P. 1
RISET OPERASI

RISET OPERASI

|Views: 142|Likes:
Published by Clams Most
riser
riser

More info:

Published by: Clams Most on Apr 01, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/22/2013

pdf

text

original

RISET OPERASI

Ada beberapa definisi mengenai Riset Operasi (RO). Dasar dari berbagai macam definisi dilator belakangi bahwa ahli Riset Operasi dari berbagai disiplin ilmu seperti teknik, bisnis, matematik, dll. Operational research Society Of Great Britain mendefinisikan RO adalah aplikasi metode ilmiah dalam masalah yang kompleks dan system manajemen besar atas manusia, mesin, material, dan dana dalam industry, bisnis, pemerintah dan militer. Operational research Society Of America mendefinisikan RO adalah berkenaan dengan pengambilan keputusan secara ilmiah, bagaimana membuat model terbaik dam membutuhkan alokasi sumber daya yang terbatas. Sedara lebih umum RO dapat didifinisikan senagai model kwantitatif atau matematik yang digunakan dalam pengambilan keputusan managemen. Riset operasi adalah metode untuk memformulasikan dan merumuskan permasalahan sehari-hari mengenai bisnis,ekonomi,sosial maupun bidang lainya dalam pemodelan matematis untuk mendapatkan solusi yang optimal.

Komputer Dan Riset Operasi
Penggunaan komputer dalam RO secara terus menerus mengalami peningkatan terutama dalam menghadapi persaingan lingkungan internasional dan masalah produktivitas . Tanpa bantuan computer sangat mustahil untuk menyelesaikan masalah yang cukup besar.

Pendalaman Matematis
Bagian terpenting Riset Operasi adalah bagian menerjemahkan permasalahan sehari-hari kedalam model matematis. Faktor-faktor yang mempengaruhi pemodelan harus disederhanakan dan apabila ada data yang
Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 1

kurang, kekurangan tersebut dapat diasumsikan atau diisi dengan pendekatan yang bersifat rasional. Dalam Riset Operasi diperlukan dan memudahkan kita mendapatkan hasil, kita dapat menggunakan komputer. Software yang dapat digunakan antara lain : LINDO ( Linier Interactive And Discreate Optimizer ).

Proses Pembuatan Model Riset Operasi
Langkah-langkah dalam pembuatan model matematika sebagai berikut : 1. Mendefinisikan masalah yang sedang dihadapi. Langkah ini penting dan dapat melibatkan manajemen maupun anggota organisasi lainya. 2. Memformulisasikan model. Model adalah gambaran abstrak dari masalah yang sedang dihadapi. Ketepatan dalam memformulasikan model sangat ditentukan oleh asumsi yang digunakan. Asumsi harus realitas dan merupakan factor kesulitan dalam menbuat model. Komponen utama dalam memformulasikan model adalah sebagai berikut : Variabel Keputusan ( Decision Variabel ) Tujuan ( Objektive ) Kendala ( Consttaint ) 3. 4. Mengukur Validitas Implementasi Keputusan

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

2

METODE SIMPLEKS
Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier adalah metode simpleks. Penentuan solusi optimal

menggunakan metode simpleks didasarkan pada teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim satu per satu dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1) Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya : 1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai tabel sebelumnya. 2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem persamaan. 3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan pertidaksamaan ≤ ) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan ≥ atau =). Secara umum, jumlah

variabel basis selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif). 4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang ada, karena aktivitas belum dilaksanakan. 5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan variabel ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis.

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

3

8. 9. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris pivot. Variabel ini pada iterasi berikutnya akan bernilai positif. Pada solusi awal. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). 7. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi berikutnya. Penambahan variabel ini terjadi pada tahap inisialisasi. 12. Variabel ini pada iterasi berikutnya akan bernilai nol. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya. Variabel ini harus bernilai 0 pada solusi optimal. Variabel hanya ada di atas kertas. Contoh soal : Selesaikan kasus berikut ini menggunakan metode simpleks : Maksimum z = 8 x1 + 9 x2 + 4x3 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 4 .6. Koefisien pada kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja). Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal. variabel surplus tidak dapat berfungsi sebagai variabel basis. 10. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan oleh variabel masuk. Penambahan ini terjadi pada tahap inisialisasi. karena kenyataannya variabel ini tidak ada. Variabel keluar dipilih satu dari antara variabel basis pada setiap iiterasi. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. 11. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat variabel keluar.

