PENDEKATAN

MANAGEMENT
SCIENCE
FALSAFAH TEKNIK INDUSTRI

Senin, 20 April 2020 -

MTI
 HASIL PEMBELAJARAN
2

• Mahasiswa memahami pendekatan

management science
• Mahasiswa memahami bagaimana
pendekatan management science
digunakan untuk menyelesaikan
masalah teknik industri
 3

LATAR BELAKANG
• Pendekatan ini berkembang dan menjadi bagian
dari pendekatan dalam disiplin teknik industri
setelah Perang Dunia II
• Sebagai metode telah dikembangkan sebelum
Perang Dunia II dan banyak dimanfaatkan oleh
Sekutu (Inggris dan Amerika) untuk membantu
membuat keputusan-keputusan dalam logistik
perang
• Dasar dari pendekatan adalah pemanfaatan model-
model matematika dan pendekatan statistika
DASAR PENDEKATAN
4

Persoalan yang Pengambilan

dihadapi keputusan
manajer

Dukungan untuk memahami masalah dengan

baik dan untuk membantu dalam memecahkan
masalah dalam bentuk model matematika serta
pencarian solusi dengan metode kuantitatif

Diberi nama Management Science,

Operational Research
PENGAMBILAN KEPUTUSAN
5

TINDAKAN
KEPUTUSAN

Masalah

SOLUSI
Sistem Nyata

Pengambil
Keputusan
MODEL
 4

Perkembangan Pendekatan
Penyelesaian Masalah

MAN Perancanga
MAN n
Metode Organisasi
Kerja MAN MAN Manajemen
Perancangan
MACHINE
Kerja (Job design)

MACHINE MACHINE
Efisiensi
Produktivitas
Efisiensi
Produktivitas
 5

Perkembangan Pendekatan
Penyelesaian Masalah
Pengaruh
Lingkungan
Sistem:
Bagaimana membuat ekonomi,
rencana yang lebih akurat ? persaingan, dll
Ketersediaan
Perancanga mulai
MAN n
Organisasi terbatas
MAN MAN Manajemen

Perancangan
Kerja (Job design) MATERIAL
MACHINE MACHINE
ENERGY
 6

Perkembangan Pendekatan
Penyelesaian Masalah

Efisiensi yang berarti pemakaian segala sumber daya

(waktu, tenaga, material, energi) menjadi tuntutan
atau performansi sistem terintegrasi

Diperlukan pendekatan yang mampu memberikan

keputusan kuantitatif: jadwal, alokasi, jumlah, dll.
9

DEFINISI (1)

Management Science is the discipline of

applying advanced analytical methods to
help make better decisions
10

DEFINISI (2)

Operational Research can be considered

as being the application of scientific method by
inter-disciplinary teams to problems involving
the control of organized (man-machine)
systems so as to provide solutions which best
serve the purposes of the organization as a
whole
 DEFINISI (3)
Management science (MS), is an interdisciplinary branch of
applied mathematics devoted to optimal decision planning,
with strong links with economics, business, engineering, and
other sciences.

It uses various scientific research -based principles, strategies,

and analytical methods including mathematical modeling,
statistics and numerical algorithm to improve an organization's
ability to enact rational and meaningful management decisions
by arriving at optimal or near optimal solutions to complex
decision problems.
In short, management sciences help businesses to achieve their
goals using the scientific methods of operational research.
 DEFINITION OF
MANAGEMENT SCIENCE

• Art of mathematical modeling

• Science of the solution techniques
for solving mathematical models
• Ability to communicate results
 MANAGEMENT SCIENCE OBJECTIVE

• Given a limited amount of personnel,

resources and material, how do we use them
most effectively to:
• Maximize -- Profit, Efficiency
• Minimize -- Cost, Time
• Management Science is about doing the best
you can with what you’ve got -- OPTIMIZATION
Pendekatan Ilmiah
 Management
Problem
Science
Approach
Common Use &
sense? Choose

Model
standard Formulate
?

