Buku Ajarorii

BUKU AJAR
PENELITIAN OPERASIONAL II
Tahun Pembuatan : 2012

FAKULTAS REKAYASA INDUSTRI
INSTITUT TEKNOLOGI TELKOM

Disusun Oleh:
Team Dosen Penelitian Operational II:
Judi Alhilman, Drs. MSIE
Aji Pamoso, Ir. MT
Amelia Kurniawati, ST., MT
Pratya Poeri Suryadhini, ST., MT
| RISET OPERASI II I-2

KATA PENGANTAR

Bismillaahirrohmaanirrohiim,
Assalaamualaikum Warohmatulloohi Wabarokaatuh

Dengan ridlaNYA, Alhamdulillah penulis dapat menyelesaikan buku ajar mata
kuliah Penelitian Operasional II ini walaupun masih banyak kekurangan-
kekurangannya yang harus diperbaiki di masa yang akan datang.
Edisi pertama dari buku ajar mata kuliah Penelitian Operasional II ini
diperuntukan digunakan di lingkungan Fakultas Rekayasa Industri Institut
Teknologi Telkom di mana penyusun mengajar.
Buku ajar Penelitian Operasional II pegangan kuliah ini ditujukan agar mahasiswa
lebih dapat berkonsentrasi terhadap apa yang disampaikan dosen di kelas sehingga
mahasiswa diharapkan akan lebih maksimal dalam menerima ilmu yang
disampaikan oleh dosen di kelas.
Buku Ajar ini ditulis dan disusun berdasarkan sumber dari beberapa buku yang
telah ada dan dari pengalaman penulis selama mengajar di beberapa perguruan
tinggi.
Penulis sangat berterima kasih kepada semua pihak yang telah membantu dan
memberi semangat untuk menulis buku ajar ini dan penulis berterima kasih
kepada rekan-rekan sejawat yang telah membantu dalam penulisan buku ini.
Akhirnya, sangat diharapkan adanya masukan dari rekan pembaca sekalian demi
perbaikan Buku Ajar ini ke depannya.

Wassalaamualaikum Warohmatulloohi Wabarokaatuh.

Bandung, Februari 2011,

Penulis

(team dosen penelitian operasional II)

SATUAN ACARA PENGAJARAN (SAP)

Mata Kuliah : Penelitian Operasional II
Kode Mata Kuliah : IE 2343
Semester : 4
SKS : 3
Minggu
Ke-
Pokok Bahasan Sub Pokok Bahasan Tujuan Instruksional Khusus (TIK) Kegiatan Evaluasi Acuan
(1) (2) (3) (4) (5) (6)
1 Pendahuluan

- Lingkup Penelitian Operasional II
- Permasalahan Probabilistik dan
Stokastik
- Aplikasi kasus nyata

- Memahami permasalahan
probabilistik dan stokastik
- Memahami kasus-kasus nyata
yang dapat dipecahkan
dengan metoda penelitian
operasional
Kuliah tatap
muka
Diskusi Taha, Bronson
2 Teori Keputusan - Certainity, uncertainity and risk
situations
- Memahami konsep
pengambilan keputusan
dalam kondisi lingkungan
yang pasti, tidak pasti dan
beresiko
- Memahami kriteria-kriteria
Kuliah tatap
muka


3 Teori Keputusan
- Metoda Decision Tree
- Memahami proses
dengan multi alternatif
- Memahami metoda pohon
keputusan untuk solusi
alternatif pilihan
Kuliah tatap
muka, Tugas

Diskusi,
Latihan Soal
Bronson
4 Teori Keputusan
- Game Teori

- Memahami proses
dengan multi alternatif
- Memahami game teorin untuk
solusi alternatif pilihan
-
Kuliah tatap
muka, Tugas

Diskusi,
Latihan Soal
Bronson
5 Teori Keputusan
- Analitical Hierarchy Process (AHP)
- Memahami konsep
pengambilan keputusan multi
alternatif skala subyektif
- Memahami metoda AHP
sebagai pengambilan
keputusan multi kriteria
Kuliah tatap
muka

Diskusi
Saaty
6
Pemrograman Dinamik
Deterministik
- Proses Keputusan Bartahap Ganda
Deterministik
- Prinsip Optimalitas
- Memahami permasalahan-
permasalahan programa
dinamik deterministik
- Memahami konsep stages,
decision dan policy
- Memahami metoda Foreward
dan Backward
Kuliah tatap
muka

7
Pemrograma Dinamik
Stokastik
- Proses Keputusan Bartahap Ganda
Stokastik
- Tabel Kebijaksanaan
- Memahami permasalahan-
permasalahan programa
dinamik stokastik
- Memahami konsep tabel
kebijaksanaan
Kuliah tatap
muka


8

Ujian Tengah Semester

9 Manajemen Proyek - Network Diagram
- CPM/PERT
- Memahami proses
perencanaan, pelaksanaan
dan evaluasi proyek
- Memahami konsep jaringan
CPM/PERT
Kuliah tatap
muka
Latihan, soal
Diskusi
Taha, Bronson
10 Rantai Markov - Proses Markov
- Matriks Stokastik
- Memahami proses Markov
- Memahami konsep matriks
stokastik
- Memahami vaktor eigen dan
matriks ergodic
Kuliah tatap
muka
11
Proses Kelahiran Kematian
Markov
- Pertumbuhan Populasi
- Proses Kelahiran Kematian Markov
Linear
- Proses Kelahiran/Kematian
Poison/Eksponensial
- Memahami konsep
pertumbuhan populasi
- Memahami proses
kelahiran/kematian Markov
- Memahami konsep distribusi
Poison/Eksponensial dalam
teori Markov
Kuliah tatap
muka
Diskusi,
Latihan soal
Taha, Bronson
12 Sistem Antrian
- Ciri Antrian
- Pola Kedatangan
- Pola Pelayanan
- Kapasitas Sistem
- Memahami konsep dasar
teori antrian
- Memahami dan mampu
mengukur waktu antar
kedatangan dan waktu
layanan
- Mampu mengukur kapasitas
sistem antrian
Kuliah tatap
muka

13 Sistem Antrian - Disiplin Antrian
- Sistem M/M/1
- Memahami konsep disiplin
dan jenis antrian
- Mampu memecahkan
permasaalahan antrian
Kuliah tatap
muka
Diskusi,
Latihan Soal
Taha, Bronson

14
Tugas besar
- Pengambilan dan pengukuran data
sistem antrian di lapangan nyata
- AHP
- Mampu memasukkan
permasalahan antrian di
lapangan ke dalam model
sistem antrian
Pengambilan
Data Lapangan
Diskusi
Pom Bensin
Tk.Cukur
Bioskop
Salon
AHASS
Tmpt Cuci mbl
Mc.Donald
15 Tugas besar
- Pengambilan dan pengukuran data
sistem antrian di lapangan nyata
- AHP
- Mampu memasukkan
permasalahan antrian di
lapangan ke dalam model
sistem antrian
Pengambilan
Data Lapangan
Diskusi
16 Ujian Akhir Semester

Penilaian : UTS : 25%
UAS : 25%
QUIZ : 10%
TUGAS HARIAN : 20%
TUGAS BESAR : 20%

DAFTAR ISI
Kata Pengantar
Satuan Acara Pengajaran
Pendahuluan 8
I. Analisis Keputusan... 12
II. Decision Tree 25
III. Teori Permainan 44
IV. Analytical Hierarchy Process............................................................ 57
V. Pemrograman Dinamika Deterministik............................................. 80
VI. Pemrograman Dinamika Stokastik/Probabilistik.............................. 111
VII. Manajemen Proyek........................................................................... 126
VIII. Rantai Markov.................................................................................. 153
IX. Proses Kelahiran dan Kematian Markov..........................................
X. Sistem Antrian.................................................................................. 175
Referensi............................................................................................................. 198


PENDAHULUAN
Riset Operasional pertama sekali digunakan pada perang dunia II. Perang telah
menyebabkan alokasi sumber daya terbatas yang dimiliki angkatan bersenjata
Amerika Serikat dan Inggris menjadi masalah. Berbagai operasi menggunakan
sumber daya terbatas yang sama. Oleh karena itu, militer Amerika Serikat dan
Inggris memanggil para ilmuwan untuk mengaplikasikan pendekatan ilmiah untuk
permasalahan penggunaan sumber daya terbatas, strategi dan taktik perang
lainnya. Tim ilmuwan ini adalah tim riset operasional pertama yang terbentuk.
Dunia usaha juga berkembang semakin kompleks semakin hari. Perkembangan
dunia usaha ini sangat terlihat dengan jelas setelah revolusi industri. Industri
semakin kompleks, sumber daya yang dimiliki digunakan untuk berbagai kegiatan
atau aktivitas, organisasi industri semakin besar, dan semua itu sering
menggunakan sumber daya yang terbatas.
Model keputusan merupakan alat yang menggambarkan permasalahan keputusan
sedemikian rupa sehingga memungkinkan identifikasi dan evaluasi sistematik
semua alternatif keputusan yang tersedia.
Salah satu teknik yang digunakan untuk menganalisis alternatif keputusan adalah
Riset Operasional.
Riset Operasional merupakan metode pengoptimalan proses pengambilan
keputusan yang dibatasi ketersediaan sumber daya.
Penggunaan riset operasional sangat luas, pendekatannya menggunakan metode
ilmiah. Proses pengoptimalan mulai dengan pengamatan yang mendalam dan
formulasi masalah lalu diikuti dengan pembentukan model ilmiah (khususnya
model matematik) yang menggambarkan inti sistem nyata. Model yang dibentuk
harus mencukupi sebagai representasi tepat sifat-sifat penting situasi, sehingga
kesimpulan yang ditarik dari model valid untuk permasalahan nyata.
Kontribusi riset operasional berasal dari :
1. Penstrukturan situasi dunia nyata ke model matematik, menggambarkan
elemen penting sehingga penyelesaian yang relevan ke tujuan pengambil

keputusan diperoleh, termasuk mencari permasalahan dalam konteks
keseluruhan sistem.
2. Mengeksplor struktur setiap penyelesaian dan mengembangkan prosedur
sistematis untuk mendapatkannya.
3. Mengembangkan suatu penyelesaian, termasuk teori matematik jika perlu,
yang menghasilkan nilai optimal ukuran sistem yang diinginkan (atau
mungkin membandingkan alternatif tindakan dengan mengevaluasi ukuran
yang diinginkan).
Dilihat dari data yang digunakan untuk memfasilitasi, pengambilan keputusan
dapat dibedakan menjadi keputusan pasti, berisiko dan tidak pasti.
Keputusan pasti didukung oleh data-data pasti.
Di antara keputusan pasti dan tidak pasti ada keputusan berisiko.
Pengambilan keputusan berisiko didukung oleh data yang tidak pasti, tetapi
ketidakpastian itu dapat dinyatakan dalam bentuk peluang.
Optimasi adalah proses pencarian solusi yang terbaik; tidak selalu keuntungan
paling tinggi yang bisa dicapai jika tujuan pengoptimalan adalah
memaksimumkan keuntungan; atau tidak selalu biaya paling kecil yang bisa
ditekan jika tujuan pengoptimalan adalah meminimumkan biaya.
Tiga elemen permasalahan optimasi yang harus diidentifikasi, yaitu tujuan,
alternatif keputusan dan sumber daya yang membatasi.
Tujuan bisa berbentuk maksimisasi atau minimisasi. Bentuk maksimisasi
digunakan jika tujuan pengoptimalan berhubungan dengan keuntungan,
penerimaan dan sejenisnya. Bentuk minimisasi akan dipilih jika tujuan
pengoptimalan berhubungan dengan biaya, waktu, jarak dan sejenisnya.
Keputusan harus diambil untuk alternatif keputusan yang disediakan.
Pengambil keputusan dihadapkan pada beberapa pilihan untuk mencapai tujuan
yang ditetapkan.

Alternatif keputusan yang tersedia tentunya alternatif yang menggunakan sumber
daya terbatas yang dimiliki pengambil keputusan, merupakan aktivitas atau
kegiatan yang dilakukan untuk mencapai tujuan.
Alternatif keputusan disebut juga dengan aktivitas atau variabel keputusan.
Sumber daya merupakan pengorbanan yang harus dilakukan untuk mencapai
tujuan yang ditetapkan.

MODEL
Penyelesaian permasalahan keputusan pertama sekali dilakukan dengan
membentuk model.
Pada aplikasi riset operasional umumnya, tujuan dan sumber daya yang
membatasi dapat ditunjukkan secara kuantitatif atau matematik sebagai fungsi
variabel keputusan digunakan model matematik.
Meskipun dapat dimodelkan secara matematik, tidak jarang juga model matematik
yang diformulasikan terlalu kompleks untuk diselesaikan menggunakan metode
solusi yang ada.
Pendekatan lain yang digunakan untuk mengatasi permasalahan ini adalah
menggunakan model simulasi.
Model simulasi tidak menunjukkan secara eksplisit hubungan input dan output.

JENIS MODEL
Model statik memberikan informasi tentang peubah-peubah model hanya pada
titik tunggal dari waktu.
Model dinamik mampu menelusuri jalur waktu dari peubah-peubah model, lebih
sulit dan mahal pembuatannya namun memberikan kekuatan yang lebih tinggi
pada analisis dunia nyata.


SIFAT MODEL
Stokastik/Probabilistik:
- Sering dipakai karena perihal yang dikaji umumnya mengandung
keputusan yang tidak tentu.
- Biasanya mengkaji ulang data atau informasi terdahulu untuk menduga
peluang kejadian tersebut pada keadaan sekarang atau yang akan datang
dengan asumsi terdapat relevansi pada jalur waktu.

SIFAT MODEL
Deskriptif:
- Dibuat hanya untuk semacam deskripsi matematis dari kondisi dunia
nyata,
- Untuk mempermudah penelaahan suatu permasalahan
Optimalisasi:
- Perbandingan antar alternatif dilakukan,
- Solusi dari model optimalisasi adalah merupakan nilai optimum yang
tergantung pada nilai input
Deterministik:
- Model kuantitatif yang tidak mempertimbangkan peluang kejadian,
- Memusatkan penelaahannya pada faktor-faktor kritis yang diasumsikan
mempunyai nilai eksak dan tertentu pada waktu yang spesifik

TAHAPAN STUDI RISET OPERASIONAL
1. Identifikasi Permasalahan
2. Pembangunan Model
3. Penyelesaian Model
4. Validasi Model
5. Implementasi


I. ANALISIS KEPUTUSAN

Pengambilan keputusan didasarkan pada dua kategori sesuai dengan kondisi yang
dihadapi yaitu:
a) Pengambilan keputusan berdasarkan kepastian.
b) Pengambilann keputusan berdasarkan ketidakkepastian.
Pokok bahasan pada materi Analisis Keputusan dititikberatkan pada
pengambilan keputusan berdasarkan ketidakpastian.

Setelah mempelajari materi ini mahasiswa dapat membuat keputusan dalam
menganalisis masalah-masalah dengan bermacam-macam pilihan tindakan-
konsekuensi dan kemudian menentukan pilihan terbaik.

1. Mahasiswa dapat memahami konsep dasar pengambilan keputusan
keputusan dalam setiap organisasi ataupun individu
2. Mahasiswa akan dapat mngetahui berbagai macam ilustrasi dalam
penyelesaian masalah keputusan manajemen
3. Mahasiswa diharapkan dapat mengidentifikasi terhadap masalah yang
dihadapi perusahaan

PENDAHULUAN

TUJUAN INSTRUKSIONAL KHUSUS

TUJUAN INSTRUKSIONAL
UMUM

Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkenalan
2. Penjelasan tentang concept map (tunjukkan di peta konsep dimana posisi
materi yang akan dibahas), pokok bahasan, dan kompetensi yang akan
dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident,
diskusi dan tanya jawab
5. Test akhir materi yang disampaikan
6. Evaluasi pencapaian
7. Penutup

SKENARIO PEMBELAJARAN
1.
2.
3.
4.

Pengambilan keputusan pada umumnya didasarkan pada empat kategori sesuai
dengan kondisi yang dihadapi yaitu: Uncertainty (ketidakpastian), Certainty
(kepastian), Riskan (risiko), dan Conflict (konflik).

- Suasana dikatakan uncertainty jika seluruh peristiwa yang mungkin terjadi
diketahui, tetapi tanpa mengetahui probabilitasnya masing-masing
- Suasana dikatakan certainty jika semua informasi yang diperlukan untuk
membuat keputusan diketahui secara sempurna dan tidak berubah. Kasus
ini dapat ditemui pada model-model keputusan yang deterministik.
Sebagai contoh, dalam merumuskan model masalah program linier dan
transportasi, semua parameter model diasumsikan diketahui dengan pasti.
Dalam suasana certainty solusi model dan hasil keputusan dapat dijamin
atau terkendali.
- Suasana dikatakan riskan jika informasi sempurna tak tersedia, tetapi
seluruh peristiwa yang akan terjadi beserta probabilitasnya diketahui.
- Suasana dikatakan conflict jika kepentingan dua atau lebih pengambil
keputusan berada dalam pertarungan. Satu pihak pengambil keputusan
tidak hanya memikirkan pada tindakannya sendiri, tetapi juga tertarik pada
tindakan pesaingnya.

1.1 KONSEP-KONSEP DASAR
Model keputusan umum terdiri atas komponen-komponen sebagai berikut:
1. Keadaan dasar: Sekumpulan peristiwa atau kejadian acak yang
mungkin mempengaruhi hasil keputusan.
2. Probabilitas: Probabilitas berkaitan dengan keadaan dasar.
3. Keputusan: Sekumpulan kegiatan (tindakan) yang mungkin diambil oleh
pengambil keputusan.
RINGKASAN MATERI


4. Payoff: Sekumpulan laba (benefits) atau biaya yang mungkin dihasilkan
(diakibatkan) dari atau oleh kombinasi suatu keputusan dan suatu
keadaan dasar yang acak.

1.2 KEPUTUSAN DALAM UNCERTAI NTY (KETIDAKPASTIAN)
Pengambil keputusan sadar akan hasil-hasil alternatif dalam bermacam-
macam peristiwa, namun tak dapat menetapkan probabilitas peristiwa.
Contoh:
Pengambil keputusan memiliki dana Rp. 100 jt untuk diinvestasikan pada
salah satu dari tiga rencana investasi alternatif: saham, tanah atau
tabungan.
Pay-off dari ketiga investasi didasarkan pada tiga kondisi ekonomi : cerah,
sedang dan lesu.
Keputusan mana yang harus diambil apakah investasi di saham, tanah
atau tabungan?

Matriks pay-off hasil investasi (jutaan Rp)
ALTERNATIF
INVESTASI
PROSPEK EKONOMI
CERAH SEDANG LESU
SAHAM 10 6,5 -4
TANAH 8 6 1
TABUNGAN 5 5 5

Terdapat beberapa kriteria/cara pengambilan keputusan dalam
ketidakpastian, di antaranya kriteria Maximin (Wald), kriteria Maximax,
kriteria Regret (minimax) dan kriteria Hurwicz (koefisien optimistis) dan
kriteria Laplace (kemungkinan sama).

1.2.1 KRITERIA MAXIMIN (WALD)
Didasarkan pada asumsi bahwa pengambil keputusan adalah pesimistik atau
konservatif atau risk avoider (tidak mau mengambil risiko) tentang masa
depan.

Menurut kriteria ini, pilih alternatif maksimum dari alternatif minimum.
Contoh masalah investasi di atas : pertama cari pay off terkecil untuk setiap
alternatif investasi adalah :
INVESTASI PAY-OFF TERKECIL
SAHAM -4
TANAH 1
TABUNGAN 5

Selanjutnya, dari nilai minimum ini cari nilai yang maksimum, maka berdasarkan
kriteria maximin, dipilih investasi dalam jenis tabungan karena menghasilkan nilai
maksimum Rp 5 juta dari hasil yang minimum.

1.2.2 KRITERIA MAXIMAX
Didasarkan pada asumsi optimisme pengambil keputusan, yaitu dipilih
alternatif yang maksimum dari pay-off yang maksimum.
Contoh dari tabel pay-off investasi di atas,
Pertama cari nilai pay-off maximum dari setiap investasi, hasilnya sbb.:
INVESTASI PAY-OFF MAXIMUM
SAHAM 10
TANAH 8
TABUNGAN 5
Selanjutnya berdasarkan kriteria maximax, pilih alternatif saham karena
memberikan nilai maksimum dari hasil yang maksimum, yaitu Rp 10 juta.

1.2.3 KRITERIA REGRET (MINIMAX)
Kriteria ini didasarkan pada konsep opportunity loss (hilang kesempatan)
atau regret (penyesalan).
Prinsip dasar dari kriteria regret adalah:
Pengambil keputusan mengalami kerugian jika suatu peristiwa terjadi,
menyebabkan alternatif yang terpilih kurang dari pay off maksimum.
Jumlah regret atau opportunity lost ditentukan dengan jalan : kurangi nilai
maksimum setiap peristiwa dengan nilai pay-off setiap alternatifnya.
selanjutnya pilih nilai minimum dari regret maksimum.

Contoh:
Nilai regret dari pay-off investasi :
ALTRNATIF
INVESTASI
PROSPEK EKONOMI
CERAH SEDANG LESU
SAHAM 10-10 0 6,5-6,5 0 5-(-4) 9
TANAH 10-8 2 6,5-6 0,5 5-1 4
TABUNGAN 10-5 5 6,5-5 1,5 5-5 0

Nilai regret maksimum untuk setiap alternatif adalah :
INVESTASI REGRET MAKSIMUM
Saham
Tanah
Tabungan
9
4*
5
Karena kriteria regret menghendaki pemilihan alternatif yang minimum dari
regret maksimum, maka tanah (4juta) yang dipilih.

1.2.4 KRITERIA HURWICZ (KOEFISIEN OPTIMISTIS)
Prinsip dari kriteria Hurwicz adalah kompromi antara kriteria maximin
dan maximax, karena pengambil keputusan sering berada di antara
situasi pesimis dan optimis, maka Hurwicz mengambil prinsip di antara
situasi ini.
Kriteria ini menggunakan coefficient optimism (a) untuk mengukur
tingkat optimism pengambil keputusan, dimana besarnya 0 a 1
Dimana 0 = menunjukkan pesimisme sempurna dan 1 menunjukkan
optimisme sempurna.
Koefisien pesimisme adalah 1 a.
Cara perhitungannya sbb :
Buat nilai tertimbang, yaitu setiap alternatif pay-off yang maksimum
dikalikan a dan pay-off minimum dikalikan 1-a.
Pilih alternatif dengan nilai tertimbang yang tertinggi.

Pada contoh investasi, pay off maksimum dan minimum adalah:

INVESTASI PAY-OFF
MAKSIMUM
PAY-OFF
MINIMUM
Saham
Tanah
Tabungan
10
8
5
-4
1
5

Jika koefisien optimisme a = 0,6, nilai tertimbang setiap alternatif :
Saham = 10 (0,6) + [-4 (0,4)] = 4,4
Tanah = 8 (0,6) + [1 (0,4)] = 5,2
Tabungan = 5 (0,6) + [5 (0,4)] = 5
Karena tanah memiliki nilai tertinggi, maka pilih Tanah sebagai alternatif
terbaik.

1.2.5 KRITERIA LAPLACE (KEMUNGKINAN SAMA)
Karena kemungkinan peristiwa tidak diketahui, maka seyogyanya
diasumsikan bahwa semua peristiwa mempunyai kemungkinan yang sama
untuk terjadi.
Cara perhitungan kriteria Laplace sbb:
- Cari nilai untuk setiap alternatif dengan cara mengalikan setiap pay
off dengan probabilitasnya.
- Pilih alternatif yang tertinggi.

Contoh:
Dari matriks pay off hasil investasi, maka didapat probabilitas setiap
peristiwa = 1/3 (karena ada 3 peristiwa). Maka nilai tertimbang hasil
investasi dari ketiga pilihan adalah:
Saham = 1/3(10) + 1/3(6,5)+1/3(-4) = 4,167
Tanah = 1/3(8) + 1/3(6)+1/3(1) = 5
Tabungan = 1/3(5) + 1/3(5)+1/3(5) = 5
Karena nilai tanah dan tabungan tertinggi, maka pilih Tanah atau
Tabungan.

RINGKASAN KRITERIA KEPUTUSAN
Keputusan yang dibuat pada contoh investasi untuk masing-masing kriteria
keputusan dapat diringkas seperti berikut:
KRITERIA KEPUTUSAN
1. Maximin
2. Maximax
3. Regret(minimax)
4. Hurwicz(a=0,6)
5. Laplace
Tabungan
Saham
Tanah
Tanah
Tanah (Tabungan)

Karena hasil keputusan tidak sama, maka keputusan akhir yang dipilih,
tergantung pada kepribadian dan kriteria dari pengambil keputusan, apakah
pengambil keputusan menganut faham optimisme, pesimisme atau di
antaranya?

1.3 KEPUTUSAN DALAM SUASANA RISKAN (EXPECTED VALUE)
Prosedur pengambilan keputusan pada suasana riskan sebagai berikut:
- Mengidentifikasi bermacam tindakan yang tersedia dan layak.
- Probabilitas terjadinya peristiwa-peristiwa yang mungkin harus
diduga.
- Pay-off untuk suatu tindakan dan peristiwa tertentu ditentukan.
Contoh:
Seorang pedagang asongan sedang mempertimbangkan dua alternatif
kegiatan A dan B yang memiliki kondisi yang berbeda. Setiap kondisi
memiliki probabilitas kejadian yang sama (p1=0,5 dan p2 = 0,5)

Pay-off Matriks Keputusan Dalam Suasana Riskan:
Alternatif Tindakan
Cuaca
Mendung (P=0,5) Cerah (P= 0,5)

A(Menjual minuman)
B(Menjual payung)
-1000
20
1060
30

Expected Value = E = pi(xi)
E(A) = -1000(0,5)+1060(0,5) = 30
E(B) = 20(0,5)+30(0,5) = 25
Karena expected value menjual minuman lebih tinggi maka pilih Jual
minuman.

1.4 KRITERIA UTILITY DALAM SUASANA RISKAN

Dalam praktik sering dijumpai bahwa keputusan tidak didasarkan pada
expected value tertinggi atau expcted cost terendah. Ini terjadi karena :
1. Orang lebih memilih terhindar dari musibah potensial dibanding
mewujudkan keuntungan dalam jangka panjang. Kepribadian seperti ini
dinamakan risk averse.

Contoh: 1. keputusan membeli berbagai polis asuransi.
Misal diketahui tabel payoff asuransi kecelakaan

PERISTIWA
KEPUTUSAN SELAMAT
P1=0,98
KECELAKAAN
P2=0,02

BELI POLIS -3000.000 -3000.000-
100.000.000
+100.000.000

TIDAK BELI 0 -100.000.000


EXPECTED VALUE UNTUK SETIAP PILIHAN:
E(beli polis)=-3.000.000(0,98)-3.000.000(0,02)=-3000.000
E(tidak beli)=0(0,98)-100.000.000(0,02)=-2.000.000
Berdasarkan kriteria expected value, keputusannya seharusnya tidak membeli
polis karena expected value-nya lebih tinggi. Tetapi kenyataannya
menunjukkan bahwa jasa asuransi cukup diminati.

2. Orang lebih memilih mendapatkan rezeki nomplok potensial dibanding
memprtahankan relatif sedikit yang telah dimiliki, kepribadian seperti ini
dinamakan risk seeking.
Contoh: keputusan berjudi buntut SDSB.
Tabel Payoff judi buntut SDSB 2 digit
KEPUTUSAN PERISTIWA
KALAH
P1=0,99
MENANG
P2=0,01
JUDI -1.000 -1.000+60.000
TDK JUDI 0 0

E(judi)=-1.000(0,99)+59.000(0,01)=-400
E(tdk judi)=0
Berdasarkan kriteria expected value, keputusannya seharusnya tidak berjudi
buntut, tetapi kenyataannya menunjukkan bahwa berjudi cukup diminati.


LATIHAN SOAL
1. A recreational facility must decide on the level of supplies it must
stock to meet the needs of its customers during one of the holidays.
The exact number of customers is not known, but it is expected to be
in one of four categories: 200, 250, 300, or 350 customers. Four levels
of supplies are thus suggested, with level i being ideal if the number of
customers falls in category i. Deviation from the ideal level results in
additional costs either because extra supplies are stocked needlessly or
because demand cannot be satisfied. The following table provides
these costs in thousands of dollars.

CUSTOMER CATEGORY

SUPPLY
LEVEL
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15

a. Apply : Laplace, Maximin, Maximax, Regret (minimax), Hurwicz
(a=0,7) criterians to determine optimal supply.
b. If probability each category is: 0,2, 0,4, 0,3, 0,1, apply expected value
method to determine optimal supply.

EVALUASI


2. Diketahui data pay off pendapatan dari perusahaan dan kondisi
perekonomian yang mungkin terjadi sbb :

a. Gunakan metode : Laplace, Maximin, Maximax, Regret (minimax),
Hurwicz (a=0,7) untuk menentukan alternatif yang terbaik.
b. Jika probability Boom = 0,3, Normal = 0,4 dan Krisis = 0,3, carilah
alternatif terbaiknya.

