PENDAHULUAN
2
SILABUS
Minggu Topik
• Pengantar Penelitian Operasional
1 • Masalah, model dan metode optimisasi
• Metodologi penelitian untuk pemecahan masalah menggunakan model optimisasi
• Model pemrograman linier
2 • Metode grafis untuk pemecahan model pemrograman linier
• Analisis Sensitivitas dengan metode grafis
3 Enumerasi basis dan dasar-dasar metode simpleks untuk pemecahan model pemrograman linier
3
SILABUS
Minggu Topik
9 UTS
• Masalah Transportasi
12
• Pengumpulan Proposal Tugas Besar
• Masalah Penugasan
13
• Pengumpulan Tahap 1 Tugas Besar
16 UAS
4
REFERENSI
5
TAUTAN MATERI
PENDUKUNG
• https://www.youtube.com/watch?v=ILWbaWrjgU4
• https://www.youtube.com/watch?v=0oMVVx81kCs&t=10
6s
• https://www.youtube.com/watch?v=sFWrmpXPVJw
• https://www.youtube.com/watch?v=zsK0Fl2jm5Y
6
TABLE OF CONTENTS
01 03
Pengantar Penelitian Metode Optimisasi
Operasional
02 04
Masalah dan Model Metodologi Penelitian untuk
Optimisasi Pemecahan Masalah menggunakan
Model Optimisasi
7
01
Pengantar
Penelitian
Operasional
8
PENELITIAN
OPERASIONAL
• Penelitian Operasional (Operations Research atau Operational
Research) merupakan suatu disiplin ilmu yang memanfaatkan
teknik-teknik kuantitatif untuk pemecahan masalah
• Secara umum, studi dalam Penelitian Operasional berkaitan
dengan dua hal, yaitu:
• Perumusan masalah yang dipecahkan ke dalam model
matematik
• Pengembangan metode atau teknik pemecahan masalah atau
model.
• Istilah Penelitian Operasional muncul pada saat Perang Dunia II.
9
PEMODELAN
SISTEM
10
PEMODELAN
SISTEM
Sistem
Validasi Konseptualisasi
Model
Solusi
Konseptual
Pemecahan Perumusan
Model
Model
Operasional
11
PENDEKATAN
Studi dalam
Mempelajari
Sistem
Studi dengan
Studi dengan
Sistem
Model
Aktual
Model
Model Fisik
Simbolik
Model Model
Model Verbal
Diagramatik Matematik
12
MODEL
MATEMATIK
13
KLASIFIKASI
MODEL MATEMATIK
Model Deskriptif
Tujuan
Model Optimisasi
Model Analitik
Cara Pemecahan
Model Simulasi
Model Matematik
Model Statik
Referensi Waktu
Model Dinamik
Model Deterministik
Unsur Kerandoman
Model Probabilistik
14
02
Masalah &
Model
Optimisasi
15
MASALAH
OPTIMISASI
• Masalah optimisasi (optimization problem) merupakan masalah yang
terkait dengan penentuan keputusan-keputusan yang layak yang
memberikan nilai terbaik dari sejumlah ukuran kinerja.
• Struktur masalah optimisasi dicirikan oleh tiga komponen, yaitu
1. Keputusan
Himpunan dari keputusan disebut dengan solusi (solution).
2. Pembatas
Kumpulan dari pembatas-pembatas disebut dengan himpunan
pembatas (constraint set)
3. Ukuran kinerja
Ukuran kinerja merupakan ukuran untuk menentukan solusi terbaik
yang disebut juga dengan tujuan (objective).
