TUGAS KULIAH FALSAFAH TEKNIK DAN MANAJEMEN INDUSTRI

MANAGEMENT SCIENCE

Agus Friadi (23415013)

Anies Sayyidatun Nisa (23415023)
Desty Hapsari Kirana (23415017)
Juniwati (23415011)
Yashinta Ade Priastari (23415009)

Program Magister Teknik dan Manajemen Industri

Fakultas Teknologi Industri
Institut Teknologi Bandung
2015

Daftar Isi
Daftar Isi................................................................................................................ 1
Daftar Tabel........................................................................................................... 1
Daftar Gambar....................................................................................................... 1
PENDAHULUAN....................................................................................................... 2
1. Classical Quantitive Approach........................................................................... 4
1.1 Model Inventori Wilson.................................................................................5
2. Operation Reserach Model................................................................................. 8
2.1 Linear Programming..................................................................................... 9
2.2 Model Transportasi...................................................................................... 14
2.3 Model Antrian (Queuing).............................................................................19
3. Simulation Model............................................................................................. 23

Daftar Tabel
Tabel 1 Tabel Perbandingan Jenis Masalah.............................................................5
Tabel 2 Tabel Gambaran Umum Model Inventori....................................................6
Tabel 3 Tabel Data transportasi PT ABC...............................................................17
Tabel 4 Tabel Ongkos Transportasi PT ABC...........................................................18
Tabel 5 Tabel Solusi optimal PT ABC.....................................................................18
Tabel 6 Tabel Kendall-Lee Multiple-Server Queque Classification System (Hicks,
1994)................................................................................................................... 20

Daftar Gambar
Gambar 1 Gambar 3 Era Utama Management Science........................................2
Gambar 2 Gambar Tahapan-tahapan Management Science..................................3
Gambar 3 Gambar Posisi Model Inventori..............................................................6
Gambar 4 Grafik Persamaan Model Wilson............................................................8
Gambar 5 Gambar Penentuan solusi layak dengan metode grafis......................13
Gambar 6 Gambar Penentuan solusi optimal dengan metode grafis...................14
Gambar 7 Gambar Skema Sistem Transportasi...................................................15
Gambar 8 Gambar Aliran sistem antrian (Hicks ,1994).......................................19
Gambar 9 Gambar Jenis Pendekatan Simulasi.....................................................24

PENDAHULUAN
Management science merupakan pendekatan pengambilan keputusan
manajerial yang didasarkan atas metode-metode ilmiah yang menggunakan
banyak analisis kuantitatif. Management science merupakan salah satu bagian
dari ilmu management yang membahas mengenai penyelesaian masalahmasalah yang dihadapi oleh seorang manager, baik yang bergerak di sektor
publik maupun swasta, dalam proses pengambilan keputusan dengan cara
pendekatan model-model matematik. Jadi secara mendasar, management
science sebagai suatu cabang ilmu yang tidak lain adalah aplikasi matematika,
sehingga dalam banyak hal sering kali terlihat rumit dan tidak sederhana.
Sebagai suatu kelanjutan dari pola pikir Teknik Industri, secara implisit
menurut Hicks (1994) era ini merupakan kelanjutan dan pengembangan diri era
sebelumnya (scientific management) dimana era sebelumnya berakhir dengan
dimulainya penggunaan pendekatan matematik dan optimasi klasik sebagai
metoda untuk meningkatkan produktivitas dan efisiensi kerja. Pada hakekatnya
pada era sains management (management science) juga masih menggunakan
pendekatan yang sama, perbedaan pokok terletak pada objek kajian dan
kompleksitas masalah yang dikaji serta tools analisis yang digunakan. Salah satu
permasalahannya

adalah

sumber daya

yang semakin terbatas

sehingga

keberadaan pembatas dalam menyelesaikan masalah atau optimasinya harus

diperhitungkan, hal inilah yang kemudian melahirkan pendekatan Penyelidikan
Operasional (Operation Research/OR) melengkapi pendekatan optimasi klasik
yang sudah berkembang. Selain itu permasalahan yang dihadapi dalam sistem
integral tidak selalu memiliki pola yang diketahui dan semakin kompleks, oleh
sebab

itu

pada

akhir

era

ini

muncul

pendekatan

simulasi

untuk

menyelesaikannya.
Terdapat 3 era utama yang terdapat pada gerakan management science
yang digambarkan pada gambar berikut ini:

Gambar 1
Gambar 3 Era Utama Management Science

Dalam

pendekatan

sains

manajemen

beranggapan

bahwa

seorang

pengambil keputusan adalah seorang yag rasional dan obyektif sehingga

permasalahan yang ada dan alternatif solusinya akan dapat dikuantifikasikan
dan dimodelkan dengan menggunakan bantuan ilmu matematika dan statistika.
Selanjutnya

model

menggunakan

yang

prinsip

dikembangkan

optimasi.

dapat

Pendekatan

dicari

sains

solusinya

manajemen

dengan
biasanya

digunakan untuk permasalahn yang terstruktur,rutin, dan operasional sifatnya.

Pendekatan sains manajemen ini memberikan kontribusi yang sangat
signifikatif

dalam

disiplin

Teknik

Industri

terutama

dalam

memberikan

sumbangannya untuk mendapatkan solusi optimal atas permasalahan yang

terjadi dalam sistem integral dengan menggunakan model matematis dan
prinsip optimasi dalam rangka meningkatkan produktifitas dan efisiennya.
Adapun tahapan atau teknik-teknik dalam pendekatan management science
digambarkan pada diagram berikut:

Gambar 2
Gambar Tahapan-tahapan Management Science

Observation

Identifikasi

semua

hal

yang

berhubungan

dengan

permasalahan(problem) dalam sistem / perusahaan serta mengenali dan

mempelajari suatu sistem atau organisasi agar dapat diketahui secara

rinci
Definition of the Problem Mendefinisikan setiap permasalahan secara

objektif
Model Construction Membangun relasi fungsi matematik

yang

mendekripsikan variabel penentu,fungsi objektif dan yang mengandung

permasalahan yang terdiri dari :
Kriteria Kinerja (Performance Criteria) -> Ukuran sampai seberapa jauh
tujuan yang ingin dicapai dalam memecahkan permasalahan akan
dapat diukur.
Variabel Keputusan (Decision Variabel) -> Mencerminkan apa yang
akan diputuskan atau dicari dalam penyelesaian masalah yang
dihadapi, biasanya berupa suatu variabel yang dapat dikendalikan dan
akan ditentujan jenis dan nilai yang terbaiknya.
Pembatas (Constraints) -> Kendala yang ada atau kemampuan
maksimum yang dapat dicapai.
Parameter -> Nilai inputan yang besarnya tetap dan diketahui untuk
suatu situasi tertentu
Hubungan Logik (Logical Relationship) -> Fungsi yang menyatakan

keterkaitan antara kriteria kinerja dengan variabel keputusan.

