Retailler Persediaan

A B C
6 8 10
1 150
x 1A x 1B x 1C

Supplier
7 11 11
2 175
x 2A x 2B x 2C
4 5 12
3 275
x 3A x 3B x 3C

Permintaan 200 100 300 600

Pada permasalahan transportasi ini,

ni, ada 3 pemasok (= banyaknya baris = m = 3) dan ada 3
tujuan (= banyaknya kolom = n = 3), maka
m sel yang harus terisi agar tidak terjadi degene
degenerasi
atau redudansi adalah (m + n – 1) = (3 + 3 – 1 = 5) sel.

Fungsi tujuan kasus ini adalah:

= (6 × ) + (8 × ) + ( 10 × ) + (7 × ) + ( 11 × )
+ (11 × ) + (46 × ) + (5 × ) + (12 × )

: + + = 150
+ + = 175
+ + = 275
+ + = 200
+ + = 100
+ + = 300

Maka penyelesaian dari masalah di atas adalah sebagai berikut:

1. Menentukan Solusi Feasibell Dasar
a. Metode Northwest Cornerr Ru
Rule (NWC)
Tahapan penyelesaian NWC:
WC:
1) Pengisian sel dimulaii dari pojok kiri atas, sesuai dengan namanya, “northw
northwest”
atau sel (1A). Alokasikan
ikan sebanyak mungkin dari Supplier 1 (S1) ke
e sel (1A),
dengan memperhatikan
ikan tingkat permintaan Retailer A (RA), yaitu
aitu 200.
Kapasitas maksimum (S1) adalah 150 unit, oleh karena itu, alokasikan
kan sl
sluruh
sumber daya yang dimilik
imiliki oleh (S1) ke (RA). Coretlah kapasitas pasok
asok yang
 telah habis atau permintaan
intaan yang telah terpenuhi seluruhnya.

Reta
Retailler Persediaan
A B C
6 8 10 Permintaan (R1) telah
1 150 dipenuhi oleh (S1)
150 - -

Supplier
sebanyak 150 ton.. Mak
Maka,
7 11 11
2 175 sisa permintaan (R1)
50 100 25 akan dipenuhi oleh
h (S2
(S2)
4 5 12 atau (S3)
3 275
- - -

Permintaan 200 100 300 600

Sisa permintaan
(RA) : 50 unit

2) Bila (S1) masih memiliki

iliki kkapasitas yang tersisa, maka lanjutkan pengaloka
galokasian
sumber daya ke sel sebelah
ebelahnya yaitu (1B) dan seterusnya ; namun dalam
lam kasus
ini, seluruh kapasitas (S1)
1) sudah dihabiskan untuk memenuhi permintaan
taan ((RA),
maka lanjutkan ke sel
el yang berada di bawahnya, yaitu sel (2A). Berdasa
dasarkan
tahap (1), (RA) masih
sih kek
kekurangan 50 unit ; kekurangan ini dapat diambil
iambil dari
(S2) sejumlah 50 unit.
it. Pada tahap ini, kapasitas (S2) tersisa 125 unit.

Reta
etailler Persediaan
A B C
6 8 10
1 150
150 - -
Supplier

7 11 11
2 175 (S2) memenuhi
50 100 25
kebutuhan (RA) sebesa
ebesar
4 5 12 50 unit, sehingga
3 275
- - - kapasitas (S2) tersisa
sisa
125 ton.
Permintaan 200 100 300 600

3) Lanjutkan ke sel (2B),

), dimana
dim (S2) memenuhi permintaan (RB) yang
g mem
memiliki
tingkat permintaan 100 unit. Dengan demikian, seluruh permintaan
taan (RB)
dipenuhi oleh (S2). Pada
ada tahap
t ini kapasitas pasok (S2) tersisa 25 unit.
 Retaill
etailler Persediaan
A B C
6 8 10
1 150
150 - -

Supplier
7 11 11
2 175 (S2) memenuhi seluruh
uruh
50 100 25
permintaan (RB) sebesar
besar
4 5 12 100 unit, sehingga kapas
kapasitas
3 275
- - - (S2) bersisa 25 unit.

Permintaan 200 100 300 600

4) Lanjutkan ke sel (2C),

), dim
dimana (S2) harus memenuhi sebagian permintaan
taan (RC)
yang tingkat permintaanny
taannya mencapai 300 unit. Kapasitas pasok (S2) yang
tersisa 25 unit digunakan
gunakan untuk memenuhi sebagian permintaan (RC) ; pada
tahap ini, permintaan (RC
RC) yang belum dipenuhi adalah 275 unit.

Retaill
etailler Persediaan
A B C
6 8 10
1 150
150 - -
Supplier

7 11 11
2 175 Kapasitas pasok (S2)2) yan
yang
50 100 25 tersisa memenuhi
4 5 12 permintaan (RC) sebesar
besar 25
3 275 unit ; dan permintaan
n (RC
(RC)
- - -
yang belum terpenuhihi ada
adalah
275 unit.
Permintaan 200 100 300 600

5) Permintaan (RC) yang

ang belum
bel terpenuhi yaitu 275 unit, akan dipenuhii oleh (S3)
yang memiliki kapasitas
sitas pa
pasok 275 unit. Dengan demikian, permintaan
taan (RC)
dipenuhi oleh (S2) dan
n (S3)
(S3 masing-masing sebesar 25 dan 275 unit.

Reta
etailler Persediaan
A B C
6 8 10
1 150
150 - -
Supplier

7 11 11
2 175
50 100 25
4 5 12 (S3) mengirimkan selu seluruh
3 275
- - 275 produk yang dimiliknya
iliknya ke
(RC) sebesar 275 unit.
Permintaan 200 100 300 600
 Tabel tersebut merupakan
akan hasil akhir dari metode NWC yang menggamba
ambarkan
bahwa :
• Permintaan (RA) dipasok
dipaso oleh (S1) dan (S2) masing-masing 150 dan 50 unit
dengan ongkos kirim dari setiap supplier Rp 6.000,00 dan Rp 7.00
.000,00
per/unit.
• Seluruh permintaan
aan (RB)
(RB sebesar 100 ton dipasok oleh (S2) dengan on
ongkos
kirim Rp 11.000,00/unit
00/unit.
• Permintaan (RC) dipas
pasok oleh (S2) dan (S3) masing-masing 25 dan 275 unit
dengan ongkos dari setiap
set supplier Rp 11.000,00 dan Rp 12.000,00
00 per/un
per/unit.