3. Waren Bufy adalah seorang investor yang sangat kaya, yang mendapatkan
keberuntungan dengan investasinya. Saat ini ia sedang mendapat tiga
penawaran investasi dan akan memilih salah satu. Investasi yang pertama
adalah investasi yang konservatif yang memberikan suatu keuntungan
ekonomi pada keadaan ekonomi yang baik dan risiko kehilangan yang
kecil pada saat keadaan ekonomi buruk. Investasi kedua merupakan
investasi spekulatif yang akan memberikan keuntungan yang sangat
ekstrim pada saat keadaan ekonomi baik, tetapi merupakan investasi yang
buruk pada saat ekonomi buruk. Investasi ketiga merupakan investasi yang
berkebalikan; saat keadaan ekonomi baik maka tidak memberikan
keuntungan, akan tetapi pada saat keadaan ekonomi buruk akan
memberikan keuntungan. Waren percaya bahwa ada tiga skenario untuk
ketiga investasi, yaitu (1) keadaan ekonomi membaik, (2) keadaan
ekonomi stabil, dan (3) keadaan ekonomi memburuk. Ia merasa pesimis
tentang bagaimana keadaan ekonomi akan berlangsung sehingga memilih
menggunaan peluang lampau untuk ketiga skenario tersebut masing-

masing 0,1; 0,5; dan 0,4. Ia juga mengestimasikan bahwa keuntungan yang
dapat diperoleh untuk masing-masing skenario tersebut adalah :
Ekonomi
Membaik Stabil Memburuk
Investasi konservatif 30 5 -10
Investasi Spekulatif 40 10 -30
Investasi berkebalikan -10 0 15
Peluang lampau 0,1 0,5 0,4
Tentukan:
1. Kriteria maksimin
2. Kriteria maksimum
3. Aturan keputusan bayes

1. Hamdy A Taha., Riset Operasi, Jilid 2, Bab 12, Binarupa Aksara, 1997.
2. Frederick S. Hillier, Gerald J. Lieberman., Introduction to Operations
Research, Fifth Edition, Mc.Graw Hill, 1990.
3. Sri Mulyono.,Riset Operasi, Edisi Revisi (2007), Bab 11 , Lembaga
Penerbit Fakultas Ekonomi Universitas Indonesia, 2004.
4. P.Siagian.,Penelitian Operasional, Bab 8, Universitas Indonesia, Jakarta,
1987.
5. Tjutju Tarliah Dimyati Ahmad Dimyati.,Operations Research, Sinar Baru
Algensindo, 2006.
6. schaums outlines.1997. Operation Research second edition. New York ;
McGraw-Hill

REFERENSI


II. DECISION TREE

Pada bab decision tree ini, pengambilan keputusan dilakukan dengan
mempertimbangkan proses keputusan tahap ganda dimana keputusan-
keputusan yang saling bergantung dibuat secara berurutan. Untuk membantu
penyelesaiannya digunakan diagram pohon atau pohon keputusan.

Setelah mempelajari materi ini mahasiswa dapat membuat keputusan dalam
menganalisis masalah-masalah dengan bermacam-macam pilihan tindakan-
konsekuensi berdasarkan metode pohon keputusan dan kemudian menentukan
pilihan terbaiknya.

keputusan dengan multi alternatif .
2. Mahasiswa akan dapat memahami metode pohon keputusan untuk solusi
alternatif pilihan.
3. Mahasiswa diharapkan dapat mengidentifikasi terhadap masalah yang
dihadapi.

PENDAHULUAN


UMUM

1. Tes pendahuluan
3. Tes akhir materi yang disampaikan
5. Penutup

1.
2.
3.
4.

DECI SI ON TREE (POHON KEPUTUSAN)
Pohon keputusan adalah suatu alat untuk membuat keputusan suatu model
secara skematik untuk keputusan keputusan yang berurutan.
Diagram pohon ini akan menggambarkan satu bangunan dari satu
permasalahan pengambilan keputusan yang berguna membantu melakukan
analisis dari situasi yang dihadapi.
Langkah pertama untuk membentuk suatu diagram pohon ialah menentukan
semua keadaan yang bersangkutan, semua alternatif tindakan dan semua
perolehan. Selanjutnya kita membuat hubungan antara ketiga variabel ini dalam
bentuk pohon yang terdiri dari batang, dahan dan ranting. Pohonnya akan mekar
dari kiri ke kanan dan berakhir pada daun-daun yang berisikan perolehan.
Untuk penyelesaiannya, dari diagram pohon, hitung setiap alternatif dengan
cara backward dengan menggunakan metode expected value, pilih alternatif yang
expected value-nya terbesar untuk permasalahan keuntungan atau pilih nilai
terkecil untuk permasalahan pengeluaran.

Contoh:
Suatu perusahaan menghadapi pilihan apakah akan membangun pabrik baru
ukuran kecil atau besar? Bila membangun pabrik besar, maka diperlukan investasi
sebesar Rp 5 jt. Bila membangun pabrik kecil, investasinya Rp1 jt. Kemungkinan
permintaan tinggi = 0.75 dan permintaan rendah = 0.25. Bila membangun pabrik
besar dan permintaan tinggi, akan menghasilkan keuntungan Rp 1 jt /thn, tetapi
bila permintaan rendah akan menghasilkan keuntungan sebesar Rp 300.000/thn.
Bila membangun pabrik kecil dan permintaan tinggi maka akan meraih
keuntungan Rp 250.000, dan bila permintaan rendah Rp 200.000/thn. Umur
pabrik besar = umur pabrik kecil = 10 tahun.

RINGKASAN MATERI


Gambar pohon keputusan sbb :
2
M
e
m
b
a
n
g
u
n
p
a
b
rik
b
e
s
a
r
R
p
. 5
.0
0
0
.0
0
0
3
M
e
m
b
a
n
g
u
n
p
a
b
rik
k
e
c
il
R
p
. 1
.0
0
0
.0
0
0
Rp. 1.000.000/thn
Permintaan rendah
P = 0.25
Rp. 300.000/thn
Permintaan rendah
P = 0.25
Permintana tinggi
P = 0.75
Permintaan tinggi
P 0.75
Rp. 250.000/thn
Rp. 200.000/thn
1
Keputusan Keadaan dasar Payoffs
Node
keputusan
Node kemungkinan
peristiwa

Alternatif mana yang lebih menguntungkan apakah membangun pabrik besar
atau pabrik kecil?

Penyelesaian:
Berdasarkan pohon keputusan ini bisa dihitung nilai pay off setiap alternatif
dengan rumus nilai harapan (expected value).
Nilai payoff yang diharapkan dari tiap-tiap cabang sbb :
A. Bila membangun pabrik besar:
(0.75 x Rp 1 jt x 10) + (0.25 x Rp 300.000 x 10) Rp 5 jt = Rp 3.250.000
B. Bila membangun pabrik kecil:
(0.75 x Rp 250.000 x 10) + (0.25 x Rp 200.000 x 10) Rp 1 jt = Rp
1.375.000
Maka akan menguntungkan jika membangun pabrik besar.

2
M
e
m
b
a
n
g
u
n
p
a
b
rik
b
e
s
a
r
R
p
. 5
.0
0
0
.0
0
0
3
M
e
m
b
a
n
g
u
n
p
a
b
rik
k
e
c
il
R
p
. 1
.0
0
0
.0
0
0
Rp. 1.000.000/thn
Permintaan rendah
P = 0.25
Rp. 300.000/thn
Permintaan rendah
P = 0.25
Permintana tinggi
P = 0.75
Permintaan tinggi
P 0.75
Rp. 250.000/thn
Rp. 200.000/thn
1
Keputusan Keadaan dasar Payoffs
Node
keputusan
Node kemungkinan
peristiwa
Expected Payoffs
Rp. 7.500.000
Rp. 750.000
- Rp 5.000.000
------------------------
Rp. 3.250.000
Rp. 1.875.000
Rp. 500.000
- Rp 1.000.000
------------------------
Rp. 1.375.000

Latihan:
1. Diketahui pohon keputusan dimana diketahui probabilitas dan nilai
pendapatan dan pengeluarannya seperti di gambar bawah ini.
Tentukan keputusan mana yang lebih menguntungkan???

2
B
e
li
b
a
r
u
R
p
.

1
0
0
.
0
0
0
P

=

0
.
4
2
3
B
e
li
b
e
k
a
s
R
p
.

5
0
.
0
0
0
P

=

0
.
5
8
50.000
1
6
5
4
A
B
C
A
B
C
P = 0.923
P = 0.923
P = 0.077
P = 0.077
P = 0.923
P = 0.077
9
8
7
P = 0.75
P = 0.75
P = 0.25
P = 0.25
P = 0.75
P = 0.25
-10.000
15.000
-60.000
100.000
10.000
50.000
-10.000
15.000
-60.000
100.000
10.000
S2
S2

Jawab :
- Keuntungan = Pendapatan Pengeluaran
- Keuntungan Beli Baru :

[(0,923 x 50.000) + (0,077 x (-10.000)) + (0,923 x 15.000) + (0,077 x (-
60.000)) + (0,923 x 100.000) + (0,077 x 10.000)] [0,42 x 100.000] =
Rp. 147.675 Rp. 42.000 = Rp. 105.675
- Keuntungan Beli Bekas :
[(0,75 x 50.000) + (0,25 x (-10.000)) + (0,75 x 15.000) + (0,25 x (-60.000)) +
(0,75 x 100.000) + (0,25 x 10.000)] [0,58 x 50.000] =
Rp. 108.750 Rp. 29.000 = Rp. 79.750
Maka akan menguntungkan jika Beli Baru.

2. Manajemen CAPELA sedang menyusun rencana untuk masa 5 tahun ke
depan. Masalah pertama adalah memperbesar kapasitas segera dan kedua
menunggu setelah dua tahun kemudian bereaksi. Kedua putusan ini
mempunyai kemungkinan keadaan (state of nature) yang akan dihadapi,
pertama: keadaan ekonomi yang membaik dengan probabilitas 60% dan kedua
adalah keadaan ekonomi yang semakin buruk. Apabila perusahaan beroperasi
dengan kapasitas yang ada dan ternyata dalam dua tahun pertama keadaan
ekonomi menjadi lebih baik, maka manajemen capela akan mempunyai dua
pilihan. Pertama, memperbesar kapasitas pabrik dan kedua, beroperasi dengan
kapasitas yang ada.
Masing-masing keputusan ini juga memiliki dua kemungkinan keadaan yang
akan terjadi, yaitu keadaan ekonomi pada tiga tahun berikutnya menjadi lebih
baik dengan probabilitas = 45% atau keadaan ekonomi pada tiga tahun
berikutnya menjadi lebih buruk (p = 55%). Jika perusahaan memperbesar
kapasitas pabrik dan ekonomi menjadi lebih baik, maka perusahaan akan
memperoleh keuntungan Rp 350.000. Sebaliknya jika keadaan ekonomi
menjadi lebih buruk, maka perusahaan akan menderita rugi Rp 250.000. Di
sisi yang lain, jika perusahaan beroperasi dengan kapasitas yang ada dan
ekonomi menjadi lebih baik maka perusahaan akan memperoleh keuntungan
Rp. 275.000. Sedangkan jika keadaan ekonomi menjadi lebih buruk maka
perusahaan akan menderita rugi Rp 150.000. Selanjutnya jika perusahaan
beroperasi dengan kapasitas yang ada dan ekonomi menjadi buruk pada dua
tahun pertama maka perusahaan tidak akan membuat keputusan apapun dan

sebagai akibatnya perusahaan akan menderita rugi Rp 50.000. Sebagai
alternatif yang lain, jika perusahaan memperbesar kapasitas pabrik segera
akan mengeluarkan biaya sebesar Rp 90.000 dan ekonomi menjadi lebih baik
pada tahun-tahun berikutnya maka perusahaan akan memperoleh keuntungan
Rp. 400.000. Sebaliknya, jika keadaan ekonomi lebih buruk pada tahun-tahun
berikutnya, maka perusahaan akan menderita rugi Rp 360.000.
Gambarkan diagram pohonnya dan cari alternatif terbaik.
Jawab :

- Alternatif C menghasilkan nilai sebagai berikut :
(0,45 x 350.000) (0,55 x 250.000) = Rp. 20.000
- Alternatif D menghasilkan nilai sebagai berikut :
(0,45 x 275.000) (0,55 x 150.000) = Rp. 41.250
- Maka dipilih alternatif D
- Alternatif A menghasilkan nilai sebagai berikut :
(0,60 x 400.000) (0,40 x 360.000) 90.000 = Rp. 6.000
- Alternatif B menghasilkan nilai sebagai berikut :
(0,60 x 41.250) (0,40 x 50.000) = Rp. 2.250
Maka dipilih alternatif A, yaitu memperbesar kapasitas pabrik segera.


II.1 EXPECTED VALUE OF PERFECT I NFORMATI ON (EVPI)
Dalam pembuatan keputusan pada suasana riskan, informasi yang tersedia
kurang banyak dibandingkan keputusan dalam suasana certainty.
Jika informasi yang diperoleh pengambil keputusan dapat mengubah
suasana riskan menjadi certainty, informasi itu dikatakan menjadi informasi
sempurna.

Contoh:
Misal perusahaan mempunyai 3 alternatif investasi A, B dan C dan 2
peristiwa kondisi pasar cerah dan lesu.

Matriks pay off keputusan dalam suasana riskan :

ALTERNATIF
INVESTASI
PROSPEK PASAR
CERAH P1=0,6 LESU P2=0,4
A
B
C
50000
15000
100000
-10000
60000
10000

Expected value tanpa informasi sempurna yang terbesar:
C = 0,6(100000) + 0,4(10000) = 64000

Expected value dalam suasana certainty adalah:
0,6(100000) + 0,4(60000) = 84000

Maka EVPI = 84000-64000 = 20000

II.2 KEPUTUSAN DENGAN INFORMASI TAMBAHAN
Meskipun informasi sempurna sulit didapatkan, tambahan informasi yang
tak sempurna yang dapat memperbaiki keputusan adalah sangat mungkin.
Dengan teori Bayes nilai informasi tambahan yang tak sempurna dapat
diduga.

Contoh masalah investasi:
Karena EVPI = Rp. 20.000 maka perusahaan akan bersedia membayar
tambahan informasi itu sebanyak Rp 20.000.

Diagram pohonnya:
50.000
4
3
2
A
B
C
Cerah (0,6)
Cerah (0,6)
Lesu (0,4)
Lesu (0,4)
Cerah (0,6)
Lesu (0,4)
-10.000
15.000
60.000
100.000
10.000
1

Misalkan perusahaan menggunakan jasa konsultan untuk mendapatkan
tambahan informasi itu. Konsultan akan meramalkan salah satu dari dua
prospek itu. Ramalan optimistik berarti pasar kemungkinan besar akan
cerah sebesar 0,8 dan ramalan pesimistik berarti kemungkinan besar pasar
akan lesu sebesar 0,9.
Oleh perusahaan apa yang telah diramalkan konsultan dengan apa yang
terjadi dinyatakan dalam conditional probability sbb:
P(O/C) = 0,8 P(O/L)= 0,1
P(P/C) = 0,2 P(P/L) = 0,9
Keterangan:
O = ramalan optimistik
P = ramalan pesimistik
C = pasar cerah
L = pasar lesu

Diketahui prior probability : P(L) = 0,4 dan P(C) = 0,6

Dengan menggunakan teori Bayes, prior probabilities dapat direvisi
menjadi posterior probabilities dengan rumus sbb :

P(O/C)P(C)
P(C/O) = ----------------------------------
P(O/C)P(C)+P(O/L)P(L)

P(C/0) = 0,8(0,6) / (0,8. 0,6 + 0,1 . 0,4) = 0,923

Artinya prior probability bahwa pasar akan cerah adalah 0,6 namun jika
ramalan konsultan adalah optimistik, probabilitas itu dapat direvisi
menjadi 0,923.
Dengan jalan yang sama didapat nilai posterior probability yang lain sbb:
P(C/P) = 0,25
P(L/O) = 0,077
P(L/P) = 0,75
Setelah memiliki revised probabilities (posterior probability), agar
informasi ini berguna untuk membuat keputusan maka dibuatlah diagram
pohonnya.
Untuk analisis expected value ini diperlukan besaran probability ramalan
optimistis P(O) dan pesimistis P(P) dengan cara:
P(OC) = P(O/C) P(C)
P(OL) = P(O/L) P(L)
Karena mutually exclusive maka:
P(O)= P(OC) + P(OL)
Setelah nilai nilai yang diperlukan didapat, maka diagram pohonnya
berubah menjadi :

R
a
m
a
l
a
n

o
p
t
i
m
i
s
t
i
k
P

=

0
.
5
2
R
a
m
a
l
a
n

p
e
s
i
m
i
s
t
i
k
P

=

0
.
4
8
50.000
6
5
4
A
B
C
A
B
C
P(C/O) = 0.923
P = 0.923
P = 0.077
P = 0.077
P = 0.923
P = 0.077
9
8
7
P = 0.25
P = 0.25
P = 0.75
P = 0.75
P = 0.25
P = 0.75
-10.000
15.000
60.000
100.000
10.000
50.000
-10.000
15.000
60.000
100.000
10.000
2
1
3
93070
45380
18465
93070
71796
5000
48750
32500

Perhitungan expected value setiap alternatif sbb :

E(A) = 50000(0,923) - 10000(0,077) = 45380
E(B) = 15000(0,923) + 60000(0,077) = 18465
E(C) = 100000(0,923) + 10000(0,077) = 93070
Pada noktah 2 (optimistik) dipilih yang terbesar (93070)

Dengan jalan yang sama untuk noktah 3 dicari masing-masing ekspektasinya,
dan ternyata pada noktah 3 (pesimistic) nilai yang terbesar adalah : RP. 48750

JADI EXPECTED VALUE STRATEGI :
93070 (0,52) + 48750 (0,48) = Rp. 71796


Untuk menghitung Expected Value Sample I nformation (EVSI):

Expected value tanpa informasi sempurna tertinggi : Rp. 64000 yaitu
alternatif C.
Setelah mendapat tambahan informasi dari konsultan diperoleh Expected
value strategi Rp. 71.796.
Jadi EVSI (expected value sample information) = 71796 64000 = 7796

Contoh 2 :
Seorang perancang pakaian olahraga mempunyai pilihan untuk
memproduksi sendiri pakaian olahraga rancangannya, atau memberikan
hak produksi pada suatu perusahaan produsen perlengkapan olahraga.
Pihak perusahaan menawarkan pembayaran awal sebesar Rp
20.000.000,00 saat terjadi kontrak kerja sama antara pihak perancang dan
perusahaan. Jika penjualan pakaian olahraga tersebut sukses, diperkirakan
jumlah yang terjual adalah 20.000 set. Jika penjualan tidak sukses,
diperkirakan jumlah yang terjual adalah 2.000 set. Pihak perusahaan akan
membayarkan royalti pada pihak perancang sebesar Rp 10.000,00 untuk
setiap set pakaian olahraga yang terjual. Perancang tersebut telah
melakukan survei pasar yang menunjukkan bahwa terdapat 70%
kemungkinan bahwa penjualan akan sukses. Jika perancang tersebut
memproduksi sendiri pakaian olahraga rancangannya, biaya awal yang
harus dikeluarkan adalah sebesar Rp 90.000.000,00 untuk biaya produksi
dan pemasaran. Namun jika produksi dilakukan sendiri, keuntungan dari
setiap set pakaian olahraga yang terjual adalah Rp 20.000,00.
(a) Berdasarkan informasi di atas, alternatif manakah yang lebih baik bagi
perancang tersebut, memberikan hak produksi pada perusahaan atau
memproduksi sendiri? Gambarkan decision tree untuk kasus tersebut.

(b) Misalkan perancang tersebut meminta seorang konsultan untuk
mengadakan survei untuk mengidentifikasi kemungkinan sukses dari
penjualan pakaian olahraga. Berdasarkan pengalaman terdahulu, jika

penjualan ternyata sukses, kemungkinan bahwa prediksi dari
konsultan tersebut salah adalah 20%. Jika penjualan ternyata tidak
sukses, kemungkinan bahwa prediksi dari konsultan tersebut benar
adalah 85%.
Dengan menggunakan data-data ini, perbaharui perkiraan semula bahwa
kemungkinan sukses adalah 70% dan kemudian tentukan keputusan yang
dianjurkan. Gambarkan decision tree untuk kasus tersebut.

Jawab :
a. S = Sukses
TS= Tidak sukses

EV (produksi sendiri) = 400.000.00(0,7) + 40.000.000(0,3) - 90.000.000
= 202.000.000
EV (memberikan pada produsen) = 200.000.000(0,7) +20.000.000(0,3) +
20.000.000 = 166.000.000
Kesimpulan: memproduksi sendiri

Memproduksi sendiri
Memberikan pada
produsen
0,7
0,3
0,7
0,3
400.000.000
40.000.000
200.000.000
20.000.000
S
S
TS
TS
-90.000.000
+20.000.000

b. Terdapat informasi tambahan :
Keterangan:
P(S) = peluang sukses P(TS)= peluang tidak sukses
P(B)= peluang benar P(Sl) = peluang salah

jika penjualan ternyata sukses, kemungkinan bahwa prediksi dari konsultan
tersebut salah adalah 20%. P(Sl/S) = 0,2 maka P(B/S) = 0,8

Jika penjualan ternyata tidak sukses, kemungkinan bahwa prediksi dari konsultan
tersebut benar adalah 85%. P(B/TS) = 0,85 maka P(Sl/TS) = 0,15

6871 , 0
3 , 0 * 85 , 0 7 , 0 * 8 , 0
7 , 0 * 8 , 0
) ( * ) / ( ) ( * ) / (
) ( * ) / (
) / ( =
+
=
+
=
TS P TS B P S P S B P
S P S B P
B S P

3129 , 0
3 , 0 * 85 , 0 7 , 0 * 8 , 0
3 , 0 * 85 , 0
) ( * ) / ( ) ( * ) / (
) ( * ) / (
) / ( =
+
=
+
=
TS P TS B P S P S B P
TS P TS B P
B TS P

7568 , 0
3 , 0 * 15 , 0 7 , 0 * 2 , 0
7 , 0 * 2 , 0
) ( * ) / ( ) ( * ) / (
) ( * ) / (
) / ( =
+
=
+
=
TS P TS Sl P S P S Sl P
S P S Sl P
Sl S P

2432 , 0
3 , 0 * 15 , 0 7 , 0 * 2 , 0
3 , 0 * 15 , 0
) ( * ) / ( ) ( * ) / (
) ( * ) / (
) / ( =
+
=
+
=
TS P TS Sl P S P S Sl P
TS P TS Sl P
Sl TS P

815 , 0 3 , 0 * 85 , 0 7 , 0 * 8 , 0 ) ( * ) / ( ) ( * ) / ( ) ( = + = + = TS P TS B P S P S B P B P
185 , 0 3 , 0 * 15 , 0 7 , 0 * 2 , 0 ) ( * ) / ( ) ( * ) / ( ) ( = + = + = TS P TS Sl P S P S Sl P Sl P

Pohon keputusan setelah adanya informasi tambahan :

Sendiri
Perusahaan
0,6871
0,3129
0,6871
0,3129
400.000.000
40.000.000
200.000.000
20.000.000
0,7568
0,2432
0,7568
0,2432
Prediksi
benar
P(B)=0,815
Prediksi salah
P(sl)=0,185
-90.000.000
400.000.000
40.000.000
200.000.000
20.000.000
Sendiri
-90.000.000
+20.000.000
Perusahaan
+20.000.000

EV (sendiri) pada prediksi benar = 400.000.000 (0,6871) + 40.000.000 (0,3129)
90.000.000 = 197.356.000*
EV (perusahaan) pada prediksi benar = 200.000.000 (0,6871) + 20.000.000
(0,3129) + 20.000.000 = 163.678.000
Dipilih melakukan sendiri pada prediksi benar

EV (sendiri) pada prediksi salah = 400.000.000 (0,7568) + 40.000.000 (0,2432)
90.000.000 = 222.448.000*
EV (perusahaan) pada prediksi salah = 200.000.000 (0,7568) + 20.000.000
(0,2432) + 20.000.000 = 176.224.000
Dipilih melakukan sendiri pada prediksi salah

EV setelah adanya informasi = 0,815 x 197.356.000 + 0,185 x 222.448.000
= 201.998.020

Kesimpulan : tidak menggunakan jasa konsultan

Menggunakan jasa
konsultan
201.998.020
202.000.000
Tidak menggunakan
jasa konsultan

LATIHAN SOAL
1. Seorang pengusaha pabrik peralatan elektronik ingin menambah jenis produk
yang diproduksi. Pilihan pertama adalah produk A, kemungkinan untuk
berhasilnya usaha tersebut adalah 0,5 dengan besar keuntungan Rp.200 juta,
tetapi jika tidak berhasil besar kerugiannya Rp. 20 juta.
Produk yang kedua adalah produk B untuk produk ini tidak dibutuhkan
teknologi baru, namun demikian dirasakan untuk gagal yaitu sebesar 0,2.
Dengan besar kerugian Rp. 2 juta. Dan jika berhasil keuntungannya Rp 80
juta.
Karena keterbatasan dana maka hanya satu produk saja yang dapat dibuat.
Atau tidak menambah jenis produk baru.
Pertanyaan : gambarkan diagram pohonnya dan cari alternatif terbaik.

2. The athletic department of Leland university mempertimbangkan apakah akan
tetap melakukan kampanye tahun depan untuk menggalang dana pembuatan
lapangan olah raga baru. Respons terhadap kampanye tersebut bergantung
pada keberhasilan tim sepakbola musim ini. Di waktu lalu tim sepak bola
memenangkan pertandingan sebanyak 60 persen dari total permainan. Jika tim
memenangi pertandingan (W) musim ini, beberapa alumninya akan
memberikan kontribusi terhadap kampanye sehingga dana yang terkumpul
akan meningkat sebesar $3 juta. Jika tim sepak bola kalah (L) maka alumni
akan memberikan kontribusi juga tetapi sedikit sehingga akan kehilangan $2
juta. Jika kampanye tidak diadakan maka tidak terjadi kehilangan biaya. Pada
tanggal 1 September sesaat sebelum pertandingan musim ini dimulai, athletic
department perlu membuat keputusan apakah kampanye tahun depan diadakan
atau tidak.
EVALUASI


a. Buatlah suatu rumusan analisan keputusan untuk masalah ini dengan
mengidentifikasi alternatif keputusan, kondisi dasar, dan table
perolehan/payoff.
b. Seorang pakar sepakbola yang terkenal, CR7 menawarkan dirinya untuk
membantu mengevaluasi apakah tim sepakbola tersebut akan
memenangkan pertandingan pada musim ini atau tidak. Dengan upah
sebesar $100 ribu, ia akan secara hati-hati mengevaluasi tim sesuai
pengalaman dan hasil pertandingan tim tersebut. CR7 akan memaparkan
prediksinya pada 1 September, apakah tim menang (M) atau kalah (K).
Dengan situasi yang sama ia memprediksi menang tim 50%, maka peluang
kebenaran prediksinya 75%. Dengan mempertimbangkan bahwa tim
sepakbola tersebut mempunyai tradisi kemenangan, jika CR7
memprediksikan tim menang, berapa peluang posterior bahwa tim tersebut
benar-benar menang? Berapa probabilitas posterior tim akan kalah.
Tunjukkan dengan diagram pohon.
c. Gambarlah suatu pohon keputusan untuk masalah keseluruhan.
d. Berapa EVPI dan EVSI

3. Sebuah perusahaan energi utama menawarkan $60,000 kepada seorang
pemilik tanah untuk pembelian hak-hak mengeksplorasikan gas alam pada
suatu tempat tertentu dan keinginannya untuk pengembangan di masa akan
datang. Jika keinginan ini jadi dilaksanakan maka si pemilik tanah akan
memperoleh tambahan $600,000, tetapi ini hanya terjadi jika gasnya
ditemukan selama tahap eksplorasi. Karena si pemilik tanah mempercayai
bahwa perhatian perusahaan energi merupakan pertanda bahwa gasnya ada,
maka ia mencoba untuk mengembangkan tanah itu sendiri. Untuk itu, ia harus
mengadakan kontrak dengan perusahaan-perusahaan lokal dengan keahlian
dalam bidang eksplorasi dan pengembangan. Biaya awalnya $100,000 yang
akan hilang jika gasnya tidak ditemukan. Tetapi jika gasnya ditemukan maka
pemilik tanah ini memperkirakan keuntungan bersih sebesar 2 juta dolar.
Keputusan-keputusan bagi pemilik tanah adalah D1(menerima tawaran
perusahaan energi) dan D2 (mengeksplorasi dan mengembangan sendiri).

Keadaan-keadaan alamiah adalah S1 (tidak ada gas di tanahnya) dan S2 (Ada
gas ditanahnya). Keuntungan-keuntungan (dalam dolar) bagi si pemilik tanah
ini untuk gabungan dari tiap-tiap kejadian diberikan dalam tabel berikut:

Keadaan alamiah
K
e
p
u
t
u
s
a
n

S1 S2
D1 60 660
D2 -100 2000

Pertanyaan
a. Tentukan keputusan yang dianjurkan jika pemilik tanah memperkirakan
probabilitas untuk menemukan gas adalah 0,6.
b. Pemilik tanah telah melakukan pengukuran-pengukuran pada tempat di
mana gas alam dicurigai ada, dengan biaya $30,000. Pengukuran ini
menunjukkan bahwa gasnya tidak ada, tetapi tes pengukurannya ternyata
tidak sempurna. Perusahaan yang melakukan pengukuran mengakui bahwa
apabila gasnya memang ada, maka 30% dari waktu tes akan menunjukkan
bahwa gasnya tidak ada. Apabila gasnya tidak ada, maka ketelitian tes
adalah 90% dari waktu tes. Dengan menggunakan data-data ini, perbaharui
perkiraan semula pemilik tanah bahwa kemungkinan untuk mendapatkan
gas adalah 0,6 dan kemudian tentukan keputusan yang dianjurkan.
c. Dan bagaimana jika pengukuran-pengukuran menunjukkan gas ada.
d. Keputusan yang dianjurkan jika pengukuran yang dibahas belum dilakukan
tetapi sedang dipertimbangkan.
Buatlah pohon keputusannya dan penyelesaiannya.

4. Sebuah perusahaan label musik menawarkan Rp 7.000.000,00 kepada
sebuah band untuk pembelian hak produksi dan penjualan hasil karya band
tersebut. Jika kedua belah pihak bekerja sama, maka band tersebut akan
memperoleh tambahan sebesar Rp 70.000.000,00. Namun, hal ini hanya
terjadi jika ternyata album rekaman mereka sukses terjual di pasaran.
Adanya tawaran dari perusahaan label musik ini membuat band tersebut
merasakan adanya indikasi bahwa terdapat kemungkinan album rekaman

mereka akan sukses di pasaran. Dengan demikian, band tersebut
mempunyai alternatif lain, yaitu memproduksi album rekaman mereka
secara independen. Jika band tersebut akan melakukan produksi sendiri,
biaya awal yang harus dikeluarkan adalah sebesar Rp 11.000.000,00.
Namun jika album rekaman mereka sukses di pasaran, band tersebut akan
memperoleh keuntungan bersih sebesar Rp 210.000.000,00.
a) Jika band tersebut memperkirakan bahwa kemungkinan album tersebut
sukses adalah 70%, tentukan alternatif manakah yang lebih baik untuk
band tersebut, bekerja sama dengan perusahaan label musik atau
memproduksi sendiri? Gambarkan decision tree untuk kasus tersebut.
b) Misalkan band tersebut meminta pendapat dari seorang pengamat
musik. Pengamat musik tersebut berpendapat bahwa album tersebut
akan gagal. Berdasarkan pengalaman terdahulu, prediksi pengamat
tersebut tidak selalu tepat. Jika ternyata album tersebut sukses, terdapat
kemungkinan 25% bahwa hasil prediksi menyatakan bahwa album akan
gagal. Jika album ternyata gagal, kemungkinan keakuratan hasil
prediksi adalah 80%. Dengan menggunakan data-data ini, perbaharui
perkiraan semula bahwa kemungkinan sukses adalah 70%. Kemudian,
berdasarkan nilai expected value, tentukan keputusan yang dianjurkan,
apakah menggunakan informasi awal saja atau menggunakan informasi
tambahan dari pengamat musik. Gambarkan decision tree untuk kondisi
dengan informasi tambahan dari pengamat musik.

