Bahan Ajar Operasi Riset

TINJAUAN MATA KULIAH
I.1. Deskripsi Singkat Mata Kuliah

Berdasarkan GBPP (Garis-Garis Besar Program Pengajaran) dan kurikulum
revisi (2004) jurusan Teknik Industri, Fakultas Teknik Universitas Malikussaleh
Tahun 2004, pada mata kuliah penelitian operasional II ini akan dibahas
mengenai: pengertian singkat dan menyeluruh dari penelitian operasional II,
analisis jaringan, perencanaan & pengendalian proyek dengan CPM PERT,
programa dinamis, teori permainan, rantai Markov dan teori Antrian pada suatu
perusahaan industri.
I.2. Kegunaan Mata kuliah Bagi Mahasiswa

Mata kuliah penelitian operasional II ini memiliki beberapa kegunaan bagi
mahasiswa nantinya, antara lain sebagai berikut:
1. Pada suatu perusahaan dapat diketahui bagaimana analisis jaringan,
perencanaan & pengendalian proyek suatu kegiatan produksi yang nantinya
akan dibutuhkan pada suatu perusahaan terutama dalam menghasilkan suatu
produk yang efektif dan efisien.
2. Mahasiswa dapat mengerti dan memahami konsep penelitian operasional II
secara menyeluruh dan bagaimana penerapannya pada suatu perusahaan
industri.
3. Dalam kehidupan sehari-hari mahasiswa nantinya mampu menilai,
mengevaluasi segmentasi pasar dan perkembangan produk dengan
menggunakan suatu sistem yang terdapat pada penelitian operasional II, yang
nantinya sangat berguna untuk pengembangan suatu perusahaan.
4. Mahasiswa mampu memahami bagaimana cara mengambil keputusan industri,
baik itu melalui suatu pendekatan tertentu ataupun langsung dengan
menggunakan sumber daya yang ada.
5. Dalam suatu perusahaan industri, mahasiswa nantinya mampu melihat dan
menilai berhasil tidaknya suatu perusahaan dalam mengambil keputusan
berkaitan dengan kinerja, sumber daya dan kompetensi suatu perusahaan.
1
I.3. Tujuan Instruksional Umum (TIK)
Tujuan Instruksional Umum (TIK) penelitian operasional II yang terdapat
dalam GBPP jurusan Teknik Industri, Fakultas Teknik Universitas Malikussaleh
Tahun 2004 menjelaskan bahwa dengan mempelajari mata kuliah penelitian
operasional II ini diharapkan mahasiswa mampu memahami mengenai berbagai
model optimasi dan pengambilan keputusan serta mampu menerapkan disiplin
ilmu dalam penelitian operasional II tersebut dalam kehidupan sehari-hari.
I.4. Susunan (Urutan) Bahan Ajar

Adapun susunan (urutan) bahan ajar dari perkuliahan pertama sampai
dengan perkuliahan terakhir adalah sebagai berikut:
PERKULIAHAN KE 1:
1. Pengantar Penelitian operasional II
1.1. Sejarah singkat perkembangan penelitian operasional
1.2. Komponen-komponen utama persoalan keputusan.
1.3. Model-model dalam penelitian operasional.
1.4. Metodologi penelitian operasional.
PERKULIAHAN KE 2 DAN 3:
2. Analisis Jaringan
2.1. Pengantar Analisis Jaringan
2.2. Konsep Dan Definisi
2.3. Algoritma Path
2.4. Tree Problem.
2.5. Flow Problem.
3. Perencanaan & Pengendalian Proyek dgn CPM PERT.
3.1. Simbol-simbol yang digunakan.
3.2. Penentuan Waktu.
2
3.3. Perhitungan maju & Perhitungan mundur.
3.4. Perhitungan kelonggaran waktu.
3.5. Pembuatan peta waktu & Pengaturan sumber daya.
3.6. Perkiraan waktu penyelesaian suatu aktifitas.
3.7. Penentuan ongkos dalam penjadwalan proyek.
4. Programa Dinamis
4.1. Pengantar Programa Dinamis
4.2 Teknik penyelesaian persoalan dengan Programa Dinamis
PERKULIAHAN KE 8:
5. Ujian mid semester.
PERKULIAHAN KE 9, 10 DAN 11:

6. Teori Permainan
6.1. Pengantar Teori Permainan.
6.2. Two person, Zero-Sum Game.
6.3. Pure-Strategy Game
6.4. Mixed-Strategy Game.
6.5. Solusi Grafis dari permainan (2xn) dan (mx2).
6.6. Solusi permaianan (mxn) dgn programa linier.

7. Proses Keputusan Markov
7.1. Pengantar proses keputusan Markov.
7.2. Ilustrasi Persoalan Keputusan Markov
7.3. Membangun Matriks Probabilitas Transisi
7.4. Model Program Dinamis dengan Stage Terbatas
7. 5. Model dengan Stage tidak Terbatas
3
8. Teori Antrian
8.1. Pengantar Teori antrian
8.2. Contoh Sistem Antrian
PERKULIAHAN KE 16:
9. Ujian semester.
I.5. Petunjuk Bagi Mahasiswa

Dalam mempelajari materi dalam setiap bab tersebut diharapkan mahasiswa
memiliki literature atau bahan pegangan baik berupa text book, jurnal maupun
ringkasan materi dari buku-buku yang berkaitan denngan mata kuliah penelitian
operasional II, hal ini sangat berguna bagi kelangsungan proses belajar mengajar
pada mata kuliah penelitian operasional II ini.
4
PERKULIAHAN KE 1: PENGANTAR PENELITIAN OPERASIONAL II
SESI/PERKULIAHAN KE: 1
TIK : Pada akhir perkuliahan ini mahasiswa diharapkan mampu:

1. Menjelaskan pengertian penelitian operasional.
2. Mengetahui komponen-komponen yang diperlukan dalam
pengambilan keputusan.
Pokok Bahasan : Pengantar Penelitian operasional II
Deskripsi singkat :
Dalam pertemuan ini anda akan mempelajari beberapa pengertian yang berkaitan
dengan penelitian operasional, memahami dan mengetahui Komponen-komponen
utama persoalan keputusan, model-model dalam penelitian operasional dan
metodologi penelitian operasional yang nantinya dapat diterapkan dalam
meyelesaikan persoalan pengambilan keputusan.
I. Bahan Bacaan:
1. Don T.Philips, et.al., Operation Research: Principle and Practice, 2nd
edition, John Wiley and Sons, 1987.
2. Hillier and Lieberman, Introduction to Mathematical Programming, 1st
edition, McGraw-Hill, 1991.
3. Taha, Hamdy, Operation Research : An Introduction, Newyork : The
MacMillan Co, 1985.
II. Bahan Tambahan:

1. Dimyati,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru
Algensindo Bandung, 1999.
2. Wagner, H.M. Principle of Operation Research, Englewood Cliffs, N.J :
Prenntice-hall Inc, 1969.
3. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation
Research , San Fransisco : Holden Day Ltd, 1977.
4. Wayne L.Winston, Operation Research: Application and Algorithms, 3rd
edition, Duxbury Press, 1994.
III. Pertanyaan Kunci/Tugas:

Ketika anda membaca bahan bacaan berikut, gunakanlah pertanyaan-pertanyaan
sebagai berikut:
1. Apa yang dimaksud dengan penelitian operasional?
2. Apa kegunaan mempelajari penelitian operasional?
IV. Tugas:
1. Definisikan pengertian penelitian operasional menurut literatur yang anda
baca dan jelaskan pengertian tersebut sesuai dengan pendapat anda!
2. Carilah contoh kasus persoalan keputusan yang berkaitan dengan penelitian
operasional II!
3. Jelaskan langkah-langkah dalam memecahkan suatu persoalan keputusan
dalam suatu organisasi!
5
1.1. PENDAHULUAN
Dalam perkuliahan pengantar penelitian operasional II ini akan dibahas
mengenai sejarah singkat perkembangan penelitian operasional, komponen-
komponen utama persoalan keputusan, model-model dalam penelitian operasional
dan metodologi penelitian operasional. Materi yang disampaikan sangat berkaitan
antara satu dengan yang lainnya, hal ini berguna dalam menghasilkan suatu
keputusan yang optimal dalam menyelesaikan suatu persoalan keputusan.
1.2. PENYAJIAN
PENGANTAR PENELITIAN OPERASIONAL II
1.1. Sejarah Singkat Perkembangan Penelitian Operasional

Pada masa Perang Dunia II, angkatan perang inggris membentuk suatu
team yang terdiri atas para ilmuwan untuk mempelajari persoalan-persoalan
strategis dan taktik sehubungan dengan serangan-serangan yang dilancarkan
musuh terhadap negaranya.
Tujuannya adalah untuk menentukan penggunaan sumber-sumber
kemiliteran yang terbatas seperti radar dan bomber, dengan cara yang paling
efektif. Karena tim melakukan research (penelitian) terhadap operasi-operasi
militer, maka muncullah nama Military Operation Research (penelitian
operasional kemiliteran), yang sejak awal telah ditandai dengan digunakannya
pengetahuan ilmiah dalam usaha menentukan penggunaan sumber-sumber daya
yang terbatas.
Hal yang serupa dilakukan oleh angkatan perang Amerika untuk
membentuk tim yang mereka sebut team Operation Research. Mereka berhasil
dalam memecahkan persoalan-persoalan logistik, suply barang-barang keperluan
perang dan menentukan pola-pola dasar jaringan bagi operasi alat-alat elektronik.
Setelah Perang Dunia II berakhir, Operation Research yang lahir di
Inggris ini kemudian berkembang pesat di Amerika karena keberhasilan yang
dicapai oleh team Operation Research tersebut, yang akhirnya menarik perhatian
6
orang-orang di perindustrian. Sedemikian pesat perkembanganya kini maka
Penelitian Operasional telah digunakan hampir pada seluruh kegiatan, baik
diperguruan tinggi, konsultan, rumah sakit, perencanaan kota dll.
1.2. Komponen-Komponen Utama Persoalan Keputusan.

Munculnya persoalan-persoalan keputusan adalah karena seorang pengambil
keputusan sering dihadapkan pada beberapa pilihan tindakan yang harus
dilakukan. Dalam menyelesaikan persoalan yang berkaitan dengan pengambilan
keputusan ini harus diidentifikasikan terlebih dahulu 2 (dua) komponen utamanya,
yaitu:
1. Objective (tujuan).
2. Variabel-variabel.
Tujuan (objective) adalah hasil akhir yang hendak dicapai dengan cara
memilih suatu tindakan yang paling tepat untuk sistem yang dipelajari. Dalam
bidang-bidang usaha, tujuan diartikan sebagai memaksimumkan profit atau
meminimumkan ongkos yang dikeluarkan. Akan tetapi dalam bidang-bidang
lain yang sifatnya non-profit (tidak mencari keuntungan), tujuan dapat berupa
pemberian kualitas pelayanan kepada para konsumen.
Apabila tujuan telah didefinisikan, maka selanjutnya harus dilakukan
pemilihan tindakan terbaik yang dapat mencapai tujuan tersebut. Dalam hal ini,
kualitas pemilihan akan sangat bergantung kepada tahu atau tidaknya si
pengambil keputusan dalam mencapai alternatif yang diharapkan tersebut.
Untuk dapat menentukan tindakan-tindakan yang mungkin dilakukan itu
maka haruslah diidentifikasikan variabel-variabel sistem yang dapat dikendalikan
oleh pengambil keputusan, yang keberhasilannya dalam mengidentifikasikan
variabel-variabel inipun akan sangat bergantung pada bias dan pelatihan si
pengambil keputusan.
7
1.3. Model-Model dalam Penelitian Operasional.
Model adalah gambaran ideal dari suatu situasi (dunia) nyata sehingga
sifatya yang kompleks dapat disederhanakan. Ada beberapa jenis model yang
biasa digunakan, diantaranya ialah:
a. Model-model fisik/ ikonis
Yaitu Penggambaran fisik dari suatu sistem, baik dalm bentuk ideal maupun
dalam skala yang berbeda.
Contoh: Peta, foto, blueprint, globe.
b. Model-model Analogi/ diagramatis
Model-model ini dapat menggambarkan situasi-situasi yang dinamis dan lebih
banyak digunakan dari pada model-model ikonis karena sifatnya yang dapat
dijadikan analogi bagi karakteristik sesuatu yang sedang dipelajari.
Contoh: Kurva distribusi frekuensi pada statistik, kurva supply demand, flow
chart.
c. Model-model Simbolis/ Matematis
Yaitu Penggambaran dunia nyata melalui simbol-simbol matematis.
Pada awalnya Model-model Simbolis/ Matematis ini berupa model-model
abstrak yang dibentuk di dalam pikiran seseorang yang kemudian disusun
menjadi model-model simbolis, seperti gambar, simbol atau rumus matematis.
Model matematis yang paling banyak digunakan dalam penelitian operasional
adalah model matematis berupa perasamaan atau ketidak samaan.
d. Model-model simulasi
Yaitu Model-model yang meniru tingkah laku sistem dengan mempelajari
interaksi komponen-komponennya. Dalam hal ini tidak diperlukan fungsi-
fungsi matematis secara eksplisit untuk merelasikan variabel-variabel sistem,
Model-model simulasi ini dapat digunakan untuk memecahkan sistem
kompleks yang tidak dapat memberikan solusi yang benar-benar optimum.
Dimana jawaban yang dapat diperoleh ialah jawaban yang suboptimum, yaitu
jawaban optimum dari alternatif-alternatif yang diuji/ dites.
8
e. Model-model heuristik
Kadang-kadang formulasi matematis bersifat sangat kompleks untuk dapat
memberikan suatu solusi yang pasti. Atau mungkin solusi optimum dapat
diperoleh, tetapi memerlukan proses perhitungan yang sangat panjang dan
tidak pratktis. Heuristic yaitu suatu metode pencarian yang didasarkan atas
aturan-aturan tertentu untuk memperoleh solusi yang lebih baik daripada
solusi yang telah dicapai sebelumnya.
Dalam penelitian operasional, model yang paling banyak digunakan adalah

model matematis/ simbolis. Disamping itu, digunakan juga model-model simulasi
dan heuristic.
1.4. Metodologi Penelitian Operasional

Jika Penelitian operasional akan digunakan untuk memecahkan suatu
persoalan di suatu organisasi, maka harus dilakukan 5 (lima) langkah sebagai
berikut:
Langkah 1:
Memformulasikan Persoalan, mendefinisikan persoalan lengkap dengan
spesifikasi tujuan organisasi dan bagian-bagian organisasi atau sistem yang
bersangkutan. Hal ini mutlak harus dipelajari sebelum persoalannya dapat
dipecahkan.
Langkah 2:
Mengobservasikan Sistem, kumpulkan data untuk mengestimasi besaran
parameter yang berpengaruh terhadap persoalan yang dihadapi. Estimasi ini
digunakan untuk membangun dan mengevaluasi model matematis dari
persoalannya.
Langkah 3:
Memformulasikan model matematis dari persoalan yang dihadapi. Dalam
memformulasikan persoalan ini biasanya digunakan model analitik, yaitu model
matematis yang menghasilkan persamaan. Jika pada suatu situasi yang sangat
9
rumit tidak diperoleh model analitik, maka perlu dikembangkan suatu model
simulasi.
Langkah 4:
Mengevaluasi model dan menggunakannya untuk prediksi. Pada langkah ini,
tentukan apakah model matematis yang dibangun pada langkah 3 telah
menggambarkan keadaan yang nyata secara akurat. Jika belum buatlah model
yang baru.
Langkah 5:
Mengimplementasikan hasil studi, Pada langkah in kita harus menterjemahkan
hasil studi atau hasil perhitungan kedalam bahasa sehari-hari yang mudah di
mengerti.
1.3. PENUTUP
Pada bagian penutup, diadakan tanya jawab dan diskusi baik antar
mahasiswa dan dosen, dan juga mahasiswa antar mahasiswa. Untuk itu diberikan
juga tugas sebagai bahan latihan mahasiswa di luar jam perkuliahan.
Tugas/latihan untuk pengantar penelitian operasional II adalah sebagai berikut:

1. Definisikan pengertian penelitian operasional menurut literatur yang anda
baca dan jelaskan pengertian tersebut sesuai dengan pendapat anda!
2. Carilah contoh kasus persoalan keputusan yang berkaitan dengan penelitian
operasional II!
3. Jelaskan langkah-langkah dalam memecahkan suatu persoalan keputusan
dalam suatu organisasi!
10
PERKULIAHAN KE 2 DAN 3: ANALISIS JARINGAN
SESI/PERKULIAHAN KE: 2 DAN 3

1. Menjelaskan pengertian jaringan dalam persoalan keputusan.
2. Menyelesaikan persoalan keputusan mengenai analisis jaringan.
Pokok Bahasan : Analisis Jaringan
Deskripsi singkat :
Dalam pertemuan ini anda akan mempelajari beberapa pengertian yang
berkaitan dengan analisis jaringan, memahami dan mengetahui persoalan
algoritma path, tree problem, flow problem termasuk persoalan rute terpendek,
persoalan rentang pohon minimum dan persoalan aliran maksimum pada suatu
jaringan kerja.
I. Bahan Bacaan:
3. Taha, Hamdy, Operation Research : An Introduction, Newyork :
The MacMillan Co, 1985.
II. Bahan Tambahan:

III. Pertanyaan Kunci/Tugas: Ketika anda membaca bahan bacaan berikut,

gunakanlah pertanyaan-pertanyaan sebagai berikut:
1. Apa yang dimaksud dengan jaringan?
2. Sebutkan contoh-contoh jaringan kerja!
IV. Tugas:
1. Seorang pemuda mengendarai mobil dari kota asalnya menuju kota yang lain. Dia
mempunyai beberapa pilihan rute yang melalui kota-kota antara, jarak suatu kota
dengan kota yang lain dalam suatu rute adalah seperti terlihat dalam network berikut.
Rute manakah yang harus dilalui agar jarak yang ditempuh oleh orang tersebut
minimum?
7 3
A C 3
5 13 T
2
S D
3 3 Kota Tujuan
B
Kota
Asal Kota Antara
Jarak
2. Carilah Jumlah unit maksimum suatu path dari s ke t dimana seluruh arc dari path itu
termasuk di dalam sei I (Increasable path)!
S 1 2 t
i(s,1)=5 i(1,2)=3 i(2,t)=2
11
II.1. PENDAHULUAN
Dalam perkuliahan mengenai Analisis Jaringan ini akan dibahas
mengenai pengertian dan konsep analisis jaringan, memahami dan mengetahui
persoalan rute terpendek, persoalan rentang pohon minimum dan persoalan aliran
maksimum pada suatu jaringan kerja. Materi yang disampaikan sangat berkaitan
antara satu dengan yang lainnya, hal ini berguna dalam menghasilkan keputusan
yang optimal dalam menyelesaikan persoalan keputusan dalam suatu jaringan
kerja.
II.2. PENYAJIAN
ANALISIS JARINGAN
2.1. Pendahuluan
Network theory (Teori Analisis Jaringan) adalah cabang-cabang matematik
yang digunakan secara luas dalam bidang praktek. Banyak problema yang timbul
dalam berbagai bidang seperti psikologi, kimia, teknik listrik, transportasi,
manajemen, pemasaran, dan pendidikan dapat digambarkan didalam bentuk
problema dari Network Theory. Oleh karena itu Network Theory tidak hanya
dikenal dan dikembangkan oleh kalangan sendiri, tetapi juga diikembangkan dari
bidang-bidang lain.
Network Theory tumbuh dan berkembang pesat pada awal abad ke 20 (dua
puluh) dengan dimotivasi oleh perkembangan dari teori molekul dan teori listrik.
Kini perkembangan analisis jaingan ini makin cepat lagi setelah ditemukannya
alat komputer.
Pengertian atau definisi-definisi yang umum dijumpai dalam analisis
jaringan ini akan di bahas secara mendetail termasuk didalamnya berbagai model
dan uraian singkat mengenai analisis jaringan seperti persoalan Shortest Path
Problem (S.P.P), Spanning Tree Problem ( S.T.P), Flow Problem (F.P), yang
dilengkapi dengan algoritma penyelesaian optimum.
Graph G adalah suatu bangun (struktur) yang terdiri satu set elemen N yang
disebut node dan satu set elemen A yang disebut Arc. Secara Umum suatu graph
dituliskan dengan notasi G (N,A), dimana:
12
N = Set dari node (1,2,3,..n)
A = Set dari Arc (a,b,c,.....n)
yang masing-masing menghubungkan suatu node dengan node yang lain.
Sebagai contoh, susunan dari satu set node N (1,2,3,4) dan satu set arc
(a,b,c,d,e,f,g) membentuk suatu graph yang salah satu diantaranya adalah dapat
dilihat pada Gambar 2.1. berikut.
b
1 3 Node
c f
a Arc
d
2 4
Gambar 2.1. susunan dari satu set node N dan satu set arc membentuk graph
Network (jaringan) adalah suatu graph dimana elemen-elemen A pada

graph tersebut merupakan suatu aliran .
Contoh dari suatu network adalah sistem jaringan jalan raya yang menghubungkan
kota-kota yang ada pada suatu daerah. Sebagai node dalam jaringan tersebut
adalah setiap kota yang ada dalam jaringan tersebut dan sebagai arc adalah jalan
raya yang menghubungkan satu kota dengan kota yang lain. Bobot dari Arc adalah
dapat berupa jarak, ongkos angkut ataupun lamanya perjalanan dari satu kota ke
kota yang lain.
2.2. Konsep Dan Definisi