Maka, total ongkos transpor

nsportasi (dalam Rp 000) dengan menggunakan
akan NWC
N
adalah:
= ( 6 × 150 ) + ( 7 × 50 ) + ( 11 × 100 ) + ( 11 × 25 ) + ( 12 × 275 ) = 5.925

b. Metode Least Cost

Meskipun diberi nama metode least cost, namun hasil akhir perhitungan
gan yang
dihasilkan oleh metode ini bel
belum tentu menghasilkan total ongkos paling
ling kec
kecil.
Tahapan penyelesaian metode
etode ini adalah sebagai berikut:
1) Mulai dari sel yang memiliki
mem ongkos transportasi terkecil, lalu alokas
alokasikan
sebanyak mungkin dari sumber
su ke tujuan dengan memperhatikan permin
ermintaan
tujuan. Pada tahap ini, ssel (3A) memiliki ongkos transportasi terkecil.
ecil. Oleh
karena itu (S3) harus
s memenuhi
mem seluruh permintaan (RA) sebesar 200 unit
u ;
kapasitas (S3) tersisa 75 unit.
un

Retaill
etailler Persediaan
A B C
6 8 10
1 150
-
Supplier

7 11 11
2 175
-
4 5 12
3 275
200

Permintaan 200 100 300 600

2) Lanjutkan ke sel dengan ongkos terkecil berikutnya, dengan catatan tingkat
ting
permintaan atau persediaan
ediaan dimana sel tersebut berada, belum terpenuhi
enuhi atau
belum habis. Pada contoh kasus ini, sel dengan ongkos terkecil beriku
berikutnya
adalah sel (3B), dimana
ana (RB
(RB) dengan tingkat permintaan 100 unit dipasok
pasok oleh
(S3) sebesar 75 unit. Pada tahap ini, kapasitas (S3) habis, dan permintaan
ntaan (RB)
yang belum terpenuhii adalah 25 unit.

Retaill
etailler Persediaan
A B C
6 8 10
1 150
-
Supplier

7 11 11
2 175
-
4 5 12
3 275
200 75 -

Permintaan 200 100 300 600

3) Cek sel berikut yang

ng memiliki
m ongkos terkecil berikutnya, yaitu sel (1B).
Alokasikan ke sel (1B)) da
dari (S1) sebanyak 25 unit. Pada tahap ini, kapasitas
kapa
pasok (S1) tersisa 125 ton, dan seluruh permintaan (RB) sudah terpenuhi.

Retaill
etailler Persediaan
A B C
6 8 10
1 150
- 25
Supplier

7 11 11
2 175
- -
4 5 12
3 275
200 75 -

Permintaan 200 100 300 600

4) Lanjutkan ke sel yang

ang mem
memiliki ongkos terkecil berikutnya yaitu sel (1C).
). P
Pada
tahap ini (S1) memasok (RC
RC) sebanyak 125 unit, sehingga kapasitas (S1)
S1) ha
habis.
 Retailler
Retaill Persediaan
A B C
6 8 10
1 150
- 25 125

Supplier
7 11 11
2 175
- -
4 5 12
3 275
200 75 -

Permintaan 200 100 300 600

5) Tahap terakhir yaitu meme

memenuhi permintaan yang tersisa/menghabiskan
an paso
pasokan
yang belum habis. Pada
ada ta
tahap ini, permintaan (RC) belum semuanya terpenuh
erpenuhi,
yaitu 275 unit. Permintaan
taan iini dapat dipenuhi oleh (S2).

Reta
etailler Persediaan
A B C
6 8 10
1 150
- 25 125
Supplier

7 11 11
2 175
- - 175
4 5 12
3 275
200 75 -

Permintaan 200 100 300 600

Maka, total ongkos transpo

ansportasi (dalam Rp 000) dengan menggunakan
nakan LC
adalah:
= ( 8 × 25 ) + ( 10 × 125 ) + ( 11 × 175 ) + ( 4 × 200 ) + ( 5 × 75 ) = 4..550

c. Vogel’s Approximation Meth

ethod (VAM)
Bagian II modul ini menyatakan
yatakan bahwa metode ini didasarkan pada konsep
sep biaya
b
penalti (penalty cost) atau reg
regret. Jika pengambil keputusan salah memilih
h tind
tindakan
dari beberapa alternative
e tind
tindakan yang ada, maka pengambil keputusan
san a
akan
diberikan suatu hukuman (pen
penalty). Tahapan penyelesaian masalah transpo
ansportasi
dengan menggunakan metode
etode VAM adalah sebagai berikut:
1. Hitung biaya penalti untuk setiap baris (= sumber) dan kolom (= tujuan). Penalti
Pe
untuk setiap baris ke-ii dihitung dengan mengurangkan nilai cij terkecil
terke
pada baris tersebut deng
dengan nilai cij 1 tingkat lebih besar pada baris
aris y
yang
 Retailler
iller Persediaan
Penalty
A B C
6 8 10 8-6 8-6= 10 - 6 = 10
1 150 2 4
150 - - =2

Supplier
7 11 11 11 - 7 - - -
2 175
175 - - =4
4 5 12 5 - 4 5 - 4 = 112 - 4 = 8 -
3 275
- - 275 =1

Permintaan 200 100 300 600

6-4 8-5 11 - 10
=2 =3 =1
6-4=2 - 12 - 10 = 2
- - 12 - 10 = 2
Penalty

2. Jika seluruh kapasitas

as be
belum habis dan permintaan belum terpenuhi,
penuhi, u
ulangi
tahap (1). Maka perhitungan
itungan penalti ke-2 adalah sebagai berikut.
• Pada tahap ini, kolom
olom B menghasilkan penalti terbesar yaitu 3, oleh
leh ka
karena
itu, kolom B haruss diprioritaskan.
diprio
• Ongkos terkecil pada kkolom B adalah 5 (= sel 3B), oleh karena itu
tu sel (3B)
diisi sejumlah 100 unit, sehingga semua permintaan (RB) terpenuhi
penuhi dan
kapasitas (S3) tersisa
sisa 175
1 unit.

