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

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

9 x2 . Elemen pivot adalah 3.8 x1 .x2.Kendala : x1 + x2 + 2x3 ≤ 2 2x1 + 3x2 + 4x3 ≤ 3 7x1 + 6x2 + 2x3 ≤ 8 x1.x2. maka kolom X2 adalah kolom pivot dan X2 adalah variabel masuk. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 5 .s1 . 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. Rasio pembagian nilai kanan dengan kolom pivot terkecil adalah 1 bersesuaian dengan baris s2.x3 ≥ 0 Penyelesaian : Bentuk bakunya adalah : Maksimum z = 8 x1 + 9 x2 + 4x3 + 0s1 + 0s2 + 0s3 atau z .x3 . 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.

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). Semua nilai pada baris s2 pada tabel solusi awal dibagi dengan 3 (elemen pivot).

Pembulatan dapat menyebabkan iterasi lebih panjang atau bahkan tidak selesai karena ketidaktelitian dalam melakukan pembulatan. Selanjutnya kita periksa apakah tabel sudah optimal atau belum. khususnya jika angka yang digunakan adalah pecahan. 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. Pembulatan harus diperhatikan dengan baik. akan lebih teliti jika menggunakan bilangan pecahan. Karena nilai baris z di bawah variabel x1 masih negatif. Perhitungan iteratif dalam simpleks pada dasarnya merupakan pemeriksaan satu per satu titik-titik ekstrim layak pada daerah penyelesaian. Disarankan jangan menggunakan bentuk bilangan desimal. sehingga perhitungan iterasi dihentikan ! Perhitungan dalam simpleks menuntut ketelitian tinggi. maka tabel belum optimal. Pemeriksaan dimulai dari kondisi nol (dimana semua aktivitas/variabel keputusan Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 7 .Maka tabel iterasi 1 ditunjukkan tabel di bawah.

X2 ≥ 0 Carilah harga X1 dan X2 ? Jawab : Pada kasus ini kita akan menggunakan metode simplex M (BIG – M).S1 +A1 = 210 Baris 1 6x1 + 12x2 .5X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 8 .S2 +A2 = 180 Baris 2 4x2 .6x1 . hal ini dikarenakan pada kasus ini pertidk samaan pembatasnya menggunakan ≥ (lebih dari sama dengan). Untuk mengarahkan artifisial variabel menjadi nol. maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala.0S2 . Persamaan Tujuan : Z . Cara ini tidak dapat diterapkan pada kendala pertidaksamaan jenis ≥ dan kendala persamaan (=) persamaan diatas diperoleh karena tanda ≥ harus mengurangi variable surplus. Jika titik ekstrim berjumlah n. A2.bernilai nol).0S1 . kemungkinan terburuknya kita akan melakukan perhitungan iteratif sebanyak n kali.0S3 = 0 Baris 0 Persamaan Kendala : 7x1 + 3x2 .5X2 Dengan pembatas : 7X1 + 3X2 ≥ 210 6X1 + 12X2 ≥ 180 4X2 ≥ 120 X1. suatu biaya yang besar ditempatkan pada A1. Contoh soal : Persamaan matematis suatu program linier adalah sebagai berikut : Minimasi : Z = 6X1 + 7.S3 + A3 = 120 Baris 3 Bagi kendala pertidaksamaan jenis ≤.5X2 . dan A3 sehingga fungsi tujuannya menjadi : Z = 6x1 + 7.7.

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 . Hal ini dikarenakan seluruh NBV masih mempunyai koefisien yang berharga positif. Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 2 ½ x1 + x2 .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. Oleh karena itu Untuk x2 terpilih sebagai entry variable karena x2 memiliki nilai koefisien positif yang paling besar. Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling kecil. dan A3 menjadi Leaving Variable. dan A3 sebagai variable basis. A2.1/4 A2= 165 ERO 4 : Menjadikan nilai koefisien x2 berharga 0 pada baris 3 -2x1 + 1/3 S2 . seperti table berikut : Basis Z X1 13M-6 X2 19M7.15/24]A2 + MA3 + 112.5 ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 1 11 /2 x1 + ¼ S2 + A1 .1/3 A2 + A3 = 60 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 9 .Table simplex awal dibentuk dengan A1.S3 .

5 11 /2 x1 + ¼ S2 + A1 .1/4 A2 = 165 -2x1 + 1/3 S2 .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.S3 .5 = 30 * -2 ½ 1 /3 /3 -1 /12 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 10 .15/24]A2 + MA3 + 112.1/12 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 – 112.1/3 A2 + A3 = 60 ½ x1 + x2 .Konversi bentuk standard iterasi Pertama : Z = 9/4 x1 + 0S1 + 15/24 S2 + 0S3 + MA1 + [ M .

-. Sedangkan kendala perusahaan tersebut adalah terbatasnya waktu yang tersedia untuk pembuatan dan pengecatan. Untuk pembuatan 1 unit meja dia memerlukan 4 jam kerja. Namun untuk meraih keuntungan tersebut Krisna Furniture menghadapi kendala keterbatasan jam kerja. Keuntungan yang diperoleh dari satu unit meja adalah $7. Untuk pengecatan 1 unit meja dibutuhkan 2 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. dua variabel keputusan. dan untuk pengecatan 1 unit kursi dibutuhkan 1 jam kerja.. Berapa jumlah meja dan kursi yang sebaiknya diproduksi agar keuntungan perusahaan maksimum? Dari kasus di atas dapat diketahui bahwa tujuan perusahaan adalah memaksimumkan profit. Untuk pembuatan 1 unit kursi dia membutuhkan 3 jam kerja.METODE GRAFIK Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya terdapat tersebut.sedang keuntungan yang diperoleh dari satu unit kursi adalah $5. 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 . Contoh : Perusahaan Krisna Furniture yang akan membuat meja dan kursi.

