LECTURE NOTES

ISYE6189 - Deterministic
Optimization and Stochastic
Processes

Topic 4
Network Models

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 LEARNING OUTCOMES

LO2: Apply some methods and the techniques used to solve linear optimization models
using their mathematical structure

OUTLINE MATERI (Sub-Topic):

1) MST
2) Shortest path (Djikstra’s algorithm)
3) Max flow problem
4) PERT dan CPM

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 ISI MATERI

Model jaringan (Network Model) dalam pembahasan ini meliputi aplikasi klasik
dalam menemukan cara yang paling efisien untuk menghubungkan sejumlah lokasi langsung
atau tidak langsung, menemukan rute terpendek antara dua kota, menentukan aliran
maksimum dalam jaringan pipa, menentukan aliran minimum-biaya dalam jaringan yang
memenuhi pasokan dan kebutuhan permintaan di lokasi yang berbeda, dan penjadwalan
kegiatan proyek.

Algoritma minimum cost capacited adalah pendekatan jaringan umum yang

menggolongkan rute terpendek dan model maksimal-aliran yang akan dibahas pada bagian
ini. Ketika mempelajari materi dalam bagian ini, perlu memberi perhatian perhatian khusus
pada aplikasi non-tradisional dari model ini. Misalnya, model rute terpendek dapat digunakan
untuk menentukan kebijakan penggantian peralatan yang optimal dan model aliran
maksimum dapat digunakan untuk menentukan jumlah optimal dari kapal yang memenuhi
jadwal pengiriman tertentu. Situasi ini termasuk dalam bagian ini dalam bentuk contoh-
contoh yang diselesaikan, masalah, atau kasus.

Sepanjang pembahasan bagian ini, formulasi dan solusi dari model jaringan sebagai program
linier ditekankan. Dianjurkan agar mempelajari hubungan ini, karena sebagian besar kode
komersial yang digunakan untuk memecahkan masalah jaringan sebagai program linier
belaka. Selain itu, beberapa formulasi memerlukan batasan, yang dapat diimplementasikan
hanya jika masalah ini diselesaikan sebagai LP.

LINGKUP DAN DEFINISI DARI MODEL JARINGAN.

Sudah banyak permasalahan riset operasi yang dapat dimodelkan dan diselesaikan sebagai
suatu bentuk jaringan (node dihubungkan dengan cabang):

1. Desain jaringan pipa gas alam lepas pantai yang menghubungkan baik sumur di Teluk
Meksiko ke titik pengiriman perairan pantai. Tujuan dari model ini adalah untuk
meminimalkan biaya pembangunan pipa.
2. Penentuan rute terpendek antara dua kota di jaringan yang ada jalan.
3. Penentuan kapasitas maksimum (dalam ton per tahun) dari jaringan ‘slurry pipeline’
batubara yang digabungkan dengan tambang batubara di Wyoming dengan pembangkit

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 listrik di Houston. (Pipa bubur mengangkut batubara dengan memompa air melalui pipa
yang dirancang khusus.)
4. Penentuan jadwal waktu (mulai dan selesai tanggal) untuk kegiatan proyek konstruksi.
5. Penentuan biaya minimum jadwal aliran dari ladang minyak ke kilang melalui jaringan
pipa.

Solusi dari situasi ini, dan lain-lain seperti itu, dicapai melalui berbagai algoritma optimasi
jaringan. Bagian ini akan menyajikan empat algoritma yaitu :.

1. Minimal pohon spanning (situasi 1)

2. algoritma Shortest-rute (situasi 2)
3. algoritma Maximal-aliran (situasi 3)
4. jalur kritis (CPM) algoritma (situasi 4)

Definisi jaringan. Sebuah jaringan terdiri dari satu set node dihubungkan oleh busur (atau
cabang). Notasi untuk menggambarkan jaringan adalah (N, A), di mana N adalah himpunan
node dan A adalah set busur. Sebagai gambaran, jaringan pada Gambar berikut :

1 3 5

Contoh Network (N,A)

2 4

Tree Spanning Tree

Busur dikatakan diarahkan atau berorientasi jika memungkinkan aliran positif dalam
satu arah dan nol aliran dalam arah yang berlawanan. Sebuah jaringan mengarahkan semua
busur. Sebuah lintasan adalah busur yang menggabungkan dua node melalui node lain tanpa

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 arah berdasasrkan aliran tertentu. Sebuah jalan membentuk siklus atau lingkaran jika
menghubungkan simpul untuk dirinya sendiri melalui node lain. Misalnya, pada Gambar
diatas, busur (2,3), (3, 4), dan (4,2) membentuk suatu siklus.

