BAB 1 LINEAR PROGRAMING

1.1 Landasan Teori Linear Programming

1.1.1 Sejarah Linear Programming

LP adalah salah satu teknik Operations Research yang paling banyak

digunakan perusahaan-perusahaan di Amerika menurut penelitian Turban,

Russel, Ledbetter, Cox dan lain- lain. Siswanto (2006, p.23)

Model LP dikembangkan dalam tiga tahap, antara lain pada tahun 1939-

1947. Pertama kali dikembangkan oleh Leonid Vitaliyevich Kantorovich, ahli

matematika Rusia yang memperoleh Soviet government’s Lenin Prize pada

tahun 1965 dan the Order of Lenin pada tahun 1967; kedua, oleh Tjalling

Charles Koopmans, ahli ekonomi dari Belanda yang memulai karir

intelektualnya sebagai fisikawan yang melontarkan teori Kuantum Mekanik;

dan ke-3, George Bernard Dantzig yang mengembangkan Alogaritma

Simpleks.

Pada tahun 1930, Kantorovich dihadapkan pada kasus nyata optimisasi

sumber-sumber yang tersedia di pabrik. Dia mengembangkan sebuah analisis

baru yang nantinya akan dinamakan LP. Kemudian pada tahun 1939,

Kantorovich menulis buku “The Mathematical Method of Production

Planning and Organization”, di mana Kantorovich menunjukkan bahwa

seluruh masalah ekonomi dapat dilihat sebagai usaha untuk memaksimumkan

suatu fungsi terhadap kendala-kendala. Di sisi lain, Koopmans sejak awal

sudah bergelut dengan matematika ekonomi dan ekonometri. Dia

mengembangkan teknik Activity Analysis yang sekarang dikenal dengan LP.

1
 Makalah-makalah yang dipublikasikan Koopmans selama tahun 1960-an

mengupas masalah tentang bagaimana membagi pendapatan nasional antara

konsumsi dan investasi secara opimal.

Kantorovich dan Koopmans telah memberi kontribusi pada teori optimisasi

alokasi sumber dan memperoleh hadiah Nobel di bidang ekonomi pada tahun

1975. Namun demikian, juga ada nama-nama lain yang berperan di dalam

pengembangan model ini, yaitu J. von Neuman. Bahkan dia yang

mengembangkan “Activity Analysis of Production Set” sebelum dilanjutkan

oleh Koopmans. Pada saat itu, teknik yang mereka kembangkan dikenal dengan

istilah “Programming of Interdependent Activities in a Linear Structure”.

Istilah LP diusulkan oleh Koopmans ketika mengunjungi Dantzig di RAND

Corporation pafa tahun 1948. Dan istilah ini menjadi populer dan digunakan

hingga sekarang.

1.1.2 Pengertian Linear Programming

Siswanto (2006, p.38) menyatakan bahwa LP adalah salah satu model

Operations Research yang menggunakan teknik optimisasi matematika di mana

seluruh fungsi harus berupa fungsi matematika linear.

LP adalah suatu teknik matematik yang didesain untuk membantu para

manajer operasi dalam merencanakan dan membuat keputusanyang diperlukan

untuk mengalokasikan sumber daya. Jay Heizer dan Barry Render (2006, p.588)

1.1.3 Persyaratan Sebuah Linear Programming

Semua persoalan LP mempunyai empat sifat umum:

2
 1. Persoalan LP bertujuan untuk memaksimalkan atau meminimalkan

kuantitas (pada umumnya berupa laba atau biaya). Sifat umum ini

disebut fungsi tujuan dari suatu persoalan LP. Tujuan utama suatu

perusahaan pada umumnya untuk memaksimalkan laba jangka panjang.

Dalam kasus lain seperti sistem distribusi penerbangan atau angkutan,

pada umumnya bertujuan untuk meminimalkan biaya.

2. Adanya batasan atau kendala, yang membatasi tingkat sampai di mana

sasaran dapat dicapai. Sebagai contoh, keputusan untuk memproduksi

berapa banyak unit dari tiap produk dalam satu lini produk perusahaan,

dibatasi oleh tenaga kerja dan permesinan tersedia. Oleh karena itu,

untuk memaksimalkan atau meminimalkan suatu kuantitas (fungsi dan

tujuan) bergantung kepada sumber daya yang jumlahnya terbatas

(batasan).

3. Harus ada beberapa alternatif tindakan yang dapat diambil. Sebagai

contoh, jika suatu perusahaan menghasilkan tiga produk berbeda,

manajeman dapat menggunakan LP untuk memutuskan bagaimana cara

mengalokasikan sumber dayamya yang terbatas (tenaga kerja,

permesinan, dan seterusnya). Jika tidak ada alternatif yang dapat diambil

maka LP tidak dibutuhkan.

4. Tujuan dan batsan dalam permasalahan LP harus dinyatakan dalam

hubungan dengan pertidaksamaan atau persamaan linear.

1.1.4 Linearitas dan Dalil Matematika

Istilah LP secara eksplisit telah menunjukkan karaktertistiknya. Seluruh

fungsi matematika model harus berupa fungsi matematika linear dan

3
penyelesaian optimal diturunkan melalui teknik optimisasi linear. Karena

penyelesaian model ini menggunakan teknik optimisasi linear maka sebagai

konsekuensinya seluruh asumsi dan dalil matematika yang berlaku bagi teknik

penyelesaian tersebut juga berlaku bagi model LP. Sebagai contoh, perhatikan

fungsi matematika linear berikut,

a1x1 + a1x2 + a1x3 = b1

Agar fungsi matematika tersebut tetap terpenuhi oleh perubahan parameter-

parameter yang terjadi, maka ruas kiri (a1, a2, a3) harus diimbangi oleh

perubahan parameter pada ruas kanan (b1). Bila seluruh parameter ruas kiri

dikalikan dengan dua, maka “b1” juga harus dikalikan dengan dua sehingga

fungsi matematika tersebut menjadi:

2a1x1 + 2a1x2 + 2a1x3 = 2b1

Peranan dalil semacam ini di dalam model menjadi sangat penting mengingat

fungsi matematika bisa mewakili aneka realitas. Sebagai contoh, bila “b1”

mewakili kapasitas mesin dalam satuan ton sedang Xi mewakili produk yang

harus diproduksi di mesin itu dan parameter “ai” menunjukkan satuan waktu

proses yang diperlukan oleh setiap unit Xi, maka kita tidak mungkin

menyetarakan kedua macam parameter yang berbeda satuan tersebut dan

merumuskannya ke dalam sebuah fungsi matematika. Bila “a1” dalam satuan

jam, maka “b1” harus dinyatakan dalam satuan yang setara, misal bisa dalam

hari, jam, menit atau bahkan detik. Yang terpenting adalah kesetaraan itu harus

tetap dijaga.

4
 Dengan demikian, kini bisa disimpulkan dua hal. Pertama, seluruh dalil

matematika yang berhubungan dengan fungsi matematika line4a dan

penyelesaian optimisasi linear berlaku untuk model LP. Kedua, suatu kasus di

mana hubungan antara variabel-variabel yang terkait tidak berkarakteristik

linear tidak mungkin dimodelkan ke dalam LP.

1.1.5 Model Linear Programming

Model adalah suatu tiruan terhadap realitas. Langkah untuk membuat

peralihan dari realitas ke model kuantitatif, dinamakan perumusan model,

adalah sebuah langkah penting pertama pada penerapan Operation Research, di

dalam manajemen. Pemahaman terhadap unsur-unsur model akan sangat

memnbantu untuk mengatasi kesulitan ini.

Model LP memiliki tiga unsur utama yaitu:

1. variabel keputusan

2. fungsi tujuan

3. fungsi kendala

Variabel keputusan adalah variabel persoalan yang akan mempengaruhi

nilai tujuan yang hendak dicapai menurut Siswanto (2006, p.25). Dalam proses

pemodelan, penemuan variabel keputusan tersebut harus dilakukan terlebih

dahulu sebelum merumuskan fungsi tujuan dan kendala-kendalanya.

