View
337
Download
10
Embed Size (px)
DESCRIPTION
Materi kuliah Penelitian Operasional 1 untuk mahasiswa S1 Teknik Industri Bab 1 Pendahuluan berisi motivasi, konsep, definisi, dan sejarah penelitian operasional
Citation preview
1
Dr. Auditya Purwandini Sutarto
1
PENDAHULUAN Penelitian Operasional / Operations Research adalah
merupakan gabungan antara seni (Art) dan sains (Science)
OR merupakan suatu bidang ilmu yang cukup baru.
Diawali dari perang dunia 2 dimana pemimpin militer Inggrismemanggil sekelompok ahli-ahli dari berbagai disiplin ilmuuntuk mencari cara-cara yang efisien untuk menggunakanalat yang baru ditemukan yang dinamakan radar dalamsuatu sistem peringatan dini menghadapi serangan udara. Setelah perang usai, keberhasilan para ahli ini menarik minatpara industriawan
Aplikasi utama OR: peramalan, penjadwalan produksi, pengendalian inventory, capital budgeting, dan transportasi
2
2
3
1890Frederick TaylorScientific Management[Industrial Engineering]
1900•Henry Gannt[Project Scheduling]•Andrey A. Markov[Markov Processes]•Assignment[Networks]
1910•F. W. Harris[Inventory Theory]•E. K. Erlang[Queuing Theory]
1920•William Shewart[Control Charts]•H.Dodge – H.Roming[Quality Theory]
1930Jon Von Neuman –Oscar Morgenstern[Game Theory]
1940•World War 2•George Dantzig[Linear Programming]•First Computer
1950•H.Kuhn - A.Tucker[Non-Linear Prog.]•Ralph Gomory[Integer Prog.]•PERT/CPM•Richard Bellman[Dynamic Prog.]ORSA and TIMS
1960•John D.C. Litle[Queuing Theory]•Simscript - GPSS[Simulation]
1970•Microcomputer
1980•H. Karmarkar[Linear Prog.]•Personal computer•OR/MS Softwares
1990•Spreadsheet Packages•INFORMS
2014•You are here
Definisi
Operations Research OR/MS Professionals aim to provide rational bases for decision making by seeking to understand and structure complex situations and to use this understanding to predict system behavior and improve system performance. Much of this work is done using analytical and numerical techniques to develop and manipulate mathematical and computer models of organizational systems composed of people, machines, and procedures (Institute for Operations Research and the Management Sciences)
Penelitian Operasional adalah suatu ilmu penyelidikanyang berusaha mencari konsepsi-konsepsi untuk optimasidari operasi sistem integral yang terdiri dari manusia, alatdan bahan dengan mengambil dari pengetahuan khusus danketrampilan dalam ilmu matematika, fisika dan sosialbersama-sama dengan prinsip tata cara analisa ilmiah(Mathias Aroef , 1981)
4
3
Model-model dalam OR
5
Deterministik
• Programa Linier
• Programa Integer
• Masalah Jaringan
• MasalahPenugasan
• Programa Non Linier
• Model Inventory
Stokastik
• Rantai Markov Diskrit & Kontinu
• Teori Permainan
• Teori Antrian
• Simulasi
• Model Inventory
Model Deterministik vs. Stokastik Model Deterministik asumsi data yang diketahui
adalah pasti
Model Stokastik secara eksplisit menggambarkan data menggunakan variabel random (acak) atau prosesstokastik
Model Deterministik mencakup optimasi
Model Stokastik mencirikan/mengestimasiperformansi sistem
6
4
7 Langkah Pemecahan Masalah
Identifikasi & Mendefinisikan
Masalah
Menentukanbeberapa alternatif
solusi
Menentukan kriteriautk mengevaluasi
alternatif-alternatiftersebut
Menerapkanalternatif terpilih
Memilih alternatif
Mengevaluasialternatif-alternatif
Mengevaluasialternatif
Analisis Kuantitatif danPengambilan Keputusan
Mengapa digunakan pendekatan/teknik AnalisisKuantatif dalam pengambilan keputusan?