Sebuah jaringan yang terhubung sehingga setiap dua node yang berbeda dihubungkan
oleh setidaknya satu jalur. Jaringan pada Gambar diatas menunjukkan jenis jaringan. Sebuah
pohon adalah jaringan yang terhubung siklus bebas terdiri dari subset dari semua node, dan
spanning tree adalah pohon yang menghubungkan semua node jaringan.

1. MINIMUM SPANNING TREE (MST)

Model Spanning Tree minimal:
• Tree merupakan sekelompok arcs yang terhubung yang tidak membentuk siklus.

• Spanning tree merupakan Tree yang menghubungkan seluruh node pada suatu
jaringan.

• Masalah spanning tree minimal berusaha untuk mencari jumlah arc lengths minimum
yang dibutuhkan untuk menghubungkan seluruh node dalam suatu jaringan.
• Kriteria yang akan diminimisasi dalam kasus spanning tree minimal tidak terbatas
pada jarak meskipun istilah ―terdekat‖ ("closest―) digunakan untuk menjelaskan
suatu prosedur. Kriteria lainnya adalah seperti waktu dan biaya.

Prosedur Penyelesaian Spanning Tree

• Step 1: pilih salah satu node (bebas) dan hubungan pada node terdekat.
Kedua node ini menjadi connected nodes, dan sisa node lainnya menjadi unconnected
nodes.
• Step 2: identifikasi unconnected node yang terdekat dengan salah satu dari connected
nodes (tidak perlu mempertimbangkan ikatan). Tambahkan node baru ini pada
kelompok connected nodes. Ulangi langkan ini sampai seluruh node terhubung.

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 • Note: Suatu kasus dengan n node yang akan dihubungkan akan memerlukan n - 1
iterasi dari langkah di atas.

Contoh mencari spanning tree minimal.

Iterasi 1 :

Secara acak dipilih node 1 node awal, dapat lihat bahwa node terdekat adalah node 2 (jarak =
30). Sehingga, koneksi awal dari node :
Connected nodes: 1,2
Unconnected nodes: 3,4,5,6,7,8,9,10
Arcs terpilih: 1-2

Iterasi 2:
Unconnected node terdekat dari connected node adalah node 5 (distance = 25 to node 2).
Node 5 menjadi connected node.
Connected nodes: 1,2,5
Unconnected nodes: 3,4,6,7,8,9,10
Arcs terpilih: 1-2, 2-5

ISYE6189 - Deterministic Optimization and

Stochastic Processes
Iterasi 3 :

Unconnected node terdekat dari connected node adalah node 7 (distance = 15 to node 5).
Node 7 menjadi connected node.
Connected nodes: 1,2,5,7
Unconnected nodes: 3,4,6,8,9,10
Arcs terpilih: 1-2, 2-5, 5-7

Iterasi 4 :
Unconnected node terdekat dari connected node adalah node 10 (distance = 20 to node 7).
Node 10 menjadi connected node.
Connected nodes: 1,2,5,7,10
Unconnected nodes: 3,4,6,8,9
Arcs terpilih: 1-2, 2-5, 5-7, 7-10

ISYE6189 - Deterministic Optimization and

Stochastic Processes
Iterasi 5 :
Unconnected node terdekat dari connected node adalah node 8 (distance = 25 to node 10).
Node 8 menjadi connected node.
Connected nodes: 1,2,5,7,10,8
Unconnected nodes: 3,4,6,9
Arcs terpilih: 1-2, 2-5, 5-7, 7-10, 10-8

Iterasi 6 :
Unconnected node terdekat dari connected node adalah node 6 (distance = 35 to node 10).
Node 6 menjadi connected node.
Connected nodes: 1,2,5,7,10,8,6
Unconnected nodes: 3,4,9
Arcs terpilih: 1-2, 2-5, 5-7, 7-10, 10-8, 10-6

