OPTIMASI LAPORAN PRAKTIKUM

LAPORAN PRAKTIKUM
OPTIMASI DAN SIMULASI BISNIS
Nama : Melissa Nikita Br Perangin-angin

NIM : 21S14008
Program Studi : S1-Manajemen Rekayasa
FAKULTAS TEKNOLOGI INDUSTRI

INSTITUT TEKNOLOGI DEL
2017
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, karena berkat rahmat dan hidayah-Nya
sehingga saya dapat menyelesaikan laporan praktikum optimasi dan simulasi bisnis. Praktikum
optimasi dan simulasi bisnis merupakan salah satu mata kuliah wajib pada program studi
sarjana Manajemen Rekayasa Institut Teknologi Del. Laporan ini di susun berdasarkan hasil
dari pembelajaran dan materi yang telah disampaikan oleh dosen. Pada kesempatan ini penulis
ingin menyampaikan terimakasih kepada semua pihak yang telah membantu, membimbing dan
mendukung kelancaran penulisan laporan ini. Adapun pihak-pihak yang terkait antara lain:
1. Bapak Prof. Ir. Togar M. Simatupang, M, Tech. Ph.D. selaku Rektor Institut
Teknologi Del
2. Bapak Dr. Yosef Barita Manik, S.T, M.Sc selaku Dekan Fakultas Teknologi Industri
Institut Teknologi Del
3. Bapak Rizal Horas Manahan Sinaga, S.Si., M.T selaku dosen pengampu modul 0
Analisa dan Presentasi Data
4. Bapak Hadi Sutanto Saragi, S.T, M.Eng selaku dosen pengampu modul 1 Linear
Programming dan modul 2 Dynamic Programming
5. Ibu Ike Fitriyaningsih, S.Si.,M.Si selaku dosen pengampu modul 3 Queuing System
6. Ibu Fitriani Tupa Ronauli Silalahi, S.Si, M.Si selaku dosen pengampu modul 4
Simulation of Inventory System
Penulis menyadari bahwa laporan praktikum ini terdapat banyak kekurangan. Oleh karena itu
penulis mengharapkan kritik dan saran yang membangun sehingga dapat dilakukan perbaikan
kedepannya. semoga laporan praktikum ini bermanfaat bagi pembaca dan penulis. Akhir kata
penulis mengucapkan terimakasih
Laguboti, 22 Januari 2017
Penulis
ii
DAFTAR ISI
KATA PENGANTAR ..............................................................................................................ii
DAFTAR TABEL .................................................................................................................... v
MODUL 0 ANALISA DAN PRESENTASI DATA .............................................................. 1
1.1 Pendahuluan .............................................................................................................. 1
1.2 Dasar Teori ................................................................................................................ 1
1.3 Bahan dan Metode .................................................................................................... 3
1.4 Hasil ............................................................................................................................ 3
1.5 Pembahasan ............................................................................................................... 6
1.6 Kesimpulan ................................................................................................................ 8
MODUL I LINEAR PROGRAMMING................................................................................ 9
2.1 Pendahuluan .............................................................................................................. 9
2.2 Dasar Teori ................................................................................................................ 9
2.3 Bahan dan Metode .................................................................................................. 12
2.4.1 Masalah Penugasan................................................................................................ 12
2.4.2 Masalah penanaman modal ................................................................................... 13
2.4.3 Masalah transportasi .............................................................................................. 14
2.5 Pembahasan ............................................................................................................. 16
2.5.1 Masalah Penugasan................................................................................................ 16
2.5.2 Masalah penanaman modal ................................................................................... 16
2.6 Kesimpulan .............................................................................................................. 17
MODUL II Dynamic Programming ..................................................................................... 18
3.1 Pendahuluan ............................................................................................................ 18
3.2 Dasar Teori .............................................................................................................. 18
3.3 Bahan dan Metode .................................................................................................. 20
3.4 Hasil .......................................................................................................................... 21
3.4.1 Shortest Path.......................................................................................................... 21
3.4.2 Maximum Flow Problem ....................................................................................... 23
3.5 Pembahasan ............................................................................................................. 24
3.5.1 Shortest Path ...................................................................................................... 24
3.6 Kesimpulan .............................................................................................................. 25
MODUL III Queuing System................................................................................................ 26
4.1 Pendahuluan ............................................................................................................ 26
4.2 Dasar Teori .............................................................................................................. 26
4.3 Bahan dan Metode .................................................................................................. 30
iii
4.4 Hasil .......................................................................................................................... 30
4.4.1 Permasalahan 1 .................................................................................................. 30
4.5 Pembahasan ............................................................................................................. 40
4.6 Kesimpulan .............................................................................................................. 41
MODUL IV ............................................................................................................................. 42
Simulation of Inventory System ........................................................................................... 42
5.1 Pendahuluan ................................................................................................................. 42
5.2 Dasar Teori .............................................................................................................. 42
5.3 Bahan dan Metode ....................................................................................................... 44
5.4 Hasil............................................................................................................................... 44
5.5 Pembahasan .................................................................................................................. 54
5.6 Kesimpulan ................................................................................................................... 55
DAFTAR PUSTAKA .............................................................................................................vii
LAMPIRAN A ....................................................................................................................... viii
LAMPIRAN B ....................................................................................................................... xiii
LAMPIRAN C ........................................................................................................................ xix
iv
DAFTAR TABEL
Tabel 1 Rata-rata nilai pada setiap kelas.................................................................................... 3

Tabel 2 Biaya keluar untuk setiap plant dan produk................................................................ 12
Tabel 3 Hasil pengolahan data ................................................................................................. 13
Tabel 4 Data permasalahan capital investment ........................................................................ 14
Tabel 5 Hasil optimal berdasarkan solver ................................................................................ 14
Tabel 6 Data permasalahan transportasi .................................................................................. 15
Tabel 7 Hasil pengolahan data permasalahan transportasi ...................................................... 15
Tabel 8 Alokasi optimal masalah penugasan ........................................................................... 16
Tabel 9 Pembahasan permasalahan transportasi ...................................................................... 16
Tabel 10 Data Shortest Path ..................................................................................................... 21
Tabel 11 Data Maximum Flow Problem ................................................................................. 23
Tabel 12 Hasil Perhitungan Pemasalahan Maximum Flow ..................................................... 24
Tabel 13 Rumus yang digunakan pada sistem antrian ............................................................. 28
Tabel 14 Data mesin fotokopi yang lambat dan cepat ............................................................. 30
Tabel 15 Hasil perhitungan permasalahan 1 ............................................................................ 30
Tabel 16 Data permasalahan 2 ................................................................................................. 31
Tabel 17 Service rate dan arrival rate ...................................................................................... 32
Tabel 18 Pembangkit data ........................................................................................................ 34
Tabel 19 Data mesin fotokopi yang lambat dan cepat ............................................................. 34
Tabel 20 Hasil perhitungan permasalahan 1 ............................................................................ 35
Tabel 21 Data Permasalahan 4 ................................................................................................. 36
Tabel 22 Service rate dan arrival rate ...................................................................................... 36
Tabel 23 Simulasi data queue .................................................................................................. 38
Tabel 24 Hasil Permasalahan 4 ................................................................................................ 39
Tabel 25 Pembahasan Permasalahan 2 .................................................................................... 40
Tabel 28 Data Lead Time Permasalahan 1 .............................................................................. 45
Tabel 29 Probabilitas Kumulatif Permasalahan 1 .................................................................... 45
Tabel 30 Data tambahan permasalahan 1 ................................................................................ 45
Tabel 31 Random Number Permasalahan 1............................................................................. 46
Tabel 32 Hasil Perhitungan Permasalahan 1 ........................................................................... 46
Tabel 33 Data biaya permasalahan 2 ....................................................................................... 47
Tabel 36 Hasil Permasalahan 2 ................................................................................................ 48
Tabel 38 Probabilitas Kumulatif Permasalahan 3 .................................................................... 49
Tabel 40 Pengolahan Data Permasalahan 3 ............................................................................. 50
Tabel 41 Hasil Simulasi Permasalahan 3 ................................................................................. 50
Tabel 42 Data Distribusi probabilitas dan lead time permasalahan 4 ...................................... 51
Tabel 43 Data Pelengkap Simulasi Permasalahan 4 ................................................................ 51
Tabel 44 Hasil Pengolahan Data Permasalahan 4.................................................................... 52
Tabel 45 Hasil Simulasi Permasalahan 4 ................................................................................. 52
Tabel 46 Data Permintaan dan Lead time pada permasalahan 5 ............................................. 53
v
DAFTAR GAMBAR
Gambar 1 Rata-rata nilai setiap kelas ........................................................................................ 4

Gambar 2 Presentasi Nilai Kelas ............................................................................................... 4
Gambar 3 Perolehan Predikat pada Kelas A .............................................................................. 5
Gambar 4 Perolehan Predikat pada Kelas E .............................................................................. 5
Gambar 5 Pareto Chart Nilai Akhir Kelas E .............................................................................. 6
Gambar 6 Gambar Pareto Predikat Nilai semua Kelas .............................................................. 7
Gambar 7 Box Plot distribusi persebaran data setiap kelas ....................................................... 7
Gambar 8 Skema Analisis Data Sistem Antrian ...................................................................... 29
Gambar 9 Proses Simulasi ....................................................................................................... 43
vi
MODUL 0
ANALISA DAN PRESENTASI DATA
1.1 Pendahuluan
1.1.1 Latar belakang
Di dalam sebuah pengolahan data dibutuhkan yang namanya analisis data, karena data mentah
jika tidak dianalisis maka tetap menjadi data mentah yang tidak memberikan informasi bagi
pembacanya. Data yang dianalisis harus dapat mempresentasikan hasil maupun dampak dari
data mentah yang berguna bagi pembaca maupun pengamat analisis data tersebut. Analisis data
diawali dengan memasukkan data ke dalam sebuah spreadsheet. Dengan spreadsheet
pengguna dapat memasukkan data, memanipulasi dan merencanakan semuanya dengan
beberapa perintah sederhana dengan mudah serta menemukan kesalahan-kesalahan yang
dibuat saat memasukkan data. Hal ini dapat mengurangi waktu (meningkatkan efisiensi) yang
dibutuhkan untuk melihat dan memahami data yang ada.
1.1.2 Tujuan
Adapun tujuan yang ingin dicapai dalam laporan praktikum ini ialah untuk memahami analisis
dan presentasi data menggunakan Ms. Excel 2010.
1.1.3 Batasan Masalah
Adapun batasan-batasan masalah ini dibuat agar pembahasan laporan lebih terfokus yaitu
sebagai berikut:
1. Pengolahan data menggunakan tools chart pada Ms. Excel (tabel, Bar Chart, dan Pie
Chart)
2. Menganalisis menggunakan teknik Pareto Chart dan Box Plot
3. Data yang akan dianalisis hanya pada kelas A, B, C, D dan E
1.2 Dasar Teori
1.2.1 Pengertian Analisis Data
Analisis data terdiri dari dua kata yaitu “Analisis” dan “Data”. Analisis merupakan evaluasi
sebuah situasi dari sebuah sebuah permasalhan yang dibahas, termasuk didalamnya peninjauan
dari berbagai aspek dan sudut pandang, sehingga tidak jarang ditemui permasalahan besar
dapat dibagi menjadi komponen yang lebih kecil sehingga dapat diteiti dan ditangani lebih
mudah, sedangkan data adalah fakta atau bagian dari fakta yang mengandung arti yang
dihubungkan dengan kenyataan, simbol-simbol, gambar-gambar, kata-kata, angka-angka atau
huruf-huruf yang menunjukkan suatu ide, objek, kondisi atau situasi dan lain-lain (Dey, 1995).
1
Selain itu juga (Sugiyono, 2012) Analisis data adalah proses mencari dan menyusun secara
sistematis data yang diperoleh dari hasil wawancara, catatan lapangan, dan dokumentasi,
dengan cara mengorganisasikan data ke dalam kategori, menjabarkan ke dalam unit-unit,
melakukan sintesa, menyusun ke dalam pola, memilih mana yang penting dan yang akan
dipelajari, dan membuat kesimpulan sehingga mudah dipahami oleh diri sendiri maupun orang
lain.
1.2.2 Jenis-jenis Analisis Data
Dalam menganalisis dan interpretasi data, perlu dipahami tentang keberadaan data. Secara
umum, keberadaan data dapat digolongkan ke dalam dua jenis, yaitu:
1. Data Kualitatif
Data yang termasuk kedalam data kualitatif adalah berupa catatan atau rekaman kata-kata,
kalimat, atau paragraf yang diperoleh dari wawancara langsung, observasi, atau pemaknaan
peneliti terhadap dokumen atau penelitian.Untuk mengetahui arti dari data ini maka dilakukan
interpretasi data menggunakan teknik analisis data kualitatif.
2. Data Kuantitatif
Data-data kuantitatif berupa angka-angka (kuantitas), baik diperoleh dari jumlah suatu
penggabungan ataupun pengukuran. Adapun contoh data kuantitatif adalah angka-angka hasil
sensus, angka-angka hasil jawaban angket atau wawancara terstruktur.
1.2.3 Langkah-langkah Analisis Data
Analisis data dapat diklasifikasikan kedalam 4 aktifitas mendasar yaitu:
1. Collecting
Merupakan aktifitas yang bertujuan untuk tidak hanya mengumpulkan data saja melainkan juga
mempertimbangkan perencanaan untuk tipe data yang dikumpulkan. Berikut pertanyaan dalam
pengumpulan data:
a. Data apa yang dibutuhkan untuk mencapai tujuan analisis?
b. Dimana dan kapan data dapat dikumpulkan?
c. Berapa banyak dan jenis elemen data apa yang diperlukan untuk pengamatan?
2. Summarizing
Meringkas data dapat sesederhana menempatkan elemen data primer dalam worksheet. Tetapi
dapat juga memasukkan sejumlah modifikasi yang membuat data lebih mudah diolah.
3. Analyzing
Terdapat banyak teknik untuk menganalisa data. Tidak mengherankan analisis yang baik
dilakukan hanya dengan eyeballing (pemeriksaan visula dengan cermat)
2
4. Presenting
Merupakan aktifitas setelah collecting, summarizing, dan analyzing, sehingga dengan adanya
aktifitas ini maka pembaca maupun pengamat dapat lebih memahami data mentah yang sudah
diolah menjadi sebuah informasi yang berharga.
1.2.4 Interpretasi hasil Analisis Data
Untuk menginterpretasikan data hasil analisis yang paling penting adalah mengambil hal yang
memang mencolok untuk diperbincangkan saat presentasi berlangsung sehingga solusi untuk
permasalahanpun dapat lebih spesifik dan menjawab permasalahan.
1.3 Bahan dan Metode
1.3.1 Bahan
Praktikum pengolahan, analisis dan presentasi data dilakukan pada:
Hari : Rabu, 20 September 2017
Pukul : 08.00 WIB- selesai
Gedung : 916
1.3.2 Metode
Peralatan yang digunakan selama praktikum ialah laptop yang sudah terinstal aplikasi
Microsoft Excel. Aplikasi tersebut dipergunakan untuk mengolah data mentah,
menganalisisnya serta mempresentasikan data tersebut, yaitu dengan menggunakan fitur chart
yang ada pada Microsoft Excel.
1.4 Hasil
Hasil analisis yang dilakukan untuk praktikum modul 0 dan data yang diperoleh berdasarkan
data yang telah diberikan sebelumnya.
1.4.1 Collecting
Berikut merupakan rata-rata data informasi yang dimiliki oleh kelas A,B,C,D dan E pada mata
kuliah (MK) X.
Tabel 1 Rata-rata nilai pada setiap kelas
Komponen Penilaian
Mata Kuliah Kelas A Kelas B Kelas C Kelas D Kelas E
Nilai Tugas 84,82053 80,64366 83,92338 85,47375 85,885
Nilai Proyek 53,667 54,07948 53,07692 67,98214 69,21667
Nilai Quiz 65,97667 66,70862 60,71154 58,55357 57,18333
Nilai Praktikum 72,19837 69,78882 67,90505 72,29814 70,50732
3
Komponen Penilaian
Mata Kuliah Kelas A Kelas B Kelas C Kelas D Kelas E
Nilai UTS 68,736 57,84345 65,35308 61,26488 62,41967
Nilai UAS 63,95867 55,20931 57,62923 62,23952 64,73622
Nilai Akhir 68,05976 62,36413 64,09777 66,53667 67,11894
Jumlah Mahasiswa 30 29 26 56 60
Berdasarkan data tersebut kita dapat menganalisis rata-rata nilai serta penyebarannya pada
setiap kelas.
Rata-rata nilai setiap kelas

100
80
60
40
20
0
Nilai Tugas Nilai Proyek Nilai Quiz Nilai Nilai UTS Nilai UAS Nilai Akhir
Praktikum
Kelas A Kelas B Kelas C Kelas D Kelas E
Gambar 1 Rata-rata nilai setiap kelas
Pada Gambar 1 terlihat bagaimana penyebaran data yang dimiliki setiap kelas dan
perbedaannya. Hanya saja belum spesifik karena jumlah ataupun persentasi perbedaanya
belum terlihat jelas.
PERSENTASI NILAI KELAS
23,23%
22,81%
21,78%
21,58%
21,34%
21,31%
21,05%
20,74%
20,71%
20,50%
20,49%
20,47%
20,45%
20,41%
20,31%
20,27%
20,16%
19,99%
19,95%
19,79%
19,78%
19,64%
19,53%
19,41%
19,25%
19,17%
19,00%
18,97%
18,94%
18,50%
18,33%
18,17%
18,15%
18,01%
17,81%
Gambar 2 Presentasi Nilai Kelas
4
Pada Gambar 2 terlihat berapa besar persentasi nilai pada setiap kelas sehingga dapat lebih
mudah dalam menganalisinya. Misalnya pada nilai tugas, kelas yang memiliki persentasi
paling tinggi jatuh pada kelas E yaitu sebesar 20,41% sedangkan pada nilai akhir yang memiliki
persentasi terbesar bukan kelas E melainkan kelas A yaitu sebesar 20,74%. Selain itu juga dapat
dilihat perbedaan persentasi antar kelas tidak tampak jauh berbeda.
1.4.2 Summarizing
Meringkas data yang menjadi fokus untuk dianalisis dan dapat menjadi suatu informasi yang
berguna.
Kelas A
13% 0%7%
23% 37%
20%
A AB B BC C D E
Gambar 3 Perolehan Predikat pada Kelas A
Kelas E
0%5%
17%
25%
18%
35%
A AB B BC C D E
Gambar 4 Perolehan Predikat pada Kelas E
Dari Gambar 3 dan 4 dapat kita lihat bagaimana perbandingan predikat yang dimiliki kedua
kelas tersebut. Pada kelas A perolehan predikat terbesar pada predikat AB sedangkan pada
kelas E perolehan predikat terbesar pada predikat B. Predikat diperoleh dari total nilai atau
yang disebut nilai akhir sehingga walaupun pada nilai tugas kelas E menduduki posisi teratas
5
tidak dapat diambil kesimpulan bahwasanya kelas E lebih unggul dari yang lainnya. Tetapi
dapat dikatakan kelas E unggul pada perolehan nilai tugas dibandingkan dengan kelas lainnya.
1.5 Pembahasan
Berikut merupakan tahapan dalam analisis data berdasarkan hasil pengumpulan dan
perangkuman data sebelumnya. Data yang ada pada saat ini sudah dapat memberikan informasi
yang berharga bagi pembaca maupun pengamat.
Data Nilai Akhir Kelas E

120%
4100
100% 100% 100% 100%
3600 94%
3100 80% 80%
2600
65%
60%
2100
1600 1438,835649 40%

