TEKNIK RISET OPERASIONAL

LINIER PROGRAMMING Program Linier merupakan metode matematik dalam mengalokasikan sumberdaya yang langka untuk mencapai tujuan tunggal seperti memaksimumkan keuntungan atau meminimumkan biaya. LP banyak diterapkan dalam membantu menyelesaikan masalah ekonomi, indutri, militer, social dan lain-lain. Formulasi Model LP Masalah keputusan yang sering dihadapi analis adalah alokasi optimum sumberdaya langka. Sumberdaya dapat berupa uang, tenaga kerja, bahan mentah, kapasitas mesin, waktu, ruang atau teknologi. Tugas analis adalah mencapai hasil terbaik yang mungkin dengan keterbatasan sumber daya itu. Hasil yang dinginkan mungkin ditunjukkan sebagai maksimasi dari beberapa ukuran profit, penjualan dan kesejahteraan, atau minimisasi pada biaya, waktu dan jarak. Setelah masalah di identifikasikan, tujuan ditetapkan, langkah selanjutnya adalah formulasi model matematika yang meliputi tiga tahap seperti berikut : 1. Tentukan variable yang tidak diketahui (Variabel keputusan) dan nyatakan dalam symbol matematika. 2. Membentuk fungsi tujuan yang ditunjukkan sebagai suatu hubungan linier (bukan perkalian) dari variable keputusan. 3. Menentukan semua kendala masalah tersebut dan mengekspresikan dalam persamaan atau pertidaksamaan yang juga merupakan hubungan linier dari variable keputusan yang mencerminkan keterbatasan sumberdaya masalah itu.

Pada dasarnya program – program linier ini bermanfaat ketika kita dihadapkan pada pengambilan keputusan yang optimal dengan ketersedian yang terbatas. Contoh Kasus : Suatu perusahaan sepatu ingin membuat dua jenis produk sepatu yaitu sepatu yang terbuat dari sol karet dan sol kulit. Produksi tersebut melalui tahap – tahap produksi sebagai berikut : Machinery I Raw Material Machinery II Machinery III (fishing Good )

Dimana : Sepatu dari sol karet memerlukan waktu : 2 hour in Machinary I 6 hour in machinery III Sepatu Sol kulit membutuhkan : 3 hour in Machinary II 5 hour in machinery III Jika waktu maksimum bekerja : - Machinery I 8 Hour - Machinery II 15 Hour - Machinery III 30 Hour Hitunglah jumlah masing-masing produk agar diperoleh keuntungan maximum. Dimana - Keuntungan kulit sepatu sol karet : 3000 - Keuntungan kulit sepatu sol kulit : 5000 Untuk menyelesaikan kasus tersebut maka dibuatlah tabel – tabel sebagai berikut : Source (Machinery) I II III Profit Sol Karet (X1) 2 0 6 3000 Sol Kulit (X2) 0 3 5 5000 Capasity 8 15 30

Dari data-data dalam tabel dapat kita buat persamaan liniernya : Yaitu : 2x1 + 0 ≤ 8 0 + 3x2 ≤ 15 6x1 + 5x2 ≤ 30 Z = 3x1 + 5 x2 Langkah – langkah menyelesaikan kasus LP ini dapat dilakukan dengan : 1. Metode Grafik 2. Metode Simplek

METODE GRAFIK I. Grafik Untuk mendapatkan hasil yang optimal maka ketiga fungsi batasan kita buat menjadi suatu grafik. Caranya : 1. Grafik Fungsi batasan I 2 x1 ≤ 8  X1 = 4 Buat Grafiknya X2

X1 X1 ≤ 4 2. Grafik Fungsi Batasan II 3X2 ≤ 15 --> X2 ≤ 5 X2 X2 ≤ 5 X1 3. Grafik Fungsi Batasan III Caranya : - Cari Titik Potong sumbu X1, Sehingga 6x1 + 0 ≤ 30 6x1 ≤ 30 x1 ≤ 30 / 6 = 5 - Cari dengan sumbu X2, 6x1 + 5x2 ≤ 30 6 (0) + 5x2 ≤ 30 5x2 ≤ 30 x2 ≤ 6 X2 = 0

( 5, 0) X1 = 0 X2 (0,6) (0, 6)

5 Z = 3(0) + 5(5) = 25 Mencari Nilai Titik D Batasan 1 dan Batasan 3 X1 ≤ 4 X1 = 4 6x1 + 5x2 = 30 6(4) +5x2 = 30 5x2 = 30 – 24 X2 = 6/5 X1. .0 4.0 4.Corner Point Solition adalah titik potong dari fungsi batasan di daerah fiesible solution yang memberikan nilai max pada fungsi tujuan.0) G E X1 F H D A Daerah : ABDEF BCD DHE FEG B C : disebut Fiesible Solution (Daerah yang memenuhi batasan / layak : Daerah Infiesible Solution (Daerah yang tidak layak mempunyai batasan . 6/5) .Optimal Solution adalah darah yang berupa titik yang memberikan nilai pada fungsi tujuan .Multiple Optimal adalah suatu daerah (bias lebih dari sebuah titik yang memberikan nilai max yang sama dalam hal ini nilai optimalnya adalah garis .(5. Mencari Nilai Optimal : Titik A B D E F Koordinat 0. 5 Z = 3X1 + 5 X2 z=0 Z = 3(4) + 5 (0) = 12 Z= 3 (4) + 5 (6/5) = 18 Z= 3(5/6) + 5(5) = 27.6/5 5/6. X2 = (4.No Optimal solution adalah tidak ada nilai optimal yang dihasilkan artinya : adanya batasan – batasan yang tidak membatasi. 5 0.

Titik E : Batasan 2 dan 3 X2 = 5 6X1 +5x2 = 30 6X1 + 5 (5) = 30 6X1 = 30 – 25 X1 = 5 / 6 X1. X2 = 5/6. 5 .

