Pertemuan 10 -11-12

METODE TRANSPORTASI
Suatu metode yang digunakan untuk mengatur
distribusi dari sumber-sumber yang
menyediakan produk yang sama ke tempat-
tempat yang membutuhkan secara optimal. (hal
ini karena terdapat perbedaan biaya-biaya
alokasi dari 1 sumber ke tempat-tempat tujuan
yang berbeda)
KEGUNAAN LAIN METODE
TRANSPORTASI DALAM BISNIS ADALAH
UNTUK MEMECAHKAN MASALAH :

• Pengiklanan
• Pembelanjaan modal (capital financial)
• Alokasi dana untuk investasi
• Analisis alokasi
• Keseimbangan lini perakitan
• Perencanaan serta scheduling produksi
BEBERAPA METODE TRANSPORTASI

Metode-metode membentuk tabel awal yang

feasible :
• NWCR
• Metode biaya minimum
• Metode VAM
Metode solusi optimum :
• Stepping-Stone
• MODI
Syarat yg harus dipenuhi dalam setiap tabel transportasi :
banyaknya sel basis harus memenuhi rumus (m+n-1)
dimana m = banyaknya baris, n=banyaknya kolom
Contoh penggunaan metode transportasi
mengenai masalah produksi dan distribusi

Sebuah perusahaan memiliki 3 pabrik yaitu

W,H dan P. Perusahaan menghadapi masalah
alokasi pabrik ke gudang penjualan di A,B & C.
Berikut kapasitas pabrik, kebutuhan gudang &
biaya pengangkutan.
Kapasitas pabrik
Pabrik Kapasitas produksi tiap bulan
W 90 ton
H 60 ton
P 50 ton
Jumlah 200 ton
Kebutuhan Gudang
Gudang Kebutuhan tiap bulan
A 50 ton
B 110 ton
C 40 ton
Jumlah 200 ton
 Biaya pengangkutan tiap ton dari pabrik ke
gudang
ke Biaya tiap ton (dalam 000 rupiah)
dari Gudang A Gudang B Gudang C

W 20 5 8
H 15 20 10
P 25 10 19
 Metode NWCR
Langkah-langkahnya :
• Dimulai dari sudut kiri atas (sel WA) alokasikan
sebanyak mungkin dengan memilih jumlah
terkecil antara kapasitas pabrik dan kebutuhan
gudang. Dalam hal ini WA diisi sebanyak 50,
• Karena gudang A sudah terpenuhi maka
berpindah ke kolom 2 (sel WB) diisi sebanyak 40
merupakan sisa kapasitas pabrik W. kebutuhan
gudang B masih kurang sebanyak 70 maka
diambilkan dari kapasitas pabrik H sebanyak 60
dan dari pabrik P sebanyak 10
• Gudang B sudah terpenuhi maka kebutuhan
gudang C dipenuhi oleh pabrik P yang
kapasitasnya masih tersisa 40.
 Alokasi dengan pedoman NWCR
ke Gudang Gudang Gudang Kapasitas
dari A B C pabrik
20 5 8
Pabrik 90
W 50 40
15 20 10
Pabrik 60
H 60
25 10 19
Pabrik 50
P 10 40
Kebutuhan 50 110 40 200
Gudang
Biaya angkut = 50(20)+40(5)+60(20)+10(10)+40(19) = 3260
Metode Biaya Minimum
langkah-langkahnya :

• pilih biaya terkecil diantara sel dalam hal ini yg

terpilih adalah sel WB diisi sebanyak 90.
• Selanjutnya memilih biaya terkecil selanjutnya
yaitu sel HC, diisi sebanyak 40. berikutnya
memilih sel dengan biaya terkecil berikutnya
yaitu sel PB diisi sebanyak 20.
• selanjutnya sel dengan biaya terkecil berikutnya
dan belum memiliki alokasi yaitu HA diisi
sebanyak 20 dan terakhir sel yang belum
mendapat alokasi yaitu sel PA diisi sebanyak 30
 Alokasi dengan pedoman biaya minimum
(least cost)
ke Gudang Gudang Gudang Kapasitas
dari A B C pabrik
20 5 8
Pabrik 90
W 90
15 20 10
Pabrik 60
H 20 40
25 10 19
Pabrik 50
P 30 20
Kebutuhan 50 110 40 200
Gudang