Suatu arc yang mempunyai node yang sama untuk kedua ujung dan
pangkalnya disebut loop.
3 2 3 c C adalah Loop.
13
Sebuah node dan sebuah arc disebut incedent satu sama lain, jika node
tersebut adalah merupakan ujung ataupun pangkal dari arc yang
bersangkutan.
1
a
2
b
3
Arc a dan node 2 adalah
incedent satu sama lainnya.
Dua buah arc dikatakan incedent satu sama lain, jika keduanya incedent
kepada node yang sama.
Arc a dan b adalah incedent satu
a b sama lainnya karena keduanya
1 2 3
incedent kepada node 2.
Dua buah node disebut adjacent satu sama lain, jika ada sebuah arc
menghubungkan keduanya.
Node 2 dan 3 adalah adjacent satu

a b sama lainnya karena ada satu arc
1 2 3
yaitu arc b menghubungkan
keduanya.
Chain adalah beberapa arc yang berurutan di dalam satu graph atau
network.
i
2 7
h
b c
e Arc a, e, h dan i adalah chain.
a 3 5
1
f
d g
4 6
Panjang suatu chain adalah sama dengan banyaknya arc dalam chain
tersebut.
Path adalah suatu chain yang dibentuk oleh beberapa arc yang searah.
i Arc a, d, g dan i adalah
2 7
h
b c sebuah path yang arahnya
e dari node 6 ke node 1.
a 3 5
Node 6 disebut node awal
1
f dan node 1 disebut node
d g
4 6 akhir.
14
Cycle adalah suatu chain yang mempunyai node awal dan node akhir
yang identik atau dengan kata lain, cycle adalah suatu chain yang
tertutup.
i
2 7
h
b c Arc c, e, h dan i membentuk
e suatu cycle.
a 3 5
1
f
d g
4 6
Circuit adalah suatu path yang mempunyai node awal dan node akhir
yang identik, atau merupakan suatu path yang tertutup. Dalam gambar
di atas arc a, b dan c membentuk suatu circuit. Panjang suatu cycle dan
circuit di dalam graph adalah banyaknya arc yang membentuk cycle
atau circuit tersebut.
2 i
b 7
h Dari setiap node terdapat
c 5
sedikitnya satu chain kepada
1
a e setiap node yang lain.
f
3
d
g
4 6
Suatu graph disebut connected jika terdapat sedikitnya satu chain dari
suatu node kepada setiap node yang lain di dalam graph tersebut.
2
b i
Sub-graph 1
c
1 7
e
a 5
Sub-graph 2
f
g
4 6
15
- Graph ini tidak connected, karena tidak semua node mempunyai chain
kepada setiap node yang lain. Misalnya antara node 2 dengan node 4 tidak
terdapat chain. Graph tersebut terdiri dari 2 sub-graph dan disebut un-
connected graph.
- Suatu sub graph dari G(N,A), adalah suatu graph G yang terdapat terdiri
dari seluruh arc dari set A yang menghubungkan node di dalam sub set
tersebut.
j
2
d a 4
2 4 c
a h
1 e
c 5 d
1 e 7 b 3
g
b 3 f 5
i
6
f
- Suatu partial graph dari G(N,A) adalah suatu graph yang terdiri dari
semua node N dan satu sub-set arc A.
f
b
2 4
a
c 7
1
5 e
3 d
6
- Suatu graph G(N,A) dengan arc yang arahnya ditetapkan disebut directed
graph. Bila arah dari arc tidak ditetapkan, maka disebut undirected graph.
j i
d c
2 4 2 4
a h a f
c 5 5
1 e 7
1 d 7
g
b 3 g
i b 3
6 h
f 6
e
16
- Tree dari suatu connected graph G(N,A) adalah suatu connected partial
sub-graph. Tree terdiri dari satu sub-set dari node dan satu sub-set dari arc
yang menghubungkan sub-set node dan tidak membentuk cycle.
j
d
a
2 4
h
Tree
Node (1,2,3,4 dan 5) dengan
c 5 Arc (a,c,d dan e) membentuk
1 e 7
g tree.
b 3
i
6
f
c Bukan Tree
2 4
a f Graph yang dibentuk oleh
5 Node (1,2,3,4 dan 5) dengan
1 d 7 Arc (a,b,c,d dan e) bukan tree
g karena terdapat cycle.
b 3
h
6
e
- Spanning Tree dari suatu connected graph adalah setiap tree yang
terbentuk dari arc dan seluruh node dari graph tersebut.
j
d
a
2 4
h
Spanning Tree
Graph yang dibentuk oleh Node
1
c
e
5
7
(1,2,3,4,5,6 dan 7) dengan Arc
g (a,c,d,e,f dan i).
b 3
i
6
f
- Arborescence adalah suatu tree dimana tidak terdapat 2 arc atau lebih
yang berujung pada node yang sama.
c
a 2 4
1
b d
5
3
e
6
17
- Spanning arborescence adalah arborescence dari spanning tree.
f
c
a 2 4
7
1
b d
5
3
e
6
2.2.1. Matrix dari graph

Setiap graph dapat juga digambarkan dalam bentuk matriks. Ada beberapa
macam matriks yang dapat dibuat untuk menggambarkan suatu matriks dimana
cara penggambaran tiap matriks ditentukan oleh penggunanya.
Dalam bagian ini hanya di uraikan dua macam penggambaran saja yaitu yang
disebut incedence matrix dan adjaccency matrix.
a. Incidence matrix
Incidence matrix E dari suatu graph G dibentuk dengan cara berikut.
Kolom dari matriks adalah merupakan setiap arc dan baris matriks adalah
node. Elemen-elemen dari matriks disebut eij ditentukan dengan cara berikut.
Matrix dari undirected graph
Elemen-elemen dari matriks untuk undirected graph adalah:
- eij = 1, jika node i adalah salah satu ujung dari arc.
- eij = 0, jika node i tidak merupakan salah satu ujung dari arc j.
Contoh:
d
2 4
a g a b c d e f G
c 1 1 1 0 0 0 0 0
1
b e
5
f
2 1 0 1 1 0 0 0
3
E = 3 0 1 1 0 1 1 0
4 0 0 0 1 0 1 1
5 0 0 0 0 1 0 1
Graph G (N,A)
18
Dari matriks E ini terlihat bahwa banyaknya baris matriks adalah sama
dengan banyaknya node (n) pada graph 6 (N,A) dan banyaknya kolom. Sama
dengan banyaknya arc (a) dari graph tersebut, sehingga matriks terbentuk adalah
matriks E (n x a).
- Matriks dari directed graph.
Elemen-elemen eij dari matriks untuk indirected graph adalah:
- eij =1, jika arc j adalah incident dengan node i dan arahnya menuju node i
tersebut.
- eij = -1, jika arc j adalah incident dengan node i dan arahnya tidak menuju
node i tersebut.
- eij=0, jika arc j adalah tidak incident dengan node i.
Contoh:
d
2 4 a b c d E f g
1 -1 1 0 0 0 0 0
a g
2 1 0 1 -1 0 0 0
c E =
3 0 -1 -1 0 -1 1 0
1 5
b e f 4 0 0 0 1 0 -1 1
3 5 0 0 0 0 1 0 -1
b. Adjacency matrix
- Adjacency matriks E dari suatu graph G dibentuk dengan cara berikut. Baris
dan kolom matriks adlah merupakan selutuh node dari graph.
Sama halnya dengan incidence matrix, elemen-elemen dari adjcency matrix
(eij) untuk undirected graph berbeda dengan elemen-elemen matriks untuk
directed graph.
(1). Undirect adjacency matrix.
Elemen-elemen dari undirect adjacency eij, didefinisikan sebagai
berikut:
- eij =1, jika arc yang menghubungkan node i dengan node j.
- eij = 0, jika tidak ada arc yang menghubungkan node i dengan node j.
19
Contoh:
d
1 2 3 4 5
2 4 1 0 1 1 0 0
a g E = 2 1 0 1 1 0
c 3 1 1 0 1 1
1 5 4 0 1 1 0 1
b e f 5 0 0 1 1 0
3
(2). Direct adjacency matrix.

Elemen-elemen dari undirect adjacency eij, didefinisikan sebagai
berikut:
- eij =1, jika ada sebuah arc yang berasal dari node i menuju node j.
- eij = 0, yaitu:
- jika ada sebuah arc yang berasal dari node j menuju node i.
- Jika tidak ada sebuah eij yang menghubungkan node i dan
node j.
Disini terlihat bahwa baik undirect adjacency matrix, maupun direct
adjacency matrix keduanya marupakan matriks bujur sangkar E (n x n) karena
masing-masing dibentuk dari hubungan antara node dengan node pada suatu
graph.
Salah satu tujuan utama dari penggambaran graph dan network kedalam
bentuk matriks adalah untuk komputerisasi dari graph dan network tersebut.
Penggambaran graph dan network dalam bentuk diagram ditujukan hanya untuk
memperlihatkan hubungan antara keadaan sistem nyata dengan node diagramnya.
Dengan penggambaran demikian akan ditemukan kesulitan didalam manipulasi
graph dan network. Untuk tujuan optimisasi karena peranan komputer tidak dapat
dimanfaatkan semaksimal mungkin. Komputer dapat menyimpan dan
memanipulasi angka-angka dengan mudah, tetapi tidak dapat menyimpan secara
langsung inforamasi yang berbentuk gambar atau diagram
20
2.2.2 Matrix dari network.
Pada uraian sebelumnya sudah dijelaskan bahwa network adalah suatu
graph dengan arc yang mempunyai aliran.
Network ditulis dengan notasi W (N,A,d), dimana:
N = set dari node (1,2,,n)
A = set dari arc (a,b,....................)
di = bobot dari arc i.
Suatu network disebut non negatif jika di>0 untuk seluruh eij E.
Adjacency matrix dari network adalah identik dengan adjacency matrix
dari graph hanya saja elemen-elemen matriks ditentukan oleh arah dari setiap arc
dari network tersebut.
Contoh dari sebuah network adalah seperti terlihat dalam gambar berikut.
1
2 4
3 3
4
1 5
2 6 2
3
Network ini adalah merupakan suatu jaringan jalan raya disuatu daerah
Node (1, 2, 3, 4, 5) adalah kota-kota yang dilintasi oleh jalan raya tersebut.
Arc (1-2) adalah jarak antar kota 1 dengan kota 2 dan seterusnya.
Sama halnya dengan graph pada network juga ditemukan bentuk undirected dan
directed network.
2.3. Algoritma Path

Dalam bagian ini akan diuraikan beberapa algoritma untuk mencari path
yang mempunyai sifat-sifat optimum tertentu.
- Pertama adalah algoritma untuk mencari path yang terpendek (shortes path)
antara dua node didalam suatu network,
- Kedua adalah algoritma untuk mencari path yang terpendek diantara setiap
pasang node didalam network.
21
2.3.1. Algoritma Terpendek Antara Dua Node Tertentu.
Contoh-contoh problema dan mencari arc yang terpendek adalah:
Contoh 1.
Seorang supir sedang bepergian dengan mengendarai mobil dari kota
asalnya menuju kota yang lain. Untuk mencapai kota tujuan tersebut, dia
mempunyai beberapa pilihan rute yang melalui kota-kota antara, jarak suatu kota
dengan kota yang lain dalam suatu rute adalah seperti terlihat dalam network
berikut. Rute manakah yang harus dilalui agar jarak yang ditempuh oleh orang
tersebut minimum?
7 3
1 3
2
4 2 t
2
4
s 4 Kota Tujuan
3 3
2
Kota Asal
Kota Antara
Jarak
Contoh 2.
Seorang pengusaha ingin menanamkan uangnya secara optimal pada salah
satu atau beberapa bidang usaha, yaitu membeli saham dipasar uang dan modal,
membeli bond atau mendepositokan di bank, dia hanya ingin menanamkan
uangnya pada satu jenis usaha, pada tiap kali mengadakan investasi. sesuai dengan
peraturan yang berlaku saat ini, bahwa pengusaha tersebut hanya dibenarkan
untuk investasi atau menarik mdalnya pada hari pertama tiap kwartal. Besarnya
keuntungan yang diharapkan tiap bulan selama satu tahun dinyatakan sebagai
panjang dari arc.
2 2 2
s 3 3 3 t
Awal 4 4 4 Akhir
Kwartal 4
Kwartal 1 Kwartal 2 Kwartal 3
22
Dari kedua contoh problema tersebut, terlihat bahwa sebagai penyelesaian
optimum adalah lintasan (path) yang memberikan jarak terpendek dari s ke t.
Hanya saja pada contoh dua, panjang tiap path harus dinyatakan sebagai harga
negatif dari keuntungan yang diharapkan pada tiap kwartal. Ada beberapa
algoritma untuk mencari penyelesaian optimum di problema path yang terpendek
(shortes path problem). Yang paling banyak digunakan adalah algoritma dikstra
(1959), Karena algritma ini sangat efisien. Tetapii penggunaannya terbatas hanya
untuk non negatif network. Untuk negatif network dapat digunakan algoritma
chimbel dan gellman atau algoritma ford. Ide dari algoritma dikstra adalah sebagai
berikut:
Misalkan diketahui bahwa dalam network, m node s dan juga pada m buah node
tersebut, kemudian node ke (m+1) yang terpendek ke node s di cari sebagai
berikut:
Untuk setiap node, bentuklah sebuah path dari node s ke node y dengan
menghubungkan path terpendek dri s ke t dengan arc (x, y) untuk semua node x.
Pilihlah path yang terpendek dari n buah path ini, anggap bahwa untuk
sementara, path yang dipilih ini merupakan path yang terpendek dari s ke t.
Sekarang, node yang manakah yang merupakan node ke ( m+1), yang terdekat ke
s adalah node yang belum diberi warna yang merupakan path terpendek sementara
dari s seperti telah dihitung di atas. Hal ini adalah benar karena path yang
terpendek dari s kepada node yang ke (m+1) yang jaraknya terpendek ke node s,
harus menggunakan node yang telah berwarna sebagai node antara.
Oleh karena itu , jika ke m buah node yang terdekat kepada node s
diketahui, maka node ke (m+1) dapat dicari, seperti yang diuraikan di atas mulai
dengan m = 0, dan proses tersebut dilakukan berulang-ulang sehingga path yag
terpendek dari s ke t telah diperoleh.
23
Untuk jelasnya algoritma dikstra ini dapat dijelaskan sebagai berikut:
Langkah 1 :
Untuk semua node dan arc yang belum diwarnai. Beri angka d(x)
kepada setiap node x untuk menunjukkan panjang dari path yang
terpendek dari s ke t yang hanya menggunakan node yang berwarna
sebagai node antara. Beri pula d(s) = 0 dan d (x) = ~ untuk semua x
s. misalkanya adalah node pertama yang akan diberi warna. Beri warna
pada s dan misalkan y = s.
Langkah 2:
Untuk setiap node x yang belum berwarna, tentukan d(x) dengan cara
sebagai berikut: d(x) = Min { d(x), d(y) + a(y,x)}
Jika d(x) = ~, untuk semua x yang tidak berwarna, maka iterasi
dihentikan karena tidak ada path dari s kepada setiap node yang belum
berwarna tersebut. Jika d(x) ~ , beri warna node x yang belum
berwarna yang mempunyai harga d(x) terkecil. Juga beri warna pada
arc yang langsung menuju node x dari node berwarna dimana harga
d(x) yang minimum tadi ditemukan. Misalkan y = x.
Langkah 3:
Jika node t sudah diberi warna, maka iterasi dihentikan, karena sebuah
path yang terpendek dari s ke t sudah ditemukan. Jika node t belum
berwarna, kembali ke langkah 2.
Bila algoritma dikstara ini digunakan untuk contoh soal 1 di atas maka
penyelesaian optimum yang diperoleh adalah sebagai berikut.
7 3
1 2
2
4 2 t
2
4
s 4
3 3
3
24
Langkah 1: Beri warna pada node s, d(s) = 0 dan d(x)= ~ untuk seluruh x s.
Langkah 2: y = s
d(1) = Min { d(1), d(s) + a(s,1)} = Min {~, (0+4)} = 4
d(2) = Min { d(2), d(s) + a(s,2)} = Min {~, (0+7)} = 7
d(3) = Min { d(3), d(s) + a(s,3)} = Min {~, (0+3)} = 3
d(4) = Min { d(4), d(s) + a(s,4)} = Min {~, (0+~)} = ~
d(t) = Min { d(5), d(s) + a(s,5)} = Min {~, (0+~)} = ~
Karena d(3) = 3 adalah Min {d(1), d(2), d(3), d(4), d(t)}, maka node 3 dan arc
(s,3) diberi warna. Path yang terpendek sementara adalah dari node s ke node 3.
s 3
3
Langkah 3: Node t belum berwarna, maka kembali kepada langkah 2.

Langkah 2: y = s
d(1) = Min { d(1), d(3) + a(3,1)} = Min {4, (3 + 4)} = 4
d(2) = Min { d(2), d(3) + a(3,2)} = Min {7, (3 + ~)} = 7
d(4) = Min { d(4), d(3) + a(3,4)} = Min {~, (3 + 3)} = 6
d(t) = Min { d(t), d(3) + a(3,t)} = Min {~, (3 + ~)} = ~
Karena d(1) = 4 adalah Min {d(1), d(2), d(4), d(t)}, maka node 1 dan arc (s,1)
diberi warna. Path arborescence terpendek adalah arc (s,3) dan (s,1).
1
4
s 3
3

Langkah 2: y = 1
d(2) = Min { d(2), d(1) + a(1,2)} = Min {7, (4+3)} = 7
d(4) = Min { d(4), d(1) + a(1,4)} = Min {4, (4+2)} = 6
d(t) = Min { d(t), d(1) + a(1,t)} = Min {~, (4+~)} = ~

Karena d(4) = 4 adalah Min {d(2), d(4), d(t)}, maka node 4 diberi warna.
25
Salah satu dari arc (3,4) dan arc (1,4) juga diberi warna. Misalkan dipilih arc
(3,4) maka path arborecence terpendek adalah:
4
1
s 3 3
3 4

Langkah 2: y = d
d(2) = Min { d(2), d(4) + a(4,2)} = Min {7, (6+~)} = 7
d(t) = Min { d(t), d(4) + a(4,t)} = Min {~, (6+2)} = 8
Karena d(2) = 7 adalah Min {d(2), d(t)}, maka node 2 dan arc (s,2) diberi warna.
Salah satu dari arc (3,4) dan arc (1,4) juga diberi warna. Path arborecence
terpendek adalah sebagai berikut.
2
1
4
s 3
3
3 4
Langkah 2: y =2
d(t) = Min { d(t), d(2) + a(2,t)} = Min {8, (7+2)} = 8
Beri warna pada node t dan arc (4,t) maka path arborecence terpendek adalah:
7
2
1
4
5
s 3 2
3
3 4
26
Dari path arborecence ini terlihat bahwa path yang terpendek dari s ke t
terdiri dari arc (s,3), (3,4), dan (4,5) dengan jarak 3 + 3 + 2 = 8.
Karena algoritma dikstra untuk mencari path yang terpendek dalam

prosesnya membentuk arborescence maka algoritma ini juga dapat digunakan
untuk mencari minimum spanning arborescence dari suatu graph atau network.
2.3.2. Shortest Path antara seluruh Node.

