2
Manajemen Sains (management science)/Riset Operasi
(operations research) : pendekatan pengambilan keputusan
yang didasarkan atas metode-metode ilmiah yang
menggunakan banyak analisis kuantitatif.
Revolusi MS/OR dicetuskan oleh Frederick W. Taylor tahun
1900 an
MS/OR modern umumnya dianggap muncul selama periode
Perang Dunia II. Berawal dari kebutuhan militer untuk
mempelajari persoalan strategi dan taktik militer.
3
Dibentuk sebuah team yang bertugas menentukan penggunaan
sumber daya kemiliteran yang terbatas menggunakan metode ilmiah.
Melakukan riset dengan pendekatan kuantitatif untuk
pengambilan keputusan
Suksesnya penerapan MS/OR ini menarik minat dunia industri .
4
PEMECAHAN MASALAH DAN PENGAMBILAN
KEPUTUSAN
5
Pengambilan keputusan : istilah yang umumnya berhubungan dengan
kelima langkah pertama dalam pengambilan keputusan.
Ilustrasi proses pengambilan keputusan (suatu kasus) : Seseorang akan
lulus kuliah dalam beberapa bulan lagi, dan ybs telah selesai mengikuti
proses wawancara dan memperoleh tawaran pekerjaan dari empat
perusahaan. Masalahnya adalah ybs kini menganggur dan
menginginkan posisi yang akan memberikan karier memuaskan (langkah
1). Alternatif yang tersedia adalah empat tawaran yaitu dari
perusahaan A, B, C atau D (langkah 2). Untuk mengevaluasi keempat
alternatif bisa menggunakan kriteria tunggal (misal gaji awal), atau
multi kriteria (misal gaji awal, potensi peningkatan karier dan lokasi)
(langkah 3). Untuk mengevaluasi setiap alternatif berdasarkan kriteria
potensi peningkatan karier dan lokasi dapat digunakan penilaian
subyektif ; buruk, cukup, rata-rata, baik atau baik sekali.
6
Alternatif Gaji Awal Potensi Peningkatan Lokasi
Karier Perusahaan
Perusahaan A $2,850 Rata-rata Cukup
Perusahaan B $2,600 Baik sekali Rata-rata
Perusahaan C $2,600 Baik Baik sekali
Perusahaan D $2,700 Rata-rata Baik
7
Alasan perlunya pendekatan kuantitatif dalam pengambilan keputusan :
1) Permasalahan yang dihadapi kompleks, dan manajer tidak dapat
memperoleh pemecahan yang baik tanpa bantuan analisis
kuantitatif
2) Permasalahan yang dihadapi sangat penting (misalnya, melibatkan
sejumlah uang), dan manajer menginginkan suatu analisis menyeluruh
sebelum mengambil keputusan.
3) Permasalahan yang dihadapi baru, dan manajer tidak memiliki
pengalaman sebelumnya
4) Pengalaman yang dihadapi bersifat berulang-ulang, dan manajer
ingin menghemat waktu serta tenaga dengan mengandalkan
prosedur kuantitatif untuk mengambil keputusan rutin
8
PENGEMBANGAN MODEL
9
2. Analogue Model : menggunakan sifat sesuatu untuk
menggambarkan yang lainnya. Misal speedometer, posisi
jarum menunjukkan kecepatan mobil
3. Mathematical (Symbolic) Model : menggunakan tulisan,
angka dan simbol lain untuk menggambarkan variabel-variabel
dan hubungan antar variabel. Terdiri dari Model Deterministik
dan Model Probabilistik.
10
Tahap-tahap dalam MS/OR
11
MODEL-MODEL MATEMATIS
12
1) LINEAR PROGRAMMING (LP)
13
APLIKASI LINEAR PROGRAMMING
Masalah kombinasi produk
Masalah perencanaan promosi
Masalah perencanaan regional
Masalah kebijaksanaan pinjaman bank
Masalah sisa pemotongan
Masalah penjadwalan bus
Masalah perencanaan produksi/persediaan
Masalah penentuan jumlah hari operasi
Masalah distribusi/transportasi
Masalah pencampuran makanan
Masalah pengendalian polusi udara
Masalh rencana investasi dll
14
CONTOH KASUS : DI INDUSTRI MANUFAKTUR
Raw Materials
Man Power
OUTPUT
Overhead
16
Penentuan tingkat keuntungan pada model LP menggunakan
variabel costing (bukan full costing)
Penyusun fungsi batasan :
Waktu proses setiap produk pada setiap mesin, peralatan
dsb
Prosentasi cacat pada setiap proses
Jam kerja
Jumlah mesin, peralatan, tenaga kerja
Permintaan pasar : untuk meramalkan permintaan periode
berikutnya
struktur produk, ketersediaan bahan baku, dll
17
Linear berarti bahwa semua fungsi matematis yang
disajikan dalam model ini haruslah fungsi linear, atau
secara praktis dapat dikatakan bahwa persamaan
tersebut bila digambarkan pada grafik akan berbentuk
garis lurus.
Programming merupakan sinonim dari perencanaan.
Jadi LP mencakup perencanaan aktivitas-aktivitas untuk
memperoleh suatu hasil yang optimum, yaitu suatu hasil
yang mencerminkan tercapainya sasaran tertentu yang
paling baik berdasarkan model matematis di antara
alternatif yang mungkin dengan menggunakan fungsi
linear
18
MODEL BIAYA : LINEAR
Full Costing ?
terdiri dari biaya tetap, variabel dan semi
variabel, sehingga bentuknya tidak linear
Variable Costing ?
terdiri dari biaya variabel, baik yang
berasal dari biaya variabel murni maupun
biaya variabel yang dihasilkan dari pemisahan
biaya semi variabel
19
FUNGSI- FUNGSI DALAM LP
20
TAHAP-TAHAP FORMULASI MODEL MATEMATIS
21
BENTUK UMUM LP
22
TABULASI
23
Berdasarkan tabel diatas dapat disusun bentuk umum
model LP berikut : n
Maksimumkan (Minimumkan) Z =
j1
CjXj
Dengan kendalaj1
aijXj
(≤,=,≥) bi,
24
ASUMSI DALAM LP
Proportionality : naik turunnya nilai Z dan penggunaan
sumber daya atau fasilitas, akan berubah secara
proporsional dengan tingkat kegiatan
Additivity : nilai fungsi tujuan setiap kegiatan tidak saling
mempengaruhi
Disibility : nilai output dapat berupa bilangan pecahan
Deterministic : semua parameter dalam model dapat
diperkirakan dengan pasti
25
CONTOH 1
Sebuah perusahaan kecil memproduksi empat jenis produk yang
berbeda, yang masing-masing membutuhkan tiga macam bahan baku
yaitu bahan baku A, B dan C. Produk tersebut dikerjakan lewat dua
proses pengerjaan manual, yaitu proses I dan proses II. Setiap unit
produk I membutuhkan 10 ons bahan baku A, 6 ons bahan baku B dan
12 ons bahan baku C. Setiap unit produk II membutuhkan 8 ons bahan
baku A, 10 ons bahan baku B dan 9 ons bahan baku C. Setiap unit
produk III membutuhkan 6 ons bahan baku A, 8 ons bahan baku B dan
5 ons bahan baku C. Setiap unit produk IV membutuhkan 9 ons bahan
baku A, 5 ons bahan baku B dan 6 ons bahan baku C. Akibat
keterbatasan gudang bahan baku dan dana yang ada, bahan baku
yang dapat disediakan tiap minggu adalah sebesar 120 kg bahan
bahan baku A, 90 kg bahan baku B dan 125 kg bahan baku C.
Setiap unit produk I membutuhkan waktu 4 jam pada proses I dan 2
jam pada proses II, setiap unit produk II membutuhkan waktu 3 jam
pada proses I dan 4 jam pada proses II, setiap unit produk III
membutuhkan waktu 2 jam pada proses I dan 3 jam pada proses II dan
setiap unit produk IV membutuh kan 6 jam pada proses I dan 5 jam
pada proses II.
26
Jumlah karyawan pada proses 1 sebanyak 10 orang, dan pada proses
2 sebanyak 12 orang. Perusahaan bekerja dengan 1 shift, mulai pukul
08.00 sampai pukul 16.00 dengan istirahat selama 1 jam, mulai pukul
12.00 sampai pukul 13.00 dan 6 hari kerja dalam 1 minggu. Sumbangan
keuntungan perunit produk I,II,III dan IV masing-masing sebesar Rp 2.000,-
; Rp 1.900,-; Rp1.600,- dan Rp 2.100,- . Informasi bagian pemasaran
menyatakan bahwa berapapun jumlah produk yang dibuat perusahaan,
akan terserap seluruhnya oleh pasar. Formulasikan masalah tersebut
sebagai masalah LP.
27
CONTOH 2
Sebuah perusahaan bermaksud mempromosikan hasil produksinya
melalui 2 alternatif yaitu menggunakan media radio atau televisi.
Biaya iklan di radio sebesar Rp. 1 juta/menit, biaya Iklan di TV
sebesar Rp 20 juta/menit. Anggaran yang tersedia untuk kebutuhan
promosi sebesar 1 Miliar/bulan. Perusahaan ini akan menggunakan
media radio minimal 3 kali dibanding penggunaan media TV setiap
bulannya. Pengalaman yang lalu menunjukkan bahwa setiap menit
iklan di TV akan menaikkan omzet penjualan sebesar 25 kali
dibanding kenaikan yang dicapai jika menggunakan 1 menit iklan di
radio. Kebijaksanaan manajemen memutuskan bahwa perusahaan
boleh menggunakan waktu iklan di TV maksimal 40 menit setiap
bulannya.
Berikan rekomendasi anda berkaitan dengan kondisi tersebut
Berapa perubahan biaya/menit iklan di Radio atau di TV agar
keputusan semula tidak berubah.
28
CONTOH 3
29
CONTOH 4
BENTO & DELTA Co merupakan salah satu produsen baja terbesar di
Yogya. Tanur-tanur pabrik baja tersebut menyebabkan polusi udara yang
membahayakan kesehatan penduduk, merusak penampilan kota, sehingga
Yogya menjadi "tak berhati nyaman" lagi. Jenis-jenis bahan penyebab
polusi terutama adalah partikel-partikel, oksida belerang dan hidrokarbon.
Kondisi ini menyebabkan pemerintah daerah menerapkan standar baru
yang mensyaratkan perusahaan harus mengurangi emisi per tahun dari
bahan-bahan penyebab polusi. Standar tersebut disajikan pada Tabel
berikut :
Partikel 30
Oksida belerang 75
Hidrokarbon 62,5
30
CONTOH 4 (LANJUTAN…)
31
CONTOH 4 (LANJUTAN …)
.
Bahan Penyebab cerobong asap yang Filter Bahan bakar yang
Polusi lebih tinggi berkualitas tinggi
Tanu
r Tanur Tanur Tanur Tanur Tanur
Ting Terbuka Tinggi Terbuka Tinggi Terbuka
gi
Partikel 6 4,5 12,5 10 0,5 6,5
Oksida Belerang 17,5 21 9 15,5 28 24,5
Hidrokarbon 18,5 26,5 14 12 14,5 10
Biaya/th untuk 8 10 7 6 11 9
pemakaian secara
maksimal (dalam
juta Rp)
32
Besarnya biaya pemakaian berbagai jenis metode pengurangan
polusi proporsional terhadap kapasitas yang dipakai. Lakukan
analisis sensitifitas dan ulasan manajerial terhadap masalah
tersebut.
33
TEKNIK PENYELESAIAN LP
Bentuk dan susunan model yang berlaku dalam Linear
Programming (LP) yaitu adanya baris dan kolom yang
teratur. Jumlah baris ditentukan oleh banyaknya sumber
daya yang dapat dialokasikan ke setiap jenis kegiatan.
Jumlah kolom ditentukan oleh jumlah/macam kegiatan
yang memerlukan sumber tersebut. Bila m menunjukkan
jumlah baris dan n menunjukkan jumlah kolom, maka
dimensi masalah LP dinyatakan dengan m x n.
Masalah LP yang berdimensi 2 x n atau m x 2 dapat
diselesaikan dengan metode grafis, sedangkan yang
berdimensi m x n dapat diselesaikan dengan metode
simpleks.
34
METODE GRAFIS
Metode Grafis dapat digunakan untuk menyelesaian
persoalan LP dengan dimensi m x 2, masalah dengan
dimensi 2 x n akan dibicarakan pada masalah dualitas.
Penyelesaian masalah LP secara grafis dilakukan dengan
langkah-langkah sebagai berikut :
Formulasikan masalah ke dalam bentuk matematis
Gambarkan masing-masing contraint (batasan) dalam satu
sistem salib sumbu
Cari titik yang paling menguntungkan dikaitkan dengan
fungsi tujuan.
35
CONTOH 5
36
PENYELESAIAN :
.
produk Kapasitas
A B sumber
daya
sumber daya
1 30 - 1500
2 40 20 2500
3 20 25 2000
Keuntungan/unit 200 160
37
Persoalan di atas dapat diformulasikan sebagai berikut :
Maksimumkan Z = 200x1 + 160 x2
x1 = jumlah produk A yang dibuat
x2 = jumlah produk B yang dibuat
Dengan batasan 30x1 ≤ 1500
40x1 + 20 x2 ≤ 2500
20x1 + 25 x2 ≤ 2000
x1 , x2 ≥ 0
Untuk menggambarkan masing-masing batasan adalah dengan menetapkan salah satu
variabel dalam suatu persamaan sama dengan nol, kemudian mencari nilai variabel yang
lain.
Batasan 1 : 30x1 = 1500, maka x1 = 50 ( garis hijau 1)
Batasan 2 : 40 x1 + 20 x2 = 2500, bila x1 = 0, maka x2 = 125
bila x2 = 0, maka x1 = 62,5 (garis hijau 2)
Batasan 3 : 20 x1 + 25 x2 = 2000, bila x1 = 0, maka x2 = 80
bila x2 = 0, maka x1 = 100 (garis hijau 3)
38
GRAFIK
140
120
100
A
80
1
60 B
40
C 3
20
2
39
PENJELASAN GRAFIK
40
Karena titik optimal gambar di atas adalah perpotongan
antara batasan 2 dan batasan 3, maka status sumber
daya 2 dan sumber daya 3 adalah ketat (tight),
sebaliknya karena batasan 1 tidak dilalui titik optimal
maka sumber daya 1 merupakan sumber daya longgar
(loose). Status sumber daya dikatakan ketat apabila dari
sumber daya yang tersedia telah digunakan seluruhnya
(surplus = 0) dan dikatakan longgar apabila dari sumber
daya yang tersedia belum digunakan seluruhnya (surplus
> 0).
41
Solusi optimal untuk gambar di atas adalah pada titik B
(perpotongan antara batasan 2 dan batasan 3 )
40 x1 + 20 x2 = 2500 |x1| 40 x1 + 20 x2 = 2500
20 x1 + 25 x2 = 2000 |x2| 40 x1 + 50 x2 = 4000
-30x2 = -1500
x2 = 50
40 x1 + 20 . 50 = 2500 x1 = 1500/40 = 37.5
Jadi solusi optimal (maximized objective) = 200.(37.5)+ 160 .(50)
= 15.500
42
Dari contoh di atas diperoleh :
Batasan 1 : 30x1 = 30. (37.5) = 1125
surplus 1500 – 1125 = 375 (longgar)
Batasan 2 : 40 x1 + 20 x2 = 40.(37.5)+20.(50)
= 2500
surplus 2500 – 2500 = 0 (ketat)
43
Cara lain untuk mencari solusi optimal adalah dengan
pendekatan penyelesaian pojok, yaitu membandingkan nilai
Z yang diperoleh pada berbagai titik x1 dan x2 pada
daerah layak (dalam hal ini membandingkan nilai Z yang
diperoleh dari titik O,A,B,C,D)
44
KESIMPULAN
45
METODE SIMPLEK
Pada bagian sebelumnya telah dijelaskan bahwa metode
grafis dapat digunakan untuk menyelesaikan masalah LP
yang berdimensi 2 x n atau m x 2. untuk masalah LP yang
berdimensi m x n di mana nilai m x n masing-masing
berdimensi ≥ 2 dapat digunakan metode simplek
Metode Simplek dikembangkan pertama kali oleh
George B. Dantzig pada tahun 1947. Metode ini
menyelesaikan masalah LP melalui tahapan perhitungan
ulang, di mana langkah-langkah perhitungan yang sama
diulang hingga tercapai solusi optimal.
46
LANGKAH-LANGKAH METODE SIMPLEK
47
Contoh metode Simplek, untuk persoalan yang mempunyai bentuk :
n
Maksimumkan (Minimumkan) : Z =
CjXj
j 1
n
Dengan kendala :
aijXj
j 1
≤ bi,
48
Langkah 1 : Merubah Fungsi Tujuan dan Fungsi Kendala
49
Langkah 2 : Mentabulasikan persamaan yang diperoleh pada langkah 1
Basis Z x1 x2 . xn S1 S2 . Sm Solusi
Z 1 - C1 - C2 . - Cn 0 0 . 0 0
S1 0 a11 a12 . a1n 1 0 . 0 b1
S2 0 a21 a22 . a2n 0 1 . 0 b2
. . . . . . . . . . .
.
. . . . . . . . . .