Total biaya =90(5)+20(15)+40(10)+30(25)+20(10) = 2100

Metode VAM
langkah-langkahnya :
• Susun kebutuhan, kapasitas masing-masing
sumber dan biaya angkut ke dalam matriks.
• Cari perbedaan dua biaya terkecil (dlm nilai
absolut), yaitu biaya terkecil dan terkecil kedua
utk tiap baris dan kolom pada matriks.
• Pilih 1 nilai perbedaan terbesar.
• Isilah salah satu sel pada kolom atau baris
terpilih, yaitu sel dengan biaya terendah diantara
sel lain pada kolom/baris itu.
 A B C Kapasitas perbedaan

W 20 5 8 90 3
H 15 20 10 60 5
P 25 10 19 50 9
Kebutuhan 50 110 40 Dipilih sel PB = 50
perbedaan 5 5 2 Hilangkan baris P

A B C Kapasitas perbedaan

W 20 5 8 90 3
H 15 20 10 60 5

Kebutuhan 50 60 40 Dipilih sel WB = 60

perbedaan 5 15 2 Hilangkan baris B
 A C Kapasitas perbedaan
W 20 8 30 12
H 15 10 60 5
Kebutuhan 50 40 Dipilih sel WC = 30
perbedaan 5 2 Hilangkan baris W

A C Kapasitas
H 15 10 60
Kebutuhan 50 10 Dipilih sel HA = 50
HC = 10
 Matrik hasil alokasi Metode VAM
ke Gudang Gudang Gudang Kapasitas
dari A B C pabrik
20 5 8
Pabrik 90
W 60 30
15 20 10
Pabrik 60
H 50 10
25 10 19
Pabrik 50
P 50
Kebutuhan 50 110 40 200
Gudang

Total biaya = 60(5)+30(8)+50(15)+10(10)+50(10) = 1890

 Metode Stepping Stone
langkah-langkahnya
• Membentuk tabel awal yang fisibel dengan metode
NWCR atau biaya minimum.
• Menguji sel bukan basis (sel yg tidak menerima alokasi)
memiliki nilai ≥0, caranya dengan membuat close pert
atau jalur tertutup.
• Tanda yg digunakan membuat jalur pert selalu
bergantian dimulai dari positif (+) kemudian negatif(-)
sampai pada sel bukan basis semula.
• Segiempat dengan pengurangan biaya terbesar dipilih
untuk mendapat alokasi, diisi sebanyak isi terkecil dari
segiempat yang diberi tanda (-)
• Apabila pengurangan biaya tidak ada lagi yg (-) berarti
sudah optimal
 Tabel awal dengan NWCR

ke Gudang Gudang Gudang Kapasitas

dari A B C pabrik
20 5 8
Pabrik 90
W 50 40
15 20 10
Pabrik 60
H 60
25 10 19
Pabrik 50
P 10 40
Kebut 50 110 40 200
Gudang

Biaya pengangkutan = 50(20)+40(5)+60(20)+10(10)+40(19) = 3260

 A B C
20 5 8
W 90
50 40
15 20 10
H 60
60
25 10 19
P 50
10 40
50 110 40 200

Segiempat Non basis Jalur tertutup Pengurangan biaya

WC 8-5+10-19 -6
HA 15-20+5-20 -20 (Terpilih)
HC 10-20+10-19 -19
PA 25-10+5-20 0
 A B C
20 5 8
W 90
90
15 20 10
H 60
50 10
25 10 19
P 50
10 40
50 110 40 200

Segiempat Non basis Jalur tertutup Pengurangan biaya

WA 20-15+20-5 20
WC 8-5+10-19 -6
HC 10-20+10-19 -19 (Terpilih)
PA 25-10+20-15 20
 A B C
20 5 8
W 90
90
15 20 10
H 60
50 10
25 10 19
P 50
20 30
50 110 40 200

Segiempat Non basis Jalur tertutup Pengurangan biaya

WA 20-5+10-19+10-15 1
WC 8-19+10-5 -6 (Terpilih)
HB 20-10+19-10 19
PA 25-19+10-15 1
 A B C
20 5 8
W 90
60 30
15 20 10
H 60
50 10
25 10 19
P 50
50
50 110 40 200
Segiempat Non basis Jalur tertutup Pengurangan biaya
WA 20-8+10-15 7 Sudah
HB 20-10+8-5 13 optimal
PA 25-10+5-8+10-15 7
PC 19-8+5-10 6
Biaya = 60(5) + 30(8) + 50(15) + 10(10) + 50(10) = 1890
 Metode MODI
langkah-langkah
• Pengisian tabel awal dengan least cost atau NWCR
• Menentukan nilai baris dan kolom berdasarkan rumus
Ri + Kj = Cij, dimana baris pertama diberi nilai =0
• Menghitung indeks perbaikan (nilai dari segi empat yg
kosong) dengan rumus Cij-Ri-Kj
• Memilih titik tolak perbaikan yaitu segiempat yg memiliki
indeks perbaikan negatif (-) terbesar
• Memperbaiki alokasi (caranya seperti pada metode
stepping stone).
• Ulangi langkah-langkah diatas mulai langkah kedua
sampai nilai indeks perbaikan tidak ada yg bernilai
negatif.
 Langkah 1 dan 2 untuk metode MODI

