Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
PENDAHULUAN
alam memecahkan masalah yang dihadapinya, manajemen biasanya
memerlukan pertimbangan-pertimbangan tertentu. Untuk itu
diperlukan berbagai alat, antara lain statistik, matematika, operations
research, dan sebagainya. Operations research merupakan salah satu alat
analisis yang mendasarkan pada angka saja, padahal tidak semua hal dapat
diukur dengan angka. Oleh karena itu, hasil optimal dalam operations
research belum tentu merupakan keputusan terbaik, tetapi mungkin ada
sedikit perubahan atau penyesuaian setelah mempertimbangkan data-data
kuantitatif. Pada modul ini akan dibahas salah satu metode kuantitatif, yaitu
perencanaan penugasan, sedang pada modul-modul berikutnya berturut-turut
akan dibahas metode-metode yang lain.
Salah satu metode kuantitatif dalam operations research adalah
perencanaan penugasan beberapa orang karyawan pada beberapa tugas yang
berbeda-beda. Dalam hal ini kita pilih cara penugasan yang bisa
meminimumkan biaya atau yang bisa memaksimumkan manfaat.
Setelah mempelajari modul ini Anda diharapkan dapat:
a. menjelaskan kegunaan operations research untuk pengambilan
keputusan;
b. menjelaskan cara alokasi karyawan pada beberapa macam pekerjaan.
a.
b.
1.2
c.
d.
e.
Riset Operasi
EKMA4413/MODUL 1
1. 3
Kegiatan Belajar 1
Pendahuluan
A. PENGERTIAN DASAR
Dalam suatu organisasi, manajemen selalu dihadapkan pada masalah
pengambilan keputusan. Keputusan ini untuk menyelesaikan masalahmasalah yang dihadapinya. Sebelum mengambil keputusan biasanya
dilakukan analisis terhadap data yang ada. Untuk melakukan analisis ini
diperlukan alat-alat analisis, antara lain yang kita bahas dalam modul ini,
yaitu analisis kuantitatif karena dalam analisis ini menggunakan ukuran atau
satuan angka. Jadi, segala hal atau faktor yang berhubungan atau
mempengaruhi masalah yang dapat dipecahkan sedapat mungkin diukur
dengan angka, kemudian dianalisis secara kuantitatif. Untuk melakukan
analisis ini dilakukan atau dikembangkan konsep-konsep yang dipelajari
dalam matematika, statistik, akuntansi, dan sebagainya sehingga membentuk
suatu model yang dapat dipakai untuk memecahkan masalah.
Dalam operations research tujuan kita adalah mencari pemecahan
masalah secara optimal dengan mengingat tujuan serta keterbatasan yang ada.
Optimal berarti sebaik-baiknya, yaitu yang paling kita kehendaki. Kalau
biaya atau pengorbanan tentu saja kita minimumkan, tetapi kalau manfaat
atau keuntungan tentu saja kita maksimumkan.
1.4
Riset Operasi
l:JU
ro
Gambar 1.1.
Skema Proses Pengambilan Keputusan
1.
ldentifikasi Masalah
Masalah yang timbul harus diketahui dengan jelas, sebab kalau masalah
pokoknya belum diketahui kita tidak mungkin bisa mengatasi memecahkan
masalah tersebut dengan baik. Untuk mengetahui masalah tersebut bisa
dilakukan penelitian pendahuluan. Berdasar atas masalah ini bisa ditentukan
cara-cara yang cocok untuk mengatasinya.
2.
Mengumpulkan Data
Untuk mengetahui cara mengatasi masalah tersebut harus didukung
dengan data yang relevan atau cocok. Untuk itu kita harus mengumpulkan
data yang diperlukan tersebut.
EKMA4413/ MODUL 1
1. 5
3.
Analisis Data
Data yang terkumpul hams dianalisis terlebih dahulu agar bisa diketahui
pemecahannya. Dalam analisis ini biasanya dibuat suatu model. Model
adalah timan atau abstraksi dari kejadian yang sebenamya, biasanya dalam
bentuk yang lebih sederhana. Untuk melakukan analisis biasanya digunakan
ilmu-ilmu pengetahuan, seperti matematika, operations research, statistik,
akuntansi. Di sinilah kedudukan analisis kuantitatif sebagai alat untuk
membantu manajemen dalam menganalisis data sebagai dasar untuk
mengambil keputusan.
Dalam analisis ini selain dipertimbangkan hasil-hasil perhitungan dari
analisis kuantitatif juga dipertimbangkan faktor-faktor lain yang tidak bisa
diukur dengan satuan angka, misalnya kebudayaan, perikemanusiaan, agama,
politik, dan sebagainya. Faktor-faktor ini tidak bisa dimasukkan dalam model
kuantitatif, tetapi memiliki pengaruh yang kuat. Oleh karena itu, hasil analisis
kuantitatifyang kita peroleh kadang-kadang tidak bisa diterapkan begitu saja,
tetapi diperlukan penyesuaian terlebih dahulu.
4.
Pemilihan Alternatif
Di antara alternatif-altematif yang ada itu kita pilih salah satu yang
paling cocok untuk mengatasi masalah tadi.
6.
Pelaksanaan
Alternatif yang telah dipilih di atas, kemudian dilaksanakan/dij alankan
untuk mengatasi masalah yang timbul. Dalam pelaksanaan ini dapat dilihat
apakah langkah itu sudah cocok atau belurn. Kalau alternatif itu sudah cocok
dan bisa mengatasi masalah yang timbul maka langkah ini bisa dijalankan.
Sebaliknya kalau altematif ini temyata setelah dicoba tidak cocok maka hams
diulang lagi langkah-langkah sebelumnya, mungkin pemilihan altematifnya
yang salah, mungkin analisisnya kurang tepat atau mungkin datanya yang
kurang relevan.
Demikianlah kedudukan alat-alat analisis kuantitatif dalam pengambilan
keputusan oleh manajemen. Yang penting harus diingat bahwa alat analisis
1.6
Riset Operasi
EKMA4413/MODUL 1
1. 7
LATIHAN
1.8
Riset Operasi
TES FORMATIF 1
2)
3)
4)
5)
masalah,
antara
lain
1. 9
EKMA4413/MODUL 1
Tingkat penguasaan =
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
1.10
Riset Operasi
Kegiatan Belajar 2
Perencanaan Penugasan
alam melakukan alokasi karyawan pada tugas yang ada, kadangkadang memerlukan pemikiran yang cukup sulit. Hal ini disebabkan
karena kita memiliki beberapa macam pekerjaan yang berbeda-beda cara
menyelesaikannya, di samping itu karyawan yang ada memiliki keahlian dan
sifat yang berbeda-beda. Alokasi karyawan itu tidak boleh asal dilakukan
saja, sebab kalau cara alokasinya berbeda akan membawa konsekuensi hasil
atau pengorbanan yang berbeda pula. Karyawan harus kita alokasikan secara
optimal, artinya kalau memakan biaya/ pengorbanan kita usahakan sekecilkecilnya dan kalau menghasilkan manfaat kita usahakan sebesar-besarnya.
Dengan karyawan yang sama dan pekerjaan yang sama kita harus bisa
memilih cara alokasi yang sebaik-baiknya.
Cara alokasi dalam modul ini dilakukan dengan menggunakan algoritma.
Biasanya yang digunakan sebagai ukuran untuk menentukan efisien dan
tidaknya adalah uang. Metode algoritma yang digunakan di sini sering juga
disebut sebagai Hungarian Method
Algoritma yang digunakan dalam memecahkan masalah penugasan ada dua
macam, yaitu algoritma dengan meminimumkan pengorbanan dan algoritma
dengan tujuan memaksimumkan manfaat. Dalam bagian ini akan kita bahas
satu per satu.
1. 11
EKMA4413/ MODUL 1
Ill
II
IV
(Dalam rupiah)
Karyawan
20
28
25
24
15
13
13
11
10
21
20
30
25
20
23
20
1.12
Riset Operasi
Baris B
Demikian pula nilai barn dari baris-baris yang lain. Hasil selurnhnya,
seperti terlihat pada Tabel1.2.
Tabel 1.2.
Tabel Opportunity Cost
Pekerjaan
I
II
Ill
IV
8
2
11
0
2
10
3
0
20
0
Ka~tawan
Karyawan
IV
Ill
II
1.13
EKMA4413/MODUL 1
11
20
Pekerjaan
I
II
Ill
11
20
IV
Kar1awan
1.14
b.
Riset Operasi
Pekerjaan
Ill
II
17
Karyawan
IV
1.15
EKMA4413/MODUL 1
Tabel 1.6.
Alokasi Optimal Penugasan Karyawan serta Biayanya
Tugas yang
Ditempatinya
Ill
IV
I
II
Jumlah
Karyawan
Biaya yang
Dikeluarkan
Rp25,00
Rp11 ,00
Rp10,00
Rp20,00
Rp66,00
Biaya yang tercantum pada kolom 3 dalam tabel di atas diambilkan pada
tabel biaya (Tabel 1.1 ). Jumlah biaya Rp66,00 merupakan biaya termurah
dibanding dengan semua altematiflain (tidak ada yang lebih murah lagi).
B.
Pekerjaan
Karyawan
A
B
II
Ill
IV
(Dalam Rupiah)
20
24
20
16
28
20
18
30
1.16
Riset Operasi
16
18
14
16
26
30
16
32
Pekerjaan
Karyawan
A
B
c
D
II
Ill
IV
(Dalam Rupiah)
4
2
2
6
0
10
0
2
4
12
4
16
8
0
2
0
1.17
EKMA4413/ MODUL 1
Tabel 1. 9.
Total Opportunity Loss Matrix
Pekerjaan
Kartawan
A
II
0
10
0
2
2
2
6
Ill
(Dalam rupiah)
IV
0
2
0
0
12
II
Ill
(Dalam rupiah)
IV
4---0---- o----8
2---o----
10
o----
12
1.18
Riset Operasi
dan angka yang diliput garis dua kali harus ditambah dengan angka
pengurangan tersebut dan hasilnya seperti terlihat pada Tabel 1.11 berikut.
Tabel 1.11.
Total Opportunity Loss Matrix yang Telah Diperbaiki
Pekerjaan
I
II
Ill
(Dalam Rupiah)
Karyawa
IV
0---8
6----0
10
10
Kar1awan
A
B
IV
Jumlah
Rp24,00
Rp28,00
Rp14,00
Rp32,00
Rp96,00
1.19
EKMA4413/MODUL 1
Pekerjaan
I
Karyawan
20
15
10
25
0
c
D
Kolom semu
IV
Ill
(Biaya dalam Rupiah)
28
13
21
20
0
27
17
25
21
0
II
25
13
20
23
0
24
11
30
20
0
LATIHAN
Tugas I
Tugas II
Tugas Ill
I Rp1 0,00
Rp13,00
Rp17,00
TugasiV
Rp15,00
1.20
Riset Operasi
Rp11 ,00
Rp12,00
Rp13,00
c
D
2)
Rp10,00
Rp11 ,00
Rp14,00
Rp13,00
Rp 8,00
Rp10,00
Rp16,00
Rp10,00
Rp 9,00
A
B
3)
Tugas I
20
23
23
24
Tugas II
Tugas Ill
TugasiV
25
23
21
27
27
25
18
20
21
21
20
23
4)
Tugas I
20
15
10
25
21
Tugas II
Tugas Ill
28
13
21
20
18
25
13
20
23
15
TugasiV
24
11
30
20
17
A
B
Tugas I
35
40
43
50
Tugas II
Tugas Ill
27
35
46
45
39
30
43
43
TugasiV
41
32
38
38
1.21
EKMA4413/MODUL 1
Seperti pertanyaan pada soal nomor 4, tetapi untuk 5 tugas dan altematif
laba yang dihasilkan sebagai berikut ( dalam ribuan rupiah).
Laba Apabila Mengerjakan
Karyawan
Tugas I
Tugas II
30
40
50
39
32
35
39
41
Tugas Ill
25
15
22
20
Tugas IV Tugas V
32
30
37
35
24
18
30
20
2)
3)
4)
5)
Pada langkah pertama semua kolom sudah memiliki nilai 0. Tahap kedua
tidak perlu dilakukan dan dalam tahap ketiga sudah diperoleh 4 garis.
Maka, jawaban yang optimal sebagai berikut. A mengerjakan tugas I, B
tugas II, C tugas IV, dan D tugas III. Biaya penugasan sebesar Rp37,00.
Dalam langkah pertama dihasilkan 3 kolom yang memiliki nilai 0,
dalam langkah kedua kolom III memiliki nilai 0 pada baris B. Pada
langkah ketiga barn diperoleh 3 baris. Dalam langkah kelima barn
diperoleh 4 garis. Keputusan optimal adalah A mengerjakan tugas I, B
tugas IV, C tugas III, dan D tugas II. Biaya penugasan minimum sebesar
Rp82,00.
Dalam masalah ini ada 5 karyawan, tetapi hanya mengerjakan 4 tugas
sehingga perlu kolom dummy (semu). Cara mengerjakannya mirip
dengan soal sebelumnya.
Dalam
masalah
ini
digunakan
algoritma
yang
bertujuan
memaksimumkan.
digunakan
algoritma
yang
bertujuan
Dalam
masalah
lnl
memaksimumkan, tetapi banyaknya tugas lebih dari orang/karyawan
yang ada.
RANGKUMAN
Dalam bagian ini dibahas cara alokasi para karyawan pada tugastugas yang ada. Alokasi yang berbeda akan mengakibatkan biaya atau
1.22
Riset Operasi
laba yang berbeda. Hal ini disebabkan karena keahlian karyawan untuk
tiap-tiap pekerjaan juga berbeda-beda. Tujuan dalam alokasi ini adalah
untuk mencari biaya terkecil atau laba terbesar.
TES FORMATIF 2
I
II
Ill
IV
15
19
26
19
18
23
17
21
21
22
16
23
24
18
19
17
1)
2)
3)
4)
1.23
EKMA4413/ MODUL 1
5)
Tingkat penguasaan =
-----------
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
1.24
Riset Operasi
Tes Formatif2
1) A
2) c
3) A
4) c
5) D
EKMA4413/MODUL 1
1.25
Daftar Pustaka
Churchman, C.W., Ackoff, R.L. dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Subagyo, P., Asri, M. dan Handoko, T. H. Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Modul 2
Pengawasan Persediaan
Drs. Pangestu Subagyo, M.B.A.
PENDAHULUAN
2.2
Riset Operasi
Kegiatan Belajar 1
1.
Biaya Set-up
Yang dimaksud dengan biaya set-up adalah biaya yang dikeluarkan
setiap kali perusahaan memesan barang. Besarnya biaya ini untuk setiap kali
pesan selalu sama, tidak terpengaruh oleh jumlah barang yang dipesan. Yang
termasuk dalam kelompok biaya ini, misalnya biaya pengiriman surat
pesanan, ongkos teleks, interlokal, pengiriman petugas pembelian, dan
sebagainya yang besarnya tidak terpengaruh oleh jumlah barang yang
dipesan. Dalam biaya ini tidak termasuk ongkos pengangkutan barang dan
harga barang karena macam biaya ini biasanya tergantung pada jumlah
EKMA4413/MODUL 2
2.3
barang yang dibeli. Pada dasarnya biaya set-up adalah biaya yang
dikeluarkan pada saat perusahaan melakukan pemesanan, berapa pun jumlah
barang yang dibeli, besar biaya set-up ini selalu sama.
Simbol yang biasanya digunakan untuk biaya set-up ini adalah Cs. Kalau
kebutuhan barang selama satu tahun sebesar R dan jumlah barang setiap kali
membeli Q maka satu tahun dilakukan pembelian R/Q kali, dan biaya set-up
selama satu tahun sebesar (R/Q)Cs.
2.
2.4
Riset Operasi
..
,..
'lr
.,_
..
Gambar 2.1.
Jumlah Persediaan dan Rata-rata Persediaan
Pada Gambar 2.1. itu tampak bahwa selama satu tahun dipesan beberapa
kali, setelah barang habis maka barang yang dibeli datang dan persediaan
diisi lagi sebanyak pembelian. Barang dalam persediaan bergerak antara 0
sampai dengan Q. Jangka waktu di antara pesanan satu dengan pesanan
berikutnya adalah t.
Dalam uraian di atas telah dijelaskan bahwa biaya set-up tergantung
pada sering atau tidaknya pembelian dilakukan, kalau sering maka biaya setup untuk satu tahun menjadi tinggi. Tetapi akibatnya bagi biaya pemesanan
justru sebaliknya, kalau sering dilakukan maka jumlah setiap kali pembelian
sedikit, rata-rata jumlah barang yang disimpan sedikit, dan biaya
pemeliharaan barang rendah. Apabila pembelian jarang dilakukan maka
jumlah biaya set-up selama satu tahun sedikit, tetapi setiap kali membeli
hams dalam jumlah yang banyak dan akibatnya biaya pemeliharaan barang
yang disimpan tinggi. Dari uraian di atas j elas terlihat bahwa perubahan
jumlah biaya set-up berlawanan dengan perubahan biaya pemeliharaan.
Kalau pembelian sering dilakukan, biaya set-up tinggi, tetapi biaya
pemeliharaan rendah, demikian pula sebaliknya kalau pembelian jarang
dilakukan maka jumlah biaya set-up rendah dan jumlah biaya pemeliharaan
tinggi. Lalu, bagaimanakah sebaiknya?
Lebih baik setiap membeli dalam jumlah sedikit (sering membeli) atau
setiap membeli dalam jumlah banyak Uarang membeli). Tentu saja kita pilih
jumlah pembelian yang bisa meminimumkan jumlah dari kedua macam biaya
2.5
EKMA4413/MODUL 2
itu. Jumlah dari kedua macam biaya itu selama satu tahun dapat dilihat pada
persamaan berikut ini.
18= ~ +
Cj-C
Kalau kedua macam biaya itu dan jumlahnya kita gambarkan akan
tampak, seperti pada Gambar 2.2.
_..
0
Gambar 2.2.
Hubungan antara Jumlah Setiap Pembelian dengan Biaya Set-up, Biaya
Pemeliharaan, dan Jumlah dari Kedua Biaya Tersebut.
2.6
Riset Operasi
2RCs
Ci
* ==
2RCs
RCi
Contoh:
Seorang pedagang selama satu tahun harus memenuhi permintaan
pembeli sebanyak 24.000 kg. Permintaan sepanjang tahun relatif stabil. Biaya
pemesanan setiap kali membeli sebesar Rp3.500,00. Biaya penyimpanan
setiap kg barang selama satu tahun Rp 10,00.
a. Berapakah jumlah pembelian yang paling ekonomis?
b. Berapa lamakah jangka waktu antara pesanan satu dengan pesanan
berikutya agar pemesanan ekonomis?
Jawab: R = 24.000 kg
Cs = Rp3.500,00
Ci = Rp10,00
a. Jumlah pembelian yang ekonomis:
*
==
Q
b.
2(24.000)(3.500) == 4.098 78
10
'
kira-kira = 62 hari
EKMA4413/MODUL 2
2.7
2.8
Riset Operasi
- -n ,.........~~~..........!!.ot-,~~-:"""""~~~....!!..~............,.~....
....__ ...::!::;
..
~fcbt
.,
.. (JrI
..,.
----...-.
Gambar 2.3.
Hubungan Persediaan Barang, Pemesanan, dan Kekurangan Barang.
Biaya yang kita tanggung ada tiga rnacam, yaitu biaya set-up, biaya
pemeliharaan barang, dan biaya karena keterlarnbatan barang. Berikut ini
akan dibahas satu per satu sebelum dimasukkan ke dalam persamaan jumlah
biaya.
Biaya set-up:
Besar biaya set-up sama, seperti dalarn model persediaan yang
sederhana, yai tu:
(R/Q) Cs.
Biaya pemeliharaan:
Besar biaya pemeliharaan dapat dicari dengan luas segitiga pertarna
dikalikan dengan biaya perneliharaan tiap unit tiap tahun, yaitu:
2
_!_(S I R)Ci = S Ci
2
2R
Kalau jurnlah biaya diatas dikalikan dengan banyaknya siklus dalarn satu
tahun (R/Q) rnaka akan kita dapatkan jumlah biaya selarna satu tahun sebagai
berikut.
2.9
EKMA4413/MODUL 2
S Ci R
2R
S Ci
--
2Q
Biaya keterlambatan:
Besar biaya keterlambatan sama dengan luas segitiga kedua dikalikan
dengan biaya keterlambatan setiap unit barang setiap tahun (Ct), sebagai
berikut.
Biaya keterlambatan selama satu siklus:
1
2
2R
Biaya keterlambatan selama satu tahun sebesar biaya di atas dikalikan dengan
banyaknya siklus selama satu tahun (R/Q), sebagai berikut.
(Q-S)
R
Q
ct
2R
(Q-S)
2Q
ct
Oleh karena itu, jumlah biaya seluruhnya selama satu tahun menjadi
sebagai berikut.
JB =
Cs+
S Ci
2Q
(Q-S)
2Q
Ct
=
2RCs Ct +Ci
Q
*
Ci
s* =
ct
2RCs
Ci
Ct +Ci
2. 10
Riset Operasi
*
t * == Q x 1 tahun
Contoh 2.1.
Suatu perusahaan menjual satu barang. Banyaknya kebutuhan konsumen
setiap tahun sebanyak 1.000 buah. Biaya penyimpanan barang setiap tahun
sebesar 20% dari harga barang, harga setiap barang Rp20,00. Setiap
melakukan pemesanan memerlukan biaya Rp100,00. Kalau terjadi
keterlambatan barang konsumen masih mau membeli, tetapi perusahaan
harus menanggung biaya ekstra Rp3,65 setiap barang setiap tahun.
Berdasarkan data di atas kita hitung bahwa Ci sebesar 20% x Rp20,00 =
Rp4,00, Cs sebesar Rp100,00, R sebanyak 1.000 barang dan Ct sebesar
Rp3,65. Jumlah pemesanan yang optimum adalah:
Q* =
2( 1.000 )( 100)
4
3, 65 + 4 == 324
3,65
s* =
2( 1.000 )( 100)
4
3, 65 == 154
3,65 + 4
324
t ==
== 0, 324 tahun
1.000
Jumlah biaya yang optimal:
1.000
4(154)
3,65(170)
JB==
100+
+---324
2( 324)
2( 324)
JB == 617,82
Y aitu Rp617 ,82 selama satu tahun.
EKMA4413/MODUL 2
2.11
LATIHAN
2)
3)
4)
5)
2. 12
Riset Operasi
b.
c.
d.
Q*
Q*
a.
b.
a.
b.
a.
b.
c.
d.
= 558,70 kuintal
=2.449,49 buah barang, dibulatkan =2.449 buah
Q* = 3.098,39 buah, dibulatkan = 3.098 buah
Pembelian setiap tahun dilakukan 20,65 kali.
t* = 17,43 hari
JB = Rp309.794,50
Q* = 112 buah
S* = 67 buah
T* = 0,0786 tahun = 29 hari
JB* = 134.165,18
RANGKUMAN
TES FORMATIF 1
Data her1knt ci1 o-nnakan nnt:n k men1 a wah
~oal
no 1
~ci
no. S.
2.13
EKMA4413/ MODUL 2
2)
3)
4)
Jumlah waktu optimum antara satu pesanan dengan pesanan lain (t) . . ..
A. 10,5 hari
B. 11 ,5 hari
C. 12,5 hari
D. 13,5 hari
5.
Tingkat penguasaan =
----------
x 100%
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% = baik sekali
80 - 89% = baik
70 - 79% = cukup
< 70% = kurang
2.14
Riset Operasi
2.15
EKMA4413/MODUL 2
Kegiatan Belajar 2
Beberapa Macam
Model Persediaan yang Lain
A. MODEL PERSEDIAAN DENGAN POTONGAN BARGA
Dalam model persediaan ini dimasukkan adanya potongan harga beli
barang yang dibutuhkan. Biasanya kalau jumlah pembelian mencapai jumlah
tertentu akan mendapat potongan harga, misalnya kalau membeli dalam
jumlah 1000 buah barang atau lebih akan mendapat potongan harga 10%.
Oleh karena itu, dalam hal ini terdapat 2 macam harga beli. Harga beli
pertama (PI) kalau tidak ada potongan harga dan harga kedua (P2) kalau
mendapat potongan harga. Kalau batas untuk mendapat potongan harga itu
sebanyak b maka harga pertama (P 1) akan berlaku kalau jumlah setiap
pembelian kurang dari b, sedang harga kedua (P2) terjadi apabila jumlah
pembelian melebihi atau paling tidak sama dengan b. Oleh karena ada
perbedaan harga ini maka untuk mencari titik optimum pembelian, kita
gunakan persamaan biaya ditambah dengan harga beli barang. Dalam hal ini
kita mengenal dua macam persamaan jumlah harga barang dan biaya (JHB)
sebagai berikut.
Jumlah harga barang dan biaya tanpa potongan harga.
JHB1 = REj + R Cs + Q Ci
Q .
JHB2 :::::: RB2 + Cs + Cz
. Q
2
R
Kedua macam biaya itu kalau digambarkan, seperti pada Gambar 2.4.
Garis penuh menunjukkan garis biaya yang bisa direalisasi, sedangkan garis
putus-putus adalah garis biaya yang tidak bisa direalisasi atau tidak berlaku
karena harganya tidak sesuai. J adi, garis biaya pada titik b berpotongan turun
ke bawah, kemudian mengikuti garis biaya kedua.
2.16
Riset Operasi
' 1.rn!m iT I~ .. a
U~f1 EHS~
IHBt
Jl-$ ,,
[
[
. . f"WT
JHB 1, JHB2,
Gambar 2.4a.
