Draft Conten1 3 (F27sept2021) - 2
Draft Conten1 3 (F27sept2021) - 2
OPTIMISASI
Model Pengambilan Keputusan
□ CPMK :
A1 : Mahasiswa mampu membuat model matematis
dari permasalahan optimisasi
A2 : Mahasiswa mampu menyelesaikan model
matematis dengan metode grafis dan simplek
A3 : Mahasiswa dapat melakukan analisis sensitifitas
penyelesaian model matematis
Deskripsi Mata Kuliah
A4 : Mahasiswa dapat menyelesaian persoalan
menggunakan metode transportasi
A5 : Mahasiswa dapat menyelesaian persoalan
menggunakan metode penugasan
□ Penilaian :
o UTS : 35%
o UAS : 35%
o Tugas : 30%
METODE PEMBELAJARAN
1. MODEL PENGAMBILAN KEPUTUSAN
MATERI
o Analisis Pengambilan Keputusan
o Pemecahan Masalah dan Pengambilan Keputusan
o Pengembangan Model
o Tahap-tahap Studi dalam OR
o Linear Programming (LP)
o Aplikasi LP
Analisis Pengambilan Keputusan
o Analisis kualitatif : mendasarkan pada penilaian
subyektif suatu masalah, terutama didasarkan atas
pertimbangan dan pengalaman manajemen , intuisi
manajer atas suatu masalah.
o Analisis kuantitatif : mendasarkan pada penilaian
obyektif suatu masalah, terutama didasarkan atas fakta
atau data kuantitatif dan mengembangkan persamaan
matematis yang menjelaskan tujuan, kendala, dan
hubungan lainnya yang terdapat pada masalah tersebut.
(Anderson et al., 2011).
Manajemen Sains (management science)/ Riset Operasi :
pendekatan pengambilan keputusan yang mendasarkan
pada metode-metode ilmiah dengan menggunakan
banyak analisis kuantitatif. Riset Operasi berusaha
menetapkan arah tindakan optimum dari suatu masalah
pengambilan keputusan pada kondisi sumber daya yang
terbatas. (Taha, 2010).
o Berawal dari kebutuhan militer Inggris yang sukses
menentukan penggunaan sumber daya kemiliteran yang
terbatas seperti radar dan bomber dengan cara yang
paling efektif.
o Suksesnya penerapan OR ini menarik minat dunia
industri, karena pada dasarnya masalah yang timbul
didunia industri sama dengan masalah didunia militer
meskipun konteknya berbeda. (Hillier & Lieberman,
2014; Mulyono, 2007).
Pemecahan Masalah & Pengambilan Keputusan
o Pemecahan masalah : proses pengidentifikasian
perbedaan antara kondisi aktual dan yang diinginkan
serta tindakan untuk mengatasi perbedaan tersebut.
• Langkah-langkah pemecahan masalah : (Anderson et
al., 2011)
1. Mengidentifikasi dan Seseorang telah lulus kuliah , saat
mendefinisikan masalah ini ybs masih menganggur dan
menginginkan pekerjaan/ karir yang
memuaskan → ada perbedaan
2. Menentukan alternatif
antara kondisi aktual dan yang
pemecahan masalah
diinginkan (langkah 1)
3. Menentukan kriteria untuk Ada empat tawaran pekerjaan dari
mengevaluasi alternatif perusahaan A, B, C atau D (langkah
2). Untuk mengevaluasi alternatif
tsb. bisa menggunakan kriteria
4. Mengevaluasi tunggal (misal gaji awal), atau multi
alternatif kriteria (misal gaji awal, potensi
peningkatan karier dan lokasi
perusahaan) (langkah 3).
