Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

TIM. Operations Research Perkembangan teknologi dalam era globalisasi yang begitu cepat dan kompleks, salah satunya Operations Research sebagai salah.

Presentasi serupa


Presentasi berjudul: "TIM. Operations Research Perkembangan teknologi dalam era globalisasi yang begitu cepat dan kompleks, salah satunya Operations Research sebagai salah."— Transcript presentasi:

1 TIM

2 Operations Research Perkembangan teknologi dalam era globalisasi yang begitu cepat dan kompleks, salah satunya Operations Research sebagai salah satu ilmu terapan praktis yang diperlukan dalam penyelesaian suatu permasalahan yang semakin kompleks melalui pendekatan kuantitatif Penerbit Erlangga

3 Operations Research Thomas dan Da Costa (1979) Penerapan Operations Research dilakukan sekurang-kurangnya dalam 12 kegiatan manajemen di berbagai bidang kehidupan, terutama manufaktur : Perencanaan dan peramalan pasar Inventory control Perencanaan dan penjadwalan produksi Penganggaran biaya Transportasi Perencanaan lokasi pabrik Pengendalian mutu Penelitian promosi dan penjualan Penggantian mesin dan peralatan Pemeliharaan Akunting Pengemasan produk Penerbit Erlangga

4 Operations Research Operations Research adalah sebuah pendekatan kuantitatif yang menggunakan metode-metode optimisasi untuk menyelesaikan suatu persoalan matematis. Penggunaan program-program komputer dalam pengajaran Operations Research di antaranya : LINDO, GINO, VNO, Microcomputer Model for Management Decision Making, Computer Models for Management Science, QSB, QSB +, QSQUANT, STORM, CMOM, dan lainnya. Penerbit Erlangga

5 Operations Research Jilid 1 Bagian I : Pemahaman Awal Bagian II : Pemrograman Linear Bagian III : Perluasan Model Pemrograman Linear Jilid 2 Bagian IV : Model-model Khusus Bagian V : Model-model Lanjutan Penerbit Erlangga

6 Bagian I Pemahaman Awal Bab 1 : Pemahaman Awal Penerbit Erlangga

7 Bab 1 : Pemahaman Awal 1.1 Sejarah Operations Research 1.2 Penerapan Operations Research 1.3 Peranan Model dalam Proses Pembuatan Keputusan 1.4 Parameter dan Variabel 1.5 Parameter Biaya dan Laba 1.6 Keputusan Optimal 1.7 Pembahasan dan Penyajian 1.8 Program—program Komputer Penerbit Erlangga

8 Sejarah Operations Research Teori Evolusi Manajemen : Operations Research mulai berkembang sejak tahun 1945, pada saat Perang Dunia Kedua. Pendekatan kuantitatif dalam menyelesaikan persoalan, di mana matematika dan statistika memegang peranan yang sangat dominan telah menempatkan operations research secara teoritis sebagai ilmu pengetahuan yang berakar Scientific Management yang dipelopori oleh Taylor pada Abad XVIII. Di Inggris, dikenal sebagai Operational Research.

9 Penerapan Operations Research Penelitian berbagai industri di Amerika menggunakan teknik-teknik Operations Research Penelitian Turban di tahun 1969 Teknik-teknik Frekuensi Operations ResearchPenggunaan (%) Statistical Analysis29 Simulation25 Linear programming19 Inventory Theory6 PERT/CPM6 Dynamic Programming4 Non Linear Programming3 Queueing Theory1 Heuristic Programming1 Miscellaneous 6 Penerbit Erlangga

10 Model dalam Proses Pembuatan Keputusan Model Verbal Model Visual Model Matematis Penerbit Erlangga Kurva biaya rata-rata produksi

11 Parameter Biaya dan Laba Biaya Variabel : Elemen biaya yang berubah-ubah secara langsung dengan satuan yang diproduksi Biaya Tetap : Biaya yang tidak berubah pada setiap satuan barang yang diproduksi Biaya Semi Variabel : Elemen biaya yang berubah dengan arah yang sama dengan unit yang diproduksi namun kurang proporsional, atau dengan kata lain tidak linear. Penerbit Erlangga