36%
1122,447514
1100
605,7626232553,5937862 20%
600
242,3089855
100 0%
B AB BC C A D E
Total 1438,835649 1122,447514 605,7626232 553,5937862 242,3089855 0 0
Cumulative 36% 65% 80% 94% 100% 100% 100%
Gambar 5 Pareto Chart Nilai Akhir Kelas E
Berdasarkan Gambar 5 dapat dikatakan bahwa 80% dari kegagalan kelas E menjadi kelas yang
memiliki nilai akhir tertinggi dikarenakan 20% dari kumulatif jumlah predikat nilai yang
dimiliki kelas tersebut. Dapat dilihat pada Gambar 5 yang termasuk kedalam 80% akibat ialah
data yang berasal dari predikat B, AB dan BC. Dengan kata lain nilai B, AB dan BC sangat
berpengaruh dalam menentukan tinggi rendahnya predikat nilai akhir kelas tersebut.
6
Gambar Pareto Predikat Nilai semua Kelas
249 120%
199 99% 100% 100%100%

96%
79% 80%
149
58% 60%
99
60 56 40%
30% 43
49 33
20%
7 2 0
-1 0%
BC AB B C A D E
Nilai 60 56 43 33 7 2 0
Kumulatif 30% 58% 79% 96% 99% 100% 100%
Gambar 6 Gambar Pareto Predikat Nilai semua Kelas
Ternyata dari keseluruhan kelas untuk predikat nilai yang paling mempengaruhi ialah nilai BC,
AB, dan B. Sehingga dapat disimpulkan bahwa kelas E pada Gambar sebelumnya yang paling
mempengaruhi ialah nilai yang sebelumnya ada pada diagram pareto untuk kelas E. Sehingga
dapat dikatakan 80% dari rangking nilai akhir kelas timbul 20% dari perubahan predikat niali
BC, AB dan B.
Distribusi Predikat Nilai Setiap Kelas

16
14
12
3
10 6,5
6 8,5
2,5
3,5
4 2 5,5
2 3
2,5 3
1 1,5 1,5
0 0,5 0
Gambar 7 Box Plot distribusi persebaran data setiap kelas
Distribusi pada setiap kelas berbeda-beda, tampak pada Gambar 7 perbedaaan penyebaran data
setiap kelas. Seperti terlihat pada kelas D penyebaran yang paling luas dilihat dari besar box
yang dimiliki. Diantara semua kelas yang memiliki box terpajang adalah kelas D sehingga
dapat dikatakan bahwa penyebaran data yang dimiliki kelas tersebut sangat besar. Sebaran data
yang semakin panjang/ luas menggambarkan tingkat penyebaran atau keberagaman data sangat
7
besar atau tidak seragam. Box Plot pada kelas D nyaris simetris dikarenakan data yang dibawah
dan diatas rata-rata tidak jauh berbeda. Sedangkan apabila melihat box plot pada kelas E
tampak perbedaan yang tinggi/ besar terjadi saat data berada dibawah nilai rata-rata. Sehingga
untuk kelas D dan E dapat dikatakan sangat beragam datanya. Data yang beragam tersebut
merupakan grade atau predikat nilai pada setiap kelas, grade nilai tersebut dimulai dari A, AB,
B, BC, C, D, dan E yang melambangkan tingkat kemampuan mahasiswa. Sehingga apabila
beragam maka kemungkinan mahasiswa yang mengambil mata kuliah tersebut banyak
memiliki kemampuan yang sangat tinggi sekali dan sangat rendah sekali. Banyak faktor yang
bisa menjadi penyebab keberagaman data tersebut, salah satunya bisa disebabkan karena
kolaborasi mahasiswa pada kelas tersebut tidak baik atau tidak merata.
1.6 Kesimpulan
Berdasarkan tujuan praktikum pengolahan, analisis dan presentasi data ini maka dapat diambil
kesimpulan yaitu analisis data yaitu menganalisis data berarti mengumpulkan data,
mengolahnya hingga menghasilkan informasi yang berguna. Menganalisis data dapat
dilakukan dengan manampilkan data yang sudah diolah kedalam bentuk gambar, chart, tabel,
diagram dan lain sebagainya, bentuk-bentuk tersebut dapat dengan menggunakan Ms. Excel
tepatnya pada menu insert lalu chart. Sedangkan dalam mempresentasikan data yang ada dapat
menggunakan pareto chart dan box plot sehingga informasi dapat lebih spesifik dalam
penjabarannya.
8
MODUL I
LINEAR PROGRAMMING
2.1 Pendahuluan
Perusahaan yang ingin tetap bertahan harus memiliki strategi yang baik dalam persaingan
bisnis yang ketat dan sulit saat ini. Banyak perusahaan harus mampu bersaing untuk menjadi
yang terdepan dalam bidangnya. Oleh karena itu, setiap perusahaan harus mengembangkan dan
meningkatkan kinerja agar dapat mencapai efektifitas dan efisiensi dalam berbisnis. Pengusaha
juga harus bisa mencari kesempatan yang ada untuk dapat bersaing dalam persaingan bisnis
dengan melihat peluang yang ada di lingkungan sekitarnya. Permasalahn tersebut dapat
diselesaikan menggunakan metode yang tepat agar hasil yang diperoleh memiliki solusi yang
menguntungkan. Salah satu metode yang dapat digunakan yaitu metode linear programming.
Pada laporan ini akan dibahas tahap penyelesaian masalah pemrograman linear yang paling
umum digunakan yaitu untuk assignment problem, capital investment, dan transportation
problem.
2.1.2 Tujuan
Adapun tujuan yang ingin dicapai dalam laporan praktikum ialah untuk dapat mendeskripsikan
penggunaan aplikasi solver pada penyelesaian permasalahan linear programming seperti
permasalahan penugasan, Capital Investment, dan permasalahan transportasi.
2.1.3 Metodologi
Adapun metodologi ini dibuat agar pembahasan laporan lebih fokus yaitu sebagai berikut:
4. Menggunakan tools chart yang ada di Ms. Excel
5. Menganalisis menggunakan solver
6. Menggunakan fungsi objektif, fungsi kendala dan variabel dalam merumuskan
permasalahan.
2.2 Dasar Teori
2.2.1 Pengertian Program Linear
Linear Programming mulai dikenal pada tahun 40-an di Departemen Pertahanan Inggris dan
Amerika untuk menjawab masalah optimasi perencanaan operasi perang melawan Jerman
dalam perang dunia ke-II dan dikembangkan oleh Dantzig (1947). Program linear merupakan
(Mulyono, 2004) salah satu teknik Operating Research yang digunakan paling luas dan
diketahui dengan baik dan merupakan metode matematika dalam mengalokasikan sumber daya
yang langka dalam mencapai tujuan. Program linear adalah suatu cara untuk menyelesaikan
9
persoalan pengalokasian sumber-sumber yang terbatas (mesin, tenaga kerja, uang, waktu,
kapasitas gudang, dan bahan baku) di antara aktivitas yang bersaing dengan cara terbaik yang
mungkin dilakukan.
Terdapat berbagai macam cara untuk menyelesaikan permasalahan Program Linear, namun
dalam praktikum ini tools yang digunakan yaitu solver pada mocrosoft excel.
2.2.2 Model Pemrograman Linear
Berikut merupakan model program linear:
1. Variabel Keputusan: Variable persoalan yang akan mempengaruhi nilai tujuan yang hendak
dicapai
2. Fungsi Tujuan: Merupakan tujuan yang hendak dicapai dan diwujudkan kedalam sebuah
fungsi matematika linear yang kemudian fungsi itu dimaksimumkan atau diminimumkan
terhadap kendala-kendala yang ada
3. Fungsi Kendala: Kendala dalam hal ini dapat diumpamakan sebagai suatu pembatas
terhadap kumpulan keputusan yang mungkin dibuat dan harus dituangkan ke dalam fungsi
matematika linear yang dihadapi oleh manajemen
Oleh karena itu, untuk memaksimalkan atau meminimalkan suatu kuantitas (fungsi tujuan)
bergantung pada sumber daya yang jumlahnya terbatas (batasan) berdasarkan beberapa
alternatif tindakan yang dapat diambil.
2.2.3 Bentuk-bentuk Permasalahan Program Linear
Adapun bentuk-bentuk permasalahan linear yang dibahas dalam praktikum ini ialah:
1. Permasalahan Penugasan
Masalah penugasan merupakan salah satu bentuk program linear dengan mengalokasikan satu
jenis sumber daya tepat pada satu jenis aktivitas juga. Sehingga permasalahan penugasan ini
memiliki tujuan untuk memaksimumakan keuntugan atau hasil produksi juga meminimumkan
waktu pengerjaaan dengan menetapkan jadwal setiap sumber daya (assignee) untuk suatu tugas
yang ada (assignment). Berikut model matematisnya:
Variabel:
Xij = Banyaknya i (tugas) yang dikerjakan untuk setiap j (pekerja) yang ada
Cij = Besarnya biaya yang dikeluarkan untuk setiap i (tugas) dan j (pekerja)
Si = Task Assigned
Supply = Demand = 1
Fungsi Objektif:
Meminimumkan Z = ∑𝑛𝑖=1 ∑𝑚
𝑗=1 𝐶𝑖𝑗 𝑋𝑖𝑗
10
Fungsi Kendala
∑𝑚
𝑖=1 𝑋𝑖𝑗 = 𝐵𝑖𝑛𝑎𝑟𝑦
∑𝑚
𝑖=1 𝐶𝑖𝑗 = 𝐷𝑒𝑚𝑎𝑛𝑑 ,
∑𝑚
𝑖=1 𝑆𝑖 = 𝐷𝑗,
2. Permasalahan Capital Investment

Masalah Capital Investment merupakan permasalahan mengenai bagaimana cara untuk dapat
menanamkan modal di beberapa tempat yang menguntungkan perusahaan dengan meninjau
modal awal (capital) dan keuntungan (profit). Berikut model matematisnya:
Variabel:
Xij = Banyaknya unit investasi yang dipertimbangkan untuk dibangun
Cij = Jumlah modal yang dimiliki
Si = Pilihan yes/ no
Fungsi Objektif:
Memaksimalkan Z = ∑𝑛𝑖=1 ∑𝑚
Fungsi Kendala
∑𝑚 𝑚
𝑖=1 𝑋𝑖𝑗 ≤ ∑𝑖=1 𝑋𝑖𝑗 , untuk i =1,2,...n
Si = Binary
3. Permasalahan Transportasi
Persalahan transportasi membahas tentang minimasi biaya transportasi dari suatu tempat ke
tempat lain. Biaya yang akan diminimalkan tersebut ialah biaya untuk perpindahan atau aliran
barang. Secara matematis dapat yaitu:
Variabel:
Xij = Banyaknya unit produk atau barang yang akan dikirimkan dari sumber ke-i menuju tujuan
ke-j
Cij = Harga transport barang per unit dari sumber i ke tujuan j
Si = Kapasitas dari sumber ke-i
Dj = Banyaknya permintaan barang dari tujuan ke-j
Fungsi Objektif:
Meminimumkan Z = ∑𝑛𝑖=1 ∑𝑚
Fungsi Kendala
∑𝑚
𝑖=1 𝑋𝑖𝑗 = 𝑆𝑖 , untuk i =1,2,...n
∑𝑚
𝑖=1 𝑋𝑖𝑗 = 𝐷𝑖 , untuk i =1,2,...n
11
2.3.1 Bahan
Praktikum analisis dan presentasi data dilakukan pada:
Hari : Rabu, 27 September 2017
Gedung : 916
2.3.2 Metode
Peralatan yang digunakan selama praktikum ialah laptop yang sudah terinstal aplikasi Ms.
Excel 2010 yaitu penggunaan solver. Solver tersebut dipergunakan untuk mendapatkan hasil
optimal dari fungsi matematis yang sudah di susun sebelumnya. Pada praktikum ini, Solver
digunakan untuk menyelesaikan permasalahan program linear yaitu, Assignment Problem,
Capital Investment, dan Transportation Problem.
2.4 Hasil
2.4.1 Masalah Penugasan
Masalah yang diselesaikan saat praktikum ialah untuk mengoptimalkan biaya yang keluar dari
setiap tugas yang ada, berikut ini merupakan studi kasusnya:
DIGO PAPER COMPANY terpikir untuk memproduksi 10 jenis produk, menggunakan 10
pabrik yang baru-baru ini kelebihan kapasitas produksi. Setiap pabrik dapat memproduksi
beberapa jenis dari produk tersebut. Manager menetapkan bahwa satu pabrik harusnya
ditugaskan untuk satu produk saja. Akan tetapi, variable cost untuk setiap unit produk berbeda
untuk setiap pabrik, sesuai dengan tabel yang ada dibawah. Manager ingin mencari keputusan
terbaik bagaimana agar cara pembagian produk untuk tiap pabrik agar meminimalkan biaya.
Data biaya yang akan di perhitungkan terdapat pada tabel dibawah.
Tabel 2 Biaya keluar untuk setiap plant dan produk
Unit cost PRODUCT
Plant A B C D E F G H I J
1 2 3 4 6 4 2 2 6 2 4
2 7 6 2 3 4 8 5 5 2 5
3 3 8 5 3 2 3 6 7 3 3
4 6 4 6 2 6 6 4 3 4 7
5 5 3 3 5 2 3 5 6 3 3
6 6 6 4 3 2 2 6 3 2 6
7 7 4 4 6 5 5 6 7 7 4
8 3 6 6 6 6 2 7 4 4 7
9 7 5 7 4 5 7 6 5 7 2
12
Unit cost PRODUCT
Plant A B C D E F G H I J
10 4 8 5 8 2 8 8 2 7 7
Fungsi kendala yaitu demand dan supply tidak boleh lebih atau kurang dari 1. Tugas yang akan
diselesaikan juga tidak boleh lebih dari 1 atau dikenal dengan binary. Pada tabel dibawah
merupakan letak tugas yang paling optimal untuk kesepuluh plant.
Tabel 3 Hasil pengolahan data
Cost PRODUCT Cost Supply

A B C D E F G H I J Assignment
1 0 0 0 0 0 0 1 0 0 0 1 = 1
2 0 0 1 0 0 0 0 0 0 0 1 = 1
3 1 0 0 0 0 0 0 0 0 0 1 = 1
4 0 0 0 1 0 0 0 0 0 0 1 = 1
5 0 0 0 0 1 0 0 0 0 0 1 = 1
6 0 0 0 0 0 0 0 0 1 0 1 = 1
7 0 1 0 0 0 0 0 0 0 0 1 = 1
8 0 0 0 0 0 1 0 0 0 0 1 = 1
9 0 0 0 0 0 0 0 0 0 1 1 = 1
10 0 0 0 0 0 0 0 1 0 0 1 = 1
Total 1 1 1 1 1 1 1 1 1 1 Total Cost = 23

Assigned
= = = = = = = = = =
Demand 1 1 1 1 1 1 1 1 1 1
Hasil optimal seperti yang terdapat pada tabel diatas berasal dari perhitungan menggunakan
solver pada Ms. Word. Sehingga untuk total cost yang diperoleh yaitu sebesar 23 dengan
menjumlahkan seluruh cost yang sudah ditetapkan sebelumnya dengan plant yang paling
optimal dari hasil solver yang ada
2.4.2 Masalah penanaman modal
Permasalahan yang akan diselesaikan pada praktikum ini yaitu untuk mengoptimalkan biaya
yang dikeluarkan untuk profit dan capital yang sudah ditentukan pada tabel dibawah,
berdasarkan studi kasus berikut ini:
Ford Company berencana untuk memperluas lokasi mereka dengan membangun dealer.
Terdapat 9 lokasi yang memungkinkan untuk diperluas. Perusahaan harus memilih antara
lokasi 1 atau 2 atau 9, 3 atau 4 atau 8, 6 atau 7 jika 5 harus dibangun. Perusahaan memiliki 170
13
miliar dollar sebagai modal awal untuk memperluas. Manager ingin mencari lokasi optimal
untuk memperluas perusahaan dengan cara meminimalkan biaya.
Tabel 4 Data permasalahan capital investment
Investment One Two Three Four Five Six Seven Eight Nine
Profit 4 6 2 3 5 2 4 5 6
Capital 24 28 18 30 38 22 35 40 34
Adapun kendalanya ialah penanaman modal harus pada lokasi investasi satu atau dua, tiga atau
empat, dan apabila investasi pada lokasi kelima terpilih maka lokasi investasi keenam atau
ketujuh juga otomatis harus diinvestasikan. Berikut merupakan hasil dari perhitungan yang
dilakukan pada tools solver. Total profit yang paling maksimal sebesar 20.
Tabel 5 Hasil optimal berdasarkan solver
Investment One Two Three Four Five Six Seven Eight Nine
Profit 4 6 2 3 5 2 4 5 6
Capital 24 28 18 30 38 22 35 40 34 141 ≤ 170
One or Two or Nine 1 1 0 0 0 0 0 0 1 1 ≤ 1
Three or Four or
1 ≤ 1
Eight 0 0 1 1 0 0 0 1 0
Six or Seven if five 0 0 0 0 -2 1 1 0 0 -1 ≤ -1
Yes/ No 0 1 0 0 1 0 1 1 0 Total profit = 20
2.4.3 Masalah transportasi

Permasalahan transportasi yang dibahas pada praktikum yaitu untuk meminimalkan biaya yang
dikeluarkan dari sistem transportasi, berikut studi kasusnya:
Atlantic Carter adalah sebuah perusahaan kayu yang mendapatkan suplai bahan baku dari 10
sumber dan memiliki 10 pasar yang dapat disuplai. Kesepuluh sumber bahan baku ini memiliki
kapasitas sebanyak 15,18,23,25,21,24,22,24,20,15 juta feet papan (berurutan dari sumber 1
sampai 10). Dan kayu yang dapat dijual tiap tahunnya adalah sebanyak 18, 13, 29, 21, 23, 18,
22, 19, 25 juta feet papan (berurut dari pasar A – J). Biaya pengiriman $1000/juta papan per
rutenya. Pada tabel 6 dapat dilihat data yang akan diolah.
14
Tabel 6 Data permasalahan transportasi
Cost 1 2 3 4 5 6 7 8 9 10
A 3 4 3 4 6 3 4 5 3 3
B 3 3 4 5 2 4 3 3 3 4
C 5 2 3 4 3 6 6 5 5 3
D 2 2 6 2 4 5 3 2 3 4
E 4 4 5 1 5 2 5 3 5 2
F 2 3 2 6 6 6 4 2 2 5
G 4 3 4 2 4 3 2 3 6 4
H 2 6 6 5 4 2 2 4 2 2
I 2 5 2 4 5 3 5 5 2 5
J 6 6 3 6 4 2 6 5 3 2
Berdasarkan data diatas yang merupakan sumber kayu yaitu angka 1 sampai 10 dan yang
merupakan simbol marketnya yaitu dari huruf A sampai J. Adapun data tersebut merupakan
biaya yang dikeluarkan untuk sumber kayu pada setiap marketnya.
Tabel 7 Hasil pengolahan data permasalahan transportasi
Shipment 1 2 3 4 5 6 7 8 9 10 Total out Supply

A 0 0 16 0 0 2 0 0 0 0 18 = 18
B 0 0 0 0 13 0 0 0 0 0 13 = 13
C 0 12 0 0 8 0 0 0 0 0 20 = 20
D 0 6 0 2 0 0 0 13 0 0 21 = 21
E 0 0 0 23 0 0 0 0 0 0 23 = 23
F 0 0 7 0 0 0 0 11 0 0 18 = 18
G 0 0 0 0 0 0 22 0 0 0 22 = 22
H 10 0 0 0 0 0 0 0 0 9 19 = 19
I 5 0 0 0 0 0 0 0 20 0 25 = 25
J 0 0 0 0 0 22 0 0 0 6 28 = 28
Total
Total in 15 18 23 25 21 24 22 24 20 15 Cost 417
= = = = = = = = = =
Demand 15 18 23 25 21 24 22 24 20 15
Berdasarkan tabel diatas dapat diketahui bahwa total biaya paling optimal yaitu sebesar 417.
Total out pada market dan total in pada setiap source sudah ditetapkan sebelumnya pada soal.
15
2.5 Pembahasan
2.5.1 Masalah Penugasan
Berdasarkan hasil yang telah diperleh sebelumnya maka hasil optimum untuk biaya yang akan
dikeluarkan oleh Digo Paper Company sebesar 23. Berikut rincian dari produk dan plant yang
bekerja:
Tabel 8 Alokasi optimal masalah penugasan
Produk Plants
A 3
B 7
C 2
D 4
E 5
F 8
G 1
H 10
I 6
J 9
2.5.2 Masalah penanaman modal

