Upload
others
View
8
Download
0
Embed Size (px)
Citation preview
OPTIMASI TRANSPORTASI TAK SEIMBANG
MENGGUNAKAN MODIFIKASI
METODE ASM
SKRIPSI
MIFTAHUN NADHIRAH
130803045
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2019
Universitas Sumatera Utara
OPTIMASI TRANSPORTASI TAK SEIMBANG
MENGGUNAKAN MODIFIKASI
METODE ASM
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Sains
MIFTAHUN NADHIRAH
130803045
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2019
Universitas Sumatera Utara
i
PERSETUJUAN
Judul : Optimasi Transportasi Tak Seimbang
Menggunakan Modifikasi Metode ASM
Kategori : Skripsi
Nama : Miftahun Nadhirah
Nomor Induk Mahasiswa : 130803045
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara
Disetujui di
Medan, Januari 2019
Disetujui oleh
Departemen Matematika FMIPA USU Pembimbing,
Ketua,
Dr. Suyanto, M.Kom Dr. Suyanto, M.Kom
NIP. 19590813 198601 1 002 NIP. 19590813 198601 1 002
Universitas Sumatera Utara
ii
PERNYATAAN
OPTIMASI TRANSPORTASI TAK SEIMBANG
MENGGUNAKAN MODIFIKASI
METODE ASM
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri. Kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Januari 2019
Miftahun Nadhirah
130803045
Universitas Sumatera Utara
iii
PENGHARGAAN
Puji dan syukur penulis ucapkan kehadirat Allah Ta‟ala yang telah melimpahkan
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang
berjudul “Optimasi Transportasi Tak Seimbang Menggunakan Modifikasi Metode
ASM”. Sholawat dan salam semoga selalu tercurahkan kepada Nabi Muhammad
SAW yang telah memberikan contoh teladan kepada umat manusia.
Terima kasih penulis sampaikan kepada Bapak Dr. Suyanto, M.Kom
selaku dosen pembimbing, penasehat akademik dan Ketua Departemen
Matematika FMIPA USU yang senantiasa membantu dan mengarahkan penulis
dalam menyelesaikan skripsi ini. Terima kasih kepada bapak Dr. Open Darnius,
M.Sc dan Ibu Dra. Normalina Napitupulu, M.Sc selaku dosen pembanding yang
telah memberikan kritik dan saran yang membangun dalam menyelesaikan skripsi
ini. Terima kasih kepada Bapak Dr. Kerista Sebayang, MS selaku Dekan FMIPA
USU serta seluruh staf pegawai di FMIPA USU. Terima kasih kepada seluruh
Bapak dan Ibu dosen yang telah mendidik saya selama menjalani pendidikan di
FMIPA USU. Teristimewa kepada kedua orangtua tercinta Buya Syahrul dan
Ummi Mailin Fauziah Nst, adik-adik tercinta Zati Hulwani dan Fakhira Salsabila
yang selalu memberikan kasih sayang dan dukungan do‟a dan motivasi sehingga
penulis memiliki semangat untuk menyelesaikan skripsi ini. Terima kasih kepada
sahabat-sahabat tersayang penulis yang tak bisa disebutkan namanya satu persatu,
rekan-rekan kuliah di Matematika 2013 serta teman-teman di berbagai organisasi
yang telah memberikan semangat dan dukungan kepada penulis. Semoga Allah
Ta‟ala memberikan balasan atas kebaikan semua.
Medan, Januari 2019
Miftahun Nadhirah
130803045
Universitas Sumatera Utara
iv
OPTIMASI TRANSPORTASI TAK SEIMBANG
MENGGUNAKAN MODIFIKASI
METODE ASM
ABSTRAK
Masalah transportasi merupakan masalah pendistribusian barang dari beberapa
sumber (persediaan atau supply) ke beberapa tujuan (permintaan atau demand)
dengan tujuan untuk meminimumkan biaya transportasi atau memaksimumkan
keuntungan. Terdapat beberapa metode untuk menyelesaikan masalah
transportasi. Salah satu metode langsung untuk meyelesaikan masalah transportasi
adalah metode ASM yang diperkenalkan oleh Abdul Quddoos, Dr. Shakeel
Javaid, dan Prof. Mohd Masood Khalid pada tahun 2012. Metode ASM ini
memberikan solusi optimal tanpa memerlukan solusi awal dengan karakteristik
menitikberatkan pada hasil reduksi yang bernilai nol dengan indeks terkecil.
Quddoos et al. (2016) melakukan revisi metode ASM untuk masalah transportasi
tak seimbang yaitu adanya penambahan baris/kolom dummy dengan nilai awal 0
dimana sangat berpengaruh pada hasil reduksi. Maka dilakukan modifikasi
algoritma pada revisi metode ASM yaitu mengganti nilai dummy dengan nilai
tereduksi terbesar yang berfungsi sebagai pengoptimalan angka 0 yang muncul
pada tabel. Algoritma ini diambil dari metode Improved Zero Point. Diperoleh
hasil dari modifikasi metode ASM sebesar 75 sedangkan dari revisi metode ASM
diperoleh hasil 79. Dengan demikian, terjadi penurunan nilai optimasi sebesar 5%,
sehingga modifikasi metode ASM memberikan solusi yang tetap optimal.
Kata kunci: Improved Zero Point, Modifikasi Metode ASM, Reduksi, Solusi
Optimal, Transportasi Tak Seimbang.
Universitas Sumatera Utara
v
UNBALANCED TRANSPORTATION OPTIMIZATION
USING ASM METHOD MODIFICATION
ABSTRACT
Transportation problem is the problem of distributing goods from several sources
(fulfilling or supplying) to several destinations (demand or demand) with the aim
of minimizing transportation costs or maximizing profits. Several methods appear
to deal with transportation problems. One of the direct methods to solve
transportation problems is the ASM method introduced by Abdul Quddoos, Dr.
Shakeel Javaid, and Prof. Mohd Masood Khalid in 2012. This ASM method
provides optimal solutions without the need for an initial solution with the
characteristics of focusing on the reduction results which are zero with the
smallest index. Quddoos et al (2016) revised the ASM method for unbalanced
transportation problems, namely the addition of a dummy row /column with an
initialvalue of 0 which is very influential on the reduction results. Then the
algorithm is modified to revise the ASM method, which is to replace the dummy
value with the largest reduced value that serves as an optimization of the number
0 that appears in the table. This algorithm is taken from the Improved Zero Point
method. The result of modification of ASM method is 75 while from the revision
of the ASM method 79 results are obtained. Therefore, an optimization value
decreases of 5%, so the modification of the ASM method provides a solution that
remains optimal.
Keywords: Modification of ASM Method, Reduction, Optimal Solution,
Unbalanced Transportation
Universitas Sumatera Utara
vi
DAFTAR ISI
Halaman
PERSETUJUAN i
PERNYATAAN ii
PENGHARGAAN iii
ABSTRAK iv
ABSTRACT v
DAFTAR ISI vi
DAFTAR TABEL viii
DAFTAR GAMBAR ix
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Rumusan Masalah 3
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Metodologi Penelitian 4
BAB 2 TINJAUAN PUSTAKA
2.1 Program Linier 5
2.2 Masalah Transportasi 6
2.2.1 Solusi Optimal 8
2.2.2 Masalah Transportasi Seimbang 9
2.2.3 Masalah Transportasi Tidak Seimbang 9
2.3 Metode Transportasi 10
2.3.1 Metode Zero Neighbouring 10
2.3.2 Metode Zero Suffix 11
2.3.3 Metode Zero Point 12
2.3.4 Metode Exponential Approach 15
2.3.5 Metode ASM 16
BAB 3 MODIFIKASI METODE ASM
3.1 Analisis Metode ASM 20
3.2 Rancangan Optimasi 21
3.3 Metodologi Penelitian 22
BAB 4 IMPLEMENTASI DAN PEMBAHASAN 25
BAB 5 KESIMPULAN
5.1 Kesimpulan 36
DAFTAR PUSTAKA 37
Universitas Sumatera Utara
vii
DAFTAR TABEL
Nomor
Tabel
Judul Halaman
2.1 Masalah Transportasi 7
4.1 Masalah Transportasi Tak Seimbang 26
4.2 Masalah Transportasi Seimbang dengan Penambahan Kolom
Dummy 26
4.3 Hasil Reduksi Kolom 27
4.4 Penggantian Nilai Dummy 28
4.5 Hasil Reduksi Baris 29
4.6 Hasil Reduksi Kolom 30
4.7 Penetapan Indeks 31
4.8
4.9
Pengalokasian ke Indeks Terkecil
Pengalokasian (1)
31
32
4.10 Pengalokasian (2) 32
4.11 Pengaolkasian (3) 32
4.12 Pengalokasian (4) 33
4.13 Pengalokasian (5) 33
4.14 Pengalokasian (6) 33
4.15 Pengalokasian (7) 34
4.16 Pengalokasian dengan Seluruh Permintaan dan Persediaan 34
Terpenuhi
4.17 Perbaikan Tabel Transportasi 34
Universitas Sumatera Utara
viii
DAFTAR GAMBAR
Nomor
Gambar
Judul Halaman
2.1 Masalah Umum Transportasi 7
3.1 Rancangan Optimasi 22
Universitas Sumatera Utara
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Salah satu studi dalam riset operasi adalah masalah transportasi. Terdapat
beberapa metode untuk menyelesaikan masalah transportasi, misalnya dalam
mendapatkan solusi fisibel awal yaitu dengan Metode Pojok Barat Laut (North
West Corner Method), Metode Biaya Terendah (Least Cost Method), dan Metode
Aproksimasi Vogel (VAM). Setelah solusi awal di dapat, maka langkah
selanjutnya adalah uji optimalitas dengan Metode Batu Loncat (Stepping Stone),
atau Metode MODI (Modified Distribution) (Winston, 2004). Kelemahan dari
serangkaian metode tersebut adalah memiliki dua proses penyelesaian. Metode ini
dipandang kurang efisien.