ke Gudang Gudang Gudang Kapasitas

dari A = 20 B =5 C = 14 pabrik
20 5 8
Pabrik 90
W=0 50 40
15 20 10
Pabrik 60
H =15 60
25 10 19
Pabrik 50
P=5 10 40
Kebut 50 110 40 200
Gudang

Dari langkah 3 segi empat yg mendapat alokasi adalah HA

Perubahan alokasi sampai diperoleh alokasi optimal

ke Gudang Gudang Gudang Kapasitas

dari A = 20 B =5 C = 14 pabrik
20 5 8
Pabrik 90
W=0 90
15 20 10
Pabrik 60
H =15 50 10
25 10 19
Pabrik 50
P=5 10 40
Kebut 50 110 40 200
Gudang

Biaya trans = 90(5) + 50(15) + 10(20) + 10(10) + 40(19) = 2260

 ke Gudang Gudang Gudang Kapasitas
dari A=0 B =5 C = 14 pabrik
20 5 8
Pabrik 90
W=0 90
15 20 10
Pabrik 60
H =15 50 10
25 10 19
Pabrik 50
P=5 20 30
Kebut 50 110 40 200
Gudang

Biaya trans = 90(5) + 50(15) + 10(10) + 20(10) + 30(19) = 2070

 ke Gudang Gudang Gudang Kapasitas
dari A = 19 B =5 C = 14 pabrik
20 5 8
Pabrik 90
W=0 60 30
15 20 10
Pabrik 60
H=-4 50 10
25 10 19
Pabrik 50
P=5 50
Kebut 50 110 40 200
Gudang

Biaya trans = 60(5) + 30(8) + 50(15) + 10(10) + 50(10) = 1890

 ke Gudang Gudang Gudang Kapasitas
dari A = 13 B =5 C=8 pabrik
20 5 8
Pabrik 90
W=0 60 30
15 20 10
Pabrik 60
H=2 50 10
25 10 19
Pabrik 50
P=5 50
Kebut 50 110 40 200
Gudang

Tabel diatas sudah optimal karena indeks perbaikan untuk segi empat
kosong sudah tidak ada yang bernilai negatif
Kebutuhan lebih kecil dari sumber yang tersedia

ke Gudang Gudang Gudang Dummy Kaps

dari A B C D pabrik
20 5 8 0
Pabrik 90
W
15 20 10 0
Pabrik 60
H
25 10 19 0
Pabrik 100
P
Kebut 50 110 40 50 250
Gudang
 Kebutuhan lebih besar dari sumber yang tersedia
ke Gudang Gudang Gudang Kaps
dari A B C pabrik
20 5 8
Pabrik 90
W
15 20 10
Pabrik 60
H
25 10 19
Pabrik 50
P
0 0 0
Dummy 50
Q
Kebut 100 110 40 250
Gudang
Masalah Degeneracy
Jumlah segiempat yang terisi : m+n-1 (3+4-1)

ke Gudang Gudang Gudang Dummy Kaps

dari A B C D pabrik
20 5 8 11
Pabrik 90
W 50 40
15 20 10 15
Pabrik 60
H 40 20
25 10 19 20
Pabrik 50
P 50
Kebut 50 40 40 70 200
Gudang
Contoh transport dengan Excel/Solver

A B C

W 20 5 8
H 15 20 10
P 25 10 19

terkirim supply
0 60 30 90 90
50 0 10 60 60
0 50 0 50 50

demand 50 110 40

diterima 50 110 40

total cost 1890

 Solver-Excel
Langkah solusinya sbb :
 Load Solver pada Tools dalam Excel
 Masukkan rumus awal pada tujuan dan kendala
 Sell target adalah fungsi tujuan untuk
meminimalkan biaya total
 By Changing Cells adalah variabel keputusan
yang harus dicari
 Subject to the Constraints adalah kendala yang
diperlukan
 Denan mengambil asumsi bukan negatif dan
linier dalam solver , lalu OK dan solve maka
akan tampil hasil yang optimal (minimum).
 Pertemuan 13-14
MASALAH PENUGASAN

Dalam dunia usaha manajemen sering menghadapi

masalah-masalah yg berhubungan dengan penugasan
optimal dari bermacam-macam sumber yg produktif atau
personalia yg mempunyai tingkat efisiensi yang berbeda-
beda untuk tugas-tugas yg berbeda-beda pula

Untuk penerapannya jumlah sumber yang ditugaskan

harus sama dengan jumlah tugas yang diselesaikan,
setiap sumber harus ditugaskan untuk satu tugas.