Retailler
iller Persediaan
Penalty
A B C
6 8 10 8-6 2 10 - 6 = 10
1 150 4
150 - - =2
Supplier

7 11 11 11 - 7
2 175 - - - -
175 - - =4
4 5 12 5-4 1 12 - 4 = 8 -
3 275
- 100 275 =1

Permintaan 200 100 300 600

6-4 8-5 11 - 10
=2 =3 =1
2 3 12 - 10
=2
Penalty
 3. Lakukan hal yang sama
ma hi
hingga seluruh pasokan habis dan seluruh permin
ermintaan
terpenuhi. Hasil akhir
hir pengalokasian
pen sumber daya dengan mengguna
ggunakan
metode VAM adalah sebagai
sebaga berikut:

Retailler
iller Persediaan
Penalty
A B C
6 8 10 8-6 2 10 - 6 10 -
1 150
- - 150 =2 =4
Supplier

7 11 11 11 - 7
2 175 - - - -
175 - - =4
4 5 12 5-4 1 12 - 4 - 12
3 275
25 100 150 =1 =8

Permintaan 200 100 300 600

6-4 8-5 11 - 10
=2 =3 =1
2 3 12 - 10
=2
2 - 2
Penalty
- - 2

- - 12

Maka, total ongkos transpo

nsportasi (dalam Rp 000) dengan menggunakan
akan VAM
adalah:
= ( 10 × 150 ) + ( 7 × 175 ) + ( 4 × 25 ) + ( 5 × 100 ) + ( 12 × 150 ) = 5.125

Berdasarkan perbandingan tot

total ongkos transportasi dengan menggunaka
ggunakan
metode NWC, LC, dan VAM
VAM, dapat dilihat bahwa total ongkos den
dengan
menggunakan metode LC adalah
adala yang paling kecil, yaitu 4.550. Oleh karena
arena itu,
pengalokasian sumber daya
aya de
dengan menggunakan metode LC akan dijad
dijadikan
dasar pada tahap selanjutnya
tnya yaitu tahap menentukan solusi optimall den
dengan
menggunakan metode Stepping
ing Stone dan MODI.
Hal ini akan dibahas pada modul berikutnya.
IV. Masalah Transportasi Tak Seim
Seimbang (Unbalanced Transportation)

Asumsi transportasi seimbang seperti

eperti yyang dibahas pada bagian III tidak selalu terpenuh
erpenuhi,
karena dalam kehidupan sehari-hari
hari yang paling banyak terjadi adalah banyak
anyaknya
persediaan tidak sama dengan banyakn
banyaknya permintaan (∑S ≠ ∑D), atau dengan kata
a lain:

≠
=1 =1

Masalah transportasi tak seimbang

ang dapa
dapat diselesaikan dengan menambahkan variabe
variabel
dummy.
• Jika (∑S > ∑D), maka variabel dummy ditambahkan pada kolom atau demand
• Jika (∑S < ∑D), maka variabel dumm
dummy ditambahkan pada baris atau supply

Ongkos transportasi per unit dari sumb

sumber dummy ke seluruh tujuan adalah nol ; demik
demikian
juga ongkos transportasi dari sumber
ber ke seluruh tujuan dummy.

Contoh masalah transportasi tak

k seim
seimbang

Sebuah perusahaan memiliki 3 pabrik di kota 1, 2, dan 3 dengan kapasitas setiap

ap pab
pabrik
adalah 150, 200, dan 275 unit perr bulan
bulan. Produk yang dihasilkan oleh ke-3 pabrik terseb
tersebut
didistribusikan ke-3 pengecer di lokasi A, B, dan C dengan tingkat permintaan
aan setiap
se
pengecer adalah 200, 100, dan 300 unit per bulan. Berikut ini adalah ongkos kirim dari
setiap pabrik ke setiap pengecer:

Sumber Ongkos Kirim ke… (dalam

(d Rp 000 per unit)
Pengecer A Penge
Pengecer B Pengecer C
Pabrik 1 6 8 10
Pabrik 2 7 11 11
Pabrik 3 4 5 12

Berdasarkan soal di atas, dapat

at dili
dilihat bahwa jumlah pasokan mencapai 625 unit
sedangkan jumlah permintaan menca
encapai 600 unit ; dengan kata lain, jumlah paso
pasokan
melebihi jumlah permintaan (∑S > ∑D).
∑ Untuk kondisi seperti ini, maka variabel dum
dummy
ditambahkan pada kolom. Jumlah
umlah permintaan pada retailler dummy ada
adalah
∑ −∑ untuk menyeimbangkan
an pe
persediaan dan permintaan. Matriks transportasi
tasi un
untuk
kasus seperti ini adalah sebagai berikut.

Retailler Persediaan
A B C Dummy
6 8 10 0
1 150
x 1A x 1B
1 x 1C x 1D
Supplier

7 11 11 0
2 200
x 2A x 2B
2 x 2C x 2D
4 5 12 0
3 275
x 3A x 3B
3 x 3C x 3D

Permintaan 200 100 300 25 625

Jika yang terjadi adalah sebaliknya,

a, dimana
dim (∑S < ∑D), maka variabel dummy ditambah
mbahkan
pada baris. Jumlah pasokan pada sumber
sum dummy adalah ∑ −∑ . Matriks transpor
ansportasi
pada kasus seperti ini adalah sebagai
ebagai be
berikut:

Retailler Persediaan
A B C
6 8 10
1 150
x 1A x 1B x 1C
7 11 11
Supplier

2 200
x 2A x 2B x 2C
4 5 12
3 275
x 3A x 3B x 3C
0 0 0
Dummy 25
x DA x DB x DC

Permintaan 200 125 300 625

Proses menentukan total ongkos tran

ansportasi dengan menggunakan metode Northw
orthwest
Corner Rule, Least Cost, dan Vogel’s
ogel’s Approximation Method pada kasus transportasi
ortasi tak
seimbang sama saja pada kasus transpo
ransportasi seimbang.
V. Degenerasi dan Redundansi
nsi pada
pa Metode Transportasi

Pada awal modul disebutkan bahwa

ahwa salah satu penyimpangan dalam permasalaha
asalahan
transportasi adalah degenerasi dan redu
redundansi. Jika diketahui m adalah banyaknya
ya ba
baris
(sumber) dan n adalah banyaknya
ya ko
kolom (tujuan), maka sel atau rute pengiriman
an yyang
optimal adalah (m + n – 1).
• Degenerasi terjadi ketika sel atau
tau rute
ru pengiriman yang sedang kurang dari (m + n – 1).
• Redudansi terjadi ketika sel atau
tau ru
rute pengiriman yang digunakan lebih dari (m + n – 1).