Seiring dengan perkembangan waktu, muncul metode-metode baru yang
lebih efisien dan sederhana untuk memecahkan masalah transportasi. Beberapa
metode baru tersebut mudah dipahami dan memiliki perhitungan dengan sedikit
iterasi. Dalam perhitungannya metode-metode tersebut langsung didapatkan solusi
optimum tanpa harus mencari solusi fisibel awalnya terlebih dahulu atau disebut
metode langsung.
Sebagian besar beberapa metode langsung telah berhasil memberikan
solusi optimal pada masalah transportasi seimbang, sedangkan untuk masalah
transportasi tak seimbang belum tentu menghasilkan solusi optimal. Salah satu
metode langsung tersebut adalah metode ASM (Abdul, Shakel, dan M. Khalid).
Quddoos et al. (2012) menunjukkan karakteristik dari metode ASM ini
menitikberatkan pada nilai hasil reduksi yang bernilai nol, lanjut ke penetapan
indeks pada angka 0, hingga pengalokasian dari indeks terkecil. Metode ASM ini
telah berhasil memberikan solusi optimal pada masalah transportasi seimbang.
Quddoos et al. (2016) kembali melakukan studi revisi metode ASM pada masalah
transportasi tak seimbang tetapi terdapat Initial Basic Feasible Solution (IBFS)
Universitas Sumatera Utara
2
yang sangat dekat ke solusi optimum. Sehingga perlu adanya perbaikan agar
metode ASM dapat memberikan solusi optimal pada masalah transportasi tak
seimbang. Pada revisi metode ASM terdapat algoritma berupa penambahan
baris/kolom dummy dimana biaya pada baris/kolom dummy tersebut bernilai 0
sehingga sangat berpengaruh terhadap hasil reduksi. Maka harus diberikan
penambahan algoritma untuk mengoptimalkan angka 0 yang muncul pada
baris/kolom dummy.
Masalah transportasi adalah jenis khusus dari masalah program linier yang
muncul di banyak aplikasi praktis. Dan ini adalah salah satu aplikasi teknik
program linier yang paling awal dan paling bermanfaat. Telah dipelajari secara
luas dalam Manajemen Logistik dan Operasi dimana distribusi barang dan
komoditas dari sumber ke tujuan merupakan masalah penting. Masalah itu
diformulasikan oleh matematikawan asal Prancis, Gaspard Monge pada tahun
1781. (He D et al. 2014)
Masalah transportasi adalah salah satu yang sering didengar dan paling
penting dari masalah program linier. Masalah transportasi dapat dideskripsikan
sebagai sejumlah komoditas homogen tertentu tersedia di sejumlah sumber dan
jumlah yang tetap diperlukan untuk memenuhi permintaan di sejumlah tujuan.
Kondisi yang seimbang yaitu total permintaan sama dengan total persediaan.
Kemudian menemukan jadwal pengiriman barang yang optimal dengan kepuasan
permintaan di setiap tujuan adalah tujuan utama dari masalah transportasi. Pada
tahun 1941, Hitchcock mengembangkan masalah transportasi dasar bersama
dengan metode konstruktif solusi dan kemudian pada tahun 1949 Koopmans
mendiskusikan masalah secara rinci. Selanjutnya pada tahun 1951 Dantzig
merumuskan masalah transportasi sebagai masalah pemograman linier dan juga
menyediakan metode solusi. Sekarang masalah transportasi sehari-hari telah
menjadi aplikasi standar untuk perkumpulan industri yang memiliki beberapa unit
manufaktur, gudang, dan pusat distribusi (Quddoos et al. 2012).
Metode transportasi dirancang untuk melakukan optimalisasi variabel
yang digunakan dalam memecahkan masalah transportasi, termasuk didalamnya
masalah pengiriman dari beberapa sumber ke beberapa tujuan dengan tetap
Universitas Sumatera Utara
3
berorientasi pada biaya minimum, dimana setiap sumber mempunyai kapasitas
tertentu dan setiap tujuan mempunyai permintaan tertentu pula. Perusahaan yang
menjadikan model transportasi sebagai alat strategi akan mempunyai keunggulan
dalam merebut persaingan diantara perusahaan dengan produk sejenis. Hal itu
dikarenakan tidak semua perusahaan mampu melakukan penghematan biaya
operasional terutama biaya transportasi. Pada masalah transportasi yang
merupakan bagian dari program linier ini, yang harus diperhatikan adalah bahwa
total kuantitas pada seluruh sumber harus sama dengan total kuantitas pada
seluruh tujuan, dengan kata lain harus seimbang, jika tak seimbang, maka perlu
ditambahkan kuantitas dummy. Dan cara penyelesaian dapat dilakukan dengan
menggunakan metode simpleks atau dengan menggunakan teknik-teknik khusus
yang penyelesaiannya lebih efisien dan beraneka ragam.
Berdasarkan uraian diatas, maka penulis memberi tulisan ini dengan judul
“Optimasi Transportasi Tak Seimbang Menggunakan Modifikasi Metode ASM”
1.2 Rumusan Masalah
Berdasarkan pengamatan penulis, maka rumusan masalah pada penelitian ini
adalah adanya pada revisi metode ASM masih terdapat hasil Initial Basic Feasible
Solution (IBFS) yang sangat dekat ke solusi optimum. Hal ini terjadi untuk
beberapa masalah transportasi tak seimbang dikarenakan adanya penambahan
dummy dengan nilai awal 0 sehingga mempengaruhi hasil reduksi.
1.3 Batasan Masalah
Batasan masalah pada penelitian ini adalah penambahan algoritma nantinya
memudahkan untuk melakukan perhitungan matematik dan hasil yang diberikan
tetap termasuk optimal dari hasil pada metode sebelumnya.
Universitas Sumatera Utara
4
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah menunjukkan bahwa modifikasi metode ASM
merupakan solusi optimal pada masalah transportasi tak seimbang.
1.5 Manfaat Penelitian
1. Menambah wawasan dan informasi dalam bidang operasi riset yang
berhubungan dengan masalah transportasi tak seimbang menggunakan metode
ASM.
2. Sebagai bahan referensi bacaan untuk penelitian sejenisnya.
1.6 Metodologi Penelitian
Metodologi yang digunakan dalam penelitian ini didasarkan pada studi literatur
dan studi kasus yang bersumber dari buku atau jurnal. Adapun langkah-langkah
yang digunakan dalam menyelesaikan permasalahan pada penelitian ini adalah
sebagai berikut:
1. Mengamati keseimbangan masalah transportasi
2. Membuat tabel transportasi seimbang dengan menambahkan dummy dengan
nilai awal 0
3. Reduksi tabel transportasi dengan dummy
4. Menetapkan indeks untuk setiap sel yang bernilai 0
5. Mengalokasikan sel ke indeks terkecil
6. Membuat kesimpulan dari hasil yang diperoleh
Universitas Sumatera Utara
BAB 2
TINJAUAN PUSTAKA
2.1 Program Linier
Program linier adalah suatu cara yang digunakan untuk menyelesaikan masalah
optimasi suatu model linier dengan berbagai tujuan dan kendala yang
dihadapinya. Masalah program linier ini berkembang pesat setelah ditemukan
suatu metode penyelesaian program linier dengan metode simpleks yang
dikemukakan oleh George Dantzig pada tahun 1947. Selanjutnya, berbagai cara
dan metode dikembangkan untuk menyelesaikan masalah program linier bahkan
sampai pada masalah riset operasi hingga tahun 1950-an seperti pemrograman
dinamik, teori antrian, dan teori persediaan.
Tujuan utama dari program linier ini adalah menentukan nilai optimum
(maksimal/minimal) dari fungsi tujuan yang telah ditetapkan. Secara umum,
fungsi pada model ini ada dua macam, yaitu fungsi tujuan dan fungsi
pembatas/kendala.
