Penerbit Erlangga

Operations Research

Perkembangan teknologi dalam era globalisasi yang begitu

cepat dan kompleks, salah satunya Operations Research
sebagai salah satu ilmu terapan praktis yang diperlukan
dalam penyelesaian suatu permasalahan yang semakin
kompleks melalui pendekatan kuantitatif

Penerbit Erlangga
 Operations Research
Thomas dan Da Costa (1979)
Penerapan Operations Research dilakukan sekurang-kurangnya dalam 12 kegiatan
manajemen di berbagai bidang kehidupan, terutama manufaktur :
 Perencanaan dan peramalan pasar
 Inventory control
 Perencanaan dan penjadwalan produksi
 Penganggaran biaya
 Transportasi
 Perencanaan lokasi pabrik
 Pengendalian mutu
 Penelitian promosi dan penjualan
 Penggantian mesin dan peralatan
 Pemeliharaan
 Akunting
 Pengemasan produk

Penerbit Erlangga
 Operations Research
Operations Research adalah sebuah pendekatan kuantitatif
yang menggunakan metode-metode optimisasi untuk
menyelesaikan suatu persoalan matematis.
Penggunaan program-program komputer dalam
pengajaran Operations Research di antaranya : LINDO,
GINO, VNO, Microcomputer Model for Management
Decision Making, Computer Models for Management
Science, QSB, QSB+, QSQUANT, STORM, CMOM, dan
lainnya.

Penerbit Erlangga
 Operations Research
Jilid 1
Bagian I : Pemahaman Awal
Bagian II : Pemrograman Linear
Bagian III : Perluasan Model Pemrograman Linear

Jilid 2
Bagian IV : Model-model Khusus
Bagian V : Model-model Lanjutan
Penerbit Erlangga
Bagian I
Pemahaman Awal
Bab 1 : Pemahaman Awal

Penerbit Erlangga
Bab 1 : Pemahaman Awal
1.1 Sejarah Operations Research
1.2 Penerapan Operations Research
1.3 Peranan Model dalam Proses Pembuatan Keputusan
1.4 Parameter dan Variabel
1.5 Parameter Biaya dan Laba
1.6 Keputusan Optimal
1.7 Pembahasan dan Penyajian
1.8 Program—program Komputer

Penerbit Erlangga
 Sejarah Operations Research
Teori Evolusi Manajemen : Operations Research
mulai berkembang sejak tahun 1945, pada saat Perang
Dunia Kedua.
Pendekatan kuantitatif dalam menyelesaikan
persoalan, di mana matematika dan statistika
memegang peranan yang sangat dominan telah
menempatkan operations research secara teoritis
sebagai ilmu pengetahuan yang berakar Scientific
Management yang dipelopori oleh Taylor pada Abad
XVIII. Di Inggris, dikenal sebagai Operational
Research.
 Penerapan Operations Research
Penelitian berbagai industri di Amerika menggunakan
teknik-teknik Operations Research
Penelitian Turban di tahun 1969

Teknik-teknik   Frekuensi
Operations Research Penggunaan (%)
Statistical Analysis 29
Simulation 25
Linear programming 19
Inventory Theory 6
PERT/CPM 6
Dynamic Programming 4
Non Linear Programming 3
Queueing Theory 1
Heuristic Programming 1
Miscellaneous   6 

Penerbit Erlangga
 Model dalam Proses Pembuatan Keputusan
Model Verbal
Model Visual
Model Matematis
Kurva biaya rata-rata produksi

Penerbit Erlangga
 Parameter Biaya dan Laba

Biaya Variabel : Elemen biaya yang berubah-ubah

secara langsung dengan satuan yang diproduksi
Biaya Tetap : Biaya yang tidak berubah pada setiap
satuan barang yang diproduksi
Biaya Semi Variabel : Elemen biaya yang berubah
dengan arah yang sama dengan unit yang diproduksi
namun kurang proporsional, atau dengan kata lain
tidak linear.

Penerbit Erlangga
Analisis Regresi terhadap biaya total

Penerbit Erlangga
Output analisis regresi program Microstat

Penerbit Erlangga
 Model dan Penyelesaian Optimal
Dunia Nyata Dunia Simbol

Abstraksi
Masalah Masalah ke Model
Model

Pembuatan
Analisis
Pertimbangan- Keputusan
Pertimbangan
Manajemen
Interpretasi
Intuisi dan Penyelesaian
Hasil Olahan
Pengalaman Optimal
Optimal

Penerbit Erlangga
 Program-program Komputer

LINDO (Linear Interaktif Discrete Optimizer).

Solver Microsoft Excel
Graphic LP Opimizer Versi 2.6
Crystal Ball

Penerbit Erlangga
Bagian II : Pemrograman Linear
Bab 2 : Pemrograman Linear: Konsep Dasar
Bab 3 : Pemrograman Linear: Analisis Geometri
Bab 4 : Pemrograman Linear : Algoritma Simpleks
Bab 5 : Pemrograman Linear : Dualitas, Analisis
Sensitivitas, dan Output LINDO
Bab 6 : Pemrograman Linear : Kasus-kasus Khusus

Penerbit Erlangga
Bab 2 : Pemrograman Linear :
Konsep Dasar
2.1 Pengantar
2.2 Linearitas dan Dalil Matematika
2.3 Model Pemrograman Linear
2.4 PT Sukra Rasmi
2.5 Empat Sehat Lima Sempurna
2.6 Break Even Point Multi Produk
2.7 Ringkasan
2.8 Latihan-latihan
2.9 Soal-soal
Penerbit Erlangga
 Konsep Dasar
Pemrograman Linear (Linear Programming) adalah
salah satu model Operations Research yang
menggunakan teknik Optimisasi matematika linear di
mana seluruh fungsi harus berupa fungsi matematika
linear.

Penerbit Erlangga
Model Pemrograman Linear
1. Variabel Keputusan : Variabel persoalan yang akan
mempengaruhi nilai tujuan yang hendak dicapai.
2. Fungsi Tujuan : Di mana tujuan yang hendak dicapai
harus diwujudkan ke dalam sebuah fungsi matematika
linear, yang kemudian fungsi itu dimaksimumkan atau
diminimumkan terhadap kendala-kendala yang ada.
3. Fungsi Kendala : Kendala dalam hal ini dapat
diumpamakan sebagai suatu pembatas terhadap
kumpulan keputusan yang mungkin dibuat dan harus
dituangkan ke dalam fungsi matematika linear yang
dihadapi oleh manajemen.
Penerbit Erlangga
PT SUKRA RASMI
PT Sukra Rasmi memproduksi Sukra dan Rasmi, bahan baku utama untuk pembuatan
produk sangling yang dihasilkan melalui proses Penghancuran dan Penghalusan.

Matriks Kasus Sukra Rasmi

X1 X2
Keterangan Sukra Rasmi Kapasitas
Pemrosesan: (jam) (jam)
Penghancuran 2 1 20 jam
Penghalusan 2 3 32 jam
Permintaan Rutin 2 ton
Contribution Rp 40,- Rp 30,-
Margin

Penerbit Erlangga
Model matematis pemrograman linear

Penerbit Erlangga
Break Even Point Multi Product
Break Even Point Analysis sebagai salah satu alat yang sangat
terkenal di dalam analisis manajerial telah diterapkan pada
berbagai bidang kegiatan manajerial, di antaranya :
1. Cost, Volume, and Profit Analysis (Analisis Biaya dan Laba)
2. Financial leverage analysis (Keputusan Keuangan)
3. Capital Investment Decision (Keputusan Investasi)
4. Plant Location (Keputusan Lokasi)
5. Make or Buy Decision (Keputusan Membeli atau Membuat)
6. Pricing Policy (Kebijakan Penentuan Harga)

Penerbit Erlangga
Model matematis lengkap kasus
Break Even Point KUSUMATEX

Penerbit Erlangga
Bab 3 : Pemrograman Linear :
Analisis Geometri
3.1 Pengantar
3.2 Sistem dan Bidang Kerja
3.3 Menggambar Pertidaksamaan dan Persamaan
3.4 Daerah yang Memenuhi Kendala
3.5 Menggambar Fungsi Tujuan
3.6 Geometri Sukra Rasmi : Kasus Pemaksimuman Fungsi Tujuan
3.7 Geometri Gupita : Kasus Peminimuman Fungsi Tujuan
3.8 Kendala Aktif dan Kendala Tidak Aktif
3.9 Ringkasan
3.10 Latihan-latihan
3.11 Soal-soal
3.12 Suplemen : Graphic Linear Programming Optimizer

Penerbit Erlangga
 Pemrograman Linear : Analisis Geometri
SISTEM DAN BIDANG KERJA

Sistem untuk menyatakan hubungan antara aljabar dan geometri adalah bidang yang dibagi menjadi
empat bidang oleh sumbu tegak (absis) dan sumbu datar (ordinat). Bidang tersebut dikenal sebagai
kuadran.

Penerbit Erlangga
Menggambar Pertidaksamaan dan
Persamaan

Penerbit Erlangga
Menggambar Pertidaksamaan dan
Persamaan

Penerbit Erlangga
Daerah yang memenuhi kendala (DMK)

Penerbit Erlangga
 Geometri Sukra Rasmi: Kasus
Pemaksimumam Fungsi Tujuan

Model matematis Sukra Rasmi :

1. Fungsi Tujuan : Maks 40 X1 + 30 X2
Terhadap kendala-kendala :
2. 2X1 + X2 ≤ 20
3. 2X1 + 3X2 ≤ 32
4. 2X1 - X2 ≤ 0
5. X2 ≤ 2

Penerbit Erlangga
DMK Kasus Rasmi

Penerbit Erlangga
 Geometri Gupita:
Kasus Peminimuman Fungsi Tujuan

Penerbit Erlangga
DMK Kasus Gupita

Penerbit Erlangga
 Suplemen: Graphic LP Optimizer
Graphic Linear Programming Optimizer (GLP) dirancang
untuk membantu analisis masalah pemrograman linear,
di mana analis dapat melihat perilaku kendala-kendala
dan fungsi tujuan dalam sebuah proses optimisasi
pemrograman linear. Selain memberi pilihan
pemaksimuman dan peminimuman fungsi tujuan pada
sebuah kasus pemrograman linear, GLP juga berfungsi
untuk mempelajari sensitivitas parameter fungsi
kendala dan tujuan secara langsung sehingga analis
dapat langsung melihat hasilnya.
Penerbit Erlangga
Windows GLP Sukra Rasmi,
maksimum fungsi tujuan

Penerbit Erlangga
Bab 4 : Pemrograman Linear :
Algoritma Simpleks
4.1 Pengantar
4.2 Slack dan Surplus
4.3 Titik Sudut dan Karakteristik Variabel
4.4 Titik Sudut Degenerate dan Non Degenerate
4.5 Variabel Basis dan Nonbasis
4.6 Tabel Simpleks
4.7 Algoritma Simpleks I : Kasus Bawika
4.8 Ringkasan
4.9 Latihan-latihan
4.10 Soal-soal
Penerbit Erlangga
 Pemrograman Linear :
Algoritma Simpleks

Algoritma Simpleks adalah sebuah prosedur matematis

berulang untuk menemukan penyelesaian optimal soal
pemrograman linear dengan cara menguji titik-titik
sudutnya.

Penerbit Erlangga
 Slack dan Surplus
Slack Variabel adalah variabel yang berfungsi untuk
menampung sisa kapasitas pada kendala yang berupa
pembatas

Slack Variabel pada setiap kendala yang aktif pasti

bernilai nol
Slack variabel pada setiap kendala tidak aktif pasti
bernilai positif

Penerbit Erlangga
Kendala aktif dan slack variabel
yang bernilai nol

Penerbit Erlangga
Surplus Variabel adalah variabel yang berfungsi untuk
menampung kelebihan nilai ruas kiri pada kendala yang berupa
syarat.

Surplus variabel pada setiap kendala aktif pasti bernilai nol

Surplus variabel pada setiap kendala tidak aktif pasti bernilai positif

Kendala-kendala aktif pada setiap macam kendala pasti memiliki

slack variabel atau surplus variabel yang bernilai nol

Penerbit Erlangga
Tabel Simpleks
Algoritma simpleks adalah sebuah prosedur berulang untuk
menyelesaikan persoalan matematis pemrograman linear denga
cara menguji titik-titik sudut DMK.

Di dalam algoritma simpleks di mana setiap pengujian titik sudut

membutuhkan bantuan sebuah tabel untuk menentukan apakah
nilai ekstrem tujuan telah tercapai, maka tabel ini disebut Tabel
Simpleks. Proses penyelesaian sebuah tabel simpleks pada
pengujian sebuah titik sudut adalah selalu sama, proses ini
berulang hingga ditemukan sebuah titik sudut yang menghasilkan
nilai tujuan ekstrem. Tabel di mana nilai tujuan ektrem ini
ditemukan disebut Tabel Simpleks Optimal.
Penerbit Erlangga
Algoritma Simpleks : Kasus Bawika

Penerbit Erlangga
Bab 5 : Pemrograman Linear : Dualitas,
Analisis Sensitivitas, dan Output LINDO
5.1 Pengantar
5.2 Dualitas
5.3 Analisis Sensitivitas
5.4 Analisis Sensitivitas Bawika
5.5 LINDO
5.6 Ringkasan
5.7 Latihan-latihan
5.8 Soal-soal
5.9 Suplemen : Penyelesaian Pemrograman Linear
dengan Solver Excel
Penerbit Erlangga
Dualitas
Konsep Dualitas menjelaskan secara matematis bahwa
sebuah kasus pemrograman linear berhubungan
dengan sebuah kasus pemrograman linear yang lain.
Bila kasus pemrograman pertama disebut Primal maka
kasus pemrograman linear kedua disebut Dual;
sehingga penyelesaian kasus primal secara otomatis
akan menyelesaikan kasus dual, demikian pula
sebalikya.

Penerbit Erlangga
Model matematis Dual-Primal

Penerbit Erlangga
Hubungan antara primal dengan dual
secara lengkap

Penerbit Erlangga
Hubungan antara primal-dual bawika
dengan program LINDO

Penerbit Erlangga
Analisis Sensitivitas
Analisis sensitivitas menjelaskan sampai sejauh mana
parameter-parameter model pemrograman linear, yaitu
koefisien fungsi tujuan dan nilai ruas kanan kendala,
boleh berubah tanpa harus mempengaruhi jawaban
optimal atau penyelesaian optimal.
Penyelesaian Optimal menghasilkan informasi :
1. Nilai Variabel Keputusan Optimal
2. Nilai Fungsi Tujuan Ekstrem
3. Nilai Slack/Surplus Variable
4. Nilai Dual Price/Shadow Price
Penerbit Erlangga
Hasil Output LINDO untuk kasus
Bawika

Penerbit Erlangga
Penyelesaian Pemrograman Linear
dengan Solver Excel

Penerbit Erlangga
Bab 6 : Pemrograman Linear : Kasus-
kasus Khusus
6.1 Pengantar
6.2 Degenerasi
6.3 Multiple Optimal Solution
6.4 No Feasible Solution
6.5 Nilai Tujuan yang Tidak Terbatas
6.6 Ringkasan

Penerbit Erlangga
Degenerasi
Karakteristik di mana jumlah variabel positif atau
variabel basis lebih kecil dari jumlah kendalanya
disebut sebagai peristiwa degenerasi.
Penggambaran titik-titik sudut degenerasi

Penerbit Erlangga
 Multiple Optimal Solution (MOS)
Multiple Optimal Solution adalah sebuah kasus khusus dalam
penyelesaian sebuah kasus pemrograman linear di mana titik
sudut ekstrem yang menghasilkan nilai fungsi tujuan ekstrem
adalah lebih dari satu.
Gejala MOS

Penerbit Erlangga
No Feasible Solution
Penyelesaian sebuah kasus pemrograman linear sering
menghasilkan jawaban yang tidak terduga, salah satunya adalah
no feasible solution atau tidak adak penyelesaian nyata.
Output LINDO, no feasible solution

Penerbit Erlangga
Bagian III : Perluasan Model
Pemrograman Linear
Bab 7 : Pemrograman Linear : Bilangan Bulat (Integer
Programming)
Bab 8 : Transportasi dan Penugasan
Bab 9 : Goal Programming
Bab 10: Jaringan (Network)

Penerbit Erlangga
Bab 7 : Pemrograman Linear : Bilangan
Bulat (Integer programming)
7.1 Pengantar
7.2 Pemrograman Bilangan Bulat (General Integer
Programming)
7.3 Pemrograman 0-1 (Binary Integer )
7.4 Sukra Rasmi : Pemilihan Kendala
7.5 Algol : Pemilihan Biaya Tetap dan Biaya Variabel
Minimum
7.6 Deimos : Pilihan Alternatif Metode Operasi
7.7 Ringkasan
7.8 Latihan-latihan
7.9 Soal-soal
Penerbit Erlangga
Pemrograman bilangan bulat
Pemrograman bilangan bulat adalah sebuah model
penyelesaian matematis yang memungkinkan hasil
penyelesaian kasus pemrograman linear yang berupa
bilangan pecahan diubah menjadi bilangan bulat tanpa
meninggalkan optimalitas penyelesaian.

Teknik Integer programming salah satunya adalah

Branch dan Bound.

Penerbit Erlangga
Kasus pemrograman linear Dharmika

Penyelesaian Dharmika

Max 2X1 + 3X2

ST
X1 + 2X2 ≤ 16
3X1 + 2X2 ≤ 30
X1, X2 ≥ 0 dan integer

Penerbit Erlangga
Kasus Dharmika dengan LINDO

Penerbit Erlangga
Pemrograman integer Dharmika
dengan Solver Excel

Penerbit Erlangga
Bab 8 : Transportasi dan
Penugasan
8.1 Pengantar
8.2 Model Dasar Transportasi
8.3 Kasus Transportasi : Denebula
8.4 Denebula : Analisis Komputer LINDO
8.5 Model Transportasi dengan Solver Excel
8.6 Assignment atau Penugasan
8.7 Penugasan dengan Solver Excel
8.8 Transportasi Bowman
8.9 Ringkasan
8.10 Latihan-latihan
8.11 Soal-soal
Penerbit Erlangga
Model dasar transportasi
Model transportasi secara khusus berkaitan erat dengan
masalah pendistribusian barang-barang dari pusat-pusat
pengiriman atau sumber ke pusat-pusat penerimaan atau
tujuan. Persoalan yang ingin dipecahkan oleh model
transportasi adalah penentuan distribusi barang yang
akan meminimumkan biaya total distribusi.

Model transportasi memecahkan masalah pendistribusian

barang dari sumber ke tujuan dengan biaya total distribusi
minimum
Penerbit Erlangga
Matriks Transportasi

Penerbit Erlangga
Flow Chart Algoritma Transportasi

Penerbit Erlangga
Kasus Transportasi Denebula
Denebula : Nama sebuah perusahaan penghasil suatu jenis
jamur di daerah Kaliurang, Yogyakarta. Denebula memiliki tiga
cabang di antaranya Purwokerto, Semarang, dan Madiun

Agen Permintaan
Purwokerto 5000 Kg
Semarang 4500 Kg
Madiun 5500 Kg

Penerbit Erlangga
Kasus Transportasi Denebula
Pusat Penyemaian Kapasitas
Yogyakarta 4000 Kg
Magelang 5000 Kg
Surakarta 6000 Kg
Biaya angkut per unit dari pusat penyemaian ke agen
Pabrik Agen
Purwokerto Semarang Madiun
Yogyakarta 4 5 7
Magelang 6 3 8
Surakarta 5 2 3
Penerbit Erlangga
Matriks transportasi Denebula

Penerbit Erlangga
Transportasi Bowman
Matriks jadwal produksi Bowman

Penerbit Erlangga
Bab 9 : Goal Programming
9.1 Pengantar
9.2 Konsep Dasar
9.3 Empat Macam Kendala Sasaran
9.4 Goal Programming Analisis Geometri
9.5 Masalah Bobot dan Prioritas Sasaran
9.6 Goal Programming : Algoritma Kompleks
9.7 Ringkasan
9.8 Latihan-latihan
9.9 Soal-soal
Penerbit Erlangga
Goal Programming
Model Goal programming merupakan perluasan dari
model pemrograman linear, sehingga seluruh asumsi,
notasi, formulasi model matematis, prosedur
perumusan model dan penyelesaiannya tidak berbeda.
Perbedaan hanya terletak pada kehadiran sepasang
variabel deviasional yang akan muncul di fungsi tujuan
dan fungsi-fungsi kendala.