1987.
5. Tjutju Tarliah Dimyati Ahmad Dimyati.,Operations Research, Sinar
Baru Algensindo, 2006.
McGraw-Hill

REFERENSI


III. TEORI PERMAINAN

Kehidupan penuh dengan konflik dan kompetisi, dalam kehidupan banyak
contoh yang melibatkan lawan dalam konflik, diantaranya kampanye politik,
pemasaran barang, penerimaan mahasiswa disuatu daerah untuk beberapa
perguruan tinggi yang favorit. Berdasarkan hal tersebut, maka pada bab ini akan
diperkenalkan suatu materi yang mencerminkan adanya competitor. Materi yang
akan dibahas adalah teori permainan.
Teori permainan (game theory) adalah bagian dari ilmu pengetahuan yang
berkaitan dengan pembuatan keputusan pada saat dua pihak atau lebih berada
dalam kondisi persaingan atau konflik, pihak-pihak yang terlibat dalam
persaingan ini disebut pemain.
Pada teori permainan, semua pihak diasumsikan akan melakukan strategi
tindakan yang rasional untuk memenangkan persaingan, dan masing-masing pihak
mengetahui strategi pihak lawan, setiap lawan berkeinginan untuk
mengoptimumkan keputusannya sendiri dengan kerugian lawannya.
Pokok bahasan pada materi Teori Permainan dititik beratkan pada
pembahasan Two person zero sum game. Selain itu akan dijelaskan juga hubungan
teori permainan dengan programa linier.

Setelah mempelajari materi ini mahasiswa dapat membuat
keputusan dalam menganalisis masalah-masalah dalam situasi konflik dan
kemudian menentukan strategi yang optimum .

PENDAHULUAN


UMUM

keputusan dalam situasi multi alternatif.
penyelesaian masalah keputusan dengan metoda teori permainan.

1. Tes pendahuluan
5. Penutup

TEORI PERMAINAN
Teori permainan (game theory) adalah bagian dari ilmu pengetahuan yang
berkaitan dengan pembuatan keputusan pada saat dua pihak atau lebih berada
dalam kondisi persaingan atau konflik, setiap lawan berkeinginan untuk
mengoptimumkan keputusannya sendiri dengan kerugian lawannya. Contoh :
mencakup kampanye iklan peluncuran produk-produk yang bersaing dan
perencanaan taktik-taktik perang melawan tentara musuh.
Model-model teori permainan ini dapat diklasifikasikan dalam beberapa cara,
bergantung pada: banyaknya pemain, jumlah keuntungan dan kerugian, dan
banyaknya strategi yang dilakukan dalam permainan.
Sebagai contoh, bila banyaknya pemain terdiri atas dua pihak (baik
individu atau kelompok) maka permainan ini disebut Permainan dua orang (two
person game). Bila banyaknya pemain adalah N pihak (N > 2) maka permainan
1.
2.
3.
4.
RINGKASAN MATERI


ini disebut Permainan N orang (N person game). Jika jumlah kerugian dan
keuntungan dari permainannya adalah nol, disebut sebagai Permainan
berjumlah nol (zero-sum game) atau permainan berjumlah konstan (constant-
sum game) dan kebalikan dari Permainan berjumlah nol disebut sebagai
Permainan berjumlah bukan nol (non zero-sum game).
Model-model lainnya antara lain adalah: Two person zero sum (permainan
jumlah nol dua orang) yaitu sebuah permainan dengan dua pemain, dengan
keuntungan satu pemain sama dengan kerugian pemain lainnya.
Sebagai contoh dari N-person nonzero-sum game adalah situasi ketika
sejumlah perusahaan melakukan kampanye advertensi yang intensif untuk
memperoleh daerah pemasaran yang lebih besar.

III.1 ELEMEN ELEMEN DASAR TEORI PERMAINAN
Perhatikan persoalan two-person zero-sum game dengan matriks
pembayaran seperti pada tabel berikut ini :
Pemain B
B1 B2 B3
Pemain A A1
A2
6 9 2
8 5 4

Beberapa pengertian dari persoalan tersebut adalah sebagai berikut:
1. Bilangan-bilangan yang ada di dalam matriks pembayaran (payoff
matriks) menyatakan outcome atau pembayaran dari strategi permainan
yang berbeda. Dalam two-person zero-sum game ini bilangan-bilangan
positif menyatakan perolehan keuntungan bagi pihak yang ditulis pada
baris sebagai pemain yang akan memaksimumkan, dan merupakan
kerugian bagi pihak yang ditulis pada kolom sebagai pemain yang akan
meminimumkan. Sebagai contoh, jika pemain A melakukan strategi A
1

dan pemain B memilih strategi B
2
, maka pemain A akan memperoleh 9
dan pemain B akan membayar 9.

2. Strategi adalah tindakan pilihan. Diasumsikan bahwa strategi ini tidak
dapat dibolak-balik oleh para pemain. Contoh, Pemain A memiliki 2
strategi, sedankan pemain B memiliki 3 strategi.
3. Aturan permainan menjelaskan tentang cara para pemain memilih
strategi-strategi mereka.
4. Suatu strategi dinyatakan dominan apabila payoff yang ada pada suatu
strategi bersifat superior (paling tinggi) dibandingkan dengan setiap
payoff pada strategi lainnya. Contoh: untuk pemain B, strategi B
1
dan B
2

didominasi strategi B
3
, sehingga untuk menyelesaikan permainan ini,
pemain B harus memilih strategi B
3
.
5. Nilai permainan menyatakan ekspetasi outcome per permainan jika
kedua pemain melakukan strategi terbaik (strategi optimum) mereka.
Suatu permainan dikatakan fair jika nilai permainannya nol, dan
dikatakan tidak fair jika nilai permainannya bukan nol.
6. Strategi optimum adalah strategi yang menjadikan seorang pemain
berada pada posisi pilihan terbaik, tanpa memperhatikan tindakan-
tindakan pemain lawannya.
7. Tujuan model permainan adalah untuk mengidentifikasi strategi
optimum bagi masing-masing pemain. Contoh, strategi optimum bagi A
adalah strategi A2, sedangkan untuk B adalah strategi B3.

III.2 TWO PERSON, ZERO SUM GAME
Ada dua jenis persoalan two-person zero-sum game :
- Pertama adalah permainan yang posisi pilihan terbaiknya bagi setiap
pemain dicapai dengan memilih satu strategi tunggal sehingga
permainannya disebut permainan strategi murni (pure-strategy game).
- Kedua adalah permainan yang kedua pemainnya melakukan
pencampuran terhadap strategi-strategi yang berbeda dengan maksud
untuk mencapai posisi terbaik. Jenis ini disebut dengan strategi
campuran (mixed-strategy game).

PURE STRATEGY GAME

Pada pure-strategy game, pemain A yang akan memaksimumkan akan
mengidentifikasi strategi optimumnya dengan menggunakan kriteria
maksimin, sedangkan pemain yang akan meminimumkan akan
mengidentifikasi strategi optimumnya dengan menggunakan kriteria
minimaks.
Jika nilai maksimin = minimaks maka permainan selesai. (disebut
saddle point)
Jika maksimin minimaks permainan harus diselesaikan dengan strategi
campuran.

Contoh:
Dua buah perusahaan sedang dalam proses perencanaan strategi advertensi
masing-masing.
Struktur strategi dan payoff-nya sebagai berikut:
PERUSAHAAN B
B1 B2 B3
Persahaan A A1 1 9 2
A2 8 5 4

Carilah nilai permainan dan strateginya.

Jawab: cari nilai maksiminnya dan minimaksnya
Struktur strategi dan payoff-nya sebagai berikut:
Perusahaan B Minimum
Baris B
1
B
2
B
3

Perusahaan A
A1 1 9 2 1
A2 8 5 4* 4 maksimin
Maksimum
Kolom
8 9 4

minimaks

Minimaks = maksimin,

Jadi strategi optimum bagi A adalah A2 dan strategi untuk B adalah B3,
dengan nilai permainan 4.

MIXED STRATEGY GAME
Pada permainan yang tidak mempunyai saddle point, penyelesaiannya harus
dilakukan dengan menggunakan strategi campuran.
Perhatikan matriks payoff dari permainan berikut ini;
Struktur strategi dan payoff-nya sbb:
Perusahaan B
B
1
B
2
B
3

Perusahaan A
1 0 -2 2
2 5 4 -3
3 2 3 -4

Sruktur strategi dan payoff-nya sbb:
Perusahaan B Minimum
baris B
1
B
2
B
3

Perusahaan A
1 0 -2 2 -2 maksimin
2 5 4 -3 -3
3 2 3 -4 -4
Maksimum
Kolom
5 4 2

minimaks

maksimin nilai minimaks, maka permainan di atas tidak mempunyai saddle
point.
pada permainan yang tidak mempunyai saddle point ini para pemain dapat
memainkan seluruh strateginya sesuai dengan set probabilitas yang telah
ditetapkan.
Xi = probabilitas pemain A memilih strategi i (i = 1,2,,m)
Yi = probabilitas pemain B memilih strategi j (j = 1,2,,n)
xi = xj = 1
X1, Yj 0 untuk setiap I dan j
Jadi matriksnya sbb:

B
Y
1
Y
2
... Y
n

A
X
1

a
11
a
12
a
1n

X
2
a
21
a
22
a
2n

. . . .
. . . .
. . . .
X
m
a
m1
a
m2
a
mn

Solusi persoalan strategi campuran ini masih didasarkan pada kriteria
maksimin dan minimaks.
Secara matematis:

Pemain A akan memilih x
i
yang memaksimumkan ekspektasi payoff
terkecil pada suatu kolom:
x
i
(x
i
0, x
i
= 1) yang menghasilkan:

{ (
) }

Pemain B akan memilih y
j
yang meminimumkan ekspektasi payoff
terbesar pada suatu baris:
y
j
(y
j
0, y
j
= 1) yang menghasilkan:

{ (
)}
Jika x
i
dan y
j
berkorespondensi dengan solusi optimum maka , nilai
yang diperoleh akan sama dengan nilai ekspektasi optimum dari permainan.
Jika x
i
* dan y
j
* adalah solusi optimum, maka ekspektasi optimum dari
permainan:

Mixed strategy game dapat diselesaikan degan cara grafis dan degan
menggunakan program linier.


SOLUSI GRAFIS DARI PERMAINAN (2 x n) dan (m x 2)

Solusi grafis hanya dapat digunakan untuk menyelesaikan persoalan
permainan bila salah seorang dari pemain hanya mempunyai 2 buah strategi.
Perhatikan permainan (2 x n) berikut ini:

B
Y
1
Y
2
... Y
n

A
X
1

a
11
a
12
a
1n

X
2
=1-X
1
a
21
a
22
a
2n

Diasumsikan bahwa permainannya tidak mempunyai saddle point.
Karena A mempunyai dua strategi, maka x2 = 1 x1, dengan x1 0 dan x2
0
Berdasarkan strategi murni dari B, maka ekspektasi payoff untuk A adalah:
Strategi murni B Ekspektasi payoff A
1 (a
11
-a
21
)x
1
+a
21

2 (a
12
-a
22
)x
1
+a
22

. .
N (a
1n
-a
2n
)x
1
+a
2n

Berdasarkan kriteria minimaks untuk permainan dengan strategi campuran,
pemain A harus memilih nilai x1 yang akan memaksimumkan ekspetasi
payoff minimumnya. Hal ini dapat dicari degan cara menggambarkan fungsi
dari x
1
.

Contoh: diketahui matriks payoff sebagai berikut:
B
1 2 3
A
1
0 -2 2
2 5 4 -3

Carilah nilai permainan ini dan strateginya.

Jawab:
Berdasarkan strategi murni dari B, maka ekspektasi payoff untuk A
adalah:
Strategi murni B Ekspektasi payoff A
1 -5 x
1
+ 5
2 -6 x
1
+ 4
3 5 x
1
+ -3

-
-
-
-
-
-
-
-
-3
4
5
0
maksimin
1
x1
Ekspektasi payoff
-
-
-
-
-
-
-2
2
3
1
-1
-
-

Maksimim ekspetasi payoff
V = maks { min (5 5x
1
), (4 6x
1
), (-3 + 5x
1
) }
xi__________________________________
V = maks { min (4 6x
1
), (-3 + 5x
1
) }
xi

Titik potong dicari secara aljabar biasa:
4 6x
1
= -3 + 5x
1

11x
1
= 7
x
1
* = 7/11
Karena x
1
* + x
2
* = 1 maka x
2
* = 4/11

Mencari koordinat Y:
v = v* = -3 + 5(7/11) = 2/11
v* = dan v* = aijxiyj.

sehingga:
y
1
*(5-5x
1
) + y
2
*(4-6x
1
) + y
3
*(-3+5x
1
) = 2/11
20/11y
1
* + 2/11 y
2
* + 2/11 y
3
* = 2/11
dengan y
1
* + y
2
* + y
3
* = 1

Dalam hal ini, persamaan aij xi yang tidak melewati titik maksimim
berkorespondensi dengan y
j
* = 0 (supaya tidak menaikkan expected payoff);
karena itu, y
1
* = 0 sehingga y
2
* + y
3
* = 1 atau y
3
* = 1- y
2
* masukan pada
persamaan (1), didapat:
jika x
1
= 0 4y
2
* - 3y
3
* = 2/11 x
1

x
1
= 1 -2y
2
* + 2y
3
* = 2/11 x
2

sehingga di dapat: y
3
* = 6/11
y
2
* = 5/11
Dengan demikian, maka solusi optimum untuk kedua pemain adalah:
Pemain A: (x
1
, x
2
) = (7/11, 4/11)
Pemain B: (y
1
,y
2
,y
3
) = (0, 5/11, 6/11)
dengan nilai game v* = 2/11

SOLUSI PERMAINAN (m x n ) DENGAN PROGRAM LINIER

Solusi Permainan (m x n) dengan Program Linier
Seperti dikemukakan di muka, kriteria maksimim dapat di formulasikan
sebagai
{ (
) }
dengan
I
= 1 dan x
i
0 i = 1, , m
Jika v = min (
i1
x
i
,
i2
x
i
, ,
in
)
Contoh:

Matriks payoff dari suatu permainan sebagai berikut:

A
B
1 2 3
1 3 -1 -3
2 -3 3 -1
3 -4 -3 3

Tentukanlah strategi optimum untuk masing-masing pemain!
Jawaban:
Dari matriks payoff di atas kita tahu bahwa nilai maksiminnya adalah -3
sehingga nilai permainannya dapat berharga negative atau nol. Karena itu,
diperlukan suatu konstanta k yang harganya paling sedikit sama dengan nilai
maksimin yang negatif itu. Konstanta k itu kemudian ditambahkan kepada
seluruh elemen matriks. Misalnya digunakan K = 5, maka matriksnya
menjadi:
A
B
1 2 3
1 8 4 2
2 2 8 4
3 1 2 8

Formulasi program linier untuk pemain B adalah:
Maks. W = Y
1
+ Y
2
+ Y
3

s/t 8Y
1
+ 4Y
2
+ 2Y
3
1
2Y
1
+ 8Y
2
+ 4Y
3
1
Y
1
+ 2Y
2
+ 8Y
3
1
Y
1
, Y
2
, Y
3
0
Setelah formulasi di atas di selesaikan dengan metode simpleks, maka
didapat tabel optimumnya sebagai berikut:

Basis Y
1
Y
2
Y
3
S
1
S
2
S
3
Solusi
W 0 0 0 5/49 11/196 1/14 45/196
Y
1
1 0 0 1/7 -1/14 0 1/14
Y
2
0 1 0 -3/98 31/196 -1/14 11/196
Y
3
0 0 1 -1/98 -3/98 1/7 5/49

Strategi optimum untuk pemain A diperoleh dari solusi dual persoalan di
atas, maka:
Z = w = 45/196, X
1
= 5/49, X
2
= 11/196, X
3
= 11/45
Sehingga:
X
1
*
= X
1
/z = 20/45
X
2
*
= X
2
/z = 11/45
X
3*
= X
3
/z = 14/45

LATIHAN SOAL
1. Diketahui matriks payoff sebagai berikut:
B
1 2 3
A
1 2 -3 -4
2 -6 -1 1

Carilah nilai permainan ini dan strateginya.

2. Pertimbangkan permainan (2x4) berikut ini.
B
1 2 3 4
A
1
2 2 3
-1
2 4 3 2 6

Carilah nilai permainan A dan B
EVALUASI


3. 1982.
1987.
5. Pangestu Subagyo , Dkk. 1983. Dasar-dasar Operations Research.
Yogyakarta : BPFE
McGraw-Hill

REFERENSI


IV. ANALYTICAL HIERARCHY PROCESS

Analytical Hierarchy Process digunakan untuk menyusun struktur masalah dan
menyusun prioritas keputusan yang didasarkan pada beragamnya kriteria yang
ada.

Setelah mempelajari materi ini mahasiswa dapat menyusun struktur masalah dan
kemudian membuat prioritas keputusan yang didasarkan pada beragamnya kriteria
yang ada.

keputusan dalam setiap organisasi ataupun individu
penyelesaian masalah keputusan manajemen
3. Mahassiswa diharapkan dapat mengidentifikasi terhadap masalah yang
dihadapai perusahaan
4. Mahasiswa dapat menyusun masalah secara hirarky.
5. Mahasiswa dapat menyusun prioritas keputusan .

PENDAHULUAN


UMUM

1. Perkenalan
materi yang akan di bahas), pokok bahasan , dan kompetensi yang akan
dicapai (TIU dan TIK)
3. Tes pendahuluan
7. Penutup

1.
2.
3.
4.

1. PENDAHULUAN
Sumber permasalahan dalam pengambilan keputusan bukan hanya
ketidakpastian atau ketidaksempuranan informasi. Hal ini disebabkan faktor yang
berpengaruh terhadap pilihan-pilihan yang tersedia, beragam kriteria, dan
pengambilan keputusan lebih dari satu pilihan. Dalam teori permainan (games
theory) dipelajari masalah keputusan jika sumbernya kerumitnyannya
ketidaksempurnaan informasi dan adanya lebih dari satu pengambilan keputusan
yang sedang bersaing. Namun jika sumber permasalahnnya adalah beragam
kriteria, maka Analytical Hierarchy Process (AHP) dapat membantu untuk
menyelesaikan masalah tersebut. Metode Analytical Hierarchy Process (AHP)
adalah suatu metode analisis ynag dikembangkan oleh Thomas L.Saaty (1998)
Metode ini dapat digunakan untuk menyusun struktur masalah dan mengambil
keputusan atas suatu alternatif.
Dalam perkembangannya, AHP selain digunakan untuk menentukan
prioritas pilihan-pilihan dengan banyak kriteria, tetapi penerapannya sudah
meluas ke berbagai model alternatif misalkan: analisis manfaat biaya, memilih
portofolio, peramalan, dan lain-lain. Metoda Analytic Hierarchy Process (AHP)
merupakan teori umum mengenai pengukuran. Empat macam skala pengukuran
yang biasanya digunakan secara berurutan adalah skala nominal, ordinal, interval
dan rasio. Skala yang lebih tinggi dapat dikategorikan menjadi skala yang lebih
rendah, namun tidak sebaliknya.
Pendapatan per bulan yang berskala rasio dapat dikategorikan menjadi
tingkat pendapatan yang berskala ordinal atau kategori (tinggi, menengah, rendah)
yang berskala nominal. Sebaliknya jika pada saat dilakukan pengukuran data yang
diperoleh adalah kategori atau ordinal, data yang berskala lebih tinggi tidak dapat
diperoleh. AHP mengatasi sebagian permasalahan itu. AHP digunakan untuk
menurunkan skala rasio dari beberapa perbandingan berpasangan yang bersifat
diskrit maupun kontinu. Perbandingan berpasangan tersebut dapat diperoleh
melalui pengukuran aktual maupun pengukuran relatif dari derajat kesukaan, atau
RINGKASAN MATERI


kepentingan atau perasaan. Dengan demikian metoda ini sangat berguna untuk
membantu mendapatkan skala rasio dari hal-hal yang semula sulit diukur seperti
pendapat, perasaan, prilaku dan kepercayaan.

2. KONSEP-KONSEP DASAR
2.1 Kegunaan AHP
AHP dapat digunakan untuk memecahkan berbagai masalah kompleks
yang tak terstruktur, yang secara umum dapat dikelompokkan menjadi masalah:
perencanaan, penentuan alternatif, penyusunan prioritas, pemilihan kebijaksanaan,
alokasi sumber, penentuan kebutuhan, peramalan hasil, perancangan sistem,
pengukuran performansi, dan optimasi.
Sebagai alat analisis AHP mempunyai beberapa keunggulan, yaitu:
1. Kesatuan. AHP adalah suatu metode terintegrasi yang secara fleksibel dapat
digunakan untuk menyelesaikan beragam jenis masalah yang tak terstruktur
2. Kompleksitas. AHP menyatukan pendekatan deduktif dan sistem untuk
digunakan secara komprehensif dan rinci, menelaah masalah yang kompleks.
3. Ketergantungan elemen. AHP dapat menyelesaikan masalah dimana elemen-
elemennya saling tergantung
4. Penyusunan hirarki. AHP menduplikasi kemampuan manusia menyusun
struktur masalah ke dalam hirarki
5. Pengukuran. AHP menyediakan skala pengukuran untuk elemen-elemen
kualitatif dan abstrak
6. Konsistensi. AHP memberikan konsistensi dalam perbandingan prioritas dan
penilaian elemen, yang merupakan refleksi atas logika penalaran manusia
7. Sistemis. AHP menghasilkan pertimbangan dan penilaian menyeluruh untuk
setiap alternatif
AHP juga mempunyai kelemahan antara lain:
- Menuntut partisipasi pihak yang benar-benar mengetahui masalah,
khususnya dalam penyusunan hirarki permasalahan.

- Jika dalam pengambilan keputusan berkelompok terdapat perbedaan yang
sangat ekstrim maka AHP tidak dapat langsung diterapkan, sebagai
pendahuluan dapat diterapkan metode yang dapat menyatukan
pendapat/masalah.

2.2 Langkah dan Prosedur Analytical Hierarchy Process
1. Menyusun masalah ke dalam suatu struktur hierarki sehingga permasalahan
yang kompleks dapat ditinjau dari sisi yang detail dan terukur.
2. Penyusunan hierarki. Penyusunan hierarki suatu permasalahan merupakan
langkah pendefinisian masalah yang rumit dan kompleks sehingga menjadi
lebih jelas dan detail. Hierarki keputusan disusun berdasarkan pandangan
pihak-pihak yang memiliki keahlian dan pengetahuan di bidang yang
bersangkutan.
3. Menyusun prioritas untuk tiap elemen masalah pada setiap tingkat hierarki.
Prioritas ini dihasilkan dari suatu matrik perbandingan berpasangan antara
seluruh elemen pada tingkat hierarki yang sama.
4. Melakukan pengujian konsistensi terhadap perbandingan antar elemen yang
didapatkan pada tiap tingkat hierarki. Konsistensi perbandingan ditinjau per
matriks perbandingan dan keseluruhan hierarki untuk memastikan bahwa
urutan prioritas yang dihasilkan didapatkannya dari suatu rangkaian
perbandingan yang masih berada dalam batas-batas konsistensi.

2.2.1 PENDEFINISIAN PERMASALAHAN DAN PENENTUAN TUJUAN
Contoh: Permasalahan yang dihadapi adalah bagaimana menentukan dan
memprioritaskan pemilihan moda transportasi ke kampus berdasarkan 4 faktor.
Untuk membantu menemukan jalan keluar maka dibuat suatu hirarki sederhana
yang terdiri dari empat level; goal atau tujuan utama, kriteria, subkriteria, dan
alternatif.


Garis yang menghubungkan tiap tingkatan/level merupakan hubungan yang
diukur dengan perbandingan berpasangan, mana yang lebih penting antara faktor
Aman dan Nyaman? Mana yang lebih penting antara faktor Aman dan Biaya,
Aman dan Waktu, Nyaman dan Biaya dan seterusnya.

2.2.2 PENYUSUNAN HIRARKI
Hirarki merupakan identifikasi elemen-elemen suatu masalah yang tersusun
secara logis dan sistematik dalam tingkatan/level dimana setiap tingkat
merupakan kelompok elemen-elemen yang homogen/sama dan setiap elemen
mempunyai tingkatan yang sama harus bersifat bebas/independent.
Pada dasarnya hirarki dapat dibagi ke dalam 2 jenis yaitu :
1. Hirarki struktural, yaitu hirarki yang menyusun sistem kompleks ke dalam
elemen-elemen berdasarkan sifat elemen tersebut.
Struktur: gambaran logika manusia dalam: menilai, memilih alternatif,
menerima informasi

2. Hirarki fungsional, yaitu hirarki yang menyusun sistem kompleks ke dalam
elemen-elemennya berdasarkan fungsi elemen tersebut. Misalnya organisasi
suatu perusahaan dapat dibagi ke dalam fungsi desain, produksi, dll.
Beberapa pegangan dalam menyusun hierarki, yaitu:
1. Walaupun suatu hierarki tidak dibatasi dalam jumlah tingkat (level) tetapi
sebaiknya dalam setiap sub sistem hierarki tidak terdapat terlalu banyak
elemen (sekitar lima sampai sembilan elemen).
2. Karena setiap elemen akan dibandingkan dengan elemen lain dalam suatu
sub sistem hierarki yang sama, maka elemen-elemen tersebut haruslah
setara dalam kualitas.
Kriteria-kriteria yang dimasukkan dalam AHP harus mencakup:
a. Lengkap, kriteria harus mencakup semua aspek penting dari masalah.
b. Operasional, kriteria harus dapat dianalisis, baik secara kuantitatif maupun
kualitatif, dan dapat dikomunikasikan.
c. Independen, kriteria yang satu tidak tergantung dari kriteria yang lain.
d. Minimum, jumlah kriteria harus optimal untuk memudahkan analisis.

