INSENTIF BAHAN AJAR RISET OPERASI-dikonversi PDF
INSENTIF BAHAN AJAR RISET OPERASI-dikonversi PDF
LAPORAN AKHIR
INSENTIF BUKU AJAR
RISET OPERASI
Diajukan Kepada :
Ketua Sekolah Tinggi Ilmu Ekonomi Graha Kirana
Cq. Ketua Lembaga Penelitian dan Pengabdian Masyarakat
Disusun Oleh :
Kata Riset Operasional pertama sekali digunakan pada perang dunia II.
Perang telah menyebabkan alokasi sumber daya terbatas yang dimiliki
angkatan bersenjata Amerika Serikat dan Inggris menjadi masalah. Berbagai
operasi menggunakan sumber daya terbatas yang sama. Oleh karena itu,
militer Amerika Serikat dan Inggris memanggil para ilmuwan untuk
mengaplikasikan pendekatan ilmiah untuk permasalahan penggunaan
sumber daya terbatas, strategi dan taktik perang lainnya. Tim ilmuwan in
adalah tim riset operasional pertama yang terbentuk. Pekerjaan tim riset
operasional ini telah memenangkan militer Amerika Serikat dan Inggris
dalam perang dunia II.
Paling sedikit ada dua faktor lainnya yang turut berkontribusi dalam
pengembangan riset operasional. Pertama adalah kemajuan mendasar yang
dibuat di awal dalam pengembangan teknik yagn ada terhadap riset
operasional. Setelah perang, banyak ilmuwan yang berpartisipasi dalam tim
riset operasional atau yang mendengarkan keberhasilan tim termotivasi
untuk melanjutkan penelitian relevan terhadap suatu bidang, yang
menunjukkan pengembangan penting dari sudut seni yang dihasilkan. Salah
satu contoh paling penting adalah ditemukannya metode simpleks untuk
menyelesaikan permasalahan pemrograman linear oleh George Dantzig
tahun 1947. Banyak teknik riset operasional, seperti pemrograman linear,
pemrograman dinamis, teori antrian dan teori inventori telah dikembangkan
dengan baik di akhir tahuan 1950-an.
1. Identifikasi permasalahan.
1. Tujuan (Objective).
2. Variabel-variabel.
a. Model-model ikonis/fisik
Penggambaran fisik dari suatu sistem, baik dalam bentuk ideal maupun
dalam skala yang berbeda. Contoh: foto, peta, mainan anak-anak, maket,
histogram.
c. Model simbolis/matematika
Penggambaran dunia nyata melalui simbol-simbol matematis. Model ini
menggunakan seperangkat simbol matematik untuk menunjukkan
komponen-komponen dari sistem nyata. Namun demikian, sistem nyata
tidak selalu dapat diekspresikan dalam rumusan matematik.
Contoh: persamaan garis lurus y = ax + b; z=x1+x2+x3
Model matematik dapat dibedakan menjadi dua kelompok, yaitu:
deterministik dan probabilistik. Model deterministik dibentuk dalam
situasi penuh kepastian, sedangkan model probabilistik meliputi kasus-
kasus dimana diasumsikan penuh ketidakpastian.
d. Model simulasi
Model-model yang meniru tingkah laku sistem dengan mempelajari
interaksi komponen-komponennya. Karena tidak memerlukan fungsi-
fungsi matematis secara eksplisit untuk merealisasikan variabel-variabel
sistem, maka model-model simulasi ini dapat digunakan untuk
memecahkan sistem kompleks yang tidak dapat diselesaikan secara
matematis. Akan tetapi, model-model ini tidak dapat memberikan solusi
yang benar-benar optimum.
e. Model heuristik
Kadang-kadang formulasi matematis bersifat sangat kompleks untuk
dapat memberikan suatu solusi yang pasti, atau mungkin suatu solusi
optimum dapat diperoleh, akan tetapi memerlukan proses perhitungan
yang sangat panjang dan tidak praktis. Untuk mengatasi kasus seperti ini
dapat digunakan metode heuristik, yaitu suatu metode pencarian yang
didasarkan atas intuisi atau aturan-aturan empiris untuk memperoleh
solusi yang lebih baik daripada solusi-solusi yang telah dipelajari
sebelumnya.
1. Merumuskan Masalah
Sebelum solusi terhadap suatu permasalahan dipikirkan, pertama kali
yang harus dilakukan adalah mendefinisikan atau merumuskan
permasalahan dengan baik. Definisi masalah yang tidak baik akan
menyebabkan tidak diperoleh penyelesaian atas suatu masalah atau
penyelesaian yang tidak tepat.
Dalam perumusan masalah ini ada tiga pertanyaan penting yang harus
dijawab:
a. Variabel keputusan, yaitu unsur-unsur dalam persoalan yang dapat
dikendalikan oleh pengambil keputusan. Ia sering disebut sebagai
instrumen.
b. Tujuan. Penetapan tujuan membantu pengambil keputusan
memusatkan perhatian pada persoalan dan pengaruhnya terhadap
organisasi. Tujuan ini diekspresikan dalam variabel keputusan.
c. Kendala adalah pembatas-pembatas terhadap alternatif tindakan yang
tersedia.
2. Pembentukan Model
Sesuai dengan definisi permasalahannya, kelompok peneliti RO tersebut
harus menentukan model yang paling cocok untuk mewakili sistem yang
bersangkutan. Model tersebut harus merupakan ekspresi kuantitatif dari
tujuan dan batasan-batasan persoalan dalam bentuk variabel keputusan.
4. Validasi Model
Sebuah model adalah absah jika, walaupun tidak secara pasti mewakili
system tersebut, dan dapat memberikan prediksi yang wajar dari kinerja
system tersebut. Suatu metode yang biasa digunakan untuk menguji
validitas model adalah dengan membandingkan kinerjanya dengan data
masa lalu yang tersedia. Model dikatakan valid jika dengan kondisi input
yang serupa dapat menghasilkan kembali kinerja seperti masa lampau.
Masalahnya adalah bahwa tidak ada yang menjamin kinerja masa depan
akan berlanjut meniru cerita lama.
2.1 PENDAHULUAN
Sumber daya tersebut dapat berupa bahan baku, peralatan dan mesin,
ruang, waktu, dana, dan tenaga kerja; atau dapat juga berupa batasan
pedoman atau aturan, seperti resep untuk membuat kue atau spesifikasi
teknis suatu peralatan.
Salah satu metoda analisis yang paling luas dan paling baik digunakan
untuk menyelesaikan permasalahan alokasi sumber daya adalah metoda
programa linier atau dikenal dengan Linear Programming.
1. Variabel keputusan
Variabel keputusan berupa simbol matematik yang menggambarkan
tingkatan aktivitas perusahaan.
Contoh
Perusahaan elektronika ingin menjual sebanyak x1 buah radio, x2 buah
televisi, dan x3 buah lemari es, dimana x1, x2, dan x3 adalah lambang
yang menunjukkan jumlah variabel setiap item yang tidak diketahui.
Nilai akhir dari x1, x2, dan x3 sesuai dengan pengarahan perusahaan, dan
merupakan keputusan.
2. Fungsi Tujuan
Fungsi Tujuan merupakan hubungan matematika linier yang menjelaskan
fungsi tujuan dalam terminologi variabel keputusan. Fungsi tujuan selalu
mempunyai salah satu target, yaitu memaksimumkan atau
meminimumkan suatu nilai (misalkan untuk kasus perusahaan adalah
memaksimumkan laba atau meminimumkan biaya produksi).