Masalah tersebut kompleks
Masalah tersebut sangat penting
Masalah tersebut baru
Masalah tersebut berulang
8
5
Proses Pemecahan Masalah
9
Data
Solution
Find a Solution
Tools
Situation
Formulate the Problem
Problem Statement
Test the Model and the Solution
Solution
Establish a Procedure
Implement the Solution
Construct a Model
Model
Implement a Solution
Tujuan: Memecahkansuatu masalah
• Model harus valid
• Model harus dapatdikerjakan
• Solusi harusbermanfaat
A. Mengenali Masalah /Situasi
10
• Mencakup kegiatan operasi saat ini ataurencana ekspansi karena ada pergeseranpermintaan pasar
• Adanya komplain dari konsumen atauada saran dari karyawan
• Usaha untuk memperbaiki efisiensi ataumenanggapi adanya krisis yang tidakterduga
Contoh: Perawat internal di suatu RS tidak menyukai jadwalkerja mereka; RS menggunakan terlalu banyakperawat luar
Data
Situation
6
B. Formulasi Masalah
11
Mendefinisikanvariabel
Mendefinisikankonstrain
Kebutuhan Data
Contoh: Maksimasi preferensi individu perawatsesuai kebutuhan
Formulate the Problem
Problem Statement
Data
Situation
• Mendeksripsikan sistem
• Mendefinisikan batasan-batasan
• Menyatakan asumsi-asumsi
• Memilih ukuran performasi
Menyiapkan Data Menyiapkan data bukan hal yang mudah karena
keterbatasan waktu dan kemungkinan kesalahandalam pengumpulan data
Suatu model dengan 50 variabel keputusan dan 25 batasan (constraint) akan memiliki lebih dari 1300 elemen data!
Seringkali dibutuhkan data base yang cukup besar
Ahli sistem informasi mungkin diperlukan
12
7
C. Menyusun Suatu Model
Masalah harus dapatditerjemahkan dari bentukverbal, kualitatif ke dalambentuk/istilah logis dankuantatif
Suatu model yang logismerupakan serangkaian aturanyang biasanya akandimasukkan sebagai suatuprogram komputer
13
Contoh: Mendefinisikan hubungan antara penugasan perawat denganpenyimpangan dari preferensi; mendefinisikan tradeoff antarapenggunaan perawat internal dan eksternal.
Constructa Model
Model
Formulate the Problem
Problem
statement
Data
Situation
Pengembangan Model
Model merupakan gambaran dari obyek atau situasinyata/riil
Ada 3 bentuk model: Model Ikonik adalah suatu penyajian fisik yang tampak
seperti aslinya dengan skala yang berbeda.
Model Analog adalah penyajian fisik namun tidakmenyerupai obyek aslinya (lebih abstrak)
Model Matematik menggambarkan permasalahanmenggunakan suatu sistem yang terdiri dari simbol danformulasi matematika yang dibangun berdasarkanasumsi, estimasi, dan analisis statistik.
14
8
Mengapa perluPemodelan? Secara umum, bereksperimen dengan model
(dibandingkan bereksperimen langsung dengan situasinyata) Membutuhkan waktu lebih sedikit Biaya lebih murah Resiko lebih kecil
Pemodelan saat ini lebih banyak dimanfaatkan secara luasuntuk mempelajari permasalahan-permasalahan yang sangat kompleks. Model yang baik dari suatupermasalahan harus dapat mewakili permasalahantersebut secara benar dan sederhana tetapi menyeluruh, sedemikian sehingga karakteristik dan perilakupermasalahan dari objek yang dipelajari dapatdiidentifikasikan dan dikontrol dengan mudah.
15
Model Matematis Pertimbangan cost/benefit harus dipertimbangkan
dalam memilih model matematis yang sesuai
Seringkali model yang lebih sederhana (dan mungkinsedikit kurang presisi) lebih sesuai dibandingkanmodel yang lebih kompleks dan akurat karenapertimbangan biaya dan kemudahan solusi yang ditawarkan
16
9
Variabel keputusan adalah variabel yang menguraikansecara lengkap keputusan-keputusan yang akan dibuat, seperti berapa banyak produk yang harus dibuat.
Parameter-parameter adalah koefisien-koefisien darivariabel-variabel keputusan.
Pembatas (constraint) adalah kendala yang dihadapisehingga kita tidak bisa menentukan harga-harga variabelkeputusan secara sembarang.
Fungsi tujuan (Objective functions) adalah fungsi darivariabel keputusan yang akan dioptimumkan, yaitumencari nilai manfaat atau keuntungan terbesar(maksimasi), jumlah biaya atau kerugian terkecil(minimasi)
17
Model Matematis (.Ctd)
Model Matematis (.Ctd)
Menghubungkan antara variabel keputusan (input yang dapat dikendalikan) dengan variabel tetap atauparameter (uncontrollable inputs).
