Professional Documents
Culture Documents
Bahan Ajar Riset Operasi
Bahan Ajar Riset Operasi
=
=
m
i
xi
1
1) yang menghasilkan
V = maks xi {min (
=
m
i
a
1
11 xi,
=
m
i
a
1
12 xi,......,
=
m
i
ain
1
xi)}.
- Pemain B akan memilih yj (yj >0,
=
=
n
j
yj
1
1) yang menghasilkan
V =min yj{min (
=
n
j
j a
1
1 yj,
=
n
j
j a
1
2 yj,......,
=
n
j
amj
1
yj)}.
Nilai-nilai di atas adalah nilai-nilai maksimin dan minimaks dari ekspektasi
payoff. Seperti halnya pada kasus strategi murni, pada strategi campuran inipun
berlaku hubungan.:
70
Minimaks ekspektasi payoff > maksimin ekspektasi payoff atau v >v.
Jika xi dan yj berkorespondensi dengan solusi optimum, maka v = v dimana nilai
yang diperoleh akan sama dengan nilai ekspektasi optimum dari permainan.
6.5. Solusi Grafis dari Permainan (2xn) dan (mx2).
Solusi grafis hanya dapat digunakan untuk menyelesaikan persoalan
permainan bila paling sedikit salah seorang pemain hanya mempunyai 2 buah
strategi. Perhatikan permainan (2xn) berikut ini.
Y1 Y2................Yn
x1
x2 =1-x1
a11 a12...............a1n
a21 a22..............a2n
Disini diasumsikan bahwa permainannya tidak mempunyai saddle point. Karena
A mempunyai dua strategi, maka x2 = 1 x1, dengan x1 > 0, x2 > 0.
Berdasarkan strategi murni dari B, maka ekspektasi payoff untuk A adalah:
Strategi Murni Ekspektasi payoff A
1
2
.
.
n
(a11 a21) x1 +a21
(a12 a22) x1 +a22
.
.
(a1n a2n) x1 +a2n
Hal ini memperlihatkan bahwa ekspektasi payoff bagi A bervariasi secara
linier terhadap x1. Berdasarkan kriteria untuk permainan dengan strategi
campuran, pemain A harus memilih nilai x1 yang akan memaksimumkan
ekspektasi payoff minimumnya. Hal ini dapat dilakukan dengan cara
menggambarkan garis-garis lurus ke atas sebagai fungsi dari x1.
Contoh:
B
1 2 3
1
2
0 -2 2
5 4 -3
A
A
71
Persoalan ini tidak mempunyai saddle point dan akan diselesaikan dengan cara
grafis. Berdasarkan strategi murni dari B, maka ekspektasi payoff untuk A adalah:
Strategi Murni Ekspektasi payoff A
1
2
3
-5x1 + 5
-6x1 + 4
5x1 - 3
Ketiga garis lurus ini digambarkan sebagai fungsi dari x1 sebagai berikut:
Ekspektasi payoff
Maksimin ekspektasi payoff
V = Maks xi { min (5-5x1), (4-6x1), (-3+5x1)}
Maks xi { min (4-6xi), (-3 5x1)}
Titik potong dicari secara aljabar biasa:
4-6x1 = -3+5x1
11x1 = 7
x1* = 7/11
karena x1* + x2* =1 maka x2* = 4/11
v = v* -3 + 5 (7/11) = 2/11 padahal v* = v dan v* =
i
j
aijxiyj
Sehingga:
Y1*(5-5x1)+y2*(4-6x1)+y3*(-3+5x1)=2/11..................................(1)
5
0
4
-3
1/2 1 x1
1 1
2
3
Maksimin
72
2/11 y1* + 2/11 y2* +2/11 y3* = 2/11 dengan y1* + y2* + y3* = 1
Dalam hal, persamaan
=
m
i
ai
1
1xi,
=1
2
i
ai xi,............
=
m
i
ain
1
xi)}
Dimana
=
m
i 1
xi = 1 dan xi >0 i = 1,..............,m
Contoh:
Matriks payoff dari suatu permainan adalah sebgai berikut:
B
1 2 3
1
2
3
3 -1 -3
-3 3 -1
-4 -3 3
Tentukan strategi optimum untuk masing-masing pemain?
Penyelesaian.