3. Batasan Model
Batasan Model merupakan hubungan linier dari variabel-variabel
keputusan, menunjukkan keterbatasan sumber daya permasalahan
tersebut.
Contoh
Besarnya biaya maksimum yang dikeluarkan oleh PT. Maju Mundur
untuk kegiatan pemasaran pada tahun ini adalah Rp 15.000.000,00.
Tenaga kerja yang tersedia untuk memproduksi kue dan roti di
perusahaan ini hanya 100 jam tenaga kerja per minggu.
Begitu pula dengan laba dari cangkir ditentukan oleh perkalian antara
laba setiap cangkir, Rp 5/unit, dengan jumlah cangkir yang diproduksi, x2.
Z = Rp (4x1+5 x2).
memaksimumkan Z = 4x1+5 x2
Memaksimumkan Z = 4x1+5 x2
1. Mencakup tujuan yang akan dicapai oleh pengambil keputusan. Tujuan yang
seringkali terjadi dalam dunia usaha adalah memaksimumkan laba atau
meminimumkan biaya.
2. Masalah program linier memerlukan pilihan antara beberapa pilihan tindakan.
Keputusan diwakili di dalam model sebagai variabel keputusan. Pilihan
yang biasa dari dunia usaha adalah menentukan beberapa banyak suatu
produk yang berbeda-beda akan diproduksi.
3. Terdapatnya batasan-batasan, membuat pencapaian fungsi tujuan yang
tidak terbatas tidak dapat terjadi. Dalam dunia usaha, batasan-batasan
seringkali dalam bentuk sumber daya yang terbatas. Tujuan dan batasan
harus dapat didefinisikan dalam hubungan fungsi yang linier.
b. Pembagian (Divisibility)
Dalam persoalan prgram linier, variabel keputusan boleh diasumsikan
berupa bilangan pecahan.
c. Deterministik (Kepastian)
Setiap parameter model, yaitu koefisien fungsi tujuan, ruas kanan, dan
koefisien teknologis, diasumsikan dapat diketahui secara pasti.
Latihan
1. Perusahaan ABCD akan memproduksi dua macam benda, yaitu Produk I
dan Produk II. Untuk memproduksi setiap unit produk I diperlukan
bahan baku A sebanyak 40 kg dan bahan baku B sebanyak 25 kg serta
bahan baku C sebanyak 80 kg. Sedangkan untuk memproduksi setiap unit
produk II diperlukan bahan baku A sebanyak 30 kg dan bahan baku B
sebanyak 40 kg serta bahan baku C sebanyak 50 kg. Jumlah bahan baku
yang disediakan perusahaan masing-masing adalah bahan baku A
sebanyak 3000 kg dan bahan baku B sebanyak 1500 kg serta bahan baku C
Tersedia 240 jam kerja dan bahan mentah sebanyak 400 kg. Buat formulasi
model program linier untuk permasalahan ini!
3
TEKNIK PEMECAHAN
PROGRAMA LINIER (SOLUSI GRAFIK)
3.1 PENDAHULUAN
Pada dasarnya, metode-metode yang dikembangkan untuk
memecahkan model Programa linier adalah ditujukan untuk mencari solusi
dari beberapa pilihan solusi yang dibentuk oleh persamaan pembatas,
sehingga diperoleh nilai fungsi tujuan yang optimum.
dimana
x1 = jumlah mangkok yang diproduksi
x2 = jumlah cangkir yang diproduksi
x1
40
30
20
10
0 10 20 30 40 x2
40
40
30
30 4x1 + 3x2 = 120
x1 + 2x2 = 40
20
20
10
10
0 10 20 30 40 x1
0 10 20 30 40 x1
X2 X2
40 40
10 A 10
0 10 20 30 40 x1 0 10 20 30 40 x1
(a) (b)
Untuk menguji ketepatan dari daerah batasan, cek setiap satu titik
yang berada di dalam dan di luar daerah.
Sebagai contoh, ambil dua buah titik A dan B, masing masing berada
di dalam dan di luar daerah, seperti dapat dilihat pada gambar 3.3a. Titik uji
A pada gambar 3.3a, yang merupakan perpotongan dari x1 = 10 dan x2 = 10.
Masukkan nilai-nilai ini ke dalam batasan tenaga kerja, sehingga diperoleh
hasil sebagai berikut.
10 + 2x (10) ≤ 40
30 ≤ 40
40 + 2 x (30) ≤ 40
100 ≤ 40
Titik B jelas berada di luar daerah batasan karena nilai x1 dan x2
menghasilkan kuantitas 100, yang melebihi 40. Hal yang sama juga dapat
dilakukan pada gambar 3.3b, sehingga kombinasi dari kedua garis tersebut
dapat dilihat pada grafik 3.4.
X2
40
10
0 10 20 30 40 x1
Beberapa titik dalam daerah solusi yang layak akan menghasilkan laba
maksimum bagi perusahaan tersebut.
X2
40
20
10
0 10 20 30 40 x1
Titik Solusi.
80 = 4x1+5 x2
X2
40
STIE GRAHA KIRANA MEDAN | SUBAMBANG HARSONO, SE, M.Si 35
30 Garis
80 = 4x1+5 x2
20
Gambar 3.6 Mencari solusi dengan menggunakan persamaan garis fungsi
tujuan
X2
40
30 Garis
80 = 4x1+5 x2
20
10 B
0 10 20 30 40 x1
Gambar 3.7 Garis bantu digeser menjauhi titik orijin untuk mencari solusi
optimum
Z= 4 x 24 + 5 x 8 = 136.
X2
40
30
20
10 B
0 10 20 30 40 x1
X2
10
8 2 x1 + 4 x2 = 16
2 4 x1 + 3 x2 = 24
0
2 4 6 8 12 X1
X2
10
8
Daerah solusi yang layak
Daerah
6 Daerah solusi yang layak
0
2 4 6 8 12 X1
X2
10
A
8
Daerah solusi yang layak
6
A
STIE GRAHA KIRANA MEDAN | SUBAMBANG HARSONO, SE, M.Si 39
2
0
2 4 6 8 12 X1
B
Latihan
1. Berapa titik optimum dan solusi optimum untuk ilustrasi 2.2 di atas?
2. Selesaikan permasalahan berikut secara grafik
a. memaksimumkan Z = 4 x1 + 5 x2
terbatas pada
x1 + 2 x2 ≤ 10
6 x1 + 6 x2 ≤ 36
x2 ≤ 4
x1 , x2 ≥ 0
b. meminimumkan Z = 8 x1 + 6 x2
terbatas pada
4 x1 + 2 x2 ≥ 10
- 6 x1 + 4x2 ≤ 12
x1 + x2 ≥ 6
x1 , x2 ≥ 0
c. memaksimumkan Z = 3 x1 + 5 x2
terbatas pada
2x1 ≤ 8
3x2 ≤ 15
6 x1 + 5 x2 ≤ 30
x1 , x2 ≥ 0
4
SOLUSI METODE SIMPLEX
4.1 PENDAHULUAN
Hal ini berarti masih ada 15 jam tenaga kerja yang belum terpakai.
Begitu juga dengan tanah liat yang digunakan untuk memproduksi 5
mangkok dan 10 cangkir masih menyisakan 70 kg tanah liat.
Karena tidak ada produksi pada titik orijin (titik asal (0,0)), berarti
semua sumber-sumber daya tersebut tidak terpakai, jadi variabel pengurang
sama dengan jumlah total tiap sumber yang tersedia, yaitu: s1 = 40, s2 = 120.