Garis Biaya yang Tidak Bisa Direalisasi dan Q Minimum.
b.
Jrn\ltBJI tfsttLHI
nan ~vP
...
...
....
.I
~'
.)-
lJ
JHB 1 , JHB2 ,
..IIIII
Gambar 2.4b.
Garis Biaya yang Tidak Bisa Direalisasi dan Q Minimum .
c.
2.17
EKMA4413/ MODUL 2
~.U f:1 I I~
~1cHt
l1:
rr--+ ~
.at .v
,g
'
liii
--1!!1
I
JHB 1 , JHB2 ,
Gambar 2.4c.
Garis Biaya yang Tidak Bisa Direalisasi dan Q Minimum.
Hal ini bisa terjadi sebab dalam persamaan biaya di atas (JHB 1 atau
JHB 2) perbedaannya pada harga beli barang. Dalam harga beli barang (RP 1
atau RP 2) ini tidak mengandung Q. Jadi, dianggap sebagai bilangan, kalau
diturunkan sama dengan 0.
2R Cs
Qmin == Ql min == Q2min ==
Ci
Dalam mencari jumlah yang optimal ini mula-mula kita cari jumlah
pembelian yang meminimumkan JHB, dengan rumus Qmin di atas:
a. Kalau Qmin berada di atas batas potongan harga maka jumlah pembelian
yang optimal pada titik Qmin (Q* = Qmin), seperti pada Gambar 2.4.a.
b. Kalau Qmin di bawah batas potongan harga maka kita hitung JHB 1 pada
titik Q minimum dibandingkan dengan JHB 2 pada titik b (batas potongan
harga). Kalau JHB 2 pada titik b yang lebih murah daripada JHB 1 pada
titik Qmin (seperti pada Gambar 4.b) maka kita pilih Q (Q optimal) pada
titik b, tetapi kalau nilai JHB 1 pada titik Qmin yang lebih murah daripada
JHB 2 pada titik b (seperti pada Gambar 4.c) maka kita pilih titik Qmin
sebagai Q* (Q optimum). Untuk jelasnya, dapat dilihat pada contoh
berikut.
2.18
Riset Operasi
Contoh 2.2
Suatu perusahaan roti setiap tahun memerlukan 2.400 kuintal gandum.
Kebutuhan akan gandum ini sepanjang tahun relatif stabil. Kalau jumlah
setiap pembelian kurang dari 500 kuintal maka harga beli gandum setiap
kuintal Rp20.000,00, tetapi kalau jumlah setiap pembelian paling tidak 500
kuintal harga beli gandum hanya Rp18.500,00 setiap kuintal. Biaya
pemeliharaan barang di gudang setiap kuintal sebesar Rp400,00. Biaya setiap
melakukan pemesanan sebesar Rp35.000,00.
Qmin =
2 2 400 35 000
( .
)
= 648,07 kuintal
400
Oleh karena Omin = 648,07 kuintallebih besar dari batas potongan harga
maka titik Q* sebesar 648,07 kuintal.
rrnUM1 ftat ga
~:en~v
Ill
...
[
1!!!1
-~
Gambar 2.5.
Contoh 2.3
Andaikata dalam Contoh 2.2 di atas biaya pemesanan tidak Rp35.000,00,
tetapi kita ganti dengan RplO.OOO,OO maka:
Qmin
2.19
EKMA4413/MODUL 2
karena Qmin = 346,41 kuintal lebih kecil dari b maka harus dibandingkan
JHB 1 pada titik Qmin dengan JHB 2 pada titik b.
JHB1 pada Qmin, yaitu:
2
346 41
= 2.400(20.000) + .400 (1 0.000) +
( 400) = Rp 48.138.564,06
346,41
2
11!!11
I ,
--
-~ I
ll 1 1r ., ~c~~ 11)
~~~LW
Gambar 2.6.
Contoh 2.4
Andaikata dari Contoh 2.2 kita ubah, di samping biaya pemesanannya
menjadi Rp5.000,00 juga biaya pemeliharaan barang yang mula-mula
Rp400,00 menjadi Rp600,00 setiap kuintal setiap tahun maka:
Qmin =
Oleh karena Qmin lebih kecil dari b maka hams kita pilih antara
dengan b sebagai Q*.
Qmin
2.20
Riset Operasi
2 400
200
= 200(20.000) +
(5.000) +
(600) =
200
2
Rp4.120.000,00
2
500
(600) ==
JHB 2 pada titik b == 500(18.500) + .400 (5.000) +
500
2
Rp9.424.000,00
Berdasarkan kedua hitungan di atas temyata JHB 1 pada titik Qmin lebih
murah maka kita pilih titik Qmin sebagai titik Q* . Jadi, Q* atau jumlah
pembelian yang paling optimum sebesar 200 kuintal.
1~nn11aJ 11M,8JYQS I
H~n;IHla:~a
Gambar 2.7.
2.21
EKMA4413/ MODUL 2
dibuatnya itu maka jumlah barang yang dibuatnya itu akan bertambah terus,
seperti pada garis produksi dengan slope Pr. Setelah jumlah barang sesuai
dengan jumlah dalam order produksi maka produksi dihentikan. Dalam hal
ini produksi dilakukan selama t 1.
.
Alun~fah R~r~ttfu~~
-
...
o
.
..
.BI''"~Ar
Gambar 2.8.
Hubungan Antara Waktu dengan Jumlah Barang yang Dibuat Sendiri Kalau
Perusahaan tidak Menggunakannya.
-.Q
r,u-l<lLI
.___-----------~~--'_
~:v~w~
~ -. __ _ _ _
Gambar 2.9.
Hubungan
antara Waktu
dengan
Pemakaian
Barang kalau
Barang Sudah
Tersedia
:\ t -.-.... - - - - -
2.22
Riset Operasi
(tanpa dibuat dulu). Padahal, dalam model persediaan barang kebutuhan yang
dibuat sendiri ini, di samping menghasilkan juga tetap menggunakan barang
itu (misalnya untuk produksi). Oleh karena itu, sekarang kita gabungkan,
seperti yang terlihat pada Gambar 2.1 0. Pada gambar itu kita lihat bahwa
dalam satu siklus pemesanan terdapat 2 segitiga. Segitiga pertama di sebelah
kiri, pada waktu perusahaan sedang membuat barang dan pada saat yang
bersamaan pemakaian barang tetap berj alan seperti biasa. J adi, menghasilkan
sambil dipakai karena tingkat produktivitas (Pr) lebih tinggi dari pada tingkat
pemakaian maka sisanya masuk persediaan sehingga jumlah persediaan
selalu bertambah dengan slope (Pr - R). Dengan menggunakan sudut dan
garis segitiga itu maka dapat dihitung besar persediaan maksimum sebesar:
Q(Pr-R)
Pr
J angka waktu berproduksi tetap sebesar t 1 karena setelah order terpenuhi
produksi berhenti.
Segitiga kedua di sebelah kanan yang menunjukkan daerah di mana
perusahaan sedang tidak menghasilkan barang yang dibutuhkan tetapi hanya
menggunakan barang itu. Jumlah barang berkurang sedikit demi sedikit
dengan slope garis sebesar -R. Jangka waktu memakai saja tanpa berproduksi
selama t2 . J angka waktu satu siklus pemesanan selama t = t 1 + t2 .
~JI
If.-
l11
~.,_
lllih
, - -......;:
J...
-----
- k
I I
..,..- -----"'1
'
I - - - - ----.
"'"-
2.23
EKMA4413/MODUL 2
Lama setiap siklus pemesanan selama Q/R tahun, yaitu sebesar jumlah
yang dipesan dibagi kebutuhan selama satu tahun. Jangka waktu berproduksi
(ti) sebesar Q/Pr, yaitu jumlah order produksi dibagi produktivitas selama
satu tahun dan lamanya memakai saja tanpa produksi (t2) dapat dicari dengan
(t- t 1). Jadi,
==
Q
R
Q
tl ==Pr
t2 == t- t1
==
Q- Q =Q
R Pr
Pr-R
RPr
1.
Biaya Set-Up
Dalam model ini kita juga mengenal biaya set-up, yaitu biaya memulai
berproduksi, yang antara lain berupa menyetel mesin, mempersiapkan
kebutuhan untuk proses produksi, membuat schedule, menjelaskan kepada
karyawan yang akan mengerjakan, dan lain-lain. Besar biaya ini sama untuk
setiap memulai produksi, yaitu sebesar Cs. Jumlah biaya set-up ini selama
satu tahun sebesar frekuensi pemesanan (dalam setahun memesan beberapa
kali) dilakukan dengan biaya set-up sekali memesan, sebagai berikut.
Jumlah biaya set-up selama satu tahun
2.
R Cs
2.24
Riset Operasi
Pr-R
Pr
--
Ct.
Q ( Pr- R) Q ( Pr- R)
- - - 2- +
cl
2
2Pr
2RPr
Pr-R
--
Pr
Ci
Q
Pr-R
c
-X
1
2
Pr
Jumlah dari biaya set-up dan biaya pemeliharaan barang selama satu tahun:
JB = R Cs + Q Pr - R Ci
Q
2 Pr
Berdasarkan persamaan biaya tersebut diatas bisa dicari jumlah
pemesanan produksi barang yang bisa meminimumkan biaya:
Q*
2RCs
Ci
Pr
Pr-R
2.25
EKMA4413/MODUL 2
Contoh 2.4
Suatu perusahaan memerlukan onderdil untuk membuat suatu produk
sebanyak 100.000 buah setiap tahun. Onderdil itu tidak dibeli dari luar
perusahaan, tetapi dibuat sendiri, dengan tingkat produktivitas sebanyak
200.000 buah kalau selama 1 tahun membuat terns. Setiap memulai
berproduksi memerlukan biaya persiapan Rp5.000,00. Biaya pembuatan
onderdil itu setiap buah sebesar Rp10,00 dan biaya pemeliharaan dalam
penyimpanan setiap tahun sebesar 20% dari nilai persediaan.
Berdasarkan data itu dapat diketahui bahwa biaya pemeliharaan gudang
setiap tahun setiap barang (Ci) = Rp2,00, Cs = Rp5.000,00, R = 100.000
dan Pr = 200.000
Jumlah setiap pemesanan yang optimal:
Q*
2(100.000) 5.000
200.000
200.000-100.000
1.
buah
3 623
t* =
= 0,15 8 tahun, k'Ira-k'Ira 58 h ari.
200.000
Jangka waktu setiap siklus pesanan, yaitu jangka waktu antara suatu
pembuatan dengan pembuatan onderdil berikutnya:
31 623
t* =
2.26
Riset Operasi
LATIHAN
2)
3)
4)
5)
2.27
EKMA4413/MODUL 2
b.
1)
Q . ==
mm
2.000(2.000)t
2 000
500
~0.000+)
500
~0= )4.160.
000
2)
3)
4)
Q . ==
mm
Ternyata Qmin berada di atas batas potongan harga maka jumlah setiap
kali pembelian yang optimum = 1.220 buah barang.
Jumlah harga dan biaya = Rp4.190.400,00
Omin sebesar 500 buah barang.
JHB 1 pada Qmin = Rp4.160.000,00
JHB 2 pada batas potongan harga = Rp4.180.000,00
Jadi jumlah pembelian optimal pada titik Omin sebanyak 1.220 buah
barang.
Jumlah pemesanan yang paling optimal:
*
2 (5.640) (8.000)
67.680
Q =
5.000 ( 0, 20)
67.680-5.640
5)
a.
* ==
2 ( 3.000) ( 25.000)
50
12.000
- - - - - ==
12.000-3.000
2.000 buah.
2.28
Riset Operasi
Catalan: Rata-rata produksi dalam tanda akar bagian kanan (Pr) bisa
juga harian, tetapi tingkat kebutuhan pada bagian itu harus harian juga
(r). Sedang kebutuhan di bagian kiri (dalam akar) harus selama satu
tahun (R), hasilnya sama sebagai berikut.
*
Q ==
b.
2 ( 3.000) ( 25.000)
40
== 2.000 buah
50
40-10
Jumlah biaya set-up dan biaya pemeliharaan barang selama setahun
(dalam rupiah) adalah
JB = 3.000 ( 25.000) + 2.000 12.000-3.000 50= 75.000
2.000
2
12.000
; RANGKUMAN
2.29
EKMA4413/MODUL 2
TES FORMATIF 2
2)
3)
4)
Jumlah harga barang (JHB) pada tingkat pembelian lebih dari 10.000
kg adalah ....
A. Rp2.445.255,00
B. Rp2.285.600,00
C. Rp2.208.000,00
D. Rp2.200.000,00
5)
seharusnya
perusahaan
2.30
Riset Operasi
A.
B.
C.
D.
< 8.000 kg
8.000 sd. 10.000 kg
> 10.000 kg
tidak ada yang benar
Tingkat penguasaan =
x 100%
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% =
80 - 89% =
70 - 79% =
< 70% =
baik sekali
baik
cukup
kurang
2.31
EKMA4413/ MODUL 2
Tes Formatif2
1) B
2) A
3) B
4) c
5) c
2.32
Riset Operasi
Daftar Pustaka
Churchman, C.W., Ackoff, R .. dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Subagyo, P., Asri, M. dan Handoko, T. H. Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Taha, H. A. ( 1982). Operations Research, An Introduction . McMillan
Publishing Co. Inc.
Modul
PENDAHULUAN
itinjau dari kata-katanya, linear programming berarti pembuatan
program atau rencana yang mendasarkan pada asumsi-asumsi linear.
Penjelasan di atas merupakan pengertian secara sempit. Adapun arti secara
lebih luas adalah suatu cara alokasi sumber daya yang terbatas jumlahnya
secara optimal untuk melaksanakan beberapa macam aktivitas yang
semuanya memerlukan sumber-sumber daya tadi.
Sumber daya yang ada yang akan kita gunakan untuk mencapai tujuan
kita itu terbatas jumlahnya, padahal kita harus melaksanakan beberapa
aktivitas, yang tiap-tiap aktivitas itu memerlukan sumber-sumber daya tadi
sehingga seolah-olah aktivitas-aktivitas itu berebut sumber daya yang
terbatas jumlahnya itu. Oleh karena itu, sumber-sumber daya itu hams
dialokasikan sedemikian rupa agar diperoleh hasil yang optimal. Yang
dimaksud dengan optimal di sini adalah yang sebaik-baiknya untuk kita,
tentu saja kalau hal-hal yang kita senangi, seperti laba, penerimaan uang,
kepuasan, kenikmatan, kegembiraan, dan sebagainya kita usahakan sebanyak
mungkin (kita maksimumkan), sedang untuk hal-hal yang tidak kita senangi,
seperti kerugian, pembayaran, biaya, kesedihan, kekecewaan, waktu
menunggu dan sebaiknya kita tekan sekecil apa pun (kita minimumkan).
Adapun yang dimaksud dengan asumsi linear adalah anggapan bahwa
perubahan segala sesuatu yang dimaksudkan dalam model kita bersifat linear,
ada hubungan linear atau proporsional dengan tingkat aktivitas yang kita
lakukan.
Sebagai contoh masalah alokasi sumber untuk melaksanakan aktivitasaktivitas dengan optimal adalah dalam kegiatan kita sehari -hari. Sebenamya
banyak aktivitas yang akan kita laksanakan, tetapi terdapat batasan paling
tidak waktu yang sehari hanya ada 24 jam dan uang hanya sebanyak yang
kita miliki. Padahal, kita ingin belajar, olahraga, memperoleh hiburan,
3.2
Riset Operasi
istirahat, dan sebagainya. Semua aktivitas itu, kalau bisa akan kita laksanakan
semua agar diperoleh kepuasan yang sebanyak-banyaknya, tetapi sayang
sekali terbatasnya waktu dan uang yang kita miliki menyebabkan kita hams
membagi waktu dan uang kita sedemikian rupa agar tingkat pelaksanaan tiap
aktivitas itu dapat sebaik-baiknya bagi kita. Misalnya, belajar 3 jam, olahraga
sekali seminggu saj a, tidur setiap hari 7 jam, hiburan seminggu sekali saj a
dan sebagainya. Pengaturan itu terpaksa kita lakukan karena tidak mungkin
kita melaksanakan semua aktivitas sepuas-puasnya sehingga dicari kombinasi
yang terbaik bagi kita.
Setelah mempelajari modul ini Anda diharapkan bisa menerapkan cara
alokasi sumber daya yang terbatas secara optimal, untuk melaksanakan
beberapa kegiatan, dengan asumsi -asumsi linear.
Secara khusus telah mempelajari modul ini, diharapkan Anda bisa:
1. membuat formulasi masalah ke dalam persamaan-persamaan dan
menyusunnya ke dalam linear programming;
2. memecahkan masalah secara sederhana dengan pendekatan grafik;
3. menjelaskan dasar pemikiran yang digunakan dalam linear
programmzng;
4. menafsirkan arti dari hasil pemecahan optimal berdasarkan metode
grafik sebagai dasar dalam mengambil keputusan.
EKMA4413/MODUL 3
3.3
Kegiatan Belajar
1
Nomor dari sumber daya
Nomor aktivitas
J
Banyaknya macam sumber
m
Untuk menjelaskan cara formulasi masalah ke dalam persamaanpersamaan linear maka kita gunakan contoh sebagai berikut.
3.4
Riset Operasi
PRODUK BAHAN
BAKU
A
B
Sumb8ng8n terh8d8p
L8b8 d8l8m RP.
2
3
KAPASITAS
MAKSIMUM
6.000
9.000
B
Sumb8ng8n terh8d8p
L8b8 (d818m Rp}.
KEBUTUHAN BAHAN
BAKU/UNIT
Produk 1
Produk 2
2 811
1 821
2 812
3 822
3 C1
4 C2
KAPASITAS MAKSIMUM
6.000 b1
9.000 b2
1.
3.5
EKMA4413/ MODUL 3
2.
Batasan Fungsional
Batasan ini menunjukkan alokasi sumber yang tersedia. Kalau setiap unit
aktivitas memerlukan a unit sumber i maka dapat ditunjukkan dengan
persamaan sebagai berikut.
a11 X1 + a12 X2 + a13 X3 + ....... ain + Xn :::; b1
(untuk i= 1,2,3 , .... m)
atau secara lebih j elas :
au x l + al2 x 2 + a13 x 3 + ... .. ... a1n Xn -<
a21X 1 + a22 x 2 + a23 x 3 + .... .... a2n Xn -<
a31xl + a32 x 2 + a33 x 3 + .... .... a3n Xn -<
.
..
..
..
.
..
..
..
Pada contoh di depan kita memiliki dua batasan, yaitu bahan baku A dan
bahan baku B . Bahan baku A dibutuhkan oleh setiap unit produk pertama
sebanyak 2 kg dan oleh setiap unit produk kedua sebesar 2 kg. J adi,
banyaknya kebutuhan setiap unit produk pertama akan bahan baku A (2 kg)
ini dikalikan dengan jumlah produk pertama yang dihasilkan (X 1) ditambah
dengan kebutuhan produk ke-2 akan bahan baku A (1 kg) di kali dengan
3.6
Riset Operasi
jumlah produk ke-2 yang dihasilkan (X2) merupakan kebutuhan bahan baku
A untuk berproduksi. Ini tidak boleh melebihi 6.000 kg sehingga formulasi
batasan bahan baku A ini sebagai berikut.
2X+X< 6.000
Demikian pula untuk bahan baku B, dengan logika yang sama dapat
disusun persamaan sebagai berikut.
2X 1 + 32 <9.000
3.
Batasan Non-Negatif
Batasan non-negatif mengharuskan hasil aktivitas itu (X 1 dan X 2 ) tidak
boleh negatif, harus positif atau paling kecil sebesar 0. Hal itu dapat
dinyatakan dengan persamaan sebagai berikut.
x1 ~ o; x2 ~ o
Secara keseluruhan dapat kita cantumkan formulasi masalah di atas ke
dalam fungsi-fungsi sebagai berikut.
Fungsi tujuan
: Maksimum Z = 3X1 + 4X2
Batasan-batasan : (1) 2X 1 + X 2 :::; 6.000
(2) 2X 1 + 3X2 :::; 9.000
(3) X1 > o; x2 > o
Bentuk formulasi di atas disebut bentuk standar dari linear
programming, yaitu bentuk yang paling sederhana dan bisa langsung
dipecahkan. Tanda-tanda dari bentuk standar adalah:
a. fungsi tujuan bersifat memaksimumkan;
b. batasan fungsional bertanda < atau tidak boleh lebih dari nilai
maksimum tertentu;
c. batasan non negatif bertanda ~ 0 atau nilai ukuran aktivitas (Xj)
minimum 0, tidak boleh negatif.
Dalam kenyataan banyak masalah yang formulasinya tidak persis sama
dengan bentuk standar di atas, misalnya fungsi tujuan bersifat
meminimumkan, batasan fungsional bertanda ~ atau = dan fungsi batasan
non-negatif bertanda tidak boleh lebih kecil dari nilai tertentu, tidak boleh
lebih besar dari nilai tertentu atau bertanda boleh positif atau negatif.
EKMA4413/MODUL 3
3.7
1.
Persiapan
Mula-mula gambarkanlah sumbu horizontal yang mewakili ukuran
aktivitas pertama (atau produk pertama yang dihasilkan dalam contoh kita)
yang diberi simbol X 1, dan sumbu vertikal yang mewakili tingkat aktivitas
kedua atau jumlah produk 2 yang dihasilkan dalam contoh kita yang diberi
simbol X2 , seperti yang terlihat dalam Gambar 3.1
3.8
Riset Operasi
...
'
Gambar 3.1.
Sumbu X1 dan Sumbu X2
2.
3.9
EKMA4413/ MODUL 3
Penggunaan yang lebih sedikit masih diperbolehkan. Oleh karena itu, untuk
menunjukkan daerah feasible (yang bisa dicapai) menurut batasan ini, kita
beri tanda anak panah ke kiri bawah dari garis itu seperti yang terlihat pada
Gambar 3.2.
Untuk batasan kedua (bahan baku B) juga kita gambarkan dulu garis
maksimumnya dengan cara, seperti pada batasan pertama di atas sehingga
titik potong pada sumbu X 1 pada titik X2 = 0 dan X 1 = 4.500. Titik potong
dengan sumbu X terletak pada titik di mana nilai X 1 = 0 dan nilai X 2 = 3.000.
Setelah bisa digambarkan garis maksimumnya maka kita beri tanda anak
panah ke kiri bawah untuk menunjukkan bahwa daerah yangfeasible, seperti
terlihat pada Gambar 3.2.
3.
~""
'Q
f ~ ....r-~=-r-:-
J..1
tuTtan:
Gambar 3.2.
Batasan-batasan Fungsional dan Batasan-batasan Non negatif serta Daerah
Feasible
Dari Gambar 3.2 di atas dapat kita ketahui daerah feasible (yang bisa
dicapai), yang tidak melanggar batasan-batasan yang ada, yaitu di sebelah
kiri bawah atau pada garis maksimum batasan pertama (bahan baku A), di
3.10
Riset Operasi
sebelah kiri bawah atau pada garis maksimum batasan kedua (bahan baku B),
di atas atau pada sumbu X 1 dan di sebelah kanan atau pada sumbu X 2 . Pada
gambar tersebut ditunjukkan dengan daerah yang dibatasi titik sudut OABC.
4.
2x1 + x2 = 6.ooo
2X1 + 3X2 = 9.000
3.11
EKMA4413/ MODUL 3
3 000
2X2 = 3.000
Jadi, nilai x2=
= 1.500
2
Nilai X 1 dapat dicari dengan memasukkan nilai X 2 pada salah satu
persamaan, misalnya kita ambil persamaan batasan pertama:
2X1 + 1.500 = 6.000 sehingga X 1 = (6.000-1.500): 2 = 2.250
Sehingga kesimpulan produksi yang optimal adalah dengan
menghasilkan:
Produk pertama sebanyak X 1 = 2.250 unit
Produk kedua sebanyak X 2 = 1.500 unit
Jumlah sumbangan terhadap laba sebesar
z = 3(2.250) + 4(1500) = 12.750
l~
..
s.tlao: .
.
tl~~ooo
'
~.
. -.
Gambar 3.3.
Mencari Titik Optimal dengan Menggambarkan Fungsi Tujuan
3.12
Riset Operasi
1.
(~)
Penyimpangan yang bisa terjadi, antara lain dengan adanya > pada
batasan masalah. Hal ini berarti bahwa nilai yang diperoleh tidak boleh lebih
kecil dari suatu tingkat tertentu. Yang mula-mula kita rubah tanda
3.13
EKMA4413/MODUL 3
--
Gambar 3.4.
Fungsi Batasan Bertanda
Lebih Besar atau Sarna
Dengan C~)
0.
'
2.
Apabila fungsi batasan bertanda sama dengan (=) maka berarti bahwa
daerahfeasible menurut batasan ini berada pada sepanjang garis batasan itu,
tidak boleh menyimpan (lebih atau kurang) dari garis itu. Andaikata batasan
kedua pada contoh di depan (2X 1 + 3X2 ~ 9.000) kita ubah menjadi 2X 1 +
3X2 = 9.000 maka bentuk batasan itu, seperti yang terlihat pada Gambar 3.5.
3.14
Riset Operasi
I ~
Gambar 3.5.
Fungsi Batasan Bertanda
Sam a Dengan ( =)
3.
3.15
EKMA4413/MODUL 3
optimal berada pada titik B, dengan nilai XI = 1.500, x2= 2.250 dan nilai
z = 12.750.
Andaikata pemecahan masalah ini dilakukan dengan mencoba nilai Z
pada semua titik sudut yang feasible maka pilihlah titik sudut yang
mempunyai nilai Z terkecil. Dalam hal ini nilai Z pada titik B sebesar 12.750
dan nilai Z pada titik E sebesar 13.500 sehingga sesuai dengan tujuan kita
meminimumkan nilai Z maka kita pilih titik B yang nilai Z-nya terkecil.