5
 Fungsi tujuan. Dalam LP, tujuan yang hendak dicapai harus diwujudkan ke

dalam sebuah fungsi matematika linear. Kemudian fungsi tersebut

dimaksimumkan atau diminimumkan terhadap kendala-kendala yang ada.

Kendala-kendala fungsional. Manajemen menghadapi berbagai kendala

untuk mewujudkan tujuan-tujuannya. Kenyataan tentang eksistensi kendala-

kendala tersebut selalu ada, misal:

1. Keputusan untuk meningkatkan volume produksi dibatasi oleh faktor-

faktor seperti kemampuan mesin, jumlah sumber daya manusia dan

teknologi yang tersedia.

2. Manajer produksi harus menjaga tingkat produksi agar permintaan pasar

3. Agar kualitas produk yang dihasilkan memenuhi standar tertentu maka

unsur bahan baku yang digunakan harus memenuhi kualifikasi umum.

Dengan demikian kendala dapat diumpamakan sebagai suatu pembatas

terhadap kumpulan keputusan yang mungkin dibuat dan harus dituangkan ke

dalam fungsi matematika linear. Dalam hal ini, sesuai dengan dalil-dalil

matematika terdapat tiga macam kendala yaitu:

1. Kendala berupa pembatas

2. Kendala berupa syarat

3. Kendala berupa keharusan

Ketiga macam kendala akan ditemui pada setiap susunan kendala kasus LP,

baik salah satu maupun gabungan ketiganya. Dengan demikian, LP adalah

6
 sebuah metode matematis yang berkarakteristik linear untuk menemukan suatu

penyelesaian optimal dengan cara memaksimumkan atau meminimumkan

fungsi tujuan terhadap satu susunan kendala. Siswanto (2006, p.26)

1.1.6 Model Matematis

Berbeda dengan bentuk-bentuk fungsi matematika pada model optimisasi

pada umumnya, model matematis pada LP memiliki struktur tertentu yang

bersifat baku agar realitas dijelaskan dengan baik oleh model atau agar realitas

itu bisa dibaca langsung melalui fungsi-fungsi matematika yang mewakili

model.

Struktur model matematis teknik LP diawali oleh fungsi tujuan yaitu sebuah

fungsi matematika yang mencerminkan tujuan model. Fungsi tujuan itu harus

diminimumkan atau dimaksimumkan terhadap suatu susunan kendala sehingga

di dalam fungsi tujuan harus muncul pernyataan mengenai arah tersebut. Oleh

karena itu, hanya ada dua kemungkinan fungsi tujuan yaitu,

1. Maksimumkan Z = f(x1,x2,…,xn)

2. Minimumkan Z = f(x1,x2,…,xn)

Dalam hal ini notasi Z digunakan untuk menandai nilai fungsi tujuan, di

mana nilai Z tergantung pada nilai x1,x2,…,xn yang berfungsi sebagai variabel

bebas. Pemaksimuman atau peminimuman fungsi tujuan terhadap fungsi

kendala akan menghasilkan penyelesaian optimal, yaitu nilai variabel keputusan

xj yang memenuhi seluruh fungsi matematika kendala dan membuat nilai fungsi

tujuan menjadi ekstrem.

7
1.2 Studi Kasus (1)
1.2.1 Identifikasi kasus

Seorang pemilik toko ingin mengisi tokonya dengan sepatu laki-laki

paling sedikit 350 pasang dan sepatu wanita paling sedikit 230 pasang,
took tersebut hanya dapat menampung 1200 pasang sepatu. Keuntungan
setiap pasang sepatu laki-laki adalah Rp. 25.000,00 dan keuntungan setiap
pasang sepatu wanita adalah Rp. 22.500,00. Jika banyaknya sepatu laki-
laki tidak boleh melebihi 350 pasang, maka tentukanlah keuntungan
terbesar yang dapat diperoleh oleh pemilik took dan gambarkan grafiknya
!
1.2.2 Algoritma Solusi

Gambar 1.1 Hasil perhitungan manual soal 1

8
1.2.3 Penyelesaian Dengan Software

1. Buka menu START kemudian pilih ALL PROGRAM kemudian

pilih winQSB lalu pilih Linear and Integer Programing

Gambar 1.2 Menjalankan aplikasi

2. Pilih File kemudian New Problem

Gambar 1.3 New Problem

9
3. Isikan Problem title misalnya soal 1
Isikan Number Of Variables = 2
Isikan Number Of Contraints = 4
Object Criterion pilih Maximization
Maka, akan muncul gambar sebagai berikut :

Gambar 1.4 Menentukan [Link]

4. Jika pengisian telah selesai, lalu pilih Solve and Analyze kemudian
pilih Solve and Display Steps

Gambar 1.5 Solve and display steps

10
5. Setelah di klik maka akan muncul tampilan seperti dibawah :

Gambar 1.6 Iteration 1

6. Setelah itu klik Simplex Iteration dan klik Next Iteration

Gambar 1.7 Next Iteration

11
 7. Jika setelah di klik Next Iteration masih muncul tampilan seperti
diatas maka klik terus Next Iteration hingga tampilan sebagai
berikut :

Gambar 1.8 Final Iteration

8. Dari sini kita mendapatkan hasil yang sama dengan perhitungan

manual yaitu sebesar Rp. 27.850.000.- dengan hasil winQSB maka
perhitungan semakin akurat.

1.3 Studi Kasus (2)

1.3.1 Identifikasi kasus

Seorang pembuat kue mempunyai 20 kg tepung dan 8 kg gula pasir.

Ia ingin membuat dua macam kue yaitu kue dadar dan kue apem. Untuk
membuat kue dadar dibutuhkan 25 gram gula pasir dan 12 gram tepung
sedangkan untuk membuat sebuah kue apem dibutuhkan 9 gram gula pasir
dan 15 gram tepung. Jika kue dadar dijual dengan harga Rp. 350,00/buah
dan kue apem dijual dengan harga Rp.550,00/buah, tentukanlah
pendapatan maksimum yang dapat diperoleh pembuat kue tersebut serta
gambarkan grafiknya !
Algoritma Solusi
1.3.2
Penyelesaian dengan software
1.3.3
1.4 Studi kasus (3)
1.4.1 Identifikasi kasus

Selesaikan kasus berikut dengan menggunakan metode simpleks :

Maksimumkan Z= 4x1 + 9x2 + 3x3

12
 Kendala :
x1 + x2 + 2x3 ≤ 5
2x1 + 8x2 + 4x3 ≤ 3
9x1 + 6x2 + 2x3 ≤ 9
x1 , x2 , x3 ≥ 0
1.4.2 Algoritma Solusi

Gambar 1.9 Soal no 3

13
 Gambar 1.10 Soal no 3

1.4.3 Penyelesaian dengan software

1. Buka menu START kemudian pilih ALL PROGRAM kemudian

pilih winQSB lalu pilih Linear and Integer Programing

Gambar 1.11 Menjalankan aplikasi

14
2. Pilih File kemudian New Problem

Gambar 1.12 New Problem

3. Isikan Problem title misalnya soal 3

Isikan Number Of Variables = 2
Isikan Number Of Contraints = 3
Object Criterion pilih Maximization
Maka, akan muncul gambar sebagai berikut :

Gambar 1.13 Menentukan [Link]

15
4. Jika pengisian telah selesai, lalu pilih Solve and Analyze kemudian
pilih Solve and Display Steps

