Masih A4 PDF

17108030018 ELOK WAHYUNINGTYAS
17108030064 APRILIANI INTAN PERTIWI
0
DAFTAR ISI
1. METODE GRAFIK (2) .............................................................................................. 1

2. METODE SIMPLEKS (5) .......................................................................................... 5
3. METODE TRANSPORTASI ....................................................................................... 8
4. MASALAH PENUGASAN ......................................................................................... 15
5. ANALISA NETWORK ............................................................................................... 20
6. MODEL PENGENDALIAN PERSEDIAAN .................................................................. 32
7. MODEL ANTRIAN ................................................................................................... 39
8. MODEL RANTAI MARKOV ...................................................................................... 53
9. METODE FORECASTING ......................................................................................... 57
10. TEORI KEPUTUSAN ................................................................................................ 62
1
METODE GRAFIK PADA LINEAR PROGRAMMING
Yaitu salah satu metode dalam linear programming yaitu suatu model untuk
memecahkan masalah pengalokasian sumber-sumber yang terbatas secara
optimal, dimana metode grafik ini adalah cara untuk menentukan kombinasi
A. Langkah Penggunaan Metode Grafik

a. Menentukan fungsi tujuan dan memformulasikannya ke dalam bentuk matematis
b. Mengidentifikasi batasan-batasan yang berlaku dan memformulasikannya dalam bntuk
matematis. Dimana fungsi batasan-batasan ini dinyatakan dalam 3 tanda:
1. ≤ kurang dari atau sama dengan → digunakan untuk memaksimumkan laba
2. ≥ lebih dari atau sama dengan → digunakan untuk meminimumkan biaya
3. = sama dengan
c. Menggambarkan masing-masing garis fungsi batasan dalam satu sistem salib sumbu
1. Apabila tanda nya ≤, maka bagian yang diarsir ialah dari garis batasan ke arah bawah
2. Apabila tandanya ≥, maka bagian yang diarsir ialah dari garis batasan ke arah atas
d. Menentukan setiap titik yang masuk ke dalam daerah arsir (daerah feasible).
e. Mencari titik yang paling menguntungkan (optimal) dihibungkan dengan fungsi tujuan.
B. Contoh Soal dan Penyelesaian
a. Soal :
• Perusahaan sepatu ‘IDEAL’ membuat 2 macam sepatu.
Merek I = sepatu dengan sol dari karet
Merek II = sepatu dengan sol dari kulit
• Untuk membuat sepatu itu, perusahaan mempunyai 3 mesin:
Mesin I = khusus membuat sol dari karet
Mesin II = khusus membuat soal dari kulit
Mesin III = membuat bagian atas sepatu &melakukan assembling bagian atas dengan sol
• Proses mengerjakan setiap lusin sepatu:
Sepatu I = menggunakan mesin I selama 2 jam, dan mesin 3 selama 6 jam
Sepatu II = menggunakan mesin II selama 3 jam, dan mesin 3 selama 5 jam
• Jam kerja maksimum setiap hari untuk mesin:
2
Mesin I = 8 jam
Mesin II = 15 jam
Mesin III = 30 jam
• Laba untuk setiap lusin sepatu:
Sepatu I = Rp30.000
Sepatu II = Rp50.000
• Banyaknya produksi setiap sepatu agar mencapai laba maksimum
Sepatu I = …. Lusin
Sepatu II = …. Lusin
b. Penyelesiaan :
• Formula: Maksimumkan Z: 3X1 + 5X2
Batasan-batasan: 2X1 ≤ 8
3X2 ≤ 15
6X1 + 5X2 ≤ 30
Keterangan: X1 = Jumlah sepatu merek I
X2 = Jumlah sepatu merek II
Z = Jumlah laba
• Grafik:
• Titik yang berada di daerah arsiran yaitu:

Titik A= (4,0), Titik B, Titik C, dan Titik D= (0,5)
• Mencari nilai titik B:
• 2X1 =8 (x 3) → 6X1 = 24
6X1 + 5X2 = 30 (x 1) → 6X1 + 5X2 = 30 -
-5X2 = -6
3
X2 = 6/5
• 6X1 + 5(6/5) = 30
6X1 = 30-6
X1 =4
• Sehingga titik B = (4, 6/5)
• Mencaari nilai titik C:
• 3X2 = 15 (x 5) → 15X2 = 75
6X1 + 5X2 = 30 (x 3) → 18X1 + 15X2 = 90 -
-18X1 = -15
X1 = 5/6
• 6(5/6) + 5X2 = 30
5X2 = 30-5
X2 =5
• Sehingga titik C = (5, 5/6)
• Mencari titik yang paling optimum :
Z= 3X1 + 5X2
• Titik A (4,0) → Z= 3(4) + 5(0) = 12
• Titik B (4, 6/5) → Z= 3(4) + 5(6/5) = 18
• Titik C (5, 5/6) → Z= 3(5) + 5(5/6) = 27,5
• Titik D (0,5) → Z= 3(0) + 5(5) = 25
c. Kesimpulan:
Nilai optimum berada di titik C (5, 5/6) yaitu 27,5 atau Rp275.000, yang artinya bahwa untuk
mencapai laba maksimum sebesar Rp275.000 maka perusahaan harus memproduksi sepatu
merek I sebanyak 5 dosin dan memproduksi sepatu merek II sebanyak 5/6 dosin setiap hari
4
METODE SIMPLEKS DALAM LINEAR PROGRAMMING
Yaitu suatu model untuk memecahkan masalah pengalokasian sumber-
sumber yang terbatas secara optimal, dimana metode simpleks ini adalah
cara untuk menentukan kombinasi optimal dari tiga variable atau lebih. Jika
hanya menggunakan
A. Langkah-Langkah 2 variabel
Metode saja, maka
Simpleks dapat diselesaikan dengan metode
Tabel
a. Mengubah fungsi tujuan dan batasan-batasan dengan cara:
• Untuk fungsi tujuan: geser semua variabel ke kiri (fungsi disamadengankan nol)
• Untuk fungsi batasan: yang mempunyai tanda pertidaksamaan diubah menjadi
persamaan dengan menambah slack variable (𝑋𝑛+1, 𝑋𝑛+2, … 𝑋𝑛+𝑚 )
b. Menyusun persamaan-persamaan di dalam table, dimana :
• Kolom pertama (sebelah kiri) merupakan kolom variable dasar yang terdiri dari variable
Z pada baris pertama & slack variable pada baris selanjutnya
• Kolom kedua merupakan nilai dari fungsi tujuan (Z)
• Kolom ketiga merupakan nilai dari variable utama dan slack variable, dan
• Kolom terakhir merupakan kolom NK (nilai kanan) yang merupakan nilai batasan-
batasan.
c. Memilih kolom kunci:
• Pilih kolom yang mempunyai nilai pada garis fungi tujuan yang bernilai negative
dengan angka terbesar.
• Namun apabila suatu table sudah tidak memiliki nilai negative pada baris fungsi tujuan,
berarti table itu sudah optimal.
d. Memilih baris kunci.
𝒏𝒊𝒍𝒂𝒊 𝒌𝒐𝒍𝒐𝒎 𝑵𝑲
• Cari indeks tiap-tiap baris dengan rumus, indeks =
𝑵𝒊𝒍𝒂𝒊 𝒌𝒐𝒍𝒐𝒎 𝒌𝒖𝒏𝒄𝒊
• Pilih baris yang mempunyai indeks positif dengan angka terkecil

• Yang menjadi angka kunci adalah nilai yang masuk dalam kolom kunci dan juga
termasuk dalam baris kunci.
e. Mengubah nilai-nilai baris kunci:
• Nilai baris kunci dibagi dengan angka kunci
5
• Ganti variable dasar pada baris itu dengan variable yang terdapat dibagian atas kolom
kunci
f. Mengubah nilai-nilai selain pada baris kunci:
• Baris baru = baris lama – (koefisien pada kolom kunci) x nilai baris kunci
• Apabila masih terdapat nilai negative pafa baris fungsi tujuan, maka ulangi langkah
perbaikan mulai langkah c-f untuk diperbaiki nilainya.
B. Contoh Kasus dan Penyelesaian
Kasus : sama dengan bab sebelumnya
a. Penyelesaian:
Buat kalimat matematika
Fungsi tujuan: Z = 30.000X1 + 50.000X2 atau Z = 3X1 + 5X2
Batasan-batasan : 2X1 ≤8
3X2 ≤ 15
6X1 + 5X2 ≤ 30
• Ubah fungsi tujuan dan batasan menjadi persamaan:
Fungsi tujuan: Z – 3X1 – 5X2 = 0
Batasan-batasan: 2X1 + X3 =8
3X2 + X4 = 15
6X1 + 5X2 + X5 = 30
• Menyusun persamaan-persamaan di dalam table
Variable Utama Slack Variabel

Variabel Dasar Z NK
X1 X2 X3 X4 X5
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8
Varia
Slack
bel
X4 0 0 3 0 1 0 15
X5 0 6 5 0 0 1 30
• Memilih kolom kunci
Variabel Dasar Z X1 X2 X3 X4 X5 NK
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8
X4 0 0 3 0 1 0 15
X5 0 6 5 0 0 1 30
• Memilih baris kunci, angka kunci, dan nilai indeks
6
Variabel
Z X1 X2 X3 X4 X5 NK Ket
Dasar
Z 1 -3 -5 0 0 0 0 0/-5 = 0
X3 0 2 0 1 0 0 8 8/0 = tak terhingga
X4 0 0 3 0 1 0 15 15/3 = 5 (minimum)
X5 0 6 5 0 0 1 30 30/5 = 6
Z 1
X3 0
X2 0 0/3 = 0 3/3 = 1 0/3 = 0 1/3=1/3 0/3 = 0 15/3 = 5
X5 0
• Mengubah nilai baris kunci
V.
Z X1 X2 X3 X4 X5 NK
D
Z 1 -3 -5 0 0 0 0
X3 0 2 0 1 0 0 8
X4 0 0 3 0 1 0 15
X5 0 6 5 0 0 1 30
Z 1 -3-(-5 x 0)=-3 -5-(-5 x 1)=0 0-(-5 x 0)=0 0-(-5 x 1/3)=5/3 0-(-5 x 0)=0 0-(-5 x 5)=25
X3 0 2-(0 x 0)= 2 0-(0 x 1)=0 1-(0 x 0)=1 0-(0 x 1/3)=0 0-(0 x 0)=0 8-(0 x 5)=8
X2 0 0 1 0 1/3 0 5
X5 0 6-(5 x 0)=6 5-(5 x 1)=0 0-(5 x 0)=0 0-(5 x 1/3)=-5/3 1-(5 x 0)=1 30-(5 x 5)=5
• Perbakan nilai
V. D Z X1 X2 X3 X4 X5 NK Ket
Z 1 -3 0 0 5/3 0 25 25/-3
X3 0 2 0 1 0 0 8 8/2
X2 0 0 1 0 1/3 0 5 5/0
X5 0 6 0 0 -5/3 1 5 5/6
Z 1
X3 0
X2 0
X1 0 6/6 =1 0/6 =0 0/6 =0 -5/3 / 6=-5/18 1/6 5/6
Z -3-(-3 x 1)= 0-(-3 x 0)= 0-(-3 x 0)= 0-(-3 x -5/18)= 0-(-3 x 1/6)= 25-(-3 x 5/6)=
1
0 0 0 5/6 1/2 27 1/2
X3 2-(2 x 1)= 0-(2 x 0)= 1-(2 x 0)= 0-(2 x -5/18)= 0-(2x 1/6)= 8-(2 x 5/6)=
0
0 0 1 5/9 -1/3 6 1/3
X2 0 0 1 0 1/3 0 5
X1 0 1 0 0 -5/18 1/6 5/6
b. Kesimpulan:
Jumlah produk yang harus diproduksi setiap sepatu yaitu:
X1 = Sepatu I = 5/6 lusin
X2 = Sepatu II = 5 Lusin
7
METODE TRANSPORTASI
Yaitu suatu metode yang digunakan untuk mengatur distribusi dari
sumber-sumber yang menyediakan produk yang sama, ke tempat-tempat
A. Jenis-Jenis Metode Transportasi

a. Metode Stepping Stone
b. Metode MODI (Modified Distribution)
c. Metode Vogel atau Vogel’s Approximation Method (VAM)
B. Langkah-Langkah Penyelasaian Masing-Masing Metode
• Menyusunan table alokasi yang terdiri dari kapasitas pabrik (kolom terakhir paling
kanan), kebbutuhan gedung (baris paling bawah), serta biaya (segi empat) .
• Mengalokasikan produk dari pabrik-pabrik ke gudang dengan berpedoman sudut barat
laut, pengalokasian sesuai jumlah maksimum produk serta melihat kapasitas pabrik dan
kebutuhan gudang. Jika kebutuhan gudang sudah penuh, namun kapasitas pabrik masih
sisa, maka alokasikan sejumlah yang sisa ke gudang selanjutnya. Begitu seterusnya
hingga kebutuhan terpenuhi.
• Mengubah alokasi secara trial and error untuk mengurangi biaya pengangkutan dengan
mengalokasikan sejumlah kapasitas dari segi batu ke segi air.
• Catatan: segi batu ialah segi empat yang telah terisi alokasi, segi air ialah segi empat
yang belum terisi alokasi. Sesuaikan kembali segi empat-segi empat lainnya sesuai
kapasitas pabrik dan kebutuhan gudang
• Lakukan perubahan alokasi seterusnya apabila dapat mengurangi biaya hingga
diperoleh biaya pengangkutan terendah (optimal)
b. Metode MODI
• Penyusunan table alokasi yang terdiri dari kapasitas pabrik (kolom terakhir paling
kanan), kebutuhan gedung (baris paling bawah), serta biaya (segi empat)
• Menentukan nilai baris dan nilai kolom menggunakan persamaan:
𝑹𝒊 + 𝑲𝒋 = 𝑪𝒊𝒋
Keterangan: 𝑅𝑖 = row (baris) i
8
𝐾𝑗 = kolom j
𝐶𝑖𝑗 = cost (biaya) pengankutan 1 barang dari sumber i ke j
Nilai-nilai tersebut kemudian diletakkan pada bariskolom yang bersangkutan.
Catatan : baris pertama selalu diberi nilai 0
• Mengehitung indeks perbaikan (nilai dari segi empat yang kososng) menggunakan
persamaan:
𝑪𝒊𝒋 − 𝑹𝒊 - 𝑲𝒋 = indeks perbaikan
Apabila nilai indeks perbaikan bernilai negative, berarti bila diisi (ialokasi) akan dapat
mengurangi jumlah biaya pengangkutan, dan sebaliknya.
• Memilih titik tolak perubahan, yaitu pilih segi empat yang indeks nya bertanda negative
dan angkanya terbesar
• Memperbaiki alokasi dengan cara:
1) Beri tanda positif pada segi empat yang terpilih sebagai titik tolak perubahan
2) Beri tanda negative pada:
o 1 segi empat terdekat yang isi dan sebaris, dan
o 1 segi empat terdekat yang isi dan sekolom
3) Pilih 1 segi empat yang sebaris atau sekolom dengan 2 segi empat yang bertanda
negative tadi, lalu beri tanda positif
4) Pindahlah alokasi dari segi empat yang bertanda negative ke yang bertanda positif
sebanyak isi terkecil dari segi empat yang bertanda positif
• Ulangi langkah tersebut hingga diperoleh biaya terendah yaitu jika sudah tidak ada
indeks yang negative. Jika sudak tidak ada yang negative berarti biaya sudah optimal.
c. Metode Vogel
• Susun kebutuhan, kapasitas masing-masing sumber, dan biaya pengangkutan ke dalam
matriks
• Cari perbedaan dari 2 biaya terkecil (dalam nilai absolut), yaitu biaya terkecil dan
terkecil kedua untuk tiap baris dan kolom pada matriks.
• Pilih 1 nilai perbedaan-perbedaan yang terbesar di antara semua nilai perbedaan pada
kolom dan baris
• Isilah sebanyak mungkin pada salah satu segi empat yang termasuk dalam kolom atau
baris terpilih, yaitu pada segi empat yang biayanya terendah di antara segi empat lain
pada kolom/baris itu.
9
• Hilangkan baris terpilih tadi karena baris tersebut sudah penuh sehingga tidak mungkin
diisi lagi
• Tentukan kembali perbedaan biaya pada langkah (b) untuk kolom dan baris yang belum
terisi sampai semua baris dan kolom sepenuhnya teralokasi.
Catatan:
Untuk kapasitas yang tidak sama dengan kebutuhan, maka perlu disesuaikan
dengan membuat kolom atau baris semu (dummy)
• Jika kapasitas > kebutuhan = perlu tambahan gudang dummy
• Jika kapasitas < kebutuhan = perlu tambahan pabrik dummy
C. Contoh Soal dan Penyelesaian

a. Soal
Perusahaan memiliki 3 pabrik, yaitu W, H, P. memiliki masalah alokasi hasil produksinya ke
gudang-gudang A, B, C. Berikut informasinya:
a. Kapasitas pabrik
Pabrik Kapasitas Produksi Tiap Bulan (ton)
W 90
H 60
P 50
Jumlah 200
b. Kebutuhan gudang
Gudang Kebutuhan Tiap Bulan (ton)
A 50
B 110
C 40
Jumlah 200
c. Biaya pengangkutan
Biaya Tiap Ton (ribuan Rp)
Dari
Ke Gudang A Ke Gudang B Ke Gudang C
Pabrik W 20 5 8
Pabrik H 15 20 10
Pabrik P 25 10 19
b. Penylesaian :
a) Tabel alokasi (tinta merah = biaya)
Gudang A Gudang B Gudang C Kapasitas Pabrik
Dari Ke
Pabrik W 20 5 8 90
Pabrik H 15 20 10 60
10
Pabrik P 25 10 19 50
Kebutuhan 50 110 40
200
Gudang
b) Prosedur alokasi (angka yg di bold = jumlah produk yg dialokasikan)
Dari Ke Gudang A Gudang B Gudang C Kapasitas Pabrik
Pabrik W 50 20 40 5 8 90
Pabrik H 15 60 20 10 60
Pabrik P 25 10 10 40 19 50
Kebutuhan 50 110 40
200
Gudang
Biaya pengangkutan = 50(20) + 40(5) + 60(20) + 10(10) + 40(19) =3260

c) Mengubah alokasi
• Perbaikan 1 dengan trial and error: (tinta biru= perubahan pengalokasian produk)
Gudang A Gudang B Gudang C Kapasitas
Dari Ke Pabrik
Pabrik W 50 20 40 90 5 8 90
Pabrik H 50 15 60 10 20 10 60
Pabrik P 25 10 10 40 19 50
Kebutuhan 50 110 40
200
Gudang
Biaya pengangkutan = 90(5) + 50(15) + 10(20) + 10(10) + 40(19) = 2260

