Penelitian Operasional II Programma Dinamik 9. S2 : Musim gugur S3 : Musim dingin S4 : Musim semi

dokumen-dokumen yang mirip
Penelitian Operasional II Programa Dinamik 1 1. PROGRAM DINAMIK

BAB 2 LANDASAN TEORI. 2.1 Program Dinamik

BIAYA MINIMUM PADA PERENCANAAN PRODUKSI DAN PENGENDALIAN PERSEDIAAN UD. HAMING MAKASSAR DENGAN PROGRAM DINAMIK

BAB III METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun ajaran dan

BAB 2 LANDASAN TEORI

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT

BAB I PENDAHULUAN. produk dapat berakibat terhentinya proses produksi dan suatu ketika bisa

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

Bab 2 LANDASAN TEORI

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09

Program Dinamis (Dynamic Programming)

30/03/2015 DYNAMIC PROGRAMMING DYNAMIC PROGRAMMING DYNAMIC PROGRAMMING DYNAMIC PROGRAMMING DYNAMIC PROGRAMMING OPERATIONAL RESEARCH II

Program Dinamis (dynamic programming):

BAB 2 LANDASAN TEORI

Program Dinamis. Oleh: Fitri Yulianti

TIN102 - Pengantar Teknik Industri Materi #10 Ganjil 2015/2016 TIN102 PENGANTAR TEKNIK INDUSTRI

Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng

Riset Operasional. Tahun Ajaran 2014/2015 ~ 1 ~ STIE WIDYA PRAJA TANA PASER

Tentukan alokasi pemasaran yang optimum supaya diperoleh keuntungan maksimum.

BAB II LANDASAN TEORI

Program Dinamik Ir. Djoko Luknanto, M.Sc., Ph.D. Jurusan Teknik Sipil FT UGM

BAB 2 KAJIAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB II LANDASAN TEORI. Berdasarkan jenis operasi perusahaan, persediaan dapat diklasifikasikan

PROGRAMA INTEGER. Model Programa Linier : Maks. z = c 1 x 1 + c 2 x c n x n

BAB 2 LANDASAN TEORI

Program Dinamis (Dynamic Programming)

BAB 2 LANDASAN TEORI

Lecture 5 : Dynamic Programming (Programa Dinamis) Hanna Lestari, ST, M.Eng

BAB 2 LANDASAN TEORI. 2.1 Pengertian Program Linier (Linear Programming)

BAB 2 PROGRAM STOKASTIK

I PENDAHULUAN II LANDASAN TEORI

Bentuk Standar. max. min

BAB 2 LANDASAN TEORI

BAB II KAJIAN TEORI. Berikut diberikan landasan teori mengenai teori himpunan fuzzy, program

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

MODEL OPTIMISASI LOT PRODUKSI DENGAN PERTIMBANGAN BIAYA KUALITAS PADA SISTEM PRODUKSI MULTISTAGE

Jurusan Teknik Industri Itenas No.01 Vol.4 Jurnal Online Institut Teknologi Nasional Januari 2016

BAB 2 LANDASAN TEORI

PERTEMUAN 9 MENENTUKAN SOLUSI FISIBEL BASIS AWAL

Matematika Bisnis (Linear Programming-Metode Grafik Minimisasi) Dosen Febriyanto, SE, MM.

III KERANGKA PEMIKIRAN

Jurusan Teknik Industri Itenas No.04 Vol.03 Jurnal Online Institut Teknologi Nasional Oktober 2015

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk


BAB I PENDAHULUAN Latar Belakang Masalah

BAB II STUDI PUSTAKA. Bagian pertama literatur yang membahas dasar teori yang digunakan dan bagian

MODEL OPTIMISASI UKURAN LOT PRODUKSI PADA SISTEM PRODUKSI TIDAK SEMPURNA DENGAN MEMPERTIMBANGKAN PEMERIKSAAN SAMPLING BERGANDA DAN PROSES REWORK

BAB II LANDASAN TEORI

Bab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik

PROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III GAME THEORY. Dalam kehidupan sehari-hari sering dijumpai kegiatan-kegiatan yang

BAB 2 LANDASAN TEORI. 2.1 Arti dan Peranan Pengendalian Persediaan Produksi

BAB VI PROGRAMA LINIER : DUALITAS DAN ANALISIS SENSITIVITAS

MODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK

Model umum metode simpleks

BAB 2 LANDASAN TEORI

PEMROGRAMAN KOMPUTER KODE MODUL: TIN 202 MODUL III LINEAR PROGRAMMING DAN VISUALISASI

MODUL I PROGRAM DINAMIS

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau

MANAJEMEN PERSEDIAAN

METODOLOGI PENELITIAN

BAB 3 METODE PEMECAHAN MASALAH

Model Optimisasi Lot Produksi pada Sistem Produksi yang Terdeteriorasi dengan Mempertimbangkan Inspeksi Sampling untuk Meminimumkan Total Biaya *

BAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,

OPERATION RESEARCH-1

BAB 2 TINJAUAN PUSTAKA

Jurusan Teknik Industri Itenas No.04 Vol.03 Jurnal Online Institut Teknologi Nasional Oktober 2015

Bab 2 LANDASAN TEORI

BAB II KAJIAN PUSTAKA

MODEL OPTIMISASI PENENTUAN LOT PRODUKSI PADA SISTEM PRODUKSI YANG TERDETERIORASI DENGAN PEMERIKSAAN SAMPLING GANDA UNTUK MEMINIMUMKAN TOTAL BIAYA

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

PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI. Nurus Sa adah, Toni Bakhtiar, Farida Hanum

I PENDAHULUAN II LANDASAN TEORI

BAB 2 LANDASAN TEORI. 2.1 Pengertian Model dan Metode Transportasi

BAB 2 LANDASAN TEORI

Team Dosen Riset Operasional Program Studi Teknik Informatika Universitas Komputer Indonesia

BAB 11 Programa Linier Persoalan Pengangkutan

BAB 2 LANDASAN TEORI

Mata Kuliah Pemodelan & Simulasi. Riani Lubis. Program Studi Teknik Informatika Universitas Komputer Indonesia

BAB V KESIMPULAN DAN SARAN

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

BAB 2 LANDASAN TEORI

CONTOH PERENCANAAN DISAGREGAT Oleh: Ir. Roesfiansjah Rasjidin, MT., PhD.

BAB 2 LANDASAN TEORI

PERTEMUAN 10 METODE PENDEKATAN VOGEL / VOGEL S APPROXIMATION METHOD (VAM)

BAB II LINIER PROGRAMMING ( LP )

PENERAPAN PROGRAM DINAMIS PROBABILISTIK PADA PENJADWALAN PROYEK KONSTRUKSI JEMBATAN

Program Dinamik (Dynamic Programming) Riset Operasi TIP FTP UB

MANAJEMEN PENGECEKAN INVENTARIS PERUSAHAAN BERBASIS PROGRAM DINAMIS

PENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE)

BAB 2 LANDASAN TEORI

OPERATIONS RESEARCH. Industrial Engineering

Model Optimisasi Ukuran Lot Produksi yang Mempertimbangkan Inspeksi Sampling dengan Kriteria Minimisasi Total Ongkos

BAB 2 LANDASAN TEORI

PERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA

OPERATIONS RESEARCH. oleh Bambang Juanda

3 BAB III LANDASAN TEORI

Transkripsi:

Penelitian Operasional II Programma Dinamik 9 Penyelesaian Tahapan : Musim S : Musim panas S : Musim gugur S3 : Musim dingin S4 : Musim semi Peubah keputusan : x n = Jumlah / level pekerja untuk tahapan ke-n (n=,,3,4) x 4 = 55 (nilai optimal) Misalkan r n = jumlah pekerja minimum yang dibutuhkan untuk tahapan ke-n Berarti : r n x n 55 Biaya untuk tahapan ke-n : C n = 00(x n x n- ) + 000 (x n r n ) State : Jumlah pekerja semusim yang lalu S n = x n-, untuk n = S = x 0 = x 4 = 55 Fungsi tujuan : Pilih x, x, x 3 (dengan x 4 = 55) sedemikian hingga 4 Min [00( xi xi ) + 000( xi ri )] i= n Kendala r i x i 55, i =,,3,4 n r n x n easibel S n = x n- Biaya 0 0 x 55 S = 55 00(x 55) + 000 (x 0) 40 40 x 55 0 S 55 00(x x ) + 000 (x 40) 3 00 00 x 55 40 S 3 55 00(x 3 x ) + 000 (x 3 00) 4 55 x 4 = 55 00 S 4 55 00(55 x 3 ) n (s n,x n ) = 00(x n s n ) + 000 (x n r n )+ 4 min ri xi 55 i= n [00( x i x ) i + 000( x i r )] i s n = x n- n (s n ) = min n (s n,x n ) r n x n 55 n (s n ) = min {00 (x n s n ) + 000 (x n r n ) + n+ (x n ) } r n x n 55