5. Memilih alternatif
6. Menerapkan
alternatif yang dipilih
7. Mengevaluasi hasil
Dengan evaluasi yang cermat
(langkah 4) dapat diambil suatu
keputusan tertentu (langkah 5)
untuk selanjutnya keputusan
tersebut direalisasikan (langkah 6)
dan perlu dilakukan evaluasi,
apakah keputusan yang telah
diambil mampu menghasilkan
sesuatu seperti yang diharapkan
(langkah 7)
Pengembangan Model
o Model : abstraksi atau penyederhanaan realitas sistem
yang kompleks dimana hanya komponen-komponen
yang relevan atau faktor-faktor yang dominan dari
permasalahan saja yang akan dianalisis, diikutsertakan
o Model menunjukkan hubungan-hubungan (langsung
maupun tidak langsung) dari aksi atas reaksi dalam
pengertian sebab akibat (Anderson et al., 2011; Taha,
2010; Mulyono, 2007).
o Agar masalah dapat didefinisikan secara memadai
diperlukan pengembangan model yang dapat
digunakan untuk merepresentasikan masalah tersebut
Jenis model (Anderson et al., 2011; Taha, 2010; Mulyono,
2007), yaitu :
o Iconic (physical) model: penggambaran fisik suatu
sistem, baik dalam bentuk yang ideal maupun dalam
skala yang berbeda. Contoh: truk mainan merupakan
replika fisik dari obyek sebenarnya.
o Analogue model: menggunakan sifat sesuatu untuk
menggambarkan yang lainnya. Contoh: speedometer,
posisi jarum pada permukaan indikator kecepatan
menunjukkan kecepatan mobil.
o Mathematical (Symbolic) model: menggunakan tulisan,
angka dan simbol lain untuk menggambarkan variabel-
variabel dan hubungan antar variabel
Mathematical model
✓ Model deterministic : model yang dibentuk dalam
situasi penuh kepastian → perlu analisis sensitifitas,
guna menguji kepekaan nilai solusi terhadap
perubahan suatu parameter.
✓ Model probabilistik : model yang dibentuk dalam
situasi ketidakpastian → menghasilkan penyajian
sistem nyata yang lebih realistis, tetapi lebih sulit
analisisnya
o Simulation model: model yang meniru tingkah laku
sistem dengan mempelajari interaksi komponen-
komponennya, lazim digunakan untuk memecahkan
sistem kompleks
o Heuristic model : model pencarian solusi yang
didasarkan pada intuisi atau aturan empiris untuk
mendapatkan solusi yang lebih baik dari solusi yang
telah dicapai sebelumnya.
Tahap-tahap Studi dalam OR. (Taha, 2010)
Sesuaikan dengan tujuan,
1. Merumuskan/
identifikasi adanya alternatif, kenali
mendefinisikan masalah
adanya pembatasan & persyaratan
Menentukan model/kombinasi
2. Pembentukan model model yang paling cocok untuk
mewakili sistem.
Contoh :
o Fungsi tujuan : Maks/Min Z = C1 X1 + C2 X2 + … + Cn Xn
artinya setiap penambahan/pengurangan 1 unit Xj akan menaikkan/
menurunkan nilai Z sebesar Cj, (j = 1,2, … n)
o Fungsi batasan: a11 X1 + a12 X2 + … + a1n Xn ≤ bi
artinya setiap penambahan/pengurangan 1 unit Xj akan
menaikkan/menurunkan penggunaan sumberdaya j sebesar aij, (i =
1,2, ... m dan j = 1,2, … n)
Asumsi dalam LP (lanj…)
2. Additivity: nilai fungsi tujuan setiap kegiatan tidak
saling mempengaruhi atau tidak ada korelasi antara satu
kegiatan dengan kegiatan yang lain
Contoh :
Z = 10 X1 + 15 X2, untuk X1 = 12 dan X2 = 10, Z = 10 (12) + 15 (10) = 270
Jika X1 bertambah/berkurang, penambahan/pengurangan tersebut dapat
langsung ditambahkan/dikurangkan pada nilai Z tanpa mempengaruhi bagian Z
yang diperoleh dari X2. Demikian juga untuk penambahan/pengurangan X2
mempunyai sifat yang sama.
