TEKNIK RISET OPERASIONAL

Transkripsi

1 DIKTAT TEKNIK RISET OPERASIONAL Oleh: Ir. Rizani Teguh, MT. Ir. Sudiadi, M.M.A.E. PROGRAM STUDI SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA GI MDP PALEMBANG 2014 i

2 KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan inayahnya, sehingga Diktat Teknik Riset Operasional ini dapat penulis selesaikan. Dalam penyelesaian Diktat ini, penulis banyak mendapat bantuan dari berbagai pihak. Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Bapak Ir. Rusbandi, M. Eng, ketua Sekolah Tinggi Manajemen Informatika dan Komputer GI MDP. 2. Rekan-rekan Dosen di STMIK MDP. 3. Staff Perpustakaan STMIK MDP. 4. Pihak-pihak lain yang telah banyak membantu penulis. Penulis menyadari, msih banyak kekurangan yang terdapat pada diktat ini, untuk itu saran dan kritik yang sifatnya membangun dari pembaca sangat penulis harapkan Terakhir penulis mohon maaf apabila dalam penulisan ini masih banyak terdapat kekurangan dan kesalahan. Palembang, November 2014 Penulis ii

3 DAFTAR ISI halaman BAB 1 PENDAHULUAN Sejarah Teknik Riset Operasi Pengertian Teknik Riset Operasi Model-model Riset Operasi Tahapan Riset Operasi 5 BAB 2 PROGRAM LINEAR Pengertian Program Linear Model Program Linear 9 BAB 3 METODE SIMPLEKS Bentuk Umum Kasus Maksimisasi Kasus Minimisasi Kasus Khusus BAB 4 DUALITAS DAN SENSITIVITAS Dualitas Sensitivitas 37 BAB 5 TRANSPORTASI Metode Pojok Barat Laut Metode Biaya Terendah Metode Aproximasi vogel Menentukan Solusi Optimum Transportasi Tidak Seimbang 59 BAB 6 PENUGASAN Bentuk Umum Kasus Tidak Seimbang.. 68 BAB 7 TEORI PERMAINAN Pengertian Permainan Strategi Murni Permainan Strategi Campuran Dominasi 82 iii

4 BAB 8 JARINGAN KERJA Guna Jaringan Kerja Metoda Jaringan Kerja Jalur Kritis Terminologi Perhitungan 90 DAFTAR PUSTAKA. 93 iv

5 BAB 1. PENDAHULUAN 1.1. Sejarah Teknik Riset Operasi Menurut Tjuju Tarliah Dimyati dan Ahmad Dimyati (2009:1-2) menyatakan, sejak revolusi industri, dunia usaha tampaknya telah diwarnai pertumbuhan dalam hal ukuran (besarnya) dan kompleksitas organisasi-organisasi perusahaan. Bagian yang mengalami perubahan yang cukup mencolok adalah perkembangan dalam pembagian kerja dan segmentasi tanggung jawab manajemen dalam organisasi-organisasi tersebut. Perkembangan spesialisasi ini, bagaimanapun juga telah menciptakan masalah-masalah baru yang sekarang masih terjadi diberbagai organisasi. Salah satu masalah kecendrungan unit-unit suatu organisasi tumbuh secara relative menjadi kerajaan yang otonomi dengan tujuan-tujuan dan sistem-sistem nilai sendiri, oleh sebab itu kehilangan pandangan bagaimana kegiatan-kegiatan dan tujuan-tujuan mereka disatukan pada keseluruhan organisasi. Di samping itu, kompleksitas dan spesialisasi dalam suatu organisasi menimbulkan kesulitan yang semakin besar untuk mengalokasikan sumberdaya-sumberdaya yang tersedia untuk kegiatan-kegiatan organisasi yang bermacam-macam dengan cara yang paling efektif sebagai organisasi keseluruhan. Masalah-masalah ini dan kebutuhan untuk menemukan cara yang lebih baik dalam memecahkannya, telah menimbulkan kebutuhan akan teknik-teknik riset operasi. Senada dalam Siang (2011: 1-2) menyatakan, bahwa masalah Riset Operasi (Operation Research) pertama kali muncul di Inggris selama perang dunia II. Inggris mula-mula tertarik menggunakan metode kuantitatif dalam pemakaian radar selama perang. Mereka menamakan pendekatan itu sebagai Operation Research karena mereka menggunakan ilmuwan (scientist) untuk meneliti (Research) masalah-masalah operasional selama perang. Ternyata pendekatan sangat berhasil dalam pemecahan masalah operasi konvoi, operasi kapal selam, strategi pengeboman dan operasi pertambangan. Aplikasi ini menyebabkan riset operasi didefinisikan sebagai : seni memenangkan perang tanpa berperang (Whitehouse, 1976). 1