16
KLASIFIKASI
MASALAH
OPTIMISASI Numerik
Sifat dari Solusi
Tak Numerik
Berpembatas
Eksistensi Himpunan Pembatas
Tak Berpembatas
Tunggal
Masalah Optimisasi Jumlah Ukuran Kinerja
Majemuk
Statik
Unsur Waktu
Dinamik
Deterministik
Sifat Kepastian
Probabilistik
17
MODEL
OPTIMISASI
18
STRUKTUR
MODEL OPTIMISASI
19
KLASIFIKASI
MODEL OPTIMISASI
Model
Optimisasi
Tak
Tunggal Majemuk Kontinu Diskrit Berpembatas
Berpembatas Linier Tak Linier Tunggal Majemuk Deterministik Probabilistik
20
PERUMUSAN
MODEL OPTIMISASI
21
PENDEFINISIAN
VARIABEL - VARIABEL
KEPUTUSAN
22
PERUMUSAN
FUNGSI TUJUAN
𝑍𝑘 = 𝑓𝑘 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ; 𝑘 = 1, 2, ⋯ , 𝑝
23
PERUMUSAN
PEMBATAS
24
CONTOH Definisi Masalah
MASALAH OPTIMISASI
Suatu perusahaan merencanakan untuk memproduksi dua jenis produk, yaitu produk
A dan B. Kedua produk menggunakan suatu jenis bahan. Kebutuhan bahan per
satuan produk A dan B masing-masing adalah 5 dan 3. Ketersediaan bahan per
minggu adalah 15. Kuantitas bahan yang digunakan untuk memproduksi kedua
produk tidak boleh melebihi ketersediaan yang ada.
Pihak manajemen menetapkan batasan bahwa perbedaan antara kuantitas produk B
dengan produk A yang diproduksi per minggu tidak boleh lebih dari 1 satuan.
Selanjutnya, terdapat pembatas bahwa kuantitas penjualan produk B per minggu
tidak lebih dari 3 satuan. Keuntungan per satuan untuk produk A dan B masing-
masing adalah 3 dan 2. Manajemen perusahaan ingin menentukan kuantitas produk
A dan B yang harus diproduksi per minggu agar diperoleh total keuntungan per
minggu yang maksimum. Terdapat asumsi bahwa kuantitas produk yang dijual sama
dengan kuantitas produk yang diproduksi.
25
CONTOH Pendefinisian Variabel Keputusan
MASALAH OPTIMISASI
26
CONTOH Perumusan Fungsi Tujuan
MASALAH OPTIMISASI
27
CONTOH Perumusan Pembatas
MASALAH OPTIMISASI
• Pembatas-pembatas fungsional
o Kuantitas bahan yang digunakan untuk memproduksi Produk-
Produk A dan B tidak melebihi kuantitas bahan yang tersedia
o Selisih antara kuantitas Produk B yang diproduksi dengan
kuantitas Produk A yang diproduksi tidak melebihi batas selisih
produksi
o Kuantitas Produk B yang diproduksi tidak melebihi batas kuantitas
Produk B yang diproduksi
• Pembatas-pembatas nilai variabel keputusan
o Kuantitas Produk A yang diproduksi bernilai tak negatif
o Kuantitas Produk B yang diproduksi bernilai tak negatif
28
CONTOH Perumusan Pembatas : Kuantitas Bahan Tersedia
MASALAH OPTIMISASI
5𝑥1 + 3𝑥2 ≤ 15
29
CONTOH Perumusan Pembatas : Batas Selisih Kuantitas Produk
MASALAH OPTIMISASI
𝑥2 − 𝑥1 ≤ 1
30
CONTOH Perumusan Pembatas : Batas Kuantitas Produk B
MASALAH OPTIMISASI
𝑥2 ≤ 3
31
CONTOH Perumusan Pembatas : Batas Nilai Variabel Keputusan
MASALAH OPTIMISASI
𝑥1 ≥ 0
𝑥2 ≥ 0
32
CONTOH Model Optimisasi: Masalah Penentuan Kuantitas Produksi
MASALAH OPTIMISASI
Memaksimumkan
𝑍 = 3𝑥1 + 2𝑥1
dengan pembatas-pembatas:
5𝑥1 + 3𝑥2 ≤ 15
𝑥2 − 𝑥1 ≤ 1
𝑥2 ≤ 3
𝑥1 ≥ 0
𝑥2 ≥ 0
33
SOLUSI LAYAK
● Suatu solusi yang memenuhi himpunan pembatas disebut dengan solusi
layak (feasible solution).
● Solusi layak secara matematik dinyatakan berikut ini.
● Misal 𝑆 merupakan himpunan pembatas dan 𝐱 adalah vektor variabel
keputusan.
● Jika 𝐱 ∈ 𝑆, maka 𝐱 dikatakan solusi layak.
● Solusi yang tidak memenuhi himpunan pembatas disebut dengan solusi
tak layak (infeasible solution).
