Professional Documents
Culture Documents
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
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.
STMIK BUDIDARMA
Hal : 46
komputasi
sebagai
akibat
tersedianya
komputer.
Komputer
antara kondisi aktual dan kondisi yang diinginkan serta kemudian mengambill
tindakan untuk mengatasi perbedaan tersebut.
Tahap-tahap pemecahan masalah.
1.
2.
3.
4.
5.
Memilih alternatif
6.
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.
STMIK BUDIDARMA
Hal : 47
pendefenisian
masalah
dari
proses
pengambilan
keputusan
kuantitatif
untuk
pengambilan
keputusan.
Pada
umumnya
untuk memecahkan dalam OR, diantaranya LP, LPV2, Simplex, QPTO, LPROG, QSB,
QSB+.
Topik OR yang disediakan dalam paket program QSB+ adalah :
Dynamic Programming
Inventory Control
Teori Antrian
Teori Markov
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
merupakan
sinonim
untuk
perencanaan.
Dengan
demikian,
yang didukung
STMIK BUDIDARMA
Hal : 49
STMIK BUDIDARMA
Hal : 50
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
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.
2.
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
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.
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
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.
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
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
(1)
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)
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
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
X2
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
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
Z =
Cjxj
j =i
Dengan syarat :
Xj
Cj
bi
aij
STMIK BUDIDARMA
Hal : 62
X1 0 , X2 0, X3 0, Xn 0
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
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
STMIK BUDIDARMA
Hal : 63
Variabel
Dasar
X1
X2
S1
S2
S3
NK
-3
-5
S1
S2
15
S3
30
Keterangan
X1
X2
S1
S2
S3
NK
Keterangan
-3
-5
S1
Tak terhingga
S2
15
S3
30
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
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,
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
Hal : 66
15
30
Minimumkan
Batasan 1.
2X1 + R1
= 8
15, menjadi
+ S1 = 15
Batasan 3.
6X1 + 5X2
- 6X1 - 5X2
30, menjadi
- 30, ditambah variable S2,
menjadi
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
= 8
2X1 = 8 , menjadi
R1 = 8 2X1
3X2
15, menjadi
+ S1 = 15
STMIK BUDIDARMA
Hal : 67
30, menjadi
ditambah
variable
buatan
R2,
shg
X1
X2
S1
S2
R1
R2
NK
-8M + 3
-5M+5
-M
-38 M
S1
R1
15
R2
-1
30
Dasar
Ket.
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
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
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
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
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
dan
roti
keju.
Harga
dan
kandungan
bahan
masing-masing
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
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.
2.
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.
4.
proses 3 atau
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
Suatu perusahaan membuat 5 tipe truk. Adapun jumlah truk yang diproduksi
dibatasi oleh kapasitas tiap bagian yang membuat masing-masing tipe truk,
yaitu
a.
STMIK BUDIDARMA
Hal : 74
c.
...................................................7.500 buah
................................................... 5.000 buah
7.
STMIK BUDIDARMA
Hal : 75
: 3,5 jam/set
pengepakan
: 5 jam/set
: 5 jam/set
pengepakan
: 8 jam/set
: 1,5 jam/set
pengepakan
: 3 jam/set
: 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.
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.
STMIK BUDIDARMA
Hal : 76
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 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
1120 jam/set
Perakitan
506 jam/set
Pengepakan
1240 jam/set
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 :
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
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
STMIK BUDIDARMA
Dual
Hal : 80
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
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
berdasarkan pembatas :
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
berdasarkan pembatas :
STMIK BUDIDARMA
Dual
Hal : 81
- x1 + x2 -3
2 x1 + 3 x2 5
x1, x2 0
Maksimumkan : w = 3y1 + 5y2
berdasarkan pembatas :
y1 + 2 y2 5
-y1 + 3 y2 -2
y1, y2 0
Contoh 3 :
Primal
Maksimumkan : z = 5x1 + 6x2
berdasarkan pembatas :
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
berdasarkan pembatas :
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
berdasarkan pembatas :
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)
berdasarkan pembatas :
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
berdasarkan pembatas :
y1 + 2(y2 y2 ) S1 + R1
2y1 (y2 y2)
- S2
+ R2
y1 + 3(y2 y2)
- S3
=5
=12
+ R3 =4
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
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
bersangkutan.
Koefisien ini biasa disebut sebagai simplex multipliers.
koefisien fungsi
matriks di bawah
variabel
basis
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
-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 ]
- (M) = -M
STMIK BUDIDARMA
Hal : 87
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
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
STMIK BUDIDARMA
Hal : 88
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
ruas kanan
bersangkutan
original
matriks kolom
=
ruas kanan
variabel basis
x2
x3
adalah :
3/7 -1/7
1/7
10
2/7
22/7
26/7
S3
Maka ruas kanan variabel basis
y2
adalah
y1
STMIK BUDIDARMA
-1/5
-1
-2/5
1/5
12
1/5
2/5
Hal : 89
3/5
=
2/5
29/5
matriks kolom
dari kolom
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 :
-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
berdasarkan pembatas :
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
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
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
Hal : 95
Prosedur Alokasi
Setelah data tersusun dalam bentuk table, maka langkah selanjutnya adalah
j+1
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
Hal : 96
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
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
STMIK BUDIDARMA
Hal : 98
; 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
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
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
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
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
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
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
15 10 = 5
Baris P
19 10 = 9
Kolom A
20 15 = 5
Kolom B
10 5 = 5
Kolom C
10 8 =2
STMIK BUDIDARMA
Hal : 102
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
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
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
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)
j =1
(2)
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.
Fungsi tujuan : minimumkan Z =
i =1
j =1
CijXij
Batasan-batasan : (1)
Xij ai (i=1, 2, , m)
j =1
(2)
i =1
(3) Xij 0.
Pada rumusan ini semua kebutuhan dapat dipenuhi, tetapi kapasitas sumber tidak bias
dimanfaatkan sepenuhnya.
STMIK BUDIDARMA
Hal : 107
i =1
j =1
CijXij
Batasan-batasan : (1)
j =1
(2)
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 :
= 50
STMIK BUDIDARMA
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
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
= Rp 11.000,00
Ke Bogor
= Rp 12.000,00
Ke Jakarta
= Rp 13.000,00
Ke Cirebon
= Rp 14.000,00
= Rp13.000,00
KeJakarta
= Rp12.000,00
Ke Cirebon
= Rp10.000,00
= Rp12.000,00
Ke Jakarta
= Rp 12.000,00
Ke Cirebon
= Rp 11.000,00
STMIK BUDIDARMA
Hal : 110
6
MASALAH PENUGASAN
i =1
j =1
CijXij
Dengan batasan:
m
i =1
Xij =
Xij = 1
j =1
STMIK BUDIDARMA
Hal : 111
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
II
III
IV
0
0
5
1
5
2
0
2
3
7
3
2
7
3
0
0
STMIK BUDIDARMA
Hal : 112
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
STMIK BUDIDARMA
Hal : 114
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
Pekerjaan
I
II
III
IV
5
1
3
3
5
4
7
0
4
0
2
0
Karyawan
A
B
C
STMIK BUDIDARMA
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
STMIK BUDIDARMA