Upload
danang-dwi-s
View
200
Download
18
Embed Size (px)
DESCRIPTION
manajemen sains
Citation preview
1
MANAJEMEN SAINS(Management Science)
Dr. M. Hartun Sunjata, Drs, MSc.
2
CV
Pendidikan
Sarjana Matematika 1964
MSc in Operations Research NPGS USA
1974
Dr Manajemen Pendidikan UNJ 2005
3
Pekerjaan
- TNI-AU 1964 – 1996
- Dosen 1979 –
- Ketua STMIK Budi Luhur 1991 – 1999
- Direktur ASTRI Budi Luhur 2001 – 2005
- Deputi Senior Rektor UBL 2009 – 2011
- Direktur Pascasarjana UBL 2010 – 2011
- Rektor II UBL 2011 –
- Dewan Pembina Pendidikan Yayasan Pendidikan Budi Luhur Cakti
Kontrak perkuliahan
Kuliah : 14 kali + UTS + UAS
Kehadiran : Paling sedikit 80 % dari total pertemuan
Nilai : Presensi (10 %)
Tugas (20 %)
UTS (30 %) + UAS (40 %)
Remedial : Diberikan bagi mereka yang belum lulus dan berhak, tetapi tidak ada jaminan harus lulus
4
Cara belajar yang baik
1. Sedikit demi sedikit setiap hari, terutama mata kuliah untuk hari berikutnya (tidak hanya menjelang ujian saja)
2. Tidak sering terlambat atau tidak ikut kuliah
3. Mencatat apa yang dijelaskan dosen
4. Mengerjakan tugas yang diberikan secara mandiri (tidak hanya menyontek)
5. Bertanya jika ada hal yang belum jelas
5
Penyebab kegagalan
1. Sering terlambat atau tidak masuk kuliah
2. Catatan tidak lengkap
3. Tidak serius mendengarkan dan mencatat
4. Jarang mengerjakan tugas
5. Jarang bertanya hal yang kurang jelas
6. Belajar hanya menjelang ujian
6
Hari kuliah
Senin : Kelompok AB
jam : 11.35
Ruang : 83B
Rabu : Kelompok AA
jam : 08.00
Ruang : 635
7
8
Mata kuliah
Nama berbeda – isi sama
- Management Science
- Scientific Management
- Quantitative Management
- Quantitative Approach to Management
- Quantitative Analysis for Management
- Operations Research
Mengapa perlu kuantitatif
Tugas manajer : Memutuskan
Memutuskan : Memilih alternatif terbaik
Memilih : Membandingkan
Membandingkan : Perlu alat pembanding
9
10
Pengertian
Manajemen sains :
= Alat analisis dalam manajemen
= Ciri-ciri :
- Menggunakan model
- Bersifat Kuantitatif
- Mencapai kondisi optimal
11
Pengertian
= Model : Formula matematik yang memiliki
sifat-sifat dari masalah yang dianalisis
= Kuantitatif : Memuat variabel yang dapat
ditentukan nilainya dengan angka
= Optimal : 1. Maximumkan output jika
inputnya terbatas
2. Minimumkan input utk mencapai
output yang ditentukan
12
Perhatikan
1. Kerjakan soal-soal latihan
2. Tanyakan jika ada kesulitan
3. Soal ujian akan diambilkan dari soal latihan
4. Ujian (UTS dan UAS) buka buku
13
Model-model M.S.
1. Linear Programming (*)2. Game 3. Transportation (*)4. Assignment5. Dynamic Programming (*)6. Queue7. Decision making (*)8. Etc.
14
Contoh Model - 1
Seorang ibu membuat baju dan celana anak untuk dijual. Bahan baku dibeli dengan harga Rp. 3000,-/baju dan Rp7500,-/celana. Penjahitan memerlukan biaya Rp4000,- per potong dengan waktu 120 menit/baju dan 180 menit/celana. Tersedia total Rp54000,- untuk membeli bahan, Rp40000- untuk biaya jahit, dan 24 jam untuk waktu menjahit. Diperoleh keuntungan sebesar Rp2000,-/baju dan Rp2500,-/celana. Ingin diperoleh total keuntungan sebesar mungkin.
15
Model-1
Maksimumkan Z = 2 x1 + 2.5 x2
Kendala : 3 x1 + 7.5 x2 ≤ 54
4 x1 + 4 x2 ≤ 40
2 x1 + 3 x2 ≤ 24
x1 , x2 ≥ 0
16
Contoh Model - 2
Sebuah industri memiliki 4 buah pabrik P1, P2, P3, dan P4. Setiap hari dihasilkan produk seba- nyak 70 unit di P1, 30 unit di P2, 80 unit di P3, dan 20 unit di P4. Produk harus dipindahkan ke 5 gudang G1, G2, G3, G4, dan G5 masing-masing dengan daya tampung tampung 40 unit di G1, 50 unit di G2, 30 unit di G3, 30 unit di G4, dan 50 unit di G5. Ingin memindahkan seluruh persediaan dengan total biaya sekecil mungkin. Biaya untuk memindahkan setiap unit dari setiap pabrik ke gudang (dalam ribuan rupiah) adalah sebagai berikut.
17
Matriks biaya alokasi/unit
Gudang Perse-
Pabrik G1 G2 G3 G4 G5 diaan
P1 5 7 8 4 6 70
P2 7 3 6 5 8 30
P3 9 6 2 4 5 80
P4 4 8 4 7 6 20
Daya tampung 40 50 30 30 50
Masalah : Bagaimana cara pengalokasian produk dari setiap pabrik ke gudang dg total biaya minimum
18
Contoh Model – 3
Sebuah toko merencanakan persediaan komoditi untuk tiga bulan : Mei, Juni, dan Juli. Persediaan pada awal Mei = 0. Komoditi dipesan dari pemasok dengan harga setiap unit $60,- selama bulan Mei dan Juni dan menjadi $75,- pada bulan Juli. Perkiraan jumlah kebutuhan (unit) adalah 50 untuk Mei, 100 untuk Juni, dan 40 untuk Juli. Setiap kali pemesanan diperlukan biaya $100,- dan jika komoditi disimpan setiap bulan memerlukan biaya $10,- untuk setiap unit. Ingin ditentukan cara pemesanan untuk memenuhi kebutuhan dengan biaya sekecil mungkin.
19
Contoh Model – 4
Modal sebesar $1500,- akan digunakan investasi pada 3 jenis komoditi. Ingin ditentukan cara investasi untuk mem- peroleh total keuntungan sebesar mungkin. Data ketiga komoditi adalah sebagai berikut :
Komoditi A B C Harga beli/unit $150 200 325 Keuntungan/unit 20 30 45
20
Contoh Model – 5
Sebuah perusahaan jasa angkutan barang ingin menambah armada angkutannya. Tersedia 3 alternatif truk yg dapat dibeli, yaitu truk kecil (Kc), medium (Md) , dan besar (Bs). Keuntungan yg dpt diperoleh dari setiap truk akan bergantung pada kondisi permintaan yang akan datang. Permintaan dikategorikan menjadi 4 macam : Sedikit (St), sedang (Sg), banyak (Bk), sangat banyak (Sb).
21
Matriks pay-off (keuntungan)dari keputusan / kondisi
Besarnya keuntungan (ribuan $) dari setiap alternatif keputusan dan permintaan adalah sebagai berikut :
Tipe Permintaan
truk St Sd Bk Sb Masalah :
Kc 25 20 15 10 Tipe truk
Md 20 25 15 12 mana yg
Bs -20 -5 30 40 dibeli ?
22
LINEAR PROGRAMMING
- Mencari hasil maksimum dalam
keterbatasan biaya (input)
- Menentukan biaya minimum utk
mencapai hasil yang ditentukan
- Banyak digunakan dalam proses
produksi
23
Bentuk umum model
Max(Min) Z = c1x1 + c2x2 + .... + cnxn
Kendala : a11x1 + a12x2 + .... + a1nxn ≤≥ b1
a21x1 + a22x2 + .... + a2nxn ≤≥ b2
.......
am1x1 + am2x2 + .... + amnxn ≤≥ bm
x1 , x2 , .... , xn ≥ 0
24
xj : variabel keputusan, yg akan ditentukan
harganya
Z = c1 x1 + c2 x2 + .... + cn xn : fungsi
tujuan
ai1 x1 + ai2 x2 + .... + ain xn ≤≥ bi : fungsi
pembatas (kendala)
xj ≥ 0 : kendala non negatif
25
Kendala non negatif
xj ≥ 0 : Syarat agar model memiliki penyelesaian optimal Substitusi variabel
- Jika ada xj ≤ 0 substitusikan xj = - uj
sehingga uj ≥ 0
- Jika ada harga xj yang tidak dibatasi (boleh negatif, nol, atau positif)
substitusikan xj = uj – vj untuk uj , vj ≥ 0
26
Kendala non negatif
Contoh : Maks. Z = 3 x1 + 2x2 + 5 x3
Kendala : 2 x1 + x2 + 2 x3 ≤ 6
4 x1 + 3 x2 - x3 ≤ 8
x1 , x2 ≥ 0
x3 ≤ 0
Substitusi x3 = - u3 menjadi
Maks. Z = 3 x1 + 2x2 - 5 u3
Kendala : 2 x1 + x2 - 2 u3 ≤ 6
4 x1 + 3 x2 + u3 ≤ 8
x1 , x2 , u3 ≥ 0
27
Kendala non negatif
Contoh : Min. Z = 5 x1 + 6 x2
Kendala : 3 x1 + 4 x2 ≥ 12
3 x1 + 2 x2 ≥ 6
2 x1 + 5 x2 ≥ 10
x2 ≥ 0 dan x1 tidak dibatasi
Substitusi x1 = u1 - v1 menjadi
Maks. Z = 5 u1 - 5 v1 + 6 x2
Kendala : 3 u1 - 3 v1 + 4 x2 ≥ 12
3 u1 - 3 v1 + 2 x2 ≥ 6
2 u1 - 2 v1 + 5 x2 ≥ 10
u1 , v1 , x2 ≥ 0
28
Pembentukan model
1. Visualisasi data
2. Penentuan variabel keputusan
3. Penentuan fungsi tujuan
4. Penentuan fungsi-fungsi pembatas
5. Penulisan model
29
Contoh Model-1
Seorang ibu membuat baju dan celana anak untuk dijual. Bahan baku dibeli dengan harga Rp. 3000,-/baju dan Rp7500,-/celana. Penjahitan memerlukan biaya Rp4000,- per potong dengan waktu 120 menit/baju dan 180 menit/celana. Tersedia total Rp54000,- untuk membeli bahan, Rp40000- untuk biaya jahit, dan 24 jam untuk waktu menjahit. Diperoleh keuntungan sebesar Rp2000,-/baju dan Rp2500,-/celana. Ingin diperoleh total keuntungan sebesar mungkin.