Gambar 2 Hirarki Tujuan

2.2.3 PENYUSUNAN PRIORITAS

Setiap elemen/kriteria yang terdapat dalam hierarki harus diketahui bobot
relatifnya satu sama lain. Tujuannya untuk mengetahui tingkat
kepentingan/preferensi pihak-pihak yang berkepentingan dalam permasalahan.
Langkah pertama dalam menentukan susunan prioritas elemen adalah dengan
menyusun perbandingan berpasangan (pairwise comparison), yaitu
membandingkan dalam bentuk berpasangan seluruh elemen untuk setiap sub
sistem hierarki. Perbandingan tersebut kemudian ditransformasikan dalam bentuk
matrik untuk maksud analisis numerik.
Sebagai contoh dalam sub sistem operasi dengan kriteria B terdapat n
elemen operasi yaitu elemen-elemen operasi A1, A2, A3, ..., An, maka hasil
perbandingan secara berpasangan elemen-elemen operasi tersebut akan
membentuk matriks perbandingan yang dinyatakan sebagai berikut:
Tabel 1 Matriks perbandingan berpasangan
B A1 A2 A3 ... An
A1 a11 a12 a13 ... a1n
A2 a21 a22 a23 ... a2n
... ... ... ... ... ...
An an1 an2 an3 ann

Nilai aij adalah nilai perbandingan elemen Ai terhadap Aj yang
menyatakan:
a. Seberapa jauh tingkat kepentingan Ai dibandingkan dengan Aj
b. Seberapa banyak kontribusi Ai terhadap kriteria B dibandingkan dengan
Aj
c. Seberapa banyak sifat kriteria B terdapat pada Ai dibandingkan dengan Aj
Bila diketahui nilai aij maka aji = 1/aij. Nilai numerik yang dikenakan untuk
perbandingan di atas diperoleh dari skala perbandingan yang dibuat oleh Saaty,
seperti pada tabel 2:

Tabel 2 Pedoman pemberian nilai pada perbandingan berpasangan
Intensitas
kepentingan
Keterangan Penjelasan
1 Kedua elemen sama
pentingnya
Dua elemen mempunyai
pengaruh yang sama besar
terhadap tujuan
3 Elemen yang satu
sedikit lebih penting
daripada elemen yang
lain
Penilaian sedikit memihak satu
elemen dibandingkan dengan
pasangannya
5 Elemen yang satu
lebih penting daripada
elemen yang lainnya
Penilaian secara kuat memihak
satu elemen dibandingkan dengan
pasangannya
7 Elemen yang satu
sangat penting
daripada elemen yang
lainnya
Satu elemen lebih disukai dan
secara praktis dominasinya sangat
nyata dibandingkan dengan
elemen pasangannya
9 Mutlak lebih penting Satu elemen terbukti mutlak lebih
disukai dibandingkan dengan
elemen pasangannya pada tingkat
keyakinan tertinggi
2,4,6,8 Nilai tengah di antara
dua pendapat yang
berdampingan
Diberikan bila terdapat penilaian
antara dua penilaian yang
berdekatan
Kebalikan dari nilai di atas: bila elemen i mendapatkan salah satu nilai di
atas pada saat dibandingkan dengan elemen j, maka elemen j mempunyai
nilai kebalikannya bila dibandingkan dengan elemen i. (aij=1/aij)
Sumber: Saaty, 1998: 54
Contoh 1
SKALA PENILAIAN :
1 2 3 4 5 6 7 8 9 dan kebalikan / reciprocal 1/1 1/2 1/3 1/4 1/5 1/6 1/7 1/8 1/9

misal : F1 dibanding F2 (F1/F2)
1 : F1 Sama ...................... F2 Kebalikan 1
3 : F1 Sedikit lebih .......... F2 Kebalikan 1/3
5 : F1 Jelas lebih ............ F2 Kebalikan 1/5
7 : F1 Sangat jelas lebih... F2 Kebalikan 1/7
9 : F1 Mutlak lebih .......... F2 Kebalikan 1/9
Catatan : nilai 2, 4, 6, dan 8 memiliki arti diantara nilai tersebut di atas, skala
tersebut adalah terbaik dibandingkan nilai skala lain
Tabel 3 Contoh Matriks Perbandingan Berpasangan

Penjelasannya:
Faktor aman jelas lebih penting daripada faktor nyaman
Faktor biaya jelas sedikit lebih penting daripada faktor aman
Faktor biaya sangat jelas lebih penting daripada faktor nyaman
Faktor waktu nilai tengah diantara dua nilai keputusan yang berdekatan
dengan faktor aman, nyaman, dan biaya.
PENENTUAN BOBOT
Penentuan bobot mencerminkan hasil dari perbandingan (comparison).
Bobot masing-masing komponen dinyatakan dengan wi, w2,..., wn. Untuk
mendapatkan bobot wi untuk setiap judgement aij tersebut dilakukan pengerjaan
melalui tiga tahap.
a. Tahap Pertama

Asumsikan bahwa perbandingan didasarkan atas hasil pengukuran nyata
yang teliti. Untuk membandingkan A1 dengan A2, diambil patokan dari bobot
setiap komponen. Dalam kasus ideal (yang didasarkan hasil pengukuran eksak),
hubungan antara bobot wi dengan hasil judgment aij adalah sebagai berikut :
aij = wi/wj untuk ij =1, 2, ... , n. ... ... ... ... ... ... ..... (1)
Nilai wl/w2 dengan ij = l, 2, ..., n didapatkan dari partisipan berdasarkan penilaian
tabel 2 di atas. Bila vektor pembobotan elemen-elemen operasi A1, A2, ..., An
tersebut dinyatakan sebagai vektor w = (wl, w2, ..., wn), maka nilai intensitas
kepentingan elemen operasi A1 dibandingkan dengan A2 dapat dinyatakan
sebagai perbandingan bobot elemen operasi A1 terhadap A2 yaitu wl/w2 yang
sama dengan a12 sehingga matrik perbandingan semula dapat diperlihatkan
berikut ini:
Tabel 4 Matriks perbandingan bobot
A1 A2 ... An
A1 w1/w1 w1/w2 ... w1/wn
A2 w2/w1 w2/w2 ... w2/wn
... ... ... ... ...
An wn/w1 wn/w2 ... wn/wn

Kepentingan relatif dari tiap faktor dari setiap baris dari matrik dapat
dinyatakan sebagai bobot relatif yang dinormalkan (normalized relative weight).
Bobot relatif yang dinormalkan ini merupakan suatu bobot nilai relatif untuk
masing-masing faktor pada setiap kolom, dengan membandingkan masing-masing
nilai skala dengan jumlah kolomnya. Eigenvektor utama yang dinormalkan
(normalized principal eigenvector) adalah identik dengan menormalkan kolom-
kolom dalam matrix perbandingan berpasangan. Ia merupakan bobot nilai rata-
rata secara keseluruhan, yang diperoleh dari rata-rata bobot relatif yang
dinormalkan masing-masing faktor pada setiap barisnya.

b. Tahap Kedua
Untuk melihat seberapa besar kelonggaran yang pantas diberikan untuk
penyimpangan, perhatikan baris ke-I dari matriks A. Elemen baris tersebut adalah:
ail, ai2, ..., ain. Pada kasus ideal, nilai-nilai ini sama dengan perbandingan: wi/wl,
wi/w2, ..., wi/wn. Jika dilakukan perkalian pada elemen pertama dari baris tersebut
dengan wi, elemen kedua dengan w2, dan seterusnya, akan diperoleh :
wi /wl.wl = wi.wi /w2.w2 = wi, ... ,wi / wj.wj = wi, ..., wi /wn.wn = wi
Hasilnya adalah baris dengan elemen yang identik : wi, wi, wi, ..., wi
atau wi = rata-rata dari (ail. wi, ai2. w2, ..., ain. wn)
Sehingga didapat :
Eaijwj = nwi i = 1,2,....n ...................... (2)
Yang ekivalen dengan persamaan
AW = nW .......................................(3)
Dalam teori tentang matriks, formula tersebut menyatakan bahwa W adalah
vektor eigen dari matriks A dengan eigenvalue n.
c. Tahap ketiga
Pada kasus nyata, nilai aij tidak selalu sama dengan wi/wj, sehingga akan
memperoleh solusi persamaan di atas. Untuk selanjutnya nilai n diganti dengan
vektor , sehingga:
AW = W ..........................................................(4)
Dimana = (
1
,
2
,
3
, ,
n
)
Setiap
n
yang memenuhi persamaan (4) disebut nilai eigen, sedangkan
vektor W disebut vektor eigen.
Bila matriks A adalah matriks yang konsisten maka semua nilai eigen
bernilai 0 kecuali satu yang bernilai sama dengan n. Bila matriks A adalah matriks

yang tak konsisten, variasi kecil atas aij akan membuat nilai eigen value terbesar
maks
tetap dekat dengan n, dan nilai eigen lainnya mendekati nol. Nilai
maks
dapat
dicari dari :
AW=
maks
.W .. (5)
Atau (A -
maks
I)W = 0 .. (6)
dimana I adalah matriks identitas dan 0 adalah matriks nol. Nilai vektor bobot W
dapat dicari dengan mensubstitusikan nilai
maks
ke dalam persamaan (5)

Contoh 2
Tabel 5 Matriks Perbandingan Berpasangan
Fokus Trend Persediaan Biaya
Trend 1 1/3 1/6
Persediaan 3 1 1/2
Biaya 6 2 1,000
Jumlah 10 3,333 1,667

Misalkan Bobot relatif yang dinormalkan:
Faktor Trend terhadap faktor persediaan : 1/3/3,333 = 0,10
Faktor biaya terhadap faktor trend : 6/10 = 0,6

Tabel 6 Matriks Perbandingan Hasil Normalisasi
Fokus Trend Persediaan Biaya Eigenvektor/Prioritas
Trend 0,100 0,100 0,100 0,100
Persediaan 0,300 0,300 0,300 0,300

Biaya 0,600 0,600 0,600 0,600
Jumlah 1,000 1,000 1,000 1,000

Eigen vektor utama yang tertera pada kolom terakhir didapat dengan merata-rata
bobot relatif yang dinormalkan pada setiap baris. Atau untuk menentukan skala
prioritas yang merupakan eigen vector dengan rumus sebagai berikut: AW=nW

A W n W
Matriks tersebut dikalikan dan dicari matrik Wnya dengan eliminasi atau
substitusi sebagai berikut:
a + 1/3b + 1/6c = 3a
3a + b + c = 3b
6a + 2b + 6c = 3c
Maka didapat a = 0,1 b =0,3 c = 0,6
Selanjutnya nilai a,b,dan c dimasukkan lagi ke dalam persamaan AW=nW yang
berupa matrik sebagai berikut:

Tabel 7. Matriks Perkalian Bobot (Eigenvektor) dengan Nilai Awal
Fokus Trend Persediaan Biaya Eigenvektor/ Perkalian

Prioritas
Trend 1 0,333 0,167 0,100 0,30
Persediaan 3 1 0,500 0,300 0,90
Biaya 6 2 1,000 0,600 1,80
Jumlah 3,00
Berdasarkan nilai matrik tersebut berarti biaya merupakan kriteria terpenting
karena prioritasnya tertinggi yaitu 0,6 diikuti persediaan dengan skala prioritas 0,3
atau 0,9 dan trend dianggap paling tidak penting dengan skala prioritas 0,1 atau
0,3.

Contoh 3
Tabel 8 Matriks Perbandingan Berpasangan
GOAL AMAN NYAMAN BIAYA WAKTU
AMAN 1 5 1/3
NYAMAN 1/5 1 1/7 1/8
BIAYA 3 7 1 1/3
WAKTU 4 8 2 1
JUMLAH 8,20 21,00 3,476 1,875

Misalkan Bobot relatif yang dinormalkan:
Faktor keamanan terhadap faktor kenyamanan : 5/21 = 0,23810
Faktor biaya terhadap faktor keamanan : 3/8,2 = 0,36585

Eigen vektor utama yang tertera pada kolom terakhir didapat dengan merata-rata
bobot relatif yang dinormalkan pada setiap baris.

Tabel 9 Matriks Perbandingan Hasil Normalisasi
EIGENVEKTOR
UTAMA/Prioritas
AMAN 0,12195 0,23810 0,09590 0,13333 0,14732
NYAMAN 0,02439 0,04762 0,04110 0,06667 0,04494
BIAYA 0,36585 0,33333 0,28769 0,26667 0,31339
WAKTU 0,48780 0,38095 0,57537 0,53333 0,49437
JUMLAH 1 1 1 1 1

Misalkan:
Eigenvektor utama/Prioritas faktor aman:
14732 , 0
4
) 133333 , 0 09590 , 0 23810 , 0 12195 , 0 (
=
+ + +
=
Tabel 10. Matriks Perkalian Bobot (Eigenvektor) dengan Nilai Awal
EIGENVEKTOR
UTAMA Perkalian
AMAN 1 5 0,333 0,250 0,14732 0.599971
NYAMAN 0,20 1 0,143 0,125 0,04494 0.181015
BIAYA 3 7 1 0,500 0,31339 1.317115
WAKTU 4 8 2 1 0,49437 2.06995
Jumlah
4.168051

Berdasarkan nilai matrik tersebut berarti WAKTU merupakan kriteria terpenting
karena prioritasnya tertinggi yaitu 0,494, kemudian BIAYA dengan skala prioritas

0,3134, diikuti AMAN dengan skala prioritas 0,1473 dan NYAMAN dengan
skala prioritas 0,045

PENILAIAN PERBANDINGAN MULTI PARTISIPAN
Penilaian yang melibatkan banyak partisipan akan menghasilkan pendapat
yang berbeda antara satu partisipan dengan partisipan lainnya. AHP hanya
membutuhkan satu jawaban untuk satu matriks berpasangan. Jadi semua jawaban
partisipan harus dirata-ratakan. Untuk mendapatkan satu nilai perbandingan rasio
tersebut, Thomas L. Saaty memberikan metode perataan geometris atau Geometric
Mean Theory (GM). Perataan geometris menyatakan bahwa jika terdapat n
partisipan yang melakukan perbandingan berpasangan, maka terdapat n nilai
untuk tiap pasangan. Untuk mendapatkan satu nilai tertentu dari semua nilai
tersebut, maka masing-masing nilai harus dikalikan satu sama lain kemudian hasil
perkalian tersebut dipangkatkan dengan (1/n). Secara matematis, dapat dituliskan
sebagai berikut :
Alj =(ZI x Z2 x Z3x ... xZn)
1/n

dimana :
Aij= nilai rata-rata perbandingan antara kriteria Ai dengan Aj untuk n partisipan
Zi= nilai perbandingan antara kriteria Ai dengan Aj untuk partisipan ke- i
i =1,2,3,...,n n = jumlah partisipan.
Contoh
Misalkan jumlah partisan sebanyak 2 orang

Tabel 11. Matriks Perkalian Nilai Awal di Kuadratkan
GOAL AMAN NYAMAN BIAYA WAKTU Perkalian Sqrt

AMAN 1 5 0.333 0.25 0.416 0.645
NYAMAN 0.2 1 0.143 0.125 0.004 0.060
BIAYA 3 7 1 0.5 10.5 3.240
WAKTU 4 8 2 1 64 8
Jumlah 11.945

Untuk mendapatkan nilai prioritas maka:
Faktor AMAN : (0,645/11,945) = 0,054
Faktor NYAMAN : (0,060/11,945) = 0,005
Faktor BIAYA : (3,240/11,945) = 0,271
Faktor WAKTU : (8/11,945) = 0,670

2.2.4 PENGUJIAN KONSISTENSI MATRIKS PERBANDINGAN

Bobot yang diperoleh dari hasil perbandingan secara perbandingan
berpasangan tersebut harus mempunyai hubungan kardinal dan ordinal sebagai
berikut :
Hubungan kardinal : ai,j . aj,k = ai,k
Hubungan ordinal : Ai > Aj, Aj > Ak, maka Ai > Ak
Hubungan di atas dapat dilihat dari dua hal sebagai berikut :
Bila elemen A diberi nilai 2 kali elemen B, maka nilai elemen B adalah 1/2
elemen A. Tetapi konsistensi ini tidak berlaku bila terdapat banyak elemen yang
harus dibandingkan. Karena keterbatasan kemampuan numerik manusia maka
prioritas yang diberikan untuk sekumpulan elemen tidaklah selalu konsisten
secara logis karena penilaian dalam AHP dilakukan berdasarkan pengalaman dan
pemahaman yang bersifat kualitatif dan subjektif, sehingga secara numeris
terdapat kemungkinan suatu rangkaian penilaian untuk menyimpang dari
konsistensi logis.

Penyimpangan dari konsistensi dinyatakan dengan Indeks Konsistensi
(Consistency Index) yang disingkat CI. Nilai CI didapat dari persamaan berikut:

dengan
max
= nilai eigen maksimum
n = ukuran matriks

Indeks Konsistensi (CI) matriks random dengan skala penilaian 1 s/d 9
beserta kebalikannya disebut Indeks Random (RI). Thomas L. Saaty telah
melakukan perhitungan dengan menggunakan 500 sampel, jika penilaian numerik
diambil secara acak dari skala 1/9, 1/8, 1/7, ..., 9, maka akan diperoleh rata-rata
konsistensi untuk matriks dengan ukuran yang berbeda seperti terlihat pada tabel
12.
Tabel 12 Nilai Indeks Random
Ukuran Matriks Indeks Random (Inkonsistensi)
1,2 0.00
3 0.58
4 0.90
5 1.12
6 1.24
7 1.32
8 1.41
9 1.45
10 1.49
11 1.51
12 1.48
13 1.56
14 1.57

15 1.59
Sumber: Saaty, 1998:
Perbandingan antara CI dan RI untuk suatu matriks didefinisikan sebagai
Ratio Konsistensi (CR).

Menurut Thomas L. Saaty hasil penilaian yang diterima adalah matriks
yang mempunyai perbandingan konsistensi lebih kecil atau sama dengan 10%
(CR s 0.1). Jika lebih besar dari angka 10% berarti penilaian yang telah dilakukan
bersifat random dan perlu diperbaiki.

Contoh 4

Pendekatan yang dapat digunakan dalam pengujian konsistensi matriks
perbandingan adalah dengan langkah-langkah sebagai berikut:
1. Matriks Perbandingan
AMAN 1 5 1/3
NYAMAN 1/5 1 1/7 1/8
BIAYA 3 7 1 1/3
WAKTU 4 8 2 1
JUMLAH 8,20 21,00 3,476 1,875

2. Matriks Perbandingan Hasil Normalisasi
EIGENVEKTOR
UTAMA/Prioritas

AMAN 0,12195 0,23810 0,09590 0,13333 0,14732
NYAMAN 0,02439 0,04762 0,04110 0,06667 0,04494
BIAYA 0,36585 0,33333 0,28769 0,26667 0,31339
WAKTU 0,48780 0,38095 0,57537 0,53333 0,49437
JUMLAH 1 1 1 1 1

3. Matriks Perkalian Bobot dengan Nilai Awal
EIGENVEKTOR
UTAMA Perkalian
AMAN 1 5 0,333 0,250 0,14732 0.599971
NYAMAN 0,20 1 0,143 0,125 0,04494 0.181015
BIAYA 3 7 1 0,500 0,31339 1.317115
WAKTU 4 8 2 1 0,49437 2.06995

4. Mencari nilai eigen maksimum dengan cara:
maksimum
= (8,2 X 0,14732) + (21 X 0,04494) + (3,476 X 0,31339) +
(1,875X0,49437)
maksimum
= 4.168051

5. Mencari Nilai Consistency I ndex (CI)
056017 , 0
3
4 168051 , 4
1
max
=
=
n
n
CI


6. Mencari Consistency Ratio (CR)
062 , 0
90 , 0
056017 , 0
= = =
RI
CI
CR

Karena nilai CR<0,1 atau 0,062<0,1 maka matriks perbandingan tersebut
mempunyai konsisntensi.

3. CONTOH PENGISIAN KUESIONER (ANTAR
KRITERIA/ALTERNATIF
1. Isilah kolom tingkat kepentingan antar kriteria dengan menggunakan tanda
silang ( X )
2. Berikan nilai sesuai tingkat kepentingannya dengan aturan sebagai berikut:
- Nilai 1 berarti kedua kriteria tersebut sama pentingnya
- Nilai 3 berarti kriteria pertama sedikit lebih penting daripada kriteria kedua
- Nilai 5 berarti kriteria pertama lebih penting daripada kriteria kedua
- Nilai 7 berarti kriteria pertama jauh lebih penting daripada kriteria kedua
- Nilai 9 berarti kriteria pertama mutlak lebih penting daripada kriteria kedua
- Nilai 2,4,6,8 adalah nilai-nilai diantara dua pertimbangan yang berdekatan
Penilaian kriteria tranfer teknologi:

Kriteria
Penilaian
Kriteria
9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
Kebutuhan X Perencanaan
Kebutuhan X Implementasi

Artinya adalah :

1. Kriteria kebutuhan jauh lebih penting dan sangat mendominasi daripada
perencanaan, tetapi tidak mutlak lebih penting karena tingkat keyakinannya
tidak terlalu tinggi.
2. I mplementasi sedikit lebih penting daripada Kebutuhan, dan jelas
perbedaannya.

LATIHAN SOAL
1. Humam baru saja lulus SMA. Dia berencana melanjutkan ke Perguruan
Tinggi. Pilihannya adalah jurusan Teknik Industri. Ada 3 Perguruan Tinggi
Negeri yang menjadi piihannya, yaitu ITB, UI, dan UGM. Humam adlaah
orang Desa Prembun. Kriteria yang Humam gunakan untuk memilih PTN:
Reputasi PT (R), Biaya Hidup (B), Budaya Akademik (A), Fasilitas
Pendidikan (F), dan Dosen (D). Walaupun baru lulus SMA, Human cukup
mengerti tentang bagaimana menentukan prioritas pilhann tersebut setelah
diterangkan oleh orang tuanya. Kerangkan analisis untuk kriteria Perguruan
Tinggi adalah:
R B A F D
R 1 3 6 5 ?
B ? 1 ? ? ?
A ? 7 1 ? 3
F ? 6 4 1 ?
D 5 2 ? 5 1

Ditanyakan: Tentukan prioritas masing-masing kriteria dan tentukan bagaimana
prioritas pilihan Humam


2. Jika diketahui data sbb:
Faktor Keamanan lebih penting dari Faktor kenyamanan (5 :1)
Faktor Keamanan jelas lebih penting dari Faktor kebersihan (7:1)
Faktor Keamanan sama penting dengan Faktor Harga (1:1)
Faktor Keamanan sedikit lebih penting dari Faktor kelengkapan (3:1)
Faktor Kenyamanan sedikit lebih penting dari Faktor kebersihan (3:1)
Faktor Kenyamanan sama penting dengan Faktor harga (1:1)
Faktor Kenyamanan sama penting dengan Faktor kelengkapan (1:1)
Faktor Kebersihan sama penting dengan Faktor harga (1:1)
Faktor kebersihan sedikit kurang penting dibanding Faktor kelengkapan
(1:3)
Faktor Harga sedikit kurang penting dibanding Faktor kelengkapan (1:3)
Berdasarkan data di atas, hitunglah:
a. Matriks perbandingannya
b. Faktor apa yang dianggap paling penting
c. Apakah pendapat di atas terkategori konsisten

3. Pada matriks perbandingan di bawah ini tentukan prioritas masing-masing
kriteria dan tentukan konsistensi matriks perbandingannya?
Kriteria
IBP Financial Customer
Learning
&
Growth
IBP 1 2 0.333 1
Financial 0.5 1 0.25 1
Customer 3 4 1 3
Learning & Growth 1 1 0.333 1

4. Pada matriks perbandingan di bawah ini tentukan prioritas masing-masing sub
kriteria dari Learn & Growth dan tentukan konsistensi matriks
perbandingannya?
Sub Kriteria
Information
on Capital
Organizational
Capital
Human
capital
Information on Capital 1 1/5 1/4

Organizational Capital 5 1 1
Human capital 4 1 1

3. Richard Bronson, Govindasami Naadimuthu.,Operations Research,
Schaums Out Lines, Second Edition, Chapter 18, McGraw-Hill, USA,
1982.
1987.
Yogyakarta : BPFE
McGraw-Hill

REFERENSI


V. PEMROGRAMAN DINAMIK DETERMINISTIK

Pada bab ini, kita akan mempelajari metode pemecahan masalah dengan cara
menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)
sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian
keputusan yang saling berkaitan.

Setelah mempelajari materi ini, mahasiswa dapat menyelesaikan masalah
pemrograman dinamis dengan menggunakan pola pendekatan atau penyelesaian
yang berbeda beda satu sama lainnya, artinya setiap penyelesaian masalah
terdapat kesamaan dimana setiap keputusan optimal yang diambil diperoleh dari
banyak tahap. Hasil dari tahapan tersebut akan mempengaruhi atau bahkan akan
menjadi masukan bagi tahap berikutnya, dimana stage selanjutnya seluruhnya
akan ditentukan oleh stage dan keputusan pada stage saat itu.

PENDAHULUAN

UMUM

1. Mahasiswa dapat memahami setiap keputusan optimal yang akan diambil
dengan menggunakan banyak tahapan.
2. Mahasiswa dapat memahami keterkaitan alur tahapan tahapan dalam
menyelesaikan permasalahan sehingga dapat memperoleh keputusan yang
optimal.

1. Perkenalan mengenai pemrograman dinamis (prinsip prinsip,
karakteristik, pendekatan metode / tahapan, langkah langkah
penyelesaian pemrograman dinamis).
2. Penjelasan mengenai kasus minimasi cost
3. Penjelasan mengenai kasus maksimasi income
4. Penjelasan mengenai kasus maksimasi alokasi
5. Latihan soal
9. Penutup


1.
2.
3.
4.

Metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan
langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan
dapat dipandang dari serangkaian keputusan yang saling berkaitan.
Metode ini tidak ada formulasi standar untuk memecahkan masalah artinya setiap
masalah dalam pemrograman dinamis memerlukan pola pendekatan atau
penyelesaian yang berbeda satu sama lainnya. Terdapat kesamaan dari setiap
penyelesaian masalah, dimana setiap keputusan optimal yang diambil diperoleh
dari banyak tahap. Hasil dari sebuah tahap akan berdampak atau menjadi masukan
bagi tahap berikutnya. Dimana state dan stage berikutnya sepenuhnya ditentukan
oleh state dan keputusan pada stage saat itu.
BEBERAPA PRINSIP
1. Terdapat sejumlah berhingga pilihan yang mungkin,
2. Solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya,
3. Kita menggunakan persyaratan optimasi dan kendala untuk membatasi
sejumlah pilihan yang harus dipertimbangkan pada suatu tahap.

PRINSIP OPTIMALITAS
1. Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan
menggunakan Prinsip Optimalitas.
2. Prinsip Optimalitas: jika solusi total optimal, maka bagian solusi sampai
tahap ke-k juga optimal.
3. Prinsip optimalitas berarti bahwa jika kita bekerja dari tahap k ke tahap k + 1,
kita dapat menggunakan hasil optimal dari tahap k tanpa harus kembali ke
tahap awal.
4. ongkos pada tahap k +1 = (ongkos yang dihasilkan pada tahap k ) + (ongkos
dari tahap k ke tahap k + 1)
RINGKASAN MATERI


5. Dengan prinsip optimalitas ini dijamin bahwa pengambilan keputusan pada
suatu tahap adalah keputusan yang benar untuk tahap-tahap selanjutnya.
6. Pada metode program dinamis lebih dari satu rangkaian keputusan. Hanya
rangkaian keputusan yang memenuhi prinsip optimalitas yang akan
dihasilkan.

KARAKTERISTIK PERSOALAN PROGRAM DINAMIS
1. Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap
hanya diambil satu keputusan.
2. Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan
dengan tahap tersebut. Secara umum, status merupakan bermacam
kemungkinan masukan yang ada pada tahap tersebut.
3. Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari
status yang bersangkutan ke status berikutnya pada tahap berikutnya.
4. Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily) dengan
bertambahnya jumlah tahapan.
5. Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah
berjalan dan ongkos pada tahap tersebut.
6. Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan
yang dilakukan pada tahap sebelumnya.
7. Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik untuk
setiap status pada tahap k memberikan keputusan terbaik untuk setiap status
pada tahap k+1.
8. Prinsip optimalitas berlaku pada persoalan tersebut.

DUA PENDEKATAN PD
1. Dua pendekatan yang digunakan dalam PD: maju (forward atau up-down) dan
mundur (backward atau bottom-up).
2. Misalkan x
1
, x
2
, , x
n
menyatakan peubah (variable) keputusan yang harus
dibuat masing-masing untuk tahap 1, 2, , n. Maka,

a. Program dinamis maju. Program dinamis bergerak mulai dari tahap 1,
terus maju ke tahap 2, 3, dan seterusnya sampai tahap n. Runtunan peubah
keputusan adalah x
1
, x
2
, , x
n
.
b. Program dinamis mundur. Program dinamis bergerak mulai dari tahap n,
terus mundur ke tahap n 1, n 2, dan seterusnya sampai tahap 1.
Runtunan peubah keputusan adalah x
n
, x
n-1
, , x
1
.

LANGKAH LANGKAH PENGEMBANGAN ALGORITMA PROGRAM
DINAMIS
1. Karakteristikkan struktur solusi optimal.
2. Definisikan secara rekursif nilai solusi optimal.
3. Hitung nilai solusi optimal secara maju atau mundur.
4. Konstruksi solusi optimal.

- Seseorang pebisnis akan pergi dari kota A ke kota J dengan menggunakan
kendaraan umum.
- Banyak kemungkinan jalan yang dapat digunakan dari A menuju J.
- Pebisnis tersebut menginginkan perjalanan dari A menuju J dengan biaya
paling murah.
- Besar biaya dan rute jalan dari A menuju J disajikan dengan gambar berikut :

BIAYA DAN RUTE JALAN

Kasus Minimasi Cost (jarak termurah)

- Kita coba penyelesaian bahwa dalam setiap tahap / rute kita pilih yang
biayanya termurah.
- Jika hitungan diawali dari A, hasilnya ABFIJ dengan biaya
2+4+3+4
total 13
- Jika hitungan diawali dari J, hasilnya JHECA dengan biaya
3+1+3+4
total 11
- Cara yang dapat ditempuh adalah trial & error.

Formulasi 1
- Pilih variabel keputusan X
n
(n= 1,2,3,4) sebagai kota yang harus ditempuh
pada tahap n, sehingga rute seluruhnya adalah X
1
X
2
X
3
X
4
, dengan X
1

= A dan X
4
= J.
- Pilih f
n
(s,X
n
) sebagai biaya total untuk kebijakan keseluruhan dari tahapan
selanjutnya dengan pebisnis sampai pada kondisi s, siap berangkat ke tahap n,
dengan memilih X
n
sebagai kota tujuan berikut.

Formulasi 2
- Pada kondisi s dan tahap n, gunakan X
n
* sebagai sembarang nilai yang
meminimumkan f
n
(s,X
n
), gunakan f
n
*(s) sebagai nilai minimum dari f
n
(s,X
n
).
- f
n
*(s) = min f
n
(s,X
n
) = f
n
(s,X
n
*) dengan f
n
(s,X
n
) adalah biaya sekarang (tahap
n) + minimum biaya yad (tahap n+1 dans selanjutnya) atau f
n
(s,X
n
) = c
s
(X
n
)
+ f
n+1
*(X
n
)

Prosedur penyelesaian tahap 4


- Pada tahap akhir n = 4, maka perjalanannya hanya ditentukan sepenuhnya oleh
kondisi kondisi s sekarang (yaitu H atau I) dan tujuan akhir J sehingga f4*(s)
= f4 (s,J) = cs (J).


- Pada tahap akhir n = 4 hasil ditabelkan sebagai berikut :
S f
4
*(s) X
4
*
H 3 J
I 4 J
Tabel diatas menyajikan fakta bahwa kalo pebisnis sudah sampai di H maupun di
I maka solusi feasiblenya adalah X
4
* = J
Tahap 3
- Pada tahap n = 3, maka perjalannya perlu melakukan beberapa hitungan.
Misalkan dia sudah sampai dikota F, maka dia bisa melaju ke kota H atau I,
denan biaya pada tahap ini adalah C
f
(H) = 6 atau C
f
(I) = 3.

- Pada tahap akhir n = 3, hasil yang ditabelkan sebagai berikut :
s
f
3
= c
3
+ f
4
*
f3*(s) X3*
H L
E 4 8 4 H
F 9 7 7 I
G 6 7 6 H
- E, H 4 = 1 + 3
E, I 8 = 4 + 4

- F,H 9 = 6 + 3
F,I 7 = 3 + 4

- G,H 6 = 3 + 3
G,I 7= 3 + 4

Tahap 2
S
f
2
= c
2
+ f
3
*
f
2
*(s) X
2
*
E F G
B 11 11 12 11 E, F
C 7 9 10 7 E
D 8 8 11 8 E, F
- B, E 11 = 7 + 4
B,F 11 = 4 + 7
B,G 12 = 6 + 6

- C,E 7 = 3 + 4
C, F 9 = 2 + 7
C, G 10 = 4 + 6

- D, E 8 = 4 + 4
D, F 8 = 1 + 7
D, G 11 = 5 + 6
Bilangan yang terakhir setelah + ada;ah nilai optimum f
3
*(X
3
)
Tahap 1
S
f
1
= c
1
+ f
2
*
f
1
*(s) X
1
*
B C D
A 13 11 11 11 C, D
- A, B 13 = 2 + 11
A, C 11 = 4 + 7
A, D 11 = 3 + 8
Dari hasil diatas, hasil optimum tercapai yaitu 11
- Lintasan 1 : A C E H J.

Lintasan 2 : A D E H J.
Lintasan 3 : A D F I J.
Lintasan tersebut disajikan dalam tayangan berikut :

Bentuk umum persaman dari pemrograman dinamis:

Dimana n=2,3,4,...
Persamaan di atas digunakan untuk perhitungan dari depan ke belakang maupun
dari belakang ke depan.