I
'
~i
,.
~2 == tl;@OO]I
IV,
1'lo':.
--------------------------------'
Gambar 3.6.
Pemecahan Optimal Apabila Fungsi Batasan Pertama Bertanda >, Batasan
Kedua Bertanda = dan Fungsi Tuj uan Meminimumkan Nilai Z
4.
3.16
Riset Operasi
~------------------------------
X13-~
~1'
I
'
Gam bar 3. 7.
Batasan Non-Negatif untuk X1 Berubah menjadi X1 ~ -500 atau Berubah
menjadi X1 ~ 2.000
1.
Daerah Feasible
Daerah feasible adalah daerah yang tidak melanggar batasan-batasan
yang ada. Misalnya, pada Gambar 3.2, yang disebut sebagai daerahfeasible
adalah daerah OABC (yang diarsir), sedang pada Gambar 3.6 yang disebut
daerah feasible adalah sepanjang garis BD. Daerah di luar daerah feasible
disebut daerah tidakfeasible, yaitu yang tidak bisa dicapai/direalisasi.
2.
EKMA4413/MODUL 3
3.17
3.
3.18
Riset Operasi
~~1 :
;x!=-6.:00'0
\K
-"
Gambar 3.8.
Masalah yang Tidak Memiliki Daerah Feasible
4.
EKMA4413/MODUL 3
3.19
4X2 sehingga pemecahan optimal terletak pada titik B, sebab titik B memiliki
nilai Z terkecil di antara semua titik sudutfeasible yang ada (titik B dan D).
5.
3.20
Riset Operasi
BlDU
-~I
~----------------------------~
Gam bar 3. 9.
Terdapat beberapa titik optimal, sepanjang garis yang menghubungkan
titik B dan C
6.
3.21
EKMA4413/ MODUL 3
~..
'
7.
yang formulasinya, seperti tersebut berikut ini dan grafiknya, seperti terlihat
pada Gambar 3 .11.
Fungsi tujuan
: Maksimumkan Z = 3X 1 + 4X2
Batasan-batasan
: (1) 2x1 + x2 ::; 6.ooo
(2) 2X1 + 3X2 ::; 9.000
(3) x 2 < 2.ooo
(4) XI ::; 2.800
(5) X1 > o; X2 > o
Pada titik B, nilai X 1 = 2800, X 2 = 400 dan Z = 10.000, pada titik C nilai
X 1 = 2.250, X 2 = 1.500 dan Z = 12.750, sedang pada titik D nilai X 1 = 1.500,
x 2 = 2.000 dan z = 12.500. nilai z pada titik c lebih besar dari nilai z pada
3.22
Riset Operasi
titik B dan titik D Ini berarti bahwa nilai Z pada titik B itu lebih tinggi dari
semua nilai Z pada titik yang lain. Temyata kalau kita hitung, nilai Z pada
titik A hanya 8.400 dan titik E hanya 6.000, keduanya lebih rendah dari pada
titik C.
Gambar 3.11.
Hubungan titik-titik sudut yang feasible
8.
Analisis Sensitivitas
3.23
EKMA4413/ MODUL 3
~.U\ Ill
'
~ =m (\'JD:Qj
'-"'
~-'
z: .
------------------------~
Gambar 3.12.
Pelonggaran Kendala Pertama Dengan 500
(
.J
Gambar 3.13.
Pelonggaran
Maksimum
Kendala Pertama
dengan 3. 000
,,
3.24
Riset Operasi
Daerah feasible baru segitiga OA"C, dan titik optimal di A" dengan nilai
XI = 4.500, x2= 0, dan z = 13.500. Kalau kendala pertama dilonggarkan
lagi menjadi di atas 9.000, maka garisnya akan melampaui (di sebelah
kanan) kendala kedua (titik A"). Akibatnya titik optimal tetap A" karena
kendala kedua membatasi sampai dengan titik A" saja, tidak dapat
dilanggar.
:_ _> .;!E..
' - - r :;:
- ___ -...
0
!1!'
;(
LATIHAN
3)
4)
5)
EKMA4413/MODUL 3
3.25
3.26
Riset Operasi
x1
(5) X1 > o;
x2 > o
3.27
EKMA4413/MODUL 3
.xa...
B
...
--
80.0
..
.. .. ---- - ""'~ o.
~v.
'-I!)." .'
.. .
srro ~
Daerah feasible adalah daerah OABCD. Kemudian, kita cari nilai Z pada
tiap-tiap titik sudut dan kita pilih yang paling besar dengan fungsi tujuan,
sebagai berikut.
Titik 0 : Nilai X 1 = 0, X 2 = 0, dan Z = 0.
Titik A : Nilai X1 = 225, X2 = o, z = 150(225) + 220(0) = 33.750.
Titik B : Terletak pada perpotongan garis 2X1 + 2,5X2 = 500 dengan
garis 2X 1 + 1,5X2 = 450, yaitu pada titik yang memiliki nilai
XI = 187,5 dan x2 = 50. Nilai z = 150(187,5) + 220(50) =
39.125.
Titik C : Terletak pada perpotongan garis X 1 + 4X2 = 600 dengan
garis 2X 1 + 2,5X2 = 500, yaitu pada titik yang memiliki nilai
XI = 90,92 dan nilai x2 = 127,27. Nilai z = 150(90,92) +
220(127,27) = 41.637,40.
Titik D : Nilai XI= 0, x2 = 150, dan z = 150(0) + 220(150) = 33.000.
Ternyata nilai Z tertinggi pada titik C sehingga titik ini yang kita pilih
sebagai titik optimal. Kesimpulannya agar bisa menghasilkan laba
tertinggi perusahaan harus menghasilkan produk pertama 90,92 unit dan
produk kedua 127,27 unit, dengan sumbangan terhadap laba sebesar Rp
41.637 ,40.
2) Di dalam masalah ini ada dua macam aktivitas, yaitu X 1 menunjukkan
jumlah pengrajin logam dan x2 jumlah pengrajin kulit yang akan
ditangani oleh pemerintah. Karena kita akan mengusahakan agar
kegiatan pemerintah itu memiliki akibat terhadap kenaikan GNP yang
sebanyak-banyaknya maka fungsi tujuan bersifat memaksimumkan nilai
Z, formulasi masalahnya sebagai berikut.
3.28
Riset Operasi
'.
...:f,
Titik
Sudut
- ~~~"
UJ.)Z. 1 .)!.:
--
_._,
...
Nilai
X1
X2
500,00
37.500,00
500,00
166,67
54.167,00
262,50
562,50
75.937,00
205,9
635,3
78.972,00
800,00
80.000,00
optimal
3)
3.29
EKMA4413/ MODUL 3
4)
Nilai
Titik
Sudut
X1
X2
5,00
20,00
4,81
2,81
35,29
3,41
4,61
35,49
7,00
28,00
Optimal
3.30
Riset Operasi
11 ;(J
5)
"
.,;,34V
lq;'jj
~"'"' -..,. .
:.-~a
.'.
~-..1-~r&k~ j'.ffi)
3.31
EKMA4413/MODUL 3
Titik Sudut
X1
X2
12,71
15,70
3,71
-4 12
'
5,88
40,53
1,65
7,06
40,25
2,35
4,94
31,75
Optimal
3.32
Riset Operasi
2)
fx ..' .
'n
------Q(g:x 1~~+-
snr
... .. d
..
,
'8)J,()
..... . . '"'
~~ 2 ~s-3cr
"'
,.iii!
..
a;,.
oo:a
- -
..
~'Co
,
--I ......
~t
A
io
.
1.-..,~~
...
--
&t
..
3)
y :..,; =
;.:\::
~ . 4 ~
.....
m
;oo
3.33
EKMA4413/ MODUL 3
4)
- - - - - ~11
(
"
~: 0_:1 ~ .
..
5)
I"'
.
&
:1"
.
.
.
.
1
~,
;
1
.
,
\h;.,
J ~~ ~
'~
- ..
-.
'
-~
.~
_""""""~" X'I
.
,,.
'1~~ I
"- .
I~
I ..
' '
...
4-
--
3.34
Riset Operasi
: RANGKUMAN
~oal
no 1 -
X1
X2
1
2
3
Sumbangan
terhadap laba
Rp1.000.000
0
8
6
5
Mesin
Kapasitas
Maximum
20
18
40
3.35
EKMA4413/MODUL 3
2)
3)
4)
B.
6x2
18
C.
8x 1 +5X 2
40
D.
6x 1 + 8X 2
B.
6x2
C.
8x1 + 5X2
40
D.
6x1 +8X2
6x2 < 18
C.
8x1 + 5X2
D.
40
0'
1-------..1!1-=~-...;._
;(t
Ell
~~
--------------------~:
3.36
5)
Riset Operasi
Tingkat penguasaan =
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
EKMA4413/ MODUL 3
3.37
3.38
Riset Operasi
Daftar Pustaka
Churchman, C.W., Ackoff, R, dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Subagyo, P ., Asri, M. dan Handoko. T. H. (1998). Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Taha, H. A. (1982). Operations Research, An Introduction . McMillan
Publishing Co. Inc.
Modul 4
PENDAHULUAN
alam Modul 3 telah dibahas metode simpleks dalam linear
programming. Metode itu sangat sederhana dan mudah dipahami,
tetapi hanya bisa dipakai untuk memecahkan masalah yang hanya memiliki
dua aktivitas. Kalau suatu masalah memiliki lebih dari dua aktivitas maka
metode ini tidak bisa digunakan karena menggambarkan grafik dalam 3
dimensi atau lebih itu sukar sekali. Berikut ini akan kita pelaj ari metode
simpleks atau sering disebut metode simpleks tabel karena memakai tabel
dalam mencari pemecahan optimal. Metode ini lebih rumit, tetapi
penggunaannya lebih luas karena dapat dipakai untuk memecahkan masalah
yang memiliki dua aktivitas atau lebih.
Setelah mempelajari modul ini Anda diharapkan dapat memecahkan
masalah linear programming yang memiliki variabel lebih dari 2 dan lebih
kompleks.
Secara khusus setelah mempelajari modul ini diharapkan Anda dapat:
a. memecahkan masalah linear programming yang memiliki variabel lebih
dari 2 macam;
b. memecahkan masalah dengan menggunakan tabel dan rumus-rumus
dalam metode simp leks.
4.2
Riset Operasi
Kegiatan Belajar 1
EKMA4413/MODUL 4
4.3
Maksimumkan
Z - 3X 1 - 4X2 = 0
Langkah 2: Mengubah Batasan-batasan
Semua batasan yang mula-mula bertanda lebih kecil atau sama dengan
(::::;) diubah menjadi tanda persamaan (=), dengan menggunakan suatu
tambahan variabel yang sering disebut sebagai slack variable dan biasanya
diberi simbol S. Sebagai contoh, misalnya batasan pertama dari masalah di
atas yang mula-mula berbentuk sebagai berikut.
2X1 + X 2 ::::; 6.000
diubah menjadi:
2x1 + X2 + s1 = 6.ooo
Dalam hal ini fungsi slack variable adalah untuk menampung perbedaan
antara bagian kiri dengan bagian kanan tanda sama dengan yang berarti
menampung perbedaan antar penggunaan sumber daya dengan tersedianya
sumber daya tadi. Kalau penggunaan sumber daya sama dengan kapasitas
yang tersedia maka nilai S sebesar 0, tetapi kalau penggunaan sumber daya
lebih kecil dari kapasitas yang tersedia maka nilai S positif.
Demikian pula dengan batasan kedua, kita ubah tandanya menjadi
persamaan sebagai berikut.
2Xl + 3X2 + S2 = 9.000
Dengan demikian, bentuk persamaan-persamaan tadi menjadi sebagai
berikut.
Fungsi tujuan:
Maksimumkan Z - 3X 1 - 4X2 = 0
Batasan-batasan: (1) 2X 1 + X 2 + S 1 = 6.000
(2) 2Xl + 3X2 + S2 = 9.000
(3) x~, x2, sb s2 > o
4.4
Riset Operasi
Tabel 4.1.
Tabel Simpleks dalam Bentuk Simbol
V.D.
X1
X2
z
s
s
0
0
a
a
a
a
Xn
52
a
a
0
0
51
5m
N.K
0
0
0
0
b
b
N.K. : adalah nilai bagian kanan dari tiap persamaan. Untuk tabel pertama
sesuai dengan persamaan batasan yang ada. Dalam persamaan fungsi
tujuan disebutkan bahwa kita akan memaksimumkan Z - 3X 1 - 4X2
= 0 sehingga kalau kita lihat pada Tabel 4.2, nilai kanan pada baris Z
sebesar 0. Demikian pula pada persamaan batasan pertama dan
kedua, nilai di sebelah kanan tanda sama dengan masing-masing
6.000 dan 9.000.
V.D. : adalah variabel dasar, maksudnya variabel yang nilainya tercantum
dalam kolom yang paling kanan, yaitu pada kolom N.K. Pada baris
Z, variabel dasarnya Z dan nilai Z pada Tabel 4.2 itu sebesar isian
baris itu pada kolom N.K., yaitu 0. Hal ini disebabkan karena pada
tabel pertama tersebut belum melaksanakan aktivitas apa-apa
sehingga nilai Z masih 0. Pada baris batasan pertama variabel
dasarnya S karena kita belum melaksanakan apa-apa, nilainya seperti
yang tercantum dalam kolom N.K. sebesar 6.000 kg karena sumber
daya pertama masih belum digunakan sama sekali. Demikian pula
batasan kedua, nilainya tercantum dalam kolom N.K. sebesar 9.000
kg karena sumber daya ini masih utuh belum digunakan sama sekali.
Dalam setiap tabel simpleks hams diperhatikan bahwa nilai variabel
dasar pada baris Z harus 0. Dalam Tabel 4.2 dapat dilihat bahwa variabel
dasarnya sl dan s2, ternyata nilai sl maupun s2pada baris z masing-masing
0. Kalau nilai variabel dasar itu tidak 0 maka tabel itu tidak bisa diselesaikan
dengan linear programming, mungkin terdapat kesalahan dalam langkah
4.5
EKMA4413/MODUL 4
sebelumnya. Di samping itu, perlu diperhatikan pula bahwa nilai kanan pada
setiap baris batasan harus selalu positif.
Tabel 4.2.
Tabel Simpleks Pertama untuk Masalah Produksi PT Kembang Arum
V.D.
S1
1
0
X1
-3
2
2
X2
-4
1
51
0
1
52
0
0
N.K.
0
6.000
9.000
Tabel pertama inilah yang nanti kita perbaiki sampai memperoleh hasil
optimal. Tabel itu bisa kita baca sebagai berikut. Batasan bahan baku A
masih utuh 6.000 kg belum digunakan (S 1 = 6.000), batasan bahan baku B
masih utuh 9.000 kg belum digunakan (S 2=9.000), aktivitas/produk pertama
maupun kedua belum dilaksanakan /dihasilkan. Sumbangan terhadap laba
belum ada (Z = 0).
Langkah 4: Memilih Kolom Kunci
Kolom kunci adalah kolom yang merupakan dasar untuk
mengubah/memperbaiki tabel di atas. Agar bisa lebih cepat memperoleh
pemecahan optimal, pilihlah kolom yang pada baris Z mempunyai nilai
negatif terkecil (yang paling negatif). Temyata nilainya pada kolom X 1
sebesar -3 dan pada kolom x2 sebesar -4. Jadi, kolom x2 yang kita pilih
sebagai kolom kunci. Lingkarilah kolom itu untuk memudahkan
mengingatnya, seperti terlihat pada Tabel4.3.
Tabel 4.3.
Memilih Kolom Kunci
-3
-4
6.000
9.000
4.6
Riset Operasi
Selama dalam baris Z masih terdapat bilangan negatif maka tabel itu
masih bisa diubah/diperbaiki, tetapi kalau sudah tidak ada yang negatif,
berarti tabel itu sudah optimal.
V.D.
X1
X2
81
82
N.K.
-3
-4
81
6.000
82
9.000
Indeks:
6.000/1 = 6.000
9.000/3 = 3.000
Kemudian, kita pilih baris kunci, yaitu baris yang mempunyai indeks
positif terkecil, yaitu baris batasan kedua (indeks batasan pertama 6.000 dan
batasan kedua hanya 3.000). Kemudian, baris kunci ini diberi tanda
4.7
EKMA4413/MODUL 4
(dilingkari) agar lebih mudah mengingatnya. Dari tabel di atas dapat dilihat
adanya angka yang masuk dalam kunci dan juga masuk dalam baris kunci,
yaitu yang disebut sebagai angka kunci sebesar 3.
V.D.
X1
X2
81
82
N.K.
-3
-4
81
6.000
82
9.000
81
X2
2/3
1/3
3.000
II
N ilai
b aris
lama
koefisien
pad a
olom kunci
N ilai b
bat
k
4.8
Riset Operasi
-4
0]
[ 2/3
1/3
3.000]
4/3
[-1 /3
0
0
Untuk baris batasan pertama sebagai berikut.
12.000]
- (-4)
- (1)
[2
6.000]
[2/3
1/3
3.000]
[ 4/3
-1 /3
3.000]
Kemudian, data tadi dimasukkan ke dalam Tabel II, seperti terlihat pada
Tabel4.6.
Tabel 4.6.
Tabel I Nilai Lama dan Tabel II Nilai Baru (Setelah Diperbaiki Sekali)
V.D.
X1
X2
-3
81
82
'2
81
82
N.K.
"'
-4
6.000
,3.,~
9.000 "\
81
X2
'
..1
..
-1 /3
4/3
12.000
4/3
-1 /3
3.000
2/3
1/3
3.000
II
Arti dari tabel itu adalah sebagai berikut. Produk pertama tidak dibuat
(X~, tidak muncul dalam V.D.), produk kedua dihasilkan 3.000 unit
(X2 = 3.000), dan sumbangan terhadap laba sebesar Rp12 .000,00 (Z =
12.000).
4.9
EKMA4413/ MODUL 4
2.250
- (-1 /3)
[ -1 /3
[1
0
0
4/3
3/4
-1 /4
12.000]
2.250]
[0
1/4
5/4
12.750]
1/3
-(2/3)
[ 2/3
1
0
0
3/4
-1 /4
3.000]
2.250]
[ 1
[0
-1 /2
1/2
1.500]
Tabel 4. 7.
Lanjutan Perbaikan Tabel 4.6.
V.D.
S1
S2
s1
X2
X1
X2
z
1
0
0
1
0
0
1
0
0
N.K.
-3
2
2
-1 /3
4/1
()
2/3
0
1
0
1
0
0
1
!l
0
1
0
0
1
4/3
12.000
-' /1
~-OOu
0
1/4
3/4
-1 /2
1/3
5/4
-1 /4
1/2
3.000
12.750
2.250
1.500
0
6.000
101
lndeks
2.250
4.500
4.10
Riset Operasi
Pada bagian III tabel di atas ternyata dalam baris Z sudah tidak memiliki
nilai negatif lagi yang berarti tabel ini sudah optimal. Arti dari hasil
pemecahan optimal ini sebagai berikut. Produk pertama dihasilkan 2.250 unit
(X 1 = 2.250), produk kedua dihasilkan 1.500 unit (X2 = 1.500), dan
sumbangan terhadap laba sebesar Rp12.750,00 (Z = 12.750).
C. KETENTUAN-KETENTUAN TAMBAHAN
Dalam contoh yang dibahas di atas masih sederhana dan belum terdapat
kesulitan dalam penyelesaiannya. Kadang-kadang dalam menyelesaikan
suatu masalah terdapat berbagai kesulitan, baik dalam penghitungan maupun
dalam penggunaan aturan-aturan yang ada. Dalam bagian ini akan
dibicarakan masalah-masalah tersebut agar kalau menghadapi masalahmasalah tersebut di atas dapat diselesaikan dengan mudah.
1.
X1
X2
X3
S1
S2
S3
N.K.
-3
-3
-2
S1
6.000
S2
9.000
S3
9.300
4.11
EKMA4413/MODUL 4
x2.
2.
3.
V.D.
X1
X2
X3
51
52
53
N.K.
-3
-4
-2
S1
6.000
3.000
S2
9.000
3.000
S3
9.300
4.650
lndeks:
pemecahan yang memiliki nilai Z optimal sama. Dengan kata lain, terdapat
dua atau lebih j awaban optimal. Hal ini akan terj adi apabila ada variabel yang
bukan termasuk variabel dasar tetapi dalam tabel optimal memiliki nilai 0
pada baris Z. Sebagai contoh, misalnya pemecahan masalah yang terlihat
pada Tabel4.10. Dalam tabel itu terlihat bahwa nilai XI pada baris Z sebesar
0, padahal variabel ini bukan variabel dasar sehingga berarti terdapat multiple
optimal solutions. Alternatif pertama, seperti pada bagian II Tabel 4.10
tersebut dengan nilai xl = 0, x2 = 3.000 dan nilai z = 9.000
4.12
Riset Operasi
Tabel 4.1 0.
Multiple Optimal Solutions (Lebih Dari Satu Jawaban Optimal)
-2
2
2
0
4/3
2/3
1
0
0
1
0
0
0
1
lndeks
6.000
3.000
0
6.000
L
9.000
3.000
3.000
0
0
,
0
0
1
0
1
-1 /3
2.250
1/3
1
0
4.500
Andaikata akan kita ubah lagi jawaban di atas untuk menemukan
jawaban optimal yang lain, seperti yang terlihat pada Tabel4.11.
Tabel 4.11 .
Alternatif jawaban optimal yang memiliki nilai Z sama.
I V.D.
I X1
IZ
1
S1
3
4
X2
2
-
I X2
.lll
S1
0
S2
0
I N.K.
9.000
I lndeks
II
3.000
2.250
3.000
4.500
9.000
3
4
2
3
1
- 4
1
2.250
X1
X2
1.500
Dalam Tabel 4 .11 itu dapat kita pilih kolom X 1 sebagai kolom kunci
karena memiliki nilai 0 dan bukan variabel dasar (karena tidak ada yang
negatif kita pakai kolom yang nilainya di baris Z = 0). Temyata ukuran
aktivitasnya berbeda (X 1 = 2.250 dan X 2 = 1.500) tetapi nilai Z-nya sama
sebesar 9 .000.
Secara matematis jawaban optimal dari kedua alternatif pemecahan di
atas sama saja karena kedua-duanya menghasilkan Z sebesar 9.000 semua.
Kita boleh memilih yang mana saja tidak ada bedanya, tetapi dalam praktek
kedua altematif jawaban ini sering tidak sama meskipun menghasilkan nilai
Z yang sama. Hal ini disebabkan karena ada faktor nonkuantitatif yang harus
EKMA4413/MODUL 4
4.13
4.14
Riset Operasi
hubungan bagian kiri dengan bagian kanan tanda sama dengan, tetapi kalau R
sudah ditambahkan pada suatu batasan maka harus ada pencantuman M pada
artificial variable itu di baris Z. M adalah bilangan yang besar sekali, tetapi
tidak tak terhingga sehingga M + M = 2M. Sebagai contoh, andaikata batasan
pertama dari contoh di atas diubah menjadi sebagai berikut. 2X 1 + X 2 = 6.000
maka formulasi masalahnya menjadi sebagai berikut.
Maksimumkan Z = 3X1 + 4X2
Fungsi tujuan:
Batasan-batasan:
(1)
2X 1 + X 2 = 6.000
(2)
2X 1 + 3X2 < 9.000
(3)
xb x2 :2: o
Batasan pertama diubah menjadi:
2Xl + X2 + R1 = 6.000
Dengan menambah variabel ini maka persamaan fungsi tujuan akan
berubah menjadi:
Maksimumkan: Z = 3X1 + 4X2 - MR1
Sehingga kalau batasan- batasan tadi dipersiapkan untuk dimasukkan dalam
tabel simpleks maka formulasi masalahnya menjadi:
Maksimumkan Z - 3X1 - 4X2 + MR1 = 0
Fungsi tujuan:
Batasan-batasan: (1) 2X 1 + X 2 + R 1 = 6.000
(2) 2Xl + 3X2 + S2 = 9.000
(3) xb x2 > o
Dan hasilnya, seperti terlihat pada Tabel 4.12.
Tabel 4.12.
Baris Batasan Pertama Mengandung R dan Baris Fungsi Tujuan Mengandung M
V.D.
X1
X2
R1
52
N.K.
-3
-4
R1
6.000
S2
9.000
4.15
EKMA4413/ MODUL 4
Dalam tabel itu ternyata nilai variabel dasar R ada baris Z sebesar M .
Hal ini melanggar ketentuan kita di depan yang mengharuskan nilai variabel
dasar pada baris Z hams selalu 0 karena tabel ini hams diubah agar nilai
variabel itu bisa 0. Caranya dengan jalan nilai baris Z dikurangi dengan M
dikalikan nilai baris yang mengandung M tadi.
[ -3
-4
M
0,
0 ]
-M [2
1
1
0,
6.000 M]
[(-3-2M)
(-4-M)O
0,
-6.000 M]
V.D.
R1
S2
X1
X2
R1
52
N.K.
(-3-2M)
2
2
(-4- M)
0
0
-6.000M
6.000
9.000
0
0
Tabel di atas bisa kita kerjakan dengan cara, seperti yang telah
dibicarakan di depan. Kolom kunci adalah kolom yang nilainya pada baris Z
paling negatif. Dalam hal ini kita pilih kolom X 2 karena memiliki nilai M
yang paling negatif. M lebih menentukan daripada bilangan biasa karena nilai
M besar sekali meskipun tidak tak terhingga.
