Jalan Nuri I No. 4, Tangerang, Banten, Indonesia Nomor telepon: 021 – 3528197Email: fachmannconsultant@gmail.com
LEMBAR PENGESAHAN
LAPORAN PRAKTIKUM PENELITIAN OPERASIONAL
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
vi
Gambar 4.16 Output kinerja sistem Multiple Server dengan s = 9 dengan Winqsb......94
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
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 4.14 Langkah 2 Imboost Force..............................................................................66
Tabel 4.15 Langkah 3 Imboost Force..............................................................................67
Tabel 4.16 Langkah 4 Imboost Force..............................................................................67
Tabel 4.17 Langkah 5 Imboost Force..............................................................................68
Tabel 4.18 Langkah 6 Imboost Force..............................................................................68
Tabel 4.19 Langkah 7 Imboost Force..............................................................................69
Tabel 4.20 Hasil VAM Imboost Force............................................................................69
Tabel 4.21 Langkah 1 Immune Booster..........................................................................71
Tabel 4.22 Langkah 2 Immune Booster..........................................................................71
Tabel 4.23 Langkah 3 Immune Booster..........................................................................72
Tabel 4.24 Langkah 4 Immune Booster..........................................................................72
Tabel 4.25 Langkah 5 Immune Booster..........................................................................73
Tabel 4.26 Langkah 6 Immune Booster..........................................................................73
Tabel 4.27 Langkah 7 Immune Booster..........................................................................74
Tabel 4.28 Hasil VAM Immune Booster........................................................................74
Tabel 4.29 Langkah 1 Imunos.........................................................................................76
Tabel 4.30 Langkah 2 Imunos.........................................................................................76
Tabel 4.31 Langkah 3 Imunos.........................................................................................77
Tabel 4.32 Langkah 4 Imunos.........................................................................................77
Tabel 4.33 Langkah 5 Imunos.........................................................................................78
Tabel 4.34 Langkah 6 Imunos.........................................................................................78
Tabel 4.35 Langkah 7 Imunos.........................................................................................79
Tabel 4.36 Langkah 8 Imunos.........................................................................................79
Tabel 4.37 Langkah 8 Imunos.........................................................................................80
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 4.42 Stage 4 PT Bio Medika.................................................................................96
Tabel 4.43 Stage 3 PT Bio Medika.................................................................................97
Tabel 4.44 Stage 2 PT Bio Medika.................................................................................97
Tabel 4.45 Stage 1 PT Bio Medika.................................................................................97
Tabel 4.46 Rekap Perhitungan PT Bio Medika...............................................................98
Tabel 4.47 Stage 6 PT Indo Farma..................................................................................98
Tabel 4.48 Stage 5 PT Indo Farma..................................................................................98
Tabel 4.49 Stage 4 PT Indo Farma..................................................................................99
Tabel 4.50 Stage 3 PT Indo Farma..................................................................................99
Tabel 4.51 Stage 2 PT Indo Farma..................................................................................99
Tabel 4.52 Stage 1 PT Indo Farma..................................................................................99
Tabel 4.53 Rekap Perhitungan PT Indo Farma.............................................................100
Tabel 4.54 Stage 6 PT Indo Waras................................................................................101
Tabel 4.55 Stage 5 PT Indo Waras................................................................................101
Tabel 4.56 Stage 4 PT Indo Waras................................................................................101
Tabel 4.57 Stage 3 PT Indo Waras................................................................................101
Tabel 4.58 Stage 2 PT Indo Waras................................................................................101
Tabel 4.59 Stage 1 PT Indo Waras................................................................................102
Tabel 4.60 Rekap Perhitungan PT Indo Waras.............................................................102
Tabel 4.61 Stage 5 PT Pratama Medika........................................................................103
Tabel 4.62 Stage 4 PT Pratama Medika........................................................................103
Tabel 4.63 Stage 3 PT Pratama Medika........................................................................103
Tabel 4.64 Stage 2 PT Pratama Medika........................................................................104
Tabel 4.65 Stage 2 PT Pratama Medika........................................................................104
Tabel 4.66 Rekap Perhitungan PT Pratama Medika.....................................................104
Tabel 4.67 Stage 5 PT Sehat Prima...............................................................................105
Tabel 4.68 Stage 4 PT Sehat Prima...............................................................................105
Tabel 4.69 Stage 3 PT Sehat Prima...............................................................................106
x
Tabel 4.70 Stage 2 PT Sehat Prima...............................................................................106
Tabel 4.71 Stage 2 PT Sehat Prima...............................................................................106
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
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.
