Teknik Riset Operasional

Modul : KKMI3413-Teknik Riset Operasional
Hal : 45
1
PENDAHULUAN
1.1. Sejarah Singkat
Operations Research merupakan pendekatan pengambilan keputusan
manajerial yang didasarkan atas metode-metode ilmiah yang menggunakan
banyak analisis kuantitatif. Berbagai nama diberikan untuk bidang ilmu yang
melibatkan
pendekatan-pendekatan
kuantitatif,
diantaranya
Management
Science (Manajemen Sains).

Operations Research diterjemahkan sebagai Riset Operasi (OR), Penelitian
Operasional, dan Teknik Riset Operasi (TRO).
Revolusi manajemen sains pada awal 1900an yang dicetuskan Frederic W.
Taylor, memberikan dasar bagai Riset Operasi.
Namun Riset Operasi modern
umumnya dianggap muncul selama periode Perang Dunia II, ketika tim OR dibentuk
untuk menangani masalah-maslah strategis dan taktis yang dihadapi militer. Tim ini
terdiri dari para ahli matematika, teknik, dan perilaku bersama-sama memecahkan
masalah dengan menggunakan metode ilmiah.
Setelah perang usai , banyak
anggota tim ini melanjutkan penelitian dengan pendekatan kuantitatif untuk

pengambilan keputusan.
Pada masa Perang Dunia II, angkatan perang Inggris membentuk suatu tim
yang terdiri atas para ilmuwan untuk mempelajari untuk mempelajari persoalanpersoalan strategi dan taktik sehubungan dengan serangan-serangan yang
dilancarkan musuh terhadap negaranya. Tujuan mereka adalah untuk menentukan
penggunaan sumber-sumber militer yang terbatas, seperti radar dan bomber
dengan cara yang palin efektif. Karena tim tersebut melakukan penelitian terhadap
operasi-operasi militer, maka muncullah nama Military Operations Research.
Keberhasilan angkatan perang Inggris ini kemudian mendorong angkatan
perang Amerika untuk melakukan aktifitas serupa dengan membentuk tim
Operations Research.
Setelah Perang Dunia II berakhir, OR yang lahir di Inggris berkembang pesat di
Amerika khususnya bagi kalangan industri, konsultan, perguruan tinggi, perencanaan
kota dan dunia bisinis.
Perkembangan yang sangat berarti adalah penemuan George Dantzig
pada tahun 1947 atas metode simpleks yang digunakan untuk memecahkan
masalah pemograman linier. Kemudian pada tahun 1957, buku pertama mengenai
BRIDON SILABAN, IR, MBA
STMIK BUDIDARMA
Hal : 46
OR diterbitkan oleh Churchman, Ackoff, dan Arnoff yang berjudul Introduction to

Operation Research.
Perkembangan OR semakin pesat karena peningkatan besar dalam
kemampuan
komputasi
sebagai
akibat
tersedianya
komputer.
Komputer
memungkinkan para praktisi menggunakan metodologi yang lebih cangkih untuk

memecahkan berbagai masalah industri.
Lahirnya bahasa pemograman seperti Visual Basic, Java, C/C++ sangat
mendukung perkembangan OR, dimana persoalan yang rumit dan berskala besar,
dapat diselesaikan dengan cepat, tepat dan akurat, yang berdampak positif
terhadap pengambilan keputusan.
1.2.
Pemecahan Masalah dan Pengambilan Keputusan

Pemecahan masalah merupakan proses pengidentifikasian perbedaan
antara kondisi aktual dan kondisi yang diinginkan serta kemudian mengambill
tindakan untuk mengatasi perbedaan tersebut.
Tahap-tahap pemecahan masalah.
1.
Mengidentifikasi dan mendefenisikan masalah
2.
Menentukan berbagai alternatif pemecahan
3.
Menentukan kriteria yang akan digunakan untuk mengevaluasi berbagai

alternatif
4.
Mengevaluasi berbagai alternatif
5.
Memilih alternatif
6.
Menerapkan alternatih yang terpilih
7.
Mengevaluasi
hasilnya
dan
menentukan
apakah
pemecahan
telah
memuaskan.
Pengambilan keputusan berhubungan dengan langkah pertama sampai
dengan langkah kelima pada proses pemecahan masalah. Dalam menyelesaikan
persoalan yang berkaitan dengan pengambilan keputusan ini, harus diidentifikasikan
lebih dahulu dua komponen utama, yaitu tujuan (objective) dan variabel-variabel.
Tujuan adalah hasil akhir yang hendak dicapai dengan cara memilih suatu
tindakan yang paling tepat untuk sistem yang dipelajari.
Dalam bidang usaha,
tujuan diartikan sebagai memaksimumkan keuntungan atau meminimumkan

biaya. Dalam bidang-bidang lain yang sifatnya non profit, tujuan dapat berupa
pemberian kualitas pelayanan kepada pelanggan.
Apabila tujuan telah didefenisikan, maka harus dilakukan pemilihan tindakan
terbaik yang dapat mencapai tujuan tersebut. Untuk dapat menentukan tindakantindakan yang mungkin dilakukan, maka harus diidentifikasi variabel-variabel sistem
yang dapat dikendalikan oleh pengambil keputusan.
STMIK BUDIDARMA
Hal : 47
1.3. Analisa Kuantitatif.

Tahap
pendefenisian
masalah
dari
proses
pengambilan
keputusan
merupakan komponen paling kritis dalam menentukan keberhasilan atau kegagalan

pendekatan
kuantitatif
untuk
pengambilan
keputusan.
Pada
umumnya
membutuhkan imajinasi, kerjasama dan banyak upaya untuk mengubah deskripsi

masalah secara umum menjadi defenisi masalah yang baik, yang dapat
menggunakan pendekatan kuantitatif.
Agar berhasil dalam analisis kuantitatif untuk pengambilan keputusan, ahli OR
harus bekerja sama dengan manajer atau pengguna keputusan. Apabila kedua
telah sepakat, ahli OR mulai bekerja mengembangkan model yang dapat
digunakan.
1.4.
Paket Programa QSB+ (Quantitative System for Business Plus)

Pada saat ini telah banyak tersedia paket program yang dapat digunakan
untuk memecahkan dalam OR, diantaranya LP, LPV2, Simplex, QPTO, LPROG, QSB,
QSB+.
Topik OR yang disediakan dalam paket program QSB+ adalah :
Program Linier (Liniear Programming)
Integer Liniear Programming
Masalah Transportasi (Transportation and Transshipment)
Masalah Penugasan (Assignment and Traveling Salesman)
Analisa Jaringan ( Network Analysis)
CPM and PERT
Dynamic Programming
Inventory Control
Teori Antrian
Simulasi Sistem ASntrian
Teori Keputusan dan Probabilitas
Teori Markov
Time Series Forecasting
STMIK BUDIDARMA
Hal : 48
2
PROGRAMA LINIER
2.1. Pendahuluan
Programa linier yang diterjemahkan dari Liniear Programaming (LP) adalah
suatu cara untuk menyelesaikan persoalan pengalokasian sumber-sumber yang
terbatas di antara beberapa aktivitas yang bersaing, dengan cara yang terbaik
yang mungkin dilakukan. Persoalan pengalikasian ini akan muncul apabila seseorang
harus
memilih
tingkat
aktivitas-aktivitas
tertentu
yang
bersaing
dalam
hal
penggunaan sumber daya yang terbatas yang di butuhkan untuk melaksanakan

aktivitas-aktivitas tersebut.
Beberapa contoh situasi dari uraian di atas antara lain ialah persoalan
pengalokasian fasilitas produksi, , solusi permainan (game), dan pemilihan pola
pengiriman (shipping). Satu hal yang menjadi cirri situasi di atas ialah adanya
keharusan untuk mengalokasikan sumber terhadap aktivitas.
Programa linier ini menggunakan model matematis untuk menjelaskan
persolaan yang dihadapinya. Sifat linier di sini memberi arti bahwa seluruh fungsi
matematis dalam model ini merupakan fungsi yagn linier. Sedangkan kata
Programaa
merupakan
sinonim
untuk
perencanaan.
Dengan
demikian,
Programaa linier (LP) adalah perencanaan aktivitas-aktivitas untuk memperoleh

suatu hasil yang optimum, yaitu suatu hasil yang mencapai tujuan terbaik di antara
seluruh alternative yang layak/fisibel.
George B. Dantzig merupakan ahli matematika yang diakui sebagai pioneer
Programa Linier. Selama perang Dunia II Danzig bekerja pada Angkatan Udara
Amerika Serikat , dia bekerjasama dengan Von Neumann, Hurwicz dan Koopmans ,
melahirkan Programa Saling Ketergantungan Kegiatan Kegiata dalam Struktur
linier, kemudian disebut Linearr Programaming.
Pada tahun 1947 Dantzig mempublikasikan Metode Simplek. Kemudian
bekerjasama dengan Marshall Wood dan Alex Orden dalam pengembangan
Metode Simplek.
Pada awalnya metode simplek diterapkan pada masalah-masalah militer,
seperti logistik, transportasi dan perbekalan. Sejalan dengan perkembangannya,
linier Programaming sudah diaplikasikan hampir kesemua bidang
yang didukung
dengan perkembangan yang sangat pesat bidang ilmu komputer.
STMIK BUDIDARMA
Hal : 49
Sebagai ilustrasi, perhatikan contoh soal berikut :

Contoh 2.1
PT. Sayang Anak memproduksi dua jenis mainan yang terbuat dari kayu, yang
berupa boneka dan kereta api. Boneka dijual dengan harga Rp 27.000/lusin yang
setiap lusinnya memerlukan biaya material sebesar Rp 10.000 serta biaya tenaga
kerja sebesar Rp 14.000. Kereta api yang dijual seharga Rp 21.000/lusin memerlukan
biaya material sebesar Rp 9.000 dan biaya tenaga kerja sebesar Rp 10.000. Untuk
membuat boneka dan kereta api ini diperlukan dua kelompok tenaga kerja, yaitu
tukang kayu dan tukang poles. Setiap lusin boneka memerlukan 2 jam pemolesan
dan 1 jam pekerjaan kayu, sedangkan setiap lusin kereta api memerlukan 1 jam
pemolesan dan 1 jam pekerjaan kayu. Meskipun pada setiap minggunya
perusahaan ini dapat memenuhi seluruh material yang diperlukan, jam kerja yang
tersedia hanya 100 jam utnuk pemolesan dan 80 jam untuk pekerjaan kayu. Dari
pengamatan pasar selam ini dapat dikatakan bahwa kebutuhan akan keretea api
tidak terbatas, tetapi untuk boneka tidak lebih dari 40 lusin yang terjual setiap
minggunya. Bagaimanakah formulasi dari persoalan di atas untuk mengetahui
berapa lusin jenis mainan masing-masing yang harus dibuat setiap minggu agar
diperoleh keuntungan yang maksimum?
Dalam membangun model dari formulasi persoalan di atas akan digunakan
karakteristik-karakteristik yang biasa digunakan dalam persoalan Programaa linier,
yaitu :
a. Variabel keputusan
Variabel keputusan adalah variable yang menguraikan secara lengkap
keputusan-keputusan yang akan dibuat. Dalam persoalan ini, variable keputusan
akan menentukan berapa banyak boneka dan kereta api masing-masing harus
dibuat setiap minggunya.
Misalkan : x1 = banyaknya boneka yang dibuat setiap minggu
x2 = banyaknya kereta api yang dibuat setiap minggu.
b. Fungsi tujuan
Fungsi tujuan merupakan fungsi dari variable keputusan yang akan
dimaksimumkan (untuk pendapatan atau keuntungan) atau diminimumkan (untuk
ongkos). Pada persoalan ini akan di maksimumkan (pendapatan/minggu) (ongkos
material/minggu) (ongkos tenaga kerja/minggu).
Pendapatan dan ongkos-ongkos ini dapat
diekspresikan dengan menggunakan
variable keputusan x1 dan x2 sebagai berikut :
STMIK BUDIDARMA
Hal : 50
Pendapatan/minggu = pendapatan/minggu dari boneka + pendapatan/minggu

dari KA.
= 27x1 +21x2
Ongkos material/minggu = 10x1 + 9x2
Ongkos tenaga kerja/minggu = 14x1 + 10x2
Sehignga yang akan dimaksimumkan adalah :
(27x1 + 21x2) (10x1 + 9x2) (14x1 + 10x2) = 3x1 + 2x2
Catatan : ongkos dan pendapatan dalam ribuan rupiah.
Untuk menyatakan nilai fungsi tujuan ini akan digunakan variable z sehingga fugnsi
tujuannya menjadi :
Maksimumkan z =3x1 + 2x2
c. Pembatas
Pembatas merupakan kendala yagn dihadapi sehingga kita tidak bisa
menentukan harga-harga varibel keputusan secara sembarang. Pada persoalan di
atas ada 3 pembatas yang kita hadapi, yaitu :
Pembatas 1 : Setiap minggu tidak lebih dari 100 jam waktu pemolesan yang dapat di
gunakan.
Pembatas 2 : Setiap minggu tidak lebih dari 80 jam waktu pengerjaan kayu yang
dapat digunakan.
Pembatas 3 : Karena permintaan yang terbatas, maka tidak lebih dari 40 lusin
boneka yang dapat di buat setiap minggu. Jumlah material yang
dapat di gunakan diasumsikan tidak terbatas sehingga tidak ada
pembatas untuk hal ini.
Selanjutnya, ekspresikan pembatas- pembatas itu ke dalam x1 dan x2 sebagai
berikut :
Pembatas 1 : 2x1 + x2 100
Pembatas 2 : x1 + x2 80
Pembatas 3 : x1 40
Koefisien dari variabel keputusan pada pembatas disebut koefisien teknologis,
sedangkan bilangan yang ada di sisi kanan setiap pembatas disebut ruas kanan
pembatas.
d. Pembatas tanda
Pembatas tanda adalah pembatas yang menjelaskan apakah variabel
keputusannya diasumsikan hanya berharga nonnegative atau variabel keputusan
tersebut boleh berharga positif, boleh juga negative (tidak terbatas dalam tanda).
Pada contoh soal di atas kedua varibel keputusan harus berharga nonnegative
sehingga harus dinyatakan bahwa
STMIK BUDIDARMA
Hal : 51
x1 0
x2 0
Dengan demikian, formulasi lengkap dari persoalan PT. Sayang Anak adalah :
Maksimumkan
z = 3x1 + 2x2
Berdasarkan
2x1 + x2 100
x1 + x2 80
x1 40
x1 0
x2 0
Contoh 2.2
PT. Indah Gelas adalah suatu perusahaan yang memproduksi kaca berkualitas tinggi
untuk digunakan sebagai jendela dan pintu kaca. Perusahaan ini memiliki tiga buah
pabrik, pabrik 1 yang membuat bingkai aluminium, pabrik 2 yang membuat bingkai
kayu, dan pabrik 3 yang digunakan utnuk memproduksi kaca dan merakit produk
keseluruhan. Saat ini perusahaan mendapat pesanan berupa dua macam produk
baru yang potensial, yaitu kaca setinggi 8 kaki dengan bingkai aluminium (produk 1),
dan jendela berukuran 4 x 6 kaki dengan bingkai kayu (produk 2). Karena
perusahaan sedang mengalami penurunan pendapatan sebagai akibat resesi
dunia, maka pimpinan perusahaan merasa perlu untuk memperbaiki/mengubah
lintasan produksinya dengan cara menghentikan pembuatan beberapa produk
yang tidak menguntungkan sehingga kapasitas produksi dapat digunakan untuk
membuat salah satu atau kedua produk baru yang potensial tersebut. Kepala
bagian pemasaran telah menyimpulkan bahwa perusahaan harus dapat menjual
kedua produk itu sebanyak-banyaknya, yaitu sejumlah yang dapat dibuat dengan
kapasitas yang ada. Akan tetapi, karena kedua produk itu akan bersaing untuk
menggunakan kapasitas produksi yang sama di pabrik 3, maka persoalannya ialah :
Berpa
banyakkah
masing-masing
produk
harus
dibuat
sehingga
deperoleh
keuntungan terbaik?
Untuk menyelesaikan persoalan di atas, terlebih dahulu harus dicari mengenai
:
1. Persentase kapasitas produksi masing-masing pabrik yang dapat digunakan
untuk kedua macam produk tersebut.
2. Persentase kapasitas yang diperlukan oleh masing-masing produk untuk setiap
unit yang diproduksi per menit.
3. Keuntungan per unti untuk masing-masing produk.
Informasi mengenai ketiga hal di atas diberikan pada Tabel 2.1 berikut ini :
STMIK BUDIDARMA
Hal : 52
Tabel 2.1. Data untuk PT. Indah Gelas