30
Visualisasi data
Keuntungan = Jumlah keuntungan baju dan keuntungan celana
Misal x1 = banyaknya baju yg diproduksi
x2 = banyaknya celana yg diproduksi Total keuntungan
Z = 2000 x1 + 2500 x2
31
Visualisasi data
Produk
Baju Celana Jml
Keuntungan 2 2.5 Max
Biaya bahan 3 7.5 54
Biaya jahit 4 4 40
Lama jahit 2 3 24
Banyak produk x1 x2
32
Perumusan masalah
Total keuntungan : Z = 2 x1 + 2.5 x2
Pembatas :
Biaya bahan : 3 x1 + 7.5 x2 ≤ 54
Biaya jahit : 4 x1 + 4 x2 ≤ 40
Lama menjahit : 2 x1 + 3 x2 ≤ 24
Banyak produk : x1 , x2 ≥ 0
33
Model
Maksimumkan Z = 2 x1 + 2.5 x2
Kendala : 3 x1 + 7.5 x2 ≤ 54
4 x1 + 4 x2 ≤ 40
2 x1 + 3 x2 ≤ 24
x1 , x2 ≥ 0
34
Contoh Model-2
Seorang peternak sapi ingin melakukan efisiensi dalam pemeliharaan ternaknya. Seekor sapi setiap hari memerlukan tiga macam nutrisi berturut-turut sebanyak 12 unit N1, 7 unit N2, dan 10 unit N3, yang diperoleh dari dua macam bahan makan M1 dan M2. Setiap kg bahan M1 dibeli dengan harga Rp 12000,- memuat 3 unit N1, satu unit N2, dan 2 unit N3. Setiap kg M2 dibeli dengan harga Rp9000,- memuat masing-masing satu unit N1, N2, dan N3. Ingin meme- nuhi kebutuhan nutrisi bagi sapi dengan biaya makan sekecil mungkin.
35
Visualisasi data
Biaya = Jumlah biaya pembelian kedua bahan makanan
Misal x1 = banyaknya bahan M1 yg dibeli
x2 = banyaknya bahan M2 yg dibeli Total biaya
Z = 12000 x1 + 9000 x2
36
Visualisasi data
Bahan
M1 M2 Jml
Biaya 12 9 Min
Kandungan N1 3 1 12
Kandungan N2 1 1 7
Kandungan N3 2 1 10
Banyak bahan x1 x2
37
Perumusan masalah
Total biaya : Z = 12 x1 + 9 x2
Pembatas : Kandungan nutrisi
N1 : 3 x1 + x2 ≥ 12
N2 : x1 + x2 ≥ 7
N3 : 2 x1 + x2 ≥ 10
Banyak bahan : x1 , x2 ≥ 0
38
Model
Minimumkan Z = 12 x1 + 9 x2
Kendala : 3 x1 + x2 ≥ 12
x1 + x2 ≥ 7
2 x1 + x2 ≥ 10
x1 , x2 ≥ 0
39
Contoh Model-3
Sebuah kontraktor akan mengerjakan 3 proyek P1, P2, dan P3. Setiap hari kebutuhan pasir adalah 40 truk di P1, 30 truk di P2, dan 70 truk di P3. Pasir diambil dari 3 lokasi L1, L2, dan L3. Tersedia pasir sebanyak 60 truk di L1, 20 truk di L2, dan 60 truk di L3. Biaya angkut setiap truk pasir (puluhan ribu Rp) dari L1 : 9 ke P1, 6 ke P2, dan 5 ke P3, dari L2 : 5 ke P1, 8 ke P2, dan 7 ke P3, dari L3 : 7 ke P1, 5 ke P2, dan 9 ke P3. Ingin memenuhi semua kebutuhan pasir dengan total biaya sekecil mungkin.
40
Visualisasi data
Lokasi Proyek Sup -
asal P1 P2 P3 ply
L1 9(x11) 6(x12) 5(x13) 60
L2 5(x21) 8(x22) 7(x23) 20
L3 7(x31) 5(x32) 9(x33) 60
Demand 40 30 70
41
Perumusan masalah
Total biaya ;
Z = 9 x11 + 6 x12 + ..... + 5 x32 + 9 x33 Pembatas :
Persediaan L1 : x11 + x12 + x13 ≤ 60
L2 : x21 + x22 + x23 ≤ 20
L3 : x31 + x32 + x33 ≤ 60
Kebutuhan P1 : x11 + x21 + x31 ≥ 40
P2 : x12 + x22 + x32 ≥ 30
P3 : x13 + x23 + x33 ≥ 70
42
Model
Minimumkan
Z = 9 x11 + 6 x12 + ..... + 5 x32 + 9 x33
Kendala : x11 + x12 + x13 ≤ 60
x21 + x22 + x23 ≤ 20
x31 + x32 + x33 ≤ 60
x11 + x21 + x31 ≥ 40
x12 + x22 + x32 ≥ 30
x13 + x23 + x33 ≥ 70
x11 , x12 , ..... , x32 , x33 ≥ 0
43
Soal latihan Model-1
Sebuah perusahaan pupuk menggunakan 2 jenis bahan baku B1 dan B2. Setiap kilogram bahan baku B1 dibeli seharga $5,- memuat 14 gr nitrogen (Ni), 15 gr posphat (Ph), dan 10 gr potas (Po), sedangkan 1 kg B2 seharga $3,- memuat 20 gr Ni dan 12 gr Ph. Setiap kantong pupuk harus memuat paling sedikit 40 gr Ni, 73 gr Ph, dan 18 gr Po. Ingin menghasilkan produk dengan biaya bahan baku sekecil mungkin.
44
Visualisasi data
Bahan
B1 B2 Total
Harga/kg $5 $3 Minimum
Muatan Ni 14 20 40
Ph 15 12 73
Po 10 - 18
Jml yg dibeli X1 X2
45
Model - 1
Model :
Minimumkan Z = 5 x1 + 3 x2
Kendala : 14 x1 + 20 x2 ≥ 40
15 x1 + 12 x2 ≥ 73
10 x1 ≥ 18
x1 , x2 ≥ 0
46
Soal latihan Model-2
Perusahaan komputer Incom memproduksi 2 tipe komputer PC, jenis Delta (D) dan Epsilon (E). Setiap bulan Incom harus menghasilkan paling sedikit 10 unit D dan 15 unit E. Waktu yang diperlukan untuk merakit setiap unit adalah 20 jam untuk D dan 25 jam untuk E. Terdapat 5 orang teknisi perakit yang masing-masing bekerja selama 160 jam setiap bulan. Harga jual setiap unit adalah $1200,- untuk D dan $1500,- untuk E. Formulasikan bentuk model agar diperoleh total penjualan sebanyak mungkin.
47
Visualisasi data Produk
D E Total
Harga 1200 1500 Maks.
Produk D 1 - 10
E - 1 15
Waktu 20 25 800 ( 5 orang x
160 jam)
Jml yg dibuat X1 X2
48
Model
Maks. Z = 1200 x1 + 1500 x2
Kendala : x1 ≥ 10
x2 ≥ 15
20 x1 + 25 x2 ≤ 800
x1 , x2 ≥ 0
49
Penyelesaian- Harga-harga variabel yang memenuhi
semua kendala dan menghasilkan harga optimal Z
- Metoda : 1. Grafik (*)
2. Aljabar
3. Simplex
Dapat digunakan paket program (QSB+, QM, dll)
50
Perbandingan antar metoda
Grafik Aljabar Simplex
Fungsi Max. / Max. / Max.
tujuan Min. Min. (manual)
Banyaknya 2 saja tidak tidak
variabel dibatasi dibatasi
Proses mudah, mudah, sulit,
cepat lambat cepat
51
Metode Grafik
- Dibatasi hanya 2 variabel
- Mencari Maksimum / Minimum
fungsi tujuan
- Menggunakan bidang koordinat
Cartesian.