Model Solution Membuat model solusi untuk menentukan pemecah
masalah yang bisa dilakukan dengan program linear (metodagrafis,
simpleks, transportasi, penugasandan lain-lain), stokastik, probabilitas dan
teknik jaringan lainnya (simulasi, peramalan, persediaan, analisis hierarki

dan lain-lainnya.)
Implementation aktualisasi semua tindakan yang harus diambil sesuai
dengan solusi yang telah didapat. Melaksanakan pemecahan model,
dimana sudah mempertimbangkan faktor dan variabel diluar yang telah
terkuantifikasi dan implikasi terhadap manajerialnya.

1. Classical Quantitive Approach

Dalam awal era management science, berkembang pendekatan classical
quantitive untuk memecahkan masalah yang ada. Pendekatan klasik ini
menggunakan pendekatan matematis dan statistik dalam memecahkan masalah
kuantitif untuk mendapatkan solusi optimal. Secara umum mungkin akan terlihat
mirip dengan scientific management. Perbedaannya terletak pada objek yang
diteliti, kompleksitas masalah yang ada dan tools yang digunakan.

Permasalahan yang dianalisis menggunakan pendekatan ini secara umum

terbagi menjadi tiga jenis, yaitu:
1. Probem deterministik, yaitu problem yang menjelaskan mengenai
fenomena yang bersifat pasti. Pada problem ini, variabel dan faktor
yang terkait bersifat pasti atau tidak mengalami perubahan yang
berarti. Kalaupun ada perubahan, nilainya akan kecil dan dapat
diabaikan.
2. Problem probablistk, yaitu problem yang menjelaskan mengenai
fenomena yang tidak pasti namun memiliki pola tertentu. Problem ini
menjelaskan fenomena yang mengandung ketidakpastian, namun
memiliki pola tertentu sehingga dapat diprediksi parameter populasinya
baik ekspektansi, variansi, maupun pola distribusi kemungkinannya.
3. Problem uncertainty, yaitu problem acak yang bersifat tidak pasti dan
memiliki pola yang tidak diketahui. Problem ini menjelaskan fenomena
yang karakteristiknya tidak diketahui secara lengkap parameternya baik
nilai
ekspektansi,
nilai
sebaran,
maupun
pola
distribusi
kemungkinannya.
Tabel 1
Tabel Perbandingan Jenis Masalah

Jenis Problem
Deterministik
Probabilistik
Uncertainty

Kriteria
Variasi
Pola
Tidak ada variasi /
Variabel pasti
diabaikan
Ada variasi
Pola diketahui
Ada variasi
Pola tidak diketahui

Proses penyelesaian masalah dengan pendekatan ini dimulai dengan

menggunakan model matematis untuk memodelkan alternatif, kemudian
mencari solusi dari model tersebut menggunakan pendekatan analitik sehingga
diperoleh solusi optimal. Namun dalam kenyataannya, untuk mendapatkan solusi
optimal seringkali terdapat kesulitan jika menggunakan metode analitik. Oleh
karena itu digunakan metode heuristik untuk mendapatkan solusi. Metode
heuristik adalah metode pemecahan masalah yang dapat menghasilkan solusi
sub-optimal. Solusi yang dihasilkan hanya mendekati optimal. Walaupun belum
tentu optimal namun lebih mudah ditentukan dan sudah lebih baik dari segi
hasil.
Pendekatan classical quantitive memberikan sumbangan penting terutama
dalam perencanaan dan pengendalian. Pendekatan tersebut juga membantu
memahami persoalan manajemen yang kompleks. Dengan menggunakan model
matematika, persoalan yang kompleks dapat disederhanakan. Namun
pendekatan ini juga memiliki beberapa kelemahan yaitu banyak menggunakan
model atau simbol yang sulit dimengerti oleh kebanyakan orang, termasuk
manajer. Pendekatan kuantitatif juga tidak melihat persoalan perilaku dan
psikologi manusia dalam organisasi.

1.1 Model Inventori Wilson

Salah satu contoh pemecahan problem yang menggunakan classical
quantitive approach adalah model inventori yang dikembangkan oleh Wilson.
Model ini digunakan dalam situasi dimana variabel yang berpengaruh terhadap
sistem persediaan bersifat deterministik (dapat diketahui dengan pasti). Variabel
yang dimaksud meliputi:
1. Jumlah permintaan suatu barang yang harus dipesan untuk suatu waktu
tertentu yang bersifat ekonomis (Economic Order Quantity EOQ)
2. waktu ancang-ancang pemesanan barang (Re-Order Point ROP)
Secara umum, gambaran mengenai model inventori yang dibentuk oleh
Wilson ialah sebagai berikut.
Tabel 2
Tabel Gambaran Umum Model Inventori

Kategori
Problem
Variabel Keputusan
Kriteria Performansi
Fungsi Pembatas
Parameter

Model Inventori
Penentuan kebijakan inventori yang optimal
EOQ, ROP
Minimasi ongkos inventori
Ongkos pemesanan, ongkos simpan, item cost,
penalty cost