Gambar 1.14 Solve and display steps

5. Setelah di klik maka akan muncul tampilan seperti dibawah :

Gambar 1.15 Iteration 1

16
6. Setelah itu klik Simplex Iteration dan klik Next Iteration

Gambar 1.16 Next Iteration

7. Jika setelah di klik Next Iteration masih muncul tampilan seperti

diatas maka klik terus Next Iteration hingga tampilan sebagai
berikut :

Gambar 1.17 Final Iteration

17
 1.5 Studi kasus (4)
1.5.1 Identifikasi kasus

Suatu perusahaan meghasilkan dua produk, meja dan kursi yang

diproses melalui dua bagian fungsi : perakitan dan pemolesan. Pada
bagian perakitan tersedia 80 jam kerja, sedangkan pada bagian pemolesan
hanya 58 jam kerja. Untuk menghasilkan 1 meja diperlukan 3 jam
perakitan dan 4 jam kerja pemolesan, sedangkan untuk menghasilkan 1
kursi diperlukan 2,5 jam kerja perakitan dan 5 jam kerja pemolesan. Laba
untuk setiap meja dan kursi yang dihasilkan masing – masing Rp.
130.000,00 dan Rp. 95.000,00 berapa jumlah meja dan kursi yang optimal
dihasilkan ?
1.5.2 Algoritma solusi
1.5.3 Penyelesaian dengan software

1.6 Sudi kasus (5)

1.6.1 Identifikasi kasus

Rosa, Rina, dan Ratih pergi bersama-sama ketoko buah. Rosa

membeli 4kg mangga, 3kg anggur, dan 4 kg jeruk dengan harga Rp.
80.000,00. Rina membeli 5kg mangga, 1kg anggur, dan 2kg jeruk dengan
harga Rp. 72.000,00. Ratih membeli 1kg mangga, 3kg anggur, dan 1kg
jeruk dengan harga Rp. 70.000,00. Tentukan harga 1kg mangga, 1kg
anggur, dan 4kg jeruk !
1.6.2 Algoritma Solusi
1.6.3 Penyelesaian dengan software

1.7 Studi kasus (6)

1.7.1 Identifikasi kasus

Selesaikan kasus berikut ini dengan menggunakan metode simpleks

:
Maksimumkan 𝑍 = 4x1 + 9x2 + 3x3
Kendala :
15x1 + 10x2 + 6x3 ≤ 150
12x1 + 7x2 + 4x3 ≤ 135
9x1 + 10x2 + 2x3 ≤ 120
x1 , x2 , x3 ≥ 0
1.7.2 Algoritma Solusi

18
Gambar 1.18 Soal no 6

Gambar 1.19 Soal no 7

19
1.7.3 Penyelesaian dengan software
1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Linear and Integer Programing

Gambar 1.20 Menjalankan aplikasi

2. Pilih File kemudian New Problem

Gambar 1.21 New Problem

20
3. Isikan Problem title misalnya soal 1
Isikan Number Of Variables = 3
Isikan Number Of Contraints = 3
Object Criterion pilih Maximization
Maka, akan muncul gambar sebagai berikut :

Gambar 1.22 Menentukan [Link]

4. Jika pengisian telah selesai, lalu pilih Solve and Analyze kemudian
pilih Solve and Display Steps

Gambar 1.23 Solve and display steps

21
5. Setelah di klik maka akan muncul tampilan seperti dibawah :

Gambar 1.24 Iteration 1

6. Setelah itu klik Simplex Iteration dan klik Next Iteration

Gambar 1.25 Next Iteration

22
 7. Jika setelah di klik Next Iteration masih muncul tampilan seperti
diatas maka klik terus Next Iteration hingga tampilan sebagai
berikut :

Gambar 1.26 Final Iteration

1.8 Studi kasus (7)

1.8.1 Identifikasi kasus

Selesaikan kasus berikut ini menggunakan metode simpleks :

Minimumkan 𝑍 = 9x1 + 8,5x2
Kendala :
8x1 + 10x2 ≤ 150
12x1 + 7x2 ≥ 100
5x1 + 8x2 ≤ 140
x1 , x2 ≥ 0
1.8.2 Algoritma Solusi
1.8.3 Penyelesaian dengan software

23
 1.9 Studi kasus (8)
1.9.1 Identifikasi kasus

Selesaikan kasus berikut ini dengan menggunakan metode simpleks

:
Minimumkan 𝑍 = 35x1 + 40x2 + 30x3
Kendala :
7x1 + 10x2 + 5x3 ≤ 150
8x1 + 3x2 + 4x3 ≤ 125
9x1 + 8x2 + 2x3 ≤ 100
x1 , x2 , x3 ≥ 0
1.9.2 Algoritma Solusi
1.9.3 Penyelesaian dengan software

1.10 Studi kasus (9)

1.10.1 Identifikasi kasus

Selesaikan kasus berikut ini dengan menggunakan metode simpleks

:
Minimumkan 𝑍 = 35x1 + 40x2 + 30x3
Kendala :
7x1 + 10x2 + 5x3 ≤ 150
8x1 + 3x2 + 4x3 ≤ 125
9x1 + 8x2 + 2x3 ≤ 100
x1 , x2 , x3 ≥ 0
1.10.2 Algoritma Solusi
1.10.3 Penyelesaian dengan software

1.11 Studi kasus (10)

1.11.1 Identifikasi kasus

Selesaikan kasus berikut ini dengan menggunakan metode simpleks

:
Minimumkan 𝑍 = 50x1 + 38x2 + 23x3
Kendala :
8x1 + 10x2 + 12x3 ≤ 250

24
 12x1 + 4x2 + 14x3 ≤ 175
7x1 + 7x2 + 12x3 ≤ 87
x1 , x2 , x3 ≥ 0
1.11.2 Algoritma Solusi
1.11.3 Penyelesaian dengan software

BAB 2 TRANSPORTASI
Landasan Teori Transportasi
2.1
 Pengertian Metode Transportasi
Metode transportasi yaitu suatu metode yang di gunakan untuk
mengatur distribusi dari sumber-sumber yang menyediakan produk yang
sama ke tempat-tempat yang membutuhkan secara optimal dengan biaya
yang termurah. Alokasi produk ini harus di atur sedemikian rupa karena
terdapat perbedaan biaya-biaya alokasi dari satu sumber atau beberapa
sumber ke tempat tujuan yang berbeda.
Model transportasi diantaranya yaitu:
1. Merupakan salah satu bentuk dari model jaringan kerja (network)
2. Suatu model yang berhubungan dengan distribusi suatu barang
tertentu dari sejumlah sumber ke berbagai tujuan
3. Satiap sumber mempunyai sejumlah barang untuk di tawarkan dan
setiap tujuan mempunyai permintaan terhadap barang tersebut
4. Terdapat biaya transportasi per unit barang dari setiap rute
5. Asumsi dasar yaitu biaya transportasi pada suatu rute tertentu
proporsional dengan banyak barang yang di kirim
 Tujuan metode transportasi yaitu:
1. Suatu proses pengaturan distribusi barang dari tempat yang
menghasilkan barang dengan kapasitas tertentu ke tempat yang
membutuhkan barang tersebut dengan jumlah kebutuhan tertentu
agar biaya distribusi dapat di tekan seminimal mungkin
2. Berguna untuk memecahkan permasalahan distribusi
3. Memecahkan permasalahan bisnis lainnya seperti masalah
pengiklanan, alokasi dana untuk investasi, analisis lokasi dsb.
 Ciri-ciri penggunaan
1. Terdapat sejumlah sumber dan tujuan tertentu
2. Kuantitas barang yang di distribusikan dari setiap sumber dan yang
di minta oleh tujuan besarnya tertentu
3. Barang yang di kirim dari suatu sumber ke suatu tujuan besarnya
sesuai dengan permintaan dan kapasitas sumber
 Ada tiga macam metode dalam metode transportasi:
1. Metode Stepping Stone
2. Metode MODI (Modified Distribution Method)
3. Metode VAM (Vogel’s Approximation Method)

