Optimasi 1
Kegiatan / Persoalan Pengambilan Keputusan Alternatif Metoda Penyelesaian: 1. Programa Linear 2. Programa Dinamis 3. Antrian 4. Algoritma Lorong 5. Permainan Optimasi 2
Kerangka Optimasi dalam Pengambilan Keputusan DAYA & DANA TETAP MAKSIMASI PENERIMAAN HASIL YANG OPTIMAL Σ KEGIATAN TETAP MINIMASI DAYA & DANA Optimasi 3
Programa Linier Berbasiskan pengembangan model persamaan matematika Pengambilan keputusan dapat dilakukan secara kuantitatif, memudahkan untuk mengambil keputusan. Metoda Grafis Metoda Numeris Programa Dinamis Berbasiskan analisis pada keterkaitan dalam sistem kegiatan Hubungan antar kegiatan digambarkan secara sistematis Optimasi 4
Metoda Antrian Untuk menganalisis persoalan-persoalan antrian pada berbagai jenis kejadian Penggambaran besaran dan variable yang terlibat dalam persoalan antrian sehinggan perlakuan atau intervensi untuk memperbaiki kinerja dapat dikerjakan secara sistematis. Algoritma Lorong Strategi penempatan orang/petugas secara optimal untuk memantau atau mengawasi beberapa daerah / lokasi, dengan bantuan model matematis. Optimasi 5
Programa Linier / Linear Programming Prinsip Umum: Asumsi Kelinieran : Fungsi Pembatas Fungsi Tujuan Ketidaksamaan Linier Fungsi Tujuan: Minimasi Maksimasi Fungsi Pembatas > 0, atau = 0 Optimasi 6
Programa Linier: Metoda Numeris / Matematis Contoh 1: Pabrik baja Steel Forever" mempunyai persediaan bahan mentah besi baja untuk diproses sebanyak 18 ton. Kontrak produksi sekrup sebanyak 7,6 ton telah ditandatangani. Dalam proses produksi terjadi kehilangan bahan mentah sebesar 5%. Selain memproduksi sekrup, pabrik tersebut juga menjual besi baja sebagai bahan mentah kepada pabrik lain. Pertanyaan: Berapa banyak besi baja yang dapat dijual sebagai bahan mentah selagi kontrak masih berjalan? Optimasi 7
Programa Linier: Metoda Numeris / Matematis Jawab: Asumsi: Besi baja yang dapat dijual sebagai bahan mentah adalah x ton, Jumlah yang tersedia di pabrik adalah (18 - x) ton Kehilangan dalam proses produksi 5% (18 - x) 5/100 (18 x) = 7,6 ton 95/100 (18 - x) = 7,6, sehingga x = 10 Maka, besi baja yang dijual sebagai bahan mentah adalah 10 ton. Optimasi 8
Programa Linier: Metoda Numeris / Matematis Contoh 2: Suatu areal tanah pertanian seluas 40 ha terbagi atas lahan basah dan lahan kering. Seluruh lahan kering dan separuh lahan basah ditanami tanaman jagung. Penghasilan per-ha: Rp. 800.000,-/ ha untuk lahan kering dan Rp. 1.200.000,-/ ha untuk lahan basah Setelah panen, penghasilan total dari lahan kering dan basah adalah Rp. 27.000.000,-. Pertanyaan: Berapa luas lahan masing-masing di areal pertanian tersebut? Optimasi 9
