TUGAS

UJIAN AKHIR SEMESTER

Oleh ;

NAMA : ANDI NURLELASARI AS

NIM : 2016MM10220
KELAS : MAKASSAR

PROGRAM STUDI MAGISTER MANAJEMEN

SEKOLAH TINGGI ILMU EKONOMI
NOBEL INDONESIA
MAKASSAR
2017
1. Proses pengambilan keputusan memiliki berapa tahap :

Tahap 1 : Pemahaman dan Perumusan Masalah. Para manager sering menghadapi

kenyataan bahwa masalah yang sebenarnya sulit dikemukaan atau bahkan sering
hanya mengidentifikasikan masalah, bukan penyebab dasar. Para manager dapat
mengidentifi8kasi masaklah dengan beberapa cara. Pertama, manager secra sistematis
menguji hubungan sebab-akibat. Kedua manager mencari penyimpangan atau
perubahan dari yang noirmal.

Tahap 2 : Pengumpulan dan Analisis Data yang Relevan. Setelah manajer menemukan
dan merumuskan masalah, manajer harus memutuskan langkah-langkah selanjutnya.
Manajer pertamakali harus menentukan data-data apa yang dibutuhkan untuk membuat
keputusan yang tepat dan kemudiaan mendapatkan informasi tersebut.

Tahap 3 : Pegembangan Alternatif-Alternatif. Kecenderungan untuk menerima

alternative keputusan pertama yang feasibel sering menghindarkan manager dari
pencapaian penyelesaian yang terbaik untuk masalah manajer.Pengembangan
sejumlah alternatif memungkinkan manajer menolak kecnderungan untuk membuat
keputusan terlalu cepat dan membuat kseputusan yang efektif. Manager harus memilih
suatu alternatif yang cukup baik, walaupun bukan sesuatu yang sempurna atau ideal.

Tahap 4 : Evaluasi Alternatif-Alternatif. Setelah manajer mengembangkan sekumpulan

alternatif, manager harus mengevaluasi sekumpulan alternati, manager harus
mengevaluasi untuk menilai efektifitas etiap alternatif.

Tahap 5 : Pemilihan Alternatif Terbaik. Pembuatan keputusan merupakan hasil evaluasi

berbagai alternatif. Alternatif terpilih akan didasarkan pada jumlah informasi bagi
manager dan ketidaksempurnaan kebijakan manajer.

Tahap 6: Implementasi Keputusan . Setelah alternatif terbaik dipilih, para manager

harus membuat rencana untuk mengatasi berbagai permasalahan dam masalah yang
mungkin dijumpai dalam penerapan keputusan. Dalam hal ini, manager perlu
memperhatikan berbagai resiko dan ketidakpastian sebagai konsekuensi dibuatnya
suatu keputusan. Disamping itu, pada Tahap implementasi keputusan manager juga
perlu menetapkan prosedur laporan kemajuaan

periodik dan memnpersiapkan tindakan korektif bila masalah baru muncul dalam
pembuatan keputusan, serta merancang peringatan dini untuk menghadapi berbagai
kemungkinan.

Tahap 7: Evaluasi Hasil-Hasil. Keputusan. Implementasi keputusan harus selalu

dimonitor. Manajer harus meangevaluasi apakah implementasi dilakukan dengan lancar
dan keputusan memberikan hasil yang diinginkan.
1. Regresi Linear Berganda