Dalam kasus inventori, permasalahannya ialah apa kebijakan yang

sebaiknya diambil dalam hal inventori agar menghasilkan nilai ongkos inventori
yang minimum dan mendapatkan proses inventori yang optimal. Model Wilson
memberikan asumsi-asumsi dalam kasus inventori yaitu:
1. Permintaan barang selama waktu perencanaan diketahui dengan pasti dan
akan datang secara kontinu sepanjang waktu (uniform)
2. Ukuran lot pemesanan (Q0) tetap setiap kali melakukan pemesanan
3. Barang yang dipesan akan datang serentak pada saat pemesanan
dilakukan (lead time = 0)
4. Harga barang yang dipesan tidak tergantung pada jumlah barang yang
dipesan/beli, sehingga ongkos pembelian barang tidak perlu dimasukan
ke dalam perhitungan didalam ongkos total. Hal ini disebabkan nilainya
konstan sehingga tidak akan mempengaruhi solusi optimal. Ongkos pesan
tetap untuk setiap kali pemesanan (A) dan ongkos simpan (Os) sebanding
dengan jumlah barang yang disimpan dan harga barang perunit serta
lama waktu penyimpanan (t)
Posisi inventori yang dimodelkan oleh Wilson ialah sebagai berikut.

Gambar 3
Gambar Posisi Model Inventori

Grafik tersebut menunjukkan bagaimana posisi inventori yang berubah

terhadap waktu. Inventori akan berkurang secara konstan dengan penurunan
sebesar D per unit waktu. Ketika nilai inventori mencapai batas minimumnya
maka pesanan sebesar Q yang telah dipesan sebelumnya dimasukkan ke dalam
inventori dengan lead time 0. Untuk lebih jelasnya, posisi inventori didefinisikan
sebagai berikut.
dengan

ialah stock on position / posisi inventori,

hand / inventori tersedia dan

ialah stock on

ialah stock on order / inventori dalam pesanan.

Dari grafik tersebut, Wilson merumuskan beberapa model matematis

untuk mencapai proses inventori yang optimal dan minimisasi ongkos inventori.
1. Ongkos beli (
dengan

adalah banyaknya permintaan selama rentang waktu dan

adalah harga barang.

2. Ongkos pemesanan (

Besarnya ongkos pemesanan selama rentang waktu perencanaan

adalah perkalian antara frekuensi pemesanan (f) dan ongkos untuk
setiap kali pemesanan barang (A)
dengan

adalah frekuensi pemesanan yang merupakan hasil

pembagian antara banyaknya permintaan selama rentang waktu (

) dan lot pesan (Q0) sehingga ongkos pesan dapat ditulis sebagai
berikut

3. Ongkos simpan (

Ongkos Simpan didapat dari perkalian antara jumlah inventori ratarata yang ada di gudang setiap saatnya (1/2 Q0) dengan ongkos
simpan/unit/periode (h)

4. Total ongkos inventori (

Total ongkos inventori didapat dari penjumlahan nilai ongkos beli,

ongkos pemesanan dan ongkos simpan.

5. Minimisasi nilai total ongkos inventori

Karena tujuan dari model ini ialah minimisasi ongkos, maka total
ongkos inventori harus diminimisasi dan akan terpenuhi jika turunan
pertama

sama dengan 0. Hasil dari turunan pertama

sama

dengan 0 ialah.

Maka total ongkos inventori optimal dapat dihitung dengan mensubstitusi

nilai Q0 kedalam persamaan ongkos total, sehingga dihasilkan rumus
sebagai berikut :

Gambar 4
Grafik Persamaan Model Wilson

2. Operation Reserach Model

Operation research awal

perkembangannya adalah pada bidang militer. Pada

tahun 1937, para ilmuwan inggris semakin dibutuhkan oleh para pemimpin
militer untuk mempelajari bagaimana menggunakan peralatan militer baru
seperti radar untuk mendeteksi keberadaan pesawat musuh yaitu pesawatpesawat jerman. Dalam menyelesaikan permasalahan ini para ilmuwan bekerja
dalam satu tim untuk menghasilkan solusi yang terbaik. Kegiatan para ilmuwan
ini dikenal di inggris dengan nama Operational research sedangkan di amerika
lebih dikenal dengan nama Operations research.
Kegiatan ini berkembang tidak hanya pada militer inggris dan amerika, tetapi
juga pada militer kanada dan perancis. Setelah perang berakhir para pekerja
operational research di eropa bekerja pada bidang pemerintahan dan juga
bidang industry dan mulai menyebarkan teknik OR ini. Di amerika, penelitian di
militer terus berkembang walaupun perang sudah berakhir, hal ini dikarenakan
para personel OR tetap bertahan di bidang militer.
Pelajaran

mengenai operation research pertama kali

diberikan

pada tahun

1948 di Massachusetts Institute of Technology. Pada tahun yang sama University

College di London mempresentasikan kuliah mengenai OR ini. Case Western
Reserve menjadi universitas pertama yang menawarkan program sarjana di
bidang Operation research ini.
Pada saat ini, Operational Research telah berkembang menjadi suatu ilmu yang
dapat digunakan untuk mencari solusi dalam rangka membantu membuat
keputusan keputusan yang efektif. Keputusan efektif ini dibutuhkan karena
untuk mencapai tujuan yang dimiliki, individu ataupun suatu organisasi perlu
memanfaatkan sumberdaya terbatas yang dimilikinya sebaik mungkin. Dalam
memecahakan masalah pengambilan keputusan tersebut, OR bekerja dengan
bantuan model.
Model adalah sesuatu yang dapat merepresentasikan secara ideal keadaan suatu
sistem dengan tujuan menjadi sarana untuk mengetahui keadaan yang akan
terjadi bila terdapat suatu perubahan yang diterapkan pada sistem tersebut.
Seiring dengan berembangnya teknologi, Operational Research menggunakan
model model selain model matematis, yaitu model simulasi dan heuristik.
9

Model simulasi pada dasarnya adalah model yang meniru tingkah laku suatu
sistem dengan bantuan komputer. Model ini memiliki keunggulan dari segi
fleksibilitas dalam menggambarkan suatu sistem yang kompleks dan relatif sulit
untuk diselesaikan secara matematis. Namun model ini juga memiliki kelemahan
yaitu solusi yag dimiliki kurang akurat, tidak bersifat umum, dan tidak ekonomis.
Terdapat

dua

jenis

metode

operation

research

berdasarkan

hubungan

keterkaitan, yaitu model operation research yang bersifat linear dan non linear.
Model linear contohnya adalah Linear Programming, model transportasi dan
jaringan. Contoh model non linear adalah model antrian, inventory, Dynamics
programming, dan Stochastics Programming.

