MK-1 Modul Kuantitatif A • Perangkat Pengambilan Keputusan

Modul Kuantitatif A
Perangkat Pengambilan
Keputusan
Bagian Empat Modul Kuantitatif
Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu:
1. membuat pohon keputusan sederhana;
2. membuat tabel keputusan;
3. menjelaskan kapan menggunakan setiap jenis lingkungan pengambilan
keputusan;
4. menghitung nilai harapan moneter;
5. menghitung nilai yang diharapkan dari informasi sempurna;
6. mengevaluasi titik-titik pada pohon keputusan;
7. membuat pohon keputusan dengan keputusan yang berurutan.
PROSES PENGAMBILAN KEPUTUSAN DALAM OPERASI
DASAR-DASAR PENGAMBILAN KEPUTUSAN
TABEL KEPUTUSAN
JENIS-JENIS LINGKUNGAN PENGAMBILAN
KEPUTUSAN
Pengambilan Keputusan dalam Ketidakpastian
Pengambilan Keputusan yang Berisiko
Pengambilan Keputusan dalam Keadaan Pasti
Nilai yang Diharapkan dari Informasi Sempurna
POHON KEPUTUSAN
Pohon Keputusan yang Lebih Rumit
Menggunakan Pohon Keputusan dalam Pengambilan
Keputusan Etis
Rangkuman
Istilah-istilah Penting
Menggunakan Peranti Lunak untuk Model Keputusan
Uji Diri Sendiri
Contoh Soal dengan Penyelesaian
Pertanyaan untuk Diskusi
Soal-soal
Studi Kasus: Transplantasi Hati Tom Tucker; Ski Right Corp.
Studi Kasus Tambahan
Daftar Pustaka
GARIS BESAR PEMBAHASAN
MK-2 Manajemen Operasi
c Keputusan pengebor ladang minyak adalah keputusan berat. Ladang Kentucky manakah—Blair
East atau Blair West—yang harus ia bor demi mendapatkan minyak? Keputusan yang salah dalam
pengeboran ladang minyak seperti ini dapat berarti kesuksesan atau kebangkrutan. Pengambilan
keputusan yang benar-benar tidak pasti dan penuh tekanan! Namun dengan menggunakan pohon
keputusan, presiden Tomco Oil, Thomas E. Blair, mengidentifikasi 74 pilihan berbeda, masing-
masing dengan potensi keuntungan bersihnya tersendiri. Apa yang dimulai sebagai faktor-faktor
geologis, permesinan, ekonomis, dan politis yang luar biasa, sekarang menjadi jauh lebih jelas. Blair
berkata, “Analisis pohon keputusan menyediakan cara sistematis untuk merencanakan keputusan-
keputusan ini dan memberikan pemahaman yang lebih jelas mengenai beragam hasil keuangan yang
memungkinkan.”
1
Manajer operasi adalah para pengambil keputusan. Untuk mencapai tujuan organisasi
mereka, manajer harus memahami bagaimana keputusan diambil dan perangkat
pengambil keputusan apa yang digunakan. Secara luas, kesuksesan atau kegagalan
baik individu maupun perusahaan bergantung pada kualitas keputusan yang mereka
ambil. Bill Gates, yang mengembangkan sistem operasi DOS dan Windows, menjadi
pendiri dari perusahaan peranti lunak paling terkemuka di dunia (Microsof) dan
seorang miliuner. Sebaliknya, manajer Firestone —yang memimpin sebuah tim yang
merancang ban mobil yang gagal dan menyebabkan banyak kecelakaan mobil jenis
Ford Explorer di akhir tahun 1990—tidak lagi bekerja di perusahaan tersebut.
PROSES PENGAMBILAN KEPUTUSAN DALAM OPERASI
Apa yang membuat perbedaan antara keputusan yang baik dan tidak baik? Sebuah
keputusan yang “baik” menggunakan pengambilan keputusan secara analitis yang
berdasarkan pada logika serta mempertimbangkan semua data dan alternatif yang
tersedia. Pengambilan keputusan terdiri atas enam langkah.
1
J. Hosseini, “Decision Analysis and Its Application in the Choice between Two Wildcat Ventures”, Interfaces
16, No. 2. Dibuat ulang dengan izin, INFORMS, 901 Elkridge Landing Road, Suite 400, Linthicum, Maryland
21090 USA.
“Eksekutif bisnis adalah
profesi yang melakukan
pengambilan keputusan.
Ketidakpastian adalah
lawannya. Mengatasinya
adalah misinya.”
John McDonald.
“Eksekutif bisnis adalah
profesi yang melakukan
pengambilan keputusan.
Ketidakpastian adalah
lawannya. Mengatasinya
adalah misinya.”
John McDonald.
MK-3 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
1. Mendefinisikan masalah dan faktor-faktor yang memengaruhinya dengan
jelas.
2. Mengembangkan tujuan yang spesifk dan dapat diukur.
3. Mengembangkan sebuah model, yaitu hubungan antara tujuan dan variabel (yang
dapat diukur).
4. Mengevaluasi setiap alternatif solusi berdasarkan pada kelebihan dan
kekurangannya.
5. Memilih alternatif paling baik.
6. Menerapkan keputusan dan menentukan jadwal penyelesaian.
Di sepanjang buku ini, diperkenalkan model matematis dan perangkat yang beragam
untuk membantu manajer operasi membuat keputusan yang lebih baik. Operasi yang
efektif bergantung pada pengambilan keputusan yang dilakukan dengan hati-hati.
Untungnya, terdapat beragam perangkat analisis untuk membantu manajer mengambil
keputusan. Modul ini memperkenalkan dua perangkat—tabel keputusan dan pohon
keputusan. Keduanya digunakan pada beragam situasi MO, mulai dari analisis produk
baru (Bab 5), perencanaan kapasitas (Lampiran Bab 7), perencanaan lokasi (Bab 8),
penjadwalan (Bab 15), dan perencanaan pemeliharaan (Bab 17).
DASAR-DASAR PENGAMBILAN KEPUTUSAN
Terlepas dari kerumitan sebuah keputusan atau canggihnya teknik yang digunakan
untuk menganalisis keputusan tersebut, semua pengambil keputusan dihadapkan
dengan berbagai alternatif dan “kondisi alami”. Notasi berikut akan digunakan pada
modul ini.
1. Istilah
a. Alternatif adalah sebuah tindakan atau strategi yang dapat dipilih oleh seorang
pengambil keputusan (contoh: besok tidak membawa payung).
b. Kondisi alami adalah sebuah kejadian atau situasi di mana pengambil
keputusan hanya memiliki sedikit kendali atau tidak sama sekali (contoh:
cuaca besok).
2. Simbol yang digunakan dalam sebuah pohon keputusan
a. …—adalah sebuah titik keputusan di mana terdapat satu alternatif atau lebih
yang dapat dipilih.
b. {—adalah sebuah titik kondisi alami di mana kondisi alami mungkin akan
terjadi.
Untuk menampilkan alternatif keputusan bagi seorang manajer, pohon keputusan dapat
dibuat dengan menggunakan simbol-simbol di atas. Saat membuat sebuah pohon
keputusan, semua alternatif dan kondisi alami harus dipastikan berada di tempat
yang benar dan logis, serta semua alternatif yang mungkin dan kondisi alami telah
disertakan.
“Manajemen berarti,
dalam analisis terakhir,
subtitusi pemikiran
untuk tenaga dan otot,
pengetahuan untuk
dongeng dan tradisi,
serta kerja sama untuk
kekuatan.” Peter Drucker.
“Manajemen berarti,
dalam analisis terakhir,
subtitusi pemikiran
untuk tenaga dan otot,
pengetahuan untuk
dongeng dan tradisi,
serta kerja sama untuk
kekuatan.” Peter Drucker.
MK-4 Manajemen Operasi
Pohon keputusan sederhana
Getz Products Company sedang menelaah kemungkinan untuk memproduksi dan memasarkan
tempat penyimpanan di halaman belakang rumah. Untuk melaksanakan proyek ini, dibutuhkan
pembangunan sebuah pabrik yang besar atau kecil. Pasar barang yang diproduksi—tempat
penyimpanan—bisa sesuai dan tidak sesuai harapan. Getz tentu juga memiliki pilihan untuk
tidak membuat produk ini sama sekali. Sebuah pohon keputusan untuk situasi ini digambarkan
pada Figur A1.
Pendekatan: Getz memutuskan untuk membuat pohon keputusan.
Solusi: Figur A1 mengilustrasikan pohon keputusan Getz.
Pasar yang tidak diinginkan
Pasar yang diinginkan
Titik keputusan Titik kondisi alami
1
2
Pasar yang tidak diinginkan
Pasar yang diinginkan
B
a
n
g
u
n
p
a
b
r
ik

b
e
s
a
r
T
i
d
a
k

m
e
l
a
k
u
k
a
n

a
p
a
p
u
n
Bangun
pabrik kecil
Figur A1 Pohon Keputusan Getz Products
Pemahaman: Kita tidak pernah boleh mengabaikan pilihan “tidak melakukan apa pun” pada
pohon keputusan karena pilihan tersebut biasanya memungkinkan.
Latihan pembelajaran: Sekarang, Getz mempertimbangkan untuk membangun pabrik
berukuran sedang sebagai pilihan keempat. Gambarkan kembali pohon keputusan pada Figur
A1 untuk menanganinya. [Jawaban: Pohon Anda akan memiliki titik dan cabang yang baru di
antara “Bangun pabrik besar” dan “Bangun pabrik kecil”.]
Masalah serupa: A.2e, A.8b, A.14a, A.15a, A.17a, A.18.
TABEL KEPUTUSAN
Untuk membantu Getz mendefnisikan alternatif yang ada, tabel keputusan juga dapat
digunakan. Untuk setiap alternatif dan kondisi alami tertentu, terdapat konsekuensi
atau hasil yang biasanya dinyatakan sebagai nilai uang. Hal ini disebut nilai kondisional
(conditional value). Perhatikan bahwa semua alternatif pada Contoh A2 disusun
menurun pada sisi kiri tabel, kondisi alami (hasil) disusun melintang di atas, dan nilai
kondisional (imbalan) berada pada tabel keputusan (decision table).
Contoh A1 Contoh A1
Tujuan Pembelajaran
1. Membuat pohon
keputusan sederhana.
Tujuan Pembelajaran
1. Membuat pohon
keputusan sederhana.
Tabel keputusan
Cara tabulasi menganalisis
keputusan alternatif dan kondisi
alami.
Tabel keputusan
Cara tabulasi menganalisis
keputusan alternatif dan kondisi
alami.
MK-5 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
Tabel keputusan
Sekarang, Getz Products ingin menyusun informasi berikut pada tabel. Dengan pasar yang
sesuai harapan, pabrik berukuran besar akan memberikan keuntungan bersih sebesar $200.000.
Jika pasar tidak sesuai harapan, kerugian bersih yang diderita Getz akan bernilai $180.000.
Sebuah pabrik kecil akan menghasilkan keuntungan bersih sebesar $100.000 jika pasarnya
sesuai harapan, tetapi kerugian sebesar $20.000 harus dihadapi Getz jika pasarnya tidak sesuai
harapan.
Pendekatan: Angka-angka ini menjadi nilai kondisional pada tabel keputusan. Kita susun
alternatif di kolom kiri dan kondisi alami melintang di bagian atas tabel.
Solusi: Tabel lengkapnya diperlihatkan pada Tabel A.1.
Tabel A.1 Tabel Keputusan dengan Nilai Kondisional untuk Getz Products
Kondisi Alami
Alternatif Pasar Sesuai Harapan Pasar Tidak Sesuai Harapan
Membangun pabrik besar $200.000 –$180.000
Membangun pabrik kecil $100.000 –$ 20.000
Tidak melakukan apa-apa $ 0 $ 0
Pemahaman: Bagian tersulit dari tabel keputusan adalah mendapatkan data untuk dianalisis.
Latihan pembelajaran: Contoh A3 dan A4 akan menunjukkan cara penggunaan tabel ini.
JENIS-JENIS LINGKUNGAN PENGAMBILAN KEPUTUSAN
Jenis-jenis keputusan yang diambil oleh orang tergantung pada banyaknya pengetahuan
atau informasi yang mereka miliki mengenai situasi tersebut. Terdapat tiga lingkungan
pengambilan keputusan.
1. Pengambilan keputusan dalam ketidakpastian.
2. Pengambilan keputusan yang berisiko.
3. Pengambilan keputusan dalam keadaan pasti.
Pengambilan Keputusan dalam Ketidakpastian
Jika terdapat ketidakpastian yang sangat besar, di mana kondisi alami pada sebuah
tabel keputusan dapat terjadi (pada kondisi di mana peluang hasil keluaran tidak dapat
diperkirakan), pengambilan keputusan hanya dapat dilakukan dengan tiga metode
berikut.
1. Maximax. Metode ini mencari sebuah alternatif yang memaksimalkan hasil
maksimal untuk setiap alternatif. Pertama, cari hasil maksimal setiap alternatif,
dan pilih alternatif dengan jumlah tertinggi. Karena kriteria keputusan ini
Contoh A2 Contoh A2
Tujuan Pembelajaran
2. Membuat tabel keputusan
Tujuan Pembelajaran
2. Membuat tabel keputusan
Tujuan Pembelajaran
3. Menjelaskan kapan
menggunakan setiap jenis
lingkungan pengambilan
keputusan
Tujuan Pembelajaran
3. Menjelaskan kapan
menggunakan setiap jenis
lingkungan pengambilan
keputusan
Maximax
Kriteria yang mencari alternatif
yang memaksimalkan hasil
maksimal.
Maximax
Kriteria yang mencari alternatif
yang memaksimalkan hasil
maksimal.
MK-6 Manajemen Operasi
mencari alternatif yang memiliki kemungkinan keuntungan paling tinggi, kriteria
ini disebut kriteria keputusan “optimistis”.
2. Maximin. Metode ini mencari alternatif yang memaksimalkan hasil minimal
setiap alternatif yang ada. Pertama, cari hasil minimal setiap alternatif, dan
pilih alternatif dengan jumlah terendah. Karena kriteria keputusan ini mencari
alternatif yang memiliki kemungkinan kerugian paling rendah, kriteria ini disebut
kriteria keputusan “pesimistis”.
3. Sama rata. Metode ini mencari alternatif dengan hasil rata-rata tertinggi. Pertama,
kita menghitung hasil rata-rata setiap alternatif, yang merupakan jumlah semua
hasil dibagi dengan jumlah hasilnya. Kemudian, kita memilih alternatif dengan
jumlah maksimal. Pendekatan sama rata ini berasumsi setiap kondisi alami
memiliki kemungkinan yang sama besar untuk terjadi.
Analisis tabel keputusan dalam ketidakpastian
Getz Products Company ingin mencoba ketiga pendekatan tersebut.
Pendekatan: Dengan diberikannya tabel keputusan Getz di Contoh A2, kita tentukan kriteria
keputusan maximax, maximin, dan sama rata.
Solusi: Tabel A.2 adalah jawabannya.
Tabel A.2 Tabel Keputusan untuk Pengambilan Keputusan dalam Ketidakpastian
Kondisi Alami
Alternatif
Pasar Sesuai
Harapan
Pasar Tidak
Sesuai
Harapan Maksimal Minimal Rata-rata
Membangun
pabrik besar
$ 200.000 –$ 180.000 $ 200.000 –$ 180.000 $ 10.000
Membangun
pabrik kecil
$ 100.000 –$ 20.000 $ 100.000 –$ 20.000 $ 40.000
Tidak melakukan
apa-apa
$ 0 $ 0 $ 0 $ 0 $ 0
Maximax Maximin Sama rata
1. Pilihan maximax adalah membangun pabrik besar. Ini merupakan nilai paling tinggi dari
nilai tertinggi di setiap baris atau alternatif.
2. Pilihan maximin adalah tidak melakukan apa-apa. Nilai ini merupakan nilai paling tinggi
dari nilai terendah di setiap baris atau alternatif.
3. Pilihan sama rata adalah membangun pabrik kecil. Nilai ini merupakan nilai paling tinggi
dari hasil rata-rata dari setiap alternatif. Pendekatan ini menggunakan asumsi bahwa semua
hasil untuk setiap alternatif adalah sama.
Pemahaman: Ada orang yang suka mengambil keputusan optimistis (“maximax”) dan ada juga
Maximin
Kriteria yang mencari alternatif
yang memaksimalkan hasil
minimal.
Maximin
Kriteria yang mencari alternatif
yang memaksimalkan hasil
minimal.
Sama rata
Kriteria yang menunjukkan
peluang yang sama untuk setiap
kondisi alami.
Sama rata
Kriteria yang menunjukkan
peluang yang sama untuk setiap
kondisi alami.
Contoh A3 Contoh A3
MK-7 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
yang suka mengambil keputusan pesimistis (“maximin”). Maximax dan maximin menyediakan
skenario perencanaan kasus terbaik-terburuk.
Latihan pembelajaran: Getz menghitung ulang imbal hasil dari membangun pabrik besar ketika
pasar sesuai harapan, dan menaikkannya hingga $250.000. Angka manakah yang berubah di
Tabel A.2? Apakah keputusannya berubah? [Jawaban: Maximax sekarang bernilai $250.000, dan
rata-rata barisnya adalah $35.000 untuk pabrik besar. Tidak ada keputusan yang berubah.]
Masalah serupa: A.1, A.2b-d, A.4, A.6.
Pengambilan Keputusan yang Berisiko
Pengambilan keputusan yang mengandung risiko bergantung pada probabilitas.
Beberapa kondisi alami mungkin terjadi, masing-masing dengan probabilitas tertentu
yang telah diasumsikan. Kondisi alami harus benar-benar eksklusif satu sama lain
serta menyeluruh secara bersama-sama, dan jumlah total probabilitasnya haruslah
1. Dengan diberikannya tabel keputusan dengan nilai kondisional dan perkiraan
probabilitas untuk semua kondisi alami, nilai harapan moneter (expected monetary
value—EMV) untuk setiap alternatif dapat ditentukan. Nilai ini mewakili nilai yang
diharapkan atau rata-rata pengembalian untuk setiap alternatif jika keputusan ini dapat
diulangi berkali-kali.
EMV sebuah alternatif merupakan jumlah semua keuntungan alternatif, yang
masing-masing diberikan bobot kemungkinan terjadinya:
EMV (Alternatif i) = (Hasil kondisi alami 1) × (Kemungkinan terjadi kondisi alami 1)
+ (Hasil kondisi alami 2) × (Kemungkinan terjadi kondisi alami 2)
+ … + (Hasil kondisi alami terakhir)
× (Kemungkinan terjadi kondisi alami terakhir)
Contoh A4 menggambarkan bagaimana cara menghitung EMV maksimal.
EMV
Getz ingin mencari EMV untuk setiap alternatif.
Pendekatan: Manajer operasi Getz Products berpendapat peluang adanya pasar yang
sesuai harapan sama dengan peluang adanya pasar yang tidak sesuai harapan; dan
setiap kondisi alami memiliki peluang terjadi sebesar 0,50. EMV untuk setiap alternatif
dapat ia tentukan sekarang (lihat Tabel A.3).
Nilai harapan moneter (EMV)
Pengembalian atau nilai yang
diharapkan dari suatu variabel
yang memiliki kemungkinan
kondisi alami yang berbeda,
masing-masing dengan
kemungkinannya sendiri-sendiri.
Nilai harapan moneter (EMV)
Pengembalian atau nilai yang
diharapkan dari suatu variabel
yang memiliki kemungkinan
kondisi alami yang berbeda,
masing-masing dengan
kemungkinannya sendiri-sendiri.
Tujuan Pembelajaran
4. Menghitung nilai
harapan moneter
Tujuan Pembelajaran
4. Menghitung nilai
harapan moneter
Contoh A4 Contoh A4
MK-8 Manajemen Operasi
Tabel A.3 Tabel Keputusan untuk Getz Products
Kondisi Alami
Alternatif Pasar Sesuai
Harapan
Pasar Tidak Sesuai
Harapan
Membangun pabrik besar (A
1
) $ 200.000 –$ 180.000
Membangun pabrik kecil (A
2
) $ 100.000 –$ 20.000
Tidak melakukan apa-apa (A
3
) $ 0 $ 0
Peluang 0,50 0,50
Jawaban:
1. EMV (A
1
) = (0,5)($200.000) + (0,5)(–$180.000) = $10.000
2. EMV (A
2
) = (0,5)($100.000) + (0,5)(–$20.000) = $40.000
3. EMV (A
3
) = (0,5)($0) + (0,5)($0) = $0
Pemahaman: Terlihat bahwa EMV maksimal terdapat pada alternatif A
2
. Jadi, menurut kriteria
keputusan EMV, alternatif terbaik adalah membangun pabrik berukuran kecil.
Latihan pembelajaran: Apa yang terjadi pada ketiga EMV jika Getz menambah nilai
kondisional pada hasil “pabrik besar/pasar sesuai harapan” menjadi $250.000? [Jawaban:
EMV(A
1
) = $35.000. Tidak ada perubahan pada keputusannya.]
Masalah serupa: A.2e, A.3a, A.5a, A.7a, A.8, A.9a, A.10, A.11, A.12, A.14a,b, A.16a, A.22.
Pengambilan Keputusan dalam Keadaan Pasti
Sekarang, anggap manajer operasi Getz didekati oleh sebuah perusahaan penelitian pasar yang
mengajukan diri untuk membantunya mengambil keputusan tentang pembangunan pabrik
guna memproduksi tempat penyimpanan. Peneliti pasar mengaku analisis teknis mereka akan
memberikan kepastian pada Getz apakah pasar untuk produk yang diajukan sesuai harapan.
Dengan kata lain, hal ini akan mengubah kondisi Getz dari sebuah pengambilan keputusan
yang berisiko menjadi pengambilan keputusan dalam kepastian. Informasi ini dapat mencegah
Getz membuat kesalahan yang harus dibayar mahal. Perusahaan peneliti pasar membebani
biaya sebesar $65.000 untuk informasi yang mereka berikan kepada Getz. Apakah yang akan
Anda rekomendasikan? Haruskah manajer operasi Getz mempekerjakan perusahaan ini untuk
mengadakan penelitian pasar? Bahkan, jika hasil penelitian akurat sekalipun. Akankah hal itu
sebanding dengan pengeluaran sebesar $65.000? Walaupun beberapa pertanyaan ini sulit dijawab,
menetapkan nilai informasi sempurna sangatlah bermanfaat. Hal ini menetapkan batasan atas
yang menurut Anda pantas dikeluarkan demi informasi, sebagaimana yang diberikan oleh
seorang konsultan pemasaran. Ini merupakan konsep nilai yang diharapkan dari informasi
sempurna (expected value of perfect information—EVPI) yang akan dijelaskan berikut ini.
Nilai yang Diharapkan dari Informasi Sempurna
Jika seorang manajer dapat menentukan kondisi alami yang akan terjadi, maka ia
akan mengetahui keputusan yang harus diambil. Saat seorang manajer mengetahui
keputusan yang harus diambilnya, imbalannya meningkat karena imbalan saat ini
EVPI menetapkan batas
atas apa yang harus Anda
bayar untuk informasi.
EVPI menetapkan batas
atas apa yang harus Anda
bayar untuk informasi.
MK-9 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
merupakan suatu kepastian, bukan lagi kemungkinan. Karena imbalan akan meningkat
sejalan dengan pengetahuan tentang kondisi alami yang akan terjadi, pengetahuan
ini tentu saja bernilai. Jadi, sekarang, kita harus lihat bagaimana cara menentukan
nilai informasi ini. Hal yang merupakan perbedaan antara imbalan dalam informasi
sempurna dan imbalan berisiko ini disebut nilai harapan dari informasi sempurna
(expected value of perfect information—EVPI).
EVPI = Nilai harapan dari informasi sempurna – EMV maksimal
Untuk mendapatkan EVPI, pertama, nilai harapan dengan informasi sempurna
(expected value with perfect information, EVwPI) harus dihitung, yang merupakan
tingkat pengembalian (rata-rata), jika informasi yang sempurna diperoleh sebelum
keputusan harus diambil. Untuk menghitung nilai ini, alternatif terbaik setiap kondisi
alami dipilih, kemudian kita mengalikan pengembalian dengan peluang kejadian
kondisi alami tersebut.
Nilai harapan pada
keadaan pasti
= (Hasil terbaik atau konsekuensi kondisi alami 1) ×
(Kemungkinan terjadi kondisi alami 1)
+ (Hasil terbaik atau konsekuensi kondisi alami 2) ×
(Kemungkinan terjadi kondisi alami 2)
+ … + (Hasil terbaik atau konsekuensi kondisi alami terakhir)
× (Kemungkinan terjadi kondisi alami terakhir)
Pada Contoh A5, kita menggunakan data dan tabel keputusan dari Contoh A4
untuk memeriksa nilai yang diharapkan dari informasi sempurna.
Nilai yang diharapkan dari informasi sempurna
Manajer operasi Getz ingin menghitung nilai maksimum yang harus ia bayar untuk informasi—
yaitu nilai yang diharapkan dari informasi sempurna, EVPI.
Pendekatan: Dengan mengacu pada Tabel A.3, ia menjalani proses dua langkah. Pertama, nilai
harapan dengan informasi sempurna (EVwPI) dihitung. Kemudian, EVPI dihitung dengan
informasi ini.
Solusi:
1. Hasil kondisi alami yang terbaik dari “pasar yang sesuai harapan” adalah “membangun pabrik
berukuran besar” yang memberikan imbalan sebesar $200.000. Hasil kondisi alami yang
terbaik dari “pasar yang tidak sesuai harapan” adalah “tidak melakukan apa-apa” dengan
imbalan $0. Nilai harapan dengan informasi sempurna = ($200.000)(0,50) + ($0)(0,50)
= $100.000. Jadi, jika diperoleh informasi sempurna, dapat diharapkan (secara rata-rata)
adanya imbalan senilai $100.000 jika keputusan ini dapat diulangi berulang kali.
2. Nilai EMV maksimal adalah $40.000, yang merupakan keluaran yang diharapkan, tanpa
informasi yang sempurna. Jadi:
EVPI = Nilai harapan pada keadaan pasti – EMV maksimal
= $100.000 – $40.000 = $60.000
EVPI
Perbedaan antara imbalan dengan
informasi sempurna dengan
imbalan yang berisiko.
EVPI
Perbedaan antara imbalan dengan
informasi sempurna dengan
imbalan yang berisiko.
EVwPI
Pengembalian (rata-rata)
yang diharapkan jika informasi
sempurna dapat diperoleh.
EVwPI
Pengembalian (rata-rata)
yang diharapkan jika informasi
sempurna dapat diperoleh.
Tujuan Pembelajaran
5. Menghitung nilai yang
diharapkan dari informasi
sempurna
Tujuan Pembelajaran
5. Menghitung nilai yang
diharapkan dari informasi
sempurna
Contoh A5 Contoh A5
MK-10 Manajemen Operasi
Pemahaman: Getz seharusnya membayar paling tinggi $60.000 untuk mendapatkan informasi
sempurna. Kesimpulan ini tentu didasarkan pada asumsi bahwa peluang terjadinya setiap
kondisi alami adalah 0,50.
Latihan pembelajaran: Bagaimana EVPI-nya akan berubah jika nilai kondisional “pabrik
besar/pasar yang sesuai harapan” adalah $250.000? [Jawaban: EVPI = $85.000.]
Masalah serupa: A.3b, A.5b, A.7, A.9, A.14, A.16.
POHON KEPUTUSAN
Keputusan yang dapat disajikan pada bentuk tabel keputusan juga dapat disajikan dalam
bentuk pohon keputusan. Oleh karena itu, kita akan menganalisis beberapa keputusan
dengan menggunakan pohon keputusan. Walaupun penggunaan tabel keputusan sangat
mudah untuk masalah-masalah yang memiliki sejumlah keputusan dan sejumlah
kondisi alami, banyak masalah mencakup keputusan berurutan dan kondisi alami. Jika
terdapat dua atau lebih keputusan yang berurutan dan keputusan terakhir didasarkan
pada hasil keputusan sebelumnya, maka pendekatan menggunakan pohon keputusan
ini sangat tepat untuk digunakan. Sebuah pohon keputusan (decision tree) merupakan
sebuah tampilan grafs proses keputusan yang mengindikasikan alternatif keputusan
yang ada, kondisi alami dan peluangnya, serta imbalan bagi setiap kombinasi alternatif
keputusan dan kondisi alami.
EMV merupakan kriteria yang paling sering digunakan untuk menganalisis
pohon keputusan. Suatu langkah awal analisis ini adalah menggambarkan pohon
keputusan dan menetapkan konsekuensi fnansial dari semua hasil untuk masalah
tertentu.
Menganalisis masalah menggunakan pohon keputusan mencakup lima
langkah.
1. Mendefnisikan masalah.
2. Menggambar pohon keputusan.
3. Menentukan peluang bagi kondisi alami.
4. Memperkirakan imbalan bagi setiap kombinasi alternatif keputusan dan kondisi
alami yang mungkin.
5. Menyelesaikan masalah dengan menghitung EMV bagi setiap titik kondisi alami.
Hal ini dilakukan dengan mengerjakannya dari belakang ke depan (backward)—
yaitu, memulai dari sisi kanan pohon terus menuju ke titik keputusan di sebelah
kirinya.
Menyelesaikan pohon keputusan untuk EMV
Getz ingin mengembangkan pohon keputusan yang lengkap dan telah diselesaikan.
Pendekatan: Imbalan-imbalannya ditempatkan pada sisi kanan setiap cabang pohon keputusan
(lihat Figur A.2). Peluang (yang pertama kali digunakan oleh Getz pada Contoh A4) ditempatkan
dalam tanda kurung di samping setiap kondisi alaminya. Kemudian, EMV untuk setiap titik
Pohon keputusan
Tampilan grafs dari analisis
keputusan alternatif dan kondisi
alami.
Pohon keputusan
Tampilan grafs dari analisis
keputusan alternatif dan kondisi
alami.
Contoh A6 Contoh A6
MK-11 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
kondisi alami dihitung dan ditempatkan pada titik yang bersesuaian. EMV untuk titik pertama
adalah $10.000. Angka ini mewakili cabang dari titik keputusan untuk “membangun pabrik
berukuran besar”. EMV untuk titik 2 yang digunakan untuk “membangun pabrik berukuran
kecil” adalah $40.000. Pilihan “tidak melakukan apa-apa” tentu saja memiliki imbalan $0.
Solusi: Cabang yang keluar dari titik keputusan menuju ke titik kondisi alami dengan nilai
EMV tertinggi akan dipilih. Pada kasus Getz ini, sebuah pabrik berukuran kecil sebaiknya
dibangun.
Figur A.2 Pohon Keputusan yang Lengkap dan Terpecahkan untuk Getz Products
Pasar yang tidak diharapkan (0,5)
Pasar yang diharapkan (0,5)
1
2
Pasar yang tidak diharapkan (0,5)
Pasar yang diharapkan (0,5)
B
a
n
g
u
n

p
a
b
r
ik

b
e
s
a
r
T
i
d
a
k

m
e
l
a
k
u
k
a
n

a
p
a

p
u
n
Bangun pabrik kecil
EMV untuk titik 1
= $10.000
EMV untuk titik 2
= $40.000
= (0,5) ($200,000) + (0,5) (–$180.000)
= (0,5) ($100.000) + (0,5) (–$20.000)
Pelunasan
$200.000
–$180.000
$100.000
20.000 –$
$0
Pemahaman: Pendekatan grafs ini adalah cara yang bagus bagi manajer untuk memahami
semua pilihan dalam membuat keputusan-keputusan besar. Model visual biasanya lebih disukai
daripada tabel.
Tujuan Pembelajaran
6. Mengevaluasi titik-titik
pada pohon keputusan.
Tujuan Pembelajaran
6. Mengevaluasi titik-titik
pada pohon keputusan.
f Peranti lunak pohon keputusan memungkinkan
penggunanya untuk menyelesaikan masalah
analisis keputusan dengan fleksibilitas, kekuatan,
dan kemudahan. Program-program seperti DPL,
Tree Plan, dan Supertree memungkinkan masalah
keputusan untuk dianalisis dengan upaya yang
lebih sedikit dan lebih teliti daripada sebelumnya.
Presentasi penuh warna dari pilihan-pilihan yang
terbuka bagi manajer selalu memiliki dampak.
Dalam foto ini, pilihan pengeboran ladang minyak
dicermati menggunakan DPL.
MK-12 Manajemen Operasi
Latihan pembelajaran: Perbaiki Figur A.2 demi memperlihatkan imbalan $250.000 untuk
“bangun pabrik besar/pasar yang diharapkan”. [Jawaban: Ubah satu imbalannya dan hitung
ulang EMV untuk titik 1.]
Masalah serupa: A.2e, A.8b, A.14a,b, A.17, A.18.
Pohon Keputusan yang Lebih Rumit
Saat keputusan yang berurutan harus diambil, pohon keputusan menjadi sebuah
perangkat yang lebih bermanfaat dibandingkan dengan tabel keputusan. Katakanlah
Getz Products mempunyai dua keputusan yang harus diambil; dengan keputusan,
keduanya bergantung pada hasil keputusan pertama. Sebelum memutuskan untuk
membangun sebuah pabrik, Getz memiliki pilihan untuk melakukan survei penelitian
pasar sendiri dengan biaya sebesar $10.000. Informasi dari survei ini dapat membantu
perusahaan untuk memutuskan apakah harus membangun pabrik besar, pabrik kecil,
atau tidak sama sekali. Getz mengenali bahwa walaupun survei semacam itu tidak
memberikan informasi sempurna, informasi ini akan sangat membantu.
Pohon keputusan Getz yang baru digambarkan pada Figur A.3 dari Contoh
A7. Perhatikan baik-baik pohon keputusan yang lebih rumit ini. Perhatikan bahwa
semua hasil dan alternatif yang memungkinkan dimasukkan dalam urutan yang
logis. Prosedur ini merupakan suatu kelebihan dari penggunaan pohon keputusan.
Manajer didorong untuk menguji semua hasil yang mungkin, termasuk hasil yang
tidak diinginkan. Manajer juga dipaksa mengambil keputusan dalam tata cara yang
logis dan berurutan.
Pohon keputusan dengan keputusan yang berurutan
Getz Products ingin mengembangkan pohon baru untuk keputusan berurutan ini.
Pendekatan: Dengan menguji pohon pada Figur A.3, terlihat bahwa titik keputusan Getz
yang pertama adalah apakah akan melaksanakan survei pasar senilai $10.000. Jika Getz
memilih untuk tidak melakukan penelitian (bagian bawah pohon), Getz dapat memilih antara
membangun pabrik yang besar, kecil, atau tidak membangun sama sekali. Ini merupakan
titik keputusan Getz yang kedua. Jika keputusannya adalah membangun, maka pasar yang
ada mungkin sesuai harapan (peluang 0,50) atau tidak sesuai harapan (juga berpeluang
0,50). Imbalan dari setiap konsekuensi yang mungkin tersusun di sisi sebelah kanan. Pada
kenyataannya, bagian bawah pohon keputusan Getz ini sama persis dengan pohon keputusan
yang lebih sederhana di Figur A.2.
Jawaban: Bagian atas Figur A.3 menggambarkan keputusan untuk melakukan survei pasar.
Titik kondisi alami nomor 1 memiliki 2 cabang yang keluar dari titik tersebut. Dengan asumsi
terdapat peluang sebesar 45%, hasil survei akan mengindikasikan pasar yang sesuai harapan
untuk tempat penyimpanan yang akan dibuat. Dengan demikian, hasil survei yang tidak sesuai
harapan memiliki peluang sebesar 0,55.
Semua peluang yang ditunjukkan dalam tanda kurung pada Figur A.3 merupakan
Terdapat lebih banyak
kegunaan dari pohon
keputusan, bukan sekadar
untuk pengambilan
keputusan MO.
Terdapat lebih banyak
kegunaan dari pohon
keputusan, bukan sekadar
untuk pengambilan
keputusan MO.
Contoh A7 Contoh A7
MK-13 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
Tujuan Pembelajaran
7. Membuat pohon
keputusan dengan
keputusan yang berurutan.
Tujuan Pembelajaran
7. Membuat pohon
keputusan dengan
keputusan yang berurutan.
peluang kondisional. Sebagai contoh, 0,78 merupakan peluang bahwa pasar yang sesuai harapan
memberikan hasil yang sesuai harapan dari hasil survei pasar. Tentu saja, peluang yang tinggi
dari hasil penelitian mengindikasikan pasarnya baik. Walaupun demikian, jangan lupa bahwa
terdapat peluang bahwa survei pasar yang dilakukan Getz, yang bernilai $10.000 itu, tidak
menghasilkan informasi sempurna, bahkan tidak dapat diandalkan. Setiap penelitian pasar
dapat memiliki kesalahan. Dalam kasus ini, terdapat peluang sebesar 22% bahwa pasar tempat
penyimpanan ini tidak sesuai harapan, sekalipun diberikan hasil survei yang positif.
Sama halnya, dapat diperhatikan bahwa terdapat peluang sebesar 27% bagi pasar tempat
penyimpanan yang sesuai harapan, sekalipun hasil surveinya negatif. Peluang yang lebih tinggi,
sebesar 0,73, dapat terjadi jika pasarnya tidak sesuai harapan dan jika hasil surveinya negatif.
Terakhir, lihat kolom imbalan pada Figur A.3. Terlihat bahwa sebesar $10.000—yaitu
biaya penelitian pasar—telah dikurangi dari kesepuluh cabang pohon teratas. Jadi, sebuah
pabrik besar yang dibangun dalam pasar yang sesuai harapan akan menghasilkan keuntungan
$200.000. Karena penelitian pasar sudah dilaksanakan, angka ini dikurangi $10.000. Pada
kondisi pasar yang tidak sesuai harapan, kerugian sebesar $180.000 akan bertambah menjadi
$190.000. Sama halnya, melaksanakan survei dan tidak membangun pabrik sama sekali sekarang
akan menghasilkan imbalan senilai –$10.000.
H
a
s
i
l
s
u
r
v
e
i
d
i
i
n
g
i
n
k
a
n
Titik Keputusan
Pertama
Titik Keputusan
Kedua
1
2
3
Pasar yang tidak diharapkan
Pasar yang diharapkan
P
a
b
r
ik

b
e
s
a
r
T
id
a
k

a
d
a
p
a
b
r
ik
Pabrik
kecil
Pasar yang tidak diharapkan
Pasar yang diharapkan
$190.000
–$190.000
$ 90.000
–$ 30.000
–$ 10.000
Payoffs
4
5
Pasar yang tidak diharapkan
Pasar yang diharapkan
P
a
b
r
ik

b
e
s
a
r
Pabrik
kecil
Pasar yang tidak diharapkan
Pasar yang diharapkan
$190.000
–$190.000
$ 90.000
–$ 30.000
–$ 10.000
6
7
Pasar yang tidak diharapkan
Pasar yang diharapkan
Pabrik
kecil
Pasar yang tidak diharapkan
Pasar yang diharapkan
$200.000
–$180.000
$100.000
20.000 –$
$0
H
a
s
i
l
s
u
r
v
e
i
n
e
g
a
t
i
f
L
a
k
u
k
a
n

s
u
r
v
e
i

p
a
s
a
r
T
i
d
a
k

m
e
l
a
k
u
k
a
n

s
u
r
v
e
i

p
a
s
a
r
$
1
0
6
.
4
0
0
$
4
9
.
2
0
0
$
2
.
4
0
0
$
4
0
.
0
0
0
$49.200
T
id
a
k

a
d
a
p
a
b
r
ik
T
id
a
k

a
d
a
p
a
b
r
ik
P
a
b
r
ik

b
e
s
a
r
$106.400
$63.600
–$87.400
$2.400
$10.000
$40.000
(0,22)
(0,78)
(0,22)
(0,78)
(0,73)
(0,27)
(0,73)
(0,27)
(0,5)
(0,5)
(0,5)
(0,5)
(
0
,
4
5
)


(
0
,
5
5
)
Figur A.3 Pohon Keputusan Getz Products dengan Peluang dan EMV
Dua garis paralel berarti “memangkas” cabang tersebut karena hasilnya tidak sebaik pilihan lain
yang tersedia dan tidak ditindaklanjuti.
MK-14 Manajemen Operasi
Dengan semua kemungkinan dan imbalan yang telah ditetapkan, perhitungan EMV dari
setiap cabang dapat dilakukan. Ini dimulai dari sisi kanan pohon keputusan menuju ke titik
asal. Jika perhitungan ini telah diselesaikan, keputusan yang terbaik akan diketahui.
1. Dengan hasil survei yang baik:
EMV (titik 2) = (0,78)($190.000) + (0,22)(–$190.000) = $106.400
EMV (titik 3) = (0,78)($90.000) + (0,22)(–$30.000) = $63.600
EMV dari tidak membangun pabrik dalam kasus ini adalah –$10.000. Jadi, jika hasil
surveinya sesuai harapan, sebaiknya dibangun pabrik besar.
2. Dengan hasil survei yang tidak baik:
EMV (titik 4) = (0,27)($190.000) + (0,73)(–$190.000) = –$87.400
EMV (titik 5) = (0,27)($90.000) + (0,73)(–$30.000) = $2.400
EMV dari tidak membangun pabrik pada kasus ini adalah –$10,000. Jadi, jika hasil survei
tidak sesuai harapan, Getz sebaiknya membangun pabrik kecil dengan nilai yang diharapkan
sebesar $2.400.
3. Melanjutkan bagian atas pohon keputusan menuju ke titik asal, kita hitung nilai yang
diharapkan dengan melakukan survei pasar.
EMV (titik 1) = (0,45)($106.400) + (0,55)($2.400) = $49.200
4. Jika survei pasar tidak dilaksanakan:
EMV (titik 6) = (0,50)($200.000) + (0,50)(–$180.000) = $10.000
EMV (titik 7) = (0,50)($100.000) + (0,50)(–$20.000) = $40.000
EMV jika tidak membangun pabrik pada kasus ini adalah $0. Jadi, membangun pabrik kecil
merupakan pilihan terbaik jika penelitian pasar tidak dilakukan.
5. Karena EMV melaksanakan survei adalah $49.200—dibandingkan dengan EMV $40.000
dengan tidak melakukan studi—pilihan terbaik yang diambil adalah untuk mencari informasi
pasar. Jika hasil survei baik, Getz harus membangun pabrik besar; jika hasil survei tidak
baik, Getz harus membangun pabrik kecil.
Pemahaman: Anda dapat mengurangi kerumitan dalam pohon keputusan yang besar dengan
melihat dan memecahkan pohon keputusan yang lebih kecil—dimulai dari akhir cabang pohon
yang besar. Ambil satu keputusan untuk masing-masing.
Latihan pembelajaran: Getz memperkirakan bahwa jika ia melakukan survei pasar, hanya
terdapat 35% kemungkinan akan terdapat pasar yang diinginkan untuk tempat penyimpanan.
Bagaimana pohon tersebut akan berubah? [Jawaban: EMV untuk melakukan survei = $38.800.
Jadi, Getz jangan melakukannya sekarang.]
Masalah serupa: A.13, A.18, A.19, A.20, A.21, A.23.
Menggunakan Pohon Keputusan dalam Pengambilan Keputusan Etis
Pohon keputusan juga dapat bermanfaat dalam membantu pengambilan keputusan
etis di perusahaan. Pohon keputusan—yang diilustrasikan pada Contoh A8, serta
dikembangkan oleh dosen Harvard, Constance Bagley—memberikan bimbingan
mengenai bagaimana manajer dapat memaksimalkan nilai bagi pemegang saham
dan tetap bersikap sesuai etika. Pohon tersebut dapat diterapkan untuk tindakan apa
pun yang akan dilakukan oleh perusahaan, apakah memperluas operasi di negara
berkembang maupun mengurangi tenaga kerja di negeri sendiri.
MK-15 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
Pengambilan keputusan etis
Smithson Corp. membuka pabrik di Malaysia, negara dengan undang-undang lingkungan yang
lebih longgar dibandingkan dengan AS, negeri asalnya. Smithson dapat menghemat $18 juta
untuk membangun fasilitas manufaktur—dan menaikkan keuntungannya—jika tidak memasang
peralatan pengontrol polusi yang diharuskan di AS, tetapi bukan di Malaysia. Namun, Smithson
juga memperhitungkan bahwa polutan yang dikeluarkan pabrik, jika tidak diolah, akan merusak
industri perikanan lokal. Ini dapat menyebabkan kerugian jutaan dolar dalam pendapatannya
dan akan menimbulkan masalah kesehatan bagi penduduk lokal.
Pendekatan: Smithson memutuskan untuk membangun pohon keputusan untuk memodelkan
masalah tersebut.
Solusi: Figur A.4 memperlihatkan pilihan yang dapat dipertimbangkan oleh pihak manajemen.
Contohnya, jika menurut keputusan terbaik manajemen, kerugian bagi penduduk Malaysia
dengan membangun pabrik lebih besar daripada kerugian dalam hal pengembalian perusahaan,
maka tanggapan untuk pertanyaan “Apakah itu etis?” adalah tidak.
Sekarang, anggap Smithson ingin membangun pabrik yang berbeda, dengan kontrol
polusi, tanpa memedulikan akibat negatif pada pengembalian perusahaan. Keputusan tersebut
membawa kita ke cabang “Apakah etis jika tidak mengambil keputusan?” Jika jawabannya
(untuk alasan apa pun) adalah tidak, maka pohon keputusan menyarankan untuk melanjutkan
pembangunan pabriknya. Namun, dengan memberi tahu direksi Smithson, para pemegang
saham, dan pihak lain mengenai dampaknya.
Figur A.4 Pohon Keputusan Smithson untuk Suatu Dilema Etis
Y
a
Y
a
Y
a
T
i
d
a
k
T
id
a
k
T
i
d
a
k
Hasil dari tindakan
Lakukan
Jangan lakukan
Jangan lakukan
Apakah
tindakannya
ilegal?
Apakah
tindakannya
memaksimalkan
pengembalian
perusahaan?
Y
a
T
id
a
k
Jangan lakukan
Lakukan,
tetapi beri tahu
pihak terkait
Apakah itu etis?
(Pertimbangkan
dampaknya bagi karyawan,
pelanggan, pemasok,
masyarakat versus
keuntungan
pemegang saham)
Apakah etis jika tidak
melakukan tindakan?
(Pertimbangkan akibatnya
bagi pemegang saham
versus keuntungan
bagi pemegang risiko)
Sumber: Dimodifkasi dari Constance E. Bagley, “Te Ethical Leader’s Decision Tree”, Harvard Business Review
(Januari–Februari 2003): 18–19.
Pemahaman: Pohon ini memungkinkan manajer untuk melihat pilihan-pilihannya secara
grafs. Ini adalah cara yang bagus untuk memulai proses.
Keputusan etis dapat menjadi rumit. Apa yang terjadi, contohnya, jika suatu
perusahaan membangun pabrik yang berpolusi di luar negeri. Namun, hal ini membuat
perusahaan tersebut dapat menjual obat yang dapat menyelamatkan banyak jiwa
Contoh A8 Contoh A8
MK-16 Manajemen Operasi
dengan harga yang lebih rendah di seluruh dunia? Apakah pohon keputusan dapat
mengatasi semua dilema etis yang mungkin? Tidak. Namun, pohon keputusan dapat
membantu manajer dengan memberikan kerangka untuk mencermati pilihan-pilihan
tersebut.
Rangkuman
Modul ini menguji dua teknik pengambilan keputusan yang digunakan paling umum—tabel
keputusan dan pohon keputusan. Teknik-teknik ini sangat bermanfaat, terutama untuk
mengambil keputusan yang berisiko. Banyak keputusan dalam penelitian dan pengembangan,
pabrik dan peralatan, bahkan gedung dan infrastruktur baru yang dapat dianalisis dengan
model keputusan ini. Permasalahan dalam pengendalian persediaan, perencanaan agregat,
pemeliharaan, penjadwalan, dan pengendalian produksi hanya merupakan sebagian kecil dari
penerapan tabel keputusan dan pohon keputusan.
Istilah-istilah Penting
Tabel keputusan (decision table)
Maximax
Maximin
Sama rata (equally likely)
Nilai harapan moneter (expected monetary value—EMV)
Nilai harapan dari informasi sempurna (expected value of perfect information—EVPI)
Nilai harapan dengan informasi sempurna (expected value with perfect information—EVwPI)
Pohon keputusan (decision tree)
Menggunakan Peranti Lunak untuk Model Keputusan
Menganalisis tabel keputusan bisa langsung dilakukan dengan Excel, Excel OM, dan
POM for Windows. Ketika terdapat pohon keputusan, Excel OM atau paket komersial
lain, seperti DPL, Tree Plan, dan Supertree dapat menyediakan feksibilitas, kekuatan,
dan kemudahan dalam menyelesaikannya. POM for Windows juga dapat menganalisis
pohon keputusan, tetapi tidak memiliki kemampuan grafs.
X
Menggunakan Excel OM
Excel OM memungkinkan pembuat keputusan untuk mengevaluasi keputusan dengan
cepat dan melakukan analisis sensitivitas pada hasilnya. Program A.1 menggunakan
data Getz untuk mengilustrasikan masukan, keluaran, dan persamaan-persamaan
tertentu yang dibutuhkan untuk menghitung nilai EMV dan EVPI.
MK-17 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
= MAX(B8:C8)
Hitung EMV untuk setiap alternatif menggunakan = SUMPRODUCT (B$7:C$7, B8:C8).
Masukkan keuntungan di bagian utama tabel data. Masukkan peluang di baris
pertama jika Anda ingin menghitung nilai yang diharapkan.
= MIN(B8:C8)
Cari keluaran terbaik untuk
ukuran lain menggunakan
= MAX(G8:G10).
= SUMPRODUCT(B$7:C$7,
B14:C14)
= E14 – E11
Untuk menghitung EVPI,
cari keluaran terbaik
untuk setiap skenario
= MAX (B8:B10).B10)
Program A.1 Menggunakan Excel OM untuk Menghitung EMV dan Perhitungan
Lainnya bagi Getz
Program A.2 menggunakan Excel OM untuk membuat pohon keputusan untuk
Getz. Products yang diperlihatkan sebelumnya pada Contoh A6. Perangkat untuk
membuat pohon dapat dilihat di jendela sebelah kanan.
Program A.2 Pohon Keputusan Getz Products Menggunakan Excel OM
Gunakan jendela
Decision Tree
Maker ini untuk
membuat pohon.
Keuntungan yang
diharapkan untuk
pabrik kecil
= F15*F13 + F19*F17
Keuntungan Maksimum
= MAX(D7 + C9, D15 + C1)
Gunakan cabang yang
berujung pada 3 titik
untuk mencapai
keuntungan maksimum.
Gunakan jendela Decision Tree Creation untuk membuat pohon. Klik pada titik untuk menyunting pohon
tersebut. Nilai-nilainya terletak di atas titik-titiknya. Untuk titik keputusan, keputusan diperlihatkan di
bawah titik. Nilai di sebelah kanan titik akhir adalah keuntungan kumulatif di sepanjang lintasan.
MK-18 Manajemen Operasi
Menggunakan POM for Windows
POM for Windows dapat digunakan untuk menghitung semua informasi yang
dideskripsikan pada tabel keputusan dan pohon keputusan pada modul ini. Untuk
perincian mengenai bagaimana menggunakan peranti lunak ini, lihat Lampiran IV.
Uji Diri Sendiri
• Sebelum melakukan uji diri sendiri, lihat tujuan pembelajaran di awal bab dan kata kunci
di akhir bab.
• Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.
• Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang
Anda jawab dengan salah atau materi-materi yang tidak Anda pahami dengan baik.
1. Dalam terminologi teori keputusan, suatu tindakan atau strategi yang mungkin dipilih oleh
pembuat keputusan disebut…
a. imbalan.
b. alternatif.
c. kondisi alami.
d. Semua jawaban di atas benar.
2. Dalam teori keputusan, peluang berhubungan dengan…
a. imbalan.
b. alternatif.
c. kondisi alami.
d. Semua jawaban di atas benar.
3. Jika besarnya probabilitas dapat diketahui oleh pembuat keputusan, maka lingkungan
pengambilan keputusannya dikatakan…
a. pasti.
b. tidak pasti.
c. berisiko.
d. Tidak ada satu pun jawaban yang benar.
4. Dari kriteria pengambilan keputusan berikut, kriteria yang digunakan untuk pengambilan
keputusan yang berisiko adalah…
a. kriteria nilai harapan moneter.
b. kriteria pesimistis (maximin).
c. kriteria optimistis (maximax).
d. kriteria sama rata.
5. Nilai terbesar yang harus dibayar seseorang untuk informasi sempurna adalah…
a. EVPI.
b. EMV maksimum dikurangi EMV minimum.
c. EMV minimum.
d. EMV maksimum.
6. Pohon keputusan lebih baik digunakan daripada tabel keputusan ketika…
a. sejumlah keputusan berurutan harus diambil.
b. besarnya probabilitas diketahui.
c. kriteria maximax digunakan.
d. sasarannya adalah memaksimalkan penyesalan.
MK-19 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
7. Pada pohon keputusan, di setiap titik kondisi alami…
a. alternatif dengan EMV terbesar dipilih.
b. EMV dihitung.
c. semua peluang dijumlahkan.
d. cabang dengan peluang tertinggi dipilih.
8. Pada pohon keputusan, ketika pohonnya telah digambar serta imbalan dan probabilitasnya
telah ditempatkan pada pohon, analisisnya (menghitung EMV dan memilih alternatif
terbaik)…
a. dilakukan dengan bekerja mundur (mulai dari kanan dan bergerak ke kiri).
b. dilakukan dengan bekerja maju (mulai dari kiri dan bergerak ke kanan).
c. dilakukan dengan mulai dari atas pohon dan bergerak ke bawah.
d. dilakukan dengan mulai dari bawah pohon dan bergerak ke atas.
Contoh Soal dan Penyelesaian
Contoh Soal A.1
Stella Yan Hua sedang mempertimbangkan kemungkinan membuka sebuah toko baju kecil di
Fairbanks Avenue yang jaraknya beberapa blok dari universitas. Ia telah mencari sebuah pusat
perbelanjaan yang bagus yang tentunya menarik bagi para mahasiswa. Pilihan yang tersedia
adalah membuka sebuah toko yang kecil, toko berukuran sedang, atau tidak membuka toko
sama sekali. Pasar untuk sebuah toko baju mungkin baik, biasa, atau buruk. Peluang dari ketiga
kemungkinan yang ada adalah 0,20 untuk pasar yang baik, 0,50 untuk pasar normal, dan 0,3
untuk pasar yang buruk. Keuntungan bersih atau kerugian bersih untuk toko berukuran
menengah atau kecil untuk kondisi pasar yang beragam terdapat pada tabel berikut. Tidak
membuka toko sama sekali berarti tidak memberikan kerugian dan keuntungan. Apakah yang
Anda sarankan?
Kondisi Alami
Alternatif Pasar Bagus ($) Pasar Biasa ($) Pasar Buruk ($)
Toko kecil 75.000 25.000 –40.000
Toko sedang 100.000 35.000 –60.000
Tidak membuka toko 0 0 0
Peluang 0,20 0,50 0,30
Jawaban
Masalah ini dapat diselesaikan dengan menghitung EMV bagi setiap alternatif.
EMV (Toko kecil) = (0,2)($75.000) + (0,5)($25.000) + (0,3)(–$40.000) = $15.500
EMV (Toko sedang) = (0,2)($100.000) + (0,5)($35.000) + (0,3)(–$60.000) = $19.500
EMV (Tidak membuka toko) = (0,2)($0) + (0,5)($0) + (0,3)($0) = $0
Seperti yang terlihat, keputusan terbaik yang harus diambil adalah membuka toko berukuran
sedang. EMV alternatifnya adalah $19.500.
MK-20 Manajemen Operasi
Contoh Soal A.2
Toko Ski T. S. Amer di Nevada memiliki musim operasi sepanjang 100 hari. T. S. telah
membuat probabilitas dari berbagai lalu lintas penjualan di toko tersebut berdasarkan catatan
historis kondisi ski, seperti ditunjukkan pada tabel di sebelah kanan. T. S. memiliki empat
rencana penjualan yang masing-masing berfokus pada satu merek ternama. Setiap rencananya
menghasilkan keuntungan bersih harian seperti tertulis pada tabel. Ia juga memiliki teman
seorang ahli meteorologi yang dengan biaya kecil rela memberitahukan cuaca esok hari
secara akurat. Dengan demikian, T. S. dapat mengimplementasikan salah satu dari keempat
rencananya.
a) Berapa EMV yang berisiko?
b) Berapa EVwPI?
c) Berapa EVPI?
Alternatif Keputusan
(rencana fokus penjualan)
Lalu Lintas di Toko Akibat Kondisi Ski (kondisi alami)
1 2 3 4
Patagonia $40 92 20 48
North Face 50 84 10 52
Cloud Veil 35 80 40 64
Columbia 45 72 10 60
Peluang 0,20 0,25 0,30 0,25
Jawaban
a) Nilai harapan moneter yang berisiko tertinggi adalah:
EMV (Patagonia) = 0,20(40) + 0,25(92) + 0,30(20) + 0,25(48) = $49
EMV (North Face) = 0,20(50) + 0,25(84) + 0,30(10) + 0,25(52) = $47
EMV (Cloud Veil) = 0,20(35) + 0,25(80) + 0,30(40) + 0,25(64) = $55
EMV (Columbia) = 0,20(45) + 0,25(72) + 0,30(10) + 0,25(60) = $45
Jadi, EMV maksimum = $55
b) Nilai harapan dengan informasi sempurna adalah:
EVwPI = 0,20(50) + 0,25(92) + 0,30(40) + 0,25(64)
= 10 + 23 + 12 + 16 = $61
c) Nilai harapan dari informasi sempurna adalah:
EVPI = EVwPI – EMV Maksimum = 61 – 55 = $6
Contoh Soal A.3
Permintaan harian untuk kotak pembersih Tidy Bowl di Ravinder Nath’s Supermarket selalu 5,
6, atau 7 kotak. Buatlah pohon keputusan yang menggambarkan alternatif keputusan ini untuk
menyimpan persediaan 5, 6, atau 7 kotak!
Jawaban
Pohon keputusannya ditunjukkan pada Figur A.5.
MK-21 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
Figur A.5 Permintaan di Ravinder Nath’s Supermarket
Permintaan 5 kotak
Permintaan 6 kotak
Permintaan 7 kotak
Permintaan 5 kotak
Permintaan 6 kotak Persediaan 6 kotak
Permintaan 7 kotak
Permintaan 5 kotak
Permintaan 6 kotak
Permintaan 7 kotak
P
e
r
s
e
d
ia
a
n

5

k
o
t
a
k
P
e
r
s
e
d
ia
a
n

7

k
o
t
a
k
Pertanyaan untuk Diskusi
1. Identifkasikan enam langkah proses pengambilan keputusan!
2. Berikan sebuah contoh dari satu keputusan baik yang telah Anda buat yang menghasilkan
akibat yang buruk! Juga berikan sebuah contoh dari satu keputusan buruk yang telah Anda
buat yang menghasilkan akibat yang baik! Mengapa setiap keputusan dapat dikategorikan
sebagai baik atau buruk?
3. Apakah yang dimaksud dengan model keputusan sama rata?
4. Bahaslah perbedaan antara pengambilan keputusan dalam kepastian yang berisiko, dan
dalam ketidakpastian!
5. Apakah yang dimaksud dengan pohon keputusan?
6. Jelaskan bagaimana pohon keputusan dapat digunakan dalam beberapa dari sepuluh
keputusan MO!
7. Apakah yang dimaksud dengan expected value of perfect information (EVPI)?
8. Apakah yang dimaksud dengan expected value with perfect information?
9. Identifkasilah lima langkah dalam menganalisis sebuah masalah dengan menggunakan
pohon keputusan!
10. Mengapa strategi maximax dan maximin dianggap sebagai strategi yang optimistis dan
pesimistis?
11. Kriteria nilai harapan dianggap sebagai kriteria logis yang mendasari diambilnya suatu
keputusan. Apakah pernyataan ini benar? Apakah logis untuk mempertimbangkan
risiko?
12. Kapankah pohon keputusan sangat berguna?
MK-22 Manajemen Operasi
Soal-soal
*2
A.1 Dengan diberikan tabel nilai kondisional berikut, tentukan keputusan dalam ketidakpastian
yang sesuai dengan menggunakan:
a) maximax,
b) maximin,
c) sama rata.
Kondisi Alami
Kondisi Sangat
Alternatif Pasar Baik Rata-rata Tidak Baik
Membangun pabrik baru $350.000 $240.000 –$300.000
Subkontrak $180.000 $ 90.000 –$ 20.000
Lembur $110.000 $ 60.000 –$ 10.000
Tidak melakukan apa-apa $ 0 $ 0
$ 0
A.2 Walaupun bisnis pompa bensin sedang dalam kondisi sulit, Susan Helms sedang
berpikir untuk membuka usaha pompa bensinnya sendiri. Masalah yang dihadapi Susan
adalah memutuskan seberapa besar usaha pompa bensin yang harus dibangunnya. Tingkat
pengembalian tahunan akan bergantung pada ukuran pompa bensinnya dan beberapa faktor
pemasaran yang berkaitan dengan industri minyak maupun permintaan bensin. Setelah
melakukan analisis dengan hati-hati, Susan membuat tabel berikut.
Kondisi Pasar Kondisi Pasar Kondisi Pasar
Ukuran Stasiun Baik ($) Sedang ($) Buruk ($)
Kecil 50.000 20.000 –10.000
Sedang 80.000 30.000 –20.000
Besar 100.000 30.000 –40.000
Sangat besar 300.000 25.000 –160.000
Sebagai contoh, jika Susan membangun stasiun yang berukuran kecil dan kondisi pasar baik,
ia akan mendapatkan keuntungan sebesar $50.000.
a) Buatlah tabel keputusan untuk keputusan ini, seperti diilustrasikan pada Tabel A.2
sebelumnya!
b) Apakah keputusan maximaxnya?
c) Apakah keputusan maximinnya?
d) Apakah keputusan sama ratanya?
e) Buatlah suatu pohon keputusan! Asumsikan setiap keluarannya sama rata, kemudian
cari EMV tertingginya.
A.3 Clay Whybark, seorang penjual minuman ringan pada Rockfest tahunan Hard Rock
Café, membuat sebuah tabel nilai kondisional bagi beragam alternatif (keputusan menyimpan
persediaan) dan kondisi alami (ukuran keramaian).
* Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.
MK-23 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
Kondisi Alami (Permintaan)
Alternatif Besar Rata-rata Kecil
Persediaan banyak $22.000 $12.000 –$2.000
Persediaan rata-rata $14.000 $10.000 $6.000
Persediaan sedikit $ 9.000 $ 8.000 $4.000
Probabilitas yang berkaitan dengan kondisi alami adalah 0,3 untuk permintaan yang besar, 0,5
untuk permintaan rata-rata, dan 0,2 untuk permintaan yang sedikit.
a) Tentukan alternatif yang memberikan EMV tertinggi bagi Clay Whybark!
b) Hitung EVPI!
A.4 Raymond Jacobs memiliki pusat kesehatan dan olahraga, Muscle-Up, di Ashland. Ia
berencana menambah ruang lantai untuk memenuhi permintaan. Ia tidak akan menambah
jumlah lantai (N), menambah sejumlah ruang lantai (M), atau menambah sejumlah besar
ruang lantai (L), atau menambah ruang lantai hingga dua kali lipatnya (D). Permintaan akan
tetap, bertambah sedikit, atau bertambah besar. Berikut adalah perubahan keuntungan tahunan
Muscle-Up dengan setiap kombinasi peningkatan ruang dan perubahan permintaan.
Perubahan Permintaan
Peningkatan Ruang
N M L D
Tetap $ 0 –$4.000 –$10.000 –$50.000
Bertambah Sedikit $2.000 $8.000 $ 6.000 $ 4.000
Bertambah Banyak $3.000 $9.000 $20.000 $40.000
Raymond tidak suka dengan risiko dan ingin menggunakan kriteria maximin.
a) Apa saja alternatif keputusannya dan apa saja kondisi alaminya?
b) Apakah yang sebaiknya ia lakukan?
A.5 Howard Weiss, Inc. sedang mempertimbangkan untuk membangun sebuah alat pemindai
yang sensitif untuk di bandara. Manajernya berpendapat bahwa terdapat peluang sebesar 0,4
bahwa ATR Co. akan menghasilkan produk saingan. Jika Weiss menambahkan sebuah lini
perakitan untuk produk tersebut dan ATR Co. tidak mengeluarkan produk saingannya, maka
keuntungan yang dapat diharapkan Weiss adalah $40.000; jika Weiss menambah sebuah lini
perakitan dan ATR mengeluarkan produk saingannya, maka Weiss masih dapat berharap
untuk memperoleh keuntungan sebesar $10.000. Jika Weiss mendirikan sebuah pabrik baru
dan ATR tidak memproduksi produk saingannya, Weiss dapat mengharapkan keuntungan
sebesar $600.000; sedangkan jika ATR mengeluarkan produk saingannya, Weiss akan mengalami
kerugian sebesar $100.000.
a) Tentukan EMV dari setiap keputusan yang ada!
b) Hitunglah nilai harapan dari informasi yang sempurna!
A.6 Pabrik Deborah Watson sedang merencanakan tiga pendekatan untuk memenuhi
perkiraan peningkatan permintaan. Ketiga pendekatan ini adalah peningkatan kapasitas,
lembur, dan membeli lebih banyak peralatan. Permintaan akan naik sedikit (S), sedang (M),
dan banyak (G). Keuntungan untuk setiap pendekatan untuk setiap skenario yang mungkin
adalah sebagai berikut.
MK-24 Manajemen Operasi
Pendekatan
Skenario Permintaan
S M G
Peningkatan Kapasitas $700.000 $700.000 $ 700.000
Lembur $500.000 $600.000 $1.000.000
Membeli Banyak Peralatan $600.000 $800.000 $ 800.000
Karena tujuannya adalah memaksimalkan dan Deborah tidak peduli dengan risiko, ia
memutuskan untuk menggunakan kriteria keputusan sama rata untuk memutuskan pendekatan
yang akan digunakan. Menurut kriteria ini, pendekatan apa yang sebaiknya digunakan?
A.7 Tabel imbalan berikut menyajikan keuntungan berdasarkan beragam alternatif keputusan
yang mungkin dan beragam tingkat permintaan pada perusahaan peranti lunak Amber
Gardner.
Permintaan
Rendah Tinggi
Alternatif 1 $10.000 $30.000
Alternatif 2 $ 5.000 $40.000
Alternatif 3 –$ 2.000 $50.000
Probabilitas permintaan rendah adalah 0,4. Sebaliknya, probabilitas permintaan tinggi
adalah 0,6.
a) Berapakah EMV yang paling tinggi?
b) Berapakah EVwPi?
c) Hitunglah EVPI untuk kondisi ini!
A.8 Leah Johnson, Direktur Pelayanan Hukum di Brookline, ingin meningkatkan kapasitas
untuk menyajikan bantun hukum secara gratis. Namun, ia harus memutuskan apakah
akan mempekerjakan pengacara penuh waktu atau pengacara paruh waktu. Tabel di bawah
menunjukkan biaya yang harus dikeluarkan bagi kedua pilihan yang akan diambil untuk tiga
tingkat permintaan yang mungkin muncul.
Kondisi Alami
Alternatif
Permintaan
Rendah
Permintaan
Sedang
Permintaan
Tinggi
Pengacara penuh waktu $300 $500 $ 700
Pengacara paruh waktu $ 0 $350 $1.000
Peluang 0,2 0,5 0,3
a) Dengan menggunakan nilai yang diharapkan, apakah yang harus dilakukan Leah
Johnson?
b) Gambarlah pohon keputusan yang tepat yang menunjukkan imbalan dan peluang!
A.9 Chung Manufacturing sedang mempertimbangkan pengenalan sekumpulan produk
baru. Permintaan jangka panjang bagi grup produk ini dapat diperkirakan. Dengan demikian,
produsen harus memperhatikan risiko memilih sebuah proses yang tidak tepat. Chen Chung
adalah wakil presiden bidang operasional. Ia dapat memilih di antara manufaktur batch, custom,
atau group of technology (GT). Chen tidak dapat meramalkan permintaan secara akurat hingga
MK-25 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
ia dapat mengambil keputusan pilihan proses. Permintaan akan dikelompokkan menjadi
empat golongan: buruk, sedang, baik, dan sangat baik. Tabel di bawah menyatakan imbalan
(keuntungan) yang dikaitkan dengan setiap kombinasi proses dan permintaan, begitu juga
peluang tingkat permintaan jangka panjangnya.
Buruk Sedang Baik Sangat Baik
Peluang 0,1 0,4 0,3 0,2
Batch –$ 200.000 $1.000.000 $1.200.000 $1.300.000
Custom $ 100.000 $ 300.000 $ 700.000 $ 800.000
Group technology –$1.000.000 –$ 500.000 $ 500.000 $2.000.000
a) Berdasarkan nilai yang diharapkan, pilihan apakah yang memberikan keuntungan
terbesar?
b) Apakah Chen Chung bersedia membayar suatu perkiraan yang menentukan tingkat
permintaan masa depan secara akurat?
A.10 Perhatikan tabel keputusan yang telah dibuat oleh Dinesh Dave untuk Appalacian
Enterprises berikut ini.
Alternatif
Keputusan Probabilitas
Kondisi Alami
0,40
Rendah
0,20
Sedang
0,40
Tinggi
A $40 $100 $60
B $85 $60 $70
C $60 $70 $70
D $65 $75 $70
E $70 $65 $80
Alternatif keputusan apakah yang memaksimalkan nilai harapan dari imbalannya?
A.11 Toko buku di University of Dallas menyimpan banyak buku sebagai persiapan untuk dijual
di setiap semester. Toko buku ini biasanya bergantung pada hasil perkiraan yang dilakukan oleh
departemen dan catatan praregistrasi untuk menentukan banyaknya buku yang dibutuhkan. Hasil
catatan praregistrasi menunjukkan bahwa terdapat 90 mahasiswa MO yang mendafar. Namun,
manajer toko buku tersebut, Curtis Ketterman, memiliki pemikiran lain yang berdasarkan pada
intuisi dan pengalaman masa lalunya. Curtis berpendapat bahwa distribusi penjualan berkisar
dari 70 hingga 90 unit, sesuai dengan model probabilitas berikut.
Permintaan 70 75 80 85 90
Probabilitas 0,15 0,30 0,30 0,20 0,05
Buku ini memakan biaya $82 dan dijual seharga $112. Buku yang tidak dijual dapat dikembalikan
pada penerbit, dikurangi dengan biaya penyimpanan ulang dan pengiriman, akan menghasilkan
pengembalian senilai $36.
a) Buatlah tabel keuntungan kondisionalnya!
b) Berapa buku yang harus disimpan oleh toko buku tersebut untuk mencapai nilai
harapan tertinggi?
MK-26 Manajemen Operasi
A.12 Palmer Cheese Company adalah sebuah perusahaan manufaktur kecil yang memproduksi
beberapa produk keju yang berbeda. Salah satu produk adalah keju olesan yang dijual pada toko
eceran. Susan Palmer harus memutuskan banyaknya kotak keju olesan yang harus dibuat setiap
bulan. Peluang permintaan 6 kotak adalah 0,1; 7 kotak sebesar 0,3; 8 kotak untuk 0,5; dan 9 kotak
untuk 0,1. Biaya yang dikeluarkan untuk setiap kotak adalah $45, dan harga yang diberikan
oleh Susan untuk setiap kotak adalah $95. Sisi buruknya, setiap kotak yang tidak dapat terjual
hingga akhir bulan tidak memiliki nilai sama sekali karena keju telah rusak. Berapa kotak yang
harus diproduksi oleh Susan setiap bulannya?
A.13 Ronald Lau, kepala insinyur di South Dakota Electronics, harus memutuskan untuk
membangun sebuah fasilitas paling mutakhir. Jika fasilitas baru ini berhasil, perusahaannya
dapat mengantongi keuntungan sebesar $200.000. Jika gagal, South Dakota Electronics akan
merugi sebesar $180.000. Saat ini, Lau memperkirakan probabilitas sebesar 60% bahwa proses
yang baru akan mengalami kegagalan.
Pilihan lainnya adalah membangun sebuah pabrik percontohan dan memutuskan untuk
membangun fasilitas lengkap atau tidak berdasarkan pengamatan pada pabrik percontohan
ini. Pabrik percontohan menghabiskan biaya sebesar $10.000. Lau memperkirakan peluang
50% bahwa pabrik percontohan ini akan berhasil. Jika pabrik percontohan ini bekerja, terdapat
peluang 90% bahwa pabrik yang lengkap akan dibangun; jika pabrik dibangun, juga akan berhasil.
Jika pabrik percontohannya gagal, hanya terdapat 20% peluang pabrik yang sesungguhnya (jika
dibangun) akan sukses. Lau menghadapi sebuah dilema. Haruskah ia membangun pabrik?
Haruskah ia membangun proyek percontohan, kemudian mengambil keputusan berdasarkan
pengamatannya pada proyek percontohan ini? Bantulah Lau menganalisis masalah ini!
A.14 Karen Villagomez, direktur Wright Industries, sedang mempertimbangkan untuk
membangun sebuah pabrik manufaktur di Ozarks. Keputusannya diringkas pada tabel
berikut.
Alternatif Kondisi Pasar Baik Kondisi Pasar Tidak Baik
Membangun pabrik besar $400.000 –$ 300.000
Membangun pabrik kecil $ 80.000 –$ 10.000
Tidak membangun sama sekali $ 0 $ 0
Peluang pasar 0,4 0,6
a) Buatlah pohon keputusannya!
b) Tentukan strategi yang terbaik menggunakan EMV!
c) Berapakah EVPI?
A.15 Deborah Kellogg membeli serangkaian alat uji pernapasan bagi Departemen Kepolisian
Denver. Kualitas alat uji pernapasan dari dua pemasok diberikan pada tabel berikut.
Persentase Cacat
Peluang bagi
Loomba Technology
Peluang bagi
Stewart-Douglas Enterprises
1 0,70 0,30
3 0,20 0,30
5 0,10 0,40
Sebagai contoh, peluang mendapatkan satu lot alat uji pernapasan yang memiliki cacat sebesar
1% bagi Loomba Technology adalah 0,70. Karena Kellogg memesan 10.000 alat uji pernapasan
MK-27 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
dalam sekali pemesanan, ini berarti terdapat peluang sebesar 0,70 untuk mendapatkan 100 alat
yang cacat dari 10.000 alat yang ada jika Kellogg memilih barang dari Loomba Technology.
Serangkaian alat uji pernapasan yang cacat dapat diperbaiki dengan harga $0,50. Walaupun
kualitas pemasok yang kedua, Stewart-Douglas Enterprises, lebih rendah, harga barangnya
lebih rendah $37 daripada harga barang Loomba.
a) Buatlah pohon keputusannya!
b) Pemasok apakah yang sebaiknya digunakan oleh Kellogg?
A.16 Deborah Hollwager, seorang pedagang di taman bermain Des Moines, membuat sebuah
tabel yang berisikan nilai kondisional bagi beragam alternatif (keputusan menyimpan persediaan)
dan kondisi alami (ukuran keramaian).
Kondisi Alami (ukuran keramaian)
Alternatif Besar Rata-rata Kecil
Persediaan banyak $20.000 $10.000 –$2.000
Persediaan rata-rata $15.000 $12.000 $6.000
Persediaan sedikit $ 9.000 $ 6.000 $5.000
Jika peluang yang berkaitan dengan kondisi alami adalah 0,3 untuk jumlah keramaian yang besar,
0,5 untuk jumlah keramaian sedang, dan 0,2 untuk jumlah keramaian yang kecil, tentukan:
a) alternatif yang memberikan EMV terbesar,
b) EVPI.
A.17 Joseph Biggs memiliki bisnis Sno-Cone dan tinggal 30 mil dari tempat rekreasi pantai di
California. Penjualan Sno-Cone sangat bergantung pada lokasi dan cuaca. Di tempat rekreasi,
keuntungan yang akan diperolehnya adalah $120 per hari pada cuaca baik dan $10 per hari
pada cuaca buruk. Di rumah, keuntungannya adalah $70 pada cuaca baik dan $55 pada cuaca
buruk. Asumsikan bahwa pada suatu hari tertentu, jasa pelayanan peramalan cuaca menyatakan
terdapat peluang sebesar 40% cuaca akan memburuk.
a) Buatlah pohon keputusan bagi Joseph!
b) Keputusan apakah yang disarankan oleh kriteria nilai yang diharapkan?
A.18 Kenneth Boyer sedang mempertimbangkan untuk membuka sebuah toko sepeda di
Chicago bagian utara. Boyer sangat senang mengendarai sepeda, tetapi kegemarannya ini bisa
menjadi sebuah peluang usaha di mana ia bisa berharap menjadi mata pencahariannya. Ia
bisa membuka sebuah toko kecil, toko besar, atau tidak membuka toko sama sekali. Karena
MK-28 Manajemen Operasi
penyewaan gedung akan dilakukan selama 5 tahun, Boyer ingin memastikan ia membuat
keputusan tepat. Boyer juga berpikir untuk mempekerjakan dosen pemasaran lamanya untuk
melakukan penelitian pasar guna melihat adanya pasar pelayanan jasanya. Hasil penelitian ini
akan memperlihatkan hasil yang diinginkan atau tidak diinginkan. Buatlah pohon keputusan
untuk Boyer!
A.19 F. J. Brewerton Retailers, Inc. harus memutuskan apakah akan membangun fasilitas
besar atau kecil di lokasi barunya di Texas bagian selatan. Permintaan di lokasi tersebut bisa
rendah atau tinggi dengan peluang masing-masing 0,4 dan 0,6. Jika Brewerton membangun
fasilitas kecil dan permintaannya ternyata tinggi, ia akan memiliki pilihan untuk memperluas
fasilitas. Jika yang dibangun adalah fasilitas kecil dan ternyata permintaannya tinggi, kemudian
fasilitasnya diperluas, maka imbalannya adalah $270.000. Jika yang dibangun fasilitas kecil dan
permintaannya ternyata tinggi, tetapi Brewerton memutuskan untuk tidak memperluas fasilitas,
maka imbalannya adalah $223.000.
Jika yang dibangun adalah fasilitas kecil dan permintaannya ternyata rendah, maka
tidak akan ada pilihan untuk melakukan perluasan, dan imbalannya adalah $200.000. Jika
yang dibangun adalah fasilitas besar dan permintaannya rendah, Brewerton memiliki pilihan
untuk meningkatkan jumlah permintaan dengan beriklan secara lokal. Jika ia tidak melakukan
pilihan ini, maka imbalannya adalah $40.000. Jika ia melakukan pilihan untuk beriklan, maka
tanggapannya mungkin akan biasa saja atau baik sekali dengan peluang masing-masing 0,3 dan
0,7. Jika tanggapannya biasa saja, imbalannya $20.000. Jika baik sekali, imbalannya $220.000.
Terakhir, jika fasilitas besar yang dibangun dan permintaan ternyata tinggi, maka tidak perlu
ada iklan, dan imbalannya adalah $800.000.
a) Apa yang sebaiknya dilakukan Brewerton untuk memaksimalkan imbalan yang
diharapkannya?
b) Berapakah nilai harapan imbalannya?
A.20 Dick Holliday sedang ragu-ragu dengan apa yang harus dilakukannya. Ia dapat membuka
satu tempat penyewaan video yang besar atau kecil dalam toko obatnya. Ia juga dapat
mengumpulkan informasi tambahan, atau tidak melakukan apa pun. Jika ia mengumpulkan
informasi tambahan, hasilnya bisa menyarankan pasar yang baik atau buruk, tetapi akan
membebani dirinya $3.000 untuk mendapatkan informasi ini. Holliday percaya bahwa terdapat
peluang 50–50 bahwa informasi yang dihasilkan baik. Jika pasar penyewaan baik, Holliday akan
mendapatkan $15.000 dengan tempat yang besar atau $5.000 dengan tempat yang kecil. Walaupun
demikian, dengan pasar penyewaan video yang buruk, Holliday akan merugi sebesar $20.000
dengan tempat yang besar atau $10.000 dengan tempat yang kecil. Jika tidak mengumpulkan
informasi tambahan, Holliday memperkirakan peluang bahwa pasar penyewaannya baik sebesar
0,7. Laporan yang positif akan meningkatkan peluang pasar penyewaan yang baik menjadi 0,9.
Jika laporan penelitiannya negatif, maka peluang pasar penyewaannya baik akan turun menjadi
hanya 0,4. Holliday tentu dapat melupakan semua angka ini dan tidak melakukan apa-apa.
Apakah yang akan Anda sarankan kepada Holliday?
A.21 Toko mesin Jef Kaufmann menjual berbagai mesin untuk bengkel. Seorang pelanggan ingin
membeli mesin bor model XPO2 dari toko Jef. Model XPO2 dijual seharga $180.000, tetapi Jef
kehabisan XPO2. Pelanggan tersebut bilang akan menunggu hingga Jef mendapatkan model
XPO2. Jef tahu bahwa ada pasar grosir untuk XPO2 di mana ia dapat membeli XPO2. Jef dapat
membeli XPO2 hari ini seharga $150.000, atau ia dapat menunggu satu hari dan membeli XPO2
(jika besok masih ada) besok seharga $125.000. Jika setidaknya terdapat satu XPO2 besok, Jef
dapat menunggu hingga lusa dan membeli XPO2 (jika masih ada) seharga $110.000.
MK-29 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
Terdapat peluang 0,40 bahwa tidak akan ada model XPO2 besok. Jika terdapat model
XPO2 besok, terdapat peluang 0,70 bahwa lusa tidak akan ada model XPO2 di pasar grosir.
Tiga hari dari sekarang, sudah pasti bahwa tidak akan model XPO2 di pasar grosir. Berapa
maksimum keuntungan harapan yang dapat dicapai Jef? Apa yang sebaiknya dilakukan Jef?
A.22 Kota Segovia sedang berpikir untuk membangun bandara kedua guna mengurangi
kemacetan di bandara utama dan mempertimbangkan dua lokasi berpotensial, X dan Y. Hard
Rock Hotel ingin membeli tanah untuk membangun hotel di bandara baru. Harga tanah telah
naik dan diperkirakan melonjak jika kota tersebut telah memutuskan lokasi antara X dan Y.
Akibatnya, Hard Rock harus membeli tanah sekarang. Hard Rock akan menjual tanahnya jika
kota tersebut memutuskan untuk tidak membangun bandara di dekatnya. Hard Rock memiliki
empat pilihan: (1) beli tanah di X, (2) beli tanah di Y, (3) beli tanah di X dan Y, atau (4) tidak
melakukan apa-apa. Hard Rock telah mengumpulkan data berikut (dalam jutaan euro).
Lokasi X Lokasi Y
Harga beli sekarang 27 15
Keuntungan jika bandara dan hotel dibangun di sini 45 30
Harga jual jika bandara tidak dibangun di sini 9 6
Hard Rock memutuskan bahwa terdapat peluang 45% bandaranya akan dibangun di X (dengan
kata lain, peluangnya 55% bahwa bandaranya akan dibangun di Y).
a) Buatlah tabel keputusannya!
b) Apa yang sebaiknya diputuskan oleh Hard Rock untuk memaksimalkan keuntungan bersih
total?
A.23 Louisiana sedang sibuk merancang program lotre terbaru yang disebut permainan “gosok”.
Pada permainan lalu, Bayou Boondoggle, si pemain, diperintahkan untuk menggosok satu
tempat: A, B, atau C. A dapat berarti “Tidak beruntung”, “Menang $1”, atau “Menang $50”.
B dapat berarti “Tidak Beruntung” atau “Ambil Kesempatan Kedua”. C dapat berarti “Tidak
Beruntung” atau “Menang $500”. Pada kesempatan kedua, si pemain diberikan perintah untuk
menggosok D atau E. D dapat berarti “Tidak beruntung” atau “Menang $1”. E dapat berarti
“Tidak beruntung” atau “Menang $10”. Peluang pada A adalah 0,90; 0,09; dan 0,01. Peluang
pada B adalah 0,8 dan 0,2. Peluang pada C adalah 0,999 dan 0,001. Peluang pada D adalah 0,50
dan 0,50. Akhirnya, peluang pada E adalah 0,95 dan 0,05. Gambarlah pohon keputusan yang
menggambarkan skenario ini! Gunakan simbol yang sesuai dan berikan label pada semua cabang
dengan jelas. Hitunglah nilai harapan dari permainan ini!
Studi Kasus
Transplantasi Hati Tom Tucker
Tom Tucker, seorang eksekutif berusia 50 tahun yang kuat, tinggal di pedesaan bagian utara St.
Paul, telah didiagnosis memiliki hati yang fungsinya terus menurun oleh dokter ahli penyakit
dalam di University of Minnesota. Walaupun kondisi kesehatan lainnya baik, masalah hati
Tucker dapat menyebabkan kematian jika tidak ditangani.
Data penelitian perusahaan tidak tersedia untuk memperkirakan kemungkinan seseorang
seusia Tucker untuk dapat bertahan dan bagaimana kondisinya jika tidak dilakukan proses
operasi. Walaupun demikian, berdasarkan pengalaman pribadinya dan artikel jurnal medis
MK-30 Manajemen Operasi
terbaru, dokter ahli penyakit dalam ini mengatakan kepada Tucker jika ia memilih untuk
mengabaikan operasi hatinya, peluangnya untuk bertahan kurang lebih sebagai berikut: peluang
untuk hidup 1 tahun lagi 60%, peluang untuk hidup 2 tahun lagi 20%, peluang untuk hidup 5
tahun lagi 10%, dan peluang untuk hidup hingga Tucker berusia 58 tahun adalah 10%. Dokter
ahli penyakit dalam menyatakan peluang untuk bertahan hidup di atas usia 58 tahun bagi Tucker
sangat kecil jika ia tidak melakukan operasi transplantasi hati.
Walaupun demikian, operasi transplantasi merupakan prosedur medis yang sangat serius.
Lima persen pasien meninggal dalam proses operasi atau pada tahapan penyembuhan, 45%
meninggal dalam masa satu tahun pertama. Sebanyak 20% bertahan hidup hingga 5 tahun, 13%
bertahan hingga 10 tahun, serta 8%, 5%, dan 4% bertahan selama 15, 20, dan 25 tahun secara
berturut-turut.
Pertanyaan untuk Diskusi
1. Menurut Anda, apakah Tucker sebaiknya memilih operasi transplantasi?
2. Faktor lain apakah yang harus ia pertimbangkan?
Ski Right Corp.
Setelah pensiun sebagai dokter, Bob Guthrie gemar sekali berselancar pada lereng-lereng yang
curam di Rocky Mountains di Utah. Sebagai seorang penemu amatir, Bob selalu mencari sesuatu
yang baru. Dengan adanya kematian beberapa peselancar baru-baru ini, Bob mengetahui bahwa
ia dapat menggunakan ide kreatifnya untuk membuat olahraga berselancar ini menjadi lebih
aman, dan membuat rekening banknya bertambah. Ia memahami bahwa banyak kematian di
lereng ini disebabkan oleh kecelakaan pada kepala. Walaupun helm untuk berselancar telah
tersedia di pasaran, banyak peselancar tidak menyenanginya karena terlihat membosankan
dan buruk. Sebagai seorang dokter, Bob tahu bahwa suatu jenis helm berselancar yang baru
merupakan jawabannya.
Tantangan terbesar Bob adalah menemukan sebuah helm yang menarik, aman, dan
nyaman dikenakan. Helm ini harus berwarna-warni dan menggunakan desain paling mutakhir.
Setelah bertahun-tahun berselancar, Bob tahu bahwa banyak peselancar berpendapat tampilan
mereka lebih penting daripada keahlian berselancarnya. Helm yang akan ia buat haruslah terlihat
bagus dan sesuai dengan tren pakaian terbaru. Namun, helm yang menarik tidaklah cukup. Bob
harus membuat helmnya nyaman dan bermanfaat. Nama helm ski barunya, Ski Right, sudah
pasti menjadi pemenang. Jika Bob bisa mendapatkan ide yang bagus, ia percaya terdapat 20%
peluang bahwa pasar helm Ski Right akan sangat bagus. Peluang pasar yang bagus sebesar 40%.
Bob juga mengetahui pasar helmnya bisa menjadi biasa-biasa saja (peluang 30%) atau bahkan
buruk (peluang 10%).
Gagasan mengenai cara membuat helm berselancar yang nyaman dan bermanfaat muncul
saat Bob berada pada gondola di atas gunung. Seorang eksekutif yang sibuk berbicara dengan
telepon genggamnya berusaha menyelesaikan sebuah merger yang rumit selagi berada di atas
gondola. Saat sang eksekutif turun dari gondola, telepon genggamnya terjatuh dan terlindas
oleh sistem gondola. Bob memutuskan bahwa helm berselancar barunya harus memiliki telepon
genggam yang terpadu dan radio stereo AM/FM. Semua elektroniknya dapat dioperasikan
dengan sebuah papan kendali yang dikenakan pada tangan atau kaki peselancar.
Bob memutuskan untuk mencoba sebuah proyek pilot kecil untuk Ski Right. Ia sangat
menikmati masa pensiunnya dan tidak mengharapkan kegagalan yang dapat menyebabkan ia
harus kembali bekerja. Setelah melakukan beberapa penelitian, Bob menemukan Progressive
Products (PP). Perusahaan ini ingin menjadi rekanan dalam produksi Ski Right dan membagi
hasil keuntungan yang akan diperoleh. Jika pasar sangat baik, Bob akan mendapatkan $5.000
MK-31 Modul Kuantitatif A • Perangkat Pengambilan Keputusan
per bulan. Jika pasar baik, Bob akan mendapatkan $2.000. Jika pasar rata-rata, hal ini akan
menimbulkan kerugian sebesar $2.000 dan pasar yang buruk akan menyebabkan Bob merugi
$5.000 per bulan.
Pilihan lain yang tersedia adalah bekerja sama dengan Leadville Barts (LB) untuk
memproduksi helm itu. Perusahaan ini berpengalaman dalam membuat helm bagi pengendara
sepeda. Progressive akan mengambil helm yang diproduksi oleh Leadville dan melakukan hal
yang lebih. Bob memiliki risiko yang lebih besar. Ia memperkirakan bahwa ia dapat merugi
$10.000 per bulan dalam kondisi pasar yang buruk, atau $4.000 pada pasar rata-rata. Pasar yang
baik akan menghasilkan keuntungan $6.000 bagi Bob, sementara pasar yang sangat baik berarti
keuntungan $12.000 per bulan.
Pilihan ketiga bagi Bob adalah menggunakan TalRad (TR), sebuah perusahaan radio
di Tallahassee, Florida. TalRad memiliki pengalaman memproduksi radio untuk penggunaan
militer. LB dapat membuat helm, dan PP yang akan melakukan proses produksi dan distribusi.
Dengan kondisi seperti ini, Bob lagi-lagi mendapatkan risiko yang lebih besar. Pasar yang buruk
berarti kerugian sebesar $15.000 per bulan, pasar rata-rata berarti kerugian sebesar $10.000.
Pasar yang baik akan menghasilkan keuntungan bersih senilai $7.000 bagi Bob, dan pasar yang
sangat baik akan menghasilkan $13.000 per bulan.
Bob juga bisa meminta Celestial Cellular (CC) untuk membuat telepon genggam. Jadi,
pilihan lainnya adalah meminta CC untuk memproduksi telepon dan PP yang akan memproduksi
serta mendistribusikan helmnya. Karena telepon genggam ini merupakan komponen yang
paling mahal pada helm, Bob bisa merugi $30.000 per bulan jika kondisi pasarnya buruk. Pada
pasar rata-rata, Bob bisa merugi sebesar $20.000. Jika pasar baik atau sangat baik, Bob akan
mendapatkan keuntungan bersih senilai $10.000 atau $30.000.
Pilihan terakhir bagi Bob adalah melupakan PP sama sekali. Ia dapat mengatur LB
untuk memproduksi helm, CC untuk memproduksi telepon, dan TalRad untuk memproduksi
radio stereo AM/FM. Kemudian, Bob dapat mempekerjakan beberapa teman untuk merakit
semuanya, dan memasarkan helm Ski Right yang sudah jadi. Dengan alternatif terakhir ini, Bob
dapat merealisasikan keuntungan bersih sebesar $55.000 per bulan pada pasar yang sangat baik.
Saat pasarnya baik, Bob bisa menghasilkan $20.000. Walaupun demikian, pasar rata-rata Bob
akan merugi $35.000 dan pasar yang buruk Bob akan merugi $60.000 per bulan.
Pertanyaan untuk Diskusi
1. Apakah yang akan Anda sarankan?
2. Hitunglah EVPI-nya!
3. Apakah Bob telah melakukan pendekatan yang logis terhadap masalah pengambilan
keputusan ini?
Sumber: B. Render, R. M. Stair, dan M. Hanna, Quantitative Analysis for Management. Edisi Kesepuluh. Upper
Saddle River, N.J.: Prentice Hall (2009). Dicetak ulang atas seizin Prentice Hall, Inc.
Studi Kasus Tambahan
Kunjungi situs Web kami di www.prenhall.com/heizer untuk studi kasus tambahan ini secara
cuma-cuma.
• Arctic, Inc.: sebuah perusahaan kulkas memiliki beberapa pilihan mengenai kapasitas dan
perluasan.
MK-32 Manajemen Operasi
Daftar Pustaka
Balakrishnan, R., B. Render, dan R. M. Stair, Jr. 2007. Managerial Decision Modeling with
Spreadsheets. Edisi Kedua. Upper Saddle River, NJ: Prentice Hall.
Collin, Ian. “Scale Management and Risk Assessment for Deepwater Developments”. World Oil
224, No. 5, Mei 2003: 62.
Hammond, J. S., R. L. Kenney, dan H. Raifa. “Te Hidden Traps in Decision Making”. 76, No.
5. Harvard Business Review. September–Oktober 1998: 47–60.
Keefer, Donald L. “Balancing Drug Safety and Ef cacy for a Go/No-Go Decision”. Interfaces 34,
No. 2, Maret–April 2004: 113–116.
Lin, H. “Decision Teory and Analysis”. Futurics 28, No. 1–2 (2004): 27–47.
Miller, C. C. dan R. D. Ireland. “Intuition in Strategic Decision Making”. Academy of Management
Executive 19, No. 1, Februari 2005: 19.
Raifa, H. dan R. Schlaifer. 2000. Applied Statistical Decision Teory. New York:Wiley.
Render, B., R. M. Stair Jr., dan M. Hanna. 2009. Quantitative Analysis for Management. Edisi
Kesepuluh. Upper Saddle River, NJ: Prentice Hall.
MK-33 Modul Kuantitatif B • Pemrograman Linier
Modul Kuantitatif B
Pemrograman Linier
Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu:
1. merumuskan model pemrograman linier, termasuk fungsi tujuan dan batasan-
batasan;
2. memecahkan suatu masalah PL secara grafs dengan metode garis iso-proft;
3. memecahkan suatu masalah PL secara grafs dengan metode titik pojok;
4. menginterpretasikan analisis sensitivitas dan harga-harga bayangan;
5. membangun dan memecahkan masalah minimalisasi;
6. merumuskan bauran produksi, diet, dan masalah penjadwalan tenaga kerja.
PERSYARATAN PERSOALAN PEMROGRAMAN LINIER
MERUMUSKAN PERSOALAN PEMROGRAMAN LINIER
Contoh Shader Electronics
SOLUSI GRAFIS BAGI PERSOALAN PEMROGRAMAN
LINIER
Masalah Pemrograman
Penggambaran Batasan-batasan secara Grafs
Metode Solusi Garis Iso-Proft
Metode Solusi Titik pojok
ANALISIS SENSITIVITAS
Laporan Sensitivitas
Perubahan Sumber Daya atau Nilai di Sisi Tangan Kanan
Perubahan Koefsien Fungsi Tujuan
MENYELESAIKAN PERSOALAN MINIMALISASI
PENERAPAN PEMROGRAMAN LINIER
Contoh Bauran Produk
Contoh Masalah Diet
Contoh Penjadwalan Tenaga Kerja
METODE SIMPLEKS UNTUK PEMROGRAMAN LINIER
Rangkuman
Istilah-istilah Penting
Menggunakan Peranti Lunak untuk Memecahkan Masalah
Pemrograman Linier
Contoh Soal dan Penyelesaian
Uji Diri Sendiri
Pertanyaan untuk Diskusi
Soal-soal
Studi Kasus: Golding Landscaping and Plants, Inc.
Studi Kasus Tambahan
Daftar Pustaka
GARIS BESAR PEMBAHASAN
MK-34 Manajemen Operasi
Banyak keputusan manajemen operasi berkaitan dengan usaha menggunakan sumber
daya organisasi dengan cara yang paling efektif. Sumber daya biasanya meliputi
permesinan (contoh: pesawat terbang dalam kasus perusahaan penerbangan), tenaga
kerja (pilot), uang, waktu, dan bahan baku (bahan bakar pesawat jet). Sumber daya ini
dapat digunakan untuk menghasilkan produk (seperti: mesin, mebel, makanan, atau
pakaian) atau jasa (seperti: jadwal penerbangan, kebijakan periklanan, atau keputusan
investasi). Pemrograman linier atau PL adalah suatu teknik matematis yang dirancang
untuk membantu para manajer operasi dalam merencanakan dan membuat keputusan
yang diperlukan untuk mengalokasikan sumber daya.
Berikut beberapa contoh permasalahan di mana PL telah berhasil diterapkan
dalam bidang manajemen operasi.
1. Penjadwalan bus sekolah untuk meminimalkan jarak perjalanan total untuk
mengantar dan menjemput para siswa.
2. Mengalokasikan unit-unit polisi patroli ke daerah yang memiliki tingkat kejahatan
tinggi untuk meminimalkan waktu respons.
3. Penjadwalan teller untuk memenuhi kebutuhan harian, selagi meminimalkan
total biaya tenaga kerja.
4. Memilih bauran produk di suatu pabrik untuk memanfaatkan penggunaan mesin
dan jam kerja yang tersedia sebaik mungkin, selagi memaksimalkan keuntungan
perusahaan.
5. Pemilihan bauran komposisi makanan untuk menghasilkan kombinasi makanan
dengan biaya minimal.
PL
Teknik matematis yang dibuat
untuk membantu manajer operasi
merencanakan dan membuat
keputusan relatif terhadap
imbalan yang dibutuhkan untuk
mengalokasikan sumber daya.
PL
Teknik matematis yang dibuat
untuk membantu manajer operasi
merencanakan dan membuat
keputusan relatif terhadap
imbalan yang dibutuhkan untuk
mengalokasikan sumber daya.
c Badai yang datang secara tiba-tiba di Bandara O’Hare, Chicago, melumpuhkan operasi bandara
tanpa peringatan. Hujan lebat, kilat, dan jarak pandang yang buruk dapat memusingkan para penumpang
dan kru darat. Karena American Airlines menggunakan pemrograman linier (linear programming)
untuk menjadwalkan penerbangan, hotel, kru, dan pengisian bahan bakar. Pemrograman linier
berdampak langsung terhadap keuntungan. Bila Amerika mengalami gangguan cuaca besar di salah
satu bandaranya, maka banyak penerbangan yang akan tertunda sehingga banyak kru dan pesawat
akan berada di tempat yang salah. Pemrograman linier adalah perangkat yang membantu maskapai
penerbangan seperti American Airlines untuk menghadapi kendala cuaca.
MK-35 Modul Kuantitatif B • Pemrograman Linier
6. Menentukan sistem distribusi yang akan meminimalkan biaya pengiriman total
dari beberapa gudang ke beberapa lokasi pasar.
7. Membuat suatu jadwal produksi yang akan mencukupi permintaan di masa
mendatang akan suatu produk perusahaan; pada saat yang bersamaan,
meminimalkan biaya persediaan dan biaya produksi total.
8. Mengalokasikan ruangan untuk para penyewa yang bercampur dalam pusat
perbelanjaan baru untuk memaksimalkan pendapatan perusahaan penyewaan
(Lihat kotak Penerapan MO, “Menggunakan PL untuk Memilih Penyewa pada
Suatu Pusat Perbelanjaan”).
PERSYARATAN PERSOALAN PEMROGRAMAN LINIER
Semua persoalan PL mempunyai empat sifat umum
1. Persoalan PL bertujuan memaksimalkan atau meminimalkan kuantitas (pada
umumnya berupa keuntungan atau biaya). Sifat umum ini disebut fungsi tujuan
(objective function) dari suatu persoalan PL. Pada umumnya, tujuan utama suatu
perusahaan adalah memaksimalkan keuntungan pada jangka panjang. Dalam
kasus sistem distribusi suatu perusahaan angkutan atau penerbangan, tujuan
pada umumnya berupa meminimalkan biaya.
2. Adanya batasan (constraints) atau kendala yang membatasi tingkat sampai di mana
sasaran dapat dicapai. Sebagai contoh, keputusan untuk memproduksi banyaknya
unit dari setiap produk pada suatu lini produk perusahaan dibatasi oleh tenaga
kerja dan permesinan yang tersedia. Oleh karena itu, untuk memaksimalkan atau
meminimalkan suatu kuantitas (fungsi tujuan) bergantung pada sumber daya
yang jumlahnya terbatas (batasan).
3. Harus ada beberapa alternatif tindakan yang dapat diambil. Sebagai contoh, jika
suatu perusahaan menghasilkan tiga produk yang berbeda, manajemen dapat
menggunakan PL untuk memutuskan bagaimana cara mengalokasikan sumber
dayanya yang terbatas (tenaga kerja, permesinan, dan seterusnya). Jika tidak ada
alternatif yang dapat diambil, maka PL tidak diperlukan.
4. Tujuan dan batasan dalam permasalahan pemrograman linier harus dinyatakan
dalam pertidaksamaan atau persamaan linier.
MERUMUSKAN PERSOALAN PEMROGRAMAN LINIER
Salah satu penerapan pemrograman linier yang paling umum adalah masalah bauran
produk. Dua produk atau lebih umumnya diproduksi dengan menggunakan sumber
daya yang terbatas. Perusahaan ingin menentukan banyaknya unit dari setiap produk
tersebut yang perlu dihasilkan untuk memaksimalkan keuntungan keseluruhan dengan
sumber dayanya yang terbatas. Berikut akan diberikan satu contoh.

Fungsi Tujuan
Pernyataan matematis
dalam pemrograman linier
yang meminimalkan atau
memaksimalkan suatu besaran
(biasanya keuntungan atau biaya,
tetapi tujuan apa pun dapat
digunakan).
Batasan
Kendala yang membatasi tingkat
di mana seorang manajer dapat
mengejar suatu tujuan.
Fungsi Tujuan
Pernyataan matematis
dalam pemrograman linier
yang meminimalkan atau
memaksimalkan suatu besaran
(biasanya keuntungan atau biaya,
tetapi tujuan apa pun dapat
digunakan).
Batasan
Kendala yang membatasi tingkat
di mana seorang manajer dapat
mengejar suatu tujuan.
MK-36 Manajemen Operasi
Penerapan MO
Menggunakan PL untuk Memilih Penyewa pada
suatu Pusat Perbelanjaan
Homart Development Company adalah salah satu
pengembang pusat perbelanjaan yang paling besar
di Amerika Serikat. Saat mulai membangun suatu
pusat perbelanjaan baru, Homart membuat satu
denah yang bersifat sementara, atau “footprint”,
untuk pusat perbelanjaan itu. Denah ini menguraikan
ukuran, bentuk, dan ruangan bagi department store
utama secara sekilas. Perjanjian penyewaan dibuat
dengan dua atau tiga department store utama yang
akan menjadi andalan pada pusat perbelanjaan
tersebut. Department store andalan ini dapat
merundingkan perjanjian penyewaan yang sangat
menguntungkan bagi pihaknya. Keuntungan Homart
datang terutama dari uang sewa yang dibayar oleh
para penyewa nonandalan—yaitu toko-toko lebih
kecil yang menyewa tempat di sepanjang lorong
pusat perbelanjaan. Oleh karena itu, keputusan yang
dibuat untuk pengalokasian ruangan kepada para
penyewa yang potensial sangat berpengaruh pada
kesuksesan suatu investasi.
Bauran penyewa ini menentukan toko-toko
yang diinginkan dalam pusat perbelanjaan sesuai
dengan ukuran, lokasi umum, dan jenis barang
atau jasa yang mereka sediakan. Sebagai contoh,
bauran ini dapat menentukan dua toko perhiasan
kecil di tengah pusat perbelanjaan, serta toko
sepatu berukuran menengah dan sebuah rumah
makan besar di sisi lorong yang lainnya. Di masa
lalu, Homart mengembangkan rencana bagi bauran
penyewa dengan menggunakan aturan sederhana
berdasarkan pengalaman bertahun-tahun dalam
mengembangkan pusat perbelanjaan.
Sekarang, untuk meningkatkan posisinya
dalam pasar yang semakin kompetitif, Homart
memberlakukan masalah bauran penyewa ini
sebagai suatu model pemrograman linier. Pertama,
model ini menggunakan asumsi bahwa penyewa
dapat digolongkan dalam kategori menurut jenis
barang dagangan atau jasa yang mereka sediakan.
Kedua, model ini menggunakan asumsi bahwa untuk
setiap jenis toko, ukuran toko dapat diperkirakan
oleh kategori yang berbeda. Sebagai contoh, sebuah
toko perhiasan kecil dapat berukuran sekitar 700
kaki persegi dan toko yang besar sekitar 2.200 kaki
persegi. Model bauran penyewa adalah cara yang
sangat bermanfaat untuk memperbaiki aktivitas
perencanaan dan penyewaan Homart.
Sumber: Chain Store Age (Maret 2000): 191–192; Business World
(18 Maret 2002): 1; dan Interfaces (Maret–April 1988): 1–9.
Contoh Shader Electronics
Shader Electronics Company menghasilkan dua produk: (1) Shader x-pod, sebuah
pemutar musik portabel dan (2) Shader BlueBerry, sebuah ponsel berwarna dengan
sambungan Internet. Proses produksi untuk setiap produk serupa, yaitu keduanya
memerlukan waktu tertentu untuk pengerjaan elektroniknya dan waktu tertentu untuk
pengerjaan perakitannya. Setiap x-pod membutuhkan waktu selama 4 jam untuk
pengerjaan elektronik dan 2 jam untuk perakitan. Setiap BlueBerry memerlukan
waktu selama 3 jam untuk pengerjaan elektronik dan 1 jam untuk perakitan. Sepanjang
periode produksi sekarang, tersedia waktu selama 240 jam waktu pengerjaan elektronik
dan 100 jam waktu perakitan. Setiap x-pod menghasilkan keuntungan $7; dan setiap
BlueBerry yang diproduksi menghasilkan keuntungan $5.
Permasalahan yang dihadapi Shader adalah menentukan kombinasi terbaik antara
jumlah x-pod dan BlueBerry yang dibuat untuk mencapai keuntungan maksimal.
Situasi bauran produk ini dapat dirumuskan sebagai masalah pemrograman linier.
Pemecahan masalah dimulai dengan merangkum informasi yang diperlukan
untuk merumuskan dan memecahkan masalah ini (lihat Tabel B.1). Lebih lanjut,
MK-37 Modul Kuantitatif B • Pemrograman Linier
diperkenalkan beberapa notasi sederhana yang akan digunakan dalam batasan dan
fungsi tujuan. Kita misalkan:
X
1
= jumlah x-pod yang akan diproduksi
X
2
= jumlah BlueBerry yang akan diproduksi
Kita memberi nama keputusannya dengan variabel X
1
dan X
2
di sini, tetapi perhatikan
bahwa notasi apa pun (misalnya, x-p dan B) juga dapat digunakan.
Sekarang, fungsi tujuan PL dapat dibuat dalam kaitannya dengan X
1
dan X
2
:
Memaksimalkan keuntungan = $7X
1
+ $5X
2

Langkah selanjutnya adalah membuat hubungan matematis untuk menentukan kedua
batasan dalam masalah ini. Satu hubungan yang umum adalah jumlah suatu sumber
daya yang digunakan harus lebih kecil daripada atau sama dengan (≤) jumlah sumber
daya yang tersedia.
Batasan pertama: Waktu elektronik yang diperlukan ≤ Waktu elektronik yang
tersedia.
4X
1
+ 3X
2
≤ 240 (waktu pengerjaan elektronik)
Batasan kedua: Waktu perakitan yang diperlukan ≤ Waktu perakitan yang tersedia.
2X
1
+ 1X
2
≤ 100 (waktu pengerjaan perakitan)

Kedua batasan ini mewakili adanya keterbatasan dalam hal kapasitas produksi yang
tentu saja memengaruhi keuntungan total. Sebagai contoh, Shader Electronics tidak
dapat menghasilkan 70 x-pod sepanjang periode produksi. Sebab jika X
1
= 70, maka
kedua batasan tadi akan dilanggar. Perusahaan juga tidak dapat membuat x-pod
X
1
= 50 dan BlueBerry X
2
= 10. Batasan ini memunculkan aspek penting lain dari
pemrograman linier, yaitu interaksi tertentu yang akan muncul di antara variabel.
Semakin banyak unit suatu produk yang dihasilkan perusahaan, maka unit lain yang
dapat diproduksinya menjadi lebih sedikit.

Tujuan Pembelajaran
1. Merumuskan model
pemrograman linier,
termasuk fungsi tujuan dan
batasan-batasan.
Tujuan Pembelajaran
1. Merumuskan model
pemrograman linier,
termasuk fungsi tujuan dan
batasan-batasan.
Tabel B.1 Data Masalah Shader Electronics Company
Waktu yang Dibutuhkan untuk
Memproduksi 1 Unit
Departemen x-pod (X
1
) BlueBerry (X
2
) Jam Kerja
yang Tersedia
Elektronik 4 3 240
Perakitan 2 1 100
Keuntungan per unit $7 $5
MK-38 Manajemen Operasi
SOLUSI GRAFIS BAGI PERMASALAHAN
PEMROGRAMAN LINIER
Cara paling mudah untuk memecahkan suatu permasalahan PL yang kecil seperti
pada persoalan Shader Electronics Company adalah menggunakan pendekatan solusi
secara grafs (graphical solution approach). Prosedur grafs ini hanya dapat digunakan
jika terdapat dua buah variabel keputusan (decision variables) (seperti jumlah x-pod
yang dihasilkan, X
1
, dan jumlah BlueBerry yang dihasilkan, X
2
). Ketika terdapat lebih
dari dua variabel, tidak mungkin memetakan solusinya pada grafk dua dimensi. Kita
harus menggunakan pendekatan lebih rumit yang akan diuraikan pada modul ini.

Penggambaran Batasan-batasan secara Grafis
Untuk mencari solusi yang optimal bagi suatu masalah pemrograman linier, pertama,
harus diidentifkasi serangkaian, atau daerah, solusi yang layak. Langkah pertama yang
dilakukan adalah memetakan batasan masalah pada suatu grafk.
Variabel X
1
(pada contoh sebelumnya adalah x-pod) umumnya dipetakan pada
sumbu horizontal grafk, dan variabel X
2
(BlueBerry) dipetakan pada sumbu vertikal.
Permasalahannya secara lengkap dapat dinyatakan ulang sebagai berikut.
Memaksimalkan keuntungan = $7X
1
+ $5X
2
Dengan batasan:
4X
1
+ 3X
2
≤ 240 (batasan waktu pengerjaan elektronik)
2X
1
+ 1X
2
≤ 100 (batasan waktu pengerjaan perakitan)
X
1
≥ 0 (jumlah x-pod yang diproduksi lebih besar atau sama dengan 0)
X
2
≥ 0 (jumlah BlueBerry yang diproduksi lebih besar atau sama dengan 0)
Langkah pertama yang dilakukan dalam memetakan batasan dari masalah ini adalah
mengubah pertidaksamaan batasan ini menjadi persamaan.
Batasan A: 4X
1
+ 3X
2
= 240
Batasan B: 2X
1
+ 1X
2
= 100
Persamaan untuk batasan A dipetakan pada Figur B.1 dan batasan B dipetakan pada
Figur B.2.
Untuk dapat memetakan garis pada Figur B.1, hal yang harus dilakukan adalah
mencari titik-titik di mana garis 4X
1
+ 3X
3
= 240 akan berpotongan dengan sumbu
X
1
dan X
2
. Ketika X
1
= 0 (tempat di mana garis menyentuh sumbu X
2
), hal ini berarti
bahwa 3X
2
= 240 dan bahwa X
2
= 80. Demikian juga halnya, ketika X
2
= 0, maka 4X
1

= 240 dan bahwa X
1
= 60. Jadi, batasan A dibatasi oleh suatu garis yang dimulai dari
titik (X
1
= 0, X
2
= 80) hingga (X
2
= 60, X
2
= 0). Daerah yang diarsir mewakili semua
titik yang memenuhi pertidaksamaan awal.
Batasan B digambarkan dengan cara yang sama dalam Figur B.2. Ketika X
1
= 0,
maka X
2
= 100; dan ketika X
2
= 0, maka X
1
= 50. Batasan B dibatasi oleh garis yang
Pendekatan Solusi secara
Grafs
Cara memplot suatu solusi
masalah dua variabel pada sebuah
grafk.
Variabel Keputusan
Pilihan yang tersedia bagi
pembuat keputusan.
Pendekatan Solusi secara
Grafs
Cara memplot suatu solusi
masalah dua variabel pada sebuah
grafk.
Variabel Keputusan
Pilihan yang tersedia bagi
pembuat keputusan.
Dua batasan terakhir
ini disebut juga batasan
nonnegativitas.
Dua batasan terakhir
ini disebut juga batasan
nonnegativitas.
MK-39 Modul Kuantitatif B • Pemrograman Linier
dimulai dari titik (X
1
= 0, X
2
= 100) hingga (X
1
= 50, X
2
= 0). Daerah yang diarsir
mewakili semua titik yang memenuhi pertidaksamaan awal.
Figur B.3 menggambarkan kedua batasan secara bersamaan. Daerah yang
diarsir merupakan bagian yang memenuhi kedua batasan. Daerah gelap pada Figur
B.3 disebut daerah solusi yang layak, atau secara singkat daerah yang layak (feasible
region). Daerah ini harus memenuhi semua kondisi yang ditetapkan oleh batasan
program sehingga pada daerah tersebut semua batasannya saling tumpang tindih.
Setiap titik dalam daerah tersebut menjadi solusi yang layak bagi persoalan Shader
Electronics Company. Setiap titik di luar daerah gelap tersebut mewakili solusi yang
tidak layak. Jadi, perusahaan dapat memproduksi 30 x-pod dan 20 BlueBerry (X
1
=
30, X
2
= 20), tetapi akan melanggar batasan jika perusahaan memproduksi 70 x-pod
dan 40 BlueBerry. Hal ini dapat dilihat dengan memetakan titik-titik tersebut dalam
grafk pada Figur B.3.
Metode Solusi Garis Iso-Profit
Sekarang, setelah daerah yang layak digambarkan, proses pencarian solusi yang optimal
dapat dilanjutkan. Solusi yang optimal adalah satu titik yang terletak pada daerah yang
layak yang menghasilkan keuntungan yang paling tinggi.
Saat daerah yang layak telah didapatkan, beberapa pendekatan dapat diambil
untuk memecahkan solusi optimal tersebut. Cara yang paling cepat adalah metode
garis iso-proft (iso-proft line method).
1
1
Iso berarti “sama” atau “serupa”. Maka, garis iso-proft melambangkan garis dengan semua proft (keuntungan)
yang sama, pada kasus ini $210.
Daerah yang layak
Kumpulan semua kombinasi yang
layak dari variabel keputusan.
Daerah yang layak
Kumpulan semua kombinasi yang
layak dari variabel keputusan.
Metode garis iso-proft
Pendekatan untuk memecahkan
masalah maksimalisasi
pemrograman linier secara grafs.
Metode garis iso-proft
Pendekatan untuk memecahkan
masalah maksimalisasi
pemrograman linier secara grafs.
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
Jumlah X-pod
X
1
X
2
20
40
60
80
100
Batasan A
(X
1
= 0, X
2
= 80)
(X
1
= 60, X
2
= 0)
20 40 60 80 100
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
Jumlah X-pod
X
1
X
2
20
40
60
80
100
Batasan B
(X
1
= 0, X
2
= 100)
(X
1
= 50, X
2
= 0)
20 40 60 80 100
Figur B.1 Batasan A Figur B.2 Batasan B
MK-40 Manajemen Operasi
20 40 100
Jumlah X-pod
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
X
1
X
2
40
60
80
100
Elektronik (batasan A)
Perakitan (batasan B)
60 80
Feasible
region
20
Figur B.3 Daerah Solusi
Layak untuk Masalah Shader
Electronics Company
Proses pencarian optimal dapat dimulai dengan menetapkan keuntungan
sama dengan suatu jumlah sembarang, tetapi dalam pecahan uang yang kecil. Untuk
permasalahan Shader Electronics, suatu keuntungan senilai $210 dapat dipilih, sebagai
contoh. Tingkat keuntungan ini dapat diperoleh dengan mudah tanpa melanggar salah
satu dari kedua batasan yang ada. Fungsi tujuannya dapat ditulis sebagai $210 = $7X
1

+ $5X
2
.
Persamaan ini hanya merupakan persamaan sebuah garis yang disebut garis iso-
proft. Garis ini mewakili semua kombinasi (dari X
1
dan X
2
) yang akan menghasilkan
keuntungan total sebesar $210. Untuk memetakan garis keuntungan ini, lakukan hal
yang sama seperti ketika memetakan garis batasan. Pertama, ambil X
1
= 0 dan pecahkan
untuk titik-titik di mana garis berpotongan dengan sumbu X
2
.
$210 = $7(0) + $5X
2
X
2
= 42 BlueBerry
Kemudian, ambil X
2
= 0 dan dapatkan nilai X
1
:
$210 = $7X
1
+ $5(0)
X
1
= 30 x-pod

Sekarang, dua titik ini dapat dihubungkan menjadi satu garis lurus. Garis keuntungan
digambarkan pada Figur B.4. Semua titik melambangkan solusi yang layak yang
menghasilkan keuntungan senilai $210.
Walaupun demikian, garis iso-proft $210 ini tidak menghasilkan keuntungan
tertinggi yang dapat diperoleh perusahaan. Pada Figur B.5, dua garis lagi coba dipetakan,
yang masing-masing menghasilkan keuntungan lebih tinggi. Persamaan tengah, $280
= $7X
1
+ $5X
2
dipetakan dengan cara yang sama seperti pada garis di bawah. Ketika
X
1
= 0:
Tujuan Pembelajaran
2. Memecahkan suatu
masalah PL secara grafs
dengan metode garis
iso-proft.
Tujuan Pembelajaran
2. Memecahkan suatu
masalah PL secara grafs
dengan metode garis
iso-proft.
MK-41 Modul Kuantitatif B • Pemrograman Linier
$280 = $7(0) + $5X
2
X
2
= 56 BlueBerry
Ketika X2 = 0,
$280 = $7X
1
+ $5(0)
X
1
= 40 X-pod
Sekali lagi, semua kombinasi X-pod (X
1
) dan BlueBerry (X
2
) pada garis iso-proft ini
akan menghasilkan keuntungan total senilai $280.
Perhatikan bahwa garis ketiga menghasilkan suatu keuntungan senilai $350, yang
merupakan peningkatan yang lebih tinggi lagi. Semakin jauh garis ini dari titik asal 0,
20 40 100
Jumlah X-pod
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
X
1
X
2
40
60
80
100
(30, 0)
$210 = $7
60 80
(0, 42)
20
X
1
+ $5X
2
Figur B.4 Garis Profit $210 Dipetakan untuk
Shader Electronics Company
20 40 100
Jumlah X-pod
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
X
1
X
2
40
60
80
100
60 80
20
Garis keuntungan maksimum
$410 = $7X
1
+ $5X
2
Titik solusi optimal
(X
1
= 30, X
2
= 40)
20 40 100
Jumlah X-pod
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
X
1
X
2
40
60
80
100
60 80
20
$350 = $7X
1
+ $5X
2
$280 = $7X
1
+ $5X
2
$210 = $7X
1
+ $5X
2
$420 = $7X
1
+ $5X
2
Figur B.5 Empat Garis Iso-Profit Dipetakan
untuk Shader Electronic Company
Figur B.6 Solusi Optimal untuk
Shader Electronic Company
MK-42 Manajemen Operasi
semakin tinggi keuntungan yang didapatkan. Hal penting lain yang harus diperhatikan
adalah garis iso-proft ini sejajar. Sekarang, telah didapatkan dua kunci rahasia untuk
mendapatkan solusi optimal. Satu rangkaian garis keuntungan sejajar dapat dibuat
(dengan menggerakkan penggaris secara hati-hati dan sejajar terhadap garis keuntungan
yang pertama). Garis keuntungan paling tinggi yang masih menyentuh daerah yang
layak akan menunjukkan solusi optimal. Perhatikan bahwa garis keempat ($420) terlalu
tinggi untuk dihitung karena garis tersebut tidak menyentuh daerah yang layak.
Garis iso-proft yang paling tinggi digambarkan pada Figur B.6. Garis ini
menyentuh ujung daerah yang layak pada titik pojok (X
1
= 30, X
2
= 40) dan menghasilkan
keuntungan senilai $410.

Metode Solusi Titik Pojok
Pendekatan kedua untuk memecahkan persoalan pemrograman linier adalah
menggunakan metode titik pojok (corner-point method). Teknik ini lebih sederhana
dibandingkan pendekatan garis iso-proft, yaitu dengan membandingkan keuntungan
pada setiap-setiap sudut daerah yang layak.
Teori matematika di balik pemrograman linier menyatakan sebuah solusi optimal
bagi setiap persoalan (yakni nilai-nilai X
1
, X
2
yang menghasilkan keuntungan maksimal)
akan berada pada suatu titik pojok atau titik ekstrem dari daerah yang layak tersebut.
Oleh karena itu, hal yang diperlukan adalah mencari nilai variabel hanya pada titik
pojok karena keuntungan maksimal atau solusi optimal akan terdapat pada salah satu
(atau lebih) di antara mereka.
Sekali lagi dapat dilihat (pada Figur B.7) bahwa daerah yang layak untuk Shader
Electronics Company adalah suatu poligon dengan empat titik pojok atau titik ekstrem.
Titik-titik ini diberi label c, d, e, dan f. Untuk mencari nilai-nilai (X
1
, X
2
) yang
menghasilkan keuntungan yang maksimal, harus dicari terlebih dahulu koordinat
Metode titik pojok
Metode untuk memecahkan
masalah pemrograman linier
grafs..
Metode titik pojok
Metode untuk memecahkan
masalah pemrograman linier
grafs..
Tujuan Pembelajaran
3. Memecahkan suatu
masalah PL secara grafs
dengan metode titik pojok.
Tujuan Pembelajaran
3. Memecahkan suatu
masalah PL secara grafs
dengan metode titik pojok.
Figur B.7 Empat Titik
Pojok dari Daerah Layak
20 40 100
Jumlah X-pod
J
u
m
l
a
h

B
l
u
e
B
e
r
r
y
0
X
1
X
2
40
60
80
100
60 80
20
1
4
3
2
MK-43 Modul Kuantitatif B • Pemrograman Linier
setiap titik pojok, kemudian menentukan dan membandingkan keuntungan pada
titik-titik tersebut.
Titik c: (X
1
= 0, X
2
= 0) Keuntungan $7(0) + $5(0) = $0
Titik d: (X
1
= 0, X
2
= 80) Keuntungan $7(0) + $5(80) = $400
Titik e: (X
1
= 50, X
2
= 0) Keuntungan $7(50) + $5(0) = $350
Titik e untuk sementara dilewatkan karena untuk mencari koordinatnya secara tepat,
kita harus terlebih dahulu menyelesaikan perpotongan antara kedua garis batasannya.
Seperti pada aljabar, metode persamaan simultan dapat diterapkan pada kedua
persamaan batasan:
4X
1
+ 3X
2
= 240 (waktu pengerjaan elektronik)
2X
1
+ 1X
2
= 100 (waktu perakitan)
Untuk memecahkan persamaan ini secara simultan, persamaan kedua dikalikan
dengan –2:
–2(2X
1
+ 1X
2
= 100) = –4X
1
– 2X
2
= –200
kemudian ditambahkan pada persamaan yang pertama:
+4X
1
+ 3X
2
= 240
–4X
1
– 2X
2
= –200
+1X
2
= 40
atau
X
2
= 40
Dengan melakukan ini, satu variabel, yaitu X
1
, dapat dieliminasi untuk mendapatkan
nilai X
2
. Sekarang, X
2
dapat diganti menjadi 40 pada persamaan asal dan mencari nilai
X
1
. Kita gunakan persamaan yang pertama. Ketika X
2
= 40, maka:
4X
1
+ 3(40) = 240
4X
1
+ 120 = 240
atau
4X
1
= 120
X
1
= 30
Jadi, titik e memiliki koordinat (X
1
= 30, X
2
= 40). Dengan demikian, keuntungan
dapat dihitung untuk melengkapi analisis:
Titik e: (X
1
= 30, X
2
= 40) Keuntungan = $7(30) + $5(40) = $410.
Karena titik e menghasilkan keuntungan yang paling tinggi dari semua titik pojok
yang ada, bauran produk X
1
= 30 x-pod dan X
2
= 40 BlueBerry menjadi solusi optimal
MK-44 Manajemen Operasi
pada permasalahan di Shader Electronics. Solusi ini akan menghasilkan keuntungan
senilai $410 pada setiap periode produksi; solusi yang sama juga akan diperoleh dengan
menggunakan metode garis iso-proft.
Walaupun nilai X
1
dan X
2
adalah bilangan bulat untuk Shader Electronics, hal
ini tidaklah selalu demikian.
ANALISIS SENSITIVITAS
Para manajer operasi umumnya tertarik dengan lebih dari sekadar solusi optimal
bagi suatu permasalahan PL. Selain mengetahui nilai dari setiap variabel keputusan
(XiS) dan nilai dari fungsi tujuan, mereka juga ingin mengetahui seberapa sensitif
solusi yang didapatkan jika parameter yang ada berubah. Sebagai contoh, apa yang
terjadi jika koefsien fungsi tujuan tidaklah eksak atau jika mereka berubah sebesar
10% atau 15%? Apa yang terjadi jika nilai-nilai di sisi kanan batasan berubah? Karena
solusi didapatkan dengan berdasarkan pada asumsi bahwa parameter yang ada adalah
tetap, maka di sinilah analisis sensitivitas memainkan perannya. Analisis sensitivitas
(sensitivity analysis) atau analisis pascaoptimal merupakan suatu penelitian seberapa
sensitif solusi yang didapatkan jika parameternya berubah.
Parameter
Nilai numerik yang digunakan
dalam suatu model.
Parameter
Nilai numerik yang digunakan
dalam suatu model.
Analisis sensitivitas
Analisis yang memperlihatkan
seberapa besar suatu solusi
berubah jika terdapat perubahan
dalam variabel atau masukan
data.
Analisis sensitivitas
Analisis yang memperlihatkan
seberapa besar suatu solusi
berubah jika terdapat perubahan
dalam variabel atau masukan
data.
Nilai solusi untuk variabelnya muncul.
Kita seharusnya membuat 30 X-pod dan
40 BlueBerry.
Kita akan menggunakan 240 jam dan
100 jam untuk waktu elektronik dan
perakitan.
Jika kita menggunakan 1 lagi waktu elektronik,
keuntungan kita akan naik $1,50. Ini benar hingga 60 jam.
Keuntungan akan turun $1,50 untuk setiap waktu
elektronik yang kurang dari 240 jam, hingga paling
rendahnya 200 jam.
Program B.1 Analisis Sensitivitas untuk Shader Electronics Menggunakan Excel Solver
MK-45 Modul Kuantitatif B • Pemrograman Linier
Terdapat dua pendekatan untuk menentukan seberapa sensitif suatu solusi optimal
terhadap adanya perubahan. Pendekatan pertama adalah pendekatan sederhana berupa
coba-coba. Pendekatan ini umumnya meliputi pemecahan masalah secara keseluruhan
yang biasanya menggunakan komputer, pada setiap kali satu titik data atau parameter
input berubah. Pendekatan ini dapat memakan waktu yang sangat lama untuk menguji
serangkaian perubahan.
Pendekatan yang lebih disukai adalah metode pascaoptimal yang bersifat analitik.
Setelah suatu permasalahan PL dipecahkan, rentang perubahan parameter yang tidak
akan memengaruhi solusi yang optimal atau mengubah variabel dalam solusi itu
ditentukan. Hal ini dilakukan tanpa harus memecahkan masalah secara keseluruhan.
Peranti lunak PL, seperti Excel Solver atau POM for Windows, memiliki kemampuan
ini. Mari, kita periksa beberapa skenario yang berhubungan dengan contoh Shader
Electronics.
Program B.1 adalah bagian dari pengembangan keluaran komputer Excel Solver
yang ada guna membantu pengambil keputusan untuk mengetahui apakah suatu
penyelesaian masalah secara relatif tidak sensitif terhadap suatu perubahan dalam satu
parameter atau lebih pada masalah tersebut. (Gambaran lengkap untuk data ini, termasuk
input dan output penuh, terdapat pada Program B.2 dan B.3 dalam modul ini.)
Laporan Sensitivitas
Laporan Sensitivitas (sensitivity report) yang disajikan oleh Excel untuk contoh Shader
Electronic pada Program B.1 memiliki dua komponen utama: (1) tabel berjudul
Adjustable Cells dan (2) tabel berjudul Constraints. Tabel-tabel ini memungkinkan
kita untuk menjawab beberapa pertanyaan jika-maka yang berkaitan dengan solusi
masalah.
Penting untuk diperhatikan bahwa selagi menggunakan informasi pada
sensitivity report untuk menjawab pertanyaan jika-maka, diasumsikan bahwa yang
kita pertimbangkan adalah perubahan terhadap hanya satu nilai data input. Ini berarti
informasi sensitivitas tidak selalu dapat diterapkan untuk perubahan-perubahan yang
simultan pada beberapa nilai data input.
Tabel Adjustable Cells menyajikan informasi yang berhubungan dengan dampak
perubahan terhadap koefsien fungsi tujuan (misalnya, keuntungan per unit sebesar $7
dan $5) pada solusi optimal. Tabel Constraints menyajikan informasi yang berhubungan
dengan dampak perubahan terhadap perubahan nilai batasan di sisi tangan kanan
(right hand side—RHS), misalnya 240 jam dan 100 jam pada solusi optimal. Meskipun
sofware PL yang lain mungkin mempunyai format dan tampilan tabel berbeda, setiap
program menyajikan informasi yang kurang lebih sama.
Perubahan pada Sumber Daya atau Nilai di Sisi Kanan
Nilai batasan di sisi kanan (right-hand side, RHS) biasanya mewakili sumber daya yang
tersedia bagi perusahaan. Sumber daya tersebut dapat berupa jam tenaga kerja atau
jam mesin atau mungkin uang atau bahan baku produksi yang tersedia. Pada contoh
Tujuan Pembelajaran
4. Menginterpretasikan
analisis sensitivitas dan
harga-harga bayangan
Tujuan Pembelajaran
4. Menginterpretasikan
analisis sensitivitas dan
harga-harga bayangan
Laporan Sensitivitas memiliki
dua bagian: Adjustable Cells
dan Constraints.
Laporan Sensitivitas memiliki
dua bagian: Adjustable Cells
dan Constraints.
Kita hanya menganalisis satu
perubahan sekali.
Kita hanya menganalisis satu
perubahan sekali.
MK-46 Manajemen Operasi
20 40 60 80 100
100
80
60
40
20
0
Batasan perakitan yang diubah dari 2X
1
+ 1X
2
= 100
menjadi 2X
1
+ 1X
2
= 110
Batasan elektronik
tidak berubah.
3
4
2
1
Titik pojok 3 masih optimal, tetapi
nilai di titik ini sekarang adalah X
1
= 45,
X
1
= 20, dengan keuntungan = $415.
X
1
X
2
100
20 40 60 80 100
80
60
40
20
0
Batasan perakitan yang diubah dari 2X
1
+ 1X
2
= 100
menjadi 2X
1
+ 1X
2
= 90
Batasan elektronik
tidak berubah.
Titik pojok 3 masih optimal, tetapi
nilai di titik ini sekarang adalah
X
1
= 15, X
2
= 60, dengan
keuntungan = $405.
3
4
2
1
X
1
X
2
Figur B.8 Analisis Sensitivitas Sumber Daya RHS di Shader Electronics
Shader Electronics, dua sumber daya yang tersedia adalah jumlah jam elektronik
dan jam perakitan. Jika tersedia jam tambahan, total keuntungan yang lebih tinggi
bisa dicapai. Berapakah yang bersedia dibayarkan perusahaan untuk jam tambahan
tersebut? Apakah menguntungkan bagi perusahaan untuk memiliki tambahan jam
elektronik? Bersediakah kita untuk membayar tambahan jam perakitan? Analisis
sensitivitas mengenai sumber-sumber daya ini akan membantu kita menjawab
pertanyaan-pertanyaan tersebut.
Jika RHS dari suatu batasan berubah, maka daerah layak yang mungkin juga akan
berubah (kecuali batasannya berlebihan atau redundant). Demikian juga halnya dengan
solusi optimalnya. Pada contoh Shader, 100 jam perakitan tersedia setiap minggunya
dan keuntungan maksimum yang mungkin tercapai adalah $410. Jika jam perakitan
yang tersedia naik menjadi 110 jam, maka akan muncul solusi optimal baru seperti
yang ditunjukkan pada Figur B.8(a), yaitu (45,20) dan keuntungan $415. Jadi, tambahan
10 jam akan menghasilkan kenaikan keuntungan sebesar $5 atau $0,5 per jam. Jika
jam perakitan yang tersedia turun menjadi 90 jam seperti yang ditunjukkan pada Figur
B.8(b), solusi optimal baru adalah (15,60) dan keuntungan $405. Jadi, penurunan 10 jam
akan menurunkan keuntungan sebesar $5 atau $0,5 per jam. Perubahan keuntungan
sebesar $0,5 per jam yang dihasilkan dari perubahan jam yang tersedia disebut harga
bayangan (shadow price) atau nilai ganda (dual value). Harga bayangan suatu batasan
merupakan peningkatan nilai fungsi tujuan yang dihasilkan dari penambahan satu
unit pada RHS suatu batasan.
Validitas Kisaran bagi Harga Bayangan Kenyataan bahwa kenaikan keuntungan
sebesar $0,5 dapat diperoleh untuk tambahan setiap jam perakitan, apakah berarti
bahwa Shader dapat melakukan hal ini tanpa batas, dan berarti menghasilkan
Jika ukuran daerah yang
layak bertambah, maka nilai
fungsi tujuan optimalnya
dapat bertambah.
Jika ukuran daerah yang
layak bertambah, maka nilai
fungsi tujuan optimalnya
dapat bertambah.
Harga bayangan (atau ganda)
Nilai satu unit tambahan dari
sumber daya yang langka di PL.
Harga bayangan (atau ganda)
Nilai satu unit tambahan dari
sumber daya yang langka di PL.
MK-47 Modul Kuantitatif B • Pemrograman Linier
keuntungan yang tak terbatas? Sudah jelas, hal ini tidak logis. Seberapa jauh Shader
dapat menambah jam perakitannya dan tetap menghasilkan tambahan keuntungan
sebesar $0,5 per jam? Jadi, hingga seberapa jauh kenaikan nilai RHS batasan jam
perakitan ini valid untuk harga bayangan sebesar $0,5?
Harga bayangan sebesar $0,5 ini valid sepanjang jam perakitan yang tersedia
berada dalam kisaran atau rentang di mana semua titik pojok yang sekarang tetap ada.
Informasi untuk menghitung batas atas dan batas bawah dari kisaran ini diberikan oleh
masukan dengan label Allowable Increase dan Allowable Decrease pada Sensitivity
Report Program B.1. Pada kasus Shader, nilai-nilai ini menunjukkan bahwa harga
bayangan $0,5 untuk ketersediaan jam perakitan hanya valid untuk kenaikan hingga
maksimum 20 jam dan penurunan hingga maksimum 20 jam dari nilainya sekarang.
Jadi, harga bayangan $0,5 ini valid untuk kisaran ketersediaan jam perakitan dari
serendah 80 jam (= 100 – 20) hingga setinggi 120 jam (= 100 + 20). Perhatikan bahwa
penurunan yang diperbolehkan menyiratkan bahwa untuk setiap jam perakitan yang
hilang oleh Shader (hingga 20 jam), akan menurunkan keuntungannya sebesar $0,5.
Perubahan pada Koefisien Fungsi Tujuan
Sekarang, kita akan fokus pada informasi yang disajikan pada Program B.1 yang berjudul
Adjustable Cells. Setiap baris tabel Adjustable Cells berisi informasi yang berkaitan
dengan variabel keputusan (misalnya x-pod dan BlueBerry) pada model PL.
Kisaran yang Diperbolehkan untuk Koefsien Fungsi Tujuan Sejalan dengan
perubahan kontribusi keuntungan per unit pada setiap produk, kemiringan garis iso-
proft yang kita lihat sebelumnya pada Figur B.5 juga berubah. Akan tetapi, ukuran
daerah layak yang mungkin adalah tetap sama. Jadi, lokasi titik pojoknya tidak
berubah.
Batasan hingga sejauh mana koefsien keuntungan dari x-pod atau BlueBerry
dapat berubah tanpa memengaruhi optimalitas solusi saat ini dinyatakan oleh nilai-
nilai pada kolom Allowable Increase dan Allowable Decrease dari Sensitivity Report
pada Program B.1. Kenaikan yang diperbolehkan pada koefsien fungsi tujuan untuk
BlueBerry hanya sebesar $0,25. Sebaliknya, penurunan yang diperbolehkan adalah
$1,50. Jadi, jika keuntungan per unit untuk BlueBerry turun menjadi $4 (yaitu
penurunan sebesar $1 dari nilai sekarang sebesar $5), maka masih tetap optimal untuk
memproduksi 30 x-pod dan 40 BlueBerry. Keuntungan total akan turun menjadi $370
(dari $410) karena setiap BlueBerry kini menghasilkan keuntungan lebih kecil (turun
$1 per unitnya). Namun, jika keuntungan per unit turun di bawah $3,50 per BlueBerry
(berarti penurunan lebih dari $1,50 dari keuntungan sekarang sebesar $5), maka solusi
saat ini sudah tidak optimal lagi. Oleh karena itu, masalah PL harus dipecahkan kembali
dengan menggunakan Solver atau peranti lunak lainnya untuk mendapatkan titik pojok
optimal yang baru.
Harga bayangan berlaku
hanya jika perubahan
pada RHS berada dalam
jangkauan nilai Allowable
Increase dan Allowable
Decrease.
Harga bayangan berlaku
hanya jika perubahan
pada RHS berada dalam
jangkauan nilai Allowable
Increase dan Allowable
Decrease.
Terdapat pengurangan
dan peningkatan yang
diperbolehkan untuk setiap
koefisien fungsi tujuan
sehingga solusi optimal yang
telah ada tetaplah optimal.
Terdapat pengurangan
dan peningkatan yang
diperbolehkan untuk setiap
koefisien fungsi tujuan
sehingga solusi optimal yang
telah ada tetaplah optimal.
Titik pojok baru menjadi
optimal apabila suatu
koefisien fungsi tujuan
berkurang atau bertambah
terlalu banyak.
Titik pojok baru menjadi
optimal apabila suatu
koefisien fungsi tujuan
berkurang atau bertambah
terlalu banyak.
MK-48 Manajemen Operasi
MEMECAHKAN PERSOALAN MINIMALISASI
Banyak persoalan pemrograman linier mencakup proses meminimalkan suatu tujuan
seperti biaya, dan bukan proses memaksimalkan sebuah fungsi keuntungan. Sebagai
contoh, sebuah rumah makan ingin membuat sebuah jadwal kerja untuk memenuhi
kebutuhan pekerja, selagi meminimalkan jumlah pekerja totalnya. Selain itu, sebuah
perusahaan manufaktur mungkin ingin mendistribusikan produknya dari beberapa
pabrik ke banyak gudangnya di daerah dengan meminimalkan biaya pengiriman
total.
Persoalan minimalisasi dapat dipecahkan menggunakan grafik dengan
menetapkan daerah yang layak terlebih dahulu, kemudian menggunakan salah satu
di antara metode titik pojok ataupun pendekatan garis iso-cost (yang sama dengan
metode iso-proft pada persoalan maksimalisasi) untuk dapat menemukan nilai-nilai
X
1
dan X
2
yang menghasilkan biaya minimal.
Contoh B1 menunjukkan bagaimana memecahkan suatu masalah
minimalisasi.