Berdasarkan hasil perhitungan yang telah dilakukan dapat memberikan solusi kepada Ford
Company mengenai lokasi optimal untuk memperluas pabriknya dengan investasi pada
beberapa lokasi yang menguntungkan. Adapun lokasi tersebut ialah lokasi dua, lima, tujuh dan
delapan. Sehingga menghasilkan keuntungan yang maksimal sebesar 20.
2.5.3 Masalah transportasi

Hasil yang diperoleh sebelumnya dapat membantu Atlantic Carter dalam meminimalkan biaya
pengiriman/ transportasi dalam penyaluran sumber daya ke setiap pasarnya. Adapun biaya
minimal yang diperoleh Atlantic Carter pada masalah transportasinya yaitu:
Tabel 9 Pembahasan permasalahan transportasi
Source Market
1 H=10 dan I=5
2 C=12 dan D=6
3 A=16 dan F=7
4 D= 2 dan E=23
5 B=13 dan C=8
6 A=2 dan J=22
7 G= 22
8 D=13 dan F=11
16
Source Market
9 I= 20
10 H= 9 dan J=6
2.6 Kesimpulan
Penggunaan solver pada Ms. Excel 2010 dalam menyelesaikan permasalahan linear
programming harus terlebih dahulu didasari dengan pengubahan permasalahan ke dalam
bentuk matematis agar saat penggunaan solver dapat memasukkan variabel, fungsi kendala,
fungsi objektif dan variabel yang akan dioptimalkan sesuai dengan kolom solver dan solusi
yang diperoleh dapat akurat. Hal ini berlaku untuk semua permasalahan linear programming.
17
MODUL II
Dynamic Programming
3.1 Pendahuluan
Dalam dunia bisnis prinsip optimalisasi sudah sangat familiar. Berbagai masalah yang harus
dioptimalisasipun semakin beragam. Berikut merupakan beberapa masalah yang dapat
dioptimalisasikan, yaitu masalah shortest path dan maximum flow. Masalah tersebut
menghasilkan solusi yang berupa sekumpulan langkah atau tahapan sedemikian rupa sehingga
solusi dari permasalahan ini dapat menghasilkan keputusan-keputusan yang saling berkaitan.
Permasalahn tersebut termasuk dalam permasalahan dinamis (dynamic programming).
Permasalahan shortest path bertujuan untuk mencari lintasan terpendek atau yang paling
minimal untuk mencapai suatu tempat tertentu. Permasalahan yang paling sering ditemui
adalah pada bidang transportasi dan komunikasi, seperti pada pencarian rute terbaik dalam
menempuh kota melalui jalan yang berbeda atau untuk mengetahui dan menelusuri proses
komunikasi agar dihasilkan suatu proses yang cepat.
Permasalahan maximum flow memiliki tujuan untuk mencari lintasan paling maksimal yang
dapat dikumpulkan hingga sampai pada tujuan akhir. Adapun contoh pengaplikasian
permasalahan ini ialah dalam penampungan air yang bertujuan dalam memaksimalkan
penyaluran aliran air ke kota maupun desa.
3.1.2 Tujuan
Adapun tujuan yang ingin dicapai dalam laporan praktikum ialah untuk dapat mendeskripsikan
penggunaan aplikasi solver pada permasalahan Dynamic Programming seperti shortest path
problem dan maximum flow problem.
3.1.3 Metodologi
1. Menggunakan tools solver yang ada di Ms. Excel 2010
2. Menggunakan fungsi objektif, fungsi kendala dan variabel dalam merumuskan
permasalahan.
3.2 Dasar Teori
3.2.1 Pengertian Dynamic Programming
Optimalisasi adalah ukuran yang menyebabkan tercapainya tujuan sedangkan jika dipandang
dari sudut usaha, optimalisasi adalah usaha memaksimalkan kegiatan sehingga mewujudkan
keuntungan yang diinginkan atau dikehendaki (Winardi, 1999).
18
Dynamic programming adalah salah satu cara untuk mencari penyelesaian optimal pada
masalah multivariabel dengan cara membagi beberapa tahap (stage), dan setiap tahap yang
sudah dibagi menjadi sub-sub masalah dengan variabel tunggal (Taha, Operation Research An
Introduction, 2007). Untuk menyelesaikan persoalan dynamic programming maka terdapat
beberapa hal sebagai berikut:
1. Terdapat pilihan-pilihan yang memungkinkan untuk penyelesaian masalah
2. Penyelesaian pada setiap tahap berasal dari hasil pernyelesaian tahap sebelumnya
3. Menggunakan persyaratan optimasi dan kendala untuk membatasi pilihan yang menjadi
pertimbangan pada suatu tahap
3.2.2 Karakteristik permasalahan Dynamic Programming
Berikut merupakan beberapa karakteristik dalam program dinamis menurut Hiller (2001):
1. Permasalahan dapat dibagi dalam tahap-tahap (stage), dengan suatu keputusan di setiap
tahapan
2. Setiap tahap memiliki sejumlah keadaan (stage) yang bersesuaian
3. Pengaruh keputusan kebijakan pada setiap tahap adalah untuk merubah keadaaan
sekarang menjadi keadaaan yang berkaitan dengan tahap berikutnya
4. Prosedur penyelesaian dirancang untuk menemukan suatu kebijakan optimal untuk
keseluruhan masalah, yaitu pemberi keputusan kebijakan optimal pada setiap tahap untuk
setiap kemungkinan keadaan
5. Bila diketahui keadaan (state) sekarang, kebijakan optimal untuk tahap-tahap yang tersisa
adalah bebas terhadap kebijakan yang dipakai pada tahap-tahap sebelumnya
6. Prosedur penyelesaian dimulai dengan menemukan kebijakan optimal untuk tahap akhir
7. Ada hubungan rekursif yang mengidentifikasi kebijakan optimal pada tahap n, jika
diketahui keputusan optimal untuk tahap (n+1)
3.2.3 Bentuk-bentuk Permasalahan Dynamic Programming
Adapun bentuk-bentuk permasalahan dynamic programming yang dibahas dalam praktikum
ini ialah:
1. Permasalahan Shortest Path
Shortest path atau yang berarti lintasan minimum atau jalur terpendek yang diperlukan
untuk mencapai suatu tempat dari tempat tertentu dalam sebuah jaringan. Misalnya untuk
menentukan jalur terpendek dari sebuah kota menuju kota lain melalui jaringan jalan raya.
Algoritma yang dapat digunakan untuk mencari rute permasalahan terpendek dari sumber
sampai pada tujuan menggunakan algoritma Dijkstra. Algoritma Dijkstra bekerja dengan
cara mengunjungi setiap simpul/ lintasan yang ada dimulai dai simpul/ lintasan sumber.
19
Kemudian algoritma ini memilih simpul/ lintasan yang lokasinya terddekat dan dilakukan
secara berulang lalu kemudian menghitungtotal bobot semua sisi yang dilewati untuk
mencapai tujuan (Winston, 1993). Berdasarkan algoritma ini maka dapat dibentuk
pemodelan matematis dari permasalahan yang ada dan kemudian dari pemodelan
matematis tersebut dioptimalkan dengan menggunakan solver pada Ms. Ecel 2010.
Solver. Adapun contoh penerapan dari shortest path ialah, menentukan lintasan/ rute
dengan jarak tempuh yang paling minimum dalam suatu jaringan (network), mencari
biaya total paling minimum dari urutan sejumlah aktifitas dalam jaringan, meminimalkan
waktu total dari aktifitas dalam jaringan dan masih banyak lagi penerapan yang dapat
dilakuakan dalam perhitungan shortest path.
2. Permasalahan Maximum Flow
Merupakan salah satu permasalahan yang melibatkan aliran dalam sebuah jaringan, yaitu
pada permasalahan ini bertujuan untuk menentukan jumlah aliran maksimal yang dapat
dilayani sebuah jaringan. Misalnya digunakan untuk menghitung jumlah maksimal
kendaraan yang dapat melalui sebuah jaringan jalan raya. Dalam permasalahan ini
terdapat algoritma Ford Fulkerson (teorema max-flow min-cut) salah satu algoritma yang
dapat membantu dalam memodelkan permasalahan secara matematis sehingga
memudahkan dalam pengolahan di solver agar mendapatkan hasil optimum dari
permasalahan yang ada. Secara umum proses kerja maksimum flow yaitu:
a. Aliran barang melalui suatu jaringan yang berarah dan tersambung dari node awal
(sumber) ke node akhir (tujuan)
b. Aliran dalam satu cabang hanya diperbolehkan ke arah yang ditunjukkan oleh anak
panah dimana jumlah maksimum diberikan sebagai kapasitas cabang. Pada node awal
(sumber) semua arah panah mengarah meninggalkan node, sedangkan node akhir (tujuan)
semua anak panah menuju kepadanya.
3.3.1 Pelaksanaan
Praktikum Dynamic programming dilakukan pada:
Hari : Rabu, 4 Oktober 2017
Gedung : 916
3.3.2 Metode
20
Peralatan yang digunakan selama praktikum ialah laptop yang sudah terinstal aplikasi
Microsoft Excel dan terdapat tools solver pada toolbar data. Solver digunakan untuk
memasukkan pemodelan matematis sekaligus dapat juga mengoptimalkan pemodelan
matematis yang ada berdasarkan fungsi kendala dan objektif yang ada. Pada praktikum ini,
Solver digunakan untuk menyelesaikan permasalahan program linear yaitu, Shortest Path
Problem, dan Maximum Flow Problem.
3.4 Hasil
3.4.1 Shortest Path
Permasalahan shortest path bertujuan untuk mendapatkan biaya minimum/ penghematan
waktu dari suatu perjalanan, alur maupun tahapan. Berikut merupakan salah satu
pengaplikasian metode shortest path dikehidupan sehari-hari.
Studi kasus: Seseorang ingin melakukan perjalanan ke tempat yang belum pernah dikunjungi
sebelumnya. Untuk itu, dia menggunakan peta sebagai penunjuk untuk rute tercepat yang dapat
digunakan menuju destinasi tersebut. Terdapat 9 kota yang dipilih untuk dikunjungi. Pada peta
terdapat informasi yang menunjukkan jarak (mil) antar kota. Berikut tabel yang menunjukkan
jarak antar kota, dengan asumsi bahwa tidak ada jalan antar kota yang terhubung langsung
Tabel 10 Data Shortest Path
From To Distance
S A 40
S B 60
S C 45
A D 50
A E 70
A F 75
B D 46
B E 30
B F 50
C D 60
C E 62
C F 67
D G 67
D H 54
E G 45
E H 68
F G 69
F H 68
G I 55
H I 58
21
I T 77
Data diatas akan diolah menggunakan metode shortest path yaitu yang memiliki:
1. Variabel Go yang menjadi changing variabel, data yang ada berupa binary yaitu antara 1
atau 0 sehingga apabila dilakukan perhitungan dengan solver maka dapat dilihat hasil
optimal untuk setiap pilihan yang ada. Selain itu juga terdapat net flow yang merupakan
capabilitas dari setiap tahap yang ada dan variabel supply/ demand dimana untuk tahap
awal yaitu alur S harus mimiliki nilai sebesar satu dikarenakan tahap tersebut mau tidak
mau pasti akan dilewati dan tahap terakhir yaitu T yang menjadi tujuan perjalanan dengan
nilai minus satu dikarenakan daerah tersebut tidak akan dilewati kendaraaan melainkan
kendaraan akan tetap berada pada daerah tersebut.
2. Fungsi tujuan untuk permasalahan ini yaitu untuk meminimalkan jumlah jarak dalam
mencapai tujuan akhir.
3. Kendala dalam penyelesaian masalah ini ialah hasil dari net flow harus sama dengan jumlah
supply/ demand.
Setelah melakukan perhitungan melalui solver pada Ms. Excel sehingga diperoleh hasil seperti
pada tabel dibawah:
Net Supply/
From To Distance Go Nodes
Flow Demand
S A 40 0 S 1 ⁼ 1
S B 60 1 A 0 ⁼ 0
S C 45 0 B 0 ⁼ 0
A D 50 0 C 0 ⁼ 0
A E 70 0 D 0 ⁼ 0
A F 75 0 E 0 ⁼ 0
B D 46 0 F 0 ⁼ 0
B E 30 1 G 0 ⁼ 0
B F 50 0 H 0 ⁼ 0
C D 60 0 I 0 ⁼ 0
C E 62 0 T -1 ⁼ -1
C F 67 0
D G 67 0
D H 54 0 Total distance 267
E G 45 1
E H 68 0
F G 69 0
F H 68 0
G I 55 1
H I 58 0
22
I T 77 1
Sehingga berdasarkan perhitungan yang telah dilakukan maka jarak yang paling minimum
yaitu sebesar 267.
3.4.2 Maximum Flow Problem
Permasalahan Maximum Flow memiliki prinsip yang berbanding terbalik dengan shortest path.
Perbedaannya yaitu pada tujuan yang dicapai dari metode-metode tersebut, dimana metode
maximum flow memiliki tujuan untuk mendapat hasil akhir yang paling maksimal dibanding
yang lainnya tetapi shortest path tidak demikian. Permasalahan yang akan diselesaikan ialah
untuk membantu manajer dari City Water dalam menentukan tahapan yang optimal agar dapat
menghasilkan aliran air yang maksimal kesetiap kota yang menjadi target City Water. Hal ini
merupakan permasalahan dari maximum flow, pada tabel dibawah merupakan data yang
menjadi permasalahan dari maximum flow.
Tabel 11 Data Maximum Flow Problem
From To Capacity
C1 C2 8
C1 C3 9
C1 C5 3
C2 C4 7
C2 C7 3
C2 C5 2
C3 C5 4
C3 C6 3
C3 C8 6
C4 C7 4
C5 C7 5
C5 C9 8
C5 C8 3
C6 C8 2
C7 C9 7
C8 C9 7
Dari data tersebut maka dapat dilakukan perhitungan menggunakan solver dengan
mempersiapkan beberapa komponen berikut:
1. Selain data pada tabel diatas maka diperlukan beberapa variabel seperti flow yang
merupakan penentu aliran yang paling maksimal dari awal hingga ke akhir. Net flow yang
dihitung pada setiap nodes tetapi untuk nodes
23
2. Menggunakan solver untuk mencari aliran maksimal pada network yang ada. Nodes pada
network berupa C1,C2,...Cn dan garis pada network atau disebut arcs berupa keterkaitan
antar node seperti C1C2, C1C5, dll.
3. Menetapkan kendala pada permasalahan maximum flow yaitu, setiap supply/ demand
nilainya adalah sama dengan net flow. Selain itu juga untuk setiap aliran atau flow harus
lebih kecil sama dengan kapasitasnya.
4. Variabel yang berganti-ganti (changing variable) adalah variabel flow
Pada tabel dibawah ini merupakan hasil perhitungan permasalahan diatas.