Problem pada uraian terdahulu adalah mencari suatu shortest path
(lintasan terpendek) diantara 2 (dua) node tertentu di dalam graph. Bagian ini
akan mempelajari shortest path antatra tiap pasang node di dalam graph.
Misalnya, suatu graph terdiri dari set elemen N (1,2,3,4 dan 5) dan satu set
elemen A {(1,2), (2,3), (3,1), (3,6), (5,4), (4,6), (1,4),(6,5)} seperti terlihat pada
gambar berikut.
2 3 Bobot arc menyatakan

4 2 2 jarak antara tiap
5 pasang node
1
6
3
3
5
2
4
Problema adalah mencari lintasan yang terpendek dari suatu node ke

seluruh node yang lain, misalnya antara node 1 dengan node 3, antara node 2
dengan node 6 dan seterusnya. Sudah barang tentu, problema ini akan dapat
diselesaikan dengan menggunakan algoritma dikstra seperti yang telah diuraikan
sebelumnya secara berulang-ulang. Tetapi penyelesaian dengan cara ini sangat
tidak efisien karena membutuhkan perhitungan yang sangat banyak dan sangat
dipengaruhi oleh banyaknya node yang terdapat di dalam graph.
Untuk problema yang demikian, akan dapat diselesaikan dengan lebih
mudah dan lebih singkat dengan menggunakan algoritma Shimbel and Bellman
(1954), algoritma Floyd (1962) dan algoritma wantzig (1967). Pada bagian ini
27
hanya algoritma Floyd saja yang akan di uraikan sedangkan algoritma lainnya
dapat dibaca pada buku Optimization Algoritma for networks and Graphs.
Contoh.
Suatu perusahaan penerbangan domestik harus menyinggahi sejumlah kota
setiap hari. Untuk menghemat penggunaan bahan bakar dan waktu penerbangan
maka, perusahaan tersebut ingin untuk meminimumkan total jarak yang harus
ditempuhnya. Suatu hal yang sangat membantu untuk mencapai tujuan ini adalah
dengan mendapatkan rute yang terpendek antara setiap kota yang harus disinggahi
oleh pesawat.
Dalam algoritma Floyd ini digunakan beberapa notasi yaitu: nomor dari
node adalah 1,2,3,...................,N. Path yang terpendek dari node i dan j, dimana
hanya m buah node yang pertama diizinkan sebagai node antara dinyatakan
m o
sebagai d ij = ~ . berdasarkan definisi ini, maka d ij adalah panjang dari path
I
terpendek dari i ke j (path yang tidak mempunyai path antara) dan d ij adalah
panjang dari path tersebut hanya terdapat satu node antara. Pengertian ini dapat
dijelaskan dengan graph berikut.
7
2 3
4 2 2
5
1
6
3
3
5
2
4 4
Path dari 1 ke 4
o
d ij = 3, dengan path terpendek (1,4)
I
d ij = ~, tidak ada path dari node 1 ke 4 yang mempunyai 1 node antara.
2
d ij = 11, dengan path terpendek (1,2), (2,5), (5,4)
3
d ij = ~, tidak ada path dari node 1 ke 4 yang mempunyai 3 node antara.
4
d ij = 13, dengan path terpendek (1,2), (2,3), (3,6), (6,5), (5,4).
28
o
Sehingga jelas bahwa d ij = 0, untuk semua i. Misalkan Dm adalah matriks
m
N x N yang mempunyai elemen (i,j) adalah d ij , jika panjang setiap arc dalam
graph diketahui maka matriks D0 dapat dicari. Sebagai tujuan adalah mencari DN
N
yaitu matriks N x N dimana elemen (i,j) adalah d ij , yang merupakan panjang
dari path terpendek antara node i dengan node j.
Algoritma Floyd dimulai dari D0 dan D1 dihitung berdasarkan D0

berikutnya, algoritma menghitung D2 dan D1 dan seterusnya.
Jika hal-hal dibawah ini telah diketahui maka Ide dari perhitungan-
perhitungan tersebut adalah sebagai berikut:
a) Shortest path dari node i ke node m yang hanya melalui (m-1) buah node
antara.
b) Shortest path dari node m ke node j yang hanya melalui (m-1) buah node
antara.
c) Shortest path dari node i ke node j yang hanya melalui (m-1) buah node
antara. Karena dalam path ini tidak terdapat circuit ataupun arc yang
panjangnya negatif, maka path yang lebih pendek diantara (4) dan (5) berikut
ini adalah merupakan shortest path dari i ke j, yang hanya melalui m buah
node antara.
d) Path yang dibentuk dari sambungan path pada (1) dan path pada (2).
m m 1 m1 m1
e) Path pada (3). Sehingga: d ij = Min { (d im + d mj ), d ij }
Dari persamaan tersebut terlihat bahwa hanya elemen-elemen dari matriks Dm-1
yang diperlukan untuk menghitung elemen-elemen dari matriks Dm.
Algoritma Floyd untuk shortest path ini adalah:

Langkah 1 : Beri nomor pada node dari graph yaitu 1,2,3,........,N.
Carilah matriks DO , yaitu suatu matriks yang elemen (i,j) sama
dengan panjang dari arc yang terpendek dari node i ke node j. Jika
o o
arc ini tidak ada, beri d ij = ~ . Misalkan d ij = 0 untuk seluruh i
29
Langkah 2: Untuk m = 1,2,3,........,N, secara berturut-turut cari elemen elemen
dari matriks Dm dari elemen-elemen Dm-1 dengan menggunakan
formula berikut.
m m 1 m1 m1
d ij = Min { (d im + d mj ), d ij }
Bila setiap elemen sudah ditentukan, catatlah path yang bersangkutan.

Elemen-elemen dari matriks DN adalah merupakan panjang dari shortest path dari
node i ke node j.
2.4. Tree Problem

Salah satu variasi dari shortest path problem adalah minimum spanning tree
problem. Dalam penyelesaian pada shortest path problem, set dari node dan jarak
antara tiap pasang node tersebut terlebih dahulu telah diketahui. Pada shortest
path problem ini yang dicari adalah lintasan yang memberikan jarak terpendek
dari suatu tempat asal (source) ke suatu tempat tujuan (terminal) melalui beberapa
alternatif daerah antara.
Beda halnya dengan shortest path problem minimum spanning tree
problem, menyangkut pemilihan arc dari graph sedemikian rupa sehingga
terdapat satu rute antara suatu node dengan node yang lain, tetapi total jarak harus
sekecil mungkin. Dalam hal ini, arc yang terpilih haruslah membentuk suatu
spanning tree ( tree yang menghubungkan seluruh node yang ada di dalam
graph). Dengan kata lain, problema adalah mencari spanning tree dengan total
bobot arc yang sekecil-kecilnya.
Uraian berikut ini mempelajari algoritma untuk penyelesaian problem
spanning tree (pembentukan tree) didalam graph. Yang pertama adalah algoritma
untuk penyelesaian problema spanning tree pada graph dan berikutnya adalah
algoritma untuk penyelesaian minimum/ maksimum spanning tree problem.
30
2.4.1. Algoritma untuk Spanning Tree
Pada bagian ini akan dipelajari 2 (dua) macam algoritma yaitu yang
pertama adalah algoritma untuk membentuk tree (tree algoritm) Pada suatu graph,
dan yang kedua adalah algoritma untuk membentuk minimum spanning tree
(minimum spanning tree algoritm) yaitu spanning tree dari suatu graph yang
mempunyai total bobot minimum diantara seluruh spanning tree yang mungkin
dibentuk dari graph tersebut.
Didalam penyelesaian problema spanning tree didalam suatu graph (N,A)
dimisalkan bahwa bobot dari arc (x,y) adalah a(x,y), total bobot dari sebuah tree
adalah jumlah bobot dari seluruh arc yang terbentuk dari tree tersebut.
Contoh problema dari spanning tree adalah:

Departemen pekerjaan umum menginginkan pembangunan jalan baru
secukupnya untuk menghubungkan 5 (lima) buah kota disuatu daerah yang baru
dibuka. Biaya untuk pembangunan 2 buah kota tertentu diketahui seperti terlihat
pada Tabel 2.1. berikut.
Kota 1 Kota 2
Kota 5
Kota 3 Kota 4
Tabel 2.1.
Biaya untuk pembangunan 2 buah kota
Ke 1 2 3 4 5
Dari
1 0 5 30 80 90
2 5 0 70 60 50
3 50 70 0 8 20
4 80 60 8 0 10
5 90 50 20 10 0
Bagaimanakah caranya pembangunan jalan tersebut dilakukan sehingga

total biaya yang dikeluarkan oleh departemen pekerjaan umum tersebut adalah
minimum?
31
Problema ini dapat diformulasikan ke dalam bentuk graph dimana setiap
kota dinyatakan sebagai node dan setiap kemungkinan jalan yang dapat dibangun
untuk membangun 2 kota dinyatakan sebagai arc. Bobot dari tiap arc adalah
besarnya biaya yang dibutuhkan untuk pembangunan jalan antara setiap 2 kota,
seperti pada gambar berikut.
70
1 5
2 50
80 5
60
50
70 10
8
3 4
20
Algoritma dapat diringkaskan sebagai berikut, pertaman-tama seluruh arc

adalah tidak berwarna dan semua bucket adalak kosong.
Langkah 1: Pilihlah salah satu arc yang bukan merupakan loop. Beri warna biru
pada arc ini dan tempatkanlah kedua node ujung dan node
pangkalnya kedalam suatu bucket (bucket 1) dan bucket yang disebut
bucket 2.
Langkah 2: Pilih arc lain yang belum berwarna yang juga bukan loop.
Jika tidak ada lagi arc yang demikian, algoritma dihentikan. Berarti
graph tersebut tidak mempunyai spanning tree. Bila arc tersebut masih
ada maka, pada setiap pemerikasa arc, salah satu dari keempat keadaan
ini mesti ditemui yaitu:
1. Kedua node ujung atau pangkal dari arc yang sedang diperiksa,
sudah ada didalam salah satu bucket. Bila hal ini terjadi, maka arc
tersebut diberi warna orange dan kembali ke langkah 2.
2. Salah satu dari node ujung atau node pangkal dari arc tersebut
berada dalam salah satu bucket, dan node ujung yang lain tidak
berada dalam bucket. Bila hal ini terjadi, beri warna biru pada arc
tersebut dan pindahkanlah node yang belum berada dalam bucket
kedalam bucket dimana node ujung atau node pangkal tadi
terdapat.
32
3. Tidak ada satupun dari node ujung ataupun node pangkal dari arc
berada dalam salah satu dari ke 2 bucket. Bila hal ini terjadi, beri
warna biru pada arc ini dan kedua node ujung dan node
pangkalnya dimasukkan kedalam bucket 2.
4. masing-masing node ujung dan node pangkal dalam arc berada
dalam bucket berbeda. Bila hal ini terjadi maka beri warna biru
pada arc tersebut dan isi dari kedua bucket ini digabung di dalam
bucket 1. bucket 2 menjadi kosong kembali.
Langkah 3: Jika seluruh node dari graph sudah berada dalam bucket 1,
makaalgoritma dihentikan, karena arc yang berwarna biru sudah
membentuk suatu spanning tree, jika belum amaka kembali ke
langkah 2.
Jika algoritma tidak dapat dihentikan karena persyaratan diatas tidak

terpenuhi secara terus-menerus, maka pada graph tidak dapat dibentuk spanning
tree. Algoritma ini mempunyai sifat-sifat bahwa masing-masing arc diperiksa satu
persatu. Bila suatu arc sudah diberi warna (biru / orange) maka arc tersebut tidak
akan diperhatikan lagi.
2.4.2. Algoritma untuk Minimum/ Maksimum Spanning Tree.

Pada penyelesaian problema spanning tree pada suatu graph yang seluruh
arcnya mempunyai bobot algoritma di atas masih dapat digunakan. Hanya saja
diperlukan penyesuaian. Bila problema adalah membentuk spanning tree pada
graph dengan bobot dari arc membentuknya sekecil mungkin, maka disebut
sebagai minimum spanning tree problem. Sebaliknya jika jumlah bobot tersebut
sebesar-besarnya, maka disebut maksimum spanning tree problem.
Algoritma untuk penyelesaian minimum spanning tree problem adalah sama
dengan algoritma penyelesaian spanning tree, tetepi disini pemilihan arc
dilakukan mulai dari bobot terkecil dari suatu arc yang akan diperiksa. Oleh
karena itu pertama-tama yang harus dilakukan adalah membuat list dari arc
menurut Ascending order (yang terkecil pertama dan terbesar pada bagian akhir).
33
Jika graph mempunyai beberapa arc yang bobotnya sama maka pemilihan
salah satu dari arc ini dapat dilakukan secara arbitrary. Pada penyelesaian
maksimum spanning tree problem, list dari arc disusun menurut discending order
(yang terbesar pertama dan terkecil pada bagian yang terakhir).
Contoh:
Selesaikanlah problema tentang pembangunan jalan raya seperti yang telah
diperlihatkan dalam contoh sebelumnya.
90
1 5
2 50
80 5
60
50
70 10
8
3 4
20
Penyelesaian:
Pertama-tama dilakukan penyusunan list dari arc menurut ascending order,
kemudian algoritma di atas digunakan. Hasilnya dapat dilihat pada Tabel 2.2.
berikut.
Jadi minimum spanning tree dari graph tersebut adalah spanning tree yang
dibentuk oleh node {1, 2, 3, 4,5 } dan arc {(1,2), (3,4), (4,5), (2,5)}.
5
1 2 50
5
10
8
3 4
Tabel 2.2.
Penyusunan list dari arc menurut ascending order
Arc Bobot Warna Bucket 1 Bucket 2
- - - Kosong Kosong
Langkah 1: (1,2) 5 Biru 1,2 Kosong
Langkah 2: (3,4) 8 Biru 1,2 3,4
(4,5) 10 Biru 1,2 3,4,5
(3,5) 20 Orange 1,2 3,4,5
(2,5) 50 Biru 1,2,3,4,5 Kosong
Langkah 3: Stop
(1,3) 50 Banyaknya arc yang Semua node
(2,4) 60 berwarna biru sama telah berada
(2,3) 70 dengan banyaknya dalam satu
(1,4) 80 node dikurangi satu. bucket.
(1,5) 90
34
Berdasarkan penyelesaian ini diperoleh bahwa untuk memberi biaya
pembangunan jalan raya ini sekecil mungkin, maka jalan-jalan yang harus
dibangun adalah:
- Dari kota 1 ke kota 2, dengan biaya = 5
Jumlah biaya = 73
2.5. Flow Problem

Aliran (flow) didefenisikan sebagai suatu cara untuk pengiriman benda-
benda dari suatu tempat ke tempat yang lain. Misalnya pengiriman bahan jadi dari
suatu pabrik kepada suatu distribusi, keberangkatan pegawai dari rumah masing-
masing ke tempat kerja ataupun pengiriman surat drai kantor pos ke alamat yang
ditujukan dapat dipandang sebagai aliran.
Berikut ini adalah merupakan uraian tentang aliran yang dijelaskan dalam
bentuk graph dengan berbagai problemnya dan algoritma penyelesaian dari
problem tersebut.
2.5.1. Flow argumentation problem

Flow argumentation problem adalah mencari jumlah unit maksimum yang
dapat ditambahkan ke dalam aliran yang telah ada di dalam suatu path. Problem
ini timbul sebagai akibat dari adanya perbedaan kapasitas maksimum dari setiap
arc yang membentuk path tersebut.
Logika yang mendasari algoritma untuk penyelesaian problem penambahan
jumlah unit pada aliran adalah: misalkan bahwa graph untuk problem ini telah
digambarkan. Misalkan pula bahwa jumlah unit yang melintas melalui arc (x,y)
dinyatakan dengan f (x,y) dan kapasitas yang dibenarkan mengalir dalam arc (x,y)
dengan c (x,y), sesuai persamaan: 0 f(x,y) f(x,y)
Seluruh arc dari graph dapat dibagi atas 3 (tiga) kategori, yaitu N, I, R,
35
Dimana:
N (Non increasable path) = Set dari arc yang tidak memungkinkan pertambahan
atau pengurangan jumlah unit yang mengalir melalui
arc bersangkutan.
I (Increasable path) = Set dari arc yang jumlah unit oada alirannya masih
dapat ditambahkan.
R (Reducable path) = Set yang arc yang jumlah unit pada alirannya masih
dapat dikurangi.
Misalkan i(x,y) dinyatakan sebagai jumlah unit yang maksimum masih bisa
ditambahkan ke dalam arc (x,y) dan r (x,y) sebagai jumlah unit maksimum yang
dapat dikurangi dari arc (x,y). Maka: i(x,y) = c(x,y) f(x,y) dan r(x,y) = f(x,y)
Contoh:
Carilah suatu path dari s ke t dimana seluruh arc dari path itu termasuk di
dalam set I (Increasable path).
S 1 2 t
i(s,1)=3 i(1,2)=2 i(2,t)=1
Jumlah unit maksimum yang dapat ditambahkan melalui path dari s ke t ini
adalah: I = Min {(s,1),i(1,2),i(2,t)} = Min {3,2,1} =1.
Contoh:
Carilah suatu path dari t ke s dimana seluruh arc dari path itu termasuk di
dalam set R (Reducable path).
S 1 2 t
r(1,s)=1 r(2,1)=2 r(t,2)=1
Jumlah unit maksimum yang dapat dikurangi melalui path dari t ke s ini adalah:
R=Min {(1,s),i(2,1),i(t,2)}= Min {1,2,1} =1.
36
Contoh :
Carilah flow augmenting chain dari s ke t dalam network seperti terlihat
dibawah ini.
R
IR 1 2
I
N
s I
R t
R
R
3 4 N
IR
Keterangan:
N = Non increasable path i (s,1) = 4 r(s,1) = 6
I = Increasable path i (1,3) = 3 r(s,3) = 1
R = Reducable path i (2,t) = 2 r(1,2) = 7
i (3,4) = 5 r(2,3) = 2
r(2,4) = 3
r(3,4) = 2
Maka flow augmenting chain dari network tersebut adalah: (s,1), (1,3), (2,3), (2,t)
dan jumlah maksimum unit tambahan yang dapat dikirim dari s ke t:
Min{i(s,1), i(1,3), r(2,3), i(2,t)} = Min {4,3,2,2} = 2
Arc maju (s,1), (1,3) dan (2,t) dapat ditambahkan sebanyak 2 unit,
sedangkan arc mundur (2,3) dapat dikurangi alirannya sebanyak 2 unit. Ini berarti,
bahwa 2 unit yang sebelumnya mengalir melalui arc (2,3) dapat dipindahkan ke
arc (2,t) dan kemudian digantikan pada node 3 oleh 2 unit tambahan yang datang
dari s melalui arc (s,1) dan arc (1,3).
2.5.2. Maximum flow problem

Maximum flow problem didefinisikan sebagai problem untuk mencari suatu
cara terbaik untuk memaksimumkan jumlah unit yang dapat dikirim dari s ke t
didalam suatu network yang mempunyai arc dengan kapasitas terbatas.
Contoh: Carilah aliran maksimum pada network berikut:
2
1
4
2 3 2
s 1 2 t
37
Penyelesaian:
- Untuk permulaan dipilih flow augmenting chain : (s,1), (1,2), (2,t)
Besarnya aliran maksimum yang masih ditambahkan ke dalam chain ini
adalah = Min {i(s,1), i(1,2), i(2,t)} = Min {2,3,2} = 2
Jadi jumlah unit yang dapat ditambahkan pada setiap arc didalam chain ini
adalah 2 unit, yaitu f(s,1)=2 ; f(1,2)=2 ; f(2,t) = 2.
- Untuk flow augmenting yang kedua dipilih: (s,2), (1,2), (1,3), (3,t)
Besarnya aliran maksimum yang masih ditambahkan ke dalam chain ini
adalah = Min {i(s,2), i(1,2), i(1,3), i(3,t)} = Min {3,2,4,1}= 1
Jadi 1unit tambahan dapat dikirimkan sepanjang chain dari s ke t. Aliran

pada setiap arc maju yaitu arc (s,2), arc(1,3), arc (3,t) dalam chain ini akan
ditambahkan masing-masing sebesar 1 unit, dan aliran pada arc mundur yaitu
arc (1,2) dalam chain dikurangi 1 unit. Dengan demikian, aliran sekarang
menjadi: f(s,1)=2 ; f(1,2)=1 ;f(2,t)=2 ;f(s,2)=1 ;f(1,3)=1 ;f(3,t)=1
Jumlah unit yang dapat dialirkan melalui rute berikut ini adalah sebagai
berikut:
- 2 unit dialirkan dari s ke t melalui (s,1), (1,2), (2,t)
- 1 unit dialirkan dari s ke t melalui (s,2), (2,t)
- 1 unit dialirkan dari s ke t melalui (s,1), (1,3), (3,t)
II.3. PENUTUP
38
Tugas/latihan untuk materi analisis jaringan adalah sebagai berikut:
1. Seorang pemuda mengendarai mobil dari kota asalnya menuju kota yang lain.
Dia mempunyai beberapa pilihan rute yang melalui kota-kota antara, jarak
suatu kota dengan kota yang lain dalam suatu rute adalah seperti terlihat dalam
network berikut. Rute manakah yang harus dilalui agar jarak yang ditempuh
oleh orang tersebut minimum?
7 3
A C 3
5 13 T
2
S D
3 3 Kota Tujuan
B
Kota
Asal Kota Antara
Jarak
2. Carilah Jumlah unit maksimum suatu path dari s ke t dimana seluruh arc dari
path itu termasuk di dalam sei I (Increasable path)!
S 1 2 t
i(s,1)=5 i(1,2)=3 i(2,t)=2
39
PERENCANAAN & PENGENDALIAN PROYEK DGN CPM PERT.