52
Langkah-langkah
1. Buat bidang koordinat (X1 , X2)
2. Gambarkan garis-garis kendala
3. Tentukan daerah layak (DL) : Daerah
dalam bidang koordinat yang dibatasi oleh
semua garis kendala
4. Tentukan koordinat semua titik sudut DL
5. Tentukan harga Z setiap titik sudut
6. Penyelesaian : Titik sudut dg Z optimal
53
Koordinat Cartesian
Bidang yg dibatasi oleh 2 garis (disebut sumbu koordinat) berpotongan yg saling tegak lurus
X1 : Sumbu datar, dan X2 : Sumbu tegak Titik potong sumbu = Titik asal (titik nol)
P(x1 , x2) = Titik P dg koordinat (x1 , x2)
xi = Jarak proyeksi P pada sumbu Xi dg titik nol
54
Koordinat Cartesian
X2
x2 P(x1 , x2)
x1 X1
55
X2
3 P(6,3)
S(-4,2) 2
1
–4 –3 0 2 3 6 8 X1
–1 Q(8,-1)
R(-3,-2) –2
56
Menggambar garis
dan
menentukan DL
57
1. 3 X1 + 4 X2 ≤ 24
X2
3 X1 + 4 X2 = 24
X1 X2 6
0 6
8 0 DL
8 X1
58
2. 5 X1 + 2 X2 ≥ 20
X2
5 X1 + 2 X2 = 20 10
X1 X2
0 10 DL
4 0
4 X1
59
3. 3 X1 - 2 X2 ≤ 12
X2
3 X1 - 2 X2 = 12
X1 X2
0 - 6 4 X1
4 0 DL
- 6
60
4. -2 X1 + 3 X2 ≤ 18
X2
-2 X1 + 3 X2 = 18
X1 X2 6
0 6
-9 0 DL
-9 X1
61
5. 3 X1 ≤ 15
X2
3 X1 = 15
X1 X2
5 -
DL
5 X1
62
6. 7 X2 ≥ 28
X2
7 X2 = 28
X1 X2 DL
- 4 4
X1
63
7. Lebih dari satu kendala
3 X1 + 4 X2 ≤ 24
4 X1 + 3 X2 ≤ 24
X1 ≤ 4
X1 , X2 ≥ 0
64
X2
6 3 X1 + 4 X2 = 24
8 X1
65
X2
8
6 4 X1 + 3 X2 = 24
3 X1 + 4 X2 = 24
6 8 X1
66
3 X1 + 4 X2 ≤ 24 X2
4 X1 + 3 X2 ≤ 24
X1 ≤ 4 8
X1 , X2 ≥ 0 6
DL
4 6 8 X1
67
Contoh Grafik-1 (Mdl-1)
Maks. Z = 2 X1 + 2.5 X2
Kendala : 3 X1 + 7.5 X2 ≤ 54
4 X1 + 4 X2 ≤ 40
2 X1 + 3 X2 ≤ 24
X1 , X2 ≥ 0
68
3 X1 + 7.5 X2 ≤ 54
X2
7.2
18 X1
69
X2 3 X1 + 7.5 X2 ≤ 54 10 4 X1 + 4 X2 ≤ 40
7.2
10 18 X1
70
X2 3 X1 + 7.5 X2 ≤ 54
10 4 X1 + 4 X2 ≤ 40
2 X1 + 3 X2 ≤ 24
X1 , X2 ≥ 0 8 7.2 DL
10 12 18 X1
71
Penyelesaian
A : x1 = 10, x2 = 0, Z = (2)(10) + (2.5)(0) = 20
B : x1 = 0, x2 = 0, Z = (2)(0) + (2.5)(0) = 0
C : x1 = 0, x2 = 7.2, Z = (2)(0) + (2.5)(7.2) = 18
D : Titik potong antara (1) : 3 x1 + 7.5 x2 = 54
dengan (2) : 2 x1 + 3 x2 = 24
(1) : 3 x1 + 7.5 x2 = 54
2.5 x (2) : 5 x1 +7.5 x2 = 60
(1) – 2.5 x (2) : - 2 x1 = - 6 jadi x1 = 3
masuk ke (1) : 3 (3) + 7.5 x2 = 54 diperoleh x2 = 6 sehingga Z = (2)(3) + (2.5)(6) = 21
72
E : Titik potong antara (1) : 2 x1 + 3 x2 = 24
dengan (2) : 4 x1 + 4 x2 = 40
2 x (1) : 4 x1 + 6 x2 = 48
(2) : 4 x1 + 4 x2 = 40
2 x (1) – (2) : 2 x2 = 8 jadi x2 = 4
masuk ke (1) : 2 x1 + 3 (4) = 24 diperoleh x1 = 6 sehingga Z = (2)(6) + (2.5)(4) = 22
Penyelesaian :
Maks. Z = 22 untuk x1 = 6 dan x2 = 4
73
Contoh Grafik-2 (Mdl-2)
Minimumkan Z = 12 X1 + 9 X2
Kendala : 3 X1 + X2 ≥ 12
X1 + X2 ≥ 7
2 X1 + X2 ≥ 10
X1 , X2 ≥ 0
74
X2
3 X1 + X2 ≥ 12
12
4 X1
75
X2
3 X1 + X2 ≥ 12
X1 + X2 ≥ 7 7
4 7 X1
76
X2 12 A 10 DL 7 D C
B
4 5 7 X1
77
Penyelesaian
A : x1 = 0, x2 = 12, Z = (12)(0) + (9)(12) = 108
B : x1 = 7, x2 = 0, Z = (12)(7) + (9)(0) = 84
C : Titik potong antara (1) : 2 x1 + x2 = 10
dengan (2) : x1 + x2 = 7
(1) – (2) : x1 = 3
masuk ke (1) : 2 (3) + x2 = 10 diperoleh x2 = 4
sehingga Z = (12)(3) + (9)(4) = 72
78
D : Titik potong antara (1) : 3 x1 + x2 = 12
dengan (2) : 2 x1 + x2 = 10
(1) – (2) : x1 = 2
masuk ke (1) : 3 (2) + x2 = 12
diperoleh x2 = 6
sehingga Z = (12)(2) + (9)(6) = 78
Penyelesaian :
Min. Z = 72 untuk x1 = 3 dan x2 = 4
79
Contoh Grafik-3
Minimumkan Z = 4 X1 + 5 X2
Kendala : 3 X1 + X2 ≥ 6
X1 + X2 ≥ 3
- 2 X1 + X2 ≤ 2
X1 - 3 X2 ≤ 0
X1 , X2 ≥ 0
80
Grafik
X2
6
3 A 2 B DL C
-1 2 3 X1
81
Penyelesaian
A : Titik potong antara 3 x1 + x2 = 6 dengan
-2x1 + x2 = 2 yaitu x1 = 0.8 dan x2 = 3.6
sehingga Z = (4)(0.8) + (5)(3.6) = 21.2
B : Titik potong antara 3 x1 + x2 = 6 dengan
x1 + x2 = 3 yaitu x1 = 1.5 dan x2 = 1.5
sehingga Z = (4)(1.5) + (5)(1.5) = 13.5
C : Titik potong antara x1 - 3x2 = 0 dengan
x1 + x2 = 3 yaitu x1 = 2.25 dan x2 = 0.75
sehingga Z = (4)(2.25) + (5)(0.75) = 12.75
Hasl : Min. Z = 12.75 untuk x1 = 2.25 dan x2 = 0.75
82
Contoh Grafik-4
Maksimumkan Z = 6 X1 + 5 X2
Kendala : 3 X1 + 2 X2 ≤ 18
X1 – 4 X2 ≤ 0
3 X1 + 4 X2 ≤ 24
– 3 X1 + X2 ≤ 3
X1 , X2 ≥ 0
83
Grafik
X2
9
6 C
3 B DL D
E
-1 A 4 6 8 X1
84
Penyelesaian
A : x1 = x2 = 0, Z = (6)(0) + (5)(0) = 0
B : x1 = 0, x2 = 3, Z = (6)(0) + (5)(3) = 15
C : Titik potong antara -3 x1 + x2 = 3 dengan
3x1 + 4x2 = 24 yaitu x1 = 0.8 dan x2 = 5.4 sehingga Z = (6)(0.8) + (5)(5.4) = 31.8
D : Titik potong antara 3x1 + 4x2 = 24 dengan
3x1 + 2x2 = 18 yaitu x1 = 4 dan x2 = 3 sehingga Z = (6)(4) + (5)(3) = 39 (Maksimum)
E : Titik potong antara 3x1 + 2x2 = 18 dengan
x1 - 4x2 = 0 yaitu x1 = 5.14 dan x2 = 1.29 sehingga Z = (6)(5.14) + (5)(1.29) = 37.29
85
Penyelesaian dengan metoda Simpleks
Langkah-langkah :
1. Ubah fungsi tujuan menjadi bentuk Maks.
2. Ubah bentuk model menjadi bentuk baku (standar)
3. Tabulasikan model
4. Lakukan iterasi tabel menuju penyelesiaan optimal (maksimum)
86
Fungsi tujuan
- Jika fungsi tujuan telah berbentuk Maks., lanjutkan ke bentuk standar
- Jika fungsi tujuan berbentuk Min., ubah menjadi bentuk Maks., dengan memberi tanda negatif pada semua koefisien variabel
Contoh : Minimumkan Z = 12 X1 + 9 X2 menjadi
Maksimumkan W = -12 X1 - 9 X2
87
Bentuk baku (standar)
Semua kendala berbentuk persamaan
- Jika kendala berbentuk ≤ : tambahkan satu variabel dengan koefisien +1
Contoh : 2 X1 + 3 X2 ≤ 24 menjadi
2 X1 + 3 X2 + Xs = 24
Xs disebut variabel slack
88
Bentuk baku
- Jika kendala berbentuk ≥, tambahkan satu variabel dengan koefisien - 1
Contoh : 2 X1 + X2 ≥ 10 menjadi
2 X1 + X2 - Xs = 10
Xs disebut variabel surplus
89
Tabulasi
cj c1 c2 ..... cn
Basis X1 X2 ….. Xn bi
Xp … … ….. … …
Xq … … ….. … … ………
Xr … … ….. … …
Zj … … ….. … …
cj - Zj … … ….. …
90
Keterangan tabel
1. Kotak atas : - Baris pertama atas = Koefisien variabel pada fungsi tujuan - Baris kedua atas = Semua variabel keputusan 2. Kotak tengah : - Kolom kiri = Varibel basis (penyelesian) - Tengah = Koefisien kendala urut dari kendala pertama - Kolom kanan = Harga batas kendala - Variabel basis = variabel penyelesaian (sesuai dengan banyaknya kendala) Variabel lain = Non basis, harganya = 0
91
Keterangan tabel
3. Kotak bawah :
- baris pertama Zj = Cj . Xj , dimana
Cj = (matriks baris) harga koefisien basis pada fungsi tujuan
Xj = (matriks kolom) pada kolom X pada kotak tengah
Zj pada kolom terakhir = harga Z untuk basis
- Baris kedua = selisih cj dengan Zj merupakan indikator optimalitas
92
Contoh
Maksimumkan Z = 6 X1 + 5 X2
Kendala : 3 X1 + 2 X2 ≤ 18
X1 – 4 X2 ≤ 0
3 X1 + 4 X2 ≤ 24
– 3 X1 + X2 ≤ 3
X1 , X2 ≥ 0
93
Bentuk standar
Maks. Z = 6 X1 + 5 X2
Kendala : 3 X1 + 2 X2 + X3 = 18
X1 – 4 X2 + X4 = 0
3 X1 + 4 X2 + X5 = 24
– 3 X1 + X2 + X6 = 3
X1 , X2 , X3 , X4 , X5 , X6 ≥ 0
X3 , X4 , X5 , X6 : variabel slack
94
Tabel awal
cj 6 5 0 0 0 0
Basis X1 X2 X3 X4 X5 X6 bi
X3 3 2 1 0 0 0 18
X4 1 -4 0 1 0 0 0
X5 3 4 0 0 1 0 24
X6 -3 1 0 0 0 1 3
Zj 0 0 0 0 0 0 0
cj - Zj 6 5 0 0 0 0
95
MODEL TRANSPORTASI
- Mengalokasikan sejumlah persediaan
(supply) dari beberapa tempat asal ke
beberapa tempat tujuan yang memiliki
kapasitas daya tampung tertentu (demand)
- Alokasi optimal : Alokasi dengan total
biaya sekecil mungkin
96
Bentuk Model
B1 B2 ..... Bn Persediaan
A1 c11
x11
c12
x12
...
...
c1n
x1n
a1
A2 c21
x21
c22
x22
...
...
c2n
x2n
a2
..... ...
Am cm1
xm1
cm2
xm2
...
...
cmn
xmn
am
Kebu-tuhan
b1 b2 ..... bn
97
Keterangan
- Ai : tempat asal ke – i
- ai : total persediaan di Ai
- Bj : tempat tujuan ke – j
- bj : total kebutuhan di Bj
- cij : biaya pengalokasian setiap unit dari
Ai ke Bj .
- xij : jumlah persediaan yang dialokasikan dari
Ai ke Bj .
98
Contoh Trp-1
Sebuah industri memiliki 4 buah pabrik P1, P2, P3, dan P4. Setiap hari dihasilkan produk sebanyak 70 unit di P1, 30 unit di P2, 80 unit di P3, dan 20 unit di P4. Produk harus dipindahkan ke 5 gudang G1, G2, G3, G4, dan G5 masing-masing dengan daya tampung tampung 40 unit di G1, 50 unit di G2, 30 unit di G3, 30 unit di G4, dan 50 unit di G5. Ingin memindahkan seluruh persediaan dengan total biaya sekecil mungkin. Biaya untuk memindahkan setiap unit dari setiap pabrik ke gudang (dalam ribuan rupiah) adalah sebagai berikut.
