PENERAPAN ALGORITMA RELAKSASI PADA PERMASALAHAN MINIMUM COST FLOW

dokumen-dokumen yang mirip
ALGORITMA DOUBLE SCALING UNTUK MENYELESAIKAN PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM KOMPUTER

PENERAPAN ALGORITMA COST SCALING PADA PERMASALAHAN MINIMUM COST FLOW DAN IMPLEMENTASINYA PADA PROGRAM

ALGORITMA CAPACITY SCALING DALAM MENYELESAIKAN MINIMUM COST FLOW PROBLEM DAN IMPLEMENTASI PROGRAMNYA

PENYELESAIAN MASALAH ALIRAN MAKSIMUM MENGGUNAKAN EDMONS KARP ALGORITHM

PENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI

PENGEMBANGAN LONGEST PATH ALGORITHM (LPA) DALAM RANGKA PENCARIAN LINTASAN TERPANJANG PADA GRAF BERSAMBUNG BERARAH BERUNTAI

BAB I. MASALAH TRANSPORTASI KHUSUS

Mata Kuliah Penelitian Operasional II OPERATIONS RESEARCH AN INTRODUCTION SEVENTH EDITION BY HAMDY A. TAHA BAB 6.

RANCANG BANGUN APLIKASI MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL

MODEL TRANSPORTASI MATAKULIAH RISET OPERASIONAL Pertemuan Ke-12 & 13. Riani Lubis Jurusan Teknik Informatika Universitas Komputer Indonesia

Matematika dan Statistika

Dwiprima Elvanny Myori

Optimasi Jaringan. Masalah Optimasi Jaringan Model Optimasi Jaringan Penyelesaian Optimasi Jaringan dengan Simpleks

Model Jaringan. Ahmad Sabri, MSi, Riset Operasional 2, Universitas Gunadarma

Penggunaan Algoritma Greedy dalam Penyelesaian Masalah Transportasi

I PENDAHULUAN II LANDASAN TEORI

ALGORITMA FORD-FULKERSON UNTUK MEMAKSIMUMKAN FLOW DALAM PENDISTRIBUSIAN BARANG

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-7. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

PENYELESAIAN MULTIPLE DEPOT VEHICLE ROUTING PROBLEM (MDVRP) MENGGUNAKAN METODE INSERTION HEURISTIC

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

BAB III MODEL TRANSPORTASI. memperkecil total biaya distribusi (Hillier dan Lieberman, 2001, hlm. 354).

SISTEM INFORMASI UNIVERSITAS GUNADARMA 2012/2013. Graf Berarah

MODEL TRANSPORTASI - I MATAKULIAH RISET OPERASIONAL Pertemuan Ke-6

ALGORITMA MENCARI LINTASAN TERPENDEK

UJM 2 (1) (2013) UNNES Journal of Mathematics.

Analisis Penggunaan Algoritma Greedy dalam Program Solusi Fisibel Basis Awal Transportasi

PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)

Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf

MENYELESAIKAN PERSOALAN TRANSPORTASI DENGAN KENDALA CAMPURAN

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Studi Agribisnis Fakultas Pertanian Universitas Jambi

Pendekatan Dual-Matriks Untuk Menyelesaikan Persoalan Transportasi

BAB 2 LANDASAN TEORI. 2.1 Pengertian Program Linier (Linear Programming)

BAB 3 ANALISIS DAN PERANCANGAN

Modul 10. PENELITIAN OPERASIONAL MODEL TRANSPORTASI. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

BAB 3 PEMBAHASAN. 3.1 Pengumpulan Data

Pada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan

PENYELESAIAN MASALAH ALIRAN MAKSIMUM DENGAN MENGGUNAKAN ALGORITMA DIJKSTRA DAN ALGORITMA FORD-FULKERSON TUGAS AKHIR

Model Arus Jaringan. Riset Operasi TIP FTP UB Mas ud Effendi

Minimum Spanning Trees algorithm

Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )

BAB 1 PENDAHULUAN. barang, jaringan jalan raya, atau dalam masalah komputasi yaitu jaringan penjadwalan.