1. Menjelaskan pengertian dan langkah-langkah penyelesaian
masalah keputusan dengan menggunakan CPM PERT.
2. Menerapkan teknik pemecahan masalah dengan menggunakan
CPM PERT tersebut.
Pokok Bahasan : Perencanaan & Pengendalian Proyek Dgn CPM PERT.
Deskripsi singkat :
Dalam pertemuan ini anda akan mempelajari beberapa pengertian yang
berkaitan dengan perencanaan & pengendalian proyek dgn CPM PERT,
termasuk simbol-simbol yang digunakan, penentuan waktu, perhitungan maju,
perhitungan mundur, perhitungan kelonggaran waktu dan penentuan ongkos
dalam penjadwalan proyek.
I. Bahan Bacaan:
MacMillan Co, 1985.
II. Bahan Tambahan:


1. Apa yang dimaksud dengan perencanaan?
2. Apa yang dimaksud dengan pengendalian?
3. Apa yang dimaksud dengan proyek?
IV. Tugas:
1. Apa yang dimaksud dengan total Float, jelaskan!
2. Dari suatu proyek diperoleh data:
Aktivitas Aktivitas yang telah dilalui (predecessor) Waktu penyelesaiana (duration)
A - 6
B - 4
40
C A 4
D A 6
E B 4
F D,E 6
G D,E 4
H C,D,E 10
I C,D,E 14
J I,F 12
Buatlah diagram networknya dan tentukan lintasan kritis serta waktu penyelesaian
proyek tersebut!
III.1. PENDAHULUAN
Dalam perkuliahan mengenai perencanaan & pengendalian proyek dgn
CPM PERT ini akan dibahas mengenai pengertian perencanaan & pengendalian
proyek dgn CPM PERT, termasuk simbol-simbol yang digunakan, penentuan
waktu, perhitungan maju & perhitungan mundur, perhitungan kelonggaran waktu,
pembuatan peta waktu & pengaturan sumber daya, perkiraan waktu penyelesaian
suatu aktifitas dan penentuan ongkos dalam penjadwalan proyek. Materi yang
disampaikan sangat berkaitan antara satu dengan yang lainnya, hal ini berguna
dalam menghasilkan keputusan yang optimal dalam menyelesaikan persoalan
keputusan dalam perencanaan dan pengendalian suatu proyek.
III.2. PENYAJIAN
PERENCANAAN DAN PENGENDALIAN PROYEK

DENGAN PERT-CPM
Pengelolaan proyek-proyek berskala besar yang berhasil memerlukan

perencanaan, penjadwalan dan pengorganisasian yang terjaga dari berbagai
aktivitas yang saring berkaitan. Untuk itu, maka pada tahun 1950 telah
dikembangkan prosedur-prosedur formal yang didasarkan atas penggunaan
network ( jaringan ) dan teknik-teknik network. Prosedur yang paling utama dari
prosedur-prosedur ini dikenal sebagai PERT (Program Evaluation and Review
Technique) dan CPM (Critical Path Method), yang keduanya terdapat beberapa
perbedaan penting. Namun, kecenderungan pada dewasa ini adalah
menggabungkan kedua pendekatan tersebut menjadi apa yang biasa dikenal
sebagai PERT-type system.
41
Tujuan PERT-type Sistem adalah :
1. Untuk menentukan probabilitas tercapainya batas waktu proyek.
2. Untuk menetapkan kegiatan mana yang merupakan bottlenecks (menentukan
waktu penyelesaian seluruh proyek) sehingga dapat diketahui pada kegiatan
mana kita harus bekerja keras agar jadwal dapat terpenuhi
3. Untuk mengevaluasi akibat dari perubahan-perubahan program, PERT-type
sistem ini juga dapat mengevaluasi akibat dari terjadinya penyimpangan pada
jadwal proyek.
3.1. Simbol-Simbol yang Digunakan.

Dalam menggambarkan suatu network digunakan tiga buah simbol sebagai
berikut:
1. Anak Panah = arrow, menyatakan sebuah kegiatan atau aktivitas.
2. O Lingkaran Kecil = node, menyatakan kegiatan atau peristiwa atau event.
3. --- Anak Panah terputus-putus, menyatakan kegiatan semu atau dummy.
Dummy disini berguna untuk membatasi mulainya kegiatan.
Simbol-simbol ini digunakan dengan mengikuti aturan-aturan sebagai

berikut :
1. Di antara dua event yang sama, hanya boleh digambarkan satu anak panah.
2. Nama suatu aktivitas dinyatakan dengan huruf atau dengan nomor event.
3. Aktivitas harus mengalir dari event bernomor rendah ke event bernomor
tinggi.
4. Diagram hanya memiliki sebuah initial event dan sebuah terminal event.
Logika ketergantungan kegiatan-kegiatan itu dinyatakan sebagai berikut :

1. Jika kegiatan A harus diselesaikan dahulu sebelum kegiatan B dapat dimulai,
maka hubungan antara kedua kegiatan tersebut dapat digambarkan sebagai
1 A 2 B 3
42
2. Kegiatan C, D, dan E harus selesai sebelum kegiatan F dapat dimulai, maka :
1
C
2 D 4 F
5
3. Jika kegiatan G dan H harus selesai sebelum kegiatan I dan J, maka :
2 G 5
I
H 4 J
3
6
4. Jika kegiatan K dan L harus selesai sebelum kegiatan M dapat dimulai, tetapi
kegiatan N sudah boleh dimulai bila kegiatan L sudah selesai, maka:
K
M
2 5 6
L
3 4 N
7
5. Jika kegiatan P, Q, dan R mulai dan selesai pada lingkaran kejadian yang
sama, maka :
32
32
P P
Q Atau
31 34 Q
31 34
R 43
33 R
33
3.2. Penentuan Waktu
Dalam mengestimasi dan menganalisis waktu ini, akan kita dapatkan satu
atau beberapa lintasan tertentu dari kegiatan kegiatan pada network tersebut yang
menentukan jangka waktu penyelesaian seluruh proyek. Lintasan ini disebut
lintasan kritis (critical path). Di samping lintasan kritis ini terdapat lintasan-
lintasan lain yang mempunyai jangka waktu yang lebih pendek daripada lintasan
kritis. Dengan demikian, maka lintasan yang tidak kritis ini mempunyai waktu
untuk bisa terlambat, yang dinamakan float.
3.2.1. Notasi yang Digunakan.

Untuk memudahkan perhitungan penentuan waktu ini digunakan notasi-
notasi sebagai berikut :
TE = earliest event occurence time, yaitu saat tercepat terjadinya event.
TL = latest event occurence time, yaitu saat paling lambat terjadinya event.
ES = earliest activitiy start time, yaitu saat tercepat dimulainya aktivitas.
EF = earliest activity finish time, yaitu saat tercepat diselesaikannya aktivitas.
LS = latest activity start time, yaitu saat paling lambat di mulainya aktivitas.
LF = latest activity finish time, yaitu saat paling lambat diselesaikannya
aktivitas.
t = activity duration time, yaitu waktu yang diperlukan untuk suatu aktivitas
(biasa dinyatakan dalam hari).
S = total slack / total float.
SF = free slack / free float.
3.3. Perhitungan Maju

Ada tiga langkah yang dilakukan pada perhitungan maju, yaitu :
44
1. Saat tercepat terjadinya initial event ditentukan pada hari ke nol sehingga
untuk initial event berlaku TE = O. (Asumsi ini tidak benar untuk proyek
yang berhubungan dengan proyek-proyek lain.
2. Kalau initial event terjadi pada hari yang ke nol, maka:
i (i,j) j
t
ES (i,j) = TE(0) = 0
EF(i,j) = ES(i,j) + t(i,j)
=TE(t)+ t(i,j)
3. Event yang menggabungkan beberapa aktivitas (merge event). (i1,j)
EF(i1,j)
j
EF(i1,j)
EF(i1,j)
Contoh
D
1 4
A 4 15 19
4 I
E 8 3
0 B 2 F 5 J 8
0 8 8 12 20 10 36
C K
7 H 5
3 G 6 7
7 9 20 11 31
3.4. Perhitungan Mundur
Pada perhitungan mundur ini pun terdapat tiga langkah, yaitu :
45
1. Pada terminal event berlaku TL = TE.
2. Saat paling lambat untuk memulai suatu aktivitas sama dengan saat paling
lambat untuk menyelesaikan aktivitas itu dikurangi dengan duration aktivitas
tersebut.
i (i,j) j
TE TL
LS = LF- t
LF(i,j) = TL dimana TL = TE
Maka: LS(i,j) = TL(i) - t (i,j)
3. Event yang "mengeluarkan" beberapa aktivitas (burst event).
LS(i1,j1)
j
LS(i,j2)
LS(i,j3)
Contoh:
1 D 4
A 4 18 15 19 33
4 I
E 8 3
0 B 2 F 5 J 8
0 0 8 8 8 12 20 20 10 36 36
C K
7 3 6 H 7 5
G
7 11 9 20 20 11 31 31
3.5. Perhitungan Kelonggaran Waktu (Float Atau Slack)
46
Kelonggaran waktu (float/slack) dari aktivitas (i. j). yang terdiri atas total
float dan free float.
Total float adalah jumlah waktu di mana waktu penyelesaian suatu aktivitas
dapat diundur tanpa mempengaruhi saat paling cepat dari penyelesaian proyek
secara keseluruhan. Karena itu, total float ini dihitung dengan cara mencari selisih
antara saat paling lambat dimulainya aktivitas dengan saat paling cepat di
mulainya aktivitas (LS - ES), atau bisa juga dengan mencari selisih antara saat
paling lambat diselesaikannya aktivitas dengan saat paling cepat diselesaikannya
aktivitas (LF - EF).
free float adalah jumlah waktu di mana penyelesaian suatu aktivitas dapat
diukur tanpa mempengaruhi saat paling cepat dari dimulainya aktivitas yang lain
atau saat paling cepat terjadinya event lain pada network.
Free float aktivitas (i, j) dihitung dengan cara mencari selisih antara saat
tercepat terjadinya event di ujung aktivitas dengan saat tercepat diselesaikannya
aktivitas (i, j) tersebut. Atau :
SF (i,,j) - TE (j) - EF(i,,j)
Dari perhitungan maju didapat EF (i,,j) = TE (i) + t (i,,j), maka :
SF(i,,j) = TE(,j) - TE(i,) - t(i,,j)
47
Contoh:
1 D 4
A 4 18 15 19 33
4 I
E 8 3
0 B 2 F 5 J 8
0 0 8 8 8 12 20 20 10 36 36
C K
7 3 6 H 7 5
G
7 11 9 20 20 11 31 31
Perhitungan untuk menentukan lintasan kritis ini dapat di rangkum dan

dapat dilihat pada Tabel 3.1. berikut, yang memuat seluruh informasi yang
diperlukan untuk membuat peta waktu (time_chart) pelaksanaan proyek.
Tabel 3.1.
Perhitungan menentukan lintasan kritis
Aktifitas Duration Paling cepat Paling lambat Total Free
(i,j) t(i,j) Mulai Selesai Mulai Selesai Float Float
(ES) (EF) (LS) (LF) S SF
(0,1) 4 0 4 0 18 14 0
(0,2) 8 0 8 0 8 0 0*)
(0,3) 7 0 7 0 11 4 0
(1,4) 15 4 19 18 33 14 0
(2,4) 6 8 19 8 33 19 5
(2,5) 12 8 20 8 20 0 0*)
(3,6) 9 7 20 11 20 4 4
(4,8) 3 19 36 33 36 14 14
(5,6) 0 20 20 20 20 0 0*)
(5,8) 10 20 36 20 36 6 6
(6,7) 11 20 31 20 31 0 0*)
(7,8) 5 31 36 31 36 0 0*)
3.6. Penentuan Ongkos Dalam Penjadwalan Proyek
48
Dalam penjadwalan proyek, aspek ongkos diperhitungkan dengan
membuat hubungan ongkos dengan duration untuk -setiap aktivitas pada proyek
itu. Yang dimaksud dengan ongkos di sini ialah ongkos langsung saja, tidak
termasuk ongkos-ongkos administrasi, supervisi dan lain-lain.
Kebanyakan proyek menggambarkan hubungan ongkos dengan duration ini
sebagai garis lurus yang dapat dilihatpada Gambar 3.1. berikut.
Ongkos
Titik percepatan
Cc
Cn Titik normal
duration
Dc Dn
Gambar 3.1. Hubungan ongkos dengan duration
Titik (Dn, Cn) menyatakan hubungan duration Dn dengan ongkosnya Cn,

jika aktivitas diselesaikan dalam kondisi normal. Duration Dn ini dapat
dipersingkat dengan cara meningkatkan pengalokasian sumber yang dengan
sendirinya berarti meningkatkan ongkos langsung.
Contoh:
49
Sebagai langkah pertama prosedur perhitungannya ialah mengasumsikan
bahwa seluruh aktivitas terjadi pada waktu (duration) normal. Dari network & di
atas dapat dilihat bahwa perhitungan lintasan kritisnya adalah berdasarkan kondisi
normal dengan aktivitas (1, 2) dan (2, 5) sebagai aktivitas-aktivitas yang
membentuk lintasan kritis. Waktu penyelesaian proyek ini adalah 18 dengan
ongkos 580.
Karena aktivitas (1, 2) mempunyai kemiringan yang lebih kecil, maka
aktivitas ini dipilih sebagai aktivitas yang akan ditekan waktu penyelesaiannya.
Berdasarkan tabel hubungan ongkos dengan waktu di atas, aktivitas (1, 2) ini
dapat ditekan sebanyak 2 satuan waktu, suatu batas yang ditentukan oleh titik
percepatannya (oleh sebab itu disebut sebagai batas percepatan atau crash limit).
salah satu cara untuk memprediksi apakah lintasan kritis yang baru itu akan terjadi
sebelum mencapai titik percepatan ataukah tidak, ialah dengan memperhatikan
free float dari aktivitas-aktivitas yang tidak kritis. seperti telah dijelaskan, free
float ini bersifat independen terhadap saat dimulainya aktivitas-aktivitas yang lain.
Maka, apabila pada saat dilakukan penekanan terhadap aktivitas kritis terjadi
pengurangan harga free float dari positif menjadi nol, aktivitas kritis itu tidak
boleh ditekan tanpa melakukan pemeriksaan lebih lanjut, karena ada kemungkinan
bahwa aktivitas dengan free float nol ini menjadi aktivitas kritis. Dengan
demikian, selain crash limit kita juga harus memperhatikan free float limit.
untuk menentukan free float limit ini, pertama-tama kurangilah duration
dari aktivitas kritis terpirih (terdasarkan slope-nya) sebanyak satu satuan waktu.
Maka, dengan menghitunt ulang nilai-nilai dari seluruh aktivitas yang tidak kritis,
akan dapat dilihat aktivitas-aktivitas mana yang free float-nya telah berkurang
sebanyak satu satuan waktu juga. Nilai free float terkecil (sebelum dilakukan
pengurangan) dari seluruh aktivitas semacam itulah yang dimaksud sebagai free
float limit.
Perhatikan sekarang bahwa dengan mengurangi duration dari aktivitas (1,
2) sebanyak satu satuan waktu akan menurunkan SF dari aktivitas (3, 4) dari
semula berharga 1 menjadi nol. SF dari aktivitas (4, 5) tetap berharga 5. Dengan
demikian, maka SF limit = 1. Karena crash limit dari (1, 2) adalah 2, maka batas
50
penekanannya (compression limit) sama dengan nilai minimum crash limit
dengan SF limitnya, yaitu min (2, 1) = 1.
- duration dari proyek keseluruhan = 17

- Ongkos baru = ongkos pada penjadwalan sebelumnya + ongkos penekanan
waktu.
= 580 + (18-17) 50
= 630
- Lintasan kritis tetap, yaitu (1, 2, 5)
Karena aktivitas (1,2) ini masih merupakan aktivitas kritis terpilih untuk
dipercepat, maka lakukanlah lagi perhitungan crash limit dan SF limit-nya,
sehingga diperoleh penjadwalan baru sebagai berikut :
- Duration dari proyek keseluruhan = 16

- Ongkos = 630 + (17-16) 50 = 680
- Lintasan kritis tetap, yaitu (1, 2, 5)
Sekarang, aktivitas (1, 2) sudah tidak dapat dipercepat lagi karena telah
mencapai crash limit-nya. Karena lintasan kritisnya tetap, yaitu (1, 2, 5), maka
51
tinggallah aktivitas (2, 5) yang harus dipercepat. Aktivitas (2, 5) ini mempunyai
crash limit = 10 - 5 = 5. Dari penjadwalan yang terakhir kita lihat bahwa pada saat
aktivitas (1, 2) ditekan sebanyak 1 satuan waktu,maka hanya ada satu aktivitas
tidak kritis yang SF-nya berharga positif dan bekurang sebanyak 1 satuan waktu.
Aktivitas tersebut adalah (4, 5), di mana SF-nya berkurang dari 5 menjadi 4. Maka
tidak ada pilihan lain kecuali menetapkan bahwa SF limitnya adalah 4. Dengan
demikian, compression limit untuk aktivitas (2, 5) adalah min (5, 4) = 4, dengan
hasil penjadwalan baru sebagai berikut:
- duration dari proyek keseluruhan = 12

- Ongkos = 680 + (16-12) 60 = 920
- Lintasan kritis ada dua, yaitu (1, 2, 5) dan (1, 3, 4, 5)
Karena pada persoalan di atas crash limit-nya sama dengan 1, maka SF-
limitnya dengan sendirinya tidak perlu dihitung.
Penjadwalan baru dari hitungan ini adalah :
- duration dari proyek = 11

- Ongkos = 920 + (12-11) (60+10)
= 990 Slope (2, 5), slope (4, 5)
- Lintasan kritis tetap, yaitu (1, 2, 5) dan (1, 3, 4, 5)
III.3. PENUTUP
52
Tugas/latihan untuk materi Perencanaan & Pengendalian Proyek Dgn CPM PERT
adalah sebagai berikut:
1. Apa yang dimaksud dengan total Float, jelaskan!
2. Dari suatu proyek diperoleh data:
Aktivitas Aktivitas yang telah dilalui Waktu penyelesaiana
(predecessor) (duration)
A - 6
B - 4
C A 4
D A 6
E B 4
F D,E 6
G D,E 4
H C,D,E 10
I C,D,E 14
J I,F 12
Buatlah diagram networknya dan tentukan lintasan kritis serta waktu
penyelesaian proyek tersebut!
PERKULIAHAN KE 6 DAN 7: PROGRAMA DINAMIS.


1. Menjelaskan pengertian dan ide dasar programa dinamis.
2. Menerapkan teknik pemecahan masalah dengan menggunakan
programa dinamis.
Pokok Bahasan : Programa Dinamis
Deskripsi singkat :
Dalam pertemuan ini anda akan mempelajari persoalan keputusan dengan
menggunakan programa dinamis termasuk pengantar dan karakteristik persoalan
programa dinamis, programa dinamis deterministik serta bagaimana cara
menyelesaikan persoalan keputusan dengan menggunakan programa dinamis
tersebut.
I. Bahan Bacaan:
53
MacMillan Co, 1985.
II. Bahan Tambahan.


1. Apa yang dimaksud dengan programa dinamis?
2. Carilah contoh persoalan yang dapat diselesaikan dengan menggunakan
programa dinamis.
IV. Tugas:
1. Kapan metode programa dinamis dapat dilaksanakan? Dan berikan contohnya!
2. 5 (Lima) orang perawat dalam 1 (satu) team kesehatan dari puskesmas Rindina harus
ditempatkan di tiga balai pengobatan di kota Bandar jaya, dalam rangka
menyempurnakan pelayanan kesehatan, pendidikan kesehatan, dan programa latihan.
Tabel berikut ini adalah taksiran pertambahan umur (tahun orang) dalam satuan ribu
untuk tiap balai pengobatan dan tiap alokasi team yang mungkin dilakukan. Berikut
ukuran dari keefektifan ini ialah pertambahan umur (yaitu berapa tahun umur orang
akan bertambah dengan adanya team tersebut).
Jumlah tim yang Pertumbuhan umur (ribuan tahun-orang) Balai pengobatan
dialokasikan 1 2 3
0 0 0 0
1 45 21 24
2 35 20 50
3 70 45 70
4 90 75 120
5 120 102 130
Berapa team yang harus ditempatkan di tiap-tiap balai pengobatan, sehingga keefektifan
total dari lima team itu dapat dimaksimumkan?
IV.1. PENDAHULUAN
Dalam perkuliahan mengenai programa dinamis ini akan dibahas
mengenai pengantar dan karakteristik persoalan programa dinamis, programa
dinamis deterministik, dan programa dinamis probabilistik serta bagaimana cara
menyelesaikan persoalan keputusan dengan menggunakan programa dinamis
tersebut. Materi yang disampaikan sangat berkaitan antara satu dengan yang
lainnya, hal ini berguna dalam menghasilkan keputusan yang optimal dalam
menyelesaikan persoalan keputusan suatu perusahaan.
54
IV.2. PENYAJIAN
PROGRAMA DINAMIS
Programa dinamis adalah suatu teknik matematis yang biasanya digunakan
untuk membuat suatu keputusan dari serangkaian keputusan yang saling
berkaitan. Tujuan utama model ini ialah untuk mempermudah penyelesaian
persoalan optimasi yang mempunyai karakteristik tertentu.
Ide dasar programa dinamis ini ialah membagi persoalan menjadi beberapa bagian
yang lebih kecil sehingga memudahkan penyelesaiannya.
4.1. Pengantar Programa Dinamis

Seorang salesman harus berangkat dari satu kota ke kota lainnya. Di antara
kota asal dan kota tujuan itu terdapat beberapa kota lain yang dapat digunakan
sebagai tempat persinggahan sementara. Kota-kota yang dapat dilewati itu dapat
digambarkan sebagai berikut :
Data ongkos yang harus dibayar jika salesman itu meninggalkan kota i dan
menuju ke kota j (cij) adalah sebagai berikut :
2 3 4 5 6 7 8 9 10
1 2 4 3 2 7 4 6 5 1 4 8 3
3 3 2 4 6 6 3 9 4
4 4 1 5 7 3 3
Rute manakah yang dapat menimbulkan ongkos terkecil ?