1. Fungsi tujuan adalah fungsi yang menggambarkan tujuan/sasaran di dalam
program linier yang dimaksudkan untuk menentukan nilai optimum dari fungsi
tersebut yaitu nilai maksimal untuk masalah keuntungan dan nilai minimal
untuk masalah biaya.
2. Fungsi pembatas merupakan bentuk penyajian secara matematika yang
diperlukan berkenaan dengan adanya keterbatasan sumber daya yang tersedia,
misalnya jumlah bahan baku yang terbatas, luas wilayah, waktu kerja, jumlah
tenaga kerja, luas gudang persediaan.
Seperti yang telah dijelaskan diatas, optimasi program linier memiliki
formula sebagai berikut:
Fungsi tujuan max/min (2.1)
Dengan kendala i = 1, 2, ..., m
Universitas Sumatera Utara
6
Untuk memperoleh solusi yang optimum, formula tersebut dapat
diselesaikan dengan metode grafik atau metode simpleks. Metode grafik
digunakan apabila permasalahan yang diselesaikan cukup sederhana dan hanya
dapat menyelesaikan maksimal 2 variabel. Metode simpleks merupakan prosedur
aljabar yang bersifat iteratif, yang bergerak selangkah demi selangkah, dimulai
dari suatu titik ekstrim pada daerah fisibel menuju titik ekstrim yang optimum
(Zenis dkk, 2015).
2.2 Masalah Transportasi
Masalah transportasi merupakan masalah pendistribusian barang dari beberapa
sumber (persediaan atau supply) ke beberapa tujuan (permintaan atau demand)
dengan tujuan untuk meminimumkan biaya transportasi atau memaksimumkan
keuntungan (Siswanto, 2016).
Pada masalah transportasi terdapat beberapa sumber dan tujuan tertentu,
komoditas atau barang yang didistribusikan dari setiap sumber dan yang diminta
oleh setiap tujuan dengan jumlah tertentu. Komoditas yang akan dikirim dari
sumber ke tujuan, besarnya disesuaikan dengan permintaan atau kapasitas sumber
dan biaya pengangkutan komoditas. Oleh karena itu, permasalahan yang dibahas
pada masalah transportasi adalah bagaimana mengatur distribusi barang untuk
meminimumkan biaya total distribusi barang (Dimyati dan Akhmad, 1992).
Dalam masalah transportasi, pola pengiriman optimal antara sumber atau
pusat persediaan dan tujuan atau pusat permintaan harus ditentukan. Misalkan
sumber m adalah menyediakan n tujuan dengan produk tertentu. Terdapat
sebagai jumlah produk yang tersedia di sumber i, dan sebagai jumlah produk
yang diperlukan di tujuan j. Selanjutnya, biaya pengiriman satu unit produk dari
sumber i ke tujuan j diasumsikan sebagai , dan terdapat adalah jumlah yang
dikirim dari sumber i ke tujuan j. Jika biaya pengiriman diasumsikan proporsional
dengan jumlah yang dikirim dari setiap sumber ke setiap tujuan sehingga untuk
meminimalkan total biaya pengiriman ternyata menjadi masalah program linier
(He D et al. 2014).
Universitas Sumatera Utara
7
Masalah umum transportasi direpresentasikan oleh gambar berikut
Gambar 2.1 Masalah Umum Transportasi
Terdapat m sumber dan n tujuan. Panah menyatakan rute yang menghubungkan
sumber dan tujuan. Panah (m,n) yang menggabungkan sumber m ke tujuan n
membawa dua informasi yaitu biaya transportasi per unit, dan jumlah yang
dikirim, . Jumlah pasokan (persediaan) pada sumber m adalah dan jumlah
kebutuhan (permintaan) pada tujuan n adalah . Tujuan model menentukan
yang tidak diketahui yang akan meminimalkan total biaya transportasi yang
memenuhi batas pasokan (persediaan) dan kebutuhan (permintaan) (Sharma et al.
2012).
Dari deskripsi di atas dapat disusun dalam tabel transportasi seperti pada
berikut:
Tabel 2.1 Masalah Transportasi
Destination Supply
( ia )
Source
( iS )
1D 2D nD
1S 11x 12x nx1
1a
11c 12c nc1
2S 21x 22x nx2
2a
21c 22c nc2
Universitas Sumatera Utara
8
Destination Supply
( ia )
Source
( iS )
1D 2D nD
mS 1mx 2mx 12 mnx
ma
1mc 2mc mnc
Demand
( jb ) 1b 2b nb
Sumber: Patel et al. (2017) dalam Global Journal of Pure and Applied
Mathematics
keterangan:
: sumber ke i, i = 1, 2, ..., m
: tujuan ke j, j = 1, 2, ..., n
: persediaan ke i, i = 1, 2, ..., m
: permintaan ke j, j = 1, 2, ..., n
: biaya transportasi barang dari sumber i ke tujuan j, i = 1, 2, ..., m
j = 1, 2, ..., n
: banyak barang yang diangkut dari sumber i ke tujuan j, i = 1, 2, ..., m
j = 1, 2, ..., n
Secara matematis, masalah ini dapat dinyatakan sebagai
Minimum ∑ ∑
(2.2)
bergantung pada
∑ i = 1, 2, ..., m (2.3)
∑ j = 1, 2, ..., n (2.4)
2.2.1 Solusi Optimal
Solusi optimal adalah solusi yang layak (belum tentu dasar) dikatakan optimal
jika meminimalkan total biaya transportasi. (Mamidi et al. 2014)
Universitas Sumatera Utara
9
2.2.2 Masalah Transportasi Seimbang
Masalah transportasi seimbang adalah jumlah persediaan dari beberapa sumber
sama dengan jumlah permintaan beberapa tempat tujuan, yaitu
n
j
j
m
i
i ab (2.5)
2.2.3 Masalah Transportasi Tidak Seimbang
Masalah transportasi tidak seimbang adalah jumlah persediaan dari beberapa
sumber tidak sama dengan jumlah permintaan beberapa tempat tujuan. Dalam
kasus masalah transportasi tak seimbang, dimana persediaan lebih besar dari
permintaan atau sebaliknya yaitu sebagai berikut.
n
j
j
m
i
i ab (2.6)
n
j
j
m
i
i ab (2.7)
Batasan di atas dikemukakan hanya karena ia menjadi dasar dalam pengembangan
teknik transportasi. Namun, setiap persoalan transportasi dapat dibuat seimbang
dengan cara memasukkan variable artifisial (semu). Jika jumlah demand melebihi
jumlah supply, maka dibuat suatu sumber dummy yang akan men-supply
kekurangan tersebut, yaitu sebanyak ∑ ∑ .
Sebaliknya, jika jumlah supply melebihi jumlah demand, maka dibuat
suatu tujuan dummy untuk menyerap kelebihan tersebut, yaitu sebanyak ∑
∑ .
Biaya pengiriman barang dari sumber dummy ke seluruh tujuan
adalah nol. Hal ini dapat dipahami karena pada kenyataannya dari sumber dummy
tidak terjadi pengiriman. Begitu pula dengan biaya pengiriman barang dari
semua sumber ke tujuan dummy adalah nol.
Universitas Sumatera Utara
10
2.3 Metode Transportasi
Masalah transportasi dapat diselesaikan dengan beberapa metode, misalnya dalam
mendapatkan solusi fisibel awal yaitu dengan Metode Pojok Barat Laut (North
West Corner Method), Metode Biaya Terendah (Least Cost Method), dan Metode
Aproksimasi Vogel (VAM). Setelah solusi awal di dapat, maka langkah
selanjutnya adalah uji optimalitas dengan Metode Batu Loncat (Stepping Stone),
atau Metode MODI (Modified Distribution) (Winston, 2004).
Beberapa metode langsung yang berhasil dikembangkan diantaranya
Metode Zero Neigbouring, Metode Zero Suffix, Metode Zero Point, Metode
Exponential Approach, Metode ASM, dan sebagainya. Karakteristik dari beberapa
metode ini menitikberatkan pada biaya hasil reduksi yang bernilai nol.
2.3.1 Metode Zero Neighbouring
Metode Zero Neighbouring diterapkan untuk menemukan solusi yang layak untuk
masalah transportasi secara langsung. Metode yang diusulkan memberikan solusi
yang selalu layak (mungkin optimal untuk sebagian) tanpa gangguan kondisi
degenerasi. Metode ini membutuhkan iterasi minimal untuk mencapai optimalitas.
Pada metode langsung ini di hitung nilai rata-rata sekitar angka 0 yang bukan
bernilai 0, kemudian pengalokasian bergantung pada nilai rata-rata terbesar
(Thiagarajan et al. 2013).
Algoritma metode Zero Neighbouring (Thiagarajan et al. 2013):
1. Membuat tabel transportasi.
2. Pilih nilai minimum dari setiap baris dan kurangi dengan setiap elemen di
baris yang sesuai.
