SEJARAH DAN KEGUNAAN RISET

OPERASI
⚫Riset Operasi (operation research)
dimulai dikalangan militer dalam
permulaan Perang Dunia Kedua.
⚫Mengalokasikan sumber-sumber atau
input yang terbatas guna melayani
berbagai operasi militer dan kegiatan-
kegiatan di dalam setiap operasi secara
efisien dan efektif.
⚫Riset Operasi / Mathematical
Programming/ Optimization 1
▪ Tujuan untuk menerapkan pendekatan
ilmiah guna memecahkan permasalahan
atau persoalan di atas ditambah lagi
dengan permasalahan strategi dan taktis
militer.
▪ RO mula-mula berkembang di Inggris
dalam bidang militer, industri, bisnis dan
pemerintahan sipil, kemudian berkembang
dengan cepat sekali di Amerika Serikat,
sejak 1951. Sekarang perkembangannya
sudah meluas menjangkau negara
berkembang seperti Indonesia. 2
BEBERAPA DEFINISI
1. Operations research may be described as a scientific
approach to decision making that involves the
operations of organizational systems. (Dari buku Operation
Research, karangan Frederick S. Hillier dan Gerald J. Lieberman).

2. Operations research is the application of scientific

method to the decision problems of business and other
units of social organization, including government and
military organizations. (Dari buku Fundamentals of Operations
Research for Management, karangan Shiv K. Gupta dan John M.
Cozzolino).
3. Operations Research today refers to the application of
scientific methodology of several different disciplines to
problems related to the functioning or operating of some
unit-business, governmental, or institutional. (Dari buku
Quantitative Approaches to Management, karangan Richard I.
Levin dan Charles A. Kirkpatrick).
3
 lebih lanjut tentang definisi
◼ Riset Operasi mencakup dua kata
yaitu riset yang harus menggunakan
metode ilmiah dan operasi yang
berhubungan dengan proses atau
berlangsungnya suatu kegiatan
(proses produksi, proses pengiriman
barang / militer / senjata, proses
pemberian pelayanan melalui suatu
antrian yang panjang).

4
◼ Riset yang dilakukan terhadap suatu proses /
operasi atau berlangsungnya suatu kegiatan yang
dilakukan oleh unit organisasi

◼ Definisi lain adalah : Riset Operasi adalah aplikasi

metode ilmiah terhadap permasalahan yang
kompleks dalam mengarahkan dan
mengendalikan sistem yang luas mengenai
kehidupan manusia, mesin-mesin, material dan
uang dalam industri, bisnis, pemerintahan dan
pertahanan.
5
Pemecahan persoalan RO harus melalui
suatu tim yang anggotanya memiliki latar
belakang bidang pengetahuan yang
berbeda.
Pendekatan harus ilmiah berdasarkan
model matematika berarti prosedur yang
ditempuh langkah-langkah jelas secara
sistematis dan hasilnya dapat diandalkan
sehingga berguna bagi pembuat
keputusan.

6
TAHAPAN-TAHAPAN DALAM RISET OPERASI
1. Merumuskan atau menganalisis persoalan sehingga
jelas tujuan apa yang akan dicapai (objectives)
2. Pembentukan model matematika untuk mencerminkan
persoalan yang akan dipecahkan. Biasanya model
dinyatakan dalam bentuk persamaan yang
menggambarkan hubungan antara input dan output
serta tujuan yang akan dicapai dalam bentuk fungsi
objektif (objective function).
3. Mencari pemecahan dari model yang telah dibuat
dalam tahap sebelumnya, misalnya dengan
menggunakan metode simpleks.
4. Menguji model dan hasil pemecahan dari penggunaan
model. Sering juga disebut melakukan validasi.

7
 PENJELASAN TAHAPAN
METHODE
1. Tahap pertama, harus merumuskan atau
mendefinisikan persoalan yang akan dipecahkan
sesuai dengan tujuan yang akan dicapai berdasarkan
keadaan objektif. Biasanya harus memperhatikan
tiga hal yaitu : Pertama, uraian yang tepat mengenai
tujuan yang akan dicapai, kedua, identifikasi
daripada adanya alternatif dalam keputusan yang
menyangkut suatu sistem, ketiga, mengenali adanya
pembatasan-pembatasan (limitation, restriction dan
juga persyaratan-persyaratan yang diperlukan sistem
yang bersangkutan dengan pemecahan persoalan).