3.
4.16
Riset Operasi
+ 3X2 ~ 9.000 sedang batasan dan persamaan yang lain tetap maka formulasi
masalahnya menjadi:
Fungsi tujuan:
Maksimumkan
Z = 3X 1 + 4X2
Batasan-batasan: (1) 2X 1 + X 2
< 6.000
(2) 2X 1 + 3X2
~ 9.000
(3) xb x2
>o
Dengan demikian, batasan kedua diubah menjadi:
2Xl + 3X2 - S2 = 9.000
Tetapi kalau persamaan itu kita masukkan dalam tabel akan melanggar
batasan non-negatif karena variabel dasarnya menjadi -S. Nilai -S ada di
kolom N.K. sebesar positif 9.000, berarti S pada tabel pertama ini bernilai 9.000 (lihat Tabel 4.14). Hal ini melanggar batasan non-negatif yang
menyatakan bahwa S ~ 0.
Tabel 4.14.
Variabel Dasar Batasan Kedua -5 Berarti Nilai S Negatif
V.D.
S1
z
1
0
X1
-3
2
2
X2
R1
52
N.K.
-4
1
3
0
1
0
0
0
6.000
9.ooo
4.17
EKMA4413/ MODUL 4
Tabel 4.15.
Memasukkan R sebagai Variabel Dasar
VD
NK
-3
2
2
0
0
-4
1
0
1
0
0
0
-1
6.000
9.000
Kita lihat dalam tabel tersebut masih melanggar ketentuan bahwa nilai
variabel dasar dalam baris Z harus 0 maka harus kita ubah dulu agar bisa
dikerjakan. Dengan jalan mengurangi baris Z dengan M dikalikan nilai baris
yang mengandung R. Perhitungan sebagai berikut.
[ -3
-4 0
3 0
[2
[(-3-2M) (-4 -3M)
-M
0
-1
0
M,
1,
M
OJ
9.000]
0, -9.000M]
V.D.
X1
X2
51
52
R2
N.K.
1
0
0
(-3-2M)
2
2
(-4- 3M)
1
3
0
1
0
M
0
-1
0
0
1
-9.000M
6.000
9.000
81
R2
4.18
Riset Operasi
V.D.
X1
X2
R1
52
R2
53
N.K.
-1
R1
6.000
Rz
-1
9.000
s3
4.000
-M
-M
[5
[2
[2
[(5- 4M)
1
0
0
0
-1
M
0
1
0
3
(2-4M)
0,
0
0,
0]
6.000]
9.000]
-15.000M]
4.19
EKMA4413/MODUL 4
V.D.
x1
X2
R1
52
R2
53
z
R1
R2
s3
-1
0
0
0
(5- 4M)
2
2
1
2-4M)
1
3
1
0
1
0
0
M
0
-1
0
0
0
1
0
0
0
0
1
-1
(2/3 + 4/3M)
(11/3- 4/3M)
(2/3 -113M)
N.K.
-15.000M
6.000
9.000
4.000
(- 6.000- 3.000M)
R1
X2
s3
4/3
1/3
-1
3.000
2/3
-1/3
1/3
3.000
1/3
1/3
-1
-1
0
0
0
1
0
0
0
1
0
0
0
1.000
-14.250
2.250
1.500
-1 /4
1/4
-3/4
250
-1
(-3 + M)
(4/3 + 113M)
-14.000
x1
x2
S3
2.000
-1
2.000
-1
-3
1.000
x1
x2
s3
0
(-11/4+M)
3/4
-1/2
-1 /4
1/4
-1/2
.25/12 + 1/3M)
-3/4
3/2
Arti dari hasil yang diperoleh pada tabel optimal itu adalah hasil optimal
dapat dicapai dengan melak:ukan aktivitas pertama dengan hasil2.000 satuan.
Aktivitas kedua 2.000 satuan dan nilai tujuan optimal (minimum) 14.000.
Meskipun nilai Z pada NK di baris Z = 14.000, tetapi nilai Z tetap positif
14.000 karena kita lihat untuk baris itu = -1, yang artinya nilai -Z karena
-Z = -14.000 maka berarti Z = 14.000.
. .
---
,~
. ......... -
'
'
.
- --- ~
!!
..
. ~
..
LATIHAN
":Jhi!
~
Suatu pabrik kaos kaki menghasilkan dua macam k:ualitas kaos kaki,
yaitu merek Seribu Tiga dan merek Murah Meriah. Untuk menghasilkan
4.20
Riset Operasi
kedua macam kaos kaki tersebut digunakan 3 macam bahan baku, yaitu
bahan baku A, B, dan C. Kebutuhan bahan baku untuk menghasilkan
tiap satuan produk sebagai berikut.
Kebutuhan Bahan Baku Per Satuan Produk
A
B
C
2 satuan
2 satuan
Seribu Tiga
3 satuan
Murah-Meriah
4 satuan
2 satuan
2 satuan
Maksimum tersedia
30 satuan
42 satuan
80 satuan
Merek
2)
3)
Maksimum tersedia
42Kg
30Kg
48 Kg
Rp8,00
4)
5)
EKMA4413/MODUL 4
4.21
4.22
Riset Operasi
Tabel 4.19.
Tabel Optimal
Varia bel
Dasar
X1
X2
S1
S2
S3
N.K.
-5
-10
lndeks:
81
30
15
82
42
21
83
80
20
10
150
X2
3/2
1/2
15
82
-1
-1
12
83
-4
-2
20
2)
3)
Bentuk formulasi masalah dalam soal ini masih standar sehingga mudah
diselesaikan. Setelah tiga kali perubahan baru diperoleh hasil yang
optimal, sebagai berikut.
Produk A dihasilkan 2,86 unit, produk B dihasilkan 1, 71 unit dan jumlah
seluruh sumbangan terhadap laba sebesar Rp14.571 ,40 (dibulatkan).
Masalah ini formulasinya masih dalam bentuk standar. J adi, lebih mudah
dikerj akan. Hasil pemecahan optimal ada beberapa kemungkinan
(multiple optimal solutions), dalam tabel simpleks sebagai berikut.
a. Hasil optimal altematif pertama diperoleh setelah perubahan
pertama dengan jurnlah produk I yang dihasilkan 14 unit (XI = 14),
produk II tidak dihasilkan (X2 = 0), dan sumbangan terhadap laba
seluruhnya sebesar Rp 14,57
EKMA4413/MODUL 4
4.23
b.
4)
x2 = s.
Masalah ini lebih sulit daripada soal-soal sebelumnya karena
menyimpang dari bentuk formulasi standar dan memiliki variabel lebih
banyak. Hasil optimal diperoleh setelah perubahan kelima sebagai
berikut.
xl = 0, x2 = 0, x3 = 6 2/3 dan nilai z = 13 1/3.
RANGKUMAN
Dalam modul ini dibahas cara pemecahan masalah linear
programming dengan metode simpleks. Penyelesaiannya dengan
menggunakan tabel sehingga metode ini sering juga disebut sebagai
metode simpleks tabel. Kelebihan dari metode ini dibandingkan dengan
metode grafik adalah metode ini bisa digunakan untuk memecahkan
masalah yang memiliki variabellebih dari dua macam.
Dalam modul ini dibahas pula beberapa penyimpangan dari bentuk
standar, agar bisa diselesaikan harus diadakan beberapa perubahan dulu.
4.24
Riset Operasi
TES FORMATIF 1
2)
3)
4)
B. 5
C.
6I_
3
D.
27 _!_
2
5)
4.25
EKMA4413/ MODUL 4
C.
6_!_
3
D.
27 _!_
2
Tingkat penguasaan =
----------x
100%
Jumlah Soal
4.26
Riset Operasi
Kegiatan Belajar 2
Analisis Sensitivitas
alam analisis sensitivitas yang dihitung adalah akibat-akibat perubahan
kendala dan fungsi tujuan pada nilai tujuan (hasil). Metode simpleks
menggunakan tabel optimal untuk menghitung perubahan-perubahan itu.
A. MARGINAL VALUE
Pada tabel optimal suatu pemecahan masalah dengan metode simpleks,
dikenal marginal value, yaitu nilai baris Z pada kolom slack variable. Contoh
awal kita dengan persamaan sebagai berikut.
Fungsi tujuan: Maksimum
Z= 3X 1 + 4X2
Batasan-batasan: (1) 2X 1 + X 2 < 6.000
(2) 2X 1 + 3X2 < 9.000
(3) x1 > o; x2 > o
Jawaban optimal seperti tampak pada Tabel4.20.
Tabel 4.20.
Jawaban Optimal
VD
X1
X2
51
52
NK
1/4
5/4
12.750
X1
3/4
-1/4
2.250
X2
-1/2
1/2
1.500
x1 = 2.250
X2 = 1.500
z=
12.750
= ~.
Berarti kalau nilai kanan kendala pertama ditambah 1 unit maka nilai Z
bertambah dengan 1;4 atau 0,25. Kalau tambahannya 10 unit maka nilai Z
akan bertambah 10 (~) = 2,5, sedangkan marginal value input kedua sebesar
5/4, sama dengan nilai S2 pada baris Z. Artinya, kalau kendala kedua
4.27
EKMA4413/MODUL 4
dilonggarkan 1 unit maka nilai Z akan bertambah dengan 5/4 atau 1,25.
Marginal value ini sering juga disebut dengan shadow price.
B. MENCARI NILAI OPTIMAL BARU SETELAH PERUBAHAN
Apabila terjadi perubahan nilai kanan suatu kendala maka nilai optimal
baru dapat dicari dengan dasar tabel optimal, tanpa mengulangi proses
hitungan dari depan.
1. NK baru baris i = NK lama- nilai kolom i (tambahan = ~i)
2. Untuk contoh dalam Tabel 4.20 apabila nilai kanan kendala pertama
ditambah dengan ~~,
3. 2x1 + x2 < 6.ooo + ~i
maka nilai kanan berubah, seperti pada Tabel 4.21.
Tabel4.21.
Perubahan Nilai Kanan
(1)
Baris
(2)
NK lama
(3)
Nilai S1
(4)
NK baru
(5)
12.750
1/4
12.750 + (% ~1)
X1
2.250
3/4
X2
1.500
-1/2
1.500 + (-1 /2
~I)
Apabila perubahan nilai kanan kendala pertama (~i) = 100 maka nilai
kanan optimal yang baru, seperti pada kolom 5, tetapi perubahan nilai kanan
itu ada batasnya. Artinya, boleh dilakukan selama tidak melanggar kondisi
feasible atau asumsi bahwa semua variabel (X~, X 2 , X 3 , ... , Xn) harus bemilai
positif yang berarti:
2.250 + % ~1 > 0
1.500 + (- Yz) ~1 ~ 0
Sehingga:
2.250 +% ~1 > 0
3
14 ~1 ~ -2.250
~1 ~ -2.250 (4/3)
~1 > - 3.000
1.500 + (- Yz) ~1 ~ 0
4.28
Riset Operasi
Yz Lll ~ 1.500
Lll ~ 3.000
Dari kedua angka itu berarti penggunaan tabel optimal itu hanya dapat
dilakukan apabila:
- 3.000 < Lll < 3.000
Hal itu berarti, penambahan nilai kanan kendala 1 tidak boleh lebih dari
3.000 dan pengurangannya tidak boleh lebih dari 3.000 sehingga nilai kanan
kendala 1 maksimum, yaitu 6.000 + 3.000 = 9.000, dan minimum sebesar
6.000- 3.000 = 3.000. Kalau melebihi batas itu maka ada variabel (Xj) yang
bemilai negatif, berarti tidakfeasible.
Untuk kendala kedua, penambahan nilai kanan dapat dilakukan berdasar
angka-angka pada Tabel 4.22.
Tabel 4.22.
Perubahan Nilai Kanan Kendala 2
Variabel
NK mula-mula
52
NK baru
12.750
5/4
X1
X2
2.250
-1/4
1.500
1/2
4.29
EKMA4413/ MODUL 4
LATIHAN
Untuk memperdalam pemahaman Anda mengenai materi di atas,
kerj akanlah latihan berikut!
1)
2)
a.
X1
X2
51
52
53
NK
1
0
0
0
10
3/2
-1
0
1
0
0
0
0
1
0
0
0
0
1
150
15
12
20
X2
82
83
-4
-1
-2
4.30
Riset Operasi
Tabel 4.24.
Perubahan Nilai Kanan Kendala 2
Variabel
NK mula-mula
s1
NK baru
150
150 + 5 ~1
X2
s2
S3
15
12
20
15 +% ~1
12- ~1
20- 2~1
15 + Y2~1
12- ~1
20- 2~1
-1
-2
~1
~1
>0
~1
2 - 30
~ 12
< 10
-30<~1<10
b.
2)
a.
Tabel 4.25.
Perubahan Koefisien Fungsi Tuj uan
Varia bel
X1
S1
N.K.
Baris Z mula-mula
10
3/2
10 + 3/2 82
150
15
150 + 15 82
Baris X2
Baris Z baru
5 + %82
10 + 3/2 82 2 0
82 > -10 (2/3)
82 2 - 6 2/3
5 + Y2 82 2 0
82 2 - 10
Berarti koefisien fungsi tujuan variabel 2 kalau dikurangi paling banyak
dengan 10 (menjadi 0). Kalau ditambah dengan berapa pun bisa tidak
mengganggu tabel optimal.
4.31
EKMA4413/MODUL 4
b.
RANGKUMAN
TES FORMATIF 2
V.D
X2
X1
X1
X2
S1
S2
1
0
0
0
0
1
0
1
0
0,2632
0,2632
-0,1053
0,8421
-0,1579
0,2632
N.K
12,37
2,368
1,053
4.32
Riset Operasi
A. 12,37
B. 8,421
C. 3,68
D. 2,632
3)
4)
5)
~i
maka
Tingkat penguasaan =
----------x
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% =
80 - 89% =
70 - 79% =
< 70% =
baik sekali
baik
cukup
kurang
100%
EKMA4413/ MODUL 4
4.33
4.34
Riset Operasi
Tes Formatif2
1) A
2) D
3) c
4) A
5) c
EKMA4413/MODUL 4
4.35
Daftar Pustaka
Churchman, C.W., Ackoff, R.L. dan Arnoff, E.L. Introduction to Operations
Research. New York.: John Wiley & Sons, Inc.
Subagyo, P., Asri, M., dan Handoko, H. (1985). Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Modul 5
Metode Transportasi
Drs. Pengestu Subagyo, M.B.A.
PENDAHULUAN
alam kehidupan sehari-hari kita sering menghadapi masalah
pembagian barang ke beberapa tempat yang membutuhkan. Kalau
tempat asal dari barang itu hanya satu membaginya mudah saja, tetapi kalau
tempat alokasi dilakukan dari beberapa tempat asal barang ke beberapa
tujuan akan menimbulkan masalah. Biasanya masalah pembagian ini tidak
kita sadari karena dalam membagi biasanya dipentingkan pada pemenuhan
kebutuhan, meskipun kadang-kadang waktunya lama atau biaya alokasinya
mahal. Padahal sebenamya kalau diperhatikan benar meskipun semua
fasilitas yang ada sama, kita bisa melakukan alokasi dengan biaya
(pengorbanan) yang lebih kecil. Dalam bab ini akan dibicarakan cara-cara
alokasi suatu macam barang dari beberapa tempat asal ke beberapa tujuan
yang bisa meminimumkan pengorbanan (biaya).
Meskipun kebutuhan setiap tempat yang dituju sama, kapasitas tempat
yang menyediakan sama, dan biaya pengangkutan setiap barang dari suatu
tempat ke suatu tujuan tidak diubah, tetapi kalau cara alokasinya diubah,
jumlah biaya pengangkutannya akan berbeda. Hal ini disebabkan karena
biaya pengangkutannya akan berbeda.
Hal ini disebabkan karena biaya pengangkutan tiap barang dari tempat
yang berbeda ke suatu tempat tujuan atau dari suatu tempat asal ke tempat
tujuan yang berbeda, besarnya tidak sama. Misalnya, kita memiliki dua
sumber barang, yaitu di A dan di B yang akan dialokasikan kedua tujuan,
yaitu ke X dan keY. tersedianya barang di A sebanyak 200 buah barang dan
di B sebanyak 300 barang. Kebutuhan di X sebanyak 250 barang dan di Y
juga sebanyak 250 barang. Biaya pengangkutan setiap barang dari A ke X
sebesar Rp25,00 ke Y sebesar RplO,OO, sedangkan dari sumber B ke X
Rpll,OO dan ke Y sebesar Rp20,00. Untuk jelasnya, seperti terlihat dalam
Gambar 5.1.
5.2
Riset Operasi
~o:
Gambar 5.1.
200
50
250
X
X
Rp2000,00
Rp1000,00
Rp2750,00
Rp5.750,00
Rp25,00 = Rp5000,00
Rp11,00 = Rp550,00
Rp20,00 = Rp5000,00
= Rp10.550,00
Dari kedua cara alokasi tersebut j elas terlihat bahwa biaya yang
diakibatkannya berbeda meskipun semua barang telah dialokasikan dan
semua tempat yang membutuhkan telah terisi sepenuhnya.
Cara pertama ternyata lebih murah daripada cara kedua. Perbedaan biaya
ini hanya disebabkan karena perbedaan cara alokasi. Kalau kita coba lagi
tentu saja masih ada lagi altematif-alternatif alokasi lain yang tentu saja
biayanya berbeda, tetapi kita masih belum tahu alokasi yang seperti apakah
yang bisa meminimumkan biaya alokasi. Dalam bab inilah kita pelajari caracara alokasi yang bisa meminimumkan biaya tersebut.
Metode transportasi ini mula-mula ditemukan oleh F.L. Hitchcock pada
tahun 1941, kemudian dikembangkan oleh T.C. Koopmans. Pada tahun 1953
EKMA4413/ MODUL 5
5.3
5.4
Riset Operasi
Kegiatan Belajar 1
Beberapa Metode
untuk Memperoleh Alokasi Optimal
A. METODE STEPPING STONE
Metode stepping stone ini adalah metode yang paling sederhana, tetapi
untuk mencapai pemecahan optimal sangat lama. Caranya dengan menyusun
data ke dalam tabel alokasi, kemudian secara coba-coba kita ubah alokasi itu
agar biaya alokasinya bisa lebih murah. Demikian seterusnya sampai
mendapatkan pemecahan yang optimal. Untuk mempermudah menjelaskan
metode ini maka akan digunakan contoh sebagai berikut.
Contoh 5.1:
Suatu perusahaan menjual barang hasil produksinya di 3 daerah
penjualan, yaitu di Y ogyakarta, Semarang, dan Bandung. Perusahaan itu
memiliki 3 buah pabrik yang menghasilkan barang tersebut, yaitu di
Magelang, Pati, dan di Kediri. Kebutuhan barang di tiap-tiap gudang
penjualan sebagai berikut.
Y ogyakarta (Y)
= 60 ton
= 40 ton
Semarang (S)
= 20 ton
Bandung (B)
Kapasitas produksi tiap-tiap pabrik sebagai berikut.
= 30 ton
Magelang (M)
Pati (P)
= 40 ton
Kediri (K)
= 50 ton
Biaya pengangkutan dari tiap-tiap gudang penjualan setiap ton sebagai
berikut ( dalam ribuan Rp).
5.5
EKMA4413/ MODUL 5
Tabel 5.1.
Biaya Pengangkutan Barang Setiap Ton
Ke
Dari
Yogyakarta (Y)
Semarang (5)
Bandung (B)
15
17
18
3
8
10
18
30
Magelang (M)
Pati (P)
Kediri (K)
24
1.
Ke
Dari
15
18
.
17
Kapasitas
30
40
18
10
24
50
Kebutuhan
30
60
40
20
120
5.6
Riset Operasi
Dalam Tabel 5.2 itu biaya pengangkutan tiap barang diletakkan pada
segi empat kecil di sudut segi empat besar. Kapasitas tiap-tiap pabrik (M, P,
K) kita letakkan di kolom paling kanan dan kebutuhan tiap-tiap gudang
penjualan (Y, S, E) kita taruh di baris paling bawah. Jumlah kapasitas seluruh
pabrik dan jumlah permintaan semua gudang penjualan sama, yaitu sebesar
120 ton.
2.
Ke
Dari
Kapasitas
15
18
17
30
30
30
p
30
10
18
10
24
50
30
Kebutuhan
40
60
20
40
20
120
1820
EKMA4413/MODUL 5
5.7
Memperbaiki Alokasi
Alokasi mula-mula dengan biaya pengangkutan sebesar 1820
(Rp1.820.000,00). Biaya alokasi itu masih bisa dikurangi dengan jalan
mengubah alokasinya. Dalam metode stepping stone, cara mengubahnya
dengan dicoba-coba, misalnya sebagai berikut.
Kita cob a mengisi segi empat PB, tentu saj a is ian ini mengambil dari
segi empat yang lain, dengan sendirinya melibatkan 3 segi empat yang lain.
Andaikata untuk mengisi PB diambilkan dari segi empat KB maka segi
empat PS harus dikurangi dan segi empat KS karena harus ditambah sebesar
pengambilan itu agar jumlah baris P tetap 40, jumlah baris K tetap 50, jumlah
kolom S tetap 40 dan jumlah kolom B tetap 20. Untuk mengetes apakah
pemindahan itu bisa menurunkan biaya, mula-mula dicoba satu ton dulu, biar
mudah menghitungnya. Kalau dari percobaan itu bisa menurunkan biaya
maka baru kita ubah dalam jumlah yang lebih banyak. Penghematan biaya
kalau pemindahan sebesar 1 ton sebagai berikut.
Dari KB ke PB
= -24 + 30
= +6
DariPSkeKS
= -8+10
=+2
=+8
Jumlah
Kalau isian segi empat KB dikurangi 1 ton dan isian segi empat PB
ditambah 1 ton maka biaya angkut dari K ke B berkurang dengan 24 dan
biaya angkut dari P ke B bertambah dengan 30 sehingga ada kenaikan biaya
sebesar 6.
Di samping itu apabila isian segi empat PS dikurangi dengan 1 ton dan
isian segi empat KS ditambah dengan 1 ton maka biaya angkut dari P ke S
berkurang dengan dengan 8 dan dari K ke S bertambah dengan 10 sehingga
5.8
Riset Operasi
ada kenaikan 2. Jumlah kenaikan biaya dari 4 segi empat itu adalah 8. Jadi,
perubahan itu malah akan menaikkan biaya alokasi jangan dilakukan,
kemudian kita coba mengisi segi empat MS dari segi empat PS dan sebagai
konsekuensinya kita pindahkan juga isian dari segitiga MY ke segi empat
PY. Kalau kita coba 1 ton, penghematan biayanya sebagai berikut.
Dari PS ke MS
= -8 + 3 = -5
=-15+17
=+2
DariMYkePY
= -3
Jumlah
Berdasarkan hasil percobaan di
atas, temyata perpindahan itu bisa
menghemat biaya. Sekarang bisa dilakukan pemindahan yang lebih banyak,
yaitu sebesar isian terkecil dari dua segi empat yang dikurangi. Dalam hal ini
segi empat MY berisi 30 dan segi empat PS berisi 10. Maka, jumlah yang
bisa dipindahkan = 10. Hasil pengubahannya, seperti pada Tabel 5.4.
Tabel 5.4.
Perubahan Alokasi pada Segi Empat MS
r--.....
Ke
Kapasitas
Dari
M
p
15
-
20
18
30
10
24
+ 10
17
+ 40
18
K
Kebutuhan
30
60
20
40
20
30
40
50
120
5. 9
EKMA4413/MODUL 5
Dari PY ke KY = -17 + 18
= +1
Dari KS ke PS = -10 +8 = -2
Jumlah
= -1
Karena terjadi penghematan maka kita pindahkan 30 ton, yaitu isian
terkecil di antara segi empat PY (= 40) dan segi empat KS (= 30). Hasilnya,
seperti terlihat pada Tabel 5.5.
Tabel 5.5.
Perubahan Kedua
Ke
Dari
15
M
p
K
Kebutuhan
20
Kapasitas
18
10
17
30
18
10
24
- 40
30
60
20
40
20
30
40
50
120
B. METODE VOGEL
Metode Vogel adalah metode alokasi yang paling mudah, tetapi kadangkadang hasilnya kurang optimal. Prosedur untuk mengerjakannya sederhana
sekali.
1. Susunlah data yang ada ke dalam tabel alokasi, seperti tabel awal dalam
metode stepping stone (Tabel 5 .2)
2.
Carilah indeks tiap-tiap baris dan tiap-tiap kolom. Indeks sebesar selisih
antara biaya terendah dengan nomor dua terendah dalam kolom/baris itu.
Kalau kita cari indeks untuk contoh kita di depan maka seperti terlihat
5.10
Riset Operasi
pada Tabel 5 .6. Biaya transportasi terendah dari baris M sebesar 3 (pada
segi empat MS) dan nomor 2 dari yang terendah sebesar 15 (pada segi
empat MY). Jadi, nilai indeks baris M = 15 - 3. Indeks baris yang lain
serta kolom-kolom yang ada sebagai berikut.
Baris P = 17 - 8 = 9
Baris K = 18 - 10 = 8
Kolom Y = 17 - 15 = 2
Kolom S = 8 - 3 = 5
Kolom B = 24 - 18 = 6
Tabel 5.6.
Nilai Indeks Baris dan Kolom
r-..
Ke
Dari
M
I 1s
I 18
30
3.