Asumsi dalam LP (lanj…)
3. Disibility: nilai output yang dihasilkan oleh setiap
kegiatan dapat berupa bilangan pecahan (variabel
keputusan bersifat kontinyu).
Contoh :
X1 = 6,25 ; X1 = 10,30
Asumsi dalam LP (lanj…)
4. Deterministic: nilai semua parameter (aij, bi dan Cj)
dapat diperkirakan dengan pasti. Dalam kenyataannya
parameter model jarang dapat diperkirakan dengan pasti,
untuk menguji kepekaan nilai solusi terhadap perubahan
suatu parameter diperlukan analisis sensitifitas
Fungsi Batasan : ≤ = ≥
o Batasan Pasar Peramalan
( → Bab Analisis pasar : penentuan fungsi batasan )
o Batasan sumber (selain pasar)
Aplikasi LP
LP dapat diaplikasikan antara lain untuk berbagai persoalan berikut :
o Masalah kombinasi produk : menentukan banyaknya masing-
masing produk yang harus dibuat agar diperoleh keuntungan
maksimal atau biaya minimal
o Masalah perencanaan promosi : menentukan banyaknya masing-
masing media promosi yang harus digunakan dengan efektif agar
diperoleh manfaat (keuntungan) maksimal atau biaya minimal
o Masalah perencanaan regional : menentukan kebutuhan lahan
untuk berbagai jenis tanaman diberbagai daerah agar diperoleh
manfaat (keuntungan) maksimal
o Masalah kebijaksanaan pinjaman bank : menentukan besarnya
dana yang dibutuhkan pada masing-masing jenis pinjaman agar
diperoleh keuntungan maksimal
Aplikasi LP (lanj …….).
o Masalah sisa pemotongan : menentukan kombinasi ukuran
pemotongan besi yang harus dilakukan untuk memenuhi
kebutuhan ukuran besi dengan sisa pemotongan yang tidak
terpakai seminimal mungkin
o Masalah penjadwalan bus : menentukan jumlah minimal bus yang
dibutuhkan setiap waktu agar dapat memenuhi kebutuhan akan
bus dengan biaya minimum
o Masalah perencanaan produksi/persediaan : menentukan jadwal
produksi dan persediaan agar dapat memenuhi permintaan produk
dengan biaya minimum.
o Masalah penentuan jumlah hari operasi : menentukan jumlah hari
operasi diberbagai lokasi agar diperoleh manfaat maksimal
Aplikasi LP (lanj …….).
o Masalah distribusi/transportasi : menentukan jadwal distribusi
produk dari pabrik ke daerah pemasaran agar diperoleh
keuntungan maksimal atau biaya minimal
o Masalah pencampuran makanan : menentukan kombinasi
kebutuhan pakan yang memenuhi syarat nutrisi tertentu dengan
biaya minimal
o Masalah pengendalian polusi udara : menentukan kombinasi
berbagai metode pengurangan polusi yang efektif dengan biaya
minimal
o Masalah rencana investasi : menentukan besarnya dana yang
harus dialokasikan pada masing-masing proyek investasi agar
diperoleh keuntungan maksimal
Identifikasi kebutuhan data pada LP
Berikut contoh masalah penentuan kombinasi produk di
industri manufaktur.