6 Setelah perang usai, para praktisi riset operasi kemudian berkonsentrasi untuk memformalkan ilmu/pendekatan yang mereka kembangkan selama perang dan mencari aplikasinya dalam sektor industri. Beberapa pendekatan sudah dimulai dalam bidang industri oleh Frederick W. Taylor, yang menimbulkan ilmu tersendiri dalam bidang teknik industri, kebanyakan bisnis adalah bisnis-bisnis mikro yang dikelola oleh satu orang saja. Akan tetapi dengan otomatisasi maka manajemen dan spesialisasi dapat dikembangkan. Otomatisasi tersebut menyebabkkan timbulnya permasalahan baru dalam manajemen. Akibatnya, munculnya ilmu-ilmu disiplin baru seperti riset pasar, manajemen keuangan, dll. Masing-masing ilmu tersebut menyelesaikan permasalahan tanpa memperhatikan organisasi secara keseluruhan. Seorang manajer harus menentukan penyelesaian secara keseluruhan, bukan pada bagian masing-masing. Penyelesaian bagian masing-masing mudah dicari tetapi optimum secara keseluruhan sulit ditemukan. Riset Operasi membantu manajer dalam menyelesaikan masalah yang terkait interaksi seluruh obyek terhadap solusi terbaik pada seluruh item. Riset operasi berhubungan dengan prinsip optimalisasi, yaitu bagaimana cara menggunakan sumber daya (waktu, biaya, tenaga, dll) untuk mengoptimalkan hasil. Mengoptimalkan hasil bisa berarti memaksimumkan (menguntungkan/ hasil yang didapatkan) atau meminimumkan (merugikan / hasil yang dikeluarkan). Beberapa contoh kasus dalam sehari-hari yang berhadapan dengan riset operasi dalam Siang (2009:2) antara lain: a. Ada berapa jalur darat yang bisa dilalui dari Jakarta ke Yogyakarta? Jalur mana yang paling optimal dari segi jaraka? Dari segi waktu? Dari segi biaya? b. Pembuatan kaleng untuk menyimpan makanan, berapa ukuran kaleng (volume dan diameter) agar volume tertentu membutukan bahan seminimum mungkin? c. Pengaturan traffic light. Berapa lama lampu hijau harus menyala pada setiap sisi agar antrian kendaraan seminimum mungkin? 2

7 Beberapa masalah dalam industri saat ini terus berkembang, sehingga penggunaan komputer dalam RO continuous mengalami upgrading terutama dalam menghadapi International rivalry dan productivity problem. Tanpa bantuan komputer terutama dalam software khusus untuk RO sangat impossible untuk finishing problem yang cukup besar dan complicated. Program aplikasi software yang support menganalisa dan biasa digunakan antara lain adalah QM, QSB+, Tora, Mathematicha, LINDO (Linear, Interactive and Discrete Optimizer), POM For Windows dan sebagainya Pengertian Riset Operasi Riset Operasi berasal dari Inggris yang merupakan suatu hasil studi operasioperasi militer selama Perang Dunia II. Istilah riset operasi pertama kali digunakan pada tahun 1940 oleh Mc Closky dan Trefthen di suatu kota kecil, Bowdsey, Inggris. Kata operasi dapat disefinisikan sebagai tindakan-tindakan yang diterapkan pada beberapa masalah atau hipotesa. Sementara riset dapat didefinisikan sebagai suatu proses yang terorganisasi dalam mencari kebenaran akan masalah atau hipotesa. Ada beberapa defenisi Riset Operasi a. Rset Operasi adalah penerapan metode-metode ilmiah terhadap masalah-masalah rumit yang muncul dalam pengarahan dan pengelolaan dari suatu sistem besar manusia, mesin, bahan dan uang dalam industri, bisnis, pemerintahan dan pertahanan. (Operational Research Society of Great Britain). b. Riset operasi berkaitan dengan menentukan pilihan secara ilmiah bagaimana merancang dan menjalankan sistem manusia-mesin secara terbaik, biasanya membutuhkan alokasi sumber daya yang langka. (Operation Research Society of America). c. Riset operasi adalah seni memberikan jawaban buruk terhadap masalah-masalah, yang jika tidak, memiliki jawaban yang lebih buruk. (T.L. Saaty). d. Riset operasi adalah pendekatan dalam pengambilan keputusan yang ditandai dengan penggunaan pengetahuan ilmiah melalui usaha kelompok antar disiplin 3