Masalah minimalisasi dengan dua variabel
Cohen Chemicals, Inc., menghasilkan dua jenis cairan kimia untuk mencetak foto. Jenis pertama
adalah bahan kimia untuk foto hitam putih yang membebani Cohen $2.500 per ton. Cara kedua
adalah bahan kimia untuk foto berwarna senilai $3.000 per ton.
Berdasarkan suatu analisis tingkat persediaan dan sisa pesanan saat ini, manajer produksi
Cohen telah memutuskan bahwa paling sedikit 30 ton bahan kimia untuk foto hitam putih dan
sedikitnya 20 ton bahan kimia untuk foto berwarna harus diproduksi bulan depan. Sebagai
tambahannya, manajer mencatat bahwa bahan mentah yang ada sangat mudah rusak dan harus
digunakan dalam jangka waktu 30 hari. Untuk menghindari pemborosan bahan mentah yang
berharga mahal, Cohen harus menghasilkan paling sedikit 60 ton bahan kimia untuk mencetak
foto tersebut pada bulan depan.
Pendekatan: Informasi ini dapat dirumuskan ini sebagai sebuah persoalan minimalisasi PL.
Ambil:
X
1
= jumlah bahan kimia untuk foto hitam putih yang akan diproduksi (ton)
X
2
= jumlah bahan kimia untuk foto berwarna yang akan diproduksi (ton)
Tujuan: biaya yang diminimalkan = $2.500X
1
+ $3.000X
2

Dengan batasan:
X
1
≥ 30 ton bahan kimia untuk foto hitam putih
X
2
≥ 20 ton bahan kimia untuk foto berwarna
X
1
+ X
2
≥ 60 ton total
X
1
, X
2
≥ 0 persyaratan nonnegativitas
Solusi: untuk memecahkan permasalahan bahan kimia Cohen secara grafs, daerah yang layak
harus ditentukan terlebih dahulu, seperti pada Figur B.9.
Tujuan Pembelajaran
5. Membangun dan
memecahkan masalah
minimalisasi
Tujuan Pembelajaran
5. Membangun dan
memecahkan masalah
minimalisasi
Iso-cost
Pendekatan untuk memecahkan
masalah minimalisasi
pemrograman linier secara grafs.
Iso-cost
Pendekatan untuk memecahkan
masalah minimalisasi
pemrograman linier secara grafs.
Contoh B1 Contoh B1
MK-49 Modul Kuantitatif B • Pemrograman Linier
Permasalahan minimalisasi sering menjadi tak terhingga (yaitu: pada sisi kanan dan sisi
atas), tetapi karakteristik ini tidak menyebabkan masalah dalam memecahkan persoalan ini.
Asalkan daerah ini dibatasi ke dalam (yaitu: pada sisi kiri dan sisi bawah), titik pojok dapat
ditemukan. Solusi optimal akan terletak pada salah satu di antara titik-titik pojok tersebut.
0
X
1
X
2
Daerah yang Layak
X
1
= 30
X
2
= 20
10
10
20
30
40
50
20 30 40 50 60
60
X
1
+ X
2
= 60
b
a
Figur B.9 Daerah Layak untuk Cohen Chemical
Pada kasus ini, hanya terdapat dua titik pojok, yaitu a dan b, seperti ditunjukkan
pada Figur B.9. Sangat mudah untuk menentukan bahwa titik a (X
1
= 40, X
2
= 20), dan
titik b (X
1
= 30, X
2
= 30). Solusi optimal diperoleh pada titik yang menghasilkan biaya
total paling rendah.
Jadi:
Biaya total pada titik a = 2.500 X
1
+ 3.000X
2
= 2.500(40) + 3.000(20)
= $160.000
Biaya total pada titik b = 2.500 X
1
+ 3.000X
2
= 2.500(30) + 3.000(30)
= $165.000
Biaya yang paling rendah bagi perusahaan Cohen Chemicals adalah titik a. Oleh karena itu,
manajer operasi seharusnya memproduksi 40 ton bahan kimia untuk foto hitam putih dan 20
ton bahan kimia untuk foto berwarna.

Pemahaman: Daerahnya tidak akan dibatasi di kanan atau di atas dalam suatu masalah
minimalisasi (seperti juga dalam masalah maksimalisasi).
Latihan pembelajaran: Batasan kedua Cohen dihitung dan haruslah X
2
≥ 15. Apakah ada yang
berubah dari jawabannya? [Jawaban: Sekarang, X
1
= 45, X
2
= 15 dan biaya total = $157.500.]
Masalah serupa: B.3, B.5, B.6, B.11, B.12, B.22, B.24.
MK-50 Manajemen Operasi
Penerapan MO Continental dan Delta Menghemat Ratusan Juta Dolar dengan PL
Banyak orang mengatakan kursi pesawat pada
sebuah perusahaan penerbangan adalah komoditas
yang paling cepat habis di dunia. Setiap kali suatu
pesawat penumpang lepas landas dengan satu
tempat duduk kosong, berarti suatu kesempatan
pendapatan hilang untuk selamanya. Bagi Continental,
Delta, dan perusahaan jasa penerbangan besar lain
yang menerbangkan ribuan jadwal terbang per hari
dengan ratusan pesawat, jadwal adalah denyut
jantung mereka. Semua jadwal ini dikembangkan
dengan model PL yang besar (program Delta memiliki
40.000 batasan dan 60.000 variabel), menjadwalkan
pesawat untuk rute spesifik serta menjadwalkan pilot
dan pramugari untuk setiap pesawat tersebut.
Satu rute penerbangan Continental mungkin
terdiri atas pesawat jet Boeing 777 yang ditugaskan
untuk terbang pada pukul 07.05 pagi dari Houston
untuk tiba di Chicago pada pukul 09.15 pagi .
Masalah yang dihadapi Continental, sebagaimana
yang dihadapi Delta dan para pesaingnya, adalah
menyesuaikan pesawat seperti 737, 767, atau 777
pada rute penerbangan seperti Houston-Chicago
serta mengisi tempat duduk dengan penumpang
yang membayar ongkosnya. Ketika terdapat
gangguan jadwal karena badai (seperti Katrina pada
2005), masalah mesin, atau kurangnya kru, pesawat
dan penumpangnya sering berada di tempat yang
salah.
Karena itulah, Continental menjalankan sistem
Crew Solver and OptSolver miliknya dan Delta
menjalankan model ColdStart miliknya setiap hari.
Model-model PL ini memasukkan batasan-batasan,
seperti ketersediaan pesawat, kebutuhan perawatan,
keperluan latihan kru, keperluan kedatangan/
kepergian, dan sejenisnya. Tujuan perusahaan
penerbangan adalah meminimalisasi kombinasi biaya
operasi dan penggantian kehilangan penumpang
yang disebut “biaya tumpah”.
Penghematan dari PL telah mencapai sekitar
$100 juta per tahun di Continental dan $300 juta per
tahun di Delta Air Lines.
Sumber: Interfaces (Juli–Agustus 2004): 253–271, (Januari–
Februari 2003): 5–22, dan (September–Oktober 1999): 123–131.
PENERAPAN PEMROGRAMAN LINIER
Contoh yang telah diberikan sebelumnya hanya memiliki dua variabel (X
1
dan X
2
).
Walaupun demikian, hampir semua permasalahan di dunia nyata mengandung
variabel lebih banyak lagi. Prinsip yang telah dikembangkan dapat digunakan untuk
merumuskan beberapa permasalahan yang lebih rumit. Latihan yang akan didapatkan
dengan “mengubah” situasi PL berikut dapat membantu mengembangkan keahlian
untuk menerapkan pemrograman linier pada situasi operasi umum lain.
Contoh Bauran Produk
Contoh B2 memuat keputusan bauran produk yang lain. Sumber daya yang terbatas
harus dapat dialokasikan antarberbagai produk yang dihasilkan perusahaan. Tujuan
perusahaan secara keseluruhan adalah memproduksi produk tertentu dalam jumlah
tertentu untuk memaksimalkan keuntungan total.

Masalah bauran produk
Failsafe Electronics Corporation memproduksi empat produk utama yang sangat canggih untuk
memasok ke perusahaan penerbangan angkasa luar yang memiliki kontrak dengan NASA.
Setiap produk harus dapat melalui departemen berikut sebelum dikirimkan: pemasangan kawat,
Tujuan Pembelajaran
6. Merumuskan bauran
produksi, diet, dan masalah
penjadwalan tenaga kerja.
Tujuan Pembelajaran
6. Merumuskan bauran
produksi, diet, dan masalah
penjadwalan tenaga kerja.
Contoh B2 Contoh B2
MK-51 Modul Kuantitatif B • Pemrograman Linier
pengeboran, perakitan, dan pemeriksaan. Kebutuhan proses produksi pada setiap departemen
(dalam jam) dan nilai keuntungan yang berkesesuaian diringkas pada tabel berikut.
Departemen Pemasangan
Produk Kawat Pengeboran Perakitan Pemeriksaan Keuntungan/
Unit
XJ201 0,5 3 2 0,5 $ 9
XM897 1,5 1 4 1,0 $12
TR29 1,5 2 1 0,5 $15
BR788 1,0 3 2 0,5 $11
Waktu produksi yang tersedia pada setiap departemen pada setiap bulan dan kebutuhan produksi
bulanan minimal untuk memenuhi kontrak adalah sebagai berikut.
Departemen
Kapasitas
(dalam jam)
Produk Tingkat Produksi
Minimal
Pemasangan kawat 1.500 XJ201 150
Pengeboran 2.350 XM897 100
Perakitan 2.600 TR29 300
Pengawasan 1.200 BR788 400
Pendekatan: Perumusan situasi bauran produksi ini sebagai masalah PL. Pertama,
manajer produksi menentukan tingkat produksi setiap produk untuk bulan mendatang. Ia
menetapkan:
X
1
= jumlah unit XJ201 yang akan diproduksi,
X
2
= jumlah unit XM897 yang akan diproduksi,
X
3
= jumlah unit TR29 yang akan diproduksi,
X
4
= jumlah unit BR788 yang akan diproduksi.
Jawaban: Perumusan PL-nya adalah:
Tujuan: memaksimalkan keuntungan = 9X
1
+ 12X
2
+ 15X
3
+ 11X
4

dengan batasan
0,5X
1
+ l,5X
2
+ l,5X
3
+ 1X
4
≤ 1.500 waktu pemasangan kawat yang tersedia
3X
1
+ lX
2
+ 2X
3
+ 3X
4
≤ 2.350 waktu pengeboran yang tersedia
2X
1
+ 4X
2
+ 1X
3
+ 2X
4
≤ 2.600 waktu perakitan yang tersedia
0,5X
1
+ lX
2
+ 0,5X3 + 0,5X4 ≤ 1.200 waktu pemeriksaan yang tersedia
X
1
≥ 150 unit XJ201
X
2
≥ 100 unit XM897
X
3
≥ 300 unit TR29
X
4
≥ 400 unit BR788
X
1
, X
2
, X
3
, X
4
≥ 0
Pemahaman: Terdapat banyak batasan dalam sebuah masalah PL. Batasan RHS boleh
memiliki satuan yang berbeda, tetapi fungsi tujuannya menggunakan satu satuan yang umum—
keuntungan—dalam kasus ini. Karena terdapat lebih dari dua variabel keputusan, masalah ini
tidak dipecahkan secara grafs.
MK-52 Manajemen Operasi
Latihan pembelajaran: Pecahkan masalah PL ini seperti yang telah dirumuskan. Apakah
solusinya? [Jawaban: X
1
= 150, X
2
= 300, X
3
= 200, X
4
= 400.]
Masalah serupa: B.7, B.8, B.10, B.19, B.20, B.21, B.23, B.28, B.29.
Contoh Masalah Diet
Contoh B3 menggambarkan masalah diet yang pada awalnya digunakan oleh rumah
sakit untuk menentukan diet yang paling hemat untuk pasien. Persoalan yang juga
dikenal dalam bidang pertanian sebagai masalah bauran pakan ternak ini, juga
berkaitan dengan menetapkan kombinasi makanan yang memenuhi persyaratan
kebutuhan nutrisi pada biaya minimal.

Masalah diet
Perusahaan penggemukan sapi Feed ‘N Ship menggemukkan sapi untuk dipasarkan secara
lokal dan dijual ke Kansas dan Omaha. Pemilik Feed ‘N Ship ingin menentukan makanan sapi
yang akan dibeli untuk mencukupi standar nutrisi minimal, dan pada saat yang bersamaan,
meminimalkan biaya makanan total.
Setiap jenis makanan memiliki empat kandungan nutrisi berbeda, yaitu A, B, C, dan D.
Berikut kandungan nutrisi setiap makanan dalam satuan ons per pon pakan ternak.
Pakan Ternak
Nutrisi Makanan X Makanan Y Makanan Z
A 3 ons 2 ons 4 ons
B 2 ons 3 ons 1 ons
C 1 ons 0 ons 2 ons
D 6 ons 8 ons 4 ons
Harga setiap jenis makanan X, Y, dan Z masing-masing adalah $0,02, $0,04, dan $0,025.
Kebutuhan minimal setiap sapi per bulan adalah 64 ons nutrisi A, 80 ons nutrisi B, 16 ons
nutrisi C, dan 128 ons nutrisi D.
Perusahaan penggemukan menghadapi satu batasan lagi—yaitu perusahaan hanya bisa
memperoleh 500 pon makanan Z per bulan dari penyalur makanan, terlepas dari kebutuhan
perusahaan. Karena secara umum terdapat 100 sapi pada perusahaan penggemukan sapi di
Feed ’N Ship pada suatu waktu, hal ini membatasi jumlah makanan yang akan diberikan pada
sapi, yaitu maksimal 5 pon makanan Z per hari atau 80 ons per bulan.
Pendekatan: Rumusan ini sebagai masalah minimalisasi PL.
Ambil: X
1
= jumlah makanan X yang dibeli untuk setiap sapi setiap bulan,
X
2
= jumlah makanan Y yang dibeli untuk setiap sapi setiap bulan,
X
3
= jumlah makanan Z yang dibeli untuk setiap sapi setiap bulan.
Contoh B3 Contoh B3
MK-53 Modul Kuantitatif B • Pemrograman Linier
Jawaban:
Tujuan: Biaya minimal = 0,02X
1
+ 0,04X
2
+ 0,025X
3

dengan batasan
Persyaratan kandungan nutrisi A: 3X
1
+ 2X
2
+ 4X
3
≥ 64
Persyaratan kandungan nutrisi B: 2X
1
+ 3X
2
+ 1X
3
≥ 80
Persyaratan kandungan nutrisi C: 1X
1
+ 0X
2
+ 2X
3
≥ 16
Persyaratan kandungan nutrisi D: 6X
1
+ 8X
2
+ 4X
3
≥ 128
Pembatasan makanan Z: X
3
≤ 80
X
1
, X
2
, X
3
≥ 0
Solusi yang paling murah adalah membeli 40 pon X
1
, seharga $0,80 untuk setiap sapi.
Pemahaman: Karena biaya per pon makanan X sangat rendah, solusi optimalnya tidak
memperhitungkan makanan Y dan Z.
Latihan pembelajaran: Biaya satu pon makanan X naik 50%. Apakah ini memengaruhi solusi?
[Jawaban: Ya, ketika biaya per pon makanan X adalah $0,03, X
1
= 16 pon, X
2
= 16 pon, X
3
= 0,
dan biaya = $1,12 per sapi]
Masalah serupa: B.6, B.30.
Contoh Penjadwalan Tenaga Kerja
Permasalahan penjadwalan tenaga kerja mengatasi susunan kepegawaian yang
dibutuhkan pada suatu periode waktu tertentu. Penjadwalan terutama bermanfaat
bila para manajer memiliki feksibilitas untuk menugaskan para pekerja pada pekerjaan
yang membutuhkan keterampilan yang dapat saling dipertukarkan atau bertumpang
tindih. Rumah sakit dan bank yang besar sering menggunakan PL untuk mengatasi
penjadwalan tenaga kerja mereka. Contoh B4 akan menguraikan bagaimana sebuah
bank menggunakan PL untuk menjadwalkan petugas teller-nya.

Menjadwalkan teller bank
Arlington Bank of Commerce and Industry adalah bank yang sangat sibuk dan memiliki
kebutuhan teller yang berjumlah antara 10 hingga 18 orang yang bergantung pada jam kerja
dalam sehari. Waktu istirahat makan siang, mulai tengah hari (12.00) hingga pukul 14.00,
umumnya merupakan waktu yang paling sibuk. Tabel di bawah mengindikasikan jumlah teller
yang diperlukan pada berbagai jam kerja bank.
Jumlah Teller Jumlah Teller
Periode yang Dibutuhkan Periode yang Dibutuhkan
09.00–10.00 10 13.00–14.00 18
10.00–11.00 12 14.00–15.00 17
11.00–12.00 14 15.00–16.00 15
12.00–13.00 16 16.00–17.00 10
Contoh B4 Contoh B4
MK-54 Manajemen Operasi
Saat ini, bank tersebut mempekerjakan 12 teller yang bekerja penuh waktu, tetapi sebagian
besar orangnya terdapat pada dafar pekerja paruh waktu. Seorang pekerja paruh waktu harus
menghabiskan tepat 4 jam per hari, tetapi ia dapat mulai bekerja kapan saja, di antara pukul
09.00 hingga 13.00. Para pekerja paruh waktu merupakan tenaga kerja yang tidak mahal karena
mereka tidak disediakan uang pensiun dan insentif makan siang. Pada sisi lain, pekerja penuh
waktu, mulai bekerja pukul 09.00 hingga 17.00 dengan izin makan siang selama 1 jam. (Separuh
pekerja penuh waktu makan pada pukul 11.00 dan lainnya makan pada pukul 12.00.) Pekerja
penuh waktu memiliki waktu kerja produktif selama 35 jam pada setiap minggu.
Sesuai dengan kebijakan perusahaan, bank tersebut membatasi jam kerja pekerja paruh
waktu, yaitu maksimal 50% dari kebutuhan total per hari.
Pekerja paruh waktu menerima upah $6 per jam (atau $24 per hari) secara rata-rata,
sedangkan pekerja penuh waktu mendapatkan upah rata-rata $75 per hari berupa gaji dan
insentif.
Pendekatan: Bank bermaksud menetapkan sebuah jadwal yang akan meminimalkan biaya
tenaga kerja total. Bank akan memberhentikan 1 atau lebih teller penuh waktu jika memang
menguntungkan pihak bank.
Ditetapkan:
F = teller penuh waktu
P
1
= teller paruh waktu mulai pukul 09.00 (selesai pukul 13.00)
P
2
= teller paruh waktu mulai pukul 10.00 (selesai pukul 14.00)
P
3
= teller paruh waktu mulai pukul 11.00 (selesai pukul 15.00)
P
4
= teller paruh waktu mulai pukul 12.00 (selesai pukul 16.00)
P
5
= teller paruh waktu mulai pukul 13.00 (selesai pukul 17.00)
Solusi: Fungsi tujuan:
Meminimalkan biaya tenaga kerja total harian = $75F + $24 (P
1
+ P
2
+ P
3
+ P
4
+ P
5
)
Batasan: Untuk setiap jam, jam kerja yang tersedia harus paling sedikit sama dengan jam kerja
yang dibutuhkan.
F + P
1
≥ 10 (kebutuhan pada pukul 09.00 hingga 10.00)
F + P
1
+ P
2
≥ 12 (kebutuhan pada pukul 10.00 hingga 11.00)
½F + P
1
+ P
2
+ P
3
≥ 14 (kebutuhan pada pukul 11.00 hingga 12.00)
½F + P
1
+ P
2
+ P
3
+ P
4
≥ 16 (kebutuhan pada pukul 12.00 hingga 13.00)
F + P
2
+ P
3
+ P
4
+ P
5
≥ 18 (kebutuhan pada pukul 13.00 hingga 14.00)
F + P
3
+ P
4
+ P
5
≥ 17 (kebutuhan pada pukul 14.00 hingga 15.00)
F + P
4
+ P
5
≥ 15 (kebutuhan pada pukul 15.00 hingga 16.00)
F + P
5
≥ 10 (kebutuhan pada pukul 16.00 hingga 17.00)
Hanya 12 teller penuh waktu yang tersedia, maka:
F ≤ 12
Jam kerja pekerja paruh waktu tidak boleh melebihi 50% dari jumlah jam total yang dibutuhkan
setiap harinya, yang merupakan penjumlahan teller yang diperlukan pada setiap jamnya:
4(P
1
+ P
2
+ P
3
+ P
4
+ P
5
) ≤ 0,50(10 + 12 + 14 + 16 + 18 + 17 + 15 + 10)
MK-55 Modul Kuantitatif B • Pemrograman Linier
atau
4P
1
+ 4P
2
+ 4P
3
+ 4P
4
+ 4P
5
≤ 0,50 (112)
F, P
1
, P
2
, P
3
, P
4
, P
5
≥ 0
Terdapat dua jadwal alternatif optimal yang dapat diikuti oleh Arlington Bank. Jadwal alternatif
pertama adalah hanya mempekerjakan 10 orang teller penuh waktu (F = 10) dan 7 orang teller
paruh waktu yang mulai bekerja pada pukul 10.00 (P
2
= 7), 2 orang teller paruh waktu yang
mulai bekerja pada pukul 11.00 dan 12.00 (P
3
= 2 dan P
4
= 2), dan 3 orang teller paruh waktu
yang mulai bekerja pada pukul 13.00 (P
5
= 3). Tidak ada pekerja paruh waktu yang mulai
bekerja pada pukul 09.00.
Jadwal alternatif kedua adalah mempekerjakan 10 orang teller penuh waktu (F = 10),
tetapi terdapat 6 orang teller paruh waktu yang mulai bekerja pada pukul 9.00 (P
1
= 6), 1 orang
teller paruh waktu yang mulai bekerja pada pukul 10.00 (P
2
= 1), 2 orang teller paruh waktu
yang mulai bekerja pada pukul 11.00 dan 12.00 (P
3
= 2 dan P
4
= 2), dan 3 orang teller paruh
waktu yang mulai bekerja pada pukul 13.00 (P
5
= 3). Biaya tenaga kerja untuk kedua kebijakan
tersebut sama, yaitu sebesar $1.086 per hari.

Pemahaman: Bukanlah tidak lazim jika beberapa solusi optimal muncul dalam masalah PL
yang besar. Pada kasus ini, pihak manajemen memiliki pilihan dengan biaya yang sama antara
kedua jadwal tersebut. Untuk mencari solusi optimal alternatifnya, Anda mungkin harus
memasukkan batasannya dengan urutan yang berbeda.
Latihan pembelajaran: Bank tersebut setuju memberi kenaikan gaji menjadi $7 per jam untuk
pekerja paruh waktunya. Apakah solusinya berubah? [Jawaban: Ya, biaya = $1.142, F = 10, P
1
= 6, P
2
= 1, P
3
= 2, P
4
= 5, P
5
= 0.]
Masalah serupa: B.18.
METODE SIMPLEKS UNTUK PEMROGRAMAN LINIER
Sebagian besar persoalan pemrograman linier di dunia nyata memiliki lebih dari dua
variabel sehingga menjadi terlalu rumit untuk diselesaikan dengan menggunakan grafk.
Sebuah prosedur yang disebut metode simpleks dapat digunakan untuk mencari solusi
yang optimal bagi persoalan seperti itu. Metode simpleks sesungguhnya merupakan
suatu algoritma (atau serangkaian perintah) yang digunakan untuk menguji titik
pojok pada suatu cara tertentu sehingga sampai pada solusi terbaik—keuntungan
yang paling tinggi atau biaya yang paling rendah. Program komputer (seperti Excel OM
dan POM for Windows) dan spreadsheet Excel tersedia untuk memecahkan persoalan
pemrograman linier dengan metode simpleks.
Untuk perincian mengenai langkah-langkah aljabar untuk algoritma simpleks,
bacalah buku sains manajemen.
2
2
Lihat, contohnya, Barry Render, Ralph M. Stair, dan Michael Hanna, Quantitative Analysis for Management, Edisi
Kesembilan. (Upper Saddle River, NJ: Prentice Hall, 2006): Bab 7–9; atau Raju Balakrishnan, Barry Render, dan
Ralph M. Stair, Managerial Decision Modeling with Spreadsheets, Edisi Kedua (Upper Saddle River, NJ: Prentice
Hall, 2007): Bab 2–4.
Metode simpleks
Algoritma untuk memecahkan
persoalan pemrograman linier
dengan berbagai ukuran.
Metode simpleks
Algoritma untuk memecahkan
persoalan pemrograman linier
dengan berbagai ukuran.
MK-56 Manajemen Operasi
Rangkuman
Modul ini memperkenalkan suatu model tertentu yang disebut pemrograman linier. PL telah
terbukti sangat berguna, terutama dalam usaha memanfaatkan sumber daya organisasi dengan
cara yang paling efektif.
Langkah pertama pada model PL adalah pemformulaan masalah yang meliputi
proses pengidentifkasian dan penentuan batasan serta fungsi tujuan. Langkah kedua adalah
memecahkan masalah itu. Jika terdapat hanya dua variabel keputusan, maka masalah dapat
diselesaikan dengan menggunakan grafk dengan menggunakan metode titik pojok, atau dengan
metode garis iso-proft/iso-cost. Dengan pendekatan mana pun, yang pertama harus dilakukan
adalah mengidentifkasi daerah yang layak, kemudian mencari titik pojok yang menghasilkan
keuntungan terbesar atau biaya terkecil. PL diterapkan dalam bisnis secara luas, seperti yang
dapat dilihat pada soal pekerjaan rumah dan contoh-contoh pada modul ini.
Istilah-istilah Penting
Pemrograman linier (linear programming)
Fungsi tujuan (objective function)
Batasan (constraints)
Pendekatan solusi secara grafs (graphical solution approach)
Variabel keputusan (decision variables)
Daerah yang layak (feasible region)
Metode garis iso-proft (iso-proft line method)
Metode titik pojok (corner-point method)
Parameter
Analisis sensitivitas (sensitivity analysis)
Harga bayangan (atau ganda) (shadow price or dual price)
Iso-cost
Metode simpleks (simplex method)
Menggunakan Peranti Lunak untuk Memecahkan
Masalah Pemrograman Linier
Semua masalah PL juga dapat dipecahkan dengan metode simpleks, menggunakan peranti lunak
seperti Excel OM dan POM for Windows atau Excel. Pendekatan ini menghasilkan informasi
ekonomis berharga sebagai harga bayangan atau ganda, dan menyediakan analisis sensitivitas
lengkap pada masukan lain masalah tersebut. Excel menggunakan Solver yang memerlukan
MK-57 Modul Kuantitatif B • Pemrograman Linier
masukan batasan oleh Anda. Excel OM dan POM for Windows hanya memerlukan data, data
pasokan, dan biaya pengiriman untuk dimasukkan. Pada bagian selanjutnya, kita ilustrasikan
bagaimana membuat Excel spreadsheet untuk masalah PL.
X
Menggunakan Spreadsheet Excel
Excel menawarkan kemampuan untuk menganalisis masalah pemrograman linier dengan
menggunakan alat pemecah masalah yang telah ada pada program. Perangkat Excel itu bernama
Solver. Solver terbatas hanya pada 200 sel yang berubah (variabel), masing-masing dengan 2
batasan hingga 100 batasan tambahan. Kemampuan ini membuat Solver cocok untuk solusi
kompleks masalah nyata.
Kita gunakan Excel untuk menyiapkan masalah Shader Electronics pada Program B.2.
Tujuan dan batasan diulang di sini.
Fungsi tujuan: Memaksimalkan keuntungan =
$7 (Jumlah x-pod) + $5 (Jumlah BlueBerry)
Batasan: 4(x-pod)+3(BlueBerry) ≤ 240
2(x-pod)+1(BlueBerry) ≤ 100
Program B.2 Menggunakan Excel untuk Merumuskan Masalah Shader Electronics
Komputasi
Nilai Sel Rumus Excel Aksi
Sisi Kiri D4 =SUMPRODUCT
($B$8:$C$8,B4:C4)
Salin ke D5:D6
Sisa G5 =F5-D5 Salin ke G6
Pilih Tools, Solver
Masukkan parameter Solver
seperti pada gambar
Tekan Solve
MK-58 Manajemen Operasi
Layar Excel PAda Program B.3 memperlihatkan solusi Solver untuk masalah Shader Electronics.
Sekarang, perhatikan bahwa solusi optimal diperlihatkan pada sel yang berubah (sel B8 dan
C8 yang berfungsi sebagai variabel). Pilihan Reports akan memperlihatkan analisis lebih lanjut
mengenai solusi dan lingkungannya. Kemampuan analsis sensitivitas Excel diilustrasikan
sebelumnya pada Program B.1.
Program B.3 Solusi Excel untuk Masalah PL Shader Electronics
Menggunakan Excel OM dan POM for Windows
Excel OM dan POM for Windows dapat menangani masalah PL yang cukup besar. Hasilnya,
peranti lunak tersebut menyediakan nilai optimal untuk variabel, keuntungan atau biaya optimal,
dan analisis sensitivitas. Sebagai tambahan, POM for Windows menyediakan keluaran grafs
untuk masalah dengan hanya dua variabel.
Contoh Soal dengan Penyelesaian
Contoh Soal B.1
Smith’s, produsen pakaian di Niagara, New York yang memproduksi piyama dan kemeja laki-laki,
memiliki dua sumber daya utama yang tersedia: waktu menjahit (pada departemen jahit) dan
waktu memotong (pada departemen potong). Pada periode produksi mendatang, pemiliknya,
Barbara Smith, dapat menjadwalkan waktu hingga 280 jam pekerjaan mesin jahit dan 450 jam
pekerjaan mesin potong. Setiap kemeja yang diproduksi memerlukan waktu 1 jam untuk dijahit
dan waktu 1,50 jam untuk dipotong. Untuk memproduksi setiap piyama, diperlukan waktu 0,75
jam untuk menjahit dan 2 jam untuk memotong.
Untuk menyatakan batasan PL bagi permasalahan ini secara matematik, kita ambil:
X
1
= jumlah kemeja yang akan diproduksi,
X
2
= jumlah piyama yang akan diproduksi.
Jawaban
Batasan pertama: 1X
1
+ 0,75X
2
≤ 280 jam waktu menjahit yang tersedia
(sumber daya terbatas yang pertama)
MK-59 Modul Kuantitatif B • Pemrograman Linier
Batasan kedua: 1,5X
1
+ dX
2
≤ 450 jam waktu memotong yang tersedia
(sumber daya terbatas yang kedua)
Catatan: Hal ini berarti setiap piyama membutuhkan waktu 2 jam untuk dipotong.
Departemen keuangan Smith’s menganalisis angka penjualan serta menyatakan setiap
kemeja yang diproduksi akan menghasilkan keuntungan $4 dan setiap piyama akan menghasilkan
keuntungan $3.
Informasi ini dapat digunakan untuk menentukan fungsi tujuan PL untuk masalah ini:
Fungsi tujuan: Memaksimalkan keuntungan = $4X
1
+ $3X
2
Contoh Soal B.2
Kita ingin menyelesaikan masalah PL berikut untuk Kevin Caskey Wholesale Inc. menggunakan
metode titik pojok.
Tujuan: Memaksimalkan keuntungan = $9X
1
+ $7X
2

Batasan: 2X
1
+ 1X
2
≤ 40
X
1
+ 3X
2
≤ 30
X
1
, X
2
≥ 0
Jawaban
Figur B.10 menggambarkan batasan ini.
Titik pojok a: (X
1
= 0, X
2
= 0) Keuntungan = 0
Titik pojok b: (X
1
= 0, X
2
= 10) Keuntungan = 9(0) + 7(10) = $70
Titik pojok d: (X
1
= 20, X
2
= 0) Keuntungan = 9(20) + 7(0) = $180
Titik pojok c diperoleh dengan menyelesaikan persamaan 2X
1
+ 1X
2
= 40 dan X
1
+ 3X
2
= 30
secara bersamaan. Persamaan kedua dikalikan dengan –2 dan ditambahkan pada persamaan
pertama.
2X
1
+ 1X
2
= 40
–2X
1
– 6X
2
= –60
–5X
2
= –20
Jadi X
2
= 4.
Dan X
1
+ 3(4) = 30 X
1
+ 12 = 30 atau X
1
= 18
Titik pojok c: (X
1
= 18, X
2
= 4) Keuntungan = 9(18) + 7(4) = $190
Jadi, solusi optimalnya adalah
(x
1
= 18, x
2
= 4), Keuntungan = $190
MK-60 Manajemen Operasi
0
X
1
X
2
10
10
20
30
40
20 30 40
d
c
a
b
Contoh Soal B.3
Holiday Meal Turkey Ranch sedang mempertimbangkan untuk membeli dua jenis pakan kalkun
yang berbeda. Dalam proporsi berbeda, setiap pakan mengandung beberapa atau semua dari
tiga kandungan nutrisi yang penting untuk menggemukkan kalkun. Merek Y berharga $0,02
per pon. Merek Z seharga $0,03 per pon. Pengusaha peternakan bermaksud menentukan menu
pakan yang biayanya paling murah dan tetap memenuhi persyaratan minimal bulanan setiap
kandungan nutrisinya.
Tabel berikut berisi informasi yang berkaitan dengan komposisi pakan ternak merek Y
dan merek Z, juga persyaratan minimal bulanan bagi setiap kandungan nutrisi untuk setiap
ekor kalkun.
Komposisi Setiap Pon Pakan Ternak
Kandungan
Nutrisi
Pakan Ternak
Merek Y
Pakan Ternak
Merek Z
Kebutuhan
Minimal Bulanan
A 5 ons 10 ons 90 ons
B 4 ons 3 ons 48 ons
C 0,5 ons 0 1,5 ons
Harga/pon $0,02 $0,03
Jawaban
Kita gunakan:
X
1
= jumlah pakan ternak merek Y yang dibeli (pon),
X
2
= jumlah pakan ternak merek Z yang dibeli (pon).
Kemudian, kita dapat perumusan permasalahan pemrograman linier berikut.
Tujuan: meminimalkan biaya (dalam sen) = 2X
1
+ 3X
2
dengan batasan:
5X
1
+ 10X
2
≥ 90 ons (batasan kandungan nutrisi A),
4X
1
+ 3X
2
≥ 48 ons (batasan kandungan nutrisi B),
½X
1
≥ 1½ ons (batasan kandungan nutrisi C).
Figur B.10 Daerah Layak
untuk K. Caskey Wholesale Inc.
Figur B.10 Daerah Layak
untuk K. Caskey Wholesale Inc.
MK-61 Modul Kuantitatif B • Pemrograman Linier
Figur B.11 menggambarkan batasan-batasan ini.
Pendekatan garis iso-cost dapat digunakan untuk memecahkan masalah minimalisasi
PL, seperti pada kasus Holiday Meal Turkey Ranch. Jika menggunakan garis iso-proft, maka
biaya pada setiap titik pojok tidak perlu dihitung. Namun, sebagai gantinya, perlu digambar
serangkaian garis biaya yang sejajar. Garis biaya yang paling rendah (yang paling dekat ke titik
asal 0) yang menyentuh daerah yang layak memberikan kita solusi yang optimal.
Sebagai contoh, kita mulai dengan Figur B.12 dengan menggambar suatu garis biaya 54¢,
yaitu 54 = 2X
1
+ 3X
2
. Dengan jelas, terdapat banyak titik dalam daerah yang layak yang akan
menghasilkan biaya total yang lebih rendah. Proses pencarian dilanjutkan dengan memindahkan
garis iso-cost ke arah kiri bawah secara sejajar pada garis biaya 54¢. Titik terakhir yang masih
berada dalam daerah yang layak adalah titik pojok b pada Figur B.11 yang memiliki koordinat
(X
1
= 8,4; X = 4,8) dengan biaya 31,2¢.
Merek Y dalam pon
M
e
r
e
k

Z

d
a
l
a
m

p
o
n
0
X
1
X
2
5 10 15 20
5
10
15
20
b
Daerah layak
Batasan kandungan nutrisi C
Batasan kandungan nutrisi B
Batasan kandungan nutrisi A
c
a
Figur B.11 Daerah Layak untuk Masalah Holiday Meal Turkey Ranch
Merek Y dalam pon
M
e
r
e
k

Z

d
a
l
a
m

p
o
n
0
X
1
X
2
5 10 15 20 25
5
10
15
20
Daerah layak (yang diarsir)
(X
1
= 8.4, X
2
= 4.8)
X
1
3
1
.
2
¢

=

2
+

3
X
2
5
4
¢

=

2
X
1
+

3
X
2
a
r
i
s

i
s
o
-
c
o
s
t
A
r
a
h

b
i
a
y
a

y
a
n
g

m
e
n
u
r
u
n
Figur B.12 Solusi Grafis untuk Masalah Holiday Meal Turkey Ranch Menggunakan Garis Iso-Cost
Perhatikan bahwa garis terakhir yang sejajar terhadap garis iso-cost 54 sen yang menyentuh daerah layak menandakan
titik pojok optimal.
MK-62 Manajemen Operasi
Uji Diri Sendiri
• Sebelum melakukan uji diri sendiri, lihat tujuan pembelajaran di awal bab dan kata kunci
di akhir bab.
• Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.
• Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang
Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik.
1. Ketika menggunakan prosedur solusi grafs, daerah yang dibatasi oleh sejumlah batasan
disebut…
a. solusi.
b. daerah layak.
c. daerah tidak layak.
d. daerah keuntungan maksimum.
e. daerah iso.
2. Dengan menggunakan prosedur solusi grafs untuk memecahkan masalah maksimalisasi,
kita harus…
a. menggerakkan garis iso-proft naik hingga tidak lagi berpotongan dengan persamaan
batasan apa pun.
b. menggerakkan garis iso-proft turun hingga tidak lagi berpotongan dengan persamaan
batasan apa pun.
c. mengaplikasikan metode persamaan simultan untuk memecahkan perpotongan
batasan.
d. mencari nilai fungsi tujuan di titik asal.
3. Manakah yang bukan sifat semua masalah pemrograman linier?
a. adanya batasan.
b. optimalisasi beberapa tujuan.
c. program komputer.
d. langkah-langkah alternatif yang dapat dipilih.
e. penggunaan hanya persamaan linier dan pertidaksamaan.
4. Solusi yang layak untuk masalah pemrograman linier…
a. harus memenuhi semua batasan masalah secara simultan.
b. tidak perlu memenuhi semua batasan, hanya beberapa.
c. haruslah berupa titik pojok daerah layak.
d. harus menghasilkan keuntungan maksimum yang memungkinkan.
5. Bayangkan masalah pemrograman linier berikut.
Maksimalisasi 12X + 10Y
Batasan: 4X + 3Y ≤ 480
2X + 3Y ≤ 360
X, Y ≥ 0
Nilai maksimum yang mungkin untuk fungsi tujuan adalah…
a. 1.600.
b. 1.520.
c. 1.800.
d. 1.440.
e. 0.
MK-63 Modul Kuantitatif B • Pemrograman Linier
6. Bayangkan masalah pemrograman linier berikut.
Maksimalisasi 12X + 10Y
Batasan: 4X + 3Y ≤ 480
2X + 3Y ≤ 360
X, Y ≥ 0
Titik (X, Y) manakah yang tidak layak?
a. (0, 100)
b. (100, 10)
c. (70, 70)
d. (20, 90)
e. (0, 70)
7. Bayangkan masalah pemrograman linier berikut.
Maksimalisasi 4X + 10Y
Batasan: 3X + 4Y ≤ 480
4X + 2Y ≤ 360
X, Y ≥ 0
Titik pojok yang layak adalah (48, 84), (0, 120), (0, 0), (90,0). Berapa nilai maksimum yang
mungkin dari fungsi tujuan?
a. 1.032.
b. 1.200.
c. 360.
d. 1.600.
e. 840.
Pertanyaan untuk Diskusi
1. Sebutkan sedikitnya empat penerapan permasalahan pemrograman linier!
2. Apakah yang disebut “titik pojok”? Jelaskan mengapa solusi permasalahan pemrograman
linier terfokus pada titik pojok!
3. Gambarkan daerah yang layak dari suatu persoalan PL secara grafs! Apakah yang dimaksud
dengan solusi yang layak?
4. Setiap persoalan pemrograman linier yang memiliki suatu daerah yang layak mempunyai
jumlah solusi yang tidak terbatas. Jelaskan!
5. Dalam kondisi apakah fungsi tujuan menjadi lebih penting dibandingkan dengan batasan
pada suatu model pemrograman linier?
6. Dalam kondisi apakah batasan menjadi lebih penting dibandingkan dengan fungsi tujuan
pada suatu model pemrograman linier?
7. Pada kenyataannya, mengapa permasalahan diet hanya dapat diterapkan bagi binatang dan
bukan untuk manusia?
8. Berapakah solusi yang layak yang ada pada suatu pemrograman linier? Apa yang harus
dilakukan untuk memcari solusi yang optimal?
9. Defnisikan harga bayangan (atau harga ganda)!
10. Jelaskan bagaimana cara menggunakan garis iso-cost dalam masalah minimalisasi secara
grafs!
MK-64 Manajemen Operasi
11. Bandingkan bagaimana cara kerja metode titik pojok dan metode garis iso-proft untuk
memecahkan permasalahan grafs!
12. Jika sebuah batasan berpotongan dengan sumbu horizontal atau vertikal, maka kuantitas
terlihat dengan jelas. Bagaimana koordinat kuantitas dapat dicari jika dua batasan
berpotongan tidak pada sebuah sumbu?
13. Bayangkan saja, sebuah persoalan pemrograman linier telah dapat dipecahkan dan nilai
optimal dari fungsi tujuan adalah $300. Bayangkan, sebuah batasan tambahan ditambahkan
ke dalam masalah ini. Jelaskan bagaimana hal ini mungkin akan memengaruhi:
(a) daerah yang layak,
(b) nilai optimal dari fungsi tujuan.
Soal-soal
*3
B.1 Selesaikan soal pemrograman linier berikut secara grafs:
Maksimalkan Z = 4X + 6Y
Dengan batasan: X + 2Y
5X + 4Y ≤ 20
X, Y ≥ 0
B.2 Selesaikan persoalan pemrograman linier berikut secara grafs:
Maksimalkan Z = X + 10Y
Dengan batasan: 4X + 3Y ≤ 36
2X + 4Y ≤ 40
Y ≥ 3
X, Y ≥ 0
B.3 Selesaikan persoalan pemrograman linier berikut secara grafs:
Minimalisasi Z = X
1
+ X
2
8X
1
+ 16X
2
≥ 64
X
1
≥ 0
X
2
≥ –2
B.4 Pertimbangkan pemrograman linier masalah berikut:
Maksimalkan Z = 30X
1
+ 10X
2
Dengan batasan: 3X
1
+ X
2
≤ 300
X
1
+ X
2
≤ 200
X ≤ 100
X
2
≥ 50
X
1
− X
2
≤ 0
X
1
, X
2
≥ 0
a) Selesaikanlah soal ini secara grafs!
b) Apakah terdapat lebih dari satu solusi optimal? Jelaskan!
*Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.
MK-65 Modul Kuantitatif B • Pemrograman Linier
B.5 Selesaikan persoalan PL berikut secara grafs:
Minimalkan Z = 24X + 15Y
Dengan batasan: 7X + 11Y ≥ 77
16X + 4Y ≥ 80
X,Y ≥ 0
B.6 Ed Silver Dog Food Company ingin memperkenalkan satu merek biskuit anjing yang
baru dengan rasa ayam dan hati yang memenuhi kebutuhan nutrisi tertentu. Biskuit rasa hati
mengandung 1 unit nutrisi A dan 2 unit nutrisi B; biskuit rasa ayam mengandung 1 unit nutrisi
A dan 4 unit nutrisi B. Menurut persyaratan pemerintah pusat, harus ada sedikitnya 40 unit
nutrisi A dan 60 unit nutrisi B dalam satu kemasan makanan tersebut. Lebih lanjut, perusahaan
telah memutuskan bahwa tidak boleh ada lebih dari 15 rasa hati dalam satu kemasan. Jika harga
untuk membuat 1 biskuit rasa hati adalah 1¢ dan untuk membuat 1 biskuit rasa ayam adalah
2¢, maka bauran produk manakah yang optimal untuk satu kemasan biskuit dalam rangka
meminimalkan biaya perusahaan?
a) Rumuskan persoalan ini sebagai masalah pemrograman linier!
b) Selesaikan masalah ini secara grafis, dan berikan nilai optimal bagi semua
variabelnya!
c) Berapakah biaya total satu kemasan biskuit anjing dengan bauran optimal?
B.7 Electrocomp Corporation memproduksi dua produk elektrik: alat pendingin ruangan
(AC) dan kipas angin. Proses perakitan untuk kedua produk ini serupa, di mana keduanya
memerlukan proses pemasangan kawat dan pengeboran. Setiap AC memerlukan waktu 3
jam untuk pemasangan kawat dan 2 jam pengeboran. Setiap kipas angin membutuhkan 2
jam pemasangan kawat dan 1 jam untuk pengeboran. Selama periode produksi berikutnya,
tersedia waktu selama 240 jam untuk pemasangan kawat dan 140 jam waktu pengeboran yang
dapat digunakan. Setiap AC menghasilkan keuntungan senilai $25. Setiap kipas angin dapat
menghasilkan keuntungan senilai $15.
Rumuskan dan selesaikan situasi bauran produk PL ini, serta temukan kombinasi AC dan
kipas angin terbaik yang menghasilkan keuntungan paling tinggi!
B.8 Lauren Shur Tub Company membuat dua jenis bak mandi, yaitu model A dan model B.
Bak mandi memerlukan campuran sejumlah tertentu dari seng dan baja; di mana perusahaan
memiliki total baja sejumlah 25.000 pon baja dan 6.000 pon seng. Setiap bak mandi model A
memerlukan campuran 125 pon baja dan 20 pon seng, dan menghasilkan keuntungan senilai
$90. Setiap bak mandi model B memerlukan 100 pon baja dan 30 pon seng dan dapat dijual
dengan keuntungan $70.
Cari bauran produk bak mandi terbaik menggunakan grafk.
B.9 Spitzfre, Inc. adalah produsen khusus mobil dan truk. Perusahaan ini baru membuka
pabrik baru di mana mobil C1 dan truk T1 dapat diproduksi bersama. Untuk membuat kendaraan
apa pun, diperlukan proses di bagian perakitan dan bagian cat. Dibutuhkan waktu 1/40 hari
dan 1/60 hari untuk mengecat truk jenis T1 dan mobil jenis C1 di bagian cat. Dibutuhkan 1/50
hari untuk merakit kendaraan yang apa pun di bagian perakitan.
Truk T1 dan mobil C1 masing-masing menghasilkan keuntungan $300 dan $220, per unit
kendaraan yang dijual.
a) Defnisikan fungsi tujuan dan persamaan bahasannya!
b) Buat grafk untuk daerah layaknya!
c) Berapa keuntungan maksimum produksi harian di pabrik baru?
MK-66 Manajemen Operasi
d) Berapa keuntungan yang akan dihasilkan dari rencana tersebut dengan mengasumsikan
apa pun yang diproduksi dapat terjual?
B.10 MSA Computer Corporation memproduksi dua jenis komputer mini, yaitu Alfa 4 dan
Beta 5. Perusahaan mempekerjakan 5 teknisi yang masing-masing bekerja selama 160 jam per
bulan pada lini perakitan. Pihak manajemen meminta dengan tegas bahwa jam kerja penuh
(yaitu seluruh waktu selama 160 jam) harus dipenuhi setiap pekerja selama periode operasi
bulan depan. Perusahaan memerlukan 20 jam kerja untuk merakit setiap komputer Alfa 4 dan
25 jam kerja untuk merakit Beta 5. MSA ingin mendapatkan sedikitnya 10 Alfa 4 dan 15 Beta
5 di sepanjang periode produksi. Alfa 4 menghasilkan keuntungan $1.200 per unit, dan Beta 5
menghasilkan keuntungan $1.800 per unit.
Tentukan jumlah setiap model komputer mini yang harus diproduksi untuk menghasilkan
keuntungan maksimal pada periode mendatang!
B.11 Sweet Smell Fertilizer Company memasarkan kantong pupuk dengan label “berat kering
tidak kurang dari 60 pon”. Kemasan pupuk merupakan kombinasi antara kompos dan limbah
sampah. Untuk menghasilkan pupuk berkualitas, setiap kantong harus berisi sedikitnya 30 pon
kompos dan tidak lebih dari 40 pon limbah sampah. Setiap pon kompos membebani Sweet Smell
biaya sebesar 5¢ dan setiap pon limbah 4¢. Gunakanlah metode grafs PL untuk menentukan
campuran kompos dan limbah sampah yang mengeluarkan biaya paling rendah untuk setiap
kantong.
B.12 Pertimbangkan perumusan pemrograman linier Faud Shatara berikut ini.
Minimalkan biaya = $1X
1
+ $2X
2

Dengan batasan: X
1
+ 3X
2
≥ 90
8X
1
+ 2X
2
≥ 160
3X
1
+ 2X
2
≥ 120
X
2
≤ 70
a) Dengan grafk, gambarkan daerah yang layak dan terapkan prosedur garis iso-cost
untuk menunjukkan titik pojok yang menghasilkan solusi optimal!
b) Berapakah biayanya untuk solusi ini?
B.13 Hubungan PL berikut dirumuskan oleh Jefrey Rummel di Connecticut Chemical
Company. Hubungan apakah yang tidak dapat digunakan dalam persoalan pemrograman linier,
dan mengapa?
Maksimalkan = 6X
1
+ ½ X
1
X
2
+ 5X
3
Dengan batasan: 4X
1
X
2
+ 2X
3
≤ 70
7,9X
1
– 4X
2
≥ 15,6
3X
1
+ 3X
2
+ 3X
3
≥ 21
19X
2
– ⅓ X
3
= 17
–X
1
– X
2
+ 4 X
3
= 5
4X
1
+ 2X
2
+ 3 X
3
≤ 80
B.14 Kalyan Singhal Corp. membuat tiga buah produk, dan memiliki tiga buah mesin sebagai
sumber daya yang tersedia sebagaimana ditunjukkan pada persoalan PL berikut.
Maksimalkan pendapatan = 4X
1
+ 4X
2
+ 7X
3
MK-67 Modul Kuantitatif B • Pemrograman Linier
Dengan batasan:
1X
1
+ 7X
2
+ 4X
3
≤ 100 (jam kerja yang tersedia pada mesin 1)
2X
1
+ 1X
2
+ 7X
3
≤ 110 (jam kerja yang tersedia pada mesin 2)
8X
1
+ 4X
2
+ 1X
3
≤ 100 (jam kerja yang tersedia pada mesin 3)
a) Tentukan solusi optimalnya dengan menggunakan peranti lunak PL!
b) Apakah terdapat waktu yang tidak terpakai pada salah satu mesin dalam solusi
optimal?
c) Apakah menguntungkan bagi perusahaan untuk menambahkan jam kerja pada mesin
ketiga?
d) Berapakah keuntungan perusahaan akan meningkat jika 10 jam kerja ditambahkan
pada mesin kedua tanpa biaya tambahan?
B.15 Perhatikan masalah PL berikut yang dibuat pada perusahaan pemindaian optik Jef
Spencer di San Antonio.
Maksimalkan keuntungan = $1X
1
+ $1X
2
Dengan batasan: 2X
1
+ 1X
2
≤ 100
1X
1
+ 2X
2
≤ 100
a) Berapakah solusi optimal untuk persoalan ini? Selesaikan dengan grafk!
b) Jika terdapat suatu terobosan teknis yang dapat meningkatkan keuntungan per unit
X1 menjadi $3, apakah hal ini akan memengaruhi solusi optimalnya?
c) Alih-alih peningkatan koefsien keuntungan X
1
menjadi $3, perkiraan keuntungan
tersebut ternyata terlalu tinggi. Nilai yang seharusnya adalah $1,25. Apakah hal ini
mengubah solusi optimalnya?
B.16 Pengawas pendidikan di Arden County, Maryland, bertanggung jawab membagi pelajar
ke tiga sekolah menengah dalam wilayahnya. Pengawas tersebut memahami kebutuhan akan
sejumlah bus untuk para pelajar yang sekolahnya berada pada jarak yang tidak memungkinkan
bagi mereka untuk berjalan kaki. Pengawas tersebut membagi wilayahnya menjadi lima sektor,
dan mencoba untuk menetapkan sebuah jadwal yang akan meminimalkan jarak tempuh
perjalanan total. Ia juga mengetahui bahwa jika seorang pelajar tinggal di suatu sektor tertentu
dan bersekolah dalam sektor yang sama, maka ia tidak memerlukan bus karena pelajar ini dapat
berjalan kaki ke sekolahnya. Ketiga sekolah itu ditempatkan pada sektor B, C, dan E.
Tabel berikut menunjukkan jumlah pelajar yang tinggal di setiap sektor dan jarak
(dalam mil) dari setiap sektor ke setiap sekolah.
MK-68 Manajemen Operasi
Jarak ke Sekolah
Sektor Sekolah di
Sektor B
Sekolah di
Sektor C
Sekolah di
Sektor E
Jumlah
Pelajar
A 5 8 6 700
B 0 4 12 500
C 4 0 7 100
D 7 2 5 800
E 12 7 0 400
2.500
Setiap sekolah menengah memiliki kapasitas 900 pelajar.
a) Tentukan fungsi tujuan masalah ini dengan menggunakan pemrograman linier
sehingga jarak tempuh pelajar dengan bus dapat diminimalkan!
b) Selesaikan persoalan ini!
B.17 National Credit Union memiliki dana sebesar $250.000 yang tersedia untuk diinvestasikan
selama 12 bulan. Dana ini dapat diinvestasikan dalam sertifkat bank sentral dengan tingkat
pengembalian 8%, atau dalam obligasi dengan tingkat pengembalian rata-rata 9%. Peraturan
credit union mengharuskan diversifkasi yang menyatakan bahwa paling sedikit investasi harus
ditanamkan dalam sertifkat bank sentral. Peraturan pemerintah kota, seperti di Cleveland dan
New York, memutuskan bahwa tidak lebih dari 40% investasi boleh ditempatkan pada obligasi.
Berapa banyak yang diinvestasikan oleh National Credit Union pada setiap jenis investasi untuk
memaksimalkan tingkat pengembalian investasinya?
B.18 Rumah makan yang terkenal di Boston, yaitu Limoges Restaurant, buka selama 24 jam
dalam satu hari. Para pramusaji datang bertugas pada pukul 03.00, 07.00, 11.00, 15.00, 19.00,
atau 23.00, dan setiap pekerja bekerja dalam shif 8 jam. Tabel berikut menunjukkan jumlah
minimal pekerja yang diperlukan selama 6 periode waktu dalam satu hari.
Periode Jam Jumlah Pekerja yang Dibutuhkan
1 03.00–07.00 3
2 07.00–11.00 12
3 11.00–15.00 16
4 15.00–19.00 9
5 19.00–23.00 11
6 23.00–03.00 4
Pemiliknya, Michelle Limoges, menentukan banyaknya pramusaji yang diperlukan pada
setiap periode waktu untuk meminimalkan jumlah pekerja total per hari. (Petunjuk: Xi
adalah banyaknya pekerja yang mulai bekerja pada periode i, di mana i = 1, 2, 3, 4, 5, 6.)
B.19 Seorang tukang kayu bernama Chuck Synovec membuat dua macam rumah burung:
satu untuk burung bernyanyi dan satu lagi untuk burung biru. Setiap rumah burung bernyanyi
membutuhkan waktu 4 jam kerja dan 4 unit kayu. Setiap rumah burung biru memerlukan 2
jam kerja dan 12 unit kayu. Tukang kayu itu memiliki 60 jam tenaga kerja dan 120 unit kayu
MK-69 Modul Kuantitatif B • Pemrograman Linier
yang tersedia. Rumah burung bernyanyi menghasilkan keuntungan senilai $6 dan setiap rumah
burung biru menghasilkan keuntungan senilai $15.
a) Tuliskan batasan dan fungsi tujuannya!
b) Selesaikan persoalan ini secara grafs.
B.20 Setiap meja yang diproduksi oleh Robert West Designers memberikan keuntungan senilai
$9 pada perusahaan. Setiap lemari buku menghasilkan keuntungan $12. Perusahaan West
adalah sebuah perusahaan kecil dengan sumber daya terbatas. Pada setiap periode produksi (1
minggu), tersedia 10 galon pernis dan 12 balok kayu berkualitas. Setiap meja membutuhkan
sekitar 1 galon pernis dan 1 balok kayu. Setiap lemari buku membutuhkan 1 galon pernis dan
2 balok kayu.
Rumuskan persoalan West ini sebagai sebuah bauran produk pemrograman linier, dan
selesaikan! Berapakah meja dan lemari buku yang harus diproduksi setiap minggu? Berapakah
keuntungan maksimal yang akan diperoleh?
B.21 Par, Inc. memproduksi tas golf standar dan tas golf mewah setiap minggunya. Setiap tas
golf memerlukan waktu untuk pemotongan dan pencelupan dan waktu untuk penjahitan dan
penyelesaian, seperti diperlihatkan pada tabel.
Jam yang Diperlukan per Tas
Produk Pemotongan dan Pencelupan Penjahitan dan Penyelesaian
Tas Standar 1/2 1
Tas Mewah 1 2/3
Keuntungan per tas dan jam mingguan yang tersedia untuk pemotongan dan pencelupan
serta penjahitan dan penyelesaian adalah sebagai berikut.
Produk Keuntungan per Unit ($)
Tas standar 10
Tas mewah 8
Aktivitas Jam Mingguan yang Tersedia
Pemotongan dan pencelupan 300
Penjahitan dan penyelesaian 360
Par, Inc. akan sanggup menjual berapa pun jumlah yang diproduksi dari kedua produk
tersebut.
a) Cari bauran tas golf standar dan tas golf mewah yang perlu diproduksi per minggunya
untuk memaksimalkan keuntungan mingguan dari aktivitas ini!
b) Berapakah nilai keuntungannya?
B.22 Selesaikan persoalan pemrograman linier berikut secara grafs.
Minimalkan biaya = 4X
1
+ 5X
2

Dengan batasan: X
1
+ 2X
2
≥ 80
3X
1
+ X
2
≥ 75
X
1
, X
2
≥ 0
MK-70 Manajemen Operasi
B.23 Tompson Distributors mengemas dan mendistribusikan barang-barang pasokan industri.
Sebuah pengiriman standar dapat dikemas dalam sebuah peti kemas kelas A, kelas K, atau kelas
T. Sebuah peti kemas kelas A menghasilkan keuntungan $9; peti kemas K, $7; dan peti kemas T,
$15. Setiap pengiriman memerlukan sejumlah bahan pengemasan dan waktu tertentu.
Sumber Daya yang Dibutuhkan pada Setiap Pengiriman Standar
Kelas Peti Kemas Bahan Pengemas (pon) Waktu Pengemasan (jam)
A 2 2
K 1 6
T 3 4
Jumlah sumber daya yang
tersedia setiap minggu
130 pon 240 pon
Kepala perusahaan tersebut, Jason Tompson, harus memutuskan jumlah setiap kelas peti kemas
yang optimal untuk dikirim setiap minggu. Ia terikat pada keterbatasan sumber daya yang telah
disebutkan tadi, tetapi juga telah memutuskan bahwa ia harus tetap mempekerjakan pekerja
penuh waktunya selama 240 jam (6 pekerja × 40 jam) setiap minggu. Rumuskan dan selesaikan
permasalahan ini dengan menggunakan peranti lunak PL!
B.24 Berapakah titik pojok yang terdapat pada daerah layak dalam persoalan berikut?
Minimalkan Z = X – Y
Dengan batasan: X ≤ 4
–X ≤ 2
X + 2Y ≤ 6
–X + 2Y ≤8
Y ≥ 0
(Catatan: nilai X dapat negatif pada soal ini.)
B.25 Agen periklanan Denver mempromosikan sabun cuci piring yang baru bermerek Breem
dan ingin mendapatkan promosi terbaik yang mungkin bagi produk tersebut dengan anggaran
iklan senilai $100.000. Untuk melaksanakan hal ini, agen itu harus memutuskan banyaknya dana
yang akan dihabiskan bagi setiap dari dua media yang paling efektif: (1) iklan di televisi pada
sore hari dan (2) iklan besar dalam harian kota pada hari Minggu. Setiap iklan televisi berharga
$3.000; dan setiap iklan surat kabar berharga $1.250. Hasil yang diharapkan dengan berdasarkan
pada hasil survei adalah 35.000 penonton untuk setiap iklan TV dan 20.000 pembaca untuk setiap
iklan di surat kabar. Direktur agen periklanan, Deborah Kellogg, mengetahui dari pengalaman
bahwa penting untuk menggunakan kedua media untuk dapat menjangkau pelanggan potensial
Breem secara luas. Dia memutuskan bahwa sedikitnya 5, tetapi tidak lebih dari 25 iklan televisi
yang harus dibuat, dan sedikitnya 10 iklan surat kabar yang harus dikontrak. Berapa kalikah
setiap dari kedua media ini digunakan untuk memperoleh hasil maksimal dengan biaya yang
masih dalam anggaran? Gunakanlah metode grafk untuk menyelesaikan persoalan ini!
B.26 Libby Temple Manufacturing memiliki tiga pabrik (1, 2, dan 3) dan tiga gudang (A, B,
dan C). Tabel berikut memperlihatkan biaya pengiriman antar setiap gudang ke setiap pabrik,
kemampuan produksi pabrik (dalam ribuan), dan kapasitas gudang (dalam ribuan). Manajemen
ingin memenuhi kapasitas gudang untuk memancing permintaan.
MK-71 Modul Kuantitatif B • Pemrograman Linier
a) Tuliskan fungsi tujuan dan batasan dalam bentuk persamaan! Jadikan X
1A
= 1.000 unit
yang dikirimkan dari pabrik 1 ke gudang A, dan seterusnya.
b) Selesaikan persoalan ini dengan komputer!
Ke Gudang Gudang Gudang Kemampuan
Dari A B C Produksi
Pabrik 1 $ 6 $ 5 $ 3 6
Pabrik 2 $ 8 $10 $ 8 8
Pabrik 3 $11 $14 $18 10
Kapasitas 7 12 5
B.27 Sebuah produsen pupuk harus memenuhi kontrak pasokan kepada dua pelanggan
utamanya (650 ton ke Pelanggan A dan 800 ton ke Pelanggan B). Produsen tersebut dapat
memenuhi permintaan ini dengan mengirimkan inventaris yang ada pada tiga gudangnya.
Gudang 1 (W1) memiliki 400 ton inventaris, Gudang 2 (W2) memiliki 500 ton, dan Gudang 3
(W3) memiliki 600 ton. Perusahaan tersebut ingin mengatur pengiriman dengan biaya terendah
yang mungkin, di mana biaya transit per ton adalah sebagai berikut.
W1 W2 W3
Pelanggan A $7,50 $6,25 $6,50
Pelanggan B 6,75 7,00 8,00
a) Sebutkan dan jelaskan keenam variabel keputusan (V) tersebut! (Petunjuk: lihat laporan
Solver di halaman selanjutnya)
V1: ____________________________________________________________
V2: ____________________________________________________________
V3: ____________________________________________________________
V4: ____________________________________________________________
V5: ____________________________________________________________
V6: ____________________________________________________________
b) Tulislah fungsi tujuan dalam bentuk variabel (V1, V2, dan seterusnya) dan koefsien
tujuan!
c) Selain variabelnya tidak boleh negatif, apa saja kelima batasannya? Tulislah deskripsi
pendek untuk setiap batasannya, dan tulis rumusnya (lingkari apakah jenisnya
persamaan/pertidaksamaan)!
Deskripsi Variabel dan Batasan Jenis RHS
C1: Rumus: => I = I =<
C2: Rumus: => I = I =<
C3: Rumus: => I = I =<
C4: Rumus: => I = I =<
C5: Rumus: => I = I =<
Setelah Anda merumuskan dan memasukkan program linier untuk Soal B.27 di Excel, Solver
akan memberikan laporan sensitivitas berikut.
MK-72 Manajemen Operasi
Sel yang Dapat Diatur
Sel Nama
Nilai
Akhir
Biaya
Tereduksi
Koefsien
Tujuan
Peningkatan
yang
Diizinkan
Penurunan
yang
Diizinkan
$B$6 V1 0 1,5 7,5 1E+30 1,5
$C$6 V2 100 0 6,25 0,25 0,75
$D$6 V3 550 0 6,5 0,75 0,25
$E$6 V4 400 0 6,75 0,5 1E+30
$F$6 V5 400 0 7 0,75 0,5
$G$6 V6 0 0,75 8 1E+30 0,75
Batasan
Sel Nama
Nilai
Akhir
Harga
Bayangan
Batasan
R.H.
Peningkatan
yang
Diizinkan
Penurunan
yang
Diizinkan
$H$7 C1 650 6,5 650 50 550
$H$8 C2 800 7,25 800 50 400
$H$9 C3 400 –0,5 400 400 50
$H$10 C4 500 –0,25 500 550 50
$H$11 C5 550 0 600 1E+30 50
d) Berapakah batasan yang mengikat?
e) Berapakah slack/surplus dengan batasan yang tidak mengikat?
f) Berapa rentang optimalisasi variabel V3?
g) Jika kita dapat mengirimkan kurang 10 ton untuk Pelanggan A, berapakah uang yang
mungkin dapat dihemat? Jika kita dapat memilih untuk mengurangi salah satu dari
permintaan Pelanggan A atau Pelanggan B sebanyak 10 ton, permintaan pelanggan
apakah yang sebaiknya dikurangi? Mengapa?
X

B.28 Mt. Sinai Hospital di New Orleans merupakan sebuah rumah sakit swasta yang besar
dengan fasilitas 600 tempat tidur lengkap dengan laboratorium, ruang operasi, dan departemen
rontgen. Untuk meningkatkan pendapatan, pihak administrasi rumah sakit telah memutuskan
untuk menambah 90 tempat tidur pada sebagian lahan di sisi rumah sakit, yang sekarang ini
digunakan sebagai lahan parkir bagi pekerja. Pengurus merasa laboratorium, ruang operasi,
dan departemen rontgen belum digunakan secara penuh, dan tidak perlu diperluas untuk dapat
menangani pasien tambahan. Penambahan 90 tempat tidur, bagaimanapun juga, mencakup
keputusan akan banyaknya tempat tidur yang harus dialokasikan bagi pekerja medis (untuk
pasien medis) dan banyaknya tempat tidur bagi pekerja yang berhubungan dengan pembedahan
(untuk pasien yang berhubungan dengan pembedahan).
Departemen keuangan dan data medis rumah sakit telah memberikan informasi berikut.
Rata-rata seorang pasien medis akan tinggal di rumah sakit selama 8 hari, dan menghasilkan
pendapatan senilai $2.280. Rata-rata pasien bedah akan tinggal di rumah sakit selama 5 hari dan
menghasilkan pendapatan senilai $1.515 dalam pendapatan. Laboratorium mampu menangani
15.000 pengujian setiap tahun dan jumlah ini masih lebih banyak dari yang dapat ditangani
saat ini. Rata-rata pasien medis memerlukan 3,1 pengujian laboratorium, dan pasien bedah
memerlukan 2,6 pengujian laboratorium. Rata-rata pasien medis memerlukan 1 kali rontgen,
dan rata-rata pasien bedah memerlukan 2 kali rontgen. Jika rumah sakit ditambah dengan 90
tempat tidur, makan departemen rontgen dapat menangani hingga 7.000 kali rontgen tanpa
MK-73 Modul Kuantitatif B • Pemrograman Linier
adanya penambahan biaya yang berarti. Pihak administrasi memperkirakan hingga 2.800
operasi tambahan dapat dilakukan dalam fasilitas ruang operasi yang ada. Pasien medis, tentu
saja, tidak memerlukan pembedahan, sedangkan setiap pasien bedah biasanya melakukan satu
kali pembedahan.
Rumuskan masalah ini untuk menentukan banyaknya tempat tidur untuk pasien
medis dan banyaknya tempat tidur untuk pasien bedah yang harus ditambahkan untuk
memaksimalkan pendapatan rumah sakit. Asumsikan bahwa rumah sakit buka selama 365
hari per tahun.
B.29 Charles Watts Electronics memproduksi enam alat berikut untuk digunakan komputer
bagi pesawat jet tempur, yaitu internal modem, external modem, circuit board, foppy disk drive,
hard disk drive, dan memory expansion board. Setiap produk canggih ini memerlukan waktu,
dalam menit, pada tiga jenis peralatan uji elektronik yang ditunjukkan pada tabel berikut.

Internal
Modem
External
Modem
Circuit
Board
Floppy
Drive
Hard
Drive
Memory
Board
Alat Pengujian 1 7 3 12 6 18 17
Alat Pengujian 2 2 5 3 2 15 17
Alat Pengujian 3 5 1 3 2 9 2
Dua alat pengujian yang pertama tersedia selama 120 jam setiap minggu. Alat pengujian
yang ketiga memerlukan pemeliharaan yang lebih banyak, dan mungkin hanya digunakan
selama 100 jam setiap minggu. Pasar untuk keenam komponen komputer ini besar, dan Watts
Electronics meyakini bahwa mereka sanggup menjual sebanyak mungkin unit yang dapat
mereka produksi. Tabel berikut merangkum biaya dan pendapatan untuk setiap produk.
Pendapatan per Unit Biaya Bahan
Peralatan yang Terjual ($) Mentah per Unit ($)
Internal modem 200 35
External modem 120 25
Graphics circuit board 180 40
Floppy disk drive 130 45
Hard disk drive 430 170
Memory expansion board 260 60
Sebagai tambahan, biaya tenaga kerja variabel adalah $15 per jam untuk alat pengujian 1,
$12 per jam untuk alat pengujian 2, dan $18 per jam untuk alat pengujian 3. Watts Electronics
ingin memaksimalkan keuntungannya.
a) Rumuskan masalah ini sebagai sebuah model PL!
b) Selesaikan masalah ini dengan komputer! Bauran produk apakah yang terbaik?
c) Berapakah nilai dari jumlah menit tambahan per minggu bagi alat pengujian 1, alat
pengujian 2, dan alat pengujian 3? Apakah Watts Electronics perlu menambahkan
waktu bagi alat pengujiannya? Jika ya, alat pengujian yang mana?
B.30 Anda telah dipekerjakan sebagai perencana untuk sistem sekolah, dan tugas pertama Anda
adalah merancang ulang program makan siang bersubsidi. Tepatnya, Anda harus merumuskan
menu makan siang yang paling terjangkau yang masih memenuhi aturan nutrisi pemerintah
negara bagian dan federal.
MK-74 Manajemen Operasi
Aturannya adalah makanan harus berkalori antara 500 hingga 800. Makanan harus
mengandung setidaknya 200 kalori protein, 200 kalori karbohidrat, dan tidak lebih dari 400
kalori lemak. Selain itu, perlu mengandung setidaknya 200 kalori makanan yang termasuk buah
atau sayuran.
Ini adalah dafar makanan yang dapat Anda pertimbangkan sebagai pilihan menu
dengan harga yang ditentukan oleh kontrak dan informasi nutrisinya. Perhatikan bahwa
semua persentase jika dijumlahkan mencapai 100%¯untuk semua kalori protein, karbohidrat,
dan lemak. Contohnya, saus apel mengandung 100 kalori yang merupakan karbohidrat, dan
termasuk makanan buah atau sayuran. Anda diperbolehkan menggunakan pecahan dalam
penyajian, seperti 2,25 sajian dada kalkun dan 0,33 porsi salad. Biaya dan nutrisi dengan satuan
masing-masing. Contohnya, 0,33 porsi salad biayanya $0,30 dan mengandung 33 kalori.
Makanan
Biaya/
Sajian
Kalori/
Sajian % protein % karb. % lemak
Buah/
Sayur
Saus apel $0,30 100 0% 100% 0% Ya
Jagung kaleng $0,40 150 20% 80% 0% Ya
Ayam goreng $0,90 250 55% 5% 40% Tidak
Kentang goreng $0,20 400 5% 35% 60% Tidak
Burger keju $0,50 430 20% 30% 50% Tidak
Dada kalkun $1,50 300 67% 0% 33% Tidak
Salad $0,90 100 15% 40% 45% Ya
Rumuskan dan selesaikan persoalan pemrograman linier ini! Tuliskan hasilnya dalam Excel
dengan menunjukkan koefsien fungsi tujuan dan matriks batasannya dalam bentuk standar!
· Pada halaman yang berbeda, tampilkan Answer Report seluruhnya seperti yang
dihasilkan Excel Solver.
· Tandai dan beri label sebagai Z nilai tujuan untuk solusi optimal pada Answer
Report.
· Tandai variabel keputusan non-nol untuk solusi optimal pada Answer Report.
· Tampilkan, pada halaman yang berbeda, Sensitivity Report seluruhnya seperti dihasilkan
oleh Excel Solver. X
Studi Kasus
Golding Landscaping and Plants, Inc.
Kenneth dan Patricia Golding menghabiskan kariernya sebagai suami istri yang melakukan
kerja sama investasi pada sebuah real estat di Washington, DC. Ketika akhirnya mereka pensiun
dan beralih ke suatu lahan seluas 25 acre di utara Provinsi Fairfax di Virginia, mereka menjadi
tukang kebun amatir yang sangat bersemangat. Kenneth menanam semak belukar dan pohon
buah-buahan, sementara Patricia menghabiskan waktunya untuk menanam dalam pot semua
ukuran tanaman. Ketika jumlah semak belukar dan tumbuhan yang ada mencapai suatu kondisi
di mana keluarga Goldings mulai berpikir akan hobi mereka secara serius, mereka membangun
suatu rumah kaca yang bersebelahan dengan rumah mereka serta memasang sistem pengairan
dan pemanasan.
MK-75 Modul Kuantitatif B • Pemrograman Linier
Pada tahun 2005, keluarga Goldings menyadari bahwa pensiunnya mereka dari bisnis real
estat hanya mendorong mereka ke karier yang kedua, yaitu bisnis semak dan tumbuhan. Mereka
pun mendafar untuk mendapatkan izin usaha dari pemerintah Virginia. Dalam beberapa
bulan, mereka meminta pengacara mereka untuk melengkapi dokumen yang diperlukan dan
membentuk perusahaan Golding Landscaping and Plants, Inc.
Pada awal keberadaan bisnisnya, Kenneth menyadari kebutuhan pupuk komersial
berkualitas tinggi yang dapat dibuatnya untuk kebutuhan tamannya sendiri, dan selebihnya
akan dijual. Tujuannya adalah mempertahankan biaya agar tetap minimal selagi memproduksi
produk unggulan yang sangat sesuai untuk iklim Virginia utara.
Dengan bekerja sama dengan seorang ahli kimia di George Mason University, Golding
menghasilkan “Golding-Grow” yang terdiri atas empat campuran bahan kimia, yaitu C-30, C-
92, D-21, dan E-11. Biaya per pon untuk setiap senyawa terdapat pada tabel berikut.
Senyawa Kimia Harga per Pon
C-30 $0,12
C-92 $0,09
D-21 $0,11
E-11 $0,04
Spesifkasi untuk Golding-Grow ditentukan sebagai berikut.
a. Bahan kimia 1 harus terdapat paling sedikit sejumlah 15% campuran.
b. C-92 dan C-30 secara bersama-sama harus ada sedikitnya 45% campuran.
c. D-21 dan C-92 dapat secara bersama-sama, dan tidak lebih dari 30% campuran.
d. Golding-Grow dikemas dan dijual dalam kantong yang masing-masing berbobot 50 pon.

Pertanyaan untuk Diskusi
1. Rumuskan sebuah persoalan PL untuk menentukan campuran keempat bahan
kimia yang dapat meminimalkan biaya Golding untuk satu kantong pupuk
berbobot 50 pon!
2. Selesaikan persoalan ini untuk mendapatkan solusi terbaik!
Studi Kasus Tambahan
Kunjungi situs www.prenhall.com/heizer untuk studi kasus berikut yang tersedia secara cuma-
cuma.
• Chase Manhattan Bank: kasus penjadwalan ini ingin mendapatkan jumlah optimal pekerja
penuh waktu versus paruh waktu pada sebuah bank.
MK-76 Manajemen Operasi
Daftar Pustaka
Bard, J. F. “Staf Scheduling in High Volume Services with Downgrading”. IIE Transactions 36
(Oktober 2004): 985.
Begley, S. “Did You Hear about the Salesman Who Travelled Better?” OR/MS Today 31 (Januari
2004): 20.
Brown, G., R. F. Dell, dan A. M. Newman. “Optimizing Military Capital Planning”. Interfaces
34, No. 6 (November–Desember 2004): 415–425.
Chakravarti, N. “Tea Company Steeped in OR”. OR/MS Today, 27, No. 2 (April 2000): 32–34.
daSilva, C. G. et al. “An Interactive Decision Support System for an Aggregate Planning
Production Model”. Omega 34 (April 2006): 167.
Desroisers, Jacques. “Air Transat Uses ALTITUDE to Manage Its Aircraf Routing, Crew Pairing,
and Work Assignment”. Interfaces 30 (Maret–April 2000): 41–53.
Le Blanc, Larry J. et al. “Nu-Kote’s Spreadsheet Linear Programming Models for Optimizing
Transportation”. Interfaces 34 (Maret–April 2004): 139–146.
Lyon, Peter, R. John Milne, Robert Orzell, dan Robert Rice. “Matching Assets with Demand in
Supply Chain Management at IBM Microelectronics”. Interfaces 31 (Januari 2001): 108–
124.
Martin, C. H. “Ohio University’s College of Business Uses Integer Programming to Schedule
Classes”. Interfaces 34 (November–Desember 2004): 460–465.
Neureuther, B. D., G. G. Polak, dan N. R. Sanders. “A Hierarchical Production Plan for a Make
to Order Steel Fabrication Plant”. Production Planning & Control 15 (April 2004): 324.
Peeteis, M. dan Z. Degraeve. “An PL Based Lower Bound for the Simple Assembly Line Balancing
Problem”. European Journal of Operational Research 168 (Februari 2006): 716.
Render, B., R. M. Stair, dan Michael Hanna. 2006. Quantitative Analysis for Management. Edisi
Kesembilan. Upper Saddle River, NJ: Prentice Hall.
Render, B., R. M. Stair, dan R. Balakrishman. 2007. Managerial Decision Modeling with
Spreadsheets. Edisi Kedua. Upper Saddle River, NJ: Prentice Hall.
Sodhi, M. S. dan S. Norri. “A Fast and Optimal Modeling Approach Applied to Crew Rostering
at London Underground”. Annals of OR 127 (Maret 2004): 259.
Taylor, Bernard. 2008. Introduction to Management Science. Edisi Kesembilan. Upper Saddle
River, NJ: Prentice Hall.
van den Briel, M. H. L. et al. “America West Airlines Develops Ef cient Boarding Strategies”.
Interfaces 35, No. 3 (Mei–Juni 2005): 191–201.
Yu, G. et al. “Optimizing Pilot Planning and Training for Continental Airlines”. Interfaces 34
(Juli–Agustus 2004): 253–271.
MK-77 Modul Kuantitatif C • Model Transportasi
Modul Kuantitatif C
Model Transportasi
Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu:
1. mengembangkan solusi awal untuk sebuah model transportasi dengan metode
pojok kiri-atas dan biaya terendah intuitif;
2. memecahkan suatu masalah dengan metode batu loncatan;
3. menyeimbangkan suatu masalah transportasi;
4. memecahkan sebuah masalah degenerasi.
PEMODELAN TRANSPORTASI
MENENTUKAN SOLUSI AWAL
Aturan Pojok kiri-atas
Metode Biaya Terendah Intuitif
METODE BATU LONCATAN
PERMASALAHAN KHUSUS DALAM PEMODELAN
Permintaan Tidak Sama dengan Pasokan
Degenerasi
Rangkuman
Istilah-istilah Penting
Contoh Soal dan Penyelesaian
Uji Diri Sendiri
Pertanyaan untuk Diskusi
Soal-soal
Studi Kasus: Custom Vans, Inc.
Studi Kasus Tambahan
Daftar Pustaka
GARIS BESAR PEMBAHASAN
MK-78 Manajemen Operasi
Karena lokasi suatu pabrik, gudang, atau pusat distribusi yang baru merupakan suatu
isu strategis dengan implikasi biaya yang substansial, hampir semua perusahaan
benar-benar mempertimbangkan dan mengevaluasi lokasi yang ada. Dengan adanya
beragam faktor objektif dan subjektif yang harus dipertimbangkan, untuk mengambil
sebuah keputusan rasional diperlukan sejumlah teknik untuk membantu pengambilan
keputusan. Salah satu teknik tersebut adalah pemodelan transportasi.
Model-model transportasi yang diuraikan pada modul ini terbukti bermanfaat
untuk mempertimbangkan alternatif fasilitas lokasi yang masih terdapat dalam
kerangka sistem distribusi yang ada. Setiap pabrik, gudang, atau pusat distribusi baru
yang potensial akan memerlukan alokasi pengiriman yang berbeda, bergantung pada
biaya produksi, pengiriman, dan biaya yang ada pada setiap fasilitas. Pilihan sebuah
lokasi baru tergantung pada seberapa besar lokasi tersebut akan menghasilkan biaya
yang paling rendah bagi sistem secara keseluruhan.
PEMODELAN TRANSPORTASI
Pemodelan transportasi (transportation modeling) mencari cara termurah untuk
mengirimkan barang dari beberapa sumber ke beberapa tujuan. Titik asal (atau sumber)
dapat berupa pabrik, gudang, agen penyewaan mobil seperti Avis, atau titik lain dari
mana barang-barang dikirimkan. Tujuan adalah titik-titik yang menerima barang.
Untuk menggunakan model transportasi, kita harus mengetahui hal-hal berikut.
Pemodelan transportasi
Suatu prosedur iterasi untuk
memecahkan masalah yang
melibatkan minimalisasi biaya
pengiriman produk dari beberapa
produk ke beberapa tujuan.
Pemodelan transportasi
Suatu prosedur iterasi untuk
memecahkan masalah yang
melibatkan minimalisasi biaya
pengiriman produk dari beberapa
produk ke beberapa tujuan.
c Permasalahan yang dihadapi oleh perusahaan-perusahaan penyewaan mobil di AS, seperti Avis,
Hertz dan National, adalah perjalanan antarnegara bagian yang cukup banyak. Mobil yang disewa
di New York selesai digunakan di Chicago, mobil dari L.A. datang ke Philadelphia, dan mobil dari
Boston datang ke Miami. Hal ini terjadi lebih di 100 kota di Amerika Serikat. Hasilnya, ada terlalu
banyak mobil di beberapa kota dan terlalu sedikit di kota lainnya. Manajer operasi harus menentukan
banyaknya mobil yang harus diangkut (oleh perusahaan pengangkutan yang mahal) dari setiap
kota yang kelebihan kapasitas ke kota lain yang membutuhkan mobil. Proses ini membutuhkan aksi
yang cepat untuk rute yang paling ekonomis. Dengan demikian, perusahaan pengawasan mobil
membutuhkan pemodelan transportasi.
MK-79 Modul Kuantitatif C • Model Transportasi
1. Titik asal dan kapasitas atau pasokan pada setiap periode.
2. Titik tujuan dan permintaan pada setiap periode.
3. Biaya pengiriman satu unit dari setiap titik asal ke setiap titik tujuan.
Model transportasi sebenarnya merupakan satu jenis model pemrograman linier yang
telah dibahas pada Modul Kuantitatif B. Sebagaimana halnya pemrograman linier,
peranti lunak atau program untuk memecahkan permasalahan transportasi juga
tersedia. Walaupun demikian, untuk dapat menggunakan program tersebut, asumsi
yang mendasari model tersebut harus Anda pahami. Untuk menggambarkan sebuah
masalah transportasi, pada modul ini, kita lihat sebuah perusahaan yang disebut
Arizona Plumbing, yang di antaranya memproduksi beberapa jenis bak mandi. Pada
contoh ini, perusahaan harus memutuskan pabrik yang harus memasok bak mandi pada
beberapa gudang yang ada. Data yang berkaitan untuk Arizona Plumbing diperlihatkan
pada Tabel C.1 dan Figur C.1. Sebagai contoh, Tabel C.1 menunjukkan bahwa biaya
pengiriman sebuah bak mandi dari pabrik di Des Moines ke gudang di Albuquerque
membutuhkan biaya $5, ke Boston $4, dan ke Cleveland $3. Demikian juga halnya, yang
terlihat pada Figur C.1 bahwa 300 unit yang diperlukan oleh gudang di Albuquerque
dapat dikirimkan dari berbagai kombinasi pabrik-pabrik di Des Moines, Evansville,
dan Fort Lauderdale.
Tabel C.1 Biaya Transportasi per Bak Mandi untuk Arizona Plumbing
Ke
Dari Albuquerque Boston Cleveland
Des Moines $5 $4 $3
Evansville $8 $4 $3
Fort Lauderdale $9 $7 $5
Albuquerque
(300 unit
yang diperlukan)
Des Moines
(100 kapasitas
unit)
Evansville
(300 kapasitas
unit)
Cleveland
(200 unit
yang
diperlukan)
Boston
(200 unit yang
diperlukan)
Fort Lauderdale
(300 kapasitas
unit)
Figur C.1 Masalah Transportasi
MK-80 Manajemen Operasi
Dari
Ke
Des Moines
$5
Albuquerque
Evansville
$8
Fort Lauderdale
$9
$4
Boston
$4
$7
$3
Cleveland
$3
$5
Kapasitas
Pabrik
Kebutuhan
gudang
300 200 200 700
300
300
100
Permintaan
gudang Cleveland
Biaya pengiriman 1 unit dari
pabrik Fort Lauderdale ke gudang Boston
Permintaan total
dan pasokan total
Batasan kapasitas
Des Moines
Sel yang
melambangkan
kemungkinan
tugas pengiriman
sumber ke tujuan
(Evansville ke
Cleveland)
Figur C.2 Matriks Transportasi untuk Arizona Plumbing
Langkah pertama dalam proses pemodelan adalah membuat matriks transportasi.
Tujuannya adalah meringkas semua data yang relevan dan tetap dapat menelusuri
algoritma perhitungan. Dengan menggunakan informasi seperti yang diperlihatkan
pada Figur C.1 dan Tabel C.1, sebuah matriks transportasi dapat dibuat, seperti yang
ditunjukkan pada Figur C.2.
MENENTUKAN SOLUSI AWAL
Setelah data disusun dalam bentuk tabel, suatu solusi awal yang layak bagi permasalahan
tersebut harus ditetapkan. Sejumlah metode yang berbeda telah dikembangkan untuk
langkah ini. Sekarang, kita bahas dua di antara metode tersebut, yaitu aturan pojok
kiri-atas dan metode biaya terendah intuitif.
Aturan Pojok kiri-atas
Aturan pojok kiri-atas (northwest-corner rule) mengharuskan perhitungan dimulai
dari bagian kiri atas (northwest-corner) dari tabel dan mengalokasikan unitnya pada
rute pengiriman berikut.
1. Habiskan pasokan (kapasitas pabrik) pada setiap baris (contoh, Des Moines: 100)
sebelum pindah ke baris di bawahnya.
2. Habiskan kebutuhan (permintaan gudang) dari setiap kolom (contoh,
Albuquerque: 300) sebelum pindah ke kolom berikutnya di sisi kanan.
3. Pastikan bahwa semua permintaan dan pasokan telah dipenuhi.

Contoh Cl menerapkan aturan pojok kiri-atas pada masalah Arizona Plumbing.
Tujuan Pembelajaran
1. Mengembangkan
sebuah solusi awal untuk
sebuah model transportasi
dengan metode pojok
kiri-atas dan biaya terendah
intuitif.
Tujuan Pembelajaran
1. Mengembangkan
sebuah solusi awal untuk
sebuah model transportasi
dengan metode pojok
kiri-atas dan biaya terendah
intuitif.
Aturan pojok kiri-atas
Suatu prosedur dalam model
transportasi di mana pemodelan
dimulai dari sel tabel sebelah kiri
atas dan mengalokasikan unit
ke rute-rute pengiriman secara
sistematis.
Aturan pojok kiri-atas
Suatu prosedur dalam model
transportasi di mana pemodelan
dimulai dari sel tabel sebelah kiri
atas dan mengalokasikan unit
ke rute-rute pengiriman secara
sistematis.
MK-81 Modul Kuantitatif C • Model Transportasi
Aturan pojok kiri-atas
Arizona Plumbing ingin menggunakan aturan pojok kiri-atas untuk menentukan suatu solusi
awal untuk masalahnya.
Pendekatan: Ikuti 3 langkah di atas. Lihat Figur C.3.
Solusi: Untuk membuat solusi awal, diperlukan lima langkah berikut.
1. Kirimkan 100 bak mandi dari Des Moines ke Albuquerque (menghabiskan pasokan dari
Des Moines).
2. Kirimkan 200 bak mandi dari Evansville ke Albuquerque (menghabiskan permintaan
Albuquerque).
3. Kirimkan 100 bak mandi dari Evansville ke Boston (menghabiskan pasokan Evansville).
4. Kirimkan 100 bak mandi dari Fort Lauderdale ke Boston (menghabiskan permintaan
Boston).
5. Kirimkan 200 bak mandi dari Fort Lauderdale ke Cleveland (menghabiskan permintaan
Cleveland dan pasokan Fort Lauderdale).
Dari
Ke
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
$9
$4 $3
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
$3
Kapasitas
pabrik
Kebutuhan
gudang
300 200 200 700
300
300
100
200
100
100
100
200
Berarti perusahaan mengirim 100 bak mandi
dari Fort Lauderdale ke Boston.
$5
$8 $4
$7 $5
Figur C.3 Solusi Pojok Kiri-Atas untuk Masalah Arizona Plumbing
Biaya total untuk penugasan pengiriman ini adalah $4.200 (lihat Tabel C.2).

Tabel C.2 Biaya Pengiriman yang Terhitung
Rute Bak Mandi yang
Dikirimkan
Dari Ke Biaya per Unit Biaya Total
D A 100 $5 $ 500
E A 200 8 1.600
E B 100 4 400
F B 100 7 700
F C 200 5 $1.000
Total: $4.200
Contoh C1 Contoh C1
MK-82 Manajemen Operasi
Pemahaman: Solusi yang diperoleh adalah solusi yang layak, karena dapat memenuhi semua
batasan permintaan dan pasokan yang ada. Aturan pojok kiri-atas mudah digunakan, namun
mengabaikan biaya yang ada, sehingga sebaiknya hanya dipertimbangkan sebagai posisi awal.
Latihan pembelajaran: Apakah penugasan pengiriman berubah jika biaya dari Des Moines ke
Albuquerque bertambah dari $5 per unit menjadi $10 per unit? Apakah biaya total berubah?
[Jawaban: Penugasannya masih sama, tetapi biaya = $4.700.]
Masalah serupa: C.1a, C.3a, C.9, C.11, C.12.

Metode Biaya Terendah Intuitif
Metode intuitif (intuitive method) membuat alokasi berdasarkan biaya terendah.
Metode pendekatan yang sederhana ini menggunakan langkah-langkah berikut.
1. Identifkasi sel dengan biaya yang paling rendah. Pilih salah satu jika terdapat
biaya yang sama.
2. Alokasikan unit sebanyak mungkin untuk sel tersebut tanpa melebihi pasokan
atau permintaan. Kemudian, coret kolom atau baris itu (atau keduanya) yang
sudah penuh terisi.
3. Cari sel dengan biaya yang paling rendah dari sisa sel (yang belum tercoret).
4. Ulangi langkah ke-2 dan ke-3 sampai semua unitnya habis dialokasikan.
Pendekatan biaya terendah intuitif
Sekarang, Arizona Plumbing ingin menerapkan pendekatan biaya terendah intuitif.
Pendekatan: Terapkan keempat langkah di atas kepada data dalam Figur C.2.
Solusi: Ketika perusahaan tersebut menggunakan pendekatan intuitif pada data (dan bukan
aturan pojok kiri-atas) untuk posisi awalnya, akan diperoleh solusi seperti yang terlihat pada
Figur C.4.
Dari
Ke
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
Kebutuhan gudang
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
300 200 200 700
300
300
100
100
100
200
$9
$8
$5 $4
$4
$7
$3
$3
$5
300
Kapasitas
pabrik
Kedua, coret kolom C
setelah memasukkan
100 unit dalam sel $3 ini
karena kolom C dipenuhi.
Pertama, coret baris teratas (D)
setelah memasukkan 100 unit
dalam sel $3 karena baris D dipenuhi.
Terakhir, masukkan 300 unit
dalam sel yang tersisa untuk
menyelesaikan pengalokasian.
Ketiga, coret baris E dan
kolom B setelah memasukkan
200 unit dalam sel $4 ini karena
sejumlah 300 unit memenuhi
baris E dan kolom B.
Figur C.4 Solusi Biaya Terendah Intuitif untuk Masalah Arizona Plumbing
Metode intuitif
Pendekatan berdasarkan biaya
untuk mencari suatu solusi awal
untuk masalah transportasi.
Metode intuitif
Pendekatan berdasarkan biaya
untuk mencari suatu solusi awal
untuk masalah transportasi.
Contoh C2 Contoh C2
MK-83 Modul Kuantitatif C • Model Transportasi
Biaya total dari pendekatan ini adalah $3(100) + $3(100) + $4(200) + $9(300) = $4.100.
(D ke C) (E ke C) (E ke B) (F ke A)
Pemahaman: Metode ini dinamai demikian, karena sebagian besar orang merasa benar secara
intuitif untuk memasukkan biaya-biaya ketika membuat penugasan awal.
Latihan pembelajaran: Jika biaya per unit dari Des Moines ke Cleveland bukan $3, tetapi $6,
apakah solusi awal ini berubah? [Jawaban: Ya, sekarang D–B = 100, D– C = 0, E–B = 100, E– B
= 100, E– C = 200, F– A = 300. Yang lainnya tidak berubah di nol. Biaya total tetap sama.]
Masalah serupa: C.1b, C.2, C.3b.
Meskipun kecenderungan memperoleh solusi biaya minimal meningkat dengan
metode intuitif ini, tetaplah sangat beruntung jika kita benar-benar mendapatkan
solusi yang menghasilkan biaya yang minimal. Dalam hal ini, seperti pada solusi
yang diperoleh dengan aturan pojok kiri-atas, metode intuitif tidak menghasilkan
biaya minimal. Oleh karena aturan pojok kiri-atas dan pendekatan biaya terendah
intuitif dimaksudkan hanya untuk menyediakan satu titik awal yang layak, maka perlu
dilakukan suatu prosedur tambahan untuk mencapai solusi yang optimal.
METODE BATU LONCATAN
Metode batu loncatan (stepping-stone method) akan membantu kita bergerak dari
suatu solusi awal yang layak ke sebuah solusi optimal. Metode ini digunakan untuk
mengevaluasi efektivitas biaya pengiriman barang melalui rute transportasi yang saat ini
bukan merupakan rute yang ada dalam solusi. Saat menerapkan rute tersebut, setiap sel
atau kotak yang tidak terpakai pada tabel transportasi diuji dengan bertanya: Apa yang
akan terjadi pada biaya pengiriman total jika satu unit produk (contoh: satu bak mandi)
dikirimkan pada satu rute yang tidak terpakai? Pengujian dilakukan sebagai berikut.
1. Pilih kotak apa pun yang tidak terpakai untuk dievaluasi.
2. Dimulai dari kotak ini, telusuri suatu jalur tertutup yang kembali ke kotak awal
melalui kotak-kotak yang sekarang ini sedang digunakan (yang diizinkan hanyalah
gerakan vertikal dan horizontal). Walaupun demikian, kita boleh melangkahi
kotak apa pun baik yang kosong maupun yang terisi.
3. Mulai dengan tanda plus (+) pada kotak yang tidak terpakai, tempatkan tanda
plus dan tanda minus secara bergantian pada setiap kotak pada jalur tertutup
yang baru dilalui.
4. Hitung indeks peningkatannya dengan menambahkan biaya unit yang diperoleh
pada setiap kotak yang berisi tanda plus, kemudian dilanjutkan dengan mengurangi
biaya unit pada setiap kotak yang berisi tanda minus.
5. Ulangi langkah 1 hingga 4, sampai semua indeks peningkatan untuk semua kotak
yang tidak terpakai telah terhitung. Jika semua indeks yang dihitung lebih besar
atau sama dengan nol, maka solusi optimal telah tercapai. Jika belum, maka solusi
sekarang dapat terus ditingkatkan untuk mengurangi biaya pengiriman total.
Metode batu loncatan
Suatu teknik iterasi untuk
berpindah dari solusi awal yang
layak ke solusi optimal dalam
metode transportasi.
Metode batu loncatan
Suatu teknik iterasi untuk
berpindah dari solusi awal yang
layak ke solusi optimal dalam
metode transportasi.
Tujuan Pembelajaran
2. Memecahkan suatu
masalah dengan metode
batu loncatan.
Tujuan Pembelajaran
2. Memecahkan suatu
masalah dengan metode
batu loncatan.
MK-84 Manajemen Operasi
Contoh C3 menggambarkan cara menggunakan metode batu loncatan untuk
bergerak ke arah solusi optimal. Kita mulai dengan solusi awal pojok kiri-atas yang
dikembangkan pada Contoh 1.

Memeriksa rute yang tak terpakai dengan batu loncatan
Arizona Pulmbing ingin mengevaluasi rute pengiriman yang tidak terpakai.
Pendekatan: Mulai dengan Figur C.3 Contoh 1 dan ikuti 5 langkah di atas. Seperti yang terlihat,
terdapat empat rute yang tidak terpakai dari Des Moines ke Boston, Des Moines ke Cleveland,
Evansville ke Cleveland, dan Fort Lauderdale ke Albuquerque.
Solusi: Langkah 1 dan 2. Mulai dengan rute Des Moines–Boston, pertama, telusuri sebuah jalur
tertutup yang hanya menggunakan kotak yang sudah terisi sekarang ini, (lihat Figur C.5). Berikan
tanda plus dan minus secara bergantian pada setiap sudut jalur ini. Sebagai contoh, pada sudut
kiri atas, berikan tanda minus karena 1 unit sudah dikurangi dari unit asal yang berjumlah 100.
Perhatikan bahwa yang dapat digunakan hanyalah kotak yang digunakan sekarang ini untuk
pengiriman untuk dapat berbelok dalam rute yang sedang ditelusuri. Oleh karena itu, jalur dari
Des Moines–Boston ke Des Moines–Albuquerque ke Fort Lauderdale–Albuquerque ke Fort
Lauderdale–Boston ke Des Moines–Boston tidak dapat diterima sebab kotak Fort Lauderdale–
Albuquerque kosong. Hal yang terjadi adalah hanya terdapat satu jalur tertutup untuk setiap
kotak kosong. Saat jalur tertutup ini dikenali, tanda plus dan minus dapat kita berikan pada
kotak-kotak dalam jalur ini.
Langkah 3. Bagaimana cara memutuskan kotak yang mendapatkan tanda plus dan kotak
yang mendapatkan tanda minus? Jawabannya sederhana. Karena yang sedang diuji adalah
efektivitas biaya rute pengiriman Des Moines–Boston, kita coba mengirimkan 1 bak mandi
dari Des Moines ke Boston. Hal ini berarti ada 1 unit lebih daripada yang telah dikirim di
antara kedua kota tersebut, maka kotak tersebut diberi tanda plus. Namun, jika 1 unit lebih dari
sebelumnya dikirim dari Des Moines ke Boston, maka kondisi yang terjadi adalah mengirim
101 bak mandi keluar dari pabrik di Des Moines. Karena kapasitas pabrik Des Moines hanyalah
100 unit, jumlah yang harus dikirim dari Des Moines ke Albuquerque harus dikurangi 1 unit.
Perubahan ini akan mencegah pelanggaran batasan kapasitas.
Untuk menunjukkan bahwa pengiriman dari Des Moines–Albuquerque telah dikurangi,
tanda minus ditempatkan dalam kotak tersebut. Dalam jalur tertutup yang dilalui, perhatikan
bahwa kebutuhan gudang di Albuquerque sejumlah 300 unit tidak lagi terpenuhi. Pada
kenyataannya, jika pengiriman Des Moines–Albuquerque dikurangi menjadi 99 unit, maka
pengiriman dari Evansville–Albuquerque harus ditambah 1 unit, menjadi 201 bak mandi. Oleh
karena itu, tempatkan tanda plus pada kotak tersebut untuk menandakan adanya peningkatan.
Dapat juga diamati bahwa kotak-kotak di mana jalur berbelok (dan hanya kotak-kotak tersebut)
yang akan memiliki tanda plus atau tanda minus.
Terakhir, perhatikan bahwa jika 201 bak mandi dikirimkan melalui rute Evansville–
Albuquerque, maka rute Evansville–Boston harus dikurangi 1 unit menjadi 99 bak mandi, untuk
tetap menjaga kapasitas pabrik Evansville sejumlah 300 unit. Untuk menutupi kekurangan ini,
tanda minus diberikan pada kotak Evansville–Boston. Dengan demikian, keterbatasan pasokan
pada keempat rute tersebut pada jalur tertutup ini tetap seimbang.
Contoh C3 Contoh C3
Hanya terdapat satu jalur
tertutup yang dapat ditelusuri
untuk setiap sel yang tidak
terpakai.
Hanya terdapat satu jalur
tertutup yang dapat ditelusuri
untuk setiap sel yang tidak
terpakai.
MK-85 Modul Kuantitatif C • Model Transportasi
Hasil dari perubahan alokasi yang diajukan = 1 × $4 – 1 × $5 +1 × $8 – 1 × $4 = + $3
Evaluasi kotak Des Moines ke Boston
Dari
Ke
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
$9
$3
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
$3
Kapasitas
pabrik
Kebutuhan
gudang 300 200 200 700
300
300
100
200
100
100
100
200
$5
$8 $4
$7 $5
$4 Start
201
200
$8 99 $4
99
$5 1 $4 100
100
Figur C.5 Evaluasi Batu Loncatan untuk Rute Alternatif bagi Arizona Plumbing
Langkah 4. Hitung nilai indeks peningkatan untuk rute Des Moines–Boston dengan
menambahkan biaya unit dalam kotak-kotak dengan tanda plus dan dikurangi biaya unit pada
kotak-kotak dengan tanda minus.

Indeks Des Moines–Boston = $4 – $5 + $8 – $4 = + $3

Hal ini berarti untuk setiap bak mandi yang dikirimkan melalui rute Des Moines–Boston, biaya
transportasi total akan bertambah sebesar $3 dari biaya yang ada sekarang.
Sekarang, rute Des Moines–Cleveland yang tidak terpakai akan diuji, yang sedikit lebih
sukar ditelusuri dengan sebuah jalur tertutup (lihat Figur C.6). Sekali lagi, perhatikan bahwa
rute berbelok hanya pada setiap sudut dan hanya pada kotak-kotak yang ada pada rute sekarang.
Sebagai contoh, jalur dapat dibuat melalui kotak Evansville–Cleveland, tetapi tidak dapat
berbelok; jadi, tanda plus dan minus tidak dapat ditempatkan di sana. Kotak-kotak yang sudah
terisi hanya boleh digunakan sebagai batu loncatan (batu loncatan).
Indeks Des Moines–Cleveland = $3 – $5 + $8 – $4 + $7 – $5 = +$4
Sekali lagi, membuka rute ini tidak menurunkan biaya-biaya pengiriman total.
Dua rute yang lain dapat dievaluasi dengan cara serupa:
Indeks Evansville–Cleveland = $3 – $4 + $7 – $5 = +$1
(Jalur tertutup = EC – EB + FB – FC)
Indeks Fort Lauderdale–Albuquerque = $9 – $7 + $4 – $8 = –$2
(Jalur tertutup = FA – FB + EB – EA)
Karena kota-kota pada tabel
adalah acak, melangkahi sel
yang tidak terpakai adalah
tidak apa-apa.
Karena kota-kota pada tabel
adalah acak, melangkahi sel
yang tidak terpakai adalah
tidak apa-apa.
MK-86 Manajemen Operasi
From
To
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
$9
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
$3
Kebutuhan
gudang 300 200 200 700
300
300
100
200
100
100
100
200
$5
$7 $5
$4 Start $3
$8 $4
Kapasitas
pabrik
Figur C.6 Memeriksa Rute Des Moines ke Cleveland
Pemahaman: Karena indeks yang terakhir ini negatif, penghematan dapat diperoleh dengan
menggunakan rute Fort Lauderdale–Albuquerque (yang sekarang tidak dipakai).
Latihan pembelajaran: Apa yang akan terjadi pada biaya total jika Arizona menggunakan rute
pengiriman dari Des Moines ke Cleveland? [Jawaban: biaya total solusi yang sekarang akan
bertambah sebesar $400.]
Masalah serupa: C.1c, C.3c, C.7, C.8, C.10, C.13, C.15, C.16, C.17.
Pada Contoh C3 terlihat bahwa solusi yang lebih baik dapat diperoleh karena indeks
peningkatan pada salah satu rute yang tidak terpakai dapat dihitung. Setiap indeks
negatif mewakili biaya transportasi total yang dapat dikurangi jika satu unit dikirim
dengan kombinasi sumber-tujuan tertentu. Langkah berikutnya adalah memilih rute
(kotak yang tidak terpakai) yang memiliki indeks peningkatan negatif yang paling
besar. Kemudian, jumlah unit terbesar yang diizinkan yang dapat dikirim, dikirimkan
melalui rute tersebut untuk mengurangi biaya total.
Berapakah kuantitas maksimal yang dapat dikirimkan pada rute baru yang
hemat biaya ini? Kuantitas ini diperoleh dengan merujuk kembali pada rute di jalur
tertutup dengan tanda plus dan minus: caranya adalah memilih jumlah terkecil yang
bisa diperoleh dalam kotak berisi tanda minus. Untuk memperoleh suatu solusi baru,
jumlah ini ditambahkan pada semua kotak di jalur tertutup dengan tanda plus dan
menguranginya dari semua kotak di jalur yang diberi tanda minus.
Satu iterasi metode batu loncatan telah selesai. Solusi ini tentu harus diuji untuk
melihat apakah solusi ini sudah optimal atau apakah perbaikan masih dapat dilakukan.
Hal ini dilakukan dengan mengevaluasi setiap kotak yang tidak terpakai, seperti yang
telah diuraikan sebelumnya. Contoh C4 akan melanjutkan usaha membantu Arizona
Plumbing mencapai solusi akhir.

Indeks peningkatan
Arizona Plumbing ingin melanjutkan memecahkan masalahnya.
Contoh C4 Contoh C4
MK-87 Modul Kuantitatif C • Model Transportasi
Pendekatan: Gunakan indeks peningkatan yang telah dihitung pada Contoh C3. Pada Contoh
C3, diperoleh bahwa indeks negatif paling besar (dan hanya indeks tersebut) yang berada pada
rute Fort Lauderdale–Albuquerque (yang digambarkan pada Figur C.7).
Solusi: Jumlah maksimal yang dapat dikirimkan pada rute yang baru dibuka tersebut, yaitu Fort
Lauderdale–Albuquerque (FA), merupakan jumlah paling kecil yang diperoleh pada kotak yang
berisi tanda minus—pada kasus ini, 100 unit. Mengapa 100 unit? Karena biaya total berkurang
$2 per unit yang dikirimkan, maka unit yang dapat dikirimkan melalui rute ini harus dikirimkan
sebanyak mungkin. Perhitungan metode batu loncatan sebelumnya telah menunjukkan setiap
unit yang dikirimkan melalui rute FA mengakibatkan kenaikan sebesar 1 unit yang dikirim dari
Evansville (E) ke Boston (B) dan penurunan sebesar 1 unit pada kedua rute, yaitu dari F ke B
(sekarang 100 unit) dan dari E ke A (sekarang 200 unit). Oleh karena itu, jumlah maksimal yang
dapat dikirimkan pada rute FA adalah 100 unit. Solusi ini mengakibatkan tidak ada unit yang
dikirimkan dari F ke B. Sekarang, empat langkah berikut akan dijalankan.
1. Tambahkan 100 unit (sekarang nol) pada rute FA.
2. Kurangi 100 unit dari rute FB, menjadikan nol pada kotak tersebut (meskipun keseimbangan
baris total untuk F masih terjaga).
3. Tambahkan 100 unit pada rute EB, menghasilkan 200.
4. Terakhir, kurangi 100 dari rute EA, meninggalkan 100 unit untuk dikirimkan.
Perhatikan bahwa angka-angka yang baru masih menghasilkan total kolom dan baris seperti
yang diinginkan. Solusi yang baru ditunjukkan pada Figur C.8.
Dari
Ke
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
Permintaan gudang
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
$3
300 200 200 700
300
300
100
200
100
100
200
$5
$7 $5
$4 $3
$8 $4
$9
100
Kapasitas
pabrik
Figur C.7 Tabel Transportasi: Rute FA
Dari
Ke
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
Permintaan gudang
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
$3
300 200 200 700
300
300
100 100
100
100
200
200
$5
$7 $5
$4 $3
$8 $4
$9

Kapasitas
pabrik
Figur C.8 Solusi pada Iterasi Berikutnya (Masih Belum Optimal)
MK-88 Manajemen Operasi
Biaya total pengiriman telah berkurang sejumlah (100 unit) × ($2 penghematan dari setiap unit)
= $200, dan sekarang berjumlah $4.000. Nilai ini tentu juga dapat diperoleh dengan mengalikan
biaya pengiriman setiap unit dengan banyaknya unit yang dikirim pada setiap rute, yakni
100($5) + 100($8) + 200($4) + 100($9) + 200($5) = $4.000.
Pemahaman: Walaupun dengan melihat Figur C.8 secara hati-hati, dapat terlihat bahwa
solusi yang diperoleh juga belum optimal. Rute EC (Evansville–Cleveland) memiliki indeks
peningkatan yang bernilai negatif, yaitu $-1. Jalur tertutup = EC – EA + FA – FC.
Latihan pembelajaran: Cobalah mencari sendiri solusi akhir untuk rute ini. [Jawaban: Program
C.1 dan C.2 di akhir modul ini menyediakan suatu solusi Excel OM.]
Masalah serupa: C.4, C.6, C.7, C.8, C.10, C.13, C.15, C.16, C.17.
PERMASALAHAN KHUSUS DALAM PEMODELAN
Permintaan Tidak Sama dengan Pasokan
Sebuah situasi umum dalam permasalahan dunia nyata adalah sebuah kasus di
mana permintaan total tidak sama dengan pasokan total. Persoalan yang disebut
ketidakseimbangan ini mudah diatasi dengan menggunakan sumber kosong (dummy
sources) atau tujuan kosong (dummy destination). Jika pasokan total lebih besar
dibandingkan dengan permintaan total, maka dibuat permintaan yang jumlahnya
sama dengan kelebihan tersebut dengan menciptakan sebuah tujuan kosong.
Sebaliknya, jika permintaan total lebih besar dibanding pasokan total, maka sumber
kosong dibuat sebanyak kelebihan permintaan yang ada. Karena unit ini sebenarnya
tidak akan dikirimkan, biaya pada setiap kotak kosong adalah nol. Contoh C5 akan
memperlihatkan penggunaan sebuah tujuan kosong.
Mengatur ketidaksamaan pasokan dan permintaan dengan kolom kosong
Arizona Plumbing memutuskan untuk menambah produksi pada pabriknya di Des Moines
dari 100 bak menjadi 250 bak mandi. Ini menyebabkan terjadinya pasokan yang lebih besar
dibandingkan permintaan dan menciptakan masalah ketidakseimbangan.
Pendekatan: Untuk merumuskan kembali masalah ketidakseimbangan ini, harus merujuk
kembali pada data dalam Contoh Cl dan menampilkan matriks baru pada Figur C.9. Pertama,
kita gunakan aturan pojok kiri-atas untuk mencari solusi awal yang layak. Kemudian, setelah
masalah telah menjadi seimbang, solusi dapat dicari secara normal.
Solusi: Biaya total = 250($5) + 50($8) + 200($4) + 50($3) + 150($5) + 150(0) = $3.350
Pemahaman: Excel OM dan POM for Windows dapat melakukan penyeimbangan untuk Anda
secara otomatis. Namun, jika Anda ingin memecahkan persoalannya secara manual, berhati-
hatilah ketika pertama kali memutuskan apakah baris (sumber) kosong atau kolom (tujuan)
kosong yang diperlukan.
Sumber kosong
Titik sumber pengiriman buatan
yang dibuat ketika permintaan
total lebih besar daripada pasokan
total untuk menghasilkan pasokan
yang sama dengan kelebihan
permintaan atas pasokan.
Tujuan kosong
Titik tujuan buatan yang dibuat
ketika pasokan total lebih besar
daripada permintaan total; dibuat
untuk menyamakan permintaan
total dengan pasokan total.
Sumber kosong
Titik sumber pengiriman buatan
yang dibuat ketika permintaan
total lebih besar daripada pasokan
total untuk menghasilkan pasokan
yang sama dengan kelebihan
permintaan atas pasokan.
Tujuan kosong
Titik tujuan buatan yang dibuat
ketika pasokan total lebih besar
daripada permintaan total; dibuat
untuk menyamakan permintaan
total dengan pasokan total.
Contoh S5 Contoh S5
Tujuan Pembelajaran
3. Menyeimbangkan suatu
masalah transportasi
Tujuan Pembelajaran
3. Menyeimbangkan suatu
masalah transportasi
MK-89 Modul Kuantitatif C • Model Transportasi
Latihan pembelajaran: Arizona menambah kapasitas Des Moines menjadi 350 bak. Apakah
solusi awal pojok kiri-atas berubah? [Jawaban: Ya, sekarang D–A = 300. D–B = 50, E–B = 150,
E–C = 150, F–C = 50, F–Dummy = 250. Harga = $3.000.]
Dari
Ke
(D) Des Moines
(E) Evansville
(F) Fort Lauderdale
(A)
Albuquerque
(B)
Boston
(C)
Cleveland
$3
Dummy
50
250
200
150
$7 $5
$4
$8 $4
$9
50
Kapasitas
pabrik
Kebutuhan
gudang 300 200 200 850
300
300
250
Kapasitas baru
Des Moines
150
150
$5 $3
0
0
0
Figur C.9 Aturan Pojok Kiri-Atas dengan Dummy
Masalah serupa: C.5, C.9, C.14.
Degenerasi
Untuk menerapkan metode batu loncatan pada suatu masalah transportasi, aturan
tentang banyaknya rute pengiriman yang sedang digunakan haruslah dipatuhi:
banyaknya kotak yang berisi dalam setiap solusi (yang awal atau yang kemudian) harus
sama dengan banyaknya baris dalam tabel ditambah banyaknya kolom dikurangi 1.
Solusi yang tidak mencukupi aturan ini disebut solusi degenerasi.
Degenerasi (degeneracy) terjadi ketika kotak atau rute pengiriman yang sedang
digunakan terlalu sedikit. Akibatnya, menelusuri sebuah jalur tertutup bagi satu atau
lebih kotak yang tidak terpakai menjadi tidak mungkin. Kasus Arizona Plumbing
bukanlah kasus degenerasi karena kasus ini memiliki 5 rute (3 baris atau pabrik + 3
kolom atau gudang – 1).
Untuk menangani kasus degenerasi, haruslah dibuat satu kotak berisi: dengan
menempatkan nilai nol atau jumlah yang sangat kecil (mewakili sebuah pengiriman
palsu) dalam salah satu kotak yang tidak terpakai, kemudian memperlakukan kotak
tersebut seolah-olah kotak tersebut berisi. Ingat bahwa kotak yang dipilih harus dalam
posisi sedemikian rupa untuk dapat menjadikan semua jalur batu loncatan dapat
ditutup. Prosedur ini digambarkan pada Contoh C6.
Menangani degenerasi
Martin Shipping Company memiliki tiga buah gudang untuk memasok ketiga pelanggan
eceran utamanya di San Jose. Biaya pengiriman, pasokan gudang, dan permintaan pelanggan
Martin terdapat dalam tabel transportasi pada Figur C.10. Martin ingin membuat penugasan
pengiriman awal.
Degenerasi
Suatu kejadian dalam model
transportasi di mana terlalu sedikit
kotak atau rute pengiriman yang
digunakan. Dengan demikian,
penelusuran suatu jalur tertutup
untuk setiap kotak yang tidak
terpakai menjadi tidak mungkin.
Degenerasi
Suatu kejadian dalam model
transportasi di mana terlalu sedikit
kotak atau rute pengiriman yang
digunakan. Dengan demikian,
penelusuran suatu jalur tertutup
untuk setiap kotak yang tidak
terpakai menjadi tidak mungkin.
Contoh 6 Contoh 6
MK-90 Manajemen Operasi
Pendekatan: Untuk membuat penugasan pengiriman awal dalam tabel tersebut, kita terapkan
aturan pojok kiri-atas.
Dari
Ke
Gudang 1
Gudang 2
Gudang 3
Permintaan pelanggan
Pelanggan
1
Pelanggan
2
Pelanggan
3
Pasokan
gudang
100 100 100 300
80
120
100
0
100
100
80
$8
$10 $7
$2 $6
$10 $9
$7
20
$9
Figur C.10 Aturan Pojok Kiri-Atas Martin
Solusi: Solusi awal merupakan kasus degenerasi karena melanggar aturan bahwa banyaknya kotak
yang digunakan harus sama dengan jumlah baris ditambah jumlah kolom dikurangi 1. Untuk
membenahi masalah ini, angka nol dalam kotak yang tidak terpakai dapat ditempatkan untuk
dapat mengevaluasi semua kotak yang kosong. Beberapa percobaan mungkin diperlukan karena
tidak setiap kotak akan menjadikan proses penelusuran jalur tertutup bagi kotak yang tersisa dapat
terjadi. Penempatan 0 dalam suatu kotak yang mempunyai tanda negatif dalam satu jalur tertutup
juga harus dihindari. Tidak akan ada alokasi ulang yang mungkin jika hal ini kita lakukan.
Untuk contoh ini, kotak kosong yang mewakili rute pengiriman dari Gudang 2 ke Pelanggan
1 pun dicoba. Sekarang, semua jalur batu loncatan dapat ditutup dan indeks peningkatannya
dapat dihitung.
Pemahaman: Kita harus selalu memeriksa kotak yang tidak terpakai dalam solusi transportasi
untuk memastikan Jumlah baris + Jumlah kolom – 1 = Jumlah kotak yang terisi.
Latihan pembelajaran: Jelaskan mengapa “nol” tidak dapat ditempatkan di kotak Gudang 3-
Pelanggan 1. [Jawaban: Rute dari Gudang 1-Pelanggan 2 tidak dapat ditutup sekarang.] Mengapa
masalah ini menjadi degenerasi? [Jawaban: Penugasan pertama kita, 100 unit ke sel Gudang
1-Pelanggan 1, memenuhi kebutuhan baris pertama dan kolom pertama dalam satu sel.]
Masalah serupa: C.11, C.12.
Rangkuman
Model transportasi—yang merupakan suatu bentuk pemrograman linier—digunakan untuk
membantu mencari solusi biaya terendah pada permasalahan pengiriman. Metode pojok kiri-
atas (yang memulai perhitungan pada sudut kiri-atas tabel transportasi) atau metode biaya
terendah intuitif, dapat digunakan untuk mencari sebuah solusi awal yang layak. Algoritma
batu loncatan digunakan untuk mencari solusi optimal. Permasalahan ketidakseimbangan
adalah kondisi di mana permintaan total tidak sama dengan pasokan total. Degenerasi merujuk
pada kasus di mana banyaknya baris + banyaknya kolom – 1 tidaklah sama banyaknya dengan
kotak yang berisi. Pendekatan model transportasi adalah salah satu dari empat model lokasi
yang telah diuraikan pada Bab 8.
Tujuan Pembelajaran
4. Memecahkan sebuah
masalah degenerasi.
Tujuan Pembelajaran
4. Memecahkan sebuah
masalah degenerasi.
MK-91 Modul Kuantitatif C • Model Transportasi
Istilah-istilah Penting
Pemodelan transportasi (transportation modeling)
Aturan pojok kiri-atas (northwest corner rule)
Metode intuitif (intuitive method)
Metode batu loncatan (stepping stone method)
Sumber kosong (dummy sources)
Tujuan kosong (dummy destinations)
Degenerasi (degeneracy)
Menggunakan Peranti Lunak untuk
Memecahkan Masalah Transportasi
Excel, Excel OM, dan POM for Windows dapat digunakan untuk memecahkan masalah
transportasi. Excel menggunakan Solver yang meminta Anda untuk memasukkan batasan Anda
sendiri. Excel OM juga menggunakan Solver, tetapi sudah terstruktur sehingga Anda hanya
perlu memasukkan data sebenarnya. POM for Windows secara sama hanya membutuhkan data
permintaan, data pasokan, dan biaya pengiriman untuk dimasukkan.
Menggunakan Excel OM
Modul Transportasi Excel OM menggunakan perintah rutin Solver yang telah ada di dalamnya
untuk mencari solusi optimal untuk masalah transportasi. Program C.1 menggambarkan masukan
data (dari Arizona Plumbing) dan formula biaya total. Untuk mencapai solusi optimal, kita harus
membuka tombol Tools Excel, membuka Solver, kemudian memilih Solve. Pada Excel 2007, Solver
terdapat pada bagian Analysis di tombol Data. Keluarannya muncul di Program C.2.
Masukkan nama
sumber dan
tujuan, biaya
pengiriman,
serta nama
pasokan dan
permintaan total.
Batasan “nilai
tidak boleh
negatif” telah
ditambahkan
melalui tombol
Options.
Pada Excel 2007, Solver ada di bagian Analysis dalam tombol Data.
Pada versi Excel sebelumnya, Solver ada di menu Tools. Jika Solver
tidak tersedia, mohon kunjungi www.prenhall.com/weiss.
Sel sasaran kita adalah sel biaya total (B21) yang ingin
kita minimalkan dengan mengubah sel pengiriman
(B16 hingga D18). Batasannya memastikan bahwa
jumlah yang dikirim sama dengan jumlah yang
diminta dan bahwa kita tidak mengirim unit lagi
yang melebihi apa yang kita miliki.
Ini adalah sel-sel di mana Solver akan menempatkan pengiriman.
Pengiriman total ke dan dari
setiap lokasi dihitung di sini.
Biaya total dibuat di sini dengan
mengalikan tabel data dengan
tabel pengiriman menggunakan
fungsi SUMPRODUCT.
Program C.1 Rumus dan Tampilan Masukan Excel OM, Menggunakan Data Arizona Plumbing
MK-92 Manajemen Operasi
It is important to check the statement
made by the Solver. In this case, it
says that Solver found a solution. In
other problems, this may not be the
case. For some problems there may be
no feasible solution, and for others
more iterations may be required.
Masukkan data transportasi di daerah yang berwarna. Kemudian, buka
tombol DATA, klik Solver di Data Analysis Group, kemudian klik SOLVE.
Jika SOLVER tidak ada di tombol Data silakan lihat Help (Solver) untuk
instruksi.
Program C.2 Keluaran dari Excel OM dengan Solusi Optimal untuk Masalah Arizona
Plumbing
Menggunakan POM for Windows
Modul Transportasi POM for Windows dapat memecahkan masalah maksimalisasi dan
minimalisasi dengan berbagai metode. Data masukannya adalah data permintaan, data pasokan,
dan biaya pengiriman unit. Lihat Lampiran IV untuk keterangan lebih lanjut.
Contoh Soal dengan Penyelesaian
Contoh Soal C.1
Saat ini, Williams Auto Top Carriers memiliki pabrik di Atlanta dan Tulsa untuk mengangkut
mobil ke pusat distribusi di Los Angeles dan New York. Karena peningkatan permintaan, Williams
telah memutuskan untuk membuka pabrik ketiga dan membatasi pilihan menjadi salah satu
dari dua kota besar berikut—New Orleans dan Houston. Tabel C.3 menyajikan biaya distribusi
dan produksi yang diperlukan, begitu juga kapasitas pabrik dan distribusi permintaan.
Bila dikombinasikan dengan pusat distribusi dan pabrik yang telah ada, lokasi baru apakah
yang akan menghasilkan biaya yang lebih rendah bagi perusahaan?
MK-93 Modul Kuantitatif C • Model Transportasi
Tabel C.3 Biaya Produksi, Biaya Distribusi, Kemampuan Pabrik, dan Permintaan Pasar
untuk Williams Auto Top Carriers

Ke Pusat Distribusi
Dari Pabrik Los Angeles New York
Produksi
Normal
Biaya
Produksi per
Unit
Pabrik sekarang
Atlanta $8 $5 600 $6
Tulsa $4 $7 900 $5
Lokasi yang diusulkan
New Orleans $5 $6 500 $4 (antisipasi)
Houston $4 $6
a
500 $3 (antisipasi)
Peramalan permintaan 800 1.200 2.000
a
Mengindikasikan biaya distribusi (pengiriman, penanganan, penyimpanan) sebesar $6 untuk setiap kali
pengangkutan antara Houston dan New York.
Jawaban
Untuk menjawab pertanyaan ini, harus dipecahkan dua permasalahan transportasi yang masing-
masing untuk setiap kombinasi. Kita akan merekomendasikan lokasi yang menghasilkan biaya
produksi dan distribusi total yang lebih rendah jika dikombinasikan dengan sistem yang ada
saat ini.
Kita mulai dengan membuat sebuah tabel transportasi yang mewakili pembukaan pabrik
ketiga di New Orleans (lihat Figur C.11). Kemudian, kita gunakan metode pojok kiri-atas untuk
mencari solusi awal. Biaya total solusi awal ini adalah $23.600. Perhatikan bahwa biaya setiap
rute “pabrik-pusat distribusi” diperoleh dengan menambahkan biaya distribusi (pada Tabel
C.3) dengan biaya produksi setiap unit (kolom di sisi kanan Tabel C.3). Dengan demikian, biaya
produksi plus pengiriman total pengangkutan mobil dari Atlanta ke Los Angeles adalah $14 ($8
biaya pengiriman ditambah $6 biaya produksi).
Dari
Ke
Atlanta
Tulsa
New Orleans
Permintaan
Los Angeles New York
Kapasitas
Produksi
800 1,200 2,000
500
900
600
200 700
$14
500
$9
$9
$11
$12
$10
600
Figur C.11 Tabel Transportasi Awal Williams untuk New Orleans
Total biaya = (600 unit × $14) + (200 unit × $9) + (700 unit × $12) + (500 unit × $10)
= $8.400 + $1.800 + $8.400 + $5.000
= $23.600

MK-94 Manajemen Operasi
Apakah solusi awal ini optimal (pada Figur C.11)? Untuk mengujinya, dapat digunakan metode
batu loncatan dan hitung indeks peningkatan bagi rute yang tidak terpakai.

Indeks peningkatan rute Atlanta–New York
= + $11 (Atlanta–New York) – $14 (Atlanta–Los Angeles) + $9 (Tulsa–Los Angeles)
– $12 (Tulsa–New York)
= – $6

Indeks peningkatan rute New Orleans-Los Angeles
= + $9 (New Orleans–Los Angeles) – $10 (New Orleans–New York)
+ $12 (Tulsa–New York) – $9 (Tulsa–Los Angeles)
= $2

Karena perusahaan tersebut dapat menghemat $6 untuk setiap unit yang dikirimkan dari Atlanta
ke New York, maka perusahaan tersebut ingin memperbaiki solusi awal dan mengirimkan
sebanyak mungkin unit (pada kasus ini, 600) pada rute yang sekarang ini tidak terpakai (lihat
Figur C.12). Anda juga ingin memastikan bahwa biaya total saat ini adalah $20.000, yang
merupakan penghematan sebesar $3.600 dari solusi awal.
Berikutnya harus diuji kedua rute yang tidak terpakai untuk melihat apakah indeks
peningkatannya juga merupakan angka negatif.

Indeks Atlanta–Los Angeles = $14 – $11 + $12 – $9 = $6
Indeks New Orleans–Los Angeles = $9 – $10 + $12 – $9 = $2

Karena kedua indeks tersebut lebih besar daripada nol, maka telah dicapai solusi optimal dengan
menggunakan pabrik di New Orleans. Jika Williams memilih untuk membuka pabrik di New
Orleans, biaya distribusi dan produksi total menjadi $20.000.
Namun, analisis ini hanya memberikan separuh jawaban bagi masalah yang dihadapi
Williams. Prosedur yang sama harus tetap diikuti untuk dapat menentukan biaya minimal
jika pabrik baru yang dibangun adalah di Houston. Proses pencarian biaya ini ditinggalkan
sebagai soal pekerjaan rumah. Anda dapat membantu menyediakan informasi lengkap dan
merekomendasikan suatu solusi dengan memecahkan Soal C.8.
Dari
Ke
Atlanta
Tulsa
New Orleans
Permintaan
Los Angeles New York
800 1.200 2.000
500
900
600
800 100
$14
500
600
$9
$9
$11
$12
$10
Kapasitas
Produksi
Figur C.12 Tabel Transportasi yang telah Ditingkatkan untuk Williams
MK-95 Modul Kuantitatif C • Model Transportasi
Contoh Soal C.2
Pada Contoh Soal C.1, permasalahan pada perusahaan Williams Auto Top Carriers diuji
menggunakan tabel transportasi. Sebuah pendekatan alternatif lain untuk merumuskan analisis
keputusan yang sama adalah menggunakan pemrograman linier (LP), yang telah dibahas secara
terperinci pada Modul Kuantitatif B.

Jawaban
Dengan menggunakan data pada Figur C.11, fungsi tujuan dan batasannya dirumuskan sebagai
berikut.
Minimalisasi biaya total = $14X
Atl,LA
+ $11X
Atl,NY
+ $9X
Tul,LA
+ $12X
Tul,NY
+ $9X
NO,LA
+ $10X
NO,NY
Dengan batasan: X
Atl,LA
+ X
Atl,NY
≤ 600 (kapasitas produksi di Atlanta)
X
Tul,LA
+ X
Tul,NY
≤ 900 (kapasitas produksi di Tulsa)
X
NO,LA
+ X
NO,NY
≤ 500 (kapasitas produksi di New Orleans)
X
Atl,LA
+ X
Tul,LA
+ X
NO,LA
≥ 800 (batasan permintaan Los Angeles)
X
Atl,NY
+ X
Tul,NY
+ X
NO,NY
≥ 1200 (batasan permintaan New York)
Uji Diri Sendiri
• Sebelum melakukan uji diri sendiri, lihat tujuan pembelajaran di awal bab dan kata kunci
di akhir bab.
• Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.
• Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang
Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik.
1. Dengan teknik transportasi, solusi awal dapat dikembangkan dengan cara apa pun yang
dipilih. Batasannya hanyalah…
a. solusinya optimal.
b. menggunakan metode pojok kiri-atas.
c. batasan ujung pasokan dan permintaan dipenuhi.
d. solusinya tidak degenerasi.
e. Semua jawaban di atas.
2. Tujuan metode batu loncatan adalah…
a. mengembangkan solusi awal untuk masalah transportasi.
b. mengidentifkasi biaya relevan dalam masalah transportasi.
c. menentukan apakah solusi yang ada layak atau tidak.
d. membantu berpindah dari solusi awal yang layak ke solusi optimal.
e. mengatasi masalah degenerasi.
3. Tujuan sumber kosong atau tujuan kosong dalam masalah transportasi adalah…
a. menyediakan suatu cara menampilkan masalah dummy.
b. mendapatkan keseimbangan antara pasokan total dan permintaan total.
c. mencegah solusinya menjadi degenerasi.
d. memastikan bahwa biaya total tidak melebihi suatu batasan.
e. mengubah masalah dari maksimalisasi menjadi minimalisasi.
MK-96 Manajemen Operasi
4. Dalam masalah transportasi, apa yang menandakan bahwa solusi biaya minimum telah
diperoleh?
a. Semua indeks peningkatan adalah negatif atau nol.
b. Semua indeks peningkatan adalah positif atau nol.
c. Semua indeks peningkatan adalah sama dengan nol.
d. Semua sel dalam baris dummy adalah kosong.
5. Jika jumlah sel yang terisi pada tabel transportasi tidak sama dengan jumlah baris plus
jumlah kolom minus 1, masalahnya disebut…
a. tak seimbang.
b. degenerasi.
c. optimal.
d. masalah maksimalisasi.
e. masalah minimalisasi.
6. Jika solusi masalah transportasi menjadi degenerasi, maka…
a. akan tidak mungkin untuk mengevaluasi semua sel kosong tanpa menghilangkan
degenerasinya.
b. baris atau kolom kosong harus ditambahkan.
c. akan terdapat lebih dari satu solusi optimal.
d. masalahnya tidak memiliki solusi yang layak.
e. menambah biaya setiap sel sebesar 1.
7. Dalam memecahkan suatu masalah fasilitas di mana terdapat dua kemungkinan lokasi untuk
dipertimbangkan, algoritma transportasi dapat digunakan. Dalam melakukannya,…
a. dua baris (sumber) akan ditambahkan pada baris yang telah ada dan masalah yang
diperbesar akan terpecahkan.
b. dua masalah transportasi yang terpisah akan terpecahkan.
c. biaya nol akan digunakan untuk setiap fasilitas baru.
d. metode batu loncatan harus digunakan untuk mengevaluasi sel kosong.
e. baris kosong harus ditambahkan.
Pertanyaan untuk Diskusi
1. Apakah tiga informasi yang dibutuhkan pada model transportasi?
2. Langkah-langkah apakah yang digunakan pada metode biaya terendah intuitif?
3. Identifkasikan tiga “langkah” pada aturan pojok kiri-atas!
4. Bagaimana Anda tahu ketika sebuah solusi optimal telah dicapai?
5. Teknik permulaan apakah yang secara umum memberikan solusi awal yang lebih
baik? Mengapa?
6. Semakin banyak tujuan dan sumber yang tersedia untuk sebuah masalah
transportasi, semakin kecil persentase jumlah sel yang akan digunakan pada
solusi yang optimal. Jelaskan!
7. Semua contoh transportasi tampaknya diberlakukan untuk jarak jauh. Apakah
mungkin model transportasi diterapkan pada skala yang jauh lebih kecil (sebagai
contoh: dalam departemen suatu toko atau gedung perkantoran)? Bahas dan
buatlah suatu contoh atau buktikan bahwa penerapan tersebut tidak dapat
dilakukan!
MK-97 Modul Kuantitatif C • Model Transportasi
8. Kembangkan aturan pojok kiri-atas dan jelaskan bagaimana aturan ini bekerja!
Tetapkan solusi awal untuk kasus Arizona Plumbing pada Contoh Cl!
9. Apakah yang dimaksud dengan masalah ketidakseimbangan transportasi, dan
bagaimana Anda akan menyeimbangkan hal tersebut?
10. Berapakah kotak yang harus digunakan oleh semua solusi?
11. Jelaskan kepentingan nilai indeks peningkatan negatif dalam sebuah masalah
minimalisasi transportasi!
12. Bagaimana metode transportasi dapat mengatasi masalah biaya produksi, selain
mengatasi biaya transportasi?
13. Jelaskan apa yang dimaksud dengan istilah “degenerasi” dalam konteks pemodelan
transportasi!
Soal-soal*
1
C.1 Carilah solusi awal masalah transportasi berikut!
Ke
Dari Los Angeles Calgary Panama City Pasokan
Mexico City $ 6 $18 $ 8 100
Detroit $17 $13 $19 60
Ottawa $20 $10 $24 40
Permintaan 50 80 70

a) Gunakan metode pojok kiri-atas. Berapa biaya totalnya?
b) Gunakan pendekatan biaya terendah intuitif. Berapa biaya totalnya?
c) Dengan menggunakan metode batu loncatan, carilah solusi optimalnya! Hitung biaya
totalnya!
C.2 Lihat tabel transportasi di bawah ini. Biaya unit untuk setiap rute pengiriman dalam dolar.
Berapa biaya total dari solusi dasar yang layak yang oleh metode biaya terendah intuitif akan
diperoleh untuk soal ini?
A B C D E Pasokan
Tujuan
Sumber
Permintaan 6 8 12 4 2
12 8 5 10 4
18
14
1
2
6 11 3 7 9

*Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.
MK-98 Manajemen Operasi
C.3 a) Gunakan metode pojok kiri-atas untuk mencari solusi awal yang layak bagi masalah
berikut. Apakah yang harus dilakukan sebelum memulai langkah untuk mencari
solusi?
b) Gunakan pendekatan biaya terendah intuitif untuk mencari solusi awal yang layak.
Apakah pendekatan ini lebih baik daripada metode pojok kiri-atas?
c) Cari solusi optimalnya dengan menggunakan metode batu loncatan!
Ke
Dari A B C Pasokan
X $10 $18 $12 100
Y $17 $13 $ 9 50
Z $20 $18 $14 75
Permintaan 50 80 70
C.4 Lihat tabel transportasi di bawah ini. Solusi yang ditampilkan diperoleh dengan melakukan
beberapa iterasi metode transportasi pada masalah tersebut. Berapa biaya total rencana
pengiriman yang akan diperoleh dengan melakukan satu kali lagi iterasi metode batu loncatan
pada masalah ini?
Denver Yuma Miami Pasokan Sumber
Chicago
10 10
10 20
Permintaan 20 20 20
$2 $8 $1
10 10
20
30
Houston
St. Louis
$4 $5 $6
$6 $3 $2
Tujuan

C.5 Tarp Air Conditioning memproduksi AC pada pabrik di Houston, Phoenix, dan Memphis.
AC ini dikirim ke distributor di Dallas, Atlanta, dan Denver. Biaya pengirimannya bervariasi dan
Tarp ingin menentukan cara paling murah untuk dapat memenuhi permintaan setiap pusat
distribusi. Dallas membutuhkan 800 AC per bulan, Atlanta membutuhkan 600, dan Denver 200.
Houston mempunyai 850 AC yang tersedia setiap bulan, Phoenix mempunyai 650, dan Memphis
mempunyai 300 unit. Biaya pengiriman setiap unit dari Houston ke Dallas adalah $8, ke Atlanta
$12, dan ke Denver $10. Biaya setiap unit yang dikirim dari Phoenix ke Dallas adalah $10, ke
Atlanta $14, dan ke Denver $9. Biaya setiap unit yang dikirim dari Memphis ke Dallas adalah
$11, ke Atlanta $8, dan ke Denver $12. Berapakah unit yang perlu dikirimkan Devorah Tarp
dari setiap pabrik ke setiap pusat distribusi? Berapakah biaya total transportasinya? (Perhatikan
bahwa diperlukan sebuah tujuan “kosong” untuk menyeimbangkan masalah tersebut.)