25
 Contoh sederhana pemecahan masalah dengan metode transportasi yaitu
suatu perusahaan manufaktur yang membuat VCD mempunyai dua pabrik
yang letaknya di kota Jakarta dan Medan dengan kapasitas produksi masing-
masing 1.000 dan 1.500 unit per minggu. Setiap akhir minggu VCD tersebut
dikirimkan ke 3 pusat industri yang berada di Pontianak, Makasar, dan
Jayapura. Daya tampung per minggu kota-kota distributor Pontianak (950
unit), Makasar (1.200 unit), dan Jayapura (400 unit). Biaya angkut per VCD
dari setiap pabrik ke masing-masing daerah yaitu:
Tabel 2.1 Alokasi barang dari tempat asal ke tempat tujuan
Dari-Ke Pontianak Makasar Jayapura
Jakarta Rp 10.000,00 Rp 25.000,00 Rp 60.000,00
Medan Rp 15.000,00 Rp 40.000,00 Rp 80.000,00
Tabel 2.1 Alokasi barang dari tempat asal ke tempat tujuan

1. Metode Stepping Stone

Stepping Stone adalah memindahkan batu dari sel satu ke sel satu lain.
Sebelumnya patokan sel pada sudut kiri atas diisi lebih dahulu. berikut tabel
matrik alokasi yang pertama dengan mengisi sel pojok kiri atas.

Dari- ke Pontianak (P) Makasar Jayapura Kapasitas

(Mk) (Jp)
Jakarta (J) 10 25 60 1.000
900 100 0

Medan (M) 15 40 80 1.500

0 1.100 400

Daya 900 1.200 400 2.500

tampung
Tabel 2.2 Matriks ke-1/ SS

Sel ( J,P× ) sebagai perpotongan baris J dengan kolom P merupakan

kotak sel yang terdapat dipojok kiri atas ( north west corner). Isilah sel-sel
lain dengan memperhatikan kapasitas pada baris maupun daya tampung
pada kolom masing-masing. Misalnya sel (J,P) tidak dapat diisi 1.000 unit
karena daya tampung P hanya 900. Pada sel (J,P) diisi dengan angka 900
saja. Kapasitas J sebesar 1.000 unit, baru dialokasikan sebanyak 900 ke P
sehingga sisa 100 unit dikirimkan ke sel (J,Mk). Sementara sel (J,Jp) kosong
alias nol. Sel (M,P) sebesar 0 unit karena kolom P hanya memerlukan 900
unit saja, dengan demikian sel (M,Mk) harus diisi sebesar 1.200-100 unit =
1.100 unit. Lalu perhatikan baris M di mana kapasitas yang tersedia sebesar
1.500, sedangkan yang telah dialokasikan hanya sebesar 1.100 unit ke sel
(M,Mk) sehingga sebesar 1.500 unit – 1.100 unit = 400 unit harus
dialokasikan ke sel (M,Jp).

26
Dengan alokasi pengiriman barang dari dua tempat asal Jakarta dan Medan
ke Pontianak, Makasar, dan Jayapura seperti tercantum dalam Matriks ke-
1, selanjutnya kita dapat menghitung total biaya transportnya, yakni sebesar:
900 unit × Rp 10.000/unit = Rp 9.000.000,00
100 unit × Rp 25.000/unit = Rp 2.500.000,00
1.100 unit × Rp 40.000/unit = Rp 44.000.000,00
400 unit × Rp 80.000/unit = Rp 32. 000.000,00 +
Total biaya transportasinya = Rp 87.500.000,00
Pertanyaannya, apakah total biaya transport sebesar Rp 87.500.000,00
tersebut masih dapat diturunkan lagi atau tidak ? Untuk menjawab
pertanyaan ini cara-cara stepping stone memberi petunjuk untuk coba
memindahkan “batu-batu” tersebut ke sel-sel yang lain. Mari kita
mencobanya dengan memindahkan 1 batu saja dari sel (M,Mk) ke sel (M,P).
Lihat anak-anak panah pada matriks -1 memindahkan 1 unit (batu) dari sel
(M,Mk) ke sel (M,P). Akibat pemindahan tersebut, maka harus diikuti oleh
pemindahan satu unit dari sel (J,P) ke sel (J,Mk) sehingga jumlah vertikal
dan horizontal “kapasitas “ dan “daya tampung” tidak berubah. Apakah
dengan pemindahan 1 unit dari dan ke sel-sel tersebut di atas mempunyai
akibat terhadap biaya transport? Tentu ada. Cara menghitungnya ialah
sebagai berikut.
i. Sel (M,Mk) ke sel (M,P) artinya mengurangi (-) sel (M,Mk)
menambah (+) sel (M,P) sehingga
(-1 × Rp 40.000,00) + (1 × Rp 15.000,00) = - Rp 25.000,00
ii. Sel (M,P) ke sel (J,P)
(+1 × Rp 15.000,00) + (-1 × Rp 10.000,00) = + Rp 5.000,00
iii. Sel (J,P) ke sel (J,Mk)
(-1 × Rp 10.000,00) + (1 × Rp 25.000,00) = + Rp 15.000,00
iv. Dari sel (J,Mk) ke sel (M,Mk)
(1 × Rp 25.000,00) + (-1 × Rp 40.000,00) = - Rp 15.000,00
Jadi, (i) + (ii) + (iii) + (iv) = -25.000 + 5.000 + 15.000 – 15.000 = -20.000
Artinya dengan memindahkan 1 unit (batu) dari sel (M,Mk) ke sel (M,P)
akan menurunkan biaya transport sebanyak Rp 20.000,00. Jika demikian,
pindahkan saja sebesar 900 unit sehingga diperoleh Matriks ke-2 berikut ini.

Dari - ke Pontianak (P) Makasar (Mk) Jayapura (Jp) Kapasitas

Jakarta (J) 10 25 60 1.000

0 1.000 0

Medan (M) 15 40 80 1.500

900 200 400

Daya tampung 900 1.200 400 2.500

Tabel 2.3 Matriks ke-2/SS

27
Berdasarkan alokasi barang seperti tercantum dalam Matriks-2 diperoleh
total biaya transport (1.000 × Rp 25.000,00) + (900 × Rp 15.000,00) + (200
× Rp 40.000,00) + (400 × Rp 80.000,00) = Rp 78.500.000,00
Pertanyaannya, apakah total biaya Rp 78.500.000,00 tersebut masih dapat
diturunkan lagi? Kita coba lagi dengan memindahkan 1 unit barang dari sel
(J,Mk) ke sel (J,Jp) dengan akibat beruntun terlihat dengan anak panah pada
matriks ke-2.
i. Sel (J,Mk) ke sel (J,Jp) = (-1 × Rp 25.000,00) + (1 × Rp 60.000,00)
= + Rp 35.000,00
ii. Sel (J,Jp) ke (M,Jp) = (1 × Rp 60.000,00) + (-1 × Rp 80.000,00) = -
Rp 20.000,00
iii. Sel (M,Jp) ke sel (M,Mk) = (-1 × Rp 80.000,00) + (1 × Rp 40.000,00)
= - Rp 40.000,00
iv. Sel (M,Mk) ke sel (J,Mk) = (1 × Rp 40.000,00) + (-1 × Rp 25.000,00)
= + Rp 15.000,00
Jadi, (i) + (ii) + (iii) + (iv) = Rp 35.000,00 – Rp 20.000,00 – Rp
40.000,00 + Rp 15.000,00 = - Rp 10.000,00. Hal ini berarti dengan
memindahkan 1 unit akan mengurangi biaya sebesar Rp 10.000,00. Oleh
karena itu, pindahkan saja sebanyak 400 unit (sesuai dengan daya
tampung Jp) sehingga alokasinya seperti tercantum dalam matriks ke-3
berikut ini.