• Perbaikan 2 dengan mengubah alokasi segi empat yang tidak berdekatan: (tinta
hijau= perubahan kedua pengalokasian produk)
Dari Ke Pabrik
Pabrik W 20 90 50 5 40 8 90
Pabrik H 50 15 10 20 10 60
Pabrik P 25 10 50 10 40 19 50
Kebutuhan 50 110 40
200
Gudang

d) Kesimpulan
Sehingga, untuk memperoleh biaya pengankutan paling optimal, maka :
Pabrik W harus mengalokasikan produknya sebanyak 50 ton ke gudang B dan 40 ton
ke gudang C. Pabrik H harus mengalokasikan produknya sebanyak 50 ton ke gudang
A dan 10 ton ke gudang B. serta pabrik P harus mengalokasikan produknya sebanyak
50 ton ke gudang B, sehingga biaya pengangkutan
nya sebesar Rp2.020.000
11
b. Metode MODI
a) Isilah table pertama dari sudut kiri atas ke kanan bawah
b) Menghitung nilai baris dan kolom menggunakan (𝑹𝒊 + 𝑲𝒋 = 𝑪𝒊𝒋 )

Dari Ke 20-0=20 5-0=5 19-5=14
Pabrik W = 0 20 90 5 8 90
Pabrik H = 20-5=15 50 15 (-) 10 20 (+) 10 10 60
Pabrik P = 10-5=5 25 (+) 10 20 10 (-) 40 30 19 50
Kebutuhan Gudang 50 110 40 200
Dari Ke 20-0=20 5-0=5 19-5=14 Pabrik
Pabrik W = 0 50 20 40 5 8 90
Pabrik H = 20-5=15 15 60 20 10 60
Pabrik P = 10-5=5 25 10 10 40 19 50
c) Menghitung indeks perbaikan menggunakan (𝑪𝒊𝒋 − 𝑹𝒊 - 𝑲𝒋 = indeks perbaikan)

Segi Empat Indeks Perbaikan
HA 15 – 15 – 20 = -20 (titik tolak perubahan)
PA 25 – 5 - 20 = 0
WC 8 – 0 – 14 = -6
HC 10 – 15- 14 = -19
d) Perbaikan alokasi (tinta hijau= perbaikan pengalokasian produk)

• Perbaikan 1:
Dari Ke 20-0=20 5-0=5 19-5=14
Pabrik W = 0 (-) 50 20 (+) 40 90 5 8 90
Pabrik H = 20-5=15 (+) 50 15 (-) 60 10 20 10 60
Pabrik P = 10-5=5 25 10 10 40 19 50

• Perbaikan 2:
WA 20 – 0 – 20 = 0
PA 25 – 5 - 20 = 0
WC 8 – 0 – 14 = -6
HC 10 – 15- 14 = -19 (titik tolak perubahan)
12
• Perbaikan 3:
WA 20 – 0 – 20 = 0
PA 25 – 5 - 20 = 0
WC 8 – 0 – 14 = -6 (titik tolak perubahan)
HB 20 – 5- 5 = 10

Dari Ke 20-0=20 5-0=5 19-5=14
Pabrik W = 0 20 (-) 90 60 5 (+) 30 8 90
Pabrik H = 20-5=15 50 15 20 10 10 60
Pabrik P = 10-5=5 25 (+) 20 50 10 (-) 30 19 50

• Perbaikan 4:
WA 20 – 0 – 20 = 0
PA 25 – 5 - 20 = 0
PC 19 – 5 – 14 = 0
HB 20 – 5- 5 = 10
Indeks tidak ada yang negative sehingga sudah optimal
e) Kesimpulan:
Sehingga, untuk memperoleh biaya pengangkutan paling optimal, maka :
Pabrik W harus mengalokasikan produknya sebanyak 60 ton ke gudang B dan 30 ton
ke gudang C. Pabrik H harus mengalokasikan produknya sebanyak 50 ton ke gudang
A dan 10 ton ke gudang C. Serta pabrik P harus mengalokasikan produknya sebanyak
50 ton ke gudang B, sehingga biaya pengangkutan nya sebesar Rp1.890.000
c. Metode Vogel
Gudang
Kapasitas Perbedaan Baris
A B C
W 20 5 8 90 3
Pabrik H 15 20 10 60 5
P 25 10 19 50 9
Kebutuhan 50 110 40 Pilihan Xpb = 50
Perbedaan Kolom 5 5 2 Hilangkan baris P
13
Gudang
A B C
W 20 5 8 90 3
Pabrik
H 15 20 10 60 5
Kebutuhan 50 60 40 Pilihan Xwb = 60
Perbedaan Kolom 5 15 2 Hilangkan kolom B
Gudang
A C
W 20 8 30 12
Pabrik
H 15 10 60 5
Kebutuhan 50 40 Pilihan Xwc = 30
Perbedaan Kolom 5 2 Hilangkan baris W
Gudang
Kapasitas
A C
Pabrik H 15 10 60
Kebutuhan 50 40 Pilihan Xha = 50
Pilihan Xhc = 10
Kesimpulan
Sehingga, biaya pengangkutannya yaitu: 50(10) + 60(5) + 30(8) + 50(15) + 10(10) =

1890. Biaya ini paling optimal, sehingga Pabrik P harus mengalokasikan produknya
sebanyak 50 ton ke gudang B. Pabrik W harus mengalokasikan produknya sebanyak 60
ton ke gudang B. Pabrik W harus mengalokasikan sebanyak 30 ton ke gudang C. Serta
Pabrik H harus mengalokasikan produknya sebanyak 50 ton ke gudang A dan 10 ton ke
gudang C, sehingga biaya pengangkutan nya sebesar Rp1.890.000
14
METODE PENUGASAN
Suatu metode untuk mneghadapi masalah-masalah yang berhubungan dengan penugasan

optimal dari bermacam-macam sumber yang produktif atau personalia yang mempunyai
tingkat efisiensi yang berbeda-beda untuk tugas yang berbeda-beda pula.
Secara matematis dalam bentuk linear programming, masalah penugasan dinyatakan
sebagai berikut:
• Minimumkan atau maksimumkan:
𝑚 𝑛
𝑍 = ෍ ෍ 𝐶𝑖𝑗 𝑋𝑖𝑗
𝑖=1 𝑗=1
• Dengan batasan:
𝑚 𝑛
෍ 𝑋𝑖𝑗 = ෍ 𝑋𝑖𝑗 = 1
𝑖=1 𝑗=1
2
• 𝑋𝑖𝑗 ≥ 0൫𝑋𝑖𝑗 = 𝑋𝑖𝑗 ൯
• dimana 𝐶𝑖𝑗 adalah tetapan yang telah diketahui
A. Masalah Minimisasi
Suatu perusahaan kecil mempunyai 4 pekerjaan yang berbeda untuk diselesaikan oleh 4
karyawan. Biaya penugasan seorang karyawan untuk pekerjaan yang berbeda adalah berbeda
karena sifat pekerjaan berbeda-beda. Setiap karyawan mwmpunyai tingkat keterampilan,
pengalaman kerja dan latar belakang Pendidikan serta latihan yang berbeda pula. Sehingga biaya
penyelesaian pekerjaan yang sama oleh para karyawan-karyawan yang berlainan juga berbeda.
Matriks dibawah menunjukkan biaya penugasan karyawan untuk bermacam-macam pekerjaan.
Pekerjaan I II III IV
Karyawan (Rp) (Rp) (Rp) (Rp)
A 15,00 20,00 18,00 22,00
B 14,00 16,00 21,00 17,00
C 25,00 20,00 23,00 20,00
D 17,00 18,00 18,00 16,00
Banyaknya kemungkinan penugasan = 4! =24.
15
a. Langkah penyelesaian:
1. Mengubah matriks biaya menjadi matriks opportunity cost. Dengan memilih elemen
terkecil dari setiap baris dari matriks biaya mula-mula untuk mengurangi seluruh elemen
dalam setiap baris. Paling sedikit ada satu elemen bernilai nol.
Karyawan
A 0 5 3 7
B 0 2 7 3
C 5 0 3 0
D 1 2 2 0
2. Reduced cost-matrix diatas terus dikurangi untuk mendapatkan total-opportunity-cost

matrix. Dengan cara memilih elemen dengan nilai terkecil untuk dikurangi pada seluruh
elemen pada kolom tersebut. Ini dilakukan pada kolom ke-III karena pada kolom tersebut
tidak terdapat elemen bernilai nol. Sehingga terbentuklah:
Karyawan
A 0 5 1 7
B 0 2 5 3
C 5 0 1 0
D 1 2 0 0
3. Mencari skedul penugasan dengan suatu total-opportunity-cost nol. Untuk penugasan ini
dibutuhkan 4 “independent zeros”. Untuk tes optimalisasi dilakukan dengan menarik
sejumlah minimum garis horizontal dan/atau vertical untuk meliput seluruh elemen
bernilai nol. Jika jumlah garis tidak sama dengan jumlah kolom/baris maka harus direvisi.
Pekerjaan
II III IV
Karyawan I
A 0 5 1 7
B 0 2 5 3
C 5 0 1 0
D 1 2 0 0
4. Revisi total-opportunity-cost matrix, pilih elemen terkecil yang belum terliput garis
(opportunity-cost terendah) untuk mengurangi seluruh elemen yang belum terliput garis.
Kemudian tambahkan dengan nilai elemen terkecil tersebut keseluruh elemen yang
mempunyai dua garis yang saling bersilangan.
16
Pekerjaan
II III IV
Karyawan I
A 0 4 0 6
B 0 2 5 3
C 6 0 1 0
D 2 2 0 0
5. Skedul penugasan optimal dengan biaya minimum.

Karyawan B ditugaskan untuk pekerjaan I karena hanya terdapat satu nilai nol pada baris
B yaitu pada kolom I, kolom II berisi satu nol pada baris C artinya karyawan C ditugaskan
untuk pekejaan II, karyawan A ditugaskan ditugaskan untuk pekerjaan III karena pekerjaan
I sudah dilakukan oleh karyawan B, dan karyawan D di tugaskan untuk pekerjaan terakhir
(IV).
Skedul Penugasan (Rp)
A – III 18,00
B–I 14,00
C – II 20,00
D – IV 10,00
68,00
b. Jumlah Pekerjaan Tidak Sama dengan Jumlah Karyawan

Bila jumlah pekerjaan lebih besar dari jumlah karyawan, maka harus ditambah suatu
karyawan semu/dummy worker. Biaya semu sama dengan nol karena tidak akan terjadi bila
suatu pekerjaan ditugaskan ke karyawan semu (pekerjaan tidak dilaksanakan).
Karyawan (Rp) (Rp) (Rp) (Rp)
A 15,00 20,00 18,00 22,00
B 14,00 16,00 21,00 17,00
C 25,00 20,00 23,00 20,00
D 17,00 18,00 18,00 16,00
Dummy E 0,00 0,00 0,00 0,00
Penyelesaian selanjutnya melalui langkah yang sama seperti diatas.

B. Masalah Maksimasi
Matriks elemen dalam maslah maksimasi menunjukkan tingkat keuntungan/indeks
produktivitas. Efektivitas pelaksanaan tugas karyawan diukur dengan jumlah kontribusi
keuntungan.
17
Matriks keuntungan:
Pekerjaan
I (Rp) II (Rp) III (Rp) IV (Rp) V (Rp)
Karyawan
A 10,00 12,00 10,00 8,00 15,00
B 14,00 10,00 9,00 15,00 13,00
C 9,00 8,00 7,00 8,00 12,00
D 13,00 15,00 8,00 16,00 11,00
E 10,00 13,00 14,00 11,00 17,00
a. Langkah langkahnya adalah:

1. Ubah matriks keuntungan menjadi matriks opportunity-loss.
A merupakan penyumbang keuntungan tertinggi Rp 15,00 bila dia ditugaskan dipekerjaan
V. bila A ditugaskan di pekerjaan I (kontribusi keuntungannya sebesar Rp 10,00) terdapat
Rp 5,00 sebagai opportunity-loss yang terjadi dengan penugasan ini dan seterusnya.
Seluruh elemen dalam tiap baris dikurangi dengan nilai maksimum dalam baris yang
sama.
Berikut adalah matriks opportunity-loss:
Pekerjaan
I II III IV V
Karyawan
A 5 3 5 7 0
B 1 5 6 0 2
C 3 4 5 4 0
D 3 1 8 0 5
E 7 4 3 0 0
2. Minimumkan opportunity-loss (akan memaksimumkan kontribusi keuntungan

total)
Didapat melalui pengurangan seluruh elemen tiap kolom dengan elemen terkecil dalam
kolom tersebut. Berikut matriks total-opportunity-loss
Pekerjaan
I II III IV V
Karyawan
A 4 2 2 7 0
B 0 4 3 0 2
C 2 3 2 4 0
D 2 0 5 0 5
E 6 3 0 6 0
18
3. Penentuan penugasan optimal,
pada table diatas, hanya terdapat empat garis yang meliput elemen nol. Jadi matriks
harus dikurangi (seperti langkah yang dijelaskan di sebelumnya). Maka table
optimalnya:
Pekerjaan
I II III IV V
Karyawan
A 2 0 0 5 0
B 0 4 3 0 4
C 0 1 2 2 0
D 2 0 5 0 7
E 6 3 0 6 2
4. Skedul penugasan optimal dan keuntungan total untuk dua alternative

penyelesaian adalah :
Skedul penugasan Skedul Penugasan
Keuntungan (Rp) Keuntungan (Rp)
I II
A – II 12,00 A–V 15,00
B–I 14,00 B – IV 15,00
C–V 12,00 C–I 9,00
D – IV 16,00 D – II 15,00
E – III 14,00 E – III 14,00
68,00 68,00
C. Masalah-masalah Penugasan Tambahan

Dalam masalah-masalah penugasan dimuka, seluruh matriks diketahui konstan. Terkadang
beberapa elemen matriks tidak diketahui. Ada beberapa alasan elemen matriks tersebut tidak
diketahui. Dalam penugasan personalia, missal karyawan tertentu tidak dapat ditugaskan untuk
pekerjaan tertentu karena tidak memenuhi kriteria. Penugasan tersebut tidak mungkin dilakukan,
atau tidak menguntungkan jika dilakukan.
Untuk pemecahan suatu masalah penugasan yang tidak mungkin diakukan, kita hanya bias
menandai setiap elemen penugasan yang tidak mungkin dengan suatu nilai sangat besar yang
tidak diketahui, M (M untuk masalah minimisasi dan -M untuk maksimisasi). Pemecahan
masalah selanjutnya dilakukan dengan proses yang sama seperti prosedur metode Hungarian,
hanya perlu diperhatikan penugasan karyawan melakukan pekerjaan tertentu yang elemen itu
bertanda M harus dihindari.
19
ANALISA NETWORK
Kebutuhan penyusunan network ini dirasakan karena perlu adanya koordinasi dan
pengurutan kegiatan-kegiatan pabrik yang kompleks, yang saling berhubungan dan saling
tergantung satu sama lain. Hal ini dilakukan agar perencanaan dan pengawasan semua
kegiatan itu dapat dilakukan secara sistematis, sehingga dapat diperoleh efisiensi kerja.
A. Manfaat Analisa Network

Analisa network bisa digunakan untuk merencanakan suatu proyek antara lain sebagai berikut :
a. Pembangunan rumah, jalan atau jembatan
b. Kegiatan penelitian
c. Perbaikan, pembongkaran dan pemasangan mesin pabrik.
d. Kegiatan-kegiatan advertensi
e. Pembuatan kapal, kapal terbang
f. Kegiatan-kegiatan penataran, dan sebagainya.
B. Pembuatan Network
a. .Activity :atau kegiatan adalah suatu pekerjaan atau tugas, di mana penyelesainnya
memerlukan periode waktu, biaya serta fasilitas tertentu. Biasanya diberi simbol anak panah.
b. Events :atau kejadian adalah permulaan atau akhir dari suatu kegiatan. Biasanya diberi simbol
lingkaran.
Network untuk suatu pekerjaan proyek dapat disajikan dengan meletakkan kegiatan pada
lingkaran, atau kejadian (events) pada lingkaran (biasanya disebut activity network).
C. Contoh
Contohnya yaitu pekerjaan membangun rumah. Pekerjaan ini dimulai dengan membangun fondasi,
membuat bagian atas (atap), meratakan tanah, membangun tembok dan finishing. Secara terperinci
kegiatan-kegiatan tersebut dapat disusun dalam Tabel berikut:
Kegiatan yang Jangka waktu
Kegiatan Keterangan
mendahului mengerjakan
(1 – 2) Membuat fondasi - 2 minggu
(1 – 3) Membuat atap - 4 minggu
(2 – 3) Membangun tembok (1 – 2) 3 minggu
(2 – 4) Meratakan tanah (1 – 2) 5 minggu
(3 – 4) Finishing (1 – 3), (2 – 3) 5 minggu
20
Hubungan pekerjaan-pekerjaan tersebut dapat ditunjukkan dengan network seperti berikut:
2
5
2
1 3 4
4
5
3
Angka pada anak panah menunjukkan jangka waktu yang diperlukan oleh kegiatan yang
bersangkutan
D. Beberapa Hal yang Perlu Diperhatikan di dalam Analisa Network
a. Sebelum suatu kegiatan dimulai, semua kegiatan yang mendahuluinya harus sudah selesai
dikerjakan.
b. Gambar anak panah hanya sekedar menunjukkan urut-urutan di dalam mengerjakan pekerjaan
saja. Panjang anak panah dan arahnya tidak menunjukkan letak dari pekerjaan.
c. Nodes (lingkaran yang menunjukkan kejadian) diberi nomor sedemikian rupa, sehingga tidak
terdapat nodes yang mempunyai nomor sama. Untuk menghindari arah anak panah yang
berulang-kembali, biasanya nomor yang lebih kecil diletakkan pada awal anak panah, sedang
pada akhir anak panah diberi nomor yang lebih besar.
1 2
1 2 3
3
Nomor nodes yang betul
d. Dua buah kejadian (events) hanya bisa dihubungkan oleh satu kegiatan (anak panah)
e. Network hanya dimulai dari satu kejadian awal (initial event) yang sebelumnya tidak ada
pekerjaan yang mendahuluinya. Di samping itu networks diakhiri oleh satu kejadian saja
(terminal event).
E. Dummy Activities
Kegiatan semu adalah bukan kegiatan yang dianggap sebagai kegiatan, hanya saja tanpa
memerlukan waktu, biaya, dan fasilitas. Adapun kegunaan dari kegiatan semu antara lain sebagai
berikut :
21
a. Untuk menghindari terjadinya dua kejadian dihubungkan oleh lebih dari satu kegiatan
(kegiatan a, b, dan c), dengan kegiatan-kegiatan semu hal ini dapat diatasi, yaitu ketiga
kegiatan tersebut dapat dimulai dari kejadian yang tidak sama.
2
a a
b 1
b 4
1 2
c
c 3
Dua events dihubungkan oleh 3 kegiatan Setiap 2 kejadian hanya dihubungkan oleh 1
kegiatan, sebab kita gunakan dummy activities
b. Network harus dimulai oleh satu kejadian dan diakhiri oleh satu kejadian, maka kadang-
kadang harus ditambahkan satu kejadian semu pada awal suatu network, suatu kejadian semu
pada akhir network, dan kegiatan-kegiatan semu yang menghubungkan kejadian awal atau
kejadian akhir engan kejadian-kejadian di dalam network, apabila netwok dimulai atau diakhiri
oleh beberapa kejadian.
c. Kegunaan “dummy activities” berikutnya adalah untuk menunjukkan urut-urutan pekerjaan
yang tepat. Misalnya ada 4 kegiatan : a, b, c, dan d. kegiatan a mendahului kegiatan c(biasanya
ditulis a < c), kegiatan b mendahului kegiatan c, dan kegiatan b mendahului kegiatan d.
menunjukkan hubungan yang salah, sebab seolah-olah kegiatan d harus didahului oleh
kegiatan a, pada hal nyatanya tidak demikian.
a c
a c
X
b d
b d
Penggunaan kegiatan semu untuk menghindari hubungan yang salah