Produk
Kapasitas yang digunakan/ unit
Kapasitas yang
Ukuran produksi
Dapat digunakan
Pabrik
12
18
Keuntungan/Unit
$3
$5
Karena kapasitas yang telah digunakan oleh suatu produk di pabrik 3 menyebabkan
produk lain tidak dapat menggunakannya, maka persoalan di atas dikenal sebagai
persoalan Programaa linier dengan tipe campuran produk atau product mix.
Untuk memformulasikan model metematis dari persoalan ini, kita tentukan x1
dan x2 sebagai jumlah unit dari produk 1 danproduk 2 yang diproduksi per menit,
dan kita tentukan pula z sebagai keuntungan yang diperoleh per menit. Dengan
demikian maka x1 dan x2 menjadi variabel-variabel keputusan dari model ini, dan
tujuannya adalah memilih harga-harga x1 dan x2 sehingga diperoleh nilai maksimum
dari :
Z = 3x1 + 5x2
berdasarkan pembatas yang ada, yaitu kapasitas pabrik yang dapat di gunakan.
Tabel 2,1 diatas memberikan implikasi bahwa setiap unit
produk 1 yang
diproduksi per menit akan menggunakan 1 persen dari kapasitas pabri k1, padahal
kapasitas yang dapat digunakan hanya 4 persen. Pembatas ini dinyatakan secara
matematis dengan ketidaksamaan x1 4. Dengan cara yang sama, pabrik 2 memiliki
pembatas 2x2 12. Persentase kapasitas pabrik 3 digunakan dengan cara memilih x1
dan x2 sebagai produk-produk baru tersebut sehingga ukuran produksinya adalah
3x1 + 2x2. Karena itu, secara matematis pembatas dari pabrik 3 ini adalah 3x1 + 2x2
18. Karena ukuran produksi ini tidak mungkin berharga negative, maka variabelvariabel keputusan ini dibatasi sehingga berharga nonnegative dengan x1 0 dan
x2 0.
Sebagai kesimpulan, persoalan di atas dapat dinyatakan secara matematis
sebagai berikut :
Maksimumkan
z = 3x1 + 5x2
berdasarkan
x1
2x2
12
3x1 + 2x2
18
dan
STMIK BUDIDARMA
Hal : 53
x1 0, x2
Dari ilustrasi di atas dpat ditarik kesimpulan mengenai pengertian persoalan
Programaa linier sebagai berikut : Persoalan Programaa linier (LP) adalah suatu
persoalan optimasi di mana kita melakukan hal-hal berikut ini :
1.
Kita berusaha memaksimumkan atau meminimumkan suatu fungsi linier dari

variabel-variabel keputusan yang disebut fungsi tujuan.
2.
Harga/besaran dari variabel-variabel keputusan itu harus memenuhi suatu set

pembatas.
Setiap
pembatas
harus
merupakan
persamaan
linier
atau
ketidaksamaan linier.
3.
Suatu pembatas tanda dikaitkan dengan setiap variabel. Untuk setiap variabel
xi harus nonnegative (x1 0) atau xi tidak terbatas dalam tanda.
Definisi :
Suatu fungsi f (x1, x2,,xn) dari x1, x2,,xn adalah fungsi linier jika dan hanya
untuk sejumlah set kontanta c1, c2,, cn berlaku f (x1, x2,, xn) = c1x1 + c2x2
+ + cnxn
Sebagai contoh, f (x1, x2) = 2 x1 + x2 adalah fungsi linier dari x1 dan x2, tetapi 2 x12 +
x2 vukan fungsi linier dari x1 dan x2.
Untuk setiap fungsi linier f (x1, x2, , xn) dan setiap bilangan b,
ketidaksamaan f (x1, x2, , xn) b dan f (x1, x2, , xn) b adalah ketidaksamaan
linier. Sebagai contoh, 2x1 + 3x2 3 dan 2x1 + x2 3 adalah ketidaksamaan linier,
sedangkan 2 x12 + x2 3 bukanlah ketidaksamaan linier.
2.2. Model Programa Linier
Tabel 2.2. Data Model Programa Linier
Aktivitas
Penggunaan Sumber/Unit
1
Banyaknya
N
Sumber
yang
digunakan
Sumber
1
a11
a12
..
a1n
b1
a21
a22
..
a2n
b2
am1
am2
..
amn
Z/Unit
C1
C2
Cn
Tingkat
X1
X2
Xn
bm
Berdasarkan table diatas dapat dibuat formulasi model matematis Programa Linier.
STMIK BUDIDARMA
Hal : 54
Fungsi Tujuan :
Maksimumkan Z = C1X1 + C2X2 + C3X3 + . . . . . . + CnXn
Batasan/Kendala :
a11X1 + a12X2 + a13X3 + ..+ a1nXn b1
a21X1 + a22X2 + a23X3 + ..+ a2nXn b2
a31X1 + a32X2 + a33X3 + ..+ a3nXn b3
.
am1X1 + am2X2 + am3X3 + ..+ amnXn bm
dan ,
X1 0 , X2 0, X30,
Xn 0
Catatan :
Yang harus dicari adalah X1, X2, Xn
Bentuk model diatas disebut Bentuk Standar Persoalan Programa Linier
2.3. Asumsi Model Programa Linier

Sebenarnya asumsi-asumsi dasar Programa Linier telah tersirat pada model
matematis yang telah dibahas. Tetapi ada baiknya membahas asumsi-asumsi
tersebut agar terperinci. Asumsi-asumsi Programa linier menuntut agar hubungan
fungsional
dalam
masalah
bersifat
linier/proporsional,
aditif,
divisibility,
dan
deterministic.
a. Linierity/Proportionality (Linier/proporsional )
Persyaratan uatama pada Programa Linier adalah bahwa fungsi tujuan (Z)
dan semua kendala harus linier. Jika suatu kendala dengan 2 variabel keputusan
dalam diagram dimensi 2, maka akan berbentuk garis lurus. Demikian juga apabila 3
variabel, maka akan menghasilkan bidang datar.
Linier berarti bahwa hubungannya proporsional artinya tingkat perubahan
atau hubungan fungsional adalah konstan.
Perubahan nilai variabel akan
mengakibatkan perubahan relative nilai fungsi tujuan dalam jumlah yang sama.
Contoh:
Z = C1X1 + C2X2 + C3X3 + + CnXn
Setiap pertambahan 1 unit X1 akan menaikkan Z dengan C1
Setiap pertambahan 1 unit X2 akan menaikkan Z dengan C2
Dan seterusnya.
a11X1 + a12X2 + a13X3 + ..+ a1nXn b1
Setiap pertambahan 1 unit
X1 akan menaikkan penggunaan sumber
daya/fasilitas 1 dengan a11.

Setiap pertambahan 1 unit
X2 akan menaikkan penggunaan sumber
daya/fasilitas 1 dengan a12.
STMIK BUDIDARMA
Hal : 55
b. Additivity
Asumsi ini berarti bahwa nilai tujuan tiap kegiatan tidak saling mempengaruhi,
dianggap bahwa kenaikan dari nilai tujuan (Z) yang diakibatkan oleh kenaikan suatu
kegiatan dapat ditambahkan tanpa mempengaruhi bagian nilai Z yang diperoleh
dari kegiatan lain.
Contoh:
Z = 3X1 + 5X2
Dimana , X1 = 10 ; X2 = 2.
Maka,
Z = 3(10) + 5(2)
= 40
Jika X1 bertambah 1 unit, maka sesuai dengan asumsi pertama , maka nilai Z
menjadi 40 + 3 = 43
Nilai 3 merupakan kenaikan X1 yang dapat langsung ditambahkan pada nilai Z
mula-mula tanpa mengurangi bagian Z yang diperoleh dari kegiatan 2(X2). Dengan
kata lain tidak korelasi antara X1 dan X2
c. Divisibility.
Divisibility berarti bahwa output yang dihasilkan oleh setiap kegiatan dapat
berupa bilangan pecahan, demikian juga dengan nilai Z yang dihasilkan.
d. Deterministic.
Semua parameter model (cj,aij, dan bj) diasumsikan diketahui dengan
kepastian.
Dalam kenyataannya, parameter model jarang bersifat deterministic,
karena mencerminkan kondisi masa depan maupun sekarang, dan keadaan masa
depa jarang diketahui dengan pasti. Analisis sensitivitas merupakan suatu teknik yang
dikembangkan untuk menguji nilai solusi, bagaimana kepekaannya terhadap
perubahan-perubahan parameter.
STMIK BUDIDARMA
Hal : 56
3
TEKNIK PEMECAHAN
PROGRAMA LINIER
Ada dua cara yang digunakan untuk menyelesaikan persoalan Programa linier,
yaitu Metode Grafis dan Metode Simplek.
Metode Grafis dipergunakan apabila persoalan Programa linier itu hanya
mempunyai dua variabel. Namun demikian metode ini telah memberikan petunjuk
penting bahwa dalam pemecahanPrograma linier , kita hanya perlu memperhatikan
titik ekstrim (titik terjauh) pada ruang solusi atau daerah fisibel.
Petunjuk inilah
sebagai kunci dalam mengembangkan Metode Simplek.

3.1.
Metode Grafis.
Untuk menjelaskan metode grafis, akan kita berikan contoh Programa linier dengan
persoalan maksimasi dan minimasi.
3.1.1. Persoalan Maksimasi.
Sebuah perusahaan sepatu Maryland yang bermarkas di Mareland memproduksi 2
jenis sepatu, yaitu sepatu dengan sol karet dan sepatu dengan sol kulit. Untuk
membuat sepatu tersebut, dibutuhkan 3 jenis mesin yaitu, mesin I khusus membuat sol
dari karet, mesin II khusus membuat sol dari kulit dan mesin III khusus menggabungkan
bagian atas sepatu dengan sol sepatu. Untuk membuat sepatu dari sol karet per lusin
dibutuhkan waktu pengerjaan 2 jam pada mesin I, dan 6 jam pada mesin III.
Sedangkan untuk membuat sepatu dengan sol dari kulit per lusin dibutuhkan 3 jam
pada mesin II dan 8 jam pada mesin III. Dalam satu minggu, mesin I hanya dapat
bekerja 5 jam, mesin II 15 jam dan mesin III 30 jam. Sedangkan keuntungan yang
diperoleh dari setiap lusin sepatu sol karet sebesar Rp. Rp. 30.000,- dan sepatu sol kulit
Rp. 50.000,-.
Dalam kasus ini , masalah yang dihadapi adalah menentukan jumlah masingmasing sepatu yang harus diproduksi agar memperoleh keuntungan maksimum.
STMIK BUDIDARMA
Hal : 57
Penyelesaian:
1. Buat Data Tabel Perusahaan Marylan.
Tabel 3.1. Data Perusahaan Sepatu Maryland
I2
Kapasitas Maks
I1
Merek Sepatu
Mesin
I
II
III
Keuntungan(10.000)
Jumlah Produksi
2
0
6
3
X1
5
5
X2
0
3
8
15
30
X1 = jumlah produksi sepatu sol karet (I1)

X2 = jumlah sepatu sol kulit ( I2)
2. Buat model matematis fungsi tujuan dan fungsi pembatas.
Fungsi Tujuan.
Maksimumkan
Z = 3 X1 + 5 X2
Batasan/Kendala
2X1 + 0X2 8
atau
2X1 8 ..
0X1 + 3X2 15
3X2 15 .. (2)
6X1 + 5X2 30
. (3)
X1 >= 0 ; X2 >= 0
(1)
3. Gambarkan grafik fungsi pembatas, dengan membuat grafik berdimensi dua,

dimana X1 (sepatu sol karet) dan X2 (sepatu sol kulit) sebagai sumbusumbunya.
Setelah seluruh fungsi pembatas digambarkan, maka akan diperoleh daerah
yang berlaku untuk ketiga fungsi tersebut.(lihat gambar 3.1.)
4.
Gambarkan fungsi Tujuan.

Gambarkan fungsi tujuan dengan cara menentukan nilai Z terlebih dahulu
(dalam hal ini ambiil nilai Z1 = 20). Kemudian geser nilai Z sejajar dengan Z1
sehingga bersinggungan dengan daerah fisibel. Dalam hal ini kita mencoba dan
mencoba lagi sehingga ditemukan titik singgungnya.
Untuk menentukan titik singgung :

3X2 = 15
x5
x3
6X1 + 5X2 = 30
---------------------------------- (-)
15 X2 = 75
18X1 + 15X2 = 90
------------------------------------ (-)
- 18 X1= -15
X1
0,833
X2
Jadi fungsi tujuan bersinggungan dengan daerah fisibel pada titik X1 = 0,833 dan X2
= 5 dengan nilai Z = 27,5. (Keuntungan)
Grafik fungsi pembatas dan fungsi tujuan
dapat dilihat pada gambar 3.1 di bawah ini.
STMIK BUDIDARMA
Hal : 58
Gambar 3.1. Grafik fungsi pembatas dan fungsi tujuan Kasus Maksimasi
X2
6
Daerag A B C D
merupakan
Daerah fisible (layak)
5
4
3
2
1
0
Daerah Fisibel
1
C
3
X1
Z1 = 3X1+ 5X2 =21

3.1.2. Persoalan Minimasi.
PT. Putri Srikandi memproduksi dua jenis mobil, yaitu jenis sedan dan truk. Dalam
rangka menaikkan penjualan pihak perusahaan memutuskan melakukan promosi
melalui acara televise (TV). Ada dua acara yang tersedia, yaitu pada acara hiburan
dan olahraga. Berdasarkan hasil survey, acara hiburan ditonton 7 juta pemirsa
wanita dan 2 juta pemirsa pria. Sedangkan acara olahraga ditonton 2 juta wanita
dan 12 juta pria.
Biaya promosi pada acara hiburan Rp. 5.000.000,- per menit,
sedangkan pada acara olahraga
Rp 10.000.000,- per menit. Pihak perusahaan
menginginkan promosi disaksikan oleh 28 juta pemirsa wanita dan 24 juta pemirsa
pria, apa strategi promosi perusahaan tersebut.
STMIK BUDIDARMA
Hal : 59
Penyelesaian.
Variabel Keputusan.
X1
= lamanya promosi dalam acara hiburan
X2
= lamanya promosi dalam acara olahraga

Data Perusahaan PT. Putri Srikandi
Hiburan
Jenis Acara
Olahraga
Kapasitas Maks
Pemirsa
Wanita (W)
Pria (P)
Biaya/menit
Juta)
(Rp.
Lama Promosi
7
2
2
12
10
X1
X2
28
24
Tujuan dari permaslalahan ini adalah untuk menekan biaya atau meminimkan biaya,
maka persolannya adala Minimasi.
Fungsi Tujuan
Minimumkan Z = 5 X1 + 10 X2
Fungsi Pembatas
7X1 + 2X2 28
2X1 + 12X2 24
X1 0 ; X2 0
STMIK BUDIDARMA
Hal : 60
Grafik fungsi pembatas dan fungsi tujuannya dapat dilihat pada gambar 3.2.
dibawah ini.
X2
15
14
13
Daerah A B C
merupakan
daerah fisibel
(layak)
7X1 + 2X2
28
12
11
10
9
8
7
6
Daerah fisibel
5
4
3
2
1
0
C
1
10
11
12
13
X1
Z1 = 30 = 5X1 +
10X2
Gambar 3.2 Grafik fungsi pembatas dan fungsi tujuan Kasus Minimasi
3.1.3. Kasus Khusus
Pada masalah perusahaan Maryland an PT. Putri Srikandi yang telah dibahas
dengan metode grafik, kita memperoleh hanya satu solusi optimal. Akan tetapi ada
kasus dimana solusinya tidak demikian, yang kita sebut kasus khusus, seperti :
1. Memiliki solusi optimal yang tidak terbatas
yang
disebut
juga
mempunyai
solusi
alternative atau bersolusi optimal banyak.

Contoh :
Maksimumkan
Z = 3X1 + 2X2
Fungsi Pembatas
(1/40) X1 + (1/60) X2 1
(1/50) X1
+ (1/50) X2 1
X1 0 ; X2 0
2. Tidak mempunyai solusi fisibel
STMIK BUDIDARMA
Hal : 61
Contoh :
Z = 3X1 + 2X2
Maksimumkan
Fungsi Pembatas
(1/40) X1 + (1/60) X2 1
(1/50) X1
+ (1/50) X2 1
X1 30
X2 20
3. Mempunyai ruang solusi yang tidak
terbatas, kasus dimana nilai Z yang sangat
besar (tidak terbatas).
Contoh :
Maksimumkan
Z = 2X1 - X2
Fungsi Pembatas
X1 - X2
2X1 + X2 6
X1 0 ; X2 0
3.2. Metode Simplek.
3.2.1. Bentuk Umum
Maksimumkan atau Minimumkan
Z =
Cjxj
j =i
Dengan syarat :
Xj
aijxj (, = , ) bi, untuk semua I (i=1,2,3,m) semua xj>=0
: banyaknya kegiatan j, dimana j = 1,2,3,n

( berarti terdapat n variable keputusan)
: nilai fungsi tujuan (maksimum atau minimum)
Cj
: sumbangan per unit kegiatan

Untuk maksimasi cj menunjukkan penerimaan/keuntungan per unit.
Untuk minimasi cj menunjukkan biaya per unit
bi
: jumlah sumber daya i (i = 1,2,3,..m)
aij
: banyaknya sumber daya i yang dikonsumsi sumber daya j.
Simbol-simbol tersebut diatas selanjutnya disusun ke dalam bentuk table standar

Programa Linier, seperti Tabel 1. Dan model matematisnya sbb.
Fungsi Tujuan :
Batasan/Kendala :
a11X1 + a12X2 + a13X3 + ..+ a1nXn b1
a21X1 + a22X2 + a23X3 + ..+ a2nXn b 2
STMIK BUDIDARMA
Hal : 62
a31X1 + a32X2 + a33X3 + ..+ a3nXn b3

.
dan ,
X1 0 , X2 0, X3 0, Xn 0
3.2.2. Langkah- Langkah Metode Simplek.
3.2.2.1 Kasus Maksimum.

1. Mengubah Fungsi Tujuan dan Batasan Batasan
Fungsi tujuan diubah menjadi fungsi implisilit. Artinya semua CjXij geser ke kiri
Contoh.
Fungsi Tujuan.
Z = 3X1 + 5X2,
menjadi
Z - 3X1 - 5X2
= 0,
Fungsi Pembatas
Semua batasan bertanda dirubah menjadi tanda = dengan menambah slack
varable. (S1, S2, ,Sm) Slack variable adalah variable yang mewakili tingkat
pengangguran .
2X1
menjadi
2X1
S1
= 8
3X2
15 menjadi
3X2
S2
= 15
6X1 + 5X2 +
S3
= 30
6X1 + 5X2 30 menjadi
(S3, S4,S5 adalah Slack Variable).