New Build new

Simulation
alternatives model

Solution

Decision
 Analysis of
real
system

Implementi
Problem
ng of
formulation
finding

Analysis of Model
model building
 12

Metodologi Pendekatan
•Observation - Identification of a problem that exists
in the system or organization.
•Definition of the Problem - problem must be clearly
and consistently defined showing its boundaries and
interaction with the objectives of the organization.
•Model Construction - Development of the functional
mathematical relationships that describe the decision
variables, objective function and constraints of the
problem.
•Model Solution - Models solved using management
science
techniques.
•Model Implementation - Actual use of the model or
its solution
18
JENIS PENDEKATAN
 PENDEKATAN KUANTITATIF
19

KLASIK(1)
• Tujuan: melakukan optimisasi
(minimisasi atau maksimisasi)
• Menggunakan metode analitik klasik
(matematika dan statistika)
• Persoalan dianggap tidak memiliki
batasan (unconstrained problem)
atau sumber daya tidak terbatas
(unlimited resource)
PENDEKATAN
KUANTITATIF KLASIK(2)
Variabel persoalan
bersifat pasti; variasi
tidak signifikan
Variabel persoalan
Memiliki variasi tetapi
pola variasi diketahui

Variabel persoalan
memiliki variasi dengan
pola yang tidak diketahui
Contoh 1: Pendekatan kuantitatif klasik
21
Pembuatan Model - Break-Even Analysis (1)
Digunakan untuk menentukan jumlah unit dari
suatu produk yang dijual atau diproduksi (misal
volume), dimana jumlah total pendapatan (total
revenue) sama dengan total ongkos (total cost)
Volume yang menunjukkan posisi total revenue
sama dengan total cost disebut sebagai break-
even point (BEP).
Keuntungan (profit) pada break-even point
adalah nol.
Pembuatan Model
Break-Even
22 Analysis (2)
Komponen model:
• Ongkos Tetap/Fixed Costs (cf) – ongkos yang selalu
sama tanpa memperhatikan jumlah yang diproduksi.
• Ongkos Tidak Tetap/Variable Cost (cv) – ongkos
produksi per unit.
• Total ongkos tidak tetap/total variable cost(vcv) –
fungsi dari volume (v) dan ongkos variabel per unit.
• Total Ongkos/Total Cost (TC) - total ongkos tetap
ditambah total ongkos variabel.
• Keuntungan/Profit (Z) – selisih antara total revenue vp
(p = harga produk per unit) and total ongkos.

Z = v⋅p – cf – v⋅cv
Pembuatan Model
Break-Even
23
Analysis (3)
Perhitungan Break-Even Point (BEP)
BEP = adalah volume dimana total revenue sama
dengan total ongkos dan tidak ada profit:
V = cf/(p – cv)
Contoh: Perusahaan Garmen Nusantara
cf = Rp.10.000.000,-
cv = Rp. 8.000,- per unit
p = Rp. 23.000,- per unit
V = 666.7 unit adalah BEP
PEMBUATAN MODEL
BREAK-EVEN
24 ANALYSIS (4)
Pembuatan Model
Break-Even
25 Analysis (5)

Analisa Sensitivitas – Model Break-even dengan perubahan harga

produk
Pembuatan Model
Break-Even
26 Analysis (6)

Analisa Sensitivitas – Model Break-even dengan perubahan ongkos

variabel
Pembuatan Model
Break-Even
27 Analysis (7)

Analisa Sensitivitas – Model Break-even dengan perubahan ongkos

tetap
QUIZ BEP
Seorang pengusaha muda ingin menghitung berapa kapasitas produksi
yang bisa menghasilkan laba jika biaya-biaya telah diketahui dan harga
jual ditetapkan tidak melebihi harga jual pesaing. Biaya tetap diperoleh
dari Biaya Sewa Tempat, Biaya Pemeliharaan, Depresiasi Mesin dan
Biaya Tenaga Kerja Tak Langsung Rp 200 juta.
Biaya Variabel menyangkut biaya bahan baku. Biaya tenaga kerja
langsung Rp 30.000.
Harga jual Rp 50.000
Pertanyaan:
1.Berapa Titip Pulang Pokok (Break Even Point - BEP) dalam unit dan
dalam Rupiah?
2.Berapa jumlah yang harus terjual jika diinginkan laba Rp 50 juta?
 CONTOH 2: TIME VALUE OF MONEY
Grant & Ireson
(1930) Principle of Engineering
Economy ?
Rp.
14.000