8
2. Tahap kedua, berkenaan dengan pembentukan
model secara matematis, misalnya dengan
menggunakan persamaan dan ketidaksamaan linear
seperti di dalam linear programming. Model harus
dibuat sedemikian rupa sehingga dapat mewakili
kenyataan yang sebenarnya
3. Tahap ketiga, berkenaan dengan pemecahan model,
yang biasanya memecahkan persamaan /
ketidaksamaan matematika. Di dalam model
matematika, pemecahan ini dicapai dengan teknik
optimisasi dan model menghasilkan suatu
pemecahan optimum.

9
◼ (4) Tahap keempat, melakukan pengujian atau
melakukan validasi dari model. Suatu model
dikatakan sah (valid), apabila dapat memberikan
prediksi yang dapat dipercaya dari hasil proses suatu
sistem, disamping diakui adanya ketidaktepatan dari
model tersebut untuk mewakili keadaan yang
sebenarnya terjadi (real world)
◼ (5) Tahap kelima, merupakan tahap terakhir, ialah
tahap untuk implementasi hasil pemecahan model
yang telah diuji validitasnya. Tugas melakukan
implementasi ini merupakan tugas peneliti operasi
(operation researchers).

10
JENIS PERSOALAN YANG TELAH
DIPECAHKAN DENGAN MENGGUNAKAN
TEKNIK-TEKNIK DALAM RO

• Linear Programming,
• Dynamic Programming,
• Teori Antrian,
• Teori Inventori, Teori Permainan
(Game Theory), Simulasi,
• Net Work Planning.

11
CONTOH – CONTOH PERMASALAHAN DALAM RO
◼ Persoalan Biaya Pemasaran Berbagai
Produk
◼ Perencanaan Produksi
◼ Persoalan atau Masalah Pencampuran
◼ Persoalan Transportasi
◼ Persoalan Antrian dan Inventori
◼ Persoalan Net Work Planning atau PERT
◼ Alokasi Sumber Daya Air
◼ Operasi Waduk
◼ Perencanaan Alokasi Lahan
◼ DLL
12
 PROGRAM LINEAR
Program linear adalah salah satu model
matematika yang digunakan untuk
menyelesaikan masalah optimisasi, yaitu
memaksimumkan atau meminimumkan fungsi
tujuan yang bergantung pada sejumlah variabel
input dengan memperhatikan berbagai
keterbatasan (kendala) dalam sumber daya.
Hal terpenting yang perlu kita lakukan adalah
mencari tahu tujuan penyelesaian masalah dan
apa penyebab masalah tersebut.

13
 Dua macam fungsi Program Linear:

⚫ Fungsi tujuan : mengarahkan analisa pada

pencapaian tujuan permasalahan yang di
analisa
⚫ Fungsi kendala : Memberikan batasan
akan penggunaan sumber daya yang
tersedia dan permintaan atas sumber daya
tersebut.
⚫ Fungsi Tujuan dan Fungsi Kendala harus
disajikan ke dalam Persamaan Linier.
14
Karakteristik Persoalan LP:
 Ada tujuan yang ingin dicapai (Fungsi
Tujuan) → Harus Fungsi Linier
 Tersedia beberapa alternatif untuk mencapai
tujuan
 Sumberdaya dalam keadaan terbatas (Fungsi
Kendala) → Harus Fungsi Linier
 Dapat dirumuskan dalam bentuk matematika
(persamaan/ketidaksamaan)
Contoh pernyataan ketidaksamaan (kualitatif) :
Untuk menghasilkan sejumlah meja dan kursi
secara optimal, total biaya yang dikeluarkan
tidak boleh lebih dari dana yang tersedia.
[Link]
Pernyataan bersifat normatif
 CONTOH Metode penyelesaian masalah:
✓ Grafis (2 variabel)
✓ Matematis (Simplex method)