Z = Rp (4x1+5 x2)
Seperti pada variabel keputusan (x1 dan x2), variabel slack juga hanya
dapat memiliki nilai non negatif karena sumber yang bernilai negatif adalah
tidak mungkin.
x1 , x2 , s1 , s2 ≥ 0
x1 + 2x2 + s1 = 40
4x1 + 3x2 + s2 = 120
Jumlah variabel yang diberi nilai nol adalah n-m, dimana n sama
dengan jumlah variabel sedangkan m sama dengan jumlah batasan (tidak termasuk
batasan nonnegatif).
x1 + 2x2 + s1 = 40
0 + 2x2 + 0 = 40
x2 = 40
dan
4 x1 + 3 x2 + s2 = 120
4.(0) + 3 (40) + s2 = 120
s2 = 60
Solusi ini berhubungan dengan titik A pada gambar 4.1. Grafik pada
gambar 4.1 memperlihatkan bahwa pada titik A, dimana x1 = 0, x2 = 20, s1 = 0,
dan s2 = 60 adalah solusi yang diperoleh jika diselesaikan dengan
memecahkan persamaan simultan.
x1 = 0
x2 = 20 X2
s1 = 0 4 x1 + 3 x2 + s2 = 120
s2 = 60 40 x1 = 24
x2 = 8
30 s1 = 0
s2 |
STIE GRAHA KIRANA MEDAN = SUBAMBANG
0 HARSONO, SE, M.Si 46
20 A
10 B
D x1 + 2x2 + s1 = 40
x1 = 30
x2 = 0
s1 = 10
x1 = 0
s2 = 0
x2 = 0
s1 = 40
s2 = 120
Suatu solusi fisibel dasar adalah solusi yang memenuhi batasan model.
Suatu solusi fisibel dasar memenuhi batasan-batasannya dan terdiri dari
variabel dengan nilai non negatif dan n-m variabel yang diberi nilai nol.
Bentuk umum tabel simplex awal dengan judul kolom dan baris
diperlihatkan pada tabel 4.1.
zj
cj - zj
4x1 + 3x2 ≤ 120 kg tanah liat
x1 , x2 ≥ 0
Langkah 2: Siapkan tabel awal untuk solusi fisibel dasar pada titik orijin
dengan jumlah kolom sebanyak jumlah variabel ditambah tiga dan jumlah
baris sebanyak jumlah batasan ditambah empat.
cj
1. Tahap pertama
Variabel Kuantitas
dasar (solusi) x1 x2 s1 s2 dalam mengisi
tabel 4.2 adalah
variable-variabel model
menuliskan
sepanjang baris kedua
dari atas yaitu
variabel-variabel
zj x1, x2, s1,sepanjang
s2
model
cj - zj
baris kedua dari
atas. Kedua variabel keputusan ditulis terlebih dahulu dengan mengikuti
urutan besarnya subskripnya, diikuti dengan variable pengurang yang
juga ditulis mengikuti urutan besarnya subskripnya. Langkah ini
menghasilkan suatu baris berisi x1 , x2 , s1 , s2 dalam tabel 4.2.
Metode simplex memilih titik orijin sebagai awal dari solusi fisibel
dasar karena nilai variabel keputusan pada titik orijin selalu dapat
diketahui dalam semua Programa linier.
Pada titik orijin tersebut (x1 = 0 dan x2 = 0), yang merupakan variabel-
variabel dalam solusi fisibel dasar untuk kasus ini adalah s1 dan s2. Dengan
demikian, jika nilai x1 = 0 dan x2 = 0, maka kita substitusikan nilai-nilai
tersebut pada kedua persamaan batas, hasilnya adalah
x1 + 2x2 + s1 = 40 → 0 + 2.(0) + s1 = 40
s1 = 40 jam
4x1 + 3x2 + s2 = 120 → 4.(0) + 3. (0) + s2 = 120
s2 = 120 kg
Dengan kata lain, pada titik orijin, dimana tidak ada produksi, semua
sumber-sumber tersebut tidak terpakai, dan variabel s1 dan s2, yang
membentuk solusi fisibel dasar.
Dalam tabel 4.3 ditulis di bawah kolom variabel dasar dengan nilai-
nilainya masing-masing 40 dan 120 ditulis di bawah kolom kuantitas (solusi).
Karena tabel simplex awal selalu dimulai dengan solusi pada titik orijin,
maka variabel-variabel dasar pada titik orijin adalah variabel pengurang, s1
dan s2.
Variabel dasar adalah variabel yang nilainya tidak sama dengan nol;
sedangkan variabel non-dasar adalah variabel yang nilainya sama dengan
nol.
cj 4 5 0 0
Variabel Kuantitas
dasar (solusi) x1 x2 s1 s2
0 s1 40 1 2 1 0 Kolom-kolom di
0 s2 120 4 3 0 1 bawah tiap variabel
(x1 , x2 , s1 , s2)
zj
cj - zj
Nilai-nilai yang harus diisi pada baris zj dan cj – zj, seperti juga nilai-
nilai table selanjutnya diperoleh dari hasil perhitungan matematis yang
menggunakan formula-formula simplex.
Menghitung zj
Nilai pada baris zj dihitung dengan jalan mengalikan tiap nilai kolom
cj (pada sisi kiri) dengan tiap kolom variabel (di bawah x1, x2, s1, dan s2),
dan kemudian menjumlahkan tiap set nilai-nilai ini satu persatu. Nilai zj ini
ditunjukkan dalam table 4.6.
Nilai Zj
Contoh perhitungan:
Nilai baris zj di bawah kolom kuantitas; nilai baris zj di bawah kolom x1
cj kuantitas cj x1
0 X 40 =0 0 x 1 =0
0 X 120 = 0 0 x 4 =0
zq = 0 zq =0
Baris cj-zj dihitung dengan jalan mengurangkan nilai baris zj dari nilai-
nilai baris (teratas) cj. Sebagai contoh, pada kolom x1, nilai cj-zj dihitung
sebagai 4 – 0 = 4. Nilai ini seperti juga nilai cj-zj lainnya ditunjukkan pada
tabel 4.7.
Tabel 4.7 adalah tabel simplex awal yang lengkap dengan semua nilai
yang telah terisi. Tabel 4.7 mencerminkan solusi pada titik orijin, dengan nilai
x1 = 0, x2 = 0, s1 = 40 dan s2 = 120.
Solusi ini jelas tidak optimal karena tidak ada keuntungan yang
diperoleh. Jadi kita ingin berpindah ke suatu titik solusi yang akan
memberikan solusi lebih baik. Dengan kata lain, kita ingin memproduksi
salah satu dari beberapa mangkok (x1) atau beberapa cangkir (x2).
Variabel non dasar yang masuk menjadi variabel dasar ditentukan dengan
cara cari nilai pada baris cj-zj yang terbesar.
Variabel x2
Kolom x2 yang diberi garis terang pada tabel 4.8 disebut kolom
pemutar (pivot column).
Dengan demikian maka, variabel dasar yang keluar pada tabel 4.8
adalah variabel s1. Baris s1 yang diarsir terang pada tabel 4.8 dinyatakan
sebagai baris pemutar (pivot row).
Tabel 4.9 Variabel Dasar dan nilai cj untuk tabel Simplex Kedua
cj 4 5 0 0
Variabel Kuantitas Nilai
dasar x1 x2 s1 s2
baris yang
5 x2 20 1/2 1 1/2 0 beragam dalam
tabel kedua
dihitung
menggunakan
beberapa formula simplex.
1. Untuk baris x2 yang disebut baris pemutar tabel baru, dihitung dengan
membagi tiap nilai dalam baris pemutar pada tabel pertama terhadap
angka pemutar.
nilai baris pemutar = (nilai baris pemutar tabel lama /angka pemutar)
tabel baru
2. Untuk menghitung nilai baris lainnya (dalam hal ini hanya ada satu baris)
digunakan formula yang berbeda.