a) Data yang berkaitan dengan penyusun fungsi tujuan,
antara lain meliputi :
o Jenis produk
o Harga jual tiap jenis produk
o Biaya-biaya yang terlibat, yang terdiri dari :
✓biaya bahan baku langsung
✓biaya tenaga kerja langsung
✓ biaya overhead pabrik
✓ beban administrasi dan umum serta beban penjualan
dan lain-lain
b) Data penyusun fungsi batasan, antara lain meliputi :
o Proses produksi, waktu proses setiap produk pada
setiap mesin, peralatan dan tenaga kerja
o Jumlah mesin, peralatan dan tenaga kerja pada tiap
departemen/pekerjaan
o Prosentasi cacat pada setiap proses
o Hari kerja dan jam kerja
o Struktur produk, ketersediaan bahan baku
o Permintaan pasar dan lain-lain
MATERI
o Definisi Biaya
o Harga Pokok Produksi dan Laporan Laba Rugi
✓ Pendekatan Full Costing
✓ Pendekatan Variable Costing
o Model Fungsi Tujuan Pada LP
Catatan : materi detail tentang analisis biaya bisa dilihat pada mk
AEB. Bahasan pada mk Optimisasi difokuskan pada penentuan fungsi
tujuan pada LP
Definisi Biaya
o Biaya : pengorbanan yang dilakukan agar memperoleh
barang atau jasa. Pengorbanan dapat diukur dengan
uang tunai yang dibelanjakan, aktiva tetap yang
ditransfer, jasa yang diberikan dan sebagainya (Noreen,
Brewer, & Garrison, 2017).
o Biaya : harga perolehan yang dikorbankan atau
digunakan dalam rangka memperoleh penghasilan atau
revenue yang akan dipakai sebagai pengurang
penghasilan (Supriyono, 2000).
o Biaya : pengorbanan sumber ekonomis yang diukur
dalam satuan uang, yang telah terjadi, sedang terjadi
atau yang kemungkinan akan terjadi untuk tujuan
tertentu (Mulyadi, 2014).
Ŷ=a+bX
Nilai a dan b contoh 1 dapat ditentukan sebagai berikut :
∑ X = 6.245 ; ∑ Y = 43.125 ; ∑ XY =22.794.375 ; ∑ X2 = 3.312.675
Ŷ = 675,780 + 5,607 X
Struktur Biaya
Harga Pokok Produksi dan Laporan Laba Rugi
Berdasarkan struktur biaya produk, penentuan harga pokok
produksi dan laporan laba rugi adalah sbb :
o Pendekatan full costing
Atau absortion/conventional costing : harga pokok produksi,
didasarkan pada seluruh biaya produksi baik yang bersifat
tetap maupun variabel .
o Pendekatan variable costing
Atau direct costing : harga pokok produksi, didasarkan hanya
pada biaya produksi yang bersifat variabel .
Harga Pokok Produksi
Harga Pokok Produksi
Model Fungsi Tujuan Pada LP
o Salah satu asumsi bisa digunakannya model LP adalah
proporsional, oleh karena itu maka penentuan Harga
Pokok Produksi pada LP menggunakan metode variabel
costing. Demikian juga dalam penentuan Harga Pokok
Penjualan, beban penjualan dan administrasi yang
bersifat variabel, baik yang berasal dari biaya variabel
murni maupun biaya variabel yang dihasilkan dari
pemisahan biaya semi variabel yang dimasukkan pada
model LP.
Contoh : CV Bagus Sejati merupakan sebuah perusahaan mainan
dengan bahan baku utama kayu jati yang berkedudukan di Jepara.
Hasil produksi berupa mainan dengan kode M007 dan A212. Daerah
pemasaran produk terbatas di pulau Jawa. Harga jual produk M007 Rp
7.000,-/unit dan produk A212 Rp 14.000,-/unit. Berdasarkan
penjualan tahun-tahun sebelumnya, diprediksikan bahwa volume
penjualan produk pada tahun 2018 terdiri dari 26.145 unit produk
M007 dan 34.205 unit produk A212. Berdasarkan pengamatan dan
analisis pada proses produksi dapat diketahui bahwa biaya tenaga
kerja langsung untuk produk M007 adalah Rp 2.000,-/unit dan untuk
produk A212 adalah Rp 4.500,-/unit. Biaya bahan baku langsung
untuk produk M007 adalah Rp 1.500/unit dan untuk produk A212
adalah Rp 3.000,-/unit. Biaya overhead yang bersifat semi variabel
ditunjukkan oleh tabel berikut.