4 tahap (stage) yang harus di jalani untuk melakukan perjalanan dari kota (state)
asal di 1 ke tujuan di 10.
55
Tetapkan variabel-variabel keputusan xn sebagai tempat-tempat
persinggahan pada stage n (n = l, 2, 3, 4). Maka rute yang dijalani adalah
1x1x2x3x4, di mana x4 adalah kota (state) 10 atau x4 = 10. Selanjutnya
tetapkan pula variabel-variabel berikut :
1. fn (s, xn) = ongkos total yang harus dibayar jika salesman itu berada di kota s
dan memilih xn sebagai tempat persinggahan berikutnya.
2. Untuk s dan n tertentu, xn adalah nilai xn yang meminimumkan fn (s. xn).
3. fn (S) = nilai minimum dari fn (s, xn) sehingga fn (s) = fn(S, Xn ).
Tujuannya adalah untuk mendapatkan f1*(1) dengan cara mencari f4* (s),
f3* (s), dan f2* (s), terlebih dahulu. Jadi, programa dinamis menyelesaikan suatu
persoalan dengan melakukan perhitungan mundur walaupun untuk persoalan
tertentu bisa dengan perhitungan maju.
Solusi persoalan dengan satu stage ini adalah:
S F4*(S) X4*
8 3 10
9 4 10
Hasil keseluruhan dari persoalan dengan dua stage ini adalah :

x3 f3 (s,x2) = csx3 + f4* (x3) f3* (s) x3*
s 8 9
5 4 8 4 8
6 9 7 7 9
7 6 7 6 8
Hasil selengkapnya dari persoalan dengan tiga stage ini adalah :
x2 f1 (s,x2) = csx2 + f3* (x2) f1* (s) X2*

S 5 6 7
2 11 11
3 7 9 11 11 3 atau 4
4 8 8
56
Persoalan dengan 4 stage, ongkosnya adalah ongkos pada stage pertama
ditambah dengan ongkos minimum berikutnya yaitu :
x2 f1 (s,x2) = csx2 + f3* (x2) f1* (s) x1*
s 2 3 4
1 13 11 11 11 3 atau 4
Dengan demikian, maka salah satu rute optimalnva adalah

135810. Apabila salesman itu memilih x1 = 4, maka didapat dua rute
optimum yang lain, yaitu 145810 dan146910. semuanya itu
memberikan ongkos totat yang sama, yaitu f1*(1) = 11.
4.2. KARAKTERISTIK PERSOALAN PROGRAMA DINAMIS.

Salah satu cara untuk mengenal situasi yang dapat diformulasikan sebagai
persoalan programa dinamis ini ialah dengan memperhatikan bahwa struktur dasar
persoalan programa dinamis ini merupakan analogi dari persoalan salesman di
atas.
Berikut ini diberikan beberapa gambaran dasar yang menandai (menjadi ciri)
persoalan programa dinamis :
1. Persoalan dapat dibagi menjadi beberapa tahap (stage, yang pada rnasing-
masing stage diperlukan adanya satu keputusan.
2. Masing-masing stage terdiri atas sejumlah stage yang berhubungan dengan
stage yang bersangkutan.
3. Hasil dari keputusan yang diambil pada setiap stage ditransformasikan dari
state yang bersangkutan ke state berikutnya pada stage yang berikutnya pula.
4. Keputusan terbaik pada suatu stage bersifat independen terhadap keputusan
yang dilakukan pada stage sebelumnya.
5. Prosedur pemecahan persoalan dimulai dengan mendapatkan cara (keputusan)
terbaik untuk setiap state dari stage terakhir.
57
6. Ada suatu hubungan timbal-balik yang mengidentifikasi keputusan terbaik
untuk setiap state pada stage n, berdasarkan keputusan terbaik untuk setiap
state pada stage (n + 1).
7. Dengan menggunakan hubungan timbal-balik ini, prosedur penyelesaian
persoalan bergerak mundur stage demi stage, pada setiap stage berusaha
diperoleh keputusan optimum untuk masing-masing state hingga akhirnya
diperoleh keputusan optimum yang menyeluruh, mulai dari stage awal.
4.3. PROGRAMA DINAMIS DETERMINISTIK

Programa dinamis deterministik ini dapat diterangkan dengan diagram
berikut :
Stage n Stage
n+1
Stage sn sn+1
Kontribusi dari
xn
fn (sn,xn) f*n+1 (sn+1)
Dengan demikian, maka pada stoge n, prosesnya akan berada pada state sn.
Pada state ini dibuat keputusan xn, kemudian proses bergerak ke state sn + 1 pada
stage (n+1). Dari titik ini ke depan, nilai fungsi tujuan untuk keputusan
optimumnya telah terlebih dahulu dihitung, yaitu f*n+1 (sn+1) Keputusan memilih
xn, juga memberikan kontribusi terhadap fungsi tujuan, yang dengan
menggabungkan kedua besaran ini akan diperoleh nilai fungsi tujuan. Fn(sn, xn)
yang berawal pada stage n. Minimumkan nilai telsebut dengan memperhatikan xn
sehingga diperoleh fn*(sn = fn (sn,xn). Setelah hal ini dilakukan untuk semua nilai
sn yang mungkin, maka prosedur penyelesaiannya bergerak kembali pada
persoalan dengan satu stage.
Contoh:
Badan Kesehatan Dunia (WHO) bermaksud akan menyempurnakan
pelayanan kesehatan di negara-negara yang sedang berkembang. Saat ini WHO
58
mempunyai 5 team kesehatan yang harus ditempatkan di tiga negara untuk
menyempurnakan pelayanan kesehatan, pendidikan kesehatan, dan programa
latihan. Dengan demikian maka WHO harus menentukan berapa team yang harus
ditempatkan di tiap-tiap negara, sehingga keefektifan total dari lima team itu dapat
dimaksimumkan. Sebagai ukuran dari keefektifan ini ialah pertambahan umur
(yaitu berapa tahun umur orang akan bertambah dengan adanya team tersebut).
Tabel berikut ini adalah taksiran pertambahan umur (tahun orang) dalam
satuan ribu untuk tiap negara dan tiap alokasi team yang mungkin dilakukan.
Jumlah tim yang Pertumbuhan umur (ribuan tahun-orang) - Nergara
dialokasikan 1 2 3
0 0 0 0
1 45 20 50
2 70 45 70
3 90 75 80
4 105 110 100
5 120 150 130
Berikut ini adalah hasil perhitungan seluruhnya, dimulai dari stage terakhir (n = 3)
dan bergerak mundur hingga stage pertama (n = 1).
n=3
s f3* (s) x3
0 0 0
1 50 1
2 70 2
3 80 3
4 100 4
5 130 5
n=2
x2 F2 (s,x2) = p2 (x2) + f3* (s-x2) F2* (s) x2*
s 0 1 2 3 4 5
0 0 0 0
1 50 20 50 0
2 70 70 45 70 0,1
59
3 80 90 95 75 95 2
4 100 100 115 125 110 125 3
5 130 120 125 145 160 150 160 4
n=1
x2 F1 (s,x1) = p1 (x1) + f2* (s-x1) F1* (s) x1*
s 0 1 2 3 4 5
5 160 170 165 160 155 120 170 1
Dengan demikian, maka solusi.optimumnya adalah x1* = 1, sehingga s = 5

1 = 4 untuk n = 2. Akibatnya x2* = 3. Selanjutnya s = 4 - 3 = 1 untuk n = 3
sehingga x3* = 1. karena f1*(5) = 170, maka alokasi (1, 3, 1) dari team kesehatan
pada tiga negara ini akan menghasilkan taksiran total 170.000 penambahan tahun
orang.
IV.3. PENUTUP
Tugas/latihan untuk materi programa dinamis adalah sebagai berikut:

1. Kapan metode programa dinamis dapat dilaksanakan? Dan berikan contohnya!
2. Puskesmas Atmajaya memiliki 7 (Tujuh) orang perawat dalam 1 (satu) team
kesehatan dari puskesmas Rindina harus ditempatkan di tiga balai pengobatan
di kota Bandar jaya, dalam rangka menyempurnakan pelayanan kesehatan,
pendidikan kesehatan, dan programa latihan. Tabel berikut ini adalah taksiran
pertambahan umur (tahun orang) dalam satuan ribu untuk tiap balai
pengobatan dan tiap alokasi team yang mungkin dilakukan. Berikut ukuran
dari keefektifan ini ialah pertambahan umur (yaitu berapa tahun umur orang
akan bertambah dengan adanya team tersebut).
Jumlah tim yang Pertumbuhan umur (ribuan tahun-orang) Balai pengobatan
Dialokasikan 1 2 3
0 0 0 0
60
1 45 21 24
2 35 20 50
3 70 45 70
4 90 75 80
5 98 102 100
6 105 110 120
7 120 150 130
Berapa team yang harus ditempatkan di tiap-tiap balai pengobatan, sehingga
keefektifan total dari lima team itu dapat dimaksimumkan?
PERKULIAHAN KE 8: Ujian MID SEMESTER

TIK : Pada perkuliahan ini mahasiswa diharapkan mampu menyelesaikan

persoalan-persoalan berkaitan dengan materi yang telah diberikan
pada perkuliahan sebelumnya.
Pokok Bahasan : Materi yang termasuk dalam ujian mid semester adalah: Pengantar
Penelitian operasional II, Analisis Jaringan, Perencanaan &
Pengendalian Proyek dgn CPM PERT dan Programa Dinamis
Deskripsi singkat : Dalam pertemuan ini anda akan mengerjakan dan menyelesaikan
persoalan-persoalan penelitian operasional II sesuai dengan materi
yang telah diberikan pada perkuliahan sebelumnya. Sifat ujian mid
semester adalah open book. Setiap mahasiswa dapat menyelesaikan
dan mencari jawaban tiap persoalan pada buku maupun bahan-bahan
pembelajaran yang dimilikinya.
61
1. I. Bahan Bacaan:
1. Dimyanti,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru
2. Don T.Philips, et.al., Operation Research: Principle and Practice, 2nd edition,
John Wiley and Sons, 1987.
MacMillan Co, 1985.
II. Bahan Tambahan:

1. Hillier and Lieberman, Introduction to Mathematical Programming, 1st edition,
McGraw-Hill, 1991.
III. Pertanyaan Kunci/Tugas: Sebelum ujian mid semester, mahasiswa diberikan

kesempatan untuk bertanya berkaitan dengan persoalan yang diberikan.
IV. Tugas
Tidak ada pemberian tugas setelah ujian mid semester, hal ini dikarenakan ujian
tersebut merupakan tabulasi dan evaluasi nilai mahasiswa terhadap perkuliahan
sistem produksi, setelah menjalani perkuliahan selama 7 (tujuh) kali pertemuan.
V.1. PENDAHULUAN
Dalam perkuliahan ini mahasiswa akan mengerjakan dan
menyelesaikan persoalan-persoalan penelitian operasional II sesuai dengan
materi yang telah diberikan pada perkuliahan sebelumnya. Sifat ujian mid
semester adalah open book. Setiap mahasiswa dapat menyelesaikan dan
mencari jawaban tiap persoalan pada buku maupun bahan-bahan
V.2. PENYAJIAN
Pada perkuliahan ini akan diberikan persoalan yang berkaitan dengan
materi yang telah dipelajari pada perkuliahan sebelumnya. Persoalan yang
diberikan antara lain:
62
1. Apa keuntungan mempelajari network theory dan berikan contoh
peristiwa suatu network!
2. Sebuah perusahaan kendaraan umum mengoperasikan armadanya dari
kota s ke kota t. Ada beberapa alternatif yang bisa dilalui dalam
menempuh perjalanan tersebut, dengan jaringan sebagai berikut:
3
1 3 2
3 4 t
2
s 4
4 3
Kota Tujuan
2
Kota Asal
Kota Antara
Jarak
Tentukan rute terpendek dari kedua kota tersebut!
3. Dari suatu proyek diperoleh data sebagai berikut:
1 D 4
A 15
I
3 E
3
6
0 B 2 F 5 J 8
6
12 10
C K
7
3 6 H 7 8
G
9 11
Tentukan lintasan kritis serta waktu penyelesaian proyek tersebut!
4. Langkah apa saja yang harus dilakukan dalam memecahkan suatu

persoalan dalam suatu organisasi berkenaan dengan diterapkannya
penelitian operasional dalam organisasi tersebut? Jelaskan!
Persoalan yang diberikan tidak harus sesuai pada persoalan tersebut

di atas saja, tetapi dapat juga ditambah dan diganti dengan persoalan lainnya
sesuai dengan kebutuhan, ketepatan dan keterbatasan waktu pengerjaan
persoalan, tentunya sesuai dengan materi yang telah diberikan.
V.3. PENUTUP
63
Pada bagian penutup, diadakan tanya jawab mengenai persoalan-
persoalan yang diberikan. Tidak ada pemberian tugas setelah ujian mid
semester, hal ini dikarenakan ujian tersebut merupakan tabulasi dan evaluasi
nilai mahasiswa terhadap perkuliahan Penelitian Operasional II, setelah
menjalani perkuliahan selama 7 (tujuh) kali pertemuan.
PERKULIAHAN KE 9, 10 DAN 11: TEORI PERMAINAN

SESI/PERKULIAHAN KE: 9, 10 DAN 11

1. Menjelaskan pengertian dan ide dasar teori permainan.
2. Mengetahui penyelesaian persoalan penelitian operasional dengan
menggunakan teori permainan.
Pokok Bahasan : Teori Permainan
Deskripsi singkat : Dalam pertemuan ini anda akan mempelajari persoalan keputusan dengan
menggunakan teori permainan termasuk pengantar teori permainan, two
person zero-sum game, pure-strategy game, mixed-strategy game, solusi
grafis dari permainan (2xn) dan (mx2), solusi permainan (mxn) dgn
programa linier serta bagaimana cara menyelesaikan persoalan keputusan
dengan menggunakan teori permainan tersebut.
I. Bahan Bacaan:
1. Dimyati,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru Algensindo
Bandung, 1999.
64
II. Bahan Tambahan:

McGraw-Hill, 1991.
2. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation Research
, San Fransisco : Holden Day Ltd, 1977.
MacMillan Co, 1985.
III. Pertanyaan Kunci/Tugas: Ketika anda membaca bahan bacaan berikut, gunakanlah
pertanyaan-pertanyaan sebagai berikut:
1. Apa yang dimaksud dengan teori permainan dalam penelitian operasional?
2. Cari contoh persoalan yang dapat diselesaikan dengan menggunakan teori permainan.
IV. Tugas:
1. Apa yang dimaksud dengan teori permainan?
2. Perusahan pasta gigi fantana berusaha menarik hati konsumennya dengan memberikan
undian berhadiah, hal ini juga dilakukan oleh perusahaan sejenis kardilas yang
merupakan pesaing terberat perusahaan tersebut. Saat ini masing-masing perusahaan
menguasai 50% pasaran. Jika masing-masing perusahaan tidak melakukan undian
berhadiah maka pengusahaan pasar tersebut tidak berubah, jika salah satu melakukan
undian berhadiah yang lebih menarik maka perusahaan yang lain akan kehilangan
sejumlah langganannya. Dari hasil penelitian pasar ternyata bahwa presentasi
langganan yang dapat dijangkau melalui media televisi adalah 50% dan melalui koran
30% dan melalui radio 20%. Kedua perusahaan ini harus memilih media yang sesuai
untuk mempromosikan produknya dengan undian berhadiah tentunya dengan mencari
media promosi terbaik yang digunakan.
a. Buatlah matriks payoff dari persoalan tersebut!
b. Tentukan nilai game-nya.
VI.1. PENDAHULUAN
Dalam perkuliahan mengenai teori permainan ini akan dibahas mengenai
pengantar teori permainan, two person zero-sum game, pure-strategy game,
mixed-strategy game, solusi grafis dari permainan (2xn) dan (mx2), solusi
permainan (mxn) dgn programa linier serta bagaimana cara menyelesaikan
persoalan keputusan dengan menggunakan teori permainan tersebut. Materi yang
disampaikan sangat berkaitan antara satu dengan yang lainnya, hal ini berguna
dalam menghasilkan keputusan yang optimal dalam menyelesaikan persoalan
keputusan dalam suatu perusahaan.
VI.2. PENYAJIAN
TEORI PERMAINAN
65
6.1. Pengantar Teori Permainan.
Teori permainan adalah bagian dari ilmu pengetahuan yang berkaitan
dengan pembuatan keputusan pada saat pihak atau lebih berada dalam kondisi
persaingan atau konflik.
Model-model permainan ini dapat diklasifikasikan dalam beberapa cara,
bergantung pada faktor-faktor berikut: banyaknya pemain, jumlah keuntungan dan
kerugian, dan banyaknya strategi yang dilakukan dalam permainan. Sebagai
contoh, jika banyaknya pemain adalah dua pihak maka permainannya disebut
sebagai permainan dua orang (two-person game). Jika banyaknya pemain adalah
N pihak (N 3), Pemainnya disebut Permainan N orang (zero-sum game).
Perhatikan persoalan two-person zero-sum game dengan matriks
pembayaran seperti pada tabel berikut.
Pemain B
B1 B2 B3
Pemain A A1 6 9 2
A2 8 5 4
Beberapa pengertian dari persoalan di atas adalah sebagai berikut:

1. Bilangan-bilangan ynag ada di dalam matriks pembayaran (payoff matrix)
menyatakan outcome atau pembayaran strategi permainan yang berbeda.
Payoff atau pembayaran ini diartikan sebagai suatu ukuran keefektifan
seperti uang, persentase daerah pemasaran, atau utilitas. Berdasarkan
perjanjian, dalam two-person zero-sum game ini bilangan-bilangan positif
menyatakan perolehan (keuntungan) bagi pihak yang ditulis pada baris
sebgai pemain yang akan memaksimumkan, dan sekaligus merupakan
kerugian bagi pihak yang ditulis pada kolom sebagai pemain yang akan
meminimumkan.
2. Strategi adalah tindakan pilihan.
66
3. Aturan permainan menjelaskna tentang bagaimana sara pemain memilih
strategi-strategi mereka.
4. Suatu strategi dinyatakan dominan apabila setiap payoff yang ada pada
suatu strategi bersifat superior (paling tinggi) dibandingkan dengan setiap
payoff pada strategi lainnya.
5. Nilai permainan menyatakan ekspektasi outcome per permainan jika kedua
pemain melakukan strategi terbaik (strategi optimum) mereka. Suatu
permainan dikatakan adil jika nilai permainannya nol.
6. strategi optimum adalah strategi yang menjadikan seorang pemain berada
pada posisi pilihan terbaik, tanpa memperhatikan tindakan-tindakan
pemain lawannya.
7. tujuan model permainan adalah untuk mengidentifikasi strategi optimum
bagi masing-masing pemain.
6.2. Two Person, Zero-Sum Game.

Ada dua jenis persoalan two-person zero-sum game yang biasa dijumpai.
Jenis pertama adalah permainan yang posisi pilihan terbaiknya bagi setiap pemain
dicapai dengan memilih satu strategi tunggal sehingga permainannya disebut
permainan murni (pure-strategy game). Jenis yang kedua adalah permainan yang
kedua pemainnya melakukan pencampuran terhadap strategi-strategi yang berbeda
dengan maksud untuk mencapai posisi pilihan terbaik. Dengan demikian, jenis
yang kedua ini disebut permainan strategi sampuran (mixed-strategy game).
6.3. Pure-Strategy Game

Pure-Strategy Game, pemain yang akan memaksimumkan (pada contoh
adalah pemain A) akan mengidentifikasikan strategi optimumnya dengan
menggunakan kriteria maksimum, sedangkan pemain yang akan meminimumkan
(pemain B) akan mengidentifikasikan strategi optimumnya dengan menggunakan
kriteria minimaks. Jika nilai maksimin sama dengan nilai minimaks, maka
permainan telah terpecahkan. (Untuk menguji hal ini, nilai tersebut harus
merupakan nilai maksimum bagi kolom yang bersangkutan, dan sekaligus
67
merupakan niliai minimum bagi baris yang bersangkutan). Dalam kasus seperti
ini, maka telah tercapai titik keseimbangan. Titik ini dikenal sebagai titik sadel
(saddle point).
Perhatikan suatu situasi ketika dua buah perusahaan besar sedang dalam
proses perencnaan strategi advertensi masing-masing. Asumsikan bahwa
perusahaan A mempunyai dua buah strategi, dan perusahaan B mempunyai tiga
buah strategi.
Struktur strategi dan payoffnya adalah sebagai berikut:
Pemain B Minimum Baris
B1 B2 B3
Pemain A A1 1 9 2 1
A2 8 5 4 4
Maksimum Kolom 8 9 4
Matriks payoff pada tabel di atas adalah untuk pemain yang akan
memaksimumkan (perusahaan A). Jika A memilih strategi A1, Maka B akan
memilih strategi B1, sehingga payoff untuk A adalah 1. Jika A memilih strategi
A2, maka B memilih strategi B3 sehingga payoff untuk A adalah 4. dengan
demikian, jelas bahwa perusahaan A akan berada pada posisi pilihan terbaik jika
ia melakukan suatu strategi tunggal yaitu strategi A2.
Kriteria maksimin (untuk pemain yang memaksimumkan) yaitu
mendapatkan nilai minimum dari masing-masing baris. Nilai terbesar (nilai
maksimum) dari nilai-nilai minimum ini adalah nilai maksimin. Dengan
demikian, maka untuk permainan dengan strategi murni ini, strategi optimumnya
adalah baris tempat nilai maksimin terletak.
Kriteria minimaks (untuk pemain yang meminimumkan) yaitu
mendapatkan nilai maksimum dari masing-masing kolom. Nilai terkecil (nilai
minimum) dari nilai-nilai maksimum ini adalah nilai minimaks. Dengan
demikian, maka untuk permainan dengan strategi murni ini, strategi optimumnya
adalah kolom tempat nilai minimaks terletak
Karena nilai minimaks dan maksimin bernilai sama (=4), maka pertanyaan
berikutnya adalah: apakah permainan ini mempuyai saddle point? Jawabnya
adalah ya, karena nilai 4 merupakan nilai maksimum pada kolomnya, dan
68
sekaligus juga merupakan nilai minimum pada barisnya. Setelah kita ketahui
saddle point ini ada, maka kita dapat menyatakan bahwa strategi optimum bagi A
adalah A2 dan strategi optimum bagi B adalah B3.
6.4. Mixed-Strategy Game.