● Himpunan dari solusi layak disebut dengan himpunan solusi (solution
set).
34
SOLUSI
OPTIMAL
● Suatu solusi layak yang memberikan nilai fungsi tujuan maksimum
(kasus maksimisasi) atau minimum (kasus minimisasi) dari semua
solusi layak yang lain, maka solusi layak tersebut disebut dengan solusi
optimal (optimal solution) atau tepatnya disebut solusi optimal global
(global optimal solution).
● Misal 𝑓 𝐱 adalah fungsi tujuan dan 𝑆 merupakan himpunan pembatas.
● Jika 𝑓 𝐱 ∗ ≥ 𝑓 𝐱 (kasus maksimisasi) atau 𝑓 𝐱 ∗ ≤ 𝑓 𝐱 (kasus
minimisasi) untuk semua 𝐱, 𝐱 ∗ ∈ 𝑆, maka 𝐱 ∗ adalah solusi optimal.
35
SOLUSI
OPTIMAL
● Suatu solusi optimal dikatakan sebagai solusi optimal unik (unique
optimal solution) jika solusi tersebut merupakan satu-satunya solusi
yang memiliki nilai fungsi tujuan maksimum (kasus maksimisasi)
atau minimum (kasus minimisasi).
● Misal 𝑓 𝐱 adalah fungsi tujuan dan 𝑆 merupakan himpunan
pembatas.
● Jika 𝑓 𝐱 ∗ > 𝑓 𝐱 (kasus maksimisasi) atau 𝑓 𝐱 ∗ < 𝑓 𝐱 (kasus
minimisasi) untuk semua 𝐱, 𝐱 ∗ ∈ 𝑆, maka 𝐱 ∗ adalah solusi optimal
unik.
36
SOLUSI
OPTIMAL LOKAL
● Suatu solusi layak yang memberikan nilai fungsi tujuan maksimum
(kasus maksimisasi) atau minimum (kasus minimisasi) dari semua
solusi layak tetangganya (yaitu, yang berada di sekitar solusi tersebut),
maka solusi layak tersebut disebut dengan solusi optimal lokal (local
optimal solution).
● Misal 𝑓 𝐱 adalah fungsi tujuan dan 𝑆 merupakan himpunan pembatas.
● Jika 𝑓 𝐱 ∗ ≥ 𝑓 𝐱 (kasus maksimisasi) atau 𝑓 𝐱 ∗ ≤ 𝑓 𝐱 (kasus
minimisasi) untuk 𝐱 ∈ 𝑁 𝐱 ∗ , dengan 𝑁 𝐱 ∗ adalah himpunan
ketetanggaan dari 𝐱 ∗ , maka 𝐱 ∗ disebut solusi optimal lokal (local optimal
solution).
37
03 Metode
Optimisasi
38
METODE
OPTIMISASI
39
METODE
OPTIMISASI
40
KLASIFIKASI
METODE OPTIMISASI
Metode
Optimisasi
Proses
Sifat dari Kelas
Pemecahan
Solusi Penerapan
Masalah
41
METODE
ANALITIK
42
METODE
ALGORITMIK
● Metode algoritmik merupakan metode yang bersifat tidak langsung
dan bersifat iteratif.
● Metode ini dicirikan oleh adanya tiga mekanisme dasar, yaitu
1. Pembentukan solusi awal
2. Pembentukan solusi baru
3. Aturan penghentian.
● Contoh metode algoritmik:
○ Metode simpleks untuk memecahkan model optimisasi linier
(model pemrograman linier)
43
METODE
OPTIMAL
● Metode optimal merupakan metode yang menjamin diperoleh
solusi yang bersifat optimal global.
● Metode enumerasi lengkap (exhaustive enumeration) merupakan
salah contoh metode solusi optimal global.
o Metode ini mengenumerasi semua solusi layak dan menentukan
solusi layak yang memberikan nilai fungsi tujuan terbaik
sebagai solusi optimal.
o Metode ini digunakan untuk memecahkan masalah atau model
optimisasi dengan keputusan diskret.
44
METODE
HEURISTIK
● Metode heuristik merupakan metode yang menghasilkan solusi
yang tidak menjamin sebagai solusi optimal global, tetapi optimal
lokal (local optimal) atau suboptimal (suboptimal).