Kasus Maksimasi Income (return)

Contoh soal :
Sebuah perusahaan memiliki kapasitas produksi sebesar 700 ton per bulan.
Distribusi produk dilakukan melakukan transportasi darat dan untuk menghemat
biaya pengirimannya. Pasar yang dituju adalah pasar A,B,dan C.
Dari pengalaman yang ada, return dan setiap pasar dilihat pada tabel berikut ini:
Pengiriman
Produk Ke -
Return dari kota
A (Rp)
Return dari kota
B (Rp)
Return dari kota
C (Rp)
0
1
2
3
4
5
6
7
0
0,8
1,5
2,3
3
3,6
4
4,4
0
0,6
1,2
2
2,8
3,6
4
4,3
0
0,6
1,2
1,9
2,8
3,6
4,7
5,4

Bagaimana distribusi produk harus dilakukan oleh perusahaan agar diperoleh hasil
atau retrun yang paling optimal?
Jawab :
Perhitungan akan dimulai dari pasar A, B, dan diakhir perhitungan return di pasar
C. Dengan persamaan dasar di atas, berarti nilai f1(X) akan menentukan nilai
f
2
(X), dan nilai f
2
(X) ini akan menentukan nilai f
3
(X).
Tahap pertama
Bila semua produk hanya dipasarkan di kota A, maka return atau penghasilan
yang diperoleh mula dari tidak ada pengiriman hingga 7 kiriman (setiap
pengiriman berisi 100 ton), adalah:
Jika tidak ada pengiriman f1(0) = r1 = 0
Jika ada 1 pengiriman f1(1) = r1(1) = 0,8

Produk (X), dlm
ratusan ton
Pasar A Pasar B Pasar C
X
1
f
1
(X) X
2
f
2
(X) X
3
f
3
(X)
0 0 0
1 1 0,8
2 2 1,5
3 3 2,3
4 4 3,0
5 5 3,6
6 6 4,0
7 7 4,4

Tahap Kedua
Apabila diperhitungkan pengiriman ke kota A dan kota B. Atas dasar hasil f1(X)
di atas, nilai f2(X) dapat dicari dengan persamaan umum sebagai berikut:
Apabila X=0, maka return f2(X) adalah juga 0, karena tidak ada (0) pengiriman.
Apabila X=1, maka

Dimana :
0 X2 1

Sehingga nilai-nilai f2(1) adalah :

Apabila X=2, maka

Dimana :
0 X2 2

Dari perhitungan diatas, dapat disimpulkan apabila ada 2 pengiriman (masing-
masing berisi 100 ton), dan pengiriman dapat dilakukan di pasar A dan pasar B,
maka akan ada 3 alternatif seperti perhitungan diatas. Dari ketiga alternatif itu,
jika hanya ada 2 kali pengiriman, maka yang paling baik adalah alternatif
pertama, yakni dengan mengirim semuanya ke kota A atau f1(2), karena akan
menghasilkan nilai yang paling besar, yaitu 1,5.
Apabila X = 3, maka

Dimana :
0 X2 3


masing berisi 100 ton), dan pengiriman dapat dilakukan di pasar A dan pasar B,
maka akan ada 4 alternatif seperti perhitungan diatas. Dari empat alternatif itu,
pertama, yakni dengan mengirim semuanya ke kota A atau f1(3), karena akan
Dengan cara yang sama, apabila diteruskan dengan 4 pengiriman, 5 pengiriman,
hingga 7 pengiriman, maka akan diperoleh tabel kedua sebagai berikut :
Produk (X), dlm
ratusan ton
X
1
f
1
(X) X
2
f
2
(X) X
3
f
3
(X)
0 0 0 0 0
1 1 0,8 0 0,8
2 2 1,5 0 1,5
3 3 2,3 0 2,3
4 4 3,0 0 3,0
5 5 3,6 0 3,6
6 6 4,0 5 4,4
7 7 4,4 4 5,1
Tahap Ketiga
Setelah tahap kedua selesai, maka selanjutnya dilakukan perhitungan tahap ketiga
untuk pasar B dan C.
Apabila X=0, maka return f2(X) adalah juga 0, karena tidak ada (0) pengiriman.
Apabila X=1, maka


Dimana :
0 X3 1

Dari perhitungan diatas, dapat dikatakan bahwa dengan asumsi 1 pengiriman
dapat dilakukan ke kota B atau ke kota C, maka kalau 1 kiriman berisi 100 ton
tersebut sudah dikirim ke kota B, tentu tidak dapat dikirim ke kota C, begitu pula
sebaliknya. Jika dikirim ke kota B maka hasilnya adalah 0,8 sedangkan ke kota C
hasilnya adalah 0,6. Dengan pilihan hasil tersebut, jika hanya ada 1 pengiriman
maka tentu perusahaan akan memilih mengirimkannya ke kota B, karena hasilnya
lebih besar.
Apabila X=2, maka

Dimana :
0 X3 2

masing berisi 100 ton), dan pengiriman dapat dilakukan di pasar B dan pasar C,
maka akan ada 3 alternatif seperti perhitungan diatas. Dari tiga alternatif itu, jika

hanya ada 2 kali pengiriman, maka yang paling baik adalah alternatif pertama,
yakni dengan mengirim semuanya ke kota B atau f2(2), karena akan
Apabila X=3, maka

Dimana :
0 X3 3

masing berisi 100 ton), dan pengiriman dapat dilakukan di pasar B dan pasar C,
maka akan ada 4 alternatif seperti perhitungan diatas. Dari empat alternatif itu,
pertama, yakni dengan mengirim semuanya ke kota B atau f3(3), karena akan


Dengan cara yang sama, apabila diteruskan dengan 4 pengiriman, 5 pengiriman,
hingga 7 pengiriman, maka akan diperoleh tabel kedua sebagai berikut :
Produk
(X), dlm
ratusan
ton
X
1
f
1
(X) X
2
f
2
(X) X
3
f
3
(X)
0 0 Rp 0 0 Rp 0 0 Rp 0
1 1* 0,8 0 0,8 0 0,8
2 2 1,5 0 1,5 0 1,5
3 3 2,3 0 2,3 0 2,3
4 4 3,0 0 3,0 0 3,0
5 5 3,6 0 3,6 0 3,6
6 6 4,0 5 4,4 6 4,7
7 7 4,4 4 5,1 6* 5,5
Setelah tabel diatas lengkap, dapat disimpulkan bahwa apabila kapasitas produksi
perusahaan dimaksimalkan sehingga dapat berproduksi sebanyak 700 ton dan
akan dikirimkan dalam 7 kali pengiriman, maka agar hasilnya optimal, maka
distribusi pengiriman yang paling baik adalah bila 6 pengiriman ditujukan ke kota
C (karena hasilnya paling tinggi, 5,5) dan sisanya ke kota A (0,8), karena dari
perhitungan sebelumnya dinyatakan bahwa kalau hanya ada 1 pengiriman, yang
paling baik kalau ditujukan ke pasar A.
Dengan distribusi pengiriman tersebut, hasil optimal yang diperoleh perusahaan
adalah sebesar Rp 5,5 + 0,8 = Rp 6,3, dan ini adalah hasil tertinggi dibandingkan
dengan alternatif-alternatif distribusi pengiriman yang lainnya.

Keuntungan pada 4 macam kegiatan merupakan fungsi jam kerja yang
dialokasikan pada masing-masing kegiatan seperti tabel berikut. Jika setiap hari
tersedia 4 jam kerja, bagaimana alokasi waktu sehingga keuntungan per hari
maksimum.

Solusi:
Misalkan 4 keputusan merupakan 4 state dalam perumusan progam dinamis.
Variabel keputusan Xj (j=1,2,3,4) adalah banyaknya jam kerja yang dialokasikan
pada tahap ke j.
Misalkan Pj (Xj) adalah keuntungan dari alokasi X jam kerja kepada kegiatan j.
Sehingga masalah itu dapat diformulasikan sebagai suatu LP seperti berikut:
Maksimumkan Z = P1(X1) + P2(X2) + P3(X3) + P4(X4)
Dengan syarat X1+X2+X3+X4 = 4
X1,X2,X3,X4 0
Karena hanya ada satu kendala, teknik LP hanya akan memberikan satu variabel
dalam solusinya. Karena itu LP tak dapat diterapkan disini, sehingga persoalan ini
akan diselesaikan dengan teknik Prorgam Dinamis.

Kasus Maksimasi Alokasi
Jam
kerja
Kegiatan
1 2 3 4
0 0 0 0 0
1 1 2 3 2
2 3 5 7 5
3 6 8 10 8
4 9 11 12 10

Misalkan:
Y1 = jumlah jam kerja yang dialokasikan pada tahap 1,2,3,4
Y2 = jumlah jam kerja yang dialokasikan pada tahanp 2,3,4
Y3 = jumlah jam kerja yang dialokasikan pada tahap 3,4
Y4 = jumlah jam kerja yang dialokasikan pada tahan 4
f4(Y4) = optimum profit pada tahap 4 dengan Y4 tertentu
f3(Y3) = optimum profit pada tahap 3 dan 4 dengan Y3 tertentu
f2(Y2) = optimum profit pada tahap 2,3, dan 4 dengan Y2 tertentu
f1(Y1) = optimum profit pada tahap 1,2,3, dan 4 dengan Y1 tertentu
Cara penyelesaian:
Tahap 4: f*4(Y4)=maks{P4X4} dimana f5(Y5)=0
P4(X4)
Y4
X4
0 1 2 3 4 F4*(Y4) X4*
0 0 0 0
1 2 2 1
2 5 5 2
3 8 8 3
4 10 10 4


Tahap 3: f*3(Y3)=maks{P3(X3) + f4*(Y4)}

P3(X3)+f4*(Y4)
Y3
X3
0 1 2 3 4 F3*(Y3) X3*
0 0+0=0 0 0
1 0+2=2 3+0=3 3 1
2 0+5=5 3+2=5 7+0=7 7 2
3 0+8=8 3+5=8 7+2=9 10+0=10 10 3
4 0+10=10 3+8=11 7+5=12 10+2=12 12+0=12 12 2,3,4
P2(X2)+f3*(Y3)
Y2
X2
0 1 2 3 4 F2*(Y2) X2*
0 0+0=0 0 0
1 0+3=3 2+0=2 3 0
2 0+7=7 2+3=5 5+0=5 7 0
3 0+10=10 2+7=9 5+3=8 8+0=8 10 0
4 0+12=12 2+10=12 5+7=12 8+3=11 11+0=11 12 0,1,2

P1(X1)+f2*(Y2)
Y1
X1
0 1 2 3 4 F1*(Y1) X1*
0 0+0=0 0 0
1 0+3=3 1+0=1 3
2 0+7=7 1+3=4 3+0=3 7
3 0+10=10 1+7=8 3+3=6 8+0=8 10
4 0+12=12 1+10=11 3+7=10 8+3=11 11+0=11 12
Jadi, keuntungan maksimum adalah 12


1. Misalkan seseorang ingin menentukan waktu tercepat dari jakarta menuju
malang. Tentukanlah jalur dan waktu tercepatnya antara Jakarta ke Malang.
Jalur dan waktu perjalanan (menit) ditunjukan pd gmbar berikut :

2. Tentukan jalur dan waktu tercepat dari Kota 1 menuju kota 7. Jalur dan waktu
perjalanan (jam) ditunjukan pada gambar berikut :

LATIHAN SOAL

3. David Jeremy, a certified public accountant, has offers from three different
clients for his services. Each client would like Mr.Jeremy to work for him on a
full time basis; however, each client is willing to employ Mr. Jeremy for as
many days of the week as he is prepared to give, for the fees shown in table.
How many days should Mr,Jeremy devote to each client to maximize his
weekly income?
Number of
Days
Client 1, $ Client 2, $ Client 3, $
0
1
2
3
4
5
0
100
250
400
525
600
0
125
275
375
550
625
0
150
325
400
550
650

4. Keuntungan pada 5 macam kegiatan merupakan fungsi jam kerja yang
dialokasikan pada masing-masing kegiatan seperti tabel berikut. Jika setiap
hari tersedia 4 jam kerja, bagaimana alokasi waktu sehingga keuntungan per
hari maksimum.
Jam
kerja
Kegiatan
1 2 3 4 5
0 0 0 0 0 0
1 2 3 4 3 3
2 5 5 6 5 7
3 8 9 9 9 10
4 11 13 14 12 14


Jawaban :
1. Tahap 3 (n=3)
s F
3
*(s) X
3
*
5 380 7
6 300 7

Tahap 2 (n=2)
s
F
2
= c
2
+ f
3
*
F
2
*(s) X
2
*
5 6
2 700 600 600 6
3 600 500 500 6
4 820 840 820 5

Tahap 1 (n=1)
s
f
1
= c
1
+ f
2
*
f
1
*(s) X
1
*
2 3 4
1 840 860 900 840 2

Jalur tercepat : 1-2-6-7 dengan waktu 840 menit.


2.
1
2
3
4
3
5
6
7

Tahap 4 (n=4)
s F
4
*(s) X
4
*
5 4 7
6 4 7

Tahap 3 (n=3)
s
F
3

F
3
*(s) X
3
*
5 6
3 6 7 6 5

Tahap 2 (n=2)
s
F
2
= c
2
+ f
3
*
F
2
*(s) X
2
*
3 5
6
2 12 16 16 12 3
4 13 - 13 13 3,6


Tahap 1 (n=1)
s
f
1
= c
1
+ f
2
*
f
1
*(s) X
1
*
2 3 4
1 17 20 19 17 2

Jalur tercepat : 1-2-3-5-7 dengan waktu 17 jam.

3. Tahap 1
0 hari : f1 (0) = r1 (0) = 0
1 hari : f1 (1) = r1 (1) = 100
2 hari : f1 (2) = r1 (2) = 250
3 hari : f1 (3) = r1 (3) = 400
4 hari : f1 (4) = r1 (4) = 525
5 hari : f1 (5) = r1 (5)= 600
Tahap 2
X = 0 f2 (0) = 0
X = 1 f2 (1) = max { r2 (0) + f1 (1) = 0 + 100 = 100
r2 (1) + f1 (0) = 125 + 0 = 125 } max 125
X = 2 f2 (2) = max { r2 (0) + f1 (2) = 0 + 250 = 250
r2 (1) + f1 (1) = 125 + 100 = 225
r2 (2) + f1 (0) = 275 + 0 = 275 } max 275


X = 3 f2 (3) = max { r2 (0) + f1 (3) = 0 + 400 = 400
r2 (1) + f1 (2) = 125 + 250 = 375
r2 (2) + f1 (1) = 275 + 100 = 375
r2 (3) + f1 (0) = 375 + 0 = 375 } max 400
X = 4 f2 (4) = max { r2 (0) + f1 (4) = 0 + 525 = 525
r2 (1) + f1 (3) = 125 + 400 = 525
r2 (2) + f1 (2) = 275 + 250 = 525
r2 (3) + f1 (1) = 375 + 100 = 475
r2 (4) + f1 (0) = 550 + 0 = 550 } max 550
X = 5 f2 (5) = max { r2 (0) + f1 (5) = 0 + 600 = 600
r2 (1) + f1 (4) = 125 + 525 = 650
r2 (2) + f1 (3) = 275 + 400 = 675
r2 (3) + f1 (2) = 375 + 250 = 625
r2 (4) + f1 (1) = 550 + 100 = 650
r2 (5) + f1 (0) = 625 + 0 = 625 } max 675
Tahap 3
X = 0 f3 (0) = 0
X = 1 f3 (1) = max { r3 (0) + f2 (1) = 0 + 125 = 125
r3 (1) + f2 (0) = 150 + 0 = 150 } max 150
X = 2 f3 (2) = max { r3 (0) + f2 (2) = 0 + 275 = 275
r3 (1) + f2 (1) = 150 + 125 = 275

r3 (2) + f2 (0) = 325 + 0 = 325 } max 325
X = 3 f3 (3) = max { r3 (0) + f2 (3) = 0 + 400 = 400
r3 (1) + f2 (2) = 150 + 275 = 425
r3 (2) + f2 (1) = 325 + 125 = 450
r3 (3) + f2 (0) = 400 + 0 = 400 } max 450
X = 4 f3 (4) = max { r3 (0) + f2 (4) = 0 + 550 = 550
r3 (1) + f2 (3) = 150 + 400 = 550
r3 (2) + f2 (2) = 325 + 275 = 600
r3 (3) + f2 (1) = 400 + 125 = 525
r3 (4) + f2 (0) = 550 + 0 = 550 } max 600
X = 5 f3 (5) = max { r3 (0) + f2 (5) = 0 + 675 = 600
r3 (1) + f2 (4) = 150 + 550 = 700
r3 (2) + f2 (3) = 325 + 400 = 725
r3 (3) + f2 (2) = 400 + 275 = 675
r3 (4) + f2 (1) = 550 + 125 = 675
r3 (5) + f2 (0) = 650 + 0 = 650 } max 725
Number of Days
Client 1, $ Client 2, $ Client 3, $
X
1
f
1
(X) X
2
f
2
(X) X
3
f
3
(X)
0 0 0 0 0 0 0
1 1 100 1 125 1 150
2 2 250 2 275 2 325
3 3 400 0 400 2 450
4 4 525 4 550 2 600
5 5 600 2 675 2 725

Dapat disimpulkan bahwa agar Mr. Jeremy mendapatkan hasil yang maksimal
dalam menangani client, dia menangani 2 hari client C, 2 hari client B, dan 1 hari
client C. hasil optimal yang diperoleh adalah sebesar 725 + 675 + 150 = 1550,
dan ini adalah hasil tertinggi dibandingkan dengan alternatif-alternatif yang
lainnya.
4. Tahap 5: f*5(Y5)=maks{P5X5} dimana f6(Y6)=0
P5X5
Y5
X5
0 1 2 3 4 5 F5*(Y5) X5*
0 0 0 0
1 3 3 1
2 7 7 2
3 10 10 3
4 14 14 4
D 0 0 5


P4(X4)+f5*(Y5)
Y4
X4
0 1 2 3 4 5 F4*(Y4) X4*
0 0+0=0 0 0
1 0+3=3 3+0=3 3 0,1
2 0+7=7 3+3=6 5+0=5 7 0
3 0+10=10 3+7=10 5+3=8 9+0=9 10 0,1
4 0+14=14 3+10=13 5+7=12 9+3=12 12+0=12 14 0
D 0+0=0 3+14=17 5+10=15 9+7=16 12+3=15 0+0=0 17 1

P3(X3)+f4*(Y4)
Y3

X3
0 1 2 3 4 5 F3*(Y3) X3*
0 0+0=0 0 0
1 0+3=3 4+0=4 4 1

2 0+7=7 4+3=7 6+0=6 7 0,1
3 0+10=10 4+7=11 6+3=9 9+0=9 11 1
4 0+14=14 4+10=14 6+7=13 9+3=12 14+0=14 14 0,1,4
D 0+17=17 4+14=18 6+10=16 9+7=16 14+3=17 0+0=0 18 1

P2(X2)+f3*(Y3)
Y2
X2
0 1 2 3 4 5 F2*(Y2) X2*
0 0+0=0 0 0
1 0+4=4 3+0=3 4 0
2 0+7=7 3+4=7 5+0=5 7 0,1
3 0+11=11 3+7=10 5+4=9 9+0=9 11 0
4 0+14=14 3+11=14 5+7=12 9+4=13 13+0=13 14 0,1
D 0+18=18 3+14=17 5+11=16 9+7=16 13+4=17 0+0=0 18 0


P1(X1)+f2*(Y2)
Y1
X1
0 1 2 3 4 5 F1*(Y1
)
X1*
0 0+0=0 0 0
1 0+4=4 2+0=2 4
2 0+7=7 2+4=6 5+0=5 7
3 0+11=
11
2+7=9 5+4=9 8+0=
8
11
4 0+14=
14
2+11=
13
5+7=1
2
8+4=
12
11+0=
11
14
D 0+18=
18
2+14=
16
5+11=
16
8+7=
15
11+4=
15
0+0=
0
18
Keuntungan maksimal : 14

1987.
REFERENSI


Yogyakarta : BPFE
McGraw-Hill


VI. PEMROGRAMAN DINAMIK STOKASTIK/PROBABILISTIK

Pemrograman dinamis probabilistik, merupakan program dinamis dimana stage
berikutnya tidak dapat seluruhnya ditentukan oleh state dan keputuan pada stage
saat ini. Terdapat distribusi peluang mengenai apa yang akan terjadi
Dalam bagian - bagian sebelumnya telah dibahas beberapa masalah masalah
program dinamis deterministik. Masalah masalah tersebut deterministik dalam
hal ketetapan pada setiap tahap urutan berikutnya sepenuhnya ditentukan oleh
ketetapan atau keadaan dan keputusan kebijaksanaan pada tahap sekarang.
Kadang kadang, dalam banyak masalah ketetapan tahap urutan berikutnya
dinyatakan dalam bentuk suatu distribusi probabilitas untuk ketetapan dalam
tahap tahap keputusan yang berurutan disebut programasi dinamis stokastik
(probabilistik).

Setelah mempelajari materi ini mahasiswa dapat menyelesaikan permasalahan
yang dinyatakan dalam bentuk suatu distribusi probabilitas sebagai ketetapan
dalam tahap tahap keputusan yang berurutan.

PENDAHULUAN

UMUM

1. Mahasiswa dapat memahami mengenai struktur dasar pemrograman dinamik
probabilistik
2. Mahasiswa diharapkan dapat menyelesaikan permasalahan yang juga terdapat
penambahan distribusi peluang sehingga dapat memperoleh suatu keputusan.

1. Penjelasan mengenai struktur dasar pemrograman dinamik probabilistik.
2. Penjelasan mengenai kasus mengenai Reject Allowance.
3. Contoh contoh soal mengenai pemrograman dinamik probabilistik.
4. Latihan soal.


1.
2.
3.
4.

Pemrograman dinamis probabilistik, merupakan program dinamis dimana stage
berikutnya tidak dapat seluruhnya ditentukan oleh state dan keputuan pada stage
saat ini. Terdapat distribusi peluang mengenai apa yang akan terjadi.
Dalam bagian - bagian sebelumnya telah dibahas beberapa masalah masalah
program dinamis deterministik. Masalah masalah tersebut deterministik dalam
hal ketetapan pada setiap tahap urutan berikutnya sepenuhnya ditentukan oleh
ketetapan atau keadaan dan keputusan kebijaksanaan pada tahap sekarang.
Kadang kadang, dalam banyak masalah ketetapan tahap urutan berikutnya
dinyatakan dalam bentuk suatu distribusi probabilitas untuk ketetapan dalam
tahap tahap keputusan yang berurutan disebut programasi dinamis stokastik
(probabilistik).
Struktur dasar PD Probabilistik:

Dimana :
N adalah banyaknya state yang mungkin pada stage (n+1)
(p1,p2,...,pn) adalah distribusi kemungkinan dari terjadinya suatu state
berdasarkan state Sn dan keputusan xn pada stage n
Ci adalah kontribusi dari stage n terhadap fungsi tujuan, jika state berubah
menjadi state i.
RINGKASAN MATERI


Misalkan :
Meminimumkan ekspektasi jumlah kontribusi dari masing-masing stage. Pada
kasus ini fn(sn,xn) menyatakan ekspektasi jumlah minimum dari stage n ke muka,
berdasarkan state sn dan keputusan xn pada stage n maka:

Dengan:

Sebuah perusahaan mendapat order untuk menyuplai suatu item tipe tertentu.
Karena langganan menginginkan kualitas yang tinggi, maka 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 peluang 0,5 dan akan rusak (tanpa peluang diperbaiki)
dengan peluang 0,5. Dengan demikian maka banyaknya item yang dapat diterima
dari suatu lot yang berukuran L akan mempunyai distribusi binomial, artinya
peluang bahwa tidak ada item yang diterima dari lot tersebut adalah (0,5)
2

Ongkos produksi marginal untuk produk ini ditaksir sebesar Rp 100 per item
walaupun rusak, dan kelebihan item dianggap tidak berharga. Sebagai tambahan,
jika proses produksi ini di set up, maka harus disediakan ongkos set up sebesar Rp
300. Jika pemeriksaan menyatakan bahwa seluruh lot yang dihasilkan tidak ada
yang dapat diterima, maka proses produksinya harus disetup dengan tambahan
ongkos sebesar Rp 300. Perusahaan ini hanya mempunyai waktu untuk membuat
tidak lebih dari 3 siklus produk (production run). Jika suatu item yang dapat
diterima belum dihasilkan pada akhir production run yang ketiga, maka kerugian
karena hilangnya penerimaan dari penjualan ini ditambah dengan yang harus
dibayar adalah sebesar Rp 1600.
Kasus Reject Allowance

Jawab :
Biaya produksi satuan = Rp 100
Kelebihan item = tak bernilai
Biaya set up = Rp 300 per production run
Production run berikutnya dilakukan apabila belum dapat diperoleh item yang
diterima
Perusahaan mempunyai kesempatan untuk membuat item hingga 3 kali
production
Jika pada akhir production run belum diperoleh item yang dapat diterima
maka perusahaan akan kehilangan pendapatan dan dikenakan biaya penalty
sebesar Rp 1600.
Permasalahan :
Menentukan kebijakan optimal terhadap ukuran lot (1+reject allowance) untuk
production run yang diperlukan yang meminimasi ekspektasi biaya total bagi
perusahaan
Perumusan Pemrograman Dinamis :
Tahap n = production run (n=1,2,3)
Status Sn = jumlah item yang acceptable yang masih dibutuhkan (0 atau 1)
jika mulai dari tahap n
Variabel keputusan xn=ukuran lot untuk tahap n
Pada tahap 1
Status S1 = 1
Jika paling sedikit satu item yang dapat diterima diperoleh berikutnya, status
berubah ke Sn = 0, dimana tidak ada tambahan biaya yang diperlukan
f
n
(S
n
,x
n
) = ekspketasi biaya total untuk tahap n,,3 jika sistem mulai dalam
status Sn pada n keputusan xn.

) , ( min ) (
.. 1 , 0
*
n n n
xn
n
x S f S f
=
=

Dengan

Kontribusi biaya dari tahap n (tanpa memandang status berikutnya) = K(Xn) +
100
K(Xn) = 0 jika xn = 0
300 jika xn > 0

Untuk Sn=1, maka:

Dengan f4*(1) = 1600, yaitu biaya akhir jika tidak ada item yang dapat diterima
yang diperoleh setelah tahap ke 3.
Hubungan ini dapat digambarkan sebagai berikut:
STRUKTUR DASAR


Hubungan timbal baliknya adalah:

Perhitungan selengkapnya adalah:

Dengan demikian, maka kebijakan optimum adalah memproduksi 2 item pada
production run pertama. Ekpekstasi ongkos total untuk kebijakan ini adalah
Rp 675.

Seorang ahli statistik muda percaya bahwa ia telah mengembangkan suatu sistem
agar dapat memenangkan salah satu permainan terkenal di Las Vegas. Rekan-
rekanya tidak percaya bahwa sistem tersebut dapat berhasil sehingga mereka
Contoh 2
) 1 ( * ) 2 / 1 ( 100 ) , (
4 3 3 3 3
f X X K X S f + + =
) 1 ( * ) 2 / 1 ( 100 ) , (
3 2 2 2 2
f X X K X S f + + =
) 1 ( * ) 2 / 1 ( 100 ) , (
2 1 1 1 1
f X X K X S f + + =

bertaruh dengannya jika ia mulai dengan 3 keping taruhan, ia tidak akan
mendapatkan sekurang-kurangnya 5 keping setelah 3 kali permainan. Setiap kali
permainan memerlukan taruhan sejumlah keping yang diambil dari keping yang
tersedia dan menang atau kalah setara dengan mendapatkan atau kehilangan
sejumlah keping tersebut. Ahli statistik itu yakin bahwa sistem yang dibuatnya
akan memberikan keuntungan kemungkinan 2/3 kemenangan dalam satu kali
permainan tersebut.
Asumsikanlah bahwa keyakinan ahli statistik tersebut benar, dan sekarang
menggunakan pemrograman dinamis untuk menentukan kebijakan yang optimal
mengenai jumlah keping yang dipertaruhkan pada masing-masing permainan (ada
tiga permainan). Keputusan pada masing-masing permainan harus memperhatikan
hasil permainan sebelumnya. Tujuannya ialah memaksimalkan probabilitas
kemenangan taruhan ahli statistik tersebut dengan rekannya.
Perumusan:
Tahap n = Permainan ke-n (n=1,2,3)
Xn = jumlah keping yang dipertaruhkan pada tahap n
State sn = jumlah keping yang tersedia untuk memulai tahap n
Tujuan = memaksimalkan probabilitas ahli statistik tersebut akan menang,
fn(sn,xn) = probabilitas menyelesaikan ketiga permainan dengan sekurang -
kurangnya 5 chip, jika ahli statistik berada pada state sn di tahap n,
membuat keputusan xn dan membuat keputusan optimal pada
tahap-tahap selanjutnya.

Ekspresi untuk fungsi fn(sn,xn) harus mengakmulasikan 5 keping walaupun kalah
pada satu tahap permainan.
) , ( max ) (
.. 1 , 0
*
n n n
xn
n
n x S f S f
=
=

Jika kalah maka state pada tahap selanjutnya menjadi sn-xn dan peluang
mengakhiri permainan dengan sekurang-kurangnya 5 keping adalah
Jika menang maka state pada tahap berikutnya menjadi sn+xn dan peluang
yang bersangkutan adalah

Oleh karena probabilitas kemenangan permainan diasumsikan 2/3 maka:

Lantas hubungan rekursif untuk masalah ini adalah:

Untuk n=1,2,3, dengan

) ( 1
*
n n
n x S f + +
) ( 3 / 2 ) ( 3 / 1 ) , ( 1
*
n n n n
n
n n n
x s x s f x s f + + = +
) (
4
4
*
S f

Hasil Perhitungan

Sebuah perusahaan dihadapkan dengan keputusan tentang membeli atau menyewa
(lease) peralatan. Biaya untuk membeli peralatan Rp 10.000.000,00 tetapi
perusahaan dapat menyewanya dengan biaya Rp 3.000.000,00 . Managemen
memperkirakan bahwa ada kemunduran kemakmuran ekonomi sebesar 40%
dibanding 60% kemungkinan ada stabilitas ekonomi selama ekonomi periode
Contoh 3

keputusan.Akuntan perusahaan telah menyiapkan tabel revenue bersyarat sebagai
berikut :
Kejadian Probabilitas
Keputusan
Membeli Menyewa
Kemakmuran
Stabilitas
0,4
0,6
Rp 30.000.000,00
Rp 18.000.000,00
Rp 25.000.000,00
Rp 10.000.000,00
Kedua hasil keputusan dapat ditentukan oleh expected value nya. Expected Valule
keputusan untuk membeli adalah :
{ 0,4x Rp 30.000.000,00 + 0,6 x Rp 18.000.000,00} Rp 10.000.000,00
= Rp 12.800.000,00
Dengan cara yang sama, expected value keputusan untuk menyewa adalah :
{0,4x Rp 25.000.000,00 + 0,6 x Rp 10.000.000,00} Rp 3.000.000,00
= Rp 13.000.000,00
Dengan perkiraan keuntungan dari keputusan menyewa lebih besar, keputusan
optimal adalah menyewa peralatan. Hasil ini dapat ditunjukkan dalam decision
tree dalam Gambar.