3. Pilih nilai minimum dari setiap kolom dan kurangi dengan setiap elemen di
kolom yang sesuai.
4. Dalam matriks biaya tereduksi akan ada setidaknya satu nol di setiap baris
dan kolom, kemudian cari rata-rata sekitar 0 yang bukan bernilai 0 di posisi
nol.
5. Temukan nilai maksimum di antara sekitar 0. Jika memiliki satu nilai
maksimum, maka pertama-tama berikan permintaan yang sesuai dengan sel.
Universitas Sumatera Utara
11
Jika memiliki nilai yang sama maka pilih { } dan berikan permintaan
semaksimal mungkin.
6. Setelah langkah diatas, permintaan (kolom) atau persediaan (baris) yang habis
untuk diratakan. Matriks yang dihasilkan harus memiliki setidaknya satu nol
pada setiap baris dan kolom, kalau tidak, ulangi langkah ke 5.
7. Ulangi langkah 2 hingga langkah 6 sampai solusi yang layak diperoleh.
2.3.2 Metode Zero Suffix
Sama seperti Metode Zero Neighbouring, Metode Zero Suffix juga mempunyai
karakteristik menghitung nilai rata-rata sekitar angka 0 yang bukan bernilai 0,
kemudian pengalokasian bergantung pada nilai rata-rata terbesar.
Algoritma Metode Zero Suffix (Fegade et al. 2012):
1. Membuat tabel transportasi
2. Kurangi setiap entri baris dari tabel transportasi dari baris minimum yang
sesuai setelah itu kurangi setiap entri kolom dari tabel transportasidari kolom
minimum yang sesuai.
3. Dalam matriks biaya yang dikurangi akan ada setidaknya satu nol di setiap
baris dan kolom, kemudian cari nilai akhiran dari semua nol dalam matriks
biaya yang dikurangi yang dilambangkan dengan S, oleh karena itu S =
{tambahkan biaya dari sisi terdekat dari nol / biaya tambahan}
4. Pilih maksimum S, jika memiliki satu nilai maksimum maka persediaan
pertama ke permintaan tersebut sesuai dengan sel. Jika memiliki nilai yang
lebih sama maka pilih { } dan berikan pemintaan semaksimal mungkin
5. Setelah langkah diatas, permintaan (kolom) atau persediaan (baris) yang habis
harus diratakan. Matriks yang dihasilkan harus memiliki setidaknya satu nol
pada setiap baris dan kolom, jika tidak, ulangi langkah ke 2
6. Ulangi langkah 3 hingga langkah 5 sampai solusi optimal diperoleh.
Sharma et al. (2013) melakukan modifikasi metode Zero Suffix yang bebas dari
masalah degenerasi, dan membutuhkan sedikitnya jumlah iterasi untuk mencapai
optimalitas sehingga lebih sederhana, mudah dimengerti dan diterapkan.
Universitas Sumatera Utara
12
Algoritma metode Zero Suffix (Sharma et al. 2013):
1. Membuat tabel transportasi untuk masalah transportasi yang diberikan
2. Kurangi elemen terkecil dari setiap baris dari semua elemen baris yang sesuai
3. Kurangi elemen terkecil dari setiap kolom dari semua elemen kolom yang
sesuai dari tabel transportasi yang diperoleh pada langkah 2
4. Temukan nilai akhiran, S dari setiap nol dalam tabel transportasi biaya rendah
sebagai berikut: S = rata-rata perbedaan dari elemen terkecil dan elemen
terkecil selanjutnya dari barisnya dan elemen terkecil selanjutnya dari
kolomnya.
5. Cari nilai akhiran terbesar dari noldan alokasikan ke sel yang sesuai dan
hapus baris/kolom yang habis untuk mendapatkan tabel transportasi yang
dikurangi. Lanjutkan ke langkah 2.
6. Ulangi langkah 2 hingga 5 sampai semua permintaan dan persediaan habis.
2.3.3 Metode Zero Point
Metode Zero Point adalah sebuah prosedur sistematis untuk masalah transportasi
dan mudah diterapkan dan dapat digunakan untuk semua jenis masalah
transportasi apakah memaksimalkan atau meminimalkan fungsi objektif. Metode
Zero Point memberikan solusi optimal tanpa bantuan metode modifikasi lainnya.
Pada metode Zero Point diperhatikan permintaan dan persediaan pada sel dengan
biaya tereduksi 0 yang bersangkutan (Sharma et al. 2012).
Algoritma Metode Zero Point (Sharma et al. 2012):
1. Membuat tabel transportasi untuk masalah transportasi yang diberikan,
kemudian jika tidak seimbang, mengubahnya menjadi seimbang
2. Kurangi setiap entri baris dari tabel transportasi dari baris minimum
3. Kurangi setiap entri kolom dari tabel transportasisetelah menggunakan
langkah 2 dari minimum kolom
4. Periksa apakah setiap kolom permintaan kurang dari jumlah persedian yang
biaya berkurang dalam kolom itu adalah nol. Juga periksa apakah setiap baris
persediaan kurang dari jumlah permintaan yang biaya berkurang dalam baris
Universitas Sumatera Utara
13
itu adalah nol. Jika demikian, lanjutkan ke langkah 7 (tabel yang dikurangi itu
disebut tabel peruntukan). Jika tidak, lanjut ke langkah 5
5. Gambarkan jumlah minimum garis horizontal dan garis vertikal untuk
menutup semua nol dari tabel transportasi yang dikurangi sehingga beberapa
entri dari baris atau kolom yang tidak memenuhi kondisi langkah 4, tidak
tertutupi
6. Kembangkan tabel transportasi tereduksi yang baru dan direvisi sebagai
berikut:
(i) Menemukan entri terkecil dari matriks biaya rendah yang tidak tercakup
oleh jalur apapun.
(ii) Kurangi entri ini dari semua entri yang tidak ditemukan dan yang sama
untuk semua entri yang terletak di persimpangan dua baris, dan kemudian
lanjutkan ke langkah 4.
7. Pilih sel di tabel transportasi berkurang yang mengurangi biaya adalah biaya
maksimum. Katakan (a,b). Jika ada lebih dari satu, maka pilih siapa saja.
8. Pilih sel dalam baris a atau kolom b dari tabel transportasi berkurang yang
merupakan satu-satunya sel yang mengurangi biaya adalah nol dan kemudian
membagikan setinggi mungkin ke sel itu. Jika sel seperti itu tidak terjadi
untuk nilai apa pun, kita pilih sel apa pun dalam tabel transportasi yang
dikurangi yang mengurangi biaya nol.
9. Mereformasi tabel transportasi yang dikurangi setelah menghapus titik
persediaan yang digunakan sepenuhnya dan titik permintaan yang diterima
dan juga memodifikasinya untuk memasukkan titik persediaan yang tidak
sepenuhnya digunakan dan tidak menerima titik permintaan
10. Ulangi langkah 7 hingga langkah 9 sampai semua titik persediaan dan semua
titik permintaan diterima sepenuhnya
11. Pembagian ini menghasilkan solusi untuk masalah transportasi.
Selanjutnya metode ini ditingkatkan dengan metode yang lebih sederhana dan
efisien, mudah dimengerti dan memberikan solusi optimal untuk masalah
transportasi teratur atau fuzzy. Metode ini ditingkatkan oleh Samuel (2012)
dengan nama Improved Zero Point Method.
Universitas Sumatera Utara
14
Algoritma IZPM (Samuel, 2012):
1. Inisialisasi
Sudah diketahui bahwa suatu ketidakseimbangan pada masalah transportasi
adalah setara dengan masalah transportasi seimbang yang biasa dengan satu
kolom dummy atau satu baris dummy dengan penambahan biaya 0.
2. Mengembangkan Tabel Biaya
(a) Jika kolom dummy (baris) ditambahkan, kurangi nilai terkecil dari setiap
kolom (baris) dari tabel biaya yangdiberikan dan mengurangi dari setiap
elemen dari kolom (baris).
(b) Dalam matriks yang diturunkan diperoleh dari 2(a), ganti biaya dummy
terbesar dari biaya transportasi.
3. Penentuan Nilai Nol
(a) Temukan elemen terkecil dari setiap baris pada nilai tabel dan kemudian
kurangi itu dari setiap elemen dari baris.
(b) Dalam matriks yang diturunkan diperoleh dari 3(a), temukan elemen
terkecil di setiap kolom dan kemudian kurangi itu dari setiap elemen dari
kolom. Setiap baris dan kolom sekarang mempunyai paling sedikit satu
0.
4. Kriteria Optimalitas
(a) Verifikasi setiap elemen persediaan kurang dari atau sama dengan
permintaan, yang mengurangi biaya nol.
(b) Sekarang verifikasi setiap elemen permintaan kurang dari atau sama
dengan persediaan, yang mengurangi biaya nol.
