6 0 2 MB
Fakultas Rekayasa Industri
PENELITIAN OPERASIONAL II IE-G3F3 Program Studi Teknik Industri Fakultas Rekayasa Industri Telkom University
Fakultas Rekayasa Industri
Biodata Dosen Nama Kode Dosen E-mail Phone Ruang
: Nurdinintya Athari S. : NDT : [email protected] : 081321147347 : C209
Fakultas Rekayasa Industri
PROFIL MATA KULIAH Mata kuliah ini mempelajari masalah optimalisasi suatu permasalahan stokastik dengan penyelesaian melalui pemodelan dan metode matematis.
Model dan metode yang dipelajari utamanya adalah pengambilan keputusan, dynamic programming, rantai markov, dan sistem antrian.
Fakultas Rekayasa Industri
TUJUAN 1. Mahasiswa mampu memformulasikan masalah-masalah yang bersifat stokastik ke dalam formulasi model dynamic programming, rantai markov, dan sistem antrian. 2. Mahasiswa mampu menyelesaikan persoalan pengambilan keputusan pada kondisi stokastik. 3. Mahasiswa mampu menyelesaikan permasalahan dynamic programming dengan pendekatan rekursif maju dan mundur. 4. Mahasiswa mampu menyelesaikan permasalahan rantai markov dengan tahap terbatas dan tidak terbatas. 5. Mahasiswa mampu menyelesaikan permasalahan sistem antrian dengan pendekatan model antrian yang sesuai. 6. Mahasiswa mampu menggunakan software untuk menyelesaikan persoalan yang bersifat stokastik.
Fakultas Rekayasa Industri
REFERENSI • Taha, H. A., Operations Research: An Introduction, Pearson, 2011 • Hillier, F. S., Lieberman, Introduction to Operations Research, McGraw Hill, 2015
• Eiselt, H. A., Sandblom, C., Operations Research: A Model-Based Approach, Springer Science & Business Media, 2012 • Winston W. L., Goldberg, J. B., Operations Research: Applications and Algorithms, Thomson Brooks/Cole, 2004 • Bronson, R., Naadimuthu, G., Schaum's Outline of Operations Research, McGraw Hill, 1997
Fakultas Rekayasa Industri
PRASYARAT • Penelitian operasional I (IE G2M3)
Fakultas Rekayasa Industri
BOBOT NILAI 1. UTS
: 30%
2. UAS
: 30%
3. Tugas besar
: 20%
4. Quiz & tugas
: 15%
5. Outstanding
: 5%
Jika tidak memiliki poin outstanding, maka total nilai 95.
Fakultas Rekayasa Industri
OUTSTANDING (MATERI TERKAIT OR II) • Publish paper • Juara lomba • Membuat software • Mengadakan pengabdian masyarakat • Menjadi konsultan di perusahaan • Membuat sarana pembelajaran (e-Learning, dll)
• Dll Dibuktikan melalui sertifikat dan atau bukti lainnya
Fakultas Rekayasa Industri
INDEKS NILAI Nilai Skor Matakuliah (NSM)
Nilai Mata Kuliah (NMK)
80 < NSM
A
70 < NSM ≤ 80
AB
65 < NSM ≤ 70
B
60 < NSM ≤ 65
BC
50 < NSM ≤ 60
C
40 < NSM ≤ 50
D
NSM ≤ 40
E
Fakultas Rekayasa Industri
JADWAL PERKULIAHAN • Perkuliahan 1x/minggu • 3 SKS = 3 x 50 menit = 2.5 jam
• Jadwal perkuliahan • XXX
Fakultas Rekayasa Industri
11
ATURAN PERKULIAHAN • Mengenakan seragam sesuai ketentuan yang berlaku. Tidak menggunakan seragam sesuai ketentuan tidak diperbolehkan masuk kelas. • Toleransi waktu kehadiran di kelas maksimal 15 menit. • Papan tulis sudah bersih sebelum dosen masuk kelas • Tidak hadir saat perkuliahan dianggap alpa. • Kehadiran mahasiswa minimal 75% untuk dapat mengikuti Ujian Akhir Semester • Pelanggaran Etika mahasiswa yang berkaitan dengan akademik (misal mencontek dan memberi contekan) minimal nilai MK adalah E, apabila diproses komisi etika Fakultas sanksi minimal adalah skorsing 1 semester. 01-Feb-17
Fakultas Rekayasa Industri
12
ATURAN PERKULIAHAN Selama perkuliahan, mahasiswa dilarang:
•
Menggunakan sendal atau yang sejenis.
