Pengantar Teknik Industri TIN 4103

dokumen-dokumen yang mirip
Pemrograman Linier (Linear Programming) Materi Bahasan

LINEAR PROGRAMMING. Lecture 5 PENELITIAN OPERASIONAL I. Lecture 5 23/10/2013. Simplex Method: Two-Phase Method Membagi penyelesaian LP dalam 2 fase:

: METODE GRAFIK. Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

MODUL PRAKTIKUM RISET OPERASIOANAL (ATA 2011/2012)

LINIEAR PROGRAMMING MATEMATIKA BISNIS ANDRI HELMI M, S.E., M.M.

BAB LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN PENDAHULUAN

BAB 2 PROGRAM LINEAR

METODE SIMPLEKS DALAM PROGRAM LINIER

Pemrograman Linier (1)

PROGRAM LINIER METODE GRAFIK

Bahan A: 6x + 4x 24. Bahan B Harga jual ($1000) 5 4. Identifikasi fungsi tujuan Pendapatan total yang harus dimaksimumkan adalah

Model Matematis (Program Linear)

OPERATION RESEARCH-1

BAB 2. PROGRAM LINEAR

Sejarah Perkembangan Linear Programming

A. Analisis Sensitivitas 1. Berapa besar perubahan koefisien fungsi objektif diperbolehkan supaya titik optimal dipertahankan?

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA GRAFIK

Model Linear Programming:

PEMROGRAMAN LINIER: FORMULASI DAN PEMECAHAN GRAFIS

Danang Triagus Setiyawan ST.,MT

PENELITIAN OPERASIONAL I (TIN 4109)

BAB 2 LANDASAN TEORI

Teknik Riset Operasional Semester Genap Tahun Akademik 2015/2016 Teknik Informatiaka UIGM

Manajemen Sains. Pemrograman Linier (Metode Grafik) Eko Prasetyo Teknik Informatika Univ. Muhammadiyah Gresik 2011

LINEAR PROGRAMMING. Pembentukan model bukanlah suatu ilmu pengetahuan tetapi lebih bersifat seni dan akan menjadi dimengerti terutama karena praktek.

PENELITIAN OPERASIONAL I (TIN 4109)

Operations Management

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

BAB 2 LANDASAN TEORI

MODEL DAN PERANAN RO DALAM PENGAMBILAN KEPUTUSAN

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

Dosen Pengampu : Dwi Sulistyaningsih

BAB 2 LANDASAN TEORI

Pendahuluan. Secara Umum :

BAB II TINJAUAN PUSTAKA

Formulasi dengan Lindo. Dasar-dasar Optimasi. Hasil dengan Lindo 1. Hasil dengan Lindo 2. Interpretasi Hasil. Interpretasi Hasil.

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model

BAB 2 LANDASAN TEORI

III KERANGKA PEMIKIRAN

a. untuk (n+1) genap: terjadi ekstrem, dan jika (ii) f (x ) > 0, maka f(x) mencapai minimum di titik x.

Bentuk Standar. max. min

Dasar-dasar Optimasi

Ardaneswari D.P.C., STP, MP.

BAB 2 LANDASAN TEORI

MATEMATIKA SISTEM INFORMASI 2 IT

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

BAB II KAJIAN PUSTAKA

PENELITIAN OPERASIONAL I (TIN 4109)

III. METODE PENELITIAN

Model Linear Programming:

Metode Simpleks (Simplex Method) Materi Bahasan

PENELITIAN OPERASIONAL I (TIN 4109)

BAB 3 METODE PENELITIAN

Modul 2 PEMROGRAMAN LINIER METODE GRAFIK. Model pemrograman linear, mempunyai tiga komponen dasar :

BAB II LANDASAN TEORI. A. Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

INTEGER PROGRAMMING. Widha Kusumaningdyah, ST., MT 2012

Manajemen Sains. Eko Prasetyo. Teknik Informatika UMG Modul 3 PEMROGRAMAN LINIER METODE SIMPLEKS

MODUL PRAKTIKUM RISET OPERASIONAL 1

BAB 2 LANDASAN TEORI

CCR314 - Riset Operasional Materi #2 Ganjil 2015/2016 CCR314 RISET OPERASIONAL

CCR-314 #2 Pengantar Linear Programming DEFINISI LP

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk

BAB I PENDAHULUAN. besar dan mampu membantu pemerintah dalam mengurangi tingkat pengangguran.

