Modul 7-8 Proyek Bisnis Nasional Dan International BEP
Modul 7-8 Proyek Bisnis Nasional Dan International BEP
VARIABEL KEPUTUSAN
Adalah variabel yang diidentifikasi termasuk ke da-
lam sistem dan dalam kendali pembuat keputusan.
Kesulitan bisa terjadi antara lain pada kemungkinan
terjadinya bias karena tim pemecahan permasalahan
yang interdisiplin, sehingga ada variabel yang
”uncontrollable” untuk diidentifikasi.
Asumsi (ideal)
Model
Sistem Dunia Nyata
project
project
Ct2 Pi : indifferent
500
Ct2 point
200
x : production quantity
x < 150 xi = 150 x > 150
BREAK-EVEN CHART
CONTOH (2)
Sebuah pabrik cat milik PTRM mempunyai satu pabrik kecil yang memproduksi cat
rumah interior (i) dan exterior (e) untuk perdagangan borongan, dengan ba-han baku
utama a dan b.
Hasil survey pasar, permintaan cat interior tidak lebih besar 1 ton di atas per-mintaan
cat exterior; permintaan maksimum cat interior = 2 ton.
Laba kotor per ton grosiran cat exterior, Pe = $3000 dan cat interior, Pi = $2000.
Persediaan maksimum bahan baku per hari, a = 6 ton dan b = 8 ton. Tiap ton produk
cat membutuhkan bahan baku seperti ditunjukkan pada tabel di bawah.
Bagaimana manajemen PTRM mengatur produksi harian cat exterior dan cat interior
untuk dapat memperoleh keuntungan kotor maximum?.
xi
O(0,0) xe
S R
Q(3⅓,1⅓)
Titik Sudut Q
T adalah solusi
OPTIMUM
O(0,0) P xe
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
FUNGSI OBJECTIVE:
z = 3xe + 2xi
xi
S R
2
Q
1 T
P
O(0,0) 1 2 3 4 xe
CONTOH SOAL-3
(1) Sebuah perusahaan meubel memproduksi setiap lusin meja yang
memerlukan waktu perakitan 2½ jam, pemolesan 3 jam dan penge-pakan 1
jam. Perakitan setiap lusin kursi memerlukan waktu perakitan 1 jam,
pemolesan 3 jam dan pengepakan 2 jam. Waktu peralatan diba-tasi tidak
melebihi: perakitan ≤ 20 jam, pemolesan ≤ 30 jam dan pe-ngepakan ≤ 16
jam. Marjin laba: Rp 3,000,000.- per lusinmeja dan Rp 4,000,000.- per lusin
kursi. Berapa lusin meja dan kursi harus dipro-duksi agar mencapai laba
maksimum?
(2) Dari soal-1 produksi ditambah dengan BANGKU yang setiap lusin-nya
memerlukan waktu perakitan 3 jam, pemolesan 2 jam dan penge-pakan 2
jam, dan menambah margin laba sebesar Rp 3,500,000.- Berapa lusin meja,
bangku dan kursi harus diproduksi agar mencapai laba maksimum?
TEORI DUALITAS
GAGASAN DASAR:
Setiap permasalahan PL mempunyai satu PL lain yang
saling berkaitan (corresponding), yaitu: “DUAL”, se-
hingga solusi pada permasalahan awal (“PRIMAL”)
juga memberikan solusi pada dualnya.
GW-1 1,500
1,000 GP-1
GW-2 750
2,000 GP-2
GW-3 750
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
POHON KEPUTUSAN
DETERMINISTIK STOKASTIK
Permintaan rendah
£(A, d2)
p(d2)= 25%
SIMPUL KE-
PUTUSAN Permintaan tinggi
£(B, d1)
p(d1)= 75%
Tahun-1,
Tidak Ganti Mesin 750JT
OPSI-3 Tahun-2,
Tidak Ganti Mesin 350JT
DEFINISI
Variabel Acak adalah suatu fungsi yang nilainya berupa bilangan
nyata yang ditentukan oleh setiap unsur xi dalam ruang contoh S.
