MODEL OPTIMASI LABA DENGAN ALGORITMA AFFINE SCALING

(STUDI KASUS PADA UD. SUMBER PADI, KEPUNG)

Moh. Iqwan Budi Utomo, Imam Nurhadi Purwanto.
Jurusan Matematika, F.MIPA, Universitas Brawijaya, Malang, Indonesia
Email: muhammadiqwan@gmail.com
Abstract. Permasalahan yang ada pada bidang usaha lebih banyak yang berbentuk program linear dan permasalahan
program linear pada umumnya dapat diselesaikan dengan metode simplek. Untuk permasalahan yang memiliki jumlah
variabel yang banyak lebih efisien mengunakan metode titik interior. Salah satu varian dari metode titik interior adalah
algoritma Affine Scaling. Dalam menyelesaikan permasalahan menggunakan algoritma Affine Scaling terdapat tiga
konsep dasar. Pertama menunjukan melalui bagian dalam (interior) daerah feasible ke arah solusi yang optimal. Ke dua,
titik interior bergerak dengan sebuah arah yang meningkatkan nilai fungsi tujuan pada kemungkinan rata -rata yang
paling cepat. Terakhir, mengubah daerah feasible untuk memindahkan solusi percobaan ke dekat pusatnya sehingga
memungkinkan sebuah peningkatan besar saat konsep dua diterapkan. Pada artikel ini algoritma Affine Scaling
diimplementasikan pada UD. Sumber Padi untuk menentukan laba yang optimal. Berdasarkan hasil implementasi
diperoleh laba sebesar Rp.1.962.862,00 per hari
Kata Kunci: Titik Interior, Affine Scaling.

1. PENDAHULUAN
Penyelesaian suatu masalah secara optimal di bidang usaha, program linear merupakan cara yang
dapat digunakan dalam pemecahan berbagai masalah pengalokasian sumbersumber yang terbatas.
Program linear yang ditemukan oleh L.W Kantorovich pada tahun 1939 dengan metode yang masih
terbatas (Susanta, 1994).
Permasalahanpermasalahan program linear pada umumnya dapat diselesaikan dengan metode
simplek, namun ada metode yang dapat digunakan untuk menyelesaikan permasalahan program linear
yaitu metode titik interior (Hillier and Lieberman, 2008). Metode titik interior memiliki beberapa varian
di antaranya adalah algoritma Khachiyan, Affine Scaling, dan algoritma Karmarkar. Ketiga algoritma
tersebut samasama menggunakan pendekatan numerik dalam menyelesaikan permasalahan program
linear. Algoritma Khachiyan diselesaikan pertama kali oleh Leonid Kachiyan pada tahun 1979.
Algoritma Karmakar diselesaikan pertama kali oleh Narendra Karmakar pada tahun 1984 dan algoritma
Affine Scaling, algoritma ini termasuk algoritma yang paling populer sejak tahun 1990-an dibanding
algoritma yang lainnya (Chong, 2001). Berbeda dari penelitian sebelumnya, Rusdiana (2011) yang
menggunakan metode Karmarkar untuk menyelesaikan program linear dan Mubarok (2013) yang
menerapkan algoritma titik interior, pada artikel ini menggunakan algoritma Affine Scaling untuk
menyelesaikan permasalah program linear.
Adapun tujuan dari artikel ini adalah untuk mendapatkan formulasi model fungsi tujuan dan
fungsi kendala dari permasalahan UD. Sumber Padi, sehingga diperoleh laba yang optimal
menggunakan algoritma Affine Scaling.
2. METODOLOGI
Guna mencapai tujuan dari artikel ini dilakukan tahapan analisis data sebagai berikut:
(1) Memformulasikan fungsi tujuan, dan kendala ke dalam bentuk program linear. Jika
permasalahan program linear masih dalam bentuk umum, maka harus diubah ke dalam
bentuk Titik Interior.
(2) Diubah dalam bentuk augmented (diperluas) dengan menambahkan variabel slack pada
fungsi kendala.
(3) Jika program linear sudah dalam bentuk augmented (diperluas), maka permasalahan dapat
diselesaikan dengan Algoritma Affine Scaling dengan langkahlangkah sebagai berikut:
Langkah 1: Diketahui penyelesaian percobaan awal
yang diambil dari fungsi
kendala dengan D adalah matriks diagonal dari percobaan awal.
Langkah 2: Menghitung
, di mana A : Matrik Koefisien Kendala dan Perkalian antara
matriks koefisien kendala dan matriks diagonal dari percobaan awal.