(c) Jika 4(a) dan 4(b) terpenuhi, maka lanjut ke langkah 7, jika tidak, lanjut
ke langkah 5.
5. Merevisi Tabel Biaya Peluang
(a) Gambarkan jumlah minimum garis horizontal dan vertikal untuk
menutup semua nol dalam tabel biaya revisi yang diperoleh dari langkah
3. (Menghilangkan baris dan kolom yang tidak terpenuhi).
6. Kembangkan Tabel Biaya Peluang Revisi yang Baru
Universitas Sumatera Utara
15
(a) Dari sel-sel yang tidak tercakup oleh garis apa pun, pilih elemen terkecil.
Sebut nilai ini k.
(b) Kurangi k dari setiap elemen di dalam sel yang tidak ditutupi oleh garis.
(c) Tambahkan k ke setiap elemen di dalam sel yang di cakup oleh dua garis,
yaitu perpotongan dua garis.
(d) Elemen dalam sel tertutup oleh satu baris tetap tidak berubah.
(e) Kemudian lanjutkan ke langkah 4.
7. Penentuan Sel untuk Alokasi
(a) Identifikasi biaya transportasi unit terbesar dalam matriks berkurang
yang diperoleh dari langkah 4. Jika ikatan terjadi, gunakan sembarang
pilihan pemutusan ikatan. Sebut sel ini (i,j).
(b) Pilih satu sel nol untuk alokasi, sesuai baris ke-i dan atau kolom ke-j, jika
ada.
(c) Mengalokasikan semaksimal mungkin ke sel itu, dan menyeberang
dengan cara biasa.
(d) Jika sel tunggal nol tidak ada di kedua baris ke-i dan kolom ke-j
kemudian pilih biaya transportasi unit terbesar berikutnya dan ulangi
proses dari langkah 7(b) ke langkah 7(c) sampai semua persyaratan rim
puas. (Jika tidak, akhirnya pilih sewenang-wenang).
2.3.4 Metode Exponential Approach
Metode Exponential Approach menetapkan penalti eksponensial pada setiap sel
biaya yang bernilai 0. Penalti eksponensial adalah banyaknya angka 0 pada baris
ke-i dan kolom ke-j selain angka 0 yang terpilih. Pengalokasian pada sel dengan
penalti eksponensial terkecil. Jika terdapat penalti eksponensial terkecil yang
sama, maka pengalokasian bergantung pada rata-rata permintaan dan persediaan
terkecil untuk sel yang bersesuaian (Vannan dan Rekha, 2013).
Algoritma Exponential Approach (Mamidi et al. 2014):
1. Membuat model transportasi dalam tabel dari masalah transportasi yang
diberikan
Universitas Sumatera Utara
16
2. Kurangi setiap entri baris dari tabel transportasi dari baris minimum masing-
masing dan kemudian kurangi setiap entri kolom dari tabel transportasi dari
minimum kolom terkait, sehingga setiap baris dan kolom akan memiliki
setidaknya satu nol
3. Sekarang akan ada setidaknya satu nol di setiap baris dan kolom dalam
matriks biaya yang dikurangi. Pilih nol pertama (baris bijaksana) yang terjadi
dalam matriks biaya. Hitung jumlah total nol tidak termasuk yang dipilih di
baris dan kolom yang sesuai. Dan kemudian tetapkan hukuman eksponensial
(jumlah nol di baris dan kolom masing-masing). Ulangi prosedur untuk
semua nol dalam matriks
4. Sekarang pilih nol dengan mana hukuman eksonensial minimum ditetapkan
dari langkah 3 dan alokasikan masing-masing nilai sel dengan jumlah
maksimumyang mungkin. Jika dasi terjadi untuk sel mana pun dalam nilai
penalti, maka pertama-tama periksa nilai yang sesuai dalam permintaan dan
penawaran, temukan nilai rata-ratanya dan tetapkan alokasi untuk nilai rata-
rata terkecil. Dan jika lagi ikat terjadi maka periksa nilai yang sesuai di baris
dan kolom dan pilih minimum
5. Setelah melakukan langah 4, hapus baris atau kolom (dimana persediaan atau
permintaan menjadi nol) untuk perhitungan lebih lanjut
6. Perikasa apakah matriks yang dihasilkan memiliki setidaknya satu nol di
setiap kolom dan di setiap baris. Jika tidak ulangi langkah 2, jika tidak
lanjutkan ke langkah 7
7. Ulang langkah 3 hingga langkah 6 sampai dan kecuali semua permintaan
dipenuhi dan semua persediaan habis
8. Untuk nilai yang dialokasikan, hitunglah biaya optimal.
2.3.5 Metode ASM
Metode ASM merupakan salah satu metode optimasi masalah transportasi yang
langsung menguji keoptimalan dari tabel transportasi. Metode ASM memberikan
solusi optimal secara langsung dengan iterasi yang lebih sedikit untuk masalah
transportasi. Karena metode ini menghabiskan lebih sedikit waktu dan sangat
Universitas Sumatera Utara
17
mudah untuk dimengerti dan diterapkan, maka akan menjadi sangat membantu
untuk pengambilan keputusan yang menangani masalah permintaan dan
persediaan (Quddoos et al. 2012).
Algoritma metode ASM (Quddoos et al. 2012):
1. Menyusun tabel transportasi dari masalah transportasi yang diberikan
2. Mengurangi biaya setiap baris pada tabel transportasi dengan biaya minimum
masing-masing baris dan kemudian mengurangi biaya setiap kolom dengan
nilai minimum masing-masing kolom.
3. Sekarang akan ada setidaknya satu nol di setiap baris dan setiap kolom dalam
matriks biaya yang telah dikurangi. Pilih nol pertama, perhatikan ( ji, ) nol
yang dipilih, hitung jumlah total nol (tidak termasuk nol yang dipilih) di baris
i dan kolom j . Kemudian pilih nol selanjutnya dan hitung jumlah total nol
pada baris dan kolom dengan cara yang sama. Ulangi untuk semua nol pada
matriks biaya.
4. Sekarang pilih nol dari sejumlah nol yang telah terhitung pada langkah 3 yang
minimum dan berikan jumlah maksimum yang mungkin pada sel. Jika terjadi
seri untuk beberapa nol yang terhitung dari langkah 3, pilih salah satu nol.
Alokasikan jumlah yang mungkin untuk sel tersebut.
5. Setelah melakukan langkah 4, hapus baris dan kolom untuk perhitungan lebih
lanjut dimana persediaan dari sumber tertentu habis atau permintaan untuk
tujuan tertentu terpenuhi.
6. Periksa apakah hasil perhitungan matriks terdapat minimal satu nilai nol di
setiap baris dan di setiap kolom. Jika tidak, ulangi langkah 2, jika sebaliknya
ke langkah 7.
7. Mengulangi langkah 3 sampai langkah 6 sampai seluruh permintaan
terpenuhi dan seluruh persediaan habis.
Metode ini mampu memberikan solusi optimal untuk masalah transportasi
seimbang tetapi untuk masalah transportasi tak seimbang belum tentu
memberikan solusi optimal. Maka dilakukan revisi metode ASM pada penelitian
selanjutnya untuk menyelesaikan masalah transportasi tak seimbang.
Universitas Sumatera Utara
18
Algoritma Revisi Metode ASM (Quddoos et al. 2016):
1. Menyusun tabel transportasi dari masalah transportasi yang diberi. Periksa
apakah masalahnya seimbang atau tidak. Jika masalah seimbang, langsung ke
tahap 4, jika tidak, lanjut ke tahap 2.
2. Jika masalah tidak seimbang, kemudian salah satu dari dua kasus berikut
mungkin terjadi:
a. Jika total persediaan melebihi total permintaan, masukkan kolom dummy
tambahan pada tabel transportasi untuk menyerap kelebihan persediaan.
Biaya transportasi untuk sel di kolom dummy ini diatur ke „M‟ dimana M
> 0 adalah sangat besar tetapi batas nilai positif. atau
b. Jika total permintaan melebihi total persediaan, masukkan baris dummy
tambahan pada tabel transportasi untuk memenuhi kelebihan permintaan.
Biaya transportasi untuk sel di baris dummy ini diatur ke „M‟ dimana M
> 0 adalah sangat besar tetapi batas nilai positif.
3. a. Di kasus (a) pada langkah 2, identifikasi elemen terendah dari setiap
baris dan kurangi dari setiap elemen dari masing-masing baris dan
kemudian yang dihasilkan tabel, identifikasi elemen terendah dari setiap
kolom dan kurangi dari setiap elemen dari masing-masing kolom dan
lanjut ke langkah 5. atau
b. Di kasus (b) pada langkah 2, identifikasi elemen terendah dari setiap
kolom dan kurangi dari setiap elemen dari masing-masing kolom dan
kemudian yang dihasilkan tabel, identifikasi elemen terendah dari setiap
baris dan kurangi dari setiap elemen dari masing-masing baris dan lanjut
ke langkah 5.