A
73
Matriks payoff di atas tahu bahwa nilai maksiminnya adalah -3 sehingga nilai
permainannya dapat berharga negatif atau nol. Karena itu, diperlukan suatu
konstanta k yang harga-nya paling sedikit sama dengan nilai maksimin yang
negatif itu. Konstanta k itu kemudian ditambahkan kepada seluruh elemen
matriks. Misalnya digunakan k=5, maka matriksnya menjadi sebagai berikut.
B
1 2 3
1
2
3
8 4 2
2 8 4
1 2 8
Formula programa linier untuk pemain B adalah:
Maks. W = y1+y2+ y3
8y1+4y2+2y3 s 1
2y1+8y2+4y3 s 1
y1+2y2+8y3 s 1
y1,y2, y3 s 0
Setelah formulasi di atas diselesaikan dengan metode simpleks, maka didapat
tabel optimumnya sebagai berikut:
Basis Y1 Y2 Y3 S1 S2 S3 Solusi
W 0 0 0 5/49 11/196 1/14 45/196
Y1 1 0 0 1/7 -1/14 0 1/14
Y2 0 1 0 -3/98 31/196 -1/14 11/196
Y3 0 0 1 -1/98 -3/98 1/7 5/49
Sehingga diperoleh:
V* = 1/w k = 196/45 5 = -29/45
Y1* =
w
y1
=
196 / 45
14 / 1
= 14/45
Y2* =
w
y2
=
196 / 45
196 / 11
= 11/45
Y3* =
w
y3
=
196 / 45
49 / 5
= 20/45
A
74
Strategi optimum untuk pemain A diperoleh dari solusi dual persoalan di atas,
maka:
Z = w = 45/196, x1 = 5/49, x2 = 11/196, x3=1/14
Sehingga:
x1* = x1/z = 20/45 x2* = x2/z = 11/45
x3* = x3/z = 14/45
VI.3. PENUTUP
Pada bagian penutup, diadakan tanya jawab dan diskusi baik antar
mahasiswa dan dosen, dan juga mahasiswa antar mahasiswa. Untuk itu diberikan
juga tugas sebagai bahan latihan mahasiswa di luar jam perkuliahan.
Tugas/latihan untuk materi teori permainan adalah sebagai berikut:
1. Apa yang dimaksud dengan teori permainan?
2. Perusahan pasta gigi fantana berusaha menarik hati konsumennya dengan
memberikan undian berhadiah, hal ini juga dilakukan oleh perusahaan sejenis
kardilas yang merupakan pesaing terberat perusahaan tersebut. Saat ini
masing-masing perusahaan menguasai 50% pasaran. Jika masing-masing
perusahaan tidak melakukan undian berhadiah maka pengusahaan pasar
tersebut tidak berubah, jika salah satu melakukan undian berhadiah yang lebih
menarik maka perusahaan yang lain akan kehilangan sejumlah langganannya.
Dari hasil penelitian pasar ternyata bahwa presentasi langganan yang dapat
dijangkau melalui media televisi adalah 50% dan melalui koran 30% dan
melalui radio 20%. Kedua perusahaan ini harus memilih media yang sesuai
untuk mempromosikan produknya dengan undian berhadiah tentunya dengan
mencari media promosi terbaik yang digunakan.
a. Buatlah matriks payoff dari persoalan tersebut!
b. Tentukan nilai game-nya.
75
PERKULIAHAN KE 12 DAN 13:
SESI/PERKULIAHAN KE: 12 DAN 13
TIK : Pada akhir perkuliahan ini mahasiswa diharapkan mampu:
1. Menjelaskan pengertian dan ide dasar proses keputusan Markov.
2. Mengetahui penyelesaian persoalan penelitian operasional dengan
menggunakan proses keputusan Markov.
Pokok Bahasan : Proses Keputusan Markov
Deskripsi singkat :
Dalam pertemuan ini anda akan mempelajari persoalan keputusan dengan
menggunakan proses keputusan Markov termasuk Ilustrasi Persoalan Keputusan Markov,
Membangun Matriks Probabilitas Transisi, Model Program Dinamis dengan Stage Terbatas,
Model dengan Stage tidak Terbatas serta bagaimana cara menyelesaikan persoalan
keputusan dengan menggunakan proses keputusan Markov tersebut.
I. Bahan Bacaan:
76
1. Dimyati,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru Algensindo
Bandung, 1999.