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09

Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum

PERBANDINGAN HASIL PERHITUNGAN JARAK TERPENDEK ANTARA ALGORITMA DIJKSTRA DENGAN PEMROGRAMAN LINIER

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Penyelesaian Maximum Flow Problem dengan Algoritma Cloning-Based

ALGORITMA PENCARIAN (HEURISTIC)

BAB II LANDASAN TEORI

BAB VII METODE TRANSPORTASI

Model Transportasi 1

Elvira Firdausi Nuzula, Purwanto, dan Lucky Tri Oktoviana Universitas Negeri Malang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ABSTRACT 1. PENDAHULUAN

BAB II TINJAUAN PUSTAKA

Program Dinamis (Dynamic Programming)

Pengaplikasian Graf dalam Menentukan Rute Angkutan Kota Tercepat

ANALISIS KINERJA ALGORITMA PEMROGRAMAN DINAMIK PADA MASALAH MULTISTAGE GRAPH. Kata Kunci: Algoritma, Multistage, Pemrograman Dinamik, Running Time

MODEL TRANSPORTASI MATAKULIAH RISET OPERASIONAL Pertemuan Ke-11

PEMBERIAN NOMOR VERTEX PADA TOPOLOGI JARINGAN GRAF WHEEL, GRAF HELM DAN GRAF LOLLIPOP

Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Program Magister Agribisnis Universitas Jambi

TRANSPORTATION PROBLEM

1. Minimal spanning tree 2. Shortest-route algorithm 3. Maximum flow algorithm

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau

BAB 2 LANDASAN TEORITIS

MODEL TRANSPORTASI. Sesi XI : Model Transportasi

1. PENDAHULUAN 1.1 Latar Belakang

BAB 2 LANDASAN TEORI. 2.1 Pengertian Model dan Metode Transportasi

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI -202 Nama Mata Kuliah : Model Deterministik Jumlah SKS : 2 Semester : III

TRANSPORTASI LEAST COST

Penggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf

BAB IV PEMBAHASAN. Dalam bab ini akan dibahas tentang pengimplementasian Zero Point Method

APLIKASI METODE TRANSPORTASI DALAM OPTIMASI BIAYA DISTRIBUSI BERAS MISKIN (RASKIN) PADA PERUM BULOG SUB DIVRE MEDAN

Staff Pengajar Jurusan Teknik Mesin, FT-Universitas Sebelas Maret Surakarta

merupakan himpunan sisi-sisi tidak berarah pada. (Yaoyuenyong et al. 2002)

x 6 x 5 x 3 x 2 x 4 V 3 x 1 V 1

PROGRAM LINIER FUZZY PENUH DENGAN ALGORITMA MULTI OBJECTIVE LINEAR PROGRAMMING. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang

Studi Algoritma Optimasi dalam Graf Berbobot

BAB 2 LANDASAN TEORI. Definisi Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:

EFISIENSI BIAYA DISTRIBUSI DENGAN METODE TRANSPORTASI

BAB 2 LANDASAN TEORI

ALGORITMA SEQUENTIAL INSERTION UNTUK MENYELESAIKAN MASALAH MULTIPLE TRIP VEHICLE ROUTING PROBLEM (MTVRP)

RANCANG BANGUN SISTEM INFORMASI RUTE WISATA TERPENDEK BERBASIS ALGORITMA FLOYD-WARSHALL

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND

LANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf

Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG

METODE OUT OF KILTER MENENTUKAN MINIMAL COST PADA PERSOALAN NETWORK

TRANSPORTASI APROKSIMASI VOGEL

METODE TRANSPORTASI Permintaan Masalah diatas diilustrasikan sebagai suatu model jaringan pada gambar sebagai berikut:

BAB 3 METODOLOGI PENELITIAN

II TINJAUAN PUSTAKA 2.1 Graf Definisi 1 (Graf, Graf Berarah dan Graf Takberarah) 2.2 Linear Programming

Model Transportasi /ZA 1

Konstruksi Pelabelan- Pada Line Digraph dari Graf Lingkaran Berarah dengan Dua Tali Busur

I PENDAHULUAN II LANDASAN TEORI

BAB III PEMODELAN MASALAH

HAND OUT MATA KULIAH TEORI GRAF (MT 424) JILID SATU. Oleh: Kartika Yulianti, S.Pd., M.Si.

