Riset Oparasional

(Operation Research)
Ir. SUGIONO, MT

Materi
1. Pendahuluan
2. Program Linier
3. Metode Simpleks
4. Dualitas & Analisis Sensitivitas
5. Analisis Persediaan
6. Analisis Keputusan
7. Teori Pertarungan
8. Analisis Antrian
9. Analisis Jaringan (CPM/PERT)
10. Analitical Hierarchy Process

Referensi
Sri Mulyono, Riset Operasi, FE UI, 2004

Perkembangan RO
1940, di Bowdstey, Inggris, oleh Closky dan Treftheri :
Pemimpin militer Inggris memanggil ahli-2 sipil dari
berbagai disiplin ilmu untuk mencari cara yang
efisien untuk menggunakan radar dalam sistem
peringatan dini menghadapi serangan udara pada
Perang Dunia II.
1950an, di Inggris & Amerika, keberhasilan OR
digunakan dalam masalah industri yaitu masalah
persediaan produksi dan antrian.

Definisi Riset Operasi

Operasi : tindakan yang diterapkan pada beberapa masalah atau hipotesa.

Riset : proses yang terorganisasi dalam mencari kebenaran akan masalah atau
hipotesa.
Definisi#1: RO adalah penerapan metode ilmiah terhadap masalah rumit dlm
pengarahan dan pengelolaan suatu sistem besar manusia, mesin, bahan, dan
uang dalam industri, bisnis, pemerintahan, dan pertahanan. (Inggris)
Definisi#2: RO berkaitan dengan menentukan pilihan secara ilmiah bagaimana
merancang dan menjalankan sistem manusia, mesin secara terbaik, biasanya
membutuhkan alokasi sumber daya yang langka. (Amerika)
Definisi#3: RO adalah pendekatan dlm pengambilan keputusan yg ditandai dg
penggunaan pengetahuan ilmiah melalui usaha kelompok antar disiplin yg
bertujuan menentukan penggunaan terbaik sumber daya yang terbatas
(Churchman, Ackoff, dan Arnoff, 1957)

Model dlm RO
Model: abstraksi atau penyederhanaan realitas
sistem yg komplek, dg hanya menyertakan
komponen-2 yg relevan atau faktor-2 yg dominan
dari masalah yg dianalisis.
Model dibentuk untuk menemukan varaibel yg
penting atau menonjol untuk penyidikan hubungan
diantara variabel.
Model dapat diklasifikasikan berdasarkan; jenis,
dimensi, fungsi, tujuan, subjek, derajat abstraksinya.

Model RO berdasarkan Jenisnya

Model Iconic (Physical)

Penyajian fisik yg mirip dg aslinya dari sistem nyata dg skala yg berbeda. Model
ini mudah diamati, dibentuk, dijelaskan, tapi sulit memanipulasi dan tak bisa
untuk peramalan.

Contoh: mainan anak, potret, maket

Model Analogue
Model ini lebih abstrak dari iconic karena tak kelihatan sama antara model
dengan sistem nyata. Model ini mudah dimanipulasi dan dapat menunjukan
situasi dinamis sehingga dapat menunjukan ciri-ciri sistem.
Contoh : Peta dengan warna-warni yang menunjukan cirinya.

Model Mathematic
Model ini paling abstrak, menggunakan simbol matematik untuk menunjukan
hubungan komponen dari sistem nyata. Model ini ada dua kelompok yaitu
deterministik (dibentuk dalam situasi kepastian) dan probabilistik (ketidak
pastian & sulit dianalisis)

Cara menyederhanakan Model

Melinierkan hubungan yg tidak linier

Mengurangi banyaknya variabel atau kendala
Mengubah sifat variabel (diskrit menjadi kontinyu)
Mengganti tujuan ganda menjadi tunggal
Mengeluarkan unsur dinamik (menjadi model statik)
Mengasumsi variabel random menjadi nilai tunggal

Prinsip Pembentukan Model

( Philips, Ravindran, dan Solberg, 1976)

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Jangan membuat model rumit jika yang sederhana akan cukup.

Hati-hati merumuskan masalah agar disesuaikan dengan teknik penyelesaian
Hati-hati dlm memecahkan model, jangan membuat kesalahan matematis
Pastikan kecocokan model sebelum diputuskan untuk diterapkan
Model jangan sampai keliru dengan sistem nyata
Jangan membuat model yang tidak diharapkan
Hati-hati dengan model yang terlalu banyak
Pembentukan model hendaknya memberikan beberapa keuntungan
Nilai model tidak lebih baik dari datanya (GIGO)
Model tidak dapat menggantikan pengambil keputusan

Tahapan RO
Merumuskan masalah

Kegagalan penyelesaian masalah bisa karena kesalahan mendefinisikan persoalan.

Dalam hal ini ada 3 pertanyaan penting;
a) Variabel keputusan (unsur dlm persoalan yg dpt dikendalikan)
b) Tujuan (objective), utk fokus pada persoalan & pengaruhnya
c) Kendala (pembatas thd alternatif tindakan)

Pembentukan model

Menentukan model yang cocok dengan definisi persoalan

Mencari solusi masalah

Solusi model dg mengoptimimkan fungsi tujuan & perilaku (sensitifitas)

Validasi model

Asumsi yg digunakan harus absah. Model harus mencerminkan berjalannya sistem,

dgn menguji performance model dg data masa lalu, tapi tak ada jaminan performance
masa lalu akan berlanjut.

Penerapan hasil akhir

Menerapkan model yg telah diuji, membutuhkan penjelasan hati-hati tentng solusi

yang digunakan dan hubungannya dengan realitas.

Metode Solusi RO
Metode Analitis bersifat deduktif
Perwujudan model dg solusi grafik atau perhitungan matematis

Metode Numerik bersifat induktif

Dilakukan iterasi dari solusi awal diulangi dengan seperangkat aturan
untuk mendapatkan solusi optimum. Metode ini biasanya digunakan jika
metode analitik gagal mencari solusinya.

Metode Monte Carlo bersifat simulasi

Pada dasarnya merupakan teknik simulasi dg funngsi distribusi statistik yg
dibuat dg bilangan random. Dimulai dari pengamat sampel, ditentukan
distribusi probabilitas variabelnya, diubah ke distribusi komulatif. Pilih
urutan bilangan random untuk menentukan urutan nilai variabel,
kemudian cocokkan dengan fungsi matematik standarnya.

Teknik RO
Karena RO berkembang luas, banyak teknik RO
yang sudah ada, diantaranya;
Masalah alokasi
Masalah pertarungan
Masalah antri
Masalah jaringan
Masalah persediaan
Masalah keputusan

Ciri RO
Merupakan pendekatan kelompok antar
disiplin untuk mencari hasil optimum
Menggunakan teknik penelitian ilmiah untuk
mendapatkan solusi optimum
Tidak memberikan jawaban sempurna thd
masalah, hanya perbaikan kualitas solusi.

Kelemahan RO
Perumusan masalah dalam RO adalah tugas yang
sulit
Jika ada tujuan yang bertentangan,maka akan
terjadi suboptimum yaitu kondisi yang tidak
mencapai terbaik secara serentak.
Suatu hubungan non linier yang disesuaikan
(diubah) menjadi linier dapat mengganggu solusi
yang ditawarkan.