2.1 Linear Programming

Linear
Programming
merupakan
metode
matematik
dalam
mengalokasikan sumber daya yang terbatas untuk mencapai suatu tujuan yang
optimal seperti memaksimumkan keuntungan dan meminimumkan sebuah
fungsi linier terhadap fungsi pembatas. Model ini telah dipergunakan secara luas
dalam menyelesaikan permasalahan produksi, distribusi, pemasaran, akuntansi,
keuangan, dan lainnya dengan memenuhi persyaratan yang sekaligus
merupakan asumsi dari model yang digunakan. Goerge B.Danzig seorang yang
berkebangsaan Amerika Serikat pada tahun 1947 telah berhasil menemukan
metoda simpleks untuk mencari solusi optimal dalam mencari solusi dari model
programa liner ini. Linear programming berkaitan dengan penjelasan suatu kasus
dalam dunia nyata sebagai suatu model matematik yang terdiri dari sebuah
fungsi tujuan linier dengan beberapa kendala linier. Linear Programming
merupakan salah satu teknik Operation Research yang paling banyak digunakan
perusahaan-perusahaan di Amerika menurut penelitian Turban, Russel,
Ledbetter,Cox, dan lain-lain. Di samping itu, teknik ini teah menjadi dasar
pengembangan teknik operation research atau zero one programming.
Suatu persoalan disebut persoalan Linear rogramming apabila memenuhi hal-hal
berikut :
1. Tujuan (objective) yang akan dicapai harus dapat dinyatakan dalam
bentuk fungsi linier. Fungsi ini disebut fungsi tujuan (objective function)
2. Harus ada alternatif pemecahan. Pemecahan yang embuat nilai fungsi
tujuan optimum yang harus dipilih.
3. Sumber-sumber tersedia dalam jumlah yang terbatas (bahan mentah
terbatas, modal terbatas, ruangan untuk menyimapn barang terbatas
dsb). Pembatasan-pembatasan haus diinyatakan dalam ketidaksamaan
linier.
1. Asumsi
Proporsionalitas
Asumsi ini menyebutkan bahwa hubungan antara kriteria kinerja/fungsi
tujuan harus berhubungan secara linear dengan variable keputusannya.

10

Sehingga jika pada persamaan (1) variable keputusan X 1 naik sebesar 2

satuan, maka kriteria kinerja naik sebesar 2a1.
(1)

Penambahan
Asumsi ini menunjukan bahwa antar variable keputusan tidak saling
mempengaruhi, dan kriteria kinerja merupakan penjumlahan dari setiap
variable keputusannya. Seperti pada persamaan (2), jika Keuntungan Total
(Z) dipengaruhi oleh jumlah penjualan buah apel (X 1) dan penjualan buah
jeruk (X2), maka persamaan menjadi
(2)

Dapat dibagi
Asumsi ini menyebutkan bahwa variable keputusan dan kriteria kinerja
adalah bilangan riil yang kontinu.
Kepastian
Asumsi ini menunjukan bahwa model ini bekerja dalam situasi yang
deterministik.
2. Formulasi Model
Model adalah sebuah tiruan terhadap realitas. Langkah untuk membuat
peralihan dari realita ke model kuantitatif dinamakan perumusan model adalah
sebuah langkah penting pertama pada penerapan teknik operation research di
dalam manajemen. Model pemrograman linear mempunyai tiga unsur utama
yaitu :
1. Variabel keputusan
2. Fungsi tujuan
3. Fungsi kendala
Variabel keputusan adalah variabel persoalan yang akan mempengaruhi nilai
tujuan yang hendak dicapai. Di dalam proses pemodelan, penemuan variabel
keputusan tersebut harus dilakukan terlebih dahulu sebelum merumuskan fungsi
tujuan dan kendala-kendalanya.
Fungsi tujuan. Dalam model pemrograman linier, tujuan yang hendak dicapai
harus diwujudkan ke dalam sebuah fungsi matematika linier. Selanjutnya fungsi
itu dimaksimumkan atau diminimumkan terhadap kendala-kendala yang ada.
Kendala-kendala fungsional. Manajemen menghadapi beragai kendala untuk
mewujudkan tujuan-tujuannya. Kendala dapat diumpamakan sebagai suatu
pembatas terhadap kumpulan keputusan yang mungkin dibuat dan
harusdituangkan ke dalam fungsi matematika linier. Dalam hal ini, sesuai dengan
dalil-dalil matematika, ada tiga macam kendala yaitu :
1. Kendala berupa pembatas
2. Kendala berupa syarat
3. Kendala berupa keharusan

11

Formulasi bentuk model program linier dapat berbentuk kanonik atau bentuk
standar. Karakteristik bentuk standar model pemrograman linier adalah sebagai
berikut :
a. Fungsi tujuan berbentuk maximasi atau minimisasi
b. Semua pembatas berbentuk persamaan (=) untuk model standar dan
berbentuk pertidaksamaan (,) untuk model kanonik, kecuali untuk
kendala ketidaknegatifan (non negativity constraint)
c. Elemen ruas kanan dari setiap pembatas tidak berharga negatif
d. Semua variabel keputusan tidak boleh bernilai negatif (non negativity
constraint)
Berikut adalah formulasi umum model pemrograman linier dalam bentuk kanonik
:

Fungsi Tujuan (Objective Function)

Max/Min Z =

Pembatas (Subject to)

1.
2.
3.
.
.