• • •
Merokok, minum, makan. Mengganggu ketenangan dan ketertiban kelas. Membuka notebook/laptop kecuali dosen yang meminta mahasiswa untuk menggunakannya untuk kepentingan perkuliahan Menggunakan alat komunikasi dalam bentuk apapun (handphone, dan sebagainya). Menggunakan alat elektronik lainnya yang tidak berhubungan dengan perkuliahan.
• •
01-Feb-17
Fakultas Rekayasa Industri
Fakultas Rekayasa Industri
Fakultas Rekayasa Industri
CHRONOLOGY OF DEVELOPMENT IN THE EVOLUTION OF INDUSTRIAL ENGINEERING
Fakultas Rekayasa Industri
LATAR BELAKANG SEJARAH OR
Organisasi sulit mengalokasikan sumber daya bagi berbagai aktivitas secara EFEKTIF & MENYELURUH
Komponen organisasi cenderung tumbuh secara otonom dengan sasaran & sistem nilainya sendiri
Penelitian Operasional (Operational Research)
Fakultas Rekayasa Industri
Metode Ilmiah (Scientific Method) Kebutuhan untuk mengalokasikan sumberdaya yang langka bagi berbagai operasi dan aktivitas militer secara efektif
Penelitian dalam operasi (militer) (Research in (military) operations)
Fakultas Rekayasa Industri
Riset Operasional pertama sekali digunakan pada perang dunia II. Perang telah menyebabkan alokasi sumber daya terbatas yang dimiliki angkatan bersenjata Amerika Serikat dan Inggris menjadi masalah. Berbagai operasi menggunakan sumber daya terbatas yang sama. Oleh karena itu, militer Amerika Serikat dan Inggris memanggil para ilmuwan untuk mengaplikasikan pendekatan ilmiah untuk permasalahan penggunaan sumber daya terbatas, strategi dan taktik perang lainnya. Tim ilmuwan ini adalah tim riset operasional pertama yang terbentuk.
Fakultas Rekayasa Industri
Dunia usaha juga berkembang semakin kompleks semakin hari. Perkembangan dunia usaha ini sangat terlihat dengan jelas setelah revolusi industri. Industri semakin kompleks, sumber daya yang dimiliki digunakan untuk berbagai kegiatan atau aktivitas, organisasi industri semakin besar, dan semua itu sering menggunakan sumber daya yang terbatas.
