Anda di halaman 1dari 2

Syifa Fauziah 1510631140132

Yoga Nurdiansyah 1510631140142


Yudi Susanto 1510631140144
I. Analisis Sensitivitas (Sensitivity Analyses)
Analisis sensitivitas mengeksplorasi bagaimana solusi optimal dari model LOD merespon
terhadap perubahan dari parameter input, tujuannya agar menjaga semua input lainnya tidak
berubah. Sebagai contoh digunakan persamaan dari total biaya yang telah disederhanakan menjadi:

𝑇(𝐸𝑂𝑄) = √2𝐷𝑠/𝑣𝑟
Pertanyannnya adalah bagaimana persamaan tersebut dapat merespon terhadap perubahan
parameter input 𝐷, 𝑠, 𝑣, dan 𝑟? Asumsikan salah satu dari variabel tersebut berubah karena faktor 𝑘,
contohnya [𝑛𝑖𝑙𝑎𝑖 𝑏𝑎𝑟𝑢] = [𝑛𝑖𝑙𝑎𝑖 𝑜𝑟𝑖𝑔𝑖𝑛𝑎𝑙] × 𝑘. Kemudian 𝑇(𝑄) berubah oleh faktor √𝑘, sementara
variabel 𝐷 dan 𝑠 dari EOQ berubah karena √𝑘, tetapi untuk variabel 𝑣 dan 𝑟 berubah karena faktor
1/√𝑘. Jadi apabila nilai permintaan (demand (D)) atau nilai biaya setup meningkat 50% (𝑘 = 100% +
50% = 1,5) maka nilai total keseluruhan biaya berubah oleh faktor√1,5 = 1,225, yang berarti
meningkat sebanyak 22,5% (1,225 − 1 = 0,225). Tetapi meningkatkan harga produk sebanyak 50%
akan menurunkan nilai EOQ karena faktor 1/√1,5 = 0,8165 atau 18,35% (100% − 81,65% =
18,35%) sementara 𝑇(𝑄) masih meningkat 22,5%.
Analisis sensitivitas mempunyai tiga tujuan utama, yaitu:
1. Jika solusi optimal relatif tidak sensitif terhadap perubahan yang cukup besar dalam parameter
input, maka solusi dan model yang telah didapatkan dapat dianggap kuat. Hal ini dapat
meningkatkan tingkat kredibilitas dari suatu model. Pengambil keputusan dapat lebih percaya diri
dalam menggunakan model dan solusi tersebut.
2. Untuk sumber daya yang tidak cukup, analisis sensitivitas dapat menemukan informasi tentang
nilai jumlah tambahan dari setiap sumber daya yang ada. Jadi jika ruang gudang ternyata
mempunyai banyak batasan, maka analisis sensitivitas terhadap ruang gudang akan memberikan
informasi tentang seberapa banyak total biaya akan berubah.
3. Mungkin saja ada ketidakpastian tentang data nilai dari beberapa input, maka analisis sensitivitas
digunaan untuk mengeksplorasi bagaimana sousi optimal berubah sebagai fungsi dari data
tersebut.
II. Analisis Kesalahan (Error Analyses)
Kebanyakan parameter input yang sering digunakan adalah hasil estimasi data masa lalu.
Mereka digunakan untuk mengoptimalkan operasi di masa depan. Tidak ada jaminan bahwa masa
depan akan serupa/mirip dengan masa lalu. Contohnya, permintaan untuk suatu produk bisa saja
meningkat atau menurun cukup tinggi, biaya simpan bisa saja meningkat karena kenaikan tingkat suku
bunga dunia, dan lain-lain. Jadi bisa saja parameter input yang salah digunakan di dalam suatu model.
Solusi optimal yang berasal dari kertas belum tentu optimal dalam realitas. Analisis kesalahan dapat
mengeksplorasi aspek ini
Katakanlah nilai 𝑝 yang aktual digunakan sama dengan 𝑘 dikali dengan nilai yang sebenarnya
𝑃, atau 𝑝 = 𝑘𝑃, 𝑘 < 1 berarti lebih kecil, dan 𝑘 > 1 berarti lebih besar dari nilai sebenarnya.
Persentase dari peningkatan biaya sebenarnya dari biaya minimum diberikan dalam persamaan
berikut:
{[(𝑘 + 1)⁄2√𝑘] − 1} × 100%
Sebuah fakta yang mengejutkan muncul. Persentase kesalahan ini hanya sebuah fungsi dari 𝑘
dan bukan nilai aktual dari parameter. Tabel dibawah ini memberikan beberapa contoh:

1
Nilai k 0,2 0,5 0,8 1,2 1,5 2 4
Sisipan % kesalahan dalam
parameter yang digunakan dari -80% -50% -20% 20% 50% 100% 300%
nilai sebenarnya
Peningkatan dari biaya minimum 34% 6,10% 0,60% 0,40% 2,10% 6,10% 25%
Sebagai contoh, penaksiran terlalu tinggi dari nilai 𝐷, 𝑠, 𝑣, atau 𝑟 akibat hasil peningkatan 100%
biaya aktual yang terjadi atas biaya minimum yang mungkin hanya 6,1%. Angka-angka ini
menunjukkan bahwa model EOQ sangat sensitif terhadap kesalahan yang cukup besar dalam
parameter input (memastikan kembali kesukarannya). Dibutuhkan perkiraan atau peramalan
(forecast) permintaan yang cukup akurat ketika kita akan menggunakan model EOQ, juga tidak ada
ebutuhan untuk memperkirakan berbagai parameter biaya untuk tingkat akurasi yang tinggi.
Analisis kesalahan dilakukan karena ada dua alasan utama, antara lain:
1. Untuk menentukan tingkat akurasi yang diperlukan ketika kita akan memperkirakan data input,
semakin sensitif solusi optimalnya terhadap kesalahan input, semakin akurat juga parameter input
yang diperlukannya.
2. Untuk membangun rentang kontrol akan perubahan dalam semua paramter input dimana solusi
optimal saat ini tetap mendekati optimal; asalkan parameter input tetap berada dalam batas-batas
ini, tidak perlu melakukan perhitungan kembali solusi optimal.
III. Kesimpulan
MANGGA GERA KETIK DIDIEU KESIMPULANNA, TERUS KADE RATAKEUN TULISAN JEUNG
BEUNGEUTNA,