TUGAS SESI 12
Coba uraikan dan jelaskan secara sistematis dan beri contoh apa yang dimaksud dengan:
a. Model-model riset operasi
Model adalah abstraksi atau penyederhanaan realitas sistem yang kompleks di mana
hanya komponen-komponen yang relevan atau faktor-faktor yang dominan dari masalah
yang dianalisis diikutsertakan. Ia menunjukkan hubungan- hubungan (langsung dan tidak
langsung) dari aksi dan reaksi dalam pengertian sebab dan akibat. Karena sebuah model
adalah suatu abstraksi realitas, ia akan tampak kurang kompleks dibandingkan realitas
itu sendiri. Model itu, agar menjadi lengkap, perlu mencerminkan semua realitas yang
sedang diteliti. Model dapat diklasifikasikan dalam banyak cara, misalnya menurut
jenisnya, dimensi, fungsinya, tujuannya, subyeknya, atau derajat abstraksinya. Kriteria
yang paling biasa adalah jenis model. Jenis dasar itu meliputi:
1. Iconic (Physical) model
Model Iconic adalah suatu penyajian fisik yang tampak seperti aslinya dari suatu
sistem nyata dengan skala yang berbeda. Contoh model ini adalah mainan anak-
anak, potret, histogram, market dan lain-lain. Model iconic dikatakan diperkecil
(scale down) atau diperbesar (scale up) sesuai dengan ukuran model apakah lebih
kecil atau besar dibanding sistem nyata. Model iconic mudah diamati, dibentuk dan
dijelaskan, tetapi sulit untuk memanipulasi dan tak berguna untuk tujuan peramalan.
Biasanya model ini menunjukkan peristiwa statistik.
2. Analogue Model
Model Analogue lebih abstrak dibanding model iconic, karena tak kelihatan sama
antara model dengan sistem nyata. Contohnya jaringan pipa tempat air mengalir
dapat digunakan dengan pengertian yang sama sebagai distribusi aliran listrik. Peta
dengan bermacam-macam warna merupakan model analog dimana perbedaan
warna menunjukkan pegunungan, hijau sebagai dataran rendah dan lain-lain. Kurva
permintaan, kurva frekuensi dalam statistika adalah contoh lain model analog dari
tingkah laku peristiwa- peristiwa. Model analog lebih mudah untuk memanipulasi
dan
dapat menunjukkan situasi dinamis. Model ini umumnya lebih berguna daripada
model iconic karena kapasitasnya yang besar untuk menunjukkan ciri-ciri sistem
nyata yang dipelajari.
3. Mathematic (Simbolic) Model
Diantara jenis model yang lain, model matematik sifatnya paling abstrak. Model ini
menggunakan seperangkat simbol matematik untuk menunjukkan komponen-
komponen (dan hubungan antara mereka) dari sistem nyata. Namun, sistem nyata
tidak selalu dapat diekspresikan dalam rumusan matematik. Model ini dapat
dibedakan menjadi dua kelompok, yaitu deterministik dan probabilistik. Model
deterministik dibentuk dalam situasi kepastian (certainty). Model ini memerlukan
penyederhanaan- penyerdehanaan dari realitas karena kepastian jarang terjadi.
Namun, keuntungan model ini adalah bahwa ia dapat dimanipulasi dan diselesaikan
lebih mudah. Jadi, sistem yang rumit dapat dimodel dan dianalisa jika dapat
diasumsikan bahwa semua komponen sistem itu dapat diketahui dengan pasti. Ada
beberapa cara untuk membuat model menjadi lebih sederhana, misalnya:
- Melinierkan hubungan yang tidak linier
- Mengurangi banyaknya variabel atau kendala
- Mengubah sifat variabel, misalnya dari diskrit menjadi kontinyu
- Mengganti tujuan ganda menjadi tujuan tunggal
- Mengeluarkan unsur dinamik (membuat model menjadi statistik)
- Mengasumsikan variabel random menjadi suatu nilai tunggal (deterministik)
b. Program Linier dan bagaimana sifat-sifatnya
Sifat-sifat dasar atau Karakteristik Pemrograman Linear adalah sebagai berikut:
a) Sifat linearitas suatu kasus dapat ditentukan dengan menggunakan beberapa cara.
Secara statistik, cara ini dapat diperiksa kelinearan menggunakan grafik (diagram
pencar).
b) Sifat proporsional dipenuhi jika kontribusi setiap variabel pada fungsi tujuan atau
penggunaan sumber daya yang membatasi proporsional terhadap level nilai variabel.
Jika harga per unit produk misalnya adalah sama berapapun jumlah yang dibeli,
maka sifat proporsional dipenuhi. Atau dengan kata lain, jika pembelian dalam
jumlah besar mendapatkan diskon, maka sifat proporsional tidak dipenuhi. Jika
penggunaan
sumber daya per unitnya tergantung dari jumlah yang diproduksi, maka sifat
proporsionalitas tidak dipenuhi.
c) Sifat aditivitas mengasumsikan bahwa tidak ada bentuk perkalian silang di antara
berbagai aktivitas, sehingga tidak akan ditemukan bentuk perkalian silang pada
model. Sifat aditivitas berlaku baik bagi fungsi tujuan maupun pembatas (kendala).
Sifat aditivitas dipenuhi jika fungsi tujuan merupakan penambahan langsung
kontribusi masing-masing variabel keputusan.
d) Sifat divisibilitas berarti unit aktivitas dapat dibagi ke dalam sembarang level
fraksional, sehingga nilai variabel keputusan non integer dimungkinkan.
e) Sifat Kepastian menunjukkan bahwa semua parameter model berupa konstan.