N0 X1 X2 Y X1Y X2 X1X2 Y X12 X22

1 31 32 29 899 928 992 841 961 1024
2 27 28 26 702 728 756 676 729 784
3 27 31 27 729 837 837 729 729 961
4 27 31 28 756 868 837 784 729 961
5 31 32 29 899 928 992 841 961 1024
6 27 28 24 648 672 756 576 729 784
7 22 24 33 726 792 528 1089 484 576
8 36 36 34 1224 1224 1296 1156 1296 1296
9 27 31 28 756 868 837 784 729 961
10 38 38 35 1330 1330 1444 1225 1444 1444
11 27 31 27 729 837 837 729 729 961
12 42 38 34 1428 1292 1596 1156 1764 1444
13 37 38 34 1258 1292 1406 1156 1369 1444
14 27 31 42 1134 1302 837 1764 729 961
15 27 22 27 729 594 594 729 729 484
16 40 40 35 1400 1400 1600 1225 1600 1600
17 36 36 33 1188 1188 1296 1089 1296 1296
18 37 38 34 1258 1292 1406 1156 1369 1444
19 22 32 28 616 896 704 784 484 1024
20 37 38 34 1258 1292 1406 1156 1369 1444
21 31 32 29 899 928 992 841 961 1024
22 35 34 29 1015 986 1190 841 1225 1156
23 35 42 44 1540 1848 1470 1936 1225 1764
24 31 32 28 868 896 992 784 961 1024
25 35 34 31 1085 1054 1190 961 1225 1156
26 35 36 31 1085 1116 1260 961 1225 1296
27 42 34 30 1260 1020 1428 900 1764 1156
28 35 34 30 1050 1020 1190 900 1225 1156
29 35 34 24 840 816 1190 576 1225 1156
30 35 22 31 1085 682 770 961 1225 484
∑ 974 989 928 30394 30926 32629 29306 32490 33289
Persamaan Normal yaitu :

bₒn + b₁ΣX₁ + b₂ΣX₂ = ΣY

bₒ ΣX₁ + b₁ ΣX₁² + b₂ ΣX₁ X₂ = ΣX₁Y

bₒ ΣX₂ + b₁ ΣX₂ X₁ + b₂ΣX₂² = ΣX₂Y

30 bₒ + 974 b₁ + 989 b₂ = 928

974 bₒ + 32490 b₁ + 32629 b₂ = 29104

989 bₒ + 32629 b₁ + 30926b₂ = 30926

Nilai b₁, b₂, b₃ dapat dicari dengan matriks

30 bₒ + 974 b₁ + 989 b₂ = 928 30 974 989 b₁ 928

974 bₒ + 32490 b₁ + 32629 b₂ = 29104 974 32490 32629 b₂ = 29104

989 bₒ + 32629 b₁ + 30926b₂ = 30926 989 32629 30926 b₃ 30926

30 974 989 1 928 974 989

A = 974 32490 32629 A₁ = 29104 32490 32629

989 32629 30926 30926 32629 30926

30 928 989 30 974 989

A₂ = 974 29104 32629 A₃ = 974 32490 32629

989 30926 30926 989 32629 30926

Det A= 30*32490*30926 + 974*32629*989 + 989*974*32629 – 989*32490*989 – 32629*32629*30 –

30926*974*974

= 30.143.572.200 + 31.431.058.894 + 31.431.058.894 – 31.779.151.290 – 31.939.549 –

29.338.753.976

=93.005.689.988 – 93.057.454.496

= 51.764.508
Det A1 = 928*32490*30926 + 974*32490*30926 + 989*29104*32629 – 30926*32490*989 –
32629*32629*928 – 30926*29104*974

= 932.441.116.720 + 982.848.258.196 + 939.188.437.424 – 993.733.096.860 -987.996.722.848 –

876.668.476.096

= 2.854.477.862.340 – 2.858.398.295.804

= 3.920.433.464

Det A2 = 30*29104*30926 + 928*32629*989 + 989*974*30926 – 989*29104*989 – 30926*32629*30 –

30926*974*928

= 27.002.109.120 + 29.946.635.168 + 29.790.582.836 – 28.467.233.584 – 30.272.533.620 –

27.953.145.472

=86.739.327.124 – 86.692.912.676

= 46.414.448

Det A3 = 30*32490*30926 + 974*29104*989 + 928*974*32629 – 989*32490*928 – 32629*29104*30 –