2. Menyusun Tabel Simplek.
Variabel Dasar
Z
S1
S2
.Sm
Z
1
0
0
.
.0
X1
-C1
a11
a21
a31
.
am1
X2 Xn
S 1,
-C2 -Cn
0
a12 . . . . . a1n
1
a22 . . . . . a2n
0
a32 . . . . . a3n
0
.
.
am2 . . . . . amn 0
S2, ,Sm
0 .. 0
0
. 0
.. 0
.
0
NK
0
b1
b2
b3
bm
NK adalah Nilai Kanan persamaan.

Kasus perusahaan sepatu Maryland dapat dibuat menjadi table berikut.
Tabel Simplek Perusahaan Sepatu Maryland
Variabel Dasar
Z
X1
X2
S1
S2
S3
NK
0
-3
-5
0
0
0
1
Z
8
2
0
1
0
0
0
S1
15
0
3
0
1
0
0
S2
30
6
5
0
0
1
0
S3
3. Pilih Kolom Kunci
Pilih kolom yang mempunyai nilai pada garis fungsi tujuan yang bernilai negative
dengan angka terbesar.
STMIK BUDIDARMA
Hal : 63
Variabel
Dasar
X1
X2
S1
S2
S3
NK
-3
-5
S1
S2
15
S3
30
Keterangan
4. Pilih Baris Kunci

Hitung Indeks yang merupakan Nilai Kolom NK dibagi dengan Nilai Kolom Kunci.
Cari nilai terkecil
Variabel
Z
Dasar
X1
X2
S1
S2
S3
NK
Keterangan
-3
-5
S1
Tak terhingga
S2
15
S3
30
5. Mengubah Nilai-Nilai Baris Kunci

Nilai-nilai pada baris kunci bagikan terhadap nilai kunci, dalam hal ini nilai
yang terdapat pada perpotongan kolom kunci dengan baris kunci. angka 3.
Kemudian X4 pada kolom variable dasar diganti menjadi kolom kunci (X2)
Variabel
Dasar
X1
X2
S1
S2
S3
NK
-3
-5
S1
S2
15
S3
30
1/3
Z
S1
X2
S3
Catatan : Ganti S4 pada variabel Dasar menjadi X2.
6. Mengubah nilai-nilai pada baris selain baris kunci.
Nilai Baru = Baris Lama - (Koefisien pada kolom kunci) x nilai baru baris kunci.
Baris 1 (Z)
-5
Baris Baru
Baris 2 (X3)
0
-3
-5
1/3
-3
-5
0
-3
2
-5
0
0
0
0
1
5/3
5/3
0
0
0
0
-25
25
8
(-)
1/3
(-)
(-)
STMIK BUDIDARMA
Baris Baru
Baris 4 (X5)
5
Baris Baru
Iterasi
Hal : 64
0
2
0
0
0
1
0
0
0
0
0
8
30
0
6
1
5
0
0
1/3
0
0
1
5
30
(-)
0
6
5
0
0
0
5/3
-5/3
0
1
25
5
(-)
(-)
Variabel Dasar
X1
X2
S3
S4
S5
NK
-3
-5
X3
X4
15
X5
30
-3
5/3
25
S3
X2
1/3
S5
5/3
7. Kembali ke Langkah 3 s/d langkah 6 , hingga diperoleh niali pada Baris Z tidak ada
lagi bertanda negative.
Hasilnya sbb.
Iterasi
Variabel
Dasar
X1
X2
S2
S3
NK
-3
5/3
25
S1
X2
1/3
S3
-5/3
0,83325
0,5
27,5
S1
0,5555
-0,3333
6,33333
X2
0,33333
X1
0,16667
0,83333
1
0
0
-0,2778
Catatan : Ganti S5 pada Variabel dasar menjai X1.
Z = 27,5
X1 = 0,8333 X2 = 5
S1 = 6,3333
3.2.2.2. Kasus Minimum.

1. Apabila kita menyelesaikan masalah minimasi, maka fungsi tujuan harus
dirubah menjadi maksimasi, agar sesuai dengan bentuk standar Programa
Linier, dengan cara mengganti tanda positif dan negative pada fungsi tujuan.
STMIK BUDIDARMA
Hal : 65
Z = Cjxj
n
Minimumkan
j =i
Menjadi
(- Z ) = ( Cjxj )
n
Maksimumkan
j=i
Contoh:
Minimumkan
Z = 3X1 + 5X2
diubah menjadi
Maksimumkan (- Z) = -3X1 - 5X2
2. Fungsi Pembatas bertanda
Bila suatu fungsi pembatas bertanda , maka harus diubah menjadi ,
kemudian menjadi tanda = agar dapat diselesaikan dengan metode simplek.
Contoh :
6X1 + 5X2 30,
dikalikan (-1) menjadi
- 6X1 - 5X2 - 30, ditambah variable S1

- 6X1 - 5X2 + S1 = - 30
3. Bagian Kanan Persamaan Bertanda Negatif.
Contoh :
- 6X1 - 5X2 + S1 = - 30, kalikan dengan (-1), menjadi
6X1 + 5X2 - S1 =
30
Perhatikan slack variable masih bertanda negative (yaitu S1), hal ini tidak
memungkinkan menggunakan metode simplek. Maka harus ditambahkan lagi
variable buatan (artificial variable) R1. Persamaan menjadi :
6X1 + 5X2 - S1 + R1 =
30
Catatan : S1 disebut juga surplus variable, karena mengurangi kelebihan dari bagian
kiri persamaan.
Contoh Soal.
Fungsi Tujuan.
Minimumkan
Z = 3X1 + 5X2
Batasan.
2X1
= 8
STMIK BUDIDARMA

3X2
6X1 + 5X2
Hal : 66
15
30
Hitunglah, X1, X2 dan Z.

Penyelesaian.
Fungsi tujuan dirubah dari minimum menjadi maksimum.
Z = 3X1 + 5X2
Minimumkan
menjadi - Z = -3X1 - 5X2
Batasan 1.
2X1 + R1
= 8
; R1 adalah variable buatan
Sehingga fungsi tujuan menjadi,

Maksimumkan (-Z) = -3X1 5X2 R1
Batasan 2.
3X2
3X2
15, menjadi
+ S1 = 15
Batasan 3.
6X1 + 5X2
- 6X1 - 5X2
30, menjadi
- 30, ditambah variable S2,
menjadi
- 6X1 - 5X2 + S2 = - 30, diaklikan dengan (-), menjadi

6X1 + 5X2 - S2 = 30, karena variable S2 bertanda (-), maka
Harus ditambah variable buatan R2, shg
6X1
+ 5X2 - S2 + R2 = 30
Sehingga fungsi tujuan menjadi
Maksimumkan (-Z) = -3X1 5X2 R1 R2.
Jika dirubah menjadi fungsi implicit menjadi:
(-Z) ( -3X1 5X2 R1 R2) = 0 atau
-Z + 3X1 + 5X2 + R1 + R2 = 0
Ada dua teknik penyelesaian untuk kasus dengan variable artificial, yaitu
Teknik M (Metode Penalty)
Teknik Dua Fase.
3.3. Teknik M (Metode Penalty)

Perhatikan fungsi pembatas
2X1 + R1
= 8
2X1 = 8 , menjadi
R1 = 8 2X1
R1 adalah variable buatan

Sehingga fungsi tujuan menjadi,
Maksimumkan (-Z) = -3X1 5X2 R1
Perhatikan fungsi pembatas
3X2
3X2
15, menjadi
+ S1 = 15
STMIK BUDIDARMA

Perhatikan fungsi pembatas 6X1 + 5X2
- 6X1 - 5X2
Hal : 67
30, menjadi
- 30, ditambah variable S2, menjadi
- 6X1 - 5X2 + S2 = - 30, diaklikan dengan (-), menjadi

6X1 + 5X2 - S2 = 30, karena variable S2 bertanda (-), maka
Harus
ditambah
variable
buatan
R2,
shg
6X1 + 5X2 - S2 + R2 = 30 atau R2 = 30 (6X1 + 5X2 - S2)

Sehingga fungsi tujuan menjadi
Maksimumkan (-Z) = -3X1 5X2 R1 R2.
Jika dirubah menjadi fungsi implicit menjadi:
(-Z) ( -3X1 5X2 R1 R2) = 0 atau
-Z + 3X1 + 5X2 + R1 + R2 = 0
Kalikan M (merupakan bilangan positif yang sangat besar) dengan Artificial Variable
atau variabel buatan (dalam hal ini R1 dan R2) pada fungsi tujuan, sehingga :
-Z + 3X1 + 5X2 + MR1 + MR2 = 0
Substitusi R1 dan R2 pada fungsi tujuan, sehingga diperoleh :
-Z + (-8M + 3)X1 + (-5M+5)X2 MS2 = -38 M.
Buatlah Tabel Simplek.
Variabel
X1
X2
S1
S2
R1
R2
NK
-8M + 3
-5M+5
-M
-38 M
S1
R1
15
R2
-1
30
Dasar
Ket.
Lanjutkan sesuai dengan langkah-langkah menyelesaikan Metode Simplek, mulai

langkah ketiga.
3.4. Teknik Dua Fase.

Dengan penggunaan konstanta M yang nilainya sangat besar, dapat
mengakibatkan
kesalahan
perhitungan,
terutama
bila
perhitungan
dengan
menggunakan komputer. Hal ini dapat terjadi karena koefisien fungsi tujuan relatif
sangat kecil dibandingkan dengan harga M, sehingga komputer menganggap
bernilai nol.
Perhatikan fungsi tujuan :
-Z + (-8M + 3)X1 + (-5M+5)X2 MS2 = -38 M
Misalkan M = 100 000, maka
(-8M + 3) = (-800 000 + 3)
(-5M+5) = (-500000 + 5)
STMIK BUDIDARMA
Hal : 68
Kesulitan ini dapat dikurangi dengan menggunakan teknik dua fase. Konstanta M
dihilangkan dengan cara menyelesaikan persoalan dalam dua fase (tingkatan)
sebagai berikut :
Fase Pertama.
Fase ini digunakan untuk menguji apakah persoalan yang kita hadapi memiliki solusi
fisibel atau tidak. Padafase ini fungsi tujuan diganti dengan meminimumkam jumlah
artificial variable.
Jika nilai minimum fungsi tujuan baru ini berharga nol (artinya
seluruh variabel artifisialberharga nol) berarti persoalan memiliki solusi fisibel,

kemudian lanjutkan ke fase kedua. Tetapi, apabila nilai minimum fungsi tujuan baru
ini berharga positif, maka persoalan tidak memiliki solusi fisibel.
Fase Kedua.
Gunakan solusi optimum dari fase pertama sebagai solusi awal bagi persoalan
semula. Ubahlah bentuk fungsi tujuan fase pertama dengan mengembalikannya
pada fungsi tujuan persoalan semula.
Contoh Soal.
Maksimumkan
Z = 3 X1 + 5 X2
Batasan :
2X1
2X2
3X1 + 2X2
12
= 18
X1 >= 0 ; X2 >= 0
Penyelesaian.
2X1
S1
2X2
S2
= 12
3X1 + 2X2
+ R1 = 18
atau R1 = 18 -3X1 - 2X2
Z = 3 X1 + 5 X2 - MR3
- Z 3X1 - 5X2 + MR3 = 0
Fase Pertama.
Minimumkan r = R3 atau -r = -18 + 3X1 + 2X2 atau -r - 3X1 - 2X2 = -18
STMIK BUDIDARMA
Iterasi
Hal : 69
Variabel
NK/Kolom
Dasar
X1
X2
S1
S2
R1
NK
-1
-3
-2
-18
S1
S2
12
R3
18
-2
-6
r
1
Kunci
X1
S2
12
R3
-3
X1
S2
-1
X2
-1,5
0,5
Persoalan diatas memiliki solusi fisibel, kemudian R tidak diikut sertakan.

Dari tabel diatas pada fase 1 dapat dituliskan persamaan sebagai berikut :
X1 + S1 = 4
atau
X1 = 4 S1
3 S1 + S2 = 4
X2 - 1,5 S1
= 3
atau
X2 = 3 + 1,5 S1
Z = 3 X1 + 2 X2
Z = 3 ( 4 S1) + 5 ( 3 + 1,5 S1)
Z = 12 3 S1 + 15 + 7,5 S1
Z = 27 4,5 S1
Iterasi
Variabel
Dasar
X1
X2
S1
S2
NK
-4,5
27
X1
S2
X2
-1,5
1,5
36
X1
-0,333
S1
0,3333
X2
0,5
Jadi :
Z = 36 , X1 = 2 : X2 = 6 ; S1 = 2
STMIK BUDIDARMA
Hal : 70
SOAL SOAL.
BAGIAN SATU
1. Sebuah perusahaan elektronik memproduksi tape recorder dan amplifier
yang prosesnya dilakukan di dua stasiun kerja, yaitu perakitan dan
pengetesan. Setiap unit tape recorder memerlukan 2 jam perakitan dan 2
jam pengetesan, sedangkan setiap unit amplifier memerlukan 4 jam
perakitan dan 3 jam pengetesan. Waktu yang tersedia di departemen
perakitan adalah 72 jam/minggu sedangkan di departemen pengetesan
adalah 48 jam/minggu. Kontribusi profit dari tape recorder adalah Rp 25.000,
dan dari setiap unit amplifier adalah Rp 50.000. Bagaimanakah formulasi
persoalan di atas agar dapat ditentukan strategi produksi terbaik yang
memberikan konntribusi profit maksimum ?
2. Sebuah perusahaan membuat 2 jenis produk, A dan B. Harga jual produk A
adalah Rp 20.000/unit sedangkan produk B dijual dengan harga Rp
30.000/unit. Untuk membuat 1 unit produk A dibutuhkan waktu 2 jam-orang (
man-hour ), sedangkan untuk 1 unit produk B diperlukan 6 jam-orang. Jumlah
pekerja adalah 2 orang, masing-masing bekerja 8 jam/hari termasuk istirahat
selama 30 menit. Untuk 1 unit A dibutuhkan 6 kg bahan baku, sedangkan
setiap unit B membutuhkan 3 kg bahan baku. Harga per kg bahan baku
adalah Rp 1.500. Upah pekerja per jam-orang adalah Rp 2.000.jika bahan
baku yang tersedia per hari adalah 40 kg, bagaimanakah formulasi persoalan
ini agar diperoleh kontribusi profit maksimum ?
3. Seorang petani yang memiliki 7 ha tanah sedang memikirkan berapa ha
tanah yang harus ditanami jagung dan berapa ha yang harus ditanami
gandum. Dia mengetahui bahwa jika ditanami jagung, setiap ha tanah akan
menghasilkan 10 ton jagung. Untuk ini diperlukan 4 jam-orang setiap
minggunya. Jika ditanami gandum, hasilnya adalah 25 ton/ha dan
diperlukan 10 jam-orang/minggu.Setiap kg jagung dapat dijual seharga Rp
30, sedangkan harga jual gandum adalah Rp 40/kg.Saat ini petani tsb. hanya
memiliki 40 jam-orang setiap minggunya. Karna ada peraturan pemerintah
yang mengharuskan setiap petani untuk menghasilkan gandum paling sedikit
30 ton setiap kali panen, bagaimanakah formulasi persoalan ini agar petani
tsb. dapat menggarap tanahnya secara optimal?
4. Seorang pedagang buah-buahan membeli buah duku dari 3 orang petani.
Kualitas buah ini biasa dinyatakan dengan besarnya, dan diklasifikasi dalam 3
kategori, yaitu besar, sedang, dankecil. Berikut ini adalah data harga dan
persentase ukuran buah yang dimiliki oleh masing-masing petani :
STMIK BUDIDARMA
Hal : 71
Persentase Untuk Ukuran

Penghasil
Harga/Kg
Buah
(Rp)
(%)
Besar
Sedang
Kecil
Petani 1
5.000
40
40
20
Petani 2
4.000
30
35
35
Petani 3
3.000
20
20
60
Kebutuhan minimum pedagang tsb. akan masing-masing kualitas buah

setiap bulannya adalah ukuran besar 500kg, ukuran sedang 300kg, dan
ukuran kecil 300kg. Modal perusahaan itu saat ini hanya mampu untuk
membeli maksimum 500kg dari masing-masing petani. Formulasikanlah
persoalan ini untuk meminimumkan ongkos.
5. Seseorang yang sedang dalam pengawasan seorang ahli gizi mendapat
petunjuk bahwa kebutuhan minimal orang tersebut setiap hari adalah 500
kalori, 6 ons cokelat, 10 ons gula, dan 8 ons lemak. saat ini orang tsb. sedang
berada di suatu tempat yang hanya menyediakan kue kering, es krim, coca
cola,
dan
roti
keju.
Harga
dan
kandungan
bahan
masing-masing
makanan/minuman tsb dapat dilihat pada tabel dibawah ini.