F. Jalur dan Jalur Kritis
a. Jalur adalah satu rangkaian kegiatan yang menghubungkan secara “kontinyu” permulaan
proyek sampai dengan akhir proyek.
b. Adapun jalur kritis adalah jalur yang jumlah jangka waktu penyelesaian kegiatan-kegiatannya
terbesar.
22
G. Istilah-istilah Lain yang Digunakan dalan Analisa Network
a. Earliest Start Time(ES): yaitu waktu tercepat untuk bisa memulai suatu kegiatan dengan waktu
normal, tanpa menganggu kegiatan yang lain.
b. Earliest Finish Time (EF) : yaitu waktu paling cepat untuk dapat menyelesaikan suatu
kegiatan dengan menggunakan waktu normal, tanpa mengganggu kelancaran pekerjaan-
pekerjaan yang lain.
c. Lattest Start Time (LS): yaitu waktu yang paling lambat untuk bisa memulai suatu kegiatan
dengan waktu normal, tanpa menganggu kelancaran kegiatan-kegiatan yang lain.
d. Lattest Finish Time (LF): yaitu waktu paling lambat untuk menyelesaikan suatu kegiatan
dengan waktu normal, tanpa mengganggu kelancaran kegiatan-kegiatan yang lain.
H. Analisa Network dengan Metode Algoritma
Kalau networknya kompleks, maka sulit sekali menghitungnya dengan cara sederhana
seperti tersebut di atas. Untuk itu bisa digunakan Metode Algorithma
a. Algorithma ES dan EF
Pada metode ini kita cari ES dan EF setiap kegiatan.
Contoh: Pembuatan suatu barang dapat diselesaikan dengan beberapa kegiatan, karena
prasyarat kegiatan f adalah kegiatan b dan e, maka terdapat dummy activity 3.
Kegiatan yang
Kegiatan Keterangan Waktu (minggu)
mendahului
a Merencanakan - 10
b Memesan mesin a 2
c Menyesuaikan mesin b 8
d Pesan material untuk rangka a 4
e Membuat rangka d 3
f Finishing rangka b, e 1
g Pasang mesin pada rangka dan c, f 5
stel
3 (c,8)
(b,2)
(a,10) (g,5)
1 2 6 7
(d,4) (e,3)
4 5 (f,1)
Network dari pekerjaan pembuatan barang X.
Untuk menentukan jalur kritis dapat dilakukan dengan EF algorithma dengan cara sebagai
berikut:
1) Tuliskan waktu mulai tercepat (ES) di sebelah kiri dan waktu selesai tercepat (EF) di
sebelah kanan masing-masing kegiatan, sedang kegiatan dituliskan di belakang simbol
23
kegiatan tersebut (a, 10). E a = 0, dikerjakan dengan kegiatan a 10 minggu, EF a = minggu
ke-10.
2) Setelah kegiatan a selesai, dapat dilanjutkan dengan kegiatan b atau kegiatan d
0 a,10 10
10 b,2 12 10 d,40 14
12 c,8 20 14 e,3 17
17 f,1 18
20 g,5 25
Algorithma EF
3) Kerjakan dulu jalur b, c. ES kegiatan b adalah EF kegiatan a, yaitu minggu ke-10. Kegiatan
b dikerjakan selama 2 minggu, sehingga EF kegiatan b = minggu ke-12. EF kegiatan b
merupakan ES kegiatan c. oleh karena itu, EF kegiatan c adalah minggu ke-12 ditambah
lamanya pengerjakan kegiatan c (=8) minggu, yaitu sama dengan minggu ke-20.
Seharusnya proses dilanjutkan dengan kegiatan g, tetapi karena untuk memulai kegiatan g,
syarat bahwa kegiatan f harus sudah selesai maka kita tinjau dulu jalur d, e, f.
4) Dengan proses yang sama, kita hitung ES kegiatan D, yaitu sama dengan minggu ke-10,
dan EF-nya minggu ke-14. Untuk kegiatan e, ES adalah minggu ke-14 dan EF minggu ke-
17, dan untuk kegiatan f, ES minggu ke-17 dan EF minggu ke-18.
5) Untuk kegiatan g, ES dipilih dari EF kegiatan c atau EF kegiatan f yang terpanjang. Dalam
hal ini yang terpanjang 20. Jadi ES kegiatan g, minggu ke-20. Kegiatan g memerlukan
waktu 5 minggu, jadi EF kegiatan g minggu ke-25.
6) Dengan demikian proyek tersebut akan dapat diselesaikan dengan 25 minggu, atau panjang
jalur kritis 25 minggu. Sedang jalur kritis adalah rangkaian kegiatan a, b, c, g; atau
lingkaran 1, 2, 3, 6, 7.
7) Dengan demikian proyek tersebut akan dapat diselesaikan paling cepat 25 minggu, atau EF
dari proyek tersebut pada akhir minggu ke-25.
b. Algorithma LS dan LF
1) Dalam algorithma LS pertama-tama ditentukan dulu kapan proyek akan selesai.
24
2) Untuk menentukan LS dan LF dihitung dari belakang, sampai tercapai kegiatan yang
pertama.
3) Contoh : yang dipakai pada algorithma EF. Tentu saja waktu selesai yang ditentukan tidak
dapat di bawah 25 minggu (sebelum minggu ke-25), karena bila harus selesai sebelum
minggu ke-25 (dengan waktu normal), maka ES kegiatan pertama negatif (harus dimulai
sebelum awal minggu pertama). Prosesnya dapat dilihat pada Gambar 7.10. gambar
tersebut mirip dengan gambar algorithma EF, hanya ditambahkan LS dan LF di bawah ES
dan EF. LF kegiatan g = 25 minggu, LF kegiatan c = (25-5) minggu = 20 minggu, LF
kegiatan f = 20, LF kegiatan e = (20-1) minggu = 19 minggu dan seterusnya.
I. Slack dan Float (Waktu Longgar)
a. Slack adalah perbedaan latest dan earliest event time. Jadi slack merupakan perbedaan antara
LS dengan ES atau perbedaan antara LF dengan EF.
b. Adapun nama yang digunakan untuk network yang disusun berdasar kegiatan, biasanya
disebut dengan float.
Sehingga untuk kegiatn f mempunyai float satu minggu, demikian pula kegiatan-kegiatan d dan e
masing-masing juga mempunyai slack 1 minggu. Bila perlu sebenarnya kegiatan d bisa ditunda 2
minggu, sehinga dapat dimulai pada minggu ke-12 tanpa menunda selesainya proyek.
Kelonggaran waktu yang 2 minggu ini disebut total slack (kelonggaran total). Disamping itu,
kegiatan-kegiatan e maupun f masing-masing juga mempunyai slack 2 minggu. Bila kegiatan d
ditunda 2 minggu, maka kegiatan e dan f tidak punya slack. (Gambar algorithma LS):
0 a, 1
10 0
1 b, 1 1 d, 1 slac
0 2 2 0 40 4 k
1 1 1 1
21 e, 1 slac
1 c,8 2
2 0 4 3 7 k
1 1 1
2
1 f,1 1 slac
7 8 k
1 2
2 g, 2
0 5 5
2 2
E E
S FL
L
25
J. Analisa Network dengan Metode Matriks
a. Digunakan contoh persoalan di depan, yaitu network seperti berikut:
(b,2) 3 (c,8)
(a,10) (g,5)
1 2 6 7
(d,4) (e,3)
4 5 (f,1)
Gambar Network
EF Dari Ke 2 3 4 5 6 7
0 1 10
10 2 2 4
12 3 8
14 4 3
17 5 1
20 6 5
25 7
1 2 3 4 5 6 7
LF 0 10 12 16 19 20 25
Tabel kegiatan, EF dan LF
b. Adapun tahap-tahap penyelesaiannya adalah sebagai berikut :
1. Algorithma EF memakai matriks dengan langkah-langkah sebagai berikut :
(1) Buatlah tabel dengan noes (event) asal ditulis pada kolom ke-2 (dari event 1, 2, dan
seterusnya), dan nodes tujuan di baris pertama (ke event 2, 3, 4, dan seterusnya).
(2) Tuliskan waktu tiap-tiap kegiatan pada pertemuan antara baris asal dengan kolom
tujuan. Pada kolom paling kiri (dalam segi empat) tuliskanlah EF, EF event 1 adalah
0, karena tanpa kegiatan yang mendahuluinya.
(3) EF event 2 sebesar 10 minggu. Asalnya dari 0 (EF event 1) ditambah 10 minggu
(waktu kegiatan 1-2).
(4) EF event 3 adalah 10 minggu (EF event 2) ditambah 2 minggu (waktu kegiatan 2-3),
sebesar 12 minggu.
(5) EF event 4 adalah 10 minggu (EF event 2) ditambah 4 minggu (waktu kegiatan 2-4),
sebesar 14 minggu (karena event 4 mempunyai prasyarat event 2), begitu seterusnya,
sehingga EF event 5, 6, 7, masing-masing 17 minggu, 20 minggu, 25 minggu.
2. Algorithma LF memakai matriks dengan langkah-langkah sebagai berikut :
(1) Letaknya LF pada baris paling bawah (dalam segi empat)
(2) Selesainya proyek 25 minggu
26
(3) LF event 6 = 20 minggu, adalah 25 minggu dikurangi 5 minggu (lama kegiatan 6-7)
(4) LF kegiatan 5 = 19 minggu adalah 20 minggu dikurangi 1 minggu (waktu kegiatan 5
= 6)
(5) Demikian seterusnya, sehingga LF kegiatan 4, 3, 2, dan 1 masing-masing 16 mingu,
12 minggu, 10 minggu, dan 0.
3. Menentukan jalur kritis, yaitu jalur yang mempunyai EF sama dengan LF. Oleh karena
itu jalur kritisnya adalah 1, 2, 3, 6, 7.
K. Analisa Network dengan Metode Linear Programming
Caranya dengan menentukan fungsi tujuan (objective function), yaitu mencari jalur yang
terpanjang. Adapun batasan-batasannya adalah flow atau aliran pekerjaan yang melalui tiap-tiap
jalur. Adapun masalahnya secara umum dapat diformulasikan sebagai berikut :
a. Fungsi tujuan : Maksimumkan Z= ∑ YijXij
(ij)EA
b. Batasan-batasan :
∑
(1) X =1
iEA(1) ij
∑ ∑
(2) Xij + X =0 j = 2, 3, ……. n-1
iEB(j) kEA(j) jk
∑
(3) X = −1
iEB(n) in
c. Arti dari fungsi tujuan adalah mencari jalur yang mempunyai waktu selesai paling panjang. Xij
menunjukkan satuan aliran dari lingkaran ke lingkaran j, Yij menunjukkan waktu yang
diperlukan untuk menyelesaikan kegiatan ij, sedang A adalah banyaknya lingkaran yang
merupakan kelanjutan lingkaran i.
d. Batasan pertama menunjukkan masuknya aliran 1 unit dan didistribusikan ke A events.
Batasan kedua menunjukkan aliran di dalam network, dan batasan ketiga menunjukkan
keluarnya 1 unit aliran (menjadi-1) dari network. Aliran yang masuk i unit di dalam network
dibagi-bagi kemudian keluar lagi masih tetap 1 unit.
e. Contoh: Network pembuatan rumah
2
2 5
1 3 4
4
27
f. Cara penyelesaiannya:
1) Penyelesaian dengan rumusan masalah primal
(a) Fungsi tujuan jumlah dari waktu tiap kegiatan. Bila masalah ini sudah dipecahkan, maka
nilai Xij pada jalur kritis 1, sedang yang bukan jalur kritis nilainya 0. Sehingga fungsi
tujuan menjadi :
Maksmumkan Z = 2X12 + 4X13 + 3X23 + 5X24 + 5X34
(b) Satuan aliran yang masuk pada network melalui event 1 sebesar 1, yang aliran pekerjaan
ini akan dibagi ke kegiatan 1-2 dan kegiatan 1-3. Misalnya aliran yang melalui lingkaran
1 ke lingkaran 2 diberi simbol C12 dan aliran dari lingkaran 1 ke lingkaran 3 diberi
simbol X13, maka pembagian 1 unit aliran yang masuk ini dapat ditulis sebagai batasan,
sebagai berikut :
1 = X12 + X13 atau X12 + X13 = 1
(c) Aliran dari lingaran 1 ke lingkaran 2 dibagi ke lingkaran 3 dan lingkaran 4. Sehingga
dapat ditulis X12 = X23 + X24 atau −X12 + X23 + X24 = 0.
Disamping itu aliran dari lingkaran 1 ke lingkaran 3 dan dari lingkaran 2 ke lingkaran
ke-3 bersama-sama disalurkan ke lingkaran 4 dari lingkaran 3. Maka dapat dituliskan
X13 + X23 = X34 atau −X13 − X23 + X 34 = 0
(d) Aliran dari lingkaran 2 ke lingkaran 4 dan aliran dari lingkaran 3 ke lingkaran 4 sejumlah
1 unit dan keluar melalui lingkaran 4. Ini dapat ditulis −X24 − X1\34 = −1
(e) Batasan terakhir adalah batasan non negativity di mana Xij ≥ 0.
Perumusan masalah primal dari contoh di atas dapat disusun kembali sebagai berikut :
a) Fungsi tujuan :
Maksimumkan : Z = 2X12 + 4X13 + 3X 23 + 5X24 + 5X34
b) Batasan-batasan :
X12 + X13 =1
- X12 + X23 + X24 =0
- X13 – X23 + X24 =0
- X24 - X34 = -1
X12, X13, X24, X34 ≥ 0
Kalau rumusan masalah dipecahkan dengan linear programming maka akan menghasilkan
nilai optimum sebagai berikut :
X12 = 1
X23 = 1
28
X34 = 1
Z = 10
2) Penyelesaian dengan memakai complementary slackness
a. Cara lain untuk menyelesaikan masalah di atas adalah dengan memakai teori
complementary slackness untuk linear programming.
b. Untuk itu pertama kali harus disusun perumusan dual, sebagai berikut:
Fungsi tujuan :Minimumkan : W0 = W1
Batasan-batasan : W1 – W2 - W4 ≥2
W1 - W3 ≥4
W2 – W3 ≥3
W2 - W4 ≥5
W3 - W4 ≥5
W1, W2, W3, W4
Boleh positif atau negatif
Dari persamaan-persamaan tersebut dapat diselesaikan sebagai berikut :
W1 ≤ W2 – 2 W2* = -2
W1 ≤ W3 – 4
W2 ≤ W3 – 3 W3* = -5
W2 ≤ W4 – 5
W3 ≤ W4 – 5 W4* = -10
Dalam hal ini untuk memecahkan persoalan di atas selalu dimisalkan bahwa W1 = 0.
Akibatnya dari batasan pertama dapat diselesaikan bahwa W2* = -2. Kalau nilai W1
dimasukkan pada batasan kedua akan menghasilkan nilai W3 = -4, tetapi kalau dimasukkan
nilai W2 pada batasan ketiga akan menghasilkan nilai W3 = -5. Yang dipilih salah satu yang
terkecil, yaitu W3 = -5. Oleh karena itu batasan kedua memenuhi unequality constraint
(batasan ketidaksamaan), yaitu W1 ≤ W3 – 4 atau W1 – W3 ≥ 4. Kalau dimasukkan nilai W2
pada batasan ke-4 maka menghasilkan nilai W4 = -7, tetapi kalau dimasukkan nilai W3 pada
batasan ke-5 menghasilkan nilai W4 = -10. Yang dipilih nilai W4 = -10. Sehingga persamaan
ke-4 memenuhi unequality constraint, yaitu W4 ≤ W2 – 5 atau W2 – W4 ≥ 5. Karena batasan
ke-2 dan ke-4 pada dual problem memenuhi unequality constraint, maka nilai variabel primal
yang ke-2 (X13) dan ke-4 (X24) diberi 0. Dengan demikian dapat dimasukkan nilai 13 dan X24
itu pada batasan-batasan yang terdapat pada primal problem, misalnya pada batasan pertama:
X12 + X13 = 1, X13 = 0 maka X12 = 1
29
Demikian seterusnya sehingga diperoleh nilai optimal sebagai berikut :
X12* =1 X23* =1 X34* =1
X13* =0 X24* =0
Bila hasil pemecahan ini dimasukkan dalam persamaan tujuan pada primal problem, maka
akan diperoleh nilai Z = 10. Arti dari hasil tersebut di atas adalah jalur kritis adalah kegiatan-
kegiatan 1-2, 2-3, dan kegiatan-kegiatan 3-4; dengan waktu penyelesaian proyek 10 minggu.
L. Memperpendek Waktu Selesainya Proyek
Dalam bagian ini akan dibicarakan perpendekan apabila tambahan biaya itu mempunyai
hubungan linear dengan berkurangnya waktu kegiatan.
a. Misalnya kalau diperpendek 1 jam memerlukan biaya Rp500,00 maka kalau diperpendek 2
jam akan memerlukan biaya Rp1.000,00. Tentu saja untuk satu kegiatan mempunyai
tambahan biaya per hari yang biasanya berbeda dengan kegiatan lain. Untuk satu kegiatan,
hubungan biaya dan waktu penyelesaian itu dapat dilihat pada Gambar berikut:
Biaya
Rp1.500.000,00
Rp700.000,00
0 4 8 Minggu
Biaya penyelesaian untuk kegiatan 3-6