ANALISIS KINERJA ALGORITMA KARZANOV DALAM MENYELESAIKAN MAXIMUM FLOW PROBLEM

UJM 3 (2) (2014) UNNES Journal of Mathematics.

Pelabelan aliran maksimum dengan algoritma Ford-Fulkerson telah diperkenalkan pada pertengahan 1950,

Transkripsi:

PENERAPAN ALGORITMA RELAKSASI PADA PERMASALAHAN MINIMUM COST FLOW Supiatun, Sapti Wahyuningsih, Darmawan Satyananda Universitas Negeri Malang E-mail: nuta_ipuzzz@yahoo.com Abstrak : Minimum cost flow merupakan permasalahan yang mencari biaya minimum untuk mengirimkan suatu barang/objek dari suatu titik ke titik. Algoritma relaksasi merupakan salah satu algoritma yang dapat digunakan untuk menyelesaikan permasalahan minimum cost flow. Pada algoritma relaksasi, pemilihan sisi ditentukan oleh reduced cost ( ) yang sama dengan nol. Penerapan algoritma relaksasi pada permasalahan minimum cost flow dapat memperoleh solusi yang optimum. Hal ini terjadi karena pemilihan sisinya ditentukan dengan memilih sisi yang mempunyai reduced cost yang sama dengan nol dan nilai reduced cost dipengaruhi oleh nilai cost. Kata Kunci: Algoritma relaksasi, Minimum Cost Flow, reduced cost Abstract : Minimum cost flow is a problem which often occur in life, one of minimum cost flow problems is distribution problem of product from producer or distributors to outlets. Relaxation algorithm is one of algorithm which can be used to solve minimum cost flow problem. On relaxation algorithm, arc selection is determined by zero reduced cost. Implementation of relaxation algorithms on minimum cost flow problem can obtain the optimum solution. This occurs because the selection of arc is determined by choosing the arc that has a zero reduced cost and the value of reduced cost is affected by the value of cost. Keywords: Relaxation algorithm, Minimum Cost Flow, reduced cost Kehidupan manusia sangat berkaitan dengan permasalahan minimum cost flow, diantaranya adalah jaringan pendistribusian barang, jaringan perjalanan dari suatu daerah ke daerah yang lain dan masih banyak lagi yang lainnya. Dalam menghadapi permasalahan jaringan tersebut, manusia akan mencari biaya yang minimum sehingga mereka lebih hemat. Permasalahan minimum cost flow merupakan permasalahan yang mencari biaya minimum untuk mengirimkan suatu barang/objek dari suatu titik ke titik. Titik disebut dengan titik supply (sumber), sedangkan titik disebut titik demand (tujuan). Pengertian ini diadaptasi dari Rosen (2000:673-674). Untuk menyelesaikan permasalahan minimum cost flow dapat digunakan berbagai algoritma, diantaranya adalah algoritma penghapusan sikel, algoritma lintasan terpendek berulang, algoritma jaringan simpleks, algoritma out of kilter (Ahuja, 1993:295-296). Untuk menentukan solusi pada permasalahan minimum cost flow juga dapat menggunakan algoritma relaksasi (Ahuja, 1993:296). Algoritma relaksasi merupakan algoritma yang dapat memperluas atau mempersempit domain dari batasan-batasan yang ada (Hillier, 2001: 606), sehingga terdapat beberapa alternatif dalam menentukan solusi. Algoritma relaksasi pada minimum cost flow dilakukan dengan mengirimkan supply/objek/barang pada sisi dengan reduced cost yang sama dengan nol.