4. Identifikasi elemen terendah dari setiap baris dan kurangi dari setiap elemen
dari masing-masing baris dan setelah dihasilkan tabel, identifikasi elemen
terendah dari setiap kolom dan kurangi dari setiap elemen dari masing-
masing kolom.
5. Dalam tabel yang telah dikurangi, setiap baris dan setiap kolom memiliki
setidaknya satu nol. Sekarang, pilih nol pertama (katakan 0) dan hitung
jumlah nol (tidak termasuk nol yang dipilih) di baris dan kolom dan catat
Universitas Sumatera Utara
19
sebagai tanda dari nol yang telah dipilih. Ulangi proses ini untuk semua nol
pada tabel transportasi.
6. Sekarang, pilih sel yang mengandung nol yang mana nilai yang bertanda
adalah minimum dan berikan jumlah maksimum yang memungkinkan pada
sel tersebut. Jika terjadi seri untuk beberap nol di langkah 5, pilih salah satu
nol dari beberapa nol tersebut di baris dan kolom maksimum. Sediakan
jumlah maksimum yang mungkin untuk sel tersebut.
7. Hapus baris atau kolom untuk dipertimbangkan lebih lanjut dimana
persediaan dari sumber tertentu habis (atau permintaan untuk tujuan tertentu
terpenuhi). Jika pada tahap apapun, kolom permintaan telah terpenuhi dan
baris persediaan telah habis, kemudian hapus hanya satu kolom (atau baris)
dan baris (atau kolom) yang tersisa diberikan persediaan (atau permintaan)
nol dalam perhitungan lebih lanjut.
8. Sekarang periksa apakah tabel yang telah dikurangi mengandung setidaknya
satu nol di setiap baris dan setiap kolom. Jika ini tidak terjadi, ulangi langkah
4, jika sebaliknya ke langkah 9.
9. Ulangi langkah 5 sampai langkah 8 sampai semua permintaan terpenuhi dan
persediaan habis.
Universitas Sumatera Utara
BAB 3
MODIFIKASI METODE ASM
3.1 Analisis Metode ASM
Metode ASM merupakan metode langsung untuk menyelesaikan masalah
transportasi. Metode ini diperkenalkan oleh Abdul Quddoos, Dr. Shakeel Javaid,
dan Prof. Mohd Masood Khalid yang selanjutnya disingkat menjadi ASM. Pada
tahun 2012, Quddoos et al. telah menunjukkan bahwa metode ASM memberikan
solusi optimal untuk menyelesaikan masalah transportasi seimbang. Algoritma
pada metode ASM ini menitikberatkan pada hasil reduksi yang bernilai nol dari
reduksi baris dan reduksi kolom. Selanjutnya menetapkan indeks dari angka 0
pada setiap baris dan kolom, dilanjutkan dengan pengalokasian sebesar mungkin
dari jumlah persediaan dan permintaan pada indeks terkecil. Tetapi selama dalam
penelitian, Quddoos et al temui sedikit masalah dimana metode ASM tidak
langsung memberikan solusi optimal tetapi memberikan Initial Basic Feasible
Solution (IBFS) terbaik yang mana sangat dekat ke solusi optimal. Satu dasar
masalah yang ditemui adalah masalah transportasi tak seimbang. Untuk mengatasi
masalah ini, Quddoos et al menghadirkan revisi metode ASM pada tahun 2016.
Solusi dari revisi metode ASM ini adalah adanya penambahan algoritma yaitu
penambahan sel dummy. Sel dummy ini berfungsi untuk membuat tabel
transportasi tak seimbang menjadi seimbang. Selanjutnya, untuk melakukan
reduksi, tergantung dari penambahan baris atau kolom dummy. Jika baris dummy
yang ditambahkan, maka dilakukan reduksi kolom terlebih dahulu setelah itu
reduksi baris, begitu pula sebaliknya. Dan untuk algoritma selanjutnya sama
seperti algoritma metode ASM sebelumnya yaitu menetapkan indeks dari angka 0
pada setiap baris dan kolom (termasuk baris/kolom dummy) dan dilanjutkan
dengan pengalokasian sebesar mungkin dari jumlah persediaan dan permintaan
(termasuk sel dummy yang ditambahkan) pada indeks terkecil.
Universitas Sumatera Utara
21
Sehingga pada revisi metode ASM ini memberikan solusi optimal untuk masalah
transportasi tak seimbang. Dan revisi metode ASM ini tetap mempunyai algoritma
yang sederhana dan mudah dipahami.
3.2 Rancangan Optimasi
Pada penelitian ini, akan dilakukan modifikasi dari revisi metode ASM untuk
menunjukkan bahwa modifikasi ini tetap memberikan solusi optimal pada
masalah transportasi tak seimbang. Pada revisi metode ASM, terdapat algoritma
berupa penambahan baris/kolom dummy dimana biaya pada baris/kolom dummy
tersebut bernilai 0 sehingga sangat berpengaruh terhadap hasil reduksi. Maka
diberikan penambahan algoritma untuk mengoptimalkan angka 0 yang muncul
pada baris/kolom dummy. Untuk melakukan reduksi, sesuai dengan penambahan
baris/kolom dummy. Jika baris dummy yang ditambahkan, maka lakukan reduksi
baris terlebih dahulu selanjutnya lakukan penggantian nilai dummy dengan nilai
tereduksi terbesar dan selanjutnya dilakukan reduksi kembali sehingga syarat
pengoptimalan angka 0 terpenuhi. Dan sebaliknya dilakukan seperti itu jika kolom
dummy yang ditambahkan. Penambahan algoritma ini diambil dari metode
Improved Zero Point dimana metode ini juga merupakan metode langsung untuk
menyelesaikan masalah transportasi. Dalam hal ini algoritma yang ditambahkan
yaitu pada bagian reduksi dari penambahan dummy dan penggantian nilai dummy
dengan nilai tereduksi terbesar.
Rancangan optimasi ini digambarkan sebagai berikut:
Transportasi tak seimbang
Transportasi seimbang dengan penambahan dummy
Penambahan baris dummy Penambahan kolom dummy
1 2
Universitas Sumatera Utara
22
Gambar 3.1 Rancangan Optimasi
3.3 Metodologi Penelitian
Adapun langkah penyelesaiannya sebagai berikut:
1. Mengamati keseimbangan masalah transportasi
Dengan melihat teori keseimbangan, maka kita bisa menentukan apakah
masalah transportasi tersebut seimbang atau tak seimbang
2. Membentuk tabel transportasi seimbang
Dengan menambahkan dummy pada baris atau kolom dengan biaya awal 0
3. Reduksi tabel transportasi dengan dummy
Reduksi kolom
1 2
Penggantian nilai dummy
dengan nilai tereduksi
baris terbesar
Penggantian nilai dummy
dengan nilai tereduksi
kolom terbesar
Reduksi kolom Reduksi baris
Reduksi baris Reduksi kolom
Penetapan indeks terkecil pada
setiap sel bernilai 0
Pengalokasian sebesar mungkin pada indeks terkecil
Perbaikan tabel transportasi baru
Solusi optimal
Reduksi baris
Universitas Sumatera Utara
23
3.1. Jika baris dummy yang ditambahkan, maka ke langkah ke-4. Kemudian
mengganti biaya dummy dengan biaya terbesar dari hasil reduksi baris.
Selanjutnya ke langkah ke-5 kemudian langkah ke-4.
3.2. Jika kolom dummy yang ditambahkan, maka ke langkah ke-5.
Kemudian mengganti biaya dummy dengan biaya terbesar dari hasil
reduksi kolom. Selanjutnya ke langkah ke-4 kemudian langkah ke-5.
4. Reduksi Baris
Mengurangi setiap entri baris dengan masing-masing biaya terkecilnya, yaitu
.
5. Reduksi kolom
Mengurangi setiap entri kolom dengan masing-masing biaya terkecilnya,
yaitu .
6. Penetapan indeks
Menetapkan indeks e untuk setiap sel ij yang bernilai 0, yang mana indeks e
adalah banyaknya angka 0 pada baris ke-i dan kolom ke-j dan tidak termasuk
angka 0 yang terpilih pada sel-ij.
7. Pengalokasian
Memilih angka 0 dengan indeks e terkecil dan mengalokasikan sel dengan
jumlah terbesar yang mungkin dengan melihat persediaan dan permintaan sel
yang bersangkutan. Jika terdapat indeks e terkecil yang sama (lebih dari satu),
maka menghitung masing-masing jumlah pada baris ke-i
dan kolom ke-j dari sel-ij yang bersangkutan (sel yang memiliki indeks e
terkecil yang sama) dan mengalokasikan sebesar mungkin pada sel dengan
hasil penjumlahan terbesar. Jika masih terjadi kesamaan, maka memilih sel-ij
(sel yang memiliki indeks e terkecil yang sama) yang memiliki rata-rata
persediaan dan permintaan terkecil.