ISYE6189 - Deterministic Optimization and

Stochastic Processes
Iterasi 7 :
Unconnected node terdekat dari connected node adalah node 3 (distance = 20 to node 6).
Node 3 menjadi connected node.
Connected nodes: 1,2,5,7,10,8,6,3
Unconnected nodes: 4,9
Arcs terpilih: 1-2, 2-5, 5-7, 7-10, 10-8, 10-6, 6-3

Iterasi 8 :
Unconnected node terdekat dari connected node adalah node 9 (distance = 30 to node 6).
Node 9 menjadi connected node.
Connected nodes: 1,2,5,7,10,8,6,3,9
Unconnected nodes: 4
Arcs terpilih: 1-2, 2-5, 5-7, 7-10, 10-8, 10-6, 6-3, 6-9

ISYE6189 - Deterministic Optimization and

Stochastic Processes
Iterasi 9 :
Unconnected node yang tersisa tinggal node 4. Node yang paling dekat dengan node
4 adalah node 6 (distance = 45).
Selanjutnya, spanning tree minimal (lihat slide selanjutnya) terdiri dari:
Arcs: 1-2, 2-5, 5-7, 7-10, 10-8, 10-6, 6-3, 6-9, 6-4
Nilai: 30 + 25 + 15 + 20 + 25 + 35 + 20 + 30 + 45 = 245

Optimal Spanning Tree.

2. MODEL SHORTEST PATH.

Pada jaringan yang diberikan, cari lintasan jarak, waktu, atau biaya minimum dari poin awal
(the start node) sampai ke tujuan (the terminal node). Definisi masalah:
• Terdapat n buah node, dimulai dengan start node 1 and diakhiri dengan terminal node n.
• Bi-directional arcs menghubungkan connected node i dan j dengan jarak nonnegative, dij
• Cari lintasan total jarak minimum yang menghubungkan node to node n.

Langkah-Langkah Pengerjaan Lintasan Terpendek

• Step 1: tetapkan node 1 dengan label permanen [0,S]. Angka pertama adalah jarak dari
node 1; angka kedua adalah preceding node. Karena node 1 tidak memiliki preceding
node, maka starting node dilabeli dengan S.

ISYE6189 - Deterministic Optimization and

Stochastic Processes
• Step 2: hitung label-label sementara, (d,n), untuk tiap node yang dapat dicapai secara
langsung dari node 1. d = jarak langsung dari node 1 ke node in question — ini disebut
sebagai distance value. n menunjukkan preceding node pada rute dari node 1 — ini
disebut sebagai preceding node value. (Seluruh node yang dilabeli pada langkah ini
memiliki n = 1.)
• Step 3: identifikasi node dengan label sementara yang memiliki distance value terkecil.
Anggap node ini adalah node k. Node k kemudian dilabeli secara permanen
(menggunakan tanda kurung [ , ]). Jika seluruh node telah dilabeli secara permanen, GO
TO STEP 5.
• Step 4: untuk setiap node yang tidak memiliki label permanen yang dapat dicapai secara
langsung dari node k pada langkah 3, hitung jumlah t, dimana
t = (arc distance dari node k menuju node i) + (Distance value pada node k).
- Jika node yang belum dilabeli secara permanen memiliki label sementara, bandingkan
t dengan distance value saat ini dengan node yang dipertanyakan yang terlabeli
sementara.
▪ Jika t < distance value dari node yang terlabeli sementara, ganti label sementara
yang dipertanyakan dengan (t,k).
▪ Jika t > distance value dari node yang terlabeli sementara, pertahankan label
sementara saat ini.
- Jika node yang belum dilabeli secara permanen tidak memiliki label sementara, buat
label sementara (t,k) untuk node yang dipertanyakan.
Setelah itu, GO TO STEP 3.
• Step 5:
- Label permanen mengidentifikasi jarak terpendek dari node 1 menuju setiap node
seperti halnya preceding node pada rute terpendek.
- Rute terpendek pada given node dapat dicari secara backwards dengan dimulai dari
given node dan bergerak menuju preceding node.
- Dengan melanjutkan prosedur ini dari preceding node akan menghasilkan rute
terpendek dari node 1 menuju node yang dipertanyakan.
Contoh Soal Shortest Path.
Cari rute terpendek dari node 1 ke node lainnya untuk network berikut:

ISYE6189 - Deterministic Optimization and

Stochastic Processes
Iteration 1
- Step 1: tetapkan node 1 dengan label permanen [0,S].
- Step 2: karena node 2, 3, dan 4 terhubung langsung dengan node 1, tetapkan label
sementara (4,1) untuk node 2; (7,1) untuk node 3; dan (5,1) untuk node 4.
- Step 3: node 2 adalah node yang dilabeli sementara yang memiliki jarak terpendek
(4), dan selanjunya menjadi node baru yang terlabeli permanen.
Label sementara:

- Step 4: untuk setiap node yang berlabel sementara yang terhubung dengan node 2
hanya dengan satu arc, hitung jumlah arc length dengan distance value node 2 (yaitu
4).
▪ Node 3: 3 + 4 = 7 (tidak lebih kecil dari label saat ini; jangan diubah.)
▪ Node 5: 5 + 4 = 9 (tetapkan label sementara pada node 5 dengan (9,2) karena node
5 belum memiliki label.)

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 Hasil Iterasi 1

Iteration 2
- Step 3: node 4 memiliki jarak label sementara terpendek (5). Node 4 menjadi node
baru yang terlabeli permanen.
- Step 4: untuk setiap node dengan label sementara yang terhubung dengan node 4
menggunakan satu arc, hitung jumlah arc length dengan distance value node 4 (yaitu
5).
▪ Node 3: 1 + 5 = 6 (ganti label sementara node 3 dengan (6,4) karena 6 < jarak saat
ini (7))
▪ Node 6: 8 + 5 = 13 (tetapkan label sementara node 6 dengan (13,4) karena node 6
belum dilabeli.)
Hasil Iterasi 2

Iteration 3
- Step 3: node 3 memiliki jarak label sementara terpendek (6), sehingga menjadi node
baru yang terlabeli secara permanen.
- Step 4: untuk setiap node dengan label sementara yang terhubung dengan node 3
hanya dengan satu arc, hitung jumlah arc length dengan jarak ke node 3 (yaitu 6).

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 ▪ Node 5: 2 + 6 = 8 (ganti label sementara node 5 dengan (8,3) karena 8 < jarak saat
ini (9))
▪ Node 6: 6 + 6 = 12 (ganti label sementara node 6 dengan (12,3) karena 12 < jarak
saat ini (13))
Hasil Iterasi 3

Iteration 4
- Step 3: node 5 memiliki jarak label sementara terkecil (8), sehingga menjadi node
baru yang terlabeli permanen.
- Step 4: untuk setiap node dengan label sementara yang terhubung dengan node 5
hanya dengan satu arc, hitung jumlah arc length dengan distance value dari node 5
(yaitu 8).
▪ Node 6: 3 + 8 = 11 (ganti label sementara node 6 dengan (11,5) karena 11 < jarak
saat ini (12))
▪ Node 7: 6 + 8 = 14 (tetapkan label sementara untuk node 7 dengan (14,5) karena
node 7 belum dilabeli.)
Hasil Iterasi 4

Iteration 5
- Step 3: node 6 memiliki jarak label sementara terkecil (11), sehingga menjadi node
baru dengan label permanen.

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 - Step 4: untuk setiap node dengan label sementara yang terhubung dengan node 6
hanya dengan satu arc, hitung jumlah arc length plus dengan distance value node 6
(yaitu 11).
▪ Node 7: 2 + 11 = 13 (ganti label sementara node 7 dengan (13,6) karena 13 <
jarak saat ini (14))
Hasil Iterasi 5

Iteration 6
- Step 3: node 7 jadi terlabeli permanen, dan karenanya seluruh node terlabeli
permanen. Lanjutkan pada ringkasan di langkah 5.
- Step 5: ringkas dengan pengusutan backwards rute terpendek melewati label
permanen.

Ringkasan solusi
Node minimum distance shortest route
2 4 1-2
3 6 1-4-3
4 5 1-4
5 8 1-4-3-5
6 11 1-4-3-5-6
7 13 1-4-3-5-6-7

3. MODEL MAXIMUM FLOW.

- Masalah maximal flow terkait dengan penentuan volume aliran maksimum dari satu
node (disebut source) menuju node lainnya (disebu sink).