Kendala : x1 + x2 + 2x3 ≤ 2 2x1 + 3x2 + 4x3 ≤ 3 7x1 + 6x2 + 2x3 ≤ 8 x1.s1 . Elemen pivot adalah 3.x2. Rasio pembagian nilai kanan dengan kolom pivot terkecil adalah 1 bersesuaian dengan baris s2.9 x2 . s3 ≥ 0 Solusi / table awal simpleks : VB Z S1 S2 S3 X1 -8 1 2 7 X2 -9 1 3 6 X3 -4 2 4 2 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 NK 0 2 3 8 Rasio Karena nilai negative terbesar ada pada kolom X2.8 x1 . maka kolom X2 adalah kolom pivot dan X2 adalah variabel masuk.x2.x3 . Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 5 .x3 ≥ 0 Penyelesaian : Bentuk bakunya adalah : Maksimum z = 8 x1 + 9 x2 + 4x3 + 0s1 + 0s2 + 0s3 atau z . s2 . maka baris s2 adalah baris pivot dan s2 adalah varisbel keluar.4x3 + 0s1 + 0s2 + 0s3 = 0 Kendala : x1 + x2 + 2x3 + s1 = 2 2x1 + 3x2 + 4x3 + s2 = 3 7x1 + 6x2 + 2x3 + s3 = 8 x1.

Semua nilai pada baris s2 pada tabel solusi awal dibagi dengan 3 (elemen pivot). VB Z S1 x2 S3 2/3 1 4/3 0 1/3 0 1 X1 X2 X3 S1 S2 S3 NK Rasio Perhitungan nilai barisnya : Baris z : -8 -9 ( 2/3 -2 -9 1 0 -4 4/3 8 0 0 0 0 1/3 3 0 0 0 0 1) 9 Baris s1 : 1 1 (2/3 1/3 1 1 0 2 4/3 2/3 1 0 1 0 1/3 -1/3 0 0 0 2 1)1 Baris s3 : 7 6 ( 2/3 3 6 1 0 2 4/3 -6 0 0 0 0 1/3 -2 1 0 1 8 1)2 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 6 .VB Z S1 S2 S3 X1 -8 1 2 7 X2 -9 1 3 6 X3 -4 2 4 2 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 NK 0 2 3 8 Rasio 2 1 8/6 Iterasi 1 Nilai pertama yang kita miliki adalah nilai baris pivot baru (baris x2).

akan lebih teliti jika menggunakan bilangan pecahan. maka tabel belum optimal. Perhitungan iteratif dalam simpleks pada dasarnya merupakan pemeriksaan satu per satu titik-titik ekstrim layak pada daerah penyelesaian. sehingga perhitungan iterasi dihentikan ! Perhitungan dalam simpleks menuntut ketelitian tinggi.Maka tabel iterasi 1 ditunjukkan tabel di bawah. Pembulatan harus diperhatikan dengan baik. Disarankan jangan menggunakan bentuk bilangan desimal. Pemeriksaan dimulai dari kondisi nol (dimana semua aktivitas/variabel keputusan Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 7 . Karena nilai baris z di bawah variabel x1 masih negatif. Selanjutnya kita periksa apakah tabel sudah optimal atau belum. khususnya jika angka yang digunakan adalah pecahan. Hasil perhitungan iterasi ke 2 adalah sebagai berikut : Iterasi 2 : VB Z S1 X2 X1 X1 0 0 0 1 X2 0 0 1 0 X3 4 4/3 8/3 -2 S1 0 1 0 0 S2 5/3 -1/9 7/9 -2/3 S3 2/3 -1/9 -2/9 1/3 NK 31/3 7/9 5/9 2/3 Rasio Tabel sudah optimal. Pembulatan dapat menyebabkan iterasi lebih panjang atau bahkan tidak selesai karena ketidaktelitian dalam melakukan pembulatan. Kolom dan baris pivotnya ditandai pada tabel di bawah ini : VB Z S1 X2 S3 X1 -2 1/3 2/3 3 X2 0 0 1 0 X3 8 2/3 4/3 -6 S1 0 1 0 0 S2 3 -1/3 1/3 -2 S3 0 0 0 1 NK 9 1 1 2 Rasio 3 3/2 2/3 Variabel masuk dengan demikian adalah X1 dan variabel keluar adalah S3 .