99
Matrix biaya
G1 G2 G3 G4 G5
P1
P2
P3
P4
5 7 8 4 6
7 3 6 5 8
9 6 2 4 5
4 8 4 7 6
100
Matrix biaya-persediaan-kebutuhan
G1 G2 G3 G4 G5 Persediaan
P1
P2
P3
P4
5 7 8 4 6
7 3 6 5 8
9 6 2 4 5
4 8 4 7 6
70
30
80
20
Kebutuhan 40 50 30 30 50
101
Langkah-langkah optimalisasi
1. Tentukan satu alokasi layak
2. Uji optimalitas
3. Realokasi jika belum optimal
4. Ulang (2) dan (3) hingga
optimal
102
Menentukan alokasi layak
- Alokasi layak jika :
∑j xij = ai dan ∑i xij = bj
- Syarat : ∑i ai = ∑j bj
- Metode :
1. North West Corner (NWC)
2. Least Cost Cell (LCC)
3. Penalti (atau Vogel)
103
Perbandingan ketiga metode
Metode Proses Biaya
NWC Mudah, Tidak pasti
cepat
LCC Lebih sulit, Relatif kecil
cepat
Penalti Sulit, lambat Kecil
104
NWC
G1 G2 G3 G4 G5 Sply P1 5[40] 7[ ] 8[ ] 4[ ] 6[ ] 70 P2 7[ ] 3[ ] 6[ ] 5[ ] 8[ ] 30 P3 9[ ] 6[ ] 2[ ] 4[ ] 5[ ] 80 P4 4[ ] 8[ ] 4[ ] 7[ ] 6[ ] 20Dmnd 40 50 30 30 50 Total biaya = (40)(5) + = 960
105
LCC
G1 G2 G3 G4 G5 Sply
P1 5[ ] 7[ ] 8[ ] 4[ ] 6[ ] 70
P2 7[ ] 3[ ] 6[ ] 5[ ] 8[ ] 30
P3 9[ ] 6[ ] 2[30] 4[30] 5[20] 80
P4 4[ ] 8[ ] 4[ ] 7[ ] 6[20] 20
Dmnd 40 50 30 30 50
Total biaya =
890
106
LCC (alternatif)
G1 G2 G3 G4 G5 Sply P1 5[ ] 7[ ] 8[ ] 4[ ] 6[30] 70 P2 7[ ] 3[ ] 6[ ] 5[ ] 8[ ] 30 P3 9[ ] 6[ ] 2[30] 4[30] 5[20] 80 P4 4[ ] 8[ ] 4[ ] 7[ ] 6[ ] 20 Dmnd 40 50 30 30 50 Total biaya = = 910
107
Penalti
G1 G2 G3 G4 G5 Sply
P1 5[ ] 7[ ] 8[ ] 4[ ] 6[ ] 70
P2 7[ ] 3[ ] 6[ ] 5[ ] 8[ ] 30
P3 9[ ] 6[ ] 2[ ] 4[ ] 5[ ] 80
P4 4[ ] 8[ ] 4[ ] 7[ ] 6[ ] 20
Dmnd 40 50 30 30 50
Biaya:
= 840
108
Latihan Trp-1
Tentukan alokasi layak menggunakan metoda LCC dan Penalti
9 6 7 9 8 3 80
6 8 9 9 2 4 90
5 9 9 9 7 8 60
7 6 3 9 8 4 70
50 50 50 50 50 50
109
Latihan Trp-2
Tentukan alokasi layak menggunakan metoda LCC dan Penalti
3 8 7 6 8 6 80
4 3 4 3 7 9 80
6 5 5 2 5 5 80
5 5 8 5 4 5 80
50 50 40 60 60 60
110
Uji optimalitas
Syarat :
Banyaknya alokasi = baris + kolom – 1
= (m + n – 1)
Metode :
1. Stepping Stones
2. MODI (modified distribution)
111
Metode Stepping Stones
1. Buat satu alokasi sebesar 1 unit pada posisi yang tidak memuat alokasi2. Kurangkan dan tambahkan 1 unit pada alokasi lain
hingga terjadi terjadi “loop” ke alokasi yang baru3. Hitung perubahan biaya. Jika perubahan biaya : (a) positif, ulang (1) pada posisi lain (b) negatif, masukkan alokasi sebesar mungkin pada posisi tersebut.4. Ulang (1) dan seterusnya hingga tidak dapat
memperoleh perubahan negatif pada biaya
112
Contoh (alokasi NWC)
G1 G2 G3 G4 G5 Sply P1 5[40-] 7[30+] 8[ ] 4[ ] 6[ ] 70 P2 7[ + ] 3[20-] 6[10] 5[ ] 8[ ] 30 P3 9[ ] 6[ ] 2[20] 4[30] 5[30] 80 P4 4[ ] 8[ ] 4[ ] 7[ ] 6[20] 20 Dmn 40 50 30 30 50Jika dibuat alokasi baru x21 = 1 maka akan terjadi perubahan biaya = 7 - 3 + 7 - 5 = 6 Karena biaya bertambah besar maka tidak dpt
dibuat alokasi baru
113
Contoh (alokasi NWC)
G1 G2 G3 G4 G5 Sply P1 5[40] 7[30-] 8[ ] 4[ ] 6[ + ] 70 P2 7[ ] 3[20+] 6[10-] 5[ ] 8[ ] 30 P3 9[ ] 6[ ] 2[20+] 4[30] 5[30-] 80 P4 4[ ] 8[ ] 4[ ] 7[ ] 6[20] 20 Dmn 40 50 30 30 50
Jika dibuat alokasi baru x15 = 1 maka akan terjadi perubahan biaya = 6 - 5 + 2 - 6 + 3 -7 = -7.
114
Karena terjadi pengurangan biaya maka dpt diteruskan degan x15 = 10 (alokasi terkecil yg mendapat pengurangan) menjadi
G1 G2 G3 G4 G5 Sply P1 5[40] 7[20] 8[ ] 4[ ] 6[10] 70 P2 7[ ] 3[30] 6[ ] 5[ ] 8[ ] 30 P3 9[ ] 6[ ] 2[30] 4[30] 5[20] 80 P4 4[ ] 8[ ] 4[ ] 7[ ] 6[20] 20 Dmn 40 50 30 30 50 Biaya = 960 – (7)(10) = 890
115
MODI
1. Tuliskan matriks biaya (cij) untuk posisi
dimana xij ≠ 0
2. Tentukan bilangan-bilangan u1,u2 , ... , um dan v1,v2 , ... , vn sehingga ui + vj = cij pada posisi xij ≠ 0
3. Hitung dij = cij – (ui + vj) pada posisi xij = 0
4. Jika terdapat dij < 0 maka alokasi belum
optimal
116
Contoh (alokasi NWC)
G1 G2 G3 G4 G5 Sply
P1 5[40] 7[30 ] 8[ ] 4[ ] 6[ ] 70
P2 7[ ] 3[20 ] 6[10] 5[ ] 8[ ] 30
P3 9[ ] 6[ ] 2[20] 4[30] 5[30] 80
P4 4[ ] 8[ ] 4[ ] 7[ ] 6[20] 20
Dmd 40 50 30 30 50
117
Pengujian (Alokasi NWC)Menentukan ui dan vj
5 7 u1= 0
3 6 u2=
2 4 5 u3=
6 u4=
v1= v2= v3= v4= v5=
Misal ditentukan u1= 0
118
Pengujian (Alokasi NWC)Menentukan dij
5 7 -2 -8 -7 u1= 0
+ 3 6 -3 -1 u2= -4
+ + 2 4 5 u3= -8
+ + + + 6 u4= -7
v1= 5 v2= 7 v3=10 v4=12 v5=13
119
Realokasi
Jika alokasi belum optimal, lakukan realokasi sebagai berikut :
1. Buat alokasi baru sebesar Δ pada posisi dimana dij < 0 2. Lakukan “loop” pengurangan dan penambahan Δ pada alokasi lain 3. Tentukan Δ = alokasi terkecil yang mendapat pengurangan Δ 4. Terbentuk alokasi baru dengan biaya = biaya lama + (dij)(Δ)
120
Realokasi
40 30 – + 70
20+ 10 – 30
20+ 30 – 30 80
20 20
40 50 30 30 50
Biaya = 960
121
Perubahan alokasi
40 20 10 70
30 30
30 20 30 80
20 20
40 50 30 30 50
Biaya = 960 + (10)(-8) = 880
122
Uji II
5 7 + 4 + u1= 0
+ 3 + + + u2=-4
+ -1 2 4 5 u3= 0
-2 0 + + 6 u4= 1
v1= 5 v2= 7 v3= 2 v4= 4 v5= 5
123
Realokasi II
40 – 20 10+ 70
30 30
30 20 – 30+ 80
+ 20 – 20
40 50 30 30 50
124
Perubahan alokasi
20 20 30 70
30 30
30 50 80
20 20
40 50 30 30 50
Biaya = 880 + (20)(-2) = 840
125
Tidak memenuhi syarat pengujian
Jika banyaknya alokasi < (m + n – 1) :
1. Tambahkan alokasi baru pada posisi
xij = 0 sebesar ε → 0 sehingga
banyaknya alokasi = (m + n – 1)
2. Perlakukan alokasi tambahan tersebut
sebagai alokasi dengan biaya = 0
126
Dari realokasi II
20 20 30 70 30 30 30 50 80 20 ε 20 40 50 30 30 50
Misal ditambahkan alokasi X43 = ε Biaya = 840 + (4)(ε) = 840 + ε = 840
127
Pengujian
5 7 + 4 -2 0
+ 3 + + + -4
+ + 2 + 5 -3
4 + 4 + -1 -1
5 7 5 4 8
128
Realokasi III
20 – 20 30 + 70
30 30
30+ 50 – 80
20+ ε – 20
40 50 30 30 50
129
Perubahan alokasi
20 20 30 ε 70
30 30
30 50 80
20 20
40 50 30 30 50
Biaya = 840 + (-2)(ε) = 840 - ε = 840
130
Pengujian IV
5 7 + 4 6 0
+ 3 + + + -4
+ 0 2 + 5 -1
4 + + + + -1
5 7 3 4 6
Tidak ada dij < 0, alokasi telah optimal
dengan minimum biaya = 840
131
Kasus ∑ai ≠ ∑bj
1. Jika ∑ai - ∑bj = d > 0 tambahkan satu tempat tujuan (kolom) dengan jumlah kebutuhan = d, dengan biaya alokasi
≥ Max[cij]
2. Jika ∑bj - ∑ai = d > 0 tambahkan satu tempat asal (baris) dengan jumlah per- sediaan = d, dengan biaya alokasi
≥ Max[cij]
132
∑ai < ∑bj
Misalkan terjadi kenaikan produksi 20 unit di pabrik ke-4 menjadi = 40
5 7 8 4 6 70
7 3 6 5 8 30
9 6 2 4 5 80
4 8 4 7 6 40
40 50 30 30 50
133
Perubahan matriks
5 7 8 4 6 10 70
7 3 6 5 8 10 30
9 6 2 4 5 10 80
4 8 4 7 6 10 40
40 50 30 30 50 20
Ditambahkan satu gudang semu dg
kapasitas = 20 dan biaya alokasi = 10 (Maks)
134
∑ai > ∑bj
5 7 8 4 6 70 7 3 6 5 8 30 9 6 2 4 5 60 4 8 4 7 6 20 40 50 30 30 50 Misal terjadi penurunan produksi sebesar 20 unit di pabrik ke-3
135
Perubahan matriks
Tambahkan pabrik semu P5 dg produksi sebesar 20 dg biaya = 10 (maks.)