Variabel Acak Diskrit adalah variabel dengan banyaknya nilai yang
mungkin terhingga atau tak-terhingga, tetapi masih dapat dihitung.
S
X X(s)
DEFINISI
Variabel Acak Kontinu adalah variabel dengan banyaknya nilai
yang mungkin merupakan sebuah interval pada garis bilangan real.
Contoh pengukuran berat 28000 mahasiswa suatu universitas dengan
NIM dari 00001 sampai dengan 28000. Seorang mahasiswa dipilih se-
cara acak dan diukur berat badannya, maka diperoleh ruang sampel:
S = {s:s = 00001, 00002, 00003,….., 28000}.
X, berat badan mahasiswa yang terpilih, ditulis sebagai:
X(s), dengan sS.
Bila tidak ada berat badan mahasiswa kurang daripada 40 kg atau lebih
daripada 95 kg,maka ruang hasil X, atau nilai X yang mungkin:
→ Rx = {x: 40 ≤ x ≤ 95}.
Rx merupakan sebuah interval → X adalah variabel kontinu.
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
DISTRIBUSI PROBABILITAS
VARIABEL DISKRIT & KONTINU
• Variabel acak yang tidak diskrit disebut VARIABEL
ACAK KONTINU, yang berlaku untuk setiap nilai x
dalam batas: a1 < X < a2 atau -∞ < X < ∞.
FUNGSI PELUANG:
• Variabel Acak Diskrit: p(x) = P(X = x)
p(x) = 1
• Variabel Acak Kontinu: f(x)
4 4
7
10
8 2 9
8
6
1 5 3 8 8 10
5 9
5 3
9
6
4 6
5 9
P=0.084 PSSP
P=0.3
SS PSS
S=0.196 PSSS
SP
LINEAR PROGRAMMING
- Grafik/Simplex;
Model project project
- Dualitas/ Sensitivitas;
- Transportasi/Penugasan;
JARINGAN: PERT &
- Program Integer. CPM.
MULAI
OUTLINE MATERI AJAR
PENELITIAN OPERASIONAL (RSO)
RSO-1: RSO-2:
Model project project Model project project
DETERMINISTIK PROBABILISTIK
• Teori Pengambilan
Keputusan • Teori Probabilitas/
• Linear Programming Stokastik
- Grafik; • Program Dinamis
- Simplex; - Sensitivitas; • Model project project
- Dualitas: - Transportasi; Persediaan
- Penugasan; • Analisis Rantai Markov
• Model project- project
Program Integer. • Teori Antrian
Jaringan • Teori Permainan
DEFINISI
• Probabilitas Subjektif berhubungan dengan kepercayaan, peng-
alaman dan pengetahuan pribadi atas situasi yang menghasilkan
estimasi probabilitas dan tidak dilandasi bukti masa lalu.
AXIOMA PROBABILITAS
BILA: MAKA:
• S = ruang sampel experimen;
• p(A) ≥ 0 untuk AA,
• A = kumpulan semua peristi- (dibaca peluang
wa yang dibentuk dari S; peristiwa A, atau pelu-
• p(.) = fungsi peluang dengan ang terjadinya peris-
domain A dan dengan tiwa A);
range [0, 1]. • P(S) = 1.
KARAKTERISTIK DASAR
PROBABILITAS
• K = peristiwa/kejadian → 0 ≤ K ≤ 1;
• p = probabilitas → Sipi = 1;
• Bila hubungan (antar/dalam) kumpulan
kejadian bersifat mutually exclusive, maka
jumlah probabilitas kejadian :
Sifi = 1.
PROBABILITAS (7)
KEJADIAN ”TIDAK MUTUALLY EXCLUSIVE” .
DEFINISI
Variabel Acak adalah suatu fungsi yang nilainya berupa bilangan
nyata yang ditentukan oleh setiap unsur dalam ruang contoh.