Programa Linier: Metoda Numeris / Matematis Jawab: Asumsi Luas lahan kering adalah X ha dan lahan basah Y ha, sehingga: (X + Y) = 40 ha.....(1) 8.000 X + 1.200.000 (Y/2) = 27.000.000, atau 800.000 X + 600.000 Y = 27.000.000...(2) Ini berarti, bahwa nilai X dan Y dapat dihitung sbb.: (1) X + Y = 40 800.000 X + 800.000 Y = 32.000.000 (2) 800.000 X + 600.000 Y = 27.000.000 200.000 Y = 5.000.000 Diperoleh harga Y = 25 dan X = 15, sehingga luas lahan kering adalah 15 ha dan lahan basah 25 ha. Optimasi 10
Programa Linier: Metoda Grafis PADA SISTIM KOORDINAT X-Y (X & Y = VARIABEL) PERSAMAAN LINIER PEMBATAS JAWABAN YANG PALING MUNGKIN KETERBATASAN : JUMLAH VARIABEL TERBATAS Tentukan Fungsi Tujuan Gambar garis Pembatas dalam Sistem Koordinat Identifikasi Batasan dalam Ketidaksamaan Cari titik yang paling menguntungkan sesuai dengan Fungsi Tujuan. Optimasi 11
Programa Linier: Metoda Grafis Contoh 3: Pabrik baja yang sebelum nya disebut, memprediksi keuntungan se-besar Rp.30/buah untuk sekrup panjang dan Rp. 15/buah untuk sekrup pendek. Kapasitas penuh harian untuk keseluruhan mesin adalah 40.000 sekrup panjang dan 60.000 sekrup pendek. Karena adanya perbedaan cara produksi, maka setiap jam dihasilkan 5.000 sekrup pendek dan 7.500 sekrup pendek. Dilain pihak bahan kimia khusus untuk memproduksi sekrup panjang hanya tersedia untuk mengolah 30.000 buah; dan bagian pengepakan hanya mampu mengepak 50.000 buah perhari. Pertanyaan: Apabila jam kerja adalah 8 jam perhari, berapa banyak sekrup dari masingmasing ukuran yang harus di produksi agar tercapai keuntungan maksimum? Optimasi 12
Programa Linier: Metoda Grafis Jawab: Produksi harian adalah X sekrup panjang dan Y sekrup pendek Maksimasi (fungsi tujuan), Z = 30 X + 15 Y Pembatas (1) X < 40.000dan Y<60.000 (2) (X / 5.000) + (Y/7.500) < 8 atau (3X + 2Y < 120.000) (3) X + Y <50.000 (4) X < 30.000 (5) X >0 dan Y>0 Dengan menggambarkan persamaan linier pada bidang X-Y maka akan didapat area yang memenuhi syarat pertidaksamaan di atas. Optimasi 13
Programa Linier: Metoda Grafis Thousands 80 70 60 50 B 40 C 30 X = 30.000 X = 40.000 Y = 60.000 20 D 10 X + Y = 50.000 A 0 E -20-10 0 20 40 60-20 Thousands 3X + 2Y = 120.000 Optimasi 14
Programa Linier: Metoda Grafis Pemeriksaan fungsi keuntungan (Z = 30X + 15Y) pada titik-titik ekstrim: A, B, C, D dan E: Titik X Y Z = 30 X + 15 Y A 0 0 0 B 0 50.000 750.000 C 20.000 30.000 1.050.000 D 30.000 15.000 1.125.000 E 30.000 0 900.000 Jadi keuntungan maksimum diperoleh dengan memproduksi 30.000 sekrup panjang dan 15.000 sekrup pendek, dengan keuntungan sebesar Rp. 1.125.000. Optimasi 15
Programa Linier: Metoda Grafis Contoh 4: Sebuah pabrik pipa memproduksi pipa berdiameter 2 dan 4 inci. Keuntungan dari pipa 2 dan 4 inci berturut-turut adalah Rp. 3000,- dan Rp. 5000,-. Mesin yang ada dapat memproduksi pipa 72 batang pipa 2 inci atau 48 batang pipa 4 inci dalam satu hari. Namun mesin ini hanya dioperasikan untuk menghasilkan pipa 2 inci sebanyak 8 batang/jam, dan pipa 4 inci sebanyak 5 batang/jam. Pabrik pipa ini beroperasi selama 8 jam/hari. Untuk membuat pipa berdiameter 2 inci tersedia bahan tambahan khusus yang hanya cukup untuk membuat 32 batang pipa/hari. Alat transportasi yang tersedia hanya mampu membawa 60 batang pipa dari pabrik ke gudang perharinya. Pertanyaan: Berapakah banyak pipa yang harus diproduksi agar diperoleh keuntungan yang maksimal? Optimasi 16