Seperti telah dijelaskan di atas, pada game yang tidak mempunyai saddle
point, penyelesaiannya harus dilakukan dengan menggunakan strategi campuran.
Perhatikan matriks payoff dari suatu game berikut ini:
Pemain B Minimum Baris
B1 B2 B3
Pemain A 1 0 -2 2 -2
2 5 4 -3 -3
3 2 3 -4 -4
Maksimum Kolom 5 4 2
Karena nilai maksimin tidak sama dengan nilai minimaks, maka permainan
di ats tidak mempunyai saddle point. Pada game ini, jika A memilih strategi 1,
maka B memilih strategi 2. Tetapi jka B memilih strategi 2, maka A memilih
strategi 2 sehingga B akan memilih strategi 3 dan A memilih strategi 1. demikian
seterusnya sehingga permainan seperti ini dikenal sebagai permainan yang idak
stabil (unstable game).
Secara matematis:
m
- Pemain A akan memilih xi (xi 0, xi 1 ) yang menghasilkan
i 1
m m m
V = maks xi {min ( a11 xi, a12 xi,......, ain xi)}.
i 1 i 1 i 1
n
- Pemain B akan memilih yj (yj 0, yj 1 ) yang menghasilkan
j 1
n n n
V =min yj{min ( a1 j yj, a2 j yj,......, amj yj)}.
j 1 j 1 j 1
Nilai-nilai di atas adalah nilai-nilai maksimin dan minimaks dari ekspektasi

payoff. Seperti halnya pada kasus strategi murni, pada strategi campuran inipun
berlaku hubungan.:
69
Minimaks ekspektasi payoff maksimin ekspektasi payoff atau v v.
Jika xi dan yj berkorespondensi dengan solusi optimum, maka v = v dimana nilai

yang diperoleh akan sama dengan nilai ekspektasi optimum dari permainan.
6.5. Solusi Grafis dari Permainan (2xn) dan (mx2).

Solusi grafis hanya dapat digunakan untuk menyelesaikan persoalan
permainan bila paling sedikit salah seorang pemain hanya mempunyai 2 buah
strategi. Perhatikan permainan (2xn) berikut ini.
Y1 Y2................Yn
x1 a11 a12...............a1n
A
x2 =1-x1 a21 a22..............a2n
Disini diasumsikan bahwa permainannya tidak mempunyai saddle point. Karena

A mempunyai dua strategi, maka x2 = 1 x1, dengan x1 0, x2 0.
Berdasarkan strategi murni dari B, maka ekspektasi payoff untuk A adalah:
Strategi Murni Ekspektasi payoff A
1 (a11 a21) x1 +a21
2 (a12 a22) x1 +a22
. .
. .
n (a1n a2n) x1 +a2n
Hal ini memperlihatkan bahwa ekspektasi payoff bagi A bervariasi secara
linier terhadap x1. Berdasarkan kriteria untuk permainan dengan strategi
campuran, pemain A harus memilih nilai x1 yang akan memaksimumkan
ekspektasi payoff minimumnya. Hal ini dapat dilakukan dengan cara
menggambarkan garis-garis lurus ke atas sebagai fungsi dari x1.
Contoh:
B
1 2 3
1 0 -2 2
A
2 5 4 -3
70
Persoalan ini tidak mempunyai saddle point dan akan diselesaikan dengan cara
grafis. Berdasarkan strategi murni dari B, maka ekspektasi payoff untuk A adalah:
Strategi Murni Ekspektasi payoff A
1 -5x1 + 5
2 -6x1 + 4
3 5x1 - 3
Ketiga garis lurus ini digambarkan sebagai fungsi dari x1 sebagai berikut:
Ekspektasi payoff
5
11
4
Maksimin
0
1/2 1 x1
3
-3
Maksimin ekspektasi payoff
V = Maks xi { min (5-5x1), (4-6x1), (-3+5x1)}

Maks xi { min (4-6xi), (-3 5x1)}
Titik potong dicari secara aljabar biasa:
4-6x1 = -3+5x1
11x1 = 7
x1* = 7/11
karena x1* + x2* =1 maka x2* = 4/11
v = v* -3 + 5 (7/11) = 2/11 padahal v* = v dan v* = aijxiyj

i j
Sehingga:
Y1*(5-5x1)+y2*(4-6x1)+y3*(-3+5x1)=2/11..................................(1)
71
2/11 y1* + 2/11 y2* +2/11 y3* = 2/11 dengan y1* + y2* + y3* = 1
Dalam hal, persamaan aij xi yang tidak melewati titik maksimin
berkorespondensi dengan yj=0 (supaya tidak menaikkan expected payoff). Karena

itu, y1* = 0 sehingga:
y2*+y3*=1 atau y3*=1-y2*. Masukkan pada persamaan (1).
Jika x1 = 0 maka 4y2*-3y3* = 2/11
x2 = 1 -2y2*+2y3* =2/11
Sehingga: y3* = 6/11
y2* = 5/11
Dengan demikian, maka solusi optimum untuk kedua pemain adalah:
- Pemain A: (x1,x2) = (7/11, 4/11)
- Pemain B: (y1,y2,y3) =(0, 5/11,6/11)
Dengan nilai game v*2/11
6.6. Solusi permaianan (mxn) dgn programa linier.

Seperti dikemukakan sebelumnya, kriteria maksimin dapat diformulasikan
sebagai:
m m
Maks xi {min ( ai1 xi,
i 1
ai2 xi,............ ain xi)}
i 1 i 1
m
Dimana
i 1
xi = 1 dan xi 0 i = 1,..............,m
Contoh:
Matriks payoff dari suatu permainan adalah sebgai berikut:
B
1 2 3
1 3 -1 -3
A 2 -3 3 -1
3 -4 -3 3
Tentukan strategi optimum untuk masing-masing pemain?

Penyelesaian.
72
Matriks payoff di atas tahu bahwa nilai maksiminnya adalah -3 sehingga nilai
permainannya dapat berharga negatif atau nol. Karena itu, diperlukan suatu
konstanta k yang harga-nya paling sedikit sama dengan nilai maksimin yang
negatif itu. Konstanta k itu kemudian ditambahkan kepada seluruh elemen
matriks. Misalnya digunakan k=5, maka matriksnya menjadi sebagai berikut.
B
1 2 3
1 8 4 2
A 2 2 8 4
3 1 2 8
Formula programa linier untuk pemain B adalah:

Maks. W = y1+y2+ y3
8y1+4y2+2y3 1
2y1+8y2+4y3 1
y1+2y2+8y3 1
y1,y2, y3 0
Setelah formulasi di atas diselesaikan dengan metode simpleks, maka didapat

tabel optimumnya sebagai berikut:
Basis Y1 Y2 Y3 S1 S2 S3 Solusi
W 0 0 0 5/49 11/196 1/14 45/196
Y1 1 0 0 1/7 -1/14 0 1/14
Y2 0 1 0 -3/98 31/196 -1/14 11/196
Y3 0 0 1 -1/98 -3/98 1/7 5/49
Sehingga diperoleh:
V* = 1/w k = 196/45 5 = -29/45
y1 1 / 14
Y1* = = = 14/45
w 45 / 196
y2 11 / 196
Y2* = = = 11/45
w 45 / 196
y3 5 / 49
Y3* = = = 20/45
w 45 / 196
73
Strategi optimum untuk pemain A diperoleh dari solusi dual persoalan di atas,
maka:
Z = w = 45/196, x1 = 5/49, x2 = 11/196, x3=1/14
Sehingga:
x1* = x1/z = 20/45 x2* = x2/z = 11/45
x3* = x3/z = 14/45
VI.3. PENUTUP
Tugas/latihan untuk materi teori permainan adalah sebagai berikut:

2. Perusahan pasta gigi fantana berusaha menarik hati konsumennya dengan
memberikan undian berhadiah, hal ini juga dilakukan oleh perusahaan sejenis
kardilas yang merupakan pesaing terberat perusahaan tersebut. Saat ini
masing-masing perusahaan menguasai 50% pasaran. Jika masing-masing
perusahaan tidak melakukan undian berhadiah maka pengusahaan pasar
tersebut tidak berubah, jika salah satu melakukan undian berhadiah yang lebih
menarik maka perusahaan yang lain akan kehilangan sejumlah langganannya.
Dari hasil penelitian pasar ternyata bahwa presentasi langganan yang dapat
dijangkau melalui media televisi adalah 50% dan melalui koran 30% dan
melalui radio 20%. Kedua perusahaan ini harus memilih media yang sesuai
untuk mempromosikan produknya dengan undian berhadiah tentunya dengan
mencari media promosi terbaik yang digunakan.
a. Buatlah matriks payoff dari persoalan tersebut!
b. Tentukan nilai game-nya.
74

1. Menjelaskan pengertian dan ide dasar proses keputusan Markov.
menggunakan proses keputusan Markov.
Pokok Bahasan : Proses Keputusan Markov
Deskripsi singkat :
menggunakan proses keputusan Markov termasuk Ilustrasi Persoalan Keputusan Markov,
Membangun Matriks Probabilitas Transisi, Model Program Dinamis dengan Stage Terbatas,
Model dengan Stage tidak Terbatas serta bagaimana cara menyelesaikan persoalan
keputusan dengan menggunakan proses keputusan Markov tersebut.
I. Bahan Bacaan:
75
Bandung, 1999.
McGraw-Hill, 1991.
3. Taha, Hamdy, Operation Research : An Introduction, Newyork : The MacMillan
Co, 1985.
II. Bahan Tambahan:

1. Don T.Philips, et.al., Operation Research: Principle and Practice, 2nd edition, John
Wiley and Sons, 1987.
2. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation Research ,
San Fransisco : Holden Day Ltd, 1977.
3. Wayne L.Winston, Operation Research: Application and Algorithms, 3rd edition,
Duxbury Press, 1994.
4. Wagner, H.M. Principle of Operation Research, Englewood Cliffs, N.J : Prenntice-
hall Inc, 1969.
1. Apa yang dimaksud dengan proses keputusan Markov dalam penelitian operasional?
2. Cari contoh persoalan yang dapat diselesaikan dengan menggunakan proses
keputusan Markov.
IV. Tugas:
1. Apa yang dimaksud dengan proses keputusan Markov?
2. Saat ini PT. Astra sedang mempertimbangkan kemungkinan dilakukannya advertensi
besar-besaran untuk jenis mobil Kijang Innova. Perusahaan ini menentapkan bahwa hasil
penjualan saat ini dapat dikategorikan sebagai keberhasilan (state 1) atau gagal (state 2).
- Jika dilakukan advertensi : probabilitas bulan ini berhasil dan bulan berikutnya gagal
adalah 0,1, sedangkan bila bulan ini gagal dan bulan berikutnya juga gagal
probabilitasnya adalah 0,4. Matriks labanya dapat dilihat pada R1.
- Jika advertensi tidak dilakukan: probabilitas bulan ini berhasil dan bulan berikutnya
juga berhasil adalah 0,7, sedangkan bila bulan ini gagal maka bulan berikutnya juga
gagal probabilitasnya adalah 0,8. Matriks labanya dapat dilihat pada R2.
R1 = 2 -1 R2= 4 1
1 -3 2 -1
Bagaimanakah Policy optimum dari persoalan tersebut?
VII.1. PENDAHULUAN
Dalam perkuliahan mengenai proses keputusan Markov ini akan dibahas
mengenai pengantar proses keputusan Markov termasuk Ilustrasi Persoalan
Keputusan Markov, Membangun Matriks Probabilitas Transisi, Model Program
Dinamis dengan Stage Terbatas, Model dengan Stage tidak Terbatas serta
bagaimana cara menyelesaikan persoalan keputusan dengan menggunakan proses
keputusan Markov tersebut. Materi yang disampaikan sangat berkaitan antara satu
dengan yang lainnya, hal ini berguna dalam menghasilkan keputusan yang optimal
dalam menyelesaikan persoalan keputusan suatu perusahaan..
76
VII.2. PENYAJIAN
PROSES KEPUTUSAN MARKOV
7.1. Pengantar proses keputusan Markov.

Pada saat membahas programa dinamis telah dijelaskan bahwa jumlah
state dapat terbatas atau tidak terbatas. Pada bab berikut ini akan disajikan suatu
penerapan baru programa dinamis terhadap pemecahan suatu proses keputusan
stochastic yang dapat dijelaskan oleh sejumlah state yang terbatas. Probabilitas
transisi di antara states ini dijelaskan oleh suatu rantai Markov (Markov chain),
sedangkan struktur biaya proses ini juga dijelaskan oleh suatu matriks yang
elemen-elemennya menyatakan pendapatan atau ongkos yang dihasilkan dari
pergerakan dari satu state ke state yang lain.
Tujuan persoalan ini ialah menentukan keputusan optimum yang dapat
memaksimumkan ekspektasi pendapatan dari proses yang mempunyai jumlah
state terbatas atau tidak terbatas tersebut.
Contoh-contoh persoalan yang dapat diselesaikan dengan cara ini di
antaranya ialah persoalan persediaan (inventory), peremajaan (replacement),
pengelolaan aliran uang (cash flow management), pengaturan kapasitas
penampung air, penelitian pasar dengan memeriksa dan meramalkan perilaku
langganan, dan lain-lain.
7.2. Ilustrasi Persoalan Keputusan Markov

Untuk dapat memahami model penyelesaian dari persoalan keputusan
Markov, berikut ini dikemukakan sebuah ilustrasi dari persoalan keputusan yang
sangan sederhana, sebagai berikut:
Kondisi sebuah mesin yang digunakan dalam suatu proses produksi
diketahui menurun dengan cepat, baik dalam kualitas maupun output-nya. Karena
itu, terhadap mesin tersebut dilakukan pemeriksaan secara periodik, yaitu pada
setiap akhir bulan. Setelah dilakukan serangkaian pemeriksaan, kondisi mesin ini
77
dicatat dan diklasifikasikan ke dalam salah satu dari tiga keadaan (state) berikut
ini:
state Kondisi
1 Baik
2 Cukup
3 Rusak
Xt adalah state mesin misalkan probabilitas transisi selama periode 1 bulan

dari suatu state ke state lainnya adalah:
State bulan.
1 2 3
State pada 1 0,2 0,5 0,3
bulan ini 2 0 0,5 0,5 = p1
3 0 0 1
Dari matriks transisi p1 di atas jelas bahwa sekali mesin itu rusak (state 3),
maka akan tetap rusak. Jika dilakukan overhaul (perbaikan) maka matriks
transisinya adalah p2 sebagai berikut:
1 2 3
1 0,3 0,6 0,1
P2 = 2 0,1 0,6 0,3
3 00,5 0,4 0,55
Jika diketahui bahwa struktur ongkos apabila tidak dilakukan overhaul adalah R1,
dan struktur ongkos bila dilakukan overhaul adalah R2, (dalam satuan juta rupiah),
dimana:
1 2 3
1 7 6 3
R1 = 1 I I rij1 I I = 2 0 5 1
3 0 0 -1
dan
1 2 3
1 6 5 -1
R2 = I I rij2 I I = 2 7 4 0
3 6 3 -2
78
Keputusan apakah yang sebaiknya dilakukan (melakukan overhaul atau tidak)?
Perhatikan bahwa elemen-elemen rij2 dari R2 ini telah memperhitungkan

ongkos perbaikan (overhaul). Sebagai contoh, jika sistem berada pada state 1, dan
tetap state 1 selama bulan yang akan datang, maka pendapatan yang dapat
diperoleh adalah r112 = 6, bandingkan terhadap r111=7 jika overhaul tidak di
lakukan.
Jenis persoalan lainnya ialah pengevaluasian ekspektasi pendapatan
sebagai hasil dari suatu tindakan yang telah ditetapkan apabila suatu state dari
sistem terjadi. Misalnya, apabila diputuskan untuk melakukan overhaul apabila
mesin dalam kondisi rusak (state 3). Proses pembuatan keputusan untuk kasus ini
dijelaskan oleh suatu stationary policy.
Sebagai contoh, stationary policy untuk melakukan overhaul hanya jika
mesin dalam kondisi rusak (state 3), matriks transisi dan matriks ongkosnya
adalah P dan R sebagai berikut:
0,020 0,50 0,30 7 6 3

P= 0 0,50 0,55 R= 0 5 1
0,05 0,40 0,55 6 3 -2
Matriks P dan R ini berbeda dari matriks P1 dan R1 hanya pada baris
ketiga saja, yang diambil langsung dari P2 dan R2. Alasannya ialah karena P2 dan
R2 adalah matriks-matriks yang dihasilkan apabila overhaul dilakukan pada setiap
state.
7.3. Membangun Matriks Probabilitas Transisi
Sebagai ilustrasi, berikut ini dikemukakan suatu kasus yang berkenaan
dengan perilaku langganan sabun deterjen. Misalkan di suatu daerah dipasarkan
empat merek sabun deterjen, katakanlah merek A, B, C, dan D. Terhadap para
pemakai deterjen di daerah tersebut telah dilakukan penelitian dengan cara
menyebarkan daftar isian (kuesioner). Jumlah responden yang mengembalikan
daftar isian tersebut ada 1.000 orang, dan diasumsikan bahwa ukuran sampel ini
cukup representatif. Data yang diperoleh berupa jumlah langganan masing-masing
79
merek, kemudian dicatat dan dinyatakan sebagai data jumlah langganan pada
periode pertama. Berdasarkan pemikian bahwa langganan dapat mengubah
pilihannya dari satu merek ke merek lainnya (misalnya karena promosi khusus,
persaingan harga, dan lain-lain), maka pada akhir periode dilakukan penelitian
ulang seperti pada tabel berikut ini:
Perubahan selama periode

Jumlah langganan Jumlah langganan
Merek
periode pertam Pindah ke Pindah dari periode kedua
A A
A 220 50 45 225
B 300 60 70 290
C 230 25 25 230
D 250 40 35 255
Total 1.000 175 175 1.000
Tabel di atas memberikan informasi bahwa pada awal periode, jumlah

langganan merek A ada 220 orang. Selama periode berlangsung, terjadi
perubahan, yaitu responden yang semula tidak memilik A beralih ke merek A
sebanyak 50 orang. Yang dari semula memilih A berubah menjadi langganan
merek lain sebanyak 45 orang. Dengan demikian, pada akhir periode atau awal
periode kedua, jumlah langganan A sebanyak 225 orang (220 + 50 45). Begitu
juga untuk merek-merek yang lainnya. Sayang sekali bahwa data di atas tidak
menjelaskan tentang dari merek mana saja ke-50 langganan baru yang pindah ke
A itu, dan pindah ke merek mana saja ke-45 langganan yang meninggalkan A itu.
Jika kemudian penelitian dilanjutkan dan diperoleh data rinci mengenai
perubahan langganan untuk masing-masing merek, seperti pada tabel berikut ini:
Jumlah Tambahan dari Pengurangan ke Jumlah

langganan merek merek langanan
merek
periode periode
pertama A B C D A B C D kedua
A 220 0 40 0 10 0 20 10 15 225
B 300 20 0 25 15 40 0 5 25 290
C 230 10 5 0 10 0 25 0 0 230
D 250 15 25 0 0 10 15 10 0 155
Total 1.000 1.000
80
Maka jumlah langganan yang pada periode pertama memilih A dan pada periode
kedua masih tetap memilih A (bukan langganan baru) adalah sebanyak (220 20
10 15) = 175 orang. Probabilitas bahwa langganan A pada periode pertama
tetap menjadi langganan A, pada periode kedua adalah sebesar 175/220 = 0,796.
Probabilitas bahwa langganan A pada periode pertama berubah menjadi
langganan B pada periode kedua adalah sebesar 20/220 = 0,091.
Apabila perhitungan di atas dilanjutkan, akan diperoleh matriks
probabilitas transisi sebagai berikut:
PERIODE KEDUA
A B C D
A 175/220 = 0.796 20/220 = 0.091 10/220 = 0.046 15/220 = 0.067
B 40/300 = 0.133 230/300 = 0.767 5/300 = 0.017 25/300 = 0.083
C 0/230 = 0 25/230 = 0.109 205/230 = 0.891 0/230 = 0
D 10/250 = 0.040 15/250 = 0.060 10/250 = 0.040 215/250= 0.860
atau dengan singkat di tuliskan sebagai berikut:

0.796 0.091 0.046 0.067
p = 0.133 0.767 0.017 0.083
0 0.109 0.891 0
0.040 0.060 0.040 0.860
Perhatikan bahwa: n
aij = 1
j=1
7.4. Model Program Dinamis dengan Stage Terbatas
Misalkan, si pengambil keputusan dari persoalan perbaikan mesin di atas
merencanakan untuk menghentikan pengoperasian mesin itu dalam N bulan.
Maka persoalannya adalah menentukan tindakan optimum (overhaul atau tidak)
untuk masing-masing bulan selama waktu perencanaan.
81
Tentukan k = 1 dan k = 2 sebagai dua alternatif tindakan yang dapat
dilakukan oleh si pengambil keputusan itu. Alternatif tindakan itu adalah sebagai
berikut:
0.2 0.5 0.3 7 6 3

P1 = I I pij I I = 0 0.5 0.5 R1 = I I rij I I= 0 5 1
0 0 1 0 0 -1
0.3 0.6 0.1 6 5 -1

P2 = I I pij 2 I I = 0.1 0.6 0.3 R2= I I rij 2 I I= 7 4 0
0.05 0.4 0.55 6 3 -2
Persoalan di atas dapat dinyatakan sebagai model program dinamis dengan

stage terbatas sebagai berikut:
Untuk memenuhi sifat umumnya, misalkan jumlah state pada masing-
masing stage (bulan) adalah m (pada contoh di atas m = 3).
Maka pada contoh soal perbaikan mesin di atas, untuk k = 1 (tidak dilakukan
overhaul) diperoleh:
v1 = 0.2 x 7 + 0.5 x 6 + 0.3 x 3 = 5.3
v2 = 0 x 0 + 0.5 x 5 + 0.5 x 3 = 3
v3 = 0x0 + 0x0 + 1 x (-1) = -1
atau selengkapnya (k = 1 dan k = 2) diperoleh:

i vi1 vi2
1 5,3 4,7
2 3 3,1
3 -1 0,4
Dengan demikian, penyelesaian persoalan di atas adalah sebagai berikut:

Stage 3
i Vik Solusi optimum
K=1 K=2 f3 (i) K*
1 5.3 4.7 5.3 1
2 3 3.1 3.1 2
3 -1 0.4 0.4 2
82
Stage 1
vik + Pi1k f2 (1) + Pi2k f2 (2) + Pi3k f2 (3) Solusi opt

i
k=1 k=2 f1 (i) k*
1 5,3 + 0.2x8.19 + 0.5x5.61 + 4.7 + 0.3x8.19 + 0.6x5.61 10.74 2
0.3x2.13 = 10.38 + 0.1x2.13 = 10.74
2 3 + 0x8.19 + 0.5x5.61 + 3.1 + 0.1x8.19 + 0.6x5.61 7.92 2

0.5x2.13 = 6.87 + 0.3x2.13 = 7.92
3 -1 + 0x8.19 + 0x5.61 + 0.4 + 0.05x8.19 + 0.4x5.61 4.23 2

1x2.13 = 1.13 + 0.55x2.13 = 4.23
Stage 2
vik + pi1k f3 (1) + pi2k f3 (2) = pi3k f3 (3) Solusi opt.

i
k=1 k=2 f2 (i) k*
1 5.3 + 0.2x5.3 + 0.5x3.1 + 4.7 + 0.3x5.3 + 0.6x3.1 + 8.19 2
0.3x0.4 = 8.03 0.1x0.4 = 8.19
2 3 + 0x5.3 + 0.5x3.1 + 0.5x0.4 3.1 + 0.1x5.3 + 0.6x3.1 + 5.61 2

= 4.75 0.3x0.4 =5.61
3 -1 + 0x5.3 + 0x3.1 + 1x0.4 = 0.4 + 0.05x5.3 + 0.4x3.1 + 2.13 2

-0.6 0.55x0.4 = 2.13
Solusi optimum di atas menunjukkan bahwa untuk bulan 1 dan 2 harus

dilakukan overhaul (k* = 2) tanpa harus memperhatikan state dari sistem (kondisi
mesin). Pada bulan ke-3, overhaul harus dilakukan hanya apabila sistem berada
pada state 2 atau 3 (kondisi mesin cukup atau rusak). Ekspektasi pendapatan total
untuk ketiga bulan itu adalah f1 (1) = 10.74 jika state dari sistem pada bulan-1
baik, f1 (2) = 7.92 jika cukup, dan f1 (3) = 4,23 jika rusak.
7. 5. Model dengan Stage tidak Terbatas
Metode yang dapat digunakan untuk menyelesaikan persoalan dengan

stage yang tidak terbatas ini salah satunya adalah metode enumerasi sempurna
83
yang mengenumerasi seluruh stationary policy, hingga diperoleh solusi
optimumnya. Metode ini hanya dapat digunakan apabila jumlah total stationary
policy-nya tidak terlalu besar sehingga masih dapat dihitung.
Misalkan suatu persoalan keputusan mempunyai sejumlah S stationary
policy, dan asumsikan bahwa P dan R adalah matriks transisi (satu langkah) dan
matriks pendapatan yang berkaitan dengan policy ke-k, s = 1, 2, ..., S. Maka
langkah-langkah enumerasinya adalah sebagai berikut:
Langkah 1:
Hitung harga viS, yaitu ekspektasi pendapatan satu langkah (satu periode)
dari policy s, pada state i, i = 1, 2, ..... m
Langkah 2:
Hitung is, yaitu probabilitas stationary jangka panjang, dari matriks
transisi Ps yang berkaitan dengan policy s. Probabilitas ini, jika ada, hitung dengan
persamaan:
s Ps = s
1s + 2s + ... + ms = 1
dimana: s = (1s, 2s, ..., ms)
Langkah 3:
Tentukan Es, yaitu ekspektasi pendapatan dari policy s untuk setiap
langkah transisi (periode) dengan menggunakan persamaan:
m
s
E = is vis
i=1
Langkah 4:
Policy optimum s ditentukan dengan :

Es = maks ( Es )
s
Contoh:
Pada persoalan perbaikan mesin ada 8 stationary policy sebagai berikut:
84
Stationary policy s Tindakan
1 Tidak melakukan overhaul sama sekali
2 Overhaul tanpa memperhatikan state
3 Overhaul jika sistem dalam state 1
6 Overhaul jika sistem dalam state 1 atau 2
maka diperoleh:
0.2 0.5 0.3 7 6 3

P1 = 0 0.5 0.5 , R1 = 0 5 1
0 0 1 0 0 -1
0.3 0.6 0.1 6 5 -1

2 2
P = 0.1 0.6 0.3 ,R = 7 4 0
0.05 0.4 0.55 6 3 -2
0.3 0.6 0.1 6 5 -1

3 3
P = 0 0.5 0.5 ,R = 0 5 1
0 0 1 0 0 -1
0.2 0.5 0.3 7 6 0.3

4 4
P = 0.1 0.6 0.3 ,R = 7 4 0
0 0 1 0 0 -1
0.2 0.5 0.3 7 6 3
P5 = 0 0.5 0.5 , R5 = 0 5 1
00.5 0.4 0.55 6 3 -2
0.3 0.6 0.1 6 5 -1

P6 = 0.1 0.6 0.3 , R6 = 7 4 0
0 0 1 0 0 -1
0.3 0.6 0.1 6 5 -1

7
P = 0 0.5 0.5 , R7 = 0 5 1
0.05 0.4 0.55 6 3 -2
0.2 0.5 0.3 7 6 3

8
P = 0.1 0.6 0.3 , R8 = 7 4 0
0.05 0.4 0.55 6 3 -2
85
Nilai vik-nya dihitung sebagai berikut:
Vis
s
1 2 3
1 5.3 3 -1
2 4.7 3.1 0.4
3 4.7 3 -1
4 5.3 3.1 -1
5 5.3 3 0.4
6 4.7 3.1 -1
7 4.7 3 0.4
8 5.3 3.1 0.4
Perhitungan probabilitas stationary-nya diperoleh dengan menggunakan

persamaan:
s Ps = s
1 + 2 + ... + m = 1
Sebagai ilustrasi, jika s = 2, maka diperoleh:

0.3 1 + 0.1 2 + 0.05 3 = 1
0.6 1 + 0.6 2 + 0.4 3 = 2
0.1 1 + 0.3 2 + 0.55 3 = 3
1 + 2 + 3 = 1
Sehingga didapat: 12 = 6/59, 22 = 31/59, 32 = 22/59

Dalam hal ini, maka ekspektasi pendapatan per bulannya adalah:
3
2
E = i2 vi2
i=1
= 1/59 (6 x 4.7 + 31 x 3.1 + 22 x 0.4)
= 2.256
Tabel berikut ini adalah hasil perhitungan k dan Ek untuk seluruh stationary
policy.
s is 2s 3s Es
1 0 0 1 -1
2 6/59 31/59 22/59 2.256
3 0 0 1 0.4
4 0 0 1 -1
5 5/154 69/154 80/154 1.724
86
6 0 0 1 -1
7 5/137 62/137 70/137 1.734
8 12/135 69/135 54/135 2.216
Dari tabel di atas jelas bahwa policy 2 menghasilkan ekspektuasi pendapatan

bulanan yang paling besar. Akibatnya, policy jangka panjang yang optimum
adalah melakukan overhaul tanpa memperhatikan state dari sistem.
VII.3. PENUTUP
Tugas/latihan untuk materi proses keputusan Markov adalah sebagai berikut:

1. Buat ringkasan tentang model rantai markov serta sebutkan referensi yang digunakan,
nama buku, pengarang, edisi, penerbit, tahun, tempayt terbit dan halaman ( dari
sampai )
2. Apa yang dimaksud dengan proses keputusan Markov?
3. Saat ini PT. Astra sedang mempertimbangkan kemungkinan dilakukannya advertensi
besar-besaran untuk jenis mobil Kijang Innova. Perusahaan ini menentapkan bahwa
hasil penjualan saat ini dapat dikategorikan sebagai keberhasilan (state 1) atau gagal
(state 2).
- Jika dilakukan advertensi : probabilitas bulan ini berhasil dan bulan berikutnya
gagal adalah 0,1, sedangkan bila bulan ini gagal dan bulan berikutnya juga gagal
probabilitasnya adalah 0,4. Matriks labanya dapat dilihat pada R1.
- Jika advertensi tidak dilakukan: probabilitas bulan ini berhasil dan bulan
berikutnya juga berhasil adalah 0,7, sedangkan bila bulan ini gagal maka bulan
berikutnya juga gagal probabilitasnya adalah 0,8. Matriks labanya dapat dilihat
pada R2.
R1 = 2 -1 R2= 4 1
1 -3 2 -1
Catatan : Kerjakan pada kertas double folio bergaris, tulis tangan, kumpulkan yg
asli, setiap anggota harus ada foto copy.
Buat power point presentasi dengan mpp untuk semua tugas, setiap kelompok
wajib presentasi.
87

1. Menjelaskan pengertian dan ide dasar Teori antrian.
menggunakan Teori antrian.
Pokok Bahasan : Teori Antrian
Deskripsi singkat :
menggunakan Sistem Antrian termasuk didalamnya Proses Birth dan Death, Proses
Kelahiran Murni, Proses kematian Murni, Solusi Steady State, Model Single Server (S = 1),
Model Multiple Server (S>1), Model dengan state di mana tingkat pelayanan dan atau
tingkat kedatangan bersifat dependen, Model Disiplin prioritas dan Model Swalayan (Self-
servivise Model) serta bagaimana cara menyelesaikan persoalan keputusan dengan
menggunakan teori antrian tersebut.
I. Bahan Bacaan:
Bandung, 1999.
2. Don T.Philips, et.al., Operation Research: Principle and Practice, 2nd edition, John
Wiley and Sons, 1987.
II. Bahan Tambahan:

1. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation Research ,
San Fransisco : Holden Day Ltd, 1977.
McGraw-Hill, 1991.
3. Taha, Hamdy, Operation Research : An Introduction, Newyork : The MacMillan
Co, 1985.
4. Wayne L.Winston, Operation Research: Application and Algorithms, 3rd edition,
Duxbury Press, 1994.
5. Wagner, H.M. Principle of Operation Research, Englewood Cliffs, N.J : Prenntice-
hall Inc, 1969.
1. Apa yang dimaksud dengan teori antrian dalam penelitian operasional?
2. Cari contoh persoalan yang dapat diselesaikan dengan menggunakan teori antrian.
IV. Tugas:
1. Apa yang dimaksud dengan teori antrian?
2. Pada Swalayan Semerbak dimana langganan datang dengan mengikuti distribusi poisson,
dengan rata-rata Tiga orang/jam.Berapakah probabilitas bahwa pada swalayan tersebut
akan ada paling sedikit seorang langganan dalam periode 1 jam?
88
VIII.1. PENDAHULUAN
Dalam perkuliahan mengenai teori antrian ini akan dibahas mengenai
pengantar sistem antrian termasuk didalamnya Proses Birth dan Death, Proses
Kelahiran Murni, Proses kematian Murni, Solusi Steady State, Model Single
Server (S = 1), Model Multiple Server (S>1), Model dengan state di mana tingkat
pelayanan atau tingkat kedatangan bersifat dependen, Model Disiplin prioritas dan
Model Swalayan (Self-servivise Model) serta bagaimana cara menyelesaikan
persoalan keputusan dengan menggunakan teori antrian tersebut.
Materi yang disampaikan sangat berkaitan antara satu dengan yang
lainnya, hal ini berguna dalam menghasilkan keputusan yang optimal dalam
menyelesaikan persoalan keputusan suatu perusahaan.
VIII.2. PENYAJIAN
TEORI ANTRIAN
8.1. Pengantar Teori antrian
Teori antrian adalah teori yang menyangkut studi matematis dari antrian-
antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja
merupakan suatu fenomena biasa yang terjadi apabila kebutuhan akan suatu
pelayanan melebihi kapasitas yang tersedia untuk menyelenggarakan pelayanan
tersebut. Keputusan-keputusan yang berkenaan dengan jumlah kapasitas ini harus
dapat ditentukan, walaupun sebenarnya tidak mungkin dapat dibuat suatu prediksi
yang tepat mengenai kapan unit-unit yang membutuhkan pelayanan itu akan
datang dan atau berapa lama waktu yang diperlukan untuk menyelenggarakan
pelayanan itu.
8.2. Contoh Sistem Antrian

8.2.1. Proses Birth dan Death
89
Kebanyakan model dasar antrian menganggap bahwa input (unit
kedatangan) dan output (leaving unit) dari sistem antrian terjadi menurut proses
birth-death (kelahiran-kematian). Kelahiran adalah kedatangan calling unit yang
baru dalam sistem antrian, sedangkan kematian adalah keberangkatan unit yang
telah dilayani.
Jelasnya adalah :
1. Birth postulate
Sistem pada state En (n = 0, 1, 2, ) pada saat t, kemungkinan bahwa tepat
ada satu kelahiran selama interval waktu t sampai dengan (t + t ) adalah [n
t + 0 (t)], di mana n positif konstan.
2. Death postulate
Sistem pada state En (n= 0, 1, 2, ) pada saat t, kemungkinan bahwa tepat
ada satu kematian selama interval waktu t sampai dnegan (t + t) adalah n
t + 0 (t), dimana 0 = 0 dan n positif konstan untuk n > 0.
3. Multiple jump postulate
Sistem pada state En (n = 0, 1, 2, ) pada saat t, kemungkinan bahwa
jumlah kombinasi kelahiran dan kematian lebih dari satu selama interval
waktu ( t s/d (t + t) adalah 0 (t).
Keterangan:
0 (t) adalah fungsi dari t yang karena t <<<< (kecil sekali, mendekati nol),
0(t )
maka fungsi tersebut akan memenuhi persamaan: lim 0
t
Selama interval waktu t s/d (t + t) harus terjadi salah satu dari kejadian
mutually exclusive berikut :
1. Tepat ada 1 kelahiran tanpa kematian
2. Tepat ada 1 kematian tanpa kelahiran
3. Jumlah kelahiran dan kematian lebih besar dari 1
4. Tidak ada kelahiran atau kematian
Jumlah kemungkinan event (kejadian) tersebut adalah 1 sehingga
kemungkinan terjadinya event (4) adalah:
90
P (4) = 1 [P(3) + P(2) + P(1)]
Kesimpulan :
Sistem dengan state En (n = 0, 1, 2, ) pada saat t kemungkinan bahwa tidak
terjadi kelahiran dan tidak terjadi kematian pada interval waktu t s/d (t + t)
adalah:
[1 (nt) (n t) + 0 (t)]
8.2.2. Proses Kelahiran Murni

Pada kasus ini kelahiran terjadi dengan proses poisson dengan parameter
untuk seluruh n (n = 1, 2, ). Model ini dikenal sebagai input Poisson.
Po (t) = e-t menunjukkan bahwa kemungkinan tidak terjadi kelahiran selama
interval waktu dari 0 s/d t adalah e-t . jadi, kemungkinan bahwa kelahiran
pertama akan terjadi pada interval waktu ini adalah [1 e= e-t]
Jika variabel random T adalah waktu dari kelahiran pertama, maka fungsi
distribusi kumulatif dari T adalah:
F(t) = P [T t] = 1 - e= e-t untuk t 0
Karena itu Pdf dari T adalah:
dF (t ) t
f (t ) e untuk t 0
dt
Jadi, T mempunyai distribusi eksponensial. Dengan kata lain, distribusi
kemungkinan dari waktu antara 2 kelahiran adalah distribusi eksponensial dengan
parameter .
Ekspektasi waktu antar kedatangan (kelahiran) ini adalah:
E (T ) te t dt
= 1/
8.2.3. Proses kematian Murni

Asumsikan bahwa n = 0 untuk n = 0, 1, 2, .. dan bahwa n = untuk
91
n = 1, 2, 3, Asumsikan juga bahwa sistem dalam state Em pada saat t = 0.
proses ini ekuivalen dengan proses kelahiran murni, kecuali bahwa proses-proses
ini bergerak dalam arah yang berlawanan (line length/panjang garisnya), dan
proses berhenti setelah M event. Karena itu, hasilnya pun analog.
Dp n (t )
Pn 1(t ) Pn(t ) untuk n = 0, 1, 2, , M-1
dt
Dp M (t )
PM (t ) untuk n M
dt
Ingat bahwa (M-n) adalah jumlah event kematian yang telah terjadi dalam proses.
Dengan cara yang sama seperti pada proses kelahiran murni, kita peroleh
probabilitas bahwa tidak ada event terjadi pada t adalah : Pm (t) = e-t
Probabilitas bahwa (M-n) event telah terjadi, di mana (M-n) < M, adalah :
Pn(t )
t M n e t
untuk n = 1, 2, m M
M n!
Sehingga kemungkinan bahwa M event telah terjadi adalah :
m
Po(t ) 1 Pn(t )
n1
8.2.4 Solusi Steady State

Solusi steady state untuk Pn ini bisa didapat dengan 2 pendekatan, yaitu :
1. Dengan menyelesaikan Pn(t) dalam kasus transien dengan t
2. Dengan menetapkan
dPn (t )
0
dt
Karena solusi transien ini tidak dapat digunakan untuk proses kelahiran-kematian,
maka kita akan menggunakan pendekatan kedua. Asumsikan bahwa:
Lim Pn (t) = Pn
Sehingga
dP (t )
lim n 0
dt
92
Untuk t maka persamaan (1) dan (2) menjadi :
0 = n-1 Pn-1 + n + 1 Pn + 1 (n + n) Pn Jika n > 0
0 = 1 P1 - 0 P0 Jika n = 0
untuk n = 0, maka didapat:
o
P1 Po
1
Untuk n > 0 didapat:
n nPn n 1Pn 1
Pn 1 Pn
n 1 n 1
Untuk sementara hanya kita perlihatkan ruas kanan yang kedua. Jika n > 1 maka:
n 1 n 1Pn 1 n 2 Pn 2
nPn n 1Pn 1 n Pn 1 n 1Pn 1
n n
n 1Pn 1 n 2 Pn 2
Ulangi perhitungan ini dengan nilai n yang lebih kecil, sehingga akhirnya didapat:
n Pn - n-1 Pn-1 = 1 P1 - o Po
Persamaan ini dapat ditulis secara ringkas sebagai :
n 1

Pn i 0
n
Po untuk n = 1, 2, .

i 1
8.2.6. Model Single Server (S = 1)

a. Input Poisson dan waktu pelayanan eksponensial
Model ini adalah kasus khusus dari proses kelahiran-kematian yang
mengkombinasikan proses kelahiran murni dengan proses kematian murni. Jadi
n = untuk n = 0, 1, 2, dan n = untuk n = 1, 2, .
Untuk n > 0
n 1
i
Pn Po i 0n Po( / ) n
1
i 1
93
Karena = /, maka :
Pn = (1 ) n untuk n = 0, 1, 2,
Dengan demikian, maka :

d
n(1 ) n (1 ) ( n )
n 0 d n 0
d d 1
(1 ) ( n ) (1 ) ( )
d n0 d 1

L
1
Dengan cara yang sama :

