t i OPERATIONS RESEARCH ( RISET OPERASI ) Bab. |. PENDAHULUAN Operations Research (OR) atau rset operasi merupakan sebutan daripade sekslompok-teknik-teknik pengambiian keputusan kuentitaif atau mathematis , baik dibidang pemerintahan maupun bisnis dan milter terulame dalam dunia mangjemen inodern. Riset operas! sebagai perelatan mangjemen yang menyatuken ilmu pengetahuan, matematika den logika dalam kerangka Pemecahan masalat-masalah yang dihadepi, sehingga akhimya permasalahan tersebut dapat dipecahken sscaia optimal. Operations Research (USA) atau Operational Research (Inggeris) lahir di Inggeris sewakty Perang Dunia ke-Il, yakni dalam perhitungen-perhitungan serta pengambilan keputusan dalam ‘operasi penangkisan serangan udara Jerman dengan jumiah pesawet yang terbatas, Jadi mereka harus mengelar efssiensi: yang selinggi-ingginya dalam Penggunaannya. Maka lahirah teknik pengambilan keputusan operations esearch yeng sudan agak luas tersebar sekarang di negara-negara yeng sudeh maj, ‘Secara sederhana OR itu dapet dirumusken sebagai suatu penelian yang seksama dan sistematis daripada operasi-operasi dengan tujuan menemukan jalanjalan untuk meningkatkan hasiinya atau efektivitasnya, Rise! operasi berkenaan dengan pengambilan keputusan optimal , dan penyusunan model , sistem-sistem beik deterministik maupun probabilstik yang berasal dar} kehidupan nyata, Operasi adelah setiap rangkaian aktivitas-aktivitas (ection) yong siatnya repeti, setiap kali berakhir dengan dihasilkannya sesuatu (barang, jasa ) yang dapat dipekei (usable atau salable) dalam rangka mengejar tercapainya suatu tujuan (ebjective) yang menyangkut penggunaan manusia den mesin-mesin. ‘Seorang ‘pengembil keputusan yang hendsk mempergunakan Operational Research harus yakin, bahwa metode iimiah dapat dipergunakan terhadap perasi yang dia pimpin, yang dia manage. Tujuannya adalzh membantu pengambil keputusen menentukan kebijeksanaan dan tindakennya secara iimiah. Dalam arti iuas juga operationas research dapat diarixan sebagai penerapan metode-metode, tekrik-leknik dan _alat-alat terhadap mesalah-masalah yang menyangkut’ operasi-operasi dari sistem- sistem, sedemikian rupa schingga memberikan penyelesaian optimal. MODEL DALAM OPERATIONS RESEARCH (OR) Model adalah abstrakst atau penyederhanaan realitas sistem yang kompleks mana hanya komponen-komponen yang relevan atau fektor-faktor yang dominan deri maselah yang dianellsis diikutsertakan, la menunjukkan hubungan- hubungan dari aksi dan reaksi dalam pengertian sebab dan akibat. Salah satu alasan pembentukan model adalah untuk menemukan variabel-variabel apayang penting atau menonjol. Penemuan variabel-variabel yang penting ity berkaitan erat dengan penyelidikan hubungen yang ada ciantara variabel- Vanabel itu. Toknik-teknik kuantitatif seperti statistik dan simulasi digunakan Untuk misnyelidiki hubungan yang ada diantera banyak variabel delm sustu model, Model dapat diklesifkasikan dalam banyak cara, misalnya menurut jenisnya, Gimensinya, fungsinye, subjeknya, atau derajad abstreksinya, Kriteria yang paling biasa adalah Jenis model. Jenis dasar itu meliputi : iconic (physical), analogue (diagramatic) dan symbole (mathematical) Mode! iconic (Ikonik) adalah suatu penyajian fsik yang tampak seperti estinya deri sistem nyata dengan skala yang berbeda, Conioh : meinan anak-anak, potret, histogram, maket dan laindain. Model iconic mudah untuk mengamat, membangun dan menjelaskan, tetapi sult untuk memanipulasi dan tak berguna untuk tujuan peramalan, Biasanya mode! ini menunjukkar-perista statik, ‘Model analogue (Analog)/diagramatis. lebih abstrak dibanding model ikonik, Karena tak kelihatar sama antara model dengan sistem nyata, Contoh : jaringan, Pipa tempat air mengalir dapat digunaken dengan pengertian yang sama sebagai distribust aliran listrik. Peta dengan macam-macam warna merupakan model analog dimana perbedaan warna menunjukkan perbedaan cir, Kura permintaan, kurva frekuensi adalah contoh isin model analog dari tingkah leku peristiva-peristiwe. Model analog lebih mudah dimanipilas, dan dapat ‘menunjukkon situasi dinamik, lodel Simbolik (matematik) adalan model yang sifatnya plaing abstrak. Model i menggunakan seperangkat simbol matematik untuk menunjukkan komponen- komponen ( dan hubungan antar mereka) dari sistem nyata. Namun, sistem nyata tidak selalu dapet diekspresikan dalam rumusan matematik, ‘Model ini dapat dioedakan menjadi dua, yaitu deterministik dan’ probabilisti Model deterministik dibentuk dalam situasi penuh kepastian (certainty). Jadi, sistem yang rumit dapat dimodel dan dianalisa jika dapat diasumsikan bahwa ‘semua Komponen sistem itu dapat diketahui dengan pasti. Model probe meliputi kesus-kasus dimana diasumsikan ketidakpastian (uncertainty) ‘Umumnya mode! ini lebih sulit untuk dianalisa,” Mode! Simulasi adaieh model yang meniru tingkah taku sistem dengan ‘mempelajari interaks! komponer-komponennya. Pembentukan model adalah esensi dari perdekatan operations research, karena solusi dari pendekatan ini tergantung pada ketepatan model yang dibuat.‘TAHAP-TAHAP DALAM OPERATIOS RESEARCH Pola dasar penerapan UR tethadep suatu masalah dapat cipisahkan menjadi baberapa tahap. 41. Merumuskan masalah alam perumusan masalah ini ada tiga pertanyaen penting yang harus dijawab: @. Variabe! keputusan yaitu unsur-unsur delam persoalan yang dapat dikendalikan oleh pengambil Keputusen. Sering juga disebut sebagai instrumen, b. Tyjuan (objective). Penetapen tujuen membantu pengambil keputusan memusatkan...perhatian pada-persoalan dan--pengaruhnye'-terhadap ‘organisasi, Tujuan ini diekspresikan dalam variabel keputusan, © Kendala (contraints) adalah pembatas-pembatas terhadup alternatif tindakan yang tersedi : 2. Pembentukan Model ‘Model, merupakan ekepresi kuantitetif dari tuluan den kendala-kendala ersoaian delam variabel keputusan. Jika model yang dihasilkan cocok dengan salah satu mode! matematik’ yang biesa (.misalnya linier), maka solusinya dapat dengan mudah diperoleh dengan program linier. Jka hubungan matematik model begitu rumit untuk penerapen solusi analiik, maka sualu model probabilita munakin lebih cocok. Beberapa kasus ‘membutuhkan penggunaan kombinasi model matematik can probabiftas. 3. Mencari penyelesaian masalah Pada tehap ini bermacam-macam teknik dan metode solusi kuantitaif yang ‘merupakan bagian utama dari OR memasuki proses. Penyelesaian masalah sesungguhnya merupakan aplikasi satu atau lebin texnik-tokrik ini terhadap model. “Disamping solusi model, periu juga mendapat informasi tambahan mengenai tingkeh laku solusi yang biasanya dinamekan sebagei Analisis Senitivitas. 4. Validasi model ‘Suatu metode yang biasa digunaken untuk menguji valicites model adaiah membancingken performance-nya dengan dale masa lalu yang tersedia, Model cikatakan valid jika dengan kondisi input yang serupa, ia dapat menghasikkan kembali performance seperti masa lampau. 5. Penerapan hasil aknir ‘Tahep terakhir edaleh menupakan hasil modal yang telah divj.