0
1 2 6 n

Use
Rp. mathematical
10.000 model in
economy
 CONTOH 3: QUALITY CONTROL
W.A. Shewhart
Penggunaan prinsip statistik
untuk mengendalikan kualitas
Memperkenalkan Control Chart
(1931): Statistical Quality
Control
Eugene GRANT of Stanford in
1946 Publish a Text on QC
 CONTOH 4 –
ECONOMIC ORDER
QUANTITY
• Model Economic Order Quantity (EOQ)
yang dikembangkan Harris-Wilson Formula
• Model matematik digunakan dalam masalah
persediaan
• Memperkenalkan model optimasi
• Tujuan: menentukan jumlah persediaan
optimal (Q*) yang memberikan biaya
persediaan minimum (TC*)
 PENDEKATAN
KUANTITATIF KLASIK -
EOQ
• Asumsi:
• Permintaan bersifat konstan dan pasti (D)
• Biaya-biaya yang terlibat bersifat tetap
• Pemenuhan terjadi serentak (lead time = 0)
• Jumlah persediaan dipengaruhi biaya simpan
(H) (Rp/unit/satuan waktu ) dan biaya pesan
(A)(Rp/pesan)
• Optimisasi dilakukan dengan teknik kalkulus
(diferensial)
Pendekatan kuantitatif klasik
Pembuatan
33 Model – Economic Order Quantity (1)
Menentukan persamaan total biaya persediaan,
yang terdiri dari biaya pesan/setup dan biaya
simpan.
Biaya pesan = (frekuensi pemesanan/setup) x
(biaya pesan/setup per sekali pesan/setup (A))
Frekuensi pemesanan = jumlah permintaan per
tahun (D) dibagi jumlah unit produk per pengiriman/
siklus produksi (Q).
Biaya simpan = (rata-rata persediaan dalam satu
periode) x (biaya simpan per unit per tahun (H)).
Pendekatan kuantitatif klasik
34
Pembuatan Model – Economic Order Quantity (2)
D
 Biaya pesan/setup = A
Q
Q
 Biaya simpan = H
2
D Q
 Total biaya persediaan: TC  Q  = A + H
Q 2

Penentuan ukuran lot pemesanan optimal

(Q*) secara analitis. 2 AD
Q 
*

H
 Usage rate Average
Order quantity inventory on
= Q (maximum hand
Inventory level

inventory
level) Q
2

Minimum
inventory

Time
 Curve for total cost
of holding and setup

Minimum
total cost
Annual cost

Holding cost
curve

Setup (or order)

cost curve
Optimal Order quantity
order
quantity
CONTOH: MODEL PERSEDIAAN

• D = 10.000 unit per tahun

• A = Rp. 1.000.000 per sekali pesan
• C = Rp. 10.000 per unit
• i = 20% dari harga per unit per tahun, H = i.C
Pertanyaan:
Bagaimana kebijakan persediaan optimal?
- Berapa ukuran lot pemesanan ekonomis
(EOQ)?
- Kapan saat pemesanan dilakukan (ROP)?
 KOMPONEN MODEL

Problem Decision Criteria Constrain Parameter

variable perfomanc t
e
Bagaiman - Econom Minimasi - - Ongkos
a ic Order ongkos pesan
Quantit persediaan - Ongkos
menentuk y (EOQ) per tahun simpan
an - Re-
kebijakan Order
persediaa Point
n optimal? (ROP)
 PENDEKATAN
MODEL PENELITIAN OPERASIONAL
• Memasukkan pembatas-pembatas (constraints) dalam
optimisasi
• Memungkinkan penggambaran sistem nyata yang lebih
sesuai dengan keadaannya
• Semakin meningkatnya teknik dalam memodelkan
(pemodelan sistem)
• Pemakaian teknik-teknik analitik maju dibantu dengan
komputer untuk mempermudah dan mempercepat komputasi
 MODEL PENELITIAN
OPERASIONAL (2)
Tahapan pendekatan penelitian operasional