Tabel 12 Hasil Perhitungan Pemasalahan Maximum Flow
Net Supply/
From To Capacity Flow Nodes Flow Demand
C1 C2 8 ≥ 8 C1 20
C1 C3 9 ≥ 9 C2 0 ⁼ 0
C1 C5 3 ≥ 3 C3 0 ⁼ 0
C2 C4 7 ≥ 4 C4 0 ⁼ 0
C2 C7 3 ≥ 2 C5 0 ⁼ 0
C2 C5 2 ≥ 2 C6 0 ⁼ 0
C3 C5 4 ≥ 4 C7 0 ⁼ 0
C3 C6 3 ≥ 2 C8 0 ⁼ 0
C3 C8 6 ≥ 3 C9 20
C4 C7 4 ≥ 4
C5 C7 5 ≥ 1
C5 C9 8 ≥ 8 MAX FLOW 20
C5 C8 3 ≥ 0
C6 C8 2 ≥ 2
C7 C9 7 ≥ 7
C8 C9 7 ≥ 5
Sehingga dapat dikatakan bahwa hasil maximum dari perhitungan menggunakan solver adalah
sebesar 20
3.5 Pembahasan
3.5.1 Shortest Path
Berdasarkan hasil penyelesaian permasalahan shortest path sebelumnya maka diperoleh nilai
yang optimum dalam meminimalkan jarak tempuh, sehingga dapat membantu pengendara
dalam menentukan jalannya ke kota yang dituju dan tidak boros. Berikut jalan yang optimum
yang dapat dilalui pengendara tersebut:
B G
77
24
S E I T
Sehingga total jarak yang ditempuh semuanya sebesar 267
3.5.2 Maximum Flow
Berdasarkan hasil penyelesaian permasalahan City Water yaitu untuk menentukan tahapan
yang optimal agar dapat menghasilkan aliran air yang maksimal ke setiap kota dari target City
Water. Berikut merupakan tahapan yang dapat menghasilkan aliran yang maksimal sesuai
dengan permasalahan yang dihadapi City Water:
C4 4
4
2
C7
C2
1 7
8 2
3 8
C5 C9
C1
4
1 5
9 3 0 C8
C3
2
2
C6
3.6 Kesimpulan
Permasalah dynamic programming bisa diselesaikan dengan menggunakan tools solver yaitu
what-if analysis, dalam penggunaannya terlebih dahulu mengidentifikasi masalah yang ingin
di optimalkan sehingga fungsi lainnya bisa berjalan dengan sesuai. Aplikasi solver dapat
mengalami error apabila fungsi yang di masukkan tidak sesuai dengan yang semestinya oleh
karena itu penggunaan solver membutuhkan ketelitian agar hasil tidak salah.
25
MODUL III
Queuing System
4.1 Pendahuluan
Kebutuhan manusia yang semakin banyak dan instan adalah relatif sama, sehingga
memungkinkan setiap orang untuk saling menunggu dan ditunggu atau dengan kata lain
mengantri. Kehidupan yang serba instan saat ini sangat membutuhkan kecepatan dan
penghematan waktu, sehingga apabila terjadi antrian yang sangat panjang akan membuat
pelanggan atau customer beralih ke service/ product yang lain dan akan membuat perusahaan
merugi. Antrian terjadi pada saat pihak yang bersangkutan menunggu untuk mendapatkan
service/ product. Dengan menggunakan sistem antrian dapat mempercepat dan menghemat
waktu tunggu pelanggan. Sistem antrian melibatkan customer yang menunggu, server/ system
(objek yang ditunggu), dan lamanya pelayanan yang diberikan dengan cara menganalisis
history dari pelayanan yang sudah terjadi sebelumnya lalu menganlissanya dengan pelayanan
yang baru misalnya dengan penambahan satu atau lebih server.
4.1.2 Tujuan
Adapun tujuan yang ingin dicapai dalam laporan praktikum adalah sebagai berikut:
1. Mengetahui karakteristik/parameter (ukuran kinerja) dari data sistem antrian
2. Mampu melakukan simulasi sistem antrian dengan karakter/parameter yang ada
3. Mengetahi cara meningkatkan kinerja sistem antrian dengan menginterverensi karakteristik/
parameter sistem
4.1.3 Metodologi
1. Menggunakan tools chart yang ada di ms. Excel dengan melakukan add-ins queue.xls dan
menggunakan software SPSS
2. Menambah parameter queue dan mensimulasi queue dengan tool OR_MM pada icon Add
Ins
4.2 Dasar Teori
4.2.1 Sejarah Sistem Antrian
Teori tentang antrian dikemukan oleh A.K. Erlang, merupakan seorang insinyur dari Denmark
yang bekerja pada perusahaan telepon di Kopenhagen pada tahun 1910. Erlang memecahkan
26
permasalahan perhitungan keterlambatan (delay) dari operator yang ditulis pada bukunya yaitu
Solution of some problems in the theory of probabilities of significance in Automatic
Telephone (Muhammad, 2013). Hasil penelitian Erlang kenudian semakin diperluas
penggunaaannya dalam teori antrian.
4.2.2 Pengertian Antrian
Menurut Taha (2002, hal. 135), teori antrian adalah teori yang menyangkut studi matematis
dari antrian-antrian atau baris-baris penunggu.
4.2.3 Komponen-komponen dasar dalam Sistem Antrian
Menurut Kakiay (2004) agar penyedia fasilitas pelayanan dapat melayani para pelanggan yang
berdatangan maka terdapat beberapa faktor yang berpengaruh terhadap suatu sistem antrian
yaitu:
1. Jenis-jenis sistem antrian
Merupakan lamanya waktu yang dibuthkan sejak kedatangan input, proses hingga
output. Komponen ini berorintasi pada waktu yang seminimal mungkin yang dapat
diperoleh baik dengan mengoptimalkan server yang menganggur atau adanya kelebihan
fasilitas pelayanan. Menurut Siagian (1987), terdapat 5 sistem antri yang biasa
digunakan, yaitu:
1. First-Come First-Served (FCFS) atau First-In First-Out (FIFO) artinya, pelanggan/
input yang lebih dahulu datang (sampai), lebih dahulu dilayani (keluar). Seperti
antrian pada bank, pelanggan yang pertama mengambil tiket maka dia yang akan
perta dilayani oleh teller atau customer service.
2. Last-Come First-Served (LCFS) atau Last-In First-Out (LIFO) artinya, yang tiba
terakhir yang lebih dulu keluar. Seperti antrian yang terdapat pada elevator dimana
pihak yang pertama masuk maka nantinya pihak tersebut juga yang terahkir keluar
dari elevator.
3. Service In Random Order (SIRO) artinya, panggilan didasarkan pada peluang secara
random, tidak soal siapa yang lebih dulu tiba. Seperti pada khasus pedagang kali lima
pada umumnya yang memberikan service tidak pada pelanggan pertama datang
maupun yang paling penting tetapi secara random.
4. Priority Service (PS) artinya, pelayanan diberikan kepada pelanggan/ input yang
prioritasnya lebih tinggi dibanding dengan pelanggan/ input lain, meskipun
pelanggan/ input tersebut datangnya tidka lebih awal. Hal ini sering terjadi pada
antrian Rumah Sakit dimana pelanggan sakit parah dan membutuhkan penegangan
langsung di banding pelanggan lainnya.
27
2. Struktur Antrian
Dalam teori antrian terdapat struktur antrian yaitu:
1. Single Channel-Single Phase = Satu saluran/ jalur yang memasuki sistem pelayanan
dan satu pelayana,
2. Single Channel-Multi Phase = Dua atau lebih pelayanan yang dilaksanakan berurutan.
Contohnya: Pencucian mobil
3. Multi Channel-Single Phase = Dua atau lebih fasilitas yang dialiri oleh antrian tunggal,
contohnya: antrian teller bank.
4. Multi Channel-Multi Phase = Setiap sistem memiliki beberapa fasilitas pelayanan pada
setiap tahapnya, contohnya: registrasi mahasiswa baru.
3. Model Antrian Kendall-Lee
Bentuk kombinasi proses kedatangan dengan pelayanan pada umumnya dikenal sebagai
standar universal, yaitu: (a/b/c: d/e/f/):
Keterangan:
a = Distribusi kedatangan (Arrival distribution)
b = Distribusi waktu pelayanan (Service Time Distribution)
c = Jumlah pelayan
d = Disiplin Antrian, seperti FCFS, LCFS, SIRO, atau PRI
e = Jumlah maksimum pelanggan yang diizinkan dalam sistem
f = Sumber kedatangan
Berikut merupakan notasi standar pada sistem antrian:
M = Distribusi laju kedatangan atau keberangkatan dari proses Poisson (distribusi waktu
antar kedatangan atau waktu pelayanan eksponensial)
G = Distribusi umum dari keberangkatan (waktu antar kedatangan)
c = Jumlah pelayan dalam bentuk pararel (1, 2, 3,..)
4. Perumusan sistem antrian
Rumus yang digunakan dalam sistem antrian dapat dlihat pada tabel dibawah
Tabel 13 Rumus yang digunakan pada sistem antrian
Rata-rata waktu kedatangan 1/ λ
Rata-rata waktu layanan per pelanggan 1/ μ
Traffic intensity ρ ρ = λ/μ
Jumlah pelanggan yang diharapkan dalam L = λW
L
sistem
L= ρ / (1-ρ) = λ / (μ - λ)
Jumlah pelanggan yang diharapkan dalam
L = LQ + Ls
pelayanan LS
LQ LQ = λWQ
28
Jumlah pelanggan yang diharapka dalam
LQ = λW -(1 / μ)
antrian
Waktu yang diharapkan dihabiskan pada W=L/λ

W
sistem (antri atau dilayani) W= ρ /λ(1-ρ)
Waktu yang diharapkan dihabiskan dalam
W = WQ + Ws
pelayanan WS
Waktu yang diharapkan dihabiskan dalam
WQ = W -(1 / μ)
antrian WQ
Persentasi tidak menunggu dalam antrian
Distribusi bilangan dalam sistem Pn Pn = (1 — ρ) ρⁿ ,n≥ 0

Pegawai n
4.2.4 Skema alur pemodelan analisis sistem antrian

Pengolahan data queue dapat mengikuti skema proses analisis seperti pada gambar dibawah.
Data yang diolah ada 4 yaitu waiting time, service time, time in system dan interrarival time.
Namun untuk penentuan model antrian yang tepat untuk dipakai dapat hanya dengan
memepertimbangkan analisis dari service time dan interarrival data.
Start
Data of Service
Time and
Interarrival Time
Fitting distribution
testing
Service and Service and

No No Service and No Service and
Interarrival Time is Interarrival Time is
Interarrival Time is Interarrival Time is
exponential general/normal
uniform distributed? Erlang distributed?
distributed? distributed?
Yes Yes Yes Yes
Modeling with Modeling with Modeling with Modeling with

M/M model G/G model D/D model Ek/Ek model
Analyze Queueing
Analyze Queueing
Performances with
Performances with
queue Add ind Excel
Excel/ manually
Interpret the
performance
measures
Simulate by
change number of
server
Optimize
efficiency and cost
End
Gambar 8 Skema Analisis Data Sistem Antrian
Data service time dan interrarival time yang didapat maka diuji distribusinya menggunakan
SPSS. Uji yang dilakukan yaitu exponential distribution, normal, uniform, dan poisson.
29
4.3.1 Bahan
Hari/ Tanggal : Rabu, 18 Oktober 2017
Pukul : 08.00 WIB - selesai
Gedung : 929
4.3.2 Metode
Peralatan yang digunakan selama praktikum modul III mengenai queuing teori ialah laptop
yang telah terinstal SPSS dan Ms. Excel. Pada aplikasi Ms. Excel tersebut harus sudah add-ins
queue.xls yang berfungsi untuk mensimulasi data yang sudah diinput sebelumnya.
4.4 Hasil
Pada bagian ini akan dibahas mengenai permasalahan-permasalahan queuing dan penyelesaian
masalah tersebut.
4.4.1 Permasalahan 1
Permasalahan yang diangkat yaitu dari The Decision Sciences Department yang sedang
mencoba untuk menentukan apakah akan menyewakan mesin fotokopi yang lambat atau yang
cepat. Berikut pada tabel dibawah, data untuk mesin fotokopi yang lambat dan cepat.
Tabel 14 Data mesin fotokopi yang lambat dan cepat
INPUT Lambat Cepat Satuan

Setiap Pegawai 10 6 Menit/ fotokopi
$ $
Menyewa mesin fotokopi $/ jam
4 4
Jumalah rata-rata kedatangan memasuki
λ 4 4 Pegawai/ jam
sistem per satuan waktu
Tingkat layanan (jumlah rata-rata orang atau

μ 6 10 Pegawai/ jam
barang yang dilayani per periode waktu)
Sehingga dari data tersebut maka akan dikalkulasikan beberapa varibel yang membantu dalam
pemilihan solusi terbaik. Berikut hasil dari kalkulasi data:
Tabel 15 Hasil perhitungan permasalahan 1
OUTPUT Lambat Cepat Satuan

Rata-rata waktu
1/ λ 0,25 0,25 Jam
kedatangan
Rata-rata waktu
1/ μ 0,16667 0,1 Jam
layanan per pelanggan
Traffic intensity ρ ρ = λ/μ 0,66667 0,4
30
Jumlah pelanggan yang L = λW
diharapkan dalam L 2 0,6666667 Pelanggan
L= ρ / (1-ρ) =
sistem
λ / (μ - λ)
Jumlah pelanggan yang
diharapkan dalam L = LQ + Ls 0,66667 0,4 Pelanggan
pelayanan LS
Jumlah pelanggan yang LQ LQ = λWQ
diharapka dalam LQ = λW -(1 / 1,33333 0,2666667 Pelanggan
antrian μ)
Waktu yang diharapkan W=L/λ

dihabiskan pada sistem W 0,5 0,1666667 Jam
W= ρ /λ(1-ρ)
(antri atau dilayani)
Waktu yang diharapkan
dihabiskan dalam W = WQ + Ws 0,16667 0,1 Jam
pelayanan WS
WQ = W -(1 /
dihabiskan dalam 0,33333 0,0666667 Jam
μ)
antrian WQ
Persentasi tidak
menunggu dalam 33% 60%
antrian
Distribusi bilangan Pn = (1 — ρ)
0,0658 0,01536
dalam sistem Pn ρⁿ ,n≥ 0
Pegawai n 4 4
Analisis biaya
Biaya pegawai/ jam $ 15 $ 15
Biaya sewa/ jam $ 4 $ 15
Tunggu= biaya pegawai/jam х waktu
yang diharapkan dihabiskan dalam
Biaya menunggu/ jam antrian $ 20 $ 4
Total biaya/ jam $ 24 $ 19
Berbeda seperti permasalahan pertama dimana data yang ada tidak terlalu komplek dalam
mempertimbangkan biaya yang keluar, maka permasalahan kali ini akan membahas mengenai
permasalahan yang datanya komplek. Berikut data yang akan diolah dalam permasalahan ke-2
dan data selengkapnya dapat dilihat pada lampiran.
Tabel 16 Data permasalahan 2
Waiting Service Time in Time

Enter Leave Time Time System inter-
Arrive Server Server (seconds) (seconds) (seconds) arrival
08.00.00 8.00.00 8.02.34 0 154 154 0
08.06.05 8.06.05 8.14.32 0 507 507 365
31
08.13.09 8.14.32 8.24.22 83 590 673 424
08.14.19 8.24.22 8.31.16 603 414 1017 70
08.17.01 8.31.16 8.43.27 855 731 1586 162
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
15.14.09 19.29.48 19.42.11 939 743 1682 10
Data yang ada pada tabel diatas sebelumnya hanya ada arrive, enter server, dan leave server
kemudian untuk dapat diolah lagi maka dihitung waiting time, service time, time in system dan
time interarrival serta untuk perhitungan parameter tersebut dapat dilihat pada lampiran.
Selanjutnya adalah mencari arrival rate dan service rate, berikut tabel hasil pencariannya.
Tabel 17 Service rate dan arrival rate
cust arrive before hour cust arrive/hour cust depart before hour cust deppart/hour
14 14 7 7
28 14 16 9
41 13 25 9
53 12 35 10
66 13 44 9
81 15 51 7
95 14 60 9
100 5 68 8
100 0 75 7
83 8
92 9
100 8
arrivel rate 11,11 service rate 8,33
Kolom customer arrive before hour adalah pelanggan yang tiba sebelum jamnya, maksudnya
adalah pada baris pertama maka jam yang dimaksud yaitu sebelum dan sama dengan jam 9
begitu juga selanjutnya hingga pukul terakhir yang ada di data. Dan arrival rate dihitung dari
rata-rata kedatangan pelanggan per jamnya. Kedatangan pelanggan tersebut dihitung dari
customer arrive before hour saat ini dikurang sebelumnya. Sedangkan untuk service rate sama
seperti arrive hanya saja yang diperhitungkan adalah leave server. Lamda (λ) yang dihasilkan
sama sebesar arrival rate yaitu 11,11 dan untuk miu (µ) sama dengan 8,59 dari 60 dibagi rata-
rata service time (seconds). Selanjutnya melakukan uji SPSS untuk mengetahui distribusi data.
Berikut hasil dari hasil SPSS dengan uji normal, uji uniform, uji poisson dan uji ekxponensial.
32
One-Sample Kolmogorov-Smirnov Test
Waiting_Time Time_in_System Time_Interarrival Service_Time

N 100 100 100 100
Normal Parametersa,b Mean 1632,1700 2051,3700 260,4900 419,2000
Std.
1045,33163 1084,20076 142,95825 229,62781
Deviation
Most Extreme Absolute ,087 ,090 ,085 ,093
Differences Positive ,087 ,090 ,080 ,082
Negative -,059 -,053 -,085 -,093
Test Statistic ,087 ,090 ,085 ,093
Asymp. Sig. (2-tailed) .061c .045c .069c .033c
a. Test distribution is
Normal.
b. Calculated from data.
c. Lilliefors Significance
Correction.
One-Sample Kolmogorov-Smirnov Test 2

N 100 100 100 100
Uniform Parametersa,b Minimum 0,00 50,00 0,00 2,00
Maximum 3536,00 4267,00 499,00 799,00
Negative -,019 -,052 -,073 -,070
Kolmogorov-Smirnov Z ,947 1,330 ,729 ,704
Asymp. Sig. (2-tailed) ,331 ,058 ,663 ,705
Uniform.

N 100 100 100 100
Poisson Parametera,b Mean 1632,1700 2051,3700 260,4900 419,2000
Negative -,498 -,490 -,425 -,434
Kolmogorov-Smirnov Z 4,980 4,899 4,254 4,336
Asymp. Sig. (2-tailed) 0,000 0,000 0,000 0,000
Poisson.
33

N 100c 100 100d 100
Exponential parameter.a,b Mean 1665,4796 2051,3700 263,1212 419,2000
Most Extreme Differences Absolute ,169 ,204 ,195 ,199
Positive ,140 ,125 ,160 ,149
Negative -,169 -,204 -,195 -,199
Asymp. Sig. (2-tailed) ,007 ,000 ,001 ,001
a. Test Distribution is
Exponential.
c. There are 2 values outside the
specified distribution range.
These values are skipped.
d. There is 1 value outside the
specified distribution range. This
value is skipped.
Sehingga dari hasil pengujian tersebut maka data waiting time, service time, time in system dan
interarrival time adalah berdistribusi uniform karena memiliki nilai alpha (Asymp. Sig. (2-
tailed)) yang berada lebih besar dari 0,05. Dikarenakan data berdistribusi uniform maka model
antrian yang diterapkan adalah D/D model dengan analisa menggunakan excel secara manual.
Dikarenakan proses analisis yang dilakukan secara manual maka dibuat pembangkit datanya
dan pembangkit data tersebut maka diperoleh hasil arrival rate dan service time. Berikut tabel
hasil pembangkit data:
Tabel 18 Pembangkit data
Simulasi I Simulasi II Simulasi III Simulasi IV Simulasi V

Arrival Rate 14.28571429 14,28571 12.5 12.5 14.28571429
(λ)
Average 10.00589 9.07795 8.356837 9.496626 9.629641
service time
(µ)
Permasalahan yang diangkat yaitu dari The Riset and Development Department yang sedang
mencoba untuk menentukan apakah akan menyewakan mesin fotokopi yang lambat atau yang
cepat. Berikut pada tabel dibawah, data untuk mesin yang lambat dan cepat.
Tabel 19 Data mesin fotokopi yang lambat dan cepat

Setiap Pegawai 8 6 Menit/ mesin
Menyewa mesin $ 4 $ 4 $/ jam
34
Jumalah rata-rata kedatangan memasuki
λ 6 6 Pegawai/ jam
sistem per satuan waktu
Tingkat layanan (jumlah rata-rata orang atau

μ 7,5 10 Pegawai/ jam
barang yang dilayani per periode waktu)
Tabel 20 Hasil perhitungan permasalahan 1

Rata-rata waktu
1/ λ 0,25 0,25 Jam
kedatangan
Rata-rata waktu
1/ μ 0,1333 0,1 Jam
layanan per pelanggan
Rata-rata waktu selama 1/ λ
0,16667 0,166667 Jam
kedatangan
Traffic intensity ρ ρ = λ/μ 0,8 0,6
Jumlah pelanggan yang L = λW
diharapkan dalam L 4 1,5 Pelanggan
L= ρ / (1-ρ) =
sistem
λ / (μ - λ)
Jumlah pelanggan yang
diharapkan dalam L = LQ + Ls 0,8 0,6 Pelanggan
pelayanan LS
Jumlah pelanggan yang LQ LQ = λWQ
diharapkan dalam LQ = λW -(1 / 3,2 0,9 Pelanggan
antrian μ)
Waktu yang diharapkan W=L/λ

dihabiskan pada sistem W 0,667 0,25 Jam
W= ρ /λ(1-ρ)
(antri atau dilayani)
dihabiskan dalam W = WQ + Ws 0,133 0,1 Jam
pelayanan WS
WQ = W -(1 /
dihabiskan dalam 0,533 0,15 Jam
μ)
antrian WQ
Persentasi tidak
menunggu dalam 20% 40%
antrian
Distribusi bilangan Pn = (1 — ρ)
0,0524 0,01866
dalam sistem Pn ρⁿ ,n≥ 0
Pegawai n 6 6
35
Analisis biaya
Biaya pegawai/ jam $ 10 $ 10
Biaya sewa/ jam $ 5 $ 15
Tunggu= biaya pegawai/jam х waktu
yang diharapkan dihabiskan dalam
Biaya menunggu/ jam antrian $ 20 $ 9
Total biaya/ jam $ 37 $ 24
Permasalahn yang akan dibahas mengenai sebuah SPBU pada hari sabtu yang terdapat antrian
sehingga memungkinkan terjadinya keterlambatan pelayanan untuk pengoptimalan hal tersebut
maka jumlah petugas yang menjadi pertimbangannya. Berikut data yang diberikan SPBU dan
selengkapnya dapat dilihat pada lampiran.
Tabel 21 Data Permasalahan 4

Number Arrive Server Server (seconds) (seconds) (seconds) arrival
1 08.00.00 8.00.00 8.09.21 0 561 561 0
2 08.02.59 8.09.21 8.16.40 382 439 821 179
3 08.07.32 8.16.40 8.23.29 548 409 957 273
4 08.12.55 8.23.29 8.35.23 634 714 1348 323
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
100 13.40.08 21.48.24 21.59.29 496 665 1161 159
Data yang ada pada tabel diatas sebelumnya hanya ada arrive, enter server, dan leave server
kemudian untuk dapat diolah lagi maka dihitung waiting time, service time, time in system dan
time interarrival serta untuk perhitungan parameter tersebut dapat dilihat pada lampiran.
Selanjutnya adalah mencari arrival rate dan service rate, berikut tabel hasil pencariannya.
Tabel 22 Service rate dan arrival rate
18 18 7 7
34 16 14 7
50 16 20 6
67 17 28 8
86 19 35 7
100 14 42 7
49 7
57 8
64 7
71 7
36
78 7
85 7
92 7
100 8
arrivel rate 16,67 service rate 7,14
Kolom customer arrive before hour adalah pelanggan yang tiba sebelum jamnya, maksudnya
adalah pada baris pertama maka jam yang dimaksud yaitu sebelum dan sama dengan jam 9
begitu juga selanjutnya hingga pukul terakhir yang ada di data. Dan arrival rate dihitung dari
rata-rata kedatangan pelanggan per jamnya. Kedatangan pelanggan tersebut dihitung dari
customer arrive before hour saat ini dikurang sebelumnya. Sedangkan untuk service rate sama
seperti arrive hanya saja yang diperhitungkan adalah leave server. Lamda (λ) yang dihasilkan
sama sebesar arrival rate yaitu 16,67 dan untuk miu (µ) sama dengan7,15 dari 60 dibagi rata-
rata service time (seconds). Selanjutnya melakukan uji SPSS untuk mengetahui distribusi data.
Berikut hasil dari hasil SPSS dengan uji normal, uji uniform, uji poisson dan uji ekxponensial.
One-Sample Kolmogorov-Smirnov Test
N 100 100 100 100
Normal Parametersa,b Mean 1724,3200 2228,0100 204,0800 503,6900
Std.
1063,87413 1064,84162 80,25964 93,42568
Deviation
Positive ,073 ,070 ,032 ,032
Negative -,068 -,071 -,055 -,040
Test Statistic ,073 ,071 ,055 ,040
Asymp. Sig. (2-tailed) .200c,d .200c,d .200c,d .200c,d
a. Test distribution is Normal.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true
significance.