Untuk mambahas permasalahan ini, diperlukan definisi-definisi yang sering digunakan. Definisi-definisi tersebut antara lain: (1) Misal, adalah jaringan terhubung dengan himpunan titik dan himpunan sisi berarah. Masing-masing sisi, mempunyai biaya dan kapasitas muatan 0. Misal dan. menunjukan banyak titik pada jaringan, sedangkan menyatakan banyaknya sisi pada jaringan. Masing-masing titik mempunyai nilai yang disimbolkan. Jika 0, maka titik adalah titik supply, jika 0, maka titik adalah titik demand (Rosen, 2000:673). Cost /biaya adalah bilangan non negatif yang menyatakan besarnya biaya untuk memindahkan muatan dari satu titik ke titik yang lain. Capacity /kapasitas dari suatu sisi adalah jumlah maksimum muatan yang dapat dikirim pada sisi-sisi (Rosen, 2000:630), (2) Suatu aliran fisibel adalah suatu fungsi didefinisikan pada sisi berarah, yang memenuhi batas kesetimbangan umum yaitu xij x ji = b( i) untuk semua dan batas kapasitas yaitu { j ( i, j) A} { j ( j, i) A} 0 xij u ij untuk semua,, dimana i N ( i, j) A b( i) = 0. Biaya dari flow adalah c ij x ij (Rosen, 2000:673-674). Simbol merupakan biaya total yang diperoleh dari minimum cost flow. Biaya total yang dihasilkan adalah biaya yang minimum untuk mengirimkan supply dari suatu titik supply ke titik demand. Biaya total ini diperoleh dari jumlah perkalian cost dengan kapasitas sisa yang berlawanan arah dengan sisi yang bersesuaian. Nilai-nilai pada aliran fisibel harus memenuhi kesetimbangan massa yaitu /bobot titik harus sama dengan aliran fisibel yang keluar dari titik dikurangi dengan aliran fisibel yang masuk ke titik dan nilai aliran fisibel lebih besar atau sama dengan nol dan kurang dari atau sama dengan capacity. (3) Jaringan sisa dalam suatu aliran didefinisikan dengan mengganti masing-masing sisi berarah, oleh dua sisi berarah, dan,. Sisi berarah, mempunyai biaya dan kapasitas sisa, dan sisi berarah, mempunyai biaya dan kapasitas sisa (Rosen, 2000 : 673-674). Pada jaringan sisa, jika kapasitas sisa suatu sisi bernilai nol, maka sisi tersebut dapat dihapus dari jaringan. (4) potensial titik adalah besarnya π (i) yang bersesuaian dengan batas kesetimbangan umum pada titik. Untuk himpunan potensial titik yang diberikan, reduced cost dari suatu sisi, pada π jaringan sisaan adalah c = c π ( i) + π ( j). ij ij Hasil yang Diharapkan Hasil yang diharapkan pada artikel ini adalah dengan algoritma relaksasi pada minimum cost flow dapat memperluas domain yang terdapat pada minimum cost flow sehingga alternatif solusi yang dihasilkan lebih bervariasi. Algoritma relaksasi juga dapat menghasilkan solusi minimum cost flow yang optimum karena hanya mengirimkan supply pada sisi yang mempunyai nilai reduced cost sama dengan nol. Algoritma relaksasi dapat lebih efektif dan efisien dari pada algoritma lintasan terpendek berulang dan algoritma simplek karena pada algoritma relaksasi pemilihan sisi hanya dilakukan pada sisi yang nilai reduced cost-nya sama dengan nol..