MK-99 Modul Kuantitatif C • Model Transportasi
C.6 Tabel berikut merupakan hasil dari satu iterasi atau lebih.
a) Selesaikan iterasi berikutnya dengan menggunakan metode batu loncatan!
b) Hitung “biaya total “ yang terjadi jika hasil yang diperoleh diterima sebagai solusi akhir!


Dari
Ke
Permintaan
A
B
C
1 2 3
40
Kapasitas
50
30
75
155 55 60
10
20
30
10
30
30
45
10 40
30
10
10 25
5
C.7 Tiga bank darah di Franklin County dikoordinasi melalui sebuah kantor pusat untuk
memudahkan penyerahan darah ke empat rumah sakit di daerah tersebut. Biaya untuk
mengirimkan satu labu darah standar dari setiap bank ke setiap rumah sakit diperlihatkan
pada tabel di bawah. Data yang disediakan juga termasuk jumlah labu yang tersedia selama
dua minggu pada setiap bank, dan jumlah labu darah yang dibutuhkan oleh setiap rumah sakit.
Berapakah pengiriman yang harus dilakukan dalam masa dua mingguan dari setiap bank darah
ke setiap rumah sakit sehingga biaya total pengiriman dapat diminimalkan?

Ke
Dari RS 1 RS 2 RS 3 RS 4 Pasokan
Bank 1 $ 8 $ 9 $11 $16 50
Bank 2 $12 $ 7 $ 5 $ 8 80
Bank 3 $14 $10 $ 6 $ 7 120
Permintaan 90 70 40 50 250
C.8 Pada Contoh Soal C.1, Williams Auto Top Carriers mengusulkan untuk membuka pabrik
baru di New Orleans atau di Houston. Pihak manajemen mendapati bahwa biaya total sistem
(biaya produksi ditambah biaya distribusi) akan bernilai $20.000 untuk lokasi di New Orleans.
Berapa biaya totalnya jika Williams membuka satu pabrik di Houston? Pada lokasi manakah
(New Orleans atau Houston) seharusnya Williams membuka fasilitas barunya?
C.9 Untuk data William Gehrlein Corp. di bawah ini, cari solusi awal dan biaya awal dengan
menggunakan metode pojok kiri-atas! Apa yang harus dilakukan untuk membuat masalah ini
menjadi seimbang?
Ke
Dari W X Y Z Pasokan
A $132 $116 $250 $110 220
B $220 $230 $180 $178 300
C $152 $173 $196 $164 435
Permintaan 160 120 200 230
MK-100 Manajemen Operasi
C.10 Tara Tripp Clothing Group memiliki pabrik di tiga kota (W, Y, dan Z) yang mendistribusikan
ke tiga toko pakaian eceran Walsh di tiga kota besar lainnya (A, B, dan C). Tabel berikut
meringkas kapasitas pabrik, permintaan proyeksi toko, dan biaya pengiriman per unit.
Dari
Ke
Pabrik W
Pabrik Y
$3
Toko Baju
A
Toko Baju
B
Toko Baju
C
Ketersediaan
pabrik
Permintaan
toko 30 65 135
50
50
35
$6 $7
$5
$6
Pabrik Z
$3
$2
$4
$8
40
Walsh Clothing Group
a) Lengkapi analisis yang ada untuk menentukan solusi optimal bagi pengiriman di Tripp
Clothing Group!
b) Bagaimana Anda tahu jika solusi yang diperoleh sudah mencapai optimal atau belum?
C.11 Perhatikan permasalahan transportasi berikut pada Perusahaan Frank Timoney di Clifon
Park, NY.
Ke
Dari Tujuan A Tujuan B Tujuan C Pasokan
Sumber 1 $8 $9 $4 72
Sumber 2 $5 $6 $8 38
Sumber 3 $7 $9 $6 46
Sumber 4 $5 $3 $7 19
Permintaan 110 34 31 175
a) Carilah solusi awal dengan menggunakan aturan pojok kiri-atas! Apakah terdapat
kondisi khusus?
b) Jelaskan bagaimana Anda akan memulai proses pemecahan masalah!
c) Berapa solusi optimalnya?

C.12 Lawson Mill Works (LMW) mengirimkan kayu ke tiga pemasok bahan bangunan dari
pabriknya di Mountpelier, Nixon, dan Oak Ridge. Tentukanlah jadwal pengiriman terbaik
bagi LMW dari data yang disajikan oleh James Lawson, manajer lalu lintas LMW! Gunakan
metode pojok kiri-atas sebagai prosedur awal dan metode batu loncatan. Jadikan tabel berikut
sebagai acuan. (Catatan: Anda mungkin akan menghadapi masalah degenerasi dalam salah
satu iterasi.)

MK-101 Modul Kuantitatif C • Model Transportasi
Dari
Ke
Mountpelier
Nixon
$2
Gudang
Pasokan
1
Gudang
Pasokan
2
Gudang
Pasokan
3
Kapasitas
Mill (ton)
Permintaan
gudang
pasokan (ton)
30 30 95
30
40
25
$4 $2
$3
$3
Oak Ridge
$3
$2
$3
$3
35
Lawson Mill Works
C.13 Captain Cabell Corp. memproduksi peralatan untuk memancing. Saat ini, perusahaan
tersebut memiliki pabrik di Los Angeles dan New Orleans. David Cabell, pemilik perusahaan,
sedang mempertimbangkan untuk membangun sebuah pabrik baru—di Philadelphia atau
Seattle. Gunakan tabel berikut untuk mencari biaya pengiriman total bagi setiap lokasi yang
potensial. Lokasi manakah yang harus dipilih oleh Cabell?
Gudang
Pabrik Pittsburgh St. Louis Denver Kapasitas
Los Angeles $100 $75 $50 150
New Orleans $ 80 $60 $90 225
Philadelphia $ 40 $50 $90 350
Seattle $110 $70 $30 350
Permintaan 200 100 400
C.14 Susan Helms Manufacturing Co. telah mempekerjakan Anda untuk mengevaluasi
biaya pengirimannya. Tabel berikut menunjukkan permintaan saat ini, kapasitas, dan biaya
pengiriman antara setiap pabrik ke setiap gudang. Carilah pola pengiriman dengan biaya yang
paling rendah!
Dari
Data Susan Helms Manufacturing
Ke
Pabrik 1
Pabrik 2
10
Gudang
1
Gudang
2
Gudang
3
Kapasitas
pabrik
Permintaan
gudang
1.000 2.000
2.200
2.500
2.000
7 5
6
8
Pabrik 3
7
8
4
9
2.000
12
Gudang
4
9
11
1.200
6.700
6.200

C.15 Drew Rosen Corp. sedang mempertimbangkan untuk menambah pabrik keempat dari
tiga fasilitas yang sudah ada di Decatur, Minneapolis, dan Carbondale. Baik St. Louis maupun
East St. Louis sedang dipertimbangkan. Hanya dengan mengevaluasi biaya transportasi setiap
unit seperti yang ditunjukkan pada tabel di bawah, putuskan lokasi yang terbaik!

MK-102 Manajemen Operasi
Pabrik yang Ada
Ke Decatur Minneapolis Carbondale Permintaan
Blue Earth $ 20 $ 17 $ 21 250
Ciro $ 25 $ 27 $ 20 200
Des Moines $ 22 $ 25 $ 22 350
Kapasitas 300 200 150
Pabrik yang Diusulkan
Ke East St. Louis St. Louis
Blue Earth $ 29 $ 27
Ciro $ 30 $ 28
Des Moines $ 30 $ 31
Kapasitas 150 150

C.16 Dengan menggunakan data dari Soal C.15 dan biaya produksi per unit pada tabel berikut,
tunjukkan lokasi mana yang menghasilkan biaya yang paling rendah!

Lokasi Biaya Produksi ($)
Decatur $50
Minneapolis 60
Carbondale 70
East St. Louis 40
St. Louis 50
C.17 Dalton Pharmaceuticals menduduki posisi dominan di wilayah tenggara Amerika Serikat
dengan memiliki lebih dari 800 toko eceran. Toko-toko ini dipasok oleh 16 gudang Dalton
dengan pengantaran setiap dua minggu sekali, di mana gudang ini dipasok oleh 7 pabrik Dalton
yang memproduksi hampir 70% produk yang ada pada rantai usahanya.
Terlihat dengan jelas oleh Marilyn Helms, VP operasi, bahwa sebuah gudang tambahan
baru sangat diperlukan untuk menangani pertumbuhan dan permintaan barang yang tidak dapat
dipenuhi. Tiga kota besar, yaitu Mobile, Tampa, dan Huntsville, adalah kota-kota yang masuk
dalam pertimbangan akhir. Tabel berikut menggambarkan kapasitas/permintaan pabrik/gudang
yang sekarang dan sedang diusulkan serta biaya pengiriman rata-rata setiap kotak pasokan.
a) Hanya dengan berdasarkan pada biaya pengiriman, kota besar manakah yang dipilih
sebagai gudang baru?
b) Sebuah penelitian menunjukkan kapasitas Ocala dapat ditingkatkan menjadi 500 kotak
per hari. Akankah hal ini memengaruhi keputusan pada bagian (a)?
c) Karena adanya perjanjian antarwilayah yang baru, biaya pengiriman dari setiap pabrik
di Florida ke setiap gudang yang masih dalam wilayah Florida turun sebesar $1 untuk
setiap karton. Apakah faktor ini memengaruhi jawaban Anda pada (a) dan (b)?
MK-103 Modul Kuantitatif C • Model Transportasi
Tabel untuk Soal C.I7
Gudang
Pabrik
Atlanta,
GA
New
Orleans,
LA
Jackson,
MS
Birmingham,
LA
Montgomery,
AL
Raleigh,
NC
Asheville,
NC
Columbia,
SC
Kapasitas
(karton
per hari)
Valdosta, GA $ 3 $ 5 $ 4 $ 3 $ 4 $ 6 $ 8 $ 8 500
Ocala, FL 4 6 5 5 6 7 6 7 300
Augusta, GA 1 4 3 2 2 6 7 8 400
Stuart, FL 3 5 2 6 6 5 5 6 200
Biloxi, MS 4 1 4 3 3 8 9 10 600
Starkville, MS 3 3 1 2 2 6 5 6 400
Durham, NC 4 8 8 7 7 2 2 2 500
Permintaan
(karton/hari)
150 250 50 150 100 200 150 300
Gudang Alternatif
Pabrik
Orlando,
FL Miami, FL
Jackson-
ville, FL
Wilmington,
NC
Charlotte,
NC Mobile, AL Tampa, FL
Huntsville,
AL
Kapasitas
(karton
per hari)
Valdosta, GA $ 9 $ 10 $ 8 $ 8 $ 11 $ 4 $ 6 $ 3 500
Ocala, FL 2 3 2 6 7 5 2 5 300
Augusta, GA 7 9 6 8 9 3 5 2 400
Stuart, FL 2 2 3 5 5 6 3 5 200
Biloxi, MS 7 13 9 8 8 2 6 3 600
Starkville, MS 6 8 7 7 8 3 6 2 400
Durham, NC 6 8 5 1 2 8 7 8 500
Permintaan
(karton/hari)
250 300 300 100 150 300 300 300
Studi Kasus
Custom Vans, Inc.
Custom Vans, Inc. memiliki spesialisasi dalam mengubah mobil van standar menjadi van yang
dapat digunakan untuk berkemah. Bergantung pada jumlah pekerjaan dan kustomisasi yang
harus dijalankan, kustomisasinya dapat memakan biaya kurang dari $1.000 hingga di atas $5.000.
Dalam kurang dari 4 tahun, Tony Rizzo dapat memperluas operasinya dari Gary, Indiana, ke
kota utama lain di Chicago, Milwaukee, Minneapolis, dan Detroit.
Inovasi adalah faktor utama dalam kesuksesan Tony dalam mengubah toko van kecil
menjadi salah satu toko van khusus yang paling besar dan menguntungkan di Midwest. Terlihat
bahwa Tony memiliki kemampuan khusus untuk merancang dan membuat ftur dan peralatan
yang unik yang selalu digemari oleh pemilik van. Contohnya adalah Shower-Rifcs yang dibuat
oleh Tony dalam waktu hanya 6 bulan setelah memulai Custom Van, Inc. Toilet kecil ini benar-
benar lengkap serta dapat ditempatkan dalam hampir semua jenis van dan dalam lokasi yang
berbeda dalam sebuah van. Shower-Rifcs terbuat dari serat kaca yang berisi gantungan handuk,
tempat sabun dan sampo, serta sebuah pintu plastik yang unik. Untuk membuat Shower-Rifcs,
diperlukan 2 galon serat kaca dan 3 jam tenaga kerja.
MK-104 Manajemen Operasi
Sebagian besar Shower-Rifcs dihasilkan di Gary dalam gudang yang sama di mana
Custom Vans, Inc. didirikan. Pabrik di Gary dapat menghasilkan 300 Shower-Rifcs dalam
satu bulan, tetapi kapasitas ini tampaknya tidak pernah cukup. Toko Custom Van di semua
lokasi mengeluh karena Shower-Rifcs tidak cukup tersedia; karena Minneapolis paling jauh dari
Gary dibandingkan lokasi lain, Tony selalu mendahulukan lokasi lain sebelum mengirimkan
Shower-Rifcs ke Minneapolis. Hal ini membuat manajer Custom Van di Minneapolis marah;
setelah melalui beberapa diskusi yang panas, Tony memutuskan untuk mulai membangun
pabrik Shower-Rifc lain di Fort Wayne, Indiana. Pabrik di Fort Wayne dapat menghasilkan
150 Shower-Rifcs per bulan.
Pabrik di Fort Wayne masih tidak mampu memenuhi permintaan Shower-Rifcs saat ini,
dan Tony mengetahui bahwa permintaan toilet van kemahnya yang unik ini dapat berkembang
dengan cepat pada tahun berikutnya. Setelah berbicara dengan pihak bank dan pengacaranya,
Tony menyimpulkan bahwa ia perlu membuka dua pabrik baru secepat mungkin. Setiap pabrik
akan memiliki kapasitas yang sama seperti pabrik di Fort Wayne. Sebuah penyelidikan awal
lokasi pabrik dilaksanakan, dan Tony telah memutuskan bahwa kedua pabrik baru tersebut
harus ditempatkan di Detroit, Michigan; Rockford, Illinois; atau Madison, Wisconsin. Tony
mengetahui bahwa memilih lokasi terbaik untuk kedua pabrik baru akan sangat sulit. Biaya
transportasi dan permintaan untuk setiap lokasi merupakan pertimbangan yang penting.
Toko Chicago dijalankan oleh Bill Burch. Toko ini adalah salah satu toko yang pertama
kali dibangun oleh Tony, dan tetap menghasilkan lebih baik dibandingkan lokasi lain. Saat
ini, pabrik di Gary memasok 200 Shower-Rifcs setiap bulannya walaupun Bill tahu bahwa
permintaan Shower-Rifcs di Chicago adalah 300 unit. Biaya transportasi setiap unit dari Gary
adalah $10, dan walaupun biaya transportasi dari Fort Wayne dua kali lipat, Bill Burch selalu
mengajukan argumentasi kepada Tony untuk mendapatkan tambahan 50 unit dari pabrik Fort
Wayne. Dua tambahan pabrik baru pasti akan dapat memberikan Bill Burch tambahan 100
Shower-Rifcs jika diperlukan. Biaya transportasi tentu akan bervariasi, tergantung pada lokasi
yang akan dipilih oleh Tony. Biaya transportasi setiap Shower-Rifcs adalah $30 dari Detroit,
$5 dari Rockford, dan $10 dari Madison.
Wilma Jackson, manajer toko Custom Van di Milwaukee, merupakan orang yang
paling marah jika tidak mendapatkan pasokan Shower-Rifcs yang mencukupi. Dia memiliki
permintaan sebesar 100 unit; saat ini, dia hanya mendapatkan separuh permintaannya ini dari
pabrik Fort Wayne. Dia tidak dapat memahami mengapa Tony tidak mengirimkan keseluruh 100
unit Shower-Rifcs dari Gary. Biaya transportasi bagi setiap unit dari Gary adalah $20, sementara
biaya transportasi dari Fort Wayne adalah $30. Wilma berharap Tony akan memilih Madison
sebagai salah satu lokasi pabrik barunya. Dia akan mampu mendapatkan semua Shower-Rifcs
yang diperlukan, dan biaya transportasi setiap unitnya hanya $5. Jika bukan Madison, maka
sebuah pabrik baru di Rockford akan mampu menyediakan kebutuhan totalnya. Namun, biaya
transportasi setiap unit akan menjadi dua kali lipat lebih besar daripada Madison. Karena biaya
transportasi setiap unit dari Detroit akan bernilai $40, Wilma berspekulasi bahwa sekalipun
Detroit menjadi salah satu pabrik yang baru, dia tidak akan mengambil satu pun unit dari
Detroit.
Custom Van, Inc. di Minneapolis dikelola oleh Tom Poanski. Ia mendapatkan 100 unit
Shower-Rifcs dari Gary. Permintaannya adalah 150 unit. Tom menghadapi masalah biaya
transportasi yang paling tinggi dibandingkan dengan semua lokasi. Biaya transportasi dari Gary
adalah $40 per unit. Jika dikirim dari Fort Wayne, biayanya $10 lebih mahal. Tom berharap
Detroit tidak menjadi salah satu pabrik baru karena biaya transportasinya akan mencapai
$60 setiap unit. Rockford dan Madison akan mengenakan biaya sebesar $30 dan $25 untuk
mengirimkan satu unit Shower-Rifcs ke Minneapolis.
MK-105 Modul Kuantitatif C • Model Transportasi
Posisi toko di Detroit serupa dengan toko di Milwaukee—hanya mendapatkan separuh dari
permintaannya setiap bulan. Sebanyak 100 unit yang diterima Detroit datang secara langsung
dari pabrik Fort Wayne. Biaya transportasi setiap unit dari Fort Wayne adalah $15, sementara
dari Gary adalah $25. Dick Lopez, manajer Custom Vans, Inc. di Detroit, menginginkan
kemungkinan terbesar pada pabrik baru di Detroit. Pabrik akan ditempatkan di seberang kota,
dan biaya transportasi hanya akan bernilai $5 untuk setiap unit. Ia bisa mendapatkan 150
Shower-Rifcs dari pabrik baru di Detroit dan 50 Shower-Rifcs yang lain dari Fort Wayne.
Sekalipun Detroit tidak terpilih, dua lokasi lain juga tidak masalah. Biaya transportasi Rockford
sebesar $35, dan biaya transportasi Madison adalah $40.
Tony sedang memikirkan dilema untuk menempatkan kedua pabrik baru selama beberapa
minggu, sebelum memutuskan untuk mengadakan suatu pertemuan dengan semua manajer
toko van. Keputusan ini sangat rumit, tetapi tujuannya untuk meminimalkan biaya total adalah
jelas. Pertemuan dilaksanakan di Gary dan semua orang hadir, kecuali Wilma.
Tony: Terima kasih atas kedatangan Anda. Seperti yang Anda ketahui, saya sudah memutuskan
untuk membuka dua pabrik baru di Rockford, Madison, atau Detroit. Dua lokasi ini
tentu akan mengubah kebiasaan pengiriman kita. Saya sungguh berharap bahwa pabrik
tersebut akan dapat memberikan Shower-Rifcs yang Anda inginkan. Saya tahu bahwa
Anda sebenarnya dapat menjual lebih banyak unit lagi, dan saya ingin Anda tahu
bahwa saya menyesalkan situasi ini.
Dick: Tony, saya sudah mempertimbangkan situasi ini, dan saya sangat merasakan bahwa
sedikitnya satu pabrik baru harus ditempatkan di Detroit. Seperti Anda ketahui, kini,
saya hanya mendapatkan separuh dari Shower-Rifcs yang saya perlukan. Saudara saya,
Leon, sangat tertarik mengelola pabrik dan saya yakin bahwa ia akan mengerjakan
pekerjaan tersebut dengan baik.
Tom: Dick, saya merasa yakin bahwa Leon dapat melaksanakan pekerjaannya dengan baik,
dan saya mengetahui bagaimana sulitnya setelah terjadi banyak pemutusan hubungan
kerja di industri otomotif. Meskipun demikian, kita harus mempertimbangkan total
biaya transportasi dan bukan kepribadian. Saya percaya bahwa pabrik yang baru
harus ditempatkan di Madison dan Rockford. Toko saya yang paling jauh dari pabrik
dibandingkan dengan semua toko yang ada, dan lokasi ini akan sangat mengurangi
biaya transportasi.
Dick: Hal tersebut mungkin benar, tetapi ada beberapa faktor lain. Detroit memiliki salah
satu pemasok serat kaca yang paling besar, dan saya telah mengecek harganya. Sebuah
pabrik baru di Detroit akan mampu membeli serat kaca $2 lebih murah per galon
daripada semua pabrik usulan yang lain.
Tom: Di Madison, kita memiliki tenaga kerja yang sangat baik. Hal ini terutama disebabkan
oleh banyaknya mahasiswa Universitas Madison. Para mahasiswa ini adalah para
pekerja keras, dan mereka akan bekerja $1 lebih murah per jam dibandingkan lokasi
lain yang sedang kita pertimbangkan.
Bill: Saya harap Anda berdua tenang. Sangat jelas bahwa kita tidak akan dapat memuaskan
semua orang dalam memilih lokasi pabrik yang baru. Oleh karena itu, saya menyarankan
untuk melakukan pemungutan suara pada dua lokasi terbaik.
Tony: Saya tidak merasa bahwa pemungutan suara menjadi suatu gagasan yang baik. Wilma
tidak hadir, dan kita harus melihat semua faktor ini secara bersama-sama dengan cara
logis.

MK-106 Manajemen Operasi
Pertanyaan untuk Diskusi
Di manakah Anda akan mendirikan kedua pabrik yang baru? Mengapa?

Sumber: Dari Managerial Decision Modeling with Spreadsheets oleh R. Balakrishnan, B. Render, dan R. M. Stair.
Edisi Kedua. Hak cipta © 2007. Dicetak ulang seizin Prentice Hall, Inc., Upper Saddle River, NJ.
Studi Kasus Tambahan
Kunjungi situs Web kami di www.prenhall.com/heizer untuk studi kasus Internet ini secara
cuma-cuma.
• Consolidated Bottling (B): Kasus ini mencakup penentuan di manakah harus menambahkan
kapasitas pembotolan.
Daftar Pustaka
Balakrishnan, R., Render, B., dan R. M. Stair. 2007. Managerial Decision Modeling with
Spreadsheets. Edisi Kedua. Upper Saddle River, NJ: Prentice Hall.
Drezner, Z. 1995. Facility Location: A Survey of Applications and Methods. Secaucus, NJ: Springer-
Verlag.
Haksever, C., B. Render, dan R. Russell. 2000. Service Management and Operations. Edisi Kedua.
Upper Saddle River, NJ: Prentice Hall.
Koksalan, M. dan H. Sural. “Efes Beverage Group Makes Location and Distribution Decisions
for Its Malt Plants”. Interfaces 29 (Maret–April 1999): 89–103.
Ping, J. dan K. F. Chu. “A Dual-Matrix Approach to the Transportation Problem”. Asia–Pacifc
Journal of Operations Research, 19 (Mei 2002): 35–46.
Render, B., R. M. Stair, dan M. Hanna. 2009. Quantitative Analysis for Management. Edisi
Kesepuluh. Upper Saddle River, NJ: Prentice Hall.
Schmenner, R. W. “Look Beyond the Obvious in Plant Location”. Harvard Business Review Vol.
57 No. 1 (Januari–Februari 1979): 126–132.
Taylor, B. 2008. Introduction to Management Science. Edisi Kesembilan. Upper Saddle River,
NJ: Prentice Hall.
MK-107 Modul Kuantitatif D • Model Antrean
Modul Kuantitatif D
Model Antrean
Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu:
1. menjelaskan karakteristik kedatangan, antrean, dan sistem pelayanan;
2. menggunakan persamaan model antrean tunggal;
3. melakukan analisis biaya antrean;
4. menggunakan rumus model antrean jalur majemuk;
5. menggunakan persamaan model pelayanan waktu konstan;
6. melakukan analisis model populasi terbatas.
Karakteristik Sistem Antrean
Karakteristik Kedatangan
Karakteristik Antrean
Karakteristik Pelayanan
Mengukur Kinerja Antrean
Biaya Antrean
Keragaman Model Antrean
Model A: Model Antrean Tunggal dengan Kedatangan
Berdistribusi Poisson dan Waktu Pelayanan Berdistribusi
Eksponensial
Model B: Model Antrean Ganda
Model C: Model Pelayanan Waktu Konstan
Model D: Model Populasi Terbatas
Pendekatan Antrean Lain
Rangkuman
Istilah-istilah Penting
Menggunakan Perangkat Lunak untuk Penyelesaian Soal
Antrean
Contoh Soal dan Penyelesaian
Ujian
Pertanyaan untuk Diskusi
Soal-soal
Studi Kasus: New England Foundry; The Winter Park Hotel
Studi Kasus Tambahan
Daftar Pustaka
GARIS BESAR PEMBAHASAN
MK-108 Manajemen Operasi
Ilmu pengetahuan utama tentang bentuk antrean, yang sering disebut teori antrean
(queuing theory), merupakan sebuah bagian penting operasi dan alat yang sangat
berharga bagi manajer operasi. Antrean (waiting line/queue) adalah sebuah situasi
umum—sebagai contoh, lihat bentuk deretan mobil yang menunggu untuk diperbaiki
di Midas Muf er Shop, pekerjaan fotokopi yang sedang menunggu untuk diselesaikan
di toko percetakan Kinko, atau orang-orang yang sedang berlibur menunggu untuk
masuk wahana Space Mountain di Disney. Tabel D.1 menyusun beberapa kegunaan
model antrean pada MO.
Model antrean sangat berguna baik dalam bidang manufaktur maupun jasa. Analisis
antrean dalam bentuk panjang antrean, rata-rata waktu menunggu, dan faktor-faktor lain
dapat membantu memahami sistem jasa (seperti kasir di bank), aktivitas pemeliharaan
(mungkin berupa perbaikan mesin yang rusak), dan pengendalian aktivitas shop foor.
Kenyataannya, pasien yang sedang menunggu di ruang praktik dokter dan mesin bor
yang menunggu untuk diperbaiki di bengkel memiliki banyak kesamaan dari sisi MO.
Keduanya menggunakan sumber daya manusia dan peralatan untuk mengembalikan
aset produksi yang berharga (orang-orang dan mesin) ke kondisi yang baik.
KARAKTERISTIK SISTEM ANTREAN
Pada bagian ini, terdapat tiga komponen dalam sebuah sistem antrean (seperti ditunjukkan
pada Figur D.1).
1. Kedatangan atau masukan sistem. Kedatangan memiliki karakteristik seperti ukuran
populasi, perilaku, dan sebuah distribusi statistik.
2. Disiplin antrean atau antrean itu sendiri. Karakteristik antrean mencakup apakah panjangnya
antrean terbatas atau tidak, dan disiplin orang-orangnya atau barang yang ada di dalamnya.
3. Fasilitas layanan. Karakteristiknya meliputi desain dan distribusi statistik waktu
pelayanan.

Ketiga komponen ini akan dibahas satu per satu.
Teori Antrean
Ilmu pengetahuan utama
mengenai antrean
Antrean
Benda atau orang yang sedang
menunggu pelayanan
Teori Antrean
Ilmu pengetahuan utama
mengenai antrean
Antrean
Benda atau orang yang sedang
menunggu pelayanan
Tujuan Pembelajaran
1. Menjelaskan karakteristik
kedatangan, antrean, dan
sistem layanan.
Tujuan Pembelajaran
1. Menjelaskan karakteristik
kedatangan, antrean, dan
sistem layanan.
f EuroDisney di Paris, Disney Japan di
Tokyo, serta Disney World dan Disneyland
di AS memiliki satu persamaan yang
umum—antrean panjang dan seperti tidak
pernah berakhir. Namun, Disney adalah
salah satu perusahaan terkemuka di dunia
dengan analisis ilmiahnya dalam penerapan
teori antrean. Teori ini menganalisis perilaku
antrean dan dapat memperkirakan wahana
yang memiliki antrean panjang. Untuk
menjaga kepuasan pengunjung, Disney
membuat antrean yang terlihat bergerak ke
arah depan secara konstan, menghibur para
pengunjung yang sedang mengantre, dan
memasang tanda yang menunjukkan berapa
menit mereka dapat sampai ke wahana.
MK-109 Modul Kuantitatif D • Model Antrean
Tabel D.1 Situasi Umum Antrean
Situasi Pengantre Proses Pelayanan
Supermarket Orang yang berbelanja Membayar belanjaan di kasir
Pintu tol Mobil Mengumpulkan uang di pintu tol
Ruang praktik dokter Pasien Pemeliharaan baik yang dilakukan oleh
dokter dan perawat
Sistem komputer Program yang akan dijalankan Pekerjaan pemrosesan komputer
Perusahaan telepon Penelepon Alat pemindahan untuk meneruskan
panggilan
Bank Pelanggan Transaksi yang ditangani oleh kasir
Pemeliharaan mesin Mesin yang rusak Karyawan bengkel memperbaiki mesin
Pelabuhan Kapal dan tongkang Para pekerja memuat dan membongkar
barang
Fasilitas
layanan
Arrivals to the system
Dave's
Car Wash
Enter
In the system Exit the system
Exit
1st
St.
3rd
St.
2nd
St.
1st
St.
3rd
St.
2nd
St.
Antrean Kedatangan
populasi umum. . .
Populasi
mobil kotor
Ave.
A
Ave.
B
Ave.
C
Ave.
A
Ave.
B
Ave.
D
SW St.
SE St.
NW St.
NE St.
Sistem akhir
Karakteristik Kedatangan

Ukuran populasi kedatangan

Perilaku kedatangan

Distribusi statistik kedatangan
Karakteristik Antrean Karakteristik Pelayanan

Desain layanan

Distribusi statistik layanan

Terbatas dan tidak terbatas

Disiplin antrean
Figur D.1 Ketiga Bagian Antrean atau Sistem Antrean, dan di Dave’s Car Wash
KARAKTERISTIK KEDATANGAN
Sumber input yang menghadirkan kedatangan pelanggan bagi sebuah sistem pelayanan memiliki
tiga karakteristik utama.
1. Ukuran populasi kedatangan.
2. Perilaku kedatangan.
3. Pola kedatangan (distribusi statistik).
Ukuran Populasi (Sumber) Kedatangan Ukuran populasi dibagi menjadi tidak
terbatas atau terbatas. Jika jumlah kedatangan pengunjung atau kedatangan pada waktu
tertentu hanyalah sebagian kecil dari semua kedatangan yang potensial, maka populasi
MK-110 Manajemen Operasi
kedatangan dianggap sebagai populasi yang tidak terbatas. Contoh populasi yang tidak
terbatas adalah mobil yang datang ke sebuah tempat pencucian mobil, para pengunjung
yang tiba di sebuah supermarket, dan para siswa yang datang untuk mendafarkan diri
di sebuah universitas besar. Sebagian besar model antrean berasumsi bahwa populasi
kedatangan tidak terbatas. Sebuah contoh, populasi terbatas ditemukan dalam sebuah
toko percetakan yang memiliki delapan mesin cetak. Setiap mesin cetak merupakan
seorang “pelanggan” potensial yang mungkin rusak dan memerlukan pemeliharaan.
Pola Kedatangan pada Sistem Pelanggan tiba di sebuah fasilitas pelayanan baik
karena memiliki jadwal tertentu (sebagai contoh, 1 pasien datang setiap 15 menit atau 1
siswa datang setiap setengah jam) atau yang datang secara acak. Kedatangan dianggap
sebagai kedatangan acak apabila kedatangan tersebut tidak terikat satu sama lain dan
kedatangannya tidak dapat diperkirakan dengan tepat. Biasanya, jumlah kedatangan
setiap satuan waktu dapat diperkirakan dengan sebuah probabilitas (kemungkinan)
distribusi yang dikenal dengan distribusi Poisson (Poisson distribution).
1
Untuk setiap
waktu kedatangan (seperti 2 pelanggan per jam atau 4 truk per menit), sebuah distribusi
Poisson yang berlainan dapat ditetapkan menggunakan rumus e
–λ
λ
x
.

P x
e
x
x
( )
!
=
−λ
λ

untuk x = 0, 1, 2, 3, 4, … (D-1)
di mana P(x) = probabilitas kedatangan sejumlah x,
x = jumlah kedatangan per satuan waktu,
λ = tingkat kedatangan rata-rata,
e = 2,7183 (logaritma natural).

Dengan bantuan tabel pada Lampiran II yang memberikan nilai e
–λ
untuk digunakan
pada distribusi Poisson, nilai-nilai ini mudah dihitung. Figur D.2 menggambarkan
distribusi Poisson untuk λ = 2 dan λ = 4. Hal ini berarti bahwa jika rata-rata tingkat
kedatangan adalah λ = 2 pelanggan per jam, maka probabilitasnya 0 pelanggan yang
tiba kapan pun secara acak sekitar 13%, probabilitas 1 pelanggan sekitar 27%, 2
pelanggan sekitar 27%, 3 pelanggan sekitar 18%, 4 pelanggan sekitar 9%, dan seterusnya.
Kemungkinan 9 pelanggan atau lebih yang datang hampir mendekati nol. Kedatangan
tentu saja tidak selalu berdistribusi Poisson (mereka bisa saja mengikuti beberapa
distribusi lain). Oleh karena itu, pola yang ada harus diuji untuk memastikan bahwa
mereka benar-benar mendekati distribusi Poisson sebelum distribusi itu diterapkan.
Perilaku Kedatangan Hampir semua model antrean menggunakan asumsi bahwa
pelanggan yang datang adalah pelanggan yang sabar. Pelanggan yang sabar adalah
orang atau mesin yang mau menunggu dalam antrean sampai mereka dilayani dan tidak
1
Ketika tingkat kedatangan melalui proses Poisson dengan rata-rata tingkat kedatangan, λ, maka waktu di antara
kedatangan akan mengikuti distribusi eksponensial negatif dengan rata-rata waktu di antara kedatangannya 1/λ.
Kemudian, distribusi eksponensial negatif menjadi representasi dari proses Poisson, tetapi menjelaskan waktu
di antara kedatangan dan menunjukkan interval waktu sepenuhnya acak.
Populasi Tidak Terbatas
Antrean dengan jumlah orang
atau benda yang tidak terbatas
yang dapat meminta layanan,
atau di mana jumlah pelanggan
atau kedatangan di waktu yang
acak hanyalah sebagian kecil dari
kedatangan yang potensial.
Populasi terbatas
Antrean yang hanya memiliki
jumlah pengguna layanan
potensial terbatas.
Distribusi Poisson
Distribusi probabilitas
(kemungkinan) yang berlainan
sering menggambarkan tingkat
kedatangan dalam teori antrean.
Populasi Tidak Terbatas
Antrean dengan jumlah orang
atau benda yang tidak terbatas
yang dapat meminta layanan,
atau di mana jumlah pelanggan
atau kedatangan di waktu yang
acak hanyalah sebagian kecil dari
kedatangan yang potensial.
Populasi terbatas
Antrean yang hanya memiliki
jumlah pengguna layanan
potensial terbatas.
Distribusi Poisson
Distribusi probabilitas
(kemungkinan) yang berlainan
sering menggambarkan tingkat
kedatangan dalam teori antrean.
“Barisan antrean yang lain
selalu bergerak lebih cepat.”
– Penelitian Etorre
“Barisan antrean yang lain
selalu bergerak lebih cepat.”
– Penelitian Etorre
“Jika Anda berganti
barisan, barisan yang Anda
tinggalkan akan mulai
bergerak lebih cepat daripada
barisan di mana Anda
berada sekarang.” – Variasi
O’Brien
“Jika Anda berganti
barisan, barisan yang Anda
tinggalkan akan mulai
bergerak lebih cepat daripada
barisan di mana Anda
berada sekarang.” – Variasi
O’Brien
MK-111 Modul Kuantitatif D • Model Antrean
berpindah antrean. Sayangnya, hidup sangatlah rumit karena orang-orang biasanya
menolak dan keluar dari antrean. Pelanggan dapat menolak untuk mengantre karena
merasa terlalu lama mendapatkan keperluan mereka. Pelanggan yang keluar dari antrean
adalah mereka yang mengantre, tetapi menjadi tidak sabar dan meninggalkan antrean
tanpa menyelesaikan transaksi mereka. Namun, kedua situasi ini baru menunjukkan
kebutuhan teori antrean dan analisisnya saja.
Karakteristik Antrean
Barisan antrean itu sendiri merupakan komponen kedua dari sebuah sistem antrean.
Panjangnya sebuah antrean bisa tidak terbatas ataupun terbatas. Sebuah antrean disebut
terbatas jika antrean tersebut tidak dapat, baik karena peraturan maupun keterbatasan
fsik meningkat menjadi tak terbatas. Contohnya adalah tempat pangkas rambut kecil
yang hanya memiliki jumlah kursi tunggu terbatas. Model antrean dibuat pada modul
ini dengan perkiraan panjang antrean yang tidak terbatas. Sebuah antrean disebut
tidak terbatas jika ukurannya tidak dibatasi, seperti pada kasus pintu tol yang melayani
mobil-mobil yang datang.
Karakteristik antrean yang kedua berkaitan dengan aturan antrean. Aturan
antrean ini mengacu pada aturan pelanggan yang akan menerima pelayanan dalam
barisannya. Sebagian besar sistem menggunakan aturan disiplin antrean yang dikenal
dengan aturan frst-in, frst-out (FIFO). Namun, di dalam ruang darurat rumah sakit
atau kasir jalur cepat pada sebuah pasar swalayan, terdapat beragam prioritas lain yang
dapat memotong jalur FIFO. Pasien yang mengalami luka kritis akan mendapatkan
prioritas pengobatan yang lebih tinggi dibandingkan dengan pasien yang jari atau
hidungnya patah. Pengunjung yang berbelanja kurang dari sepuluh jenis barang
mungkin diizinkan untuk masuk dalam kasir jalur cepat (meskipun juga berlaku aturan
Aturan Pertama Datang,
Pertama Keluar
Aturan antrean di mana
pelanggan yang pertama akan
mendapatkan layanan paling
pertama.
Aturan Pertama Datang,
Pertama Keluar
Aturan antrean di mana
pelanggan yang pertama akan
mendapatkan layanan paling
pertama.
Figur D.2 Dua contoh distribusi Poisson pada waktu kedatangan.
0
Distribusi untuk
0,05
P
r
o
b
a
b
i
l
t
a
s
0,10
0,15
0,20
0,25
2 3 4 5 6 7 8 9
λ = 2
P Probabilitas = (x) =
e λ
x !
−λ x
X X
0
Distribusi untuk
0,05
P
r
o
b
a
b
i
l
i
t
a
s
0,10
0,15
0,20
0,25
2 3 4 5 6 7 8 9
λ = 4
10 11 1 1
MK-112 Manajemen Operasi
bahwa pengunjung yang pertama datang akan dilayani paling awal—frst come, frst
served). Program komputer juga beroperasi dengan jadwal prioritas. Ketika pembayaran
lewat komputer dilakukan di hari tertentu, program pembayaran upah di hampir semua
perusahaan besar akan mendapatkan prioritas paling tinggi.
2
Karakteristik Pelayanan
Komponen ketiga dari setiap sistem antrean adalah karakteristik pelayanan. Ada
dua hal penting dalam karakteristik pelayanan: (1) desain sistem pelayanan dan (2)
distribusi waktu pelayanan.
Desain Dasar Sistem Antrean Sistem layanan umumnya digolongkan menurut
jumlah saluran yang ada (contoh: jumlah penyedia) dan jumlah tahapan (contoh:
jumlah penghentian layanan yang harus dibuat). Sebuah sistem antrean jalur tunggal
(single channel queuing system) dengan satu kasir biasanya merupakan pos yang dilewati
kendaraan (drive-in bank) dengan hanya satu kasir yang dibuka. Di sisi lain, jika bank
memiliki beberapa kasir yang sedang bertugas dengan setiap pelanggan menunggu
dalam satu jalur antrean umum dengan kasir pertama yang dapat melayani, maka
sistem itu disebut sistem antrean jalur majemuk (multiple channel queuing system).
Saat ini, sebagian besar bank menerapkan sistem antrean banyak jalur, sebagaimana
halnya di tempat pangkas rambut yang besar, agen tiket penerbangan, dan kantor
pos.
Dalam sebuah sistem satu tahap (single phase system), pelanggan hanya menerima
layanan dari satu stasiun, kemudian meninggalkan sistem. Orang di sebuah rumah
makan siap saji yang mengambil pesanan dan membawakan makanan juga merupakan
sistem satu tahap. Begitu juga dengan sebuah agen pembuatan surat izin mengemudi
di mana orang yang mengambil surat aplikasi juga menguji serta mengumpulkan uang
pembayaran SIM. Namun, anggaplah jika sebuah restoran meminta pelanggannya
untuk melayani pesanan Anda di satu stasiun, kemudian membayarnya di stasiun
kedua, dan mengambil makanan di stasiun kedua, maka restoran ini menerapkan
sistem tahapan majemuk (multiphase system). Begitu juga pada agen pembuatan
SIM yang besar dan sangat sibuk, Anda mungkin harus menunggu di satu jalur untuk
melengkapi surat aplikasi (layanan pemberhentian pertama), kemudian mengantre lagi
untuk diuji, dan akhirnya pergi ke tempat ketiga untuk melakukan pembayaran. Untuk
membantu menghubungkan konsep jalur dan tahapan, Figur D.3 menggambarkan
empat bentuk jalur yang ada.
Distribusi Waktu Layanan Pola pelayanan serupa dengan pola kedatangan di
mana pola ini konstan ataupun acak. Jika waktu layanannya konstan, maka waktu
yang diperlukan untuk melayani setiap pelanggan adalah sama. Contoh kasus ini
2
FIFS (frst in, frst served) biasanya digunakan untuk mengganti FIFO. Aturan disiplin lainnya, LIFS (last in,
frst served) disebut juga last in, frst out (LIFO) adalah umum jika bahan-bahannya dibiarkan atau ditumpuk,
sehingga barang yang berada di paling atas akan digunakan pertama kali.
Sistem antrean satu jalur
Sebuah sistem layanan dengan
satu jalur dan satu penyedia
layanan.
Sistem antrean jalur majemuk
Sebuah sistem layanan dengan
satu jalur antrean, tetapi dengan
beberapa penyedia layanan.
Sistem tahapan tunggal
Sebuah sistem dengan pelanggan
menerima layanan hanya dari
satu stasiun, kemudian keluar
dari sistem.
Sistem tahapan majemuk
Sebuah sistem dengan pelanggan
menerima layanan dari beberapa
stasiun sebelum keluar dari sistem.
Sistem antrean satu jalur
Sebuah sistem layanan dengan
satu jalur dan satu penyedia
layanan.
Sistem antrean jalur majemuk
Sebuah sistem layanan dengan
satu jalur antrean, tetapi dengan
beberapa penyedia layanan.
Sistem tahapan tunggal
Sebuah sistem dengan pelanggan
menerima layanan hanya dari
satu stasiun, kemudian keluar
dari sistem.
Sistem tahapan majemuk
Sebuah sistem dengan pelanggan
menerima layanan dari beberapa
stasiun sebelum keluar dari sistem.
MK-113 Modul Kuantitatif D • Model Antrean
Sistem tahapan majemuk, banyak jalur
Keberangkatan
setelah
pelayanan
Antrean
Sistem tahapan tunggal, satu jalur
Keberangkatan
setelah
pelayanan
Sistem tahapan majemuk, satu jalur
Antrean
Antrean
Sistem tahapan tunggal, banyak jalur
Keberangkatan
setelah
pelayanan
Antrean
Kedatangan
Kedatangan
Kedatangan
Kedatangan
Beberapa
tempat
pendaftaran kuliah
Layanan di
hampir semua
bank dan
kantor pos
Kantor dokter
gigi keluarga
Contoh
Dua jalur
pemesanan
lewat mobil
di McDonald’s
Fasilitas
Pelayanan
Tahap 1
Jalur 1
Fasilitas
Pelayanan
Tahap 1
Jalur 2
Fasilitas
Pelayanan
Tahap 2
Jalur 1
Fasilitas
Pelayanan
Tahap 2
Jalur 2
Service
facility
Keberangkatan
setelah
pelayanan
Fasilitas
Pelayanan
Jalur 3
Fasilitas
Pelayanan
Jalur 2
Fasilitas
Pelayanan
Jalur 1
Fasilitas
Pelayanan
Tahap 1
Fasilitas
Pelayanan
Tahap 2
Figur D.3 Desain Dasar Sistem Antrean
adalah dalam operasi pelayanan yang menggunakan mesin, seperti pencucian mobil
otomatis. Waktu layanan biasanya terdistribusi secara acak. Dalam banyak kasus,
dapat diasumsikan bahwa waktu layanan acak dapat dijelaskan dengan distribusi
probabilitas eksponensial negatif (negative exponential probability distribution).
Figur D.4 menunjukkan bahwa jika waktu pelayanan mengikuti distribusi
eksponensial negatif, maka probabilitas waktu pelayanannya panjang terbilang kecil.
Sebagai contoh, jika rata-rata waktu pelayanan adalah 20 menit (atau tiga pelanggan
per jam), maka sangat jarang terjadi seorang pelanggan berada lebih dari 1,5 jam
dalam fasilitas pelayanannya. Jika rata-rata waktu pelayanannya adalah 1 jam, maka
probabilitas pelanggan akan menghabiskan waktu lebih dari 3 jam adalah kecil.
MK-114 Manajemen Operasi
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00
0.1
00
P
r
o
b
a
b
i
l
i
t
a
s

w
a
k
t
u

p
e
l
a
h
y
a
n
a
n



t
Waktu t (jam)
Peluang waktu layanan lebih besar dari t = e
–µt
untuk t ≥ 0
Rata-rata kecepatan layanan, atau rata-rata jumlah yang dilayani per
satuan waktu (µ) = 3 pelanggan setiap jam waktu layanan
rata-rata = 20 menit (atau 1/3 jam per pelanggan)
µ = rata-rata kecepatan layanan (jumlah rata-rata yang
dilayani setiap satuan waktu)
e = 2,7183 (logaritma natural dasar)
Rata-rata kecepatan layanan (µ) =
1 pelanggan setiap jam.
Meskipun Poisson dan
distribusi eksponensial
digunakan secara umum
untuk menggambarkan
tingkat kedatangan dan
waktu layanan, distribusi
normal dan Erlang, atau
yang lainnya, mungkin
berlaku untuk kasus-kasus
tertentu.
Distribusi Probabilitas
Eksponensial Negatif
Sebuah distribusi probabilitas
yang terus-menerus umumnya
menggambarkan waktu layanan
dalam sebuah sistem antrean.
Figur D.4 Dua Contoh Distribusi Eksponensial Negatif Waktu Layanan
Menghitung Kinerja Antrean
Model antrean membantu para manajer membuat keputusan untuk menyeimbangkan
biaya pelayanan dengan menggunakan biaya antrean. Dengan menganalisis antrean,
kita dapat memperoleh banyak perhitungan kinerja sebuah sistem antrean berikut.
1. Waktu rata-rata yang dihabiskan pelanggan dalam antrean.
2. Rata-rata panjang antrean.
3. Waktu rata-rata yang dihabiskan pelanggan dalam sistem (waktu tunggu ditambah
waktu pelayanan).
4. Jumlah pelanggan rata-rata sistem.
5. Kemungkinan fasilitas layanan akan kosong.
6. Faktor kegunaan sistem.
7. Kemungkinan beberapa pelanggan di dalam sistem.
BIAYA ANTREAN
Seperti yang telah dijelaskan pada Penerapan OM “Gratis Tiket Menonton jika Anda
Tidak Dilayani dalam 30 Menit di UGD”, para manajer operasi harus mengenali
pertukaran antara dua biaya: biaya untuk menyediakan pelayanan yang baik dan biaya
pelanggan atau mesin yang harus menunggu. Para manajer menginginkan antrean yang
cukup pendek sehingga pelanggan tidak akan merasa kesal, kemudian meninggalkan
antrean tanpa membeli ataupun membeli, tetapi tidak pernah kembali lagi. Namun,
para manajer masih dapat menoleransi adanya antrean jika biaya antrean yang terjadi
dapat diseimbangkan dengan penghematan dalam biaya fasilitas pelayanan.
MK-115 Modul Kuantitatif D • Model Antrean
Satu cara menilai sebuah fasilitas pelayanan adalah melihat biaya total yang
diperkirakan. Total biaya merupakan penjumlahan biaya pelayanan ditambah dengan
biaya menunggu yang diperkirakan.
Seperti dapat kita lihat pada Figur D.5, biaya pelayanan meningkat bersamaan
dengan upaya perusahaan untuk meningkatkan kecepatan pelayanannya. Para manajer
di beberapa pusat pelayanan dapat mengganti kapasitas dengan personel yang tersedia
dan mesin yang dapat mereka tugaskan ke stasiun pelayanan tertentu untuk mencegah
atau mengurangi antrean yang terlalu panjang. Sebagai contoh, di toko-toko eceran, para
manajer dan pegawai gudang dapat membuka kasir tambahan. Di bank dan bandara,
para karyawan paruh waktu dapat diminta membantu. Saat kecepatan pelayanannya
meningkat (menjadi lebih cepat), biaya yang dikeluarkan untuk menunggu antrean
akan berkurang. (Kembali lagi ke Figur D.5.) Biaya menunggu dapat mencerminkan
produktivitas para pekerja yang hilang ketika mesin atau perkakas yang menunggu
perbaikan, atau bisa juga merupakan perkiraan biaya pelanggan yang hilang karena
pelayanan yang buruk dan antrean yang panjang. Pada beberapa sistem layanan (sebagai
contoh, layanan mobil ambulans dalam keadaan darurat), biaya untuk menunggu
antrean panjang cenderung tinggi.
KERAGAMAN MODEL ANTREAN
Beragam model antrean dapat diterapkan dalam bidang manajemen operasi. Empat
model yang paling sering digunakan akan diperkenalkan berikut ini. Hal ini ditunjukkan
pada Tabel D.2, dan contoh setiap model ada di bagian berikutnya. Model yang lebih
rumit dibahas pada buku teori antrean
3
atau dapat dikembangkan melalui penggunaan
simulasi (topik modul F). Keempat model antrean yang ada pada Tabel D.2 memiliki
tiga karakteristik umum. Keempat model ini menggunakan asumsi:
3
Sebagai contoh, lihat N.U. Prabhu, Foundations of Queuing Teory, Kluwer Academic Publishers (1997).
Apa yang dikatakan oleh
antrean panjang di sebuah
kantor dokter umum kepada
Anda mengenai persepsi
dokter terhadap biaya Anda
untuk menunggu?
Apa yang dikatakan oleh
antrean panjang di sebuah
kantor dokter umum kepada
Anda mengenai persepsi
dokter terhadap biaya Anda
untuk menunggu?
Total
biaya
minimum
Kecepatan
pelayanan tinggi
Kecepatan
pelayanan optimal
Biaya waktu menunggu
Biaya menyediakan layanan
Biaya total yang diperkirakan
Biaya
Kecepatan
pelayanan rendah
Figur D.5 Pertukaran antara Biaya Menunggu dan Biaya Layanan
Perusahaan yang berbeda
memberikan nilai waktu
yang berbeda kepada
pelanggannya, bukan?
MK-116 Manajemen Operasi
Penerapan MO
Gratis Tiket Menonton jika Anda Tidak Dilayani
dalam 30 Menit di UGD
Rumah sakit lain tertawa ketika
Dearborn, Michigan Oakwood
Healthcare mengeluarkan jaminan
layanan UGD yang menjanjikan
surat permohonan maaf dan tiket
menonton kepada pasien yang tidak
diperiksa dokter dalam waktu 30
menit. Bahkan, pegawainya takut hal
itu terdengar seperti cara pemasaran
murahan.
Namun, jika Anda mengunjungi
sebuah ruang gawat darurat akhir-
akhir ini dan melihat beberapa
pasien telah menunggu berjam-
jam—sedangkan waktu yang lazim
untuk menunggu sekitar 47 menit,
tergantung dari pihak rumah sakit—
Anda dapat mengerti mengapa tingkat kepuasan
pasien Oakwood meningkat. Jaminan waktu 30
menit membuahkan hasil. Kini, keempat rumah
sakit Oakwood Healthcare mengeluarkan jaminan
tersebut. Terdapat kurang dari 1% dari 191.000
pasien gawat darurat tahun lalu yang meminta tiket
gratis.
“Kini, kami rata-rata melayani kurang dari tujuh
belas menit,” kata Corrine Victor, petugas administrasi
ruang UGD. Nantinya, ia mengatakan, “Kami akan
menawarkan jaminan lima belas
menit.” CEO Oakwood bahkan
memberikan jaminan gawat darurat
juga dalam proses pembedahan tepat
waktu, layanan pemesanan selama
45 menit, dan layanan ruangan
lainnya. “Kedokteran adalah bisnis
pelayanan,” kata Larry Alexander,
pemimpin ruang UGD di Sanford,
Florida. “Dan orang-orang selalu
berpikiran bahwa dunia ini seperti
industri makanan siap saji.”
Bagaimana caranya Oakwood
menepati janjinya dengan baik,
yaitu mengurangi antrean UGD?
Pertama, Oakwood mempelajari
teori antrean, kemudian memperbaiki
pembayarannya, pencatatannya, dan operasi
laboratoriumnya untuk mengendalikan waktu
pelayanan. Kemudian, untuk meningkatkan
kemampuan pelayanannya, Oakwood meningkatkan
staf teknisnya. Akhirnya, Oakwood mengganti dokter-
dokter UGD-nya dengan kru yang dapat bekerja
dengan waktu yang lebih panjang.
Sumber: Te Wall Street Journal (3 Juli 2002); D1; dan Crain’s
Detroit Business (4 Maret 2002): 1
1. kedatangan yang berdistribusi Poisson,
2. penggunaan aturan FIFO,
3. pelayanan satu tahap.
Selain itu, keempat model ini juga menjelaskan sistem pelayanan yang beroperasi dalam
kondisi stabil dan berkelanjutan. Hal ini berarti tingkat kedatangan dan pelayanan
tetap stabil selama analisis.
Model A (M/M/1): Model Antrean Jalur Tunggal dengan Kedatangan
Berdistribusi Poisson dan Waktu Pelayanan Eksponensial
Permasalahan antrean yang paling umum mencakup jalur tunggal, atau penyedia
tunggal, jalur antrean. Pada situasi ini, kedatangan membentuk satu jalur tunggal
untuk dilayani oleh satu stasiun tunggal (lihat Figur D.3). Diasumsikan sistem memiliki
kondisi-kondisi berikut.
Kunjungilah sebuah bank
atau restoran dengan layanan
lewat mobil (drive-through)
dan kedatangan waktu untuk
melihat jenis distribusi apakah
yang mereka tunjukkan
(Poisson atau lainnya).
Kunjungilah sebuah bank
atau restoran dengan layanan
lewat mobil (drive-through)
dan kedatangan waktu untuk
melihat jenis distribusi apakah
yang mereka tunjukkan
(Poisson atau lainnya).
MK-117 Modul Kuantitatif D • Model Antrean
1. Kedatangan dilayani atas dasar frst-in, frst-out (FIFO), dan setiap kedatangan
menunggu untuk dilayani, terlepas dari panjangnya antrean.
2. Kedatangan tidak terikat pada kedatangan yang sebelumnya, tetapi jumlah
kedatangan rata-rata tidak berubah terhadap waktu.
3. Kedatangan digambarkan dengan distribusi probabilitas Poisson dan datang dari
sebuah populasi yang tidak terbatas (atau sangat besar).
4. Waktu pelayanan berbeda dari satu pelanggan dengan pelanggan berikutnya
dan tidak terikat satu sama lain, tetapi tingkat rata-rata waktu pelayanannya
diketahui.
5. Waktu pelayanan terjadi akibat distribusi probabilitas eksponensial negatif.
6. Kecepatan pelayanan lebih cepat daripada tingkat kedatangan.

Ketika kondisi-kondisi ini dipertemukan, beberapa persamaan yang ditunjukkan pada
Tabel D.3 dapat dikembangkan. Contoh Dl dan D2 menggambarkan bagaimana Model
A (yang dalam jurnal teknisnya dikenal sebagai model M/M/1) dapat digunakan.
4
Sebuah Antrean Jalur Tunggal
Tom Jones, seorang montir di Golden Muf er Shop, dapat memasang knalpot baru rata-rata
sebanyak 3 buah per jam (atau 1 knalpot setiap 20 menit) berdasarkan distribusi eksponensial
negatif. Pelanggan yang menginginkan pelayanan ini tiba di bengkel dengan rata-rata 2 orang
per jam, dengan mengikuti distribusi Poisson. Mereka dilayani dengan aturan frst-in, frst-out
dan berasal dari populasi yang sangat besar (hampir tak terbatas).
Dari uraian ini, karakteristik operasi dari sistem antrean Golden Muf er didapatkan
4
Dalam notasi antrean, huruf pertama menunjukkan kedatangan (dengan M menunjukkan distribusi Poisson),
huruf kedua menunjukkan layanan (dengan M kembali menunjukkan distribusi Poisson, yang sama dengan
kecepatan eksponensial dari layanan—dan D adalah kecepatan layanan konstan); simbol ketiga menunjukkan
jumlah penyedia layanan. Dengan demikian, sistem M/D/I (model C) berarti kedatangannya Poisson, layanannya
konstan, dan terdapat satu penyedia layanan saja.
Tujuan Pembelajaran
2. Menggunakan persamaan
model antrean jalur tunggal.
Tujuan Pembelajaran
2. Menggunakan persamaan
model antrean jalur tunggal.
Apakah dampak dari
pelayanan yang setara dan
tingkat kedatangan?
Apakah dampak dari
pelayanan yang setara dan
tingkat kedatangan?
Contoh D1 Contoh D1
Tabel D.2 Model Antrean yang Dijelaskan pada Bab ini

Model Nama
(nama teknis)
Contoh Jumlah
Jalur
Jumlah
Tahapan
Pola Tingkat
Kedatangan
Pola Waktu
Pelayanan
Ukuran
Populasi
Disiplin
Antrean
A Sistem jalur
tunggal
Pusat informasi
di pertokoan
Tunggal Tunggal Poisson Eksponensial Tidak
terbatas
FIFO
B Jalur majemuk Tempat
pembelian tiket
di bandara
Ganda Tunggal Poisson Eksponensial Tidak
terbatas
FIFO
C Layanan
konstan
Tempat cuci
mobil otomatis
Tunggal Tunggal Poisson Konstan Tidak
terbatas
FIFO
D Populasi
terbatas
Toko dengan
12 mesin yang
mungkin rusak
Tunggal Tunggal Poisson Eksponensial Tidak
terbatas
FIFO
MK-118 Manajemen Operasi
c Restoran McDonald’s yang besar di Moscow menambah 900 tempat duduk, 800 pegawai, dan 80
juta dolar dalam obral tahunannya (kurang dari 2 juta dolar di outlet di Amerika Serikat). AS mungkin
akan menolak keras rata-rata waktu menunggu selama 45 menit, tetapi masyarakat Rusia terbiasa
dengan antrean yang panjang. McDonald’s menunjukkan layanan yang baik di MosCow.
λ = rata-rata jumlah kedatangan setiap periode waktu
μ = rata-rata jumlah orang atau benda yang dilayani setiap periode waktu
L
S
= rata-rata jumlah unit (pelanggan) di dalam sistem ( yang menunggu dan dilayani)

=

λ
c λ −
W
S
= rata-rata waktu yang dihabiskan setiap unit di dalam sistem (waktu menunggu ditambah
waktu layanan)
=
1
c λ −
L
q
= rata-rata jumlah unit yang menunggu di antrean
=
λ
c c λ
2
( ) −
W
q
= rata-rata waktu yang dihabiskan unit untuk menunggu di antrean
=
λ
c c λ λ ( ) −
=
L
q
ρ = faktor kegunaan sistem
=
λ
c
P
0
= kemungkinan jika tidak ada unit dalam sistem (yakni, unit layanan tidak bekerja)
=
1−
λ
c
P
n>k
= kemungkinan unit lebih dari k buah dalam sistem, dengan n adalah jumlah unit pada
sistem
=
λ
c
( )
÷ k 1

Tabel D.3 Rumus Antrean untuk Model A: Sistem Jalur Tunggal disebut juga M/M/1
MK-119 Modul Kuantitatif D • Model Antrean
dengan:
λ = 2 mobil tiba per jam
μ = 3 mobil yang dilayani per jam
L
s
=
λ
c λ −
=

=
2
3 2
1
2
= 2 mobil rata-rata dalam sistem
W
s
=
1 1
3 2
1
c λ −
=

=
= 1 jam rata-rata waktu menunggu dalam sistem
L
q
=
λ
c c λ
2 2
2
3 3 2
4
3 1
4
3 ( ) ( ) ( ) −
=

= =
= 1,33 mobil yang menunggu di antrean
W
q
=
λ
c c λ ( ) ( ) −
=

=
2
3 3 2
2
3
jam

= 40 menit rata-rata waktu menunggu setiap mobil
ρ =
λ
c
=
2
3
= 66,6% waktu sibuk montir
P
0
=
1 1
2
3
− = −
λ
c
= 0,33 probabilitas terdapat 0 mobil dalam sistem
Probabilitas Lebih dari k Mobil dalam Sistem
k P
n>k

= (2/3)
k+1
0 0,667 Perhatikan bahwa angka ini sama dengan 1 – P
0
= 1 – 0,33 = 0,667.
1 0,444
2 0,296
3 0,198 Berarti terdapat peluang lebih dari 3 mobil dalam sistem sebesar 19,8%.
4 0,132
5 0,088
6 0,058
7 0,039
Pemahaman: Perhatikan bahwa kedatangan dan waktu layanan diubah ke tingkat yang sama.
Contohnya, waktu layanan selama 20 menit ditunjukkan sebagai rata-rata dari tiga knalpot per
jam. Juga sangatlah penting untuk membedakan antara waktu di antrean dan waktu di dalam
sistem.
Latihan pembelajaran: Jika μ = 4 mobil setiap jam kecuali 3 kedatangan sebelumnya, berapakah
nilai L
s
, W
s
, L
q
, W
q
, ρ, dan P
0
yang baru? [Jawaban: 1 mobil, 30 menit, 5 mobil, 15 menit, 50%,
0,50.]
Masalah serupa: D.1, D.2, D.3, D.4, D.6, D.7, D.8, D.9a-e, D.10, D.11a-c, D.12a-d.
Setelah karakteristik operasi sebuah sistem antrean dihitung, maka sangatlah penting
melakukan analisis ekonomi. Walaupun model antrean yang diuraikan di atas penting
untuk menggambarkan kesimpulan waktu tunggu, panjang antrean, waktu luang
MK-120 Manajemen Operasi
yang potensial, dan lain-lain, model antrean ini tidak menjelaskan keputusan optimal
atau mempertimbangkan faktor-faktor biaya. Seperti telah dilihat sebelumnya, solusi
permasalahan antrean mungkin memerlukan pengaturan untuk membuat penjualan
di antara biaya yang ditingkatkan untuk menyediakan layanan yang lebih baik dan
pengurangan biaya tunggu akibat adanya pelayanan tersebut.
Contoh D2 menguji biaya-biaya pada Contoh Dl.
Analisis Ekonomi dari Contoh D1
Pemilik Golden Muf er Shop tertarik dengan faktor biaya dan parameter antrean yang
dihitung pada Contoh D1. Ia memperkirakan biaya waktu menunggu pelanggan yang terkait
ketidakpuasan pelanggan dan hilangnya minat mereka adalah $10 per jam yang dihabiskan
untuk menunggu dalam antrean. Jones, sang montir, dibayar $7 per jam.
Pendekatan: Pertama, hitunglah rata-rata pelanggan setiap hari, kemudian gaji harian Jones,
dan terakhir total biaya yang diperkirakan.
Solusi: Karena rata-rata mobil memiliki waktu menunggu selama 2/3 jam (W
q
) dan terdapat
sekitar 16 mobil yang dilayani per hari (2 kedatangan per jam dikalikan dengan waktu kerja 8
jam per hari), total jumlah waktu yang dihabiskan oleh pelanggan untuk menunggu pemasangan
knalpot setiap hari adalah
2
3
16
32
3
10
2
3
( ) = = jam
Jadi, pada kasus ini,
Biaya waktu menunggu pelanggan =
$10 10
2
3
( )
= $106,67 per hari.
Satu-satunya biaya lain yang dapat ditemukan oleh pemilik Golden dalam situasi antrean ini
adalah gaji Jones, si montir, yang mendapatkan $7 per jam atau $56 per hari. Jadi:
Total biaya yang diperkirakan = $106,67 + $56 = $162,67 per hari
Pendekatan ini akan sangat bermanfaat untuk menyelesaikan soal pada Contoh Soal D.2 di
halaman MK-134.
Pemahaman: L
q
dan W
q
adalah dua parameter antrean paling penting dalam analisis biaya. Dengan
menghitung waktu tunggu pelanggan, hal ini berdasarkan pada rata-rata waktu tunggu antrean (λ)
dikalikan dengan jumlah kedatangan per jam (W
q
) dikali dengan jumlah jam per hari. Ini karena
contoh ini berbasis harian. Hal ini juga sama seperti menggunakan L
q
, selama L
q
= W
q
λ.
Latihan pembelajaran: Jika waktu tunggu pelanggan $20 per jam dan Jones mendapatkan
kenaikan gaji hingga $10 per jam, berapakah total biaya harian yang diperkirakan? (Jawaban:
$293,34.)
Masalah serupa: D.12e-f, D.13, D.22, D.23, D.24.
Contoh D2 Contoh D2
Tujuan Pembelajaran
3. Menghitung analisis biaya
dari waktu tunggu.
Tujuan Pembelajaran
3. Menghitung analisis biaya
dari waktu tunggu.
MK-121 Modul Kuantitatif D • Model Antrean
Model B (M/M/S): Model Antrean Jalur Majemuk
Sekarang, akan dibahas sistem antrean jalur majemuk dengan dua jalur (stasiun layanan)
atau lebih yang tersedia untuk menangani pelanggan yang datang. Asumsinya adalah
pelanggan yang menunggu layanan akan membentuk satu jalur dan akan dilayani
pertama kali oleh stasiun layanan yang tersedia. Bentuk antrean jalur majemuk dan
satu tahap masih banyak ditemukan di sebagian besar bank saat ini: Sebuah jalur umum
dibuat, dan pelanggan yang berada di barisan terdepan akan dilayani pertama kali oleh
kasir yang ada. (Lihat Figur D.3 untuk melihat ciri khas bentuk jalur majemuk.)
Sistem jalur majemuk yang ditunjukkan pada Contoh D3 memisalkan pola
kedatangan mengikuti distribusi probabilitas Poisson dan waktu pelayanannya
mengikuti distribusi eksponensial negatif. Pelayanan dilakukan dengan cara frst-come,
frst-served, dan semua stasiun layanan diasumsikan memiliki kecepatan pelayanan
yang sama. Asumsi lainnya pada model jalur tunggal juga masih berlaku.
Persamaan antrean untuk Model B (yang juga memiliki nama teknis M/M/S)
ditunjukkan pada Tabel D.4. Persamaan ini lebih rumit daripada persamaan yang
digunakan pada model jalur tunggal; walaupun demikian, persamaan ini digunakan
dengan cara yang sama dan menghasilkan jenis informasi yang sama dengan model
yang lebih sederhana.
Tujuan Pembelajaran
4. Menggunakan rumus
model antrean jalur
majemuk.
Tujuan Pembelajaran
4. Menggunakan rumus
model antrean jalur
majemuk.
M = jumlah jalur yang dibuka
λ = rata-rata tingkat kedatangan
μ = rata-rata kecepatan pelayanan di masing-masing jalur
Probabilitas tidak adanya orang atau unit dalam sistem adalah:
P
n M
n
n
M
0
0
1
1
1 1
·
'
.

`
¹

-
'
.

`
¹

·


! !
λ
µ
λ
µ
MM
M
M
M
µ
µ λ
µ

> untuk
Rata-rata jumlah orang atau unit pada sistem adalah:
L
M M
P
s
M
=
− −
+
λµ λ µ
µ λ
λ
µ
( / )
( )!( ) 1
2
0
Rata-rata waktu yang dihabiskan sebuah unit di antrean dan kemudian dilayani (di dalam
sistem) adalah:
W
M M
P
L
s
M
s
=
− −
+ =
µ λ µ
µ λ µ λ
( / )
( )!( ) 1
1
2
0
Rata-rata jumlah orang atau unit di antrean yang menunggu layanan adalah:
L L
q s
= −
λ
µ
Rata-rata waktu yang dihabiskan orang atau unit di antrean untuk dilayani adalah:
W W
L
q s
q
= − =
1
µ λ
Tabel D.4 Rumus Antrean Model B: Sistem Jalur majemuk, disebut juga M/M/S
MK-122 Manajemen Operasi
Antrean Jalur Majemuk
Bengkel Golden Muf er memutuskan untuk membuka bengkel kedua dan mempekerjakan
montir kedua untuk memasang knalpot. Pelanggan yang datang dengan tingkat kedatangan
sekitar λ = 2 orang per jam, akan menunggu di jalur tunggal hingga salah satu dari kedua montir
selesai. Setiap montir memasang knalpot sekitar μ = 3 per jam.
Perusahaan ingin tahu perbandingan sistem ini dengan sistem antrean jalur tunggal yang
terdahulu.
Pendekatan: Hitunglah beberapa nilai persamaan M = 2 sistem antrean, dengan menggunakan
persamaan dalam Tabel D.4, dan bandingkan hasilnya dengan Contoh D1.
Solusi:

P
n
n
n
0
0
1 2
1
1 2
3
1
2
2
3
2 3
2 3 2
1
1
2
3
1
2
4
9
6
=
( )

l
l
l
l
÷
( )

=
÷ ÷
( )
=

! !
( )
( )
66 2
1
1
2
3
1
3
1
2

( )
=
÷ ÷
=
=0,5 probabilitas terdapat 0 mobil dalam sistem.
Kemudian,
L
s
=
( )( )( / )
![ ( ) ]
/ 2 3 2 3
1 2 3 2
1
2
2
3
8 3
16
1
2
2
3
3
4
2
2

( )
÷ =
( )
÷ =
= 0,75 jumlah mobil rata-rata dalam sistem.
W
s
=
L
s
λ
= =
3 4
2
3
8
/
jam

= 22,5 menit rata-rata waktu yang dihabiskan oleh sebuah mobil dalam sistem.
L
q
=
L
s
− = − = − =
λ
c
3
4
2
3
9
12
8
12
1
12
= 0,083 rata-rata waktu yang dihabiskan oleh sebuah mobil dalam antrean.
W
q
=
L
q
λ
= =
0 083
2
0 0415
,
, jam
= 2,5 menit rata-rata waktu yang dihabiskan oleh sebuah mobil dalam antrean.
Pemahaman: Sangatlah menarik menemukan perbedaan yang sangat besar dalam kinerja
layanan ketika penyedia layanan lainnya ditambah.
Latihan pembelajaran: Jika µ = 4 jam, dan bukan µ = 3, berapakah nilai P
0
,

L
s
, W
s
,

L
q
, dan W
q

yang baru? [ Jawaban: 0,6, 0,53, 16 menit, 0,033 mobil, 1 menit]
Masalah serupa: D.9f, D.11d, D.15, D.20.
Karakteristik model dua jalur ini dapat dirangkum dan dibandingkan dengan
model jalur tunggal berikut.
Contoh D3 Contoh D3
MK-123 Modul Kuantitatif D • Model Antrean
“Teori antrean
menunjukkan bahwa
jumlah kematian yang
disebabkan oleh serangan
teroris ke Washington
D.C., dapat dikurangi
hingga 90% dengan
menerbangkan lebih dari
8.500 dokter dan perawat
untuk mengurangi antrean
panjang di rumah sakit.”
Fortune, 4 September
2006
Tabel D.5 Nilai L
q
dengan M = 1 – 5 Jalur Layanan dan Nilai-nilai ρ = λ/µ yang
terpilih
ρ 1 2 3 4 5
0,10 0,111
0,15 0,264 0,008
0,20 0,0500 0,0020
0,25 0,0833 0,0039
0,30 0,1285 0,0069
0,35 0,1884 0,0110
0,40 0,2666 0,0166
0,45 0,3681 0,0239 0,0019
0,50 0,5000 0,333 0,0030
0,55 0,6722 0,0499 0,0043
0,60 0,9000 0,0593 0,0061
0,65 1,2071 0,0767 0,0084
0,70 1,6333 0,0976 0,0112
0,75 2,2500 0,1227 0,0147
0,80 3,2000 0,1523 0,0189
0,85 4,8166 0,1873 0,0239 0,0031
0,90 8,1000 0,2285 0,0300 0,0041
0,95 18,0500 0,2767 0,0371 0,0053
1,0 0,3333 0,0454 0,0067
1,2 0,6748 0,0904 0,0158
1,4 1,3449 0,1778 0,0324 0,0059
1,6 2,8444 0,3128 0,0604 0,0121
1,8 7,6734 0,5320 0,1051 0,0227
2,0 0,8888 0,1739 0,0398
2,2 1,4907 0,2770 0,0659
2,4 2,1261 0,4305 0,1047
2,6 4,9322 0,6581 0,1609
2,8 12,2724 1,0000 0,2411
3,0 1,5282 0,3541
3,2 2,3856 0,5128
3,4 3,9060 0,7365
3,6 7,0893 1,0550
3,8 16,9366 1,5128
4,0 2,2164
4,2 3,3269
4,4 5,2675
4,6 9,2885
4,8 21,6384
MK-124 Manajemen Operasi
Satu Jalur Dua Jalur
P
0
0,33 0,5
L
s
2 mobil 0,75 mobil
W
s
60 menit 22,5 menit
Lq 1,33 mobil 0,083 mobil
W
q
40 menit 2,5 menit

Layanan yang meningkat ini memiliki dampak dramatis pada hampir seluruh
karakteristik. Contohnya, waktu yang dihabiskan untuk menunggu dalam antrean
berkurang dari 40 menit menjadi hanya 2,5 menit.
Fungsi Tabel Antrean Bayangkan, seorang manajer yang harus berurusan dengan M = 3,
4, atau 5 model jalur antrean jika tidak ada komputer. Perhitungannya akan menjadi sangat
memusingkan. Untungnya, perhitungan jalur antrean majemuk dapat diselesaikan dengan Tabel
D.5. Tabel ini merupakan hasil dari ratusan perhitungan yang menunjukkan tiga hubungan: (1)
perbandingan, disebut ρ ([rho] mudah ditemukan seperti λ/µ), (2) jumlah jalur layanan yang
terbuka, dan (3) rata-rata jumlah pelanggan yang mengantre, L
q
(yang akan dicari). Untuk setiap
hasil gabungan tingkat utilisasi (ρ) dan M = 1, 2, 3, 4, atau 5 jalur layanan yang terbuka, Anda
dapat langsung melihat nilai yang tepat untuk L
q
dengan membaca tabel.
Contoh D4 menjelaskan kegunaan dari Tabel D.5.
Kegunaan tabel antrean
Alaska National Bank mencoba memutuskan banyaknya kasir yang harus dibuka di hari Sabtu
yang sibuk. CEO-nya, Ted Eschenbach memperkirakan jumlah pelanggan yang datang adalah
sekitar λ = 18 per jam, dan setiap kasir dapat melayani sekitar µ = 20 pelanggan per jam.
Pendekatan: Ted memutuskan menggunakan Tabel D.5 untuk menghitung L
q
dan W
q
.
Solusi: Hasil perbandingannya adalah ρ = λ/µ =
18
20
= 0,90. Kembali ke tabel, ρ di bawah = 0,90,
Ted melihat jika hanya M = 1 kasir yang dibuka, maka rata-rata jumlah pelanggan yang akan
mengantre 8,1 orang. Jika dua kasir yang dibuka, maka L
q
turun menjadi 0,2285 pelanggan, jika
M = 3 kasir, maka akan berkurang menjadi 0,03, dan jika M = 4 kasir, maka 0,0041, dan jika
dilakukan penambahan kasir maka tidak akan ada pelanggan yang harus menunggu.
Mudah untuk menghitung rata-rata waktu menunggu di antrean, W
q
, jika W
q
= L
q
/λ.
Jika satu antrean dibuka, maka W
q
= 8,1 pelanggan/(18 pelanggan per jam) = 0,45 jam = waktu
menunggu 27 menit; jika dua kasir dibuka, maka W
q
= 0,2285 pelanggan/(18 pelanggan per
jam) = 0,127 jam ≅  menit; dan seterusnya.
Pemahaman: Jika tidak ada komputer, Tabel D.5 memudahkan kita untuk menemukan nilai
L
q
, kemudian menghitung W
q
. Tabel D.5 mudah untuk membandingkan nilai L
q
untuk setiap
jumlah penyedia yang berbeda (M).
Latihan pembelajaran: Jumlah pelanggan yang datang pada hari Kamis di Alaska National Bank
15 orang/jam. Kecepatan layanannya 20 pelanggan/jam. Hitunglah berapakah pelanggan yang
menunggu jika terdapat 1, 2, atau 3 penyedia layanan. (Jawaban: 2,25, 0,1227, 0,0147.)
Masalah serupa: D.5
Contoh D4 Contoh D4
MK-125 Modul Kuantitatif D • Model Antrean
Anda mungkin ingin memeriksa hasil perhitungan Contoh D3 dengan nilai yang
dicantumkan di Tabel D.5. Anda boleh menambah nilainya jika ρ tidak tercantum
dalam kolom pertama. Selain L
q
, karakteristik operasi umum tertulis dalam buku teks
teori antrean.
Model C (M/D/1): Model Waktu Pelayanan Konstan
Beberapa sistem pelayanan memiliki waktu pelayanan yang tetap, bukan berdistribusi
eksponensial seperti biasanya. Saat pelanggan sedang diproses menurut suatu siklus
yang tetap, seperti pada kasus cuci mobil otomatis atau wahana di taman hiburan,
waktu pelayanannya umumnya konstan. Karena tingkat yang konstan ini sifatnya pasti,
nilai-nilai L
q
, W
q
, L
s
, dan W
s

selalu lebih kecil daripada nilai-nilai pada Model A yang
kecepatan pelayanannya lebih bervariasi. Sebenarnya, baik rata-rata panjang antrean
maupun rata-rata waktu menunggu dalam antrean akan menjadi setengah nilainya
dengan Model C. Rumus model pelayanan tetap diberikan pada Tabel D.6. Model C
juga memiliki nama teknis M/D/1 dalam literatur teori antrean.
Tujuan Pembelajaran
5. Menggunakan persamaan
model pelayanan waktu
konstan.
Tujuan Pembelajaran
5. Menggunakan persamaan
model pelayanan waktu
konstan.
f Jalur antrean yang panjang
seperti di Los Angeles
International (LAX) merupakan
pemandangan umum di
banyak bandara. Ini adalah
sebuah model M/M/S, di
mana para calon penumpang
menunggu di satu garis antrean
dengan satu atau beberapa
pegawai. Berdasarkan tingkat
kedatangan yang berbeda tiap
jamnya, petugas penerbangan
menambah atau mengurangi
penyedia layanan di setiap
loketnya.
Tabel D.6 Rumus Antrean Model C: Pelayanan konstan disebut juga M/D/1
Panjang antrean rata-rata: L
q
=

λ
c c λ
2
2 ( )
Rata-rata waktu menunggu di antrean: W
q
=

λ
c c λ 2 ( )
Rata-rata jumlah pengunjung dalam sistem:
L L
s q
= ÷
λ
c
Rata-rata waktu dalam sistem: W W
s q
= ÷
1
c
MK-126 Manajemen Operasi
Contoh D5 memberikan contoh analisis sistem layanan konstan.
Model layanan konstan
Inman Recycling, Inc. mengumpulkan kaleng aluminium dan botol bekas di Reston, Louisiana.
Saat ini, pengemudi truk menunggu kurang lebih selama 15 menit sebelum mengosongkan isi
truk mereka untuk didaur ulang. Biaya pengemudi dan truk untuk menunggu dalam antrean
adalah $60 per jam. Sebuah mesin daur ulang kaleng otomatis baru dapat digunakan untuk
memproses muatan truk dengan tingkat tetap, yaitu 12 truk per jam (berarti 5 menit untuk setiap
truk). Truk yang datang rata-rata berdistribusi Poisson 8 kedatangan per jam. Jika mesin baru
ini digunakan, maka biaya akan berkurang sebesar $3 untuk setiap truk yang kosong.
Pendekatan: CEO Tony Inman mempekerjakan mahasiswa magang untuk menghitung
analisisnya dan memeriksa biaya versus keuntungan dari pembelian. Mahasiswa ini menggunakan
persamaan W
q
pada Tabel D.6.
Solusi:
Biaya menunggu sekarang/perjalanan = (1/4 jam (tunggu)) ($60/jam (biaya))
= $15/perjalanan
Sistem yang baru: λ = 8 truk/jam (kedatangan), µ = 12 truk/jam (pelayanan)
Rata-rata waktu tunggu di antrean =
W
q
=

=

=
λ
c c λ 2
8
2 12 12 8
1
12 ( ) ( )( )
hr
Biaya menunggu/perjalanan dengan = (1/12 jam (tunggu)) ($60/jam (biaya))
mesin baru = $ 5/perjalanan
Penghematan karena mesin baru = $15 (sistem sekarang) – $5 (sistem baru)
= $10/perjalanan
Pengurangan biaya bahan baru: = $ 3/perjalanan
Penghematan bersih: = $ 7/perjalanan
Pemahaman: Waktu layanan konstan yang biasanya diperoleh dari hasil otomatisasi dapat
membantu mengontrol perbedaan variabel dalam sistem layanan. Hal ini dapat mengurangi
rata-rata panjang antrean dan waktu tunggu. Perhatikan dua penyebut dalam persamaan L
q

dan W
q
pada Tabel D.6.
Latihan pembelajaran: Dengan sistem layanan konstan yang baru, berapakah rata-rata waktu
tunggu antrean, rata-rata jumlah truk dalam sistem, dan rata-rata waktu menunggu dalam
sistem? [Jawaban: 0,0833 jam, 1,33, 0,1667 jam]
Masalah serupa: D.14, D.16, D.21.

Model D: Model Populasi yang Terbatas
Ketika terdapat sebuah populasi pelanggan potensial yang terbatas dalam sebuah fasilitas
pelayanan, kita perlu menggunakan model antrean yang berbeda. Sebagai contoh,
kita ingin memperbaiki peralatan sebuah pabrik yang memiliki 5 mesin, memelihara
Contoh D5 Contoh D5
MK-127 Modul Kuantitatif D • Model Antrean
sebuah armada yang terdiri atas 10 buah pesawat terbang, atau memiliki sebuah kamar
rumah sakit yang memiliki 20 tempat tidur. Model populasi terbatas dapat digunakan
untuk menghitung jumlah orang yang melakukan reparasi (pelayanan).
Model ini berbeda dengan ketiga model antrean sebelumnya karena terdapat
hubungan saling ketergantungan antara panjang antrean dan tingkat kedatangan. Situasi
ekstrem tersebut dapat digambarkan sebagai berikut: jika sebuah pabrik memiliki
lima mesin yang semuanya rusak dan sedang menunggu perbaikan, maka tingkat
kedatangan akan jatuh menjadi nol. Jadi, secara umum, jika jalur antrean menjadi
lebih panjang pada model populasi terbatas, maka tingkat kedatangan pelanggan atau
mesin akan menurun.
Tabel D.7 memberikan rumus antrean untuk model populasi terbatas. Perhatikan
bahwa notasinya berbeda dengan yang digunakan pada model A, B, dan C. Untuk
menyederhanakan proses perhitungan yang memakan waktu, tabel antrean populasi
terbatas telah dibuat untuk menentukan D dan F. D adalah probabilitas sebuah mesin
yang memerlukan perbaikan harus menunggu antrean. F adalah faktor efsiensi dari
waktu menunggu. D dan F diperlukan untuk menghitung hampir semua rumus model
terbatas lainnya.
Sebagian kecil tabel antrean terbatas digambarkan pada modul ini. Tabel D.8
(hlm. MK-130) memuat data untuk suatu populasi N = 5.
5
5
Tabel terbatas disediakan untuk menghitung populasi hingga 250 kedatangan. Meskipun tidak ada nilai tetap
yang dapat kita gunakan sebagai titik pembagi antara populasi terbatas dan tidak, aturan sederhananya adalah
demikian: Jika jumlah antrean sebanding dengan populasi kedatangan, gunakanlah populasi model antrean
Tujuan Pembelajaran
6. Melakukan analisis model
populasi terbatas.
Tujuan Pembelajaran
6. Melakukan analisis model
populasi terbatas.
Tabel D.7 Rumus Antrean dan Notasi Model D: Rumus Populasi Terbatas
Faktor layanan:
X
T
T U
=
÷
Rata-rata pelanggan menunggu: L = N(1– F)
Rata-rata waktu menunggu: W
L T U
N L
T F
XF
=
÷

=
− ( ) ( ) 1
Rata-rata jumlah pelanggan bergerak: J = NF(1 – X)
Rata-rata pelanggan yang dilayani: H = FNX
Jumlah populasi: N = J + L + H
D = probabilitas unit perlu mengantre
F = faktor efsiensi
H = rata-rata jumlah unit yang dilayani
J = rata-rata jumlah unit yang tidak
mengantre
L = rata-rata jumlah unit yang menunggu
layanan
M = jumlah jalur layanan
N = jumlah pelanggan potensial
T = rata-rata waktu layanan
U = rata-rata waktu di antara permohonan
layanan
W = rata-rata waktu sebuah unit mengantre
X = faktor layanan
Notasi
Sumber: L.G. Peck dan R.N. Hazelwood, Finite Queuing Tables (New York: Wiley, 1958).
MK-128 Manajemen Operasi
Untuk menggunakan Tabel D.8, ikuti empat langkah berikut.
1. Hitung X (faktor pelayanan), di mana X = T/(T + U).
2. Cari nilai X pada tabel, kemudian tentukan baris M (M adalah banyaknya jalur
layanan).
3. Perhatikan nilai bagi D dan F.
4. Hitung L, W, J, H, atau apa saja yang diperlukan untuk mengukur kinerja sistem
layanan.

Contoh D6 menggambarkan langkah-langkah ini.
Model populasi terbatas
Data masa lalu menunjukkan bahwa masing-masing dari lima mesin cetak komputer laser
di Departemen Energi, Amerika Serikat di Washington, DC, memerlukan perbaikan setelah
digunakan sekitar 20 jam. Kerusakan mesin cetak ditentukan mengikuti distribusi Poisson.
Seorang teknisi yang bertugas dapat memperbaiki sebuah mesin cetak rata-rata selama 2 jam
dengan mengikuti distribusi eksponensial. Biaya kerusakan mesin adalah $120 per jam. Teknisi
dibayar sebesar $25 per jam. Apakah Departemen Energi AS perlu mempekerjakan teknisi
kedua?
Pendekatan: Dengan mengasumsikan bahwa teknisi kedua dapat memperbaiki sebuah
mesin cetak dengan rata-rata waktu 2 jam, Tabel D.8 dapat digunakan (terdapat N = 5 mesin
dalam populasi terbatas ini) untuk membandingkan biaya mempekerjakan 1 teknisi dengan
2 teknisi.
Solusi:
1. Perhatikan bahwa T = 2 jam dan U = 20 jam.
2. Kemudian,
X
T
T U
=
÷
=
÷
= =
2
2 20
2
20
0 091 ,
(mendekati 0,090 [digunakan untuk menentukan D dan F]).
3. Untuk M = 1 teknisi, maka D = 0,350 dan F = 0,960.
4. Untuk M = 2 teknisi, maka D = 0,044 dan F = 0,998.
5. Jumlah mesin cetak yang bekerja rata-rata adalah J = NF (1 – X).
Untuk M = 1, maka J = (5)(0,960)(1 – 0,091) = 4,36.
Untuk M = 2, maka J = (5)(0,998)(1 – 0,091) = 4,54.
6. Analisis biayanya adalah sebagai berikut.
Jumlah
Teknisi
Rata-rata
Kejadian Mesin
Rusak (N – J)
Biaya Mesin
Rusak Rata-
rata/Jam (N – J)
($120/Jam)
Biaya Teknisi/
Jam
($25/Jam)
Biaya Total/Jam
1 0,64 $76,80 $25,00 $101,80
2 0,46 $55,20 $50,00 $105,20
terbatas. Untuk nilai-nilai N yang lengkap, lihatlah Finite Queuing Tables, L. G. Peck dan R. N. Hazelwood (New
York:Wiley, 1958).
Contoh D6 Contoh D6
MK-129 Modul Kuantitatif D • Model Antrean
Pemahaman: Analisis ini menyarankan bahwa dengan mempekerjakan hanya 1 orang teknisi
akan menghemat ($105,20 – $101,80 = $3,40 per jam).
Latihan pembelajaran: Departemen Energi mengganti mesin cetaknya dengan model baru
yang akan mengalami kerusakan setelah 18 jam pemakaian. Hitung ulang biayanya. [Jawaban:
Jika M = 1, F = 0,95, J = 4,275, dan total biaya/jam = $112. Jika M = 2, F = 0,997, J = 4,487, dan
total biaya/jam = $111,56.]
Masalah serupa: D.17, D.18, D.19.
PENDEKATAN ANTREAN LAIN
Banyak permasalahan antrean yang terjadi dalam sistem pelayanan memiliki
karakteristik, seperti empat model matematika yang telah diuraikan di atas. Namun,
variasi dari kasus-kasus spesifk ini sering muncul dalam suatu analisis. Sebagai
contoh, waktu pelayanan di sebuah bengkel perbaikan mobil cenderung mengikuti
distribusi probabilitas normal dan bukan eksponensial. Sebuah sistem pendafaran di
perguruan tinggi di mana mahasiswa senior boleh memilih mata kuliah dan jadwal
lebih dahulu daripada mahasiswa lain, termasuk contoh model frst-come, frst-served
dengan prioritas aturan antrean. Sebuah ujian fsik bagi calon militer adalah sebuah
contoh sebuah sistem tahapan majemuk yang berbeda dengan model satu tahap yang
telah dibahas terlebih dahulu pada modul ini. Pertama, para calon mengantre untuk
diambil darahnya di satu stasiun, kemudian mengantre untuk pengujian mata di stasiun
berikutnya, bertemu dengan ahli kejiwaan di stasiun ketiga, dan diuji oleh seorang
dokter untuk pemeriksaan medis di stasiun keempat. Pada setiap tahapan, sang calon
harus masuk ke antrean yang baru dan menunggu gilirannya. Banyak model dan
beberapa di antaranya yang sangat kompleks telah dikembangkan untuk menghadapi
situasi seperti ini. Salah satu model ini dijelaskan pada kotak Penerapan MO, “L. L.
Bean Beralih ke Teori Antrean”.
f Ini bukanlah Disney World, di mana
menunggu adalah hal yang dapat
dimaklumi—bahkan menyenangkan—di
sekitar wahana-wahana. Ini adalah
antrean panjang para pelanggan di
Chicago Office of the Consulate of Mexico,
di mana para imigran mendaftarkan
kartu tanda penduduk mereka. Jadi,
mereka mendapatkan dokumen legal.
Bagaimanakah seharusnya prinsip modul
ini dapat digunakan untuk memperbaiki
sistem antrean ini?
MK-130 Manajemen Operasi
Tabel D.8 Tabel Antrean terbatas dengan Populasi N = 5*
X M D F X M D F X M D F X M D F X M D F
0,12 1 0,048 0,999 1 0,404 0,945 1 0,689 0,801 0,330 4 0,012 0,999 3 0,359 0,927
0,19 1 0,076 0,998 0,110 2 0,065 0,996 0,210 3 0,032 0,998 3 0,112 0,986 0,520 2 0,779 0,728
0,25 1 0,100 0,997 1 0,421 0,939 2 0,211 0,973 2 0,442 0,904 1 0,988 0,384
0,30 1 0,120 0,996 0,115 2 0,071 0,995 1 0,713 0,783 1 0,902 0,583 0,540 4 0,085 0,989
0,34 1 0,135 0,995 1 0,439 0,933 0,220 3 0,036 0,997 0,340 4 0,013 0,999 3 0,392 0,917
0,336 1 0,143 0,994 0,120 2 0,076 0,995 2 0,229 0,969 3 0,121 0,985 2 0,806 0,708
0,40 1 0,159 0,993 1 0,456 0,927 1 0,735 0,765 2 0,462 0,896 1 0,991 0,370
0,42 1 0,167 0,992 0,125 2 0,082 0,994 0,230 3 0,041 0,997 1 0,911 0,569 0,560 4 0,098 0,986
0,44 1 0,175 0,991 1 0,473 0,920 2 0,247 0,965 0,360 4 0,017 0,998 3 0,426 0,906
0,46 1 0,183 0,990 0,130 2 0,089 0,933 1 0,756 0,747 3 0,141 0,981 2 0,831 0,689
0,50 1 0,198 0,989 1 0,489 0,914 0,240 3 0,046 0,996 2 0,501 0,880 1 0,993 0,357
0,52 1 0,206 0,988 0,135 2 0,095 0,993 2 0,265 0,960 1 0,927 0,542 0,580 4 0,113 0,984
0,54 1 0,214 0,987 1 0,505 0,907 1 0,775 0,730 0,380 4 0,021 0,998 3 0,461 0,895
0,56 2 0,018 0,999 0,140 2 0,102 0,992 0,250 3 0,052 0,995 3 0,163 0,976 2 0,854 0,670
1 0,222 0,985 1 0,521 0,900 2 0,284 0,955 2 0,540 0,863 1 0,994 0,345
0,58 2 0,019 0,999 0,145 3 0,011 0,999 1 0,794 0,712 1 0,941 0,516 0,600 4 0,130 0,981
1 0,229 0,984 2 0,109 0,991 0,260 3 0,058 0,994 0,400 4 0,026 0,977 3 0,497 0,883
0,60 2 0,020 0,999 1 0,537 0,892 2 0,303 0,950 3 0,186 0,972 2 0,875 0,652
1 0,237 0,983 0,150 3 0,012 0,999 1 0,811 0,695 2 0,579 0,845 1 0,996 0,333
0,62 2 0,022 0,999 2 0,115 0,990 0,270 3 0,064 0,994 1 0,952 0,493 0,650 4 0,179 0,972
1 0,245 0,982 1 0,553 0,885 2 0,323 0,944 0,420 4 0,031 0,997 3 0,588 0,850
0,64 2 0,023 0,999 0,155 3 0,013 0,999 1 0,827 0,677 3 0,211 0,966 2 0,918 0,608
1 0,253 0,981 2 0,123 0,989 0,280 3 0,071 0,993 2 0,616 0,826 1 0,998 0,308
0,66 2 0,024 0,999 1 0,568 0,877 2 0,342 0,938 1 0,961 0,471 0,700 4 0,240 0,960
1 0,260 0,979 0,160 3 0,015 0,999 1 0,842 0,661 0,440 4 0,037 0,996 3 0,678 0,815
0,68 2 0,026 0,999 2 0,130 0,988 0,290 4 0,007 0,999 3 0,238 0,960 2 0,950 0,568
1 0,268 0, 978 1 0,582 0,869 3 0,079 0,992 2 0,652 0,807 1 0,999 0,286
0,70 2 0,027 0, 999 0,165 3 0,016 0,999 2 0,362 0,932 1 0,969 0,451 0,750 4 0,316 0,944
1 0,275 0, 977 2 0,137 0,987 1 0,856 0,644 0,460 4 0,045 0,995 3 0,763 0,777
0,75 2 0,031 0, 999 1 0,597 0,861 0,300 4 0,008 0,999 3 0,266 0,953 2 0,972 0,532
1 0,294 0, 973 0,170 3 0,017 0,999 3 0,086 0,990 2 0,686 0,787 0,800 4 0,410 0,924
0,80 2 0,035 0, 998 2 0,145 0,985 2 0,382 0,926 1 0,975 0,432 3 0,841 0,739
1 0,313 0, 969 1 0,611 0,853 1 0,869 0,628 0,480 4 0,053 0,994 2 0,987 0,500
0,85 2 0,040 0, 998 0,180 3 0,021 0,999 0,310 4 0,009 0,999 3 0,296 0,945 0,850 4 0,522 0,900
1 0,332 0, 965 2 0,161 0,983 3 0,094 0,989 2 0,719 0,767 3 0,907 0,702
0,90 2 0,044 0, 998 1 0,638 0,836 2 0,402 0,919 1 0,980 0,415 2 0,995 0,470
1 0,350 0, 960 0,190 3 0,024 0,998 1 0,881 0,613 0,500 4 0,063 0,992 0,900 4 0,656 0,871
0,95 2 0,049 0, 997 2 0,117 0,980 0,320 4 0,010 0,999 3 0,327 0,936 3 0,957 0,666
1 0,368 0, 955 1 0,665 0,819 3 0,103 0,988 2 0,750 0,748 2 0,998 0,444
0,100 2 0,054 0, 997 0,200 3 0,028 0,998 2 0,422 0,912 1 0,985 0,399 0,950 4 0,815 0,838
1 0,386 0, 950 0,200 2 0,194 0,976 1 0,892 0,597 0,520 4 0,073 0,991 3 0,989 0,631
0,105 2 0,059 0, 997
MK-131 Modul Kuantitatif D • Model Antrean
Penerapan MO L.L. Bean Beralih ke Teori Antrean
L.L. Bean menghadapi masalah yang sangat parah.
Saat itu merupakan musim penjualan tertinggi,
sementara kualitas pelayanan terhadap panggilan
yang masuk tidak memenuhi standar. L.L. Bean
dikenal sebagai pedagang eceran barang-barang
furnitur luar ruangan yang berkualitas tinggi. Sekitar
65% volume penjualan L.L. Bean dihasilkan melalui
pemesanan via telepon bebas pulsa ke kantor
pelayanan pusatnya di Maine.
Berikut bagaimana buruknya kondisi yang
terjadi. Selama periode tertentu, 80% panggilan
masuk menerima nada sibuk, dan para penelepon
yang tidak menerima nada sibuk sering harus
menunggu hingga 10 menit sebelum berbicara
dengan seorang petugas penjualan. L.L. Bean
memperkirakan hilangnya keuntungan senilai $10 juta
yang disebabkan oleh kesalahan mengalokasikan
sumber daya pemasaran melalui telepon. Dengan
membiarkan para pelanggan menunggu “di antrean”
(di telepon), kerugian yang diperkirakan adalah
$25.000 setiap hari. Pada hari yang sangat sibuk,
total pesanan yang hilang karena masalah antrean
mencapai nilai $500.000 dalam pendapatan bruto.
Dengan mengembangkan model antrean yang
sama seperti yang diperkenalkan pada buku ini, L.L.
Bean dapat menentukan jumlah saluran telepon dan
banyaknya pekerja yang bertugas setiap setengah
jam di sepanjang hari musim penjualan. Dalam
waktu satu tahun, penggunaan model antrean ini
menghasilkan peningkatan dalam hal panggilan yang
dapat dijawab sebesar 24% lebih banyak daripada
sebelumnya. Pesanan yang diterima meningkat 17%,
dan pendapatannya meningkat 16%. Dengan sistem
baru ini, panggilan yang tidak terlayani menjadi
berkurang 81%, dan waktu menjawab panggilan
berkurang menjadi 84%. Persentase penelepon
yang menghabiskan waktu kurang dari 20 detik
dalam antrean meningkat dari hanya 25% menjadi
77%. Tidak diragukan lagi, teori antrean mengubah
cara L.L. Bean berkomunikasi.
Sumber: Human Resource Management International Digest
(November–Desember 2002): 4–9; dan Interfaces (Januari/Februari
1991): 75–91 dan (Maret/April 1993): 14–20.
RANGKUMAN
Antrean merupakan sebuah bagian penting dalam dunia manajemen operasi. Pada modul ini,
dijelaskan beberapa sistem antrean umum dan analisis model matematika.
Model antrean paling umum yang digunakan meliputi: Model A, sistem satu tahap
dengan satu jalur dasar, kedatangan berdistribusi Poisson, dan waktu pelayanan berdistribusi
eksponensial; Model B, jalur majemuk yang merupakan padanan dari Model A; Model C,
model kecepatan pelayanan konstan; dan Model D, sebuah sistem dengan populasi terbatas.
Keempat model ini dapat menggunakan tingkat kedatangan berdistribusi Poisson dengan
aturan pelayanan frst-in, frst-out, dan pelayanan satu tahap. Karakteristik operasi umum yang
dipelajari meliputi rata-rata waktu untuk menunggu dalam sistem dan antrean, rata-rata jumlah
pelanggan dalam sistem dan antrean, waktu luang, serta tingkat utilisasi.
Terdapat berbagai model antrean yang tidak memenuhi semua asumsi untuk model
tradisional. Pada kasus ini, digunakan model matematika yang lebih rumit atau teknik yang
disebut simulasi. Penerapan simulasi pada permasalahan sistem antrean akan dibahas pada
Modul Kuantitatif F.
Istilah-istilah Penting
Teori antrean (queuing theory)
Antrean (waiting line/queue)
MK-132 Manajemen Operasi
Populasi tidak terbatas (unlimeted, or infnite, population)
Populasi terbatas (limited, or infnite, population)
Distribusi Poisson (Poisson distribution)
Aturan frst-in, frst-out (FIFO)
Sistem antrean jalur tunggal (single-channel queuing system)
Sistem antrean jalur majemuk (multiple-channel queuing system)
Sistem satu tahap (single-phase system)
Sistem tahapan majemuk (multiphase system)
Distribusi probabilitas eksponensial negatif (negative exponential probability distribution)
Menggunakan Peranti Lunak untuk
Penyelesaian Soal Antrean
Baik Excel OM maupun POM for Windows dapat digunakan untuk menganalisis semua soal,
kecuali dua soal terakhir pada modul ini.
Perhitungan Sampel
Probabilitas
=1–B7/B8
=B16*B$7/B$8
=B17*B$7/B$8
Parameter
Kalkulasi
=B7/B8
=B7^2/(B8*(B8–B7))
=B7(B8–B7)
=B7/(B8*(B8–B7)
=1/(B8–B7)
=1 – E7
Masukkan arrival rate
dan service rate dalam
Kolom B. Pastikan bahwa
Anda memasukkan
rates daripada times
Probabilitas
Kumulatif
=1–B7/B8
=C16+B17
=C17+B18
Program D1. Menggunakan Excel OM untuk Queuing
Contoh D1 (Golden Muffler Shop) digambarkan pada model M/M/1.
MK-133 Modul Kuantitatif D • Model Antrean
X Menggunakan Excel OM
Program jalur antrean Excel OM memiliki empat model yang dikembangkan pada modul ini.
Program D.1 menggambarkan model yang pertama, sistem M/M/1, dengan menggunakan data
dari Contoh D1.
Menggunakan POM for Windows
Ada beberapa model jalur antrean POM for Windows untuk memilih program modul jalur
antrean. Program ini mencakup analisis ekonomi dari data biaya. Sebagai pilihannya, Anda
dapat menampilkan kemungkinan jumlah orang atau benda yang berbeda dalam sistem. Lihat
Lampiran IV untuk keterangan lebih lanjut.
Contoh Soal dan Penyelesaian
Contoh Soal D.1
Saat ini, Sid Das Brick Distributors mempekerjakan seorang pekerja yang pekerjaannya memuat
batu bata ke dalam truk perusahaan. Rata-rata, 24 truk datang setiap hari atau 3 truk per jam
ke lokasi pemuatan dengan pola kedatangan sesuai dengan distribusi Poisson. Pekerja tersebut
sanggup memuat batu bata ke atas 4 truk per jamnya dengan waktu pelayanan mengikuti
distribusi eksponensial.
Das yakin bahwa produktivitas perusahaan akan sangat meningkat dengan menambahkan
seorang pemuat batu bata kedua. Ia memperkirakan dua orang kru di gerbang pemuatan untuk
menggandakan pemuatan dari 4 truk per jam menjadi 8 truk per jam. Lakukan analisis dampak
antrean dari perubahan yang dilakukan dan bandingkan hasilnya dengan yang dicapai oleh
sistem satu pekerja. Berapakah kemungkinan adanya lebih dari 3 truk yang sedang dimuat atau
sedang menunggu?

Jawaban
Jumlah Pekerja
1 2
Tingkat kedatangan truk (λ) 3/jam 3/jam
Tingkat pemuatan (µ) 4/jam 8/jam
Jumlah truk rata-rata dalam sistem (L
s
) 3 truk 0,6 truk
Waktu rata-rata dalam sistem (W
s
) 1 jam 0,2 jam
Jumlah antrean rata-rata (L
q
) 2,25 truk 0,225 truk
Waktu antrean rata-rata (W
q
) 0,75 jam 0,075 jam
Tingkat utilisasi (ρ) 0,75 0,375
Probabilitas sistem kosong (P
0
) 0,25 0,625
Probabilitas Terdapat Lebih dari k Buah Truk dalam Sistem
Probabilitas n > k
k Satu Pekerja Dua Pekerja
0 0,75 0,375
1 0,56 0,141
2 0,42 0,053
3 0,32 0,020
MK-134 Manajemen Operasi
Hasil ini menunjukkan bahwa jika hanya satu orang yang dipekerjakan, setiap truk rata-rata
harus menunggu selama 45 menit sebelum dimuati. Selanjutnya, rata-rata truk yang menunggu
dalam antrean adalah 2,25. Situasi ini mungkin tidak dapat diterima oleh pihak manajemen.
Perhatikan juga adanya penurunan ukuran antrean setelah pekerja kedua ditambahkan.
Contoh Soal D.2
Sopir truk yang bekerja pada Sid Das (lihat Contoh D.1) mendapat upah rata-rata $10 per jam.
Pekerja yang memuat batu bata menerima upah sekitar $6 per jam. Sopir truk yang sedang
menunggu dalam antrean atau lokasi pemuatan tetap menerima upah. Namun, dari segi
produktivitas, tidak ada yang dikerjakan dan tidak ada pemasukan bagi perusahaan selama
waktu menunggu tersebut. Berapakah penghematan per jam yang diperoleh perusahaan jika
dipekerjakan 2 orang pemuat batu bata dan bukan hanya 1 orang?
Dengan melihat data pada Contoh Soal D.1, terlihat bahwa jumlah truk dalam sistem
rata-rata adalah 3 ketika hanya ada 1 orang pemuat batu bata, dan menjadi 6 jika ada 2 orang
pemuat batu bata.
Jawaban
Jumlah Pekerja
1 2
Biaya sopir truk yang menganggur [(jumlah truk rata-
rata ) × (upah per jam)] = (3) ($10) = $30 $ 6 = (0,6)($10)
Biaya pemuatan 6 12 = (2)($6)
Biaya total yang diperkirakan per jam $36 $18
Sid Das dapat menghemat $18 per jam dengan menambahkan satu orang pemuat batu bata.
Contoh Soal D.3
Sid Das sedang mempertimbangkan untuk membangun lokasi pemuatan kedua untuk
mempercepat proses pemuatan batu bata ke truk. Ia berpikir bahwa sistem ini akan lebih efsien
jika dibandingkan dengan mempekerjakan orang lain untuk membantu pemuat pertama pada
lokasi pemuatan pertama (seperti pada Contoh Soal D.1).
Misalkan, setiap pekerja di setiap lokasi pemuatan mampu memuat 4 truk per jam dan
3 truk akan terus berdatangan per jamnya. Kemudian, terapkan persamaan yang sesuai untuk
menemukan kondisi operasi antrean yang baru. Apakah pendekatan baru ini memang lebih
cepat dibanding dua pendekatan yang dipikirkan Das sebelumnya?

Jawaban
P
n
n
n
0
0
1 2
2
1
1 3
4
1
2
3
4
2 4
2 4 3
1
1
3
4
1
2
3
4
=
( )

l
l
l
l
÷
( )

=
÷ ÷
( )
=

! !
( )
( )
88
8 3
0 4545
3 4 3 4
1 8 3
0 4545
3
4
0 873
0
2
2

( )
=
=

÷ =
=
,
( )( / )
( )!( )
( , ) , L
W
s
s
,,
,
, / ,
,
,
873
3
0 291
0 873 3 4 0 123
0 123
3
0 041
=
= − =
= =
jam
jam
L
W
q
q
MK-135 Modul Kuantitatif D • Model Antrean
Dengan melihat kembali Contoh Soal D.1, walaupun panjang antrean dan waktu rata-rata
dalam antrean yang paling rendah adalah saat lokasi pemuatan kedua dibuka, rata-rata jumlah
truk dalam sistem dan rata-rata waktu paling kecil yang dihabiskan untuk menunggu dalam
sistem adalah ketika dipekerjakan dua pemuat batu bata dengan satu lokasi pemuatan. Jadi,
pembangunan lokasi pemuatan kedua kurang disarankan.

Contoh Soal D.4
Unit perawatan jantung di St. Elsewhere Hospital menyediakan 5 tempat tidur yang selalu terisi
oleh pasien yang baru melakukan operasi jantung. Terdapat dua orang perawat yang bertugas
dalam 3 giliran kerja yang lamanya 8 jam. Setiap 2 jam (mengikuti distribusi Poisson), seorang
pasien memerlukan bantuan perawat. Kemudian, perawat akan menghabiskan waktu sekitar
30 menit (terdistribusi eksponensial) untuk membantu pasien dan memperbarui catatan medis
mengenai permasalahan dan pemeliharaan yang dilakukan.
Karena pelayanan yang cepat sangatlah penting bagi kelima pasien yang ada, pertanyaannya
adalah berapakah jumlah rata-rata pasien yang diurus oleh satu perawat? Berapakah waktu rata-
rata yang dihabiskan pasien untuk menunggu seorang perawat tiba?
Jawaban
N = 5 pasien
M = 2 perawat
T = 30 menit
U = 120 menit

X
T
T U
=
÷
=
÷
=
30
30 120
0 20 ,
Dari Tabel D.8 (hlm. ) dengan X = 0,20 dan M = 2, kita peroleh:
F = 0,976
H = rata-rata pasien yang dihampiri perawat = FNX
= (0,976)(5)(0,20) = 0,98 ≈ 1 pasien pada setiap waktu tertentu
W = waktu menunggu perawat rata-rata =
T F
XF
( ) 1−
=
30 1 0 976
0 20 0 976
( , )
( , )( , )


= 3,69 menit
Uji Diri Sendiri
• Sebelum melakukan uji diri sendiri, lihat tujuan pembelajaran di awal bab dan kata kunci
di akhir bab.
• Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.
• Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang
Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik.
1. Hampir semua sistem menggunakan aturan antrean yang dikenal dengan…
a. LIFO.
b. FIFO.
c. pelanggan yang cerewet dilayani duluan.
MK-136 Manajemen Operasi
d. penghalusan eksponensial.
e. swalayan.
2. Pernyataan yang bukan asumsi model matematika antrean adalah...
a. kedatangan berasal dari populasi yang tak terbatas dan sangat besar.
b. kedatangan berdistribusi Poisson.
c. kedatangan sesuai aturan FIFO dan tidak ada yang menolak ataupun keluar dari
antrean.
d. waktu pelayanan berdistribusi eksponensial.
e. rata-rata tingkat kedatangan lebih cepat daripada rata-rata kecepatan pelayanan.
3. Karakteristik yang merupakan karakteristik utama operasi sistem antrean adalah…
a. tingkat utilisasi.
b. persentase waktu luang.
c. rata-rata waktu menunggu dalam sistem dan antrean.
d. rata-rata jumlah pelanggan dalam sistem dan antrean.
e. rata-rata jumlah pelanggan yang membelot.
4. Tiga bagian dari sistem antrean adalah…
a. input, antrean, dan fasilitas layanan.
b. populasi, utilisasi, dan fasilitas layanan.
c. sistem kedatangan, jalur tunggu, dan fasilitas layanan.
d. Semua jawaban benar.
5. Sebuah perusahaan memiliki seorang teknisi komputer yang bertanggung jawab memperbaiki
20 komputer perusahaan. Ketika komputernya rusak, teknisi tersebut dipanggil untuk
memperbaiki. Jika teknisi tersebut sedang sibuk, maka mesin harus menunggu untuk dapat
diperbaiki. Ini adalah contoh dari…
a. sistem jalur majemuk.
b. sistem populasi terbatas.
c. sistem kecepatan layanan konstan.
d. sistem tahapan majemuk.
e. Semua jawaban benar.
6. Jika segala sesuatunya dianggap sama, termasuk rata-rata tingkat kedatangan dan pelayanan,
kecuali waktu layanan yang menjadi konstan dan bukan eksponensial, maka…
a. rata-rata panjang antreannya menjadi setengahnya.
b. rata-rata waktu menunggu menjadi dua kalinya.
c. rata-rata panjang antrean bertambah.
d. Tidak ada jawaban yang benar.
7. Pelanggan menunggu dalam antrean di satu-satunya kasir kantin yang menerapkan aturan
FIFO. Tingkat kedatangannya berdistribusi Poisson, sedangkan waktu menunggunya
berdistribusi eksponensial. Jika rata-rata waktu kedatangan 6 pelanggan per menit dan
rata-rata kecepatan layanan dari seorang kasir adalah 10 orang per menit, maka berapakah
rata-rata jumlah pelanggan dalam sistem?
a. 0,6.
b. 0,9.
c. 1,5.
d. 0,25.
e. 1,0.
MK-137 Modul Kuantitatif D • Model Antrean
Pertanyaan untuk Diskusi
1. Sebutkan tiga komponen khas dari sebuah sistem antrean!
2. Ketika merancang sebuah sistem antrean, hal “kualitatif ” apakah yang perlu
dipertimbangkan?
3. Sebutkan tiga faktor yang mempengaruhi struktur “kedatangan” dalam sistem antrean!
4. Sebutkan tujuh ukuran umum untuk kinerja sistem antrean!
5. Sebutkan asumsi yang digunakan dalam model antrean “dasar” (Model A atau M/M/1)!
6. Apakah mengoperasikan aturan frst-come, frst-served pada toko roti di pasar swalayan
merupakan langkah yang baik atau buruk? Mengapa?
7. Jelaskan apa yang dimaksud dengan istilah “menolak” dan “keluar” dalam kaitannya dengan
antrean! Berikan sebuah contoh untuk setiap istilah!
8. Manakah yang lebih besar: W
s
atau W
q
? Jelaskan!
9. Jelaskan dengan singkat tiga situasi di mana aturan frst-in, frst-out (FIFO) tidak dapat
diterapkan pada analisis antrean!
10. Jelaskan perilaku sebuah antrean di mana λ > µ! Gunakan intuisi dan analisis!
11. Bahaslah hasil sebuah sistem antrean di mana µ > λ, tetapi hanya lebih besar sedikit sekali.
(Sebagai contoh, µ = 4,1, λ = 4).
12. Berikan contoh empat situasi di mana terdapat antrean terbatas!
13. Apakah komponen dari sistem antrean berikut? Gambarkan jelaskan bentuk setiap
konfgurasi!
a) Tempat pangkas rambut.
b) Tempat pencucian mobil.
c) Tempat cuci pakaian otomatis.
d) Toko kecil yang menjual barang kebutuhan sehari-hari.
14. Apakah ruang praktik dokter umumnya memiliki pola kedatangan pasien acak? Apakah
waktu pelayanannya juga acak? Dalam keadaan apakah waktu pelayanannya konstan?
15. Apa yang terjadi jika dua sistem jalur tunggal memiliki waktu kedatangan rata-rata
dan waktu pelayanan yang sama, tetapi satu sistem memiliki waktu pelayanan konstan,
sementara sistem lain berdistribusi eksponensial?
16. Berapakah Anda menilai diri Anda dalam dolar untuk waktu yang Anda habiskan dalam
antrean? Berapakah nilai yang teman sekelas Anda berikan untuk diri mereka? Mengapa
terjadi perbedaan?
Soal-soal*
6
D.1 Para pelanggan tiba di Paul Harrold’s Styling Shop sebanyak 3 orang per jam yang
berdistribusi Poisson. Paul dapat memangkas rambut 5 orang per jam dengan distribusi
eksponensial.
a) Tentukan rata-rata jumlah pelanggan yang menunggu untuk memangkas rambut!
b) Tentukan rata-rata jumlah pelanggan dalam salon!
c) Tentukan rata-rata waktu seorang pelanggan menunggu gilirannya!
*Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.
MK-138 Manajemen Operasi
d) Tentukan rata-rata waktu seorang pelanggan menghabiskan waktu di salon!
e) Tentukan persentase waktu sibuk Paul!
D.2 Hanya terdapat satu mesin fotokopi dalam ruang santai mahasiswa sekolah bisnis. Para
mahasiswa datang dengan tingkat kedatangan λ = 40 per jam (distribusi Poisson). Proses fotokopi
rata-rata berjalan selama 40 detik atau µ = 90 per jam (distribusi eksponensial). Hitunglah
karakteristik berikut ini!
a) Persentase waktu mesin digunakan.
b) Rata-rata panjang antrean.
c) Rata-rata jumlah mahasiswa dalam sistem.
d) Rata-rata waktu yang dihabiskan untuk menunggu dalam antrean.
e) Rata-rata waktu yang dihabiskan dalam sistem.
D.3 Glen Schmidt memiliki dan mengelola sebuah kios makanan dan minuman ringan dekat
kampus Georgeville. Glen dapat melayani 30 pelanggan per jam rata-rata (µ), tetapi ia hanya
mendapatkan 20 pelanggan per jam (λ). Karena Glen memiliki waktu menunggu 50% lebih
banyak, maka sewajarnya ia tidak memiliki antrean.
Glen mempekerjakan Anda untuk menguji situasi tersebut dan menentukan beberapa
karakteristik antreannya. Setelah mempelajari masalah, Anda menemukan bahwa kios Glen
mengikuti enam kondisi jalur antrean tunggal (seperti pada Model A). Apa yang dapat Anda
temukan?

D.4 Sam Certo, seorang dokter hewan di Longwood, mengelola sebuah klinik vaksinasi untuk
penyakit rabies di sekolah dasar lokal. Sam dapat “menyuntik” seekor anjing pada setiap 3 menit.
Telah diperkirakan bahwa anjing-anjing datang secara terpisah dan acak di sepanjang hari
dengan kedatangan 1 ekor anjing setiap 6 menit menurut distribusi Poisson. Asumsikan juga
bahwa waktu penyuntikan Sam berdistribusi eksponensial. Hitunglah karakteristik berikut!
a) Kemungkinan Sam menganggur.
b) Jumlah waktu sibuk Sam.
c) Rata-rata jumlah anjing yang sedang divaksinasi dan sedang menunggu divaksinasi.
d) Rata-rata jumlah anjing yang menunggu divaksinasi.
e) Rata-rata waktu tunggu anjing sebelum divaksinasi.
f) Rata-rata waktu yang dihabiskan seekor anjing dalam antrean dan saat divaksinasi.

D.5 Seorang apoteker di Arnold Palmer Hospital, Saad Alwan, menerima 12 permohonan
resep setiap jamnya yang berdistribusi Poisson. Waktu yang dibutuhkan untuk mengerjakan
setiap resep sekitar 4 menit, dan distribusinya eksponensial negatif. Gunakanlah tabel waktu
tunggu, Tabel D.5 dan W
q
=
L
q
λ

untuk menjawab soal ini.
a) Berapakah rata-rata jumlah resep dalam antrean?
b) Berapa lama rata-rata resep berada dalam antrean?
c) Alwan memutuskan untuk mempekerjakan apoteker kedua, Ajay Aggerwal, yang
dulunya bersekolah bersamanya, dan mengerjakan resep dengan kecepatan yang sama
dengan Alwan. Berapakah nilai jawaban soal a dan b dengan kondisi baru?
D.6 Terdapat dua panggilan per menit pada pusat panggilan telepon di hotel James Hamann.
Rata-rata waktu untuk menangani setiap panggilan adalah 20 detik. Saat ini, hanya terdapat
satu pusat panggilan. Situasi ini menuruti distribusi Poisson dan eksponensial.
MK-139 Modul Kuantitatif D • Model Antrean
a) Berapakah besarnya probabilitas operator sedang sibuk?
b) Berapakah rata-rata waktu tunggu seorang penelepon sebelum dilayani operator?
c) Berapakah rata-rata jumlah panggilan yang menunggu untuk dijawab?

D.7 Kedatangan mobil di jendela kantor pos lewat mobil (drive-through) di pusat keramaian
kota Urbana, Illinois, adalah 4 mobil setiap 10 menit. Waktu pelayanan rata-rata adalah 2 menit.
Kedatangan berdistribusi Poisson dan waktu pelayanan berdistribusi eksponensial.
a) Berapakah rata-rata waktu sebuah mobil dalam sistem?
b) Berapakah rata-rata jumlah mobil dalam sistem?
c) Berapakah rata-rata jumlah mobil yang menunggu untuk menerima pelayanan?
d) Berapakah rata-rata waktu sebuah mobil yang mengantre?
e) Berapakah kemungkinan tidak ada mobil yang datang?
f) Berapakah persentase waktu pegawai kantor pos sibuk?
g) Berapakah kemungkinan terdapat hanya dua mobil dalam sistem?

D.8 Missouri’s Stephen Allen Electronics Co. mempertahankan kru pelayanannya untuk
memperbaiki gangguan mesin sebanyak rata-rata λ = 3 per hari (berdistribusi Poisson). Kru dapat
melayani rata-rata µ = 8 mesin per hari dengan waktu perbaikan berdistribusi eksponensial.
a) Berapakah tingkat utilisasi sistem pelayanan ini?
b) Berapakah waktu rata-rata mesin rusak?
c) Berapakah mesin yang sedang menunggu untuk dilayani?
d) Berapakah kemungkinan terdapat lebih dari satu mesin dalam sistem? Selain itu,
berapakah kemungkinan lebih dari dua mesin rusak dan menunggu untuk diperbaiki
atau sedang dilayani? Lebih dari tiga? Lebih dari empat?

D.9 Bank Zimmerman adalah satu-satunya bank di kota kecil St. Tomas. Pada hari Jumat,
biasanya terdapat rata-rata 10 pelanggan per jam yang datang ke bank untuk melakukan transaksi
bisnis. Terdapat seorang kasir, dan waktu rata-rata transaksi bisnis adalah 4 menit. Asumsikan
bahwa waktu pelayanan dapat dijelaskan oleh distribusi eksponensial. Hanya satu jalur yang
dibuka, dan pelanggan terdepan akan dilayani kasir pertama yang tersedia. Jika hanya satu kasir
yang bekerja, dapatkan:
a) rata-rata waktu dalam antrean;
b) rata-rata panjang antrean;
c) rata-rata waktu dalam sistem;
d) jumlah pelanggan rata-rata dalam sistem;
e) probabilitas bank kosong;
f) Zimmerman sedang mempertimbangkan untuk menambahkan kasir kedua (yang
akan bekerja dengan kecepatan yang sama dengan kasir pertama) untuk mengurangi
waktu tunggu pelanggan. Asumsikan perubahan ini akan mengurangi setengah dari
waktu yang sekarang. Jika seorang kasir kedua ditambahkan, temukan jawaban baru
dari soal (a) hingga (e) di atas.

D.10 Susan Slotnik mengelola sebuah kompleks bioskop di Cleveland, Ohio, yang disebut Teater
I, II, III, dan IV. Setiap teater memutar flm yang berbeda; jadwal waktu tayang dibuat berjauhan
untuk menghindari kerumunan besar yang akan terjadi jika keempat teater mulai pada waktu
yang bersamaan. Teater memiliki satu loket karcis dan seorang kasir yang dapat menjaga rata-rata
kecepatan pelayanan sebesar 280 tiket per jam. Waktu pelayanannya diasumsikan berdistribusi
eksponensial. Pola kedatangan pada hari biasa terdistribusi Poisson dengan rata-rata 210 orang
per jam.
MK-140 Manajemen Operasi
Untuk menentukan efsiensi penjualan tiket saat ini, Susan ingin menguji beberapa
karakteristik antrean berikut.
a) Rata-rata jumlah penonton yang mengantre untuk membeli karcis.
b) Berapakah persentase kasir sibuk?
c) Berapakah rata-rata waktu yang dihabiskan pelanggan dalam sistem?
d) Berapakah rata-rata waktu yang dihabiskan untuk mengantre sampai ke loket?
e) Berapakah kemungkinan terdapat lebih dari dua orang dalam sistem? Lebih dari tiga
orang? Lebih dari empat?

D.11 Bill Youngdahl sedang mengumpulkan data di kantin mahasiswa. Ia mendapati bahwa
antara pukul 17.00 dan 19.00, sebanyak 25 orang mahasiswa datang per jam (berdistribusi
Poisson) dan waktu pelayanannya rata-rata 2 menit (berdistribusi eksponensial). Hanya ada 1
pelayan yang dapat mengerjakan 1 pesanan di satu waktu.
a) Berapakah rata-rata jumlah mahasiswa dalam antrean?
b) Berapakah rata-rata waktu yang dihabiskan mahasiswa dalam sistem?
c) Misalkan, dipekerjakan pelayan kedua untuk membantu pekerjaan pelayan pertama (dan
melayani dengan lebih cepat). Dengan demikian, waktu pelayanan rata-rata akan berkurang
menjadi 90 detik. Bagaimana hal ini akan memengaruhi waktu mahasiswa dalam sistem
rata-rata?
d) Anggaplah pelayan kedua ditambahkan, dan 2 pelayan ini bekerja sendiri-sendiri, yang
masing-masing memiliki waktu pelayanan rata-rata 2 menit. Berapakah rata-rata waktu
yang dihabiskan oleh seorang mahasiswa dalam sistem?

D.12 Musim panen gandum di Amerika bagian Midwest terbilang singkat, dan para petani
mengirimkan truk berisi gandum mereka ke sebuah tempat penyimpanan raksasa dalam jangka
waktu 2 minggu. Oleh karena itu, truk yang berisi gandum harus menunggu dibongkar dan
kembali ke ladang. Tempat penyimpanan dimiliki bersama; demi keuntungan seluruh petani,
proses pembongkaran dan penyimpanan harus dibuat seefsien mungkin. Biaya akibat gandum
yang membusuk serta disebabkan oleh keterlambatan pembongkaran, biaya sewa truk, dan
waktu luang sopir menjadi perhatian khusus bagi anggota koperasi. Para petani sulit mengukur
gagalnya panen, tetapi biaya untuk sebuah truk menunggu dan membongkar dapat diketahui
dengan mudah, yaitu $18 per jam. Sepanjang 2 minggu waktu panen, tempat penyimpanan selalu
terbuka dan beroperasi selama 16 jam per hari, 7 hari per minggu, dan dapat membongkar 35
truk per jam, mengikuti pola distribusi eksponensial. Truk yang penuh datang sepanjang hari
(selama tempat penyimpanan buka) sebanyak 30 truk per jam, dan mengikuti pola distribusi
Poisson.
Untuk membantu koperasi menangani permasalahan akibat waktu yang hilang selagi truk
mengantre atau membongkar barang, temukan karakteristik berikut.
a) Rata-rata jumlah truk dalam tempat pembongkaran.
b) Rata-rata waktu truk dalam sistem.
c) Tingkat utilisasi tempat penyimpanan.
d) Kemungkinan terdapat lebih dari tiga truk dalam sistem pada waktu tertentu.
e) Biaya total sehari-hari bagi petani jika truk mereka berada dalam proses pembongkaran.
f) Seperti yang telah disebutkan, pihak koperasi menggunakan tempat penyimpanan
tersebut hanya selama 2 minggu setiap tahun. Para petani memperkirakan bahwa dengan
memperluas tempat penyimpanan, biaya pembongkaran akan berkurang 50% di tahun
depan. Harga perluasan ini adalah $9.000 di luar musim panen. Apakah perluasan tempat
penyimpanan akan menguntungkan?
MK-141 Modul Kuantitatif D • Model Antrean
D.13 Radovilsky’s Department Store di Haywood, California, mempunyai departemen
penjualan yang sukses berjualan lewat katalog. Caranya, seorang karyawan menerima pesanan
melalui telepon. Jika karyawan sedang menerima telepon di satu saluran, maka panggilan
masuk berikutnya dihubungkan pada departemen katalog dan dijawab secara otomatis oleh
mesin penjawab yang meminta mereka menunggu. Setelah karyawan selesai dengan telepon
sebelumnya, penelepon yang telah menunggu paling lama dilayani terlebih dahulu. Panggilan
masuk sebanyak 12 per jam. Karyawan dapat melayani sebuah pesanan rata-rata 4 menit.
Panggilan cenderung mengikuti distribusi Poisson, dan waktu pelayanan cenderung bersifat
eksponensial.
Upah karyawan adalah $10 per jam. Namun, karena kesempatan dan penjualan yang
hilang, Radovilsky’s merugi sekitar $25 per jam dari waktu yang dihabiskan pelanggan untuk
menunggu karyawan penerima pesanan.
a) Berapakah rata-rata waktu menunggu pelanggan sebelum panggilan mereka dijawab
oleh karyawan?
b) Berapakah rata-rata jumlah pelanggan yang menunggu untuk memesan?
c) Radovilsky’s sedang mempertimbangkan untuk menambahkan seorang karyawan
kedua untuk menerima panggilan. Upahnya sama, yaitu $10 per jam. Perlukah
Radovilsky’s mempekerjakan karyawan kedua? Jelaskan keputusan Anda!
D.14 Karen Brown’s Cofee Shop memutuskan untuk memasang mesin pembuat kopi otomatis
di salah satu tokonya untuk mengurangi waktu tunggu pelanggan. Karen memasang harga $3,50
per cangkirnya. Namun, waktu yang dibutuhkan cukup lama. Waktu layanannya konstan di 3
menit, dan tingkat kedatangan 15 orang per jam (berdistribusi Poisson).
a) Berapakah rata-rata waktu tunggu di antrean?
b) Berapakah rata-rata jumlah pelanggan di antrean?
c) Karen menaikkan harganya menjadi $5 per cangkir dengan waktu layanan 60 detik.
Namun, karena kopi menjadi lebih mahal, tingkat kedatangannya turun menjadi 10
orang per jam. Kini, berapakah rata-rata waktu tunggu dan rata-rata jumlah orang
yang menunggu di antrean?
D.15 Stasiun kereta api bawah tanah di Washington, DC umumnya memiliki enam gerbang
putar yang dapat dikendalikan oleh kepala stasiun baik pintu masuk maupun pintu keluar—
tetapi tidak keduanya. Kepala stasiun harus memutuskan di saat yang berbeda dalam satu hari,
berapakah gerbang putar yang digunakan untuk memasukkan penumpang dan berapakah
gerbang putar yang digunakan untuk mengeluarkan penumpang.
Di stasiun George Washington University (GWU), para penumpang masuk sekitar 84
penumpang per menit di antara pukul 07.00 sampai 09.00. Para penumpang meninggalkan
kereta dari tempat pemberhentian dan keluar dari pagar putar sekitar 48 penumpang per menit
pada jam sibuk yang sama. Setiap pagar putar dapat dilalui oleh rata-rata 30 penumpang per
menit baik masuk maupun keluar. Kedatangan berdistribusi Poisson dan waktu pelayanan
berdistribusi eksponensial. Asumsikan penumpang membentuk sebuah antrean baik pada jalan
masuk maupun jalan keluar di daerah gerbang putar serta berjalan melalui gerbang putar yang
pertama kosong.
Kepala stasiun GWU, Ernie Forman, tidak ingin penumpang harus menunggu dalam
antrean rata-rata selama lebih dari 6 detik untuk memasuki gerbang putar, dan ia pun tidak
menginginkan terdapat lebih dari 8 orang dalam antrean.
a) Berapakah gerbang putar untuk masuk atau keluar yang harus dibuka setiap pagi?
b) Diskusikan asumsi yang mendasari solusi masalah ini dengan menggunakan teori
antrean!

MK-142 Manajemen Operasi
D.16 Tempat pencucian mobil Yvette Freeman memerlukan waktu konstan selama 4,5 menit
untuk satu siklus pencucian mobil. Kedatangan mobil berdistribusi Poisson sebanyak 10 per
jam. Yvette ingin mengetahui:
a) rata-rata waktu menunggu dalam antrean,
b) panjang antrean rata-rata.

D.17 Toko pembuatan lemari kayu Debra Bishop, di Des Moines, memiliki lima perkakas
otomatis untuk mengebor lubang guna memasang engsel. Mesin ini perlu disiapkan untuk
memenuhi setiap pesanan lemari. Pesanan mengikuti distribusi Poisson, rata-rata 3/8 jam per
hari. Terdapat seorang teknisi yang mengatur mesin ini. Waktu pelayanan bersifat eksponensial,
rata-rata 2 setiap jam.
a) Berapakah faktor layanan sistem ini?
b) Berapakah rata-rata jumlah mesin yang sedang bekerja?
c) Apakah dampaknya pada mesin yang bekerja jika ada seorang teknisi kedua?

D.18 Dua orang teknisi yang bekerja secara terpisah mengawasi 5 komputer yang menjalankan
fasilitas pabrik otomatis. Rata-rata waktu untuk memperbaiki komputer yang bermasalah adalah
15 menit (berdistribusi eksponensial). Komputer bekerja selama rata-rata 85 menit (berdistribusi
Poisson) tanpa memerlukan perbaikan. Tentukan karakteristik berikut!
a) Rata-rata jumlah komputer yang menunggu diperbaiki.
b) Rata-rata jumlah komputer yang sedang diperbaiki.
c) Rata-rata jumlah komputer yang tidak bekerja.

D.19 Seorang montir menjalankan 5 mesin bor di sebuah pabrik baja. Mesin mengalami
kerusakan rata-rata satu kali setiap 6 hari kerja, dan kerusakan ini cenderung mengikuti
distribusi Poisson. Montir mampu memperbaiki rata-rata satu mesin per hari. Pekerjaan
perbaikan berdistribusi eksponensial.
a) Rata-rata, berapakah mesin yang menunggu diperbaiki?
b) Rata-rata, berapa mesin bor yang sedang bekerja?
c) Berapakah waktu tunggu yang akan berkurang jika seorang montir kedua dipekerjakan?

D.20 Richard Insinga, administrator ruang UGD di Onienta Hospital, menghadapi masalah
dalam menyediakan pelayanan bagi pasien yang tiba dengan tingkat kedatangan yang berbeda
di sepanjang hari. Terdapat 4 orang dokter untuk melayani pasien ketika diperlukan. Jika tidak
diperlukan, mereka dapat melakukan tugas lain (seperti melakukan pengujian di laboratorium,
membuat laporan, melakukan diagnosis rontgen) atau juga dapat dijadwalkan kembali untuk
bekerja pada jam lain.
Sangatlah penting untuk dapat menyediakan pelayanan secara cepat, dan rata-rata pasien
seharusnya tidak duduk dalam ruang tunggu lebih dari 5 menit sebelum ditangani oleh seorang
dokter. Pasien ditangani dengan aturan frst-come, frst-served, dan diperiksa dokter pertama
setelah menunggu dalam antrean. Pola kedatangan untuk suatu hari pada umumnya adalah
sebagai berikut.