8 yang bertujuan menentukan penggunaan terbaik sumber daya yang terbatas. (Hamdi A. Taha). e. Riset operasi dalam arti luas dapat diartikan sebagai penerapan metode-metode, teknik-teknik, dan alat-alat terhadap masalah-masalah yang menyangkut operasioperasi dari sistem-sistem, sedemikian rupa sehingga memberikan penyelesaian optimal. (Churchman, Ackoff, dan Arnoff) Model-Model Riset Operasi 1. Model ikonik Model ikonik adalah suatu penyajian fisik yang tampak seperti aslinya dari suatu sistem nyata dengan skala yang berbeda. Contoh : Mainan anak-anak, Maket, Foto, dan lain-lain. 2. Model analog Model analog adalah suatu model yang menyajikan suatu analogi dari keadaan nyata. Model analog lebih abstrak dibanding model ikonik, karena tidak kelihatan sama antara model dengan dunia nyata. Contoh : Kurva Permintaan, Peta, Jaringan pipa air, dan lain-lain. 3. Model simbolik Bentuk model yang paling abstrak dan biasa digunakan daam bidang riset operasi dan pada kenyataannya, riset operasi biasanya disinonimkan dengan suatu formulasi dan menggunakan suatu bentuk khusus dari model simbolik yang dsebut dengan model matematis. Model simbolik menggunakan huruf, angka, dan simbol yang lain untuk menyajikan karakteristik dan properti dari suatu system yang dimodelkan. Contoh : persamaan, bagan, kalimat-kalimat tertulis. 4. Model matematis Model matematis mencakup model-model yang mewakili situasi riil sebuah sistem yang berupa fungsi matematik. 4

9 1.4. Tahapan Riset Operasio Tahapan tahapan dalam penerapan Riset Operasi untuk memecahkan persoalan adalah sebagai berikut : 1. Merumuskan/menganalisis persoalan sehingga jelas tujuan apa yang akan dicapai. 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. 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. Harus ada mekanisme untuk mengontrol pemecahan, misalnya dengan menggunakan kriteria tertentu. 5. Implementasi hasil pemecahan. 5

10 BAB 2 PROGRAM LINEAR 2.1. Pengertian Program Linear Pemrograman Linier disingkat PL merupakan metode matematik dalam mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan keuntungan dan meminimumkan biaya. PL banyak diterapkan dalam masalah ekonomi, industri, militer, sosial dan lain-lain. PL berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier. a. Formulasi Permasalahan Urutan pertama dalam penyelesaian adalah mempelajari sistem relevan dan mengembangkan pernyataan permasalahan yang dipertimbangakan dengan jelas. Penggambaran sistem dalam pernyataan ini termasuk pernyataan tujuan, sumber daya yang membatasi, alternatif keputusan yang mungkin (kegiatan atau aktivitas), batasan waktu pengambilan keputusan, hubungan antara bagian yang dipelajari dan bagian lain dalam perusahaan, dan lain-lain. Penetapan tujuan yang tepat merupakan aspek yang sangat penting dalam formulasi masalah. Untuk membentuk tujuan optimalisasi, diperlukan identifikasi anggota manajemen yang benar-benar akan melakukan pengambilan keputusan dan mendiskusikan pemikiran mereka tentang tujuan yang ingin dicapai. b. Pembentukan model matematik Tahap berikutnya yang harus dilakukan setelah memahami permasalahan optimasi adalah membuat model yang sesuai untuk analisis. Pendekatan konvensional riset operasional untuk pemodelan adalah membangun model matematik yang menggambarkan inti permasalahan. Kasus dari bentuk cerita diterjemahkan ke model matematik. Model matematik merupakan representasi kuantitatif tujuan dan sumber daya yang membatasi sebagai fungsi variabel keputusan. Model matematika permasalahan optimal terdiri dari dua bagian. Bagian pertama memodelkan tujuan optimasi. Model matematik tujuan selalu 6