Fakultas Rekayasa Industri
•
• •
•
Bertujuan untuk membantu pengambil keputusan yang berkaitan dengan masalah yang kompleks (sebagai alat bantu dalam pengambilan keputusan) Sebagaian besar berkaitan dengan masalah pengalokasian sumber daya. Metodologinya adalah dengan menggunakan model Aplikasinya sangat luas
Fakultas Rekayasa Industri
Organization
Nature of application
Year
Related techniques
Annual Savings
IBM
Integrate a national wide of spareparts inventories to improve service support
1990
Inventory Theory, Simulation
$20 million + $250 million less inventory
Delta Airlines
Maximize the profit from assigning airplane to over 2500 domestic flights
1994
Integer Programming
$100 million
Yellow Freight System
Optimize the design of a national trucking network and the routing of shipments
1992
Network Models, Nonlinear Programming, Forecasting, Simulation
$17.3 million
Citgo Petroleum
Optimize refinery operations and the supply, distribution, and marketing of products
1987
Linear Programming, Network Models, Forecasting
$70 million
Proctor and Gamble
Redesign the North American production and distribution system to reduce costs and improve speed to market
1997
Transportation and Assignment Problems
$200 million
Fakultas Rekayasa Industri
Turban (1969)
Ledbetter and Cox (1975)
Thomas and DaCosta (1977)
Forgionne (1982)
Bayesian Decision Analysis
-
-
9
-
Delphi
-
-
13.5
-
Dynamic Programming
6
6
10
7
Financial Methods
-
-
13.5
-
Game Theory
-
7
-
8
8.5
-
8
-
Integer and Mixed Programming
-
-
12
-
Inventory Theory
4
-
5
-
Linear Programming
3
2
3
4
Network Models
-
4
-
-
Nonlinear Programming
7
-
7
6
PERT/CPM
5
-
4
3
Risk Analysis
-
-
11
-
8.5
5
6
5
Simulation
2
3
2
2
Statistical Analysis
1
1
1
1
Heuristic Programming
Queuing Theory
Fakultas Rekayasa Industri
Turban (1969)
Ledbetter and Cox (1975)
Thomas and DaCosta (1977)
Forgionne (1982)
Bayesian Decision Analysis
-
-
9
-
Delphi
-
-
13.5
-
Dynamic Programming
6
6
10
7
Financial Methods
-
-
13.5
-
Game Theory
-
7
-
8
8.5
-
8
-
Integer and Mixed Programming
-
-
12
-
Inventory Theory
4
-
5
-
Linear Programming
3
2
3
4
Network Models
-
4
-
-
Nonlinear Programming
7
-
7
6
PERT/CPM
5
-
4
3
Risk Analysis
-
-
11
-
8.5
5
6
5
Simulation
2
3
2
2
Statistical Analysis
1
1
1
1
Heuristic Programming
Queuing Theory
Fakultas Rekayasa Industri
Mg.
Pokok Bahasan
1
Pendahuluan: Lingkup OR II & Permasalahan OR II
2
Teori Keputusan: Certainty, Uncertainty and Risk Situation
3
Teori Keputusan: Metode Decision Tree
4
Teori Keputusan: Game theory
5-6
Teori Keputusan: Analytical Hierarchy Process (AHP)
6-7
Pemrograman Dinamik Deterministik: Proses Keputusan Bertahap Ganda Deterministik, Prinsip Optimalitas.
8
Ujian Tengah Semester
Fakultas Rekayasa Industri
Mg. 9 10
Pokok Bahasan Pemrograman Dinamik Stokastik: Proses Keputusan Bertahap Ganda Stokastik, Tabel Kebijaksanaan Rantai Markov: Proses Markov, Matriks Stokastik
11
Proses Kelahiran Kematian Markov: Pertumbuhan Populasi, Proses Kelahiran Kematian Markov Linear, Proses Kelahiran/Kematian Poisson/Eksponensial
12
Sistem Antrian: Ciri Antrian, Pola kedatangan dan Pola Pelayanan, Kapasitas Sistem
13
Sistem Antrian: Disiplin Antrian, Sistem M/M/1
14-15 16
Tugas Besar Ujian Akhir Semester
Fakultas Rekayasa Industri
PENDAHULUAN Pokok Bahasan: • Definisi dan ruang lingkup operational research 2 • Contoh kasus operational research 2 • Contoh kasus deterministik dan probabilistik
Tujuan: Mahasiswa mampu menjelaskan definisi dan ruang lingkup operational research Mahasiswa mampu menjelaskan contoh kasus operational research Mahasiswa mampu memilah contoh kasus deterministik dan probabilistik Mahasiswa mampu membuat contoh kasus deterministik dan probabilistik
Fakultas Rekayasa Industri
