1.

Untuk menyelesaikan masalah persediaan dengan model EOQ, kita perlu

mengetahui beberapa data, yaitu:

Rata-rata penjualan per bulan = 1.000 unit

Permintaan per tahun = 12 x rata-rata penjualan per bulan = 12 x 1.000 = 12.000

unit

Kebijakan pemesanan = 2.000 unit

Waktu tunggu (lead time) = 6 hari

Biaya setiap kali pemesanan (S) = Rp. 600.000

Biaya penyimpanan per unit per tahun (H) = Rp. 10.000

Berikut adalah rumus untuk menghitung beberapa variabel yang diperlukan:

Economic Order Quantity (EOQ) EOQ = √[(2DS)/H] D = permintaan per tahun S =

biaya setiap kali pemesanan H = biaya penyimpanan per unit per tahun

Mengganti nilai yang diketahui ke dalam rumus EOQ: EOQ = √[(2 x 12.000 x
600.000)/10.000] = √(1.44 x 10^9) = 37.947 unit

Jadi, EOQ adalah 37.947 unit.

Total Biaya Tahunan Minimum (TIC) TIC = √[(2DSH)/C] C = harga per unit

Mengganti nilai yang diketahui ke dalam rumus TIC: TIC = √[(2 x 12.000 x 600.000 x
10.000)/37.947] = Rp. 5.172.165.242

Jadi, Total Biaya Tahunan Minimum adalah Rp. 5.172.165.242.

Total Biaya Pemesanan Tahunan (TOC) TOC = (D/EOQ) x S

Mengganti nilai yang diketahui ke dalam rumus TOC: TOC = (12.000/37.947) x

600.000 = Rp. 190.702.286

Jadi, Total Biaya Pemesanan Tahunan adalah Rp. 190.702.286.

Total Biaya Simpanan Tahunan (TCC) TCC = (EOQ/2) x H x C

Mengganti nilai yang diketahui ke dalam rumus TCC: TCC = (37.947/2) x 10.000 x C
= (18.973.5) x 10.000 x C
Karena tidak diketahui harga per unit (C), maka TCC tidak dapat dihitung.

Frekuensi Pemesanan Optimum/Tahun (F*) F* = D/EOQ

Mengganti nilai yang diketahui ke dalam rumus F*: F* = 12.000/37.947 = 0.316

Jadi, frekuensi pemesanan optimum/tahun adalah sekitar 0.316 kali.

Jarak Siklus Optimum (T*) T* = 1/F*

Mengganti nilai yang diketahui ke dalam rumus T*: T* = 1/0.316 = 3.165 bulan

Jadi, jarak siklus optimum adalah sekitar 3.165 bulan.

2.

Untuk memilih alternatif investasi yang paling menguntungkan, kita perlu menghitung
nilai harapan (expected value) dari masing-masing alternatif. Nilai harapan dapat
dihitung dengan cara mengalikan masing-masing keuntungan dengan probabilitas
terjadinya situasi pasar tersebut, dan menjumlahkan hasilnya.

Berikut adalah tabel perhitungan nilai harapan untuk masing-masing alternatif

investasi:

Lesu 0,15 (0,45 x 45.000) = 6.750 (0,25 x 25.000) = 6.250 (0,35 x 35.000) = 12.250

Normal 0,30 (0,15 x 15.000) = 2.250 (0,20 x 20.000) = 4.000 (0,60 x 60.000) =
36.000

Cerah 0,55 (0,20 x 20.000) = 11.000 (0,10 x -10.000) = -1.000 (0,50 x 50.000) =
25.000 Nilai Harapan 19.000 9.250 73.250

Berdasarkan perhitungan di atas, alternatif investasi terbaik adalah C, dengan nilai

harapan sebesar 73.250. Oleh karena itu, perusahaan sebaiknya memilih untuk
berinvestasi pada alternatif C.
3. Sensitivitas pada model pemrograman linear mengacu pada seberapa besar
perubahan dalam parameter model (koefisien variabel keputusan, batas-batas
kendala, atau biaya variabel tambahan) akan memengaruhi solusi optimal model.

Secara lebih spesifik, sensitivitas dapat merujuk pada dua jenis perubahan
parameter model yang berbeda:

Sensitivitas terhadap perubahan parameter kendala: Ketika suatu kendala dalam

model pemrograman linear diubah, sensitivitas mengacu pada seberapa besar
perubahan dalam nilai kendala yang dapat diterima sebelum solusi optimal berubah.
Hal ini dinyatakan dalam nilai shadow price atau harga bayangan, yaitu seberapa
besar kenaikan dalam nilai fungsi objektif yang dihasilkan oleh setiap penambahan
unit kendala. Harga bayangan ini memberikan informasi mengenai berapa biaya
tambahan yang harus dikeluarkan untuk menambah jumlah sumber daya yang
tersedia atau mengurangi kebutuhan produksi.

Sensitivitas terhadap perubahan parameter koefisien: Ketika koefisien variabel

keputusan diubah, sensitivitas mengacu pada seberapa besar perubahan dalam nilai
koefisien yang dapat diterima sebelum solusi optimal berubah. Hal ini dinyatakan
dalam nilai rentang toleransi atau nilai batas, yaitu seberapa besar perubahan dalam
nilai koefisien yang masih mempertahankan solusi optimal. Rentang toleransi ini
memberikan informasi mengenai seberapa sensitif solusi optimal terhadap
perubahan dalam parameter koefisien.

Dalam kedua kasus ini, sensitivitas dapat membantu pengambil keputusan dalam
memahami bagaimana perubahan dalam parameter model akan memengaruhi
solusi optimal, dan dapat membantu dalam perencanaan dan pengambilan
keputusan yang lebih efektif. - Hillier, F. S., & Lieberman, G. J. (2010). Introduction
to operations research. McGraw-Hill Education