Bagaimanakah formulasi untuk memenuhi kebutuhan akan bahan makanan
dengan biaya minimum ?
Jenis Barang
Harga
Kue
Kering/bungkus
Es
krim/mangkok
Coca
cola/botol
Roti
keju/potong
(Rp)
Kalori
Cokelat
Gula
Lemak
(Ons)
(Ons)
(Ons)
500
400
200
200
300
150
800
500
Bagaimanakah formulasi untuk memenuhi kebutuhan akan bahan makanan

dengan biaya minimum ?
6. Indah motor adalah sebuah perusahaan yang memproduksi dua jenis truk.
Setiap jenis truk yang dibuatnya harus melalui unit kerja perakitan dan
pengcetan. Apabila unit kerja pengecetan hanya digunakan untuk
mengerjakan truk jenis I, maka akan dapat dihasilkan 800 unit truk jenis I per
hari, tetapi jika hanya digunakan untuk mengerjakantruk jenis II, hasilnya
STMIK BUDIDARMA
Hal : 72
adalah 700 unit truk jenis II. Apabila unit kerja perakitan hanya digunakan
untuk mengerjakan truk jenis I, akan dihasilkan 1,500 unit truk jenis I per hari,
sedangkan jika hanya digunakan untuk mengerjakan truk jenis II akan
dihasilkan 1.200 unit truk jenis II per hari. Keuntungan dari truk jenis I adalah Rp
300.000/unit,sedangkan dari jenis II akan diperoleh keuntungan sebesar Rp
500.000/unit. Bagaimanakah formulasi ini agar di peroleh keuntungan yang
maksimum ?
7. Seorang pengusaha yang memiliki 3 buah pabrik sedang menghadapi
masalah yang berkaitan dengan pembuangan limbah dari pabriknya.
Selama ini ia membuang limbah tsb. kesungai, sehingga menimbulkan dua
macam polutan. Setelah berkonsultasi dengan pihak berwenang, diperoleh
informasi bahwa ongkos untuk memproses zat buangan dari pabrik I adalah
Rp 15.000/ton dengan kemampuan dapat mengurangi polutan 1 sebanyak
0,1 ton dan polutan 2 sebanyak 0,45 ton dari setiap 1 ton zat buangan.
Ongkos untuk memproses zat buangan dari pabrik II adalah Rp 10.000/ton
dengan kemampuan mengurangi 0,2 ton polutan 1 dan 0,25 ton polutan 2.
Untuk memproses 1 ton zat buangan dari pabrik III diperlukan biaya Rp 20.000
yang akan mengurangi 0,4 ton polutan 1 dan 0,3 ton polutan 2. Peraturan
pemerintah mengharuskan ini untuk dapat mengurangi polutan 1 paling
sedikit 30 ton dan polutan 2 paling sedikit 40 ton. Formulasikan persoalan ini
agar diperoleh ongkos total minimum.
BAGIAN KEDUA
1.
P.T.Unilever bermaksud membuat 2 jenis sabun, yakni sabun bubuk dan

sabun batang. Untuk itu dibutuhkan 2 macam zat kimia, yakni A dan
B.Jumlah zat kimia yang tersedia adalah A = 200 kg dan B = 360 = kg.
Untuk membuat 1kg sabun bubuk diperlukan 2kg A dan 3kg B. Bila
keuntungan yang akan diperolehsetiap membuat 1kg sabun bubuk = $ 3
sedangkan setiap 1kg sabun batang = $ 2, berapa kg jumlaah sabun bubuk
dan sabun batang yang sebaiknya dibuat ?
2.
Sebuah perusahaan film sedang membuat rencana kegiatan untuk tahun

yang akan datang. Ada 2 jenis film yang akan dibuat, yakni film untuk TV dan
film untuk di gedung.
Biaya pembutan film TV adalah sebesar Rp 750.000,00 sedangkan biaya
pembuatan film gedung adalah Rp 2.000.000,00 sebuah. Film TV dapat dijual
dengan harga Rp 1.250.000,00 sedangkan film gedung dapat di jual dengan
harga : Rp 3.000.000,00 sebuah.
Waktu ekuivalen yang di butuhkan untuk membuat sebuah film TV = 12
minggu, sedangkan untuk film gedung = 30 minggu. Waktu ekuivalen yang
STMIK BUDIDARMA
Hal : 73
tersedia selama tahun yang akan datang adalah sebanyak 600 minggu ( 1
tahun = 50 minggu, terdapat 12 alat, jadi waktu ekuivalen = 50 x 12 = 600
minggu).
Bila dana yang tersedia adalah sebesar Rp 25.000.000,00, berapa jumlah
masing-masing jenis film yang harus dibuat ?
3.
Sebuah perusahaan mebel bermaksud membuat 2 jenis produk, yakni lemari

pakaian dan tempat tidur.Keuntungan setiap lemari pakaian adalah sebesar
Rp 6.000,00, sedangkan bila membuat tempat tidur keuntungannya adalah
sebesar Rp 5.000,00 sebuah.
pembuatan kedua produk tersebut harus melalui 2 unit kerja, yakni unit kerja 1
dan unit kerja 2. Jam kerja tersedia pada unit kerja 1 adalah 40 jam/minggu,
sedangkan pada unit kerja 2 adalah 50 jam/minggu.
Setiap lemari pakaian membutuhkan waktu 2 jam pada unit kerja 1 dan 1 jam
pada unit kerja 22, sedangkan setiap tempat tidur memerlukan waktu 1,25
jam pada unit kerja 1dan 1 jam pada unit kerja 2.
Berapa jumlah lemari pakaian dan tempat tidur yang sebaiknya dibuat setiap
minggu ?
4.
PT Sayang Anak memproduksi dua jenis mainan A dan B yang keduanya

terbuat dari campuran pasir dan lilin. produk A dapat dibuat melalui proses 1
atau proses 2, sedangkan produk B dapat dibuat melalui
proses 3 atau
proses 4. Untuk mendapat 1 unit produk A dan B pada masing-masing proses

diperlukan masukan ( input ) sebagai berikut :
INPUT
1 Unit produk A
1 Unit produk B
Satuan
Proses 1
Proses 2
Proses 3
Proses4
Tenaga kerja
Jam orang
Pasir
m3
Lilin
10
15
dus
Tenaga kerja yang tersedia tidak lebih dari 15 jam-orang, sedangkan

persediaan pasir dan lilin adalah 120 m3 dan 100 dus. Keuntungan proses
1,2,3, dan 4 masing-masing Rp4,00/unit, Rp 5,00/unit, Rp 9,00/unit, dan Rp
11,00/unit. Formulasikan persoalan di atas sebagai persoalan Programaa
linier, dan buatlah tabel iterasi awalnya.
5.
Suatu perusahaan membuat 5 tipe truk. Adapun jumlah truk yang diproduksi
dibatasi oleh kapasitas tiap bagian yang membuat masing-masing tipe truk,
yaitu
a.
Bagian metal stamping tidak menangani lebih dari jumlah ekuevalen

10.000 truk tipe I. perbandingan jumlah truk yang dibuat pada bagian
metal stammping adalah tipe I : tipe II : tipe III : tipe IV : tipe V = 1: 1,4 : 2
:0,8 : 2,2.
STMIK BUDIDARMA

b.
Hal : 74
Bagian asembling mesin tidak dapat menangani lebih dari jumlah

ekuivalen 15.000 truk tipe I. Perbandingan jumlah truk yang dibuat pada
bagian asembling mesin adalah tipe I : tipe : II : tipe III : tipe IV : tipe V =
1: 1,6 : 3 : 1 : 2,6.
c.
Jumlah truk maksimum yaang dapat ditangani oleh bagian asembling

akhir adalah sebagai berikut :
Tipe I
Tipe II
...................................................7.500 buah
................................................... 5.000 buah
Tipe III ................................................... 1.000 buah

Tipe IV .................................................. 9.000 buah
Tipe V
.................................................. 3.000 buah
Keuntungan yang diperoleh dari tipe I s.d. V masing-masing adalah Rp

350.000, Rp 450.000, Rp 500.000, Rp 300.000, dan Rp 400.000 per buah.
Tentukanlah model matematis Programaa liniernya
6.
Fine Wall Paper Company adalah sebuah perusahaan yang

memproduksi linier board. Produk ini mempunyai lebar standar 68 inci.
Untuk tahun depan perusahaan ini mendapat pesanan produk dengan
lebar yang berbeda-beda, yaitu :
110 unit yang lebarnya 22 inci,
120 unit yang lebarnya 20 inci, dan
80 unit yang lebarnya 12 inci.
Bayangkanlah bahwa saudara adalah seorang konsultan kepercayaan
perusahaan tersebut. Bagaimanakah usul saudara untuk dapat memenuhi
pesanan tersebut, tetapi dengan syarat, jumlah linier board yang terbuang
sekecil mungkin ?
7.
PT Philips Ralin memproduksi 3 jenis/model radio, yaitu model A,B, dan C

yang masing-masing memberikan keuntungan sebagai berikut :
Model A : $ 16 per set
Model B : $ 30 per set
Model C : $ 50 per set
Menurut informasi dari bagian penjualan, keperluan minimum per
minggu dari masing-masing model adalah :
Model A = 20 set
Model B = 120 set
Model C = 60 set
Proses pembuatan radio ini meliputi proses-proses pembuatan
komponen, perakitan, dan pengepakan yang untuk masing-masing
model, waktunya adalah sebagai berikut :
Model A : pembuatan komponen : 3 jam/set
STMIK BUDIDARMA

perakitan
Hal : 75
: 3,5 jam/set
pengepakan
: 5 jam/set
Model B : pembuatan komponen : 4 jam/set

perakitan
: 5 jam/set
pengepakan
: 8 jam/set
Model C : pembuatan komponen : 1 jam/set

perakitan
: 1,5 jam/set
pengepakan
: 3 jam/set
Untuk minggu yang akan datang, perusahaan mempunyai waktu

sebanyak :
- untuk pembuatan komponen
- untuk perakitan
: 1440 jam
: 1920 jam
- untuk pengepakan
: 576 jam
Pertanyaan :
a. Formulasikan persoalan di atas sebagai persoalan Programa linier.
b. Buatlah tabel simpleks untuk iterasi awalnya saja !
8.
Sebuah perusahaan elektronik membuat 2 jenis pesawat telepon, yakni jenis

push button ( PB ) dan dial (D ), masing-masing dalam 3 warna ( abu-abu,
merah, hijau ). Proses pengerjaannya melalui 4 mesin,yaitu P, Q, R, dan S.
Dari hasil penelitian diperoleh data-data sebagai berikut :
Push button
Pengerjaan
Dial
Jam mesin
pada mesin
tersedia
0,02
0,02
0,02
0,06
0,06
0,06
1,700
0,40
0,10
1,400
0,40
0,10
200
0,06
0,15
1,800
Keuntungan
0,80
0,58
0,64
1,44
1,28
1,20
per unit
Bila saudara diminta bantuannya, bagaimanakah rencana produksi yang
paling optinum, dan berapa keuntungan yang akan diperoleh ?
9.
Suatu perusahaan konfeksi pakaian memproduksi 3 jenis pakaian, yaitu

pakaian anak-anak, pakaian pria, pakaian wanita. Untuk satu lusin pakaian
anak-anak diperlukan dua rol kain berbagai corak dan warna serta empat
orang tenaga kerja. Untuk satu lusin pakaianpria dan satu lusin pakaian
wanita diperlukan masing-masing sebanyak empat dan dua rol kain berbagai
corak dan warna dengan jumlah tenaga kerja masing-masing dua dan enam
orang. Kain yang digunakan setiap harinya tersedia, sebanyak dua puluh rol.
Tenaga kerja yang ada mempunyai keahlian yang sama, dan jumlahnya
STMIK BUDIDARMA
Hal : 76
enam belas orang. Policy perusahaan mengharuskan seluruh tenaga kerja

digunakan, artinya tidak boleh ada tenaga kerja yang menganggur. Ongkos
membuat
masing-masing jenis pakaian itu didasarkan atas model, aksesori, dan jam
kerja yang diperlukan. Tetapi, sebagai patokan dapat digunakan biaya ratarata yang besarnya $ 15/lusin pakaian anak-anak, $ 30/lusin pakaian pria,
dan $ 45/lusin pakaian wanita.
Jika masing-masing jenis pakaian itu laku terjual dengan harga $ 25/
lusin pakaian anak-anak, $ 54/lusin pakaian pria, dan $ 53/lusin pakaian
wanita, bagaimanakah model Programaa linier persoalan di atas ?
10. Direktur Pertamina mengatakan bahwa ada dua macam proses
pengolahan minyak, yaitu :
Proses 1:
dengan menggunakan bahan 1barrel minyak mentah A dan 3
barrel minyak mentah B sehingga dihasilkan :
50 galon gasolin x dan
20 galon gasolin y
Proses 2 :
dengan menggunakan bahan 4 barrel minyak mentah A dan
2 barrel minyak mentah B sehingga dihasilkan :
30 galon gasolin x dan
80 galon gasolin y
Diketahui bahwa persediaan maksimum minyak mentahA adalah 120
barrel dan minyak mentah B sebanyak 180 barrel.
Bagian penjualan melaporkan bahwa untuk tahun depan diperlukan
sekurang-kurangnya 2800 galon gasolin x dan 2200 galon
gasolin y.
Keuntungan masing-masing proses adalah :
US $ 5/unit proses 1 dan
US $ 8/unit proses 2.
Tentikanlah berapa barrel masing-masing minyak mentah yang harus dipakai
pada proses 1 dan 2 agar diperoleh keuntungan yang maksimum.
11. PT. ZULEHA PERSADA memproduksi 3 jenis model radio yaitu model A,
B dan C yang masing- masing memberikan keuntungan $ 16, $ 30 dan
$ 50 per set. Proses pembuatan radio meliputi pembuatan komponen,
perakitan, dan pengepakan yang yntuk masing-masing model
waktunya adalah sbb:
Model A
Pembuatan Komponen
3 jam/set
Perakitan
3,5 jam/set
STMIK BUDIDARMA

Model B
Model C
Hal : 77
Pengepakan
5 jam/set
Pembuatan Komponen
4 jam/set
Perakitan
5 jam/set
Pengepakan
8 jam/set
Pembuatan Komponen
1 jam/set
Perakitan
1,5 jam/set
Pengrepakan
3 jam/set
Untuk minggu yang akan datang, perusahaan mempunyai waktu

sebanyak:
Pembuatan Komponen
1120 jam/set
Perakitan
506 jam/set
Pengepakan
1240 jam/set
Bila anda diminta bantuannya, bagaimana rencana produksi

optimum dan berapa keuntungan yang diperoleh.
STMIK BUDIDARMA
Hal : 78
4
TEORI DUALITAS
4.1. Dualitas
Teori dualitas merupakan salah satu konsep programa linier yang penting dan
menarik ditinjau dari segi teori dan praktisnya.Ide dasar yang melataarbelakangi
teori ini adalah bahwa setiap persoalan programa linier mempunyai suatu programa
linier lain yang saling berkaitan yang disebut dual, sedemikian sehingga solusi pada
persoalan semula (yang disebut primal) juga memberi solusi pada dualny.
Pendefenisian dual ini akan bergantung pada jenis pembatas, tanda-tanda
variabel, dan bentuk optimasi dari persoalan primalnya. Akan tetapi, karna setiap
persoalan programa linier harus dibuat dalam bentuk standar lebih dahulu sebelum
modelnya dipecahkan, maka pendefinisian di bawah ini akan secara otomatis
meliputi ketiga hal diatas.
Bentuk umum masalah primal-dual adalah sebagai berikut :
Primal :
Fungsi Tujuan :
Batasan/Kendala :
a11X1 + a12X2 + a13X3 + ..+ a1nXn b1
a21X1 + a22X2 + a23X3 + ..+ a2nXn b2
a31X1 + a32X2 + a33X3 + ..+ a3nXn b3
.
dan ,
X1 0 , X2 0, X30,
Xn 0
Dual :
Fungsi Tujuan :
Minimumkan W = b1Y1 + b2Y2 + b3Y3 + . . . . . . + bmYm
Batasan/Kendala :
a11Y1 + a21Y2 + a31Y3 + ..+ am1Ym c1
a12Y1 + a22Y2 + a32Y3 + ..+ am2Ym c2
a13Y1 + a23Y2 + a33Y3 + ..+ am3Ym c3
.
a1nY1 + a2nY2 + a3nY3 + ..+ amnYm cn
dan ,
Y1 0 , Y2 0, Y30,
Ym 0
STMIK BUDIDARMA
Hal : 79
Kalau kita bandingkan kedua persoalan diatas, ternyata terdapat

korespondensi antara primal dengan dual sebagai berikut :
1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan bagi dual,
sedangkan konstanta ruas kanan primal menjadi koefisien fungsi tujuan bagi
dual.
2. Untuk setiap pembatas primal ada satu variabel dual, dan untuk setiap
variabel primal ada satu pembatas dual.
3. Tanda ketidaksamaan pada pembatas akan bergantung pada fungsi tujuan.
4. Fungsi tujuan berubah bentuk (maksimasi menjadi minimasi dan sebaliknya).
5. Setiap kolom pada primal berkorespondensi dengan baris (pembatas) pada
dual.
6. Setiap baris (pembatas) pada primal berkorespondensi dengan kolom pada
dual.
7. Dual dari dual adalah primal.
Definisi :
Suatu persoalan LP dikatakan persoalan maksimal normal jika
persoalan itu mempunyai fungsi tujuan maksimasi dengan seluruh
variabel berharga nonnegatif dan seluruh pembatas bertanda .
Begitu pula, suatu persoalan LP disebut sebagai persoalan
minimasi normal jika fungsi tujuan dari persoalan itu adalah
minimasi dengan seluruh variabel berharga nonnegatif dan seluruh
pembatas bertanda
. Jika pembatasnya mempunyai tanda yang
lain, seperti = dan (untuk persoalan maksimasi) atau = dan