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 - Pada masalah maximal flow, setiap arc memiliki arc flow capacity maksimum yang
membatasi aliran menuju arc tersebut.
- Dimungkinkan bawah sebuah arc, (i,j), dapat memiliki flow capacity yang berbeda
antara dari i ke j dengan dari j ke i.

Langkah pengerjaan Maximum Flow

• Step 1: cari sebuah lintasan dari source node menuju sink node yang memiliki flow
capacities positif (pada arah aliran) untuk setiap arcs pada lintasan. Jila tidak ada
lintasan yang tersedia, artinya solusi optimal telah ditemukan.
• Step 2: cari arc capacity terkecil, pf, pada lintasan yang terpilih di langkah 1.
Tingkatkan aliran pada jaringan dengan mengirim sejumlah pf pada lintasan ini.
• Step 3: pada lintasan yang terpilih di langkah 1, kurangi seluruh arc flow capacities
pada arah aliran dengan pf dan tambahkan seluruh arc flow pada arah aliran yang
berlawanan dengan pf. Selanjutnya Go to step 1.
Contoh kasus
Cari maximal flow dari node 1 ke node 7 pada network berikut:

Iteration 1
- Step 1: cari lintasan dari source node, 1, menuju the sink node, 7, yang memiliki flow
capacities yang lebih besar dari nol pada seluruh arcs lintasan. Salah satu lintasannya
adalah 1-2-5-7.
- Step 2: Arc flow capacity terkecil pada lintasan 1-2-5-7 adalah minimum dari {4, 3,
2} = 2.
- Step 3: kurangi seluruh arc flow pada arah aliran dengan 2 pada lintasan ini dan
tambahkan seluruh arc flow pada arah yang berlawanan dengan 2:
(1-2) 4 - 2 = 2 (2-1) 0 + 2 = 2
(2-5) 3 - 2 = 1 (5-2) 3 + 2 = 5

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 (5-7) 2 - 2 = 0 (7-5) 0 + 2 = 2
Hasil Iterasi 1:

Iteration 2
- Step 1: lintasan 1-4-7 memiliki flow capacity yang lebih kecil dari nol pada tiap arc.
- Step 2: Arc flow capacity terkecil pada 1-4-7 adalah 3.
- Step 3: kurangi arc flow capacities lintasan pada arah aliran dengan 3, dan tambahkan
kapasitas ini pada arah yang berlawanan dengan 3:
(1-4) 4 - 3 = 1 (4-1) 0 + 3 = 3
(4-7) 3 - 3 = 0 (7-4) 0 + 3 = 3
Hasil Iterasi 2:

Iteration 3
- Step 1: Lintasan 1-3-4-6-7 memiliki flow capacity lebih besar dari nol pada tiap arc.
- Step 2: Arc capacity minimum pada 1-3-4-6-7 adalah 1.
- Step 3: kurangi arc capacities lintasan pada arah aliran dengan 1 dan tambahkan arc
capacities pada arah aliran berlawanan dengan 1:
(1-3) 3 - 1 = 2 (3-1) 0 + 1 = 1
(3-4) 3 - 1 = 2 (4-3) 5 + 1 = 6

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 (4-6) 1 - 1 = 0 (6-4) 1 + 1 = 2
(6-7) 5 - 1 = 4 (7-6) 0 + 1 = 1
Hasil Iterasi 3

Iteration 4
– Step 1: Lintasan 1-3-6-7 memiliki flow capacity lebih besar dari nol untuk tiap arc.
– Step 2: Arc capacity minimum pada 1-3-6-7 adalah 2.
– Step 3: kurangi seluruh arc flow capacities pada lintasan arah aliran dengan 2 dan
tambahkan arc flow capacities pada arah berlawanan dengan 2:
(1-3) 2 - 2 = 0 (3-1) 1 + 2 = 3
(3-6) 6 - 2 = 4 (6-3) 0 + 2 = 2
(6-7) 4 - 2 = 2 (7-6) 1 + 2 = 3
Hasil Iterasi 4