Kuantitas 120 - (3 x 20 ) = 60
X1 4 - (3 x ½ ) = 5/2
X2 3 - (3 x 1 ) = 0
S1 0 - (3 x ½ ) = -3/2
S2 1 - (3 x 0 ) = 1
Baris zj dihitung dengan jalan menjumlahkan hasil kali nilai kolom cj dengan
semua nilai kolom lainnya.
Kolom
kuantitas zq = (5) . (20) + (0) . (60) = 100
Tabel 4.11
X1 Z1 = (5) . (1/2) + (0) . (5/2) = 5/2di atas masih
X2 Z2 = (5) . (1) + (0) . (0) = 5 belum
S1 Z3 = (5) . (1/2) + (0) . (-3/2) = 5/2memberikan
S2 Z4 = (5) . (0) + (0) . (1) = 0 solusi optimal.
Untuk
mendapatkan table simplex solusi optimal, langkah-langkah seperti
sebelumnya perlu dilakukan.
cj 4 5 0 0 Untuk
Variabel Kuantitas menentukan
dasar x1 x2 s1 s2 variabel non dasar
5 x2 20 1/2 1 1/2 0 yang masuk menjadi
0 s2 60 5/2 0 -3/2 1 variabel dasar dan
zj 100 5/2 5 5/2 0 variabel dasar yang
cj - zj 3/2 0 -5/2 0 keluar menjadi
variabel non dasar,
dilakukan perhitungan seperti sebelumnya.
Baris pemutar
cj 4 5 0 0
tabel baru (x1)
Variabel Kuantitas
x1 x2 s1 s2 dalam tabel simplex
dasar
ketiga dihitung
5 x2 20 1/2 1 1/2 0
0 s2 60 5/2 0 -3/2 1
dengan
menggunakan
zj 100 5/2 5 5/2 0
formula yang sama
cj - zj 3/2 0 -5/2 0
seperti sebelumnya.
Jadi semua nilai-nilai baris pemutar lama dibagi dengan 5/2 sebagai angka
pemutar, hasilnya dapat dilihat pada tabel 4.13.
Kuantitas 20 - (½ x 24 ) = 8
X1 ½ - (½ x 1 ) = 0
X2 1 - (½ x 0 ) = 1
S1 ½ - (½ x -3/5 ) = 4/5
S2 0 - (½ x 2/5 ) = -1/5
Nilai-nilai yang baru ini, seperti baris zj dan nilai baris cj-zj yang baru,
diperlihatkan dalam tabel ke tiga yang lengkap dalam tabel 4.14.
cj 4 5 0 0
Variabel Kuantitas
dasar x1 x2 s1 s2
5 x2 8 0 1 4/5 -1/5
4 x1 24 1 0 -3/5 2/5
zj 136 4 5 8/5 3/5
cj - zj 0 0 -8/5 -3/5
Latihan
Selesaikan model Programa linier berikut ini dengan menggunakan
metode simplex.
5.1 PENDAHULUAN
Formulasi Model
Meminimumkan Z = 6x1 + 3x2
terbatas pada
2 x1 + 4 x2 ≥ 16
4 x1 + 3 x2 ≥ 24
x1 , x2 ≥ 0
Pilihan lain, kita tetap dapat menghitung cj – zj dan tetap kita memilih
nilai negative terbesar sebagai kolom pemutar. Namun agar tetap konsisten
dalam aturan untuk memilih kolom pemutar, kita akan tetap menggunakan
zj – cj.
Tabel simplex awal model minimasi di atas ditunjukkan pada tabel 5.1.
(Catatan: lihat cara memasukkan parameter-parameter seperti contoh pada
bab 4 sebelumnya)
cj 6 3 0 0 M M
Variabel Kuantitas
dasar (solusi) x1 x2 s1 s2 A1 A2
M A1 16 2 4 -1 0 1 0
M A2 24 4 3 0 -1 0 1
zj 40 M 6M 7M -M -M M M
z j - cj 6M-6 7M-3 -M -M 0 0
Pada tabel 5.1, kolom x2 dipilih sebagai kolom pemutar karena 7M-3
adalah nilai positif terbesar pada baris zj – cj, (x2 sebagai variabel yang
masuk). A1 dipilih sebagai variabel dasar yang keluar (baris pemutar) karena
hasil bagi sebesar (16/4) = 4 untuk baris ini merupakan nilai positif terendah.
(A1 sebagai variabel yang keluar)
cj 6 3 0 0 M
Variabel Kuantitas
dasar (solusi) x1 x2 s1 s2 A2
3 x2 4 1/2 1 -1/4 0 0
M A2 12 5/2 0 3/4 -1 1
zj 12 M + 12 5M/2 + 3/2 3 -3/4 + 3M/4 -M M
z j - cj 5M/2 - 9/2 0 -3/4 + 3M/4 -M 0
Pada tabel 5.2, kolom x1 dipilih sebagai kolom pemutar karena 5M/2 -
9/2 adalah nilai positif terbesar pada baris zj – cj. A2 dipilih sebagai variabel
dasar yang keluar (baris pemutar) karena hasil bagi sebesar (24/5) untuk
baris ini merupakan nilai positif terendah.
cj 6 3 0 0
Variabel Kuantitas
Dasar (solusi) x1 x2 s1 s2
3 x2 8/5 0 1 -2/5 1/5
6 x1 24/5 1 0 3/10 -2/5
zj 168/5 6 3 3/5 -9/5
z j - cj 0 0 3/5 -9/5
Sampai di sini (tabel 5.3) solusi optimal belum dipenuhi, karena pada
baris zj – cj masih ada yang bernilai positif. (solusi optimal terpenuhi jika
nilai (zj – cj) semuanya nol atau negatif.
x1 = 0
s1 = 16
x2 = 8
s2 = 0
Z = 24
x1 + x2 = 30
0 + 0 = 30
0 ≠ 30 (karena 0 tidak sama dengan 30, batasan ini tidak fisibel)
x1 + x2 + A1 = 30
0 + 0 + A1 = 30
2x1 + 8x2 – s1 + A2 = 80
x1 + s2 = 20
Batasan nonnegatif
x1 , x2 , s1 , s2 , A1, A2 ≥ 0
cj 400 200 0 0 -M -M
Variabel Kuantitas
dasar (solusi) x1 x2 s1 s2 A1 A2
-M A1 30 1 1 0 0 1 0
-M A2 80 2 8 -1 0 0 1
0 s2 20 1 0 0 1 0 0
zj -110 M -3M -9M M 0 -M -M
cj - zj 400 + 3M 200 + 9M -M -M 0 0
cj 400 200 0 0 -M
Variabel Kuantitas
dasar (solusi) x1 x2 s1 s2 A1
-M A1 20 ¾ 0 1/8 0 1
200 x2 10 ¼ 1 -1/8 0 0
0 s2 20 1 0 0 1 0
zj 2000 - 20 M 50 - 3M/4 200 -25 – M/8 0 -M
cj - zj 350 + 3M/4 0 25 +M/8 0 0
cj 400 200 0 0 -M
Variabel Kuantitas
Dasar (solusi) x1 X2 s1 s2 A1
-M A1 5 0 0 1/8 -3/4 1
200 x2 5 0 1 -1/8 -1/4 0
400 x1 20 1 0 0 1 0
zj 2000 - 20 M 400 200 -25 – M/8 350+3M/4 -M
cj - zj 0 0 25 +M/8 -350-3M/4 0
cj 400 200 0 0
Variabel Kuantitas
Dasar (solusi) X1 x2 s1 s2
0 s1 40 0 0 1 -6
200 x2 10 0 1 0 -1
400 x1 20 1 0 0 1
zj 2000 - 20 M 400 200 0 200
cj - zj 0 0 0 -200
Tabel 5.8 sudah optimal karena nilai cj – zj nya semuanya nol (0) atau
negatif.
x1 = 20
x2 = 10
s1 = 40
Z = 10.000
Bentuk dasar dari masalah maksimasi dan minimasi yang khas telah
ditunjukkan pada bab 4 dan pada awal bab ini. Ada beberapa masalah
khusus program linier yang akan dijelaskan berikut, yaitu permasalahan-
permasalahan solusi optimal majemuk, masalah tidak layak, masalah solusi tidak
terbatas.