Dalam penyelesaian masalah transp

ransportasi, penting untuk menguji apakah rute
ute yan
yang
dihasilkan baik oleh metode NWC,, LC, atau VAM bersifat degeneratif atau redundan
n kar
karena
untuk menyelesaikan masalah degene
degenerasi dan redudansi pada metode transpor
ansportasi
membutuhkan prosedur khusus.

Contoh degenerasi pada transportasi:

Sebuah perusahaan memiliki tiga gudang yang bertugas memasok kebutuhan
uhan tiga
pelanggan. Biaya pengiriman, kapasi
apasitas pasokan gudang, dan permintaan pelangg
elanggan
ditampilkan pada matriks transportasi
tasi se
sebagai berikut.

Konsumen Persediaan
A B C
8 2 6
1 100
100 - -
Gudang

10 9 9
2 100
- 100 -
7 10 7
3 100
- 20 80

Permintaan 100 120 80 300

Contoh di atas menunjukkan bahwa sel yang terisi kurang dari (3 + 3 -1). Masa
Masalah
degenerasi dapat diselesaikan prosedur
sedur khusus.
Assignment Method: Maximization
Langkah-langkah Maksimisasi
Langkah-langkah penyelesaian dengan metoda Hungarian untuk masalah maksimisasi adalah
sebagai berikut :
1. Ditentukan nilai terbesar dari setiap baris, lalu mengurangkan semua nilai pada setiap baris
dari nilai terbesarnya.
2. Diperiksa apakah setiap kolom telah mempunyai nilai nol. Bila sudah dilanjutkan ke
langkah 3; bila belum, dilakukan penentuan nilai terkecil dari setiap kolom yang belum
mempunyai nilai nol, kemudian setiap nilai pada kolom tersebut dikurangkan dari nilai
terkecilnya.
3. Ditentukan apakah terdapat n elemen nol dimana tidak ada 2 nilai nol yang berada pada
baris/kolom yang sama, dimana n adalah jumlah kolom/baris. Jika ada, maka tabel telah
optimal; jika tidak dilanjutkan ke langkah 4.
4. Dilakukan penutupan semua nilai nol dengan menggunakan garis vertikal/horizontal
seminimal mungkin.
5. Ditentukan nilai terkecil dari nilai-nilai yang tidak tertutup garis. Lalu semua nilai yang
tidak tertutup garis dikurangkan dengan nilai terkecil tersebut, dan nilai yang tertutup oleh
dua garis ditambahkan dengan nilai terkecil tersebut.
6. Kembali ke langkah 3.
Untuk lebih jelasnya, perhatikan contoh penyelesaian masalah berikut ini.

Contoh :
Seorang manajer pemasaran ingin menempatkan empat orang salesmannya di empat daerah
pemasaran produknya. Penempatan salesman tersebut didasarkan pada perolehan nilai
keuntungan yang diperkirakan akan diperoleh oleh setiap salesman di setiap daerah
pemasaran berdasarkan prestasi kerja mereka saat ini dan pengenalan terhadap masing-
masing daerah pemasaran tersebut. Bila data perolehan keuntungan dari setiap salesman di
setiap daerah pemasaran seperti yang tersaji pada Tabel 6.7, tentukan penugasan salesman
yang harus dibuat oleh sang manajer agar keuntungan yang diperoleh maksimal.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
5 Dosen Pengampu http://www.widyatama.ac.id
 Tabel 2
Data Perolehan Keuntungan

Penyelesaian :
Tujuan yang ingin dicapai dalam penugasan salesman diatas adalah diperolehnya keuntungan
yang maksimal, sehingga masalah tergolong dalam masalah maksimisasi.
Langkah pertama untuk menyelesaikan masalah ini dengan menggunakan metoda Hungarian
adalah menentukan nilai terbesar dari setiap baris, dengan hasil sebagai berikut :
- baris I : 1100
- baris II : 1100
- baris III : 1050
- baris IV : 1150

hal ini berarti nilai-nilai keuntungan pada baris I dikurangkan dari 1100, baris II dikurangkan
dari 1100, baris III dikurangkan dari 1050 dan baris IV dikurangkan dari 1150.
Hasil perhitungan langkah pertama ini dapat dilihat pada Tabel 3.

Tabel 3
Hasil Perbaikan Pertama

Selanjutnya diperiksa apakah setiap kolom telah mempunyai nilai nol. Ternyata pada Tabel
6.8 terlihat bahwa kolom II belum mempunyai nilai nol, sehingga perlu ditentukan nilai
terkecil dari kolom tersebut, yaitu 100. setiap nilai pada kolom II dikurangkan dari 100,
sehingga diperoleh hasil seperti pada Tabel 4.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
6 Dosen Pengampu http://www.widyatama.ac.id
 Tabel 4
Tabel Akhir (Optimal Solution)

Sekarang dilihat apakah ada empat nilai nol pada Tabel 6.9 dimana keempat-empatnya
berada pada baris dan kolom yang berbeda. Ternyata ada, sehingga Tabel 4 dapat dinyatakan
sebagai tabel optimal.

Sebagai langkah terakhir adalah penentuan penugasan salesman ke aderah pemasaran

berdasarkan pada nilai-nilai nol tadi. Dimulai dengan baris dengan jumlah nilai nol satu, yaitu
baris I dan IV, yang berarti salesman 1 ditempatkan di daerah pemasaran 3, salesman 4
ditempatkan di daerah pemasaran 1. untuk baris II terdapat dua nilai nol, tetapi karena daerah
pemasaran 1 telah diberikan kepada salesman 4, maka salesman 2 ditempatkan di daerah
pemasaran 2; dan yang terakhir, salesman 3 ditempatkan di daerah pemasaran 4.

