Kelompok 02 - Tahap 1 - Aulia Nisanti

LAPORAN PRAKTIKUM
Kelompok 2 PENELITIAN OPERASIONAL
Nila Sari Aulia Putri 21070119120046

Putra Baning Bagas 21070119130058
Rafi Dzakwan 21070119130109
Richard Jonathan G 21070119130119
DEPARTEMEN TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2021
Jalan Nuri I No. 4, Tangerang, Banten, Indonesia Nomor telepon: 021 – 3528197Email: fachmannconsultant@gmail.com
LEMBAR PENGESAHAN
LAPORAN PRAKTIKUM PENELITIAN OPERASIONAL
Semarang, 23 Mei 2021

Asisten,
Aulia Nisanti
NIM 21070118120058
Mengetahui,
Koordinator Praktikum,
Hilda Nurdamayanti
NIM 21070117130125
KATA PENGANTAR
Pertama-tama kami panjatkan puji syukur atas kehadirat Tuhan Yang Maha Esa
karena telah melimpahkan rahmat dan karunia-Nya agar kami dapat menyelesaikan
laporan untuk untuk memenuhi tugas mata kuliah Penelitian Operasional.
Laporan ini mencakup tujuh kasus yang diberikan oleh suatu perusahaan kepada
sebuah konsultan untuk dianalisis solusi optimal untuk tiap kasus. Kasus tersebut antara
lain: teori permainan, program bilangan bulat, knapsack, rantai markov, stagecoach,
transportasi, dan teori antrean. Persoalan diselesaikan dengan pengolahan data secara
manual dan software serta dilakukan analisis untuk menemukan solusi optimal pada tiap
kasus.
Adapun dalam penyusunan laporan Penelitian Operasional telah kami upayakan
dengan baik dan tentunya dengan bantuan dari berbagai pihak sehingga dapat
memperlancar proses penyusunan laporan ini. Untuk itu, kami mengucapkan terima
kasih kepada:
1. Pak Yusuf Widharto S.T, M.Eng. selaku dosen pengampu mata kuliah Penelitian
Operasional
2. Para asisten Laboratorium Optimasi dan Perancangan Sistem Industri dan
khususnya pada Kak Aulia Nisanti selaku asisten dari kelompok 2
3. Teman-teman seperjuangan kelompok 2 Praktikum Penelitian Operasional
4. Pihak-pihak yang telah membantu menyelesaikan Laporan Praktikum Penelitian
Operasional yang tidak dapat kami sebutkan satu per satu.
Namun tidak lepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada
kekurangan dari laporan ini baik dari segi penyusun bahasa, isi maupun segi lainnya.
Oleh karena itu, kami menerima segala kritik dan saran dari pembaca demi
memperbaiki laporan ini agar dapat memberi manfaat dan inspirasi bagi pembaca.
Semarang, 5 Maret 2021
Penyusun
iii
DAFTAR ISI
KATA PENGANTAR.....................................................................................................iii
DAFTAR ISI....................................................................................................................iv
DAFTAR GAMBAR.......................................................................................................vi
DAFTAR TABEL..........................................................................................................viii
BAB I PENDAHULUAN..............................................................................................1
1.1 Latar Belakang....................................................................................................1
1.2 Rumusan Masalah..............................................................................................2
1.3 Batasan Penelitian..............................................................................................3
1.4 Tujuan Penelitian................................................................................................4
1.5 Sistematikan Penulisan.......................................................................................4
BAB II TINJAUAN PUSTAKA.....................................................................................6
2.1 Integer Linear Programming..............................................................................6
2.2 Transportation.....................................................................................................9
2.3 Teori Antrian....................................................................................................17
2.4 Stagecoach........................................................................................................26
2.5 Game Theory....................................................................................................30
2.6 Knapsack..........................................................................................................38
2.7 Markov Chain...................................................................................................41
BAB III PROFIL PERUSAHAAN................................................................................49
3.1 Sejarah Perusahaan...........................................................................................49
3.2 Logo Perusahaan..............................................................................................49
3.3 Visi dan Misi Perusahaan.................................................................................50
3.4 Struktur Organisasi Perusahaan........................................................................51
BAB IV PENGOLAHAN DATA...................................................................................54
4.1 Pengumpulan Data............................................................................................54
4.1.1 Kasus I (Integer Linear Programming).............................................................54
4.1.2 Kasus 2 (Transportation)..................................................................................55
4.1.3 Kasus 3 (Teori Antrian)....................................................................................56
4.1.4 Kasus 4 (Stagecoach).......................................................................................58
iv
4.1.5 Kasus 5 (Game Theory)....................................................................................60
4.1.6 Kasus 6 (Knapsack)..........................................................................................61
4.1.7 Kasus 7 (Markov Chain)..................................................................................61
4.2 Pengolahan Data...............................................................................................63
4.2.1 Kasus 1 (Integer Linear Programming)............................................................63
4.2.2 Kasus 2 (Transportasi)......................................................................................66
4.2.3 Kasus 3 (Teori Antrian)....................................................................................81
4.2.4 Kasus 4 (Stagecoach).......................................................................................96
v
DAFTAR GAMBAR
Gambar 2.1 Ilustrasi Suply dan Demand dalam Transportasi Seimbang........................10

Gambar 2.2 Sistem Antrian.............................................................................................19
Gambar 2.3 Mekanisme Antrian Single Chanel single Phase.........................................20
Gambar 2.4 Single Chanel Multi Phase..........................................................................20
Gambar 2.5 Multi Chanel Single Phase..........................................................................21
Gambar 2.6 Multi Chanel Multi Phase............................................................................21
Gambar 2.7 Ilustrasi Permasalahan Stagecoach..............................................................27
Gambar 3.1 Logo Fachmann Consultant.........................................................................49
Gambar 3.2 Struktur organisasi Fachmann Consultant...................................................51
Gambar 3.3 Foto Direktur Utama....................................................................................52
Gambar 3.4 Foto HRD Manager.....................................................................................52
Gambar 3.5 Foto Consultant Manager............................................................................53
Gambar 3.6 Foto Marketing Manager.............................................................................53
Gambar 4.1 Metode Branch And Bound.........................................................................65
Gambar 4.2 Perhitungan Software..................................................................................65
Gambar 4.3 Output Software Imboost Force..................................................................70
Gambar 4.4 Output Software Immune Booster...............................................................75
Gambar 4.5 Output Software Imunos..............................................................................81
Gambar 4.6 Output Software WinQSB Pada Teori antrian 1 Kelompok Pekerja...........83
Gambar 4.8 Output kinerja sistem Multiple Server dengan s = 2 dengan Winqsb.........89
Gambar 4.9 Output Ringkasan Probablitas Kasus Multiple Server dengan n=2............90
Gambar 4.10 Output kinerja sistem Multiple Server dengan s = 3 dengan Winqsb.......90
Gambar 4.11 Output kinerja sistem Multiple Server dengan s = 4 dengan Winqsb......91
vi
Gambar 4.17 Output kinerja sistem Multiple Server dengan s = 10 dengan Winqsb....95
Gambar 4.18 Rute Perjalanan PT Bio Medika................................................................96
Gambar 4.19 Output software PT Bio Medika................................................................97
Gambar 4.20 Rute Perjalanan PT Indo Farma.................................................................98
Gambar 4.21 Output software PT Indo Farma..............................................................100
Gambar 4.22 Rute Perjalanan PT Indo Waras...............................................................100
Gambar 4.23 Output software PT Indo Waras..............................................................102
Gambar 4.24 Rute Perjalanan PT Pratama Medika.......................................................103
Gambar 4.25 Output software PT Pratama Medika......................................................104
Gambar 4.26 Rute Perjalanan PT Sehat Prima..............................................................105
Gambar 4.27 Output software PT Sehat Prima.............................................................106
vii
DAFTAR TABEL
Tabel 2.1 Tabel biaya permasalahan tarnsportasi distribusi pupuk.................................11

Tabel 2.2 Tabel solusi awal transportasi dengan metode Nort-west corner....................12
Tabel 2.3 Tabel solusi awal transportasi dengan metode Least-cost...............................13
Tabel 2.4 Tabel penyesuaian penalti pertama transportasi dengan metode Vogel..........15
Tabel 2.5 Tabel penyesuaian penalti kedua transportasi dengan metode Vogel............15
Tabel 2.6 Tabel penyesuaian penalti ketiga transportasi dengan metode Vogel.............15
Tabel 2.7 Tabel solusi awal transportasi dengan metode Vogel.....................................16
Tabel 2.8 Daftar Stage dan state......................................................................................27
Tabel 2.9 Tahap 4 penyelesaian stagecoach....................................................................29
Tabel 2.10 Tahap 3 penyelesaian stagecoach..................................................................29
Tabel 2.13 Solusi optimum permasalahan stagecoach....................................................30
Tabel 2.14 Matriks Pay-off (Strategi Murni)..................................................................32
Tabel 2.15 Matriks Pay-off (Strategi Murni) Langkah 1................................................33
Tabel 2.16 Matriks Pay-off (Strategi Murni) Langkah 2................................................33
Tabel 2.17 Matriks Pay-off (Strategi Campuran)............................................................34
Tabel 2.18 Matriks Pay-off (Strategi Campuran)............................................................36
Tabel 2.19 Data Perumusan Knapsack Problem.............................................................40
Tabel 2.20 Data Persoalan Markov.................................................................................46
Tabel 4.1 Waktu Baku.....................................................................................................54
Tabel 4.2 Anggaran dan pendapatan PT Bayer Indo.......................................................55
Tabel 4.3 Tabel Kapasitas Gudang PT Bayer Indo.........................................................55
Tabel 4.4 Tabel Permintaan Distribution Center.............................................................56
Tabel 4.5 Tabel Biaya Pengiriman..................................................................................56
Tabel 4.6 Biaya dari Kegiatan Produksi..........................................................................57
Tabel 4.7 Nilai PT Bayer Indo bersaing dengan PT Putra Rakyat..................................60
viii
Tabel 4.8 Nilai PT Bayer Indo bersaing dengan PT Mega Medicus...............................60
Tabel 4.9 Nilai PT Bayer Indo bersaing dengan PT Tunggal Mukti dan PT Soho.........61
Tabel 4.10 Berat Kendaraan dan Keuntungan Tiap Item................................................61
Tabel 4.11 Iterasi 0 tahap 1.............................................................................................64
Tabel 4.12 Iterasi 1 tahap 1.............................................................................................64
Tabel 4.13 Langkah 1 Imboost Force..............................................................................66
Tabel 4.20 Hasil VAM Imboost Force............................................................................69
Tabel 4.21 Langkah 1 Immune Booster..........................................................................71
Tabel 4.28 Hasil VAM Immune Booster........................................................................74
Tabel 4.29 Langkah 1 Imunos.........................................................................................76
Tabel 4.38 Hasil VAM Imunos.......................................................................................80
ix
Tabel 4.39 Rekap Kinerja Sistem dan Biaya Kasus Pengangkutan Material..................85
Tabel 4.40 Rekap uji analisis sensitivitas menggunakan software winqsb.....................95
Tabel 4.41 Stage 5 PT Bio Medika.................................................................................96
Tabel 4.46 Rekap Perhitungan PT Bio Medika...............................................................98
Tabel 4.47 Stage 6 PT Indo Farma..................................................................................98
Tabel 4.53 Rekap Perhitungan PT Indo Farma.............................................................100
Tabel 4.54 Stage 6 PT Indo Waras................................................................................101
Tabel 4.60 Rekap Perhitungan PT Indo Waras.............................................................102
Tabel 4.61 Stage 5 PT Pratama Medika........................................................................103
Tabel 4.66 Rekap Perhitungan PT Pratama Medika.....................................................104
Tabel 4.67 Stage 5 PT Sehat Prima...............................................................................105
x
Tabel 4.72 Rekap Perhitungan PT Sehat Prima............................................................107
xi
Fachmann Consultant
Jalan Nuri I No. 4, Tangerang, Banten, Indonesia
Nomor telepon: 021 – 3528197
Email: fachmannconsultant@gmail.com
BAB I
PENDAHULUAN
1.1 Latar Belakang

Pada zaman sekarang ini, bidang industri mengalami perkembangan yang sangat
pesat sehingga muncul berbagai macam perusahaan di bidang elektronik, kesehatan,
kuliner, dan masih banyak lagi. Dalam setiap perusahaan tidak akan lepas dari
permasalahan, oleh karena itu setiap perusahaan dituntut untuk dapat mengatasi
permasalahan yang ada. Tingginya persaingan antar perusahaan yang bergerak di
bidang industri menuntut masing – masing perusahaan untuk berinovasi terhadap
produk yang dijual. Melihat potensi pasar baik itu lokal maupun global juga penting
bagi suatu perusahaan untuk mengambil keputusan yang tepat terkait solusi yang akan
diambil perusahaan dalam menentukan langkah ke depan. Fachmann consultant
didirikan karena adanya keinginan dari pendiri untuk membantu perusahaan –
perusahaan di bidang industri dalam menyelesaikan permasalahan yang timbul dalam
keberlangsungan dari suatu perusahaan sehingga nantinya Fachmann consultant dapat
memberikan solusi dari permasalahan yang dihadapi perusahaan tersebut.
Permasalahan yang dimiliki perusahaan bermacam – macam diantaranya yaitu
masalah produksi, distribusi barang, penyimpanan barang, strategi perusahaan, alur
transportasi serta alokasi tenaga kerja yang dibutukan. Evaluasi kerja sangat diperlukan
sehingga perusahaan dapat mengambil keputusan yang tepat untuk menjawab
permasalahan – permasalahan diatas dengan tujuan agar biaya – biaya yang dikeluarkan
perusahaan minimum dan mendapatkan keuntungan yang maksimum.
Melihat permasalahan yang ada, Fachmann Consultant selaku konsultan dari
perusahaan PT Bayer Indo akan membantu memberikan solusi berdasarkan beberapa
pendekatan yang dilakukan ke dalam berbagai permasalahan yang muncul. PT Bayer
Indo merupakan perusahaan global dengan kompetensi di bidang life science terkait
kesehatan dan pertanian dan berada di Tangerang. Produk dan layanan PT Bayer Indo
dirancang untuk memberikan manfaat serta meningkatkan kualitas hidup manusia.
Make Indonesia Great Again 1

Fachmann Consultant
Produk Bayer sudah ada di Indonesia sejak tahun 1920. PT Bayer Indone memiliki
beberapa departemen seperti departemen produksi, quality system, dan marketing.
PT Bayer Indo menggunakan jasa Fachmann Consultant untuk membantu
memperbaiki keadaan perusahaan yang mengalami beberapa permasalahan. Dalam
menyelesaikan permasalahan yang ada, Fachmmann Consultant menggunakan model
optimasi untuk mengambil keputusan. Banyak permasalahan matematika yang dapat
diselesesaikan dengan metode stokastik untuk menentukan penyelesaian yang terbaik.
Dengan tetap memperhatikan faktor – faktor yang mempengaruhi permasalahan
tersebut. Beberapa permasalahan yang dapat diselesaikan dengan menggunakan model
matematis, dalam perhitungannya juga menggunakan metode optimasi untuk mencapai
hasil yang optimal.
Masalah yang dihadapi oleh PT Bayer Indo antara lain utnuk menentukan
jumlah produksi untuk mendapatkan keuntungan maksimum, meminimumkan biaya
transportasi, meminimasi antrian dan biaya untuk mengantri, memilih rute terpendek
dalam pengiriman, memilih strategi pemasaran terbaik, menentukan jumlah produk
yang didistribusi dari setiap jenis produk, dan meramalkan persediaan produk PT Bayer
Indo. Permasalahan dalam PT Bayer Indo dapat diselesaikan dengan metode – metode
yaitu integer Linear programming, transportasi, teori antrian, stagecoach, game theory,
knapsack, dan markov chain.
1.2 Rumusan Masalah

Rumusan masalah pada praktikum Penelitian Operasional kali ini adalah untuk
menemukan solusi dari 7 kasus yang dialami oleh PT Bayer Indo yaitu:
1. Menentukan jumlah produksi untuk mendapatkan keuntungan maksimum.
2. Menentukan jumlah produk yang akan didistribusikan ke masing – masing
daerah untuk meminimumkan biaya transportasi.
3. Menentukan penentuan jumlah kelompok operator yang menjalakan mesin
pada gudang departemen produksi dan kombinasi sistem terbaik pada
departemen perakitan supaya meminimasi antrian dan biaya mengantri.

Fachmann Consultant
4. Menentukan rute pengiriman terpendek dari lima supplier terpilih menuju

PT Bayer Indo.
5. Menentukan strategi terbaik untuk masing – masing wilayah pemasaran
agar dapat bersaing dengan pesaing.
6. Menentukan jumlah produk yang didistribusi dari setiap jenis produk
dengan memperhatikan kapasitas muatan dan keuntungan.
7. Meramalkan persediaan yang ada untuk PT Bayer Indo dalam beberapa
kondisi serta biaya yang dikeluarkan untuk persediaan.
1.3 Batasan Penelitian

Batasan dalam penelitian ini yaitu :
1. Menentukan jumlah produksi untuk mendapatkan keuntungan maksimum
dengan menggunakan metode Integer Linier Programming.
2. Menentukan jumlah produk yang akan didistribusikan ke masing –
masing daerah untuk meminimumkan biaya transportasi dengan
menggunakan metode Transportation Land.
3. Menentukan penentuan jumlah kelompok operator yang menjalakan
mesin pada gudang departemen produksi dan kombinasi sistem terbaik
pada departemen perakitan supaya meminimasi antrian dan biaya
mengantri dengan menggunakan metode Teori Antrian
4. Menentukan rute pengiriman terpendek dari lima supplier terpilih
menuju PT Bayer Indo dengan menggunakan metode Stagecoach.
5. Menentukan strategi terbaik untuk masing – masing wilayah pemasaran
agar dapat bersaing dengan pesaing dengan menggunakan metode Game
Theory.
6. Menentukan jumlah produk yang didistribusi dari setiap jenis produk
dengan memperhatikan kapasitas muatan dan keuntungan dengan
menggunakan metode Knapsack.

Fachmann Consultant
7. Meramalkan persediaan yang ada untuk PT Bayer Indo dalam beberapa

kondisi serta biaya yang dikeluarkan untuk persediaan dengan
menggunakan metode Markov Chain.
1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah :
1. Mengidentifikasi berbagai permasalahan yang terjadi di PT Bayer Indo.
2. Memberikan strategi berupa alternatif solusi untuk menyelesaikan
permasalahan yang terjadi di PT Bayer Indo.
3. Menentukan keputusan terbaik atau solusi yang paling efektif dan efisien
sehingga dapat memberikan keuntungan maksimum dengan
meminimumkan biaya yang dikeluarkan.
1.5 Sistematikan Penulisan

Sistematika penulisan laporan praktikum Penelitian Operasional adalah sebagai
berikut :
BAB I PENDAHULUAN
Berisi latar belakang, rumusan masalah, batasan masalah, tujuan
penelitian dan sistematika penulisan laporan praktikum Penelitian
Operasional.
BAB II TINJAUAN PUSTAKA
Berisi tentang hal – hal yang berkaitan dengan teori dan metode
yang digunakan meliputi integer linear programming,
transportation, teori antrian, stagecoach, game theory, knapsack,
dan markov chain yang digunakan sebagai dasar pengolahan data
serta pembuatan analisis.
BAB III PROFIL PERUSAHAAN
Berisi tentang sejarah, logo perusahaan, visi misi perusahaan, dan
struktur organisasi perusahaan
BAB IV PENGOLAHAN DATA

Fachmann Consultant
Berisi data yang akan digunakan dalam penelitian sebagai dasar

penulisan laporan dan pengolahan data sehingga menghasilakan
solusi yang optimal.
BAB V ANALISIS
Berisi analisa terhadap solusi yang dihasilkan dalam penyelesaian
permasalahan PT Bayer Indo untuk setiap kasusnya.
BAB VI KESIMPULAN DAN SARAN
Berisi kesimpulan dan saran oleh Fachmann Consultant kepada PT
Bayer Indo.

Fachmann Consultant
BAB II
TINJAUAN PUSTAKA
2.1 Integer Linear Programming

Integer Linier Programming (integer linear programming/ILP) adalah sebuah
model matematis yang memungkinkan hasil penyelesain pemrograman linear yang
berupa bilangan pecahan diubah menjadi bilangan bulat tanpa meninggalkan optimalitas
peneyelesaian. Banyak aplikasi kegunaan dari integer programming, misalnya dalam
penghitungan produksi sebuah perusahaan manufaktur, dimana hasil dari
perhitungannya haruslah bilangan bulat, karena perusahaan tidak dapat memproduksi
produknya dalam bentuk setengah jadi. Misal perusahaan perkitan mobil tidak bisa
merakit 5,3 mobil A dan 2,5 mobil B perhari, tetapi haruslah bilangan bulat, dengan
metode pembulatan, bisa kita hasilkan misalnya 5 mobil A dan 2 mobil B per hari.
(Dimyati,2004).
Integer linear progragmming dipakai pada kasus program linear yang tidak dapat
menerapkan asumsi divisibilitas. Jadi solusinya merupakan solusi diskrit tidak lagi
kontinu seperti program linear biasa. Misalnya suatu solusi menghasilkan 4,23 buah
pesawat terbang yang akan diproduksi agar keuntungan maksimum. Hal ini tidak dapat
diterima karena pesawat yang dibuat seharusnya 4 atau 5 buah. Masalah solusi yang
tidak bulat ini dapat diatasi dengan menggunakan optimisasi dengan solusi bulat yang
disebut dengan integer programming. Model dari integer programmingsebagai berkut:
Maksimumkan
n
Z=∑ C j X j
j=1
Dengan kendala
n
∑ ai j x j=¿b ,i=1,2,3.. ¿
i
j=1
x j jxinteger, untuk beberapa atau untuk semua j = 1,2,3,...n

Semua persoalan program integer mempunyai empat sifat umum yaitu, sebagai berikut
(Susanta, B. 1994):

Fachmann Consultant
a. Fungsi Tujuan (objective function)

b. Persoalan program integer bertujuan untuk memaksimumkan atau
meminimumkan pada umumnya berupa laba atau biaya sebagai hasil
yang optimal.
c. Adanya kendala atau batasan (constraint) yang membatasi tingkat
sampai di mana sasaran dapat dicapai. Oleh karena itu, untuk
memaksimumkan atau meminimumkan suatu kuantitas fungsi tujuan
bergantung kepada sumber daya yang jumlahnya terbatas.
d. Harus ada beberapa alternatif solusi layak yang dapat dipilih.
e. Tujuan dan batasan dalam permasalahan program integer harus
dinyatakan dalam hubungan dengan pertidaksamaan atau persamaan
linear.
Macam macam solusi dalam model integer linear programming :
a. Feasible
Solusi yang memenuhi semua pembatas yang ada
b. Infeasible
Solusi dimana sedikitnya satu kendala tidak terpenuhi dengan kata lain dilanggar
c. Unbounded
Solusi dimana nilainya infinit.
Berdasarkan batasannya terdapat 3 jenis integer programming yaitu:
1. Pure (all) integer programming. Jika model mengharapkan semua variabel basis
bernilai integer (bulat positif atau nol)
2. Mixed integer programming. Jika model hanya mengharapkan variabel-variabel
tertentu bernilai bulat.
3. Zero one integer programming. Jika model hanya mengharapkan nilai 0 atau 1
untuk variabel n.
Teknik yang dapat digunakan untuk menyelesaikan program integer yaitu
(Dimyati, 2004):
1. Metode Grafis
Metode ini sama seperti metode pemecahan dalam programa linear dalam bentuk

Fachmann Consultant
grafis, namun dengan tambahan pembatas yakni variabel keputusan sebagian atau
semua—berupa bilangan bulat. Langkah-langkah metode grafis, yaitu:
1) Ubahlah pertidaksamaan fungsi kendala menjadi persamaan eksplisit
2) Gambarkan grafik setiap persamaan fungsi kendala, kemudian tentukan feasible
region yaitu daerah yang dibatasi oleh semua fungsi kendala dan merupakan
himpunan titik kombinasi X1 dan X2 yang memberikan solusi bagi model LP
bersangkutan
3) Tentukan titik kritis (titik terluar dari feasible region) yang merupakan solusi
optimal, yaitu titik kritis yang memberikan Z maksimum.
2. Metode Round Off
Metode ini memberikan cara konvensional atau kolot terhadap permasaahan
programa bilangan bulat, yakni melakukan pembulatan (round off) terhadap solusi
optimal bila dimungkinkan.
3. Metode Branch-and-Bound
Metode ini dilakukan dengan mengibaratkan suatu permasalahan sebagai pohon
(tree), kemudian permasalahan tersebut dibagi atau dibuat percabangan (branching)
ke dalam subset yang lebih kecil. Langkah-langkah metode Branch-and-Bound,
yaitu:
1) Selesaikan LP dengan metode simpleks biasa
2) Teliti solusi optimumnya. Jika variabel basis yang diharapkan bulat adalah
bulat, solusi optimum bulat telah tercapai.
3) Nilai solusi pecah yang layak dicabangkan ke dalam sub-sub masalah.
Tujuannya adalah untuk menghilangkan solusi kontinyu yang tidak memenuhi
persyaratan bulat dalam masalah itu.
4) Untuk setiap sub-masalah, nilai solusi optimum kontinyu fungsi tujuan
ditetapkan sebagai batas atas. Solusi bulat terbaik menjadi batas bawah (pada
awalnya, ini adalah solusi kontinyu yang dibulatkan ke bawah). Sub-sub
masalah yang memiliki batas atas kurang dari batas bawah yang ada, tidak
diikut sertakan pada analisa selanjutnya. Suatu solusi bulat layak adalah sama
baik atau lebih baik dari batas atas untuk setiap sub masalah yang dicari. Jika

Fachmann Consultant
solusi yang demikianterjadi, suatu sub masalah dengan batas atas terbaik
dipilih untuk dicabangkan.
5) Kembali ke langkah 3
Linear programming dapat menyelesaikan bebagai permasalahan yang dihadapi
dalam di kehidupan sehari-hari, antara lain :
1. Digunakan pada perusahaan konveksi dalam menentukan jumlah produk yang akan
diproduksi. Konveksi harus memproduksi 4 tipe sprei dari gulungan kain yang
tersedia. Permasalahan ini bisa dijawab dengan mencari jumlah produk sprei untuk
setiap tipe yang harus diproduksi dengan mempertimbangkan persediaan kain yang
ada. Permasalahan ini dapat diselesaikan dengan ILP karena variabel keputusan
harus dinyatakan dalam bilangan bulat. Variabel keputusannya ada 4 yaitu jumlah
sprei untuk setiap tipe. Sedangkan yang dijadikan kendala adalah bahan baku yaitu
gulungan kain dan keuntungan dari masing masing tipe sprei sebagai fungsi tujuan.
Setelah memaksimumkan fungsi tujuan dengan metode ILP nilai variabel
keputusan optimal akan diketahui.
2. Digunakaan untuk meminimkan waktu kerja dalam sebuah perusahaan jasa
perakitan merakit 3 jenis senter. Senter jenis A dirakit dengan membutuhkan waktu
15 menit, jenis B selama 4 menit dan jenis C selama 12 menit. Waktu pengerjaan
tiap jenis senter dijadikan kontsrain yang akan diminimukan terhadap fungsi tujuan.
Hasil akhir jumlah senter berupa satuan bilangan bulat maka masalah ini termasuk
masalah Integer Linear Programming.
3. ILP juga digunakan dalam masalah penjadwalan misalnya jadwal regu petugas
pengamanan. Fungsi kendala yang digunakan dalam kasus penjadwalan adalah
jumlah kebutuhan karyawan setiap shift. Sedangkan fungsi sasaran yaitu untuk
meminimumkan biaya yang dikeluarkan.
2.2 Transportation
Masalah transportasi berhubungan dengan distribusi suatu produk tunggal dari
beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuan, dengan
permintaan tertentu, pada biaya transpor minimum. Karena hanya ada satu macam

Fachmann Consultant
barang, suatu tempat tujuan dapat memenuhi permintaannya dari satu atau lebih sumber.
Asumsi dasar model ini adalah bahwa biaya transpor pada suatu rute tertentu
proporsional dengan banyaknya unit yang dikirimkan. Definisi unit yang dikirimkan
sangat tergantung pada jenis produk yang diangkut, yang penting, satuan penawaran dan
permintaan akan barang yang diangkut harus konsisten.
Metode transportasi digunakan untuk memecahkan masalah bisnis,
pembelanjaan modal, alokasi dana untuk investasi, analisis lokasi, keseimbangan lini
perakitan dan perencanaan serta scheduling produksi. Ciri-ciri permasalahan model
transportasi :
1. Terdapat sejumlah sumber dan tujuan tertentu.
2. Kuantitas komoditi/barang yang didisitribusikan dari setiap sumber dan yang
diminta oleh setiap tujuan besarnya tertentu.
3. Komoditi yang dikirim/diangkut dari suatu sumber ke suatu tujuan besarnya sesuai
dengan permintaan dan atau kapasitas sumber.
4. Ongkos pengangkutan komoditi dari suatu sumber ke suatu tujuan besarnya
tertentu.
Permasalahan yang ditemui dalam transportasi yaitu:
1. Masalah transportasi seimbang
Untuk menjelaskan masalah transportasi, suatu contoh akan disajikan di mana
jumlah supply dari semua sumber sama dengan jumlah permintaan pada semua
tempat tujuan. Masalah jenis ini dinamakan masalah transportasi seimbang.
Gambar 2.1 Ilustrasi Suply dan Demand dalam Transportasi Seimbang

(Sumber : www.mercubuana.ac.id)

Fachmann Consultant
Masalah ini dapat dipecahkan dengan menggunakan metode simpleks.

Namun suatu masalah transportasi yang relatif kecil, model transportasi
mengakibatkan pengunaan metode solusi khusus yang perhitungannya lebih efisien
dibanding metode simplex.
2. Masalah transportasi tak seimbang
Pada umumnya, kebanyakan masalah adalah tak seimbang di mana penawaran
lebih besar daripada permintaan atau sebaliknya. Dalam kasus masalah tak
seimbang, metode solusi transportasi membutuhkan sedikit modifikasi. Dalam
kasus di mana penawaran lebih besar daripada permintaan, diperlukan modifikasi
tabel yang sebaliknya, suatu kolom dummy ditambahkan. Misalkan dalam masalah
transportasi pupuk, jika permintaan pada tujuan 1 adalah 100 dan bukan lagi 150,
maka jumlah permintaan menjadi 230 dan jumlah penawaran tetap 280.
Pada bentuk umum masalah transportasi di atas, terdapat m kendala penawaran
dan n kendala permintaan, keseluruhannya terdapat m + n kendala. Dalam suatu
masalah LP banyaknya variabel basis dalam tabel simpleks sama dengan banyaknya
kendala. Namun, pada masalah transportasi, terdapat sebuah kendala yang berlebih
(redundant). Ada beberapa metode untuk mencari solusi dasar awal layak.
Contoh masalah transportasi pengokasian pupuk dari 3 pabrik ke 3 gudang yang
tersedia. Biaya, permintaan dan suplai pada tabel berikut:
Tabel 2.1 Tabel biaya permasalahan tarnsportasi distribusi pupuk
Dari/ke 1 2 3 Supply
1 8 5 6 120
2 80
3 80
Demand 150 70 60 280
Tiga dari metode yang dikenal, yaitu North west Corner, Least Cost, dan
Aproksimasi
1. Metode North – West Corner
Metode ini adalah yang paling sederhana diantara tiga metode yang telah
disebutkan untuk mencari solusi awal. Langkah-langkahnya diringkas seperti
berikut:
1. Mulai pada pojok barat laut tabel dan alokasikan sebanyak mugkin pada X11

Fachmann Consultant
tanpa menyimpang dari kendala penawaran atau permintaan (artinya X11

ditetapkan sama dengan yang terkecil di antara nilai S1 da D1 )
2. Ini akan menghabiskan penawaran pada sumber 1 dan atau permintaan pada
tujuan 1. Akibatnya, tak ada lagi barang yang dapat dialokasikan ke kolom atau
baris yang telah dihabiskan dan kemudian baris atau kolom itu dihilangkan.
Kemudian alokasikan sebanyak mungkin ke kotak di dekatnya pada baris atau
kolom yang tak dihilangkan. Jika baik kolom maupun baris telah dihabiskan,
pindahlah secara diagonal ke kotak berikutnya.
3. Lanjutkan dengan cara yang sama sampai semua penawaran telah dihabiskan
dan keperluan permintaan telah dipenuhi.
Permasalahan distribusi pupuk dapat diselesaikan dengan metode northwest sebagai
berikut :
Tabel 2.2 Tabel solusi awal transportasi dengan metode Nort-west corner
1 120 8 5 6 120
2 30 15 50 10 12 80
3 3 20 9 60 10 80
Demand 150 70 60 280
Solusi awal diperoleh dengan cara seperti berikut:
1) Sebanyak mungkin dialokasikan ke X11 sesuai dengan aturan bahwa X11
adalah yang minimum di antara [120, 150], berarti X11 = 120. Ini
menghabiskan penawaran pabrik 1 dan akibatnya, pada Langkah selanjutnya
baris 1 dihilangkan.
2) Karena X11 = 120, maka permintaan pada tujuan 1 belum terpenuhi
sebanyak 30. Kotak di dekatnya, X21 , di alokasikan sebanyak mungkin
sesuai dengan X21 = min [30, 80] = 30. ini menghilangkan kolom 1 pada
langkah selanjutnya.
3) Kemudian X22 = min [50, 70] = 50, yang menghilangkan baris 2
4) X22 = min [20, 80] = 20
5) X33 = min [60, 60] = 60
Sehingga diperoleh solusi awal
Z = (8x120) + (15x30) + (10x50) + (9x20) + (10x60) = 2690 (belum tentu optimum)

Fachmann Consultant
2. Metode Least-Cost
Metode Least-Cost berusaha mencapai tujuan minimisasi biaya dengan alokasi
sistematik kepada kotak-kotak sesuai dengan besarnya biaya transpor per unit.
Prosedur metode ini adalah:
1) Pilih variabel Xij (kotak) dengan biaya transpor (Cij ) terkecil dan alokasikan
sebanyak mungkin. Untuk Cij terkecil, Xij = minimum [Si , Dj ]. Ini akan
menghabiskan baris i atau kolom j.
2) Dari kotak-kotak sisanya yang layak (yaitu yang tidak terisi atau tidak
dihilangkan), pilih nilai Cij terkecil dan alokasikan sebanyak mungkin.
3) Lanjutkan proses ini sampai semua penawaran dan permintaan.
Hasil permasalahan distribusi pupuk dengan Metode Least-Cost :
Tabel 2.3 Tabel solusi awal transportasi dengan metode Least-cost
1 8 70 5 50 6 120
2 70 15 10 10 12 80
3 80 3 9 10 80
Demand 150 70 60 280
Langkah penyelesaian :
1) Langkah pertama dalam metode Least-Cost menyarankan alokasi pada X31 ,
karena c 31 = 3 adalah kotak dengan biaya minimum. Jumlah yang dialokasikan
adalah X31 = minimum [150, 80] = 80. Karena alokasi ini menghabiskan
penawaran sumber 3, baris 3 dihapus, dan X32 maupun X33 tak layak lagi. Juga,
permintaan sebanyak 150 pada tujuan 1 dikurangi 80 sehingga sekarang
permintaannya tinggal 70.
2) Alokasi kotak selanjutnya dipilih dari 6 kotak sisanya, c ij terkecil adalah c12 =
5 dan X12 = minimum [70, 120] = 70. Alokasi ini menyebabkan kolom deman 2
ditutup.
3) Alokasi kotak selanjutnya dipilih c 13 karena menjadi biaya terkecil selanjutnya
sebanyak 50.
Sehingga solusi awal diperoleh:

Z = 70x5 + 50x6 + 70x15 + 10x12 + 80x3 = 2060

Fachmann Consultant
3. Metode Aproksimasi Vogel (VAM)

VAM selalu memberikan suatu solusi awal yang lebih baik disbanding metode
North-west Corner dan sering kali lebih baik daripada metode Least Cost.
Kenyataannya, pada beberapa kasus, solusi awal yang diperoleh melalui VAM akan
menjadi optimum. VAM melakukan alokasi dalam suatu cara yang akan
meminimumkan penalty (opportunity cost) dalam memilih kotak yang salah untuk
suatu alokasi. Proses VAM dapat diringkas sebagai berikut:
1) Hitung Opportunity cost untuk setiap baris dan kolom. Opportunity cost untuk
setiap baris I dihitung dengan mengurangkan nilai C ij terkecil pada baris itu
dari nilai Cij satu tingkat lebih besarpada baris yang sama. Opportunity cost
kolom diperoleh dengan cara yang serupa. Biaya-biaya ini adalah penalty karena
tidak memilih kotak dengan biaya minimum.
2) Pilih baris atau kolom dengan opportunity cost terbesar (jika terdapat nilai
kembar, pilih secara sembarang). Alokasikan sebanyak mungkin ke kotak
dengan nilai Cij minimum pada baris atau kolom yang dipilih. Untuk C ij
terkecil, Xij =minimum [Si ,Dj ]. Artinya penalty terbesar dihindari.
3) Sesuaikan penawaran dan permintaan untuk menunjukkan alokasi yang sudah
dilakukan. Hilangkan semua baris dan kolom di mana penawaran dan
permintaan telah dihabiskan.
4) Jika semua penawaran dan permintaan belum dipenuhi, kembali ke langkah 1
dan hitung lagi opportunity cost yang baru. Jika semua penawaran dan
permintaan telah dipenuhi, solusi awal telah diperoleh.
Setelah solusi layak dasar awal diperoleh, kemudian dilakukan perbaikan untuk
mencapai solusi optimum. Dua metode mencari solusi optimum akan dibahas di sini,
yaitu metode stepping-stone dan modified distribution.
Sebagai suatu contoh perhitungan penalty cost, pikirkan baris pertama. Nilai C ij
terkecil adalah 5 untuk C12. Kemudian yang satu tingkat lebih besar adalah C13 = 6
sehingga penalty cost adalah beda antara dua nilai ini, 6-5 = 1. Semua baris dan kolom
yang lain dihitung dengan cara serupa. Penalty cost terbesar untuk Tabel 7 adalah 6
yang terdapat pada baris 3. Alokasi pada baris ini dibuat pada kotak dengan nilai C ij

Fachmann Consultant
terkecil, dalam hal ini X31 = minimum [80, 150] = 80. Sekarang tabel harus disesuaikan
untuk menunjukkan sumber ke 3 telah terpakai habis dengan cara menghapus baris 3. Di
samping itu, permintaan yang belum terpenuhi pada tujuan 1 menjadi 70 bukan lagi
150. Tabel yang disesuaikan dengan perhitungan ulang penalty cost dan alokasi kedua
ditunjukkan pada Tabel 4.x berikut
Tabel 2.4 Tabel penyesuaian penalti pertama transportasi dengan metode Vogel
Dari/ke 1 2 3 Supply Penalti cost
1 8 5 6 120 1
2 15 10 12 80 2
3 80 3 9 10 80 6
Demand 150 70 60 280
Penalti cost 5 4 4
Dengan mengulangi langkah pertama didapatkan tabel penyesuaian kedua
sebagai berikut :
Tabel 2.5 Tabel penyesuaian penalti kedua transportasi dengan metode Vogel
1 70 8 5 6 120 1
2 15 10 12 80 2
3 80 3 9 10 80
Demand 150 70 60 280
Penalti cost 7 5 6
Tabel 2.6 Tabel penyesuaian penalti ketiga transportasi dengan metode Vogel
1 70 8 5 50 6 120 1
2 15 10 12 80 2
3 80 3 9 10 80
Demand 150 70 60 280
Penalti cost 5 6
Tabel penyesuaian keempat :
Tabel 2.7 Tabel solusi awal transportasi dengan metode Vogel
1 70 8 5 50 6 120
2 15 70 10 10 12 80
3 80 3 9 10 80
Demand 150 70 60 280
Sehingga diperoleh solusi awal :
Z = 70x8 + 70x10 + 10x12 + 80x3 + 50x6 = 1740

Fachmann Consultant
Untuk melakukan uji optimalisasi terhadap solusi awal yang diperoleh dapat digunakan
2 metode yaitu:
a. Metode Stepping Stone
Setelah solusi layak dasar awal diperoleh dari masalah transportasi, langkah
berikutnya adalah menekan ke bawah biaya transport dengan memasukkan
variabel nonbasis (yaitu alokasi barang ke kotak kosong) ke dalam solusi.
Proses evaluasi variabel non basis yang memungkinkan terjadinya
perbaikan solusi dan kemudian mengalokasikan kembali dinamakan metode
stepping stone. Langkah-langkah stepping stone:
1) Arah yang diambil, baik searah maupun berlawanan arah dengan jarum
jam adalah tidak penting dalam membuat jalur tertutup.
2) Hanya ada satu jalur tertutup untuk setiap kotak kosong.
3) Jalur harus hanya mengikuti kotak terisi (di mana terjadi perubahan
arah), kecuali pada kotak kosong yang sedang dievaluasi.
4) Namun, baik kotak terisi maupun kosong dapat dilewati dalam
penyusunan jalur tertutup.
b. Metode Modified Distribution (MODI)
Solusi dengan menggunakan metode Modified Distribution (MODI) adalah
suatu variasi metode stepping stone yang didasarkan pada rumusan dual. Ia
berbeda dari variasi metode stepping stone dalam hal bahwa dengan MODI
tidak perlu menentukan semua jalur tertutup variabel nonbasis. Sebagai
gantinya, nilai-nilai Cij ditentukan secara serentak dan hanya jalur tertutup
untuk entering variable yang diidentifikasikan.
Dalam metode MODI, suatu nilai Ui dirancang untuk setiap baris I dan
suatu nilai, Vj, dirancang untuk setiap kolom j pada tabel transportasi.
Untuk setiap variabel basis (yaitu kotak yang ditempati), Xij mengikuti
hubungan seperti berikut:
Ui + Vj = Cij
Metode MODI dapat diringkas dalam langkah-langkah berikut:
1) Tentukan nilai U i untuk setiap baris dan nilai-nilai V j untuk setiap

Fachmann Consultant
kolom dengan menggunakan hubungan Cij = Ui + V j untuk semua

variable basis dan tetapkan nilai nol untuk U1.
2) Hitung perubahan biaya Cij untuk setiap variable non basis dengan
menggunakan rumus Cij = Cij - Ui - V j.
3) Jika terdapat nilai Cij negatif, solusi belum optimal. Pilih variable Xij
dengan nilai Cij negative terbesar sebagai entering variable.
4) Alokasikan barang ke entering variable, Xij , sesuai proses stepping
stone. Kembali ke langkah 1.
2.3 Teori Antrian

Teori antrian pertama kali dikemukankan oleh A. K. Erlang, seorang ahli
matematika bangsa Denmark pada tahun 1913 dalam bukunya Solution of Some
Problem inthe Theory of Probability of Significance in Automatic Telephone Exchange.
Antrian terbentuk jika banyaknya pelanggan yang akan dilayani melebihi kapasitas
layanan yang tersedia, sehingga terjadi situasi dimana pelanggan harus antri untuk
mendapatkan suatu layanan (Bronson, 1991). Proses antrian merupakan contoh nyata
proses Poisson yang banyak terjadi pada berbagai fasilitas pelayanan. Proses antrian
merupakan suatu proses yang berhubungan dengan kedatangan pelanggan pada suatu
fasilitas pelayanan, menunggu dalam baris antrian jika belum dapat dilayani, kemudian
seorang pelanggan akan meninggalkan sarana pelayanan tersebut setelah selesai
pelayanan (Taha, 2004). Jadi secara sederhana antrian dapat diartikan sebagai keadaan
dimana pelanggan harus menunggu agar mendapatkan giliran pelayanan.
Tujuan penggunaan teori antrian adalah untuk merancang fasilitas pelayanan
untuk mengatasi permintaan pelayanan yang berfluktuasi secara random dan menjaga
keseimbangan antara biaya (waktu nganggur) pelayanan dan biaya (waktu) yang
diperlukan selama antri. Tujuan akhir menyelesaikan model antrian adalah untuk
menentukan ciri-ciri operasi sistem antrian. Diakhiri dengan menunjukkan bagaimana
memanfaatkan ciri-ciri operasi itu untuk merancang fasilitas pelayanan yang optimum.
Kelahiran dan kematian seolah-olah seperti unit kedatangan dan unit kepergian
dari sistem antrian. Kedatangan calling unit yang baru dalam sistem antrian disebut

Fachmann Consultant
dengan kelahiran, sedangkan keberangkatan unit yang telah dilayani merupakan

kematian. Proses kelahiran dan kematian ini rata-rata terjadinya hanya bergantung pada
keadaan yang sedang berlangsung dari sistem (random).
• Proses Kelahiran Murni
Proses kelahiran murni dengan tingkat kedatangan rata-rata konstan dengan
distribusi Poisson karena kematian diasumsikan tidak akan pernah terjadi.
Sehingga, probabilitas kelahiran pertama akan terjadi pada interval waktu
adalah 1-e−λt.
• Proses Kematian Murni
Proses kematian murni dengan tingkat pelayanan rata-rata konstan sampai
proses berakhir karena diasumsikan bahwa kelahiran tidak pernah terjadi.
Sehingga, proses tersebut ekuivalen dengan proses kelahiran murni, kecuali
proses-proses tersebut bergerak dalam arah yang berlawanan (Dimyati,
2004).
Komponen dasar antrian yaitu:
a. Kedatangan (Sumber Input)
Masalah antrian melibatkan kedatangan, misalnya orang, mobil,
panggilan telepon untuk dilayani, dan lain-lain. Unsur ini sering dinamakan
input. Proses input meliputi sumber kedatangan atau biasa dinamakan calling
population. Karakteristik dari populasi yang akan dilayani dapat dilihat
menurut ukurannya, pola kedatangan, serta perilaku dari populasi yang akan
dilayani. Menurut ukurannya, populasi yang dilayani bisa terbatas (finite) dan
tidak terbatas (infinite). Untuk waktu antar kedatangan, mengikuti distribusi
eksponensial (Dimyati, 2004).
b. Pelayanan
Mekanisme pelayanan bisa terdiri dari satu atau lebih pelayan, atau satu atau
lebih server pelayanan. Dalam mekanisme pelayanan ada 3 aspek yang harus
diperhatikan, yaitu:
 Tersedianya pelayanan
 Kapasitas pelayanan

Fachmann Consultant
 Lama pelayanan.
c. Antrian
Batasan panjang antrian bisa terbatas (limited) bisa juga tidak terbatas
(unlimited). Sebagai contoh antrian di jalan tol masuk dalam kategori panjang
antrian yang tidak terbatas. Sementara antrian di rumah makan, masuk
kategori panjang antrian yang terbatas karena keterbatasan tempat. Dalam
kasus batasan panjang antrian yang tertentu (definite line length) dapat
menyebabkan penundaan kedatangan antrian bila batasan telah tercapai.
Gambar 2.2 Sistem Antrian

(www.mercubuana.ac.id)
d. Mekanisme pelayanan
Mekanisme pelayanan terdiri atas satu atau lebih fasilitas pelayanan yang
masing-masing terdiri atas satu atau lebih saluran pelayanan paralel. Jika ada
lebih dari satu fasilitas pelayanan, maka unit-unit yang memerlukan pelayanan
akan dilayani oleh serangkaian fasilitas pelayanan ini. Beberapa jenis
mekanisme pelayanan adalah sebagai berikut (Dimyati, 2004):
1. Single Chanel Single Phase
Single Channel berarti satu saluran atau satu jalur, dan Single Phase berarti
satu pelayanan. Maksudnya adalah hanya ada satu jalur yang antrian dan
kemudian dilayani oleh satu fasilitas saja. Berikut adalah ilustrasinya:
Gambar 2.3 Mekanisme Antrian Single Chanel single Phase

Fachmann Consultant
2. Single Chanel Multi Phase

Istilah Multi Phase menunjukkan ada dua atau lebih pelayanan yang
dilaksanakan secara berurutan, yang berarti Single chanel multi phase yaitu
fasilitas yang dilayani akan datang membentuk antrian pada beberapa baris
atau jalur antrian pelayanan yang kemudian akan dilayani oleh satu fasilitas
operasi pelayanan. Sebagai contohnya pada pencucian mobil. Ilustrasinya
sebagai berikut:
Gambar 2.4 Single Chanel Multi Phase

3. Multi Chanel Single Phase
Pada mekanisme ini terdapat antrian jalur tunggal yang dilayani oleh dua atau
lebih fasilitas. Contoh model ini adalah pembelian tiket yang dilayani oleh
lebih dari satu loket, pelayanan potong rambut oleh beberapa tukang potong,
dan sebagainya. Ilustrasinya sebagai berikut:
Gambar 2.5 Multi Chanel Single Phase


Fachmann Consultant
4. Multi Chanel Multi Phase

Pada mekanisme ini pelanggan yang dilayani akan datang dan membentuk
antrian pada beberapa baris atau jalur pelayanan dan selanjutnya akan
dilayani oleh beberapa fasilitas operasi pelayanan. Sebagai contoh,
herregistrasi para mahasiswa di universitas, pelayanan kepada pasien di
rumah sakit mulai dari pendaftaran, diagnosa, penyembuhan sampai
pembayaran.
Gambar 2.6 Multi Chanel Multi Phase

e. Disiplin Pelayanan
Disiplin pelayanan berkaitan dengan cara memilih anggota antrian yang akan
dilayani terlebih dahulu. Jenis – jenis disiplin antrian sebagai berikut (Dimyati,
2004):
1) First Come First Served, yaitu pelanggan yang datang terlebih dahulu yang
akan dilayani dahulu. Contohnya pelanggan pada pom bensin.
2) Last Come First Served, yaitu pelanggan yang terakhir datang akan dilayani
terlebih dahulu. Contohnya pada pengiriman paket perusahaan pengiriman
barang.
3) Preemptive, yaitu pelanggan yang tergolong prioritas akan dilayani
langsung dengan menghentikan pelayanan terhadap pelanggan saat itu juga.
Contohnya pelayanan pada pasien gawat darurat di rumah sakit.
4) Non-Preemptive, yaitu pelanggan yang tergolong prioritas akan dilayani
setelah pelayanan yang sedang berlangsung diselesaikan terlebih dahulu.
Contohnya pelayanan pada nasabah prioritas bank.

Fachmann Consultant
5) Random Served, yaitu setiap pelanggan memiliki peluang yang sama

menerima pelayanan tanpa melihat siapa yang datang terlebih dahulu karena
pelayananya dilakukan secara acak. Contohnya pengendalian kualitas
produk dengan mengambil sampel secara acak.
f. Proses Antrian Dasar
Suatu, garis penungguan tunggal (yang suatu saat bisa saja kosong) terbentuk
didepan suatu fasilitas pelayanan tunggal, dimana ada satu atau beberapa
pelayan. Perlu diketahui bahwa yang dimaksud dengan pelayanan disini tidak
hanya berupa individu (perseorangan), tetapi dapat berupa dekelompok orang,
mesin, atau peralatan (Dimyati, 2004).
Penggambaran suatu proses yang didalamnya terdapat peristiwa lahir (di dalam
sistem antrian hal berarti peristiwa datangnya seorang customer ke dalam
sistem) dan peristiwa kematian (di dalam sistem hal antrian berarti peristiwa
seorang customer telah selesai dilayani dan pergi meninggalkan sistem)
Analisis sensitivitas merupakan analisis yang dilakukan untuk mengetahui
akibat dari perubahan parameter-parameter produksi terhadap perubahan kinerja
sistem produksi dalam menghasilkan keuntungan.
Terminologi dan Notasi Antrian
Berikut adalah model dari notasi Kendall:
a/b/c/d/e/f
Keterangan:
a = distribusi kedatangan
b = distribusi waktu pelayanan c = jumlah server
d = disiplin pelayanan
e = jumlah maksimum antrian yang diijinkan dalam sistem.
Adapun, notasi yang menunjukkan distribusi kedatangan dan waktu pelayanan
diklasifikasikan sebagai berikut:
M = Distribusi kedatangan atau keberangkatan dalam poisson dan distribusi
waktu pelayanan eksponensial
D = Waktu antara kedatangan dan pelayanan yang

Fachmann Consultant
konstan atau deterministik

Ek = Distribusi erlangian atau gamma dari distribusi antar kedatangan
atau waktu pelayanan dengan parameter k.
GI = Distribusi indenpenden umum dari kedatangan (atau waktu antar
kedatangan).
G = Distribusi umum dari keberangkatan (atau waktu pelayanan).
Berikut istilah dan notasi yang digunakan dalam teori antrian (Dimyati, 2004):
1. En = keadaan dimana n calling unit pada sisem antrian
2. Pn(t) = kemungkinn bahwa tepat ada n calling unit pada sistem
antrian pada saat t.
3. S = jumlah pelayan dalam sistem antrian
4. Λ = tingkat kedatangan rata-rata
5. µ = tingkat pelayanan rata-rata
Adapun karakteristik yang menunujukkan sistem dalam kondisi steady state:
6. Pn = kemungkinan bahwa tepat ada n calling unit dalam sistem
antrian
7. L = ekspektasi panjang garis
8. Lq = ekspektasi panjang antrian
9. W = ekspektasi waktu menunggu dalam sistem (termasuk w
waktu pelayanan)
10. Wq = ekspektasi waktu menunggu dalam antrian (tidak
termasuk waktu pelayanan)
Suatu asumsi yang sangat penting dalam teori antrian adalah apakah sistem
mencapai suatu keadaan keseimbangan atau dinamakan steady state. Ini berarti
diasumsikan bahwa ciri-ciri operasi seperti panjang antrian dan rata-rata waktu
menunggu akan memiliki nilai konstan setelah berjalan selama suatu periode waktu.
Hampir semua model antrian dasar mengasumsikan keadaan steady state. Namun,
beberapa sistem antrian tak pernah dapat diharapkan berjalan cukup lama dalam
keadaan steady state.

Fachmann Consultant
Faktor – faltor yang berpengaruh terhadap barisan antrian dan pelayanan adalah
sebagai berikut:
1. Distribusi Kedatangan, kedatangan individu atau berkelompok
2. Distribusi Pelayanan, Pelayanan individu atau berkelompok
3. Fasilitas Pelayanan, berbentuk series, paralel, atau network station
4. Disiplin Pelayanan, berbntuk FCFS, LCFS, SIRO, atau PP
5. Ukuran dalam antrian, kedatangan bersifat tidak terbatas atau terbatas
Sumber Pemanggil, bersifat tidak terbatas atau terbatas.
Rumus yang digunakan dalam menghitung teori antrian:
1. Tingkat Kesibukan Sistem (ρ ¿
λ
ρ=
kμ
2. Peluang tidak ada nasabah dalam sistem atau teller menganggur ( Po ¿
1
Po =
k
λ
3.
[ k−1
1 λ n
∑ n! μ +
n =0
()
( ) k ! 1− λ
( kμ )
μ
]
Peluang nasabah yang datang harus menunggu untuk dilayani ( Pn (n−k) )
k
λ Po
Pn (n−k )= [] μ λ
(
k ! 1−
kμ )
4. Jumlah rata – rata nasabah dalam antrian (L)
k
λ
L=
μ [] λμ
Po
( k −1 ) ! (kμ−λ)2
5. Jumlah rata – rata nasabah dalam sistem ( Ls ¿
λ
Ls =L+
μ
6. Waktu rata – rata nasabah dalam antrian (W)
L
W=
λ

Fachmann Consultant
7. Waktu rata – rata nasabah dalam sistem (W s ¿

1
W s=W +
μ
Dengan:
k = Jumlah satuan pelayanan
λ = Tingkat Kedatangan
μ = Tingkat Pelayanan
ρ = Tingkat Kesibukan system
Contoh Kasus Proses Antrian

Diketahui manajer sebuah cafe memiliki masalah antriannya yang terlalu
panjang. akibatnya pelanggan mengeluh waktu menunggu yang berlebihan, sehingga
dikhawatirkan akan kehilangan pelanggan. Diekathui bahwa tingkat kedatangan rata -
rata langganan selama periode puncak adalah 50 orang per jam dengan distribusi
poisson. Sistem pelayannya adalah satu per satu dengan rata - rata 1 orang per 1
menit.Tentukan (Tjutju, 2001):
 Utilitas bagian pelayanan pada cafe (p)?
 Jumlah rata - rata antrian (Lq)?
 Waktu menunggu rata - rata dalam antrian (Wq)?
 Waktu menunggu rata - rata dalam sistem (W)?
Penyelesaian:
 µ = 60 orang / jam
 = 50 orang / jam
 Utilitas pelayanan?
p = λ / µ = 50 / 60 = 0,8333 = 83,33%
 Jumlah rata – rata antrian?
Lq = 4,1665 orang
 Waktu menunggu rata- rata dalam antrian (Wq)
Wq = = 0,833 jam

Fachmann Consultant
 Waktu menunggu rata- rata dalam sistem (W)
= 0,1 jam = 6 menit
2.4 Stagecoach
Programa dinamis adalah suatu metode penyelesaian matematis yang digunakan
dalam membuat suatu keputusan yang diambil saling berkaitan. Tujuannya adalah
mempermudah penyelesaian persoalan optimasi yang mempunyai karakteristik tertentu
dengan pendekatan secara umum (Sugiarto, 2002). Istilah yang biasa digunakan antara
lain (Dimyati, 2004):
1. Stage (tahap) adalah bagian persoalan yang mengandung decision variable.
2. Alternatif, pada setiap stage terdapat decision variable dan fungsi tujuan yang
menentukan besarnya nilai setiap alternative.
3. State, state menunjukkan kaitan satu stage dengan stage lainnya, sedemikian
serupasehingga setiap stage dapat dioptimisasikan secara terpisah sehingga
hasil optimasi layak untuk seluruh psrsoalan.
Ilustrasi dari programa dinamis adalah persoalan distributor menggunakan truk
untuk mengantar barangnya. Seorang distributor ingin berangkat dari kota ke kota yang
lain namun terdapat beberapa alternatif pilihan jalan. Dimana kota-kota yang diewati
digambarkan sebagai berikut:
Gambar 2.7 Ilustrasi Permasalahan Stagecoach

(Sumber: http://dinus.ac.id)

Fachmann Consultant
Dari gambar ilustrasi diatas, diketahui bahwa terdapat 5 stage dan 10 state
dengan rincian sebagai berikut:
Tabel 2.8 Daftar Stage dan state
Stage State
1 1
2 2, 3, 4
3 5, 6, 7
4 8, 9
5 10
Walaupun mempunyai banyak alternatif jalan, namun salesman mempunyai
beberapa alternatif ongkos yang berbeda pula. Berikut ini adalah data ongkos yang
harus dibayar jika salesman meninggalkan kota I dan menuju ke kota j.
Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan
menggunakan prinsip optimalitas. Prinsip optimalitas adalah jika solusi optimal, maka
bagian solusi sampai tahap ke-k juga optimal. Prinsip optimalitas berarti bahwa jika kita
bekerja dari tahap ke tahap k+1, kita dapat menggunakan hasil optimal dari tahap
ktanpa harus kembali ke tahap awal. Ongkos pada tahap k+1 = (ongkos yang dihasilkan
pada tahap k) + (ongkos dari tahap kke tahap k+ 1).
Dalam menyelesaikan masalah salesman tersebut ada dua pendekatan yang
digunakan dalam PD: maju (forward atau up-down) dan mundur (backwardatau
bottom-up). Misalkan x1, x2, …, xn menyatakan peubah (variable) keputusan yang
harus dibuatmasing-masing untuk tahap 1, 2, …, n. Maka,
1. Program dinamis maju. Program dinamis bergerak mulai dari tahap 1, terus maju ke
tahap 2, 3, dan seterusnya sampai tahap n. Runtunan peubah keputusan adalah x1, x2,
… xn.
2. Program dinamis mundur. Program dinamis bergerak mulai dari tahap n, terus mundur
ke tahap n–1, n–2, dan seterusnya sampai tahap 1. Runtunan peubah keputusan
adalahxn, xn-1, …, x1.
Untuk persoalan diatas, maka penyelesaian adalah pertama dengan membagi
menjadi beberapa tahap (stage), yang pada setiap tahap hanya diambil satu keputusan.
Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan
tahap tersebut. Secara umum, status merupakan bermacam kemungkinan masukan yang

Fachmann Consultant
ada pada tahap tersebut. Lalu, menetapkan variabel-variabel sebagai tempat-tempat

persinggahan pada stage n (n = 1, 2, 3, 4). Rute yang dijalani adalah 1 → 1 → 2 → 3 4
dan 4 adalah kota (state) 10 atau 4 = 10. (Dimyati,2004) Variabel-variabel yang
ditetapkan antara lain:
(s, ) = ongkos total yang akan dibayar jika salesman berada pada kota s dan
memilih sebagai tempat persinggahan berikutnya.Untuk s dan n
tertentu,adalah nilaiyang meminimumkan(s, ).
(S) = nilai minimum dari(s, ) sehingga(s) =(s,).
Yang perlu diketahui juga adalah dalam persoalan ini tahap (k) adalah proses
memilih simpul tujuan berikutnya (ada 4 tahap). Status (s) yang berhubungan dengan
masing-masing tahap adalah simpul-simpul di dalam graf. Relasi rekurens berikut
menyatakan lintasan terpendek dari status s ke 4 pada tahap k:
4 (s) = (basis)
4 (s) = min {++1()} (rekurens)
k = 1, 2, 3
Keterangan:
x k = peubah keputusan pada tahap k (k = 1, 2,3)
C S x = bobot (cost) sisi dari s ke
k
(s, ) = total bobot lintasan dari s ke

(s) = nilai minimum dari
Tujuannya program dinamis mundur adalah mendapatkan 1 (1) dengan cara
mencari 2 (2), 3 (3), 4 (4) terlebih dahulu (Dimyati, 2004).
1. Tahap 4
4 (s) =4
Perhitungan tahap empat permasalahan metode stagecoach adalah
sebagai berikut :
Tabel 2.9 Tahap 4 penyelesaian stagecoach
S Solusi Optimum
4(s) 4
9 3 10
8 4 10

Fachmann Consultant
1. Tahap 3
(s) = min{3 + 4( 3)}
Perhitungan tahap tiga permasalahan metode stagecoach adalah
sebagai berikut :
3 3 (S,3) min [3 + 4(3)] Solusi Optimum
S 8 9 3(s) 3
5 4 8 4 8
6 9 7 7 9
7 6 8 6 9
2. Tahap 2
2 (s) = min{2 + 3( 2)}
Perhitungan tahap dua permasalahan metode stagecoach adalah
sebagai berikut :
S 5 6 7 2(s) 2
2 11 11 12 11 5 atau 6
3 7 9 10 7 5
4 8 8 11 8 5 atau 6
3. Tahap 1
1 (s) = min{1+ 2( 1)}
Perhitungan tahap pertama permasalahan metode stagecoach adalah
sebagai berikut :
S 2 3 4 1(s) 1
1 13 11 11 11 3 atau 4
Sehingga, didapatkan solusi optimum, yaitu:

Tabel 2.13 Solusi optimum permasalahan stagecoach
1 2 3 4 Panjang Lintasan Terpendek
3 5 8 10 11
1 5 8 10 11
4 6 9 10 11
Terdapat tiga lintasan terpendek dari 1 ke 10, yaitu:
1 → 3 → 5 → 8 → 10
1 → 4 → 5 → 8 → 10

Fachmann Consultant
1 → 4 → 6 → 9 → 10
Dengan panjang lintasan tersebut adalah 11.
2.5 Game Theory

Menururt Dimiyati (1992), teori permainan (game theory) adalah bagian dari
ilmu pengetahuan yang berkaitan dengan pembuatan keputusan pada saat ada dua pihak
atau lebih berada dalam kondisi persaingan atau konflik. Terdapat dua jenis strategi
permainan yang dapat digunakan pada game theory, yaitu pure strategy dan mixed
strategy. Pure strategy digunakan untuk jenis permainan yang hasil optimalnya
mempunyai saddle point (titik keseimbangan antara nilai permainan kedua pemain).
Sedangkan mixed strategy digunakan untuk mencari solusi optimal dari kasus game
theory yang tidak mempunyai saddle point.
Zero-sum game merupakan suatu situasi di mana keuntungan atau kerugian
seorang pemain persis diimbangi oleh kerugian atau keuntungan dari pemain lain. Jika
total keuntungan dari para peserta ditambahkan, dan total kerugian dikurangi, maka
jumlahnya adalah nol. Berikut merupakan poin-poin utama zero-sum game:
1. Jumlah dari pay-off tetap konstan selama permainan
2. Dua belah pihak dalam konflik
3. Mendapat informasi lebih selalu membantu player
Sedangkan sifat non zero-sum game pada permainan ini tidak akan ada hasil
yang strictly competitive, karena pay-off tidak akan konstan bagi setiap pemain. Berikut
merupakan poin-poin utama non zero-sum game:
1. Jumlah pay-off tidak konstan selama jalannya permainan
2. Pemain dapat saling bekerja sama atau saling bersaing
3. Mendapat informasi lebih dapat membahayakan player
Berikut merupakan elemen-elemen dasar dari sebuah teori permainan (Game
Theory) (Aminudin,2005):
1. Bilangan-bilangan yang ada dalam matriks pembayaran (payoff matrix)
menyatakan outcome atau pembayaran dari strategi permainan yang berbeda.
2. Strategi adalah tindakan pilihan.

Fachmann Consultant
3. Aturan permainan menjelaskan tentang bagaimana cara para pemain memilih

strategi-strategi mereka.
4. Suatu strategi dinyatakan dominan apabila setiap payoff yang ada pada suatu
strategi bersifat superior dibandingkan dengan setiap payoff pada strategi lainnnya.
5. Nilai permainan menyatakan ekspetasi outcome per permainan jika kedua pemain
melakukan strategi terbaik mereka.
6. Strategi optimum adalah strategi yang menjadikan seorang pemain berada pada
posisi pilihan terbaik, tanpa memperhatikan tindakan-tindakan pemain lawannya.
7. Tujuan model permainan adalah untuk mengidentifikasi strategi optimum bagi
masing-masing pemain.
Dalam penyelesaian masalah pada teori permainan ini menggunakan dua
karakteristik strategi, yaitu:
1. Strategi Murni (Pure Strategy Game)
Dalam strategi Murni, strategi optimal untuk setiap pemain adalah dengan
menggunakan strategi tunggal. Melalui aplikasi kriteria maximin dan kriteria
minimax. Nilai yang dicapai harus merupakan maksimum dari minimaks baris dan
minimum dari minimaks kolom, titik ini dikenal sebagai titik pelana (saddle point).
2. Strategi Campuran (Mixed Strategy Game)
Penyelesaian masalah dengan strategi campuran dilakukan apabila strategi murni
yang digunakan belum mampu menyelesaikan masalah permainan atau belum
mampu memberikan pilihan strategi yang optimal bagi masing-masing
pemain/perusahaan. Dalam strategi ini seorang pemain atau perusahaan akan
menggunakan campuran/lebih dari satu strategi untuk mendapatkan hasil optimal.
Berikut merupakan contoh kasus masing-masing metode game theory yaitu
strategi murni (pure strategy) dan strategi campuran (mixed strategy):
1. Contoh Kasus Strategi Murni
Dua buah perusahan yang memiliki produk yang relatif sama, selama ini saling
bersaing dan berusaha untuk mendapatkan keuntungan dari pangsa pasar yang
ada. Untuk keperluan tersbut, perusahaan A mengandalkan 2 strategi dan

Fachmann Consultant
perusahaan B menggunakan 3 macam strategi, dan hasilnya terlihat pada tabel

berikut ini:
Tabel 2.14 Matriks Pay-off (Strategi Murni)
(Sumber : https://slideplayer.info)
Dari kasus di atas, bagaimana strategi yang harus digunakan oleh masing-masing
pemain atau perusahaan, agar masing-masing mendapatkan hasil yang optimal
(kalau untung, keuntungan tersebut besar, dan kalau harus rugi maka kerugian
tersebut adalah paling kecil).
Jawab:
Seperti telah dijelaskan di atas, bagi pemain baris akan menggunakan aturan
maximin dan pemain kolom akan menggunakan aturan minimax.
Langkah 1
Untuk pemain baris (perusahaan A), pilih nilai yang paling kecil untuk setiap
baris (Baris satu nilai terkecilnya 1 dan baris dua nilai terkecilnya 4).
Selanjutnya dari dua nilai terkecil tersebut, pilih nilai yang paling baik atau
besar, yakni nilai 4.
Berikut tabel perhitungan maximin dan minimin pertama perusahaan A dan B :
Tabel 2.15 Matriks Pay-off (Strategi Murni) Langkah 1

Fachmann Consultant
Langkah 2
Untuk pemain kolom, (perusahaan B), pilih nilai yang paling besar untuk setiap
kolom (kolom satu nilai terbesarnya 8, kolom dua nilai terbesarnya 9, dan kolom
tiga nilai terbesarnya 4). Selanjutnya dari tiga nilai terbesar tersebut, pilih nilai
yang paling baik atau kecil bagi B, yakni nilai 4 (rugi yang paling kecil).
Berikut tabel perhitungan maximin dan minimin pertama perusahaan A dan B :
Tabel 2.16 Matriks Pay-off (Strategi Murni) Langkah 2
Langkah 3
Karena pilihan pemain baris-A dan pemain kolom-B sudah sama, yakni
masingmasing memilih nilai 4, maka permainan ini sudah dapat dikatakan
optimal à sudah ditemukan nilai permainan (sadle point) yang sama.
Hasil optimal di atas, dimana masing-masing pemain memilih nilai 4
mengandung arti bahwa pemain A meskipun menginginkan keuntungan yang
lebih besar, namun A hanya akan mendapat keuntungan maksimal sebesar 4,
bila ia menggunakan strategi harga mahal (S2). Sedangkan pemain B, meskipun
menginginkan kerugian yang dideritanya adalah sekecil mungkin, namun
kerugian yang paling baik bagi B adalah sebesar 4, dan itu bisa diperoleh dengan
merespon strategi yang digunakan A dengan juga menerapkan strategi harga
mahal (S3).
2. Contoh Kasus Strategi Campuran
Dari contoh kasus pada strategi murni diatas, dan karena adanya perkembangan
yang terjadi di pasar, maka perusahaan A, yang tadinya hanya memiliki produk

Fachmann Consultant
dengan harga murah dan mahal, sekarang menambah satu lagi strategi
bersainganya dengan juga mengeluarkan produk berharga sedang, dan hasil yang
diperoleh tampak pada tabel berikut ini
Tabel 2.17 Matriks Pay-off (Strategi Campuran)
Jawab:
Langkah 1
Mula-mula akan dicoba dulu dengan menggunakan strategi murni. Seperti telah
dijelaskan di atas, bagi pemain baris akan menggunakan aturan maximin dan
pemain kolom akan menggunakan aturan minimax. Untuk pemain baris, pilih
nilai yang paling kecil untuk setiap baris (Baris satu nilai terkecilnya 2, untuk
baris kedua nilai terkecilnya -1 dan baris tiga nilai terkecilnya 1). Selanjutnya
dari dua nilai terkecil tersebut, pilih nilai yang paling baik atau besar, yakni nilai
2.
Langkah 2
Untuk pemain kolom, pilih nilai yang paling besar untuk setiap kolom (kolom
satu nilai terbesarnya 6, kolom dua nilai terbesarnya 5, dan kolom tiga nilai
terbesarnya 9). Selanjutnya dari tiga nilai terbesar tersebut, pilih nilai yang
paling baik atau kecil bagi B, yakni nilai 5 (rugi yang paling kecil).
Langkah 3
Dari tabel di atas terlihat bahwa pilihan pemain baris-A dan pemain kolom-B
tidak sama, dimana pemain atau perusahaan A memilih nilai 2 dan perusahaan B
memilih nilai 5, dengan demikian maka permainan ini dapat dikatakan belum
optimal à karena belum ditemukan nilai permainan (sadle point) yang sama.

Fachmann Consultant
Oleh karena itu perlu dilanjutkan dengan menggunakan strategi campuran, yang
langkahnya adalah sebegai berikut :
Langkah 4
Masing-masing pemain akan menghilangkan strategi yang menghasilkan
keuntungan atau kerugian paling buruk. Bila diperhatikan pada tabel
sebelumnya, untuk pemain A, strategi S2 adalah paling buruk, karena bisa
menimbulkan kemungkinan kerugian bagi A (ada nilai negatif / -1 nya). Dan
bagi pemain B, strategi S3 adalah paling buruk karena kerugiannya yang bisa
terjadi paling besar (perhatikan nilai-nilai kerugian di strategi S3
pemain/perusahaan B).
Langkah 5
Setelah pemain A membuang strategi S2 dan pemain B membuang stretgi S3,
diperoleh tabel sebagiai berikut:
Tabel 2.18 Matriks Pay-off (Strategi Campuran)
Perhatikan bahwa setelah masing-masing membuang strategi yang paling buruk,
maka sekarang persaingan atau permainan dilakukan dengan kondisi,
perusahaan A menggunakan strategi S1 dan S3, sementara perusahaan B
menggunakan strategi S1 dan S2.
Langkah 6

Fachmann Consultant
Langkah selanjutnya adalah dengan memberikan nilai probabilitas terhadap

kemugkinan digunakannya kedua strategi bagi masing-masing perusahaan.
Untuk perusahaan A, bila kemungkinan keberhasilan penggunaan strategi S1
adalah sebesar p, maka kemungkinan keberhasilan digunakannya strategi S3
adalah (1-p). Begitu pula dengan pemain B, bila kemungkinan keberhasilan
penggunaan strategi S1 adalah sebesar q, maka kemungkinan keberhasilan
digunakannya strategi S2 adalah (1-q).
Langkah 7
Selanjutnya mencari nilai besaran probabilitas setiap strategi yang akan
digunakan dengan menggunakan nilai-nilai yang ada serta nilai probalitas
masing-masing strategi untuk menghitung sadle point yang optimal, dengan cara
sebagai berikut:
Untuk perusahaan A
Bila, apapun strategi yang digunakan A, perusahaan B meresponnya dengan
strategi S1, maka:
2p + 6(1-p) = 2p + 6 – 6p = 6 – 4p
Bila, apapun strategi yang digunakan A, perusahaan B meresponnya dengan
strategi S2, maka:
5p + 1(1-p) = 5p + 1 – 1p = 1 + 4p
Bila kedua hasil persamaan tersebut digabung, maka:
6 – 4p = 1 + 4p
5 = 8p
P = 5/8 = 0,625
Dan apabila nilai p = 0,625, maka nilai (1-p) adalah (1 – 0,625) = 0,375,
sehingga kedua nilai probabilitas untuk strategi S1 dan S3 milik perusahaan A
sudah diketahui nilainya. Apabila kedua nilai probabilitas tersebutdimasukkan
dalam kedua persamaan di atas, maka keuntungan yang diharapkan oleh
perusahaan A adalah:
Dengan persamaan ke-1 Dengan persamaan ke-2
= 2p + 6(1-p) = 5p + 1(1-p)

Fachmann Consultant
= 2 (0,625) + 6 (0,375) = 5 (0,625) + 1 (0,375)

= 3,5 = 3,5
Perhatikan, bahwa keduanya menghasilkan keuntungan yang diharapkan adalah
sama, yakni sebesar 3,5. Coba diingat di atas, bahwa sebelum menggunakan
strategi campuran ini keuntungan perusahaan A hanya sebesar 2, berarti dengan
digunakan strategi campuran ini, keuntungan perusahaan A bisa meningkat 1,5
menjadi 3,5.
Untuk perusahaan B
Bila, apapun strategi yang digunakan B, perusahaan A meresponnya dengan
strategi S1, maka:
2q + 5(1-q) = 2q + 5 – 5q = 5 – 3p
Bila, apapun strategi yang digunakan B, perusahaan A meresponnya dengan
strategi S3, maka:
6q + 1(1-q) = 6q + 1 – 1q = 1 + 5p
5 – 3q = 1 + 5q
4 = 8q
q = 4/8 = 0,5
Dan apabila nilai p = 0,5, maka nilai (1-p) adalah (1 – 0,5) = 0,5, sehingga kedua
nilai probabilitas untuk strategi S1 dan S2 milik perusahaan B sudah diketahui
nilainya. Apabila kedua nilai probabilitas tersebut dimasukkan dalam kedua
persamaan di atas, maka kerugian minimal yang diharapkan oleh perusahaan B
adalah:
Dengan persamaan ke-1 Dengan persamaan ke-2
= 2q + 5(1-q) = 6q + 1(1-q)
= 2 (0,5) + 5 (0,5) = 6 (0,5) + 1 (0,5)
= 3,5 = 3,5
Perhatikan, bahwa keduanya menghasilkan kerugian minimal yang diharapkan
adalah sama, yakni sebesar 3,5. Coba diingat di atas, bahwa sebelum
menggunakan strategi campuran ini kerugian minimal perusahaan B adalah

Fachmann Consultant
sebesar 5, berarti dengan digunakan strategi campuran ini, kerugian minimal

perusahaan B bisa menurun sebesar 1,5 menjadi 3,5.
Kesimpulan:
Kerena penggunaan strategi murni belum mampu menemukan nilai permainan
(sadle point) yang sama, mana penyelesaian masalah permainan/persaingan di
atas dilanjutkan dengan digunakannya strategi campuran. Penggunaan strategi
campuran ini terbukti disamping mampu menemukan nilai permainan (saddle
point) yang sama, strategi campuran ini juga mampu memberikan hasil yang
lebih baik bagi masing-masing perusahaan. Perusahaan A keuntungan yang
diharapkan naik menjadi 3,5 dan kerugian minimal yang diterima perusahaan B
juga dapat turun hanya sebesar 3.5.
2.6 Knapsack
Problema knapsack merupakan suatu problema dalam hal menentukan pilihan
obyek yang masing-masing mempunyai bobot atau berat (weight) untuk dimuat dalam
suatu penyimpanan dengan syarat tidak melebihi kapasitas yang tersedia dalam
penyimpanan tersebut, sehingga diperoleh hasil yang optimal dan keuntungan
maksimum.
Permasalahan knapsack memiliki beberapa tipe, diantaranya:
1. Knapsack Problem
Setiap barang hanya tersedia satu unit, take it or leave it.
2. Fractional Knapsack Problem
Barang dapat dibawa sebagian saja (unit dalam pecahan). Versi permasalahan
terdapat jika barang yang tersedia dapat dibagi-bagi, contohnya seperti gula,
tepung, dan lain sebagainya.
3. Bounded Knapsack Problem
Setiap barang tersedia sebanyak N unit (jumlahnya terbatas).
4. Unbounded Knapsack Problem
Setiap barang tersedia lebih dari 1 unit, jumlahnya tidak terbatas.

Fachmann Consultant
Knapsack dibagi menjadi tiga jenis berdasarkan urutan prioritas pemuatan

barang, yaitu (dosen.perbanas.id):
a. Knapsack by Profit
Pada jenis ini, setiap langkahnya, knapsack diisi dengan barang yang
memiliki keuntungan terbesar. Strategi ini bertujuan untuk
memaksimumkan keuntungan dengan memilih barang yang paling
menguntungkan nilainya terlebih dahulu. Hal yang pertama kali dilakukan
adalah mengurutkan secara menurun barang-barang berdasarkan profit-
nya. Kemudian diambil satu-persatu barang yang dapat ditampung oleh
knapsack sampai knapsack penuh atau sudah tidak ada lagi barang yang
bisa dimasukkan.
b. Knapsack by Weight
Pada jenis ini, setiap langkahnya, knapsack diisi dengan barang yang
memiliki berat paling ringan. Strategi ini bertujuan untuk
memaksimumkan keuntungan dengan memasukkan sebanyak mungkin
barang ke dalam knapsack. Hal yang pertama kali dilakukan adalah
mengurutkan secara meningkat barang-barangberdasarkan weight-nya.
Kemudian diambil satu-persatu barang yang dapat ditampung oleh
knapsack sampai knapsack penuh atau sudah tidak ada objek lagi yang
bisa dimasukkan.
c. Knapsack by Density
Pada jenis ini, knapsack diisi dengan barang yang mempunyai nilai
densitas terbesar. Strategi ini bertujuan memaksimumkan keuntungan
dengan memilih barang yang mempunyai keuntungan per unit berat
terbesar. Hal yang pertama kali dilakukan adalah mencari nilai profit per
unit (density) dari tiap-tiap barang. Kemudian barang-barang tersebut
diurutkan berdasarkan densitynya. Kemudian diambil satu-persatu barang
yang dapat ditampung oleh knapsack sampai knapsack penuh atau sudah
tidak ada objek lagi yang bisa dimasukkan. Pemilihan objek berdasarkan
salah satu dari ketiga strategi di atas tidak menjamin akan memberikan

Fachmann Consultant
solusi optimal. Berbeda dengan strategi bruteforce yang selalu dapat

memberikan hasil yang optimal. Tetapi greedy mengurangi jumlah
langkah (kompleksitas) pencarian.
Berikut merupakan contoh kasus permasalahan knapsack. Diberikan data seperti
tabel dibawah ini:
Tabel 2.19 Data Perumusan Knapsack Problem
i wi pi b(i)
1 3 5 8
2 2 8 6
3 4 12 4
4 1 10 3
(Sumber: repository.upnyk.ac.id).
Hitunglah nilai optimal dan jumlah item yang dimuat dengan pendekatan program
dinamik!
Penyelesaian:
~ ~ ~
Nilai awal : f0,0 ( c ) = 0, c =0,…,8 dan f0,k( c ) =0,…,8, dan k=1,…,4
Proses rekursi: i=1 dan k=1 menjadi:
f1,1(0)=f0,1(0) =-10000
f1,1(1)=f0,1(10)=-10000
f1,1(2)=f0,1(2 )=-10000
f 0,1 (3) =-10000
f1,1(3) = maks =5
f0,0 (0) =+5 =0+5
f 0,1 (4) =-10000
f1,1(4) = maks =5
f0,0 (1) +5 =0+5
f 0,1 (5) =-10000
f1,1(5) = maks =5
f0,0 (2) +5 =0+5
f 0,1 (6) =-10000
f1,1(6) = maks =5

Fachmann Consultant
f0,0 (3) +5 =0+5

f 0,1 (7) =-10000
f1,1(7) = maks =5
f0,0 (4) +5 =0+5
f 0,1( 8) =-10000
f1,1(8) = maks =5
f0,0 (5) +5 =0+5
~ ~
f1,1( c ) =5, c = 3,4,5,6,7,8
Selanjutnya direkursi sampai tahap i=4 dan k=4 , dipilih daerah yang fisibel
sehingga diperoleh nilai Z optimal untuk MKC= maks {12, 22,-9982} = 22 dan
penyelesaian vektornya adalah x1=0,x2=0, x3=1, x4=1
2.7 Markov Chain

Analisa rantai Markov adalah suatu teknik probabilitas yang menganalisis
pergerakan probabilitas dari satu kondisi ke kondisi lainnya. Dikenalkan oleh Andrey A.
Markov, ahli matematika dari Rusia yang lahir tahun 1856. Riset-nyalah yang
mendasari studi tentang proses-proses stokastik yang pada perkembangannya
mempunyai banyak sekali aplikasi di dunia nyata. Rantai Markov (Markov Chain) juga
dapat didefinisikan sebagai suatu teknik matematika yang biasa digunakan untuk
melakukan pembuatan model (modeling) bermacam-macam sistem dan proses bisnis.
Rantai Markov merupakan penerapan baru Progran Dinamis terhadap pemecahan
masalah suatu proses stochastic yang dapat dijelaskan oleh sejumlah state yang terbatas.
Teknik ini dapat digunakan untuk memperkirakan perubahan-perubahan yang akan
terjadi diwaktu yang akan datang dalam variabel-variabel dinamis atas dasar perubahan-
perubahan dari variabel-variabel dinamis tersebut dimasa lalu.
Analisa Markov hampir sama dengan decision analysis, bedanya adalah analisa
rantai Markov tidak memberikan keputusan rekomendasi, melainkan hanya informasi
probabilitas mengenai situasi keputusan yang dapat membantu pengambil keputusan
mengambil keputusan. Dengan demikian, analisa rantai Markov bukanlah teknik
optimisasi, tetapi adalah teknik deskriptif yang menghasilkan informasi probabilitas

Fachmann Consultant
dimasa mendatang.Untuk dapat menerapkan analisa rantai Markov kedalam suatu

kasus, ada beberapa syarat yang harus dipenuhi:
1. Jumlah probabilitas transisi untuk suatu keadaan awal dari system sama dengan
Probabilitas-probabilitas tersebut berlaku untuk semua partisipan dalam system
2. Probabilitas transisi konstan sepanjang waktu
3. Kondisi merupakan kondisi yang independen sepanjang waktu.
Dalam realita, penerapan analisa Markov bias dibilang cukup terbatas karena
sulit menemukan masalah yang memenuhi semua sifat yang diperlukan untuk analisa
Markov, terutama persyaratan bahwa probabilitas transisi harus konstan sepanjang
waktu (probabilitas transisi adalah probabilitas yang terjadi dalam pergerakan
perpindahan kondisi dalam sistem).
Sebuah proses stokastik dikatakan termasuk Markov chain apabila memenuhi
Markovian property (sifat Markovian). Markovian property menyatakan bahwa
probabilitas bersyarat (conditional probability) dari sebuah kejadian masa depan,
dengan diketahui kejadian masa lampau dan keadaan masa kini, adalah tidak tergantung
oleh kejadian masa lampau dan hanya tergantung oleh keadaan masa kini.
Dalam Markov Chain ada tabel probablitas transisi (transition probability) yang
kira-kira memiliki hubungan sebagai berikut:
Keadaan saat t + 1 (masa depan) = Probabilitas transisi x Keadaan saat t (masa
kini)
Markov Chain secara umum dapat digolongkan menjadi dua, yakni Discrete
Markov Chain dan Continuous Markov Chain. Markov chain dikatakan diskrit apabila
perpindahan keadaan terjadi dengan interval waktu diskrit yang tetap. Sebaliknya,
Markov chain dikatakan kontinyu apabila perpindahan keadaan terjadi dengan rentang
waktu dengan variabel random yang kontinyu. Pada perkembangannya, ada yang
dinamakan Hidden Markov Model (HMM), Higher order Markov Chain dan
Multivariate Markov Chain. Perlu dicatat bahwa model-model pengembangan dari
Markov Chain dapat menyalahi Markovian property).
Sifat markov dikatakan bahwa probabilitas bersyarat dari kejadian di masa
mendatang, jika diketahui kejadian dimasa lalu dan kondisi saat ini Xt = i, adalah tidak

Fachmann Consultant
tergantung pada masa lalu dan hanya tergantung pada kondisi dari proses saat ini.
Probabilitas bersyarat P{Xt+1 = j | Xt = i} dikatakan sebagai probabilitas transisi.
Sebuah proses stokastik dikatakan termasuk Rantai Markov apabila memenuhi
sifat Markovian (Markovian property). Markovian property menyatakan bahwa
probabilitas bersyarat (conditional probability) dari sebuah kejadian (state) masa depan
dengan diketahui kejadian masa lampau dan keadaan masa kini tidak tergantung oleh
kejadian masa lampau dan hanya tergantung oleh keadaan masa kini.
Suatu proses stokastik {Xt, t = 0,1,..} dikatakan merupakan suatu rantai markov
dengan state terbatas (finite state markov chain) jika memiliki sifat-sifat sebagai
berikut:
a. Memiliki jumlah state yang terbatas
b. Memiliki sifat markov
c. Probabilitas transisinya stasioner
d. Memiliki himpunan probabilitas awal P{X0 = i} ∀ i.
Suatu proses markov terdiri dari suatu himpunan obyek dan suatu himpunan
keadaan yang sedemikian rupa sehingga:
1. Pada sembarang waktu yang diketahui, tiap-tiap obyek harus berada dalam suatu
keadaan tertentu (obyek-obyek yang berbeda tidak perlu berada pada keadaan yang
berbeda).
2. Probabilitas untuk sebuah obyek berpindah ke keadaan lainnya (yang mungkin
sama seperti keadaan pertama) dalam satu selang waktu tertentu hanyalah
tergantung pada kedua keadaan itu.
Secara garis besar proses model rantai markov adalah sebagai berikut:
a. Menyusun matriks probabilitas transisi.
b. Menghitung kemungkinan market share diwaktu yang akan datang.
Pada dasarnya rantai markov dapat dibedakan menjadi dua, yaitu rantai markov
berhingga dan rantai markov dengan horizon yang tidak terbatasi.
a. Rantai Markov Berhingga
Rantai Markov berhingga adalah suatu rantai markov yang memiliki jumlah
keadaan yang berhingga.

Fachmann Consultant
b. Rantai Markov dengan horizon yang tidak terbatasi

Suatu keputusan dengan horizon tidak terbatasi adalah proses keputusan
yang memiliki tahap yang tak berhingga banyaknya. Keadaan ini jarang
terjadi namun merupakan model yang menarik untuk digunakan dalam
analisis proses yang tidak memiliki titik akhir yang jelas.
Pada transisi n langkah, probabilitas transisinya Pi(n)j. Probabilitas transisi ini
dapat berguna berguna bila proses dalam state i dan probabilitas prosesnya berada di
state j setelah n periode ini terpenuhi. Persamaan Chavman – Kolmogorov memberikan
suatu metode untuk menyelesaikan probabilitas transisi n langkah ini dengan:
(n) m ( u) ( n−u)
Pij = ∑ P ik
k =0
P kj
untuk ij
untuk n = 2 maka u = 1
( 2) m ( 1)
P P P
(2−1 )
ij =∑ ik kj
k=0 untuk ij
Spesifikasi State Rantai Markov
a. Bila status j dapat diakses dari status i, dan status i dapat diakses dari j maka
status i dan status j saling berkomunikasi
b. Jika dalam Markov Chain semua status saling berkomunikasi, maka Markov
Chain adalah irreducible
c. Status i dikatakan recurrent jika fii = 1 sedangkan jika fii<1 status dikatakan
transient
d. Keadaan khusus dari recurrent adalah absorbing jika probabilitas transisi
(satu langkah) = 1
Dalam banyak kasus, proses markov akan menuju pada Steady State.
(keseimbangan). Steady state adalah keadaan di mana suatu sistem berada dalam
kesetimbangan atau tidak berubah lagi seiring waktu, atau tunak, atau mantap. Dalam
kasus markov ini artinya setelah proses berjalan selama beberapa periode, probabilitas
yang dihasilkan akan bernilai tetap, dan probabilitas ini dinamakan Probabilitas Steady
State. Untuk mencari Probabilitas Steady State dari suatu Matriks Transisi, maka kita
dapat menggunakan rumus:

Fachmann Consultant
(𝑖+1)𝑀(𝑖+1) = (𝑁(𝑖)𝑀(𝑖) × Matriks Probabilitas Transisi
Karena Steady State akan menghasilkan probabilitas yang sama pada periode
ke depan maka rumus tersebut akan berubah menjadi:
𝑁(𝑖)𝑀(𝑖) = (𝑁(𝑖)𝑀(𝑖) × Matriks Probabilitas Transisi
Perhitungan biaya – biaya sebagai berkut:

1. Expected Average Cost per Unit Time
Perkiraan biaya rata-rata per unit waktu diberikan oleh persamaan:
n m
Lim E
n→ N [{ 1
}]
∑ C X =∑ π j C ( j )
n t =1 ( t ) j =0
Xt merupakan biaya penyimpanan atau holding cost per periode.

2. Expected Average Cost per Unit Time for Complex Cost Function
n m
1
[ ]
Lim ∑ ( X t−1 , D t ) =∑ K ( j ) π j
n→ N n t=1 j=0
Biaya-biaya yang terdapat dalam kasus ini dapat berupa:

a. Biaya pesan (pada saat kekurangan stok)
b. Biaya pengiriman
c. Biaya penalti, bila demand tidak terpenuhi
Berikut merupakankaran karakteristik - karakteristik rantai markov:
a. Jumlah probabilitas transisi pada setiap baris adalah satu
b. Probabilitas transisi tidak akan berubah selamanya
c. Probabilitas transisi hanya bergantung pada status sekarang bukan
status periode sebelumnya.
Sebuah perusahaan distributor beras yang memasarkan beras jenis rojolele pada
akhir-akhir ini menyadari adanya penurunan penjualan. Pihak manajemen mencurigai
adanya perpindahan jenis beras yang dikonsumsi oleh pelanggan. Untuk mengetahui
sebab penurunan penjualan tersebut, perusahaan mengumpulkan data dari beberapa
keluarga dengan cara mengambil sampel dari daerah yang paling besar mengalami
penurunan. Berikut merupakan data yang berhasil dikumpulkan:
Tabel 2.20 Data Persoalan Markov

Fachmann Consultant
Status
No Nama Keluarga
Sebelumnya Saat Ini
1 A Cisedani Cisedani
2 B Cisedani Cisedani
3 C Cisedani Cisedani
4 D Cisedani IR. 36
5 E Cisedani IR. 36
6 F Cisedani IR. 36
7 G Cisedani Rojolele
8 H Cisedani Rojolele
9 I IR. 36 Cisedani
10 J IR. 36 Cisedani
11 K IR. 36 IR. 36
12 L IR. 36 IR. 36
13 M IR. 36 Rojolele
Tabel 2.20 Data Persoalan Markov (Lanjutan)
Status
No Nama Keluarga
Sebelumnya Saat Ini
14 N IR. 36 Rojolele
15 O Rojolele Cisedani
16 P Rojolele IR. 36
17 Q Rojolele Rojolele
18 R Rojolele Rojolele
(Sumber: https://slideplayer.info)
Bila dituliskan dalam bentuk tabel perubahan state (perpindahan konsumsi
beras), diperoleh:
Dari status Ke status berikutnya (saat ini)

Jumlah
(Sebelumnya) Rojolele IR. 36 Cisedani

Fachmann Consultant
Rojolele 2 1 1 4
IR. 36 2 2 2 6
Cisedani 2 3 3 8
Jumlah 6 6 6 18
Dianggap bahwa perpindahan konsumsi beras dianggap stabil, sehingga matriks
probabilitas transisinya adalah:

Rojolele 0,500 0,250 0,250
IR. 36 0,333 0,333 0,334
Tabel 2.22 Data Persoalan Markov (Lanjutan)

Cisedani 0,250 0,375 0,375
Sel diagonal (di blok), merupakan probabilitas konsumen tetap setia (tetap
dalam pemilikan atau retentions).

Fachmann Consultant
BAB III
PROFIL PERUSAHAAN
3.1 Sejarah Perusahaan
Fachmann Consultant merupakan salah satu perusahaan konsultan yang baru
saja dibuka dan diresmikan. Sesuai namanya perusahaan ini bergerak dibidang jasa
konsultasi untuk masalah masalah yang umum ditemui di perusahaan khususnya di
bidang Industri Manufaktur. Fachmann Consultant berdiri pada 19 Februari 2021.
Meskipun perusahaan kami masih muda dan baru di bidang konsultan ini tapi kami akan
memberikan layanan dan komitmen yang memuaskan, sebab sudah banyak perusahaan-
perusahaan yang puas akan saran dan solusi perbaikan yang diberikan oleh para
konsultan kami. Fachmann Consultant didirikan 4 orang industrial engineer yang sudah
berpengalaman di bidang konsultasi dunia Industri.
Fachmann sendiri diambil dari sebuah kata berbahasa jerman yang berarti expert
atau spesialis. Fachmann consultant memiliki kantor yang berpusat di Kota Tangerang,
yang tepatnya di Jl. Nuri I No. 4, Tangerang, Banten, Indonesia. Perusahaan kami terdiri
dari 4 orang yaitu, direktur utama, consultant manager, HRD manager, dan marketing
manager. Moto perusahaan kami adalah Make Indonesia Great Again.
3.2 Logo Perusahaan

Berikut adalah logo perusahaan Fachmann Consultant:
Gambar 3.1 Logo Fachmann Consultant

Fachmann Consultant
1. Tulisan Fachmann Consultant

Merupakan nama dari perusahaan yang menunjukan karakter perusahaan.
Fachmann sendiri adalah sebuah kata dari bahasa jerman yang berarti expert
atau spesialis. Seusai namanya, kami adalah perusahaan yang asli dan
berspesialisasi di konsultasi khususnyan di bidang manufaktur.
2. Logo Fachamann Consultant
Logo kami yaitu sebuah kubus yang dapat dilihat dari berbagai sisi memiliki
arti bahwa kami melihat suatu masalah dari berbagai pandangan dan
perspektif sehingga kami dapat menghasilkan solusi yang solutif, inovatif,
dan terpercaya untuk klien.
3. Warna pada logo
Warna biru pada logo kami memiliki arti kebijaksanaan dan kepercayaan.
Hal ini dikarenakan kami akan memberikan solusi yang bijaksana dan
terpercaya untuk klien kami. Warna abu-abu pada logo kami memiliki arti
tanggung jawab. Hal ini karena kami akan bertanggung jawab atas kepuasan
klien atas solusi yang kami berikan.
3.3 Visi dan Misi Perusahaan

 Visi Fachmann Consultant
Menjadi perusahaan konsultan di bidang optimasi yang solutif, inovatif, dan
terpercaya untuk klien.
 Misi Fachmann Consultant
1. Memberikan pelayanan jasa konsultasi, penelitian, dan pengembangan
yang berkualitas.
2. Membantu klien mengembangkan ide-ide kreatif dan inovatif serta
memberikan solusi atas permasalahan yang terjadi sehingga dapat
menghasilkan produktivitas yang tinggi.
3. Berkomitmen menjaga kepercayaan dan kepuasan klien dengan
menyelesaikan pekerjaan tepat waktu.

Fachmann Consultant
4. Bekerjasama dan bersinergi dengan berbagai institusi dan perusahaan

lain untuk meningkatkan kinerja dan pelayanan.
5. Meningkatkan mutu dan kualitas SDM untuk menjadi konsultan dan
peneliti yang mampu memberikan pelayanan jasa terbaik.
3.4 Struktur Organisasi Perusahaan

Di bawah ini merupakan struktur organisasi dari Fachmann Consultant
Gambar 3.2 Struktur organisasi Fachmann Consultant

Biodata Pengurus Fachmann Consultant
• Direktur Utama
Nama Lengkap : Nila Sari Aulia Putri
Jenis Kelamin : Perempuan
Kewarganegaraan : Indonesia
Agama : Islam
Tempat, tanggal lahir : Solok Selatan, 15 juni 2000
Email : nilasariaulia@gmail.com
Domisili : Padang
Motto Hidup : Tetap jadi dirimu sendiri, tidak apa berbeda
dunia butuh semua tipe manusia
Riwayat Pendidikan : S1 Teknik Industri Universitas Diponegoro

Fachmann Consultant
Gambar 3.3 Foto Direktur Utama

• HRD Manager
Nama Lengkap : Rafi Dzakwan Kamal
Jenis Kelamin : Laki-laki
Agama : Islam
Tempat, tanggal lahir : Bekasi, 24 Desember 2001
Email : rafidzakwan24@gmail.com
Domisili : Bekasi
Motto Hidup : Don’t give up on trying your best
Gambar 3.4 Foto HRD Manager
• Consultant Manager
Nama Lengkap : Richard Jonathan Gitowardojo
Agama : Katholik
Tempat, tanggal lahir : Semarang, 30 November 2000
Email : richardjonathan619@gmail.com
Domisili : Semarang

Fachmann Consultant
Motto Hidup : Semua akan indah pada waktunya

Gambar 3.5 Foto Consultant Manager
• Marketing Manager
Nama Lengkap : Putra Baning Bagas
Agama : Islam
Tempat, tanggal lahir : Purbalingga, 14 Maret 2001
Email : putrabaning@gmail.com
Domisili : Purbalingga
Motto Hidup :Just beacauce somebody doesn’t want you,
doesn’t mean you are undesirable
Gambar 3.6 Foto Marketing Manager

Fachmann Consultant
BAB IV
PENGOLAHAN DATA
4.1 Pengumpulan Data

4.1.1 Kasus I (Integer Linear Programming)
PT Bayer Indo adalah perusahaan di Tangerang yang bergerak pada bidang
farmasi. Terdapat tiga item obat yang diproduksi oleh perusahaan ini, yakni dengan
nama jual Imboost Force, Immune Booster, dan Imunos. PT Bayer Indo juga memiliki
beberapa departemen seperti, Departemen Produksi, Quality System, dan Marketing.
Adapun 4 tahapan pokok yang dilakukan oleh Departemen Produksi yaitu,
Penimbangan dan Penyerahan (Weighing and Dispensing), Pencampuran dan Granulasi
(Mixing and Granulating), Pencetakan (Compression), dan Pengemasan (Packaging).
Berkaitan dengan proses produksi, departemen produksi melakukan pengamatan
untuk mengetahui proses yang dapat mempengaruhi produktivitas perusahaan.
Keuntungan diasumsikan sebagai harga jual dikurangi dengan total biaya produksi.
Terdapat 4 proses produksi utama yang dilakukan oleh departemen ini, dengan waktu
yang dibutuhkan sebagai berikut:
Tabel 4.1 Waktu Baku
Item
Tahapan
Captopril Canderin Crestor
Weighing 15 18 18
Mixing 17 14 19
Drying and
Waktu Baku
19 16 18
Granulating
(Menit) Packaging 16 17 19
Dengan data yang telah diperoleh tersebut, PT Bayer Indo harus mampu
memaksimalkan produktivitas perusahaan terkait dengan jumlah produk yang harus di
produksi setiap harinya supaya profit perusahaan juga maksimal dengan 8 jam kerja
untuk tiap harinya. Untuk mendukung proses produksi, tersedia 5 lini produksi untuk
tahap penimbangan dan penyerahan (Weighing and Dispensing), 4 lini produksi untuk

Fachmann Consultant
tahap pencampuran dan granulasi (Mixing and Granulating), 5 lini produksi untuk tahap
pencetakan (Compression), dan 6 lini produksi untuk tahap pengemasan (Packaging).
Dalam proses produksinya, perusahaan tentunya mengeluarkan biaya. Berikut
adalah rincian anggaran yang dikeluarkan dan pendapatan yang didapatkan oleh
perusahaan:
Tabel 4.2 Anggaran dan pendapatan PT Bayer Indo
Item
Biaya
Captopril Canderin Crestor
Biaya Material/Unit (IDR) 27.500 28.900 28.430
Biaya Produksi/Unit (IDR) 15.450 18.600 16.540
Biaya Pesan/Unit (IDR) 13.470 12.460 9850
Harga Jual (IDR) 143.100 145.400 132.600
4.1.2 Kasus 2 (Transportation)

PT Bayer Indo yang berlokasi di Tangerang merupakan penyalur produk utama
untuk daerah Jawa Barat. PT Bayer Indo memiliki 4 gudang di Tangerang dengan
kapasitas sebagai berikut:
Tabel 4.3 Tabel Kapasitas Gudang PT Bayer Indo
Gudang
Karawaci Tangerang Ciledug Cibodas
Produk
Captopril 487 453 370 405
Canderin 430 379 467 444
Crestor 431 393 406 520
PT Bayer Indo juga memiliki beberapa distribution center di 5 kota, yaitu
Depok, Bekasi, Bandung, Cikampek, dan Bogor. Setiap minggunya distribution center
akan melakukan pemesanan obat kepada PT Bayer Indo. Berikut merupakan rincian
permintaan distribution center kepada PT Bayer Indo setiap minggunya (dalam unit
box):
Tabel 4.4 Tabel Permintaan Distribution Center

Gudang Serang
Bandung Bogor Depok Jakarta
Produk
Captopril 386 395 480 454 -
Canderin 396 400 472 452 -

Fachmann Consultant
Crestor 380 267 375 423 304

Dalam mengirimkan produknya tentunya PT Bayer Indo harus mengeluarkan
biaya pengiriman barang. Berikut merupakan rincian biaya pengiriman yang harus
dikeluarkan untuk tiap unit produk dari gudang ke distribution center, dengan sudah
mempertimbangkan jarak tempuh dari setiap gudang ke masing-masing distribution
center (dalam ribu):
Tabel 4.5 Tabel Biaya Pengiriman
Retailer Tujuan
Gudang
Bandung Bogor Depok Serang Jakarta
Karawaci 2 3 5 4 6
Tangerang 6 5 4 7 3
Ciledug 5 6 7 3 4
Cibodas 1 5 6 3 2
Tentukan skema pengiriman yang paling efektif sehingga dapat meminimasi
total biaya pengiriman yang harus dikeluarkan.
4.1.3 Kasus 3 (Teori Antrian)

Dalam area pemukiman pabrik PT Bayer Indo, terdapat sebuah fasilitas
pergudangan guna menyimpan bahan baku produksi obat-obatan. Gudang tersebut
memiliki fasilitas mesin pengangkut guna memindahkan bahan baku dari truk ke
gudang. Satu mesin pengangkut tersebut dioperasikan oleh dua orang.
Saat dilakukan pengamatan oleh manajer, ditemukan fakta bahwa truk-truk
berisi bahan baku tersebut mengantri ketika akan meletakkan bahan baku dengan
menggunakan mesin pengangkut pada jam-jam tertentu. Namun, pada waktu lain
operator mesin pengangkut justru mengalami idle. Tercatat bahwa rata-rata truk datang
adalah 4 per jam, sedangkan rata-rata truk yang dilayani adalah 7 truk per jam.
kemudian manajer mengajukan usul kepada Direktur untuk menambah kelompok
operator dari mesin pengangkut. Diketahui bahwa biaya sewa truk per jamnya adalah
Rp 181.000,00 dan upah tenaga kerja yang mengoperasikan mesin pengangkut per
jamnya adalah Rp 21.000,00. Diasumsikan jika perusahaan menggunakan 2 kelompok
operator maka rata-rata truk yang dilayani menjadi 11 truk per jam dan apabila tiga
kelompok operator maka rata-rata truk yang dilayani menjadi 17 truk per jam.

Fachmann Consultant
Komponen-komponen yang telah selesai tahap penimbangan dan penyerahan,

maka produk akan masuk ke unit pencampuran dan granulasi. Untuk melangsungkan
proses pencampuran dan granulasi tersebut, unit pencampuran dan granulasi memiliki 2
lini. Komponen-komponen yang selesai ditimbang akan masuk ke lini yang kosong.
Apabila komponen-komponen sebelumnya belum selesai diproses, maka komponen
berikutnya harus mengantri. Dari hasil pengamatan diperoleh fakta bahwa produk dari
unit penimbangan dan penyerahan datang setiap 17 menit, sedangkan lamanya waktu
pencampuran dan granulasi untuk lini 1 adalah 19 menit, dan untuk lini 2 yaitu selama
22 menit untuk satu produk. Jumlah maksimal antrian komponen yang masuk lini
pencampuran dan granulasi yaitu 13 komponen. Biaya-biaya yang timbul dalam
kegiatan produksi pencampuran dan granulasi yaitu:
Tabel 4.6 Biaya dari Kegiatan Produksi
Biaya Nominal (IDR/Jam)
Biaya server dalam keadaan sibuk (Cs) 4.650
Biaya server dalam keadaan menganggur(Ci) 5.405
Biaya Mixing (Cu) 4.400
Biaya antrian Mixing (Cw) 2.700
Jika dilakukan penambahan lini pencampuran dan granulasi, produk baru akan
selesai dari lini pencampuran dan granulasi tersebut dalam 7 menit. Jadi tiap dilakukan
penambahan jumlah lini, akan mempengaruhi kecepatan perakitan secara keseluruhan.
4.1.4 Kasus 4 (Stagecoach)

PT Bayer Indo melakukan produksi obat ini dengan sebagian besar bahan baku
diperoleh dari supplier lokal. Perusahaan membeli bahan baku dari supplier sesuai
dengan kebutuhan dan dilakukan kontrak dengan 5 supplier terpilih berdasarkan
spesifikasi yang telah ditentukan. Lima supplier tersebut antara lain PT Bio Medika, PT
Indo Farma, PT Indo Waras, PT Pratama Medika, dan PT Sehat Prima.
Supplier pertama adalah PT Bio Medika yang pabriknya berlokasi di Depok,
untuk menuju ke Tangerang harus melewati beberapa kota terlebih dahulu. Dari Depok
menuju ke Sawangan dengan waktu tempuh selama 0,81 jam. Dari Sawangan terdapat 2
alternatif yaitu Cinere dan Bojongsari dengan waktu tempuh masing-masing selama 1,2
jam dan 1,32 jam. Selanjutnya dari Cinere dan Bojongsari menuju ke Cilandak dengan

Fachmann Consultant
waktu tempuh masing-masing 0,25 jam dan 0,55 jam. Dari Cilandak menuju ke Ciledug
dengan waktu tempuh 1,12 jam. Lalu menuju ke Tangerang dengan waktu tempuh
selama 0,71 jam.
Supplier kedua adalah PT Indo Farma yang berlokasi di Bekasi. Untuk mencapai
Tangerang harus melewati bebera kota terlebih dahulu. Dari Bekasi menuju ke
Kalimalang dengan waktu tempuh selama 0,55 jam. Lalu menuju ke Cikunir dengan
waktu tempuh selama 0,85 jam. Dari Cikunir terdapat 2 alternatif yaitu Cikampek dan
Duren Sawit dengan waktu tempuh masing-masing selama 0,6 jam dan 0,9 jam. Dari
Cikampek dan Duren Sawit selanjutnya menuju ke Cililitan dengan waktu tempuh
masing-masing 1,25 jam dan 1,11 jam. Dari Cililitan menuju ke Cawang dengan waktu
tempuh selama 1,93 jam. Lalu menuju ke Tangerang dengan waktu tempuh selama 1,1
jam.
Supplier ketiga yaitu PT Indo Waras yang berlokasi di Karawang. Dari
Karawang terdapat 2 alternatif yaitu menuju Teluk jambe dan Kedung Waringin dengan
waktu tempuh masing-masing selama 1,03 jam dan 1,31 jam. Dari Teluk Jambe menuju
ke Cikarang dengan waktu tempuh 0,57 jam sedangkan dari Kedung Waringin menuju
ke Karangsambung dengan waktu tempuh 0,86 jam. Selanjutnya, dari Cikarang terdapat
2 alternatif yaitu Paparean dan Citarik dengan waktu tempuh selama 0,76 jam dan 0,21
jam. Sedangkan dari Karangsambung menuju ke Citarik dengan waktu tempuh selama
0,99 jam. Dari Paparean terdapat 2 alternatif lagi yaitu Kalimalang dan Jati Baru dengan
waktu tempuh selama 0,88 jam dan 1,04 jam. Dari Citarik juga memiliki alternatif yang
sama yaitu Kalimalang dan Jati Baru dengan waktu tempuh 1,54 jam dan 1,12 jam.
Selanjutnya, dari Kalimalang dan Jati Baru menuju ke Cikoneng dengan waktu tempuh
masing-masing selama 2,03 jam dan 2,41 jam. Lalu, dari Cikoneng menuju ke
Tangerang dengan waktu tempuh selama 1,59 jam.
Supplier keempat yaitu PT Pratama medika yang berlokasi di Cileungsi. Dari
Cileungsi terdapat 3 alternatif yaitu Bubulak, Awirarangan, dan Gunung Putri dengan
masing-masing waktu tempuh selama 0,34 jam, 0,4 jam, dan 0,66 jam. Dari Bubulak
menuju ke Bekasi memerlukan waktu selama 1,55 jam. Sedangkan dari Awirarangan
dan Gunung Putri menuju ke Depok dengan waktu tempuh masing-masing selama 1

Fachmann Consultant
jam dan 1,11 jam. Dari Bekasi memiliki 2 alternatif yaitu menuju ke Jakarta Timur dan
Rumbut dengan waktu tempuh selama 0,45 jam dan 0,56 jam. Sedangkan dari Depok
menuju ke Rumbut dengan waktu tempuh selama 0,86 jam. Dari Jakarta Timur dan
Rumbut lalu menuju ke Cilandak dengan waktu tempuh masing-masing selama 0,66
jam dan 0,84 jam. Selanjutnya, dari Cilandak menuju ke Tangerang dengan waktu
tempuh selama 0,3 jam.
Supplier kelima yaitu PT Sehat Prima yang berlokasi di Rangkasbitung. Untuk
menuju ke Tangerang, terdapat beberapa lokasi yang harus dilewati terlebih dahulu.
Dari Rangkasbitung terdapat 2 alternatif yaitu Serang dan Lebak dengan waktu tempuh
masing-masing selama 1,2 jam dan 1,33 jam. Dari Serang menuju ke Cikande dengan
waktu tempuh selama 0,37 jam. Sedangkan dari Lebak terdapat 2 alternatif yaitu
Padalarang dan Tendjo dengan waktu tempuh masing-masing selama 0,34 jam dan 0,29
jam. Dari Cikande terdapat 3 alternatif yaitu Balaraja, Tjangkudu, dan Tigaraksa dengan
waktu tempuh masing-masing selama 0,95 jam, 1,13 jam, dan 0,67 jam. Dari
Padalarang terdapat 2 alternatif yaitu Tigaraksa dan Sumur dengan waktu tempuh
selama 0,71 jam dan 0,86 jam. Sedangkan dari Tendjo menuju ke panongan dengan
waktu tempuh selama 0,71 jam. Selanjutnya, dari Balaraja dan Tjangkudu menuju ke
Jatiuwung dengan waktu tempuh 2,19 jam dan 2,8 jam. Sedangkan dari Tigaraksa,
Sumur, dan Panongan menuju ke Gurubug dengan waktu tempuh 2,01 jam, 2,26 jam,
dan 2,97 jam. Lalu, dari Jatiuwung dan Gurubug menuju ke Tangerang dengan waktu
tempuh selama 2,1 jam dan 2,37 jam.
Namun, dikarenan semakin banyaknya angka terkonfirmasi positif COVID-19,
khusus daerah Tjangkudu dan Panongan tidak bisa dilewati karena jalan ditutup oleh
pemerintah sekitar. Maka kota-kota ini sebaiknya dihindari guna menghindari terjadinya
kejadian yang tidak diinginkan.
4.1.5 Kasus 5 (Game Theory)

PT Bayer Indo dalam upayanya untuk memenangi persaingan tentunya
memerlukan strategi yang tepat. Maka, pihak Departemen Marketing diharapkan dapat
manangani masalah pemasaran produk, penentuan strategi yang tepat dalam

Fachmann Consultant
memasarkan produk, hingga membuat analisis pasar. PT Bayer Indo memiliki 3 daerah
pemasaran selain Provinsi Banten yaitu, Provinsi Daerah Istimewa Yogyakarta, Provinsi
Jawa Barat, dan Provinsi Jawa Timur. Berdasarkan hasil riset yang dilakukan oleh tim
Departemen Marketing di Provinsi Daerah Istimewa Yogyakarta, pesaing PT Bayer
Indo adalah PT Putra Rakyat. Berikut merupakan nilai yang didapat PT Bayer Indo jika
memilih daerah 1, 2, atau 3:
Tabel 4.7 Nilai PT Bayer Indo bersaing dengan PT Putra Rakyat
PT Putra Rakyat
PT Indo Bayer
1 2 3
1 5 13 9
2 10 5 4
3 4 4 2
Sedangkan di Provinsi Jawa Barat, PT Bayer Indo bersaing dengan PT Mega
Medicus dan dengan nilai sebagai berikut:
Tabel 4.8 Nilai PT Bayer Indo bersaing dengan PT Mega Medicus
PT Indo Metode
Bayer 1 2 3 4
1 3 -2 -2 3
2 4 4 3 -2
3 -2 3 4 -2
4 5 -3 -3 3
Sedangkan di Provinsi Jawa Timur, PT Bayer Indo bersaing dengan PT Tunggal

Mukti dan PT Soho dengan nilai sebagai berikut:
Tabel 4.9 Nilai PT Bayer Indo bersaing dengan PT Tunggal Mukti dan PT Soho
1 2
1 10 4 17 5 5 0
1
2 7 18 -5 9 4 12
1 -2 15 3 15 3 -1
2
2 0 3 16 5 0 10
1 12 12 5 7 9 3
3
2 7 -5 9 21 17 8
4.1.6 Kasus 6 (Knapsack)

Berkaitan dengan distribusinya, PT Bayer Indo memberikan keterangan bahwa
pengiriman dilakukan menggunakan sebuah truk khusus berpendingin dengan kapasitas

Fachmann Consultant
volume 16 m3 . Berat kendaraan dan keuntungan yang didapatkan untuk tiap item
adalah sebagai berikut:
Tabel 4.10 Berat Kendaraan dan Keuntungan Tiap Item
Produk Volume (m3) Keuntungan
Imboost Force 1,2 m3 Rp98.630
Imboost Boster 0,7 m3 Rp39.870
Imunos 0,6 m3 Rp32.650
4.1.7 Kasus 7 (Markov Chain)

Setelah diterapkan kebijakan baru dalam hal produksi dan pemasarannya serta
didukung dengan kebutuhan fisik yang prima kian meningkat, minat konsumen terhadap
PT Bayer Indo juga mengalami peningkatan. Peningkatan ini bahkan diprediksi akan
meningkat selama 1 tahun kedepan dan sesudahnya akan mengalami permintaan yang
relatif konstan. Seiring dengan meningkatnya permintaan maka, kebutuhan jumlah
produk yang harus tercukupi juga kian meningkat. Untuk mampu mencapai target
konsumen, perlu ditingkatkan jumlah produksi perusahaan, sementara pabrik yang
dimiliki belum mampu memproduksi sesuai demand konsumen.
Untuk mengatasi permasalahan tersebut, maka Manajer Sales and Marketing
melakukan kerjasama dengan PT Global Farma untuk memenuhi permintaan konsumen.
Pada suatu platform jaringan PT Bayer Indo telah dipublikasikan obat-obatan yang
diproduksi beserta dengan manfaat-manfaatnya. Pada platform tersebut dipublikasikan
obat Imboost Force, Immune Booster, dan Imunos masing-masing sebanyak 6 kotak.
Dengan demand mencapai 6 kotak untuk tiap item perminggu. Dalam sekali pemesanan,
dikenakan biaya pesan sebesar Rp 13.300 untuk Imboost Force, Rp 12.300 untuk
Immune Booster, dan Rp 22.700 untuk Imunos. Biaya yang dikeluarkan berbeda untuk
tiap itemnya karena biaya produksi yang berbeda.
Setelah pesanan sampai, maka barang akan langsung dipindahkan di bagian
inventory. Guna menjaga kualitas, maka produk tersebut dilakukan maintenance yang
biayanya dimasukkan dalam perhitungan biaya simpan sebesar 2,93% dari biaya pesan.
Sesuai dengan instruksi dari Manajer Sales and Marketing, jumlah dari produk yang
siap didistribusikan harus selalu dijaga dan dikontrol agar permintaan konsumen dapat

Fachmann Consultant
terpenuhi, maka dari itu, inspeksi akan kondisi barang yang tersedia akan dilakukan tiap
minggunya dan apabila terdapat kekurangan akan segera dilakukan pemesanan kepada
PT Global Farma. Setiap akhir minggu akan dilakukan pemeriksaan mengenai jumlah
obat dalam etalase dan jika demand datang akan diterima pada awal minggu
selanjutnya. Berdasarkan kebijakan pimpinan PT Bayer Indo berikut adalah
keputusannya:
 Jika jumlah Imboost Force di etalase kurang dari 3 kotak, maka akan
dilakukan pemesanan sebanyak 5 kotak.
 Jika jumlah Immune Booster di etalase kurang dari 5 kotak, maka akan
dilakukan pemesanan sebanyak 7 kotak.
 Jika jumlah Imunos di etalase sisa 2 kotak, akan dilakukan pemesanan
sebesar 4 kotak dengan peluang 0,267; 5 kotak dengan peluang 0,393; dan 6
kotak dengan peluang 0,34. Apabila persediaan sisa 1 kotak, maka akan
dilakukan pemesanan sebesar 3 dengan peluang sebesar 0,104; 5 dengan
peluang sebesar 0,338; dan 7 dengan peluang sebesar 0,558. Dan jika
persediaan habis, maka akan dilakukan pemesanan sebesar 5 kotak dengan
peluang 0,609; 8 kotak dengan peluang sebesat 0,218; dan 9 kotak dengan
peluang sebesar 0,173.
Manajer Sales and Marketing juga ingin mengetahui kemungkinan sisa stock di
gudang adalah 1 atau habis pada periode ketiga yang nantinya dapat dijadikan
pertimbangan dalam menentukan kebijakan baru. Apabila permintaan dari konsumen
tidak terpenuhi, maka perusahaan akan mengalami kerugian sebesar 9,42% dari biaya
pesan. Sangat penting bagi perusahaan untuk menyediakan pengeluaran pada tiap
pemesanan obat dari tipe yang berbeda. Kebijakan dengan pengeluaran yang tinggi akan
menjadi perhatian guna perbaikan bagi perusahaan.
4.2 Pengolahan Data

4.2.1 Kasus 1 (Integer Linear Programming)
 Perhitungan Manual
Variabel keputusan

Fachmann Consultant
X1 = Imboost Force
X2 = Immune Booster
X3 = Imunos
Diketahui bahwa keuntungan didapat dari harga jual dikurangi dengan total
biaya produksi maka:
X1 = 124.600 - 32.500 - 42.100 - 19.500 = 30.500
X2 = 203.400 - 27.600 - 24.306 – 10.200 = 141.294
X3 = 70.080 - 25.800 - 12.400 - 7.865 = 24.015
Dari data kasus yang ada, kita dapat membuat model ILP-nya seperti berikut:
Fungsi tujuan: Memaksimumkan Z = 30500 X1 + 141294 X2 + 24015 X3
Kendala: 13 X1 + 15 X2 + 19 X3 ≤ 2400
17 X1 + 18 X2 + 14 X3 ≤ 1920
14 X1 + 16 X2 + 17 X3 ≤ 2400
13 X1 + 16 X2 + 18 X3 ≤ 2880
X1, X2, X3 ≥ 0
Dari fungsi Z didapatkan persamaan: Z – 30500 X1 - 141294 X2 - 24015 X3= 0
Subject to :
13 X1 + 15 X2 + 19 X3 = 2400
17 X1 + 18 X2 + 14 X3 = 1920
14 X1 + 16 X2 + 17 X3 = 2400
13 X1 + 16 X2 + 18 X3 = 2880
X1, X2, X3, S1, S2, S3, S4 ≥ 0
Tahap 1
Iterasi 0
Tabel 4.11 Iterasi 0 tahap 1
Z X1 X2 X3 S1 S2 S3 S4 SOLUSI
Z 1 -30500 -141294 -24015 0 0 0 0 0
S1 0 13 15 19 1 0 0 0 2400
S2 0 17 18 14 0 1 0 0 1920
S3 0 14 16 17 0 0 1 0 2400
S4 0 13 16 18 0 0 0 1 2880
Iterasi 1

Fachmann Consultant
Tabel 4.12 Iterasi 1 tahap 1
S
Z X1 X2 X3 S2 S3 S4 SOLUSI
1
102944,333 0,0 85880,3333 7849,66666 0,0 0,0 15071360,0
Z 1 0
3 0 3 7 0 0 0
0,0 7,33333333 0,0 0,0
S1 0 -1,16666667 1 -0,83333333 800,00
0 3 0 0
-
X 0,94444444 1,0 0,77777777 0,05555555 0,0
0 0 0,8 106,67
2 4 0 8 6 0
2
0,0 4,55555555 0,0 0,0
S3 0 -1,11111111 0 -0,88888889 693,33
0 6 6 0
-
0,0 5,55555555 1,0
S4 0 -2,11111111 0 0 1,0 1173,33
0 6 0
6
Dari hasil iterasi 1 diperoleh nlai Z sebesar 15071360; X1 = 0, X2 = 106,67, dan
X3 = 0, karena dalam memproduksi suatu barang tidak boleh ada nilai koma maka kita
lanjutkan dengan metode branch and bound Z batas atas = Rp 15.071.360,-
 Metode Branch And Bound

Fachmann Consultant
Gambar 4.1 Metode Branch And Bound

 Perhitungan Software
Berikut ini adalah pengolahan data dengan menggunakan software:
Gambar 4.2 Perhitungan Software

Hasil optimum yang didapat dari perhitungan diatas adalah X1=0, X2=106,
X3=0 dan z=14.977.164
4.2.2 Kasus 2 (Transportasi)
1. Imboost Force
- Penyelesaian manual
Berikut ini adalah langkah pengerjaan transportasi untuk produk Imboost Force:
Tabel 4.13 Langkah 1 Imboost Force
Bandun Cikampe Penalt
Depok Bekasi g k Supply y
2 3 5 4
Karawaci 437 1
6 5 4 7
Tangerang 504 1
5 6 7 3
Ciledug 460 2
Cibodas 1 5 6 3 384 2

Fachmann Consultant
384
Demand 410 463 465 447
Penalty 1 2 1 0
Depok Bekasi Bandung Cikampek Supply Penalty

2 3 5 4
Karawaci 26 437 1
6 5 4 7
Tangerang 504 1
5 6 7 3
Ciledug 460 2
1 5 6 3
Cibodas 384 384
Demand 410 463 465 447
Penalty 3 2 1 1

2 3 5 4
Karawaci 26 437 1
6 5 4 7
Tangerang 504 1
5 6 7 3 460 3
Ciledug 447
1 5 6 3
Cibodas 384 384
Demand 410 463 465 447
Penalty 2 1 1

2 3 5 4
Karawaci 26 411 437 2
6 5 4 7
Tangerang 504 1
5 6 7 3 460 1
Ciledug 447
1 5 6 3
Cibodas 384 384
Demand 410 463 465 447

Fachmann Consultant
Penalty 2 1

2 3 5 4
Karawaci 26 411 437
6 5 4 7
Tangerang 465 504 1
5 6 7 3 460 1
Ciledug 447
1 5 6 3
Cibodas 384 384
Demand 410 463 465 447
Penalty 1 3

2 3 5 4
Karawaci 26 411 437
6 5 4 7
Tangerang 465 504 5
5 6 7 3 460 6
Ciledug 13 447
1 5 6 3
Cibodas 384 384
Demand 410 463 465 447
Penalty 1

Fachmann Consultant

2 3 5 4
Karawaci 26 411 437
6 5 4 7
Tangerang 39 465 504 5
5 6 7 3 460
Ciledug 13 447
1 5 6 3
Cibodas 384 384
Demand 410463 465 447
Penalty 5
Berikut merupakan hasil perhitungan secara manual untuk transportasi produk
Imboost Force:
Tabel 4.20 Hasil VAM Imboost Force
Cikampe
Depok Bekasi Bandung k Supply
2 3 5 4 437
Karawaci 26 411
6 5 4 7 504
Tangerang 39 465
5 6 7 3 460
Ciledug 13 447
1 5 6 3 384
Cibodas 384
Demand 410 463 465 447
Total Biaya = (26 x 2) + (411 x 3) + (39 x 5) + (465 x 4) + (13 x 6) + (447 x 3) + (384 x 1)
= 5.143
Stepping Stone:
S1D3 = S1D3→S1D2→S2D2→S2D3 =5–3+5–4=3
S1D4 = S1D4→S3D4→S3D2→S1D2 =4–3+6–3=3
S2D1 = S2D1→S2D2→S1D2→S1D1 =6–5+3–2=2
S2D4 = S2D4→S3D4→S3D2→S2D2 =7–3+6–5=5
S3D1 = S3D1→S3D2→S1D2→S1D1 =5–6+3–2=0
S3D3 = S3D3→S2D3→S2D2→S3D2 =7–4+5–6=2

Fachmann Consultant
S4D2 = S4D2→S1D2→S1D1→S4D1 =5–3+2–1=3

S4D3 = S4D3→S2D3→S2D2→S1D2→S1D1→S4D1 =6–4+5–3+2–1=5
S4D4 = S4D4→S4D1→S1D1→S1D2→S3D2→S3D4 =3–1+2–3+6–3=4
- Perhitungan Software
Berikut merupakan hasil output software pom qm:
Gambar 4.3 Output Software Imboost Force
2. Immune Booster
Berikut ini adalah langkah pengerjaan transportasi untuk produk Immune
Booster:
Tabel 4.21 Langkah 1 Immune Booster

2 3 5 4
Karawaci 490 1

Fachmann Consultant
6 5 4 7
Tangerang 404 1
5 6 7 3
Ciledug 435 2
1 5 6 3
Cibodas 451 451 2
Demand 459 450 398 473
Penalty 1 2 1 0

Bandun Cikampe Penalt
Depok Bekasi g k Supply y
2 3 5 4
Karawaci 8 490 1
6 5 4 7
Tangerang 404 1
5 6 7 3
Ciledug 435 2
1 5 6 3
Cibodas 451 451
Demand 459 450 398 473
Penalty 3 2 1 1

2 3 5 4
Karawaci 8 490 1
6 5 4 7
Tangerang 404 1
5 6 7 3 435 3
Ciledug 435
Cibodas 1 5 6 3 451

Fachmann Consultant
451
Demand 459 450 398 473
Penalty 2 1 1

2 3 5 4 490 1
Karawaci 8 38
6 5 4 7
Tangerang 404 1
5 6 7 3 435
Ciledug 435
1 5 6 3
Cibodas 451 451
Demand 459 450 398 473
Penalty 2 1 3

2 3 5 4 490 2
Karawaci 8 444 38
6 5 4 7
Tangerang 404 1
5 6 7 3 435
Ciledug 435
1 5 6 3
Cibodas 451 451
Demand 459 450 398 473
Penalty 2 1

Karawaci 2 3 5 4 490

Fachmann Consultant
8 444 38
6 5 4 7
Tangerang 6 404 1
5 6 7 3 435
Ciledug 435
1 5 6 3
Cibodas 451 451
Demand 459 450 398 473
Penalty 5 4

2 3 5 4 490
Karawaci 8 444 38
6 5 4 7
5 6 7 3 435
Ciledug 435
1 5 6 3
Cibodas 451 451
Demand 459 450 398 473
Penalty 4

Immune booster:
Tabel 4.28 Hasil VAM Immune Booster
Cikampe
Depok Bekasi Bandung k Supply
2 3 5 4 490
Karawaci 8 444 38
6 5 4 7 404
Tangerang 6 398

Fachmann Consultant
5 6 7 3 435
Ciledug 435
Cibodas 1 5 6 3 451
451
Demand 459 450 398 473
Total Biaya = (8 x 2) + (444 x 3) + (38 x 4) + (6 x 5) + (398 x 4) + (435 x 3) + (451 x 1)

= 4.878
Stepping Stone:
S1D3 = S1D3→S1D2→S2D2→S2D3 =5–3+5–4=3
S2D1 = S2D1→S2D2→S1D2→S1D1 =6–5+3–2=2
S2D4 = S2D4→S1D4→S1D2→S2D2 =7–4+3–5=1
S3D1 = S3D1→S1D1→S1D4→S3D4 =5–2+4–3=4
S3D2 = S3D2→S1D2→S1D4→S3D4 =6–3+4–3=4
S3D3 = S3D3→S3D4→S1D4→S1D2→S2D2→S2D3 =7–3+4–3+5–4=6
S4D2 = S4D2→S4D1→S1D1→S1D2 =5–1+2–3=3
S4D3 = S4D3→S2D3→S2D2→S1D2→S1D1→S4D1 =6–4+5–3+2–1=5
S4D4 = S4D4→S4D1→S1D1→S1D4 = 3 – 1 + 2 –4 = 0
Gambar 4.4 Output Software Immune Booster

3. Imunos
Berikut ini adalah langkah pengerjaan transportasi untuk produk Imunos:

Fachmann Consultant
Tabel 4.29 Langkah 1 Imunos

Bandun Dumm Suppl
Depok Bekasi g Cikampek Bogor y y Penalty
2 3 5 4 6 0
Karawaci 360 2
6 5 4 7 3 0
Tangerang 431 3
5 6 7 3 4 0
Ciledug 11 393 3
1 5 6 3 2 0
Cibodas 406 1
Demand 350 353 379 267 230 11
Penalty 1 2 1 0 1 0

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 353 360 1
6 5 4 7 3 0
Tangerang 431 1
5 6 7 3 4 0
Ciledug 11 393 1
1 5 6 3 2 0
Cibodas 406 1
Demand 350 353 379 267 230 11
Penalty 1 2 1 0 1

Fachmann Consultant

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360 2
6 5 4 7 3 0
Tangerang 431 1
5 6 7 3 4 0
Ciledug 11 393 1
1 5 6 3 2 0
Cibodas 406 1
Demand 350 353 379 267 230 11
Penalty 1 1 0 1

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360
6 5 4 7 3 0
Tangerang 431 1
5 6 7 3 4 0
Ciledug 11 393 1
1 5 6 3 2 0
Cibodas 343 406 1
Demand 350 353 379 267 230 11
Penalty 4 2 0 1

Fachmann Consultant

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360
6 5 4 7 3 0
Tangerang 379 431 1
5 6 7 3 4 0
Ciledug 11 393 1
1 5 6 3 2 0
Cibodas 343 406 1
Demand 350 353 379 267 230 11
Penalty 2 0 1

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360
6 5 4 7 3 0
5 6 7 3 4 0
Ciledug 11 393 1
1 5 6 3 2 0
Cibodas 343 406 1
Demand 350 353 379 267 230 11
Penalty 0 1

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360

Fachmann Consultant
6 5 4 7 3 0
Tangerang 379 52 431
5 6 7 3 4 0
Ciledug 11 393 1
1 5 6 3 2 0
Cibodas 343 63 406 1
Demand 350 353 379 267 230 11
Penalty 0 2

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360
6 5 4 7 3 0
5 6 7 3 4 0
Ciledug 115 11 393 1
1 5 6 3 2 0
Cibodas 343 63 406
Demand 350 353 379 267 230 11
Penalty 3 4

Bandun Dumm Suppl
2 3 5 4 6 0
Karawaci 7 353 360
6 5 4 7 3 0
5 6 7 3 4 0
Ciledug 267 115 11 393 3
Cibodas 1 5 6 3 2 0 406

Fachmann Consultant
343 63
Demand 350 353 379 267 230 11
Penalty 3

Imunos:
Tabel 4.38 Hasil VAM Imunos
Bandun Dumm Suppl
Depok Bekasi g Cikampek Bogor y y
2 3 5 4 6 0
Karawaci 7 353 360
6 5 4 7 3 0
5 6 7 3 4 0
Ciledug 267 115 11 393
1 5 6 3 2 0
Cibodas 343 63 406
Demand 350 353 379 267 230 11
Total Biaya = (7 x 2) + (353 x 3) + (379 x 4) + (52 x 3) + (267 x 3) + (115 x 4) + (11 x 0) +

(343 x 1) + (63 x 2)
= 4.475
Stepping Stone:
S1D3 = S1D3→S1D1→S4D1→S4D5→S2D5→S2D3 =5–2+1–2+3–4=1
S1D4 = S1D4→S1D1→S4D1→S4D5→S3D5→S3D4 =4–2+1–2+4–3=2
S1D5 = S1D5→S1D1→S4D1→S4D5 =6–2+1–2=3
S1D6 = S1D6→S3D6→S3D5→S4D5→S4D1→S1D1 =0–0+4–2+1–2=1
S2D1 = S2D1→S4D1→S4D5→S2D5 =6–1+2–3=4
S2D2 = S2D2→S1D2→S1D1→S4D1→S4D5→S2D5 =5–3+2–1+2–3=2
S2D4 = S2D4→S2D5→S3D5→S3D4 =7–3+4–3=5
S2D6 = S2D6→S3D6→S3D5→S2D5 =0–0+4–3=1
S3D1 = S3D1→S4D1→S4D5→S3D5 =5–1+2–4=2
S3D3 = S3D3→S3D5→S2D5→S2D3 =7–4+3–4=2
S4D2 = S4D2→S4D1→S1D1→S1D2 =5–1+2–3=3
Fachmann Consultant
S4D3 = S4D3→S4D5→S2D5→S2D3 =6–2+3–4=3

S4D4 = S4D4→S4D5→S3D5→S3D4 =3–2+4–3=2
S4D6 = S4D6→S3D6→S3D5→S4D5 =0–0+4–2=2
Gambar 4.5 Output Software Imunos
4.2.3 Kasus 3 (Teori Antrian)

4.2.3.1 Antrian pada Departemen Produksi (Single Channel Single Phase)
Pada masalah bagian departemen produksi, diketahui bahwa:
a) Satu Kelompok Kerja
 Waktu kedatangan λ = 4 Truk / Jam
 Waktu pelayanan μ = 7 Truk / Jam
b) Dua Kelompok Kerja ( S = 2)
 Waktu kedatangan λ = 4 Truk / Jam
 Waktu pelayanan μ = 11 Truk / Jam
c) Tiga Kelompok Kerja (S = 3)
 Waktu kedatangan λ = 4 Truk / Jam
 Waktu pelayanan μ = 11 Truk / Jam
Sedangkan untuk biayanya:
 Ct = Biaya Tenaga Kerja = Rp 21.000, / orang / jam
 Cl = Biaya Loss profit (sewa truk) = Rp 181.0000, / jam
Dengan teori antrian, akan dilakukan pembandingan, apakah lebih baik
menambah teknisi atau tidak dan manakah yang lebih murah diantara kedua

Fachmann Consultant
pilihan tersebut. Berikut dijabarkan perhitungan komponen biaya yang

dikeluarkan menggunakan rumus Single Channel Single Phase tak terbatas:
 1 kelompok tenaga kerja
λ = 4 Truk / Jam
μ = 7 Truk / Jam
1 1 1
1. Ws= = = =0,333 jam
μ− λ 7−4 3
λ 4 4
2. Wq= = = = 0,190 jam
μ ( μ−λ ) 7 (7−4 ) 21
λ 4 4
3. Ls= = = = 1,333
μ−λ 7−4 3
λ2 42 16
4. Lq= ¿ = =¿ 0,762 Truk
μ ( μ− λ ) 7 (7−4 ) 21
λ 4
5. ¿ =¿ =¿ 0,571
μ 7
6. Biaya Sewa Truk/ hari = Ls x Jam Kerja x Biaya Sewa per Jam
= 1,333 x 8 x 181.000
= Rp 1.930.184
7. Biaya Upah Tenaga Kerja = Jumlah Tenaga Kerja x jam kerja x Upah
per Jam
= 2 x 8 x 21.000
= 336.000
Biaya Total = 2.266.184
 Penyelesaian dengan Software
Hasil perhitungan Teori antrian dengan 1 kelompok pekerja software WinQSB
ditunjukan pada gambar di bawah ini:

Fachmann Consultant
Gambar 4.6 Output Software WinQSB Pada Teori antrian 1 Kelompok Pekerja
 2 Kelompok tenaga kerja

λ = 4 Truk / Jam
μ = 11 Truk / Jam
1 1 1
1. Ws= = = = 0,143 jam
μ− λ 11−4 7
λ 4 4
2. Wq= = =¿ = 0,052 jam
μ ( μ−λ ) 11 (11−4 ) 77
λ 4 4
3. Ls= = = = 0,571 Truk
μ−λ 11−4 7
λ2 42 16
4. Lq= ¿ = =¿ 0,208 Truk
μ ( μ− λ ) 11 (11−4 ) 77
λ 4
5. ¿ =¿ =¿ 0,364
μ 11
= 0,571 x 8 x 181.000
= Rp 826.808
per Jam
= 4 x 8 x 21.000
= 672.000

Fachmann Consultant

 3 Kelompok tenaga kerja

λ = 4 Truk / Jam
μ = 17 Truk / Jam
1 1 1
1. Ws= = = = 0,077 jam
μ− λ 17−4 13
λ 4
2. Wq= = =¿ 4 = 0,018 jam
μ ( μ−λ ) 17 (17−4 ) 221
λ 4 4
3. Ls= = = = 0,308 Truk
μ−λ 17−4 13
λ2 42 16
4. Lq= ¿ = =¿ 0,072 Truk
μ ( μ− λ ) 17 (17−4 ) 221
λ 4
5. ¿ =¿ =¿ 0,235
μ 17
= 0,308 x 8 x 181.000
= Rp 445.984
per Jam

Fachmann Consultant
= 6 x 8 x 21.000
= 1.008.000
Hasil perhitungan biaya dan terminologi ketiga kelompok kerja dapat dilihat pada tabel
berikut ini :
Tabel 4.39 Rekap Kinerja Sistem dan Biaya Kasus Pengangkutan Material
Indikator Jumlah Kelompok Tenaga Kerja
Perbandingan 1 2 3
Ws 0,333 0,143 0,538
Wq 0,190 0,052 0,018
Ls 1,333 0,571 0,308
Lq 0,762 0,208 0,072
0,571 0,364 0,235
Biaya Sewa Truk 1.930.184 826.808 445.984
Tabel 4.39 Rekap Kinerja Sistem dan Biaya Kasus Pengangkutan Material (Lanjutan)
Indikator Jumlah Kelompok Tenaga Kerja
Perbandingan 1 2 3
Biaya Upah Tenaga
336.000 672.000 1.008.000
Kerja
Biaya Total 2.266.184 1.498.808 1.453.984

Fachmann Consultant
4.3.2.2 Antrian pada bagian Pencampuran dan Granulasi

Diketahui:
Sistem antrian Single Channel Multi Phase
Jumlah server S = 2
Waktu antar kedatangan 17 menit
Waktu pelayanan pencampuran dan granulasi lini 1 = 19 menit per produk
Waktu pelayanan pencampuran dan granulasi lini 2 = 22 menit per produk
Waktu pelayanan server tambahan = 7 menit per produk
Jumlah maksimum antrian M = 13 produk
Biaya-biaya:
Biaya server dalam keadaan sibuk (Cs) = Rp 4.610/jam
Biaya server dalam keadaan menganggur (Ci) = Rp 5.365/jam
Biaya Mixing and Granulating (Cu)= Rp 4.360/jam
Biaya Antrian Mixing and Granulating (Cw) = Rp. 2.660/jam
Sehingga:
λ = 60/17 produk/jam = 3,529 produk/jam
60
μ (2 server) = = 2,927 produk/jam
((19+22) /2)
Stasiun Kerja 1
1 = 60/19 produk/jam = 3,158 produk/jam
Stasiun Kerja 2
2 = 60/22 produk/jam = 2,727 produk/jam
λ 3,529
ρ= = =60,28 %
sμ 2 x 2,927
1. Jika Server yang digunakan 2 (s = 2)
 Mencari Probabilitas Sistem
1
P 0= s−1 n s
[ ∑ n1! ( λμ ) ][
+
1 λ
s! μ
sμ
( ) ( sμ−λ )]
n=0

Fachmann Consultant
1
¿
1 3,529 0 1 3,529 1 1 3,529 2
2 x 2,927
(
0 ! 2,927
+ ) [ ( ) ( )(
1 ! 2,927
+
2! 2,927 2 x 2,927−3,529 )]
¿ 0,248
λ 11
P1 = Po () µ 1!
= 0,299
2
λ 1
P2 = Po ( ) = 0,180
µ 2!
3
λ 1
P3 = Po ( ) = 0,109
3−2
µ 2! 2
4
λ 1
P4 = Po ( ) = 0,066
4 −2
µ 2!2
5
λ 1
P5 = Po ( ) = 0,039
5−2
µ 2! 2
6
λ 1
P6 = Po ( ) = 0,024
6−2
µ 2!2
7
λ 1
P7 = Po ( ) = 0,014
7−2
µ 2 !2
8
λ 1
P8 = Po ( ) = 0,009
8−2
µ 2 !2
9
λ 1
P9 = Po ( ) = 0,005
9−2
µ 2!2
10
λ 1
P10 = Po ( ) = 0,003
10−2
µ 2! 2
10
λ 1
P11 = Po ( ) = 0,002
10−2
µ 2! 2
10
λ 1
P12 = Po ( ) = 0,001
10−2
µ 2! 2
10
λ 1
P13 = Po ( ) = 0,001
10−2
µ 2! 2
10
λ 1
P14 = Po ( ) = 0,000
10−2
µ 2! 2

Fachmann Consultant
10
λ 1
P15 = Po ()
µ 2! 210−2
= 0,000
 Mencari Lq, L, Wq, dan W

λ = 60/17 produk/jam = 3,529 produk/jam
60
μ (2 server) = = 2,927 produk/jam
((19+21) /2)
L ¿ ¿ Lq=P 0 ¿ ¿
¿ 2,927(3,529)¿ ¿ ¿ ¿
¿ 1,894
Lq =¿ )
3,529
¿ 1,894−
2,927
= 0,689
Lq
Wq ¿
λ
0,689
¿
3,529
¿ 0,195
L
W ¿
λ
1,894
¿
3,529
¿ 0,537
 Total Biaya Sistem

Biaya Sistem Idle (I)
I = Ci ( S – L + Lq )
= Rp 5.365/jam (2 – 1,894+ 0,689)
= Rp 4261,573
Biaya Antrian Produk (Q)
Q = Cw x Wq xΣ λ(n)P(n)
Fachmann Consultant
= Rp 2660/jam x 0,195 x 3,518

= Rp 1825,000
Biaya Pencampuran (C)
C = Cu x (W – Wq) x Σ λ(n)P(n)
= Rp 4360/jam x (0,537 - 0,195) x 3,518
= Rp 5245,760
Biaya Server Sibuk (B)
B = Cs ( L – Lq )
= Rp 4610(1,894 – 0,689)
= Rp 5558,145
Biaya Sistem (TC)
TC = I + Q + C + B
= Rp 16890,478
Berikut hasil perhitungan performan lini pencampuran dan granulasi dengan 2
server menggunakan software Winqsb:
Gambar 4.8 Output kinerja sistem Multiple Server dengan s = 2 dengan Winqsb

Fachmann Consultant
Berikut hasil probabilitas sistem lini pencampuran dan granulasi dengan 2 server
menggunakan software Winqsb:
Gambar 4.9 Output Ringkasan Probablitas Kasus Multiple Server dengan n=2
4.3.2.3 Analisis Sensitivitas

a. S = 3 dan λ tetap
60
µ= =3,750 produk/jam
( 19+22+7 )
(3 )
Berikut ini adalah Output kinerja software Winqsb saat S = 3:

Fachmann Consultant
b. S = 4 dan λ tetap
60
µ= = 4 ,363 produk/jam
( 19+22+7+7)
(4 )
c. S = 5 dan λ tetap
60
µ= = 4,838 produk/jam
19+22+7 +7+7
(5 )

Fachmann Consultant
d. S = 6 dan λ tetap
60
( 19+22+7+7+7+7)
(6 )

Fachmann Consultant
e. S = 7 dan λ tetap
60
( 19+22+7+7+7+7+7)
(7 )
f. S = 8 dan λ tetap
60
( 19+22+7+7+7+7+7+7)
(8 )

Fachmann Consultant
g. S = 9 dan λ tetap
60
µ= = 6 produk/ja m
( 19+22+7+7+7+7+7+7+7)
(9 )

Fachmann Consultant
h. S = 10 dan λ tetap
60
µ= = 6,185 produk/ja m
( 19+22+7+7+7+7+7+7+7+7)
(10 )
Berikut tabel rekap dari alternatif yang dapat dipilih dengan mengubah rata-rata
pelayanan dan jumlah server :
Tabel 4.40 Rekap uji analisis sensitivitas menggunakan software winqsb
Serve ρ
λ µ L Lq W Wq P0 TC
r
3,52
2 2,927 0,602 1,894 0,688 0,537 0,195 0,248 16907.280
9
3,52 3,750 0,260
3 0,797 0,017 0,272 0,005 0,456 18954,540
9
3,52 0,167
4 4,363 0,671 0,010 0,229 0,000 0,511 23881,260
9
3,52 0,121
5 4,838 0,605 0,000 0,206 0,000 0,546 29006,190
9
3,52 0,093
6 5,217 0,561 0,000 0,191 0,000 0,570 34212,590
9
Fachmann Consultant
7 3,52 5,526 0,075 0,529 0,000 0,181 0,000 0,588 39464,490

9
8 3,52 5,578 0,065 0,524 0,000 0,179 0,000 0,591 44811,690
9
9 3,52 6,000 0,054 0,487 0,000 0,166 0,000 0,613 50043,640
9
10 3,52 6,185 0,047 0,161 0,000 0,161 0,000 0,622 55356,040
9
Dari hasil uji sensitivitas yang dilakukan sebanyak sepuluh server dapat dilihat bahwa
biaya total terkecil yang dikeluarkan adalah saat server = 2 dan µ = 2,927 dengan biaya
total sebesar 16907.280
4.2.4 Kasus 4 (Stagecoach)

 PT Bio Medika
Berikut adalah jaringan rute supplier PT Bio Medika :
Gambar 4.18 Rute Perjalanan PT Bio Medika

Pada persoalan tersebut menggunakan metode backward. Berikut adalah langkah
– langkah stagecoach untuk PT Bio Medika:
 Tahap 5 : F5(s) = csX5
Tabel 4.41 Stage 5 PT Bio Medika
Solusi Optimum
S
F5(s) X5
Tangerang 0,71 Cileduk
 Tahap 4 : F4(s) = min {csX4 + f5(x4)}

Fachmann Consultant
Solusi Optimum
S Cilandak
F4(s) X4
Cileduk 0.71+1.12 = 1.83 1.83 Cilandak
Solusi Optimum
S Cinere Bojongsari F3(s
X3
)
Cilanda
1.83+0.25=2.08 1.83+0.55=2.38 2.08 Cinere
k
Solusi Optimum
S Sawangan
F2(s) X2
Ciner
2.08+1.2=3.28 3.28 Sawangan
e
Solusi Optimum
S Depok
F1(s) X1
Sawangan 3.28+0.81=4.09 4.09 Depok

Output Software:
Berikut merupakan output software stagecoach PT Bio Medika:
Gambar 4.19 Output software PT Bio Medika

Berikut tabel rekap perhitungan dari PT Bio Medika:

Fachmann Consultant
Tabel 4.46 Rekap Perhitungan PT Bio Medika

Perhitungan Rute Waktu Tempuh
Manual Depok – Sawangan – Cinere – Cilandak – Cileduk - 4.09 jam
Tangerang
Software Depok – Sawangan – Cinere – Cilandak – Cileduk - 4.09 jam
Tangerang
 PT Indo Farma
Berikut adalah jaringan rute supplier PT Indo Farma :
Gambar 4.20 Rute Perjalanan PT Indo Farma

– langkah stagecoach untuk PT Indo Farma:
Tabel 4.47 Stage 6 PT Indo Farma
Solusi Optimum
S
F6(s) X6
Tangerang 1.1 Cawang
Solusi Optimum
S Cililitan
F5(s) X5
Cawang 1.1+1.93 = 3.03 3.03 Cililitan

Fachmann Consultant
Solusi Optimum
S Cikampek Duren Sawit
F4(s) X4
3.03+1.25=4.28 4.28 Cikampek
Cililita
n 3.03+1.11=4.1
4.14 Duren Sawit
4
Solusi Optimum
S Cikunir
F4(s) X4
Cikampe
4.28+0.6=4.88 4.88
k
Cikunir
Duren
4.14+0,9=5.04 5.04
Sawit
Solusi Optimum
S Kalimalang
F4(s) X4
Cikuni
4.88+0.85=5.73 5.73 Kalimalang
r
Solusi Optimum
S Bekasi
F4(s) X4
Kalimalan
5.73+0.55= 6.28 Bekasi
g
Output Software :
Berikut merupakan output software stagecoach PT Indo Farma :

Fachmann Consultant
Gambar 4.21 Output software PT Indo Farma

Berikut tabel rekap perhitungan dari PT Indo Farma:
Tabel 4.53 Rekap Perhitungan PT Indo Farma
Manual Bekasi – Kalimalang – Cikunir – Cikampek – 6.28 jam
Cililitan - Cawang - Tangerang
Software Bekasi – Kalimalang – Cikunir – Cikampek – 6.28 jam
Cililitan - Cawang - Tangerang
 PT Indo Waras
Berikut adalah jaringan rute supplier PT Indo Waras :
Gambar 4.22 Rute Perjalanan PT Indo Waras

– langkah stagecoach untuk PT Indo Waras
Tabel 4.54 Stage 6 PT Indo Waras

Fachmann Consultant
Solusi Optimum
S
F6(s) X6
Tangerang 1.59 Cikoneng
Solusi Optimum
S Kalimalang Jati Baru
F5(s) X5
Cikonen 1.59+2.03=3.62 3.62 Kalimalang
g 1.59+2.41=4 4 Jatibaru
Solusi Optimum
S Paparean
F2(s) X2
3.62+0.88=4.
Kalimalang 4.5 Paparean
5
Solusi Optimum
S Paparean
F2(s) X2
4.5+0.76=5.2
Kalimalang 5.26 Paparean
6
Solusi Optimum
S Paparean
F2(s) X2
Kalimalan
5.26+0.57= 5.83 Paparean
g
Solusi Optimum
S Paparean
F2(s) X2
Kalimalan 5.83+1.03=6.86 6.86 Paparean

Fachmann Consultant
g
Output Software :
Berikut merupakan output software stagecoach PT Indo Waras:
Gambar 4.23 Output software PT Indo Waras

Berikut tabel rekap perhitungan dari PT Indo Waras:
Tabel 4.60 Rekap Perhitungan PT Indo Waras
Manual Karawang – Teluk Jambe – Cikarang – Paparean – 6.86 jam
Kalimalang – Cikoneng - Tangerang
Software Karawang – Teluk Jambe – Cikarang – Paparean – 6.86 jam
Kalimalang – Cikoneng - Tangerang
 PT Pratama Medika
Berikut adalah jaringan rute supplier PT Pratama Medika :

Fachmann Consultant
Gambar 4.24 Rute Perjalanan PT Pratama Medika

– langkah stagecoach untuk PT Pratama Medika:
Tabel 4.61 Stage 5 PT Pratama Medika
Solusi Optimum
S
F5(s) X5
Tangerang 0.3 Cilandak
Solusi Optimum
S Jakarta Timur Rumbuk
F4(s) X4
Cilanda 0.3+0.66=3.28 0.96 Jakarta Timur
k 0.3+0.84=3.14 1.14 Rumbuk
Solusi Optimum
S Bekasi Depok
F3(s) X3
Jakarta Timur 0.96+0.45=1.41 1.41 Bekasi
1.14+0.56=1.7 1.7 Bekasi
Rumbuk 1.14+0.86=
2 2 Depok
Solusi Optimum
S Bubulak
F2(s) X2

Fachmann Consultant
Bekasi 1.41+1.55=2.96 2.96 Bubulak

Solusi Optimum
S Cileungsi
F1(s) X1
2.96+0.34=3.
Bubulak 3.3 Cileungsi
3
Output Software :
Berikut merupakan output software stagecoach PT Pratama Medika :
Gambar 4.25 Output software PT Pratama Medika

Berikut tabel rekap perhitungan dari PT Pratama Medika:
Tabel 4.66 Rekap Perhitungan PT Pratama Medika
Manual Cileungsi – Bubulak – Bekasi – Jakarta Timur – 3.3 jam
Cilandak - Tangerang
Software Cileungsi – Bubulak – Bekasi – Jakarta Timur – 3.3 jam
Cilandak - Tangerang
 PT Sehat Prima
Berikut adalah jaringan rute supplier PT Sehat Prima :

Fachmann Consultant
Gambar 4.26 Rute Perjalanan PT Sehat Prima

Diketahui, PT Sehat Prima tidak dapat melewati Tjengkudu dan Panongan
karena kedua daerah tersebut ditutup oleh pemerintah setempat akibat
banyaknya angka terkonfirmasi kasus COVID-19 di daerah itu.
– langkah stagecoach untuk PT Sehat Prima:
Tabel 4.67 Stage 5 PT Sehat Prima
Solusi Optimum
S F5(s
X5
)
2.1 Jatiuwung
Tangerang
2.37 Gurubug
Solusi Optimum
S Balaraja Tigaraksa Sumur F4(s
X4
)
Jatiuwun
2.1+2.19=4.29 4.29 Balaraja
g
2.37+2.01=4.38 4.38 Tigaraksa
Gurubug
2.37+2.26=4.63 4.63 Sumur
S Cikande Padalarang Solusi

Fachmann Consultant
Optimum
F4(s) X4
4.29+0.95=5.2
Balaraja 5.24 Cikande
4
Tigaraks 4.38+0.67=5.0
4.38+0.71=5.09 5.05 Cikande
a 5
Solusi Optimum
S Serang
F2(s) X2
Cikande 5.05+0.37=5.42 5.42 Serang
Solusi Optimum
S Rangkasbitung
F1(s) X1
Seran
5.42+1.2=6.62 6.62 Rangkasbitung
g
Output Software :
Berikut merupakan output software stagecoach PT Sehat Prima :
Gambar 4.27 Output software PT Sehat Prima
Berikut tabel rekap perhitungan dari PT Sehat Prima:

Tabel 4.72 Rekap Perhitungan PT Sehat Prima

Fachmann Consultant
Manual Rangkasbitung – Serang – Cikande – Tigaraksa - 6.62 jam

Gurubug - Tangerang
Software Rangkasbitung – Serang – Cikande – Tigaraksa - 6.62 jam
Gurubug - Tangerang

DAFTAR PUSTAKA
Abdurrahman, Edi. 1999. Konsep Dasar Markov Chain. Jakarta: Erlangga. Aminuddin.
2005. Prinsip – prinsip Riset Operasi. Jakarta: Erlangga
Ardiansyah., Rusdi., dan Enawati. 2015. Rancang Bangun Aplikasi Pencarian Rute
Terpendek Menggunakan Metode Algoritma Particle Swarm Optimization
(Pso), Departemen Teknik Industri, Universitas Bengkulu.
Dimyati, Tjutju Tarliah dan Ahmad Dimyati. 2004. Operation Research Model – Model
Pengambilan Keputusan. Bandung: Sinar Baru Algesindo.
Siagian, P., 1987. Penelitian Operasional : Teori dan Praktek, Universitas Indonesia
Press. Jakarta.
Ristono, A & Puryani, 2011. Penelitian Operasional Edisi Pertama, Yogyakarta : Graha
Ilmu.
Siswanto. 2007. Operation Research (Jilid 1). Jakarta: Erlangga.
Supranto, J., 1987, Riset Operasi: Untuk Pengambilan Keputusan, Universitas Indonesia
Press, Jakarta.
Utami, Arum Tri. 2013.Penerapan Model Integer Linear Programming dan Analisis
Titik Impas Multiproduk Guna Mengoptimalkan Jumlah Produk,
Departemen Teknik Industri, UIN Sunan Kalijaga.
Mercubuana.com. (2007). Modul 13 Penelitian Operasional Teori Antrian. Diakses

pada 27 Februari 2021, dari
http://mercubuana.ac.id/files/RisetOperasional/Modul%2013.pdf
LAMPIRAN
Fachmann Consultant
LEMBAR ASISTENSI
PRAKTIKUM PENELITIAN OPERASIONAL
LABORATORIUM OPTIMASI DAN PERENCANAAN SISTEM INDUSTRI
Kelompok :2
Nama Asisten : Aulia Nisanti
Asistensi ke-
Nama NIM
1 2 3 4 5 6
Nila Sari Aulia 2107011912004
√ √ √
Putri 6
Putra Baning 2107011913005 √ √ √
Bagas 8
2107011913010 √ √ √
Rafi Dzakwan
9
Richard 2107011913011 √ √ √
Jonathan G 9
No Materi Asistensi Approve
1 Revisi bab 1, 2, 3, 4 √
2 Revisi bab 4 √
3 Revisi bab 4 + formatting √
4
Asisten,
Aulia Nisanti
21070118120058

Kelompok 02 - Tahap 1 - Aulia Nisanti

Diunggah oleh

Informasi Dokumen

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

Kelompok 02 - Tahap 1 - Aulia Nisanti

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

Kelompok 2 PENELITIAN OPERASIONAL

Nila Sari Aulia Putri 21070119120046

DEPARTEMEN TEKNIK INDUSTRI

Semarang, 23 Mei 2021

Gambar 2.1 Ilustrasi Suply dan Demand dalam Transportasi Seimbang........................10

Tabel 2.1 Tabel biaya permasalahan tarnsportasi distribusi pupuk.................................11

1.1 Latar Belakang

Make Indonesia Great Again 1

1.2 Rumusan Masalah

Make Indonesia Great Again 2

4. Menentukan rute pengiriman terpendek dari lima supplier terpilih menuju

1.3 Batasan Penelitian

Make Indonesia Great Again 3

7. Meramalkan persediaan yang ada untuk PT Bayer Indo dalam beberapa

1.4 Tujuan Penelitian

1.5 Sistematikan Penulisan

Make Indonesia Great Again 4

Berisi data yang akan digunakan dalam penelitian sebagai dasar

Make Indonesia Great Again 5

2.1 Integer Linear Programming

x j jxinteger, untuk beberapa atau untuk semua j = 1,2,3,...n

Make Indonesia Great Again 6

a. Fungsi Tujuan (objective function)

Make Indonesia Great Again 7

Make Indonesia Great Again 8

Make Indonesia Great Again 9

Gambar 2.1 Ilustrasi Suply dan Demand dalam Transportasi Seimbang

Make Indonesia Great Again 10

Masalah ini dapat dipecahkan dengan menggunakan metode simpleks.

Make Indonesia Great Again 11

tanpa menyimpang dari kendala penawaran atau permintaan (artinya X11

Make Indonesia Great Again 12

Sehingga solusi awal diperoleh:

Make Indonesia Great Again 13

3. Metode Aproksimasi Vogel (VAM)

Make Indonesia Great Again 14

Make Indonesia Great Again 15

Make Indonesia Great Again 16

kolom dengan menggunakan hubungan Cij = Ui + V j untuk semua

2.3 Teori Antrian

Make Indonesia Great Again 17

dengan kelahiran, sedangkan keberangkatan unit yang telah dilayani merupakan

Make Indonesia Great Again 18

Gambar 2.2 Sistem Antrian

Gambar 2.3 Mekanisme Antrian Single Chanel single Phase

Make Indonesia Great Again 19

2. Single Chanel Multi Phase

Gambar 2.4 Single Chanel Multi Phase

Gambar 2.5 Multi Chanel Single Phase

Make Indonesia Great Again 20

4. Multi Chanel Multi Phase

Gambar 2.6 Multi Chanel Multi Phase

Make Indonesia Great Again 21

5) Random Served, yaitu setiap pelanggan memiliki peluang yang sama

Make Indonesia Great Again 22

konstan atau deterministik

Make Indonesia Great Again 23

Make Indonesia Great Again 24

7. Waktu rata – rata nasabah dalam sistem (W s ¿

Contoh Kasus Proses Antrian

Make Indonesia Great Again 25

 Waktu menunggu rata- rata dalam sistem (W)

= 0,1 jam = 6 menit