40
30
20 A
10 B
C
0 10 20 30 40 x2
cj 4 5 0 0
Variabel Kuantitas
dasar x1 x2 s1 s2
5 x2 8 0 1 4/5 -1/5
4 x1 24 1 0 -3/5 2/5
zj 120 4 3 0 1
cj - zj 0 0 0 -1
Contoh
Memaksimumkan Z = 5x1 + 3x2
Terbatas pada
4x1 + 2x2 ≤ 8
x1 ≥ 4
x2 ≥ 6
x1 , x2 ≥ 0
Dalam hal ini fungsi tujuan mungkin saja akan naik terus-menerus
tidak terbatas tanpa mencapai nilai maksimum, mengingat fungsi tujuan
tidak akan pernah mencapai batas daerah solusi yang layak.
Contoh:
Memaksimumkan Z = 4x1 + 2x2
Terbatas pada
x1 ≥ 4
x2 ≤ 2
x1 , x2 ≥ 0
Latihan
1. Buat Solusi Model di bawah ini menggunakan tabel simplex
meminimumkan Z = 8 x1 + 6 x2
terbatas pada
4 x1 + 2 x2 ≥ 10
- 6 x1 + 4x2 ≤ 12
x1 + x2 ≥ 6
x1 , x2 ≥ 0
6.1 PENDAHULUAN
Kebutuhan sumber
Sumber Meja Kursi Jumlah yang tersedia
Tenaga Kerja 2 jam 4 40 jam
Kayu 18 kubik 18 kubik 216 kubik
Gudang penyimpanan 24 m2 12 m2 240 m2
Z = 40 y1 + 216 y2 + 240 y3
3. Koefisien batasan model primal merupakan koefisien variable keputusan
dual. Contoh batasan tenaga kerja dalam primal mempunyai koefisien 2
dan 4. Nilai-nilai ini merupakan koefisien variable y1 dalam batasan
model dual: 2 y1 dan 4 y1
4. Koefisien fungsi tujuan primal, yaitu 160 dan 200 mewakili kebutuhan
batasan model (nilai kualitas pada sisi kanan batasan) dual.
Primal Dual
Memaksimumkan Meminimumkan
Terbatas pada:
Terbatas pada
2 x1 + 4 x2 ≤ 40
18 x1 + 18 x2 ≤ 216 2 y1 + 18 y2 + 24 y3 ≥ 160
24 x1 + 12 x2 ≤ 240
4 y1 + 18 y2 + 12 y3 ≥ 200
x1 , x2 ≥ 0 y1 , y2 , y3 ≥ 0
Memaksimumkan Zd = 16 y1 + 24 y2
Terbatas pada
2 y1 + 4 y2 ≤ 6
4 y1 + 3 y2 ≤ 3
y1 , y2 ≥ 0
a. Batasan pertama
b. Batasan kedua
b.1 3x1 + 2 x2 ≥ 60
b.2 3x1 + 2 x2 ≤ 60
-3x1 - 2 x2 ≤ - 60
2 x1 + x2 ≥ 25
Sama halnya dengan batasan b.1, batasan terakhir (c) ini harus diubah ke
dalam bentuk batasan primal standar (kasus maksimasi batasan primal
standar harus ≤ 0).
Untuk itu batasan terakhir harus dikalikan dengan bilangan (-1), sehingga
diperoleh batasan primal standarnya adalah
Meminimumkan Zd = 40 y1 + 60 y2 - 60 y3 - 25 y4
Terbatas pada
y1 + 3y2 - 3y3 - 2y4 ≥ 10
4y1 + 2 y2 - 2 y3 - y4 ≥ 6
y1,y2 ,y3 ,y4 ≥ 0
1. Memaksimumkan Z = 4x1+5 x2
terbatas pada
1x1 + 2x2 ≤ 40
4x1 + 3x2 ≤ 120
x1 , x2 ≥ 0
3. Memaksimumkan Z = 4 x1 + 5 x2
terbatas pada
x1 + 2 x2 ≤ 10
6 x1 + 6 x2 ≤ 36
x2 ≤ 4
x1 , x2 ≥ 0
4. Meminimumkan Z = 8 x1 + 6 x2
terbatas pada
4 x1 + 2 x2 ≥ 10
- 6 x1 + 4x2 ≤ 12
x1 + x2 ≥ 6
x1 , x2 ≥ 0
5. Memaksimumkan Z = 3 x1 + 5 x2
terbatas pada
2x1 ≤ 8
3x2 ≤ 15
6 x1 + 5 x2 ≤ 30
x1 , x2 ≥ 0
6. Meminimumkan Z = 5 x1 + 2 x2
terbatas pada
7.1 PENDAHULUAN
Sumber Tujuan
X11
S1 T1
X12
X13
X21
S2 T2
X22
X23
Xm1
Sm Xm2 Tm
Xm3
Gambar 7.1 Model transportasi dari sebuah jaringan dengan m sumber dan n
tujuan
Jaringan kerja adalah susunan titik (disebut node) dan garis (disebut
anak panah) yang menghubungkan node-node.
Keterangan :
Fungsi Tujuan
Meminimumkan
Terbatas pada
Xij ≥ 0
Syarat :
Biaya pengiriman tiap unit motor dari tiap pabrik ke tiap distributor
ditunjukkan pada matriks berikut :
PABRIK DISTRIBUTOR
Bekasi Jakarta
Karawang 40 50
Cilegon 100 70
Bandung 60 80
1) Pengisian sel dimulai dari sudut kiri atas tabel (yaitu sel X11). Bandingkan
persediaan di S1 dengan kebutuhan di T1, yaitu masing-masing a1 dan
b1. Cari X11 = min (a1, b1) pilih nilai paling minimal antara a1 dan b1.
a. Bila a1 > b1, maka X11 = b1. Teruskan ke sel X12, kemudian tentukan
nilai X12 = min (a1 - b1 , b2).
b. Bila a1 < b1, maka X11 = a1. Teruskan ke sel X21, kemudian tentukan
nilai X21 = min (b1 – a1 , a2).
c. Bila a1 = b1, buat X11 = b1. Teruskan ke sel X22.
Ke Bekasi Jakarta
Dari ai
Karawang 40 50 100
100
Cilegon 100 70 150
25 125
Bandung 60 80 50
50
bj 125 175
Pengisian sel dimulai dari sudut kiri atas tabel, yaitu sel X11. a1 = 100
dan b1 = 175 Cari!
X11 = min (100, 175) = 100 karena a1 < b1. (nilai a1 sudah terpenuhi sebanyak
100)
X21 = min (b1 – a1 , a2) = min (175 – 100 , 150) = 75 (nilai b1 sudah terpenuhi
sebanyak 175)
X22 = min (a2 – b1, b2) = (150 – 75, 150) = 75 (nilai a2 sudah terpenuhi
sebanyak 150)
X32 = min (b2 – a2, a2) = (125 – 75, 150) = 50 (nilai b2 sudah terpenuhi
sebanyak 125)
1) Kita mulai dari baris a1. Kita mencari ongkos terkecil pada baris ini.
Misalkan terjadi pada kolom Tk. Kemudian tentukan X1k = min (a1, bk).
Ke Bekasi Jakarta
Dari ai
Karawang 40 50 100
100
Cilegon 100 70 150
150
Bandung 60 80 50
25 25
Baris pertama kita tinggalkan dan kita cari ongkos terkecil pada kolom b1
tanpa baris a1. Ini terjadi pada a3 (ongkosnya = 60). Maka X31 = min(b1-
a1, a3) = min (175 – 100, 50) = 50.
Pada baris kedua a2, ongkosnya belum sama dengan a2, yaitu 150, maka
ongkos terkecil pada baris ini tinggal T1 (Bekasi = 100). Karena itu X21 =
min ( a2 - b2 , b1 – a1 – a3) = min ( 150 – 125, 175 – 100 – 50) = 25
Metode Vogel
Metode Vogel merupakan metode yang lebih mudah dan lebih cepat
untuk mengatur alokasi dari beberapa sumber ke daerah tujuan.
1) Tentukan selisih ongkos terkecil dan kedua terkecil dari tiap tiap baris dan
tiap tiap kolom.
2) Pilih baris atau kolom yang memiliki selisih ongkos terbesar
3) Isikan pada sel yang memiliki ongkos terkecil di baris atau kolom yang
terpilih pada langkah 2.
4) Lanjutkan sampai selesai
3. Cek Optimalitas
Syarat :
Jumlah sel yang terisi : (m + n) – 1
m = jumlah baris tabel transportasi
n = jumlah kolom tabel transportasi
Karena cek pada c31 menghasikan nilai negatif (-), maka perlu
dilakukan perubahan tabel, sebagai berikut :
c12 = 50 – 70 + 100 – 40 = 40
c32 = 80 – 60 + 100 – 70 = 50
Karena harga cij sudah tidak ada yang negatif, maka distrusi tersebut sudah
optimal
Karena uji pada sel c31 menghasikan nilai negatif (-), maka perlu
dilakukan perubahan tabel, sebagai berikut:
Jika kita misalkan nilai u1=0, maka harga setiap ui dan vj adalah sebagai
berikut
v1 = 40, u2 = 60, v2 = 10 , u3 = 20
Sel kosong :
c12 = 50 – u1 – v2 = 50 – 0 – 10 = 40
c32= 80 – u3 – v2 = 60 – 20 – 10 = 50
Latihan
Roma 38 10 18
Paris 34 22 25
8.1 PENDAHULUAN
Pekerjaan
1 2 3 4 .. n
Karyawan 1
2
..
m
Contoh:
Suatu perusahaan mempunyai 4 karyawan dengan tingkat
produktivitas berbeda dan 4 jenis pekerjaan yang berbeda-beda. Biaya
penugasan tiap karyawan untuk pekerjaan yang berbeda-beda tersebut dapat
dilihat pada tabel 8.1
Dalam tabel terakhir dibutuhkan 4 garis untuk meliput seluruh nilai nol
atau sama dengan jumlah baris/kolom, sehingga penugasan telah
optimal.
Contoh
Langkah Penyelesaian:
Latihan
1. Sebuah perusahaan pengecoran logam mempunyai empat jenis mesin,
yaitu M1, M2, M3, dan M4. Setiap jenis mesin mempunyai kapasitas yang
berbeda dalam pengoperasiannya. Dalam minggu mendatang perusahaan
medapatkan pesanan untuk menyelesaikan empat jenis pekerjaan yaitu
J1, J2, J3, dan J4. Biaya pengoperasian setiap pekerjaan oleh keempat
mesin dapat dilihat pada tabel di bawah ini.
Mesin
M1 M2 M3 M4
J1 210 150 180 130
J2 140 160 200 190
J3 150 175 220 200
J4 200 175 160 190
karyawati Produk
Celana Rok Hem Baju Safari
A 210 150 180 130
B 140 160 200 190
C 150 175 220 200
D 200 175 160 190
9.1 PENDAHULUAN
Yang melakukan antrian bukan hanya orang, akan tetapi bisa juga
barang, misalnya mesin-mesin yang rusak untuk menunggu diperbaiki,
barang-barang di pabrik menunggu untuk berbagai tahapan proses produksi,
dan lain-lain.
Contoh 9.1
Penyelesaian:
Banyak model antrian untuk setiap sistem antrian. Bab ini akan
memusatkan pada dua sistem populer, yaitu sistem saluran tunggal dan
banyak saluran, keduanya satu tahap.
1. Kedatangan
Kedatangan disebut juga proses input, meliputi sumber kedatangan atau
calling population. Cara terjadinya kedatangan umumnya merupakan
proses random (acak).
2. Pelayanan
Mekanisme pelayanan dapat terdiri dari satu atau lebih pelayanan, atau
satu atau lebih fasilitas pelayanan.
3. Antri
Inti dari analisi antrian adalah antri itu sendiri. Penentu antrian yang
penting adalah disiplin antri. Disiplin antri adalah aturan yang
menjelaskan cara melayani pengantri. Sebagai contoh FIFO, LCFS,
berdasarkan prioritas, janji, dan lain-lain.
Antrian
Antrian Pelayanan
Antrian Pelayanan
Antrian Pelayanan
Antrian Pelayanan
Catatan: Suatu proses dikatakan tidak akan ada antrian jika fasilitas
pelayanannya lebih banyak dari antriannya.
Total Cost
Biaya pelayanan
Expected cost
Biaya menunggu
Tingkat pelayanan
Biaya Pelayanan
Misalkan suatu supermarket ingin menambah check out counter perlu
membiayai seluruh perlengkapan counter tambahan dan menggaji pelayan
baru. Ini berarti jika tingkat pelayanan diperbaiki, biaya pelayanan akan
bertambah.
Biaya Menunggu
Umumnya terdapat hubungan terbalik antara tingkat pelayanan dan waktu
menunggu. Biaya menunggu dapat diduga secara sederhana sebagai biaya
kehilangan keuntungan bagi pengusaha, atau biaya turunnya produktivitas
bagi pekerja.
Meminimumkan ∈ (C)= I Ci + w. Cw
Distribusi Kedatangan
𝑒 −𝛾 . 𝛾 𝑋
𝑃 (𝑥) =
𝑋!
dimana
x : Banyaknya kedatangan
P (x) : Probalilitas kedatangan
λ : Rata – rata tingkat kedatangan
e : Dasar logaritma natural, yaitu 2,71828
x! : x(x-1) (x-2) … 1 (dibaca x faktorial)
𝑓 (𝑡) = 𝜇. 𝑒 −𝜇.𝑡
t : Waktu pelayanan
f(t) : Pr obabilitas yang berhubungan dengan t
μ : Rata – rata tingkat pelayanan
1/μ : Rata – rata waktu
E : Dasar logaritma natural, yaitu 2,71828
Displin Antri
Suatu asumsi yang sangat penting dalam teori antrian adalah apakah
system mencapai suatu keseimbangan atau steady state. Ini berarti
diasumsikan bahwa ciri-ciri operasi seperti panjang antrian dan rata-rata
waktu menunggu akan memiliki nilai konstan setelah sistem berjalan selama
suatu periode waktu.