Berdasarkan penugasan yang dibuat diatas, maka nilai keuntungan yang akan diperoleh
adalah sebesar 1100 + 1000 + 1050 + 1150 = 4300.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
7 Dosen Pengampu http://www.widyatama.ac.id
Assignment Method: Minimization
Langkah-langkah MINIMISASI
Langkah-langkah penyelesaian dengan metode Hungarian untuk masalah minimisasi
adalah sebagai berikut :
1. Ditentukan nilai terkecil dari setiap baris, lalu mengurangkan semua nilai dalam baris
tersebut dengan nilai terkecilnya.
2. Diperiksa apakah setiap kolom telah mempunyai nilai nol. Bila sudah dilanjutkan
kelangkah 3; bila belum, dilakukan penentuan nilai terkecil dari setiap kolom yang belum
mempunyai nilai nol, kemudian setiap nilai pada kolom tersebut dikurangkan dengan nilai
terkecilnya.
3. Ditentukan apakah terdapat n elemen nol dimanan tidak ada 2 nilai nol yang berada pada
baris/kolom yang sama, dimana n adalah jumlah kolom/baris. Jika ada, maka tabel telah
optimal; jika tidak dilanjutkan ke langkah 4.
4. Dilakukan penutupan semua nilai nol dengan menggunakan garis vertikal/horizontal
seminimal mungkin.
5. Ditentukan nilai terkecil dari nila-nilai yang tidak tertutup garis. Lalu semua nilai yang
tidak tertutup garis dikurangkan dengan nilai terkecil tersebut, dan nilai yang tertutup oleh
dua garis ditambahkan dengan nilai terkecil tersebut.
6. Kembali ke langkah 3.
Untuk lebih jelasnya perhatikan contoh penyelesaian masalah berikut ini.

Contoh :
Seorang pelatih renang ingin membentuk tim renang yang tangguh untuk terjun di nomor
400m estafet gaya ganti pada suatu pertandingan tingkat nasional. Ada empat perenang
dibawah asuhannya, yang merupakan perenang terbaiknya, yang menguasai dengan baik
keempat gaya yang dipertandingkan. Pelatih ingin melakukan penugasan satu perenang pada
satu gaya berdasarkan data waktu terbaik mereka untuk tiap gaya nomor 100 meter yang
tersaji pada Tabel 5 dengan bantuan metoda Hungarian.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
8 Dosen Pengampu http://www.widyatama.ac.id
 Tabel 5
Data Perolehan Waktu (dalam detik)

Penyelesaian :
Pada suatu pertandingan renang selalu waktu tercepat yang mungkin dapat dilakukan,
sehingga masalah ini masuk ke dalam masalah minimisasi.
Berdasarkan data yang tersaji pada Tabel 6.2, maka langkah pertama yang dilakukan adalah
menentukan nilai terkecil dari setiap baris. Hasil penentuan terkecil tersebut adalah sebagai
berikut :
- baris I : 48.3
- baris II : 55.4
- baris III : 60.9
- baris IV : 47.7

sehingga setiap nilai pada baris I dikurangkan dengan 48.3, setiap nilai pada baris II
dikurangkan dengan 55.4, setiap nilai pada baris III dikurangkan dengan 60.9 dan setiap nilai
pada bris IV dikurangkan dengan 47.7. Hasil perhitungan langkah pertama ini dapat dilihat
pada Tabel 6.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
9 Dosen Pengampu http://www.widyatama.ac.id
 Tabel 6
Hasil Perbaikan Pertama

Selanjutnya, dilakukan pemeriksaan apakah setiap kolom telah mempunyai nilai nol.
Ternyata pada kolom IV belum terdapat nilai nol, sehingga perlu dilakukan penentuan nilai
terkecil dari kolom ini, yaitu 1.2. Kemudian setiap nilai pada kolom IV dikurangkan dengan
1.2, sehingga diperoleh nilai seperti yang tersaji pada Tabel 7.
Tabel 7
Hasil perbaikan kedua

Langkah berikutnya adalah memeriksa apakah terdapat suatu penugasan yang layak. Bila
diperlihatkan akan ditemui sejumlah 5 nilai nol pada Tabel 7. Tetapi dari kelima nilai nol
tersebut, tidak ada empat nilai nol yang keempat-empatnya terdapat pada baris dan kolom
yang berbeda. Misalnya kita ambil nilai nol pada kotak (1.2), (2.1), (3.3) dan (4.1); kita masih
menemukan ada dua nilai nol yang berada pada kolom yang sama yaitu nilai nol pada kotak
(2.1) dan (4.1). Hal yang sama juga akan terjadi pada kemugkinan-kemungkinan yang
lainnya. Ini menandakan bahwa tabel belum optimal, sehingga perlu dilakukan langkah-
langkah selanjutnya guna mendapatkan tabel yang optimal.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
10 Dosen Pengampu http://www.widyatama.ac.id
Langkah selanjutnya adalah menutup seluruh nilai nol dengan garis vertikal dan
horizontal seminimal mungkin, seperti yang terlihat pada Tabel 8.
Tabel 8
Hasil Perbaikan Ketiga

Pada Tabel 8 terlihat bahwa jumlah garis yang menutup nilai nol ada tiga, dan ini merupakan
jumlah yang minimal, karena tidak mungkin menutup semua nilai nol dengan hanya dua garis
vertikal/horizontal. Setelah seluruh nilai nol tertutup oleh garis vertikal/horizontal, maka
dilakukan penentuan nilai terkecil dari nilai-nilai yang tidak tertutup garis. Bila diperhatikan
Tabel 8, maka nilai terkecil yang dimaksud adalah 0.7. Selanjutnya kita kurangkan setiap
nilai yang tidak tertutup garis dengan 0.7, dan kita tambahkan setiap nilai yang terttutup oleh
dua garis dengan 0.7.
Langkah ini memungkinkan nilai seperti yang tersaji pada Tabel 9.
Tabel 9
Hasil Perhitungan Akhir (Optimal Solution)

Berikutnya kembali dilakukan pemriksaan apakah telah terdapat suatu penugasan yang layak
yang memberikan solusi optimal. Pada Tabel 9 terlihat bahwa terdapat sejumlah empat nilai
‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
11 Dosen Pengampu http://www.widyatama.ac.id
nol yang keempat-empatnya berada pada baris dan kolom yang berbeda, sehingga dapat
dikatakan bahwa tabel telah optimal. Dengan telah diperolehnya tabel yang optimal, maka
kita tinggal melakukan penugasan assignment ke assignee. Penugasan ini diberikan kepada
pasangan assignee-assignment pada kotak yang bernilai nol pada tabel optimal.
Penentuan penugasan sebaiknya dimulai dari baris yang hanya mengandung satu nilai
nol. Pada Tabel 6.6, baris yang dimaksud adalah baris ke-3 dan ke-4. Hal ini berarti gaya
punggung ditugaskan kepada Koko, dan gaya bebas kepada Budi. Kemudian untuk baris ke-
2,
karena Budi telah mendapatkan tugas di gaya bebas, maka gaya dada diberikan kepada Fajar,
sedangkan gaya kupu-kupu, pada baris ke-1, diberikan kepada Giri. Berdasarkan pada
penugasan tersebut, maka perolehan waktu yang diperkirakan pada nomor 400 estafet gaya
ganti adalah 48.3 + 57.3 + 60.9 + 47.7 = 214.2 detik.