Contoh Persoalan: 1 (Perusahaan Air Minum)

Suatu perusahaan menghasilkan dua produk, Air Bersih dan
AMDK yang diproses melalui dua bagian fungsi: Penjernihan
(IPAL) dan Pemurnian.
Pada bagian Penjernihan tersedia 60 jam kerja, sedangkan
pada bagian Pemurnian hanya 48 jam kerja. Utk
menghasilkan 1 unit Air Bersih diperlukan 4 jam kerja
Penjernihan dan 2 jam kerja Pemurnian, sedangkan utk
menghasilkan 1 unit AMDK diperlukan 2 jam kerja
Penjernihan dan 4 jam kerja Pemurnian,
Laba utk setiap unit Air Bersih dan AMDK yang dihasilkan
masing2 Rp. 80.000 dan Rp. 60.000,-
Berapa jumlah Air Bersih dan AMDK yang optimal dihasilkan?
[Link]
Perumusan persoalan dlm bentuk tabel:

Waktu yang dibutuhkan per unit Total jam

Proses Air Bersih/Air AMDK tersedia
Minum (M) (K)
Penjernihan 4 2 60
Pemurnian 2 4 48
Laba/unit 80.000 60.000
Perumusan persoalan dlm bentuk matematika:
Maks.: Laba = 8 M + 6 K (dlm satuan Rp.10. 000)
Dengan kendala:
4M + 2K  60
2M + 4K  48
M  0
K  0
[Link]
Langkah-langkah dalam Perumusan Model LP

1. Definisikan Variabel Keputusan (Decision Variable)

 Variabel yang nilainya akan dicari
2. Rumuskan Fungsi Tujuan:
 Maksimisasi atau Minimisasi
 Tentukan koefisien dari variabel keputusan
3. Rumuskan Fungsi Kendala Sumberdaya:
 Tentukan kebutuhan sumberdaya utk
masing-masing peubah keputusan.
 Tentukan jumlah ketersediaan sumberdaya
sbg pembatas.
4. Tetapkan kendala non-negatif
 Setiap keputusan (kuantitatif) yang diambil
tidak boleh mempunyai nilai negatif. [Link]
Perumusan persoalan dalam model LP.
 Definisi variabel keputusan:
Keputusan yg akan diambil adlh berapakah jlh Air Bersih (M)
dan AMDK (K) yg akan dihasilkan. Jika Air Bersih/Air Minum
disimbolkan dgn M dan AMDK dgn K, mk definisi variabel
keputusan:
M = jumlah Air Bersih/Air Minum yg akan dihasilkan (dlm
satuan unit)
K = jumlah AMDK yg akan dihasilkan (dlm satuan unit)
 Perumusan fungsi tujuan:
Laba utk setiap Air Bersih dan AMDK yg dihasilkan masing2
Rp. 80.000 dan Rp. 60.000. Tujuan perusahaan adlh utk
memaksimumkan laba dari sejumlah produksi Air Bersih dan
AMDK yg dihasilkan. Dengan demikian, fungsi tujuan dpt
ditulis:
Maks.: Laba = 8 M + 6 K (dlm satuan Rp.10. 000)
[Link]
 Perumusan Fungsi Kendala:
 Kendala pada proses Penjernihan :
Utk menghasilkan 1 unit Air Bersih diperlukan waktu 4 jam
dan utk menghasilkan 1 unit AMDK diperlukan waktu 2
jam. Waktu yg tersedia adalah 60 jam.
4M + 2K  60

 Kendala pada proses Pemurnian :

Utk menghasilkan 1 unit Air Bersih diperlukan waktu 2 jam
dan utk menghasilkan 1 unit AMDK diperlukan waktu 4
jam. Waktu yang tersedia adalah 48 jam.
2M + 4K  48
 Kendala non-negatif:
Jumlah Air Bersih dan AMDK yg dihasilkan tdk memiliki nilai
negatif.
M  0 [Link]

K  0
Penyelesaian secara grafik:
(Hanya dapat dilakukan untuk model dg 2 decision variables)

Gambarkan masing-masing fungsi kendala pada grafik yang sama.