‘METODE-METODE UMUM MENCARI SOLUSI Pada umumnya terdapat tiga metode untuk mencari solusi terhadap model OR yaitu metode anailtk, metode numerik dan metode Monte Carlo, Yang fertama bersitet deduklif dan yang kedva bersifat indukti. Metode analitik , momerlukan perwujudan model dengan solusi grafik atau dengan perhitungan nmatematik, Metode numerik, berhubungan dengan perulangan atau cobe-coba deri Prosedur kesalahan-kesalahan, melalui penggunaan perhitungan numerik pada Setiap fahap. Metode numerik digunakan jika beberapa metode analitk gagal Untuk menecari solusi, Urutannya dimulai dengan solusi awal {intial solution), dan diteruskan dengan seprangkat aturan-aturan untuk perbaiken menuju optimum, Solusi awal kemudian diganti dengan solusi yang diperbaiki dan proses itu diulang sampai tidak mungkin adanya perbaikan legi atau biaya perhitungan lebih lanjut tak dapat diterima, Metode Monte Carlo, memeriukan penggunaan konsep probabililas den ‘sampling. Metode ini pada dasarnya adalah suatu teknik simulasi Bab. ll. PROGRAM LINIER PENGANTAR Program linier (Linear Programming, disingkat LP) merupakan selah satu tekrik OR yang diguniakan paling Iuas dan ciketahui dengan baik. Merupakan metode ‘matematik dalam mengalokasikan sumber daya yang langka untuk mencapal {ujuan seperti memaksimumkan keuntungan atau meminimumkan biaya. LP berkaiten dengan penjelasan suatu dunia nyata sebagai suatu modal matomatik yang ferdii atas sebuah fungsi tujuan linier dan sisters kendala inier. Siat “inier Derarti bahwa seluruh fungsi matematis dalam model ini merupakan fungs'linier, sedangkan kata" programa” merupakan sinonim untuk perencnaan, Dengan demikian programe linier (LP) adalah perencanaan aktivtes-altivitas untuk memperoleh suatu hasil yang optimum, yaitu suatu hasil yang mencapal tujuan {erbaik di antara seluruh altemnatif yang fisibe FORMULAS! METODE LP Masaizh keputusan yang sering dihadapi analis adalah elokasi oplimum sumber daya yang langka, Surber ‘aya dspat berupa wang, tenaga kerja, bahan ‘mentah, kapasitas mesin, waktu, rvangan atau teknologi, Tugas arialls adalah ‘mencapai hasil terbaik yang mungkin dengan keterbatasan sumber daya itu. Hasil yang dinginkan mungkin ditunjukkan sebagai maksimisasi dari beberapaukuran seperti profit, penjualan dan kessjahteraan, atau minimisasi seperti pada biaya, waktu dan jarak. f Setelah masalah diidentifikasikan, tujuan ditetapkan, langkah selanjutnya adalah formulasi mode! matematik yang meliputi tiga tahap seperti berkut: 1. tentukan variabel yang tak ciketahui ( variabel keputusan) dan nyetakan dalam simbol matematik 2, membentuk fungsi tujuan yang ditunjukken sebagai suaty hubungan linier (oukan perkalizn) dari variabel keputusan 3. menentukan semua kendala masalah tersebut dan mengekspresikan dalam Persamaan dan pertidaksamaan yang juga merusakan hubungan linier dari varibel keputusan yang mencerminian keterbatasan sumber daya masalah, BENTUK UMUM/ Standar MODEL LP Pada setiap masalah, ditentukan variabel keputusan, fungs! tujuan, den sistem kendala, yang bersama-sama membentuk suatu model matematik dari dunia nyata ‘Maksimumkan (minimumkan) Z = o4Xs + 02X2 + 03X94 oat Xn dengan syerat : ay xf <=, =, >=) by, untuk semua 7( 7= 1,2...) semua X>= 0 Keterangan : X) ¢ banyakaya kegiaten j, dimana j= 1,2.....n, berart di sini terdapat n variebel keputusan 2 nfl fungsitujuan 4: sumbangan per unit kegiatan j, untuk masalah maksimisasi oj menunjukkan keuntungan atau penerimaan per unit, sementara dalam kasus minimisas ia menunjukkan biaya per unit. by: jumiah sumberdaya / yang cikonsumsi sumber daya j ‘ay :banyaknya sumber daya / yang dikonsumsi sumberdaya j Ingat behwa tanda pertidaksamaan tidak perlu sama untuk setiap kendala S| Penggunaan sumber/ unit | Banyaknya somber ee eee | yang dapat Sumber digunaken 1 Jan a@a Bin by 2 Bet Bn an be 3 Bao an | bsASUMSI MODEL LP : 1, Linlerity dan Additivity Syarat utama LP adalah bahwa fungs! tujuan dan semua kendala harus tinier. Dalam diagram dimensi dua ia akan berupa suatu garis (urus, Kata linier secara fidak langsung mengatakan behwa hubungannya proporsionel yéng berarti bahwa tingket perubahan atau Kemiringan hubungan fungsional itu adalah konstan dan karena itu perubahan nilai variabel akan mengakibatkan perubahan relatif nileifngsi dalam jumiah yang sama: LP juga mensyaratkan bahwa jumiah variabel Kriteria den jumieh penggunaan sumberdaya harus bersifat additif. Contoh, Keuntungen fotel Z, yang akan merupakan variabel Kriteria, sama dengan jumiah keuntungan yang diperoieh Gari masing-masing kegiatan, cy. 2. Divisibility Asumsi ini berarti bahwa nilai solusi yang diperoleh, Xj, tidek harus berupa bilangan bulat. Karbiia itu variabel Keputusan merupaken variabel Kontinyu, sebagai lawan dari variabel diskrit atau bulat. 3. Daterminis lam LP, semua parameter model (‘cay dan bi.) diaumsiken diketehui konftan. LP secera tidak langsung mengasumsikan suatu masalah keputusan dalam suatu Kerangka statis di mana semua paremeter dikelahui dengan _ kepastian. Deiam kenyetzannya, parameter model jarang bersifat deterministk, Karena mereka mencerminkan kondisi masa depen maupun sekarang, dan keadaan masa depan jarang dixetahui dengan past. Untuk mengatasi ketidakpastian dipakai analisis sensitivitas yatu suatu teknik yang dikembangkan Untuk menguji nilai solusi, bageimana kepekaannya terhadap perubahan- perubahan parameter. PENYELESAIAN GRAFIK MODEL LP Masalah LP dapat dilustrasikan dan cipecahkan secara grafik jike ia hanya momilki dua variabel keputusan. Meski masalah-masalah dengen dua variabei jarang terjadi dalam dunia nyata, penafsiran geometris dati metode grafis ini sangat bermanteat. Contoh.: Suatu perusahaan menghasilkan dua barang, meja dan kursi. Harga masing-masing barang dan kebutuhan sumber daya terlinat pada tabel berikut:Tabel 4: ‘Sumber [Meja | Kursi | Surfber daye yg] ° gaya tersedia Bahan 7 2 0 mentah Buch é a | Harga 4 | 5 per unit Cisamping itu, menurut ramalan bagian penjualan, permintaan meja tidek akan melebihi 4 unit. Masalah untuk memaksimalkan penerimaan dirumuskan menjadi: Variabel keputusan: Xt Xe = jumleh kursi Fungsitujuan —: Meksimum 2= 4X: + 5x2 Fungsi kendale (dengan syarat) : 1) X; + 2X, 2) 6X, + 6X2 <= 36 3)Xi<= 4 4) Xi, Xar=0 Model ini cisajikan dengan grafik pada Gamber 1. Untuk menggambarken ketiga kendala pertidaksamean, perlu memperlakuken masing-masing sebagai suatu petstmaan, Caranya ‘mengagambarkan persamean garis adalah dengan enetapkan salah satu variabol dalam suatu persamaan sama dengan nol dan kémudian mencari nilei variabet jain Suatu daerah yang secara ‘bersemaan ‘memetithi ketiga Kendela ditunjukkan oleh area yang ders, yaitu area ABCDE, ‘Wilayai ini disebut solusi layak eteu ruang solus! ( feasible solution or solution space). Sedangkan pasangan (X;,X2) diluar area buken merupekan solusi layek, arena menyimpang dari satu atau lebih kendela, misainya titk R dan S adalah solusi layak, sementara P dan Q bukan solusi layak. 2 «6 6 0% Oe 8 10%,Dari ruang solusi ABCDE, yang berisi semua solusi layak terhadap masalch harus ditentukan tik (X,%2) yang memberikan nilai paling baik terhadap fungsi ‘ujuan, Dalam kasus ini tujuannya adalah meksimises! profit. 10 Z=20 Z,~28°2,~28 = 40 Untuk mencari solus! optimum yang memaksimumkan profit Z, fungsi tuluannya hrarus juga digambarkan, Namun Z bukanlah suetu persamaan dart suetu garus lurus tunggal, tetepi merupaken keluarga garis lurus dengen bermacam-macam nilai Z. Misalken dimulai dari tik Z=0, kemudian Z>=10, 25 = 20, ZZs dst. Jka terus bergerak menjauhi titk esal nilai Z makin besar. Karena Zy>Z>Zs>Z>>Z1, maka jolas bahwa Z; Sukan nilai Z yang terbeik, Karena fungsi tujuan dapat terjadi paca nilai yang ‘ebih besar. Namun Zs. bukan eptimai karena garis itu tidak mengandung (X;.%2) yang memenuhi kendala kendala maselah. Zi = 28 memilki sebuah tiik B(2,4) yang berade datam ruang solusi dan lebih besar daripada semua nilai Z lain yang masih memenuhi. Sehingge nilei Z maksimum terjadi pada ftk B. Karena ‘solus! optimum terletak pada svatu titk pojok yang merupakan Petpotongan dari dua kendala, rilai X: dan Xz dapat dicari melalui penyelesaian dau persamaan kendaia ini secara serentak. , sehingga Xi= 2 dan Xe = 4, bila dimasikken ke fungsi tujuan diperoleh 2=28, Solusi mesalah minimum dapat dicari dengan cara sama seperti di alas, yaltu Pada tik delam ruang solusi yang paling dekat dengan titik asal yang disentuh leh fungsi tujuan Ini berarti beriawanan dengan mesalah maksimisasi dimana biasanya solusi optimal Biasanya bereda paling jauh dari tik asal yang disentuh leh fungsi tujuan.KASUS KHUSUS MODEL LP @. Solus? optimum berganda, akan terjeti dalam suatu snasalah LP jka fungsi tujuan terietak pada lebih dari satu titik optimum. Situas ini terjaci Jikal kemiringan fungst tujuan dan salah satu persamaen kendala adalah sama b. Mesalah Tak layak, artinya tidak ada titk-ttik yang secara serentak ‘memenuhi semua kendala dalam masalah itu, ©. Masolah Tak Terbatas, menghasilkan nilai fungsi tujuan yang dapat meningkat tanpa batas, maka jeles behwa masalch ini tidak realists. Ruang solusi tidak dibatasi dalam suatu batas yang tertutup. Bab ill. METODE SIMPLEKS u Krona Kesultan menggamberkan grafkbersimensi banyak, maka penyslesaian malasah LP yang melibatkan lebin dua varisbel menjadi tak prattis atau tidak ‘mungkin. Untuk itu dipergunakan metode umum yang disebut,elgoriima Simplex yang cirancang untuk menyelesaikan seluruh masalah LP baik mellbatken dua variabel maupun lebih cua variabel. Metode simpleks pertama Keli diperkenalkan Dantzig tahun 1947. Metode ini diiakukan dengan perhitungan-uiang (iteration) di mana langkab-iangkeh x perhitungan yang sama diulang berkal-kali sebelum solusi optimum dicapai. 