Penambahan DUMMY

Kolom/baris dummy ditambahkan bila jumlah assignee tidak sama dengan assignment, atau
terkadang disebut sebagai masalah tak seimbang (Unbalance). Pada kolom/baris dummy ini
diberikan nilai keuntungan/kerugian sebesar nol. Kemudian penyelesaian selanjutnya sama
dengan langkah-langkah sebelumnya.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
12 Dosen Pengampu http://www.widyatama.ac.id
New Approach to Solve Assignment Problem
Dikutip dari Rai, Rai, Khan (2017), Masalah Penugasan merupakan struktur khusus dari
Masalah Transportasi, di mana jumlah pekerjaan (tugas) sama dengan jumlah orang
(fasilitas). Dengan demikian tujuan dari masalah tersebut adalah bagaimana penugasan harus
dilakukan untuk mencapai alokasi. Dalam model penugasan, pekerja mewakili sumber dan
pekerjaan mewakili tujuan. Jumlah pasokan di masing-masing sumber tepat 1. misalnya jika
n = 5 orang dapat ditugaskan untuk 5 pekerjaan. Maka banyaknya cara yang memungkinkan
adalah 5! = 120. Alokasi ini akan memakan waktu yang lama. Ada banyak metode untuk
mengembangkan teknik komputasi yang mudah untuk masalah tersebut. Metode Hongaria
adalah salah satunya. Dalam makalah ini kami mencapai solusi optimal yang tepat, yang
sama dengan metode Hungarian.

Bagian ini menyajikan metode alternatif untuk menyelesaikan masalah penugasan yang
berbeda dari metode sebelumnya.
Algoritme baru adalah sebagai berikut:
1. Kurangi elemen terkecil setiap baris dari setiap elemen baris yang sesuai.
2. Kurangi elemen terkecil setiap kolom dari setiap elemen kolom yang sesuai.
3. Pertimbangkan lokasi nol di setiap baris. Jika baris hanya berisi satu nol maka tetapkan
untuk baris yang sesuai dan hapus baris dan kolom yang sesuai setelah alokasi. Jika tidak,
baca lokasi nol di bawah untuk proses lebih lanjut.
4. Jika ada lebih dari satu nol daripada mencari penerus nol dan membandingkan nilai
maksimum dan menetapkan nol
5. Mengulangi (3), (4) dan mencari solusi optimal.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
13 Dosen Pengampu http://www.widyatama.ac.id
‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
14 Dosen Pengampu http://www.widyatama.ac.id
‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
15 Dosen Pengampu http://www.widyatama.ac.id
‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
16 Dosen Pengampu http://www.widyatama.ac.id
 MODUL PERKULIAHAN
MATA KULIAH METODE KUANTITATIF

Analisis Keputusan
Pendahuluan, Jenis-jenis Lingkungan Pengambilan Keputusan,
Pengambilan Keputusan dalam Lingkungan Tidak Pasti dan
Pengambilan Keputusan dalam Lingkungan Berisiko.

Modul Standar untuk digunakan dalam

Perkuliahan di Universitas Widyatama

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh : Tim Dosen
Bisnis dan Manajemen Manjaemen 02510008 1. Asep Sudrajat, S.E., M.T.
13 2. Dinda Kayani Bestari P., S.M.B.,
M.M.
3. Gina Nurunnisha, S.M.B., M.B.A.
4. Oktora Yogi Sari, S.T., M.T.
5. Titto Rohendra, S.E., M.Si.

Abstract
Dalam mata kuliah ini akan dibahas
mengenai Jenis-jenis Lingkungan
Pengambilan, Keputusan
Pengambilan Keputusan dalam
Lingkungan Tidak Pasti,
Pengambilan Keputusan dalam
Lingkungan Berisiko
Kompetensi
Mahasiswa memiliki kemampuan
menggunakan tools terkait dengan
pengambilan keputusan dalam
berbagai jenis lingkungan yang
dihadapi.
Teori keputusan adalah pendekatan analitik dan sistematis untuk studi tentang pengambilan
keputusan. Dalam bab ini, kami menyajikan model matematika yang berguna dalam
membantu manajer membuat keputusan terbaik. Apa yang membedakan keputusan yang
baik dan yang buruk? Keputusan yang baik adalah salah satunya berdasarkan logika,
mempertimbangkan semua data yang tersedia dan kemungkinan alternatif, dan menerapkan
kuantitatif pendekatan yang akan kami gambarkan. Kadang-kadang, keputusan yang baik
menghasilkan sesuatu yang tidak terduga atau hasil yang menguntungkan. Tetapi jika dibuat
dengan benar, itu masih merupakan keputusan yang bagus.

Keputusan yang buruk adalah salah satunya yang tidak berdasarkan logika, tidak
menggunakan semua informasi yang tersedia, tidak mempertimbangkan semua alternatif.
tives, dan tidak menggunakan teknik kuantitatif yang sesuai. Jika Anda membuat keputusan
yang buruk tapi beruntung dan hasil yang baik terjadi, Anda masih membuat keputusan
yang buruk. Meskipun membuat keputusan yang baik terkadang menghasilkan hasil yang
buruk, dalam jangka panjang, menggunakan teori keputusan akan menghasilkan hasil yang
sukses.