K
Laba = 8M + 6K
34
Pada A: M = 0, K = 12
32 Laba = 6 (12) = 72
28
4M + 2K  60 Pada B: M = 12, K = 6
24 M=0  K=30 Laba = 8(12) + 6(6) = 132
K=0  M=15
20
Pada C: M = 15, K = 0
16 Laba = 8 (15) = 120
Feasible
12 A(0,12) Region
Keputusan:
8 M=0  K=12 M = 12 dan K = 6
B(12,6) K=0  M=24 Laba yg diperoleh = 1.320.000
4 2M + 4K  48
C(15,0) M [Link]
O 4 8 12 16 20 24 28 32 34
Beberapa Istilah penting dalam persoalan LP

❖ Extreem points (Pivot Points) :

Titik-titik sudut daerah kelayakan (feasbile region)
❖ Feasible Region :
Daerah dimana setiap Titik di dalamnya memenuhi semua kendala,
sehingga merupakan calon solusi
❖ Infeasible Solution:
Tidak ada solusi karena tdk semua kendala terpenuhi.
❖ Unbounded Solution:
Solusi yang disebabkan karena fungsi tujuan dibuat tanpa
batas dan tdk melanggar funggsi kendala.
❖ Redundancy:
Redundancy terjadi karena adanya kendala yg tdk
mempengaruhi daerah kelayakan.
❖ Alternative optima:
Solusi yang tdk memberikan nilai yang unik, terjadi bila garis
[Link]
fungsi tujuan berimpit dgn garis salah satu kendala.
Penyelesaian Persoalan LP Secara Matematis
(Metode Simpleks)
Metode Simpleks adalah suatu metode yg secara matematis
dimulai dr suatu titik penyelesaian dasar yg feasibel (basic
feasible solution) ke titik penyelesaian dasar feasibel lainnya
yang mempunyai Fungsi Objective lebih baik dan proses ini
dilakukan secara berulang-ulang (iteratif) sehingga akhirnya
diperoleh suatu penyelesaian dasar yang optimum (maksimum
atau minimun).
❖ Langkah 1:
Ubah model LP kedalam bentuk kanoniknya, Yaitu semua
fungsi kendala (Constraint) menjadi Persamaan, dg cara
menambahkan slack variabel (S)

 Setiap fungsi kendala mempunyai 1 (satu) slack variabel.

 jumlah slack variable = jumlah fungsi kendala
 Nilai sebelah kanan (Right-Hand Side/ RHS) semua kendala
tidak boleh negatif.
[Link]
 Contoh Persoalan: 1 (Perusahaan Air Minum)
Suatu perusahaan menghasilkan dua produk, Air Bersih dan
AMDK yang diproses melalui dua bagian fungsi: Penjernihan
(IPAL) dan Pemurnian.
Pada bagian Penjernihan tersedia 60 jam kerja, sedangkan
pada bagian Pemurnian hanya 48 jam kerja. Utk
menghasilkan 1 unit Air Bersih diperlukan 4 jam kerja
Penjernihan dan 2 jam kerja Pemurnian, sedangkan utk
menghasilkan 1 unit AMDK diperlukan 2 jam kerja
Penjernihan dan 4 jam kerja Pemurnian,
Laba utk setiap unit Air Bersih dan AMDK yang dihasilkan
masing2 Rp. 80.000 dan Rp. 60.000,-
Berapa jumlah Air Bersih dan AMDK yang optimal dihasilkan?

Variabel Keputusan :
M = Jumlah Air Bersih/Air Minum yang di produksi
K = Jumlah AMDK yang di produksi [Link]
Perumusan persoalan dlm bentuk tabel:
Waktu yang dibutuhkan per unit Total jam
Proses Air Bersih/Air AMDK tersedia
Minum (M) (K)
Penjernihan 4 2 60
Pemurnian 2 4 48
Laba/unit 80.000 60.000
Perumusan persoalan dlm bentuk matematika:

Maks.: Z=8M+ 6K (dlm satuan Rp.10. 000)