7 ~ Metode simpleks merupakan prosedur aljaber yang bersiatiteratif yang bergerak ‘solangkah demi selanakeh. cimulai dari suatu fit ekstrim pada daeran Tobe | (varg sokisi) menuju ke ttk ekstrim yang optimum. BENTUK BAKU MODEL LP Dalam menggunsken metode simpleks, model LP harus dirubah kedalam suatu : bentuk umum yang dinamakan “bentuk baku" (standar form). Cir-cii dari bentuk aku model LP adalah Yv 2. semua kendala berupa persamaan dengan sisi Kanan norinegatif, \ b. semua varibel nonnegalif 2) ‘© fungsi tuuan dapat maksimum maupiun minimum, - Selanjutnya ikuti contoh berikut ini dalam melakukan ‘ransformasi ke bentuk Baku: i dala i 1) Suatu Kendala jenis.<= (>=) dapat diuteh menjadi persamaen dengan menambshkan suatu variabel slack ke (mengurangkan suatu variabel surpus J dari sisi kiri kendala, Contoh :Kendala _X: + Xe <= 18 citambahkan suatu stack S; >= pada sisi kit untuk mendapetkan persamaan X; + Xz + S; = 15, Jika kendala kendala | menunjukken keterbatasan penggunaan suatu sumber aya, S; akan Menunjukkan slack atau jumlah sumberdaya yang tak digunakan. Pada kendala 3% + 2X2 — 3X >= 5, dikurangkan suatu varigbel surplus $2 >= 0 pada sis! Kir ‘untuk memperolsh persamaan 3X, + 2Xq~ 3X3 - Se = 5.2) Sisi kanan suatu persamaan: dapat selalu dibuat nonnegatif dengan mengalken kedua sisidengan —1 : Contoh : -5X; + Xe = -25 adelah ekuivelen secara matematis dengan SXs — Xz =25 f é : 3) Arah pertidaksamaan dibalik ka kedua sisi dikalikan b. Variabel Sebagian atau semua variabel dikatakan unrestricted jike mereka dapat merits nilai negatif maupun positf. Variabel unrestricted dapat diekspresikan dalam dua variabel nonnegatif dengan menggunakan substitusi. X= Xj-X’, dimana X/= variabel unrestricted dan X/ , X" >= 0 ¢. Fungsi tujuan Weskipun model LP dapat berjenis maksimisasi meupun minimisasi, torkadang bermanfaat untuk mengubah’salah satu bentuk ke bentuk lain. Maksimisasi dari ‘suatu fungsi edaleh ekuivalen dengan minimisasi dari negetf fungsi yang sema dan sebaliknya. : Contoh: Maks, Z= SOX; + 80X2 + 60Xs, ekuivelen secara matematk dengan Min, (Z) = ~50X; ~80X2- 60%. Ekuivalen berarti bahwa untuk seperangket kendsla yang sama, nilal optimum X,, Xo, dan Xs, dan adalah sama pada kedua kasus. Perbedeennya hanya pada nila fungs! tujuan, meski besar angka sama, tetepi tandanya berlawanan Contoh : Ubahlah model LP berikut ke delam bentuk baku Maks. Z= 9X: + 18% \ Dengan syarat : 6X; + OXe<= 18 \ 2X; + 2X2 <= 16 \ Xe unresticted, Xe >= 0 | Bentuk bakunya adaleh : ‘Maks. Z = 9X;'— 9X" + 18Xe +051 + 082 ag Dengan syarat : 6X1’ 6X" + 3X +S; : 2K =~ 24S: X ry X7 Xa, Si, SP* METODE DAN TABEL SIMPLEKS f a a LP dengan grafik, telah dinyatakan bahwa solusi optimum selalu terletak pada {ilk pojok ruang solusi. Metode simpleks diddasarkan pada gagesan ini dengan langkah-angkah sbb. ‘a. cimulai pada suatu titk pojok yang layak, biesanya tk asel ( disebut solusi awal) b. bergerak dari Satu titi pojok layak le titk pojol: fein yang berdeketan. Pergeraken ini akan menghasilkan nial fungsi tyjuan yang lebih balk. ike solusi yang lebin baik telah diperoleh, prosedur simpleks dengan { v 4 \ a V 7sencirinya akan menghilangkan semua solusi-solusi lzin yang Kurang baik. cc. Proses ini diulang-ulang sampat solusi yang lebin balk tek dapat diemuken. Proses simpleks kemudian berhenti dan solusi optimum diperoteh: Mengubah bentuk baku LP ke dalam bentuk tabel akan memudahkan proses pethitungan simpieks. Langkah-langkah perhitungan dalam algoritma simpelks adalah 2. berdasarkan bentuk baku, temukan solusi awal (inital basic feasible solution) dengan menetapkan n-m variabel nonbasis sama dengan nol. Di mana n jumiah variabel dan m banyaknya kendala. ', Pilih sebuah entering varabel di antara yang sedang menjadi variabel rnonbesis, yang jika dinaikkan = 0 \ Bentuk baku model LP itu adalah : Z= -8Ky = 2Xe OS; — 082+ 082 = 0 _| Xr + Xet S1= 15 2K + Ket So= 28 Xs + 2Xe+ Sy= 20 Denigen menetapxan Xx = 0 dar: Xe = 0 , dperoleh Sy = 15, Sa= 28 dan S3= 20 Titk” ini merupakan solusi awal. Pada saat ini rilei Z. sama dengan -nol ‘Selanjutnya dirangkum dalam bentuk tabel simpeks awl | i Tabel Simpleks awal = Ba: Xt SSS; Soul Z 32 000 3 Sr AE aca eo ORE: & 2 tf o 1 0 2 7 S. yisisey lessee sed Bese ssteeer Kepan solusi telah optimum ? dengan memeriksa persamzan Z terlhat variabel nonbasis yaitu X; dan Xe, keduanya memiliki Koefisien negatt, yeng-berarti mempunyai koefisien positf pada fungst tujuan asaya,Karena tujuan’ adalh maksimisasi, maka nilai Z dapat diperbelki dengan meningkatkan X; atau Xe menjadi lebih besar dari pada nol. ‘Optimality conditions metode simpleks menyatakan bahwa dolam kasus maksimisesi, jka semua variabel non basis memiiki kcafisien nonnegati dalam persamaan Z, maka solusi telah optimum. Jika tidak, veriebel non basis dengan koofisien negatifterbesar dipiii sebagai entering variabel Penerapan optimality conditions pada tabel simpleks aval, menyarankan mem X; sebagai entering variabel. Kemudian feaving variabe/ harus salah satu dari variabel basis S;, Sz, atau $3. Penentuen leaving variabel dilakukan dengan menggunakan feasibly condition yang menyatakan bahwa untuk masalah meksimisasi maupun minimisasi, leaving variabel adaish basis yang memiiki rasio terkecil antara sisi kanen persamaan kendala dengan koefisien bersangkuten yeng positip pada entering variabel. + Rasio yang didefinisikan di atas dan leaving veriabel'dapat citentukan langsung dari tebe! simpleks. Portama coret “semua elemen nol atau negatit pada persamaan kendela entering variabel, Kemudien tidek termasuk persamaan ‘ujuan buat rasio antara sisi Kanan persamean dengan elemen yang tak dicoret dibaivah entering veriabel. Leaving variabel adalah basis yang memilki rasio terkecil. Kolom pada entering veriabel dinamakan entering column dan baris yang bethubungan dengan leaving veriabel dinamékan pivot eguition, Elemen pada perpotongan entering colin dari pivot equition dinamakan pivot element, Dalam tabe!, pivot element dtunjukkan dengan tanda kurung, Basis % SSS Solus Ras \ Zz 3200 O 1 Si {1 7 0 0 18 A | J Se @ 1 0 + oF. 2a Ss 4 2 0 o 4 2 Zon Peshitungan selanjuinya (new basic solution) ditentukan dengan menerapkan metode Gauss Jordan melalul dia nis perhitungan: . jeris 4 ( persamaan pivol) slomen perssmaan lemon pereamasn piv abel ima plottabelbew = Semen BG b. jenis 2 (semua persamaan yang lain termasuk 2) sletion poramasn —elemonpersamaanalamon_cleman persamzen = ={ ecieing x pivot abel baru {abel baru tabel fama coun / Perhitungen jenis 1 menbuet pivot element sama dengan 1 pada pivot equition yang berv, sementera jens 2 membuat koefisien yang lain pada entering column sama dengan noi, Tabel solusi baru yang diperbaiki dibuat dengan melakukan perhitungan jenis 2 sbb.:Tabel Simpleks tterasi Pertama Basis % % S_ & Solusi__Rasio q Zz O-t2_0. 