Garis Besar Pembahasan

1. Pengantar
2. Enam Langkah dalam Pengambilan Keputusan
3. Jenis Lingkungan Pengambilan Keputusan
4. Pengambilan Keputusan berdasarkan Ketidakpastian
5. Pengambilan Keputusan dalam Risiko

Pengantar
• Apa yang terlibat dalam pengambilan keputusan yang baik?
• Teori keputusan adalah pendekatan analitik dan sistematis untuk studi pengambilan
keputusan
• Keputusan yang baik adalah yang didasarkan pada logika, mempertimbangkan
semua data yang tersedia dan kemungkinan alternatif, dan pendekatan kuantitatif
yang dijelaskan di sini.

Enam Langkah dalam Pengambilan Keputusan

Apakah Anda memutuskan untuk memotong rambut hari ini, membangun pabrik bernilai
jutaan dolar, atau membeli kamera baru, langkah-langkah dalam membuat keputusan yang
baik pada dasarnya sama, yaitu:

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

2 Tim Dosen http://www.widyatama.ac.id
 1. Definisikan masalah dengan jelas
2. Buat daftar alternatif yang memungkinkan
3. Identifikasi kemungkinan hasil
4. Buat daftar hasil atau keuntungan dari setiap kombinasi alternatif dan hasil
5. Pilih salah satu model teori keputusan matematis.
6. Terapkan model dan buat keputusan Anda.

Contoh langkah-langkah terkait dengan Proses Pengambilan Keputusan

Kami menggunakan kasus Thompson Lumber Company sebagai contoh untuk
menggambarkan langkah-langkah teori kepitusan keputusan ini. John Thompson adalah
pendiri dan presiden Thompson Lumber Company, sebuah perusahaan yang
menguntungkan yang berlokasi di Portland, Oregon.

Langkah 1 Definisikan masalahnya

• Memperluas dengan membuat dan memasarkan produk baru, yaitu
produk rak penyimpanan
Langkah 2 Buat daftar alternatif
1. Bangun pabrik baru yang besar
2. Sebuah pabrik kecil
3. Tidak melakukan apapun
Langkah 3 Identifikasi kemungkinan hasil
• Pasar bisa menguntungkan atau tidak menguntungkan
Langkah 4 Buat daftar hasilnya
• Identifikasi nilai bersyarat untuk keuntungan untuk pabrik besar, kecil,
dan taidak melakukan apapun untuk dua kondisi pasar yang
memungkinkan
Langkah 5 Pilih model keputusan
Tergantung pada lingkungan dan jumlah risiko dan ketidakpastian
Langkah 6 Terapkan model ke data
Solusi dan analisis digunakan untuk membantu pengambilan keputusan

Tabel Thompson’s Decision

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

3 Tim Dosen http://www.widyatama.ac.id
Jenis-jenis Lingkungan Pengambilan Keputusan
Tipe 1: Pengambilan keputusan dalam kepastian. Pengambil keputusan mengetahui dengan
pasti konsekuensi dari setiap alternatif atau pilihan keputusan. Secara alami, mereka
akan memilih alternatif yang akan memaksimalkan kesejahteraan atau kemauan
mereka menghasilkan hasil terbaik.
Tipe 2:Pengambilan keputusan dalam ketidakpastian. Pengambil keputusan tidak
mengetahui probabilitas berbagai hasil. Ketika beberapa keadaan alam ada dan
seorang manajer tidak dapat menilai probabilitas hasil dengan keyakinan atau ketika
hampir tidak ada data probabilitas tersedia, lingkungan disebut pembuatan keputusan
di bawah ketidakpastian.
Tipe 3: Pengambilan keputusan berisiko. Pengambil keputusan mengetahui probabilitas
berbagai hasil.

Pengambilan Keputusan dalam Ketidakpastian

Ada beberapa kriteria untuk membuat keputusan dalam ketidakpastian, yaiitu:
• Maximax (optimistic). Digunakan untuk menemukan alternatif yang memaksimalkan
hasil maksimum. Dalam menggunakan kriteria optimis, hasil terbaik (maksimum)
untuk setiap alternatif dipertimbangkan dan alternatif dengan yang terbaik
(maksimum) dipilih. Oleh karena itu, kriteria optimis kadang-kadang disebut kriteria
maksimal

a. Temukan pembayaran maksimum untuk setiap alternatif

b. Pilih alternatif dengan jumlah maksimum.

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

4 Tim Dosen http://www.widyatama.ac.id
 • Maximin (pessimistic). Digunakan untuk menemukan alternatif yang memaksimalkan
hasil minimum. Dalam menggunakan kriteria pesimis, hasil terburuk (minimum) untuk
setiap alternatif dipertimbangkan dan alternatif dengan yang terbaik (maksimum)
dipilih. Makanya, kriteria pesimistis terkadang disebut kriteria maximin. Kriteria ini
menjamin pembayaran setidaknya akan menjadi nilai maximin (nilai terbaik dari yang
terburuk). Memilih alternatif lain memungkinkan hasil yang lebih buruk (lebih rendah)
terjadi
a. Temukan pembayaran minimum untuk setiap alternatif
b. Pilih alternatif dengan jumlah maksimum

• Criterion of realism (Hurwicz). Kompromi rata-rata tertimbang antara optimis dan

pesimistis. Sering disebut rata-rata tertimbang, kriteria realisme (kriteria Hurwicz)
adalah janji antara keputusan yang optimis dan pesimis. Pertama-tama, koefisien
realisme, dipilih; ini mengukur tingkat optimisme pembuat keputusan. Koefisien ini
adalah antara 0 dan 1. Nilai1, pembuat keputusan 100% optimis tentang masa
depan. Nilai adalah 0, pengambil keputusan 100% pesimis tentang masa depan.
Keuntungan dari pendekatan ini adalah bahwa itu memungkinkan pembuat
keputusan untuk membangun perasaan pribadi tentang optimisme relatif dan
pessimisme
a. Pilih koefisien realisme α
b. Koefisiennya antara 0 dan 1

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

5 Tim Dosen http://www.widyatama.ac.id
 c. Nilai 1 adalah 100% optimis
d. Hitung rata-rata tertimbang untuk setiap alternatif
e. Pilih alternatif dengan nilai tertinggi

Rata-rata Tertimbang = α (Nilai terbesar pada baris) + (1 – α) (Nilai terkecil pada

baris)

• Pabrik baru yang besar: (0.8)(200,000) + (1 – 0.8)(–180,000) = 124,000

• Pabrik kecil: (0.8)(100,000) + (1 – 0.8)(–20,000) = 76,000

• Equally likely (Laplace). Mempertimbangkan semua hadiah untuk setiap alternative.