5 7 8 4 6 70 7 3 6 5 8 30 9 6 2 4 5 60 4 8 4 7 6 20 10 10 10 10 10 20 40 50 30 30 50
136
Mencari maksimum keuntungan
Jika dari setiap alokasi menghasilkan keuntungan, maka dari alokasi terbentuk matriks keuntungan.
1. Ubah setiap elemen matriks keun-
tungan menjadi negatif.
2. Perlakukan matriks tersebut sebagai
matriks biaya
137
PEMROGRAMAN DINAMIS
Pengambilan keputusan secara berantai untuk mencapai keputusan optimal.
1. Tahap (i) : Tahap dimana keputusan dibuat
2. Status (si) : Kondisi pada tahap i menyangkut informasi yang diperlukan untuk mengambil keputusan
3. Keputusan (di) : Keputusan pada tahap i untuk setiap status si .
138
4. Ukuran efektivitas
fi(si , di) = Hasil keputusan pada
tahap ke-i untuk status si
fi*(si , di) = Harga optimal dari fi(si , di)
di* = Keputusan optimal
Analisis dimulai dari tahap akhir berturut-
turut hingga tahap pertama
139
Contoh PD-1 Perencanaan Inventori
Sebuah toko merencanakan persediaan komoditi untuk tiga bulan : Mei, Juni, dan Juli. Persediaan pada awal Mei = 0. Komoditi dipesan dari pemasok dengan harga $60,- selama bulan Mei dan Juni dan menjadi $75,- pada bulan Juli untuk setiap unit. Perkiraan jumlah kebutuhan (unit) adalah 50 untuk Mei, 100 untuk Juni, dan 40 untuk Juli. Setiap kali pemesanan diperlukan biaya $100,- dan jika komoditi disimpan setiap bulan memerlukan biaya $10,- untuk setiap unit. Ingin ditentukan cara pemesanan untuk memenuhi kebutuhan dengan biaya sekecil mungkin.
140
Variabel yg digunakan
Tahap : 1 = Mei, 2 = Juni, 3 = Juli Status si : Jumlah persediaan awal tahap ke-i di : Jumlah pemesanan pada tahap ke-i fi(si , di) = Total biaya terdiri dari : 1) Pemesanan = $100,- 2) Pembelian = $60,-/unit dalam tahap 1 dan 2 = $75,-/unit dlm tahap 3 3) Penyimpanan = $10,-/unit bulan
4) Biaya minimum hingga tahap akhir
141
Penyelesaian
Tahap 3 (Juli) :
Jika s3 = 0 maka d3 = 40
f3(0,40) = Biaya (pemesanan +pembelian
+ penyimpanan + minimum
hingga tahap akhir)
= $100 + 40($75) + 0 + 0
= $3100,-
142
Tahap 2 (Juni)
Jika s2 = 0 maka d2 = 100 atau d2 = 140
d2 = 100 (untuk Juni saja)
f2(0 , 100) = $100 + 100($60) + 0
+ $3100 = $9200,-
d2 = 140 (untuk Juni dan Juli sekaligus)
f2(0 , 140) = $100 + 140($60)
+ 40($10) + 0 = $8900,-
Maka d2* = 140 dan f2
*(s2 , d2) = $8900,-
143
Tahap 1 (Mei)
Dianggap s1 = 0 maka d1 = 50 , 150, atau 190
d1 = 50 (untuk Mei saja)
f1(0 , 50) = $100 + 50($60) + 0 + $8900
= $12000,-
d1 = 150 (untuk Mei dan Juni saja)
f1(0 , 150) = $100 + 150($60)
+ 100($10) + $3100 = $13200,-
144
Tahap 1 (Mei)
d1 = 190 (sekaligus untuk Mei, Juni,
dan Juli)
f1(0 , 190) = $100 + 190($60)
+ {140($10) + (40)($10)} + 0
= $13300,-
Maka d1* = 50 dan f3
*(s3 , d3) = $12000,-
Penyediaan : Mei = 50 dan Juni = 140
145
Contoh PD-2Penentuan Lintasan Terpendek
Seseorang akan melakukan perjalanan dari kota K1 ke kota K9 melewati beberapa kota yang lain. Ingin ditentukan lintasan terpendek. Jarak antar kota yang dilewati (dalam km) adalah sbb:
K1 – K2 = 10 K4 – K7 = 6 K1 – K3 = 7 K4 – K8 = 10 K2 – K4 = 15 K5 – K7 = 12 K2 – K5 = 10 K5 – K8 = 8 K2 – K6 = 12 K6 – K8 = 15 K3 – K5 = 15 K7 – K9 = 5 K3 – K6 = 7 K8 – K9 = 4
146
Baga lintasan
K4
K2 K7
K1 K5 K9
K3 K8
K6
Thp 1 Thp 2 Thp 3 Thp 4
147
Variabel yg digunakan
Tahap : Urutan rute dari K1 hingga K9
Status si : Nomor kota asal pada tahap ke-i
di : Kota tujuan pada tahap ke-i
di* : Kota tujuan terdekat hingga K9 pada
tahap ke-i
fi(si , di) = Jarak ke kota di pada tahap ke-i ke K9
fi*(si , di) = Jarak terpendek dari kota di ke K9
148
Tahap 4
s4 : K7 atau K8 d4 : K9
s4 : K7 (d4 : K9)
f4(K7 , K9) = 5, d4* = K9, f4
*(s4 , d4) = 5
s4 : K8 (d4 : K9)
f4(K8 , K9) = 4, d4* = K9, f4
*(s4 , d4) = 4
149
Tahap 3
s3 : K4, K5, atau K6
s3 : K4 (d3 : K7 atau K8)
d3 = K7
f3(K4 , K7) = 6 + 5 = 11
d3 = K8
f3(K4 , K8) = 10 + 4 = 14
d3* = K7, f3
*(s3 , d3) = 11
150
Tahap 3
s3 : K5 (d3 : K7 atau K8)
d3 = K7 : f3(K5 , K7) = 12 + 5 = 17
d3 = K8 : f3(K5 , K8) = 8 + 4 = 12
d3* = K8, f3
*(s3 , d3) = 12
s3 : K6 (d3 : K8)
d3 = K8 : f3(K6 , K8) = 15 + 4 = 19
d3* = K8, f3
*(s3 , d3) = 19
151
Tahap 2
s2 : K2 atau K3 s2 : K2 (d3 : K4, K5 atau K6) d2 = K4 : f2(K2 , K4) = 15 + 11 = 26 d2 = K5 : f2(K2 , K5) = 10 + 12 = 22 d2 = K6 : f2(K2 , K6) = 12 + 19 = 31 d2
* = K5, f2*(s2 , d2) = 22
s2 : K3 (d3 : K5 atau K6) d2 = K5 : f2(K3 , K5) = 15 + 12 = 27 d2 = K6 : f2(K3 , K6) = 7 + 19 = 26 d2
* = K6, f2*(s2 , d2) = 26
152
Tahap 1
s1 : K1 d4 : K2 atau K3
d1 = K2 : f1(K1 , K2) = 10 + 22 = 32
d1 = K3 : f1(K1 , K3) = 7 + 26 = 33
d1* = K2 f1
*(s4 , d4) = 32
Keputusan optimal : Rute : K1 – K2 – K5 – K8 – K9 dengan jarak = 32 km
153
Contoh PD-3Perencanaan Investasi
Modal sebesar $1500,- akan digunakan investasi pada 3 jenis komoditi. Ingin ditentukan cara investasi untuk mem- peroleh total keuntungan sebesar mungkin. Data ketiga komoditi adalah sebagai berikut :
Komoditi A B C Harga beli/unit $150 200 325 Keuntungan/unit 20 30 45
154
Variabel yg digunakan
Tahap : Jenis komoditi, 1 = A, 2 = B, 3 = C
Status si : Jumlah $ yang diinvestasikan pada tahap ke-i
di : Jumlah komoditi yg dibeli pada tahap ke-i
di* : Keputusan optimal tentang di
fi(si , di) = total keuntungan dari tahap ke – i hingga tahap terakhir
fi*(si , di) = Maksimum keuntungan dari tahap ke-i
hingga tahap terakhir
155
Tahap 3 : Investasi C
s3 : s3 < 325, 325 ≤ s3 < 650, 650 ≤ s3 < 975,
975 ≤ s3 < 1300, atau 1300 ≤ s3
s3 < 325 d3 = 0 : f3(s3 , d3) = 0
d3* = 0 f3
*(s3 , d3) = 0
s3 : 325 ≤ s3 < 650 d3 = 0 atau 1
d3 = 0 : f3(s3 , d3) = 0
d3 = 1 : f3(s3 , d3) = 45
d3* = 1 f3
*(s3 , d3) = 45
156
Tahap 3
s3 : 650 ≤ s3 < 975 d3 = 0, 1 atau 2
d3 = 0 : f3(s3 , d3) = 0
d3 = 1 : f3(s3 , d3) = 45
d3 = 2 : f3(s3 , d3) = 90
d3* = 2
f3*(s3 , d3) = 90
157
Tahap 3
s3 : 975 ≤ s3 < 1300 d3 = 0, 1, 2 atau 3
d3 = 0 : f3(s3 , d3) = 0