Beban administrasi dan umum serta beban penjualan/ tahun
pada tahun 2017 sebesar Rp 13.800.000,- dengan Rp 1.800.000,-
diantaranya bersifat tetap. Diasumsikan harga jual/unit produk,
biaya variabel/unit produk dan biaya tetap/tahun pada tahun
2018 besarnya sama dengan tahun 2017
Fungsi tujuan persoalan di atas dapat ditentukan sebagai
berikut :
oMemisahkan biaya overhead semivariabel menjadi biaya tetap
dan biaya variabel
∑ X = 60.350 ; ∑ Y = 48.203.500 ; ∑ XY =242.900.692.500 ; ∑ X2 =
304.674.250
a = 1.955.000 ; b = 410
Jadi biaya overhead pabrik tetap/bulan Rp. 1.955.000,-
dan rata-rata biaya overhead variabel = Rp. 410,-/unit.
Jika diasumsikan beban biaya variabel/unit masing-masing
produk didasarkan pada harga jual dengan perbandingan
1 : 2 maka:
Biaya overhead variabel/unit untuk:
produk M007 = (410 × 60.350)/(26.145 + 2 × 34.205)
= 261,68
produk A212 = 2 × 261,683 = 523,36
Sehingga:
Ŷ = 1.955.000 + 261,68 X1 + 523,36 X2
o Menentukan biaya adm & umum serta beban penjualan
Tetap/bulan : Rp. 1.800.000,-/12 = Rp. 150.000,-.
Variabel/unit : M007 = (12.000.000)/(26.145 + 2 × 34.205)
= Rp. 126,91,-.
A212 = 2 × 126,91 = Rp. 253,82,-.
o Menentukan biaya variabel/unit produk dan biaya tetap/ bulan
Biaya variabel/unit M007 = 2.000 + 1.500 + 261,68 + 126,91
= Rp. 3.888,59,-
A212 = 4.500 + 3.000 + 523,36 + 253,82
= Rp. 8.277,18,-
Biaya tetap/bulan = 1.955.000 + 150.000 = Rp. 2.105.000,-
MATERI
o Analisis Pasar
o Peramalan
o Jenis Peramalan
o Akurasi Peramalan
o Analisis korelasi
o Penentuan Fungsi Batasan Pasar dan Sumber Daya
Analisis Pasar
o Kondisi pada waktu yang akan datang sulit
diperkirakan secara pasti, untuk mengurangi
ketidakpastian dalam penentuan pasar
potensial maupun sales potensial dalam
lingkungan yang semakin komplek dan
dinamis diperlukan peramalan.
TOTAL PASAR
Pangsa
Pasar A
Pangsa Pasar
B o Dengan peramalan yang baik
diharapkan produk-produk dapat
dibuat sesuai dengan kebutuhan
Permintaan
Pasar Potensial
Perusahaan B saja
pasar.
(keseluruhan)
Peramalan
o Berkaitan dengan peramalan ada dua dimensi waktu yang
tercakup, yaitu dimensi waktu yang lalu dengan data tersedia
dan dimensi waktu yang akan datang dengan data tak
tersedia (Aritonang, 2009).
o Dua hal pokok yang harus diperhatikan dalam proses
peramalan agar hasilnya bermanfaat (Makridakis,
Wheelwright, & Hyndman, 2008):
a) Pengumpulan data berupa informasi yang relevan
sehingga dapat menghasilkan peramalan yang akurat.
b) Pemilihan teknik peramalan yang tepat dengan
memanfaatkan informasi data yang diperoleh semaksimal
mungkin.
o Agar metode peramalan yang didipilih menghasilkan prediksi
yang akurat, diperlukan langkah-langkah berikut (Heizer &
Render, 2014):
✓ Tentukan tujuan peramalan
✓ Tentukan item/unsur yang akan diramalkan
✓ Tentukan horizon waktu peramalan
✓ Kumpulkan data yang dibutuhkan dan lakukan analisis
data
✓ Tentukan metode-metode yang sesuai berdasarkan plot
data (untuk peramalan kuantitatif)
✓ Lakukan validasi dan kontrol hasil peramalan
✓ Tetapkan metode terpilih/terbaik
Jenis Peramalan
o Peramalan dapat diklasifikasikan antara lain berdasarkan
pendekatan yang digunakan, yang terdiri dari (Heizer &
Render, 2014) :
✓ Peramalan kuantitatif,
menggunakan berbagai model
matematis atau metode statistik
dari data historis dan atau
variabel-variabel kausal untuk
meramalkan.