2. Hillier and Lieberman, Introduction to Mathematical Programming, 1
st
edition,
McGraw-Hill, 1991.
3. Taha, Hamdy, Operation Research : An Introduction, Newyork : The MacMillan
Co, 1985.
II. Bahan Tambahan:
1. Don T.Philips, et.al., Operation Research: Principle and Practice, 2
nd
edition, John
Wiley and Sons, 1987.
2. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation Research ,
San Fransisco : Holden Day Ltd, 1977.
3. Wayne L.Winston, Operation Research: Application and Algorithms, 3
rd
edition,
Duxbury Press, 1994.
4. Wagner, H.M. Principle of Operation Research, Englewood Cliffs, N.J : Prenntice-
hall Inc, 1969.
III. Pertanyaan Kunci/Tugas: Ketika anda membaca bahan bacaan berikut, gunakanlah
pertanyaan-pertanyaan sebagai berikut:
1. Apa yang dimaksud dengan proses keputusan Markov dalam penelitian operasional?
2. Cari contoh persoalan yang dapat diselesaikan dengan menggunakan proses
keputusan Markov.
IV. Tugas:
1. Apa yang dimaksud dengan proses keputusan Markov?
2. Saat ini PT. Astra sedang mempertimbangkan kemungkinan dilakukannya advertensi
besar-besaran untuk jenis mobil Kijang Innova. Perusahaan ini menentapkan bahwa hasil
penjualan saat ini dapat dikategorikan sebagai keberhasilan (state 1) atau gagal (state 2).
- Jika dilakukan advertensi : probabilitas bulan ini berhasil dan bulan berikutnya gagal
adalah 0,1, sedangkan bila bulan ini gagal dan bulan berikutnya juga gagal
probabilitasnya adalah 0,4. Matriks labanya dapat dilihat pada R1.
- Jika advertensi tidak dilakukan: probabilitas bulan ini berhasil dan bulan berikutnya
juga berhasil adalah 0,7, sedangkan bila bulan ini gagal maka bulan berikutnya juga
gagal probabilitasnya adalah 0,8. Matriks labanya dapat dilihat pada R2.
R1 = 2 -1 R2= 4 1
1 -3 2 -1
Bagaimanakah Policy optimum dari persoalan tersebut?
VII.1. PENDAHULUAN
Dalam perkuliahan mengenai proses keputusan Markov ini akan dibahas
mengenai pengantar proses keputusan Markov termasuk Ilustrasi Persoalan
Keputusan Markov, Membangun Matriks Probabilitas Transisi, Model Program
Dinamis dengan Stage Terbatas, Model dengan Stage tidak Terbatas serta
bagaimana cara menyelesaikan persoalan keputusan dengan menggunakan proses
keputusan Markov tersebut. Materi yang disampaikan sangat berkaitan antara satu
dengan yang lainnya, hal ini berguna dalam menghasilkan keputusan yang optimal
dalam menyelesaikan persoalan keputusan suatu perusahaan..
77
VII.2. PENYAJIAN
PROSES KEPUTUSAN MARKOV
7.1. Pengantar proses keputusan Markov.
Pada saat membahas programa dinamis telah dijelaskan bahwa jumlah
state dapat terbatas atau tidak terbatas. Pada bab berikut ini akan disajikan suatu
penerapan baru programa dinamis terhadap pemecahan suatu proses keputusan
stochastic yang dapat dijelaskan oleh sejumlah state yang terbatas. Probabilitas
transisi di antara states ini dijelaskan oleh suatu rantai Markov (Markov chain),
sedangkan struktur biaya proses ini juga dijelaskan oleh suatu matriks yang
elemen-elemennya menyatakan pendapatan atau ongkos yang dihasilkan dari
pergerakan dari satu state ke state yang lain.
Tujuan persoalan ini ialah menentukan keputusan optimum yang dapat
memaksimumkan ekspektasi pendapatan dari proses yang mempunyai jumlah
state terbatas atau tidak terbatas tersebut.
Contoh-contoh persoalan yang dapat diselesaikan dengan cara ini di
antaranya ialah persoalan persediaan (inventory), peremajaan (replacement),
pengelolaan aliran uang (cash flow management), pengaturan kapasitas
penampung air, penelitian pasar dengan memeriksa dan meramalkan perilaku
langganan, dan lain-lain.