Dari – ke Pontianak (P) Makasar (Mk) Jayapura (Jp) Kapasitas

Jakarta (J) 10 25 400 60
900 600 1.000

Medan (M) 15 40 80 1.500

900 600 0

Daya tampung 900 1.200 400 2.500

Tabel 2.4 Matriks ke-2/SS

Dengan Matriks ke-3, maka total biaya transportasi = (600 × Rp 25.000,00)

+ (400 × Rp 60.000,00) + (900 × Rp 15.000,00) + (600 × Rp 40.000,00) =
Rp 15.000.000,00 + Rp 24.000.000,00 + Rp 13.500.000,00 + Rp
24.000.000,00 = Rp 76.500.000,00.
Apakah total biaya Rp 76.500.000,00 ini masih dapat diperkecil? Mari coba
lagi memindahkan 1 unit dari sel (M, P) ke sel (J,P). Kita coba
memindahkan 1 unit barang (batu/ stone) dari sel (M,P) ke sel (J,P). Apa
yang terjadi?
i. -1 (Rp 15.000,00) + 1 ( Rp 10.000,00) = - Rp 5.000,00
ii. Dari sel (J,P) ke sel (J,Mk)

28
 +1 (Rp 10.000,00) -1 (Rp 25.000,00) = - Rp 15.000,00
iii. Dari sel (J,Mk) ke sel (M,Mk)
-1 (Rp 25.000,00) + 1 (Rp 40.000,00) = + Rp 15.000,00
iv. Dari sel (M,Mk) ke (M,P)
+1 (Rp 40.000,00) -1 (Rp 15.000,00) = + Rp 25.000,00
Jadi, (i) + (ii) + (iii) + (iv) = - Rp 5.000,00 + (– Rp 15.000,00) + Rp
15.000,00 + Rp 25.000,00 = + Rp 20.000,00
Jadi, dengan memindahkan 1 unit barang dari sel (M,P) ke sel (J,P) akan
menaikkan biaya transport sebesar Rp 20.000,00. Jika demikian, jangan
dipindahkan. Berdasarkan perhitungan tersebut matriks-3 telah optimal,
artinya pihak manajemen membuat perencanaan alokasi produk VCD dari
Jakarta dan Medan ke kota distribusi Pontianak, Makasar dan Jayapura
sebagai berikut : Pabrik Jakarta yang berkapasitas 1.000 unit
mendistribusikan produknya ke Makassar 600 unit dan Jayapura 400 unit.
Pabrik Medan mendistribusikan produk VCD ke Pontianak 900 dan ke
Makassar 600 unit sesuai dengan kapasitas pabrik 1.500 unit.

2. Metode MODI (Modified Distribution Method)

Metode MODI atau singkatan dari metode Modified Distribution
Method,merupakan modifikasi perhitungan biaya transportasi cara Stepping
Stone ( memindahkan batu). Artinya, MODI ini merupakan perbaikan dari
cara Stepping Stone tersebut, karena secara umum lebih singkat.
Langkah dari MODI adalah sebagi berikut.
a) Mengisi sel berdasrkan northwest corner, sebagai langkah awal
yakni mengisi sel yang terdapat di sudut kiri atas terlebih dahulu.
selanjutnya dengan memperhatikan kapasitas-kapasitas maupun
daya tampung setiap kolom, sel-sel berikutnya diisi.
b) Sel-sel yang berisi “batu” dinilai dengan rumus sebagi berikut.

Nilai tempat awal (A) + nilai tempat tujuan (T) + nilai sel (A, T) = 0

Dari - ke T
A Sel (A, T)

Nilai tempat tujuan T bila mempunyai J kolom, kita beri simbol Kj,
sedangkan sel-sel yang merupakan perpotongan baris Bi dan kolom
Kj disebut sel (Bi, Kj), sehingga rumus umumnya menjadi:
Nilai Bi + Nilai Kj + (Bi, Kj) = 0

c) Untuk menerapkan rumus tersebut, pada tahap pertama B, dari

baris i diberi nilai sebesar 0 (nol).
d) Setelah seluruh sel-sel yang terisi “dinilai” untuk menghitung
besarnya Bi dan Kj, selanjutnya dengan rumus yang sama dinilai
pula semua sel yang kosong. Tujuannya untuk mencari sel yang

29
 bernilai paling rendah, dan kemudian menjadi sel yang harus diisi.
Disinilah kelebihan MODI dengan Stepping Stone, yaitu sel yang
akan diisi perlu “dinilai” terlebih dahulu, sedangkan pada Stepping
Stone cara menilai sel-sel yang harus diisi dihitung secara lebih
panjang prosesnya dan lebih lama.
e) Bila sel-sel kosong telah terisi, berarti diperoleh matriks baru yang
berbeda alokasinya dengan matriks awal, selanjtunya matriks baru
tersebut perlu dinilai lagi dengan prosedur yang sama dari (a) sampai
dengan (e).
Tampaknya akan lebih mudah penghayatannya bila penerapan metode
MODI ini dijelaskan dengan contoh seperti di bawah ini:

Dari - ke K1 = -10 K2 = -25 K3 = -65 Kapasitas

B1 = 0 10 25 60
900 100 1.000

B2 = - 15 15 40 80 1.500
1.100 400

Daya tampung 900 1.200 400 2.500

Tabel 2.5 Matriks ke-1/MODI

Ingat pada matriks ke-1, sel-selnya diisi di sudut kiri atas (north west
corner) dengan memperhatikan kapasitas dan daya tampung masing-masing
baris dan kolom.
Menilai sel yang terisi:
i. Sel ( B1,K1) : B1 + (B1,K1) +K1 = 0
0 + 10 + K1 = 0
K1 = -10 Cantumkan angka – 10 pada K1 di matriks ke -1
ii. Sel ( B1,K2) : B1 + (B1,K2) +K2 = 0
0 + 25 + K2 = 0 K2 = - 25 Cantumkan angka – 25
pada K2 di matriks ke -1
iii. Sel ( B2,K2) : B2 + (B2,K2) +K2 = 0
B2 + 40 + (-25) = 0
B2 + 15 = 0
B2 = -15 Cantumkan angka – 15 pada B2 pada baris di matriks ke -1
iv. Sel ( B2,K3) : B2 + (B2,K3) + K3 = 0
-15 + 80 + K3 = 0
K3 = -65
Jadi B1, B2, K1, K2, dan K3 telah diisikan nilainya. Selanjutnya kita perlu
menilai sel-sel kosong mana yang berpotensi diisi menerima pindahan.
Dalam hal ini terdapat dua sel saja, yakni sel ( B1,K3), dan ( B2,K1).
i. Sel ( B1,K3) : B1 + (B1,K3) +K3 = 0
0 + 60 + (-65) = -5

30
 Sel ( B2,K1) : B2 + (B2,K1) +K1 = 0
ii.
-15 + 15 + (-10) = 0
0 – 10 = -10
Membandingkan kedua sel kosong tersebut, maka sel (B2, K1) mempunyai
nilai negatif sebesar –10, sedangkan sel (B1, K3) hanya sebesar –5. Jadi sel
(B2, K1) harus diisi dengan memindahkan dari sel yang ada. Berikut matriks
ke-2 di bawah ini. Sel (B2, K1) diisi 900 unit. Sel yang lain pun isinya
bergeser sesuai kapasitas dan daya tampung.
Dari- ke K1 = 0 K2 = -25 K3 = -60 Kapasitas
B1 = 0 10 25 60 1.000
0 600 400
B2 = -15 15 40 80 1.500
900 600 0
Daya tampung 900 1.200 400 2.500
Tabel 2.6 Matriks ke-2/MODI

