Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Operational Research 1 (IE G2M3)

Presentasi serupa


Presentasi berjudul: "Operational Research 1 (IE G2M3)"— Transcript presentasi:

1 Operational Research 1 (IE G2M3)
Program Studi Teknik Industri Fakultas Rekayasa Industri Telkom University

2 Biodata Dosen Nama : Amelia Kurniawati Kode Dosen : ALK Phone : Name : RIO AURACHMAN, ST ., MT Lecturer Code : RMN Phone :

3 Profile Mata Kuliah Mata kuliah penelitian operasional I mempelajari cara memformulasikan masalah-masalah yang bersifat deterministik ke dalam formulasi model programa linier dan turunannya seperti model transportasi, penugasan, dan lain-lain, menyelesaikan persoalan programa linier yang diformulasikan dengan metode simpleks dan pengembangannya, menganalisis hasil-hasil pemecahan formulasi pemrograman linier dengan teori dualitas dan analisis sensitivitas dan menyelesaikan persoalan transportasi dan penugasan dengan memakai metode pencarian solusi yang sesuai

4 Kontrak Perkuliahan UTS : 15 % Pra UTS : 15 % UAS : 15 % Pra UAS : 15 % Quiz : 10 % Tugas Harian : 20 % Tugas Besar : 20% Prestasi : 10%

5 Penilaian A : nilai ≥ 85 AB : 85 > nilai ≥ 80 B : 80 > nilai ≥ 75 BC : 75 > nilai ≥ 70 C : 70 > nilai ≥ 65 D : 65 > nilai ≥ 55 E : 55 > nilai Nilai A hanya bila syarat Outstanding terpenuhi. Bentuk Outstanding:

6 Penilaian A : nilai ≥ 85 AB : 85 > nilai ≥ 80
BC : 75 > nilai ≥ 70 C : 70 > nilai ≥ 65 D : 65 > nilai ≥ 55 E : 55 > nilai

7 Tugas Tugas kebanyakan dilakukan secara paperless
Kita menggunakan system Loker Online Buat folder masing-masing di google drive: tinyurl.com/opre1telu Kerjakan tugas taruh di folder masing-masing Ada beberapa tugas yang format pengumpulannya mengumpulkan di google spreadsheet atau google form

8 Tugas BESAR Tugas besar dilakukan dua kali. Sebelum dan sesudah UTS
Poin penilaian tugas besar (Dalam konfirmasi) Pemilihan objek Kedalaman analisis Pemilihan tools Perumusan masalah Penulisan dll

9 PERFORMA HARIAN Setiap hari ada ujian lisan yang diberikan secara random kepada mahasiswa Dosen akan berusaha menghafa setiap nama dan wajah Setiap pecan akan dinilai performa di kelas. Dalam hal perilaku, pengerjaan latihan, dll

10 Kehadiran dan Keterlambatan
Keterlambatan setiap menit nya akan dihitung dan mempengaruhi nilai Hadir sebelum dosen akan mendapatkan nilai tambahan Kehadiran minimal 75% kali 21 pertemuan masing- masing 2 jam menjadi 15,75 Ketidakhadiran dapat diganti dengan kompensasi beruapa menghadiri forum ilmiah lain seperti seminar training dll,, (2 forum ilmiah menggantikan satu kehadiran) Bila kehadiran kurang dari 75% maka nilai UAS dan atau UTS di-nol kan

11 Ketidakhadiran yang dianggap hadir
Mengikuti lomba Demonstrasi membela rakyat kecil Asal jangan terlalu sering

12

13

14

15

16 OUTSTANDING Nilai maksimum adalah AB meskipun nilai akhir 100
Untuk mengubah nilai di atas 80 yang awalnya AB menjadi A adalah dengan aspek outstanding Yaitu mahasiswa membuat atau berperan dalam suatu karya yang mengagumkan dan fenomenal Misalkan Menang lomba Membuat paper penelitian dll

17 Tugas 1.a Pembagian outstanding
KETUA KELAS harap memimpin diskusi dengan rekan mahasiswa siswa Penelitian -buat paper penelitian -review paper Akademik video pembelajaran Berprestasi pada kompetisi Animasi software pengabdian masyarakat Pengabdian Masyarakat -Penerapan OR dalam problem real masyarakat Penujang -Menjadi Ketua Kelas -Menteri Nilai Kuliah -Menteri Kehadiran -Menteri Tepat waktu Kerjakan lalu tuliskan pada link Google spread sheet: Deadline 24 Januari 2015 pukul 22:45:16