30926*974*974

= 30.143.572.200 + 28.035.475.744 + 29.492.439.488

= 87.671.487.432 – 87.646.848.536

b₁ = det A₁ = 3.920.433.464 = 75,7359

det A 51.764.508

b₂ = det A₂ = 46.414.448 = 0,8966

det A 51.764.508

b₃ = det A₃ = 24.638.896 = 0,4760

det A 51.764.508

Y = 75,7359 – 0,8966 X₁ + 0,4760 X₂

= 74,3633
 Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .306a .094 .026 16.21945

a. Predictors: (Constant), VAR00002, VAR00001

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 733.765 2 366.882 1.395 .265b

1 Residual 7102.902 27 263.070

Total 7836.667 29

a. Dependent Variable: VAR00003

b. Predictors: (Constant), VAR00002, VAR00001

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 24.806 12.636 1.963 .060

1
VAR00001 -.066 .240 -.050 -.273 .787
 1000 1500
VAR00002 .366 .224 .300 1.636 .113

a. Dependent Variable: VAR00003

Table

3. Fungsi obyektifnya :

Maksimumkan Z = 1000x + 1500 y

Kendalanya :

x + 2y ≤ 1600 .............................1)

3x + y ≤ 2400..............................2)

X + y ≤ 1000..............................3)

X ≥ 0 dan y ≥ 0

Untuk menentukan x dan y maka :

Pertama

Menggambarkan grafik 3 garis

x + 2y ≤ 1600

3x + y ≤ 2400

X + y ≤ 1000

Dengan menggunakan sistim kordinat contesius yaitu sumbu mendatar adalah x dan sumbu tegak
adalah y

I. X + 2y = 1600, jika Y = 0, maka x + 2y = 1600

X + 2.0 = 1600
X = 1600

Jika x = 0, maka x + 2y = 1600

0 + 2y = 1600
Y = 800
 (1600, 800)

II. 3x + Y = 2400, jika y = 0, maka 3x + y = 2400

3X + 0 = 2400
3x = 2400
X = 800

Jika x=0, maka 3x + y = 2400

3.0 + y = 2400
Y = 2400

(800, 2400)

III. x + y = 1000, jika y = 0, maka x + y = 1000

X = 1000

Jika x = 0, maka x + y = 1000

Y = 1000

(1000, 1000)

Kedua

Menentukan daerah yang memenuhi daerah kendala yaitu daerah yang dibatasi :

- Sumbu x dan diatas sumbu x

- Sumbu y dan disebelah kanan sumbu y
- Garis-garis 1, 2, 3 dan daerah dibawah ketiga garis tersebut

Ketiga

Menentukan titik koordinat

- Titik asal 0 (0, 0)

- Titik K (800, 0), yakni titik potong garis 2) :
3x + y = 2400 dengan sumbu x
- Titik L, adalah titik potong antara 2 dan 3
2) : 3x + y = 2400
3): x + y = 1000
2x = 1400
Jadi x =1400/2 = 700

3x + y = 2400
3x + 3y = 3000
-2y = -600
 Jadi Y = -600/-2 = 300
Sehingga koordinat L (700, 300)

- Titik M adalah titik potong antara garis 1 dan 3

1): x + 2Y = 1600
X + y = 1000
Y = 600

x + 2Y = 1600
2X + 2y = 2000
-x = -400
X = 400

Maka koordnat titik M (400, 600)

- Titik N adalah titik potong antara garis 1 dengan sumbu y :

X = 0, jadi 2y = 1600, maka y = 800
Sehingga N = (0, 800)
-

2500 ®

2000 ® 2)

1500 ®

1000 ® 3)

500 ® 1)

L
® ® K ® ® ®

500 1000 1500 2000

3. b Persoalan maksimasi dengan metode grafik

bentuk constrain dari soal tersebut :
x + 2y ≤ 1600
3x + y ≤ 2400
X + y ≤ 1000
X dan y ≥