11 menggunakan bentuk persamaan. Bentuk persamaan digunakan karena kita ingin mendapatkan solusi optimum pada satu titik. Fungsi tujuan yang akan dioptimalkan hanya satu. Bukan berarti bahwa permasalahan optimasi hanya dihadapkan pada satu tujuan. Tujuan dari suatu usaha bisa lebih dari satu. Tetapi pada bagian ini kita hanya akan tertarik dengan permasalahan optimal dengan satu tujuan. Bagian kedua merupakan model matematik yang merepresentasikan sumber daya yang membatasi. Fungsi pembatas bisa berbentuk persamaan (=) atau pertidaksamaan ( atau ). Fungsi pembatas disebut juga sebagai konstrain. Konstanta (baik sebagai koefisien maupun nilai kanan) dalam fungsi pembatas maupun pada tujuan dikatakan sebagai parameter model. Model matematika mempunyai beberapa keuntungan dibandingakan pendeskripsian permasalahan secara verbal. Salah satu keuntungan yang paling jelas adala model matematik menggambarkan permasalahan secara lebih ringkas. Hal ini cenderung membuat struktur keseluruhan permasalahan lebih mudah dipahami, dan membantu mengungkapkan relasi sebab akibat penting. Model matematik juga memfasilitasi yang berhubungan dengan permasalahan dan keseluruhannya dan mempertimbangkan semua keterhubungannya secara simultan. Terakhir, model matematik membentuk jembatan ke penggunaan teknik matematik dan komputer kemampuan tinggi untuk menganalisis permasalahan. Di sisi lain, model matematik mempunyai kelemahan. Tidak semua karakteristik sistem dapat dengan mudah dimodelkan menggunakan fungsi matematik. Meskipun dapat dimodelkan dengan fungsi matematik, kadang-kadang penyelesaiannya sulit diperoleh karena kompleksitas fungsi dan teknik yang dibutuhkan. c. Bentuk umum pemrograman linier adalah sebagai berikut : 1. Fungsi tujuan : Maksimumkan atau minimumkan z = c 1 x 1 + c 2 x c n x n 7

12 2. Sumber daya yang membatasi : a 11 x 1 + a 12 x a 1n x n = / / b 1 a 21 x 1 + a 22 x a 2n x n = / / b 2 a m1 x 1 + a m2 x a mn x n = / / b m x 1, x 2,, x n 0 Simbol x 1, x 2,..., x n (x i ) menunjukkan variabel keputusan. Jumlah variabel keputusan (x i ) oleh karenanya tergantung dari jumlah kegiatan atau aktivitas yang dilakukan untuk mencapai tujuan. Simbol c 1,c 2,...,c n merupakan kontribusi masing-masing variabel keputusan terhadap tujuan, disebut juga koefisien fungsi tujuan pada model matematiknya.simbol a 11,...,a 1n,...,a mn merupakan penggunaan per unit variabel keputusan akan sumber daya yang membatasi, atau disebut juga sebagai koefisien fungsi kendala pada model matematiknya. Simbol b 1,b 2,...,b m menunjukkan jumlah masing-masing sumber daya yang ada. Jumlah fungsi kendala akan tergantung dari banyaknya sumber daya yang terbatas. Pertidaksamaan terakhir (x 1, x 2,, x n 0) menunjukkan batasan non negatif. Membuat model matematik dari suatu permasalahan bukan hanya menuntut kemampuan matematik tapi juga menuntut seni permodelan. Menggunakan seni akan membuat permodelan lebih mudah dan menarik. Kasus pemrograman linier sangat beragam. Dalam setiap kasus, hal yang penting adalah memahami setiap kasus dan memahami konsep permodelannya. Meskipun fungsi tujuan misalnya hanya mempunyai kemungkinan bentuk maksimisasi atau minimisasi, keputusan untuk memilih salah satunya bukan pekerjaan mudah. Tujuan pada suatu kasus bisa menjadi batasan pada kasus yang lain. Harus hati-hati dalam menentukan tujuan, koefisien fungsi tujuan, batasan dan koefisien pada fungsi pembatas. 8