18 Komunikasi Blog : or1telu.blogspot.com Ask.fm Via ketua kelas
Awasi dan waspadai terus blog Ask.fm Via ketua kelas Bila harus sms dosen, pastikan untuk hal yang penting saja Tidak menerima telpon dari mahasiswa (sebelum telpon SMS dulu) Sebelum ingin bertemu, sms dulu

19 . Bagan bahasan OR 1 Basic Penyelesaian Linear Programming
Pemodelan Linear Programming Solusi Grafis Basic Feasible Solution Tabel Simplex Primal dan Dual Turunan dari Linear Programming Integer Programming Model Transportasi Model Penugasan Network Analysis .

20 Satuan Acara Perkuliahan
PERTEMUAN KE- KEMAMPUAN/KOMPETENSI AKHIR YANG DIHARAPKAN BAHAN KAJIAN (MATERI AJAR) BENTUK PEMBELAJARAN KRITERIA (INDIKATOR) PENILAIAN BOBOT NILAI 1 2 3 4 5 6 Menjelaskan definisi dan ruang lingkup operational research Menjelaskan contoh kasus operational research Definisi dan ruang lingkup operational research Contoh kasus operational research Kuliah tatap muka Penayangan video contoh kasus operational research Discovery learning Ketepatan penjelasan definisi dan ruang lingkup operational research Ketepatan penjelasan contoh kasus dari video yang ditayangkan Memilah contoh kasus yang dapat diselesaikan dengan operational research Membuat contoh kasus yang dapat diselesaikan dengan operational research Poster session Ketepatan contoh kasus yang dibuat Ketepatan review terhadap suatu contoh kasus Menentukan fungsi tujuan, variabel keputusan, dan pembatas dari suatu contoh kasus Merumuskan model matematik Fungsi tujuan, variabel keputusan, dan pembatas Model matematik linear programming Cooperative learning Ketepatan dalam menentukan fungsi tujuan, variabel keputusan, dan pembatas Ketepatan model matematik yang dibuat

21 Satuan Acara Perkuliahan
4 Merepresentasikan model matematik linear programming ke dalam bentuk grafis Menentukan solusi optimal masalah linear programming dengan metode grafis Representasi model matematik linear programming dalam bentuk grafis Penentuan solusi optimal masalah linear programming dengan metode grafis Kuliah tatap muka Cooperative learning Ketepatan dalam merepresentasikan model matematik ke dalam bentuk grafis Ketepatan solusi optimal yang ditentukan 5 Membedakan solusi optimal dan solusi khusus Melakukan hasil analisis sensitivitas dengan metode grafis Solusi optimal dan solusi khusus (solusi tak layak, solusi alternatif, dan solusi tak terbatas) dalam metode grafis Analisis sensitivitas dengan metode grafis Ketepatan pengelompokan solusi ke dalam solusi optimal atau solusi khusus Ketepatan analisis sensitivitas yang dilakukan 6 Merumuskan bentuk standar dari model linear programming Menjelaskan konsep matriks basis Mengidentifikasi solusi basis layak Bentuk standar model linear programming Konsep matriks basis Konsep solusi basis layak Ketepatan bentuk standar model linear programming yang dirumuskan Ketepatan konsep matriks basis yang dijelaskan Ketepatan identifikasi solusi basis layak

22 Satuan Acara Perkuliahan
7 Menerapkan metode simplex untuk mendapatkan solusi optimal dari model linear programming Prinsip dalam metode simplex Langkah umum metode simplex Kuliah tatap muka Cooperative learning Ketepatan solusi optimal yang didapatkan dari penerapan metode simplex 8 Merepresentasikan bentuk standar model linear programming dalam bentuk tabel simplex Menerapkan metode simplex untuk mendapatkan solusi optimal dari model linear programming kasus maksimasi Representasi bentuk standar model linear programming dalam bentuk tabel simplex Langkah umum metode simplex dalam bentuk tabel untuk kasus maksimasi Ketepatan representasi bentuk standar model linear programming ke dalam tabel simplex Ketepatan solusi optimal yang didapatkan dari penerapan metode simplex untuk kasus maksimasi 9 Menerapkan metode simplex untuk mendapatkan solusi optimal dari model linear programming kasus minimasi Mengidentifikasi solusi khusus dalam tabel simplex Langkah umum metode simplex dalam bentuk tabel untuk kasus minimasi Solusi khusus dalam tabel simplex Ketepatan solusi optimal yang didapatkan dari penerapan metode simplex untuk kasus minimasi Ketepatan identifikasi solusi khusus dalam tabel simplex