Karena sel (B2, K1) menerima 900 unit dari sel (B1, K1), maka sel (B2, K2)
dan sel (B2, K3) harus berkurang karena kapasitas baris B2 hanya 1.500 unit.
Di lain pihak, sel (B1, K3) juga harus diisi sebanyak 400 unit dengan
memindahkan dari sel (B2, K3) sehingga sel (B2, K2) tinggal 1.500 – 900 =
600 unit. Kemudian di cek lagi apakah matrik ke-2 MODI sudah optimum.
Caranya sama:
i. Mulai dengan B1 = 0, lalu gunakan rumus untuk mencari nilai B2,
K2, K3. Perhatika sel-sel yang terisi saja dulu. Sel (B1,
K2 ) B1 + (B1, K2) + K2 =0
0 + 25 + K2 = 0
K2 = -25
Sel (B1, K3) B1 + (B1, K3) + K3 = 0
0 + 60 + K3 = 0, K3 = -60
Sel (B2, K2) B2 + (B2, K2) + K2 = 0
B2 + 40 + (-25) = 0
B2 + 40 -25 = 0
B2 = -15
Sel (B2, K1) B2 + (B2, K1) + K1 = 0
-15 + 15 + K1 = 0
K1 = 0

Tahap berikutnya adalah menilai sel-sel yang kosong, yakni:

Sel (B1, K1) = B1 + (B1, K1) + 0 = 0 + 10 + 0 = 10, artinya bila sel ini diisi
justru akan menambah biaya transportasi sebesar Rp 10.000,00 per unit
barang. Jadi, jangan diisi, karena nilainya positif atau + (plus).
Sel (B2, K3) B2 + (B2, K3) + K3
-15 + 80 + (-60)
80 - 75 = 5

31
 Sel (B2, K3) juga jangan diisi, karena hasilnya positif 5 atau +5.
Kesimpulannya, kedua sel yang kosong pada Matriks ke-2/ MODI tersebut
mempunyai nilai yang positif (+). Jadi, Matriks ke-2/ MODI tersebut telah
optimum. Berapa total biaya transportasinya? Mari kita hitung.
Total biaya transportasi = 600 (Rp 25.000,00) + 400 (Rp 60.000,00) + 600
(Rp 40.000,00) + 900 ( Rp 15.000,00)
TBT = Rp 15.0000.000,00 + Rp 24.000.000,00 + Rp
24.000.000,00 + Rp 13.500.000,00
TBT = Rp 76.500.000,00
Artinya, total biaya transportasi yang paling minimum sebesar Rp
76.500.000,00. Ternyata cara matematis, stepping stone, dan MODI
menghasilkan total biaya minimum yang sama, yakni Rp 76.500.000,00.

3. Metode VAM (Vogel’s Approximation Method)

Metode Vogel’s atau VAM tampaknya merupakan perbaikan dari cara-cara
perhitungan di atas, selain lebih mudah juga lebih praktis dan cepat.
Prosedur VAM terdiri dari:
a) Cari dan hitung besarnya selisih angka biaya transport peringkat
terkecil dengan angka biaya transport yang lebih besar pada
peringkat berikutnya, dalam setiap baris dan kolom masing-masing.
Contoh peringkat terkecildengan peringkat berikutnya : Misal, dari
angka 8,12,17, dan 6. Angka peringkat terkecil 6, sedangkan
peringkat berikutnya 8, jadi selisihnya 8 -6 = 2.
b) Angka selisih tersebut dalam butir (a) ditempatkan di ujung masing-
masing baris atau di ujung puncak kolom masing-masing.
c) Angka-angka tersebut, baik yang berada di ujung baris maupun
puncak kolom dipilih yang paling besar selisihnya. Angka yang
dipilih menunjukkan baris atau kolom yang sel-selnya akan dipilih
untuk diisi sesuai dengan kapasitas atau daya tampungnya.
d) Hanya sel-sel baris atau kolom yang mempunyai biaya transportasi
paling kecil mendapat prioritas untuk memperoleh alokasi untuk
diisi.
e) Bila baris atau kolom yang selnya diisi telah penuh sebesar kapasitas
atau daya tampungnya, maka baris atau kolom tersebut sebaiknya di
“arsir” sebagai “tanda” agar tidak diganggu dalam proses
perhitungan berikutnya. Akan tetapi, apabila baris atau kolom belum
penuh, karena masih lebih kecil dari kapasitas atau daya
tampungnya maka biarkan saja tidak perlu diarsir.
f) Tahap berikutnya, menjalani prosedur secara cermat dari (a) sampai
dengan (e).

32
Untuk menerapkan tahap-tahap tersebut sebaiknya perhatikan contoh
berikut.

- 15 20 lapis -2

5 15 20 lapis -1

Dari – ke K1 K2 K3 Kapasitas

B1 10 25 400 60 15 35
0 600 1.000

B2 15 40 80 1.500 25 40
900 600 0

Daya tampung 900 1.200 400 2.500 Lapis- Lapis-

1 2
Tabel 2.7 Matriks VAM

Pada lapisan 1, perbedaan angka pada kolom dari baris berturut-turut adalah
5,15, 20, 15, dan 25. Mana yang paling besar? Tentu angka 25.
Catatan:
Angka 5 dalam kolom K1 sebesar 5 hasil dari 15-10. Sedangkan angka 25
pada baris B2berasal dari 40 – 15. Demikian pula angka lain dihitung dengan
cara yang sama, seperti disebutkan langkah (a).
Angka 25 berada pada baris B2 sehingga baris B2 dipilih untuk diisi. Oleh
karena itu, buat garis arah untuk menunjukkan baris B2 sebagai baris yang
mempunyai sel (B2, K1), sel (B2, K2), dan sel (B2, K3). Sel mana dari ketiga
sel tersebut yang mempunyai angka biaya transport paling kecil? Tentu
saja sel (B2, K1) yaitu 15. Jadi, isi saja sel (B2, K1) tersebut dengan angka
900. Mungkin anda bertanya mengapa tidak diisi dengan angka 1.500
unit? Karena daya tampung kolom K1 hanya 900 unit saja.
Jika demikian, berarti kolom K1 sudah terpenuhi kebutuhannya, sehingga
kolomK1 diarsir. Selesai tahap ke-1, lalu diulang proses yang sama untuk 4
sel yang tersisa. Buat lapis ke-2 untuk mencari selisih angka biaya transport
seperti di atas. Dari lapis ke-2 kita diperoleh angka-angka 15, 20, 35, dan
40. Mana yang paling besar? Tentu 40. Artinya, baris B2 terpilih lagi untuk
diisi sel-sel tersisa yaitu sel (B2, K2), dan sel (B2, K3). Sel yang mempunyai
biaya transport paling kecil adalah (B2, K2), yakni 40. Berapa unit harus
diisikan pada sel (B2, K2)? Jumlahnya 1.500 unit – 900 unit = 600 unit. Jadi,
baris B2 sudah penuh sebanyak kapasitas 1.500 unit. Oleh karena itu
baris B2 diarsir saja. Selesai tahap ke-2, seterusnya kita perhatikan sel yang
tersisa, yaitu sel (B1, K2) dan (B1, K3). Isi saja masing-masing dengan
memperhatikan daya tampung dan kapasitas. Jadi, sel (B1, K2) diisi dengan
600 unit (=1.200 unit – 600 unit. Sedangkan sel (B1, K3) dengan 400 unit (=
1.000 unit – 600 unit).

33
 Berarti selesai sudah alokasi “pengiriman dari tempat asal ke tempat tujuan
dengan total biaya transportasi sebesar
= (600 × 25.000) + ( 400 × 60.000) + (900 × 15.000) + (600 × 40.000)
= 15.000.000 + 24.000.000 + 13.500.000 + 24.000.000
= 76.500.000
Jadi t min = Rp 76.500.000,00

2.1 Studi kasus (5)

2.2.1 Identifikasi kasus
Sebuah perusahaan memiliki 3 buah gudang (G1,G2,G3) dengan
pasar tujuan sebanyak 3 daerah yaitu pasar A, pasar B, pasar C. kapasitas
ketiga gudang tersebut secara berurutan yaitu 150, 100, dan 120 ton.
Permintaan pasar secara berurutan adalah 170, 110, dan 90 ton. Biaya
angkut gudang kepasar sebagai berikut:

Pasar A B C

Gudang
Gudang 1 9 7 6

Gudang 2 10 12 7

Gudang 3 15 12 9

A. Metode Vogel’s Approximation Method!

B. Metode Modified Distribution!

2.2.2 Algoritma Solusi

A.

Gambar 2.1 Hasil perhitungan manual soal no. 5 VAM

34
 B. .

Gambar 2.2 Hasil perhitungan manual soal no.5 MODI

2.2.3Penyelesaian dengan software

A. VAM
1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Network Modeling

Gambar 2.3 Menjalankan Aplikasi

35
2. Pilih File kemudian New Problem

Gambar 2.4 New Problem

3. Mengisi data dengan

Problem Type Transportation Problem
Objective Criterion Minimization
Data Entry Frormat Spreadsheet Matrix Form
Problem Title missal Soal 5
Number Of Sources = 3
Number Of Destinations = 3

Gambar 2.5 Menentukan NET.

36
4. Kemudian mengisi data transportasi

Gambar 2.6 Pengisian data transportasi

5. Kemudian pilih Solve and Analyze kemudian pilih Solve The

Problem maka tampilan akan seperti dibawah ini :

Gambar 2.7 Solve and Analyze

37
 Gambar 2.8Hasil Nomor 5

2.2 Studi kasus (7)

2.3.1 Identifikasi kasus
Ke Distributor Center Kapastas
Dari Kota A Kota B Kota C
Pabrik 1 45.000 37.000 21.000 150
Pabrik 2 38.000 32.000 25.000 175
Pabrik 3 25.000 22.000 32.000 275
Permintaan 200 100 300 600
A. Metode Vogel’s Approximation Method!
B. Metode Modified Distribution!

2.3.1 Algoritma Solusi

A. .

Gambar 2.9 Hasil perhitungan manual soal no.7 VAM

38
 B. .

Gambar 2.10 Hasil perhitungan manual soal no.7 MODI

Penyelesaian dengan software
2.3.2
A. VAM
1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Network Modeling

Gambar 2.11 Menjalankan Aplikasi

39
2. Pilih File kemudian New Problem

Gambar 2.12 New Problem

3. Mengisi data dengan

Problem Type Transportation Problem
Objective Criterion Minimization
Data Entry Frormat Spreadsheet Matrix Form
Problem Title missal Soal 7
Number Of Sources = 3
Number Of Destinations = 3

Gambar 2.13 Menentukan NET.

40
4. Kemudian mengisi data transportasi

Gambar 2.14 Pengisian data transportasi

5. Kemudian pilih Solve and Analyze kemudian pilih Solve The

Problem maka tampilan akan seperti dibawah ini :

Gambar 2.15 Solve and Analyze

41
 Gambar 2.16 Hasil Nomor 5

2.3 Studi kasus (9)

2.4.1 Identifikasi kasus
Ke Tujuan Kapastas
Dari CirebonBandung Sukabumi
Pabrik 1 37.000 18.000 19.000 56
Pabrik 2 25.000 28.000 26.000 82
Pabrik 3 21.000 35.000 30.000 77
Permintaan 102 72 41 215
A. Metode Vogel’s Approximation Method!

2.4.2 Algoritma Solusi

Gambar 2.17 Hasil perhitungan manual soal no.9 VAM

42
2.4.3Penyelesaian dengan software
A. VAM
1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Network Modeling

Gambar 2.18 Menjalankan Aplikasi

2. Pilih File kemudian New Problem

Gambar 2.19 New Problem

43
3. Mengisi data dengan
Problem Type Transportation Problem
Objective Criterion Minimization
Data Entry Frormat Spreadsheet Matrix Form
Problem Title missal Soal 9
Number Of Sources = 3
Number Of Destinations = 3

Gambar 2.20 Menentukan NET.

4. Kemudian mengisi data transportasi

Gambar 2.21 Pengisian data transportasi

44
5. Kemudian pilih Solve and Analyze kemudian pilih Solve The
Problem maka tampilan akan seperti dibawah ini :

Gambar 2.22 Solve and Analyze

Gambar 2.23 Hasil Nomor 5

45
BAB 3 PENUGASAN
3.1 Landasan Teori Penugasan
3.2 Studi kasus (1)
3.2.1 Sebuah perusahaan pengecoran logam mempunyai empat jenis
mesin yang diberi nama M1, M2, M3 dan M4. Setiap mesin
mempunyai kapasitas yang berbeda dalam pengoperasiannya.
Dalam minggu mendatang perusahaan mendapatkan pesanan untuk
menyelesaikan empat jenis pekerjaan (job) yaitu J1, J2, J3 dan J4.
Biaya pengoperasian setiap pekerjaan oleh keempat mesin dapat
dilihat dalam tabel berikut:

MACHINE
JOB M1 M2 M3 M4
J1 88 70 66 65
J2 60 61 71 80
J3 84 69 63 62
J4 82 78 60 84

Bagaimana menugaskan keempat mesin untuk menyelesaikan

keempat jenis
pekerjaan agar total biaya pekerjaan minimum!

46
3.2.2 Algoritma Solusi

Gambar 3.1 Soal no 1

3.2.3 Penyelesaian dengan software

1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Network Modeling

Gambar 3.2 Menjalankan Aplikasi

47
2. Pilih File kemudian New Problem

Gambar 3.3 New Problem

3. Mengisi data dengan

Problem Type Assigment Problem
Objective Criterion Maximization
Data Entry Frormat Spreadsheet Matrix Form
Problem Title missal Soal 1
Number Of Sources = 4
Number Of Destinations = 4

Gambar 3.4 Menentukan NET.

48
4. Mengisi data penugasan

Gambar 3.5 Pengisian data penugasan

5. Kemudian pilih Solve and Analyze kemudian pilih Solve The

Problem maka tampilan akan seperti dibawah ini

Gambar 3.6 Solve and analyze

49
 Gambar 3.7 Hasil nomor 1

3.3 Studi kasus (2)

3.3.1 Suatu perusahaan mempunyai 5 pekerjaan yaitu Pekerjaan I,
Pekerjaan II, Pekerjaan III, Pekerjaan IV dan Pekerjaan V. Masing-
masing pekerjaan memiliki keuntungan yang [Link]
memiilki 5 karyawan yakni Paijo, Joko Sutrisna, Engkus dan
Haliman. Tentukan penugasan optimal yang dapat diberikan
perusahaan tersebut kepada pegawai-pegawainya.

KARYAWAN TUGAS I II III IV V

PAIJO 80 78 80 81 75
JOKO 67 68 89 88 73
SUTRISNA 67 66 77 69 69
ENGKUS 64 71 69 61 80
HALIMAN 65 85 80 81 80
Tabel 3.8 Soal nomor 2 penugasan

50
3.3.2 Algoritma Solusi

Gambar 3.9 Soal no 2

3.3.3 Penyelesaian dengan software

1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Network Modeling

Gambar 3.10 Menjalankan Aplikasi

51
2. Pilih File kemudian New Problem

Gambar 3.11 New Problem

3. Mengisi data dengan

Problem Type Assigment Problem
Objective Criterion Maximization
Data Entry Frormat Spreadsheet Matrix Form
Problem Title missal Soal 1
Number Of Sources = 5
Number Of Destinations = 5

Gambar 3.12 Menentukan NET.

52
4. Mengisi data penugasan

Gambar 3.13 Pengisian data penugasan

5. Kemudian pilih Solve and Analyze kemudian pilih Solve The

Problem maka tampilan akan seperti dibawah ini

Gambar 3.14 Solve and analyze

53
 Gambar 3.15 Hasil nomor 2

3.4 Studi kasus (3)

3.4.1 Suatu perusahaan mempunyai 4 mesin yaitu mesin 1, 2, 3, 4.
Masing-masing mesin memiliki biaya pengoperasian yang berbeda-
beda. Tentukan penugasan optimal yang dapat diberikan perusahaan
tersebut kepada masing-masing mesin untuk tiap objek !

Objek Tugas Mesin 1 Mesin 2 Mesin 3 Mesin 4

A 68 82 84 47
B 55 46 69 80
C 80 75 88 88
D 64 55 91 48

54
3.4.2 Algoritma Solusi

Gambar 3.16 Soal no 3

3.4.3 Penyelesaian dengan software

1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Network Modeling

Gambar 3.17 Menjalankan Aplikasi

55
2. Pilih File kemudian New Problem

Gambar 3.18 New Problem

3. Mengisi data dengan

Problem Type Assigment Problem
Objective Criterion Maximization
Data Entry Frormat Spreadsheet Matrix Form
Problem Title missal Soal 1
Number Of Sources = 4
Number Of Destinations = 4

Gambar 3.18 Menentukan NET.

56
4. Mengisi data penugasan

Gambar 3.19 Pengisian data penugasan

5. Kemudian pilih Solve and Analyze kemudian pilih Solve The

Problem maka tampilan akan seperti dibawah ini

Gambar 3.20 Solve and analyze

57
 Gambar 3.21 Hasil nomor 3

BAB 4 QUEUING THEORY

4.1 Landasan Teori Queuing Theory
4.2 Studi kasus (1)
1.4.1 Diketahui rata-rata kedatangan pelanggan setiap 7 menit (dalam
waktu 7 menit ada langganan yang dating), rata-rata waktu pelayanan
3,5 menit (untuk melayani seorang pelanggan diperlukan waktu 3,5
menit). Hitunglah :
a. Rata-rata banyaknya pelaggan dalam sistem,
b. Rata – rata banyaknya pelanggan yang menunggu dalam antrian
sebelum menerima layanan
c. Rata – rata waktu seorang pelanggan menunggu dalam antrian
1.4.2 Algoritma solusi

Gambar 4.1 Soal nomor 1

58
1.4.3 Penyelesaian dengan software
1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Queuing Analysis

Gambar 4.2 Menjalankan Aplikasi

2. Pilih File kemudian New Problem

Gambar 4.3 New Problem

59
3. Mengisi data dengan
Problem Title: Soal 1
Time Unit : Hour
Entry Format : Simple M/M System

Gambar 4.5 Menentukan QA.

4. Mengisi data queuing

Gambar 4.6 Pengisian data Queuing

60
5. Kemudian pilih Solve and Analyze kemudian pilih Solve The
Problem maka tampilan akan seperti dibawah ini

Gambar 4.7 Solve the performance

Gambar 4.8 Hasil nomor 3

61
4.3 Studi kasus(2)
1.4.1 Kedatangan penelpon pada telepon umum mengikuti fungsi poisson
dengan rata – rata waktu sebesar 20 menit antara satu kedatangan
dengan kedatangan berikutnya. Lamanya satu pembicaraan dianggap
mangikuti distribusi exponensial dengan rata rata 4 menit. Hitunglah
:
a. Probabilitas seorang penelpon yang dating ke telpon umum
harus menunggu
b. Rata rata penjang antrian yang tidak kosong
1.4.2 Algoritma solusi
A. .

Tabel 4.9 Soal nomor 2

1.4.3 Penyelesaian dengan software

1. Buka menu START kemudian pilih ALL PROGRAM kemudian
pilih winQSB lalu pilih Queuing Analysis

Gambar 4.10 Menjalankan Aplikasi

62
2. Pilih File kemudian New Problem

Gambar 4.11 New Problem

3. Mengisi data dengan
Problem Title: Soal 1
Time Unit : Minute
Entry Format : Simple M/M System

Gambar 4.12 Menentukan QA.

63
4. Mengisi data queuing

Gambar 4.13 Pengisian data Queuing

5. Kemudian pilih Solve and Analyze kemudian pilih Solve The

Problem maka tampilan akan seperti dibawah ini

Gambar 4.14 Solve the performance

64
 Gambar 4.15 Hasil nomor 3

4.4 Studi kasus (3)

1.4.1 Sebuah bank mempunyai 6 counter dan 6 karyawan untuk melayani
pelanggan. Waktu rata rata untuk melayani seorang pelanggan adalah
100 orang per jam. Tingkat pelayanan mengikuti distribusi
exponensial. Selama periode puncak 7 jam, tingkat kedatangan rata
rata 900 orang. Tingkat kedatangan pelanggan tersebut mengikuti
distribusi poisson. Tentukan :
a. Tingkat kedatangan pelanggan per jam
b. Rasio pelayanan counter
c. Probabilitas tidak ada pelanggan
d. Jumlah pelanggan rata rata menunggu dalam antrian
e. Jumlah pelanggan dalam sistem
f. Waktu rata rata menunggu dalam antrian
g. Waktu rata rata menunggu dalam sistem
h. Probabilitas untuk menunggu

65
1.4.2 Algoritma solusi
A.

Gambar 4.16 Soal nomor 3

B. .

Gambar 4.17 Soal nomor 3

66
C.

Gambar 4.18 Soal nomor 3

D. .

Gambar 4.18 Soal nomor 3

E. .

Gambar 4.18 Soal nomor 3

67
 1.4.3 Penyelesaian dengan software

4.5 Studi kasus (4)

1.4.1 Satu pabrik yang membuat aksesoris mobil mempunyai 25 mesin
yang membutuhkan penyesuaian (adjustment) setiap 10 jam.
Supervisor produksi memeriksa bagian bagian yang keluar dari
masing masing mesin setiap 18 menit. Bila mesin membutuhkan
penyesuaian dia menyetop mesin untuk melakukan penyesuaian.
Hanya ada satu orang yang melakukan penyesuaian selama 18
menit tersebut. Tingkat kedatangan dan pelayanan mengikuti
distribusi exponensial. Tentukan :
a. Waktu antara kedatangan rata rata dari setiap mesin
b. Jumlah mesin rata rata menunggu untuk dilayani
c. Waktu rata rata menunggu pelayanan dan dalam sistem
d. Jumlah mesin rata rata yang sedang dilayani
e. Jumlah rata rata yang sedang beroprasi
a. Jumlah rata rata mesin dalam sistem
b. Probabilitas bahwa mesin akan menunggu untuk dilayani
c. Jumlah rata rata fasilitas pelayanan menganggur
1.4.2 Algoritma solusi
1.4.3 Penyelesaian dengan software

BAB 5 DECISION ANALYSIS

5.1 Landasan Teori Decision Analysis
5.2 Studi Kasus
1.5.1 Seorang pengusaha dodol mangga ingin membeli salah satu dari
tiga jenis bangunan untuk digunakan
sebagaiperluasanagroindustrinya. Dia harus memutuskan antara
sebuah ruko baru, gedungbekas perkantoran atau sebuah gudang
bekasgarasi bus. Kondisi ekonomi di masa mendatang akan
menentukan besar laba yang akan diperoleh pengusaha
dodolmangga tersebut. Laba yang dihasilkan dari masing-masing

Kondisi Dasar
Kondisi Ekonomi Kondisi Ekonomi
Keputusan Baik Buruk
Ruko baru 50.000 30.000
Gedung bekas
perkantoran 100.000 -40.000
Gedung bekas garasi
bus 30.000 10.000
keputusan dalam tiap kondisi ekonomi diperlihatkansebagai berikut
:

68
1.5.2 Algoritma Solusi

Gambar 5.1 Soal no 1

1.5.3 Penyelesaian dengan software

69