Waktu Tingkat Kedatangan
09.00–15.00 6 pasien/jam
15.00–20.00 4 pasien/jam
20.00–24.00 12 pasien/jam
MK-143 Modul Kuantitatif D • Model Antrean
Kedatangan mengikuti distribusi Poisson dan waktu pelayanan dengan rata-rata 12 menit,
mengikuti distribusi eksponensial.
Berapakah dokter yang harus berdinas pada setiap periode untuk menjaga tingkat
pelayanan pasien yang diharapkan?
D.21 Ponchatrain Bridge adalah jembatan sepanjang 16 mil yang melewati Lake Ponchatrain
di New Orleans. Akhir-akhir ini, terdapat 7 pintu tol yang diisi dengan seorang pegawai. Sejak
Badai Katrina, pemimpin perusahaan telah memikirkan untuk mengganti para pegawai dengan
mesin. Banyak faktor yang perlu dipertimbangkan karena pegawai-pegawainya tergabung dalam
serikat kerja. Namun, satu dari pemimpin perusahaan pentingnya mengganti para pegawai
dengan mesin yang mempersingkat waktu yang dihabiskan oleh pengemudi dalam sistem.
Sekitar 10 pengemudi tiba di satu pintu tol dalam 1 menit. Pada pintu tol untuk uang pas yang
dilayani pegawai, waktu pelayanan seharusnya konstan selama 5 detik untuk setiap pengemudi.
Dengan menggunakan mesin, waktu yang dibutuhkan akan tetap 5 detik, tetapi akan menjadi
lebih bersifat eksponensial alih-alih konstan karena koin membutuhkan waktu untuk masuk
ke dalam mesin. Bandingkan kedua sistem ini dalam bidang yang sama!
D.22 Suatu pertemuan kontraktor gedung berlangsung di Las Vegas. Terdapat 200 orang yang
datang ke bagian registrasi setiap jamnya (berdistribusi Poisson), dan biaya waktu tunggu di
antrean adalah $100 per orang per jam. Las Vegas Convention Bureau menyediakan pelayan
untuk registrasi tamu dengan biaya $15 per orang per jam. Dibutuhkan waktu satu menit untuk
mendafarkan seorang pengunjung (berdistribusi eksponensial). Dibuka satu jalur antrean saja
dengan beberapa pelayan.
a) Berapakah jumlah minimum pelayan untuk sistem ini?
b) Berapakah jumlah maksimal pelayan untuk sistem ini?
c) Berapakah biaya sistem per jam untuk jumlah pelayan maksimum?
d) Berapakah tingkat utilisasi pelayan dengan jumlah pelayan minimum?
D.23 Lihat Soal D.22. Seorang manajer pendafaran, Lisa Houts, dipekerjakan untuk memulai
sebuah program hiburan untuk orang-orang yang menunggu di antrean dengan menggunakan
seorang pesulap yang dibayar $15 per jam. Hal ini akan mengurangi biaya utilisasi sebesar $50
per jam.
a) Berapakah jumlah pelayan maksimum?
b) Berapakah biaya sistem per jam pada kecepatan pelayanan yang maksimal?
D.24 Chattanooga Furniture mendapatkan rata-rata 50 pelanggan setiap giliran kerja. Marilyn
Helms, sang manajer, ingin menghitung apakah ia perlu mempekerjakan 1, 2, 3, atau 4 orang
pramuniaga. Ia telah menentukan bahwa rata-rata waktu tunggu adalah 7 menit untuk satu
orang pramuniaga, 4 menit untuk dua orang pramuniaga, 3 menit untuk tiga orang pramuniaga,
dan 2 menit untuk empat orang pramuniaga. Ia telah memperkirakan biaya per menit waktu
tunggu pelanggan adalah $1. Biaya setiap pramuniaga per giliran kerja (termasuk jaminan sosial)
adalah $70.
Berapa pramuniagakah yang harus ia pekerjakan?
MK-144 Manajemen Operasi
Studi Kasus
New England Foundry
Selama lebih dari 75 tahun, New England Foundry, Inc. (NEFI) telah memproduksi tungku
perapian dari kayu untuk digunakan di dalam rumah. Pada tahun-tahun belakangan, dengan biaya
energi yang terus meningkat, direktur George Mathison melihat bahwa penjualan produknya
meningkat tiga kali lipat. Peningkatan dramatis ini membuat George sulit mempertahankan
kualitas semua tungku perapiannya dan produk lain yang berkaitan.
Tidak seperti perusahaan lain yang juga memproduksi tungku perapian, NEFI hanya
memproduksi tungku perapian dan produk yang terkait. Produk utamanya adalah Warmglo
I, Warmglo II, Warmglo III, dan Warmglo IV. Warmglo I merupakan tungku perapian yang
paling kecil dengan kekuatan sebesar 30.000 BTU, dan Warmglo IV adalah tungku perapian
yang paling besar dengan kekuatan 60.000 BTU.
Warmglo III terjual lebih banyak dari semua model lain dengan keuntungan yang
besar. Keluaran dan aksesoris yang tersedia bagi Warmglo III sangat ideal untuk rumah pada
umumnya. Warmglo III juga memiliki beberapa ftur andalan yang menjadikannya salah satu
tungku perapian hemat energi di pasaran. Bersama dengan aksesoris, ftur ini menghasilkan
peningkatan penjualan dan memberikan ide kepada George untuk membangun sebuah pabrik
baru guna membuat Warmglo III. Sebuah diagram gambaran umum pabriknya ditunjukkan
pada Figur D.6.
Alat pengecor logam yang baru menggunakan peralatan mutakhir, termasuk Disamatic
baru yang membantu membuat komponen tungku perapian. Terlepas dari peralatan baru dan
prosedur yang ada, operasi pengecoran pada dasarnya tidak berubah selama beratus-ratus
tahun. Proses pertama adalah membuat sebuah pola yang terbuat dari kayu yang dibuat untuk
setiap potong besi cor dalam tungku perapian. Pola kayu tersebut merupakan sebuah salinan
dari potongan besi cor yang akan dibuat. Semua pola NEFI dibuat oleh Precision Patterns,
Inc., serta disimpan dalam bengkel pola dan ruang pemeliharaan. Berikutnya, pasir tertentu
dicetak di sekitar pola kayu. Bisa terdapat dua atau lebih cetakan pasir untuk setiap pola. Proses
pencampuran pasir dan pembuatan cetakan dilakukan dalam ruang pencetakan. Ketika pola
kayu diangkat, hasilnya adalah pasir yang tercetak dalam bentuk yang sebaliknya dari besi cor
yang diinginkan. Berikutnya, cetakan dipindahkan ke ruang pengecoran, yaitu ketika besi cair
dituangkan dalam cetakan dan dibiarkan dingin. Ketika besi mengeras, cetakan dipindahkan ke
ruang pembersihan, pengikisan, dan persiapan di mana cetakan dimasukkan ke alat penggetar
besar yang menggoncangkan sebagian besar pasir dalam cetakan. Kemudian, besi cor yang
masih kasar ini mengalami proses sandblasting untuk menghilangkan pasir yang tersisa dan
dikikis untuk menghaluskan permukaannya. Selanjutnya, besi cor tersebut dicat dengan cat
khusus yang tahan panas, dirakit dalam tungku perapian yang sedang dikerjakan, dan diperiksa
cacat fabrikasi yang mungkin tidak diketahui sebelumnya. Akhirnya, tungku perapian yang
sudah selesai dipindahkan ke bagian pengiriman dan gudang penyimpanan, di mana mereka
dikemas dan dikirim ke lokasi tertentu.
Saat ini, bengkel pola dan departemen pemeliharaan ditempatkan dalam ruangan yang
sama. Satu counter besar digunakan oleh kedua karyawan pemeliharaan yang menyimpan
komponen dan perkakas, termasuk pencetak pasir yang memerlukan berbagai pola untuk
membentuknya. Pete Nawler dan Bob Dillman, yang bekerja di belakang counter, dapat melayani
total 10 orang per jam (masing-masing sekitar 5 per jam). Secara rata-rata, 4 orang dari bagian
pemeliharaan dan 3 dari pengecoran datang ke counter setiap jam. Orang-orang dari departemen
pengecoran dan pemeliharaan datang secara acak, dan mereka membentuk sebuah jalur antrean
yang harus dilayani.
MK-145 Modul Kuantitatif D • Model Antrean
Pete dan Bob selalu menggunakan aturan frst-come, frst-served. Seseorang memerlukan
waktu 3 menit untuk berjalan dari departemen pemeliharaan ke ruang pola dan pemeliharaan,
serta untuk berjalan dari departemen pencetakan ke ruang pola dan pemeliharaan dibutuhkan
waktu 1 menit.
Setelah melakukan pengamatan operasi bengkel pola dan ruang pemeliharaan selama
beberapa minggu, George memutuskan untuk mengadakan perubahan dalam tata letak
pabriknya. Rangkuman perubahan ini ditampilkan pada Figur D.7.
Pembersihan,
pengikisan,
dan
persiapan
Pengecoran
Penyimpanan
dan
pengiriman
Pencetakan
Pasir
Bengkel
Pola dan
pemeliharaan
Figur D.6 Gambaran Umum Pabrik
Pembersihan,
pengikisan,
dan persiapan
Pengecoran
Penyimpanan
dan
pengiriman
Pencetakan
Pemeliharaan
Pasir
Bengkel
Pola
Figur D.7 Hasil Pengamatan Perusahaan Setelah Perubahan

Terdapat sejumlah keuntungan untuk memisahkan departemen pemeliharaan dari
bengkel pola. Seseorang hanya memerlukan 1 menit alih-alih 3 menit untuk berjalan dari
departemen pengecoran ke ruang pemeliharaan yang baru. Dengan menggunakan penelitian
waktu dan gerakan, George juga dapat menentukan bahwa dengan memperbaiki tata letak
ruang pemeliharaan, Bob dapat melayani 6 orang dari departemen pengecoran per jam; dengan
memperbaiki tata letak bengkel pola akan menjadikan Pete dapat melayani 7 orang dari bagian
pencetakan per jam.
MK-146 Manajemen Operasi
Pertanyaan untuk Diskusi
1. Berapa waktukah yang dapat dihemat dengan tata letak yang baru?
2. Jika karyawan pengecoran dibayar $9,50 per jam dan karyawan pencetakan dibayar $11,75
per jam, berapakah penghematan yang didapatkan per jam dengan tata letak pabrik yang
baru?
3. Apakah George perlu melakukan perubahan tata letak?

Sumber: Dari Quantitative Analysis for Management, 8/e, oleh B. Render, R. Stair, dan M. Hanna, hlm. 596–598.
Hak Cipta © 2003. Dicetak ulang seizin Prentice Hall, Inc., Upper Saddle River, NJ.
Studi Kasus
The Winter Park Hotel
Donna Shader, manajer Winter Park Hotel, sedang mempertimbangkan untuk mengatur ulang
meja resepsionis demi mencapai tingkat efsiensi karyawan dan pelayanan tamu yang optimal.
Saat ini, hotel tersebut memiliki lima resepsionis, masing-masing dengan antrean yang terpisah,
selama masa puncak waktu masuk penginapan pada pukul 15.00 hingga 17.00. Pengamatan
yang dilakukan terhadap kedatangan selama periode ini menunjukkan bahwa rata-rata 90 orang
tamu tiba setiap jamnya (walaupun tidak ada batas atas untuk jumlah tamu yang mungkin saja
datang di setiap waktu). Diperlukan rata-rata 3 menit bagi seorang resepsionis untuk mencatat
data setiap tamu.
Shader sedang mempertimbangkan tiga rencana untuk meningkatkan pelayanan tamu
dengan mengurangi lamanya waktu yang harus dihabiskan oleh tamu untuk mengantre. Rencana
pertama adalah memerintahkan seorang resepsionis bertindak sebagai resepsionis cepat bagi
tamu yang mendafarkan diri dengan rekening perusahaan, yang merupakan segmen pasar yang
mengisi sekitar 30% tingkat hunian di hotel itu. Karena tamu perusahaan telah mendafarkan diri
terlebih dahulu, pendafaran mereka hanya membutuhkan waktu 2 menit. Dengan memisahkan
tamu-tamu ini dari tamu-tamu lainnya, rata-rata waktu untuk mendafarkan seorang tamu
sekarang menjadi 3,4 menit. Dengan rencana ini, tamu yang bukan dari perusahaan dapat
memilih keempat jalur antrean yang tersisa.
Rencana kedua adalah menerapkan sebuah sistem antrean tunggal. Semua tamu
membentuk sebuah antrean untuk dilayani oleh kelima resepsionis yang tersedia. Pilihan ini
memerlukan ruang untuk dapat menampung antrean yang ada.
Penggunaan sebuah mesin kasir otomatis (automatic teller machine, ATM) untuk
mendafarkan diri ke penginapan menjadi dasar rencana ketiga. ATM ini akan memberikan
kecepatan pelayanan yang sama dengan resepsionis. Karena awalnya teknologi ini mungkin
digunakan secara minimal, Shader memperkirakan bahwa hanya 20% tamu yang terutama
langganan ingin menggunakan mesin ini. (Ini mungkin merupakan sebuah perkiraan yang
konservatif jika tamu merasakan keuntungan langsung dari penggunaan ATM, seperti yang
dirasakan oleh pelanggan bank. Citibank melaporkan bahwa sekitar 95% pelanggannya di
Manhattan menggunakan ATM.) Shader akan membuat satu jalur antrean tunggal bagi
pelanggan yang lebih menyukai resepsionis biasa. Jalur ini akan dilayani oleh seorang resepsionis
walaupun Shader sangat berharap mesin ATM akan mengurangi jumlah resepsionis menjadi
hanya empat orang.

MK-147 Modul Kuantitatif D • Model Antrean
Pertanyaan untuk Diskusi
1. Tentukan rata-rata waktu yang dihabiskan seorang tamu untuk mendafarkan diri!
Bagaimanakah waktu ini dapat berubah?
2. Pilihan apa yang Anda rekomendasikan?

Sumber: Dari Quantitative Analysis for Management, 8/e, oleh B. Render, R. Stair, dan M. Hanna, hlm. 598. Hak
Cipta © 2003. Dicetak ulang seizin Prentice Hall, Inc., Upper Saddle River, NJ.
Studi Kasus Tambahan
Kunjungi situs www.prenhall.com/heizer untuk studi kasus berikut yang tersedia secara cuma-
cuma.
• Pantry Shopper: kasus ini membutuhkan perancangan ulang sistem kasir untuk sebuah
pasar swalayan.
Daftar Pustaka
Cabral, F.B. “Te Slow Server Problem for Uninformed Customers”. Queuing Systems 50, No.
4 (Agustus 2005): 353.
Dastagupta, Ani dan Ghosh, Madhubani. “Including Performance in a Queue via Prices: Te
Case of a Riverine Port”. Management Science 46, No. 11 (November 2000): 1466–1484.
Joy, M. dan S. Jones. “Transient Probabilities for Queues with Applications to Hospital Waiting
Line Management”. Health Care Management Science 8, No. 3 (Agustus 2005): 231.
Prabhu, N. U. 1997. Foundations of Queuing Teory. Dordecht, Netherland: Kluwer Academic
Publishers.
Ramaswami, V. et al. “Ensuring Access to Emergency Services in the Presence of Long Internet
Dial-Up Calls”. Interfaces 35, No. 5 (September–Oktober 2005): 411–425.
Render, B., R.M. Stair, dan R. Balakrishnan. 2007. Managerial Decision Modeling with Spreadsheets,
Edisi Kedua. Upper Saddle River, NJ: Prentice Hall.
Render, B., R.M. Stair, dan M. Hanna. 2006. Quantitative Analysis for Management. Edisi
Kesembilan. Upper Saddle River, NJ: Prentice Hall.
Ryan, Sarah M. “Stochastic Models in Queuing Teory Review”. Journal of the American Statistical
Association 100 (Maret 2005): 350.
Windmeijer, F., H. Gravelle, dan P. Hoonhout. “Waiting Lists, Waiting Times and Admissions”.
Health Economics 14, No. 9 (September 2005): 971.
MK-148 Manajemen Operasi
MK-149 Modul Kuantitatif E • Kurva Pembelajaran
Modul Kuantitatif E
Kurva Pembelajaran
Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu:
1. mendefnisikan kurva pembelajaran;
2. menggunakan konsep aritmatika untuk memperkirakan waktu;
3. menghitung efek kurva pembelajaran menggunakan pendekatan-pendekatan
koefsien logaritma dan kurva pembelajaran;
4. menjelaskan implikasi strategis kurva pembelajaran.
KURVA PEMBELAJARAN PADA BIDANG MANUFAKTUR
DAN JASA
PENERAPAN KURVA PEMBELAJARAN
Pendekatan Aritmatika
Pendekatan Logaritma
Pendekatan Koefsien Kurva Pembelajaran
IMPLIKASI STRATEGIS KURVA PEMBELAJARAN
KETERBATASAN KURVA PEMBELAJARAN
Rangkuman
Istilah-istilah Penting
Menggunakan Peranti Lunak dalam Kurva Pembelajaran
Contoh Soal dan Penyelesaian
Uji Diri Sendiri
Pertanyaan untuk Diskusi
Soal-soal
Studi Kasus: Negosiasi SMT dengan IBM
Daftar Pustaka
GARIS BESAR PEMBAHASAN
MK-150 Manajemen Operasi
Hampir semua organisasi belajar dan meningkatkan diri dari waktu ke waktu. Ketika
karyawan dan perusahaan melaksanakan sebuah tugas berulang kali, mereka belajar
bagaimana cara melaksanakan tugas tersebut secara lebih efsien. Hal ini berarti
berkurangnya waktu dan biaya yang dikeluarkan.
Kurva pembelajaran (learning curve) didasarkan pada pemikiran yang
menyatakan bahwa organisasi dan orang-orang akan mengerjakan tugas mereka dengan
lebih baik ketika tugas-tugas tersebut diulang-ulang. Sebuah grafk, kurva pembelajaran
(yang digambarkan pada Figur E.1) menampilkan jam kerja yang dibutuhkan untuk
setiap unit dibandingkan dengan banyaknya unit yang diproduksi. Dapat dilihat bahwa
waktu yang dibutuhkan untuk menghasilkan sebuah unit berkurang—yang pada
umumnya mengikuti kurva eksponensial—sejalan dengan karyawan atau perusahaan
menghasilkan lebih banyak unit. Dengan kata lain, diperlukan waktu lebih sedikit untuk
menghasilkan setiap unit tambahan yang diproduksi perusahaan. Bagaimanapun juga,
terlihat juga pada Figur E.1 bahwa penghematan waktu untuk menyelesaikan setiap
unit berikutnya berkurang. Hal ini adalah atribut utama sebuah kurva pembelajaran.
Kurva pembelajaran pertama yang diterapkan pada industri ada pada sebuah
laporan yang disusun oleh T. P. Wright dari Curtis-Wright Corp. pada tahun 1936.
1

Wright menguraikan bagaimana biaya tenaga kerja langsung berkurang sejalan dengan
proses pembelajaran, sebuah teori yang diakui oleh produsen pesawat terbang lainnya.
1
T. P. Wright, "Factors Afecting the Cost of Airplanes," Journal of the Aeronautical Sciences (Februari 1936).
Kurva pembelajaran
Suatu dasar pemikiran yang
menyatakan bahwa organisasi dan
orang-orang akan mengerjakan
tugas mereka lebih baik ketika
tugas-tugas tersebut diulang;
terkadang disebut juga kurva
pengalaman.
Kurva pembelajaran
Suatu dasar pemikiran yang
menyatakan bahwa organisasi dan
orang-orang akan mengerjakan
tugas mereka lebih baik ketika
tugas-tugas tersebut diulang;
terkadang disebut juga kurva
pengalaman.
c Prosedur medis seperti operasi jantung mengikuti kurva pembelajaran. Penelitian membuktikan
bahwa tingkat kematian dari transplantasi jantung menurun sebesar 79%, sebuah kurva pembelajaran
yang jarang ditemui pada jenis industri lainnya. Tampaknya ada perbaikan dari dokter dan tim medis
sejalan dengan pengalaman. Bila tingkat kematian berkurang sebesar 50% setiap tiga operasi, praktik
tersebut dapat dibuat lebih sempurna.
MK-151 Modul Kuantitatif E • Kurva Pembelajaran
Terlepas dari waktu yang diperlukan untuk memproduksi pesawat pertama, diketahui
bahwa kurva pembelajaran diterapkan pada beragam kategori rangka pesawat (misalnya:
pesawat jet tempur, pesawat penumpang, dan pesawat pembom). Sejak saat itu, kurva
pembelajaran diterapkan tidak hanya pada tenaga kerja, tetapi juga pada beragam
biaya, termasuk biaya bahan mentah dan pembelian komponen. Kegunaan kurva
pembelajaran sangat penting dan memainkan peran utama dalam banyak keputusan
strategis yang berkaitan dengan tingkat ketenagakerjaan, biaya, kapasitas, dan proses
penetapan harga.
Kurva pembelajaran didasarkan pada penggandaan produksi: artinya, ketika
produksi dilipatgandakan, maka penurunan waktu setiap unit memengaruhi tingkat
kurva pembelajaran. Jadi, jika tingkat kurva pembelajaran adalah 80%, maka unit kedua
membutuhkan 80% waktu unit pertama, unit keempat membutuhkan 80% waktu unit
kedua, unit kedelapan membutuhkan 80% waktu unit keempat, dan sebagainya. Prinsip
ini dinyatakan sebagai:
T × L
n
= Waktu yang dibutuhkan untuk unit ke-n (E-1)
di mana T = biaya atau waktu per unit bagi unit pertama,
L = tingkat kurva pembelajaran,
n = banyaknya T dilipatgandakan.
Jika untuk membuat unit pertama dari produk tertentu dibutuhkan 10 jam kerja dan
jika terdapat kurva pembelajaran 70%, maka waktu yang dibutuhkan untuk membuat
unit keempat adalah dua kali lipatnya—dari 1 menjadi 2, kemudian menjadi 4. Karena
itu, rumusnya adalah:
Waktu yang diperlukan untuk membuat unit ke-4 = 10 × (0,7)
2
= 4,9 jam.

Tujuan Pembelajaran
1. Mendefnisikan kurva
pembelajaran.
Tujuan Pembelajaran
1. Mendefnisikan kurva
pembelajaran.
B
i
a
y
a
/
w
a
k
t
u

p
e
r

p
e
n
g
u
l
a
n
g
a
n
0 Jumlah pengulangan (volume)
Figur E.1 Efek kurva pembelajaran
menyatakan bahwa waktu per
pengulangan akan menurun sesuai
jumlah menaiknya pengulangan
MK-152 Manajemen Operasi
KURVA PEMBELAJARAN PADA BIDANG
MANUFAKTUR DAN JASA
Organisasi-organisasi yang berbeda—yakni yang memiliki produk berbeda—memiliki
kurva pembelajaran yang juga berbeda. Tingkat pembelajaran bervariasi tergantung
pada mutu manajemen serta proses dan produk yang potensial. Setiap perubahan
pada proses, produk, atau karyawan akan mengganggu kurva pembelajaran. Karena itu,
perhatian harus terus dilakukan dengan mengasumsikan bahwa kurva pembelajaran
sedang berlanjut dan bersifat permanen.
Seperti yang tampak pada Tabel E.1, kurva pembelajaran industri sangat bervariasi.
Semakin rendah nilai (70% dibandingkan dengan 90%), maka semakin curam kurva
dan biaya lebih cepat menurun. Secara tradisi, kurva pembelajaran dikatakan sebagai
pelengkap tingkat perbaikan. Sebagai contoh, sebuah kurva pembelajaran 70% berarti
terdapat penurunan waktu sebanyak 30% setiap kali pengulangan digandakan. Kurva
dengan nilai 90% berarti besarnya tingkat perbaikan yang bersesuaiannya adalah
10%.
Produk dan proses yang stabil dan terstandardisasi cenderung memiliki biaya
yang dapat merosot lebih tajam daripada produk dan proses lainnya. Sebagai contoh,
di antara tahun 1920 dan 1955, industri baja dapat mengurangi biaya jam kerja
untuk setiap unitnya hingga 79% secara kumulatif untuk setiap kali penggandaan
produksinya.
Kurva pembelajaran dapat diterapkan pada bidang jasa maupun manufaktur.
Tingkat kematian per tahun bagi pasien transplantasi jantung di Temple University
Hospital mengikuti kurva pembelajaran 79%. Hasil penelitian rumah sakit selama
3 tahun dari 62 orang pasien yang melakukan cangkok jantung buatan menyatakan
bahwa setiap tiga operasi dapat mengurangi tingkat kematian per tahun hingga
setengahnya. Ketika rumah sakit tersebut menghadapi tekanan baik dari perusahaan
asuransi maupun pemerintah untuk menegosiasikan harga tetap untuk jasa mereka,
kemampuan mereka untuk belajar dari pengalaman menjadi semakin kritis. Selain
digunakan pada bidang jasa dan manufaktur, kurva pembelajaran juga bermanfaat
untuk berbagai tujuan berikut.
1. Internal: peramalan tenaga kerja, penjadwalan, penetapan biaya, dan anggaran.
2. Eksternal: negosiasi rantai pasokan (lihat studi kasus SMT pada akhir modul
ini).
3. Strategis: evaluasi kinerja industri dan perusahaan, termasuk biaya dan penetapan
harga.
PENERAPAN KURVA PEMBELAJARAN
Terdapat sebuah hubungan matematis yang memungkinkan untuk menyatakan waktu
yang diperlukan untuk menghasilkan sebuah unit tertentu. Hubungan ini merupakan
sebuah fungsi banyaknya unit yang telah diproduksi sebelum unit yang dipertanyakan
tersebut dan berapa lama waktu yang diperlukan untuk menghasilkannya. Walaupun
Cobalah melakukan
pengujian efek kurva
pembelajaran pada beberapa
aktivitas yang Anda lakukan.
Contohnya, hitunglah waktu
yang diperlukan setiap
kali Anda menyusun rak
buku dan catatlah tingkat
perkembangannya.
Cobalah melakukan
pengujian efek kurva
pembelajaran pada beberapa
aktivitas yang Anda lakukan.
Contohnya, hitunglah waktu
yang diperlukan setiap
kali Anda menyusun rak
buku dan catatlah tingkat
perkembangannya.
Peramalan kebutuhan tenaga
kerja yang berlebihan serta
peramalan kebutuhan bahan
baku yang tidak memadai
dapat terjadi bila efek belajar
diabaikan.
Peramalan kebutuhan tenaga
kerja yang berlebihan serta
peramalan kebutuhan bahan
baku yang tidak memadai
dapat terjadi bila efek belajar
diabaikan.
Jurnal-jurnal perdagangan
menerbitkan data berbagai
industri mengenai tingkat
pembelajaran berbagai
operasi spesifik.
Jurnal-jurnal perdagangan
menerbitkan data berbagai
industri mengenai tingkat
pembelajaran berbagai
operasi spesifik.
MK-153 Modul Kuantitatif E • Kurva Pembelajaran
prosedur ini menentukan lamanya waktu yang diperlukan untuk menghasilkan unit
yang telah ditentukan, konsekuensi dari analisis ini lebih luas jangkauannya. Biaya
menurun dan efsiensi meningkat bagi perusahaan individu dan industri. Karena itu,
permasalahan besar dalam penjadwalan akan terjadi jika operasi tidak disesuaikan
dengan implikasi dari kurva pembelajaran yang ada. Sebagai contoh, jika peningkatan
kurva pembelajaran tidak dipertimbangkan ketika melakukan penjadwalan, hal ini
dapat menghasilkan tenaga kerja dan fasilitas produksi menjadi kosong pada sebagian
waktu. Lebih lanjut, perusahaan dapat menolak pekerjaan tambahan sebab mereka
tidak mempertimbangkan peningkatan efsiensi mereka sendiri yang diakibatkan
oleh adanya proses pembelajaran. Dari sisi rantai pasokan, yang menjadi perhatian
adalah dalam menegosiasikan banyaknya biaya pemasok untuk produksi lebih lanjut
berdasarkan ukuran pesanan. Hal-hal tersebut merupakan sedikit pembahasan pada
efek kurva pembelajaran.
Dengan prinsip ini, perhatikan tiga jalan pendekatan kurva pembelajaran secara
matematis: analisis aritmatika, analisis logaritma, dan koefsien kurva pembelajaran.
Pendekatan Aritmatika
Pendekatan aritmatika (arithmetic approach) adalah pendekatan yang paling sederhana pada
permasalahan kurva pembelajaran. Seperti yang telah diuraikan pada awal modul ini, setiap kali
produksi berlipat dua, maka tenaga kerja per unit menurun dengan sebuah faktor konstan yang
dikenal sebagai tingkat pembelajaran. Jika tingkat pembelajaran diketahui sebesar 80% dan unit
Tujuan Pembelajaran
2. Menggunakan
konsep aritmatika untuk
meramalkan waktu.
Tujuan Pembelajaran
2. Menggunakan
konsep aritmatika untuk
meramalkan waktu.
Tabel E.1 Contoh-contoh Efek Kurva Pembelajaran
Contoh Parameter Peningkatan Parameter Kumulatif
Lengkungan Kurva
Pembelajaran (%)
1. Produksi Ford Model-T Harga Unit yang diproduksi 86
2. Perakitan pesawat Jam kerja per unit Unit yang diproduksi 80
3. Perawatan peralatan di GE Waktu rata-rata yang
diperlukan untuk
mengganti sekelompok
perangkat
Jumlah penggantian 76
4. Produksi baja Produksi jam kerja
pekerja per unit yang
diproduksi
Unit yang diproduksi 79
5. Sirkuit terintegrasi Harga rata-rata per unit Unit yang diproduksi 72
a
6. Kalkulator genggam Harga jual pabrik rata-
rata
Unit yang diproduksi 74
7. Disk memory drive Harga rata-rata per bit Jumlah bit 76
8. Transplantasi jantung Tingkat kematian 1
tahun
Transplantasi yang
dilakukan
79
a
Satuan dolar dianggap konstan.
Sumber: James A. Cunningham, “Using Te Learning Curve as a Management Tool”. IEEE Spectrum (Juni 1980): 45 © 1980 IEEE: dan
Davis B. Smith dan Jan L. Larson, “Te Impact of Learning on Cost: Te Case of Heart Transplantation”. Hospital and Health Services
Administration (Musim Semi 1989): 85–97.
MK-154 Manajemen Operasi
pertama yang diproduksi membutuhkan waktu 100 jam, maka waktu yang diperlukan untuk
menghasilkan unit kedua, keempat, kedelapan, dan keenambelas adalah sebagai berikut.
Unit Ke-n yang
Diproduksi
Waktu untuk unit ke-n
1 100,0
2 80,0 = (0,8 × 100)
4 64,0 = (0,8 × 80)
8 51,2 = (0,8 × 64)
16 41,0 = (0,8 × 51,2)
Selama yang diinginkan adalah menemukan waktu yang diperlukan untuk menghasilkan
satu unit N dan N merupakan satu nilai ganda, maka pendekatan ini dapat bekerja.
Analisis aritmatika tidak memberitahukan lamanya waktu yang diperlukan untuk
menghasilkan unit lain. Untuk feksibilitas inilah, perlu beralih ke pendekatan
logaritma.

Pendekatan Logaritma
Pendekatan logaritma (logarithmic approach) dapat menentukan tenaga kerja untuk
setiap unit, T
N
, dengan rumus:
T
N
= T
1
(N
b
) (E-2)
di mana: T
N
= waktu untuk unit ke-N
T
1
= waktu yang dibutuhkan untuk memproduksi unit pertama
b = (log dari tingkat pembelajaran)/(log 2)
= kemiringan kurva pembelajaran
Tabel E.2 Nilai-nilai Kurva Pembelajaran b
Tingkat
Pembelajaran (%)
b
70 –0,515
75 –0,415
80 –0,322
85 –0,234
90 –0,152
Beberapa nilai b disajikan pada Tabel E.2. Contoh E1 menunjukkan bagaimana rumus
ini bekerja.
MK-155 Modul Kuantitatif E • Kurva Pembelajaran
Menggunakan pencatatan untuk menghitung kurva pembelajaran
Tingkat pembelajaran bagi seorang akuntan publik bersertifkat dalam melakukan audit
praktik dokter gigi adalah 80%. Greg Lattier, seorang lulusan Lee College, menyelesaikan audit
pertamanya dalam 100 jam. Jika klinik-klinik gigi yang ia audit dianggap sama, berapa waktu
yang dibutuhkan oleh Lattier untuk menyelesaikan pekerjaan ketiganya?
Pendekatan: Kita akan menggunakan pendekatan logaritma dalam Persamaan (E-2).
Solusi:
T
N
= T
1
(N
b
)
T
3
= (100 jam)(3
b
)
= (100)(3
log 0,8/log2
)
= (100)(3
-0,322
) = 70,2 jam kerja
Pemahaman: Dari pengalaman Greg melakukan audit pertama hingga audit ketiga, ia telah
mengalami perkembangan pesat. Tingkat rata-rata 80% berarti dari pekerjaan pertama ke
pekerjaan kedua, waktu yang diperlukannya untuk menyelesaikan pekerjaan berkurang 20%.
Latihan pembelajaran: Jika tingkat pembelajaran Greg hanya 90%, berapa lama waktu yang
dibutuhkannya untuk melakukan audit ketiga? [Jawaban: 84,621 jam.]
Masalah serupa: E.1, E.2, E.9, E.10, E.11, E.16.
Pendekatan logaritma memungkinkan kita untuk menentukan berapa jam yang
diperlukan untuk menghasilkan setiap unit, tetapi ada metode lain yang lebih
sederhana.

Pendekatan Koefsien Kurva Pembelajaran
Teknik koefsien kurva pembelajaran terdapat dalam Tabel E.3 dan dalam persamaan
berikut.
T
N
= T
1
C (E-3)
di mana
T
N
= jumlah tenaga kerja yang dibutuhkan untuk memproduksi unit ke-N,
T
1
= jumlah tenaga kerja yang dibutuhkan untuk memproduksi unit pertama,
C = koefsien kurva pembelajaran yang ditemukan pada Tabel E.3.
Koefsien kurva pembelajaran, C, bergantung baik pada tingkat pembelajaran (70%,
75%, 80%, dan seterusnya) maupun pada unit yang diinginkan.

Contoh E2 menggunakan persamaan sebelumnya dan Tabel E.3 untuk menghitung
efek kurva pembelajaran.
Contoh E1 Contoh E1
Tujuan Pembelajaran
3. Menghitung efek kurva
pembelajaran dengan
menggunakan pendekatan
logaritma dan koefsien
kurva pembelajaran
MK-156 Manajemen Operasi
Tabel E.3 Koefisien-koefisien Kurva Pembelajaran, di mana Koefisien C = N
(log tingkat pembelajaran/log 2)
70% 75% 80% 85% 90%
Unit
Waktu
(N)
Unit
Waktu
Waktu
Total
Unit
Waktu
Waktu
Total
Unit
Waktu
Waktu
Total
Unit
Waktu
Waktu
Total
Unit
Waktu
Waktu
Total
1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
2 0,700 1,700 0,750 1,750 0,800 1,800 0,850 1,850 0,900 1,900
3 0,568 2,268 0,634 2,384 0,702 2,502 0,773 2,623 0,846 2,746
4 0,490 2,758 0,562 2,946 0,640 3,142 0,723 3,345 0,810 3,556
5 0,437 3,195 0,513 3,459 0,596 3,738 0,686 4,031 0,783 4,339
6 0,398 3,593 0,475 3,934 0,562 4,299 0,657 4,688 0,762 5,101
7 0,367 3,960 0,446 4,380 0,534 4,834 0,634 5,322 0,744 5,845
8 0,343 4,303 0,422 4,802 0,512 5,346 0,614 5,936 0,729 6,574
9 0,323 4,626 0,402 5,204 0,493 5,839 0,597 6,533 0,716 7,290
10 0,306 4,932 0,385 5,589 0,477 6,315 0,583 7,116 0,705 7,994
11 0,291 5,223 0,370 5,958 0,462 6,777 0,570 7,686 0,695 8,689
12 0,278 5,501 0,357 6,315 0,449 7,227 0,558 8,244 0,685 9,374
13 0,267 5,769 0,345 6,660 0,438 7,665 0,548 8,792 0,677 10,052
14 0,257 6,026 0,334 6,994 0,428 8,092 0,539 9,331 0,670 10,721
15 0,248 6,274 0,325 7,319 0,418 8,511 0,530 9,861 0,663 11,384
16 0,240 6,514 0,316 7,635 0,410 8,920 0,522 10,383 0,656 12,040
17 0,233 6,747 0,309 7,944 0,402 9,322 0,515 10,898 0,650 12,690
18 0,226 6,973 0,301 8,245 0,394 9,716 0,508 11,405 0,644 13,334
19 0,220 7,192 0,295 8,540 0,388 10,104 0,501 11,907 0,639 13,974
20 0,214 7,407 0,288 8,828 0,381 10,485 0,495 12,402 0,634 14,608
25 0,191 8,404 0,263 10,191 0,355 12,309 0,470 14,801 0,613 17,713
30 0,174 9,305 0,244 11,446 0,335 14,020 0,450 17,091 0,596 20,727
35 0,160 10,133 0,229 12,618 0,318 15,643 0,434 19,294 0,583 23,666
40 0,150 10,902 0,216 13,723 0,305 17,193 0,421 21,425 0,571 26,543
45 0,141 11,625 0,206 14,773 0,294 18,684 0,410 23,500 0,561 29,366
50 0,134 12,307 0,197 15,776 0,284 20,122 0,400 25,513 0,552 32,142
Menggunakan koefsien kurva pembelajaran
Produsen galangan kapal Korea membutuhkan 125.000 jam kerja untuk menghasilkan beberapa
kapal penarik pertama yang akan dibeli oleh perusahaan Anda, yaitu Great Lakes, Inc. Kapal
kedua dan ketiga telah diproduksi oleh perusahaan Korea dengan tingkat pembelajaran 85%.
Dengan upah $40 per jam, berapakah yang Anda harapkan sebagai agen pembelian untuk
membayar unit yang keempat?
Pendekatan: Pertama, cari pada Tabel E.3 unit keempat dan tingkat pembelajaran 85%. Koefsien
kurva pembelajaran C adalah 0,723.
Contoh E2 Contoh E2
MK-157 Modul Kuantitatif E • Kurva Pembelajaran
Solusi: Untuk menghasilkan unit yang keempat dibutuhkan waktu:
T
N
= T
1
C
T
4
= (125.000 jam)(0,723)
= 90.375 jam
Untuk mendapatkan biayanya, kalikan dengan $40:
90.375 jam × $40 per jam = $3.615.000
Pemahaman: Pendekatan koefsien kurva pembelajaran sangat mudah diterapkan. Jika kita tidak
memasukkan faktor pembelajaran ke dalam peramalan biaya, harganya akan menjadi 125.000
jam × $40 per jam (sama dengan biaya pembuatan kapal pertama) = $6.000.000.
Latihan pembelajaran: Jika faktor pembelajarannya naik 80%, bagaimanakah perubahan harga
yang terjadi? [Jawaban: Harga akan turun hingga $3.200.000.]
Soal masalah serupa: E.1, E.2, E.3a, E.5a, c, E.6a, b, E.9, E.10, E.11, E.14, E.16, E.22.
Tabel E.3 juga menunjukkan nilai kumulatif. Dengan nilai ini, waktu total yang
dibutuhkan untuk memproduksi sejumlah unit dapat dihitung. Sekali lagi, perhitungan
yang dibutuhkan sangat sederhana. Kalikan saja nilai tabel dengan waktu yang
dibutuhkan untuk unit yang pertama. Contoh E3 menjelaskan konsep ini.
Menggunakan koefsien-koefsien kumulatif
Contoh E2 menghitung waktu untuk memproduksi kapal penarik keempat yang akan dibeli
oleh Great Lakes. Berapa lama yang dibutuhkan untuk memproduksi keempat kapal?
Pendekatan: Dengan melihat kolom “waktu total” pada Tabel E.3, dapat ditemukan bahwa
koefsien kumulatifnya adalah 3,345.
Solusi: Dengan demikian, waktu yang dibutuhkan adalah
T
N
= T
1
C
T
4
= (125.000)(3,345)= 418.125 jam untuk keempat kapal.
Pemahaman: Ilustrasi penggunaan Excel OM untuk menyelesaikan Contoh E2 dan E3 dapat
dilihat pada Program E.1 di akhir modul ini.
Latihan pembelajaran: Berapakah nilai T
4
jika faktor pembelajarannya 80%, alih-alih 85%?
[Jawaban : 392.750 jam.]
Masalah serupa: E.3b, E.3, E.5b, c, E.6c, E.7, E.15, E19, E.20a.
Contoh E3 Contoh E3
MK-158 Manajemen Operasi
Untuk menggunakan Tabel E.3, harus diketahui terlebih dahulu waktu yang dibutuhkan
untuk menyelesaikan unit pertama. Walaupun demikian, apakah yang akan terjadi jika
tersedia informasi terbaru yang paling dapat dipercaya untuk unit lain? Jawabannya
adalah data ini harus digunakan untuk menemukan sebuah perkiraan untuk meninjau
kembali unit pertama, kemudian menerapkan tabel bagi jumlah tersebut. Contoh E4
menggambarkan konsep ini.
Merevisi perkiraan kurva pembelajaran
Great Lakes, Inc. percaya bahwa kondisi yang tidak lazim dalam proses produksi kapal pertama
(lihat Contoh E2) menyiratkan bahwa perkiraan waktu 125.000 jam tidaklah sah sebagai dasar
perhitungan waktu yang diperlukan untuk memproduksi kapal ketiga. Kapal ketiga diselesaikan
dalam waktu 100.000 jam. Perlu dilakukan peninjauan ulang atas perkiraan kapal pertama.
Pendekatan: Untuk menyelesaikan perkiraan tinjauan ulang untuk kapal pertama, kembali
pada Tabel E.3, dengan nilai unit N = 3 dan koefsien kurva pembelajaran C = 0,773 pada
kolom 85%.
Solusi: Untuk menemukan perkiraan revisinya, waktu aktual untuk kapal ketiga, 100.000 jam,
dibagi dengan C = 0,773.
100.000
= 129.366 jam
0.773
Jadi, perkiraan baru (hasil revisi) untuk kapal pertama adalah 129.366 jam.
Pemahaman: Setiap perubahan pada produk, proses, atau orang yang terlibat dalam proses
produksi akan mengubah kurva pembelajaran. Perkiraan baru untuk kapal 1 menyatakan
perlunya revisi terhadap perkiraan biaya dan volume.
Latihan pembelajaran: Kapal keempat baru diselesaikan dalam 90.000 jam. Great Lakes
berpendapat bahwa tingkat pembelajaran yang tepat adalah 85%, tetapi perusahaan tersebut
tidak yakin dengan waktu 125.000 jam yang dibutuhkan untuk menyelesaikan kapal pertama.
Carilah perkiraan revisi untuk kapal pertama. [Jawaban: 124.481, ternyata perkiraan waktu
untuk kapal pertama sudah cukup akurat.]
IMPLIKASI STRATEGIS KURVA PEMBELAJARAN
Sejauh ini, sudah diterangkan bagaimana para manajer operasi meramalkan jam
kerja yang dibutuhkan bagi sebuah produk. Juga telah diterangkan cara seorang agen
pembelian dapat menentukan harga pemasok, pengetahuan yang dapat membantu
negosiasi harga. Penerapan penting kurva pembelajaran lainnya berhubungan dengan
perencanaan strategis.
Sebuah contoh dari garis harga perusahaan dan garis harga industri diberi label
pada Figur E.2. Kurva pembelajaran ini lurus karena kedua skalanya merupakan skala
logaritmik. Ketika laju perubahan konstan, grafk menghasilkan sebuah garis lurus.
Contoh E4 Contoh E4
Tujuan Pembelajaran
4. Menjelaskan implikasi
stratetgis kurva
pembelajaran.
Tujuan Pembelajaran
4. Menjelaskan implikasi
stratetgis kurva
pembelajaran.
MK-159 Modul Kuantitatif E • Kurva Pembelajaran
Jika sebuah organisasi percaya garis biayanya merupakan garis “biaya perusahaan” dan
harga industri ditandai oleh garis terputus-putus, maka perusahaan harus memiliki
biaya pada titik-titik di bawah garis terputus-putus tadi (sebagai contoh, titik a atau
b) atau beroperasi merugi (pada titik c).
Penurunan biaya tidak terjadi secara otomatis; biaya harus ditekan ke bawah. Jika
strategi perusahaan adalah mencapai kurva yang lebih curam dibandingkan dengan
industri rata-rata (garis biaya perusahaan pada Figur E.2), perusahaan dapat melakukan
hal ini dengan cara-cara berikut.
1. Menerapkan kebijakan harga yang agresif.
2. Berfokus pada peningkatan produktivitas dan pengurangan biaya yang
berkelanjutan.
3. Membagi pengalaman.
4. Menjaga kapasitas dapat tumbuh di atas permintaan.
Biaya dapat turun saat perusahaan mengejar kurva pembelajaran, tetapi volume
harus ditingkatkan agar kurva pembelajaran tetap ada. Lebih dari itu, para manajer
harus memahami pesaing sebelum menjalankan sebuah strategi kurva pembelajaran.
Pesaing yang lemah adalah pesaing yang kurang modal, terjebak dalam biaya yang
mahal, atau tidak memahami logika kurva pembelajaran. Bagaimanapun juga, para
pesaing yang berbahaya dan kuat mengendalikan biaya mereka, memiliki posisi
keuangan yang kuat untuk investasi besar yang diperlukan, dan memiliki catatan
menggunakan strategi kurva pembelajaran yang agresif. Menghadapi pesaing seperti
ini pada sebuah perang harga hanya akan menguntungkan konsumen.
KETERBATASAN KURVA PEMBELAJARAN
Sebelum menggunakan kurva pembelajaran, perhatikan beberapa hal berikut sesuai
dengan urutan berikut.
Penerapan kurva
pembelajaran:
1. Internal → menentukan
standar tenaga kerja dan
tingkat pasokan material
yang diperlukan.
2. Eksternal →
menentukan biaya
pembelian.
3. Strategis →
menentukan perubahan-
perubahan volume-
biaya.
Penerapan kurva
pembelajaran:
1. Internal → menentukan
standar tenaga kerja dan
tingkat pasokan material
yang diperlukan.
2. Eksternal →
menentukan biaya
pembelian.
3. Strategis →
menentukan perubahan-
perubahan volume-
biaya.
Volume akumulasi (skala log)
Margin
keuntungan kotor
H
a
r
g
a

i
n
d
u
s
t
r
i
Kerugian
H
a
r
g
a

p
e
r

u
n
i
t

(
s
k
a
l
a

l
o
g
)
B
i
a
y
a

p
e
r
u
s
a
h
a
a
n
(c)
(b)
(a)
Figur E.2 Kurva pembelajaran
Harga Industri Dibandingkan
dengan Kurva pembelajaran
Biaya Perusahaan
Catatan: sumbu vertikal dan
horizontal pada gambar di atas
dinyatakan dalam skala log. Grafik
tersebut dikenal sebagai grafik
log-log.
MK-160 Manajemen Operasi
• Karena kurva pembelajaran berbeda pada setiap perusahaan dan industri, maka
perkiraan untuk setiap organisasi harus dibuat, bukannya menerapkan kurva
pembelajaran perusahaan atau industri lain.
• Kurva pembelajaran sering berdasarkan pada waktu diperlukan untuk
memproduksi unit-unit awal; karena itu, waktu tersebut harus akurat. Setelah
informasinya tersedia, perlu dilakukan evaluasi ulang.
• Segala perubahan pada karyawan, desain, atau prosedur dapat mengubah kurva
pembelajaran. Bentuk kurva dapat tetap sepanjang suatu periode waktu yang
pendek, sekalipun akan jatuh pada jangka panjang.
• Sementara para pekerja dan proses membaik, kurva pembelajaran yang sama tidak
selalu dapat diterapkan bagi tenaga kerja tidak langsung dan bahan mentah.
• Budaya kerja, begitu juga ketersediaan sumber daya dan perubahan dalam proses,
bisa mengubah kurva pembelajaran. Sebagai contoh, ketika sebuah proyek hampir
selesai, upaya dan minat para pekerjanya mungkin menurun dan membatasi
kemajuan kurva.
Rangkuman
Kurva pembelajaran merupakan sebuah alat bantu yang sangat bermanfaat bagi manajer operasi.
Alat ini dapat membantu para manajer operasi menentukan biaya standar mendatang untuk
benda yang diproduksi dan dibeli. Lebih lagi, kurva pembelajaran memberikan pemahaman
akan kinerja industri dan perusahaan. Terdapat tiga pendekatan kurva pembelajaran: analisis
aritmatika, analisis logaritma, dan koefsien kurva pembelajaran yang ditemukan pada tabel.
Peranti lunak juga dapat membantu menganalisis kurva pembelajaran.

Istilah Penting
Kurva pembelajaran
Menggunakan Peranti Lunak untuk Kurva Pembelajaran
Excel, Excel OM, dan POM for Windows dapat digunakan untuk menganalisis kurva
pembelajaran. Anda dapat menggunakan gagasan-gagasan pada bagian Excel OM berikut untuk
membuat spreadsheet Excel Anda sendiri.
X Menggunakan Excel OM
Program E.1 menunjukkan bagaimana Excel OM digunakan untuk membuat spreadsheet
penghitungan kurva pembelajaran. Data dimasukkan dari Contoh E2 dan E3. Pada sel B7, kita
memasukkan jumlah unit sebagai unit dasar (tidak selalu harus bernilai 1); pada sel B8, kita
memasukkan waktu yang diperlukan untuk unit tersebut.
MK-161 Modul Kuantitatif E • Kurva Pembelajaran
Menggunakan POM for Windows
Modul kurva pembelajaran POM for Windows menghitung panjang waktu yang diperlukan
untuk menyelesaikan unit yang akan dikerjakan. Perhitungannya dilakukan berdasarkan unit
dasar dan tingkat pembelajaran (dinyatakan dalam nilai antara 0 dan 1). Sebagai tambahan
pilihan, jika waktu yang diperlukan untuk menyelesaikan unit pertama dan unit ke-N telah
diketahui, kita dapat menghitung tingkat pembelajaran. Perinciannya dapat dilihat pada
Lampiran IV.

=SUM($B$16:B16)
Angka-angka ini digunakan untuk penghitungan. Jangan mengubah-ubah sel ini. Pada sel B11, waktu untuk
unit pertama dihitung sehingga memungkinkan kita untuk menggunakan unit awal selain unit 1. Pada sel B12,
dihitung tenaga yang akan dinaikkan sehingga rumus lain pada kolom B akan menjadi lebih sederhana.
=$B$11*POWER(1,$B$12)
Program E.1 Modul Kurva pembelajaran Excel OM dengan Menggunakan Data dari
Contoh E2 dan E3
Contoh Soal
Contoh Soal E.1
Digicomp memproduksi sistem telepon baru yang sudah dilengkapi layar TV. Kurva
pembelajarannya adalah 80%.
a. Jika sistem telepon pertama membutuhkan waktu 56 jam, berapakah waktu yang diperlukan
untuk membuat sistem yang ke-11?
b. Berapakah waktu total yang dibutuhkan oleh kesebelas sistem yang pertama?
c. Sebagai agen pembelian, Anda diharapkan membeli sistem telepon ini, mulai dari unit
ke-12 hingga unit ke-15. Berapakah biaya yang Anda harapkan untuk unit-unit ini jika
Digicomp membebankan $30 untuk setiap jam kerja?
MK-162 Manajemen Operasi
Jawaban
a. T
N
= T
1
C;
T
11
= (56 jam)(0,462) = 25,9 jam
b. Waktu total untuk 11 unit pertama = (56 jam)(6,777) = 379,5 jam
[dari Tabel E.3, koefsien 80% waktu unit]
c. Untuk menemukan waktu bagi unit 12 hingga 15, diambil waktu kumulatif total untuk
unit 1 hingga 15 dan dikurangi oleh waktu total unit 1 hingga 11, yang telah dihitung
di bagian (b). Waktu total untuk 15 unit pertama = (56 jam)(8,511) = 476,6 jam.
Jadi, waktu untuk unit 12 hingga 15 adalah 476,6 – 379,5 = 97,1 jam. (Nilai ini juga
dapat diperiksa ulang dengan menghitung waktu untuk unit 12, 13, 14, dan 15 secara
terpisah menggunakan kolom unit waktu, kemudian menjumlahkannya.) Biaya yang
diharapkan untuk unit 12 hingga 15 = (97,1 jam)($30 per jam) = $2.913.
Contoh Soal E.2
Jika pekerjaan pertama kali yang Anda lakukan membutuhkan waktu 60 menit, berapakah
waktu yang dibutuhkan untuk pekerjaan kedelapan jika Anda berada pada kurva pembelajaran
80%?

Jawaban
Penggandaan tiga kali dari 1 menjadi 2 menjadi 4 menjadi 8 adalah 0,8
3
. Karena itu,
60 × (0,8)
3
= 60 × 0,512 = 30,72 menit
atau menggunakan Tabel E.3 akan diperoleh C = 0,512. Oleh karena itu,
60 × 0,512 = 30,72 menit.
Uji Diri Sendiri
• Sebelum melakukan uji diri sendiri, lihat tujuan pembelajaran di awal bab dan istilah-
istilah penting di akhir bab.
• Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.
• Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang
Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik.
1. Kurva pembelajaran menjelaskan mengenai...
a. tingkat di mana suatu organisasi mendapatkan informasi baru.
b. jumlah waktu produksi per unit sebagai besar total dari kenaikan unit yang
diproduksi.
c. penurunan waktu produksi per unit sebagai besar total dari kenaikan unit yang
diproduksi.
d. kenaikan jumlah unit yang diproduksi per waktu unit sebagai jumlah total dari kenaikan
unit yang diproduksi.
2. Batasan-batasan pendekatan kurva pembelajaran termasuk...
a. kurva pembelajaran hanya berlaku pada proses produksi yang relatif sederhana.
b. kurva pembelajaran hanya berlaku saat besar total unit yang diproduksi relatif
sedikit.
[dari Tabel E.3, koefsien 80% waktu unit] [dari Tabel E.3, koefsien 80% waktu unit]
MK-163 Modul Kuantitatif E • Kurva Pembelajaran
c. kurva pembelajaran harus dikembangkan lagi saat terjadi perubahan produksi atau
perubahan proses produksi.
d. kurva pembelajaran hanya dapat diterapkan pada proses produksi yang sangat
terotomatisasi.
e. Semua jawaban di atas benar.
3. Nama lain untuk kurva pembelajaran adalah...
a. kurva produksi.
b. kurva pengalaman.
c. kurva eksponensial.
d. Semua jawaban di atas benar.
4. Kurva pembelajaran memiliki tingkat yang berbeda-beda karena...
a. teknologi industri.
b. perubahan pada produk.
c. jumlah pengalaman yang disebarluaskan.
d. perubahan personel.
e. Semua jawaban di atas benar.
5. Aplikasi-aplikasi kurva pembelajaran termasuk _______, ______, ______, ______, dan
______.
Pertanyaan untuk Diskusi
1. Apakah keterbatasan dari penggunaan kurva pembelajaran?
2. Identifkasikan tiga penerapan kurva pembelajaran!
3. Apakah pendekatan yang digunakan untuk memecahkan persoalan kurva pembelajaran?
4. Mengacu pada Contoh E2, apakah implikasi bagi Great Lakes, Inc. jika departemen
rekayasanya ingin mengubah mesin pada kapal penarik ketiga dan keempat yang dibeli
oleh perusahaan?
5. Mengapa konsep kurva pembelajaran dapat diterapkan pada lini perakitan bervolume tinggi
sebagaimana pada hampir semua aktivitas manusia?
6. Apakah unsur yang dapat mengganggu kurva pembelajaran?
7. Jelaskan konsep efek “penggandaan” dalam kurva pembelajaran!
8. Teknik apakah yang dapat digunakan perusahaan untuk pindah ke kurva pembelajaran
yang lebih curam?
Soal-soal*
2
E.1 Amand Heinl, seorang auditor IRS (badan pajak di AS), membutuhkan waktu 45 menit
untuk memproses pengembalian pajak pertamanya. IRS menggunakan kurva pembelajaran
85%. Berapa lamakah waktu untuk:
a) pengembalian kedua?
b) pengembalian keempat?
c) pengembalian kedelapan?
*Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.
MK-164 Manajemen Operasi
E.2 Seton Hall Trucking Co. baru mempekerjakan Sally Kissel untuk memverifkasi utang
dagang dan faktur harian. Sally membutuhkan waktu 9 jam dan 23 menit untuk menyelesaikan
tugasnya pada hari pertama. Sebelumnya, karyawan yang mengerjakan pekerjaan ini cenderung
mengikuti kurva pembelajaran 90%. Berapakah waktu yang diperlukan untuk menyelesaikan
pekerjaan pada:
a) hari kedua?
b) hari keempat?
c) hari kedelapan?
d) hari keenambelas?

E.3 Jika Profesor Donna Conroy membutuhkan waktu 15 menit untuk menyusun nilai ujian
pertama kali dan mengikuti kurva pembelajaran 80%, berapakah waktu yang dibutuhkannya:
a) untuk menilai ujian ke-25?
b) untuk menilai 10 ujian pertama?
E.4 Jika untuk menyelesaikan pencangkokan kornea mata pertama kali di rumah sakit
dibutuhkan waktu 563 menit dengan tingkat pembelajaran 90%, berapakah waktu kumulatif
untuk menyelesaikan:
a) 3 operasi pencangkokan pertama?
b) 6 operasi pencangkokan pertama?
c) 9 operasi pencangkokan pertama?
d) 16 operasi pencangkokan pertama?
E.5 Beth Zion Hospital telah menerima sertifkasi awal dari negara bagian California sebagai
pusat pencangkokan hati. Bagaimanapun juga, pihak rumah sakit harus menyelesaikan 18
pencangkokan pertamanya dengan teliti dan tidak membebankan biaya kepada pasien.
Pencangkokan pertama yang baru selesai memerlukan waktu 30 jam. Berdasarkan penelitian
yang dilakukan di rumah sakit, Beth Zion memperkirakan rumah sakit memiliki kurva
pembelajaran 80%. Perkirakan waktu yang dibutuhkan untuk menyelesaikan:
a) pencangkokan hati yang kelima,
b) lima pencangkokan yang pertama,
c) pencangkokan ke-18,
d) delapan belas pencangkokan yang pertama.
E.6 Mengacu pada Soal E.5, rumah sakit Beth Zion diberitahukan bahwa hanya 10 operasi
pencangkokan yang harus dibiayai oleh rumah sakit. Biaya perawatan per jam diperkirakan
mencapai $5.000. Tingkat pembelajaran adalah 80% dan perawatan pertama membutuhkan
waktu 30 jam.
MK-165 Modul Kuantitatif E • Kurva Pembelajaran
a) Berapakah waktu yang dibutuhkan untuk operasi kesepuluh?
b) Berapa biaya operasi kesepuluh?
c) Berapakah biaya keseluruhan 10 operasi yang dibiayai rumah sakit?
E.7 Manceville Air baru memproduksi kompresor industri yang menyatukan teknologi
sirkuit kendali baru dengan sistem ventilasi internal baru. Unit pertama membutuhkan waktu
112 jam tenaga kerja. Perusahaan mengetahui dari pengalaman masa lalu bahwa porsi tenaga
kerja akan berkurang secara signifkan dengan bertambahnya jumlah unit yang diproduksi.
Dengan meninjau ulang data produksi masa lampau, terlihat bahwa perusahaan memiliki kurva
pembelajaran 90% saat memproduksi desain serupa. Perusahaan tertarik memperkirakan waktu
total untuk menyelesaikan 7 unit berikutnya. Pekerjaan Anda adalah menyiapkan perkiraan
biaya.

E.8 John Howard, seorang mahasiswa University of South Alabama, membeli enam rak buku
bagi kamar asramanya. Setiap rak buku membutuhkan pembongkaran dan perakitan komponen,
termasuk pekerjaan memaku dan memasang baut. Candice menyelesaikan rak buku pertama
dalam waktu 5 jam dan yang kedua 4 jam.
a) Berapakah tingkat pembelajarannya?
b) Umpamakan tingkat pembelajaran yang sama berlanjut, berapakah waktu yang
dibutuhkan untuk rak buku ketiga?
c) Rak buku keempat, kelima, dan keenam?
d) Keenam rak buku itu seluruhnya?

E.9 Profesor Mary Beth Marrs membutuhkan waktu 6 jam untuk menyiapkan kuliah pertama
pada sebuah kursus baru. Profesor Mary biasanya memiliki tingkat pembelajaran 90%. Berapakah
waktu yang diperlukan untuk menyiapkan kuliah yang kelima belas?

E.10 Mesin pertama yang dirakit oleh Michael Vest, Inc. membutuhkan 80 jam kerja. Perkirakan
berapa waktu yang dibutuhkan untuk merakit mesin keempat untuk setiap tingkat pembelajaran
berikut:
a) 95%,
b) 87%,
c) 72%.

E.11 Kara-Smith Systems sedang memasang jaringan untuk Advantage Insurance. Proses
pemasangan pertama membutuhkan waktu 46 jam kerja. Perkirakan berapa lama pemasangan
jaringan keempat dan kedelapan pada setiap tingkat pembelajaran berikut:
a) 92%,
b) 84%,
c) 77%.
E.12 Baltimore Assessment Center menyaring dan melatih pekerja untuk sebuah perusahaan
perakitan komputer di Towson, Maryland. Kemajuan dari semua peserta latihan dicatat, dan
mereka yang tidak menunjukkan kemajuan yang memadai dipindahkan ke program yang
memiliki permintaan rendah. Pada pengulangan yang kesepuluh kali, para peserta latihan harus
mampu menyelesaikan perakitan dalam waktu satu jam atau lebih sedikit. Torri Olson-Alves
membutuhkan waktu 5 jam untuk unit keempat dan 4 jam untuk unit kedelapan. Sementara
itu, peserta latihan yang lain, Kate Derrick, membutuhkan waktu 4 jam pada unit ketiga dan 3
jam untuk unit keenam. Perlukah Anda menyarankan salah satu atau kedua peserta latihan ini
untuk melanjutkan latihannya? Mengapa?

MK-166 Manajemen Operasi
E.13 Peserta yang lebih baik pada Baltimore Assessment Center (lihat Soal E.12) memiliki kurva
pembelajaran 80% dan dapat melakukan sebuah tugas selama 20 menit setelah mengulang enam
kali saja. Anda bermaksud segera mengeliminasi peserta yang lemah dan memutuskan untuk
mengevaluasi mereka setelah unit ketiga. Berapa waktu yang diperlukan untuk menyelesaikan
unit ketiga?
E.14 Wanda Fennell, agen pembelian Northeast Airlines, ingin menentukan berapa yang harus
ia bayar untuk pesawat keempat jika pesawat ketiga membutuhkan waktu produksi 20.000
jam. Berapakah yang harus David bayar untuk pesawat kelima dan keenam? Gunakan kurva
pembelajaran 85% dan upah tenaga kerja $40 per jam.

E.15 Dengan menggunakan data dari Soal E.14, berapakah waktu untuk menyelesaikan pesawat
kedua belas dan pesawat kelima belas? Berapakah waktu yang dibutuhkan untuk menyelesaikan
pesawat mulai dari pesawat kedua belas hingga kelima belas? Dengan upah $40 per jam,
berapakah yang Davis (sebagai agen pembelian) perlukan untuk membayar keempat pesawat
tersebut?

E.16 Dynamic RAM Corp. memproduksi semikonduktor dan memiliki kurva pembelajaran
0,7. Harga setiap bit adalah 100 milisen dengan volume 0,7 × 10
12
bit. Berapakah harga yang
diperkirakan untuk 1,4 × 10
12
bit? 89,6 × 10
12
bit?
E.17 Central Power memiliki 25 pembangkit listrik kecil. Central Power memiliki kontrak
dengan Genco Services untuk memeriksa turbin setiap pembangkit dengan teliti. Jumlah jam
kerja yang ditagih oleh Genco untuk menyelesaikan turbin ketiga adalah 460. Central membayar
Genco $60 per jam untuk pelayanannya. Sebagai manajer pemeliharaan Central Power, Anda
sedang berusaha memperkirakan biaya pemeriksaan turbin keempat. Berapakah yang Anda
harapkan akan Anda bayar untuk melakukan pemeriksaan turbin kelima dan keenam? Semua
turbinnya serupa dan Genco memiliki kurva pembelajaran 80%.

E.18 Dibutuhkan waktu 28.718 jam untuk menyelesaikan lokomotif kedelapan pada sebuah
perusahaan manufaktur Prancis yang besar. Jika faktor pembelajarannya adalah 80%, berapa
waktu yang dibutuhkan untuk memproduksi lokomotif kesepuluh?

E.19 Perusahaan Eric Krassow akan melakukan penawaran sebuah sistem radar baru. Walaupun
produk tersebut menggunakan teknologi baru, Krassow yakin bahwa tingkat pembelajaran
yang sesuai adalah 75%. Unit pertama diharapkan membutuhkan waktu 700 jam, dan kontrak
dilakukan untuk 40 unit.
a) Berapakah waktu total yang diperlukan untuk memproduksi 40 unit?
b) Berapakah waktu rata-rata untuk memproduksi setiap 40 unit?
c) Jika diasumsikan bahwa seorang pekerja bekerja selama 2.080 jam setiap tahun, berapa
pekerjakah yang harus ditugaskan pada kontrak ini untuk menyelesaikan kontrak
selama satu tahun?

E.20 Sebagai seorang estimator dari Arup Mukherjee Enterprises, Anda bertugas mempersiapkan
sebuah perkiraan untuk kontrak pelayanan pelanggan yang potensial. Kontrak yang dilakukan
adalah untuk jasa pelayanan kepala silinder lokomotif diesel. Bengkelnya pernah membuat
sebagian lokomotif ini di masa lalu secara sporadis. Waktu yang dibutuhkan untuk setiap kepala
silinder adalah 4 jam, dan pekerjaan serupa memiliki kurva pembelajaran 85%. Pelanggan
menginginkan Anda memberikan penawaran untuk lot ke-12 dan ke-20.
MK-167 Modul Kuantitatif E • Kurva Pembelajaran
a) Siapkan penawarannya!
b) Setelah mempersiapkan penawarannya, Anda menemukan sebuah kartu tenaga kerja
untuk pelanggan dengan lima kepala silinder lokomotif. Dari angka yang tertera pada
kartu tenaga kerja tersebut, Anda menyimpulkan bahwa unit kelima membutuhkan
waktu selama 2,5 jam. Apakah yang dapat Anda simpulkan tentang kurva pembelajaran
dan penawaran Anda?

E.21 Sara Bredbenner dan Blake DeYoung merupakan rekanan dalam toko eceran; pekerjaan
baru mereka adalah merakit ayunan untuk pelanggan. Perakitan sebuah ayunan memiliki tingkat
pembelajaran 90%. Mereka lupa mencatat usaha mereka pada ayunan pertama, tetapi dihabiskan
waktu selama 4 jam untuk ayunan kedua. Mereka mempunyai 6 ayunan lagi untuk dirakit.
Tentukan perkiraan waktu yang diperlukan untuk:
a) unit pertama,
b) unit kedelapan,
c) delapan unit tersebut seluruhnya.

E.22 Kelly-Lambing, Inc., sebuah perusahaan yang membuat kapal kecil yang dikontrak oleh
pemerintah, memiliki 10 orang tenaga ahli. Setiap pekerja dapat menyediakan 2.500 jam kerja
setiap tahun. Kelly-Lambing akan melaksanakan sebuah kontrak baru untuk memproduksi
sebuah kapal model baru. Kapal pertama diperkirakan membutuhkan waktu 6.000 jam.
Perusahaan berpendapat bahwa tingkat pembelajaran yang diperkirakan adalah 90%.
a) Berapakah “kapasitas” perusahaan untuk membuat kapal-kapal ini—yaitu, berapakah unit
yang dapat dibuat perusahaan selama 1 tahun?
b) Jika manajer operasinya dapat meningkatkan tingkat pembelajarannya menjadi 85% dan
bukannya 90%, berapakah unit yang dapat dibuat oleh perusahaan?
E.23 Berikut waktu kerja pegawai baru yang bertugas memasukkan data diukur, dan hasil
pencatatannya.

Laporan Waktu (menit)
1 66
2 56
3 53
4 48
5 47
6 45
7 44
8 41
a) Berdasarkan informasi di atas, berapakah tingkat kurva pembelajarannya?
b) Dengan menggunakan tingkat kurva pembelajaran 85% dan waktu pencatatan di atas,
perkirakanlah waktu yang dibutuhkan pelayan tersebut untuk menyelesaikan laporannya
yang ke-48.

E.24 Jika unit pertama dari suatu produksi memerlukan waktu satu jam dan kurva pembelajaran
perusahaan adalah 80%, berapakah waktu yang dibutuhkan untuk memproduksi 100 unit?
(Petunjuk: gunakan koefsien yang ada pada Tabel E.3 dua kali.)

MK-168 Manajemen Operasi
E.25 Gunakan grafk log di bawah ini untuk menjawab pertanyaan berikut.
a) Apakah implikasi bagi manajemen jika grafk meramalkan biaya pada garis optimal?
b) Apakah yang dapat menjadi penyebab fuktuasi di atas garis optimal?
c) Jika manajemen meramalkan unit yang kesepuluh berada pada garis optimal, berapakah
peramalan tersebut dalam satuan jam?
d) Jika manajemen membangun unit yang kesepuluh sebagaimana ditandai oleh garis nyata,
berapakah waktu yang diperlukan?
500
400
300
200
Optimum
Aktual
J
a
m

k
e
r
j
a

p
e
r

u
n
i
t
Total unit yang diproduksi
100
80
60
40
20
10
1 10 100 200 300 400
Studi Kasus
Negosiasi SMT dengan IBM
SMT dan satu perusahaan yang lebih besar lainnya diminta oleh IBM untuk memberikan
penawaran 80 unit lebih produk komputer tertentu. Permintaan harga penawaran (request
for quote—RFQ) mensyaratkan bahwa penawaran keseluruhannya dipecah-pecah untuk
menunjukkan upah per jam, harga komponen dan bahan mentah, serta biaya yang dibebankan
untuk jasa subkontrak. SMT menawarkan $1,62 juta dan menyediakan perincian biaya seperti
yang diminta. Perusahaan kedua hanya menyampaikan satu nilai total, yaitu $5 juta, tanpa
perincian biaya. IBM memutuskan untuk bernegosiasi dengan SMT.
Kelompok negosiasi IBM meliputi dua manajer pembelian dan dua akuntan. Seorang
akuntan telah memperkirakan biaya manufaktur untuk setiap komponen, mulai dari gambar
teknik dan buku data biaya yang telah ia buat dari pengalaman masa lalu dan mengandung faktor
waktu, baik waktu penyetelan mesin dan produksi, bagi beragam operasi. Ia memperkirakan
biaya bahan mentah dari data yang disediakan oleh staf pembelian perusahaan IBM dan dari
jurnal pembelian. Ia mengunjungi fasilitas SMT untuk melihat peralatan yang tersedia sehingga
ia akan mengetahui proses yang digunakan. Ia mengasumsikan terdapat kondisi dan operator
terlatih yang sempurna, dan ia membuat perkiraan biaya untuk 158 unit (pesanan sebelumnya
adalah untuk 25, 15, dan 38 unit). Ia menambahkan 5% untuk kerugian karena bahan dan
aliran yang terbuang; 2% untuk penggunaan perkakas, alat bantu, dan alat ukur sementara; 5%
untuk pengendalian mutu; dan 9% untuk biaya pembelian. Kemudian, dengan menggunakan
kurva pembelajaran 85%, ia menghitung biayanya untuk mendapatkan perkiraan biaya untuk
unit pertama. Selanjutnya, ia mengecek data waktu dan bahan mentah bagi unit ke-25, 15, dan
38 yang telah dibuat dan mendapati bahwa perkiraannya untuk unit pertama berkisar 4% dari
harga sebenarnya. Bagaimanapun, berdasarkan hasil pengecekannya, telah diindikasikan kurva
pembelajaran 90% pada jam per unit.
MK-169 Modul Kuantitatif E • Kurva Pembelajaran
Dalam negosiasi, SMT diwakili oleh salah seorang dari kedua pemilik perusahaan, dua
insinyur dan seorang penaksir harga. Sesi pembukaan dimulai dengan diskusi kurva pembelajaran.
Penaksir biaya IBM menunjukkan bahwa pada kenyataannya SMT beroperasi pada kurva
pembelajaran 90%. Namun, ia berargumentasi bahwa SMT dapat bergeser ke kurva pembelajaran
85% dengan diberikan proses produksi yang lebih panjang, mengurangi waktu penyetelan mesin,
dan meningkatkan kontinuitas pekerja sedapat mungkin dengan pesanan sebesar 80 unit. Pemilik
perusahaan setuju dengan analisis ini dan ingin mengurangi harganya sebesar 4%.
Bagaimanapun juga, selagi setiap operasi dalam proses manufaktur dibahas, terlihat dengan
jelas bahwa beberapa perkiraan biaya yang dibuat oleh IBM terlalu rendah disebabkan terlewatnya
pengeluaran pengemasan dan pengiriman. Walaupun demikian, kecerobohan ini merupakan faktor
kecil karena kedua belah pihak pada pembahasan berikutnya sepakat pada sebuah pemahaman
spesifkasi yang sama dan mencapai persetujuan pada biaya setiap operasi manufaktur.
Pada posisi ini, wakil SMT menyatakan perhatiannya sakan kemungkinan infasi pada
biaya bahan mentah. Negosiator IBM mengajukan tawaran untuk memasukkan sebuah bentuk
peningkatan harga dalam kontrak yang sebelumnya telah disetujui oleh mereka sendiri. Wakil
IBM ini mengusulkan bahwa jika keseluruhan biaya bahan mentah berubah lebih dari 10%,
maka harga dapat disesuaikan. Akan tetapi, jika satu pihak mengambil inisiatif untuk meninjau
harga kembali, maka yang lain membutuhkan analisis dari semua faktur komponen dan bahan
mentah yang datang dengan harga baru.
Perhatian wakil SMT yang lain adalah sejumlah besar kontrak waktu lembur dan subkontrak
akan dibutuhkan untuk dapat memenuhi jadwal penyerahan yang telah ditetapkan oleh IBM.
Negosiator IBM berpendapat bahwa jadwal pengiriman yang lebih santai mungkin dibuat jika
potongan harga dapat diperoleh. Menanggapi hal ini, regu SMT menawarkan potongan 5%,
dan diterima. Sebagai hasil negosiasi ini, harga SMT berkurang hampir 20% di bawah harga
penawaran aslinya.
Pada pertemuan berikutnya yang diadakan untuk merundingkan harga pipa tertentu
yang akan digunakan dalam sistem, terlihat oleh penaksir biaya IBM bahwa wakil SMT telah
memperkirakan biaya yang terlalu rendah. Ia menunjukkan kesalahan yang nyata ini sebab tidak
dapat memahami penyebab SMT menawarkan nilai kontrak serendah itu. Ia ingin memastikan
bahwa SMT menggunakan proses manufaktur yang benar. Setidaknya, jika penaksir biaya SMT
telah melakukan kesalahan, hal tersebut haruslah diperhatikan. Mencari suatu harga yang wajar
baik bagi IBM sendiri dan pemasoknya merupakan kebijakan IBM. Manajer pengadaan IBM
meyakini bahwa jika seorang penjual kehilangan uang pada sebuah pekerjaan, maka akan ada
suatu kecenderungan untuk berhemat yang mungkin tidak memenuhi spesifkasi. Sebagai
tambahan, negosiator IBM merasa bahwa dengan menunjukkan kesalahan, ia membangun
iktikad baik yang akan membantu pada sesi mendatang.

Pertanyaan untuk Diskusi
1. Apakah kerugian dan keuntungan bagi IBM dan SMT pada pendekatan ini?
2. Bagaimana tingkat pembelajaran yang diusulkan SMT jika dibandingkan dengan perusahaan
lain?
3. Apakah yang merupakan keterbatasan dari kurva pembelajaran pada kasus ini?

Sumber: Dikutip dari E. Raymond Corey, Procurement Management: Strategy, Organization, and Decision Making
(New York: Van Nostrand Reinhold).
MK-170 Manajemen Operasi
Daftar Pustaka
Abernathy, W. J. dan K. Wayne. “Limits of the Learning Curve”. Harvard Business Review 52
(September–Oktober 1974): 109–119.
Bailey, C.D. dan E.N. McIntyre. "Using Parameter Prediction Models to Forecast Post-interruption
Learning". IIE Transactions 35 (Desember 2003): 1077.
Camm, J. “A Note on Learning Curve Parameters”. Decision Sciences (Musim Panas 1985):
325–327.
Couto, J.P. dan J.C. Teixeira. "Using Linear Model for Learning Curve Efect on Highrise Floor
Construction". Construction Management & Economics 23 (Mei 2005): 355.
Hall, G. dan S. Howell. “Te Experience Curve from the Economist’s Perspective”. Strategic
Management Journal (Juli–September 1985): 197–210.
Lapré, Michael A., Amit Shankar Mukherjee, dan Luk N. Van Wassenhove. “Behind the Learning
Curve: Linking Learning Activities to Waste Reduction”. Management Science 46, No. 5
(Mei 2000): 597–611.
McDonald, A. dan L. Schrattenholzer. "Learning Curves and Technology Assessment".
International Journal of Technology Management 23 (2002): 718.
Smith, J. 1998. Learning Curve for Cost Control. Norcross, GA: Industrial Engineering and
Management Press, Institute of Industrial Engineers.
Smunt, T.L. dan C.A. Watts. "Improving Operations Planning with Learning Curves". Journal
of Operations Management 21 (Januari 2003): 93.
Weston, M. 2000. Learning Curves. New York: Crown Publishing.
MK-171 Modul Kuantitatif F • Simulasi
Modul Kuantitatif E
Simulasi
Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu:
1. mengetahui kelebihan dan kelemahan pemodelan dengan simulasi;
2. melakukan kelima langkah dalam simulasi Monte Carlo;
3. menyimulasikan persoalan antrean;
4. menyimulasikan persoalan persediaan;
5. menggunakan spreadsheet Excel untuk membuat suatu simulasi.
APAKAH YANG DISEBUT SIMULASI?
KELEBIHAN DAN KEKURANGAN SIMULASI
SIMULASI MONTE CARLO
SIMULASI PERSOALAN ANTREAN
SIMULASI DAN ANALISIS PERSEDIAAN
Rangkuman
Istilah-istilah Penting
Menggunakan Peranti Lunak dalam Simulasi
Contoh Soal dan Penyelesaian
Uji Diri Sendiri
Pertanyaan untuk Diskusi
Soal-soal
Studi Kasus: Pusat Panggilan Alabama Airlines
Studi Kasus Tambahan
Daftar Pustaka
GARIS BESAR PEMBAHASAN
MK-172 Manajemen Operasi
Terdapat model simulasi yang sangat banyak di dunia. Kota Atlanta, sebagai contoh,
menggunakan simulasi untuk mengendalikan lalu lintasnya. Airbus Industry di Eropa
menggunakan simulasi untuk menguji aerodinamika sebuah pesawat jet. Angkatan
perang Amerika Serikat menyimulasikan latihan perang dengan komputer. Para
mahasiswa Jurusan Bisnis menggunakan permainan manajemen untuk menirukan
kompetisi bisnis sesungguhnya. Beribu-ribu organisasi seperti Bay Medical Center
mengembangkan model simulasi untuk membantu membuat keputusan operasi.
Sebagian besar perusahaan besar di dunia menggunakan model simulasi. Tabel
F.1 memberikan data beberapa bidang di mana simulasi kini sedang diterapkan.
APAKAH YANG DIMAKSUD DENGAN SIMULASI?
Simulasi (simulation) merupakan suatu upaya menduplikasi ftur, tampilan, dan
karakteristik suatu sistem nyata. Pada modul ini, akan ditunjukkan bagaimana
menyimulasikan bagian sebuah sistem manajemen operasi dengan mengembangkan
sebuah model matematika paling dekat dengan yang menggambarkan sistem
sesungguhnya. Kemudian, model ini akan digunakan untuk memperkirakan efek dari
berbagai tindakan. Berikut gagasan di balik simulasi.
1. Untuk meniru sebuah situasi dalam dunia nyata secara matematis
2. Kemudian, untuk mempelajari sifat dan karakteristik operasi tersebut
3. Akhirnya, untuk menarik kesimpulan dan mengambil keputusan tindakan
berdasarkan atas hasil simulasi
Terdapat begitu banyak jenis
simulasi. Meskipun modul
ini memaparkan mengenai
simulasi Monte Carlo, Anda
harus tahu juga mengenai
simulasi “fisik” (seperti model
terowongan angin).
Terdapat begitu banyak jenis
simulasi. Meskipun modul
ini memaparkan mengenai
simulasi Monte Carlo, Anda
harus tahu juga mengenai
simulasi “fisik” (seperti model
terowongan angin).
Simulasi
Upaya meniru ftur, tampilan, dan
karakteristik sebuah sistem nyata
yang biasanya melalui sebuah
model komputer.
Simulasi
Upaya meniru ftur, tampilan, dan
karakteristik sebuah sistem nyata
yang biasanya melalui sebuah
model komputer.
c Ketika Bay Medical Center menghadapi keramaian pasien klinik yang luar biasa parahnya, digunakanlah simulasi
komputer untuk mencoba mengurangi penundaan dan memperbaiki aliran pasien. Bahasa simulasi yang disebut Micro Saint
menganalisis data terbaru yang berhubungan antara waktu pelayanan pasien dan ruang klinik. Dengan simulasi jumlah
dokter dan staf yang berbeda, simulasi dengan klinik lain untuk aliran pasien, dan simulasi desain ulang klinik yang telah
ada, Bay Medical Center mampu mengambil keputusan berdasarkan pemahaman mengenai biaya sekaligus manfaatnya.
Hal ini menghasilkan layanan yang lebih baik terhadap pasien dengan biaya yang lebih rendah.
Sumber: Micro Analysis and Design Simulation Sofware, Inc., Boulder, CO.
MK-173 Modul Kuantitatif F • Simulasi
Dengan cara ini, sebuah sistem nyata tidak perlu disentuh sampai kelebihan dan
kelemahan dari sebuah keputusan kebijakan utama dapat diukur pada modelnya.
Untuk menggunakan simulasi, seorang manajer MO perlu:
1. mendefnisikan masalah,
2. memperkenalkan variabel penting yang berkaitan dengan masalah,
3. mengembangkan sebuah model kuantitatif,
4. menyiapkan kejadian yang mungkin terjadi dalam pengujian dengan
menspesifkasikan nilai variabel,
5. menjalankan percobaan,
6. mempertimbangkan hasil (mungkin memodifikasi model atau mengubah
input),
7. memutuskan tindakan apa yang akan diambil.

Langkah-langkah ini digambarkan pada Figur F.1.
Tabel F.1 Beberapa Aplikasi Simulasi
Lokasi dan pengiriman ambulans Penjadwalan bus
Penyeimbangan lini perakitan Desain operasi perpustakaan
Desain tempat parkir dan pelabuhan Pengiriman taksi, truk, dan rel kereta
Desain sistem distribusi Penjadwalan fasilitas produksi
Penjadwalan penerbangan Tata letak pabrik
Keputusan penyewaan tenaga kerja Penanaman modal
Penjadwalan personel Penjadwalan produksi
Pengepasan lampu lalu lintas Perkiraan penjualan
Prediksi pola voting Perencanaan dan kendali persediaan
Permasalahan yang ditangani oleh simulasi mencakup permasalahan mulai dari yang
sangat sederhana hingga permasalahan yang sangat kompleks, mulai dari antrean pada
bank hingga sebuah analisis ekonomi Amerika Serikat. Walaupun simulasi kecil dapat
dilakukan dengan menggunakan tangan, untuk dapat menggunakan teknik simulasi
secara efektif diperlukan komputer. Selama beberapa tahun ke depan, model-model
berskala besar yang menyimulasikan keputusan bisnis mungkin hampir seluruhnya
ditangani oleh komputer.
Pada modul ini, prinsip dasar simulasi diuji, kemudian beberapa permasalahan
pada kasus analisis antrean dan pengendalian persediaan akan dikaji. Mengapa simulasi
digunakan pada bidang ini, sementara model matematika yang telah diuraikan pada
bab lain dapat memecahkan permasalahan serupa? Jawabannya adalah karena simulasi
menyediakan suatu pendekatan alternatif untuk permasalahan yang secara matematis
sangatlah kompleks. Sebagai contoh, simulasi mampu menangani permasalahan
persediaan saat permintaan atau waktu tunggu tidak konstan.
MK-174 Manajemen Operasi
KELEBIHAN DAN KELEMAHAN SIMULASI
Simulasi merupakan sebuah perangkat yang telah diterima secara luas oleh para manajer
karena beberapa alasan. Kelebihan simulasi yang utama adalah sebagai berikut.
1. Secara relatif, simulasi sederhana dan feksibel.
2. Simulasi dapat digunakan untuk menganalisis situasi dunia nyata yang besar
dan kompleks yang tidak bisa dipecahkan oleh model manajemen operasi
konvensional.
3. Kerumitan dunia nyata dapat dimasukkan, di mana kerumitan tersebut tidak
dapat diatasi oleh sebagian besar model MO lain. Sebagai contoh, simulasi dapat
menggunakan distribusi probabilitas apa pun yang diinginkan oleh pengguna;
dan tidak memerlukan distribusi standar.
4. Memungkinkan adanya faktor “pemadatan waktu”. Selama bertahun-tahun atau
berbulan-bulan, efek kebijakan MO dapat diperoleh dengan simulasi komputer
dalam waktu singkat.
5. Simulasi memungkinkan pertanyaan “bagaimana-jika”. Para manajer ingin
mengetahui terlebih dahulu pilihan yang menjadi pilihan paling menarik. Dengan
sebuah model yang terkomputerisasi, seorang manajer dapat mencoba beberapa
keputusan kebijakan hanya dalam waktu beberapa menit.
6. Simulasi tidak bertentangan dengan sistem dunia nyata. Sebagai contoh, mungkin
akan sangat mengganggu jika kita mengadakan percobaan kebijakan atau gagasan
baru secara fsik di rumah sakit atau dalam suatu bangunan pabrik.
7. Simulasi dapat meneliti efek interaksi antara komponen satu per satu atau variabel
untuk menentukan komponen atau variabel yang penting.
Berikut kelemahan utama simulasi.
1. Model simulasi yang baik bisa jadi sangat mahal karena untuk mengembangkannya
dibutuhkan waktu berbulan-bulan.
2. Simulasi merupakan sebuah pendekatan trial and error yang dapat menghasilkan solusi
yang berbeda jika diulangi. Simulasi tidak menghasilkan solusi optimal permasalahan
(seperti halnya pada pemrograman linier).
3. Para manajer harus menetapkan semua kondisi dan kendala untuk solusi yang ingin mereka
uji. Model simulasi tidak menghasilkan jawaban tanpa adanya input yang cukup realistis.
4. Setiap model simulasi bersifat unik. Solusi sebuah model dan kesimpulannya umumnya
tidak dapat diterapkan pada persoalan lain.
SIMULASI MONTE CARLO
Jika sebuah sistem mengandung unsur yang menunjukkan adanya peluang dalam
perilaku mereka, maka simulasi metode Monte Carlo (Monte Carlo method) mungkin
dapat diterapkan. Dasar simulasi Monte Carlo adalah percobaan pada unsur peluang
(atau bersifat probabilistik) dengan menggunakan pengambilan sampel secara acak.
Tujuan Pembelajaran
1. Mengetahui kelebihan
dan kelemahan pemodelan
dengan simulasi.
Tujuan Pembelajaran
1. Mengetahui kelebihan
dan kelemahan pemodelan
dengan simulasi.
Metode Monte Carlo
Sebuah teknik simulasi yang
menggunakan unsur acak
ketika terdapat peluang dalam
perilakunya.
Metode Monte Carlo
Sebuah teknik simulasi yang
menggunakan unsur acak
ketika terdapat peluang dalam
perilakunya.
Definisikan Masalah
Perkenalkan variabel
Bangun model
Lakukan simulasi
Periksa hasilnya
Pilih tindakan terbaik
Spesifikasikan
nilai variabel
Figur F.1
Proses Simulasi
MK-175 Modul Kuantitatif F • Simulasi
Teknik simulasi Monte Carlo terbagi atas lima langkah sederhana.
1. Menetapkan suatu distribusi probabilitas bagi variabel yang penting.
2. Membuat distribusi probabilitas kumulatif bagi setiap variabel.
3. Menetapkan sebuah interval angka acak bagi setiap variabel.
4. Membangkitkan angka acak.
5. Menyimulasikan serangkaian percobaan.

Mari, kita uji satu per satu langkah tersebut.
Langkah 1. Menetapkan Distribusi Probabilitas. Gagasan dasar simulasi Monte
Carlo adalah membangkitkan nilai untuk variabel pada model yang sedang diuji. Pada
sistem dunia nyata, sebagian besar variabel memiliki probabilitas alami. Di antaranya
adalah: permintaan persediaan, waktu tunggu pesanan untuk tiba, waktu di antara
mesin rusak, waktu di antara kedatangan pelanggan pada suatu fasilitas pelayanan,
waktu pelayanan, waktu yang diperlukan untuk menyelesaikan aktivitas proyek, dan
jumlah karyawan yang tidak hadir setiap hari.
Sebuah cara menetapkan distribusi probabilitas bagi variabel tertentu adalah
menguji hasil historis. Distribusi probabilitas dapat dicari, atau frekuensi relatif, untuk
setiap output variabel yang mungkin dengan membagi frekuensi pengamatan dengan
jumlah pengamatan total. Contohnya adalah sebagai berikut.
Permintaan harian ban radial pada Barry’s Auto Tire selama 200 hari diperlihatkan
pada kolom 1 dan 2 Tabel F.2. Dengan asumsi bahwa tingkat kedatangan masa lampau
akan tetap sama di masa mendatang, permintaannya dapat diubah menjadi distribusi
probabilitas dengan membagi setiap frekuensi permintaan dengan permintaan total,
yaitu 200. Hasil yang didapatkan diperlihatkan pada kolom 3.
Langkah 2. Membuat Distribusi Probabilitas Kumulatif bagi Setiap Variabel.
Mengubah distribusi probabilitas biasa seperti pada kolom 3 Tabel F.2 menjadi sebuah
distribusi probabilitas kumulatif (cumulative probability distribution) merupakan
pekerjaan mudah. Pada kolom 4, terlihat bahwa probabilitas kumulatif untuk setiap
Tujuan Pembelajaran
2. Melakukan kelima
langkah dalam simulasi
Monte Carlo.
Tujuan Pembelajaran
2. Melakukan kelima
langkah dalam simulasi
Monte Carlo.
Distribusi probabilitas
kumulatif
Akumulasi probabilitas individu
sebuah distribusi.
Interval angka acak
Serangkaian angka yang
melambangkan setiap nilai
atau keluaran dalam simulasi
komputer.
Angka acak
Serangkaian digit yang telah
dipilih oleh proses acak sempurna.
Distribusi probabilitas
kumulatif
Akumulasi probabilitas individu
sebuah distribusi.
Interval angka acak
Serangkaian angka yang
melambangkan setiap nilai
atau keluaran dalam simulasi
komputer.
Angka acak
Serangkaian digit yang telah
dipilih oleh proses acak sempurna.
f Model simulasi komputer telah dikembangkan
untuk mengatasi berbagai masalah produktivitas di
restoran siap saji seperti Burger King. Kemudian,
jarak ideal antara stasiun pemesanan lewat mobil
dan jendela pengambilan disimulasikan. Contohnya,
karena jarak yang lebih jauh mengurangi waktu tunggu
sebanyak 12 hingga 13 pelanggan tambahan dapat
dilayani per jamnya—keuntungan tambahan sekitar
$20.000 dalam penjualan per restoran per tahun.
Pada simulasi lainnya, dipertimbangkan pembukaan
jendela pemesanan lewat mobil yang kedua. Model ini
memperkirakan peningkatan penjualan sebesar 15%.
MK-176 Manajemen Operasi
permintaan merupakan penjumlahan dari jumlah pada kolom probabilitas (kolom 3)
yang ditambahkan pada probabilitas kumulatif sebelumnya.
Langkah 3. Menetapkan Interval Angka Acak. Setelah distribusi probabilitas
kumulatif bagi setiap variabel yang digunakan dalam simulasi ditetapkan, maka diberikan
serangkaian angka yang mewakili setiap nilai atau output yang memungkinkan. Angka
ini disebut interval angka acak (random number intervals). Pada dasarnya, angka acak
(random number) merupakan serangkaian digit (misalkan: dua digit mulai dari 01, 02,
... , 98, 99, 00) yang telah terpilih oleh sebuah proses yang teracak secara sempurna—
yakni sebuah proses di mana setiap angka acak memiliki peluang yang sama untuk
bisa terpilih.
Sebagai contoh, jika terdapat peluang sebesar 5% bahwa permintaan ban pada
Barry’s Auto Tire adalah 0 unit per hari, maka diharapkan tersedia angka acak sebanyak
5% yang sesuai dengan permintaan 0 unit. Jika pada simulasi digunakan seluruh angka
acak 2 digit berjumlah 100 angka acak, maka untuk permintaan sebesar 0 unit dapat
diberikan pada 5 angka acak pertama: 01, 02, 03, 04, dan 05.
1
Kemudian, permintaan
tersimulasi untuk 0 unit dibuat setiap kali salah satu dari angka-angka 01 hingga 05
diambil. Jika terdapat peluang sebesar 10% bahwa permintaan untuk produk yang
sama akan menjadi 1 unit per hari, maka 10 angka acak berikutnya (06, 07, 08, 09, 10,
11, 12, 13, 14, dan 15) mewakili permintaan tersebut—begitu juga untuk permintaan
lain.
Tabel F.2 Permintaan untuk Barry’s Auto Tire
(1) (2) (3) (4)
Permintaan Ban Frekuensi Probabilitas Kejadian Probabilitas Kumulatif
0 10 10/200 = 0,05 0,05
1 20 20/200 = 0,10 0,15
2 40 40/200 = 0,20 0,35
3 60 60/200 = 0,30 0,65
4 40 40/200 = 0,20 0,85
5 30 30/200 = 0,15 1,00
200 hari 200/200 = 1,00
Dengan cara yang sama, dapat dilihat pada Tabel F.3 bahwa panjang setiap interval
di sisi kanan sesuai dengan probabilitas terjadinya 1 permintaan harian. Jadi, dalam
memberikan angka acak pada permintaan harian sebesar 3 ban radial, rentang interval
angka acak (36 hingga 65) berkaitan tepat dengan probabilitas (atau proporsi) output-
nya. Sebuah permintaan harian sebesar 3 ban radial terjadi sebanyak 30%. Semua
angka acak sebanyak 30 angka yang lebih besar daripada 35 ke atas dan termasuk 65
ditugaskan bagi peristiwa tersebut.
1
Alternatifnya, kita dapat memilih angka acak 00, 01, 02, 03, dan 04 untuk melambangkan permintaan 0 unit.
Dua digit 00 dapat dianggap sebagai 0 atau 100. Selama 5 angka dari 100 ditugaskan pada permintaan 0, tidak
berbeda yang mana dari 5 angka tersebut.
Untuk membuat distribusi
probabi l i t as ban, ki t a
asumsikan bahwa permintaan
historis merupakan indikator
yang bagus untuk hasil masa
mendatang.
MK-177 Modul Kuantitatif F • Simulasi
Anda dapat memulai
interval angka acak dari
01 maupun 00. Namun, di
buku ini, dimulai dari 01
sehingga di puncak dari setiap
rentang adalah probabilitas
kumulatif.
Anda dapat memulai
interval angka acak dari
01 maupun 00. Namun, di
buku ini, dimulai dari 01
sehingga di puncak dari setiap
rentang adalah probabilitas
kumulatif.
Langkah 4. Menghasilkan Angka Acak. Angka acak dapat dihasilkan dengan
dua cara. Jika persoalan yang dihadapi besar dan proses yang sedang diteliti melibatkan
banyak percobaan simulasi, maka digunakan program komputer untuk membangkitkan
angka acak. Jika simulasi dilakukan dengan perhitungan tangan, angka acak dapat
diambil dari sebuah tabel angka acak.
Langkah 5. Menyimulasikan Percobaan. Hasil dari eksperimen dapat
disimulasikan secara sederhana dengan memilih angka acak dari Tabel F.4. Percobaan
Tabel F.3 Penugasan Interval Angka Acak untuk Barry’s Auto Tire
Permintaan Harian Probabilitas Probabilitas
Kumulatif
Interval Angka Acak
0 0,05 0,05 01 hingga 05
1 0,10 0,15 06 hingga15
2 0,20 0,35 16 hingga 35
3 0,30 0,65 36 hingga 65
4 0,20 0,85 66 hingga 85
5 0,15 1,00 86 hingga 00
Tabel F.4 Tabel Angka Acak
52 06 50 88 53 30 10 47 99 37 66 91 35 32 00 84 57 07
37 63 28 02 74 35 24 03 29 60 74 85 90 73 59 55 17 60
82 57 68 28 05 94 03 11 27 79 90 87 92 41 09 25 36 77
69 02 36 49 71 99 32 10 75 21 95 90 94 38 97 71 72 49
98 94 90 36 06 78 23 67 89 85 29 21 25 73 69 34 85 76
96 52 62 87 49 56 59 23 78 71 72 90 57 01 98 57 31 95
33 69 27 21 11 60 95 89 68 48 17 89 34 09 93 50 44 51
50 33 50 95 13 44 34 62 64 39 55 29 30 64 49 44 30 16
88 32 18 50 62 57 34 56 62 31 15 40 90 34 51 95 26 14
90 30 36 24 69 82 51 74 30 35 36 85 01 55 92 64 09 85
50 48 61 18 85 23 08 54 17 12 80 69 24 84 92 16 49 59
27 88 21 62 69 64 48 31 12 73 02 68 00 16 16 46 13 85
45 14 46 32 13 49 66 62 74 41 86 98 92 98 84 54 33 40
81 02 01 78 82 74 97 37 45 31 94 99 42 49 27 64 89 42
66 83 14 74 27 76 03 33 11 97 59 81 72 00 64 61 13 52
74 05 81 82 93 09 96 33 52 78 13 06 28 30 94 23 37 39
30 34 87 01 74 11 46 82 59 94 25 34 32 23 17 01 58 73
59 55 72 33 62 13 74 68 22 44 42 09 32 46 71 79 45 89
67 09 80 98 99 25 77 50 03 32 36 63 65 75 94 19 95 88
60 77 46 63 71 69 44 22 03 85 14 48 69 13 30 50 33 224
60 08 19 29 36 72 30 27 50 64 85 72 75 29 87 05 75 01
80 45 86 99 02 34 87 08 86 84 49 76 24 08 01 86 29 11
53 84 49 63 26 65 72 84 85 63 26 02 75 26 92 62 40 67
69 84 12 94 51 36 17 02 15 29 16 52 56 43 26 22 08 62
37 77 13 10 02 18 31 19 32 85 31 94 81 43 31 58 33 51
Sumber: Dicetak ulang dari A Million Random Digits with 100.000 Normal Deviates, Rand (New York: Te Free Press, 1995).
MK-178 Manajemen Operasi
dapat dimulai dari titik mana pun pada tabel, perhatikan pada Tabel F.3 dalam interval
mana setiap angka berada. Sebagai contoh, jika angka acak yang terpilih adalah 81 dan
interval 66 hingga 85 mewakili permintaan harian sebesar 4 ban, maka permintaan
sebesar 4 ban dipilih. Contoh F1 menjelaskan simulasi lebih lanjut.
Menyimulasikan permintaan
Barry’s Auto Tire ingin menyimulasikan 10 hari permintaan ban radial.
Pendekatan: Sebelumnya, kita melakukan langkah 1 dan 2 dari metode Monte Carlo (pada
Tabel F.2) dan langkah 3 (pada Tabel F.3). Sekarang, kita perlu membangkitkan angka acak
(langkah 4) dan menyimulasikan permintaan (langkah 5).
Solusi: Angka acak yang diperlukan dipilih dari Tabel F.4, dimulai dari bagian kiri atas
dan dilanjutkan di sepanjang kolom pertama dan menuliskan permintaan harian yang
berkesesuaian.
Hari ke- Angka Acak
Permintaan Harian
yang Disimulasikan
1 52 3
2 37 3
3 82 4
4 69 4
5 98 5
6 96 5
7 33 2
8 50 3
9 88 5
10 90 5
39 Permintaan total 10 hari
39/10 = 3,9 Permintaan harian rata-rata
Pemahaman: Sangat menarik untuk dicatat bahwa rata-rata permintaan sebesar 3,9 ban dalam
waktu simulasi 10 hari ini berbeda dengan permintaan harian yang diharapkan yang dapat
dihitung dari data pada Tabel F.3.
Permintaan yang diperkirakan
=
i=

1
5
(probabilitas i unit) ×(permintaan i unit)
= (0,50) (0) + (0,10)(1) + (0,20)(2) + (0,30)(3) + (0,20)(4) + (0,15)(5)
= 0 + 0,1 + 0,4 + 0,9 + 0,8 + 0,75
= 2,95 ban
Walaupun demikian, jika simulasinya diulangi ratusan hingga ribuan kali, rata-rata permintaan
yang disimulasikan akan mendekati permintaan yang diperkirakan.
Contoh F1 Contoh F1
MK-179 Modul Kuantitatif F • Simulasi
Latihan pembelajaran: Simulasikan ulang 10 hari tersebut, kali ini dengan angka acak dari
kolom 2 Tabel F.4. Berapakah permintaan harian rata-ratanya? [Jawaban: 2,5.]
Masalah serupa: F.1, F.2, F.3, F.4, F.5, F.7, F.9, F.10, F.14, F.20.
Pada umumnya, mengambil kesimpulan secara cepat mengenai operasi perusahaan
dengan hanya melakukan sebuah simulasi singkat seperti Contoh Fl adalah sangat
berisiko. Simulasi yang sederhana dengan menggunakan hanya satu variabel jarang
sekali dilakukan. Namun, simulasi yang dilakukan secara manual memperlihatkan
prinsip penting yang terkait dan mungkin bermanfaat pada penelitian berskala kecil.
SIMULASI PERSOALAN ANTREAN
Salah satu penggunaan simulasi yang penting adalah dalam analisis persoalan antrean.
Pada Modul D, asumsi yang diperlukan untuk memecahkan persoalan antrean
bersifat sangat terbatas. Untuk sistem antrean yang paling realistis, simulasi mungkin
merupakan satu-satunya pendekatan yang mungkin.
Contoh F2 menggambarkan penggunaan simulasi pada dermaga pembongkaran
yang besar dan antrean yang terjadi pada dermaga tersebut. Tongkang (kapal barang)
yang datang ke dermaga tidak terdistribusi secara Poisson, dan tingkat pembongkaran
(waktu pelayanan) tidak eksponensial atau konstan. Pada kasus seperti ini, model
antrean matematis di Modul Kuantitatif D tidak dapat digunakan.
Tujuan Pembelajaran
3. Menyimulasikan
persoalan antrean.
Tujuan Pembelajaran
3. Menyimulasikan
persoalan antrean.
Penerapan MO Menyimulasikan Operasi Restoran Taco Bell
Penentuan banyaknya karyawan yang dijadwalkan
setiap 15 menit untuk melaksanakan setiap fungsi di
restoran Taco Bell merupakan persoalan rumit dan
menyulitkan. Oleh karena itu, Taco Bell, bisnis restoran
raksasa dengan aset $5 miliar dengan 6.500 cabang
di Amerika Serikat dan luar negeri, memutuskan
untuk membangun sebuah model simulasi. Taco
Bell memilih MODSIM sebagai peranti lunak untuk
mengembangkan suatu sistem manajemen sumber
daya manusia baru yang disebut LMS.
Untuk mengembangkan dan menggunakan
model simulasi tersebut, Taco Bell terlebih dahulu
harus mengumpulkan sejumlah data penting.
Hampir semua hal yang terjadi di restoran, mulai
dari pola kedatangan pelanggan hingga waktu yang
dibutuhkan untuk membungkus sebuah taco, harus
terlebih dahulu diterjemahkan ke dalam data yang
dapat dipercaya dan akurat. Sebagai contoh, sang
analis harus terlebih dahulu melakukan studi waktu
dan analisis data dari setiap tugas yang merupakan
bagian untuk menyiapkan setiap materi dalam menu.
Hasil yang diperoleh mengejutkan analis karena
waktu yang dihabiskan untuk mengumpulkan data
melampaui waktu yang diperlukan untuk membuat
model LMS.
Data masukan bagi LMS meliputi susunan
kepegawaian, seperti jumlah orang-orang dan posisi.
Output adalah ukuran kinerja yang bisa berarti waktu
rata-rata dalam sistem, waktu rata-rata di loket,
utilisasi karyawan, dan utilisasi peralatan. Model
ini benar-benar berhasil. Lebih dari $53 juta biaya
tenaga kerja dapat dihemat dalam 4 tahun pertama
penggunaan LMS.

Sumber: Nation’s Restaurant News (15 Agustus 2005): 68–69; OR/
MS Today (Juni 2000): 30 dan J. Heuter dan W. Swart Interfaces
28, (Januari–Februari 1998): 75–91.
MK-180 Manajemen Operasi
Simulasi Pembongkaran Kapal Tongkang dengan Dua Variabel
Dengan melalui perjalanan panjang di sepanjang Sungai Mississippi dari kota-kota industri,
tongkang yang penuh berisi muatan tiba pada malam hari di New Orleans. Tongkang dibongkar
dengan cara yang pertama datang dan pertama keluar. Tongkang yang tidak terbongkar pada hari
kedatangan harus menunggu sampai hari berikutnya. Namun, mengikat tongkang di dermaga
merupakan proposisi yang mahal, dan pengawas tidak dapat menghiraukan telepon dari pemilik
tongkang yang marah dan mengingatkannya bahwa “waktu adalah uang!” Ia memutuskan bahwa
sebelum ke pengatur Dermaga New Orleans untuk meminta kru pembongkar tambahan, ia
harus melakukan studi simulasi kedatangan, pembongkaran, dan penundaan. Simulasi 100
hari akan ideal. Namun, untuk sekadar ilustrasi, sang pengawas dapat memulainya dengan
analisis 15 hari saja.
Pendekatan: Ikuti 5 langkah dalam simulasi Monte Carlo: (1) buat distribusi probabilitas untuk
variabel yang penting (contohnya, kedatangan tongkang dan pembongkaran tongkang); (2) dan
(3) buat distribusi kumulatif dan interval angka acak untuk setiap variabel; (4) tulis angak acak
dari Tabel F.4; dan (5) simulasikan percobaannya.
Solusi: Banyaknya tongkang yang merapat di dermaga pada waktu malam masuk pada rentang
waktu tertentu mulai dari 0 hingga 5. Probabilitas kedatangan sebanyak 0, 1, 2, 3, 4, dan 5
diperlihatkan pada Tabel F.5. Pada tabel yang sama, ditentukan probabilitas kumulatif dan
interval angka acak yang berkaitan bagi setiap nilai yang mungkin.
Tabel F.5 Laju Kedatangan Tongkang saat Malam dan Interval Angka Acak
Jumlah
Kedatangan
Probabilitas Probabilitas
Kumulatif
Interval Angka
Acak
0 0,13 0,13 01 hingga 13
1 0,17 0,30 14 hingga 30
2 0,15 0,45 31 hingga 45
3 0,25 0,70 46 hingga 70
4 0,20 0,90 71 hingga 90
5 0,10 1,00 91 hingga 00
1,00

Sebuah penelitian yang dilakukan oleh pengawas dermaga mengungkapkan fakta
bahwa banyaknya tongkang yang dibongkar cenderung bervariasi dari hari ke hari.
Pada Tabel F.6, pengawas menyediakan informasi yang memungkinkan dibuatnya
suatu distribusi probabilitas untuk variabel tingkat pembongkaran harian. Seperti yang
dilakukan pada variabel kedatangan, interval angka acak untuk tingkat pembongkaran
harian dapat ditetapkan.
Contoh F2 Contoh F2
MK-181 Modul Kuantitatif F • Simulasi
Tabel F.6 Laju Pembongkaran dan Interval Angka Acak
Tingkat Pembongkaran
Harian
Probabilitas Probabilitas
Kumulatif
Interval Nilai Acak
1 0,05 0,05 01 hingga 05
2 0,15 0,20 06 hingga 20
3 0,50 0,70 21 hingga 70
4 0,20 0,90 71 hingga 90
5 0,10 1,00 91 hingga 00
1,00
Angka acak diambil dari baris teratas Tabel F.4 untuk menghasilkan tingkat kedatangan
harian. Untuk mendapatkan tingkat pembongkaran harian, diambil dari baris kedua Tabel F.4.
Tabel F.7 menunjukkan simulasi dermaga sehari-hari.
Tabel F.7 Simulasi Antrean Pembongkaran Tongkang Dermaga New Orleans
(1) (2) (3) (4) (5) (6) (7)
Hari Jumlah
Penundaan
Hari
Sebelumnya
Angka
Acak
Jumlah
Kedatangan
per Malam
Total
Tongkang
yang Akan
Dibongkar
Angka
Acak
Jumlah
Tongkang
yang
Dibongkar
1 –
a
52 3 3 37 3
2 0 06 0 0 63 0
b
3 0 50 3 3 28 3
4 0 88 4 4 02 1
5 3 53 3 6 74 4
6 2 30 1 3 35 3
7 0 10 0 0 24 0
c
8 0 47 3 3 03 1
9 2 99 5 7 29 3
10 4 37 2 6 60 3
11 3 66 3 6 74 4
12 2 91 5 7 85 4
13 3 35 2 5 90 4
14 1 32 2 3 73 3
d
15 0 00 5 5 59 3
20 41 39
Keterlambatan
total
Kedatangan
total
Pembongkaran
total
a
Simulasi dapat dimulai dengan tiadanya penundaan pada hari sebelumnya. Pada simulasi yang panjang,
sekalipun simulasi dimulai dengan lima penundaan dalam semalam, kondisi awal harus dikeluarkan dari
data.
b
Tiga tongkang dapat dibongkar pada hari kedua. Namun, karena tidak ada kedatangan dan tidak ada pekerjaan
yang tertunda, jumlah pembongkarannya adalah 0.
c
Situasi yang sama terjadi seperti pada kasus catatan kaki b.
d
Saat ini, sebanyak 4 tongkang sebenarnya dapat dibongkar. Namun, karena hanya terdapat 3 tongkang dalam
antrean, jumlah tongkang yang dibongkar yang tercatat adalah 3.
Hubungan antara interval
angka acak dan probabilitas
kumulatif adalah ujung atas
setiap interval sama dengan
persentase probabilitas
kumulatif.
Hubungan antara interval
angka acak dan probabilitas
kumulatif adalah ujung atas
setiap interval sama dengan
persentase probabilitas
kumulatif.
MK-182 Manajemen Operasi
Pemahaman: Pengawas sepertinya tertarik pada paling sedikit tiga informasi penting dan
bermanfaat berikut.
Jumlah tongkang rata-rata yang
tertunda di hari berikutnya
(
((
·
·
·
·
\
)

=
=
20
15
1 33
penundaan
hari
tongkang tertunda pe , rr hari
Jumlah kedatangan malam rata-rata
kedatangan
hari
=
=
41
15
2 7 , 3 3 kedatangan per malam
Jumlah tongkang yang dibongkar rata-rata per hari
pembo
=
39 nngkaran
hari
pembongkaran per hari
15
2 60 = ,
Simulasi pada Tabel F.7 menyediakan data yang menarik, tetapi ketiga rata-rata tersebut
merupakan informasi manajemen untuk membantu pengambilan keputusan.
Latihan pembelajaran: Jika angka acak untuk hari 15 adalah 03 dan 93 (bukan 00 dan 59),
bagaimana ketiga rata-rata tersebut akan berubah? [Jawaban: akan menjadi 1,33 (tidak berubah),
2,4, dan 2,4.]
Masalah serupa: F.6, F.8, F.15, F.19, F.21.
Saat data dari Contoh F2 dianalisis dalam kaitannya dengan biaya keterlambatan,
biaya tenaga kerja yang menganggur, serta biaya untuk merekrut kru pembongkaran
tambahan, pengendali pelabuhan dan pengawas dermaga dapat mengambil keputusan
kepegawaian yang lebih baik. Mereka bahkan dapat memilih untuk menyimulasikan
proses kembali dengan mengasumsikan tingkat pembongkaran berbeda yang sesuai
dengan jumlah kru yang ditingkatkan. Walaupun simulasi tidak dapat menjamin solusi
optimal pada persoalan seperti ini, simulasi sangat berguna untuk membentuk ulang
sebuah proses dan mengidentifkasi alternatif keputusan yang baik.
SIMULASI DAN ANALISIS PERSEDIAAN
Pada Bab 12, diperkenalkan model persediaan. Model EOQ digunakan berdasarkan
asumsi bahwa permintaan produk maupun waktu tunggu merupakan nilai yang
konstan. Walaupun demikian, dalam hampir semua kondisi persediaan sesungguhnya,
permintaan dan waktu tunggu merupakan variabel. Dengan demikian, analisis yang
akurat menjadi sangat sukar ditangani dengan cara apa pun, selain dengan simulasi.
Bagian ini menyajikan sebuah masalah persediaan dengan dua variabel
keputusan dan dua komponen probabilistik. Pemilik toko peralatan pada Contoh F3
ingin menentukan keputusan kuantitas pesanan (order quantity) dan titik pemesanan
kembali (reorder point) untuk produk tertentu yang memiliki permintaan harian
yang probabilistik (tidak pasti) dan waktu tunggu untuk pemesanan kembali. Ia ingin
Latihan Pembelajaran
4. Menyimulasikan sebuah
masalah persediaan.
Latihan Pembelajaran
4. Menyimulasikan sebuah
masalah persediaan.
MK-183 Modul Kuantitatif F • Simulasi
menjalankan serangkaian simulasi serta mencoba beragam kuantitas pesanan dan titik
pemesanan kembali untuk meminimalisasi biaya persediaan total. Biaya persediaan
pada kasus ini mencakup biaya pemesanan, penyimpanan, dan kekosongan.
Simulasi Persediaan dengan Dua Variabel
Simkin’s Hardware Store di Reno menjual bor listrik model Ace. Permintaan harian bor secara
relatif rendah, tetapi tergantung pada beberapa keragaman. Waktu tunggu juga cenderung
menjadi variabel. Mark Simkin ingin mengembangkan simulasi untuk mengetes kebijakan
persediaan dari memesan 10 buah bor dengan batas pemesanan ulang sebesar 5. Dengan
kata lain, setiap kali tingkat persediaan di tangan di akhir hari tersebut adalah 5 atau kurang,
Simkin akan menelepon pemasoknya malam itu juga dan memesan 10 buah bor lagi. Simkin
memperhatikan bahwa jika waktu tunggunya adalah 1 hari, pesanannya tidak akan datang
keesokan harinya, tetapi di awal hari kerja selanjutnya.
Pendekatan: Simkin ingin mengikuti 5 langkah dalam proses simulasi Monte Carlo.
Solusi: Selama 300 hari terakhir, Simkin telah melakukan pengamatan penjualan yang
ditunjukkan pada kolom 2 Tabel F.8. Ia mengubah frekuensi historis ke dalam sebuah distribusi
probabilitas untuk variabel permintaan harian (kolom 3). Sebuah distribusi probabilitas
kumulatif dibuat pada kolom 4 Tabel F.8. Di akhir, Simkin menetapkan sebuah interval angka
acak untuk mewakili setiap permintaan harian yang mungkin (kolom 5).

Tabel F.8 Probabilitas dan Interval Angka Acak untuk Permintaan Harian Bor Ace
(1) (2) (1) (1) (5)
Permintaan
Bor Listrik
Frekuensi Peluang
Kejadian
Probabilitas
Kumulatif
Interval Angka
Acak
0 15 0,05 0,05 01 hingga 05
1 30 0,10 0,15 06 hingga 15
2 60 0,20 0,35 16 hingga 35
3 120 0,40 0,75 36 hingga 75
4 45 0,15 0,90 76 hingga 90
5 30 0,10 1,00 91 hingga 00
300 hari 1,00

Ketika Simkin melakukan pemesanan untuk mengisi ulang persediaan bornya, terdapat
jarak antara waktu pemesanan hingga pengantaran selama 1 hingga 3 hari. Hal ini berarti waktu
tunggu juga merupakan variabel probabilistik. Jumlah hari yang dibutuhkan untuk menerima 50
pesanan terakhir diperlihatkan pada Tabel F.9. Hal ini juga terjadi pada pembentukan variabel
permintaan. Simkin menetapkan sebuah distribusi probabilitas untuk variabel waktu tunggu
(kolom 3 Tabel F.9), menghitung distribusi kumulatif (kolom 4), dan memberikan interval angka
acak untuk setiap probabilitas waktu (kolom 5).
Contoh F3 Contoh F3
MK-184 Manajemen Operasi
Tabel F.9 Probabilitas dan Interval Angka Acak untuk Waktu Tunggu Pemesanan Ulang
(1)
Waktu tunggu
(hari)
(2)
Frekuensi
(3)
Peluang
Kejadian
(4)
Probabilitas
Kumulatif
(5)
Interval
Angka Acak
1 10 0,20 0,20 01 hingga 20
2 25 0,50 0,70 21 hingga 70
3 15 0,30 1,00 71 hingga 00
50 pesanan 1,00
Proses keseluruhan disimulasikan pada Tabel F.10 untuk periode 10 hari. Diasumsikan bahwa
persediaan awal (kolom 3) adalah 10 unit pada hari ke-1. Angka acak (kolom 4) diambil dari
kolom 2 Tabel F.4.
Tabel F.10 Simulasi Persediaan Pertama Simkin Hardware. Kuantitas Pesanan = 10
Unit; Titik Pemesanan Ulang = 5 unit
(1)
Hari
(2)
Unit yang
Diterima
(3)
Persediaan
Awal
(4)
Angka
Acak
(5)
Permintaan
(6)
Persediaan
Akhir
(7)
Penjualan
yang Hilang
(8)
Pesan
Lagi?
(9)
Acak
Angka
(10)
Masa
Tenggang
1 10 06 1 9 0 Tidak
2 0 9 63 3 6 0 Tidak
3 0 6 57 3 3
a
0 Ya 02
b
1
4 0 3 94
c
5 0 2 Tidak
d
5 10
e
10 52 3 7 0 Tidak
6 0 7 69 3 4 0 Ya 33 2
7 0 4 32 2 2 0 Tidak
8 0 2 30 2 0 0 Tidak
9 10
f
10 48 3 7 0 Tidak
10 0 7 88 4 3 0 Ya 14
Total: 41 2
a
Saat ini, persediaan pertama kali jatuh ke titik pemesanan kembali sebanyak 5 buah bor. Karena tidak ada pesanan terdahulu yang
belum dikirim, pemesanan pun dilakukan.
b
Angka acak 02 dihasilkan untuk mewakili waktu tunggu yang pertama. Angka ini diambil dari kolom 2 Tabel F.4 ketika nomor
berikutnya dalam dafar telah digunakan. Sebuah kolom yang terpisah dapat digunakan untuk mengambil angka acak waktu tunggu
jika diinginkan. Namun, dalam contoh ini, tidak dilakukan.
c
Lagi, perhatikan bahwa angka acak 02 digunakan sebagai waktu tunggu (lihat catatan kaki b). Jadi, nomor berikutnya pada kolom
adalah 94.
d
Tidak ada pemesanan yang dilakukan pada hari ke-4 karena terdapat pemesanan sebelumnya yang belum diterima.
e
Waktu tunggu untuk pemesanan pertama adalah 1 hari, tetapi seperti yang terlihat pada teks, sebuah pesanan tidak datang pada
keesokan paginya, tetapi pada awal hari berikutnya lagi. Dengan demikian, pesanan pertama tiba pada awal hari ke-5.
f
Ini merupakan saat datangnya pesanan yang dilakukan pada akhir hari kerja ke-6. Sangat beruntung, Simkin tidak mengalami
kehilangan penjualan selama waktu tunggu 2 hari sebelum pesanan datang.
Tabel F.10 diisi dengan menyelesaikan 1 hari (atau baris) baru berlanjut ke hari berikutnya,
mulai dari kiri ke kanan. Hal ini dilakukan dengan empat langkah.
MK-185 Modul Kuantitatif F • Simulasi
1. Mulai setiap hari yang disimulasikan dengan memeriksa apakah terdapat pesanan persediaan
yang datang. Jika ya, maka tambahkan persediaan sekarang dengan jumlah yang dipesan
(pada kasus ini, 10 unit).
2. Bangkitkan permintaan harian dari distribusi probabilitas permintaan dengan memilih
sebuah angka acak.
3. Hitung: persediaan akhir = persediaan awal – permintaan. Jika persediaan tidak cukup
untuk memenuhi permintaan harian, maka penuhi permintaan sedapat mungkin dan
catatlah jumlah penjualan yang hilang.
4. Tentukan apakah persediaan akhir hari tersebut telah mencapai titik pemesanan kembali
(yaitu 5 unit). Jika ya dan tidak ada pesanan yang belum dikirim, maka lakukan pemesanan.
Waktu tunggu untuk pesanan baru disimulasikan dengan memilih sebuah angka acak dan
menggunakan distribusi pada Tabel F.9.
Pemahaman: Simulasi persediaan Simkin menghasilkan beberapa hasil yang menarik.
Persediaan akhir harian rata-rata =
41
10
4 1
total unit
hari
unit/hari = ,
Juga didapatkan rata-rata penjualan yang hilang dan jumlah pesanan yang dilakukan per
hari:
rata-rata penjualan yang hilang =
2
0 2
penjualan yang hilang
10 hari
unit/hari = ,
rata-rata jumlah pesanan yang dilakukan =
3
10
0,3
pesanan
hari
pesanan/hari =
Latihan pembelajaran: Bagaimana ketiga hasil di atas akan berubah jika angka acak untuk hari
10 adalah 04 dan 93, bukannya 88 dan 14? [Jawaban: 4,5, 0,2 (tidak berubah), dan 0,2.]
Masalah serupa: F.11, F.16a.
Contoh F4 menunjukkan bagaimana data ini digunakan untuk mempelajari biaya
persediaan dari kebijakan yang sedang disimulasikan.
Menambahkan biaya ke Contoh F3
Simkin ingin menambahkan biaya pada kebijakan pemesanan yang disimulasikan pada Contoh
F3.
Pendekatan: Simkin memperkirakan bahwa biaya untuk melakukan pemesanan bor Ace adalah
$10, biaya yang dikeluarkan untuk menyimpan setiap bor per hari adalah $0,50, dan biaya
setiap penjualan yang hilang adalah $8. Informasi ini memungkinkan kita dapat menghitung
persediaan total per hari.
Solusi: Tiga komponen biaya akan diuji:

Biaya pemesanan harian = (biaya melakukan 1 pemesanan) × (jumlah pesanan per hari)
= $10 per pesanan × 0,3 pesanan per hari = $3.
Contoh F4 Contoh F4
MK-186 Manajemen Operasi
Biaya penyimpanan harian =
(biaya penyimpanan
1 unit per hari)
×
(jumlah persediaan
akhir rata-rata)
= 50¢ per unit per hari × 4,1 unit per hari
= $2,05
Biaya jika
persediaan kosong
=
(biaya per kehilangan
penjualan)
×
(jumlah kehilangan penjualan per
hari rata-rata)
=
$8 per kehilangan
penjualan
× 0,2 kehilangan penjualan per hari
= $1,60.
Biaya persediaan
harian total
=
Biaya
pemesanan
harian
+
Biaya
penyimpanan
harian
+
Biaya
persediaan
kosong per hari
= $6,65
Pemahaman: Biaya ini akan membantu Simkin memutuskan apakah jika Q = 10, kebijakan
pemesanan ROP = 5 adalah keputusan yang baik.
Latihan pembelajaran: Jika biaya melakukan pemesanan adalah $20 (bukan $10), berapa biaya
persedian total hariannya? [Jawaban: $9,65.]
Masalah serupa: F.12, F.13, F.16b, F.17, F.18.
Setelah Contoh F3 dan 4 dibahas, hal sangat penting yang harus diperhatikan adalah
simulasi ini harus diperluas untuk hari-hari lain sebelum mengambil kesimpulan
mengenai biaya kebijakan pemesanan yang sedang diuji. Jika yang dilakukan adalah
simulasi secara manual, maka 100 hari sudah cukup baik untuk menggambarkan
situasi sebenarnya. Jika simulasi dilakukan dengan komputer, maka 1.000 hari akan
sangat membantu mendapatkan perkiraan biaya yang akurat. (Terlebih, perlu diingat
bahkan dengan simulasi 1.000 hari sekalipun, distribusi yang dihasilkan harus dapat
dibandingkan dengan distribusi yang diinginkan untuk memastikan bahwa hasil yang
diperoleh adalah sah.)
Misalkan, Simkin telah menyelesaikan simulasi 1.000 hari dari kebijakan pada
Contoh F3 (kuantitas pemesanan = 10 bor, titik pemesanan kembali = 5 bor). Apakah
Simkin telah menyelesaikan analisisnya? Jawabannya adalah tidak—hasil ini hanya
permulaan! Sekarang, Simkin harus membandingkan strategi potensial ini dengan
berbagai kemungkinan lain. Sebagai contoh, bagaimana kebijakan pada kuantitas
pemesanan = 10, titik pemesanan kembali = 4? Atau kuantitas pemesanan = 12, titik
pemesanan kembali = 6? Atau kuantitas pemesanan= 14, titik pemesanan kembali
= 5? Setiap perpaduan nilai-nilai—mulai dari kuantitas pemesanan 6 hingga 20 bor
dan titik pemesanan ulang mulai dari 3 hingga 10—mungkin harus disimulasikan
pula. Setelah dilakukan simulasi untuk semua perpaduan dari kuantitas pemesanan
dan titik pemesanan kembali yang layak, Simkin mungkin akan memilih pasangan
yang menghasilkan biaya persediaan total yang paling rendah. Soal F.12 pada bagian
lain dalam modul ini memberikan kesempatan bagi Anda untuk membantu Simkin
memulai serangkaian pembandingan ini.
Biaya untuk menyimulasikan
tabrakan mobil bagian depan
di Ford adalah $60.000
pada tahun 1985. Pada
1998, kejadian tersebut dapat
disimulasikan hanya dengan
$200. Sekarang, biayanya
hanya kurang dari $10 dan
hanya memakan waktu
beberapa menit.
Biaya untuk menyimulasikan
tabrakan mobil bagian depan
di Ford adalah $60.000
pada tahun 1985. Pada
1998, kejadian tersebut dapat
disimulasikan hanya dengan
$200. Sekarang, biayanya
hanya kurang dari $10 dan
hanya memakan waktu
beberapa menit.
MK-187 Modul Kuantitatif F • Simulasi
Rangkuman
Simulasi mencakup pembuatan model matematis yang mencoba bertindak seperti sistem operasi
yang nyata. Dengan cara ini, sebuah situasi dunia nyata dapat dipelajari tanpa membebani sistem
nyatanya. Walaupun model simulasi dapat dikembangkan secara manual, simulasi biasanya
menggunakan komputer lebih disukai. Pendekatan Monte Carlo menggunakan angka acak untuk
menghadirkan variabel, seperti permintaan persediaan atau orang-orang yang menunggu dalam
antrean yang kemudian diduplikasikan dalam serangkaian percobaan. Secara luas, simulasi
digunakan sebagai sebuah alat operasi karena pada umumnya kelebihan yang didapatkan lebih
banyak daripada kelemahannya.
Istilah-istilah Penting
Simulasi (simulation)
Metode Monte Carlo (Monte Carlo method)
Distribusi probabilitas kumulatif (cumulative probability distribution)
Interval angka acak (random-number intervals)
Angka acak (random number)
Penerapan MO Menyimulasikan Kamar Operasi di Jackson Memorial Hospital
Jackson Memorial Hospital di Miami merupakan
rumah sakit terbesar di Florida dengan kapasitas
1.576 tempat tidur, dan merupakan salah satu rumah
sakit terbaik di Amerika Serikat. Pada tahun 1996,
rumah sakit ini menerima nilai akreditasi tertinggi dari
semua rumah sakit umum di Amerika Serikat. Tim
manajemen Jackson selalu mencari jalan untuk terus
meningkatkan efisiensi rumah sakit, dan konstruksi
kamar operasi (operating room—OR) baru memicu
pengembangan simulasi dari 31 OR yang telah
ada.
Bagian OR rumah sakit meliputi sebuah area
penanganan pasien dan sebuah area penyembuhan
pasien, kedua ruang tersebut sedang mengalami
persoalan yang disebabkan oleh penjadwalan dari
pelayanan OR yang tidak efektif. Sebuah penelitian
simulasi yang dimodelkan dengan menggunakan
paket peranti lunak ARENA, dilihat untuk
memaksimalkan penggunaan ruang dan karyawan di
bagian OR. Data masukan bagi model ini meliputi (1)
jumlah waktu pasien menunggu di area penanganan,
(2) proses tertentu yang dialami pasien, (3) jadwal
karyawan, (4) ketersediaan kamar operasi, dan (5)
waktu yang tersedia sepanjang hari.
Hambatan pertama yang harus dihadapi terlebih
dahulu oleh tim manajemen Jackson adalah jumlah
arsip yang harus ditinjau ulang untuk menyaring
informasi yang dibutuhkan bagi model simulasi.
Hambatan kedua adalah kualitas data. Sebuah
analisis arsip secara menyeluruh diperlukan untuk
menentukan arsip yang baik dan arsip yang harus
dibuang. Pada akhirnya, staf Jackson dengan
saksama menyaring basis data mereka yang
mengarahkan pada serangkaian input data yang
baik untuk model yang ada. Kemudian, simulasi
dapat dilakukan secara sukses dengan lima ukuran
kinerja: (1) jumlah operasi per hari, (2) waktu operasi
rata-rata, (3) utilisasi karyawan, (4) utilisasi kamar
operasi, dan (5) waktu tunggu rata-rata dalam area
penanganan.

Sumber: Knight Rider Tribune Business Service (3 Mei 2004): 1. M.
A. Centeno et al., “Challenges of Simulating Hospital Facilities”.
Proceedings of the 12th Annual Conference of the Production and
Operations Management Society. (Maret 2001).
MK-188 Manajemen Operasi
Menggunakan Peranti Lunak dalam Simulasi
Komputer sangat penting dalam menyimulasikan tugas yang kompleks. Komputer dapat
membangkitkan angka acak, menyimulasikan beribu-ribu periode waktu dalam hitungan detik
atau menit, dan memberikan laporan bagi manajemen untuk membuat pengambilan keputusan
menjadi lebih mudah. Sebuah pendekatan komputer hampir merupakan keharusan untuk
menarik kesimpulan yang sah dari simulasi.
Bahasa pemrograman komputer dapat membantu proses simulasi. Bahasa untuk tujuan
umum, seperti BASIC atau C++ merupakan sebuah pendekatan. Bahasa simulasi dengan tujuan
khusus, seperti GPSS dan SIMSCRIPT, memiliki beberapa kelebihan: (1) bahasa ini memerlukan
lebih sedikit waktu pemrograman untuk simulasi besar, (2) bahasa ini umumnya lebih efsien
dan lebih mudah untuk melihat kemungkinan kesalahan, dan (3) pembangkit angka acak telah
dibuat dalam bahasa ini sebagai subroutine.
Program simulasi yang mudah dibaca dan bersifat komersial juga tersedia. Beberapa
digunakan untuk menangani beragam situasi yang berkisar mulai dari antrean hingga persediaan.
Termasuk program-program seperti Extend, Modsim, Witness, MAP/1, Enterprise Dynamics,
Simfactory, ProModel, Micro Saint, dan ARENA. Sebuah penerapan peranti lunak ARENA
dijelaskan pada kotak Penerapan MO “Menyimulasikan Kamar Operasi di Jackson Memorial
Hospital”.
Sofware berupa spreadsheet seperti Excel juga dapat digunakan untuk mengembangkan
simulasi secara cepat dan mudah. Paket tersebut memiliki pembangkit nilai acak dan
menghasilkan output dengan menggunakan perintah tabel “data-fll”.
Gunakan fungsi RAND
untuk membangkitkan
angka acak antara
0 dan 1.
Gunakan fungsi VLOOKUP untuk
menentukan jumlah ban yang
dijual berdasarkan angka acak
yang dibangkitkan dan tabel
probabilitas di C4:E9.
Gunakan fungsi FREQUENCY untuk menciptakan tabel
frekuensi berdasarkan simulasi di kolom I.
Program F.1 Menggunakan Excel untuk Menyimulasikan Permintaan Ban untuk Barry’s
Auto Tire Shop
Output menunjukkan rata-rata simulasi sebanyak 3,2 ban per hari (di sel I14).
MK-189 Modul Kuantitatif F • Simulasi
X
Menggunakan Spreadsheet Excel
Kemampuan membangkitkan angka acak, kemudian “melihat” angka-angka ini dalam sebuah
tabel untuk mengasosiasikanya dengan kejadian tertentu membuat spreadsheet alat yang ampuh
untuk melakukan simulasi. Program F.1 menggambarkan simulasi Excel untuk Contoh F1.
Perhatikan bahwa probabilitas kumulatifnya dihitung pada kolom E di Program F.1.
Prosedur ini mengurangi kemungkinan eror dan berguna pada simulasi yang lebih besar yang
melibatkan lebih banyak tingkat permintaan.
Fungsi = VLOOKUP di kolom I melihat angka acak (yang dibangkitkan di kolom H) di
kolom paling kiri dari tabel yang dilihat ($A$4:$B$9). Fungsi =VLOOKUP bergerak ke bawah
melalui kolom ini, hingga menemukan sel yang lebih besar dari angka acak. Kemudian, melihat
kolom sebelumnya dan mengambil nilai dari kolom B di dalam tabel.
Di kolom H, contohnya, angka acak pertama yang diperlihatkan adalah 0,716. Excel
melihat kolom di sebelah kiri dari tabel ($A$4:$B$9) pada Program F.1 hingga menemukan
0,85. Dari baris sebelumnya, Excel mengambil nilai di kolom B, yaitu 4. Menekan tombol fungsi
F9 akan menghitung ulang angka acak dan simulasinya.
Nilai Sel Formula Excel Aksi
Probabilitas kumulatif A4 =0
Probabilitas kumulatif A5 =A4+D4 Salin ke A6:A9
Angka Acak H4 =RAND() Salin ke H5:H13
Permintaan I4 =VLOOKUP(H4,$A$4:$B$9,2,TRUE) Salin ke I5:I13
Rata-rata I14 =AVERAGE(I4:I13)
Frekuensi C18 =FREQUENCY ($I$4:$I$13,$B$18:$B$23) Salin array ke C19:C23
Total C24 =SUM (C18:C23)
Persentase D18 =C18/$C$24 Salin ke D19:D23
Permintaan simulasi rerata D25 =SUMPRODUCT(B18:B23,D18:D23)
Persentase Kumulatif E18 =D18
Persentase Kumulatif E19 =E18+D19 Salin ke E20:E23
Tekan F9 untuk menyimulasikan
Menggunakan POM for Windows dan Excel OM
POM for Windows dan Excel OM mampu menangani berbagai simulasi yang hanya mengandung
satu variabel acak, seperti pada Contoh F1. Untuk keterangan lebih lanjut, lihat Lampiran IV.
Contoh Soal dan Penyelesaian
Contoh Soal F.1
Higgins Plumbing and Heating menjaga tingkat persediaan pemanas air sebanyak 30 galon
untuk dijual dan dipasang bagi rumah tangga. Jerry Higgins, sang pemilik perusahaan, menyukai
ide untuk memiliki pasokan yang banyak untuk memenuhi permintaan pelanggan. Namun, ia
juga memahami bahwa untuk memiliki pasokan yang banyak, dibutuhkan biaya yang besar. Ia
meneliti penjualan alat pemanas air selama 50 minggu terakhir dan mencatat hal berikut.
Tujuan Pembelajaran
5. Menggunakan
spreadsheet Excel untuk
memuat simulasi.
Tujuan Pembelajaran
5. Menggunakan
spreadsheet Excel untuk
memuat simulasi.
MK-190 Manajemen Operasi
Penjualan Alat Pemanas Air per Minggu Jumlah Minggu Barang Terjual
4 6
5 5
6 9
7 12
8 8
9 7
10 3
50 minggu data total

a) Jika Higgins menjaga persediaan konstan sebanyak 8 alat pemanas air pada setiap minggu,
maka berapa kali ia kehabisan persediaan pada simulasi selama 20 minggu? Akan digunakan
angka acak dari kolom ketujuh Tabel F.4, dimulai dengan angka acak 10.
b) Berapakah jumlah penjualan rata-rata setiap minggu selama periode 20 minggu?
c) Dengan menggunakan teknik analisis nonsimulasi, berapakah jumlah penjualan yang
diharapkan setiap minggu? Bagaimana cara membandingkannya dengan jawaban pada
bagian (b)?
Jawaban
Penjualan Alat Pemanas Peluang Interval Angka Acak
4 0,12 01 hingga 12
5 0,10 13 hingga 22
6 0,18 23 hingga 40
7 0,24 41 hingga 64
8 0,16 65 hingga 80
9 0,14 81 hingga 94
10 0,06 95 hingga 00
1,00
(a)
Minggu Angka
Acak
Penjualan
yang
Disimulasikan
Minggu Angka Acak Penjualan
yang
Disimulasikan
1 10 4 11 08 4
2 24 6 12 48 7
3 03 4 13 66 8
4 32 6 14 97 10
5 23 6 15 03 4
6 59 7 16 96 10
7 95 10 17 46 7
8 34 6 18 74 8
9 34 6 19 77 8
10 51 7 20 44 7
MK-191 Modul Kuantitatif F • Simulasi
Dengan pasokan 8 alat pemanas, Higgins akan kehabisan persediaan selama tiga kali di sepanjang
periode 20 minggu (pada minggu ke-7, ke-14, dan ke-16).
(b) Penjualan rata-rata dalam simulasi = penjualan total/20 minggu = 135/20 = 6,75 per
minggu.
(c) Dengan menggunakan nilai yang diharapkan, kita dapatkan
E (penjualan) = 0,12(4 pemanas) + 0,10(5) + 0,18(6) + 0,24(7)
+ 0,16(8) + 0,14(9) + 0,06(10)
= 6,88 pemanas
Dengan simulasi yang lebih panjang, kedua pendekatan ini akan menghasilkan nilai yang lebih
mendekati harapan.

Contoh Soal F.2
Angka-angka acak dapat digunakan untuk menyimulasikan distribusi yang kontinu. Sebagai
sebuah contoh sederhana, asumsikan bahwa biaya tetap adalah $300, keuntungan sebesar $10
per unit yang terjual, dan diharapkan terdapat peluang yang sama dari 0 hingga 99 unit yang
akan terjual. Jadi, keuntungan = –$300 + $10X, di mana X adalah jumlah unit yang terjual.
Jumlah rata-rata yang diperkirakan dapat terjual adalah 49,5 unit.
a) Hitunglah nilai yang diharapkan!
b) Simulasikan penjualan sebanyak 5 unit, dengan menggunakan angka acak dua digit sebagai
berikut:
33 77 13 10 85
c) Hitung nilai yang diharapkan dari bagian (b) dan bandingkan dengan hasil bagian (a)!
Jawaban
a. Nilai yang diharapkan = –300 + 10(49,5) = $195
b. –300 + $10(37) = $70
–300 + S10(77) = $470
–300 + $10(13) = –$170
–300 + $10(10) = –$200
–300 + $10(85 )= $550
c. Hasil penjualan rata-rata yang disimulasikan adalah $144. Dengan ukuran sampel yang
lebih besar, kedua nilai diharapkan akan semakin dekat.

Uji Diri Sendiri
• Sebelum melakukan uji diri sendiri, lihat tujuan pembelajaran di awal bab dan kata kunci
di akhir bab.
• Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.
• Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang
Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik.
MK-192 Manajemen Operasi
1. Ketujuh langkah yang harus dilakukan manajer operasi ketika menggunakan simulasi untuk
menganalisa sebuah masalah adalah ______, ______, ______, ______, ______,
______, dan ______.
2. Kelima langkah yang diperlukan dalam teknik simulasi Monte Carlo adalah _________,
_________, _________, _________, _________, dan _________.
3. Ketika menyimulasikan percobaan Monte Carlo, permintaan simulasi rata-rata di sepanjang
simulasi seharusnya mendekati…
a. permintaan nyata.
b. permintaan yang diperkirakan.
c. permintaan sampel.
d. permintaan harian.
4. Ide dasar di balik simulasi adalah…
a. untuk menirukan situasi dunia nyata.
b. untuk mempelajari sifat dan karakteristik operasi situasi di dunia nyata.
c. untuk menarik kesimpulan dan mengambil keputusan berdasarkan hasil-hasil
simulasi.
d. Semua jawaban di atas benar.
5. Menggunakan simulasi untuk masalah antrean...
a. sangatlah jarang dalam situasi nyata.
b. merupakan alternatif yang tidak masuk akal jika laju kedatangan tidak terdistribusi
secara Poisson, tetapi dapat dibuat grafknya dalam kurva.
c. akan sesuai jika waktu pelayanannya tidak eksponensial atau konstan.
d. Semua jawaban di atas benar.
6. Ketika memilih angka acak dalam simulasi Monet Carlo...
a. penting untuk mengembangkan distribusi probabilitas kumulatif.
b. tidak penting untuk memilih rentang yang tepat dari interval angka acak sebagai
probabilitas.
c. penting untuk memilih angka acak tertentu yang tepat
d. Semua jawaban di atas benar.
7. Dalam simulasi Monte Carlo, variabel yang mungkin ingin disimulasikan adalah...
a. waktu tunggu untuk kedatangan pesanan simpanan.
b. waktu antar kerusakan mesin.
c. waktu antar kedatangan di fasilitas perawatan.
d. jumlah karyawan yang tidak masuk kerja setiap harinya.
e. Semua jawaban di atas benar.
8. Gunakan angka acak berikut untuk menyimulasikan jawaban ya dan tidak untuk 10
pertanyaan dengan memulai dari baris pertama dan mengambil:
a) angka berdigit ganda 00−49 melambangkan ya dan 50−99 melambangkan tidak,
b) angka genap berdigit ganda melambangkan ya dan angka ganjil melambangkan
tidak.
Angka Acak: 52 06 50 88 53 30 10 47 99 37
Pertanyaan untuk Diskusi
1. Secara berurutan, sebutkan tujuh langkah yang perlu dilaksanakan seorang manajer operasi
ketika menggunakan simulasi untuk meneliti suatu masalah!
MK-193 Modul Kuantitatif F • Simulasi
2. Sebutkan kelebihan simulasi!
3. Sebutkan kelemahan simulasi!
4. Jelaskan perbedaan antara permintaan rata-rata yang disimulasikan dan permintaan rata-
rata yang diperkirakan!
5. Apakah peran angka acak dalam sebuah simulasi Monte Carlo?
6. Mengapa hasil sebuah simulasi mungkin berbeda setiap kali dijalankan?
7. Apakah yang disebut simulasi Monte Carlo? Prinsip apakah yang mendasari penggunaannya,
dan langkah-langkah apakah yang dilakukan dalam penerapan itu?
8. Sebutkan enam cara simulasi yang dapat digunakan dalam bisnis!
9. Mengapa simulasi merupakan teknik yang digunakan secara luas?
10. Apakah kelebihan bahasa simulasi dengan tujuan khusus?
11. Dalam menyimulasikan sebuah kebijakan pemesanan bor pada toko Simkin (Contoh
F3), apakah hasil (dari Tabel F.10) berubah secara drastis jika periode yang lebih panjang
disimulasikan? Mengapa simulasi 10 hari dapat sah atau tidak sah?
12. Mengapa sebuah komputer diperlukan untuk menjalankan simulasi dunia nyata?
13. Mengapa seorang manajer mungkin terpaksa menggunakan simulasi sebagai ganti dari
model analisis ketika berhadapan dengan suatu permasalahan:
a) kebijakan pemesanan persediaan?
b) kapal yang bersandar di dermaga untuk dibongkar?
c) pelayanan kasir di bank?
d) perekonomian Amerika Serikat?
Soal-soal*
2
Soal-soal berikut meliputi simulasi yang dapat dilakukan dengan tangan. Namun,
untuk memperoleh hasil yang berarti dan akurat, harus disimulasikan periode
yang lama. Pekerjaan ini umumnya dilakukan oleh komputer. Jika Anda dapat
memprogramkan beberapa persoalan dalam Excel ataupun bahasa komputer yang
Anda kuasai, disarankan untuk melakukannya. Jika tidak, maka simulasi tangan masih
dapat membantu Anda untuk memahami proses simulasi.
F.1 Permintaan harian roti lapis tuna di kantin Universitas Roosevelt adalah 8, 9, 10, atau 11
dengan probabilitas 0,4, 0,3, 0,2, atau 0,1. Diasumsikan angka acak berikut telah dibangkitkan:
09, 55, 73, 67, 53, 59, 04, 23, 88, dan 84. Dengan menggunakan angka-angka ini, buatlah
penjualan harian roti lapis selama 10 hari.