Pembahasan Berdasar pada buku Network Flows Theory, Algorithms, and applications oleh Ahuja (1993:336-337), berikut deskripsi dari algoritma relaksasi pada minimum cost flow. 0 and + 0; while the network contains a node with %0 do ( $'; If %(+,( then adjust-potensial; repeat select an arc,(,() in residual network with 0; if %-0 then set.%/ and add node to (; until %0 or %(+,(; if %(+,( then adjust-potensial else adjust-flow; procedure adjust-potensial for every arc,(,() with 0 do send units of flow on arc,; compute *min $ &,(,() and 0'; for every node ( do + +,*; procedure adjust-flow trace the predecessor indices to identify the directed path from node to node ; min $%,%,min $ &,''; Augment units of flow along, update imbalances and residual capacities; Pada algoritma relaksasi proses dimulai dengan menghimpun semua titik yang mempunyai bobot positif dan menjumlahkan semua bobot titik pada himpunan tersebut. Kemudian, dicari jumlah kapasitas sisa sisi yang titik awalnya pada himpunan dan titik keduanya tidak pada himpunan yang mempunyai nilai reduced cost sama dengan nol. Setelah diperoleh jumlah bobot titik dan jumlah kapasitas sisa, nilai keduanya dibandingkan. Pembandingan ini dilakukan untuk mengidentifikasi apakah jumlah supply dapat dikirim melalui kapasitas sisa pada sisi-sisi yang dijumlahkan pada tahap sebelumnya. Jika jumlah supply lebih besar dari pada jumlah kapasitas sisa maka supply tidak dapat dikirim karena kapasitas sisa sisi dengan reduced cost bernilai nol belum cukup untuk mengirimkan semua

supply. Agar jumlah kapasitas sisa sisi yang mempunyai reduced cost bernilai nol bertambah, maka dilakukan pembaruan node potential. Perubahan node potential mengakibatkan sisi yang mempunyai reduced cost bernilai nol menjadi bertambah, sehingga jumlah kapasitas sisa juga bertambah besar. Setelah dilakukan pembaruan node potential, dicari sisi-sisi yang mempunyai reduced cost sama dengan nol yang titik awalnya pada himpunan titik yang berbobot positif (() dan titik keduanya tidak pada himpunan tersebut (()). Jika titik kedua pada sisi yang diperoleh mempunyai bobot lebih besar dari nol, maka titik tersebut ditambahkan pada himpunan (. Hal ini yang merupakan ciri dari algoritma relaksasi yaitu memperbesar batasan domain. Kemudian dihitung kembali jumlah bobot titik pada ( dan jumlah kapasitas sisa sisi yang titik awalnya pada ( dan titik keduanya pada (), serta mempunyai reduced cost sama dengan nol. Jika jumlah bobot titik lebih besar dari jumlah kapasitas sisa, maka pemilihan sisi dihentikan dan memperbarui node potential kembali agar supply dapat dikirim pada sisi dengan reduced cost sama dengan nol. Jika jumlah kapasitas sisa lebih besar dari jumlah bobot titik, maka pemilihan sisi dilanjutkan. Jika pada pemilihan sisi mengakibatkan himpunan ( bertambah, maka jumlah bobot titik dan jumlah kapasitas sisa juga diperbarui, kemudian dibandingkan kembali dan jika jumlah kapasitas sisa lebih besar dari jumlah bobot titik, maka pemilihan sisi dilanjutkan kembali. Pemilihan sisi ini, dilakukan sampai jumlah kapasitas sisa lebih kecil dari pada jumlah bobot atau bobot titik kedua pada sisi yang dipilih kurang dari nol. Jika titik kedua pada sisi yang dipilih kurang dari nol, maka supply dapat dikirim pada sisi-sisi yang telah terpilih sebelum sisi yang titik keduanya kurang dari nol terpilih. Banyak supply yang dapat dikirimkan diperoleh dengan cara mencari minimum dari bobot titik supply, negatif bobot titik kedua yang terpilih terakhir, dan minimum kapasitas sisa sisi-sisi terpilih. Hal ini dilakukan agar supply yang dikirimkan dari titik supply ke titik demand dapat maksimal tanpa melebihi kapasitas sisa pada sisi yang akan dilewati. Untuk memudahkan pencarian minimum cost flow dengan algoritma relaksasi dibutuhkan alat bantu, yaitu program Delphi. Pada program Delphi dibuat prosedur pencarian minimum cost flow yang disesuaikan dengan algoritma relaksasi, sehingga nilai minimum cost flow dan pemilihan lintasan pada tiap iterasi yang diperoleh sama dengan hasil perhitungan manual. Pada program ini dibuat 3 halaman utama yaitu input titik, input bobot, serta proses. Halaman input titik digunakan untuk untuk menggambar titik. Caranya dengan mengklik di tempat yang diinginkan. Halaman ini dihubungkan dengan halaman input bobot dan akan secara otomatis menggambar sisi berarah serta menampilkan bobot titik pada titik, bobot cost dan bobot capacity pada sisi secara berurutan sesuai dengan perubahan di halaman input bobot. Halaman input bobot digunakan untuk memasukan nilai supply pada kotak penerimaan/permintaan/supply, memasukkan nilai cost pada kotak biaya/cost, dan memasukkan nilai kapasitas pada kotak kapasitas/capacity. Pengisian bobot tiap kotak mempengaruhi tampilan digraph di halaman input titik, yaitu jika pada kotak supply tidak kosong, maka pada halaman input titik akan muncul bobot tiap titiknya. Jika pada salah satu kotak cost atau kotak capacity pada kolom 2 baris 1 tidak kosong, maka pada halaman input titik akan muncul sisi berarah yang akan menghubungkan titik 1 ke titik 2 dilengkapi dengan bobot cost dan bobot capacity secara berurutan. Yang terakhir adalah tampilan proses. Halaman proses