7.2. Ilustrasi Persoalan Keputusan Markov
Untuk dapat memahami model penyelesaian dari persoalan keputusan
Markov, berikut ini dikemukakan sebuah ilustrasi dari persoalan keputusan yang
sangan sederhana, sebagai berikut:
Kondisi sebuah mesin yang digunakan dalam suatu proses produksi
diketahui menurun dengan cepat, baik dalam kualitas maupun output-nya. Karena
itu, terhadap mesin tersebut dilakukan pemeriksaan secara periodik, yaitu pada
setiap akhir bulan. Setelah dilakukan serangkaian pemeriksaan, kondisi mesin ini
78
dicatat dan diklasifikasikan ke dalam salah satu dari tiga keadaan (state) berikut
ini:
state Kondisi
1
2
3
Baik
Cukup
Rusak
X
t
adalah state mesin misalkan probabilitas transisi selama periode 1 bulan
dari suatu state ke state lainnya adalah:
State bulan.
1 2 3
State pada 1 0,2 0,5 0,3
bulan ini 2 0 0,5 0,5 = p
1
3 0 0 1
Dari matriks transisi p1 di atas jelas bahwa sekali mesin itu rusak (state 3),
maka akan tetap rusak. Jika dilakukan overhaul (perbaikan) maka matriks
transisinya adalah p2 sebagai berikut:
1 2 3
1 0,3 0,6 0,1
P
2
= 2 0,1 0,6 0,3
3 00,5 0,4 0,55
Jika diketahui bahwa struktur ongkos apabila tidak dilakukan overhaul adalah R
1
,
dan struktur ongkos bila dilakukan overhaul adalah R
2
, (dalam satuan juta rupiah),
dimana:
1 2 3
1 7 6 3
R
1
= 1 I I rij
1
I I = 2 0 5 1
3 0 0 -1
dan
1 2 3
1 6 5 -1
R2 = I I rij2 I I = 2 7 4 0
3 6 3 -2
79
Keputusan apakah yang sebaiknya dilakukan (melakukan overhaul atau tidak)?
Perhatikan bahwa elemen-elemen rij
2
dari R
2
ini telah memperhitungkan
ongkos perbaikan (overhaul). Sebagai contoh, jika sistem berada pada state 1, dan
tetap state 1 selama bulan yang akan datang, maka pendapatan yang dapat
diperoleh adalah r11
2
= 6, bandingkan terhadap r11
1
=7 jika overhaul tidak di
lakukan.
Jenis persoalan lainnya ialah pengevaluasian ekspektasi pendapatan
sebagai hasil dari suatu tindakan yang telah ditetapkan apabila suatu state dari
sistem terjadi. Misalnya, apabila diputuskan untuk melakukan overhaul apabila
mesin dalam kondisi rusak (state 3). Proses pembuatan keputusan untuk kasus ini
dijelaskan oleh suatu stationary policy.
Sebagai contoh, stationary policy untuk melakukan overhaul hanya jika
mesin dalam kondisi rusak (state 3), matriks transisi dan matriks ongkosnya
adalah P dan R sebagai berikut:
0,020 0,50 0,30 7 6 3
P = 0 0,50 0,55 R = 0 5 1
0,05 0,40 0,55 6 3 -2
Matriks P dan R ini berbeda dari matriks P1 dan R1 hanya pada baris
ketiga saja, yang diambil langsung dari P2 dan R2. Alasannya ialah karena P2 dan
R2 adalah matriks-matriks yang dihasilkan apabila overhaul dilakukan pada setiap
state.