12 Analisis Regresi terhadap biaya total Penerbit Erlangga

13 Output analisis regresi program Microstat Penerbit Erlangga

14 Model dan Penyelesaian Optimal Penerbit Erlangga Interpretasi Hasil Olahan Optimal Abstraksi Masalah ke Model Model Analisis Penyelesaian Optimal Masalah Pembuatan Keputusan Intuisi dan Pengalaman Dunia SimbolDunia Nyata Pertimbangan- Pertimbangan Manajemen

15 Program-program Komputer LINDO (Linear Interaktif Discrete Optimizer). Solver Microsoft Excel Graphic LP Opimizer Versi 2.6 Crystal Ball Penerbit Erlangga

16 Bagian II : Pemrograman Linear Bab 2 : Pemrograman Linear: Konsep Dasar Bab 3 : Pemrograman Linear: Analisis Geometri Bab 4 : Pemrograman Linear : Algoritma Simpleks Bab 5 : Pemrograman Linear : Dualitas, Analisis Sensitivitas, dan Output LINDO Bab 6 : Pemrograman Linear : Kasus-kasus Khusus Penerbit Erlangga

17 Bab 2 : Pemrograman Linear : Konsep Dasar 2.1 Pengantar 2.2 Linearitas dan Dalil Matematika 2.3 Model Pemrograman Linear 2.4 PT Sukra Rasmi 2.5 Empat Sehat Lima Sempurna 2.6 Break Even Point Multi Produk 2.7 Ringkasan 2.8 Latihan-latihan 2.9 Soal-soal Penerbit Erlangga

18 Konsep Dasar Pemrograman Linear (Linear Programming) adalah salah satu model Operations Research yang menggunakan teknik Optimisasi matematika linear di mana seluruh fungsi harus berupa fungsi matematika linear. Penerbit Erlangga

19 Model Pemrograman Linear Penerbit Erlangga 1. Variabel Keputusan : Variabel persoalan yang akan mempengaruhi nilai tujuan yang hendak dicapai. 2. Fungsi Tujuan : Di mana tujuan yang hendak dicapai harus diwujudkan ke dalam sebuah fungsi matematika linear, yang kemudian fungsi itu dimaksimumkan atau diminimumkan terhadap kendala-kendala yang ada. 3. Fungsi Kendala : Kendala dalam hal ini dapat diumpamakan sebagai suatu pembatas terhadap kumpulan keputusan yang mungkin dibuat dan harus dituangkan ke dalam fungsi matematika linear yang dihadapi oleh manajemen.

20 PT SUKRA RASMI PT Sukra Rasmi memproduksi Sukra dan Rasmi, bahan baku utama untuk pembuatan produk sangling yang dihasilkan melalui proses Penghancuran dan Penghalusan. Matriks Kasus Sukra Rasmi Penerbit Erlangga X1X1 X2X2 KeteranganSukraRasmiKapasitas Pemrosesan:(jam) Penghancuran2120 jam Penghalusan2332 jam Permintaan Rutin2 ton Contribution Margin Rp 40,-Rp 30,-

21 Model matematis pemrograman linear Penerbit Erlangga

22 Break Even Point Multi Product Break Even Point Analysis sebagai salah satu alat yang sangat terkenal di dalam analisis manajerial telah diterapkan pada berbagai bidang kegiatan manajerial, di antaranya : 1. Cost, Volume, and Profit Analysis (Analisis Biaya dan Laba) 2. Financial leverage analysis (Keputusan Keuangan) 3. Capital Investment Decision (Keputusan Investasi) 4. Plant Location (Keputusan Lokasi) 5. Make or Buy Decision (Keputusan Membeli atau Membuat) 6. Pricing Policy (Kebijakan Penentuan Harga) Penerbit Erlangga

23 Model matematis lengkap kasus Break Even Point KUSUMATEX Penerbit Erlangga

24 Bab 3 : Pemrograman Linear : Analisis Geometri 3.1 Pengantar 3.2 Sistem dan Bidang Kerja 3.3 Menggambar Pertidaksamaan dan Persamaan 3.4 Daerah yang Memenuhi Kendala 3.5 Menggambar Fungsi Tujuan 3.6 Geometri Sukra Rasmi : Kasus Pemaksimuman Fungsi Tujuan 3.7 Geometri Gupita : Kasus Peminimuman Fungsi Tujuan 3.8 Kendala Aktif dan Kendala Tidak Aktif 3.9 Ringkasan 3.10 Latihan-latihan 3.11 Soal-soal 3.12 Suplemen : Graphic Linear Programming Optimizer Penerbit Erlangga

