UNIVERSITAS BRAWIJAYA
MALANG
2019
INFORMASI ARTIKEL
Analisis ini akan berkontribusi untuk memahami kombinasi kegiatan yang dipercepat
(saling bertentangan kegiatan) di PSC menggunakan MOINLP. Jumlah tujuan yang
bertentangan dapat bervariasi, tergantung pada model jaringan dan jumlah PSC yang
direncanakan. Dalam penelitian ini, kami mengidentifikasi kegiatan yang telah dialami tujuan
yang saling bertentangan. Dalam implementasi aktual jadwal, kondisi NTF mungkin terjadi. ini
mungkin disebabkan oleh keterlambatan aktivitas pendahulunya atau disebabkan oleh
aktivitas yang telah dilaksanakan lebih lama dari durasi kegiatan yang direncanakan, terutama
dalam aktivitas kritis. Kondisi ini mirip dengan kasusnya PSC, di mana durasi aktivitas
terkompresi dikondisikan sebagai aktivitas kritis yang dilakukan lebih cepat dari waktu normal.
Studi ini meningkatkan MOINLP dengan menambahkan batasan Negatif Total Float
(NTF), yang mengindikasikan sebagai nilai yang harus dipenuhi untuk mencapai PSC yang
diharapkan. Kepuasan dari kegiatan yang memiliki NTF adalah dicapai dengan mengurangi
durasi aktivitas (𝑥𝑛). Beberapa kombinasi aktivitas dapat berpotensi puas (dikurangi) untuk
mencapai target PSC. Kombinasi terbaik dari pemilihan aktivitas adalah total minimum biaya
beberapa kegiatan (sebagai biaya tambahan minimum proyek) berdasarkan fungsi waktu-
biaya dari aktivitas. Tabel 3 dan Tabel 4 menunjukkan output PSC untuk y pada 6 dan 7 hari
(pengurangan durasi proyek) menggunakan Model MOINLP disimulasikan oleh Solver.
Keluaran menggambarkan hasil dengan dua kategori, yaitu: solusi optimal menunjukkan nilai
minimum tujuan keluaran dan solusi yang layak adalah hasil dari ruang solusi dan itu masih
belum minimal
B. Pembahasan
Makalah ini menyajikan peran NTF untuk mencapai tujuan kegiatan yang saling
bertentangan untuk mencapai PSC. Hasil dari tujuan yang bertentangan dalam MOINLP dari
PSC seperti yang ditunjukkan pada Tabel 2 menunjukkan ada korelasi nilai NTF dengan
pengurangan maksimum kegiatan untuk solusi yang optimal dan layak MOINLP untuk PSC
seperti yang ditunjukkan 𝑥𝑛 pada Tabel 3 dan Tabel 4. Sebagai ilustrasi untuk PSC dengan
nilai y dari 7 hari-hari yang memiliki aktivitas yang saling bertentangan adalah A, C, D, G, I, J,
K, dan L dengan NTF masing-masing adalah -7, -1, -7, 7, -1, -7, -1, dan -1 seperti yang
ditunjukkan pada Tabel 4. Dalam Tabel 4 menunjukkan bahwa PSC akan puas dengan
mengompresi angka kombinasi beberapa atau semua kegiatan proyek (kegiatan A, C, D, G,
I, J, K, dan L), dengan nilai 𝑥𝑛 adalah tidak melebihi nilai NTF-nya. Ini adalah hal baru dari
penelitian ini di mana NTF dapat secara otomatis maksimum nilai pengurangan durasi
aktivitas, meskipun kami tidak menentukan nilai maksimum durasi aktivitas pengurangan
(𝑥𝑛𝑚𝑎𝑥). Dengan demikian, penelitian ini merumuskan Xn Variabel (jumlah pengurangan
durasi aktivitas) memiliki batasan sebagai rumus.