Metodologi Penelitian

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

BAB 2 LANDASAN TEORI

III. KERANGKA PEMIKIRAN

LINEAR PROGRAMMING. 1. Pengertian 2. Model Linear Programming 3. Asumsi Dasar Linear Programming 4. Metode Grafik

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Manajemen Sains. Pemrograman Linier (Metode Simpleks) Eko Prasetyo Teknik Informatika Univ. Muhammadiyah Gresik 2011

OPTIMASI PROGRAM LINIER PECAHAN DENGAN FUNGSI TUJUAN BERKOEFISIEN INTERVAL

BAB 3 LINEAR PROGRAMMING

BAB II. PEMROGRAMAN LINEAR

Hanif Fakhrurroja, MT

III KERANGKA PEMIKIRAN

BAB 2 Alamanda. LINEAR PROGRAMMING: METODE GRAFIK Fungsi Tujuan Maksimasi dan Minimasi

Pengantar Riset Operasi. Riset Operasi Minggu 1 (pertemuan 1) ARDANESWARI D.P.C., STP, MP

Bab 2 LANDASAN TEORI

mempunyai tak berhingga banyak solusi.

LINEAR PROGRAMMING-1

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

BAB II LANDASAN TEORI

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan

BAB 3 METODE PENELITIAN. Jenis penelitian yang dilakukan memiliki tujuan studi yaitu studi deskriptif.

PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

SILABUS JURUSAN MANAJEMEN - PROGRAM STUDI S1 MANAJEMEN FAKUTAS EKONOMI UNIVERSITAS GUNADARMA

Manajemen Operasional

LINIER PROGRAMMING Formulasi Masalah dan Pemodelan. Staf Pengajar Kuliah : Fitri Yulianti, MSi.

KERANGKA PEMIKIRAN Kerangka Pemikiran Teoritis

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

BAGIAN III OPTIMASI DENGAN SOLVER

PROGRAM LINEAR DENGAN METODE SIMPLEX

penelitian, yaitu kontribusi margin dan kendala. Berikut adalah pengertian dari

PEMROGRAMAN LINEAR YULIATI,SE,MM

Transkripsi:

Pengantar Teknik Industri TIN 4103

Lecture 10 Outline: Penelitian Operasional References: Frederick Hillier and Gerald J. Lieberman. Introduction to Operations Research. 7th ed. The McGraw-Hill Companies, Inc, 2001. Hamdy A. Taha. Operations Research: An Introduction. 8th Edition. Prentice-Hall, Inc, 2007. Wignjosoebroto, Sritomo. 2003. Pengantar Teknik dan Manajemen Industri. Surabaya: Guna Widya. Yuniarti, Rahmi. 2011. Materi Kuliah: Penelitian Operasional. Malang: PSTI UB.

TAHAP-TAHAP STUDI PO 1. Definisi Masalah 2. Pengembangan Model 3. Pemecahan Model 4. Pengujian Keabsahan Model 5. Implementasi Hasil Akhir 3

1. Definisi Masalah Deskripsi tentang sasaran atau tujuan dari studi yang dilakukan Identifikasi alternatif keputusan dari sistem Pengenalan tentang keterbatasan, batasan, dan persyaratan sistem 4

2. Pengembangan Model Memutuskan model yang paling sesuai untuk mewakili sistem Menyatakan ekspresi kuantitatif dari tujuan dan batasan masalah dalam bentuk variabel keputusan 5

3.Pemecahan Model Menggunakan teknik-teknik optimisasi yang didefinisikan dengan baik dan model tersebut dikatakan menghasilkan sebuah pemecahan optimal Cara penyelesaian: Model matematis: teknik-teknik optimisasi Simulasi: hubungan matematis dalam model terlalu kompleks untuk memungkinkan pemecahan analitis Heuristik: mempercepat proses untuk mencapai pemecahan optimal dan/atau semata-mata digunakan untuk menemukan pemecahan yang baik /suboptimal Memperoleh informasi tambahan yang berkaitan dengan perilaku pemecahan yang disebabkan oleh perubahan dalam parameter sistem analisis sensitivitas 6