5X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 8 . X2 ≥ 0 Carilah harga X1 dan X2 ? Jawab : Pada kasus ini kita akan menggunakan metode simplex M (BIG – M). Jika titik ekstrim berjumlah n. maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala. Untuk mengarahkan artifisial variabel menjadi nol.5X2 Dengan pembatas : 7X1 + 3X2 ≥ 210 6X1 + 12X2 ≥ 180 4X2 ≥ 120 X1. Persamaan Tujuan : Z . A2. Cara ini tidak dapat diterapkan pada kendala pertidaksamaan jenis ≥ dan kendala persamaan (=) persamaan diatas diperoleh karena tanda ≥ harus mengurangi variable surplus.S1 +A1 = 210 Baris 1 6x1 + 12x2 .5X2 . dan A3 sehingga fungsi tujuannya menjadi : Z = 6x1 + 7.S2 +A2 = 180 Baris 2 4x2 . kemungkinan terburuknya kita akan melakukan perhitungan iteratif sebanyak n kali.0S1 . suatu biaya yang besar ditempatkan pada A1.6x1 . Contoh soal : Persamaan matematis suatu program linier adalah sebagai berikut : Minimasi : Z = 6X1 + 7. hal ini dikarenakan pada kasus ini pertidk samaan pembatasnya menggunakan ≥ (lebih dari sama dengan).S3 + A3 = 120 Baris 3 Bagi kendala pertidaksamaan jenis ≤.0S2 .bernilai nol).7.0S3 = 0 Baris 0 Persamaan Kendala : 7x1 + 3x2 .

1/3 A2 + A3 = 60 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 9 .S3 . A2. Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 2 ½ x1 + x2 . dan A3 menjadi Leaving Variable. Oleh karena itu Untuk x2 terpilih sebagai entry variable karena x2 memiliki nilai koefisien positif yang paling besar. Hal ini dikarenakan seluruh NBV masih mempunyai koefisien yang berharga positif.1/12 S2 +1/12 A2 = 15 ERO 2 : Menjadikan nilai koefisien x2 berharga 0 pada baris 0 Z = 9/4 x1 + 0S1 + 15/24 S2 + 0S3 + MA1 + [ M .15/24]A2 + MA3 + 112.Table simplex awal dibentuk dengan A1. seperti table berikut : Basis Z X1 13M-6 X2 19M7. dan A3 sebagai variable basis.1/4 A2= 165 ERO 4 : Menjadikan nilai koefisien x2 berharga 0 pada baris 3 -2x1 + 1/3 S2 .5 ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 1 11 /2 x1 + ¼ S2 + A1 .5 A1 A2 A3 7 3 -1 S1 -M S2 M 0 0 1 0 0 210 210 : 3 = 70 180 : 12 = 15 120 : 4 = 30 S3 -M A1 A2 A3 0 0 0 NK 510M RASIO 6 12 0 -1 0 0 1 0 180 0 4 0 0 -1 0 0 1 120 Dari table diatas kita ketahui bahwa semua BFS belum optimal. Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling kecil.

1/3 A2 + A3 = 60 ½ x1 + x2 .1/4 A2 = 165 -2x1 + 1/3 S2 .1/12 S2 +1/12 A2 = 15 Tabel Iterasi Pertama Basis X1 Z 13 X2 S1 7 S2 /12 /24 S3 A1 1 A2 /24 M -1/4 -1 A3 NK 225M – 112.5 = 30 * -2 ½ 1 /3 /3 -1 /12 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 10 .5 11 /2 x1 + ¼ S2 + A1 .15/24]A2 + MA3 + 112.Konversi bentuk standard iterasi Pertama : Z = 9/4 x1 + 0S1 + 15/24 S2 + 0S3 + MA1 + [ M .S3 .5 RASIO /2M6 0 0 15 -M 0 0 * A1 A3 X2 11 /2 0 0 1 0 0 0 ¼ 0 -1 1 0 0 1 165 60 165 : 5.

Untuk pembuatan 1 unit kursi dia membutuhkan 3 jam kerja. Sedangkan kendala perusahaan tersebut adalah terbatasnya waktu yang tersedia untuk pembuatan dan pengecatan. Untuk pengecatan 1 unit meja dibutuhkan 2 jam kerja. dan untuk pengecatan 1 unit kursi dibutuhkan 1 jam kerja.-. yang Untuk menyelesaikan adalah permasalahan langkah pertama harus dilakukan memformulasikan permasalahan yang ada ke dalam bentuk Linear Programming (LP). Apabila permasalahan tersebut diringkas dalam satu tabel akan tampak sebagai berikut: Jam kerja untuk membuat 1 unit produk Meja Pembuatan Pengecatan Profit per Unit 4 2 7 Kursi 2 1 5 Total waktu tersedia per minggu 240 100 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 11 . Berapa jumlah meja dan kursi yang sebaiknya diproduksi agar keuntungan perusahaan maksimum? Dari kasus di atas dapat diketahui bahwa tujuan perusahaan adalah memaksimumkan profit.sedang keuntungan yang diperoleh dari satu unit kursi adalah $5. Keuntungan yang diperoleh dari satu unit meja adalah $7..METODE GRAFIK Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya terdapat tersebut. dua variabel keputusan. Untuk pembuatan 1 unit meja dia memerlukan 4 jam kerja. Namun untuk meraih keuntungan tersebut Krisna Furniture menghadapi kendala keterbatasan jam kerja. Jumlah jam kerja yang tersedia untuk pembuatan meja dan kursi adalah 240 jam per minggu sedang jumlah jam kerja untuk pengecatan adalah 100 jam per minggu. Contoh : Perusahaan Krisna Furniture yang akan membuat meja dan kursi.