3/2042 7 St 0 (ay 1-12 0 1 2 X 1 i2 0 120 1% 28 \ Ss o 32 0 21 6 4 J Berdasarkan Tabel di atas, optimality condidtion memilth Xz sebagai entering variabel karena koifsien pada persamaan Z sebesar ~1/2. Feasibily condition ‘menunjukkan bahwa St sebagal leaving variabel karona memilki rasio terkecil yaitu 2, sehingga memperbaikl nilai fungsi tujuan sebesar 2x1/2 = 4. Dengan operas! Gauss Jordan diperofeh tabel baru berikut in. ‘Yebel Simpleks Optimum Basis, Xe Si ‘Sousi Es ‘\ Zz 0011043 v % oa 27a oe x Efeseier erste’: Poea Breet Teste J Ss oo 3 47 1 3 Solus! baru memberikan X; =13 dan Xz =2 dan nilal Z naik dari 42 menjadi 43. Tabel di atas adalah optimal Karena tidak ada variabel nonbasis yang memiliki koefision negatif pada persamaan Z. Ini merupakan pethitungan metode simpleks lengkap. Pada masaiah minimicasi, optimality condition berubah, dimana entering variabel Gipitin deri variabel yang memiliki koofisien positip terbesar pada persamaen Z. Feasibility condition aalah sama untuk kedua masaleh. BAB IY . MODEL TRANSPORTASI : Masalah transportasi berhubungan dengan disiribusi suatu produk tunggal dari beberapa sumber, dengan penawaran terbetas, menuju beberapa tujuan, ‘dengan permintaan tertentu, pada biaya transpor minimum. Cir-ciri khusus masalah transportasi adalah : 1, terdapat sejumlah sumber dan sejumiah tujuan tertentu 2. kuantitas komoditas atau barang yeng didisiribusikan dari setiap sumber dan yang diminta oleh setiap tujuan, besamnya tertentu, 3, komoditas yang dikirm atau diangkut dari suatu sumber ke suatu tujuan, besamya sesual dengan permintean dan atau Kapasites sumber 4. ongkos pengangkutan komoditas dari suatu sumber ke suatu tujuan, besarnya: tertentu \ \, hY/ J V J2. Masalah Transportasi yang seimbang Untuk menjelasken masalah transportesi, svatu contoh disajkan , dimana jumiah supply dari semua summber sama dengan jumiah permintaan pada semua ‘tempat tujuan. Maselah jens ini dinamakan meselah trensportesi seimbang. ‘Sebuah perusahaan negera berkepentingan mengangkut pupuk dari tige_pabrik ke tiga pasar. Kapasitas supply ketiga pabrik, permintaan pada ketiga pasar dan biaya transpor per unit adaiah sti. Pasari __[Pasar2 | Pasar3 | Penawaran | Pabrik 1 8 5 6 120 2 15 10 lie 80 t 5 3 [3 9 40 80. | Permintaan | 150 70 60 280 i Mesalah transportasi ini dapat dirumuskan sebagai masalah LP seperti berikut: Misalkan Xj: banyeknya unit barang yang dikitimkan dari pabrik i (7=1,2,3) ke pasar j (/21,2,3), maka ‘Minimum : Z = 8Xav+ BXt2-+ 6X1a + 18Xar + 10Xaa + 12Xaa + Kor + OXsz + 10K Dengan syarat (kendala) Xue + X12 + Xia= 120 Xai Xa +X = 80 Xo + Xoo + Xog = 80 Xie Xe + Xar = 160 Xsa Kaa + Koa = 70 i Kaa + Xey + Xa = 60 Semua Xj>= 0 Kendala model menunjukkan jurmlah yang dapat ditawerkan oleh masing-masing i pabrik dan jumiah yang diminta pada setiap pasar sebagal jumlah dari aternatit- : alternatif pengiriman secera individu (ute). Kendalanya be‘upa persamaan karena masalatinya seimbang. Fungsi tyluah menunjukkan blaya totel dengan oy sebagai biaya transpor dari pabrik {ke tuluan j, sehingga rumus umum masaleh transportas| biaya termurah dengan m caerah asal den n tujuan adalah : Minimumkan biaya transpor total: im a D Xy =D, (pemintaanj ™M : g &© Tabe! Transportesi : Karena bentuk maselsh transportasi yang khas, maka depal ditempatkan dalam suaiu bentuk tabel khusus yang dinamakan tabel transportasi. ‘Sumber ditulis dalam baris-baris dan tujuan dalam kolom-keiorh. Tabel punye m xa kotak. Bisya transper per unit (cj) sicatat pada kotak kecil di bagian kanan atas setiap Kotak. Permintaan dari setiap tuluan tordapat pada baris paling bawan, somentara penawaran setiap sumber dicatat pada kolom paling kanan. Kotak pojok kiri awah menunjukkan kenyataan bahwa penawaran sama dengen Permintaan ( $ = D). Variabel Xjj pada sefiap kotak menunjukkan jumlah, barang yang diangkut dari sumber /ke tujuan j( yang akan dicari) ‘SOLUS! AWAL Pada bentuk umum masalah transpor di atas , terdapat mm kendela penawaran dann kenddala permintaan, keseluruhannya terdapat mtn kendala. Dalam suatu masalah LP banyaknya variabel basis dalam tabel simpieks sama dengan banyaknya Kendala, Namun, pada masalah transportasi, terdepat sebuah kendala yang berlebin ( redundant), Karena keselmbangan supfly dan demand, memberiken kenyataan bahwa jks mén-1 Kendala tefpenuhi, kemudian m+n persameen juga akan terpenuli Hanya terdapat mn-1 persamaan independent, Sehingga solusi awainya hanya memilki m-1 variabel basis. ‘Ada babsrapa metode untuk mencari solusi layak dasar awal. Tiga dari metode yang dikenal yaitu North West Corner, Least Cost, dan Aproxsimasi Vogel 1. Metode North West Comer ‘Metode ini adalah paling sederhana di antara tiga metode yeng telah disebutkan untuk menceri solusi aval. Langkah-langkahnya sbb.: 4). Mulai pada pojok barat laut dan alokasikan sebenyak mungkin peda Xi tenga menyimpang dari kendala penawaran dan permintzan (arlinya Xx, ctetapkan sema dengan yang terkecll di antara rilei S, dan D;) 2), Ini aken menghabiskan penawaren pada sumber 1 den atau permintaan pada tujuen 1. Kemudian alokasikan sebanyak mungkin ke Kotak di dekatnye pada baris atau kolom yang: tak dihilangkan. Jike balk kolom maupun baris telah lhabiskan, pindahiah secara diagonal ke Kotak berkutnya. 3). Lanjutkan dengan cara yang sama sampai semua penawaran telah dihabiskan dan keperluan permintaan telah dipenuhi Pada contoh transportasi pupuk, solusi awal dengan metode North West Comer sbb.: osKe T 1 2 a Supply Dari 1H _| 8 5 6 + |r we | Te} 70 az 2 30 50. te e 80. [3 Bo 60 te 80 penina |i [ro Leo a Perhatixen bahwa proses langkah tangga ini menghasilkan solusi awal dengan § (= 343-1) variabel basis (BV)-dan 4 varlabel nonbasis (yaitu alokesi nol) (NBV), Untuk alokesi ini, biaya trenspor total adalah: Z = (6x120) + (15x30) + (10x50) + (8x20) + (10x60) = 2690. Inget inl adalah solust awal, sehingga tidek periy optimum, Metode ini paling tidak efisien karenaia tidak mempertimbangkan biaye transpor per unit dalam membuat alokasi. Akibatrya mungkin dipertuken beberapa iterasi solusi tambahan sebelum solusi optimum diperoleh. 2. Metode Least-cost Metode Least cost berusaha misncapai tujuan minimisasi biaya dengan alokesi sisiematik kepada kotak-kotak sesuai dengen besarnya biaya transpor per unt Prosedurnya sbb.: 1). Pilih variabel X;_(kotak)-dengan biaya transpor (oj) terkecll dan atokesikan sabanyak mungkin, Untuk lj terkecil, Xj = minimum (SiO). Ini akan menghabiskan beris i atau kolom j 2). Dari kotak-kotak sisanya yang layek (yaitu yang tidak terisi atau tidak dihllangken), pli rilai ci terkecil dan alokesikan sebanyak mungkin. 3) Lanjutken proses ini sempal semua penaweran dan permintaan terpenuhi, Pikirkan legi contoh transportasi pupuk. Tabel in! menunjukkan alokasi Kotak awal dengan Least-Cost,Ke “| 1 2 3 Supply | oe i z 5 1 a = 120 10 50 ( fe 2 2 In & wo G 3 [2 3 |80 = 80 Demand |150___| 70 60 280 Langkah pertama dalam Least Cost menyarankan alokasi pada Xs Karena coy = 8 adeleh Kotak dengan biaya minimum. Jumlah yang claiokasikan edaleh %Xsy=80. Karena alokasi ini menghabisken penawaren sumber 3, batis 3 dihapus, dan Xz maupun Xss tak layak lagi.Juga permintean sebanyak 160 pada tujuan cikurangi 80 sehingga sekerang perminiaannya tinggal 70. Alokas! kotak selanjutnya dip dari 6 kotak sisanya, oy terkecl adalah ci2 = dan Xiz = minimum = 70. Alokasi Kotak sisanya cibuat dengan cara yang sama, Solusi awal dengan metode Least cost citujukkan tabel tersebut di tas. Jika terdapat nilai oj terkecil yang kember, pith otek ity sen Solusi awal dengan metode Least-cost adalah, Z=(70x5) + (SOx8) + ( 70x18) + (10x12) + (80x3) = 2.060, Membandingkan Z dari kecua metode ini dipercleh oahwe metode least-cost teradi penurunan sebesar 830. ( 2690 -2080). Pada umumnya metode least-cost 2kn memberkan solusi awal lebih baik dibandingkan metode north West Comer, karena least cost ‘memperhitungkan biaya per unit, North west comer tidak. 