Dalam maslaah ini elemen-elemen stokastik telah diubah menjadi ekuivalen
dengan elemen-elemen deterministic. Masalah programasi dinamis stochastic
yang meliputi beberapa ketetapan dan tahap-tahap dapat diubah dengan cara yang
sama menjadi deterministic counterpart. Setelah masalah dinyatakan dalam
bentuk deterministic, dapat diterapkan persamaan recursive ( recurrence relation )
untuk keputusan-keputusan yang optimal.

1. A person has $2000 available for investment and two opportunities, A and B.
Both opportunities are risky ; the possible yearly returns per each $1000
invested and the probabilities of realizing these returns are given in table

Returns, $ Probability
A 3000 0.4
0 0.6
B 2000 0.2
1000 0.8

Determine an investment strategy for the next 3 years that will maximize expected
final holdings, if the person is restricted to either one $1000 investment or a zero
investment each year

2. Manajemen CAPELA sedang menyusun rencana untuk masa 5 tahun kedepan.
Masalah pertama adalah memperbesar kapasitas segera dan kedua menunggu
setelah dua tahun kemudian bereaksi. Kedua keputusan ini mempunyai
kemungkinan keadaan (state of nature) yang akan dihadapi, pertama : keadaan
ekonomi yang membaik dengan probabilitas 60% dan kedua adalah keadaan
ekonomi yang semakin memburuk. Apabila perusahaan beroperasi dengan
kapasitas yang ada dan ternyata dalam dua tahun pertama keadaan ekonomi
menjadi lebih baik, manajemen CAPELA mempunyai dua pilihan. Pertama,
LATIHAN SOAL

memperbesar kapasitas pabrik dan kedua beroperasi dengan kapasitas yang
ada. Masing-masing keputusan ini juga memiliki dua kemungkinan keadaan
yang terjadi, yaitu keadaan ekonomi pada tiga tahun berikutnya menjadi lebih
baik dengan probabilitas 45%. Atau keadaan ekonomi pada tiga tahun
berikutnya menjadi lebih buruk (p=55%), jika perusahaan memperbesar
kapasitas pabrik dan keadaan ekonomi semakin baik maka perusahaan akan
memperoleh keuntungan Rp 350.000 sebaliknya jika keadaan ekonomi
semakin buruk maka perusahaan akan menderita rugi Rp 250.000. disisi yang
lain, jika perusahaan beroperasi dengan kapasitas yang ada dan ekonomi
menjadi lebih baik maka perusahaan akan memperoleh keuntungan Rp
275.000 sedangkan jika keadaan ekonomi menjadi lebih buruk maka
perusahaan akan mederita rugi Rp 150.000. selanjutnya jika perusahaan
beroperasi dengan kapasitas yang ada dengan ekonomi yang semakin buruk
pada dua tahun pertama, maka perusahaan tidak akan membuat keputusan
apapun dan sebagai akibatnya perusahaan menderita rugi Rp 50.000. sebagai
alternatif lain, jika perusahaan memperbesar kapasitas pabrik segera dan
ekonomi menjadi lebih buruk pada tahun-tahun berikutnya, maka perusahaan
akan memperoleh keuntungan Rp 400.000. sebaliknya, jika keadaan ekonomi
lebih buruk pada tahun-tahun berikutnya, maka perusahaan akan menderita
rugi Rp 360.000. Rencana apa yang akan diambil ?
Jawab :
1.
A
B
Investasi
Tidak
Investasi
0,4
0,6
0,2
0,8
3000
0
2000
1000
Return
0


- Keuntungan Investasi A: 3*{(0,4*3000+0,6*0)-1000} = 600
- Keuntungan Investasi B : 3*{(0,2*2000+0,8*1000)-1000} = 600
- Keuntungan tidak investasi = 0
Kesimpulan : dipilih investasi A maupun investasi B karena peluang
menghasilkan keuntungan lebih besar daripada tidak investasi.

2.
Memperbesar
kapasitas
Beroperasi
dengan kapasitas
yang ada
EN
0,45
0,55
0,45
0,55
350.000
250.000
(-)
275.000
150.000
(-)
50.000 (-)
0,4
0,6
400.000
360.000
(-)
Memperbesar
kapasitas
segera
Menunggu 2
tahun
kemudian
EN
EN
EN
EB
EB
EB
EB
0,4
0,6
Keterangan :
EN = Ekonomi Naik
EB = Ekonomi Buruk

- Memperbesar kapasitas pabrik segera = 0,6*400.000 + 0,4*(-360.000) =
96.000
- Menunggu 2 tahun kemudian


Apabila keadaan ekonomi naik :
- Memperbesar kapasitas = 0,45*350.000+0,55*(-250.000) = 20.000
- Kapasitas yang ada = 0,45*275.000+0,55*(-150.000) = 41.250
Dipilih kapasitas yang ada, maka menunggu selama 2 tahun : 0,6*41250+0,4*(-
50.000)=4750
Kesimpulan : dipilih memperbesar kapasitas pabrik dengan segera, karena
peluang menghasilkan keuntungan lebih besar.

Yogyakarta : BPFE
McGraw-Hill

REFERENSI


VII. MANAJEMEN PROYEK

Manajemen proyek merupakan suatu materi yang mempelajari dan memahami
konsep proses perencanaan, pengorganisasian, perkiraan kebutuhan sumber daya
manusia, gambaran kebutuhan dana yang diperlukan, pengendalian proyek serta
evaluasi proyek untuk memenuhi persyaratan dari suatu proyek yang akan
dijalankan.
Pada materi ini akan membahas tentang teknik penjadwalan proyek, cara
perhitungan mencari alur kritis dalam network.

Setelah mempelajari materi ini mahasiswa dapat menentukan teknik penjadwalan
proyek serta cara perhitungan memperoleh jalur kritis dalam network.

1. Mahasiswa dapat memahami tentang pembentukan diagram anak panah.
2. Mahasiswa dapat mengetahui dan memahami cara penyajian data untuk grafik
waktu.
3. Mahasiswa dapat mengetahui dan memahami cara pengalokasian sumber yang
terbatas dari berbagai aktifitas / kegiatan.

PENDAHULUAN


UMUM

1. Perkenalan mengenai materi pendahuluan manajemen proyek
2. Penjelasan mengenai teknik penjadwalan proyek
3. Penjelasan mengenai pembentukan diagram anak panah
4. Penjelasan mengenai cara penyajian data untuk grafik waktu.
5. Penjelasan mengenai cara pengalokasian sumber yang terbatas berbagai
aktifitas / kegiatan.
6. Contoh soal
7. Soal latihan
8. Penutup

1.
2.
3.
4.

PENJADWALAN PROYEK DAN ANALISIS JARINGAN KERJA
Proyek merupakan kombinasi dari kegiatan-kegiatan (activities) yang saling
berkaitan dan harus dilaksanakan dengan mengikuti suatu urutan tertentu
sebelum seluruh tugas dapat diselesaikan sacara tuntas.
Pada umumnya suatu proyek adalah usaha satu waktu (one-time effort).
Maksudnya urutan kegiatan-kegiatan yang sama mungkin tidak terulang lagi
di waktu yang akan datang.
Perencanaan adalah penentuan mengenai apa yang harus dicapai, kapan dan
bagaimana hal tersebut itu dilaksanakan. Perencanaan (planning) merupakan
salah satu fungsi manajemen dan bertujuan untuk memecahkan persoalan.

MACAM MACAM PERENCANAAN
Perencanaan pembangunan nasional
Regional
Sektoral
Perencanaan personalia/tenaga kerja
Perencanaan peralatan
Perencanaan keuangan
Perencanaan produksi
Perencanaan pemasaran/penjualan

POKOK POKOK PERENCANAAN
Menentukan target, tanpa adanya target sukar untuk membuat evaluasi.
Kegiatan-kegiatan yang harus dilakukan.
Urutan kegiatan.
Jangka waktu yang diperlukan oleh masing-masing.
Tersedianya alat ukuran/standar.
Memperhatikan contingency factor.

RINGKASAN MATERI


TEKNIK PERENCANAAN
CPM (Critical Path Method)
PERT (Project Evaluation and Review Technique), berguna untuk menyusun
perencanaan, penjadwalan dan pengawasan/pengontrolan proyek
PERT dan CPM pada dasarnya merupakan metode yang berorientasikan
waktu, dalam arti bahwa keduanya akan berakhir dengan penentuan
penjadwalan waktu (a time schedule)

PERBEDAAN PERT & CPM
PERT
1. Menggunakan 3 jenis waktu: prakiraan waktu teroptimis, termungkin, dan
pesimis
2. Saat taksiran waktu aktifitas tidak dapat dipastikan seperti aktivitas tersebut
belum pernah dilakukan.
3. Berbasiskan statistik memberikan peluang hadirnya ketidakpastian
CPM
1. Menggunakan 1 jenis waktu dlm satu kegiatan.
2. Taksiran waktu pengerjaan setiap aktivitas diketahui dengan jelas.
3. Proyek terdiri dari peristiwa susul menyusul.

TEKNIK PENJADWALAN PROYEK (Project Shedulling Technique) :
1. Perencanaan,
2. Penjadwalan,
3. Pengontrolan/pengawasan


1. TAHAPAN PERENCANAAN
Dimulai dengan memecah/ menguraikan proyek menjadi kegiatan-kegiatan
(activities).
Perkiraan waktu, untuk kegiatan-kegiatan ini kemudian ditentukan dan
diagram jaringan kerja (network) yang dinyatakan dengan gambar anak panah
(arrow)
Keseluruhan diagram anak panah memberikan suatu representasi grafis
mengenai keterkaitan antara berbagai kegiatan suatu proyek
Pembentukan diagram sebagai tahapan perencanaan mempunyai
tujuan : untuk mempelajari jenis pekerjaan yang berbeda secara rinci, mungkin
dapat menimbulkan saran untuk perbaikan sebelum proyek dilaksanakan. Yang
lebih penting lagi ialah kegunaannya untuk mengembangkan suatu jadwal untuk
proyek (project schedulling).

2. TAHAPAN PENJADWALAN
Jadwal harus mampu menunjukkan kegiatan-kegiatan yang kritis dilihat dari
segi waktu yang memerlukan perhatian khusus kalau proyek harus selesai
tepat pada waktunya.
Jadwal harus menunjukkan banyaknya waktu yang mengambang (slack/fload
time) yang dapat dipergunakan ketika kegiatan tertunda atau kalau
sumberdaya yang terbatas dipergunakan secara efektif (mencapai
sasaran/tujuan yang dikehendaki).
Tujuan akhir dari tahap penjadwalan ialah membentuk a time chart yang dapat
menunjukkan waktu mulai dan selesainya setiap kegiatan serta hubungannya
satu sama lain dalam proyek.

3. TAHAPAN PENGAWASAN
Meliputi penggunaan diagram anak panah dan grafik waktu (time chart) untuk
membuat laporan kemajuan secara periodik. Jaringan kerja (network) perlu
diperbarui dan dianalisis dan kalau perlu suatu jadwal baru ditentukan untuk sisa
bagian proyek yang belum selesai.

Tiga tahapan proyek, dimulai dengan:
1. Pembentukan diagram anak panah,
2. Cara penyajian data untuk grafik waktu dan
3. Cara mengalokasikan sumber yang terbatas berbagai kegiatan/ aktifitas.

Pembentukan Diagram Anak Panah
Diagram anak panah (arrow diagram) menggambarkan keterkaitan antara
kegiatan atau aktivitas proyek.
Suatu anak panah (arrow) biasanya dipergunakan untuk mewakili suatu
kegiatan dengan ujungnya menunjukkan arah kemajuan dalam proyek.
Hubungan suatu kegiatan dengan kegiatan yang terjadi sebelumnya
ditunjukkan oleh adanya kejadian (event).
Yang dimaksud dengan kejadian ialah saat yang menggambarkan permulaan
atau pengakhiran suatu kegiatan (activity),
Setiap kegiatan digambarkan sebagai anak panah, pangkal anak panah sebagai
awal dan ujungnya sebagai akhir suatu kejadian. Anak panah menggambarkan
apa yang dikerjakan mendahului, sebelum kegiatan itu dikerjakan. Setiap anak
panah di ujung dan pangkalnya diberi tanda kejadian yang diberi nomor,
seperti :

atau

Kegiatan mulai dari kejadian 15 atau i dan berakhir dengan kejadian 16 atau j.
untuk selanjutnya kejadian A ditulis kegiatan A (15,16) atau kegiatan A(i,j),
artinya dimulai pada titik i dan berakhir pada titik j. selanjutnya i disebut
pangkal dan j ujung.


Contoh lain :

Kejadian (event) tidak memerlukan waktu, digambarkan sebagai lingkaran
pada pangkal anak panah (saat dimulainya kegiatan) dan pada ujung anak
panah (saat akhir/selesainya kegiatan).
Pemberian nomor pada kejadian harus memenuhi persyaratan yaitu nomor
awal (pangkal) harus lebih kecil dari pada nomor akhir (ujung).

Untuk selanjutnya perhatikan aturan-aturan berikut :
1. Setiap kegiatan hanya boleh diwakili oleh satu anak panah saja didalam
jaringan kerja, (kecuali kalau satu kegiatan dipecah menjadi kegiatan yang
lebih kecil).
2. Tidak boleh ada dua kegiatan diwakili oleh pangkal dan ujung anak panah
yang sama. Dalam hal ini harus dipergunakan anak panah boneka (dummy
arrow). Perhatikan ilustrasi berikut. Pangkal (1) dan ujung (2), A dan B sama.
Kegiatan B baru bisa dikerjakan kalau A
sudah selesai. Jadi A harus dikerjakan
terlebih dahulu sebelum B. Tanda lingkaran
1, 2, dan 3 merupakan event.

Kegiatan C baru bisa dikerjakan kalau A
dan B sudah selesai. Jadi A dan B harus
diselesaikan dahulu, kemudian baru C
dimulai.

B dan C baru bisa dimulai kalau A sudah
selesai


Suatu anak panah boneka (dummy) untuk menggambarkan kegiatan yang tidak
memakan waktu (kegiatan boneka sering juga disebut semu atau buatan,
bukan sesungguhnya).
Alasan penggunaan kegiatan boneka (dummy activity) adalah :
1. Menghindarkan keragu-raguan dalam indikasi, seperti gambar di atas A (1,2),
B (1,2), keduanya mempunyai indikasi yang sama, membingungkan. Lihat
gambar a), b), c) dan d) untuk mengatasinya, di mana :
A(1,2), B(1,3) D(2,3)
A(2,3), B(1,3) D(1,2)
A(1,3), B(2,3) D(1,2)
A(1,3), B(1,2) D(2,3)

A (1,2) B juga (1,2), ini tidak boleh dan
harus diatasi dengan menggunakan anak
panah boneka seperti berikut ini.
D = Dummy, dengan garis putus-putus.

Jika kegiatan K dan L harus selesai
sebelum kegiatan M dapat dimulai,
tetapi kegiatan N sudah boleh dimulai
bila kegiatan L sudah selesai, maka.


Memberikan gambaran urutan logik yang benar. Contoh : Air limbah yang akan
dibuang dari saluran pembuangan 1 (Outlet 1) ke sungai dialirkan menuju IPAL I
(3), saluran outlet 2 sebelum ke sungai juga akan melewati IPAL I (3), karena
beban pengolahan pada IPAL I terbatas, maka kapasitas limbah yang tidak terolah
disalurkan ke IPAL II (4), sedangkan yang sudah terolah langsung dapat dibuang
ke sungai (5)
Kegiatan A : Saluran Outlet 1 menuju IPAL I (3)
Kegiatan B : Saluran Outlet 2 menuju IPAL I (3)
Kegiatan C : Saluran IPAL I (3) ke IPAL II (4)
Kegiatan D : Saluran IPAL I (3) ke sungai (5)
Pada gambar di atas terlihat bahwa kegiatan C belum dapat berlangsung sebelum
kegiatan B, yang berarti bahwa kegiatan C dapat beroperasi apabila kegiatan B
sudah berjalan, sedangakan D dapat berjalan setelah kegiatan A atau B apabila
berjalan tidak bersamaan.


Contoh pembuatan diagram anak panah 1
1. Gambarkan diagram anak panah yang mencakup kegiatan A, B, C, .., dan L
sedemikian rupa sehinga hubungan berikut ini terpenuhi.
2. A, B, dan C kegiatan dalam suatu proyek yang bisa dimulai secara serentak
(simultan).
3. A dan B mendahului D.
4. B mendahului E, F dan H.
5. F dan C mendahului G.
6. E dan A mendahului I dan J
7. C, D, F dan J mendahului K.
8. K mendahului L.
9. I, G dan L merupakan aktifitas terminal di proyek.
Jawab.


1. Gambarkan diagram anak panah yang mencakup kegiatan A, B, C, .., dan M
sedemikian rupa sehinga hubungan berikut ini terpenuhi.
2. A dan B dapat dimulai secara serentak.
3. C dan D dapat dimulai kalau A sudah selesai.
4. E dapat dimulai kalau C sudah selesai.
5. G dapat dimulai kalau E sudah selesai.
6. F dapat dimulai kalau D sudah selesai.
7. H dapat dimulai kalau C, D, E, F dan G sudah selesai.
8. I dan J dapat dimulai kalau B sudah selesai.
9. K dapat dimulai kalau J sudah selesai.
10. L dapat dimulai kalau I, J, dan K sudah selesai.
11. M dapat dimulai kalau H dan L sudah selesai.
12. M kegiatan terminal.


1. Gambarkan diagram anak panah yang mencakup kegiatan A, B, C, ..,
dan J sedemikian rupa sehinga hubungan berikut ini terpenuhi.
2. Proyek dimulai dari kegiatan A,
3. Kegiatan B dan C baru bisa dimulai kalau A sudah selesai.
4. Kegiatan D dan E baru bisa dimulai kalau C sudah selesai.
5. Kegiatan F dan G baru bisa dimulai kalau B sudah selesai.
6. Kegiatan H baru bisa dimulai kalau E sudah selesai.
7. Kegiatan I baru bisa dimulai kalau D sudah selesai.
8. Kegiatan J baru bisa dimulai kalau G dan H sudah selesai.
Kegiatan I dan J merupakan kegiatan terminal.


Arti dan Kegunaan Jaringan Kerja atau Network
Kebaikan langsung yang dapat dipetik dari pemakaian analisis Network adalah
sebagai berikut :
1. Dapat mengenali (identifity) jalur kritis (critical path)dalam hal ini adalah
jalur elemen-elemen kegiatan yang kritis dalam skala waktu penyelesaian
proyek sebagai keseluruhan.
2. Mempunyai kemampuan mengadakan perubahan-perubahan semberdaya dan
memperhitungkan efek terhadap waktu selesainya proyek.
3. Mempunyai kemampuan memperkirakan efek-efek dari hasil yang dicapai
suatu kegiatan terhadap keseluruhan rencana apabila diimplementasikan /
dilaksanakan.
Keuntungan tidak langsung dari pemakaian network
1. Sebelum menyusun suatu network seorang analis harus mengkaji rencana
secara keseluruhan, merinci dan mengurangi menjadi komponen-komponen
kegiatan yang terpisah-pisah.
2. Seorang analis harus memikirkan interelasi dari kegiatan-kegiatan.
3. Seorang analis harus memperhitungkan batas waktu untuk mesing-masing
unsur kegiatan, sebab setiap kegiatan memerlukan sejumlah waktu tertentu
untuk penyelesaiannya.
Penentuan Waktu
1. Mengestimasi dan menganalisis seluruh diagram network untuk menentukan
waktu terjadinya masing-masing kejadian event
2. Lintasan kritis: estimasi dan analisis waktu dari satu atau beberapa lintasan
tertentu dari kegiatan pada network yang menentukan jangka waktu
penyelesaian seluruh proyek.
3. Lintasan tidak kritis yang mempunyai waktu untuk bisa terlambat disebut
Float
4. Float memberikan sejumlah kelonggaran waktu dan elastisitas pada network
5. Float dibagi dua yaitu: Total Float dan Free Float


Notasi yang digunakan
TE: Saat tercepat terjadinya event
TL: Saat paling lambat terjadinya event
ES: Saat tercepat dimulainya aktivitas
EF: Saat tercepat diselesaikan aktivitas
LF: Saat paling lambat di selesaikan aktivitas
LS: Saat paling lambat dimulainya aktivitas
t : waktu yang diperlukan untuk suatu aktivitas (biasanya dlm hari)
Asumsi dan Cara Perhitungan
1. Proyek hanya memiliki satu initial event dan satu terminal event
2. Saat tercepat terjadi initial event adalah hari ke nol
3. Saat paling lambat terjadinya terminatl event adalah TL=TE
Perhitungan Maju
Perhitungan bergerak mulai dari initial event menuju ke terminal event.
Maksudnya menghitung saat paling cepat terjadinya event dan saat paling cepat
dimulainya serta diselesaikannya aktivitas-aktivitas (TE,ES,EF)

a = ruang untuk nomor event
b = ruang untuk menunjukkan saat paling cepat terjadinya event (TE) yang
juga merupakan hasil maju
c = ruang untuk menunjukkan saat paling lambat terjadinya event (TL) yang
juga merupakan hasil perhitungan mundur

b c

Contoh Perhitungan Maju

Contoh Perhitungan Mundur


Perhitungan Kelonggaran Waktu (Float atau Slack)
Total Float: jumlah waktu dimana waktu penyelesaian suatu aktivitas dapat
diundur tanpa mempengaruhi saat paling cepat dari penyelesaian
proyek keseluruhan. TF = LS-ES atau LF-EF
Free Float: jumlah waktu dimana penyelesaian suatu aktivitas dapat diukur tanpa
mempengaruhi saat paling cepat dari dimulainya aktivitas yang lain
atau saat paling cepat terjadinya event lain pada network, SF=TE-EF

Aktivitas Duration (t)
Paling cepat Paling lmbt
Total
Float S
Free
Float SF
Mulai Selesai Mulai Selesai
ES EF ES EF
(0,1) 4 0 4 0 18 14 0
(0,2) 8 0 8 0 8 0 0
(0,3) 7 0 7 0 11 4 0
(1,4) 15 4 19 18 33 14 0
(2,4) 6 8 19 8 33 19 5
(2,5) 12 8 20 8 20 0 0

(3,6) 9 7 20 11 20 4 4
(4,8) 3 19 36 33 36 14 14
(5,6) 0 20 20 20 20 0 0
(5,8) 10 20 36 20 36 6 6
(6,7) 11 20 31 20 31 0 0
(7,8) 5 31 36 31 36 0 0

Contoh perhitungan:
Aktivitas A: S(0,1) = 18 0 - 4=14, SF(0,1) =4 0 4 = 0
Aktivitas B: S(0,2) = 8 0 - 8= 0, SF(0,2) = 8- 0 8 = 0
Aktivitas C: S(0,3) = 11 0 - 7= 4, SF(0,3) = 7- 0 7 = 0
Aktivitas D: S(1,4) = 33 4 - 15= 14, SF(1,4) = 19- 4 15 = 0
Aktivitas E: S(2,4) = 33 - 8- 6= 19, SF(2,4) = 19- 8 6 = 5
Aktivitas F: S(2,5) = 20 - 8- 12= 0, SF(2,5) = 20- 8 12 = 0
Aktivitas G: S(3,6) = 20 - 7- 9= 4, SF(3,6) = 20- 7 9 = 4
Aktivitas H: S(6,7) = 31 - 20- 11= 0, SF(6,7) = 31- 20 11 = 0
Aktivitas I: S(4,8) = 36 - 19- 3= 14, SF(4,8) = 36- 19 3 = 14
Aktivitas J: S(5,8) = 36 - 20- 10= 6, SF(0,2) = 8- 0 8 = 0
Aktivitas K: S(7,8) = 36 - 31- 5= 0, SF(7,8) = 36- 31 5 = 0
Suatu aktivitas yang tidak mempunyai float: AKTIVITAS KRITIS aktivitas
Kritisinya: B,F,H,K


Latihan Soal
1.
Aktivitas Deskripsi Aktivitas Aktivitas Pendahulu Waktu
A Penggalian - 2
B Pembuatan Fondasi A 4
C Pembuatan Dinding B 10
D Pembuatan Atap C 6
E Instalasi pipa air eksterior C 4
F Instalasi pipa air interior E 5
G Pembuatan papan eksterior D 7
H Pengecatan eksterior E,G 9
I Pemasangan listrik C 7
J Pembuatan papan dinding F,I 8
K Pemasangan lantai J 4
L Pengecatan interior J 5
M Pemasangan perlengkapan eksterior H 2
N Pemasangan perlengkapan interior K,L 6

LATIHAN SOAL

2.
Aktivitas Deskripsi Aktivitas Aktivitas Pendahulu Waktu
A Desain Daftar Pertanyaan - 4
B Desain Samping - 8
C Menguji Daftar Pertanyaan dan Perbaikan A 4
D Memilih Calon Pewancara B 1
E Melatih Pewancara D,A 2
F Membagi Wilayah Kepada Pewancara B 4
G Pelaksanaan Wawancara C,E,F 10
H Evaluasi Hasil Riset G 15

3.
Aktivitas 1,2,3, merupakan aktivitas awal dan dapat dimulai secara bersamaan
Aktivitas 4,5,dan 6 dimulai hanya jika aktivitas 1 telah selesai
Aktivitas 7 dan 9 dapat dilaksanakan sesudah aktivitas 2 dan 4 kedua-duanya
sudah selesai
Aktivitas 8 dapat dilakukan setelah aktivitas 3 dan 7 kedua-duanya selesai
Aktivitas 10 dilakukan setelah aktivitas 5 dan 8 dilakukan
Aktivitas 11 dan 12 dilakukan setelah aktivitas 9 selesai
Aktivitas 13 dan 14 dilakukan setelah aktivitas 6, tetapi hanya dapat dimulai
setelah aktivitas 5 dan 8 selesai
Aktivitas 15 dilakukan setelah aktivitas 13 dan 9
Aktivitas 10, 11, 12, 14, dan 15 adalah akhir proyek


4. Develop a network diagram for a project having the following precedence
relationships :
Activity A B C D E F G H I J K
Immediate
Predecessor(s)
- - A A,B C,D D E E,F G H I,J

5. Construct a network diagram for the project consisting of activities A, B, C, ...
L described below:
Concurrent activities A and B begin the project;
Concurrent activities C and D succeed A;
Concurrent activities E and G suceed B;
Activity F succeed both C and E;
Activity H succeed both C and D;
Activity I and J succeed G;
Activity K succeed H and F;
Activity L succeed I and J;
Activity L and K complete the project.

6. consider the project in problem 4 with the following activity durations :
Activity A B C D E F G H I J K
Durations (days) 3 2 5 7 3 4 8 13 6 1 10
a) Draw a CPM network diagram and find the critical path
b) The project must be completed in 30 days. Do you anticipate difficulty in
meeting the deadline? Explain.
c) Can activity H be delayed without delaying the project ?
d) Can activity E be delayed without delaying the project ?


