Tugas FTMI Management Science TMI ITB 2015
Tugas FTMI Management Science TMI ITB 2015
MANAGEMENT SCIENCE
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
sehingga
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
model
menggunakan
yang
prinsip
dikembangkan
optimasi.
dapat
Pendekatan
dicari
sains
solusinya
manajemen
dengan
biasanya
dalam
disiplin
Teknik
Industri
terutama
dalam
memberikan
Gambar 2
Gambar Tahapan-tahapan Management Science
Observation
Identifikasi
semua
hal
yang
berhubungan
dengan
rinci
Definition of the Problem Mendefinisikan setiap permasalahan secara
objektif
Model Construction Membangun relasi fungsi matematik
yang
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.
Jenis Problem
Deterministik
Probabilistik
Uncertainty
Kriteria
Variasi
Pola
Tidak ada variasi /
Variabel pasti
diabaikan
Ada variasi
Pola diketahui
Ada variasi
Pola tidak diketahui
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
Gambar 3
Gambar Posisi Model Inventori
ialah stock on
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)
sama
dengan 0 ialah.
Gambar 4
Grafik Persamaan Model Wilson
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
diberikan
pada tahun
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.
10
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
:
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
dan
akan digunakan
dan
Unit kalori
5
+3
150
32,5
30
+4
Gambar 5
Gambar Penentuan solusi layak dengan metode grafis
memberikan
nilai
kriteria
kinerja
(Z)
terbaik,
itulah
solusi
optimalnya.
Secara grafis langkah yang ditempuh adalah :
a. Gambarkan garis fungsi tujuan dengan koefisien arah sebesar
sumbu
b. Buatlah garis lain yang sejajar dengan garis Z sedemikian rupa
sehingga garis tersebut dapat memalui titik sudut terjauh dari daerah
layak
14
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
Gambar 6
Gambar Penentuan solusi optimal dengan metode grafis
15
b1
O1
c11
c13
b2
O2
b3
bm
x11
c21
D1
a1
x12
D2
a2
O3
D3
a3
Om
Dn
an
x13
cmn
xmn
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
xij
ii.
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)
Pembatas :
1. Supply
2. Demand
3. Non Negatif
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
.
, sebab
merupakan
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
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
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)
dilanjutkan
oleh
Lee
pada
tahun
1966.
Sistem
Kendall-Lee
ini
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
laju
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/~/~.
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
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