23 Satuan Acara Perkuliahan
10 Menerapkan konsep variabel semu dalam model linear programming Menerapkan metode simplex big M untuk mendapatkan solusi optimal dari model linear programming Konsep variabel semu Metode simplex dengan pendekatan big M Kuliah tatap muka Cooperative learning Ketepatan penerapan konsep variabel semu dalam model linear programming Ketepatan solusi optimal yang didapatkan dari penerapan metode simplex big M 11 Menerapkan metode simplex dua fasa untuk mendapatkan solusi optimal dari model linear programming Metode simplex dengan pendekatan dua fasa Ketepatan solusi optimal yang didapatkan dari penerapan metode simplex dua fasa 12 Melakukan hasil analisis sensitivitas dengan metode simplex Analisis sensitivitas dengan metode simplex Ketepatan analisis sensitivitas yang dilakukan

24 Satuan Acara Perkuliahan
13 Menerapkan teori dualitas Teori dualitas Kuliah tatap muka Cooperative learning Ketepatan solusi optimal yang didapatkan dari penerapan teori dualitas 14 Menerapkan hubungan primal-dual untuk menentukan solusi optimal dari model linear programming Hubungan primal-dual Ketepatan solusi optimal yang ditentukan menggunakan hubungan primal-dual 15 Menerapkan metode simplex dual untuk menentukan solusi optimal dari model linear programming Metode simplex dual Ketepatan solusi optimal yang ditentukan menggunakan metode simplex dual 16 Menjelaskan konsep integer programming Memilah contoh kasus yang termasuk integer programming Konsep integer programming Contoh model integer programming Discovery learning Poster session Ketepatan konsep integer programming yang dijelaskan Ketepatan contoh kasus yang diberikan 17 Menerapkan metode branch and bound untuk menentukan solusi optimal dari model integer programming Metode branch and bound Ketepatan solusi optimal yang ditentukan menggunakan metode branch and bound

25 Satuan Acara Perkuliahan
18 Menerapkan metode branch and bound untuk menentukan solusi optimal dari model integer programming Metode brach and bound Kuliah tatap muka Cooperative learning Ketepatan solusi optimal yang ditentukan menggunakan metode branch and bound 19 Menentukan fungsi tujuan, variabel keputusan, dan pembatas dari suatu contoh kasus nyata Merumuskan model matematik untuk suatu contoh kasus nyata Menentukan solusi optimal untuk suatu contoh kasus nyata dengan menggunakan software Contoh kasus nyata linear programming Contextual Instruction Ketepatan dalam menentukan fungsi tujuan, variabel keputusan, dan pembatas Ketepatan model matematik yang dibuat Ketepatan solusi optimal yang dihasilkan dengan menggunakan software 20 Poster session

26 Satuan Acara Perkuliahan
21 Menjelaskan definisi dari kasus transportasi Menentukan solusi layak awal dengan metode north west corner Menentukan solusi layak awal dengan metode least cost Menentukan solusi layak awal dengan VAM (Vogel Approximation Method) Definisi kasus transportasi Pencarian solusi layak awal dengan metode north west corner Pencarian solusi layak awal dengan metode least cost Pencarian solusi layak awal dengan VAM (Vogel Approximation Method) Kuliah tatap muka Game Cooperative learning Ketepatan penjelasan definisi dari kasus transportasi Ketepatan solusi layak awal yang ditentukan menggunakan metode north west corner Ketepatan solusi layak awal yang ditentukan menggunakan metode least cost Ketepatan solusi layak awal yang ditentukan menggunakan VAM (Vogel Approximation Method) 22 Menentukan solusi optimal dengan metode U-V Menentukan solusi optimal dengan metode stepping stone Pencarian solusi optimal dengan metode U-V Pencarian solusi optimal dengan metode stepping stone Poster session Ketepatan solusi optimal yang ditentukan menggunakan metode U-V Ketepatan solusi optimal yang ditentukan menggunakan metode stepping stone