• Perumusan masalah
• Penetapan tujuan
• Penentuan ukuran pencapaian

• Observasi dan pengumpulan data

• Formulasi hipotesis dan model
• Observasi dan eksperimen pengujian hipotesis
• Pengembangan alternatif, prediksi dan generalisasi

• Implementasi solusi
MODEL PENELITIAN OPERASIONAL
(3)Kebutuhan
Perumusan
Informasi
masalah
Pengumpulan
opini, fakta,
gejala-gejala Penentuan faktor-
faktor yang
mempengaruhi masalah
Informasi teknis,
(variabel, parameter,
ekonomi, Pengembanga
asumsi)
finansial n Model

Pengembangan tujuan Minimisasi atau Teknik-teknik

dan alternatif solusi Maksimisasi OR

Informasi rinci
Evaluasi alternatif dan
Setiap faktor
pencarian solusi optimal

Validasi, rekomendasi
tindakan, implementasi
 GEORGE B. DANTZIG (1914-
2005)
Linear programming
pertama kali dikemukakan
pada tahun 1940 an oleh
George B. Dantzig.

Dikenal sebagai “Father of

Linear Programming”

Mengembangkan
algoritma/metoda simplex
CONTOH 1: KONSTRUKSI
MODEL
Informasi dan data:
 Perusahaan memproduksi dan menjual produk baja
 Ongkos produksi Rp. 50.000 per unit
 Harga jual produk Rp. 200.000 per unit.
 Satu unit produk membutuhkan 2 kg baja
 Perusahaan memiliki 50 kg baja
Permasalahan:
 Menentukan jumlah unit di produksi yang memberikan
keuntungan maksimum, dengan jumlah ketersediaan
baja yang terbatas.
 Contoh 1 (lanjutan)
Variabel:
X = jumlah unit yang di produksi (variabel keputusan)
Z = total keuntungan (dalam Rupiah)
Model:
Z = Rp. 200.000 X - Rp. 50.000X (fungsi objektif)
2X = 50 kg baja (sumber terbatas)
Parameter:
Rp.200.000, Rp.50.000, 2 kg, 50 kg (nilai diketahui)
Formal Specification of Model:
Maksimasi Z = Rp.200.000X – Rp.50.000X terhadap 2X = 50
Contoh 1:
Model
Solution:
Selesaikan persamaan pada pembatas:
2x = 50
(2x)/2 = (50)/2
x = 25 unit

Substitusi nilai x ke fungsi objektif ;

Z = Rp.200.000x – Rp.50.000x
= (200.000)(25) – (50.000)(25)
= Rp.3750.000

(Jumlah produksi 25 unit, dengan keuntungan

Rp.3750.000)
MODEL PENELITIAN
OPERASIONAL
Model didefinisikan sebagai representasi dari
sistem nyata dengan memakai bahasa
tertentu

Ada penyederhanaan
Apakah yang disebut
MODEL Menyampaikan bagian
penting yang dianalisis

Bahasa yang dimaksud dapat berupa

matematika, gambar, program
komputer
CONTOH FORMULASI MODEL PROGRAMA
LINIER
THE PRODUCT MIX PROBLEM
Decisions: Berapa jumlah yang harus
diproduksi untuk ≥ 2 produk?
Objective: Maksimasi keuntungan
Constraints: sumber terbatas
Contoh 2: Perusahaan ABC memproduksi
Dua produk : kursi dan meja
Keputusan : berapa jumlah kursi dan meja
pada
bulan ini?
Obyektif : maksimasi keuntungan
CONTOH 2: DATA PT. ABC
Meja Kursi
(per unit) (per unit)
Waktu
Kontribusi yang
Rp.7000 Rp.5000
keuntungan tersedia
(jam)
Carpentry 3 jam 4 jam 2400
Painting lainnya:
Pembatas 2 jam 1 jam 1000
• Diproduksi tidak lebih dari 450 kursi.
• Diproduksi paling sedikit 100 meja
 MODEL PROGRAMA LINIER
Maks: 7T + 5C (keuntungan)
Terhadap pembatas:

3T + 4C < 2400 (jam carpentry)

2T + 1C < 1000 (jam painting)