3. ieidoe Aproksimasi Vogel (VAM) VAM selalu memberiken solusi awel yang lebih balk dibanding metode Nosth west comer, den seringkaii lebih balk daripads metode Least Cost Kenyetaannya, pada beberapa kasus, solusi awal yang diperoleh melalui VAM akan menjadi optimum. VAM melakuken alokasi dalam suatu cara yang akan ‘meminimumken penalty ( opportunity cost) dalam memilih kotak yang salah untuk suatu elokasi. Proses VAM ebb. ‘), Hitung opportunity cost untuk setiap baris dan kolom. Opportunity cost untuk setiap baris i dihitung dengan mengurangkan nilai cjterkecil pada baris itu dari niiai Gy satu tingkat lebih besar pada baris yang sama. Opportunity cost pada Kolom dilakukan dengarf‘cara sama. Biaya-biaya ini adalah penalty karena tidak memilin kotak dengan biaya minimum, 2), Pil baris atau klom dengan opportunity cost terbesar (jka ada rilai kembar, pilin sembarang). Alokasikan sebanyak mungkin ke kotak dengan nili ojaririmum pada bars atau Kolom yang dlp. Untuk cy terkeal, Xp (8,0). Artinya penalty teroesar dlhinda 3). Sesuaikan penaweran dan perminiaan untuk menunjukkan alokasi yong sudah dllakukan. Hilangkan semua baris dan kolom di mana penawaran dan permintaen telah cihebiskan. 4), Jike semua penawaran dan permintaan belum tespenuti, Kembali ke langkah 1 dan hitung lagi opportunity cost yang baru. Jika semua penawaran dan permintaan terpenuhi, solusi awal telah diperoleh. irkan Kembali contoh transportas! pupuk dengan memberikan elokasi VAM awal, sbb.: eT oat ! 1 2 3 Supply i" | Dari - 3 é ‘ we fo a 7 2 & 2 80. 7 3 e (0 3__|so tel eo - | bemana |1s0___| 70 60 280 Pensley 5 4 4 ‘Sebagai contoh perhitungan penalty cost, pikirkan baris pertama, Niai oj terkeci ‘adalah 5 untuk cy2. Kemudian satu tingket lebin besar adalah crs = 6. Sehingga penalty cost adalah beda antara dua nilai ini : 6-5=1. Semua baris dan kolom yang lain dihitung dengan cara serupa. Penalty terbesar untuk tabel ini adalah 6 yang terdapat pada baris 3, Alokasl pada baris ibuat pada koiak nilai cy terkecl alam hal ini Xs. Jumlah yang dialokasikan pada Xa1 = minimum =80. Sekarang {abel disesusikan untuk menunjukkan sumiber 3 telah terpakai hebis dengan cera menghapus beris 3. disamping itu permintsan yang belum terpenuhi pada tuuan t menjaci 70 bukan lagi 150.Ke at Penel 1 2] 3 supply a | Dari — a 5 3 7 {EI ES te : lis)” 10. [2 : Us we ara 2 Bl 3 wy : 3__|eo By 80 Demend |160 170 60 260 Pesaly 7 ‘ Kolom 4 dipitn untuk alokasi kedua Karena ia memilki_penaily cost baru (yang direvis)) terbesar 7. Alokasi pada kolom ini dibuat pada kotak Xi, karend ia memifki nilai oj terkec!l yaitu 8. Jumlah yang cialokasiken ke Xx = min. 70. Alokasi ini akan menghilangkan Koiom 1 dan mengurangi permintaan baris 4 menjadi 50. Proses alokasi dan perhitungan kembali penalty cost diteruskan ‘sampei semua penawaran dan permintaan terpenuti. Contch transports! pupuk yang diperoleh dengan VAM sbb.: \ Ke 4 2 3 | Supply Dati — 5 8 1 ul 120 10 50 ts 70 % 2 le 2 z we 70 L 3. 80 = 80. | Demand | 180 |79 60 280, Biaya transpor solusi ni adalah : a Z = (GxTO) + ( 6x50) + (10x70) + (12x10) + (360) = 1820. Biaya totel untuk solusi awel, 1920, adalah biaya awal terkec!l yang ciperoieh dari Ketige metode solusi awal. Kenyataennya, solus! awal ini juga optimum, suatu keadasn yang akan ditunjukkan pada, pembanasan menceri solusi optimum. Pada umumnya, VAM mengurangi baryaknya iterasi yang diperlukan untuk mencapai solust optimum, Karena ia biasanya memberiken svatu solusi awal yang lebih bai datipada kedua metode yang lain. 4, Menentukan Solusi OptimumSeleiah solusi layak dasar awal diperoleh, kemudian ditakukan perbeikan untuk nenoapal solusi optimum. Dua metode mencari solusi optimum yaitu : metode ‘stepping stone dan modified distribution (MOD!) &. Metode Stepping Stone Setetoh solust layak dasar awal diperoieh dari masaiah transportasl, lengkah Berkutnya adalah menekan Kebawah biaya transpor dengan memasulkkan eet bel nonbasis (yaitu elokasi barang ke kotak Kosong) ke dalam solus'. Proses Weigel variabel conbasis yang memungkinkan terjadinya perbaikan solusi dan Seegian mengalokasikan Kemabli dinamakan metode stepping sione - Dengan fenggunekan solusi awal yang diperoleh malalul metode North West Comer ang dalum optimum, akan ditnukkan evaiuasi masing-mesing variabel nonbasis ‘melalui stepping stone. Ke 1 2 3 ‘Supply Dai. 7 6 3 footie 120 2 is. io} 30 50 20 3 3 we , 20 60 £0 Demand 150 70 60 280 Setiep Kotak Kosong menunjukkan suatu variebe! nonbasis. Bagi veriabel Fonbosis yang akan memasuki solusi, ia harus memberi sumbangen delam penurunan rilai fungsi tujuan. Variabel Xia secara sembarang ciperimbanckan Seoagal entering veriabel yang mungkin. Misalkan ¢iputuskan uric mrengalokasikan satu unit ke Kolak itu. Dengan cara inl sekarang ferdapat It Tin pada kolom Kedua, yang mefupeken suet peyimpangon dari kendala perminiaan, Akbatnye, satu unit harus dikurangkan dar! Xza(=50) alau Xss (20) pada kolom 2. Mengurangkan 1 dari Xa m 2 punya 70 unit lagi. Tetapi sekerang baris.2 meri jenghasitken 49 dan karena itu kolom 79 unit, yang menyimpang Gai persyareten penawaran. Akibatnya 1 unit horus, dtambahkan ke at sehingga perawaran baris 2 menjadi 80 unit. Namun kolom 1 sekerong punye {et unit yang dislokasken, Sehingga 1 unit herus dikurangkan dari Xi agar kolom 1 sekarang sesuai dengan kendala permintasn. Baris 1 sekerang ‘ele terpenuhi meskipun 1 vhit telah dikurangkan dari Xx, tetapi sesungguhnya 4 unit telah ditambehkan pada Xai yeng mulanya Kotak kosong. Ini adalah proses jalir tertutup dalam prosedur stepping stone. Jelur untuk X:2 ini berikut in jtunjukkan padaKotak Kosong. Jalur tertutup. ft Xie Xiq Xe D Xai Ks Kez ty 1) GT) 1) Ke; 7 2 T 3 ‘Supply Dati “ 7 120 z 80 3 a0 Demand | 450, 70 [ee 280 Beberapa hal penting perl: disebutkan dalam keitannya dengan penyusunan jalur stepping ston : ‘). Arah yang dlambil, balk searah_maupun berlawanen ereh jarum jam adalah tidak penting dalam _membuat jalur tertutup. 2). Hanya ada satu jalur tertutup untuk setiap kotak kosong 3}, Jalur nerus hanya mangikuti Kotak terisi ( cimana ferjadi perubehan areh) kecuali pada kotek Kosong yang sedang cievaluasi 4). Namun, baik Kotak terisi maupun kolak Kosong dapat diewati dalam penyusunan jaur tertutup. 5). Suatu jaiur dapat melintastdirinya . 6). Sebuah penambahan dan sebuah pengurangan yang sama besar harus kelinatan pada setiap baris dan kolom pada jalur. Tujuan dari jalur ini adalah untuk mempertahenkan Kendala penaweran dan permintaan sambil diiakukan alokasi uiang berang ke suatu Kotak Kosong. Sekarang harus dipikirkan biaya realokasi ini, yang dilakukan dengan mengevaluasi biaya sepanjang jelur tertutup. Kembali ke tabe! sebelumnya, Jka 1 unit citambahkan ke Xra, suatu biaya sebasar 5 (biya per unit untuk Xie) akan timbul. Namur pengurangan berikutnya dari Xz2 akan mengurangi biaya sebeser 40. Dengan pemikiran yang sama, penambahen 1 unit ke Xz, akan méningkatken biaya sebssar 15 sementara pengurangan 1 unit dari Xq. akan menurunkan biaya sebesar 8, Jika Cy adalah perubahen biaya untuk alckesi 1 Unit ke Xij penambahan dan pengurangan biaya dapat diringkas sbb.: Oy +0;2~Cr2+ O21 ~ C14 5-104 15-8= 42Sehingga, jka 1 unit direslokasixan ke Xiq, akan mengakibatkan kenalkah biayé transpor sebesar 2. Karena itu Xia seherusnya tidak dipiin sebegai entering variabel karena ia menaikkan biaya, bukan menurunkan.. Semua variabel nonbasis (kotak Kosong) dievaluasi dengan cara yeng sama Untuk menetukan epakah akan menurunkan biaya dan Karena itu akan menjadi calon entering variabel. Jika tidak ada calon ( semua kotak Kosong rerilki Cy Positif, berarti solusi telah optimum. Tabel berikut ini meringkas. jalurjalur stepping stone untuk: semua Kotak Kosong, sementara ‘abel berikuinya memberikan perubahan biaya yang cihasilkan dari masing-masing jalur. Kotak Kosong alar fertata Xe Kt DXea-DKar- DXi Ke Xs Xia PKs PXse-P Moe Kop Ki PK Xa XayPXas-PXaz- 9 Xe " Kar Xa Kee PXGe Xt ‘Gj Ja Donambahar dan penguranga Baya | Penibahen Baya Cie 5-10415-8 42 Cis 6-1048-10+15-8 42 Cos | 12-10¥9-10 4 L ca |stset0-9 a Dari analisis biaya semua variabel nonbasis pada contoh ini, henya Xst yang memilisi perubahan diaya negatif, sehingga Xs, adalah setusatunya variabe! onbasis. yang bile dimasukkan dalam solusi akan menurunkan blaya. Kerena telah ditentukan Xsy adalzh entering variable, kemudian harus ditetapkan berapa yang akan dialokasiken ke kotak xs. Ke 7 2 3 ‘Supply Dari 1 a 5 {6 120 120 t 2 to we 180 z 3 i 60 60 Demand 60 | 280 Jumiah yang dialokasikan ke Xs, cibatasi oleh penawaran sebeser 60 dan permintzan 150. Namun, jumalh yang dialokasikan juga