(untuk persoalan minimasi) maka persoalan LP yang bersangkutan di sebut
persoalan LP yang tidak normal.
4.1.1. Menentukan dual dari persoalan LP normal
Contoh 1 :
Primal
Maksimumkan : z = 60 x1 + 30 x2 + 20 x3
berdasarkan :
8 x1 + 6 x2 +
x3 48
4 x1 + 2 x2 + 1,5 x3 20
2 x1 + 1,5 x2 + 0,5 x3 8
x1, x2, x3 0
Dual
Minimumkan : w = 48 y1 + 20 y2 = 8 y3
berdasarkan :
8 y1 + 4 y2 + 2 y3 60
6 y1 + 2 y2 + 1,5 y3 30
y1 + 1,5 y2 + 0,5 y3 20
y1, y2, y3 0
Contoh 2 :
Primal
Minimumkan : w = 50 y1 + 20 y2 + 80 y3
STMIK BUDIDARMA

berdasarkan :
Dual
Hal : 80
100 y1 + 200 y2 + 150 y3 + 500 y4 500

3 y1 + 2 y2 +
6
2 y1 +
2 y2 + 4 y3 + 4 y4 10
2 y1 + 4 y2 +
y3
5 y4 8
y1, y2, y3, y4 0
Maksimumkan : z = 500 x1 + 6 x2 + 10 x3 + 8 x4
berdasarkan :
400 x1 + 3 x2 + 2 x3 + 2 x4 50
200 x1 + 2 x2 + 2 x3 + 4 x4 20
150 x1
+ 4 x3 + x4 30
500 x1
+ 4 x3 + 5 x4 80
x1, x2, x3, x4 0
4.1.2. Menentukan dual persoalan LP yang tidak normal

Apabila kita membangun dual dari suatu persoalan LP yang tidak normal,
maka akan berlaku hal-hal sebagai berikut :
a. Untuk persoalan maksimasi, jika pembatas primal ke-i bertanda ,
maka variabel dual yang berkorespondensi dengan pembatas
tersebut memenuhi yi 0. Sebaliknya, untuk persoalan minimasi, jika
pembatas primal ke-i bertanda , maka variabel dual yang
berkorespondensi dengan pembatas tersebut akan memenuhi xi 0
b. Jika pembatas primal ke-i bertanda =, maka variabel dual yang
berkorespondensi dengan pembatas tersebut akan tidak terbatas
dalam tanda
c. Jika variabel primal ke-i tidak terbatas dalam tanda, maka pembatas
dual ke-i akan bertanda =.
Contoh 1 :
Primal
Maksimumkan :z = x1 + 2x2 -3x3 = 4x4
berdasarkan pembatas :
x1 + 2 x2 + 2 x3 3 x4 25
2 x1 + x2 3 x3 + 2 x4 = 15
x1, x2, x3, x4 0
Dual
Minimumkan : w = 25 y1 + 15 y2
y1 + 2 y2 1
2 y1 + y2 2
2 y1 3 y2 -3
-3 y1 + 2 y2 4
y1 0
y2 tidak terbatas dalam tanda.
Contoh 2 :
Primal
Minimumkan : z = 5x1 2x2
STMIK BUDIDARMA
Dual
Hal : 81
- x1 + x2 -3
2 x1 + 3 x2 5
x1, x2 0
Maksimumkan : w = 3y1 + 5y2
y1 + 2 y2 5
-y1 + 3 y2 -2
y1, y2 0
Contoh 3 :
Primal
Maksimumkan : z = 5x1 + 6x2
x1 + 2 x2 = 5
-x1 + 5 x2 3
4 x1 + 7 x2 8
x1 tidak terbatas dalam tanda
x2 0
Dual
Minimumkan : w = 5y1 + 3y2 + 8v3
y1 y2 + y3 5
-y1 + y2 4y3 -5
2y1 + 5y2 + 7y3 6
- y2
0 atau y2 0
y3 0
y1 tidak terbatas dalam tanda
4.2. Hubungan primal-dual
Untuk menjelaskan hubungan antara primal dengan dual, perhatikan ilustrasi berikut
ini :
Primal
Maksimumkan : z = 5x1 + 12x2 + 4x3
x1 + 2x2 + x3 10
2x1 x2 + 3x3 = 8
x1, x2, x3 0
Bentuk standar :
Maksimumkan : z = 5 x1 + 12x2 + 4x3 + OS1 MR2
berdasarkan pembatas : x1 +2x2 + x3 + S1
= 10
+ R2 = 8
2x1 x2 + 3x3
x1, x2, x3, S1, R2 0
Dual dari persoalan di atas adalah :
Minimumkan : w = 10y1 + 8(y2 y2)
y1 + 2(y2 y2) 5
2y1 (y2 y2) 12
y1 + 3(y2 y2) 4
y1 0, y2 tidak terbatas dalam tanda
Bentuk standar:
Minimumkan : W = 10y1 + 8(y2 y2) 0(S1 + S2 + S3)
M(R1 + R2 + R3)
STMIK BUDIDARMA
Hal : 82
y1 + 2(y2 y2 ) S1 + R1
2y1 (y2 y2)
- S2
+ R2
y1 + 3(y2 y2)
- S3
=5
=12
+ R3 =4
Solusi persoalan di atas masing-masing adalah :

Primal
Tabel.4.1. Tabel Simplek Persoalan Primal
Iterasi
Basis
X1
X2
X3
S1
R2
Solusi
-(2M+5)
(M-12)
-(3M+4)
-8M
S1
10
R2
-1
-7/3
-40/3
(4/3 + M)
32/3
S1
1/3
7/3
-1/3
22/3
X3
2/3
-1/3
1/3
8/3
-3/7
40/7
-(4/7 + M)
368/7
X2
1/7
3/7
-1/7
22/7
X3
5/7
1/7
2/7
26/7
3/5
29/5
(2/5 + M)
544/5
X2
-1/5
2/5
-1/5
12/5
X1
7/5
1/5
2/5
26/5
Pada iterasi 4, kita dapat membaca nilai Y2 pada Tabel. 4.2.

Y2 = (Y2 Y2)
= (0 2/5) atau Y2 = -2/5
Dari Tabel 4.1. dan 4.2. dapat disimpulkan bahwa hubungan primal dengan dual
adalah sebagai berikut :
1. Solusi visibel persoalan minimasi adalah batas atas dari solusi visibel persoalan
maksimasi (lihat iterasi 0, 1, dan 2 pada tabel 4.1. serta iterasi 0, 1,2, dan 3
pada tabel 4.2.)
2. Jika kedua persoalan sudah mencapai solusi optimum, maka maksimum Z =
Minimum W (lihat iterasi 3 pada tabel 4.1. dan iterasi 4 pada tabel 4.2.).
3. Nilai optimum variabel variabel solusi awal pada primal = nilai optimum
variabel variabel dual yang berkorespondensi dengan persamaan
pembatas pada primal. Dengan kata lain :
a. Jika variabel dual berkorespondensi dengan variabel slack awal pada
persoalan primal, maka nilai optimum variabel tersebut = koefisien
variabel slack pada persamaan Z yang optimum.
STMIK BUDIDARMA
Hal : 83
Bukti :
Y1 berkoresp[ondensi dengan S1 pada primal, maka nilai optimum Y1
(= 29/5, lihat iterasi 4 pada tabel 4.2.) sama dengan koefisien S1 pada
persamaan Z optimum (= 29/5, lihat iterasi 3 pada tabel 4.1.)
b. Jika varibel dual berkorespondensi dengan variabel buatan awal
pada primal, maka nilai optimum variabel tersebut
variabel
buatan
pada
persamaan
yang
= koefisien
optimum
setelah
menghilangkan konstanta M.
Bukti :
Y2 berkorespondensi dengan R2 pada primal, maka nilai optimum Y2
(-2/5, lihat iterasi 4 pada tabel 4.2.)
STMIK BUDIDARMA
Hal : 84
Dual
Tabel 4.2. Tabel Simplek Persoalan Dual
Iterasi
Basis
y1
y2'
y2"
S1
S2
S3
R1
R2
R3
Solusi
(4M-10)
(4M+8)
(-4M+8)
-M
-M
-M
21M
R1
-2
-2
-1
R2
-1
12
R3
-3
-3
-1
(8/3M
22/3)
-M
-M
(1/3M - 8/3)
(-4/3M + 8/3)
47/3M
32/3
R1
1/3
-1
2/3
-2/3
7/3
R2
7/3
-1
-1/3
1/3
40/3
y2'
1/3
-1
-1/3
1/3
4/3
(-8M + 22)
(8M - 22)
-M
-M
(3M - 10)
('-4M + 10)
(5M + 40)
R1
-1
-1
-1
R2
-7
-1
-2
y1
-3
-1
-M
(1/7M - 22/7)
(5/7M - 26/7)
(-8/7M + 22/7)
(12/7M + 26/7)
3/7M
368/7
R1
-1
1/7
5/7
1/7
-5/7
3/7
y2"
-1
-1/7
2/7
1/7
-2/7
4/7
y1
-3/7
-1/7
3/7
1/7
40/7
-26/5
-12/5
26/5 - M
12/5 - M
-M
54 4/5
S3
-7/5
1/5
7/5
-1/5
-1
3/5
y2"
-1
2/5
-1/5
2/5
1/5
2/5
y1
-1/5
-2/5
1/5
2/5
29/5
STMIK BUDIDARMA
Hal : 85
dengan koefisien R2 pada persamaan Z optimum (= -2/5 + M M = -2/5, lihat iterasi 3 pada tabel
4.1.)
4.3 Sifat - Sifat Primal Dual Yang Penting.
Sifat sifat primal dual ini penting untuk dipahami, terutama pada saat kita
membicarakan masalah analisis kepekaan. Dengan menggunakan sifat-sifat ini kita dapat
menentukan nilai variabel-variabel tertentu dengan cara yang sangat efisien. Ada 4 sifat yang
perlu diketahui, yaitu :
Sifat 1. Menentukan koefisien fungsi tujuan variabel-variabel basis awal.
Pada setiap iterasi solusi simplek, baik primal maupun dual, koefien fungsi tujuan variabel-variabel
basisnya awal dapat dicari dengan cara :
a. Mengalika funsi tujuan yang original dan variabel-variabel basis pada iterasi yang
bersangkutan dengan matriks di bawah
variabel basis awal pada iterasi yang
bersangkutan.
Koefisien ini biasa disebut sebagai simplex multipliers.
koefisien fungsi
matriks di bawah
tujuan yang ori-
variabel
basis
ginal dari vari-
awal pada iterasi
abel basis pada
yang bersangkuta-
iterasi yang
simplex
multipliers
an
bersangkutan
b. Kurangi nilai-nilai simplex multipliers ini dengan fungsi tujuan yang original dari variabelvariabel basis awal.
Sebagai contoh, kita lihat Tabel 4.1. Dalam tabel itu variabel basis awalnya adalah S1 dan R2
denhan joefisien tujuan original 0 dan M
Untuk iterasi 1 :
Yang menjadi variabel basis pada iterasi 1 adalah S1 dan x3, di mana koefisien fungsi tujuan
originalnya adalah 0 dan 4. Matriks di bawah variabel basis awal (S1 dan R2) pada iterasi 1
adalah :
1
-1/3
1/3
STMIK BUDIDARMA
Hal : 86
Dengan demikian simplex multipliers-nya adalah :
-1/3
1/3
4/3
Koefisien fungsi tujuan variabel-variabel basis awal (S1 dan R2 pada iterasi 1 adalah: S1 = 0 0 = 0
R2 = 4/3 (-M) = 4/3 + M
Untuk iterasi 2 : dengan cara yang sama diperoleh :
( 12
5)
3/7
-1/7
= [ 40/7
-4/7 ]
= [ 29/5
-2/5 ]
1/7 2/7
S1 = 40/7 0 = 40/7
R2 = -4/7 (-M) = -4/7 + M
Untuk iterasi 3 :
( 12
5)
2/5
-1/5
1/5 2/5
S1 = 29/5 0 = 29/5
R2 = -2/5 (-M) = -2/5 + M
Untuk dual kita lihat Tabel 4.2.
Misalnya untuk iterasi 4 diperoleh :
7/5
( 12
5)
-2/5
1/5 2/5
-1/5
1/5
-1
0
= [ 29/5
-2/5 0 ]
R1 = 26/5 (M) = 26/5 M

R2 = 12/5 (M) = 12/5 M
R3 = 0
- (M) = -M
Sifat 2 : Menetukan koefisien fungsi tujuan variabel-variabel nonbasis awal

Pada setiap iterasi dari persoalan primal, koefisien fungsi tujuannya dapat ditentukan dengan
menyubstitusikan simplex multipliers pada variabel-variabel pembatas dari dual, kemudian
mencari selisih antara ruas kiri dan ruas kanan dari pembatas dual tersebut.
STMIK BUDIDARMA
Hal : 87
Contoh : Dari formulasi persoalan diketahui bahwa :

x1 berkorespondensi dengan pembatas y1 + 2y2 5
x2 berkorespondensi dengan pembatas 2y1 y2 12
x3 berkorespondensi dengan pembatas y1 + 3y2 4
Substitusikan simplex multipliers pada pesamaan-persamaan pembatas di atas
Untuk iterasi 1 :
SM = (0
4/3)
x1 : y1 + 2y2 5
x1 = -7/3
0 + 2(4/3) 5 = -7/3
x2 : 2y1 y2 12
0
x2 = -40/3
- 4/3 12 = -40/3
x3 : y1 + 3y2 4
x3 = 0
0 + 3(4/3) 4 = 0
Untuk iterasi 2 :
SM = (40/7
-4/7)
x1 : y1 + 2y2 5
x1 = -3/7
40/7 + 2(-4/7) 5 = -3/7

x2: 2y1 y2 12
x2 = 0
2(40/7 (-4/7) 12 = 0
x3 : y1 + 3y2 4
x3 = 0
40/7 + 3(-4/7) 4 = 0
Untuk iterasi 3 :
SM (29/5
-2/5)
x1 : y1 + 2y2 5
x1 = 0
29/5 + 2(-2/5) 5 = 0
x2 : 2y1 y2 12
x2 = 0
2(29/5) (-2/5) 12 = 0
x3 : y1 + 3y2 4
x3 = 3/5
29/5 + 3(-2/5) 4 = 3/5

Untuk dual, hal yang sama berlaku juga kecuali bahwa substitusi simplex multipliers dilakukan
terhadap variabel-variabel pembatas primal.
STMIK BUDIDARMA
Hal : 88
Contoh : Untuk iterasi 4 (lihat Tabel 4.2).

SM (26/5
12/5
y1 : x1 + 2x2 + x3 10
0)
y1 = 0
26/5 + 2(12/5) + 0 - 10
y2 : 2x1 x2 + 3x3 = 8
y2 = 0
2(26/5) 12/5 + 0 8 = 10
S1 : -x1 0
S1 = -26/5
-26/5 0 = -26/5
S2 : -x2 0
S2 = -12/5
-12/5 0 = - 12/5
S3 : -x3 0
S3 = 0
00=0
Sifat 3 : Menentukan nilai ruas kanan (solusi) dari variabel-variabel basis
Pada setiap iterasi, baik primal maupun dual, nilai ruas kanan (kolom solusi) variabel-variabel
basis pada iterasi yang bersangkutan dapat ditentukan dengan cara sebagai berikut :
matriks di bawah
variabel basis awal
matriks kolom
pada iterasi yang
ruas kanan
bersangkutan
original
matriks kolom
=
ruas kanan
variabel basis
Lihat iterasi ke-2 dari Tabel 4.1 (primal)

Variabel basis pada iterasi ini adalah x2 dan x3, sedangkan matriks kolom ruas kanan yang
original adalah 10
, maka ruas kanan variabel basis
x2
x3
adalah :
3/7 -1/7
1/7
10
2/7
22/7
26/7
Lihat iterasi ke-4 dari Tabel 4.2 (dual)

Variabel basis pada iterasi ini adalah S3, y2, dan y1, sedangkan matriks kolom ruas kanan yang
original adalah
5
12
S3
Maka ruas kanan variabel basis
y2
adalah
y1
STMIK BUDIDARMA

7/5
-1/5
-1
-2/5
1/5
12
1/5
2/5
Hal : 89
3/5
=
2/5
29/5
Sifat 4 : Menentukan koefisien pembatas.