3. Solusi Model
Solusi pada model program linear dapat didapatkan dengan 2 tahap, yaitu
solusi layak dan kemudian dapat ditemukan solusi optimumnya. Dalam
mendapatkan solusi solusi tersebut dapat ditemukan dengan metode grafis atau
dengan menggunakan metode simpleks. Metode grafis memiliki jumlah
keterbatasan jumlah variabel keputusan yang tidak boleh melebihi 3, oleh sebab
itu untuk mencari solusi biasa digunakan metode simpleks.
4. Contoh Aplikasi
1. Permasalahan
Sebuah rumah sakit memerlukan 15.000 unit kalori dan 13.000 unit protein
untuk setiap pasien per harinya. Apabila setiap kg daging sapi mengandung 500
unit kalori dan 200 unit protein sedangkan 1 kg ikan basah mengandung 300 unit
12

kalori dan 400 unit protein dengan harga masing-masing per kg nya Rp 2.500
dan Rp 2.000. Tentukan biaya minimal untuk kebutuhan 100 pasien rumah sakit
tersebut per harinya.

2.Pemecahan Masalah
Sesuai dengan langkah pengembangan model maka secara berurutan akan
diidentifikasikan komponen modelnya, kemudian diformulasikan modelnya dan
akhirnya dicari solusi optimalnya. Berikut ini adalah pemecahan permasalahan di
atas sesaui dengan langkah tersebut.
1. Komponen Model
Kriteria Kerja (Performance Criteria)
Biaya minimal untuk kebutuhan 100 pasien rumah sakit per hari : Z
Variabel Keputusan (Decision Variables)

Daging sapi kg

Ikan per kg

Pembatas (Constraints)
Unit kalori setiap pasien per hari : 15.000 unit
Unit protein setiap pasien per hari : 13.000 unit
Parameter
Harga per kg
Daging sapi
Ikan

Daging sapi
2.500
500
200

Ikan
2.000
300
400

(ribu Rp/unit)
(unit/kg)
(unit/kg)

2. Formulasi Model
Fungsi Tujuan

Constraints
Unit kalori :

Unit protein :

3.Solusi

13

Untuk mendapatkan nilai variabel keputusan

dan

akan digunakan

metode grafis yang terdiri atas dua langkah utama yaitu :

Menentukan solusi feasibel
a. Gambarkan sumbu cartesius dengan absis dan ordinat

dan

b. Gambarkan pertaksamaan pembatas pada sumbu cartesius

c. Tentukan daerah feasibel yang merupakan interseksi dari semua
pertaksamaan pembatas yang ada.

Unit kalori
5

+3

150

32,5

30

+4

130 Unit protein

Gambar 5
Gambar Penentuan solusi layak dengan metode grafis

Menentukan solusi optimal

Pada prinsipnya solusi optimal diperoleh dengan memasukkan koordinat
titik-titik perpotongan antara pembatas ke dalam fungsi tujuan. Titik
yang

memberikan

nilai

kriteria

kinerja

(Z)

terbaik,

itulah

solusi

optimalnya.
Secara grafis langkah yang ditempuh adalah :
a. Gambarkan garis fungsi tujuan dengan koefisien arah sebesar

dimana 2,5 adalah sudut antara garis Z dengan

sumbu
b. Buatlah garis lain yang sejajar dengan garis Z sedemikian rupa
sehingga garis tersebut dapat memalui titik sudut terjauh dari daerah
layak
14

c. Tentukan harga nilai ordinat

itulah nilai optimum dan hitung

nilai Z.
Berdasarkan langkah tersebut maka diperoleh gambar berikut dan nilai solusi
optimalnya adalah 15 kg daging sapi dan 25 ikan dengan total biaya minimum
Rp 87.500

Unit kalori
5

+3

150
Z = 25
Optimal

32,5

30
2

+4

130 Unit protein

Gambar 6
Gambar Penentuan solusi optimal dengan metode grafis

2.2 Model Transportasi

Model transportasi berawal dari tahun 1941 ketika F.I Hitchcock
mengetengahkan suatu studi yang berjudul The Distribution of a Product from
Several Sources to Numerous Localities. Presentasi ini dipertimbangkan sebagai
sumbangan penting terhadap penyelesaian kasus-kasus transportasi yang
pertama kali. Kemudian pada tahun 1947 T.C Koopmans sebelum bekerja di
Cowles Commission, dia bekerja di Combines Shipping Adjusment Board in
Washington dan mengetengahkan suatu studi yang tidak berkaitan dengan studi
Hitchcock dan diberi judul Optimum Utilization of the Transportations System.
Selanjutnya kedua sumbangan ini sangat membantu di dalam pengembangan
model transportasi. Model transportasi telah diterapkan pada berbagai macam
organisasi usaha seperti rancang bangun dan pengendalian operasi pabrik,
penentuan daerah penjualan dan pengalokasian pusat-pusat distribusi gudang.

15

Algoritma transportasi digunakan ketika sumber m memasok n tujuan dan

koefisien biaya individu per unit aliran antara masing-masing sumber dan tujuan
diketahui dan linear sebagai fungsi dari volume aliran. Model transportasi
merupakan contoh aplikasi lain dari penggunaan program linear Masalah
transportasi membicarakan cara pendistribusian suatu komoditi dari sejumlah
sumber (Origin) ke sejumlah tujuan (Destination). Sasarannya adalah mencari
pola pendistribusian dan banyaknya komoditi yang diangkut dari masing-masing
sumber ke masing-masing tujuan, yang meminimalkan ongkos angkut secara
keseluruhan,dengan kendala-kendala yang ada.

Skenario Masalah Transportasi

1. Ada sumber (Origin) dengan kapasitas (supply) maksimumnya.
2. Ada tujuan (Destination) dengan permintaan (demand) minimumnya.
3. Ada jalur angkutan dari setiap sumber ke setiap tujuan beserta ongkos
angkut satuan.
4. Ada satu macam komoditi saja yang diangkut.
5. Meminimalkan ongkos angkut total.
Gambar 7

b1

O1

c11
c13

b2

O2

b3

bm

x11
c21

D1

a1

x12
D2

a2

O3

D3

a3

Om

Dn

an

x13

cmn

xmn

Gambar Skema Sistem Transportasi

Keterangan gambar :
Oi
: Sumber (Origin) ke-i (i=1,2,,m)
Dj
: Tujuan (Destination) ke-j (j=1,2,,n)
bi
: Supply maksimum pada Oi
aj
: Demand minimum pada Dj
cij

: ongkos angkutan satuan pada jalur

16

xij

: banyaknya unit komoditi yang diangkut dari O i ke Dj (alokasi).