Jadi penugasan mencakup sejumlah n sumber yg

mempunyai n tugas.
 Masalah minimisasi
• contoh :
suatu perusahaan kecil mempunyai 4 pekerjaan yang berbeda
untuk diselesaikan oleh 4 karyawan. Biaya penugasan seorang
karyawan untuk pekerjaan yang berbeda adalah berbeda karena
sifat pekerjaan berbeda-beda tabel 6,1 menunjukkan biaya
penugasan karyawan untuk bermacam-macam pekerjaan

Tabel 6.1. Matrik Biaya

Pekerjaan I II III IV
karyawan
A Rp 15 Rp 20 Rp 18 Rp 22
B 14 16 21 17
C 25 20 23 20
D 17 18 18 16
 Langkah-langkah penyelesaian sbb :
1. Mengubah matrik biaya menjadi matrik opportunity cost.
Caranya pilih elemen terkecil dari setiap baris (kolom), untuk
mengurangi seluruh elemen dalam setiap baris (kolom).
Hasilnya tampak pada Tabel 6.2 berikut

Tabel 6.2 reduced – cost matrix

Pekerjaan I II III IV
karyawan
A 0 5 3 7
B 0 2 7 3
C 5 0 3 0
D 1 2 2 0
 2. Langkah 1 tadi berdasarkan elemen baris, selanjutnya
membuat total opportunity cost matrix. Pilih elemen terkecil
kolom untuk mengurangi seluruh elemen kolom tersebut
yaitu hanya untuk kolom yg belum memiliki minimal satu
nilai nol. Ditunjukkan dalam tabel 6.3 berikut.

Tabel 6.3. Total opportunity-cost matrix

Pekerjaan I II III IV
karyawan
A 0 5 1 7
B 0 2 5 3
C 5 0 1 0
D 1 2 0 0
3. Mencari skedul penugasan. Praktisnya dengan menarik
sejumlah garis horisontal /vertikal untuk meliput seluruh elemen
bernilai nol. Minimal jumlah baris sama dengan jumlah baris/kolom.
Bila tidak sama maka harus direvisi.

Tabel 6.4. test for optimality

Pekerjaan I II III IV
karyawan
A 0 5 1 7
B 0 2 5 3
C 5 0 1 0
D 1 2 0 0
 4.Untuk merevisi pilih elemen terkecil yang belum terliput garis
untuk mengurangi seluruh elemen yang belum terliput garis.
Kemudian tambahkan dengan jumlah yg sama untuk elemen
yang terliput dua garis yg bersilangan. Hasilnya sbb.

Tabel 6.5. revised matrix dan test for optimality

Pekerjaan I II III IV
karyawan
A 0 4 0 6
B 0 1 4 2
C 6 0 1 0
D 2 2 0 0
5.Matriks penugasan telah tercapai

Skedul penugasan

A – III Rp 18
B–I 14
C – II 20
D - IV 16
68
Masalah Maksimisasi

• Dalam masalah maksimisasi, matrik elemen-elemen menunjukkan

tingkat keuntungan (atau indeks produktivitas).
Contoh :
Tabel 6.6 Matriks keuntungan

Pekerjaan I II III IV V
karyawan
A Rp 10 Rp 12 Rp 10 Rp 8 Rp 15
B 14 10 9 15 13
C 9 8 7 8 12
D 13 15 8 16 11
E 10 13 14 11 17
Langkah-langkah penyelesaian

1. mengubah matriks keuntungan menjadi suatu matriks opportunity –

loss, yaitu seluruh elemen dalam setiap baris (kolom) dikurangi dengan
milai maksimum dalam baris (kolom) yang sama.

