Transcript

PowerPoint Presentation

Modul 1Seoul, 23rd of March 2014EKMA4413 Riset OperasiProgram Studi ManajemenOleh: M. Mujiya UlkhaqKeraton Yogyakarta, Yogyakarta, DI Yogyakarta1Tinjauan Umum Modul 1Secara umum, Modul 1 akan membahas tentang pendahuluan operations research dan perencanaan penugasan (assignment) beberapa orang karyawan pada beberapa tugas yang berbeda-beda.

Modul 1 terdiri dari dua kegiatan belajar:Kegiatan Belajar 1 Pendahuluan;Kegiatan Belajar 2 Perencanaan Penugasan.

Setelah mempelajari Modul 1, diharapkan mampu:Menjelaskan kegunaan operations research untuk pengambilan keputusan;Menjelaskan cara alokasi karyawan pada beberapa macam pekerjaan;

Secara khusus, setelah mempelajari Modul 1, diharapkan mampu:Menjelaskan cara analisis data dengan model-model yang ada dalam operations research;Memilih model yang lebih tepat dan sesuai dengan masalah yang dihadapi;Menerapkan hasil analisis untuk pemecahan masalah melalui pengambilan keputusan;Melakukan alokasi tenaga kerja dengan tepat;Menempatkan karyawan dengan biaya terrendah atau hasil terbesar.22PendahuluanTujuan dari operations research adalah mencari pemecahan masalah secara optimal dengan mempertimbangkan tujuan serta keterbatasan sumber daya yang ada.Optimal berarti sebaik-baiknya, yaitu yang paling kita kehendaki.Goal dari pemecahan suatu masalah bisa minimasi (misal biaya atau pengorbanan), bisa jugamaksimasi (misal manfaat atau keuntungan).

Skema Proses Pengambilan Keputusan3Identifikasi MasalahPengumpulan DataAnalisis DataPenentuan Alternatif Pemecahan MasalahPemilihan AlternatifPelaksanaanFeedback3Hungarian AlgorithmMinimasiTujuan dari proses pemecahan masalah model ini adalah minimasi, yakni meminimalkan pengorbanan.Pengorbanan yang ditanggung biasanya diukur dengan biaya yang dikeluarkan untuk menyelesaikan suatu pekerjaan. Dalam kasus penugasan karyawan, biaya untuk menyelesaikan suatu pekerjaan berbeda-bedakarena disebabkan oleh perbedaan keterampilan, latar belakang pendidikan, kerajinan, pengalaman, danlain sebagainya. Oleh karena itu kita harus menempatkan karyawan yang paling cocok dengan kebutuhanpekerjaan itu.

Ilustrasi:Suatu perusahaan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 4 macam peker-jaan. Satu karyawan hanya bisa mengerjakan satu macam pekerjaan. Data biaya penyelesaian pekerjaanoleh tiap karyawan seperti terlihat dalam tabel di bawah ini (biaya dalam rupiah).Tabel 1.14

4Hungarian AlgorithmMinimasiLangkah 1Ubah matriks biaya menjadi opportunity cost matrix. Nilai dari setiap baris dikurangi dengan nilai terkecil dari baris tersebut.

Tabel 1.2

5

5Hungarian AlgorithmMinimasiLangkah 2Ubah matriks opportunity cost matrix menjadi total opportunity cost matrix. Kalau kolom dari opportunity cost matrix (Tabel 1.2) masih ada nilai yang tidak 0 (nol), maka harus diusahakan agar bernilai 0 (nol). Caranya adalah nilai dari kolom yang belum mempunyai nilai 0 dikurangi dengan nilai terlecil dari kolom tersebut.

Tabel 1.36

6Hungarian AlgorithmMinimasiLangkah 3Tarik garis seminimal mungkin (baik vertikal maupun horizontal) yang menghubungkan setiap nilai 0 (nol) yang ada.

Tabel 1.47

7Hungarian AlgorithmMinimasiLangkah 4Revisi total opportunity cost matrix.Pilih nilai terkecil dari semua nilai yang belum dilintasi garis (x). Kurangi semua nilai yang belum dilintasi garis dengan x.Nilai yang ada di persimpangan garis ditambah dengan x.Ulangi Langkah 3 (jumlah garis harus sama dengan jumlah baris atau kolom).

Tabel 1.58

8Hungarian AlgorithmMinimasiLangkah 5Membuat alokasi penugasan. Tugaskan karyawan pada salah satu pekerjaan yang nilainya 0 (nol). Ingat bahwa satu karyawan hanya bisa ditugaskan pada satu pekerjaan.

Tabel 1.69

9Hungarian AlgorithmMaksimasiTujuan dari proses pemecahan masalah model ini adalah maksimasi, yakni memaksimalkan manfaat. Manfaat yang didapatkan biasanya diukur dengan keuntungan yang diperoleh saat menyelesaikan suatu pekerjaan.

Ilustrasi:Suatu perusahaan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 4 macam pekerjaan. Satu karyawan hanya bisa mengerjakan satu macam pekerjaan. Data keuntungan penyelesaian peker-jaan oleh tiap karyawan seperti terlihat dalam tabel di bawah ini (keuntungan dalam rupiah).Tabel 1.710

10

Hungarian AlgorithmMaksimasiLangkah 1Ubah matriks biaya menjadi opportunity lost matrix. Nilai dari setiap baris dikurangi dengan nilaiterbesar dari baris tersebut.