d3 = 1 : f3(s3 , d3) = 45
d3 = 2 : f3(s3 , d3) = 90
d3 = 3 : f3(s3 , d3) = 135
d3* = 1 f3
*(s3 , d3) = 135
158
Tahap 3
s3 : 1300 ≤ s3 d3 = 0, 1, 2, 3 atau 4
d3 = 0 : f3(s3 , d3) = 0
d3 = 1 : f3(s3 , d3) = 45
d3 = 2 : f3(s3 , d3) = 90
d3 = 3 : f3(s3 , d3) = 135
d3 = 4 : f3(s3 , d3) = 180
d3* = 4 f3
*(s3 , d3) = 180
159
Tabulasi analisis Tahap 3
s3 d3* f3
* (s3 , d3)
s3 < 325
325 ≤ s3 < 650
650 ≤ s3 < 975
975 ≤ s3 < 1300
1300 ≤ s3 < 1500
0
1
2
3
4
0
45
90
135
180
160
Tahap 2 : Investasi B (setelah investasi C)
f2(s2 , d2) = 30 d2 + f3*(s2 – 200 d2) dimana
s2 = 1500 – 150 d1
= Sisa modal setelah investasi tahap 1
d1 = Banyaknya investasi A (tahap 1)
30 d2 = Total keuntungan pada tahap 2
f3*(s2 – 200 d2) = Keuntungan maksimum
pada tahap 3
161
Tahap 2
s2 = 0, 150, 300, 450, 600, 750, 900,
1050, 1200, 1350, 1500
= Sisa investasi tahap 1 = 1500 – 150 d1
Menghitung f2*(s2 , d2)
f2*(s2 , d2) = Maksimum [30 d2 + f3
*(s2 - 200 d2)]
s2 = 0 atau 150 d2 = 0
d2* = 0 f2
*(150 , 0) = 0
162
Tahap 2
s2 = 300 d2 = 0 atau 1
d2 = 0, f2(300 , 0) = 0
d2 = 1, f2(300 , 1) + f3*(100 , 0) = 30
d2* = 1 f2
*(300 , 1) = 30
s2 = 450 d2 = 0, 1 atau 2
d2 = 0, f2(450 , 0) = f3*(450 , 1) = 45
d2 = 1, f2(450 , 1) + f3*(250 , 0) = 30
d2 = 2, f2(450 , 2) + f3*(50 , 0) = 60
d2* = 2 f2
*(450 , 2) = 60
163
Tahap 2
s2 = 600 d2 = 0, 1, 2 atau 3
d2 = 0, f2(600 , 0) = f3*(600 , 1) = 45
d2 = 1, f2(600 , 1) = 30(1) + f3*(450, 1) = 75
d2 = 2, f2(600 , 2) = 30(2) + f3*(200 , 0) = 60
d2 = 3, f2(600 , 3) = 30(3) + f3*(0 , 0) = 90
d2* = 3 f2
*(600 , 3) = 90
164
Tahap 2
s2 = 750 d2 = 0, 1, 2 atau 3
d2 = 0, f2(750 , 0) = f3*(750 , 2) = 90
d2 = 1, f2(750 , 1) = 30(1) + f3*(550, 1) = 75
d2 = 2, f2(750 , 2) = 30(2) + f3*(350 ,1) = 105
d2 = 3, f2(750 , 3) = 30(3) + f3*(150 , 0) = 90
d2* = 2 f2
*(750 , 2) = 105
165
Tahap 2
s2 = 900 d2 = 0, 1, 2, 3 atau 4
d2 = 0, f2(900 , 0) = f3*(900 , 2) = 90
d2 = 1, f2(900 , 1) = 30(1) + f3*(700, 1) = 120
d2 = 2, f2(900 , 2) = 30(2) + f3*(500 ,1) = 105
d2 = 3, f2(900 , 3) = 30(3) + f3*(300 , 0) = 90
d2 = 4, f2(900 , 4) = 30(4) + f3*(100 ,0) = 120
d2* = 1 , 4 f2
*(900 , 1(4)) = 120
166
Tahap 2
s2 = 1050 d2 = 0, 1, 2, 3, 4 atau 5
d2 = 0, f2(1050 , 0) = f3*(1050 , 3) = 135
d2 = 1, f2(1050 , 1) = 30(1) + f3*(850, 2) = 120
d2 = 2, f2(1050 , 2) = 30(2) + f3*(650 ,1) = 150
d2 = 3, f2(1050 , 3) = 30(3) + f3*(450 ,1) = 135
d2 = 4, f2(1050 , 4) = 30(4) + f3*(250 ,0) = 120
d2 = 5, f2(1050 , 5) = 30(5) + f3*(50 ,0) = 150
d2* = 2 , 5 f2
*(1050 , 2(5)) = 150
167
Tahap 2
s2 = 1200 d2 = 0, 1, 2, 3, 4, 5 atau 6
d2 = 0, f2(1200 , 0) = f3*(1200 , 3) = 135
d2 = 1, f2(1200 , 1) = 30(1) + f3*(1000, 1) = 165
d2 = 2, f2(1200 , 2) = 30(2) + f3*(800 ,2) = 150
d2 = 3, f2(1200 , 3) = 30(3) + f3*(600 ,1) = 135
d2 = 4, f2(1200 , 4) = 30(4) + f3*(400 ,1) = 165
d2 = 5, f2(1200 , 5) = 30(5) + f3*(200 ,0) = 150
d2 = 6, f2(1200 , 6) = 30(6) + f3*(0 ,0) = 180
d2* = 6 f2
*(1200 , 6) = 180
168
Tahap 2
s2 = 1350 d2 = 0, 1, 2, 3, 4, 5 atau 6
d2 = 0, f2(1350 , 0) = f3*(1350 , 4) = 180
d2 = 1, f2(1350 , 1) = 30(1) + f3*(1150, 3) = 165
d2 = 2, f2(1350 , 2) = 30(2) + f3*(950 ,2) = 150
d2 = 3, f2(1350 , 3) = 30(3) + f3*(750 ,2) = 180
d2 = 4, f2(1350 , 4) = 30(4) + f3*(550 ,1) = 165
d2 = 5, f2(1350 , 5) = 30(5) + f3*(350 ,1) = 195
d2 = 6, f2(1350 , 6) = 30(6) + f3*(0 ,0) = 180
d2* = 5 f2
*(1200 , 5) = 195
169
Tahap 2
s2 = 1500 d2 = 0, 1, 2, 3, 4, 5 atau 6
d2 = 0, f2(1500 , 0) = f3*(1500 , 4) = 180
d2 = 1, f2(1500 , 1) = 30(1) + f3*(1300, 4) = 210
d2 = 2, f2(1500 , 2) = 30(2) + f3*(1100 ,3) = 195
d2 = 3, f2(1500 , 3) = 30(3) + f3*(900 ,2) = 180
d2 = 4, f2(1500 , 4) = 30(4) + f3*(700 ,2) = 210
d2 = 5, f2(1500 , 5) = 30(5) + f3*(500 ,1) = 195
d2 = 6, f2(1500 , 3) = 30(6) + f3*(300 ,0) = 180
d2* = 1 , 4 f2
*(1500 , 1(4)) = 210
170
Tabulasi analisis Tahap 2
s2 d2
* f2* (s2 , d2)
0
150
300
450
600
750
900
1050
1200
1350
1500
0 0
1
2
3
2
1 , 4
2 , 5
6
5
1 , 4 , 7
0 0
30
60
90
105
120
150
180
195
210
171
Tahap 1 : Investsi A
s1 = 1500 d1 = 0, 1, 2, 3, ..... , 10
d1 = 0, f1(1500 , 0) = f1*(1500 , 1(4)) = 210
d1 = 1, f1(1500 , 1) = 20(1) + f1*(1350, 5) = 215
d1 = 2, f1(1500 , 2) = 20(2) + f1*(1200 ,6) = 220
d1 = 3, f1(1500 , 3) = 20(3) + f1*(1050 ,5) = 210
d1 = 4, f1(1500 , 4) = 20(4) + f1*(900 ,4) = 200
d1 = 5, f1(1500 , 5) = 20(5) + f1*(750 ,2) = 205
d1 = 6, f1(1500 , 3) = 20(6) + f1*(600 ,3) = 210
172
Tahap 1
d1 = 7, f1(1500 , 7) = 20(7) + f1*(450 ,2) = 200
d1 = 8, f1(1500 , 8) = 20(8) + f1*(300 ,1) = 190
d1 = 9, f1(1500 , 9) = 20(9) + f1*(150 ,0) = 180
d1 = 10, f1(1500 , 10) = 20(10) + f1*(0 ,0) = 200
d1* = 2 f1
*(1500 , 2) = 220
173
Keputusan optimal
Tahap si di* fi
*(si , di) Jml Investasi
1 1500 2 40 A = 2
2 1300 6 180 B = 6
3 0 0 0 C = 0
Jumlah 220
174
Soal latihan PD
Pada contoh PD-3 (perencanaan investa si) urutan pentahapan dapat dilakukan dengan 6 cara. Lakukan analisis jika urutan tahap berturut-turut sebagai berikut :
No. 1 2 3 4 5 Tahap 1 A B B C C Tahap 2 C A C A B Tahap 3 B C A B A
175
Pengambilan Keputusandlm ketidakpastian
- Peristiwa yang akan datang : Tidak dpt
dipastikan
- Keputusan saat ini : Memiliki resiko
- Perlu :
1. Prakiraan peristiwa yang dpt terjadi
2. Alternatif keputusan
176
Tabel pay-off
Pay off : Hasil (resiko) yg terjadi terhadap keputusan yg diambil dalam suatu peristiwa Alternatif Peristiwa
keputusan P1 P2 ….. Pn
A1 x11 x12 ….. X1n
A2 x21 x22 ….. X2n
..
Am xm1 xm2 ….. Xmn
177
Contoh PK-1
Sebuah perusahaan jasa angkutan barang ingin menambah armada angkutannya. Tersedia 3 alternatif truk yg dapat dibeli, yaitu truk kecil (Kc), medium (Md) , dan besar (Bs). Keuntungan yg dpt diperoleh dari setiap truk akan bergantung pada kondisi permintaan yang akan datang. Permintaan dikategorikan menjadi 4 macam : Sedikit (St), sedang (Sg), banyak (Bk), sangat banyak (Sb).