Iteration 5
- Step 1: dengan menggunakan algoritma shortest route, rute terpendek dari node 1
menuju node 7 adalah 1-2-4-3-6-7.
- Step 2: Arc capacity terkecil pada 1-2-4-3-6-7 adalah 2.
- Step 3: kurangi arc flow capacities pada lintasan arah aliran dengan 2 dan tambahkan
kapasitas ini pada arah berlawanan dengan 2:

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 (1-2) 2 - 2 = 0 (2-1) 2 + 2 = 4
(2-4) 2 - 2 = 0 (4-2) 3 + 2 = 5
(4-3) 6 - 2 = 4 (3-4) 2 + 2 = 4
(3-6) 4 - 2 = 2 (6-3) 2 + 2 = 4
(6-7) 2 - 2 = 0 (7-6) 3 + 2 = 5
Note:
Arc 3-4 pada iterasi 3, aliran 1 unit diarahkan dari node 3 menuju node 4. Pada
iterasi 5 aliran 2 unit diarahkan dari node 4 menuju node 3.
Dengan mengurangkan aliran yang ditentukan dari the capacity of the "sending"
end of the arc dan menambahkannya pada the "receiving" end of the arc, kita telah
mengetahui the net effect of the oppositely directed flow assignments.
Hasil iterasi 5:

Sudah tidak terdapat flow menuju sink node 7 yang positif. Dengan demikian, flow
maksimal yang dari node 1 to node 7 telah didapat.
NOTE:
Untuk mengidentifikasi jumlah maximal flow amount dan bagaimana cara
mendapatkannya (mengarahkannya):
- Bandingkan kapasitas asli dengan kapasitas tersesuaikan akhir untuk tiap arc di
kedua arah.
- Jika kapasitas tersesuaikan lebih kecil dari kapasitas asli, perbedaannya
menunjukkan jumlah aliran untuk arc tersebut.

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 Ringkasan Solusi:

NOTE
▪ Terdapat ―degree of randomness‖ untuk algoritma maximal flow.
▪ Ingat kembali pada langkah 1 terdapat pernyataan ―cari satu lintasan...―, selama
masih mengikuti algoritma, anda akan mendapat solusi, apapun lintasan yang anda
pilih pada setiap iterasi.
▪ Dua orang yang menyelesaikan masalah mungkin mendapatkan solusi flow routings
yang berbeda, namun maximal flows akan tetap sama.

4. CPM DAN PERT.

Merupakan teknik analisis yang dapat membantu manajemem proyek (baik yang sedang
berjalan, maupun yang sama sekali baru). Kegunaannya antara lain:
1. Membuat perencanaan
2. Mengatur jadwal pelaksanaan
3. Melakukan pengawasan, dan
4. Mengambil keputusan
Suatu proyek pada hakekatnya adalah sejumlah kegiatan yang dirangkaikan satu dengan yang
lain maupun terpisah. Dalam hal ini teknik analisa jaringan dapat mengatur rangkaian dari
kegiatan tersebut sehingga efisien.
Ada dua teknik jaringan kerja yang berkembang (yang paling terkenal dan banyak
diterapkan), yaitu:
(1) CPM (Critical Path Method), dan
(2) PERT (Project Evaluation and Review Technigue).
Perbedaannya kedua teknik analisis ini terletak pada perkiraan waktu, dimana:
(1) CPM menaksir waktu dengan pasti (deterministic), sedangkan

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 (2) PERT menaksir waktu dengan menggunakan teori kemungkinan (probabilistic).
Tahapan Analisa Jaringan
1) Membuat uraian kegiatan-kegiatan, menyusun logika urutan kejadian-kejadian,
menentukan syarat-syarat pendahuluan, menguraikan interelasi dan interdependensi
antara kegiatan-kegiatan.
2) Memperkirakan waktu yang diperlukan untuk melaksanakan tiap kegiatan,
menentukan kapan suatu kegiatan dimulai dan kapan berakhir, menentukan
keseluruhan proyek berakhir.
3) Jika dibutuhkan, tetapkan alokasi biaya dan peralatan guna pelaksanaan tiap kegiatan,
meskipun pada dasarnya hal ini tidak begitu penting.
Terdapat beberapa lambang khusus dalam diagram analisa jaringan, antara lain:
1) Anak panah (arrow)
▪ Menyatakan kegiatan (panjang panah tidak mempunyai arti khusus.
▪ Pangkal dan ujung panah menerangkan kegiatan mulai dan berakhir.
▪ Kegiatan harus berlangsung terus dalam jangka waktu tertentu (duration) dengan
pemakaian sejumlah sumber (manusia, alat, bahan, dan dana).