TEORI KEPUTUSAN Pokok Bahasan: Pengambilan keputusan dalam situasi certainty, uncertainty, and risk situations Tujuan: Mahasiswa mampu menerapkan kriteria maximin, minimax, regret, hurwicz, dan laplace untuk pengambilan keputusan dalam situasi uncertainty Mahasiswa mampu menerapkan penghitungan expected value untuk pengambilan keputusan dalam situasi risk Mahasiswa mampu menerapkan penghitungan expected value of perfect information untuk pengambilan keputusan dalam situasi certainty
Fakultas Rekayasa Industri
TEORI KEPUTUSAN Pokok Bahasan: • Pengambilan keputusan menggunakan decision tree berdasarkan nilai expected value • Pengambilan keputusan menggunakan teori Bayes berdasarkan nilai expected value Tujuan: Mahasiswa mampu menerapkan penghitungan expected value dalam metode decision tree Mahasiswa mampu menerapkan penghitungan teori Bayes dalam metode decision tree
Fakultas Rekayasa Industri
TEORI KEPUTUSAN Pokok Bahasan: • Pengambilan keputusan dalam situasi konflik menggunakan pure game theory • Pengambilan keputusan dalam situasi konflik menggunakan mixed game theory Tujuan: MemaMahasiswa mampu menerapkan prinsip pure game theory pada pengambilan keputusan dalam situasi konflik yang memiliki saddle point Mahasiswa mampu menerapkan prinsip mixed game theory pada pengambilan keputusan dalam situasi konflik yang tidak memiliki saddle point
Fakultas Rekayasa Industri
TEORI KEPUTUSAN Pokok Bahasan: • Contoh kasus keputusan dengan multikriteria • Pengambilan keputusan berdasarkan multikriteria menggunakan metode analytical hierarchy process (AHP) • Pengambilan keputusan berdasarkan multikriteria menggunakan metode analytical network process (ANP) Tujuan: Mahasiswa mampu membuat contoh kasus keputusan dengan multikriteria Mahasiswa mampu menerapkan metode analytical hierarchy process (AHP) untuk pengambilan keputusan dengan multikriteria Mahasiswa mampu menerapkan metode analytical network process (ANP) untuk pengambilan keputusan dengan multikriteria
Fakultas Rekayasa Industri
PEMROGRAMAN DINAMIK DETERMINISTIK Pokok Bahasan: • Konsep dynamic programming • Penentuan solusi optimal untuk kasus minimasi cost dengan deterministic dynamic programming • Penentuan solusi optimal untuk kasus maksimasi income dengan deterministic dynamic programming • Penentuan solusi optimal untuk kasus maksimasi alokasi dengan deterministic dynamic programming
Tujuan: Mahasiswa mampu menjelaskan konsep dynamic programming Mahasiswa mampu menerapkan metode deterministic dynamic programming untuk mendapatkan solusi optimal untuk kasus minimasi cost Mahasiswa mampu menerapkan metode deterministic dynamic programming untuk mendapatkan solusi optimal untuk kasus maksimasi income Mahasiswa mampu menerapkan metode deterministic dynamic programming untuk mendapatkan solusi optimal untuk kasus maksimasi alokasi
Fakultas Rekayasa Industri
PEMROGRAMA DINAMIK STOKASTIK Pokok Bahasan: • Konsep stochastic dynamic programming • Penentuan solusi optimal untuk kasus reject allowance dengan stochastic dynamic programming Tujuan: Mahasiswa mampu menjelaskan konsep stochastic dynamic programming Mahasiswa mampu menerapkan metode stochastic dynamic programming untuk mendapatkan solusi optimal untuk kasus reject allowance
Fakultas Rekayasa Industri
RANTAI MARKOV Pokok Bahasan: • Konsep rantai Markov • Model dynamic programming dengan stage terbatas • Model dynamic programming dengan stage tidak terbatas Tujuan: Mahasiswa mampu menerapkan konsep rantai Markov untuk membuat matriks probabilitas transisi Mahasiswa mampu menerapkan dynamic programming dengan stage terbatas dalam merumuskan kebijakan Mahasiswa mampu menerapkan dynamic programming dengan stage tidak terbatas dalam merumuskan kebijakan
Fakultas Rekayasa Industri