0 Nilai Kanan (NK) 0 Z Xn + 1 Xn + 2 . . Xn -Cn Slack Variabel Xn + 1 Xn + 2 ….. X n + 2 ……. Fungsi tujuan harus dalam bentuk inplisit 2. 0 0 a11 a12 a21 a22 an a2n b1 b2 Xn+m 0 am1 am2 amn 0 0 ………. Fungsi Batasan harus diubah dari ≤ ke bentuk “ = “ dengan menambahkan slack variable yang dimulai X n + 1. 0 1 ………. 1 bm Dimana : M = Banyaknya fungsi Batasan N = Banyaknya variable Ouput B1 = Batasan sumber 1 B2 = Batasan sumber 2 Bm = batasan sumber m . X n + m 4. Adapun kententuan dari penggunaan table simplek ini adalah : 1. Xn+m 0 0 0 1 0 0 ……….METODE SIMPLEK Metode ini digunakan untuk mencari nilai optimal dari program linier dan sangat bermanfaat terutama untuk mencari nilai optimal 2 variabel atau lebih. Fungsi – fungsi batasan menggunakan notasi ≤ 3. . Proses pengulangan dihentikan manakala koefisien – koefisien dari fungsi tujuan sudah tidak ada yang negative Adapun bentuk table simpleks adalah : Variabel Dasar (VD) Z 1 X1 X2 -C11 -C22 ….

Machinery I 8 Hour .Machinery II 15 Hour .Suatu perusahaan sepatu ingin membuat dua jenis produk sepatu yaitu sepatu yang terbuat dari sol karet dan sol kulit.Keuntungan kulit sepatu sol karet : 300 . Dimana . Produksi tersebut melalui tahap – tahap produksi sebagai berikut : Machinery I Raw Material Machinery II Dimana : Sepatu dari sol karet memerlukan waktu : 2 hour in Machinary I 6 hour in machinery III Sepatu Sol kulit membutuhkan : 3 hour in Machinary II 5 hour in machinery III Jika waktu maksimum bekerja : .Keuntungan kulit sepatu sol kulit : 500 Untuk menyelesaikan kasus tersebut maka dibuatlah tabel – tabel sebagai berikut : Source (Machinery) I II III Profit Sol Karet (X1) 2 0 6 300 Sol Kulit (X2) 0 3 5 500 Capasity 8 15 30 Machinery III (fishing Good ) Frofit : Diambil satu angka dibelakang koma 3 dan 5 (Ratusan) .Machinery III 30 Hour Hitunglah jumlah masing-masing produk agar diperoleh keuntungan maximum.

-Fungsi Tujuan = Z = 3x1 + 5 x2 Persamaan Linier (Bentuk Grafik) Batasan 1 : 2x1 + 0 ≤ 8 Batasan 2 : 0 + 3x2 ≤ 15 Batasan 3 : 6x1 + 5x2 ≤ 30 Z .3x1 . Buatlah baris kunci baru . Cari kolom kunci yang nilainya paling kecil (Negatif) 2.5 x2 = 0 Bentuk Standar Simpleks 2x1 + X3 = 8 3x2 + X4 = 15 6x1 + 5x2 + X5 = 30 Variabel Dasar (VD) Z X3 X4 X5 Z 1 0 0 0 X1 -3 2 0 6 X2 -5 0 3 5 Slack Variabel X3 X4 X5 0 0 0 1 0 0 0 1 0 0 0 1 Nilai Kanan (NK) 0 8 15 30 Index 0 0 5 6 Langkah Selanjutnya : 1. Cari Nilai Elemen Cell adalah Perpotongan antara kolom kunci dan baris kunci 5. Tentukan Indek dari table tersebut : Nilai Kanan (NK) Cara menentukan indek : Kolom Kunci (KK) 3. Cari Baris kunci yang paling kecil dari indeks 4.

Baris Kunci Baru : Baris Kunci Lama Elemen Cell X2 = 0 3 0 1 0 15 3 Baris Kunci Baru (X2) : 0 1 0 1/3 0 5 Baris Z Baru = = -3 -5 0 0 0 0 .8 3/4 4 ~ 5/6 Baris Kunci Baru = Baris Kunci Lama Elemen Cell .5 ( 0 1 0 1/3 0 5 ) _ -3 -5 0 0 -5 0 -3 0 0 0 0 5/3 0 5/3 0 0 25 25 8 5 ) _ 8 0 8 1 0 30 5 30 255 Baris X3 Baru (X3) = = 2 0 1 0 0 0 ( 0 1 0 1/3 0 2 0 2 6 5(0 6 0 6 0 0 0 5 1 5 5 0 1 0 0 0 1 0 0 0 0 1/3 0 0 0 0 0 0 Baris X 5 Baru (X5) = = 0 1 5/3 0 -5/3 1 Tabel 2 Variabel Dasar (VD) Z X3 X2 X5 Z 1 0 0 0 X1 -3 2 0 6 X2 0 0 1 0 Slack Variabel X3 X4 X5 0 5/3 0 1 0 0 0 1/3 0 0 -5/3 1 Nilai Kanan (NK) 25 8 5 5 Index .

= 0 6 0 0 -5/3 1 6 5 Baris Kunci Baru (X1) Baris Z” Baru = 1 0 = = 0 .5/18 1/6 5/6 25 5/6 ) _ 25 -15/627 1/2 -3 0 .3( 1 0 -3 3 0 0 5/3 0 0 -5/18 1/6 5/3 15/18 5/6 0 -3/6 1/2 0 0 0 0 0 0 Baris X3” Baru (X3”) = 2 0 1 0 0 2 ( 1 0 0 -5/18 1/6 0 0 1 5/9 1/3 0 0(1 0 1 0 0 0 1 0 1/3 -5/18 1/3 8 5/6 ) _ 6 1/3 0 1/6 0 5 5/6 ) _ 5 Baris X2” Baru (X2”) = Tabel 3 Variabel Dasar (VD) Z X3 X2 X1 Z 1 0 0 0 X1 0 0 0 1 X2 0 0 1 0 Slack Variabel Nilai Kanan (NK) X3 X4 X5 0 5/6 1/2 27 1/2 1 5/9 -1/3 6 1/3 0 1/3 0 5 0 -5/18 1/6 5/6 Index .