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

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

300 . 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 . 100).2 X1 X2 = 100 .2 * 30 X2 = 100 .2 X1 X2 = 100 .60 X2 = 40 .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 (50.2 X1 = 240 .6 X1 = 240 .2 X1) = 240 4 X1 + 300 . 0) dan memotong sumbu X2 pada titik (0.2 X1 = .60 Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 14 -> X2 = 100 .

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

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

Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 17 .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.

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

10. Bila nilai-nilai parameternya probabilistik. Non negativity variable Nilai variabel keputusan haruslah tidak negatif ( ≥ 0) 4. untuk gula tersedia tersedia 250 dan tepung 200. maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala. maka untuk memproduksi 2 kursi dibutuhkan waktu 10 jam.000.000. 2.additif. misalnya untuk memproduksi 1 kursi dibutuhkan waktu 5 jam. kue nastar dan putrie salju.00 dan putrie salju Rp. hal ini dikarenakan pada kasus ini pertidaksamaan pembatasnya menggunakan ≤ (kurang dari sama dengan). kemudian untuk memproduksi 3 ons kue putrie salju diperlukan satu bagian gula dan 3 bagian tepung. maka harus digunakan formulasi pemrograman masalah stokastik.15. Divisibility Nilai variabel keputusan dapat berupa bilangan pecahan. aka harus digunakan metoda untuk integer programming. Contoh soal Ibu Angel membuat dua macam jenis. Bahan baku gula dan tepung untuk memproduksi 3 ons kue nastar diperlukan 2 bagian gula dan 4 bagian tepung. 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 . Apabila diinginkan solusi berupa bilangan bulat (integer). 3.00? Jawab: Pada kasus ini saya akan menggunakan metode linier Programing. Certainty Semua konstanta (parameter) diasumsikan mempunyai nilai yang pasti. 1 ons kue nastar dihargai Rp. Bagi kendala pertidaksamaan jenis ≤.

X3 = X4 = 0 2X1 + X2= 250. X1= 200 125-1/2X2 + 2X2= 200 125 + 3/2X2= 200 3/2X2= 200 .000 4. X1 = X4 = 0 2X2 = 200.500. 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 . X4 = 200 Z1=10000(0)+15000(0)+250(0)+200(0)= 0 2. X1 = X2 = 0 X3 = 250. 2(250) + X4 = 200 500 + X4 = 200 X4 = -300 Z2 ≠ (tidak dihitung) 3. 200 + X3= 250 X3= 50 Z3=10000(0) + 15000(100) + 0(50) + 0(0) =1. X1 = X3 = 0 X2= 250 2x2 + X4= 200. X1 = 125 4X1 + X4 = 200 4(125) + X4 = 200 500 + X4 = 200 X4= -300 Z4 ≠ (tidak dihitung) 6.125 3/2X2= 125 X2= 125 . X2= 100 X2 + X3= 250. X2 = X3 = 0 2X1 = 250.1. 2/3 = 83 1/3 X1= ½ (250=83 1/3) = ½ (166 2/3) = 83 1/3 ½ (250-X2 + 2X2= 5.

X3= 50 . Bahan baku A yang tersedia sebanyak 600 satuan dan B 1.-. Contoh Soal: Perusahaan industri PT MULIA menghasilkan dua jenis produk yaitu P1 dan P2 masing-masing memerlukan dua macam bahan baku. produk B diproduksi 83 1/3 unit. 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 .dan P2 sebesar Rp 100.500. produk A diproduksi 83 1/3 unit. X2= 83 1/3 . Satu satuan P1memerlukan satu satuan A dan dua satuan B.000 dengan kesimpulan: X1= 83 1/3 . Harga jual tiap satuan P1 sebesar Rp 150. A dan B.. bahan baku kedua habis dipakai dalam proses produksi. sedangkan satuan P2 memerlukan satu satuan A dan satu satuan B. X4= 0 .KESIMPULAN: Jadi diantara pemecahan fisibel ada satu nilai Z yang terbesar aitu Z6= 1. bahan baku pertama dipakai 50 dari dalam proses produksi.000 satuan.

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

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. yaitu : F = 150 x1 + 100 x2 G = X1 + X2 . 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 .Kalau semua keterangan ini dikumpulkan. maka akan sampai kepada satu bentuk model matematika yang menggambarkan masalah produksi yang sedang dihadapi PT MULIA.

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

) 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.

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. Pedoman yang digunakan adalah pedoman sudut barat laut. Mulai dari sudut kiri atas dari table : Alokasi tahap pertama dengan pedoman sudut barat laut.

misalnya dari WA agar jumlah gudang tetap 50. Tentu saja perlu memindahkan dari sel yang lain.maka diciba untuk diisi satu satuan (ton). bila jumlah alokasi yang dipindah lebih banyak maka penghematan tentunya akan lebih banyak juga. 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. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 27 . Berdasarkan kenyataan ini. Disamping itu juga mempengaruhi sel WB dan HB. sel SH belum terisi.Mengubah Alokasi Secara Trial Dan Error Terlihat pada kokom gudang A .

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 .

Sampai akhirnya diperoleh biaya transport yang terendah (optimal).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. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 29 . bila dengan peruhaban itu dapat mengurangi biaya. PB dan PC. Seperti pada table transport = 50 (5) + 40 (8) + 50 (15) + 10 (20) + 50 (10) = 2020. Demikian seterusnya diadakan perubahan .

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.sosial maupun bidang lainya dalam pemodelan matematis untuk mendapatkan solusi yang optimal. Rangkuman Riset Operasi oleh Feri Tulistiyono (UNSIQ) NIM 8209018 31 . 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.ekonomi.

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

Sign up to vote on this title
UsefulNot useful