Lq (n 1) Pn
n 1
= L 1 ( 1 Po)
2
Lq
( )
Masih dengan asumsi < , kita akan menurunkan distribusi kemungkinan untuk
waktu menunggu.
Ini adalah distribusi eksponensial dengan parameter (1-).
Karena itu:
1 1
W E (T )
(1 )
Tetapi, jika dalam sistem itu telah ada n = 0 langganan, maka ia harus menunggu
selama n waktu pelayanan eksponensial, hingga ia mulai dilayani, sehingga:

P(T t ) PnP(T t En)
n 1

= (1 ) n P(T t En)
n 1

PnP(T t )
n 0
P(T t )
94
= e (1 )t untuk t 0
Dengan demikian maka:

Wq E (T )
( )
b. Input Poisson dan waktu pelayanan sembarang
Asumsi: waktu pelayanan rata-rata 1/ dengan varians 2 .
Maka jika = / < 1, di dapat:
Po =1
2 2 2
Lq =
2(1 )
L = + Lq
Lq
Wq =

W = Wq + 1/
8.2.7. Model Multiple Server (S>1), Model dengan state di mana tingkat
pelayanan dan atau tingkat kedatangan bersifat dependen
Pada model single server,tingkat pelayanan rata-rata untuk
normal,yaitu yang tanpa tekanan,dengan n c
dimana n adalah jumlah
langganan dalam sistem dan c adalah Koefisien tekanan .jika seluruh
pelayanan (sejumlah S) sedang sibuk sehingga bekerja dengan tekanan,maka
c
tingkat pelayanan rata-rata harus dikalikan dengan (n/S) Karena n/S
merupakan jumlah langganan dalam sistem per pelayanan.Degan demikian
maka:
n1 jika n S
n
n/S S
c
jika n S
Jika kemudian diasumsikan bahwa sistem antrian mempunyai input
poisson dengan n = (untuk n =0, 1, 2,) dan waktu pelayanan ekponensial
dengan n seperti diatas,maka modelnya akan menjadi menjadi kasus kusus
yang lain dari proses kelahiran-kematian.Hasil seady state -nya adalah:
95

n

1
Po jika n S

Pn n!
jika n S

/1n Po
S!n! /S S
c 1 c n s
Karena itu,maka:
n S Pn Po SSs! 1c w1S c

00 oo 1 c n
Lq =
ns ns n!
s 1
s 1
L =
n o
nPn L q S 1 Pn
n 0
Lq L
Wq = ; W=

Model ini juga dapat digeneralisasi untuk memungkinkan tingkat kedatangan

rata-rata melakukan reaksi terhadap panjang garis antrian dengan cara yang
sama dengan pada model single server.
Untuk itu tetapkan:
n 1 jika n S
n
n / S S 1 jika n S
a
1 jika n S - 1
n
S / n 1 1 jika n S - 1
b
proses kelahiran-kematian dengan parameter parameter ini menghasilkan Pn, Lq,

dan L yang sama dengan di atas jika c = a + b.
8.2.8. Model Disiplin pioritas

Model-model disiplin prioritas adalah model-model antrian yang disiplin
pelayanannya didasarkan atas suatu sistem prioritas. Dalam kenyataan sehari-
hari,banyak sekali situasi yang memenuhi model seperti ini,misalnya pekerjaan-
pekerjaan yang singkat /cepat dikerjakan setelah pekerjaan-pekerjaan lainnya,
langganan-langganan penting didahulukan dari pada yang lainnya,dan lain-lain.
96
Karena itu,pengunaan model-model disiplin prioritas ini sering lebih dapat
diterima dari pada kebanyakan model antrian yang biasa.
Sayang sekali,untuk model-model ini analisis matematisnya rumit sekali
dan hasilnya pun hanya dapat digunakan secara terbatas,yaitu hampir seluruhnya
untuk kasus-kasus single server. Namun, hasil-hasil yang dapat digunakan ini
berguna pula untuk satu model multiple-server. Model ini mengasumsikan bahwa
ada sejumlah N kelas prioritas terendah dan anggota anggata kelas prioritas yang
tertinggi yang ada dalam antrian akan dipilih berdasarkan FCFS. pelayanan tidak
dapat didahulukan, artinya unit-unit yang sedang dilayani tidak dapat
dikembalikan kedalam antrian, bila unit dari prioritas yang lebih tinggi memasuki
sistem antrian. Dalam hal ini,untuk masing-masing kelas prioritas diasumsikan
mengikuti proses input poisson dan waktu pelayanan rata-ratanya sama untuk
seluruh kelas prioritas, tetapi tingkat kedatangan rata-ratanya boleh berbeda antara
kelas prioritas yang satu dengan yang lainnya.
Dengan mengunakan asumsi-asumsi ini,maka ekpektasi waktu menunggu
dalam keadaan steady state (termasuk waktu pelayanan) untuk seorang anggota
dari kelas prioritas ke-k adalah:
1 1
Wk =
A.Bk 1 Bk
Di mana:
S s 1 p
j
A = S! S ,
P j 0 j!
s
Bo = 1
i
i 1
Bk = 1-
S
Dimana:
S = jumlah pelayanan
= tingkat pelayanan rata-rata per pelayanan yang sibuk
i = tingkat kedatangan rata-rata untuk kelas prioritas ke-I untuk I =1, 2, .,N
N
= i
i 1
= /
97
k
Hasil-hasil ini mengasumsikan bahwa i
i 1
sehingga kelas prioritas ke-k
dapat mencapai kondisi seady state. Dalam kondisi seady state.ekspektasi jumlah
anggota dari kelas prioritas ke-k dalam sistem antrian (termasuk yang sedang
dilayani)adalah: Lk =k . Wk , untuk k = 1, 2,, N
Untuk menentukan ekpektasi waktu menunggu diluar pelayanan untuk kelas

prioritas ke-k, maka kurangilah Wk dengan 1/, sehingga ekpektasi panjang
antriannya di peroleh dengan cara mengalihkan ekpektasi waktu menunggu
tersebut dengan k. Untuk kasus khusus dimana S= 1, maka ekspektasi dari A
menjadi : A=
Pada kasus dimana pelayanan bersifat dapat didahulukan, langganan dari
prioritas yang paling rendah yang sedang dilayani akan dikembalikan ke dalam
antrian jika langganan dari prioritas yang lebih tinggi memasuki sistem antrian.
karena itu,seorang pelayan akan leluasa untuk segera melayani pendatang baru
tersebut.
Dengan tetap menggunakan asumsi-asumsi seperti model-model di atas,
maka jika S= 1, didapat:
1/
Wk untuk k = 1, 2,..., N
Bk 1 Bk
Lk = k Wk untuk k = 1, 2, , N
Ekpektasi panjang antrian di luar pelayanan,diperoleh dengan cara yang

sama seperti model di mana pelayanan tidak dapat di dahulukan.
8.2.8. Model Swalayan (Self-servivise Model)

Pada model ini jumlah pelayan menjadi tidak terbatas karena setiap
langganan melayani dirinya sendiri.kerena itu,sebenarnya model ini merupakan
pengembangan dari diatas,dengan jumlah pelayanan = ~ .
Dari dibawah ini kita tahu bahwa:
Pn
/ n po
n!
98
~
karena Pn 1, maka :
n o
1 1
Po e /
1 /
/ 2
2!
...
e /
2!
sehingga akhirnya dapat:
e /
pn / n n = 0, 1, 2,
n!
yang berdistribusi poisson dengan rata-rata E.(n) = /
Di samping itu didapat pula:
L = E(n) = /
W = 1/
Lq = Wq = 0
VIII.3. PENUTUP
Tugas/latihan untuk materi Teori permainan sebagai berikut:

1. Apa yang dimaksud dengan teori antrian ?
2. Pada Swalayan Semerbak dimana langganan datang dengan mengikuti distribusi
poisson, dengan rata-rata Tiga orang/jam.Berapakah probabilitas bahwa pada
swalayan tersebut akan ada paling sedikit seorang langganan dalam periode 1 jam?
3. Di sebuah gedung pertunjukan hanya terdapat satu loket penjualan tiket. Penonton
yang datang untuk membeli tiket mengikuti distribusi poisson dengan rata-rata 30
orang perjam.Waktu yang diperlukan untuk melayani seorang pembeli berdistribusi
ekponensial adalah dengan rata rata 90 detik. Hitunglah:
a. probabilitas ada 5 orang pembeli didepan loket
b. ekspektasi panjang antrian tidak termasuk yang sedang dilayani?
99
c. Ekpektasi panjang antrian tidak termasuk yang sedang dilayani?
d. Ekpektasi waktu menungu dalam sistem(termasukwaktu pelayanan)?
e. Ekpektasi waktu menungu dalam antrian (tidak termasukwaktu pelayanan)?
f. Probabilitas bahwa seorang pembeli tiket harus menunggu sedikitnya 8 menit
sejak ia datang didepang loket hingga selesai mendapatkan tiket?
PERKULIAHAN KE 16: Ujian SEMESTER

TIK : Pada perkuliahan ini mahasiswa diharapkan mampu menyelesaikan

persoalan-persoalan berkaitan dengan materi yang telah diberikan
pada perkuliahan sebelumnya.
Pokok Bahasan :
Materi yang termasuk dalam ujian semester adalah: Teori
Permainan, Proses Keputusan Markov dan Teori Antrian.
Deskripsi singkat :
Dalam pertemuan ini mahasiswa akan mengerjakan dan
menyelesaikan persoalan-persoalan penelitian operasional II sesuai
dengan materi yang telah diberikan pada perkuliahan sebelumnya.
Sifat ujian semester adalah open book. Setiap mahasiswa dapat
menyelesaikan dan mencari jawaban tiap persoalan pada buku
maupun bahan-bahan pembelajaran yang dimilikinya.
I. Bahan Bacaan:
1. Dimyanti,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru
MacMillan Co, 1985.
II. Pertanyaan Kunci/Tugas: Sebelum ujian semester, mahasiswa diberikan kesempatan

untuk bertanya berkaitan dengan persoalan yang diberikan.
100
III. Tugas
Tidak ada pemberian tugas setelah ujian semester, hal ini dikarenakan ujian
tersebut merupakan tabulasi dan evaluasi nilai mahasiswa terhadap perkuliahan
penelitian operasional II, setelah menjalani perkuliahan selama 7 (tujuh) kali
pertemuan terhitung dari selesainya perkuliahan mid semester.
IX.1. PENDAHULUAN
Dalam perkuliahan ini mahasiswa akan mengerjakan dan
menyelesaikan persoalan-persoalan penelitian operasional sesuai dengan
materi yang telah diberikan pada perkuliahan sebelumnya. Sifat ujian
semester adalah open book. Setiap mahasiswa dapat menyelesaikan dan
mencari jawaban tiap persoalan pada buku maupun bahan-bahan
IX.2. PENYAJIAN
Pada perkuliahan ini akan diberikan persoalan yang berkaitan dengan
materi yang telah dipelajari pada perkuliahan sebelumnya. Persoalan yang
diberikan antara lain:
2. Saat ini PT. Astra sedang mempertimbangkan kemungkinan
dilakukannya advertensi besar-besaran untuk jenis mobil Kijang Innova.
Perusahaan ini menentapkan bahwa hasil penjualan saat ini dapat
dikategorikan sebagai keberhasilan (state 1) atau gagal (state 2).
- Jika dilakukan advertensi : probabilitas bulan ini berhasil dan bulan
berikutnya gagal adalah 0,1, sedangkan bila bulan ini gagal dan bulan
berikutnya juga gagal probabilitasnya adalah 0,4. Matriks labanya
dapat dilihat pada R1.
- Jika advertensi tidak dilakukan: probabilitas bulan ini berhasil dan
bulan berikutnya juga berhasil adalah 0,7, sedangkan bila bulan ini
101
gagal maka bulan berikutnya juga gagal probabilitasnya adalah 0,8.
Matriks labanya dapat dilihat pada R2.
R1 = 2 -1 R2= 4 1
1 -3 2 -1
3. Sebuah perusahaan menerima 3 jenis pekerjaan, yaitu jenis 1, 2, dan 3.

Pekerjaan jenis 1 harus diproses paling dulu, kemudian pekerjaan jenis
2 harus diproses sebelum pekerjaan jenis 3. Walaupun demikian, jika
suatu jenis pekerjaan telah mulai diproses, maka pekerjaan itu harus
diselesaikan sebelum pekerjaan baru diproses. Kedatangan ketiga jenis
pekerjaan ini berdistribusi Poisson dengan rata-rata 4, 3, dan 1 per hari.
Penyelesaian masing-masing jenis pekerjaan itu berdistribusi
eksponensial dengan rata-rata yang sama, yaitu 24/hari Berapakah:
a. ekspektasi waktu menunggu (termasuk waktu penyelesaian) dari
masing- masing jenis pekerjaan?
b.ekspektasi jumlah pekerjaan (termasuk yang sedang diproses) dari
masing-masing jenis pekerjaan?
Persoalan yang diberikan tidak harus sesuai pada persoalan tersebut

di atas saja, tetapi dapat juga ditambah dan diganti dengan persoalan lainnya
sesuai dengan kebutuhan, ketepatan dan keterbatasan waktu pengerjaan
persoalan, tentunya sesuai dengan materi yang telah diberikan.
IX.3. PENUTUP
Pada bagian penutup, diadakan tanya jawab mengenai persoalan-
persoalan yang diberikan. Tidak ada pemberian tugas setelah ujian
semester, hal ini dikarenakan ujian tersebut merupakan tabulasi dan evaluasi
nilai mahasiswa terhadap perkuliahan Penelitian Operasional II, setelah
menjalani perkuliahan selama 7 (tujuh) kali pertemuan terhitung dari
selesainya ujian mid semester.
102
DAFTAR PUSTAKA
Dalam penyusunan Bahan ajar ini berpedoman pada beberapa buku

pegangan yang menjadi referensi, adapun referensi tersebut adalah sebagai
berikut:
Referensi:
3. Hillier and Lieberman, Introduction to Mathematical Programming,
1st edition, McGraw-Hill, 1991.
MacMillan Co, 1985.
6. Wagner, H.M. Principle of Operation Research, Englewood Cliffs,
N.J : Prenntice-hall Inc, 1969.
7. Wayne L.Winston, Operation Research: Application and
Algorithms, 3rd edition, Duxbury Press, 1994.
103
SENARAI
Aliran (flow) = Didefenisikan sebagai suatu cara untuk pengiriman

benda-benda dari suatu tempat ke tempat yang lain.
Chain = Adalah beberapa arc yang berurutan di dalam satu

graph atau network.
Circuit = Adalah suatu path yang mempunyai node awal dan

node akhir yang identik, atau merupakan suatu path
yang tertutup.
Cycle = Adalah suatu chain yang mempunyai node awal dan

node akhir yang identik atau dengan kata lain, cycle
adalah suatu chain yang tertutup.
Flow = Adalah mencari jumlah unit maksimum yang dapat

argumentation ditambahkan ke dalam aliran yang telah ada di dalam
problem suatu path.
free float = Adalah jumlah waktu di mana penyelesaian suatu

aktivitas dapat diukur tanpa mempengaruhi saat paling
cepat dari dimulainya aktivitas yang lain atau saat
paling cepat terjadinya event lain pada network.
Loop = Suatu arc yang mempunyai node yang sama untuk

kedua ujung dan pangkalnya.
Maximum flow = Didefinisikan sebagai problem untuk mencari suatu

problem cara terbaik untuk memaksimumkan jumlah unit yang
dapat dikirim dari s ke t didalam suatu network yang
mempunyai arc dengan kapasitas terbatas.
104
Model = Adalah gambaran ideal dari suatu situasi (dunia) nyata
sehingga sifatya yang kompleks dapat disederhanakan.
Network (jaringan) = Adalah suatu graph dimana elemen-elemen pada suatu

graph yang merupakan suatu aliran .
Path = Adalah suatu chain yang dibentuk oleh beberapa arc

yang searah.
Teori antrian = Adalah teori yang menyangkut studi matematis dari

antrian-antrian atau baris-baris penungguan.
Teori permainan = Adalah bagian dari ilmu pengetahuan yang berkaitan

dengan pembuatan keputusan pada saat pihak atau
lebih berada dalam kondisi persaingan atau konflik.
Tujuan (objective) = Adalah hasil akhir yang hendak dicapai dengan cara
memilih suatu tindakan yang paling tepat untuk sistem
yang dipelajari.
105

Bahan Ajar Operasi Riset

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bahan Ajar Operasi Riset

Diunggah oleh

Hak Cipta:

Format Tersedia

TINJAUAN MATA KULIAH

I.1. Deskripsi Singkat Mata Kuliah

I.2. Kegunaan Mata kuliah Bagi Mahasiswa

I.4. Susunan (Urutan) Bahan Ajar

PERKULIAHAN KE 9, 10 DAN 11:

PERKULIAHAN KE 12 DAN 13:

I.5. Petunjuk Bagi Mahasiswa

TIK : Pada akhir perkuliahan ini mahasiswa diharapkan mampu:

II. Bahan Tambahan:

III. Pertanyaan Kunci/Tugas:

PENGANTAR PENELITIAN OPERASIONAL II

1.1. Sejarah Singkat Perkembangan Penelitian Operasional

1.2. Komponen-Komponen Utama Persoalan Keputusan.

Dalam penelitian operasional, model yang paling banyak digunakan adalah

1.4. Metodologi Penelitian Operasional

Tugas/latihan untuk pengantar penelitian operasional II adalah sebagai berikut:

TIK : Pada akhir perkuliahan ini mahasiswa diharapkan mampu:

II. Bahan Tambahan:

III. Pertanyaan Kunci/Tugas: Ketika anda membaca bahan bacaan berikut,

i(s,1)=5 i(1,2)=3 i(2,t)=2

Network (jaringan) adalah suatu graph dimana elemen-elemen A pada

2.2. Konsep Dan Definisi

Node 2 dan 3 adalah adjacent satu

2.2.1. Matrix dari graph

(2). Direct adjacency matrix.

2.3. Algoritma Path

Jika d(x) = ~, untuk semua x yang tidak berwarna, maka iterasi

berwarna tersebut. Jika d(x) ~ , beri warna node x yang belum

d(1) = Min { d(1), d(s) + a(s,1)} = Min {~, (0+4)} = 4

d(2) = Min { d(2), d(s) + a(s,2)} = Min {~, (0+7)} = 7

d(3) = Min { d(3), d(s) + a(s,3)} = Min {~, (0+3)} = 3

d(4) = Min { d(4), d(s) + a(s,4)} = Min {~, (0+~)} = ~

d(t) = Min { d(5), d(s) + a(s,5)} = Min {~, (0+~)} = ~

Langkah 3: Node t belum berwarna, maka kembali kepada langkah 2.

d(2) = Min { d(2), d(3) + a(3,2)} = Min {7, (3 + ~)} = 7

d(4) = Min { d(4), d(3) + a(3,4)} = Min {~, (3 + 3)} = 6

d(t) = Min { d(t), d(3) + a(3,t)} = Min {~, (3 + ~)} = ~

Langkah 3: Node t belum berwarna, maka kembali kepada langkah 2.

d(t) = Min { d(t), d(1) + a(1,t)} = Min {~, (4+~)} = ~

Langkah 3: Node t belum berwarna, maka kembali kepada langkah 2.

d(2) = Min { d(2), d(4) + a(4,2)} = Min {7, (6+~)} = 7

d(t) = Min { d(t), d(4) + a(4,t)} = Min {~, (6+2)} = 8

Langkah 3: Node t belum berwarna, maka kembali kepada langkah 2.

Karena algoritma dikstra untuk mencari path yang terpendek dalam

2.3.2. Shortest Path antara seluruh Node.

2 3 Bobot arc menyatakan

Problema adalah mencari lintasan yang terpendek dari suatu node ke

Algoritma Floyd dimulai dari D0 dan D1 dihitung berdasarkan D0

Algoritma Floyd untuk shortest path ini adalah:

Bila setiap elemen sudah ditentukan, catatlah path yang bersangkutan.

2.4. Tree Problem

Contoh problema dari spanning tree adalah:

Bagaimanakah caranya pembangunan jalan tersebut dilakukan sehingga

Algoritma dapat diringkaskan sebagai berikut, pertaman-tama seluruh arc

Jika algoritma tidak dapat dihentikan karena persyaratan diatas tidak

2.4.2. Algoritma untuk Minimum/ Maksimum Spanning Tree.

2.5. Flow Problem

2.5.1. Flow argumentation problem

i(s,1)=3 i(1,2)=2 i(2,t)=1

r(1,s)=1 r(2,1)=2 r(t,2)=1

2.5.2. Maximum flow problem

Jadi 1unit tambahan dapat dikirimkan sepanjang chain dari s ke t. Aliran

i(s,1)=5 i(1,2)=3 i(2,t)=2

TIK : Pada akhir perkuliahan ini mahasiswa diharapkan mampu: