Makalah Manajeman Sains

Disusun Oleh :
Kristanti
1711499707

Universitas Raharja
Program Studi Sistem Informasi
Konsentrasi Sistem Informasi Manajemen
 BAB I
SAINS MANAJEMEN
Sains Manajemen adalah penerapan pendekatan ilmiah untuk
memecahkan permasalahan manajemen guna membantu manajer mengambil
keputusan yang lebih baik. Seperti yang diimplikasikan oleh definisi tersebut, sains
manajemen mencakup sejumlah teknik yang berorientasi matematis yang telah
dikembangkan dalam bidang sains manajemen atau telah diadaptasi dari disiplin
ilmu lain,, seperti ilmu alam, matematika, statistic, dan teknik. Sains Manajemen
(management science) adalah sebuah disiplin ilmu yang diakui dan dibangun dalam
bisnis. Penerapan teknik teknik sains manajemen telah tersebar luas, dan sering
diakui telah meningkatkan efisiensi dan produktivitas dalam perusahaan bisnis.
Dalam beragam survey bisnis, banyak yang mengindikasikan bahwa mereka
menggunakan teknik teknik sains manajemen, dan sebagian besar menyatakan
hasilnya sangat baik. Sains Manajemen (juga disebut sebagai riset operasi, metode
kuantitatif, analisis kuantitatif, dan ilmu memutuskan) merupakan bagian dari
kurikulum fundamental dari sebagian besar program dalam bisnis.
Terakhir, sering dengan dikenalkannya beragam teknik sains manajemen,
ingatlah bahwa sains manajemen lebih dari sekedar sekumpulan teknik. Sains
Manajemen juga melibatkan filosofipendekatan terhadap suatu permasalahan
dengan cara yang logis (yaitu pendekatan ilmiah). Pendekatan yang logis,
konsisten, dan sistematis terhadap pemecahan masalah dapat berguna (dan bernilai)
seperti pengetahuan mekanika dari teknik matematis itu sendiri. Pemahaman ini
penting, terutama bagi pembaca yang tidak selalu membicarakan manfaat langsung
dengan mempelajari disiplin ilmu yang berorientasi matematis seperti Sains
Manajemen.
Pendekatan Sains Manajemen terhadap Pemecahan Masalah
Seperti yang dinyatakan dalam bagian sebelumnya, sains manajemen mencakup
pendekatan yang logis dan sistematis terhadap penyelesaian masalah, setara dengan
apa yang dikenal sebagai metode ilmiah (scientific method) untuk memecahkan
masalah.
Observasi
Langkah pertama dalam proses sains manajemen adalah identifikasi terhadap
masalah yang ada dalam system (organisasi i). Sistem tersebut harus diamati secara
dekat dan berkelanjutan, sehingga masalah itu dapat diantisipasi atau diidentifikasi
segera setelah terjadi. Masalah tidak selalu merupakan hasil dari krisis yang harus
diambil tindakan terhadapnya, tetapi sering kali lebih terkait dengan situasi yang
bersifat antisipasi atau perencanaan. Orang yang biasanya mengidentifikasi
masalah adalah manajer karena manajer bekerja pada tempat masalah dapat terjadi.
Namun, masalah acap kali dapat di identifikasi oleh ilmuwan manajemen
(management scientist).
Definisi Masalah
Setelah ditemukan bahwa ada masalah, masalah tersebut harus diidentifikasikan
secara jelas dan ringkas. Pendefinisian masalah yang tidak tepat dapat dengan
mudah mengakibatkan tidak adanya solusi atau solusi yang tidak tepat. Oleh karena
itu, batasan batasan dari suatu masalah dan sejauh mana masalah tersebut menyebar
ke unit-unit dari organisasi harus dimasukkan dalam definisi masalah. Karena
adanya masalah mengimplikasikan bahwa tujuan perusahaan tidak tercapai dengan
cara tertentu, sasaran(atau tujuan) dari organisasi juga harus didefinisikan secara
jelas.
Konstruksi Model
Model Sains Manajemen adalah Suatu gambaran ringkas mengenai situasi masalah
yang ada. Model tersebut dapat berbentuk grafik atau bagan. Namun paling sering
sebuah model sains manajemen terdiri atas serangkaian hubungan matematis.
Hubungan matematis ini terdiri dari angka-angka dan symbol-symbol.
• Variabel adalah symbol yang digunakan untuk mewakili suatu hal dengan
nilai tertentu.
• Parameter adalah nilai yang konstan dan diketahui yang acap kali
merupakan koefisien dari variable dalam persamaan.
• Data adalah potongan-potongan informasi dari lingkungan masalah.
• Model adalah sebuah hubungan fungsional yang meliputi variable,
parameter, dan persamaan.
Solusi Model
Sebuah teknik sains manajemen biasanya dapat diterapkan pada suatu jenis model
tertentu. Jadi, baik jenis model ataupun metode solusi merupakan bagian dari teknik
sains manajemen. Kita dapat mengatakan bahwa suatu model dapat diselesaikan
karena model tersebut mewakili sebuah masalah. Sebuah solusi sains manajemen
dapat merupakan keputusan yang disarankan atau informasi yang membantu
manajer dalam mengambil keputusan.
Implementasi
Implementasi adalah penggunaan sesungguhnya dari sebuah model setelah model
tersebut dikembangkan.
Pembangunan Model Analisis Impas
Analisis Impas adalah sebuah teknik pemodelan untuk menentukan jumlah unit
yang harus dijual atau di produksi sehingga akan menghasilkan laba nol. Tujuan
dari analisis ini adalah untuk menentukan jumlah unit sebuah produk. Sehingga
akan menyamakan pendapatan total dengan biaya total.
Komponen Komponen Analisis Impas
Ketiga Komponen dari analisis impas adalah volume, biaya, dan laba. Volume
adalah tingkat penjualan atau produksi oleh sebuah perusahaan. Terdapat dua jenis
biaya yang biasanya terjadi dalam upaya untuk menghasilkan sebuah produk, yaitu
biaya tetap dan biaya variable. Biaya tetap bersifat independen terhadap volume
dan tetap konstan. Biaya variable tergantung pada jumlah barang yang di produksi.
Biaya variable ditentukan per unit, jadi biaya variable total tergantung pada jumlah
unit di produksi, biaya variable meliputi hal hal seperti bahan baku dan sumber
daya, tenaga kerja langsung, pengemasan, pengiriman barang.
 BAB II
PEMROGRAMAN LINIER : MODEL DAN SOLUSI GRAFIS
Pemrograan Linier adalah sebuah model yang terdiri atas hubungan
hubungan linier yang mewakili keputusan sebuah perusahaan, dengan tujuan dari
kendala sumber daya yang ada. Banyak keputusan besar yang dihadapi oleh
manajer sebuah bisnis berfokus pada cara terbaik untuk mencapai tujuan
perusahaan, yang dipengaruhi oleh batasan batasan yang dialami oleh manajer
dalam lingkungan operasionalnya. Batasan batasan ini dapat berbentuk sumber
daya yang terbatas seperti waktu, tenaga kerja, energy, bahan baku, uang, atau dapat
berbentuk pedoman yang membatasi seperti resep untuk membuat sereal atau
spesifikasi teknik.
Terdapat tiga langkah untuk mencapai teknik pemrograman linier. Pertama,
masalah harus diidentifikasi sebagai masalah yang dapat dipecahkan dalam
program linier. Kedua, Masalah yang tidak terstruktur harus dirumuskan sebagai
model matematis. Ketiga, Model tersebut harus dipecahkan dengan menggunakan
teknik matematis yang telah ada. Teknik pemrograman linier mendapatkan nama
dari fakta bahwa hubungan hubungan fungsional dalam model matematisnya
bersifat linier.
Perumusan Model
Sebuah model pemrograman linier terdiri atas komponen dan karakteristik umum
tertentu. Variabel keputusan adalah symbol matematis yang mewakili tingkat
aktivitas. Fungsi tujuan (objective function) adalah sebuah hubungan matematis
linier yang mendekskripsikan tujuan dari perusahaan terkait variable keputusan.
Kendala model (model constraints) juga merupakan hubungan linier dari variable
keputusan kendala kendala ini mewakili batasan yang diterapkan pada perusahaan
oleh lingkungan operasional.
Sebuah Contoh Model Pemaksimuman
Beaver Creek Pottery Company adalah sebuah operasi kerajinan tangan kecil yang
dijalankan oleh dewan adat istiadat suku asli Amerika. Perusahaan tersebut
mempekerjakan ahli-ahli kerajinan yang terampil untuk memproduksi mangkuk
dan mug tanah liat dengan desain dan warna suku asli Amerika yang otentik. Kedua
sumber daya yang dilakukan oleh kedua perusahaan tersebut adalah tanah liat
tembikar khusus dan tenaga kerja terampil.
Fungsi Tujuan
Tujuan Perusahaan adalah untuk memaksimalkan laba total. Laba Perusahaan
adalah jumlah dari laba individual yang didapatkan dari masing-masing mangkuk
dan mug, Laba yang didapatkan dari mangkuk ditentukan dengan mengalihkan laba
unit dari setiap mangkuk. Dengan menempatkan istilah memaksimalkan di depan
fungsi laba.
Kendala Model
Dalam Perusahaan ini, dua sumber daya digunakan untuk produksi-tenaga kerja dan
tanah liat yang jumlah keduanya terbatas. Produksi mangkuk dan mug
membutuhkan baik tenaga kerja maupun tanah liat. Untuk setiap mangkuk yang di
produksi dibutuhkan 1 jam kerja, Oleh karena itu tenaga kerja yang digunakan
untuk produksi mangkuk adalah 1x1 jam. Kendala ini memungkinkan perusahaan
untuk memiliki fleksibilitas, perusahaan tidak dibatasi untuk menggunakan tepat 40
jam tetapi dapat menggunakan beberapa pun jumlah yang diperlukan untuk
memaksimalkan laba.
Solusi Grafis dari Pemrograman Linier
Setelah perumusan model matematis tahapan berikutnya dalam aplikasi
pemrograman linier terhadap permasalahan pengambilan keputusan adalah untuk
menemukan solusi dari model tersebut. Sebuah sebuah pendekatan solusi yang
umum digunakan adalah dengan memecahkan secara aljabar sekumpulan hubungan
matematis yang membentuk model tersebut entah secara manual atau dengan
menggunakan program computer.
Metode grafis memberikan gambaran mengenai cara solusi didapatkan
untuk permasalahan pemrograman linier. Metode grafis secara realistis terbatas
pada model dengan hanya dua variable keputusan, yang dapat diwakili pada dua
grafis dimensi. Meskipun metode grafis bersifat terbatas sebagai sebuah pendekatan
solusi, metode ini sangat berguna pada titik ini dalam presentasi kita, Grafik dapat
memberikan pemahaman yang lebih jelas mengenai cara pendekatan solusi
computer dan matematis dipresentasikan dalam karya bab-bab berikutnya dan
dengan demikian, memberikan pemahaman yang lebih baik mengenai solusi.
Solusi Grafis dari model Maksimalisasi
Model bauran produk akan digunakan untuk mendemonstrasikan interpetasi grafis
dari sebuah permasalahan pemrograman linier. Ingat bahwa permasalahan tersebut
mendekskripsikan usaha Beaver Creek Pottery Company untuk memutuskan
beberapa banyak mangkuk dan mug yang harus di produksi setiap hari. Langkah
pertama dalam menggambarkan grafik dari model tersebut adalah untuk
menggambarkan kendala pada grafik. Hal ini dilakukan dengan memperlakukan
kedua kendala sebagai persamaan (atau garis lurus) dan menggambarkan setiap
garis pada grafik.
Nilai Solusi
Titik solusi optimal adalah titik terakhir yang disentuh fungsi tujuan seiring fungsi
tersebut meninggalkan ruang solusi fisibel.
Titik ekstrem adalah titik sudut di perbatasan dari ruang solusi fisibel, Titik terakhir
yang disentuhnya dalam ruang sousi fisibel berada diperbatasan ruang solusi fisibel.
Titik solusi selalu berada pada perbatasan ini karena perbatasan mengandung titik
terjauh dari pangkal (yaitu titik yang menunjukkan laha terbesar). Karakteristik dari
permasalahan pemrograman linier ini sangat mengurangi jumlah kemungkinan titik
solusi, dari semua titik didalam area solusi menjadi hanya titik-titik yang berada di
perbatasan. Namun, jumlah kemungkinan titik solusi dikurangi lebih jauh lagi oleh
karakteristik lainnya dari permasalahan pemrograman linier.
Kendala Model
Kebutuhan akan nitrogen dan fosfat mewakili kendala dari model, Setiap kanung
pupuk memberi kontribusi sejumlah pon nitrogen dan fosfat ke lading. Alih alih
pertidaksamaan seperti yang digunakan dalam model Beaver Creek Pottery
Company, kendala ini membutuhkan pertidaksamaan > (lebih besar dari atau sama
dengan). Ini karena kandungan nitrogen untuk lading tersebut merupakan
kebutuhan minimum.
 BAB III
PEMROGRAMAN LINIER : SOLUSI KOMPUTER DAN
ANALISIS SENSITIVITAS
Solusi Komputer
Ketika Pemrograman linier pertama kali dikembangkan pada 1940-an,
hamper satu satunya cara untuk memecahkan permasalahan adalah dengan
menggunakan prosedur solusi matematis manual yang panjang, disebut dengan
metode simplekx (simpleks method). Metode simpleks adalah sebuah prosedur
yang melibatkan serangkaian langkah-langkah matematis untuk memecahkan
permasalahan pemrograman linier. Langkah Langkah matematis dari metode
simpleks hanya perlu di programkan ke dalam paket peranti lunak yang telah ditulis
sebelumnya yang dirancang untuk solusi permasalahan pemrograman linier.
Kemampuan untuk memecahkan permasalahan pemrograman linier dengan cepat
dan mudah di computer, tanpa peduli beberapa pun ukuran permasalahan. Saat ini
terdapat lusinan paket peranti lunak dengan kapabilitas pemrograman linier,
Banyak darinya merupakan paket sains manajemen serba guna atau metode
kuantitatif dengan modul pemrograman linier, selain dari banyak modul untuk
teknik lain-lainnya.
Sebagai akibat dari murahnya dan ketersediannya dengan biaya rendah
dari computer personal dan peranti lunak pemrograman linier, metode simpleks
menjadi kurang difokuskan dalam pengajaran pemrograman linier. Tetapi
pengetahuan mengenai metode simpleks berguna untuk mendapatkan pemahaman
yang mendalam dan menyeluruh terhadap pemrograman linier bagi mereka yang
tertarik untuk memahaminya sejauh ini.
Spreadsheet Excel
Excel dapat digunakan untuk memecahkan permasalahan pemrograman
linier, meskipun kebutuhan untuk memasukkan data dapat lebih memakan waktu
dan merepotkan dibandingkan dengan paket peranti lunak seperti QM for Windows
yang secara khusus dirancang untuk tujuan tersebut. Tetapi ini juga merupakan
kelebihan dari spreadsheet, karena memungkinkan permasalahan diatur dalam
format yang menarik untuk tujuan pelaporan dan presentasi. Selain itu setelah
spreadsheet diatur untuk satu permasalahan spreadsheet tersebut acap kali dapat
digunakan sebagai tempalate untuk yang lain.
Nilai untuk mangkuk dan mug dan untuk laba ada didalam sel B10, B11,
dan B12, secara berturut-turut. Sel sel ini sekarang kosong atau nol karena model
tersebut belum terpecahkan. Fungsi tujuan untuk laba =C4*B10+D4*B11
dimasukkan dalam sel B12 yang disajikan dalam bar.
QM for Windows
Sebelum mendemonstrasikan cara menggunakan QM for Windows, kita pertama
tama harus membuat beberapa komentar mengenai format yang tepat untuk kendala
sebelum sebuah model pemrograman linier dapat dipecahkan menggunakan QM
for Windows. Kendala-kendala yang dirumuskan dalam model pemrograman linier
ini telah mengikuti format yang konsisten. Seluruh variable dalam batasan telah
muncul di sebelah kiri pertidaksamaan dan seluruh nilai numerik telah berada disisi
sebelah kanan dari pertidaksamaan.
Format standar untuk permasalahan pemrograman linier mengharuskan kendala
berada dalam format ini dengan variable di sisi sebelah kiri dan nilai numerik di sisi
sebelah kanan dari tanda pertidaksamaan atau persamaan. Ini adalah persyaratan
yang diperlukan untuk memasukkan permasalahan kedalam sejumlah program
computer, dan secara spesifik untuk QM for Windows, untuk solusi pemrograman
linier.
Nilai marginal adalah jumlah dolar yang bersedia dibayarkan oleh seseorang untuk
mendapatkan satu unit tambahan sumber daya.
Analisis Sensitivitas
Analisis Sensitivitas adalah analisis pengaruh perubahan parameter terhadap solusi
optimal. Parameter-parameter ini meliputi koefisien fungsi tujuan seperti pon tanah
liat per mangkuk. Dalam contoh ini dihadirdakan sejauh ini model model tersebut
telah dirumuskan seolah olah jika parameter-parameter ini diketahui secara tepat
atau pasti. Dalam kenyataan, parameter model hanyalah perkiraan (atau “tebakan
terbaik”) yang dapat berubah ubah.
Cara yang paling nyata untuk memastikan pengaruh perubahan pada parameter
model adalah dengan membuat perubahan pada model aslinya, memecahkan
kembali model tersebut dan membandingkan hasil solusinya dengan aslinya.
Tetapi, seperti yang akan kita demonstrasikan dalam bab ini dalam beberapa kasus,
pengaruh dari perubahan pada model dapat ditentukan tanpa memecahkan
permasalahannya sekali lagi.
Perubahan pada Koefisien Fungsi Tujuan
Perubahan Parameter model pertama yang akan kita analisis adalah perubahan pada
koefisien fungsi tujuan. Kita akan menggunakan contoh Beaver Creek Pottery
Company yang sekarang telah kita kenal dengan baik untuk mengilustrasikan
perubahan ini, Peningkatan laba untuk sebuah mangkuk yaitu koefisien X1 dari $40
menjadi $100 membuat garis fungsi tujuan lebih curam, sedemikian rupa sehingga
titik solusi optimalnya berubah dari titik B ke titik C Alternatifnya jika kita
meningkatkan laba untuk sebuah koefisien X2 dari $50 menjadi $100, garis fungsi
tujuannya akan menjadi lebih datar sejauh hingga titik A menjadi optimal dengan
X1=0, X2 = 20, dan Z=$2.000.

Rentang Koefisien Fungsi Tujuan dengan Komputer

Ketika kita memberikan solusi spreadsheet excel untuk contoh Beaver Creek
Poterry Company diawal bab ini, kita tidak menyertakan analisis sensitivitas. Tetapi
excel juga menghasilkan laporan sensitivitas yang memberikan rntang sensitivitas
untuk koefisien fungsi tujuan. Ketika anda mengetik pada “Solve” di jendela Solver
Parameters, anda kemudian akan menuju layar Solver Results. Yang memberi anda
kesempatan untuk memilih laporan yang berbeda beda sebelum melanjutkan ke
solusi, ini adalah cara kita memilih laporan jawaban kita di awal.
Harga Bayangan
Harga bayangan (atau nilai marginal) untuk tenaga kerja adalah $16 per jam, dan
harga bayangan untuk tanah liat adalah $6 per pon. Ini berarti untuk setiap jam
tambahan tenaga kerja yang bisa didapatkan, laba akan meningkatkan sebesar $16.
Maksimum 80 jam kerja dapat digunakan sebelum bauran solusi optimalnya akan
berubah, jadi sang manajer bisa mendapatkan 40 jam lagi, peningkatan yang
dimungiinkan yang disajikan dalam hasil sensitivitas excel untuk kendala tenaga
kerja.
 BAB IV
PEMROGRAMAN LINIER : CONTOH PEMODELAN
Contoh Bauran Produk
Quick Screen adalah sebuah perusahaan manufaktur pakaian yang
mngkhususkan diri dalam memproduksi kaos perayaan yang dekat dengan
peristiwa olahraga besar seperti World Series, Super Bowl, dan Final Four.
Perusahaan tersebut telah dikontrak untuk memproduksi satu set standar kaos untuk
tim pemenang, entah untuk Syte University atau Tech, setelah pertandingan final
pada Hari Tahun Baru.Perusahaan tersebut harus menyelesaikan seluruh produksi
dalam 72 jam setelah pertandingan, yang mana sebuah truk gandeng akan
mengambil kaos-kaos tersebut, Perusahaan tersebut akan bekerja selama 24 jam.
Truk tersebut mempunyai kapasitas yang cukup untuk mengangkut 1.200 books
berukuran standar , sebuah books berukuran standar dapat diisi 12 kaos oblong, dan
sebuah books yang berisi 12 kaos sweatshirt berukuran tiga kali lipat dari ukuran
books standar.
Variabel Keputusan
Permasalahan ini mengandung empat variable keputusan yang mewakili jumlah
lusin (boks) dari masing-masing jenis kaos yang harus di produksi.
X1 = kaos sweatshirt, sablon depan
X2 =kaos sweatshirt, sablon belakang dan depan
X3=kaos oblong, sablon depan
X4=kaos oblong, sablon belakang dan depan
Fungsi Tujuan
Tujuan perusahaan adalah untuk memaksimalkan laba, laba total adalah dari laba
individual yang didapatkan dari masing-masing jenis kaos. Fungsi tujuannya
ditunjukkan sebagai berikut.
Memaksimalkan Z = $90X1 +125X2 + 45X3 + 65X4
Kendala Model
Kendala pertama adalah waktu pemrosesan. Total waktu pemrosesan yang tersedia
adalah periode 72 jam Antara akhir pertandingan dan pengambilan truk.
0,10X1 + 0,25X2 + 0,8X3 + 0,21X4 < 72 jam
Kendala Kedua tersebut adalah untuk kapasitas pengiriman yang tersedia , yaitu
1.200 books berukuran standar. Satu books kaos sweatshirt berukuran tiga kali lipat
dari books berukuran standar.
3X1 + 3X2 + X3 + X4 < 1.200 books
Kendala Ketiga adalah untuk anggaran biaya, anggaran total yang tersedia untuk
produksi adalah $25.000.
$36X1 + 48X2 + 25X3 + 35X4 <$25.000
Solusi Komputer dengan Excel
Solusi Spreadsheet Excel untuk contoh buaran produk ini tampak pada
Tampilan 4.1. Variabel-Variabel keputusannya berada dalam sel B14:B17. Laba
dihitung dalam sel B18, dan rumus untuk laba
=B14*D5+B15*E5+B16*F5+B17*G5, diperhatikan pada bil rumus di puncak
spreadsheet tersebut. Rumus kendala telah tertanam dalam sel H7 hingga H11,
dibawah kolom yang berjudul “Penggunaan”.
Sel K7 hingga K11 berisi rumus untuk sumber daya yang tersisa, atau
kekenduran, ebagai contoh sel K7 hingga K11 berisi rumus =J7-H7. Rumus-rumus
untuk sumber daya yang tersisa ini memungkinkan kita untuk mendemonstrasikan
sebuah operasi spreadsheet yang dapat menghemat waktu dalam mengembangkan
model spreadsheet tersebut. Pertama, masukkan untuk sumber daya yang tersisa
=J7-H7, kedalam sel K7 seperti yang telah kita perhatikan. Jendela Solver
Parameters untuk model ini tampak pada tampilan, Perhatikan kita dapat
memasukkan lima ratus kendala dengan satu baris dalam kotak “Subject to the
Constrains”. Kita menggunakan kendla H7:H11 <= J7:J11, yang berarti bahwa
seluruh nilai penggunaan kendala yang dihitung dalam sel H7 hingga H11 adalah
kurang dari nilai sumber daya terkait yang tersedia yang dihitung dalam sel J7
hingga J11.
Analisis Sensitivitas
Setelah merumuskan dan memecahkan model ini, Quick-Screen dapat memutuskan
bahwa mereka perlu memproduksi dan mengirimkan sedikitnya beberapa dari
masing-masing jenis kaos. Manajemen dapat mengevaluasi kemungkinan ini
dengan menambahkan empat kendala yang menetapkan tingkat minimum produksi
untuk masing-masing jenis kaos, termasuk kaos oblong depan dan belakang X4,
yang tidk di produksi dalam solusi sekarang. Manajer mungkin juga ingin
bereksperimen dengan kendala-kendala tersebut untuk melihat pengaruh
penambahan sumber daya terhadap solusi. Sebagai contoh, melihat contoh pada
jendela Ranging untuk QM for Windows dalam tampilan 4.4. Nilai ganda untuk
waktu pemrosesan memperhatikan bahwa laba akan meningkat sebesar $233,33 per
jam (hingga 98,33 jam, kendala atas dari rentang sensitivitas untuk nilai mutu
kendala ini).
Sebuah Contoh Diet
Breathtakers, sebuah pusat kesehatandan kebugaran, mengoperasikan program
kebugaran untuk warga manula. Program tersebut meliputi latihan aerobic,
berenang, atau latihan langkah, diikuti dengan sarapan sehat di ruang makan. Ahli
diet Breathtakers ingin mengembngkan menu sarapan yang tinggi kalori, kalsium,
protein, dan serat. Yang khususnya penting bagi warga manula, tetapi rendah lemak
dan kolestrol, ia juga ingin meminimalkan biaya.
Variabel Keputusan
X1 = jumlah cangkir sereal bekatul
X2 = jumlah cangkir sereal kering
X3 = jumlah cangkir oat
X4 = jumlah cangkir bekatul oat
X5 = telur
 BAB V
PEMROGRAMAN INTEGER
Dalam model pemrograman linier yang dirumuskan dan diselesaikan
dalam bab-bab sebelum ini, terdapat asumsi implisit bahwa solusinya dapat berupa
pecahan atau bilangan nyata (yaitu, non-integer). Tetapi solusi non-integer tidak
selalu praktis.
Ketika hanya solusi integer atau bilangan bulat yang praktis atau logis,
terkadang diasumsikan bahwa nilai solusi non-integer dapat “dibulatkan” hingga
nilai bilangan bulat fisibel yang terdekat. Metode ini akan menimbulkan sedikit
kekhawatiran jika sebagai contoh X1 = 8.000, 4 paku dibulatkan menjadi 8.000 paku
karena paku hanya berbiaya beberapa sen per buah. Tetapi jika kita sedang
mempertimbangkan produksi pesawat jet dan X1 = 7,4 pesawat jet, pembulatan
dapat mempengaruhi laba (atau biaya) sebesar jutaan dolar. Dalam kasus ini kita
perlu memecahkan permasalahan tersebut sehingga dapat dipastikan adanya solusi
integer optimal. Dalam bab ini akan dipresentasikan bentuk-bentuk berbeda model
pemrograman linier.
Model-Model Pemrograman Integer
Terdapat tiga jenis dasar model pemrograman linier integer-model integer total,
model integer 0-1, dan model integer campuran. Dalam model integer total (total
integer model), seluruh variable keputusannya diharuskan memiliki nilai solusi
integer. Dalam model integer 0-1 (0-1 integer model), beberapa dari variable
keputusannya (tepat tidak semuanya) diharuskan memiliki solusi integer.
Contoh Model Integer Total
Dalam model integer total, seluruh variable keputusannya memiliki nilai solusi
integer. Pemilik dari sebuah bengkel mesin sedang berencana untuk berkembang
dengan membei beberapa mesin baru mesin pres dan bubut. Pemilik tersebut telah
memperkirakan bahwa setiap mesin pres yang dibeli akan meningkatkan laba
sebesar $100 per hari dan setiap mesin bubut akan meningkatkan laba sebesar $150
per hari.Harga beli mesin tersebut dan kebutuhan ruangnya adalah:
Mesin Ruang lantai yang Harga beli
dibutuhkan
Pres 15 $8.000
Bubut 30 4.000

Pemilik tersebut mempunyai anggaran sebesar $40.000 untuk membeli mesin dan
200 kaki persegi ruangan lantai yang tersedia. Variabel keputusannya dibatasi pada
nilai bulat karena pemilik tidak dapat membeli pecahan, atau sebagian, dari sebuah
mesin. Model pemrograman liniernya adalah :
Memaksimalkan Z = $100X1 + 150X2
Kendala
$8.000X1 + 4.000X2 < $40.000
15X1 + 30X2 <200 kaki
X1,X2 > 0 dan integer
Variabel keputusan dalam model ini terbatas pada mesin utuh. Fakta bahwa kedua
variable keputusan X1 dan X2 dapat mengambil nilai bilangan bulat berapa pun yang
lebih besar atau sama dengan nol adalah yang membuat model inimenjadi sebuah
model integer total.
Contoh Model Integer 0-1
Suatu dewan komunitas harus memutuskan fasilitas rekreasi mana yang
akan dibangun dalam komunitasnya. Empat fasilitas rekreasi baru telah diunjukkan-
kolam renang, pusat tenis, lapangan atletik, dan gimanasium. Dewan tersebut ingin
membangun fasilitas yang akan memaksimalkan penggunan harian yang
diperkirakan oleh penduduk komunitas tersebut.
Komunitas tersebut mempunyai anggaran pembangunan sebesar $120.000
dan tanah seluas 12 ekar. Karena kolam renang dan pusat tenis harus dibangun di
bangun yang sama dari bidang tanah tersebut, Model untuk permasalahan ini
dirumuskansebagai berikut.
Memaksimalkan Z = 300X1 + 90X2 + 400X3 + 150X4
Kendala
$35.000X1 + 10.000X2 + 25.000X3 + 90.000X4 < $120.000
4x1 + 2X2 + 7X3 3X4 < 12 eker
X1 + X2 < 1 fasilitas
X1, X2, X3, X4 = 0 atau 1
Dalam model ini, variable keputusannya dapat memiliki nilai solusi nol atau satu.
Jika sebuah fasilitas tidak terpilih untuk dibangun, variable keputusan yang
mewakilinya akan mempunyai nilai nol. Kendala yang terakhir X1 + X2 < 1,
mencerminkan kontingensi bahwa hanya salah satu dari kolam renang (X1) atau
pusat tenis (X2) yang dapat dibangun, tetapi tidak keduanya. Agar jumlah dari X1 dan
X2 menjadi kurang dari atau sama dengan satu.

Jika komunitas tersebut telah menetapkan bahwa salah satu dari kolam
renang (X1) atau pusat tenis (X2) harus dibangun, tetapi tidak keduanya, maka
kendala terakhir akan menjadi suatu persamaan X1 + X2 = 1. Dengan cara ini, model
tersebut memaksakan pilihan Antara kedua fasilitas tersebut, Untuk alasan ini, ini
acap kali disebut sebagai kendala pilihan multiple. Sebuah varians dari kendala
pilihan multiple dapat digunakan untuk merumuskan sebuah situasi di mana
sejumlah fasilitas tertentu dari totalnya harus dibangun. Sebagai contoh, Jika dewan
komunitas telah menentukan bahwa dua dsri empat fasilitas tersebut harus
dibangun.
 Jenis lain dari kendala mod 10-1 adalah kendala bersyarat. Dalam kendala
bersyarat , Pembangunan satu fasilitas tergantung pada pembangunan fasilitas yang
lain, Andaikan sebagai contoh, Proyek yang disukai oleh kepala dewan komunitas
tersebut adalah kolam renang, dan ia juga yakin bahwa pusat tenis kurang leguna.
Kepala dewan tersebut sangat berpengaruh, sehingga anggota dewan yang lainnya
tahu bahwa pusat tenis tidak memiliki kesempatan untuk dipilih jika kolam renang
tidak dipilih terlebih dahulu. Tetapi, bahkan jika kolam dipilih, tidak ada jaminan
bahwa pusat tenis juga akan dipilih.
 BAB VI
PERMASALAHAN TRANSPORTASI
Dalam bab ini, kita akan membahas tiga jenis perumusan model
pemrograman linier khusus permasalahan transportasi, pemindahan angkutan, dan
penugasan. Ketiganya merupakan bagian dari kelas permasalahan pemrograman
linier yang lebih besar yang dikenal sebagai permasalahan aliran jaringan.
Model Transportasi
Model transportasi dirumuskan untuk kelas permasalahan dengan karakteristik
unik. Contoh berikut menunjukkan perumusan model transportasi. Gandum di
panen di daerah Midwest dn disimpan dalam penyimpanan gandum di tiga kota
berbeda : Kansas city, Omaha, dn Des Moines. Ketiga penyimpanan gandum
tersebut memasok tiga penggilingan gandum, yang berlokasi di Chicago, St. Louis,
dan Cincinnati. Gandum dikirimkan ke penggilingan dalam gerbong kereta api,
yang mana setiap gerbong mampu menampung 1 ton gandum. Per bulan, setiap
penyimpanan gandum mampu memasok gandum dengan jumlah ton berikut (yaitu,
gerbong kereta api) ke penggilingan.
Penyimpanan Gandum Suplai
1. Kansas City 150
2. Omaha 175
3. Des Moines 275
Total 600 ton
Setiap penggilingan memiliki permintaan gandum dengan jumlah ton berikut per
bulan :
Penggilingan Permintaan
• Chicago 200

• St. Louis 100

• Cincinnati 300
Total 600 ton
Biaya untuk mengangkut 1 ton gandum dari setiap penyimpanan gandum (sumber)
ke setiap penggilingan (tujuan) berbeda, sesuai dengan jarak dan sistem kereta
apinya. (sebagai contoh, biaya untuk mengirimkan 1 ton gandum dari penyimpanan
gandum di Omaha ke penggilingan di Chicago adalah $7). Biaya-biaya ini disajikan
dalam tabel berikut.
 Penggilingan
Penyimpanan Chicago St. Louis Cincinnati
Gandum
Kansas City $6 $8 $10
Omaha 7 11 11
Des Moines 4 5 12

Model pemrograman linier untuk untuk permasalahan ini dirumuskan sebagai

berikut :
Meminimalkan Z = $6x1A + 8x1B + 10x1C + 7x2A + 11x2B + 11x2C + 4x3A + 5x3B +
12x3C
Kendala
x1A + x1B + x1C = 150
x2A + x2B + x2C = 175
x3A + x3B + x3C = 275
x1A + x2A + x3A = 200
x1B + x2B + x3B = 100
x1C + x2C + x3C = 300
xij ≥ 0
Dalam model ini variabel keputusannya, xij , mewakili jumlah ton gandum yang
diangkut dari setiap penyimpanan gandum, i ( yang mana i = 1, 2, 3 ), ke setiap
penggilingan, j ( yang mana j = A, B, C). Fungsi tujuannya mewakili total biaya
transportasi untuk setiap rute. Setiap syarat dalam fungsi tujuannya mencerminkan
biaya tonasi yg diangkut untuk satu rute. Sebagai contoh, jika 20 ton di angkut dari
penyimpanan 1 ke penggilingan A, biaya ($6) dikalikan dengan x1A (= 20), yang
sama dengan $120.
Tiga kendala pertama dalam model pemrograman linier mewakili suplai di setiap
penyimpanan; tiga kendala terakhir mewakili permintaan di setiap penggilingan.
Kita ambil sebagai contoh kendala suplai pertama x1A + x1B + x1C = 150. Kendala
ini mewakili jumlah ton gandum yang diangkut dari Kansas City ke ketiga
penggilingan: Chicago (x1A), St. Louis (x1B), dan Cincinnati (x1C). Jumlah yang
diangkut dari Kansas City terbatas pada 150 ton yg tersedia. Perhatikan bahwa
kendala ini (serta semua kendala lainnya) merupakan persamaan (=) dan bukan
pertidaksamaan ≤ karena semua jumlah ton dari gandum yang tersedia akan
dibutuhkan untuk memenuhi total permintaan sebesar 600 ton. Dengan kata lain,
total permintaan dari ketiga penggilingan tersebut adalah 600 ton, yang merupakan
jumlah persis yang dapat di suplai oleh ketiga penyimpanan gandum tersebut. Jadi
semua yang dapat disuplai akan disuplaikan, untuk memenuhi permintaan. Jenis
model ini, yang mana suplai tepat sama dengan permintaan, disebut sebagai model
transportasi seimbang (balanced transportation model).
Akan tetapi, secara realistis, permasalahan tidak seimbang (unbalanced
problem), yang mana suplai melampaui permintaan atau permintaan melampaui
suplai, lebih mungkin terjadi. Dalam contoh transportasi gandum, jika permintaan
di Cincinnati ditingkatkan dari 300 ton menjadi 350 ton, tercipta satu situasi yang
mana total permintaannya adalah 650 ton dan total suplainya adalah 600 ton. Ini
akan mengakibatkan perubahan berikut dalam model pemrogramana linier kita
untuk permasalahan ini.
Meminimalkan Z = $6x1A + 8x1B + 10x1C + 7x2A + 11x2B + 11x2C + 4x3A + 5x3B +
12x3C
Kendala
x1A + x1B + x1C = 150
x2A + x2B + x2C = 175
x3A + x3B + x3C = 275
x1A + x2A + x3A ≤ 200
x1B + x2B + x3B ≤ 100
x1C + x2C + x3C ≤ 300
xij ≥ 0
Salah satu kendala permintaan tidak akan terpenuhi karena tidak terdapat total
suplai yang cukup untuk memenuhi total permintaan. Jika, alih-alih, suplai
melampaui permintaan, kendala suplainya akan menjadi ≤.
Terkadang, satu atau lebih rute dalam model transportasi mungkin terlarang. Yaitu,
unit tidak dapat diangkut dari sumber tertentu ke tujuan tertentu. Ketika situasi ini
terjadi, kita harus memastikan bahwa variable yang mewakili rute itu tidak
mempunyai nilai dalam solusi optimal. Ini dapat tercapai dengan memasukkan
biaya relatif yang sangat besar sebagai koefisien dari variable terlarang ini dalam
fungsi tujuannya. Sebagai contoh, dalam contoh pengiriman gandum kita, jika rute
dari Kansas City ke Chicago adalah terlarang (mungkin karena pemogokan kereta
api), variable x1A diberi koefisien 100 alih-alih 6 dalam fungsi tujuannya, sehingga,
x1A akan sama dengan nol dalam solusi optimal karena biaya relatif nya yang besar.
Alternatif nya, variable terlarang dapat dihapus dan perumusan model.
Analisis Sensitivitas
Setelah permasalahan transportasi disiapkan dalam format piranti lunak, Exel QM,
atau QM for Windows-akan menjadi lebih sederhana untuk melakukan analisis
sensitivitas dengan mengubah ukuran atau parameter model. Sebagai contoh, kita
akan mengubah contoh pengiriman gandum untuk mencerminkan kondisi tidak
seimbang, yang mana permintaan di Cincinnati adalah 350 ton, yang
mengakibatkan permintaan melampaui suplai yang ada. Kita juga akan
meningkatkan biaya pengiriman dari Des Moines ke St. Louis dari $5/ton menjadi
$7/ton. Solusi Excel yang baru terhadap versi yang direvisi dari contoh kita ini
disajikan dalam tampilan 6.10. Perhatikan bahwa kita dapat menangani permintaan
ekstra dengan dua cara: kita dapat membuat kendala permintaan menjadi kendala <
dalam Solver, atau kita dapat menciptakan baris ekstra dengan variable " perubah "
untuk mengambil jumlah yang diminta tetapi tidak disuplai. Kita memilih metode
yang kedua, seperti yang disajikan dalam sel C8:E8 dalam tampilan 6.10.
Model Pemindahan Angkutan
Model pemindahan angkutan ( transshipment model ) adalah perpanjangan dari
model transportasi yang mana titik-titik pemindahan angkutan perantara
ditambahkan antara sumber dan tujuan. Sebuah contoh dari titik pemindahan
angkutan adalah sebuah pusat distribusi atau gudang yang berlokasi diantara pabrik
dan toko. Dalam permasalahan pemindahan angkutan, barang-barang dapat
diangkut dari sumber melalui titik pemindahan angkutan ke tujuan, dari sumber ke
sumber lain, dari satu tujuan ke tujuan lain, atau sejumlah kombinasi dari alternatif-
alternatif ini.
Grain Mills Grain
Elevators Shipped
Chicago St. Louis Cincinnati Sulay
Kansas City 0 25 125 150 150
Omaha 0 0 175 475 175
Des Moines 200 75 0 275 275
Siack 0 0 50 50 50
Demand 200 100 350
Grain 200 100 350
Shipped
Cost 4700

Baris baru tambahan untuk

mencerminkan permintaan ≥ suplai

Grain Elevators Mills

Chicago St. Louis Cincinnati
Kansas City 6 8 10
Omaha 7 11 11
Des Moines 4 7 12
Siack 0 0 0

Perubahan dalam biaya

Model Penugasan
Model penugasan ( assigment model ) adalah suatu bentuk khusus dari model
pemrograman linier yang serupa dengan model transportasi. Akan tetapi, terdapat
perbedaan-perbedaan. Pada model penugasan, suplai disetiap sumber dan
permintaan disetiap tujuan masing-masing terbatas pada satu unit.
Contoh berikut akan memberikan contoh model penugasan. Atlantic Coast
Conference (ACC) mempunyai empat pertandingan bola basket pada suatu malam.
Kantor konferensi ingin menugaskan empat tim ofisial ke empat pertandingan
tersebut dengan cara yang meminimalkan total jarak yang dilalui oleh para ofisial
tersebut. Suplainya selalu berua satu tim ofisial, dan permintaannya hanya untuk
satu tim ofisial pada setiap pertandingan. Jarak dalam mil untuk tiap-tiap tim ofisial
ke setiap lokasi pertandingan disajikan dalam tabel berikut
Official Tempat Pertandingan
Raleigh Atlanta Durham Clemson
A 210 90 180 160
B 100 70 130 200
C 175 105 140 170
D 80 65 105 120

Perumusan pemrograman linier dari model penugasan adalah serupa dwngan

perumusan dari model transportasi, kecuali seluruh nilai suplai untuk setiap sumber
sama dengan satu, dan seluruh nilai permintaan disetiap tujuan sama dengan satu.
Jadi, contoh kita dirumuskan sebagai berikut.
Meminimalkan Z = 210xAR + 90xAA + 180xAD + 160xAC + 100xBR + 70xBA + 130xBD
+ 200xBC + 175xCR + 105xCA + 140xCD + 170xCC + 80xDR + 65xDA + 105xDD +
120xDC
Kendala
XAR + XAA + XAD + XAC = 1
XBR + XBA + XBD + XBC = 1
XCR + XCA + XCD + XCC = 1
XDR + XDA + XDD + XDC = 1
XAR + XBR + XCR + XDR = 1
XAA + XBA + XCA + XDA = 1
XAD + XBC + XCC + XDC = 1
xij ≥ 0
Ini adalah model penugasan seimbang. Model tidak seimbang ada ketika suplai
melampaui permintaan atau permintaan melampaui suplai.
 BAB VII
MODEL ARUS JARINGAN
Dalam bab ini dan bab berikutnya, kita akan mempelajari beberapa jenis
model jaringan yang berbeda. Dalm baba ini, kita akan menghadirkan sekelas
model jaringan yang diarahkan pada arus barang melalui sebuah sistem. Tepatnya,
model-model ini disebut sebagai model arus jaringan (network flow models). Kita
akan membahas penggunaan model arus jaringan untuk menganalisis tiga jenis
permasalahan, yaitu permasalahan rute terpendek, permasalahan pohon rentang
minimal, dan permasalahan arus maksimal.
Komponen-Komponen Jaringan
Jaringan digambarkan sebagai diagram yang terdiri dari dua komponen utama, yaitu
noda dan cabang. Noda (nodes) mewakili titik persimpangan sebagai contoh,
perpotongan dari beberapa jalan. Cabang (branches) menghubungkan noda-noda
dan mencerminkan arus dari satu titik dalam jaringan ke titik yang lain. Noda
ditunjukkan dalam diagram jaringan dengan lingkaran, dan cabang diwakili oleh
garis yang menghubungakn noda-noda tersebut. Noda biasanya mewakili lokalotas,
seerti kota, perpotongan, atau terminal udara atau kereta api; cabang adalah jalur
yang menghubungkan noda-noda tersebut, seperti jalan yang menghubungkan kota-
kota dan perpotongan rel kereta api atau rute udara yang menghubungkan terminal-
terminal.
Permasalahan Rute Terpendek
Permasalah rute terpendek (shortest route problem) adalah menentukan jarak
terpendek antara satu titik asal dan beberapa titik tujuan. Sebagai contoh,
Stagecoach Shipping Company mengangkut jeruk dengan enam truk dari Los
Angeles ke enam kota di daerah West dan Midwest. Berbagai rute antara Los
Angeles dan kota-kota tujuan dan lamanya waktu tempuh, dalam jam, yang
dibutuhkan oleh sebuah truk untuk menempuh setiap rute.
Manajer dari perusahaan pengiriman tersebut ingin menentukan rute terbaik ( dalam
arti waktu tempuh minimum ) bagi truk-truk tersebut untuk mencapai tujuan
mereka. Permasalahan ini dapat diselesaikan dengan menggunakan tekhnik solusi
rute terpendek. Dalam menerapkan teknik ini, lebih praktis untuk mewakili sistem
rute truk tersebut sebagai jaringan.
Permasalahan Pohon Rentang Minimal
Dalam permasalahan rute terpendek yang dihadirkan dalam bagian sebelum ini,
tujuannya adalah untuk menentukan rute terpendek antara noda asal dan tujuan di
dalam jaringan. Dalam contoh kita, kita menentukan rute terbaik dari Los Angeles
ke masing-masing enam kota tujuan. Permasalahan pohon rentang minimal
(mininal spanning tree problem) adalah serupa dengan permasalahan rute terpendek
kecuali bahwa tujuannya adalah untuk menghubungkan semua noda di dalam
jaringan sehingga total panjang cabangnya terminimalkan. Jaringan yang
dihasilkannya merentang (menghubungkan) semua titik di dalam jaringan dengan
total jarak (atau panjang) minimum.
Untuk menjelaskan permasalahan pohon rentang minimal, kita akan membahas
contoh berikut. Metro Cable Television Company akan memasang sistem kabel
televisi di komunitas yang terdiri atas tujuh kota satelit. Masing-masing kota satelit
harus dihubungkan dengan sistem kabel utama. Perusahaan televisi kabel tersebut
ingin meletakan jaringan kabel utama dengan cara yang akan memininalkan total
panjang kabel yang harus dipasang. Kemungkinan jalur yang tersedia untuk
perusahaan teevisi kabel tersebut (dengan persetujuan dewan kota) dan jumlah kaki
dari kabel (dalam ribuan kaki) yang dibutuhkan untuk tiap-tiap jalur.
Permasalahan Arus Maksimal
Dalam permasalahan rute terpendek, kita menentukan rute truk terpendek dari asal
(Los Angeles) menuju enam tujuan. Dalam permasalahan pohon rentang minimal,
kita menemukan jaringan terhubung terpendek untuk kabel televisi. Dalam kedua
permasalahan ini, tidak ada kaasitas dari suatu cabang yang terbatas pada sejumlah
hal tertentu. Akan tetapi, ada permasalahan jaringan yaitu cabang dari jaringan
mempunyai kapasitas arus yang terbatas. Tujuan dari jaringan ini adalah untuk
memaksimalkan total jumlah arus dari suatu asal kesuatu tujuan. Permasalahan ini
dirujuk sebagai permasalahan arus maksimal (maximal flow problems).
Permasalahan arus maksimal dapat melibatkan arus air, gas, atau minyak melalui
jaringan pipa; arus formulir melalui sistem pemrosesan kertas (seperti di agensi
pemerintah); arus lalu lintas melalui suatu jaringan jalan raya; atau arus produk
melalui suatu sistem lini produksi. Dalam masing-masing contoh ini, cabang dari
jaringan kapasitas arus yang terbatas dan acap kali berbada. Dengan kondisi ini,
pengambil keputusan ingin menentukan arus maksimum yang bisa didapatkan
melalui sistem tersebut.
Suatu contoh dari permasalahan arus maksimal diilustrasikan oleh jaringan sistem
kereta api antara Omaha dan St. Louis. Scott Tractor Company mengirimkan
bagian-bagian traktor dari Omaha ke St. Louis dengan kerete api. Akan tetapi,
terdapat kontrak yang membatasi jumlah gerbong kereta yang bida di dapatkan
perusahaan di setiap cabang selama seminggu.
Dengan kondisi yang membatasi ini, perusahaan tersebut ingin mengetahui jumlah
maksimum gerbong kereta api yang berisi bagian-bagian traktor yang dapat
dikirimkan dari Omaha ke St. Louis selama seminggu. Jumlah gerbong kereta api
yang tersedia untuk perusahaan traktor tersebut si setiap cabang rel di indikasikan
dengan angka pada cabang tepat disebelah kanan setiap noda (yang mewakili suatu
persimpangan rel). Sebagai contoh, enam gerbong tersedia dari noda 1 (Omaha)
menuju noda 2, delapan gerbong tersedia dari noda 2 menuju noda 5, lima gerbong
tersedia dari noda 4 menuju noda 6 (St. Louis), dan seterusnya. Angka si setiap
cabang tepat disebelah disebelah kiri setiap noda adalah jumlah gerbong yang
tersedia untuk pengiriman ke arah sebaliknya. Sebagai contoh, tidak ada gerbong
yang tersedia untuk pengiriman ke arah sebaliknya. Sebagai contoh, tidk ada
gerbong yang tersedia dari noda 2 menuju noda 1. Cabang dari noda 1 menuju noda
2 dirujuk sebagai cabang berarah karena arus hanya dimungkinkan untuk menuju
satu arah (dari noda 1 menuju noda 2, tetapi tidak dari 2 menuju 1). Perhatikan
bahwa arus dimungkinkan di kedua arah pada cabang di antara noda 2 dan 4 serta
noda 3 dan 4. Ini disebut sebagai cabang tidak berarah.
 BAB 8
Manajemen Proyek

Salah satu penggunaan jaringan yang paling populer adalah untuk analisis
proyek. Dengan CPM, estimasi tunggal, atau deterministik, untuk waktu aktivitas
digunakan, sedangkan dengan perkiraan waktu probabilistik PERT digunakan.
Pengembalian Proyek
Agar suatu proyek dapat dipilih untuk dilaksanakan, biasanya proyek tersebut harus
menawarkan beberapa jenis keuntungan atau manfaat positif bagi organisasi yang
sedang mempertimbangkannya. Dalam suatu bisnis, salah satu ukuran keuntungan
yang paling populer adalah laba atas investasi. Jika suatu proyek tidak memiliki
ROI positif, atau jika proyek lain memiliki ROI yang lebih tinggi, maka proyek
tersebut mungkin tidak dapat dilaksanakan. ROI adalah metrik yang sangat populer
untuk perencanaan proyek karena keserbagunaan dan kesederhanaannya.
Penjadwalan Proyek
Salah satu alasannya adalah seringkali satu-satunya kriteria terpenting untuk
keberhasilan sebuah proyek adalah diselesaikan tepat waktu. Karena penjadwalan
melibatkan ukuran yang dapat dihitung, waktu, ada beberapa teknik kuantitatif yang
tersedia yang dapat digunakan untuk mengembangkan jadwal proyek, termasuk
diagram Gantt dan jaringan CPM / PERT.
Bagan Gantt
Menggunakan bagan Gantt adalah teknik manajemen tradisional untuk
penjadwalan dan perencanaan proyek kecil yang memiliki aktivitas dan hubungan
prioritas yang relatif sedikit. Diagram Gantt adalah grafik dengan batang yang
mewakili waktu untuk setiap aktivitas dalam proyek yang sedang dianalisis. Slack
adalah lamanya waktu suatu aktivitas dapat ditunda tanpa menunda aktivitas apa
pun yang mengikutinya atau proyek secara keseluruhan.
CPM / PERT
Dalam PERT, aktivitas direpresentasikan sebagai busur, atau garis dengan panah,
antara lingkaran yang disebut node, sedangkan dalam aktivitas CPM diwakili oleh
node, dan panah di antaranya menunjukkan hubungan prioritas. Namun, seiring
waktu CPM dan PERT telah secara efektif bergabung menjadi satu teknik yang
secara konvensional dikenal sebagai CPM / PERT. Bagan Gantt tidak dengan jelas
menunjukkan hubungan prioritas, terutama untuk jaringan yang lebih besar.
Jaringan AOA
Seperti disebutkan sebelumnya, ketika CPM dan PERT pertama kali
dikembangkan, mereka menggunakan konvensi yang berbeda untuk menggambar
jaringan. Untuk mendemonstrasikan bagaimana jaringan AOA digambar, kita akan
meninjau kembali contoh membangun rumah yang kita gunakan sebagai contoh
bagan Gantt pada Gambar 8.4. Jaringan CPM / PERT yang sebanding untuk proyek
ini ditunjukkan pada Gambar 8.6. Dengan demikian, aktivitas peletakan fondasi,
dan aktivitas memesan dan menerima materi, dapat dimulai hanya jika node 2
terealisasi, yang menandakan aktivitas telah selesai.
Aktivitas dummy digunakan dalam jaringan AOA untuk menunjukkan hubungan
prioritas, tetapi tidak mewakili perjalanan waktu yang sebenarnya. Aktivitas
disisipkan untuk memberikan dua aktivitas titik akhir yang terpisah dan dengan
demikian memisahkan identitas, seperti yang ditunjukkan pada Gambar 8.7.
Kembali ke jaringan yang ditunjukkan pada Gambar 8.6, kita melihat bahwa dua
aktivitas dimulai pada node 4. Aktivitas adalah pembangunan rumah yang
sebenarnya, dan aktivitas adalah pencarian dan pemilihan cat untuk eksterior dan
interior rumah.
Dalam bab ini, kita membahas dua teknik ilmu manajemen yang paling
populer — CPM dan
Popularitasnya terutama disebabkan oleh fakta bahwa jaringan membentuk
gambaran sistem yang sedang dianalisis sehingga mudah ditafsirkan oleh manajer.
CPM / PERT telah diterapkan pada berbagai proyek R&D, seperti pengembangan
obat baru, perencanaan dan pengenalan produk baru, dan pengembangan sistem
komputer baru yang lebih kuat.
Kudeta Tanpa Darah! »
«Oke, bagus sekali,» kata John, sambil menuliskan aktivitas «Auditorium aman» di
papan tulis, dengan waktu di samping. «Hanya perlu 1 hari jika printer tidak sibuk,
tapi bisa memakan waktu hingga 4 hari jika dia sibuk. Mungkin perlu waktu sekitar
2 hari ».
«Tapi kami tidak dapat mencetak tiket sampai kami tahu di mana konsernya
karena pengaturan keamanan,» Andy
« Menurut Anda, berapa lama waktu yang dibutuhkan untuk membuat pengaturan?
» Tanya John. "Kami juga harus bernegosiasi dengan serikat pekerja lokal untuk
karyawan konser, pekerja panggung, dan siapa pun yang kami perlu pekerjakan,"
sela Reggie Wilkes. Kita juga harus bisa mendapatkan beberapa penerima siswa
pada saat yang sama, setelah kita mendapat persetujuan dari serikat pekerja. « Kami
perlu mengatur konferensi pers, »kata Art Cohen, yang bersandar di dinding.
»« Itu bisa diselesaikan dengan sangat cepat, seperti 2 hari, jika kita bisa membuat
kontak yang tepat. «Aku bisa memulainya sekarang juga, pada saat yang sama
kalian sedang mengatur auditorium.» Dia berpikir sejenak. «Jadi apa yang tersisa?»
"Jual tiketnya," teriak beberapa orang sekaligus. «Saya ingat 2 tahun yang lalu,
butuh 12 hari untuk menjual Cosmic Modem».
Kelompok itu mengangguk serempak, dan mereka semua sekaligus melihat daftar
kegiatan dan waktu yang telah John tulis di papan tulis.
Kontraktor Perumahan Moore sedang menegosiasikan kesepakatan dengan
Daftar kegiatan yang terlibat dalam membangun rumah dan perkiraan waktu
kegiatan mengikuti di halaman berikutnya.
Jalan Kritis
Faktanya, pengamatan dekat dari jaringan ini menunjukkan empat jalur, yang
diidentifikasi dalam Tabel 8.1 sebagai A, B, C, dan D. Proyek tidak dapat
diselesaikan hingga jalur terpanjang dalam jaringan diselesaikan. Awal kegiatan 4
bergantung pada dua kegiatan yang menuju ke simpul 4. Dengan menggunakan
logika yang sama seperti sebelumnya, kita dapat melihat bahwa aktivitas 7 tidak
dapat dimulai hingga setelah 8 bulan, atau setelah 7 bulan.
Penjadwalan Aktivitas
Untuk menunjukkan waktu mulai paling awal di jaringan, serta beberapa waktu
aktivitas lain yang akan kami kembangkan dalam proses penjadwalan, kami akan
sedikit mengubah struktur node kami. Perhatikan pada Gambar 8.11 bahwa waktu
selesai paling awal untuk aktivitas 7, aktivitas terakhir dalam jaringan, adalah 9
bulan, yang merupakan total durasi proyek, atau waktu jalur kritis.
Aktivitas Slack
Akibatnya, ini adalah waktu tambahan yang tersedia untuk menyelesaikan suatu
kegiatan. Jika aktivitas 3 mulai terlambat, pada bulan ke-4 dan bukan pada bulan
ke-3, maka aktivitas tersebut akan selesai pada bulan ke-5, yang tidak
memungkinkan aktivitas 5 untuk dimulai hingga bulan ke-5. Namun, ketidakpastian
yang melekat dalam perkiraan waktu kegiatan dapat tercermin sampai batas tertentu
dengan menggunakan perkiraan waktu probabilistik, bukan perkiraan deterministik
tunggal yang telah kami gunakan sejauh ini.
Waktu Aktivitas Probabilistik
Karena hanya satu nilai ini yang diberikan, kita harus berasumsi bahwa waktu
kegiatan tidak berbeda dari 2 bulan.
 BAB IX
PENGAMBILAN KEPUTUSAN MULTIKRITERIA
Formulasi Model
Untuk menghindari PHK, perusahaan tidak mau menggunakan kurang dari 40 jam
kerja per hari. Tujuan yang berbeda ini disebut sebagai tujuan dalam konteks teknik