F.2 Banyaknya mesin yang rusak per hari pada pabrik di Kristen Hodge adalah 0, 1, atau 2
dengan probabilitas sebesar 0,5, 0,3, atau 0,2. Angka acak berikut telah dibangkitkan: 13, 14,
02, 18, 31, 19, 32, 85, 31, dan 94. Gunakan angka ini untuk menghasilkan jumlah kerusakan
mesin untuk 10 hari berturut-turut. Berapakah proporsi dari hari-hari ini di mana paling sedikit
terdapat 1 kali kerusakan mesin?

F.3 Tabel berikut menunjukkan sebagian hasil sebuah simulasi Monte Carlo. Asumsikan
bahwa simulasi dimulai pada pukul 08.00, dan hanya terdapat satu pelayan.
*Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.
MK-194 Manajemen Operasi
Nomor Pelanggan Waktu Kedatangan Waktu Pelayanan
1 08:01 6
2 08:06 7
3 08:09 8
4 08:15 6
5 08:20 6
a) Kapan pelayanan untuk pelanggan ke-3 dimulai?
b) Kapan pelanggan ke-5 akan selesai dilayani?
c) Berapakah waktu tunggu rata-rata?
d) Berapakah waktu dalam sistem rata-rata?

F.4 Barbara Flynn menjual koran pada sebuah kios surat kabar seharga $0,35. Biaya koran
adalah $0,25, yang memberikan keuntungan sebesar $0,10 untuk setiap koran yang dijual. Dari
pengalaman masa lalu, Barbara mengetahui bahwa:
a) 20% waktu, ia menjual 100 koran;
b) 20% waktu, ia menjual 150 koran;
c) 30% waktu, ia menjual 200 koran;
d) 30% waktu, ia menjual 250 koran.
Asumsikan Barbara percaya bahwa biaya kehilangan sebuah penjualan adalah $0,05 dan setiap
koran yang tidak terjual membebaninya sejumlah $0,25, simulasikan pandangan keuntungan
Barbara selama 5 hari jika ia memesan 200 koran pada setiap hari dalam 5 hari tersebut. Gunakan
angka acak berikut: 52, 06, 50, 88, dan 53.

F.5 Children’s Hospital sedang mempelajari banyaknya kotak obat keadaan darurat yang
digunakan sepanjang akhir pekan. Pada 40 akhir pekan terakhir, banyaknya kotak yang
digunakan adalah sebagai berikut.
Jumlah Kotak Frekuensi
4 4
5 6
6 10
7 12
8 8
Angka acak berikut telah dihasilkan: 11, 52, 59, 22, 03, 03, 50, 86, 85, 15, 32, 47. Simulasikan
12 malam penggunaan kotak obat keadaan darurat. Berapakah jumlah kotak rata-rata yang
digunakan selama 12 malam ini?

F.6 Toko bahan makanan Susan Sherer telah mencatat angka-angka berikut yang berkaitan
dengan banyaknya orang yang tiba di kasir dan waktu untuk melayani mereka.
Waktu Kedatangan/Menit Frekuensi
0
1
2
0,3
0,5
0,2
MK-195 Modul Kuantitatif F • Simulasi
Waktu Pelayanan/Menit Frekuensi
1 0,1
2 0,3
3 0,4
4 0,2
Simulasikan utilisasi ketiga kasir selama 5 menit dengan menggunakan angka acak berikut:
07, 60, 77, 49, 76, 95, 51, 16, dan 14! Catatlah hasilnya di akhir periode 5 menit! Waktu dimulai
pada titik 0.

F.7 Seorang manajer gudang di Mary Beth Marrs Corp. harus menyimulasikan permintaan
produk yang tidak memenuhi model standar. Konsep yang sedang diukur adalah “permintaan
pada waktu tunggu”, baik waktu tunggu maupun permintaan harian merupakan variabel.
Catatan historis untuk produk ini, bersama dengan distribusi kumulatif, terdapat dalam tabel
di bawah. Angka acak telah dibangkitkan untuk menyimulasikan 5 siklus pemesanan berikut:
91, 45, 37, 65, dan 51. Berapakah nilai permintaan 5 hari tersebut? Berapakah rata-ratanya?

Permintaan Saat Waktu
tunggu
Probabilitas Probabilitas Kumulatif
100 0,01 0,01
120 0,15 0,16
140 0,30 0,46
160 0,15 0,61
180 0,04 0,65
200 0,10 0,75
220 0,25 1,00
F.8 Waktu antarkedatangan di jendela drive-thru pada rumah makan cepat saji Barry Harmon
mengikuti distribusi yang diberikan di bawah ini. Distribusi waktu pelayan juga diberikan.
Gunakan angka acak yang disajikan untuk menyimulasikan 4 aktivitas kedatangan pertama.
Asumsikan bahwa jendela dibuka pada pukul 11.00 siang dan kedatangan pertama terjadi setelah
itu berdasarkan pada waktu kedatangan yang dihasilkan pertama kali.
Waktu Antar-Kedatangan Probabilitas Waktu Pelayanan Probabilitas
1 0,2 1 0,3
2 0,3 2 0,5
3 0,3 3 0,2
4 0,2
Angka acak kedatangan: 14, 74, 27, 03
Angka acak waktu pelayanan: 88, 32, 36, 24
Kapankah pelanggan keempat meninggalkan sistem?
F.9 Phantom Controls mengawasi dan memperbaiki kotak sirkuit pada lif yang dipasang
pada gedung bertingkat di pusat kota Chicago. Perusahaan tersebut memiliki kontrak untuk
108 gedung. Ketika terjadi kerusakan pada sebuah kotak, Phantom memasang kotak yang baru
dan memperbaiki unit yang rusak pada sebuah bengkel di Gary, Indiana. Data bagi kerusakan
kotak selama 2 tahun terakhir ditunjukkan pada tabel berikut.

MK-196 Manajemen Operasi
Jumlah Kotak yang Rusak per Bulan Probabilitas
0 0,10
1 0,14
2 0,26
3 0,20
4 0,18
5 0,12

Simulasikan kegiatan Phantom selama 2 tahun (24 bulan)! Dari simulasi, tentukan jumlah
kotak rusak rata-rata per bulan! Apakah hal yang biasa memiliki kurang dari 7 kerusakan selama
3 bulan operasi? (Awali simulasi Anda pada bagian teratas kolom ke-10 pada Tabel F.4 RN =
37, dan bergerak turun sepanjang tabel.)
F.10 Banyaknya mobil yang datang di Tempat Pencucian Mobil Terry Haugen selama 200 jam
terakhir diamati sebagai berikut.
Jumlah Mobil yang Datang Frekuensi
3 atau kurang 0
4 20
5 30
6 50
7 60
8 40
9 atau lebih 0
200
a) Tentukan probabilitas dan distribusi probabilitas kumulatif bagi variabel kedatangan
mobil!
b) Tetapkan interval angka acak bagi variabel!
c) Simulasikan 15 jam kedatangan mobil dan hitung jumlah kedatangan mobil rata-rata
per jam. Pilih angka acak yang diperlukan dari kolom 1, Tabel F.4, dimulai dengan
angka 52!

F.11 Kios koran Leonard Presby menggunakan perkiraan naif untuk memesan koran keesokan
hari. Banyaknya surat kabar yang dipesan sesuai dengan permintaan hari sebelumnya. Permintaan
koran saat ini adalah 22. Presby membeli koran seharga $0,20 dan menjualnya seharga $0,50.
Setiap kali terdapat permintaan yang tidak dapat dipenuhi, Presby memperkirakan peluang
yang hilang seharga $0,10. Lengkapi tabel di bawah, dan jawab pertanyaan berikut!
Permintaan Probabilitas
21 0,25
22 0,15
23 0,10
24 0,20
25 0,30

MK-197 Modul Kuantitatif F • Simulasi
Hari Koran
yang
Dipesan
Angka
Acak
Permintaan Pendapatan Biaya Biaya
Kepercayaan
Keuntungan
Bersih
1 22 37
2 19
3 52
4 8
5 22
6 61

a) Berapakah permintaan pada hari ke-3?
b) Berapakah keuntungan bersih total pada akhir hari ke-6?
c) Berapakah nilai kepercayaan yang hilang pada hari ke-6?
d) Berapakah keuntungan bersih pada hari ke-2?
e) Berapa banyak koran yang telah dipesan Presby untuk hari ke-5?

F.12 Simkin’s Hardware menyimulasikan sebuah kebijakan pemesanan persediaan untuk bor
listrik Ace dengan kuantitas pemesanan sebanyak 10 bor, dan titik pemesanan kembali 5. Usaha
pertama untuk mengembangkan sebuah strategi pemesanan yang hemat biaya digambarkan
pada Tabel F.10 dari Contoh F3. Simulasi yang ringkas menghasilkan biaya persediaan harian
total sebesar $6,65 pada Contoh F4.
Saat ini, Simkin ingin membandingkan strategi tersebut dengan strategi yang memesan 12
bor dengan titik pemesanan kembali = 6. Lakukanlah simulasi 10 hari dan bahaslah implikasi
biaya yang terjadi!

F.13 Tiket pada setiap pertandingan football selama 8 tahun terakhir pada Eastern State
University selalu terjual habis. Pendapatan dari penjualan tiket sangat besar, tetapi penjualan
makanan, minuman, dan cenderamata juga berkontribusi pada keuntungan keseluruhan program
football. Satu program football berarti penjualan suvenir tertentu untuk setiap pertandingan.
Jumlah tiket yang terjual pada setiap pertandingan dijelaskan dengan distribusi probabilitas
berikut.
Jumlah Tiket yang Terjual Probabilitas
2.300 0,15
2.400 0,22
2.500 0,24
2.600 0,21
2.700 0,18
Setiap tiket mengeluarkan biaya produksi sebesar $0,80 dan akan dijual seharga $2.00.
Setiap tiket yang tidak terjual disumbangkan ke pusat daur ulang dan tidak menghasilkan
keuntungan.
a) Simulasikan penjualan tiket pada 10 pertandingan sepak bola. Gunakan kolom terakhir
pada tabel angka acak (Tabel F.4) dan mulai pada kolom teratas.
b) Jika universitas memutuskan untuk mencetak 2.500 tiket untuk setiap pertandingan,
berapakah keuntungan rata-rata untuk 10 pertandingan yang disimulasikan?
MK-198 Manajemen Operasi
c) Jika universitas memutuskan untuk mencetak 2.600 tiket untuk setiap pertandingan,
berapakah keuntungan rata-rata untuk 10 pertandingan yang disimulasikan?
F.14 Lihat kembali data pada Contoh Soal F.1, berkaitan dengan Higgins Plumbing and
Heating. Saat ini, Higgins telah mengumpulkan data selama 100 minggu dan mendapati
distribusi penjualannya berikut.
Penjualan Alat Pemanas Air per Minggu Minggu di Mana Sejumlah Tersebut Terjual
3 2
4 9
5 10
6 15
7 25
8 12
9 12
10 10
11 5
100
a) Asumsikan Higgins menjaga tingkat persediaan konstan sebanyak 8 alat pemanas,
simulasikan kembali banyaknya kejadian persediaan kosong yang terjadi pada periode 20
minggu!
b) Lakukan simulasi 20 minggu dua kali lagi, dan bandingkan jawaban Anda dengan jawaban
pada bagian a). Apakah mereka sangat berbeda? Mengapa berbeda atau mengapa tidak
berbeda?
c) Berapakah jumlah penjualan yang diharapkan setiap minggu?

F.15 Taboo Tattoo and Tanning memiliki dua tempat tidur untuk perawatan. Satu tempat tidur
digunakan secara eksklusif untuk melayani anggota perusahaan yang reguler. Tempat tidur
yang kedua digunakan hanya untuk melayani pelanggan yang datang tanpa perjanjian terlebih
dahulu dengan aturan frst come, frst served. Gary Clendenen, manajer toko, telah mencatat
selama beberapa waktu di sepanjang 5 jam sibuk per hari (pukul 14.00 hingga 19.00), yaitu ketika
pelanggan potensial paling sering pergi meninggalkan toko jika mereka mendapatkan seseorang
telah menunggu untuk dilayani pada tempat tidur yang kedua. Clendenen ingin mengetahui
apakah penambahan tempat tidur yang ketiga akan menangkap
peluang yang hilang tersebut. Penyewaan dan perawatan sebuah
tempat tidur memerlukan biaya $600 per bulan. Harga yang
dibayar oleh setiap pelanggan bervariasi, bergantung pada waktu
mereka berada pada tempat tidur. Namun, Gary telah menghitung
pendapatan bersih rata-rata untuk setiap 10 menit waktu tanning
adalah $2,00. Sebuah penelitian mengenai pola kedatangan selama
jam sibuk dan waktu yang dihabiskan untuk melakukan proses
tanning adalah sebagai berikut.
MK-199 Modul Kuantitatif F • Simulasi
Waktu Antar-
Kedatangan (menit)
Probabilitas Waktu pada
Tempat Tidur
Probabilitas
5 0,30 10 0,20
10 0,25 15 0,30
15 0,20 20 0,40
20 0,15 25 0,10
25 0,10
a) Simulasikan operasi selama 4 jam operasi (kedatangan selama 4 jam)! Gunakan kolom
ke-14 dari Tabel F.4 untuk waktu kedatangan dan kolom ke-8 untuk waktu pelayanan.
Asumsikan terdapat seorang pelanggan yang dilayani pada pukul 14.00 siang untuk
pelayanan selama 20 menit. Indikasikan pelanggan yang menolak untuk menunggu
dilayani! Berapakah pelanggan yang hilang selama 5 jam tersebut?
b) Jika toko tersebut buka selama rata-rata 24 hari per bulan, dapatkah toko menangkap
peluang penjualan yang hilang dan membenarkan penambahan sebuah tempat tidur
baru?
F.16 Erin Davis memiliki dan mengelola salah satu agen penjualan mobil Mercedes-Benz
terbesar di Nebraska. Dalam 36 bulan terakhir, penjualan Davis memiliki rentang mulai dari 6
hingga 12 mobil baru, seperti yang digambarkan pada tabel berikut.
Penjualan Mobil Baru/Bulan Frekuensi
6 3
7 4
8 6
9 12
10 9
11 1
12 1
36 bulan
Davis yakin bahwa penjualan akan berlanjut selama 24 bulan berikutnya dengan tingkat
penjualan yang sama, dan waktu penyerahan juga berlanjut mengikuti pola berikut (dinyatakan
dalam bentuk probabilitas).
Waktu Penyerahan Probabilitas
1 0,44
2 0,33
3 0,16
4 0,07
1,00
Kebijakan Davis saat ini adalah untuk memesan 14 mobil secara bersamaan (dua truk
penuh dengan 7 mobil pada setiap truk), dan untuk melakukan pemesanan baru saat persediaan
mencapai 12 mobil.
MK-200 Manajemen Operasi
a) Apa hasil dari kebijakan ini ketika disimulasikan selama 2 tahun mendatang?
b) Davis menyimpulkan biaya relevan sebagai berikut: (1) biaya membawa setiap Mercedes
per bulan adalah $600; (2) biaya kehilangan penjualan rata-rata adalah $4.350; (3) biaya
memesan adalah $570. Berapa biaya persediaan total kebijakan ini?

F.17 Dumoor Appliance Center menjual dan memperbaiki beberapa merek alat terkenal.
Penjualan yang lalu dari model tertentu kulkas telah menghasilkan distribusi probabilitas
permintaan berikut.
Permintaan per minggu 0 1 2 3 4
Probabilitas 0,20 0,40 0,20 0,15 0,05
Waktu tunggu dalam minggu diperlihatkan oleh distribusi berikut.
Waktu tunggu (minggu) 1 2 3
Probabilitas 0,15 0,35 0,50
Berdasarkan pertimbangan biaya dan ruang penyimpanan, perusahaan tersebut
memutuskan untuk memesan 10 barang tersebut setiap kali memesan. Biaya penyimpanannya
adalah $1 per minggu untuk setiap unit yang ditinggalkan dalam persediaan di akhir minggu.
Biaya stockout telah ditetapkan sebesar $40 per stockout. Perusahaan tersebut telah memutuskan
untuk melakukan pesanan setiap kali tinggal dua kulkas tersisa di akhir minggu. Simulasikan
10 minggu operasi Dumoor Appliance dengan asumsi bahwa saat ini terdapat 5 unit dalam
persediaan! Tentukan biaya stockout mingguan dan biaya penyimpanan mingguan untuk
masalah tersebut! Gunakan angka acak pada kolom pertama Tabel F.4 untuk permintaan dan
kolom kedua untuk waktu tunggu.

F.18 Ulangi simulasi Soal F.17 dengan asumsi bahwa titik pemesanan ulangnya adalah 4 bukan
2! Bandingkan biaya untuk kedua situasi tersebut! Gunakan angka acak yang sama seperti pada
Soal F.17.

F.19 Johnny‘s Dynamo Dog membuka satu garis antrean untuk drive-thru. Pelanggan tiba pada
antrean tersebut di sepanjang jam sibuk (11.00 siang hingga 13.00 siang) baik untuk memesan
makanan dari menu atau paket hemat. Saat ini, 25% makanan yang dijual adalah paket hemat
dengan keuntungan rata-rata $2,25. Makanan dari menu memberikan keuntungan $3,00 per
porsi; namun, membutuhkan waktu persiapan yang lebih lama dan mengakibatkan waktu
pelayanan yang lebih lambat. Berikut adalah waktu antarkedatangan yang telah dicatat selama
3 minggu terakhir.
Waktu Kedatangan untuk 500 Pengamatan
Waktu Antarkedatangan (menit) Jumlah Kejadian
1 100
2 150
3 125
4 100
5 25
MK-201 Modul Kuantitatif F • Simulasi
Sebagai tambahan, berikut adalah waktu pelayanan masing-masing untuk makanan dari
menu dan paket hemat.
Waktu Pelayanan Pelanggan untuk Masing-masing 500 Pesanan
Waktu Pelayanan
(menit)
Dari Menu Waktu Pelayanan
(menit)
Paket Hemat
1 50 1 100
2 125 2 175
3 175 3 125
4 150 4 100
John Cottrell (“Johnny”) selalu mengamati bahwa karena kemacetan lalu lintas, restorannya
kehilangan semua pelanggan potensial yang datang di saat terdapat 4 mobil dalam antrean
(contohnya, antrean tidak pernah lebih dari empat pelanggan).
a) Simulasikan periode 1 jam untuk bauran pesanan yang terdiri atas makanan dari menu
dan paket hemat. Untuk mengawalinya, asumsikan terdapat dua mobil dalam antrean
yang masing-masing dilayani dalam waktu 2 menit. Tentukan banyaknya makanan
yang disajikan, pendapatan dari makanan tersebut, dan banyaknya penjualan yang
hilang akibat pelanggan yang pergi ke tempat lain.
b) Johnny sedang mempertimbangkan untuk mengurangi harga paket hematnya sebesar
$0,25. Ia yakin bahwa hal ini akan meningkatkan persentase penjualan paket hemat
dari 25% menjadi 40%. Ini akan mengakibatkan waktu pelayanan yang lebih cepat
dan semakin sedikitnya penjualan yang hilang. Dengan menggunakan simulasi,
tentukan apakah perubahan ini menguntungkan secara keuangan. Asumsikan bahwa
keuntungan dalam 2 jam per hari terjadi selama 20 hari per bulan.
F.20 General Hospital di Richmond, Virginia, memiliki sebuah ruang gawat darurat yang
dibagi menjadi enam departemen: (1) ruang pengujian awal untuk merawat persoalan kecil
atau membuat diagnosis; (2) departemen rontgen; (3) kamar operasi; (4) ruang cast-ftting; (5)
ruang pengamatan (untuk proses penyembuhan dan pengamatan umum sebelum diagnosis
akhir atau dipulangkan); dan (6) departemen administrasi keluar (di mana terdapat karyawan
pendafaran pasien keluar dan mengatur pembayaran atau asuransi).
Probabilitas seorang pasien akan meninggalkan sebuah departemen menuju ke departemen
yang lain diperlihatkan pada tabel berikut.
Dari Ke Probabilitas
Masuk ke ruang gawat Departemen rontgen 0,45
darurat dan pengujian awal Kamar operasi 0,15
Ruang pengamatan 0,10
Administrasi keluar 0,30
Departemen rontgen Kamar operasi 0,10
Kamar cast-ftting 0,25
Ruang pengamatan 0,35
Administrasi Keluar 0,30
Kamar operasi Kamar cast-ftting 0,25
Ruang pengamatan 0,70
Administrasi keluar 0,05
MK-202 Manajemen Operasi
Dari Ke Probabilitas
Kamar cast-ftting Ruang pengamatan 0,55
Departemen rontgen 0,05
Administrasi keluar 0,40
Ruang pengamatan Kamar operasi 0,15
Departemen rontgen 0,15
Administrasi keluar 0,70
a) Simulasikan rute yang diikuti 10 pasien kamar darurat! Layani satu pasien pada suatu
waktu, mulai dari masuk ke ruang pengujian awal hingga pasien meninggalkan rumah
sakit melalui administrasi keluar. Anda harus menyadari bahwa seorang pasien dapat
masuk ke departemen yang sama lebih dari sekali.
b) Dengan menggunakan data simulasi Anda, tentukan peluang seorang pasien masuk
dalam departemen rontgen sebanyak dua kali!

F.21 Manajemen First Syracuse Bank memperhatikan hilangnya pelanggan pada kantor
pusatnya. Solusi yang diusulkan meminta untuk menambahkan satu atau lebih stasiun kasir
kendara-lewat sehingga pelanggan mendapatkan pelayanan lebih cepat tanpa perlu memarkir
kendaraannya. Presiden bank tersebut, David Pentico, berpendapat bahwa banknya hanya boleh
mengambil risiko pada biaya pemasangan satu stasiun kasir drive-thru. Ia diberitahukan oleh
stafnya bahwa biaya yang dikeluarkan untuk membangun sebuah stasiun (yang didepresiasi
dalam masa 20 tahun) adalah $12.000 per tahun. Stasiun juga memerlukan biaya senilai
$16.000 per tahun untuk membayar upah dan tunjangan bagi karyawan pada setiap stasiun
yang baru.
Direktur analisis dari pihak manajemen, Marilyn Hart, berpendapat bahwa dua faktor
berikut akan mendorong pembangunan dua stasiun drive-thru dengan segera. Menurut sebuah
artikel terbaru dalam majalah Banking Research, pelanggan yang mengantre pada pelayanan
kasir kendara-lewat akan membebani bank rata-rata $1 per menit untuk penjualan yang hilang.
Walaupun dengan menambahkan stasiun kedua yang baru diperlukan biaya tambahan senilai
$16.000 untuk upah karyawan, tetapi biaya depresiasi bangunan dapat dikurangi menjadi total
$20.000 per tahun jika dua stasiun dipasang secara bersamaan, dan bukan satu per satu. Untuk
melengkapi analisisnya, Hart mengumpulkan kedatangan pelanggan dari bank pesaingnya
selama 1 bulan. Data yang dikumpulkan adalah sebagai berikut.
Waktu Kedatangan untuk
1.000 Pengamatan
Waktu Pelayanan Pelanggan untuk
1.000 Pelanggan
Waktu Antarkedatangan
(menit)
Jumlah
Kejadian
Waktu Pelayanan
(menit)
Jumlah
Kejadian
1 200 1 100
2 250 2 150
3 300 3 350
4 150 4 150
5 100 5 150
6 100
a) Simulasikan periode selama 1 jam, dari pukul 13.00 hingga 14.00 untuk kendara-lewat
dengan 1 kasir!
MK-203 Modul Kuantitatif F • Simulasi
b) Simulasikan periode selama 1 jam, dari pukul 13.00 hingga 14.00 untuk kendara-lewat
dengan 2 kasir!
c) Lakukan analisis biaya untuk kedua pilihan! Asumsi bank terbuka selama 7 jam per hari
dan 200 hari per tahun.
F.22 Alfredo Fragrance Company hanya memproduksi satu produk, parfum yang disebut
Hint of Elegance. Hint of Elegance terdiri atas dua bahan rahasia yang dicampur menjadi
wewangian eksklusif yang dijual di Zurich. Persamaan ekonomis yang disebut fungsi Cobb-
Douglas mendeskripsikan produksi Hint of Elegance sebagai berikut.
X = ( )( ) Bahan 1 Bahan 2
di mana X adalah jumlah parfum yang dihasilkan.
Perusahaan tersebut beroperasi pada tingkat di mana bahan 1 disiapkan harian sebesar 25
unit dan bahan 2 adalah 36 unit. Meskipun harga yang dibayar Alfredo untuk bahan 1 adalah
tetap sebesar $50 per unit, biaya bahan 2 dan harga jual parfum akhir adalah probabilistik.
Harga jual Hint of Elegance mengikuti distribusi berikut.
Harga Jual ($) Probabilitas
300 0,2
350 0,5
400 0,3
Biaya bahan 2 adalah sebagai berikut.
Biaya Bahan 2 ($) Probabilitas
35 0,1
40 0,6
45 0,3
(a) Apa persamaan keuntungan untuk Alfredo Fragrance Company?
(b) Berapa keuntungan yang diharapkan perusahaan tersebut?
(c) Simulasikan keuntungan perusahaan untuk periode 9 hari dengan menggunakan angka
acak berikut dari baris teratas Tabel F.4: 52, 06, 50, 88, 53, 30, 10, 47, 99 untuk harga jual,
dan 37, 66, 91, 35, 32, 00, 84, 57, 07 untuk biaya bahan 2.
(d) Berapa keuntungan harian yang diharapkan yang disimulasikan pada bagian (c)?
Studi Kasus
Pusat Panggilan Alabama Airlines
Alabama Airlines mulai beroperasi pada bulan Desember 2001 sebagai pesawat yang melayani
penerbangan jarak dekat dengan kantor pusat dan hub di Birmingham. Perusahaan penerbangan
tersebut dirintis dan dikelola oleh dua mantan pilot, David Douglas dan George Devenney.
Alabama Airlines memperoleh izin untuk mengelola 12 pesawat jet dan gerbang bandara yang
dikosongkan oleh Delta Airlines yang mengurangi penerbangannya karena serangan teroris.
MK-204 Manajemen Operasi
Dengan bisnis yang tumbuh dengan cepat, Douglas mengalihkan perhatiannya pada
sistem reservasi nomor “800” Alabama Air. Antara tengah malam hingga pukul 06.00, hanya
terdapat seorang karyawan reservasi melalui telepon yang bertugas. Waktu antara satu panggilan
dengan panggilan berikutnya dalam periode ini terdistribusi seperti ditunjukkan pada Tabel 1.
Dengan mengamati dan mencatat waktu karyawan secara hati-hati, Douglas memperkirakan
bahwa waktu yang diperlukan untuk memproses pertanyaan penumpang mempunyai distribusi
seperti pada Tabel 2.
Tabel 1 Distribusi Panggilan Masuk
Waktu Antarpanggilan Probabilitas
1 0,11
2 0,21
3 0,22
4 0,20
5 0,16
6 0,10
Semua pelanggan yang menelepon Alabama Air diminta “menunggu” dan dilayani sesuai
dengan urutan panggilannya, kecuali jika tersedia petugas reservasi untuk segera memberikan
pelayanan. Douglas sedang memutuskan apakah diperlukan karyawan kedua untuk mengatasi
permintaan pelanggan. Untuk memelihara kepuasan pelanggan, Alabama Air menginginkan
pelanggan hanya “menunggu” selama tidak lebih dari 3 hingga 4 menit; Alabama Air juga ingin
mempertahankan utilisasi operator yang “tinggi”.
Lebih lanjut lagi, perusahaan tersebut sedang merencanakan sebuah iklan TV yang
baru. Akibatnya, perusahaan mengharapkan peningkatan pertanyaan telepon untuk sistem
reservasi “800”. Berdasarkan iklan serupa di masa lalu, distribusi panggilan yang masuk mulai
tengah malam hingga pukul 06.00 diharapkan seperti yang ditunjukkan pada Tabel.3. (Berlaku
distribusi waktu pelayanan yang sama.)
Tabel 2 Distribusi Waktu Pelayanan
Waktu untuk Memproses
Permintaan Pelanggan (menit)
Probabilitas
1 0,20
2 0,19
3 0,18
4 0,17
5 0,13
6 0,10
7 0,03
MK-205 Modul Kuantitatif F • Simulasi
Tabel 3 Distribusi Panggilan Masuk
Waktu Antar-Panggilan (menit) Peluang
1 0,22
2 0,25
3 0,19
4 0,15
5 0,12
6 0,07
Pertanyaan untuk Diskusi
1. Dengan diketahuinya distribusi panggilan sesungguhnya, apakah yang akan Anda
rekomendasikan pada Alabama Air mengenai sistem reservasi yang sekarang? Buatlah
sebuah model simulasi untuk menguji skenario tersebut! Jelaskan modelnya secara cermat
dan buatlah justifkasi untuk jangka waktu simulasi, asumsi, dan ukuran kinerja yang
dipilih!
2. Apakah rekomendasi Anda mengenai kepuasan pelanggan dan utilisasi operator jika
maskapai penerbangan tersebut memasang iklan?

Sumber: Profesor Zbigniew H. Przasnyski, Loyola Marymount University. Dicetak dengan izin.
Studi Kasus Tambahan
Studi Kasus Internet: Kunjungi situs Web kami di www.prenhall.com/heizer untuk studi kasus
berikut yang tersedia secara cuma-cuma.
• Saigon Transport: perusahaan pengiriman Vietnam ini sedang berusaha menentukan
ukuran armada truk yang ideal.
Daftar Pustaka
Al-Zubaidi, H. dan D. Tyler. “A Simulation Model of Quick Response Replenishment of Seasonal
Clothing”. International Journal of Retail and Distribution Management 32 (2004): 320.
Balakrishnan, R., B. Render, dan R. M. Stair. 2007. Managerial Decision Modeling with
Spreadsheets. Edisi Kedua. Upper Saddle River, NJ: Prentice Hall.
Banks, J., J. S. Carson, B. L. Nelson, dan D. M. Nicol. 2005. Discrete-Event System Simulation.
Edisi Keempat. Upper Saddle River, NJ: Prentice Hall.
Gavirneni, S., D. J. Morrice, dan P. Mullarkey. “Simulation Helps Manager Shorten Its Sales”.
Interfaces 2 (Maret–April, 2004): 87–96.
Harrell, C. R., B. K. Ghosh, dan R. O. Bowden. 2004. Simulation Using Promodel. Edisi Kedua.
New York: McGraw-Hill.
MK-206 Manajemen Operasi
Kelton,W. D. 2007. Simulation with Arena. Edisi keempat. New York: McGraw-Hill.
Law, A. 2007. Simulation Modeling and Analysis. Edisi Keempat. New York: McGraw-Hill.
Leemis, Larry dan Stephen Park. 2006. Discrete Event Simulation. Upper Saddle River, NJ:
Prentice Hall.
Render, B., R. M. Stair, dan M. Hanna. 2009. Quantitative Analysis for Management. Edisi
Kesepuluh. Upper Saddle River, NJ: Prentice Hall.
Robinson, S. 2004. Simulation: Te Practice of Model Development and Use. New York:Wiley.
Saltzman, Robert M. dan Vijay Mehrotra. “A Call Center Uses Simulation to Drive Strategic
Change”. Interfaces 31, No. 3 (Mei–Juni 2001): 87–101.
Swain, J. J. “Sofware Survey: ‘Gaming’ Reality”. OR/MS Today 32, No. 6 (Desember 2005):
44–55.
Tompson, G. M. dan R. Verma. “Computer Simulation in Hospitality Teaching, Practice and
Research”. Cornell Hotel and Restaurant Administration Quarterly 44 (April 2003): 85.
van den Briel, M. H. et al. “America West Airlines Develops Ef cient Boarding Strategies”.
Interfaces Vol. 35, 3 (Mei–Juni 2005): 191–204.

MK-2

Manajemen Operasi

Keputusan pengebor ladang minyak adalah keputusan berat. Ladang Kentucky manakah—Blair East atau Blair West—yang harus ia bor demi mendapatkan minyak? Keputusan yang salah dalam pengeboran ladang minyak seperti ini dapat berarti kesuksesan atau kebangkrutan. Pengambilan keputusan yang benar-benar tidak pasti dan penuh tekanan! Namun dengan menggunakan pohon keputusan, presiden Tomco Oil, Thomas E. Blair, mengidentifikasi 74 pilihan berbeda, masingmasing dengan potensi keuntungan bersihnya tersendiri. Apa yang dimulai sebagai faktor-faktor geologis, permesinan, ekonomis, dan politis yang luar biasa, sekarang menjadi jauh lebih jelas. Blair berkata, “Analisis pohon keputusan menyediakan cara sistematis untuk merencanakan keputusankeputusan ini dan memberikan pemahaman yang lebih jelas mengenai beragam hasil keuangan yang memungkinkan.”1

“Eksekutif bisnis adalah profesi yang melakukan pengambilan keputusan. Ketidakpastian adalah lawannya. Mengatasinya adalah misinya.” John McDonald.

Manajer operasi adalah para pengambil keputusan. Untuk mencapai tujuan organisasi mereka, manajer harus memahami bagaimana keputusan diambil dan perangkat pengambil keputusan apa yang digunakan. Secara luas, kesuksesan atau kegagalan baik individu maupun perusahaan bergantung pada kualitas keputusan yang mereka ambil. Bill Gates, yang mengembangkan sistem operasi DOS dan Windows, menjadi pendiri dari perusahaan peranti lunak paling terkemuka di dunia (Microsoft) dan seorang miliuner. Sebaliknya, manajer Firestone —yang memimpin sebuah tim yang merancang ban mobil yang gagal dan menyebabkan banyak kecelakaan mobil jenis Ford Explorer di akhir tahun 1990—tidak lagi bekerja di perusahaan tersebut.

PROSES PENGAMBILAN KEPUTUSAN DALAM OPERASI
Apa yang membuat perbedaan antara keputusan yang baik dan tidak baik? Sebuah keputusan yang “baik” menggunakan pengambilan keputusan secara analitis yang berdasarkan pada logika serta mempertimbangkan semua data dan alternatif yang tersedia. Pengambilan keputusan terdiri atas enam langkah.
J. Hosseini, “Decision Analysis and Its Application in the Choice between Two Wildcat Ventures”, Interfaces 16, No. 2. Dibuat ulang dengan izin, INFORMS, 901 Elkridge Landing Road, Suite 400, Linthicum, Maryland 21090 USA.
1

Modul Kuantitatif A • Perangkat Pengambilan Keputusan

MK-3

1. Mendefinisikan masalah dan faktor-faktor yang memengaruhinya dengan jelas. 2. Mengembangkan tujuan yang spesifik dan dapat diukur. 3. Mengembangkan sebuah model, yaitu hubungan antara tujuan dan variabel (yang dapat diukur). 4. Mengevaluasi setiap alternatif solusi berdasarkan pada kelebihan dan kekurangannya. 5. Memilih alternatif paling baik. 6. Menerapkan keputusan dan menentukan jadwal penyelesaian. Di sepanjang buku ini, diperkenalkan model matematis dan perangkat yang beragam untuk membantu manajer operasi membuat keputusan yang lebih baik. Operasi yang efektif bergantung pada pengambilan keputusan yang dilakukan dengan hati-hati. Untungnya, terdapat beragam perangkat analisis untuk membantu manajer mengambil keputusan. Modul ini memperkenalkan dua perangkat—tabel keputusan dan pohon keputusan. Keduanya digunakan pada beragam situasi MO, mulai dari analisis produk baru (Bab 5), perencanaan kapasitas (Lampiran Bab 7), perencanaan lokasi (Bab 8), penjadwalan (Bab 15), dan perencanaan pemeliharaan (Bab 17).

“Manajemen berarti, dalam analisis terakhir, subtitusi pemikiran untuk tenaga dan otot, pengetahuan untuk DASAR-DASAR PENGAMBILAN KEPUTUSAN dongeng dan tradisi, Terlepas dari kerumitan sebuah keputusan atau canggihnya teknik yang digunakan serta kerja sama untuk kekuatan.” Peter Drucker. untuk menganalisis keputusan tersebut, semua pengambil keputusan dihadapkan

dengan berbagai alternatif dan “kondisi alami”. Notasi berikut akan digunakan pada modul ini. 1. Istilah a. Alternatif adalah sebuah tindakan atau strategi yang dapat dipilih oleh seorang pengambil keputusan (contoh: besok tidak membawa payung). b. Kondisi alami adalah sebuah kejadian atau situasi di mana pengambil keputusan hanya memiliki sedikit kendali atau tidak sama sekali (contoh: cuaca besok). 2. Simbol yang digunakan dalam sebuah pohon keputusan a. —adalah sebuah titik keputusan di mana terdapat satu alternatif atau lebih yang dapat dipilih. b. —adalah sebuah titik kondisi alami di mana kondisi alami mungkin akan terjadi. Untuk menampilkan alternatif keputusan bagi seorang manajer, pohon keputusan dapat dibuat dengan menggunakan simbol-simbol di atas. Saat membuat sebuah pohon keputusan, semua alternatif dan kondisi alami harus dipastikan berada di tempat yang benar dan logis, serta semua alternatif yang mungkin dan kondisi alami telah disertakan.

MK-4

Manajemen Operasi

Contoh A1

Pohon keputusan sederhana
Getz Products Company sedang menelaah kemungkinan untuk memproduksi dan memasarkan tempat penyimpanan di halaman belakang rumah. Untuk melaksanakan proyek ini, dibutuhkan pembangunan sebuah pabrik yang besar atau kecil. Pasar barang yang diproduksi—tempat penyimpanan—bisa sesuai dan tidak sesuai harapan. Getz tentu juga memiliki pilihan untuk tidak membuat produk ini sama sekali. Sebuah pohon keputusan untuk situasi ini digambarkan pada Figur A1. Pendekatan: Getz memutuskan untuk membuat pohon keputusan. Solusi: Figur A1 mengilustrasikan pohon keputusan Getz.
Titik keputusan Titik kondisi alami Pasar yang diinginkan 1

un ar ng Ba k bes bri pa Bangun pabrik kecil
Tid a km ela

Pasar yang tidak diinginkan Pasar yang diinginkan 2 Pasar yang tidak diinginkan

Tujuan Pembelajaran 1. Membuat pohon keputusan sederhana.

ku

ka

na

pa

pu

n

Figur A1 Pohon Keputusan Getz Products
Pemahaman: Kita tidak pernah boleh mengabaikan pilihan “tidak melakukan apa pun” pada pohon keputusan karena pilihan tersebut biasanya memungkinkan. Latihan pembelajaran: Sekarang, Getz mempertimbangkan untuk membangun pabrik berukuran sedang sebagai pilihan keempat. Gambarkan kembali pohon keputusan pada Figur A1 untuk menanganinya. [Jawaban: Pohon Anda akan memiliki titik dan cabang yang baru di antara “Bangun pabrik besar” dan “Bangun pabrik kecil”.] Masalah serupa: A.2e, A.8b, A.14a, A.15a, A.17a, A.18.

TABEL KEPUTUSAN
Tabel keputusan Cara tabulasi menganalisis keputusan alternatif dan kondisi alami.

Untuk membantu Getz mendefinisikan alternatif yang ada, tabel keputusan juga dapat digunakan. Untuk setiap alternatif dan kondisi alami tertentu, terdapat konsekuensi atau hasil yang biasanya dinyatakan sebagai nilai uang. Hal ini disebut nilai kondisional (conditional value). Perhatikan bahwa semua alternatif pada Contoh A2 disusun menurun pada sisi kiri tabel, kondisi alami (hasil) disusun melintang di atas, dan nilai kondisional (imbalan) berada pada tabel keputusan (decision table).

Jika pasar tidak sesuai harapan. Maximax Kriteria yang mencari alternatif yang memaksimalkan hasil maksimal. Solusi: Tabel lengkapnya diperlihatkan pada Tabel A.000 $ 0 Pemahaman: Bagian tersulit dari tabel keputusan adalah mendapatkan data untuk dianalisis. dan pilih alternatif dengan jumlah tertinggi. Tujuan Pembelajaran 2.000 $100. 2. Sebuah pabrik kecil akan menghasilkan keuntungan bersih sebesar $100. Getz Products ingin menyusun informasi berikut pada tabel. Maximax.1 Tabel Keputusan dengan Nilai Kondisional untuk Getz Products Kondisi Alami Alternatif Membangun pabrik besar Membangun pabrik kecil Tidak melakukan apa-apa Pasar Sesuai Harapan $200. tetapi kerugian sebesar $20. Tabel A. Pengambilan keputusan yang berisiko. pabrik berukuran besar akan memberikan keuntungan bersih sebesar $200. Membuat tabel keputusan Pendekatan: Angka-angka ini menjadi nilai kondisional pada tabel keputusan. Dengan pasar yang sesuai harapan. Latihan pembelajaran: Contoh A3 dan A4 akan menunjukkan cara penggunaan tabel ini. pengambilan keputusan hanya dapat dilakukan dengan tiga metode berikut. Pengambilan Keputusan dalam Ketidakpastian Jika terdapat ketidakpastian yang sangat besar.1. 3. Pertama.000. Kita susun alternatif di kolom kiri dan kondisi alami melintang di bagian atas tabel. Karena kriteria keputusan ini . Pengambilan keputusan dalam keadaan pasti. 1. Menjelaskan kapan menggunakan setiap jenis lingkungan pengambilan keputusan 1.000 jika pasarnya sesuai harapan. cari hasil maksimal setiap alternatif. kerugian bersih yang diderita Getz akan bernilai $180. JENIS-JENIS LINGKUNGAN PENGAMBILAN KEPUTUSAN Jenis-jenis keputusan yang diambil oleh orang tergantung pada banyaknya pengetahuan atau informasi yang mereka miliki mengenai situasi tersebut. Terdapat tiga lingkungan pengambilan keputusan.000 $ 0 Pasar Tidak Sesuai Harapan –$180. Metode ini mencari sebuah alternatif yang memaksimalkan hasil maksimal untuk setiap alternatif. Tujuan Pembelajaran 3.000 harus dihadapi Getz jika pasarnya tidak sesuai harapan.000.000 –$ 20.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-5 Contoh A2 Tabel keputusan Sekarang. Pengambilan keputusan dalam ketidakpastian. di mana kondisi alami pada sebuah tabel keputusan dapat terjadi (pada kondisi di mana peluang hasil keluaran tidak dapat diperkirakan).

Pendekatan sama rata ini berasumsi setiap kondisi alami memiliki kemungkinan yang sama besar untuk terjadi. kita memilih alternatif dengan jumlah maksimal. Tabel A. Kemudian. yang merupakan jumlah semua hasil dibagi dengan jumlah hasilnya. kriteria ini disebut kriteria keputusan “optimistis”. Pendekatan ini menggunakan asumsi bahwa semua hasil untuk setiap alternatif adalah sama. Karena kriteria keputusan ini mencari alternatif yang memiliki kemungkinan kerugian paling rendah. maximin. 2. Sama rata Kriteria yang menunjukkan peluang yang sama untuk setiap kondisi alami. kita tentukan kriteria keputusan maximax. dan sama rata.000 $ 100. Ini merupakan nilai paling tinggi dari nilai tertinggi di setiap baris atau alternatif.000 $ Sama rata 0 1. Pendekatan: Dengan diberikannya tabel keputusan Getz di Contoh A2.000 $ 0 Alternatif Membangun pabrik besar Membangun pabrik kecil Tidak melakukan apa-apa Maksimal $ 200. Nilai ini merupakan nilai paling tinggi dari hasil rata-rata dari setiap alternatif.000 $ Maximax 0 Minimal –$ 180. kita menghitung hasil rata-rata setiap alternatif.000 $ Maximin 0 Rata-rata $ 10. Maximin.2 adalah jawabannya. Nilai ini merupakan nilai paling tinggi dari nilai terendah di setiap baris atau alternatif. Contoh A3 Analisis tabel keputusan dalam ketidakpastian Getz Products Company ingin mencoba ketiga pendekatan tersebut. Solusi: Tabel A. kriteria ini disebut kriteria keputusan “pesimistis”. 3. Pilihan maximax adalah membangun pabrik besar.000 –$ 20.000 $ 40.2 Tabel Keputusan untuk Pengambilan Keputusan dalam Ketidakpastian Kondisi Alami Pasar Sesuai Harapan $ 200. cari hasil minimal setiap alternatif. Pilihan sama rata adalah membangun pabrik kecil.000 $ 0 Pasar Tidak Sesuai Harapan –$ 180. Pilihan maximin adalah tidak melakukan apa-apa.000 –$ 20. mencari alternatif yang memiliki kemungkinan keuntungan paling tinggi. Metode ini mencari alternatif yang memaksimalkan hasil minimal setiap alternatif yang ada. 2. Pemahaman: Ada orang yang suka mengambil keputusan optimistis (“maximax”) dan ada juga . dan pilih alternatif dengan jumlah terendah. Pertama.000 $ 100. Pertama. Metode ini mencari alternatif dengan hasil rata-rata tertinggi. Sama rata. 3.MK-6 Manajemen Operasi Maximin Kriteria yang mencari alternatif yang memaksimalkan hasil minimal.

nilai harapan moneter (expected monetary value—EMV) untuk setiap alternatif dapat ditentukan. Pengambilan Keputusan yang Berisiko Nilai harapan moneter (EMV) Pengembalian atau nilai yang diharapkan dari suatu variabel yang memiliki kemungkinan kondisi alami yang berbeda.2? Apakah keputusannya berubah? [Jawaban: Maximax sekarang bernilai $250. dan jumlah total probabilitasnya haruslah 1.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-7 yang suka mengambil keputusan pesimistis (“maximin”).] Masalah serupa: A. Maximax dan maximin menyediakan skenario perencanaan kasus terbaik-terburuk.000 untuk pabrik besar.2b-d. EMV sebuah alternatif merupakan jumlah semua keuntungan alternatif. .000. Kondisi alami harus benar-benar eksklusif satu sama lain serta menyeluruh secara bersama-sama. A. Beberapa kondisi alami mungkin terjadi. Dengan diberikannya tabel keputusan dengan nilai kondisional dan perkiraan probabilitas untuk semua kondisi alami.000. Menghitung nilai harapan moneter Contoh A4 EMV Getz ingin mencari EMV untuk setiap alternatif. Pendekatan: Manajer operasi Getz Products berpendapat peluang adanya pasar yang sesuai harapan sama dengan peluang adanya pasar yang tidak sesuai harapan.1. Nilai ini mewakili nilai yang diharapkan atau rata-rata pengembalian untuk setiap alternatif jika keputusan ini dapat diulangi berkali-kali.3).50. yang masing-masing diberikan bobot kemungkinan terjadinya: EMV (Alternatif i) = (Hasil kondisi alami 1) × (Kemungkinan terjadi kondisi alami 1) + (Hasil kondisi alami 2) × (Kemungkinan terjadi kondisi alami 2) + … + (Hasil kondisi alami terakhir) × (Kemungkinan terjadi kondisi alami terakhir) Contoh A4 menggambarkan bagaimana cara menghitung EMV maksimal. Pengambilan keputusan yang mengandung risiko bergantung pada probabilitas. masing-masing dengan kemungkinannya sendiri-sendiri. Angka manakah yang berubah di Tabel A. Tujuan Pembelajaran 4. dan rata-rata barisnya adalah $35. EMV untuk setiap alternatif dapat ia tentukan sekarang (lihat Tabel A. Latihan pembelajaran: Getz menghitung ulang imbal hasil dari membangun pabrik besar ketika pasar sesuai harapan. dan menaikkannya hingga $250. Tidak ada keputusan yang berubah. dan setiap kondisi alami memiliki peluang terjadi sebesar 0. masing-masing dengan probabilitas tertentu yang telah diasumsikan. A.4.6. A.

2e. Tidak ada perubahan pada keputusannya.000) + (0.000 $ 100. anggap manajer operasi Getz didekati oleh sebuah perusahaan penelitian pasar yang mengajukan diri untuk membantunya mengambil keputusan tentang pembangunan pabrik guna memproduksi tempat penyimpanan.000 3.22. Informasi ini dapat mencegah Getz membuat kesalahan yang harus dibayar mahal. hal ini akan mengubah kondisi Getz dari sebuah pengambilan keputusan yang berisiko menjadi pengambilan keputusan dalam kepastian.5)($0) + (0.MK-8 Manajemen Operasi Tabel A.8.000 0 0. Dengan kata lain.50 Pasar Tidak Sesuai Harapan –$ 180. Nilai yang Diharapkan dari Informasi Sempurna Jika seorang manajer dapat menentukan kondisi alami yang akan terjadi. A.11.9a.000 $ 0 0.000 2. Hal ini menetapkan batasan atas yang menurut Anda pantas dikeluarkan demi informasi. EMV (A1) = (0. A.5)($200.000) = $40. EMV (A2) = (0.000 –$ $ 20. A. Ini merupakan konsep nilai yang diharapkan dari informasi sempurna (expected value of perfect information—EVPI) yang akan dijelaskan berikut ini. A.50 Jawaban: 1. jika hasil penelitian akurat sekalipun.b.000) + (0.12.5)($100.5)($0) = $0 Pemahaman: Terlihat bahwa EMV maksimal terdapat pada alternatif A2. A.16a. A. A.10. Perusahaan peneliti pasar membebani biaya sebesar $65. menurut kriteria keputusan EMV.] Masalah serupa: A. imbalannya meningkat karena imbalan saat ini . alternatif terbaik adalah membangun pabrik berukuran kecil.5)(–$20. Saat seorang manajer mengetahui keputusan yang harus diambilnya.000? Walaupun beberapa pertanyaan ini sulit dijawab. maka ia akan mengetahui keputusan yang harus diambil. A. Sekarang. A.5a.14a. Apakah yang akan Anda rekomendasikan? Haruskah manajer operasi Getz mempekerjakan perusahaan ini untuk mengadakan penelitian pasar? Bahkan.5)(–$180.000? [Jawaban: EMV(A1) = $35.000 untuk informasi yang mereka berikan kepada Getz. sebagaimana yang diberikan oleh seorang konsultan pemasaran.000. A.3 Tabel Keputusan untuk Getz Products Kondisi Alami Alternatif Membangun pabrik besar (A1) Membangun pabrik kecil (A2) Tidak melakukan apa-apa (A3) Peluang Pasar Sesuai Harapan $ 200.3a. Pengambilan Keputusan dalam Keadaan Pasti EVPI menetapkan batas atas apa yang harus Anda bayar untuk informasi. menetapkan nilai informasi sempurna sangatlah bermanfaat. A. EMV (A3) = (0. Latihan pembelajaran: Apa yang terjadi pada ketiga EMV jika Getz menambah nilai kondisional pada hasil “pabrik besar/pasar sesuai harapan” menjadi $250.000) = $10. Peneliti pasar mengaku analisis teknis mereka akan memberikan kepastian pada Getz apakah pasar untuk produk yang diajukan sesuai harapan. Akankah hal itu sebanding dengan pengeluaran sebesar $65.7a. Jadi.

000 jika keputusan ini dapat diulangi berulang kali. sekarang. kita harus lihat bagaimana cara menentukan nilai informasi ini. pertama.000. Hasil kondisi alami yang terbaik dari “pasar yang tidak sesuai harapan” adalah “tidak melakukan apa-apa” dengan imbalan $0. Pertama. Jadi: EVPI = Nilai harapan pada keadaan pasti – EMV maksimal = $100. nilai harapan dengan informasi sempurna (EVwPI) dihitung.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-9 EVPI Perbedaan antara imbalan dengan informasi sempurna dengan imbalan yang berisiko.3. EVPI = Nilai harapan dari informasi sempurna – EMV maksimal EVwPI Pengembalian (rata-rata) yang diharapkan jika informasi sempurna dapat diperoleh. Nilai harapan dengan informasi sempurna = ($200.000.50) = $100.000 – $40. pengetahuan ini tentu saja bernilai. Nilai harapan pada = (Hasil terbaik atau konsekuensi kondisi alami 1) × keadaan pasti (Kemungkinan terjadi kondisi alami 1) + (Hasil terbaik atau konsekuensi kondisi alami 2) × (Kemungkinan terjadi kondisi alami 2) + … + (Hasil terbaik atau konsekuensi kondisi alami terakhir) × (Kemungkinan terjadi kondisi alami terakhir) Pada Contoh A5. EVwPI) harus dihitung. Untuk menghitung nilai ini. Kemudian. bukan lagi kemungkinan. dapat diharapkan (secara rata-rata) adanya imbalan senilai $100. Jadi. merupakan suatu kepastian. Pendekatan: Dengan mengacu pada Tabel A. yang merupakan keluaran yang diharapkan. ia menjalani proses dua langkah.000)(0. kita menggunakan data dan tabel keputusan dari Contoh A4 untuk memeriksa nilai yang diharapkan dari informasi sempurna. jika diperoleh informasi sempurna. Tujuan Pembelajaran 5. yang merupakan tingkat pengembalian (rata-rata).000 . Hal yang merupakan perbedaan antara imbalan dalam informasi sempurna dan imbalan berisiko ini disebut nilai harapan dari informasi sempurna (expected value of perfect information—EVPI). nilai harapan dengan informasi sempurna (expected value with perfect information. Jadi. Solusi: 1. Nilai EMV maksimal adalah $40. 2.50) + ($0)(0. Karena imbalan akan meningkat sejalan dengan pengetahuan tentang kondisi alami yang akan terjadi.000. EVPI dihitung dengan informasi ini. kemudian kita mengalikan pengembalian dengan peluang kejadian kondisi alami tersebut. alternatif terbaik setiap kondisi alami dipilih. EVPI. Menghitung nilai yang diharapkan dari informasi sempurna Contoh A5 Nilai yang diharapkan dari informasi sempurna Manajer operasi Getz ingin menghitung nilai maksimum yang harus ia bayar untuk informasi— yaitu nilai yang diharapkan dari informasi sempurna. tanpa informasi yang sempurna.000 = $60. jika informasi yang sempurna diperoleh sebelum keputusan harus diambil. Untuk mendapatkan EVPI. Hasil kondisi alami yang terbaik dari “pasar yang sesuai harapan” adalah “membangun pabrik berukuran besar” yang memberikan imbalan sebesar $200.

Pohon keputusan Tampilan grafis dari analisis keputusan alternatif dan kondisi alami.000. Memperkirakan imbalan bagi setiap kombinasi alternatif keputusan dan kondisi alami yang mungkin. A. 3. Sebuah pohon keputusan (decision tree) merupakan sebuah tampilan grafis proses keputusan yang mengindikasikan alternatif keputusan yang ada. Kesimpulan ini tentu didasarkan pada asumsi bahwa peluang terjadinya setiap kondisi alami adalah 0.3b. Contoh A6 Menyelesaikan pohon keputusan untuk EMV Getz ingin mengembangkan pohon keputusan yang lengkap dan telah diselesaikan.000 untuk mendapatkan informasi sempurna.000? [Jawaban: EVPI = $85. Menentukan peluang bagi kondisi alami. 1. Peluang (yang pertama kali digunakan oleh Getz pada Contoh A4) ditempatkan dalam tanda kurung di samping setiap kondisi alaminya. Pendekatan: Imbalan-imbalannya ditempatkan pada sisi kanan setiap cabang pohon keputusan (lihat Figur A.7. A. Menyelesaikan masalah dengan menghitung EMV bagi setiap titik kondisi alami. Latihan pembelajaran: Bagaimana EVPI-nya akan berubah jika nilai kondisional “pabrik besar/pasar yang sesuai harapan” adalah $250.MK-10 Manajemen Operasi Pemahaman: Getz seharusnya membayar paling tinggi $60. memulai dari sisi kanan pohon terus menuju ke titik keputusan di sebelah kirinya. banyak masalah mencakup keputusan berurutan dan kondisi alami. Walaupun penggunaan tabel keputusan sangat mudah untuk masalah-masalah yang memiliki sejumlah keputusan dan sejumlah kondisi alami. serta imbalan bagi setiap kombinasi alternatif keputusan dan kondisi alami. maka pendekatan menggunakan pohon keputusan ini sangat tepat untuk digunakan. Hal ini dilakukan dengan mengerjakannya dari belakang ke depan (backward)— yaitu. A. 5.2).9.16. EMV merupakan kriteria yang paling sering digunakan untuk menganalisis pohon keputusan. Mendefinisikan masalah.5b. A.14. Oleh karena itu. EMV untuk setiap titik .50. Kemudian. kita akan menganalisis beberapa keputusan dengan menggunakan pohon keputusan. Jika terdapat dua atau lebih keputusan yang berurutan dan keputusan terakhir didasarkan pada hasil keputusan sebelumnya. 4. 2.] Masalah serupa: A. POHON KEPUTUSAN Keputusan yang dapat disajikan pada bentuk tabel keputusan juga dapat disajikan dalam bentuk pohon keputusan. kondisi alami dan peluangnya. Suatu langkah awal analisis ini adalah menggambarkan pohon keputusan dan menetapkan konsekuensi finansial dari semua hasil untuk masalah tertentu. A. Menganalisis masalah menggunakan pohon keputusan mencakup lima langkah. Menggambar pohon keputusan.

Model visual biasanya lebih disukai daripada tabel.000. kekuatan.000) Pelunasan Pasar yang diharapkan (0.5) ($200.000) $0 Pemahaman: Pendekatan grafis ini adalah cara yang bagus bagi manajer untuk memahami semua pilihan dalam membuat keputusan-keputusan besar.5) $200. EMV untuk titik pertama adalah $10. Tree Plan.000 Ba ngu a np b brik esa r 1 Pasar yang tidak diharapkan (0.5) (–$180. pilihan pengeboran ladang minyak dicermati menggunakan DPL.000 Pasar yang diharapkan (0.000. Presentasi penuh warna dari pilihan-pilihan yang terbuka bagi manajer selalu memiliki dampak. dan kemudahan. .5) –$ 20.5) –$180.000) + (0. Angka ini mewakili cabang dari titik keputusan untuk “membangun pabrik berukuran besar”. Solusi: Cabang yang keluar dari titik keputusan menuju ke titik kondisi alami dengan nilai EMV tertinggi akan dipilih.5) ($100.5) (–$20. dan Supertree memungkinkan masalah keputusan untuk dianalisis dengan upaya yang lebih sedikit dan lebih teliti daripada sebelumnya.000) + (0.5) 2 Pasar yang tidak diharapkan (0. Program-program seperti DPL.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-11 Peranti lunak pohon keputusan memungkinkan penggunanya untuk menyelesaikan masalah analisis keputusan dengan fleksibilitas.2 Pohon Keputusan yang Lengkap dan Terpecahkan untuk Getz Products EMV untuk titik 1 = $10.000 Tujuan Pembelajaran 6. Pilihan “tidak melakukan apa-apa” tentu saja memiliki imbalan $0. Bangun pabrik kecil Ti da k m el ak uk an EMV untuk titik 2 = $40. Pada kasus Getz ini. kondisi alami dihitung dan ditempatkan pada titik yang bersesuaian. Mengevaluasi titik-titik pada pohon keputusan. sebuah pabrik berukuran kecil sebaiknya dibangun. Dalam foto ini.000 = (0. Figur A.000 $100. EMV untuk titik 2 yang digunakan untuk “membangun pabrik berukuran kecil” adalah $40.000 ap a pu n = (0.

MK-12 Manajemen Operasi Latihan pembelajaran: Perbaiki Figur A. Jawaban: Bagian atas Figur A. Getz dapat memilih antara membangun pabrik yang besar. A. terlihat bahwa titik keputusan Getz yang pertama adalah apakah akan melaksanakan survei pasar senilai $10. bukan sekadar untuk pengambilan keputusan MO. keduanya bergantung pada hasil keputusan pertama.b. Katakanlah Getz Products mempunyai dua keputusan yang harus diambil.8b. Jika keputusannya adalah membangun. kecil. Getz mengenali bahwa walaupun survei semacam itu tidak memberikan informasi sempurna. Titik kondisi alami nomor 1 memiliki 2 cabang yang keluar dari titik tersebut. Imbalan dari setiap konsekuensi yang mungkin tersusun di sisi sebelah kanan. atau tidak membangun sama sekali. Dengan demikian. Pada kenyataannya. Perhatikan bahwa semua hasil dan alternatif yang memungkinkan dimasukkan dalam urutan yang logis. Pohon keputusan Getz yang baru digambarkan pada Figur A.3 menggambarkan keputusan untuk melakukan survei pasar.50) atau tidak sesuai harapan (juga berpeluang 0. pohon keputusan menjadi sebuah perangkat yang lebih bermanfaat dibandingkan dengan tabel keputusan.2e. Contoh A7 Pohon keputusan dengan keputusan yang berurutan Getz Products ingin mengembangkan pohon baru untuk keputusan berurutan ini. Semua peluang yang ditunjukkan dalam tanda kurung pada Figur A.17.2. Perhatikan baik-baik pohon keputusan yang lebih rumit ini.3.3 dari Contoh A7.000. A.3 merupakan . Ini merupakan titik keputusan Getz yang kedua. hasil survei yang tidak sesuai harapan memiliki peluang sebesar 0. informasi ini akan sangat membantu.000.14a. Dengan asumsi terdapat peluang sebesar 45%. dengan keputusan. Getz memiliki pilihan untuk melakukan survei penelitian pasar sendiri dengan biaya sebesar $10. Manajer juga dipaksa mengambil keputusan dalam tata cara yang logis dan berurutan.50). Informasi dari survei ini dapat membantu perusahaan untuk memutuskan apakah harus membangun pabrik besar. [Jawaban: Ubah satu imbalannya dan hitung ulang EMV untuk titik 1. Prosedur ini merupakan suatu kelebihan dari penggunaan pohon keputusan. A. Manajer didorong untuk menguji semua hasil yang mungkin. pabrik kecil.2 demi memperlihatkan imbalan $250. Pohon Keputusan yang Lebih Rumit Terdapat lebih banyak kegunaan dari pohon keputusan. Jika Getz memilih untuk tidak melakukan penelitian (bagian bawah pohon). termasuk hasil yang tidak diinginkan. Saat keputusan yang berurutan harus diambil. maka pasar yang ada mungkin sesuai harapan (peluang 0. A.000 untuk “bangun pabrik besar/pasar yang diharapkan”. Pendekatan: Dengan menguji pohon pada Figur A.55.] Masalah serupa: A.18. hasil survei akan mengindikasikan pasar yang sesuai harapan untuk tempat penyimpanan yang akan dibuat. Sebelum memutuskan untuk membangun sebuah pabrik. atau tidak sama sekali. bagian bawah pohon keputusan Getz ini sama persis dengan pohon keputusan yang lebih sederhana di Figur A.

bahkan tidak dapat diandalkan.000 itu.000 Pasar yang diharapkan bri $100.000 es kb (0. Tujuan Pembelajaran 7.000 .400 Pasar yang diharapkan bri $ 90. Sebagai contoh. Karena penelitian pasar sudah dilaksanakan.5) –$ 20.000 Pabrik 3 Pasar yang tidak diharapkan (0.600 Pasar yang diharapkan bri Pa $ 90.22) kecil –$ 30. melaksanakan survei dan tidak membangun pabrik sama sekali sekarang akan menghasilkan imbalan senilai –$10.3 Pohon Keputusan Getz Products dengan Peluang dan EMV Dua garis paralel berarti “memangkas” cabang tersebut karena hasilnya tidak sebaik pilihan lain yang tersedia dan tidak ditindaklanjuti.000—yaitu biaya penelitian pasar—telah dikurangi dari kesepuluh cabang pohon teratas.000 Tid a pa k ad bri a k $0 Pasar yang tidak diharapkan (0.5) Figur A.000 es kb (0.3.73) .000 i pas 4 $49.000 akan bertambah menjadi $190. Walaupun demikian.73) kecil –$ 30. terdapat peluang sebesar 22% bahwa pasar tempat penyimpanan ini tidak sesuai harapan.5) $40. sekalipun diberikan hasil survei yang positif. angka ini dikurangi $10.000 Tid a pa k ad bri a k –$ 10.000 6 –$180.78) Payoffs $190. 0.5) $200. peluang yang tinggi dari hasil penelitian mengindikasikan pasarnya baik. Sama halnya. Tentu saja.78) $63. Titik Keputusan Pertama Titik Keputusan Kedua $106.55 urve Laku Ti da su k m rv el ei ak pa uk sa an r $2. sekalipun hasil surveinya negatif.000. Membuat pohon keputusan dengan keputusan yang berurutan.000 Pasar yang diharapkan ar (0.78 merupakan peluang bahwa pasar yang sesuai harapan memberikan hasil yang sesuai harapan dari hasil survei pasar.200 1 (0 sil Ha rvei su gatif ne H s as dii urve il (0 ng . Sama halnya. Dalam kasus ini.400 Pasar yang diharapkan 2 (0.000 Tid a pa k ad bri a k –$ 10.000 –$87.400 Pasar yang diharapkan ar (0. Peluang yang lebih tinggi.27) $2.73.000.45 ink i ) an $106.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-13 peluang kondisional. Terlihat bahwa sebesar $10.000 Pa Pabrik 5 Pasar yang tidak diharapkan (0. sebesar 0.000 es kb (0.27) ar $190. $40. Jadi.400 ) kan s $10. Terakhir. kerugian sebesar $180. Setiap penelitian pasar dapat memiliki kesalahan.200 –$190. yang bernilai $10. Pada kondisi pasar yang tidak sesuai harapan.400 Pasar yang tidak diharapkan (0.000.22) ar –$190. tidak menghasilkan informasi sempurna.000. jangan lupa bahwa terdapat peluang bahwa survei pasar yang dilakukan Getz.000 $49. dapat terjadi jika pasarnya tidak sesuai harapan dan jika hasil surveinya negatif. lihat kolom imbalan pada Figur A. sebuah pabrik besar yang dibangun dalam pasar yang sesuai harapan akan menghasilkan keuntungan $200. dapat diperhatikan bahwa terdapat peluang sebesar 27% bagi pasar tempat penyimpanan yang sesuai harapan.000 Pa Pabrik 7 kecil Pasar yang tidak diharapkan (0.000 Pasar yang tidak diharapkan (0.

Karena EMV melaksanakan survei adalah $49. jika hasil survei tidak baik. Jadi.000) = –$87.000) + (0. Jika perhitungan ini telah diselesaikan. A. apakah memperluas operasi di negara berkembang maupun mengurangi tenaga kerja di negeri sendiri.50)($100.000) + (0. membangun pabrik kecil merupakan pilihan terbaik jika penelitian pasar tidak dilakukan.18.400) + (0.600 EMV dari tidak membangun pabrik dalam kasus ini adalah –$10.200 4. Getz harus membangun pabrik kecil.800.000 EMV (titik 7) = (0.000. Jika hasil survei baik.400 EMV (titik 3) = (0. 2.200—dibandingkan dengan EMV $40. Constance Bagley—memberikan bimbingan mengenai bagaimana manajer dapat memaksimalkan nilai bagi pemegang saham dan tetap bersikap sesuai etika. Getz harus membangun pabrik besar. Latihan pembelajaran: Getz memperkirakan bahwa jika ia melakukan survei pasar.000) + (0. Bagaimana pohon tersebut akan berubah? [Jawaban: EMV untuk melakukan survei = $38. A. jika hasil survei tidak sesuai harapan.20. Dengan hasil survei yang baik: EMV (titik 2) = (0. A.000) = $40. A.000 EMV jika tidak membangun pabrik pada kasus ini adalah $0.000 dengan tidak melakukan studi—pilihan terbaik yang diambil adalah untuk mencari informasi pasar. Getz jangan melakukannya sekarang. perhitungan EMV dari setiap cabang dapat dilakukan.45)($106.50)(–$180. Ambil satu keputusan untuk masing-masing. Melanjutkan bagian atas pohon keputusan menuju ke titik asal.000) = $10. Dengan hasil survei yang tidak baik: EMV (titik 4) = (0. Pohon keputusan—yang diilustrasikan pada Contoh A8. A.19.400.13.000) + (0.21.000) + (0. EMV (titik 1) = (0. Ini dimulai dari sisi kanan pohon keputusan menuju ke titik asal.55)($2. Pemahaman: Anda dapat mengurangi kerumitan dalam pohon keputusan yang besar dengan melihat dan memecahkan pohon keputusan yang lebih kecil—dimulai dari akhir cabang pohon yang besar.400) = $49.] Masalah serupa: A.000) + (0. jika hasil surveinya sesuai harapan.73)(–$190. . Getz sebaiknya membangun pabrik kecil dengan nilai yang diharapkan sebesar $2.50)($200.MK-14 Manajemen Operasi Dengan semua kemungkinan dan imbalan yang telah ditetapkan. 5.73)(–$30. serta dikembangkan oleh dosen Harvard.78)($190.000. hanya terdapat 35% kemungkinan akan terdapat pasar yang diinginkan untuk tempat penyimpanan. Pohon tersebut dapat diterapkan untuk tindakan apa pun yang akan dilakukan oleh perusahaan.23.000) = $106.000) = $63.50)(–$20.400 EMV dari tidak membangun pabrik pada kasus ini adalah –$10. sebaiknya dibangun pabrik besar.22)(–$190. 1. keputusan yang terbaik akan diketahui. Menggunakan Pohon Keputusan dalam Pengambilan Keputusan Etis Pohon keputusan juga dapat bermanfaat dalam membantu pengambilan keputusan etis di perusahaan.27)($190. Jadi. Jadi. Jika survei pasar tidak dilaksanakan: EMV (titik 6) = (0.000) = $2.22)(–$30. kita hitung nilai yang diharapkan dengan melakukan survei pasar.27)($90. 3.400 EMV (titik 5) = (0.78)($90. Jadi.

tetapi bukan di Malaysia. masyarakat versus keuntungan pemegang saham) Ya Tid ak Lakukan Ya Ya Apakah tindakannya ilegal? Apakah tindakannya memaksimalkan pengembalian perusahaan? da Jangan lakukan Tid ak Ti k Apakah etis jika tidak melakukan tindakan? (Pertimbangkan akibatnya bagi pemegang saham versus keuntungan bagi pemegang risiko) Ya Tid ak Jangan lakukan Lakukan. membuka pabrik di Malaysia. negara dengan undang-undang lingkungan yang lebih longgar dibandingkan dengan AS. jika menurut keputusan terbaik manajemen. jika suatu perusahaan membangun pabrik yang berpolusi di luar negeri. dengan kontrol polusi. “The Ethical Leader’s Decision Tree”. anggap Smithson ingin membangun pabrik yang berbeda. tetapi beri tahu pihak terkait Jangan lakukan Sumber: Dimodifikasi dari Constance E.4 Pohon Keputusan Smithson untuk Suatu Dilema Etis Hasil dari tindakan Apakah itu etis? (Pertimbangkan dampaknya bagi karyawan.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-15 Contoh A8 Pengambilan keputusan etis Smithson Corp. Ini adalah cara yang bagus untuk memulai proses. maka tanggapan untuk pertanyaan “Apakah itu etis?” adalah tidak. hal ini membuat perusahaan tersebut dapat menjual obat yang dapat menyelamatkan banyak jiwa . pelanggan. Figur A. Keputusan tersebut membawa kita ke cabang “Apakah etis jika tidak mengambil keputusan?” Jika jawabannya (untuk alasan apa pun) adalah tidak. maka pohon keputusan menyarankan untuk melanjutkan pembangunan pabriknya. Namun. Ini dapat menyebabkan kerugian jutaan dolar dalam pendapatannya dan akan menimbulkan masalah kesehatan bagi penduduk lokal. Namun. Namun. pemasok. Pemahaman: Pohon ini memungkinkan manajer untuk melihat pilihan-pilihannya secara grafis. dengan memberi tahu direksi Smithson. Keputusan etis dapat menjadi rumit. Bagley. jika tidak diolah. contohnya. para pemegang saham. akan merusak industri perikanan lokal. Pendekatan: Smithson memutuskan untuk membangun pohon keputusan untuk memodelkan masalah tersebut. negeri asalnya. tanpa memedulikan akibat negatif pada pengembalian perusahaan. kerugian bagi penduduk Malaysia dengan membangun pabrik lebih besar daripada kerugian dalam hal pengembalian perusahaan. Smithson juga memperhitungkan bahwa polutan yang dikeluarkan pabrik.4 memperlihatkan pilihan yang dapat dipertimbangkan oleh pihak manajemen. Sekarang. dan pihak lain mengenai dampaknya. Harvard Business Review (Januari–Februari 2003): 18–19. Contohnya. Solusi: Figur A. Apa yang terjadi. Smithson dapat menghemat $18 juta untuk membangun fasilitas manufaktur—dan menaikkan keuntungannya—jika tidak memasang peralatan pengontrol polusi yang diharuskan di AS.

keluaran. . dan kemudahan dalam menyelesaikannya.MK-16 Manajemen Operasi dengan harga yang lebih rendah di seluruh dunia? Apakah pohon keputusan dapat mengatasi semua dilema etis yang mungkin? Tidak. perencanaan agregat. pabrik dan peralatan. penjadwalan. Teknik-teknik ini sangat bermanfaat. dan POM for Windows. Ketika terdapat pohon keputusan. Tree Plan. Rangkuman Modul ini menguji dua teknik pengambilan keputusan yang digunakan paling umum—tabel keputusan dan pohon keputusan. dan pengendalian produksi hanya merupakan sebagian kecil dari penerapan tabel keputusan dan pohon keputusan. kekuatan. terutama untuk mengambil keputusan yang berisiko. pemeliharaan. Namun. Banyak keputusan dalam penelitian dan pengembangan. seperti DPL. Permasalahan dalam pengendalian persediaan. Istilah-istilah Penting Tabel keputusan (decision table) Maximax Maximin Sama rata (equally likely) Nilai harapan moneter (expected monetary value—EMV) Nilai harapan dari informasi sempurna (expected value of perfect information—EVPI) Nilai harapan dengan informasi sempurna (expected value with perfect information—EVwPI) Pohon keputusan (decision tree) Menggunakan Peranti Lunak untuk Model Keputusan Menganalisis tabel keputusan bisa langsung dilakukan dengan Excel. dan persamaan-persamaan tertentu yang dibutuhkan untuk menghitung nilai EMV dan EVPI. Excel OM atau paket komersial lain.1 menggunakan data Getz untuk mengilustrasikan masukan. bahkan gedung dan infrastruktur baru yang dapat dianalisis dengan model keputusan ini. Program A. tetapi tidak memiliki kemampuan grafis. X Menggunakan Excel OM Excel OM memungkinkan pembuat keputusan untuk mengevaluasi keputusan dengan cepat dan melakukan analisis sensitivitas pada hasilnya. POM for Windows juga dapat menganalisis pohon keputusan. Excel OM. dan Supertree dapat menyediakan fleksibilitas. pohon keputusan dapat membantu manajer dengan memberikan kerangka untuk mencermati pilihan-pilihan tersebut.

B10) = SUMPRODUCT(B$7:C$7. Nilai-nilainya terletak di atas titik-titiknya.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-17 Program A. Nilai di sebelah kanan titik akhir adalah keuntungan kumulatif di sepanjang lintasan. Masukkan keuntungan di bagian utama tabel data. Keuntungan yang diharapkan untuk pabrik kecil = F15*F13 + F19*F17 .2 Pohon Keputusan Getz Products Menggunakan Excel OM Gunakan jendela Decision Tree Creation untuk membuat pohon. cari keluaran terbaik untuk setiap skenario = MAX (B8:B10). Klik pada titik untuk menyunting pohon tersebut. = MIN(B8:C8) = MAX(B8:C8) Cari keluaran terbaik untuk ukuran lain menggunakan = MAX(G8:G10). Untuk titik keputusan. Products yang diperlihatkan sebelumnya pada Contoh A6. B8:C8). Program A. Masukkan peluang di baris pertama jika Anda ingin menghitung nilai yang diharapkan. Untuk menghitung EVPI.2 menggunakan Excel OM untuk membuat pohon keputusan untuk Getz. Perangkat untuk membuat pohon dapat dilihat di jendela sebelah kanan. Gunakan cabang yang berujung pada 3 titik untuk mencapai keuntungan maksimum.1 Menggunakan Excel OM untuk Menghitung EMV dan Perhitungan Lainnya bagi Getz Hitung EMV untuk setiap alternatif menggunakan = SUMPRODUCT (B$7:C$7. keputusan diperlihatkan di bawah titik. D15 + C1) Gunakan jendela Decision Tree Maker ini untuk membuat pohon. Keuntungan Maksimum = MAX(D7 + C9. B14:C14) = E14 – E11 Program A.

. c. alternatif. c. kriteria maximax digunakan. EVPI. sasarannya adalah memaksimalkan penyesalan. Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda. kondisi alami.MK-18 Manajemen Operasi Menggunakan POM for Windows POM for Windows dapat digunakan untuk menghitung semua informasi yang dideskripsikan pada tabel keputusan dan pohon keputusan pada modul ini. d. pasti. suatu tindakan atau strategi yang mungkin dipilih oleh pembuat keputusan disebut… a. EMV maksimum. Tidak ada satu pun jawaban yang benar. 6. EMV minimum. Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang Anda jawab dengan salah atau materi-materi yang tidak Anda pahami dengan baik. 2. alternatif. 5. d. kriteria sama rata. Pohon keputusan lebih baik digunakan daripada tabel keputusan ketika… a. c. c. berisiko. Untuk perincian mengenai bagaimana menggunakan peranti lunak ini. EMV maksimum dikurangi EMV minimum. sejumlah keputusan berurutan harus diambil. kriteria nilai harapan moneter. 3. maka lingkungan pengambilan keputusannya dikatakan… a. Nilai terbesar yang harus dibayar seseorang untuk informasi sempurna adalah… a. Uji Diri Sendiri • • • Sebelum melakukan uji diri sendiri. b. Jika besarnya probabilitas dapat diketahui oleh pembuat keputusan. Dalam teori keputusan. 4. d. b. kriteria yang digunakan untuk pengambilan keputusan yang berisiko adalah… a. c. b. imbalan. kriteria pesimistis (maximin). tidak pasti. 1. Semua jawaban di atas benar. d. b. imbalan. c. Dari kriteria pengambilan keputusan berikut. lihat Lampiran IV. Semua jawaban di atas benar. b. d. b. kondisi alami. besarnya probabilitas diketahui. peluang berhubungan dengan… a. d. kriteria optimistis (maximax). Dalam terminologi teori keputusan. lihat tujuan pembelajaran di awal bab dan kata kunci di akhir bab.

0. semua peluang dijumlahkan. Pada pohon keputusan. Pada pohon keputusan. Peluang dari ketiga kemungkinan yang ada adalah 0.000 –60. dan 0.000) + (0. dilakukan dengan bekerja mundur (mulai dari kanan dan bergerak ke kiri).50 untuk pasar normal.500 EMV (Toko sedang) = (0. Pasar untuk sebuah toko baju mungkin baik.000 0 0.500.000) = $19. EMV (Toko kecil) = (0. b. di setiap titik kondisi alami… a. dilakukan dengan bekerja maju (mulai dari kiri dan bergerak ke kanan).50 Pasar Buruk ($) –40. atau buruk. c. cabang dengan peluang tertinggi dipilih. EMV alternatifnya adalah $19.20 Pasar Biasa ($) 25. d.000) = $15. b.000 100.500 EMV (Tidak membuka toko) = (0. d.000) + (0. toko berukuran sedang. .000) + (0. Pilihan yang tersedia adalah membuka sebuah toko yang kecil. atau tidak membuka toko sama sekali.3)(–$40.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-19 7. Ia telah mencari sebuah pusat perbelanjaan yang bagus yang tentunya menarik bagi para mahasiswa.5)($0) + (0.000 35. biasa.5)($25. 8. alternatif dengan EMV terbesar dipilih.000) + (0.000 0 0.000 0 0. ketika pohonnya telah digambar serta imbalan dan probabilitasnya telah ditempatkan pada pohon. c. Keuntungan bersih atau kerugian bersih untuk toko berukuran menengah atau kecil untuk kondisi pasar yang beragam terdapat pada tabel berikut.2)($100.3)(–$60. analisisnya (menghitung EMV dan memilih alternatif terbaik)… a.2)($0) + (0. Tidak membuka toko sama sekali berarti tidak memberikan kerugian dan keuntungan. dilakukan dengan mulai dari atas pohon dan bergerak ke bawah.3)($0) = $0 Seperti yang terlihat. EMV dihitung. Apakah yang Anda sarankan? Kondisi Alami Alternatif Toko kecil Toko sedang Tidak membuka toko Peluang Pasar Bagus ($) 75.1 Stella Yan Hua sedang mempertimbangkan kemungkinan membuka sebuah toko baju kecil di Fairbanks Avenue yang jaraknya beberapa blok dari universitas.3 untuk pasar yang buruk. Contoh Soal dan Penyelesaian Contoh Soal A.5)($35. keputusan terbaik yang harus diambil adalah membuka toko berukuran sedang. dilakukan dengan mulai dari bawah pohon dan bergerak ke atas.2)($75.30 Jawaban Masalah ini dapat diselesaikan dengan menghitung EMV bagi setiap alternatif.20 untuk pasar yang baik.

S.25(84) + 0. Ia juga memiliki teman seorang ahli meteorologi yang dengan biaya kecil rela memberitahukan cuaca esok hari secara akurat. T.30(40) + 0. T. S.25 0.20(50) + 0.30(40) + 0. Setiap rencananya menghasilkan keuntungan bersih harian seperti tertulis pada tabel. S. a) c) Berapa EMV yang berisiko? Berapa EVPI? Alternatif Keputusan (rencana fokus penjualan) Patagonia North Face Cloud Veil Columbia Peluang Jawaban a) Nilai harapan moneter yang berisiko tertinggi adalah: EMV (Patagonia) = 0. Dengan demikian. Buatlah pohon keputusan yang menggambarkan alternatif keputusan ini untuk menyimpan persediaan 5. dapat mengimplementasikan salah satu dari keempat rencananya.MK-20 Manajemen Operasi Contoh Soal A.25(48) = $49 EMV (North Face) = 0. 6.20 0. telah membuat probabilitas dari berbagai lalu lintas penjualan di toko tersebut berdasarkan catatan historis kondisi ski.30(10) + 0. . T.20(40) + 0.20(50) + 0. memiliki empat rencana penjualan yang masing-masing berfokus pada satu merek ternama.30 0. atau 7 kotak! Jawaban Pohon keputusannya ditunjukkan pada Figur A.25(60) = $45 Jadi.25(92) + 0.25(64) = 10 + 23 + 12 + 16 = $61 c) Nilai harapan dari informasi sempurna adalah: EVPI = EVwPI – EMV Maksimum = 61 – 55 = $6 Lalu Lintas di Toko Akibat Kondisi Ski (kondisi alami) 1 2 3 4 $40 92 20 48 50 84 10 52 35 80 40 64 45 72 10 60 0.25 b) Berapa EVwPI? Contoh Soal A.20(35) + 0. seperti ditunjukkan pada tabel di sebelah kanan.2 Toko Ski T.25(72) + 0.3 Permintaan harian untuk kotak pembersih Tidy Bowl di Ravinder Nath’s Supermarket selalu 5.5.30(10) + 0.25(92) + 0. S.30(20) + 0. EMV maksimum = $55 b) Nilai harapan dengan informasi sempurna adalah: EVwPI = 0. atau 7 kotak.25(52) = $47 EMV (Cloud Veil) = 0.25(64) = $55 EMV (Columbia) = 0.20(45) + 0. Amer di Nevada memiliki musim operasi sepanjang 100 hari.25(80) + 0. 6.

Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-21 Figur A. dan dalam ketidakpastian! Apakah yang dimaksud dengan pohon keputusan? Jelaskan bagaimana pohon keputusan dapat digunakan dalam beberapa dari sepuluh keputusan MO! Apakah yang dimaksud dengan expected value of perfect information (EVPI)? Apakah yang dimaksud dengan expected value with perfect information? Identifikasilah lima langkah dalam menganalisis sebuah masalah dengan menggunakan pohon keputusan! 3. 4. 8. 7. Mengapa strategi maximax dan maximin dianggap sebagai strategi yang optimistis dan pesimistis? 11. 9. Kriteria nilai harapan dianggap sebagai kriteria logis yang mendasari diambilnya suatu keputusan. 10. 5.5 Permintaan di Ravinder Nath’s Supermarket Permintaan 5 kotak Permintaan 6 kotak r Pe se dia an 5 t ko ak Permintaan 7 kotak Permintaan 5 kotak Permintaan 6 kotak Permintaan 7 kotak se dia an Persediaan 6 kotak Pe r 7 ko t ak Permintaan 5 kotak Permintaan 6 kotak Permintaan 7 kotak Pertanyaan untuk Diskusi 1. 2. Identifikasikan enam langkah proses pengambilan keputusan! Berikan sebuah contoh dari satu keputusan baik yang telah Anda buat yang menghasilkan akibat yang buruk! Juga berikan sebuah contoh dari satu keputusan buruk yang telah Anda buat yang menghasilkan akibat yang baik! Mengapa setiap keputusan dapat dikategorikan sebagai baik atau buruk? Apakah yang dimaksud dengan model keputusan sama rata? Bahaslah perbedaan antara pengambilan keputusan dalam kepastian yang berisiko. 6. Kapankah pohon keputusan sangat berguna? . Apakah pernyataan ini benar? Apakah logis untuk mempertimbangkan risiko? 12.

000 80.000 Kondisi Pasar Sedang ($) 20.000 $ 60. seperti diilustrasikan pada Tabel A.000 Kondisi Pasar Buruk ($) –10. ia akan mendapatkan keuntungan sebesar $50.000 $110.000 $ 0 Rata-rata $240.2 Walaupun bisnis pompa bensin sedang dalam kondisi sulit.2 sebelumnya! b) Apakah keputusan maximaxnya? c) Apakah keputusan maximinnya? d) Apakah keputusan sama ratanya? e) Buatlah suatu pohon keputusan! Asumsikan setiap keluarannya sama rata. Tingkat pengembalian tahunan akan bergantung pada ukuran pompa bensinnya dan beberapa faktor pemasaran yang berkaitan dengan industri minyak maupun permintaan bensin.000 $ 0 A.000 25. .000 100.MK-22 Manajemen Operasi Soal-soal*2 A. Susan membuat tabel berikut. Kondisi Alami Kondisi Alternatif Membangun pabrik baru Subkontrak Lembur Tidak melakukan apa-apa Sangat Pasar Baik $350. seorang penjual minuman ringan pada Rockfest tahunan Hard Rock Café.000 –$ 10. Setelah melakukan analisis dengan hati-hati.000 –20. Kondisi Pasar Ukuran Stasiun Kecil Sedang Besar Sangat besar Baik ($) 50. Masalah yang dihadapi Susan adalah memutuskan seberapa besar usaha pompa bensin yang harus dibangunnya.000. membuat sebuah tabel nilai kondisional bagi beragam alternatif (keputusan menyimpan persediaan) dan kondisi alami (ukuran keramaian).000 $ 0 Tidak Baik –$300. a) Buatlah tabel keputusan untuk keputusan ini.000 Sebagai contoh. A.000 –$ 20.000 –40. kemudian cari EMV tertingginya. * Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.000 $ 90.000 $180.000 30.3 Clay Whybark.000 30. b) maximin. tentukan keputusan dalam ketidakpastian yang sesuai dengan menggunakan: a) maximax.000 300. Susan Helms sedang berpikir untuk membuka usaha pompa bensinnya sendiri. c) sama rata.000 –160. jika Susan membangun stasiun yang berukuran kecil dan kondisi pasar baik.1 Dengan diberikan tabel nilai kondisional berikut.

Modul Kuantitatif A • Perangkat Pengambilan Keputusan

MK-23
Kondisi Alami (Permintaan) Besar Rata-rata Kecil $22.000 $12.000 –$2.000 $14.000 $10.000 $6.000 $ 9.000 $ 8.000 $4.000

Alternatif Persediaan banyak Persediaan rata-rata Persediaan sedikit

Probabilitas yang berkaitan dengan kondisi alami adalah 0,3 untuk permintaan yang besar, 0,5 untuk permintaan rata-rata, dan 0,2 untuk permintaan yang sedikit. a) Tentukan alternatif yang memberikan EMV tertinggi bagi Clay Whybark! b) Hitung EVPI! A.4 Raymond Jacobs memiliki pusat kesehatan dan olahraga, Muscle-Up, di Ashland. Ia berencana menambah ruang lantai untuk memenuhi permintaan. Ia tidak akan menambah jumlah lantai (N), menambah sejumlah ruang lantai (M), atau menambah sejumlah besar ruang lantai (L), atau menambah ruang lantai hingga dua kali lipatnya (D). Permintaan akan tetap, bertambah sedikit, atau bertambah besar. Berikut adalah perubahan keuntungan tahunan Muscle-Up dengan setiap kombinasi peningkatan ruang dan perubahan permintaan. Peningkatan Ruang M L –$4.000 $8.000 $9.000 –$10.000 $ 6.000 $20.000

Perubahan Permintaan Tetap Bertambah Sedikit Bertambah Banyak

N $ 0 $2.000 $3.000

D –$50.000 $ 4.000 $40.000

Raymond tidak suka dengan risiko dan ingin menggunakan kriteria maximin. a) Apa saja alternatif keputusannya dan apa saja kondisi alaminya? b) Apakah yang sebaiknya ia lakukan? A.5 Howard Weiss, Inc. sedang mempertimbangkan untuk membangun sebuah alat pemindai yang sensitif untuk di bandara. Manajernya berpendapat bahwa terdapat peluang sebesar 0,4 bahwa ATR Co. akan menghasilkan produk saingan. Jika Weiss menambahkan sebuah lini perakitan untuk produk tersebut dan ATR Co. tidak mengeluarkan produk saingannya, maka keuntungan yang dapat diharapkan Weiss adalah $40.000; jika Weiss menambah sebuah lini perakitan dan ATR mengeluarkan produk saingannya, maka Weiss masih dapat berharap untuk memperoleh keuntungan sebesar $10.000. Jika Weiss mendirikan sebuah pabrik baru dan ATR tidak memproduksi produk saingannya, Weiss dapat mengharapkan keuntungan sebesar $600.000; sedangkan jika ATR mengeluarkan produk saingannya, Weiss akan mengalami kerugian sebesar $100.000. a) Tentukan EMV dari setiap keputusan yang ada! b) Hitunglah nilai harapan dari informasi yang sempurna! A.6 Pabrik Deborah Watson sedang merencanakan tiga pendekatan untuk memenuhi perkiraan peningkatan permintaan. Ketiga pendekatan ini adalah peningkatan kapasitas, lembur, dan membeli lebih banyak peralatan. Permintaan akan naik sedikit (S), sedang (M), dan banyak (G). Keuntungan untuk setiap pendekatan untuk setiap skenario yang mungkin adalah sebagai berikut.

MK-24

Manajemen Operasi

Pendekatan Peningkatan Kapasitas Lembur Membeli Banyak Peralatan

S $700.000 $500.000 $600.000

Skenario Permintaan M G $700.000 $ 700.000 $600.000 $1.000.000 $800.000 $ 800.000

Karena tujuannya adalah memaksimalkan dan Deborah tidak peduli dengan risiko, ia memutuskan untuk menggunakan kriteria keputusan sama rata untuk memutuskan pendekatan yang akan digunakan. Menurut kriteria ini, pendekatan apa yang sebaiknya digunakan? A.7 Tabel imbalan berikut menyajikan keuntungan berdasarkan beragam alternatif keputusan yang mungkin dan beragam tingkat permintaan pada perusahaan peranti lunak Amber Gardner. Permintaan Alternatif 1 Alternatif 2 Alternatif 3 Rendah $10.000 $ 5.000 –$ 2.000 Tinggi $30.000 $40.000 $50.000

Probabilitas permintaan rendah adalah 0,4. Sebaliknya, probabilitas permintaan tinggi adalah 0,6. a) Berapakah EMV yang paling tinggi? b) Berapakah EVwPi? c) Hitunglah EVPI untuk kondisi ini! A.8 Leah Johnson, Direktur Pelayanan Hukum di Brookline, ingin meningkatkan kapasitas untuk menyajikan bantun hukum secara gratis. Namun, ia harus memutuskan apakah akan mempekerjakan pengacara penuh waktu atau pengacara paruh waktu. Tabel di bawah menunjukkan biaya yang harus dikeluarkan bagi kedua pilihan yang akan diambil untuk tiga tingkat permintaan yang mungkin muncul. Kondisi Alami Alternatif Pengacara penuh waktu Pengacara paruh waktu Peluang a) Permintaan Rendah $300 $ 0 0,2 Permintaan Sedang $500 $350 0,5 Permintaan Tinggi $ 700 $1.000 0,3

Dengan menggunakan nilai yang diharapkan, apakah yang harus dilakukan Leah Johnson? b) Gambarlah pohon keputusan yang tepat yang menunjukkan imbalan dan peluang!

A.9 Chung Manufacturing sedang mempertimbangkan pengenalan sekumpulan produk baru. Permintaan jangka panjang bagi grup produk ini dapat diperkirakan. Dengan demikian, produsen harus memperhatikan risiko memilih sebuah proses yang tidak tepat. Chen Chung adalah wakil presiden bidang operasional. Ia dapat memilih di antara manufaktur batch, custom, atau group of technology (GT). Chen tidak dapat meramalkan permintaan secara akurat hingga

Modul Kuantitatif A • Perangkat Pengambilan Keputusan

MK-25

ia dapat mengambil keputusan pilihan proses. Permintaan akan dikelompokkan menjadi empat golongan: buruk, sedang, baik, dan sangat baik. Tabel di bawah menyatakan imbalan (keuntungan) yang dikaitkan dengan setiap kombinasi proses dan permintaan, begitu juga peluang tingkat permintaan jangka panjangnya. Buruk 0,1 –$ 200.000 $ 100.000 –$1.000.000 Sedang 0,4 $1.000.000 $ 300.000 –$ 500.000 Baik 0,3 $1.200.000 $ 700.000 $ 500.000 Sangat Baik 0,2 $1.300.000 $ 800.000 $2.000.000

Peluang Batch Custom Group technology a)

Berdasarkan nilai yang diharapkan, pilihan apakah yang memberikan keuntungan terbesar? b) Apakah Chen Chung bersedia membayar suatu perkiraan yang menentukan tingkat permintaan masa depan secara akurat? A.10 Perhatikan tabel keputusan yang telah dibuat oleh Dinesh Dave untuk Appalacian Enterprises berikut ini. Kondisi Alami 0,20 Sedang $100 $60 $70 $75 $65

Alternatif Keputusan A B C D E

Probabilitas

0,40 Rendah $40 $85 $60 $65 $70

0,40 Tinggi $60 $70 $70 $70 $80

Alternatif keputusan apakah yang memaksimalkan nilai harapan dari imbalannya? A.11 Toko buku di University of Dallas menyimpan banyak buku sebagai persiapan untuk dijual di setiap semester. Toko buku ini biasanya bergantung pada hasil perkiraan yang dilakukan oleh departemen dan catatan praregistrasi untuk menentukan banyaknya buku yang dibutuhkan. Hasil catatan praregistrasi menunjukkan bahwa terdapat 90 mahasiswa MO yang mendaftar. Namun, manajer toko buku tersebut, Curtis Ketterman, memiliki pemikiran lain yang berdasarkan pada intuisi dan pengalaman masa lalunya. Curtis berpendapat bahwa distribusi penjualan berkisar dari 70 hingga 90 unit, sesuai dengan model probabilitas berikut. Permintaan Probabilitas 70 0,15 75 0,30 80 0,30 85 0,20 90 0,05

Buku ini memakan biaya $82 dan dijual seharga $112. Buku yang tidak dijual dapat dikembalikan pada penerbit, dikurangi dengan biaya penyimpanan ulang dan pengiriman, akan menghasilkan pengembalian senilai $36. a) Buatlah tabel keuntungan kondisionalnya! b) Berapa buku yang harus disimpan oleh toko buku tersebut untuk mencapai nilai harapan tertinggi?

MK-26

Manajemen Operasi

A.12 Palmer Cheese Company adalah sebuah perusahaan manufaktur kecil yang memproduksi beberapa produk keju yang berbeda. Salah satu produk adalah keju olesan yang dijual pada toko eceran. Susan Palmer harus memutuskan banyaknya kotak keju olesan yang harus dibuat setiap bulan. Peluang permintaan 6 kotak adalah 0,1; 7 kotak sebesar 0,3; 8 kotak untuk 0,5; dan 9 kotak untuk 0,1. Biaya yang dikeluarkan untuk setiap kotak adalah $45, dan harga yang diberikan oleh Susan untuk setiap kotak adalah $95. Sisi buruknya, setiap kotak yang tidak dapat terjual hingga akhir bulan tidak memiliki nilai sama sekali karena keju telah rusak. Berapa kotak yang harus diproduksi oleh Susan setiap bulannya? A.13 Ronald Lau, kepala insinyur di South Dakota Electronics, harus memutuskan untuk membangun sebuah fasilitas paling mutakhir. Jika fasilitas baru ini berhasil, perusahaannya dapat mengantongi keuntungan sebesar $200.000. Jika gagal, South Dakota Electronics akan merugi sebesar $180.000. Saat ini, Lau memperkirakan probabilitas sebesar 60% bahwa proses yang baru akan mengalami kegagalan. Pilihan lainnya adalah membangun sebuah pabrik percontohan dan memutuskan untuk membangun fasilitas lengkap atau tidak berdasarkan pengamatan pada pabrik percontohan ini. Pabrik percontohan menghabiskan biaya sebesar $10.000. Lau memperkirakan peluang 50% bahwa pabrik percontohan ini akan berhasil. Jika pabrik percontohan ini bekerja, terdapat peluang 90% bahwa pabrik yang lengkap akan dibangun; jika pabrik dibangun, juga akan berhasil. Jika pabrik percontohannya gagal, hanya terdapat 20% peluang pabrik yang sesungguhnya (jika dibangun) akan sukses. Lau menghadapi sebuah dilema. Haruskah ia membangun pabrik? Haruskah ia membangun proyek percontohan, kemudian mengambil keputusan berdasarkan pengamatannya pada proyek percontohan ini? Bantulah Lau menganalisis masalah ini! A.14 Karen Villagomez, direktur Wright Industries, sedang mempertimbangkan untuk membangun sebuah pabrik manufaktur di Ozarks. Keputusannya diringkas pada tabel berikut. Alternatif Membangun pabrik besar Membangun pabrik kecil Tidak membangun sama sekali Peluang pasar Kondisi Pasar Baik $400.000 $ 80.000 $ 0 0,4 Kondisi Pasar Tidak Baik –$ 300.000 –$ $ 10.000 0 0,6

a) Buatlah pohon keputusannya! b) Tentukan strategi yang terbaik menggunakan EMV! c) Berapakah EVPI? A.15 Deborah Kellogg membeli serangkaian alat uji pernapasan bagi Departemen Kepolisian Denver. Kualitas alat uji pernapasan dari dua pemasok diberikan pada tabel berikut. Peluang bagi Loomba Technology 0,70 0,20 0,10 Peluang bagi Stewart-Douglas Enterprises 0,30 0,30 0,40

Persentase Cacat 1 3 5

Sebagai contoh, peluang mendapatkan satu lot alat uji pernapasan yang memiliki cacat sebesar 1% bagi Loomba Technology adalah 0,70. Karena Kellogg memesan 10.000 alat uji pernapasan

Modul Kuantitatif A • Perangkat Pengambilan Keputusan

MK-27

dalam sekali pemesanan, ini berarti terdapat peluang sebesar 0,70 untuk mendapatkan 100 alat yang cacat dari 10.000 alat yang ada jika Kellogg memilih barang dari Loomba Technology. Serangkaian alat uji pernapasan yang cacat dapat diperbaiki dengan harga $0,50. Walaupun kualitas pemasok yang kedua, Stewart-Douglas Enterprises, lebih rendah, harga barangnya lebih rendah $37 daripada harga barang Loomba. a) Buatlah pohon keputusannya! b) Pemasok apakah yang sebaiknya digunakan oleh Kellogg?

A.16 Deborah Hollwager, seorang pedagang di taman bermain Des Moines, membuat sebuah tabel yang berisikan nilai kondisional bagi beragam alternatif (keputusan menyimpan persediaan) dan kondisi alami (ukuran keramaian). Kondisi Alami (ukuran keramaian) Alternatif Persediaan banyak Persediaan rata-rata Persediaan sedikit Besar $20.000 $15.000 $ 9.000 Rata-rata $10.000 $12.000 $ 6.000 Kecil –$2.000 $6.000 $5.000

Jika peluang yang berkaitan dengan kondisi alami adalah 0,3 untuk jumlah keramaian yang besar, 0,5 untuk jumlah keramaian sedang, dan 0,2 untuk jumlah keramaian yang kecil, tentukan: a) alternatif yang memberikan EMV terbesar, b) EVPI. A.17 Joseph Biggs memiliki bisnis Sno-Cone dan tinggal 30 mil dari tempat rekreasi pantai di California. Penjualan Sno-Cone sangat bergantung pada lokasi dan cuaca. Di tempat rekreasi, keuntungan yang akan diperolehnya adalah $120 per hari pada cuaca baik dan $10 per hari pada cuaca buruk. Di rumah, keuntungannya adalah $70 pada cuaca baik dan $55 pada cuaca buruk. Asumsikan bahwa pada suatu hari tertentu, jasa pelayanan peramalan cuaca menyatakan terdapat peluang sebesar 40% cuaca akan memburuk. a) Buatlah pohon keputusan bagi Joseph! b) Keputusan apakah yang disarankan oleh kriteria nilai yang diharapkan? A.18 Kenneth Boyer sedang mempertimbangkan untuk membuka sebuah toko sepeda di Chicago bagian utara. Boyer sangat senang mengendarai sepeda, tetapi kegemarannya ini bisa menjadi sebuah peluang usaha di mana ia bisa berharap menjadi mata pencahariannya. Ia bisa membuka sebuah toko kecil, toko besar, atau tidak membuka toko sama sekali. Karena

MK-28

Manajemen Operasi

penyewaan gedung akan dilakukan selama 5 tahun, Boyer ingin memastikan ia membuat keputusan tepat. Boyer juga berpikir untuk mempekerjakan dosen pemasaran lamanya untuk melakukan penelitian pasar guna melihat adanya pasar pelayanan jasanya. Hasil penelitian ini akan memperlihatkan hasil yang diinginkan atau tidak diinginkan. Buatlah pohon keputusan untuk Boyer! A.19 F. J. Brewerton Retailers, Inc. harus memutuskan apakah akan membangun fasilitas besar atau kecil di lokasi barunya di Texas bagian selatan. Permintaan di lokasi tersebut bisa rendah atau tinggi dengan peluang masing-masing 0,4 dan 0,6. Jika Brewerton membangun fasilitas kecil dan permintaannya ternyata tinggi, ia akan memiliki pilihan untuk memperluas fasilitas. Jika yang dibangun adalah fasilitas kecil dan ternyata permintaannya tinggi, kemudian fasilitasnya diperluas, maka imbalannya adalah $270.000. Jika yang dibangun fasilitas kecil dan permintaannya ternyata tinggi, tetapi Brewerton memutuskan untuk tidak memperluas fasilitas, maka imbalannya adalah $223.000. Jika yang dibangun adalah fasilitas kecil dan permintaannya ternyata rendah, maka tidak akan ada pilihan untuk melakukan perluasan, dan imbalannya adalah $200.000. Jika yang dibangun adalah fasilitas besar dan permintaannya rendah, Brewerton memiliki pilihan untuk meningkatkan jumlah permintaan dengan beriklan secara lokal. Jika ia tidak melakukan pilihan ini, maka imbalannya adalah $40.000. Jika ia melakukan pilihan untuk beriklan, maka tanggapannya mungkin akan biasa saja atau baik sekali dengan peluang masing-masing 0,3 dan 0,7. Jika tanggapannya biasa saja, imbalannya $20.000. Jika baik sekali, imbalannya $220.000. Terakhir, jika fasilitas besar yang dibangun dan permintaan ternyata tinggi, maka tidak perlu ada iklan, dan imbalannya adalah $800.000. a) Apa yang sebaiknya dilakukan Brewerton untuk memaksimalkan imbalan yang diharapkannya? b) Berapakah nilai harapan imbalannya? A.20 Dick Holliday sedang ragu-ragu dengan apa yang harus dilakukannya. Ia dapat membuka satu tempat penyewaan video yang besar atau kecil dalam toko obatnya. Ia juga dapat mengumpulkan informasi tambahan, atau tidak melakukan apa pun. Jika ia mengumpulkan informasi tambahan, hasilnya bisa menyarankan pasar yang baik atau buruk, tetapi akan membebani dirinya $3.000 untuk mendapatkan informasi ini. Holliday percaya bahwa terdapat peluang 50–50 bahwa informasi yang dihasilkan baik. Jika pasar penyewaan baik, Holliday akan mendapatkan $15.000 dengan tempat yang besar atau $5.000 dengan tempat yang kecil. Walaupun demikian, dengan pasar penyewaan video yang buruk, Holliday akan merugi sebesar $20.000 dengan tempat yang besar atau $10.000 dengan tempat yang kecil. Jika tidak mengumpulkan informasi tambahan, Holliday memperkirakan peluang bahwa pasar penyewaannya baik sebesar 0,7. Laporan yang positif akan meningkatkan peluang pasar penyewaan yang baik menjadi 0,9. Jika laporan penelitiannya negatif, maka peluang pasar penyewaannya baik akan turun menjadi hanya 0,4. Holliday tentu dapat melupakan semua angka ini dan tidak melakukan apa-apa. Apakah yang akan Anda sarankan kepada Holliday? A.21 Toko mesin Jeff Kaufmann menjual berbagai mesin untuk bengkel. Seorang pelanggan ingin membeli mesin bor model XPO2 dari toko Jeff. Model XPO2 dijual seharga $180.000, tetapi Jeff kehabisan XPO2. Pelanggan tersebut bilang akan menunggu hingga Jeff mendapatkan model XPO2. Jeff tahu bahwa ada pasar grosir untuk XPO2 di mana ia dapat membeli XPO2. Jeff dapat membeli XPO2 hari ini seharga $150.000, atau ia dapat menunggu satu hari dan membeli XPO2 (jika besok masih ada) besok seharga $125.000. Jika setidaknya terdapat satu XPO2 besok, Jeff dapat menunggu hingga lusa dan membeli XPO2 (jika masih ada) seharga $110.000.

Modul Kuantitatif A • Perangkat Pengambilan Keputusan

MK-29

Terdapat peluang 0,40 bahwa tidak akan ada model XPO2 besok. Jika terdapat model XPO2 besok, terdapat peluang 0,70 bahwa lusa tidak akan ada model XPO2 di pasar grosir. Tiga hari dari sekarang, sudah pasti bahwa tidak akan model XPO2 di pasar grosir. Berapa maksimum keuntungan harapan yang dapat dicapai Jeff? Apa yang sebaiknya dilakukan Jeff? A.22 Kota Segovia sedang berpikir untuk membangun bandara kedua guna mengurangi kemacetan di bandara utama dan mempertimbangkan dua lokasi berpotensial, X dan Y. Hard Rock Hotel ingin membeli tanah untuk membangun hotel di bandara baru. Harga tanah telah naik dan diperkirakan melonjak jika kota tersebut telah memutuskan lokasi antara X dan Y. Akibatnya, Hard Rock harus membeli tanah sekarang. Hard Rock akan menjual tanahnya jika kota tersebut memutuskan untuk tidak membangun bandara di dekatnya. Hard Rock memiliki empat pilihan: (1) beli tanah di X, (2) beli tanah di Y, (3) beli tanah di X dan Y, atau (4) tidak melakukan apa-apa. Hard Rock telah mengumpulkan data berikut (dalam jutaan euro). Lokasi X 27 45 9 Lokasi Y 15 30 6

Harga beli sekarang Keuntungan jika bandara dan hotel dibangun di sini Harga jual jika bandara tidak dibangun di sini

Hard Rock memutuskan bahwa terdapat peluang 45% bandaranya akan dibangun di X (dengan kata lain, peluangnya 55% bahwa bandaranya akan dibangun di Y). a) Buatlah tabel keputusannya! b) Apa yang sebaiknya diputuskan oleh Hard Rock untuk memaksimalkan keuntungan bersih total? A.23 Louisiana sedang sibuk merancang program lotre terbaru yang disebut permainan “gosok”. Pada permainan lalu, Bayou Boondoggle, si pemain, diperintahkan untuk menggosok satu tempat: A, B, atau C. A dapat berarti “Tidak beruntung”, “Menang $1”, atau “Menang $50”. B dapat berarti “Tidak Beruntung” atau “Ambil Kesempatan Kedua”. C dapat berarti “Tidak Beruntung” atau “Menang $500”. Pada kesempatan kedua, si pemain diberikan perintah untuk menggosok D atau E. D dapat berarti “Tidak beruntung” atau “Menang $1”. E dapat berarti “Tidak beruntung” atau “Menang $10”. Peluang pada A adalah 0,90; 0,09; dan 0,01. Peluang pada B adalah 0,8 dan 0,2. Peluang pada C adalah 0,999 dan 0,001. Peluang pada D adalah 0,50 dan 0,50. Akhirnya, peluang pada E adalah 0,95 dan 0,05. Gambarlah pohon keputusan yang menggambarkan skenario ini! Gunakan simbol yang sesuai dan berikan label pada semua cabang dengan jelas. Hitunglah nilai harapan dari permainan ini!

Studi Kasus
Transplantasi Hati Tom Tucker
Tom Tucker, seorang eksekutif berusia 50 tahun yang kuat, tinggal di pedesaan bagian utara St. Paul, telah didiagnosis memiliki hati yang fungsinya terus menurun oleh dokter ahli penyakit dalam di University of Minnesota. Walaupun kondisi kesehatan lainnya baik, masalah hati Tucker dapat menyebabkan kematian jika tidak ditangani. Data penelitian perusahaan tidak tersedia untuk memperkirakan kemungkinan seseorang seusia Tucker untuk dapat bertahan dan bagaimana kondisinya jika tidak dilakukan proses operasi. Walaupun demikian, berdasarkan pengalaman pribadinya dan artikel jurnal medis

20. Semua elektroniknya dapat dioperasikan dengan sebuah papan kendali yang dikenakan pada tangan atau kaki peselancar. Bob memutuskan bahwa helm berselancar barunya harus memiliki telepon genggam yang terpadu dan radio stereo AM/FM. Bob selalu mencari sesuatu yang baru. Sebagai seorang dokter. dokter ahli penyakit dalam ini mengatakan kepada Tucker jika ia memilih untuk mengabaikan operasi hatinya. Nama helm ski barunya. Ia memahami bahwa banyak kematian di lereng ini disebabkan oleh kecelakaan pada kepala. Tantangan terbesar Bob adalah menemukan sebuah helm yang menarik. Perusahaan ini ingin menjadi rekanan dalam produksi Ski Right dan membagi hasil keuntungan yang akan diperoleh. Sebagai seorang penemu amatir. peluang untuk hidup 2 tahun lagi 20%. Helm ini harus berwarna-warni dan menggunakan desain paling mutakhir. Bob juga mengetahui pasar helmnya bisa menjadi biasa-biasa saja (peluang 30%) atau bahkan buruk (peluang 10%). dan 25 tahun secara berturut-turut. dan peluang untuk hidup hingga Tucker berusia 58 tahun adalah 10%. apakah Tucker sebaiknya memilih operasi transplantasi? Faktor lain apakah yang harus ia pertimbangkan? Ski Right Corp. ia percaya terdapat 20% peluang bahwa pasar helm Ski Right akan sangat bagus.MK-30 Manajemen Operasi terbaru. Bob mengetahui bahwa ia dapat menggunakan ide kreatifnya untuk membuat olahraga berselancar ini menjadi lebih aman. Setelah bertahun-tahun berselancar. Bob memutuskan untuk mencoba sebuah proyek pilot kecil untuk Ski Right. Bob harus membuat helmnya nyaman dan bermanfaat. Walaupun demikian. Pertanyaan untuk Diskusi 1. telepon genggamnya terjatuh dan terlindas oleh sistem gondola. Ski Right. peluangnya untuk bertahan kurang lebih sebagai berikut: peluang untuk hidup 1 tahun lagi 60%. aman. Ia sangat menikmati masa pensiunnya dan tidak mengharapkan kegagalan yang dapat menyebabkan ia harus kembali bekerja. serta 8%. dan membuat rekening banknya bertambah. Namun. operasi transplantasi merupakan prosedur medis yang sangat serius. Jika Bob bisa mendapatkan ide yang bagus. Setelah melakukan beberapa penelitian. Menurut Anda. 13% bertahan hingga 10 tahun. Bob akan mendapatkan $5. Jika pasar sangat baik. Bob Guthrie gemar sekali berselancar pada lereng-lereng yang curam di Rocky Mountains di Utah. Helm yang akan ia buat haruslah terlihat bagus dan sesuai dengan tren pakaian terbaru. Sebanyak 20% bertahan hidup hingga 5 tahun. Lima persen pasien meninggal dalam proses operasi atau pada tahapan penyembuhan. 5%. dan 4% bertahan selama 15. Saat sang eksekutif turun dari gondola. Gagasan mengenai cara membuat helm berselancar yang nyaman dan bermanfaat muncul saat Bob berada pada gondola di atas gunung. Dengan adanya kematian beberapa peselancar baru-baru ini. Seorang eksekutif yang sibuk berbicara dengan telepon genggamnya berusaha menyelesaikan sebuah merger yang rumit selagi berada di atas gondola. Walaupun helm untuk berselancar telah tersedia di pasaran.000 . Bob tahu bahwa banyak peselancar berpendapat tampilan mereka lebih penting daripada keahlian berselancarnya. banyak peselancar tidak menyenanginya karena terlihat membosankan dan buruk. peluang untuk hidup 5 tahun lagi 10%. dan nyaman dikenakan. helm yang menarik tidaklah cukup. sudah pasti menjadi pemenang. Peluang pasar yang bagus sebesar 40%. Bob tahu bahwa suatu jenis helm berselancar yang baru merupakan jawabannya. Dokter ahli penyakit dalam menyatakan peluang untuk bertahan hidup di atas usia 58 tahun bagi Tucker sangat kecil jika ia tidak melakukan operasi transplantasi hati. 2. Setelah pensiun sebagai dokter. Bob menemukan Progressive Products (PP). 45% meninggal dalam masa satu tahun pertama.

000 per bulan. Jika pasar baik atau sangat baik. Bob juga bisa meminta Celestial Cellular (CC) untuk membuat telepon genggam. Bob akan mendapatkan $2. hal ini akan menimbulkan kerugian sebesar $2. dan M. dan pasar yang sangat baik akan menghasilkan $13. Apakah yang akan Anda sarankan? Hitunglah EVPI-nya! Apakah Bob telah melakukan pendekatan yang logis terhadap masalah pengambilan keputusan ini? Sumber: B. Pilihan ketiga bagi Bob adalah menggunakan TalRad (TR).000. Dicetak ulang atas seizin Prentice Hall. pasar rata-rata Bob akan merugi $35. pasar rata-rata berarti kerugian sebesar $10. dan TalRad untuk memproduksi radio stereo AM/FM. Quantitative Analysis for Management. pilihan lainnya adalah meminta CC untuk memproduksi telepon dan PP yang akan memproduksi serta mendistribusikan helmnya. Inc. Render. dan PP yang akan melakukan proses produksi dan distribusi.com/heizer untuk studi kasus tambahan ini secara cuma-cuma.000 per bulan pada pasar yang sangat baik. dan memasarkan helm Ski Right yang sudah jadi. Jika pasar baik. Jika pasar rata-rata. • Arctic. 2. Bob lagi-lagi mendapatkan risiko yang lebih besar.000 per bulan dalam kondisi pasar yang buruk. Bob memiliki risiko yang lebih besar. Pilihan terakhir bagi Bob adalah melupakan PP sama sekali.000 dan pasar yang buruk akan menyebabkan Bob merugi $5. Studi Kasus Tambahan Kunjungi situs Web kami di www. Pada pasar rata-rata. Stair.: Prentice Hall (2009).000. Bob bisa menghasilkan $20. Perusahaan ini berpengalaman dalam membuat helm bagi pengendara sepeda. Pertanyaan untuk Diskusi 1.000 per bulan jika kondisi pasarnya buruk.000 per bulan.000 atau $30. Pasar yang buruk berarti kerugian sebesar $15. Pasar yang baik akan menghasilkan keuntungan bersih senilai $7.000 bagi Bob. Dengan alternatif terakhir ini. Dengan kondisi seperti ini. Florida. Hanna. Progressive akan mengambil helm yang diproduksi oleh Leadville dan melakukan hal yang lebih. . Bob dapat merealisasikan keuntungan bersih sebesar $55.Modul Kuantitatif A • Perangkat Pengambilan Keputusan MK-31 per bulan. Walaupun demikian.prenhall.000. TalRad memiliki pengalaman memproduksi radio untuk penggunaan militer.000 dan pasar yang buruk Bob akan merugi $60.000. Saat pasarnya baik. Bob bisa merugi $30.J. sebuah perusahaan radio di Tallahassee. Kemudian. Jadi. Ia memperkirakan bahwa ia dapat merugi $10. LB dapat membuat helm. Edisi Kesepuluh. Pasar yang baik akan menghasilkan keuntungan $6. Bob dapat mempekerjakan beberapa teman untuk merakit semuanya.000. Inc. M. Ia dapat mengatur LB untuk memproduksi helm.000 per bulan. Bob bisa merugi sebesar $20. 3. CC untuk memproduksi telepon.000 bagi Bob. R. Bob akan mendapatkan keuntungan bersih senilai $10.: sebuah perusahaan kulkas memiliki beberapa pilihan mengenai kapasitas dan perluasan.000 per bulan. Upper Saddle River. Pilihan lain yang tersedia adalah bekerja sama dengan Leadville Barts (LB) untuk memproduksi helm itu.000 pada pasar rata-rata. sementara pasar yang sangat baik berarti keuntungan $12. N.000 per bulan. Karena telepon genggam ini merupakan komponen yang paling mahal pada helm. atau $4.

No. “Intuition in Strategic Decision Making”. R. No. Applied Statistical Decision Theory. Februari 2005: 19. World Oil 224. Edisi Kesepuluh. 1. B. Miller. No. Ireland. Academy of Management Executive 19. Keefer. Hammond. 2000. No. Harvard Business Review. NJ: Prentice Hall. R.. C. “The Hidden Traps in Decision Making”. S. Hanna. Kenney. Stair Jr. 1–2 (2004): 27–47.. Edisi Kedua. dan H. Stair. No. D. Quantitative Analysis for Management. 5. “Decision Theory and Analysis”. Render. Upper Saddle River.MK-32 Manajemen Operasi Daftar Pustaka Balakrishnan. Collin. Upper Saddle River. NJ: Prentice Hall. Futurics 28. 5. Lin. Raiffa. H. September–Oktober 1998: 47–60.. H. R. 2007. Donald L. Interfaces 34. Jr. L. B. 76.. 2009. “Scale Management and Risk Assessment for Deepwater Developments”. Maret–April 2004: 113–116. dan R. Raiffa. C. Render. Managerial Decision Modeling with Spreadsheets. Ian. . Mei 2003: 62. 2. “Balancing Drug Safety and Efficacy for a Go/No-Go Decision”. M. dan R. dan R. M. J. dan M. New York:Wiley. Schlaifer.

memecahkan suatu masalah PL secara grafis dengan metode titik pojok.Modul Kuantitatif B • Pemrograman Linier MK-33 Modul Kuantitatif Pemrograman Linier B GARIS BESAR PEMBAHASAN PERSYARATAN PERSOALAN PEMROGRAMAN LINIER MERUMUSKAN PERSOALAN PEMROGRAMAN LINIER Contoh Shader Electronics SOLUSI GRAFIS BAGI PERSOALAN PEMROGRAMAN LINIER Masalah Pemrograman Penggambaran Batasan-batasan secara Grafis Metode Solusi Garis Iso-Profit Metode Solusi Titik pojok ANALISIS SENSITIVITAS Laporan Sensitivitas Perubahan Sumber Daya atau Nilai di Sisi Tangan Kanan Perubahan Koefisien Fungsi Tujuan MENYELESAIKAN PERSOALAN MINIMALISASI PENERAPAN PEMROGRAMAN LINIER Contoh Bauran Produk Contoh Masalah Diet Contoh Penjadwalan Tenaga Kerja METODE SIMPLEKS UNTUK PEMROGRAMAN LINIER Rangkuman Istilah-istilah Penting Menggunakan Peranti Lunak untuk Memecahkan Masalah Pemrograman Linier Contoh Soal dan Penyelesaian Uji Diri Sendiri Pertanyaan untuk Diskusi Soal-soal Studi Kasus: Golding Landscaping and Plants. dan masalah penjadwalan tenaga kerja. merumuskan model pemrograman linier. 6. memecahkan suatu masalah PL secara grafis dengan metode garis iso-profit. 2. menginterpretasikan analisis sensitivitas dan harga-harga bayangan. Studi Kasus Tambahan Daftar Pustaka Tujuan Pembelajaran Setelah membaca modul ini. Inc. termasuk fungsi tujuan dan batasanbatasan. membangun dan memecahkan masalah minimalisasi. merumuskan bauran produksi. diet. 5. 4. . 3. Anda diharapkan mampu: 1.

2. Chicago. Sumber daya ini dapat digunakan untuk menghasilkan produk (seperti: mesin. atau pakaian) atau jasa (seperti: jadwal penerbangan. melumpuhkan operasi bandara tanpa peringatan.MK-34 Manajemen Operasi Badai yang datang secara tiba-tiba di Bandara O’Hare. uang. dan pengisian bahan bakar. 1. Berikut beberapa contoh permasalahan di mana PL telah berhasil diterapkan dalam bidang manajemen operasi. makanan. Memilih bauran produk di suatu pabrik untuk memanfaatkan penggunaan mesin dan jam kerja yang tersedia sebaik mungkin. Penjadwalan teller untuk memenuhi kebutuhan harian. Penjadwalan bus sekolah untuk meminimalkan jarak perjalanan total untuk mengantar dan menjemput para siswa. tenaga kerja (pilot). dan jarak pandang yang buruk dapat memusingkan para penumpang dan kru darat. mebel. kru. Hujan lebat. 5. Pemrograman linier adalah perangkat yang membantu maskapai penerbangan seperti American Airlines untuk menghadapi kendala cuaca. Pemrograman linier atau PL adalah suatu teknik matematis yang dirancang untuk membantu para manajer operasi dalam merencanakan dan membuat keputusan yang diperlukan untuk mengalokasikan sumber daya. Bila Amerika mengalami gangguan cuaca besar di salah satu bandaranya. selagi memaksimalkan keuntungan perusahaan. Banyak keputusan manajemen operasi berkaitan dengan usaha menggunakan sumber daya organisasi dengan cara yang paling efektif. Sumber daya biasanya meliputi permesinan (contoh: pesawat terbang dalam kasus perusahaan penerbangan). kilat. maka banyak penerbangan yang akan tertunda sehingga banyak kru dan pesawat akan berada di tempat yang salah. 3. 4. dan bahan baku (bahan bakar pesawat jet). Pemilihan bauran komposisi makanan untuk menghasilkan kombinasi makanan dengan biaya minimal. Mengalokasikan unit-unit polisi patroli ke daerah yang memiliki tingkat kejahatan tinggi untuk meminimalkan waktu respons. selagi meminimalkan total biaya tenaga kerja. . hotel. waktu. Pemrograman linier berdampak langsung terhadap keuntungan. PL Teknik matematis yang dibuat untuk membantu manajer operasi merencanakan dan membuat keputusan relatif terhadap imbalan yang dibutuhkan untuk mengalokasikan sumber daya. Karena American Airlines menggunakan pemrograman linier (linear programming) untuk menjadwalkan penerbangan. atau keputusan investasi). kebijakan periklanan.

Adanya batasan (constraints) atau kendala yang membatasi tingkat sampai di mana sasaran dapat dicapai. pada saat yang bersamaan. tetapi tujuan apa pun dapat digunakan). manajemen dapat menggunakan PL untuk memutuskan bagaimana cara mengalokasikan sumber dayanya yang terbatas (tenaga kerja. Oleh karena itu. Jika tidak ada alternatif yang dapat diambil. 8. Berikut akan diberikan satu contoh. Dalam kasus sistem distribusi suatu perusahaan angkutan atau penerbangan. PERSYARATAN PERSOALAN PEMROGRAMAN LINIER Fungsi Tujuan Pernyataan matematis dalam pemrograman linier yang meminimalkan atau memaksimalkan suatu besaran (biasanya keuntungan atau biaya. Semua persoalan PL mempunyai empat sifat umum 1. MERUMUSKAN PERSOALAN PEMROGRAMAN LINIER Salah satu penerapan pemrograman linier yang paling umum adalah masalah bauran produk. untuk memaksimalkan atau meminimalkan suatu kuantitas (fungsi tujuan) bergantung pada sumber daya yang jumlahnya terbatas (batasan). 3. Persoalan PL bertujuan memaksimalkan atau meminimalkan kuantitas (pada umumnya berupa keuntungan atau biaya). Mengalokasikan ruangan untuk para penyewa yang bercampur dalam pusat perbelanjaan baru untuk memaksimalkan pendapatan perusahaan penyewaan (Lihat kotak Penerapan MO. Pada umumnya. Harus ada beberapa alternatif tindakan yang dapat diambil. tujuan pada umumnya berupa meminimalkan biaya. Batasan Kendala yang membatasi tingkat di mana seorang manajer dapat mengejar suatu tujuan. Perusahaan ingin menentukan banyaknya unit dari setiap produk tersebut yang perlu dihasilkan untuk memaksimalkan keuntungan keseluruhan dengan sumber dayanya yang terbatas. . Menentukan sistem distribusi yang akan meminimalkan biaya pengiriman total dari beberapa gudang ke beberapa lokasi pasar. 2.Modul Kuantitatif B • Pemrograman Linier MK-35 6. maka PL tidak diperlukan. “Menggunakan PL untuk Memilih Penyewa pada Suatu Pusat Perbelanjaan”). 4. Membuat suatu jadwal produksi yang akan mencukupi permintaan di masa mendatang akan suatu produk perusahaan. meminimalkan biaya persediaan dan biaya produksi total. tujuan utama suatu perusahaan adalah memaksimalkan keuntungan pada jangka panjang. dan seterusnya). Tujuan dan batasan dalam permasalahan pemrograman linier harus dinyatakan dalam pertidaksamaan atau persamaan linier. Sifat umum ini disebut fungsi tujuan (objective function) dari suatu persoalan PL. Sebagai contoh. Sebagai contoh. jika suatu perusahaan menghasilkan tiga produk yang berbeda. keputusan untuk memproduksi banyaknya unit dari setiap produk pada suatu lini produk perusahaan dibatasi oleh tenaga kerja dan permesinan yang tersedia. Dua produk atau lebih umumnya diproduksi dengan menggunakan sumber daya yang terbatas. 7. permesinan.

Homart Development Company adalah salah satu pengembang pusat perbelanjaan yang paling besar di Amerika Serikat. Sumber: Chain Store Age (Maret 2000): 191–192. Situasi bauran produk ini dapat dirumuskan sebagai masalah pemrograman linier. Sebagai contoh. Denah ini menguraikan ukuran. Permasalahan yang dihadapi Shader adalah menentukan kombinasi terbaik antara jumlah x-pod dan BlueBerry yang dibuat untuk mencapai keuntungan maksimal. . dan setiap BlueBerry yang diproduksi menghasilkan keuntungan $5. Setiap BlueBerry memerlukan waktu selama 3 jam untuk pengerjaan elektronik dan 1 jam untuk perakitan. Sebagai contoh. Lebih lanjut. bauran ini dapat menentukan dua toko perhiasan Contoh Shader Electronics Shader Electronics Company menghasilkan dua produk: (1) Shader x-pod. Department store andalan ini dapat merundingkan perjanjian penyewaan yang sangat menguntungkan bagi pihaknya. Perjanjian penyewaan dibuat dengan dua atau tiga department store utama yang akan menjadi andalan pada pusat perbelanjaan tersebut. model ini menggunakan asumsi bahwa untuk setiap jenis toko. dan jenis barang atau jasa yang mereka sediakan. lokasi umum. keputusan yang dibuat untuk pengalokasian ruangan kepada para penyewa yang potensial sangat berpengaruh pada kesuksesan suatu investasi. Pertama. Proses produksi untuk setiap produk serupa. sebuah ponsel berwarna dengan sambungan Internet. Pemecahan masalah dimulai dengan merangkum informasi yang diperlukan untuk merumuskan dan memecahkan masalah ini (lihat Tabel B. Sekarang. Setiap x-pod menghasilkan keuntungan $7. Homart mengembangkan rencana bagi bauran penyewa dengan menggunakan aturan sederhana berdasarkan pengalaman bertahun-tahun dalam mengembangkan pusat perbelanjaan. Sepanjang periode produksi sekarang. Oleh karena itu. bentuk. tersedia waktu selama 240 jam waktu pengerjaan elektronik dan 100 jam waktu perakitan. Model bauran penyewa adalah cara yang sangat bermanfaat untuk memperbaiki aktivitas perencanaan dan penyewaan Homart. sebuah toko perhiasan kecil dapat berukuran sekitar 700 kaki persegi dan toko yang besar sekitar 2. Bauran penyewa ini menentukan toko-toko yang diinginkan dalam pusat perbelanjaan sesuai dengan ukuran. Homart membuat satu denah yang bersifat sementara. Di masa lalu. dan ruangan bagi department store utama secara sekilas. atau “footprint”.1).MK-36 Manajemen Operasi Penerapan MO Menggunakan PL untuk Memilih Penyewa pada suatu Pusat Perbelanjaan kecil di tengah pusat perbelanjaan. sebuah pemutar musik portabel dan (2) Shader BlueBerry.200 kaki persegi. Setiap x-pod membutuhkan waktu selama 4 jam untuk pengerjaan elektronik dan 2 jam untuk perakitan. yaitu keduanya memerlukan waktu tertentu untuk pengerjaan elektroniknya dan waktu tertentu untuk pengerjaan perakitannya. Saat mulai membangun suatu pusat perbelanjaan baru. model ini menggunakan asumsi bahwa penyewa dapat digolongkan dalam kategori menurut jenis barang dagangan atau jasa yang mereka sediakan. ukuran toko dapat diperkirakan oleh kategori yang berbeda. Homart memberlakukan masalah bauran penyewa ini sebagai suatu model pemrograman linier. dan Interfaces (Maret–April 1988): 1–9. Kedua. serta toko sepatu berukuran menengah dan sebuah rumah makan besar di sisi lorong yang lainnya. untuk meningkatkan posisinya dalam pasar yang semakin kompetitif. Keuntungan Homart datang terutama dari uang sewa yang dibayar oleh para penyewa nonandalan—yaitu toko-toko lebih kecil yang menyewa tempat di sepanjang lorong pusat perbelanjaan. untuk pusat perbelanjaan itu. Business World (18 Maret 2002): 1.

Perusahaan juga tidak dapat membuat x-pod X1 = 50 dan BlueBerry X2 = 10. Batasan pertama: Waktu elektronik yang diperlukan ≤ Waktu elektronik yang tersedia. termasuk fungsi tujuan dan batasan-batasan. tetapi perhatikan bahwa notasi apa pun (misalnya.Modul Kuantitatif B • Pemrograman Linier MK-37 Tabel B. Sebagai contoh. yaitu interaksi tertentu yang akan muncul di antara variabel. 2X1 + 1X2 ≤ 100 (waktu pengerjaan perakitan) Kedua batasan ini mewakili adanya keterbatasan dalam hal kapasitas produksi yang tentu saja memengaruhi keuntungan total. Satu hubungan yang umum adalah jumlah suatu sumber daya yang digunakan harus lebih kecil daripada atau sama dengan (≤) jumlah sumber daya yang tersedia. maka kedua batasan tadi akan dilanggar. Merumuskan model pemrograman linier. 4X1 + 3X2 ≤ 240 (waktu pengerjaan elektronik) Batasan kedua: Waktu perakitan yang diperlukan ≤ Waktu perakitan yang tersedia. Kita misalkan: X1 = jumlah x-pod yang akan diproduksi X2 = jumlah BlueBerry yang akan diproduksi Kita memberi nama keputusannya dengan variabel X1 dan X2 di sini. Sebab jika X1 = 70. . fungsi tujuan PL dapat dibuat dalam kaitannya dengan X1 dan X2: Memaksimalkan keuntungan = $7X1 + $5X2 Langkah selanjutnya adalah membuat hubungan matematis untuk menentukan kedua batasan dalam masalah ini. Sekarang. x-p dan B) juga dapat digunakan. maka unit lain yang dapat diproduksinya menjadi lebih sedikit. Semakin banyak unit suatu produk yang dihasilkan perusahaan.1 Data Masalah Shader Electronics Company Waktu yang Dibutuhkan untuk Memproduksi 1 Unit x-pod (X1) BlueBerry (X2) 4 2 $7 3 1 $5 Departemen Elektronik Perakitan Keuntungan per unit Jam Kerja yang Tersedia 240 100 diperkenalkan beberapa notasi sederhana yang akan digunakan dalam batasan dan fungsi tujuan. Shader Electronics tidak dapat menghasilkan 70 x-pod sepanjang periode produksi. Batasan ini memunculkan aspek penting lain dari pemrograman linier. Tujuan Pembelajaran 1.

pertama. solusi yang layak. Demikian juga halnya. X1. Batasan A: 4X1 + 3X2 = 240 Batasan B: 2X1 + 1X2 = 100 Persamaan untuk batasan A dipetakan pada Figur B. harus diidentifikasi serangkaian. Langkah pertama yang dilakukan adalah memetakan batasan masalah pada suatu grafik. tidak mungkin memetakan solusinya pada grafik dua dimensi. Untuk dapat memetakan garis pada Figur B.1 dan batasan B dipetakan pada Figur B. Penggambaran Batasan-batasan secara Grafis Untuk mencari solusi yang optimal bagi suatu masalah pemrograman linier. Variabel X1 (pada contoh sebelumnya adalah x-pod) umumnya dipetakan pada sumbu horizontal grafik. Batasan B digambarkan dengan cara yang sama dalam Figur B. Variabel Keputusan Pilihan yang tersedia bagi pembuat keputusan. Langkah pertama yang dilakukan dalam memetakan batasan dari masalah ini adalah mengubah pertidaksamaan batasan ini menjadi persamaan. Prosedur grafis ini hanya dapat digunakan jika terdapat dua buah variabel keputusan (decision variables) (seperti jumlah x-pod yang dihasilkan. Daerah yang diarsir mewakili semua titik yang memenuhi pertidaksamaan awal. Batasan B dibatasi oleh garis yang . Permasalahannya secara lengkap dapat dinyatakan ulang sebagai berikut. dan ketika X2 = 0. Kita harus menggunakan pendekatan lebih rumit yang akan diuraikan pada modul ini. hal ini berarti bahwa 3X2 = 240 dan bahwa X2 = 80. dan jumlah BlueBerry yang dihasilkan. batasan A dibatasi oleh suatu garis yang dimulai dari titik (X1 = 0. X2 = 80) hingga (X2 = 60. maka X1 = 50. dan variabel X2 (BlueBerry) dipetakan pada sumbu vertikal. Ketika terdapat lebih dari dua variabel. Jadi. Ketika X1 = 0. Cara paling mudah untuk memecahkan suatu permasalahan PL yang kecil seperti pada persoalan Shader Electronics Company adalah menggunakan pendekatan solusi secara grafis (graphical solution approach).2. maka 4X1 = 240 dan bahwa X1 = 60.2. ketika X2 = 0. Memaksimalkan keuntungan = $7X1 + $5X2 Dengan batasan: 4X1 + 3X2 ≤ 240 (batasan waktu pengerjaan elektronik) 2X1 + 1X2 ≤ 100 (batasan waktu pengerjaan perakitan) X1 ≥ 0 (jumlah x-pod yang diproduksi lebih besar atau sama dengan 0) X2 ≥ 0 (jumlah BlueBerry yang diproduksi lebih besar atau sama dengan 0) Dua batasan terakhir ini disebut juga batasan nonnegativitas. X2). atau daerah. maka X2 = 100.MK-38 Manajemen Operasi SOLUSI GRAFIS BAGI PERMASALAHAN PEMROGRAMAN LINIER Pendekatan Solusi secara Grafis Cara memplot suatu solusi masalah dua variabel pada sebuah grafik. hal yang harus dilakukan adalah mencari titik-titik di mana garis 4X1 + 3X3 = 240 akan berpotongan dengan sumbu X1 dan X2. Ketika X1 = 0 (tempat di mana garis menyentuh sumbu X2).1. X2 = 0).

atau secara singkat daerah yang layak (feasible region).Modul Kuantitatif B • Pemrograman Linier X2 X2 MK-39 100 (X1 = 0. X2 = 100) hingga (X1 = 50. Solusi yang optimal adalah satu titik yang terletak pada daerah yang layak yang menghasilkan keuntungan yang paling tinggi. Daerah ini harus memenuhi semua kondisi yang ditetapkan oleh batasan program sehingga pada daerah tersebut semua batasannya saling tumpang tindih. beberapa pendekatan dapat diambil untuk memecahkan solusi optimal tersebut. Daerah yang diarsir merupakan bagian yang memenuhi kedua batasan. setelah daerah yang layak digambarkan. Hal ini dapat dilihat dengan memetakan titik-titik tersebut dalam grafik pada Figur B. pada kasus ini $210.X2 = 0) X1 0 20 40 60 80 100 0 20 40 60 80 100 Jumlah X-pod Jumlah X-pod Figur B. perusahaan dapat memproduksi 30 x-pod dan 20 BlueBerry (X1 = 30. X2 = 0). X2 = 100) Batasan B 40 20 (X1 = 50. X2 = 80) Jumlah BlueBerry Jumlah BlueBerry 80 60 Batasan A 40 20 (X1 = 60.3 disebut daerah solusi yang layak. . Maka. Metode Solusi Garis Iso-Profit Sekarang.3. Cara yang paling cepat adalah metode garis iso-profit (iso-profit line method). proses pencarian solusi yang optimal dapat dilanjutkan. garis iso-profit melambangkan garis dengan semua profit (keuntungan) yang sama. tetapi akan melanggar batasan jika perusahaan memproduksi 70 x-pod dan 40 BlueBerry.2 Batasan B Daerah yang layak Kumpulan semua kombinasi yang layak dari variabel keputusan.3 menggambarkan kedua batasan secara bersamaan. 1 Iso berarti “sama” atau “serupa”. Daerah gelap pada Figur B. Setiap titik dalam daerah tersebut menjadi solusi yang layak bagi persoalan Shader Electronics Company. dimulai dari titik (X1 = 0. Daerah yang diarsir mewakili semua titik yang memenuhi pertidaksamaan awal. Figur B.1 Batasan A Figur B. Saat daerah yang layak telah didapatkan. Setiap titik di luar daerah gelap tersebut mewakili solusi yang tidak layak.1 Metode garis iso-profit Pendekatan untuk memecahkan masalah maksimalisasi pemrograman linier secara grafis. X2 = 20). Jadi.X2 = 0) X1 100 80 60 (X1 = 0.