Bertujuan untuk memaksimasi/minimasi beberapafungsi obyektif dengan syarat pembatas.
Dikatakan stokastik jika uncontrollable inputs (parameter)bervariasi (acak), sebaliknya disebutdeterministik.
Secara umum, model stokastik lebih sukar dianalisis
Nilai yang dihasilkan variabel keputusan yang merupakan output terbaik secara matematis disebutsebagai solusi optimal untuk model tersebut.
18
10
Contoh Kasus: PenjadwalanProyek
Suatu perusahaan konstruksi akan membangun250 unit apartemen. Proyek ini melibatkan banyakaktivitas seperti penggalian, pemasangan pondasi, pemasangan kabel, plester, pengecatan, pembuatantaman, dll. Beberapa aktivitas ini harus dilakukansecara berurutan dan beberapa lainnya dapat dikerjaanbersamaan. Beberap aktivitas dapat diselesaikan lebihcepat dari yang seharusnya dengan menambah sumberdaya (pekerja, peralatan, dll). Bagaimanakahpenjadwalan terbaik dan sumber daya tambahanapakah yang sebaiknya dibeli?
19
Contoh kasus: Penjadwalan Proyek
Pertanyaan
Gunakan beberapa asumsi untukmenyederhanakan model.
Jawab:
Buatlah suatu model deterministik denganmengasumsikan waktu aktivitas normal danpercepatan adalah pasti dan konstan. Asumsi lain jugadapat dibuat untuk input yang tidak dapatdikendalikan (stokastik)
20
11
Contoh kasus: Penjadwalan Proyek
Pertanyaan:
Bagaimana OR dapat digunakan untukmemecahkan masalah ini?
Jawab:
OR dapat memberikan pendekatan yang terstruktur dan kuantitatif untuk menentukanwaktu pengerjaan proyek yang minimum berdasarkan waktu normal dan waktu yang dipercepat.
21
Contoh kasus: PenjadwalanProyek Pertanyaan:
Apa saja input yang tidak dapatdikendalikan/tidak pasti?
Jawab:
Waktu pengerjaan normal dan dipercepat
Biaya aktivitas jika dipercepat
Dana yang tersedia untuk mempercepat aktivitas
Hubungan yang harus didahulukan antara aktivitas(precedence relationship)
22
12
Contoh kasus: Penjadwalan Proyek
Pertanyaan:
Apa saja kah variabel keputusan dalam model matematisnya?Fungsi obyektif? Konstrain/batasan?
Answer:
Variabel keputusan: aktivitas mana yang harusdipercepat dan seberapa banyak, dan kapan memulaisetiap aktivitas
Fungsi obyektif: minimasi waktu pengerjaan proyek
Konstrain/Batasan: jangan menyimpang dariprecedence relationship dan jangan mempercepatmelebihi dana yang tersedia
23
Contoh kasus: Penjadwalan Proyek
Pertanyaan:
Apakah modelnya deterministik atau stokastik?
Answer:
Stokastik. Waktu pengerjaan baik normal maupun dipercepat tidak pasti dan bervariasi. Biayamempercepat aktivitas juga tidak pasti. Banyaknyaaktivitas dan precedence relationship antar aktivitasmungkin saja berubah sebelum proyek selesai karenaadanya perubahan desain proyek.
24
13
C. Memecahkan Model Matematis
25
Banyak tools tersedia untukmemecahkan model matematis
Beberapa menghasilkan solusi“optimal” (model deterministik)
Lainnya hanya mengevaluasikandidat trial dan error untuk menemukan langkahyang “terbaik”
Contoh: Membaca profil perawatan dan kebutuhan permintaan, menerapkan algoritma
Model
Solution
Find asolution
Tools
Tools Pemecahan Solusi Linear Program (LP)
Integer Linear Program (IP or ILP)
Non-Linear Program (NLP)
Dynamic Program (DP)
Goal Program (GP)
Queuing Models
Simulations
Network models
Game theory
14
Software Beberapa software yang sering digunakan :
Microsoft Excel
The Management Scientist (MS)
Quantitative system for business (QSB)
LINDO, LINGO
Quantitative models (QM)
Decision Science (DS)
COIN-OR: COmputational INfrastructure for Operations Research.
27
D. Pengujian Model danValidasi Often, the goodness/accuracy of a model cannot be
assessed until solutions are generated. Small test problems having known, or at least
expected, solutions can be used for model testing and validation.
If the model generates expected solutions: use the model on the full-scale problem.