Rata-rata
antrian
𝜆⁄
𝜇
Keterangan
a : distribusi kedatangan
b : distribusi keberangkatan / pelayanan
untuk a dan b, M menunjukkan Poisson
Contoh
[. / . / . /FCFS / ∞ / ∞]
Pn = (1 - R) Rn , dimana R = λ ≤ 1, dan n = 0, 1, 2, …
𝑅2
𝐿𝑞 =
1−𝑅
1
𝑊=
𝜇− 𝜆
𝜆
𝑊𝑞 =
𝜇(𝜇 − 𝜆)
Contoh 9.3
a. P4 b. L c. Lq d. W e. Wq f. Po atau
I
Penyelesaian:
Tingkat kedatangan rata-rata λ = 20 per jam
Tingkat pelayanan rata-rata μ = 30 per jam
sehingga R = λ/ μ = 2/3
2⁄
𝐿= 3 = 2 𝑝𝑒𝑛𝑢𝑚𝑝𝑎𝑛𝑔
1 − 2⁄3
c. Rata – rata banyaknya pengantri yang sedang antri.
2
𝑅2 (2⁄3)
𝐿𝑞 = = = 1,33 𝑝𝑒𝑛𝑢𝑚𝑝𝑎𝑛𝑔
1−𝑅 1 − 2⁄3
1 1
𝑊= = 𝑗𝑎𝑚 = 6 𝑚𝑒𝑛𝑖𝑡
30 − 20 10
𝜆 20
𝑊𝑞 = = = 4 𝑚𝑒𝑛𝑖𝑡
𝜇(𝜇 − 𝜆) 30(30 − 20)
Namun upah penjaga yang lebih terampil adalah Rp. 1200 per jam,
yang berarti 2x penjaga yang ada. Kepala stasiun juga memperkirakan biaya
menunggu pengantri adalah Rp 50 per menit. Haruskah kepala stasiun
mengganti penjaga dengan penjaga yang lebih terampil ?
Penyelesaian:
Ciri – ciri sistem yang diperlukan untuk menganalisis masalah yaitu Wq dan
I:
I = 1 – 2/3 = 33,3%
𝜆 20
𝑊𝑞 = = = 1,5 𝑚𝑒𝑛𝑖𝑡
𝜇(𝜇 − 𝜆) 40(40 − 20)
Karena tingkat kedatangan rata – rata λ = 20 per jam, dan loket dibuka 8
jam sehari, maka banyaknya pengantri diperkirakan 160. Sehingga jumlah
waktu menunggu
Kasus 1 Kasus 2
Biaya tunggu pengantri 640 x 50 = Rp 32.000 240 x 50 = Rp 12.000
Biaya pelayanan 8 x 600 = Rp 4.800 8 x 1200 = Rp 9.600
a.
Antrian Pelayanan
Antrian Pelayanan
b.
Antrian Pelayanan
Ciri struktur ini adalah bahwa hanya ada sebuah antrian di depan fasilitas
pelayan yang berisi banyak saluran atau pelayanan. Pengantri akan dilayani
jika pelayanan siap atas dasr FCFS.
10.1 PENDAHULUAN
Manajemen Projek secara lambat laun telah menjadi suatu bidang baru
dengan berkembangnya dua teknik analisis yang dipergunakan untuk
perencanaan, penjadualan, dan pengawasan suatu projek, yaitu Critical Path
Method (CPM) dan Program Evaluation and Review Technique (PERT)
Salah satu tujuan dari analisis ini adalah untuk menentukan waktu
terpendek yang diperlukan untuk merampungkan proyek, atau menentukan
critical path, yaitu jalur dalam jaringan yang membutuhkan waktu
penyeleseian paling lama.
CPM dan PERT pada dasarnya serupa, bedanya CPM adalah teknik
deterministik sedangkan PERT bersifat probabilistik. Karena itu, keduanya
sering dituliskan dengan CPM/PERT. Karena teori jaringan kerja merupakan
teknik analisis yang dapat membantu manajemen projek untuk
melaksanakan tugas guna membuat perencanaan, mengatur jadual
pelaksanaan, melakukan pengawasan, dan pengambilan keputusan terhadap
projek yang sedang berjalan atau projek yang sama sekali baru.
Contoh 10.1
A B Kegiatan B hanya dapat dimulai setelah
1 2 3 kegiatan A selesai.
A,B C
1 2 3
salah
A C Dalam suatu jaringan kerja tidak boleh
1 3 4 terjadi suatu loop.
B
2
1. A, B, dan C kegiatan dalam suatu proyek yang bisa dimulai secara serentak
(simultan).
2. A dan B mendahului D.
3. B mendahului E, F dan H.
4. F dan C mendahului G.
5. E dan A mendahului I dan J
6. C, D, F dan J mendahului K.
7. K mendahului L.
8. I, G dan L merupakan aktifitas terminal di proyek.
Latihan:
1. Gambarkan diagram anak panah yang mencakup kegiatan A, B, C, …..,
dan M sedemikian rupa sehinga hubungan berikut ini terpenuhi.
a. A dan B dapat dimulai secara serentak.
b. C dan D dapat dimulai kalau A sudah selesai.
c. E dapat dimulai kalau C sudah selesai.
d. G dapat dimulai kalau E sudah selesai.
e. F dapat dimulai kalau D sudah selesai.
f. H dapat dimulai kalau C, D, E, F dan G sudah selesai.
g. I dan J dapat dimulai kalau B sudah selesai.
h. K dapat dimulai kalau J sudah selesai.
i. L dapat dimulai kalau I, J, dan K sudah selesai.
j. M dapat dimulai kalau H dan L sudah selesai.
k. M kegiatan terminal.
2. Gambarkan diagram anak panah yang mencakup kegiatan A, B, C, …..,
dan J sedemikian rupa sehinga hubungan berikut ini terpenuhi.
a. Proyek dimulai dari kegiatan A,
Contoh 10.2
1 2 3 4
Gambar 10.3 Jaringan Pembangunan Rumah dan Waktu Kegiatan Yang Salah
3 2 0 1 1 1
B 1 2 3 4 5 6 7 8 bulan
3 1 3 1
C 1 2 4 6 7 8 bulan
3 1 1 1 1
D 1 2 4 5 6 7 7 bulan
dimana j adalah lingkaran akhir dari semua kegiatan yang berawal pada
lingkaran i
Ini berarti selain memilih jalur waktu terpanjang dari seluruh jalur yang
mungkin dari suatu jaringan, lintasan kritis dapat ditentukan dengan
memeriksa di mana lingkaran-lingkaran yang memiliki ET = LT. Pada
Gambar 10.6 lingkaran 1,2,3,4,6 dan 7 semuanya memiliiki ET = LT, jadi
mereka berada pada critical path.
Gambar 10.6 Jaringan Dengan ET Dan LT, Anak Panah Tebal Menunjukkan
Critical Path
Contoh :
Slack untuk seluruh kegiatan ditunjukan pada gambar 10.7. terlihat bahwa
S24=1 artinya kegiatan 2→4 dapat tertunda 1 bulan, tanpa memperlambat
penyelesaian proyek.
Gambar 10.7 menunjukan bahwa semua kegiatan kritis memiliki slack tidak
sama dengan nol. Sementara semua kegiatan lainnya memiliki slack tidak
sama dengan nol. Kesimpulannya, critical path akan meliputi seluruh
kegiatan dengan slack sama dengan nol.
Gambar 10.7 menunjukan bahwa S45 dan S56 adalah 1 bulan. Ini
artinya, yang dapat ditunda hanya salah satu kegiatan, yaitu 1 bulan, tetapi
bukan kedua kegiatan masing-masing 1 bulan. Slack untuk kedua kegiatan
ini dinamakan shared slack, artinya dua kegiatan berurut 4→5 dan 5→6 dapat
tertunda 1 bulan tanpa memperlambat penyelesaian proyek.