Kemudian. dua titik ini dapat dihubungkan menjadi satu garis lurus. sebagai contoh.4. Persamaan tengah. lakukan hal yang sama seperti ketika memetakan garis batasan. Memecahkan suatu masalah PL secara grafis dengan metode garis iso-profit. Pertama. Ketika X1 = 0: . Walaupun demikian.5. Persamaan ini hanya merupakan persamaan sebuah garis yang disebut garis isoprofit.3 Daerah Solusi Layak untuk Masalah Shader Electronics Company 0 20 40 60 80 Jumlah X-pod 100 Proses pencarian optimal dapat dimulai dengan menetapkan keuntungan sama dengan suatu jumlah sembarang. suatu keuntungan senilai $210 dapat dipilih.MK-40 X2 100 Manajemen Operasi 80 Jumlah BlueBerry Perakitan (batasan B) 60 40 Elektronik (batasan A) 20 Feasible region X1 Figur B. ambil X2 = 0 dan dapatkan nilai X1: $210 X1 = $7X1 + $5(0) = 30 x-pod Sekarang. dua garis lagi coba dipetakan. Untuk permasalahan Shader Electronics. Pada Figur B. Tingkat keuntungan ini dapat diperoleh dengan mudah tanpa melanggar salah satu dari kedua batasan yang ada. Garis keuntungan digambarkan pada Figur B. $210 = $7(0) + $5X2 X2 = 42 BlueBerry Tujuan Pembelajaran 2. Semua titik melambangkan solusi yang layak yang menghasilkan keuntungan senilai $210. Untuk memetakan garis keuntungan ini. tetapi dalam pecahan uang yang kecil. Fungsi tujuannya dapat ditulis sebagai $210 = $7X1 + $5X2. ambil X1 = 0 dan pecahkan untuk titik-titik di mana garis berpotongan dengan sumbu X2. yang masing-masing menghasilkan keuntungan lebih tinggi. garis iso-profit $210 ini tidak menghasilkan keuntungan tertinggi yang dapat diperoleh perusahaan. $280 = $7X1 + $5X2 dipetakan dengan cara yang sama seperti pada garis di bawah. Garis ini mewakili semua kombinasi (dari X1 dan X2) yang akan menghasilkan keuntungan total sebesar $210.

yang merupakan peningkatan yang lebih tinggi lagi.6 Solusi Optimal untuk Shader Electronic Company 0 20 40 60 80 Jumlah X-pod 100 . X2 100 100 X2 80 Jumlah BlueBerry Jumlah BlueBerry 80 60 (0. semua kombinasi X-pod (X1) dan BlueBerry (X2) pada garis iso-profit ini akan menghasilkan keuntungan total senilai $280. $280 = $7X1 + $5(0) X1 = 40 X-pod Sekali lagi. X2 = 40) 40 20 $410 = $7X1 + $5X 2 X1 Figur B. Semakin jauh garis ini dari titik asal 0. 0) 20 $420 = $7X1 + $5X 2 X1 0 20 40 60 80 Jumlah X-pod 100 X1 0 20 40 60 80 Jumlah X-pod 100 Figur B.5 Empat Garis Iso-Profit Dipetakan untuk Shader Electronic Company 80 Jumlah BlueBerry Garis keuntungan maksimum 60 Titik solusi optimal (X1 = 30.Modul Kuantitatif B • Pemrograman Linier MK-41 $280 = $7(0) + $5X2 X2 = 56 BlueBerry Ketika X2 = 0. Perhatikan bahwa garis ketiga menghasilkan suatu keuntungan senilai $350. 42) $210 = $7X1 + $5X 2 60 $350 = $7X1 + $5X 2 $280 = $7X1 + $5X 2 $210 = $7X1 + $5X 2 40 40 20 (30.4 Garis Profit $210 Dipetakan untuk Shader Electronics Company X2 100 Figur B.

Garis ini menyentuh ujung daerah yang layak pada titik pojok (X1 = 30. X2 = 40) dan menghasilkan keuntungan senilai $410. X2 yang menghasilkan keuntungan maksimal) akan berada pada suatu titik pojok atau titik ekstrem dari daerah yang layak tersebut.MK-42 Manajemen Operasi semakin tinggi keuntungan yang didapatkan. harus dicari terlebih dahulu koordinat X2 100 2 80 Jumlah BlueBerry 60 3 40 20 1 Figur B. Sekali lagi dapat dilihat (pada Figur B. Metode Solusi Titik Pojok Metode titik pojok Metode untuk memecahkan masalah pemrograman linier grafis.7) bahwa daerah yang layak untuk Shader Electronics Company adalah suatu poligon dengan empat titik pojok atau titik ekstrem.7 Empat Titik Pojok dari Daerah Layak 0 20 40 4 60 80 100 X1 Jumlah X-pod . Teori matematika di balik pemrograman linier menyatakan sebuah solusi optimal bagi setiap persoalan (yakni nilai-nilai X1. hal yang diperlukan adalah mencari nilai variabel hanya pada titik pojok karena keuntungan maksimal atau solusi optimal akan terdapat pada salah satu (atau lebih) di antara mereka. telah didapatkan dua kunci rahasia untuk mendapatkan solusi optimal. Garis keuntungan paling tinggi yang masih menyentuh daerah yang layak akan menunjukkan solusi optimal. Hal penting lain yang harus diperhatikan adalah garis iso-profit ini sejajar. . Tujuan Pembelajaran 3. Sekarang. Teknik ini lebih sederhana dibandingkan pendekatan garis iso-profit. Untuk mencari nilai-nilai (X1. dan . Pendekatan kedua untuk memecahkan persoalan pemrograman linier adalah menggunakan metode titik pojok (corner-point method). Oleh karena itu. Satu rangkaian garis keuntungan sejajar dapat dibuat (dengan menggerakkan penggaris secara hati-hati dan sejajar terhadap garis keuntungan yang pertama). Memecahkan suatu masalah PL secara grafis dengan metode titik pojok. . yaitu dengan membandingkan keuntungan pada setiap-setiap sudut daerah yang layak. Perhatikan bahwa garis keempat ($420) terlalu tinggi untuk dihitung karena garis tersebut tidak menyentuh daerah yang layak. Garis iso-profit yang paling tinggi digambarkan pada Figur B. Titik-titik ini diberi label . X2) yang menghasilkan keuntungan yang maksimal..6.

X2 = 40). Seperti pada aljabar. titik memiliki koordinat (X1 = 30. X2 = 0) Keuntungan $7(0) + $5(0) = $0 Keuntungan $7(0) + $5(80) = $400 Keuntungan $7(50) + $5(0) = $350 Titik untuk sementara dilewatkan karena untuk mencari koordinatnya secara tepat. Dengan demikian. Karena titik menghasilkan keuntungan yang paling tinggi dari semua titik pojok yang ada. kita harus terlebih dahulu menyelesaikan perpotongan antara kedua garis batasannya. metode persamaan simultan dapat diterapkan pada kedua persamaan batasan: 4X1 + 3X2 = 240 2X1 + 1X2 = 100 (waktu pengerjaan elektronik) (waktu perakitan) Untuk memecahkan persamaan ini secara simultan. persamaan kedua dikalikan dengan –2: –2(2X1 + 1X2 = 100) = –4X1 – 2X2 = –200 kemudian ditambahkan pada persamaan yang pertama: +4X1 + 3X2 = 240 –4X1 – 2X2 = –200 +1X2 = 40 atau X2 = 40 Dengan melakukan ini. kemudian menentukan dan membandingkan keuntungan pada titik-titik tersebut. satu variabel. keuntungan dapat dihitung untuk melengkapi analisis: Titik : (X1 = 30. X2 dapat diganti menjadi 40 pada persamaan asal dan mencari nilai X1. dapat dieliminasi untuk mendapatkan nilai X2.Modul Kuantitatif B • Pemrograman Linier MK-43 setiap titik pojok. Kita gunakan persamaan yang pertama. Titik Titik Titik : (X1 = 0. X2 = 0) : (X1 = 0. yaitu X1. bauran produk X1 = 30 x-pod dan X2 = 40 BlueBerry menjadi solusi optimal . maka: 4X1 + 3(40) = 240 4X1 + 120 = 240 atau 4X1 = 120 X1 = 30 Jadi. Ketika X2 = 40. Sekarang. X2 = 80) : (X1 = 50. X2 = 40) Keuntungan = $7(30) + $5(40) = $410.

Analisis sensitivitas (sensitivity analysis) atau analisis pascaoptimal merupakan suatu penelitian seberapa sensitif solusi yang didapatkan jika parameternya berubah. solusi yang sama juga akan diperoleh dengan menggunakan metode garis iso-profit. Jika kita menggunakan 1 lagi waktu elektronik. Nilai solusi untuk variabelnya muncul. Kita akan menggunakan 240 jam dan 100 jam untuk waktu elektronik dan perakitan. mereka juga ingin mengetahui seberapa sensitif solusi yang didapatkan jika parameter yang ada berubah. maka di sinilah analisis sensitivitas memainkan perannya.50.50 untuk setiap waktu elektronik yang kurang dari 240 jam. apa yang terjadi jika koefisien fungsi tujuan tidaklah eksak atau jika mereka berubah sebesar 10% atau 15%? Apa yang terjadi jika nilai-nilai di sisi kanan batasan berubah? Karena solusi didapatkan dengan berdasarkan pada asumsi bahwa parameter yang ada adalah tetap. Sebagai contoh. Keuntungan akan turun $1. Analisis sensitivitas Analisis yang memperlihatkan seberapa besar suatu solusi berubah jika terdapat perubahan dalam variabel atau masukan data. Selain mengetahui nilai dari setiap variabel keputusan (XiS) dan nilai dari fungsi tujuan. keuntungan kita akan naik $1.MK-44 Manajemen Operasi pada permasalahan di Shader Electronics. hal ini tidaklah selalu demikian. Solusi ini akan menghasilkan keuntungan senilai $410 pada setiap periode produksi. Para manajer operasi umumnya tertarik dengan lebih dari sekadar solusi optimal bagi suatu permasalahan PL. Walaupun nilai X1 dan X2 adalah bilangan bulat untuk Shader Electronics. Ini benar hingga 60 jam. Program B. ANALISIS SENSITIVITAS Parameter Nilai numerik yang digunakan dalam suatu model. hingga paling rendahnya 200 jam.1 Analisis Sensitivitas untuk Shader Electronics Menggunakan Excel Solver . Kita seharusnya membuat 30 X-pod dan 40 BlueBerry.

Tabel Constraints menyajikan informasi yang berhubungan dengan dampak perubahan terhadap perubahan nilai batasan di sisi tangan kanan (right hand side—RHS). memiliki kemampuan ini.Modul Kuantitatif B • Pemrograman Linier MK-45 Tujuan Pembelajaran 4. (Gambaran lengkap untuk data ini. Peranti lunak PL. Meskipun software PL yang lain mungkin mempunyai format dan tampilan tabel berbeda. Tabel-tabel ini memungkinkan kita untuk menjawab beberapa pertanyaan jika-maka yang berkaitan dengan solusi masalah. Menginterpretasikan analisis sensitivitas dan harga-harga bayangan Terdapat dua pendekatan untuk menentukan seberapa sensitif suatu solusi optimal terhadap adanya perubahan. Mari. seperti Excel Solver atau POM for Windows. terdapat pada Program B. keuntungan per unit sebesar $7 dan $5) pada solusi optimal.1 adalah bagian dari pengembangan keluaran komputer Excel Solver yang ada guna membantu pengambil keputusan untuk mengetahui apakah suatu penyelesaian masalah secara relatif tidak sensitif terhadap suatu perubahan dalam satu parameter atau lebih pada masalah tersebut. Perubahan pada Sumber Daya atau Nilai di Sisi Kanan Nilai batasan di sisi kanan (right-hand side. kita periksa beberapa skenario yang berhubungan dengan contoh Shader Electronics.) Laporan Sensitivitas Laporan Sensitivitas memiliki Laporan Sensitivitas (sensitivity report) yang disajikan oleh Excel untuk contoh Shader dua bagian: Adjustable Cells Electronic pada Program B. Pendekatan pertama adalah pendekatan sederhana berupa coba-coba. Pendekatan ini dapat memakan waktu yang sangat lama untuk menguji serangkaian perubahan. Pendekatan yang lebih disukai adalah metode pascaoptimal yang bersifat analitik.2 dan B. misalnya 240 jam dan 100 jam pada solusi optimal.1 memiliki dua komponen utama: (1) tabel berjudul dan Constraints. Pada contoh . Pendekatan ini umumnya meliputi pemecahan masalah secara keseluruhan yang biasanya menggunakan komputer. diasumsikan bahwa yang kita pertimbangkan adalah perubahan terhadap hanya satu nilai data input. Sumber daya tersebut dapat berupa jam tenaga kerja atau jam mesin atau mungkin uang atau bahan baku produksi yang tersedia. Setelah suatu permasalahan PL dipecahkan. Hal ini dilakukan tanpa harus memecahkan masalah secara keseluruhan. termasuk input dan output penuh.3 dalam modul ini. Adjustable Cells dan (2) tabel berjudul Constraints. Ini berarti informasi sensitivitas tidak selalu dapat diterapkan untuk perubahan-perubahan yang simultan pada beberapa nilai data input. Program B. rentang perubahan parameter yang tidak akan memengaruhi solusi yang optimal atau mengubah variabel dalam solusi itu ditentukan. Tabel Adjustable Cells menyajikan informasi yang berhubungan dengan dampak perubahan terhadap koefisien fungsi tujuan (misalnya. setiap program menyajikan informasi yang kurang lebih sama. sensitivity report untuk menjawab pertanyaan jika-maka. RHS) biasanya mewakili sumber daya yang tersedia bagi perusahaan. Penting untuk diperhatikan bahwa selagi menggunakan informasi pada Kita hanya menganalisis satu perubahan sekali. pada setiap kali satu titik data atau parameter input berubah.

Jika tersedia jam tambahan. solusi optimal baru adalah (15. 20 40 4 60 80 100 X1 80 100 X1 Figur B.20) dan keuntungan $415. Jika jam perakitan yang tersedia turun menjadi 90 jam seperti yang ditunjukkan pada Figur B. maka nilai sensitivitas mengenai sumber-sumber daya ini akan membantu kita menjawab fungsi tujuan optimalnya pertanyaan-pertanyaan tersebut.5 per jam yang dihasilkan dari perubahan jam yang tersedia disebut harga Harga bayangan (atau ganda) bayangan (shadow price) atau nilai ganda (dual value). 60 X1 = 20. maka akan muncul solusi optimal baru seperti yang ditunjukkan pada Figur B. Validitas Kisaran bagi Harga Bayangan Kenyataan bahwa kenaikan keuntungan sebesar $0. Demikian juga halnya dengan solusi optimalnya. 100 jam perakitan tersedia setiap minggunya dan keuntungan maksimum yang mungkin tercapai adalah $410. Pada contoh Shader. dengan keuntungan = $405. Perubahan keuntungan sebesar $0.8(a). dapat bertambah. Jadi.5 per jam.8(b).MK-46 X2 Batasan perakitan yang diubah dari 2X1 + 1X2 = 100 menjadi 2X1 + 1X2 = 110 2 X2 Manajemen Operasi 100 100 Batasan perakitan yang diubah dari 2X1 + 1X2 = 100 menjadi 2X1 + 1X2 = 90 Titik pojok 3 masih optimal. 40 Batasan elektronik tidak berubah. 80 80 2 Titik pojok 3 masih optimal. dan berarti menghasilkan . X2 = 60. maka daerah layak yang mungkin juga akan berubah (kecuali batasannya berlebihan atau redundant). dua sumber daya yang tersedia adalah jumlah jam elektronik dan jam perakitan. penurunan 10 jam akan menurunkan keuntungan sebesar $5 atau $0. Harga bayangan suatu batasan Nilai satu unit tambahan dari merupakan peningkatan nilai fungsi tujuan yang dihasilkan dari penambahan satu sumber daya yang langka di PL. 60 3 40 20 1 0 3 20 1 0 4 20 40 60 Batasan elektronik tidak berubah. unit pada RHS suatu batasan. Jika jam perakitan yang tersedia naik menjadi 110 jam. apakah berarti bahwa Shader dapat melakukan hal ini tanpa batas. tetapi nilai di titik ini sekarang adalah X1 = 45.5 per jam. Berapakah yang bersedia dibayarkan perusahaan untuk jam tambahan tersebut? Apakah menguntungkan bagi perusahaan untuk memiliki tambahan jam Jika ukuran daerah yang elektronik? Bersediakah kita untuk membayar tambahan jam perakitan? Analisis layak bertambah. Jadi. tambahan 10 jam akan menghasilkan kenaikan keuntungan sebesar $5 atau $0. tetapi nilai di titik ini sekarang adalah X1 = 15. yaitu (45. Jika RHS dari suatu batasan berubah. dengan keuntungan = $415.5 dapat diperoleh untuk tambahan setiap jam perakitan.60) dan keuntungan $405.8 Analisis Sensitivitas Sumber Daya RHS di Shader Electronics Shader Electronics. total keuntungan yang lebih tinggi bisa dicapai.

harga bayangan $0.1.5? Harga bayangan sebesar $0. keuntungan yang tak terbatas? Sudah jelas. Akan tetapi. Perubahan pada Koefisien Fungsi Tujuan Sekarang. Informasi untuk menghitung batas atas dan batas bawah dari kisaran ini diberikan oleh masukan dengan label Allowable Increase dan Allowable Decrease pada Sensitivity Report Program B. Jadi. kita akan fokus pada informasi yang disajikan pada Program B. Jadi. Kenaikan yang diperbolehkan pada koefisien fungsi tujuan untuk BlueBerry hanya sebesar $0. hal ini tidak logis.50 per BlueBerry (berarti penurunan lebih dari $1. kemiringan garis isoprofit yang kita lihat sebelumnya pada Figur B.5. Namun. masalah PL harus dipecahkan kembali dengan menggunakan Solver atau peranti lunak lainnya untuk mendapatkan titik pojok optimal yang baru. lokasi titik pojoknya tidak berubah.5 untuk ketersediaan jam perakitan hanya valid untuk kenaikan hingga maksimum 20 jam dan penurunan hingga maksimum 20 jam dari nilainya sekarang. Setiap baris tabel Adjustable Cells berisi informasi yang berkaitan dengan variabel keputusan (misalnya x-pod dan BlueBerry) pada model PL.5 ini valid untuk kisaran ketersediaan jam perakitan dari serendah 80 jam (= 100 – 20) hingga setinggi 120 jam (= 100 + 20).50. Kisaran yang Diperbolehkan untuk Koefisien Fungsi Tujuan Sejalan dengan perubahan kontribusi keuntungan per unit pada setiap produk. jika keuntungan per unit turun di bawah $3. maka solusi saat ini sudah tidak optimal lagi. Jadi. Perhatikan bahwa penurunan yang diperbolehkan menyiratkan bahwa untuk setiap jam perakitan yang hilang oleh Shader (hingga 20 jam). Oleh karena itu. Titik pojok baru menjadi optimal apabila suatu koefisien fungsi tujuan berkurang atau bertambah terlalu banyak.5 ini valid sepanjang jam perakitan yang tersedia berada dalam kisaran atau rentang di mana semua titik pojok yang sekarang tetap ada. penurunan yang diperbolehkan adalah $1. nilai-nilai ini menunjukkan bahwa harga bayangan $0. ukuran daerah layak yang mungkin adalah tetap sama.5 juga berubah.50 dari keuntungan sekarang sebesar $5).25. maka masih tetap optimal untuk memproduksi 30 x-pod dan 40 BlueBerry. Batasan hingga sejauh mana koefisien keuntungan dari x-pod atau BlueBerry dapat berubah tanpa memengaruhi optimalitas solusi saat ini dinyatakan oleh nilainilai pada kolom Allowable Increase dan Allowable Decrease dari Sensitivity Report pada Program B. Terdapat pengurangan dan peningkatan yang diperbolehkan untuk setiap koefisien fungsi tujuan sehingga solusi optimal yang telah ada tetaplah optimal. Sebaliknya. akan menurunkan keuntungannya sebesar $0. hingga seberapa jauh kenaikan nilai RHS batasan jam perakitan ini valid untuk harga bayangan sebesar $0.Modul Kuantitatif B • Pemrograman Linier MK-47 Harga bayangan berlaku hanya jika perubahan pada RHS berada dalam jangkauan nilai Allowable Increase dan Allowable Decrease. jika keuntungan per unit untuk BlueBerry turun menjadi $4 (yaitu penurunan sebesar $1 dari nilai sekarang sebesar $5).1 yang berjudul Adjustable Cells.1. .5 per jam? Jadi. Pada kasus Shader. Keuntungan total akan turun menjadi $370 (dari $410) karena setiap BlueBerry kini menghasilkan keuntungan lebih kecil (turun $1 per unitnya). Seberapa jauh Shader dapat menambah jam perakitannya dan tetap menghasilkan tambahan keuntungan sebesar $0.

000 per ton. selagi meminimalkan jumlah pekerja totalnya. Selain itu. Contoh B1 Masalah minimalisasi dengan dua variabel Cohen Chemicals. manajer mencatat bahwa bahan mentah yang ada sangat mudah rusak dan harus digunakan dalam jangka waktu 30 hari. Persoalan minimalisasi dapat dipecahkan menggunakan grafik dengan menetapkan daerah yang layak terlebih dahulu. kemudian menggunakan salah satu di antara metode titik pojok ataupun pendekatan garis iso-cost (yang sama dengan metode iso-profit pada persoalan maksimalisasi) untuk dapat menemukan nilai-nilai X1 dan X2 yang menghasilkan biaya minimal. Sebagai contoh. seperti pada Figur B. Sebagai tambahannya. Untuk menghindari pemborosan bahan mentah yang berharga mahal.. daerah yang layak harus ditentukan terlebih dahulu.500 per ton. sebuah rumah makan ingin membuat sebuah jadwal kerja untuk memenuhi kebutuhan pekerja.000X2 Dengan batasan: X1 ≥ 30 ton bahan kimia untuk foto hitam putih X2 ≥ 20 ton bahan kimia untuk foto berwarna X1 + X2 ≥ 60 ton total X1. Inc.500X1 + $3. Pendekatan: Informasi ini dapat dirumuskan ini sebagai sebuah persoalan minimalisasi PL. Membangun dan memecahkan masalah minimalisasi Iso-cost Pendekatan untuk memecahkan masalah minimalisasi pemrograman linier secara grafis. Cohen harus menghasilkan paling sedikit 60 ton bahan kimia untuk mencetak foto tersebut pada bulan depan. dan bukan proses memaksimalkan sebuah fungsi keuntungan.MK-48 Manajemen Operasi MEMECAHKAN PERSOALAN MINIMALISASI Tujuan Pembelajaran 5. Ambil: X1 = jumlah bahan kimia untuk foto hitam putih yang akan diproduksi (ton) X2 = jumlah bahan kimia untuk foto berwarna yang akan diproduksi (ton) Tujuan: biaya yang diminimalkan = $2. Contoh B1 menunjukkan bagaimana memecahkan suatu masalah minimalisasi. manajer produksi Cohen telah memutuskan bahwa paling sedikit 30 ton bahan kimia untuk foto hitam putih dan sedikitnya 20 ton bahan kimia untuk foto berwarna harus diproduksi bulan depan. Jenis pertama adalah bahan kimia untuk foto hitam putih yang membebani Cohen $2. sebuah perusahaan manufaktur mungkin ingin mendistribusikan produknya dari beberapa pabrik ke banyak gudangnya di daerah dengan meminimalkan biaya pengiriman total. menghasilkan dua jenis cairan kimia untuk mencetak foto. Berdasarkan suatu analisis tingkat persediaan dan sisa pesanan saat ini.9. . Banyak persoalan pemrograman linier mencakup proses meminimalkan suatu tujuan seperti biaya. Cara kedua adalah bahan kimia untuk foto berwarna senilai $3. X2 ≥ 0 persyaratan nonnegativitas Solusi: untuk memecahkan permasalahan bahan kimia Cohen secara grafis.

000(20) $160. hanya terdapat dua titik pojok.500.000(30) $165. B.Modul Kuantitatif B • Pemrograman Linier MK-49 Permasalahan minimalisasi sering menjadi tak terhingga (yaitu: pada sisi kanan dan sisi atas). yaitu a dan b. titik pojok dapat ditemukan.5.500(40) + 3.] Masalah serupa: B.000 Biaya yang paling rendah bagi perusahaan Cohen Chemicals adalah titik a. Asalkan daerah ini dibatasi ke dalam (yaitu: pada sisi kiri dan sisi bawah).11. X2 = 30). Apakah ada yang berubah dari jawabannya? [Jawaban: Sekarang. B.9 Daerah Layak untuk Cohen Chemical Pada kasus ini. B.000X2 2. Pemahaman: Daerahnya tidak akan dibatasi di kanan atau di atas dalam suatu masalah minimalisasi (seperti juga dalam masalah maksimalisasi). B. Solusi optimal akan terletak pada salah satu di antara titik-titik pojok tersebut. X2 = 20). Oleh karena itu. tetapi karakteristik ini tidak menyebabkan masalah dalam memecahkan persoalan ini.22.3. Latihan pembelajaran: Batasan kedua Cohen dihitung dan haruslah X2 ≥ 15.9. Sangat mudah untuk menentukan bahwa titik a (X1 = 40. Solusi optimal diperoleh pada titik yang menghasilkan biaya total paling rendah. X2 = 15 dan biaya total = $157. manajer operasi seharusnya memproduksi 40 ton bahan kimia untuk foto hitam putih dan 20 ton bahan kimia untuk foto berwarna.12.24.500(30) + 3.000X2 2. X1 = 45.500 X1 + 3.000 2. Jadi: Biaya total pada titik a = = = Biaya total pada titik b = = = 2. dan titik b (X1 = 30. . B.500 X1 + 3. B.6. seperti ditunjukkan pada Figur B. X2 60 50 Daerah yang Layak 40 30 20 10 X1 = 30 X1 + X2 = 60 b a X2 = 20 X1 0 10 20 30 40 50 60 Figur B.

keperluan kedatangan/ kepergian. Ketika terdapat gangguan jadwal karena badai (seperti Katrina pada 2005). hampir semua permasalahan di dunia nyata mengandung variabel lebih banyak lagi. atau kurangnya kru. . Satu rute penerbangan Continental mungkin terdiri atas pesawat jet Boeing 777 yang ditugaskan untuk terbang pada pukul 07. Tujuan perusahaan penerbangan adalah meminimalisasi kombinasi biaya operasi dan penggantian kehilangan penumpang yang disebut “biaya tumpah”. Continental menjalankan sistem Crew Solver and OptSolver miliknya dan Delta menjalankan model ColdStart miliknya setiap hari.000 batasan dan 60. Latihan yang akan didapatkan dengan “mengubah” situasi PL berikut dapat membantu mengembangkan keahlian untuk menerapkan pemrograman linier pada situasi operasi umum lain. Banyak orang mengatakan kursi pesawat pada sebuah perusahaan penerbangan adalah komoditas yang paling cepat habis di dunia. adalah menyesuaikan pesawat seperti 737. dan sejenisnya. sebagaimana yang dihadapi Delta dan para pesaingnya.MK-50 Manajemen Operasi Penerapan MO Continental dan Delta Menghemat Ratusan Juta Dolar dengan PL serta mengisi tempat duduk dengan penumpang yang membayar ongkosnya. kebutuhan perawatan. Model-model PL ini memasukkan batasan-batasan. berarti suatu kesempatan pendapatan hilang untuk selamanya. menjadwalkan pesawat untuk rute spesifik serta menjadwalkan pilot dan pramugari untuk setiap pesawat tersebut. Contoh yang telah diberikan sebelumnya hanya memiliki dua variabel (X1 dan X2). Karena itulah.15 pagi . Penghematan dari PL telah mencapai sekitar $100 juta per tahun di Continental dan $300 juta per tahun di Delta Air Lines. Setiap kali suatu pesawat penumpang lepas landas dengan satu tempat duduk kosong. Sumber daya yang terbatas harus dapat dialokasikan antarberbagai produk yang dihasilkan perusahaan.000 variabel). diet. seperti ketersediaan pesawat. jadwal adalah denyut jantung mereka. Contoh Bauran Produk Contoh B2 memuat keputusan bauran produk yang lain. Delta. dan masalah penjadwalan tenaga kerja. Prinsip yang telah dikembangkan dapat digunakan untuk merumuskan beberapa permasalahan yang lebih rumit. dan (September–Oktober 1999): 123–131. Bagi Continental.05 pagi dari Houston untuk tiba di Chicago pada pukul 09. pesawat dan penumpangnya sering berada di tempat yang salah. Merumuskan bauran produksi. Sumber: Interfaces (Juli–Agustus 2004): 253–271. keperluan latihan kru. Walaupun demikian. (Januari– Februari 2003): 5–22. dan perusahaan jasa penerbangan besar lain yang menerbangkan ribuan jadwal terbang per hari dengan ratusan pesawat. Semua jadwal ini dikembangkan dengan model PL yang besar (program Delta memiliki 40. Masalah yang dihadapi Continental. Tujuan perusahaan secara keseluruhan adalah memproduksi produk tertentu dalam jumlah tertentu untuk memaksimalkan keuntungan total. atau 777 pada rute penerbangan seperti Houston-Chicago PENERAPAN PEMROGRAMAN LINIER Tujuan Pembelajaran 6. Contoh B2 Masalah bauran produk Failsafe Electronics Corporation memproduksi empat produk utama yang sangat canggih untuk memasok ke perusahaan penerbangan angkasa luar yang memiliki kontrak dengan NASA. masalah mesin. Setiap produk harus dapat melalui departemen berikut sebelum dikirimkan: pemasangan kawat. 767.

5 1. Departemen Pemasangan Produk XJ201 XM897 TR29 BR788 Kawat 0.0 0.5 1.Modul Kuantitatif B • Pemrograman Linier MK-51 pengeboran.5X1 + l.5 0. X4 ≥ 0 Pemahaman: Terdapat banyak batasan dalam sebuah masalah PL. tetapi fungsi tujuannya menggunakan satu satuan yang umum— keuntungan—dalam kasus ini. Ia menetapkan: X1 = jumlah unit XJ201 yang akan diproduksi. X2. manajer produksi menentukan tingkat produksi setiap produk untuk bulan mendatang. X2 = jumlah unit XM897 yang akan diproduksi.5 $ 9 $12 $15 $11 Waktu produksi yang tersedia pada setiap departemen pada setiap bulan dan kebutuhan produksi bulanan minimal untuk memenuhi kontrak adalah sebagai berikut.5 1.5X3 + 1X4 ≤ 1.350 2. Karena terdapat lebih dari dua variabel keputusan.500 waktu pemasangan kawat yang tersedia 3X1 + lX2 + 2X3 + 3X4 ≤ 2. Kapasitas (dalam jam) 1.5 1.200 Produk XJ201 XM897 TR29 BR788 Tingkat Produksi Minimal 150 100 300 400 Departemen Pemasangan kawat Pengeboran Perakitan Pengawasan Pendekatan: Perumusan situasi bauran produksi ini sebagai masalah PL. Kebutuhan proses produksi pada setiap departemen (dalam jam) dan nilai keuntungan yang berkesesuaian diringkas pada tabel berikut.350 waktu pengeboran yang tersedia 2X1 + 4X2 + 1X3 + 2X4 ≤ 2.600 waktu perakitan yang tersedia 0.0 Pengeboran 3 1 2 3 Perakitan 2 4 1 2 Pemeriksaan Keuntungan/ Unit 0. Batasan RHS boleh memiliki satuan yang berbeda. X3.5X1 + lX2 + 0. . Jawaban: Perumusan PL-nya adalah: Tujuan: memaksimalkan keuntungan = 9X1 + 12X2 + 15X3 + 11X4 dengan batasan 0. X4 = jumlah unit BR788 yang akan diproduksi. Pertama. perakitan.600 1.5X3 + 0. dan pemeriksaan. X3 = jumlah unit TR29 yang akan diproduksi.5X4 ≤ 1.5X2 + l.500 2.200 waktu pemeriksaan yang tersedia X1 ≥ 150 unit XJ201 X2 ≥ 100 unit XM897 X3 ≥ 300 unit TR29 X4 ≥ 400 unit BR788 X1. masalah ini tidak dipecahkan secara grafis.

Contoh B3 Masalah diet Perusahaan penggemukan sapi Feed ‘N Ship menggemukkan sapi untuk dipasarkan secara lokal dan dijual ke Kansas dan Omaha.19. X3 = jumlah makanan Z yang dibeli untuk setiap sapi setiap bulan.28.02. hal ini membatasi jumlah makanan yang akan diberikan pada sapi. juga berkaitan dengan menetapkan kombinasi makanan yang memenuhi persyaratan kebutuhan nutrisi pada biaya minimal. Persoalan yang juga dikenal dalam bidang pertanian sebagai masalah bauran pakan ternak ini. Perusahaan penggemukan menghadapi satu batasan lagi—yaitu perusahaan hanya bisa memperoleh 500 pon makanan Z per bulan dari penyalur makanan. X2 = jumlah makanan Y yang dibeli untuk setiap sapi setiap bulan. $0. dan pada saat yang bersamaan.025.21. Y. dan D. B.] Masalah serupa: B. X2 = 300. B. B. Setiap jenis makanan memiliki empat kandungan nutrisi berbeda. Apakah solusinya? [Jawaban: X1 = 150. Pakan Ternak Nutrisi A B C D Makanan X 3 ons 2 ons 1 ons 6 ons Makanan Y 2 ons 3 ons 0 ons 8 ons Makanan Z 4 ons 1 ons 2 ons 4 ons Harga setiap jenis makanan X. . terlepas dari kebutuhan perusahaan. 80 ons nutrisi B.29. B. B. C. B.8. Kebutuhan minimal setiap sapi per bulan adalah 64 ons nutrisi A. dan $0. X3 = 200. Pemilik Feed ‘N Ship ingin menentukan makanan sapi yang akan dibeli untuk mencukupi standar nutrisi minimal.04. Contoh Masalah Diet Contoh B3 menggambarkan masalah diet yang pada awalnya digunakan oleh rumah sakit untuk menentukan diet yang paling hemat untuk pasien. B. B.20.MK-52 Manajemen Operasi Latihan pembelajaran: Pecahkan masalah PL ini seperti yang telah dirumuskan. Ambil: X1 = jumlah makanan X yang dibeli untuk setiap sapi setiap bulan.7. Karena secara umum terdapat 100 sapi pada perusahaan penggemukan sapi di Feed ’N Ship pada suatu waktu. dan 128 ons nutrisi D. dan Z masing-masing adalah $0. yaitu maksimal 5 pon makanan Z per hari atau 80 ons per bulan.23. meminimalkan biaya makanan total. yaitu A. Berikut kandungan nutrisi setiap makanan dalam satuan ons per pon pakan ternak.10. 16 ons nutrisi C. B. X4 = 400. Pendekatan: Rumusan ini sebagai masalah minimalisasi PL.

X1 = 16 pon.00–17.00.00) hingga pukul 14.00–10.12 per sapi] Masalah serupa: B. Latihan pembelajaran: Biaya satu pon makanan X naik 50%.00–16.00 15.00 yang Dibutuhkan 10 12 14 16 Periode 13. umumnya merupakan waktu yang paling sibuk. seharga $0.00 Jumlah Teller yang Dibutuhkan 18 17 15 10 . Contoh B4 Menjadwalkan teller bank Arlington Bank of Commerce and Industry adalah bank yang sangat sibuk dan memiliki kebutuhan teller yang berjumlah antara 10 hingga 18 orang yang bergantung pada jam kerja dalam sehari.00 10.00 14.00–15. mulai tengah hari (12. Penjadwalan terutama bermanfaat bila para manajer memiliki fleksibilitas untuk menugaskan para pekerja pada pekerjaan yang membutuhkan keterampilan yang dapat saling dipertukarkan atau bertumpang tindih.00–13. dan biaya = $1.02X1 + 0. B. Jumlah Teller Periode 09. Contoh B4 akan menguraikan bagaimana sebuah bank menggunakan PL untuk menjadwalkan petugas teller-nya.Modul Kuantitatif B • Pemrograman Linier MK-53 Jawaban: Tujuan: Biaya minimal = 0. solusi optimalnya tidak memperhitungkan makanan Y dan Z.00 11.00–11. Pemahaman: Karena biaya per pon makanan X sangat rendah. X2 = 16 pon. Tabel di bawah mengindikasikan jumlah teller yang diperlukan pada berbagai jam kerja bank. Rumah sakit dan bank yang besar sering menggunakan PL untuk mengatasi penjadwalan tenaga kerja mereka. Waktu istirahat makan siang.04X2 + 0.80 untuk setiap sapi.00–12.00–14. ketika biaya per pon makanan X adalah $0.30. Apakah ini memengaruhi solusi? [Jawaban: Ya.025X3 dengan batasan Persyaratan kandungan nutrisi A: Persyaratan kandungan nutrisi B: Persyaratan kandungan nutrisi C: Persyaratan kandungan nutrisi D: Pembatasan makanan Z: 3X1 + 2X2 + 4X3 ≥ 64 2X1 + 3X2 + 1X3 ≥ 80 1X1 + 0X2 + 2X3 ≥ 16 6X1 + 8X2 + 4X3 ≥ 128 X3 ≤ 80 X1.00 16.00 12. X2.6.03. X3 ≥ 0 Solusi yang paling murah adalah membeli 40 pon X1. X3 = 0. Contoh Penjadwalan Tenaga Kerja Permasalahan penjadwalan tenaga kerja mengatasi susunan kepegawaian yang dibutuhkan pada suatu periode waktu tertentu.

00 hingga 14. yaitu maksimal 50% dari kebutuhan total per hari. tetapi ia dapat mulai bekerja kapan saja.00) ≥ 15 (kebutuhan pada pukul 15.00 hingga 15. Bank akan memberhentikan 1 atau lebih teller penuh waktu jika memang menguntungkan pihak bank.00 (selesai pukul 13. yang merupakan penjumlahan teller yang diperlukan pada setiap jamnya: 4(P1 + P2 + P3 + P4 + P5) ≤ 0.00) Solusi: Fungsi tujuan: Meminimalkan biaya tenaga kerja total harian = $75F + $24 (P1 + P2 + P3 + P4 + P5) Batasan: Untuk setiap jam.00 hingga 13. Para pekerja paruh waktu merupakan tenaga kerja yang tidak mahal karena mereka tidak disediakan uang pensiun dan insentif makan siang.00) ≥ 14 (kebutuhan pada pukul 11. di antara pukul 09. Pada sisi lain.00 (selesai pukul 16.00) ≥ 12 (kebutuhan pada pukul 10. tetapi sebagian besar orangnya terdapat pada daftar pekerja paruh waktu. Ditetapkan: F = teller penuh waktu P1 = teller paruh waktu mulai pukul 09.00 hingga 11.00 dan lainnya makan pada pukul 12. Sesuai dengan kebijakan perusahaan. Pendekatan: Bank bermaksud menetapkan sebuah jadwal yang akan meminimalkan biaya tenaga kerja total. Seorang pekerja paruh waktu harus menghabiskan tepat 4 jam per hari.MK-54 Manajemen Operasi Saat ini.00) P2 = teller paruh waktu mulai pukul 10.00) P4 = teller paruh waktu mulai pukul 12. mulai bekerja pukul 09. jam kerja yang tersedia harus paling sedikit sama dengan jam kerja yang dibutuhkan. Pekerja paruh waktu menerima upah $6 per jam (atau $24 per hari) secara rata-rata.50(10 + 12 + 14 + 16 + 18 + 17 + 15 + 10) .00 hingga 17.00) ≥ 17 (kebutuhan pada pukul 14.) Pekerja penuh waktu memiliki waktu kerja produktif selama 35 jam pada setiap minggu.00 hingga 12.00 (selesai pukul 14.00 (selesai pukul 15.00 hingga 10.00 hingga 16.00) ≥ 10 (kebutuhan pada pukul 16. pekerja penuh waktu. F + P1 F + P1 + P2 ½F + P1 + P2 + P3 ½F + P1 + P2 + P3 + P4 F + P2 + P3 + P4+ P5 F + P3 + P4 + P5 F + P4 + P5 F + P5 ≥ 10 (kebutuhan pada pukul 09. (Separuh pekerja penuh waktu makan pada pukul 11.00) P3 = teller paruh waktu mulai pukul 11. bank tersebut membatasi jam kerja pekerja paruh waktu.00 (selesai pukul 17. sedangkan pekerja penuh waktu mendapatkan upah rata-rata $75 per hari berupa gaji dan insentif.00 hingga 17.00) ≥ 16 (kebutuhan pada pukul 12. maka: F ≤ 12 Jam kerja pekerja paruh waktu tidak boleh melebihi 50% dari jumlah jam total yang dibutuhkan setiap harinya.00 hingga 13.00) Hanya 12 teller penuh waktu yang tersedia. bank tersebut mempekerjakan 12 teller yang bekerja penuh waktu.00 dengan izin makan siang selama 1 jam.00.00) ≥ 18 (kebutuhan pada pukul 13.00.00) P5 = teller paruh waktu mulai pukul 13.

Tidak ada pekerja paruh waktu yang mulai bekerja pada pukul 09. yaitu sebesar $1. atau Raju Balakrishnan.142.00 (P3 = 2 dan P4 = 2). 2 . Managerial Decision Modeling with Spreadsheets. 2007): Bab 2–4.00 (P5 = 3). P1 = 6. Pemahaman: Bukanlah tidak lazim jika beberapa solusi optimal muncul dalam masalah PL yang besar. Barry Render.086 per hari. Jadwal alternatif pertama adalah hanya mempekerjakan 10 orang teller penuh waktu (F = 10) dan 7 orang teller paruh waktu yang mulai bekerja pada pukul 10. bacalah buku sains manajemen. Pada kasus ini. P2 = 1. Untuk perincian mengenai langkah-langkah aljabar untuk algoritma simpleks.18.] Masalah serupa: B.00 (P3 = 2 dan P4 = 2). Metode simpleks sesungguhnya merupakan suatu algoritma (atau serangkaian perintah) yang digunakan untuk menguji titik pojok pada suatu cara tertentu sehingga sampai pada solusi terbaik—keuntungan yang paling tinggi atau biaya yang paling rendah. P1 . Untuk mencari solusi optimal alternatifnya.00 (P2 = 1). biaya = $1. Stair. dan 3 orang teller paruh waktu yang mulai bekerja pada pukul 13. P3 . Anda mungkin harus memasukkan batasannya dengan urutan yang berbeda. Stair.00 dan 12. Sebuah prosedur yang disebut metode simpleks dapat digunakan untuk mencari solusi yang optimal bagi persoalan seperti itu. contohnya.Modul Kuantitatif B • Pemrograman Linier MK-55 atau 4P1 + 4P2 + 4P3 + 4P4 + 4P5 ≤ 0. P5 ≥ 0 Terdapat dua jadwal alternatif optimal yang dapat diikuti oleh Arlington Bank. P4 . dan Ralph M. P4 = 5. P5 = 0.00 (P2 = 7). 2 orang teller paruh waktu yang mulai bekerja pada pukul 11. Quantitative Analysis for Management. Edisi Kesembilan. 2 orang teller paruh waktu yang mulai bekerja pada pukul 11.00.00 (P5 = 3).00 (P1 = 6). NJ: Prentice Hall. dan Michael Hanna. Sebagian besar persoalan pemrograman linier di dunia nyata memiliki lebih dari dua variabel sehingga menjadi terlalu rumit untuk diselesaikan dengan menggunakan grafik. F = 10.50 (112) F. tetapi terdapat 6 orang teller paruh waktu yang mulai bekerja pada pukul 9. NJ: Prentice Hall. Ralph M. METODE SIMPLEKS UNTUK PEMROGRAMAN LINIER Metode simpleks Algoritma untuk memecahkan persoalan pemrograman linier dengan berbagai ukuran. Latihan pembelajaran: Bank tersebut setuju memberi kenaikan gaji menjadi $7 per jam untuk pekerja paruh waktunya. (Upper Saddle River. Program komputer (seperti Excel OM dan POM for Windows) dan spreadsheet Excel tersedia untuk memecahkan persoalan pemrograman linier dengan metode simpleks. Apakah solusinya berubah? [Jawaban: Ya. P2 . pihak manajemen memiliki pilihan dengan biaya yang sama antara kedua jadwal tersebut. P3 = 2. Barry Render. 2006): Bab 7–9.2 Lihat. 1 orang teller paruh waktu yang mulai bekerja pada pukul 10. dan 3 orang teller paruh waktu yang mulai bekerja pada pukul 13. Jadwal alternatif kedua adalah mempekerjakan 10 orang teller penuh waktu (F = 10). Edisi Kedua (Upper Saddle River.00 dan 12. Biaya tenaga kerja untuk kedua kebijakan tersebut sama.

Jika terdapat hanya dua variabel keputusan. Langkah pertama pada model PL adalah pemformulaan masalah yang meliputi proses pengidentifikasian dan penentuan batasan serta fungsi tujuan. menggunakan peranti lunak seperti Excel OM dan POM for Windows atau Excel. maka masalah dapat diselesaikan dengan menggunakan grafik dengan menggunakan metode titik pojok. terutama dalam usaha memanfaatkan sumber daya organisasi dengan cara yang paling efektif. dan menyediakan analisis sensitivitas lengkap pada masukan lain masalah tersebut. seperti yang dapat dilihat pada soal pekerjaan rumah dan contoh-contoh pada modul ini. Istilah-istilah Penting Pemrograman linier (linear programming) Fungsi tujuan (objective function) Batasan (constraints) Pendekatan solusi secara grafis (graphical solution approach) Variabel keputusan (decision variables) Daerah yang layak (feasible region) Metode garis iso-profit (iso-profit line method) Metode titik pojok (corner-point method) Parameter Analisis sensitivitas (sensitivity analysis) Harga bayangan (atau ganda) (shadow price or dual price) Iso-cost Metode simpleks (simplex method) Menggunakan Peranti Lunak untuk Memecahkan Masalah Pemrograman Linier Semua masalah PL juga dapat dipecahkan dengan metode simpleks. Langkah kedua adalah memecahkan masalah itu. atau dengan metode garis iso-profit/iso-cost.MK-56 Manajemen Operasi Rangkuman Modul ini memperkenalkan suatu model tertentu yang disebut pemrograman linier. Dengan pendekatan mana pun. yang pertama harus dilakukan adalah mengidentifikasi daerah yang layak. Excel menggunakan Solver yang memerlukan . PL diterapkan dalam bisnis secara luas. kemudian mencari titik pojok yang menghasilkan keuntungan terbesar atau biaya terkecil. PL telah terbukti sangat berguna. Pendekatan ini menghasilkan informasi ekonomis berharga sebagai harga bayangan atau ganda.

kita ilustrasikan bagaimana membuat Excel spreadsheet untuk masalah PL. Kemampuan ini membuat Solver cocok untuk solusi kompleks masalah nyata. dan biaya pengiriman untuk dimasukkan. Fungsi tujuan: Memaksimalkan keuntungan = $7 (Jumlah x-pod) + $5 (Jumlah BlueBerry) Batasan: 4(x-pod)+3(BlueBerry) ≤ 240 2(x-pod)+1(BlueBerry) ≤ 100 Program B. Pada bagian selanjutnya. X Menggunakan Spreadsheet Excel Excel menawarkan kemampuan untuk menganalisis masalah pemrograman linier dengan menggunakan alat pemecah masalah yang telah ada pada program. Tujuan dan batasan diulang di sini. Perangkat Excel itu bernama Solver. Solver Masukkan parameter Solver seperti pada gambar Tekan Solve . Excel OM dan POM for Windows hanya memerlukan data.Modul Kuantitatif B • Pemrograman Linier MK-57 masukan batasan oleh Anda. masing-masing dengan 2 batasan hingga 100 batasan tambahan.2 Menggunakan Excel untuk Merumuskan Masalah Shader Electronics Komputasi Nilai Sisi Kiri Sisa D4 G5 Sel Rumus Excel =SUMPRODUCT ($B$8:$C$8.2. Solver terbatas hanya pada 200 sel yang berubah (variabel). data pasokan. Kita gunakan Excel untuk menyiapkan masalah Shader Electronics pada Program B.B4:C4) =F5-D5 Aksi Salin ke D5:D6 Salin ke G6 Pilih Tools.

3 memperlihatkan solusi Solver untuk masalah Shader Electronics. New York yang memproduksi piyama dan kemeja laki-laki. perhatikan bahwa solusi optimal diperlihatkan pada sel yang berubah (sel B8 dan C8 yang berfungsi sebagai variabel).1. Sekarang. Jawaban Batasan pertama: 1X1 + 0.MK-58 Manajemen Operasi Layar Excel PAda Program B.75X2 ≤ 280 jam waktu menjahit yang tersedia (sumber daya terbatas yang pertama) . Pada periode produksi mendatang. memiliki dua sumber daya utama yang tersedia: waktu menjahit (pada departemen jahit) dan waktu memotong (pada departemen potong). produsen pakaian di Niagara. Sebagai tambahan. Contoh Soal dengan Penyelesaian Contoh Soal B. dan analisis sensitivitas. peranti lunak tersebut menyediakan nilai optimal untuk variabel.50 jam untuk dipotong. Untuk memproduksi setiap piyama.3 Solusi Excel untuk Masalah PL Shader Electronics Menggunakan Excel OM dan POM for Windows Excel OM dan POM for Windows dapat menangani masalah PL yang cukup besar.1 Smith’s. keuntungan atau biaya optimal. Untuk menyatakan batasan PL bagi permasalahan ini secara matematik. kita ambil: X1 = jumlah kemeja yang akan diproduksi. Pilihan Reports akan memperlihatkan analisis lebih lanjut mengenai solusi dan lingkungannya. dapat menjadwalkan waktu hingga 280 jam pekerjaan mesin jahit dan 450 jam pekerjaan mesin potong. X2 = jumlah piyama yang akan diproduksi. pemiliknya.75 jam untuk menjahit dan 2 jam untuk memotong. diperlukan waktu 0. Hasilnya. Barbara Smith. POM for Windows menyediakan keluaran grafis untuk masalah dengan hanya dua variabel. Kemampuan analsis sensitivitas Excel diilustrasikan sebelumnya pada Program B. Program B. Setiap kemeja yang diproduksi memerlukan waktu 1 jam untuk dijahit dan waktu 1.

X2 = 4) Jadi. Informasi ini dapat digunakan untuk menentukan fungsi tujuan PL untuk masalah ini: Fungsi tujuan: Memaksimalkan keuntungan = $4X1 + $3X2 Contoh Soal B. Persamaan kedua dikalikan dengan –2 dan ditambahkan pada persamaan pertama. menggunakan metode titik pojok.2 Kita ingin menyelesaikan masalah PL berikut untuk Kevin Caskey Wholesale Inc.Modul Kuantitatif B • Pemrograman Linier MK-59 X2 ≤ 450 jam waktu memotong yang tersedia (sumber daya terbatas yang kedua) Batasan kedua: 1. Tujuan: Memaksimalkan keuntungan = $9X1 + $7X2 Batasan: 2X1 + 1X2 ≤ 40 X1 + 3X2 ≤ 30 X1. x2 = 4). X2 = 0) Keuntungan = 0 (X1 = 0.10 menggambarkan batasan ini. X2 ≥ 0 Jawaban Figur B.5X1 + Catatan: Hal ini berarti setiap piyama membutuhkan waktu 2 jam untuk dipotong. 2X1 + 1X2 = 40 –2X1 – 6X2 = –60 –5X2 = –20 Jadi X2 = 4. X2 = 0) Keuntungan = 9(20) + 7(0) = $180 Titik pojok c diperoleh dengan menyelesaikan persamaan 2X1 + 1X2 = 40 dan X1 + 3X2 = 30 secara bersamaan. solusi optimalnya adalah (x1 = 18. Dan X1 + 3(4) = 30 X1 + 12 = 30 atau Titik pojok c: (X1 = 18. X2 = 10) Keuntungan = 9(0) + 7(10) = $70 (X1 = 20. Keuntungan = $190 X1 = 18 Keuntungan = 9(18) + 7(4) = $190 . Titik pojok a: Titik pojok b: Titik pojok d: (X1 = 0. Departemen keuangan Smith’s menganalisis angka penjualan serta menyatakan setiap kemeja yang diproduksi akan menghasilkan keuntungan $4 dan setiap piyama akan menghasilkan keuntungan $3.

Pakan Ternak Merek Y 5 ons 4 ons 0. (batasan kandungan nutrisi B).02 Pakan Ternak Merek Z 10 ons 3 ons 0 $0. juga persyaratan minimal bulanan bagi setiap kandungan nutrisi untuk setiap ekor kalkun.MK-60 X2 40 Manajemen Operasi 30 20 b c d 30 40 X1 10 Figur B. X2 = jumlah pakan ternak merek Z yang dibeli (pon). Komposisi Setiap Pon Pakan Ternak Kandungan Nutrisi A B C Harga/pon Jawaban Kita gunakan: X1 = jumlah pakan ternak merek Y yang dibeli (pon). Merek Y berharga $0. Dalam proporsi berbeda. Caskey Wholesale Inc. Kemudian. Tujuan: meminimalkan biaya (dalam sen) = 2X1 + 3X2 dengan batasan: 5X1 + 10X2 ≥ 90 ons 4X1 + 3X2 ≥ 48 ons ½X1 ≥ 1½ ons (batasan kandungan nutrisi A).03 per pon. setiap pakan mengandung beberapa atau semua dari tiga kandungan nutrisi yang penting untuk menggemukkan kalkun.02 per pon. Merek Z seharga $0.3 Holiday Meal Turkey Ranch sedang mempertimbangkan untuk membeli dua jenis pakan kalkun yang berbeda. (batasan kandungan nutrisi C).03 Kebutuhan Minimal Bulanan 90 ons 48 ons 1. Pengusaha peternakan bermaksud menentukan menu pakan yang biayanya paling murah dan tetap memenuhi persyaratan minimal bulanan setiap kandungan nutrisinya.5 ons .10 Daerah Layak untuk K. kita dapat perumusan permasalahan pemrograman linier berikut. 0 a 10 20 Contoh Soal B. Tabel berikut berisi informasi yang berkaitan dengan komposisi pakan ternak merek Y dan merek Z.5 ons $0.

sebagai gantinya. yaitu 54 = 2X1 + 3X2. X2 20 Batasan kandungan nutrisi C Merek Z dalam pon 15 a 10 Batasan kandungan nutrisi B Daerah layak 5 Batasan kandungan nutrisi A b 0 5 10 15 Merek Y dalam pon c 20 X1 Figur B. Proses pencarian dilanjutkan dengan memindahkan garis iso-cost ke arah kiri bawah secara sejajar pada garis biaya 54¢. terdapat banyak titik dalam daerah yang layak yang akan menghasilkan biaya total yang lebih rendah. seperti pada kasus Holiday Meal Turkey Ranch. Namun.8) dengan biaya 31. Garis biaya yang paling rendah (yang paling dekat ke titik asal 0) yang menyentuh daerah yang layak memberikan kita solusi yang optimal.Modul Kuantitatif B • Pemrograman Linier MK-61 Figur B.11 Daerah Layak untuk Masalah Holiday Meal Turkey Ranch X2 20 Merek Z dalam pon 15 Daerah layak (yang diarsir) 54 10 31 . X = 4.4. . perlu digambar serangkaian garis biaya yang sejajar.2¢ =2 X 1 + 5 3X 2 ¢= 2X Ar 1 + ah 3X bia ya 2 a ris ya ng iso -co me st nu ru n (X1 = 8.12 dengan menggambar suatu garis biaya 54¢.12 Solusi Grafis untuk Masalah Holiday Meal Turkey Ranch Menggunakan Garis Iso-Cost Perhatikan bahwa garis terakhir yang sejajar terhadap garis iso-cost 54 sen yang menyentuh daerah layak menandakan titik pojok optimal. maka biaya pada setiap titik pojok tidak perlu dihitung. Pendekatan garis iso-cost dapat digunakan untuk memecahkan masalah minimalisasi PL.11 menggambarkan batasan-batasan ini. Jika menggunakan garis iso-profit. Sebagai contoh. Titik terakhir yang masih berada dalam daerah yang layak adalah titik pojok b pada Figur B.8) X1 0 5 10 15 20 Merek Y dalam pon 25 Figur B.4. Dengan jelas. kita mulai dengan Figur B.11 yang memiliki koordinat (X1 = 8. X2 = 4.2¢.

1. 0. kita harus… a. haruslah berupa titik pojok daerah layak. lihat tujuan pembelajaran di awal bab dan kata kunci di akhir bab. Solusi yang layak untuk masalah pemrograman linier… a. Bayangkan masalah pemrograman linier berikut. . d. 1. 4. 5. 2. hanya beberapa. b. b. Dengan menggunakan prosedur solusi grafis untuk memecahkan masalah maksimalisasi. c. harus memenuhi semua batasan masalah secara simultan.MK-62 Manajemen Operasi Uji Diri Sendiri • • • Sebelum melakukan uji diri sendiri. Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik. c. tidak perlu memenuhi semua batasan. Ketika menggunakan prosedur solusi grafis. b. daerah layak. program komputer. langkah-langkah alternatif yang dapat dipilih. 1. Maksimalisasi 12X + 10Y Batasan: 4X + 3Y ≤ 480 2X + 3Y ≤ 360 X. c. d. adanya batasan. Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda. d. d. menggerakkan garis iso-profit naik hingga tidak lagi berpotongan dengan persamaan batasan apa pun. daerah tidak layak.800. 3. e. 1. e. solusi. c. c. b. mengaplikasikan metode persamaan simultan untuk memecahkan perpotongan batasan. Y ≥ 0 Nilai maksimum yang mungkin untuk fungsi tujuan adalah… a.520. mencari nilai fungsi tujuan di titik asal. penggunaan hanya persamaan linier dan pertidaksamaan. d. b. daerah keuntungan maksimum.440. Manakah yang bukan sifat semua masalah pemrograman linier? a.600. menggerakkan garis iso-profit turun hingga tidak lagi berpotongan dengan persamaan batasan apa pun. daerah yang dibatasi oleh sejumlah batasan disebut… a. e. harus menghasilkan keuntungan maksimum yang memungkinkan. optimalisasi beberapa tujuan. 1. daerah iso.

Dalam kondisi apakah fungsi tujuan menjadi lebih penting dibandingkan dengan batasan pada suatu model pemrograman linier? 6. mengapa permasalahan diet hanya dapat diterapkan bagi binatang dan bukan untuk manusia? 8. 360. 70) Bayangkan masalah pemrograman linier berikut. Y ≥ 0 Titik (X. (0. Sebutkan sedikitnya empat penerapan permasalahan pemrograman linier! 2.Modul Kuantitatif B • Pemrograman Linier MK-63 6. 84). (90. Titik pojok yang layak adalah (48. 1. Berapakah solusi yang layak yang ada pada suatu pemrograman linier? Apa yang harus dilakukan untuk memcari solusi yang optimal? 9. Pertanyaan untuk Diskusi 1. c. 100) b. (70. 1. Setiap persoalan pemrograman linier yang memiliki suatu daerah yang layak mempunyai jumlah solusi yang tidak terbatas. 10) c. Gambarkan daerah yang layak dari suatu persoalan PL secara grafis! Apakah yang dimaksud dengan solusi yang layak? 4. 90) e. Definisikan harga bayangan (atau harga ganda)! 10. Maksimalisasi 4X + 10Y Batasan: 3X + 4Y ≤ 480 4X + 2Y ≤ 360 X. (20. Berapa nilai maksimum yang mungkin dari fungsi tujuan? a. (0. Bayangkan masalah pemrograman linier berikut. Apakah yang disebut “titik pojok”? Jelaskan mengapa solusi permasalahan pemrograman linier terfokus pada titik pojok! 3. 70) d.032. (0. b. (100. Y) manakah yang tidak layak? a. 840.600. Pada kenyataannya. Y ≥ 0 7. e. Maksimalisasi 12X + 10Y Batasan: 4X + 3Y ≤ 480 2X + 3Y ≤ 360 X. Dalam kondisi apakah batasan menjadi lebih penting dibandingkan dengan fungsi tujuan pada suatu model pemrograman linier? 7. 1. Jelaskan bagaimana cara menggunakan garis iso-cost dalam masalah minimalisasi secara grafis! . 0). (0.200. Jelaskan! 5. 120). d.0).

2 Selesaikan persoalan pemrograman linier berikut secara grafis: Maksimalkan Dengan batasan: Z = X + 10Y 4X + 3Y ≤ 36 2X + 4Y ≤ 40 Y≥3 X. Bagaimana koordinat kuantitas dapat dicari jika dua batasan berpotongan tidak pada sebuah sumbu? 13. sebuah persoalan pemrograman linier telah dapat dipecahkan dan nilai optimal dari fungsi tujuan adalah $300. Y ≥ 0 B. . Y ≥ 0 B. Bayangkan.1 Selesaikan soal pemrograman linier berikut secara grafis: Maksimalkan Dengan batasan: Z = 4X + 6Y X + 2Y 5X + 4Y ≤ 20 X.3 Selesaikan persoalan pemrograman linier berikut secara grafis: Minimalisasi Z = X1 + X2 8X1 + 16X2 ≥ 64 X1 ≥ 0 X2 ≥ –2 B. (b) nilai optimal dari fungsi tujuan. Jelaskan bagaimana hal ini mungkin akan memengaruhi: (a) daerah yang layak. Jika sebuah batasan berpotongan dengan sumbu horizontal atau vertikal.4 Pertimbangkan pemrograman linier masalah berikut: Maksimalkan Dengan batasan: Z = 30X1 + 10X2 3X1 + X2 ≤ 300 X1 + X2 ≤ 200 X ≤ 100 X2 ≥ 50 X1 − X2 ≤ 0 X1.MK-64 Manajemen Operasi 11. Soal-soal*3 B. maka kuantitas terlihat dengan jelas. sebuah batasan tambahan ditambahkan ke dalam masalah ini. Bayangkan saja. Bandingkan bagaimana cara kerja metode titik pojok dan metode garis iso-profit untuk memecahkan permasalahan grafis! 12. X2 ≥ 0 a) Selesaikanlah soal ini secara grafis! b) Apakah terdapat lebih dari satu solusi optimal? Jelaskan! *Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.

maka bauran produk manakah yang optimal untuk satu kemasan biskuit dalam rangka meminimalkan biaya perusahaan? a) Rumuskan persoalan ini sebagai masalah pemrograman linier! b) Selesaikan masalah ini secara grafis. dan berikan nilai optimal bagi semua variabelnya! c) Berapakah biaya total satu kemasan biskuit anjing dengan bauran optimal? B. Truk T1 dan mobil C1 masing-masing menghasilkan keuntungan $300 dan $220. Setiap kipas angin membutuhkan 2 jam pemasangan kawat dan 1 jam untuk pengeboran.000 pon seng. B. Setiap kipas angin dapat menghasilkan keuntungan senilai $15. serta temukan kombinasi AC dan kipas angin terbaik yang menghasilkan keuntungan paling tinggi! B. tersedia waktu selama 240 jam untuk pemasangan kawat dan 140 jam waktu pengeboran yang dapat digunakan. yaitu model A dan model B. diperlukan proses di bagian perakitan dan bagian cat. Inc. Rumuskan dan selesaikan situasi bauran produk PL ini.5 Selesaikan persoalan PL berikut secara grafis: Minimalkan Dengan batasan: Z = 24X + 15Y 7X + 11Y ≥ 77 16X + 4Y ≥ 80 X. dan menghasilkan keuntungan senilai $90.Y ≥ 0 B. per unit kendaraan yang dijual. Setiap bak mandi model A memerlukan campuran 125 pon baja dan 20 pon seng. Biskuit rasa hati mengandung 1 unit nutrisi A dan 2 unit nutrisi B.6 Ed Silver Dog Food Company ingin memperkenalkan satu merek biskuit anjing yang baru dengan rasa ayam dan hati yang memenuhi kebutuhan nutrisi tertentu. Bak mandi memerlukan campuran sejumlah tertentu dari seng dan baja. Selama periode produksi berikutnya. Setiap bak mandi model B memerlukan 100 pon baja dan 30 pon seng dan dapat dijual dengan keuntungan $70.9 Spitzfire. di mana perusahaan memiliki total baja sejumlah 25. Jika harga untuk membuat 1 biskuit rasa hati adalah 1¢ dan untuk membuat 1 biskuit rasa ayam adalah 2¢. Lebih lanjut. adalah produsen khusus mobil dan truk. di mana keduanya memerlukan proses pemasangan kawat dan pengeboran.7 Electrocomp Corporation memproduksi dua produk elektrik: alat pendingin ruangan (AC) dan kipas angin. Setiap AC memerlukan waktu 3 jam untuk pemasangan kawat dan 2 jam pengeboran. Menurut persyaratan pemerintah pusat. Setiap AC menghasilkan keuntungan senilai $25.Modul Kuantitatif B • Pemrograman Linier MK-65 B. Cari bauran produk bak mandi terbaik menggunakan grafik. Dibutuhkan waktu 1/40 hari dan 1/60 hari untuk mengecat truk jenis T1 dan mobil jenis C1 di bagian cat. perusahaan telah memutuskan bahwa tidak boleh ada lebih dari 15 rasa hati dalam satu kemasan.000 pon baja dan 6. Untuk membuat kendaraan apa pun. harus ada sedikitnya 40 unit nutrisi A dan 60 unit nutrisi B dalam satu kemasan makanan tersebut.8 Lauren Shur Tub Company membuat dua jenis bak mandi. biskuit rasa ayam mengandung 1 unit nutrisi A dan 4 unit nutrisi B. Perusahaan ini baru membuka pabrik baru di mana mobil C1 dan truk T1 dapat diproduksi bersama. a) Definisikan fungsi tujuan dan persamaan bahasannya! b) Buat grafik untuk daerah layaknya! c) Berapa keuntungan maksimum produksi harian di pabrik baru? . Dibutuhkan 1/50 hari untuk merakit kendaraan yang apa pun di bagian perakitan. Proses perakitan untuk kedua produk ini serupa.

membuat tiga buah produk. yaitu Alfa 4 dan Beta 5.200 per unit. Gunakanlah metode grafis PL untuk menentukan campuran kompos dan limbah sampah yang mengeluarkan biaya paling rendah untuk setiap kantong.6 3X1 + 3X2 + 3X3 ≥ 21 19X2 – ⅓ X3 = 17 –X1 – X2 + 4 X3 = 5 4X1 + 2X2 + 3 X3 ≤ 80 B. gambarkan daerah yang layak dan terapkan prosedur garis iso-cost untuk menunjukkan titik pojok yang menghasilkan solusi optimal! b) Berapakah biayanya untuk solusi ini? B. Alfa 4 menghasilkan keuntungan $1. Perusahaan memerlukan 20 jam kerja untuk merakit setiap komputer Alfa 4 dan 25 jam kerja untuk merakit Beta 5. Maksimalkan pendapatan = 4X1 + 4X2 + 7X3 . dan memiliki tiga buah mesin sebagai sumber daya yang tersedia sebagaimana ditunjukkan pada persoalan PL berikut.11 Sweet Smell Fertilizer Company memasarkan kantong pupuk dengan label “berat kering tidak kurang dari 60 pon”.10 MSA Computer Corporation memproduksi dua jenis komputer mini. MSA ingin mendapatkan sedikitnya 10 Alfa 4 dan 15 Beta 5 di sepanjang periode produksi.12 Pertimbangkan perumusan pemrograman linier Faud Shatara berikut ini. setiap kantong harus berisi sedikitnya 30 pon kompos dan tidak lebih dari 40 pon limbah sampah. Minimalkan biaya = $1X1 + $2X2 Dengan batasan: X1 + 3X2 ≥ 90 8X1 + 2X2 ≥ 160 3X1 + 2X2 ≥ 120 X2 ≤ 70 a) Dengan grafik.14 Kalyan Singhal Corp. Hubungan apakah yang tidak dapat digunakan dalam persoalan pemrograman linier. Perusahaan mempekerjakan 5 teknisi yang masing-masing bekerja selama 160 jam per bulan pada lini perakitan. dan mengapa? Maksimalkan = 6X1 + ½ X1X2 + 5X3 Dengan batasan: 4X1X2 + 2X3 ≤ 70 7. Untuk menghasilkan pupuk berkualitas. Kemasan pupuk merupakan kombinasi antara kompos dan limbah sampah.9X1 – 4X2 ≥ 15. Pihak manajemen meminta dengan tegas bahwa jam kerja penuh (yaitu seluruh waktu selama 160 jam) harus dipenuhi setiap pekerja selama periode operasi bulan depan. Tentukan jumlah setiap model komputer mini yang harus diproduksi untuk menghasilkan keuntungan maksimal pada periode mendatang! B. B.800 per unit. Setiap pon kompos membebani Sweet Smell biaya sebesar 5¢ dan setiap pon limbah 4¢.13 Hubungan PL berikut dirumuskan oleh Jeffrey Rummel di Connecticut Chemical Company.MK-66 Manajemen Operasi d) Berapa keuntungan yang akan dihasilkan dari rencana tersebut dengan mengasumsikan apa pun yang diproduksi dapat terjual? B. dan Beta 5 menghasilkan keuntungan $1.

Modul Kuantitatif B • Pemrograman Linier

MK-67

Dengan batasan: 1X1 + 7X2 + 4X3 ≤ 100 (jam kerja yang tersedia pada mesin 1) 2X1 + 1X2 + 7X3 ≤ 110 (jam kerja yang tersedia pada mesin 2) 8X1 + 4X2 + 1X3 ≤ 100 (jam kerja yang tersedia pada mesin 3) a) Tentukan solusi optimalnya dengan menggunakan peranti lunak PL! b) Apakah terdapat waktu yang tidak terpakai pada salah satu mesin dalam solusi optimal? c) Apakah menguntungkan bagi perusahaan untuk menambahkan jam kerja pada mesin ketiga? d) Berapakah keuntungan perusahaan akan meningkat jika 10 jam kerja ditambahkan pada mesin kedua tanpa biaya tambahan? B.15 Perhatikan masalah PL berikut yang dibuat pada perusahaan pemindaian optik Jeff Spencer di San Antonio. Maksimalkan keuntungan = $1X1 + $1X2 Dengan batasan: 2X1 + 1X2 ≤ 100 1X1 + 2X2 ≤ 100 a) Berapakah solusi optimal untuk persoalan ini? Selesaikan dengan grafik! b) Jika terdapat suatu terobosan teknis yang dapat meningkatkan keuntungan per unit X1 menjadi $3, apakah hal ini akan memengaruhi solusi optimalnya? c) Alih-alih peningkatan koefisien keuntungan X1 menjadi $3, perkiraan keuntungan tersebut ternyata terlalu tinggi. Nilai yang seharusnya adalah $1,25. Apakah hal ini mengubah solusi optimalnya? B.16 Pengawas pendidikan di Arden County, Maryland, bertanggung jawab membagi pelajar ke tiga sekolah menengah dalam wilayahnya. Pengawas tersebut memahami kebutuhan akan sejumlah bus untuk para pelajar yang sekolahnya berada pada jarak yang tidak memungkinkan bagi mereka untuk berjalan kaki. Pengawas tersebut membagi wilayahnya menjadi lima sektor, dan mencoba untuk menetapkan sebuah jadwal yang akan meminimalkan jarak tempuh perjalanan total. Ia juga mengetahui bahwa jika seorang pelajar tinggal di suatu sektor tertentu dan bersekolah dalam sektor yang sama, maka ia tidak memerlukan bus karena pelajar ini dapat berjalan kaki ke sekolahnya. Ketiga sekolah itu ditempatkan pada sektor B, C, dan E.

Tabel berikut menunjukkan jumlah pelajar yang tinggal di setiap sektor dan jarak (dalam mil) dari setiap sektor ke setiap sekolah.

MK-68
Jarak ke Sekolah Sektor A B C D E Sekolah di Sektor B 5 0 4 7 12 Sekolah di Sektor C 8 4 0 2 7 Sekolah di Sektor E 6 12 7 5 0

Manajemen Operasi

Jumlah Pelajar 700 500 100 800 400 2.500

Setiap sekolah menengah memiliki kapasitas 900 pelajar. a) Tentukan fungsi tujuan masalah ini dengan menggunakan pemrograman linier sehingga jarak tempuh pelajar dengan bus dapat diminimalkan! b) Selesaikan persoalan ini! B.17 National Credit Union memiliki dana sebesar $250.000 yang tersedia untuk diinvestasikan selama 12 bulan. Dana ini dapat diinvestasikan dalam sertifikat bank sentral dengan tingkat pengembalian 8%, atau dalam obligasi dengan tingkat pengembalian rata-rata 9%. Peraturan credit union mengharuskan diversifikasi yang menyatakan bahwa paling sedikit investasi harus ditanamkan dalam sertifikat bank sentral. Peraturan pemerintah kota, seperti di Cleveland dan New York, memutuskan bahwa tidak lebih dari 40% investasi boleh ditempatkan pada obligasi. Berapa banyak yang diinvestasikan oleh National Credit Union pada setiap jenis investasi untuk memaksimalkan tingkat pengembalian investasinya? B.18 Rumah makan yang terkenal di Boston, yaitu Limoges Restaurant, buka selama 24 jam dalam satu hari. Para pramusaji datang bertugas pada pukul 03.00, 07.00, 11.00, 15.00, 19.00, atau 23.00, dan setiap pekerja bekerja dalam shift 8 jam. Tabel berikut menunjukkan jumlah minimal pekerja yang diperlukan selama 6 periode waktu dalam satu hari. Periode 1 2 3 4 5 6 Jam 03.00–07.00 07.00–11.00 11.00–15.00 15.00–19.00 19.00–23.00 23.00–03.00 Jumlah Pekerja yang Dibutuhkan 3 12 16 9 11 4

Pemiliknya, Michelle Limoges, menentukan banyaknya pramusaji yang diperlukan pada setiap periode waktu untuk meminimalkan jumlah pekerja total per hari. (Petunjuk: Xi adalah banyaknya pekerja yang mulai bekerja pada periode i, di mana i = 1, 2, 3, 4, 5, 6.)

B.19 Seorang tukang kayu bernama Chuck Synovec membuat dua macam rumah burung: satu untuk burung bernyanyi dan satu lagi untuk burung biru. Setiap rumah burung bernyanyi membutuhkan waktu 4 jam kerja dan 4 unit kayu. Setiap rumah burung biru memerlukan 2 jam kerja dan 12 unit kayu. Tukang kayu itu memiliki 60 jam tenaga kerja dan 120 unit kayu

Modul Kuantitatif B • Pemrograman Linier

MK-69

yang tersedia. Rumah burung bernyanyi menghasilkan keuntungan senilai $6 dan setiap rumah burung biru menghasilkan keuntungan senilai $15. a) Tuliskan batasan dan fungsi tujuannya! b) Selesaikan persoalan ini secara grafis. B.20 Setiap meja yang diproduksi oleh Robert West Designers memberikan keuntungan senilai $9 pada perusahaan. Setiap lemari buku menghasilkan keuntungan $12. Perusahaan West adalah sebuah perusahaan kecil dengan sumber daya terbatas. Pada setiap periode produksi (1 minggu), tersedia 10 galon pernis dan 12 balok kayu berkualitas. Setiap meja membutuhkan sekitar 1 galon pernis dan 1 balok kayu. Setiap lemari buku membutuhkan 1 galon pernis dan 2 balok kayu. Rumuskan persoalan West ini sebagai sebuah bauran produk pemrograman linier, dan selesaikan! Berapakah meja dan lemari buku yang harus diproduksi setiap minggu? Berapakah keuntungan maksimal yang akan diperoleh? B.21 Par, Inc. memproduksi tas golf standar dan tas golf mewah setiap minggunya. Setiap tas golf memerlukan waktu untuk pemotongan dan pencelupan dan waktu untuk penjahitan dan penyelesaian, seperti diperlihatkan pada tabel. Jam yang Diperlukan per Tas Produk Tas Standar Tas Mewah Pemotongan dan Pencelupan 1/2 1 Penjahitan dan Penyelesaian 1 2/3

Keuntungan per tas dan jam mingguan yang tersedia untuk pemotongan dan pencelupan serta penjahitan dan penyelesaian adalah sebagai berikut. Produk Tas standar Tas mewah Aktivitas Pemotongan dan pencelupan Penjahitan dan penyelesaian Keuntungan per Unit ($) 10 8 Jam Mingguan yang Tersedia 300 360

Par, Inc. akan sanggup menjual berapa pun jumlah yang diproduksi dari kedua produk tersebut. a) Cari bauran tas golf standar dan tas golf mewah yang perlu diproduksi per minggunya untuk memaksimalkan keuntungan mingguan dari aktivitas ini! b) Berapakah nilai keuntungannya? B.22 Selesaikan persoalan pemrograman linier berikut secara grafis. Minimalkan biaya = 4X1 + 5X2 Dengan batasan: X1 + 2X2 ≥ 80 3X1 + X2 ≥ 75 X1, X2 ≥ 0

MK-70

Manajemen Operasi

B.23 Thompson Distributors mengemas dan mendistribusikan barang-barang pasokan industri. Sebuah pengiriman standar dapat dikemas dalam sebuah peti kemas kelas A, kelas K, atau kelas T. Sebuah peti kemas kelas A menghasilkan keuntungan $9; peti kemas K, $7; dan peti kemas T, $15. Setiap pengiriman memerlukan sejumlah bahan pengemasan dan waktu tertentu.
Sumber Daya yang Dibutuhkan pada Setiap Pengiriman Standar

Kelas Peti Kemas A K T Jumlah sumber daya yang tersedia setiap minggu

Bahan Pengemas (pon) 2 1 3 130 pon

Waktu Pengemasan (jam) 2 6 4 240 pon

Kepala perusahaan tersebut, Jason Thompson, harus memutuskan jumlah setiap kelas peti kemas yang optimal untuk dikirim setiap minggu. Ia terikat pada keterbatasan sumber daya yang telah disebutkan tadi, tetapi juga telah memutuskan bahwa ia harus tetap mempekerjakan pekerja penuh waktunya selama 240 jam (6 pekerja × 40 jam) setiap minggu. Rumuskan dan selesaikan permasalahan ini dengan menggunakan peranti lunak PL! B.24 Berapakah titik pojok yang terdapat pada daerah layak dalam persoalan berikut? Minimalkan Z = X – Y Dengan batasan: X≤4 –X ≤ 2 X + 2Y ≤ 6 –X + 2Y ≤8 Y≥0 (Catatan: nilai X dapat negatif pada soal ini.) B.25 Agen periklanan Denver mempromosikan sabun cuci piring yang baru bermerek Breem dan ingin mendapatkan promosi terbaik yang mungkin bagi produk tersebut dengan anggaran iklan senilai $100.000. Untuk melaksanakan hal ini, agen itu harus memutuskan banyaknya dana yang akan dihabiskan bagi setiap dari dua media yang paling efektif: (1) iklan di televisi pada sore hari dan (2) iklan besar dalam harian kota pada hari Minggu. Setiap iklan televisi berharga $3.000; dan setiap iklan surat kabar berharga $1.250. Hasil yang diharapkan dengan berdasarkan pada hasil survei adalah 35.000 penonton untuk setiap iklan TV dan 20.000 pembaca untuk setiap iklan di surat kabar. Direktur agen periklanan, Deborah Kellogg, mengetahui dari pengalaman bahwa penting untuk menggunakan kedua media untuk dapat menjangkau pelanggan potensial Breem secara luas. Dia memutuskan bahwa sedikitnya 5, tetapi tidak lebih dari 25 iklan televisi yang harus dibuat, dan sedikitnya 10 iklan surat kabar yang harus dikontrak. Berapa kalikah setiap dari kedua media ini digunakan untuk memperoleh hasil maksimal dengan biaya yang masih dalam anggaran? Gunakanlah metode grafik untuk menyelesaikan persoalan ini! B.26 Libby Temple Manufacturing memiliki tiga pabrik (1, 2, dan 3) dan tiga gudang (A, B, dan C). Tabel berikut memperlihatkan biaya pengiriman antar setiap gudang ke setiap pabrik, kemampuan produksi pabrik (dalam ribuan), dan kapasitas gudang (dalam ribuan). Manajemen ingin memenuhi kapasitas gudang untuk memancing permintaan.

dan seterusnya. apa saja kelima batasannya? Tulislah deskripsi pendek untuk setiap batasannya. dan Gudang 3 (W3) memiliki 600 ton. . b) Selesaikan persoalan ini dengan komputer! Ke Dari Pabrik 1 Pabrik 2 Pabrik 3 Kapasitas Gudang A $ 6 $ 8 $11 7 Gudang B $ 5 $10 $14 12 Gudang C $ 3 $ 8 $18 5 Kemampuan Produksi 6 8 10 a) B.50 8. di mana biaya transit per ton adalah sebagai berikut.50 6.27 Sebuah produsen pupuk harus memenuhi kontrak pasokan kepada dua pelanggan utamanya (650 ton ke Pelanggan A dan 800 ton ke Pelanggan B).Modul Kuantitatif B • Pemrograman Linier MK-71 Tuliskan fungsi tujuan dan batasan dalam bentuk persamaan! Jadikan X1A = 1. V2. Gudang 2 (W2) memiliki 500 ton.00 W3 $6.25 7. Produsen tersebut dapat memenuhi permintaan ini dengan mengirimkan inventaris yang ada pada tiga gudangnya. dan seterusnya) dan koefisien tujuan! c) Selain variabelnya tidak boleh negatif. Solver akan memberikan laporan sensitivitas berikut.27 di Excel. dan tulis rumusnya (lingkari apakah jenisnya persamaan/pertidaksamaan)! Deskripsi C1: C2: C3: C4: C5: Variabel dan Batasan Rumus: Rumus: Rumus: Rumus: Rumus: Jenis => I = I =< => I = I =< => I = I =< => I = I =< => I = I =< RHS Setelah Anda merumuskan dan memasukkan program linier untuk Soal B. Gudang 1 (W1) memiliki 400 ton inventaris. Perusahaan tersebut ingin mengatur pengiriman dengan biaya terendah yang mungkin.000 unit yang dikirimkan dari pabrik 1 ke gudang A. W1 Pelanggan A Pelanggan B a) $7.00 Sebutkan dan jelaskan keenam variabel keputusan (V) tersebut! (Petunjuk: lihat laporan Solver di halaman selanjutnya) V1: ____________________________________________________________ V2: ____________________________________________________________ V3: ____________________________________________________________ V4: ____________________________________________________________ V5: ____________________________________________________________ V6: ____________________________________________________________ b) Tulislah fungsi tujuan dalam bentuk variabel (V1.75 W2 $6.

Sinai Hospital di New Orleans merupakan sebuah rumah sakit swasta yang besar dengan fasilitas 600 tempat tidur lengkap dengan laboratorium. Departemen keuangan dan data medis rumah sakit telah memberikan informasi berikut.515 dalam pendapatan.000 kali rontgen tanpa . ruang operasi. Laboratorium mampu menangani 15. yang sekarang ini digunakan sebagai lahan parkir bagi pekerja. dan menghasilkan pendapatan senilai $2. dan rata-rata pasien bedah memerlukan 2 kali rontgen. dan departemen rontgen belum digunakan secara penuh. Pengurus merasa laboratorium.5 0.000 pengujian setiap tahun dan jumlah ini masih lebih banyak dari yang dapat ditangani saat ini.75 0. makan departemen rontgen dapat menangani hingga 7.75 7 8 Peningkatan yang Diizinkan 1E+30 0. Rata-rata seorang pasien medis akan tinggal di rumah sakit selama 8 hari.5 7.5 0 0 0 0 0. dan pasien bedah memerlukan 2.28 Mt.5 6. dan departemen rontgen.25 1E+30 0. berapakah uang yang mungkin dapat dihemat? Jika kita dapat memilih untuk mengurangi salah satu dari permintaan Pelanggan A atau Pelanggan B sebanyak 10 ton.25 6.25 0 Batasan R.5 –0.H. mencakup keputusan akan banyaknya tempat tidur yang harus dialokasikan bagi pekerja medis (untuk pasien medis) dan banyaknya tempat tidur bagi pekerja yang berhubungan dengan pembedahan (untuk pasien yang berhubungan dengan pembedahan). permintaan pelanggan apakah yang sebaiknya dikurangi? Mengapa? X B.25 0.75 Sel $H$7 $H$8 $H$9 $H$10 $H$11 d) e) f) g) Nama C1 C2 C3 C4 C5 Nilai Akhir 650 800 400 500 550 Harga Bayangan 6.5 0.75 0. 650 800 400 500 600 Peningkatan yang Diizinkan 50 50 400 550 1E+30 Penurunan yang Diizinkan 550 400 50 50 50 Berapakah batasan yang mengikat? Berapakah slack/surplus dengan batasan yang tidak mengikat? Berapa rentang optimalisasi variabel V3? Jika kita dapat mengirimkan kurang 10 ton untuk Pelanggan A.25 –0. pihak administrasi rumah sakit telah memutuskan untuk menambah 90 tempat tidur pada sebagian lahan di sisi rumah sakit. ruang operasi. Jika rumah sakit ditambah dengan 90 tempat tidur.6 pengujian laboratorium. Rata-rata pasien medis memerlukan 3. Penambahan 90 tempat tidur. Untuk meningkatkan pendapatan.5 6.75 Batasan Manajemen Operasi Sel $B$6 $C$6 $D$6 $E$6 $F$6 $G$6 Nama V1 V2 V3 V4 V5 V6 Koefisien Tujuan 7.5 0. bagaimanapun juga. Rata-rata pasien medis memerlukan 1 kali rontgen.1 pengujian laboratorium. Rata-rata pasien bedah akan tinggal di rumah sakit selama 5 hari dan menghasilkan pendapatan senilai $1.75 1E+30 Penurunan yang Diizinkan 1.MK-72 Sel yang Dapat Diatur Nilai Akhir 0 100 550 400 400 0 Biaya Tereduksi 1.280. dan tidak perlu diperluas untuk dapat menangani pasien tambahan.

Pasien medis. tentu saja. dan tugas pertama Anda adalah merancang ulang program makan siang bersubsidi. Tabel berikut merangkum biaya dan pendapatan untuk setiap produk. Pendapatan per Unit Peralatan Internal modem External modem Graphics circuit board Floppy disk drive Hard disk drive Memory expansion board yang Terjual ($) 200 120 180 130 430 260 Biaya Bahan Mentah per Unit ($) 35 25 40 45 170 60 Sebagai tambahan. a) Rumuskan masalah ini sebagai sebuah model PL! b) Selesaikan masalah ini dengan komputer! Bauran produk apakah yang terbaik? c) Berapakah nilai dari jumlah menit tambahan per minggu bagi alat pengujian 1. Tepatnya. dalam menit.30 Anda telah dipekerjakan sebagai perencana untuk sistem sekolah. Alat pengujian yang ketiga memerlukan pemeliharaan yang lebih banyak. dan mungkin hanya digunakan selama 100 jam setiap minggu. biaya tenaga kerja variabel adalah $15 per jam untuk alat pengujian 1. Watts Electronics ingin memaksimalkan keuntungannya. dan $18 per jam untuk alat pengujian 3. tidak memerlukan pembedahan. Setiap produk canggih ini memerlukan waktu. $12 per jam untuk alat pengujian 2. Anda harus merumuskan menu makan siang yang paling terjangkau yang masih memenuhi aturan nutrisi pemerintah negara bagian dan federal. floppy disk drive. Pihak administrasi memperkirakan hingga 2. Pasar untuk keenam komponen komputer ini besar.Modul Kuantitatif B • Pemrograman Linier MK-73 adanya penambahan biaya yang berarti. Asumsikan bahwa rumah sakit buka selama 365 hari per tahun. hard disk drive. alat pengujian 2. sedangkan setiap pasien bedah biasanya melakukan satu kali pembedahan. pada tiga jenis peralatan uji elektronik yang ditunjukkan pada tabel berikut. Rumuskan masalah ini untuk menentukan banyaknya tempat tidur untuk pasien medis dan banyaknya tempat tidur untuk pasien bedah yang harus ditambahkan untuk memaksimalkan pendapatan rumah sakit. circuit board.800 operasi tambahan dapat dilakukan dalam fasilitas ruang operasi yang ada. . dan memory expansion board. Internal Modem Alat Pengujian 1 Alat Pengujian 2 Alat Pengujian 3 7 2 5 External Modem 3 5 1 Circuit Board 12 3 3 Floppy Drive 6 2 2 Hard Drive 18 15 9 Memory Board 17 17 2 Dua alat pengujian yang pertama tersedia selama 120 jam setiap minggu. alat pengujian yang mana? B.29 Charles Watts Electronics memproduksi enam alat berikut untuk digunakan komputer bagi pesawat jet tempur. B. external modem. dan Watts Electronics meyakini bahwa mereka sanggup menjual sebanyak mungkin unit yang dapat mereka produksi. yaitu internal modem. dan alat pengujian 3? Apakah Watts Electronics perlu menambahkan waktu bagi alat pengujiannya? Jika ya.

Selain itu.50 $0. 100% 80% 5% 35% 30% 0% 40% % lemak 0% 0% 40% 60% 50% 33% 45% Rumuskan dan selesaikan persoalan pemrograman linier ini! Tuliskan hasilnya dalam Excel dengan menunjukkan koefisien fungsi tujuan dan matriks batasannya dalam bentuk standar! · Pada halaman yang berbeda. DC. · Tandai variabel keputusan non-nol untuk solusi optimal pada Answer Report. dan termasuk makanan buah atau sayuran. Kenneth menanam semak belukar dan pohon buah-buahan. · Tandai dan beri label sebagai Z nilai tujuan untuk solusi optimal pada Answer Report. Ketika jumlah semak belukar dan tumbuhan yang ada mencapai suatu kondisi di mana keluarga Goldings mulai berpikir akan hobi mereka secara serius. Ketika akhirnya mereka pensiun dan beralih ke suatu lahan seluas 25 acre di utara Provinsi Fairfax di Virginia. Kenneth dan Patricia Golding menghabiskan kariernya sebagai suami istri yang melakukan kerja sama investasi pada sebuah real estat di Washington. Makanan harus mengandung setidaknya 200 kalori protein.90 $0. karbohidrat. saus apel mengandung 100 kalori yang merupakan karbohidrat. Perhatikan bahwa semua persentase jika dijumlahkan mencapai 100%¯untuk semua kalori protein. mereka membangun suatu rumah kaca yang bersebelahan dengan rumah mereka serta memasang sistem pengairan dan pemanasan. pada halaman yang berbeda. .50 $1. Sensitivity Report seluruhnya seperti dihasilkan oleh Excel Solver. Contohnya. Anda diperbolehkan menggunakan pecahan dalam penyajian.33 porsi salad biayanya $0. Contohnya. seperti 2. 0. sementara Patricia menghabiskan waktunya untuk menanam dalam pot semua ukuran tanaman.40 $0. perlu mengandung setidaknya 200 kalori makanan yang termasuk buah atau sayuran. dan tidak lebih dari 400 kalori lemak. 200 kalori karbohidrat. Ini adalah daftar makanan yang dapat Anda pertimbangkan sebagai pilihan menu dengan harga yang ditentukan oleh kontrak dan informasi nutrisinya. Biaya dan nutrisi dengan satuan masing-masing. Inc. Biaya/ Sajian $0.25 sajian dada kalkun dan 0.33 porsi salad.30 $0. X Studi Kasus Golding Landscaping and Plants. · Tampilkan.20 $0.90 Kalori/ Sajian 100 150 250 400 430 300 100 Buah/ Sayur Ya Ya Tidak Tidak Tidak Tidak Ya Makanan Saus apel Jagung kaleng Ayam goreng Kentang goreng Burger keju Dada kalkun Salad % protein 0% 20% 55% 5% 20% 67% 15% % karb. dan lemak. tampilkan Answer Report seluruhnya seperti yang dihasilkan Excel Solver.MK-74 Manajemen Operasi Aturannya adalah makanan harus berkalori antara 500 hingga 800. mereka menjadi tukang kebun amatir yang sangat bersemangat.30 dan mengandung 33 kalori.

Golding menghasilkan “Golding-Grow” yang terdiri atas empat campuran bahan kimia. C92. Mereka pun mendaftar untuk mendapatkan izin usaha dari pemerintah Virginia.prenhall. mereka meminta pengacara mereka untuk melengkapi dokumen yang diperlukan dan membentuk perusahaan Golding Landscaping and Plants. Golding-Grow dikemas dan dijual dalam kantong yang masing-masing berbobot 50 pon. D-21. Dengan bekerja sama dengan seorang ahli kimia di George Mason University. Inc.09 $0. keluarga Goldings menyadari bahwa pensiunnya mereka dari bisnis real estat hanya mendorong mereka ke karier yang kedua.12 $0. D-21 dan C-92 dapat secara bersama-sama. . • Chase Manhattan Bank: kasus penjadwalan ini ingin mendapatkan jumlah optimal pekerja penuh waktu versus paruh waktu pada sebuah bank. dan E-11. C-92 dan C-30 secara bersama-sama harus ada sedikitnya 45% campuran. c.Modul Kuantitatif B • Pemrograman Linier MK-75 Pada tahun 2005. Kenneth menyadari kebutuhan pupuk komersial berkualitas tinggi yang dapat dibuatnya untuk kebutuhan tamannya sendiri. Dalam beberapa bulan. Tujuannya adalah mempertahankan biaya agar tetap minimal selagi memproduksi produk unggulan yang sangat sesuai untuk iklim Virginia utara. Selesaikan persoalan ini untuk mendapatkan solusi terbaik! Studi Kasus Tambahan Kunjungi situs www. a. Pertanyaan untuk Diskusi 1. d. Biaya per pon untuk setiap senyawa terdapat pada tabel berikut. dan tidak lebih dari 30% campuran. Senyawa Kimia C-30 C-92 D-21 E-11 Harga per Pon $0. Pada awal keberadaan bisnisnya.11 $0. b.04 Spesifikasi untuk Golding-Grow ditentukan sebagai berikut.com/heizer untuk studi kasus berikut yang tersedia secara cumacuma. yaitu bisnis semak dan tumbuhan. Rumuskan sebuah persoalan PL untuk menentukan campuran keempat bahan kimia yang dapat meminimalkan biaya Golding untuk satu kantong pupuk berbobot 50 pon! 2. Bahan kimia 1 harus terdapat paling sedikit sejumlah 15% campuran. yaitu C-30. dan selebihnya akan dijual.

2007. Sanders. B. M.. Quantitative Analysis for Management. “Optimizing Military Capital Planning”. “An Interactive Decision Support System for an Aggregate Planning Production Model”. No. 2 (April 2000): 32–34. dan S. Brown. N. van den Briel. daSilva. 2008. Stair. “Staff Scheduling in High Volume Services with Downgrading”. R. Le Blanc. “An PL Based Lower Bound for the Simple Assembly Line Balancing Problem”. “Optimizing Pilot Planning and Training for Continental Airlines”.. IIE Transactions 36 (Oktober 2004): 985. et al. dan N. Begley. Bernard. Production Planning & Control 15 (April 2004): 324. J. Interfaces 34 (Maret–April 2004): 139–146. R. “Nu-Kote’s Spreadsheet Linear Programming Models for Optimizing Transportation”. S. Managerial Decision Modeling with Spreadsheets. European Journal of Operational Research 168 (Februari 2006): 716. M. Taylor. Larry J. John Milne. OR/MS Today. Jacques. Upper Saddle River. H. Introduction to Management Science. Upper Saddle River. C. M. dan Z. Martin. Stair. NJ: Prentice Hall. “A Hierarchical Production Plan for a Make to Order Steel Fabrication Plant”. “America West Airlines Develops Efficient Boarding Strategies”. Sodhi. G. R. M. Desroisers. Interfaces 35. F. B. Lyon. Robert Orzell. and Work Assignment”. Render. Newman. R. Neureuther. Interfaces 30 (Maret–April 2000): 41–53. Norri. et al. Interfaces 34. G. NJ: Prentice Hall. Interfaces 34 (Juli–Agustus 2004): 253–271.. No. “Matching Assets with Demand in Supply Chain Management at IBM Microelectronics”. 2006. et al. Interfaces 31 (Januari 2001): 108– 124. Balakrishman. “Ohio University’s College of Business Uses Integer Programming to Schedule Classes”. L. 6 (November–Desember 2004): 415–425. Chakravarti. “Tea Company Steeped in OR”. Peter. R. dan Robert Rice. G. No. F. dan R. D. Edisi Kedua. NJ: Prentice Hall. Edisi Kesembilan.MK-76 Manajemen Operasi Daftar Pustaka Bard. Yu. . Edisi Kesembilan. M. Degraeve. Render. dan A. 3 (Mei–Juni 2005): 191–201. “A Fast and Optimal Modeling Approach Applied to Crew Rostering at London Underground”. M. G. Polak. Annals of OR 127 (Maret 2004): 259. S. H. dan Michael Hanna. Crew Pairing. G. C. Omega 34 (April 2006): 167. Dell. et al. Peeteis. Upper Saddle River.. Interfaces 34 (November–Desember 2004): 460–465. “Did You Hear about the Salesman Who Travelled Better?” OR/MS Today 31 (Januari 2004): 20. 27. B. “Air Transat Uses ALTITUDE to Manage Its Aircraft Routing.

mengembangkan solusi awal untuk sebuah model transportasi dengan metode pojok kiri-atas dan biaya terendah intuitif. 3. . memecahkan suatu masalah dengan metode batu loncatan. 4.Modul Kuantitatif C • Model Transportasi MK-77 Modul Kuantitatif Model Transportasi C GARIS BESAR PEMBAHASAN PEMODELAN TRANSPORTASI MENENTUKAN SOLUSI AWAL Aturan Pojok kiri-atas Metode Biaya Terendah Intuitif METODE BATU LONCATAN PERMASALAHAN KHUSUS DALAM PEMODELAN Permintaan Tidak Sama dengan Pasokan Degenerasi Rangkuman Istilah-istilah Penting Contoh Soal dan Penyelesaian Uji Diri Sendiri Pertanyaan untuk Diskusi Soal-soal Studi Kasus: Custom Vans. Studi Kasus Tambahan Daftar Pustaka Tujuan Pembelajaran Setelah membaca modul ini. Anda diharapkan mampu: 1. Inc. 2. menyeimbangkan suatu masalah transportasi. memecahkan sebuah masalah degenerasi.

Setiap pabrik. Pilihan sebuah lokasi baru tergantung pada seberapa besar lokasi tersebut akan menghasilkan biaya yang paling rendah bagi sistem secara keseluruhan. PEMODELAN TRANSPORTASI Pemodelan transportasi Suatu prosedur iterasi untuk memecahkan masalah yang melibatkan minimalisasi biaya pengiriman produk dari beberapa produk ke beberapa tujuan. gudang. Tujuan adalah titik-titik yang menerima barang. Proses ini membutuhkan aksi yang cepat untuk rute yang paling ekonomis. dan mobil dari Boston datang ke Miami. Dengan demikian. atau titik lain dari mana barang-barang dikirimkan. ada terlalu banyak mobil di beberapa kota dan terlalu sedikit di kota lainnya. Dengan adanya beragam faktor objektif dan subjektif yang harus dipertimbangkan. Hal ini terjadi lebih di 100 kota di Amerika Serikat. seperti Avis. Model-model transportasi yang diuraikan pada modul ini terbukti bermanfaat untuk mempertimbangkan alternatif fasilitas lokasi yang masih terdapat dalam kerangka sistem distribusi yang ada. dan biaya yang ada pada setiap fasilitas. Hertz dan National. Pemodelan transportasi (transportation modeling) mencari cara termurah untuk mengirimkan barang dari beberapa sumber ke beberapa tujuan. Titik asal (atau sumber) dapat berupa pabrik. Mobil yang disewa di New York selesai digunakan di Chicago. kita harus mengetahui hal-hal berikut. Manajer operasi harus menentukan banyaknya mobil yang harus diangkut (oleh perusahaan pengangkutan yang mahal) dari setiap kota yang kelebihan kapasitas ke kota lain yang membutuhkan mobil.MK-78 Manajemen Operasi Permasalahan yang dihadapi oleh perusahaan-perusahaan penyewaan mobil di AS. bergantung pada biaya produksi.A. mobil dari L. atau pusat distribusi yang baru merupakan suatu isu strategis dengan implikasi biaya yang substansial. Untuk menggunakan model transportasi. untuk mengambil sebuah keputusan rasional diperlukan sejumlah teknik untuk membantu pengambilan keputusan. Karena lokasi suatu pabrik. gudang. adalah perjalanan antarnegara bagian yang cukup banyak. Hasilnya. . agen penyewaan mobil seperti Avis. perusahaan pengawasan mobil membutuhkan pemodelan transportasi. atau pusat distribusi baru yang potensial akan memerlukan alokasi pengiriman yang berbeda. gudang. hampir semua perusahaan benar-benar mempertimbangkan dan mengevaluasi lokasi yang ada. datang ke Philadelphia. pengiriman. Salah satu teknik tersebut adalah pemodelan transportasi.

2. Biaya pengiriman satu unit dari setiap titik asal ke setiap titik tujuan. Walaupun demikian. Untuk menggambarkan sebuah masalah transportasi. pada modul ini. Sebagaimana halnya pemrograman linier.Modul Kuantitatif C • Model Transportasi MK-79 1. ke Boston $4. asumsi yang mendasari model tersebut harus Anda pahami. Pada contoh ini. Tabel C. yang terlihat pada Figur C. Data yang berkaitan untuk Arizona Plumbing diperlihatkan pada Tabel C.1.1 menunjukkan bahwa biaya pengiriman sebuah bak mandi dari pabrik di Des Moines ke gudang di Albuquerque membutuhkan biaya $5. untuk dapat menggunakan program tersebut. dan ke Cleveland $3. Tabel C.1 bahwa 300 unit yang diperlukan oleh gudang di Albuquerque dapat dikirimkan dari berbagai kombinasi pabrik-pabrik di Des Moines. Demikian juga halnya. dan Fort Lauderdale. Titik tujuan dan permintaan pada setiap periode. Model transportasi sebenarnya merupakan satu jenis model pemrograman linier yang telah dibahas pada Modul Kuantitatif B. peranti lunak atau program untuk memecahkan permasalahan transportasi juga tersedia. yang di antaranya memproduksi beberapa jenis bak mandi. Sebagai contoh. Titik asal dan kapasitas atau pasokan pada setiap periode.1 Masalah Transportasi . kita lihat sebuah perusahaan yang disebut Arizona Plumbing. 3.1 dan Figur C. Evansville. perusahaan harus memutuskan pabrik yang harus memasok bak mandi pada beberapa gudang yang ada.1 Biaya Transportasi per Bak Mandi untuk Arizona Plumbing Ke Dari Des Moines Evansville Fort Lauderdale Albuquerque $5 $8 $9 Boston $4 $4 $7 Cleveland $3 $3 $5 Boston (200 unit yang diperlukan) Des Moines (100 kapasitas unit) Cleveland (200 unit yang diperlukan) Albuquerque (300 unit yang diperlukan) Evansville (300 kapasitas unit) Fort Lauderdale (300 kapasitas unit) Figur C.

kita bahas dua di antara metode tersebut. Des Moines: 100) sebelum pindah ke baris di bawahnya. 1. Tujuan Pembelajaran 1. Habiskan pasokan (kapasitas pabrik) pada setiap baris (contoh. Habiskan kebutuhan (permintaan gudang) dari setiap kolom (contoh.2. MENENTUKAN SOLUSI AWAL Setelah data disusun dalam bentuk tabel. Sekarang. seperti yang ditunjukkan pada Figur C.MK-80 Kapasitas Pabrik $3 100 $8 Evansville $9 Fort Lauderdale Kebutuhan gudang 300 200 200 $7 $5 300 700 $4 $3 300 Manajemen Operasi Ke Dari Albuquerque $5 Boston $4 Cleveland Batasan kapasitas Des Moines Sel yang melambangkan kemungkinan tugas pengiriman sumber ke tujuan (Evansville ke Cleveland) Des Moines Biaya pengiriman 1 unit dari pabrik Fort Lauderdale ke gudang Boston Permintaan gudang Cleveland Permintaan total dan pasokan total Figur C. Pastikan bahwa semua permintaan dan pasokan telah dipenuhi. Sejumlah metode yang berbeda telah dikembangkan untuk langkah ini. suatu solusi awal yang layak bagi permasalahan tersebut harus ditetapkan. 3.1 dan Tabel C. . sebuah matriks transportasi dapat dibuat.1. Dengan menggunakan informasi seperti yang diperlihatkan pada Figur C. Aturan pojok kiri-atas Suatu prosedur dalam model transportasi di mana pemodelan dimulai dari sel tabel sebelah kiri atas dan mengalokasikan unit ke rute-rute pengiriman secara sistematis. Contoh Cl menerapkan aturan pojok kiri-atas pada masalah Arizona Plumbing. Tujuannya adalah meringkas semua data yang relevan dan tetap dapat menelusuri algoritma perhitungan.2 Matriks Transportasi untuk Arizona Plumbing Langkah pertama dalam proses pemodelan adalah membuat matriks transportasi. Mengembangkan sebuah solusi awal untuk sebuah model transportasi dengan metode pojok kiri-atas dan biaya terendah intuitif. yaitu aturan pojok kiri-atas dan metode biaya terendah intuitif. Albuquerque: 300) sebelum pindah ke kolom berikutnya di sisi kanan. 2. Aturan Pojok kiri-atas Aturan pojok kiri-atas (northwest-corner rule) mengharuskan perhitungan dimulai dari bagian kiri atas (northwest-corner) dari tabel dan mengalokasikan unitnya pada rute pengiriman berikut.

200 . Kirimkan 100 bak mandi dari Fort Lauderdale ke Boston (menghabiskan permintaan Boston).3. Figur C.2 Biaya Pengiriman yang Terhitung Rute Dari D E E F F Ke A A B B C Bak Mandi yang Dikirimkan Biaya per Unit 100 200 100 100 200 $5 8 4 7 5 Biaya Total $ 500 1. Kirimkan 100 bak mandi dari Des Moines ke Albuquerque (menghabiskan pasokan dari Des Moines). Kirimkan 100 bak mandi dari Evansville ke Boston (menghabiskan pasokan Evansville). 3.3 Solusi Pojok Kiri-Atas untuk Masalah Arizona Plumbing Biaya total untuk penugasan pengiriman ini adalah $4. Ke (A) Albuquerque $5 (D) Des Moines (E) Evansville (F) Fort Lauderdale Kebutuhan gudang 300 100 $8 200 $9 100 200 100 $7 200 200 $5 300 700 $4 $3 300 (B) Boston $4 (C) Cleveland $3 100 Kapasitas pabrik Dari Berarti perusahaan mengirim 100 bak mandi dari Fort Lauderdale ke Boston.Modul Kuantitatif C • Model Transportasi MK-81 Contoh C1 Aturan pojok kiri-atas Arizona Plumbing ingin menggunakan aturan pojok kiri-atas untuk menentukan suatu solusi awal untuk masalahnya. Lihat Figur C. Solusi: Untuk membuat solusi awal. 2. Tabel C. Kirimkan 200 bak mandi dari Evansville ke Albuquerque (menghabiskan permintaan Albuquerque).000 Total: $4. Kirimkan 200 bak mandi dari Fort Lauderdale ke Cleveland (menghabiskan permintaan Cleveland dan pasokan Fort Lauderdale). Pendekatan: Ikuti 3 langkah di atas.600 400 700 $1.2). 4.200 (lihat Tabel C. 1. diperlukan lima langkah berikut. 5.

akan diperoleh solusi seperti yang terlihat pada Figur C. Cari sel dengan biaya yang paling rendah dari sisa sel (yang belum tercoret). C. 1. Pendekatan: Terapkan keempat langkah di atas kepada data dalam Figur C.1a. C. coret kolom C $3 100 $8 $4 200 $9 $7 100 $5 300 200 200 700 $3 300 100 setelah memasukkan 100 unit dalam sel $3 ini karena kolom C dipenuhi.12. masukkan 300 unit dalam sel yang tersisa untuk menyelesaikan pengalokasian. Alokasikan unit sebanyak mungkin untuk sel tersebut tanpa melebihi pasokan atau permintaan. tetapi biaya = $4. Pilih salah satu jika terdapat biaya yang sama. Aturan pojok kiri-atas mudah digunakan. 3. Dari Ke (A) Albuquerque $5 (B) Boston $4 (C) Cleveland (D) Des Moines (E) Evansville (F) Fort Lauderdale Kebutuhan gudang 300 300 Figur C. Pertama. pabrik Kedua. Ketiga. 4. Arizona Plumbing ingin menerapkan pendekatan biaya terendah intuitif.3a. Metode pendekatan yang sederhana ini menggunakan langkah-langkah berikut. coret baris teratas (D) setelah memasukkan 100 unit Kapasitas dalam sel $3 karena baris D dipenuhi. 2. Kemudian. Metode Biaya Terendah Intuitif Metode intuitif Pendekatan berdasarkan biaya untuk mencari suatu solusi awal untuk masalah transportasi.700. namun mengabaikan biaya yang ada.4.MK-82 Manajemen Operasi Pemahaman: Solusi yang diperoleh adalah solusi yang layak.] Masalah serupa: C.11. Identifikasi sel dengan biaya yang paling rendah.4 Solusi Biaya Terendah Intuitif untuk Masalah Arizona Plumbing . Solusi: Ketika perusahaan tersebut menggunakan pendekatan intuitif pada data (dan bukan aturan pojok kiri-atas) untuk posisi awalnya. C. Ulangi langkah ke-2 dan ke-3 sampai semua unitnya habis dialokasikan.9. coret baris E dan kolom B setelah memasukkan 200 unit dalam sel $4 ini karena sejumlah 300 unit memenuhi baris E dan kolom B.2. C. Terakhir. karena dapat memenuhi semua batasan permintaan dan pasokan yang ada. Contoh C2 Pendekatan biaya terendah intuitif Sekarang. coret kolom atau baris itu (atau keduanya) yang sudah penuh terisi. Latihan pembelajaran: Apakah penugasan pengiriman berubah jika biaya dari Des Moines ke Albuquerque bertambah dari $5 per unit menjadi $10 per unit? Apakah biaya total berubah? [Jawaban: Penugasannya masih sama. sehingga sebaiknya hanya dipertimbangkan sebagai posisi awal. Metode intuitif (intuitive method) membuat alokasi berdasarkan biaya terendah.

tetapi $6. kita boleh melangkahi kotak apa pun baik yang kosong maupun yang terisi. Dalam hal ini. E– B = 100. 5. Tujuan Pembelajaran 2. maka perlu dilakukan suatu prosedur tambahan untuk mencapai solusi yang optimal. tempatkan tanda plus dan tanda minus secara bergantian pada setiap kotak pada jalur tertutup yang baru dilalui. metode intuitif tidak menghasilkan biaya minimal. Jika belum. Dimulai dari kotak ini.1b. Jika semua indeks yang dihitung lebih besar atau sama dengan nol. setiap sel atau kotak yang tidak terpakai pada tabel transportasi diuji dengan bertanya: Apa yang akan terjadi pada biaya pengiriman total jika satu unit produk (contoh: satu bak mandi) dikirimkan pada satu rute yang tidak terpakai? Pengujian dilakukan sebagai berikut. Walaupun demikian. Latihan pembelajaran: Jika biaya per unit dari Des Moines ke Cleveland bukan $3. apakah solusi awal ini berubah? [Jawaban: Ya. (D ke C) (E ke C) (E ke B) (F ke A) Pemahaman: Metode ini dinamai demikian. . Mulai dengan tanda plus (+) pada kotak yang tidak terpakai. Oleh karena aturan pojok kiri-atas dan pendekatan biaya terendah intuitif dimaksudkan hanya untuk menyediakan satu titik awal yang layak. Saat menerapkan rute tersebut. C.Modul Kuantitatif C • Model Transportasi MK-83 Biaya total dari pendekatan ini adalah $3(100) + $3(100) + $4(200) + $9(300) = $4.2. seperti pada solusi yang diperoleh dengan aturan pojok kiri-atas. telusuri suatu jalur tertutup yang kembali ke kotak awal melalui kotak-kotak yang sekarang ini sedang digunakan (yang diizinkan hanyalah gerakan vertikal dan horizontal). Yang lainnya tidak berubah di nol. Pilih kotak apa pun yang tidak terpakai untuk dievaluasi.3b. Memecahkan suatu masalah dengan metode batu loncatan. 3. Ulangi langkah 1 hingga 4. maka solusi optimal telah tercapai.] Masalah serupa: C. Metode batu loncatan (stepping-stone method) akan membantu kita bergerak dari suatu solusi awal yang layak ke sebuah solusi optimal. METODE BATU LONCATAN Metode batu loncatan Suatu teknik iterasi untuk berpindah dari solusi awal yang layak ke solusi optimal dalam metode transportasi. F– A = 300. karena sebagian besar orang merasa benar secara intuitif untuk memasukkan biaya-biaya ketika membuat penugasan awal. sekarang D–B = 100. 2. C. Metode ini digunakan untuk mengevaluasi efektivitas biaya pengiriman barang melalui rute transportasi yang saat ini bukan merupakan rute yang ada dalam solusi. E–B = 100. tetaplah sangat beruntung jika kita benar-benar mendapatkan solusi yang menghasilkan biaya yang minimal. maka solusi sekarang dapat terus ditingkatkan untuk mengurangi biaya pengiriman total.100. D– C = 0. E– C = 200. Hitung indeks peningkatannya dengan menambahkan biaya unit yang diperoleh pada setiap kotak yang berisi tanda plus. Meskipun kecenderungan memperoleh solusi biaya minimal meningkat dengan metode intuitif ini. kemudian dilanjutkan dengan mengurangi biaya unit pada setiap kotak yang berisi tanda minus. 1. Biaya total tetap sama. 4. sampai semua indeks peningkatan untuk semua kotak yang tidak terpakai telah terhitung.

jumlah yang harus dikirim dari Des Moines ke Albuquerque harus dikurangi 1 unit. tanda plus dan minus dapat kita berikan pada untuk setiap sel yang tidak kotak-kotak dalam jalur ini. Saat jalur tertutup ini dikenali. untuk tetap menjaga kapasitas pabrik Evansville sejumlah 300 unit. terpakai. Des Moines ke Cleveland. perhatikan bahwa jika 201 bak mandi dikirimkan melalui rute Evansville– Albuquerque. Pada kenyataannya. maka rute Evansville–Boston harus dikurangi 1 unit menjadi 99 bak mandi. . Kita mulai dengan solusi awal pojok kiri-atas yang dikembangkan pada Contoh 1. telusuri sebuah jalur tertutup yang hanya menggunakan kotak yang sudah terisi sekarang ini. Namun. (lihat Figur C. Oleh karena itu. Mulai dengan rute Des Moines–Boston.5). keterbatasan pasokan pada keempat rute tersebut pada jalur tertutup ini tetap seimbang. Karena yang sedang diuji adalah efektivitas biaya rute pengiriman Des Moines–Boston. jika 1 unit lebih dari sebelumnya dikirim dari Des Moines ke Boston. Pendekatan: Mulai dengan Figur C. Dalam jalur tertutup yang dilalui. dan Fort Lauderdale ke Albuquerque. Dengan demikian. Karena kapasitas pabrik Des Moines hanyalah 100 unit. Contoh C3 Memeriksa rute yang tak terpakai dengan batu loncatan Arizona Pulmbing ingin mengevaluasi rute pengiriman yang tidak terpakai.MK-84 Manajemen Operasi Contoh C3 menggambarkan cara menggunakan metode batu loncatan untuk bergerak ke arah solusi optimal. Sebagai contoh. Langkah 3. terdapat empat rute yang tidak terpakai dari Des Moines ke Boston. Solusi: Langkah 1 dan 2. maka pengiriman dari Evansville–Albuquerque harus ditambah 1 unit. maka kondisi yang terjadi adalah mengirim 101 bak mandi keluar dari pabrik di Des Moines. Hal yang terjadi adalah hanya terdapat satu jalur tertutup untuk setiap kotak kosong. Dapat juga diamati bahwa kotak-kotak di mana jalur berbelok (dan hanya kotak-kotak tersebut) yang akan memiliki tanda plus atau tanda minus. Untuk menunjukkan bahwa pengiriman dari Des Moines–Albuquerque telah dikurangi. pada sudut kiri atas. Bagaimana cara memutuskan kotak yang mendapatkan tanda plus dan kotak yang mendapatkan tanda minus? Jawabannya sederhana. pertama. tempatkan tanda plus pada kotak tersebut untuk menandakan adanya peningkatan.3 Contoh 1 dan ikuti 5 langkah di atas. Oleh karena itu. maka kotak tersebut diberi tanda plus. Berikan tanda plus dan minus secara bergantian pada setiap sudut jalur ini. tanda minus diberikan pada kotak Evansville–Boston. berikan tanda minus karena 1 unit sudah dikurangi dari unit asal yang berjumlah 100. Perubahan ini akan mencegah pelanggaran batasan kapasitas. tanda minus ditempatkan dalam kotak tersebut. Seperti yang terlihat. kita coba mengirimkan 1 bak mandi dari Des Moines ke Boston. Evansville ke Cleveland. jika pengiriman Des Moines–Albuquerque dikurangi menjadi 99 unit. Untuk menutupi kekurangan ini. menjadi 201 bak mandi. perhatikan bahwa kebutuhan gudang di Albuquerque sejumlah 300 unit tidak lagi terpenuhi. Hal ini berarti ada 1 unit lebih daripada yang telah dikirim di antara kedua kota tersebut. jalur dari Des Moines–Boston ke Des Moines–Albuquerque ke Fort Lauderdale–Albuquerque ke Fort Lauderdale–Boston ke Des Moines–Boston tidak dapat diterima sebab kotak Fort Lauderdale– Hanya terdapat satu jalur tertutup yang dapat ditelusuri Albuquerque kosong. Perhatikan bahwa yang dapat digunakan hanyalah kotak yang digunakan sekarang ini untuk pengiriman untuk dapat berbelok dalam rute yang sedang ditelusuri. Terakhir.

tetapi tidak dapat berbelok. tanda plus dan minus tidak dapat ditempatkan di sana. Indeks Des Moines–Cleveland = $3 – $5 + $8 – $4 + $7 – $5 = +$4 Sekali lagi. jalur dapat dibuat melalui kotak Evansville–Cleveland. Kotak-kotak yang sudah terisi hanya boleh digunakan sebagai batu loncatan (batu loncatan). jadi. Hitung nilai indeks peningkatan untuk rute Des Moines–Boston dengan menambahkan biaya unit dalam kotak-kotak dengan tanda plus dan dikurangi biaya unit pada kotak-kotak dengan tanda minus. perhatikan bahwa yang tidak terpakai adalah rute berbelok hanya pada setiap sudut dan hanya pada kotak-kotak yang ada pada rute sekarang. Sekali lagi. melangkahi sel sukar ditelusuri dengan sebuah jalur tertutup (lihat Figur C.5 Evaluasi Batu Loncatan untuk Rute Alternatif bagi Arizona Plumbing Langkah 4. yang sedikit lebih Karena kota-kota pada tabel adalah acak. Dua rute yang lain dapat dievaluasi dengan cara serupa: Indeks Evansville–Cleveland (Jalur tertutup Indeks Fort Lauderdale–Albuquerque (Jalur tertutup = = = = $3 – $4 + $7 – $5 = +$1 EC – EB + FB – FC) $9 – $7 + $4 – $8 = –$2 FA – FB + EB – EA) . rute Des Moines–Cleveland yang tidak terpakai akan diuji. biaya transportasi total akan bertambah sebesar $3 dari biaya yang ada sekarang. Sekarang.Modul Kuantitatif C • Model Transportasi Evaluasi kotak Des Moines ke Boston 100 99 $5 1 $4 MK-85 201 200 $8 99 100 $4 Hasil dari perubahan alokasi yang diajukan = 1 × $4 – 1 × $5 +1 × $8 – 1 × $4 = + $3 Ke (A) Albuquerque $5 (D) Des Moines 100 $8 (E) Evansville 200 $9 (F) Fort Lauderdale Kebutuhan gudang 300 100 200 100 $7 200 200 $5 300 700 $4 $3 300 (B) Boston Start $4 (C) Cleveland $3 100 Kapasitas pabrik Dari Figur C. Sebagai contoh. Indeks Des Moines–Boston = $4 – $5 + $8 – $4 = + $3 Hal ini berarti untuk setiap bak mandi yang dikirimkan melalui rute Des Moines–Boston.6). membuka rute ini tidak menurunkan biaya-biaya pengiriman total. tidak apa-apa.

8. Satu iterasi metode batu loncatan telah selesai. penghematan dapat diperoleh dengan menggunakan rute Fort Lauderdale–Albuquerque (yang sekarang tidak dipakai). Solusi ini tentu harus diuji untuk melihat apakah solusi ini sudah optimal atau apakah perbaikan masih dapat dilakukan. Hal ini dilakukan dengan mengevaluasi setiap kotak yang tidak terpakai.] Masalah serupa: C. seperti yang telah diuraikan sebelumnya. C. C.13. Kemudian.MK-86 Manajemen Operasi From To (A) Albuquerque $5 (B) Boston $4 (C) Cleveland Start $3 Kapasitas pabrik (D) Des Moines 100 $8 $4 100 $9 $7 100 300 200 200 200 $5 $3 100 (E) Evansville 200 300 (F) Fort Lauderdale Kebutuhan gudang 300 700 Figur C. Langkah berikutnya adalah memilih rute (kotak yang tidak terpakai) yang memiliki indeks peningkatan negatif yang paling besar.1c. Contoh C4 Indeks peningkatan Arizona Plumbing ingin melanjutkan memecahkan masalahnya. .7. C.15.3c. Latihan pembelajaran: Apa yang akan terjadi pada biaya total jika Arizona menggunakan rute pengiriman dari Des Moines ke Cleveland? [Jawaban: biaya total solusi yang sekarang akan bertambah sebesar $400.10. Contoh C4 akan melanjutkan usaha membantu Arizona Plumbing mencapai solusi akhir. Untuk memperoleh suatu solusi baru. C.17. jumlah ini ditambahkan pada semua kotak di jalur tertutup dengan tanda plus dan menguranginya dari semua kotak di jalur yang diberi tanda minus. C. C. jumlah unit terbesar yang diizinkan yang dapat dikirim. Berapakah kuantitas maksimal yang dapat dikirimkan pada rute baru yang hemat biaya ini? Kuantitas ini diperoleh dengan merujuk kembali pada rute di jalur tertutup dengan tanda plus dan minus: caranya adalah memilih jumlah terkecil yang bisa diperoleh dalam kotak berisi tanda minus. Pada Contoh C3 terlihat bahwa solusi yang lebih baik dapat diperoleh karena indeks peningkatan pada salah satu rute yang tidak terpakai dapat dihitung. C.6 Memeriksa Rute Des Moines ke Cleveland Pemahaman: Karena indeks yang terakhir ini negatif.16. dikirimkan melalui rute tersebut untuk mengurangi biaya total. C. Setiap indeks negatif mewakili biaya transportasi total yang dapat dikurangi jika satu unit dikirim dengan kombinasi sumber-tujuan tertentu.

diperoleh bahwa indeks negatif paling besar (dan hanya indeks tersebut) yang berada pada rute Fort Lauderdale–Albuquerque (yang digambarkan pada Figur C. Mengapa 100 unit? Karena biaya total berkurang $2 per unit yang dikirimkan. Kurangi 100 unit dari rute FB. yaitu Fort Lauderdale–Albuquerque (FA). Solusi ini mengakibatkan tidak ada unit yang dikirimkan dari F ke B. Pada Contoh C3. Sekarang. Solusi: Jumlah maksimal yang dapat dikirimkan pada rute yang baru dibuka tersebut. Tambahkan 100 unit pada rute EB. menghasilkan 200. Perhitungan metode batu loncatan sebelumnya telah menunjukkan setiap unit yang dikirimkan melalui rute FA mengakibatkan kenaikan sebesar 1 unit yang dikirim dari Evansville (E) ke Boston (B) dan penurunan sebesar 1 unit pada kedua rute.Modul Kuantitatif C • Model Transportasi MK-87 Pendekatan: Gunakan indeks peningkatan yang telah dihitung pada Contoh C3.7). jumlah maksimal yang dapat dikirimkan pada rute FA adalah 100 unit. Solusi yang baru ditunjukkan pada Figur C. 3. merupakan jumlah paling kecil yang diperoleh pada kotak yang berisi tanda minus—pada kasus ini. empat langkah berikut akan dijalankan. 4. Ke (A) Albuquerque $5 (D) Des Moines 100 $8 (E) Evansville 200 $9 (F) Fort Lauderdale Permintaan gudang 300 100 200 100 $7 200 200 $5 300 700 $4 $3 300 (B) Boston $4 (C) Cleveland $3 100 Kapasitas pabrik Dari Figur C. Perhatikan bahwa angka-angka yang baru masih menghasilkan total kolom dan baris seperti yang diinginkan. meninggalkan 100 unit untuk dikirimkan. yaitu dari F ke B (sekarang 100 unit) dan dari E ke A (sekarang 200 unit).7 Tabel Transportasi: Rute FA Ke (A) Albuquerque $5 (D) Des Moines 100 $8 (E) Evansville 100 $9 (F) Fort Lauderdale Permintaan gudang 100 300 200 200 $7 200 200 $5 300 700 $4 $3 300 (B) Boston $4 (C) Cleveland $3 100 Kapasitas pabrik Dari Figur C. 2. 100 unit. 1. menjadikan nol pada kotak tersebut (meskipun keseimbangan baris total untuk F masih terjaga). maka unit yang dapat dikirimkan melalui rute ini harus dikirimkan sebanyak mungkin.8. Oleh karena itu. kurangi 100 dari rute EA.8 Solusi pada Iterasi Berikutnya (Masih Belum Optimal) . Terakhir. Tambahkan 100 unit (sekarang nol) pada rute FA.

9. C. Ini menyebabkan terjadinya pasokan yang lebih besar dibandingkan permintaan dan menciptakan masalah ketidakseimbangan. C. yakni 100($5) + 100($8) + 200($4) + 100($9) + 200($5) = $4. Jika pasokan total lebih besar dibandingkan dengan permintaan total.350 Tujuan Pembelajaran 3. C.1 dan C. Pemahaman: Walaupun dengan melihat Figur C.13. jika permintaan total lebih besar dibanding pasokan total.6.8 secara hati-hati. kita gunakan aturan pojok kiri-atas untuk mencari solusi awal yang layak. .] Masalah serupa: C. Contoh S5 Mengatur ketidaksamaan pasokan dan permintaan dengan kolom kosong Arizona Plumbing memutuskan untuk menambah produksi pada pabriknya di Des Moines dari 100 bak menjadi 250 bak mandi. PERMASALAHAN KHUSUS DALAM PEMODELAN Sumber kosong Titik sumber pengiriman buatan yang dibuat ketika permintaan total lebih besar daripada pasokan total untuk menghasilkan pasokan yang sama dengan kelebihan permintaan atas pasokan. Tujuan kosong Titik tujuan buatan yang dibuat ketika pasokan total lebih besar daripada permintaan total.8.7.2 di akhir modul ini menyediakan suatu solusi Excel OM. C. berhatihatilah ketika pertama kali memutuskan apakah baris (sumber) kosong atau kolom (tujuan) kosong yang diperlukan. biaya pada setiap kotak kosong adalah nol. Latihan pembelajaran: Cobalah mencari sendiri solusi akhir untuk rute ini. Kemudian. C.000. Solusi: Biaya total = 250($5) + 50($8) + 200($4) + 50($3) + 150($5) + 150(0) = $3. C. [Jawaban: Program C. Sebaliknya. solusi dapat dicari secara normal.MK-88 Manajemen Operasi Biaya total pengiriman telah berkurang sejumlah (100 unit) × ($2 penghematan dari setiap unit) = $200. Rute EC (Evansville–Cleveland) memiliki indeks peningkatan yang bernilai negatif. setelah masalah telah menjadi seimbang.000.17. Contoh C5 akan memperlihatkan penggunaan sebuah tujuan kosong. Pendekatan: Untuk merumuskan kembali masalah ketidakseimbangan ini.4. Namun.15. Jalur tertutup = EC – EA + FA – FC. maka sumber kosong dibuat sebanyak kelebihan permintaan yang ada. jika Anda ingin memecahkan persoalannya secara manual. Permintaan Tidak Sama dengan Pasokan Sebuah situasi umum dalam permasalahan dunia nyata adalah sebuah kasus di mana permintaan total tidak sama dengan pasokan total. Menyeimbangkan suatu masalah transportasi Pemahaman: Excel OM dan POM for Windows dapat melakukan penyeimbangan untuk Anda secara otomatis. yaitu $-1. C. Pertama. Persoalan yang disebut ketidakseimbangan ini mudah diatasi dengan menggunakan sumber kosong (dummy sources) atau tujuan kosong (dummy destination). dan sekarang berjumlah $4.10. C. harus merujuk kembali pada data dalam Contoh Cl dan menampilkan matriks baru pada Figur C. Karena unit ini sebenarnya tidak akan dikirimkan. Nilai ini tentu juga dapat diperoleh dengan mengalikan biaya pengiriman setiap unit dengan banyaknya unit yang dikirim pada setiap rute. maka dibuat permintaan yang jumlahnya sama dengan kelebihan tersebut dengan menciptakan sebuah tujuan kosong. dapat terlihat bahwa solusi yang diperoleh juga belum optimal.16. dibuat untuk menyamakan permintaan total dengan pasokan total.

000. E–C = 150. Akibatnya. F–Dummy = 250. sekarang D–A = 300. E–B = 150. . Degenerasi (degeneracy) terjadi ketika kotak atau rute pengiriman yang sedang digunakan terlalu sedikit. Apakah solusi awal pojok kiri-atas berubah? [Jawaban: Ya. C. Martin ingin membuat penugasan pengiriman awal. Kasus Arizona Plumbing bukanlah kasus degenerasi karena kasus ini memiliki 5 rute (3 baris atau pabrik + 3 kolom atau gudang – 1). kemudian memperlakukan kotak tersebut seolah-olah kotak tersebut berisi. menelusuri sebuah jalur tertutup bagi satu atau lebih kotak yang tidak terpakai menjadi tidak mungkin. Degenerasi Suatu kejadian dalam model transportasi di mana terlalu sedikit kotak atau rute pengiriman yang digunakan. penelusuran suatu jalur tertutup untuk setiap kotak yang tidak terpakai menjadi tidak mungkin. Contoh 6 Menangani degenerasi Martin Shipping Company memiliki tiga buah gudang untuk memasok ketiga pelanggan eceran utamanya di San Jose. aturan tentang banyaknya rute pengiriman yang sedang digunakan haruslah dipatuhi: banyaknya kotak yang berisi dalam setiap solusi (yang awal atau yang kemudian) harus sama dengan banyaknya baris dalam tabel ditambah banyaknya kolom dikurangi 1. haruslah dibuat satu kotak berisi: dengan menempatkan nilai nol atau jumlah yang sangat kecil (mewakili sebuah pengiriman palsu) dalam salah satu kotak yang tidak terpakai.9.10. F–C = 50. C.] Ke (A) Albuquerque $5 (D) Des Moines 250 $8 (E) Evansville 50 $9 (F) Fort Lauderdale Kebutuhan gudang 300 200 200 $7 150 200 $4 50 $5 150 150 0 300 850 Kapasitas baru Des Moines $3 0 300 (B) Boston $4 (C) Cleveland $3 Kapasitas pabrik Dari Dummy 0 250 Figur C. D–B = 50.5. Harga = $3. Untuk menangani kasus degenerasi. Dengan demikian. Prosedur ini digambarkan pada Contoh C6.Modul Kuantitatif C • Model Transportasi MK-89 Latihan pembelajaran: Arizona menambah kapasitas Des Moines menjadi 350 bak.9 Aturan Pojok Kiri-Atas dengan Dummy Masalah serupa: C. pasokan gudang. Biaya pengiriman. Degenerasi Untuk menerapkan metode batu loncatan pada suatu masalah transportasi. dan permintaan pelanggan Martin terdapat dalam tabel transportasi pada Figur C.14. Solusi yang tidak mencukupi aturan ini disebut solusi degenerasi. Ingat bahwa kotak yang dipilih harus dalam posisi sedemikian rupa untuk dapat menjadikan semua jalur batu loncatan dapat ditutup.

Rangkuman Model transportasi—yang merupakan suatu bentuk pemrograman linier—digunakan untuk membantu mencari solusi biaya terendah pada permasalahan pengiriman. [Jawaban: Rute dari Gudang 1-Pelanggan 2 tidak dapat ditutup sekarang. Algoritma batu loncatan digunakan untuk mencari solusi optimal. Sekarang. Pemahaman: Kita harus selalu memeriksa kotak yang tidak terpakai dalam solusi transportasi untuk memastikan Jumlah baris + Jumlah kolom – 1 = Jumlah kotak yang terisi.11. 100 unit ke sel Gudang 1-Pelanggan 1.] Masalah serupa: C.MK-90 Manajemen Operasi Pendekatan: Untuk membuat penugasan pengiriman awal dalam tabel tersebut. . Untuk membenahi masalah ini. dapat digunakan untuk mencari sebuah solusi awal yang layak. semua jalur batu loncatan dapat ditutup dan indeks peningkatannya dapat dihitung. Tujuan Pembelajaran 4.] Mengapa masalah ini menjadi degenerasi? [Jawaban: Penugasan pertama kita. Untuk contoh ini. kita terapkan aturan pojok kiri-atas. angka nol dalam kotak yang tidak terpakai dapat ditempatkan untuk dapat mengevaluasi semua kotak yang kosong. memenuhi kebutuhan baris pertama dan kolom pertama dalam satu sel. Memecahkan sebuah masalah degenerasi.10 Aturan Pojok Kiri-Atas Martin Solusi: Solusi awal merupakan kasus degenerasi karena melanggar aturan bahwa banyaknya kotak yang digunakan harus sama dengan jumlah baris ditambah jumlah kolom dikurangi 1.12. Degenerasi merujuk pada kasus di mana banyaknya baris + banyaknya kolom – 1 tidaklah sama banyaknya dengan kotak yang berisi. Metode pojok kiriatas (yang memulai perhitungan pada sudut kiri-atas tabel transportasi) atau metode biaya terendah intuitif. Permasalahan ketidakseimbangan adalah kondisi di mana permintaan total tidak sama dengan pasokan total. C. kotak kosong yang mewakili rute pengiriman dari Gudang 2 ke Pelanggan 1 pun dicoba. Tidak akan ada alokasi ulang yang mungkin jika hal ini kita lakukan. Pendekatan model transportasi adalah salah satu dari empat model lokasi yang telah diuraikan pada Bab 8. Latihan pembelajaran: Jelaskan mengapa “nol” tidak dapat ditempatkan di kotak Gudang 3Pelanggan 1. Beberapa percobaan mungkin diperlukan karena tidak setiap kotak akan menjadikan proses penelusuran jalur tertutup bagi kotak yang tersisa dapat terjadi. Penempatan 0 dalam suatu kotak yang mempunyai tanda negatif dalam satu jalur tertutup juga harus dihindari. Ke Pelanggan 1 $8 Gudang 1 100 $10 Gudang 2 0 $7 Gudang 3 Permintaan pelanggan 100 100 100 $10 80 100 $9 20 $7 80 300 $9 120 Pelanggan 2 $2 Pelanggan 3 $6 100 Pasokan gudang Dari Figur C.

dan biaya pengiriman untuk dimasukkan. Pada Excel 2007.1 menggambarkan masukan data (dari Arizona Plumbing) dan formula biaya total. tetapi sudah terstruktur sehingga Anda hanya perlu memasukkan data sebenarnya. Menggunakan Data Arizona Plumbing . Menggunakan Excel OM Modul Transportasi Excel OM menggunakan perintah rutin Solver yang telah ada di dalamnya untuk mencari solusi optimal untuk masalah transportasi. Jika Solver tidak tersedia. Masukkan nama sumber dan tujuan. data pasokan. Pengiriman total ke dan dari setiap lokasi dihitung di sini. POM for Windows secara sama hanya membutuhkan data permintaan.1 Rumus dan Tampilan Masukan Excel OM. dan POM for Windows dapat digunakan untuk memecahkan masalah transportasi. Solver terdapat pada bagian Analysis di tombol Data. kita harus membuka tombol Tools Excel. serta nama pasokan dan permintaan total. kemudian memilih Solve. Batasan “nilai tidak boleh negatif” telah ditambahkan melalui tombol Options.2.prenhall. Keluarannya muncul di Program C. Solver ada di menu Tools. biaya pengiriman. Program C. Program C. Batasannya memastikan bahwa jumlah yang dikirim sama dengan jumlah yang diminta dan bahwa kita tidak mengirim unit lagi yang melebihi apa yang kita miliki. Pada Excel 2007. Excel OM. Sel sasaran kita adalah sel biaya total (B21) yang ingin kita minimalkan dengan mengubah sel pengiriman (B16 hingga D18). mohon kunjungi www. Excel menggunakan Solver yang meminta Anda untuk memasukkan batasan Anda sendiri. Ini adalah sel-sel di mana Solver akan menempatkan pengiriman.com/weiss. Excel OM juga menggunakan Solver. membuka Solver. Untuk mencapai solusi optimal.Modul Kuantitatif C • Model Transportasi MK-91 Istilah-istilah Penting Pemodelan transportasi (transportation modeling) Aturan pojok kiri-atas (northwest corner rule) Metode intuitif (intuitive method) Metode batu loncatan (stepping stone method) Sumber kosong (dummy sources) Tujuan kosong (dummy destinations) Degenerasi (degeneracy) Menggunakan Peranti Lunak untuk Memecahkan Masalah Transportasi Excel. Biaya total dibuat di sini dengan mengalikan tabel data dengan tabel pengiriman menggunakan fungsi SUMPRODUCT. Pada versi Excel sebelumnya. Solver ada di bagian Analysis dalam tombol Data.