b. Didalam memperpendek wktu selesainya proyek, tidak perlu diperpendek semua kegiatan dari
proyek itu, melainkan dipilih yang terletak pada jalur kritis. Hal ini disebabkan karena bila
diperpendek waktu kegiatan pada jalur yang bukan jalur kritis, maka hanya akan berakibat
menambah float saja. Sebagai contoh digunakan network pada berikut yang alternatif untuk
memperpenek kegiatan-kegiatannya seperti berikut ini:
Waktu Waktu Biaya Langsung Biaya
Kegiatan
Normal Crash Normal Crash Tambahan/Minggu
Rp Rp Rp
1–2 10 10 500.000,00 500.000,00 -
2–3 2 1 5.000.000,00 6.000.000,00 1.000.000,00
2–4 4 2 4.000.000,00 6.500.000,00 1.250.000,00
3–6 8 4 700.000,00 1.500.000,00 200.000,00
4–6 3 2 2.000.000,00 2.500.000,00 500.000,00
5–6 1 1 1.000.000,00 1.000.000,00 -
6–7 5 4 500.000,00 600.000,00 100.000,00
30
c. Pada tabel di atas, waktu normal ditulis pada kolom 2 dan waktu crasg (waktu setelah
diperpendek) dilatekkan pada kolom 3. Biaya langsung untuk kegiatan normal tercantum pada
kolom 4, dan biaya langsung untuk kegiatan crash tercantum pada kolom 5. Biaya tambahan
tiap minggu (kolom 6) adalah selisih kolom 5 dan kolom 4 dibagi dengan selisih kolom 3 &
kolom 4.
d. Misalnya akan diperpendek dari 25 minggu menjadi 23 minggu, maka harus dipilih kegiatan
pada jalur kritis yang biaya perpendekannya paling murah. Jalur kritis adalah 1-2-3-6-7.
Kegiatan 1-2 tidak bisa diperpendek. Oleh karena itu yang dapat diperpendek hanyalah
kegiatan-kegiatan 2-3, dan 3-6, dan 6-7.
e. Berikut ini adalah beberapa alternatif perpendekan yang akan dipilih salah satu.
Perpendekan pada kegiatan Biaya perpendekan
(a) 1 minggu pada (2-3) dan
1 minggu pada (3-6) Rp1.000.000,00 + Rp200.000,00 = Rp1.200.000,00
(b) 2 minggu pada (3-6) 2 x Rp200.000,00 = Rp400.000,00
(c) 1 minggu pada (2-3) dan
1 minggu pada (6-7) Rp1.000.000,00 + Rp100.000,00 = Rp1.100.000,00
(d) 1 minggu pada (3-6) dan
1 minggu pada (6-7) Rp200.000,00 + Rp100.000,00 = Rp300.000,00
f. Dari keempat alternatif perpendekan tersebut di atas, ternyata alternatif d yang paling murah
biayanya. Oleh karena itu perpendekan dilakukan 1 minggu pada kegiatan 3-6, dan 1 minggu
pada kegiatan 6-7. Jadi proyek akan selesai dalam 23 minggu.
g. Dalam di atas terlihat, bahwa perpendekan pada kegiatan 6-7 hanya mungkin 1 minggu saja,
demikian juga untuk kegiatan 2-3. Sekarang baiklah dilihat kalau perpendekan dilakukan pada
kegiatan yang di luar jalur kritis, maka akibatnya tidak akan memperpenek waktu selesainya
proyek. Misalnya kegiatan 2-4 diperpendek dengan 2 hari, maka kegiatan 1-2-4-5-6 yang
mula-mula selesai dalam 18 minggu akan menjadi 16 minggu. Tetapi hal ini tidak akan
mempercepat selesainya proyek, sebab kegiatan 6-7 baru dapat di mulai setelah kegiatan 1-2-
3-6 yang memerlukan waktu 20 minggu selesai.
31
MODEL PENGENDALIAN PERSEDIAAN
Yaitu suatu model atau pendekatan matematis untuk membantu pengambilan

keputusan dalam menentukan tingkat persediaan yang optimal.
A. Fungsi Pengendalian Persediaan

Fungsi utama yaitu “menyimpan” untuk melayani kebutuhan perusahaan akan bahan
mentah/barang jadi dari waktu ke waktu, yang ditentukan oleh beberapa kondisi:
a. Jangka waktu pengiriman bahan mentah relative lama, sehingga perusahaan perlu persediaan
bahan mentah yang cukup untuk memenuhi kebutuhan selama jangka waktu pengirirman.
b. Sebagian bahan yang belum digunakan disimpan sebagai persediaan, karena jumlah
pembelian lebih besar dari yang dibutuhkan, hal ini dilakukan karena terbilang lebih
ekonomis.
c. Jika tingkat permintaan bersifat musiman sedangkan tingkat produksi setiap saat adalah
konstan maka perusahaan dapat melakukan permintaan tersebut dengan membuat tingkat
persediaan berfluktuasi mengikuti permintaan.
d. Persediaan diperlukan jika biaya untuk mencari bahan pengganti atau biaya kehabisan bahan
relative besar.
B. Komponen-Komponen Biaya Persediaan
• Tujuan perusahaan mengendalikan persediaan yaitu meminimumkan biaya operasi total
perusahaan, sehingga keputusan yang diambil yaitu:
a. Jumlah yang harus dipesan setiap kali pemesanan
b. Kapan pemesanan itu harus dilakukan
• Terdapat biaya yang perlu diperhitungkan saat mengevaluasi masalah persediaan, yaitu:
a. Ordering dan procurement cost, yaitu total biaya pemesanan dan pengadaan bahan
yang siap untuk digunakan. Ordering cost terdiri dari fix cost sedangkan procurement
cost terdiri dari variable cost.
b. Holding cost atau carrying cost merupakan biaya penyimpanan persediaan
c. Shortage cost yaitu biaya yang timbul apabila ada permintaan terhadap barang yang
kebetulan sedang tidak tersedia di gudang.
C. Model Economic Order Quantity (EOQ)
Tujuan model ini yaitu untuk menentukan jumlah setiap kali pemesanan (Q) sehingga total
annual cost dapat diminimumkan
32
• Parameter yang digunakan:
k = ordering cost per pesanan
A = jumlah yang dibutuhkan dalam 1 periode
c = procurement cost per unit barang yang dipesan
h = holding cost per satuan nilai persediaan
T = waktu antara satu pemesanan dengan lainnya
• Rumus→ Total annual cost = ordering cost + holding cost + procurement cost
• Grafis:
Jumlah persediaan masih banyak
Melakukan pesanan kembali, sehingga persediaan penuh kembali
Order points
T= Q/A
Seiring berjalan waktu, Lamanya T sama dengan proporsi kebutuhan selama
persediaan berkurang satu periode (A) yang dapat dipenuhi oleh Q
karena digunakan
✓ Sehingga frekuensi pemesanan = A/Q

✓ Annual ordering cost = (A/Q)k
✓ Persediaan rata-rata = Q/2
✓ Annual holding cost = hc (Q/2)
Atau Luas segitiga = ½ (T)(Q)
= ½ (Q/A) (Q)
= ½ 𝑄 2 /2A
✓ Holding cost (oer siklus) = hc (𝑄 2 /2A)
✓ Annual holding cost = hc (𝑄 2 /2A) x A/Q
✓ Annual procurement cost =Ac
✓ Total annual cost = (A/Q)k + hc (Q/2) + Ac
✓ Minimumkan TC ` = (A/Q)k + hc (Q/2)
33
D. Mencari Penyelesaian Optimal (Optimal Solution)
• Grafik:
Merupakan total dari biaya

penyimpanan dan biaya pemesanan Semakin banyak kuantitas bahan
yang disimpan maka akan semakin
besar biaya penyimpanan
Semakin banyak kuantitas bahan yang dipesan maka akan semakin

jarang melakukan pemesanan sehingga akan mengurangi biaya
Merupakan biaya total yaitu perpotongan antara biaya penyimpanan dan biaya pemesanan.
Biaya optimal yaitu biaya penyimpanan sama dengan biaya pemesanan
• Tahap mencari penyelesaian optimal:

a. Mencari jumlah pemesanan yang optimal (Q*) dengan menurunkan persamaan TC,
dan disama dengankan nol:
TC = (A/Q)h + hc (Q/2)
𝑑𝑇𝐶
= -Ak/𝑄 2 + hc/2 =0
𝑑𝑄
Ak/𝑄 2 = hc/2
𝑄2 = 2Ak/hc
Q* = √2Ak/hc
b. Mencari waktu pemesanan optimal (T*):

T* = Q*/A
c. Menghitung biaya total dengan menggunakan rumus TC optimal yaitu:

(A/Q*)k + hc (Q*/2)
E. Contoh Soal Model EOQ dan Penyelesaiannya

a. Soal
Sebuah toko minuman menjual 5200 peti bir setiap tahun. Setiap peti menanggung biaya
Rp2 untuk sampai ke gudan. Penyalur meminta bayaran Rp10 untuk pemesanan tanpa
meghitung berapa jumlah yang dipesan. Pesanan segera dating sesaat setelah pemesanan
dilakukan. Modal kerja yang dimiliki took minuman ini semuanya tertanam pada persediaan
34
barang (bir) dan modal ini dipinjam dari bank dengan bunga 10% per tahun, selain itu
pemilik toko harus membayarkan atas barang yang disimpannya sebesar 5% dari nilai perse
diaan rata-rata. Asuransi juga harus dibayar sebesar 5% dari nilai perse diaan rata-rata. Biaya
operasional lain dalam hal ini bersifat fixed. Took tersebut ingin meninjau kembali apakah
kebijaksanaan pesanan 100 peti per minggu selama ini sudah betul atau tidak, ditinjau dari
sudut biaya yang relevan.
Catatan tentang holding cost:

• Bunga pinjaman pada bank = 10%
• Asuransi barang (bir) dalam persediaan = 5%
• Pajak atas barang (bir) dalam persediaan = 5%
20%
b. Penyelesaian:
a. TC = (A/Q)k + hc (Q/2)
= (5200/100)10 + (0,20)(2)(100/2)
= 520 + 20
= 540 rupiah per tahun
Didapat annual ordering cost Rp520 dan annual holding cost Rp20. Selisih antara
keduanya sangatlah besar sehingga dapat disimpulkan tidak optimal. Untuk mencari
biaya optimal perlu mencari Q* dan T*:
b. Q* = √2Ak/hc = √2(5200)(10)/(0,20)(2) = √260000 = 509,0 atau 510 peti
c. T* = Q*/A = 510/5200 = 0,098 tahun
d. TC = (A/Q*)k + hc (Q*/2)
= (5200)(510)(10) + (0,20)(2)(510/2)
= 101,96 + 102
= 203,96 rupiah per tahun
c. Kesimpulan :
Kebijaksanaan pesanan 100 peti per minggu ialah salah (tidak optimum), karena biaya yang
timbul jauh lebih besar. Seharusnya, perusahaan melakukan pemesanan setiap 0,098 per
tahun dengan kuantitas pesanan sebanyak 510 peti agar mencapai biaya optimal.
35
F. Titik Pemesanan Kembali dan Persediaan Prngaman (Reorder
Point dan Safety Stock)
• Reorder point yaitu pemesanan kembali yang harus dilakukan agar barang yang dipesan
datang tepat pada saat dibutuhkan ditambah dengan sejumlah tertentu sebagai persediaan
pengaman (safety stock).
• Variable yang diperhitungkan dalam menentukan reorder point:
a. Lead time (L) yaitu suatu tenggang waktu antara saat dilakukannya pemesanan saat
barang tersedia (siap untuk dipakai).
b. Tingkat kebutuhan perhari (U).
• Rumus:
Reorder point = U x L + Safety stock
a. Contoh soal:
✓ Kebutuhan barang per minggu = 100 kg
✓ Lead time = 3 minggu
✓ Safety stock ditetapkan sebesar kebutuhan selama 2 minggu
b. Penyelesaian:
Reorder point = 100 x 3 + (2 x 100)
= 300 + 200 = 500
c. Kesimpulan:Pemesanan kembali perlu dilakukan pada saat tingkat persediaan barang
tersebut mencapai 500 kg.
G. Model Persediaan Back Order
Pesanan untuk diambil kemudian lazim disebut back order. Dengan kata lain, sebuah toko
mengizinkan adanya back order apabila ia tetap menjual suatu barang yang meskipun sudah tidak
ada di gudang (tingkat pesediaan barang tersebut nol).
Contoh yang dapat diambil adalah dealer kendaraan bermotor (mobil). Perusahaan ini akan
tetap melayani pembelian mobil tipe-A, meskipun saat itu persediaan kosong. Pembeli dijanjikan
bahwa mobil yang dipesannya akan adatang beberapa hari, (minggu dan sebagainya) kemudian.
36
Grafik Tingkat Persediaan
a. Formula: TC = Oedering cost + Holding cost + Shortage cost

Dengan :
𝑆 ℎ𝑐 𝑆 2
• Holding Cost per siklus persediaan : HC x Luas ∆I = ℎ𝑐 [1⁄2 𝑆 (𝐴)] = 2Q
(𝑄−𝑆)2
• Annual shortage cost = 2Q
𝐴 ℎ𝑐 𝑆² 𝑝(𝑄−𝑆)²
• Maka: TC = (𝑄) 𝑘 2Q 2Q
b. Tujuan yang ingin dicapai adalah mencari Q dan S yang dapat meminimumkan TC. Tujuan
tersebut dapat dicapai dengan membuat partial derivative fungsi TC terhadap Q dan S,
sehingga diperoleh:
2 Ak 𝑝 + ℎ𝑐
𝑄∗ = √ √
ℎ𝑐 𝑝
𝟐 𝑨𝒌 𝒑
𝑺∗ = √ √
𝒉𝒄 𝒑 + 𝒉𝒄
c. Sedangkan tenggang waktu antara satu pesanan dengan lainnya adalah:
∗
𝑄∗
𝑇 =
𝐴
d. Contoh:
Contoh soal sebelumnya. Bir dianggap Sebagai barang convenience sehingga pembeli akan
memilih bir merk lain apabila bir merk X tak tersedia di took tersebut. Misalnya took itu
dibebani 1 sen per peti per hari sebagai hukuman karena ia tak dapat memenuhi permintaan
langganan, maka dalam setahun p = Rp 3,65 per peti. Apabila k= Rp100, A= 1000, c = Rp20
dan h = 0,20, maka:
37
2(1.000)100 3,65+(0,20)20
• 𝑄∗ = √ (0,20)20
√ = 324 peti
3,65
2(1.000)100 3,65
• 𝑆∗ = √ (0,20)20
√ = 154 peti
3,76+(0,20)20
324
• 𝑇 ∗ = 1.000 = 0,324 tahun atau ± 118 ℎ𝑎𝑟𝑖
• Ternyata apabila perusahaan tersebut mengizinkan adanya back order. Maka

kebijaksanaan persediaan yang opyimal mencakup: 324 peti yang dipesan setiap 118
hari.
• Diantara yang tersebut, hanya 154 peti yang disimpan sebagai persediaan. Selebihnya
(Q* - S* = 170 peti) diperlukan untuk memenuhi permintaan yang belum terpenuhi
(back order), total annual relevant cast dalam kebijaksanaan ini adalah:
1.000 (0,20(20)(154)² (3,65)(170)²
𝑇𝐶 = ( ) + = 617,82 𝑟𝑢𝑝𝑖𝑎ℎ 𝑝𝑒𝑟 𝑡𝑎ℎ𝑢𝑛
324 2(324) 2(324)
38
MODEL ANTRIAN
Tujuan dasar model-model antrian adalah untuk meminimumkan total
dua biaya, yaitu biaya langsung penyediaan fasilitas dan pelayanan dan biaya
tidak langsung yang timbul karena para individu harus menunggu untuk
dilayani. Bila suatu system mempunyai fasilitas pelayanan melebihi dari
jumlah optimal, ini berarti membutuhkan investasi modal yang berlebihan,
tetapi bila jumlahnya kurang dari optimal hasilnya adalah tertundanya
pelayanan.
A. Konsep-konsep Dasar Teori Antrian
a. Elemen-elemen Pokok dalam Sistem Antrian
1. Sumber Masukan (Input)
Sumber masukan dari suatu sistem antrian dapat terdiri atas suatu populasi orang,
barang, komponen atau kertas kerja yang datang pada sistem untuk dilayani.
2. Pola Kedatangan
Cara dengan mana individu-individu dari populasi memasuki sistem disebut pola
kedatangan (arrival pattern). Individu-individu mungkin datang dengan tingkat
kedatangan (arrival rate) yang konstan ataupun acak/random (yaitu berapa banyak
individu-individu per periode waktu).
1) Tingkat kedatangan produk-produk yang bergerak sepanjang lini perakitan produksi
massa mungkin konstan, sedang tingkat kedatangan telephone calls sangat sering
mengikuti suatu distribusi probabilitas Poisson.
2) Bila pola kedatangan individu-individu mengikuti suatu distribusi Poisson, maka
waktu antar kedatangan atau interarrival time (yaitu waktu antara kedatangan setiap
individu) adalah random dan mengikuti suatu distribusi eksponensial (exponential
distribution).
3) Bila individu tersebut adalah orang, dan antrian relatif panjang, dia mungkin
meninggalkan sistem. Perilaku seperti ini disebut penolakan (balking).
4) Bila lebih dari satu individu memasuki suatu sistem seketika secara bersama, maka
terjadi dengan apa yang disebut bulk arrivals.
39
3. Disiplin Antrian
Disiplin antrian menunjukkan pedoman keputusan yang digunakan untuk menyeleksi
individu-individu yang memasuki antrian untuk dilayani terlebih dahulu (prioritas).
1) Disiplin antrian yang paling umum adalah pedoman first come, first served (FCFS),
yang pertama kali datang pertama kali dilayani.
2) Beberapa disiplin antrian lainnya ialah pedoman-pedoman shortest operating
(service)-time (SOT), last come-first served (LCFS), longest-operating-time (LOT),
dan service in random order (SIRO).
4. Kepanjangan Antrian
Bila kapasitas antrian menjadi faktor pembatas besarnya jumlah individu yang dapat
dilayani dalam sistem secara nyata, berarti sistem mempunyai kepanjangan antrian
yang terbatas (finite); dan model antrian terbatas harus digunakan untuk menganalisa
sistem tersebut.
5. Tingkat Pelayanan
Waktu yang digunakan untuk melayani individu-individu dalam suatu sistem disebut
waktu pelayanan (service time).
6. Keluar (Exit)
Sesudah seseorang (individu) telah selesai dilayani, dia keluar (exit) dari sistem.
Sesudah keluar, dia mungkin bergabung pada satu diantara kategori populasi.
B. Ringkasan Karakteristik-karakteristik Penting Sistem Antrian
Berikut ini daftar karakteristik-karakteristik tersebut dengan asumsi-asumsi yang paling umum:
Karakteristik-karakteristik Antrian Asumsi-asumsi Umum