N 100 100 100 100
Uniform Parametersa,b Minimum 0,00 506,00 0,00 231,00
Maximum 3584,00 4161,00 353,00 714,00
Positive ,051 ,060 ,039 ,112
Negative -,018 -,010 -,214 -,239
Kolmogorov-Smirnov Z ,510 ,603 2,144 2,392
Asymp. Sig. (2-tailed) ,957 ,860 ,000 ,000
a. Test distribution is Uniform.
37
N 100 100 100 100
Poisson Parametera,b Mean 1724,3200 2228,0100 204,0800 503,6900
Positive ,488 ,480 ,349 ,318
Negative -,474 -,438 -,345 -,333
Kolmogorov-Smirnov Z
4,882 4,799 3,492 3,327
Asymp. Sig. (2-tailed) 0,000 0,000 0,000 0,000
a. Test distribution is Poisson.

N 100c 100 100c 100
Exponential parameter.a,b Mean 1741,7374 2228,0100 206,1414 503,6900
Positive ,138 ,155 ,191 ,242
Negative -,166 -,226 -,315 -,462
Asymp. Sig. (2-tailed) ,009 ,000 0,000 0,000
a. Test Distribution is Exponential.

c. There is 1 value outside the specified

distribution range. This value is skipped.
Sehingga dari hasil pengujian tersebut maka data waiting time, service time, time in system dan
interarrival time adalah berdistribusi normal karena memiliki nilai alpha (Asymp. Sig. (2-
tailed)) yang berada lebih besar dari 0,05. Dikarenakan data berdistribusi normal maka model
antrian yang diterapkan adalah G/G model dengan analisa menggunakan excel yang terdapat
add ins queuenya. Berikut hasil dari simulasi apabila dilakukan penambahan petugas sebanyak
3, 4 dan 5 pertugas/ server.
Tabel 23 Simulasi data queue
Queue Station Que_1 Que_2 Que_3

Arrival Rate 1667 1667 1667
Service Rate/Channel 715 715 715
Number of Servers 3 4 5
Max. Number in System *** *** ***
Number in Population *** *** ***
Type M/M/3 M/M/4 M/M/5
Mean Number at Station 4,46027 2,702574 2,421241
Mean Time at Station 0,002676 0,001621 0,001452
Mean Number in Queue 2,128801 0,371105 0,089773
38
Queue Station Que_1 Que_2 Que_3
Mean Time in Queue 0,001277 0,000223 5,39E-05
Mean Number in Service 2,331469 2,331469 2,331469
Mean Time in Service 0,001399 0,001399 0,001399
Throughput Rate 1667 1667 1667
Efficiency 0,777156 0,582867 0,466294
Probability All Servers Idle 0,064401 0,089985 0,095526
Prob. All Servers Busy 0,610418 0,265584 0,102751
Prob. System Full 0 0 0
Critical Wait Time 1 1 1
P(Wait >= Critical Wait) 1,6E-208 0 0
P(0) 0,064401 0,089985 0,095526
P(1) 0,150148 0,209797 0,222716
P(2) 0,175033 0,244567 0,259628
P(3) 0,136028 0,190067 0,201772
P(4) 0,105715 0,110784 0,117606
P(5) 0,082157 0,064572 0,054839
P(6) 0,063849 0,037637 0,025571
P(7) 0,049621 0,021937 0,011924
P(8) 0,038563 0,012787 0,00556
P(9) 0,029969 0,007453 0,002593
P(10) 0,023291 0,004344 0,001209
Dari hasil simulasi yang diperoleh maka dapat dihitung total cost yang dikeluarkan agar
pemilihan petugas/ server dapat lebih mudah. Tabel berikut akan memperlihatkan perbedaaan
dari ke tiga pilihan yang ada.
Tabel 24 Hasil Permasalahan 4
3 4 5
Performance Average in minute Average in minute Average in minute
Mean Number at Station 4,46 22,30 2,48 12,40 2,39 11,95
Mean Time at Station 0,00 0,16 0,15 8,82 0,14 8,36
Mean Number in Queue 2,13 10,64 0,26 1,32 0,04 0,20
Mean Time in Queue 0,00 0,08 0,02 0,97 0,00 0,14
Mean Number in Service 2,33 11,66 2,22 11,08 2,35 11,76
Mean Time in Service 0,00 0,08 0,13 7,85 0,14 8,22
Effeciency 78% 55% 47%
Service cost $ 5,00 $ 20,00 $ 25,00
Delay Cost $ 1,06 $ 0,13 $ 0,02
Total Cost $ 16,06 $ 20,13 $ 25,02
39
4.5 Pembahasan
Dalam soal ini, Departemen Sains akan memilih akankah merental slow copier atau fast copier
dengan perhitungan biaya dan kemampuan copier. Dalam hal ini kasus terdistribusi
eksponensial. Untuk perhitungannya menggunakan rumus M/M model.
Adapun hasil perhitungan dengan total cost:
Rental Slow Copier = $24
Rental Fast Copier = $19
Berdasarkan total cost antara kedua copier, maka disarankan untuk merental Fast copier karena
memiliki total cost yang lebih kecil.
Pada permasalahan 2 melalui pengujian pendistribusian menggunakan SPSS diperoleh bahwa
data berdistribusi uniform. Sehingga perlu dimodelkan dengan D/D model dengan
membangkitkan data random (Data generate) menggunakan SPSS untuk mendapatkan service
time dan inter-arrival time yang baru. Adapun hasil yang diperoleh:
Tabel 25 Pembahasan Permasalahan 2
Simulasi I Simulasi II Simulasi III Simulasi IV Simulasi V

Arrival Rate 14.28571429 14,28571 12.5 12.5 14.28571429
(λ)
Average 10.00589 9.07795 8.356837 9.496626 9.629641
service time
(µ)
Dalam soal ini, Departemen Riset dan Pengembangan akan memilih akankah merental slow
machine atau fast machine dengan perhitungan biaya dan kemampuan machine. Dalam hal ini
kasus terdistribusi eksponensial. Untuk perhitungannya menggunakan rumus M/M model.
Adapun hasil perhitungan dengan total cost:
Rental Slow Machine = $37
Rental Fast Machine = $24
Berdasarkan total cost antara kedua machine, maka disarankan untuk merental Fast machine
karena memiliki total cost yang lebih kecil.
Pada permasalahan 4 melalui pengujian pendistribusian menggunakan SPSS diperoleh bahwa
data berdistribusi normal. Sehingga perlu dimodelkan dengan G/G model dilanjutkan dengan
40
analyse queueing performance with queue Add ind Excel. Berdasarkan hasil pengolahan data
excel diperoleh:
3 4 5
Performance Average in minute Average in minute Average in minute
Mean Number at Station 4,46 22,30 2,48 12,40 2,39 11,95
Mean Time at Station 0,00 0,16 0,15 8,82 0,14 8,36
Mean Number in Queue 2,13 10,64 0,26 1,32 0,04 0,20
Mean Time in Queue 0,00 0,08 0,02 0,97 0,00 0,14
Mean Number in Service 2,33 11,66 2,22 11,08 2,35 11,76
Mean Time in Service 0,00 0,08 0,13 7,85 0,14 8,22
Effeciency 78% 55% 47%
Service cost $ 5,00 $ 20,00 $ 25,00
Delay Cost $ 1,06 $ 0,13 $ 0,02
Total Cost $ 16,06 $ 20,13 $ 25,02
Berdasarkan hasil perhitungan maka dapat dibuat perbandingan antara 3, 4 dan 5 server.
Adapun total cost terkecil yaitu pada 3 server. Jadi sebaiknya Gas Station in Saturday
menggunakan 3 server untuk bekerja pada hari Saturday untuk meminimalisir service and
delay cost.
4.6 Kesimpulan
1. Parameter dalam sistem antrian terbagi menjadi 4 yaitu: waiting time, service time, time
in system, dan interarrival time.
2. Simulasi sitem antrian dilakukan dengan menggunakan add-ins queue tepatnya pada tool
QR_MM. Simulasi tidak dapat dilakukan sekali melainkan harus beberapa kali dan pada
akhirnya akan dirata-ratakan agar hasil dapat lebih akurat untuk perhitungan selanjutnya.
3. Untuk meningkatkan sistem antrian dapat dengan menambahkan atau mengurangi server,
hal ini dapat dilihat dari perhitungan waktu pada sistem, antrian maupun kedatangan atau
perhitungan jumlah pelanggannya, sehingga nilai total biaya seluruhnya akan tampak dan
biaya yang paling minimal merupakan pilihan terbaik.
41
MODUL IV
Simulation of Inventory System
5.1 Pendahuluan
Persediaan merupakan salah satu bentuk manajemen yang dapat membuat perusahaan profit
apabila dikelola dengan baik. Persediaan dapat berupa bahan baku, bahan setengah jadi
maupun bahan jadi. Persediaan berkaitan dengan permintaan, dimana persediaan harus dapat
mengantisipasi banyaknya permintaan agar tidak menimbulkan overstock ataupun understock.
Persediaan juga tidak terlepas dari yang namanya biaya, adapun biaya yang bersangkutan
dengan persediaan biasanya ialah holding cost, ordering cost dan stockout cost. Hal ini pula
yang menyebabkan persediaan menjadi salah satu masalah penting dalam perusahaan. Untuk
permasalahan tersebut dibutuhkan solusi yang tepat seperti melakukan simulasi dari waktu ke
waktu sehingga mempermudah mengambil keputusan. Simulasi berbeda dengan optimasi,
simulasi lebih pada menguji sistem, fungsi atau model yang sudah optimal sebelumnya dalam
pengambilan keputusan.
5.1.2 Tujuan
Adapun tujuan yang ingin dicapai dalam laporan praktikum adalah sebagai berikut:
1. Melakukan percobaan yang berbeda-beda pada banyaknya order dan reorder point.
2. Dapat mencari biaya total terkecil (paling minimal) dengan mengelola biaya inventory
yaitu ordering cost, holding cost dan stock out costs.
5.1.3 Metodologi
7. Menggunakan Microsoft Excel dengan menggunakan berbagai kalkulasi seperti
penggunaan if, sum, average dan lain sebagainya.
8. Membangkitkan data acak dengan menggunakan formula randbetween pada Ms.
Excel.
5.2 Dasar Teori
5.2.1 Persediaan (Inventory)
Menurut Arman dan Yudha (2008) persediaan adalah sumber daya menganggur (idle
resources) yang menunggu proses lebih lanjut. Sistem persediaan merupakan salah satu bagian
penting dari masalah simulasi. Ada dua variabel keputusan yaitu penggunaan order quantity
maupun reorder point dan dua komponen probabilistik yaitu daily demand dan reorder lead
42
time. Persediaan yang lebih besar harus bisa setimpal dengan biaya yang minimum agar tidak
menimbulkan kerugian.
5.2.2 Pengenalan Simulasi
Berdasarkan Kamus Besar Bahasa Indonesia simulasi adalah suatu metode yang meragakan
sesuatu dalam bentuk tiruan yang mirip dengan keadaan yang sesungguhnya untuk memahami
bagaimana sistem tersebut bekerja. Kemudian simulasi tersebut akan digunakan untuk
memperkirakan efek berbagai tindakan, adapun gagasan dari simulasi ini adalah untuk meniru
sebuah situasi dalam dunia nyata secara matematis kemudian mempelajari karakteristik
operasi tersebut dan akhirnya menarik kesimpulan dan mengambil keputusan tindakan
berdasarkan kepada hasil simulasi (Heizer & Render, 2005). Tujuan simulasi adalah mencoba
berbagai skema/ kemungkinan dari order quantity dan reorder point dan untuk menemukan
biaya persediaan terkecil. Proses simulasi menurut Heizer dan Render seperti gambar dibawah,
Mengidentifikasi
Masalah
Memperkenalkan Melaksanakan
Variabel Simulasi
Mengembangkan Menguji Hasil

Model Simulasi
Menetapkan Nilai Memilih Cara

Variabel yang terbaik
Gambar 9 Proses Simulasi
Sumber: (Heizer & Render, 2005)
5.2.3 Simulasi Monte Carlo

Salah satu metode simulasi ialah simulasi Monte Carlo, yang merupakan bentuk simulasi
dimana solusi dari suatu masalah diberikan berdasarkan proses randomisasi (acak). Simulasi
Monte Carlo digunakan untuk mengamati hal yang rumit, memprediksi sesuatu di masa depan
dari suatu sistem, dan mempelajari efek dari hasil masukan dan perubahan parameter dalam
suatu sistem. Menurut Tersine (1994) simulasi monte carlo adalah jenis simulasi probabilistik
yang mendekati solusi masalah dengan sampling dari sebuah proses acak, meliputi penentuan
distribusi probabilitas dari variabel yang diteliti dan kemudian sampel acak dari distribusi
untuk mendapatkan data. Serangkaian angka acak digunakan untuk menjelaskan pergerakan
43
variabel acak yang memungkinkan urutan buatan realistis peristiwa yang tejadi. Teknik
simulasi Monte Carlo terbagi atas lima langkah sederhana:
1. Menetapkan sebuah distribusi probabilitas bagi variabel penting
2. Membuat distribusi probabilitas kumulatif bagi setiap variabel
3. Menetapkan sebuah interval bilangan acak bagi setiap variabel
4. Membangkitkan bilangan acak
5. Mensimulasikan serangkaian percobaan
5.3.1 Bahan
Hari/ Tanggal : Rabu, 28 Oktober 2017
Pukul : 08.00 WIB - selesai
Gedung : 916
5.3.2 Metode
Peralatan yang digunakan selama praktikum modul IV mengenai simulasi sistem persediaan
ialah laptop yang telah terinstal SPSS dan Ms. Excel. Proses simulasi dilakukan dengan
menggunakan software Microsoft Excel agar dapat dengan mudah dalam membangkitkan
bialangan acak (random) dalam proses simulasi. Teknik simulasi yang dilakukan ialah teknik
simulasi Monte Carlo yang dapat memperkirakan volume setiap order maupun selang waktu
antar (kedatangan) order.
5.4 Hasil
5.4.1 Permasalahan 1 (Example 4)
Studi Kasus: Butik Teguh adalah butik yang menjual kaos baju khusus di kalangan anak muda.
Salah satu jenis T-shirt yang dijual adalah kaos Hushus. Jumlah permintaan kaos dalam 300
hari atau tuntutan harian produksi adalah sebagai berikut
Demand for
Frequency
T-shirt
0 12
1 30
2 45
3 123
4 60
5 30
Total 300
44
Manajer membuat kebijakan yaitu dilakukan pemesanan jika T-shirt tersissa 5 atau kurang
termasuk yang ada di persediaan. Jumlah untuk sekali memesan adalah sebanyak 10 pcs/ order.
Saat melakukan pemesanan, pemasok memiliki lead time yang bervariasi sesuai data berikut:
Tabel 28 Data Lead Time Permasalahan 1
Lead Time Frequency

1 25
2 60
3 15
Ketentuan yang diberikan dengan menggunakan Monte Carlo yaitu simulasi selama 10 hari.
Selanjutnya untuk menyelesaikan permasalahan tersebut maka dilakukan perhitungan
probabilitas permintaan T-shirt pada Teguh Boutique dan probabilitas lead time yang terjadi,
berikut hasil perhitungannya.
Tabel 29 Probabilitas Kumulatif Permasalahan 1
Demand
Frequency Probability Cumulative Bound
for T-shirt
0 12 0,04 0,04 4
1 30 0,1 0,14 14
2 45 0,15 0,29 29
3 123 0,41 0,7 70
4 60 0,2 0,9 90
5 30 0,1 1 100
300 1
Cumulative
Lead Time Frequency Probability Bound
Probability
1 25 0,25 0,25 25
2 60 0,6 0,85 60
3 15 0,15 1 15
100 1 100
Pada permasalahan 1 ini yang ingin diketahui dan dicari ialah jumlah shortage yang
ditimbulkan, apabila diketahui beberapa data seperti pada tabel dibawah
Tabel 30 Data tambahan permasalahan 1
Data Jumlah Satuan

Holding Cost 1 $
Order Cost 20 $
Shortage Cost 25 $
Beginning inventory 10 Unit
45
Data Jumlah Satuan
Order Quantity 10 Unit
Reorder Point 5 Unit
Simulate 10 Hari
Selain data diatas yang digunakan untuk perhitungan simulasi 10 hari maka terlebih dahulu
dibangkitkan data acak (random number) seperti pada tabel dibawah.
Tabel 31 Random Number Permasalahan 1
Days 1 2 3 4 5 6 7 8 9 10
Rand Numb 52 68 1 21 24 55 15 90 32 23
Setelah data tersebut diketahui maka kemudian dilakukan perhitungan untuk mengetahui
jumlah shortage, rata-rata pengeluaran/ hari dan dapat melakukan simulasi untuk menentukan
biaya minimum yang timbul jika variabel reorder point dan order quantity diubah-ubah. Pada
tabel dibawah merupakan hasil dari perhitungan simulasi selama 10 hari dengan reorder point
sebesar 5 dan order quantity sebesar 10
Tabel 32 Hasil Perhitungan Permasalahan 1
Order Ending
Unit Beginning Random Ending Lost Random Lead Day of Hold Order Short Total
Day Receive Demand Inventory + Order?
Received Inventory Number Inventory Sale Number Time arrival Cost Cost Cost Cost
d On order
1 0 0 10 52 3 7 0 7 No 7 0 0 7
2 0 0 7 68 3 4 0 4 Yes 8 1 4 4 20 0 24
3 0 0 4 1 0 4 0 14 No 4 0 0 4
4 1 10 14 21 2 12 0 12 No 12 0 0 12
5 0 0 12 24 2 10 0 10 No 10 0 0 10
6 0 0 10 55 3 7 0 7 No 7 0 0 7
7 0 0 7 15 2 5 0 5 No 5 0 0 5
8 0 0 5 90 4 1 0 1 Yes 64 2 11 1 20 0 21
9 0 0 1 32 3 0 2 8 No 0 0 50 50
10 0 0 0 23 2 0 2 6 No 0 0 50 50
Total Cost 190

Average Daily
Cost 19
5.4.2 Permasalahan 2 (Example 5)

Studi kasus: Sound System Inc. Adalah perusahaan perlengkapan audio berkualitas tinggi
termasuk sistem personal audio yang populer. Permintaan pada produk yang ada sangat
beragam dan sangat sulit untuk mengantisipasi kapan dan berapa banyak permintaan untuk
produk tersebut. Terkadang saat toko buka sampai setengah hari pembeli tak kunjung datang
namun satu hari dalam sebulan tiga atau mungkin empat order bisa muncul. Jika variabel
permintaan adalah satu-satunya sumber ketidakpastian, jumlah order dan reorder point
didasarkan pada model persediaan periode tunggal. Namun permasalahan persediaan sangat
rumit karena pada kenyataannya lead time berbeda pada satu dan lima hari. Hal ini
46
menyebabkan perusahaan dapat kehabisan persediaan pada beberapa kesempatan. Setelah
menganalisis delivery charges dan biaya untuk pemesanan, maka manajer memperkirakan
beberapa biaya seperti tampak pada tabel dibawah.
Tabel 33 Data biaya permasalahan 2
Cost Componen Jumlah Satuan