13 2.2. Model Perogram Linear Pada Model Program Linear ada 2 Metode yang dipakai yaitu : Metode Grafik dan Metode matematik. Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya terdapat dua variabel keputusan. Untuk menyelesaikan permasalahan tersebut, langkah pertama yang harus dilakukan adalah memformulasikan permasalahan yang ada ke dalam bentuk Linear Programming (LP). Langkah-langkah dalam formulasi permasalahan adalah : 1. pahamilah secara menyeluruh permasalahan manajerial yang dihadapi. 2. identifikasikan tujuan dan kendalanya 3. definisikan variabel keputusannya 4. gunakan variabel keputusan untuk merumuskan fungsi tujuan dan fungsi kendala secara matematis. Sebagai contoh dalam memformulasikan permasalahan, berikut ini akan dibahas perusahaan Furniture yang akan membuat meja dan kursi. Keuntungan yang diperoleh dari satu unit meja adalah Rp ,- sedangkian keuntungan yang diperoleh dari satu unit kursi adalah Rp ,-. Namun untuk meraih keuntungan tersebut Perusahaan menghadapi kendala keterbatasan jam kerja. Untuk pembuatan 1 unit meja memerlukan 4 jam kerja. Untuk pembuatan 1 unit kursi membutuhkan 3 jam kerja. Untuk pengecatan 1 unit meja dibutuhkan 2 jam kerja, dan untuk pengecatan 1 unit kursi dibutuhkan 1 jam kerja. Jumlah jam kerja yang tersedia untuk pembuatan meja dan kursi adalah 240 jam per minggu sedang jumlah jam kerja untuk pengecatan adalah 100 jam per minggu. Berapa jumlah meja dan kursi yang sebaiknya diproduksi agar keuntungan perusahaan maksimum? Dari kasus di atas dapat diketahui bahwa tujuan perusahaan adalah memaksimumkan profit. Sedangkan kendala perusahaan tersebut adalah terbatasnya waktu yang tersedia untuk pembuatan dan pengecatan. Apabila permasalahan tersebut diringkas dalam satu tabel akan tampak sebagai berikut: 9

14 TABEL 2.1 Informasi Permasalahan Perusahaan Furniture Jam kerja per unit Waktu Tersedia Meja Kursi per minggu (jam) Pembuatan Pengecatan Kebutuhan per unit Rp ,- Rp ,- Mengingat produk yang akan dihasilkan adalah meja dan kursi, maka dalam rangka memaksimumkan profit, perusahaan harus memutuskan berapa jumlah meja dan kursi yang sebaiknya diproduksi. Dengan demikian dalam kasus ini, yang merupakan variabel keputusan adalah meja (X 1 ) dan kursi (X 2 ). Setelah kita mendefinisikan variabel keputusan, maka langkah selanjutnya adalah menuliskan secara matematis fungsi tujuan dan fungsi kendala. 1. Fungsi Tujuan Tujuan perusahaan adalah maksimisasi keuntungan, sehingga kita dapat menuliskan fungsi tujuan sebagai berikut : P = (Rp x jumlah meja + Rp x jumlah kursi) yang diproduksi atau secara matematis dapat dituliskan : Maksimumkan Z = X X 2 2. Fungsi kendala Berkaitan dengan sumber daya yang digunakan, perusahaan tidak bisa memperkirakan secara tepat kebutuhan sumber daya yang digunakan untuk mencapai keuntungan tertentu. Biasanya perusahaan menyediakan sumber daya tertentu yang merupakan kebutuhan minimum atau maksimum.. Kondisi seperti ini secara matematis diungkapkan dengan pertidaksamaan. Kendala yang pertama adalah waktu yang tersedia di departemen pembuatan. Total waktu yang diperlukan untuk pembuatan X 1 (meja) dimana untuk membuat satu unit meja diperlukan waktu 4 jam kerja dan untuk pembuatan X 2 (kursi) diperlukan waktu 3 jam kerja. Total waktu pembuatan yang tersedia adalah 240 jam, Seperti halnya pada kendala yang pertama, maka pada kendala kedua dapat diketahui bahwa total waktu yang diperlukan untuk pengecatan X 1 (meja) diperlukan 10