Dengan kendala:
4M + 2K  60
2M + 4K  48
M  0
K  0
[Link]
Langkah Penyelesaian Dengan Metode Simplex
❖ Merubah Per-Tidak Samaan menjadi Persamaan dengan menambahkan
Slack Variable (S)
4M + 2K + S1 = 60 atau S1 = 60 – 4M – 2K
2M + 4K + S2 = 48 atau S2 = 48 – 2M – 4K
S1 adalah variabel slack (waktu tak terpakai) dalam Penjernihan
S2 adalah variabel slack (waktu tak terpakai) dalam Pemurnian
❖ Merubah Fungsi Tujuan menjadi :
Z - 8M - 6K = 0
 Semua variabel yang tdk mempengaruhi kesamaan ditulis dg koefisien
nol.
Fungsi Tujuan : Z - 8M - 6K + 0S1 + 0S2 = 0
Dg kendala:
4M + 2K + S1 + 0S2 = 60
2M + 4K + 0S1 + S2 = 48
M  0; K  0
 Variabel dibagi menjadi non-basic variables dan basic variables.
 Non-basic variables  variabel yg tdk keluar sbg solusi pd
setiap iterasi, nilainya sama dg nol.
[Link]

 basic variables  variabel yg keluar sbg solusi pd setiap

❖ Langkah 2: Membuat tabel simpleks awal
Elemen pivot
Row BV CV M K S1 S2 Rasio

R1 S1 60 4 2 1 0 60/4 Persamaan
pivot
R2 S2 48 2 4 0 1 48/2

R3 Zj 0 -8 -6 0 0

❖ Langkah 3: Penentuan baris dan kolom kunci sebagai dasar

iterasi
▪ Kolom kunci ditentukan oleh nilai baris Z negatif terbesar,
yaitu pada kolom M
▪ Baris kunci ditentukan dari nilai rasio CV/Kolom kunci
terkecil, yaitu baris S1.

❖ Langkah 4: Iterasi
Variabel yang masuk sbg basic variable (BV) adlh M dan
variabel yang keluar dari BV adalah S1. Dalam hal ini, maka
koefisien di M diupayakan menjadi 1 (satu)
M masuk sbg BV menggantikan S1 (baris kedua).

Untuk melakukan iterasi, digunakan metode perhitungan

Gauss-Jordan sebagai berikut:

Persamaan Pivot:
Persamaan pivot baru = Persamaan pivot lama : elemen pivot
Persamaan lainnya, termasuk Z:
Persamaan baru = (Persamaan lama) – (Koef kolom masuk) x
(persamaan pivot
baru)
Hasil iterasi 1:

Row BV CV M K S1 S2 Rasio

R1’=(R1)/4 M 15 1 1/2 1/4 0 30

R2’=R2-
S2 18 0 3 -1/2 1 6
2.R1’
R3’=R3+8R1’ 120 0 -2 2 0

[Link]
Tabel Awal :
Row BV CV M K S1 S2 Rasio

R1 S1 60 4 2 1 0 60/4

R2 S2 48 2 4 0 1 48/2

R3 Zj 0 -8 -6 0 0

Tabel Hasil Iterasi 1:

Row BV CV M K S1 S2 Rasio

R1’=(R1)/4 M 15 1 1/2 1/4 0

R2’=R2-2.R1’ S2 18 0 3 -1/2 1

R3’=R3+8R1’ 120 0 -2 2 0

[Link]
 Hasil iterasi 1:
Row BV CV M K S1 S2 Rasio

R1’=(R1)/4 M 15 1 1/2 1/4 0 30

R2’=R2-2.R1’ S2 18 0 3 -1/2 1 6

R3’=R3+8R1’ 120 0 -2 2 0

Hasil iterasi 2:
Row BV CV M K S1 S2 Rasio

R1”=R1’-0.5R2” M 12 1 0 1/3 -1/6

R2”=R2’/3 K 6 0 1 -1/6 1/3

R3”=R3’+2R2” Z 132 0 0 5/3 2/3

Reduced costs Dual Prices

Karena nilai-nilai pada baris Z sudah non-negatif, berarti iterasi selesai, dan solusi yang diperoleh adalah:
M = 12, K = 6 dan Z (laba) = 132.
Dari tabel akhir iterasi diatas juga diperoleh informasi mengenai nilai Reduced Costs dan Dual (shadow) prices. Selain
itu, dgn sedikit perhitungan juga dapat dilakukan analisis sensitivitas.
[Link]
Reduced Cost
Associated with each variable is a reduced cost value. However, the reduced cost value is only non-
zero when the optimal value of a variable is zero. A somewhat intuitive way to think about the
reduced cost variable is to think of it as indicating how much the cost of the activity represented by
the variable must be reduced before any of that activity will be done. More precisely,
... the reduced cost value indicates how much the objective function coefficient on the
corresponding variable must be improved before the value of the variable will be positive in
the optimal solution.
In the case of a minimization problem, "improved" means "reduced." So, in the case of a cost -
minimization problem, where the objective function coefficients represent the per-unit cost of the
activities represented by the variables, the "reduced cost" coefficients indicate how much each cost
coefficient would have to be reduced before the activity represented by the corresponding variable
would be cost-effective. In the case of a maximization problem, "improved" means "increased." In
this case, where, for example, the objective function coefficient might represent the net profit per unit
of the activity, the reduced cost value indicates how much the profitability of the activity would have
to be increased in order for the activity to occur in the optimal solution. The units of the reduced cost
values are the same as the units of the corresponding objective function coefficients.
If the optimal value of a variable is positive (not zero), then the reduced cost is always zero. If the
optimal value of a variable is zero and the reduced cost corresponding to the variable is also zero, then
there is at least one other corner that is also in the optimal solution. The value of this variable will be
positive at one of the other optimal corners.
The dual prices are some of the most interesting values in the solution to a linear program. A dual
price is reported for each constraint. The dual price is only positive when a constraint is binding.
The dual price gives the improvement in the objective function if the constraint is relaxed by one unit.
Dual Prices
[Link]
 Analisis Sensitifitas
$ Suatu analisis yang mempelajari dampak perubahan-
perubahan yang terjadi baik pada parameter
(koefisien fungsi tujuan) maupun pada ketersediaan
sumberdaya (nilai sebelah kanan), terhadap solusi dan
nilai harga bayangan dari sumberdaya.

$ Kegunaannya adalah agar pengambil keputusan dapat

memberikan respon lebih cepat terhadap perubahan-
perubahan yang terjadi.

$ Didasarkan atas informasi pada solusi optimal yang

memberikan kisaran nilai-nilai parameter dan nilai
sebelah kanan. [Link]
 Contoh Soal 1 (Hal. 59)
Pada sebuah perusahaan pengelola air ingin menentukan berapa banyak
masing-masing dari tiga produk yang berbeda yang akan dihasilkan dengan
tersedianya sumber daya air yang terbatas agar diperoleh keuntungan
maksimum. Kebutuhan buruh dan bahan mentah dan sumbangan
keuntungan masing-masing produk adalah seperti Tabel 3.1.

Tersedia 240 jam kerja dan bahan mentah sebanyak 400 (juta m3).
Masalahnya adalah menentukan jumlah masing-masing produk agar
keuntungan maksimum.

Tabel 3-1. Contoh Problem Program Linear

Kebutuhan Sumber Daya Keuntungan

Produk Buruh
Air (juta m3) (Rp/unit)
(jam/unit)
Air Bersih 5 4 3
Air Minum 2 6 5
Listrik 4 3 2
33
Variabel Keputusan :
X1 = jumlah produk air Bersih
X2 = jumlah produk air Minum
X3 = jumlah produk listrik
Fungsi Tujuan :
Z = 3 X1 + 5 X2 + 2 X3

Fungsi Kendala :
1) Jumlah Jam Buruh : 5 X1 + 2 X2 + 4 X3 ≤ 240
2) Ketersediaan bahan : 4 X 1 + 6 X2 + 3 X3 ≤ 400
3) Non Negativity : X1 ≥ 0, X2 ≥ 0, X3 ≥ 0

Penyelesaiannya dapat dilakukan dengan :