Artinya koefisien fungsi tujuan maupun fungsi pembatas merupakan suatu nilai pasti,
bukan merupakan nilai dengan peluang tertentu.
c. Formulasi permasalahan dan pembentukan model matematik dalam program linier
Model Linear Programming :
Pengertian, contoh masalah dan perumusan model
Metode penyelesaian (grafik dan simpleks)
Interpretasi hasil
Analisis sensistivitas
Penyimpangan-penyimpangan dari bentuk baku
Model Dualitas
a) Prinsip
Setiap organisasi berusaha mencapai tujuan yang telah ditetapkan sesuai dengan
keterbatasan sumberdaya.
b) Linear Programming
Teknik pengambilan keputusan dalam permasalahan yang berhubungan dengan
pengalokasian sumberdaya secara optimal
c) Contoh soal
Suatu perusahaan mebel menghasilkan dua produk, meja dan kursi yang diproses
melalui dua bagian fungsi : perakitan dan pemolesan. Pada bagian perakitan tersedia
60 jam kerja, sedangkan pada bagian pemolesan hanya 48 jam kerja. Untuk
menghasilkan 1 meja diperlukan 4 jam kerja perakitan dan 2 jam kerja pemolesan,
sedangkan utk menghasilkan 1 kursi diperlukan 2 jam kerja perakitan dan 4 jam kerja
pemolesan, Laba utk setiap meja dan kursi yang dihasilkan masing-masing Rp.
80.000,- dan Rp. 60.000,-. Berapakah jumlah produksi meja dan kursi yang optimal?
Perumusan persoalan dalam bentuk tabel :
Waktu yang dibutuhkan perunit
Proses Meja Kursi Total jam tersedia
Perakitan 4 2 40
Pemolesan 2 4 48
Laba/Unit 80.000 60.000
Kedua jenis produk memberikan keuntungan sebesar Rp 40 juta untuk kainsutera dan Rp
30 juta untuk kain wol. Masalahnya adalah bagaimanamenentukan jumlah unit setiap
jenis produk yang akan diproduksi setiap hariagar keuntungan yang diperoleh bisa
maksimal.
Langkah-langkah:
1. Tentukan variabe
X1=kain sutera, X2=kain wol
2. Fungsi tujuan
Zmax= 40X1 + 30X2
3. Fungsi kendala / batasan
a) 2X1 + 3X2 ≤60 (benang sutera)
b) 2X2 ≤ 30 (benang wol)
c) 2X1 + X2 ≤ 40 (tenaga kerja)
4. Membuat grafik
a) 2X1 + 3 X 2=60
X1=0, X2 =60/3 = 20
X2=0, X1= 60/2 = 30
b) 2X2 =30
X2 =15
c) 2X1 + X2 = 40
X1=0, X2 = 40
X2=0, X1= 40/2 = 20
Cara mendapat kan solusi optimal:
1. Dengan mencar i nilai Z setiap titik ekstrim.
Titik A
X1=0, X2=0
masukkan nilai X1 dan X2 ke Z
Z = 40 . 0 + 30 . 0 = 0
Titik B
X1=20, X2=0
masukkan nilai X1 dan X2 ke Z
Z = 40 . 20 + 30 . 0 = 800
Titik C
Mencari titik potong (1) dan (3)
2X1 + 3X2 = 60
2X1 + X2 = 40
2X2=20 X2=10
Masukkan X2 ke kendala (1)
2X1 + 3X2 = 60
2X1 + 3 . 10 = 60
2X1 + 30 = 60
2X1 = 30 X1 = 15
masukkan nilai X1 dan X2 ke Z
40X1 + 30X2 = 40 . 15 + 30 . 10 = 600 + 300 = 900 (optimal)
Titik D
2X2 = 30
X2 = 15
masukkan X2 ke kendala (1)
2X1 + 3 . 15 = 60
2X1 + 45 = 60
2X1 = 15 X1 = 7,5
masukkan nilai X1 dan X2 ke Z
Z = 40 . 7,5 + 30 . 15 = 300 + 450 = 750
Titik E
X2 = 15
X1 = 0
masukkan nilai X1 dan X2 ke Z
Z = 40 . 0 + 30 .15 = 450
Kesimpulan :
Untuk memperoleh keuntungan optimal, maka X1 = 15 dan X2 = 10 dengan keuntungan
sebesar Rp 900 juta. Dengan ca a menggeser garis fungsi tujuan. Solusi optimal akan
tercapai pada saat garis fungsi tujuan menyinggung daerah feasible (daerah yang
diliputi oleh semua kendala) yang terjauh dari titik origin. Pada gambar, solusi optimal
tercapai pada titik C yaitu persilangan garis kendala (1) dan (3). Titik C
Mencari titik potong (1) dan (3)
2X1 + 3X2 = 60
2X1 + X2 = 40
2X2 =20
X2 =10
Masukkan X2 ke kendala (1)
2X1 + 3X2 = 60
2X1 + 3 . 10 = 60
2X1 + 30 = 60
2X1 = 30 <-> X1 = 15
masukkan nilai X1 dan X2 ke Z
40X1 + 30X2 = 40 . 15 + 30 . 10 = 600 + 300 = 900
Solusi optimal tercapai pada titik B (terdekat dengan titik origin), yaitu persilangan garis
kendala (1) dan (2).
2X1 + X2 = 8
2X1 + 3X2 = 12
-2X2 = -4 <-> X2 = 2
masukkan X2 ke kendala (1)
2X1 + X2 = 8
2X1 + 2 = 8
2 X1 = 6 <-> X1 = 3
masukkan nilai X1 dan X2 ke Z
Z min = 100X1 + 80X2 = 100 . 3 + 80 . 2 = 300 + 160 = 460
Kesimpulan :
Untuk meminimumkan biaya produksi, maka X1 = 3 dan X2 = 2 dengan biaya produksi
Rp.460.000