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

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

6.

Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk mengkonversikan pertidaksamaan menjadi persamaan (=). Penambahan ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel basis.

7.

Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan bentuk atau = untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas.

8.

Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja).

9.

Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat variabel keluar.

10. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris pivot. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya. 11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi berikutnya. Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi. Variabel ini pada iterasi berikutnya akan bernilai positif. 12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan oleh variabel masuk. Variabel keluar dipilih satu dari antara variabel basis pada setiap iiterasi. Variabel ini pada iterasi berikutnya akan bernilai nol. 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

Kendala : x1 + x2 + 2x3 2 2x1 + 3x2 + 4x3 3 7x1 + 6x2 + 2x3 8 x1,x2,x3 0

Penyelesaian : Bentuk bakunya adalah : Maksimum z = 8 x1 + 9 x2 + 4x3 + 0s1 + 0s2 + 0s3 atau z - 8 x1 - 9 x2 - 4x3 + 0s1 + 0s2 + 0s3 = 0

Kendala : x1 + x2 + 2x3 + s1 = 2 2x1 + 3x2 + 4x3 + s2 = 3 7x1 + 6x2 + 2x3 + s3 = 8 x1,x2,x3 ,s1 , s2 , 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, maka kolom X2 adalah kolom pivot dan X2 adalah variabel masuk. Rasio pembagian nilai kanan dengan kolom pivot terkecil adalah 1 bersesuaian dengan baris s2, maka baris s2 adalah baris pivot dan s2 adalah varisbel keluar. Elemen pivot adalah 3.

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

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). 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

Maka tabel iterasi 1 ditunjukkan tabel di bawah. Selanjutnya kita periksa apakah tabel sudah optimal atau belum. Karena nilai baris z di bawah variabel x1 masih negatif, maka tabel belum optimal. 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 . 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, sehingga perhitungan iterasi dihentikan ! Perhitungan dalam simpleks menuntut ketelitian tinggi, khususnya jika angka yang digunakan adalah pecahan. Pembulatan harus diperhatikan dengan baik. Disarankan jangan menggunakan bentuk bilangan desimal, akan lebih teliti jika menggunakan bilangan pecahan. Pembulatan dapat menyebabkan iterasi lebih panjang atau bahkan tidak selesai karena ketidaktelitian dalam melakukan pembulatan. Perhitungan iteratif dalam simpleks pada dasarnya merupakan

pemeriksaan satu per satu titik-titik ekstrim layak pada daerah penyelesaian. Pemeriksaan dimulai dari kondisi nol (dimana semua aktivitas/variabel keputusan

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

bernilai nol). Jika titik ekstrim berjumlah n, kemungkinan terburuknya kita akan melakukan perhitungan iteratif sebanyak n kali.

Contoh soal : Persamaan matematis suatu program linier adalah sebagai berikut : Minimasi : Z = 6X1 + 7,5X2 Dengan pembatas : 7X1 + 3X2 210 6X1 + 12X2 180 4X2 120 X1, X2 0 Carilah harga X1 dan X2 ? Jawab : Pada kasus ini kita akan menggunakan metode simplex M (BIG M), hal ini dikarenakan pada kasus ini pertidk samaan pembatasnya menggunakan (lebih dari sama dengan). Persamaan Tujuan : Z - 6x1 - 7,5X2 - 0S1 - 0S2 - 0S3 = 0 Baris 0 Persamaan Kendala : 7x1 + 3x2 - S1 +A1 = 210 Baris 1 6x1 + 12x2 - S2 +A2 = 180 Baris 2 4x2 - S3 + A3 = 120 Baris 3 Bagi kendala pertidaksamaan jenis , maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala. Cara ini tidak dapat diterapkan pada kendala pertidaksamaan jenis dan kendala persamaan (=) persamaan diatas diperoleh karena tanda harus mengurangi variable surplus. Untuk mengarahkan artifisial variabel menjadi nol, suatu biaya yang besar ditempatkan pada A1, A2, dan A3 sehingga fungsi tujuannya menjadi : Z = 6x1 + 7,5X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

Table simplex awal dibentuk dengan A1, A2, dan A3 sebagai variable basis, seperti table berikut : Basis Z X1 13M-6 X2 19M7,5 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

12

-1

180

-1

120

Dari table diatas kita ketahui bahwa semua BFS belum optimal. Hal ini dikarenakan seluruh NBV masih mempunyai koefisien yang berharga positif. Oleh karena itu Untuk x2 terpilih sebagai entry variable karena x2 memiliki nilai koefisien positif yang paling besar, dan A3 menjadi Leaving Variable. Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling kecil.

Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 2 x1 + x2 - 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 + 112,5 ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 1
11

/2 x1 + S2 + A1 - 1/4 A2= 165

ERO 4 : Menjadikan nilai koefisien x2 berharga 0 pada baris 3 -2x1 + 1/3 S2 - S3 - 1/3 A2 + A3 = 60

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

Konversi bentuk standard iterasi Pertama : Z = 9/4 x1 + 0S1 + 15/24 S2 + 0S3 + MA1 + [ M - 15/24]A2 + MA3 + 112,5
11

/2 x1 + S2 + A1 - 1/4 A2 = 165

-2x1 + 1/3 S2 - S3 - 1/3 A2 + A3 = 60 x1 + x2 - 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

RASIO

/2M6

15

-M

A1 A3 X2

11

/2

0 0 1

0 0 0

0 -1

1 0

0 1

165 60

165 : 5,5 = 30 *

-2

/3

/3

-1

/12

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

10

METODE GRAFIK
Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya terdapat tersebut, dua variabel keputusan. yang Untuk menyelesaikan adalah

permasalahan

langkah

pertama

harus

dilakukan

memformulasikan permasalahan yang ada ke dalam bentuk Linear Programming (LP). Contoh : Perusahaan Krisna Furniture yang akan membuat meja dan kursi. Keuntungan yang diperoleh dari satu unit meja adalah $7,- sedang keuntungan yang diperoleh dari satu unit kursi adalah $5,-. Namun untuk meraih keuntungan tersebut Krisna Furniture menghadapi kendala keterbatasan jam kerja. Untuk pembuatan 1 unit meja dia memerlukan 4 jam kerja. Untuk pembuatan 1 unit kursi dia membutuhkan 3 jam kerja. Untuk pengecatan 1 unit meja dibutuhkan 2 jam kerja, dan untuk pengecatan 1 unit kursi dibutuhkan 1 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. Berapa jumlah meja dan kursi yang sebaiknya diproduksi agar keuntungan perusahaan maksimum? Dari kasus di atas dapat diketahui bahwa tujuan perusahaan adalah memaksimumkan profit. Sedangkan kendala perusahaan tersebut adalah terbatasnya waktu yang tersedia untuk pembuatan dan pengecatan. 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

Mengingat produk yang akan dihasilkan adalah meja dan kursi, maka dalam rangka memaksimumkan profit, perusahaan harus memutuskan berapa jumlah meja dan kursi yang sebaiknya diproduksi. Dengan demikian dalam kasus ini, yang merupakan variabel keputusan adalah meja (X1) dan kursi (X2). 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. 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. Z = 7 X1 + 5 X2 4 X1 + 3 X2 240 2 X1 + X2 100 (kendala non-negatif) X1 , 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

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

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

13

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, 0) dan memotong sumbu X2 pada titik (0, 100).

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 - 2 X1) = 240 4 X1 + 300 - 6 X1 = 240 - 2 X1 = 240 - 300 - 2 X1 = - 60
Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 14

->

X2 = 100 - 2 X1 X2 = 100 - 2 X1 X2 = 100 - 2 * 30 X2 = 100 - 60 X2 = 40

X1 = -60/-2 = 30. Sehingga kedua kendala akan saling berpotongan pada titik (30, 40). Tanda pada kedua kendala ditunjukkan pada area sebelah kiri dari garis kendala. Feasible region (area layak) meliputi daerah sebelah kiri dari titik A (0; 80), B (30; 40), dan C (60; 0).

Untuk menentukan solusi yang optimal, ada dua cara yang bisa digunakan yaitu 1. dengan menggunakan garis profit (iso profit line) 2. dengan titik sudut (corner point) Penyelesaian dengan menggunakan garis profit adalah penyelesaian dengan menggambarkan fungsi tujuan. Kemudian fungsi tujuan tersebut digeser ke kanan sampai menyinggung titik terjauh dari dari titik nol, tetapi masih berada pada area layak (feasible region). Untuk menggambarkan garis profit, kita mengganti nilai Z dengan sembarang nilai yang mudah dibagi oleh koefisien pada fungsi profit. Pada kasus ini angka yang mudah dibagi angka 7 (koefisien X1) dan 5 (koefisien X2) adalah 35. Sehingga fungsi tujuan menjadi 35 = 7 X1 + 5 X2. Garis ini akan memotong sumbu X1 pada titik (5, 0) dan memotong sumbu X2 pada titik (0, 7).