25 Pemrograman Linear : Analisis Geometri SISTEM DAN BIDANG KERJA Sistem untuk menyatakan hubungan antara aljabar dan geometri adalah bidang yang dibagi menjadi empat bidang oleh sumbu tegak (absis) dan sumbu datar (ordinat). Bidang tersebut dikenal sebagai kuadran. Penerbit Erlangga

26 Menggambar Pertidaksamaan dan Persamaan Penerbit Erlangga

27 Menggambar Pertidaksamaan dan Persamaan

28 Penerbit Erlangga Daerah yang memenuhi kendala (DMK)

29 Geometri Sukra Rasmi: Kasus Pemaksimumam Fungsi Tujuan Model matematis Sukra Rasmi : 1. Fungsi Tujuan : Maks 40 X X 2 Terhadap kendala-kendala : 2. 2X 1 + X 2 ≤ X 1 + 3X 2 ≤ X 1 - X 2 ≤ 0 5. X 2 ≤ 2 Penerbit Erlangga

30 DMK Kasus Rasmi Penerbit Erlangga

31 Geometri Gupita: Kasus Peminimuman Fungsi Tujuan Penerbit Erlangga

32 DMK Kasus Gupita Penerbit Erlangga

33 Suplemen: Graphic LP Optimizer Graphic Linear Programming Optimizer (GLP) dirancang untuk membantu analisis masalah pemrograman linear, di mana analis dapat melihat perilaku kendala-kendala dan fungsi tujuan dalam sebuah proses optimisasi pemrograman linear. Selain memberi pilihan pemaksimuman dan peminimuman fungsi tujuan pada sebuah kasus pemrograman linear, GLP juga berfungsi untuk mempelajari sensitivitas parameter fungsi kendala dan tujuan secara langsung sehingga analis dapat langsung melihat hasilnya. Penerbit Erlangga

34 Windows GLP Sukra Rasmi, maksimum fungsi tujuan Penerbit Erlangga

35 Bab 4 : Pemrograman Linear : Algoritma Simpleks 4.1 Pengantar 4.2 Slack dan Surplus 4.3 Titik Sudut dan Karakteristik Variabel 4.4 Titik Sudut Degenerate dan Non Degenerate 4.5 Variabel Basis dan Nonbasis 4.6 Tabel Simpleks 4.7 Algoritma Simpleks I : Kasus Bawika 4.8 Ringkasan 4.9 Latihan-latihan 4.10 Soal-soal Penerbit Erlangga

36 Pemrograman Linear : Algoritma Simpleks Algoritma Simpleks adalah sebuah prosedur matematis berulang untuk menemukan penyelesaian optimal soal pemrograman linear dengan cara menguji titik-titik sudutnya. Penerbit Erlangga

37 Slack dan Surplus Penerbit Erlangga Slack Variabel adalah variabel yang berfungsi untuk menampung sisa kapasitas pada kendala yang berupa pembatas Slack Variabel pada setiap kendala yang aktif pasti bernilai nol Slack variabel pada setiap kendala tidak aktif pasti bernilai positif

38 Kendala aktif dan slack variabel yang bernilai nol Penerbit Erlangga

39 Surplus Variabel adalah variabel yang berfungsi untuk menampung kelebihan nilai ruas kiri pada kendala yang berupa syarat. Surplus variabel pada setiap kendala aktif pasti bernilai nol Surplus variabel pada setiap kendala tidak aktif pasti bernilai positif Kendala-kendala aktif pada setiap macam kendala pasti memiliki slack variabel atau surplus variabel yang bernilai nol Penerbit Erlangga