10.4 PERT
Sampai saat ini, waktu kegiatan ini diasumsikan diketahui dengan
pasti, sehingga merupakan suatu nilai tunggal atau model jaringan CPM
yang merupakan model deterministik.
𝑎 + 4𝑚 + 𝑏
𝑡𝑖𝑗 =
6
𝑏−𝑎 2
𝑉𝑖𝑗 = ( )
6
Contoh 10.3
Dan variansya, σ2, adalah jumlah varians waktu kegiatan kritis, sehingga
σ2 = v12+v23+v34+v45
= 4+4/9+4/9+1/9
25 − 𝜇
𝑃(𝑡𝑝 ≥ 25) = 𝑃𝑍 ≥
√𝜎 2
25 − 24
𝑃(𝑡𝑝 ≥ 25) = 𝑃𝑍 ≥
√5
11.1 PENDAHULUAN
Kondisi Dasar
Keputusan A B
1 Hasil Keputusan 1a Hasil Keputusan 1b
2 Hasil Keputusan 2a Hasil Keputusan 2b
Seorang investor ingin membeli salah satu dari tiga jenis properti
perumahan. Ia harus memutuskan antara membeli sebuah apartemen,
sebuah bangunan kantor, atau sebuat gudang. Kondisi dasar di masa
mendatang yang akan menentukan besar laba yang akan diperoleh investor
tersebut adalah keadaan ekonomi yang baik dan keadaan ekonomi yang
buruk. Laba yang akan dihasilkan dari masing-masing keputusan dalam tiap
kondisi dasar yang terjadi ditunjukkan dalam tabel 11.2.
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi
membeli Buruk
Apartemen 500 juta 300 juta
Bangunan Kantor 1000 juta -400 juta
Gudang 300 juta 100 juta
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi
membeli Buruk
Apartemen 500 juta 300 juta
Bangunan Kantor 1000 juta -400 juta
Gudang 300 juta 100 juta
Hasil Maksimum
Cara:
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
membeli
Apartemen 500 juta 300 juta
Bangunan Kantor 1000 juta -400 juta
Gudang 300 juta 100 juta
Hasil maksimum
Harga minimum dari tabel di atas adalah 300 juta, -400 juta, dan 100
juta. Nilai maksimum dari ketiga hasil ini adalah 300 juta. Jadi keputusan
yang sesuai adalah membeli apartemen.
Cara:
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
membeli
Apartemen 500 juta 0 juta
Bangunan Kantor 0 700 juta
Gudang 700 juta 200 juta
Keputusan
Untuk contoh di atas, jika α = 0.4 , maka (1- α) = 0.6. (investor lebih pesimis).
Keputusan Nilai
Apartemen 500 (0.4) + 300 (0.6) 380 juta
Bangunan Kantor 1000 (0.4) – 400 (0.6) 160 juta
Gudang 300 (0.4) + 100 (0.6) 180 juta
Kriteria bobot yang sama memberikan bobot yang sama untuk setiap
kondisi dasar, jadi diasumsikan bahwa setiap kondisi dasar memiliki
kemungkinan yang sama akan terjadi.
Untuk contoh di atas, kita memberikan bobot yang sama yaitu 0.5.
Keputusan Nilai
Apartemen 500 (0.5) + 300 (0.5) 400 juta
Bangunan Kantor 1000 (0.5) – 400 (0.5) 300 juta
Gudang 300 (0.5) + 100 (0.5) 200 juta
Kriteria Keputusan
Maximax Bangunan Kantor
Maximin Apartemen
Maximin Apartemen
Minimum Penyesalan Apartemen
Hurwicz Apartemen
Bobot yang sama Apartemen
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
membeli (0.6) (0.4)
Apartemen 500 juta 300 juta
Bangunan Kantor 1000 juta -400 juta
Gudang 300 juta 100 juta
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
membeli
Apartemen 500 juta 0 juta
Bangunan Kantor 0 700 juta
Gudang 700 juta 200 juta
Latihan:
1. Memperluas pabrik dan memproduksi bahan baku yang ringan dan tahan
lama untuk dijual ke luar negeri, pasar dengan sedikit pesaing.
2. Mempertahankan keadaan sekarang, melanjutkan produksi komponen
yang memiliki banyak pesaing.
3. Menjual pabrik.
Jika salah satu dari dua alternatif yang dipilih, pabrik akan dijual pada
akhir tahun. Jumlah keuntungan yang dapat diperoleh dari menjual pabrik
dalam satu tahun tergantung pada kondisi pasar asing, termasuk status
embergo perdagangan. Tabel hasil pertukaran berikut ini menggambarkan
situasi keputusan ini.
1. Maximax
2. Maximin
3. Minimax Regret
4. Hurwicz ( α= 0.3)
5. Equal likelihood. (bobot yang sama)
Kondisi Dasar
Keputusan untuk Kondisi Ekonomi Baik Kondisi Ekonomi Buruk
membeli (0.6) (0.4)
Apartemen 500 juta 300 juta
Bangunan Kantor 1000 juta -400 juta
Gudang 300 juta 100 juta
Lingkaran (O) dan kotak (□) disebut simpul. Kotak adalah simpul keputusan
(decision nodes) dan cabang yang berasal dari simpul keputusan
mencerminkan alternatif keputusan yang mungkin terjadi pada saat tersebut.
Pertama nilai ekspektasi dari hasil akhir dihitung pada setiap probabilitas.
Diagram pohon untuk contoh ini dapat dilihat pada gambar berikut,
berisi semua data-data yang berhubungan termasuk keputusan, kondisi
dasar, probabilitas, dan untung rugi.
Simpul probabilitas 2:
Jika apartemen dibeli, ada dua kondisi dasar yang mungkin pada simpul
probabilitas. Kota dapat menunjukkan peningkatan dengan probabilitas 0.6
atau tidak menunjukkan peningkatan dengan probabilitas 0.4. Jika populasi
meningkat, investor akan memperoleh hasil sebesar 200 juta, selama periode
10 tahun. (seluruh situasi keputusan ini meliputi jangka waktu 10 tahun).
Walaupun demikian, jika tidak terjadi peningkatan populasi, hasil yang akan
diperoleh hanya 22,5 juta.
Simpul probabilitas 3:
Jika keputusan yang diambil adalah membeli tanah, ada dua kondisi dasar
yang mungkin pada simpul probabilitas 3. Kondisi dasar probabilitasnya
identik dengan yang terdapat pada node 2, walaupun demikian hasil yang
diperoleh berbeda.
Pada simpul 4 kita melakukan pilihan antara dua nilai: 174 juta, nilai
yang diperoleh dari mengurangkan hasil ekspektasi sebesar 245 juta dengan
biaya membangun apartemen (80 juta) atau 45 juta nilai ekspektasi dari
menjual tanah dan dihitung dengan probabilitas dasar sebesar 1.0. Keputusan
yang diambil adalah membangun apartemen dan nilai dari simpul 4 adalah
174 juta.
Karena nilai bersih ekspektasi tertinggi adalah 116, keputusan yang diambil
adalah membeli tanah dan hasil keputusan tersebut adalah 116 juta.
1. Hamdy A. Taha. 1996. Riset Operasi: Suatu Pengantar. Edisi Kelima, Jakarta,
Binarupa Aksara.
2. Bernard W. Taylor III. 1996. Sains Manajemen. Edisi keempat, Jakarta, Salemba
Empat