● Metode heuristik dapat dibedakan atas
o Metode Konstruksi (construction method)
Metode ini berusaha membentuk solusi secara langkah demi
langkah, yaitu membentuk solusi parsial hingga diperoleh solusi
yang lengkap. Contoh: Metode nearest neighbor
o Metode Perbaikan (improvement method)
Metode ini berangkat dari solusi awal dan selanjutnya metode ini
akan mencari solusi yang lebih baik berdasarkan solusi awal.
Contoh: Metode metaheuristik (metaheuristic method)
45
METODE UMUM
● Metode optimisasi umum merupakan metode optimisasi yang
dapat digunakan untuk memecahkan suatu kelas masalah atau
model optimisasi.
● Contoh:
o Metode simpleks: metode yang digunakan untuk memecahkan
masalah optimisasi yang dirumuskan dalam model optimisasi
linier.
o Metode-metode heuristik seperti genetic algorithm, simulated
annealing dan tabu search juga dapat diklasifikaskan sebagai
metode optimisasi yang umum.
46
METODE
KHUSUS
● Metode optimisasi khusus merupakan metode optimisasi yang
hanya digunakan untuk memecahkan suatu masalah atau model
optimisasi tertentu.
● Contoh:
o Metode Hungarian yang digunakan untuk memecahkan masalah
penugasan.
o Metode Dijsktra yang digunakan untuk memecahkan masalah
lintasan terpendek.
47
METODE
OPTIMISASI
DASAR
Metode Optimisasi Berbasis Kalkulus
Metode Grafis
48
METODE OPTIMISASI
BERBASIS KALKULUS
49
METODE
GRAFIS
● Metode grafis merupakan salah satu metode yang paling
sederhana.
● Namun, metode ini mempunyai kelemahan karena hanya dapat
diterapkan untuk model optimisasi dengan jumlah variabel satu
atau dua.
50
METODE ENUMERASI
LENGKAP
51
04
Metodologi
Pemecahan
Masalah
52
PENDEKATAN SISTEM
DALAM PEMECAHAN
MASALAH
53
SIKLUS PEMECAHAN
MASALAH
Identifikasi
Masalah
Implementasi Pembangkitan
Solusi Terbaik Alternatif Solusi
Evaluasi
Alternatif Solusi
54
SIKLUS PEMECAHAN
MASALAH DENGAN
MODEL OPTIMISASI
Identifikasi
Masalah
Implementasi
Pemodelan
Solusi Terbaik
55
LANGKAH
PENGEMBANGAN
MODEL OPTIMISASI
Pendefinisian Penetapan Asumsi
Perumusan Model Verifikasi Model
Masalah Model
Penentuan
dan/atau
Penentuan Nilai
Pemecahan Model Pengembangan Analisis Model
Parameter Model
Metode
Pemecahan
Analisis
Analisis
Validasi Model Interpretasi Solusi Perbandingan
Sensitivitas
Solusi
56
PENDEFINISIAN
MASALAH OPTIMISASI
● Pendefinisian masalah optimisasi merupakan konseptualisasi dari
masalah yang dipecahkan.
● Pendefinisian masalah optimisasi dapat dinyatakan dengan
o Model Verbal
Pendefinisian masalah mencakup pendefinisian tentang
keputusan-keputusan, ukuran-ukuran kinerja yang dioptimisasi
dan himpunan pembatas yang ada yang dilengkapi dengan
besaran.
o Model Diagramatik
Salah satu model ini adalah diagram pengaruh (influence
diagram).
57
PENDEFINISIAN
MASALAH OPTIMISASI
● Simbol dari diagram pengaruh (influence diagram):
58
PENETAPAN
ASUMSI-ASUMSI
● Asumsi merupakan suatu pernyataan yang menunjukkan karakteristik
dari model.
● Asumsi harus memenuhi beberapa asas, yaitu
o Konsistensi
Suatu asumsi dikatakan konsisten jika tidak ada pernyataan asumsi
yang bertentangan dengan pernyataan asumsi yang lain.
o Independensi
Suatu asumsi dikatakan saling independen jika tidak ada pernyataan
yang merupakan bagian dari penyataan asumsi yang lain.
o Relevansi
Suatu asumsi dikatakan memenuhi asas relevansi jika semua
asumsi terkait dengan sistem (masalah) yang dimodelkan.