1. Fungsi Tujuan Profit = ($ 7 x jml meja yang diproduksi) + ($ 5 x jml kursi yang diproduksi) Secara matematis dapat ditulis : Maksimisasi : Z = 7 X1 + 5 X2 2. maka dalam rangka memaksimumkan profit. X2 ≥ 0 -> 2 X1 -> X2 -> 100 Jam -> 2 X1 + X2 ≤ 100 -> 4 X1 -> 3 X2 -> 240 Jam -> 4 X1 + 3 X2 ≤ 240 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 12 . Dengan demikian dalam kasus ini. perusahaan harus memutuskan berapa jumlah meja dan kursi yang sebaiknya diproduksi. yang merupakan variabel keputusan adalah meja (X1) dan kursi (X2). Z = 7 X1 + 5 X2 4 X1 + 3 X2 ≤ 240 2 X1 + X2 ≤ 100 (kendala non-negatif) X1 . Fungsi Kendala • Kendala : Waktu pembuatan 1 unit meja memerlukan 4 jam untuk pembuatan 1 unit kursi memerlukan 3 jam untuk pembuatan Total waktu yang tersedia per minggu untuk pembuatan Dirumuskan dalam pertidaksamaan matematis • Kendala : Waktu pengecatan 1 unit meja memerlukan 2 jam untuk pengecatan 1 unit kursi memerlukan 1 jam untuk pengecatan Total waktu yang tersedia per minggu untuk pengecatan Dirumuskan dalam pertidaksamaan matematis Formulasi masalah secara lengkap : Fungsi Tujuan Fungsi Kendala : : Maks.Mengingat produk yang akan dihasilkan adalah meja dan kursi.

4 X1 + 3 X2 = 240 Untuk menggambarkan fungsi linear. Untuk menggambarkan kendala pertama secara grafik. demikian juga kendala ini akan memotong X2. sehingga tidak bisa digunakan untuk menyelesaikan kasus yang lebih dari dua variabel keputusan. Kendala I : 4 X1 + 3 X2 = 240 memotong sumbu X1 pada saat X2 = 0 4 X1 + 0 = 240 X1 = 240 / 4 X1 = 60.Setelah formulasi lengkapnya dibuat. pada saat X2 = 0. 80). pada saat X1 = 0. kita harus merubah tanda pertidaksamaan menjadi tanda persamaan seperti berikut. maka Kasus Krisna Furniture tersebut akan diselesaikan dengan metode grafik. Suatu garis akan memotong salah satu sumbu apabila nilai variabel yang lain sama dengan nol. memotong sumbu X2 pada saat X1 = 0 0 + 3 X2 = 240 X2 = 240/3 X2 = 80 Kendala I memotong sumbu X1 pada titik (60. Keterbatasan metode grafik adalah bahwa hanya tersedia dua sumbu koordinat. Langkah pertama dalam penyelesaian dengan metode grafik adalah menggambarkan fungsi kendalanya. 0) dan memotong sumbu X2 pada titik (0. maka cari titik potong garis tersebut dengan kedua sumbu. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 13 . Dengan demikian kendala pertama akan memotong X1.

