SI-4101 Sistem Rekayasa

Knowledge = 20 %
Percentage
Skill = 40 %
Attitude = 40 %

Course = 3
Tutorial = 3
Activity (hour/week)
Mandiri = 3

UTS = 30 %
Assessment/Penilaian UAS = 40 %
Tugas = 30 %

1. Taha, H.A,”Operations Research, an

introduction”, Prentice-Hall Int, Inc
References/Bibliography
2. Ossenbruggen,P.J,”System Analysis
for Civil Engineers”’ John Wiley
3. Templeman, A.B.,”Civil Engineering
Systems”, The Macmillan Press Ltd.
4. Wilkes, F.W.,”Elements of
Operational Research”, McGraw-Hill
5. Markland, R.E.,”Topics in
Management Science”, John Wiley.
 Rincian Kuliah
Variabel, objektif, kendala, dan
Mg 1 Pengantar optimasi
solusi dlm masalah pengambilan
keputusan, pemodelan, model
matematik

Solusi grafis
Metode simplex
Mg 2-7 Linear programming Metode simplex dua fase
Hubungan dual-primal
Transportation model
Assignment model

Mg 8 UTS
 - Inventory model secara umum
Mg 9-11 Pengantar inventory
- Model dengan pola permintaan yang
model deterministik

Mg12-13 Pengantar sistem - Guna sistem antrian

- Elemen-elemen model antrian
antrian

Mg14-15 Analisis Keputusan - Kepastian

- Ketidakpastian
- Resiko

Mg16 UAS
 Pengertian Analisis Sistem
Sistem dapat didefiniskan sebagai gabungan berbagai
komponen struktural dan non-struktural yang saling
terkait yang diorganisasikan untuk mencapai sejumlah
output (tujuan) tertentu dengan cara mengatur input dari
sistem (berupa sumber daya materi, energi dan informasi
dll).

Analisis sistem merupakan suatu pendekatan yang

menempatkan sumber daya yang ada dengan cara yang
efisien. Sumber daya dimaksud bisa berupa tenaga buruh,
uang, dan material. Ini berguna untuk proyek skala besar
 Contoh Analisis Sistem [1]
Sistem Struktural:
material, topologi (bentuk), balok, kolom, plat, pondasi, komponen bangunan lain,
dll. (struktural), perilaku pembebanan, harga, batasan ruang dll (non struktural)

Input dari sistem: kondisi perletakan bangunan (tanah), kondisi pembebanan,

material bangunan.

Outputnya: dimensi struktur yang dapat menahan beban dengan baik (kuat dan
kaku)

Sistem Irigasi:
bendung, saluran pembawa, bangunan bagi, jaringan tersier dll (struktural),
peraturan mengenai pengambilan air, pola tanam dll. (non struktural)

Input dari sistem: air sungai

Outputnya: agar air dapat didistribusikan ke petakan sawah sesuai dgn kebutuhan.
 Contoh Analisis Sistem [2]
Sistem Transportasi:
dimensi ruas jalan, topologi (bentuk) jaringan, jenis dan geometrik simpang,
besaran-beseran pengaturan simpang, hambatan samping, pola perjalanan,
perilaku lalu lintas, dll (struktural), harga bahan bakar, penegakan aturan lalu
lintas, cuaca, dll (non struktural)

Input dari sistem: pola dan besaran perjalanan, dimensi ruas, simpang dan
pengaturannya, batasan ruang, batasan biaya, dll.

Outputnya: kinerja lalu lintas yang memenuhi tingkat pelayanan (level of

sevice) tertentu.
• Alat bantu bagi seorang system engineer adalah model matematik.
Model matematik ini yang digunakan untuk menentukan suatu solusi
yang optimum, sehingga dikenal juga dengan nama model optimasi.

• Optimisasi adalah suatu proses untuk mencari penyelesaian atau

perencanaan terbaik dari suatu persoalan (A process of finding the
"best" solution or design to a problem)

• Dengan demikian yang dimaksud optimasi adalah: Suatu proses untuk

mencari mencari penyelesaian atau perencanaan terbaik dari suatu
persoalan yang memiliki batasan-batasan tertentu (A process of finding
the "best" solution or design to a constrained problem)

• Tujuan analisa sistem adalah bagaimana mengatur input suatu sistem

(yang pada umumnya terbatas) sedemikian rupa hingga diperoleh
output yang “optimum” dan memenuhi batasan yang harus dipenuhi
sistem.
 Formulation
Objective Function
– Minimize or Maximize
– Cost function (to be minimized)
– Utility function (to be optimized)
– Containing optimizing variable