59
PERUMUSAN
MODEL
● Langkah perumusan model pada dasarnya merupakan langkah
pembentukan model operasional.
● Perumusan model optimisasi mencakup:
o Pendefinisian variabel-variabel keputusan
o Perumusan fungsi-fungsi tujuan yang dioptimisasi
(dimaksimumkan atau diminimumkan)
o Perumusan himpunan pembatas yang berisi satu atau lebih
persamaan atau pertidaksamaan pembatas.
60
VERIFIKASI
MODEL
● Verifikasi model merupakan proses untuk menentukan apakah model
(dalam hal ini setiap fungsi) sudah dirumuskan dengan benar.
● Pemeriksaan konsistensi dimensi atau satuan dari persamaan atau
pertidaksamaan merupakan salah satu cara melakukan verifikasi
model sebelum pemecahan model.
● Kesalahan-kesalahan yang ada ketika model dipecahkan menggunakan
piranti lunak dapat mencakup:
o Kesalahan tulisan (syntax error),
o Kesalahan run-time (run-time error)
o Kesalahan logika (logic error).
61
ANALISIS MODEL
● Analisis model (model analysis) atau disebut juga analisis matematik
(mathematical analysis) merupakan proses untuk menentukan sifat
dari model keseluruhan.
● Sifat-sifat dari model biasanya dinyatakan dalam suatu teorema
(theorem) atau proposisi (proposition).
● Teorema atau proposisi merupakan pernyataan matematik yang
memerlukan pembuktian kebenarannya.
● Dalam analisis model terdapat juga lema (lemma) dan akibat
(corrolary).
● Lema merupakan pernyataan matematik yang digunakan sebagai batu
loncatan untuk pembuktian suatu teorema atau proposisi.
● Akibat merupakan pernyataan matematik yang merupakan
konsekuensi atas adanya teorema atau proposisi.
62
PENENTUAN DAN/ATAU
PENGEMBANGAN
METODE PEMECAHAN
● Penentuan dan pengembangan metode optimisasi pada umumnya
tergantung dari sifat dari model yang diperoleh dari hasil analisis.
● Sebagai contoh, jika model optimisasi merupakan model linier, maka
metode simpleks dapat dipilih sebagai metode pemecahan
● Jika masalah atau model optimisasi merupakan masalah optimisasi
kombinatorial yang sulit (hard combinatorial optimization problem), maka
metode heuristik dapat dipertimbangkan sebagai metode pemecahan,
khususnya jika ukuran masalah sangat besar.
● Penggunaan metode optimal untuk pemecahan masalah optimisasi
kombinatorial yang sulit memerlukan waktu komputasi yang sangat lama
karena waktu komputasinya meningkat secara eksponensial terhadap
ukuran masalah.
63
PENENTUAN NILAI
PARAMETER MODEL
● Proses penentuan nilai dari parameter disebut dengan parameterisasi
model (model parameterization).
● Penentuan nilai dari tiap parameter memerlukan proses pengumpulan
dan analisis data.
● Teknik-teknik statistik dapat digunakan untuk menentukan nilai dari
parameter.
● Untuk model-model optimisasi yang probabilistik, teknik-teknik statistik
berperan dalam menaksir dan melakukan pengujian hipotesis terhadap
parameter dan bentuk dari distribusi probabilitas yang digunakan.
64
PEMECAHAN
MODEL
● Pemecahan model merupakan langkah untuk menentukan solusi model
berdasarkan metode pemecahan (metode optimisasi) yang telah
ditentukan atau dikembangkan.
● Pemecahan model dengan menggunakan suatu metode optimisasi
adakalanya memerlukan penetapan beberapa parameter metode yang
digunakan.
● Hal ini terutama untuk metode-metode optimisasi yang bersifat algoritmik.
● Sebagai contoh, jika metode optimisasi yang digunakan metode genetic
algorithm, parameter-parameter metode mencakup antara lain: jumlah
generasi maksimum, ukuran populasi, tingkat crossover, tingkat mutasi,
dan lain-lain.
65
VALIDASI
MODEL
● Validasi model merupakan proses untuk menentukan apakah perilaku
dari model sesuai dengan perilaku dari sistem yang sebenarnya.