4. Pengujian Keabsahan Model Validasi model = proses pengujian dan pengembangan model untuk meningkatkan validitas model Kriteria yang tepat untuk menguji validitas sebuah model adalah apakah model tersebut memprediksi dampakdampak relatif dari alternatif-alternatif tindakan dengan tingkatan akurasi yang memadai dalam rangka mengambil keputusan Model absah jika, walaupun tidak secara pasti mewakili sistem tersebut, dapat memberikan prediksi yang wajar dari kinerja sistem tersebut Uji retrospektif = Membandingkan kinerjanya dengan data masa lalu yang tersedia untuk sistem aktual 7

5. Implementasi Hasil Akhir Melibatkan penerjemahan hasil menjadi petunjuk operasi yang terinci dan disebarkan dalam bentuk yang mudah dipahami kepada para individu yang akan mengatur dan mengoperasikan sistem yang direkomendasikan Biasanya berbasis komputer 8

MODEL MATEMATIS Merumuskan kembali permasalahan yang telah didefinisikan ke dalam suatu bentuk yang tepat untuk analisis dan dinyatakan dalam bentuk simbol dan lambang matematis Model matematis akan menyatakan bahwa permasalahannya adalah memilih nilai variabel keputusan untuk memaksimalkan (meminimalkan) fungsi tujuan sesuai dengan kendala-kendala tertentu 9

Komponen Model Matematis 1. Variabel Keputusan: keputusan yang dicari nilainya 2. Fungsi Tujuan: ukuran performansi, fungsi matematis dari variabel keputusan 3. Kendala: batasan-batasan nilai dari variabelvariabel keputusan 4. Parameter: konstanta (yaitu koefisien dan sisi sebelah kanan/rhs) di dalam fungsi tujuan dan kendala 10

Bentuk Umum Model Matematis n min max Z j 1 c j x j ST : n j 1 a ij x j b i ; i 1,2,..., m x j 0; j 1,2,..., n 11

LINEAR PROGRAMMING PROBLEM Permasalahan program linear adalah permasalan minimasi atau maksimasi dari suatu fungsi linear, dimana juga terdapat adanya batasan linear dari tipe persamaan atau pertidaksamaan 12

Linear Programming Variabel Keputusan: x j Parameter Model: c j, b i, a ij Fungsi tujuan: Max Z = c 1 x 1 + c 2 x 2 + + c n x n Min Z = c 1 x 1 + c 2 x 2 + + c n x n Kendala Kendala fungsional a m1 x 1 + a m2 x 2 + + a mn x n b m a m1 x 1 + a m2 x 2 + + a mn x n b m a m1 x 1 + a m2 x 2 + + a mn x n = b m Kendala nonnegativitas x j 0 13

Simbol yang Umum Digunakan Z = Nilai dari semua standar performansi x j = Tingkat aktivitas j (untuk j = 1, 2,, n) c j b i a ij = Penambahan terhadap Z yang diakibatkan oleh peningkatan tiap unit di tingkat aktivitas j = Jumlah sumber daya i yang tersedia untuk aktivitas (untuk i = 1, 2,, m) = Jumlah sumber daya i yang dipakai oleh tiap unit aktivitas j 14

Data yang Diperlukan Sumber Daya 1 2 : m Penggunaan Sumber Daya per Unit Aktivitas Aktivitas 1 2 n a 11 a 21 a m1 a 12 a 22 a m2 a 1n a 2n a mn Kontribusi terhadap Z per unit aktivitas c 1 c 2 c n Jumlah Sumber Daya yang Tersedia b 1 b 2 : b m 15

Bentuk Standar n j x m i b x a ST x c Z j i n j j ij n j j j 1,2,..., 0; 1,2,..., ; : max 1 1 n j x m i b x a ST x c Z j i n j j ij n j j j 1,2,..., 0; 1,2,..., ; : min 1 1 16

Assumptions of Linear Programming Proportionality Kontribusi setiap aktivitas terhadap nilai fungsi tujuan Z adalah proporsional terhadap tingkat aktivitas x j, seperti yang digambarkan oleh suku c j x j dalam fungsi tujuan. Demikian pula, kontribusi setiap aktivitas di setiap sisi kiri tiap kendala fungsional adalah proporsional terhadap tingkat aktivitas x j, seperti yang digambarkan oleh suku a ij x j dalam kendala. 17

Assumptions of Linear Programming Additivity Setiap fungsi dalam model pemrograman linier (baik fungsi tujuan maupun fungsi di sebelah kiri kendala fungsional) adalah jumlah kontribusi individu pada masing-masing aktivitas 18