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

15

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

Karena keuntungan tertinggi jatuh pada titik B, 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

LINEAR PROGRAMMING
SEJARAH Linear Programming pertama kali dicetuskan oleh seorang ahli matematika asal Rusia bernama L.V. Kantorivich dalam bukunya yang berjudul MATHEMATICAL METHODS IN THE ORGANIZATION AND PLANNING OF PRODUCTION. Dengan buku ini, ia telah merumuskan pertama kalinya persoalan Linear Programming. Namun, 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. Pada tahun 1947, seorang ahli matematika dari AS yang bernama George B. Dantzig menemukan suatu cara untuk memecahkan persoalan-persoalan linear programming. Cara pemecahan ini dinamakan Simplex Method, yang diuraikan dalam bukunya LINEAR PROGRAMMING AND EXTENTION.

LINEAR PROGRAMMING (LP) Linear programming adalah teknik matematika yang dirancang untuk membantu dalam merencanakan dan membuat keputusan. Linear Programming memiliki empat ciri khusus, yaitu : 1. Penyelesaian masalah mengarah pada pencapaian tujuan maksimisasi atau minimisasi. 2. 3. 4. 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, yaitu : 1. Linearity Fungsi obyektif dan kendala haruslah merupakan fungsi linier dan variabel keputusan. Hal ini akan mengakibatkan fungsi bersifat proporsional dan

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

18

additif, misalnya untuk memproduksi 1 kursi dibutuhkan waktu 5 jam, maka untuk memproduksi 2 kursi dibutuhkan waktu 10 jam. 2. Divisibility Nilai variabel keputusan dapat berupa bilangan pecahan. Apabila diinginkan solusi berupa bilangan bulat (integer), aka harus digunakan metoda untuk integer programming. 3. Non negativity variable Nilai variabel keputusan haruslah tidak negatif ( 0) 4. Certainty Semua konstanta (parameter) diasumsikan mempunyai nilai yang pasti. Bila nilai-nilai parameternya probabilistik, maka harus digunakan formulasi pemrograman masalah stokastik.

Contoh soal Ibu Angel membuat dua macam jenis, kue nastar dan putrie salju. Bahan baku gula dan tepung untuk memproduksi 3 ons kue nastar diperlukan 2 bagian gula dan 4 bagian tepung, kemudian untuk memproduksi 3 ons kue putrie salju diperlukan satu bagian gula dan 3 bagian tepung, untuk gula tersedia tersedia 250 dan tepung 200. 1 ons kue nastar dihargai Rp.10.000,00 dan putrie salju Rp.15.000,00? Jawab: Pada kasus ini saya akan menggunakan metode linier Programing, hal ini dikarenakan pada kasus ini pertidaksamaan pembatasnya menggunakan (kurang dari sama dengan). Bagi kendala pertidaksamaan jenis , 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. X1 = X2 = 0 X3 = 250, X4 = 200 Z1=10000(0)+15000(0)+250(0)+200(0)= 0

2. X1 = X3 = 0 X2= 250 2x2 + X4= 200, 2(250) + X4 = 200 500 + X4 = 200 X4 = -300 Z2 (tidak dihitung)

3. X1 = X4 = 0 2X2 = 200, X2= 100 X2 + X3= 250, 200 + X3= 250 X3= 50 Z3=10000(0) + 15000(100) + 0(50) + 0(0) =1.500.000

4. X2 = X3 = 0 2X1 = 250, X1 = 125 4X1 + X4 = 200 4(125) + X4 = 200 500 + X4 = 200 X4= -300 Z4 (tidak dihitung) 6. X3 = X4 = 0 2X1 + X2= 250, X1= 200 125-1/2X2 + 2X2= 200 125 + 3/2X2= 200 3/2X2= 200 - 125 3/2X2= 125 X2= 125 . 2/3 = 83 1/3 X1= (250=83 1/3) = (166 2/3) = 83 1/3 (250-X2 + 2X2=

5. 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

KESIMPULAN:
Jadi diantara pemecahan fisibel ada satu nilai Z yang terbesar aitu Z6= 1.500.000 dengan kesimpulan: X1= 83 1/3 , produk A diproduksi 83 1/3 unit. X2= 83 1/3 , produk B diproduksi 83 1/3 unit. X3= 50 , bahan baku pertama dipakai 50 dari dalam proses produksi. X4= 0 , bahan baku kedua habis dipakai dalam proses produksi.