Variabel Acak Diskrit adalah variabel dengan banyaknya nilai yang
mungkin terhingga atau tak-terhingga, tetapi masih dapat dihitung.
S
X X(s)
DEFINISI
Variabel Acak Kontinu adalah variabel dengan banyaknya nilai
yang mungkin merupakan sebuah interval pada garis bilangan real.
Contoh pengukuran berat 28000 mahasiswa suatu universitas dengan
NIM dari 00001 sampai dengan 28000. Seorang mahasiswa dipilih se-
cara acak dan diukur berat badannya, maka diperoleh ruang sampel:
S = {s:s = 00001, 00002, 00003,….., 28000}.
X, berat badan mahasiswa yang terpilih, ditulis sebagai:
X(s), dengan sS.
Bila tidak ada berat badan mahasiswa kurang daripada 35 kg atau lebih
daripada 125 kg,maka ruang hasil X, atau nilai X yang mungkin:
→ Rx = {x: 35 ≤ x ≤ 125}.
Rx merupakan sebuah interval → X adalah variabel kontinu.
DISTRIBUSI PROBABILITAS
VARIABEL DISKRIT & KONTINU
• Variabel acak yang tidak diskrit disebut VARIABEL
ACAK KONTINU, yang berlaku untuk setiap nilai x
dalam batas: a1 < X < a2 atau -∞ < X < ∞.
FUNGSI PELUANG:
• Variabel Acak Diskrit: p(x) = P(X = x)
p(x) = 1
• Variabel Acak Kontinu: f(x)
DEFINISI
FUNGSI PELUANG:
• Dalil BINOMIAL: (x + a)n = xn-kak.
• Distribusi BERNOULLI: Bila suatu eksperimen meng-
hasilkan 2 peristiwa, misalnya “sukses” dan “gagal” de-
ngan peluang masing-masing p dan (1 – p), maka kedua
peristiwa yang diamati akan berdistribusi Bernoulli de-
ngan formula:
x 1–x
p(x) = p (1 – p) ; x = 0, 1
• Parameter
m = l;
Distribusi
s = l.
2
POISSON:By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
DISTRIBUSI PROBABILITAS
VARIABEL DISKRIT (3)
Xi = 0, 1, 2, 3, ….; Xk = 0, 1, 2, 3, ….;
MAKA: kSi=1xi = n.
DISTRIBUSI PROBABILITAS
VARIABEL DISKRIT (5)
• Parameter m = ;
Distribusi
s =
2
GEOMETRIK : .
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
DISTRIBUSI PROBABILITAS
VARIABEL DISKRIT (6)
KETERANGAN:
N : ukuran populasi termasuk r & N – r ;
r : “sukses” → (N – r): “gagal”;
n : total ukuran sampel (contoh);
x : ukuran sampel (contoh) yang “gagal”.
• Parameter m = ;
Distribusi
s =
2
GEOMETRIK : .
DISTRIBUSI (KURVA) NORMAL
• Distribusi Normal, (Distribusi Gauss) merupakan distribusi pro-
babilitas variabel acak kontinu (Distribusi Densitas ) yang paling
penting dan paling banyak dipergunakan dalam statistika, atau
gugusan data yang terjadi dalam bidang apa-pun. Grafiknya
disebut kurva normal, berbentuk genta simetris terhadap x = m.
• Persamaan matematik distribusi normal variabel acak X kontinu
bergantung kepada 2 (dua) parameter, yaitu arithmetic mean (m,
nilai tengah) dan standard deviation (s simpangan baku & s2
varians), sehingga fungsi densitas X dapat ditulis n(x; m, s).