1) metode Simplex
2) Dengan Software Solver (Add In nya Excell), Open Solver, Lingo, Lindo, QSB

34
Penyelesaian dengan Metode Simplex
Fungsi Tujuan :
Z = 3 X1 + 5 X2 + 2 X3 ---→ Z - 3 X1 - 5 X2 - 2 X3 + 0 S1 + 0S2 = 0

Fungsi Kendala :
1) Jumlah Jam Buruh : 5 X1 + 2 X2 + 4 X3 +S1 + 0S2 = 240
2) Ketersediaan bahan : 4 X 1 + 6 X2 + 3 X3 +0S1 + S2 = 400
3) Non Negativity : X1 ≥ 0, X2 ≥ 0, X3 ≥ 0

35
Penyelesaian dengan Solver

36
 Contoh Soal 2 (Hal 63):
Seorang petani mengoperasikan tiga lahan pertanian. Setiap lahan
dikelola oleh 3 orang anak pada lahan mereka masing2. Batas atas
tanah, air, dan kebutuhan air yang diberikan pada Tabel 3.2. Tiga jenis
tanaman dapat ditanam pada setiap lahan, namun karena keterbatasan
ketersediaan peralatan, dua dari tanaman terbatas dalam total luas
yang dapat ditanami. Juga, untuk kesetaraan di antara anak-anak, luas
masing-masing lahan pertanian yang dapat ditanam harus sama .
Angka-angka laba bersih setelah menghapus perkiraan biaya tanaman
diberikan pada Tabel 3.2. Total air yang tepat untuk semua lahan
adalah 1.000.000m3.
Lah Areal Tanaman Keb. Air Batasan Keuntung
an (Ha) (m) Alat (Ha) an (Ribu
$/Ha)
A 40 1. Gandum (Wheat) 0.5 Tanpa Batas 0.2
B 50 2. Jagung 0.7 80 0.4
C 70 3. kacang (beans) 1.0 50 0.5
37
Variabel Keputusan :
XA1 = Luas lahan A yang di tanami dengan tanaman 1 (Gandum)
XB1 = Luas lahan B yang di tanami dengan tanaman 1 (Gandum)
XC1 = Luas lahan C yang di tanami dengan tanaman 1 (Gandum)
XA2 = Luas lahan A yang di tanami dengan tanaman 2 (Jagung).
XB2 = Luas lahan B yang di tanami dengan tanaman 2 (Jagung).
XC2 = Luas lahan C yang di tanami dengan tanaman 2 (Jagung).
XA3 = Luas lahan A yang di tanami dengan tanaman 3 (Kacang).
XB3 = Luas lahan B yang di tanami dengan tanaman 3 (Kacang).
XC3 = Luas lahan C yang di tanami dengan tanaman 3 (Kacang).

Fungsi Tujuan : Memaksimalkan Total Keuntungan dari 3 Lahan.

Fungsi Kendala (Constraints):

1. Total air ≤ 1.000.000m 3.
2. Tanah yang di tanami ≤ tanah yang tersedia di tiap lahan
3. Tanaman yang di tanah ≤ Batasan Alat
4. Luas area yang di tanam di setiap lahan harus sama

38
Fungsi Tujuan (Objective function):
Max Z = 0.2 (XA1 + XB1 + XC1) + 0.4 (XA2 + XB2 + XC2) + 0.5 (XA3 + XB3 + XC3)

Subject to (Kendala) :
0.5 (XA1 + XB1 + XC1) + 0.7 (XA2 + XB2 + XC2) + 1.0 (XA3 + XB3 + XC3) ≤ 1.000.000m 3.
XA1 + XA2 + XA3 ≤ 40
XB1 + XB2 + XB3 ≤ 50
XC1 + XC2 + XC3 ≤ 70
XA2 + XB2 + XC2 ≤ 80
XA3 + XB3 + XC3 ≤ 50
XA1 + XA2 + XA3= XB1 + XB2 + XB3
XA1 + XA2 + XA3= XC1 + XC2 + XC3