Tabel 6.7 Matriks Opportunity loss

Pekerjaan I II III IV V
karyawan
A 5 3 5 7 0
B 1 5 6 0 2
C 3 4 5 4 0
D 3 1 8 0 5
E 7 4 3 0 0
2. Langkah pertama menggunakan elemen baris, berikut
nya membuat total opportunity loss, yaitu melalui
pengurangan seluruh elemen dalam setiap kolom dengan
elemen terkecil dari kolom tersebut. (langkah ini dan
berikutnya sama seperti langkah pada masalah minimisasi)

Tabel 6.8 Matriks total opportunity loss

Pekerjaan I II III IV V
karyawan
A 4 2 2 7 0
B 0 4 3 0 2
C 2 3 2 4 0
D 2 0 5 0 5
E 6 3 0 6 0
Tabel 6.9 Tabel optimal

Pekerjaan I II III IV V
karyawan

A 2 0 0 5 0
B 0 4 3 0 4
C 0 1 0 2 0
D 2 0 5 0 7
E 6 3 0 6 2
Skedul penugasan optimal dan keuntungan total dan
terdapat dua alternatif penyelesaian

Skedul keuntungan Skedul keuntungan

penugasan 1 penugasan 2
A - II Rp 12 A - II Rp 15
B-I 14 B-I 15
C-V 12 C-V 9
D - IV 16 D - IV 15
E - III 14 E - III 14
Rp 68 Rp 68
Solusi transport dengan Solver-Excel

I II III IV

A 15 20 18 22
B 14 16 21 17
C 25 20 23 20
D 17 18 18 16

terisi TUGAS
A 0 0 1 0 1 1
B 1 0 0 0 1 1
C 0 1 0 0 1 1
D 0 0 0 1 1 1

tugas 1 1 1 1

terisi 1 1 1 1

total cost 68
 Pertemuan 14
Linier Goal Programing

Pendahuluan
Goal Programing: Masalah
KombinasiProduk
Goal Programing: Masalah Media
Advertensi
Goal Programing: Masalah Prioritas
Pendahuluan
• Dalam bab-bab terdahulu telah dibahas linear
programming dengan menggunakan teknik
formulasi dalam menyelesaikan berbagai
masalah manajemen. Komponen utama dari
kebanyakan linear program adalah fungsi
tujuan, yang ditandai oleh salah satu kriteria
yaitu maksimum atau minimum.
• Pada kenyataannya hal demikian tidak selalu
tepat atau layak bagi manajemen
Secara eksplisit dalam kedua kriteria tersebut sering
dinyatakan sebagai masalah optimum. Misalnya:
• Pertentangan tujuan. Manajemen mungkin menghadapi
pertentangan tujuan antara meminimumkan biaya atau
memaksimumkan pelayanan kepada pelanggan. Pada
hal tingginya tingkat pelayanan akan menjadi biaya
pelayanan semakin tinggi.
• Perbedaan dimensi tujuan. Misalnya, tujuannya adalah
menentukan jumlah unit produksi yang akan
memaksimumkan keuntungan atau memaksimumkan
market share.
• Kesulitan mengukur tujuan. Misalnya, tujuannya adalah
memaksimumkan tingkat pelayanan pada pelanggan, hal
ini sulit untuk diukur.
 Goal programming (GP) adalah kelanjutan
dari linear programming di mana tujuan
manajemen yang sesungguhnya adalah untuk
mencapai goal secara tepat berdasarkan
kendala yang dimiliki.
Tujuan dari goal program adalah untuk
meminimumkan penyimpangan dalam mencapai
tujuan manajemen.oleh karena itu, setiap goal
merupakan bagian dari fungsi tujuan. Dalam
bagian berikut ini akan diperhatikan berbagai
ilustrasi metode goal programming.
Goal Programming: Masalah Kombinasi
Produksi

Perusahaan Remaco saat ini membuat satu

jenis produk, yaitu “A”. Menghadapi
persaingan yang sangat tajam, manajemen
merencanakan untuk membuat produk baru
yaitu “B”. Setelah berkonsultasi dengan staf
enginering, manajer Remaco menetapkan
bahwa produk “B” adalah produk kedua dari
perusahaan Remaco.
Keuntungan setiap unit produk A adalah Rp.
260,00 dan keuntungan setiap unit produk B
diperkirakan sebesar Rp. 160,00. Setiap produk
diproses melalui departemen produksi dan
departemen perakitan. Kapasitas jam kerja per
bulan departemen produksi sebesar 192 jam
dan departemen perakitan memiliki kapasitas
240 jam per bulan. Setiap unit produk A
membutuhkan waktu proses selama 3 jam di
departemen produksi dan 2 jam di departemen
perakitan. Sedangkan produk B membutuhkan
waktu proses selama 1,75 jam di departemen
produksi dan 2,5 jam di departemen perakitan
Formulasi Linear Programming
• Dengan asumsi bahwa perusahaan
Remaco hanya memiliki satu tujuan yaitu
memaksimumkan keuntungan, maka
formilasi linear program untuk menentukan
kombinasi produk optimum (optimum
product mix) adalah sebagai berikut:
• Variabel keputusan:
Maksimum Z = 260x1 + 160x2
d.k [1] 3x1 + 1,75x2 < 192
[2] 2x1 + 2,50x2 < 240
[3] x1 >0
[4] x2 < 0

x1 = jumlah produk A yang diproduksi per bulan.