0) dan memotong sumbu X2 pada titik (0.2 X1 X2 = 100 .300 .2 * 30 X2 = 100 .2 X1 X2 = 100 .60 X2 = 40 .60 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 14 -> X2 = 100 .Kendala II : 2 X1 + 1 X2 = 100 memotong sumbu X1 pada saat X2 = 0 2 X1 + 0 = 100 X1 = 100/2 X1 = 50 memotong sumbu X2 pada saat X1 =0 0 + X2 = 100 X2 = 100 Kendala I memotong sumbu X1 pada titik (50. Titik potong kedua kendala bisa dicari dengan cara substitusi atau eliminasi 2 X1 + 1 X2 = 100 4 X1 + 3 X2 = 240 4 X1 + 3 (100 .6 X1 = 240 .2 X1) = 240 4 X1 + 300 . 100).2 X1 = .2 X1 = 240 .

kita mengganti nilai Z dengan sembarang nilai yang mudah dibagi oleh koefisien pada fungsi profit. Tanda ≤ pada kedua kendala ditunjukkan pada area sebelah kiri dari garis kendala. Feasible region (area layak) meliputi daerah sebelah kiri dari titik A (0. Pada kasus ini angka yang mudah dibagi angka 7 (koefisien X1) dan 5 (koefisien X2) adalah 35. dengan menggunakan garis profit (iso profit line) 2. dan C (60. 80). Sehingga kedua kendala akan saling berpotongan pada titik (30. Untuk menggambarkan garis profit. tetapi masih berada pada area layak (feasible region). ada dua cara yang bisa digunakan yaitu 1. Untuk menentukan solusi yang optimal. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 15 . Sehingga fungsi tujuan menjadi 35 = 7 X1 + 5 X2. B (30. 7). Garis ini akan memotong sumbu X1 pada titik (5. Kemudian fungsi tujuan tersebut digeser ke kanan sampai menyinggung titik terjauh dari dari titik nol. 40).X1 = -60/-2 = 30. 0) dan memotong sumbu X2 pada titik (0. 0). dengan titik sudut (corner point) Penyelesaian dengan menggunakan garis profit adalah penyelesaian dengan menggambarkan fungsi tujuan. 40).

0). Untuk mengetahui berapa nilai X1 dan X2. dan Z = 410. Dari peraga 1.Iso profit line menyinggung titik B yang merupakan titik terjauh dari titik nol. Keuntungan pada titik B (30. serta nilai Z pada titik B tersebut. 0) adalah (7 x 0) + (5 x 0) = 0. yaitu titik 0 (0. Keuntungan pada titik O (0. 0). X2 sebanyak 40 unit dan perusahaan akan memperoleh profit sebesar 410. 80). X2 = 40. Titik B ini merupakan titik optimal. dapat dilihat bahwa ada 4 titik yang membatasi area layak. 80) adalah (7 x 0) + (5 x 80) = 400. Dari hasil perhitungan tersebut maka dapat disimpulkan bahwa keputusan perusahaan yang akan memberikan profit maksimal adalah memproduksi X1 sebanyak 30 unit. Keuntungan pada titik C (50. dan C (50. Penyelesaian dengan menggunakan titik sudut (corner point) artinya kita harus mencari nilai tertinggi dari titik-titik yang berada pada area layak (feasible region). A (0. B (30. kita mencari titik potong antara kendala I dan kendala II (karena titik B merupakan perpotongan antara kendala I dan kendala II). 0) adalah (7 x 50) + (5 x 0) = 350. Keuntungan pada titik A (0. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 16 . Dengan menggunakan eliminiasi atau subustitusi diperoleh nilai X1 = 30. 40). 40) adalah (7 x 30) + (5 x 40) = 410.

maka sebaiknya perusahaan memproduksi meja sebanyak 30 unit dan kursi sebanyak 40 unit. dan perusahaan memperoleh keuntungan optimal sebesar 410. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 17 .Karena keuntungan tertinggi jatuh pada titik B.

yaitu : 1. Pada tahun 1947.LINEAR PROGRAMMING SEJARAH Linear Programming pertama kali dicetuskan oleh seorang ahli matematika asal Rusia bernama L. seorang ahli matematika dari AS yang bernama George B. LINEAR PROGRAMMING (LP) Linear programming adalah teknik matematika yang dirancang untuk membantu dalam merencanakan dan membuat keputusan. Kendala yang ada membatasi tingkat pencapaian tujuan Ada beberapa alternatif penyelesaian Hubungan matematis bersifat linier Untuk membentuk suatu model linear programming perlu diterapkan asumsi-asumsi dasar. Linearity Fungsi obyektif dan kendala haruslah merupakan fungsi linier dan variabel keputusan. Dengan buku ini. Dantzig menemukan suatu cara untuk memecahkan persoalan-persoalan linear programming. ia telah merumuskan pertama kalinya persoalan “Linear Programming”. yang diuraikan dalam bukunya ”LINEAR PROGRAMMING AND EXTENTION”. Kantorivich dalam bukunya yang berjudul ”MATHEMATICAL METHODS IN THE ORGANIZATION AND PLANNING OF PRODUCTION”. 2. 3. Cara pemecahan ini dinamakan ” Simplex Method”. Hal ini akan mengakibatkan fungsi bersifat proporsional dan Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 18 . Namun. 4. cara-cara pemecahan persoalan in di Rusia tidak berkembang dengan baik dan ternyata para ahli di negara Barat dan AS yang menggunakan cara ini dimanfaatkan dengan baik. yaitu : 1. Linear Programming memiliki empat ciri khusus. Penyelesaian masalah mengarah pada pencapaian tujuan maksimisasi atau minimisasi.V.