Programa Linier: Metoda Grafis Jawab: Produksi harian adalah X batang pipa 2 inci dan Y batang pipa 4 inci. Maksimasi (fungsi tujuan), Z = 3.000 X + 5.000 Y Pembatas (1) (X/8) + (Y/5) 8 atau (5X + 8Y 320) (2) X + Y 60 (3) X 32 (4) X 0 dan Y 0 Dengan menggambarkan persamaan linier pada bidang X-Y maka akan didapat area yang memenuhi syarat pertidaksamaan di atas. Optimasi 17
Programa Linier: Metoda Grafis 60 50 X = 32 40 B 30 20 C X + Y = 60 10 0 A D 5X + 8Y = 320 0 10 20 30 40 50 60 70 Optimasi 18
Programa Linier: Metoda Grafis Pemeriksaan fungsi keuntungan (Z = 3.000X + 5.000Y) pada titik-titik ekstrim: A, B, C, D : Titik X Y Z = 3.000 X + 5.000 Y A 0 0 0 B 0 40 200.000 C 32 20 196.000 D 32 0 96.000 Jadi keuntungan maksimum diperoleh dengan memproduksi 40 batang pipa 4 inci / hari, dengan keuntungan sebesar Rp. 200.000,-. Optimasi 19
Programa Dinamik Pendekatan masalah pengambilan keputusan dengan menetapkan uruturutan keputusan. Perhitungan akibat dan pengaruh secara optimal strategi yang optimal. Contoh: Pemilihan rute dengan rute terpendek: Seseorang yang akan ke kantor Pak Pos Loper Koran Pemasangan Kabel Transmisi Permasalahan produksi: Pemesanan ulang persediaan Perencanaan produksi dengan permintaan yang berfluktuasi Penjadwalan reparasi mesin Optimasi 20
Prinsip Optimasi Bellman Suatu kebijakan menyeluruh yang optimal harus dibentuk oleh beberapa sub-kebijakan yang optimal pula. Keputusan Mendatang Keputusan Kini dipengaruhi Keputusan Kini Keputusan Kemarin Optimasi 21
Programa Dinamik Contoh: Proyek penanaman kabel transmisi dari A ke B secara ekonomis. Rencana Anggaran Biaya (RAB) dalam satuan biaya/ruas dapat diperkirakan. Perhatikan gambar berikut: Prinsip untuk menentukan rute: Dari A menuju B selalu mengarah ke Utara atau ke Timur. Bekerja dengan arah kebalikan (dari B) Optimasi 22
Programa Dinamik Prosedur yang perlu diperhatikan: 1. Dari titik-titik K, F dan C hanya 1 route ke B (ke Timur) 2. Dari titik-titik E, J-dan P hanya 1 route ke B (ke Utara) 3. Pada titik-titik tersebut dapat dituliskan notasi 1. 4. Dari titik D ke B: 2 route (D-C-B atarr D-E-B). 5. Dari titik G ke B: l route (G-D-C-B, G-D-E-B & G-F-C-B) 6. Pada titik-titik D & G dapat dituliskan notasi 2 & 3 7. Dengan cara yang sama, diperoleh 3 route dari titik I 8. Dari titik H ada 6 route (3 melalui I dan 3 melalui G). 9. Pada gambar lv, terdapat notasi untuk semua titik; ada 20 route alternatif tersedia ciari A ke B, yang artinya 20 RAB harus dievaluasi dan dibandingkan. 10.Bekerja dengan arah kebalikan. Jika kabel sudah sarnpai di C, kemana arah yang dipilih? (ke Timur & RAB Rp. 10 juta) 11.Catatan: Jumlah Blok = set binary 3x3 4x4 5x5 6x6 20x20 Jumlah Rute 20 70 252 924 137.846.528.020 Optimasi 23