Sumber populasi Tak terbatas atau terbatas
Pola kedatangan Tingkat kedatangan Poisson
(waktu antarkedatangan eksponensial)
Kepanjangan antrian Tak terbatas atau terbatas
Disiplin antrian First come – first served
Pola pelayanan Tingkat pelayanan Poisson
(waktu pelayanan eksponensial)
Keluar Langsung kembali ke populasi
C. System dan Struktur Antrian

a. Sistem-sistem Antrian
1. Sistem pelayanan komersial, seperti restoran, cafetaria, toko-toko, tempat potong rambut
(salon), boutiques, supermarkets, dan sebagainya
40
2. Sistem pelayanan bisnis-industri, mencakup lini produksi, sistem material-handling,
sistem penggundangan, dan sistem-sistem informasi komputer.
3. Sistem pelayanan transportasi
4. Sistem pelayanan social, merupakan sistem-sistem pelayanan yang dikelola oleh kantor-
kantor dan jawatan-jawatan lokal maupun nasional, seperti kantor tenaga kerja, kantor
registrasi SIM dan STNK, dan sebagainya, serta kantor pos, rumah sakit, puskesmas, dan
lain-lainnya
b. Struktur-struktur Antrian
Ada 4 model struktur antrian dasar yang umum terjadi dalam seluruh sistem antrian :
1. Single Channel – Single Phase
Single channel berarti bahwa hanya ada satu jalur untuk memasuki sistem pelayanan atau
ada satu fasilitas pelayanan. Single phase menunjukkan bahwa hanya ada satu station
pelayanan atau sekumpulan tunggal operasi yang dilaksanakan. Setelah menerima
pelayanan, individu-individu keluar dari sistem. Contoh untuk model struktur ini adalah
seorang tukang cukur, pembelian tiket kereta api antarkota kecil yang dilayani oleh satu
loket, seorang pelayan toko, dan sebagainya.
Populasi
Fasilitas Individu
Individu antri
individu pelayanan yang salah
dilayani
2. Single Channel – Multiphase

Istilah multiphase menunjukkan ada dua atau lebih pelayanan yang dilaksanakan secara
berurutan (dalam phase-phase). Sebagai contoh, lini produksi massa, pencucian mobil,
tukang cat mobil, dan sebagainya.
Sistem
Sumber M S M S Keluar
Populas
i
Phase 1 Phase 2
Keterangan :
M = antrian
S = fasilitas pelayanan (server)
41
3. Multchannel – Single Phase
Sistem multichannel – single phase terjadi (ada) kapan saja dua atau lebih fasilitas
pelayanan dialiri oleh antrian tunggal, contoh: pembelian tiket yang dilayani oleh lebih
dari satu loket pelayanan potong rambut oleh beberapa tukang potong, dan sebagainya.
Sistem Antrian
Sumber M Keluar
Populasi S
4. Multichannel – Multiphase
Setiap sistem-sistem ini mempunyai beberapa fasilitas pelayanan pada setiap tahap,
sehingga lebih dari satu individu dapat dilayani pada suatu waktu. Contoh, herregistrasi
para mahasiswa di universitas, pelayanan kepada pasien di rumah sakit dari pendaftaran,
diagnosa, penyembuhan sampai pembayaran.
Sistem Antrian
S M S
Sumber M Keluar
Populasi
S M S
5. Struktur campuran (mixed arrangements)

merupakan campuran dari dua atau lebih struktur antrian di atas. Misal, toko-toko dengan
beberapa pelayanan (multichannel), namun pembayarannya hanya pada seorang kasir
(single channel).
D. Model-model Antrian
a. Pengelompokan Model-model Antrian
Dalam mengelompokkan model-model antrian yang berbeda-beda akan digunakan suatu
notasi yang disebut Kedall’s Notation. Berikut ini akan memperjelas penggunaan notasi
tersebut, dan model yang disajikan adalah model M/M/I/I/I.
42
Populasi (1) Antrian (M) Fasilitas Pelayanan (M/I)
Tiingkat Tiingkat
Sumber Tak- FCFS
kedatangan Pelayanan Keluar
terbatas Poisson Kepanjangan Poisson
Antrian Tak-
terbatas (1)
Bentuk Model umum :
Tingkat Tingkat Jumlah Besarnya Kepanjangan

Kedatangan Pelayanan Fasilitas Populasi Antrian
Pelayanan
Singkatan Penjelasan
M Tingkat kedatangan dan pelayanan Poisson
D Tingkat kedatangan atau pelayanan deterministik (diketahui konstan)
K Distribusi Erlang waktu antarkedatangan atau pelayanan
S Jumlah fasilitas pelayanan
I Sumber populasi atau kepanjangan antrian tak-terbatas (infinite)
F Sumber populasi atau kepanjangan antrian terbatas (finite)
1. Tanda pertama notasi selalu menunjukkan distribusi tingkat kedatangan.

2. Tanda kedua menunjukkan distribusi tingkat pelayanan.
3. Tanda ketiga menunjukkan jumlah fasilitas pelayanan (channels) dalam sistem.
4. Tanda keempat dan kelima ditambahkan untuk menunjukkan apakah sumber populasi
dan kepanjangan antrian adalah tak-terbatas (I) atau terbatas (F).
Dengan tanda-tanda tersebut ditunjukkan empat model yang berbeda yang akan dirumuskan
dan dipecahkan dalam bagian ini, yaitu :
1. Model 1 : M/M/I/I/I
2. Model 2 : M/M/S/I/I
3. Model 3 : M/M/I/I/F
4. Model 4 : M/M/S/F/I
b. Tujuan-tujuan Model Antrian
1. Untuk mendefinisikan parameter-parameter dan variabel-variabel pada model-model
antrian. Parameter-parameter dan variabel-variabel ini pening sebagai penentuan sistem
biaya dan keuntungan. Penentuan suatu bentuk sistem biaya minimum atau keuntungan
maksimum memerlukan suatu pencarian kombinasi parameter dan variabel-variabel
tersebut yang menghasilkan tercapainya sasaran-sasaran optimum.
43
2. Tujuan penting lainnya model-model antrian adalah kegunaannya dalam penentuan
sensitivitas performance variabel-variabel dalam menghadapi perubahan-perubahan
desain sistem (yaitu, λ, μ, S, Q).
Notasi-notasi untuk model-model antrian sumber tak-terbatas

Notasi Penjelasan Ukuran
λ Tingkat kedatangan rata-rata Unit/jam
1/λ Waktu antarkedatangan rata-rata Jam/unit
μ Tingkat pelayanan rata-rata Unit/jam
1/μ Waktu pelayanan rata-rata Jam/unit
σ Deviasi standar tingkat pelayanan Unit/jam
n Jumlah individu dalam sistem pada suatu waktu Unit
𝑛𝑞
̅̅̅ Jumlah individu rata-rata dalam antrian Unit
𝑛𝑡
̅̅̅ Jumlah individu dalam sistem total (antrian dan fasilitas Unit
𝑡̅𝑞 pelayanan)
𝑡̅𝑡 Waktu rata-rata dalam antrian Jam
S Waktu rata-rata dalam sistem total Jam
P Jumlah fasilitas pelayanan (channels) Unit pelayanan
Q Kepanjangan maksimum sistem ratio
(antrian plus ruangan pelayanan) Unit
Pn Probabilitas jumlah n individu dalam sistem Frekuensi relatif
Po Probabilitas tidak ada individu dalam sistem Frekuensi relatif
Pw Probabilitas menunggu dalam antrian Frekuensi relatif
cs Biaya pelayanan per satuan waktu per fasilitas Rp/jam/server
cw pelayanan Rp/jam/unit
ct Biaya untuk menunggu per satuan waktu per individu Rp/jam/
Biaya total – S cs + ̅̅̅
𝑛𝑡 cw
c. Minimisasi Biaya
Tujuan dasar antrian adalah minimisasi biaya tidak langsung (indirect cost) pada individu-
individu yang menunggu dan biaya langsung (direct cost) utnuk penyediaan pelayanan
komponen-komponen penting dari kedua biaya itu akan diuraikan berikut ini.
1. Biaya menunggu (cost of waiting).
Biaya-biaya menunggu mungkin mencakup biaya menganggurnya para karyawan,
kehilangan penjualan, kehilangan langganan, tingkat persediaan yang berlebihan,
kehilangan kontak, kemacetan sistem, atau kehilangan kepercayaan dalam manajemen.
1) Dalam kasus-kasus tertentu, seperti bila individu yang menunggu berasal dari sistem
internal (misal, persediaan atau karyawan) biaya menunggu dapat langsung diukur.
2) Dalam kasus-kasus lain, biaya menunggu dapat menjadi sangat sulit ditentukan
(misal, biaya langganan yang menunggu). Karena itu biaya-biaya ini sering
diabaikan, terutama dengan anggapan bahwa biaya tersebut sangat rendah atau
kepanjangan antrian sangat berlebihan. Bila para manajer yang menghadapi masalah
sistem antrian dapat menentukan biaya yang melekat pada seorang individu
44
menganggur dalam sistem pelayanan, total expected waiting cost per periode waktu
E(Cw) adalah :
3) 𝐸(𝐶𝑤 ) = ̅̅̅̅̅̅
𝑛𝑡 𝑐𝑤
Dimana :
Cw = biaya total per unit waktu
(𝑛
̅̅̅)
𝑡 = sejumlah rata-rata individu yang menunggu (𝑛
̅̅̅)
𝑡 dalam suatu sistem
3) Sebagai contoh, bila cw = Rp5.000,00 per jam per individu dan jumlah rata-rata
individu dalam sistem (𝑛
̅̅̅)
𝑡 = 5 individu, E(Cw) = Rp25.00,00 per jam.
2. Biaya pelayanan.
Biaya pelayanan dapat mencakup biaya tetap investasi awal dalam peralatan atau
fasilitas, biaya-biaya pemasangan dan latihan, bagi karyawan dan biaya-biaya variabel
seperti gaji karyawan dan pengeluaran tambahan untuk pemeliharaan.
E(Cs) = Scs
1) Dimana :
cs = biaya per periode waktu per fasilitas pelayanan
S = jumlah fasilitas pelayanan.
2) Sebagai contoh, bila cs = Rp4.000,00 per jam, dan S = 3, maka E(Cs) = Rp12.000,00
per jam.
3. Rumusan expected total cost.
4. 𝐸(𝐶𝑡 ) = 𝐸(𝐶𝑠 ) + 𝐸(𝐶𝑤 ) = 𝑆𝑐𝑠 + ̅̅̅̅̅̅
𝑛𝑡 𝑐𝑤
Untuk contoh di atas, dengan cs = Rp4.000,00 per jam per fasilitas pelayanan, S = 3, cw
= Rp5.000,00 per jam per individu, dan nt = 5 individu, E(Ct) adalah sebesar
Rp37.000,00 per jam.
E. Model-model dan Aplikasinya

a. Model 1 : M/M/I/I/I
𝜆2 𝜆 𝜆 𝜆
𝑛𝑞 = 𝜇−(𝜇−𝜆)
̅̅̅ 𝑡̅𝑞 = 𝜇−(𝜇−𝜆) 𝑃𝑛 = (1 − 𝜇)(𝜇)𝑛
𝜆 1 𝜆
𝑛𝑡 = 𝜇−𝜆
̅̅̅ 𝑡̅𝑡 = 𝜇−𝜆 𝑃=𝜇
45
Soal:
Tuan Laon memiliki sebuah restoran yang melayani para langganannya di dalam mobil
mereka. Restoran ini telah beroperasi sukses selama beberapa bulan di pulau Demangan. Dia
sangat prihatin dengan panjangnya garis antrian pada jam-jam makan siang dan makan
malam. Beberapa langganannya telah mengadu tentang waktu menunggu yang berlebihan.
Dia merasa bahwa dia suatu ketika akan kehilangan para langganannya. Dia meminta kepada
kita untuk menganalisa sistem antriannya dengan mempergunakan teori antrian.Tingkat
kedatangan rata-rata langganan selama periode-periode puncak adalah 50 mobil per jam.
Tingkat kedatangan mengikuti suatu distribusi Poisson. Waktu pelayanan rata-rata 1 menit
dengan distribusi eksponensial. Pecahkan soal-soal berikut ini untuk Tuan Laon.
a. Tingkat kegunaan bagian pelayanan restoran (p)
b. Jumlah rata-rata dalam antrian (𝑛
̅̅̅)
𝑞
c. Jumlah rata-rata dalam sistem (𝑛

̅̅̅)
𝑡
d. Waktu menunggu rata-rata dalam antrian (𝑡̅𝑞 )

e. Waktu menunggu rata-rata dalam sistem (𝑡̅𝑡 )
f. Probabilitas lebih dari satu mobil dalam sistem dan lebih dari empat mobil dalam sistem.
Penyelesaian :
𝜆 50
a. P = 𝜇 = 60 = 0,833 (Rata-rata bagian pelayanan sibuk 83,33% dari waktunya).
𝜆2 502
b. ̅̅̅
𝑛𝑞 = 𝜇(𝜇−𝜆) = 60(60−50) = 4,1667 mobil
𝜆 50
c. ̅̅̅
𝑛𝑡 = 𝜇−𝜆 = 60−50 = 5 mobil
𝜆 50
d. 𝑡̅𝑞 = 𝜇(𝜇−𝜆) = 60(60−50) = 0,0833 jam atau 5 menit
𝜆 1
e. 𝑡̅𝑡 = 𝜇−𝜆 = 60−50 = 0,1 jam atau 6 menit
f. P(n > 1) = 1 – (P0 + P1) dan P (n > 4)

= 1 – (P0 + …….. + P4)
Dengan Pn = 1 (1 – λ/μ)(λ/μ)n,
P0 = (1 – 0,833) (0,8333)0 = 0,1667
P1 = (1 – 0,833) (0,8333)1 = 0,1389
P2 = (1 – 0,833) (0,8333)2 = 0,1158
46
P3 = (1 – 0,833) (0,8333)3 = 0,0965
P4 = (1 – 0,833) (0,8333)4 = 0,0804
0,5983
P (n > 1) = 1 – P (n ≤ 1) = 1 – (0,1667 + 0,1389) = 0,6944
P (n > 4) = 1 – P (n ≤ 4) = 1 – 0,5983 = 0,4017
b. Model 2 : M/M/S/I/I
𝜆
𝜆2 ( )𝑆 𝑃0 𝜆 1
𝜇
𝑛𝑞 = (𝑆−1)!(𝑆𝜇−𝜆)2 𝑃0
̅̅̅ 𝑡̅𝑞 = 𝜆 2
(𝜇 ) 𝑆 𝑃0 = 𝜆
𝜇𝑆(𝑆!)(1−( )] ( )𝑆
𝜇
𝑆𝜇 ∑𝑆−1
𝑛−0[ 𝜆
𝑆!(1− )
𝑆𝜇
𝜆 1 𝜆 𝑃0
𝑛𝑡 = ̅̅̅
̅̅̅ 𝑛𝑞 + 𝜇 𝑡̅𝑡 = 𝑡̅𝑞 + 𝜆 𝑃𝑤 = (𝜇)𝑆 𝜆
𝑆![1−( )]
𝑆𝜇
𝜆
𝑝 = 𝑆𝜇
1. Soal 1
Departemen kredit suatu bank mempekerjakan tiga orang karyawan tata usaha di kota
Klaten untuk menangani “panggilan” yang masuk dari para pedagang. Waktu rata-rata
yang dibutuhkan untuk menerima sebuah otorisasi adalah 0,5 menit bila tidak diperlukan
waktu untuk menunggu. Tingkat pelayanan mengikuti distribusi eksponensial, karena
kondisi-kondisi yang tidak biasa dapat menghasilkan baik waktu pelayanan yang relatif
lama maupun pendek. Selama periode puncak 8 jam, kantor menerima total 1.750
panggilan (yaitu 218,75 perjam). Tingkat kedatangan panggilan mengikuti distribusi
Poisson.
Tentukan : a. Tingkat kedatangan panggilan per jam (μ)
b. Tingkat kegunaan karyawan (P)
c. Probabilitas tidak ada panggilan (P0)
d. Jumlah pedagang rata-rata menunggu untuk dilayani (𝑛
̅̅̅)
𝑞
e. Jumlah pedagang dalam sistem (𝑛