PROSES KELAHIRAN KEMATIAN MARKOV Pokok Bahasan: Konsep kelahiran kematian Markov
Tujuan: Mahasiswa mampu menerapkan konsep kelahiran kematian Markov untuk mengidentifikasi probabilitas jumlah populasi tertentu
Fakultas Rekayasa Industri
SISTEM ANTRIAN Pokok Bahasan: • Komponen sistem antrian • Model sistem antrian
Tujuan: Mahasiswa mampu mengidentifikasi komponen sistem antrian terkait populasi kedatangan, antrian, dan fasilitas pelayanan Mahasiswa mampu mengidentifikasi model sistem antrian
Fakultas Rekayasa Industri
SISTEM ANTRIAN Pokok Bahasan: • Parameter sistem antrian single channel • Parameter sistem antrian multiple channel Tujuan: Mahasiswa mampu menghitung parameter sistem antrian single channel Mahasiswa mampu menghitung parameter sistem antrian multiple channel
Fakultas Rekayasa Industri
TUGAS BESAR Pokok Bahasan:
Kasus nyata terkait materi AHP, pemrograman dinamis, rantai Markov, dan sistem antrian Tujuan: Mahasiswa mampu Mengaplikasikan konsep AHP, pemrograman dinamis, rantai markov, dan sistem antrian pada kasus nyata
Fakultas Rekayasa Industri
Fakultas Rekayasa Industri
PENGAMBILAN KEPUTUSAN • Model keputusan merupakan alat yang menggambarkan permasalahan keputusan sedemikian rupa sehingga memungkinkan identifikasi dan evaluasi sistematik semua alternatif keputusan yang tersedia. • Salah satu teknik yang digunakan untuk menganalisis alternatif keputusan adalah Riset Operasional.
Fakultas Rekayasa Industri
• Riset Operasional merupakan metode pengoptimalan proses pengambilan keputusan yang dibatasi ketersediaan sumber daya. • Penggunaan riset operasional sangat luas, pendekatannya menggunakan metode ilmiah. Proses pengoptimalan mulai dengan pengamatan yang mendalam dan formulasi masalah lalu diikuti dengan pembentukan model ilmiah (khususnya model matematik) yang menggambarkan inti sistem nyata. Model yang dibentuk harus mencukupi sebagai representasi tepat sifat-sifat penting situasi, sehingga kesimpulan yang ditarik dari model valid untuk permasalahan nyata.
Fakultas Rekayasa Industri
Kontribusi riset operasional berasal dari : 1. Penstrukturan situasi dunia nyata ke model matematik, menggambarkan elemen penting sehingga penyelesaian yang relevan ke tujuan pengambil keputusan diperoleh, termasuk mencari permasalahan dalam konteks keseluruhan sistem. 2. Mengeksplor struktur setiap penyelesaian dan mengembangkan prosedur sistematis untuk mendapatkannya. 3. Mengembangkan suatu penyelesaian, termasuk teori matematik jika perlu, yang menghasilkan nilai optimal ukuran sistem yang diinginkan (atau mungkin membandingkan alternatif tindakan dengan mengevaluasi ukuran yang diinginkan).
Fakultas Rekayasa Industri
42
Reference
Real problem
Implementing
Simplifying Assumptions
Modeling
Solution techniques/methods Solving
Interpretation/ Sensitivity analysis
Interpreting
Solution
Fakultas Rekayasa Industri
TAHAPAN STUDI RISET OPERASIONAL 1. Identifikasi Permasalahan 2. Pembangunan Model
3. Penyelesaian Model 4. Validasi Model 5. Implementasi
Fakultas Rekayasa Industri
Fakultas Rekayasa Industri
• Dilihat dari data yang digunakan untuk memfasilitasi, pengambilan keputusan dapat dibedakan menjadi keputusan pasti, berisiko dan tidak pasti. • Keputusan pasti didukung oleh data-data pasti. • Di antara keputusan pasti dan tidak pasti ada keputusan berisiko. • Pengambilan keputusan berisiko didukung oleh data yang tidak pasti, tetapi ketidakpastian itu dapat dinyatakan dalam bentuk peluang. • Optimasi adalah proses pencarian solusi yang terbaik; tidak selalu
keuntungan paling tinggi yang bisa dicapai jika tujuan pengoptimalan adalah memaksimumkan keuntungan; atau tidak selalu biaya paling kecil yang bisa ditekan jika tujuan pengoptimalan adalah meminimumkan biaya.