Programa Dinamik 0 Penelitian Operasional II Prosedur n = 4 x 4 4 (s 4 ) x 4 00 s 4 55 00(55-s 4 ) 55 n = 3 3 (s 3 ) = min {00 (x 3 s 3 ) + 000 (x 3 00) + 4 (x 3 ) } 00 x 3 55 = min {00 (x 3 s 3 ) + 000 (x 3 00) +00 (55 x 3 ) } 00 x 3 55 x x 3 3 3 ( s3, x3) = 400 (x 3 s 3 ) + 000 400 (55 x 3 ) = 400 (x 3 s 3-50) = 0 3( s3, x3 ) = 800 > 0 ---! minimum x 3 = (s 3 + 50) / 3 (s 3 ) = 3 (s 3, x 3 ) = 00 ((s 3 + 50) / s 3 ) + 000 ((s 3 + 50) / 00) + 00 (55 (s 3 + 50) /) n = 3 s 3 3 (s 3 ) x 3 40 s 3 55 50(50-s 3 ) +50(60-s 3 ) +000(s 3 50) (s 3 + 50)/ n = (s, x ) = 00 (x s ) + 000 (x r ) + 3 (x ) = 00 (x s ) + 000 (x r ) +50(50-x ) + 50(60-x ) +000(x 50)

Penelitian Operasional II Programma Dinamik (s ) = min 55 x 40 x (s, x ) ( s, x ) = 400 (x s ) + 000 00 (50-x ) -00 (60-x ) + 000 = 00 (3 x s 40) = 0 ( s, x ) = 600> 0 ---! minimum x x = ( s + 40)/3 n = s (s ) x 0 s 40 00(40-s ) + 5.000 40 40 s 55 00/9[(50-s ) +(65-s ) +30(3s 575)] (s +40)/3 n = (s, x ) = 00 (x s ) + 000 (x r ) + (x ) (s, x ) 00( x s) + 000( x 0) + 00(40 x) + 5 = 00( x s) + 000( x 0) + 00/9[(50 - s ) + (65 - s ) + 30(3s - 575)] jika 0 x jika 40 x 40 55 " 0 x 40 x s, x ) ( = 400(x s ) + 000 400 (40 x ) = 400( x s 35) Diketahui s = 55 ( s, x) = 800 ( x 45) < 0 untuk setiap x 40 x x = 40 untuk 0 x 40

Programa Dinamik Penelitian Operasional II " 40 x 55 x s, x ) ( = 400(x s ) + 000 00/9[(50 x )+(65-x )-90] = 400/3 (4 x 3 s 5) = 0 x = (3 s + 5)/4 s = 55 di dapat x = 47,5 akan meminimumkan seluruh daerah 40 x 55 (55) = 00 (47.5-55) + 000( 47.5 0) + 00/9[(50-47.5) + (65-47.5) + 30 (74.5 575)] = 85.000 n = s (s ) x 55 85.000 47.5 Hasil optimum : x = 47.5 x = ( ( 47.5)+40)/3 = 45 x 3 = (45 + 50)/ = 47.5 x 4 = 55.5 PENYELESAIAN PROGRAM LINEAR DENGA PROGRAM DINAMIK Secara umum masalah dalam program linear dapat dituliskan dalam bentuk : Max Z = C X + C X + + C n X n Kendala a X + a X + + a n X n b a X + a X + + a n X n b... a m X + a m X + + a mn X n b m X, X,,X n 0 Formulasi sebagai model program dinamik : Tahapan : setiap aktiitas j (j =,,.., n) # Aktiitas level, X j ( 0) merupakan alternati pada tahapan ke-j # Karena X j kontinu, setiap tahapan memiliki jumlah alternati tak terbatas dalam ruang layak (easible) # Asumsikan a ij > 0

Penelitian Operasional II Programma Dinamik 3 State : jumlah sumber daya (resources) yang dialokasikan pada tahapan ke-n dan tahapan ke-n+ # Karena ada m sumber daya, berarti state-nya merupakan vektor berdimensi m. # Misalkan (B j, B j,, B mj ) adalah state dari sistem pada tahapan ke-j, yaitu, jumlah sumber daya,,,m yang dialokasikan ke tahapan j,j+,,m Dengan menggunakan rekursi mundur n (B n, B n,,b mn ) = max {C n X n } 0 a in X n B in i =,,,m j (B j, B j,,b mj ) = max {C j X j + j+ (B j a j X j,, B mj a mj X j )} 0 a ij X j B ij i =,,,m; j =,,,n- 0 B ij b i untuk setiap i,j adalah nilai optimum dari ungsi tujuan untuk tahapan-tahapan (aktiitas-aktiitas) j,j+,..,n jika diberikan states B j, B j,,b mj Contoh.6 Max Z = X + 5 X Kendala : X + X 430 X 460 Penyelesaian : Tahapan : j (j=,) State : Misalkan (v j,w j ) state pada tahapan j (j =,) (v,w ) = max {5 X } 0 X v 0 X w karena X min {v, w /} dan (X v,w ) = 5 X maka (v,w ) = max (X v,w ) X = 5 min (v, w /) X = (v, w /) (v,w ) = max { X + (v X, w )} 0 X v = max { X + 5 min (v -X, w /)} 0 X v merupakan tahapan terakhir dengan v = 430 dam w = 460 X v / = 5