BAB II
TINJAUAN PUSTAKA
Dengan kendala
n
∑ ai j x j=¿b ,i=1,2,3.. ¿
i
j=1
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
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
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.
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
Dari/ke 1 2 3 Supply
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.
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
Dari/ke 1 2 3 Supply Penalti cost
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
Dari/ke 1 2 3 Supply Penalti cost
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
Dari/ke 1 2 3 Supply
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
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
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.
(www.mercubuana.ac.id)
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
= 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
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:
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
1. Tahap 3
(s) = min{3 + 4( 3)}
Perhitungan tahap tiga permasalahan metode stagecoach adalah
sebagai berikut :
Tabel 2.10 Tahap 3 penyelesaian stagecoach
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 :
Tabel 2.11 Tahap 2 penyelesaian stagecoach
3 3 (S,3) min [3 + 4(3)] Solusi Optimum
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 :
Tabel 2.12 Tahap 1 penyelesaian stagecoach
3 3 (S,3) min [3 + 4(3)] Solusi Optimum
S 2 3 4 1(s) 1
1 13 11 11 11 3 atau 4
1 → 4 → 6 → 9 → 10
Dengan panjang lintasan tersebut adalah 11.
(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
(Sumber : https://slideplayer.info)
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
(Sumber : https://slideplayer.info)
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
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)
(Sumber : https://slideplayer.info)
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.
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:
(Sumber : https://slideplayer.info)
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
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.
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.
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:
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
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
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:
Tabel 2.21 Data Persoalan Markov
Rojolele 2 1 1 4
IR. 36 2 2 2 6
Cisedani 2 3 3 8
Jumlah 6 6 6 18
(Sumber: https://slideplayer.info)
Dianggap bahwa perpindahan konsumsi beras dianggap stabil, sehingga matriks
probabilitas transisinya adalah:
Tabel 2.22 Data Persoalan Markov
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.
• Consultant Manager
Nama Lengkap : Richard Jonathan Gitowardojo
Jenis Kelamin : Laki-laki
Kewarganegaraan : Indonesia
Agama : Katholik
Tempat, tanggal lahir : Semarang, 30 November 2000
Email : richardjonathan619@gmail.com
Domisili : Semarang
• Marketing Manager
Nama Lengkap : Putra Baning Bagas
Jenis Kelamin : Laki-laki
Kewarganegaraan : Indonesia
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
Riwayat Pendidikan : S1 Teknik Industri Universitas Diponegoro
BAB IV
PENGOLAHAN DATA
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
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
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
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.
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
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
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.