27 Satuan Acara Perkuliahan
23 Menjelaskan definisi kasus transshipment Menentukan solusi optimal untuk kasus transshipment Definisi kasus transshipment Pencarian solusi untuk kasus transshipment Kuliah tatap muka Cooperative learning Ketepatan definisi kasus transshipment yang dijelaskan Ketepatan solusi optimal untuk kasus transshipment 24 Menjelaskan definisi kasus assignment Menentukan solusi optimal untuk kasus assignment dengan metode hungarian Definisi kasus assignment Pencarian solusi optimal dengan metode hungarian Ketepatan definisi kasus assignment yang dijelaskan Ketepatan solusi optimal untuk kasus assignment dengan metode hungarian 25 Menjelaskan definisi analisis jaringan Membuat model analisis jaringan Menjelaskan definisi kasus spanning tree Menentukan solusi optimal untuk kasus spanning tree Definisi analisis jaringan Model analisis jaringan Definisi kasus spanning tree Pencarian solusi optimal untuk kasus spanning tree Ketepatan definisi analisis jaringan yang dijelaskan Ketepatan model analisis jaringan yang dibuat Ketepatan definisi kasus spanning tree yang dijelaskan Ketepatan solusi optimal untuk kasus spanning tree

28 Satuan Acara Perkuliahan
26 Menjelaskan definisi kasus shortest path Menentukan solusi optimal untuk kasus shortest path Menjelaskan definisi kasus maximum flow Menentukan solusi optimal untuk kasus maximum flow Definisi kasus shortest path Pencarian solusi optimal untuk kasus shortest path Definisi kasus maximum flow Pencarian solusi optimal untuk kasus maximum flow Kuliah tatap muka Cooperative learning Ketepatan definisi kasus shortest path yang dijelaskan Ketepatan solusi optimal untuk kasus shortest path Ketepatan definisi kasus maximum flow yang dijelaskan Ketepatan solusi optimal untuk kasus maximum flow 27 Menjelaskan definisi traveling salesman problem Menentukan solusi optimal untuk traveling salesman problem dengan metode exact Definisi traveling salesman problem Pencarian solusi optimal untuk kasus traveling salesman problem dengan metode exact Poster session Ketepatan definisi traveling salesman problem yang dijelaskan Ketepatan solusi optimal untuk traveling salesman problem dengan metode exact 28 Menentukan solusi optimal untuk traveling salesman problem dengan metode heuristic Pencarian solusi optimal untuk kasus traveling salesman problem dengan metode heuristic Ketepatan solusi optimal untuk traveling salesman problem dengan metode heuristic

29 Referensi Sebutkan 4 Buku Utama yang digunakan :
Hamdy A. Taha, Operations Researchs an Introduction, 8th edition, Pearson Prentice Hall, 2007. Frederick S. Hillier & Gerald J. Lieberman, Introduction to Operations Research, McGraw-Hill College, 2001. H. A. Eiselt & Carl-Louis Sandblom, Operations Research: A Model-Based Approach, Springer, 2010. Wayne L. Winston, Operations Research: Applications and Algorithms, Duxbury Press, 2003.

30 Pendahuluan

31 Tujuan PEMBELAJARAN Setelah mengikuti mata kuliah ini :
Mahasiswa mampu mengategorikan variabel keputusan, fungsi tujuan, dan pembatas dalam masalah-masalah yang bersifat deterministik sehingga terbentuk formulasi model linear programming dan turunannya seperti model integer programming, transportasi, transshipment, penugasan, dan analisis jaringan. Mahasiswa mampu menerapkan metode simplex dan pengembangannya untuk menyelesaikan persoalan linear programming. Mahasiswa mampu menerapkan metode pencarian solusi yang sesuai untuk menyelesaikan persoalan integer programming, transportasi, transshipment, penugasan, dan analisis jaringan. Mahasiswa mampu menggunakan software untuk menyelesaikan persoalan linear programming, integer programming, transportasi, penugasan, dan analisis jaringan. Mahasiswa mampu menganalisis solusi persoalan linear programming beserta turunannya seperti persoalan integer programming, transportasi, transshipment, penugasan, dan analisis jaringan.