tunduk pada jumlah yang dapat dipindahkan ‘dengan layak sepanjang jalur tertutup. Perhatikan abahwa untuk setiap unit yang cfalokesikan ke Xss, 1 unit dikurangkan dari Xor dan Xe - sika lebih dari 20 unit dialokasikan ke Xoe, Kemudian Xaq akan menjadt nagalif, mengakibatkan kefidaklayaken. Sehingga jumlah yang dialokastkan ke Xi, dibatasi pada jumlah minimum pada suatu kotak yang dkurangi pada jaiur tertutup. Dalam contoh ini Xt = minimum = 20 dan secara umum reslokasi ‘Suatu realokasi 20 unit ke Xs; menghasilxan tabel baru sebagai berikut dengan Xza sebagai feaving variable. Ke 1 2 3 ‘Supply Dari 7 te & | 120 120 z te if 2 fa : 10 70 & 80 3 i tf {w 20 60 80 Demand 150 70, 60 280 Proses stepping stone yeng sama untuk’ mengevaluasi kotak kosony harus (awal), untuk menentukan eoakah solusi telah diuiang dari tabel sebelumnya optimum atau apakah ada euats calon entering variabel. Solus! optimum dicapai ‘melalul tiga iterasi, Hasilaya sbb.: Ke 7 2 ] 3 ‘Supply 1 Dati r ae 7 wt S 6 70 50 t 120 2 Ts {io Wz 10 80 3 0 80 BOF Demand 150 70 60 280 ‘Sehingga optimal mémberikan nilai Cy positif untuk semua Kotak kosong, sehingga olusitidek dapat ciperbeiki lagi Z= (Bx70) + (BxS0) + (12x10) + (3x60) = 1920.‘Solusi ini sama dengan solusi awal yang diperoieh dengan VAM. Jeringan pengiriman dengan biaya minimum dari masalah transportasi pupuk sbb. ‘Sumber Pengiriman Tyuan Supply) &) @ Demand rFXi2) 120 4180 Xs#Xs1) (XextXes) 80 2 70 Kez) RK) 80 3 60 (Kin) b, MODI Dalam metode MODI, suatu nilal, Us, dirancang untuk setiap baris / dan suatu nial, dirancang untuk setiap kolom j pada tabel transportasi. Untuk setiap variabel basis (yeitu kotak yang ditempatt), X; mengikuti hubungan seperti : Ui + Vi= oy, dimana oy adalah biaya transpor per unit. Pikirkan kembali solus! awal masalah pupuk dengan metode North West Comer. Tabel ini memberkan Us dan \V; sefiap baris dan kolom, V8 V8 Var 7 ke} 1 2 3 Supply Dari 0 te! tS te } 1 | 129 vo | a) w] ] te] 7 2_|s0 60 80 uss yl ra 3 | 20 60 _ 80 T Demend| 150 _* |70 60 280 Penerapan hubungan UiVj, 0% untuk setiap variabel basis menghasikan persamaan:Xn Uetz ens 8 Yor Ut Vy = 001 ‘Terdapat 5 persamaan (m#n-1) dengan 6 varlabel tak diketahui (mn). Dengan U;= 0, selanjutnya nilai variabel sisanya adaieh: . Vi=8, U7, V2=3, Use6, Vo=4. Sotelah semua nilgi U; dan Vj telah ditentuken ( perhatikan mungkin menghasilkan nilsi U dan V; negetif), maka rilai perubahan biaya untuk setiap variabel nonbesis, C3, kemudian ditentukn meletui hhubungan : Gj = ¢-U-V, Dengan rumus ini diperoieh: 50-3 12-Us Va Karena Cy; negati (-11) menunjukkan solusi yang ada tidak optimal dan Xs, adalah entering variabel. Jumiah yang dialokasikan ke Xs; harus ditentuicen ‘sesuai dengan prosedur stepping stone, sehingga 20 uint dialckasikan ke Xi, ‘menghasilkan seperti tabel berikut: f Ke T EEE 1 2 3 ; Supply Dari 3 g & 1 120 io 120 Gs ta! 2] cet 2 10 Gs) 70 80 4 [Ea te tl 3__|20 60 80 Demand | 180 |70 60 280 | Pada tahap ini, nilai-nilai U,Vj dan Cj pada tabel baru harus dihitung lagi uj optimalites dan menentukan entering varlabel. Metode MODI dapat diringkas dalam lengkah-1angkah berikut : 4), Tentukan nilal-nilai Ul untuk setiap baris dan nilai-ilai Vj untuk setiap kolom dengan menagunakan Kubungan oj U; + Vj untuk semua vasiabel basis dan {etapkan nilai nol untuk Us 2)Hitung perubahan biaye, Cy untuk setiap variabél nonbasis dengan menggunakan rumus Cy=04~Us~ Vj.3), ska ferdapat nia} Cy neglt,ecks! bolum opal. Pith veel X dengan rilai Cy negatif terbesar sebagai entering variabel 4). Alokasikan barang ke entering variabel, %}, sesual prosedur stepping stone. Kembali ke langkah 1. Bab. V. MODEL PENUGASAN (Assignment model) Masalah penugasan menyengkut penempatan pare pekerja pada bidang yang tersedia agar bigya yang ditanggung dapat diminimumkan. Jike pekerja dienggap sumber dan pekerjaan identik dengan tujuan, maka model ini mirip dengan model transportasi: Bedenya, pada model penugasan jumlah pasokan pada setiap “sumber" dan jumiah permintaan pada setiep “tujuan" adalah satu. Ini berarti setiap pekerja hanya ditangani satu pekeri. Misaiken negara memiiki 3 tenaga ahli yang berdomisili di tiga daerah. Mereka akan dikirim ketiga daereh lain yang membutuhkan. Berikut ditunjukkan biaya perjalanan dari setiap tenaga ahi ke setiap daerah. [—___—Tujuan \ [Pontianak [Yooya Denpasar | | Domisii Anli [Jakarta i 25 35 } (Sumber) [Surabaya 6 24 Uueg. i «2 7] Eeseseeeseeed U1 deseeed eassetanietand Eaassessssasaen’ aeasaee 1 Langikah pertama mencari solusi pola penugasan adaizh menyusun total opportunity cost table, carenya kurangi elemen pada setiap baris dengan elemen yang terkectl pada baris itu. Penguragan batis menghasilkan : 10 59 Berikutnya dilakukan pengurangen kolom, dan diperoleh opportunity cost table, 4 10 3 8 Prosedur penemuan opportunity cost table dapat dibalik, pertama dengan engurangan kolom dikuti pengurangan baris. Penugasen dapat ditempatken pada sel yang bernilai nc. Miseinye ahi deri Jakarta dtugasi ke Pontianak Solusi optimum tercapai jka setiap ahii dapat ditugesi ke setian dasrah dan setiap daerah hanya dikirmi satu ahi Ini berarti dari tabe! opportunity cost its enugasan optimum belum depat ditentukan, ‘Apakah penugasan optimum dapat secera langsung cibuat dari tabel opportunity cost dapat diperiksa melalui cara berikut. Tulup semua angka nol dengan 26menarik garis dater atau tegak dengan jumiah garis paling efisien. Jike jumieh garis itu lebih kecil dari jumlah bars ateu kolom pada fabel, penugasen optimum belum ditemukan. Langkah selanjutaya adalah kurangi semua angka yang fidak tertutup geris denga angka terkecil yang tidak tertutup. Tambahkan engka terkecil itu pada angka yang menempati posisi silang. Biarken angka yang lain tetap. Angka tak tertutup yang terkecil adatah 3, opportunity cost yang telah direvisi adalah Tidak peduil bagaimana cara menutup angka-engka nol, jumiah garis minimum yang diperlukan adalah 3, sehingga penugasan optimum dapat dibuat. ‘hl dari jdkarta berlugas di Pontianak, ahi dari Surabaya berugas di Yogyakarta dan ahii dari Ulung Pandang bertuges ci Denpaser dengan biaya perfalanan total = 25 + 20 +17 = 62, Untuk masalah penugasan yang tak seimbang, yeitu ike jumlah pkerja tidak ‘sama dengan jumlah pekerjaan, maka diperlukan baris ateu kolom dummy agar menjadi seimbang. Untuk menghinderi penugasan, pada sel yang dimaksud diberi biaya yang sangat besar. Teknik solus! masalah penugasan ini dapet dimodifikasi ska masalahnya menjadi maksimisasi, yang akan dijelaskan lewat contoh berikut, Misalken sebuah Perusahaan memperkerjakan 3 salesman untuk tiga daerah pemasarannya, Perkiraan penjualan setlap salesman untut. setiap pasar. ditunjukken seperti berikut Pasai P Q R Salesman x 25 af a 8 415 20. lh 34 i 2 rT a7 Langkah pertama mencari penugasan optimum adalah menyusun tabel regret , yaitu penyesaian Karena tidak mengambil tindakan terbaik. Dari tabel regret Ini ierapkan operasi seperti masaleh penugasan ‘abel regret penjuaian 0 4 «(0 9 4 0 8.3 6 abel opportunity cost dengan pengurangan baris dan kolorn 10 4 out‘abel opportunity cost yang direvis! oo Penugasan optimum : Salesman Daerah Penjualan A R 35 B Q 20 c P 22. Total: 7 Penugasan optimum alteratif: Salesman Daerah Penjuatan A Q 3t 8 R 24 c Pp 22 Total 7 Disini terthat banwa teknik ini tidak hanya memberlkan ailai solus! optimum, tetapi juga kemungkinan altrnatifaya jika ada. Peda contoh terakhir ada dua pola Penugasan yang depat memberisan penjuaizn total teringgi bagi perusehaan sebesar 77,-Bab.VI, ANALISA NETWORK 1, PENGANTAR. Konsep network ini mula-mula disusun oleh perusahaan jase Konsultan manajemen Boaz,Allen dan Hamilton, yang disusun untuk perusahaan pesewat terbang Lockheed. Kebutuhan penyusunan network ini iirasakan karena perlu edanya koordinasi dan pengurutan Kegiatan-kegiatan pabril. yang Kompleks, yang saling tegantung satu sama Jain. Hal ini dilakukan agar perencanaan dan pengawasan semua Kegiatan itv dapat dilakukan secara sistematis, sehingga diperoleh efisien kerja, Nama prosedur itu disebut PERT (Program Evaluation and Review Technique), Metode lain disusun oleh Du Pont Company yang disebut CPM (Critcal Path Method). 