7. For the following arrow diagram identify the critical path and calculate the
total and free floats for each activity :

JAWABAN
1.
1
0 0
2
2 2
A
2
3
6 6
B
4
4
16 16
C
10
6
20 20
5
22 26
7
23 25
9
25 25
8
29 33
11
33 33
10
38 42
13
38 38
12
38 38
14
44 44
D
E
I
F
G H
J K
L
M
N
4
6
7
7
5
9
8
4
5
6
2


Total
Float S
Free
Float SF
ES EF ES EF
(1,2) 2 0 2 0 2 0 0
(2,3) 4 2 6 2 6 0 0
(3,4) 10 6 16 6 16 0 0
(4,5) 6 16 22 16 26 4 0
(4,6) 4 16 20 16 20 0 0
(4,7) 7 16 23 16 25 2 0
(5,8) 7 22 29 26 33 4 0
(6,8) 0 20 29 20 33 13 9
(6,9) 5 20 25 20 25 0 0
(7,9) 0 23 25 25 25 2 2
(8,10) 9 29 38 33 42 4 0
(9,11) 8 25 33 25 33 0 0
(10,14) 2 38 44 42 44 4 4
(11,12) 5 33 38 33 38 0 0
(11,13) 4 33 38 33 38 1 1
(12,13) 0 38 38 38 38 0 0
(13,14) 6 38 44 38 44 0 0
Urutan : (1,2)(2,3)(3,4)(4,6)(6,9)(9,11)(11,12)(12,13)(13,14)

2.
1
0 4
2
0 0
A 3
4 8
B 4
8 8
5
9 10
7
8 12
6
12 12
9
22 22
8
12 12
10
37 37
C
D
F
E G H
4
8
4
1
4
2
10
15

Total
Float S
Free
Float SF
ES EF ES EF
(1,3) 4 0 4 4 8 4 0
(2,4) 8 0 8 0 8 0 0
(3,5) 0 4 9 8 10 6 5
(3,7) 4 4 8 8 12 4 0
(4,5) 1 8 9 8 10 1 0
(4,6) 4 8 12 8 12 0 0
(5,8) 2 9 12 10 12 1 1
(6,8) 0 12 12 12 12 0 0
(7,8) 0 8 12 12 12 4 4
(8,9) 10 12 22 12 22 0 0
(9,10) 15 22 37 22 37 0 0
Urutan : (2,4)(4,6)(6,8)(8,9)(9,10)

3.
1
2
3
4
5
7
6
9
8
12
1
10
11
2
3
4
5
6
7
8
9
10
11
12
13
14
15

4.
1
2
3
4 5
7
6
9
8
12
A
10
11
B
C
K
D F H
J
I
E
G

5.
1
2
3
4
5
7
6
9
8
12
A
10
11
B
C
K
D
F
H
J
I
E
G
L


6.
1
2
3
4 5
7
6
9
8
12
A
10
11
B
C
K
D F H
J
I
E
G
0 0
0 1
13 14 3 3
3 3
10 11
10 10
14 14
21 22
27 27
28 28
38 38
3
2
5
7
3
4
6
13
1
6
10

Total
Float S
Free Float
SF
ES EF ES EF
(1,3) 3 0 3 0 3 0 0
(2,4) 2 0 3 1 3 1 1
(3,4) 0 3 3 3 3 0 0
(3,6) 5 3 10 3 11 2 2
(4,5) 7 3 10 3 10 0 0
(5,6) 0 10 10 10 11 1 0
(5,8) 4 10 14 10 14 0 0
(6,7) 3 10 13 11 14 1 0
(7,8) 0 13 14 14 14 1 1
(7,9) 8 13 21 14 22 1 0
(8,10) 13 14 27 14 27 0 0
(9,11) 6 21 28 22 28 1 1
(10,11) 1 27 28 27 28 0 0
(11,12) 0 28 38 28 38 0 0
Urutan : (1,3)(3,4)(4,5)(5,8)(8,10)(10,11)(11,12)

7.
Total
Float S
Free
Float SF
ES EF ES EF
(1,2) 3 0 3 0 30 27 0
(1,3) 5 0 5 0 20 15 0
(1,4) 5 0 5 0 5 0 0
(2,5) 7 3 22 30 37 27 12
(3,5) 17 5 22 20 37 15 0
(3,6) 11 5 16 20 32 16 0
(4,7) 9 5 14 5 14 0 0
(5,9) 11 22 48 37 48 15 15
(6,8) 9 16 41 32 41 16 16
(7,8) 27 14 41 14 41 0 0
(8,9) 7 41 48 41 48 0 0
Urutan : (1,4)(4,7)(7,8)(8,9)

REFERENSI


Yogyakarta : BPFE
McGraw-Hill


VIII. RANTAI MARKOV

Rantai markov adalah suatu teknik matematik yang biasa digunakan untuk
pembuatan model bermacam-macam sistem dan proses bisnis. Teknik ini dapat
digunakan untuk memperkirakan perubahan-perubahan di waktu yang akan
datang dalam variabel-variabel dinamis atas dasar perubahan-perubahan dari
variabel-variabel dinamis tersebut waktu lalu.
Analisis Markov telah digunakan dengan berhasil terhadap berbagai macam
situasi keputusan antara lain penyelidikan dan menganalisa dan memperkirakan
perilaku konsumen terhadap merk tertentu dan peralihan mereka dari satu merk
ke merk lainnya, perubahan sikap pelanggan dari pembayaran lang-sung ke
pembayaran terlambat 30 hari atau pembayaran terlambat 60 hari hingga
hutang buruk/kredit macet, perhitungan rekening, jasa persewaan mobil,
perencanaan penjualan, masalah persediaan, pemeliharaan mesin, antrian,
perubahan harga pasar saham, dan administrasi rumah sakit

Contoh:

PENDAHULUAN


Setelah mempelajari materi ini mahasiswa dapat memperkirakan perubahan-
perubahan di waktu yang akan datang dalam variabel-variabel dinamis atas dasar
perubahan-perubahan dari variabel-variabel dinamis tersebut waktu lalu.

1. Mahasiswa dapat memahami rantai markov karena analisis Markov telah
digunakan dengan berhasil terhadap berbagai macam situasi keputusan
2. Mahasiswa dapat memperkirakan perubahan-perubahan di waktu yang akan
datang dalam variabel-variabel dinamis atas dasar perubahan-perubahan dari
variabel-variabel dinamis tersebut waktu lalu.
3. Mahasiswa diharapkan dapat membuat model bermacam macam sistem dan
proses bisnis.


UMUM

1. Penjelasan mengenai analisis rantai markov
2. Penjelasan mengenai model program dinamis dengan stage terbatas
3. Penjelasan mengenai model program dinamis dengan stage tidak terbatas
4. Penjelasan mengenai metode policy iterasi.
5. Contoh soal
6. Latihan soal
7. Penutup

1.
2.
3.
4.

KONSEP-KONSEP DASAR
1. PROSES MARKOV
Adapun proses model rantai Markov, dapat dilakukan dengan langkah-langkah:
a. Menyusun Matriks Probabilitas Transisi
Probabilitas transisi adalah probabilitas suatu merk tertentu (atau penjual) akan
tetap menguasai para pelanggannya.
b. Menghitung kemungkinan Market Share di waktu yang akan datang
Perhitungan market share di periode waktu kedua dapat diperoleh dengan
mengalikan martiks probabilitas transisi dengan market share pada periode
pertama.
c. Menentukan Kondisi Equilibrium
Kondisi equilibrium tercapai bila tidak ada pesaing yang mengubah matriks
probabilitas transisi. Peng-gunaan matriks probabilitas transisi dapat
menggambarkan kondisi-kondisi equilibrium.

2. KONDISI ANALISIS MARKOV (ASUMSI DASAR)
- Jumlah probabilitas pada setiap kejadian yang independen secara bersamaan
adalah sama dengan satu (=1)
- Probabilitas tidak berubah selamanya
- Probabilitas tergantung pada status sekarang

MENYUSUN MATRIKS PROBABILITAS TRANSISI
Contoh 1: Pergeseran Pelanggan (1)
Untuk memperoleh matriks probabilitas transisi atau matrik P diperlukan
pengamatan yang diteliti terhadap kondisi system yang diamati pada satu periode
ke periode berikutnya. Misalkan di suatu daerah dipasarkan 4 merk sabun
deterjen, mis merk A, B, C, dan D. tabel berikut menunjukkan data jumlah
RINGKASAN MATERI


langganan masing-masing merk pada periode pertama, perubahan jumlah
langganan yang terjadi pada satu periode, dan jumlah langganan pada periode
kedua.
Merk
Jumlah langganan
periode I
Perubahan selama periode Jumlah
langganan
periode II
Pindah Ke Pindah Dari
A 220 50 45 225
B 300 60 70 290
C 230 25 25 230
D 250 40 35 225
TOTAL 1000 175 175 970

Tabel di atas memberikan informasi pada awal periode sebagai berikut:
Misalkan:
Jumlah langganan merk A ada 220 orang, selama periode berlangsung terjadi
perubahan yaitu responden yang semula tidak memilih A beralih ke merk A
sebanyak 50 orang. Sebaliknya yang dari semula memilih merk A berubah
menjadi langganan merk lain sebanyak 45 orang. Pada akhir periode atau awal
periode kedua, jumlah langganan A sebanyak 225 orang (220+50-45).


Maka matriks probabilitas transisi dari tabel di atas adalah:
Merk
Jumlah
langganan
periode I
Tambahan Dari
Merk
Pengurangan ke
Merk
Jumlah
langganan
periode II
A B C D A B C D
A 220 0 40 0 10 0 40 0 10 225
B 300 20 0 25 15 20 0 25 15 290
C 230 10 5 0 10 10 5 0 10 230
D 250 15 25 0 0 15 25 0 0 225
TOTAL 1000 970

Data di atas memberikan informasi sebagai berikut:
Dari sejumlah 220 langganan A pada periode pertama, telah beralih menjadi
langganan B sebanyak 20 orang, menjadi langganan C sebanyak 10 orang dan
langganan D sebanyak 15 orang. Maka jumlah langganan pada periode pertama
memilih A dan pada periode kedua masih tetap memilih A (bukan langganan
baru) adalah sebanyak (220-20-10-15 = 175 orang). Dengan kata lain probabilitas
bahwa langganan A pada periode pertama tetap menjadi langganan A, pada
periode kedua adalah sebesar 175/220 = 0,796. Apabila perhitungan dilanjutkan
maka probabilitas transisi akan menjadi:


Contoh 2
Narik vs mogok
Pemilik angkot mempunyai probabilitas narik atau mogok pada esok hari adalah:
P(narik/narik) =0,6 P(narik/mogok) =0,8
P(mogok/narik)=0,4 P(mogok/mogok)=0,2
Tricks: P(narik/mogok) = 0,8 bararti probabilitas besok narik jika hari ini mogok
adalah 0,8.
Matriks probabilitasnya..
Sekarang Besok
Narik Mogok
Narik 0,6 0,4
Mogok 0,8 0,2

ANALISIS MARKOV


Kesimpulan
Probabilitas angkot narik pada hari ke-3 jika hari ke 1 narik adalah : 0,36 +
0,32 = 0,68
Probabilitas angkot mogok pada hari ke-3 jika hari ke 1 narik adalah : 0,24 +
0,08 = 0,32
Probabilitas angkot narik pada hari ke-3 jika hari ke 1 mogok adalah : 0,48 +
0,16 = 0,64
Probabilitas angkot mogok pada hari ke-3 jika hari ke 1 mogok adalah : 0,32 +
0,04 = 0,36
Latihan soal probabilitas transisi
1. Di kota Bandung ada 3 restoran bebek goreng: Ryan, Ika dan Subhan dengan
jumlah pelanggan 7000 orang. Hasil penelitian bulan pertama dan kedua
didapat data sebagai berikut:
Resto
Pelanggan
Bul-1 Bul-2
Ryan 2000 2100
Ika 4000 3300
Subhan 1000 1600
Jumlah 7000 7000


Pergerakan pelanggan dari resto satu ke resto lain ditunjukkan dalam tabel:
Bul-1 Bul-2 Jumlah
Ryan Ika Subhan
Ryan 1600 200 200 2000
Ika 400 2800 800 4000
Subhan 100 300 600 1000
Jumlah 2100 3300 1600 7000

Hitunglah matrik probabilias transisinya?

2. Pemilik jasa angkutan barang mempunyai probabilitas narik atau mogok pada
esok hari adalah:
P(narik/narik) =0,7 P(narik/mogok) =0,6
P(mogok/narik)=0,3 P(mogok/mogok)=0,4
Tentukan probabilitas narik dan probabilitas mogok pada hari ke-4?


MODEL PROGRAM DINAMIS DENGAN STAGE TERBATAS
Misalkan. Kondisi sebuah mesin yang digunakan dalam suatu proses produksi
diketahui menurun dengan cepat, baik dalam kualitas maupun outpunya. Karena
itu, thd mesin dilakukan pemeriksaan secara periodik, yaitu pada setiap akhir
bulan. Kondisi mesin dicatat dan diklasifikasikan ke dalam tiga keadaan (state) :
State Kondisi
1 Baik
2 Cukup
3 Rusak
Jika Xt adalah state mesin setelah dilakukan pemeriksaan pada akhir bulan ke-t,
maka urutan dari state {Xt} dapat dipandang sbgi proses stochastic. Probabilitas
Transisi selama periode 1 bulan adalah:
State
pada
bulan
ini P1=
State bulan YAD
1 (baik) 2 (cukup) 3 (rusak)
1 (Baik) 0.2 0.5 0.3
2 (cukup) 0 0.5 0.5
3 (Rusak) 0 0 1
Dari matrik P1 di atas jelas bahwa sekali mesin itu rusak (State 3) maka akan
tetap rusak. Kondisi akan berubah bila ada perbaikan (overhaul), maka matrik
transisinya adalah P2 sebagai berikut:
State pada
bulan ini
P2=

1 2 3
1 0.3 0.6 0.1
2 0.1 0.6 0.3
3 0.05 0.4 0.55


Struktur ongkos (penerimaan/pengeluaran) selama periode 1 bulan tergantung
pada state masing-masing matriks transisi. Jika diketahui bahwa struktur ongkos
apabila tidak dilakukan overhaul adalah R1 dan struktur ongkos bila overhaul
adalah R2, dimana:
R1 =
1 2 3
1 7 6 3
2 0 5 1
3 0 0 -1

R2 =
1 2 3
1 6 5 -1
2 7 4 0
3 6 3 -2
Keputusan apakah yang sebaiknya harus dilakukan? Apakah mesin ini terus
dioperasikan dalam beberapa bulan tertentu yang lamanya terbatas atau tidak
terbatas dioperasikannya. Jenis keputusan lainnya ialah pengevaluasian ekspektasi
pendapatan dari suatu tindakan yang ditetapkan apabila suatu state dari sistem
terjadi. Misal diputuskan untuk melakukan overhaul bila mesin dalam kondisi
rusak (state 3). Proses ini dikatakan STATIONARY POLICY.


STATIONARY STATE: berkaitan dengan matriks transisi dan matriks ongkos
yang berbeda yang dibentuk oleh matriks P1, P2, R1, dan R2.
Contoh:
Stationary Policy untuk melakukan overhaul hanya jika mesin dalam kondisi
rusak (state 3), matriks transisi dan matriks ongkosnya adalah P dan R sebagai
berikut:
P=
1 2 3
1 0.2 0.5 0.3
2 0 0.5 0.5
3 0.05 0.4 0.55

R=
1 2 3
1 7 6 3
2 0 5 1
3 6 3 -2

Matriks P dan R berbeda dari matrik P1 dan R1 hanya baris ketiga yang diambil
lansung dari P2 dan R2. Alasannya matriks-matriks yang dihasilkan apabila
overhaul dilakukan pada setiap state


MODEL PROGRAM DINAMIS DENGAN STAGE TIDAK TERBATAS
- Metode Enumerasi Sempurna
Mengenumerasi seluruh stationary policy hingga diperoleh solusi optimumnya.
Metode ini dgunakan apabila jumlah total stationary tidak terlalu besar sehingga
masing dapat dihitung.
- Policy Iteration
Efisien dalam arti dapat mencapai solusi optimum dalam jumlah iterasi yang
kecil.

1. METODE ENUMERASI SEMPURNA
Misalkan suatu persoalan keputusan mempunyai sejumlah S stationary policy dan
diasumsikan bahwa P dan R adalah matriks transisi (Satu langkah) dan matriks
pendapatan yang berkaitan dengan policy ke-k, s=1,2,,...,S. Maka langkah-
langkah enumerasinya adalah sbb:
Langkah 1.
Hitung harga
S
i
V yaitu ekspektasi pendapatan satu langkah (satu periode) dari
policy S pada state i, i = 1,2,3,...,
Langkah 2.
Hitung
S
i
t yaitu probabilitas steady stationary jangka panjang dari matriks
transisi
S
P yang berkaitan dengan policy S. Probabilitas ini jika ada dihitung
dengan persamaan
1 ...
2 1
= + + +
=
S
m
S S
S S S
P
t t t
t t

Di mana
) 1 ,..., , (
2
1
= =
S
m
S S S
t t t t


Langkah 3.
Tentukan
S
E yaitu ekspektasi pendapatan dari policy s untuk setiap langkah
ransisi (Periode) dengan menggunakan persamaan
=
=
m
i
S
i
S
i
S
V E
1
t
Langkah 4.
Policy Optimum S* ditentukan dengan:
{ }
S
S
S
E maks E =

Contoh:
Pada perosalan perbaikan mesin ada 8 stationary policy sbb:
Stationary policy s Tindakan
1 Tidak melakukan overhaul sama sekali
2 Overhaul tanpa memperhatikan state
3 Overhaul jika sistem dalam state 1
6 Overhaul jika sistem dalam state 1 atau 2


Maka diperoleh:
P1=
1 2 3
R1 =
1 2 3
1 0.2 0.5 0.3 1 7 6 3
2 0 0.5 0.5 2 0 5 1
3 0 0 1 3 0 0 -1

P2=
1 2 3
R2 =
1 2 3
1 0.3 0.6 0.1 1 6 5 -1
2 0.1 0.6 0.3 2 7 4 0
3 0.05 0.4 0.55 3 6 3 -2

P3=
1 2 3
R3 =
1 2 3
1 0.3 0.6 0.1 1 6 5 1
2 0 0.5 0.5 2 0 5 1
3 0 0 1 3 0 0 -1

P4=
1 2 3
R4 =
1 2 3
1 0.2 0.5 0.3 1 7 6 0.3
2 0.1 0.6 0.3 2 7 4 0
3 0 0 1 3 0 0 -1


P5=
1 2 3
R5 =
1 2 3
1 0.2 0.5 0.3 1 7 6 3
2 0 0.5 0.5 2 0 5 1
3 0.05 0.4 0.55 3 6 3 -2

P6=
1 2 3
R6 =
1 2 3
1 0.3 0.6 0.1 1 6 5 -1
2 0.1 0.6 0.3 2 7 4 0
3 0 0 1 3 0 0 -1

P7=
1 2 3
R7 =
1 2 3
1 0.3 0.6 0.1 1 6 5 1
2 0 0.5 0.5 2 0 5 1
3 0.05 0.4 0.55 3 6 3 -2

P8=
1 2 3
R8=
1 2 3
1 0.2 0.5 0.3 1 7 6 3
2 0.1 0.6 0.3 2 7 4 0
3 0.05 0.4 0.55 3 6 3 -2


Langkah 1. Nilai
S
i
V nya dihitung sebagai berikut:
Contoh: perhitungan pada state 1 dengan tindakan tidak melakukan overhaul sama
sekali, maka nilai
1
1
V adalah
1 1 1 0 0 0 0
3 1 5 , 0 5 5 , 0 0 0
3 , 5 3 3 , 0 6 5 , 0 7 2 , 0
1
3
1
2
1
1
= + + =
= + + =
= + + =
X X X V
X X X V
X X X V

Dengan cara yang sama, maka dapat diketahui nilai
S
i
V sebagai berikut:
S

1 2 3
1 5,3 3 -1
2 4,7 3,1 0,4
3 4,9 3 -1
4 4,49 3,1 -1
5 5,3 3 0,4
6 4,7 3,1 -1
7 4,9 3 0,4
8 5,3 3,1 0,4
Langkah 2. Perhitungan probabilitas stationarynya diperoleh dengan
menggunakan persamaan
1 ...
2 1
= + + +
=
S
m
S S
S S S
P
t t t
t t

di mana :
S
i
V

) 1 ,..., , (
2
1
= =
S
m
S S S
t t t t
Sebagai contoh, jika s = 2 maka diperoleh
1 3 2 1
3 3 55 , 0 2 3 , 0 1 1 , 0
2 3 4 , 0 2 6 , 0 1 6 , 0
1 3 05 , 0 2 1 , 0 1 3 , 0
= + +
= + +
= + +
= + +
t t t
t t t t
t t t t
t t t t

Dengan menggunakan eliminasi atau substitusi maka diperoleh:
59 / 2
59 / 31
59 / 6
2
3
2
2
2
1
=
=
=
t
t
t

Maka ekspektasi pendapatan per bulan adalah:
= =
=
3
1
2 2 2
i
i i
V E t 1/59 (6x4,7+31x3,1+22x0,4) = 2,256
Dengan cara yang sama, maka dapat diketahui nilai
S
i
t dan
S
E sebagai berikut:

s
1
t
s
2
t
s
3
t E
s

1 0 0 1 -1
2 6/59 31/59 22/59 2,256
3 0 0 1 0,4
4 0 0 1 -1
5 5/154 69/154 80/154 1,72
6 0 0 1 -1
7 5/137 62/137 70/137 1,73
8 12/135 69/135 54/135 2,22

Latihan soal metode enumerasi sempurna
Sebuah perusahaan sedang memikirkan media massa di antara Radio, TV, atau
Koran yang sebaiknya digunakan untuk media advertensinya. Perusahaan dapat
mengklasifikasikan volume penjualan per minggunya sebagai:
1.Cukup
2.Baik
3.Sangat memuaskan
Probabilitas transisi untuk ketiga media advertensinya di ketahui sebagai berikut:
Radio
1 2 3
Koran
1 2 3
TV
1 2 3
1 0,3 0,4 0,1 1 0,2 0,4 0,2 1 0,6 0,2 0,1
2 0,1 0,6 0,2 2 0,1 0,6 0,2 2 0,2 0,5 0,1
3 0,1 0,2 0,6 3 0 0,1 0,7 3 0,1 0,6 0,2

Sedangkan penghasilan per minggunya apabila melakukan advertensi pada
masing-masing media adalah
Radio
1 2 3
Koran
1 2 3
TV
1 2 3
1 4 5,2 6 1 4 5,3 7,1 1 10 13 16
2 3 4 7 2 3,5 4,5 8 2 8 10 17
3 2 2,5 5 3 2,5 4 6,5 3 6 7 11

Ditanyakan solusi maksimumnya dengan menggunakan metode Enumerasi
Sempurna, media manakah yang akan diambil.


2. METODE POLICY ITERASI
A. METODE POLICY ITERATION TANPA POTONGAN
Metode policy iteration didasarkan aturan berikut:
1. Untuk satu policy tertentu, ekspektasi pendapatan total stage pada n
dinyatakan oleh persamaan rekursif:
=
+
+ =
m
j
n ij i n
j f p V i f
1
1
) ( ) (
di mana i = 1, 2, ..., m
2. Definisikan q sebagai banyaknya stage yang diamati. Maka pers rekursifnya:
=
+
+ =
m
j
ij i
j f p V i f
1
1
) ( ) (
q q

di mana i =1, 2, ..., m, f
q
adalah ekspektasi pendapatan kumulatif
3. Vektor probabilitas pada keadaan steady state dari mariks transisi:
) ,..., , (
2
1
S
m
S S S
t t t t =
Ekspektasi pendapatan per stage:
=
=
m
i
S
i
S
i
S
V E
1
t
Untuk q yang sangat besar:
) (i f E f + =q q
Sehingga persamaan rekursifnya menjadi:
=
+ + = +
m
j
ij i
j f E p V i f E
1
) ( ) 1 ( ) ( q q atau
=
+ =
m
j
ij i
i f j f p V E
1
) ( ) (
Tujuan menentukan policy optimum dan E maksimum.


Proses iteratif terdiri atas dua komponen dasar yang disebut langkah penentuan
nilai dan langkah perbaikan policy.
- Langkah Penentuan Nilai
Pilihlah suatu policy s secara sembarang. Gunakan matriks P
s
dan R
s
Kemudian
secara sembarang asumsikan fs (m) = 0 selesaikan persamaan berikut:
=
+ =
m
j
S S S
ij
S
i
i f j f p V E
1
) ( ) (
- Langkah perbaikan policy
Untuk setiap state i, tentukan alternatik k yang menghasilkan
)
`
=
m
j
s
ij
K
k
K
j f p V Maks
1
) (
Contoh:
Selesaikan persoalan perbaiikan mesin dengan metode policy iteration,
menetapkan policy secara sembarang. Policy tidak melakukan overhaul. Matriks
dari policy itu adalah:
P1=
1 2 3
R1 =
1 2 3
1 0,2 0,5 0,3 1 7 6 3
2 0 0,5 0,5 2 0 5 1
3 0 0 1 3 0 0 -1
Persamaan-persamaan dari langkah penentuan nilainya adalah
E + f(1) 0,2 f(1) 0,5f(2) 0,3 f(3) = 5,3
E + f(2) - 0,5 f(2) - 0,5 4(3) = 3
E + f(3) - 1 f (3) = -1


Sembarang f(3) = 0, maka:
E = -1, f(1) = 12,88 , f2) = 8, f(3) = 0.
Berikutnya adalah langkah perbaikan policy. Perhitungannya adalah:

Policy yang baru adalah melakukan overhaul tanpa memperhatikan state. Karena
policy ini berbeda dari semula (tidak melakukan overhaul), maka langkah
penentuan nilai harus diulangai. Matriks dari policy yang baru adalah:
P2=
1 2 3
R2 =
1 2 3
1 0,3 0,6 0,1 1 6 5 -1
2 0,1 0,6 0,3 2 7 4 0
3 0,05 0,4 0,55 3 6 3 -2

Matriks ini akan memberikan persamaan:
E + f(1) 0,3 f(1) 0,6 f(2) 0,1 f(3) = 4,7
E + f(2) 0,1 f(1) 0,6 f(2) 0,3 f(3) = 3,1
E + f(3) 0,05 f(1) 0,4 f(2) 0,55 f(3) = 0,4


Dengan f(3) = 0, maka
E = 2,26, f(1) = 6,75, f(2) = 3,79, f(3) = 0

B. METODE POLICY ITERATION POTONGAN
Metode yang dijelaskan dapat diperluas dengan memasukkan faktor potongan.
Jika faktor potongan itu adalah (<1) maka persamaan rekuesif untuk stage yang
terbatas dinyatakan dengan:
=

+ =
m
j
k
ij
K
i
K
j f p V Maks i f
1
1
)} ( { ) ( o
q

- Langkah Penentuan Nilai
Pilihlah suatu policy s secara sembarang. Gunakan matriks P
s
dan R
s
selesaikan
m persamaan berikut:
=
+ =
m
j
S
ij
S
i
S
j f p V i f
1
) ( ) ( o

- Langkah perbaikan policy
Untuk setiap state i tentukan alternatif k yang menghasilkan:
)
`
+

=
m
j
s S
ij
K
k
K
j f p V Maks
1
) ( o

dimana i = 1,2,.., m
Dimana f
s
(j) adalah hasil yang diperoleh pada langkah penentuan nilai. Jika
policy t yang dihasilkan sama dengan s, stop; t adalah policy optimum. Jika tidak,
tetapkan s=t, dan kembali pada langkah penentuan nilai.
Contoh:
Selesaikan persoalan perbaikan mesin dengan metode policy iteration yang
menggunakan faktor potongan 0,6
Mulai dengan sembarang policy s =1, 1, 1 yaitu tidak melakukan overhaul sama
sekali
Matrik P dan R nya
P=
1 2 3
R =
1 2 3
1 0,2 0,5 0,3 1 7 6 3
2 0 0,5 0,5 2 0 5 1
3 0 0 1 3 0 0 -1

Sehingga diperoleh persamaan
f(1) -0,6 { 0,2 f(1) + 0,5 f(2) + 0,3 f(3) } = 5,3
f(2) 0,6 { 0,5 f(2) + 0,5 f(3) } = 3
f (3) -0,6 { f(3) } = -1
Solusinya :
f(1) = 6,6, f(2) = 3,21; f(3) = -2,5


Kembali kepada langkah penentuan nilai dengan matriks
P=
1 2 3
R =
1 2 3
1 0,3 0,6 0,1 1 6 5 -1
2 0,1 0,6 0,3 2 7 4 0
3 0,05 0,4 0,55 3 6 3 -2
Bila policy berbeda dari policy sebelumnya, maka langkah penentuan nilai
diulang dengan matrik P dan R sebagai berikut:
P=
1 2 3
R
=
1 2 3
1 0,2 0,5 0,3 1 7 6 3
2 0,1 0,6 0,3 2 7 4 0
3 0,05 0,4 0,55 3 6 3 -2
Bila policy baru ini identik dengan policy sebelumnya, maka policy ini optimum


PROSES KELAHIRAN DAN KEMATIN MARKOV

A RINGKASAN MATERI
Populasi: himpunan obyek-obyek yang memiliki sifat yang sama. Mis: mobil
yang sednang menunggu di pintu masuk/keluar jalan tol, persediaan dalam
sebuah gudang.
Jumlah anggota dalam suatu populasi tertentu pada saat t di sebut N(t).
Keadaan-keadaan dari suatu proses pertumbuhan adalah berbagai nilai
yang dapat diambil oleh N(t), yang pada umumnya berupa bilangan bulat
positif
Probabilitas bahwa N(t) sama dengan suatu bilangan bulat ditunjukkan
dengan pn(t).
Kelahiran (birth): apabila satu anggota bergabung dengan suatu populasi
Kematian (death): apabila satu anggota meninggalkan populasi
Kelahiran murni: suatu proses yang terdiri dari kelahiran dan tak ada
kematian
Kematian murni: suatu proses yang terdiri dari kematian dan tak ada
kelahiran.

Mis:
Sebuah fakultas mengiklankan jabatan Dekan, dengan suatu tanggal
penutupan lamaran yang ditentukan. Jika sampai pada saat penutupan
lamaran-lamaran yang masuk tidak proses dan jika tidak ada lamaran
yang ditarik kembali oleh para pelamar, maka proses menerima lamaran-
lamaran ini adalah suatu proses kelahiran murni hingga saat penutupan.
Jika tidak ada lamaran yang diterima setelah tanggal penutupan, maka
proses mengurangi jumlah lamaran melalui evaluasi dan eliminisi adalah
proses kematian murni. Jika lamaran-lamaran diproses selama periode
yang sama ketika diterima, maka proses ini adalah suatu proses kelahiran
kematian.


Proses Kelahiran-Kematian Markov Umum
Suatu proses pertumbuhan adalah Markov jika probabilitas-probabilitas
transisi untuk bergerak dari satu keadaan ke keadaan lainnya hanya
bergantung pada keadaan sekarang dan tidak pada bagaimana keadaan
sekarang dicapai.
Suatu proses kelahiran-kematian Markov umum memenuhi kriteria sbb:
Distribuisi-disrtribusi probabilitas yang menentukan jumlah kelahiran dan
kematian dalam suatu selang waktu tertentu hanya bergantung pada
panjang selang dan tidak ada di titik awalnya.
Probabilitas untuk terjadi satu kelahiran saja dalam suatu selang waktu t,
bila pada titik awal selang terdapat suatu populasi dengan n anggota,
adalah nt + ot, di mana n adalah suatu kontanta yang dapat saja
berbeda untuk n yang berbeda.
Probabilitas untuk terjadi satu kematian saja dalam suatu selang waktu t,
bila pada titik awal selang terdapat suatu populasi dengan n anggota,
adalah t + ot, di mana n adalah suatu kontanta yang dapat saja
berbeda untuk n yang berbeda.
Probabilitas untuk terjadi lebih daripada waktu satu kelahiran atau
kematian dalam suatu selang waktu adalah ot kedua-duanya.