15 waktu 2 jam kerja dan untuk pengecatan X 2 (kursi) dibutuhkan waktu 1 jam kerja. Total waktu pengecatan yang tersedia adalah 100 jam. Salah satu syarat yang harus dipenuhi dalam Linear Programming adalah asumsi nilai X 1 dan X 2 tidak negatif. Artinya bahwa X 1 0 (jumlah meja yang diproduksi adalah lebih besar atau sama dengan nol). X 2 0 (jumlah kursi yang diproduksi adalah lebih besar atau sama dengan nol) Dari uraian di atas dapat dirumuskan formulasi permasalahan secara lengkap sebagai berikut : 1. Fungsi tujuan : Maksimumkan Z = X X 2 2. Fungsi kendala : 4 X X (kendala departemen pembuatan) 2X X (kendala departemen pengecatan) X 1, X 2 0 (kendala non negatif pertama) Kasus Furniture tersebut akan kita selesaikan dengan metode grafik. Keterbatasan metode grafik adalah bahwa hanya tersedia dua sumbu ordinat, sehingga tidak bisa digunakan untuk menyelesaikan kasus yang lebih dari dua variabel keputusan. Langkah pertama dalam penyelesaian dengan metode grafik adalah menggambarkan fungsi kendalanya. Untuk menggambarkan kendala pertama secara grafik, kita harus merubah tanda pertidaksamaan menjadi tanda persamaan seperti berikut. 4 X X 2 = 240 Kendala ini akan memotong salah satu atau kedua sumbu. Sebagaimana halnya yang sudah kita pelajari dalam aljabar, bahwa untuk menggambarkan fungsi linear tidak lain merupakan garis lurus, maka kita akan mencari titik potong garis tersebut dengan kedua sumbu. Suatu garis akan memotong salah satu sumbu apabila nilai variabel yang lain sama dengan nol. Dengan demikian kendala pertama akan memotong X 1, pada saat X 2 = 0, demikian juga kendala ini akan memotong X 2, pada saat X 1 = 0. Kendala I: 4 X X 2 = 240 memotong sumbu X 1 pada saat X 2 = 0 4 X = 240 X 1 = 240/4 =

16 memotong sumbu X 2 pada saat X 1 = X 2 = 240 X 2 = 240/3 = 80 Kendala I memotong sumbu X 1 pada titik (60, 0) dan memotong sumbu X 2 pada titik (0, 80). Kendala II: 2 X 1 + X 2 = 100 memotong sumbu X 1 pada saat X 2 = 0. 2 X = 100 X 1 = 100/2 = 50 memotong sumbu X 2 pada saat X 1 =0 0 + X 2 = 100 X 2 = 100 Kendala I memotong sumbu X 1 pada titik (50, 0) dan memotong sumbu X 2 pada titik (0, 100). Gambar 2.1. Area layak Titik potong kedua kendala bisa dicari dengan cara substitusi atau eliminasi 2 X 1 + X 2 = 100 X 2 = X 1 4 X X 2 =

17 4 X (100-2 X 1 ) = X X 1 = X 1 = = - 60 X 1 = -60/-2 = 30. X 2 = X 1 X 2 = * 30 = = 40 Sehingga kedua kendala akan saling berpotongan pada titik (30, 40). Tanda pada kedua kendala ditunjukkan pada area sebelah kiri dari garis kendala. Sebagaimana nampak pada gambar 2.1, feasible region (area layak) meliputi daerah sebelah kiri dari titik A (0; 80), B (30; 40), dan C (60; 0). Untuk menentukan solusi yang optimal, ada dua cara yang bisa digunakan yaitu : 1. dengan menggunakan garis profit (iso profit line) 2. dengan titik sudut (corner point) Penyelesaian dengan menggunakan garis profit adalah penyelesaian dengan menggambarkan fungsi tujuan. Kemudian fungsi tujuan tersebut digeser ke kanan sampai menyinggung titik terjauh dari dari titik nol, tetapi masih berada pada area layak (feasible region). Untuk menggambarkan garis profit, kita mengganti nilai Z dengan sembarang nilai yang mudah dibagi oleh koefisien pada fungsi profit. Pada kasus ini angka yang mudah dibagi angka 7 (koefisien X 1 ) dan 5 (koefisien X 2 ) adalah 35. Sehingga fungsi tujuan menjadi 35 = 7 13