Assumptions of Linear Programming Divisibility Variabel keputusan dalam model pemrograman linier diperbolehkan untuk memiliki suatu nilai, termasuk nilai pecahan, yang memenuhi kendala fungsional dan kendala nonnegatif. Variabel-variabel dapat bernilai bulat atau pecahan. 19

Assumptions of Linear Programming Certainty Nilai yang diberikan oleh tiap parameter dari model pemrograman linier diasumsikan sebagai konstanta yang diketahui 20

Contoh Soal 1 Reddy Mikks Company memiliki pabrik yang menghasilkan cat, interior dan eksterior untuk didistribusikan kepada para grosir. Dua bahan mentah, A dan B, dipergunakan untuk membuat cat tersebut. Ketersediaan A maksimum : 6 ton per hari; ketersediaan B: 8 ton per hari. Kebutuhan harian bahan mentah per ton cat interior dan eksterior diringkaskan dalam tabel. Eksterior Ton Bahan Mentah per Ton Cat Interior Ketersediaan maksimum (ton) A 1 2 6 B 2 1 8 21

Contoh Soal 1 lanjutan Sebuah survey pasar telah menetapkan bahwa permintaan harian akan cat interior tidak akan lebih dari 1 ton lebih tinggi dibandingkan permintaan akan cat eksterior. Survey tersebut juga memperlihatkan bahwa permintaan maksimum akan cat interior adalah terbatas pada 2 ton per hari. Harga grosir per ton adalah $3000 untuk cat eksterior dan $2000 untuk cat interior. Berapa banyak cat interior dan eksterior yang harus dihasilkan perusahaan tersebut setiap hari untuk memaksimumkan pendapatan kotor? 22

Contoh Soal 1 Xj = jumlah ton cat jenis j yang diproduksi setiap hari Cj = harga grosir per ton cat jenis j Aij = kebutuhan ton bahan mentah i untuk memproduksi 1 ton cat jenis j Bi = ketersediaan maksimum bahan mentah i per hari j = index jenis cat; 1 = cat interior, 2 = cat eksterior i = index bahan mentah; 1 = bahan A, 2 = bahan B 23

Contoh Soal 1 Fungsi Tujuan: maksimumkan pendapatan kotor max z = 2000 X1 + 3000 X2 Batasan bahan baku Bahan baku A 2 X1 + X2 6 Bahan baku B X1 + 2 X2 8 24

Contoh Soal 1 Batasan permintaan harian Permintaan harian cat interior tidak akan lebih dari 1 ton lebih tinggi dari cat eksterior X1 - X2 1 Permintaan maksimum harian cat interior adalah 2 ton X1 2 Batasan non negativitas X1 0 X2 0 25

Contoh Soal 1 max z = 2000 X1 + 3000 X2 Subject To: 1) 2 X1 + X2 6 2) X1 + 2 X2 8 3) X1 - X2 1 4) X1 2 5) X1 0 6) X2 0 26

Menyelesaikan Contoh Soal 1 dengan Metode Grafik Mencari titik potong fungsi kendala dengan sumbu X dan sumbu Y diagram cartesius Menentukan daerah layak Menentukan garis fungsi tujuan menggeser Menentukan solusi optimal 27

Contoh Soal 1 2 X1 + X2 6 Titik potong dengan sumbu X1 X2 = 0 X1 = 3 Titik potong dengan sumbu X2 X1 = 0 X2 = 6 28

Contoh Soal 1 29

Contoh Soal 1 X1 + 2 X2 8 Titik potong dengan sumbu X1 X2 = 0 X1 = 8 Titik potong dengan sumbu X2 X1 = 0 X2 = 4 30

Contoh Soal 1 31

Contoh Soal 1 X1 - X2 1 Titik potong dengan sumbu X1 X2 = 0 X1 = 1 Titik potong dengan sumbu X2 X1 = 0 X2 = -1 32

Contoh Soal 1 33

Contoh Soal 1 X1 2 X1 0 X2 0 34

Contoh Soal 1 35

Contoh Soal 1 36

Contoh Soal 1 Fungsi Tujuan: max z = 2000 X1 + 3000 X2 Misalkan z = 6000 Titik potong dengan sumbu X1 (3,0) Titik potong dengan sumbu X2 (0,2) Lakukan pergeseran ke kanan untuk mendapatkan nilai maksimum 37