Order Cost 40 Per order
Holding Cost 0,2 Per unit per day
Back Order Cost 100 Per unit
Sehingga total biaya dapat dihitung dari penjumlahan ordering cost, shortage cost dan holding
cost. Tujuan yang ingin dicapai pada permasalahan ini ialah untuk mendapatkan kombinasi
dari order quantity dan reorder point dengan total biaya seminimal mungkin. Sehingga untuk
mendapatkannya dilakukan simulasi Monte Carlo dengan data pada tabel berikut ini.
Demand
Cumulative
Units Frequency Probability Probability Bound
0 150 0,5 0,5 50
1 75 0,25 0,75 75
2 45 0,15 0,9 90
3 15 0,05 0,95 95
4 15 0,05 1 100
Total 300 1
Lead Time
Cumulative
Days Frequency Probability Probability Bound
1 6 0,2 0,2 20
2 3 0,1 0,3 30
3 12 0,4 0,7 70
4 6 0,2 0,9 90
5 3 0,1 1 100
15 30 1
Data probabilitas kumulatif dari lead time dan demand inilah yang menjadi patokan untuk
random number dalam menentukan besarnya atau banyaknya jumlah demand dan lead time.
Tabel dibawah merupakan random number untuk permasalahan 2.
47
Days Rand Numb

1 68
2 82
3 88
4 13
5 1
6 10
7 72
8 39
9 2
10 67
11 41
12 76
13 49
14 1
15 34
16 19
17 74
18 14
19 98
20 72
Melalui random number yang diketahui maka dapat diperhitungkan jumlah demand yang akan
digunakan untuk perhitungan selanjutnya. Selanjutnya menghitung besar biaya dan rata-rata
biaya yang keluar setiap harinya dan hasilnya dapat dilihat pada tabel dibawah.
Tabel 36 Hasil Permasalahan 2
Ending
Beginning
Beginning Order Random Stock Ending Back Random Day of Order
Day No Unit Received stock level + Demand Order? In Order Lead time Hold cost Short cost Total cost
Inventory Received Number level + in inventory Order number arrival cost
in order
order
5 5
1 5 0 0 5 68 1 4 4 0 No 0 0,8 0 0,8
2 4 0 0 4 82 2 2 2 0 Yes 5 55 3 5 0,4 40 0 40,4
3 2 0 0 7 88 2 5 0 0 No 0 0 0 0
4 0 0 0 5 13 0 5 0 0 No 0 0 0 0
5 0 1 5 5 1 0 5 5 0 No 0 1 0 1
6 5 0 0 5 10 0 5 5 0 No 0 1 0 1
7 5 0 0 5 72 1 4 4 0 No 0 0,8 0 0,8
8 4 0 0 4 39 0 4 4 0 No 0 0,8 0 0,8
9 4 0 0 4 2 0 4 4 0 No 0 0,8 0 0,8
10 4 0 0 4 67 1 3 3 0 Yes 5 86 4 14 0,6 40 0 40,6
11 3 0 0 8 41 0 8 3 0 No 0 0,6 0 0,6
12 3 0 0 8 76 2 6 1 0 No 0 0,2 0 0,2
13 1 0 0 6 49 0 6 1 0 No 0 0,2 0 0,2
14 1 1 5 6 1 0 6 6 0 No 0 1,2 0 1,2
15 6 0 0 6 34 0 6 6 0 No 0 1,2 0 1,2
16 6 0 0 6 19 0 6 6 0 No 0 1,2 0 1,2
17 6 0 0 6 74 1 5 5 0 No 0 1 0 1
18 5 0 0 5 14 0 5 5 0 No 0 1 0 1
19 5 0 0 5 98 4 1 1 0 Yes 5 25 2 21 0,2 40 0 40,2
20 1 0 0 6 72 1 5 0 0 No 0 0 0 0
Cost 133
Average Daily
Cost 6,65
48
5.4.3 Permasalahan 3 (Exercise 1)
Berikut merupakan studi kasus yang dapat diselesaikan dengan menggunakan simulasi Monte
Carlo. Study kasus: Seorang tukang roti sedang mencoba menentukan berapa dus banyaknya
bagel yang harus dipanggang setiap hari. Distribusi probabilitas pelanggan bagel dan jumlah
pemesanan per dusnya dapat dilihat pada tabel dibawah:
Number of Number of Dozen

Probability
Customers/Day ordered/Customer Probability
8 0,35 1 0,4
10 0,3 2 0,3
12 0,25 3 0,2
14 0,1 4 0,1
Harga penjualan bagel $5,4/ dus, biaya pembuatan $3,8/dus. Semua bagel yang tidak terjual
maka akan dijual ke toko grosir setengah dari harga penjualan sebelumnya. Berdasarkan
simulasi 5 hari, berapa dus bagel yang sebaiknya dipanggang setiap harinya?
Penyelesaian terhadap masalah diatas yaitu dengan menggunakan simulasi Monte Carlo. Untuk
dapat membangkitkan data maka sebelumnya dihitung distribusi probabilitas kumulatif bagi
setiap variabel, pada tabel berikut akan ditampilkan hasil perhitungannya:
Tabel 38 Probabilitas Kumulatif Permasalahan 3
Number of
Probability Cumulative
Customers/Day Bound
8 0,35 0,35 35
10 0,3 0,65 65
12 0,25 0,9 90
14 0,1 1 100
Number of Dozen
ordered/Customer Probability Cumulative Bound
1 0,4 0,4 40
2 0,3 0,7 70
3 0,2 0,9 90
4 0,1 1 100
Selanjutnya akan di tetapkan sebuah interval bilangan acak bagi setiap variabel atau yang
disebut dengan pembangkit data, berikut hasil bilangan acak yang ditetapkan dengan
menggunakan formulasi randbetween.
49
Rand Numb of Cust/ days Rand Numb of Dozen

6 8
22 87
86 34
37 36
21 99
Berdasarkan bilangan acak tersebut maka dapat dilakukan simulasi dengan

mempertimbangkan revenue, lost profit from excess demand, salvage from sale of scrap dan
keuntungan setiap harinya. Tabel dibawah akan menampilkan hasil kalkulasi apabila jumlah
dus yang diproduksi sebanyak 10.
Tabel 40 Pengolahan Data Permasalahan 3
Lost
Salvage
Number Profit
Number From
Rand of Rand from Daily
Day of Demand Revenue Sale of
Numb customer/ Numb Excess Profit
Dozen Scrap
days Demand
($)
($)
1 6 8 8 1 8 43,2 0 5,4 10,6
2 22 8 87 3 24 54 37,8 0 -21,8
3 86 12 34 1 12 54 5,4 0 10,6
4 37 10 36 1 10 54 0 0 16
5 21 8 99 4 32 54 59,4 0 -43,4
Untuk dapat mengetahui jumlah produksi bagel/ dus yang paling mengguntungkan maka
dilakukan beberapa kali simulasi. Berikut hasil simulasi berdasarkan jumlah produksi bagel
setiap harinya:
Tabel 41 Hasil Simulasi Permasalahan 3
Simulasi dengan Jumlah Produksi yang Berbeda

Day 1 2 3 4 5 6 7 8 9 10 20 30 40 50
1 -17,3 -13 -8,7 -4,4 -0,1 4,2 8,5 12,8 11,7 10,6 -0,4 -11,4 -22,4 -33,4
2 -60,5 -56,2 -51,9 -47,6 -43,3 -39 -34,7 -30,4 -26,1 -21,8 21,2 31,8 20,8 9,8
3 -28,1 -23,8 -19,5 -15,2 -10,9 -6,6 -2,3 2 6,3 10,6 10,4 -0,6 -11,6 -22,6
4 -22,7 -18,4 -14,1 -9,8 -5,5 -1,2 3,1 7,4 11,7 16 5 -6 -17 -28
5 -82,1 -77,8 -73,5 -69,2 -64,9 -60,6 -56,3 -52 -47,7 -43,4 -0,4 42,6 42,4 31,4
Total -210,7 -189,2 -167,7 -146,2 -124,7 -103,2 -81,7 -60,2 -44,1 -28 35,8 56,4 12,2 -42,8
50
Studi Kasus: Distribusi probabilitas permintaan dan lead time pada widgets dapat dilihat pada
tabel dibawah ini.
Tabel 42 Data Distribusi probabilitas dan lead time permasalahan 4
Daily
Demand Probability Cumulative Bound
0 0,33 0,33 33
1 0,25 0,58 58
2 0,2 0,78 78
3 0,12 0,9 90
4 0,1 1 100
Lead
Time Probability Cumulative Bound
1 0,3 0,3 30
2 0,5 0,8 80
3 0,2 1 100
Persediaan diperiksa setiap 7 hari (pabrik beroperasi setiap hari) dan jika persediaan telah
mencapai stock level (reorder point) yaitu sebesar 6 unit atau kurang, dan untuk sekali
pemesanan sebesar 10 widgets. Simulasi dilakukan dengan data seperti pada tabel berikut.
Tabel 43 Data Pelengkap Simulasi Permasalahan 4
Data Jumlah Satuan

Begining
12 Unit
Inventory
Simulate 6 Week
Untuk permasalahan 4 yang ingin dicari tahu apakah nilai dari shortage akan berubah jika
dilakukan simulasi pada jumlah order quantity dan reorder point . Pada tabel dibawah akan
memperlihatkan besarnya jumlah shortage pada awalnya yaitu jika menggunakan order
quantity dan reorder point sebesar 10 dan 6.
51
Tabel 44 Hasil Pengolahan Data Permasalahan 4
Beginnin Random
Order Unit Ending Lost Ending Inventory Random Number Lead Day of
Day g Number of Demand Order?
Received Received Inventory Sale + On order of Lead Time Time arrival
Inventory Demand
1 0 0 12 27 0 12 0 12 No
2 0 0 12 59 2 10 0 10 No 46 3 6
3 0 0 10 7 0 10 0 10 No
4 0 0 10 19 0 10 0 10 No
5 0 0 10 88 3 7 0 7 No
6 1 10 17 46 1 16 0 6 Yes 54 3 10
7 0 0 16 21 0 16 0 16 No
8 0 0 16 16 0 16 0 16 No
9 0 0 16 88 3 13 0 13 No
10 1 10 23 85 3 20 0 10 No
11 0 0 20 80 3 17 0 7 No
12 0 0 17 41 1 16 0 6 Yes 72 3 16
13 0 0 16 21 0 16 0 16 No
14 0 0 16 17 0 16 0 16 No
15 0 0 16 18 0 16 0 16 No
16 1 10 26 89 3 23 0 13 No
17 0 0 23 56 1 22 0 12 No
18 0 0 22 35 1 21 0 11 No
19 0 0 21 62 2 19 0 9 No
20 0 0 19 25 0 19 0 9 No
21 0 0 19 20 0 19 0 9 No
22 0 0 19 44 1 18 0 8 No
23 0 0 18 36 1 17 0 7 No
24 0 0 17 38 1 16 0 6 Yes 96 3 28
25 0 0 16 88 3 13 0 13 No
26 0 0 13 17 0 13 0 13 No
27 0 0 13 12 0 13 0 13 No
28 1 10 23 69 2 21 0 11 No
29 0 0 21 25 0 21 0 11 No
30 0 0 21 94 4 17 0 7 No
31 0 0 17 70 2 15 0 5 Yes 18 1 33
32 0 0 15 52 1 14 0 14 No
33 1 10 24 15 0 24 0 14 No
34 0 0 24 16 0 24 0 14 No
35 0 0 24 83 3 21 0 11 No
36 0 0 21 64 2 19 0 9 No
37 0 0 19 87 3 16 0 6 Yes 33 3 41
38 0 0 16 8 0 16 0 16 No
39 0 0 16 36 1 15 0 15 No
40 0 0 15 38 1 14 0 14 No
41 1 10 24 39 1 23 0 13 No
42 0 0 23 33 0 23 0 13 No
Shortage 0
Selanjutnya akan dilakukan simulasi jika order quantity dan reorder point berubah-ubah
(ditambahi atau dikurangi). Berikut data hasil simulasi yang dilakukan pada praktikum modul
IV
Tabel 45 Hasil Simulasi Permasalahan 4
Reorder
Order Quantity Shortages
Point
1 1 8
2 5 2
10 1 0
10 6 0
11 10 0
12 15 0
52
Bristol Bikes, Inc. ingin memperbaiki order quantity dan reorder point untuk meminimalkan
total biaya yang terkait dengan persediaan sepeda. Berikut data permintaan dan lead time yang
dimiliki perusahaan tersebut.
Tabel 46 Data Permintaan dan Lead time pada permasalahan 5
Demand Probability Cumulative Bound

0 0,2 0,2 20
1 0,5 0,7 70
2 0,1 0,8 80
3 0,1 0,9 90
4 0,05 0,95 95
5 0,05 1 100
Lead Time Probability Cumulative Bound

1 0,1 0,1 10
2 0,25 0,35 35
3 0,6 0,95 95
4 0,05 1 100
Selain data tersebut terdapat harga-harga yang mengakibatkan penambahan maupun

pengurangan dari total biaya yang ada. Tabel dibawah merupakan data tambahan untuk
mengetahui total biaya pada perusahaan.
Data Jumlah Satuan

Holding Cost 1 $/ Week
Order Cost 20 Per Order
Shortage Cost 25 Per Unit
Begining
7
Inventory Unit
Order Quantity 12 Unit
Reorder Point 5 Unit
Simulate 10 Week
Sehingga berdasarkan seluruh data yang ada maka dilakukan perhitungan untuk menentukan
besarnya total cost. Tabel dibawah merupakan hasil perhitungan total cost jika order quantity
dan reorder point sebesar 12 dan 5.
53
Order Unit Beginning Random Ending Ending Inventory + Random Day of Order Short Total
Day Demand Lost Sale Order? Lead Time Hold Cost
Received Received Inventory Number Inventory On order Number arrival Cost Cost Cost
1 0 0 7 69 1 6 0 6 No 6 0 0 6
2 0 0 6 54 1 5 0 5 Yes 20 2 5 5 20 0 25
3 0 0 5 75 2 3 0 15 No 3 0 0 3
4 0 0 3 7 0 3 0 15 No 3 0 0 3
5 1 12 15 50 1 14 0 14 No 14 0 0 14
6 0 0 14 35 1 13 0 13 No 13 0 0 13
7 0 0 13 84 3 10 0 10 No 10 0 0 10
8 0 0 10 13 0 10 0 10 No 10 0 0 10
9 0 0 10 26 1 9 0 9 No 9 0 0 9
10 0 0 9 63 1 8 0 8 No 8 0 0 8
Total Cost 101
Average Daily Cost 10
5.5 Pembahasan
Pada permasalahan ini yang menjadi tujuan dari butik Teguh ialah mencari besarnya total biaya
dan rata-ratanya apabila jumlah dari reorder point dan order quantity sebesar 1 dan 5.
Berdasarkan data probabilitas demand dan lead time selama 10 hari yang ada sebelumnya maka
hasil yang diperoleh untuk total biaya keseluruhan yaitu sebesar 190 dan untuk rata-rata biaya
perharinya yaitu sebesar 19. Order yang dilakukan beradasarkan simulasi Monte Carlo terjadi
sebanyak dua kali yaitu pada hari kedua dan kedelapan. Lead time dan day of arrival
bergantung pada random number yang muncul. Seperti pada dasarnya bahwa simulasi Monte
Carlo merupakan suatu metode untuk mengevaluasi suatu model deterministik yang
melibatkan bilangan acak (random number) sebagai salah satu input.
Berdasarkan permasalahan yang dialami oleh perusahaan sound system, sehingga untuk
mencapai tujuan perusahaan tersebut yaitu agar mendapatkan kombinasi dari order quantity
dan reorder point yang mengakibatkan biaya tidak banyak keluar. Melalui simulasi Monte
Carlo maka hasil yang diperoleh sebesar 133 untuk total biaya seluruhnya dan untuk rata-rata
biaya setiap harinya sebesar 6,65. Dengan hasil tersebut maka order yang dilakukan ada
sebanyak 3 kali yaitu pada hari kedua, kesepuluh dan kesembilan belas.
Dalam penyelesaian permasalahan 3 dilakukan simulasi monte carlo yaitu selama 5 hari.
Berdasarkan hasil yang didapatkan sebelumnya yang menjadi total produksi paling
mengguntungkan bagi penjual roti pada produksi dengan jumlah sebesar 30 unit bagel, dapat
dilihat dari tabel dibawah ini.
Day Total Daily