18 Gambar 2.2. Iso profit line X X 2. Garis ini akan memotong sumbu X 1 pada titik (5, 0) dan memotong sumbu X 2 pada titik (0, 7). Dari gambar 2. 2 dapat dilihat bahwa iso profit line menyinggung titik B yang merupakan titik terjauh dari titik nol. Titik B ini merupakan titik optimal. Untuk mengetahui berapa nilai X 1 dan X 2, serta nilai Z pada titik B tersebut, kita mencari titik potong antara kendala I dan kendala II (karena titik B merupakan perpotongan antara kendala I dan kendala II). Dengan menggunakan eliminiasi atau subustitusi diperoleh nilai X 1 = 30, X 2 = 40. dan Z = Dari hasil perhitungan tersebut maka dapat disimpulkan bahwa keputusan perusahaan yang akan memberikan profit maksimal adalah memproduksi X 1 sebanyak 30 unit, X 2 sebanyak 40 unit dan perusahaan akan memperoleh profit sebesar Penyelesaian dengan menggunakan titik sudut (corner point) artinya kita harus mencari nilai tertinggi dari titik-titik yang berada pada area layak (feasible region). Dari gambar 2.1, dapat dilihat bahwa ada 4 titik yang membatasi area layak, yaitu titik 0 (0, 0), A (0, 80), B (30, 40), dan C (50, 0). Keuntungan pada titik O (0, 0) adalah ( x 0) + ( x 0) = 0. Keuntungan pada titik A (0; 80) adalah ( x 0) + ( x 80) = Keuntungan pada titik B (30; 40) adalah ( x 30) + ( x 40) = Keuntungan pada titik C (50; 0) adalah ( x 50) + ( x 0) =

19 Karena keuntungan tertinggi jatuh pada titik B, maka sebaiknya perusahaan memproduksi meja sebanyak 30 unit dan kursi sebanyak 40 unit, dan perusahaan memperoleh keuntungan optimal sebesar

20 BAB III. METODE SIMPLEKS 3.1. Bentuk Umum Persoalan program linier tidak selalu sederhana karena melibatkan banyak constraint (pembatas) dan banyak variabel sehingga tidak mungkin diselesaikan dengan metode grafik. Oleh karena itu serangkaian prosedur matematik (aljabar linier) diperlukan untuk mencari solusi dari persoalan yang rumit tersebut. Prosedur yang paling luas digunakan adalah Metode Simpleks. Penemuan metode ini merupakan lompatan besar dalam Riset Operasi dan digunakan sebagai prosedur penyelesaian dari setiap program komputer. Bentuk Standar : Maksimalkan/Minimalkan : Z = C 1 X 1 + C 2 X 2 + C 3 X C n X n Fungsi pembatas: a 11 X 1 + a 12 X 2 + a 13 X a 1n X n b 1 a 21 X 1 + a 22 X 2 + a 23 X a 2n X n b a m1 X 1 + a m2 X 2 + a m3 X a mn X n b m 3.2. Kasus Maksimisasi Fungsi Tujuan : Maksimumkan : Z C 1 X 1 -C 2 X C n X n -0S 1-0S S n = NK Fungsi Pembatas : a 11 X 11 +a 12 X a 1n X n + S 1 +0S S n = b 1 a 21 X 21 +a 22 X a 2n X n + 0S 1 +1S S n = b = 16

21 a m1 X m1 +a m2 X m a mn X n + S 1 +0S S n = b m Var. Kegiatan Slack Variabel Tabel Simpleks Var. Dasar X 1 X X n S 1 S S n NK Z -C 1 -C C n S 1 a 11 a a 1n b 1 S 2 a 21 a a 2n b S n a m1 a m2... a mn b m Contoh kasus Diketahui : Model Program Linear: 1. Fungsi Tujuan : Maksimumkan : Z = 15 X X 2 2. Fungsi Pembatas : a. Bahan A : X 1 + X b. Bahan B : 2 X 1 + X Syarat non negative : X 1, X 2 0 Hitung nilai optimum! Penyelelesaian: A. Model Simpleks : 1. Fungsi Pembatas : a. Bahan A : X 1 + X 2 + S S 2 = 600 b. Bahan B : 2 X 1 + X S 1 + S 2 = Syarat non negative : X 1, X 2, S 1, S 2 > 0 2. Merubah fungsi tujuan : Z = 15 X X S S 2 Z 15 X 1 10 X 2 0 S 1 0 S 2 = 0 17