7.3. Membangun Matriks Probabilitas Transisi
Sebagai ilustrasi, berikut ini dikemukakan suatu kasus yang berkenaan
dengan perilaku langganan sabun deterjen. Misalkan di suatu daerah dipasarkan
empat merek sabun deterjen, katakanlah merek A, B, C, dan D. Terhadap para
pemakai deterjen di daerah tersebut telah dilakukan penelitian dengan cara
menyebarkan daftar isian (kuesioner). Jumlah responden yang mengembalikan
daftar isian tersebut ada 1.000 orang, dan diasumsikan bahwa ukuran sampel ini
cukup representatif. Data yang diperoleh berupa jumlah langganan masing-masing
80
merek, kemudian dicatat dan dinyatakan sebagai data jumlah langganan pada
periode pertama. Berdasarkan pemikian bahwa langganan dapat mengubah
pilihannya dari satu merek ke merek lainnya (misalnya karena promosi khusus,
persaingan harga, dan lain-lain), maka pada akhir periode dilakukan penelitian
ulang seperti pada tabel berikut ini:
Merek
Jumlah langganan
periode pertam
Perubahan selama periode
Jumlah langganan
periode kedua
Pindah ke
A
Pindah dari
A
A
B
C
D
Total
220
300
230
250
1.000
50
60
25
40
175
45
70
25
35
175
225
290
230
255
1.000
Tabel di atas memberikan informasi bahwa pada awal periode, jumlah
langganan merek A ada 220 orang. Selama periode berlangsung, terjadi
perubahan, yaitu responden yang semula tidak memilik A beralih ke merek A
sebanyak 50 orang. Yang dari semula memilih A berubah menjadi langganan
merek lain sebanyak 45 orang. Dengan demikian, pada akhir periode atau awal
periode kedua, jumlah langganan A sebanyak 225 orang (220 + 50 45). Begitu
juga untuk merek-merek yang lainnya. Sayang sekali bahwa data di atas tidak
menjelaskan tentang dari merek mana saja ke-50 langganan baru yang pindah ke
A itu, dan pindah ke merek mana saja ke-45 langganan yang meninggalkan A itu.
Jika kemudian penelitian dilanjutkan dan diperoleh data rinci mengenai
perubahan langganan untuk masing-masing merek, seperti pada tabel berikut ini:
merek
Jumlah
langganan
periode
pertama
Tambahan dari
merek
Pengurangan ke
merek
Jumlah
langanan
periode
kedua A B C D A B C D
A
B
C
D
Total
220
300
230
250
1.000
0
20
10
15
40
0
5
25
0
25
0
0
10
15
10
0
0
40
0
10
20
0
25
15
10
5
0
10
15
25
0
0
225
290
230
155
1.000
81
Maka jumlah langganan yang pada periode pertama memilih A dan pada periode
kedua masih tetap memilih A (bukan langganan baru) adalah sebanyak (220 20
10 15) = 175 orang. Probabilitas bahwa langganan A pada periode pertama
tetap menjadi langganan A, pada periode kedua adalah sebesar 175/220 = 0,796.
Probabilitas bahwa langganan A pada periode pertama berubah menjadi
langganan B pada periode kedua adalah sebesar 20/220 = 0,091.
Apabila perhitungan di atas dilanjutkan, akan diperoleh matriks
probabilitas transisi sebagai berikut:
PERIODE KEDUA
A B C D
A 175/220 = 0.796 20/220 = 0.091 10/220 = 0.046 15/220 = 0.067
B 40/300 = 0.133 230/300 = 0.767 5/300 = 0.017 25/300 = 0.083
C 0/230 = 0 25/230 = 0.109 205/230 = 0.891 0/230 = 0
D 10/250 = 0.040 15/250 = 0.060 10/250 = 0.040 215/250= 0.860
atau dengan singkat di tuliskan sebagai berikut:
0.796 0.091 0.046 0.067
p = 0.133 0.767 0.017 0.083
0 0.109 0.891 0
0.040 0.060 0.040 0.860
Perhatikan bahwa: n
aij = 1
j=1
7.4. Model Program Dinamis dengan Stage Terbatas
Misalkan, si pengambil keputusan dari persoalan perbaikan mesin di atas
merencanakan untuk menghentikan pengoperasian mesin itu dalam N bulan.
Maka persoalannya adalah menentukan tindakan optimum (overhaul atau tidak)
untuk masing-masing bulan selama waktu perencanaan.
82
Tentukan k = 1 dan k = 2 sebagai dua alternatif tindakan yang dapat
dilakukan oleh si pengambil keputusan itu. Alternatif tindakan itu adalah sebagai
berikut:
0.2 0.5 0.3 7 6 3
P
1
= I I pij I I = 0 0.5 0.5 R
1
= I I rij I I= 0 5 1
0 0 1 0 0 -1
0.3 0.6 0.1 6 5 -1
P
2
= I I pij
2
I I = 0.1 0.6 0.3 R
2
= I I rij
2
I I= 7 4 0
0.05 0.4 0.55 6 3 -2
Persoalan di atas dapat dinyatakan sebagai model program dinamis dengan
stage terbatas sebagai berikut:
Untuk memenuhi sifat umumnya, misalkan jumlah state pada masing-
masing stage (bulan) adalah m (pada contoh di atas m = 3).