Pada setiap iterasi, baik primal maupun dual, koefisien pambatas dari setiap variabel dapat
ditentukan dengan cara sebagai berikut :
matriks di bawah
matriks kolom
variabel basis awal
dari kolom
pada iterasi yang
koefisien pembatas
bersangkutan
yang original
matriks kolom
=
dari kolom
koefisien pembatas
pada iterasi yang
bersangkutan
Contoh :
a. Lihat iterasi 3 dari Tabel 4.1 (primal)
Untuk variabel x1, koefisien pembatas pada iterasi ini adalah
2/5
-1/5
1/5
2/5
2/5
-1/5
1/5
2/5
-1
2/5
-1/5
= -1/5
1/5
2/5
7/5
Untuk x2 :
=
1
0
Untuk x3 :
b. Lihat iterasi 4 Tabel 4.2 (dual)

Untuk variabel y1, koefisien pembatas dari iterasi ini adalah
7/5
-1/5
-1
-2/5
2/5
1/5
2/5
7/5
-1/5
-1
-2/5
2/5
-1
1/5
2/5
0
=
Untuk y2 :
0
=
3
-1
0
STMIK BUDIDARMA
Hal : 90
Untuk y2 :
7/5
-1/5
-1
-2
-2/5
2/5
1/5
2/5
-3
7/5
-1/5
-1
-1
-2/5
1/5
1/5
2/5
7/5
-1/5
-1
-2/5
1/5
-1
1/5
2/5
7/5
-1/5
-1
-2/5
1/5
1/5
2/5
0
=
-3
Untuk S1 :
7/5
=
2/5
-1/5
Untuk S2 :
1/5
=
-1/5
-2/5
Untuk S3 :
1
=
-1
Supaya penggunaan sifat-sifat primal-dual ini dapat lebih teras pentingnya, berikut ini diberikan
satu contoh persoalan sebagai berikut :
Maksimumkan : z = 4x1 + 6x2 + 2x3
4x1 4x2
-x1 + 6x2
-x1 + x2 + x3
x1, x2, x3 0
Salah satu iterasi dari persoalan di atas adalah sebagai berikut :
Basis
x1
x2
x3
S1
S2
S3
Solusi
x1
6/20
4/20
x2
1/20
4/20
S3
5/20
STMIK BUDIDARMA
Hal : 91
Tentukanlah harga-harga a, b, c, d, e, f, g, h, i, j, k, l, m, n, p, q, r, s, dan t dengan

menggunakan sifat-sifat primal-dual.
Jawaban :
1. Sifat 1 :
(4
0)
6/20
4/20
1/20
4/20
5/20
= [ 3/2 2
0]
a = 3/2 0 = 3/2
b= 2 -0= 2
c= 0 -0=0
2. Sifat 2 :
SM = (3/2
x1 : 4y1 y2 y3 4
0)
d=0
4(3/2) 2 0 4 = 0
x2 : -4y1 + 6y2 + y3 6
c=0
-4(3/2) + 6(2) + 0 6 = 0
x3 : y3 2
f = -2
0 2 = -2
3. Sifat 3 :
6/20
4/20
1/20
4/20
5/20
6/20
4/20
1/20
4/20
-1
5/20
-1
5/2
=
5/4
25/4
g = 5/2
h = 5/4
i = 25/4
4. Sifat 4 :
1
=
0
0
STMIK BUDIDARMA
Hal : 92
j=1
k=0
l=0
6/20
4/20
-4
1/20
4/20
5/20
6/20
4/20
1/20
4/20
5/20
m=0
n=1
p=0
=
0
1
q=0
r=0
s=0
Dengan demikian, t dapat dicari dengan memasukkan harga-harga g, h, dan i ke dalam
persamaan z, sehingga diperoleh :
t = 4(5/2) + 6(5/4) + 0(25/4)
t = 70/4
t = 17
STMIK BUDIDARMA
Hal : 93
5
METODE TRANSPORTASI
5.1. PENDAHULUAN
Metode transportasi merupakan suatu metode yang digunakan untuk mengatur distribusi
dari
sumber-sumber
yang
menyediakan
produk
yang
sama,
ketempat-tempat
yang
membutuhkan secara optimal. Alikasi produk ini harus sedemikian rupa, karena terdapat
perbedaan biaya-biaya alokasi dari saru sumber ke tempat-tempat tujuan berdeda-beda, dan
dari beberapa sumber ke suatu tempat tujuan juga berbeda-beda. Di samping itu, metode
transportasi juga dapat digunakan untuk memecahkan masalah-masalah dunia usaha (bisnis)
lainnya, seperti masalah-masalah yang meliputi pengiklanan, pembelanjaan modal (capital
financing) dan alokasi dana untuk investasi, analisis lokasi, keseimbangan lini perakitan dan
perencanaan serta scheduling produksi. Ada beberapa macam metode transportasi, yang
semuanya terarah pada penyelesaian optimal dari masalah-masalah transportasi yang terjadi.
F.L. Hitlchcock (1941), T.C. Koopmans (1949), dan G.B. Dantziq (1951) adalah orang-orang yang
pertama sebagai kontributor yang mengembangkan teknik-teknik transportasi.
Bab ini pertama-tama akan membicarakan metode-metode transportasi dimulai dengan
membahas metode stepping stone yang ditemukan oleh W.W. Cooper dan A.Charnes,
dilanjutkan dengan metode MODI dan Vogels Approximation (VAM).
5.2. Metode Stepping-Stone
Untuk mempermudah penjelasan metode Stepping-Stone, berikut ini akan dipergunakan
contoh suatu perusahaan yang mempunyai 3 pabrik di W, H, dan P. Perusahaan mengahadapi
masalah alokasi hasil produksinya di pabrik-pabrik tersebut ke gudang-gudang penjualan di A, B,
dan C. Kapasitas pabrik, kebutuhan gudang dan biaya pengangkutan dari tiap pabrik ke tiap
gudang dapat dilihat pada Tabel 5.1, 5.2, dan 5.3.
STMIK BUDIDARMA
Hal : 94
Tabel 5.1. Kapasitas pabrik W

Pabrik
Kapasitas produksi tiap bulan
W
90 ton
H
60 ton
P
50 ton
Jumlah
200 ton
Tabel 5.2. Kebutuhan gudang A, B, dan C
Gudang
A
B
C
Jumlah
Kebutuhan tiap bulan

50 ton
110 ton
40 ton
200 ton
Tabel 5.3. Biaya pengankutan setiap ton dari pabrik W, H, P ke gudang A, B, C

Dari
Pabrik W
Pabrik H
Pabrik P
Biaya tiap ton (dalan ribuan Rp)

Ke Gudang A
Ke Gudang B
Ke Gudang C
20
5
8
15
20
10
25
10
19
5.2.1. Penyusunan Tabel Alokasi

Untuk bisa memahami dengan lebih mudah dan memcahkan masalah, maka data di
atas harus disusun ke dalam suatu table yang menunjukkan hubungan antar kapasitas pabrik,
kebutuhan gudang, dan biaya pengankutan seperti terlihat pada Tabel 5.4. Pada table tersebut
jumlah kebutuhan tiap-tiap gudang diletakkan pada baris terakhir dan kapasitas pabrik pada
kolom terkhir. Sedang biaya pengangkutan diletakkan pada segi empat kecil pada table itu.
Misalnya biaya angkut 1 ton barang dari W ke A adalah 20, diletakkan di segi empat kecil di
dalam segi empat AW, dan seterusnya. Adapun Xij adalah banyaknya alokasi dari sumber i ke
tujuan j, misalnya dari W ke A (sumber 1 ke tujuan pertama) = X11. Nilai Xij inilah yang nanti akan
kita cari.
Tabel 5.4. Tabel transportasi
Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
W
20
X11
Pabrik
H
X21
Kebutuhan
Gudang
20
X22
25
X31
50
8
X13
X12
15
Pabrik
P
10
X23
10
X32
110
19
X33
40
90
60
50
200
STMIK BUDIDARMA

5.2.2.
Hal : 95
Prosedur Alokasi
Setelah data tersusun dalam bentuk table, maka langkah selanjutnya adalah
mengalokasikan produk dari pabrik-pabrik ke gudang-gudang. Pedoman yang merupakan

prosedur alokasi sistematis pertama adalah pedoman sudut barat laut (northwest corner rule).
Mulai dari sudut kiri atas dari Tabel 5.4 (Xij) dialokasikan sejumlah maksimum produk dengan
melihat kapasitas pabrik dan kebutuhan gudang. Kemudian setelah itu, bila Xij merupakan kotak
terakhir yang dipilih, dilanjutkan dengan mengalokasikan pada X1,
j+1
bila i mempunyai kapasitas
yang tersisa. Bila tidak, alokasikan ke X1+1,j, dan seterusnya sehingga semua kebutuhan telah
terpenuhi.
Dari contoh diatas, alokasi pertama adalah X11 = 50, yang tepat memenuhi kebutuhan
gudang A dalam kolom 1 (dan hilangkan kolom ini dari pertimbangan alokasi berikutnya). Dalam
hal ini ada kelebihan kapasitas pabrik W sebesar 40 dalam baris 1, sehingga alokasi berikutnya X1,
1+1
= X12. Bila kapasitas pabrik tidak lebih besar dari kebutuhan gudang B dalam kolom 2, maka
pada X12 dialokasikan sebesar 4, dan hilangkan baris 1 dari pertimbangan berikutnya. Untuk
selanjutnya alokasi yang dipilih X1+1, 2 = X22. Dari table terlihat bahwa kebutuhan gudang B masih
lebih besar dari kapasitas pabrik H, sehingga pada X22 dialokasikan sebesar 60, dan hilangkan
baris, dan seterusnya sampai semua kapasitas yagn tersedia telah dialokasikan ke gudanggudang yagn membutuhkan seperti terlihat pada Tabel 5.5. Segi empat yagn tersisi alokasi
biasanya disebut segi empat batu, dan yang kosong disebut segi empat air.
Biaya pengangkutan untuk alokasi tahap pertama ini = 50(20 + 40(50) + 60(20) + 10(10) +
40(19) = 3260.
Tabel 5.5. Alokasi tahap pertama dengan pedoman sudut barat laut.
Ke
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Dari
Pabrik
W
20
50
15
20
10
10
19
60
Pabrik
25
P
Gudang
40
Pabrik
Kebutuhan
40
10
50
110
40
90
60
50
200
STMIK BUDIDARMA

5.2.3.
Hal : 96
Mengubah Alokasi Secara Trial and Error

Untuk mengurai biaya pengangkutan, alokasi pada Tabel 5.5 diubah secara trial and
error. Misalnya, terlihat pada kolom Gudang A. Segi empat HA belum terisi, maka dicoba bila
diisi 1 satuan (ton) tentu saja perlu pemindahan dari segi empat yagn lain, misalnya dari segi
empat WA agar jumlah kebutuhan gudang tetap 50; di samping itu juga akan mempengaruhi
segi empat WB dan segi empat HB, seperti terlihat pada Tabel 5.6. Perubahan biaya yang
diakibatkan adalah sebagai berikut :
Tambahan biaya :
dari H ke A
dari W ke B
15
=
5
20
Pengurangan biaya
dari W ke A
20
dari M ke B
20
40
Tambahan biaya 20 sedang pengurangan biaya 40, berarti ada penghematan 20 (=Rp
20.000,00) untuk setiap perpindahan alokasi 1 unit (1 ton) barang ke segi empat HA dan WB dan
HB. Berdasarkan kenyataan ini, bila jumlah alokasi yang dilaksanakan lebih banyak (tidak hanya
1 unit saja), maka penghematannya akan lebih banyak. Jumlah yang bisa diubah maksimum
sebesar isi terkecil dari 2 segi empat yang terdekat dengan isi segi empat HB = 60. Jadi diisikan
pada segi emapat HA 50 unit dan ditambahkan pula isi segi empat WB (yang bertolah belakang
dengan HA) sebesar 50 unit. Perubahan alokasi ini seperti terlihat pada Tabel 5.7, dengan
menghasilkan biaya pengangkutan yang lebih murah, yaitu 90(5) + 50(15) +10(20) + 10(10) +
40(19) = 2260 lebih murah dari laokasi pertama (Tabel 5.5).
Tabel 5.6. Perbaikan pertama dengan trial and error
Ke
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Dari
Pabrik
W
20
50
(-)
20
10
60
(+)
Pabrik
P
50
90
(+)
15
Gudang
40
Pabrik
Kebutuhan
25
(-)
10
19
10
40
110
40
60
50
200
STMIK BUDIDARMA
Hal : 97
Tabel 5.7. Perbaikan kedua dengan trial and error

Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
W
50
40
(-)
Pabrik
(+)
25
(-)
20
10
10
19
90
60
Pabrik
90
(+)
15
40
10
Kebutuhan
50
Gudang
110
40
90
60
50
200
Perubahan alokasi ini dapat juga dilakukan dengan mengubah alokasi pada segi empat
yang tidak berdekatan. Misalnya, akan diisi segi empat WC, maka segi empat lain yang ikut
berubah dapat berupa segi empat WB, PB, dan PC, seperti terlihat pada Tabel 5.8, dengan
biaya pengangkutan = 50(5) + 40(8) +50(15) + 10(20) + 50(10) = 2020. Demikian seterusnya
diadakan perubahan bila dengan perubahan itu dapat mengurangi biaya, sampai akhirnya
diperoleh biaya pengangkutan yang terendah (optimal).
Tabel 5.8. Perbaikan dengan masalah alokasi segi empat yang tidak berdekatan.
Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
5
90
W
Pabrik
H
50
25
40
10
10
10
P
Gudang
20
10
Pabrik
Kebutuhan
(+)
(-)
50
15
(-)
(+)
50
50
19
110
90
60
50
40
40
200
5.3. Metode MODI

Metode MODI ( Modified Distribution) merupakan perkembangan dari metode steppingstone, karena penentuan segi empat kosong yang bisa menghemat biaya dilakukan dengan
prosedur yagn lebih pasti dan tepat serta metode ini dapat mencapai hasil optimal lebih cepat.
Cara utnuk memilihnya digunakan persamaan Ri + Kj = Cij. Ri adalah nilai baris i, Kj nilai kolom j,
dan Cij adalah biaya pengangkutan 1 satuan barang dari sumber i ke tujuan j. Adapun langkahlangkah menghitungnya sebagai berikut :
a. Isilah table pertama dari sudut kiri ke atas ke kanan bawah,
STMIK BUDIDARMA
Hal : 98
b. Menentukan nilai baris dan kolom

Nilai baris dan kolom ditentukan berdasarkan persamaan di atas (Ri + Kj = Cij). Baris
pertama selalu diberi nilai 0, dan nilai baris-baris yang lain dan nilai semua kolom ditentukan
berdasarkan hasil-hasil hitungan yagn telah diperoleh. Bila nilai suatu baris sudah diperoleh, maka
nilai kolom yang dihubungkan dengan segi empat batu dapat dicari dengan rumus Ri + Kj = Cij.
Nilai baris W = Rw = 0
Mencari nilai kolom A :
RW + KA = CWA
0 + KA = 20, nilai klom A = KA = 20
Mencari nilai kolom dan baris yang lain :
RW + KB = CWB
; 0 + KB = 5
; KB = 5
RH + KB = CHB
; RH + 5 = 20
; RH = 15
RP + KB = CPB
; RH + 5 = 10
; RP = 5
RP + KC = CPC
; 5 + KC = 19
; KC = 14
Nilai-nilai ini kemudian diletakkan pada baris/kolom yagn bersangkutan, seperti terlihat pada
Tabel 5.9.
Tabel 5.9. Tabel pertama.
Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
W
90
60
(+)
(-)
20
10
10
19
50
Pabrik
H
40
(-)
15
50
(+)
Pabrik
P
Kebutuhan
Gudang
10
25
40
10
50
110
40
90
60
50
200
c. Menghitung indeks perbaikan

Indeks perbaikan adalah nilai dari segi empat akhir (segi empat yang kosong).
Mencarinya dengan rumus :
Cij Ri Kj = Indeks perbaikan
Tabel 5.10. menghitung indeks perbaikan
Segi empat
HA
PA
WC
HC
Cij Ri Kj
15 15 20
25 - 5 20
8 - 0 14
10 15 - 14
Indeks perbaikan
-20
0
-6
-19
STMIK BUDIDARMA
Hal : 99
d. Memilih titik tolah perubahan

Segi empat yang mempunyai indeks perbaikan negative berarti bila diberi alokasi (diisi)
akan dapat mengurangi jumlah biaya pengangkutan. Bila nilainya positif berarti pengisian akan
menyebabkan kenaikan biaya pengangkutan. Segi empat yagn merupakan titik tolak
perubahan adalah segi empat yang indeksnya bertanda negative, dan angkanya terbesar.
Dalam Tabel 5.10, ternyata yang memenuhi syarat adalah segi empat HA. Olwh karena itu segi
empat ini dipilih sebagai segi empat yagn akan diisi.
e. Memperbaiki alokasi
Berilah tanda positif pada segi empat yang terpilih (HA). Pilihlah 1 segi empat terdekat
yang isi dan sebaris (HB), 1 segi empat yang isi terdekat dan sekolom (WA); berilah tanda
negative pada 2 segi empat ini. Kemudian pilihlah satu segi empat yang bertanda negative tadi
(WB), dan berilah segi empat ini tanda positif. Selanjutnya pindahkanlah alokasi dari segi empat
yang bertanda negative ke yagn bertanda positif sebanyak isi terkecil dari segi empat yang
bertanda positif (50). Jadi segi empat HA kemudian berisi 50, segi empat HB berisi 60 50 = 10,
segi empat WB berisi 40 + 50 = 90, dan segi empat WA menjadi tidak berisi. Lihat Tabel 5.9
f.
Ulangilah langkah-langkah tersebut di atas, mulai langkah nomor b sampai diperoleh
biaya terendah. Bila masih ada indeks perbaikan yang bernilai negative berarti alokasi tersebut
masih dapat diubah utnuk mengurangi biaya pengangkutan. Bila sudah tidak ada indeks yagn
negative berarti sudah optimal. Sebagai contoh perubahan pertama sampai mencapai table
optimal dapat dilihat pada Tabel 5.11, a, b, c, d, dan e,
Tabel 5.11. Perubahan alokasi untuk memperoleh alokasi optimal dengan Metode MODI
(a)
Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
W
50
(-)
Pabrik
H
20
10
10
19
90
(+)
15
40
10
50
(+)
Pabrik
(-)
25
60
P
Kebutuhan
Gudang
10
50
90
60
50
40
110
40
200
Biaya transportasi = 90 (5) + 50(15) + 10(20) +10(10) + 40(19)