Kapasitas
17
30
18
10
24
Kebutuhan
60
40
20
lndeks
lndeks
30
12
40
50
120
Pertama-tama kita pilih baris atau kolom yang indeksnya terbesar pada
tabel/kolom itu dipilih segi empat itu di isi sebesar isian maksimum yang bisa
dilakukan pada Tabel 5.6 temyata indeks baris M yang terbesar, pada baris
itu dipilih segi empat MS untuk diisi karena biaya transportasi pada segi
empat itu terendah pada baris itu. Isian sebesar 30 meskipun permintaan di S
40, tetapi kapasitas di M hanya 30. Oleh karena kapasitas baris M sudah
terpakai seluruhnya maka baris itu tidak bisa diisi lagi, semua segi empat
yang belum terisi kita beri tanda silang.
4.
Memperbaiki Indeks
Setelah diadakan pengisian, berarti salah satu dari baris atau kolom
sudah tidak bisa diisi lagi. Dalam contoh kita, baris M sudah terpenuhi
seluruhnya maka baris itu kita lupakan. Akibatnya indeks kolom Y, S, dan B
berubah.
5.11
EKMA4413/ MODUL 5
Ke
Dari
.............
40
18
30
I8
30
40
24
50
18
10
20
Kebutuhan
60
lndeks
5.
lndeks
17
15
X
Kapasitas
40
20
120
Dengan prosedur yang sama, seperti langkah 3, kita isi salah satu segi
empat. Pada baris P (indeks terbesar) kita isi segi empat PS sebanyak 10
karena permintaan di S yang belum terpenuhi tinggal 10 meskipun kapasitas
di P ada empat puluh. Setelah pengisian itu maka permintaan di S sudah
terpenuhi semua maka kolom S tidak bisa diisi lagi, segi empat yang kosong
diberi tanda silang.
6.
Melanjutkan Alokasi
5.12
Riset Operasi
Tabel 5.8.
Perbaikan lndeks dan Kelanjutan Alokasi
Ke
Dari
--........
15
3
30
30
30
40
I 24
I 5o
30
10
I 18
I K
18
lndeks
17
Kapasitas
X
I 1o
60
Kebutuhan
lndeks
40
20
120
Dalam isian (Tabel 5.9) terakhir tinggal 2 segi empat yang belum terisi.
Untuk mengisinya tidak usah menghitung indeks yang baru, tetapi
dialokasikan secara langsung, dimulai dari segi empat yang termurah.
Tabel 5. 9.
Tabel Optimal
Ke
Dari
--........
15
3
30
30
I K
I Kebutuhan
10
1
30
lndeks
60
7'
1
18
lx
I
18
30
30
40
24
50
lndeks
17
Kapasitas
X
1
40
1o
I 2o
I
20
~6
120
fi
C. METODE MODI
Istilah Modi di sini singkatan dari Modified Distribution. Dalam metode
ini kita juga melakukan perubahan alokasi secara bertahap, tetapi dasar untuk
5.13
EKMA4413/ MODUL 5
melakukan perubahan itu cukup jelas. Adapun tahap untuk mencari alokasi
yang optimal sebagai berikut.
1.
Ke
Dari
-......
15
30
3
I
18
I
I 11
I P
I 3o
..
30
..
I 10
18
10
30
60
Kebutuhan
Kapasitas
24
20
40
20
30
I
I 40
I
50
120
2.
+ K J
C
lJ
5.14
Riset Operasi
Tabel5.11.
Nilai Baris dan Kolom
Ke
Dari
M
p
Kebutuhan
3.
Kapasitas
15
18
17
30
30
30
30
10
1
18
I 1o
30
60
40
I
I 2o
I
I 24
40
I 50
I
I
120
'--1
2o
Untuk menentukan titik awal perubahan maka harus dihitung dulu indeks
perbaikan untuk segi empat yang masih belum terisi, dengan menggunakan
rumus sebagai berikut.
Indeks segi empat ij = Cij - Ri - Kj
Pada Tabel 5.11 memiliki 4 segi empat yang belum terisi, yaitu segi
empat MS, segi empat MB, segi empat PB, dan segi empat KY. Nilai tiaptiap segi empat itu sebagai berikut.
5.15
EKMA4413/MODUL 5
Segi empat
MS
MB
PB
Indeks Perbaikan
CMs - RM - Ks = 3 - 0 - 6 = -3 *
CMB - RM - KB = 18 - 0 - 20 = -2
CpB - Rp - KB = 30 - 2 - 20 = 8
CKY - R K- Ky = 18 - 4 - 15 = -1
KY
Di antara segi empat yang belum terisi itu dipilih segi empat yang indeks
perbaikannya negatif terkecil (paling negatif) sebagai titik tolak perbaikan.
Dalam contoh kita di atas ternyata segi empat MS memiliki indeks paling
negatif di antara segi empat kosong yang lain maka segi empat MS kita pilih
sebagai titik tolak perbaikan.
4.
Y= 15
)ar~
M=0
P=2
15
)(
+
)(
20
40
18
30
10
24
1V
18
30
60
B = 20
10
17
K=4
Kebutuhan
5=6
20
40
20
Kapasitas
30
40
50
120
5.16
Riset Operasi
5.
Ke
Dari
M=0
Y=5
15
17
18
30
10
18
30
10
--
30
24
50
30
Kebutuhan
Kapasitas
40
40
-
K=4
20
--
P=2
8 = 17
5=3
30
60
Segi empat
MB
PS
PB
KY
Jumlah biaya alokasi:
20
40
Indeks perbaikan
18 - 0 - 17=1
8-2-3=3
30 - 2 - 17 = 11
18 - 7 - 15 = -4 *
20
120
5.17
EKMA4413/ MODUL 5
Tabel 5.14.
Perbaikan Kerja
Ke
y = 15
Dari
15
M=0
17
P=2
10
Kebutuhan
Segi empat
MB
PB
KS
Kapasitas
18
30
10
K=7
B = 21
5=6
30
10
24
40
30
18
JQ
50
30
60
50
40
20
120
Indeks perbaikan
18 - 0 - 21 = -3 *
30 - 2 - 21 = 7
10 - 3 - 6=1
Kita pilih segi empat KB diberi tanda negatif karena satu-satunya yang
isi dalam kolom itu. Di samping itu, segi empat MY yang bertanda negatif
bukan segi empat MS karena akan bisa menghemat biaya lebih besar. Bisa
dicoba dulu satu unit (1 ton) alokasi, kemudian dipindah dalam jumlah besar,
seperti pada metode Stepping Stone.
Jumlah biaya alokasi:
10 (3) + 20 (18) + 10 (17) + 30 (8) + 50 (18) = 1700 (= Rp 1.700.000,00).
Setelah perbaikan ketiga, ternyata alokasi sudah optimal karena sudah
tidak memiliki nilai indeks perbaikan yang negatif.
5.18
Riset Operasi
Tabel 5.15.
Alokasi Optimal
Ke
y = 12
Dari
M=0
S=3
15
B = 18
.
10
10
30
10
24
50
I 60
I Kebutuhan
Segi empat
30
40
30
18
K=6
18
20
17
P=5
Kapasitas
50
1
120
Indeks perbaikan
15 - 0 - 12=3
30 - 5 - 18 = 7
10 - 6 - 3 = 1
24 - 6 - 18 = 0
MY
PB
KS
KB
Oleh karena dimiliki indeks perbaikan yang negatif maka tabel alokasi
tersebut di atas sudah optimal.
6.
Penyelesaian Lain
M=0
P=4
K=6
y = 15
S=4
15
0
17
30
+
30
B = 18
Kapasitas
18
30
10
0
24
30
10
18
20
30
40
50
5.19
EKMA4413/MODUL 5
Kebutuhan
60
40
20
120
Pada Tabel 5.16 memiliki 4 segi empat yang belurn terisi, yaitu segi
empat MS, segi empat MB, segi empat PB, dan segi empat KY. Nilai tiaptiap segi empat itu sebagai berikut.
Segi empat
MY
MB
PB
KS
Indeks Perbaikan
CMY - RM - Ky = 15 - 0 - 15 = 0
CMB - RM - KB = 18 - 0 - 18 = 0
CpB - Rp - K 8 = 30 - 4 - 18 = 8
CKs-RK-Kv = 10-6-4 = 0
Oleh karena sudah tidak ada indeks perbaikan yang negatif, berarti tabel
alokasi tersebut adalah tabel optimal dengan jumlah biaya alokasi sebesar
berikut ini.
30 (3) + 30 (17) + 10 (17) + 30 (18) + 20 (24) = 1790 (= Rp 1. 790.000,00).
LATIHAN
5.20
Riset Operasi
DARI PABRIK
Jakarta
30
35
I 4o
Sernarang
Yogyakarta
I Solo
2)
3)
4)
5)
KE GUDANG
Surabaya
25
40
I 15
Bandun
40
30
I 25
Dengan metode Stepping Stone, setelah dialokasikan dari sudut kiri atas,
ubahlah alokasinya dengan mengisi alokasi dari Semarang ke Surabaya.
a. Bagaimanakah akibatnya terhadap biaya alokasi seluruhnya? Akan
lebih hemat atau lebih mahal?
b. Kalau lebih murah maka berapakah jumlah alokasi yang seharusnya
dipindahkan, segi empat mana yang terlibat dan berapa biaya setelah
adanya perubahan?
Buatlah alokasi optimal dari data pada soal nomor 1 dengan metode
Vogel!
Buatlah alokasi optimal dari data pada soal nomor 1 dengan metode
MODI!
Selesaikanlah alokasi optimal dari data pada tabel berikut dengan metode
Vogel!
Carilah alokasi optimal dari tabel tersebut dengan metode MODI!
Ke
Dari
10
11
17
z
Kebutuhan
..
20
Kapasitas
15
14
12
13
15
10
I 14
..
30
70
I 11
.
80
30
70
60
I 40
200
1)
a.
Untuk soal nomor 1, mula-mula diisi dari sudut kiri atas. Cobalah
isi satu unit dulu dengan melibatkan 3 segi empat terdekat, yaitu
2)
5.21
EKMA4413/MODUL 5
: RANGKUMAN
TES FORMATIF 1
w
H
p
Jumlah
B
I
I Jumlah
5.22
Riset Operasi
15
25
20
10
10
10
2)
B. H
C. p
D. B
3)
4)
B. B
C. C
D. D
5)
5.23
EKMA4413/ MODUL 5
Tingkat penguasaan =
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
5.24
Riset Operasi
Kegiatan Belajar 2
1.
e
Dari
Kapasitas
10
17
12
60
15
11
17
50
20
16
40
Kebutuhan
30
40
50
150
120
5.25
EKMA4413/ MODUL 5
Tabel 5.18.
Menambah Kolom Dummy agar Jumlah Semua Kolom Sarna Dengan
Jumlah Semua Baris
e
Dari
10
17
Dummy D)
12
Kapasitas
0
60
15
11
17
0
50
c
Kebutuhan
20
16
0
40
30
40
50
20
150
Setelah jumlah kolom sama dengan jumlah baris maka alokasi bisa
dilakukan dengan menggunakan salah satu dari metode-metode di atas. Kalau
kita cari ternyata hasil alokasi yang optimal, seperti pada Tabel 5.19.
5.26
Riset Operasi
Tabel 5.19.
Alokasi Optimal dari Tabel 5.18.
Ke
Dari
10
17
Dummy (D)
12
0
60
50
15
10
11
17
0
50
40
10
20
16
0
40
30
Kebutuhan
Kapasitas
10
30
40
50
20
150
2.
5.27
EKMA4413/ MODUL 5
Ke
Dari
A
10
40
12
.
11
Kapasitas
15
40
14
10
19
10
15
11
15
14
12
70
40
50
60
Kebutuhan
14
10
30
60
30
40
180
Kalau kita akan menghitung nilai baris dan kolom dari Tabel 5.20 di atas
akan mengalami kesulitan karena nilai baris A selalu 0, nilai kolom W bisa
dicari dengan rumus di depan sebesar 14 dan baris B sebesar -6, tetapi kita
tidak bisa melanjutkan mencari nilai kolom Y dan Z serta baris C dan D
karena tidak ada segi empat isi yang menghubungkannya dengan baris atau
kolom yang sudah diketahui nilainya. Untuk mengatasi kesulitan ini harus
kita buat isian semu, yaitu isian alokasi sebesar 0 pada segi empat yang
seharusnya bisa menghubungkan. Berarti kita menganggap bahwa segi empat
itu berisi meskipun isiannya 0, misalnya segi empat BY pada Tabel 5.20 kita
beri isian semu maka nilai kolom Y dan Z serta nilai baris C dan D bisa
dicari, seperti pada Tabel 5 .21.
5.28
Riset Operasi
Tabel5.21.
lsian Kedua Dimulai dari Segi Empat CY
Ke
Dari
A=O
W= 10
10
40
X= 14
Kapasitas
14
12
15
14
10
10
15
11
14
12
10
11
B= -6
60
19
30
15
10
40
Kebutuhan
70
30
40
30
50
60
30
40
180
Tabel 5.22.
lsian Semu Agar Nilai Semua Baris dan Kolom Bisa Dicari
Ke
Dari
W= 10
X= 14
10
A=O
40
Y= 20
z = 18
14
12
15
14
10
15
11
Kapasitas
50
10
11
B= -6
60
19
c =-5
10
30
30
D= -6
Kebutuhan
40
15
60
..
10
70
14
12
30
40
30
40
180
Setelah nilai semua baris dan kolom bisa dicari maka perbaikan alokasi
bisa dilakukan, seperti biasa.
5.29
EKMA4413/ MODUL 5
.,
"
LATIHAN
.::J
a..
- --- .y;
Dari
A
c
Kebutuhan
2)
Kapasitas
27
23
31
69
10
45
40
32
30
54
35
57
90
70
70
150
40
40
80
270
Carilah alokasi optimal dari tabel berikut ini dengan metode MODI!
Ke
Dari
27
23
31
Kapasitas
69
140
'
10
40
..
30
c
Kebutuhan
45
90
40
54
70
32
35
50
57
60
80
260
270
5.30
3)
4)
Riset Operasi
Selesaikanlah alokasi dari data pada soal nomor 2 di atas dengan metode
Vogel!
Carilah alokasi optimal dari data berikut ini dengan metode MODI!
Ke
Dari
H
I
Kapasitas
12
10
11
10
14
30
Kebutuhan
5)
50
60
40
60
150
140
12
10
11
15
Kebutuhan
20
50
40
10
Kapasitas
1)
50
14
30
25
11
60
60
150
135
2)
3)
4)
5.
EKMA4413/ MODUL 5
5.31
Ake M = 20
Ake N= 70
A ke 0 = 50
B ke P = 40
Cke M = 70
C ke P = 10
Dummy diP= 10 (kebutuhan diP tidak terisi 10 unit)
Sarna denganjawaban soal nomor 2.
Dapat dicari dengan prosedur yang sama dengan contoh di depan,
kebutuhan lebih kecil daripada kapasitas tiap-tiap sumber.
Alokasi pertama terputus di tengah dan kebutuhan tidak sama dengan
kapasitas. Cara mengerjakannya memakai kolom dummy dan isian
dummy.
RANGKUMAN
TES FORMATIF 2
5. 32
Riset Operasi
2)
3)
4)
5)
Apabila pada tabel optimal terdapat ion pada segi empat di baris dummy
berarti ....
A. kapasitas melebihi kebutuhan normal
B. kebutuhan gudang yang tidak terpenuhi
C. kekurangan kapasitas pada tiap-tiap pabrik
D. kelebihan kapasitas yang tidak dapat dialokasikan
Tingkat penguasaan =
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% =
80 - 89% =
70- 79% =
< 70% =
baik sekali
baik
cukup
kurang
x 100%
EKMA4413/ MODUL 5
5.33
5.34
Riset Operasi
Tes Formatif2
1) B
2) c
3) D
4) A
5) B
EKMA4413/MODUL 5
5.35
Daftar Pustaka
Churchman, C.W., Ackoff, R .. , dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Metzeger, R.W. Elementary Mathematical Programming. New York: John
Wiley & Sons, Inc.
Subagyo, P., Asri, M., dan Handoko.H. (1995). Dasar-dasar Operations
Research. Y ogyakarta: BPFE
Taha, H. A. (1982). Operations Research) An Introduction. New York:
Macmillan Publishing Co., Inc.
Modul 6
PENDAHULUAN
erencanaan suatu pekerjaan biasanya memerlukan analisis yang cukup
lama agar pekerj aan itu selesai, seperti yang diharapkan dengan waktu
yang tepat dan biaya yang murah. Perencanaan untuk pekerjaan yang
sederhana memang bisa dilakukan secara cepat dan sederhana, tetapi untuk
merencanakan suatu proyek biasanya lebih sulit sehingga digunakan analisis
jaringan kerja.
Proyek adalah suatu pekerjaan yang mulai dikerjakan pada suatu saat
dan direncanakan akan selesai pada waktu yang telah ditetapkan sebelumnya.
Biasanya untuk menyelesaikan proyek ini harus dilakukan berbagai kegiatan
yang di antara kegiatan-kegiatan itu memiliki hubungan yang sangat
kompleks dan saling tergantung satu sama lain sehingga untuk
menyelesaikannya memerlukan waktu yang cukup lama. Jadi, proyek bukan
hanya sekadar proyek fisik yang berupa pembangunan rumah, jembatan,
j alan, dan pekerj aan fisik lainnya, melainkan termasuk juga proyek nonfisik,
seperti proyek penelitian, kegiatan advertensi, penataran, dan sebagainya.
Dalam analisis jaringan kerja, perencanaan pekerjaan itu dilakukan
sedemikian rupa dengan menggunakan diagram sehingga bisa secara
sistematis, lebih mudah, dan j elas.
Model jaringan kerja mulai dikembangkan kira-kira pada tahun
1956-1958 oleh beberapa ahli yang sebenarnya mereka tidak saling
berhubungan dan tidak pemah bekerja sama, tetapi temyata konsepnya
hampir sama. Pada dasamya ada dua kelompok konsep yang muncul, yaitu
Critical Path Method (CPM) dan Program Evaluation and Review Technique
(PERT). CPM dikemukakan oleh E.I. DuPont de Nemours dan Company
yang digunakan untuk pengaturan pekerjaan bangunan, kemudian konsep ini
dikembangkan oleh Mauchly associates. PERT dikemukakan oleh suatu
lembaga konsultan yang bekerja untuk U.S. Navy. Kedua konsep itu
6.2
Riset Operasi
6.3
EKMA4413/MODUL 6
Kegiatan Belajar 1
---
Gambar 6.1.
Hubungan antara kejadian dengan kegiatan
6.4
Riset Operasi
Dalam suatu proyek jumlah kegiatan dan kejadian itu banyak sekali
sehingga antara kegiatan satu dengan berikutnya dihubungkan dengan
kejadian (event). Untuk menjelaskan hubungan ini maka kita gunakan contoh
sederhana sebagai berikut.
Contoh 6.1
Sebuah bengkel tambal ban akan menambal ban mobil yang kebetulan
bocor (ban sudah dilepas dari mobil, tinggal menambal saja), dengan
kegiatan sebagai berikut. Mula-mula ban dilepas (dari vel g), di samping itu
perlu menyiapkan alat untuk menambal ban (kompor, alat pres, dan
sebagainya). Setelah ban dilepas dan alat tambal disiapkan maka ban
ditambal. Di samping itu, perlu diperiksa apakah pada ban luar terdapat paku
yang menyebabkan kebocoran itu. Setelah ban dalam selesai ditambal dan
ban luar selesai diperiksa maka ban dipasang kembali. Terlihat bahwa antara
kegiatan satu dengan kegiatan yang lain saling berhubungan, kegiatan
menambal dan kegiatan memeriksa paku dalam ban luar belum bisa
dilakukan kalau ban belum dilepas, kegiatan memasang kembali belum bisa
dilakukan kalau kegiatan menambal dan memeriksa paku pada ban belum
selesai dilakukan. Kalau urutan itu dibalik tidak akan bisa, misalnya ban
dalam ditambal dulu, barn kemudian dilepas. J adi urut-urutan kegiatan itu
harus diikuti. Untuk mempermudah memahami hubungan tersebut kegiatankegiatan itu bisa kita susun, seperti pada Tabel 61.
Tabel 6.1.
Kegiatan-kegiatan dalam Menambal Ban
Kode
Ke iatan
A
B
D
E
F
Uraian Kegiatan
Melepas ban dari velg
Menyiapkan alat tambal ban
Merambang/mencari kebocoran
Menambal ban dalam
Memeriksa paku pada ban luar
Memasang ban kembali
Data dalam tabel itu dapat digambarkan dalam diagram jaringan kerja,
seperti pada Gambar 6.2.
6.5
EKMA4413/ MODUL 6
...
Gambar 6.2.
Diagram Jaringan Kerja untuk Menambal ban
Contoh 6.2
Suatu penelitian memiliki kegiatan-kegiatan, seperti pada Tabel 6.2.
Tabel 6.2.
Kegiatan untuk Penelitian
Kode
Ke iatan
A
E
F
G
H
I
J
Uraian Kegiatan
Membuat rencana penelitian dan
daftarpertanyaan
Mencari izin penelitian dari Dati II
Mencari fieldworkers
Melatih fieldworkers
Membeli alat-alat perlengkapan
Lapor ke kecamatan dan lurah di
daerah yang akan diteliti
Mempersiapkan keperluan untuk
penelitian lapangan
Penelitian lapangan
Mempersiapkan tabel dan
perlengkapan tabulasi
Tabulasi, analisis data, penulisan
dan penggandaan laporan
6.6
Riset Operasi
Gambar 6.3.
Jaringan kerja untuk pekerjaan penelitian
6.7
EKMA4413/MODUL 6
Gambar 6.4.a.
Penyusunan Jaringan Kerja
Gambar 6.4.b.
Penyusunan Jaringan Kerja yang Betul
5.
Dua buah kejadian (events) hanya bisa dihubungkan oleh satu anak
panah (kegiatan) saja. Kalau terjadi 2 kegiatan atau lebih di antara 2
kejadian tidak boleh digambar secara langsung, seperti Gambar 6.5.
6.8
Riset Operasi
-.
Gambar 6.5.
Dua Kejadian yang Dihubungkan oleh Ketiga Kegiatan, tetapi Cara
Menggambar Semacam lni tidak Bisa Dibenarkan
6.
7.
Network hanya dimulai dari suatu kejadian (disebut initial event) dan
diakhiri oleh suatu kej adian (disebut terminal event) saj a.
Untuk mengatasi kesulitan dalam penyusunan jaringan kerja kalau perlu
bisa menggunakan aktivitas semu (dummy activities) yang sering disebut
dengan aktivitas boneka.
Gambar 6.6:
Setiap 2 Kejadian hanya Dihubungkan oleh Satu Kegiatan, sebab Kita
Menggunakan Dummy Activity
6.9
EKMA4413/MODUL 6
2.
Gam bar 6. 7.
Kegiatan-kegiatan Semu dan Kejadian Semu pada Awal Network Pembuatan
Sepatu
3.
if\:~...~ ~=~~
~
l jjJ
, ..-~
~~~
Gambar 6.8.
Kegiatan
Semu untuk
Menghindari
Kesalahan
1..!1
b
~
,
I
6.10
Riset Operasi
Contoh 6.3
Suatu proyek memiliki kegiatan, seperti yang tercantum dalam Tabel 6.3
berikut.
Tabel 6.3.
Kegiatan-kegiatan untuk Proyek ABC
Ke .1atan
Waktu 5e1ap
f Ke .1atan
5
3
4
6
5
7
4
5
a
a, b
D
E
F
G
H
Jika digambarkan
Gambar 6.9.
c
d,e
f, g
dalam
diagram jaringan,
akan
tampak pada
6.11
EKMA4413/MODUL 6
' EIJ~
Gam bar 6. 9.
Diagram jaringan kerja proyek "ABC"
6.12
Riset Operasi
1.
EKMA4413/MODUL 6
6.13
2.
6.14
Riset Operasi
paling lambat 15 hari karena kalau kegiatan f belum selesai pada akhir hari
ke-15 akan mengakibatkan tertundanya kegiatan h dan penyelesaian proyek
akan tertunda.
5.
Total Float
Yang disebut dengan total float adalah jumlah waktu menunggu yang
ada pada suatu waktu kegiatan sama dengan selisih antara waktu maksimum
yang tersedia untuk menyelesaikan suatu kegiatan dikurangi dengan waktu
mulai paling cepat (SL-MC) dikurangi dengan waktu kegiatan (WK). Untuk
kegiatan 1, totalfloat-nya dapat dicari dengan cara sebagai berikut.
TF1
6.
Free Float
Yang disebut dengan free float adalah waktu sisa atau waktu tunggu
yang ada di antara waktu tercepat suatu kegiatan dengan waktu mulai paling
cepat kegiatan berikutnya. Untuk kegiatan i yang diikuti kegiatan j makafree
float dapat dihitung dengan cara sebagai berikut.
FFI = MCJ - MCI - WKI
1~1 )00]
Garnbar 6.1 0.
Jalur Kritis
Terletak pad a
Jalur, di Mana MC
Sarna Dengan ML
dan SC Sarna
Dengan SL
6.15
EKMA4413/ MODUL 6
Untuk network pada Garnbar 6.10 dapat dicari Total Float dan Free
Float-nya pada Tabel 6.4.
Tabel 6.4.
Perhitungan Total Float
Ke iatan
1-2
1-3
1-4
2-5
3-5
4-6
5-6
6-7
Waktu
5
3
4
6
5
7
4
5
sc
MC
0
0
0
5
5
4
11
15
5
3
4
11
10
11
15
20
ML
0
4
4
5
6
8
11
15
SL
5
6
8
11
11
15
15
20
Total Flot
(5-0-5)=0
(6-0-3)=3
(8-0-4)=4
(11-5-6)=0
(11-5-5)=1
(15-4-7)=4
(15-11-4)=0
20-15-5 =0
Free Float
(5-0-5)=0
(5-0-3)=2
(4-0-4)=0
(11-5-6)=0
(11-5-5)=1
(15-4-7)=4
(15-11-4)=0
20-15-5 =0
Pada Tabel 6.4, terlihat bahwa pada jalur kritis nilaijloat-nya 0 sernua.