Contoh Soal 1 38

Contoh Soal 1 Nilai maksimum dicapai pada titik perpotongan garis 1 dan 2 1) 2 X1 + X2 6 2) X1 + 2 X2 8 Dengan substitusi/eliminasi, dapat diperoleh titik perpotongannya: X1 = 4/3 X2 = 10/3 Z = 2000 X1 + 3000 X2 = 12667 Kesimpulan: Cat interior yang harus diproduksi = 4/3 ton per hari Cat eksterior yang harus diproduksi = 10/3 ton per hari Pendapatan kotor maksimum yang bisa didapatkan = $12.667 39

Contoh Soal 2 PT X memproduksi mainan boneka dan kereta api. Boneka dijual dengan harga 27.000/unit dengan biaya material 10.000 serta biaya tenaga kerja 14.000. Kereta api dijual seharga 21.000 per unit memerlukan biaya material 9.000 dengan biaya tenaga kerja 10.000. Untuk membuat boneka dan kereta api ini diperlukan 2 kelompok tenaga kerja yaitu tukang kayu dan tukang poles. Setiap unit boneka memerlukan 2 jam pemolesan dan 1 jam pekerjaan kayu.tiap unit kereta api memerlukan 1 jam pemolesan dan 1 jam pekerjaan kayu. Jam kerja yang tersedia hanya 100 jam pemolesan dan 80 jam pekerjaan kayu. Berdasar riset pasar, kebutuhan kereta api tidak terbatas, tetapi boneka tidak lebih dari 40 unit setiap minggunya. Formulasikan permasalahan diatas 40

Formulasi soal 2 Variabel Keputusan x1 = banyaknya boneka yang dibuat setiap minggu x2 = banyaknya kereta api yang dibuat setiap minggu Fungsi Tujuan Pendapatan per minggu = Pendapatan per minggu dari boneka + Pendapatan per minggu dari kereta api = 27 x1 + 21 x2 Ongkos material per minggu = 10x1 + 9x2 Ongkos tenaga kerja per minggu = 14x1 + 10x2 Sehingga yang dimaksimumkan : (27 x1 + 21 x2) (10x1 + 9x2) - (14x1 + 10x2) = 3x1 + 2x2 Max z = 3x1 + 2x2 41

Formulasi Soal 2 Pembatas Setiap minggu tidak lebih dari 100 jam waktu pemolesan 2x1 + x2 100 Setiap minggu tidak lebih dari 80 jam waktu pekerjaan kayu x1 + x2 80 Tidak boleh lebih dari 40 unit boneka yang dibuat x1 40 Non Negativity x1 0 x2 0 42

Formulasi soal 2 Fungsi Tujuan Max z = 3x1 + 2x2 Fungsi Kendala / Subject To 2x1 + x2 100 x1 + x2 80 x1 40 x1 0 x2 0 43

Istilah yang Harus Dikenali Daerah layak Feasible solution Solusi optimal Unique Finite Optimal Solution Alternative Finite Optimal Solutions Unbounded Optimal Solution Solusi corner-point feasible Empty Feasible Region, infeasible, inconsistent 44

Istilah yang Harus Dikenali Daerah layak Daerah yang memenuhi semua batasan 45

Istilah yang Harus Dikenali Feasible solution Permasalahan yang diajukan memiliki solusi yang memenuhi semua batasan Solusi optimal Solusi yang dihasilkan sesuai dengan kriteria yang diinginkan (minimasi maupun maksimasi) 46

Istilah yang Harus Dikenali Unique Finite Optimal Solution Permasalahan hanya memiliki satu solusi optimal 47

Istilah yang Harus Dikenali Alternative Finite Optimal Solutions Permasalahan memiliki penyelesaian lebih dari satu 48

Istilah yang Harus Dikenali Unbounded Optimal Solution Solusi optimal berada pada area yang tak berbatas 49

Istilah yang Harus Dikenali Solusi corner-point feasible (Pada saat menggunakan metode grafik) kemungkinan besar solusi layak didapatkan dari titiktitik sudut yang membatasi daerah layak 50

Istilah yang Harus Dikenali Empty Feasible Region, infeasible, inconsistent Tidak terdapat solusi yang layak karena paling tidak satu batasan tidak terpenuhi 51

52

Lecture 11 QUIZ 2 Materi: Perencanaan dan Perancangan Tata Letak Pabrik Ekonomi Teknik Penelitian Operasional