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
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,-
384
Demand 410 463 465 447
Penalty 1 2 1 0
Tabel 4.14 Langkah 2 Imboost Force
Penalty 2 1
2. Immune Booster
- Penyelesaian manual
Berikut ini adalah langkah pengerjaan transportasi untuk produk Immune
Booster:
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
451
Demand 459 450 398 473
Penalty 2 1 1
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
5 6 7 3 435
Ciledug 435
Cibodas 1 5 6 3 451
451
Demand 459 450 398 473
- Perhitungan Software
Berikut merupakan hasil output software pom qm:
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
343 63
Demand 350 353 379 267 230 11
Penalty 3
Gambar 4.6 Output Software WinQSB Pada Teori antrian 1 Kelompok Pekerja
Gambar 4.7 Output Software WinQSB Pada Teori antrian 2 Kelompok Pekerja
= 6 x 8 x 21.000
= 1.008.000
Biaya Total = 1.453.984
Penyelesaian dengan Software
Hasil perhitungan Teori antrian dengan 3 kelompok pekerja software WinQSB
ditunjukan pada gambar di bawah ini:
Gambar 4.8 Output Software WinQSB Pada Teori antrian 3 Kelompok Pekerja
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
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
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
10
λ 1
P15 = Po ()
µ 2! 210−2
= 0,000
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
Gambar 4.8 Output kinerja sistem Multiple Server dengan s = 2 dengan Winqsb
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
Gambar 4.10 Output kinerja sistem Multiple Server dengan s = 3 dengan Winqsb
b. S = 4 dan λ tetap
60
µ= = 4 ,363 produk/jam
( 19+22+7+7)
(4 )
Berikut ini adalah Output kinerja software Winqsb saat S = 4:
Gambar 4.11 Output kinerja sistem Multiple Server dengan s = 4 dengan Winqsb
c. S = 5 dan λ tetap
60
µ= = 4,838 produk/jam
19+22+7 +7+7
(5 )
Berikut ini adalah Output kinerja software Winqsb saat S = 5:
Gambar 4.12 Output kinerja sistem Multiple Server dengan s = 5 dengan Winqsb
d. S = 6 dan λ tetap
60
µ= = 5,217 produk/jam
( 19+22+7+7+7+7)
(6 )
Berikut ini adalah Output kinerja software Winqsb saat S = 6:
Gambar 4.13 Output kinerja sistem Multiple Server dengan s = 6 dengan Winqsb
e. S = 7 dan λ tetap
60
µ= = 5,526 produk/jam
( 19+22+7+7+7+7+7)
(7 )
Berikut ini adalah Output kinerja software Winqsb saat S = 7:
Gambar 4.14 Output kinerja sistem Multiple Server dengan s = 7 dengan Winqsb
f. S = 8 dan λ tetap
60
µ= = 5,578 produk/jam
( 19+22+7+7+7+7+7+7)
(8 )
Berikut ini adalah Output kinerja software Winqsb saat S = 8:
Gambar 4.15 Output kinerja sistem Multiple Server dengan s = 8 dengan Winqsb
g. S = 9 dan λ tetap
60
µ= = 6 produk/ja m
( 19+22+7+7+7+7+7+7+7)
(9 )
Berikut ini adalah Output kinerja software Winqsb saat S = 9:
Gambar 4.16 Output kinerja sistem Multiple Server dengan s = 9 dengan Winqsb
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 ini adalah Output kinerja software Winqsb saat S = 10:
Gambar 4.17 Output kinerja sistem Multiple Server dengan s = 10 dengan Winqsb
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
Make Indonesia Great Again 92
Fachmann Consultant
Jalan Nuri I No. 4, Tangerang, Banten, Indonesia
Nomor telepon: 021 – 3528197
Email: fachmannconsultant@gmail.com
Solusi Optimum
S
F5(s) X5
Tangerang 0,71 Cileduk
Tahap 4 : F4(s) = min {csX4 + f5(x4)}
Solusi Optimum
S Cilandak
F4(s) X4
Cileduk 0.71+1.12 = 1.83 1.83 Cilandak
Tahap 3 : F3(s) = min {csX3 + f4(x3)}
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
Tahap 2 : F2(s) = min {csX2 + f3(x2)}
Tabel 4.44 Stage 2 PT Bio Medika
Solusi Optimum
S Sawangan
F2(s) X2
Ciner
2.08+1.2=3.28 3.28 Sawangan
e
Tahap 1 : F1(s) = min {csX1 + f2(x1)}
Tabel 4.45 Stage 1 PT Bio Medika
Solusi Optimum
S Depok
F1(s) X1
PT Indo Farma
Berikut adalah jaringan rute supplier PT Indo Farma :
Solusi Optimum
S
F6(s) X6
Tangerang 1.1 Cawang
Tahap 5 : F5(s) = min {csX5 + f6(x5)}
Tabel 4.48 Stage 5 PT Indo Farma
Solusi Optimum
S Cililitan
F5(s) X5
Cawang 1.1+1.93 = 3.03 3.03 Cililitan
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
Tahap 3 : F3(s) = min {csX3 + f4(x3)}
Tabel 4.50 Stage 3 PT Indo Farma
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
Tahap 2 : F2(s) = min {csX2 + f3(x2)}
Tabel 4.51 Stage 2 PT Indo Farma
Solusi Optimum
S Kalimalang
F4(s) X4
Cikuni
4.88+0.85=5.73 5.73 Kalimalang
r
Tahap 1 : F1(s) = min {csX1 + f2(x1)}
Tabel 4.52 Stage 1 PT Indo Farma
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 :
PT Indo Waras
Berikut adalah jaringan rute supplier PT Indo Waras :
Solusi Optimum
S
F6(s) X6
Tangerang 1.59 Cikoneng
Tahap 5 : F5(s) = min {csX5 + f6(x5)}
Tabel 4.55 Stage 5 PT Indo Waras
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
Tahap 4 : F4(s) = min {csX4 + f5(x4)}
Tabel 4.56 Stage 4 PT Indo Waras
Solusi Optimum
S Paparean
F2(s) X2
3.62+0.88=4.
Kalimalang 4.5 Paparean
5
Tahap 3 : F3(s) = min {csX3 + f4(x3)}
Tabel 4.57 Stage 3 PT Indo Waras
Solusi Optimum
S Paparean
F2(s) X2
4.5+0.76=5.2
Kalimalang 5.26 Paparean
6
Tahap 2 : F2(s) = min {csX2 + f3(x2)}
Tabel 4.58 Stage 2 PT Indo Waras
Solusi Optimum
S Paparean
F2(s) X2
Kalimalan
5.26+0.57= 5.83 Paparean
g
Tahap 1 : F1(s) = min {csX1 + f2(x1)}
Solusi Optimum
S Paparean
F2(s) X2
Kalimalan 5.83+1.03=6.86 6.86 Paparean
g
Output Software :
Berikut merupakan output software stagecoach PT Indo Waras:
PT Pratama Medika
Berikut adalah jaringan rute supplier PT Pratama Medika :
Solusi Optimum
S
F5(s) X5
Tangerang 0.3 Cilandak
Tahap 4 : F4(s) = min {csX4 + f5(x4)}
Tabel 4.62 Stage 4 PT Pratama Medika
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
Tahap 3 : F3(s) = min {csX3 + f4(x3)}
Tabel 4.63 Stage 3 PT Pratama Medika
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
Tahap 2 : F2(s) = min {csX2 + f3(x2)}
Tabel 4.64 Stage 2 PT Pratama Medika
Solusi Optimum
S Bubulak
F2(s) X2
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 :
PT Sehat Prima
Berikut adalah jaringan rute supplier PT Sehat Prima :
Solusi Optimum
S F5(s
X5
)
2.1 Jatiuwung
Tangerang
2.37 Gurubug
Tahap 4 : F4(s) = min {csX4 + f5(x4)}
Tabel 4.68 Stage 4 PT Sehat Prima
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
Tahap 3 : F3(s) = min {csX3 + f4(x3)}
Tabel 4.69 Stage 3 PT Sehat Prima
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
Tahap 2 : F2(s) = min {csX2 + f3(x2)}
Tabel 4.70 Stage 2 PT Sehat Prima
Solusi Optimum
S Serang
F2(s) X2
Cikande 5.05+0.37=5.42 5.42 Serang
Tahap 1 : F1(s) = min {csX1 + f2(x1)}
Tabel 4.71 Stage 2 PT Sehat Prima
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 :
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.
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.
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
1 Revisi bab 1, 2, 3, 4 √
2 Revisi bab 4 √
3 Revisi bab 4 + formatting √
4
Asisten,
Aulia Nisanti
21070118120058