digunakan untuk menyelesaikan permasalahan minimum cost flow yang telah diinputkan pada halaman input titik dan input bobot. pada halaman proses terdapat tampilan jaringan optimum dan informasi dalam pencarian solusi minimum cost flow. Informasi tersebut berupa proses adjust-flow, adjust-potential, pemilihan sisi, sampai biaya total. Algoritma relaksasi diterapkan pada tujuh contoh. Contoh I merupakan contoh dengan empat titik yaitu satu titik supply dan tiga titik demand, contoh II merupakan contoh dengan lima titik yaitu satu titik supply, satu titik demand, dan tiga titik sebagai titik perantara, contoh III merupakan contoh yang mendistribusikan Brem yang berbentuk kotak dari perusahaan Candi Mas ke 12 outlet. Dengan kata lain satu titik supply yaitu perusahaan Candi Mas dan 12 titik demand yaitu berupa outlet-outlet yang dituju, contoh IV merupakan contoh dengan enam titik yaitu dua titik supply, dua titik demand, dan dua titik perantara, contoh V merupakan contoh dengan empat titik dengan satu titik supply dan satu titik demand, contoh VI merupakan contoh dengan tiga titik yaitu satu titik supply dan tiga titik demand, sedangkan contoh VII merupakan contoh dengan delapan titik yaitu satu titik supply dan tujuh titik demand. Hasil dari penerapan dari algoritma relaksasi yang dibandingkan dengan algoritma lintasan terpendek berulang dan algoritma jaringan simplek dengan bantuan program GidenV4a. Penerapan dari ketiga algoritma tersebut menghasilkan hasil yang sama dari segi biaya total yang diperlukan dan rute yang diperoleh, sehingga algoritma relaksasi dapat menjadi alternatif untuk menyelesaikan permasalahan minimum cost flow. Algoritma relaksasi lebih baik dari pada algoritma jaringan simpleks pada beberapa kasus. Algoritma relaksasi telah terbukti lebih efisien dalam praktek untuk beberapa jaringan (Ahuja, 1993:332). Pada algoritma jaringan simpleks, pemilihan sisinya tidak didasarkan pada nilai reduced cost yang terkecil tetapi pemilihan sisi pada tree dilakukan dengan syarat tidak melanggar complementary slackness optimality conditions. Nilai + pada algortima jaringan simpleks dipengaruhi oleh nilai lintasan terpendek pada tree yang diperoleh dari titik supply ke titik yang lain yaitu titik. Nilai + diperoleh dengan mengurangkan + yang lama dengan nilai lintasan terpendek yang diperoleh dari titik supply ke titik. Sedangkan pada algoritma lintasan terpendek berulang, pemilihan sisinya berupa lintasan terpendek dari titik supply ke titik demand yang berdasar pada nilai reduced cost. Nilai + pada algoritma lintasan terpendek berulang juga dipengaruhi oleh nilai lintasan terpendek yang berdasar pada nilai reduced cost. Nilai + juga diperoleh dari mengurangkan + yang lama dengan bobot lintasan terpendek yang diperoleh. Perbedaannya adalah jika pada algoritma lintasan terpendek berulang, lintasan terpendek yang diperoleh memperhatikan semua sisi yang ada pada jaringan sisa, sedangkan pada algoritma jaringan simpleks, lintasannya hanya memperhatikan sisi-sisi yang terdapat pada spanning tree. Pada algoritma relaksasi pemilihan sisinya didasarkan pada nilai reduced cost yang sama dengan nol, sehingga solusi yang diperoleh lebih optimum. Nilai + pada algoritma relaksasi diperoleh dengan menambahkan + yang lama dengan *. Nilai * diperoleh dari minimum nilai reduced cost sisi yang kapasitas sisinya lebih besar dari nol. Pada algoritma relaksasi, perubahan node potential tidak terjadi pada semua titik yang ada pada jaringan tetapi perubahannya terjadi hanya pada titik-titik tertentu yang di (, sedangkan perubahan node potential pada algoritma lintasan terpendek berulang dan algoritma jaringan simpleks terjadi