Sm 0 am1 am2 . amn 0 0 . 1 bm
50
Persoalan di atas dapat ditabulasikan sebagai berikut :
Basis Z x1 x2 x3 S1 S2 S3 Solusi
Z 1 -6 -5 -4 0 0 0 0
S1 0 8 6 3 1 0 0 300
S2 0 5 6 2 0 1 0 180
S3 0 6 5 4 0 0 1 240
51
Kolom basis menunjukkan variabel yang sedang menjadi basis yaitu S1, S2,
S3 yang nilainya ditunjukkan oleh kolom solusi. Secara tidak langsung hal ini
menunjukkan bahwa variabel non basis x1, x2, x3 (yang tidak ditunjukkan
pada kolom basis) sama dengan nol. Hal ini bisa dimengerti, karena belum
ada kegiatan, berarti x1, x2, x3 masing-masing nilainya 0 sedangkan
kapasitasnya masih menganggur yang ditunjukkan oleh nilai S1, S2, S3.
Jadi nilai Z = 6x1 + 5x2 + 4x3
= 6(0) + 5(0)+ 4(0) = 0, seperti yang terlihat pada kolom solusi.
Tabel di atas memperlihatkan bahwa pada baris fungsi tujuan (Z) kolom x1,
x2, x3 nilainya negatif. Untuk persoalan dengan fungsi tujuan maksimasi, nilai
Z dapat diperbaiki dengan meningkatkan nilai x1, x2, x3 pada persamaan Z
menjadi tidak negatif. Untuk itu pilihlah kolom pada baris fungsi tujuan
(termasuk kolom slack) yang mempunyai nilai negatif angka terbesar, gunakan
kolom ini sebagai entering variabel.
52
Jika ditemukan lebih dari satu nilai negatif angka terbesar pilihlah
salah satu, sebaliknya jika tidak ditemukan nilai negatif berarti solusi
sudah optimal.
Sebaliknya untuk kasus minimasi, pilihlah kolom pads baris fungsi
tujuan yang nilainya positif terbesar. Jika tidak ditemukan nilai positif
berarti solusi telah optimal. Dari contoh di atas dapat ditentukan
Entering Variabel persoalan di atas adalah kolom x1
Basis Z x1 x2 x3 S1 S2 S3 Solusi
Z 1 -6 -5 -4 0 0 0 0
S1 0 8 6 3 1 0 0 300
S2 0 5 6 2 0 1 0 180
S3 0 6 5 4 0 0 1 240
53
Langkah 4 : Menentukan Leaving Variabel
Leaving variable dipilih dari rasio yang nilainya positif terkecil. Rasio
diperoleh dengan cara membagi nilai solusi dengan koefisien pada
entering variabel yang sebaris.
Pada persoalan di atas, rasio yang nilainya positif terkecil pada baris
S2. Gunakan baris ini sebagai Leaving Variabel.
Jika tidak ada elemen yang nilainya positif dalam kolom kunci
(kolom entering variable) ini, maka persoalan tidak memiliki pemecahan.
Leaving variabel persoalan di atas adalah baris S2
54
Basis Z x1 x2 x3 S1 S2 S3 Solusi
Z 1 -6 -5 -4 0 0 0 0
S1 0 8 6 3 1 0 0 300
S2 0 5 6 2 0 1 0 180
S3 0 6 5 4 0 0 1 240
55
Langkah 5 : Menentukan Persamaan Pivot Baru
Persamaan pivot baru = persamaan pivot lama : elemen pivot
Karena leaving variabelnya S2 dan entering variabelnya x1 maka
gantilah basis S2 dengan x1.
Persamaan pivot baru = ( 5 6 2 0 1 0 180) : 5
= ( 1 6/5 2/5 0 1/5 0 36)
Basis Z x1 x2 x3 S1 S2 S3 Solusi
1
0
x1 0 1 6/5 2/5 0 1/5 0 36
0
56
Langkah 6 : Tentukan Persamaan-persamaan baru selain persamaan pivot baru
Persamaan baru = (Persamaan lama) - (Koefisien Kolom Entering × persamaan pivot baru).
Pers lama : -6 -5 -4 0 0 0 0
57
Hasil perhitungan langkah 5 dan 6 dapat ditabulasikan sebagai berikut :
Basis Z x1 x2 x3 S1 S2 S3 Solusi
Z 1 0 11/5 -8/5 0 6/5 0 216
S1 0 0 -18/5 -1/5 1 -8/5 0 12
x1 0 1 6/5 2/5 0 1/5 0 36
S3 0 0 -11/5 8/5 0 -6/5 1 24
58
Berdasarkan langkah-langkah di atas diperoleh tabel sbb:
Basis Z x1 x2 x3 S1 S2 S3 Solusi
Z 1 0 0 0 0 0 1 240
S1 0 0 -31/8 0 1 -14/8 1/8 15
x1 0 1 14/8 0 0 4/8 -2/8 30
x3 0 0 -11/8 1 0 -6/8 5/8 15
59
KESIMPULAN
60