32 . Kuliah Prasyarat Matriks dan Ruang Vektor Teori Probabilitas

33 Mind Map Operational Research 1
. Mind Map Operational Research 1

34 . Bagan bahasan OR 1 Basic Penyelesaian Linear Programming
Pemodelan Linear Programming Solusi Grafis Basic Feasible Solution Tabel Simplex Primal dan Dual Turunan dari Linear Programming Integer Programming Model Transportasi Model Penugasan Network Analysis .

35 . Pendahuluan week I Tujuan: Paham definisi & lingkup OR
Why,TI-OR,kisah 4 tahun elektro,analogi SD-SMA Pendahuluan week I Tujuan: Paham definisi & lingkup OR Paham konsep model matematis perumusan PL . Back Sumber“:Morganasianipar.com

36 . Linear programming week II Tujuan:
Ingat Pelajaran SMA Linear programming week II Tujuan: Fungsi tujuan, variabel keputusan, & pembatas. Masalah nyata  Model matematis PL Bentuk pertidaksamaan & standar . Back Sumber“:math.tutorvista.com

37 . Solusi Grafis week III Tujuan:
Ingat Cara cepat mencari titik maksimum Solusi Grafis week III Tujuan: Penyelesaian masalah PL dengan metode grafis Paham masalah optimal, khusus & unik . Back Sumber“:math.tutorvista.com

38 Basic Feasible Solution
Dengan matrix Basic Feasible Solution week IV Tujuan: Konsep matriks basis dan invers Konsep pembentukan matriks solusi . Back Sumber“:en.Wikipedia.org

39 . Tabel Simplex week V Berjalan, dalam labirin Tujuan:
Konsep pemecahan LP dengan metode Simplex Paham solusi unik & alternative Konsep Tabel Simplex Paham solusi-solusi dalam tabel simplex Masalah dengan variabel & pembatas khusus Metode 2 Fasa & Big M . Back Sumber“:en.Wikipedia.org, yuanagitayanuari.blogspot.com

40 . Primal - Dual week IX Tujuan:
Menyederhanakan rumus Primal - Dual week IX Tujuan: Solusi Optimal dengan perubahan Fungsi Tujuan, Variabel Keputusan, Pembatas, Vektor & RHS. . Back Sumber“:geekologie.com

41 . Bagan bahasan OR 1 Basic Penyelesaian Linear Programming
Pemodelan Linear Programming Solusi Grafis Basic Feasible Solution Tabel Simplex Primal dan Dual Turunan dari Linear Programming Integer Programming Model Transportasi Model Penugasan Network Analysis .

42 . Integer Programming week X Tujuan: Masalah & Solusi variabel integer
Cerita asrama IPB Integer Programming week X Tujuan: Masalah & Solusi variabel integer Metode Branch and Bound . Back Sumber“:www.canstockphoto.com

43 Transportation method
.. Transportation method week XI Tujuan: Konsep metode transportasi & penerapan Konsep solusi optimal masalah transportasi . Back Sumber“:…

44 transportasi Sumber: 9gag.com

45 . Assignment week XII Tujuan: Konsep assigment & penerapan
Ingat Pelajaran SMA Assignment week XII Tujuan: Konsep assigment & penerapan metode pencarian solusi optimal . Back Sumber“:math.tutorvista.com

46

47 Assigment: Pembagian Tugas

48 . Network analysis week XIII Tujuan:
Konsep node, arch, hubungan antar node Masalah pencarian rute terpendek Masalah Spanning Tree & solusi optimal Masalah Maximum Flow Travel Salesman Problem & solusi optimal . Back

49

50 Quiz 1.a Pemahaman Engineering dan OR
Quiz 1 (10 menit) 1.Sebagai insinyur, kita melihat temuan sains sebagai dasar merancang artefak. Sebagai contoh, saintis menemukan bahwa ada gravitasi, insinyur merancang serodotan. Sebagai insinyur, apa yang akan anda rancang bila mengetahui ada fakta bahwa: Cahaya bisa dipantulkan (Fisika) 2.Mengapa teknik teknik Industri membutuhkan keilmuan Operation Research Jawaban di-SMS-kan ke dengan format: Nim_Nama_Jawaban no 1_Jawaban no 2 ..


Download ppt "Operational Research 1 (IE G2M3)"

Presentasi serupa


Iklan oleh Google