LATIHAN
1)
Kegiatan
Kegiatan K yang
Mendahului
b
c
d
e
f
g
h
a
a
b
b,c
d
e
e, f
g, h, i, j
Pertanyaan:
a. Garnbarlah network-nya!
b. Cari jalur kritisnya dan berapa waktu untuk penyelesaian proyek itu!
6. 16
Riset Operasi
c.
Carilah waktu mulai paling cepat, waktu mulai paling lambat, waktu
selesai paling cepat, waktu selesai paling lambat, total float, dan free
jloat-nya!
15
13
12
13
13
15
18
14
15
14
15
c
c
c, b
b,a
d
e
e, f
l,h,i,'
g
h
Pertanyaan:
a. Gambarkan network-nya!
b. Tunjukkanjalur kritisnya dan berapa waktu penyelesaian proyek itu!
c. Carilah waktu mulai paling cepat, waktu mulai paling lambat, waktu
selesai paling cepat, waktu selesai paling lambat, total float, dan free
jloat-nya!
3)
Waktu (Hari)
8
6
5
D
E
F
G
H
A
C,D
A
B
E,F
4
7
8
2
5
Pertanyaan :
a. Gambarkan network-nya!
b. Tunjukkanjalur kritisnya dan berapa waktu penyelesaian proyek itu!
6.17
EKMA4413/MODUL 6
c.
4)
Carilah waktu mulai paling cepat, waktu mulai paling lambat, waktu
selesai paling cepat, waktu selesai paling lamb at, total float, dan free
jloat-nya!
Data untuk menyelesaikan suatu proyek sebagai berikut.
Ke iatan
A
B
D
E
F
G
H
I
J
K
L
5)
D
E
F, G
D,H
E
I, J
Waktu Hari
5
8
3
7
4
7
2
6
9
4
8
5
Pertanyaan:
a. Gambarkan network-nya!
b. Tunjukkanjalur kritisnya dan berapa waktu penyelesaian proyek itu!
c. Carilah waktu mulai paling cepat, waktu mulai paling lambat, waktu
selesai paling cepat, waktu selesai paling lamb at, total float dan free
jloat-nya!
Untuk menyelesaikan suatu proyek diperlukan kegiatan-kegiatan sebagai
berikut.
Ke iatan
A
B
D
E
F
G
H
a.
b.
Waktu Hari
3
3
4
B,D,E
A
5
6
4
3
c
c
Pertanyaan:
Gambarkan network-nya!
Tunjukkanjalur kritisnya dan berapa waktu penyelesaian proyek itu!
6. 18
Riset Operasi
c.
Carilah waktu mulai paling cepat, waktu mulai paling lambat, waktu
selesai paling cepat, waktu selesai paling lamb at, total float dan free
jloat-nya!
RANGKUMAN
TES FORMATIF 1
2)
6.19
EKMA4413/ MODUL 6
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Kel iatan
A
B
D
E
F
G
H
I
J
K
Kegiatan sebelumn~a
A
B
B
Waktu hari
c
c
D
E,F
F,G
H, I
J
0
20
30
60
40
40
20
50
60
20
0
4)
5)
6.20
Riset Operasi
Tingkat penguasaan =
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
6.21
EKMA4413/MODUL 6
Kegiatan Belajar 2
1.
6.22
Riset Operasi
Tabel 6.5.
Biaya Perpendekan yang Bersifat Linear
Perpendekan
Hari
-
Waktu Kegiatan
Hari
10
9
8
7
6
Biaya Kegiatan
Rp
Biaya Tambahan
Hari Terakhir Rp
500
600
700
800
900
1
2
3
4
100
100
100
100
~9fl
~
lon
"
II
.. ...
:ltUJQ'
'
~~OJ
...
I ~(J
.."
-t'!
n : n:
,.....
ftQfi
..
-=-:
il
...' .--....
'.
...
...
-~
--- ....
-
.
....
: ~
...
l:
I.
'
..
Ill
<I I,; -
1-
-......-o-
--
] ...
r.
:; a
'1
i-
=I
:l
:I
tf.l_
:--~
;J
T'
f'
:al
'
'
....
"
..-
I
I
(
1\
'
f{i ~1&tl
Gambar 6.11.
Hubungan antara waktu perpendekan dengan biaya yang bersifat linear
6.23
EKMA4413/MODUL 6
2.
Waktu
Kegiatan
Hari
Perpendekan
(Hari)
Biaya Kegiatan
(Rp)
Biaya Tambahan
Hari Terakhir (Rp)
1
2
500
600
750
1000
1400
100
150
250
400
10
9
8
7
6
.,,
I I
...*'
tOC!J
-"
.l
n (l
-.
I ;-~
.....
,"'.
"""-
.... "''
..\
.."' ''
f))ii)
,. ,
"'
J
I
'
...
,.,
...,. .
...
ii
-
.
--
,.:
i
I'
Gambar 6. 12.
Kenaikan Biaya Perpendekan yang Bersifat Progresif
6.24
Riset Operasi
3.
Waktu Kegiatan
Hari
Perpendekan
Hari
Biaya Kegiatan
Rp
Biaya Tambahan
Hari Terakhir Rp
10
1
2
500
600
650
675
685
8
7
6
3
4
100
50
25
10
1tl~5:
I!
W _.,. II
lll'
~srn
"
.
.
~ ; , il
El'"',.J(l"
II
'I I I
!If~
!I !I
'
4 - ,
I . . . . . I!'
,.
f Jl'
II! !
r
"'J
t
L
.-
I! _
.. .- . ,;;,;( .
r--
I ~'
'
.,.
..
-.
II
' -
..
-.. fl!'
.... ,.
-
1t
"' '
..,
<
n~~
'
iWa.'kmtbar.l
Gambar 6.13.
Kenaikan Biaya Perpendekan yang Bersifat Degresif
4.
6.25
EKMA4413/MODUL 6
hanya mungkin pada satu a tau beberapa titik saja, misalnya dari 10 hari
hanya bisa diperpendek menjadi 7 atau 5 hari saja. Diperpendek menjadi 9, 8,
6 hari atau yang lain tidak bisa. Biaya perpendekan itu dapat kita gambarkan,
seperti pada Gambar 6.14.
--
Gambar 6. 14.
Hubungan Waktu dan Biaya Perpendekan Bersifat Discrete
6.26
Riset Operasi
lebih jelasnya kita gunakan proyek dalam Gambar 6.9 di depan (yang disalin
dalam Gambar 6.15) dengan data, seperti dalam Tabel 6.8.
'.:- - - - - - - - - - - - - - - - ---.
Gambar 6.15.
Jaringan Keja dari Proyek ABC, seperti Dalam Gam bar 6. 9
Tabel 6.8.
Waktu dan Biaya Perpendekan Kegiatan-kegiatan dalam Proyek ABC
Kegiatan
1-2
1-3
1-4
2-5
3-5
4-6
5-6
6-7
1.
Waktu
Normal
Hari
Waktu setelah
Diperpendek
hari
Biaya
Normal
Biaya setelah
Diperpendek
5
3
4
6
5
7
5
4
3
2
3
3
3
4
2
3
7000
9000
7500
9200
4700
9000
15000
11000
7600
9000
7500
9200
4700
9000
11500
11000
Biaya
Rata-rata
Rl
300
0
2500
400
350
500
2000
1250
EKMA4413/ MODUL 6
6.27
2.
3.
Perpendekan 3 Hari
Andaikata proyek ABC di atas diperpendek 3 hari maka perpendekan
yang 2 hari, seperti di atas, yaitu kegiatan 1-2 selama 2 hari dan kegiatan 3-5
dengan 1 hari ketiga harus dicari lagi. Kegiatan 1-2 sudah tidak bisa
diperpendek lagi. Alternatif lain yang bisa dipilih adalah memperpendek
kegiatan 2-5 bersama-sama dengan kegiatan 3-5 masing-masing 1 hari atau
salah satu di antara kegiatan 5-6 dan kegiatan 6-7.
Perpendekan kegiatan 2-5 dengan 1 hari biayanya = Rp400,00
Perpendekan kegiatan 3-5 dengan 1 hari biayanya = Rp350,00
Jumlah
= Rp750,00
6.28
Riset Operasi
LATIHAN
a
b
c
d
e
f
g
h
2)
12
17
15
13
13
15
13
14
15
14
15
10
13
12
11
9
11
9
10
11
12
12
Biaya (rp)
Normal
Crash
400
3500
1000
2000
400
400
120
200
2100
300
2400
600
3800
1900
2000
1000
800
200
400
3100
1900
5100
KEGIATAN
KEGIATAN
YANG
WAKTU
KEGIATAN (HARI)
BIAYA (RP)
6.29
EKMA4413/MODUL 6
MEND AHULUI
D
e
f
g
h
c
c
b
b,a
d
e
e,f
g,h,I,j
J
k
3)
A
B
Normal
Crash
Normal
Crash
15
13
8
13
13
15
18
14
15
14
15
13
9
6
8
11
14
15
10
11
12
12
400
3500
1000
2000
400
400
1120
200
2100
300
2400
800
3900
1350
2900
600
550
2020
400
3100
1800
5100
2S
' = = = = = = = = = = = = = = = = = = ==:r
1
2
3
4
Denda (Rp)
100
150
240
380
Kalau proyek itu diperpendek maka data waktu dan biayanya sebagai
berikut.
6. 30
Riset Operasi
KEGIATAN
1-2
1-3
1-5
2-6
3-4
3-5
4-6
5-6
BIAYA (RP)
Normal
Crash
Normal
Crash
18
8
12
9
9
10
12
8
15
6
7
7
6
8
8
5
1000
500
1200
800
900
2000
600
800
1300
540
1400
900
1125
2100
700
845
a.
4)
a.
b.
'
Denda (Rp)
1
2
3
10
50
200
6.31
EKMA4413/ MODUL 6
KEGIATAN
1-2
1-3
1-4
2-5
3-5
4-7
5-6
6-7
5)
BIAYA (RP)
Normal
Crash
Normal
Crash
8
7
5
10
6
9
5
5
6
5
5
2
4
8
3
2
80
120
200
400
900
150
250
60
100
150
200
840
1050
195
410
420
Denda Rp
1
2
3
4
100
150
240
380
Kalau proyek itu akan diperpendek maka data waktu dan biayanya
sebagai berikut.
WAKTU KEGIATAN (HARI)
KEGIATAN
1-2
1-3
1-5
Normal
18
8
12
Crash
15
6
7
BIAYA (RP)
Normal
1000
500
1200
Crash
1300
540
1400
6. 32
Riset Operasi
KEGIATAN
Crash
Normal
Crash
9
9
10
12
8
7
6
8
8
5
800
900
2000
600
800
900
1125
2100
700
845
2-6
3-4
3-5
4-6
5-7
a.
b.
BIAYA (RP)
RANGKUMAN
Dalam kegiatan belajar kedua ini dijelaskan cara memperpendek
selesainya suatu proyek. Perpendekan hams dilakukan pada jalur kritis,
pilihlah kegiatan-kegiatan yang biayanya paling murah. Kalau setelah
diperpendek temyata j alur kritisnya berpindah pada j alur lain maka j alur
kritis yang baru ini pun harus diperpendek agar proyek bisa lebih cepat,
seperti yang diharapkan. Dalam memperpendek itu jangan lupa
membandingkan beberapa altematif yang biayanya paling murah.
Perlu diingat pula bahwa perpendekan suatu kegiatan hanya bisa
sampai batas-batas tertentu di luar batas itu perpendekan tidak bisa
dilakukan lagi.
6.33
EKMA4413/MODUL 6
TES FORMATIF 2
3) Kalau suatu jalur kritis selalu diperpendek maka jalur lain yang mulamula tidak kritis akan menjadi kritis. Untuk bisa memperpendek waktu
selesainya proyek seharusnya ....
A. semua j alur harus diperbaiki
B. semua kegiatan harus diperbaiki
C. jalur kritis yang baru harus diperbaiki
D. berhenti karena proyek tidak bisa diperpendek lagi
4)
...-
--
--
'
6.34
5)
Riset Operasi
Dengan data pada soal nomor 4 di atas kalau proyek diperpendek 2 hari
maka yang harus diperpendek ....
A. semua jalur diperpendek 2 hari
B. jalur 1-2-5-6-7 diperpendek 2 hari
C. jalur 1-3-6-7 diperpendek 2 hari
D. jalur 1-2-5-6 dan jalur 1-3-6 diperpendek 1 hari dan jalur 1-4-7
diperpendek 2 hari
Tingkat penguasaan =
x 100%
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% =
80 - 89% =
70 - 79% =
< 70% =
baik sekali
baik
cukup
kurang
6.35
EKMA4413/ MODUL 6
Tes Formatif2
1) B
2) A
3) c
4) D
5) D
6.36
Riset Operasi
Daftar Pustaka
Churchman, C.W., Ackoff, R .. , dan Amoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Metzeger, R.W.; Elementary Mathematical Programming. New York: John
Wiley & Sons, Inc.
Subagyo, P., Asri, M. dan Handoko. H. 1985. Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Taha, H. A. 1982. Operations Research, An Introduction. New York:
Macmillan Publishing Co., Inc.
Modul 7
Model Antrian
Drs. Pangestu Subagyo, M.B.A.
PENDAHULUAN
ntrian dijumpai dalam berbagai kehidupan masyarakat, terjadi apabila
kapasitas pelayanan kurang mencukupi kebutuhan orang atau barang
yang harus dilayani. Hal ini akan berpengaruh pada biaya, waktu, dan
kebosanan dalam menunggu. Kalau kapasitas pelayanan terlalu besar
sehingga terlalu banyak waktu menganggur maka akan mengakibatkan
pemborosan. Oleh karena itu, modul ini akan membahas teori antrian ini.
Setelah mempelajari modul ini diharapkan Anda dapat memahami teori
antrian dan dapat menggunakannya untuk memecahkan masalah antrian yang
timbul.
Secara khusus setelah mempelajari modul ini Anda dapat menghitung
rata-rata panjang antrian, waktu menunggu, dan waktu pelayanan
menganggur dalam berbagai model antrian, misalnya satu serta 2 fasilitas
pelayanan atau lebih.
7.2
Riset Operasi
Kegiatan Belajar 1
Contoh 7.1
Misalnya pelayanan terhadap nasabah TABANAS pada suatu bank
sebagai berikut. Kapasitas pelayanan rata-rata 10 kali setiap jam berarti
pelayanan memerlukan waktu 6 menit, sedangkan kedatangan orang/nasabah
setiap jam rata-rata 6 orang. Waktu kedatangannya bersifat random, dan
dapat dilihat pada Tabel 7 .1.
7.3
EKMA4413/MODUL 7
Tabel 7.1.
Hubungan Kedatangan, Waktu Menganggur, Waktu Tunggu dan Panjang
Antrian dalam Pelayanan Nasabah TABANAS di Bank XYZ
Nasabah I Jam
keDatan
1
8.07
2
8.14
8.25
3
4
8.29
8.43
5
8.56
6
I Jam pelayanan I
Mulai
8.07
8.14
8.25
8.39
8.45
8.56
Selesai
8.13
8.20
8.31
8.45
8.51
9.02
Waktu
Men an ur
0
1 menit
5 menit
8 menit
0
5 menit
Waktu I Panjang
Tun u
Antrian
0
0
0
0
0
0
0
0
2 menit
1
0
0
Misalnya, kita amati pada saat datang nasabah pertama pada jam 8.07
pagi. Ia dilayani selama 6 menit dan selesai pada jam 8.13, tidak ada
pengangguran dari petugas yang melayani, nasabah tidak menunggu dan
tidak ada ada antrian. Nasabah kedua datang pada jam 8.14. Jadi, terjadi
pengangguran petugas yang melayani selama 1 menit, dilayani selama 6
menit, selesai jam 8.20, nasabah tidak menunggu giliran dan tidak ada
antrian. Nasabah ketiga baru datang pada jam 8.25 sehingga terjadi
pengangguran selama 5 menit. Ia selesai dilayani pada jam 8.31. Nasabah
tidak perlu menunggu giliran dan tidak ada yang antri. Nasabah keempat
datang jam 8.39. Petugas bank menganggur selama 8 menit, nasabah selesai
dilayani pada jam 8.45, nasabah ini tidak menunggu giliran, tetapi nasabah
kelima datang pada jam 8.43, pada saat itu petugas masih melayani nasabah
keempat sampai dengan jam 8.45, jadi ia hams menunggu selama 2 menit.
Pelayanan baru dimulai jam 8.25 dan selesai pada jam 8.51, tidak terjadi
pengangguran petugas dan ada satu orang yang antri, yaitu nasabah kelima.
Demikian seterusnya. Dari tabel di atas j elas terj adi banyak pengangguran
petugas (unit pelayanan). Oleh karena itu, untuk mengurangi pengangguran
kita kurangi petugas di bagian ini sehingga kapasitas pelayanan menjadi 9
menit untuk setiap nasabah. Pengurangan jumlah karyawan ini akan
mengurangi biaya gaji yang dikeluarkan, tetapi tentu saja akan menyebabkan
lebih banyak waktu nasabah menunggu dan menambah panjangnya antrian,
hasilnya, seperti pada Tabel 7 .2.
7.4
Riset Operasi
Tabel 7.2.
Pengaruh Perubahan Kapasitas Pelayanan menjadi 9 Menit terhadap Waktu
Menganggur, Waktu Tunggu, dan Antrian
Nasa bah
ke1
2
3
4
5
6
Jam
Datan
8.07
8.14
8.25
8.29
8.43
8.56
Jam pelayanan
Mulai
Selesai
8.07
8.16
8.16
8.25
8.25
8.34
8.48
8.39
8.57
8.48
8.57
9.06
Waktu
men an ur
0
0
Ot
5 menit
0
0
Waktu
tun! u
0
0
0
0
2 menit
1 menit
Panjang
antrian
0
1
0
0
1
1
Pada Tabel 7.2 ini terlihat bahwa semakin lama waktu pelayanan
semakin mengurangi pengangguran petugas, tetapi menambah banyaknya
antrian. Tentu saja ini akan berakibat pada biaya yang harus ditanggung,
yaitu mengurangi biaya atau pengorbanan yang disebabkan karena
pengangguran fasilitas pelayanan dan menambah biaya yang disebabkan
meningkatnya waktu tunggu. Tentu saja yang kita cari adalah alternatif yang
meminimalkan jumlah dari kedua biaya ini.
LATIHAN
____ ......
4)
5.
EKMA4413/MODUL 7
7.5
7.6
Riset Operasi
RANGKUMAN
TES FORMATIF 1
kebutuhan
2)
3)
4)
5)
7.7
EKMA4413/ MODUL 7
Tingkat penguasaan =
-----------
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
7.8
Riset Operasi
Kegiatan Belajar 2
Model-model Antrian
A. PENGERTIAN- PENGERTIAN DASAR
1.
Tujuan
Seperti telah diuraikan di depan, tujuan dari model-model antrian adalah
untuk meminimumkan jumlah seluruh biaya, baik biaya yang disebabkan
pengangguran fasilitas maupun pengangguran yang disebabkan langganan
(orang atau barang) menunggu pelayanan. Kalau kapasitas pelayanan terlalu
banyak akan menyebabkan fasilitas itu menganggur, padahal memerlukan
investasi yang banyak dan biaya penyelenggaraannya pun juga mahal.
Sebaliknya kalau kapasitas pelayanan terlalu sedikit akan menyebabkan
antrian yang terlalu panjang, berarti kita harus menanggung kerugian atau
biaya karena tertundanya pelayanan langganan, misalnya berpindahnya
langganan ke pihak/perusahaan lain dan biaya-biaya yang hams dikeluarkan
untuk mengusahakan agar langganan bersedia menunggu. Dalam kegiatan
belajar ini akan dikemukakan model-model yang dapat membantu
pengelolaan sistem antrian yang efisien. Pemecahan masalah antrian ini dapat
dilakukan dengan pemecahan analitis serta dengan model simulasi.
Pemecahan analitis relatif lebih sederhana daripada model simulasi. Dalam
kegiatan belajar ini kita hanya akan membahas model-model pemecahan
analitis atau model-model sederhana.
2.
Pengertian Dasar
a.
Channel
Yang dimaksud dengan channel adalah jalur, lewat jalur itu
masukan/objek bisa mendapatkan pelayanan. Kadang-kadang ada antrian
yang memiliki lebih dari satu jalur yang memberikan pelayanan yang sama.
Misalnya, dalam suatu supermarket atau terdapat beberapa loket pembayaran,
langganan tinggal memilih salah satu loket yang kosong.
b.
Fase pelayanan
7.9
EKMA4413/MODUL 7
c.
SJ'stem antrian
Sistem antrian adalah keseluruhan dari kegiatan atau pelayanan yang
diberikan kepada masukan, sej ak ia datang sampai selesai dilayani. Contoh
dari sistem antrian yang sangat sederhana adalah yang memiliki satu jalur
(channel dan satu tahap (fase) saja (single channel single line)), seperti pada
Gambar 7.1.
--
''
.r~!JJ~;L(~n
sara-r.J g.at~ u
I ;
+ .An(Jt
..
.. ..
f2esn[ras
'
-
- ---
"
Ba?.'~n~ lf~,~
. , tJI ~
-_,
Lf~ng
-
t~tY".a'f
- . - ~
P6i:~~va~-in
I '
.-
njrt~
' :r.,
~gl
'I:.J' ~
,
1
Gambar 7.1.
Sistem Antrian dengan Struktur Sederhana
Masukan (input)
Masukan adalah objek yang datang atau masuk ke dalam sistem yang
memerlukan pelayanan. Masukan ini bisa berupa orang, barang atau kertas
kerja yang masuk pada sistem untuk dilayani. Misalnya, langganan yang
masuk ke salon untuk dilayani dan orang yang datang ke apotek untuk
membeli obat. Masukan ini ada 2 macam, yaitu ada yang jumlahnya relatif
banyak yang sering dianggap sebagai masukan jumlahnya tak terhingga dan
7.10
Riset Operasi
ada pula yang jumlahnya relatif sedikit yang sering disebut sebagai masukan
yang terbatas jumlahnya. Banyak sedikitnya ini bersifat relatif, artinya relatif
dibandingkan dengan kapasitas pelayanan yang ada.
e.
Rata-rata kedatangan
Yang dimaksud dengan rata-rata kedatangan adalah rata-rata banyaknya
masukan/objek yang datang (memerlukan pelayanan) setiap jangka waktu
tertentu, biasanya diberi simbol A. Misalnya, setiap jam ada 5 objek/masukan
yang datang maka A =5.
g.
7.11
EKMA4413/ MODUL 7
-
r
.2
'
Gambar 7.2.
Distribusi ProbabHitas Poisson untuk 'A =5
II
~
~:
I~
-X
......
- '~
I
ll "1
..
~ ]l=r D
..
...........
-
=I
M'
--.. -
lj[J,..
Gambar 7.3.
Distribusi Eksponensial
h.
7.12
Riset Operasi
Antrian
j.
Panjang antrian
Tingkat pelayanan
Traflic intensity
Yang dimaksud dengan traffic intensityadalah perbandingan antara ratarata kedatangan dengan rata-rata kemampuan pelayanan terhadap
masukan/objek selama jangka waktu tertentu, yaitu sebesar Al f.l. Distribusi
dari ini sering disebut sebagai distribusi Erlang.
m. Keluaran (output)
7.13
EKMA4413/ MODUL 7
n.
Struktur antrian
Kita dapat mengadakan klasifikasi dari struktur antrian berdasarkan atas
(1) banyaknya channel/jalur dan (2) banyaknya fase pelayanan yang ada.
Pada prinsipnya ada 4 macam struktur antrian, yaitu single channel single
phase, single channel multiphase, multi-channel single phase, dan multichannel multiphase.
1) Single channel single phase
Struktur antrian semacam ini hanya memiliki satu jalur pelayanan dan
dalam jalur itu hanya memiliki satu tahap saja. Struktur ini sangat
sederhana, seperti yang telah dikemukakan di atas dan kalau kita
gambarkan kembali tampak, seperti Gambar 7.4 (sebenamya sama
dengan Gambar 7.1)
,
~~t1ittf~~
.. - .......
...
.. !I
Il l
t!tt
~h:Jar.an
Gambar 7.4.
Struktur Antrian yang Hanya MemHiki Satu Jalur dan Satu Fase Pelayanan
2)
~~ I
..
- .
. ...
7.14
Riset Operasi
Gambar 7.5.
Model Single Channel Multiphase.
Keterangan:
M = antrian
S = fasilitas pelayanan (server)
3)
Gambar 7.6.
Model Multi-Channel Single Phase
4)
Multichannel-multiphase
Sistem multichannel-multiphase ditunjukkan dalam Gambar 7.7. Sebagai
contoh herregistrasi para mahasiswa di universitas, pelayanan pasien di
rumah sakit (dari pendaftaran, diagnostik, penyembuhan sampai
pembayaran). Setiap sistem ini mempunyai beberapa fasilitas pelayanan
pada setiap tahap sehingga lebih dari satu individu dapat dilayani pada
suatu waktu. Pada umumnya, jaringan antrian ini terlalu kompleks untuk
dianalisis dengan teori antrian, mungkin simulasi lebih sering digunakan
untuk menganalisis sistem ini.
7.15
EKMA4413/ MODUL 7
Sistem Antrian
l'
-::~
Gam bar 7. 7.