pemrograman tujuan. Langkah pertama kami dalam merumuskan model
pemrograman tujuan adalah mengubah batasan model pemrograman linier menjadi
tujuan.
Tujuan pertama perusahaan tembikar adalah untuk menghindari
penggunaan tenaga kerja yang kurang — yaitu, menggunakan lebih sedikit
dari
50 jam telah digunakan untuk produksi, atau 10 jam di atas level target 40 jam.
Langkah selanjutnya dalam merumuskan model pemrograman tujuan kami adalah
untuk mewakili tujuan tidak menggunakan kurang dari 40 jam kerja. Fungsi tujuan
dalam semua model pemrograman tujuan adalah untuk meminimalkan
penyimpangan dari tingkat batasan tujuan. Dalam fungsi tujuan ini, tujuannya
adalah untuk meminimalkan penggunaan tenaga kerja yang kurang.
Gol keempat, mencerminkan keinginan untuk meminimalkan waktu lembur.
Bentuk Alternatif Kendala Sasaran
Meskipun batasan tujuan ini terlihat tidak biasa, hal ini dapat diterima dalam
pemrograman tujuan untuk memiliki persamaan dengan semua variabel deviasi.
Namun, karena keuntungan mug lebih besar daripada keuntungan mangkuk, maka
lebih penting lagi untuk mencapai tujuan mug. Karena tujuan sebenarnya dari
perusahaan adalah untuk mencapai tingkat produksi yang ditunjukkan dalam dua
batasan tujuan, variabel deviasi negatif dan fungsi tujuan diminimalkan. Ketika
model ini diselesaikan, pencapaian tujuan untuk meminimalkan menjadi lebih
penting, meskipun kedua tujuan tersebut berada pada tingkat prioritas yang sama.
Model pemrograman sasaran lengkap, dengan sasaran baru untuk lembur dan
produksi, adalah.
Perbandingan Berpasangan
Skala preferensi standar yang digunakan untuk AHP ditunjukkan pada Tabel 9.1.
Peringkat 3 adalah ukuran preferensi pembuat keputusan untuk salah satu alternatif
di atas yang lain. Jika Southcorp membandingkan Atlanta dengan Birmingham dan
agak lebih memilih Atlanta, yang menghasilkan nilai perbandingan 3 untuk kriteria
pasar pelanggan, Southcorp tidak perlu membandingkan Birmingham dengan
Atlanta untuk menentukan nilai preferensi terpisah untuk perbandingan
«berlawanan» ini. Nilai preferensi B untuk A hanyalah kebalikan atau kebalikan
dari preferensi A untuk B. Birmingham adalah 3, nilai preferensi Birmingham untuk
Atlanta adalah 1/3.
Model Penilaian
Nilai antara 0 dan 100 menunjukkan seberapa baik alternatif keputusan i memenuhi
kriteria j, di mana 100 menunjukkan kepuasan yang sangat tinggi dan 0
menunjukkan hampir tidak ada kepuasan. Total «skor» untuk keputusan alternatif
i, di mana semakin tinggi skornya, semakin baik.
 BAB X
PEMROGRAMAN NONLINEAR
Lebih banyak perhatian telah dicurahkan pada pemrograman linier dalam
teks ini daripada pada topik tunggal lainnya. Selain bab yang dikhususkan untuk
model dan aplikasi pemrograman linier, kami juga memiliki disajikan beberapa
variasi pemrograman linier, pemrograman bilangan bulat dan tujuan, serta unik
aplikasi pemrograman linier untuk masalah transportasi dan penugasan. Ketika
masalah sesuai dengan format pemrograman linier umum tetapi termasuk nonlinier
fungsi, mereka disebut sebagai masalah pemrograman nonlinier. Masalah
pemrograman nonlinier diberi nama terpisah karena telah diselesaikan dengan cara
yang berbeda dari masalah pemrograman linier.
Faktanya, solusi mereka sangat besar lebih kompleks daripada masalah
pemrograman linear, dan seringkali sulit, jika tidak mustahil, untuk menentukan
solusi optimal, bahkan untuk masalah yang relatif kecil. Dalam pemrograman linier
masalah, solusi ditemukan di persimpangan garis atau bidang, dan meskipun
mungkin ada a sangat banyak kemungkinan titik solusi, jumlahnya terbatas, dan
solusi akhirnya bisa ditemukan. Apa yang sulit dalam pemrograman nonlinier
adalah menentukan apakah titik di atas puncak hanyalah titik tertinggi di area
terdekat atau titik tertinggi dari semuanya .
Analisis penguatan nonlinier
penyajian model pemrograman nonlinier dengan menentukan nilai optimal untuk
satu fungsi non linier. Untuk mendemonstrasikan proses solusi, kami menggunakan
fungsi keuntungan berdasarkan analisis profitabilitas. Dalam Bab 1, menggunakan
analisis breakpoint untuk memulai studi pembangunan model kami, jadi tampaknya
tepat untuk kembali ke model dasar ini untuk menyelesaikan studi pembangunan
model. Konsep penting yang belum disebutkan adalah dengan memperluas model
impas ini cara, kami telah mengubahnya menjadi model pengoptimalan. Ini adalah
persis seperti yang kami lakukan dalam pemrograman linier ketika kami
menentukan nilai variabel keputusan yang mengoptimalkan fungsi objektif.
Pengoptimalan Terbatas
Pada bagian sebelumnya, model analisis keuntungan dikembangkan sebagai
perpanjangan dari model impas. Ingatlah bahwa fungsi keuntungan total. Jenis
model ini disebut sebagai model pengoptimalan yang tidak dibatasi. Ini terdiri dari
satu fungsi tujuan non linier dan tidak ada batasan. Jika kita menambahkan satu
atau lebih batasan ke model ini, itu menjadi model pengoptimalan yang dibatasi.
Model pengoptimalan terbatas lebih sering disebut sebagai model pemrograman
nonlinier. Alasan jenis model ini ditetapkan sebagai bentuk pemrograman
matematika karena semua jenis model pemrograman matematika sebenarnya
adalah model pengoptimalan yang dibatasi. Artinya, mereka semua memiliki
bentuk umum dari fungsi objektif yang tunduk pada satu atau lebih batasan.
Pemrograman linier memiliki tujuan fungsi dan kendala yang kebetulan linier.
Pemrograman non linier berbeda dari pemrograman linier, namun dalam satu hal
kritis lainnya. Aspek: Solusi dari masalah pemrograman nonlinear jauh lebih
kompleks. Secara linier pemrograman prosedur tertentu dijamin akan menghasilkan
solusi jika masalah tersebut telah dirumuskan dengan benar, sedangkan pada
pemrograman nonlinier tidak ada prosedur yang dijamin ada. Alasan kerumitan ini
dapat diilustrasikan dengan grafik analisis profit kami model. bahwa solusi tidak
lagi berada di batas ruang solusi yang layak, seperti yang akan terjadi dalam
pemrograman linier. Poin C merepresentasikan profit yang lebih besar dari poin B,
dan juga dalam ruang solusi yang memungkinkan. Ini berarti kita tidak bisa begitu
saja melihat poin batas ruang solusi untuk menemukan solusi; sebaliknya, kita juga
harus mempertimbangkan hal-hal lain di permukaan fungsi tujuan. Ini sangat
mempersulit proses pencarian solusi ke masalah pemrograman nonlinear, dan
kesulitan ini diperburuk oleh peningkatan jumlah variabel dan kendala dan fungsi
non linier dari tingkat yang lebih tinggi. Bisa dibayangkan sulitnya mencari solusi
jika merenungkan model ruang yang dibuat berpotongan kerucut, elips, dan
permukaan bergelombang, serta bidang, dan solusi yang bahkan tidak ada di batas
ruang solusi.
Seperti yang telah kami tunjukkan, mereka biasanya mewakili konvergensi prinsip-
prinsip kalkulus dan pemrograman matematika. Namun, seperti disebutkan
sebelumnya, teknik pemecahannya bisa sangat membantu kompleks. Dengan
demikian, kami akan membahas diskusi kami tentang metode solusi pemrograman
non linier beberapa aplikasi model yang berbeda dan solusi Excel.