C < 450 (maks jumlah kursi)

T > 100 (min jumlah meja)
T, C > 0 (non-negatif)
 QUIZ – PROGRAMA LINIER
• Perusahaan DAMAI memproduksi dua jenis pipa plastik, yaitu jenis V
dan W. Terdapat tiga sumber yang penting dalam pembuatan kedua
jenis pipa plastik tersebut, yaitu; stasiun kerja extrusion, stasiun kerja
packaging, dan bahan baku additive. Berdasarkan pengamatan, rincian
untuk menghasilkan pipa jenis V sepanjang 100 meter, membutuhkan 4
jam proses extrusion, 2 jam proses packaging dan 2 kg bahan baku
additive, sedangkan untuk pipa jenis W sepanjang 100 meter,
membutuhkan 6 jam proses extrusion, 2 jam untuk packaging, dan 1 kg
additive. Sumber yang tersedia minggu depan untuk stasiun kerja
extrusion adalah 48 jam, stasiun packaging 18 jam dan bahan baku
additive 16 kg. Pipa jenis V memberikan kontribusi margin sebesar Rp.
34.000 per 100 meter, sedangkan jenis pipa W memberikan kontribusi
margin sebesar Rp. 40.000,- per 100 meter (satuan unitnya 100 meter).

• Pertanyaan:
• .
 PERTANYAAN:

• Buat formulasi model linier programming untuk

‘the product mix problem’ (LP).
• Berapa jumlah pipa jenis V dan W harus di
produksi agar keuntungan yang diperoleh
maksimal. Gunakan pendekatan grafik (sb X-Y).
• Berapa total kontribusi keuntungan (profit)
kedua jenis pipa plastik
MODEL PENELITIAN
OPERASIONAL
Linier: a.l.
Programa linier
Transportasi
Network.

Model
dalam
OR
Non Linier: a.l.
Antrian
Programa Dinamis
Programa non-linier.
MODEL PENELITIAN
OPERASIONAL
Jenis Persoalan yang
Diselesaikan: Klasifikasi model dari
-Alokasi kegunaannya:
-Model deskriptif
-Replacement -Model prediktif
-Pengurutan -Model normatif

-Routing
-Inventory
-Antrian
-Pencarian (Search)
-Pemilihan
TERMINOLOGI
• Model deskriptif: hanya menggambarkan
situasi sebuah sistem tanpa rekomendasi.
• Contoh: peta organisasi
• Model prediktif: model ini menunjukkan apa
yang akan terjadi, bila terjadi sesuatu.
• Contoh: warning system
• Model normatif: model yang menyediakan
jawaban terhadap satu persoalan. Model ini
memberi rekomendasi tindakan yang perlu
dilakukan.
• Contoh: model pemasaran, model anggaran
MODEL PENELITIAN
OPERASIONAL
• Keuntungan pemakaian • Ciri model yang baik:
model: • Valid
 Tidak merusak sistem • Sederhana
nyata dengan • Robust
eksperimen langsung
• Adaptive
 Memudahkan
• Complete
pemahaman sistem
• Dapat dikendalikan
nyata yang rumit
• Komunikatif
 Murah, minimasi
bahaya
MODEL PENELITIAN
OPERASIONAL
• Pemecahan masalah dilakukan dengan:
• Menggunakan model standard
• Jika masalah yang dihadapi tidak dapat diselesaikan
dengan model standard, buat model baru
• Jika masalah terlalu rumit dan besar, buat model
simulasi
• Pencarian solusi:
• Pecahkan model standard dengan solusi analitik
• Jika model baru, cari solusi analitik, jika tidak
mungkin, kembangkan solusi heuristik
• Solusi dengan simulasi
 MANAGEMENT SCIENCE
APPLICATIONS
• Decision Models
Making decisions about the best course of action when the
future is not known with certainty.
• Fidelity Investments making mutual fund decisions given the
uncertainty of the company performance, and the markets.
• The International Olympic Committee making site decisions given
uncertain weather patterns and changing international conditions.