178
Pay-off keuntungan
Besarnya keuntungan (ribuan $) dari setiap alternatif keputusan dan permintaan adalah sebagai berikut :
Tipe Permintaan
truk St Sd Bk Sb
Kc 25 20 15 10
Md 20 25 15 12
Bs -20 -5 30 40
179
Metode
- Jika peluang terjadinya masing-masing
alternatif peristiwa tidak diketahui
1. Maximin
2. Maximax
3. Minimax regret
- Jika peluang terjadinya masing-masing
alternatif peristiwa diketahui : MEV
180
Metode Maximin
Maximin (maximum of minimum payoff)
1. Tentukan minimum payoff untuk setiap
alternatif keputusan
2. Pilih alternatif keputusan yg memberi-
kan payoff minimum yg terbesar pada
langkah (1)
181
Metode Maximin
Analisis : Tipe Permintaan truk St Sd Bk Sb Min. Max. Kc 25 20 15 10 10 Md 20 25 15 12 12 12 Bs -20 -5 30 40 -5 Keputusan : Membeli truk medium Paling sedikit akan memperoleh keuntungan sebesar 12
182
Metode Maximax
Maximax (maximum of maximum payoff)
1. Tentukan maximum payoff untuk setiap
alternatif keputusan
2. Pilih alternatif keputusan yg memberi-
kan payoff maximum yg terbesar pada
langkah (1)
183
Metode Maximax
Analisis : Tipe Permintaan truk St Sd Bk Sb Min. Max. Kc 25 20 15 10 25 Md 20 25 15 12 25 Bs -20 -5 30 40 40 40 Keputusan : Membeli truk besar Jika kondisi permitaan sangat baik (Sb) akan diperoleh keuntungan maksimum = 40
184
Metode Minimax regret
Regret = Selisih payoff setiap alternatif keputusan terhadap payoff maksimum pada setiap peristiwa (permintaan)
1. Tentukan regret untuk setiap pemintaan
2. Tentukan maksimum regret untuk setiap
alternatif keputusan
3. Pilih alternatif keputusan yg memberi-
kan regret maximum yg terkecil
185
Matriks regret
Tabel regret : Tipe Permintaan truk St Sd Bk Sb Kc 25-25 25-20 30-15 40-10 =0 = 5 =15 =30 Md 25-20 25-25 30-15 40-12 = 5 =0 =15 =28
Bs 25-(-20) 25-(-5) 30-30 40-40 =45 =30 =0 =0
186
Minimax regret
Analisis : Tipe Permintaan truk St Sd Bk Sb Max. Min. Kc 0 5 15 30 30 Md 5 0 15 28 28 28 Bs 45 30 0 0 45 Keputusan : Membeli truk medium Kondisi apapun yg terjadi regret tidak akan melebihi 28
187
Metode MEV
EV (Expected value ) = Jumlah (peluang x
payoff) untuk setiap alternatif keputusan
MEV (Maximum expected value) =
Maksimum expected value dari semua
alternatif
Misalkan peluang terjadinya St = 20%, Sd=40%, Bk=30%, dan Sb=10%
188
MEV
EV(Kc) = (0.20)(25) + (0.40)(20) + (0.30)(15) + (0.10)(10) = 18.5EV(Me) = (0.20)(20) + (0.40)(25) +(0.30)(15) + (0.10)(12) = 19.7EV(Bs) = (0.20)(-20) + (0.40)(-5) +(0.30)(30) + (0.10)(40) = 7 Keputusan : Membeli truk sedang
189
MEV
Tipe Permintaan EV MEV
truk St Sd Bk Sb
Kc 25 20 15 10 18.5
Md 20 25 15 12 19.7 19.7
Bs -20 -5 30 40 7.0
Peluang .20 .40 .30 .10
Keputusan : Membeli truk medium
190
MEV : Decision Tree (DT)
MEV dapat dicari dg menggunakan model pohon keputusan (decision tree)
Bagan DT-1
Keputusan (pilihan)
Kc
Start Md
Bs
191
Bagan DT-1
Pilihan Kondisi (pel) Hasil (Pel)x(Hasil)
St (0.20) 20 (0.2)(25) = 5
Kc Sd (0.40) 10 (0.4)(20) = 8
Bk (0.30) 15 (0.3)(15) = 4.5
Sb (0.10) 25 (0.1)(10) = 1
EV = 5 + 8 + 4.5 + 1 = 18.5
192
Bagan DT-2
Pilihan Kondisi (pel) Hasil (Pel)x(Hasil)
St (0.20) 20 (0.2)(20) = 4
Md Sd (0.40) 25 (0.4)(25) = 10
Bk (0.30) 15 (0.3)(15) = 4.5
Sb (0.10) 12 (0.1)(12) = 1.2
EV = 4 + 10 + 4.5 + 1.2 = 19.7
193
Bagan DT-3
Pilihan Kondisi (pel) Hasil (Pel)x(Hasil)
St (0.20) -20 (0.2)(-20) = -4
Md Sd (0.40) - 5 (0.4)(-5) = -2
Bk (0.30) 30 (0.3)(30) = 9
Sb (0.10) 40 (0.1)(40) = 4
EV = -4 - 2 + 9 + 4 = 7
194
Contoh PK-2
Sebuah perusahaan elektronik ingin menentukan pengembangan usaha. Tentukan keputusan yg diambil.
Matriks pay-off dapat dibentuk sebagai berikut.
Alternatif Kondisi permintaan pasar
Keputusan Tinggi Sedang Rendah Sepi
Pengembangan 500 250 -250 -450
pabrik lama
Membangun baru 700 300 -400 -600
Sub kontrak 300 150 -10 -100
Peluang 0.25 0.45 0.25 0.05
195
PK-3
Matriks pay-off penentuan jumlah sediaan Alternatif Jumlah terjual Jml sediaan 10 11 12 13 10 50 50 50 50 11 47 55 55 55 12 44 52 60 60 13 41 49 57 65 Peluang 0.35 0.40 0.15 0.10 Tentukan keputusan dan besarnya keuntungan
menggunakan metoda : Maximin, Maximax, Minimax regret, dan MEV
196
Latihan UTS
1. Sebuah perusahaan membuat sejenis kue dengan bahan dasar beras dan gandum. Kue yang dibuat harus memuat paling sedikit 80 mg vitamin A dan 60 mg vitamin B. Setiap ons beras seharga Rp 675,- memuat 12 mg vitamin A dan 5 mg vitamin B. Setiap ons gandum seharga Rp 775,- memuat 10 mg vitamin A dan 8 mg vitamin B. Formulasikan model masalah tersebut agar setiap kue dibuat dengan biaya bahan dasar sekecil mungkin.
197
2. Sebuah perusahaan membuat 3 jenis produk A, B, dan C yang diproses melalui 3 buah mesin M1, M2, dan M3. Keuntungan setiap unit produk adalah Rp 3000,- untuk A, Rp 2500,- untuk B, dan Rp 2000,- untuk C. Setiap unit A diproses selama 8 menit di M1, 7 menit di M2, dan 6 menit di M3. Setiap unit B diproses selama 7 menit di M1, 6 menit di M2, dan 6 menit di M3. Setiap unit C diproses selama 6 menit di M1, 6 menit di M2, dan 5 menit di M3. Penggunaan setiap mesin dibatasi tidak boleh lebih dari 3 jam di M1, 2 jam di M2, dan satu jam di M3. Formulasikan model masalah tersebut untuk memperoleh total keuntungan sebesar mungkin.
198
3. Selesaikan dengn grafik
Maksimumkan Z = 50 X1 + 45 X2
Kendala : 4 X1 + 4 X2 ≤ 24
4 X1 + 2 X2 ≤ 14
9 X1 + 3 X2 ≤ 27
X1 , X2 ≥ 0
199
4. Selesaikan dengn grafik
Minimumkan Z = 40 X1 + 60 X2
Kendala : 9 X1 + 3 X2 ≥ 36
4 X1 + 8 X2 ≥ 24
12 X1 + 3 X2 ≥ 24
X1 , X2 ≥ 0
200
LATIHAN UAS
1. Sebuah industri mainan anak memproduksi 3 jenis mainan A, B, C Setiap jenis diproses emlalui 2 buah mesin M1 dan M2. Mainan A memerlukan waktu 15 menit di M1 dan 18 menit di M2. B memerlukan 12 menit di M1 dan 16 menit di M2. C memerlukan 20 menit di M1 dan 25 menit di M2. Kesediaan waktu M1 adalah 30 jam dan 50 jam untuk M2. Harga jual setiap jenis adalah $2, untuk A, $4 untuk B dan $6 untuk C. Formulasikan bentuk model masalah tersebut jika ingin dicapai total penjualan maksimum.
201
2. Diketahui model transportasi berikut : Biaya Suplly 4 6 8 7 5 50 3 7 9 4 6 20 5 8 6 9 4 20 8 6 4 7 8 60 Demand 30 30 30 30 30 Tentukan satu alokasi layak dengan metoda
Penalti dan hitung total biayanya.
202
3. Dari alokasi soal nomor (2) tentukan alokasi layak menggunakan metoda NWC, hitung total biaya alokasi, kemudian lakukan uji optimalitas. Apakah alokasi sudah optimal atau belum ?
4. Dari soal nomor (4) lakukan satu kali realokasi dan hitung total biaya alokasi
203
5. Suatu usaha ingin melakukan inventori selama dua bulan (Januari dan Februari 2010). Dianggap persediaan akan habis pada akhir Desember 2009. Kebutuhan persediaan adalah 80 unit pada Januari dan 50 unit pada Februari. Biaya pemesanan $20,- untuk sekali pesan. Harga beli per unit $15,- untuk Januari dan $16,- untuk Februari. Biaya penyimpanan setiap unit $3,- untuk setyiap bulan. Tentukan cara pemesanan dg biaya sekecil mungkin.
204
Kuis - 1
1. (copy soal no. 11). Sebuah perusahaan sepatu memproduksi 2 tipe sepatu, tipe A dan tipe B. Keuntungan setiap pasang (ribu rupiah) adalah 4 untuk A dan 3 untuk B. Kedua tipe menggunakan bahan baku kulit yang sama tetapi menggunakan sol yang berbeda. Tersedia 800 pasang bahan kulit, 400 pasang sol A, dan 700 pasang sol B. Tipe A memerlukan waktu pembuatan 2 kali lipat dari tipe B. Jika semua bahan tersedia dan hanya membuat B saja maka akan dapat dihasilkan 1000 pasang B. Formulasikan model masalah tersebut jika ingin memperoleh total keuntungan sebesar mungkin.
2. Sebuah usaha konveksi membuat jaket dan celana olah raga dengan bahan yang sama. Bahan yang diperlukan untuk setiap potong adalah 2 meter / jaket dan 1.5 meter / celana. Tersedia total 150 meter bahan baku. Waktu yang dioperlukan untuk membuat setiap potong adalah 6 jam / jaket dan 4 jam / celana, tersedia total waktu 200 jam untuk membuat seluruh jaket dan celana. Keuntungan yang akan diperoleh untuk setiap potong adalah Rp 20.000,- / jaket dan Rp 15.000,- / celana. Formulasikan bentuk model agar diperoleh total keuntungan sebesar mungkin.