1. Asumsi dan Komponen Model

i.
Linearitas, yaitu biaya angkut berbanding lurus (proporsional) dengan
banyaknya komoditi yang diangkut dari origin ke destination.
Hanya ada satu jenis komoditi yang diangkut.

ii.

Asumsi (i) berakibat masalah

transportasi termasuk dalam kategori masalah

program linier, sehingga cara menyelesaikannya bisa memanfaatkan metode

yang sudah lazim dikenal,seperti yang akan dijabarkan kemudian, hanya saja
pembatas biasa dinyatakan dalam bentuk persamaan bukan dalam bentuk
pertaksamaan kecuali untuk pembatas variabel keputusan nonnegatif. Asumsi (ii)
berakibat setiap destination bisa menerima kiriman dari setiap origin.
Adapun komponen modelnya yaitu :

Kriteria Kinerja
Kriteria kinerja yang digunakan adalah Ongkos Transport Total (Z)
Variabel Keputusan
Variabel keputusan adalah jumlah barang yang diangkut dari lokasi asal
(gudang/pabrik) I ke lokasi tujuan j (konsumen) (Xij)
Pembatas
Ada dua kategori pembatas yaitu dari lokasi awal i (pemasok) dan dari lokasi
tujuan j (sisi yang dipasok). Yang menjadi batasan disini adalah kapasitas
pasokan (ai) dan jumlah permintaannya (bi) . Dengan demikian jika ada n
lokasi awal dan m lokasi tujuan maka aka nada sejumlah (n + m) pembatas.
Parameter
Ongkos transportasi dari lokasi awal i ke lokasi tujuan j (Cij)

2. Formulasi Model Transportasi

Model matematis permasalahan tranpsortasi dapat dinyatakan sebagai berikut :
Fungsi tujuan
Miinimasi

Pembatas :
1. Supply
2. Demand
3. Non Negatif

Kendala pasokan (supply) menjamin bahwa jumlah barang/komoditi yang

dikirim dari suatu sumber tidak akan pernah melampaui jumlah pasokan yang
tersedia pada sumber tersebut. Sedangkan kendala permintaan (demand)
menjamin bahwa jumlah barang/ komoditi yang dikirim ke suatu lokasi tujuan
17

paling tidak sama dengan permintaan pada lokasi tujuan tersebut. Jika ingin
dibuat lebih ketat, dalam arti jumlah barang/komoditi yang dikirim ke suatu
lokasi tujuan adalah sama dengan permintaan di lokasi yang bersangkutan,
maka digunakan kesamaan (=) dan bukannya ketidaksamaan ().

3. Solusi
Jika pada suatu masalah transportasi, jumlah total pasokan sama dengan
jumlah total permintaan, maka masalah tersebut disebut masalah yang
seimbang (balanced) atau juga disebut masalah transportasi standard di mana
penyelesainnya dapat dilakukan melalui 2 (dua) tahap, yaitu tahap pencarian
solusi basis layak awal (starting/initial basic feasible solution), dan tahap
pemeriksaan keoptimalan solusi. Solusi keadaan setimbang yaitu Jika
yaitu total supply komiditi pada origin sama dengan total demand pada
destination, maka masalah transportasi dikatakan setimbang. Dalam kasus
setimbang,semua

kendala,baik

kendala

supply

maupun

kendala

demand

berbentuk persamaan,yaitu
.

Akibatnya banyak variabel basis adalah

, sebab

merupakan

persamaan yang saling independen. Oleh karena itu,penyelesaian layak basis

(plb) terdiri atas

variabel basis. Beberapa metode yang cukup terkenal

untuk pencarian solusi basis layak awal adalah aturan pojok kiri atas (nortwest
corner rule), metode ongkos terkecil (least/minimum cost method), dan metode
penalti Vogel (Vogel Approximation Method VAM). Sedangkan metode-metode
yang dapat digunakan untuk memeriksa keoptimalan solusi adalah metode
Stepping Stone.
4. Contoh aplikasi
1. Permasalahan
PT ABC memiliki tiga buah pabrik yang masing-masing memiliki cabang
yang berlokasi di kota P, kota Q dan kota R. Data kapasitas pabrik,
permintaan cabang dan ongkos transport dari pabrik ke cabang disajikan
pada tabel berikut.
18

Tabel 3
Tabel Data transportasi PT ABC

Kota P
Kota Q
Kota R
Kapasitas
Pabrik 1
20
5
8
90
Pabrik 2
15
20
10
60
Pabrik 3
25
10
19
50
Demand
50
110
40
200
Bagaimana sistem distribusi dan transportasi barang dari pabrik ke
seluruh cabang yang optimal?
2. Pemecahan Masalah
Sesuai dengan langkah pengembangan model maka secara berurutan
akan diidentifikasikan komponen modelnya, kemudian diformulasikan
modelnya lalu dicari solusi optimalnya.
1. Komponen Model
Kriteria Kinerja (Performance Criteria) : Minimasi ongkos
transportasi : Z
Variabel Keputusan (Desicion Variables)
Jumlah barang yang dikirim dari pabrik 1 :
Jumlah barang yang dikirim dari pabrik 2 :
Jumlah barang yang dikirim dari pabrik 3 :
Jumlah barang yang dikirim dari tiap pabrik (i,i=1 untuk pabrik 1,
i=2 untuk pabrik 2 dan i=3 untuk pabrik 3) ke tiap cabang
(j=1,2,3) :

Pembatas (Constraints)
Kapasitas pabrik:
Pabrik 1
: 90
Pabrik 2
: 60
Pabrik 3
:50
Permintaan tiap cabang :
Cabang 1
: 50
Cabang 2
: 110
Cabang 3
: 40
Parameter
Ongkos transportasi dari tiap pabrik ke tiap cabang
Tabel 4
Tabel Ongkos Transportasi PT ABC

Pabrik 1
Pabrik 2
Pabrik 3

Kota P
20
15
25

Kota Q
5
20
10

Kota R
8
10
19

2. Formulasi Model Matematis

Fungsi Tujuan

19

Min

Pembatas
1.
2.
3.