Model Multichannel-Multiphase
Selain empat model struktur antrian di atas sering terj adi struktur
campuran (mixed arrangement) yang merupakan campuran dari 2 atau lebih
struktur antrian di atas. Misalnya, toko-toko dengan beberapa pelayan
(multichannel). Namun, pembayarannya hanya pada seorang kasir (single
channel).
B. MODEL-MODEL ANTRIAN
Dalam memecahkan masalah antrian sering bisa kita pakai beberapa
macam model, sesuai dengan masalah yang dihadapi. Ada model yang sangat
sederhana, ada yang lebih sulit, dan ada pula yang sangat kompleks. Faktorfaktor yang menentukan macam-macam model itu adalah berikut ini.
1.
Distribusi Kedatangan
7.16
Riset Operasi
2.
Distribusi Pelayanan
Distribusi pelayanan, maksudnya adalah distribusi kemampuan
pelayanan bisa bersifat pasti, atau mengikuti distribusi Poisson atau distribusi
Erlang.
3. Banyaknya Jalur Pelayanan
Banyaknya jalur pelayanan dinyatakan dengan angka, sesuai dengan
banyaknyajalur yang ada.
4.
Banyaknya Masukan
Banyaknya masukan maksudnya jumlah objek (orang atau barang) yang
akan memasuki sistem. Kalau bersifat tak terhingga diberi simbol I dan kalau
terbatas diberi simbol F.
5.
distribusi I
pelayanan
(b)
1.
Modell:M/MIIII/1
7.17
EKMA4413/ MODUL 7
nq
j}
==--~(~-A)
Rata-rata jumlah objek yang ada dalam sistem (dalam antrian maupun
dalam pelayanan):
A
nt = = - ~-A
pn
==
A
1--
7.18
Riset Operasi
Hitunglah!
a. Rata-rata jumlah langganan yang antri sebelum dilayani.
b. Rata-rata jumlah langganan yang ada dalam toko itu baik yang
menunggu pelayanan maupun yang sedang dilayani.
c. Rata-rata lama langganan antri sebelum dilayani.
d. Rata-rata lama langganan berada di toko itu, baik untuk antri maupun
yang sedang dilayani.
e. Probabilitas ada n langganan yang ada di toko itu, baik yang antri
maupun yang sedang dilayani.
f. Rata-rata banyaknya langganan yang sedang dilayani.
g. Kalau biaya pelayanan setiap jam Rp500,00 dan biaya karena langganan
menunggu setiap jam Rp100,00 maka hitunglah jumlah seluruhnya
setiap jam.
Jawaban:
A-=3;f.l=8.
a.
b.
c.
d.
e.
n:
n = 3/8 = 0,375
0,088
0,033
0,012
0,005
0,002
0,001
g.
EKMA4413/ MODUL 7
7.19
2.
Model2: M/M/S/1/1
Model ini sebenarnya mirip dengan model 1, tetapi terdapat lebih dari
satu fasilitas pelayanan (multichannel) dan sesuai dengan yang dibicarakan di
atas, yaitu hanya membicarakan yang single phase. Rumus untuk masalah di
atas sebagai berikut.
Rata-ratajumlah objek yang ada dalam antrian:
_
Af.l( A )s
n =
f.l
p
2
q
(S -1) !(S~ -A ) o
Rata-rata jumlah objek yang ada dalam sistem (dalam antrian maupun
dalam pelayanan):
A
nt = n q +f.l
Rata-rata waktu setiap objek/masukan dalam antrian:
Po
(A')s
2
tq = J.!S(S!)[l-(A / SJ.!)] ll
Rata-rata waktu setiap masukan/objek berada dalam sistem (termasuk
dalam antrian):
1
tt = tq +f.l
Rata-rata banyaknya objek dalam fasilitas pelayanan:
A
ns = Sf.l
Jumlah biaya yang ditanggung - biaya pelayanan ditambah biaya
menunggu:
-
E(Ct) =
scs+ ntCW
7.20
Riset Operasi
1
P==----------
s-1 (A/f.l)n
(A-f.l)s
- -+- - n~o
n!
S!(I-A f.!)
8
Probabilitas masukan harus menunggu dalam antrian:
o
As
Pw ==
Po
S! [1- (A IS f.l)]
Contoh 7.3
Sebuah supermarket memiliki 3 counter. Setiap pembeli harus melalui
salah satu di antara ketiga counter untuk dihitung harga barang yang
dibelinya dan untuk membayar. Lama setiap langganan dilayani dalam
counter itu rata-rata 2 menit. Kedatangan langganan yang membayar
berdistribusi Poisson, yaitu rata-rata ada 50 orang setiap jam.
Hitunglah!
a. Probabilitas tidak ada langganan yang datang (untuk membayar).
b. Rata-rata jumlah langganan yang antri sebelum dilayani.
c. Rata-rata jumlah langganan yang ada dalam toko itu, baik yang
menunggu pelayanan maupun yang sedang dilayani.
d. Rata-rata waktu setiap langganan antri sebelum dilayani.
e. Rata-rata lama langganan berada di toko itu, baik untuk antri maupun
untuk dilayani.
f. Rata-rata banyaknya langganan yang sedang dilayani.
g. Kalau biaya pelayanan setiap jam Rp300,00 dan biaya karena langganan
menunggu setiap orang setiap jam Rp200,00 maka berapakah seluruh
biaya yang harus dikeluarkan dalam sistem itu?
h. Probabilitas seorang langganan harus menunggu dalam antrian.
Jawab
A == 50; f.l == 30
a.
S == 3
'
1
1!
2!
3!(1-50/3.30)
7.21
EKMA4413/ MODUL 7
50
50(30)
30
b.
n q ==
c.
50
nt ==0,4527+
==2,12 orang
30
0, 2086
50
tq = = - - - - - 2
30
50
30.3.3! 13.30
d.
== 0,009
1
tt == 0, 009 +
== 0, 00029
30
50
ns ==
== 0 55 56 == 0 56
3(30)
'
'
e.
f.
g.
h.
p =
50
0, 2086
30
3![1-(50 / 3(30)]
0,36
Contoh 7.4
Misalnya, dalam Contoh 7.2 (Model 1) di depan diadakan penambahan
satu unit pelayanan dalam toko variasi mobil itu.
Hitunglah!
a. Rata-rata setiap pembeli berada dalam toko itu.
b. Rata-rata biaya seluruhnya yang dikeluarkan setiap jam.
c. Manakah yang lebih murah, dengan satu unit pelayanan (seperti dalam
Contoh 7.2) atau dengan dua unit pelayanan?
Jawaban
c. Lebih baik memiliki I unit pelayanan saja karena lebih murah.
~
'
'
'.
--- - !li
--
"~
-"
,..
T .,.. -~
;2
~
~
LATIHAN
7.22
1)
2)
3)
4)
Riset Operasi
EKMA4413/MODUL 7
7.23
5)
1)
2)
4)
5)
6)
7.24
Riset Operasi
RANGKUMAN
TES FORMATIF 2
2)
3)
7.25
EKMA4413/MODUL 7
B. 0,5647 orang
C. 0,6076 orang
D. 2,3876 orang
4)
5)
Tingkat penguasaan =
x 100%
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% =
80 - 89% =
70 - 79% =
< 70% =
baik sekali
baik
cukup
kurang
7.26
Riset Operasi
Tes Formatif2
1) D
2) c
3) D
4) B
5) A
7.27
EKMA4413/MODUL 7
Daftar Pustaka
Churchman, C.W., Ackoff, R .. , dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Metzeger, R.W. Elementary Mathematical Programming. New York: John
Wiley & Sons, Inc.
Subagyo, P., Asri, M., dan Handoko, H. (1985). Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Taha, H. A. (1982). Operations Research~ An Introduction.
Macmillan Publishing Co., Inc.
New York:
Modul 8
Teori Keputusan
Drs. Pangestu Subagyo, M.B.A.
PENDAHULUAN
etiap hari kita selalu dihadapkan pada masalah pengambilan keputusan.
Untuk seorang manajer, tentu saja sifat keputusan yang diambilnya lebih
luas. Misalnya, keputusan untuk memperluas pabrik, keputusan untuk
berpindah usaha dan sebagainya. Dalam mengambil keputusan itu kita hams
menentukan pilihan yang terbaik, yaitu pilihan yang dapat mendatangkan
manfaat terbesar atau pengorbanan yang sekecil-kecilnya.
Dalam mengambil keputusan, bisa dibedakan dalam dua keadaan, yaitu
pengambilan keputusan pada keadaan yang pasti dan pengambilan keputusan
pada keadaan yang belum tentu. Dimaksudkan dengan keadaan yang pasti
apabila semua informasi untuk pengambilan keputusan itu akan benar-benar
terj adi sesuai dengan yang diperkirakan semula. Sebagai contoh, misalnya
kita memperkirakan bahwa pada waktu yang akan datang hasil penjualan
perusahaan sebanyak Rp50.000.000,00 setiap tahun maka perkiraan ini
dianggap pasti akan terjadi, seperti perkiraan yang dibuat (Rp50.000.000,00),
meskipun kenyataannya belum tentu, sedangkan keadaan yang belum tentu
maksudnya adalah keadaan di mana apa yang diperkirakan belum tentu
terjadi benar, mungkin terjadi mungkin tidak. Keadaan yang belum tentu ini
dibagi dalam dua macam keadaan, yaitu keadaan yang mengandung risiko,
maupun keadaan yang tidak pasti (uncertain). Dalam keadaan yang
mengandung risiko meskipun informasi itu belum tentu diketahui
probabilitasnya, sedangkan dalam keadaan yang tidak pasti itu informasi
yang kita miliki belum tentu terjadi dan tidak diketahui probabilitasnya.
Misalnya kita memiliki informasi kalau perusahaan memasang iklan di surat
kabar maka penjualan akan naik mungkin naik 25%, 50%, 75%, atau 100%,
dengan probabilitas sebagai berikut.
8.2
Riset Operasi
Kenaikan penjualan
25%
50%
75%
100%
Probabilitas
0,20
0,40
0,30
0,10
8.3
EKMA4413/MODUL 8
Kegiatan Belajar 1
Contoh 8.1
Suatu perusahaan akan menentukan saat penggantian mesin yang
dimiliki, diganti setiap satu tahun, setiap dua tahun, tiga tahun atau empat
tahun. Harga beli mesin itu Rp5.000.000,00 Data-data lain mengenai mesin
itu, seperti Tabel 8.1.
Tabel 8.1.
Harga Jual dan Biaya Pemeliharaan (Dalam Ribuan Rp)
1
3.000
500
2
2.600
800
3
2.000
1.000
4
1.600
2.000
Berdasarkan pada Tabel 8.1 itu dapat dilihat bahwa ada dua hal yang
harus dipertimbangkan untuk memilih keputusan yang tepat. Pertama,
penurunan harga jual (setelah dipakai). Kedua, biaya pemeliharaan setiap
8. 4
Riset Operasi
Tahun ke-
Har a Jua I
Penurunan har a mesin
Biava pemeliharaan kumulatin
Jumlah
Rata-rata
1
3 000
2.000
500
2.500
2.500
2
2600
2.400
1.300
3.700
1.850
3
2 000
3.000
2.300
5.300
1766,67
4
1600
3.400
4.500
7.900
1.975
8.5
EKMA4413/MODUL 8
Contoh 8.2
Contoh kedua ini akan mengadakan pengukuran hasil secara relatif, tidak
menggunakan hasil absolut. Suatu perusahaan akan meningkatkan volume
penjualannya dengan salah satu dari usaha-usaha, advertency, potongan
harga, undian berhadiah atau personal selling. Jumlah anggaran yang tersedia
untuk kegiatan ini di atas maksimum Rp100.000.000,00 Kalau melakukan
advertency dengan biaya Rp50.000,00 akan menaikkan volume penjualan
Rp600.000,00 kalau memberikan potongan harga bisa menaikkan volume
penjualan Rp700.000,00 kalau memberikan undian berhadiah bisa dinaikkan
penjualan dengan Rp500.000,00 dan kalau mengadakan personal selling bisa
menaikkan penjualan dengan Rp 1.000.000,00. Tujuan kita adalah
meningkatkan volume penjualan, tetapi besamya biaya yang dikeluarkan
untuk masing-masing kegiatan itu tidak sama, dan biaya kurang tepat kalau
dikurangkan pada kenaikan volume penjualan maka untuk memilih cara apa
yang akan digunakan kita cari persentase atau perbandingan hasil dari
biayanya, seperti pada Tabel 8.3.
Tabel 8.3.
Persentase Kenaikan Penjualan dari Biaya Promosi
Tindakan
Advertencv
Paton an har a
Undian berhadiah
Personal selling
Biaya (Ribuan
Rp)
50
40
30
70
Kenaikan Volume
Penjualan (Ribuan
Rp
600
700
500
1.000
Persentase
Kenaikan
Penualan 0/o
1.200
1.750
1.670
1.430
8.6
Riset Operasi
N.1
"'a.
== ~ ~ b J.
(I == 1, 2, . . . m)
j =l
Kalau diuraikan
N 1 == all b1 + a12b2 + .......... alabn
N2 == a21b1 + a22b2 + .......... a2aba
Contoh 8.4
Suatu perusahaan akan berusaha mengurangi biaya pengangguran mesin
dan mengurangi kerusakan barang dengan jalan memberikan tambahan upah
buruh setiap bulan. Ada beberapa altematif tambahan upah yang akan
dilakukan, masing-masing akan memberikan pengaruh yang berbeda-beda
terhadap biaya pengangguran mesin dan kerusakan barang, seperti yang
terlihat pada Tabel 8.4. Dalam kolom terakhir dari tabel itu dilanjutkan
dengan menghitung hasil bersih yang diperoleh dari penambahan upah buruh
itu, yaitu sebesar pengurangan biaya pengangguran mesin ditambah
pengurangan kerugian karena kerusakan barang (kedua-duanya merupakan
penghematan) dikurangi dengan tambahan biaya untuk menaikkan upah.
8.7
EKMA4413/ MODUL 8
Tabel 8.4.
Pengurangan Biaya Pengangguran Mesin dan Pengangguran Biaya Kerusakan
Barang Akibat Tam bah an Upah Buruh (Dalam Ribuan Rp)
Kenaikan Upah
Pengurangan Biaya
Pengangguran Mesin
500
600
700
700
900
1.100
1.125
1.100
BOO
900
Pengurangan
Kerugian Kerusakan
Baran
500
600
BOO
B50
900
Penghematan
Neto
700
90
1.200
1.175
1.100
Contoh 8.5
Suatu perusahaan akan memasang iklan untuk menaikkan volume
penjualan, menaikkan laba usaha, dan menaikkan harga sahamnya di pasar
modal. Periklanan ini akan dimuat pada salah satu dari empat surat kabar,
yaitu surat kabar A,B,C, dan D. Bobot (weight) untuk setiap kenaikan (hasil),
yaitu kenaikan penjualan = 2, kenaikan laba = 4, dan kenaikan harga
saham 1. Biaya pemasangan iklan di tiap media dan kenaikan jumlah
penjualan, kenaikan jumlah laba serta kenaikan harga saham dapat dilihat
pada Tabel 8.5.
Tabel 8. 5.
Biaya lklan, Kenaikan Penjualan, Kenaikan Laba dan Kenaikan Harga Saham.
(Dalam Ribuan Rupiah)
Surat Kabar
Biaya lklan
A
B
500
400
900
600
Kenaikan
Penualan
5.000
4.500
9.900
6.000
Kenaikan Laba
2.000
1.BOO
5.400
2.400
Kenaikan Harga
Saham
500
400
700
420
8.8
Riset Operasi
SURAT
KABAR
A
B
JUMLAH
BOBOT
3.700
4.150
4.678
3.670
LATIHAN
8.9
EKMA4413/ MODUL 8
Alternatif Tindakan
Biaya
Kenaikan upah
Jemputan
I Perumahan
2)
Kenaikan Kemampuan
Penualan
700
750
550
500
600
400
Sebaiknya alternatif manakah yang dipilih, kerj akan dengan dasar nilai
absolut!
Seorang petani akan mengadakan pemupukan sawahnya dan akan
mencoba beberapa macam pupuk. Kenaikan basil pertaniannya, seperti
terlihat pada tabel berikut ini.
I Macam Pupuk
A
B
Harga Pupuk
20.000
40.000
50.000
45.000
Sebaiknya pupuk manakah yang dipilih dan kerjakan dengan dasar nilai
absolut!
3) Kerj akan soal nomor 1 dengan nilai relatif!
4) Kerj akan soal nomor 2 dengan nilai relatif!
5) Ada suatu perusahaan yang akan memilih letak pabriknya, di salah satu
kota di antara A, B, atau C. Data-data yang tersedia adalah berikut ini.
I Alternart1 Koa
t
A
6)
LbU
a a sa ha
500.000
550.000
800.000
200.000
D
Gunakan bobot untuk volume penjualan 1 dan laba usaha 3. Carilah
alternatif tempat manakah yang sebaiknya dipilih, dengan menggunakan
dasar basil (nilai) absolut!
Kerjakan nomor 5 dengan menggunakan nilai relatif!
8.10
Riset Operasi
1)
2)
3)
4)
5)
RANGKUMAN
TES FORMATIF 1
Harga Jual
Rp170.000.000,00
Rp160.000.000,00
Rp145.000.000,00
Rp130.000.000,00
Biaya pemeliharaan
RJ 1.000.000,00
Rp 1.500.000,00
Rp 2.500.000,00
Rp 3.000.000,00
Berdasarkan nilai tinggi rata-rata maka biaya paling optimum, yaitu ....
A. Rp31.000.000,00
B. Rp21.250.000,00
8.11
EKMA4413/MODUL 8
C. Rp20.000.000,00
D. Rp19.500.000,00
2)
I Keterangan I
Biaya
Kenaikan
volume
Penjualan
Advertensi
I Potongan Harga I
Undian
I Personal Selling
Rp2.000.000,00
Rp3.500.000,00
Rp 1.500.000,00
Rp 5.000.000,00
Rp25.000.000,00
Rp30.000.000,00
Rp20.000.000,00
Rp 40.000.000,00
10
20
30
40
500
600
650
725
Pengurangan kerusakan
50
55
65
70
maka
penghematan
Bia~a
Rp5.000,00
Rp4.000,00
Rp4.500,00
Rp6.000,00
Peningkatan Penjualan
Rp40.000,00
Rp35. 000,00
Rp50.000,00
Rp45. 000,00
8.12
Riset Operasi
C. C
D. D
5)
Tingkat penguasaan =
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
8.13
EKMA4413/MODUL 8
Kegiatan Belajar 2
8.14
Riset Operasi
1.
dengan
dengan
dengan
sebagai
(i = 1, 2, ... m)
NH.1 == "P
L...J lJ.. x lJ..
j =l
kalau diuraikan
NH1 = P11X11 + P12X2 + .......... PlaXa
NH2 = P21X1 + P22X2 + .......... P2aXa
Contoh 8.3
Seorang pengusaha sirkus bulan ini akan mengadakan pertunjukan di
salah satu dari kota-kota, yaitu Medan, Surabaya, dan Ambon. Kalau keadaan
cuaca bulan ini baik maka laba yang diperoleh kalau mengadakan
Medan sebesar Rp50.000.000,00,
di
Surabaya
pertunjukan di
Rp40.000.000,00, dan di Ambon Rp60.000.000,00, tetapi kalau keadaan
cuaca tidak baik maka laba yang akan diperoleh kalau diselenggarakan di
Medan Rp 10.000.000,00 di Surabaya Rp30.000.000,00 dan di Ambon
Rp5.000.000,00 Probabilitas keadaan cuaca baik = 0,60 dan probabilitas jelek
0,40. Berdasarkan data di atas maka bisa di buat tabel untuk menghitung nilai
harapannya, seperti pada Tabel 8. 6.
8.15
EKMA4413/ MODUL 8
Tabel 8. 7.
Nilai Harapan dari Pertunjukan Sirkus (Dalam Jutaan Rp)
Kota
Medan
Surabaya
Ambon
Cuaca Baik
p = 0,60
Cuaca Buruk
p = 0,40
Nilai Harapan
50
40
60
10
30
5
Berdasarkan atas nilai harapan nilai dalam Tabel 8.7 itu temyata yang
terbaik adalah penyelenggaraan di Ambon karena nilai harapannya tertinggi.
Maka keputusan yang kita ambil sebaiknya di Ambon.
Contoh 8.4
Suatu perusahaan merencanakan menambah karyawan untuk menekan
kerugian kerusakan barang karena selama ini kerugian yang disebabkan
kerusakan barang sangat tinggi. Ada beberapa alternatif penambahan
karyawan bisa ditambah 1, ditambah 2, ditambah 3, dan seterusnya sampai
dengan alternatif penambahan 5 karyawan. Penambahan setiap orang
karyawan akan menaikkan biaya tenaga kerja dengan Rp90.000,00 setiap
bulan. Penambahan karyawan itu belum tentu bisa bekerjasama dengan
karyawan yang sekarang ada. Dalam Tabel 8.8 ditunjukkan probabilitas bisa
atau tidaknya bekerja sama dan besarnya penghematan kerugian yang bisa
dilakukan.
Tabel 8.8.
Penghematan Kerugian Kerusakan Barang Setiap Bulan (Dalam Ribuan Rp)
BISA BEKERJASAMA
PENAMBAHAN
(ORANG)
Probabilitas
1
2
3
4
5
0,9
0,8
0,7
0,5
0,4
Pen~
hematan
150
300
500
650
550
Pen hematan
0,1
0,2
0,3
0,5
0,6
100
150
50
50
0
8.16
Riset Operasi
Penambahan
1 buruh =
2 buruh =
3 buruh =
4 buruh =
5 buruh =
B. POHON KEPUTUSAN
Apabila alternatif yang akan kita pilih itu terdiri dari beberapa altematif
lagi maka untuk mempermudah bisa kita gunakan bantuan gambar. Gambar
itu bercabang-cabang, tiap-tiap cabang mempunyai ranting sehingga
menyerupai pohon. Oleh karena itu, sering disebut sebagai pohon keputusan.
Setiap cabang kita telusuri sampai ranting yang terkecil yang masing-masing
merupakan satu alternatif. Untuk mudahnya kita gunakan contoh berikut.
Contoh 8.5
Suatu perusahaan menghadapi masalah untuk membeli mesin dengan
kapasitas besar atau kapasitas kecil. Hal ini didasarkan atas pertimbangan
bahwa pada waktu yang akan datang kemungkinan besar akan terjadi
kenaikan permintaan barang. Probabilitas terj adinya kenaikan permintaan
barang = 0,75 dan probabilitas tidak terjadinya kenaikan permintaan barang =
0,25. Untuk lebih jelasnya kita perinci kemungkinan yang bisa terjadi sebagai
berikut.
1.
8.17
EKMA4413/ MODUL 8
~~
'
..
,.
)ilt &Iiiii
"'~
0
Gambar 8.1.
Pohon Keputusan untuk Pembelian Mesin.
8.18
Riset Operasi
Untuk memecahkan masalah ini maka kita hitung dulu nilai harapan
untuk pembelian mesin besar (NH 1), dengan probabilitas kenaikan
permintaan (0,75) dikalikan dengan laba kalau ada kenaikan permintaan
(1.000.000) ditambah probabilitas kalau tidak terjadi kenaikan permintaan
(0,25) dikalikan dengan laba kalau tidak ada kenaikan permintaan (200.000),
sebagai berikut.
NH 1 = 0,75 (1.000.000) + 0,25 (200.000) = 800.000.
Kemudian, kita hitung nilai harapan kalau membeli mesin kecil (NH 2),
tetapi sebelum menghitung nilai harapan mesin kecil ini kita hitung dulu nilai
harapan adanya pembelian mesin tambahan pada tahun kedua (NH 2a) dan
nilai harapan kalau tidak membeli mesin tambahan pada periode kedua (NH
2b ). Nilai ini terjadi pada periode 2 kalau memilih alternatif membeli mesin
kecil. Nilai harapan untuk membeli mesin untuk pembelian mesin tambahan
pada periode kedua adalah probabilitas kalau pemerintah memberikan kredit
mesin (0,80) dikalikan dengan laba yang diperoleh seandainya memperoleh
kredit ditambah dengan probabilitas kalau pemerintah tidak memberikan
kredit mesin (0,20) dikalikan dengan laba yang diperoleh kalau pembelian
mesin dilakukan sendiri oleh perusahaan.
NH2a = 0,80(800.000) + 0,20(700.000) = 780.000
NH2b = 300.000
Dari kedua nilai harapan di atas tersebut (NH2a dan NH2b) temyata
yang lebih besar adalah NH 2a (780.000). Maka, periode 2 pilihlah membeli
mesin tambahan.
Barulah sekarang kita bisa menghitung nilai harapan untuk membeli
mesin kecil, yaitu sebesar probabilitas terjadinya kenaikan permintaan (0,75)
dikalikan dengan jumlah antara laba selama setahun pertama (1 00.000) nilai
harapan kalau membeli mesin tambahan, ditambah probabilitas permintaan
tidak bertambah (0,25) dikalikan dengan laba yang diperoleh kalau tidak
terjadi kenaikan permintaan (300.000) dan hasilnya sebagai berikut.
NH2 = 0,75(100.000 + 780.000) + 0,25(300.00) = 735.000
Setelah nilai harapan membeli mesin besar NH1 dengan nilai harapan
membeli mesin kecil (NH2) diketahui maka kita bisa memilih di antara
keduanya dan ternyata yang memberikan nilai harapan terbesar adalah
EKMA4413/MODUL 8
8.19
LATIHAN
8.20
Riset Operasi
Apabila mangga itu laku terjual pada hari yang sama dengan waktu
pembeliannya, maka harga jualnya setiap kilogram Rp700,00, tetapi
kalau hari itu tidak laku terjual maka bisa dijual dengan harga lebih
murah, yaitu Rp300,00 setiap kilogram. Harga beli mangga itu setiap
kilogram Rp500,00. Berapakah sebaiknya jumlah pembelian setiap hari?