15.00? Jawab: Pada kasus ini saya akan menggunakan metode linier Programing.10. Certainty Semua konstanta (parameter) diasumsikan mempunyai nilai yang pasti. maka harus digunakan formulasi pemrograman masalah stokastik. untuk gula tersedia tersedia 250 dan tepung 200.00 dan putrie salju Rp. 3. kemudian untuk memproduksi 3 ons kue putrie salju diperlukan satu bagian gula dan 3 bagian tepung.000. Apabila diinginkan solusi berupa bilangan bulat (integer). misalnya untuk memproduksi 1 kursi dibutuhkan waktu 5 jam. 2. kue nastar dan putrie salju. Divisibility Nilai variabel keputusan dapat berupa bilangan pecahan. maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala. Z= 10000x1 + 15000x2 10000x1 + 15000x2 + X3 + X4 2x1 + x2 + x3 = 250 4x1 + 2x2 + x4 = 200 2x1 + x2 ≤ 250 4x1 + 3x2 ≤ 200 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 19 . 1 ons kue nastar dihargai Rp. hal ini dikarenakan pada kasus ini pertidaksamaan pembatasnya menggunakan ≤ (kurang dari sama dengan). Bila nilai-nilai parameternya probabilistik. maka untuk memproduksi 2 kursi dibutuhkan waktu 10 jam. aka harus digunakan metoda untuk integer programming.000.additif. Non negativity variable Nilai variabel keputusan haruslah tidak negatif ( ≥ 0) 4. Bagi kendala pertidaksamaan jenis ≤. Bahan baku gula dan tepung untuk memproduksi 3 ons kue nastar diperlukan 2 bagian gula dan 4 bagian tepung. Contoh soal Ibu Angel membuat dua macam jenis.

X1 = X2 = 0 X3 = 250. X2 = X3 = 0 2X1 = 250.1. 2(250) + X4 = 200 500 + X4 = 200 X4 = -300 Z2 ≠ (tidak dihitung) 3. X1 = 125 4X1 + X4 = 200 4(125) + X4 = 200 500 + X4 = 200 X4= -300 Z4 ≠ (tidak dihitung) 6.500.000 4. 200 + X3= 250 X3= 50 Z3=10000(0) + 15000(100) + 0(50) + 0(0) =1. X4 = 200 Z1=10000(0)+15000(0)+250(0)+200(0)= 0 2. X3 = X4 = 0 2X1 + X2= 250. X1= 200 125-1/2X2 + 2X2= 200 125 + 3/2X2= 200 3/2X2= 200 . X2 = X4 = 0 4X1= 200 X1= 50 2X1 + X3= 250 2(50) + X3= 250 X3= 150 Z5= 10000(50) + 15000(0) + 0(150) + 0(0) =100000 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 20 . X1 = X3 = 0 X2= 250 2x2 + X4= 200.125 3/2X2= 125 X2= 125 . X1 = X4 = 0 2X2 = 200. X2= 100 X2 + X3= 250. 2/3 = 83 1/3 X1= ½ (250=83 1/3) = ½ (166 2/3) = 83 1/3 ½ (250-X2 + 2X2= 5.

bahan baku kedua habis dipakai dalam proses produksi.000 satuan..-. X2= 83 1/3 . Harga jual tiap satuan P1 sebesar Rp 150. Bahan baku A yang tersedia sebanyak 600 satuan dan B 1. bahan baku pertama dipakai 50 dari dalam proses produksi. produk B diproduksi 83 1/3 unit.000 dengan kesimpulan: X1= 83 1/3 . Satu satuan P1memerlukan satu satuan A dan dua satuan B.dan P2 sebesar Rp 100. produk A diproduksi 83 1/3 unit. X4= 0 . A dan B. Contoh Tabel sebagai berikut : Produksi Bahan P1 A B Harga Jual 1 2 150 Jenis Produksi P2 1 1 100 Bahan Yang Tersedia 600 1000 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 21 . sedangkan satuan P2 memerlukan satu satuan A dan satu satuan B.KESIMPULAN: Jadi diantara pemecahan fisibel ada satu nilai Z yang terbesar aitu Z6= 1.500. Contoh Soal: Perusahaan industri PT MULIA menghasilkan dua jenis produk yaitu P1 dan P2 masing-masing memerlukan dua macam bahan baku. X3= 50 .