● Banyak pendekatan yang dapat digunakan dalam validasi model, baik
pendekatan yang bersifat kualitatitif maupun kuantitatif.
● Pendekatan validasi muka (face validation) merupakan salah satu
prosedur validasi kualitatif yang meminta pendapat dari para pakar
atau pihak yang terkait dengan masalah yang dipecahkan untuk menilai
apakah perilaku model sesuai dengan perilaku sistem aktualnya.
● Pendekatan validasi secara kuantitatif dilakukan dengan
membandingkan keluaran dari sistem aktual dengan hasil dari model.
66
INTERPRETASI
SOLUSI
● Pemecahan model optimisasi menghasilkan solusi yang bernilai
numerik.
● Solusi ini perlu diinterpretasikan untuk merepresentasikan solusi dari
masalah optimisasi yang dipecahkan.
● Hal ini penting terutama untuk solusi bagi masalah-masalah optimisasi
yang keputusannya secara alami tidak bernilai numerik.
67
ANALISIS
PERBANDINGAN
SOLUSI
68
ANALISIS
SENSITIVITAS
● Solusi yang dihasilkan dengan memecahkan model optimisasi
didasarkan atas nilai dari tiap parameter yang tetap.
● Adakalanya suatu analisis terhadap perubahan nilai dari beberapa
parameter terhadap solusi optimal perlu dilakukan.
● Analisis terhadap perubahan nilai-nilai dari parameter disebut dengan
analisis sensitivitas (sensitivity analysis).
● Dalam konteks pemodelan optimisasi, analisis sensitivitas terkait
dengan analisis perubahan nilai-nilai dari parameter model terhadap
solusi optimal.
69
ANALISIS
PERBANDINGAN
SOLUSI
70
CONTOH Definisi Masalah
PENGEMBANGAN
MODEL OPTIMISASI
71
CONTOH Definisi Masalah
PENGEMBANGAN
MODEL OPTIMISASI
72
CONTOH Definisi Masalah
PENGEMBANGAN
MODEL OPTIMISASI
Jumlah
Jumlah pemesanan per siklus
pemesanan per
siklus
Biaya total
per siklus
Total biaya
74
CONTOH Penetapan Asumsi Model
PENGEMBANGAN
MODEL OPTIMISASI
75
CONTOH Penetapan Asumsi Model
PENGEMBANGAN
MODEL OPTIMISASI Kapasitas gudang
Total
biaya per
siklus
Total biaya
76
CONTOH Perumusan Model
PENGEMBANGAN
MODEL OPTIMISASI Kapasitas
Gudang
K
Jumlah
● Berdasarkan
Persediaan
Q
yang dipesan 𝑄 0 Q
d
2Q
d
Waktu
dengan jumlah
persediaan barang.
Jumlah
Persediaan
Kapasitas Gudang K
Q
Ukuran
Pemesanan
Kuantitas yang dipesan 𝑄
lebih besar daripada
0 Q 2Q Waktu
kapasitas gudang 𝐾
d d
Panjang Siklus
Pemesanan
77
CONTOH Perumusan Model
PENGEMBANGAN
MODEL OPTIMISASI
• Variabel keputusan adalah jumlah yang dipesan yang dinotasikan
dengan 𝑸
• Fungsi tujuan yang diminimumkan adalah total biaya per hari.
o Total biaya per hari merupakan total biaya per siklus dikalikan
dengan frekuensi pemesanan per hari.
o Misal 𝑠 menyatakan biaya pesan dan 𝑝 adalah harga beli per
satuan, biaya pesan per siklus adalah:
𝐵𝑆𝑃 = 𝑠 + 𝑝𝑄
78
CONTOH Perumusan Model
PENGEMBANGAN
MODEL OPTIMISASI
𝑄Τ2 𝑄2
𝐵𝑆𝑆 = ℎ =ℎ
𝑄Τ𝑑 2𝑑
79
CONTOH Perumusan Model
PENGEMBANGAN
MODEL OPTIMISASI
● Total biaya per siklus dinyatakan dengan:
𝑄2
𝐵𝑇𝑆 = 𝐵𝑃𝑆 + 𝐵𝑆𝑆 = 𝑠 + 𝑝𝑄 + ℎ
2𝑑
𝑄2
𝐵𝑇𝑆 𝑠 + 𝑝𝑄 + ℎ 2𝑑 𝑠 𝑄
𝐵𝑇 = = = + 𝑝𝑑 + ℎ
𝑄Τ𝑑 𝑄 Τ𝑑 𝑄 2
80
CONTOH Perumusan Model
PENGEMBANGAN
MODEL OPTIMISASI
● Kuantitas yang dipesan tidak boleh melebihi kapasitas gudang.