Constraint (Feasible Solution)

– Candidate solution
– Syntax: Subject to
 Example

min x  1 2
 arg min  x 2  1 max 2 x 2
x x   , 1 x

i m j n
min  cijXij
i 1 j 1

subject to
j n

X
j 1
ij  si (i  1,2,..., m)

i m

X
i 1
ij  dj ( j  1,2,..., n)

Xij  0(i  1,2,..., m; j  1,2,..., n)

 Issues
Optimizations not always have the solution
Global Optima >< Local Optima
Multiobjective Optimization
– More than one objective function
– Pareto Optimal (set of non-dominated solutions)
Multi-modal Optimization
– Possess multiple good solutions
– Obtaining all (or at least some of) the multiple solutions is the
goal of a multi-modal optimizer
 Metoda Penentuan Solusi
Mathematical Programming
Techniques

Stocastic Process Techniques

Statistical Methods

Heuristic Methods
Mathematical Programming Techniques
Calculus Method
Calculus of Variation
Linear Programming
Nonlinear Programming
Geometric Programming
Quadratic Programming
Dynamic Programming
Integer Programming
Stochastic Programming
Network Methods
Game Theory
 Stocastic Process Techniques
Markov Processes
Queueing Theory
Renewal Theory
Simulation Theory
Reliability Theory
Statistical Decision Theory
 Statistical Methods
Regression Analysis
Cluster Analysis
Design of Experiments
Factor Analysis
 Heuristic Methods
Simulated Annealing
Neural Network
Fuzzy Logic
Taboo Search
Genetic Algorithm
Ant Colony
• Secara umum terdapat dua jenis Model Matematik untuk mencari solusi
optimum, yang biasa digunakan dalam praktek.

1. Model Deterministik : Model Matematik

dimana persoalan atau sistem yang perilakunya tidak mengandung
unsur probabilitas atau ketidak pastian (uncertainty).

2. Model Stokastik : Model Matematik dimana persoalan

atau sistem yang perilakunya mengandung unsur probabilitas atau
ketidak pastian (uncertainty).

• Kuliah Sistem Rekayasa Sipil (SI-4252) sebagian besar akan membahas

Model Deterministik.
Model Matematik
• Dalam Analisis sistem, model matematik merupakan unsur yang
penting dalam proses membuat keputusan. Model matematik adalah
pernyataan yang eksak dan jelas dari suatu tujuan yang dicapai.
Sebagai tambahan model matematik terdiri dari satu set kondisi batas
finansial, fisik, dan institusi yang harus dipenuhi. Solusi untuk sebuah
masalah berupa solusi optimum, merupakan pernyataan bagaimana
sumber daya digunakan dengan cara efisien dan efektif.

• Pendekatan analisis sistem terdiri dari tahapan:

1. Tentukan tujuan/objektif, tetapkan ukuran efektifitas yang sesuai.
2. Tentukan batasan2 finansial, fisik, dan institusi, dan tetapkan
satu set persamaan2 pembatas.
3. Tentukan solusi optimum

• Tipikal model analisis sistem akan terdiri dari fungsi objektif tunggal
dan satu set persamaan pembatas. Fungsi objektif diasumsikan
sebagai fungsi satu set desain, keputusan, atau variabel kendali.
Fungsi objektif bisa dinyatakan sebagai hubungan matematik

z=f ( x1, x2, …, xn )

 dimana x1 , x2 , … , xn merupakan sejumlah n variabel kendali.
Mewakili persamaan jumlah pekerja, jumlah uang, dan volume
material, dimana semuanya nilai yang tidak negatif

• Variabel kendali dalam model matematik dinyatakan sebagai

x1 ≥ 0
x2 ≥ 0
.
.
xn ≥ 0
• Batasan finansial, fisik, dan institusi diwakili oleh satu set m persamaan
pembatas
g1(x1 , x2 , … , xn) {= , ≤ , ≥} b1
g2(x1 , x2 , … , xn) {= , ≤ , ≥} b2
.
.
gm(x1 , x2 , … , xn) {= , ≤ , ≥} bm

• Fungsi f(x) dan set fungsi yang diwakili g(x) bisa berupa linier dan
nonlinier
Solusi Grafis untuk Model Matematik Linier
• Konsep dasar untuk mendapatkan solusi optimum dapat diilustrasikan
dengan model dan pengertian grafis. Model grafis terbatas untuk dua
variabel kendali atau yang disebut model bivariate.