x2 = jumlah produk B yang diproduksi per bulan
Apabila formulasi di atas diselesaikan, maka
akan diperoleh kombinasi produk optimum
sebagai berikut:
x1 = 15 unit (produk A)
x2 = 84 unit (produk B)
Z = Rp. 17.340,00 per bulan
Setelah ditemukan kombinasi produk optimum,
manajemen menganggap bahwa hasil produksi
(output) produk A terlampau kecil, pada hal
produk A tersebut sangat diperlukan. Selain itu,
manajer pemasaran menyatakan bahwa
terdapat beberapa ketidakpastian terhadap
potensi pasar produk B, dan manajer produksi
memperkirakan bahwa akan terjadi kesulitan
dalam mengerjakan produk B. Namun demikian,
dalam jangka panjang Remaco dapat
meningkatkan kapasitas produksi kedua jenis
produk, tetapi untuk tahun pertama mencoba
untuk menggunakan fasilitas yang ada.
Setelah melalui beberapa pembahasan,
akhirnya diputuskan bahwa goal produksi
kedua jenis produk sebesar 110 unit per
bulan (produk A dan B secara kombinasi).
Di mana produk A paling sedikit 75 unit
per bulan dan produk B paling sedikit 50
unit per bulan.
Formulasi Goal Programming
Sebagai ilustrasi teknik goal programming, akan
digunakan masalah kombinasi produk perusahaan
Remaco. Secara umum prosedur formulasi goal
programming adalah sebagai berikut:
Pertama, memasukkan kendala (1) dan (2) dari linear
program ke dalam kendala goal program.
Kedua, sebagai target goal adalah total produksi 110
unit. Jika didefinisikan d1+ = target di atas goal dan d1-
= target di bawah goal, dan total produksi adalah
x1 + x2, maka kita dapat menuliskan kendala ketiga
sebagai berikut:
[3] x1 + x2 - d1+ + d1- = 110
Jika goal melebihi target, maka d1+ = 10,
dan d1- = 0, dan x1 + x2 - d1+ + d1- =
120 – 10 + 0 = 110 demikian pula
sebaliknya. Dalam kendala [3] variabel d1+
dan d1- disebut sebagai variabel deviasi.
Dengan cara yang sama dapat pula dibuat
kendala untuk kedua goal yang lain yaitu:
[4] x1 - d2+ + d2- = 75
[5] x2 – d3+ + d3- = 50
Ketiga, menentukan fungsi tujuan. Dalam
goal program, fungsi tujuan hanya meliputi
variabel deviasi dengan kriteria miminum.
Dalam contoh di atas, manajemen
menetapkan total target produksi 110 unit.
Dalam penyelesaiannya variabel deviasi
adalah d1+ dan d1-. Oleh karena itu kedua
variabel deviasi tersebut dimasukkan
dalam fungsi tujuan.
Selanjutnya, manajemen menginginkan
minimum target produk A sebesar 75 unit.
Variabel deviasinya adalah d2- yaitu
menghitung target goal produk A. Di
samping itu, manajemen menginginkan
pula minimum target produk B sebesar 50
unit. Variabel deviasinya adalah d3- yaitu
menghitung target goal produk B.
Dengan demikian, sebagai fungsi tujuan
masalah perusahaan Remaco adalah
miminum d1+ + d1- + d2- + d3- secara
lengkap formulasi goal program adalah
sebagai berikut:
Minimum Z = d1+ + d1- + d2- + d3-
d.k [1] 3x1 + 1,75x2 < 192
[2] 2x1 + 2,50x2 < 240
[3] x1 + x2 - d1+ + d1- = 110
[4] x1 - d2- + d2- = 75
[5] x2 – d3+ + d3- = 50
[6] x1, x2, di+, di- (i = 1,2,3) >
0
dengan menggunakan metode simplex tabel,
diperoleh penyelesaian optimum goal program
sebagai berikut:
Z minimum = Rp65,333
x1 = 34,83 unit
x1 = 50,00 unit
d1+ = 0
d1- = 25,17 unit
d2+ = 0
d2- = 40,17 unit
d3+ = d3- = 0
• Goal total produksi 84,83 unit (34,83 + 50), yang
berarti 25,17 unit di bawah target 110 unit.
Sedangkan goal produksi produk A = 34,83 unit,
yang berarti 40,17 unit di bawah target 75 unit.
Goal produksi produk B = 50 unit, yang berarti
sesuai dengan target produksi. Total
keuntungan kedua jenis produk adalah
(Rp260,00)(34,83) + (Rp160,00)(50) –
Rp17.056,00 atau Rp283,42 per bulan, sama
dengan total keuntungan dalam linear goal
program
Dari ilustrasi di atas, dapat disimpulkan bahwa langkah-
langkah formulasi goal program adalah sebagai berikut:
• Langkah 1. Tentukan target goal yang akan dicapai.
• Langkah 2. Dalam setiap kendala goal program,
terdapat variabel deviasi d1+ + d1-, di mana d1+ adalah
goal di atas target dan d1- adalah goal di bawah target.
• Langkah 3. Buat fungsi tujuan dalam bentuk miminum,
dan hanya meliputi variabel deviasi (bukan variabel
keputusan aslinya). Kemudian tulis semua kendala
termasuk kendala linear program yang akan menjadi
kendala dalam goal program
Goal Programming: Masalah
Media Advertensi
Secara khusus dalam goal programming
sangat dimungkinkan bahwa manajemen
menyatakan goal dengan cara
menetapkan bobot tertentu. Bobot
tersebut, dapat digunakan sebagai
koefisien variabel deviasi dalam fungsi
tujuan. Contoh berikut ini merupakan
ilustrasi mengenai penggunaan bobot
sebagai koefisien variabel dalam fungsi
tujuan.
Contoh 15.1 Masalah Media Advertensi
PT Computa sedang merencanakan
program advertensi untuk satu tahun
mendatang guna mempromosikan produk
barunya. Terdapat tiga fungsi media yang
sedang dipertimbangkan. Biaya stiap
media advertensi dan jangkauannya dapat
dilihat dalam tabel berikut ini.
 Jangkauan media
Jenis
Biaya media
media
Di bawah 25 25 tahun ke
tahun atas