If inaccuracies or potential shortcomings inherent in the model are identified, take corrective action such as: collection of more-accurate input data modification of the model
28
15
E. Implementasi
29
Solusi suatu masalah mensyaratkanperubahan pada beberapa individu dalamsuatu organisasi
Seringkali terjadi resistensi untuk berubahsehingga implementasi tidak mudah
Diperlukan sistem yang user-friendly
Mereka yang terkena dampak dari solusitersebut perlu dilatih (mendapatkantraining/pelatihan)
Situation
Procedure
Implement the Procedure
Contoh Aplikasi OR Penjadwalan ulang pesawat terbang sebagai respon
banyaknya delay
Perencanaan produksi untuk assembly papan sirkuitelektronik
Penjadwalan operator pada proses dan distribusisurat/paket
Penyesuaian jadwal jaga perawat karena demand harian yang fluktuatif
30
16
Contoh Kasus: Iron Works, Inc.Perusahaan Iron Works, Inc. (IWI) memproduksi dua
jenis produk terbuat dari baja dan baru saja menerimaalokasi baja sebanyak b kg. Diperlukan a1 kg untukmembuat produk 1 dan baja sebanyak a2 kg untukmembuat produk 2.
Misalkan x1 dan x2 menyatakan produksi produk 1 dan2 selama bulan ini, dan p1 dan p2 adalah profit per unit untuk produk 1 dan 2.
Perusahaan memiliki kontrak untuk memproduksiminimum m unit untuk produk 1. Adapun fasilitas pabrikmemungkinkan maksimum u unit produk 2 diproduksitiap bulan.
31
Contoh: Iron Works, Inc.
Model Matematis
Fungsi Tujuan: Maksimasi p1x1 + p2x2
Subject to: a1x1 + a2x2 < b
x1 > m
x2 < u
x2 > 0
32
17
Contoh: Iron Works, Inc. Pertanyaan:
Misal b = 2000, a1 = 2, a2 = 3, m = 60, u = 720, p1 = 100, p2 = 200. Tulis ulang model diatas untuk nilai-nilai input yang diberikan.
Jawab:
Dengan mensubstitusi, model menjadi :
Max 100x1 + 200x2
s.t. 2x1 + 3x2 < 2000
x1 > 60
x2 < 720
x2 > 0
33
Contoh: Iron Works, Inc.. Pertanyaan:
Solusi optimum untuk model ini adalah x1 = 60 dan x2 = 626 2/3. Jika produk ini berupa mesin, terangkan mengapa hal ini bukan solusi optimum darimasalah riil di pabrik
Jawab:
Mesin tidak dapat diproduksi dalam bentukpecahan. Oleh karena perlu dibatasi x1 dan x2 harusberupa integer. Alternatif lain tetap berupa pecahannamun diasumsikan pecahan ini merupakanpekerjaan yang akan diselesaikan bulan berikutnya
34
18
Contoh: Iron Works, Inc..
35
Uncontrollable InputsUncontrollable Inputs
$100 profit per unit Prod. 1$200 profit per unit Prod. 22 kg. steel per unit Prod. 13 kg Steel per unit Prod. 2
2000 kg steel allocated60 units minimum Prod. 1
720 units maximum Prod. 20 units minimum Prod. 2
60 units Prod. 1626.67 units Prod. 2
Controllable InputsControllable Inputs
Profit = $131,333.33Steel yg digunakan = 2000
OutputOutput
Model Model MatematisMatematis
Max 100(60) + 200(626.67)s.t. 2(60) + 3(626.67) < 2000
60 > 60626.67 < 720
626.67 > 0
Area Aplikasi Perencanaan Strategis
Manajemen Rantai Pasok (supply chain)
Optimasi
Penelitian Pasar
Penjadwalan
Manajemen Portofolio
Analisis Inventory
Peramalan
Analisis Penjualan
Analisis Resiko
dll
36
19
Contoh Sukses Penerapan ORPerusahaan Bentuk Penerapan Tahun Penghematan
Continental Airlines Mengoptimalkanpenugasan ulangpara kru penerbangan saatmunculmasalah dalam penjadwalan
2003 $40 juta
Samsung Electronics Mengembangkan metodeyang bisamengurangi waktupemanufakturandan level inventori
2002 $200 juta
UPS Merancang ulang jalurpengiriman satu malam
2000 $87 juta selama2000-2002
Ford Motor Menggunakan PrototypeOptimization Model untukmengurangi banyaknyaprototipe yang dibuat
2004 $250 juta
37