• Inventory Models
Determining how much of a product to order and when to
place the order to minimize overall total costs.
• Macy’s making merchandising decisions for the season.
• See’s Candies producing goods for their own stores.
 MANAGEMENT SCIENCE
APPLICATIONS
• Network Models
Using specialized linear models to determine routes of shortest distance,
connections that tie points together of minimum length or finding a
maximum flow (through a series of pipes)
• UPS scheduling deliveries in a fleet of trucks.
• United Van Lines determining the least costly route between a
pickup and delivery point.
• Project Scheduling Models
Scheduling of the various tasks that make up a project in order to
minimize the time or cost it takes to complete the entire project.
• William Lyon Homes scheduling the construction of a new tract of
homes in Orange County.
• CalTrans supervising the reconstruction of the Golden State
Freeway after the devastating earthquake in the 1990’s.
 MANAGEMENT SCIENCE
APPLICATIONS
• Linear Programming Models
Using of scare resources to achieve maximum profits when there
are constant returns to scale.
• Steelcase scheduling monthly production desks, cabinets,
and other office furniture to maximize profit by assigning
workers and utilizing the steel, wood, and other resources
that are available.
• Texaco blending various grades of raw crudes to maximize
profits while meeting production targets.

• Integer Linear Programming Models

Determining integer quantities (such as people, machines,
airplanes, etc.) that maximize profits.
• American Airlines assigning planes, crews, and support
personnel on a daily basis.
• McDonald’s assigning workers throughout the day.
 MANAGEMENT SCIENCE
APPLICATIONS

Queuing Models
Analyzing the behavior of customer waiting
lines to determine optimal staffing policies .
• Disneyland designing waiting lines and
policies for rides at the amusement park.
• United States Postal Service determining
staffing levels and type of waiting line at
different branch offices.
 MANAGEMENT SCIENCE
APPLICATIONS

Simulation Models
Analyzing a variety models whose forms do not
meet the assumptions or are too complex to
be solved by other specialized techniques.
• United States Army evaluating tactical combat
situations.
• Conagra Foods evaluating “what-if” situations
in their food production processes.
MODEL PENELITIAN
OPERASIONAL
Perkembangan kemudian adalah penggabungan dalam
sistem informasi yang disebut Decision Support
System (DSS)
63
PENDEKATAN MODEL
SIMULASI (1)
• Jika sistem terlalu rumit dan besar; mencakup
proses stokastik yang rumit; model analitik
sulit merepresentasikan kondisi nyata
• Dipakai model simulasi

• Jika model sederhana dan tersedia model

analitik; sebaiknya tidak menggunakan model
simulasi
 MODEL SIMULASI (2)
• Didefinisikan secara umum sebagai berikut:
• Computer simulation imitates the operation
of such a system by using the corresponding
probability distributions to randomly generate the
various events that occur in the system.
MODEL SIMULASI (3)

Langkah-langkah
pembuatan model
simulasi
 MODEL SIMULASI (4)
Ilustrasi simulasi penentuan jumlah tenaga pemeliharaan
mesin
SOFTWARE: ICAS -INTEGRATED
COMPUTER AIDED SYSTEM
SOFTWARE: PROMODEL
 KELEBIHAN DAN KELEMAHAN
PENDEKATAN MANAGEMENT
SCIENCE
• Kelebihan: • Kelemahan:
• Aplikasi yang luas dalam • Tidak semua faktor yang
mempengaruhi masalah
masalah efisiensi dan
dapat dikuantifisir
produktivitas sistem
• Masalah bisa sangat
integral rumit dengan berbagai
• Pendekatan kuantitatif aspek sehingga sulit
memungkinkan dimodelkan.
pengambilan keputusan • Tidak cocok untuk soft
system
yang obyektif
• Cocok pada hard system
PENUTUP
• Pendekatan management science memberi
pengaruh besar dalam disiplin teknik industri.
• Pengaruh tersebut dalam penguatan pendekatan
analitik untuk menyelesaikan masalah efisiensi dan
produktivitas
• Kemampuan analitik merupakan kemampuan
pokok dalam disiplin teknik industri
• Kemajuan dalam kemampuan pengolahan yang
disebabkan kemajuan teknologi komputer
membuat pendekatan ini semakin mewarnai
disiplin teknik industri sebagai disiplin engineering