1 Rp15.000,00 700 orang 400 orang

2 Rp11.000,00 400 orang 250 orang
3 Rp18.000,00 600 orang 1.000 orang
Sebagai contoh, setiap advertensi dalam media 1 dengan
biaya Rp15.000,00 dapat menjangkau 1.100 orang, di
mana 700 orang di bawah umur 25 tahun, dan 400
orang di atas 25 tahun. Informasi lain adalah sebagai
berikut:
Anggaran biaya advertensi Rp300.000,00 per minggu
Goal 1 untuk menjangkau 25.000 orang per minggu
Goal 2 minimum target yang dicapai 20.000 orang per
minggu untuk di bawah umur 25 tahun.
Goal 3 minimum jumlah dana untuk media 2 dan 3 tidak
boleh melebihi Rp250.000,00 per minggu
Perusahaan menyatakan bahwa untuk goal 1 tiga kali
lebih penting dari goal 3, dan 2 kali lebih penting dari
goal 2.
Formulasikan goal program masalah di atas untuk
menentukan media advertensi yang terbaik.
Penyelesaian
Mendefinisikan variabel keputusan yaitu
x1, x2, dan x3 adalah jumlah advertensi
per minggu dalammedia 1,2, dan 3. Di
mana d1+ + d2+ dan d3+ adalah target di
atas goal 1,2,, dan 3. Sedangkan d1- +
d2- dan d3- adalah target di bawah goal
1,2, dan 3. Dengan menggunakan
perbedaan bobot ketiga media tersebut,
dapat dibuat goal program sebagai
berikut:
Minimum Z = 3d1+ + 3d2- - 2d2- + d3+
d.k [1] 15.000x1 + 11.000x2 + 18.000x3 <300.000
[2] 1.100x1 + 650x2 + 1.600x3 – d1+ + d1- < 25.000
[3] 700x1 + 400x2 + 600x3 – d2+ + d2- < 20.000
[4] 11.000x2 + 18.000x3 – d3+ + d3+ < 250.000
[5] x1, x2, x3, d1+, d1- <0
Dengan menggunakan linear programming
metode simpleks, diperoleh hasil sebagai
berikut:
x1 = 7,143
x2 = 0
x3 = 10,714
d1+ = 0 dan d1- = 0
d2+ = 0 dan d2- = 857,143
d3+ = 0 dan d3- = 57,143
Ddari hasil perhitungan tersebut, dapat diambil kesimpulan
sebagai berikut:
• Target goal 1 untuk menjangkau 25.000 orang tercapai.
• Target goal 2 untuk menjangkau minimum 20.000 orang
di bawah umur 25 tahun hanya tercapai 19.143 orang
(20.000- 857)
• Target goal 3 dapat dipenuhi, karena media 2 dan 3
hanya menggunakan dana Rp192.857,00 (Rp57.143,00
di bawah Rp250.000,00).
• Total biaya yang dikeluarkan adalah sebesar:
• 7,143(15.000) + 0(11.000) + 10,714(18.000) =
Rp300.000,00 sesuai dengan besarnya anggaran biaya
advertensi.
• Media yang digunakan adalah media 1 sebanyak 7,143
kali dan media 3 sebanyak 10,714 kali
Goal programming: masalah
prioritas