Quantity Profit
1 2 3 4 5
1 -17,3 -60,5 -28,1 -22,7 -82,1 -210,7
2 -13 -56,2 -23,8 -18,4 -77,8 -189,2
54
Day Total Daily
Quantity Profit
1 2 3 4 5
3 -8,7 -51,9 -19,5 -14,1 -73,5 -167,7
4 -4,4 -47,6 -15,2 -9,8 -69,2 -146,2
5 -0,1 -43,3 -10,9 -5,5 -64,9 -124,7
6 4,2 -39 -6,6 -1,2 -60,6 -103,2
7 8,5 -34,7 -2,3 3,1 -56,3 -81,7
8 12,8 -30,4 2 7,4 -52 -60,2
9 11,7 -26,1 6,3 11,7 -47,7 -44,1
10 10,6 -21,8 10,6 16 -43,4 -28
20 -0,4 21,2 10,4 5 -0,4 35,8
30 -11,4 31,8 -0,6 -6 42,6 56,4
40 -22,4 20,8 -11,6 -17 42,4 12,2
50 -33,4 9,8 -22,6 -28 31,4 -42,8
Berdasarkan tabel diatas maka untuk produksi dibawah 10 unit dan diatas 50 unit tidak akan
menguntungkan sedangkan jumlah produksi sebesar 20 sampai 40 unit akan memungkinkan
mendapat keuntungan namun akan lebih maksima keuntungannya jika melakukan produksi
bagel sebesar 30 unit.
Permasalahan 4 tujuannya adalah untuk mencari tahu apakah nilai dari shortage akan berubah
jika jumlah order quantity dan reorder point diganti-ganti. Tabel hasil simulasi dapat dilihat
pada lampiran. Untuk simulasi yang dilakukan sebanyak 88 kali maka terdapat nilai dari
shortage berubah sebanyak 19% dan selebihnya nilai dari shortage tidak mengalami perubahan
atau sama saja ketika order quantity dan reorder point diganti-ganti. Hal ini menunjukkan
bahwa perubahan dari jumlah order quantity dan reorder point tidak terlalu berpengaruh
terhadap shortage
Untuk memecahkan permasalahan Bristol Bikes yaitu yang mencari tahu besarnya total cost
yang timbul jika order quantity dan reorder point sebesar 12 dan 5. Berdasarkan simulasi
Monte Carlo yang dilakukan (pada tabel hasil permasalahan 5) maka hasil yang diperoleh
sebesar 101 untuk total cost dan 10 untuk average daily cost. Berdasarkan simulasi yang
dilakukan untuk 10 hari maka akan dilakukan pemesanan pada hari kedua saja dengan random
number sebesar 20, lead time 2 dan day of arrival 5.
5.6 Kesimpulan
Simulasi Monte Carlo menggunakan perangkat lunak spreadsheet Microsoft Excel, terlebih
dahulu dihitung distribusi probabilitas kumulatif dan menetapkan interval bilangan acak bagi
55
setiap variabel. Lalu melakukan pembangkitan bilangan acak dan melakukan proses simulasi
dengan serangkaian percobaan. Adapun percobaan yang dilakukan yaitu
1. Melakukan percobaan yang berbeda-beda pada banyaknya order dan reorder point,
sehingga dari percobaan yang ada bisa diketahui pola banyaknya order dan reorder point
yang lebih baik diterapkan kedepannya.
2. Biaya total terkecil (paling minimal) dapat dikelola dari biaya inventory yaitu ordering
cost, holding cost dan stock out costs. Biaya tersebut dapat diperoleh dengan baik apabila
perubahan jumlah produksi disimulasikan beberapa kali sehingga mendapatkan biaya
yang paling rendah.
56
DAFTAR PUSTAKA
Arman, H., & Yudha, P. (2008). Perencanaan & Pengendalian Produksi. Yogyakarta: Graha
Ilmu.
Dey, I. (1995). Qualitative Data Analysis. 30.
Frederick, & Hiller, F. S. (2001). Intoduction To Operation Research. New York: McGraw-
Hill.
Heizer, J., & Render, B. (2005). Operation Management (7 ed.). Jakarta: Salemba.
Kakiay, T. J. (2004). Teori Antrian Untuk Kehidupan Nyata. Yogyakarta.
Muhammad, N. (2013, July 23). Scribd. Diambil kembali dari Teori Antrian:
https://www.scribd.com/doc/156435060/Teori-Antrian
Mulyono, S. (2004). Riset Operasi. Jakarta: Penerbitan Fakultas Ekonomi Universitas
Indonesia.
Siagian, P. (1987). Penelitian Operasional : Teori dan Praktek. Jakarta: Universitas
Indonesia Press.
Sugiyono. (2012). Memahami Penelitian Kualitatif. 89.
Taha, H. A. (2002). Operation Research an Introduction. Fayetteville: Pearson.
Taha, H. A. (2007). Operation Research An Introduction. New Jersey: Pearson Prentice Hall.
Tersine, R. J. (1994). Principles of Inventory and Material Management. Prentice Hall: New
Jersey.
Winardi. (1999). Pengantar tentang Teori Sistem dan Analisis Sistem. Bandung: Mandar
Maju.
Winston, L. W. (1993). Opration Reasearch: Applications and Algorithms. California:
Duxbury Press, International Thomson Publishing .
vii
LAMPIRAN A
Data Modul 0:
1. Kelas A
No NTUGAS PROYEK NQUIZ NPRAKTIKUM NUTS NUAS TOTAL Nilai
1 8,55 5,3335 8,1 14,82789855 15 20,73 72,5414 AB
2 8,29 5,5 5,6 14,56539855 11,25 8,4375 53,6429 C
3 8,4132 5,1665 4,83 15,61539855 18,75 17,0825 69,8576 B
4 8,6682 5,5 4,48 15,22789855 14,5825 11,5625 60,0211 BC
5 8,8532 5,3335 8,03 15,25289855 18,5425 17,6025 73,6146 AB
6 8,1666 5,5 5,82 13,32844203 11,5625 11,25 55,62754 C
7 8,9932 5,3335 8,52 14,91557971 20,9375 21,0425 79,74228 A
8 8,8466 5,3335 7,94 14,42789855 18,645 20,2075 75,4005 AB
9 8,6566 5,3335 6,14 14,45942029 16,5625 12,5 63,65202 BC
10 8,7066 5,3335 7,93 15,20289855 18,9575 19,1675 75,298 AB
11 8,4882 5,3335 7,5 15,58405797 21,875 21,5625 80,34326 A
12 8,2866 5,3335 5,54 13,58405797 10,2075 12,1875 55,13916 C
13 8,8466 5,3335 4 15,32155797 17,8125 15,4175 66,73166 B
14 8,3982 5,3335 6,02 15,42155797 16,25 13,9575 65,38076 B
15 8,52 5,3335 8,9 14,97789855 17,2925 21,0425 76,0664 AB
16 8 5,1665 6,06 14,84039855 11,77 18,125 63,9619 BC
17 8,8732 5,1665 8,26 14,54057971 19,6875 17,2925 73,82028 AB
18 8,2732 5,5 6,78 14,35307971 15,9375 13,125 63,96878 BC
19 8,87 5,5 6,74 14,10307971 23,645 20,3125 79,17058 AB
20 8,4966 5,3335 6,94 13,66557971 13,5425 10,73 58,70818 BC
21 8,07 5,1665 6,28 14,44057971 19,375 14,27 67,60208 B
22 8,4234 5,5 6,47 13,46557971 18,3325 10,8325 63,02398 BC
23 8,3634 5,5 5,6 13,39057971 18,855 23,5425 75,25148 AB
24 8,3834 5,1665 6,68 14,04692029 20,105 22,2925 76,67432 AB
25 7,758 5,1665 6,63 14,55307971 20 11,6675 65,77508 B
26 8,2466 5,5 7,3 14,32807971 18,02 19,27 72,66468 AB
27 8,68 5,5 7,44 13,87807971 17,605 14,0625 67,16558 B
28 8,4866 5,5 4,64 13,70307971 13,5425 8,9575 54,82968 C
29 8,3634 5,5 6,8 13,50307971 16,4575 11,6675 62,29148 BC
30 8,49 5,5 5,96 13,66557971 20,4175 19,7925 73,82558 AB
2. Kelas B
NILAI
No NTUGAS NPROYEK NQUIZ NPRAKTIKUM NUTS NUAS TOTAL AKHIR
1 7,6866 5,6665 9,34 14,83786 19,895 18,3325 75,75846 AB
2 8,1132 5,6665 8,99 15,01286 19,6875 19,6875 77,15756 AB
3 8,4132 5,1665 4,48 14,1317 7,2925 15,3125 54,7964 C
4 8,0832 5,1665 7,93 14,96286 14,1675 13,855 64,16506 BC
5 8,1066 5,6665 5,83 15,02536 8,5425 14,5825 57,75346 BC
6 7,7394 5,1665 6,27 14,35924 13,5425 15,4175 62,49514 BC
viii
NILAI
7 7,7126 5,1665 4,63 14,06322 15,2 10,4175 57,18982 BC
8 8,3332 5,1665 7,54 15,03786 16,4575 20,625 73,16006 AB
9 7,9066 5,6665 6,66 14,82536 5,625 15,9375 56,62096 C
10 8,0832 5,6665 6,93 14,90036 15 12,8125 63,39256 BC
11 7,4934 5,1665 8,61 11,79058 17,6025 13,4375 64,10048 BC
12 7,8566 5,1665 7,84 14,9779 18,75 15,2075 69,7985 B
13 8,1532 5,1665 6,23 14,29058 14,27 14,375 62,48528 BC
14 8,4332 5,1665 5,01 14,5067 14,48 11,6675 59,2639 BC
15 8,9232 5,1665 7,27 14,7029 7,0825 16,25 59,3951 BC
16 7,8732 5,1665 5,12 13,90308 16,77 13,645 62,47778 BC
17 8,3032 5,6665 7,86 13,94058 17,605 13,3325 66,70778 B
18 8,3432 5,1665 3,48 12,70308 9,6875 9,375 48,75528 D
19 8,2782 5,1665 4,35 13,50308 16,0425 7,0825 54,42278 C
20 8,2732 5,1665 7,31 13,84058 16,875 13,855 65,32028 B
21 7,7534 5,8335 5,63 13,26576 16,25 15,9375 64,67016 B
22 8,6232 5,8335 8,55 13,51576 19,895 7,5 63,91746 BC
23 7,7794 5,8335 6,985 13,51558 13,855 14,0625 62,03098 BC
24 7,6894 5,1665 6,77 13,3346 9,1675 13,605 55,733 C
25 8,0594 5,8335 7,46 13,56558 15,9375 6,145 57,00098 BC
26 7,7034 5,1665 7,84 12,7029 14,375 16,9775 64,7653 B
27 7,8634 5,1665 5,52 13,11558 15,8325 12,7075 60,20548 BC
28 8,5232 5,8335 8,04 13,55308 17,395 14,27 67,61478 B
29 7,7634 5,8335 4,98 12,89058 12,0825 13,855 57,40498 BC
3. Kelas C
Nilai
No NTUGAS NPROYEK NQUIZ NPRAKTIKUM NUTS NUAS TOTAL Akhir
1 8,2 5,1665 5,73 14,16685 12,605 15,105 60,97335 BC
2 8,03 5,5 8,31 14,15891 18,75 15,4175 70,16641 B
3 8,3 5,1665 5,05 14,88185 9,0625 11,355 53,81585 C
4 8,3366 5,5 8,2 12,99353 19,1675 18,645 72,84263 AB
5 8,3134 5,5 5,32 13,51155 15,625 9,27 57,53995 BC
6 8,4266 4,8335 7,1 14,09579 21,145 18,4375 74,03839 AB
7 8,4066 5,5 5,76 13,39905 15 15,8325 63,89815 BC
8 8,028 5,5 3,66 13,33228 10 18,23 58,75028 BC
9 8,8532 5,5 3,86 12,67247 7,2925 15,3125 53,49067 C
10 8,6432 5,1665 5,32 14,63954 19,1675 8,4375 61,37424 BC
11 8,9532 5,5 6,92 14,20704 21,145 20,52 77,24524 AB
12 8,5266 5,1665 4,12 13,53829 17,2925 5,105 53,74889 C
13 8,5934 4,8335 6,78 12,85954 10,3125 11,5625 54,94144 C
14 8,17 5,5 7,29 13,10079 20,9375 17,0825 72,08079 AB
15 8,4882 5,5 9,16 14,31204 20,4175 21,355 79,23274 AB
16 8,5066 5,5 5,64 12,94516 16,6675 8,23 57,48926 BC
17 8,5966 5,5 5,62 11,63141 17,2925 11,0425 59,68301 BC
18 8,3 5,5 5,41 13,9431 21,4575 17,8125 72,4231 AB
19 8,38 5,5 7,3 14,2131 21,4575 20,73 77,5806 AB
ix
Nilai
No NTUGAS NPROYEK NQUIZ NPRAKTIKUM NUTS NUAS TOTAL Akhir
20 8,8332 4,8335 5,92 13,0431 18,23 13,75 64,6098 B
21 8,8932 4,8335 5,04 12,6331 18,02 9,375 58,7948 BC
22 8,4282 5,1665 5,56 13,50685 14,895 10,4175 57,97405 BC
23 8,57 5,5 6,71 13,23266 17,1875 19,48 70,68016 B
24 7,848 5,5 6,92 14,5238 17,8125 22,605 75,2093 AB
25 7,848 5,5 6,14 13,89755 15 8,75 57,13555 BC
26 7,728 4,8335 5,01 13,66693 8,855 10,73 50,82343 C
4. Kelas D
NILAI
1 8,956 7,016667 5,3 15,10634 17,8125 12,8125 67,00401 B
2 8,575 7,416667 5 16,16884 13,125 12,70833 62,99384 BC
3 8,49 7,416667 6,9 15,21884 21,77083 16,04167 75,83801 AB
4 8,956 7,416667 6,4 14,46884 12,39583 8,541667 58,17901 BC
5 8,49 7,416667 4,2 14,48134 2,291667 12,8125 49,69217 C
6 9,03 6,283333 8 14,78152 18,95833 16,5625 73,61569 AB
7 9,03 7,666667 4,9 15,48134 9,791667 19,6875 66,55717 B
8 8,49 7,183333 3,1 13,95652 12,5 8,75 53,97986 C
9 9,03 6,85 6,1 15,52518 15,52083 9,375 62,40101 BC
10 9,16 7,666667 9 15,74384 21,45833 22,39583 85,42467 A
11 8,8 6,1 4,8 14,93134 17,29167 20,10417 72,02717 AB
12 8,83 6,566667 5,8 15,35634 13,33333 15,10417 64,99051 B
13 8,45 6,566667 8,2 14,94384 19,89583 21,04167 79,09801 AB
14 8,91 6,1 6,8 15,54384 18,02083 21,875 77,24967 AB
15 8,61 6,566667 4,4 15,09384 20,625 20,41667 75,71217 AB
16 8,82 6,566667 7,2 14,6279 22,70833 23,75 83,6729 A
17 8,83 6,566667 3,6 14,9029 10,3125 15 59,21207 BC
18 8,46 7,183333 8,1 14,22174 16,35417 22,8125 77,13174 AB
19 8,8 7,183333 7,5 14,80652 17,5 20,20833 75,99819 AB
20 8,76 6,85 4,4 15,51902 19,89583 12,29167 67,71652 B
21 8,09 6,566667 6,8 15,13768 19,58333 20,10417 76,28185 AB
22 8,46 7,016667 4,7 14,9029 12,60417 10,9375 58,62123 BC
23 8,22 7,183333 8,4 15,58768 15,625 24,16667 79,18268 AB
24 8,995 5,816667 4,9 14,7029 13,95833 13,85417 62,22707 BC
25 8,83 6,283333 5,9 14,9029 21,35417 20,52083 77,79123 AB
26 8,02 7,416667 5,3 14,3779 13,33333 13,95833 62,40623 BC
27 8,82 7,366667 4,8 14,1529 12,08333 13,54167 60,76457 BC
28 8,22 7,183333 7,1 14,8529 17,08333 17,08333 71,5229 B
29 8,115 5,816667 3,2 13,60308 11,875 7,7075 50,31725 C
30 8,76 6,283333 5 13,42192 11,5625 10 55,02775 C
31 8,61 6,1 6,3 13,69058 17,91667 10,52083 63,13808 BC
32 8,115 6,1 8 13,75942 11,66667 20 67,64109 B
33 8,09 6,283333 6,3 14,89402 19,58333 21,97917 77,12986 AB
34 8,45 6,283333 7,3 14,4654 22,8125 16,875 76,18623 AB
35 8,82 6,85 5,6 14,3654 6,770833 12,5 54,90623 C
x
NILAI
36 8,575 6,1 7,7 14,2279 18,64583 18,64583 73,89457 AB
37 8,83 6,85 6 14,6154 9,479167 10,20833 55,9829 C
38 8,995 6,1 8,1 14,7029 19,89583 20,625 78,41873 AB
39 6,82 7,366667 3,6 14,2529 5,729167 11,25 49,01873 D
40 8,22 7,366667 6,7 15,44384 18,85417 21,35417 77,93884 AB
41 8,8 7,666667 4,6 15,5375 10,72917 8,020833 55,35417 C
42 8,07 5,816667 5,3 14,35634 13,75 14,27083 61,56384 BC
43 8,61 7,666667 6,3 15,89384 20,625 18,4375 77,53301 AB
44 8,09 5,816667 7 13,83134 14,6875 13,95833 63,38384 BC
45 8,02 7,016667 5,4 14,0029 19,27083 13,22917 66,93957 B
46 8,46 6,85 4,3 13,3904 12,1875 14,89583 60,08373 BC
47 8,07 7,366667 6,9 13,6654 17,1875 18,95833 72,1479 AB
48 8,91 7,416667 5,9 13,7404 15,72917 11,66667 63,3629 BC
49 8,45 7,183333 3 12,7779 13,95833 10,3125 55,68207 C
50 8,995 7,366667 5,4 13,31558 17,60417 11,77083 64,45225 BC
51 8,07 5,816667 4,9 13,21558 16,04167 14,47917 62,52308 BC
52 8,91 7,016667 5,5 13,3779 18,125 20,83333 73,7629 AB
53 8,956 7,666667 6,3 14,39674 13,33333 13,02083 63,67357 BC
54 8,115 7,016667 4,7 11,35942 13,02083 9,791667 54,00359 C
55 8,02 6,283333 5 12,34692 6,458333 18,75 56,85859 C
56 8,575 5,816667 6 13,59058 13,02083 10,83333 57,83641 BC
5. Kelas E
NILAI
1 8,7 7,183333 7,6 15,0154 20,8325 19,16667 78,4979 AB
2 9,27 6,666667 6,9 14,6279 16,355 12,60417 66,42373 B
3 8,865 7,083333 3,8 14,9904 14,1675 14,27083 63,17707 BC
4 8,665 7,083333 6,2 14,7529 15,5625 15,20833 67,47207 B
5 8,7 6,75 5,3 14,9654 16,4575 16,5625 68,7354 B
6 8,71 6,9 7,4 15,09665 16,98 17,70833 72,79498 AB
7 9,13 6,75 8,6 14,64965 16,355 14,89583 70,38048 B
8 8,32 6,566667 3,8 14,07147 7,0825 14,375 54,21563 C
9 8,552 6,666667 7,5 15,42781 17,5 16,97917 72,62564 AB
10 8,795 7,45 7,2 14,1434 17,7075 16,45833 71,75423 B
11 8,045 7,45 5,6 13,6779 10,73 18,4375 63,9404 BC
12 8,716 6,566667 4,8 15,27668 13,02 10,9375 59,31685 BC
13 8,88 6,75 8,1 14,43556 15 22,29167 75,45722 AB
14 8,88 6,566667 5 14,31056 11,355 9,166667 55,27889 C
15 8,83 7,083333 4,9 14,6294 15,4175 18,95833 69,81857 B
16 8,045 6,666667 7 14,0154 12,2925 9,6875 57,70707 BC
17 8,71 7,833333 5,6 14,1654 16,0425 15,10417 67,4554 B
18 8,32 6,9 5,7 14,1654 22,0825 15,52083 72,68873 AB
19 8,552 7,833333 6,2 13,9029 16,25 19,27083 72,00907 AB
xi
NILAI
20 8,665 7,183333 6,7 14,3279 18,75 24,27083 79,89707 A
21 8,155 6,75 3,3 13,0154 5,73 17,605 54,5554 C
22 8,865 7,083333 4,7 12,1654 13,125 9,479167 55,4179 C
23 8,83 6,666667 4,5 13,1904 14,6875 10,3125 58,18707 BC
24 8,445 6,75 6,8 12,92174 10,3125 14,16667 59,39591 BC
25 8,445 6,75 3,2 13,1904 6,25 18,75 56,5854 C
26 8,71 7,833333 5,8 14,1404 10,4175 11,66667 58,5679 BC
27 8,53 7,183333 4,3 13,5779 19,1675 16,77083 69,52957 B
28 8,622 6,9 4,7 14,4279 15,52 13,33333 63,50323 BC
29 8,865 6,183333 6,4 14,8904 17,7075 17,39583 71,44207 B
30 8,88 6,183333 3,9 13,68424 18,3325 17,08333 68,06341 B
31 8,155 6,183333 4,4 13,90924 14,48 20,625 67,75257 B
32 6,545 6,183333 5,1 13,94674 9,48 13,125 54,38007 C
33 8,552 6,566667 4,6 13,33424 15,2075 12,1875 60,44791 BC
34 8,622 7,45 6,1 13,77174 16,145 14,47917 66,56791 B
35 8,83 7,083333 4,5 12,77174 15,105 13,22917 61,51924 BC
36 8,53 6,9 4,9 14,02174 18,3325 21,35417 74,03841 AB
37 8,54 6,6 5,3 14,44674 15 20,83333 70,72007 B
38 8,17 6,9 4,4 14,19674 14,6875 15,83333 64,18757 BC
39 8,445 7,45 6,7 14,12174 16,25 14,89583 67,86257 B
40 8,49 7,183333 7 13,80924 15,52 15,9375 67,94007 B
41 8,716 7,833333 7,3 13,53424 20,2075 20 77,59107 AB
42 8,49 7,083333 8,3 14,3529 20,3125 18,4375 76,97623 AB
43 8,155 6,666667 3,4 13,35308 9,48 15 56,05475 C
44 8,53 6,183333 5,2 13,84674 14,1675 17,08333 65,01091 B
45 8,7 6,6 6,4 13,87808 18,02 17,29167 70,88975 B
46 8,17 6,6 7,7 14,3279 20,2075 22,70833 79,71373 A
47 8,622 6,666667 4,7 15,14402 16,355 13,125 64,61269 B
48 8,795 6,183333 6,6 13,9404 24,27 13,4375 73,22623 AB
49 8,93 7,183333 5,9 15,10054 20 20,625 77,73888 AB
50 8,54 6,566667 6,5 12,4625 21,355 17,39583 72,82 AB
51 8,93 6,566667 5 14,90634 14,6875 15,9375 66,02801 B
52 8,716 6,9 6,3 13,3817 4,375 15,73 55,4027 C
53 8,49 6,6 5,1 14,95634 18,9575 17,39583 71,49967 B
54 8,665 7,833333 6,2 13,78152 20,105 12,29167 68,87652 B
55 8,17 7,833333 7,1 14,59402 21,98 23,02083 82,69819 A
56 9,27 6,6 6,1 14,56902 20,2075 21,97917 78,72569 AB
57 8,54 7,45 4,3 14,39402 8,5425 12,5 55,72652 C
58 8,795 7,183333 4,1 13,91902 9,0625 12,91667 55,97652 C
59 9,27 6,6 5,5 13,7729 22,9175 16,5625 74,6229 AB
60 8,24 7,45 6,9 13,6904 19,6875 16,66667 72,63457 AB
xii
LAMPIRAN B
Data pada modul 3:
1. Data permasalahan 2
Waiting Service Time in