● Misal 𝐾 adalah kapasitas gudang.
● Pembatas ini dirumuskan dengan:
𝑄≤𝐾
𝑄>0
81
CONTOH Perumusan Model
PENGEMBANGAN
MODEL OPTIMISASI
● Rumusan lengkap dari model optimisasi adalah
Meminimumkan
𝑑 𝑄
𝐵𝑇 = 𝑠 + 𝑝𝑑 + ℎ
𝑄 2
dengan pembatas-pembatas:
𝑄≤𝐾
𝑄>0
82
CONTOH Verifikasi Model
PENGEMBANGAN
MODEL OPTIMISASI
● Verifikasi model di sini dilakukan dengan memeriksa konsistensi
dimensi dari persamaan total biaya.
● Rumusan total biaya adalah:
𝑑 𝑄
𝐵𝑇 = 𝑠 + 𝑝𝑑 + ℎ
𝑄 2
● Proposisi 2:
Himpunan pembatas merupakan himpunan konveks.
● Bukti:
Misal himpunan pembatas dinyatakan dengan 𝑆 = 𝑄: 0 < 𝑄 ≤ 𝐾 .
Karena himpunan 𝑆 merupakan garis kontinyu pada 0 < 𝑄 ≤ 𝐾, maka himpunan 𝑆
merupakan himpunan konveks.
● Akibat:
Karena fungsi 𝐵𝑇 adalah fungsi konveks dan himpunan 𝑆 himpunan konveks, maka
solusi optimal 𝑄 adalah solusi optimal global.
85
CONTOH PENGEMBANGAN Penentuan Metode Pemecahan
MODEL OPTIMISASI
𝑑 𝑑 ℎ
𝐵𝑇 = −𝑠 2 + = 0
𝑑𝑄 𝑄 2
2𝑑𝑠
𝑄=
ℎ
86
CONTOH PENGEMBANGAN Penentuan Metode Pemecahan
MODEL OPTIMISASI
• Langkah 1:
Tentukan 𝑄 dengan menggunakan rumusan:
2𝑑𝑠
𝑄=
ℎ
• Langkah 2:
Jika 𝑄 ≤ 𝐾, tetapkan 𝑄 ∗ = 𝑄. Sebaliknya, tetapkan 𝑄 ∗ = 𝐾. Berhenti.
87
CONTOH PENGEMBANGAN Penentuan Nilai Parameter Model
MODEL OPTIMISASI
88
CONTOH PENGEMBANGAN Pemecahan Model
MODEL OPTIMISASI
• Langkah 1:
Ukuran pemesanan adalah:
2 200.000 40
𝑄= = 400 satuan
100
• Langkah 2:
Karena 𝑄 ≥ 200, maka 𝑄 = 200 satuan
90
CONTOH PENGEMBANGAN Interpretasi Model
MODEL OPTIMISASI
● Kuantitas barang yang dipesan dari pemasok untuk tiap sekali pesan adalah
200 satuan dengan total biaya yang timbul adalah Rp. 850.000 per hari.
● Waktu antar pemesanan 𝑄Τ𝑑 = 200/40 = 5 hari.
91
CONTOH PENGEMBANGAN Analisis Perbandingan Solusi
MODEL OPTIMISASI
92
CONTOH PENGEMBANGAN Analisis Sensitivitas
MODEL OPTIMISASI
93
CONTOH PENGEMBANGAN Analisis Sensitivitas
MODEL OPTIMISASI
Solusi dan total biaya yang terkait untuk tiap kapasitas gudang:
Kapasitas Kuantitas
Total biaya 𝐵𝑇
gudang 𝐾 pemesanan 𝑄
200 200 850.000
300 300 836.667
400 400 830.000
500 400 830.000
600 400 830.000
94
Selesai