✓ Peramalan kualitatif, menggunakan intuisi, emosi,
pengalaman pribadi dan berdasarkan pendapat
(judment) dari pengambil keputusan
1. Peramalan Kuantitatif
Peramalan kuantitatif dapat diterapkan bila terdapat tiga
kondisi berikut (Makridakis, Wheelwright, & Hyndman, 2008):
o Tersedia informasi tentang kondisi masa lalu
(data historis).
o Informasi tersebut dapat dikuantitatifkan dalam
bentuk data numerik
o Dapat diasumsikan bahwa pola data masa lalu
akan berlanjut di masa yang akan datang
Peramalan kuantitatif terdiri dari (Makridakis, Wheelwright, &
Hyndman, 2008; Heizer & Render, 2014) : metode runtut waktu
(time series) dan metode sebab akibat (causal model)
a. Pendekatan runtut waktu (time series)
o Pendekatan ini mendasarkan diri pada kecenderungan
data masa lalu dan akan memberikan hasil yang akurat
jika keadaan dimasa yang akan datang tidak banyak
berbeda dengan keadaan masa lalu
o Untuk memilih metode terbaik adalah dengan
mempertimbangkan jenis pola data. Pola data dapat
digambarkan sebagai berikut (Makridakis,
Wheelwright, & Hyndman, 2008; Heizer & Render,
2014):
Pola Data
a) Metode runtut waktu (time series) :
1. Simple Average (SA)
2. Moving Average (MA)
3. Weighted Moving Average (WMA)
4. Moving Average with Linear Trend (MAT)
5. Single Exponential Smoothing (SES)
6. Single Exponential Smoothing with Trend (SEST)
7. Double Exponential Smoothing (DES)
8. Double Exponential Smoothing with Trend (DEST)
9. Adaptive Exponential Smoothing (AES)
10. Linear Regression with Time (LR)
11. Holt-Winters Additive Algorithm (HWA)
12. Holt-Winters Multiplicative Algorithm (HWM)
o Simple Average (SA)
Metode Simple Average (rata-rata sederhana)
mendasarkan pada rata-rata seluruh data masa lalu
untuk mendapatkan hasil peramalan masa yang akan
datang.
Ft+1 = ( Xt + X t-1 + … + X1 )/t
Untuk t ≥ N
Wt = persentase bobot yang diberikan untuk periode t
Wt + Wt-1 + … + W t-N+1 = 100 % = 1
Ŷ =a+b X
2. Peramalan Kualitatif
Peramalan kualitatif umumnya digunakan pada kondisi
data historis kuantitatif tidak tersedia, atau karena pola
data unik sehingga tidak terwakili oleh pola data pada
peramalan kuantitatif. Peramalan kualitatif bersifat
subjektif, dipengaruhi oleh intuisi, emosi, pendidikan,
pengalaman dan sistem nilai seseorang. Oleh karena itu
peramalan yang dihasilkan oleh seseorang bisa berbeda
dengan peramalan yang dihasilkan oleh orang lain.
Akurasi Peramalan
o Prediksi yang dihasilkan oleh berbagai metode
peramalan ditujukan untuk mengurangi ketidakpastian
suatu kondisi yang akan terjadi dimasa mendatang,
yang berarti bahwa hasil peramalan umumnya masih
mengandung kesalahan (error). Kesalahan peramalan
(forecast error) dapat dirumuskan sebagai :
et = forecast error pada periode ke-t
Xt = nilai data aktual permintaan pada periode ke-t
Ft = nilai hasil peramalan pada periode ke-t