Enter Leave Time Time System Time inter-
08.00.00 8.00.00 8.02.34 0 154 154 0
08.06.05 8.06.05 8.14.32 0 507 507 365
08.13.09 8.14.32 8.24.22 83 590 673 424
08.14.19 8.24.22 8.31.16 603 414 1017 70
08.17.01 8.31.16 8.43.27 855 731 1586 162
08.19.59 8.43.27 8.54.46 1408 679 2087 178
08.23.44 8.54.46 8.57.00 1862 134 1996 225
08.29.08 8.57.00 9.06.12 1672 552 2224 324
08.31.05 9.06.12 9.15.55 2107 583 2690 117
08.34.02 9.15.55 9.18.05 2513 130 2643 177
08.41.19 9.18.05 9.21.47 2206 222 2428 437
08.42.30 9.21.47 9.23.40 2357 113 2470 71
08.49.21 9.23.40 9.26.33 2059 173 2232 411
08.57.12 9.26.33 9.30.26 1761 233 1994 471
09.01.42 9.30.26 9.41.08 1724 642 2366 270
09.09.12 9.41.08 9.52.06 1916 658 2574 450
09.09.13 9.52.06 10.00.58 2573 532 3105 1
09.14.52 10.00.58 10.05.18 2766 260 3026 339
09.16.28 10.05.18 10.12.26 2930 428 3358 96
09.17.52 10.12.26 10.20.32 3274 486 3760 84
09.19.40 10.20.32 10.33.29 52 777 829 108
09.24.07 10.33.29 10.34.07 562 38 600 267
09.31.44 10.34.07 10.37.04 143 177 320 457
09.38.25 10.37.04 10.41.49 3519 285 3804 401
09.42.53 10.41.49 10.54.00 3536 731 4267 268
09.46.46 10.54.00 11.02.07 434 487 921 233
09.54.27 11.02.07 11.02.46 460 39 499 461
09.58.37 11.02.46 11.09.09 249 383 632 250
10.04.54 11.09.09 11.11.16 255 127 382 377
10.07.26 11.11.16 11.17.17 230 361 591 152
10.15.45 11.17.17 11.27.59 92 642 734 499
10.22.15 11.27.59 11.35.43 344 464 808 390
10.26.09 11.35.43 11.39.31 574 228 802 234
10.27.17 11.39.31 11.51.14 734 703 1437 68
10.28.39 11.51.14 11.57.09 1355 355 1710 82
10.33.56 11.57.09 12.05.48 1393 519 1912 317
10.39.41 12.05.48 12.12.56 1567 428 1995 345
10.42.06 12.12.56 12.25.47 1850 771 2621 145
xiii
10.47.10 12.25.47 12.29.03 2317 196 2513 304
10.52.14 12.29.03 12.34.07 2209 304 2513 304
10.57.04 12.34.07 12.35.40 2223 93 2316 290
11.05.05 12.35.40 12.38.47 1835 187 2022 481
11.09.37 12.38.47 12.45.00 1750 373 2123 272
11.17.40 12.45.00 12.52.16 1640 436 2076 483
11.22.25 12.52.16 13.04.52 1791 756 2547 285
11.26.35 13.04.52 13.14.45 2297 593 2890 250
11.29.42 13.14.45 13.22.33 2703 468 3171 187
11.31.52 13.22.33 13.27.17 3041 284 3325 130
11.34.24 13.27.17 13.39.36 3173 739 3912 152
11.41.56 13.39.36 13.52.29 3460 773 4233 452
11.47.11 13.52.29 13.58.28 318 359 677 315
11.48.33 13.58.28 14.04.50 595 382 977 82
11.54.42 14.04.50 14.13.48 608 538 1146 369
12.00.46 14.13.48 14.25.27 782 699 1481 364
12.07.27 14.25.27 14.32.07 1080 400 1480 401
12.15.32 14.32.07 14.39.43 995 456 1451 485
12.15.56 14.39.43 14.45.36 1427 353 1780 24
12.18.18 14.45.36 14.57.10 1638 694 2332 142
12.20.20 14.57.10 14.57.51 2210 41 2251 122
12.28.12 14.57.51 14.59.45 1779 114 1893 472
12.31.56 14.59.45 15.09.49 1669 604 2273 224
12.35.37 15.09.49 15.16.29 2052 400 2452 221
12.42.20 15.16.29 15.27.14 2049 645 2694 403
12.46.45 15.27.14 15.27.17 2429 3 2432 265
12.49.20 15.27.17 15.37.58 2277 641 2918 155
12.51.14 15.37.58 15.48.56 2804 658 3462 114
12.56.34 15.48.56 15.52.59 3142 243 3385 320
13.03.34 15.52.59 15.57.58 2965 299 3264 420
13.06.04 15.57.58 16.05.02 3114 424 3538 150
13.10.23 16.05.02 16.17.03 3279 721 4000 259
13.11.44 16.17.03 16.19.46 319 163 482 81
13.18.35 16.19.46 16.32.20 71 754 825 411
13.18.59 16.32.20 16.45.39 801 799 1600 24
13.22.58 16.45.39 16.49.07 1361 208 1569 239
13.30.17 16.49.07 16.53.15 1130 248 1378 439
13.33.27 16.53.15 17.04.17 1188 662 1850 190
13.39.37 17.04.17 17.14.02 1480 585 2065 370
13.43.36 17.14.02 17.21.14 1826 432 2258 239
13.50.49 17.21.14 17.31.38 1825 624 2449 433
13.50.51 17.31.38 17.35.41 2447 243 2690 2
xiv
13.58.22 17.35.41 17.38.43 2239 182 2421 451
14.05.16 17.38.43 17.49.27 2007 644 2651 414
14.11.58 17.49.27 17.54.44 2249 317 2566 402
14.16.43 17.54.44 18.06.44 2281 720 3001 285
14.22.04 18.06.44 18.12.59 2680 375 3055 321
14.29.41 18.12.59 18.25.03 2598 724 3322 457
14.31.59 18.25.03 18.33.35 3184 512 3696 138
14.37.31 18.33.35 18.41.12 3364 457 3821 332
14.39.21 18.41.12 18.41.28 111 16 127 110
14.40.40 18.41.28 18.41.30 48 2 50 79
14.44.22 18.41.30 18.43.18 3428 108 3536 222
14.45.20 18.43.18 18.51.42 3478 504 3982 58
14.50.12 18.51.42 19.02.55 90 673 763 292
14.55.48 19.02.55 19.11.29 427 514 941 336
14.56.14 19.11.29 19.12.22 915 53 968 26
15.02.54 19.12.22 19.21.25 568 543 1111 400
15.04.35 19.21.25 19.23.36 1010 131 1141 101
15.10.41 19.23.36 19.25.48 775 132 907 366
15.13.59 19.25.48 19.29.48 709 240 949 198
15.14.09 19.29.48 19.42.11 939 743 1682 10
2. Data permasalahan 4
1 08.00.00 8.00.00 8.09.21 0 561 561 0
2 08.02.59 8.09.21 8.16.40 382 439 821 179
3 08.07.32 8.16.40 8.23.29 548 409 957 273
4 08.12.55 8.23.29 8.35.23 634 714 1348 323
5 08.15.32 8.35.23 8.41.31 1191 368 1559 157
6 08.19.41 8.41.31 8.48.23 1310 412 1722 249
7 08.21.39 8.48.23 8.52.14 1604 231 1835 118
8 08.25.38 8.52.14 9.01.28 1596 554 2150 239
9 08.26.25 9.01.28 9.12.28 2103 660 2763 47
10 08.28.19 9.12.28 9.20.30 2649 482 3131 114
11 08.32.01 9.20.30 9.27.36 2909 426 3335 222
12 08.34.56 9.27.36 9.35.56 3160 500 3660 175
13 08.39.47 9.35.56 9.45.13 3369 557 3926 291
14 08.42.41 9.45.13 9.54.16 152 543 695 174
15 08.47.09 9.54.16 10.05.20 427 664 1091 268
16 08.51.06 10.05.20 10.14.33 854 553 1407 237
xv
17 08.53.36 10.14.33 10.22.29 1257 476 1733 150
18 08.59.21 10.22.29 10.30.41 1388 492 1880 345
19 09.05.14 10.30.41 10.40.48 1527 607 2134 353
20 09.08.01 10.40.48 10.52.30 1967 702 2669 167
21 09.13.15 10.52.30 11.02.30 2355 600 2955 314
22 09.16.26 11.02.30 11.11.36 2764 546 3310 191
23 09.17.39 11.11.36 11.20.39 3237 543 3780 73
24 09.21.48 11.20.39 11.26.20 3531 341 3872 249
25 09.24.24 11.26.20 11.33.20 116 420 536 156
26 09.27.39 11.33.20 11.42.07 341 527 868 195
27 09.30.01 11.42.07 11.50.52 726 525 1251 142
28 09.33.35 11.50.52 11.59.38 1037 526 1563 214
29 09.38.38 11.59.38 12.07.30 1260 472 1732 303
30 09.43.40 12.07.30 12.16.21 1430 531 1961 302
31 09.45.42 12.16.21 12.21.28 1839 307 2146 122
32 09.50.59 12.21.28 12.29.17 1829 469 2298 317
33 09.55.10 12.29.17 12.38.10 2047 533 2580 251
34 09.57.40 12.38.10 12.47.12 2430 542 2972 150
35 10.01.16 12.47.12 12.56.00 2756 528 3284 216
36 10.04.44 12.56.00 13.03.22 3076 442 3518 208
37 10.06.35 13.03.22 13.13.27 3407 605 4012 111
38 10.10.36 13.13.27 13.21.24 171 477 648 241
39 10.14.23 13.21.24 13.31.54 421 630 1051 227
40 10.18.57 13.31.54 13.38.53 777 419 1196 274
41 10.22.07 13.38.53 13.49.15 1006 622 1628 190
42 10.25.36 13.49.15 13.59.43 1419 628 2047 209
43 10.30.25 13.59.43 14.08.08 1758 505 2263 289
44 10.35.51 14.08.08 14.14.04 1937 356 2293 326
45 10.40.55 14.14.04 14.21.45 1989 461 2450 304
46 10.44.11 14.21.45 14.28.57 2254 432 2686 196
47 10.46.44 14.28.57 14.36.39 2533 462 2995 153
48 10.50.06 14.36.39 14.47.42 2793 663 3456 202
49 10.55.20 14.47.42 14.57.37 3142 595 3737 314
50 10.57.53 14.57.37 15.07.14 3584 577 4161 153
51 11.02.49 15.07.14 15.13.01 265 347 612 296
52 11.07.47 15.13.01 15.21.40 314 519 833 298
53 11.11.10 15.21.40 15.28.40 630 420 1050 203
54 11.13.53 15.28.40 15.35.55 887 435 1322 163
55 11.17.29 15.35.55 15.44.37 1106 522 1628 216
56 11.21.40 15.44.37 15.51.04 1377 387 1764 251
57 11.23.34 15.51.04 15.57.43 1650 399 2049 114
58 11.26.02 15.57.43 16.07.28 1901 585 2486 148
xvi
59 11.29.36 16.07.28 16.13.10 2272 342 2614 214
60 11.32.53 16.13.10 16.21.12 2417 482 2899 197
61 11.38.09 16.21.12 16.30.53 2583 581 3164 316
62 11.40.20 16.30.53 16.38.33 3033 460 3493 131
63 11.44.06 16.38.33 16.45.52 3267 439 3706 226
64 11.49.24 16.45.52 16.53.26 3388 454 3842 318
65 11.53.03 16.53.26 17.02.50 23 564 587 219
66 11.54.05 17.02.50 17.11.53 525 543 1068 62
67 11.58.47 17.11.53 17.21.58 786 605 1391 282
68 12.02.28 17.21.58 17.28.12 1170 374 1544 221
69 12.07.21 17.28.12 17.37.37 1251 565 1816 293
70 12.10.11 17.37.37 17.47.18 1646 581 2227 170
71 12.13.31 17.47.18 17.54.26 2027 428 2455 200
72 12.18.06 17.54.26 18.03.40 2180 554 2734 275
73 12.18.21 18.03.40 18.11.14 2719 454 3173 15
74 12.21.51 18.11.14 18.19.07 2963 473 3436 210
75 12.23.37 18.19.07 18.28.23 3330 556 3886 106
76 12.27.37 18.28.23 18.36.03 46 460 506 240
77 12.31.40 18.36.03 18.44.11 263 488 751 243
78 12.35.36 18.44.11 18.53.59 515 588 1103 236
79 12.39.06 18.53.59 19.02.32 893 513 1406 210
80 12.40.44 19.02.32 19.08.01 1308 329 1637 98
81 12.44.43 19.08.01 19.16.35 1398 514 1912 239
82 12.45.50 19.16.35 19.25.19 1845 524 2369 67
83 12.49.40 19.25.19 19.35.48 2139 629 2768 230
84 12.55.26 19.35.48 19.47.25 2422 697 3119 346
85 12.55.36 19.47.25 19.56.51 3109 566 3675 10
86 12.59.04 19.56.51 20.05.14 3467 503 3970 208
87 13.02.50 20.05.14 20.12.27 144 433 577 226
88 13.04.43 20.12.27 20.19.54 464 447 911 113
89 13.06.57 20.19.54 20.28.24 777 510 1287 134
90 13.08.50 20.28.24 20.37.50 1174 566 1740 113
91 13.11.43 20.37.50 20.45.02 1567 432 1999 173
92 13.14.04 20.45.02 20.52.58 1858 476 2334 141
93 13.15.18 20.52.58 21.02.28 2260 570 2830 74
94 13.19.06 21.02.28 21.10.37 2602 489 3091 228
95 13.21.07 21.10.37 21.16.55 2970 378 3348 121
96 13.23.57 21.16.55 21.24.34 3178 459 3637 170
97 13.29.40 21.24.34 21.30.26 3294 352 3646 343
98 13.32.55 21.30.26 21.38.59 3451 513 3964 195
99 13.37.29 21.38.59 21.48.24 90 565 655 274
100 13.40.08 21.48.24 21.59.29 496 665 1161 159
xvii
Cara perhitungan
1. Waiting Time (seconds)= minute(enter server-arrive)x60 + second(leave server-arrive)
2. Service Time (seconds)= minute(leave server-enter server)x60 + second(leave server- enter server)
3. Time in System(seconds)= Waiting Time + Service Time
4. Time Interarrival= untuk yang pertama adalah nol
= minute(arrive saat ini-sebelumnya)x60 + second(arrive saat ini-sebelumnya)
xviii
LAMPIRAN C
Data pada modul 4:
Order Reord Order Reord Order Reord
Shortag Shortag Shortag
Quantit er Quantit er Quantit er
es es es
y Point y Point y Point
1 1 8 6 1 0 11 6 0
1 2 9 6 2 0 11 7 0
1 3 7 6 3 0 11 8 0
1 4 8 6 4 0 11 9 0
1 5 7 6 5 0 11 10 0
1 6 7 6 6 0 12 6 0
2 1 4 7 1 0 12 7 0
2 2 3 7 2 0 12 8 0
2 3 2 7 3 0 12 9 0
2 4 2 7 4 0 12 10 0
2 5 2 7 5 0 13 6 0
2 6 0 7 6 0 13 7 0
3 1 2 8 1 0 13 8 0
3 2 1 8 2 0 13 9 0
3 3 1 8 3 0 13 10 0
3 4 0 8 4 0 14 6 0
3 5 1 8 5 0 14 7 0
3 6 0 8 6 0 14 8 0
4 1 2 9 1 0 14 9 0
4 2 1 9 2 0 14 10 0
4 3 0 9 3 0 15 6 0
4 4 0 9 4 0 15 7 0
4 5 0 9 5 0 15 8 0
4 6 0 9 6 0 15 9 0
5 1 0 10 1 0 15 10 0
5 2 0 10 2 0
5 3 0 10 3 0
5 4 0 10 4 0
5 5 0 10 5 0
5 6 0 10 6 0
xix

OPTIMASI LAPORAN PRAKTIKUM

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

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

OPTIMASI LAPORAN PRAKTIKUM

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

OPTIMASI DAN SIMULASI BISNIS

Nama : Melissa Nikita Br Perangin-angin

FAKULTAS TEKNOLOGI INDUSTRI

Laguboti, 22 Januari 2017

Tabel 1 Rata-rata nilai pada setiap kelas.................................................................................... 3

Gambar 1 Rata-rata nilai setiap kelas ........................................................................................ 4

Rata-rata nilai setiap kelas

Kelas A Kelas B Kelas C Kelas D Kelas E

Gambar 1 Rata-rata nilai setiap kelas

Gambar 2 Presentasi Nilai Kelas

Gambar 3 Perolehan Predikat pada Kelas A

Gambar 4 Perolehan Predikat pada Kelas E

Data Nilai Akhir Kelas E

3100 80% 80%

1600 1438,835649 40%

Gambar 5 Pareto Chart Nilai Akhir Kelas E

199 99% 100% 100%100%

Gambar 6 Gambar Pareto Predikat Nilai semua Kelas

Distribusi Predikat Nilai Setiap Kelas

Gambar 7 Box Plot distribusi persebaran data setiap kelas

2. Permasalahan Capital Investment

Unit cost PRODUCT

Cost PRODUCT Cost Supply

Total 1 1 1 1 1 1 1 1 1 1 Total Cost = 23

Tabel 4 Data permasalahan capital investment

Tabel 5 Hasil optimal berdasarkan solver

Yes/ No 0 1 0 0 1 0 1 1 0 Total profit = 20

2.4.3 Masalah transportasi

Shipment 1 2 3 4 5 6 7 8 9 10 Total out Supply

2.5.2 Masalah penanaman modal

2.5.3 Masalah transportasi

Pada tabel dibawah ini merupakan hasil perhitungan permasalahan diatas.

Waktu yang diharapkan dihabiskan pada W=L/λ

Distribusi bilangan dalam sistem Pn Pn = (1 — ρ) ρⁿ ,n≥ 0

4.2.4 Skema alur pemodelan analisis sistem antrian

Service and Service and

Yes Yes Yes Yes

Modeling with Modeling with Modeling with Modeling with

Gambar 8 Skema Analisis Data Sistem Antrian

INPUT Lambat Cepat Satuan

Tingkat layanan (jumlah rata-rata orang atau

OUTPUT Lambat Cepat Satuan

Waktu yang diharapkan W=L/λ

Waiting Service Time in Time

Waiting_Time Time_in_System Time_Interarrival Service_Time

One-Sample Kolmogorov-Smirnov Test 2

Waiting_Time Time_in_System Time_Interarrival Service_Time

One-Sample Kolmogorov-Smirnov Test 3

Waiting_Time Time_in_System Time_Interarrival Service_Time

Waiting_Time Time_in_System Time_Interarrival Service_Time

Simulasi I Simulasi II Simulasi III Simulasi IV Simulasi V

INPUT Lambat Cepat Satuan

Tingkat layanan (jumlah rata-rata orang atau

OUTPUT Lambat Cepat Satuan

Waktu yang diharapkan W=L/λ

Waiting Service Time in Time

One-Sample Kolmogorov-Smirnov Test 2

One-Sample Kolmogorov-Smirnov Test 4

Waiting_Time Time_in_System Time_Interarrival Service_Time

a. Test Distribution is Exponential.

c. There is 1 value outside the specified