Ini melibatkan menemukan hasil rata-rata untuk setiap alternatif, dan memilih
alternatif dengan rata-rata terbaik atau tertinggi. Pendekatan yang sama mungkinya
mengasumsikan bahwa semua probabilitas kejadian untuk hasil adalah sama.
a. Temukan hasil rata-rata untuk setiap alternatif
b. Pilih alternatif dengan rata-rata tertinggi

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

6 Tim Dosen http://www.widyatama.ac.id
 • Minimax regret. Berdasarkan hilangnya peluang atau penyesalan, perbedaan antara
laba optimal dan hasil aktual untuk suatu keputusan.
a. Buat tabel kehilangan peluang dengan menentukan hilangnya peluang
karena tidak memilih alternatif terbaik
b. Kehilangan peluang dihitung dengan mengurangi setiap hadiah di kolom dari
hadiah terbaik di kolom
c. Temukan kehilangan peluang maksimum untuk setiap alternatif dan pilih
alternatif dengan jumlah minimum

Opportunity Loss Tables dan Nilai Minimax

Pengambilan Keputusan Dalam Kondisi Risiko

Pengambilan Keputusan dalam Kondisi Beresiko

Pengambilan keputusan di dalam kondisi berrisiko adalah situasi keputusan di mana

beberapa kemungkinan keadaan alam mungkin terjadi, dan probabilitas keadaan alam ini
diketahui. Di bagian ini kami mempertimbangkan satu dari metode paling populer untuk
membuat keputusan di bawah risiko: memilih alternatif dengan nilai moneter tertinggi yang
diharapkan (atau nilai yang diharapkan). Kami juga menggunakan probabilitas dengan tabel
kerugian peluang untuk meminimalkan kerugian peluang yang diharapkan.

• Expected Monetary Value (EMV). Adalah nilai yang diharapkan, atau nilai rata-
rata, adalah nilai rata-rata jangka panjang keputusan itu. EMV untuk alternatif
hanyalah jumlah dari kemungkinan pembayaran dari alternatiftive, masing-masing
tertimbang oleh probabilitas terjadinya pay off Pengambilan keputusan ketika ada
beberapa kemungkinan keadaan alamiah dan kita tahu probabilitas yang terkait
dengan masing-masing keadaan yang memungkinkan Metode yang paling populer
adalah memilih alternatif dengan nilai moneter yang diharapkan tertinggi (EMV).

Contoh perhitungan

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

7 Tim Dosen http://www.widyatama.ac.id
 1. Setiap kondisi pasar memiliki probabilitas 0,50
2. Alternatif mana yang akan memberikan EMV tertinggi?

Perhitungannya adalah:

EMV (Pabrik Besar) = (0.50)($200,000) + (0.50)(–$180,000) = $10,000

EMV (Pabrik Kecil) = (0.50)($100,000) + (0.50)(–$20,000) = $40,000
EMV (Tidak melakukan apapun) = (0.50)($0) + (0.50)($0) = $0

1. Expected Value Of Perfect Information (EVPI)

1. EVPI menempatkan batas atas pada apa yang harus Anda bayar untuk
informasi tambahan
EVPI = EVwPI - EMV maksimum
2. EVwPI adalah pengembalian rata-rata jangka panjang jika kita memiliki
informasi yang sempurna sebelum keputusan dibuat.

EVwPI = (Pay off terbaik hasil kolom 1) x (Kemungkinan Pay off terbaik hasil kolom 1)
+ (Pay off terbaik hasil kolom 2) x (Kemungkinan Pay off terbaik hasil kolom 2)
+ … + (Pay off terbaik hasil kolom ke -n) x (Kemungkinan Pay off terbaik hasil kolom ke -n)

Contoh perhitungan.
1. Scientific Marketing, Inc. menawarkan analisis yang akan memberikan
kepastian tentang kondisi pasar (menguntungkan)
2. Informasi tambahan akan menelan biaya $ 65.000
3. Apakah layak membeli informasi?

Jawaban:

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

8 Tim Dosen http://www.widyatama.ac.id
 1. Alternatif terbaik untuk keadaan alam yang menguntungkan adalah
membangun pabrik besar dengan pay off $ 200.000
2. Alternatif terbaik untuk keadaan alam yang tidak menguntungkan adalah tidak
melakukan apa-apa dengan imbalan $ 0
3. EVwPI = ($ 200.000) (0,50) + ($ 0) (0,50) = $ 100.000
4. EMV maksimum tanpa informasi tambahan adalah $ 40.000
EVPI = EVwPI - EMV maksimum
= $ 100.000 - $ 40.000 = $ 60.000

Expected Opportunity Loss

Pendekatan alternatif untuk memaksimalkan EMV adalah meminimalkan kehilangan
peluang yang diharapkan (EOL). Pertama, tabel kerugian peluang dibuat. Kemudian EOL
dihitung untuk setiap alternatif dengan mengalikan kehilangan peluang dengan probabilitas
dan menjumlahkannya. Expected Opportunity Loss (EOL) adalah biaya untuk tidak memilih
solusi terbaik.
1. Pertama-tama buatlah tabel kehilangan peluang.
2. Untuk setiap alternatif, gandakan kehilangan peluang dengan probabilitas hilangnya
itu untuk setiap hasil yang mungkin dan tambahkan bersama-sama.
3. EOL minimum akan selalu menghasilkan keputusan yang sama dengan EMV
maksimum.
4. EOL minimum akan selalu sama dengan EVPI.

EOL (Pabrik Besar) = (0.50)($0) + (0.50)($180,000) = $90,000

EOL (Pabrik Kecil) = (0.50)($100,000) + (0.50)($20,000) = $60,000
EOL (tidak melakukan apapun) = (0.50)($200,000) + (0.50)($0) = $100,000

Daftar Pustaka

‘20 Analisis Keputusan Biro Akademik dan Pembelajaran

9 Tim Dosen http://www.widyatama.ac.id
‘20 Analisis Keputusan Biro Akademik dan Pembelajaran
10 Tim Dosen http://www.widyatama.ac.id