206
2. Minimumkan Z = 30 X1 + 50 X2
Kendala : 3 X1 + X2 ≥ 9 3 X1 + 2 X2 ≥ 12 X1 + 2 X2 ≥ 6 X1 , X2 ≥ 0 3. Maximumkan Z = 20 X1 + 30 X2
Kendala : 2 X1 + X2 ≤ 10 X1 + 3 X2 ≤ 12 X1 + X2 ≤ 6 X1 , X2 ≥ 0
207
Jawaban UTS - 21 April 2011
1. Produk
A B C
Keuntungan 4 3 2 Maks
Mesin M1 4 4 3 240 (menit)
M2 4 3 3 180
M3 3 2 2 120
Jml produk X1 X2 X3
208
Model :
Maks. Z = 4 X1 + 3 X2 + 2 X3
Kendala : 4 X1 + 4 X2 + 3 X3 ≤ 240
4 X1 + 3 X2 + 3 X3 ≤ 180
3 X1 + 2 X2 + 2 X3 ≤ 120
X1 , X2 , X3 ≥ 0
209
Jawaban UTS - 21 April 2011
1. Produk
A B C
Keuntungan 5 4 3 Maks
Mesin M1 5 5 4 300 (menit)
M2 5 4 4 240
M3 4 3 3 180
Jml produk X1 X2 X3
210
Model :
Maks. Z = 5 X1 + 4 X2 + 3 X3
Kendala : 5 X1 + 5 X2 + 4 X3 ≤ 300
5 X1 + 4 X2 + 4 X3 ≤ 240
4 X1 + 3 X2 + 3 X3 ≤ 180
X1 , X2 , X3 ≥ 0
211
Jawaban UTS - 21 April 2011
1. Produk
A B C
Keuntungan 6 5 4 Maks
Mesin M1 6 6 5 360 (menit)
M2 6 5 5 300
M3 5 4 4 240
Jml produk X1 X2 X3
212
Model :
Maks. Z = 6 X1 + 5 X2 + 4 X3
Kendala : 6 X1 + 6 X2 + 5 X3 ≤ 360
6 X1 + 5 X2 + 5 X3 ≤ 300
5 X1 + 4 X2 + 4 X3 ≤ 240
X1 , X2 , X3 ≥ 0
213
Jawaban UTS - 21 April 2011
1. Produk
A B C
Keuntungan 7 6 5 Maks
Mesin M1 7 7 6 420 (menit)
M2 7 6 5 360
M3 6 5 5 300
Jml produk X1 X2 X3
214
Model :
Maks. Z = 7 X1 + 6 X2 + 5 X3
Kendala : 7 X1 + 7 X2 + 6 X3 ≤ 420
7 X1 + 6 X2 + 5 X3 ≤ 360
6 X1 + 5 X2 + 5 X3 ≤ 300
X1 , X2 , X3 ≥ 0
215
Min. Z = 10 X1 + 15 X2
X2 atau Min. Z = 20 X1 + 30 X2
Kendala : 3X1 + 2X2 ≥ 12
8 A X1 + 4X2 ≥ 8
6 D 4X1 + X2 ≥ 8
2 X1 , X2 ≥ 0 C
2 4 8 B X1
216
A(0 , 8) , B(8 , 0) , C : 3X1 + 2X2 ≥ 12 8X1 + 4X2 ≥ 24 X1 + 4X2 ≥ 12 X1 + 4X2 ≥ 8 5X1 = 16 C(3.2 , 1.2) D : 3X1 + 2X2 ≥ 12 3X1 + 2X2 ≥ 12 4X1 + X2 ≥ 8 8X1 + 2X2 ≥ 16 5X1 = 4 D(0.8 , 4.8)
217
Min Z = 10X1 + 15X2 Z(A) = 10 (0) + 15 (8) = 120 Z(B) = 10 (8) + 15 (0) = 80 Z(C) = 10(3.2) + 15(1.2) = 50 (Min.) Z(D) = 10(0.8) + 15(4.8) = 80
Min Z = 20X1 + 30X2 Z(A) = 20 (0) + 30 (8) = 240 Z(B) = 20 (8) + 30 (0) = 160 Z(C) = 20(3.2) + 30(1.2) = 100 (Min.) Z(D) = 20(0.8) + 30(4.8) = 160
218
Min. Z = 10 X1 + 20 X2
X2 atau Min. Z = 20 X1 + 30 X2
12 B Kendala : X1 + X2 ≥ 6
X1 + 3X2 ≥ 9
6 C 4X1 + X2 ≥ 12
3 X1 , X2 ≥ 0 D
3 6 9 A X1
219
A(9 , 0) , B(0 , 12) ,
C : 4X1 + X2 ≥ 12 C(2 , 4)
X1 + X2 ≥ 6
3X1 = 6
D : X1 + 3X2 ≥ 9 D(4.5 , 0.5)
X1 + X2 ≥ 6
2X2 = 3
220
Min Z = 10X1 + 20X2 Z(A) = 10 (9) + 20 (0) = 90 Z(B) = 10 (0) + 20 (12) = 240 Z(C) = 10(2) + 20(4) = 100 Z(D) = 10(4.5) + 20(1.5) = 75 (Min.) Min Z = 20X1 + 30X2 Z(A) = 20 (9) + 30 (0) = 180 Z(B) = 20 (0) + 30 (12) = 360 Z(C) = 20(2) + 30(4) = 160 Z(D) = 20(4.5) + 30(1.5) = 135 (Min.)
221
X2 Max. Z = 10 X1 + 15 X2
18 atau Max. Z = 20 X1 + 30 X2
Kendala : X1 + X2 ≤ 12
2X1 + X2 ≤ 14
14 3X1 + X2 ≤ 18
12 C D X1 , X2 ≥ 0 E
B A6 7 12 X1
222
A(6 , 0) , B(0 , 0) , C(0 . 12)
D : 2X1 + X2 ≥ 14 D(2 , 10)
X1 + X2 ≥ 12
X1 = 2
E : 3X1 + X2 ≥ 18 E(4 , 6)
2X1 + X2 ≥ 14
X1 = 4
223
Max Z = 10X1 + 15X2 Z(A) = 10 (6) + 15 (0) = 60 , Z(B) = 0 Z(C) = 10(0) + 15(12) = 180 (Max) Z(D) = 10(2) + 15(10) = 170 Z(E) = 10(4) + 15(6) = 130 Max Z = 20X1 + 30X2 Z(A) = 20 (6) + 30 (0) = 120 , Z(B) = 0 Z(C) = 20 (0) + 30 (12) = 360 (Max) Z(D) = 20(2) + 30(10) = 340 Z(E) = 20(4) + 30(6) = 260
224
X2 Max. Z = 20 X1 + 15 X2
12 atau Max. Z = 30 X1 + 20 X2
Kendala : 2X1 + X2 ≤ 8
4X1 + X2 ≤ 12
8 2X1 + 3X2 ≤ 18
6 C D X1 , X2 ≥ 0 E
B A3 4 9 X1
225
A(3 , 0) , B(0 , 0) , C(0 , 6)
D : 2X1 + 3X2 ≥ 18 D(1.5 , 5)
2X1 + X2 ≥ 8
2X2 = 10
E : 4X1 + X2 ≥ 12 E(2 , 4)
2X1 + X2 ≥ 8
2X1 = 4
226
Max Z = 20X1 + 15X2 Z(A) = 20 (3) + 15 (0) = 60 , Z(B) = 0 Z(C) = 20(0) + 15(6) = 90 Z(D) = 20(1.5) + 15(5) = 105 (Max) Z(E) = 20(2) + 15(4) = 100 Max Z = 30X1 + 20X2 Z(A) = 30 (3) + 20 (0) = 90 , Z(B) = 0 Z(C) = 30 (0) + 20 (6) = 120 Z(D) = 30(1.5) + 20(5) = 145 (Max) Z(E) = 30(2) + 20(4) = 140
227
Latihan UAS
1. Sebuah model Transportasi dengan matriks biaya, kebutuhan, dan persediaan sbb :
6 9 5 8 70 Tentukan alokasi
9 5 8 4 70 dengan Penalti dan
4 6 9 7 70 hitung total biaya
8 7 9 8 70 alokasi
140 40 50 50
228
2. Dari soal (1) tentukan alokasi dengan LCC
dan hitung total biaya alokasi
3. Dari soal (1) :
a. Tentukan alokasi dengan NWC dan hitung
total biaya alokasi
b. Uji apakah alokasi tersebut telah optimal
c. Jika belum optimal lakukan satu kali
realokasi dan tentukan biaya alokasi
229
4. Sebuah perusahaan ingin merencanakan persediaan barang selama 2 bulan dengan data sbb : Agustus September
Kebutuhan 150 120 Harga beli Rp 11.000 12.000 Biaya pesan Rp 200.000 200.000 Biaya simpan per unit - bulan Rp 5.000 5.000 Menggunakan pemrograman dinamis tentukan
cara pemesanan yang optimal
230
5. Sebuah perusahaan ingin investasi bangunan baru dengan 3 pilihan. Perkiraan keuntungan (dalam dolar) dikaitkan dengan kondisi pariwisata adalah sbb :
Alternatif Kondisi pariwisata pilihan Sepi Sedang Rame Motel -8.000 15.000 20.000 Restoran 2.000 8.000 6.000 Gedung pertemuan 6.000 6.000 5.000 Peluang kejadian 0.30 0.50 0.20 Tentukan pilihan optimal menggunakan strategi :
Maximax, Maximin, Minimax regret, dan MEV
231
Latihan UTS
1. Sebuah perusahaan sepatu memproduksi dua tipe sepatu A dan B menggunakan bahan baku kulit yang sama untuk kedua tipe, tetapi dengan karet sol yang berbeda. Setiap hari tersedia 800 pasang kulit, 400 pasang karet sol A, dan 600 pasang karet sol B. Pembuatan setiap pasang A memerlukan waktu dua kali lipat dari setiap pasang B. Jika satu hari hanya membuat B saja dan tersedia bahan yang cukup maka akan dapat dihasilkan 1000 pasang B. Keuntungan setiap pasang adalah Rp 4000,- untuk A dan Rp 3000,- untuk B. Formulasikan model untuk masalah tersebut jika ingin dicapai total keruntungan sebesar mungkin.
232
2. Seseorang ingin menginvestasikan uang sebesar $1000.- Terdapat dua pilihan, membeli emas atau disimpan di Bank. Setiap tahun harga emas naik rata-rata sebesar 15%, sedangkan tabungan di Bank memberikan bunga sebesar 6% setahun. Karena kenaikan harga emas tidak stabil, dia memutuskan akan investasi emas paling banyak 40% dari total uangnya tetapi paling sedikit sebesar $100,- sedangkan sisa uangnya akan ditabung di Bank tetapi paling sedikit sebesar dua kali jumlah yang dibeikan emas. Formulasikan bentuk model untuk masalah tersebut jika ingin mencapai total keuntungan sebesar mungkin.
Kuis
Sebuah restoran cepat saji beroperasi selama 24 jam setiap hari. Karyawan bekerja selama 8 jam per hari, dibagi menjadi 6 shift, jam 02.00, 06.00, 10.00, 14.00, 18.00, 22.00. Kebutuhan karyawan diperkirakan seagai berikut :
Jam : 02-06 06-10 10-14 14-18 18-22 22-02
Kary : 3 12 16 9 11 4
Ingin menentukan jumlah minimum karyawan yang diperlukan. Formulasikan bentuk model masalah tersebut.
233
Selesaikan dengan grafik
1. Maks. Z = 4 X1 + 3 X2
Kendala : X1 + X2 ≤ 800
2 X1 + X2 ≤ 1000
X1 ≤ 400
X2 ≤ 700
X1 , X2 ≥ 0
2. Min. Z = 4 X1 + 3 X2
Kendala : 5 X1 + 3 X2 ≥ 15
X1 + 3 X2 ≥ 6
– X1 + X2 ≤ 1
X1 , X2 ≥ 0