= 2260
STMIK BUDIDARMA
Hal : 100
(b)
Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
20
10
90
W
Pabrik
15
10
50
(+)
(-)
Pabrik
25
10
(+)
50
Gudang
19
40
50
(-)
10
Kebutuhan
60
10
40
90
30
110
40
200
Biaya transportasi = 90(5) + 50(15) + 10(10) + 20(10) + 30(19)

= 2070
(c)
Ke
Dari
Gudang
Gudang
Gudang
Kapasit
as
Pabrik
Pabrik
20
10
90
W
Pabrik
15
10
50
(+)
(-)
Pabrik
25
10
(+)
Kebutuhan
Gudang
19
40
50
(-)
10
50
60
10
40
90
30
110
40
200
Biaya transportasi = 60(5) + 30(8) + 50(15) + 10(10) + 50(10)

= 1890
(d)
Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
A = 13
B=5
C=8
Pabrik
Pabrik
5
60
W
Pabrik
H
15
50
8
30
20
10
90
60
10
STMIK BUDIDARMA

Pabrik
25
Hal : 101
10
19
50
Kebutuhan
50
Gudang
110
40
50
200
Tabel (d) tidak bisa dioptimalkan lagi, karena indeks perbaikan pada setiap segi empat akhir
sudah tidak ada yang negative, seperti terlihat pada Tabel 5.12.
Tabel 5.12. Indeks perbaikan dari Tabel 5.11e
Segi empat
WA
HB
PA
PC
Cij Ri Kj
20 0 5
20 - 2 5
25 - 5 13
19 5 - 8
Indeks perbaikan
15
13
7
6
5.4. Metode Vogels Approximation

Metode vogel atau Vogels Approximation Method (VAM) merupakan metode yang
lebih cepat untuk dapat mengatur alokasi dari beberapa sumber ke beberapa daerah
pemasaran. Adapun langkah-langkah untuk mengerjakannya adalah sebagai berikut :
1. Susunlah kebutuhan, kapasitas masing-masing sumber, dan biaya pengangkutan ke
dalam matriks seperti pada Tabel 5.4.
2. Carilah perbedaan dari dua biaya terkevil (dalam nilai absolute), yaitu biaya terkecil dan
terkecil kedua untuk tiap baris dan kolom pada matriks (Cij). Misalnya pada baris W biaya
angkut terkecil = Rp 5,00 dan nomor dua dari yang terkecil Rp 8,00. Jadi nilai baris W = 8
5 = 3. Demikian seterusnya nilai-nilai yang lain sebagai berikut :
Baris H =
15 10 = 5
Baris P
19 10 = 9
Kolom A
20 15 = 5
Kolom B
10 5 = 5
Kolom C
10 8 =2
3. Pilihlah 1 nilai perbedaan-perbedaan yang terbesar di antara semua niilai perbedaan

pada kolom dan baris. Dalam hal ini baris P mempunyai nilai perbedaan terbesar, yaitu 9.
4. Isilah pada salah satu segi empat yang termasuk dalam kolom atasu baris terpilih, yaitu
pada segi empat yang biayanya terendah di antar segi empat lain pada kolom/baris itu.
Isiannya sebanya mungkin yagn biasa dilakukan. Misalnya pada baris P, biaya angkut
untuk segi empat PA = 25, segi empat PB = 10, dan segi empat PC = 19. Yang terkecil
adalah biaya pada segi empat PB. Maka kita isi segi empat PB dengan 50 satuan (lebih
dari 50 satuan tidak mungkin karena kapasitas pabrik P = 50)
STMIK BUDIDARMA
Hal : 102
Tabel 5.13. Feasible solution mula-mula dari metode Voges approximation
Pabrik
W
H
P
Kebutuhan
Perbedaan kolom
A
20
15
25
50
5
Gudang
B
5
20
10
110
5
C
8
10
19
40
2
Perbedaan
Kapasitas
baris
90
3
60
5
50
9
Pilihan XPB = 50
Hilangkan baris P
5. Hilangkan baris P karena baris tersebut sudah diisi sepenuhnya (kapasitas penuh)
sehingga tidak mungkin diisi lagi. Kemudian perhatikan kolom dan baris yagn belum
terisi/teralokasi (baris W, H, dan kolom A, B, C).
6. Tentukan kembali perbedaan (selisih) biaya pada langkah ke 2 untuk kolom dan baris
yang belum terisi. Ulangi langkah 3 sampai dengan langkah 5, sampai semua baris dan
kolom sepenuhnya teralokasi lihat Tabel 5.14.
Tabel 5.14. Feasible solution dari metode VAM lanjutan
W
Pabrik
H
Kebutuhan
Perbedaan kolom
A
20
15
50
5
W
Pabrik
H
Kebutuhan
Perbedaan kolom
A
20
15
50
5
Pabrik
Kebutuhan
A
15
50
Gudang
B
5
20
60
15
Gudang
Gudang
C
8
10
40
2
Perbedaan
Kapasitas
baris
90
3
60
5
Pilihan XWB = 60
Hilangkan baris B
C
8
10
40
2
Perbedaan
Kapasitas
baris
30
12
60
5
Pilihan XWC = 30
Hilangkan baris W
C
10
40
Perbedaan
Kapasitas
60
Pilihan XHA = 50
XHC = 10
Jadi, matriks alokasi sengan metode Vogels Approximation di atas adalah sebagai berikut :
STMIK BUDIDARMA
Hal : 103
Tabel 5.15. Matriks hasil alokasi dengan metode VAM

Ke
Dari
Gudang
Gudang
Gudang
Kapasitas
Pabrik
Pabrik
5
60
W
Pabrik
90
30
15
20
50
10
60
10
Pabrik
25
10
19
50
50
Kebutuhan
50
Gudang
110
40
200
7. Setelah terisi semua, maka biaya transportasinya yang harus dibayar adalah 60 (Rp 5,00)
+ 30 (Rp 8,00) + 50( 15,00) + 10(Rp 10,00) + 50(Rp 10,00) = Rp 1.890,00
8. Bila nilai perbedaan aa 2 yang besarnya sama, missal yang satu terletak pada kolom
maka:
Lihatlah segi empat yang masuk ke dalam kolom maupun baris yang mempunyai nilai
terbesar. Bila segi empat ini mempunyai biaya terendah di antara segi empat pada baris
atau klomnya, maka isian alokasi maksimum pada segi empat ini. Bila biayanya tidak
terendah, maka pilihlah segi empat yagn akan diisi berdasar salah satu, baris terpilih atau
kolom terpilih, seperti pada langkah 4 dan 5
Kebaikan dari metode Vogel ini adalah mudah menghitungnya. Tetapi hasil pemecahan
dari metode ini kadang-kadang masih dapat dioptimalkan dengan metode lain, misalnya
metode Simples yang akan dibicarakan kemudian.
5.5. Kapasitas Tidak Sama dengan Kebutuhan
Bila
kebutuhan
tidak
sama
dengan
kapasitas
yagn
tersegia,
maka
untuk
menyelesaikannya harus dibuat kolom semu (dummy column) atau baris semu (dummy row),
sehingga jumlah isian kolom jumlah isian baris semua. Contoh untuk kebutahan lebih kecil dari
kapasitas yagn tersedia seperti terlihat pada Tabel 5.16, sedang untuk kebutuhan yagn lebih
banyak dari kapasitas yagn tersedia seperti terlihat pada Tabel 5.17. Setelah diadakan
penambahan baris atau kolom dummy ini dengan biaya nol (0) dapat diselesaikan dengan
metode stepping stone, MODI atau VAM.
STMIK BUDIDARMA
Hal : 104
Tabel 5.16. Kebutuhan lebih kecil dari sumber (kapasitas) yang tersedia.
Ke
Gudang
Gudang
Gudang
Dummy
Jlh
Kapasita
Dari
s
Pabrik
20
90
Pabrik
15
20
10
60
Pabrik
25
10
19
100
Jumlah
50
Kebutuhan
110
40
50
250
Tabel 5.17. Kebutuhan lebih besar dari sumber yang tersedia

Ke
Dari
Gudang
Gudang
Gudang
Jumlah
Kapasita
s
Pabrik
8
90
W
15
Pabrik
20
10
60
H
25
Pabrik
10
20
50
P
0
Dummy
0
50
Q
Jumlah
Kebutuhan
100
110
40
250
5.6 Masalah Degeneracy

Di dalam mengisi table awal berdasar sudut kiri atas kadang-kadang terjadi degeneracy,
yaitu apabila banyaknya segi empat yang terisi kurang dari m + n 1 (m banyaknya baris dan n
banyaknya kolom).
Misalnya seperti yang terdapat pada Tabel 5.18, segi emapt XB merupakan segi empat
yagn tidak terisi. Dalam mencari nilai baris dan kolom :
STMIK BUDIDARMA
Hal : 105
RW = 0
RW + KA = CWA; 0 + KA = 20; KA = 20
RW + KB = CWB; 0 + KB = 5; KB = 5
Sampai disini tidak bias kita lanjutkan untuk mencari nilai baris H, karena segi HB kosong. Untuk
mengatasi hal ini bias kita isi segi empat HB dengan nilai isian 0. Dengan demikian jumlah segi
empat yang terisi ada 6, tepat sama dengan m + n 1 (3 + 4 1), seperti terlihat pada Tabel 5.19.
Tabel 5.18. Terdapat 5 segi empat yang terisi kurang dari 6 (=3 + 4 1)
Ke
Dari
Gudang
Gudang
Gudang
Gudang
Kapasitas
A = 20
B=5
Pabrik
Pabrik
11
90
Pabrik
15
20
10
15
40
Pabrik
25
10
20
60
20
20
50
Kebutuhan
50
Gudang
40
40
50
70
200
Tabel 5.19. Segi empat HB diisi 0, sehingga banyaknya segi empat yang terisi ada 6 tepat sama
dengan 3 + 4 1
Ke
Dari
Gudang
Gudang
Gudang
Gudang
Kapasitas
A = 20
B=5
C = -5
D=0
Pabrik
Pabrik
W
5
50
Pabrik
H
90
20
0
25
10
40
10
Gudang
15
20
20
P
Kebutuhan
11
40
15
Pabrik
20
50
50
40
40
60
70
50
200
Dengan sendirinya nilai dari semua kolom dan baris dari Tabel 5.19 ini dapat dicari, karena segi
empat HB sudah terisi.
RH + KB = CHB; RH +5 = 20; RH = 20 5 = 15
STMIK BUDIDARMA
Hal : 106
RH + KC = CHX; 15 + KC = 10; KC = 10 15 = -5
RH + KD = CHD; 15 + KD = 15; KD = 15 15 = 0
RP + KD = CHD; RP + 0 = 20; RP = 2
Berdasarkan nilai-nilai tersebut di atas nilai indeks perbaikan dapat dicari dan perbaikan
dapat dilakukan sampai table optimal, caranya sama dengan yang telah dibicarakan di depan.
5.7. Penggunaan Programa Linier
Masalah transportasi ini dapat juga dipecahkan dengan metode programa linier. Sudah
dibicarakan di depan bahwa kebutuhan tidak selalu sama dengan kapasitas yang tersedia.
Mungkin kebutuhan lebih besar dari kapasitas, atau sebaliknya. Berikut ini akan disajikan
perumusan masalah kalau kebutuhan sama, lebih besar atau lebih kecil dari kapasitas yang
tersedia. Setelah masalah dirumuskan, maka dapat di selesaikan dengan langkah-langkah
dalam metode linear programming.
a. Perumusan masalah kalau kebutuhan sama dengan kapasitas :
Fungsi tujuan : minimumkan Z =
i =1
j =1
CijXij
CijXij
n
Batasan-batasan : (1)
Xij = ai (i=1, 2, .., m)
j =1
(2)
Xij = bi (j=1, 2, .., n)
i =1
(3) Xij 0.
Pada rumusan di atas semua kebutuhan dapat dipenuhi, semua kapasitas sumber
dialokasikan, dan nilai alokasi harus positif.
b. Bila kebutuhan lebih kecil dari kapasitas.
i =1
j =1
CijXij
Xij ai (i=1, 2, , m)
j =1
(2)
Xij = bi (j=1, 2, .., n)
i =1
(3) Xij 0.
Pada rumusan ini semua kebutuhan dapat dipenuhi, tetapi kapasitas sumber tidak bias
dimanfaatkan sepenuhnya.
STMIK BUDIDARMA
Hal : 107
c. Bila kebutuhan lebih besar dari kapasitas.

i =1
j =1
CijXij
Xij = ai (i=1, 2, .., m)
j =1
(2)
Xij bi (j=1, 2, .., n)
i =1
(3) Xij 0.
Pada rumusan ini tidak semua kebutuhan bias dipenuhi meskipun kapasitas sumber telah
digunakan sepenuhnya.
Simbol i menunjukkan nomor sumber, dari sumber 1, 2, sampai dengan yang ke-m, j
menunjukkan nomor tempat tujuan pengiriman, mulai yang ke-1, 2, .. sampai tempat yang
ke-n; Xij menunjukkan banyak barang yang dikirimkan dari sumber i ke tempat tujuan j, sedang Cij
ongkos angkut setiap satuan barang dari ke j.
Arti batasan pada ketiga macam perumusan masalah ini ialah: Batasan (1) merupakan
batasan kapasitas tersedianya barang di setiap sumber, batasan (2) merupakan batasan
kebutuhan di tempat-tempat tujuan, dan batasan ke-(3) merupakan batasan tidak negatig
(nonnegative
constraint).
Fungsi
tujuan
berusaha
untuk
meminimumkan
jumlah
biaya
pengangkutan seluruhnya.
Sebagai contoh lihat perumusan masalah di depan, yang kalau diformulasikan sebagai
berikut :
Minimumkan Z = 20XWA + 15XHA + 25XPA + 5KWB + 20KHB +
10XPB + 8XWC + 10XHC + 19XPC
Batasan-batasan :
XWA + XWB + XWC = 90

XHA + XHB + XHC = 60
XPA + XPB + XPC
= 50
XWA + XHA + XPA = 50

XWB + XHB + XPB = 110
XWC + XHC + XPC = 40
XWA, XWBXPC 0
Bila diselesaikan, maka nilai X dan Z yang optimal adalah sebagai berikut :
STMIK BUDIDARMA

XWB = 60
Hal : 108
XPB = 50
XWC = 30
XHA = 10
Z = 1890
XHC = 10
SOAL-SOAL
1.
Saat ini Pertamina memiliki tiga daerah penambangan minyak di pulau jawa, yaitu di
Cepu, Cilacap, dan Cirebon dengan kapasitas produksi masing- masing sebesar
600.000galon, 500.000 galon, dan 800.000 galon setiap harinya. Dari tempat- tempat
tersebut, minyak kemudian diangkut ke daerah- daerah pemasaran yang terspusat di
semarang, Jakarta, Bandungn, dengan daya tampung masing- masing sebbanyak
400.000 galon, 800.000 galon, dan 700.000 galon perhari. Ongkos pengangkutan per
100.000 galon adalah:
Dari Cepu ke semarang dan Jakarta masing- masing sebesar: Rp
120.000 dan Rp
180.000.
Dari Cilacap ke Semarang, Jakarta dan Bandung masing- masing Rp 300.000, Rp 100.000
dan 80.000.
Dari Cirebon ke semarang, Jakarta dan bandung masing- masing : Rp 200.000, Rp
250.000, dan Rp 120.000.
Bagaimana ususl saudara untuk mendistribusikan minyak tersebut sebaik- baiknya?
2.
Direktur PN GIA menerangkan bahwa untuk melayani penerbangan di jawa barat harus
dibuka 4 bandar udara, yaitu di Jakarta, bandung, Cirebon, dan Cilacap[, sehingga
pesawat dapat mengisi bahan baker pada keempat lapangan terbang tersebut.
Kebutuhan akan bahan baker ini akn disuplai oleh tiga agen pertamina, yaitu pertamina
I, II,dan II yanga masing-masing dapat menyediakan sebanyak 275.000 galon, 550.000
galon dan 660.000. adapun masing- masing lapangan terbang di perkirakan akan
membutuhkan bahan baker sebanyak:
Jakarta
Bandung : 330.000 galon
Cirebon
: 220.000 galon
Cilacap
:110.000 galaon
: 440.000 galon
STMIK BUDIDARMA
Hal : 109
Harga bahan bakar per galon yang dijual pada masing-masing Bandar udara oleh agen
I, II, dan III adalah seperti pada table berikut:
Agen
II
III
11
13
12
10
11
14
10
Bandara
Formulasikan persoalan di atas sebagai persoalan transaportasi, dan dapatkan jawaban

optimumnya.
3.
Seorang pedagang beras mempunyai 3 gudang di Cianjur, Cikampek, dan Sumedang,

yang masing- masing menyimpan beras sebanyak 60,80,dan 100 ton. Pedagang tersebut
mempunyai daerah pemasaran di Bandung, Bogor, Jakarta, dan Cirebon yang masingmasing membutuhkan beras sebanyak 40, 60, 80, dan 50 ton.
Cianjur Ke Bandung
= Rp 11.000,00
Ke Bogor
= Rp 12.000,00
Ke Jakarta
= Rp 13.000,00
Ke Cirebon
= Rp 14.000,00
Cikampek Ke Bandung = Rp 14.000,00

Ke Bogor
= Rp13.000,00
KeJakarta
= Rp12.000,00
Ke Cirebon
= Rp10.000,00
Sumedang ke Bandung = Rp 10.000,00

Ke Bogor
= Rp12.000,00
Ke Jakarta
= Rp 12.000,00
Ke Cirebon
= Rp 11.000,00
Bila saudara diminta, bagaimanakah pengalokasian /pendistribusian beras yang optimum

dan berapa ongkosnya.
STMIK BUDIDARMA
Hal : 110
6
MASALAH PENUGASAN
6.1. PERUMUSAN MASALAH