2 Keluaran dari Excel OM dengan Solusi Optimal untuk Masalah Arizona Plumbing Menggunakan POM for Windows Modul Transportasi POM for Windows dapat memecahkan masalah maksimalisasi dan minimalisasi dengan berbagai metode. Jika SOLVER tidak ada di tombol Data silakan lihat Help (Solver) untuk instruksi.3 menyajikan biaya distribusi dan produksi yang diperlukan. In this case. Program C. Lihat Lampiran IV untuk keterangan lebih lanjut. Contoh Soal dengan Penyelesaian Contoh Soal C. this may not be the case. Bila dikombinasikan dengan pusat distribusi dan pabrik yang telah ada. Tabel C. Williams Auto Top Carriers memiliki pabrik di Atlanta dan Tulsa untuk mengangkut mobil ke pusat distribusi di Los Angeles dan New York. buka tombol DATA. Kemudian. it says that Solver found a solution. klik Solver di Data Analysis Group. kemudian klik SOLVE. dan biaya pengiriman unit. Williams telah memutuskan untuk membuka pabrik ketiga dan membatasi pilihan menjadi salah satu dari dua kota besar berikut—New Orleans dan Houston. In other problems. data pasokan. Data masukannya adalah data permintaan. begitu juga kapasitas pabrik dan distribusi permintaan.1 Saat ini.MK-92 Manajemen Operasi Masukkan data transportasi di daerah yang berwarna. It is important to check the statement made by the Solver. and for others more iterations may be required. For some problems there may be no feasible solution. Karena peningkatan permintaan. lokasi baru apakah yang akan menghasilkan biaya yang lebih rendah bagi perusahaan? .

Kita akan merekomendasikan lokasi yang menghasilkan biaya produksi dan distribusi total yang lebih rendah jika dikombinasikan dengan sistem yang ada saat ini.3) dengan biaya produksi setiap unit (kolom di sisi kanan Tabel C. Biaya Distribusi.11).3 Biaya Produksi.000 $12 900 New York $11 600 Kapasitas Produksi Dari Figur C.200 700 $10 500 2. dan Permintaan Pasar untuk Williams Auto Top Carriers Ke Pusat Distribusi Produksi Normal 600 900 500 500 2. Kita mulai dengan membuat sebuah tabel transportasi yang mewakili pembukaan pabrik ketiga di New Orleans (lihat Figur C. penanganan.800 + $8. penyimpanan) sebesar $6 untuk setiap kali pengangkutan antara Houston dan New York. Ke Los Angeles $14 Atlanta 600 $9 Tulsa 200 $9 New Orleans Permintaan 800 500 1. Kemudian. Jawaban Untuk menjawab pertanyaan ini.11 Tabel Transportasi Awal Williams untuk New Orleans Total biaya = (600 unit × $14) + (200 unit × $9) + (700 unit × $12) + (500 unit × $10) = $8.600 .000 Biaya Produksi per Unit $6 $5 $4 (antisipasi) $3 (antisipasi) Dari Pabrik Pabrik sekarang Atlanta Tulsa Lokasi yang diusulkan New Orleans Houston Peramalan permintaan a Los Angeles $8 $4 $5 $4 800 New York $5 $7 $6 $6 1.200 a Mengindikasikan biaya distribusi (pengiriman. Kemampuan Pabrik.400 + $5.600. harus dipecahkan dua permasalahan transportasi yang masingmasing untuk setiap kombinasi.Modul Kuantitatif C • Model Transportasi MK-93 Tabel C. biaya produksi plus pengiriman total pengangkutan mobil dari Atlanta ke Los Angeles adalah $14 ($8 biaya pengiriman ditambah $6 biaya produksi). Dengan demikian.000 = $23.400 + $1.3). kita gunakan metode pojok kiri-atas untuk mencari solusi awal. Perhatikan bahwa biaya setiap rute “pabrik-pusat distribusi” diperoleh dengan menambahkan biaya distribusi (pada Tabel C. Biaya total solusi awal ini adalah $23.

yang merupakan penghematan sebesar $3. Jika Williams memilih untuk membuka pabrik di New Orleans. biaya distribusi dan produksi total menjadi $20.11)? Untuk mengujinya. Anda juga ingin memastikan bahwa biaya total saat ini adalah $20. analisis ini hanya memberikan separuh jawaban bagi masalah yang dihadapi Williams. Namun. Berikutnya harus diuji kedua rute yang tidak terpakai untuk melihat apakah indeks peningkatannya juga merupakan angka negatif. dapat digunakan metode batu loncatan dan hitung indeks peningkatan bagi rute yang tidak terpakai. Ke Los Angeles $14 Atlanta $9 Tulsa 800 $9 New Orleans Permintaan 800 500 1.000. maka telah dicapai solusi optimal dengan menggunakan pabrik di New Orleans. Prosedur yang sama harus tetap diikuti untuk dapat menentukan biaya minimal jika pabrik baru yang dibangun adalah di Houston.200 100 $10 500 2.12 Tabel Transportasi yang telah Ditingkatkan untuk Williams .MK-94 Manajemen Operasi Apakah solusi awal ini optimal (pada Figur C.600 dari solusi awal. Indeks peningkatan rute Atlanta–New York = + $11 (Atlanta–New York) – $14 (Atlanta–Los Angeles) + $9 (Tulsa–Los Angeles) – $12 (Tulsa–New York) = – $6 Indeks peningkatan rute New Orleans-Los Angeles = + $9 (New Orleans–Los Angeles) – $10 (New Orleans–New York) + $12 (Tulsa–New York) – $9 (Tulsa–Los Angeles) = $2 Karena perusahaan tersebut dapat menghemat $6 untuk setiap unit yang dikirimkan dari Atlanta ke New York. Indeks Atlanta–Los Angeles = $14 – $11 + $12 – $9 = $6 Indeks New Orleans–Los Angeles = $9 – $10 + $12 – $9 = $2 Karena kedua indeks tersebut lebih besar daripada nol.12).000 600 $12 900 New York $11 600 Kapasitas Produksi Dari Figur C. 600) pada rute yang sekarang ini tidak terpakai (lihat Figur C.000. maka perusahaan tersebut ingin memperbaiki solusi awal dan mengirimkan sebanyak mungkin unit (pada kasus ini. Proses pencarian biaya ini ditinggalkan sebagai soal pekerjaan rumah. Anda dapat membantu menyediakan informasi lengkap dan merekomendasikan suatu solusi dengan memecahkan Soal C.8.

mengubah masalah dari maksimalisasi menjadi minimalisasi. permasalahan pada perusahaan Williams Auto Top Carriers diuji menggunakan tabel transportasi.NY Dengan batasan: XAtl.NY ≤ 900 (kapasitas produksi di Tulsa) XNO. menyediakan suatu cara menampilkan masalah dummy. solusinya optimal. Semua jawaban di atas. Sebuah pendekatan alternatif lain untuk merumuskan analisis keputusan yang sama adalah menggunakan pemrograman linier (LP). yang telah dibahas secara terperinci pada Modul Kuantitatif B. d.NY ≥ 1200 (batasan permintaan New York) Uji Diri Sendiri • • • Sebelum melakukan uji diri sendiri. menggunakan metode pojok kiri-atas.1. fungsi tujuan dan batasannya dirumuskan sebagai berikut. mengatasi masalah degenerasi. c.NY + XTul.LA + $12XTul. mendapatkan keseimbangan antara pasokan total dan permintaan total. Tujuan metode batu loncatan adalah… a. Tujuan sumber kosong atau tujuan kosong dalam masalah transportasi adalah… a.NY + $9XTul. memastikan bahwa biaya total tidak melebihi suatu batasan. 3.2 Pada Contoh Soal C.LA + XTul. 1. Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda.11. lihat tujuan pembelajaran di awal bab dan kata kunci di akhir bab. Jawaban Dengan menggunakan data pada Figur C.Modul Kuantitatif C • Model Transportasi MK-95 Contoh Soal C. Minimalisasi biaya total = $14XAtl. d.LA + XNO. mengidentifikasi biaya relevan dalam masalah transportasi. membantu berpindah dari solusi awal yang layak ke solusi optimal. Batasannya hanyalah… a.NY + $9XNO.LA + $11XAtl. Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik. e. e. Dengan teknik transportasi.NY ≤ 600 (kapasitas produksi di Atlanta) XTul. c. e.LA + XNO. solusi awal dapat dikembangkan dengan cara apa pun yang dipilih. menentukan apakah solusi yang ada layak atau tidak.LA + XAtl. b.LA ≥ 800 (batasan permintaan Los Angeles) XAtl. b. c. mengembangkan solusi awal untuk masalah transportasi. d. 2. batasan ujung pasokan dan permintaan dipenuhi.LA + $10XNO. solusinya tidak degenerasi.NY + XNO.LA + XTul. b.NY ≤ 500 (kapasitas produksi di New Orleans) XAtl. mencegah solusinya menjadi degenerasi. .

biaya nol akan digunakan untuk setiap fasilitas baru. masalahnya disebut… a. d. masalah minimalisasi. c. c. tak seimbang. 2. Dalam memecahkan suatu masalah fasilitas di mana terdapat dua kemungkinan lokasi untuk dipertimbangkan. baris kosong harus ditambahkan. Jelaskan! 7. c. menambah biaya setiap sel sebesar 1. Semua indeks peningkatan adalah positif atau nol. d. masalah maksimalisasi. b. Semua indeks peningkatan adalah negatif atau nol. algoritma transportasi dapat digunakan. maka… a. Dalam melakukannya.MK-96 4. e. Semua sel dalam baris dummy adalah kosong. b. Manajemen Operasi Dalam masalah transportasi. 6. Jika solusi masalah transportasi menjadi degenerasi. 5. d. optimal. 3. Semua contoh transportasi tampaknya diberlakukan untuk jarak jauh. apa yang menandakan bahwa solusi biaya minimum telah diperoleh? a. b. e. Pertanyaan untuk Diskusi Apakah tiga informasi yang dibutuhkan pada model transportasi? Langkah-langkah apakah yang digunakan pada metode biaya terendah intuitif? Identifikasikan tiga “langkah” pada aturan pojok kiri-atas! Bagaimana Anda tahu ketika sebuah solusi optimal telah dicapai? Teknik permulaan apakah yang secara umum memberikan solusi awal yang lebih baik? Mengapa? 6. akan tidak mungkin untuk mengevaluasi semua sel kosong tanpa menghilangkan degenerasinya. 5.… a. b. semakin kecil persentase jumlah sel yang akan digunakan pada solusi yang optimal. Apakah mungkin model transportasi diterapkan pada skala yang jauh lebih kecil (sebagai contoh: dalam departemen suatu toko atau gedung perkantoran)? Bahas dan buatlah suatu contoh atau buktikan bahwa penerapan tersebut tidak dapat dilakukan! 1. metode batu loncatan harus digunakan untuk mengevaluasi sel kosong. d. dua masalah transportasi yang terpisah akan terpecahkan. . 4. baris atau kolom kosong harus ditambahkan. c. 7. Semakin banyak tujuan dan sumber yang tersedia untuk sebuah masalah transportasi. Jika jumlah sel yang terisi pada tabel transportasi tidak sama dengan jumlah baris plus jumlah kolom minus 1. Semua indeks peningkatan adalah sama dengan nol. e. masalahnya tidak memiliki solusi yang layak. dua baris (sumber) akan ditambahkan pada baris yang telah ada dan masalah yang diperbesar akan terpecahkan. akan terdapat lebih dari satu solusi optimal. degenerasi.

. dan bagaimana Anda akan menyeimbangkan hal tersebut? 10. Berapa biaya totalnya? c) Dengan menggunakan metode batu loncatan.2 Lihat tabel transportasi di bawah ini. Jelaskan kepentingan nilai indeks peningkatan negatif dalam sebuah masalah minimalisasi transportasi! 12. Berapa biaya totalnya? b) Gunakan pendekatan biaya terendah intuitif. Apakah yang dimaksud dengan masalah ketidakseimbangan transportasi. Berapakah kotak yang harus digunakan oleh semua solusi? 11. Biaya unit untuk setiap rute pengiriman dalam dolar. carilah solusi optimalnya! Hitung biaya totalnya! C. Kembangkan aturan pojok kiri-atas dan jelaskan bagaimana aturan ini bekerja! Tetapkan solusi awal untuk kasus Arizona Plumbing pada Contoh Cl! 9.Modul Kuantitatif C • Model Transportasi MK-97 8. Berapa biaya total dari solusi dasar yang layak yang oleh metode biaya terendah intuitif akan diperoleh untuk soal ini? Tujuan Sumber A 12 1 6 2 11 3 7 9 14 B 8 C 5 D 10 E 4 18 Pasokan Permintaan 6 8 12 4 2 *Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM. selain mengatasi biaya transportasi? 13. Bagaimana metode transportasi dapat mengatasi masalah biaya produksi. Jelaskan apa yang dimaksud dengan istilah “degenerasi” dalam konteks pemodelan transportasi! Soal-soal*1 C.1 Carilah solusi awal masalah transportasi berikut! Ke Dari Mexico City Detroit Ottawa Permintaan Los Angeles $6 $17 $20 50 Calgary $18 $13 $10 80 Panama City $8 $19 $24 70 Pasokan 100 60 40 a) Gunakan metode pojok kiri-atas.

dan ke Denver $10. ke Atlanta $12.3 a) Manajemen Operasi Gunakan metode pojok kiri-atas untuk mencari solusi awal yang layak bagi masalah berikut. Louis 10 $6 Chicago 10 10 $3 20 $2 30 $5 $6 20 Yuma $8 Miami $1 10 Pasokan Permintaan 20 20 20 C. Phoenix mempunyai 650. Biaya pengiriman setiap unit dari Houston ke Dallas adalah $8. Biaya pengirimannya bervariasi dan Tharp ingin menentukan cara paling murah untuk dapat memenuhi permintaan setiap pusat distribusi. Solusi yang ditampilkan diperoleh dengan melakukan beberapa iterasi metode transportasi pada masalah tersebut. dan Memphis. Biaya setiap unit yang dikirim dari Memphis ke Dallas adalah $11. Apakah yang harus dilakukan sebelum memulai langkah untuk mencari solusi? b) Gunakan pendekatan biaya terendah intuitif untuk mencari solusi awal yang layak.MK-98 C. dan Memphis mempunyai 300 unit. dan ke Denver $12. ke Atlanta $8. Dallas membutuhkan 800 AC per bulan. ke Atlanta $14. AC ini dikirim ke distributor di Dallas. Apakah pendekatan ini lebih baik daripada metode pojok kiri-atas? c) Cari solusi optimalnya dengan menggunakan metode batu loncatan! Ke Dari X Y Z Permintaan A $10 $17 $20 50 B $18 $13 $18 80 C $12 $ 9 $14 70 Pasokan 100 50 75 C.5 Tharp Air Conditioning memproduksi AC pada pabrik di Houston. Phoenix. dan ke Denver $9. Berapa biaya total rencana pengiriman yang akan diperoleh dengan melakukan satu kali lagi iterasi metode batu loncatan pada masalah ini? Tujuan Sumber Denver $2 Houston 10 $4 St. Atlanta. Biaya setiap unit yang dikirim dari Phoenix ke Dallas adalah $10. dan Denver 200. Atlanta membutuhkan 600. dan Denver. Berapakah unit yang perlu dikirimkan Devorah Tharp dari setiap pabrik ke setiap pusat distribusi? Berapakah biaya total transportasinya? (Perhatikan bahwa diperlukan sebuah tujuan “kosong” untuk menyeimbangkan masalah tersebut.) .4 Lihat tabel transportasi di bawah ini. Houston mempunyai 850 AC yang tersedia setiap bulan.

di bawah ini. Pihak manajemen mendapati bahwa biaya total sistem (biaya produksi ditambah biaya distribusi) akan bernilai $20. Data yang disediakan juga termasuk jumlah labu yang tersedia selama dua minggu pada setiap bank.8 Pada Contoh Soal C.6 Tabel berikut merupakan hasil dari satu iterasi atau lebih. Williams Auto Top Carriers mengusulkan untuk membuka pabrik baru di New Orleans atau di Houston. dan jumlah labu darah yang dibutuhkan oleh setiap rumah sakit. Berapa biaya totalnya jika Williams membuka satu pabrik di Houston? Pada lokasi manakah (New Orleans atau Houston) seharusnya Williams membuka fasilitas barunya? C.Modul Kuantitatif C • Model Transportasi MK-99 C.7 Tiga bank darah di Franklin County dikoordinasi melalui sebuah kantor pusat untuk memudahkan penyerahan darah ke empat rumah sakit di daerah tersebut. cari solusi awal dan biaya awal dengan menggunakan metode pojok kiri-atas! Apa yang harus dilakukan untuk membuat masalah ini menjadi seimbang? Ke Dari A B C Permintaan W $132 $220 $152 160 X $116 $230 $173 120 Y $250 $180 $196 200 Z $110 $178 $164 230 Pasokan 220 300 435 . Biaya untuk mengirimkan satu labu darah standar dari setiap bank ke setiap rumah sakit diperlihatkan pada tabel di bawah. a) Selesaikan iterasi berikutnya dengan menggunakan metode batu loncatan! b) Hitung “biaya total “ yang terjadi jika hasil yang diperoleh diterima sebagai solusi akhir! Dari A B Ke 1 30 40 10 2 30 3 5 10 10 10 Kapasitas 50 30 30 20 10 30 40 60 45 55 25 C Permintaan 75 155 C. Berapakah pengiriman yang harus dilakukan dalam masa dua mingguan dari setiap bank darah ke setiap rumah sakit sehingga biaya total pengiriman dapat diminimalkan? Ke Dari Bank 1 Bank 2 Bank 3 Permintaan RS 1 $ 8 $12 $14 90 RS 2 $ 9 $ 7 $10 70 RS 3 $11 $ 5 $ 6 40 RS 4 $16 $ 8 $ 7 50 Pasokan 50 80 120 250 C.000 untuk lokasi di New Orleans.9 Untuk data William Gehrlein Corp.1.

(Catatan: Anda mungkin akan menghadapi masalah degenerasi dalam salah satu iterasi. Tabel berikut meringkas kapasitas pabrik. dan Oak Ridge. permintaan proyeksi toko. dan Z) yang mendistribusikan ke tiga toko pakaian eceran Walsh di tiga kota besar lainnya (A. dan biaya pengiriman per unit. Nixon. manajer lalu lintas LMW! Gunakan metode pojok kiri-atas sebagai prosedur awal dan metode batu loncatan. B. NY. Walsh Clothing Group Dari Pabrik W $6 Pabrik Y $8 Pabrik Z Permintaan toko 30 65 40 $2 $5 50 135 $7 $6 50 Ke Toko Baju A $4 Toko Baju B $3 Toko Baju C $3 35 Ketersediaan pabrik a) Lengkapi analisis yang ada untuk menentukan solusi optimal bagi pengiriman di Tripp Clothing Group! b) Bagaimana Anda tahu jika solusi yang diperoleh sudah mencapai optimal atau belum? C. Jadikan tabel berikut sebagai acuan.10 Tara Tripp Clothing Group memiliki pabrik di tiga kota (W.) .11 Perhatikan permasalahan transportasi berikut pada Perusahaan Frank Timoney di Clifton Park.MK-100 Manajemen Operasi C.12 Lawson Mill Works (LMW) mengirimkan kayu ke tiga pemasok bahan bangunan dari pabriknya di Mountpelier. Tentukanlah jadwal pengiriman terbaik bagi LMW dari data yang disajikan oleh James Lawson. dan C). Y. Ke Dari Sumber 1 Sumber 2 Sumber 3 Sumber 4 Permintaan a) Tujuan A $8 $5 $7 $5 110 Tujuan B $9 $6 $9 $3 34 Tujuan C $4 $8 $6 $7 31 Pasokan 72 38 46 19 175 Carilah solusi awal dengan menggunakan aturan pojok kiri-atas! Apakah terdapat kondisi khusus? b) Jelaskan bagaimana Anda akan memulai proses pemecahan masalah! c) Berapa solusi optimalnya? C.

000 2. Baik St.15 Drew Rosen Corp. pemilik perusahaan. Louis sedang dipertimbangkan.500 C. Saat ini. David Cabell. sedang mempertimbangkan untuk menambah pabrik keempat dari tiga fasilitas yang sudah ada di Decatur.200 6. memproduksi peralatan untuk memancing. Louis $75 $60 $50 $70 100 Denver $50 $90 $90 $30 400 Kapasitas 150 225 350 350 C.700 6. kapasitas. perusahaan tersebut memiliki pabrik di Los Angeles dan New Orleans.Modul Kuantitatif C • Model Transportasi Lawson Mill Works Ke Dari Mountpelier $4 Nixon $3 Oak Ridge Permintaan gudang pasokan (ton) $2 $3 30 $2 $3 40 Gudang Pasokan 1 $3 Gudang Pasokan 2 $3 Gudang Pasokan 3 $2 Kapasitas Mill (ton) 25 MK-101 30 30 35 95 C.000 1. telah mempekerjakan Anda untuk mengevaluasi biaya pengirimannya.200 5 8 Ke Gudang 1 4 Gudang 2 7 Gudang 3 10 Gudang Kapasitas 4 pabrik 12 2.000 2.200 8 6 9 2. Tabel berikut menunjukkan permintaan saat ini. Hanya dengan mengevaluasi biaya transportasi setiap unit seperti yang ditunjukkan pada tabel di bawah. Louis maupun East St. Minneapolis. dan Carbondale.13 Captain Cabell Corp. Carilah pola pengiriman dengan biaya yang paling rendah! Data Susan Helms Manufacturing Dari Pabrik 1 7 Pabrik 2 9 Pabrik 3 Permintaan gudang 1. putuskan lokasi yang terbaik! . sedang mempertimbangkan untuk membangun sebuah pabrik baru—di Philadelphia atau Seattle.14 Susan Helms Manufacturing Co.000 11 2. Lokasi manakah yang harus dipilih oleh Cabell? Gudang Pabrik Los Angeles New Orleans Philadelphia Seattle Permintaan Pittsburgh $100 $ 80 $ 40 $110 200 St. dan biaya pengiriman antara setiap pabrik ke setiap gudang. Gunakan tabel berikut untuk mencari biaya pengiriman total bagi setiap lokasi yang potensial.

Louis Biaya Produksi ($) $50 60 70 40 50 C. Tabel berikut menggambarkan kapasitas/permintaan pabrik/gudang yang sekarang dan sedang diusulkan serta biaya pengiriman rata-rata setiap kotak pasokan. Tiga kota besar. yaitu Mobile. tunjukkan lokasi mana yang menghasilkan biaya yang paling rendah! Lokasi Decatur Minneapolis Carbondale East St. dan Huntsville. di mana gudang ini dipasok oleh 7 pabrik Dalton yang memproduksi hampir 70% produk yang ada pada rantai usahanya.15 dan biaya produksi per unit pada tabel berikut. Tampa.MK-102 Pabrik yang Ada Ke Blue Earth Ciro Des Moines Kapasitas Decatur $ 20 $ 25 $ 22 300 Minneapolis $ 17 $ 27 $ 25 200 Carbondale $ 21 $ 20 $ 22 150 Manajemen Operasi Permintaan 250 200 350 Pabrik yang Diusulkan Ke Blue Earth Ciro Des Moines Kapasitas East St. VP operasi. a) Hanya dengan berdasarkan pada biaya pengiriman. Apakah faktor ini memengaruhi jawaban Anda pada (a) dan (b)? . Louis $ 29 $ 30 $ 30 150 St. adalah kota-kota yang masuk dalam pertimbangan akhir. Louis St. Terlihat dengan jelas oleh Marilyn Helms. kota besar manakah yang dipilih sebagai gudang baru? b) Sebuah penelitian menunjukkan kapasitas Ocala dapat ditingkatkan menjadi 500 kotak per hari. Toko-toko ini dipasok oleh 16 gudang Dalton dengan pengantaran setiap dua minggu sekali.17 Dalton Pharmaceuticals menduduki posisi dominan di wilayah tenggara Amerika Serikat dengan memiliki lebih dari 800 toko eceran.16 Dengan menggunakan data dari Soal C. biaya pengiriman dari setiap pabrik di Florida ke setiap gudang yang masih dalam wilayah Florida turun sebesar $1 untuk setiap karton. Louis $ 27 $ 28 $ 31 150 C. Akankah hal ini memengaruhi keputusan pada bagian (a)? c) Karena adanya perjanjian antarwilayah yang baru. bahwa sebuah gudang tambahan baru sangat diperlukan untuk menangani pertumbuhan dan permintaan barang yang tidak dapat dipenuhi.

NC $8 6 8 5 8 7 1 100 Charlotte. (karton Mobile. NC $ 11 7 9 5 8 8 2 150 Alternatif Kapasitas Huntsville. Milwaukee. Columbia. GA Stuart. MS Starkville.Modul Kuantitatif C • Model Transportasi MK-103 Tabel untuk Soal C. memiliki spesialisasi dalam mengubah mobil van standar menjadi van yang dapat digunakan untuk berkemah. Custom Vans. FL Valdosta. FL Augusta. . Bergantung pada jumlah pekerjaan dan kustomisasi yang harus dijalankan. Inovasi adalah faktor utama dalam kesuksesan Tony dalam mengubah toko van kecil menjadi salah satu toko van khusus yang paling besar dan menguntungkan di Midwest. Inc.000 hingga di atas $5. Toilet kecil ini benarbenar lengkap serta dapat ditempatkan dalam hampir semua jenis van dan dalam lokasi yang berbeda dalam sebuah van. diperlukan 2 galon serat kaca dan 3 jam tenaga kerja. Inc. Untuk membuat Shower-Rifics. FL Biloxi.I7 Gudang Pabrik Atlanta. Montgomery. NC Permintaan (karton/hari) $3 4 1 3 4 3 4 150 New Orleans. GA Stuart. dan Detroit. Minneapolis. LA $5 6 4 5 1 3 8 250 Jackson. Shower-Rifics terbuat dari serat kaca yang berisi gantungan handuk. NC Permintaan (karton/hari) $9 2 7 2 7 6 6 250 Miami. FL $8 2 6 3 9 7 5 300 Wilmington. Inc. MS Starkville. GA Ocala. FL Augusta. GA Ocala. tempat sabun dan sampo. FL AL per hari) $4 5 3 6 2 3 8 300 $6 2 5 3 6 6 7 300 $3 5 2 5 3 2 8 300 500 300 400 200 600 400 500 Studi Kasus Custom Vans. MS Durham. kustomisasinya dapat memakan biaya kurang dari $1. MS $4 5 3 2 4 1 8 50 Birmingham. GA Valdosta. Tony Rizzo dapat memperluas operasinya dari Gary. ke kota utama lain di Chicago. Contohnya adalah Shower-Rifics yang dibuat oleh Tony dalam waktu hanya 6 bulan setelah memulai Custom Van. (karton NC SC per hari) $8 6 7 5 9 5 2 150 $8 7 8 6 10 6 2 300 500 300 400 200 600 400 500 Gudang Pabrik Orlando. Indiana. serta sebuah pintu plastik yang unik. AL Tampa. FL $ 10 3 9 2 13 8 8 300 Jacksonville. Terlihat bahwa Tony memiliki kemampuan khusus untuk merancang dan membuat fitur dan peralatan yang unik yang selalu digemari oleh pemilik van. MS Durham. Dalam kurang dari 4 tahun.000. Raleigh. LA AL NC $3 5 2 6 3 2 7 150 $4 6 2 6 3 2 7 100 $6 7 6 5 8 6 2 200 Kapasitas Asheville. FL Biloxi.

. Setelah berbicara dengan pihak bank dan pengacaranya. tetapi kapasitas ini tampaknya tidak pernah cukup. dan Tony telah memutuskan bahwa kedua pabrik baru tersebut harus ditempatkan di Detroit. Wilma berspekulasi bahwa sekalipun Detroit menjadi salah satu pabrik yang baru. Indiana. Namun. Dua tambahan pabrik baru pasti akan dapat memberikan Bill Burch tambahan 100 Shower-Rifics jika diperlukan. dan biaya transportasi setiap unitnya hanya $5. Inc. didirikan. dan walaupun biaya transportasi dari Fort Wayne dua kali lipat. $5 dari Rockford. Hal ini membuat manajer Custom Van di Minneapolis marah. biaya transportasi setiap unit akan menjadi dua kali lipat lebih besar daripada Madison. dan $10 dari Madison. Rockford dan Madison akan mengenakan biaya sebesar $30 dan $25 untuk mengirimkan satu unit Shower-Rifics ke Minneapolis. Tom berharap Detroit tidak menjadi salah satu pabrik baru karena biaya transportasinya akan mencapai $60 setiap unit. Dia memiliki permintaan sebesar 100 unit. Permintaannya adalah 150 unit. Dia akan mampu mendapatkan semua Shower-Rifics yang diperlukan. dia hanya mendapatkan separuh permintaannya ini dari pabrik Fort Wayne. maka sebuah pabrik baru di Rockford akan mampu menyediakan kebutuhan totalnya. Jika bukan Madison. Illinois. Tony menyimpulkan bahwa ia perlu membuka dua pabrik baru secepat mungkin. Karena biaya transportasi setiap unit dari Detroit akan bernilai $40. biayanya $10 lebih mahal. Wilma Jackson. Biaya transportasi bagi setiap unit dari Gary adalah $20. karena Minneapolis paling jauh dari Gary dibandingkan lokasi lain. merupakan orang yang paling marah jika tidak mendapatkan pasokan Shower-Rifics yang mencukupi. Ia mendapatkan 100 unit Shower-Rifics dari Gary. Tom menghadapi masalah biaya transportasi yang paling tinggi dibandingkan dengan semua lokasi. Inc. Custom Van. dia tidak akan mengambil satu pun unit dari Detroit. pabrik di Gary memasok 200 Shower-Rifics setiap bulannya walaupun Bill tahu bahwa permintaan Shower-Rifics di Chicago adalah 300 unit. di Minneapolis dikelola oleh Tom Poanski. Setiap pabrik akan memiliki kapasitas yang sama seperti pabrik di Fort Wayne. Wisconsin. Sebuah penyelidikan awal lokasi pabrik dilaksanakan. Tony selalu mendahulukan lokasi lain sebelum mengirimkan Shower-Rifics ke Minneapolis. Tony memutuskan untuk mulai membangun pabrik Shower-Rific lain di Fort Wayne. Saat ini.MK-104 Manajemen Operasi Sebagian besar Shower-Rifics dihasilkan di Gary dalam gudang yang sama di mana Custom Vans. Michigan. manajer toko Custom Van di Milwaukee. Toko Chicago dijalankan oleh Bill Burch. Rockford. Biaya transportasi setiap unit dari Gary adalah $10. Toko ini adalah salah satu toko yang pertama kali dibangun oleh Tony. Pabrik di Fort Wayne masih tidak mampu memenuhi permintaan Shower-Rifics saat ini. Wilma berharap Tony akan memilih Madison sebagai salah satu lokasi pabrik barunya. Biaya transportasi dari Gary adalah $40 per unit. Pabrik di Fort Wayne dapat menghasilkan 150 Shower-Rifics per bulan. Pabrik di Gary dapat menghasilkan 300 Shower-Rifics dalam satu bulan. sementara biaya transportasi dari Fort Wayne adalah $30. Bill Burch selalu mengajukan argumentasi kepada Tony untuk mendapatkan tambahan 50 unit dari pabrik Fort Wayne. Tony mengetahui bahwa memilih lokasi terbaik untuk kedua pabrik baru akan sangat sulit. atau Madison. Dia tidak dapat memahami mengapa Tony tidak mengirimkan keseluruh 100 unit Shower-Rifics dari Gary. Biaya transportasi dan permintaan untuk setiap lokasi merupakan pertimbangan yang penting. Toko Custom Van di semua lokasi mengeluh karena Shower-Rifics tidak cukup tersedia. Biaya transportasi setiap Shower-Rifics adalah $30 dari Detroit. Biaya transportasi tentu akan bervariasi. dan Tony mengetahui bahwa permintaan toilet van kemahnya yang unik ini dapat berkembang dengan cepat pada tahun berikutnya. dan tetap menghasilkan lebih baik dibandingkan lokasi lain. saat ini. setelah melalui beberapa diskusi yang panas. tergantung pada lokasi yang akan dipilih oleh Tony. Jika dikirim dari Fort Wayne.

Saya percaya bahwa pabrik yang baru harus ditempatkan di Madison dan Rockford. Saya tahu bahwa Anda sebenarnya dapat menjual lebih banyak unit lagi. tetapi ada beberapa faktor lain.Modul Kuantitatif C • Model Transportasi MK-105 Posisi toko di Detroit serupa dengan toko di Milwaukee—hanya mendapatkan separuh dari permintaannya setiap bulan. dan mereka akan bekerja $1 lebih murah per jam dibandingkan lokasi lain yang sedang kita pertimbangkan. Toko saya yang paling jauh dari pabrik dibandingkan dengan semua toko yang ada. manajer Custom Vans. Saya sungguh berharap bahwa pabrik tersebut akan dapat memberikan Shower-Rifics yang Anda inginkan. sebelum memutuskan untuk mengadakan suatu pertemuan dengan semua manajer toko van. Biaya transportasi Rockford sebesar $35. Dua lokasi ini tentu akan mengubah kebiasaan pengiriman kita. sangat tertarik mengelola pabrik dan saya yakin bahwa ia akan mengerjakan pekerjaan tersebut dengan baik. saya sudah mempertimbangkan situasi ini. Seperti Anda ketahui. dan saya sangat merasakan bahwa sedikitnya satu pabrik baru harus ditempatkan di Detroit. Dick: Tom: Dick: Tom: Bill: Tony: . menginginkan kemungkinan terbesar pada pabrik baru di Detroit. di Detroit. saya merasa yakin bahwa Leon dapat melaksanakan pekerjaannya dengan baik. Seperti yang Anda ketahui. Saya harap Anda berdua tenang. saya hanya mendapatkan separuh dari Shower-Rifics yang saya perlukan. Para mahasiswa ini adalah para pekerja keras. Biaya transportasi setiap unit dari Fort Wayne adalah $15. Tony: Terima kasih atas kedatangan Anda. atau Detroit. Dick Lopez. sementara dari Gary adalah $25. Hal ini terutama disebabkan oleh banyaknya mahasiswa Universitas Madison. dan biaya transportasi Madison adalah $40. Inc. kecuali Wilma. Meskipun demikian. kita memiliki tenaga kerja yang sangat baik. Leon. dan kita harus melihat semua faktor ini secara bersama-sama dengan cara logis. Tony sedang memikirkan dilema untuk menempatkan kedua pabrik baru selama beberapa minggu. saya menyarankan untuk melakukan pemungutan suara pada dua lokasi terbaik. dan saya mengetahui bagaimana sulitnya setelah terjadi banyak pemutusan hubungan kerja di industri otomotif. dan lokasi ini akan sangat mengurangi biaya transportasi. kita harus mempertimbangkan total biaya transportasi dan bukan kepribadian. Ia bisa mendapatkan 150 Shower-Rifics dari pabrik baru di Detroit dan 50 Shower-Rifics yang lain dari Fort Wayne. Detroit memiliki salah satu pemasok serat kaca yang paling besar. saya sudah memutuskan untuk membuka dua pabrik baru di Rockford. dua lokasi lain juga tidak masalah. Tony. Oleh karena itu. Sangat jelas bahwa kita tidak akan dapat memuaskan semua orang dalam memilih lokasi pabrik yang baru. kini. Wilma tidak hadir. Saudara saya. tetapi tujuannya untuk meminimalkan biaya total adalah jelas. Sebanyak 100 unit yang diterima Detroit datang secara langsung dari pabrik Fort Wayne. Pabrik akan ditempatkan di seberang kota. dan saya ingin Anda tahu bahwa saya menyesalkan situasi ini. dan saya telah mengecek harganya. Saya tidak merasa bahwa pemungutan suara menjadi suatu gagasan yang baik. Sebuah pabrik baru di Detroit akan mampu membeli serat kaca $2 lebih murah per galon daripada semua pabrik usulan yang lain. dan biaya transportasi hanya akan bernilai $5 untuk setiap unit. Dick. Sekalipun Detroit tidak terpilih. Di Madison. Hal tersebut mungkin benar. Pertemuan dilaksanakan di Gary dan semua orang hadir. Keputusan ini sangat rumit. Madison.

B. dan R. Sural. Studi Kasus Tambahan Kunjungi situs Web kami di www. NJ. Upper Saddle River. NJ: SpringerVerlag. R. R. M.. dan R. Z. Balakrishnan. Koksalan. Stair. Managerial Decision Modeling with Spreadsheets. 2000. Interfaces 29 (Maret–April 1999): 89–103. Upper Saddle River. Edisi Kesepuluh. Asia–Pacific Journal of Operations Research. F. M. Secaucus.. Haksever. 2007. C. Schmenner. Harvard Business Review Vol. dan K. Edisi Kedua. dan R. M. W. Ping. NJ: Prentice Hall. Hanna. Introduction to Management Science. B. B. Edisi Kesembilan. R. Upper Saddle River. Service Management and Operations. Upper Saddle River.prenhall. Edisi Kedua. Edisi Kedua.. Facility Location: A Survey of Applications and Methods. Taylor. “Efes Beverage Group Makes Location and Distribution Decisions for Its Malt Plants”. dan M. “A Dual-Matrix Approach to the Transportation Problem”. Render.. B. NJ: Prentice Hall. 2008. dan H.. Quantitative Analysis for Management. Chu. Inc. Drezner. Render. M. Hak cipta © 2007. • Consolidated Bottling (B): Kasus ini mencakup penentuan di manakah harus menambahkan kapasitas pembotolan. 2009. . Daftar Pustaka Balakrishnan. NJ: Prentice Hall. Stair.com/heizer untuk studi kasus Internet ini secara cuma-cuma. “Look Beyond the Obvious in Plant Location”. Dicetak ulang seizin Prentice Hall. 1995. Upper Saddle River. NJ: Prentice Hall. 1 (Januari–Februari 1979): 126–132. Stair. Render. 19 (Mei 2002): 35–46. B. Russell. 57 No. Render.MK-106 Manajemen Operasi Pertanyaan untuk Diskusi Di manakah Anda akan mendirikan kedua pabrik yang baru? Mengapa? Sumber: Dari Managerial Decision Modeling with Spreadsheets oleh R. J.

. 6. antrean. The Winter Park Hotel Studi Kasus Tambahan Daftar Pustaka Tujuan Pembelajaran Setelah membaca modul ini. dan sistem pelayanan. menjelaskan karakteristik kedatangan. 4. menggunakan persamaan model pelayanan waktu konstan. 5. melakukan analisis biaya antrean. menggunakan rumus model antrean jalur majemuk. 2. 3. Anda diharapkan mampu: 1. menggunakan persamaan model antrean tunggal. melakukan analisis model populasi terbatas.Modul Kuantitatif D • Model Antrean MK-107 Modul Kuantitatif Model Antrean D GARIS BESAR PEMBAHASAN Karakteristik Sistem Antrean Karakteristik Kedatangan Karakteristik Antrean Karakteristik Pelayanan Mengukur Kinerja Antrean Biaya Antrean Keragaman Model Antrean Model A: Model Antrean Tunggal dengan Kedatangan Berdistribusi Poisson dan Waktu Pelayanan Berdistribusi Eksponensial Model B: Model Antrean Ganda Model C: Model Pelayanan Waktu Konstan Model D: Model Populasi Terbatas Pendekatan Antrean Lain Rangkuman Istilah-istilah Penting Menggunakan Perangkat Lunak untuk Penyelesaian Soal Antrean Contoh Soal dan Penyelesaian Ujian Pertanyaan untuk Diskusi Soal-soal Studi Kasus: New England Foundry.

1).MK-108 Manajemen Operasi EuroDisney di Paris. pekerjaan fotokopi yang sedang menunggu untuk diselesaikan di toko percetakan Kinko. perilaku. Model antrean sangat berguna baik dalam bidang manufaktur maupun jasa. Disney adalah salah satu perusahaan terkemuka di dunia dengan analisis ilmiahnya dalam penerapan teori antrean. dan memasang tanda yang menunjukkan berapa menit mereka dapat sampai ke wahana. pasien yang sedang menunggu di ruang praktik dokter dan mesin bor yang menunggu untuk diperbaiki di bengkel memiliki banyak kesamaan dari sisi MO. Tabel D. Keduanya menggunakan sumber daya manusia dan peralatan untuk mengembalikan aset produksi yang berharga (orang-orang dan mesin) ke kondisi yang baik. Teori Antrean Ilmu pengetahuan utama mengenai antrean Antrean Benda atau orang yang sedang menunggu pelayanan Ilmu pengetahuan utama tentang bentuk antrean. Antrean (waiting line/queue) adalah sebuah situasi umum—sebagai contoh. rata-rata waktu menunggu. Analisis antrean dalam bentuk panjang antrean. dan pengendalian aktivitas shop floor. Disney Japan di Tokyo. 1. menghibur para pengunjung yang sedang mengantre. Untuk menjaga kepuasan pengunjung. serta Disney World dan Disneyland di AS memiliki satu persamaan yang umum—antrean panjang dan seperti tidak pernah berakhir. . Tujuan Pembelajaran 1. dan sistem layanan. Menjelaskan karakteristik kedatangan. merupakan sebuah bagian penting operasi dan alat yang sangat berharga bagi manajer operasi. yang sering disebut teori antrean (queuing theory). 3. dan sebuah distribusi statistik. Teori ini menganalisis perilaku antrean dan dapat memperkirakan wahana yang memiliki antrean panjang. Kedatangan atau masukan sistem. Kenyataannya. Disiplin antrean atau antrean itu sendiri. Ketiga komponen ini akan dibahas satu per satu. Disney membuat antrean yang terlihat bergerak ke arah depan secara konstan. antrean. Karakteristiknya meliputi desain dan distribusi statistik waktu pelayanan. KARAKTERISTIK SISTEM ANTREAN Pada bagian ini. Karakteristik antrean mencakup apakah panjangnya antrean terbatas atau tidak. lihat bentuk deretan mobil yang menunggu untuk diperbaiki di Midas Muffler Shop. aktivitas pemeliharaan (mungkin berupa perbaikan mesin yang rusak). dan faktor-faktor lain dapat membantu memahami sistem jasa (seperti kasir di bank). 2. Kedatangan memiliki karakteristik seperti ukuran populasi.1 menyusun beberapa kegunaan model antrean pada MO. Namun. terdapat tiga komponen dalam sebuah sistem antrean (seperti ditunjukkan pada Figur D. Fasilitas layanan. atau orang-orang yang sedang berlibur menunggu untuk masuk wahana Space Mountain di Disney. dan disiplin orang-orangnya atau barang yang ada di dalamnya.

1 Ketiga Bagian Antrean atau Sistem Antrean. . 3rd St. Perilaku kedatangan. C NW St. Jika jumlah kedatangan pengunjung atau kedatangan pada waktu tertentu hanyalah sebagian kecil dari semua kedatangan yang potensial. A B SE St. Arrivals to the system Karakteristik Kedatangan In the system Exit the system Karakteristik Antrean Karakteristik Pelayanan • Ukuran populasi kedatangan • Perilaku kedatangan • Distribusi statistik kedatangan • Terbatas dan tidak terbatas • Disiplin antrean • Desain layanan • Distribusi statistik layanan Figur D. 1. A Ave. 1st St. Enter Exit 3rd St. 2nd St. .1 Situasi Umum Antrean Situasi Supermarket Pintu tol Ruang praktik dokter Sistem komputer Perusahaan telepon Bank Pemeliharaan mesin Pelabuhan Pengantre Orang yang berbelanja Mobil Pasien Program yang akan dijalankan Penelepon Pelanggan Mesin yang rusak Kapal dan tongkang Proses Pelayanan Membayar belanjaan di kasir Mengumpulkan uang di pintu tol Pemeliharaan baik yang dilakukan oleh dokter dan perawat Pekerjaan pemrosesan komputer Alat pemindahan untuk meneruskan panggilan Transaksi yang ditangani oleh kasir Karyawan bengkel memperbaiki mesin Para pekerja memuat dan membongkar barang KARAKTERISTIK KEDATANGAN Sumber input yang menghadirkan kedatangan pelanggan bagi sebuah sistem pelayanan memiliki tiga karakteristik utama. B Ave. maka populasi Populasi mobil kotor Ave. 2nd St. D NE St. Antrean Fasilitas layanan Dave's Car Wash Sistem akhir Ave. Kedatangan populasi umum. Ukuran populasi kedatangan. dan di Dave’s Car Wash . Ave.Modul Kuantitatif D • Model Antrean MK-109 Tabel D. Ukuran Populasi (Sumber) Kedatangan Ukuran populasi dibagi menjadi tidak terbatas atau terbatas. 3. 2. SW St. 1st St. Pola kedatangan (distribusi statistik). Ave.

Sebagian besar model antrean berasumsi bahwa populasi kedatangan tidak terbatas.” – Penelitian Etorre “Jika Anda berganti barisan.1 Untuk setiap waktu kedatangan (seperti 2 pelanggan per jam atau 4 truk per menit). dan seterusnya. Kedatangan tentu saja tidak selalu berdistribusi Poisson (mereka bisa saja mengikuti beberapa distribusi lain). 1. berada sekarang. Contoh populasi yang tidak terbatas adalah mobil yang datang ke sebuah tempat pencucian mobil. Kemungkinan 9 pelanggan atau lebih yang datang hampir mendekati nol. nilai-nilai ini mudah dihitung. sebuah distribusi Poisson yang berlainan dapat ditetapkan menggunakan rumus e –λλx. Kedatangan dianggap sebagai kedatangan acak apabila kedatangan tersebut tidak terikat satu sama lain dan kedatangannya tidak dapat diperkirakan dengan tepat. pola yang ada harus diuji untuk memastikan bahwa mereka benar-benar mendekati distribusi Poisson sebelum distribusi itu diterapkan. Setiap mesin cetak merupakan seorang “pelanggan” potensial yang mungkin rusak dan memerlukan pemeliharaan. tetapi menjelaskan waktu O’Brien di antara kedatangan dan menunjukkan interval waktu sepenuhnya acak. 2. Hal ini berarti bahwa jika rata-rata tingkat kedatangan adalah λ = 2 pelanggan per jam. 2 pelanggan sekitar 27%.” – Variasi Kemudian. probabilitas 1 pelanggan sekitar 27%. para pengunjung yang tiba di sebuah supermarket. Pelanggan yang sabar adalah orang atau mesin yang mau menunggu dalam antrean sampai mereka dilayani dan tidak . populasi terbatas ditemukan dalam sebuah toko percetakan yang memiliki delapan mesin cetak. tingkat kedatangan rata-rata. dan para siswa yang datang untuk mendaftarkan diri di sebuah universitas besar. Perilaku Kedatangan Hampir semua model antrean menggunakan asumsi bahwa pelanggan yang datang adalah pelanggan yang sabar.7183 (logaritma natural). maka waktu di antara barisan di mana Anda kedatangan akan mengikuti distribusi eksponensial negatif dengan rata-rata waktu di antara kedatangannya 1/λ.MK-110 Populasi Tidak Terbatas Antrean dengan jumlah orang atau benda yang tidak terbatas yang dapat meminta layanan. λ. … x! (D-1) di mana P(x) x λ e = = = = probabilitas kedatangan sejumlah x. Oleh karena itu. 4. Biasanya. 2. jumlah kedatangan per satuan waktu. 4 pelanggan sekitar 9%. maka probabilitasnya 0 pelanggan yang tiba kapan pun secara acak sekitar 13%. Distribusi Poisson Distribusi probabilitas (kemungkinan) yang berlainan sering menggambarkan tingkat kedatangan dalam teori antrean. −λ x P (x ) = e λ untuk x = 0. distribusi eksponensial negatif menjadi representasi dari proses Poisson. jumlah kedatangan setiap satuan waktu dapat diperkirakan dengan sebuah probabilitas (kemungkinan) distribusi yang dikenal dengan distribusi Poisson (Poisson distribution).2 menggambarkan distribusi Poisson untuk λ = 2 dan λ = 4. 1 pasien datang setiap 15 menit atau 1 siswa datang setiap setengah jam) atau yang datang secara acak. 3 pelanggan sekitar 18%. 3. Populasi terbatas Antrean yang hanya memiliki jumlah pengguna layanan potensial terbatas. Sebuah contoh. atau di mana jumlah pelanggan atau kedatangan di waktu yang acak hanyalah sebagian kecil dari kedatangan yang potensial. Pola Kedatangan pada Sistem Pelanggan tiba di sebuah fasilitas pelayanan baik karena memiliki jadwal tertentu (sebagai contoh. Manajemen Operasi kedatangan dianggap sebagai populasi yang tidak terbatas. Figur D. Dengan bantuan tabel pada Lampiran II yang memberikan nilai e–λ untuk digunakan pada distribusi Poisson. barisan yang Anda tinggalkan akan mulai bergerak lebih cepat daripada 1 Ketika tingkat kedatangan melalui proses Poisson dengan rata-rata tingkat kedatangan. “Barisan antrean yang lain selalu bergerak lebih cepat.

Sayangnya.10 0.05 Probabiltas 0 1 2 3 4 5 6 7 8 9 Distribusi untuk λ = 2 0 1 2 3 4 5 6 7 8 9 10 11 Distribusi untuk λ = 4 X Figur D. Pelanggan dapat menolak untuk mengantre karena merasa terlalu lama mendapatkan keperluan mereka.10 0.25 0. Karakteristik Antrean Barisan antrean itu sendiri merupakan komponen kedua dari sebuah sistem antrean.05 Probabilitas X 0.20 0. Namun. Pelanggan yang keluar dari antrean adalah mereka yang mengantre. hidup sangatlah rumit karena orang-orang biasanya menolak dan keluar dari antrean. terdapat beragam prioritas lain yang dapat memotong jalur FIFO.Modul Kuantitatif D • Model Antrean e −λ λ x x! MK-111 Probabilitas = P (x ) = 0.15 0. first-out (FIFO). Panjangnya sebuah antrean bisa tidak terbatas ataupun terbatas. Model antrean dibuat pada modul ini dengan perkiraan panjang antrean yang tidak terbatas. Namun. berpindah antrean. Pertama Keluar Aturan antrean di mana pelanggan yang pertama akan mendapatkan layanan paling pertama.25 0. Aturan antrean ini mengacu pada aturan pelanggan yang akan menerima pelayanan dalam barisannya.15 0. seperti pada kasus pintu tol yang melayani mobil-mobil yang datang. . Karakteristik antrean yang kedua berkaitan dengan aturan antrean. di dalam ruang darurat rumah sakit atau kasir jalur cepat pada sebuah pasar swalayan. Sebagian besar sistem menggunakan aturan disiplin antrean yang dikenal dengan aturan first-in. Contohnya adalah tempat pangkas rambut kecil yang hanya memiliki jumlah kursi tunggu terbatas. Pasien yang mengalami luka kritis akan mendapatkan prioritas pengobatan yang lebih tinggi dibandingkan dengan pasien yang jari atau hidungnya patah. Sebuah antrean disebut terbatas jika antrean tersebut tidak dapat. tetapi menjadi tidak sabar dan meninggalkan antrean tanpa menyelesaikan transaksi mereka. kedua situasi ini baru menunjukkan kebutuhan teori antrean dan analisisnya saja.2 Dua contoh distribusi Poisson pada waktu kedatangan. Pengunjung yang berbelanja kurang dari sepuluh jenis barang mungkin diizinkan untuk masuk dalam kasir jalur cepat (meskipun juga berlaku aturan Aturan Pertama Datang. baik karena peraturan maupun keterbatasan fisik meningkat menjadi tak terbatas.20 0. Sebuah antrean disebut tidak terbatas jika ukurannya tidak dibatasi.

program pembayaran upah di hampir semua perusahaan besar akan mendapatkan prioritas paling tinggi. maka waktu yang diperlukan untuk melayani setiap pelanggan adalah sama. jika bank memiliki beberapa kasir yang sedang bertugas dengan setiap pelanggan menunggu dalam satu jalur antrean umum dengan kasir pertama yang dapat melayani. first served). maka restoran ini menerapkan sistem tahapan majemuk (multiphase system). first served) disebut juga last in.MK-112 Manajemen Operasi bahwa pengunjung yang pertama datang akan dilayani paling awal—first come.2 Karakteristik Pelayanan Komponen ketiga dari setiap sistem antrean adalah karakteristik pelayanan. Contoh kasus ini Sistem antrean satu jalur Sebuah sistem layanan dengan satu jalur dan satu penyedia layanan. Begitu juga pada agen pembuatan SIM yang besar dan sangat sibuk. Sebuah sistem antrean jalur tunggal (single channel queuing system) dengan satu kasir biasanya merupakan pos yang dilewati kendaraan (drive-in bank) dengan hanya satu kasir yang dibuka. sehingga barang yang berada di paling atas akan digunakan pertama kali. Orang di sebuah rumah makan siap saji yang mengambil pesanan dan membawakan makanan juga merupakan sistem satu tahap. kemudian membayarnya di stasiun kedua. Desain Dasar Sistem Antrean Sistem layanan umumnya digolongkan menurut jumlah saluran yang ada (contoh: jumlah penyedia) dan jumlah tahapan (contoh: jumlah penghentian layanan yang harus dibuat). Di sisi lain. Sistem tahapan tunggal Sebuah sistem dengan pelanggan menerima layanan hanya dari satu stasiun. Ketika pembayaran lewat komputer dilakukan di hari tertentu. dan akhirnya pergi ke tempat ketiga untuk melakukan pembayaran. Untuk membantu menghubungkan konsep jalur dan tahapan. anggaplah jika sebuah restoran meminta pelanggannya untuk melayani pesanan Anda di satu stasiun. sebagaimana halnya di tempat pangkas rambut yang besar. Ada dua hal penting dalam karakteristik pelayanan: (1) desain sistem pelayanan dan (2) distribusi waktu pelayanan. 2 . LIFS (last in. Distribusi Waktu Layanan Pola pelayanan serupa dengan pola kedatangan di mana pola ini konstan ataupun acak. Anda mungkin harus menunggu di satu jalur untuk melengkapi surat aplikasi (layanan pemberhentian pertama). first served) biasanya digunakan untuk mengganti FIFO. kemudian mengantre lagi untuk diuji. kemudian keluar dari sistem. Program komputer juga beroperasi dengan jadwal prioritas. Figur D. FIFS (first in. agen tiket penerbangan. Sistem antrean jalur majemuk Sebuah sistem layanan dengan satu jalur antrean. Jika waktu layanannya konstan. tetapi dengan beberapa penyedia layanan. sebagian besar bank menerapkan sistem antrean banyak jalur. Sistem tahapan majemuk Sebuah sistem dengan pelanggan menerima layanan dari beberapa stasiun sebelum keluar dari sistem. Begitu juga dengan sebuah agen pembuatan surat izin mengemudi di mana orang yang mengambil surat aplikasi juga menguji serta mengumpulkan uang pembayaran SIM. Saat ini.3 menggambarkan empat bentuk jalur yang ada. Dalam sebuah sistem satu tahap (single phase system). dan kantor pos. Namun. kemudian meninggalkan sistem. pelanggan hanya menerima layanan dari satu stasiun. first out (LIFO) adalah umum jika bahan-bahannya dibiarkan atau ditumpuk. maka sistem itu disebut sistem antrean jalur majemuk (multiple channel queuing system). dan mengambil makanan di stasiun kedua. Aturan disiplin lainnya.

jika rata-rata waktu pelayanan adalah 20 menit (atau tiga pelanggan per jam). . Jika rata-rata waktu pelayanannya adalah 1 jam. Dalam banyak kasus. maka probabilitas waktu pelayanannya panjang terbilang kecil.5 jam dalam fasilitas pelayanannya.4 menunjukkan bahwa jika waktu pelayanan mengikuti distribusi eksponensial negatif. banyak jalur Keberangkatan setelah pelayanan Antrean Beberapa Kedatangan tempat pendaftaran kuliah Fasilitas Pelayanan Tahap 1 Jalur 1 Fasilitas Pelayanan Tahap 1 Jalur 2 Fasilitas Pelayanan Tahap 2 Jalur 1 Fasilitas Pelayanan Tahap 2 Jalur 2 Keberangkatan setelah pelayanan Sistem tahapan majemuk. Sebagai contoh. maka probabilitas pelanggan akan menghabiskan waktu lebih dari 3 jam adalah kecil. satu jalur Keberangkatan setelah pelayanan Antrean Dua jalur pemesanan lewat mobil di McDonald’s Kedatangan Fasilitas Pelayanan Tahap 1 Sistem tahapan majemuk. Figur D. dapat diasumsikan bahwa waktu layanan acak dapat dijelaskan dengan distribusi probabilitas eksponensial negatif (negative exponential probability distribution). satu jalur Fasilitas Pelayanan Tahap 2 Keberangkatan setelah pelayanan Fasilitas Pelayanan Jalur 1 Antrean Layanan di hampir semua bank dan kantor pos Kedatangan Fasilitas Pelayanan Jalur 2 Fasilitas Pelayanan Jalur 3 Sistem tahapan tunggal.Modul Kuantitatif D • Model Antrean Contoh Kantor dokter gigi keluarga Kedatangan MK-113 Antrean Service facility Sistem tahapan tunggal. seperti pencucian mobil otomatis. Waktu layanan biasanya terdistribusi secara acak. maka sangat jarang terjadi seorang pelanggan berada lebih dari 1.3 Desain Dasar Sistem Antrean adalah dalam operasi pelayanan yang menggunakan mesin. banyak jalur Figur D.

25 1. Waktu rata-rata yang dihabiskan pelanggan dalam antrean.5 0.0 Probabilitas waktu pelahyanan ≥ t 0.50 0. Namun. BIAYA ANTREAN Seperti yang telah dijelaskan pada Penerapan OM “Gratis Tiket Menonton jika Anda Tidak Dilayani dalam 30 Menit di UGD”. 6. µ = rata-rata kecepatan layanan (jumlah rata-rata yang dilayani setiap satuan waktu) e = 2. kita dapat memperoleh banyak perhitungan kinerja sebuah sistem antrean berikut.00 Waktu t (jam) Rata-rata kecepatan layanan (µ) = 1 pelanggan setiap jam. Kemungkinan fasilitas layanan akan kosong.00 2.1 00 0. Faktor kegunaan sistem.00 1. 7. 1.7 0.4 Dua Contoh Distribusi Eksponensial Negatif Waktu Layanan Menghitung Kinerja Antrean Model antrean membantu para manajer membuat keputusan untuk menyeimbangkan biaya pelayanan dengan menggunakan biaya antrean. Jumlah pelanggan rata-rata sistem.8 0.9 0. para manajer masih dapat menoleransi adanya antrean jika biaya antrean yang terjadi dapat diseimbangkan dengan penghematan dalam biaya fasilitas pelayanan. Waktu rata-rata yang dihabiskan pelanggan dalam sistem (waktu tunggu ditambah waktu pelayanan).2 0. Para manajer menginginkan antrean yang cukup pendek sehingga pelanggan tidak akan merasa kesal. Kemungkinan beberapa pelanggan di dalam sistem.75 1. tetapi tidak pernah kembali lagi. kemudian meninggalkan antrean tanpa membeli ataupun membeli. mungkin berlaku untuk kasus-kasus tertentu. Dengan menganalisis antrean. Rata-rata panjang antrean.75 2. 3.50 1.3 0. 2. . Manajemen Operasi Peluang waktu layanan lebih besar dari t = e–µt untuk t ≥ 0 1.50 2.25 0.6 0.7183 (logaritma natural dasar) Rata-rata kecepatan layanan.MK-114 Meskipun Poisson dan distribusi eksponensial digunakan secara umum untuk menggambarkan tingkat kedatangan dan waktu layanan.75 3. atau rata-rata jumlah yang dilayani per satuan waktu (µ) = 3 pelanggan setiap jam waktu layanan rata-rata = 20 menit (atau 1/3 jam per pelanggan) Figur D.25 2. atau yang lainnya. 5.00 0. para manajer operasi harus mengenali pertukaran antara dua biaya: biaya untuk menyediakan pelayanan yang baik dan biaya pelanggan atau mesin yang harus menunggu. Distribusi Probabilitas Eksponensial Negatif Sebuah distribusi probabilitas yang terus-menerus umumnya menggambarkan waktu layanan dalam sebuah sistem antrean. 4. distribusi normal dan Erlang.4 0.

2. Empat model yang paling sering digunakan akan diperkenalkan berikut ini. Kluwer Academic Publishers (1997). lihat N. para karyawan paruh waktu dapat diminta membantu.5 Pertukaran antara Biaya Menunggu dan Biaya Layanan 3 Sebagai contoh. biaya untuk menunggu antrean panjang cenderung tinggi. Seperti dapat kita lihat pada Figur D. dan contoh setiap model ada di bagian berikutnya. atau bisa juga merupakan perkiraan biaya pelanggan yang hilang karena pelayanan yang buruk dan antrean yang panjang. Para manajer antrean panjang di sebuah di beberapa pusat pelayanan dapat mengganti kapasitas dengan personel yang tersedia kantor dokter umum kepada dan mesin yang dapat mereka tugaskan ke stasiun pelayanan tertentu untuk mencegah Anda mengenai persepsi dokter terhadap biaya Anda atau mengurangi antrean yang terlalu panjang. biaya yang dikeluarkan untuk menunggu antrean akan berkurang.) Biaya menunggu dapat mencerminkan produktivitas para pekerja yang hilang ketika mesin atau perkakas yang menunggu perbaikan. para untuk menunggu? manajer dan pegawai gudang dapat membuka kasir tambahan. Keempat model ini menggunakan asumsi: Biaya Perusahaan yang berbeda memberikan nilai waktu yang berbeda kepada pelanggannya. Prabhu. Saat kecepatan pelayanannya meningkat (menjadi lebih cepat).5. Model yang lebih rumit dibahas pada buku teori antrean3 atau dapat dikembangkan melalui penggunaan simulasi (topik modul F). Sebagai contoh. biaya pelayanan meningkat bersamaan Apa yang dikatakan oleh dengan upaya perusahaan untuk meningkatkan kecepatan pelayanannya.5. di toko-toko eceran. bukan? Total biaya minimum Biaya total yang diperkirakan Biaya menyediakan layanan Biaya waktu menunggu Kecepatan pelayanan rendah Kecepatan pelayanan optimal Kecepatan pelayanan tinggi Figur D. (Kembali lagi ke Figur D. Total biaya merupakan penjumlahan biaya pelayanan ditambah dengan biaya menunggu yang diperkirakan. KERAGAMAN MODEL ANTREAN Beragam model antrean dapat diterapkan dalam bidang manajemen operasi. . Foundations of Queuing Theory.2 memiliki tiga karakteristik umum. Hal ini ditunjukkan pada Tabel D. Pada beberapa sistem layanan (sebagai contoh. Di bank dan bandara. layanan mobil ambulans dalam keadaan darurat). Keempat model antrean yang ada pada Tabel D.U.Modul Kuantitatif D • Model Antrean MK-115 Satu cara menilai sebuah fasilitas pelayanan adalah melihat biaya total yang diperkirakan.

Terdapat kurang dari 1% dari 191. Nantinya. jalur antrean. Jaminan waktu 30 menit membuahkan hasil. lewat mobil (drive-through) 3. penggunaan aturan FIFO. Oakwood meningkatkan staf teknisnya. keempat model ini juga menjelaskan sistem pelayanan yang beroperasi dalam (Poisson atau lainnya). jika Anda mengunjungi sebuah ruang gawat darurat akhirakhir ini dan melihat beberapa pasien telah menunggu berjamjam—sedangkan waktu yang lazim untuk menunggu sekitar 47 menit. atau restoran dengan layanan 2. untuk meningkatkan kemampuan pelayanannya. Namun. kedatangan yang berdistribusi Poisson. keempat rumah sakit Oakwood Healthcare mengeluarkan jaminan tersebut. Michigan Oakwood Healthcare mengeluarkan jaminan layanan UGD yang menjanjikan surat permohonan maaf dan tiket menonton kepada pasien yang tidak diperiksa dokter dalam waktu 30 menit. “Kami akan Kunjungilah sebuah bank 1. Diasumsikan sistem memiliki kondisi-kondisi berikut. atau penyedia tunggal. dan Crain’s Detroit Business (4 Maret 2002): 1 Rumah sakit lain tertawa ketika Dearborn. Pada situasi ini.” kata Larry Alexander. Model A (M/M/1): Model Antrean Jalur Tunggal dengan Kedatangan Berdistribusi Poisson dan Waktu Pelayanan Eksponensial Permasalahan antrean yang paling umum mencakup jalur tunggal. Akhirnya.” kata Corrine Victor. petugas administrasi ruang UGD. dan layanan ruangan lainnya. Hal ini berarti tingkat kedatangan dan pelayanan tetap stabil selama analisis. kemudian memperbaiki pembayarannya. “Kedokteran adalah bisnis pelayanan. Sumber: The Wall Street Journal (3 Juli 2002).” CEO Oakwood bahkan memberikan jaminan gawat darurat juga dalam proses pembedahan tepat waktu. Florida. yaitu mengurangi antrean UGD? Pertama. pelayanan satu tahap. pencatatannya. Bahkan. Kini. . kami rata-rata melayani kurang dari tujuh belas menit. kedatangan membentuk satu jalur tunggal untuk dilayani oleh satu stasiun tunggal (lihat Figur D. layanan pemesanan selama 45 menit. Oakwood mengganti dokterdokter UGD-nya dengan kru yang dapat bekerja dengan waktu yang lebih panjang.MK-116 Manajemen Operasi Penerapan MO Gratis Tiket Menonton jika Anda Tidak Dilayani dalam 30 Menit di UGD menawarkan jaminan lima belas menit.000 pasien gawat darurat tahun lalu yang meminta tiket gratis. Kemudian. pegawainya takut hal itu terdengar seperti cara pemasaran murahan. “Dan orang-orang selalu berpikiran bahwa dunia ini seperti industri makanan siap saji. D1.” Bagaimana caranya Oakwood menepati janjinya dengan baik. dan kedatangan waktu untuk melihat jenis distribusi apakah yang mereka tunjukkan Selain itu. kondisi stabil dan berkelanjutan. Oakwood mempelajari teori antrean. tergantung dari pihak rumah sakit— Anda dapat mengerti mengapa tingkat kepuasan pasien Oakwood meningkat.3). ia mengatakan. dan operasi laboratoriumnya untuk mengendalikan waktu pelayanan. “Kini. pemimpin ruang UGD di Sanford.

4.3 dapat dikembangkan. Waktu pelayanan berbeda dari satu pelanggan dengan pelanggan berikutnya dan tidak terikat satu sama lain. Waktu pelayanan terjadi akibat distribusi probabilitas eksponensial negatif. first-out (FIFO). dan setiap kedatangan menunggu untuk dilayani.2 Model Antrean yang Dijelaskan pada Bab ini Model A B Nama (nama teknis) Sistem jalur tunggal Contoh Jumlah Jalur Jumlah Pola Tingkat Tahapan Kedatangan Tunggal Tunggal Poisson Poisson Pola Waktu Pelayanan Ukuran Populasi Disiplin Antrean FIFO FIFO Pusat informasi Tunggal di pertokoan Eksponensial Tidak terbatas Eksponensial Tidak terbatas Konstan Tidak terbatas Jalur majemuk Tempat Ganda pembelian tiket di bandara Layanan konstan Populasi terbatas Tempat cuci Tunggal mobil otomatis Toko dengan Tunggal 12 mesin yang mungkin rusak C D Tunggal Tunggal Poisson Poisson FIFO FIFO Eksponensial Tidak terbatas Tujuan Pembelajaran 2. sistem M/D/I (model C) berarti kedatangannya Poisson.4 Contoh D1 Sebuah Antrean Jalur Tunggal Tom Jones. layanannya konstan. Kedatangan tidak terikat pada kedatangan yang sebelumnya. karakteristik operasi dari sistem antrean Golden Muffler didapatkan 4 Dalam notasi antrean. huruf pertama menunjukkan kedatangan (dengan M menunjukkan distribusi Poisson). dengan mengikuti distribusi Poisson. Menggunakan persamaan model antrean jalur tunggal. Kedatangan dilayani atas dasar first-in. Apakah dampak dari pelayanan yang setara dan tingkat kedatangan? 1. Kedatangan digambarkan dengan distribusi probabilitas Poisson dan datang dari sebuah populasi yang tidak terbatas (atau sangat besar). yang sama dengan kecepatan eksponensial dari layanan—dan D adalah kecepatan layanan konstan). Pelanggan yang menginginkan pelayanan ini tiba di bengkel dengan rata-rata 2 orang per jam. 6. . simbol ketiga menunjukkan jumlah penyedia layanan. beberapa persamaan yang ditunjukkan pada Tabel D. 2. 5. Ketika kondisi-kondisi ini dipertemukan. Dengan demikian. Kecepatan pelayanan lebih cepat daripada tingkat kedatangan. Contoh Dl dan D2 menggambarkan bagaimana Model A (yang dalam jurnal teknisnya dikenal sebagai model M/M/1) dapat digunakan. tetapi tingkat rata-rata waktu pelayanannya diketahui. terlepas dari panjangnya antrean. huruf kedua menunjukkan layanan (dengan M kembali menunjukkan distribusi Poisson. 3.Modul Kuantitatif D • Model Antrean MK-117 Tabel D. dapat memasang knalpot baru rata-rata sebanyak 3 buah per jam (atau 1 knalpot setiap 20 menit) berdasarkan distribusi eksponensial negatif. seorang montir di Golden Muffler Shop. dan terdapat satu penyedia layanan saja. tetapi jumlah kedatangan rata-rata tidak berubah terhadap waktu. first-out dan berasal dari populasi yang sangat besar (hampir tak terbatas). Mereka dilayani dengan aturan first-in. Dari uraian ini.

800 pegawai. unit layanan tidak bekerja) = 1− λ µ WS Lq Wq ρ P0 Pn>k = kemungkinan unit lebih dari k buah dalam sistem. Tabel D. AS mungkin akan menolak keras rata-rata waktu menunggu selama 45 menit. McDonald’s menunjukkan layanan yang baik di MosCow.3 Rumus Antrean untuk Model A: Sistem Jalur Tunggal disebut juga M/M/1 λ μ LS = rata-rata jumlah kedatangan setiap periode waktu = rata-rata jumlah orang atau benda yang dilayani setiap periode waktu = rata-rata jumlah unit (pelanggan) di dalam sistem ( yang menunggu dan dilayani) λ = µ −λ = rata-rata waktu yang dihabiskan setiap unit di dalam sistem (waktu menunggu ditambah waktu layanan) 1 = µ −λ = rata-rata jumlah unit yang menunggu di antrean λ2 = µ(µ − λ) = rata-rata waktu yang dihabiskan unit untuk menunggu di antrean Lq λ = = µ(µ − λ) λ = faktor kegunaan sistem λ = µ = kemungkinan jika tidak ada unit dalam sistem (yakni. tetapi masyarakat Rusia terbiasa dengan antrean yang panjang.MK-118 Manajemen Operasi Restoran McDonald’s yang besar di Moscow menambah 900 tempat duduk. dengan n adalah jumlah unit pada sistem = (λ ) µ k +1 . dan 80 juta dolar dalam obral tahunannya (kurang dari 2 juta dolar di outlet di Amerika Serikat).

] Masalah serupa: D. Pemahaman: Perhatikan bahwa kedatangan dan waktu layanan diubah ke tingkat yang sama. 50%. 0. Lq. ρ.50. Walaupun model antrean yang diuraikan di atas penting untuk menggambarkan kesimpulan waktu tunggu. panjang antrean.2.8%. Contohnya.11a-c.3.8. D. waktu luang . D. Setelah karakteristik operasi sebuah sistem antrean dihitung.667. 30 menit. D.1.4. 15 menit. Latihan pembelajaran: Jika μ = 4 mobil setiap jam kecuali 3 kedatangan sebelumnya. D. Wq.039 k+1 Ws L q Wq ρ P0 0.132 0. Ws.33 probabilitas terdapat 0 mobil dalam sistem Probabilitas Lebih dari k Mobil dalam Sistem k 0 1 2 3 4 5 6 7 Pn>k = (2/3) 0.444 0. D.058 0.296 0. D. D.6% waktu sibuk montir = 1− λ = 1− 2 µ 3 = 0.667 Perhatikan bahwa angka ini sama dengan 1 – P0 = 1 – 0. D. 5 mobil.12a-d.33 mobil yang menunggu di antrean λ 2 = = = 2 jam µ(µ − λ) 3(3 − 2) 3 = 40 menit rata-rata waktu menunggu setiap mobil λ 2 = µ=3 = 66.Modul Kuantitatif D • Model Antrean MK-119 dengan: λ μ Ls = 2 mobil tiba per jam = 3 mobil yang dilayani per jam λ 2 1 = µ −λ = 3−2 = 2 = 2 mobil rata-rata dalam sistem 1 = 1 =1 = µ −λ 3−2 = 1 jam rata-rata waktu menunggu dalam sistem 2 λ2 = = 2 = 4 =4 µ(µ − λ) 3(3 − 2) 3(1) 3 = 1.10. D. waktu layanan selama 20 menit ditunjukkan sebagai rata-rata dari tiga knalpot per jam.33 = 0. berapakah nilai Ls. D. 0.198 Berarti terdapat peluang lebih dari 3 mobil dalam sistem sebesar 19. maka sangatlah penting melakukan analisis ekonomi.9a-e. Juga sangatlah penting untuk membedakan antara waktu di antrean dan waktu di dalam sistem.6.088 0. dan P0 yang baru? [Jawaban: 1 mobil.7.

12e-f.67 per hari Pendekatan ini akan sangat bermanfaat untuk menyelesaikan soal pada Contoh Soal D. Contoh D2 menguji biaya-biaya pada Contoh Dl. kemudian gaji harian Jones. hal ini berdasarkan pada rata-rata waktu tunggu antrean (λ) dikalikan dengan jumlah kedatangan per jam (Wq) dikali dengan jumlah jam per hari.) Masalah serupa: D. Solusi: Karena rata-rata mobil memiliki waktu menunggu selama 2/3 jam (Wq) dan terdapat sekitar 16 mobil yang dilayani per hari (2 kedatangan per jam dikalikan dengan waktu kerja 8 jam per hari). berapakah total biaya harian yang diperkirakan? (Jawaban: $293. dibayar $7 per jam. Contoh D2 Analisis Ekonomi dari Contoh D1 Pemilik Golden Muffler Shop tertarik dengan faktor biaya dan parameter antrean yang dihitung pada Contoh D1. Pendekatan: Pertama. sang montir. D. D. Seperti telah dilihat sebelumnya.23. selama Lq = Wq λ. total jumlah waktu yang dihabiskan oleh pelanggan untuk menunggu pemasangan knalpot setiap hari adalah 2 (16) = 32 = 10 2 jam 3 3 3 Jadi.2 di halaman MK-134. si montir. dan terakhir total biaya yang diperkirakan. Jadi: Total biaya yang diperkirakan = $106.34.22. Menghitung analisis biaya dari waktu tunggu. Satu-satunya biaya lain yang dapat ditemukan oleh pemilik Golden dalam situasi antrean ini adalah gaji Jones.67 per hari. yang mendapatkan $7 per jam atau $56 per hari.24. D. pada kasus ini. Tujuan Pembelajaran 3. Jones.67 + $56 = $162. Ia memperkirakan biaya waktu menunggu pelanggan yang terkait ketidakpuasan pelanggan dan hilangnya minat mereka adalah $10 per jam yang dihabiskan untuk menunggu dalam antrean.13. D. Latihan pembelajaran: Jika waktu tunggu pelanggan $20 per jam dan Jones mendapatkan kenaikan gaji hingga $10 per jam. Pemahaman: Lq dan Wq adalah dua parameter antrean paling penting dalam analisis biaya. model antrean ini tidak menjelaskan keputusan optimal atau mempertimbangkan faktor-faktor biaya.MK-120 Manajemen Operasi yang potensial. . dan lain-lain. solusi permasalahan antrean mungkin memerlukan pengaturan untuk membuat penjualan di antara biaya yang ditingkatkan untuk menyediakan layanan yang lebih baik dan pengurangan biaya tunggu akibat adanya pelayanan tersebut. Biaya waktu menunggu pelanggan = $10 10 2 3 ( ) = $106. Dengan menghitung waktu tunggu pelanggan. Hal ini juga sama seperti menggunakan Lq. Ini karena contoh ini berbasis harian. hitunglah rata-rata pelanggan setiap hari.

persamaan ini digunakan dengan cara yang sama dan menghasilkan jenis informasi yang sama dengan model yang lebih sederhana. disebut juga M/M/S M = jumlah jalur yang dibuka λ = rata-rata tingkat kedatangan μ = rata-rata kecepatan pelayanan di masing-masing jalur Probabilitas tidak adanya orang atau unit dalam sistem adalah: P0 = 1  M −1 1  λ  n  1  λ  M Mµ  + n!  µ   M !  µ  Mµ − λ       n=0  untuk Mµ > ∑ Rata-rata jumlah orang atau unit pada sistem adalah: Ls = λµ(λ / µ) M λ P + ( M − 1)!( Mµ − λ )2 0 µ Rata-rata waktu yang dihabiskan sebuah unit di antrean dan kemudian dilayani (di dalam sistem) adalah: Ws = µ (λ / µ ) M 1 L P + = s ( M − 1)!( Mµ − λ )2 0 µ λ λ µ Rata-rata jumlah orang atau unit di antrean yang menunggu layanan adalah: Lq = Ls − Rata-rata waktu yang dihabiskan orang atau unit di antrean untuk dilayani adalah: Wq = Ws − 1 Lq = µ λ Model B (M/M/S): Model Antrean Jalur Majemuk Tujuan Pembelajaran 4. first-served. Menggunakan rumus model antrean jalur majemuk. Pelayanan dilakukan dengan cara first-come.3 untuk melihat ciri khas bentuk jalur majemuk. dan semua stasiun layanan diasumsikan memiliki kecepatan pelayanan yang sama. akan dibahas sistem antrean jalur majemuk dengan dua jalur (stasiun layanan) atau lebih yang tersedia untuk menangani pelanggan yang datang. Asumsi lainnya pada model jalur tunggal juga masih berlaku. Sekarang. dan pelanggan yang berada di barisan terdepan akan dilayani pertama kali oleh kasir yang ada. Bentuk antrean jalur majemuk dan satu tahap masih banyak ditemukan di sebagian besar bank saat ini: Sebuah jalur umum dibuat.Modul Kuantitatif D • Model Antrean MK-121 Tabel D.) Sistem jalur majemuk yang ditunjukkan pada Contoh D3 memisalkan pola kedatangan mengikuti distribusi probabilitas Poisson dan waktu pelayanannya mengikuti distribusi eksponensial negatif. . (Lihat Figur D. Persamaan antrean untuk Model B (yang juga memiliki nama teknis M/M/S) ditunjukkan pada Tabel D.4.4 Rumus Antrean Model B: Sistem Jalur majemuk. Asumsinya adalah pelanggan yang menunggu layanan akan membentuk satu jalur dan akan dilayani pertama kali oleh stasiun layanan yang tersedia. Persamaan ini lebih rumit daripada persamaan yang digunakan pada model jalur tunggal. walaupun demikian.

0415 jam 2 λ = 2. Latihan pembelajaran: Jika µ = 4 jam. 16 menit. Ws.4. akan menunggu di jalur tunggal hingga salah satu dari kedua montir selesai. Pendekatan: Hitunglah beberapa nilai persamaan M = 2 sistem antrean.MK-122 Manajemen Operasi Contoh D3 Antrean Jalur Majemuk Bengkel Golden Muffler memutuskan untuk membuka bengkel kedua dan mempekerjakan montir kedua untuk memasang knalpot. Karakteristik model dua jalur ini dapat dirangkum dan dibandingkan dengan model jalur tunggal berikut.5 menit rata-rata waktu yang dihabiskan oleh sebuah mobil dalam sistem.083 rata-rata waktu yang dihabiskan oleh sebuah mobil dalam antrean. D.75 jumlah mobil rata-rata dalam sistem. Ls.9f. 1 menit] Masalah serupa: D. dan bukan µ = 3. Solusi: P0 = 1  1 1 2 n  1 2 2 2(3) ∑ + n=0 n ! 3  2 ! 3 2(3) − 2 1 1 = =1 = 2+1 4 6 1+ 2 + 1 2 1+ 3 2 9 6 −2 3 3 = 0.033 mobil. berapakah nilai P0. Lq. D. Pelanggan yang datang dengan tingkat kedatangan sekitar λ = 2 orang per jam. dan Wq yang baru? [ Jawaban: 0. λ 3 2 9 8 1 Lq = Ls − µ = 4 − 3 = 12 − 12 = 12 = 0.20. Pemahaman: Sangatlah menarik menemukan perbedaan yang sangat besar dalam kinerja layanan ketika penyedia layanan lainnya ditambah. dengan menggunakan persamaan dalam Tabel D. () () ( )( ) Kemudian. . Ws = Ls 3 / 4 3 = = jam 2 8 λ = 22. 083 = = 0. Perusahaan ingin tahu perbandingan sistem ini dengan sistem antrean jalur tunggal yang terdahulu.5 menit rata-rata waktu yang dihabiskan oleh sebuah mobil dalam antrean.5 probabilitas terdapat 0 mobil dalam sistem. Ls = (2)(3)(2 / 3)2 1 + 2 = 8/3 1 + 2 = 3 3 16 2 3 4 1![2(3) − 2]2 2 () () = 0. Wq = Lq 0. D. 0.6. dan bandingkan hasilnya dengan Contoh D1.15. 0. Setiap montir memasang knalpot sekitar μ = 3 per jam.11d.53.

0031 0.0 3.” Fortune.70 0.80 0.0039 0.0324 0.1873 0.0398 0.0454 0.6333 2.2411 0.55 0.0 1.5000 0.8 3.500 dokter dan perawat untuk mengurangi antrean panjang di rumah sakit.1739 0.0593 0.2724 0.20 0.3681 0.8 2.0239 0.2770 0.4907 2.0500 0.6384 .0067 0.0371 0.0147 0.0069 0.0904 0.4 3.9000 1.0019 0.3128 0.8444 7.6 1.1884 0.Modul Kuantitatif D • Model Antrean MK-123 Tabel D.50 0.0189 0.0550 1.0158 0.0041 0.0833 0.3333 0.6 2.2164 3.9322 12.30 0.0061 0.0059 0.7365 1.2666 0.0893 16.2000 4.5 Nilai Lq dengan M = 1 – 5 Jalur Layanan dan Nilai-nilai ρ = λ/µ yang terpilih “Teori antrean menunjukkan bahwa jumlah kematian yang disebabkan oleh serangan teroris ke Washington D.0239 0.2 3.0767 0.1261 4.1609 0.008 0.6734 3 4 5 0.60 0.5128 0.5320 0.2767 0.1227 0.6748 1.0084 0.8888 1.4 4.0020 0.0112 0. dapat dikurangi hingga 90% dengan menerbangkan lebih dari 8.C.1000 18.9060 7.0030 0.2 4.2285 0.6581 1.90 0.10 0.40 0.0053 0.4305 0.111 0.264 0.0227 0. 4 September 2006 ρ 0.1523 0.0000 1.2 2.0499 0.0 4.6722 0.15 0.2675 9.1051 0.1047 0.5128 2.8 4.3856 3.8 1 0.0043 0.1778 0.2 1.0604 0.5282 2.0 2.1285 0.0166 0.3541 0.0976 0.0300 0.6 4.9366 0.0500 2 0.3269 5.35 0.2071 1.0659 0.4 2.0121 0.2885 21.95 1..6 3.85 0.2500 3.45 0.65 0.25 0.75 0.8166 8.333 0.3449 2.0110 0.4 1.

Latihan pembelajaran: Jumlah pelanggan yang datang pada hari Kamis di Alaska National Bank 15 orang/jam. Lq (yang akan dicari).5. waktu yang dihabiskan untuk menunggu dalam antrean berkurang dari 40 menit menjadi hanya 2. maka akan berkurang menjadi 0.1 orang. 0. 0. dan jika dilakukan penambahan kasir maka tidak akan ada pelanggan yang harus menunggu. (Jawaban: 2.127 jam ≅  menit. jika Wq = Lq/λ. Contoh D4 menjelaskan kegunaan dari Tabel D.5 memudahkan kita untuk menemukan nilai Lq. 3. Tabel D. Kembali ke tabel. maka Lq turun menjadi 0.5 menit Manajemen Operasi Layanan yang meningkat ini memiliki dampak dramatis pada hampir seluruh karakteristik. atau 5 model jalur antrean jika tidak ada komputer.5 mudah untuk membandingkan nilai Lq untuk setiap jumlah penyedia yang berbeda (M). Solusi: Hasil perbandingannya adalah ρ = λ/µ = 18 = 0. 2. CEO-nya. maka 0.5 0. 4. disebut ρ ([rho] mudah ditemukan seperti λ/µ). perhitungan jalur antrean majemuk dapat diselesaikan dengan Tabel D. 2.) Masalah serupa: D.2285 pelanggan/(18 pelanggan per jam) = 0.0147. Wq. Tabel ini merupakan hasil dari ratusan perhitungan yang menunjukkan tiga hubungan: (1) perbandingan. Pendekatan: Ted memutuskan menggunakan Tabel D. maka Wq = 8.083 mobil 2. ρ di bawah = 0. Pemahaman: Jika tidak ada komputer. Jika satu antrean dibuka.5 untuk menghitung Lq dan Wq. Perhitungannya akan menjadi sangat memusingkan. Untuk setiap hasil gabungan tingkat utilisasi (ρ) dan M = 1. Tabel D.33 mobil 40 menit Dua Jalur 0.MK-124 Satu Jalur P0 Ls Ws Lq Wq 0. atau 5 jalur layanan yang terbuka. dan (3) rata-rata jumlah pelanggan yang mengantre.75 mobil 22. Kecepatan layanannya 20 pelanggan/jam. Jika dua kasir yang dibuka.45 jam = waktu menunggu 27 menit. maka Wq = 0. seorang manajer yang harus berurusan dengan M = 3. kemudian menghitung Wq.0041.1227. jika dua kasir dibuka. Hitunglah berapakah pelanggan yang menunggu jika terdapat 1. jika M = 3 kasir. maka rata-rata jumlah pelanggan yang akan mengantre 8. Ted Eschenbach memperkirakan jumlah pelanggan yang datang adalah sekitar λ = 18 per jam. dan jika M = 4 kasir. Anda dapat langsung melihat nilai yang tepat untuk Lq dengan membaca tabel.2285 pelanggan. Fungsi Tabel Antrean Bayangkan. (2) jumlah jalur layanan yang terbuka.1 pelanggan/(18 pelanggan per jam) = 0. Contoh D4 Kegunaan tabel antrean Alaska National Bank mencoba memutuskan banyaknya kasir yang harus dibuka di hari Sabtu yang sibuk. 20 Ted melihat jika hanya M = 1 kasir yang dibuka. Untungnya. Mudah untuk menghitung rata-rata waktu menunggu di antrean. dan setiap kasir dapat melayani sekitar µ = 20 pelanggan per jam. 4. atau 3 penyedia layanan.33 2 mobil 60 menit 1. dan seterusnya.90.5 menit.5 menit 0.03.90.5.5 . Contohnya.25.

Ini adalah sebuah model M/M/S. Beberapa sistem pelayanan memiliki waktu pelayanan yang tetap. waktu pelayanannya umumnya konstan. Saat pelanggan sedang diproses menurut suatu siklus yang tetap. Anda mungkin ingin memeriksa hasil perhitungan Contoh D3 dengan nilai yang dicantumkan di Tabel D.Modul Kuantitatif D • Model Antrean MK-125 Jalur antrean yang panjang seperti di Los Angeles International (LAX) merupakan pemandangan umum di banyak bandara. Karena tingkat yang konstan ini sifatnya pasti. dan Ws selalu lebih kecil daripada nilai-nilai pada Model A yang kecepatan pelayanannya lebih bervariasi.6. petugas penerbangan menambah atau mengurangi penyedia layanan di setiap loketnya. di mana para calon penumpang menunggu di satu garis antrean dengan satu atau beberapa pegawai. Ls.5. Selain Lq. bukan berdistribusi eksponensial seperti biasanya. baik rata-rata panjang antrean maupun rata-rata waktu menunggu dalam antrean akan menjadi setengah nilainya dengan Model C. Tabel D. Berdasarkan tingkat kedatangan yang berbeda tiap jamnya. Sebenarnya. nilai-nilai Lq. Model C juga memiliki nama teknis M/D/1 dalam literatur teori antrean. karakteristik operasi umum tertulis dalam buku teks teori antrean. Menggunakan persamaan model pelayanan waktu konstan. Wq. Model C (M/D/1): Model Waktu Pelayanan Konstan Tujuan Pembelajaran 5.6 Rumus Antrean Model C: Pelayanan konstan disebut juga M/D/1 Panjang antrean rata-rata: Lq = λ2 2µ(µ − λ) λ 2µ(µ − λ) Rata-rata waktu menunggu di antrean: Wq = λ Rata-rata jumlah pengunjung dalam sistem: Ls = Lq + µ Rata-rata waktu dalam sistem: Ws = Wq + 1 µ . Rumus model pelayanan tetap diberikan pada Tabel D. seperti pada kasus cuci mobil otomatis atau wahana di taman hiburan. Anda boleh menambah nilainya jika ρ tidak tercantum dalam kolom pertama.

dan rata-rata waktu menunggu dalam sistem? [Jawaban: 0. pengemudi truk menunggu kurang lebih selama 15 menit sebelum mengosongkan isi truk mereka untuk didaur ulang. Pendekatan: CEO Tony Inman mempekerjakan mahasiswa magang untuk menghitung analisisnya dan memeriksa biaya versus keuntungan dari pembelian. Solusi: Biaya menunggu sekarang/perjalanan = (1/4 jam (tunggu)) ($60/jam (biaya)) = $15/perjalanan Sistem yang baru: λ = 8 truk/jam (kedatangan). kita perlu menggunakan model antrean yang berbeda.14. D.21. D. Mahasiswa ini menggunakan persamaan Wq pada Tabel D. 1. kita ingin memperbaiki peralatan sebuah pabrik yang memiliki 5 mesin. Contoh D5 Model layanan konstan Inman Recycling. rata-rata jumlah truk dalam sistem.33.6.16. yaitu 12 truk per jam (berarti 5 menit untuk setiap truk). Latihan pembelajaran: Dengan sistem layanan konstan yang baru. Inc. maka biaya akan berkurang sebesar $3 untuk setiap truk yang kosong. memelihara . Perhatikan dua penyebut dalam persamaan Lq dan Wq pada Tabel D. µ = 12 truk/jam (pelayanan) λ 8 1 Rata-rata waktu tunggu di antrean = Wq = 2µ(µ − λ) = 2(12)(12 − 8) = 12 hr Biaya menunggu/perjalanan dengan = (1/12 jam (tunggu)) ($60/jam (biaya)) mesin baru = $ 5/perjalanan Penghematan karena mesin baru = $15 (sistem sekarang) – $5 (sistem baru) = $10/perjalanan = $ 3/perjalanan = $ 7/perjalanan Pengurangan biaya bahan baru: Penghematan bersih: Pemahaman: Waktu layanan konstan yang biasanya diperoleh dari hasil otomatisasi dapat membantu mengontrol perbedaan variabel dalam sistem layanan. berapakah rata-rata waktu tunggu antrean. mengumpulkan kaleng aluminium dan botol bekas di Reston. Hal ini dapat mengurangi rata-rata panjang antrean dan waktu tunggu. Biaya pengemudi dan truk untuk menunggu dalam antrean adalah $60 per jam.0833 jam. Model D: Model Populasi yang Terbatas Ketika terdapat sebuah populasi pelanggan potensial yang terbatas dalam sebuah fasilitas pelayanan.1667 jam] Masalah serupa: D. Jika mesin baru ini digunakan.6. Sebuah mesin daur ulang kaleng otomatis baru dapat digunakan untuk memproses muatan truk dengan tingkat tetap. Truk yang datang rata-rata berdistribusi Poisson 8 kedatangan per jam. 0. Saat ini. Sebagai contoh.MK-126 Manajemen Operasi Contoh D5 memberikan contoh analisis sistem layanan konstan. Louisiana.

Hazelwood. Tabel D. Model ini berbeda dengan ketiga model antrean sebelumnya karena terdapat hubungan saling ketergantungan antara panjang antrean dan tingkat kedatangan. Finite Queuing Tables (New York: Wiley.5 5 Tabel terbatas disediakan untuk menghitung populasi hingga 250 kedatangan. Perhatikan bahwa notasinya berbeda dengan yang digunakan pada model A. Melakukan analisis model populasi terbatas. Sebagian kecil tabel antrean terbatas digambarkan pada modul ini. aturan sederhananya adalah demikian: Jika jumlah antrean sebanding dengan populasi kedatangan.G. dan C. F adalah faktor efisiensi dari waktu menunggu.7 Rumus Antrean dan Notasi Model D: Rumus Populasi Terbatas Faktor layanan: X = T T +U L(T + U ) T (1 − F ) = N −L XF Rata-rata pelanggan menunggu: L = N(1– F) Rata-rata waktu menunggu: W = Rata-rata jumlah pelanggan bergerak: J = NF(1 – X) Rata-rata pelanggan yang dilayani: H = FNX Jumlah populasi: N = J + L + H Notasi probabilitas unit perlu mengantre faktor efisiensi rata-rata jumlah unit yang dilayani rata-rata jumlah unit yang tidak mengantre L = rata-rata jumlah unit yang menunggu layanan D F H J = = = = M N T U jumlah jalur layanan jumlah pelanggan potensial rata-rata waktu layanan rata-rata waktu di antara permohonan layanan W = rata-rata waktu sebuah unit mengantre X = faktor layanan = = = = Sumber: L.Modul Kuantitatif D • Model Antrean MK-127 Tabel D. Situasi ekstrem tersebut dapat digambarkan sebagai berikut: jika sebuah pabrik memiliki lima mesin yang semuanya rusak dan sedang menunggu perbaikan. MK-130) memuat data untuk suatu populasi N = 5. Untuk menyederhanakan proses perhitungan yang memakan waktu. Meskipun tidak ada nilai tetap yang dapat kita gunakan sebagai titik pembagi antara populasi terbatas dan tidak. Jadi. secara umum.7 memberikan rumus antrean untuk model populasi terbatas.N. sebuah armada yang terdiri atas 10 buah pesawat terbang. Model populasi terbatas dapat digunakan untuk menghitung jumlah orang yang melakukan reparasi (pelayanan). maka tingkat kedatangan pelanggan atau mesin akan menurun. tabel antrean populasi terbatas telah dibuat untuk menentukan D dan F. B. Tujuan Pembelajaran 6. Peck dan R. Tabel D. maka tingkat kedatangan akan jatuh menjadi nol. atau memiliki sebuah kamar rumah sakit yang memiliki 20 tempat tidur. D dan F diperlukan untuk menghitung hampir semua rumus model terbatas lainnya.8 (hlm. D adalah probabilitas sebuah mesin yang memerlukan perbaikan harus menunggu antrean. 1958). jika jalur antrean menjadi lebih panjang pada model populasi terbatas. gunakanlah populasi model antrean .

3. 5. maka J = (5)(0. J.00 $50. 2. maka D = 0. Analisis biayanya adalah sebagai berikut. Hitung L. DC. Seorang teknisi yang bertugas dapat memperbaiki sebuah mesin cetak rata-rata selama 2 jam dengan mengikuti distribusi eksponensial. 4. di mana X = T/(T + U).36. Kemudian. Teknisi dibayar sebesar $25 per jam. . Apakah Departemen Energi AS perlu mempekerjakan teknisi kedua? Pendekatan: Dengan mengasumsikan bahwa teknisi kedua dapat memperbaiki sebuah mesin cetak dengan rata-rata waktu 2 jam. X = T = 2 = 2 = 0. 3.8.960.960)(1 – 0. L. Untuk M = 2 teknisi. 6.091) = 4. G. Untuk M = 2.20 Biaya Teknisi/ Jam ($25/Jam) $25.MK-128 Manajemen Operasi Untuk menggunakan Tabel D.64 0. Kerusakan mesin cetak ditentukan mengikuti distribusi Poisson.46 Biaya Mesin Rusak Ratarata/Jam (N – J) ($120/Jam) $76. Jumlah Teknisi Rata-rata Kejadian Mesin Rusak (N – J) 0. Untuk M = 1 teknisi.80 $55.998)(1 – 0. 1958). Contoh D6 Model populasi terbatas Data masa lalu menunjukkan bahwa masing-masing dari lima mesin cetak komputer laser di Departemen Energi.350 dan F = 0. 2. lihatlah Finite Queuing Tables. Jumlah mesin cetak yang bekerja rata-rata adalah J = NF (1 – X).8 dapat digunakan (terdapat N = 5 mesin dalam populasi terbatas ini) untuk membandingkan biaya mempekerjakan 1 teknisi dengan 2 teknisi. 1. Peck dan R. Perhatikan bahwa T = 2 jam dan U = 20 jam.091) = 4. H.044 dan F = 0. N. 4. Biaya kerusakan mesin adalah $120 per jam. Perhatikan nilai bagi D dan F.998. memerlukan perbaikan setelah digunakan sekitar 20 jam.80 $105. kemudian tentukan baris M (M adalah banyaknya jalur layanan). Cari nilai X pada tabel. 091 T + U 2 + 20 20 (mendekati 0. W. Untuk M = 1.090 [digunakan untuk menentukan D dan F]). ikuti empat langkah berikut.54. maka D = 0. Hazelwood (New York:Wiley.00 Biaya Total/Jam 1 2 $101.20 terbatas. Hitung X (faktor pelayanan). atau apa saja yang diperlukan untuk mengukur kinerja sistem layanan. Untuk nilai-nilai N yang lengkap. Tabel D. Solusi: 1. Amerika Serikat di Washington. Contoh D6 menggambarkan langkah-langkah ini. maka J = (5)(0.

Sebagai contoh.17. D.Modul Kuantitatif D • Model Antrean MK-129 Pemahaman: Analisis ini menyarankan bahwa dengan mempekerjakan hanya 1 orang teknisi akan menghemat ($105.] Masalah serupa: D.40 per jam).19.997. Sebuah sistem pendaftaran di perguruan tinggi di mana mahasiswa senior boleh memilih mata kuliah dan jadwal lebih dahulu daripada mahasiswa lain. dan diuji oleh seorang dokter untuk pemeriksaan medis di stasiun keempat.275. sang calon harus masuk ke antrean yang baru dan menunggu gilirannya.56. J = 4. Ini adalah antrean panjang para pelanggan di Chicago Office of the Consulate of Mexico. bertemu dengan ahli kejiwaan di stasiun ketiga.487. Latihan pembelajaran: Departemen Energi mengganti mesin cetaknya dengan model baru yang akan mengalami kerusakan setelah 18 jam pemakaian. Salah satu model ini dijelaskan pada kotak Penerapan MO. mereka mendapatkan dokumen legal. seperti empat model matematika yang telah diuraikan di atas.20 – $101. Banyak model dan beberapa di antaranya yang sangat kompleks telah dikembangkan untuk menghadapi situasi seperti ini. Pertama. Sebuah ujian fisik bagi calon militer adalah sebuah contoh sebuah sistem tahapan majemuk yang berbeda dengan model satu tahap yang telah dibahas terlebih dahulu pada modul ini. F = 0. variasi dari kasus-kasus spesifik ini sering muncul dalam suatu analisis. Bean Beralih ke Teori Antrean”.80 = $3. dan total biaya/jam = $112. Namun. kemudian mengantre untuk pengujian mata di stasiun berikutnya.18. Jadi. Ini bukanlah Disney World. di mana menunggu adalah hal yang dapat dimaklumi—bahkan menyenangkan—di sekitar wahana-wahana. Hitung ulang biayanya.95. L. D. para calon mengantre untuk diambil darahnya di satu stasiun. di mana para imigran mendaftarkan kartu tanda penduduk mereka. F = 0. Pada setiap tahapan. dan total biaya/jam = $111. Bagaimanakah seharusnya prinsip modul ini dapat digunakan untuk memperbaiki sistem antrean ini? . Jika M = 2. termasuk contoh model first-come. first-served dengan prioritas aturan antrean. waktu pelayanan di sebuah bengkel perbaikan mobil cenderung mengikuti distribusi probabilitas normal dan bukan eksponensial. PENDEKATAN ANTREAN LAIN Banyak permasalahan antrean yang terjadi dalam sistem pelayanan memiliki karakteristik. “L. J = 4. [Jawaban: Jika M = 1.

063 0.50 0.999 0.987 0.60 0.836 0.089 0.906 0.969 0.012 0.999 0.265 0.841 0.992 0.421 0.616 0.044 0.973 0. 978 0.542 0.161 0.999 0.013 0.501 0.885 0.180 0.115 0.392 0.008 0.66 0.945 0.990 0.007 0.999 0.981 0.220 0.628 0.071 0.179 0.678 0.708 0.580 0.597 0.079 0.996 0.977 0.102 0.85 0.100 0.163 0.995 0.998 0.869 0. 999 0.969 0.520 0.985 0.767 0.521 0. 997 0.952 0.995 0.105 M 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 D F X M 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 D F X M 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 D F X M 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 D F X M 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 4 3 2 4 3 2 4 3 2 4 3 D F 0.368 0.027 0.568 0.983 0.689 0. 998 0.582 0.996 0.117 0.686 0.800 0.750 0.404 0.588 0.34 0.384 0.320 0.990 0.997 0.194 0. 950 0.926 0.098 0.994 0.222 0.806 0.125 0.135 0.245 0.460 0.794 0.121 0.357 0.461 0.422 0.054 0.998 0.58 0.165 0.665 0.670 0.175 0.991 0.076 0.024 0.999 0.765 0.540 0.012 0. 999 0.993 0.058 0.999 0.989 0.170 0.382 0.927 0.342 0.750 0.110 0.026 0.661 0. 998 0.537 0. 973 0.150 0. 997 0.986 0.52 0.981 0.135 0.999 0.747 0.400 0.652 0.880 0.410 0.010 0.975 0.44 0.871 0.522 0.229 0.237 0.920 0.728 0.082 0.989 0.994 0.994 0.505 0.702 0.989 0.90 0.70 0.211 0.763 0.955 0.981 0.432 0.296 0. 997 0.730 0.54 0.568 0.907 0.907 0.327 0.938 0.323 0.011 0.861 0.944 0.998 0.998 0.957 0.059 0.230 0.994 0.608 0.500 0.990 0.914 0.442 0.294 0.827 0.979 0.927 0.850 0.996 0.048 0.439 0.999 0.30 0.960 0.854 0.359 0.950 0.25 0.360 0.386 0.918 0.689 0.896 0.026 0.997 0.953 0.80 0.631 .972 0.775 0.991 0.911 0.470 0.200 0.493 0.284 0.049 0.480 0.120 0.159 0.370 0.035 0.650 0.113 0.015 0.984 0.997 0.801 0.985 0.024 0.120 0.310 0.999 0.945 0.330 0.985 0.266 0.815 0.350 0.983 0.815 0.130 0.842 0.313 0.190 0.500 0.900 0.600 0.036 0.462 0.253 0.270 0.787 0.987 0.362 0.779 0.982 0.960 0.471 0.013 0.022 0.143 0.999 0.883 0.145 0.553 0.987 0.62 0.19 0.997 0.130 0.308 0.611 0.999 0.260 0.877 0.941 0.046 0.638 0.992 0.160 0.999 0.811 0.677 0.583 0.247 0.183 0.989 0.268 0.826 0.250 0.985 0.56 0.993 0.950 0.303 0.415 0.145 0.300 0.75 0. 965 0.881 0.613 0.280 0.989 0.100 0.123 0.031 0.052 0.991 0.399 0.988 0.999 0.085 0.46 0.560 0.713 0.240 0.211 0. 977 0.579 0.999 0.240 0.853 0.695 0.904 0.112 0.966 0.999 0.735 0.028 0.009 0.210 0.086 0.597 0.214 0.68 0.992 0.520 0.426 0.976 0.094 0.895 0.999 0.783 0.656 0.229 0.999 0.831 0.260 0.927 0.238 0. 998 0.064 0.333 0.40 0.018 0.103 0.073 0.109 0.345 0.141 0.994 0.516 0.316 0.336 0.933 0.902 0.017 0.995 0.032 0.071 0.532 0.095 0.988 0.451 0.065 0. 955 0.995 0.748 0.819 0.933 0.999 0.402 0.739 0.988 0.198 0.999 0.777 0.041 0.875 0.666 0.700 0.996 0.850 0.984 0.286 0.991 0.919 0.995 0.040 0.380 0.019 0.053 0.420 0.999 0.340 0.980 0.988 0.186 0.807 0.998 0.972 0.652 0.023 0.939 0.137 0.924 0.037 0.845 0. 960 0.031 0.900 0. 969 0.972 0.456 0.999 0.944 0.473 0.540 0.016 0.892 0.076 0.290 0.912 0.MK-130 Manajemen Operasi Tabel D.712 0.892 0.960 0.497 0.444 0.863 0.275 0.569 0.936 0.856 0.994 0.950 0.995 0.996 0.95 0.999 0.64 0.42 0.965 0.017 0.756 0.993 0.200 0.045 0.993 0.332 0.489 0.021 0.115 0.869 0.986 0.8 Tabel Antrean terbatas dengan Populasi N = 5* X 0.932 0.961 0.998 0.440 0.992 0.167 0.206 0.12 0.644 0.998 0.020 0.917 0.998 0.130 0.838 0.976 0.155 0.140 0.719 0.980 0.900 0.021 0.

jalur majemuk yang merupakan padanan dari Model A. Keempat model ini dapat menggunakan tingkat kedatangan berdistribusi Poisson dengan aturan pelayanan first-in. panggilan yang tidak terlayani menjadi berkurang 81%. Selama periode tertentu. Sekitar 65% volume penjualan L. model kecepatan pelayanan konstan. dan pendapatannya meningkat 16%. dan Interfaces (Januari/Februari 1991): 75–91 dan (Maret/April 1993): 14–20.000 dalam pendapatan bruto.L. L. Saat itu merupakan musim penjualan tertinggi. Pada modul ini. Pada kasus ini. RANGKUMAN Antrean merupakan sebuah bagian penting dalam dunia manajemen operasi. waktu luang. penggunaan model antrean ini menghasilkan peningkatan dalam hal panggilan yang dapat dijawab sebesar 24% lebih banyak daripada sebelumnya. rata-rata jumlah pelanggan dalam sistem dan antrean. Model antrean paling umum yang digunakan meliputi: Model A.L.L. Pesanan yang diterima meningkat 17%. Bean Beralih ke Teori Antrean Dengan mengembangkan model antrean yang sama seperti yang diperkenalkan pada buku ini. Tidak diragukan lagi. Dengan sistem baru ini. Penerapan simulasi pada permasalahan sistem antrean akan dibahas pada Modul Kuantitatif F. L. 80% panggilan masuk menerima nada sibuk. dan Model D. L. teori antrean mengubah cara L. dan waktu menjawab panggilan berkurang menjadi 84%. dijelaskan beberapa sistem antrean umum dan analisis model matematika. Persentase penelepon yang menghabiskan waktu kurang dari 20 detik dalam antrean meningkat dari hanya 25% menjadi 77%. Bean berkomunikasi. Berikut bagaimana buruknya kondisi yang terjadi. sebuah sistem dengan populasi terbatas.L. Bean dikenal sebagai pedagang eceran barang-barang furnitur luar ruangan yang berkualitas tinggi. sistem satu tahap dengan satu jalur dasar. Bean dapat menentukan jumlah saluran telepon dan banyaknya pekerja yang bertugas setiap setengah jam di sepanjang hari musim penjualan. kedatangan berdistribusi Poisson. total pesanan yang hilang karena masalah antrean mencapai nilai $500. Terdapat berbagai model antrean yang tidak memenuhi semua asumsi untuk model tradisional. kerugian yang diperkirakan adalah $25. L. dan pelayanan satu tahap.L. Dalam waktu satu tahun. serta tingkat utilisasi. digunakan model matematika yang lebih rumit atau teknik yang disebut simulasi. Bean menghadapi masalah yang sangat parah.000 setiap hari. first-out.L. Dengan membiarkan para pelanggan menunggu “di antrean” (di telepon). Model C. Model B. sementara kualitas pelayanan terhadap panggilan yang masuk tidak memenuhi standar. Karakteristik operasi umum yang dipelajari meliputi rata-rata waktu untuk menunggu dalam sistem dan antrean. Pada hari yang sangat sibuk. Istilah-istilah Penting Teori antrean (queuing theory) Antrean (waiting line/queue) . Bean dihasilkan melalui pemesanan via telepon bebas pulsa ke kantor pelayanan pusatnya di Maine. dan waktu pelayanan berdistribusi eksponensial. dan para penelepon yang tidak menerima nada sibuk sering harus menunggu hingga 10 menit sebelum berbicara dengan seorang petugas penjualan. Bean memperkirakan hilangnya keuntungan senilai $10 juta yang disebabkan oleh kesalahan mengalokasikan sumber daya pemasaran melalui telepon. Sumber: Human Resource Management International Digest (November–Desember 2002): 4–9.L.Modul Kuantitatif D • Model Antrean MK-131 Penerapan MO L.

Pastikan bahwa Anda memasukkan rates daripada times Perhitungan Sampel Probabilitas Kumulatif Probabilitas =1–B7/B8 =1–B7/B8 =B16*B$7/B$8 =C16+B17 =B17*B$7/B$8 =C17+B18 Parameter Kalkulasi =B7/B8 =B7^2/(B8*(B8–B7)) =B7(B8–B7) =B7/(B8*(B8–B7) =1/(B8–B7) =1 – E7 Program D1.MK-132 Populasi tidak terbatas (unlimeted. kecuali dua soal terakhir pada modul ini. population) Distribusi Poisson (Poisson distribution) Aturan first-in. or infinite. . population) Populasi terbatas (limited. or infinite. first-out (FIFO) Sistem antrean jalur tunggal (single-channel queuing system) Sistem antrean jalur majemuk (multiple-channel queuing system) Sistem satu tahap (single-phase system) Sistem tahapan majemuk (multiphase system) Manajemen Operasi Distribusi probabilitas eksponensial negatif (negative exponential probability distribution) Menggunakan Peranti Lunak untuk Penyelesaian Soal Antrean Baik Excel OM maupun POM for Windows dapat digunakan untuk menganalisis semua soal. Menggunakan Excel OM untuk Queuing Contoh D1 (Golden Muffler Shop) digambarkan pada model M/M/1. Masukkan arrival rate dan service rate dalam Kolom B.

053 0.375 0. Program ini mencakup analisis ekonomi dari data biaya.75 0.2 jam 0. Sid Das Brick Distributors mempekerjakan seorang pekerja yang pekerjaannya memuat batu bata ke dalam truk perusahaan. sistem M/M/1. Lakukan analisis dampak antrean dari perubahan yang dilakukan dan bandingkan hasilnya dengan yang dicapai oleh sistem satu pekerja.25 truk 0. Menggunakan POM for Windows Ada beberapa model jalur antrean POM for Windows untuk memilih program modul jalur antrean. dengan menggunakan data dari Contoh D1.75 0. Rata-rata. Pekerja tersebut sanggup memuat batu bata ke atas 4 truk per jamnya dengan waktu pelayanan mengikuti distribusi eksponensial.020 . Ia memperkirakan dua orang kru di gerbang pemuatan untuk menggandakan pemuatan dari 4 truk per jam menjadi 8 truk per jam.6 truk 0.375 0. Program D.75 jam 0.32 Dua Pekerja 0.42 0.625 Probabilitas Terdapat Lebih dari k Buah Truk dalam Sistem Probabilitas n > k k 0 1 2 3 Satu Pekerja 0.141 0.1 Saat ini.25 2 3/jam 8/jam 0.1 menggambarkan model yang pertama. Lihat Lampiran IV untuk keterangan lebih lanjut. 24 truk datang setiap hari atau 3 truk per jam ke lokasi pemuatan dengan pola kedatangan sesuai dengan distribusi Poisson.075 jam 0. Anda dapat menampilkan kemungkinan jumlah orang atau benda yang berbeda dalam sistem.225 truk 0. Das yakin bahwa produktivitas perusahaan akan sangat meningkat dengan menambahkan seorang pemuat batu bata kedua. Contoh Soal dan Penyelesaian Contoh Soal D.Modul Kuantitatif D • Model Antrean MK-133 X Menggunakan Excel OM Program jalur antrean Excel OM memiliki empat model yang dikembangkan pada modul ini.56 0. Berapakah kemungkinan adanya lebih dari 3 truk yang sedang dimuat atau sedang menunggu? Jawaban Jumlah Pekerja 1 Tingkat kedatangan truk (λ) Tingkat pemuatan (µ) Jumlah truk rata-rata dalam sistem (Ls) Waktu rata-rata dalam sistem (Ws) Jumlah antrean rata-rata (Lq) Waktu antrean rata-rata (Wq) Tingkat utilisasi (ρ) Probabilitas sistem kosong (P0) 3/jam 4/jam 3 truk 1 jam 2. Sebagai pilihannya.

291 jam Ws = 3 Lq = 0. Namun.1).1) mendapat upah rata-rata $10 per jam. Situasi ini mungkin tidak dapat diterima oleh pihak manajemen. Ia berpikir bahwa sistem ini akan lebih efisien jika dibandingkan dengan mempekerjakan orang lain untuk membantu pemuat pertama pada lokasi pemuatan pertama (seperti pada Contoh Soal D. 4545) + 3 = 0. terapkan persamaan yang sesuai untuk menemukan kondisi operasi antrean yang baru. Kemudian. Sopir truk yang sedang menunggu dalam antrean atau lokasi pemuatan tetap menerima upah. Perhatikan juga adanya penurunan ukuran antrean setelah pekerja kedua ditambahkan.MK-134 Manajemen Operasi Hasil ini menunjukkan bahwa jika hanya satu orang yang dipekerjakan. rata-rata truk yang menunggu dalam antrean adalah 2.2 Sopir truk yang bekerja pada Sid Das (lihat Contoh D. dari segi produktivitas.123 Ls = Wq = 0. Selanjutnya. Misalkan. Pekerja yang memuat batu bata menerima upah sekitar $6 per jam. dan menjadi 6 jika ada 2 orang pemuat batu bata.25. terlihat bahwa jumlah truk dalam sistem rata-rata adalah 3 ketika hanya ada 1 orang pemuat batu bata.6)($10) 12 = (2)($6) $18 Sid Das dapat menghemat $18 per jam dengan menambahkan satu orang pemuat batu bata. 873 4 (1)!(8 − 3)2 0. 041 jam 3 . setiap truk rata-rata harus menunggu selama 45 menit sebelum dimuati. 873 = 0. Apakah pendekatan baru ini memang lebih cepat dibanding dua pendekatan yang dipikirkan Das sebelumnya? Jawaban P0 = 1  1 1 3 n  1 3 2 2(4) ∑ + n=0 n ! 4  2 ! 4 2(4) − 3 1 = 0.3 Sid Das sedang mempertimbangkan untuk membangun lokasi pemuatan kedua untuk mempercepat proses pemuatan batu bata ke truk. setiap pekerja di setiap lokasi pemuatan mampu memuat 4 truk per jam dan 3 truk akan terus berdatangan per jamnya. 873 − 3 / 4 = 0. 4545 = 3+1 3 2 8 1+ 4 2 4 8 −3 () () ( )( 2 ) 3(4)(3 / 4) (0. Contoh Soal D. Contoh Soal D. Jawaban Jumlah Pekerja 1 Biaya sopir truk yang menganggur [(jumlah truk ratarata ) × (upah per jam)] = (3) ($10) = Biaya pemuatan Biaya total yang diperkirakan per jam $30 6 $36 2 $ 6 = (0. Berapakah penghematan per jam yang diperoleh perusahaan jika dipekerjakan 2 orang pemuat batu bata dan bukan hanya 1 orang? Dengan melihat data pada Contoh Soal D.123 = 0. tidak ada yang dikerjakan dan tidak ada pemasukan bagi perusahaan selama waktu menunggu tersebut.1.

Setiap 2 jam (mengikuti distribusi Poisson). FIFO. Elsewhere Hospital menyediakan 5 tempat tidur yang selalu terisi oleh pasien yang baru melakukan operasi jantung. 20 T + U 30 + 120 Dari Tabel D. 976) Uji Diri Sendiri • • • Sebelum melakukan uji diri sendiri.69 menit (0. b. pelanggan yang cerewet dilayani duluan. kita peroleh: F = 0. Jadi. c.20 dan M = 2. perawat akan menghabiskan waktu sekitar 30 menit (terdistribusi eksponensial) untuk membantu pasien dan memperbarui catatan medis mengenai permasalahan dan pemeliharaan yang dilakukan.976 H = rata-rata pasien yang dihampiri perawat = FNX = (0. Kemudian. Hampir semua sistem menggunakan aturan antrean yang dikenal dengan… a. 976) = 3. LIFO. walaupun panjang antrean dan waktu rata-rata dalam antrean yang paling rendah adalah saat lokasi pemuatan kedua dibuka.8 (hlm. Karena pelayanan yang cepat sangatlah penting bagi kelima pasien yang ada. Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda. 1.20) = 0. rata-rata jumlah truk dalam sistem dan rata-rata waktu paling kecil yang dihabiskan untuk menunggu dalam sistem adalah ketika dipekerjakan dua pemuat batu bata dengan satu lokasi pemuatan.Modul Kuantitatif D • Model Antrean MK-135 Dengan melihat kembali Contoh Soal D. ) dengan X = 0. Contoh Soal D.4 Unit perawatan jantung di St.98 ≈ 1 pasien pada setiap waktu tertentu T (1− F ) W = waktu menunggu perawat rata-rata = XF = 30(1 − 0.976)(5)(0. seorang pasien memerlukan bantuan perawat. lihat tujuan pembelajaran di awal bab dan kata kunci di akhir bab.1. Terdapat dua orang perawat yang bertugas dalam 3 giliran kerja yang lamanya 8 jam. Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik. . pertanyaannya adalah berapakah jumlah rata-rata pasien yang diurus oleh satu perawat? Berapakah waktu ratarata yang dihabiskan pasien untuk menunggu seorang perawat tiba? Jawaban N = M = T = U = 5 pasien 2 perawat 30 menit 120 menit X = T = 30 = 0. pembangunan lokasi pemuatan kedua kurang disarankan. 20)(0.

kedatangan berdistribusi Poisson. populasi. Pelanggan menunggu dalam antrean di satu-satunya kasir kantin yang menerapkan aturan FIFO. c. teknisi tersebut dipanggil untuk memperbaiki. 5. d. e. sistem kedatangan.MK-136 d. Semua jawaban benar. termasuk rata-rata tingkat kedatangan dan pelayanan. sistem populasi terbatas.5. rata-rata jumlah pelanggan yang membelot. d. 6. b. d. kecuali waktu layanan yang menjadi konstan dan bukan eksponensial. Jika segala sesuatunya dianggap sama. persentase waktu luang.. tingkat utilisasi. utilisasi. rata-rata waktu menunggu menjadi dua kalinya.6. maka berapakah rata-rata jumlah pelanggan dalam sistem? a. 1. Jika rata-rata waktu kedatangan 6 pelanggan per menit dan rata-rata kecepatan layanan dari seorang kasir adalah 10 orang per menit. sistem kecepatan layanan konstan. rata-rata tingkat kedatangan lebih cepat daripada rata-rata kecepatan pelayanan. Ketika komputernya rusak. 2. dan fasilitas layanan. maka mesin harus menunggu untuk dapat diperbaiki. rata-rata panjang antreannya menjadi setengahnya.25. b. b. d. b. swalayan. rata-rata waktu menunggu dalam sistem dan antrean. Semua jawaban benar. c. Karakteristik yang merupakan karakteristik utama operasi sistem antrean adalah… a. antrean. dan fasilitas layanan. maka… a. sedangkan waktu menunggunya berdistribusi eksponensial. Tidak ada jawaban yang benar. jalur tunggu. sistem jalur majemuk. 1. c. e. 4. 7. input. kedatangan sesuai aturan FIFO dan tidak ada yang menolak ataupun keluar dari antrean. sistem tahapan majemuk. Jika teknisi tersebut sedang sibuk. penghalusan eksponensial.. b. Tingkat kedatangannya berdistribusi Poisson. kedatangan berasal dari populasi yang tak terbatas dan sangat besar. a. d. Manajemen Operasi Pernyataan yang bukan asumsi model matematika antrean adalah. . Tiga bagian dari sistem antrean adalah… a. d. Sebuah perusahaan memiliki seorang teknisi komputer yang bertanggung jawab memperbaiki 20 komputer perusahaan.9. 0. e. Ini adalah contoh dari… a. b. rata-rata jumlah pelanggan dalam sistem dan antrean. c.0. dan fasilitas layanan. waktu pelayanan berdistribusi eksponensial. e. e. c. 0. 0. rata-rata panjang antrean bertambah. 3. c.

first-out (FIFO) tidak dapat diterapkan pada analisis antrean! 10. λ = 4). Jelaskan apa yang dimaksud dengan istilah “menolak” dan “keluar” dalam kaitannya dengan antrean! Berikan sebuah contoh untuk setiap istilah! 8. a) Tentukan rata-rata jumlah pelanggan yang menunggu untuk memangkas rambut! b) Tentukan rata-rata jumlah pelanggan dalam salon! c) Tentukan rata-rata waktu seorang pelanggan menunggu gilirannya! *Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM.1. sementara sistem lain berdistribusi eksponensial? 16. 12.Modul Kuantitatif D • Model Antrean MK-137 Pertanyaan untuk Diskusi 1. d) Toko kecil yang menjual barang kebutuhan sehari-hari. Paul dapat memangkas rambut 5 orang per jam dengan distribusi eksponensial. Jelaskan perilaku sebuah antrean di mana λ > µ! Gunakan intuisi dan analisis! 11. . first-served pada toko roti di pasar swalayan merupakan langkah yang baik atau buruk? Mengapa? 7. tetapi satu sistem memiliki waktu pelayanan konstan. 14. Berikan contoh empat situasi di mana terdapat antrean terbatas! 13. Sebutkan asumsi yang digunakan dalam model antrean “dasar” (Model A atau M/M/1)! 6. hal “kualitatif ” apakah yang perlu dipertimbangkan? 3. Berapakah Anda menilai diri Anda dalam dolar untuk waktu yang Anda habiskan dalam antrean? Berapakah nilai yang teman sekelas Anda berikan untuk diri mereka? Mengapa terjadi perbedaan? Soal-soal*6 D. Jelaskan dengan singkat tiga situasi di mana aturan first-in. tetapi hanya lebih besar sedikit sekali. (Sebagai contoh. Ketika merancang sebuah sistem antrean. Bahaslah hasil sebuah sistem antrean di mana µ > λ. Sebutkan tiga faktor yang mempengaruhi struktur “kedatangan” dalam sistem antrean! 4. µ = 4. Manakah yang lebih besar: Ws atau Wq? Jelaskan! 9. Sebutkan tiga komponen khas dari sebuah sistem antrean! 2. Apakah ruang praktik dokter umumnya memiliki pola kedatangan pasien acak? Apakah waktu pelayanannya juga acak? Dalam keadaan apakah waktu pelayanannya konstan? 15. Apa yang terjadi jika dua sistem jalur tunggal memiliki waktu kedatangan rata-rata dan waktu pelayanan yang sama. c) Tempat cuci pakaian otomatis. Apakah komponen dari sistem antrean berikut? Gambarkan jelaskan bentuk setiap konfigurasi! a) Tempat pangkas rambut. b) Tempat pencucian mobil. Apakah mengoperasikan aturan first-come.1 Para pelanggan tiba di Paul Harrold’s Styling Shop sebanyak 3 orang per jam yang berdistribusi Poisson. Sebutkan tujuh ukuran umum untuk kinerja sistem antrean! 5.

dan distribusinya eksponensial negatif. tetapi ia hanya mendapatkan 20 pelanggan per jam (λ). . Tabel D.3 Glen Schmidt memiliki dan mengelola sebuah kios makanan dan minuman ringan dekat kampus Georgeville. Hitunglah karakteristik berikut! a) Kemungkinan Sam menganggur. Proses fotokopi rata-rata berjalan selama 40 detik atau µ = 90 per jam (distribusi eksponensial). Telah diperkirakan bahwa anjing-anjing datang secara terpisah dan acak di sepanjang hari dengan kedatangan 1 ekor anjing setiap 6 menit menurut distribusi Poisson. Glen mempekerjakan Anda untuk menguji situasi tersebut dan menentukan beberapa karakteristik antreannya. Gunakanlah tabel waktu Lq tunggu. Anda menemukan bahwa kios Glen mengikuti enam kondisi jalur antrean tunggal (seperti pada Model A). Karena Glen memiliki waktu menunggu 50% lebih banyak. c) Rata-rata jumlah anjing yang sedang divaksinasi dan sedang menunggu divaksinasi. D. c) Rata-rata jumlah mahasiswa dalam sistem. mengelola sebuah klinik vaksinasi untuk penyakit rabies di sekolah dasar lokal. Situasi ini menuruti distribusi Poisson dan eksponensial. Setelah mempelajari masalah. Glen dapat melayani 30 pelanggan per jam rata-rata (µ). λ a) Berapakah rata-rata jumlah resep dalam antrean? b) Berapa lama rata-rata resep berada dalam antrean? c) Alwan memutuskan untuk mempekerjakan apoteker kedua. Rata-rata waktu untuk menangani setiap panggilan adalah 20 detik. f) Rata-rata waktu yang dihabiskan seekor anjing dalam antrean dan saat divaksinasi. seorang dokter hewan di Longwood. d) Rata-rata jumlah anjing yang menunggu divaksinasi. Sam dapat “menyuntik” seekor anjing pada setiap 3 menit. D. Waktu yang dibutuhkan untuk mengerjakan setiap resep sekitar 4 menit.MK-138 Manajemen Operasi d) Tentukan rata-rata waktu seorang pelanggan menghabiskan waktu di salon! e) Tentukan persentase waktu sibuk Paul! D. Para mahasiswa datang dengan tingkat kedatangan λ = 40 per jam (distribusi Poisson). maka sewajarnya ia tidak memiliki antrean. Berapakah nilai jawaban soal a dan b dengan kondisi baru? D. Saad Alwan. hanya terdapat satu pusat panggilan. yang dulunya bersekolah bersamanya. Hitunglah karakteristik berikut ini! a) Persentase waktu mesin digunakan. Asumsikan juga bahwa waktu penyuntikan Sam berdistribusi eksponensial.5 Seorang apoteker di Arnold Palmer Hospital. d) Rata-rata waktu yang dihabiskan untuk menunggu dalam antrean. Saat ini.5 dan Wq = untuk menjawab soal ini. b) Rata-rata panjang antrean. e) Rata-rata waktu yang dihabiskan dalam sistem. e) Rata-rata waktu tunggu anjing sebelum divaksinasi. menerima 12 permohonan resep setiap jamnya yang berdistribusi Poisson. b) Jumlah waktu sibuk Sam. dan mengerjakan resep dengan kecepatan yang sama dengan Alwan. Apa yang dapat Anda temukan? D.4 Sam Certo.2 Hanya terdapat satu mesin fotokopi dalam ruang santai mahasiswa sekolah bisnis.6 Terdapat dua panggilan per menit pada pusat panggilan telepon di hotel James Hamann. Ajay Aggerwal.

dapatkan: a) rata-rata waktu dalam antrean. f) Zimmerman sedang mempertimbangkan untuk menambahkan kasir kedua (yang akan bekerja dengan kecepatan yang sama dengan kasir pertama) untuk mengurangi waktu tunggu pelanggan. a) Berapakah rata-rata waktu sebuah mobil dalam sistem? b) Berapakah rata-rata jumlah mobil dalam sistem? c) Berapakah rata-rata jumlah mobil yang menunggu untuk menerima pelayanan? d) Berapakah rata-rata waktu sebuah mobil yang mengantre? e) Berapakah kemungkinan tidak ada mobil yang datang? f) Berapakah persentase waktu pegawai kantor pos sibuk? g) Berapakah kemungkinan terdapat hanya dua mobil dalam sistem? D. Teater memiliki satu loket karcis dan seorang kasir yang dapat menjaga rata-rata kecepatan pelayanan sebesar 280 tiket per jam. II. Ohio. Waktu pelayanan rata-rata adalah 2 menit.8 Missouri’s Stephen Allen Electronics Co. a) Berapakah tingkat utilisasi sistem pelayanan ini? b) Berapakah waktu rata-rata mesin rusak? c) Berapakah mesin yang sedang menunggu untuk dilayani? d) Berapakah kemungkinan terdapat lebih dari satu mesin dalam sistem? Selain itu. Asumsikan bahwa waktu pelayanan dapat dijelaskan oleh distribusi eksponensial. Illinois. mempertahankan kru pelayanannya untuk memperbaiki gangguan mesin sebanyak rata-rata λ = 3 per hari (berdistribusi Poisson).10 Susan Slotnik mengelola sebuah kompleks bioskop di Cleveland. adalah 4 mobil setiap 10 menit. d) jumlah pelanggan rata-rata dalam sistem. Kru dapat melayani rata-rata µ = 8 mesin per hari dengan waktu perbaikan berdistribusi eksponensial. dan pelanggan terdepan akan dilayani kasir pertama yang tersedia. Jika hanya satu kasir yang bekerja. berapakah kemungkinan lebih dari dua mesin rusak dan menunggu untuk diperbaiki atau sedang dilayani? Lebih dari tiga? Lebih dari empat? D. Pola kedatangan pada hari biasa terdistribusi Poisson dengan rata-rata 210 orang per jam. Hanya satu jalur yang dibuka. Kedatangan berdistribusi Poisson dan waktu pelayanan berdistribusi eksponensial.9 Bank Zimmerman adalah satu-satunya bank di kota kecil St. temukan jawaban baru dari soal (a) hingga (e) di atas. jadwal waktu tayang dibuat berjauhan untuk menghindari kerumunan besar yang akan terjadi jika keempat teater mulai pada waktu yang bersamaan. biasanya terdapat rata-rata 10 pelanggan per jam yang datang ke bank untuk melakukan transaksi bisnis. e) probabilitas bank kosong.7 Kedatangan mobil di jendela kantor pos lewat mobil (drive-through) di pusat keramaian kota Urbana. Setiap teater memutar film yang berbeda. Terdapat seorang kasir. dan waktu rata-rata transaksi bisnis adalah 4 menit. Jika seorang kasir kedua ditambahkan. Thomas. D. III. dan IV. yang disebut Teater I. c) rata-rata waktu dalam sistem.Modul Kuantitatif D • Model Antrean MK-139 a) b) c) Berapakah besarnya probabilitas operator sedang sibuk? Berapakah rata-rata waktu tunggu seorang penelepon sebelum dilayani operator? Berapakah rata-rata jumlah panggilan yang menunggu untuk dijawab? D. b) rata-rata panjang antrean. Asumsikan perubahan ini akan mengurangi setengah dari waktu yang sekarang. Waktu pelayanannya diasumsikan berdistribusi eksponensial. . Pada hari Jumat.

Untuk membantu koperasi menangani permasalahan akibat waktu yang hilang selagi truk mengantre atau membongkar barang.12 Musim panen gandum di Amerika bagian Midwest terbilang singkat. pihak koperasi menggunakan tempat penyimpanan tersebut hanya selama 2 minggu setiap tahun. Ia mendapati bahwa antara pukul 17. a) Berapakah rata-rata jumlah mahasiswa dalam antrean? b) Berapakah rata-rata waktu yang dihabiskan mahasiswa dalam sistem? c) Misalkan. Harga perluasan ini adalah $9. yaitu $18 per jam. Hanya ada 1 pelayan yang dapat mengerjakan 1 pesanan di satu waktu. a) Rata-rata jumlah penonton yang mengantre untuk membeli karcis. Bagaimana hal ini akan memengaruhi waktu mahasiswa dalam sistem rata-rata? d) Anggaplah pelayan kedua ditambahkan. dipekerjakan pelayan kedua untuk membantu pekerjaan pelayan pertama (dan melayani dengan lebih cepat). c) Tingkat utilisasi tempat penyimpanan. Biaya akibat gandum yang membusuk serta disebabkan oleh keterlambatan pembongkaran. Para petani memperkirakan bahwa dengan memperluas tempat penyimpanan. Dengan demikian. dan para petani mengirimkan truk berisi gandum mereka ke sebuah tempat penyimpanan raksasa dalam jangka waktu 2 minggu. proses pembongkaran dan penyimpanan harus dibuat seefisien mungkin.00 dan 19. sebanyak 25 orang mahasiswa datang per jam (berdistribusi Poisson) dan waktu pelayanannya rata-rata 2 menit (berdistribusi eksponensial). mengikuti pola distribusi eksponensial. truk yang berisi gandum harus menunggu dibongkar dan kembali ke ladang. Oleh karena itu. demi keuntungan seluruh petani. biaya pembongkaran akan berkurang 50% di tahun depan. Apakah perluasan tempat penyimpanan akan menguntungkan? . f) Seperti yang telah disebutkan. 7 hari per minggu. Sepanjang 2 minggu waktu panen. dan 2 pelayan ini bekerja sendiri-sendiri. Susan ingin menguji beberapa karakteristik antrean berikut. Truk yang penuh datang sepanjang hari (selama tempat penyimpanan buka) sebanyak 30 truk per jam. dan mengikuti pola distribusi Poisson. e) Biaya total sehari-hari bagi petani jika truk mereka berada dalam proses pembongkaran. waktu pelayanan rata-rata akan berkurang menjadi 90 detik. yang masing-masing memiliki waktu pelayanan rata-rata 2 menit. Berapakah rata-rata waktu yang dihabiskan oleh seorang mahasiswa dalam sistem? D. tetapi biaya untuk sebuah truk menunggu dan membongkar dapat diketahui dengan mudah.MK-140 Manajemen Operasi Untuk menentukan efisiensi penjualan tiket saat ini. temukan karakteristik berikut. b) Rata-rata waktu truk dalam sistem.00.000 di luar musim panen. a) Rata-rata jumlah truk dalam tempat pembongkaran. biaya sewa truk. dan dapat membongkar 35 truk per jam. Para petani sulit mengukur gagalnya panen.11 Bill Youngdahl sedang mengumpulkan data di kantin mahasiswa. b) Berapakah persentase kasir sibuk? c) Berapakah rata-rata waktu yang dihabiskan pelanggan dalam sistem? d) Berapakah rata-rata waktu yang dihabiskan untuk mengantre sampai ke loket? e) Berapakah kemungkinan terdapat lebih dari dua orang dalam sistem? Lebih dari tiga orang? Lebih dari empat? D. Tempat penyimpanan dimiliki bersama. dan waktu luang sopir menjadi perhatian khusus bagi anggota koperasi. d) Kemungkinan terdapat lebih dari tiga truk dalam sistem pada waktu tertentu. tempat penyimpanan selalu terbuka dan beroperasi selama 16 jam per hari.

Modul Kuantitatif D • Model Antrean MK-141 D. Waktu layanannya konstan di 3 menit.00 sampai 09.50 per cangkirnya. Namun. dan ia pun tidak menginginkan terdapat lebih dari 8 orang dalam antrean. seorang karyawan menerima pesanan melalui telepon. Di stasiun George Washington University (GWU). Asumsikan penumpang membentuk sebuah antrean baik pada jalan masuk maupun jalan keluar di daerah gerbang putar serta berjalan melalui gerbang putar yang pertama kosong. Perlukah Radovilsky’s mempekerjakan karyawan kedua? Jelaskan keputusan Anda! D. Panggilan masuk sebanyak 12 per jam. Kini. Kedatangan berdistribusi Poisson dan waktu pelayanan berdistribusi eksponensial. Karen memasang harga $3. waktu yang dibutuhkan cukup lama. Para penumpang meninggalkan kereta dari tempat pemberhentian dan keluar dari pagar putar sekitar 48 penumpang per menit pada jam sibuk yang sama. Ernie Forman. berapakah rata-rata waktu tunggu dan rata-rata jumlah orang yang menunggu di antrean? D. penelepon yang telah menunggu paling lama dilayani terlebih dahulu. DC umumnya memiliki enam gerbang putar yang dapat dikendalikan oleh kepala stasiun baik pintu masuk maupun pintu keluar— tetapi tidak keduanya. a) Berapakah rata-rata waktu menunggu pelanggan sebelum panggilan mereka dijawab oleh karyawan? b) Berapakah rata-rata jumlah pelanggan yang menunggu untuk memesan? c) Radovilsky’s sedang mempertimbangkan untuk menambahkan seorang karyawan kedua untuk menerima panggilan. Radovilsky’s merugi sekitar $25 per jam dari waktu yang dihabiskan pelanggan untuk menunggu karyawan penerima pesanan. Upah karyawan adalah $10 per jam.14 Karen Brown’s Coffee Shop memutuskan untuk memasang mesin pembuat kopi otomatis di salah satu tokonya untuk mengurangi waktu tunggu pelanggan.15 Stasiun kereta api bawah tanah di Washington. yaitu $10 per jam. Jika karyawan sedang menerima telepon di satu saluran. karena kopi menjadi lebih mahal. California. Namun. dan tingkat kedatangan 15 orang per jam (berdistribusi Poisson). Panggilan cenderung mengikuti distribusi Poisson. Upahnya sama. mempunyai departemen penjualan yang sukses berjualan lewat katalog. a) Berapakah rata-rata waktu tunggu di antrean? b) Berapakah rata-rata jumlah pelanggan di antrean? c) Karen menaikkan harganya menjadi $5 per cangkir dengan waktu layanan 60 detik. maka panggilan masuk berikutnya dihubungkan pada departemen katalog dan dijawab secara otomatis oleh mesin penjawab yang meminta mereka menunggu. Namun. karena kesempatan dan penjualan yang hilang. a) Berapakah gerbang putar untuk masuk atau keluar yang harus dibuka setiap pagi? b) Diskusikan asumsi yang mendasari solusi masalah ini dengan menggunakan teori antrean! . Kepala stasiun harus memutuskan di saat yang berbeda dalam satu hari. Caranya. Setelah karyawan selesai dengan telepon sebelumnya. Karyawan dapat melayani sebuah pesanan rata-rata 4 menit. tingkat kedatangannya turun menjadi 10 orang per jam. para penumpang masuk sekitar 84 penumpang per menit di antara pukul 07. Setiap pagar putar dapat dilalui oleh rata-rata 30 penumpang per menit baik masuk maupun keluar.00.13 Radovilsky’s Department Store di Haywood. tidak ingin penumpang harus menunggu dalam antrean rata-rata selama lebih dari 6 detik untuk memasuki gerbang putar. dan waktu pelayanan cenderung bersifat eksponensial. Kepala stasiun GWU. berapakah gerbang putar yang digunakan untuk memasukkan penumpang dan berapakah gerbang putar yang digunakan untuk mengeluarkan penumpang.