Programa Dinamik 4 Penelitian Operasional II (X v,w ) = (X, 430, 460) = X + 5 min (430-X, 460/) 5(30) 0 X 00 = X + 5(430 X ) 00 X 5 X + 50 0 X 00 = 8X + 50 00 X 5 (v,w ) = (430,460) = max (X +50, -8X + 50) X = (00) + 50 = -8(00) + 50 = 350 X = 00 X = min (v, w /) v = v X + 430 00 = 30 = min (30, 460/) = 30 w = w 0 = 460 Diperoleh Z = 350, X = 00 dan X = 30.6 PROGRAM DINAMIK PROBABILISTIK Perbedaan antara program dinamik probabilistik dan deterministik terletak pada penentuan state pada tahapan berikutnya. Pada kasus probabilistik penentuan ini tidakah ditentukan berdasarkan state dan keputusan kebijakan pada tahapan pada saat itu, melainkan berdasarkan suatu distribusi probabilitas. Meskipun demikian, distribusi probabilitas ini tetap ditentukan berdasarkan state dan keputusan kebijakan pada tahapan pada saat itu (current stage) Tahapan ke n Probabilitas Tahapan ke-n+ C n+ () Keputusan S n x n State : P C n+ () P n (s n, x n ) P s C s Kontribusi dari tahapan ke-n s n+ (s)

Penelitian Operasional II Programma Dinamik 5 n ( s n, x n ) = pi[ C s i= n+ (i) = min x n+ i + n+ n+ (i, x n+ ) ( i)] s : jumlah state yang mungkin pada tahapan ke n+ Contoh.8 Sebuah perusahaan mendapat pesanan untuk menyuplai suatu item tipe tertentu. Pelanggan menginginkan kualitas yang tinggi, karena itu perusahaan tersebut harus memproduksi lebih dari satu item untuk memperoleh item yang dapat diterima. Perusahaan ini memperkirakan bahwa setiap item yang diproduksinya itu akan diterima dengan probabilitas ½. Dengan demikian, maka banyaknya item yang dapat diterima dari suatu lot yang berukuran L akan mempunyai distribusi binomial. Ongkos produksi marginal untuk produk ini ditaksir sebesar $00/item (walaupun rusak), kelebihannya dianggap tak berharga. Jika perlu set-up biayanya $300. Jika seluruh lot rusak proses produksi harus di- set-up. Waktu produksi tidak boleh lebih dari 3 siklus. Jika item yang dapat diterima tidak dapat diperoleh pada akhir siklus produksi yang ke-3, kerugian yang ditanggung oleh perusahaan adalah $600. Tentukan ukuran lot pada siklus produksi yang diperlukan sehingga diperoleh ekspektasi biaya pembuatan yang minimum. Penyelesaian " Tahapan : siklus produksi " State : banyaknya item yang dapat diterima ( nol atau satu) s = pada tahapan " Peubah keputusan : ukuran lot produksi pada tahapan ke-n (x n, n =,,3) " Fungsi tujuan : n ( s n, x n ) : ekspektasi biaya total minimum untuk tahapan ke-n ke depan n ( s) = min n ( s n, x n ) Xn=0,,... n ( 0) = 0 Dengan menggunakan $00 sebagai satuan uang, maka kontribusi terhadap biaya dari tahapan n adalah (k + x n ), dimana 0 xn = 0 k = 3 xn > 0 Untuk s=, maka n (, x n ) = k + x n + (/) Xn n+ () + [ - (/) Xn ] n+ (0) = k + x n + (/) Xn n+ ()

Programa Dinamik 6 Penelitian Operasional II Dengan 4 () = 6, yaitu biaya terminal jika tidak dihasilkan item yang dapat diterima : Hubungan Rekursi : n () = min {K + x n + (/) Xn n+() }, n =,,3 Xn =0,,... Prosedur : n=3 x 3 3 (, x 3 ) = k + x 3 + 6(/) x3 3 (s) x 3 s 0 3 4 6 9 8 8 8 3,4 n= n= x (, x ) = k + x + (/) x3 3 () (s) x s 0 3 4 8 8 7 7 7.5 7,3 (, x ) = k + x + (/) x () (s) x s 0 3 4 7 7 / 6 3/4 6 7/8 7/6 6 ¾ x Kebijakan optimum : Produksi item pada siklus produksi I, jika rusak Produksi atau 3 item pada siklus produksi II, jika rusak Produksi 3 atau 4 item pada siklus produksi III Ekspektasi ongkos total untuk kebijakan ini adalah $ 675.