▪ Pada umumnya kegiatan diberi kode huruf besar A, B, C, dst.

2) Simpul (node)
▪ Menyatakan suatu kejadian atau peristiwa.
▪ Kejadian diartikan sebagai awal atau akhir dari satu atau beberapa kegiatan.
▪ Umumnya kejadian diberi kode dengan angka 1, 2, 3, dst, yang disebut nomor
kejadian.
1

3) Anak panah putus-putus

▪ Menyatakan kegiatan semu (dummy).
▪ Dummy sebagai pemberitahuan bahwa terjadi perpindahan satu kejadian ke
kejadian lain pd saat yg sama.
▪ Dummy tidak memerlukan waktu dan tidak menghabiskan sumber.

ISYE6189 - Deterministic Optimization and

Stochastic Processes
Ketentuan Logika Kegiatan
Ada beberapa hal yang harus diperhatikan dalam analisa jaringan, antara lain:
Kegiatan B hanya dapat dimulai setelah kegiatan A
selesai.
Kegiatan C hanya dapat dimulai setelah kegiatan A
dan B selesai. Kegiatan A dan B tidak boleh
berlangsung bersamaan, namun berakhir pada
kejadian yang sama.
Kegiatan C dan D dapat dimulai setelah kegiatan A
dan B berakhir, dan selesai pada kejadian yang
berbeda

Dua kejadian yang saling ketergantungan yang

dihubungkan dengan dummy.

Bila ada dua kegiatan berbeda yang mulai pada kejadian yang sama dan berakhir pada
kejadian yang sama pula, maka kegiatan tersebut tidak boleh berimpit
Dalam suatu jaringan tidak boleh terjadi suatu loop atau arus putar.
Nomor kejadian terkecil adalah nomor dari kejadian awal dan nomor kejadian terbesar
adalah nomor kejadian akhir. Nomor kejadian ditulis di dalam lingkaran kejadian.
Tiap kegiatan selain diberi kode berupa huruf besar, juga boleh diberi kode simbol (i,j),
dimana i menyatakan nomor kejadian awal, dan j menyatakan nomor kejadian akhir

CRITCAL PATH METHOD (CPM).

CPM adalah suat metoda yang digunakan untuk mengelola kegiatan suatu proyek dengan
memperhatikan kegiatan kritis. Kegiatan-kegiatan kritis yang dimaksud ini merupakan
kegiatan yang mana apabila ada keterlambatan dalam penyelesaian akan mempengaruhi
waktu penyelesaian proyek tersebut secara keseluruhan.

Untuk mengetahui sejauh mana waktu yang digunakan untuk penyelesaian suatu proyek,
beberapa ketentuan diperlukan, yaitu:

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 a. Membuat precedence diagram dari proyek tersebut, dimana diagram tersebut terdiri
dari:
- Kejadian (Event)
Tanda awal atau akhir aktivitas. Direpresentasikan dengan bulatan (node)
- Aktivitas.
Aktivitas ini dapat dinyatakan dengan Node (AON) atau dengan arrow (AOA).
b. Melakukan Perhitungan, ada dua perhitungan yaitu :
Perhitungan Maju.
• Earliest Start Time (ES)
– Waktu tercepat suatu aktivitas mulai.
– ES = maximum EF dari immediate predecessors
• Earliest finish time (EF)
– Waktu tercepat suatu activitas selesai
– earliest start time tambah activity time
EF= ES + t

Perhitungan Mundur
• Latest Start Time (LS)
Waktu paling lambat suatu aktivitas mulai tanpa mempengaruhi waktu dari critical
path time
LS= LF - t
• Latest finish time (LF)
Waktu paling lambat suatu aktivitas dapat diselesaikan tanpa mempengaruhi
critical path time
LS = minimum LS dari immediate predecessors

c. Menentukan waktu dari tiap-tiap activitas

- Hitung activitas float
float = LS - ES = LF – EF
- Float adalah besaran waktu maksimum yang dapat membuat keterlambatan selesai
aktivitas sebelum menjadi aktivitas kritis.
d. Menentukan critical path yang ditunjukkan dengan Zero slack
- Lintasan terpanjang melalui jaringan.
e. Menentukan lamanya proyek
f. Jaringan.
Menunjukkan hubungan yang berurutan antara aktivitas yang digambarkan oleh nodes
dan arrows

PERT. (Project Evaluation Review Technique).