Programa Dinamik Prosedur yang perlu diperhatikan (lanjutan): 10.Bekerja dengan arah kebalikan. Jika kabel sudah sarnpai di C, kemana arah yang dipilih? (ke Timur & RAB Rp. 10 juta) 11.Jika sampai di E, arahkan ke Utara & RAB Rp. 11 juta 12.Selanjutnya, jika kabel sudah sampai di D: RAB D-C-B adalah Rp. 17 juta dan RAB D-E-B adalah Rp. 18 juta. Pllih route D-C-B senilai Rp. 17 juta (lengkapi dengatr arah panah) 13.Selanjutnya langkah yang sarna diambil untuk F, G, H, I & J 14.Dan terakhir untuk K, P, L, O, M, N & A. Arah panah ke Utara ke Timur menandakan route yang dipilih. RAB Rp. 44 juta. Optimasi 24
Programa Dinamik Optimasi 25
Programa Dinamik Optimasi 26
Programa Dinamik Optimasi 27
Antrian / Queuing Antrian: adalah suatu jalur menunggu (menantikan pelayanan). Contoh antrian: Antrian take-off pesawat Antrian membayar SPP di bank Antrian di mesin ATM Antrian di gerbang tol Antrian di loket karcis bioskop Antrian di kasir Antrian check-in di bandara Antrian pasien di tempat praktek dokter Contoh lain? Optimasi 28
Antrian / Queuing Faktor-faktor antrian: 1. Kedatangan pelanggan acak (jumlah & waktu) 2. Pelayanan: waktu dan jumlah tempat pelayanan 3. Pelanggan: Sedang dilayani Sedang menunggu (dalam antrian) 4. Waktu pelayanan: Sama untuk tiap pelanggan Acak Persoalan antrian dapat dipecahkan bila Waktu pelayanan rata-rata lebih kecil dari waktu kedatangan ratarata. Optimasi 29
Antrian / Queuing Faktor Utilisasi Tempat Pelayanan: β= (waktu pelayanan rata-rata / waktu kedatangan rata-rata) Jika β < maka tenlpat pelayanan mampu melayani.pelanggan; dan β > 1 berarti antrian semakin panjang. Harga β merupakan ukuran (%) penggunaan fasilitas pelayanan, misal β = 75% berarti petugas pelayanan dan peralatannya bekerja selama 75% dari seluruh waktunya. Optimasi 30
Antrian / Queuing Faktor Utilisasi Tempat Pelayanan: β= (waktu pelayanan rata-rata / waktu kedatangan rata-rata) Jika β < maka tenlpat pelayanan mampu melayani.pelanggan; dan β > 1 berarti antrian semakin panjang. Harga β merupakan ukuran (%) penggunaan fasilitas pelayanan, misal β = 75% berarti petugas pelayanan dan peralatannya bekerja selama 75% dari seluruh waktunya. Optimasi 31
Antrian / Queuing Contoh Soal: Kedatangan pelanggan di sebuah toko yang hanya mempunyai satu kasir pembayaran adalah sebagai berikut: Optimasi 32
Antrian / Queuing Kedatangan pelanggan tersebut adalah acak (random). Bila setiap pelanggan memerlukan waktu 3 menit untuk dilayani, maka pola pelayanannya adalah sebagai berikut: Selama 1 jam dari jam 09:00 10:00 terjadi pengangguran selama 17 menit. Jadi sarana pelayanan hanya digunakan selama 43 menit. Sehingga, β = 43 / 60 = 72 % Optimasi 33