22 B. Tabel Simpleks Variabel dasar Z X 1 X 2 S 1 S 2 NK Z S S Langkah perhitungan 1. Iterasi 0 Variabel dasar Z X 1 X 2 S 1 S 2 NK Z S S Iterasi 1 Kolom kunci X 1 (nilai negative terbesar pada baris Z) Variabel dasar Z X 1 X 2 S 1 S 2 NK Angka Indeks Z S S Angka indeks terkecil = 500, Angka kunci perpotongan kolom dengan baris = 2 Variabel dasar baru X 1 Variabel dasar Z X 1 X 2 S 1 S 2 NK Z S 1 X /2 0 1/2 500 Baris Z Z X 1 X 2 S 1 S 2 NK ½ 0 ½ 500 x (-15) Z X 1 X 2 S 1 S 2 NK ,5 0-7,

23 ,5 0 7, Baris S1 Z X 1 X 2 S 1 S 2 NK ½ 0 ½ 500 x (1) Z X 1 X 2 S 1 S 2 NK ½ 0 ½ ½ 1-1/2 100 Variabel dasar Z X 1 X 2 S 1 S 2 NK Z 1 0-2,5 0 7, S /2 1-1/2 100 X /2 0 1/ Iterasi 2 Kolom kunci X2 Variabel dasar Z X 1 X 2 S 1 S 2 NK Angka Indeks Z 1 0-2,5 0 7, X /2 1-1/ X /2 0 1/ Baris kunci = 200 (angka indeks terkecil), angka kunci = ½ Variabel dasar baru X 2 Variabel dasar Z X 1 X 2 S 1 S 2 NK Z X X 1 Baris Z Z X 1 X 2 S 1 S 2 NK ,5 0 7, x (-2,5)

24 Z X 1 X 2 S 1 S 2 NK ,5 0 7, ,5-5 2, Baris X 1 Z X 1 X 2 S 1 S 2 NK ½ 0 ½ x (1/2) Z X 1 X 2 S 1 S 2 NK ½ 0 ½ ½ 1-1/ Variabel dasar Z X 1 X 2 S 1 S 2 NK Z X X Proses iterasi selesai karena angka koefisien pada fungsi tujuan tidak ada lagi yang memiliki nilai negative. Hasil yang di dapat adalah : X 1 = 100 X 2 = 200 Z maksimum = Kasus Minimisasi Contoh Kasus 1. Fungsi Tujuan Minimumkan : Z = 40 X X 2 2. Fungsi Pembatas 3 X 1 + X 2 27 X 1 + X 2 21 X X 2 30 Syarat non negative : X 1, X

25 Model Simpleks 1. Fungsi Tujuan : Z = 40 X X S S S 3 Z - 40 X 1-20 X 2-0 S 1-0 S 2-0 S 3 = 0 2. Fungsi Pembatas : 3 X 1 + X 2 S 1 = 27 X 1 + X 2 S 2 = 21 X X 2 S 3 = 30 Syarat non negative ; X 1, X 2, S 1, S 2, S 3 0 Pada solusi awal, yaitu : X 1 = X 2 = 0, Maka : S 1 = - 27 ; S 2 = -21 ; S 3 = -30. S 1, S 2, S 3 harus non negative. Untuk itu perlu ditambah variable buatan (artificial variable) sebesar A, maka fungsi pembatas menjadi : 3 X 1 + X 2 S 1 + A 1 = 27 X 1 + X 2 S 2 + A 2 = 21 X X 2 S 3 + A 3 = 30 Syarat non negative : X 1, X 2, S 1, S 2, S 3, A 1, A 2, A 3 0. Untuk fungsi tujuan diberi nilai M positif, sehingga fungsi tujuan menjadi: Z - 40 X 1-20 X 2-0 S 1-0 S 2-0 S 3 MA 1 MA 2 MA 3 = 0 Ada dua metode penyelesaian persoalan metode simpleks kasus minimisasi, yaitu : A. Metode M (metode Penalti) B. Metode dua tahap A. Metode M (metode penalty) 1. Fungsi Tujuan Minimumkan : Z = 40 X X 2 2. Fungsi Pembatas 3 X 1 + X 2 27 X 1 + X 2 21 X X 2 30 Syarat non negative : X 1, X 2 0 Metode Simpleks 3 X 1 + X 2 S 1 + A 1 = 27 A 1 = 27 3 X 1 X 2 + S 1 21