▪ PERT didasarkan pada asumsi bahwa lamanya aktivitas mengikuti suatu distribusi
probalistik, bukan nilai tunggal.
▪ Tiga estimasi waktu diperlukan untuk menghitung parameter distribusi suatu lamanya
aktivitas.:

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 • pessimistic time (tp ) - the time the activity would take if things did not go well

• most likely time (tm ) - the consensus best estimate of the activity’s duration
• optimistic time (to ) - the time the activity would take if things did go well

𝑡𝑝 + 4𝑡𝑚 + 𝑡𝑜
Mean (expected time): t =
e 6
Variance: 2
𝑡𝑝 + 𝑡𝑜 2
𝑉𝑡 = 𝜎 = [ ]
6
▪ Analisa PERT.
• Gambar jaringan.
• Analisa lintasan pada jaringan dan tetapkan lintasan kritis.
• Panjangnya lintasan kritis merupakan rata-rata distribusi probabilistik proyek yang
disumsikan normal.
• Standard deviasi distribusi probabilistik proyek dihitung dengan menambahkan
variansi dari kritikal activitas (semua activitas)
• Perhitungan Probabilitas dapat menggunakan distribution normal table.

x-
Z=

Dimana  = t = project mean time
p
 = project standard mean time
x = (proposed ) specified time

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 SIMPULAN

Pada pembahasan model Jaringan (Network Model) ini ada empat hal yang menjadi
sub bahasan diantaranya:
a. Metoda Minimum Spanning Tree (MST). Untuk suatu jaringan dengan n node,
spanning tree adalah sekumpulan dari n-1 arc yang menghubungkan semua node
dalam jaringan dan tidak mengandung loop. Minimum spanning tree adalah spanning
tree dengan panjang minimum dalam suatu jaringan. Contoh penerapan metoda
minimal spanning tree ini untuk menentukan jaringan pipa air minum, pemasangan
kabel telepon, dan instalasi lainnya.
b. Shortest Route Problem. Shortest Route Problem menentukan rute terpendek antara
sumber dan tujuan dalam jaringan transportasi.
c. Maximum Flow Model. Masalah maximum flow terkait dengan penentuan volume
aliran maximum dari suatu node menju node lainnya.
d. CPM/PERT. Metoda ini banyak digunakan untuk membuat rencana kerja untuk
menyelesaikan suatu proyek dan digunakan untuk mengevaluasi kemungkinan waktu
penyelesaian proyek dapat dipercepat.

ISYE6189 - Deterministic Optimization and

Stochastic Processes
 DAFTAR PUSTAKA

Taha, Hamdy A., (2007). Operation Research : An Introduction. 8th Edition, Pearson Prentice
Hall, New Jersey . ISBN : 0-13-188923-0

Wayne L. Winston, Munirpallam Venkataramanan. (2003). Introduction to Mathematical

Programming: Operations Research. 4th Edition. Duxbury Press. ISBN-13: 978-
0534359645

http://www.digilib.ui.ac.id/opac/themes/libri2/detail.jsp?id=81280&lokasi=lokal

http://www.tsp.gatech.edu/history/index.html3.

http://en.wikipedia.org/wiki/Travelling_salesman_problem

http://www.comp.nus.edu.sq/stevanha/programming/prog_greedy.html

http://stttelkom.ac.id/staf/fay/kuliah/DAA/20052/Tugas1/pdfs/09-
DAA%2020052%20113030055%20113030037%20113030035%20Solusi%20TSP%20
Menggunakan%20Algoritma%20Greedy.pdf

ISYE6189 - Deterministic Optimization and

Stochastic Processes