Penerbit Erlangga
Goal Programming
Variabel deviasional : Berfungsi untuk menampung
penyimpangan atau deviasi yang akan terjadi pada nilai
ruas kiri suatu persamaan kendala terhadap nilai ruas
kanannya.
Variabel deviasional terbagi menjadi dua :
1. Variabel deviasional untuk menampung deviasi yang
berada di bawah sasaran yang dikehendaki
2. Variabel deviasional untuk menampung deviasi yang
berada di atas sasaran yang dikehendaki

Penerbit Erlangga
Goal Programming

Empat Macam Kendala Sasaran :

1. Untuk mewujudkan suatu sasaran dengan nilai tertentu

2. Untuk mewujudkan suatu sasaran di bawah nilai
tertentu
3. Untuk mewujudkan suatu sasaran di atas nilai tertentu
4. Untuk mewujudkan suatu sasaran yang ada pada
interval nilai tertentu
Penerbit Erlangga
Goal Programming : Analisis Geometri

Geometri Bawika Optimal

Penerbit Erlangga
Goal Programming
Tiga macam sasaran di dalam Goal Programming :

1. Sasaran-sasaran dengan prioritas yang sama

2. Sasaran-sasaran dengan prioritas yang berbeda
3. Sasaran-sasaran dengan prioritas dan bobot yang
berbeda

Penerbit Erlangga
Goal Programming
Tabel Awal Simpleks Kasus Goal Programming Bawika
tanpa prioritas

Penerbit Erlangga
Bab 10 : Jaringan (Network)
10.1 Pengantar
10.2 Dari Gantt Milestone Chart ke Grantt Chart
10.3 Terminologi Jaringan
10.4 Distribusi Terkendali
10.5 Rentang Jaringan Minimum
10.6 Rute Terpendek
10.7 Aliran Maksimum
10.8 Ringkasan
10.9 Latihan-latihan
10.10 Soal-soal
Penerbit Erlangga
Jaringan (Network)

Jaringan (Network) merupakan sebuah istilah untuk

menandai model-model yang secara visual bisa
diidentifikasi sebagai sebuah sistem jaringan yang
terdiri dari rangkaian-rangkaian noda (node) dan
kegiatan (activity).

Penerbit Erlangga
Gantt Milestone Chart
Gantt Milestone Chart, gagasan dasar

Penerbit Erlangga
Gantt Milestone Chart
Gantt Milestone Chart, kegiatan-kegiatan dalam satu
pekerjaan masih terpisah

Penerbit Erlangga
Gantt Milestone Chart
Perubahan Gantt Chart menuju jaringan (Network)

Penerbit Erlangga
Gantt Milestone Chart
Bagan jaringan

Penerbit Erlangga
Terminologi Jaringan

Contoh-contoh sistem jaringan

Penerbit Erlangga
Distribusi terkendali
Tiga macam noda dalam model distribusi terkendali :
1. Noda sumber yang menunjukkan asal sebuah arus
atau dari mana sebuah arus akan mengalir
2. Noda tujuan yang menunjukkan akhir tujuan sebuah
arus atau hendak ke mana sebuah arus akan mengalir
3. Noda transit yang menunjukkan tujuan sementara
atau terminal sementara yang akan dilewati oleh
sebuah arus yang akan menuju noda tujuan
berikutnya atau noda tujuan akhir

Penerbit Erlangga
Konsep keseimbangan arus

Penerbit Erlangga
Rentang Jaringan Minimum
Model rentang jaringan minimum adalah salah satu model
jaringan yang menjelaskan pemilihan hubungan antar noda
sedemikian rupa sehingga jaringan hubungan itu akan membuat
seluruh noda terhubung dengan panjang hubungan total
terpendek

Penerbit Erlangga
Antares :
Kasus rentang jaringan minimum

Penerbit Erlangga
Rute terpendek
Model rute terpendek adalah salah satu model jaringan yang
dapat digunakan untuk menentukan jarak terpendek dari
berbagai alternatif rute yang tersedia.

Model rute terpendek Antares yang optimal

Penerbit Erlangga