Contoh Soal: Perusahaan industri PT MULIA menghasilkan dua jenis produk yaitu P1 dan P2 masing-masing memerlukan dua macam bahan baku, A dan B. Harga jual tiap satuan P1 sebesar Rp 150,- dan P2 sebesar Rp 100,-. Bahan baku A yang tersedia sebanyak 600 satuan dan B 1.000 satuan. Satu satuan P1memerlukan satu satuan A dan dua satuan B, sedangkan satuan P2 memerlukan satu satuan A dan satu satuan 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

Masalahnya adalah menentukan alokasi bahan A dan B sebanyak mungkin, atau dengan kata lain dengan menentukan jumlah produksi P1 dan P2 Sehingga mencapai tujuan perusahaan yaitu meraih keuntungan semaksimal mungkin. Meskipun Tabel Diatas sudah menggambarkan situasi Produksi dalam masalah yang dihadapai akan tetapi penentuan jumlah produksi P1 dan P2 masih sulit. Oleh itu kita akan menerjemahkan masalah ini kedalam model matematika dengan rumusan yang sederhana Sehingga mudah dicari penyelesaianya. Misalkan Jumlah Produk jenis produk P1 dan P2 adalah penjualan satuan X1 dan X2 satuan. 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. Karena untuk menghasilkan satu satuan P1 diperlukan satu satuan bahan A dan dua satuan bahan B, maka untuk sejumlah X1 satuan jenis P1 diperlukan sejumlah X1 satuan bahan A dan sejumlah 2x1 satuan bahan B. Dengan cara yang sama untik menghasilkan sejumlah X2 satuan jenis P2 diperlukan sejumlah X2 satuan bahan A dan sejumlah X2 satuan bahan B. Dengan demikian jumlah bahan A yang diperlukan untuk menghasilkan sejumlah X1 satuan P1 dan sejumlah X2 satuan P2 adalah (X1 + X2) satuan. Bahan B yang diperlukan ialah (2x2 + x2) satuan. Karena bahan A dan bahan B masing-masing hanya tersedia 600 dan 1000 satuan, 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 - 600 2x2 + x2 - 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, 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.

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

METODE TRANSPORTASI
Metode transportasi merupakan metode yang digunakan untuk mengaturdistribusi dari sumber-sumber yang menyediakan produk, ketempat yang membutuhkan secara optimal. Alokasi produk ini harus diatur sedemikaian rupa, karene terdapat perbedaan biaya-biaya alokasi dari suatu sumber ke suatu tempat tujuan yang berbeda-beda, dan dari suatu sumber ke suatu tempat yang berbedabeda juga. Metode Stepping Stone Contoh Soal : Suatu perusahaan mempunyai 3 buah pabrik di W,H dan P. Perusahaan mengalami masalah alokasi hasil produksinyake gudang-gudang penjualan di A,B dan C. Kapasitas pabrik , 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

Biaya tiap ton ( Dalam Ribuan Rp. ) 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

Prosedur Alokasi
Setelah data tersusun dalam tabel maka langkah selanjutnya adalah mengalokasikan produk dari pabrik-pabrik ke gudang-gudang. Pedoman yang digunakan adalah pedoman sudut barat laut, Mulai dari sudut kiri atas dari table : Alokasi tahap pertama dengan 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

Mengubah Alokasi Secara Trial Dan Error

Terlihat pada kokom gudang A , sel SH belum terisi,maka diciba untuk diisi satu satuan (ton). Tentu saja perlu memindahkan dari sel yang lain, misalnya dari WA agar jumlah gudang tetap 50. Disamping itu juga mempengaruhi sel WB dan HB.

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, bila jumlah alokasi yang dipindah lebih banyak maka penghematan tentunya akan lebih banyak juga.

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

27

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

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. Misalnya alan diisi sel WC maka sel yang lain yang ikut berubah dapat berupa sel WB, PB dan PC. Seperti pada table transport = 50 (5) + 40 (8) + 50 (15) + 10 (20) + 50 (10) = 2020. Demikian seterusnya diadakan perubahan , bila dengan peruhaban itu dapat mengurangi biaya. Sampai akhirnya diperoleh biaya transport yang terendah (optimal).

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

29

Perbaikan dengan alokasi sel yang berdekatan. 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

PENUTUP
Kesimpulan
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. Demikian kilasan tentang Riset operasi , 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

Daftar Pustaka

1.Bambang Yuwono, Bahan kuliah Riset Operasi,2007 2. Pangestu dkk, Dasar-Dasar Riset Operasi, BPFE, 1783, Yogyakarta 3. Hamdy Taha, Operation Research An Introduction, Edisi 4, Macmillan, New York 4. Aminnudin, Prinsip-Prinsip Riset Operasi, Erlangga, 2005

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018

32