4.
5.
6.
7.

=110

8.
9.

=40
untuk i=1,2,3 dan j=1,2,3

3. Solusi
Untuk kasus minimasi ongkos transportadi dari pabrik ke cabang maka
digunakan metode ongkos terkecil (least cost). Hasil yang diperoleh seperti
pada tabel di bawah :
Tabel 5
Tabel Solusi optimal PT ABC

Kota P
Pabrik 1
Pabrik 2
Pabrik 3
Demand

20
30
50

Kota Q
90
20
110

Kota R

Kapasitas
90
40
60
50
40
200

Minimum cost = 90(5)+20(15)+40(10)+30(25)+20(10)=2100

2.3 Model Antrian (Queuing)

Salah satu teknik yang paling lama dalam operation research dan masih
menjadi salah satu teknik yang paling banyak dipakai adalah teori antrian.
Queque bukanlah kata yang berawal dari united States tetapi berasal dari
inggris. Orang-orang inggris mengenal hal tersebut ketika mereka berdiri
mengantri secara berbaris ketika membeli daging di butcher shop.

20

Antrian tidak terlepas dari kehidupan sehari-hari seperti mengantri pada saat
mandi di pagi hari, di tukang cukur, di rumah sakit dan lain-lain. Salah satu
hal yang tidak disukai dalam kehidupan sehari-hari adalah menunggu. Dalam
industry dikenal istilah time is money atau waktu adalah uang yang artinya
membuang-buang waktu sama saja dengan membuang-buang uang.
Teori antrian diperkenalkan oleh seorang engineer dari Denmark bernama A.K
Erlang pada industry telephone berjalan yaitu sekitar kurang lebih 50 tahun
yang lalu. Dia menemukan hubungan fungsi banyaknya probabilitas dari
telpon yang masuk. Saat ini, studi mengenai antrian telepon tersebut
digunakan untuk effisensi sistem telepon. Analogi yang digunakan pada
sistem ini dapat pula digunakan untuk aliran signal dalam sistem komputer
yaitu GPSS ( General purpose simulation system) yang dikembangkan oleh
Engineer dari IBM.
Aliran sistem tersebut dapat digambarkan sebagai berikut.

Queque

Rate in

Rate out

Gambar 8
Gambar Aliran sistem antrian (Hicks ,1994)

Sistem antrian Multiple-server diperkenalkan oleh Kendall pada tahun 1953

dan

dilanjutkan

oleh

Lee

pada

tahun

1966.

Sistem

Kendall-Lee

ini

mengkarakterisasikan sistem antrian multi-server ke dalam enam ciri yaitu

(Hicks , 1994):
1. The arrival distribution
Distribusi kedatangan pelanggan atau distribusi waktu antar datang
pelanggan (a)
2. The service distribution
Distribusi waktu layan pelanggan atau distribusi keberangkatan pelanggan
(b)
3. The number of parallel service chanel
Jumlah saluran pelayanan (c)
4. The service discipline
Disiplin antrian (d)
5. The number of units of flow permitted in the system
Jumlah pelanggan yang diperbolehkan dalam sistem antrian (e)
6. The source population
21

Populasi pelanggan (f)

Tabel 6
Tabel Kendall-Lee Multiple-Server Queque Classification System (Hicks, 1994)

General Notation (a/b/c):(d/e/f)

Specific
Notation
A
B
C
D
E
F

M
D
Ek
GI
G
FCFS
LCFS
SIRO
GD

Description
Arrival or Interarrival distribution
Leaving or service time distribution
Number of parallel service channels
Service discipline
Maximum number allowed in the system
Calling source
Code for a and b
Poisson arrival (or equivalent exponential interarrival or
service times)
Deterministic interarrival or service times
Erlangian or gamma interarrival or service time
distributions
General independent distribution of arrivals or interarrival
times
General distribution of leaving or service times
Code for d
First come, first served
Last come, first served
Service in random order
General service discipline

Terdapat beberapa disiplin antrian yang bisa digunakan, yaitu:

a. First Come, First Served (FCFS)
Pelanggan yang lebih dulu masuk akan lebih dulu dilayani
b. Last Come, First Served (LCFS)
Pelanggan yang terakhir masuk akan lebih dulu dilayani
c. Service in Random Order (SIRO)
Pelanggan dipanggil secara acak untuk dilayani
d. General Service Discipline (GD)
Pelanggan dipanggil berdasarkan aturan umum yang ditaati bersama
Asumsi dasar yang digunakan dalam model antrian yang diformulasikan
adalah:
22

Kedatangan berdistribusi tertentu (Poisson, Umum) dengan

laju

kecepatan rata-rata sebesar

Waktu pelayanan berdistribusi tertentu (Eksponensial, Umum) dengan

laju kecepatan rata-rata sebesar

/<1

Adapun komponen modelnya adalah sebagai berikut:

1. Kriteria Kinerja (Z)
Kriteria kinerja (Z) yang digunakan dapat berupa ongkos atau tingkat
pelayanan yang dapat diukur diantaranya melalui:
- Ekspektasi waktu antri (Wq)
- Ekspektasi waktu sistem (Ws)
- Ekspektasi jumlah pelanggan antri (En)
- Ekspektasi jumlah pelanggan sistem (Es)
- Ekspektasi total biaya pada sistem (Z)
2. Variabel Keputusan
- Variabel keputusannya adalah c yaitu jumlah stasiun pelayanan.
3. Pembatas
- Pembatas dapat berupa jumlah tempat tunggu yang tersedia, waktu
pelayanan dan sebagainya
4. Parameter
- Laju rata rata kedatangan :
Laju rata rata pelayanan :
Biaya pelayanan : O1
Biaya menunggu : O2
Formulasi Model
Fungsi Tujuan : Z (c) = EOO(c)+EON(c)
Z(c) = O1(c) + O2(c)
Z(c) = Ekspekstasi total biaya sistem antrian per satuan waktu untuk jumlah
stasiun pelayanan c
EOO(c) = Ekspektasi biaya operasional pelayanan per satuan waktu untuk
jumlah stasiun pelayanan c
EOO(c) = Ekspektasi biaya pelanggan berada dalam sistem per satuan waktu
Pembatas :

23

Contoh Aplikasi
Sebuah perusahaan memiliki pelanggan yang datang dengan laju kedatangan
5 orang per jam. Pelayanan diberikan dengan laju 10 pelanggan per jam.
Sistem antrian memiliki karakteristik M/M/c/GD/~/~.