8. Perbaikan tabel transportasi
Membuat tabel transportasi baru untuk perhitungan selanjutnya dengan
mengabaikan baris atau kolom yang permintaan atau persediaannya telah
terpenuhi. Mengecek apakah tabel transportasi baru memiliki paling sedikit
satu angka 0 pada setiap baris dan kolom.
Jika tidak terdapat, kembali ke langkah ke-4.
Universitas Sumatera Utara
24
9. Mengulangi langkah ke-6 sampai langkah ke-8 sedemikian sehingga semua
permintaan terpenuhi dan semua persediaan habis.
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI DAN PEMBAHASAN
Pada penelitian ini, data diperoleh dari jurnal “A Revised Version of ASM-
Method for Solving Transportation Problem” (sumber: Int. J. Agricult. Sat. Sci
tahun 2016).
Diketahui bahwa terdapat 4 sumber ( ) dan 3 tujuan ( ), dimana sumber dan
tujuan ini saling terhubung membawa dua informasi yaitu biaya transportasi ( )
dan jumlah yang dikirim ( ). Dalam hal ini telah diketahui biaya dari setiap
sumber ke setiap tujuan serta jumlah persediaan (supply) pada sumber dan jumlah
permintaan (demand) pada tujuan.
Biaya yang diketahui dari setiap sumber ke setiap tujuan sebagai berikut
Dari sumber ke tujuan = 2
Dari sumber ke tujuan = 7
Dari sumber ke tujuan = 14
Dari sumber ke tujuan = 3
Dari sumber ke tujuan = 3
Dari sumber ke tujuan = 1
Dari sumber ke tujuan = 5
Dari sumber ke tujuan = 4
Dari sumber ke tujuan = 7
Dari sumber ke tujuan = 1
Dari sumber ke tujuan = 6
Dari sumber ke tujuan = 2
Jumlah persediaan (supply) pada setiap sumber adalah sebagai berikut
Pada sumber jumlah persediaan ( ) sebanyak 5
Pada sumber jumlah persediaan ( ) sebanyak 8
Pada sumber jumlah persediaan ( ) sebanyak 7
Universitas Sumatera Utara
26
Pada sumber jumlah persediaan ( ) sebanyak 15
Maka 35 ia
Jumlah permintaan (demand) pada setiap tujuan adalah sebagai berikut
Pada tujuan jumlah permintaan ( ) sebanyak 7
Pada tujuan jumlah permintaan ( ) sebanyak 9
Pada tujuan jumlah permintaan ( ) sebanyak 18
Maka 34 jb
Dari deskripsi diatas, dapat digambarkan pada tabel 4.1 berikut
Tabel 4.1 Masalah Transportasi Tak Seimbang
1D 2D 3D Supply ( ia )
1S 2 7 14 5
2S 3 3 1 8
3S 5 4 7 7
4S 1 6 2 15
Demand ( jb ) 7 9 18
Terdapat jumlah persediaan 35)( ia dan jumlah permintaan ,34)( jb
maka diperoleh ia > jb , sehingga dibuat suatu tujuan dummy (kolom) untuk
menyerap kelebihan tersebut yaitu sebesar 13435 ji ba . Maka
diperoleh tabel 4.2 berikut.
Tabel 4.2 Masalah Transportasi Seimbang
dengan Penambahan Kolom Dummy
1D 2D 3D Dummy Supply ( ia )
1S 2 7 14 0 5
2S 3 3 1 0 8
3S 5 4 7 0 7
4S 1 6 2 0 15
Demand ( jb ) 7 9 18 1 35
Universitas Sumatera Utara
27
Diketahui bahwa terjadi penambahan kolom dummy, sehingga dilakukan reduksi
kolom dengan mengurangi setiap entri kolom dengan masing-masing biaya
terkecilnya.
Pada biaya terkecilnya terletak pada , sehingga
Pada biaya terkecilnya terletak pada , sehingga
Pada biaya terkecilnya terletak pada , sehingga
Pada kolom dummy yang ditambahkan, setiap entri kolom tetap bernilai 0,
sehingga . Maka diperoleh tabel 4.3 berikut
Tabel 4.3 Hasil Reduksi Kolom
1D 2D 3D Dummy Supply ( ia )
1S 1 4 13 0 5
2S 2 0 0 0 8
Universitas Sumatera Utara
28
1D 2D 3D Dummy Supply ( ia )
3S 4 1 6 0 7
4S 0 3 1 0 15
Demand ( jb ) 7 9 18 1 35
Selanjutnya dilakukan penggantian nilai dummy dengan nilai tereduksi kolom
terbesar. Dari tabel hasil reduksi kolom diatas, diperoleh nilai tereduksi terbesar
pada setiap entri kolom yaitu 13, sehingga diperoleh tabel 4.4 berikut
Tabel 4.4 Penggantian Nilai Dummy
1D 2D 3D Dummy Supply ( ia )
1S 1 4 13 13 5
2S 2 0 0 13 8
3S 4 1 6 13 7
4S 0 3 1 13 15
Demand ( jb ) 7 9 18 1 35
Selanjutnya dilakukan reduksi baris dengan mengurangi setiap entri baris dengan
masing-masing biaya terkecilnya.
Pada , biaya terkecilnya terletak pada , sehingga
Pada , biaya terkecilnya terletak pada atau , sehingga
Universitas Sumatera Utara
29
Pada , biaya terkecilnya terletak pada , sehingga
Pada , biaya terkecilnya terletak pada , sehingga
Maka diperoleh tabel 4.5 berikut
Tabel 4.5 Hasil Reduksi Baris
1D 2D 3D Dummy Supply ( ia )
1S 0 3 12 12 5
2S 2 0 0 13 8
3S 3 0 5 12 7
4S 0 3 1 13 15
Demand ( jb ) 7 9 18 1 35
Kembali dilakukan reduksi kolom agar setidaknya ada satu nol pada kolom
dummy dengan mengurangi setiap entri kolom dengan masing-masing biaya
terkecilnya.
Pada , biaya terkecilnya terletak pada atau , sehingga
Universitas Sumatera Utara
30
Pada , biaya terkecilnya terletak pada atau , sehingga
Pada , biaya terkecilnya terletak pada , sehingga
Pada kolom dari penggantian nilai dummy, biaya terkecil terletak pada atau
, sehingga
Maka diperoleh tabel 4.6 berikut
Tabel 4.6 Hasil Reduksi Kolom
1D 2D 3D Dummy Supply ( ia )
1S 0 3 12 0 5
2S 2 0 0 1 8
Universitas Sumatera Utara
31
1D 2D 3D Dummy Supply ( ia )
3S 3 0 5 0 7
4S 0 3 1 1 15
Demand ( jb ) 7 9 18 1 35
Selanjutnya dilakukan penetapan indeks e untuk setiap sel ij yang bernilai nol
dimana indeks e adalah banyaknya angka 0 pada baris ke-i dan kolom ke-j. Maka
diperoleh tabel 4.7 berikut
Tabel 4.7 Penetapan Indeks
1D 2D 3D Dummy Supply ( ia )
1S 02 3 12 01 5
2S 2 02 01 1 8
3S 3 01 5 02 7
4S 01 3 11 1 15
Demand ( jb ) 7 9 18 1 35
Selanjutnya dilakukan pengalokasian dengan cara memilih angka 0 dengan indeks
e terkecil dan mengalokasikan sel dengan jumlah terbesar yang mungkin dengan
melihat persediaan dan permintaaan sel yang bersangkutan sampai permintaan dan
persediaan terpenuhi. Diperoleh indeks terkecil pertama pada sel ( , Dummy) dan
dapat diperlihatkan pada tabel 4.8 berikut
Tabel 4.8 Pengalokasian ke Indeks Terkecil
1D 2D 3D Dummy Supply ( ia )
1S 02 3 12 01 5
2S 2 02 01 1 8
3S 3 01 5 02 7
4S 01 3 11 1 15
Demand ( jb ) 7 9 18 1 35
Diketahui indeks terkecil pertama terdapat pada sel ( , Dummy) dan dilakukan
pengalokasian permintaan yang berjumlah 1, sehingga permintaan pada kolom
dummy terpenuhi dan persediaan pada baris , bersisa 4. Selanjutnya dilakukan
penetapan indeks kembali pada sel ( , ) dan diperoleh tabel 4.9 berikut
Universitas Sumatera Utara
32
Tabel 4.9 Pengalokasian (1)
1D 2D 3D Dummy Supply ( ia )
1S 01 3 12 1 4
2S 2 02 01 8
3S 3 01 5 7
4S 01 3 11 15
Demand ( jb ) 7 9 18 0 35
Diketahui indeks terkecil selanjutnya terdapat pada sel ( , ) dan dilakukan
pengalokasian persediaan yang berjumlah 4, sehingga persediaan pada baris
terpenuhi dan permintaan pada kolom bersisa 3. Selanjutnya dilakukan
penetapan indeks kembali pada sel ( , ) dan diperoleh tabel 4.10 berikut
Tabel 4.10 Pengalokasian (2)