00 15. rata-rata 3/8 jam per hari.5 menit untuk satu siklus pencucian mobil. Rata-rata waktu untuk memperbaiki komputer yang bermasalah adalah 15 menit (berdistribusi eksponensial).00–15. Yvette ingin mengetahui: a) rata-rata waktu menunggu dalam antrean. Jika tidak diperlukan.00 Tingkat Kedatangan 6 pasien/jam 4 pasien/jam 12 pasien/jam . D.00–24.MK-142 Manajemen Operasi D. dan kerusakan ini cenderung mengikuti distribusi Poisson. Pekerjaan perbaikan berdistribusi eksponensial. dan rata-rata pasien seharusnya tidak duduk dalam ruang tunggu lebih dari 5 menit sebelum ditangani oleh seorang dokter. membuat laporan.00 20. di Des Moines. a) Berapakah faktor layanan sistem ini? b) Berapakah rata-rata jumlah mesin yang sedang bekerja? c) Apakah dampaknya pada mesin yang bekerja jika ada seorang teknisi kedua? D. Terdapat seorang teknisi yang mengatur mesin ini. melakukan diagnosis rontgen) atau juga dapat dijadwalkan kembali untuk bekerja pada jam lain. a) Rata-rata. Pola kedatangan untuk suatu hari pada umumnya adalah sebagai berikut. b) Rata-rata jumlah komputer yang sedang diperbaiki.18 Dua orang teknisi yang bekerja secara terpisah mengawasi 5 komputer yang menjalankan fasilitas pabrik otomatis. first-served. administrator ruang UGD di Onienta Hospital. berapakah mesin yang menunggu diperbaiki? b) Rata-rata. memiliki lima perkakas otomatis untuk mengebor lubang guna memasang engsel. Waktu 09. berapa mesin bor yang sedang bekerja? c) Berapakah waktu tunggu yang akan berkurang jika seorang montir kedua dipekerjakan? D.19 Seorang montir menjalankan 5 mesin bor di sebuah pabrik baja. menghadapi masalah dalam menyediakan pelayanan bagi pasien yang tiba dengan tingkat kedatangan yang berbeda di sepanjang hari.16 Tempat pencucian mobil Yvette Freeman memerlukan waktu konstan selama 4. Komputer bekerja selama rata-rata 85 menit (berdistribusi Poisson) tanpa memerlukan perbaikan. Mesin mengalami kerusakan rata-rata satu kali setiap 6 hari kerja. Tentukan karakteristik berikut! a) Rata-rata jumlah komputer yang menunggu diperbaiki. Waktu pelayanan bersifat eksponensial. rata-rata 2 setiap jam.17 Toko pembuatan lemari kayu Debra Bishop. Kedatangan mobil berdistribusi Poisson sebanyak 10 per jam. Pasien ditangani dengan aturan first-come.00–20. mereka dapat melakukan tugas lain (seperti melakukan pengujian di laboratorium. Sangatlah penting untuk dapat menyediakan pelayanan secara cepat. dan diperiksa dokter pertama setelah menunggu dalam antrean. Terdapat 4 orang dokter untuk melayani pasien ketika diperlukan. Pesanan mengikuti distribusi Poisson. D. Montir mampu memperbaiki rata-rata satu mesin per hari. b) panjang antrean rata-rata. Mesin ini perlu disiapkan untuk memenuhi setiap pesanan lemari. c) Rata-rata jumlah komputer yang tidak bekerja.20 Richard Insinga.

23 Lihat Soal D. waktu yang dibutuhkan akan tetap 5 detik. Banyak faktor yang perlu dipertimbangkan karena pegawai-pegawainya tergabung dalam serikat kerja. 3. Namun.22 Suatu pertemuan kontraktor gedung berlangsung di Las Vegas. Bandingkan kedua sistem ini dalam bidang yang sama! D. 3 menit untuk tiga orang pramuniaga. Berapa pramuniagakah yang harus ia pekerjakan? . Seorang manajer pendaftaran. Akhir-akhir ini. Marilyn Helms. tetapi akan menjadi lebih bersifat eksponensial alih-alih konstan karena koin membutuhkan waktu untuk masuk ke dalam mesin. pemimpin perusahaan telah memikirkan untuk mengganti para pegawai dengan mesin. atau 4 orang pramuniaga. sang manajer. Pada pintu tol untuk uang pas yang dilayani pegawai. dan 2 menit untuk empat orang pramuniaga.22. waktu pelayanan seharusnya konstan selama 5 detik untuk setiap pengemudi. terdapat 7 pintu tol yang diisi dengan seorang pegawai. dipekerjakan untuk memulai sebuah program hiburan untuk orang-orang yang menunggu di antrean dengan menggunakan seorang pesulap yang dibayar $15 per jam. 4 menit untuk dua orang pramuniaga. Sejak Badai Katrina. Las Vegas Convention Bureau menyediakan pelayan untuk registrasi tamu dengan biaya $15 per orang per jam. Dibutuhkan waktu satu menit untuk mendaftarkan seorang pengunjung (berdistribusi eksponensial). Ia telah memperkirakan biaya per menit waktu tunggu pelanggan adalah $1. Lisa Houts.21 Ponchatrain Bridge adalah jembatan sepanjang 16 mil yang melewati Lake Ponchatrain di New Orleans. Berapakah dokter yang harus berdinas pada setiap periode untuk menjaga tingkat pelayanan pasien yang diharapkan? D. Sekitar 10 pengemudi tiba di satu pintu tol dalam 1 menit. Biaya setiap pramuniaga per giliran kerja (termasuk jaminan sosial) adalah $70. Ia telah menentukan bahwa rata-rata waktu tunggu adalah 7 menit untuk satu orang pramuniaga. a) Berapakah jumlah minimum pelayan untuk sistem ini? b) Berapakah jumlah maksimal pelayan untuk sistem ini? c) Berapakah biaya sistem per jam untuk jumlah pelayan maksimum? d) Berapakah tingkat utilisasi pelayan dengan jumlah pelayan minimum? D. 2. mengikuti distribusi eksponensial. a) Berapakah jumlah pelayan maksimum? b) Berapakah biaya sistem per jam pada kecepatan pelayanan yang maksimal? D. ingin menghitung apakah ia perlu mempekerjakan 1. dan biaya waktu tunggu di antrean adalah $100 per orang per jam. Dengan menggunakan mesin.24 Chattanooga Furniture mendapatkan rata-rata 50 pelanggan setiap giliran kerja.Modul Kuantitatif D • Model Antrean MK-143 Kedatangan mengikuti distribusi Poisson dan waktu pelayanan dengan rata-rata 12 menit. satu dari pemimpin perusahaan pentingnya mengganti para pegawai dengan mesin yang mempersingkat waktu yang dihabiskan oleh pengemudi dalam sistem. Dibuka satu jalur antrean saja dengan beberapa pelayan. Hal ini akan mengurangi biaya utilisasi sebesar $50 per jam. Terdapat 200 orang yang datang ke bagian registrasi setiap jamnya (berdistribusi Poisson).

dengan biaya energi yang terus meningkat. besi cor yang masih kasar ini mengalami proses sandblasting untuk menghilangkan pasir yang tersisa dan dikikis untuk menghaluskan permukaannya. . cetakan dipindahkan ke ruang pembersihan.MK-144 Manajemen Operasi Studi Kasus New England Foundry Selama lebih dari 75 tahun. termasuk Disamatic baru yang membantu membuat komponen tungku perapian. Ketika besi mengeras. Warmglo III terjual lebih banyak dari semua model lain dengan keuntungan yang besar. Keluaran dan aksesoris yang tersedia bagi Warmglo III sangat ideal untuk rumah pada umumnya. Warmglo I merupakan tungku perapian yang paling kecil dengan kekuatan sebesar 30. New England Foundry. Proses pertama adalah membuat sebuah pola yang terbuat dari kayu yang dibuat untuk setiap potong besi cor dalam tungku perapian. Berikutnya. Semua pola NEFI dibuat oleh Precision Patterns. yaitu ketika besi cair dituangkan dalam cetakan dan dibiarkan dingin. Inc. dan mereka membentuk sebuah jalur antrean yang harus dilayani. termasuk pencetak pasir yang memerlukan berbagai pola untuk membentuknya. Produk utamanya adalah Warmglo I. dan persiapan di mana cetakan dimasukkan ke alat penggetar besar yang menggoncangkan sebagian besar pasir dalam cetakan. dirakit dalam tungku perapian yang sedang dikerjakan.000 BTU. di mana mereka dikemas dan dikirim ke lokasi tertentu. dapat melayani total 10 orang per jam (masing-masing sekitar 5 per jam). Selanjutnya. Satu counter besar digunakan oleh kedua karyawan pemeliharaan yang menyimpan komponen dan perkakas. Saat ini. tungku perapian yang sudah selesai dipindahkan ke bagian pengiriman dan gudang penyimpanan. Alat pengecor logam yang baru menggunakan peralatan mutakhir. operasi pengecoran pada dasarnya tidak berubah selama beratus-ratus tahun. yang bekerja di belakang counter. dan Warmglo IV adalah tungku perapian yang paling besar dengan kekuatan 60. Warmglo II. serta disimpan dalam bengkel pola dan ruang pemeliharaan. dan diperiksa cacat fabrikasi yang mungkin tidak diketahui sebelumnya. Terlepas dari peralatan baru dan prosedur yang ada. cetakan dipindahkan ke ruang pengecoran. Akhirnya. Tidak seperti perusahaan lain yang juga memproduksi tungku perapian. Orang-orang dari departemen pengecoran dan pemeliharaan datang secara acak. Berikutnya. Proses pencampuran pasir dan pembuatan cetakan dilakukan dalam ruang pencetakan. Kemudian. dan Warmglo IV. hasilnya adalah pasir yang tercetak dalam bentuk yang sebaliknya dari besi cor yang diinginkan. Bisa terdapat dua atau lebih cetakan pasir untuk setiap pola..000 BTU. bengkel pola dan departemen pemeliharaan ditempatkan dalam ruangan yang sama. pasir tertentu dicetak di sekitar pola kayu. Pete Nawler dan Bob Dillman. Ketika pola kayu diangkat. Warmglo III. pengikisan. Bersama dengan aksesoris. Pola kayu tersebut merupakan sebuah salinan dari potongan besi cor yang akan dibuat. Pada tahun-tahun belakangan. direktur George Mathison melihat bahwa penjualan produknya meningkat tiga kali lipat. besi cor tersebut dicat dengan cat khusus yang tahan panas. NEFI hanya memproduksi tungku perapian dan produk yang terkait. fitur ini menghasilkan peningkatan penjualan dan memberikan ide kepada George untuk membangun sebuah pabrik baru guna membuat Warmglo III. Warmglo III juga memiliki beberapa fitur andalan yang menjadikannya salah satu tungku perapian hemat energi di pasaran. Inc. 4 orang dari bagian pemeliharaan dan 3 dari pengecoran datang ke counter setiap jam. Secara rata-rata. Sebuah diagram gambaran umum pabriknya ditunjukkan pada Figur D. (NEFI) telah memproduksi tungku perapian dari kayu untuk digunakan di dalam rumah. Peningkatan dramatis ini membuat George sulit mempertahankan kualitas semua tungku perapiannya dan produk lain yang berkaitan.6.

Modul Kuantitatif D • Model Antrean MK-145 Pete dan Bob selalu menggunakan aturan first-come. serta untuk berjalan dari departemen pencetakan ke ruang pola dan pemeliharaan dibutuhkan waktu 1 menit. dan persiapan Penyimpanan dan pengiriman Pencetakan Pengecoran Bengkel Pola dan pemeliharaan Pasir Figur D. George juga dapat menentukan bahwa dengan memperbaiki tata letak ruang pemeliharaan.7 Hasil Pengamatan Perusahaan Setelah Perubahan Terdapat sejumlah keuntungan untuk memisahkan departemen pemeliharaan dari bengkel pola. Seseorang memerlukan waktu 3 menit untuk berjalan dari departemen pemeliharaan ke ruang pola dan pemeliharaan. Dengan menggunakan penelitian waktu dan gerakan. pengikisan.6 Gambaran Umum Pabrik Pembersihan. first-served. Rangkuman perubahan ini ditampilkan pada Figur D. Seseorang hanya memerlukan 1 menit alih-alih 3 menit untuk berjalan dari departemen pengecoran ke ruang pemeliharaan yang baru. Pembersihan.7. Setelah melakukan pengamatan operasi bengkel pola dan ruang pemeliharaan selama beberapa minggu. dengan memperbaiki tata letak bengkel pola akan menjadikan Pete dapat melayani 7 orang dari bagian pencetakan per jam. pengikisan. Bob dapat melayani 6 orang dari departemen pengecoran per jam. . dan persiapan Penyimpanan dan pengiriman Pemeliharaan Pengecoran Pencetakan Bengkel Pola Pasir Figur D. George memutuskan untuk mengadakan perubahan dalam tata letak pabriknya.

rata-rata waktu untuk mendaftarkan seorang tamu sekarang menjadi 3. oleh B. yang merupakan segmen pasar yang mengisi sekitar 30% tingkat hunian di hotel itu. Shader sedang mempertimbangkan tiga rencana untuk meningkatkan pelayanan tamu dengan mengurangi lamanya waktu yang harus dihabiskan oleh tamu untuk mengantre. (Ini mungkin merupakan sebuah perkiraan yang konservatif jika tamu merasakan keuntungan langsung dari penggunaan ATM.75 per jam.MK-146 Pertanyaan untuk Diskusi 1. masing-masing dengan antrean yang terpisah. ATM) untuk mendaftarkan diri ke penginapan menjadi dasar rencana ketiga. 2.50 per jam dan karyawan pencetakan dibayar $11. Citibank melaporkan bahwa sekitar 95% pelanggannya di Manhattan menggunakan ATM. Penggunaan sebuah mesin kasir otomatis (automatic teller machine.00. dan M. Render. Hak Cipta © 2003. Dicetak ulang seizin Prentice Hall. Pengamatan yang dilakukan terhadap kedatangan selama periode ini menunjukkan bahwa rata-rata 90 orang tamu tiba setiap jamnya (walaupun tidak ada batas atas untuk jumlah tamu yang mungkin saja datang di setiap waktu). ATM ini akan memberikan kecepatan pelayanan yang sama dengan resepsionis. NJ. Diperlukan rata-rata 3 menit bagi seorang resepsionis untuk mencatat data setiap tamu. Stair. tamu yang bukan dari perusahaan dapat memilih keempat jalur antrean yang tersisa. Hanna. berapakah penghematan yang didapatkan per jam dengan tata letak pabrik yang baru? Apakah George perlu melakukan perubahan tata letak? 3. 8/e. Shader memperkirakan bahwa hanya 20% tamu yang terutama langganan ingin menggunakan mesin ini. sedang mempertimbangkan untuk mengatur ulang meja resepsionis demi mencapai tingkat efisiensi karyawan dan pelayanan tamu yang optimal. selama masa puncak waktu masuk penginapan pada pukul 15. Pilihan ini memerlukan ruang untuk dapat menampung antrean yang ada. hlm. . Karena tamu perusahaan telah mendaftarkan diri terlebih dahulu. Rencana kedua adalah menerapkan sebuah sistem antrean tunggal. R.) Shader akan membuat satu jalur antrean tunggal bagi pelanggan yang lebih menyukai resepsionis biasa. seperti yang dirasakan oleh pelanggan bank. Dengan memisahkan tamu-tamu ini dari tamu-tamu lainnya. Upper Saddle River. Dengan rencana ini. Semua tamu membentuk sebuah antrean untuk dilayani oleh kelima resepsionis yang tersedia.4 menit. Studi Kasus The Winter Park Hotel Donna Shader. pendaftaran mereka hanya membutuhkan waktu 2 menit. Rencana pertama adalah memerintahkan seorang resepsionis bertindak sebagai resepsionis cepat bagi tamu yang mendaftarkan diri dengan rekening perusahaan. Karena awalnya teknologi ini mungkin digunakan secara minimal. Inc. Jalur ini akan dilayani oleh seorang resepsionis walaupun Shader sangat berharap mesin ATM akan mengurangi jumlah resepsionis menjadi hanya empat orang. Sumber: Dari Quantitative Analysis for Management.00 hingga 17. manajer Winter Park Hotel.. hotel tersebut memiliki lima resepsionis. Saat ini. Berapa waktukah yang dapat dihemat dengan tata letak yang baru? Manajemen Operasi Jika karyawan pengecoran dibayar $9. 596–598.

Waiting Times and Admissions”. N. U. Windmeijer.. Studi Kasus Tambahan Kunjungi situs www. Upper Saddle River. dan S. Stair. Edisi Kesembilan. 8/e. B. Render. Managerial Decision Modeling with Spreadsheets. “The Slow Server Problem for Uninformed Customers”. • Pantry Shopper: kasus ini membutuhkan perancangan ulang sistem kasir untuk sebuah pasar swalayan. Upper Saddle River. Netherland: Kluwer Academic Publishers. “Including Performance in a Queue via Prices: The Case of a Riverine Port”. Jones. Render. 5 (September–Oktober 2005): 411–425. dan M. 2007. Stair. NJ: Prentice Hall.. Hanna. Stair. No. dan P. Tentukan rata-rata waktu yang dihabiskan seorang tamu untuk mendaftarkan diri! Bagaimanakah waktu ini dapat berubah? Pilihan apa yang Anda rekomendasikan? Sumber: Dari Quantitative Analysis for Management. Interfaces 35. “Waiting Lists. NJ. Joy. Gravelle. Ani dan Ghosh. Dicetak ulang seizin Prentice Hall. No.B. 9 (September 2005): 971. . Health Economics 14. Edisi Kedua. hlm. Journal of the American Statistical Association 100 (Maret 2005): 350. Quantitative Analysis for Management. dan R. 11 (November 2000): 1466–1484. R. Render. “Ensuring Access to Emergency Services in the Presence of Long Internet Dial-Up Calls”.M. 2006.com/heizer untuk studi kasus berikut yang tersedia secara cumacuma. Management Science 46. oleh B. Queuing Systems 50. F. M. et al. 4 (Agustus 2005): 353. Balakrishnan. Ryan. Ramaswami. Hoonhout. H. Madhubani.prenhall. Health Care Management Science 8. R. NJ: Prentice Hall. V. dan M. No. F. 598. “Stochastic Models in Queuing Theory Review”. B.M. 2.Modul Kuantitatif D • Model Antrean MK-147 Pertanyaan untuk Diskusi 1.. Dordecht. Prabhu. Sarah M. 1997. Hanna. Hak Cipta © 2003. 3 (Agustus 2005): 231. Dastagupta. Upper Saddle River. Inc. Foundations of Queuing Theory.. Daftar Pustaka Cabral. No. “Transient Probabilities for Queues with Applications to Hospital Waiting Line Management”. R. No.

MK-148 Manajemen Operasi .

menghitung efek kurva pembelajaran menggunakan pendekatan-pendekatan koefisien logaritma dan kurva pembelajaran. 2. menjelaskan implikasi strategis kurva pembelajaran. mendefinisikan kurva pembelajaran. Anda diharapkan mampu: 1.Modul Kuantitatif E • Kurva Pembelajaran MK-149 Modul Kuantitatif Kurva Pembelajaran E GARIS BESAR PEMBAHASAN KURVA PEMBELAJARAN PADA BIDANG MANUFAKTUR DAN JASA PENERAPAN KURVA PEMBELAJARAN Pendekatan Aritmatika Pendekatan Logaritma Pendekatan Koefisien Kurva Pembelajaran IMPLIKASI STRATEGIS KURVA PEMBELAJARAN KETERBATASAN KURVA PEMBELAJARAN Rangkuman Istilah-istilah Penting Menggunakan Peranti Lunak dalam Kurva Pembelajaran Contoh Soal dan Penyelesaian Uji Diri Sendiri Pertanyaan untuk Diskusi Soal-soal Studi Kasus: Negosiasi SMT dengan IBM Daftar Pustaka Tujuan Pembelajaran Setelah membaca modul ini. menggunakan konsep aritmatika untuk memperkirakan waktu. 3. . 4.

Ketika karyawan dan perusahaan melaksanakan sebuah tugas berulang kali. Penelitian membuktikan bahwa tingkat kematian dari transplantasi jantung menurun sebesar 79%. diperlukan waktu lebih sedikit untuk menghasilkan setiap unit tambahan yang diproduksi perusahaan. pada tahun 1936. Tampaknya ada perbaikan dari dokter dan tim medis sejalan dengan pengalaman.1) menampilkan jam kerja yang dibutuhkan untuk setiap unit dibandingkan dengan banyaknya unit yang diproduksi. Wright dari Curtis-Wright Corp. P. Bagaimanapun juga. Hampir semua organisasi belajar dan meningkatkan diri dari waktu ke waktu. sebuah kurva pembelajaran yang jarang ditemui pada jenis industri lainnya.1 bahwa penghematan waktu untuk menyelesaikan setiap unit berikutnya berkurang. P. terlihat juga pada Figur E. Dapat dilihat bahwa waktu yang dibutuhkan untuk menghasilkan sebuah unit berkurang—yang pada umumnya mengikuti kurva eksponensial—sejalan dengan karyawan atau perusahaan menghasilkan lebih banyak unit. Dengan kata lain. . kurva pembelajaran (yang digambarkan pada Figur E. Sebuah grafik. Hal ini adalah atribut utama sebuah kurva pembelajaran.MK-150 Manajemen Operasi Prosedur medis seperti operasi jantung mengikuti kurva pembelajaran. Bila tingkat kematian berkurang sebesar 50% setiap tiga operasi. terkadang disebut juga kurva pengalaman. mereka belajar bagaimana cara melaksanakan tugas tersebut secara lebih efisien. "Factors Affecting the Cost of Airplanes. Wright.1 Wright menguraikan bagaimana biaya tenaga kerja langsung berkurang sejalan dengan proses pembelajaran." Journal of the Aeronautical Sciences (Februari 1936). sebuah teori yang diakui oleh produsen pesawat terbang lainnya. Kurva pembelajaran pertama yang diterapkan pada industri ada pada sebuah laporan yang disusun oleh T. 1 T. praktik tersebut dapat dibuat lebih sempurna. Kurva pembelajaran (learning curve) didasarkan pada pemikiran yang menyatakan bahwa organisasi dan orang-orang akan mengerjakan tugas mereka dengan lebih baik ketika tugas-tugas tersebut diulang-ulang. Kurva pembelajaran Suatu dasar pemikiran yang menyatakan bahwa organisasi dan orang-orang akan mengerjakan tugas mereka lebih baik ketika tugas-tugas tersebut diulang. Hal ini berarti berkurangnya waktu dan biaya yang dikeluarkan.

Mendefinisikan kurva pembelajaran. rumusnya adalah: Waktu yang diperlukan untuk membuat unit ke-4 = 10 × (0.1 Efek kurva pembelajaran menyatakan bahwa waktu per pengulangan akan menurun sesuai jumlah menaiknya pengulangan Biaya/waktu per pengulangan 0 Jumlah pengulangan (volume) Tujuan Pembelajaran 1.9 jam. (E-1) Jika untuk membuat unit pertama dari produk tertentu dibutuhkan 10 jam kerja dan jika terdapat kurva pembelajaran 70%. maka unit kedua membutuhkan 80% waktu unit pertama. Karena itu. tetapi juga pada beragam biaya. jika tingkat kurva pembelajaran adalah 80%. Prinsip ini dinyatakan sebagai: T × Ln = Waktu yang dibutuhkan untuk unit ke-n di mana T = biaya atau waktu per unit bagi unit pertama. Kegunaan kurva pembelajaran sangat penting dan memainkan peran utama dalam banyak keputusan strategis yang berkaitan dengan tingkat ketenagakerjaan. maka penurunan waktu setiap unit memengaruhi tingkat kurva pembelajaran. n = banyaknya T dilipatgandakan. diketahui bahwa kurva pembelajaran diterapkan pada beragam kategori rangka pesawat (misalnya: pesawat jet tempur. kapasitas. kemudian menjadi 4. kurva pembelajaran diterapkan tidak hanya pada tenaga kerja. Sejak saat itu. biaya. pesawat penumpang. . termasuk biaya bahan mentah dan pembelian komponen. dan pesawat pembom). dan sebagainya.Modul Kuantitatif E • Kurva Pembelajaran MK-151 Figur E. unit keempat membutuhkan 80% waktu unit kedua. unit kedelapan membutuhkan 80% waktu unit keempat. Terlepas dari waktu yang diperlukan untuk memproduksi pesawat pertama. ketika produksi dilipatgandakan. L = tingkat kurva pembelajaran. maka waktu yang dibutuhkan untuk membuat unit keempat adalah dua kali lipatnya—dari 1 menjadi 2. dan proses penetapan harga.7)2 = 4. Jadi. Kurva pembelajaran didasarkan pada penggandaan produksi: artinya.

PENERAPAN KURVA PEMBELAJARAN Jurnal-jurnal perdagangan menerbitkan data berbagai industri mengenai tingkat pembelajaran berbagai operasi spesifik. Kurva pembelajaran dapat diterapkan pada bidang jasa maupun manufaktur. Sebagai contoh. 2. termasuk biaya dan penetapan harga. Contohnya. Kurva dengan nilai 90% berarti besarnya tingkat perbaikan yang bersesuaiannya adalah 10%. Organisasi-organisasi yang berbeda—yakni yang memiliki produk berbeda—memiliki kurva pembelajaran yang juga berbeda. Hasil penelitian rumah sakit selama 3 tahun dari 62 orang pasien yang melakukan cangkok jantung buatan menyatakan bahwa setiap tiga operasi dapat mengurangi tingkat kematian per tahun hingga setengahnya. Ketika rumah sakit tersebut menghadapi tekanan baik dari perusahaan asuransi maupun pemerintah untuk menegosiasikan harga tetap untuk jasa mereka. penjadwalan. Terdapat sebuah hubungan matematis yang memungkinkan untuk menyatakan waktu yang diperlukan untuk menghasilkan sebuah unit tertentu. Strategis: evaluasi kinerja industri dan perusahaan. Walaupun . atau karyawan akan mengganggu kurva pembelajaran. penetapan biaya. Hubungan ini merupakan sebuah fungsi banyaknya unit yang telah diproduksi sebelum unit yang dipertanyakan tersebut dan berapa lama waktu yang diperlukan untuk menghasilkannya. Produk dan proses yang stabil dan terstandardisasi cenderung memiliki biaya yang dapat merosot lebih tajam daripada produk dan proses lainnya. Peramalan kebutuhan tenaga kerja yang berlebihan serta peramalan kebutuhan bahan baku yang tidak memadai dapat terjadi bila efek belajar diabaikan. Tingkat pembelajaran bervariasi tergantung pada mutu manajemen serta proses dan produk yang potensial. dan anggaran. di antara tahun 1920 dan 1955.1. maka semakin curam kurva dan biaya lebih cepat menurun. Seperti yang tampak pada Tabel E. Selain digunakan pada bidang jasa dan manufaktur. Internal: peramalan tenaga kerja. produk. sebuah kurva pembelajaran 70% berarti terdapat penurunan waktu sebanyak 30% setiap kali pengulangan digandakan. industri baja dapat mengurangi biaya jam kerja untuk setiap unitnya hingga 79% secara kumulatif untuk setiap kali penggandaan produksinya.MK-152 Manajemen Operasi KURVA PEMBELAJARAN PADA BIDANG MANUFAKTUR DAN JASA Cobalah melakukan pengujian efek kurva pembelajaran pada beberapa aktivitas yang Anda lakukan. kurva pembelajaran dikatakan sebagai pelengkap tingkat perbaikan. Setiap perubahan pada proses. Secara tradisi. kemampuan mereka untuk belajar dari pengalaman menjadi semakin kritis. kurva pembelajaran industri sangat bervariasi. kurva pembelajaran juga bermanfaat untuk berbagai tujuan berikut. perhatian harus terus dilakukan dengan mengasumsikan bahwa kurva pembelajaran sedang berlanjut dan bersifat permanen. 3. Semakin rendah nilai (70% dibandingkan dengan 90%). Karena itu. 1. Sebagai contoh. Eksternal: negosiasi rantai pasokan (lihat studi kasus SMT pada akhir modul ini). Tingkat kematian per tahun bagi pasien transplantasi jantung di Temple University Hospital mengikuti kurva pembelajaran 79%. hitunglah waktu yang diperlukan setiap kali Anda menyusun rak buku dan catatlah tingkat perkembangannya.

Perawatan peralatan di GE Parameter Peningkatan Harga Jam kerja per unit Waktu rata-rata yang diperlukan untuk mengganti sekelompok perangkat Produksi jam kerja pekerja per unit yang diproduksi Harga rata-rata per unit Harga jual pabrik ratarata Harga rata-rata per bit Tingkat kematian 1 tahun Parameter Kumulatif Unit yang diproduksi Unit yang diproduksi Jumlah penggantian Lengkungan Kurva Pembelajaran (%) 86 80 76 4. Menggunakan konsep aritmatika untuk meramalkan waktu. Pendekatan Aritmatika Tujuan Pembelajaran 2. Kalkulator genggam 7. Biaya menurun dan efisiensi meningkat bagi perusahaan individu dan industri. Cunningham. Sirkuit terintegrasi 6. perhatikan tiga jalan pendekatan kurva pembelajaran secara matematis: analisis aritmatika. Perakitan pesawat 3. Seperti yang telah diuraikan pada awal modul ini. Produksi Ford Model-T 2. setiap kali produksi berlipat dua. yang menjadi perhatian adalah dalam menegosiasikan banyaknya biaya pemasok untuk produksi lebih lanjut berdasarkan ukuran pesanan. analisis logaritma. prosedur ini menentukan lamanya waktu yang diperlukan untuk menghasilkan unit yang telah ditentukan. “The Impact of Learning on Cost: The Case of Heart Transplantation”. perusahaan dapat menolak pekerjaan tambahan sebab mereka tidak mempertimbangkan peningkatan efisiensi mereka sendiri yang diakibatkan oleh adanya proses pembelajaran. Dengan prinsip ini. Jika tingkat pembelajaran diketahui sebesar 80% dan unit . konsekuensi dari analisis ini lebih luas jangkauannya. Sebagai contoh. permasalahan besar dalam penjadwalan akan terjadi jika operasi tidak disesuaikan dengan implikasi dari kurva pembelajaran yang ada. Hal-hal tersebut merupakan sedikit pembahasan pada efek kurva pembelajaran. Pendekatan aritmatika (arithmetic approach) adalah pendekatan yang paling sederhana pada permasalahan kurva pembelajaran. “Using The Learning Curve as a Management Tool”. Dari sisi rantai pasokan. Sumber: James A. Lebih lanjut. dan koefisien kurva pembelajaran. maka tenaga kerja per unit menurun dengan sebuah faktor konstan yang dikenal sebagai tingkat pembelajaran. Smith dan Jan L. Karena itu. hal ini dapat menghasilkan tenaga kerja dan fasilitas produksi menjadi kosong pada sebagian waktu. Transplantasi jantung a Unit yang diproduksi Unit yang diproduksi Jumlah bit Transplantasi yang dilakukan 72a 74 76 79 Satuan dolar dianggap konstan. jika peningkatan kurva pembelajaran tidak dipertimbangkan ketika melakukan penjadwalan. IEEE Spectrum (Juni 1980): 45 © 1980 IEEE: dan Davis B. Hospital and Health Services Administration (Musim Semi 1989): 85–97. Produksi baja Unit yang diproduksi 79 5.Modul Kuantitatif E • Kurva Pembelajaran MK-153 Tabel E. Disk memory drive 8. Larson.1 Contoh-contoh Efek Kurva Pembelajaran Contoh 1.

8 × 100) 64.0 = (0. perlu beralih ke pendekatan logaritma. dengan rumus: TN = T1(N ) di mana: TN = waktu untuk unit ke-N T1 = waktu yang dibutuhkan untuk memproduksi unit pertama b = (log dari tingkat pembelajaran)/(log 2) = kemiringan kurva pembelajaran b (E-2) Tabel E. .0 80.2) Selama yang diinginkan adalah menemukan waktu yang diperlukan untuk menghasilkan satu unit N dan N merupakan satu nilai ganda. maka waktu yang diperlukan untuk menghasilkan unit kedua. Untuk fleksibilitas inilah.152 Beberapa nilai b disajikan pada Tabel E.415 –0.MK-154 Manajemen Operasi pertama yang diproduksi membutuhkan waktu 100 jam.2 Nilai-nilai Kurva Pembelajaran b Tingkat Pembelajaran (%) 70 75 80 85 90 b –0. Contoh E1 menunjukkan bagaimana rumus ini bekerja.322 –0. dan keenambelas adalah sebagai berikut.2.8 × 80) 51.0 = (0.8 × 51. maka pendekatan ini dapat bekerja.515 –0. TN. Unit Ke-n yang Diproduksi 1 2 4 8 16 Waktu untuk unit ke-n 100.8 × 64) 41.234 –0.2 = (0. Analisis aritmatika tidak memberitahukan lamanya waktu yang diperlukan untuk menghasilkan unit lain. Pendekatan Logaritma Pendekatan logaritma (logarithmic approach) dapat menentukan tenaga kerja untuk setiap unit.0 = (0. kedelapan. keempat.

Latihan pembelajaran: Jika tingkat pembelajaran Greg hanya 90%. .10. E.9. waktu yang diperlukannya untuk menyelesaikan pekerjaan berkurang 20%. Solusi: TN = T1(Nb) T3 = (100 jam)(3b) = (100)(3log 0. T1 = jumlah tenaga kerja yang dibutuhkan untuk memproduksi unit pertama. Contoh E2 menggunakan persamaan sebelumnya dan Tabel E. C. TN = T1C (E-3) di mana TN = jumlah tenaga kerja yang dibutuhkan untuk memproduksi unit ke-N.3 untuk menghitung efek kurva pembelajaran. seorang lulusan Lee College. menyelesaikan audit pertamanya dalam 100 jam. Greg Lattier.1. ia telah mengalami perkembangan pesat.] Masalah serupa: E.621 jam. berapa waktu yang dibutuhkan oleh Lattier untuk menyelesaikan pekerjaan ketiganya? Pendekatan: Kita akan menggunakan pendekatan logaritma dalam Persamaan (E-2). Tujuan Pembelajaran 3. dan seterusnya) maupun pada unit yang diinginkan.2. 75%. E. Tingkat rata-rata 80% berarti dari pekerjaan pertama ke pekerjaan kedua.8/log2) = (100)(3-0. Menghitung efek kurva pembelajaran dengan menggunakan pendekatan logaritma dan koefisien kurva pembelajaran Pendekatan logaritma memungkinkan kita untuk menentukan berapa jam yang diperlukan untuk menghasilkan setiap unit. C = koefisien kurva pembelajaran yang ditemukan pada Tabel E. Jika klinik-klinik gigi yang ia audit dianggap sama.3 dan dalam persamaan berikut. tetapi ada metode lain yang lebih sederhana. E. E. bergantung baik pada tingkat pembelajaran (70%.3.322) = 70. Pendekatan Koefisien Kurva Pembelajaran Teknik koefisien kurva pembelajaran terdapat dalam Tabel E. E. berapa lama waktu yang dibutuhkannya untuk melakukan audit ketiga? [Jawaban: 84.16.2 jam kerja Pemahaman: Dari pengalaman Greg melakukan audit pertama hingga audit ketiga.Modul Kuantitatif E • Kurva Pembelajaran MK-155 Contoh E1 Menggunakan pencatatan untuk menghitung kurva pembelajaran Tingkat pembelajaran bagi seorang akuntan publik bersertifikat dalam melakukan audit praktik dokter gigi adalah 80%.11. Koefisien kurva pembelajaran. 80%.

284 Waktu Total 1.091 19.122 85% Unit Waktu 1.195 3.223 5.303 4.101 5.552 Waktu Total 1.274 6.994 7.150 0.357 0.160 0.309 0.511 8.000 0.214 0.370 0.334 13.384 2.384 12.307 75% Unit Waktu 1.738 4.656 0.248 0.191 11.700 2.192 7.367 0.597 0.257 0.405 11.404 9.777 7.623 3.660 6.640 0.783 0.000 0.828 10.522 0.142 3.299 4.750 0.3 unit keempat dan tingkat pembelajaran 85%.750 2.437 0.291 0.343 0.422 0.174 0.747 6.323 0.459 3.593 3.322 5.936 6.762 0.092 8.776 80% Unit Waktu 1.634 0.380 4.705 0. di mana Koefisien C = N (log tingkat pembelajaran/log 2) 70% Unit Waktu (N) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 35 40 45 50 Unit Waktu 1.562 0.613 0.315 6.318 0. Kapal kedua dan ketiga telah diproduksi oleh perusahaan Korea dengan tingkat pembelajaran 85%.502 3.000 jam kerja untuk menghasilkan beberapa kapal penarik pertama yang akan dibeli oleh perusahaan Anda. .477 0.418 0.438 0.425 23.031 4.723 14.197 Waktu Total 1.650 0.410 0. Koefisien kurva pembelajaran C adalah 0.534 0.381 0.244 0.3 Koefisien-koefisien Kurva Pembelajaran.000 1.974 14.614 0. berapakah yang Anda harapkan sebagai agen pembelian untuk membayar unit yang keempat? Pendekatan: Pertama.540 8.306 0.446 12.556 4.402 14.802 5.346 5.716 10.410 0.583 0.684 20.792 9.335 0.801 17.407 8.402 0.689 9.309 14.562 0.398 0.729 0.800 2.626 4.596 0.305 0.861 10.690 13.800 0.845 6.244 8.670 0.898 11.500 25.334 0.543 29.104 10.495 0.216 0.267 0.589 5.932 5.374 10.618 13.462 0.294 0.020 15.758 3.643 17.288 0.665 8.944 8.290 7.000 0.558 0.315 6.677 0.548 0.206 0.635 7.727 23.513 0.421 0.958 6.934 4.026 6.400 Waktu Total 1.900 0.561 0.000 1.233 0.385 0.475 0.345 0.508 0.571 0.634 0.625 12.227 7.000 0.568 0.133 10.695 0. yaitu Great Lakes.685 0.773 15.530 0.839 6.366 32.973 7.000 1.294 21.000 1.449 0.446 0.191 0.846 0.994 8.263 0.040 12.383 10.960 4.240 0.493 0.501 5.402 0.515 0.450 0.723 0.316 0.773 0.339 5.052 10.716 0.907 12.663 0.570 0.686 0.539 0.301 0.490 0.513 90% Unit Waktu 1.721 11.134 Waktu Total 1.596 0.000 0.345 4.657 0.325 0.485 12.388 0.MK-156 Manajemen Operasi Tabel E.574 7.769 6.810 0.116 7.331 9.834 5.608 17.428 0.639 0.686 8.512 0.688 5.850 2.322 9.533 7.946 3. Dengan upah $40 per jam.713 20.501 0.220 0.920 9.278 0. Inc.204 5.268 2.470 0.394 0.245 8.746 3.305 10.226 0.295 0.142 Contoh E2 Menggunakan koefisien kurva pembelajaran Produsen galangan kapal Korea membutuhkan 125.355 0.850 0.702 0.319 7.902 11.141 0.000 1.744 0.700 0.666 26.229 0.900 2.644 0.193 18.434 0.514 6.723.634 0. cari pada Tabel E.583 0.

E. Latihan pembelajaran: Berapakah nilai T4 jika faktor pembelajarannya 80%.20a. E.15.3a.000)(3. Sekali lagi.1 di akhir modul ini. Dengan nilai ini.6c.3. E.1.11. E. . E. E.000. E19.000 Pemahaman: Pendekatan koefisien kurva pembelajaran sangat mudah diterapkan. E. Tabel E. Solusi: Dengan demikian. dapat ditemukan bahwa koefisien kumulatifnya adalah 3.16. Kalikan saja nilai tabel dengan waktu yang dibutuhkan untuk unit yang pertama. E. Latihan pembelajaran: Jika faktor pembelajarannya naik 80%. E. waktu yang dibutuhkan adalah T =T C N 1 T4 = (125. c.3 juga menunjukkan nilai kumulatif. b.5a.22.375 jam × $40 per jam = $3.345)= 418.14.] Masalah serupa: E.6a.750 jam.10. kalikan dengan $40: 90. E.5b.] Soal masalah serupa: E.Modul Kuantitatif E • Kurva Pembelajaran MK-157 Solusi: Untuk menghasilkan unit yang keempat dibutuhkan waktu: TN = T1C T4 = (125.9. E.615.000.000 jam)(0.200.7. Berapa lama yang dibutuhkan untuk memproduksi keempat kapal? Pendekatan: Dengan melihat kolom “waktu total” pada Tabel E. harganya akan menjadi 125. E. Contoh E3 Menggunakan koefisien-koefisien kumulatif Contoh E2 menghitung waktu untuk memproduksi kapal penarik keempat yang akan dibeli oleh Great Lakes.125 jam untuk keempat kapal.3.000 jam × $40 per jam (sama dengan biaya pembuatan kapal pertama) = $6. Contoh E3 menjelaskan konsep ini. E.375 jam Untuk mendapatkan biayanya.2. c.000.3b. bagaimanakah perubahan harga yang terjadi? [Jawaban: Harga akan turun hingga $3. alih-alih 85%? [Jawaban : 392. E.723) = 90. perhitungan yang dibutuhkan sangat sederhana.345. Pemahaman: Ilustrasi penggunaan Excel OM untuk menyelesaikan Contoh E2 dan E3 dapat dilihat pada Program E. E. E. waktu total yang dibutuhkan untuk memproduksi sejumlah unit dapat dihitung. Jika kita tidak memasukkan faktor pembelajaran ke dalam peramalan biaya.

Kurva pembelajaran ini lurus karena kedua skalanya merupakan skala logaritmik.3. Carilah perkiraan revisi untuk kapal pertama. apakah yang akan terjadi jika tersedia informasi terbaru yang paling dapat dipercaya untuk unit lain? Jawabannya adalah data ini harus digunakan untuk menemukan sebuah perkiraan untuk meninjau kembali unit pertama. Perlu dilakukan peninjauan ulang atas perkiraan kapal pertama. dibagi dengan C = 0.773 = 129.000 jam yang dibutuhkan untuk menyelesaikan kapal pertama. 100. Pemahaman: Setiap perubahan pada produk. atau orang yang terlibat dalam proses produksi akan mengubah kurva pembelajaran. harus diketahui terlebih dahulu waktu yang dibutuhkan untuk menyelesaikan unit pertama. proses.MK-158 Manajemen Operasi Untuk menggunakan Tabel E. Solusi: Untuk menemukan perkiraan revisinya.000 0. kemudian menerapkan tabel bagi jumlah tersebut. Juga telah diterangkan cara seorang agen pembelian dapat menentukan harga pemasok.3. perkiraan baru (hasil revisi) untuk kapal pertama adalah 129. . Great Lakes berpendapat bahwa tingkat pembelajaran yang tepat adalah 85%. Sejauh ini.481. sudah diterangkan bagaimana para manajer operasi meramalkan jam kerja yang dibutuhkan bagi sebuah produk. Inc. grafik menghasilkan sebuah garis lurus. percaya bahwa kondisi yang tidak lazim dalam proses produksi kapal pertama (lihat Contoh E2) menyiratkan bahwa perkiraan waktu 125.000 jam. Kapal ketiga diselesaikan dalam waktu 100. Pendekatan: Untuk menyelesaikan perkiraan tinjauan ulang untuk kapal pertama. Latihan pembelajaran: Kapal keempat baru diselesaikan dalam 90.773 pada kolom 85%. [Jawaban: 124. ternyata perkiraan waktu untuk kapal pertama sudah cukup akurat.773.366 jam Jadi.000 jam. Perkiraan baru untuk kapal 1 menyatakan perlunya revisi terhadap perkiraan biaya dan volume. Contoh E4 menggambarkan konsep ini. tetapi perusahaan tersebut tidak yakin dengan waktu 125. Menjelaskan implikasi stratetgis kurva pembelajaran. Sebuah contoh dari garis harga perusahaan dan garis harga industri diberi label pada Figur E. pengetahuan yang dapat membantu negosiasi harga.000 jam tidaklah sah sebagai dasar perhitungan waktu yang diperlukan untuk memproduksi kapal ketiga. 100. Walaupun demikian.] IMPLIKASI STRATEGIS KURVA PEMBELAJARAN Tujuan Pembelajaran 4.2. kembali pada Tabel E.366 jam.000 jam. Contoh E4 Merevisi perkiraan kurva pembelajaran Great Lakes. Ketika laju perubahan konstan. waktu aktual untuk kapal ketiga. Penerapan penting kurva pembelajaran lainnya berhubungan dengan perencanaan strategis. dengan nilai unit N = 3 dan koefisien kurva pembelajaran C = 0.

Bi Harga per unit (skala log) ay a Ha pe ru sa rg ai nd us ha tri Figur E. dan memiliki catatan menggunakan strategi kurva pembelajaran yang agresif.2 Kurva pembelajaran Harga Industri Dibandingkan dengan Kurva pembelajaran Biaya Perusahaan Catatan: sumbu vertikal dan horizontal pada gambar di atas dinyatakan dalam skala log. Strategis → menentukan perubahanperubahan volumebiaya. para pesaing yang berbahaya dan kuat mengendalikan biaya mereka. Lebih dari itu. Menghadapi pesaing seperti ini pada sebuah perang harga hanya akan menguntungkan konsumen. para manajer harus memahami pesaing sebelum menjalankan sebuah strategi kurva pembelajaran.2). 3. Pesaing yang lemah adalah pesaing yang kurang modal. 3. Berfokus pada peningkatan produktivitas dan pengurangan biaya yang berkelanjutan. Penerapan kurva pembelajaran: 1. tetapi volume harus ditingkatkan agar kurva pembelajaran tetap ada. Eksternal → menentukan biaya pembelian. Penurunan biaya tidak terjadi secara otomatis. atau tidak memahami logika kurva pembelajaran. KETERBATASAN KURVA PEMBELAJARAN Sebelum menggunakan kurva pembelajaran. Jika strategi perusahaan adalah mencapai kurva yang lebih curam dibandingkan dengan industri rata-rata (garis biaya perusahaan pada Figur E. Menerapkan kebijakan harga yang agresif. Membagi pengalaman. titik a atau b) atau beroperasi merugi (pada titik c). Grafik tersebut dikenal sebagai grafik log-log. perusahaan dapat melakukan hal ini dengan cara-cara berikut. memiliki posisi keuangan yang kuat untuk investasi besar yang diperlukan. 4. terjebak dalam biaya yang mahal. Internal → menentukan standar tenaga kerja dan tingkat pasokan material yang diperlukan. Biaya dapat turun saat perusahaan mengejar kurva pembelajaran. 1. 2. an Kerugian Margin keuntungan kotor (c) (b) (a) Volume akumulasi (skala log) . Bagaimanapun juga. 2. Menjaga kapasitas dapat tumbuh di atas permintaan. perhatikan beberapa hal berikut sesuai dengan urutan berikut. maka perusahaan harus memiliki biaya pada titik-titik di bawah garis terputus-putus tadi (sebagai contoh. biaya harus ditekan ke bawah.Modul Kuantitatif E • Kurva Pembelajaran MK-159 Jika sebuah organisasi percaya garis biayanya merupakan garis “biaya perusahaan” dan harga industri ditandai oleh garis terputus-putus.

begitu juga ketersediaan sumber daya dan perubahan dalam proses. dan POM for Windows dapat digunakan untuk menganalisis kurva pembelajaran. Lebih lagi. bukannya menerapkan kurva pembelajaran perusahaan atau industri lain. Sebagai contoh. upaya dan minat para pekerjanya mungkin menurun dan membatasi kemajuan kurva. • Sementara para pekerja dan proses membaik. desain. X Menggunakan Excel OM Program E. Excel OM. • Budaya kerja. perlu dilakukan evaluasi ulang. Pada sel B7. • Kurva pembelajaran sering berdasarkan pada waktu diperlukan untuk memproduksi unit-unit awal. pada sel B8. Istilah Penting Kurva pembelajaran Menggunakan Peranti Lunak untuk Kurva Pembelajaran Excel.1 menunjukkan bagaimana Excel OM digunakan untuk membuat spreadsheet penghitungan kurva pembelajaran. bisa mengubah kurva pembelajaran. kurva pembelajaran yang sama tidak selalu dapat diterapkan bagi tenaga kerja tidak langsung dan bahan mentah. atau prosedur dapat mengubah kurva pembelajaran. ketika sebuah proyek hampir selesai. dan koefisien kurva pembelajaran yang ditemukan pada tabel. waktu tersebut harus akurat. Peranti lunak juga dapat membantu menganalisis kurva pembelajaran. Rangkuman Kurva pembelajaran merupakan sebuah alat bantu yang sangat bermanfaat bagi manajer operasi. Data dimasukkan dari Contoh E2 dan E3. Setelah informasinya tersedia.MK-160 Manajemen Operasi • Karena kurva pembelajaran berbeda pada setiap perusahaan dan industri. • Segala perubahan pada karyawan. Anda dapat menggunakan gagasan-gagasan pada bagian Excel OM berikut untuk membuat spreadsheet Excel Anda sendiri. kurva pembelajaran memberikan pemahaman akan kinerja industri dan perusahaan. maka perkiraan untuk setiap organisasi harus dibuat. Bentuk kurva dapat tetap sepanjang suatu periode waktu yang pendek. Terdapat tiga pendekatan kurva pembelajaran: analisis aritmatika. kita memasukkan jumlah unit sebagai unit dasar (tidak selalu harus bernilai 1). sekalipun akan jatuh pada jangka panjang. karena itu. analisis logaritma. kita memasukkan waktu yang diperlukan untuk unit tersebut. . Alat ini dapat membantu para manajer operasi menentukan biaya standar mendatang untuk benda yang diproduksi dan dibeli.

kita dapat menghitung tingkat pembelajaran. Sebagai tambahan pilihan. Jangan mengubah-ubah sel ini. Pada sel B11.Modul Kuantitatif E • Kurva Pembelajaran MK-161 Menggunakan POM for Windows Modul kurva pembelajaran POM for Windows menghitung panjang waktu yang diperlukan untuk menyelesaikan unit yang akan dikerjakan.$B$12) =SUM($B$16:B16) Program E. berapakah waktu yang diperlukan untuk membuat sistem yang ke-11? Berapakah waktu total yang dibutuhkan oleh kesebelas sistem yang pertama? Sebagai agen pembelian. Angka-angka ini digunakan untuk penghitungan. dihitung tenaga yang akan dinaikkan sehingga rumus lain pada kolom B akan menjadi lebih sederhana. jika waktu yang diperlukan untuk menyelesaikan unit pertama dan unit ke-N telah diketahui. Jika sistem telepon pertama membutuhkan waktu 56 jam. =$B$11*POWER(1. Anda diharapkan membeli sistem telepon ini. waktu untuk unit pertama dihitung sehingga memungkinkan kita untuk menggunakan unit awal selain unit 1. mulai dari unit ke-12 hingga unit ke-15. Perhitungannya dilakukan berdasarkan unit dasar dan tingkat pembelajaran (dinyatakan dalam nilai antara 0 dan 1). b.1 Modul Kurva pembelajaran Excel OM dengan Menggunakan Data dari Contoh E2 dan E3 Contoh Soal Contoh Soal E. Pada sel B12. c. a. Berapakah biaya yang Anda harapkan untuk unit-unit ini jika Digicomp membebankan $30 untuk setiap jam kerja? . Kurva pembelajarannya adalah 80%.1 Digicomp memproduksi sistem telepon baru yang sudah dilengkapi layar TV. Perinciannya dapat dilihat pada Lampiran IV.

3.83.72 menit. kurva pembelajaran hanya berlaku saat besar total unit yang diproduksi relatif sedikit.512 = 30. yang telah dihitung di bagian (b). Jadi. koefisien 80% waktu unit] a. Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik..512. 60 × (0. Batasan-batasan pendekatan kurva pembelajaran termasuk. Untuk menemukan waktu bagi unit 12 hingga 15.9 jam b.. kemudian menjumlahkannya. a. Waktu total untuk 11 unit pertama = (56 jam)(6.1 jam)($30 per jam) = $2. a. berapakah waktu yang dibutuhkan untuk pekerjaan kedelapan jika Anda berada pada kurva pembelajaran 80%? Jawaban Penggandaan tiga kali dari 1 menjadi 2 menjadi 4 menjadi 8 adalah 0. penurunan waktu produksi per unit sebagai besar total dari kenaikan unit yang diproduksi.72 menit atau menggunakan Tabel E.2 Jika pekerjaan pertama kali yang Anda lakukan membutuhkan waktu 60 menit.5 jam [dari Tabel E. diambil waktu kumulatif total untuk unit 1 hingga 15 dan dikurangi oleh waktu total unit 1 hingga 11.3 akan diperoleh C = 0.MK-162 Manajemen Operasi Jawaban [dari Tabel E. 60 × 0. Waktu total untuk 15 unit pertama = (56 jam)(8. 2. 14. waktu untuk unit 12 hingga 15 adalah 476.512 = 30.3. .777) = 379. jumlah waktu produksi per unit sebagai besar total dari kenaikan unit yang diproduksi. Karena itu.913.. koefisien 80% waktu unit] c. 13. Kurva pembelajaran menjelaskan mengenai. lihat tujuan pembelajaran di awal bab dan istilahistilah penting di akhir bab. TN = T1C. b.1 jam.6 jam. Oleh karena itu. Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda. Contoh Soal E.511) = 476. 1. (Nilai ini juga dapat diperiksa ulang dengan menghitung waktu untuk unit 12. kenaikan jumlah unit yang diproduksi per waktu unit sebagai jumlah total dari kenaikan unit yang diproduksi..5 = 97.6 – 379. Uji Diri Sendiri • • • Sebelum melakukan uji diri sendiri.462) = 25. T11 = (56 jam)(0. b.) Biaya yang diharapkan untuk unit 12 hingga 15 = (97. tingkat di mana suatu organisasi mendapatkan informasi baru. dan 15 secara terpisah menggunakan kolom unit waktu. d. c.8)3 = 60 × 0. kurva pembelajaran hanya berlaku pada proses produksi yang relatif sederhana.

Pertanyaan untuk Diskusi 1. b. Semua jawaban di atas benar. dan ______. seorang auditor IRS (badan pajak di AS). Nama lain untuk kurva pembelajaran adalah. 4. a. c. teknologi industri.1 Amand Heinl. Semua jawaban di atas benar.. ______. e. ______.. Semua jawaban di atas benar. IRS menggunakan kurva pembelajaran 85%. perubahan personel. Soal-soal*2 E. kurva produksi. kurva pembelajaran hanya dapat diterapkan pada proses produksi yang sangat terotomatisasi. d. kurva pembelajaran harus dikembangkan lagi saat terjadi perubahan produksi atau perubahan proses produksi. 7. 4. d. 5. Kurva pembelajaran memiliki tingkat yang berbeda-beda karena.. b. Aplikasi-aplikasi kurva pembelajaran termasuk _______. 8. 3. apakah implikasi bagi Great Lakes.Modul Kuantitatif E • Kurva Pembelajaran MK-163 c. 2. Berapa lamakah waktu untuk: a) pengembalian kedua? b) pengembalian keempat? c) pengembalian kedelapan? *Catatan: berarti soal dapat diselesaikan dengan POM for Windows dan/atau Excel OM. 6. jumlah pengalaman yang disebarluaskan. membutuhkan waktu 45 menit untuk memproses pengembalian pajak pertamanya. 3. d. Inc.. kurva pengalaman. c. Apakah keterbatasan dari penggunaan kurva pembelajaran? Identifikasikan tiga penerapan kurva pembelajaran! Apakah pendekatan yang digunakan untuk memecahkan persoalan kurva pembelajaran? Mengacu pada Contoh E2. e. perubahan pada produk. . a. jika departemen rekayasanya ingin mengubah mesin pada kapal penarik ketiga dan keempat yang dibeli oleh perusahaan? Mengapa konsep kurva pembelajaran dapat diterapkan pada lini perakitan bervolume tinggi sebagaimana pada hampir semua aktivitas manusia? Apakah unsur yang dapat mengganggu kurva pembelajaran? Jelaskan konsep efek “penggandaan” dalam kurva pembelajaran! Teknik apakah yang dapat digunakan perusahaan untuk pindah ke kurva pembelajaran yang lebih curam? 5. kurva eksponensial. ______.

3 Jika Profesor Donna Conroy membutuhkan waktu 15 menit untuk menyusun nilai ujian pertama kali dan mengikuti kurva pembelajaran 80%. rumah sakit Beth Zion diberitahukan bahwa hanya 10 operasi pencangkokan yang harus dibiayai oleh rumah sakit. baru mempekerjakan Sally Kissel untuk memverifikasi utang dagang dan faktur harian. Sally membutuhkan waktu 9 jam dan 23 menit untuk menyelesaikan tugasnya pada hari pertama.MK-164 Manajemen Operasi E.2 Seton Hall Trucking Co. Bagaimanapun juga.5. berapakah waktu yang dibutuhkannya: a) untuk menilai ujian ke-25? b) untuk menilai 10 ujian pertama? E. b) lima pencangkokan yang pertama. . Berapakah waktu yang diperlukan untuk menyelesaikan pekerjaan pada: a) hari kedua? b) hari keempat? c) hari kedelapan? d) hari keenambelas? E. E.6 Mengacu pada Soal E. pihak rumah sakit harus menyelesaikan 18 pencangkokan pertamanya dengan teliti dan tidak membebankan biaya kepada pasien. c) pencangkokan ke-18.000. Tingkat pembelajaran adalah 80% dan perawatan pertama membutuhkan waktu 30 jam. d) delapan belas pencangkokan yang pertama. Sebelumnya. Berdasarkan penelitian yang dilakukan di rumah sakit. Perkirakan waktu yang dibutuhkan untuk menyelesaikan: a) pencangkokan hati yang kelima.5 Beth Zion Hospital telah menerima sertifikasi awal dari negara bagian California sebagai pusat pencangkokan hati. Biaya perawatan per jam diperkirakan mencapai $5.4 Jika untuk menyelesaikan pencangkokan kornea mata pertama kali di rumah sakit dibutuhkan waktu 563 menit dengan tingkat pembelajaran 90%. karyawan yang mengerjakan pekerjaan ini cenderung mengikuti kurva pembelajaran 90%. berapakah waktu kumulatif untuk menyelesaikan: a) 3 operasi pencangkokan pertama? b) 6 operasi pencangkokan pertama? c) 9 operasi pencangkokan pertama? d) 16 operasi pencangkokan pertama? E. Beth Zion memperkirakan rumah sakit memiliki kurva pembelajaran 80%. Pencangkokan pertama yang baru selesai memerlukan waktu 30 jam.

Dengan meninjau ulang data produksi masa lampau. Inc. seorang mahasiswa University of South Alabama. c) 77%.8 John Howard. E.9 Profesor Mary Beth Marrs membutuhkan waktu 6 jam untuk menyiapkan kuliah pertama pada sebuah kursus baru. Candice menyelesaikan rak buku pertama dalam waktu 5 jam dan yang kedua 4 jam. Perkirakan berapa waktu yang dibutuhkan untuk merakit mesin keempat untuk setiap tingkat pembelajaran berikut: a) 95%. E.11 Kara-Smith Systems sedang memasang jaringan untuk Advantage Insurance. Proses pemasangan pertama membutuhkan waktu 46 jam kerja. dan mereka yang tidak menunjukkan kemajuan yang memadai dipindahkan ke program yang memiliki permintaan rendah. Pada pengulangan yang kesepuluh kali. membeli enam rak buku bagi kamar asramanya. peserta latihan yang lain.12 Baltimore Assessment Center menyaring dan melatih pekerja untuk sebuah perusahaan perakitan komputer di Towson. dan keenam? d) Keenam rak buku itu seluruhnya? E. kelima. b) 87%. Profesor Mary biasanya memiliki tingkat pembelajaran 90%. Perusahaan mengetahui dari pengalaman masa lalu bahwa porsi tenaga kerja akan berkurang secara signifikan dengan bertambahnya jumlah unit yang diproduksi. berapakah waktu yang dibutuhkan untuk rak buku ketiga? c) Rak buku keempat. a) Berapakah tingkat pembelajarannya? b) Umpamakan tingkat pembelajaran yang sama berlanjut. c) 72%.7 Manceville Air baru memproduksi kompresor industri yang menyatukan teknologi sirkuit kendali baru dengan sistem ventilasi internal baru. Setiap rak buku membutuhkan pembongkaran dan perakitan komponen. Kemajuan dari semua peserta latihan dicatat. Unit pertama membutuhkan waktu 112 jam tenaga kerja. membutuhkan 80 jam kerja. Perkirakan berapa lama pemasangan jaringan keempat dan kedelapan pada setiap tingkat pembelajaran berikut: a) 92%. Perlukah Anda menyarankan salah satu atau kedua peserta latihan ini untuk melanjutkan latihannya? Mengapa? . para peserta latihan harus mampu menyelesaikan perakitan dalam waktu satu jam atau lebih sedikit. Torri Olson-Alves membutuhkan waktu 5 jam untuk unit keempat dan 4 jam untuk unit kedelapan. Perusahaan tertarik memperkirakan waktu total untuk menyelesaikan 7 unit berikutnya. E. Kate Derrick.Modul Kuantitatif E • Kurva Pembelajaran MK-165 a) Berapakah waktu yang dibutuhkan untuk operasi kesepuluh? b) Berapa biaya operasi kesepuluh? c) Berapakah biaya keseluruhan 10 operasi yang dibiayai rumah sakit? E. Maryland. Pekerjaan Anda adalah menyiapkan perkiraan biaya.10 Mesin pertama yang dirakit oleh Michael Vest. Sementara itu. termasuk pekerjaan memaku dan memasang baut. terlihat bahwa perusahaan memiliki kurva pembelajaran 90% saat memproduksi desain serupa. membutuhkan waktu 4 jam pada unit ketiga dan 3 jam untuk unit keenam. b) 84%. Berapakah waktu yang diperlukan untuk menyiapkan kuliah yang kelima belas? E.

Walaupun produk tersebut menggunakan teknologi baru.718 jam untuk menyelesaikan lokomotif kedelapan pada sebuah perusahaan manufaktur Prancis yang besar. memproduksi semikonduktor dan memiliki kurva pembelajaran 0. E.000 jam. berapa pekerjakah yang harus ditugaskan pada kontrak ini untuk menyelesaikan kontrak selama satu tahun? E. Jumlah jam kerja yang ditagih oleh Genco untuk menyelesaikan turbin ketiga adalah 460.12) memiliki kurva pembelajaran 80% dan dapat melakukan sebuah tugas selama 20 menit setelah mengulang enam kali saja.080 jam setiap tahun. . E. berapakah waktu untuk menyelesaikan pesawat kedua belas dan pesawat kelima belas? Berapakah waktu yang dibutuhkan untuk menyelesaikan pesawat mulai dari pesawat kedua belas hingga kelima belas? Dengan upah $40 per jam.MK-166 Manajemen Operasi E. Central membayar Genco $60 per jam untuk pelayanannya. Waktu yang dibutuhkan untuk setiap kepala silinder adalah 4 jam. Harga setiap bit adalah 100 milisen dengan volume 0. Berapakah yang harus David bayar untuk pesawat kelima dan keenam? Gunakan kurva pembelajaran 85% dan upah tenaga kerja $40 per jam. Kontrak yang dilakukan adalah untuk jasa pelayanan kepala silinder lokomotif diesel. dan kontrak dilakukan untuk 40 unit. Bengkelnya pernah membuat sebagian lokomotif ini di masa lalu secara sporadis.14 Wanda Fennell.7 × 1012 bit. ingin menentukan berapa yang harus ia bayar untuk pesawat keempat jika pesawat ketiga membutuhkan waktu produksi 20. Berapakah harga yang diperkirakan untuk 1. a) Berapakah waktu total yang diperlukan untuk memproduksi 40 unit? b) Berapakah waktu rata-rata untuk memproduksi setiap 40 unit? c) Jika diasumsikan bahwa seorang pekerja bekerja selama 2. Sebagai manajer pemeliharaan Central Power. Anda sedang berusaha memperkirakan biaya pemeriksaan turbin keempat.17 Central Power memiliki 25 pembangkit listrik kecil. Krassow yakin bahwa tingkat pembelajaran yang sesuai adalah 75%. Berapa waktu yang diperlukan untuk menyelesaikan unit ketiga? E.16 Dynamic RAM Corp.15 Dengan menggunakan data dari Soal E.20 Sebagai seorang estimator dari Arup Mukherjee Enterprises. dan pekerjaan serupa memiliki kurva pembelajaran 85%. Anda bermaksud segera mengeliminasi peserta yang lemah dan memutuskan untuk mengevaluasi mereka setelah unit ketiga. Jika faktor pembelajarannya adalah 80%. Unit pertama diharapkan membutuhkan waktu 700 jam. berapakah yang Davis (sebagai agen pembelian) perlukan untuk membayar keempat pesawat tersebut? E.4 × 1012 bit? 89. berapa waktu yang dibutuhkan untuk memproduksi lokomotif kesepuluh? E. Berapakah yang Anda harapkan akan Anda bayar untuk melakukan pemeriksaan turbin kelima dan keenam? Semua turbinnya serupa dan Genco memiliki kurva pembelajaran 80%.18 Dibutuhkan waktu 28.19 Perusahaan Eric Krassow akan melakukan penawaran sebuah sistem radar baru.13 Peserta yang lebih baik pada Baltimore Assessment Center (lihat Soal E.7. agen pembelian Northeast Airlines. Central Power memiliki kontrak dengan Genco Services untuk memeriksa turbin setiap pembangkit dengan teliti.14.6 × 1012 bit? E. Anda bertugas mempersiapkan sebuah perkiraan untuk kontrak pelayanan pelanggan yang potensial. Pelanggan menginginkan Anda memberikan penawaran untuk lot ke-12 dan ke-20.

berapakah unit yang dapat dibuat oleh perusahaan? E. memiliki 10 orang tenaga ahli. Mereka lupa mencatat usaha mereka pada ayunan pertama.Modul Kuantitatif E • Kurva Pembelajaran MK-167 a) Siapkan penawarannya! b) Setelah mempersiapkan penawarannya. a) Berapakah “kapasitas” perusahaan untuk membuat kapal-kapal ini—yaitu. Laporan 1 2 3 4 5 6 7 8 Waktu (menit) 66 56 53 48 47 45 44 41 a) Berdasarkan informasi di atas. tetapi dihabiskan waktu selama 4 jam untuk ayunan kedua. perkirakanlah waktu yang dibutuhkan pelayan tersebut untuk menyelesaikan laporannya yang ke-48. Tentukan perkiraan waktu yang diperlukan untuk: a) unit pertama.22 Kelly-Lambing. Perusahaan berpendapat bahwa tingkat pembelajaran yang diperkirakan adalah 90%.21 Sara Bredbenner dan Blake DeYoung merupakan rekanan dalam toko eceran. berapakah waktu yang dibutuhkan untuk memproduksi 100 unit? (Petunjuk: gunakan koefisien yang ada pada Tabel E. c) delapan unit tersebut seluruhnya. Anda menyimpulkan bahwa unit kelima membutuhkan waktu selama 2.3 dua kali. Kapal pertama diperkirakan membutuhkan waktu 6. Apakah yang dapat Anda simpulkan tentang kurva pembelajaran dan penawaran Anda? E.24 Jika unit pertama dari suatu produksi memerlukan waktu satu jam dan kurva pembelajaran perusahaan adalah 80%. Setiap pekerja dapat menyediakan 2. berapakah unit yang dapat dibuat perusahaan selama 1 tahun? b) Jika manajer operasinya dapat meningkatkan tingkat pembelajarannya menjadi 85% dan bukannya 90%. Perakitan sebuah ayunan memiliki tingkat pembelajaran 90%. Inc. Dari angka yang tertera pada kartu tenaga kerja tersebut. Anda menemukan sebuah kartu tenaga kerja untuk pelanggan dengan lima kepala silinder lokomotif. sebuah perusahaan yang membuat kapal kecil yang dikontrak oleh pemerintah. E.000 jam.500 jam kerja setiap tahun. Mereka mempunyai 6 ayunan lagi untuk dirakit. Kelly-Lambing akan melaksanakan sebuah kontrak baru untuk memproduksi sebuah kapal model baru. pekerjaan baru mereka adalah merakit ayunan untuk pelanggan. b) unit kedelapan. dan hasil pencatatannya. berapakah tingkat kurva pembelajarannya? b) Dengan menggunakan tingkat kurva pembelajaran 85% dan waktu pencatatan di atas.5 jam.. E.23 Berikut waktu kerja pegawai baru yang bertugas memasukkan data diukur.) .

baik waktu penyetelan mesin dan produksi. Selanjutnya. telah diindikasikan kurva pembelajaran 90% pada jam per unit. berdasarkan hasil pengecekannya. berapakah peramalan tersebut dalam satuan jam? d) Jika manajemen membangun unit yang kesepuluh sebagaimana ditandai oleh garis nyata. Kemudian. 5% untuk pengendalian mutu. Ia menambahkan 5% untuk kerugian karena bahan dan aliran yang terbuang. Ia memperkirakan biaya bahan mentah dari data yang disediakan oleh staf pembelian perusahaan IBM dan dari jurnal pembelian. . a) Apakah implikasi bagi manajemen jika grafik meramalkan biaya pada garis optimal? b) Apakah yang dapat menjadi penyebab fluktuasi di atas garis optimal? c) Jika manajemen meramalkan unit yang kesepuluh berada pada garis optimal. dan 38 unit). dengan menggunakan kurva pembelajaran 85%.62 juta dan menyediakan perincian biaya seperti yang diminta. bagi beragam operasi. tanpa perincian biaya. ia mengecek data waktu dan bahan mentah bagi unit ke-25.25 Gunakan grafik log di bawah ini untuk menjawab pertanyaan berikut. serta biaya yang dibebankan untuk jasa subkontrak. IBM memutuskan untuk bernegosiasi dengan SMT. Seorang akuntan telah memperkirakan biaya manufaktur untuk setiap komponen. 15. Ia mengasumsikan terdapat kondisi dan operator terlatih yang sempurna. dan ia membuat perkiraan biaya untuk 158 unit (pesanan sebelumnya adalah untuk 25. yaitu $5 juta. ia menghitung biayanya untuk mendapatkan perkiraan biaya untuk unit pertama. harga komponen dan bahan mentah. alat bantu. Ia mengunjungi fasilitas SMT untuk melihat peralatan yang tersedia sehingga ia akan mengetahui proses yang digunakan. 15. berapakah waktu yang diperlukan? 500 400 300 200 Jam kerja per unit Optimum 100 80 60 40 20 10 1 Aktual 10 Total unit yang diproduksi 100 200 300 400 Studi Kasus Negosiasi SMT dengan IBM SMT dan satu perusahaan yang lebih besar lainnya diminta oleh IBM untuk memberikan penawaran 80 unit lebih produk komputer tertentu. Perusahaan kedua hanya menyampaikan satu nilai total. Permintaan harga penawaran (request for quote—RFQ) mensyaratkan bahwa penawaran keseluruhannya dipecah-pecah untuk menunjukkan upah per jam. dan 38 yang telah dibuat dan mendapati bahwa perkiraannya untuk unit pertama berkisar 4% dari harga sebenarnya. 2% untuk penggunaan perkakas. dan alat ukur sementara. Bagaimanapun. mulai dari gambar teknik dan buku data biaya yang telah ia buat dari pengalaman masa lalu dan mengandung faktor waktu.MK-168 Manajemen Operasi E. dan 9% untuk biaya pembelian. SMT menawarkan $1. Kelompok negosiasi IBM meliputi dua manajer pembelian dan dua akuntan.

Modul Kuantitatif E • Kurva Pembelajaran

MK-169

Dalam negosiasi, SMT diwakili oleh salah seorang dari kedua pemilik perusahaan, dua insinyur dan seorang penaksir harga. Sesi pembukaan dimulai dengan diskusi kurva pembelajaran. Penaksir biaya IBM menunjukkan bahwa pada kenyataannya SMT beroperasi pada kurva pembelajaran 90%. Namun, ia berargumentasi bahwa SMT dapat bergeser ke kurva pembelajaran 85% dengan diberikan proses produksi yang lebih panjang, mengurangi waktu penyetelan mesin, dan meningkatkan kontinuitas pekerja sedapat mungkin dengan pesanan sebesar 80 unit. Pemilik perusahaan setuju dengan analisis ini dan ingin mengurangi harganya sebesar 4%. Bagaimanapun juga, selagi setiap operasi dalam proses manufaktur dibahas, terlihat dengan jelas bahwa beberapa perkiraan biaya yang dibuat oleh IBM terlalu rendah disebabkan terlewatnya pengeluaran pengemasan dan pengiriman. Walaupun demikian, kecerobohan ini merupakan faktor kecil karena kedua belah pihak pada pembahasan berikutnya sepakat pada sebuah pemahaman spesifikasi yang sama dan mencapai persetujuan pada biaya setiap operasi manufaktur. Pada posisi ini, wakil SMT menyatakan perhatiannya sakan kemungkinan inflasi pada biaya bahan mentah. Negosiator IBM mengajukan tawaran untuk memasukkan sebuah bentuk peningkatan harga dalam kontrak yang sebelumnya telah disetujui oleh mereka sendiri. Wakil IBM ini mengusulkan bahwa jika keseluruhan biaya bahan mentah berubah lebih dari 10%, maka harga dapat disesuaikan. Akan tetapi, jika satu pihak mengambil inisiatif untuk meninjau harga kembali, maka yang lain membutuhkan analisis dari semua faktur komponen dan bahan mentah yang datang dengan harga baru. Perhatian wakil SMT yang lain adalah sejumlah besar kontrak waktu lembur dan subkontrak akan dibutuhkan untuk dapat memenuhi jadwal penyerahan yang telah ditetapkan oleh IBM. Negosiator IBM berpendapat bahwa jadwal pengiriman yang lebih santai mungkin dibuat jika potongan harga dapat diperoleh. Menanggapi hal ini, regu SMT menawarkan potongan 5%, dan diterima. Sebagai hasil negosiasi ini, harga SMT berkurang hampir 20% di bawah harga penawaran aslinya. Pada pertemuan berikutnya yang diadakan untuk merundingkan harga pipa tertentu yang akan digunakan dalam sistem, terlihat oleh penaksir biaya IBM bahwa wakil SMT telah memperkirakan biaya yang terlalu rendah. Ia menunjukkan kesalahan yang nyata ini sebab tidak dapat memahami penyebab SMT menawarkan nilai kontrak serendah itu. Ia ingin memastikan bahwa SMT menggunakan proses manufaktur yang benar. Setidaknya, jika penaksir biaya SMT telah melakukan kesalahan, hal tersebut haruslah diperhatikan. Mencari suatu harga yang wajar baik bagi IBM sendiri dan pemasoknya merupakan kebijakan IBM. Manajer pengadaan IBM meyakini bahwa jika seorang penjual kehilangan uang pada sebuah pekerjaan, maka akan ada suatu kecenderungan untuk berhemat yang mungkin tidak memenuhi spesifikasi. Sebagai tambahan, negosiator IBM merasa bahwa dengan menunjukkan kesalahan, ia membangun iktikad baik yang akan membantu pada sesi mendatang.

Pertanyaan untuk Diskusi
1. 2. 3. Apakah kerugian dan keuntungan bagi IBM dan SMT pada pendekatan ini? Bagaimana tingkat pembelajaran yang diusulkan SMT jika dibandingkan dengan perusahaan lain? Apakah yang merupakan keterbatasan dari kurva pembelajaran pada kasus ini?

Sumber: Dikutip dari E. Raymond Corey, Procurement Management: Strategy, Organization, and Decision Making (New York: Van Nostrand Reinhold).

MK-170

Manajemen Operasi

Daftar Pustaka
Abernathy, W. J. dan K. Wayne. “Limits of the Learning Curve”. Harvard Business Review 52 (September–Oktober 1974): 109–119. Bailey, C.D. dan E.N. McIntyre. "Using Parameter Prediction Models to Forecast Post-interruption Learning". IIE Transactions 35 (Desember 2003): 1077. Camm, J. “A Note on Learning Curve Parameters”. Decision Sciences (Musim Panas 1985): 325–327. Couto, J.P. dan J.C. Teixeira. "Using Linear Model for Learning Curve Effect on Highrise Floor Construction". Construction Management & Economics 23 (Mei 2005): 355. Hall, G. dan S. Howell. “The Experience Curve from the Economist’s Perspective”. Strategic Management Journal (Juli–September 1985): 197–210. Lapré, Michael A., Amit Shankar Mukherjee, dan Luk N. Van Wassenhove. “Behind the Learning Curve: Linking Learning Activities to Waste Reduction”. Management Science 46, No. 5 (Mei 2000): 597–611. McDonald, A. dan L. Schrattenholzer. "Learning Curves and Technology Assessment". International Journal of Technology Management 23 (2002): 718. Smith, J. 1998. Learning Curve for Cost Control. Norcross, GA: Industrial Engineering and Management Press, Institute of Industrial Engineers. Smunt, T.L. dan C.A. Watts. "Improving Operations Planning with Learning Curves". Journal of Operations Management 21 (Januari 2003): 93. Weston, M. 2000. Learning Curves. New York: Crown Publishing.

Modul Kuantitatif F • Simulasi

MK-171

Modul Kuantitatif Simulasi

E

GARIS BESAR PEMBAHASAN
APAKAH YANG DISEBUT SIMULASI? KELEBIHAN DAN KEKURANGAN SIMULASI SIMULASI MONTE CARLO SIMULASI PERSOALAN ANTREAN SIMULASI DAN ANALISIS PERSEDIAAN Rangkuman Istilah-istilah Penting Menggunakan Peranti Lunak dalam Simulasi Contoh Soal dan Penyelesaian Uji Diri Sendiri Pertanyaan untuk Diskusi Soal-soal Studi Kasus: Pusat Panggilan Alabama Airlines Studi Kasus Tambahan Daftar Pustaka

Tujuan Pembelajaran
Setelah membaca modul ini, Anda diharapkan mampu: 1. 2. 3. 4. 5. mengetahui kelebihan dan kelemahan pemodelan dengan simulasi; melakukan kelima langkah dalam simulasi Monte Carlo; menyimulasikan persoalan antrean; menyimulasikan persoalan persediaan; menggunakan spreadsheet Excel untuk membuat suatu simulasi.

MK-172

Manajemen Operasi

Ketika Bay Medical Center menghadapi keramaian pasien klinik yang luar biasa parahnya, digunakanlah simulasi komputer untuk mencoba mengurangi penundaan dan memperbaiki aliran pasien. Bahasa simulasi yang disebut Micro Saint menganalisis data terbaru yang berhubungan antara waktu pelayanan pasien dan ruang klinik. Dengan simulasi jumlah dokter dan staf yang berbeda, simulasi dengan klinik lain untuk aliran pasien, dan simulasi desain ulang klinik yang telah ada, Bay Medical Center mampu mengambil keputusan berdasarkan pemahaman mengenai biaya sekaligus manfaatnya. Hal ini menghasilkan layanan yang lebih baik terhadap pasien dengan biaya yang lebih rendah. Sumber: Micro Analysis and Design Simulation Software, Inc., Boulder, CO.

Terdapat begitu banyak jenis simulasi. Meskipun modul ini memaparkan mengenai simulasi Monte Carlo, Anda harus tahu juga mengenai simulasi “fisik” (seperti model terowongan angin).

Terdapat model simulasi yang sangat banyak di dunia. Kota Atlanta, sebagai contoh, menggunakan simulasi untuk mengendalikan lalu lintasnya. Airbus Industry di Eropa menggunakan simulasi untuk menguji aerodinamika sebuah pesawat jet. Angkatan perang Amerika Serikat menyimulasikan latihan perang dengan komputer. Para mahasiswa Jurusan Bisnis menggunakan permainan manajemen untuk menirukan kompetisi bisnis sesungguhnya. Beribu-ribu organisasi seperti Bay Medical Center mengembangkan model simulasi untuk membantu membuat keputusan operasi. Sebagian besar perusahaan besar di dunia menggunakan model simulasi. Tabel F.1 memberikan data beberapa bidang di mana simulasi kini sedang diterapkan.

APAKAH YANG DIMAKSUD DENGAN SIMULASI?
Simulasi Upaya meniru fitur, tampilan, dan karakteristik sebuah sistem nyata yang biasanya melalui sebuah model komputer.

Simulasi (simulation) merupakan suatu upaya menduplikasi fitur, tampilan, dan karakteristik suatu sistem nyata. Pada modul ini, akan ditunjukkan bagaimana menyimulasikan bagian sebuah sistem manajemen operasi dengan mengembangkan sebuah model matematika paling dekat dengan yang menggambarkan sistem sesungguhnya. Kemudian, model ini akan digunakan untuk memperkirakan efek dari berbagai tindakan. Berikut gagasan di balik simulasi. 1. Untuk meniru sebuah situasi dalam dunia nyata secara matematis 2. Kemudian, untuk mempelajari sifat dan karakteristik operasi tersebut 3. Akhirnya, untuk menarik kesimpulan dan mengambil keputusan tindakan berdasarkan atas hasil simulasi

simulasi mampu menangani permasalahan persediaan saat permintaan atau waktu tunggu tidak konstan. memutuskan tindakan apa yang akan diambil. Pada modul ini. mendefinisikan masalah. mengembangkan sebuah model kuantitatif. 7. seorang manajer MO perlu: 1. . Mengapa simulasi digunakan pada bidang ini. memperkenalkan variabel penting yang berkaitan dengan masalah.1 Beberapa Aplikasi Simulasi Lokasi dan pengiriman ambulans Penyeimbangan lini perakitan Desain tempat parkir dan pelabuhan Desain sistem distribusi Penjadwalan penerbangan Keputusan penyewaan tenaga kerja Penjadwalan personel Pengepasan lampu lalu lintas Prediksi pola voting Penjadwalan bus Desain operasi perpustakaan Pengiriman taksi. Walaupun simulasi kecil dapat dilakukan dengan menggunakan tangan. 5. 6. 2. 4. prinsip dasar simulasi diuji. untuk dapat menggunakan teknik simulasi secara efektif diperlukan komputer.1. Selama beberapa tahun ke depan. 3. menjalankan percobaan.Modul Kuantitatif F • Simulasi MK-173 Dengan cara ini. Langkah-langkah ini digambarkan pada Figur F. sementara model matematika yang telah diuraikan pada bab lain dapat memecahkan permasalahan serupa? Jawabannya adalah karena simulasi menyediakan suatu pendekatan alternatif untuk permasalahan yang secara matematis sangatlah kompleks. mempertimbangkan hasil (mungkin memodifikasi model atau mengubah input). Sebagai contoh. dan rel kereta Penjadwalan fasilitas produksi Tata letak pabrik Penanaman modal Penjadwalan produksi Perkiraan penjualan Perencanaan dan kendali persediaan Permasalahan yang ditangani oleh simulasi mencakup permasalahan mulai dari yang sangat sederhana hingga permasalahan yang sangat kompleks. Untuk menggunakan simulasi. menyiapkan kejadian yang mungkin terjadi dalam pengujian dengan menspesifikasikan nilai variabel. sebuah sistem nyata tidak perlu disentuh sampai kelebihan dan kelemahan dari sebuah keputusan kebijakan utama dapat diukur pada modelnya. Tabel F. truk. mulai dari antrean pada bank hingga sebuah analisis ekonomi Amerika Serikat. model-model berskala besar yang menyimulasikan keputusan bisnis mungkin hampir seluruhnya ditangani oleh komputer. kemudian beberapa permasalahan pada kasus analisis antrean dan pengendalian persediaan akan dikaji.

Mengetahui kelebihan dan kelemahan pemodelan dengan simulasi. 7. Memungkinkan adanya faktor “pemadatan waktu”. Para manajer ingin mengetahui terlebih dahulu pilihan yang menjadi pilihan paling menarik. 4. maka simulasi metode Monte Carlo (Monte Carlo method) mungkin dapat diterapkan. 4. Model simulasi yang baik bisa jadi sangat mahal karena untuk mengembangkannya dibutuhkan waktu berbulan-bulan. simulasi dapat menggunakan distribusi probabilitas apa pun yang diinginkan oleh pengguna. 3. Perkenalkan variabel Bangun model Spesifikasikan nilai variabel Lakukan simulasi Periksa hasilnya Pilih tindakan terbaik Figur F. Simulasi tidak menghasilkan solusi optimal permasalahan (seperti halnya pada pemrograman linier). Dasar simulasi Monte Carlo adalah percobaan pada unsur peluang (atau bersifat probabilistik) dengan menggunakan pengambilan sampel secara acak.MK-174 Manajemen Operasi Definisikan Masalah KELEBIHAN DAN KELEMAHAN SIMULASI Simulasi merupakan sebuah perangkat yang telah diterima secara luas oleh para manajer karena beberapa alasan. Para manajer harus menetapkan semua kondisi dan kendala untuk solusi yang ingin mereka uji. Kerumitan dunia nyata dapat dimasukkan. . Simulasi dapat meneliti efek interaksi antara komponen satu per satu atau variabel untuk menentukan komponen atau variabel yang penting. Simulasi memungkinkan pertanyaan “bagaimana-jika”. 2. Dengan sebuah model yang terkomputerisasi. 5. Sebagai contoh. 2. simulasi sederhana dan fleksibel. Setiap model simulasi bersifat unik.1 Proses Simulasi Tujuan Pembelajaran 1. Sebagai contoh. Simulasi tidak bertentangan dengan sistem dunia nyata. Jika sebuah sistem mengandung unsur yang menunjukkan adanya peluang dalam perilaku mereka. Model simulasi tidak menghasilkan jawaban tanpa adanya input yang cukup realistis. 1. 1. SIMULASI MONTE CARLO Metode Monte Carlo Sebuah teknik simulasi yang menggunakan unsur acak ketika terdapat peluang dalam perilakunya. Berikut kelemahan utama simulasi. Solusi sebuah model dan kesimpulannya umumnya tidak dapat diterapkan pada persoalan lain. 3. Simulasi merupakan sebuah pendekatan trial and error yang dapat menghasilkan solusi yang berbeda jika diulangi. efek kebijakan MO dapat diperoleh dengan simulasi komputer dalam waktu singkat. dan tidak memerlukan distribusi standar. seorang manajer dapat mencoba beberapa keputusan kebijakan hanya dalam waktu beberapa menit. Selama bertahun-tahun atau berbulan-bulan. Kelebihan simulasi yang utama adalah sebagai berikut. Secara relatif. Simulasi dapat digunakan untuk menganalisis situasi dunia nyata yang besar dan kompleks yang tidak bisa dipecahkan oleh model manajemen operasi konvensional. mungkin akan sangat mengganggu jika kita mengadakan percobaan kebijakan atau gagasan baru secara fisik di rumah sakit atau dalam suatu bangunan pabrik. 6. di mana kerumitan tersebut tidak dapat diatasi oleh sebagian besar model MO lain.

waktu di antara mesin rusak. untuk setiap output variabel yang mungkin dengan membagi frekuensi pengamatan dengan jumlah pengamatan total. Tujuan Pembelajaran 2. Pada kolom 4. Contohnya. atau frekuensi relatif. Model simulasi komputer telah dikembangkan untuk mengatasi berbagai masalah produktivitas di restoran siap saji seperti Burger King. 3. yaitu 200. kita uji satu per satu langkah tersebut. Menyimulasikan serangkaian percobaan. permintaannya dapat diubah menjadi distribusi probabilitas dengan membagi setiap frekuensi permintaan dengan permintaan total. sebagian besar variabel memiliki probabilitas alami. Membuat distribusi probabilitas kumulatif bagi setiap variabel. waktu pelayanan. Hasil yang didapatkan diperlihatkan pada kolom 3. Gagasan dasar simulasi Monte Carlo adalah membangkitkan nilai untuk variabel pada model yang sedang diuji.2 menjadi sebuah distribusi probabilitas kumulatif (cumulative probability distribution) merupakan pekerjaan mudah. . terlihat bahwa probabilitas kumulatif untuk setiap Distribusi probabilitas kumulatif Akumulasi probabilitas individu sebuah distribusi.000 dalam penjualan per restoran per tahun. Langkah 2.2.Modul Kuantitatif F • Simulasi MK-175 Teknik simulasi Monte Carlo terbagi atas lima langkah sederhana. 1. Di antaranya adalah: permintaan persediaan. Interval angka acak Serangkaian angka yang melambangkan setiap nilai atau keluaran dalam simulasi komputer. Pada sistem dunia nyata. Membuat Distribusi Probabilitas Kumulatif bagi Setiap Variabel. Langkah 1. Melakukan kelima langkah dalam simulasi Monte Carlo. 4. Permintaan harian ban radial pada Barry’s Auto Tire selama 200 hari diperlihatkan pada kolom 1 dan 2 Tabel F. Menetapkan sebuah interval angka acak bagi setiap variabel. Model ini memperkirakan peningkatan penjualan sebesar 15%. Distribusi probabilitas dapat dicari. karena jarak yang lebih jauh mengurangi waktu tunggu sebanyak 12 hingga 13 pelanggan tambahan dapat dilayani per jamnya—keuntungan tambahan sekitar $20. waktu yang diperlukan untuk menyelesaikan aktivitas proyek. dipertimbangkan pembukaan jendela pemesanan lewat mobil yang kedua. Pada simulasi lainnya. Angka acak Serangkaian digit yang telah dipilih oleh proses acak sempurna. waktu tunggu pesanan untuk tiba. jarak ideal antara stasiun pemesanan lewat mobil dan jendela pengambilan disimulasikan. Menetapkan Distribusi Probabilitas. Mari. Menetapkan suatu distribusi probabilitas bagi variabel yang penting. 2. Kemudian. 5. Mengubah distribusi probabilitas biasa seperti pada kolom 3 Tabel F. dan jumlah karyawan yang tidak hadir setiap hari. waktu di antara kedatangan pelanggan pada suatu fasilitas pelayanan. Sebuah cara menetapkan distribusi probabilitas bagi variabel tertentu adalah menguji hasil historis. Membangkitkan angka acak. Dengan asumsi bahwa tingkat kedatangan masa lampau akan tetap sama di masa mendatang. Contohnya adalah sebagai berikut.

99. Setelah distribusi probabilitas kumulatif bagi setiap variabel yang digunakan dalam simulasi ditetapkan. maka diharapkan tersedia angka acak sebanyak 5% yang sesuai dengan permintaan 0 unit. Selama 5 angka dari 100 ditugaskan pada permintaan 0. 08. Jika terdapat peluang sebesar 10% bahwa permintaan untuk produk yang sama akan menjadi 1 unit per hari. Angka ini disebut interval angka acak (random number intervals). Sebuah permintaan harian sebesar 3 ban radial terjadi sebanyak 30%. 14. 00) yang telah terpilih oleh sebuah proses yang teracak secara sempurna— yakni sebuah proses di mana setiap angka acak memiliki peluang yang sama untuk bisa terpilih. 04. 0 10 10/200 = 0.20 60/200 = 0.3 bahwa panjang setiap interval di sisi kanan sesuai dengan probabilitas terjadinya 1 permintaan harian.85 1.05 0. maka 10 angka acak berikutnya (06. 10.20 30/200 = 0. permintaan tersimulasi untuk 0 unit dibuat setiap kali salah satu dari angka-angka 01 hingga 05 diambil. dan 04 untuk melambangkan permintaan 0 unit. Langkah 3. dalam memberikan angka acak pada permintaan harian sebesar 3 ban radial. dan 05.00 Dengan cara yang sama.05 1 2 3 4 5 20 40 60 40 30 200 hari 20/200 = 0.2 Permintaan untuk Barry’s Auto Tire asumsikan bahwa permintaan (1) (2) (3) historis merupakan indikator yang bagus untuk hasil masa Permintaan Ban Frekuensi Probabilitas Kejadian mendatang. 07. Dua digit 00 dapat dianggap sebagai 0 atau 100.. 12. angka acak (random number) merupakan serangkaian digit (misalkan: dua digit mulai dari 01. Sebagai contoh.35 0.65 0. 1 .MK-176 Manajemen Operasi permintaan merupakan penjumlahan dari jumlah pada kolom probabilitas (kolom 3) yang ditambahkan pada probabilitas kumulatif sebelumnya.30 40/200 = 0. Menetapkan Interval Angka Acak. 02. 11. rentang interval angka acak (36 hingga 65) berkaitan tepat dengan probabilitas (atau proporsi) outputnya. 98. 13. kita dapat memilih angka acak 00. Untuk membuat distribusi probabilitas ban. 02. tidak berbeda yang mana dari 5 angka tersebut. maka untuk permintaan sebesar 0 unit dapat diberikan pada 5 angka acak pertama: 01. 03. dapat dilihat pada Tabel F. maka diberikan serangkaian angka yang mewakili setiap nilai atau output yang memungkinkan.1 Kemudian. jika terdapat peluang sebesar 5% bahwa permintaan ban pada Barry’s Auto Tire adalah 0 unit per hari. . Jadi. 03.15 200/200 = 1.10 40/200 = 0. Pada dasarnya. 02. kita Tabel F. Jika pada simulasi digunakan seluruh angka acak 2 digit berjumlah 100 angka acak. Alternatifnya. 01. . 09.15 0. dan 15) mewakili permintaan tersebut—begitu juga untuk permintaan lain.00 (4) Probabilitas Kumulatif 0.. Semua angka acak sebanyak 30 angka yang lebih besar daripada 35 ke atas dan termasuk 65 ditugaskan bagi peristiwa tersebut.

Percobaan kumulatif. 1995). .10 0. maka digunakan program komputer untuk membangkitkan Anda dapat memulai interval angka acak dari angka acak. angka acak dapat 01 maupun 00. Tabel F. di diambil dari sebuah tabel angka acak.05 0.00 Interval Angka Acak 01 hingga 05 06 hingga15 16 hingga 35 36 hingga 65 66 hingga 85 86 hingga 00 Langkah 4. Jika persoalan yang dihadapi besar dan proses yang sedang diteliti melibatkan banyak percobaan simulasi.000 Normal Deviates. buku ini.05 0.35 0.65 0. Rand (New York: The Free Press.15 Probabilitas Kumulatif 0.20 0. Menyimulasikan Percobaan. dimulai dari 01 Langkah 5.85 1. Angka acak dapat dihasilkan dengan dua cara.Modul Kuantitatif F • Simulasi MK-177 Tabel F.15 0.3 Penugasan Interval Angka Acak untuk Barry’s Auto Tire Permintaan Harian 0 1 2 3 4 5 Probabilitas 0.4. Jika simulasi dilakukan dengan perhitungan tangan.30 0. Menghasilkan Angka Acak.20 0.4 Tabel Angka Acak 52 37 82 69 98 96 33 50 88 90 50 27 45 81 66 74 30 59 67 60 60 80 53 69 37 06 63 57 02 94 52 69 33 32 30 48 88 14 02 83 05 34 55 09 77 08 45 84 84 77 50 28 68 36 90 62 27 50 18 36 61 21 46 01 14 81 87 72 80 46 19 86 49 12 13 88 02 28 49 36 87 21 95 50 24 18 62 32 78 74 82 01 33 98 63 29 99 63 94 10 53 74 05 71 06 49 11 13 62 69 85 69 13 82 27 93 74 62 99 71 36 02 26 51 02 30 35 94 99 78 56 60 44 57 82 23 64 49 74 76 09 11 13 25 69 72 34 65 36 18 10 24 03 32 23 59 95 34 34 51 08 48 66 97 03 96 46 74 77 44 30 87 72 17 31 47 03 11 10 67 23 89 62 56 74 54 31 62 37 33 33 82 68 50 22 27 08 84 02 19 99 29 27 75 89 78 68 64 62 30 17 12 74 45 11 52 59 22 03 03 50 86 85 15 32 37 60 79 21 85 71 48 39 31 35 12 73 41 31 97 78 94 44 32 85 64 84 63 29 85 66 74 90 95 29 72 17 55 15 36 80 02 86 94 59 13 25 42 36 14 85 49 26 16 31 91 85 87 90 21 90 89 29 40 85 69 68 98 99 81 06 34 09 63 48 72 76 02 52 94 35 90 92 94 25 57 34 30 90 01 24 00 92 42 72 28 32 32 65 69 75 24 75 56 81 32 73 41 38 73 01 09 64 34 55 84 16 98 49 00 30 23 46 75 13 29 08 26 43 43 00 59 09 97 69 98 93 49 51 92 92 16 84 27 64 94 17 71 94 30 87 01 92 26 31 84 55 25 71 34 57 50 44 95 64 16 46 54 64 61 23 01 79 19 50 05 86 62 22 58 57 17 36 72 85 31 44 30 26 09 49 13 33 89 13 37 58 45 95 33 75 29 40 08 33 07 60 77 49 76 95 51 16 14 85 59 85 40 42 52 39 73 89 88 224 01 11 67 62 51 Sumber: Dicetak ulang dari A Million Random Digits with 100. Hasil dari eksperimen dapat sehingga di puncak dari setiap rentang adalah probabilitas disimulasikan secara sederhana dengan memilih angka acak dari Tabel F. Namun.

3 dalam interval mana setiap angka berada.9 ban dalam waktu simulasi 10 hari ini berbeda dengan permintaan harian yang diharapkan yang dapat dihitung dari data pada Tabel F.3. kita melakukan langkah 1 dan 2 dari metode Monte Carlo (pada Tabel F. maka permintaan sebesar 4 ban dipilih.30)(3) + (0.4.95 ban Walaupun demikian.9 Permintaan harian rata-rata Pemahaman: Sangat menarik untuk dicatat bahwa rata-rata permintaan sebesar 3.1 + 0.75 = 2.20)(2) + (0. Permintaan Harian yang Disimulasikan 3 3 4 4 5 5 2 3 5 5 39 Permintaan total 10 hari 39/10 = 3. Pendekatan: Sebelumnya.50) (0) + (0.MK-178 Manajemen Operasi dapat dimulai dari titik mana pun pada tabel. Solusi: Angka acak yang diperlukan dipilih dari Tabel F.20)(4) + (0.4 + 0. kita perlu membangkitkan angka acak (langkah 4) dan menyimulasikan permintaan (langkah 5). jika angka acak yang terpilih adalah 81 dan interval 66 hingga 85 mewakili permintaan harian sebesar 4 ban. Contoh F1 menjelaskan simulasi lebih lanjut. rata-rata permintaan yang disimulasikan akan mendekati permintaan yang diperkirakan.3).10)(1) + (0. Sekarang.2) dan langkah 3 (pada Tabel F.9 + 0. . Permintaan yang diperkirakan = ∑ (probabilitas i unit) ×(permintaan i unit) i=1 5 Hari ke1 2 3 4 5 6 7 8 9 10 Angka Acak 52 37 82 69 98 96 33 50 88 90 = (0.8 + 0. perhatikan pada Tabel F. Contoh F1 Menyimulasikan permintaan Barry’s Auto Tire ingin menyimulasikan 10 hari permintaan ban radial. Sebagai contoh. jika simulasinya diulangi ratusan hingga ribuan kali. dimulai dari bagian kiri atas dan dilanjutkan di sepanjang kolom pertama dan menuliskan permintaan harian yang berkesesuaian.15)(5) = 0 + 0.

2. model antrean matematis di Modul Kuantitatif D tidak dapat digunakan.3. memutuskan untuk membangun sebuah model simulasi. utilisasi karyawan. Salah satu penggunaan simulasi yang penting adalah dalam analisis persoalan antrean. Simulasi yang sederhana dengan menggunakan hanya satu variabel jarang sekali dilakukan. F. F. F. Output adalah ukuran kinerja yang bisa berarti waktu rata-rata dalam sistem. Contoh F2 menggambarkan penggunaan simulasi pada dermaga pembongkaran yang besar dan antrean yang terjadi pada dermaga tersebut. Untuk sistem antrean yang paling realistis. dan utilisasi peralatan. Berapakah permintaan harian rata-ratanya? [Jawaban: 2. . Penerapan MO Menyimulasikan Operasi Restoran Taco Bell dan analisis data dari setiap tugas yang merupakan bagian untuk menyiapkan setiap materi dalam menu.Modul Kuantitatif F • Simulasi MK-179 Latihan pembelajaran: Simulasikan ulang 10 hari tersebut. SIMULASI PERSOALAN ANTREAN Tujuan Pembelajaran 3. Pada umumnya. Pada Modul D.10. Hasil yang diperoleh mengejutkan analis karena waktu yang dihabiskan untuk mengumpulkan data melampaui waktu yang diperlukan untuk membuat model LMS. Namun. Menyimulasikan persoalan antrean. F. mengambil kesimpulan secara cepat mengenai operasi perusahaan dengan hanya melakukan sebuah simulasi singkat seperti Contoh Fl adalah sangat berisiko. simulasi yang dilakukan secara manual memperlihatkan prinsip penting yang terkait dan mungkin bermanfaat pada penelitian berskala kecil. Untuk mengembangkan dan menggunakan model simulasi tersebut. (Januari–Februari 1998): 75–91. bisnis restoran raksasa dengan aset $5 miliar dengan 6.4. OR/ MS Today (Juni 2000): 30 dan J.5. Tongkang (kapal barang) yang datang ke dermaga tidak terdistribusi secara Poisson. Swart Interfaces 28. Taco Bell memilih MODSIM sebagai peranti lunak untuk mengembangkan suatu sistem manajemen sumber daya manusia baru yang disebut LMS.] Masalah serupa: F. F.7. Taco Bell terlebih dahulu harus mengumpulkan sejumlah data penting.4. kali ini dengan angka acak dari kolom 2 Tabel F. Model ini benar-benar berhasil. F. sang analis harus terlebih dahulu melakukan studi waktu Sumber: Nation’s Restaurant News (15 Agustus 2005): 68–69. F. Lebih dari $53 juta biaya tenaga kerja dapat dihemat dalam 4 tahun pertama penggunaan LMS. simulasi mungkin merupakan satu-satunya pendekatan yang mungkin.20. Sebagai contoh. Hampir semua hal yang terjadi di restoran. waktu rata-rata di loket. Taco Bell.5. Oleh karena itu. mulai dari pola kedatangan pelanggan hingga waktu yang dibutuhkan untuk membungkus sebuah taco. F. dan tingkat pembongkaran (waktu pelayanan) tidak eksponensial atau konstan. asumsi yang diperlukan untuk memecahkan persoalan antrean bersifat sangat terbatas. seperti jumlah orang-orang dan posisi. Heuter dan W.9. Penentuan banyaknya karyawan yang dijadwalkan setiap 15 menit untuk melaksanakan setiap fungsi di restoran Taco Bell merupakan persoalan rumit dan menyulitkan. harus terlebih dahulu diterjemahkan ke dalam data yang dapat dipercaya dan akurat.1. Data masukan bagi LMS meliputi susunan kepegawaian. Pada kasus seperti ini.500 cabang di Amerika Serikat dan luar negeri.14. F.

interval angka acak untuk tingkat pembongkaran harian dapat ditetapkan. 4.13 0.5 Laju Kedatangan Tongkang saat Malam dan Interval Angka Acak Jumlah Probabilitas Probabilitas Kedatangan Kumulatif 0 1 2 3 4 5 0.15 0. Tongkang yang tidak terbongkar pada hari kedatangan harus menunggu sampai hari berikutnya. pembongkaran. kedatangan tongkang dan pembongkaran tongkang).30 0.45 0.10 1.00 0. sang pengawas dapat memulainya dengan analisis 15 hari saja. Pendekatan: Ikuti 5 langkah dalam simulasi Monte Carlo: (1) buat distribusi probabilitas untuk variabel yang penting (contohnya.6.90 1. (2) dan (3) buat distribusi kumulatif dan interval angka acak untuk setiap variabel. mengikat tongkang di dermaga merupakan proposisi yang mahal.17 0. untuk sekadar ilustrasi. dan (5) simulasikan percobaannya.13 0. Pada Tabel F. Tabel F.4. dan 5 diperlihatkan pada Tabel F. Tongkang dibongkar dengan cara yang pertama datang dan pertama keluar. Seperti yang dilakukan pada variabel kedatangan. dan penundaan.MK-180 Manajemen Operasi Contoh F2 Simulasi Pembongkaran Kapal Tongkang dengan Dua Variabel Dengan melalui perjalanan panjang di sepanjang Sungai Mississippi dari kota-kota industri.5. 2. (4) tulis angak acak dari Tabel F.20 0. dan pengawas tidak dapat menghiraukan telepon dari pemilik tongkang yang marah dan mengingatkannya bahwa “waktu adalah uang!” Ia memutuskan bahwa sebelum ke pengatur Dermaga New Orleans untuk meminta kru pembongkar tambahan. Solusi: Banyaknya tongkang yang merapat di dermaga pada waktu malam masuk pada rentang waktu tertentu mulai dari 0 hingga 5.25 0.00 Interval Angka Acak 01 hingga 13 14 hingga 30 31 hingga 45 46 hingga 70 71 hingga 90 91 hingga 00 Sebuah penelitian yang dilakukan oleh pengawas dermaga mengungkapkan fakta bahwa banyaknya tongkang yang dibongkar cenderung bervariasi dari hari ke hari. 1. 3. . pengawas menyediakan informasi yang memungkinkan dibuatnya suatu distribusi probabilitas untuk variabel tingkat pembongkaran harian. Pada tabel yang sama. Probabilitas kedatangan sebanyak 0. Namun. ditentukan probabilitas kumulatif dan interval angka acak yang berkaitan bagi setiap nilai yang mungkin. ia harus melakukan studi simulasi kedatangan. Simulasi 100 hari akan ideal. tongkang yang penuh berisi muatan tiba pada malam hari di New Orleans.70 0. Namun.

Pada simulasi yang panjang. Tabel F. sebanyak 4 tongkang sebenarnya dapat dibongkar. Tabel F. dSaat ini. karena hanya terdapat 3 tongkang dalam antrean. bTiga tongkang dapat dibongkar pada hari kedua.00 Interval Nilai Acak 01 hingga 05 06 hingga 20 21 hingga 70 71 hingga 90 91 hingga 00 Angka acak diambil dari baris teratas Tabel F. jumlah pembongkarannya adalah 0. sekalipun simulasi dimulai dengan lima penundaan dalam semalam. Tingkat Pembongkaran Harian 1 2 3 4 5 Probabilitas 0.Modul Kuantitatif F • Simulasi MK-181 Tabel F.4. cSituasi yang sama terjadi seperti pada kasus catatan kaki b.70 0. diambil dari baris kedua Tabel F. .05 0. Untuk mendapatkan tingkat pembongkaran harian. Namun.7 menunjukkan simulasi dermaga sehari-hari.05 0.90 1. jumlah tongkang yang dibongkar yang tercatat adalah 3.00 Probabilitas Kumulatif 0. Namun.4 untuk menghasilkan tingkat kedatangan harian.20 0.20 0.7 Simulasi Antrean Pembongkaran Tongkang Dermaga New Orleans (1) Hari (2) Jumlah Penundaan Hari Sebelumnya a – 0 0 0 3 2 0 0 2 4 3 2 3 1 0 20 Keterlambatan total (3) Angka Acak (4) (5) (6) Angka Acak (7) Jumlah Tongkang yang Dibongkar 3 b 0 3 1 4 3 0c 1 3 3 4 4 4 3d 3 39 Pembongkaran total Jumlah Total Kedatangan Tongkang per Malam yang Akan Dibongkar 3 3 0 0 3 3 4 4 3 6 1 3 0 0 3 3 5 7 2 6 3 6 5 2 2 5 41 Kedatangan total 7 5 3 5 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 52 06 50 88 53 30 10 47 99 37 66 91 35 32 00 37 63 28 02 74 35 24 03 29 60 74 85 90 73 59 aSimulasi dapat dimulai dengan tiadanya penundaan pada hari sebelumnya. kondisi awal harus dikeluarkan dari data.10 1.50 0.6 Laju Pembongkaran dan Interval Angka Acak Hubungan antara interval angka acak dan probabilitas kumulatif adalah ujung atas setiap interval sama dengan persentase probabilitas kumulatif. karena tidak ada kedatangan dan tidak ada pekerjaan yang tertunda.15 0.

33 tongkang tertunda per hari Jumlah kedatangan malam rata-rata = 41 kedatangan 15 hari = 2.MK-182 Manajemen Operasi Pemahaman: Pengawas sepertinya tertarik pada paling sedikit tiga informasi penting dan bermanfaat berikut. Walaupun simulasi tidak dapat menjamin solusi optimal pada persoalan seperti ini. Bagian ini menyajikan sebuah masalah persediaan dengan dua variabel keputusan dan dua komponen probabilistik. pengendali pelabuhan dan pengawas dermaga dapat mengambil keputusan kepegawaian yang lebih baik.4.7 menyediakan data yang menarik. 2. tetapi ketiga rata-rata tersebut merupakan informasi manajemen untuk membantu pengambilan keputusan. Jumlah tongkang rata-rata yang  20 penundaan =     tertunda di hari berikutnya 15 hari     = 1. Walaupun demikian. 60 pembongkaran per hari Jumlah tongkang yang dibongkar rata-rata per hari = Simulasi pada Tabel F. Ia ingin . F. F.8. SIMULASI DAN ANALISIS PERSEDIAAN Latihan Pembelajaran 4. Latihan pembelajaran: Jika angka acak untuk hari 15 adalah 03 dan 93 (bukan 00 dan 59).33 (tidak berubah). Mereka bahkan dapat memilih untuk menyimulasikan proses kembali dengan mengasumsikan tingkat pembongkaran berbeda yang sesuai dengan jumlah kru yang ditingkatkan. bagaimana ketiga rata-rata tersebut akan berubah? [Jawaban: akan menjadi 1.] Masalah serupa: F. permintaan dan waktu tunggu merupakan variabel. Model EOQ digunakan berdasarkan asumsi bahwa permintaan produk maupun waktu tunggu merupakan nilai yang konstan. biaya tenaga kerja yang menganggur.4.6. diperkenalkan model persediaan.15. Saat data dari Contoh F2 dianalisis dalam kaitannya dengan biaya keterlambatan. dalam hampir semua kondisi persediaan sesungguhnya.19. 73 kedatangan per malam 39 pembongkaran 15 hari = 2. Pemilik toko peralatan pada Contoh F3 ingin menentukan keputusan kuantitas pesanan (order quantity) dan titik pemesanan kembali (reorder point) untuk produk tertentu yang memiliki permintaan harian yang probabilistik (tidak pasti) dan waktu tunggu untuk pemesanan kembali. simulasi sangat berguna untuk membentuk ulang sebuah proses dan mengidentifikasi alternatif keputusan yang baik. F. Dengan demikian.21. Pada Bab 12. Menyimulasikan sebuah masalah persediaan. F. serta biaya untuk merekrut kru pembongkaran tambahan. dan 2. analisis yang akurat menjadi sangat sukar ditangani dengan cara apa pun. selain dengan simulasi.

35 0. Ia mengubah frekuensi historis ke dalam sebuah distribusi probabilitas untuk variabel permintaan harian (kolom 3). Jumlah hari yang dibutuhkan untuk menerima 50 pesanan terakhir diperlihatkan pada Tabel F. Dengan kata lain. Solusi: Selama 300 hari terakhir. Contoh F3 Simulasi Persediaan dengan Dua Variabel Simkin’s Hardware Store di Reno menjual bor listrik model Ace.75 0. Hal ini berarti waktu tunggu juga merupakan variabel probabilistik. tetapi tergantung pada beberapa keragaman. Permintaan harian bor secara relatif rendah. . menghitung distribusi kumulatif (kolom 4). Sebuah distribusi probabilitas kumulatif dibuat pada kolom 4 Tabel F.9). Pendekatan: Simkin ingin mengikuti 5 langkah dalam proses simulasi Monte Carlo.10 0.00 (1) Probabilitas Kumulatif 0.05 0. terdapat jarak antara waktu pemesanan hingga pengantaran selama 1 hingga 3 hari. Di akhir. setiap kali tingkat persediaan di tangan di akhir hari tersebut adalah 5 atau kurang. Simkin memperhatikan bahwa jika waktu tunggunya adalah 1 hari. pesanannya tidak akan datang keesokan harinya. Waktu tunggu juga cenderung menjadi variabel. Tabel F.20 0.Modul Kuantitatif F • Simulasi MK-183 menjalankan serangkaian simulasi serta mencoba beragam kuantitas pesanan dan titik pemesanan kembali untuk meminimalisasi biaya persediaan total. dan memberikan interval angka acak untuk setiap probabilitas waktu (kolom 5).15 0. Simkin menetapkan sebuah interval angka acak untuk mewakili setiap permintaan harian yang mungkin (kolom 5).90 1. Mark Simkin ingin mengembangkan simulasi untuk mengetes kebijakan persediaan dari memesan 10 buah bor dengan batas pemesanan ulang sebesar 5. dan kekosongan. Simkin akan menelepon pemasoknya malam itu juga dan memesan 10 buah bor lagi. Simkin telah melakukan pengamatan penjualan yang ditunjukkan pada kolom 2 Tabel F.8 Probabilitas dan Interval Angka Acak untuk Permintaan Harian Bor Ace (1) Permintaan Bor Listrik 0 1 2 3 4 5 (2) Frekuensi 15 30 60 120 45 30 300 hari (1) Peluang Kejadian 0. penyimpanan.00 (5) Interval Angka Acak 01 hingga 05 06 hingga 15 16 hingga 35 36 hingga 75 76 hingga 90 91 hingga 00 Ketika Simkin melakukan pemesanan untuk mengisi ulang persediaan bornya. tetapi di awal hari kerja selanjutnya.05 0. Biaya persediaan pada kasus ini mencakup biaya pemesanan.8.9.10 1.15 0.40 0. Simkin menetapkan sebuah distribusi probabilitas untuk variabel waktu tunggu (kolom 3 Tabel F. Hal ini juga terjadi pada pembentukan variabel permintaan.8.

Angka ini diambil dari kolom 2 Tabel F. perhatikan bahwa angka acak 02 digunakan sebagai waktu tunggu (lihat catatan kaki b).4 ketika nomor berikutnya dalam daftar telah digunakan. d Tidak ada pemesanan yang dilakukan pada hari ke-4 karena terdapat pemesanan sebelumnya yang belum diterima. Namun.00 (4) Probabilitas Kumulatif 0.9 Probabilitas dan Interval Angka Acak untuk Waktu Tunggu Pemesanan Ulang (1) Waktu tunggu (hari) 1 2 3 (2) Frekuensi 10 25 15 50 pesanan (3) Peluang Kejadian 0. c Lagi.50 0. Kuantitas Pesanan = 10 Unit.30 1. Tabel F.MK-184 Manajemen Operasi Tabel F. Diasumsikan bahwa persediaan awal (kolom 3) adalah 10 unit pada hari ke-1. dalam contoh ini.10 untuk periode 10 hari. persediaan pertama kali jatuh ke titik pemesanan kembali sebanyak 5 buah bor.10 Simulasi Persediaan Pertama Simkin Hardware. .20 0. mulai dari kiri ke kanan. tetapi pada awal hari berikutnya lagi. e Waktu tunggu untuk pemesanan pertama adalah 1 hari. nomor berikutnya pada kolom adalah 94.4.20 0. pesanan pertama tiba pada awal hari ke-5. Tabel F. Angka acak (kolom 4) diambil dari kolom 2 Tabel F.00 (5) Interval Angka Acak 01 hingga 20 21 hingga 70 71 hingga 00 Proses keseluruhan disimulasikan pada Tabel F. Hal ini dilakukan dengan empat langkah. Karena tidak ada pesanan terdahulu yang belum dikirim. pemesanan pun dilakukan. f Ini merupakan saat datangnya pesanan yang dilakukan pada akhir hari kerja ke-6. sebuah pesanan tidak datang pada keesokan paginya. Sebuah kolom yang terpisah dapat digunakan untuk mengambil angka acak waktu tunggu jika diinginkan. tetapi seperti yang terlihat pada teks. b Angka acak 02 dihasilkan untuk mewakili waktu tunggu yang pertama. Simkin tidak mengalami kehilangan penjualan selama waktu tunggu 2 hari sebelum pesanan datang.70 1. Dengan demikian. Sangat beruntung. Jadi. Titik Pemesanan Ulang = 5 unit (1) Hari 1 2 3 4 5 6 7 8 9 10 a (3) (2) Unit yang Persediaan Awal Diterima 10 0 0 0 10 0 0 0 10 f 0 e (4) Angka Acak 06 63 57 94 52 69 32 30 48 88 c (7) (5) (6) Permintaan Persediaan Penjualan yang Hilang Akhir 1 3 3 5 3 3 2 2 3 4 Total: 9 6 3a 0 7 4 2 0 7 3 41 0 0 0 2 0 0 0 0 0 0 2 (8) Pesan Lagi? Tidak Tidak Ya Tidak Ya Tidak Tidak Tidak Ya d (10) (9) Masa Acak Angka Tenggang 9 6 3 10 7 4 2 10 7 02 b 1 Tidak 33 2 14 Saat ini. tidak dilakukan.10 diisi dengan menyelesaikan 1 hari (atau baris) baru berlanjut ke hari berikutnya.

2. Contoh F4 Menambahkan biaya ke Contoh F3 Simkin ingin menambahkan biaya pada kebijakan pemesanan yang disimulasikan pada Contoh F3. Pemahaman: Simulasi persediaan Simkin menghasilkan beberapa hasil yang menarik. Jika ya. Persediaan akhir harian rata-rata = 41 total unit = 4. 0.Modul Kuantitatif F • Simulasi MK-185 1.] Masalah serupa: F. 2 unit/hari 10 hari 3 pesanan rata-rata jumlah pesanan yang dilakukan = 10 hari = 0.50.1 unit/hari 10 hari Juga didapatkan rata-rata penjualan yang hilang dan jumlah pesanan yang dilakukan per hari: rata-rata penjualan yang hilang = 2 penjualan yang hilang = 0. Waktu tunggu untuk pesanan baru disimulasikan dengan memilih sebuah angka acak dan menggunakan distribusi pada Tabel F. dan 0.16a. . Mulai setiap hari yang disimulasikan dengan memeriksa apakah terdapat pesanan persediaan yang datang.3 pesanan/hari Latihan pembelajaran: Bagaimana ketiga hasil di atas akan berubah jika angka acak untuk hari 10 adalah 04 dan 93. biaya yang dikeluarkan untuk menyimpan setiap bor per hari adalah $0. 3.9. 10 unit).11. Contoh F4 menunjukkan bagaimana data ini digunakan untuk mempelajari biaya persediaan dari kebijakan yang sedang disimulasikan. Pendekatan: Simkin memperkirakan bahwa biaya untuk melakukan pemesanan bor Ace adalah $10. Tentukan apakah persediaan akhir hari tersebut telah mencapai titik pemesanan kembali (yaitu 5 unit). maka tambahkan persediaan sekarang dengan jumlah yang dipesan (pada kasus ini. Solusi: Tiga komponen biaya akan diuji: Biaya pemesanan harian = (biaya melakukan 1 pemesanan) × (jumlah pesanan per hari) = $10 per pesanan × 0. Informasi ini memungkinkan kita dapat menghitung persediaan total per hari.2 (tidak berubah). bukannya 88 dan 14? [Jawaban: 4. F. dan biaya setiap penjualan yang hilang adalah $8. Bangkitkan permintaan harian dari distribusi probabilitas permintaan dengan memilih sebuah angka acak. maka penuhi permintaan sedapat mungkin dan catatlah jumlah penjualan yang hilang. Jika persediaan tidak cukup untuk memenuhi permintaan harian. maka lakukan pemesanan.2. Jika ya dan tidak ada pesanan yang belum dikirim. Hitung: persediaan akhir = persediaan awal – permintaan.3 pesanan per hari = $3.5. 4.

Simkin harus membandingkan strategi potensial ini dengan berbagai kemungkinan lain. kebijakan pemesanan ROP = 5 adalah keputusan yang baik. titik pemesanan kembali = 5? Setiap perpaduan nilai-nilai—mulai dari kuantitas pemesanan 6 hingga 20 bor dan titik pemesanan ulang mulai dari 3 hingga 10—mungkin harus disimulasikan pula. Apakah Simkin telah menyelesaikan analisisnya? Jawabannya adalah tidak—hasil ini hanya permulaan! Sekarang.65.000 hari sekalipun. Jika yang dilakukan adalah simulasi secara manual.12.60.] Masalah serupa: F.05 × × Manajemen Operasi Biaya penyimpanan harian = = = × × (jumlah persediaan akhir rata-rata) 4. distribusi yang dihasilkan harus dapat dibandingkan dengan distribusi yang diinginkan untuk memastikan bahwa hasil yang diperoleh adalah sah. .12 pada bagian lain dalam modul ini memberikan kesempatan bagi Anda untuk membantu Simkin memulai serangkaian pembandingan ini. bagaimana kebijakan pada kuantitas pemesanan = 10. Setelah Contoh F3 dan 4 dibahas.17.65 (jumlah kehilangan penjualan per hari rata-rata) 0. Jika simulasi dilakukan dengan komputer. Setelah dilakukan simulasi untuk semua perpaduan dari kuantitas pemesanan dan titik pemesanan kembali yang layak. titik pemesanan kembali = 5 bor).1 unit per hari Biaya jika persediaan kosong = = = (biaya per kehilangan penjualan) $8 per kehilangan penjualan $1. Latihan pembelajaran: Jika biaya melakukan pemesanan adalah $20 (bukan $10). (Terlebih. Biaya pemesanan harian $6. berapa biaya persedian total hariannya? [Jawaban: $9.000 hari akan sangat membantu mendapatkan perkiraan biaya yang akurat. hal sangat penting yang harus diperhatikan adalah simulasi ini harus diperluas untuk hari-hari lain sebelum mengambil kesimpulan mengenai biaya kebijakan pemesanan yang sedang diuji. Soal F.13.16b.000 hari dari kebijakan pada Contoh F3 (kuantitas pemesanan = 10 bor. maka 1. F. titik pemesanan kembali = 4? Atau kuantitas pemesanan = 12.2 kehilangan penjualan per hari Biaya persediaan harian total = = + Biaya penyimpanan harian + Biaya persediaan kosong per hari Pemahaman: Biaya ini akan membantu Simkin memutuskan apakah jika Q = 10. F.18.) Misalkan. F. Simkin mungkin akan memilih pasangan yang menghasilkan biaya persediaan total yang paling rendah. maka 100 hari sudah cukup baik untuk menggambarkan situasi sebenarnya.000 pada tahun 1985.MK-186 (biaya penyimpanan 1 unit per hari) 50¢ per unit per hari $2. perlu diingat bahkan dengan simulasi 1. Sekarang. titik pemesanan kembali = 6? Atau kuantitas pemesanan= 14. F. Sebagai contoh. Pada 1998. Simkin telah menyelesaikan simulasi 1. Biaya untuk menyimulasikan tabrakan mobil bagian depan di Ford adalah $60. kejadian tersebut dapat disimulasikan hanya dengan $200. biayanya hanya kurang dari $10 dan hanya memakan waktu beberapa menit.

Rangkuman Simulasi mencakup pembuatan model matematis yang mencoba bertindak seperti sistem operasi yang nyata. Bagian OR rumah sakit meliputi sebuah area penanganan pasien dan sebuah area penyembuhan pasien. Kemudian. (2) proses tertentu yang dialami pasien. Hambatan pertama yang harus dihadapi terlebih dahulu oleh tim manajemen Jackson adalah jumlah arsip yang harus ditinjau ulang untuk menyaring informasi yang dibutuhkan bagi model simulasi. Tim manajemen Jackson selalu mencari jalan untuk terus meningkatkan efisiensi rumah sakit. Pada tahun 1996. Jackson Memorial Hospital di Miami merupakan rumah sakit terbesar di Florida dengan kapasitas 1. Data masukan bagi model ini meliputi (1) jumlah waktu pasien menunggu di area penanganan. Pendekatan Monte Carlo menggunakan angka acak untuk menghadirkan variabel. Sebuah analisis arsip secara menyeluruh diperlukan untuk menentukan arsip yang baik dan arsip yang harus dibuang. Sebuah penelitian simulasi yang dimodelkan dengan menggunakan paket peranti lunak ARENA. dan merupakan salah satu rumah sakit terbaik di Amerika Serikat. (3) utilisasi karyawan. (2) waktu operasi rata-rata. dan konstruksi kamar operasi (operating room—OR) baru memicu pengembangan simulasi dari 31 OR yang telah ada. M. dan (5) waktu tunggu rata-rata dalam area penanganan. Proceedings of the 12th Annual Conference of the Production and Operations Management Society. simulasi dapat dilakukan secara sukses dengan lima ukuran kinerja: (1) jumlah operasi per hari. Secara luas. dan (5) Sumber: Knight Rider Tribune Business Service (3 Mei 2004): 1. (3) jadwal karyawan. rumah sakit ini menerima nilai akreditasi tertinggi dari semua rumah sakit umum di Amerika Serikat. A. dilihat untuk memaksimalkan penggunaan ruang dan karyawan di bagian OR. Istilah-istilah Penting Simulasi (simulation) Metode Monte Carlo (Monte Carlo method) Distribusi probabilitas kumulatif (cumulative probability distribution) Interval angka acak (random-number intervals) Angka acak (random number) . “Challenges of Simulating Hospital Facilities”.576 tempat tidur. Dengan cara ini. (4) ketersediaan kamar operasi. seperti permintaan persediaan atau orang-orang yang menunggu dalam antrean yang kemudian diduplikasikan dalam serangkaian percobaan. staf Jackson dengan saksama menyaring basis data mereka yang mengarahkan pada serangkaian input data yang baik untuk model yang ada. (Maret 2001). simulasi biasanya menggunakan komputer lebih disukai. Centeno et al. Hambatan kedua adalah kualitas data.. sebuah situasi dunia nyata dapat dipelajari tanpa membebani sistem nyatanya.Modul Kuantitatif F • Simulasi MK-187 Penerapan MO Menyimulasikan Kamar Operasi di Jackson Memorial Hospital waktu yang tersedia sepanjang hari. (4) utilisasi kamar operasi. kedua ruang tersebut sedang mengalami persoalan yang disebabkan oleh penjadwalan dari pelayanan OR yang tidak efektif. Pada akhirnya. Walaupun model simulasi dapat dikembangkan secara manual. simulasi digunakan sebagai sebuah alat operasi karena pada umumnya kelebihan yang didapatkan lebih banyak daripada kelemahannya.

dan (3) pembangkit angka acak telah dibuat dalam bahasa ini sebagai subroutine. Program F. Gunakan fungsi RAND untuk membangkitkan angka acak antara 0 dan 1. dan ARENA.MK-188 Manajemen Operasi Menggunakan Peranti Lunak dalam Simulasi Komputer sangat penting dalam menyimulasikan tugas yang kompleks. MAP/1. Sebuah penerapan peranti lunak ARENA dijelaskan pada kotak Penerapan MO “Menyimulasikan Kamar Operasi di Jackson Memorial Hospital”. Komputer dapat membangkitkan angka acak.2 ban per hari (di sel I14). memiliki beberapa kelebihan: (1) bahasa ini memerlukan lebih sedikit waktu pemrograman untuk simulasi besar. Witness. ProModel. Program simulasi yang mudah dibaca dan bersifat komersial juga tersedia. Termasuk program-program seperti Extend. Simfactory. Bahasa simulasi dengan tujuan khusus. Bahasa pemrograman komputer dapat membantu proses simulasi. Modsim. Gunakan fungsi FREQUENCY untuk menciptakan tabel frekuensi berdasarkan simulasi di kolom I. dan memberikan laporan bagi manajemen untuk membuat pengambilan keputusan menjadi lebih mudah. (2) bahasa ini umumnya lebih efisien dan lebih mudah untuk melihat kemungkinan kesalahan. Bahasa untuk tujuan umum. seperti BASIC atau C++ merupakan sebuah pendekatan. Sebuah pendekatan komputer hampir merupakan keharusan untuk menarik kesimpulan yang sah dari simulasi. Beberapa digunakan untuk menangani beragam situasi yang berkisar mulai dari antrean hingga persediaan. Paket tersebut memiliki pembangkit nilai acak dan menghasilkan output dengan menggunakan perintah tabel “data-fill”. Software berupa spreadsheet seperti Excel juga dapat digunakan untuk mengembangkan simulasi secara cepat dan mudah. . seperti GPSS dan SIMSCRIPT. Enterprise Dynamics.1 Menggunakan Excel untuk Menyimulasikan Permintaan Ban untuk Barry’s Auto Tire Shop Output menunjukkan rata-rata simulasi sebanyak 3. menyimulasikan beribu-ribu periode waktu dalam hitungan detik atau menit. Gunakan fungsi VLOOKUP untuk menentukan jumlah ban yang dijual berdasarkan angka acak yang dibangkitkan dan tabel probabilitas di C4:E9. Micro Saint.

Menekan tombol fungsi F9 akan menghitung ulang angka acak dan simulasinya. seperti pada Contoh F1. Perhatikan bahwa probabilitas kumulatifnya dihitung pada kolom E di Program F. Contoh Soal dan Penyelesaian Contoh Soal F.TRUE) =AVERAGE(I4:I13) =FREQUENCY ($I$4:$I$13. sang pemilik perusahaan. Di kolom H.1 Higgins Plumbing and Heating menjaga tingkat persediaan pemanas air sebanyak 30 galon untuk dijual dan dipasang bagi rumah tangga. angka acak pertama yang diperlihatkan adalah 0. Untuk keterangan lebih lanjut. melihat kolom sebelumnya dan mengambil nilai dari kolom B di dalam tabel. Sel A4 A5 H4 I4 I14 C18 C24 D18 D25 E18 E19 Formula Excel =0 =A4+D4 =RAND() =VLOOKUP(H4. Fungsi = VLOOKUP di kolom I melihat angka acak (yang dibangkitkan di kolom H) di kolom paling kiri dari tabel yang dilihat ($A$4:$B$9).Modul Kuantitatif F • Simulasi MK-189 X Menggunakan Spreadsheet Excel Tujuan Pembelajaran 5. Jerry Higgins. lihat Lampiran IV. Ia meneliti penjualan alat pemanas air selama 50 minggu terakhir dan mencatat hal berikut. Kemudian. menyukai ide untuk memiliki pasokan yang banyak untuk memenuhi permintaan pelanggan.$A$4:$B$9. Namun. Fungsi =VLOOKUP bergerak ke bawah melalui kolom ini.716. Menggunakan spreadsheet Excel untuk memuat simulasi. contohnya. .D18:D23) =D18 =E18+D19 Aksi Salin ke A6:A9 Salin ke H5:H13 Salin ke I5:I13 Salin array ke C19:C23 Salin ke D19:D23 Nilai Probabilitas kumulatif Probabilitas kumulatif Angka Acak Permintaan Rata-rata Frekuensi Total Persentase Permintaan simulasi rerata Persentase Kumulatif Persentase Kumulatif Salin ke E20:E23 Tekan F9 untuk menyimulasikan Menggunakan POM for Windows dan Excel OM POM for Windows dan Excel OM mampu menangani berbagai simulasi yang hanya mengandung satu variabel acak.1. dibutuhkan biaya yang besar.2. Dari baris sebelumnya. kemudian “melihat” angka-angka ini dalam sebuah tabel untuk mengasosiasikanya dengan kejadian tertentu membuat spreadsheet alat yang ampuh untuk melakukan simulasi. Prosedur ini mengurangi kemungkinan eror dan berguna pada simulasi yang lebih besar yang melibatkan lebih banyak tingkat permintaan. Excel mengambil nilai di kolom B.1 hingga menemukan 0. Excel melihat kolom di sebelah kiri dari tabel ($A$4:$B$9) pada Program F.85. yaitu 4.1 menggambarkan simulasi Excel untuk Contoh F1. Program F. hingga menemukan sel yang lebih besar dari angka acak. ia juga memahami bahwa untuk memiliki pasokan yang banyak. Kemampuan membangkitkan angka acak.$B$18:$B$23) =SUM (C18:C23) =C18/$C$24 =SUMPRODUCT(B18:B23.

18 0. dimulai dengan angka acak 10.06 1.14 0.00 (a) Minggu Angka Acak 10 24 03 32 23 59 95 34 34 51 Penjualan yang Disimulasikan 4 6 4 6 6 7 10 6 6 7 Minggu Angka Acak Penjualan yang Disimulasikan 4 7 8 10 4 10 7 8 8 7 Interval Angka Acak 01 hingga 12 13 hingga 22 23 hingga 40 41 hingga 64 65 hingga 80 81 hingga 94 95 hingga 00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 08 48 66 97 03 96 46 74 77 44 .16 0.4.10 0.MK-190 Penjualan Alat Pemanas Air per Minggu 4 5 6 7 8 9 10 Manajemen Operasi Jumlah Minggu Barang Terjual 6 5 9 12 8 7 3 50 minggu data total a) Jika Higgins menjaga persediaan konstan sebanyak 8 alat pemanas air pada setiap minggu.24 0. berapakah jumlah penjualan yang diharapkan setiap minggu? Bagaimana cara membandingkannya dengan jawaban pada bagian (b)? b) Berapakah jumlah penjualan rata-rata setiap minggu selama periode 20 minggu? c) Jawaban Penjualan Alat Pemanas 4 5 6 7 8 9 10 Peluang 0. maka berapa kali ia kehabisan persediaan pada simulasi selama 20 minggu? Akan digunakan angka acak dari kolom ketujuh Tabel F.12 0. Dengan menggunakan teknik analisis nonsimulasi.

keuntungan sebesar $10 per unit yang terjual. Pelajari kembali halaman-halaman yang berhubungan dengan jawaban pertanyaan yang Anda jawab dengan salah atau materi-materi yang Anda tidak pahami dengan baik. Gunakan kunci di bagian belakang buku ini untuk mengoreksi jawaban Anda. Dengan ukuran sampel yang lebih besar.10(5) + 0.Modul Kuantitatif F • Simulasi MK-191 Dengan pasokan 8 alat pemanas. Jumlah rata-rata yang diperkirakan dapat terjual adalah 49. b. di mana X adalah jumlah unit yang terjual. Uji Diri Sendiri • • • Sebelum melakukan uji diri sendiri.24(7) + 0.06(10) = 6.18(6) + 0.75 per minggu. dengan menggunakan angka acak dua digit sebagai berikut: 33 77 13 10 85 c) Hitung nilai yang diharapkan dari bagian (b) dan bandingkan dengan hasil bagian (a)! Jawaban a.16(8) + 0.14(9) + 0. lihat tujuan pembelajaran di awal bab dan kata kunci di akhir bab. ke-14. Nilai yang diharapkan = –300 + 10(49. kita dapatkan E (penjualan) = 0.88 pemanas Dengan simulasi yang lebih panjang. . Hasil penjualan rata-rata yang disimulasikan adalah $144. keuntungan = –$300 + $10X. a) Hitunglah nilai yang diharapkan! b) Simulasikan penjualan sebanyak 5 unit.5) = $195 –300 + $10(37) = $70 –300 + S10(77) = $470 –300 + $10(13) = –$170 –300 + $10(10) = –$200 –300 + $10(85 )= $550 c. dan ke-16). Jadi.5 unit. Contoh Soal F. (c) Dengan menggunakan nilai yang diharapkan.2 Angka-angka acak dapat digunakan untuk menyimulasikan distribusi yang kontinu. (b) Penjualan rata-rata dalam simulasi = penjualan total/20 minggu = 135/20 = 6. Sebagai sebuah contoh sederhana. dan diharapkan terdapat peluang yang sama dari 0 hingga 99 unit yang akan terjual. kedua pendekatan ini akan menghasilkan nilai yang lebih mendekati harapan. Higgins akan kehabisan persediaan selama tiga kali di sepanjang periode 20 minggu (pada minggu ke-7. kedua nilai diharapkan akan semakin dekat.12(4 pemanas) + 0. asumsikan bahwa biaya tetap adalah $300.

. penting untuk mengembangkan distribusi probabilitas kumulatif. Angka Acak: 52 06 50 88 53 30 10 47 99 37 2. Gunakan angka acak berikut untuk menyimulasikan jawaban ya dan tidak untuk 10 pertanyaan dengan memulai dari baris pertama dan mengambil: a) angka berdigit ganda 00−49 melambangkan ya dan 50−99 melambangkan tidak. 6. permintaan simulasi rata-rata di sepanjang simulasi seharusnya mendekati… a. a. Ketika menyimulasikan percobaan Monte Carlo. 7. dan ______. c. jumlah karyawan yang tidak masuk kerja setiap harinya.. ______.. Dalam simulasi Monte Carlo. Kelima langkah yang diperlukan dalam teknik simulasi Monte Carlo adalah _________. waktu antar kerusakan mesin. tetapi dapat dibuat grafiknya dalam kurva. 4. b. Manajemen Operasi Ketujuh langkah yang harus dilakukan manajer operasi ketika menggunakan simulasi untuk menganalisa sebuah masalah adalah ______. Ketika memilih angka acak dalam simulasi Monet Carlo. d. ______. waktu antar kedatangan di fasilitas perawatan. 3. c. Semua jawaban di atas benar. b. _________. b. d. a. b) angka genap berdigit ganda melambangkan ya dan angka ganjil melambangkan tidak. tidak penting untuk memilih rentang yang tepat dari interval angka acak sebagai probabilitas. d. ______. merupakan alternatif yang tidak masuk akal jika laju kedatangan tidak terdistribusi secara Poisson.. untuk menarik kesimpulan dan mengambil keputusan berdasarkan hasil-hasil simulasi. c. waktu tunggu untuk kedatangan pesanan simpanan. _________. untuk menirukan situasi dunia nyata. permintaan harian. c. Semua jawaban di atas benar. Secara berurutan. 5. a. 8. c. d. b. e. permintaan nyata. Semua jawaban di atas benar. permintaan yang diperkirakan. sebutkan tujuh langkah yang perlu dilaksanakan seorang manajer operasi ketika menggunakan simulasi untuk meneliti suatu masalah! . _________. Ide dasar di balik simulasi adalah… a. ______. Pertanyaan untuk Diskusi 1. Semua jawaban di atas benar. sangatlah jarang dalam situasi nyata.. ______. untuk mempelajari sifat dan karakteristik operasi situasi di dunia nyata. b. variabel yang mungkin ingin disimulasikan adalah.MK-192 1. dan _________.. _________. Menggunakan simulasi untuk masalah antrean. akan sesuai jika waktu pelayanannya tidak eksponensial atau konstan. permintaan sampel. penting untuk memilih angka acak tertentu yang tepat d.

harus disimulasikan periode yang lama. 9. Diasumsikan angka acak berikut telah dibangkitkan: 09. 67. 73. Jika tidak. Apakah yang disebut simulasi Monte Carlo? Prinsip apakah yang mendasari penggunaannya. 23. 85. Dengan menggunakan angka-angka ini.10) beru