Hasil (Setelah di Run di SOLVER, LINDO, LINGO, atau QSB) : (Tutorial

menggunakan LINGO dapat di click di link ini
[Link] Contoh penggunaan TK-
Solver di Excell dapat di lihat pada link :
[Link]
Objective function: 53×103 $/Ha
Jenis tanaman:
Farm A: 40 Ha Kacang
Farm B: 40 Ha Jagung
Farm C: 30 Ha Jagung + 10 Ha Kacang
39
Penyelesaian Soal 2 Dengan Solver

40
41
42
 Contoh Soal 3 (Hal 65):
Sebuah waduk dirancang untuk memberikan listrik tenaga air (PLTA) dan air
untuk irigasi. Air yang keluar dari turbin juga dapat digunakan untuk irigasi
seperti yang ditunjukkan pada Gambar 1. Setidaknya satu unit air harus
disimpan di sungai setiap bulan di titik A. Turbin PLTA memiliki kapasitas 4 unit
air per bulan (debit air konstan setiap bulan), dan setiap air lain yang keluar
harus melewati turbin. Ukuran wilayah pertanian relatif sangat besar terhadap
jumlah air irigasi yang tersedia, sehingga tidak ada batas atas air irigasi
digunakan. Waduk ini memiliki kapasitas 10 unit, dan volume awal dari air
yang tersimpan adalah 5 unit air. Total volume penyimpanan akhir harus sama
atau lebih besar dari penyimpanan volume awal. Manfaat/keuntungan per unit
air, dan perkiraan volume rata-rata arus masuk reservoir diberikan dalam Tabel
3.3. Bulan Inflow Keuntungan Keuntungan
(Unit) PLTA ($/unit) Irigasi
($/unit)
1. 2 1,6 1,0
2. 2 1,7 1,2
3. 3 1,8 1,9
4. 4 1,9 2,0
5. 3 2,0 2,2
43
6. 2 2,0 2,2
Variabel Keputusan :
Rt = Volume Air untuk PLTA pada bulan ke t,
It = Volume Air untuk Irigasi pada bulan ke t,
SPt = Pelimpasan air (Spill) pada bulan ke t,
St = Volume Storage/ tersimpan di Waduk pada bulan ke t,
Qt = Inflow pada bulan ke t.

Objective function: Memaksimalkan Benefit/keuntungan dari PLTA dan irigasi.

Max Z : 1,6 R1 + 1,0I1 + 1,7 R2 + 1,2 I2 + 1,8 R3 + 1,9 I3 + 1,9 R4 + 2,0 I4 +
2,0 R5 + 2,2 I5 + 2,0 R6 + 2,2I6

Kendala/constraints:
1) Volume balance untuk irigasi: VSpill +Virigasi ≥ 1 unit air
Bulan 1 : SP1 + R1 –I1≥ 1
Bulan 2 : SP2 + R2 –I2≥ 1
Bulan 3 : SP3 + R3 – I3 ≥ 1
Bulan 4 : SP4 + R4 – I4≥ 1
Bulan 5 : SP5 + R5 –I5≥ 1
Bulan 6 : SP6 + R6 – I6 ≥ 1

44
2) Kapasitas turbin: 4) Mass balance di DAM :
R1 ≤ 4 St+1=St-Rt-SPt+Qt
R2 ≤ 4 St+1-St+Rt+SPt=Qt
R3 ≤ 4
R4 ≤ 4 Bulan 1 : S2 – S1 + R1 + SP1 = 2
R5 ≤ 4 S2 + R1 + SP1 = 2 + 5
R6 ≤ 4 S2 + R1 + SP1 = 7

3) Kapasitas DAM : Bulan 2 : S3 – S2 + R2 + SP2 = 2

S1=5 Bulan 3 : S4 – S3 + R3 + SP3 = 3
S2 ≤10 Bulan 4 : S5 – S4 + R4 + SP4 = 4
S3 ≤10 Bulan 5 : S6 – S5 + R5 + SP5 = 3
S4 ≤10 Bulan 6 : S7 – S6 + R6 + SP6 = 2
S5 ≤10
S6 ≤10 Hasil:
S7 ≥ 5 Objective value: 51.60$

45
Penyelesaian dengan Solver

46
47
48