Langkah 3: Menghitung
di mana c : vektor kolom dari koefisien fungsi tujuan,

: Tingkat kemiringan.
( ) , dan
di mana P : Matriks proyeksi, :
Langkah 4: Menghitung
gradien hasil proyeksi.
Langkah 5: Menentukan komponen negatif
yang mempunyai nilai absolut terbesar. Dan
tetapkan v sama dengan nilai absolut tersebut. Kemudian Menghitung

, di mana : penyelesaian percobaan awal yang sekarang, y adalah

matriks kolom dengan elemen satu.
Langkah 6: Menghitung

sebagai penyelesaian percobaan awal untuk iterasi

berikutnya. Jika penyelesaian percobaan ini tidak berubah dari yang sebelumnya
maka algoritma telah mencapai penyelesaian optimal. Dengan kata lain apabila titik
tersebut konvergen ke suatu titik tertentu maka algoritma telah mencapai titik
optimal. Demikian algoritma selesai, apabila tidak kembali ke Langkah 1.
Pada artikel ini diasumsikan kondisi cuaca normal, kualitas padi yang siap giling sama, dan
padi yang dijemur dalam kondisi setengah kering.
3. HASIL DAN PEMBAHASAN
3.1 Fomulasi Model Fungsi Tujuan dan Fungsi Kendala
Langkah pertama untuk memformulasikan fungsi tujuan adalah dengan menganalisis
permasalahan yang ada di UD. Sumber Padi dan membentuknya ke dalam permasalahan maksimasi.
Sebelum membentuk fungsi tujuan, terlebih dahulu mendefinisikan variabel keputusan (decision
variable) untuk memaksimumkan laba, yaitu dengan menggunakan pertanyaan-pertanyaan sebagai
berikut:
1. Berapa jumlah bahan baku gabah yang dibutuhkan?
2. Berapa banyak hasil yang diproduksi?
3. Berapa jumlah karyawan yang dibutuhkan untuk menggiling dan menjemur gabah?
4. Berapa banyak kebutuhan solar yang diperlukan untuk proses produksi?
5. Berapa banyak pengeluaran untuk kebutuhan operasional yang tak terduga?
1.
2.
3.
4.
5.

Berdasarkan pertanyaan-pertanyaan di atas didapatkan beberapa variabel keputusan antara lain:

Jumlah gabah yang dibutuhakan ( )
Dua produk yaitu beras dan bekatul
Jumlah karyawan untuk menggiling 1-2 orang ( ) dan menjemur 2-4 orang ( )
Jumlah solar yang dibutuhkan ( )
Kebutuhan operasional yang dibutuhkan ( )

Jumlah hasil beras (

) harga jual beras per kg (
) + jumlah hasil bekatul (
)
harga jual bekatul per kg (
) harga beli gabah per kg (Rp 3200) sehingga diperoleh koefisien
fungsi tujuan ( ) sebesar
, koefisien ( ) gaji karyawan untuk menggiling gabah per satu jam
sebesar Rp 3750, kemudian kefisien gaji karyawan untuk menjemur gabah per delapan jam ( )
sebesar Rp 30000, dan koefisien harga solar per satu liter ( ) sebesar Rp 4500.
Oleh karena itu didapatkan formulasi fungsi tujuan dan fungsi kendala sebagai berikut:
Maksimasi
Dengan kendala
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
189

(13)
di mana:
(1). Kendala minimal modal yang dipakai
(2). Kendala maksimal modal yang dipakai
(3). Kendala total minimal pengeluaran
(4). Kendala total maksimal pengeluaran
(5). Kendala minimal gabah yang diperoleh
(6). Kendala minimal pekerja untuk menggiling
(7). Kendala maksimal pekerja untuk menggiling
(8). Kendala minimal pekerja untuk menjemur gabah
(9). Kendala maksimal pekerja untuk menjemur gabah
(10).Kendala minimal solar yang diperlukan
(11).Kendala maksimal solar yang diperlukan
(12).Kendala minimal pengeluaran yang tak terduga
(13).Kendala maksimal pengeluaran yang tak terduga
3.2 Algoritma Affine Scaling
Tiga konsep dasar dalam menyelesaikan permasalahan menggunakan algoritma Affine Scaling
antara lain:
Konsep 1. Menunjukkan melalui bagian dalam (interior) daerah feasible ke arah solusi yang optimal.
Konsep 2. Bergerak dengan sebuah arah yang meningkatkan nilai fungsi tujuan pada kemungkinan ratarata yang paling cepat.
Konsep 3. Mengubah daerah feasible untuk memindahkan solusi percobaan ke dekat pusatnya sehingga
memungkinkan sebuah peningkatan besar saat konsep 2 diterapkan.
Penjabaran dari ketiga konsep diatas adalah sebagai berikut:
(1) Menentukan sembarang solusi coba yang pertama (x) .
(2) Mengubah x menjadi sebuah matriks diagonal dengan cara mengalikan x dengan matriks diagonal
.
(3) Membuat skala ulang variabelnya dengan
.
(4) Menentukan kordinat-kordinat yang baru untuk
dengan
dan
( ) sehingga gradien hasil
(5) Didapatkan sebuah matriks proyeksi sebagai berikut

proyeksinya
(6) Identifikasi komponen negatif
yang memiliki nilai absolut terbesar selanjutnya memuat nilai v
sama dengan nilai absolut tersebut kemudian