̅̅̅)
𝑡
f. Waktu rata-rata dalam antrian (𝑡̅𝑞 )

g. Waktu rata-rata dalam sistem (𝑡̅𝑡 )
h. Probabilitas untuk menunggu (Pw).
47
Penyelesaian :
• μ = 2(6) = 120
λ 218,75
• p = Sμ = 3(120) = 0,6076
218,75 218,75 2 218,75 3
1 1 ( ) ( ) ( )
• p= 𝑆 = 0! + 120
+ 120
+ 120
218,75 = 0,1417
𝜆
( )𝑛
𝜆
( )
1! 2! 3!(1− )
𝜇 𝜇 360
𝑆−1
∑𝑛=0 [ ]+
𝑛! 𝜆
𝑆!(1− )
𝑆𝜇
𝜆 218,75 3
𝜆/𝜇( )𝑆 (218,75)(120)( )
• 𝜇
𝑛𝑞 = (𝑆−1)!(𝑆𝜇−𝜆)2 𝑃0 =
̅̅̅ 120
(3−1)!(360−218,75)2
(0,1417) = 0,5647pedagang
𝜆
• 𝑛𝑡 = ̅̅̅
̅̅̅ 𝑛𝑞 + 𝜇= 0,5647 + 1,8229 = 2,3876 pedagang.
𝑃0 𝜆 𝑆 0,1417 218,75 3
• 𝑡̅𝑞 = 𝜆 2
(𝜇 ) = 218,75 2
( ) = 0,00258 jam atau 9,3 detik
𝜇𝑆(𝑆!)(1− ) 120(3)(6)(1− ) 120
𝑆𝜇 360
1 1
• 𝑡̅𝑡 = 𝑡̅𝑞 + 𝜇 = 0,00258 + 120= 0,01091 jam = 0,6546 menit = 39,28 detik
𝜆 𝑃0 218,75 3 0,1317
• 𝑃𝑤 = (𝜇)𝑆 𝜆 =( ) 218,75 = 0,3646
𝑆![1−( )] 120 6[1−( )]
𝑆𝜇 360
1) Soal 2:
Departemen kredit pada contoh 13.2 telah menerima keluhan-keluhan dari banyak
pedagang bahwa waktu otorisasi terlalu lama. Karena itu, manajer departemen sedang
mempertimbangkan penambahan satu lagi karyawan tata usaha untuk mengurangi waktu
menunggu dalam sistem. Dia merasa bahwa biaya otorisasi total akan naik karena
penambahan karyawan. Bila seorang karyawan tata usaha berpenghasilan Rp1.100,00 per
jam (termasuk semua gaji jaminan lainnya) dan biaya mendapatkan seorang karyawan
check out sedang menunggu adalah Rp2.100,00 per jam (gaji, tunjangan, kehilangan
penjualan karena penundaan, dan biaya-biaya lainnya), tentukan apakah lebih baik tetap
mempunyai 3 karyawan atau 4 karyawan yang menangani otorisasi.
Penyelesaian :
a. Biaya total sekarang per jam dengan tiga karyawan :
E(Ct) = Scs + 𝑛
̅̅̅̅̅̅̅
𝑞 𝑐𝑤
= 3(1.100) + 2,3876(2.100)
= 3.300 + 5.013,95 = Rp8.313,95
b. Biaya total per jam dengan empat karyawan :
𝜆 𝑆
𝜆 𝜆𝜇( ) 𝜆
• 𝑛𝑡 = ̅̅̅
̅̅̅ 𝑛𝑞 + 𝜇 = (𝑆−1)!(𝑆𝜇−𝜆)2 𝑃0 + 𝜇 𝜇
48
• 𝑛𝑞 = (0,7074)(0,1577) = 0,1116
̅̅̅
• 𝑛𝑞 = 0,1116 + 1,8229 = 1,9345 pedangan
̅̅̅
• E(Ct) = 4(1.100) + 1,9435(2.100) = 4.400 + 4.062,45 = Rp8.462,45
c. Biaya total dengan mempunyai empat karyawan hanya berbeda sedikit dengan biaya
total bila mempunyai tiga karyawan (Rp.8.462,45) dibanding Rp8.313,95). Dengan
pertimbangan perbedaan yang kecil ini (Rp148,00/jam), dapat direkomendasikan
penambahan satu lagi karyawan bagian otorisasi. Rekomendasi ini berdasarkan
asumsi bahwa waktu menganggur semua empat karyawan otorisasi dapat digunakan
untuk tipe-tipe kegiatan lain yang bermanfaat.
d. Tingkat kegunaan rata-rata keempat fasilitas pelayanan adalah
218,75
𝑃= = 0,4557
480
Cukup beralasan asumsi bahwa 54,43% (100 – 45,57) dari waktu yang menganggur
dapat digunakan untuk kegiatan-kegiatan produksi lainnya. Kegiatan ini harus tidak
mempengaruhi waktu pelayanan, dan menghasilkan kegunaan yang lebih besar
daripada Rp148,00 per jam, serta melebihi kegunaan waktu menganggur dari ketiga
karyawan sebelumnya.
3. Model 3 : M/M/I/I/F
𝜆 𝑄−1 𝜆
𝜆 2 1 − 𝑄 ( ) + (𝑄 − 1)( )𝑄
𝜇 𝜇
𝑛𝑞 = ( ) [
̅̅̅
𝜇 𝜆 𝜆 𝑄
(1 − ) [1 − ( ) ]
𝜇 𝜇
𝜆 𝑄
𝑄+1 𝜆
𝜆 1−(𝑄+1)(𝜇) +𝑄(𝜇)
𝑛𝑞 =
̅̅̅ (𝜇) [ 𝜆 𝑄 𝜆 𝑄+1
[1−( ) ][1−( ) ]
𝜇 𝜇
𝜆
1−( )
𝜇 𝜆 𝑛
𝑃𝑛 = [ 𝜆 𝑄+1
] (𝜇)
1−( )
𝜇
Soal:
• Suatu restoran di tepi jalan telah memperoleh volume dan keuntungan yang lebih besar
daripada yang diperkirakan, karena restoran tersebut terletak pada jalan yang ramai.
Tetapi restoran mempunyai tempat parkir yang terbatas. Tempat parkir yang tersedia
hanya 6 ruangan. Bila tempat parkir penuh, langganan akan berpindah restoran.
• Bersebrangan dengan restoran ada pemilik ruangan yang bersedia menyewakannya
untuk tempat parkir yang nyaman dengan biaya Rp2.000,00 per ruangan per hari
49
operasi. Dengan tambahan informasi di bawah in, tentukan jumlah ruangan yang
seharusnya disewa.
• Tingkat kedatangan langganan potensial adalah 21 mobil per jam dan mengikuti
distribusi Poisson. Tingkat pelayanan restoran 36 mobil per jam dan juga digambarkan
dengan distribusi Poisson. Keuntungan rata-rata per mobil adalah Rp1.600,00 dan
restoran buka 12 jam per hari.
Penyelesaian :
(a) Menentukan persentase waktu restoran sibuk dengan 6 ruangan

• P (n > 0) = 1 – P0
𝜆 21
1−( ) 𝜆 1−( ) 21 0,4167
𝜇
𝑃0 = [ 𝜆 𝑄+1 ](𝜇)𝑛 =[ 36
21 ](36)0 = (0,9606) (1) = 0,4338
1−( ) 1−( )6
𝜇 36
• Jadi, restoran sibuk 56,62% dari waktu total (100% - 43,38%). Bila restoran sibuk
dapat melayani 36 mobil per jam, maka dengan 6 ruangan restoran akan dapat
melayani 20,38 mobil per jam (0,5662 x 36).
• Bila restoran buka 12 jam per hari, keuntungan total per hari :
(12)(20,38)(Rp1.600,00) = Rp391.296,00
(b) Dengan 7 ruangan, proporsi waktu restoran sibuk adalah :
21
1−( ) 21 0 0,4167
• 𝑃(𝑛>0) = 1 − [ 36
21 7
] (36) = 1 − 0,9770 = 0,5735
1−( )
36
• Keuntungan total per hari :12(0,5735)(36)(Rp1.600,00) = Rp396.403,20

• Keuntungan marginal dengan 7 ruangan :Rp396.403,20 – Rp391.296,00 =
Rp5.107,20 per hari. Ini berarti > dari biaya marginal (=Rp2.000,00 per hari)
(c) Dengan 8 ruangan, proporsi waktu restoran sibuk :
21
1−( ) 21 0,4167
• 𝑃(𝑛>0) = 1 − [ 36
21 ](36)0 = 1 − 0,9865 = 0,5735
1−( )8
36
• Keuntungan total per hari : 12(0,5776)(36)(Rp1.600,00) = Rp399.237,12

• Keuntungan marginal dengan 7 ruangan : Rp399.237,12 – Rp396.403,20 =
Rp2.833,92. Dimana hal ini masih lebih besar dari biaya marginal
(d) Dengan 9 ruangan, proporsi waktu adalah :
21
1−( ) 21 0,4167
• 𝑃(𝑛>0) = 1 − [ 36
21 ](36)0 = 1 − 0,9922 = 0,5800
1−( )9
36
• Keuntungan total per hari : 12(0,58)(36)(Rp1.600,00) = Rp400.896,00
50
• Keunungan marginal dengan 9 ruangan = Rp1.658,88.
• Ini berarti lebih kecil dari biaya marginal. Jadi, jangan menyewa 9 ruangan.
4. Model 4 : M/M/S/F/I
Model 4 adalah ekuivalen dengan model 2 dengan perbedaan bahwa model ini mempunyai
sumber populasi yang terbatas. Karena formula antrian dengan populasi terbatas sulit
dipecahkan, tabel-tabel antrian terbatas (finite queuing tables) telah digeneralisasikan untuk
beberapa model-model yang berbeda.
a. Beberapa variabel yang harus diketahui dalam tabel tersebut dapat dijelaskan sebagai
berikut :
U Waktu rata-rata antarkedatangan per unit
T Waktu rata-rata pelayanan per unit
H Jumlah rata-rata yang sedang dilayani
J Jumlah rata-rata unit yang sedang beroperasi
N Jumlah unit dalam populasi
M Faktor pelayanan (proporsi waktu pelayanan yang diperlukan)
D Probabilitas bahwa suatu kedatangan harus menunggu
F Faktor efisiensi menunggu dalam garis (antrian).
b. Formula:
𝑇
𝑋 = 𝑇+𝑈 𝑛𝑞 = 𝑁(1 − 𝐹)
̅̅̅
̅̅̅̅(𝑇+𝑈)
𝑛𝑞
𝑡̅𝑞 = ̅̅̅̅
𝑛𝑡 = 𝑁 − 1 = ̅̅̅
̅̅̅ 𝑛𝑞 + 𝐻
𝑁−𝑛 𝑞
̅̅̅̅(𝑇+𝑈_
𝑛𝑞
𝑡̅𝑡 = ̅̅̅̅
+𝑇 1 = NF(1-X)
𝑁−𝑛 𝑞
c. Contoh:
Laporan produksi dan kualitas produk suatu departemen yang memproses plastik
menunjukkan bahwa rata-rata setiap mesin dari 20 mesin yang ada membutuhkan
beberapa tipe penyesuaian setiap 4 jam. Pengawas proses produksi memeriksa bagian-
bagian yang datang dari masing-masing mesin setiap 10 menit. Bila mesin membutuhkan
penyesuaian kembali, dia menyetop mesin dan menunggu seorang “set-up man” untuk
melakukan readjustment mesin tersebut. ada set-up man tunggal yang rata-rata bekerja 10
menit per adjustment. Tentukan :
• Waktu antar kedatangan rata-rata dari setiap mesin (U)
• Jumlah mesin rata-rata menunggu untuk dilayani (nq)
• Waktu rata-rata yang dipergunakan untuk menunggu pelayanan dan dalam sistem (tq
dan tt)
51
• Jumlah mesin rata-rata yang sedang dilayani (H)
• Jumlah mesin rata-rata yang sedang beroperasi (J)
• Jumlah mesin rata-rata dalam sistem (nt)
• Probabilitas bahwa mesin akan menunggu untuk dilayani (D)
• Jumlah rata-rata fasilitas pelayanan menganggur (M-H)
Penyelesaian :
• U = 4 jam/adjustment = 240 menit/adjustment

• Untuk menghitung ̅̅̅,
𝑛𝑞 kita [erlu mencari F dari apendiks tabel antrian terbatas
(finite-queuing tables) dibelakang.
𝑇 10
𝑋= = = 0,04
𝑇 + 𝑈 10 + 240
• Diketahui N = 20, X = 0,04 dan M = 1, diperoleh F = 0,929

𝑛𝑞 = 𝑁(1 − 𝐹)= 20(1-0,929) = 1,42 mesin
̅̅̅
̅̅̅̅(𝑇+𝑈)
𝑛𝑞 1,42(10+240)
• 𝑡̅𝑄 = ̅̅̅̅
= = 19,11 menit
𝑁−𝑛 𝑞 20−1,42
𝑡̅𝑡 = 𝑡̅𝑞 + 𝑇 = 19,11 + 10 = 29,11 menit

• H = FNX = 0,929(20)(0,04) = 0,7432 mesin
• J = NF(1-X) = 20(0,929)(1-0,04) = 17,8368 mesin
• 𝑛𝑡 = N – J = 20 – 17,8368 = 2,1632 mesin
̅̅̅
• Diperoleh dari apendiks tabel antrian terbatas: D = 0,712
• M – H = 1 – 0,7342 = 0,2568 orang bagian set-up
Model yang telah kita bahas di atas adalah masalah populasi terbatas. Model populasi
terbatas ini sangat sering dapat diterapkan bila populasi berasal dari dalam organisasi. Dalam
kenyatannya, kita mungkin akan banyak dihadapkan pada masalah berbagai sistem yang
dapat dianalisa dengan menggunakan model-model antrian terbatas.
52
MODEL RANTAI MARKOV
Suatu model yang digunakan untuk memperkirakan perubahan-perubahan
di masa yang akan datang dengan tujuan untuk pengambilan keputusan
manajerial, yang mana model ini sering digunakan untuk menganalisa tentang
perpindahan merk dalam pemasaran, perhitungan rekening-rekening, jasa-jasa
persewaan mobil, dan lain sebagainya.
A. Langkah-Langkah Menghitung
a. Menyusun table pertukaran pelanggan, berisi informasi mengenai:
• Perpindahan pelanggan dengan mengkuantifikasikan tingkat “mendapatkan pelanggan
dari” dan “kehilangan pelanggan ke”.
• Jumlah pelanggan periode pertama (sebelum ada perpindahan pelanggan)
• Jumlah pelanggan periode kedua (setelah terjadi perpindaham pelanggan).
b. Menghitung market share periode pertama
• Market share ialah persentase penjualan yang dibukukan oleh suatu perusahaan dari
keseluruhan penjualan para pesaing gabungan di industri tertentu, yang digunakan suatu
perusahaan dalam mengukur keberhasilan mereka dibanding kompetitornya.
• Rumus:
Marker share = Jumlah penjualan pada suatu merk tertentu / jumlah penjualan
dari gabungan perusahaan dalam suatu industry tertentu
c. Menyusun matriks probabilitas transisi
• Terlebih dahulu menghitung jumlah pelanggan tetap pada setiap merk
• Rumus probabilitas transisi:
Probabilitas = Jumlah pelanggan setiap merk / jumlah keseluruhan pelanggan
pada periode pertama
d. Menghitung kemungkinan market share di waktu yang akan datang:
• Untuk market share periode kedua:
Market share = Probabilitas transisi x market share periode pertama
53
• Untuk Market share periode ketiga:
1) Metode pertama:
Market share periode ketiga = Probabilitas transisi x kemungkinan market share
periode kedua
2) Metode kedua:
Market share periode ketiga = Matriks probabilitas transisi2 x market share
awal
e. Menghitung perubahan market share awal dengan market share pada periode setelahnya
B. Contoh Kasus dan Penyelesaian
a. Soal
Terdapat sampel konsumen terdiri dari kombinasi 1000 responden yang tersebar pada 4 merk
yaitu A, B, C dan D, yang mewakili keseluruhan kelompok dalam kesetiannya terhadap
suatu merk.. Berikut informasi pertukaran pelanggan untuk satu tahun:
Jumlah Mendapatkan dari Kehilangan ke Jumlah
Pelanggan Pelanggan
Merk
Periode A B C D A B C D Periode
Pertama Kedua
A 220 0 40 0 10 0 20 10 15 225
B 300 20 0 25 15 40 0 5 25 290
C 230 10 5 0 10 0 25 0 0 230
D 250 15 25 0 0 10 15 10 0 255
1000 1000
b. Penyelesaian
1. Market Share Periode Pertama
Merk Perhitungan Market Share
A 220 / 1000 0,22
B 300 / 1000 0,30
C 230 / 1000 0,23
D 250 / 1000 0,25
Jumlah 1
2. Matriks probabilitas transisi

a) Pelanggan tetap:
A B C D
𝐀 𝟏𝟕𝟓 40 0 10 𝟐𝟐𝟓
𝐁 20 𝟐𝟑𝟎 25 15 𝟐𝟗𝟎
( )
𝐂 10 5 𝟐𝟎𝟓 10 𝟐𝟑𝟎
𝐃 15 25 0 𝟐𝟏𝟓 𝟐𝟓𝟓
220 300 230 250
54
Perhitungan:
• 175 → 225 – (40 + 0 + 10)
• 230 → 290 – (20 + 25 + 15)
• 205 → 230 – (10 + 5 + 10)
• 225 → 255 – (15 + 25 + 0)
b) Menghitung Probabilitas Transisi:
A B C D
A 175/220= 0,796 40/300 = 0,133 0/230 = 0 10/250 = 0
B 20/220 = 0,091 230/300 = 0,767 25/230 =0,109 15/250 = 0,060
C 10/220 = 0,046 5/300 = 0,017 205/230 = 0,891 10/250 = 0,040
D 15/220 = 0,067 25/300 = 0,083 0/230 = 0 215/250 = 0,860
Jmlh 1 1 1 1
c) Matriks Probabilitas Transisi

A B C D
𝐀 0,796 0,133 0 0
𝐁 0,091 0,767 0,109 0,060
( )
𝐂 0,046 0,017 0,891 0,040
𝐃 0,067 0,083 0 0,860
3. Market Share Periode Kedua
A B C D
𝐀 0,796 0,133 0 0 0,22 0,225
𝐁 0,091 0,767 0,109 0,060 0,30 0,290
( )x( )=( )
𝐂 0,046 0,017 0,891 0,040 0,23 0,230
𝐃 0,067 0,083 0 0,860 0,25 0,255
Perhitungan:
• 0,225 → (0,796 x 0,22) + (0,133 x 0,30) + (0 x 0,23) + (0 x 0,25)
• 0,290 → (0,091 x 0,22) + (0,767 x 0,30) + (0,109 x 0,23) + (0,060 x 0,25)
• 0,230 → (0,046 x 0,22) + (0,017 x 0,30) + (0,891 x 0,23) + (0,040 x 0,25)
• 0,255 → (0,067 x 0,22) + (0,083 x 0,30) + (0 x 0,23) + (0,860 x0,25)
55
4. Market Share Periode Ketiga
a) Metode 1
A B C D
𝐀 0,796 0,133 0 0 0,225 0,228
𝐁 0,091 0,767 0,109 0,060 0,290 0,283
( )x( )=( )
𝐂 0,046 0,017 0,891 0,040 0,230 0,231
𝐃 0,067 0,083 0 0,860 0,255 0,258
b) Metode 2
• Kuadrat dari Probabilitas Transisi
0,796 0,133 0 0 0,796 0,133 0 0

0,091 0,767 0,109 0,060 0,091 0,767 0,109 0,060
( )x( ) =
0,046 0,017 0,891 0,040 0,046 0,017 0,891 0,040
0,067 0,083 0 0,860 0,067 0,083 0 0,860
0,6484 0,2112 0,0145 0,742
0,1513 0,6073 0,1808 0,1056
( )
0,0818 0,0375 0,7957 0,0729
01185 0,1440 0,0090 0,7473
• Market Share
A B C D
𝐀 0,6484 0,2112 0,0145 0,742 0,22 0,228
𝐁 0,1513 0,6073 0,1808 0,1056 0,30 0,283
( )x( )=( )
𝐂 0,0818 0,0375 0,7957 0,0729 0,23 0,231
𝐃 01185 0,1440 0,0090 0,7473 0,25 0,258
5. Perubahan Market Share