• Model Matematik linier bivariate dapat ditulis

z = c1x1 + c2x2
a11x1 + a12x2 { = , ≤ , ≥ } b1
a21x1 + a22x2 { = , ≤ , ≥ } b2
.
.
am1x1 + am2x2 { = , ≤ , ≥ } bm

• Prosedur grafis terdiri dari tahapan

1. Tentukan wilayah fisibel dari set persamaan2 pembatas.
2. Asumsikan solusi z0 dan tetapkan kemiringan garis c1x1 + c2x2 = z0
3. Tentukan solusi optimum z* dengan menetapkan garis yang paralel
terhadap z0 dan terletak pada batas wilayah fisibel
• Misal, dalam perencanaan pembangunan 2 ruangan seperti pada gambar ,
kontrak menyatakan bahwa total luas lantai dari bangunan harus luas
minimum dari 5000 ft2 dan masing-masing ruang bangunan harus
mempunyai luas spesifik maksimum dari 5000 ft2 dan 3000 ft2. Dengan
spesifikasi ini, dimungkinkan bahwa solusi optimum akan berupa ruang
tunggal dari 5000 ft2. Misal variable kendali x1 dan x2 mewakili luas lantai
ruang 1 dan 2. Asumsikan bahwa $50/ft2 dan $60/ft2 adalah unit
penerimaan rutin untuk ruang 1 dan 2. Maksimum total penerimaan, R,
adalah fungsi dari luas lantai x1 dan x2 yang dapat diwakili dengan fungsi
objektif dan set persamaan pembatas berikut

Maximize R = $50 x1 + $60 x2

x1 + x2 ≥ 5000 ( total luas lantai )

x1 ≤ 5000 ( ruang 1 )
Ruang 1
Ruang 2 x2 ≤ 3000 ( ruang 2 )
x1 ≥ 0
x2 ≥ 0
• Model matematik diatas terdiri dari fungsi objektif linier dan satu set
persamaan pembatas. Permasalahan dengan bentuk matematik ini disebut
model matematik linier.
• Tentukan wilayah fisibel dan tidak fisibel, serta solusi optimum
berdasarkan model matematik diatas !!

• Langkah pertama: tentukan wilayah fisibel

Misalkan kita tetapkan wilayah fisibel dengan memperhatikan masing2
pembatas secara terpisah, dan selanjutnya digabung untuk membangun
wilayah fisibel dari seluruh persamaan pembatas.
Pembatas x1 ≥ 0 dan x2 ≥ 0 membatasi wilayah fisibel pada semua titik
dalam kuadran positif atau kuadran I
x2 x2 x2

II I II I II I
x1
x1 x1

III IV
III IV III IV
• Pembatas x1 + x2 ≥ 5000 , x1 ≤ 5000 , dan x2 ≤ 3000 ditunjukkan pada
gambar dibawah
x2 x2

5000
5000
x1 + x2 ≥ 5000

x1 ≤ 5000

x1 x1
5000
5000
(b)
(a)
x2 x2

5000 5000
Batas / boundary

x2 ≤ 3000

Titik ekstrim

x1 x1
5000 5000
(c) (d)
• Perpotongan bidang pada Gambar (a), (b), dan (c) diatas menghasilkan
wilayah fisibel seperti ditunjukkan pada Gambar (d). Semua titik yang
terletak didalam atau pada batas wilayah fisibel disebut solusi fisibel.
Semua titik terletak diluar wilayah fisibel disebut solusi tidak fisibel. Titik 1
dan 2 adalah contoh solusi fisibel dan tidak fisibel.

• Langkah kedua: fungsi objektif digambarkan untuk nilai asumsi z 0.

Karena fungsi objektif adalah fungsi linier, kita dapat dengan mudah
menetapkan garis kontur atau locus dari titik2 yang memenuhi
50x1 + 60x2 = z0. Misalkan dipilih z0 sama dengan $150,000. Untuk
memudahkan, kita tentukan titik (x1,0) dan (0,x2). Titik ini terletak pada
sumbu x1 dan x2. Jadi

50x1 + 60 . 0 = 150,000 atau x1 = 3000 atau (3000,0)

50 . 0 + 60x2 = 150,000 atau x2 = 2500 atau (0,2500)