Pada bagian 3 di atas telah dibahas

tentang faktor bobot atas variabel deviasi
dalam fungsi tujuan. Dalam vontoh 15.1
(masalah PT Computa) dapat dilihat
bahwa meskipun goal 1 dapat memenuhi
target, tetapi goal 2 tidak dapat
memenuhi target seperti halnya goal 1
dan goal 3.
• Dengan menggunakan faktor prioritas mungkin
dapat dipastikan bahwa goal yang memiliki
prioritas tinggi akan diutamakan jika
dibandingkan dengan goal yang memiliki
prioritas lebih rendah. Kapan goal prioritas yang
lebih rendah dipertimbangkan?, yaitu ketika
biaya goal prioritas tinggi tidak dapat dikurangi.
• Faktor prioritas ditandai dengan P1, P2, P3, dan
seterusnya, di mana P1 menunjukkan prioritas
tinggi, P2 prioritas kedua dan seterusnya.
Contoh berikut ini menunjukkan ilustrasi
bagaimana pengoperasian faktor prioritas dalam
menyelesaikan masalah kombinasi produksi
dengan menggunakan metode grafik.
Contoh 15.2. Masalah prioritas
• PT Amex membuat dua jenis produk yaitu A dan B.
Produk A membutuhkan waktu penyelesaian 5 jam di
mesin 1 dan 2 jam di mesin 2. Sedangkan produk B
membutuhkan waktu penyelesaian 2 jam di mesin 1 dan
4 jam di mesin 2. Kapasitas jam kerja mesin 1 sebesar
50 jam per minggu dan mesin 2 sebesar 48 jam per
minggu. Manajemen mempunyai kebijakan tentang
prioritas goal sebagai berikut:
• Minimum target total produksi produk A dan B sebesar
10 unit per minggu.
• Minimum target produksi produk A dan B sebesar 8 unit
per minggu.
• Miminum target produksi produk B sebesar 13 unit per
minggu.
• Tentukan kombinasi produksi A dan B untuk mencapai
goal tersebut.
Penyelesaian
Definisi variabel keputusan:
x1 = jumlah unit produksi A per minggu
x2 = jumlah unit produksi B per minggu
minimum Z = p1d1- + p2d2+ p3d3-
d.k [1] 5x1 + 2x2 < 50
[2] 2x1 + 4x2 < 48
[3] x1 + x2 – d1+ + d1- = 10
[4] x1 – d2+ + d2- = 8
[5] x2 – d3+ + d3- = 13
[6] x1 + x2, di+ + di- > 0
Apabila formulasi goal programming di
atas diselesaikan dengan menggunakan
metode grafik, hasilnya ditunjukan dalam
Gambar 15.1. Di mana di- menunjukkan
hasil yang dicapai di bawah target dan di-
menunjukkan hasil yang dicapai di atas
target, dari ketiga goal dan keenam
kendala di atas.
Referensi :
• 1. Pangestu Subagyo, Marwan Asri dan T. Hani
Handoko, 2000, Dasar-Dasar Operations Research,
Yogyakarta, BPFE.

• 2. Sri Mulyono, 2002, Operations Research, Edisi

Kedua, Jakarta, Lembaga Penerbit FEUI.

• 3. Taylor, Bernard W, 2004, Sain Manajemen, Edisi

Kedelapan Edition, Salemba Empat

• 4.Yulianto, HD,2005, Riset Operasi dengan Excel,

Penerbit Andi. Yogyakarta.