40 Tabel Simpleks Algoritma simpleks adalah sebuah prosedur berulang untuk menyelesaikan persoalan matematis pemrograman linear denga cara menguji titik-titik sudut DMK. Di dalam algoritma simpleks di mana setiap pengujian titik sudut membutuhkan bantuan sebuah tabel untuk menentukan apakah nilai ekstrem tujuan telah tercapai, maka tabel ini disebut Tabel Simpleks. Proses penyelesaian sebuah tabel simpleks pada pengujian sebuah titik sudut adalah selalu sama, proses ini berulang hingga ditemukan sebuah titik sudut yang menghasilkan nilai tujuan ekstrem. Tabel di mana nilai tujuan ektrem ini ditemukan disebut Tabel Simpleks Optimal. Penerbit Erlangga

41 Algoritma Simpleks : Kasus Bawika Penerbit Erlangga

42 Bab 5 : Pemrograman Linear : Dualitas, Analisis Sensitivitas, dan Output LINDO 5.1 Pengantar 5.2 Dualitas 5.3 Analisis Sensitivitas 5.4 Analisis Sensitivitas Bawika 5.5 LINDO 5.6 Ringkasan 5.7 Latihan-latihan 5.8 Soal-soal 5.9 Suplemen : Penyelesaian Pemrograman Linear dengan Solver Excel Penerbit Erlangga

43 Dualitas Konsep Dualitas menjelaskan secara matematis bahwa sebuah kasus pemrograman linear berhubungan dengan sebuah kasus pemrograman linear yang lain. Bila kasus pemrograman pertama disebut Primal maka kasus pemrograman linear kedua disebut Dual; sehingga penyelesaian kasus primal secara otomatis akan menyelesaikan kasus dual, demikian pula sebalikya. Penerbit Erlangga

44 Model matematis Dual-Primal Penerbit Erlangga

45 Hubungan antara primal dengan dual secara lengkap Penerbit Erlangga

46 Hubungan antara primal-dual bawika dengan program LINDO Penerbit Erlangga

47 Analisis Sensitivitas Analisis sensitivitas menjelaskan sampai sejauh mana parameter-parameter model pemrograman linear, yaitu koefisien fungsi tujuan dan nilai ruas kanan kendala, boleh berubah tanpa harus mempengaruhi jawaban optimal atau penyelesaian optimal. Penyelesaian Optimal menghasilkan informasi : 1. Nilai Variabel Keputusan Optimal 2. Nilai Fungsi Tujuan Ekstrem 3. Nilai Slack/Surplus Variable 4. Nilai Dual Price/Shadow Price Penerbit Erlangga

48 Hasil Output LINDO untuk kasus Bawika Penerbit Erlangga

49 Penyelesaian Pemrograman Linear dengan Solver Excel Penerbit Erlangga

50 Bab 6 : Pemrograman Linear : Kasus- kasus Khusus 6.1 Pengantar 6.2 Degenerasi 6.3 Multiple Optimal Solution 6.4 No Feasible Solution 6.5 Nilai Tujuan yang Tidak Terbatas 6.6 Ringkasan Penerbit Erlangga

51 Degenerasi Karakteristik di mana jumlah variabel positif atau variabel basis lebih kecil dari jumlah kendalanya disebut sebagai peristiwa degenerasi. Penggambaran titik-titik sudut degenerasi Penerbit Erlangga

52 Multiple Optimal Solution (MOS) Multiple Optimal Solution adalah sebuah kasus khusus dalam penyelesaian sebuah kasus pemrograman linear di mana titik sudut ekstrem yang menghasilkan nilai fungsi tujuan ekstrem adalah lebih dari satu. Gejala MOS Penerbit Erlangga

53 No Feasible Solution Penyelesaian sebuah kasus pemrograman linear sering menghasilkan jawaban yang tidak terduga, salah satunya adalah no feasible solution atau tidak adak penyelesaian nyata. Output LINDO, no feasible solution Penerbit Erlangga

54 Bagian III : Perluasan Model Pemrograman Linear Bab 7 : Pemrograman Linear : Bilangan Bulat (Integer Programming) Bab 8 : Transportasi dan Penugasan Bab 9 : Goal Programming Bab 10: Jaringan (Network) Penerbit Erlangga