Proses Kelahiran Markov Linear
Proses kelahiran markov adalah suatu proses kelahiran murni Markov
dalam mana probabilitas dari suatu kelahiran dalam suatu selang waktu
yang kecil sebanding dengan jumlah anggota yang sekarang dalam
populasi dan panjang selang waktu ini. Yakni n = 0 dan n = n untuk
semua n. Konstanta banding adalah laju kelahiran atau kedatangan

t
n t
n
e e
t p

=
0
) 1 (
) (
1

Ukuran populasi yang diharapkan pada saat t adalah E[N(t)] = et.
Jika populasinya dimulai dengan N(0) anggota maka ukuran populasi yang
diharapkan pada saat t adalah
E[N(t)]=N(0) et

Sebuah proses kelahiran Markov Linear yang dimulai dengan satu anggota
mengalami suatu laju kelahiran rata-rata setiap jam sebesar =2. Tentukan
probabilitas untuk mendapatkan suatu populasi yang lebih besar daripada
3 setelah setelah 1 jam, dan ukuran populasi yang diharapkan pada saa itu.
Jawab:
Dengan =2 kelahiran per kelahiran per jam dan dengan t=1 jam, maka:
Po(1) = 0
P1(1) = (1-e-2)0e-2=0.135
P2(1) = (1-e-2)1e-2=0.117
P3(1) = (1-e-2)2e-2=0.101
Dengan demikian probabilitas untuk mendapatkan lebih dari tiga anggota
dalam populasi setelah 1 jam adalah:
1- (0+0.135+0.117+0.101) = 0.647
Ukuran populasi yang diharapkan pada saat itu diberikan yakni:
E[N(1)] = 1e2(1) = 7.389 anggota

Proses kematian markov linear

Proses kematian markov adalah suatu proses kematian murni Markov dalam
mana probabilitas terjadinya suatu kematian dalam suatu selang waktu
yang kecil sebanding dengan ukuran populasi sekarang dan panjang
selang waktu ini. Yakni n = 0 dan n = n untuk semua n. Konstanta
banding adalah laju kematian. Pemecahan rumus untuk suatu populasi
yang dimulai dengan N(0) anggota adalah:

Ukuran populasi yang diharapkan pada saat t adalah E[N(t)] = et

Sebuah proses kematian markov linear yang dimulai dengan 10 anggota
mengalami suatu kematian rata-rata per minggu sebesar =0,6. Tentukan
probabilitas untuk mendapatkan suatu populasi dengan sekurang-kurangnya
delapan anggota setelah 3 hari dan ukuran populasi yang diharapkan pada saa itu.
Jawab
Dengan N(0) =10, t=(3/7) minggu dan =0,6 kematian per anggota per minggu
maka:


Dengan demikian, probabilitas untuk mendapatkan delapan atau lebih anggota
setelah 3 hari adalah:
0,296+0,224+0,076 = 0,596
Ukuran populasi yang diharapkan pada saat itu diberikan yakni:
E[N(1)] = 1e-(0,6)(3/7) = 7.73 anggota

Latihan Soal
1. Sebuah proses kelahiran Markov yang dimulai dengan satu anggota
mengalami suatu laju kelahiran rata-rata setiap jam sebesar =2. Tentukan
probabilitas untuk mendapatkan suatu populasi yang lebih besar daripada 2
setelah 1 jam.
2. Pada suatu fasilitas, langganan datang dengan mengikuti distribusi poisson,
dengan rata-rata dua orang/jam. Berapakah peluang bahwa pada fasilitas itu
akan datang paling sedikit seorang langganan dalam periode 1 jam?
3. Persediaan suatu barang dari stock yang semula sebanyak 80 unit, diketahui
berkurang terus menerus. Pengurangan ini mengikuti distribusi poisson
dengan rata-rata 5 unit per hari. Berapakah:
a. Peluang bahwa telah berkurang sebanyak 10 unit dalam dua hari pertama?
b. Peluang bahwa seluruh barang itu habis setelah 4 hari?

b.

Yogyakarta : BPFE
McGraw-Hill

REFERENSI


IX. SISTEM ANTRIAN

Sistem antrian dapat digunakan sebagai upaya sebuah organisasi untuk
memberikan pelayanan yang terbaik. Pelayanan yang terbaik tersebut diantaranya
adalah memberikan pelayanan yang cepat sehingga pelanggan tidak dibiarkan
menunggu (mengantri) terlalu lama. Namun demikian, dampak pemberian
layanan yang cepat ini akan menimbulkan biaya bagi organisasi, karena harus
menambah fasilitas layanan. Oleh karena itu, metoda system antrian dapat
digunakan sebagai upaya pengoptimalan operational perusahaan.

Setelah mempelajari materi ini mahasiswa dapat mengetahui dan menganalisis
kompenen dalam sistem dan berbagai model sistem antria sehingga dapat
menentukan sistem antrian yang optimal.

1. Mahasiswa dapat mengetahui komponen system antrian
2. Mahasiswa dapat menganalisis dan menentukan komponen yang
berpengaruh dalam system antrian
3. Mahasiswa mampu memahami dan membedakan model-model system
antrian
4. Mahasiswa dapat menghitungan dan menentukan system antrian yang
optimal dalam beberapa kasus yang ada


UMUM
PENDAHULUAN


1. Pembukaan
materi yang akan di bahas), pokok bahasan , dan kompetensi yang akan
dicapai (TIU dan TIK).
diskusi dan tanya jawab.
6. Penutup

1.
2.
3.
4.

A. RINGKASAN MATERI
Antrian yang panjang sering kali kita lihat di bank saat nasabah mengantri di
teller untuk melakukan transaksi, airport saat para calon penumpang melakukan
check-in, di super market saat para pembeli antri untuk melakukan pembayaran,
di tempat cuci mobil: mobil antri untuk dicuci dan masih banyak contoh lainnya.
Di sektor jasa, bagi sebagian orang antri merupakan hal yang membosankan dan
sebagai akibatnya terlalu lama antri, akan menyebabkan pelanggan kabur. Hal ini
merupakan kerugian bagi organisasi tersebut. Untuk mempertahankan pelanggan,
sebuah organisasi selalu berusaha untuk memberikan pelayanan yang terbaik.
Pelayanan yang terbaik tersebut diantaranya adalah memberikan pelayanan yang
cepat sehingga pelanggan tidak dibiarkan menunggu (mengantri) terlalu lama.
Namun demikian, dampak pemberian layanan yang cepat ini akan menimbulkan
biaya bagi organisasi, karena harus menambah fasilitas layanan. Oleh karena itu,
layanan yang cepat akan sangat membantu untuk mempertahankan pelanggan,
yang dalam jangka panjang tentu saja akan meningkatkan keuntungan perusahaan.
B. KOMPONEN SISTEM ANTRIAN
Ada tiga komponen dalam sistEm antrian yaitu :
1. Kedatangan, populasi yang akan dilayani (calling population)
Karakteristik dari populasi yang akan dilayani (calling population) dapat dilihat
menurut ukurannya, pola kedatangan, serta perilaku dari populasi yang akan
dilayani. Menurut ukurannya, populasi yang akan dilayani bisa terbatas (finite)
bisa juga tidak terbatas (infinite). Sebagai contoh jumlah mahasiswa yang antri
untuk registrasi di sebuah perguruan tinggi sudah diketahui jumlahnya (finite),
sedangkan jumlah nasabah bank yang antri untuk setor, menarik tabungan,
maupun membuka rekening baru, bisa tak terbatas (infinte).
Pola kedatangan bisa teratur, bisa juga acak (random). Kedatangan yang teratur
sering kita jumpai pada proses pembuatan/ pengemasan produk yang sudah
distandardisasi. Pada proses semacam ini, kedatangan produk untuk diproses pada
bagian selanjutnya biasanya sudah ditentukan waktunya, misalnya setiap 30 detik.
RINGKASAN MATERI


Sedangkan pola kedatangan yang sifatnya acak (random) banyak kita jumpai
misalnya kedatangan nasabah di bank. Pola kedatangan yang sifatnya acak dapat
digambarkan dengan distribusi statistik dan dapat ditentukan dua cara yaitu
kedatangan per satuan waktu dan distribusi waktu antar kedatangan.
Contoh : Kedatangan digambarkan dalam jumlah satu waktu, dan bila kedatangan
terjadi secara acak, informasi yang penting adalah Probabilitas n kedatangan
dalam periode waktu tertentu, dimana n = 0,1,2,.
Jika kedatangan diasumsikan terjadi dengan kecepatan rata-rata yang konstan dan
bebas satu sama lain disebut distribusi probabilitas Poisson Ahli matematika dan
fisika, Simeon Poisson (1781 1840), menemukan sejumlah aplikasi manajerial,
seperti kedatangan pasien di RS, sambungan telepon melalui central switching
system, kedatangan kendaraan di pintu toll, dll. Semua kedatangan tersebut
digambarkan dengan variabel acak yang terputus-putus dan nonnegative integer
(0, 1, 2, 3, 4, 5, dst). Selama 10 menit mobil yang antri di pintu toll bisa 3, 5, 8,
dst.
Ciri distribusi poisson:
1. Rata-rata jumlah kedatangan setiap interval bisa diestimasi dari data
sebelumnya
2. Bila interval waktu diperkecil misalnya dari 10 menit menjadi 5 menit, maka
pernyataan ini benar
a. probabilita bahwa seorang pasien datang merupakan angka yang sangat
kecil dan konstan untuk setiap interval
b. probabilita bahwa 2 atau lebih pasien akan datang dalam waktu interval
sangat kecil sehingga probabilita untuk 2 atau lebih dikatakan nol (0).
c. Jumlah pasien yang yang datang pada interval waktu bersifat independent
d. Jumlah pasien yang datang pada satu interval tidak tergantung pada
interval yang lain.


Probabilitas n kedatangan dalam waktu T ditentukan dengan rumus:
!
) (
) , (
n
T e
T n P
n T

=
dimana :
= rata-rata kedatangn persatuan waktu
T = periode waktu
n = jumlah kedatangan dalam waktu T
P (n,T) = probabilitas n kedatangan dalam waktu T

Jika kedatangan mengikuti Distribusi Poisson dapat ditunjukkan secara matematis
bahwa waktu antar kedatangan akan terdistribusi sesuai dengan distribusi
eksponensial.
t
e t T P

= s 1 ) ( 0 s t s
dimana
P(T t) = probabilitas di mana waktu antar kedatangan T suatu waktu tertentu
= rata - rata kedatangan persatuan waktu
t = suatu waktu tertentu

Suatu faktor yang mempengaruhi penilaian distribusi kedatangan adalah ukuran
populasi panggilan .
Contoh : jika seorang tukang reparasi sedang memperbaiki enam buah mesin,
populasi panggilan dibatasi sampai dengan enam buah mesin. Dalam hal ini tidak
mungkin bahwa kedatangan mengikuti distribusi Poisson sebab tingkat kecepatan
kerusakan tidak konstan. Jika lima buah mesin telah rusak, tingkat kedatangan
lebih rendah daripada bila seluruh mesin dalam keadaan operasi.


Perilaku kedatangan
Populasi yang akan dilayani mempunyai perilaku yang berbeda-beda dalam
membentuk antrian. Ada tiga jenis perilaku: reneging, balking, dan jockeying.
Reneging menggambarkan situasi dimana seseorang masuk dalam antrian, namun
belum memperoleh pelayanan, kemudian meninggalkan antrian tersebut. Balking
menggambarkan orang yang tidak masuk dalam antrian dan langsung
meninggalkan tempat antrian. Jockeying menggambarkan orang yang pindah-
pindah antrian
2. Antrian
Batasan panjang antrian bisa terbatas (limited) bisa juga tidak terbatas (unlimited).
Sebagai contoh antrian di jalan tol masuk dalam kategori panjang antrian yang
tidak terbatas. Sementara antrian di rumah makan, masuk kategori panjang antrian
yang terbatas karena keterbatasan tempat. Dalam kasus batasan panjang antrian
yang tertentu (definite line-length) dapat menyebabkan penundaan kedatangan
antrian bila batasan telah tercapai. Contoh :
Sistem Antrian/Garis Tunggu Fasilitas Pelayanan
Lapangan terbang Pesawat menunggu di landasan Landasan pacu
Bank Nasabah (orang) Kasis/teller
Pencucian mobil Mobil Tempat pencucian mobil
Bongkar muat barang Kapal dan truk Fasilitas bongkar muat
Sistem komputer Program komputer CPU, printer, dll
Bantuan pengobatan
darurat
Orang Ambulance
Perpustakaan Member Pegawai perpustakaan
Registrasi mahasiswa Mahasiswa Pusat registrasi
Skedul sidang
pengadilan
Kasus yang disidangkan Pengadilan

3. Fasilitas Pelayanan
Karakteristik fasilitas pelayanan dapat dilihat dari tiga hal, yaitu tata letak (lay
out) secara fisik dari sistem antrian, disiplin antrian, waktu pelayanan.
Tata letak
Tata letak fisik dari sistem antrian digambarkan dengan jumlah saluran, juga
disebut sebagai jumlah pelayan. Sistem antrian jalur tunggal (single channel,
single server) berarti bahwa dalam sistem antrian tersebut hanya terdapat satu
pemberi layanan serta satu jenis layanan yang diberikan. Sementara sistem antrian
jalur tunggal tahapan berganda (single channel multi server) berarti dalam sistem
antrian tersebut terdapat lebih dari satu jenis layanan yang diberikan, tetapi dalam
setiap jenis layanan hanya terdapat satu pemberi layanan. Sistem antrian jalur
berganda satu tahap (multi channel single server) adalah terdapat satu jenis
layanan dalam sistem antrian tersebut , namun terdapat lebih dari satu pemberi
layanan. Sedangkan sistem antrian jalur berganda dengan tahapan berganda (multi
channel, multi server) adalah sistem antrian dimana terdapat lebih dari satu jenis
layanan dan terdapat lebih dari satu pemberi layanan dalam setiap jenis layanan.
A. SINGLE CHANNEL, SINGLE SERVER

B. SINGLE CHANNEL, MULTISERVER


C. MULTICHANNEL, SINGLE SERVER

D. MULTICHANNEL, MULTISERVER

MODEL SISTEM ANTRIAN

Gambar 1. Model Sistem Antrian

Notasi 1 : M tingkat kedatangan mengikuti suatu distribusi Poisson
Notasi 2 : distribusi tingkat pelayanan
Notasi 3 : jumlah fasilitas
Notasi 4 & 5 : sumber populasi & kepanjangan antrian tak terbatas (I) dan
Terbatas(F)
Model 1. M/M/1/I/I
Model 2. M/M/S/I/I
Model 3. M/M/1/I/F
Model 4. M/M/S/F/I

Disiplin antrian
Ada dua klasifikasi yaitu
1. Prioritas: Disiplin prioritas dikelompokkan menjadi dua, yaitu preemptive
dan non preemptive. Disiplin preemptive menggambarkan situasi dimana
pelayan sedang melayani seseorang, kemudian beralih melayani orang yang
diprioritaskan meskipun belum selesai melayani orang sebelumnya. Sementara
disiplin non preemptive menggambarkan situasi dimana pelayan akan
menyelesaikan pelayanannya baru kemudian beralih melayani orang yang
diprioritaskan.
2. First come first serve. menggambarkan bahwa orang yang lebih dahulu
datang akan dilayani terlebih dahulu.
3. Kombinasi dari kedua jenis disiplin antrian tersebut. Yaitu prioritas dan
first come first serve. Sebagai contoh, para pembeli yang akan melakukan
pembayaran di kasir untuk pembelian kurang dari sepuluh jenis barang
(dengan keranjang) di super market disediakan counter tersendiri.
Karakteristik waktu pelayanan. Waktu yang dibutuhkan untuk melayani bisa
dikategorikan sebagai konstan dan acak. Waktu pelayanan konstan, jika waktu
yang dibutuhkan untuk melayani sama untuk setiap pelanggan. Sedangkan
waktu pelayanan acak, jika waktu yang dibutuhkan untuk melayani berbeda-
beda untuk setiap pelanggan. Jika waktu pelayanan acak, diasumsikan
mengikuti distribusi eksponensial.

1. MODEL 1. M/M/1/I/I
Single Channel Model (M/M/1/I/I): Poisson distributed Arrivals and
exponentially distributed service time

MERUMUSKAN MASALAH ANTRIAN
Perkiraan prestasi dari sistem antrian dapat digambarkan dengan misalnya: rata-
rata jumlah kedatangan dalam antrian, rata-rata waktu tunggu dari suatu
kedatangan dan persentase waktu luang dari pelayanan. Ukuran prestasi ini dapat
digunakan untuk memutuskan jumlah pelayanan yang harus diberikan, perubahan
yang harus dilakukan dalam kecepatan pelayanan atau perubahan lain dalam
sistem antrian. Dengan sasaran pelayanan, jumlah pelayan dapat ditentukan tanpa
berpatokan pada biaya waktu tunggu. Ukuran prestasi dan parameter model
antrian ditentukan dengan notasi sebagai berikut:
= rata-rata kecepatan kedatangan (jumlah kedatangan persatuan waktu)
1/ = rata-rata waktu antar kedatangan
= rata-rata kecepatan pelayanan (jumlah satuan yang dilayani persatuan
waktu bila pelayan sibuk).
1/ = rata-rata waktu yang dibutuhkan pelayan
= faktor penggunaan pelayan (proporsi waktu pelayan ketika sedang sibuk)
Pn = probabilita bahwa n satuan (kedatangan) dalam sistem
Lq = rata-rata jumlah satuan dalam antrian (rata-rata panjang antrian)
Ls = rata-rata jumlah satuan dalam sistem
Wq = rata-rata waktu tunggu dalam antrian
Ws = rata-rata waktu tunggu dalam sistem
n = jumlah pelanggan dalam sistem
= jumlah rata-rata pelanggan yang datang per satuan waktu
= jumlah rata-rata pelanggan yang dilayani per satuan waktu
Po = probabilitas tidak ada pelanggan dalam sistem
P = tingkat intensitas fasilitas pelayanan
L = jumlah rata-rata pelanggan yang diharapkan dalam system
W = waktu yang diharapkan oleh pelanggan selama dalam system
S = jumlah fasilitas pelayanan

Dalam Single-channel Queuing Model (M/M/1) akan dibahas permasalahan
antrian yang didasarkan pada asumsi berikut :
1) Satu pelayanan dan satu tahap.
2) Jumlah kedatangan per unit waktu digambarkan oleh Distribusi Poisson
dengan = rata-rata kecepatan kedatangan (M pertama)
3) Waktu pelayanan eksponensial dengan = rata-rata kecepatan pelayanan (M
kedua)
4) Disiplin antrian adalah first come first served seluruh kedatangan dalam
barisan hingga dilayani,
5) Dimungkinkan panjang barisan yang tak terhingga.
6) Populasi yang dilayani tidak terbatas
7) Rata-rata kedatangan lebih kecil dari rata-rata waktu pelayanan ( < )

Dari asumsi tersebut dapat diperoleh hasil secara statistik sebagai berikut :
Pw = probabilitas fasilitas layanan sibuk atau faktor utilisasi fasilitas
= /
Lq = jumlah rata-rata dalam antrian
) (
2

=
Q
L
Ls = jumlah rata-rata di dalam sistem (yang antri dan yang sedang dilayani)
) (
=
S
L
Wq = waktu rata-rata di dalam antrian
) (

=
Q
w
Ws = waktu rata-rata di dalam sistem
) (
1

=
S
w

Gambar 2. Model 1. M/M/1/I
Contoh Soal 1
UD ABC mengoperasikan satu buah pompa bensin dengan satu orang pekerja
yaitu Ali. Rata-rata tingkat kedatangan kendaraan mengikuti distribusi Poisson
yaitu 20 kendaraan/jam. Ali dapat melayani rata-rata 25 kendaraan/jam. Jika
diasumsikan model sistem antrian yang digunakan adalah M/M/1, hitunglah:
1. Tingkat intensitas (kegunaan) pelayanan
2. Jumlah rata-rata kendaraan yang diharapkan dalam sistem
3. Jumlah kendaraan yang diharapkan menunggu dalam antrian
4. Waktu yang diharapkan oleh setiap kendaraan selama dalam sistem
(menunggu pelayanan)
5. Waktu yang diharapkan oleh setiap kendaraan untuk menunggu dalam
antrian

Jawab
Diketahui: = 20, = 25
1. p = / = 20/25 = 0.80
Bahwa Ali akan sibuk melayani kendaraan selama 80% dari waktunya,
sedangkan 20% dari waktunya (1-p) untuk istirahat
2. Ls = / ( ) = 20 / (25-20) = 4, atau
Ls = p / (1-p) = 0.80 / (1-0.80) = 4
Angka 4 menunjukkan bahwa Ali dapat mengharapkan 4 kendaraan yang
berada dalam system

3. Lq = 2 / ( ) = (20)2 / 25(25-20) = 3.2
Jadi kendaraan yang menunggu untuk dilayani dalam antrian sebanyak 3.2
kendaraan
4. Ws = 1 / ( ) = 1 / (25-20) = 0.2 jam atau 12 menit
Jadi waktu rata-rata kendaraan menunggu dalam sistem selama 12 menit
5. Wq = / ( ) = 20 / 25(25-20) = 0.16 jam atau 9.6 menit
Jadi waktu rata-rata kendaraan menunggu dalam antrian selama 9.6 menit


Model 1. M/M/1/I
1. Tingkat kedatangan rata-rata langganan selama periode-periode puncak adalah
50 mobil/jam. Tingkat kedatangan mengikuti suatu distribusi Poisson. Waktu
pelayanan rata-rata 1 menit dengan distribusi eksponensial. Ditanyakan:
a. Jumlah rata-rata pelanggan dalam antrian
b. Jumlah rata-rata pelanggan dalam sistem
c. Waktu menunggu rata-rata dalam antrian
d. Waktu menunggu rata-rata dalam sistem
e. Probabilitas lebih dari satu mobil dalam sistem dan lebih dari 4 mobil
dalam system

2. Di sebuah gedung pertunjukkan hanya terdapat satu loket penjualan tiket.
Penonton yang datang untuk membeli tiket mengikuti distribusi poisson
dengan rata-rata 30 orang per jam. Waktu yang diperlukan untuk melayani
seorang pembeli berdisitribusi eksponensial dengan rata-rata 90 detik.
Berapakah:
a. Probabilitas ada 5 orang pembeli di depan loket
b. Ekspektasi panjang antrian termasuk yang sedang dilayani
c. Ekspektasi panjang antrian tidak termasuk yang sedang dilayani
d. Ekspkektasi waktu menunggu dalam sistem (termasuk waktu pelayanan)
e. Ekspektasi waktu menunggu dalam antrian (tidak termasuk waktu
pelayanan)
f. Probabilitas bahwa seorang pembeli tiket harus menunggu sedikitnya 8
menit sejak ia datang di depan loket hingga selesai mendapatkan tiket.

LATIHAN SOAL


Model 2. M/M/S/I/I
Model 2 ditunjukkan pada gambar . ini adalah system multi channel-single phase
yang mempunyai antrian tunggal dengan melalui beberapa fasilitas pelayanan.
Model ini identik dengan model 1 dengan perbedaan bahwa dua atau lebih
individu dapat dilayani pada waktu bersamaan oleh fasilitas-fasilitas pelayanan
yang berlainan. Model ini mengasumsikan bahwa kedatangan terjadi menurut
input Poisson dengan parameter dan waktu pelayanan untuk masing-masing unit
mempunyai distribusi eksponensial dengan rata-rata 1/ . Jadi disribusi
pelayanan sama, tanpa memperhatikan pelayan mana dari sejumlah S pelayan
yang melakukan pelayanan untuk unit. Tingkat pelayanan rata-rata untuk seluruh
sistem antrian adalah tingkat rata-rata di mana unit yang sudah dilayani
meninggalkan sistem. Tingkat pelayanan rata-rat per pelayanan yang sibuk adalah
, Tingkat pelayanan keseluruhan adalah n =n jika n S. Jika n > S , berarti
semua pelayan sibuk sehingga n=S .Jika < S (tingkat kedatangan rata-rata
lebih kecil dari tingkat pelayanan rata-rata maks), maka hasil steady statenya:

Gambar 2. Model 2. M/M/S/I/I


Dari asumsi tersebut dapat diperoleh hasil secara statistik sebagai berikut :
Po = probabilitas semua saluran (pemberi layanan) menganggur

S
S n
P
S
n
S n
+
=
=
1
1
)
!
) /
(
)! (
) / (
1
0
0

Pw = probabilitas semua saluran secara simultan sibuk (utilization factor)
0
) )( ! (
) / (
P
S S
P
S n
n
w

=

, jika nS
0
) ! (
) / (
P
n
P
n
w

= , jika 0nS
Dengan
S
=
2
0
) 1 ( !
) / (
=
S
P
L
S
q

Ls = jumlah rata-rata dalam sistem
+ = + =
q q S
L W L )
1
(
Wq = rata-rata waktu dalam antrian
q
q
L
W =
Ws = rata-rata waktu dalam system
S
s
L
W =

Contoh Soal:
1. Di sebuah gedung pertunjukkan hanya terdapat dua loket penjualan tiket.
Penonton yang datang untuk membeli tiket mengikuti distribusi poisson
dengan rata-rata 30 orang per jam. Waktu yang diperlukan untuk melayani
seorang pembeli berdisitribusi eksponensial dengan rata-rata 90 detik.
Berapakah:
a. Probabilitas ada 5 orang pembeli di depan loket (0,00674)
b. Ekspektasi panjang antrian termasuk yang sedang dilayani (0,8727)
c. Ekspektasi panjang antrian tidak termasuk yang sedang dilayani (0,1227)
d. Ekspkektasi waktu menunggu dalam sistem (termasuk waktu pelayanan)
(0,2454)
e. Ekspektasi waktu menunggu dalam antrian (tidak termasuk waktu
pelayanan) (1,7454)

Jawab:
4545 , 0
) 8 / 3 1
1
)(
2
) 4 / 3 (
( ) 4 / 3 1 (
1
2
0
=
+ +
= P
a. Karena n > S maka
- 00674 , 0 4545 , 0
) 2 )( ! 2 (
)) 3 / 2 /( ) 2 / 1 ((
2 5
5
= =

w
P
- 1227 , 0
) 8 / 3 1 ( ! 2
8 / 3 ) 3 / 2 / 2 / 1 ( 4545 , 0
2
2
=
=
q
L
- 2454 , 0
2 / 1
1227 , 0
= = =
q
q
L
W
- 8727 , 0
3 / 2
2 / 1
1227 , 0
1
)
1
( = + = + = + =

q q S
L W L
- 7454 , 1
) 2 / 1 (
8727 , 0
= = =
S
s
L
W


Multiple-channel Queuing Model: Poisson distributed service time dan
exponentially service time
Asumsi utama yang mendasari model antrian ini adalah rata-rata tingkat
kedatangan lebih kecil dari tingkat pelayanan semua channel (= jumlah channel
dikalikan rata-rata tingkat pelayanan per channel. Sedangkan asumsi lainnya sama
dengan asumsi yang kita gunakan pada model antrian single-channel. Dari asumsi
tersebut dapat diperoleh hasil secara statistik sebagai berikut :
Po = probabilitas semua saluran (pemberi layanan) menganggur
S = jumlah saluran
S
P =
0

Pw = probabilitas semua saluran secara simultan sibuk (utilization factor)
0
) (
!
1
P
S
S
S
P
s
w

=
Ls = jumlah rata-rata dalam system

+

=
0
2
) ( )! 1 (
) / (
P
S S
L
S
s

=
S q
L L
Wq = rata-rata waktu dalam antrian
q
q
L
W =
Ws = rata-rata waktu dalam system
S
s
L
W =

Contoh soal:
1. Sebuah toko furniture mempunyai 2 loket pembayaran (2 kasir). Pemilik toko
mempertimbangkan untuk menambah 1 loket kasir lagi jika dapat menurunkan
waktu dalam proses pembayaran bagi pelanggannya paling tidak setengahnya.
Dari pengalaman yang ada rata-rata kedatangan pelanggan adalah 8 orang per
jam, dan setiap kasir dapat melayani 5 orang pelanggan per jam. Bagaimana
saran Anda?

2. Pada suatu bank, disediakan 4 loket untuk melayani nasabah. Diketahui bahwa
waktu pelayanan terdistribusi secara eksponensial dengan rata-rata 6
menit/nasabah. Kedatangan nasabah diperkirakan berdistribusi poisson dengan
rata-rata kedatangan 30 orang/jam
a. Rata-rata jumlah orang yang berada dalam sistem dengan 4 loket
pelayanan
b. Rata-rata lama waktu yang dilewatkan oleh para nasabah dalam sistem
c. Rata-rata panjang antrian
d. Rata-rata lama waktu menunggu sebelum masuk kedalam salah satu loket

3. Pompa bensin di Jln AA mempunyai 6 buah tangki yg masing2 dpt melayani
sebuah mobil pada setiap saat. Setiap 3 menit datang sebuah mobil yg akan
mengisi bensin. Waktu mengisi bensin rata-rata 4 menit. Ditanyakan:
a. Probabilitas bahwa semua tangki sedang mengisi/melayani
b. Jumlah rata-rata mobil yang menunggu untuk dilayani


Model 3. M/M/1/I/F

1
0
1
+
=
N
P

atau
) 1 (
8
P
efektif
=
efektif
a
Js J =

efektif
Ja
Wa
=
(

+ +
|
|
.
|
\
|
=
+
+
] ) / ( 1 )[ / 1 (
) / )( ( ) / )( 1 ( 1
1
1
N
N N
N N
js

+
|
|
.
|
\
|
=

] ) / ( 1 )][ / ( 1 [(
) / )( 1 ( ) / )( ( 1
1
2
N
N N
N N
ja

n
N
n
P ) / (
) / ( 1
) / ( 1
1

(
=
+

Contoh soal:
1. SAMSAT Bandung memiliki satu loket drive-through, sehingga masyarakat
tidak perlu keluar mobil untuk mengurus perpanjangan STNK. Diperkirakan
bahwa mobil-mobil tiba sesuai dengan distribusi Poisson dengan kecepatan 1
mobil setiap 3 menit dan bahwa ada cukup ruang untuk menempati satu deret
sebanyak 8 mobil. Masyarakat yang menginginkan pelayanan ini tetapi tidak
dapat bergabung dalam barisan di depan loket pelayanan akan pergi ke tempat
lain. Memerlukan waktu 4 menit secara rata-rata untuk menyelesaikan sebuah
STNK, tetapi waktu pelayanan sebenarnya bervariasi sesuai dengan distribusi
eksponensial. Tentukan berikut ini:
a. Tuliskan antrian ini sebagai model dalam notasi Kendall yang diperluas
b. Kemungkinan bahwa fasilitas itu menganggur.
c. Jumlah pelanggan yang diperkirakan menunggu di luar pelanggan yang
sedang dilayani.
d. Waktu tunggu yang diharapkan sampai seorang pelanggan dapat
memberikan pesanannya pada loket
e. Prosentase masyarakat yang tidak dapat dilayani dalam satu hari, dengan
asumsi loket khusus itu hanya beroperasi selama 4 jam per hari

Jawab:


4. Richard Bronson, Govindasami Naadimuthu.,Operations Research,
Schaums Out Lines, Second Edition, Chapter 18, McGraw-Hill, USA,
1982.
Yogyakarta : BPFE
McGraw-Hill

REFERENSI

Buku Ajarorii

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Buku Ajarorii

Uploaded by

Copyright:

Available Formats

BUKU AJAR

You might also like