pada semua titik pada jaringan. Hal ini dapat mengakibatkan hasil yang diperoleh dari ketiga algoritma ini berbeda. Penutup Dalam menentukan solusi, algoritma relaksasi pada minimum cost flow memperluas domain yaitu memperluas (. Awalnya ( adalah himpunan titik yang mempunyai supply lebih besar dari nol. Setelah pada pemilihan sisi, ( tidak hanya himpunan titik yang mempunyai supply lebih besar dari nol tetapi juga himpunan titik yang nilai supply-nya sama dengan nol. Hal ini menyebabkan titik yang mengirimkan supply tidak harus mempunyai supply yang lebih besar dari nol. Algoritma relaksasi mempunyai kelebihan dapat menghasilkan solusi yang minimum karena pengiriman supply hanya pada sisi yang mempunyai reduced cost sama dengan nol dan nilai reduced cost dipengaruhi oleh nilai cost. Algoritma relaksasi lebih efektif dan efisien dari pada algoritma lintasan terpendek berulang dan algoritma jaringan simpleks. Hal ini disebabkan pemilihan sisi dari ketiga algoritma ini berbeda dan pada algoritma relaksasi, pemilihan sisi yang akan dilalui untuk mengirim supply hanya dilakukan pada sisi yang mempunyai nilai reduced cost sama dengan nol, sedangkan pada algoritma lintasan terpendek berulang pemilihan sisi dilakukan dengan memilih lintasan terpendek dan bobot lintasannya tidak selalu sama dengan nol. Pada algoritma jaringan simpleks, pemilihan sisi dilakukan dengan cara menentukan tree dan tidak didasarkan pada nilai cost. Pada algoritma relaksasi, jaringan sisa yang dihasilkan pada tiap iterasi dimungkinkan akan sama sehingga tidak diperoleh solusi dan proses perlu dihentikan. Oleh karena itu, pembaca dapat meneliti lebih lanjut untuk kasus tersebut. Program dengan algoritma relaksasi ini hanya dapat berjalan pada permasalahan minimum cost flow yang titiknya kurang dari 32 titik. Oleh karena itu, jika pembaca ingin menggunakan program ini, maka permasalahan yang akan diterapkan harus kurang dari 32 titik atau pembaca dapat mengembangkan program dengan algoritma relaksasi untuk permasalahan dengan 32 titik atau lebih. Daftar Rujukan Ahuja, Ravindra, dkk. 1993. Network Flows Theory, Algoritmhs, and Applications. New Jersey : Prentice-Hall, Inc. Hillier, Frederick, dkk. 2001. Introduction to Operations Research. Singapure : Mc Graw-Hill Book Co. Rosen, H., Kenneth. 2000. Handbook of Discrete and Combinatorial Mathematics. Washington, DC: CRC Press.