4) Seorang pedagang akan membeli barang dagangannya, tetapi ia harus
memilih pembelian itu dari salesmen A atau B. Kalau pembelian
dilakukan melalui salesmen A maka probabilitas terdapat banyak
kerusakan barang = 0,20, sedangkan salesmen B = 0,10. Kalau terdapat
kerusakan barang dagangan apabila dijual lagi hanya akan laku
Rp200.000,00. Harga beli barang itu kalau pembelian lewat salesmen A
Rp240.000,00, sedangkan kalau melalui B Rp250.000,00. Kalau barang
baik semua maka bisa laku terjual dengan harga Rp300.000,00. Apabila
pembelian dilakukan melalui salesmen A dan perusahaan mau
membayar biaya asuransi Rp10.000,00, untuk setiap pembelian maka
kalau terjadi kerusakan dalam pengangkutan maka kerugiannya akan
diganti oleh perusahaan asuransi. Probabilitas kerusakan dalam
pengangkutan = 0,05.
5) Seorang pencari pekerjaan sedang memikirkan apakah ia akan pergi ke
Jakarta atau Bandung untuk mencari pekerjaan. Seandainya ia pergi ke
Jakarta, probabilitas untuk diterima di perusahaan swasta sebesar 0,50,
probabilitas diterima di kantor pemerintah = 0,20 dan probabilitas tidak
mendapat pekerjaan = 0,30. Kalau ia diterima di perusahaan swasta,
probabilitas ia ditempatkan di dalam perusahaan = 0,70 dan probabilitas
mendapat tugas luar 0,30. Kalau ia ditempatkan di dalam perusahaan
maka penghasilannya setiap bulan Rp90 ribu, tetapi kalau ditempatkan di
luar setiap bulan Rp150 ribu. Kalau ia diterima di kantor pemerintah
maka gajinya Rp100 ribu setiap bulan dan kalau ia tidak diterima di
mana-mana maka kerugian yang dideritanya setiap bulan Rp25 ribu.
Andaikata ia pergi ke Bandung probabilitas untuk diterima di perusahaan
swasta 0,40, probabilitas diterima 0,30 dan probabilitas tidak
mendapatkan pekerjaan 0,30. Kalau ia diterima di perusahaan swasta
probabilitas ia ditempatkan di dalam perusahaan 0,80 dan probabilitas ia
mendapat tugas luar 0,20. Kalau ia ditempatkan di dalam perusahaan
maka penghasilannya setiap bulan Rp 100 ribu, tetapi kalau ditempatkan
di luar setiap bulan Rp 140 ribu. Kalau ia diterima di kantor pemerintah
maka gajinya hanya Rp80 ribu setiap bulan dan kalau ia tidak diterima di
8.21
EKMA4413/MODUL 8
c.
RANGKUMAN
TES FORMATIF 2
Data her1knt 1n1 ci1 P"nnakan nnt11 k men1 awa h soal no . 1 -
~.
8.22
Riset Operasi
Rp10.000.000,00 dan kalau tidak berhasil akan rugi 4 juta. Untuk usaha
pertanian kalau berhasil dan perusahaan bisa mengolah sebelum dijual
akan memperoleh laba Rp10.000.000,00, tetapi kalau perusahaan tidak
bisa mengolah dan dijual langsung labanya hanya Rp8.000.000,00.
Probabilitas bisa atau tidaknya perusahaan mengolah hasil pertanian
0,60. Andaikata investasi bidang pertanian gagal maka perusahaan akan
rugi sebesar Rp500.000,00. Apabila ia mengadakan investasi di kota
maka ada 3 bidang yang bisa dipilihnya, yaitu investasi di bidang
perdagangan, j as a, dan produksi. Andaikata us aha pertanian ini gagal
maka perusahaan akan menderita rugi Rp500.000,00. Kalau memilih di
bidang dagang maka probabilitas mendapatkan laba Rp5.000.000,00
sebesar 0,60, probabilitas mendapatkan laba Rp8.000.000,00 sebesar
0,25 dan probabilitas mendapat lab a Rp 1.000.000,00 sebesar 0,15. Kalau
pengusaha memilih investasi di bidang us aha j as a maka probabilitas
mendapatkan laba Rp4.000.000,00 sebesar 0,20, probabilitas
mendapatkan
laba Rp5.000.000,00 sebesar 0,50 dan probabilitas
mendapat laba Rp7.000.000,00 sebesar 0,30. Kalau pengusaha memilih
investasi di bidang produksi maka probabilitas untuk mendapatkan laba
sebanyak Rp10.000.000,00 sebesar 0,10, probabilitas mendapat laba
Rp3.000.000,00 sebesar 0,70 dan probabilitas mendapat laba
Rp5.000.000,00 sebesar 0,20.
1) Nilai harapan usaha peternakan adalah ....
A. Rp3.000.000,00
B. Rp4.000.000,00
C. Rp8.000.000,00
D. Rp 10.000.000,00
2)
8.23
EKMA4413/ MODUL 8
4)
5)
Tingkat penguasaan =
x 100%
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% =
80 - 89% =
70 - 79% =
< 70% =
baik sekali
baik
cukup
kurang
8.24
Riset Operasi
Tes Formatif2
1) A
2) B
3) B
4) B
5) D
EKMA4413/MODUL 8
8.25
Daftar Pustaka
Churchman, C.W., Ackoff, R .. , dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Metzeger, R.W. Elementary Mathematical Programming. New York: John
Wiley & Sons, Inc.
Subagyo, P., Asri, M., Handoko, T. H. (1985). Dasar-dasar Operations
Research. Y ogyakarta: BPFE.
Taha, H. A. (1982). Operations Research, An Introduction. New York:
Macmillan Publishing Co., Inc.
Modul 9
Game Theory
Drs. Pangestu Subagyo, M.B.A.
PENDAHULUAN
alam kehidupan perusahaan umumnya setiap hari dihadapkan pada
persaingan. Persaingan ini terutama dirasakan dalam bidang penjualan,
perolehan input produksi, teknologi, dan sebagainya. Dalam persaingan
biasanya kita tidak mengetahui rencana tindakan pesaing/lawan sehingga
sulit bagi kita untuk mengadakan perencanaan tindakan dengan baik. Dalam
modul ini akan dibicarakan model yang biasa dipakai untuk menghadapi
situasi persaingan ini.
Ide dari model ini mula-mula datang dari perbandingan antara dua
kelompok pemain olahraga. Tentu saja kedua belah pihak ingin
memenangkan pertandingan itu. Keduanya bersaing, mengadu kekuatan,
mengatur siasat, berusaha mengetahui strategi lawan, memilih strategi untuk
menghadapi lawan, dan sebagainya. Keadaan ini temyata mirip dengan
persaingan di bidang bisnis dan bidang lain dalam kehidupan manusia. Salah
satu anggapan yang digunakan dalam game theory bahwa setiap pihak/
peserta bersifat rasional.
Setelah mempelajari modul ini diharapkan agar Anda memahami
pemecahan masalah dalam keadaan persaingan sehingga strategi untuk
menghadapi lawan dilakukan dengan dasar dan alasan yang kuat
Secara khusus setelah mempelajari modul ini diharapkan agar Anda
mengerti konsep untuk menghadapi persaingan dalam keadaan:
1. mengerti keadaan/strategi lawan;
2. tidak mengerti keadaan lawan;
3. dalam keadaan tidak pasti.
Meskipun dalam modul ini uraiannya bersifat teoretis, tetapi akan
mengarahkan pikiran mahasiswa kepada cara pemilihan strategi yang benar.
9.2
Riset Operasi
EKMA4413/MODUL 9
9.3
Kegiatan Belajar 1
9.4
Riset Operasi
Tabel 9.1.
Payoff Matrix untuk Permainan Jari, Ditinjau dari Pihak Pertama
Peserta Kedua,
Peserta Pertama
Strategi 1
Strategi 2
Strategi 1
100
-100
Strategi 2
-100
100
9.5
EKMA4413/MODUL 9
berdasar strategi yang dominan. Pada konsep ini secara bertahap kita
hilangkan strategi yang secara keseluruhan kurang baik dibanding dengan
strategi yang lain, sampai akhimya diperoleh strategi yang terbaik, tetapi cara
ini hanya bisa dipakai kalau ada strategi yang memang dominan dibanding
dengan strategi yang lain.
Sebagai contoh dari masalah ini, misalnya ada 2 perusahaan yang
berebut konsumen dan tiap-tiap perusahaan memiliki 3 strategi pemasaran,
misalnya strategi pertama pemberian potongan harga, strategi kedua
pemasangan advertensi di surat kabar, dan strategi ketiga dengan undian
berhadiah. Jumlah konsumen yang bisa diraih dalam berbagai alternatif
strategi dapat disusun pada payoff matrix dipandang dari perusahaan A,
seperti dalam Tabel 9 .2.
Tabel 9.2.
Payoff matrix untuk Perebutan Konsumen.
.
Perusahaan B
Strategi 1
Strategi 2
Strategi 3
Strategi 1
1.000
2.000
4.000
Strategi 2
1.000
5.000
Strategi 3
1.000
-1.000
Perusahaan A
1.
9.6
Riset Operasi
Perusahaan B
Strategi 1
Strategi 2
Strategi 3
Strategi 1
Strategi 2
Perusahaan A
9.7
EKMA4413/ MODUL 9
Tabel 9.4.
Payoff Matrix setelah Strategi 3 Perusahaan A
Perusahaan B
Strategi 1
Strategi 2
Strategi 1
Strategi 2
Perusahaan A
Perusahaan B
Perusahaan A
Strategi 1
Strategi 1
Strategi 2
Berdasar Tabel 9.5 di atas terlihat bahwa tinggal satu strategi untuk
perusahaan A dan perusahaan B masih memiliki 2 strategi. Kalau mengetahui
bahwa perusahaan A menjalankan strategi 1 tentu saja perusahaan B akan
memilih strategi 1 yang paling sedikit mengakibatkan perebutan konsumen
oleh perusahaan A maka tinggallah keputusan akhir, yaitu perusahaan A
memilih strategi 1 dan perusahaan B juga memilih strategi 1 dan hasil
terjadinya perebutan konsumen dari perusahaan B ke perusahaan A sebanyak
1. 000 orang.
Suatu game dikatakan imbang kalau menghasilkan nilai game sebesar 0,
berarti tidak ada yang menang dan tidak ada yang kalah, tidak ada yang
mendapat keuntungan dan tidak ada yang dirugikan.
9.8
Riset Operasi
Dalam bagian di atas dibahas suatu masalah yang memiliki strategi yang
dominan. Dalam bagian ini dibahas masalah yang tidak memiliki strategi
yang dominan, misalnya payoff matrix persaingan antara kedua perusahaan
dalam mencari laba, seperti pada Tabel 9 .6. Pada tabel itu dicantumkan
keuntungan perusahaan X pada berbagai strategi dalam menghadapi
perusahaan Y. Kalau perusahaan X untung, berarti perusahaan Y menderita
rugi sebesar keuntungan perusahaan X, demikian pula sebaliknya.
Tabel 9.6.
Payoff Matrix An tara Perusahaan X dan Perusahaan Y, Dipandang dari
Perusahaan X
Perusahaan Y
Perusahaan X
Strategi 1
Strategi 2
Strategi 3
Strategi 1
-3.000
-2.000
6.000
Strategi 2
2.000
2.000
Strategi 3
5.000
2.000
-4.000
Dalam Tabel 9.6 itu baik untuk strategi perusahaan X, maupun strategi
perusahaan Y tidak ada yang dominan sehingga tidak bisa kita mengabaikan
salah satu strategi sampai diperoleh keputusan terakhir.
Kalau perusahaan X memilih strategi 1 maka kalau untung bisa sebesar
Rp6.000,00, tetapi kalau rugi paling banyak Rp3.000,00. Melihat perusahaan
X memilih strategi 1 maka perusahaan Y bersifat rasional, yaitu tidak ingin
dirugikan maka ia akan memilih strategi 1 yang bisa merugikan perusahaan
X (berarti menguntungkan perusahaan Y) sebesar Rp3.000,00. Perusahaan X
yang juga bersifat rasional juga tidak mau rugi dan kalau perusahaan Y
memilih strategi 1 maka yang paling menguntungkan bagi perusahaan X
adalah strategi 3 yang agar menghasilkan laba Rp5.000,00 bagi perusahaan X
(dan rugi Rp5.000,00 bagi perusahaan Y). Kalau perusahaan X memilih
strategi 3 maka perusahaan Y akan ganti pada strategi 3 supaya perusahaan Y
mendapat laba Rp4.000,00 (akibatnya perusahaan X menderita rugi
Rp4.000,00). Kalau perusahaan Y memilih strategi 2 maka perusahaan X
akan ganti pada strategi 2 agar mendapat laba Rp2.000,00 (berarti perusahaan
Y rugi Rp2.000,00), tetapi perusahaan Y menanggapi perubahan strategi
perusahaan lawannya pasti akan ganti memilih strategi 2 untuk menghindari
EKMA4413/MODUL 9
9.9
kerugian yang dideritanya sehingga ia tidak rugi dan tidak untung (kerugian
0). Dalam keadaan ini kedua belah pihak tidak akan mengubah strateginya
karena kalau perusahaan X memilih strategi 2 bisa mendapat keuntungan
sampai dengan Rp2.000,00, tetapi dalam keadaan yang paling jelek tidak
menderita kerugian. Demikian pula perusahaan Y akan tetap memilih strategi
ini karena ada kemungkinan menerima laba Rp2.000,00 dan paling celaka
hanya tidak menerima keuntungan, tetapi tidak rugi (untung atau rugi sebesar
0). Keadaan inilah yang dinamakan dengan saddle point dan memiliki nilai
game sebesar 0. Nilai maksimum dan nilai minimum dari hasil game sama,
yaitu sebesar 0.
Konsep di atas bertujuan untuk memaksimumkan keuntungan minimum
dan meminimumkan kerugian maksimum yang terkenal dengan strategi
maximin dan strategi minimax. Kedua strategi ini sebenarnya didasarkan pada
prinsip hati-hati, artinya kalau memaksimumkan keuntungan minimum
berarti keputusan yang diambil kalau keadaan yang dihadapi tidak
menguntungkan kalau menerima untung meskipun kecil, tetapi paling besar
di antara alternatif yang lain. Sebaliknya dalam strategi minimax, alternatif
yang kita pilih kalau menderita rugi paling banyak, masih lebih kecil di
antara alternatif yang lain.
Kalau kita lihat payoff matrix dalam Tabel 9.6, untuk perusahaan X
sebaiknya menempuh strategi maximin, yaitu memaksimumkan keuntungan
minimum. Caranya sebagai berikut.
1. Pilihlah nilai minimum dari hasil setiap strategi, untuk strategi 1
(perusahaan X) minimum di antara - 3.000, - 2.000 dan 6.000 sebesar 3.000. Untuk strategi 2 minimum di antara 2.000, 0 dan 2.000 sebesar 0
dan untuk strategi 3 minimum di antara 5.000, - 2.000 dan - 4.000
sebesar - 4.000. Nilai ini, seperti terlihat pada kolom terakhir pada
Tabel9.7.
2. Pilihlah nilai terbesar di antara ketiga nilai minimum di atas (maksimum
di antara - 3.000, 0 dan - 4.000), yaitu sebesar 0 pada strategi 2.
Berdasar hasil di atas berarti perusahaan X sebaiknya memilih strategi 2
agar bisa memaksimumkan keuntungan minimum. Jawaban ini sama dengan
langkah secara bertahap di atas.
9.10
Riset Operasi
Tabel 9. 7.
Payoff Matrix an tara Perusahaan X dan Perusahaan Y, Dipandang dari
Perusahaan X
Perusahaan Y
Perusahaan X"
Strategi 1
Strategi 2
Strategi 3
Minimum
Strategi 1
-3.000
-2.000
6.000
-3.000
Strategi 2
2.000
2.000
0 (maksimin)
Strategi 3
5.000
2.000
-4.000
-4.000
Maximum
5.000
6.000 (minimaks)
Perusahaan Y
Perusahaan X
Strategi 1
Strategi 1
Strategi 2
Strategi 3
-2.000
2.000
9.11
EKMA4413/MODUL 9
Strategi 2
5.000
4.000
-3.000
Strategi 3
2.000
3.000
-4.000
Apabila kita cari nilai maximin dan minimax dari tabel di atas, seperti
pada Tabel 9.9.
Tabel 9. 9.
Payoff Matrix antara Perusahaan X dan Perusahaan Y Dipandang dari
Perusahaan X
~rusahaanY
Perusahaan
Strategi
1
Strategi
Strategi 3
Minimum
Strategi 1
-2.000
6.000
-2.000 (maksimin
batas bawah)
Strategi 2
5.000
4.000
-3.000
-3.000
Strategi 3
2.000
3.000
-4.000
-4.000
4.000
2.000
(minimaks =
batas atas}
Maximum
5.000
9. 12
Riset Operasi
memiliki nilai akhir dengan batas nilai terendah sebesar nilai maximin
(-2.000) dan nilai tertinggi sebesar nilai minimax (2.000).
Simbol m
Expectedpayoff=
LLPij xi yj
i= l n= l
Untuk contoh kita dalam Tabel 9.8 atas yang keputusannya tidak
berakhir dengan saddle point, mula-mula menghasilkan payoff 2.000 kalau
perusahaan X menempuh strategi 1 dan perusahaan Y menempuh strategi 3,
kemudian perusahaan Y mengubah strategi 2 menghasilkan payoff - 2.000,
dan seterusnya sampai hasil payoff sebelum berputar kembali masing-masing
4.000 dan -3.000. Andaikata xl = 0,5, x2 = 0,5 dan x3 = 0 serta yl = 0,5,
Y 2 = 0,5 dan Y 3 = 0,5 maka expected payoff-nya sebagai berikut.
9.13
EKMA4413/MODUL 9
LATIHAN
Carilah keputusan akhir game yang diikuti oleh dua peserta (A dan B)
dengan payoff matrix kemenangan bagi A tersebut berikut ini.
Pihak B
Strategi 1
Strategi 2
Strategi 3
Strategi 1
Strategi 2
Strategi 3
-5
Pihak A
2)
Carilah nilai maximin untuk pemain A dan nilai minimax untuk pemain
B yang memiliki payoff matrix kemenangan bagi A tersebut berikut ini.
~
Pihak B
Strategi 1
Strategi 2
Strategi 3
Strategi 4
Strategi 1
Strategi 2
18
Strategi 3
-4
10
Pihak A
3)
9.14
4)
Riset Operasi
Ada dua kelompok peserta olahraga yang bertanding sepak bola. Payoff
matrix kemenangan ditinjau dari kelompok A adalah sebagai berikut.
Kelompok B
Kelompok A
Strate i 1
Strategi 2
Strategi 3
Strategi 4
a.
b.
c.
d.
5)
Strategi 1
Strategi 2
Strategi 3
Strategi 4
5
6
8
3
-10
7
7
4
9
8
15
-1
0
1
2
4
Carilah saddle point dan hitung nilai akhir dari game dari payoff matrix
berikut ini.
Strategi B
Strategi A
II
Ill
IV
II
Ill
4)
9.15
EKMA4413/MODUL 9
5)
TES FORMATIF 1
en
::
en
a..
Strate i
Strategi
Strate i
Strategi
1
2
3
4
Strate i 1
4
-3
I
6
7
Strate
-4
-4
I
7
3
PERSIB
i2
Strate i 3
-5
-9
I
-8
-9
Strate i 4
6
I
-2
-9
5
9.16
Riset Operasi
C. 6
D. 7
4) Saddle point terjadi pada suatu game apabila nilai game tertinggi ....
A. < nilai terendah
B. = nilai terendah
C. > nilai terendah
nilai terendah
D.
c..
:E
I.
WI-
I.
Strate i 1
Strategi 2
Strategi 3
KOMPAS
Strate i 2
-4
-4
7
Strate i 1
4
-3
Strate~
i3
-5
-9
-8
Tingkat penguasaan =
----------
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
EKMA4413/ MODUL 9
9. 17
9.18
Riset Operasi
Kegiatan Belajar 2
emecahan lain dari game theory bisa dilakukan dengan metode grafik,
khususnya untuk masalah yang tidak memiliki saddle point, tetapi cara
ini hanya bisa dilakukan kalau paling tidak salah satu dari peserta game
tersebut hanya memiliki dua strategi dan kalau tidak maka cara ini tidak bisa
dipakai. Dengan kata lain game ini harus memiliki payoff matriks dengan
ukuran (2 x n), seperti pada Tabel 9.1 0.
Tabel 9.1 0.
Payoff matriks, Apabila A Hanya Memiliki 2 Strategi
B
'I
11
I Probabilitas I
A
X1
(1 - X2)
Y1
a11
a21
Y2
a12
a22
Yn
a1n
a2n
9.19
EKMA4413/ MODUL 9
Contoh 9.1
Suatu game memiliki payoff matrix, seperti terlihat pada Tabel 9 .11.
Tabel 9.11.
Payoff Matrix untuk Contoh 9.1
Strategi B
Strategi A
1
2
2
4
2
3
3
2
1
6
(1 -
X1)
9.20
Riset Operasi
'
..
'l
~(J
EF.' '":A
..
Ill
1\
Ho
- - - - - - - - - - - - - )(] -
..
"'
Gambar 9.1.
Mencari Titik Maximin untuk Contoh 9.1
x1 : o
E.P: 4
X1: o
E.P: 3
XI : 0
E.P: 2
X1 : o
E.P: 6
1
2
1
2
1
3
1
1
9.21
EKMA4413/MODUL 9
menghasilkan nilai X 1 pada titik B = Y2. Berarti nilai optimal dari X 1 sebesar
Y2. Dengan menggunakan nilai ini maka dapat dihitung nilai expected payoff
yang optimum, dengan memasukkan pada salah satu persamaan garis di atas,
misalnya kita substitusikan pada garis E.P. = 3 - X 1 maka E.P. = 3 - Y2 = 7'i .
Jadi, jawaban optimalnya adalah xl
Y2, x2
J'i.
Setelah kebijaksanaan minimax untuk peserta A ditentukan maka kita
bisa pula menghitung strategi maximin untuk B dan caranya sebagai berikut.
Dalam keputusan kita di depan, ternyata garis yang menentukan keputusan
optimal adalah garis ke-2 dan ke-3. Oleh karena itu, ini berarti bahwa strategi
B yang diperhatikan hanya strategi 2 dan 3 saj a, sedangkan strategi 1 dan 4
diabaikan, artinya tidak akan dipilih.
Tabel 9 .13a.
Payoff setelah A Menentukan Strategi Maximin.
1
Y2
2
{1 - Y2}
B
A
9.22
Riset Operasi
Untuk mencari nilai Y 2 optimal kita cari titik potong di antara kedua
garis itu, sebagai berikut.
3 -Y2 = 2 + Y2
Nilai Y 2 optimal = 12. Dengan memasukkan nilai X 2 pada salah satu
persamaan di atas akan diperoleh nilai expected payoff = %. Ternyata
hasilnya sama dengan pemecahan maximin untuk A di atas sehingga
keputusan akhirnya adalah sebagai berikut.
XI = Y2
x2= 12
y 2 = }'j
Y3= X
E.P. = 7f
LATIHAN
Untuk memperdalam pemahaman Anda mengenai materi di atas,
kerj akanlah latihan berikut!
1)
Carilah pemecahan optimal dari payoff matrix berikut ini untuk mencari
nilai maximin untuk peserta A.
10
2)
10
11
9.23
EKMA4413/MODUL 9
10
3)
4)
16
20
30
17
25
31
20
40
25
5)
; RANGKUMAN
9.24
Riset Operasi
TES FORMATIF 2
12
Strategi 2
10
<C
0:::
:::::;)
<C
A. -1 /6
B. 1/3
C. 2/3
D. 1 1/6
2) Nilai probabilitas X 2 adalah .. ..
A. - 1/6
B. 1/3
C. 2/3
D. 1 1/6
3) Nilai probabilitas Y 2 adalah ....
A. - 1/6
B. 1/3
C. 2/3
D. 1 1/6
4) Nilai probabilitas Y 3 adalah . ...
A. - 1/6
B. 1/3
C. 2/3
D. 1 1/6
5) Nilai expected pay offgame adalah ....
A. 4 1/3
B. 5 1/3
9.25
EKMA4413/ MODUL 9
C. 6 1/3
D. 7 1/3
Cocokkanlahjawaban Anda dengan Kunci Jawaban Tes Formatif2 yang
terdapat di bagian akhir modul ini. Hitunglah jawaban yang benar.
Kemudian, gunakan rumus berikut untuk mengetahui tingkat penguasaan
Anda terhadap materi Kegiatan Belajar 2.
Tingkat penguasaan =
x 100%
Jumlah Soal
baik sekali
baik
cukup
kurang
9.26
Riset Operasi
Tes Formatif2
1) B
2) c
3) A
4) D
5) D
EKMA4413/MODUL 9
9.27
Daftar Pustaka
Churchman, C.W., Ackoff, R., dan Arnoff, E.L. Introduction to Operations
Research. New York: John Wiley & Sons, Inc.
Metzeger, R.W. Elementary Mathematical Programming. New York: John
Wiley & Sons, Inc.
Subagyo, P., Asri, M, dan Handoko, T. H. (1985). Dasar-dasar Operations
Research. Y ogyakarta: BPFE.