55 Bab 7 : Pemrograman Linear : Bilangan Bulat (Integer programming) 7.1 Pengantar 7.2 Pemrograman Bilangan Bulat (General Integer Programming) 7.3 Pemrograman 0-1 (Binary Integer ) 7.4 Sukra Rasmi : Pemilihan Kendala 7.5 Algol : Pemilihan Biaya Tetap dan Biaya Variabel Minimum 7.6 Deimos : Pilihan Alternatif Metode Operasi 7.7 Ringkasan 7.8 Latihan-latihan 7.9 Soal-soal Penerbit Erlangga

56 Pemrograman bilangan bulat Pemrograman bilangan bulat adalah sebuah model penyelesaian matematis yang memungkinkan hasil penyelesaian kasus pemrograman linear yang berupa bilangan pecahan diubah menjadi bilangan bulat tanpa meninggalkan optimalitas penyelesaian. Teknik Integer programming salah satunya adalah Branch dan Bound. Penerbit Erlangga

57 Kasus pemrograman linear Dharmika Max 2X 1 + 3X 2 ST X 1 + 2X 2 ≤ 16 3X 1 + 2X 2 ≤ 30 X 1, X 2 ≥ 0 dan integer Penerbit Erlangga Penyelesaian Dharmika

58 Kasus Dharmika dengan LINDO Penerbit Erlangga

59 Pemrograman integer Dharmika dengan Solver Excel Penerbit Erlangga

60 Bab 8 : Transportasi dan Penugasan 8.1 Pengantar 8.2 Model Dasar Transportasi 8.3 Kasus Transportasi : Denebula 8.4 Denebula : Analisis Komputer LINDO 8.5 Model Transportasi dengan Solver Excel 8.6 Assignment atau Penugasan 8.7 Penugasan dengan Solver Excel 8.8 Transportasi Bowman 8.9 Ringkasan 8.10 Latihan-latihan 8.11 Soal-soal Penerbit Erlangga

61 Model dasar transportasi Model transportasi secara khusus berkaitan erat dengan masalah pendistribusian barang-barang dari pusat-pusat pengiriman atau sumber ke pusat-pusat penerimaan atau tujuan. Persoalan yang ingin dipecahkan oleh model transportasi adalah penentuan distribusi barang yang akan meminimumkan biaya total distribusi. Model transportasi memecahkan masalah pendistribusian barang dari sumber ke tujuan dengan biaya total distribusi minimum Penerbit Erlangga

62 Matriks Transportasi Penerbit Erlangga

63 Flow Chart Algoritma Transportasi Penerbit Erlangga

64 Kasus Transportasi Denebula Denebula : Nama sebuah perusahaan penghasil suatu jenis jamur di daerah Kaliurang, Yogyakarta. Denebula memiliki tiga cabang di antaranya Purwokerto, Semarang, dan Madiun Penerbit Erlangga AgenPermintaan Purwokerto5000 Kg Semarang4500 Kg Madiun5500 Kg

65 Kasus Transportasi Denebula Pusat PenyemaianKapasitas Yogyakarta4000 Kg Magelang5000 Kg Surakarta6000 Kg Penerbit Erlangga Biaya angkut per unit dari pusat penyemaian ke agen PabrikAgen PurwokertoSemarangMadiun Yogyakarta457 Magelang638 Surakarta523

66 Matriks transportasi Denebula Penerbit Erlangga

67 Transportasi Bowman Matriks jadwal produksi Bowman Penerbit Erlangga

68 Bab 9 : Goal Programming 9.1 Pengantar 9.2 Konsep Dasar 9.3 Empat Macam Kendala Sasaran 9.4 Goal Programming Analisis Geometri 9.5 Masalah Bobot dan Prioritas Sasaran 9.6 Goal Programming : Algoritma Kompleks 9.7 Ringkasan 9.8 Latihan-latihan 9.9 Soal-soal Penerbit Erlangga

69 Goal Programming Penerbit Erlangga Model Goal programming merupakan perluasan dari model pemrograman linear, sehingga seluruh asumsi, notasi, formulasi model matematis, prosedur perumusan model dan penyelesaiannya tidak berbeda. Perbedaan hanya terletak pada kehadiran sepasang variabel deviasional yang akan muncul di fungsi tujuan dan fungsi-fungsi kendala.