Persamaan dengan memasukkan slack

x + 2y + S1 = 1600
3x + y + S2 = 2400
X + y + S3 = 1000
X , y, S1, S2, S3 = 0

Maka fungsi objektif diubah menjadi

Z – 1000x – 1500y + 0. S1 + 0. S2 + 0. S3 = 0

Sehingga dapat disusun dalam bentuk matriks

Z
0 1 2 1 0 0 x 1600
0 3 11 0 1 0 y = 2400
0 1 1 0 0 1 S1 1000
1 -1000 -1500 0 0 0 S2 0
S3

Pada persamaan terdapat 6 Variabel

Z, x, y, S1, S2, S3 dan hanya terdapat 4 persamaan

Tabel 1
Basic Z X y S1 S2 S3 Nilai
Variabel
S1 0 1 2 1 0 0 1600
S2 0 3 1 0 1 0 2400
S3 0 1 1 0 0 1 1000

Z 1 -1000 -1500 0 0 0 0

Maka garis pivot menjadi

Z X Y S1 S2 S3 Nilai

0/2=0 ½=1/2 2/2=1 1/2 = ½ 0/2=0 0/2=0 1600/2=800

Proses Pivoting
Tabel 1 a
Basic Z X y S1 S2 S3 Nilai
Variabel
S1 0 ½ 1 ½ 0 0 800
S2 0 0 1 0 2400
S3 3 1 0 0 1
0 1000
1 1

Z 1 -1000 -1500 0 0 0 0

Dengan demikian tabel I dapat menjadi tabel II sebagai berikut

Baris ke 2 dikurangi 1 kali baris pertama
Baris ke 3 dikurangi 1 kali baris pertama
Baris ke 4 ditambah 1500 kali baris pertama

Tabel II
Basic Z X y S1 S2 S3 Nilai
Variabel
Y 0 ½ 1 ½ 0 0 800
S2 0 -½ 1 0 1600
2½ 0
S3 0 -½ 0 1 200
½ 0

Z 1 -250 0 750 0 0 1,2 jt

maka
Z X Y S1 S2 S3 Nilai

0/2=0 ½x2=1 0x2=0 -½x2 = -1 0x2=0 1x2=2 200x2=400

Tabel Iia
Basic Z X y S1 S2 S3 Nilai
Variabel
Y 0 ½ 1 ½ 0 0 800
S2 0 -½ 1 0 1600
2½ 0
x 0 -1 0 2 400
1 0

Z 1 -250 0 750 0 0 1,2 jt

Tabel III
Basic Z X y S1 S2 S3 Nilai
Variabel
Y 0 0 1 1 0 -1 600
S2 0 2 1 -5 600
x 0 0 0 -1 0 2 400
1 0

Z 1 0 0 500 0 500 1,3 jt

Karena pada tabel III ini semua entry pada baris dan fungsi obyektif yakni entry dikolom x, y, S1,
S2, dan S3 tidak ada lagi yang negatif, maka tabel ini merupakan tahap akhir.
Dapat kita hitung bahwa :
1. Z = 1,3 jt – 500 S1 – 500 S3
Laba maksimum = Rp. 1,3 jt yang hanya mungkin dicapai kalau :
S1 = S3 = 0
2. Y = 600 – S1 + S3
S2 = 600 – 2 S1 + 5 S3
X = 400 + S1 – 2 S3
Karena S1 = S3 = 0, maka laba maksimum ini dicapai kalau :
Y = 600 Kg Produk b
S2 = 600 ini adalah sisa kapasitas jam pengolahan yang tidak terpakai pada mesin 2
X = 400 Kg produk a
Jadi
Laba maksimum = 100 (400) + 1500 (600) = Rp. 1.300.000,-
Jumlah ini cocok dengan entry baris ke4 kolom nilai tabel III