Sehingga dengan menggunakan metode “Sensitivitas” ini maka perubahan – perubahan yang terjadi pada salah satu variable dapat dilakukan secara langsung. 50  Koofisien Fungsi Tujuan Manfaat Sensitivitas 1. 500. Pada soal Fungsi Tujuan Z = 300X1 + 500X2 Urutan variable dasar pada table optimal tanpa (Z) adalah X3. Analisa sensitivitas ini dapat digunakan bila dilakukan perubahan terhadap : • Batas nilai kanan / sumber diperbesar diperkecil Contoh : 2x1 ≤ 8 3x2 ≤ 15 • • Adanya batasan sumber baru Adanya variable baru Perhatikan table optimal dari kasus yang lalu : Variabel Dasar Z X3 X2 X1 Z 1 0 0 0 X1 0 0 0 1 X2 0 0 1 0 X3 0 1 0 0 Slack Variabel X4 500/6 5/9 1/3 -5/18 X5 50 -1/3 0 1/6 Nilai Kanan (Solusi) 2750 6 1/3 5 5/6 Matrik starting solution adalah adalah matrik bujur sangkar dari variable dasar dan slack variable tanpa baris fungsi tujuan. Yang diberi lingkaran pada Variabel dasar dan slack variable disebut dengan Matrik Starting Solution. 0(-1/3) + 500(0) + 300(1/6) = 0. Mengecek apakah koefisien slack variable dari fungsi tujuan yang optimal sudah benar 2. 300 1 Bila = (0. X1 = 0.500. 0(5/9) + 500(1/3) + 300(-5/18). 500/6. Mengecek koefisien kolom (X1) table optimal tanpa koefisien fungsi tujuan .ANALISIS SENSITEVITAS Adalah suatu analisa (post optimally) yang dilakukan setelah table simplek mencapai harga optimalnya. X2.300) 0 0 5/9 1/3 -1/3 0 -5/18 1/6 = 0(1) + 500(0) + 300(0). tanpa pengulangan dari kondisi awalnya.

0(0) + 1/3(3) + 0(5). Menghitung Nilai Optimal Baru Setelah ada nilai kanan dari fungsi batasan yang dirubah : 2X1 ≤ 8 Fungsi Batasan di Rubah  2X1 ≤ 10 3X2 ≤ 15 6X1 + 5X2 ≤ 30 Sehingga Nilai Optimal yang baru : 1 0 0 8 1/3 = 5 5/6 5/9 1/3 -1/3 0 10 15 30 -5/18 1/6 = 1(10) + 5/9(15) + -1/3(30). 0(2) + 1/3(0) + 0(6). 0(2) + -5/18(0) + 1/6(6) X1 (Optimal) Dan Koefisien Kolom X2 adalah : 1 X2 = 0 0 0 = 1 0 5/9 1/3 -1/3 0 0 3 5  2X1 ≤ 8  3X2 ≤ 15  6X1 + 5X2 ≤ 30 -5/18 1/6 = 1(0) + 5/9(3) + -1/3(5).1 X1 = 0 0 0 = 0 1 5/9 1/3 -1/3 0 2 0 6  2X1 ≤ 8  3X2 ≤ 15  6X1 + 5X2 ≤ 30 -5/18 1/6 = 1(2) + 5/9(0) + -1/3(6). 0(0) + -15/8(3) + 1/6(5) X2 (Optimal) 3. 0(10) + -15/8(15) + 1/6(30) . 0(10) + 1/3(15) + 0(30).

Penempatan karyawan tidak boleh asal dilakukan saja. Karyawan yang kita alokasikan secara optimal. Algoritma dengan Tujuan Memaksimalkan A. Metode algoritma yang digunakan disini sering juga disebut sebagai Hungarian Methode. Cara pengalokasian karyawan dapat dilakukan dengam menggunakan algoritma. Dan biaya penyelesaikan pekerjaan itu oleh tiap karyawan seperti terlihat pada table berikut : Pekerja Karywan A B C D I II III IV Dalam Rupiah 20 28 25 24 15 13 13 11 10 21 20 30 25 20 23 20 Untuk melakukan alokasi penugasan karyawan yang optimal dengan langkah-langkah sebagai berikut : 1. Algoritma dengan Tujuan Meminimumkan Dalam model ini tujuan kita meminimumkan pengorbanan biasanya dalam bentuk biaya untuk menyelesaikan suatu pekerjaan oleh seorang karyawan.PENUGASAN Tujuan dari Metode Penugasan adalah bagaimana menempatkan tenaga ahli pada bidang yang telah ditentukan agar biaya lebih meinimum. Algoritma dengan Tujuan Meminimumkan B. sebab kalau cara penempatannya berbeda akan membawa konsekuensi hasil atau pengorbanan yang berbeda pula. Membuat Tabel Opportunity Cost dengan mengurangi elemen tiap baris dengan elemen terkecil dari baris itu. Dalam penempatan karyawan yang paling cocok adalah satu pekerjaan ditangani satu orang karyawan. Satu karyawan harus mengerjakan satu macam pekerjaan. Sehingga Menghasilkan Tabel berikut : Pekerja Karywan A B C D I 0 4 0 5 II III IV Dalam Rupiah 8 5 4 2 2 0 11 10 20 0 3 0 . artinya kalau memakan biaya / pengorbanan kita usahakan sekecil-kecilnya dan menghasilkan manfaat kita usahakan sebesar-besarnya. Contoh : Suatu Penugasan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 4 macam tugas. Biasanya yang digunakan sebagai ukuran untuk menentukan efisiensi dan tidaknya adalah uang. Algoritma dalam penyelesaian Penugasan ada dua cara : A.

Pekerja Karywan A B C D I 0 4 0 5 II III IV Dalam Rupiah 8 3 4 2 0 0 11 8 20 0 1 0 Apakah penugasan sudah optimal? Belum optimal karena jumlah garis yang dibuat itu masih lebih kecil dibanding dengan jumlah baris atau kolom yang belum terliput garis. • Angka yang terliput dengan garis vertical dan horizontal. Untuk merubah table diatas dilakukan langkah sebagai berikut : • Pilih angka terkecil diantara semua angka yang belum terliput dengan garis dan kurangkan semua angka yang belum terliput garis dengan angka terkecil tersebut.2.Dari Tabel Opportunity Cost disetiap kolom harus memiliki paling sedikit 1 elemen benilai nol. . Menarik Garis untuk meliput angka nol Setelah semua baris dari kolom memiliki angka nol.Ternyata pada kolom ketiga belum ada elemen bernilai nol. Setelah semua memiliki nilai nol disetiap kolom. maka tariklah garis seminimum mungkin. sehingga menghasilkan table Perubahan Total Opportunity Cost Matrix sebagai berikut : Pekerja Karywan A B C D I 0 7 0 8 II III IV Dalam Rupiah 5 0 4 2 0 0 8 5 17 0 1 0 . maka harus kita dibuat agar memiliki nilai nol dengan cara : Mengurangi elemen pada kolom tersebut dengan nilai paling kecil di kolom tersebut. maka diperoleh table Total Opportunity Cost Matrix sebagai berikut : Pekerja Karywan A B C D I 0 4 0 5 II III IV Dalam Rupiah 8 3 4 2 0 0 11 8 20 0 1 0 3. tambahkan dengan angka terkecil yang belum terliput dengan garis. Membuat Total Opportunity Cost Matrik . baik vertical maupun horizontal yang bisa menghubungkan angka nol.

Algoritma dengan Tujuan Memaksimalkan Dalam model ini tujuan kita Memaksimalkan keuntungan. . 66 Biaya yang tercantum pada kolom ke 3 merupakan biaya yang diambil dari Tabel Biaya Awal Penugasan. B. 25 Rp.Tabel diatas sudah optimal. bila kita menganggap bahwa pekerjaan dalam menempatkan karyawan menguntungkan bagi karyawan. 66 merupakan biaya termurah dibanding dengan semua alternative lain. dan satu pekerjaan bisa diisi oleh satu orang saja dan tambahkan semua biaya agar diperoleh biaya keseluruhan sebagai berikut : Karyawan A B C D Tugas yang ditempati III IV I II Jumlah Biaya yang dikeluarkan Rp. 20 Rp. sama dengan jumlah baris atau jumlah kolom. Jumlah biaya Rp. Rp. karena garis yang dibuat sudah 4 garis. 11 Rp. 10. Setelah itu letakkan karyawan pada salah satu pekerjaan yang nilainya pada Total Opportunity Cost = 0 (Cari Biaya Terendah) tiap kolom atau baris.

Contoh : Suatu Penugasan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 4 macam tugas. Membuat Total Opportunity Loss Matrik . maka diperoleh table Total Opportunity Loss Matrix sebagai berikut : Pekerja Karywan A B C D I 4 2 2 6 II III IV Dalam Rupiah 0 0 8 10 8 0 0 0 2 2 12 0 .Dari Tabel Opportunity Loss Matrik disetiap kolom harus memiliki paling sedikit 1 elemen benilai nol (Langkah sama dengan algoritma meminimumkan) .Ternyata pada kolom ketiga belum ada elemen bernilai nol.Dalam penempatan karyawan yang paling cocok adalah satu pekerjaan ditangani satu orang karyawan. Satu karyawan harus mengerjakan satu macam pekerjaan.. Setelah semua memiliki nilai nol disetiap kolom. Sehingga Menghasilkan Tabel berikut : Pekerja I II III IV Karywan Dalam Rupiah A 4 0 4 8 B 2 10 12 0 C 2 0 4 2 D 6 2 16 0 2. Membuat Tabel Opportunity Loss Matrik dengan mencari elemen terbesar dibaris itu dan mengurangkan dengan nilai elemen tiap baris. maka harus kita dibuat agar memiliki nilai nol dengan cara : Mengurangi elemen pada kolom tersebut dengan nilai paling kecil di kolom tersebut. Dan biaya penyelesaikan pekerjaan itu oleh tiap karyawan seperti terlihat pada table berikut : Pekerja Karywan A B C D I II III IV Dalam Rupiah 20 24 20 16 28 20 18 30 16 18 14 16 26 30 16 32 Untuk melakukan alokasi penugasan karyawan yang optimal dengan yang menguntungkan perusahaan maka langkah-langkah penugasan sebagai berikut : 1.

dan satu pekerjaan bisa diisi oleh satu orang saja dan tambahkan semua biaya agar diperoleh biaya keseluruhan sebagai berikut : Karyawan A B C D Tugas yang ditempati II I III IV Jumlah Biaya yang dikeluarkan Rp. 32 Rp. 24 Rp. Pekerja Karywan A B C D I 4 2 2 6 II III IV Dalam Rupiah 0 0 8 10 8 0 0 0 2 2 12 0 Apakah penugasan sudah optimal? Belum optimal karena jumlah garis yang dibuat itu masih lebih kecil dibanding dengan jumlah baris atau kolom yang belum terliput garis.3. Menarik Garis untuk meliput angka nol Setelah semua baris dari kolom memiliki angka nol. sama dengan jumlah baris atau jumlah kolom. 14 Rp. tambahkan dengan angka terkecil yang belum terliput dengan garis. 28 Rp. sehingga menghasilkan table Perubahan Total Opportunity Cost Matrix sebagai berikut : Pekerja Karywan A B C D I 4 0 2 4 II III IV Dalam Rupiah 0 0 10 8 6 0 0 0 4 0 10 0 Tabel diatas sudah optimal. maka tariklah garis seminimum mungkin. karena garis yang dibuat sudah 4 garis. Setelah itu letakkan karyawan pada salah satu pekerjaan yang nilainya pada Total Opportunity Cost = 0 (Cari Biaya Terendah) tiap kolom atau baris. • Angka yang terliput dengan garis vertical dan horizontal.96 . baik vertical maupun horizontal yang bisa menghubungkan angka nol. Untuk merubah table diatas dilakukan langkah sebagai berikut : • Pilih angka terkecil diantara semua angka yang belum terliput dengan garis dan kurangkan semua angka yang belum terliput garis dengan angka terkecil tersebut.

Jaringan rel kereta api .Biaya yang tercantum pada kolom ke 3 merupakan biaya yang diambil dari Tabel Biaya Awal Penugasan.Jaringan jalan raya . 96 merupakan biaya termurah dibanding dengan semua alternative lain. Jumlah biaya Rp. Suatu jaringan adalah suatu system garis – garis atau saluran – saluran yang menghubungkan titik – titik yang berlainan. Beberapa contoh jaringan adalah : .System saluran pipa . MODEL TRANSPORTASI Terdapat bermacam – macam model jaringan (network model).

suatu tujuan dapat memenuhi permintaannya dari satu atau lebih sumber. Sebuah perusahaan Negara berkepentingan mengangkut pupuk dari tiga pabrik ke tiga pasar. DEFINISI DAN APLIKASI MODEL TRANSPORTASI Pada umumnya masalah transportasi berhubungan dengan distribusi suatu produk tunggal dari beberapa sumber. Misalkan dalam suatu system saluran pipa dapat di kirim air. pada biaya traspor minimum. karena hanya ada satu macam barang. menuju beberapa tujuan dengan permintaan tertentu.Jaringan penerbangan.. permintaan pada ketiga pasar dan biaya transport per unit adalah sebagai berikut : Pasar 1 2 3 Penawaran . dengan penawaran terbatas. Kapasitas supply ketiga pabrik. Contoh model transportasi sebagai berikut : Misalkan suatu produk yang dihasilkan pada tiga pabrik (sumber) harus didistribusikan ke tiga gudang (tujuan) seperti berikut : Sumber (Pabrik) Cirebon Tujuan (Gudang) Semarang Bandung Jakarta Cilacap Purwokerto MASALAH TRANSPORTASI SEIMBANG Contoh masalah transportasi yang mana jumlah supply dari semua sumber sama dengan jumlah permintaan pada semua tempat tujuan. minyak atau gas dari sumber menuju langganan yang meminta.

2.3) Dengan fungsi Tujuan : Z= 8X11 + 5X12 + 6X13 + 15X21 + 10X22 + 12X23 + 3X31 + 9x32 + 10X33 Dengan batasan : X11 + X12 + x13 = 120 X21 + X22 + X23 = 80 X31 + X32 + X33 = 80 X11 + X21 + X31 = 150 X12 + X22 + X32 = 70 X13 + X23 + X33 = 60 TABEL TRANSPORTASI Masalah transportasi yang khas dapat ditempatkan dalam suatu bentuk table khusus yang dinamakan table transportasi.Pabrik Permintaan 1 2 3 8 15 3 150 5 10 9 70 6 12 10 60 120 80 80 280 Masalah transportasi diatas dapat gambarkan sebagai suatu model jaringan : Sumber S1 = 120 1 Vulome yang diangkut Tujuan (Gudang) 1 D1 = 150 S2 = 80 2 2 D2 = 70 S3 = 80 3 3 D3 = 60 Masalah ini dapat juga dilihat dalam LP misalkan : Xij : banyaknya unit barang yang di kirim dari pabrik I (I = 1.2.3) ke pasar j (j = 1. .

... North West Corner 2. Cij ……. Cm1 . Ada tiga metode dalam penyelesaian sulusi awal : 1. . . . . Cm2 . . . Ci2 …….ke Tujuan Dari 1 C11 Supply 2 C12 …….. . Biaya transfer per unit (Cij) di catat pada kotak kecil. . Metode Stepping Stone . Dn Si = Dj Sumber ditulis dalam baris-baris dan tujuan dalam kolom – kolom. . .. . . . .. ……. . Berikut solusi penyelesaian masalah transportasi. Xm1 Dj ……. Sn 30 . . Dan kotak pojok kanan bawah menunjukkan kenyataan bahwa penawaran sama dengan permintaan. S1 ... Apromasi Vogel Ada beberapa cara menentukan solusi optimum 1. sementara penawaran setiap sumber dicatat pada kolom paling kanan. . Permintaan dari setiap tujuan terdapat pada baris paling bawah. . . yang dimulai dari mencari sulusi awal (dasar). . . Cmn Xm1 Demand D1 Xm2 D2 ……. Ci1 X22 . . . . i . ……. …….. ……. . . .... X21 . .. . . . j C11 ……. ……. m X21 . Variabel Xij menunjukkan jumlah barang yang diangkut dari sumber I ke tujuan j (yang akan dicari). . . Cin X12 C22 10 2 . . ……. n C1n 1 X11 C21 S1 X1n X2n . Cm1 S2 . Least Cost 3. . .

3. 4. Mulai pada pojok barat laut table dan alokasikan sebanyak mungkin pada X11 tanpa menyimpang dari kendala penawaran atau permintaan (artinya X11 di tetapkan sama dengan yang terkecil diantara nilai S1 dan D1. 5. . Metode Modified Distribution (MODI) Masalah Transportasi Tak Seimbang Degenerasi Solusi Optimum Ganda Rute Terlarang METODE NORTH WEST CORNER (Mencari Solusi Awal) 1.2. 6.

ke Dari 1 2 3 Supply 8 5 6 1 2 3 120 15 10 12 120 50 3 9 10 30 80 60 80 20 Demand 150 70 60 280 STEPPING STONE Suatu metode / teknik dalam masalah transportasi untuk mencari optimal solution (least Cost ) dengan cara trial dan error dari kolom – kolom yang masing-masing kosong yang memiliki biaya yang rendah pada contoh : ke Dari X Y Z 50 15 20 A 25 15 40 .2. Kemudian alokasikan sebanyak mungkin ke kotak di dekatnya pada baris atau kolom yang tak dihilangkan. Akibatanya. Lanjutkan dengan cara yang sama sampai semua penawaran telah dihabiskan dan keperluan permintaan telah di penuhi. 3. pindahlah secara diagonal ke kotak berikutnya. ini Akan menghabiskan penawaran pada sumber 1 dan atau permintaan pada tujuan 1. Jika baik kolom maupun baris telah dihabiskan. tak ada lagi barang yang dapat dialokasikan ke kolom atau baris yang telah dihabiskan dan kemudian baris atau kolom itu dihilangkan.

kanan Samping atas – bawah Dengan kwantitas terkecil / biayanya terbesar kalau kuantitasnya ada yang sama. ke Dari 50 15 20 X Y Z A B C 0 30 40 20 10 40 5 40 35 25 30 0 30 30 30 Demand 25 40 35 . Samping kiri .30 20 10 B C XBX 30 25 40 5 35 30 30 30 Demand 25 40 35 Alokasi Barang ini memiliki total cost (TC) TC = 25 (50) + 15 (15) + 25 (20) + 30 (35) = 3070 Kondisi ini Total Costnya dapat ditekan dengan Stepping Stone : Caranya : Cari kotak. - ada Contoh diatas kotak XBX dengan biaya 30 akan diisikan dengan tetangga terdekat. Isikan kotak kosong tadi (Langkah I) dengan memindahkan barang tetangga terdekat.kotak yang belum terisi dengan biaya yang lebih rendah Hubungkan kotak-kotak kosong tersebut dengan ketiga kota lain yang sudah terisi yanag membentuk segi empat.

Karna nilai terbesar adalah 15 pada kolom 3 maka cari biaya terkecil dari nilai pada kolom ke 3 dan diberi kotak biaya terkecilnya Biaya terkecilnya adalah 10  kapasitas : 40 Kebutuhan : 75 5. Ulangi Langkah 2 denga melihat table di atas Baris B = 15 – 10 = 5 . Hapus Baris A karena sudah terpakai habis Sumber B C Kebutuhan K 10 20 30 10 L 15 30 45 15 M 25 40 35 25 Kapasitas 60 50 Xbl = 45 Index 5 10 6.TC = 25 (30) + 40 (15) + 15 (10) + 30 (35) = 2450 Metode VAM (Vogel Aprosimasi Metode) Metode ini sudah lebih akurat disbanding dengan metode terdahulu (Stepping Stone) Adapun langkah-langkahnya : 1. Buatlah table / bagan kebutuhan VS kapasitas pada soal yang lalu. Cari nilai terbesar dari nilai – nilai pada langkah – langkah 2 4. Buat selisih dua harga terkecil dan terkecil kedua untuk setiap baris dan kolom Baris A : 15 – 10 =5 Baris B : 15 – 10 =5 Baris C : 30 – 20 = 10 Kolom K Kolom L Kolom M : 15 – 10 : 20 – 15 : 25 – 15 =5 =5 = 15 3. Pada soal yang lalu : Sumber K L M Kapasitas Index Baris Produksi A 15 20 10 40 5 B 10 15 25 60 5 C 20 30 40 50 10 Kebutuhan 30 45 75 Xam Index Kolom 5 5 15 2.

Dj). Index terbesar adalah 15 pada kolom L & M Karena index sama maka cari yang biaya terkecil  Kolom L 8.Baris C = 30 – 20 = 10 Kolom K = 20 – 10 = 10 Kolom L = 30 – 15 = 15 Kolom M = 40 – 25 = 15 7. Pilih baris atau kolom dengan opportunity cost terbesar (jika terdapat nilai kembar pilih secara sembarang). Xij = Minimum [Si. Biaya = 15 menghubungkan kapasitas 60 Cari yang terkecil untuk dialokasikan Kebutuhan 45 9. Opportunity cost kolom diperoleh dengan cara serupa. 2. Alokasikan sebanyak mungkin ke kotak dengan nilai cij minimum (biaya paling kecil) pada baris atau kolom yang dipilih. . Hapus Baris B (Karna sudah habis terpakai ) Sehingga : B C K 10 20 30 M 25 40 35 Kapasitas 15 50 Xck = 30 Index 15 20 Baris B = 25 – 10 = 15 Baris C = 40 – 20 = 20  Index terbesar maka biaya terkecil adalah 20 yang menghubungkan menghubungkan kapasitas 50 Cari yang terkecil untuk dialokasikan Kebutuhan 30 M B 25 C 40 kapasitas 15 20 XBM = 15 XCM = 20 Hapus kolom K TC = 40 (10) + 45 (15) + 30 (20) + 15 (25) + 20 (40) = 2850 Proses VAM dapat diringkas sebagai berikut : 1. Untuk Cij terkecil. Hitung Opportunity Cost untuk setiap baris dan kolom. Opportunity cost untuk setiap baris I dihitung dengan mengurangkan nilai cij terkecil pada baris itu dari nilai cij satu tingkat lebih besar pada baris yang sama.

kembali ke langkah 1 dan hitung lagi opportunity cost yang baru. Hilangkan semua baris dan kolom dimana penawaran dan permintaan telah habis.3. METODE MODI ( MODIFIED DISTRIBUTION ) Metode ini adalah mirip dengan stepping stone hanya saja dalam mencari biaya minimal menggunakan cara yang lebih pasti. 4. Jika semua penawaran dan permintaan belum dipenuhi. Sesuaikan penawaran dan permintaan untuk menunjukkan alokasi yang sudah dilakukan. Perbaikan Contoh berikut : .

Menentukan titik awal perubahan . Ri + Kj = Cij ( Pada kotak-kotak yang terisi) Ri Kj Cij = Index Baris = Index Kolom = Biaya di angkut atau satuan barang dari I ke j 3. Menentukan index perbaikan dengan mengikuti Cij – Ri – Kj (Pada kotak-kotak yang masih kosong) 4. Hitung TC untuk masing-masing perubahan dan perubahan berhenti bila tidak ada index perbaikan yang negative Pada contoh tersebut maka : Langkah 2 RW + KA = CWA atau RW + KB = CWB atau RH + KB = CHB atau RP + KB = CPB atau RP + KC = CPC atau TC Langkah 3 0 + KA = 20  KA = 20 0 + KB = 5  KB = 5 RH + 5 = 20  RH = 15 Rp + 5 = 10  RP = 5 5 + KC = 19  KC = 14 = 50 (20) + 40 (5) + 60 (20) + 10 (10) + 40 (19) = 3260 .Bahwa perubahan dilakukan bila masih ada index perbaikan yang negative .Bila ada beberapa index perbaikan yang negative maka titik awal perubahan di mulai pada perbaikan yang paling negative 5. Memberi bobot dari setiap baris dan setiap kolom. LAkukan pengisian awal (Nort West Corner) 2.A = 20 W=0 50 H = 15 P=5 Kebutuhan 50 20 15 25 B=5 40 60 10 110 5 20 10 C = 14 8 10 19 40 Kapasitas 90 60 50 200 LAngkah penyelesaian MODI 1.

20 0 -6 -19 Langkah 4 memulai pengisian kotak HA A=0 W=0 H = 15 P=5 Kebutuhan 50 50 20 15 25 90 10 10 110 B=5 5 20 10 C = 14 8 10 Kapasitas 90 60 50 200 40 40 19 TC 2 = 90 (5) + 50(15 + 10 (20) + 10(10) + 40(19) = 2260 Index perbaikan Cij – Ri – Kj hanya untuk kotak yang kosong Kotak WA WC HC PA Cij – Ri – Kj 20 – 0 – 0 8 – 0 – 14 10 – 15 – 14 25 – 5 – 0 Index Perbaikan 20 -6 .Kotak Kosong HA PA WC HC Cij – Ri – Kj 15 .15 – 20 25 . Karena index perbaikan masih ada yang negative maka : A=0 W=0 20 15 90 B=5 5 20 C = 14 8 10 Kapasitas 90 .19 20 Titik awal perbaikan dimulai pada kotak HC dimana kotak HC memiliki tetangga terdekat (membentuk segi empat dengan tiga kotak laiinya yang terisi.0 . TC = 90 (5) + 50(15) + 10(10) + 20(10) + 30(19) = 2070 1.5 – 20 8 .14 10 .15 .14 Nilai 1 Perbaikan .

Index Perbaikan Kotak WA WC HB PA A = 19 W=0 H = -4 P=5 Kebutuhan 50 50 20 15 25 60 Cij – Ri – Kj 20 – 0 – 0 8 – 0 – 14 20 – 15 – 5 25 – 5 – 0 B=5 5 20 10 30 Index Perbaikan 20 -6 0 20 C = 14 8 10 Kapasitas 90 60 50 200 10 50 110 19 40 TC = 60 (5) + 30(8) + 50(15) + 10(10) + 50(10) = 1890 1. Tentukan lagi index baris dan kolom baru . Penentuan index baris dan kolom yang baru Ri + Kj = Cij  hanya untuk kotak yang terisi RW + KB = 5  0 + KB = 5 KB = 5 RP + KC = 19  5 + KC = 19 KC = 14 RH + KC = 10  10 + 14 = -4 RH + KA = 15  -4 + KA = 15  KA = 19 3.H = 15 P=5 Kebutuhan 50 25 50 10 10 110 10 40 40 60 50 200 19 2. Karena masih ada yang negative – 6 maka : RW = 0 2.

MODEL JARINGAN CPM .Ri + kj = Cij RW + KB = 5  0 + KB = 5 KB = 5 Rp + KB = 10  Rp + 5 = 10  KB = 5 RW + KC = 8  0 + Kc = 8  KC = 8 RH + KC = 10  RH + 8 = 10 RH = 2 RH + KA = 15  2 + KA = 15  KA = 13 3. Diagram network atau sering disebut dengan diagram jaringan kerja adalah suatu diagram yang menunjukkan hubungan antara kegiatan satu dengan kegiatan yang lain dalam suatu proyek. Kotak WA HB PA PC Cij – Ri – Kj 20 – 0 – 19 20 – (-4) – 5 25 – 5 – 19 19 – 5 – 14 Index Perbaikan 1 19 1 0 PEMBUATAN JARINGAN KERJA Untuk memudahkan perencanaan suatu Proyek biasanya dalam analisis ini dibantu dengan menggunakan diagram network.

B1 1 1 2 3 5 6 . Jaringan ini terdiri dari tiga kegiatan : menggambar rumah. Garis menunjukkan jenis kegiatan dari suatu proyek. Pembangunan rumah dapat dimulai setelah bulan ke 3 berakhir. Pada waktu itu. yaitu lingkaran 3.e Waktu (Bulan) 3 bulan 2 bulan 1 bulan 1 bulan 3 bulan 1 bulan 1 bulan Model jaringan yang ditujukkan pada gambar diatas adalah salah karena menyimpang dari aturan. Lingkaran 1 maksudnya awal pengambaran.Model jaringan CPM tersusun atas dua komponen utama. Ada suatu aturan dalam membuat model jaringan CPM yaitu bahwa dua atau lebih kegiatan tak dapat secara serentak berawal dan berakhir pada lingkaran yang sama. yaitu titik-titik (nokhta/Lingkaran) dan garis-garis (cabang(anak/Panah). sementara titik menunjukkan awal atau akhir suatu kegaitan. lingkaran 2 maksudnya akhir penggambaran dan awal pencarian dana. b2 b1. suatu lingkaran tertentu dikatakan terealisasi jika semua kegiatan yang berakhir pada lingkaran itu telah dirampungkan. pencarian dana dapat dimulai. Contoh : Menggambar Rumah 1 2 bulan 2 1 bulan Mencari Dana 3 6 bulan Membangun Rumah 4 Lingkaran 2 terealisasi pada akhir bulan ke-2. mencari dana dan membangun rumah. Kesalahannya adalah bahwa bahwa b1 dan b2 muncul dari lingkaran a dan juga berakhir pada lingkaran yang sama. Dalam analisis CPM. Kegiatan Menggambar dan cari dana (a) Peletakan pondasi (b1) Pemesanan Bahan (b2) Memilih cat © Membangun rumah(d) Memilih karpet(e) Penyelesain (f) Pendahulu a a b1. Kegiatan-kegiatan ini dalam model diwakili dengan anak panah. Berikut contoh sederhana model jaringan pembangunan sebuah rumah. Pada kasus ini pembagunan rumah dapat dirampungkan paling cepat pada akhir bulan ke 9. atau biasa dinamakan events. b2 c d. sementara event ditunjukkan oleh lingkaran.

Suatu dummy tidak memakan waktu dan sumber daya. yaitu jalur waktu terlama. artinya tidak bias diselesaikan dalam waktu yang lebih pendek daripada jalur kritis ini. Contoh : Suatu Proyek memiliki kegiatan seperti yang tercantum dari table berikut : Kegiatan A B Kegiatan yang mendahului Waktu setiap kegiatan (hari) 5 3 c d 3 5 1 f 1 6 .A 3 1 B2 1 d 3 1 c 4 c f 1 Masalah tersebut dapat diselesaikan dengan memperkenalkan suatu dummy activity. Jalur ini menentukan waktu penyelesaian suatu proyek. Jalur adalah rangkaian kegiatan yang menghubungkan kegiatan awal dengan kegiatan akhir suatu proyek secara sinambung. Jalur Kritis adalah jalur yang jumlah waktu penyelesaian kegiatan – kegiatannya terpanjang. 4 b1 2 1 A 3 2 1 B2 0 dummy 3 1 c 4 Jalur Keritis (Critical Path ) Sasaran utama analisis CPM adalah menentukan waktu terpendek yang diperlukan untuk menyelesaikan suatu proyek atau menentukan waktu yang diperlukan untuk suatu critical path. Suatu dummy activity digambarkan dengan anak panah terputus dan disisipkan pada jaringan itu untuk menunjukkan suatu precedende relationship. jadi waktu kegiatan dan biaya sama dengan nol.

e f.E 5 7 2 4 6 4 F 6 7 1 4 7 4 G.C D E F G H a a.5 C 4 5 0 0 0 0 C 4 6 3 6 9 6 D. kemudian dianggap bahwa proyek tsb selesai 25 minggu.b c d. • σTE = √∑σ2ET .H 7 8 2 3 10 4 1 A B C D E F G H I Catatan : .g 4 6 5 7 4 5 DATA PERT SEBAGAI BERIKUT : Kegiatan Kegiatan Peristiwa Waktu Waktu Waktu Waktu Mendahului Mulai Akhir Optimis Realistik Pesimistik diharapkan (a) (m) (b) (ET) 2 3 4 5 6 7 8=(a+bx4+c)/6 Tidak ada 1 2 1 3 5 3 A 2 3 3 4 11 5 A 2 4 2 6 10 6 B 3 5 2 6 13 6. kemudian diakar kwadratkan. ini dapat diperoleh dari penjumlahan variance masing-masing kegiatan kritis. dan σ2ET = ((b – a)/2)2 dimana : a = waktu optimis b = waktu pesimistik .Waktu diharapkan (ET) = (a + (bx4) + c) / 6 Estimasi probabilitas waktu penyelesaian yang dijadwalkan • Misalnya penyelesaian proyek 23 minggu. • Berapa probabilitas proyek dapat diselesaikan pada waktunya (23 minggu) ? • Penggunaan rumus standar normal : Z = (TD – TE) / σTE dimana : TD = waktu yang ditargetkan penyelesaian proyek TE = waktu yang diharapkan penyelesaian proyek σTE = deviasi standar untuk TE.

5 1 A 3 EF=3 LF=3 EF=14.Metode Algorithma B 5 EF=8 LF=8.5 LF=15 5 2 C 6 4 EF=9 LF=9 G 4 EF=19 LF=19 E 0 F 6 6 EF=15 LF=15 H 4 7 I 4 8 Awal : EF (earliest finish = paling awal selesai) Kemudian : LF (latest finish =paling lambat selesai) .5 3 EF=0 LF=0 D 6.

5 E 5 G 4 0 F 6 6 H 4 7 I 4 8 = kegiatan semu Jalur kritis : 1-2-4-6-7-8 = 3+6+6+4+4 = 23 minggu EF=15 EF=0 Ke 2 EF 0 3 3+ 5=8 3+ 6=9 8 + 6.5 9 + 6 = 15 15 + 4 = 19 19 + 4 = 23 Dari 1 2 3 4 5 6 7 8 1 0 3 (Awal) 3 4 EF=3 5 6 7 8 EF=9 5 6 6.5 0 6 4 4 4 EF=19 EF=23 LF ==> 2 3 3 8.5.5 4 9 5 15 6 15 7 19 8 23 . Diagram Network PERT = Peristiwa = kegiatan 3 B 1 A 3 2 5 C 6 4 D 6.1.5 = 14.

Metode Matriks  Menentukan jalur kritis. 8 = 3+6+6+4+4= 23 minggu 5.000 2 2 3 4 2 5 7 3 8 . sehingga percepatan waktu tsb lebih efektif. yaitu jalur yang mempunyai EF = LF  Dengan metode matriks tsb dapat diperoleh jalur kritis (EF=LF). 1 30.000 20. yaitu : 1.Jalur kritis : 1-2-3-6-7-8 = 3+2+4+4+2 =15 minggu . 6. Diagram Network PERT Biaya tambahan untuk mempercepat kegiatan pada jalur kritis harus dibandingkan. 2 .Non jalur kritis : 1-2-4-5-7-8= 3+3+2+3+2=13 .1. 3 6 Jangka3waktu percepatan harus4memperhitungkan jalur 2 15.000 non kritis. 7. 4 . sehingga bisa dipilih biaya 4 percepatan yang paling murah.

D E F G H G .S J X la a w ktu m a (d m g u lm in g ) 1 2 3 2 1 3 2 2 1 4 6 3 7 2 2 1 5 4 1 2 1 3 1 2 0 .Q S .R J .O .I D C L .K U .K g ta e ia n A B C D E F G H I J K L M N O P Q R S T U V W X Y D skrip e si K g ta e ia n Mn a u i e d h lu A A C B .K G N .G M N H N .

Y) Jalan terpanjang .O.0 O .0 NETWORK PLANNING Jalan terpendek : 14 minggu( A.2 0 X.1 R . 2 0 Y .F.2 0 D .Y) = JALUR KRITIS . 32 minggu (A.6 .2 .V.F.1 B .2 0 I.1 C .M.2 0 H .7 N .X.0 A .D.E.E.4 .1 .N.1 0 V .G.5 0 S .C.0 W .S.0 O .X.3 0 K .3 0 A .3 0 T.G. 4 0 F .0 U .JARINGAN KEGIATAN PROYEK L.2 0 P .B.2 0 E .H.P.3 0 G .0 J.1 . 1 M .

Sign up to vote on this title
UsefulNot useful