Maka hasil tentu saja sama dengan : F = 150 X1 dan 100 X2 Tujuan PT mulia ialah mengusahakan F sebesar-besarnya sehingga keuntungan juga akan maksimal. atau dengan kata lain dengan menentukan jumlah produksi P1 dan P2 Sehingga mencapai tujuan perusahaan yaitu meraih keuntungan semaksimal mungkin. Dengan cara yang sama untik menghasilkan sejumlah X2 satuan jenis P2 diperlukan sejumlah X2 satuan bahan A dan sejumlah X2 satuan bahan B. Karena untuk menghasilkan satu satuan P1 diperlukan satu satuan bahan A dan dua satuan bahan B.Masalahnya adalah menentukan alokasi bahan A dan B sebanyak mungkin. Bahan B yang diperlukan ialah (2x2 + x2) satuan.≤600 2x2 + x2 . maha (X1 + X2) dan (2x2 + x2) masing-masing tidak mungkin melebihi 600 dan 1000 satuan. Pernyataan tersebut dapat ditulis dengan bentuk : (X1 + X2 ) ≤ 600 dan (2x2 + x2) ≤ 1000 Atau X1 + X2 . Misalkan Jumlah Produk jenis produk P1 dan P2 adalah penjualan satuan X1 dan X2 satuan. maka untuk sejumlah X1 satuan jenis P1 diperlukan sejumlah X1 satuan bahan A dan sejumlah 2x1 satuan bahan B. Meskipun Tabel Diatas sudah menggambarkan situasi Produksi dalam masalah yang dihadapai akan tetapi penentuan jumlah produksi P1 dan P2 masih sulit. Dengan demikian jumlah bahan A yang diperlukan untuk menghasilkan sejumlah X1 satuan P1 dan sejumlah X2 satuan P2 adalah (X1 + X2) satuan. Oleh itu kita akan menerjemahkan masalah ini kedalam model matematika dengan rumusan yang sederhana Sehingga mudah dicari penyelesaianya. Karena bahan A dan bahan B masing-masing hanya tersedia 600 dan 1000 satuan.≤ 1000 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 22 .

Kalau semua keterangan ini dikumpulkan. maka akan sampai kepada satu bentuk model matematika yang menggambarkan masalah produksi yang sedang dihadapi PT MULIA. Sacara simgkat dapat ditulis : tentukan X1 dan X2 yang memenuhi batasan F = 150 x1 + 100 x2 X1 + X2 ≤ 600 2x2 + x2 ≤1000 X1 ≥ 0 X2 ≥ 0 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 23 . yaitu : F = 150 x1 + 100 x2 G = X1 + X2 .600 H = 2x2 + x2 – 1000 Tujuan dari model ini adalah menentukan jumlah produksi P1 (=X1) dan jumlah produksi P2 (=X2) sehingga hasil jumlah penjualan F = 150 x1 + 100 x2 maksimal sesuai dengan keterbatasan yang ada.

dan dari suatu sumber ke suatu tempat yang berbedabeda juga. ketempat yang membutuhkan secara optimal. Metode Stepping Stone Contoh Soal : Suatu perusahaan mempunyai 3 buah pabrik di W. Perusahaan mengalami masalah alokasi hasil produksinyake gudang-gudang penjualan di A. Alokasi produk ini harus diatur sedemikaian rupa.B dan C.METODE TRANSPORTASI Metode transportasi merupakan metode yang digunakan untuk mengaturdistribusi dari sumber-sumber yang menyediakan produk. Kapasitas pabrik . karene terdapat perbedaan biaya-biaya alokasi dari suatu sumber ke suatu tempat tujuan yang berbeda-beda. kebutuhan gudang dan biaya pengangkutan dari tiap pabrik kegudang adalah sebagai berikut : Pabrik W H P Jumlah Kapasitas produksi tiap bulan 90 ton 60 ton 50 ton 200 ton Gudang A B C Jumlah Kapasitas produksi tiap bulan 50 ton 110 ton 50 ton 40 ton Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 24 .H dan P.