[ ]

, di mana nilai

konstanta yg dipilih

anatara 0 dan 1.
sebagai solusi coba untuk iterasi
(7) Mengubah ke dalam kordinat yang baru dengan
berikutnya, iterasi akan berhenti ketika solusi coba setelahnya sama dengan solusi coba yang
sebelumnya atau solusi coba konvergen kepada satu titik.
(Hillier dan Lieberman, 2008).
Berdasarkan hasil perhitungan di atas didapatkan beberapa variabel slack dan surplus
(
) yang memiliki nilai, hal ini menunjukkan bahwa variabel slack menyatakan penggunaan
jumlah kelebihan resources. Sedangkan variabel surplus yang menyatakan penyerapan persamaan sisi
kiri untuk memenuhi batasan minimum resources. Nilai dari variabel slack dan surplus ini tidak
mempengaruhi solusi yang optimal (Z).
Pada permasalahan UD. Sumber Padi yang diselesaikan dengan algoritma Affine Scaling
diperoleh laba yang optimal per hari sebesar Rp.1.962.862,00. Jumlah gabah yang harus digiling
perhari mencapai 5008,8 (kg). Karyawan yang bekerja untuk menggiling gabah sebanyak satu orang
dan karyawan yang bekerja untuk menjemur gabah sebanyak dua orang. Solar yang dibutuhkan untuk
mengiling dalam sehari sejumlah 30 liter dan pengeluaran yang tidak diduga tidak melebihi
Rp.144.940,00. Modal yang dibutuhkan dalam satu hari mencapai Rp.16.371.850,00. Perbandingan
dari kondisi nyata dengan hasil perhitungan algoritma Affine Scaling tersaji dalam Tabel 3.1.

190

Tabel 3.1. Perbandingan Hasil

No.
1.
2.
3.
4.
5.
6.

Gabah
Karyawan
Solar
Pengeluaran
Laba
Modal

Affine Scaling
5008,8 (kg)
3 (orang)
30 (liter)
Rp.144.940,00
Rp.1.962.862,00
Rp.16.371.850,00

Kondisi Nyata
4419,2 (kg)
4 (orang)
40 (liter)
Rp.165.000,00
Rp.1.360.715,00
Rp.14.141.538,00

4. KESIMPULAN
Dalam menyelesaikan permasalahan menggunakan algoritma Affine Scaling terdapat tiga
konsep dasar. Pertama menunjukan melalui bagian dalam (interior) daerah feasible ke arah solusi
yang optimal. Kedua, titik interior bergerak dengan sebuah arah yang meningkatkan nilai fungsi
tujuan pada kemungkinan rata-rata yang paling cepat. Terakhir, Mengubah daerah feasible untuk
memindahkan solusi percobaan ke dekat pusatnya sehingga memungkinkan sebuah peningkatan besar
saat konsep dua diterapkan.
Berdasarkan hasil implementasi didapatkan pula bahwa apabila algoritma Affine Scaling ini
digunakan untuk permasalahan yang memiliki jumlah variabel yang sedikit mempunyai iterasi yang
lebih banyak sehingga waktu pengolahanya kurang efektif.
5. UCAPAN TERIMA KASIH
Penulis berterima kasih kepada bapak Imam Nurhadi Purwanto,ibu Kwardiniya A., dan ibu
Endang Wahyu Handamari atas segala bimbingan, saran, dan kesabaran yang telah diberikan
selama penulisan artikel ini. Selain itu, penulis sangat berterima kasih kepada Tutik Kartiningsih
(Ibu) dan Mufid (Ayah), Dwi (Adik), Ayuhan dan seluruh keluarga besar penulis, serta temanteman semua atas segala doa, bantuan, dan motivasi yang tidak pernah habis diberikan.
DAFTAR PUSTAKA
Chong, E.K.P. dan Stanislaw H.Z., (2001), An Introduction Optimizatio, Edisi kedua, John Wiley dan
Sons,inc, New York.
Hillier, F.S. dan Lieberman, G.J., (2008), Introduction of Research Operations, Edisi ke-8, Jilid 1, Andi,
Yogyakarta.
Mubarok, A.H., (2013), Algoritma Titik Interior dan Implementasinya pada Program Linear, Skripsi,
Fakultas MIPA, Universitas Brawijaya, Malang. Indonesia.
Rusdiana, S., (2011), Penyelesaian Program Linear Menggunakan Metode Karmarkar, Skripsi, Fakultas
MIPA, Universitas Brawijaya, Malang. Indonesia.
Susanta, B., (1994), Program Linear, Fakultas MIPA, Universitas Gajah Mada, Yogyakarta.

191