10  12  5
Dipilih sebagai
x31 : c31  u3  v1  c31  5  10  0  15 entering variable
x32 : c32  u3  v2  c32  5  0  14  9
x33 : c33  u3  v3  c33  5  2  16  9
Menentukan Leaving
Variable 1
10
2
0
3
20
4
11

1 5 10 15
_
+
12 7 9 20

2
5 15 5 25
_ +
entering 0 14 16 18
variable
x31 5 5
3
+ _

5 15 15 10
Pilih tanda – yang memiliki nilai paling kecil
Karena tanda – memiliki nilai yang sama besar  pilih salah satu
Misalnya kita pilih x34
 1 2 3 4
10 0 20 11

1 0 15 15

12 7 9 20

2
0 15 10 25

0 14 16 18
5 5
3

5 15 15 10

Total cost menjadi:

(0x10)+(15x0)+(0x7)+(15x9)+(10x20)+(5x0) = 335
Check Optimality
v 1 = 10 v2 = 0 v3 = 2 v 4 = 13

10 0 20 11
u1 = 0 0 15 15
_
+ -18 +2
12 7 9 20
u2 = 7 15 10 25
x21 0
entering + _
+5
variable
0 14 16 18
u3 = -10 5 5
-24 -24 -15

5 15 15 10
Karena nilai cpq masih ada yang berharga positif, maka belum optimal
 v1 = 5 v2 = 0 v3 = 2 v 4 = 13

10 0 20 11
u1 = 0 15 x24 15
_
-5 -18 +2 +
12 7 9 20
u2 = 7 15 10 25
0 0
+ _

0 14 16 18
u3 = -5 5 5
-19 -19 -10

5 15 15 10
 v1 = 5 v2 = 0 v3 = 2 v 4 = 11

10 0 20 11
u1 = 0 5 10 15
-5 -18
12 7 9 20
u2 = 7 10 15 25
0
-2
0 14 16 18
u3 = -5 5 5
-19 -19 -12

5 15 15 10
Karena nilai cpq sdh tidak ada yang berharga positif, maka sdh optimal
Total cost: (5x0)+(10x11)+(10x7)+(15x9)+(5x0)=315