2. MANFAAT ANALISA NETWORK Analisa network bisa digunakan untuk mefencenakan’suatu proyek antara lain sbb, |. pembangunan rumah, jalan dan jembaren kegjatan penelitian perbaikan, pembongkaran dan pemasangan mesin pabrik kegistan-Kegiatan advertensi pembuatan kapal laut, trbang kegiatar-kegietan penatsran, dll. 3, PEMBUATAN NETWORK Di dalant network kita mengenal events (Kejadian-kejadian) dan act Kegiatan), ies (kegiatan- Activity : adalah suata pekerjaan atau tugas, dimana penyelesaisnaya memerluien ppeviode wakto, bieya sertafasilitas tertehtu, Biasanya dieri simbol anck panah, Events: adalah permutaan atau akhir dari suatu Kegiatan, Biasanya diberi simbol Iingkaran. Conteh: pekerjaan mengecat cums pintu. Event pertama : pinta masih kotor belom dicet, emudian dilakukan kegitan mengecat, akhinye setelah sclesei Kegiatan kta peroleh event ke-2, pinta telah dicat CContoh Iain satu pekerjaan proyek pembuatan rumah, Regiatan | Keterangan Kegiatan yang | Jangha wala |] i |__mendahului | “mengeriakan | Membuat fondasi ~ 2 minggu | Membugtatap - 4 minggu Membuat tembok (12) | 3 minggu vows | (| Sse | {Finishing 1323) Siminguy » | | | il iHubungan pekerjeanpekerjaan tersebut digambarkan dengan network sb: Adapun angka pada anak panah menunjukkan jangka waktu yang diperluken oleh kegiatan ybs. 4, Hal yang perlu diperhatikan datam analisa Network i sebelum suatu Kegiatan dimulai, semua kegiatan yang mendahuluinya harus sudeh selesai dikerjakan, b. gembar anak panah hanya sekedar menunjuldkan uruturutan di dalam mengerjakan pekerjean taja; Panjang anak panah, arabnya tidak menunjukkan etek pekerjaan. Nodes (lingkaran yang menunjukken pekerjaan) diberi nomor dan tidak ada ‘nomor yang sama, Untak menghidarisirkulart (circularity) biasanya nomor yang lebih ect! diletaican pada awal anak panah, sedang pada akhir anak panah cibert nomer yang lebih bese : 4 Duz buah kejadian (events) hanya bise dihubungkan oleh satu kegiaten ( analc pana). «Network hanya dimulai dari satu kejadian aval (intial events) yang sebelumaya tidak ada pekerjaan yang mendahuluinya, Disamping itu netwerks diakhiri cleh . satu kejadhan saa (terminal event), 5. DUMMY ACTIVITIES . ‘Untuk menyusun suatu network yang bisa memenuhi ketentuan-ketentuen di atas, maka Kadang-kadang diperluken ~ dummy activites” atau kegiaten-kegiotan semu dan ‘ejadian-kejadian semu, Kegiatan semu adalah bukan kegiatan yang dianggap sebagai ‘egiaten, hanya saja tanpa memerlukan wektu, biaya den fasilits, Guna Kegiatan sem: + menghindariterjadinya dua kejadian ditubungkan oleh lebih dari satu Kegiatan, Oy as eo O- 4 Sup 2 ejadan haya bubunghan cleh "keaton, sebab ha a, Dua events dihwbungkan oleh 3 kegiaten mnaken dummy’ ac= untuk memenuhi Ketentuan (@) terkadang diperlukan ditambahkan satu kejadian semu dan Kegiatan-kegiatan semu yang menghubungken Kejadian awel atau kejadian alkhic dengan kejadian-kejadian dalam network, apebila network diimulai atan diakhici beberapa kejadian, Contoh : membuat sepalu : membuat bagian atas (kegiatan a), membuat bagian Dawah (kegiatan b, direkit(kegiatan ¢) menjadi sepatu Kegiatan semu; kojadian semu peda aval network sb. + Kegunaan “dummy activités” berikutnya adelah untuk menujakken oruturutan pekerjaan yang tepat. Misalnya ads 4 kegiatan a,b.e4.. Kesiatan a mendabuli kegiatan ¢ (biasanya ditulis acc), kegiatan b mendahuh Keegictand. Jaci diperiukan kegiatan semu x 6, JALUR DAN JALUR KRITIS ‘Di dalam analisa network, basanya pertama kali dicariterlebih dahulujalur kritis dari pekerjaan proyek tersebut Jalur adalah satu rangkaian Keuiatan yang menghubungkan seoara “kontinya” permulaan proyck Sampai dengan kh proyek. Adapun falur kits ‘adalah jalur yang juintah jangisa waktu penyelessian kegiatan-Kegiatannye terbeser 7. Istitah lah yang digunakan dalam analise network 2), Barliest tort Time (3S) adalah waktu'tecepat untuk bisa menvulai sua kegiatan dengan waktu normal, tanpa mengganggu kegiatan lain, Perhatikan yamber erdahulu ES kegiatan (1-2) adalah , sebab tidak ada kegiatan yang mendshuluinya, ES Kegiatan (2-3) Aacalah 2 surggu, sebab pekerjaan ini baru dapat dimulai setelah pekerjean (1-2) yang mmemerlukan waltu 3 minggu selesa, BS Kegiatan (3-4) adalah 5 mingau, sebab rmeskipun Kegiatan (1-3) sudah dapat discleseikan dalam 4 minggu, tetap! untuk memulei- kegiatan (3-4) harus menunggu selesainya kegiatan (1-2) dan (2-3) yang memerluken walt 5 ringgu, ), Earliest Kinish Time (Hi) adalah waktu yang paling cepat untuk menyelesaikan suatu egiatan dengan menggunakan waktu normal, tanpa mengganggu kelancaran pekerjean-pokerjaan yeng lain, Misalnya : EF kogiatan (1-2) adalah 2 minggu, EF kegiatan (2-3) 5 Tinggu, EF kegiatan (1-3) 4 minggu dan EF kegiaten (3-4) 10 minggu, karena untuk mengerjakan kegiatan(3-4) kegistan (1-2-3) yang memeriukan waka 5 minggu harus sudah sees ©). Latest Start Time (LS) adalah wektu yang paling lambat untuk bisa memulai suatu kogiatan dengan waktu normal tanpa mengganga kélancaran kegistan-kegiatan Iain, Misalnyaalur krtis pada network tersebut adalah (1-2-3). Sesuai dengan jalur kits, walt unto menyelesaikan pekerjaan itu 10 minggu, Untule menyelesaikan keyiatan (2+ 4) hanya memerluken waktu 5 minggu, oleh Karena itu kegiaten itu mesih bisa selesai pada khir minggu ke 10 apabila mengerjakennya paling tambat setelah 5 minggu (10-5), Jedi LS untuk kegiatan (2-4) adalah 5 minggu. 4), Latest Finish Time (LF). Adaleh wakt paling lambat untuk menyelesaikan suatu kegiaten dengan waktu normal tanpa mengganggu Kelancaran kegiatan-kegiatan lain. LF ‘kegiatan (1-3) adelah akhir mingga ke 5. Kalau pada ekhir minggu ke 5 tidak selesai maka kegiatan-kegiatan berieutnya akan tertunds Angka diluar lingkaran menunjukken wwaktu dicapainya kejadisn tersebut 2 LS=10.5=5 &:. Analise Network dengan metode algortma (Kel eiamm-egitan sunt prove dak banyak dan networks edhe, le a dihitung dengan mudah. Tapi kalau networknya Koinpleks, maka sulitsekali Sonehiungrye deat ou sodrkan sper sas Unc ie ignakan Meiode algoritma, Metode LP dan metode matrix a. Algoritma ES dan EF aaatnetode in kita car ES dan EF setopkegiatan,Kelau sutukeyatandidahl leh dua rengkeian kegiaian atau lebih, maka untuk menentukan ES kegiatan itu adalah LS ‘dari salah satu rangkaian, kegiatan tersebut yang mendshutui dan terpenjang. Contoh : pembuatan sustu erang dapat diselesaikan denyan kegiatan-kegiatan seperd tabel berikut iRegiatan Reterangan Kegiatan yang | Wakiu ‘mendaului | (minggu) | Merencanakan > 10 b. | Memesan mesin a 2 | Menyesusikan mesin DEE eee EH @ | Pesan material utk mesin 2» | 4 © | Membuet rangka < x | £ | Finishing rangka be | g.___| Pasang mesin pd rangke dan stel of 5 @10) ‘Untuk menentukan jalur krits dapat dilakukan dengan EF algoritme, dengan cara sebagai berikut, 1), Tuliskan wait mulai tercepat (ES) di sebelah kiri dan waktu selesai tercepat (EF) isebelah Kenan masing-masing kegiatansedengkan kegistan dituliskan i belakang simbol kegiatar tersebut (2,10). BS a = 9, dikerjakan dengan kegiatan a 10 minggu, EF a= rminggu ke 10. 2). Setelah kegiatan a seles, dapat dilanjutkan. dengan Kegiatan b atau kegiatan d 2). Kerjakan dulu jalur bo. ES kegiatan b edalah EF kegiatan a, yaitu minggu ke 10. Kegiatan b dikerjaken selama 2 minggu, sehingge kegiatan b = minggu ke 12, EF kegiatan b merupakan BS kegiatan o, Oleh karena itu, EF kegiatan ¢ adalah minggu ke 12 ditambah lamanya pekerjean kegiatan c (=8) minggu, yaitu sama dengan rninggu Ke 20 Seharusnya proses dilanjutkan dengan Kegiatan g, tetapi Karena untuk memulai kegiatan 8; syarat bala kegiatan fherus sudah selesai maka kita tnjau dulu jalur de,F 4), Dengan proses yang sama, kita hitung ES kegiatan d, yaitu sama dengan minggu ke 10, dan EF-uya iminggu ke 14. Untuk kegiaten ¢, ES adalah minggu ke (4 dan EF minggu 4ke'17, dan untuk kegiatan f, FS minggu ke 17 dan EF minagu ke 18. 