Tabel 1.8

11

11

Hungarian AlgorithmMaksimasiLangkah 2Ubah matriks opportunity loss matrix menjadi total opportunity loss matrix. Kalau kolom dari opportunity loss matrix (Tabel 1.8) masih ada nilai yang tidak 0 (nol), maka harus diusahakan agar bernilai 0 (nol). Caranya adalah nilai dari kolom yang belum mempunyai nilai 0 dikurangi dengan nilai terlecil dari kolom tersebut.

Tabel 1.912

12

Hungarian AlgorithmMaksimasiLangkah 3Tarik garis seminimal mungkin (baik vertikal maupun horizontal) yang menghubungkan setiap nilai 0 (nol) yang ada.

Tabel 1.1013

13

Hungarian AlgorithmMinimasiLangkah 4Revisi total opportunity loss matrix.Pilih nilai terkecil dari semua nilai yang belum dilintasi garis (x). Kurangi semua nilai yang belum dilintasi garis dengan x.Nilai yang ada di persimpangan garis ditambah dengan x.Ulangi Langkah 3 (jumlah garis harus sama dengan jumlah baris atau kolom).

Tabel 1.1114

14

Hungarian AlgorithmMinimasiLangkah 5Membuat alokasi penugasan. Tugaskan karyawan pada salah satu pekerjaan yang nilainya 0 (nol). Ingat bahwa satu karyawan hanya bisa ditugaskan pada satu pekerjaan.

Tabel 1.1215

15Hungarian AlgorithmJumlah Karyawan Jumlah PekerjaanApabila jumlah karyawan tidak sama dengan jumlah pekerjaan, maka dibutuhkan dummy variable(variabel semu). Apabila jumlah karyawan (baris) lebih sedikit, maka variabel semu tersebut berfungsi sebagai karyawan dengan menambah baris baru, sedangkan apabila jumlah pekerjaan (kolom) lebih sedikit, maka variabel semu tersebut berfungsi sebagai pekerjaan dengan menambah kolom baru. Nilai dari variabel semu tersebut adalah 0 (nol).

Ilustrasi.Suatu perusahaan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 5 macam pekerjaan. Satu karyawan hanya bisa mengerjakan satu macam pekerjaan. Data biaya penyelesaian pekerjaan oleh tiap karyawan seperti terlihat dalam tabel di bawah ini (biaya dalam rupiah).Tabel 1.13

16

16Modul 1Terima Kasih

Sampai Bertemu Lagi di Pertemuan SelanjutnyaSeoul, 23rd of March 2014EKMA4413 Riset OperasiProgram Studi ManajemenOleh: M. Mujiya UlkhaqKeraton Yogyakarta, Yogyakarta, DI Yogyakarta17Sheet1PekerjaanIIIIIIIVKaryawanA20282524B15131311C10212030D25202320

Sheet1PekerjaanIIIIIIIVKaryawanA20282524B15131311C10212030D25202320

Sheet1PekerjaanIIIIIIIVKaryawanA0854B4220C0111020D5030

Sheet1PekerjaanIIIIIIIVKaryawanA0854B4220C0111020D5030

Sheet1PekerjaanIIIIIIIVKaryawanA0834B4200C011820D5010

Sheet1PekerjaanIIIIIIIVKaryawanA0834B4200C011820D5010

Sheet1PekerjaanIIIIIIIVKaryawanA0834B4200C011820D5010

Sheet1PekerjaanIIIIIIIVKaryawanA0834B4200C011820D5010

Sheet1PekerjaanIIIIIIIVKaryawanA0501B7200C08517D8010

Sheet1KaryawanPekerjaanBiaya (Rp)AIII25BIV11CI10DII20Total66

Sheet1PekerjaanIIIIIIIVKaryawanA0501B7200C08517D8010

Sheet1PekerjaanIIIIIIIVKaryawanABCD

Sheet1PekerjaanIIIIIIIVKaryawanA20242016B28201830C16181416D26301632

Sheet1PekerjaanIIIIIIIVKaryawanA20242016B28201830C16181416D26301632

Sheet1PekerjaanIIIIIIIVKaryawanA4048B210120C2042D62160

Sheet1PekerjaanIIIIIIIVKaryawanA4048B210120C2042D62160

Sheet1PekerjaanIIIIIIIVKaryawanA2008B01080C0002D42120

Sheet1PekerjaanIIIIIIIVKaryawanA2008B01080C0002D42120

Sheet1PekerjaanIIIIIIIVKaryawanA2008B01080C0002D42120

Sheet1PekerjaanIIIIIIIVKaryawanA2008B01080C0002D42120

Sheet1PekerjaanIIIIIIIVKaryawanA40010B0860C2004D40100

Sheet1KaryawanPekerjaanBiaya (Rp)AII24BI28CIII14DIV32Total98

Sheet1PekerjaanIIIIIIIVKaryawanA40010B0860C2004D40100

Sheet1PekerjaanIIIIIIIVKaryawanABCD

Sheet1PekerjaanIIIIIIIVVKaryawanA2028252427B1513131117C1021203025D2520232021Dummy Variable00000