Garis z0 harus melewati titik (3000,0) dan (0,2500). Semua titik yang
terletak pada z0 = $150,000 dan tidak berpotongan seperti ditunjukkan
pada gambar dibawah disebut solusi tidak fisibel. Tidak satupun titik2 tsb
dapat menjadi solusi optimum.
• Langkah ketiga: solusi optimum dapat ditemukan dengan menggambarkan
garis kontur paralel terhadap z0 yang terletak pada titik ekstrim wilayah
fisibel. Arah pertambahan nilai z ditunjukkan pada gambar dibawah. Garis
kontur baru z harus berpotongan solusi fisibel bisa dikatakan kandidat
solusi optimum. Untuk model linier, titik ekstrim didefinisikan sebagai
perpotongan dua atau lebih persamaan pembatas.

x2

5000

Titik ekstrim

2500
Wilayah fisibel
Z0 = $150,000

Arah utk
Titik ekstrim
menambah
nilai z

x1
3000 5000
• Titik ekstrim akan terletak pada batas wilayah fisibel, selanjutnya ini
adalah solusi fisibel dan kandidat untuk solusi optimum. Garis kontur yang
ditandai dengan z* adalah paralel terhadap z 0 dan garis tsb akan melewati
titik ekstrim x*. Lokasi solusi optimum untuk masalah maksimum
ditunjukkan pada gambar dibawah.

x2

5000
Z* = $430,000

Pembatas aktif : x2 = 3000 X*

3000

Pembatas tidak aktif

Pembatas aktif :
x1 + x2 = 5000
x1 = 5000

x1
3000 5000
• Titik x* adalah unik karena z adalah maksimum dan memenuhi kondisi
yang ditetapkan set pembatas dari masalah. Jadi, solusi optimum masalah
ini adalah

x1* = 5000 ft2 dan x2* = 3000 ft2

dengan total penerimaan optimum atau maksimum sama dengan

z* = $50 . 5000 + $60 . 3000

= $430,000

• Ini adalah pendekatan langsung untuk memecahkan model matematik

linier. Dalam langkah ketiga, titik optimum z* bisa ditetapkan sebab
kemiringan dari fungsi objektif selalu paralel terhadap garis kontur z 0
berkenaan dengan nilai asumsi z0. Ini adalah karakter fungsi linier.
Pendekatan ini dapat digunakan untuk model matematik linier yang
dibatasi untuk dua variable kendali dengan suatu fungsi objektif minimum
atau maksimum
• TUGAS 1

• Soal 1
Tinjau set pembatas:

x1 – 2x2 ≤ 2
2x1 + x2 ≤ 9
-3x1 + 2x2 ≤ 3
x1 tidak ada batasan
x2 ≥ 0

(a) Tunjukkan wilayah fisibel dengan jelas pada gambar untuk

set pembatas diatas.
(b) Tandai titik2 ekstrimnya.
(c) Jika x1 ≥ 0 digunakan, tunjukkan wilayah fisibel dan tandai titik2
ekstrimnya.
• Soal 2
Dengan pendekatan grafis, tentukan lokasi solusi optimum

Maksimumkan z = 3x1 + 2x2

2x1 + 4x2 ≤ 21
5x1 + 3x2 ≤ 18
x1 ≥ 0
x2 ≥ 0

(a) Tunjukkan wilayah fisibel dengan jelas.

(b) Tentukan harga dan lokasi titik optimum.
(c) Tandi pembatas aktif dan tidak aktif.
• Soal 3

Minimalkan z = 3x1 + x2
2x1 + 2x2 ≤ 9
2x1 – 4x2 = 6
x1 ≥ 0
x2 ≥ 0

(a) Tunjukkan wilayah fisibel dengan jelas.

(b) Dengan pendekatan grafis tentukan solusi optimum.
(c) Jika batasan tidak negatif pada x2 (misal x2 ≥ 0) dihilangkan, tentukan
pengaruh pada nilai optimal z
• Soal 4

Maksimumkan z = 2x2
x1 ≤ x 2 (1)
-x1 + 2x2 ≤ 2 (2)
2x1 + 2x2 = 3 (3)
x1 tidak ada batasan
x2 ≥ 0

(a) Tunjukkan wilayah fisibel dengan jelas.