5). Untuk kegiaten g, ES dipilih dari EF keuiatan c atau EF Kegiatan f yang terpanjang, Dalam hal ini yang terpanjang 20. Jaci ES kegiatan g, minggu ke 20. Kegiatan g ‘memerlukan waktu 5 minggu, jadi EF Kegiatan g minggu ke 25 6). Dengan demikian proyek tersebut akan diseleseikan dengan 25 minggu. atau panjan Jalur kritis 25 minggu. Sedang jalur kritis adalah rangkaian Kegiatan a,b,c; atau Fingkaran 1,233.6,7, 7), Dengan demikian proyek tersebut akan dapat dselesaikan paling cepat 25 mingau, atau EF EF dari proyek tersebut pada ekhir minggu ke 25.», Algoritroa LS dan LF Dalam elgoritma LS pertama-tama ditentuken dul kapan proyek akan selesai. Untuk menentaken LS dan LF dihitung dari belakang, sampei tercapai kegiatan pertama. Untuk lebih jolasnya, baiklah digunakan contoh yang dipakai pada algoritma EF. Tentu seja swaktu selesai yang ditentukan tidak dapat dibawah 25.minggu ( sebelum minggu ke 25), vearena harus bila harus selesai sebelum mingga ke 25 (dengan waktu normal), maka ES ‘aval minggu pertara). Prosesiya dapat dilihat pada gambar beriku ini. Gambar ini mirip dengan gamber algoritma ES, hanye ditambahkan LS dan LF dibawah ES dan Lr. LF kegiatan g = 25 minggu. LF kegiatan © = (25-5) miuggu =20 minggu, LF kegistan f= 20, LF hegiatan ¢ = (20-1) mingsu = 19 rminggu dan seterusny. «¢. Slack dan float Yang dimaksud dengan slack adalah perbedsan Jetest dan earliest event time, Jai ‘merupakan perbedaan antera LS dengan ES atau pesbedaan antara LF dengan EF. Nama sack ini biasaaya digunakan dalam network yang disusun berdasarkan kejadian (event). ‘Adapun tama yang digunakan untuk network yang disusun berdasarken Kegiatan, ‘iasanya discbut dengen float. Sehingga untuk kegiaten f mempunyai ft setu minggu, demikian pula Kegietan-kegiatan ddan ¢ masing-masing juga mempunyai slack 1 rminggu. Bila perlu sebenarnya kegiatan d bisa ditunda 2 minggu, schingga dapat dimulai pada minggu ke 12 tanpa menunda selesainya proyek. Kelonggaran waktu yang 2 rringgu int disebut folal slack (kelonggaran forl). Disamping it, kegiatan-kegiatan ¢ ‘maupun f masing-masing juga mempunyei slack 2 minggu. Bila Kegiaten d ditunda 2 rwinggu, maka kegiatan e dan f tidak punya slack, 4METODE SIMPLEKS DALAM LINEAR PROGRAMMING Bila lebih dari dua variabel, maka metode grafik, tidak bisa dipakai tagi, maka untuk itu digunaken metode simpleks. LP yang melibatkan banyak veriabel kepulusan dapat dipercepat dengan menggunaken komputer. Bila variabel keputusan tidak terlalu banyak, mska dapat ciselescikan dengan suatu algoritma yang biasanya disebut metode tabel simpleks. Langkah-langkah Metode Simpleks Tabel Langkeh 4: Merubah fungs! tujuan dan kendale-kendala (bataean) Fungsi tujuan dirubah menjadi fungsi implisi, ertinye semua C; kit, Miselnya : Z= 9X, + Xe dirubah menjadi : Z— 3X1 ~ 5X2= 0 Pada bentuk standar (baku), semua batesan mempunyai tanda <= Kelideksamaan ini ‘harus dirubah menjadi Kesamaan (-). Carenya dengan menambah slack variable.Vetiabel slack ini adalah Sy stat Xnet *------ Xam, ita geser ke Bordasarkan perubahan persamaan di alas dapat disusun formulasi yang dicubah sbb.: Fungst tyjuan : Maksimumkan : Z~ 3X; ~ 5X2" 0 Batasan-batasan : 1). 2X; +S: =8 2): 8X, + S2= 18 3). OX: + Xa + S3= 80, Langkah 2: Menyusun persamaan-persamaan dalam tabel. NK adalah nilai kenan (solusi) persamaan, yaitu nilal d belakang tanda sama dengan (=) Variabel desar adelzh variabel yang nilainya sama dengan sisi Kanan dari porsamaan, Pada tabel terlhat nila variabe! dasar (Si,S2.Sa) pada fungsi tuluan pave tabel permulaan ini harus nel, dan nilainya pada batasen-batasan bertanda posit. ‘Tabel : Data perusahaen sepalu ideal dalam tabel simpleks awal. jay 2% % S & | bet ' | deser i rey, a = ° o 1s | 0 2 ° 1 o a 3 oj 4 1s |) 0 6 | 5 ° °Setelah data disusun ci dalam tabel kemudian diadakan perubshan-perubshan ‘agar dapat mencapai titi optimum, dengan langkeh-langkah berikutnya. Langkah: Memih kolom kunci Kolom kunel adalah kolom yang merupakan daser untuk mocubah fabel di atas, Pilihlah kolom yang mempunyal nilai pada garis fungsi tujuan yang bern rnogatif dengan angka terbesar. Dalam hal ini: -6. Berilah tanda segi empat pada kolom Xs. Kelau tabel tidak lagl mempunyai nilai negalif pada baris fungi tujuan, berart!tabel itu tidak bisa cioptimalkan lagi ( sudah optimal. ‘Tabs! : Pemilihan kolom kunci pada tabel pertama Vara Z ] & % S S& |S [N] Resi bel K saser | -_ Zz] 4 3 ca 3 @ oye] = S| 0] 2 ° 1 ° o js] 2 & jo] 0 3 ° 1 o |i} 5 S| o] 6 s |e o | 1 |30] 6 i Langkah 4 : Memilin Baris Kunci Baris kunci adalah baris yang merupekan dasar untuk merubah tabel tersebut. Untuk itu terlebin ‘dahulu cariiah indeks tiap- tiap baris dengan cara membagi nifa/-nilal paca koiom NK dengan nitai yang sebaris pada kolom kunci Pithlah baris yang mempunyai indeks positif dengan angka ferkeci! Dalam hal ini baris kedua tempilih sebagai baris kunci, Berlah segi empat pada baris kunci Nilai_yang masuk dalam kolom kunci dan juga termasuk dalem baris kunci disebut angka kunci. [Vara |Z % ] SS so] bel ! dasar i Pz2[7,3s = . oo fo ;s&}o] 2 ° 1 o fo fa! fs }o] o 3 ° 1 0 145 | & | 0 6 5 0 0 4330 I zy T is | o | Xe | 0 o 1 ° 18 ° 6 s | ¢ Langkah § : Meruoah niei-ilai baris kunciital baris kunci éirubeh dengan cara membagiaya dengan engka kune?, Gantilaly variabel dasar pada bars itu dengan Variabel yang terdapat ci bagian atas Kolom kunci (X2) Langkah 6 : Merubah rilai-nital selain baris kunct Dilai beris beris ainnya, selain baris kunci dapat dinibah dengan rumus : Baris baru = beris lama — (Koelisien pada kolom kunc) x nilai baru beris kunci ‘Tabel: Tabel pertama nilsi fama dan tabel kedua nilsi bar Varia Zz X Xa St Se Sy NK | bel | i deser | i ett te ef pd s | 0 2 0 1 0 o [8 | & jo] ° 3 ° 1 o {45 | s {ol 6 5 ° 0 1 | 30} zy+7 [3 7 Tao Be 0-H | ae ° 1 o | o fey x | o | 0 1 o we | oo 15 4 & | o] 6 ° o | sey 1 | 5 4. 1 : Langkoh 7: melanjutken perbaikan-perbaikan/perubahan-perubehan Ulangi langkah-langkah perbaikan mulai langkah $ sampei langkeh ke 6 untuk. memperbaiki tabeltabel yang telah dirubeh niainya, Perubshan baru berhent Selelch pada baris pertema (fungsltujuan) tidak aca yang berilal negatitae ‘Fabel ; Kolom dan baris dari tabel perbaikan pertama, dan nilal barus baris kunci hasil perbaikan keduan Vala [ZT se | & | & STs | bel saser Zeta eee o re ) s | o | 2 ° 1 0 | oO % | oo} o 1 ° 1s | 0 & | o] § ° o | sa | 4 ZT & | o % | 0 x fo] 4 ° o | -sne | we [ste Tabel : Hasil perubahan/perbaixan kedua vais? Z >= | & |S = | & | bel dasar | Zz ya to o ose | are s | o |] 0 9 1 se | 1 | eve x] o | ° 1 ° we | o | § | x oO 1 o 0 58 46 ‘516 Kalau difthat baris pertema (Z) pada tabel di atas, tidak ade lagi yang bernilai negetif, sernuanya positif. Berartitabel itu tidak dapat dioptimalkan lagi, sehingga hasil dari tabel tersebut sudan merupakan hasil optimal. Rangkuman langkal-langkah secara keseluruhan Kalau tabel awal (sebelum dirubah), tabel hasil perubahan pertama dan tabel hasil perubahan kedua dijadikan salu, maka tampak jelas perubahannya. Dari tabel tersebut ekan tampak maksud dari tiap variabel dan nilainiiai yang ede pada tabel optimal, yakni 7 Xt = 5/6, schingge I1 = 5/6 lusin setiap hari X2 = 5, sehingga |2 = 5 lusin setiap hari Z maksimum = 27172, aftinya labs yang akan diperoleh = Rp. 275.000. setiap hari.AT ae ‘Tabel Rangkuman : awal, perubahan pertaina, kedue. z | x% Xe & & | & NK Ts 3 o o a) a} 2 0 1 o | o | 8 o | 0 3 ° 1 o | 45 o | 6 5 o ° 1 | 30 i LL. zits 8 o oe] S| oa} 2 0 1 0 ol 3 % jo} 0 1 6 ap | 0 | 8 s | o ] 8 o | o | se | sy § \ zya7 yo o o Be) | ae s | o | 0 ° 1 se | 1% | 612 % | o | o 4 ° ww | 0 | 8 x fo] 4 ° o | -sma | we | 86 Ketentuan-ketentuan tambahan : y terdapat lebih dari satu Kolom bemilal negatif dengan make pilin salah satu seoara sembarang angka terbesar, dua beris atau lebih mempunyai indaks posit terkecil, maka pith bars ‘secara bebas _ Kenaikan rilel Z tidak terbatas, maka cukup katekan saja bahwa kenalken nilai Z dapat tidak terbatas. _ Mutiple optimal solutions, paling tidak ade 2 lternali mempunyai nai Z sara, if optimal yang