) Dari Gudang A Pabrik W Pabrik H Pabrik P 20 15 25 Gudang B 5 20 10 Gudang C 8 10 9 Penyusunan Tabel Alokasin : Ke Dari Gudang A 20 Pabrik W 15 Pabrik P 25 Pabrik H X31 X32 10 X33 19 50 X21 X22 20 X23 10 60 X11 X12 Gudang B 5 X13 Gudang C 8 90 Kapasitas Pabrik Kebutuhan Gudang 50 110 40 200 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 25 .Biaya tiap ton ( Dalam Ribuan Rp.

Mulai dari sudut kiri atas dari table : Alokasi tahap pertama dengan pedoman sudut barat laut. Pedoman yang digunakan adalah pedoman sudut barat laut. Ke Dari Gudang A 20 Pabrik W 15 Pabrik P 25 Pabrik H 10 10 40 19 50 60 20 10 60 50 40 Gudang B 5 Gudang C 8 90 Kapasitas Pabrik Kebutuhan Gudang 50 110 40 200 Besarnya pengangkutan untuk alokasi tahap pertama = 50 (20) + 40 (20) + 60 (20) + 10 (10) + 40 (19) = 3260 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 26 .Prosedur Alokasi Setelah data tersusun dalam tabel maka langkah selanjutnya adalah mengalokasikan produk dari pabrik-pabrik ke gudang-gudang.

misalnya dari WA agar jumlah gudang tetap 50. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 27 . Perubahan biaya yang diakibatkan adalah sebagai berikut : Tambahan biaya Dari H ke A = 15 Dari W ke B = 5 + Jumlah = 20 Pengurangan biaya Dari H ke A = 20 Dari W ke B = 20 + Jumlah = 40 Tambahan 20 dan pengurangan 40 berarti penghematan 20 untuk pemindahan 1 unit ke sel HA dan WB dari WA dan HB. Berdasarkan kenyataan ini.maka diciba untuk diisi satu satuan (ton). sel SH belum terisi. bila jumlah alokasi yang dipindah lebih banyak maka penghematan tentunya akan lebih banyak juga. Disamping itu juga mempengaruhi sel WB dan HB.Mengubah Alokasi Secara Trial Dan Error Terlihat pada kokom gudang A . Tentu saja perlu memindahkan dari sel yang lain.

Perbaikan pertama dengan trial dan error Ke Dari Gudang A 20 Pabrik W 15 Pabrik P 25 Pabrik H 10 10 40 19 50 (+) 60 (-) 20 10 60 50 (-) 40(+) Gudang B 5 Gudang C 8 90 Kapasitas Pabrik Kebutuhan Gudang 50 110 40 200 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 28 .

bila dengan peruhaban itu dapat mengurangi biaya. Demikian seterusnya diadakan perubahan . Sampai akhirnya diperoleh biaya transport yang terendah (optimal). Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 29 . Seperti pada table transport = 50 (5) + 40 (8) + 50 (15) + 10 (20) + 50 (10) = 2020.Perbaikan kedua dengan trial dan error Ke Dari Gudang A 20 Pabrik W 15 Pabrik P 25 Pabrik H 10 10 40 19 50 50 10 20 10 60 90 Gudang B 5 Gudang C 8 90 Kapasitas Pabrik Kebutuhan Gudang 50 110 40 200 Perubahan alokasi ini dapat juga dilaakukan dengan mengubah alokasi pada sel yang tidak berdekatan. PB dan PC. Misalnya alan diisi sel WC maka sel yang lain yang ikut berubah dapat berupa sel WB.

Ke Dari Gudang A 20 Pabrik W 15 Pabrik P 25 Pabrik H 50 10 19 50 50 10 20 10 60 50 Gudang B 5 40 Gudang C 8 90 Kapasitas Pabrik Kebutuhan Gudang 50 110 40 200 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 30 .Perbaikan dengan alokasi sel yang berdekatan.

Demikian kilasan tentang Riset operasi .PENUTUP Kesimpulan Riset operasi adalah metode untuk memformulasikan dan merumuskan permasalahan sehari-hari mengenai bisnis.ekonomi. kami sadar bahwa perjuangan kami masih panjang dan masih banyak hal yang perlu diperjuangkan terus agar generasi bangsa Indonesia menjadi generasi yang unggul. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 31 .sosial maupun bidang lainya dalam pemodelan matematis untuk mendapatkan solusi yang optimal.

2007 2. Erlangga. BPFE. Aminnudin.Bambang Yuwono. 2005 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 32 . Pangestu dkk. Yogyakarta 3. Bahan kuliah Riset Operasi. New York 4. Operation Research An Introduction. Prinsip-Prinsip Riset Operasi. Edisi 4. Dasar-Dasar Riset Operasi. 1783.Daftar Pustaka 1. Macmillan. Hamdy Taha.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->