Antrian / Queuing Profil panjang antrian terhadap waktu: 5 4 3 2 1 Panjang Antrian 0 09:01 09:05 09:09 09:13 09:17 09:21 09:25 09:29 09:33 09:37 09:41 09:45 09:49 09:53 09:57 Waktu Optimasi 34
Antrian / Queuing Untuk interval waktu yang panjang diperoleh: β = waktu pelayanan rata-rata / waktu antara kedatangan rata-rata = 3 / (60/15) = 75 % Meskipun sarana pelayanan dipakai 75 % dari waktunya, ternyata pada suatu periode waktu tertentu terdapat 5 pelanggan dalam antrian. Optimasi 35
Antrian / Queuing Panjang antrian rata-rata (PA): PA = (17x0 + 19x1 + 5x2 + 5x3 + 4x4 + 5x10) / 60 = 110 / 60 = 1,83 Optimasi 36
Antrian / Queuing Rumus antrian pada interval waktu panjang: Untuk waktu pelayanan tetap: Untuk waktu pelayanan acak: β PA = 1 1 β β PA = 1 β β 2 Untuk contoh soal pada slide sebelumnya: 0,75 PA = 1 0,75 = 1,875 1 0,75 2 Optimasi 37
Antrian / Queuing MEMPELAJARI ANTRIAN harus dilakukan berulang-ulang sehingga mendekati keadaan yang sebenarnya SECARA EKONOMIS antrian dikaitkan dengan prediksi keuntungan / kerugian Optimasi 38
Algoritma Lorong PRINSIP: MENDAPATKAN JUMLAH ORANG YANG OPTIMAL PADA SUATU TEMPAT YANG DAPAT MEMANTAU DAERAH-DAERAH YANG TELAH DITENTUKAN. Misalnya : jumlah polisi yang diperlukan untuk memantau jalan atau daerah tertentu. Optimasi 39
Algoritma Lorong Jumlah polisi yang diperlukan untuk memantau jalan atau daerah tertentu. a b a, b dan c : pos polisi Lorong ab dan bc = 1 arah Lorong ac atau ca = 2 arah c tanda (+) berarti (atau) Optimasi 40
Algoritma Lorong (a+c)(a+b) =a 2 +ab+ca+cb, berarti: a 2 ab ca cb = pos a awasi a dari (a+c) dan awasi b dari (a+b) = pos a awasi a dari (a+c) dan pos b awasi b dari (a+b) = pos c awasi a dari (a+c) dan pos a awasi b dari (a+b) = pos c awasi a dari (a+c) dan pos b awasi b dari (a+b) Atau (a+c) (a+b) berarti semua cara untuk mengawasi a dan b. Sehingga untuk mengawasi a, b, dan c: (a+c).(a+b).(a+b+c) Yang akan memunculkan a 3, yang artinya seorang pengawas di a dapat mengawasi a, b dan c. Optimasi 41
Permainan / Game PRINSIP : SUATU KEADAAN DlMANA TERDAPAT 2 (DUA) PIHAK YANG BERKOMPETISI ATAU BERSAING. MASlNG-MASING AKAN MENENTUKAN STRATEGI UNTUK SALING MENGALAHKAN (BERSEPAKAT DALAM ATURAN MAIN). Ada prinsip zero-sum yaitu akan selalu ada pihak yang menang dan yang kalah, seperti lazimnya pertandingan olah raga. CONTOH : Permainan 27 anak korek api pemain dengan jumlah terakhir genap berarti menang! Optimasi 42
Permainan / Game Algoritma : Sederetan atau seiumlah langkah yang dapat diambil untuk memecahkan semua masalah dari jenis tertentu. Algoritma untuk contoh permainan korek api pada slide sebelumnya: Pemain A ambil 2 dan selanjutnya bila B mempunyai jumlah genap, sisa dibagi 6 dan ambil lebih kecil satu dari sisa pembagian tersebut; namun bila B mempunyai jumlah ganjil, ambil lebih besar satu dari sisa pembagian, kecuali jika sisa 4 maka ambil semua. Optimasi 43