Fakultas Rekayasa Industri
• Tiga elemen permasalahan optimasi yang harus diidentifikasi, yaitu tujuan, alternatif keputusan dan sumber daya yang membatasi. • Tujuan bisa berbentuk maksimisasi atau minimisasi. Bentuk maksimisasi digunakan
jika
tujuan
pengoptimalan
berhubungan
dengan
keuntungan, penerimaan dan sejenisnya. Bentuk minimisasi akan dipilih jika tujuan pengoptimalan berhubungan dengan biaya, waktu, jarak dan sejenisnya. • Keputusan harus diambil untuk alternatif keputusan yang disediakan. • Pengambil keputusan dihadapkan pada beberapa pilihan untuk
mencapai tujuan yang ditetapkan.
MODEL
Fakultas Rekayasa Industri
• Alternatif keputusan yang tersedia tentunya alternatif yang
menggunakan sumber daya terbatas yang dimiliki pengambil keputusan, merupakan aktifitas atau kegiatan yang dilakukan untuk mencapai tujuan. • Alternatif keputusan disebut juga dengan aktivitas atau variabel keputusan. • Sumber daya merupakan pengorbanan yang harus dilakukan untuk mencapai tujuan yang ditetapkan. • Penyelesaian permasalahan keputusan pertama sekali dilakukan dengan membentuk model.
MODEL
Fakultas Rekayasa Industri
• Pada aplikasi riset operasional umumnya, tujuan dan sumber daya yang membatasi dapat ditunjukkan secara kuantitatif atau matematik sebagai fungsi variabel keputusan digunakan model matematik. • Meskipun dapat dimodelkan secara matematik, tidak jarang juga model matematik yang diformulasikan terlalu kompleks untuk diselesaikan menggunakan metode solusi yang ada.
• Pendekatan lain yang digunakan untuk mengatasi permasalahan ini adalah menggunakan model simulasi. • Model simulasi tidak menunjukkan secara eksplisit hubungan
input dan output.
Fakultas Rekayasa Industri
JENIS MODEL • Model statik memberikan informasi tentang peubahpeubah model hanya pada titik tunggal dari waktu • Model dinamik mampu menelusuri jalur waktu dari peubah-peubah model, lebih sulit dan mahal pembuatannya namun memberikan kekuatan yang lebih tinggi pada analisis dunia nyata.
Fakultas Rekayasa Industri
SIFAT MODEL Stokastik/Probabilistik: • Sering dipakai karena perihal yang dikaji mengandung keputusan yang tidak tentu.
umumnya
• Biasanya mengkaji ulang data atau informasi terdahulu untuk menduga peluang kejadian tersebut pada keadaan sekarang atau yang akan datang dengan asumsi terdapat relevansi pada jalur waktu.
Fakultas Rekayasa Industri
SIFAT MODEL
Deskriptif: - Dibuat hanya untuk semacam deskripsi matematis dari kondisi dunia nyata. - Untuk mempermudah penelaahan suatu permasalahan. Optimalisasi: - Perbandingan antar alternatif dilakukan, - Solusi dari model optimalisasi adalah merupakan nilai optimum yang tergantung pada nilai input. Deterministik: - Model kuantitatif yang tidak mempertimbangkan peluang kejadian. - Memusatkan penelaahannya pada faktor-faktor kritis yang diasumsikan mempunyai nilai eksak dan tertentu pada waktu yang spesifik