Anggapan kami, model MOINLP ini akan memberikan proses optimisasi lebih cepat
dari sebelumnya model untuk mencapai solusi optimal. Ini adalah penelitian masa depan
untuk menilai lama waktu iterasi proses optimasi, baik untuk model diskrit atau bahkan model
durasi distribusi, untuk mencapai solusi optimal dari masalah PSC. Berdasarkan hasil ini
menunjukkan bahwa ada hubungan antara NTF, sebagai kendala pada model yang
dikembangkan dalam makalah ini, dengan solusi yang optimal dan solusi yang layak. Itu solusi
menunjukkan pentingnya menggunakan NTF pada model yang dikembangkan, terutama
dalam penelitian ini. Beberapa dari mereka, yang bisa kami jelaskan di sini adalah: setiap
kegiatan dengan nilai NTF adalah tujuan yang bertentangan dari MOINLP untuk kasus PSC,
Nilai usang NTF (| NTF |) adalah nilai maksimum yang dapat dicapai oleh aktivitas kompresi
(dalam hal tidak ada batas maksimum yang ditentukan untuk aktivitas kompresi, lihat Xnmax
pada Tabel 1) dan dalam hal PSC, pengurangan durasi aktivitas tidak dapat menurun tetapi
akan meningkat atau sejalan dengan meningkatnya PSC. Penjelasannya adalah, nilai xn
(durasi pengurangan aktivitas) yang disebabkan oleh y (nilai PSC) lebih atau sama dengan
xn yang disebabkan oleh y-1 (bisa dibandingkan pada Tabel 3 dan Tabel 4). Kasing PSC ini
memiliki perbedaan dari kasing produk / material tempat variabelnya dapat naik dan turun
sejalan dengan peningkatan targetnya.
4. PENUTUP
A. Kesimpulan
NTF dapat digunakan untuk mengidentifikasi tujuan yang saling bertentangan dalam
kasus-kasus PSC. Kombinasi kegiatan yang memiliki NTF akan bersaing satu sama lain untuk
mencapai biaya tambahan minimum kompresi proyek. Ini harus dilakukan tanpa mengabaikan
prinsip-prinsip CPM dan layak dari semua kendala MOINLP. NTF dapat dimanipulasi dengan
mengganti nilai Finish Terakhir (LF) pada terminal simpul diagram jaringan dengan nilai 𝑃𝑐
(tanggal jatuh tempo kompresi proyek) untuk mengetahui yang mana dari durasi aktivitas
berkurang. Dalam tulisan ini, kami meningkatkan kinerja model dasar MOP untuk dipecahkan
masalah kompleks PSC dengan memperkenalkan konsep MOINLP. Melibatkan NTF dalam
MOINLP memiliki peran penting dan titik kunci untuk meningkatkan MOINLP.
Negatif Total Float (NTF) dapat dimanipulasi dengan mengganti nilai Finish Terakhir
(LF) di sebuah simpul terminal diagram jaringan proyek sebagai tanggal jatuh tempo Kompresi
penjadwalan proyek (𝑃𝑐). Untuk tujuan melakukan PSC, 𝑃𝑐 tentu saja memiliki nilai yang lebih
kecil daripada Proyek Awal yang Normal (EF). Perbedaan-perbedaan ini dapat menghasilkan
NTF pada beberapa atau semua kegiatan. Pemulihan NTF dapat dilakukan oleh mengurangi
jumlah durasi aktivitas di jalur yang sesuai. Ini adalah hal yang logis di PSC. Mendasarkan
pada kondisi tersebut, kami mendefinisikan bahwa Negatif Total Float (NTF) adalah nilai
maksimum untuk mengurangi durasi kegiatan untuk mencapai tanggal jatuh tempo
penjadwalan Proyek Compressio.
B. Kekuatan Penelitian
Metode yang digunakan sudah sesuai dan banyak sudut pandang. Hasil penelitian
sangat lengkap dan detail ditambah dengan gambar table dan gambar pendukung lainnya.
Serta penggunaan rumus mudah dipahami.
C. Kekurangan Penelitian
Belum ada penjelasan rinci mengenai table dan gambar sehingga harus membaca
sampai selesai baru dapat memahami isi table dan gambar. Terdapat variabel yang hampir
yang dapat mensalah artikan di rumus nantinya. Metode yang digunakan memang sudah
sesuai dan banyak sudut pandang akan tetapi penyampaian penulis masih sangat kurang
dalam penjabaran detailnya, jika tidak ada table dan gambar mungkin akan susah dipahami.
D. Potensi Penelitian Berikutnya
Penelitian sangat mungkin untuk diteruskan karena kebutuhan akan penjadwalan
proyek tentunya akan mempermudah jalannya perusahaan. Namun harus lebih baik lagi
karena masih banyak beberapa kekurangan dan beberapa hal juga bias tetap dipertahankan
seperti hasil table, gambar dan rumus yang jelas. Harapannya penelitian dilakukan secara
matang rinci dan detail.