• FORMULA K-NORMAL:
n(x; m, s) = ƒ(x) =
p = 3.14159265358979 & e = 2.71828182845905
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
NILAI STATISTIKA 100 MAHASISWA
NILAI STATISTIKA 100 MAHASISWA
DISTRIBUSI FREKUENSI
16%
14%
12%
10%
8%
6%
4%
2%
0%
28 33 38 43 48 53 58 63 68 73 78 83 88 93 98
2% 14%
0% 12%
28 33 38 43 48 53 58 63 68 73 78 83 88 93 9810%
8%
m = 63.10
6%
4%
s= 13.96 2%
0%
28 33 38 43 48 53 58 63 68 73 78 83 88 93 98
KURVA-KURVA NORMAL:
f(x) = n(x; m, s)
f(x) = n(x; 39, 10) f(x) = n(x; 61, 10)
4.5%
4.0%
3.5%
3.0%
f(x) = n(x; 39, 20) f(x) = n(x; 61, 20)
2.5%
2.0%
1.5%
1.0%
0.5%
0.0%
1 9 17 25 33 41 49 57
By
65 73 81 89 97
Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
KURVA NORMAL BAKU (STANDAR)
z= =x
14%
12%
10%
8%
6%
4%
2%
0%
28 33 38 43 48 53 58 63 68 73 78 83 88 93 98
x1 = 56 x2 = 80
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
POHON RANTAI MARKOV
T: 0.6
T: TTTT = 0.216
TTT = 0.36
T: TT 0.6 S: 0.4
TTTS = 0.144 T S
= 0.6 S: 0.7 0.216 0.144
0.6 S: TTS = 0.24 TTSS = 0.168
S: PSSSP = 0.0588
PSS = 0.28 P: 0.6
0.7 P: 0.3 PSSPP = 0.0504
PSSP = 0.084 S: 0.4
PSSPS = 0.0336
S: PS = P: 0.6
PSPPP = 0.0432
0.4 0.4 P: 0.6
PSPP = 0.072 S: 0.4
P: PSP = 0.12 PSPPS = 0.0288
S: 0.7
0.3 S: 0.4 PSPSS = 0.0336
PSPS = 0.048 P: 0.3
PSPSP = 0.0144
POHON RANTAI MARKOV
S: 0.7
S: 0.7 SSSS = 0.343 SSSSS = 0.2401
P: 0.3
S: SSSSP = 0.1029
SSS = 0.49 P: 0.6
0.7 P: 0.3 SSSPP = 0.0882
SSSP = 0.147 S: 0.4
S: SS = S: 0.4
SSSPS = 0.0588
P: SSPPP = 0.0756
SSP = 0.21 P: 0.3
0.3 S: 0.4 SSPS = 0.084 SSPSP = 0.0252
S: 0.7
1S
SSPSS = 0.0588
S: 0.7
S: 0.4 SPPSS = 0.0504
SPPS = 0.072 P: 0.3
P: SPPSP = 0.0216
SPP = 0.18 P: 0.6
0.6 SPPPP = 0.0648
P: 0.6
SPPP = 0.108 S: 0.4
SPPPS = 0.0432
P: SP = S: 0.4
SPSPS = 0.0144
0.3 0.3 P: 0.3
SPSP = 0.036 P: 0.6
SPSPP = 0.0216
S:
SPS = 0.12 P: 0.3
0.4 S: 0.7 SPSSP = 0.0252
SPSS = 0.084 S: 0.7
SPSSS = 0.0588
By Dr. H. Sugiyanto,SE,MM, CMA. CT. CHt 2019
SINGLE Q-PHASE, Single & Dual - Channel
Populasi Antrian FCFS Pelayanan
panjang antrian, tak terbatas
tingkat
pelayanan
exponensial
sumber, tak tingkat ke-
terbatas datangan keluar
Poisson tingkat
pelayanan
exponensial
PROGRAM DINAMIS
4 4
7
10
8 2 9
8
6
1 5 3 8 8 10
5 9
5 3
9
6
4 6
5 9
6 4
7
12
9 2 11
8
8
1 5 3 8 10 10
7 9
7 3
11
6
6 6
5 9