Market Share Market Share Market Share
Merk Perubahan
Periode Pertama Periode Kedua Periode Ketiga
A 0,22 0,225 0,228 Meningkat
B 0,30 0,290 0,283 Menurun
C 0,23 0,230 0,31 Meningkat
D 0,25 0,255 2,58 Meningkat
56
FORECASTING
Menurut Heizer dan Render (2009), peramalan adalah seni atau ilmu untuk
memperkirakan kejadian di masa depan dan melibatkan pengambilan data historis
dan memproyeksikannya ke masa mendatang dengan suatu bentuk model
matematis. Contoh: memperkirakan jumlah permintaan / penjualan di masa yang
akan datang.
A. Tujuan
Peramalan berfungsi untuk perencanaan dan merupakan sarana pengambilan keputusan,
seperti menentukan jumlah kebutuhan bahan baku yang dibutuhkan dalam rangka memenuhi
permintaan barang atau jasa.
B. Langkah dalam Melakukan Peramalan
1. Menentukan tujuan dari peramalan
2. Menentukan rentang waktu
3. Pilih teknik/metode forecasting
4. Analisa dan rapihkan data
5. Buat peramalan
6. Pantau hasil peramalan
C. Model Peramalan
1. Linear Regression
Metode linear regression didasarkan pada kenyataan bahwa apa yang telah terjadi akan
berulang kembali dengan pola yang sama.
• Formula : Ŷ = a + bX
∑ 𝑌−𝑏.∑ 𝑋 𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌)
• Dimana :a= dan b =
𝑛 𝑛(∑ 𝑋 2 )−(∑ 𝑋)2
Notasi = Y = suatu keadaan yang akan diramalkan

X = periode
57
2. Exponential Smoothing With Trend
Prosedur ini membutuhkan dua pembobot (konstanta) penghalusan, α untuk rata-rata dan β
untuk tren.
• Formula : FIT = Ft + Tt
• Dimana : Ft = α (𝐴𝑡−1 ) + (1 – α)(𝐹𝑡−1 + 𝑇𝑡−1 ) dan Tt = β (Ft – 𝐹𝑡−1 ) + (1 – β)
(𝑇𝑡−1 )
Notasi:
Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t
Tt = tren dengan eksponensial yang dihaluskan pada periode t
At = permintaan aktual pada periode t
α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1)
β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1)
3. Weighted Moving Average
Peramalan dengan beberapa data terakhir dengan memberikan bobot yang berbeda-beda.
Hal ini didasarkan pengaruh data yang lebih baru adalah lebih besar dari data yang lebih
lama terhadap keadaan di masa dating, sehingga data yang paling baru diberi bobot yang
paling besar.
Formula: WMA = ∑𝑛𝑡=1 𝑏𝑜𝑏𝑜𝑡 periode t x penjualan periode t
D. Ukuran Akurasi Peramalan
Terdapat 2 ukuran akurasi peramalan. Keduanya merupakan gambaran suatu penyimpangan data.
Sehingga, semakin kecil nilai MAD dan MSE, maka hasil ramalan akan semakin akurat.
1. Mean Absolute Deviation (MAD)
Untuk mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut
masing-masing kesalahan)
∑𝑛
𝑡=1 |𝐴𝑡 −𝐹𝐼𝑇|
MAD = 𝑛
2. Mean Squared Error (MSE)

Untuk melihat kesalahan peramalan keseluruhan dengan merata-rata kan selisih kuadrat
antara nilai yang diramalkan dan yang diamati.
∑𝑛
𝑡=1(𝐴𝑡 −𝐹𝐼𝑇)
2
MSE = 𝑛
58
E. Contoh Kasus dan Penyelesaian
a. Soal
Toko SEGAR adalah took kelontoh yang menjual air mineral botol 600 ml. Data penjualan
air mineral botol dalam 6 bulan pertama tahun 2009 adalah sebagai berikut:
Bulan Penjualan
Januari 215
Februari 222
Maret 235
April 228
Mei 210
Juni 240
Hitunglah ramalan penjualan pada bulan Juli 2009 dengan metode:
✓ Linear regression
✓ Exponential smoothing with trend
✓ Weighted moving average
b. Penyelesaian:
1. Dengan Metode Linear Regression
Bulan Penjualan
X XY 𝑿𝟐 Ft (216.8+2.3429X) (Yt-Ft) (𝐘𝐭 − 𝐅𝐭)𝟐
(X) (Y)
Jan 215 1 215 1 219,1429 4,1429 17,16362
Feb 222 2 444 4 221,4858 0,5142 0,264402
Mar 235 3 705 9 223,8287 11,1713 124,7979
Apr 228 4 912 16 226,1716 1,8284 3,343047
Mei 210 5 1050 25 228,5145 18,5145 342,7867
Jun 240 6 1440 36 230,8574 9,1426 83,58713
Jul 1350 4766 91 - 45,3139 571,9429
𝑛.∑ 𝑋𝑖 𝑌𝑖 −∑ 𝑋𝑖 .∑ 𝑌𝑖 6(4766)−21(1350)
• 𝑏= = = 2,3429
𝑛.∑ 𝑋𝑖2 −(∑ 𝑋𝑖 )2 6(91)−212
∑𝑌 ∑ 𝑋𝑖 1350 21
• 𝑎= − 𝑏. = − 2,3429( 6 ) = 216,8
𝑛 𝑛 6
• Maka, Y7 = 216,8+2,342X = 216,8+2,3429(7) = 233,2

𝑌𝑡 −𝐹𝑡 45,3139
• 𝑀𝐴𝐷 = ∑ | | = = 7,552
𝑛 6
(𝑌𝑡 −𝐹𝑡 )2 571,9429
• 𝑀𝑆𝐸 = ∑ = = 95,3238
𝑛 6
Berdasarkan hasil peramalan, maka banyaknya penjualan yang akan terjadi pada bulan
Juli ialah sebanyak 233,2 atau 234 botol dengan besarnya kesalahan ramalan yang
dihitung dengan MAD sebesar 7,552 dan MSE sebesar 95,3228.
59
2. Dengan Exponential Smoothing With Tren
Diasumsikan: F1= 215, α = 0,3, T1 = 0 dan β = 0,2
• Februari : 𝐹𝑡2 = α (𝐴𝑡−1 ) + (1 – α)(𝐹𝑡−1 + 𝑇𝑡−1 )
= 0,3(215) + (0,7)(215 + 0)
= 215
: 𝑇𝑡2 = β (Ft – 𝐹𝑡−1 ) + (1 – β) (𝑇𝑡−1 )
= 0,2(215-215) + (0,8)(0)
=0
: FIT = 215 + 0 = 215
• Begitu seterusnya hingga bulan Juli

• Hasil perhitungan dari bulan Februari hingga bulan Juli:
Bulan Penjualan (A) Ft Tt FIT │A-FIT│ │A-FIT│

𝟐
Januari 215 215 0 215 - -

Februari 222 215 0 215 7 49
Maret 235 217,1 0,42 217,52 17,48 305,5504
April 228 222,764 1,4688 224,2328 3,7672 14,1917958
Mei 210 225,363 1,6948 227,0578 17,0578 290,968541
Juni 240 221,9405 0,6714 222,6119 17,3881 302,346022
Juli ? 2217,8283 1,7147 229,543 - -
Jumlah 62,6931 962,056759
• Maka, ramalan penjualan pada bulan Juli adalah sebesar 229,543 atau 230 botol
∑n
t=1 |At −FIT| 62,6931
• MAD = = = 12,5386
n 5
∑n
t=1(At −FIT)
2 962,056759
• MSE = = = 192,411352
n 5
3. Dengan Weighted Moving Average

Diasumsikan bobot sebesar 0,2; 0,3; dan 0,5
Penjualan 𝟐
Bln Ft │A-FIT│ │A-FIT│
(A)
Jan 215 - - -
Feb 222 - - -
Mar 235 - - -
60
Apr 228 (0,2 x 215) + (0,3 x 222) + (0,5 x 235) = 227,1 0,9 0,81
Mei 210 (0,2 x 222) + (0,3 235) + (0,5 x 228) = 228,9 18,9 357,21
Jun 240 (0,2 x 235) + (0,3 x 228) + (0,5 x 210) = 220,4 19,6 384,16
Jul ? (0,2 x 228) + (0,3 x 210) + (0,5 x 240) = 228,6 - -
Jumlah 39,4 742,18
• Maka, ramalan penjualan pada bulan Juli adalah sebesar 228,6. Atau 229 botol
∑n
t=1 |At −FIT| 62,6931
• MAD = n
= 3
= 13,1333
∑n
t=1(At −FIT)
2 742,18
• MSE = n
= 3
= 247,393
61
TEORI KEPUTUSAN DAN EMV
A. Konsep Dasar
Tujuan teori keputusan adalah untuk memaksimumkan (meminimumkan) “benefits”

(biaya) rata-rata jangka. Model keputusan dengan keadaan risiko, menggambarkan
informasi yang mengidentifikasikan bahwa setiap rangkaian keputusan mempunyai
sejumlah kemungkinan hasil dan probabiliitas terjadinya (model setokastik).
1. Keadaan dasar, peristiwa/kejadian acak yang mungkin mempengaruhi hasil keputusan.

2. Probabilitas
3. Keputusan, tindakan yang mungkin diambil oleh pengambil keputusan.
4. Payoff, laba yang mungkin dihasilkan dari atau oleh kombinasi suatu keputusan dan suatu
kedaan dasar yang acak.
B. Contoh
Toko Buku HBU harus memesan buku-buku pedoman pajak pendapatan tiap tahun sebelum
periode membayar pajak mulai. Biaya pembelian buku Rp 4.000,00 dan took menjualnya dengan
harga Rp 8.000,00 per buku. Pengalaman telah menunjukkan bahwa setelah tanggal 15 April,
buku-buku tersebut tidak dapat dijual dan oleh karena itu kurang menguntungkan.
Pemilik took, Bapak Subiyakto telah mengestimasi kerigiannya bila dia kehabisan buku
pedoman itu, yaitu sebesar Rp 4.000,00 per buku. Bila dia kehabisan satu atau lebih buku, dia
harus melakukan pesanan khusus pada hrga yang lebih tingga, yang hamper sama dengan harga
ecerannya. Kenaikan harga ini plus biaya pemesanan dan penanganan khusus mengakibatkan
karugian Rp 4.000,00 pada setiap copy yang harus dipesan secara khusus. Meskipun biaya Rp
4.000,00 adalah sangat tinggi, Bapak Subiyakto ingin untuk menjaga hubungan baik dengan para
langganannya dan mempertahankan “quality image” terhadap tokonya dengan menggunakan
pelayanan pesanan khusus. Berapa jumlah buku yang harus dibeli untuk memaksimumkan
laba? Berikut estimasi probabilitas yang dilakukannya:
Keadaan Dasar, 𝒙𝒊 : Permintaan (dlm unit) Probabilitas : 𝑷(𝒙𝒊)
𝑥1 = 1.200 0,05
𝑥2 = 1.320 0,15
𝑥3 = 1.440 0,30
𝑥4 = 1.560 0,35
𝑥5 = 1.680 0,15
1,00
• Table payoff kondisional:
62
Keadaan Dasar, 𝒙𝒊 : Probabilitas : Keputusan (Unit yang diambil)
Permintaan (dalam 𝑷(𝒙𝒊 ) 𝒅𝟏 𝒅𝟐 𝒅𝟑 𝒅𝟒 𝒅𝟓
unit) = 𝟏. 𝟐𝟎𝟎 = 𝟏. 𝟑𝟐𝟎 = 𝟏. 𝟒𝟒𝟎 = 𝟏. 𝟓𝟔𝟎 = 𝟏. 𝟔𝟖𝟎
𝑥1 = 1.200 0,05 4.800 4.320 3.840 3.360 2.880

𝑥2 = 1.320 0,15 4.320 5.280 4.800 4.320 3.840
𝑥3 = 1.440 0,30 3.840 4.800 5.760 5.280 4.800
𝑥4 = 1.560 0,35 3.360 4.320 5.280 6.240 5.260
𝑥5 = 1.680 0,15 2.880 3.840 4.800 5.760 6.720
• Perhitungan:
• 𝑓(𝑥1 = 1.200, 𝑑1 = 1.200) = 4.000 (𝐿𝑎𝑏𝑎⁄𝑏𝑢𝑘𝑢)𝑥 1.200 𝑏𝑢𝑘𝑢 = 4.800.000
• 𝑓(𝑥1 , 𝑑2 1.320) = 4.000 (1.200)[4.000 (𝑏𝑖𝑎𝑦𝑎⁄𝑏𝑢𝑘𝑢 )]𝑥120 (𝑏𝑢𝑘𝑢 𝑡𝑖𝑑𝑎𝑘 𝑡𝑒𝑟𝑗𝑢𝑎𝑙)
= 4.800.000 − 480.000 = 4.320.000
• 𝑓൫𝑥𝑖, 𝑑3 ൯ = 4.000 (1.200) − 4.000 (240) = 3.840.000
• 𝑓(𝑥1 , 𝑑4 ) = 4.000 (1.200) − 4.000 (360) = 3.360.000
• 𝑓(𝑥1 , 𝑑5 ) = 4.000 (1.200) − 4.000 (480) = 2.880.000
• Bila Bapak Subiyakto todak memiliki cukup persediaan buku dia menanggung biaya
kehabisan. Dengan cara perhitungan sebagai berikut:
• 𝑓(𝑥2 = 1.320, 𝑑1 1.200) = 4.000 (1.200) − 4.000 (𝑙𝑎𝑏𝑎 𝑦𝑎𝑛𝑔 ℎ𝑖𝑙𝑎𝑛𝑔 ⁄𝑏𝑢𝑘𝑢)𝑥120
= 4.800.000 − 480.000 = 4.320.000
• 𝑓(𝑥3 = 1.440, 𝑑1 = 1.200) = 4.000 (1.200) − 4.000 (240)
= 4.800.000 − 960.000 = 3.840.000
C. Kriteria Keputusan
a. Kriteria maximax. Mengatakan bahwa keputusan yang mempunyai payoff paling tinggi
tanpa memperdulikan keputusan dasar [𝑦𝑎𝑖𝑡𝑢 𝑓൫𝑥𝑖 , 𝑑𝑗 ൯ 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚]yang seharusnya
dipilih. Maksimum dari maxima bersangkutan dengan keputusan 5, 𝑓(𝑥5 , 𝑑5 )yang
mempunyai laba sebesar Rp 6.720.000 (bila hal ini merupakan masalah minimisasi,maximax
akan menjadi minimum, oleh karena itu keputusan terbaik adalah juga keputusan
5 𝑓(𝑥1 , 𝑑5 ) = 𝑅𝑝 2.880.000
b. Kriteria maximin. Mengarahkan kita untuk memilih keputusan yang mempunyai
maksimum dari payoffs yang minimum. Pada table ada dua keputusan, 𝑑2 𝑑𝑎𝑛 𝑑3 ,yang
mempunyai maksima dan minima. Dengan memilih salah satu diantaranya, kita dapat yakin
bahwa labanya tidak akan pernah kurang dari Rp 3.840.000.
c. Kriteria kemungkinan maksimum. Menyatakan bahwa seseorang seharusnya memilih
keputusan optimal atau dasar keadaan dasar yang paling sering terjadi. Seperti yang
63
ditunjukkan dalam table keadaan 𝑥4 adalah yang paling sering terjadi, dan keputusan
𝑑4 adalah yang paling menguntungkan untuk keadaan itu (Rp 6.240.000). Bila ada
probabilitas 35% bahwa 𝑥4 akan terjadi, maka ada probabilitas 65% bahwa hal itu tidak akan
terjadi.
d. Kriteria Laplace. Menyatakan bahwa dalam keadaan tidak adanya bukti atau data yang kuat,
setiap keadaan dasar mempunyai probabilitas terjadinya yang sama. Oleh karena itu,
seseorang seharusnya memilih keadaan dasar yang mempunyai laba rata-rata tertinggi.
𝑛
1
෍ 𝑓൫𝑥𝑖 , 𝑑𝑗 ൯
𝑛
𝑖=1
dimana n adalah jumlah keadaan dasar. Nilai-nilai tersebut adalah:

4.800.000+4.320.000+3.840.000+3.360.000+2.880.000
• 𝑙𝑎𝑏𝑎 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑑1 = = 𝑅𝑝 3.840.000
5
4.320.000+5.280.000+4.800.000+4.320.000+3.840.000
5
3.840.000+4.800.000+5.760.000+5.280.000+4.800.000
5
3.360.000+4.320.000+5.280.000+6.240.000+5.760.000
5
2.880.000+3.840.000+4.800.000+5.760.000+6.720.000
5
Berdasarkan kriteria ini, kita memilih 𝑑4 sebagai keputusan optimal. Untuk kriteria laplace
asumsinya adalah bahwa probabilitas tidak dapat diestimasi secara obyektif ataupun
subyektif. Ini jarang terjadi bahwa seorang pengambil keputusan tidak dapat mengestimasi
secara subyektif berbagai probabilitas keadaan dasar yang berbeda.
e. Kriteria dan keputusan sebagai hasilnya yang telah terhitung adalah:
Kriteria Keputusan sebagai Hasil
Maximax 𝑑5
Maximin 𝑑2 𝑑𝑎𝑛 𝑑3
Kemungkinan maksimum 𝑑4
Laplace 𝑑4
Diantara beragai kriteria diatas tidak ada kriteria yang paling baik untuk masalah keputusan
umum,
D. Konsep Keputusan Nilai yang Diharapkan (expected -Value)
Nilai yang diharapkan dari suatu variable random 𝑥𝑖 adalah samadengan penjumlahan produk
semua 𝑥𝑖 yang mungkin dikalikan probabilitas individualnya.
𝑛
𝐸(𝑥) = ෍ 𝑃𝑖
𝑖=1
Nilai x yang diharapkan adalah nilai rata-rata selama jangka waktu yang Panjang.
64
Konsep keputusan nilai yang diharakan adalah untuk memilih keputusan yang mempunyai
payoff (keuntungan atau kegunaan) yang maksimum atau biaya (kerugian atau pengorbanan)
yang minimum. Persamaan matematis untuk nilai payoff yang diharapkan adalah:
𝐸𝑃𝑗 = ∑𝑛𝑖=1 𝑃(𝑥𝑖 ) 𝑓൫𝑥𝑖 , 𝑑𝑗 ൯
Dimana i menunjukkan keadaan dasar yang berbeda dan j menunjukkan suatu keputusan
tertentu.
Payoff yang diharapkan untuk 𝑑1 (nilai laba rata-rata 𝑑1 ) adalah:
𝐸𝑃1 = 0,05 (4.800.000) + 0,15 (4.320.000) + 0,30(3.840.000) + 0.35 (3.360.000)
+ 0,15(2.880.000)
= 240.000 + 648.000 + 1.344.000 + 1.008.000 + 432.000
= Rp 3.672.000
Table Expected Payoff
Keputusan
Keadaa d1 =1.200 d2=1.320 d3=1.440 d4=1.560 d5=1.680
n dasar Probabilit f(xi,d1 P(xi) f(xi,d2 P(xi) f(xi,d3 P(xi) f(xi,d4 P(xi) f(xi,d5 P(xi)
xi as P(xi) ) f ) f ) f ) f ) f
1200 0.05 4800 240 4320 216 3840 192 3360 168 2880 144
1320 0.15 4320 648 5280 792 4800 720 4320 648 3840 576
1440 0.30 3840 1344 4800 1680 5760 2016 5280 1848 4800 1680
1560 0.35 3360 1008 4320 1296 5280 1580 6240 1872 5760 1728
1680 0.15 2880 432 3840 576 4800 720 5760 864 6720 1008
EP1 = Rp EP2 = Rp EP3 = Rp EP4= Rp EP5= Rp
1.00 3.672 4.560 5.232 5.400* 5.136
*) Expected Payoff Optimal
Keputusan yang mempunyai payoff yang diharapkan tertinggi merupakan keputusan optimal.
Jadi, 𝑑4 dengan laba yang diharapkan sebesar Rp 5.400.000 adalah optimal. Ini menunjukkan
bahwa dengan keputusn tertentu yang berulang, laba rata-rata akan mencapai tertinggi bila
1.560 buku pedoman pajak dibeli setiap tahun. Konsep ini logis karena laba rata-rata akan
maksimum dalam kondisi variasi acak pada keadaan dasar dengan keputusan yang diulang-
ulang.
65
Pohon Keputusan (Decision Tree)
Pohon keputusan merupakan suatu alat pembuatan model secara konseptual dan skematik
yang ampuh. Suatu pohon keputusan adalah representasi skematik suatu masalah keputusan.
Disebut pohon keputusan karena bila digambarkan mirip sebuah pohon dengan ranting-
rantingnya.
Contoh:
Suatu perusahaan menghadapi suatu masalah, apakah akan melakukan pembangunan pabrik
baru berukuran kecil atau besar. Bila membangun pabrik besar, maka diperlukan investasi
sebesar Rp 5.000.000,00.
Sedangkan bila hanya membangun pabrik kecil, besarnya investasi adalah Rp 1.000.000.
kemungkinan (probabilitas) permintaan tinggi adalah sebesar 0,75 dan kemungkinan
permintaa rendah sebesar 0.25. Bila perusahaan membangun pabrik besar dan permintaan
tinggi, investasi itu akan menghasilkan keuntungan Rp 1.000.000 setiap tahun. Tetapi apabila
permintaan rendah, hanya akan menghasilkan keuntungan sebesar Rp 300.000 setiap tahun.
Dilain pihak, bila perusahaan membangun pabrik kecil dan permintaan tinggi, maka
perusahaan akan mendapatkan aliran kas neto sebesar Rp 250.000 per tahun, dan bila
perintaan rendah, keuntungan yang diterima sebesar Rp 200.000 setiap tahun. Aliran kas neto
atau keuntungan adalah hasil penjualan perusahaan tiga tahun dikurangi dengan pengeluaran-
pengeluaran atau biaya-biaya.
Bila besarnya biaya pembangunan pabrik dianggap pasti sedang keuntungan diangap tidak
pasti dan umur pabrik besar maupun kecil = 10 tahun, maka dapat dihitung nilai payoffs yang
diharapkan dari tiap cabang sebgai berikut:
a) Bila membangun pabrik besar maka ilia payoffs yang diharapkan dari hasil investasi pada
proyek itu:
(0,75 x Rp 1.000.000,00 x 10) + (0,25 x Rp 300.000,00 x 10) – Rp 5.000.000
= Rp 3.250.000,00
b) Bila membangun pabrik kecil maka nilai payoffs yang diharapkan dari hasil investasi pada
proyek itu:
(0,75 x Rp 250.000,00 x 10) + (0,25 x Rp 200.000,00 x 10) – Rp 1.000.000
= Rp 1.375.000,00
Karena nilai payoffs yang diharapkan dari hasil investasi lebih besar daripada pembangunan
proyek besar, maka sebaiknya dipilih investasi pada pabrik besar.
66
Pohon keputusan stokastik tahap tunggal
Keputusan Keadaan dasar Payoffs Expected payoffs
Rp7.500.000,00
Rp1.000.000,00/tahun
Rp750.00,00
Rp300.000,00/tahun
(5.000.000,00)
Rp3.250.000,00
Rp250.000,00/tahun
Rp1.875.000,00
Keterangan : Rp200.000,00/tahun
= titik keputusan
= titik kemungkinan peristiwa
Gambar 10.1 Pohon Keputusan stokastik tahap-tunggal

Suatu pohon keputusan dapat berbentuk determinisatik ataupun probabilistic (stokastik) dan
ini dapat terdiri dari suatu masalah tahap-tunggal (single-stage) (satu keputusan) atau tahap-
ganda (multistage) (serangkaian keputusan yang klasifikasi ini di tunjukkan dalam pohon
keputusan sebagai berikut:
Pohon Keputusan
Deterministik Probabilistik
(Stokastik)
Tahap-tunggal Tahap-ganda Tahap-tunggal Tahap-ganda 67

Gambar 10.2. Klasifikasi pohon keputusan
Pohon keputusan deterministic. Suatu pohon keputusan deterministic menyajikan suatu
masalah dimana setiap alternative yang mungkin dan hasilnya diketahui dengan pasti. Atau
dengan kata lain, suatu pohon keputusan deterministic tidak mengandung titik kemungkinan
peristiwa.
Contoh pada keputusan penggantian mesin dengan informasi seperti dalam table berikut:
Alternatif Kebijaksanaan Payoff atau Laba (dalam Ribuan Rupiah)
Tahun Pertama Tahun kedua Total
𝑠1 : 𝑚𝑒𝑛𝑔𝑔𝑎𝑛𝑡𝑖 𝑠𝑒𝑘𝑎𝑟𝑎𝑛𝑔 4.000 6.000 10.000
𝑠2 : 𝑚𝑒𝑛𝑔𝑔𝑎𝑛𝑡𝑖 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 1 𝑡𝑎ℎ𝑢𝑛 5.000 4.000 9.000
𝑠3 : 𝑡𝑖𝑑𝑎𝑘 𝑚𝑒𝑛𝑔𝑔𝑎𝑛𝑡𝑖 5.000 3.000 8.000
Dengan informasi diatas kita dapat menyajikannya dalam bentuk suatu pohon keputusan
deterministic tahap-ganda seperti gambar dibawah ini, dapat disimpulkan bahwa
kebijaksanaan optimal adalah 𝑠1 (mengganti sekarang) sesuai dengan payoff tertinggi yang
dihasilkannya.
Payoff
Rp6.000.000,0
0
Rp4.000,00
Tahun Tahun kedua

pertam
Waktu
a
Gambar 10.3 Pohon keputusan deterministik tahap-ganda
Pohon keputusan stokastik. Pohon keputusan stokastik ditandai dengan adanya titik
kemungkinan peristiwa. Pohon keputusan stokastik tahap tunggal adalah pohon keputusan
yang mempunyai paling sedikit satu titik kemungkinan peristiwa dan mencakup pengambilan
hanya satu keputusan. Secara konsepsual, setiap matriks payoff kondisional dapat disajikan
68
dalam bentuk pohon keputusan stokastik tahap tunggal, dan sebaliknya. Bagaimanapun juga,
masalah-masalah seperti itu (yang mencakup satu keputusan) paling baik diformulasikan dan
dipecahkan dengan pendekatan matriks payoff.
Pohon keputusan stokastik tahap-ganda adalah pohon keputusan yang memounyai paling
sedikit satu titik keputusan dan mencakup pengambilan berbagai keputusan berurutan.
Pendekatan ohon keputusan merupakan alat yang paling berguna dalam penganalisaan dan
pemecahan masalah-masalah keputusan stokastik.
Contoh:
Manajer pemasaran suatu petusahaan sedang mencoba untuk memutuskan apakah seharusnya
sebuah produk baru dikembangkan, diujipasarkan, dan diperkenalkan atau tidak. Produk yang
akan dikembangkan adalah system computer dapur. Keputusan pertama yang dihadapi
manajer adalah apakah mengembangkan produk atau tidk. Biaya pengembangan produk
adalah signifika. Bila pengembangan tidak berhasil, perusahaan dapat mengalami kerugian
dalam jumlah yang cukup berarti.
Bila produk dikembangkan secara berhasil, perusahaan dapat memperkenalkan produk
secepat mungkin untuk memasuki pasar dan menetapkan dirinya sebagai pimpinan pasar dan
teknologi. Hanya ada satu strategi penetapan harga yang valid dalam situasi ini, yaitu harga
relative rendah untuk mencegah timbulnya persaingan dan oleh karena itu menjamin
probabilitas jangka Panjang.
Alternative lainnya, perusahaan dapat melakukan uji-pasar tehadap produk baru untuk
memastikan apakah permintaan pasar tinggi atau rendah. Setelah penentuan permintaan
relative, harga optimal dapat sitetapkan. Waktu yang diperlukan untuk melakukan uji-pasar
secara paksa terhadap produk akan memungkinkan para pesaing untuk meniru teknologi dan
konsep-konsep system. Bagaimanapun juga, hasil-hasil studi pasar akan sangat berguna untuk
mengetahui permintaan relative (tinggi atau rendah) dan pada gilirannya harga optimal.
Gambar pohon keputusan dibawah menunjukkan pohon keputusan yang dihadapi manajer
pemasaran, termasukn probabilitas dan payoffs-nya. Pada gambar juga ditunjukkan uji
pemasaran produk memungkinkan mnajer untuk menentukan harga setelah besarnya
permintaan dipastikan. Bila uji-pasar tidak dilakukan, harga harus ditentukan sebelum
permintaan nyata diketahui.pada gambar dibawah mempunyai serangkaian tiga titik
keputusan dan dua titiik stokastik.
69
Payoff
Rp – 2.500 juta
Pengembangan Melakukan Rp2.500 juta

berhasil (0,70) uji-pasar
Permintaan
Rp2.000 juta
rendah (0,60)
Harga Rp – 1.500 juta

tinggi
Rp – 1.500 juta
Rp3.000 juta
Rp – 1.000 juta
Rp2.500 juta
Gambar 10.4. Pohon keputusan sistem komputer dapur rumah tangga
Rp2.000 juta
Pada pohon keputusan selanjutnya diuraikan secara lengkap pohon keputusan yang dihadapi
manajer pemasaran. Keputusan optimal dapat diketemukan dengan bergerak ke belakang dari
cabang-cabang akhir. Keputusan-keputusan optimal (bergerak ke belakang) adalah:
1. Mengembangkan computer
2. Tidak melakukan uij-pasar
3. Menetapkan harga rendah.
Rangkaian keputusan ini mempunyai nilai yang diharapkan (expected value) maksimum
sebesar Rp 790 Juta. Bila perusahaan mengambil keputusan-keputusan berikut:
1. Mengembangkan computer
2. Melakukan uij-pasar, dan
3. Menetapkan harga optimal, nilai yang diharapkan hanya akan sebesar Rp 580 juta.
Contoh-contoh pohon keputusan yang telah dibahas diatas adalah conth-contoh yang
sederhana. Dalam praktek, mungkin para manajer akan menghadapi masalah-masalah
keputusan yang lebih kompleks, rumit dan membutuhkan kecermatan tinggi. Bagaimanapun
juga, dengan contoh-contoh sederhana tersebut kita telah membahas konsep-konsep dan
teknik-teknik analisis keputusan yang penting.
70
Payoff
Rp – 2.500 juta
Rp2.500 juta
2.500
Pengembangan Melakukan Rp2.000 juta
berhasil (0,70) uji-pasar
790 2.200 1.900
Permintaan 1.500 Rp – 1.500 juta
rendah (0,60)
Rp – 1.500 juta
Harga
tinggi Rp3.000 juta
2.200 600
790 Rp – 1.000 juta
Gambar 10.5. pohon keputusan sistem komputer dapur yang lengkap

Rp2.500 juta
2.200
Rp2.000 juta
Konsep Variance Rp0
Pada konsep ini besar kecilnya diukur dengan variance. Semakin besar variance berarti
besarnya data/hal yang terjadi semakin tidak seragam, berarti pula risiko semakin besar.
Aplikasi konsep ini banyak sekali digunakan dalam bidang keuangan diaman risiko suatu
investasi diukur dengan variance dari return-nya.
Dalam kenyataan, semakin tinggi keuntungan (laba) atau manfaat biasanya diikuti dengan
ridiko yang semakin besar. Orang bersedia menanggung risiko yang besar karena dengan
harapan akan memperoleh keuntungan atau manfaat yang besar pula. Dalam pengambilan
keputuasn dengan konsep ini terlebih dahulu dibedakan macam-macam sifat orang dalam
menghadapi risiko, yaitu ada yang senang menanggung atau mengahadapi risiko asal
diimbangi dengan manfaat/penghasilan tinggi, ada yang normal, ada yang tidak menyenangi
risiko.
Untuk mengambil keputusan berdasarkan konsep ini dapat digunakan rumus sebagai berikut:
𝑀𝑎𝑘𝑠𝑖𝑚𝑢𝑚 𝐸(𝑍) − 𝐾. 𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒
Dimana E(Z) adalah hasil yang diharapkan (expected value) dari kegitaan Z, sedang K adalah
bobot (weight) yang menunjukkan kepekaan seseorang terhadap risiko. Semakin tidak senang
terhadap risiko berarti semakintinggi nilai K. rumus diatas berarti bahwa semakin tinggi
variance berarti semakin renadah nilai untuk pengambilan keputusan. Demikian pula bila K,
semakin besar berarti semakin rendah pula nilai yang dihasilkan.
71

Masih A4 PDF

Diunggah oleh

Informasi Dokumen

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

Masih A4 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

17108030018 ELOK WAHYUNINGTYAS

17108030064 APRILIANI INTAN PERTIWI

1. METODE GRAFIK (2) .............................................................................................. 1

memecahkan masalah pengalokasian sumber-sumber yang terbatas secara

A. Langkah Penggunaan Metode Grafik

• Titik yang berada di daerah arsiran yaitu:

Yaitu suatu model untuk memecahkan masalah pengalokasian sumber-

• Pilih baris yang mempunyai indeks positif dengan angka terkecil

Variable Utama Slack Variabel

• Memilih baris kunci, angka kunci, dan nilai indeks

Yaitu suatu metode yang digunakan untuk mengatur distribusi dari

sumber-sumber yang menyediakan produk yang sama, ke tempat-tempat

A. Jenis-Jenis Metode Transportasi

Keterangan: 𝑅𝑖 = row (baris) i

C. Contoh Soal dan Penyelesaian

Biaya pengangkutan = 50(20) + 40(5) + 60(20) + 10(10) + 40(19) =3260

Biaya pengangkutan = 90(5) + 50(15) + 10(20) + 10(10) + 40(19) = 2260

Biaya pengangkutan = 50(5) + 40(8) + 50(15) + 10(20) + 50(10) = 2020

b) Menghitung nilai baris dan kolom menggunakan (𝑹𝒊 + 𝑲𝒋 = 𝑪𝒊𝒋 )

c) Menghitung indeks perbaikan menggunakan (𝑪𝒊𝒋 − 𝑹𝒊 - 𝑲𝒋 = indeks perbaikan)

d) Perbaikan alokasi (tinta hijau= perbaikan pengalokasian produk)

Biaya pengangkutan = 40(5) + 50(15) + 10(20) + 10(10) + 40(19) = 2260

Biaya pengangkutan = 90(5) + 50(15) + 10(10) + 20(10) + 30(19) = 2070

Gudang A Gudang B Gudang C Kapasitas Pabrik

Biaya pengangkutan = 60(5) + 30(8) + 50(15) + 10(10) + 50(19) = 1890

Sehingga, biaya pengangkutannya yaitu: 50(10) + 60(5) + 30(8) + 50(15) + 10(10) =

Suatu metode untuk mneghadapi masalah-masalah yang berhubungan dengan penugasan

Banyaknya kemungkinan penugasan = 4! =24.

2. Reduced cost-matrix diatas terus dikurangi untuk mendapatkan total-opportunity-cost

5. Skedul penugasan optimal dengan biaya minimum.

b. Jumlah Pekerjaan Tidak Sama dengan Jumlah Karyawan

Dummy E 0,00 0,00 0,00 0,00

Penyelesaian selanjutnya melalui langkah yang sama seperti diatas.

a. Langkah langkahnya adalah:

2. Minimumkan opportunity-loss (akan memaksimumkan kontribusi keuntungan

4. Skedul penugasan optimal dan keuntungan total untuk dua alternative

C. Masalah-masalah Penugasan Tambahan

A. Manfaat Analisa Network

Penggunaan kegiatan semu untuk menghindari hubungan yang salah

Biaya penyelesaian untuk kegiatan 3-6

Yaitu suatu model atau pendekatan matematis untuk membantu pengambilan

A. Fungsi Pengendalian Persediaan

✓ Sehingga frekuensi pemesanan = A/Q

Merupakan total dari biaya

Semakin banyak kuantitas bahan yang dipesan maka akan semakin

• Tahap mencari penyelesaian optimal:

b. Mencari waktu pemesanan optimal (T*):

c. Menghitung biaya total dengan menggunakan rumus TC optimal yaitu:

E. Contoh Soal Model EOQ dan Penyelesaiannya

Catatan tentang holding cost:

a. Formula: TC = Oedering cost + Holding cost + Shortage cost

c. Sedangkan tenggang waktu antara satu pesanan dengan lainnya adalah:

• Ternyata apabila perusahaan tersebut mengizinkan adanya back order. Maka

Tujuan dasar model-model antrian adalah untuk meminimumkan total

dilayani. Bila suatu system mempunyai fasilitas pelayanan melebihi dari

jumlah optimal, ini berarti membutuhkan investasi modal yang berlebihan,

tetapi bila jumlahnya kurang dari optimal hasilnya adalah tertundanya

Karakteristik-karakteristik Antrian Asumsi-asumsi Umum

C. System dan Struktur Antrian

2. Single Channel – Multiphase

5. Struktur campuran (mixed arrangements)

Bentuk Model umum :

Tingkat Tingkat Jumlah Besarnya Kepanjangan