Biaya pelayanan per

operator per hari adalah Rp. 100.000 dan biaya pelanggan dalam sistem per
hari adalah Rp. 10.000.000. Berdasarkan kebijakan perusahaan jumlah
operator maksimal yang dipekerjakan adalah 5 orang. Berapakah jumlah
stasiun pelayanan (operaror) optimal yang harus disediakan?
Jawaban:
1. Komponen Model
Fungsi tujuan: Minimasi ongkos antrian per hari (Z(c))
Variabel Keputusan: Jumlah stasiun pelayanan (operator) yang harus
disediakan (c)
Kendala: Jumlah operator maksimum yang dipekerjakan adalah 5 orang
Parameter:
- = 5 pelanggan/jam
- = 10 pelanggan/jam
- C1 = Rp. 100.000/hari/operator
- C2 = Rp. 10.000.000/hari/pelanggan
2. Formulasi Model
Fungsi tujuan: Z(c) = 100.000 * c + 10.000.000 EN * c
Kendala : 0<c<5
Dimana

Dilakukan enumerasi untuk setiap nilai n 1 sampai 5 dan dicari biaya Z(c)
terendah.
C
1

E00( c
EN ( c)
)
10000 0.743
0
9

EON
( c)
74390
00

Z ( c)
75390
00
24

2
3
4
5

20000
0
30000
0
40000
0
50000
0

0.530
5
0.503
6
0.500
3
0.500
0

53050
00
50360
00
50030
00
50000
00

55050
00
53360
00
54030
00
55000
00

Tampak bahwa jumlah operator yang optimal adalah sebesar 3 operator

dengan ongkos total yang dikeluarkan sebesar Rp 5.336.000,-.

3. Simulation Model
Pendekatan simulasi berkembang seiring dengan perkembangan
teknologi. Akibat adanya kelemahan yang ditemukan dalam pendekatan
operational research (OR), pendekatan simulasi hadir menawarkan pemecahan
solusi yang lebih fleksibel untuk sistem permasalahan yang rumit. Namun di
samping itu, pendekatan simulasi juga memiliki kelemahan tersendiri.
Simulasi sebagai salah satu alat untuk menyelesaikan permasalahan dapat
diartikan sebagai konstruksi dan manipulasi dari sebuah sistem operasi, yang
merupakan representasi fisik atau simbolik dari keseluruhan atau sebagian aspek
dari proses sosial atau psikologi. Pendekatan simulasi lebih mengarah pada
pembangunan model untuk mereplika proses dengan cara memanipulasi
hubungan antar variable dalam suatu model.
Pendekatan simulasi ini diterapkan karena dapat meniru sistem-sistem yang
besar dan kompleks yang secara model matematis akan sulit diselesaikan.

Gambar 9
Gambar Jenis Pendekatan Simulasi

Pendekatan simulasi terbagi menjadi dua jenis, yaitu secara fisik dan matematis.
Pendekatan simulasi secara fisik menggunakan objek nyata sebagai model dari
beberapa bagian objek dalam realitas, seperti membangun model pesawat atau
kapal. Sedangkan pendekatan secara matematis menggunakan formula atau
rumusan matematika yang dapat dibentuk melalui dua cara yakni secara
numerik dan analitis.
25

Dalam pendekatan analitis, akan dapat diturunkan satu buah solusi optimal atau
solusi tunggal. Sedangkan pendekatan secara numerik akan berkaitan dengan
perilaku sistem dan tidak terlalu menyinggung solusi optimal. Ada dua jenis
simulasi numerik, yaitu secara deterministic atau stokastik. Pendekatan
deterministic memerlukan perbaikan nilai-nilai variable atau parameter,
sedangkan pendekatan stokastik menggunakan beberapa jenis fungsi distribusi
sebagai input variable.
Pendekatan simulasi memiliki kelebihan di antaranya adalah:
1. Dapat digunakan sebagai alternatif untuk menyelaikan masalah yang sulit
direpresentasikan dalam model matematis
2. Dapat memprediksi kinerja sistem dalam berbagai kondisi operasional
3. Memungkinkan untuk melakukan eksperimen dalam rangka menghindari
adanya kerugian
Di samping itu, kelemahan dari pendekatan ini adalah dalam hal validasi solusi.
Solusi yang dihasilkan dari pendekatan ini tidak bersifat general, dan kurang
teliti apabila dibandingkan dengan pendekatan lain.

26

Daftar Pustaka
http://www.poms.ucl.ac.be/etudes/notes/prod2100/cours/Part%205-Inventory.pdf
Hicks, P. E. (1994). Industrial Engineering and Management. Singapore: McGraw
Hill.
Sugandi Yahdin. 2010. Diktat Kuliah Optimasi. Jurusan Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya. Palembang
Sudrajat. 2005.Model Distribusi Pada Pemrograman Stokastik dengan Satu Fungsi
Objektif. Workshop and National Seminar On Space Time Models and Its
Applications. Bandung
Victor Hariadi. 2009. Pencarian Solusi Pemrograman Nonlinier Mengguakan
Algoritma Branch and Bound. Seminar Nasional Aplikasi Teknologi Informasi.
Yogyakarta
Berends, P., & Romme, G. (1999). Simulation as a Research Tool in Management
Studies. European Management Journal , 576-583.

27