1D 2D 3D Dummy Supply ( ia )
1S 4 1 0
2S 2 02 01 8
3S 3 01 5 7
4S 01 3 11 15
Demand ( jb ) 3 9 18 0 35
Diketahui indeks terkecil selanjutnya terdapat pada sel ( , ) dan dilakukan
pengalokasian permintaan yang berjumlah 3, sehingga permintaan pada kolom
terpenuhi dan persediaan pada baris bersisa 12. Selanjutnya dilakukan
penetapan indeks kembali pada sel ( , ) dan diperoleh tabel 4.11 berikut
Tabel 4.11 Pengalokasian (3)
1D 2D 3D Dummy Supply ( ia )
1S 4 1 0
2S 02 01 8
3S 01 5 7
4S 3 3 11 12
Demand ( jb ) 0 9 18 0 35
Diketahui indeks terkecil selanjutnya terdapat pada sel ( , ) dan dilakukan
pengalokasian persediaan yang berjumlah 12, sehingga persediaan pada baris
Universitas Sumatera Utara
33
terpenuhi dan permintaan pada kolom bersisa 6. Selanjutnya dilakukan
penetapan indeks kembali pada sel ( , ) dan diperoleh tabel 4.12 berikut
Tabel 4.12 Pengalokasian (4)
1D 2D 3D Dummy Supply ( ia )
1S 4 1 0
2S 02 01 8
3S 01 5 7
4S 3 12 0
Demand ( jb ) 0 9 6 0 35
Diketahui indeks terkecil selanjutnya terdapat pada sel ( , ) dan dilakukan
pengalokasian permintaan yang berjumlah 6, sehingga permintaan pada kolom
terpenuhi dan persediaan pada baris bersisa 2. Selanjutnya dilakukan penetapan
indeks kembali pada sel ( , ) dan diperoleh tabel 4.13 berikut
Tabel 4.13 Pengalokasian (5)
1D 2D 3D Dummy Supply ( ia )
1S 4 1 0
2S 01 6 2
3S 01 7
4S 3 12 0
Demand ( jb ) 0 9 0 0 35
Diketahui indeks terkecil selanjutnya terdapat pada sel ( , ) dan dilakukan
pengalokasian persediaan yang berjumlah 2, sehingga persediaan pada baris
terpenuhi dan permintaan pada kolom bersisa 7. Selanjutnya dilakukan
penetapan indeks kembali pada sel ( , ) dan diperoleh tabel 4.14 berikut
Tabel 4.14 Pengalokasian (6)
1D 2D 3D Dummy Supply ( ia )
1S 4 1 0
2S 2 6 0
3S 01 7
4S 3 12 0
Demand ( jb ) 0 7 0 0 35
Universitas Sumatera Utara
34
Diketahui indeks terkecil terakhir terdapat pada sel ( , ) dan dilakukan
pengalokasian permintaan yang berjumlah 7, sehingga permintaan pada kolom
terpenuhi dan persediaan pada baris juga terpenuhi. Diperoleh tabel 4.15
berikut
Tabel 4.15 Pengalokasian (7)
1D 2D 3D Dummy Supply ( ia )
1S 4 1 0
2S 2 6 0
3S 7 0
4S 3 12 0
Demand ( jb ) 0 0 0 0 35
Diperoleh hasil akhir dari pengalokasian ke indeks terkecil sampai seluruh
persedian dan permintaan terpenuhi pada tabel 4.16 berikut
Tabel 4.16 Pengalokasian dengan Seluruh Permintaan dan Persediaan
Terpenuhi
1D 2D 3D Dummy Supply ( ia )
1S 4 1
0
2S 2 6
0
3S 7
0
4S 3 12
0
Demand ( jb ) 0 0 0 0 35
Selanjutnya membuat tabel transportasi baru dengan mengabaikan baris atau
kolom yang permintaan dan persediaannya telah terpenuhi, diperoleh tabel 4.17
berikut
Tabel 4.17 Perbaikan Tabel Transportasi
1D 2D 3D Dummy Supply ( ia )
1S 4 1
0 2 7 14 0
Universitas Sumatera Utara
35
1D 2D 3D Dummy Supply ( ia )
2S 2 6
0 3 3 1 0
3S 7
0 5 4 7 0
4S 3 12
0 1 6 2 0
Demand ( jb ) 0 0 0 0 35
Dengan menggunakan persamaan (2.2), diperoleh solusi optimal dengan biaya
total
Min Z =
= 2(4) + 0(1) + 3(2) + 1(6) + 4(7) + 1(3) + 2(12)
= 8 + 0 + 6 + 6 + 28 + 3 + 24
= 75
Dari penyelesaian di atas, dengan menggunakan algoritma modifikasi metode
ASM, diperoleh solusi optimal sebesar 75. Sebelumnya, dengan menggunakan
algoritma dari revisi metode ASM, diperoleh solusi sebesar 79. Dengan demikian,
terjadi penurunan total biaya sebesar
Pada penjelasan dari definisi solusi optimal di bab sebelumnya, dikatakan optimal
jika meminimalkan total biaya transportasi. Hal ini menunjukkan bahwa semakin
kecil total biaya transportasi maka semakin optimal nilainya. Dengan demikian,
modifikasi metode ASM relatif tetap memberikan solusi optimal dari metode
ASM sebelumnya.
Universitas Sumatera Utara
BAB 5
KESIMPULAN
Berdasarkan pembahasan yang dilakukan pada bab sebelumnya, didapatkan
kesimpulan bahwa modifikasi metode ASM tetap memberikan solusi optimal
untuk masalah transportasi tak seimbang dengan penurunan nilai optimasi sebesar
5%, meskipun memiliki iterasi yang relatif lebih banyak daripada metode ASM
sebelumnya. Algoritma pada modifikasi metode ASM juga masih sederhana,
mudah dipahami, dan diaplikasikan.
Universitas Sumatera Utara
37
DAFTAR PUSTAKA
Dimyati, Tjutju Tarliah., dan Dimyati, Akhmad. 1992. Operation Research:
Model-model Pengambilan Keputusan. Bandung: CV. Sinar Baru.
Fegade, M.R., Jadhav, V.A., dan Muley, A.A. 2012. Solving Fuzzy
Transportation Problem using Zero Suffix and Robust Ranking
Methodology. IOSR Journal of Engineering (IOSRJEN). 2(7): 36-39.
He D., Li R., Huang Q., dan Lei P. 2014. Transportation Optimization with Fuzzy
Trapezoidal Numbers Based on Possibility Theory. PLoS ONE. 9(8): 1-13.
Mamidi, Pushpa Latha. dan Murthy, M.S.R. 2014. An Approach for Unreliability
of Direct Methods-Optimal Solution of Transportation Problem.
International Journal of Engineering Sciences & Research Technology.
3(4): 1834-1837.
Patel, Reena G., Bhavin S. Dr., dan Bhathawala, Dr. P. H. 2017. On Optimal
Solution of a Transportation Problem. Global Journal of Pure and Applied
Mathematics. 13(9): 6201-6208.
Quddoos, A., Javaid, S., dan Khalid, M.M. 2012. A New Method for Finding an
Optimal Solution for Transportation Problems. International Journal on
Computer Science and Engineering. 4(7); 1271-1274.
Quddoos, A., Javaid, S., dan Khalid, M.M. 2016. A Revised Version of ASM
Method for Solving Transportation Problem. Int.J.Agricult.Stat.Sci. 12:
267-272.
Samuel, A. Edward. 2012. Improved Zero Point Method (IZPM) for The
Transportation Problems. Applied Mathematical Sciences. 6(109): 5421-
5426.
Sharma, Gaurav., Abbas, S.H., dan Gupta, V.K. 2012. Optimum Solution of
Transportation Problem with The Help of Zero Point Method.
International Journal of Engineering Research & Technology. 1(5): 1-5.
Sharma, S., Shanker, R., dan Shanker, R. 2013. A Modified Zero Suffix Method
for Finding an Optimal Solution for transportation Problems. European
Journal of Scientific Research. 104(4): 673-676.
Siswanto. 2016. Operation Research. Jakarta: Erlangga.
Universitas Sumatera Utara
38
Thiagarajan, K., Saravanan, H., dan Natarajan, Ponnammal. 2013. Finding an
Optimal Solution for Transportation Problem Zero Neighbouring Method.
Ultra Scientist. 25(2)A: 281-284.
Winston, W.L. 2004. Operation Research Applications and Algoritms, 4 th ed.
New York: Duxbury.
Zenis, Fhani Mulyani., Fajar, M. Yusuf., dan Ramdani, Yani. 2015. Program
Linier Multi-Objective dengan Fixed-Weight Method. Jurnal Matematika.
14(1): 1-7.
Universitas Sumatera Utara