70 Goal Programming Variabel deviasional : Berfungsi untuk menampung penyimpangan atau deviasi yang akan terjadi pada nilai ruas kiri suatu persamaan kendala terhadap nilai ruas kanannya. Variabel deviasional terbagi menjadi dua : 1. Variabel deviasional untuk menampung deviasi yang berada di bawah sasaran yang dikehendaki 2. Variabel deviasional untuk menampung deviasi yang berada di atas sasaran yang dikehendaki Penerbit Erlangga

71 Goal Programming Empat Macam Kendala Sasaran : 1. Untuk mewujudkan suatu sasaran dengan nilai tertentu 2. Untuk mewujudkan suatu sasaran di bawah nilai tertentu 3. Untuk mewujudkan suatu sasaran di atas nilai tertentu 4. Untuk mewujudkan suatu sasaran yang ada pada interval nilai tertentu Penerbit Erlangga

72 Goal Programming : Analisis Geometri Geometri Bawika Optimal Penerbit Erlangga

73 Goal Programming Tiga macam sasaran di dalam Goal Programming : 1. Sasaran-sasaran dengan prioritas yang sama 2. Sasaran-sasaran dengan prioritas yang berbeda 3. Sasaran-sasaran dengan prioritas dan bobot yang berbeda Penerbit Erlangga

74 Goal Programming Tabel Awal Simpleks Kasus Goal Programming Bawika tanpa prioritas Penerbit Erlangga

75 Bab 10 : Jaringan (Network) 10.1 Pengantar 10.2 Dari Gantt Milestone Chart ke Grantt Chart 10.3 Terminologi Jaringan 10.4 Distribusi Terkendali 10.5 Rentang Jaringan Minimum 10.6 Rute Terpendek 10.7 Aliran Maksimum 10.8 Ringkasan 10.9 Latihan-latihan Soal-soal Penerbit Erlangga

76 Jaringan (Network) Jaringan (Network) merupakan sebuah istilah untuk menandai model-model yang secara visual bisa diidentifikasi sebagai sebuah sistem jaringan yang terdiri dari rangkaian-rangkaian noda (node) dan kegiatan (activity). Penerbit Erlangga

77 Gantt Milestone Chart Gantt Milestone Chart, gagasan dasar Penerbit Erlangga

78 Gantt Milestone Chart Gantt Milestone Chart, kegiatan-kegiatan dalam satu pekerjaan masih terpisah Penerbit Erlangga

79 Gantt Milestone Chart Perubahan Gantt Chart menuju jaringan (Network) Penerbit Erlangga

80 Gantt Milestone Chart Bagan jaringan Penerbit Erlangga

81 Terminologi Jaringan Contoh-contoh sistem jaringan Penerbit Erlangga

82 Distribusi terkendali Tiga macam noda dalam model distribusi terkendali : 1. Noda sumber yang menunjukkan asal sebuah arus atau dari mana sebuah arus akan mengalir 2. Noda tujuan yang menunjukkan akhir tujuan sebuah arus atau hendak ke mana sebuah arus akan mengalir 3. Noda transit yang menunjukkan tujuan sementara atau terminal sementara yang akan dilewati oleh sebuah arus yang akan menuju noda tujuan berikutnya atau noda tujuan akhir Penerbit Erlangga

83 Konsep keseimbangan arus Penerbit Erlangga

84 Rentang Jaringan Minimum Model rentang jaringan minimum adalah salah satu model jaringan yang menjelaskan pemilihan hubungan antar noda sedemikian rupa sehingga jaringan hubungan itu akan membuat seluruh noda terhubung dengan panjang hubungan total terpendek Penerbit Erlangga

85 Antares : Kasus rentang jaringan minimum Penerbit Erlangga

86 Rute terpendek Model rute terpendek adalah salah satu model jaringan yang dapat digunakan untuk menentukan jarak terpendek dari berbagai alternatif rute yang tersedia. Model rute terpendek Antares yang optimal Penerbit Erlangga


Download ppt "TIM. Operations Research Perkembangan teknologi dalam era globalisasi yang begitu cepat dan kompleks, salah satunya Operations Research sebagai salah."

Presentasi serupa


Iklan oleh Google