(b) Tentukan harga titik optimum.
(c) Tandai pembatas aktif dan tidak aktif.
(d) Bagaimana titik optimum dipengaruhi jika pembatas (2) dihilangkan.
Mengapa ?
• Soal 5
Seorang kontraktor membeli material dari dua lokasi tanah dan kerikil
yang berbeda. Unit harga material termasuk pengantaran dari lokasi 1 dan
2 adalah $5/yd3 dan $7/yd3. Kontraktor membutuhkan 100 yd3 dari
campuran. Campuran harus mengandung minimum 30 persen tanah.
Lokasi 1 mengandung 25 persen tanah, dan lokasi 2 mengandung 50
persen tanah.
Tujuan adalah untuk meminimalkan biaya material.
(a) Tentukan variabel kendali.
(b) Formulasikan model matematiknya.
(c) Gambarkan wilayah fisibel.
(d) Tentukan solusi optimum dengan pendekatan grafis.
(e) Tandai pembatas aktif dan tidak aktif.
• Soal 6
Sebuah pabrik cat memproduksi dua jenis cat: untuk interior dan eksterior.
Masing-masing dengan kebutuhan bahan dasar dan ketersediaannya sebagai
berikut:

kebutuhan material (ton) Ketersediaan

untuk setiap ton harian (ton)
cat eksterior cat interior

Bahan dasar M1 6 4 24
Bahan dasar M2 1 2 6
Untung/ton (10 juta Rp.) 5 4

Dari hasil survey pasar, kebutuhan cat interior lebih tinggi dari cat eksterior
namun tidak lebih dari 1 ton/hari dan kebutuhan cat interior maksimum
adalah 2 ton/hari.

Tujuan adalah untuk memaksimalkan keuntungan.

(a) Formulasikan model matematiknya.
(b) Tentukan solusi optimum dengan pendekatan grafis.
(c) Lakukan analisis sensitivitas
Bila:
x1 = jumlah produksi cat eksterior (ton/hari)
x2 = jumlah produksi cat interior (ton/hari)

Maka:

Maximize z = 5x1 + 4x2

subject to:
6x1 + 4x2 ≤ 24 (1)
x1 + 2x2 ≤ 6 (2)
-x1 + x2 ≤ 1 (3)
x2 ≤ 2 (4)
x1 , x2 ≥ 0 (5),(6)
x2

1
4

3
3
2

2 4

E D

1 C
F

A B
x1
1 2 3 4 5 6 6
x2

6
X1= 3 ton
X2 = 1.5 ton
5
Z = 210 Juta Rp

2
E D

C
1 F

A B
x1
1 2 3 4 5 6
x2
Sensitivitas:
Perubahan pada koefisien fungsi obyektif:
z = c1x1 + c2x2 , c1  0, c2  0
Titik optimum tetap berada di C bila 4/6 ≤ c2/c1 ≤ 2/1

6 6x1+4x2 = 24 ; c2/c1 = 4/6

5x1+4x2 ; c2/c1 = 4/5

3 x1+2x2 = 6 ; c2/c1 = 2/1

2
E D

C
1 F

A B
x1
1 2 3 4 5 6
x2
Sensitivitas:
Perubahan pada constraint (resource):
M1 berubah, M2 tetap 6 ton
Dengan batas M2 tetap, maka titik yg masih feasibel adalah titik D
(2,2) dan G (6,0). Maka 20 ≤ M1 ≤ 36

6 aM1+ b = x1 aM1+ b = x2
 a(20) + b = 2  a(20) + b = 2
5
 a(36) + b = 6  a(36) + b = 0
 a = ¼, b = -3  a = -1/8, b = 9/2

4
x1 = ¼M1 - 3 x2 = 1/8M1 + 9/2

3
M1=24

2
M1=20
E D

C
1 F M1=36

A B
G
x1
1 2 3 4 5 6
x2
Sensitivitas:
Perubahan pada constraint (resource):
M1 tetap 24 ton, M2 berubah
Dengan batas M1 tetap, maka titik yg masih feasibel adalah titik H
(8/3,2) dan B (4,0). Maka 4 ≤ M2 ≤ 20/3

6
x1 = -1/2M2 + 6 x2 = 3/4M2 - 3

3
M2 = 6
H
2 M2 = 6 2/3
E D

C
1 F M2 = 4

A B
x1
1 2 3 4 5 6
x2 Sensitivitas:
Unit worth of resource:
Tingkat perubahan nilai fungsi obyektif optimum akibat perubahan
pada ketersediaan resource.

perubahan nilai z sesuai perubahan ketersediaan resource i

6 yi =
interval feasibel ketersediaan resource i

5
y1 = (perubahan z dari D ke G/perubahan M1 dari D ke G)
y1 = (30-18)/(36-20)
4 = 7.5 juta Rp/ton M1

y2 = (perubahan z dari B ke H/perubahan M2 dari B ke H)

3
y2 = (64/3-20)/(20/3-4)
H = 5.0 juta Rp/ton M2
2
E D

C
1 F

A B
G
x1
1 2 3 4 5 6