Seperti masalah transportasi, masalah penugasan (assignment problem) merupakan
suatu kasus khusus bagi masalah linear programming pada umumnya. Dalam dunia usaha
(bisnis) dan industri, manajemen sering menghadapi masalah-masalah yang berhubungan
dengan penugasan optimal dari bermacam-macam sumber yang produktif atau personalia
yang mempunyai tingkat efisiensi yang berbeda-beda untuk tugas-tugas yang berbeda-beda.
Metode Hungarian (Hungarian method) adalah salah satu dari beberapa teknik-teknik
pemecahan yang tersedia untuk masalah-masalah penugasan. Metode ini mula-mula
dikembangkan oleh seorang ahli matematika berkebangsaan Hungaria yang bernama D. Konig
dalam tanuh 1916
Untuk dapat menerapkan metode Hungarian, jumlah sumber-sumber yang ditugaskan
harus sama persis dengan jumlah tugas yang akan diselesaikan. Selain itu, setiap sumber harus
ditugaskan hanya untuk satu tugas. Jadi masalah penugasan akan mencakup sejumlah n
sumber yang mempunyai n tugas. Ada n! (n factorial) penugasan yang mungkin dalam satu
masalah karena perpasangan satu-satu. Masalah ini dapat dijelaskan dengan mudah oleh
bentuk matriks segi empat, di mana baris-barisnya menunjukkan sumber-sumber dan kolomkolomnya menunjukkan tugas-tugas.
Masalah penugasan dapat dinyatakan secara matematis dalam suatu bentuk linear
programming sebagai berikut :
Minimumkan (maksimumkan):
Z=
i =1
j =1
CijXij
Dengan batasan:
m
i =1
Xij =
Xij = 1
j =1
Dan Xij 0 (Xij = Xij 2

Dimana Cij adalah tetapan yang telah diketahui.
STMIK BUDIDARMA
Hal : 111
6.2. Masalah Minimasi

Suatu perusahaan kecil mempunyai 4 (empat) pekerjaan yang berbeda untuk
diselesaikan oleh 4 (empat) karyawan. Biaya penugasan seorang karyawan untuk pekerjaan
yang berbeda adalah berbeda karena sifat pekerjaan berbeda-beda. Setiap karyawan
mempunyai tingkat keterampilan, pengalaman kerja dan latar belakang pendidikan serta
latihan yang berbeda pula. Sehingga biaya penyelesaian pekerjaan yang sama oleh para
karyawan-karyawan yang berlainan juga berbeda. Matriks pada Tabel 6.1 menunjukkan
biaya penugasan karyawan untuk bermacam-macam pekerjaan. Sebagai contoh A dapat
menyelesaikan pekerjaan I pada biaya Rp 15,00, pekerjaan II pada biaya Rp 20,00, dan
seterusnya.
Tabel 6.1. Matriks biaya(Rp)
Pekerjaan
I
II
III
Karyawan
A
15,00
20,00
18,00
B
14,00
16,00
21,00
20,00
23,00
C
25,00
18,00
18,00
D
17,00
Karena metode penugasan Hungarian mensyaratkan perpasangan
IV
22,00
17,00
20,00
16,00
satu-satu, maka ada
4! (4, 3, 2, 1 = 24) kemungkinan penugasan.

Langkah-langkah penyelesaiannya adalah sebagai berikut :
1. Langkah pertama adalah mengubah matriks biaya menjadi matriks opportunity cost. Ini
dicapai dengan memilih elemen terkecil dari setiap baris dari matriks biaya mula-mula
untuk mengurangi seluruh elemen (bilangan) dalam setiap baris. Sebagai contoh, seluruh
elemen terkecil baris A (=15) digunakan untuk mengurangi seluruh elemen pada baris A.
Sehingga paling sedikit akan diperoleh satu elemen yang bernilai nol sebagai hasilnya.
Prosedur yang sama diulang untuk setiap baris pada Tabel 6.1 untuk mendapatkan
matriks biaya yang telah dikurangi (reduced-cost matrix) seperti yang ditunjukkan Tabel
6.2
Tabel 6.2. Reduced-cost matrix
Pekerjaan
Karyawan
A
B
C
D
II
III
IV
0
0
5
1
5
2
0
2
3
7
3
2
7
3
0
0
2. Reduced cost-matrix di atas terus dikurangi untuk mendapatkan total-opportunity-cost

matric. Hal ini dapat dicapai dengan memilih elemen terkecil dari setiap kolom pada
STMIK BUDIDARMA
Hal : 112
reduced-cost matrix untuk mengurangi seluruh elemen dalam kolom-kolom tersebut.

Pada contoh di atas hanya dilakukan pada kolom III karena semua kolom lainnya telah
mempunyai elemen yang bernilai nol. Bila langkah pertama telah menghasilkan paling
sedikit satu nilai nol pada setiap kolom, langkah kedua ini dapat dihilangkannya. Matriks
total-opportunity-cost ditunjukkan dalam Tabel 6.3
Tabel 6.3. Total-opportunity-cost matrix
Pekerjaan
Karyawan
A
B
C
D
II
III
IV
0
0
5
1
5
2
0
2
1
5
1
0
7
3
0
0
Dalam contoh total-opportunity-cost matrix pada Tabel 6.3, terdapat paling sedikit satu nilai
nol, dalam setiap baris dan setiap kolom.
3. Langkah berikutnya adalah mencari skedul penugasan dengan suatu total-opportunitycost nol. Untuk mencapai penugasan ini dibutuhkan 4 (empat) independent zeros
dalam matriks. Ini berarti setiap karyawan harus ditugaskan hanya untuk satu pekerjaan
dengan opportunity-cost nol; atau setiap pekerjaan harus diselesaikan hanya oleh satu
karyawan. Prosedur praktis untuk melakukan test optimalisasi adalah dengan menarik
sejumlah minimum garis horizontal dan/atau vertical untuk sejumlah elemen bernilai nol
dalam total-opportunity-cost matrix (lihat Tabel 6.4). Bila jumlah garis sama dengan jumlah
baris atau kolom penugasan optimal adalah feasible. Bila tidak sama maka matriks harus
direvisi.
Tabel 6.4. Test for optimality
Pekerjaan
I
II
III
IV
0
0
5
1
5
2
0
2
1
5
1
0
7
3
0
0
Karyawan
A
B
C
D
Dalam Tabel 6.4 ada tiga baris yang meliputi seluruh nilai nol disbanding empat beris atau
kolom, sehingga langkah berikutnya diperlukan untuk merevisi matriks.
4. Untuk merevisi total-opportunity-cost matrix, pilih elemen terkecil yang belum terliput garisgaris (yaitu opportunity-cost terendah, atau pada contoh di atas = 1) untuk mengurangi
seluruh elemen yang belum terliput. Kemudian tambahkan dengan jumlah yang sama
STMIK BUDIDARMA
Hal : 113
(nilai elemen terkecil) pada seluruh elemen-elemen yang mempunyai dua garis yang
saling bersilangan ( 5 pada baris C dan 1 pada baris D), atau sama dengan 6 dan 2.
Masukkan hasil-hasil ini pada matriks, dan menyelesaikan matriks dengan seluruh elemenelemen yang telah terlipu tampa perubahan, ulangi langkah 3. Matriks yang telah
direvisikan pada Tabel 6.5 berikut ini didapatkan dengan mengikuti prosedur di atas.
Tabel 6.5. Revised matrix dan test for optimality
Pekerjaan
I
II
III
IV
0
0
6
2
4
1
0
2
0
4
1
0
6
2
0
0
Karyawan
A
B
C
D
5. Dalam Tabel 6.5 dibutuhkan empat garis untuk meliputi seluruh nilai nol atau sama
dengan jumlah baris atau kolom, sehingga matriks penugasan optimal telah tercapai.
Karyawan B ditugaskan untuk pekerjaan I karena baris B hanya mempunyai satu nilai nol
pada kolom I. Kolom II berisi satu nol pada baris C, jadi karyawan C ditugaskan untuk
pekerjaan II. Kemudian karyawan A ditugaskan untuk pekerjaan III, karena pekerjaan I
telah ditugaskan karyawan B. Karyawan D ditugaskan untuk pekerjaan terakhir IV. Skedul
penugasan optimal dengan biaya minimum adalah sebagai berikut :
Skedul penugasan
A III
BI
C II
D IV
Rp 18,00
14,00
20,00
10,00
Rp 68,00
6.3. Jumlah Pekerjaan Tidak Sama dengan Jumlah Karyawan

Untuk memnuhi persyaratan suatu matriks segi empat bujur sangkar, agar metode
Hungarian dapat diterapkan, bila terdapat jumlah pekerjaan lebih besar dari jumlah karyawan,
maka harus ditambahkan suatu karyawan semu (dummy worker). Biaya semu adalah sama
dengan nol, karena tidak akan terjadi biaya bila suatu pekerjaan ditugaskan ke karyawan semu.
Sebalikanya bila jumlah karyawan lebih besar dari jumlah pekerjaan, maka harus ditambahkan
suatu pekerjaan semu (dummy job). Sebagai contoh, bila jumlah pekerjaan lebih besar dari
jumlah karyawan, dapat dilihat pada Tabel 6.6
STMIK BUDIDARMA
Hal : 114
Tabel 6.6. Jumlah pekerjaan lebih besar dari jumlah karyawan
Pekerjaan
I
II
III
IV
Karyawan
Rp 21,00
Rp 18,00
Rp 20,00
A
Rp 15,00
15,00
21,00
16,00
B
14,00
17,00
23,00
20,00
C
25,00
18,00
18,00
18,00
D
17,00
0,00
0,00
0,00
0,00
Dummy E
Prosedur penyelesaian selanjutnya sama dengan langkah-langkah di atas.
6.4. Masalah Maksimasi
Metode penugasan Hungarian untuk minimasi juga dapat diterapkan untuk masalah
penugasan yang menyangkut maksimasi. Dalam masalah maksimasi, matriks elemen-elemen
menunjukkan tingkat keuntungan (atau indeks produktivitas). Efektivitas pelaksanaan tugas oleh
karyawan-karyawan individual diukur dengan jumlah kontribusi keuntungan. Matriks 6.7
menunjukkan bahwa karyawan A mempunyai keterampilan yang dibutuhkan menangani 5
(lima) pekerjaan-pekerjaan yang berlainan.
Tabel 6.7. Matriks keuntungan
Pekerjaan
I
II
III
Rp 12,00
10,00
8,00
15,00
13,00
Rp 10,00
9,00
7,00
8,00
14,00
IV
Karyawan
A
B
C
D
E
Rp 10,00
14,00
9,00
13,00
10,00
Rp 15,00
13,00
12,00
11,00
17,00
Langkah pertama dalam masalah maksimasi adalah mengubah matriks keuntungan

menjadi suatu matriks opportunity-loss. Dalam masalah ini, A mempunyai keuntungan tertinggi
Rp !5,00 bila dia ditugaskan pada pekerjaan V. Oleh karena itu, bila A ditugaskan pada
pekerjaan I (yang kontribusi keuntungannya = Rp 10,00), ada sebesar Rp 5,00 sebagai
opportunity-loss yang terjadi dengan penugasan ini, dan seterusnya. Seluruh elemen dalam
setiap baris dikurangi dengan nilai maksimum opportunity-loss yang ditunjukkan dalam Tabel 6.8.
Matriks ini sebenarnya bernilai negative.
Tabel 6.8. Matriks opportunity-loss
Pekerjaan
I
II
III
IV
5
1
3
3
5
4
7
0
4
0
2
0
Karyawan
A
B
C
STMIK BUDIDARMA

D
E
3
7
Hal : 115
1
4
0
0
5
0
Seperti sebelumnya, setiap baris akan berisi nilai nol. Langkah berikutnya dengan
meminimumkan opportunity-loss akan memaksimumkan kontribusi keuntungan total. Matriks
total-opportunity-loss yang ditunjukkan dalam Tabel 6.9 didapatkan melalui pengurangan seluruh
elemen dalam setiap kolom dengan elemen terkecil dari kolom tersebut.
Tabel 6.9. Matriks total-opportunity-loss
Pekerjaan
I
II
Karyawan
A
4
2
B
0
4
C
2
3
D
2
0
E
6
3
Dalam Tabel 6.9 seluruh elemen bernilai nol
III
IV
2
3
2
5
0
dapat diliput
7
0
0
2
4
0
0
5
6
0
hanya dengan empat garis.
Jadi, matriks harus dikurangi menurut langkah ke-4 seperti yang telah dijelaskan di muka. Matriks
baru ditunjukkan oleh Tabel 6.10, dimana penugasan optimal dapat ditentukan.
Tabel 6.10. Tabel oprimal
Pekerjaan
I
II
III
IV
2
0
0
2
6
0
4
1
0
3
0
3
0
5
0
5
0
2
0
6
0
4
0
7
2
Karyawan
A
B
C
D
E
Skedul penugasan optimal dan keuntungan total untuk dua alternative penyelesaian
adalah :
Skedul
Penugasan I
A II
B1
CV
D IV
E III
Keuntungan
Rp 12,00
14,00
12,00
16,00
14,00
Rp 68,00
Skedul
Penugasan 2
AV
B IV
C
D II
E III
Keuntungan
Rp 15,00
15,00
9,00
15,00
14,00
Rp 68,00
STMIK BUDIDARMA
Hal : 116
6.5. Masalah-masalah Penugasan Tambahan

Dalam masalah-masalah penugasan di muka, seluruh elemen matriks diketahui konstan.
Bagaimana juga, kadang-kadang beberapa elemen matriks tidak diketahui. Ada sejumlah alas
an mengapa terdapat elemen-elemen yang tidak diketahui. Dalam masalah penugasan
personalia, sebagai contoh, seorang karyawan tertentu tidak dapat ditugaskan untuk
melaksanakan pekerjaan tertentu karena tidak memenuhi persyaratan keterampilan yang
diperlukan, defisiensi dalam pengetahuan teknis, latihan yang tidak tepat, ketidakmampuan fisik,
dan sebagainya. Penugasan untuk keadaan tersebut bias tidak mungkin dilakukan, atau tidak
menguntungkan bila dilakukan.
Untuk pemecahan suatu masalah penugasan yang tidak mungkin dilakukan, kita hanya
menandai setiap elemen penugasan yang tidak mungkin dengan suatu nilai sangat besar yang
tidak diketahui, M yaitu, M untuk masalah minimasi dan M untuk masalah maksimisasi). Langkah
pemecahan selanjutnya persis sama dengan prosedur metode Hungarian yang telah dibahas di
muka, hanya perlu diperhatikan bahwa penugasan seorang karyawan untuk melaksanakan
pekerjaan tertentu yang elemennya diberi tanda M harus dihindari.
STMIK BUDIDARMA

Teknik Riset Operasional

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teknik Riset Operasional

Uploaded by

Copyright:

Available Formats

Modul : KKMI3413-Teknik Riset Operasional

Science (Manajemen Sains).

Namun Riset Operasi modern

Setelah perang usai , banyak

anggota tim ini melanjutkan penelitian dengan pendekatan kuantitatif untuk

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

OR diterbitkan oleh Churchman, Ackoff, dan Arnoff yang berjudul Introduction to

memungkinkan para praktisi menggunakan metodologi yang lebih cangkih untuk

Pemecahan Masalah dan Pengambilan Keputusan

Mengidentifikasi dan mendefenisikan masalah

Menentukan berbagai alternatif pemecahan

Menentukan kriteria yang akan digunakan untuk mengevaluasi berbagai

Mengevaluasi berbagai alternatif

Menerapkan alternatih yang terpilih

Dalam bidang usaha,

tujuan diartikan sebagai memaksimumkan keuntungan atau meminimumkan

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

1.3. Analisa Kuantitatif.

merupakan komponen paling kritis dalam menentukan keberhasilan atau kegagalan

membutuhkan imajinasi, kerjasama dan banyak upaya untuk mengubah deskripsi

Paket Programa QSB+ (Quantitative System for Business Plus)

Program Linier (Liniear Programming)

Integer Liniear Programming

Masalah Transportasi (Transportation and Transshipment)

Masalah Penugasan (Assignment and Traveling Salesman)

Analisa Jaringan ( Network Analysis)

CPM and PERT

Simulasi Sistem ASntrian

Teori Keputusan dan Probabilitas

Time Series Forecasting

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

penggunaan sumber daya yang terbatas yang di butuhkan untuk melaksanakan

Programaa linier (LP) adalah perencanaan aktivitas-aktivitas untuk memperoleh

dengan perkembangan yang sangat pesat bidang ilmu komputer.

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

Sebagai ilustrasi, perhatikan contoh soal berikut :

diekspresikan dengan menggunakan

variable keputusan x1 dan x2 sebagai berikut :

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

Pendapatan/minggu = pendapatan/minggu dari boneka + pendapatan/minggu

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

Tabel 2.1. Data untuk PT. Indah Gelas

Kapasitas yang digunakan/ unit

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

Kita berusaha memaksimumkan atau meminimumkan suatu fungsi linier dari

Harga/besaran dari variabel-variabel keputusan itu harus memenuhi suatu set

BRIDON SILABAN, IR, MBA

Modul : KKMI3413-Teknik Riset Operasional

2.3. Asumsi Model Programa Linier

Perubahan nilai variabel akan

X1 akan menaikkan penggunaan sumber

daya/fasilitas 1 dengan a11.

X2 akan menaikkan penggunaan sumber

daya/fasilitas 1 dengan a12.

BRIDON SILABAN, IR, MBA