Maka pada contoh soal perbaikan mesin di atas, untuk k = 1 (tidak dilakukan
overhaul) diperoleh:
v1 = 0.2 x 7 + 0.5 x 6 + 0.3 x 3 = 5.3
v2 = 0 x 0 + 0.5 x 5 + 0.5 x 3 = 3
v3 = 0 x 0 + 0 x 0 + 1 x (-1) = -1
atau selengkapnya (k = 1 dan k = 2) diperoleh:
i vi
1
vi
2
1 5,3 4,7
2 3 3,1
3 -1 0,4
Dengan demikian, penyelesaian persoalan di atas adalah sebagai berikut:
Stage 3
i Vik Solusi optimum
K = 1 K = 2 f
3
(i) K
*
1
2
3
5.3
3
-1
4.7
3.1
0.4
5.3
3.1
0.4
1
2
2
83
Stage 1
i
vi
k
+ Pi1
k
f
2
(1) + Pi2
k
f
2
(2) + Pi3
k
f
2
(3) Solusi opt
k = 1 k = 2 f
1
(i) k
*
1
2
3
5,3 + 0.2x8.19 + 0.5x5.61 +
0.3x2.13 = 10.38
3 + 0x8.19 + 0.5x5.61 +
0.5x2.13 = 6.87
-1 + 0x8.19 + 0x5.61 +
1x2.13 = 1.13
4.7 + 0.3x8.19 + 0.6x5.61
+ 0.1x2.13 = 10.74
3.1 + 0.1x8.19 + 0.6x5.61
+ 0.3x2.13 = 7.92
0.4 + 0.05x8.19 + 0.4x5.61
+ 0.55x2.13 = 4.23
10.74
7.92
4.23
2
2
2
Stage 2
i
vi
k
+ pi1
k
f
3
(1) + pi2
k
f
3
(2) = pi3
k
f
3
(3) Solusi opt.
k = 1 k = 2 f
2
(i) k
*
1
2
3
5.3 + 0.2x5.3 + 0.5x3.1 +
0.3x0.4 = 8.03
3 + 0x5.3 + 0.5x3.1 + 0.5x0.4
= 4.75
-1 + 0x5.3 + 0x3.1 + 1x0.4 =
-0.6
4.7 + 0.3x5.3 + 0.6x3.1 +
0.1x0.4 = 8.19
3.1 + 0.1x5.3 + 0.6x3.1 +
0.3x0.4 =5.61
0.4 + 0.05x5.3 + 0.4x3.1 +
0.55x0.4 = 2.13
8.19
5.61
2.13
2
2
2
Solusi optimum di atas menunjukkan bahwa untuk bulan 1 dan 2 harus
dilakukan overhaul (k
*
= 2) tanpa harus memperhatikan state dari sistem (kondisi
mesin). Pada bulan ke-3, overhaul harus dilakukan hanya apabila sistem berada
pada state 2 atau 3 (kondisi mesin cukup atau rusak). Ekspektasi pendapatan total
untuk ketiga bulan itu adalah f
1
(1) = 10.74 jika state dari sistem pada bulan-1
baik, f
1
(2) = 7.92 jika cukup, dan f
1
(3) = 4,23 jika rusak.
7. 5. Model dengan Stage tidak Terbatas
Metode yang dapat digunakan untuk menyelesaikan persoalan dengan
stage yang tidak terbatas ini salah satunya adalah metode enumerasi sempurna
84
yang mengenumerasi seluruh stationary policy, hingga diperoleh solusi
optimumnya. Metode ini hanya dapat digunakan apabila jumlah total stationary
policy-nya tidak terlalu besar sehingga masih dapat dihitung.
Misalkan suatu persoalan keputusan mempunyai sejumlah S stationary
policy, dan asumsikan bahwa P dan R adalah matriks transisi (satu langkah) dan
matriks pendapatan yang berkaitan dengan policy ke-k, s = 1, 2, ..., S. Maka
langkah-langkah enumerasinya adalah sebagai berikut:
Langkah 1:
Hitung harga vi
S
, yaitu ekspektasi pendapatan satu langkah (satu periode)
dari policy s, pada state i, i = 1, 2, ..... m
Langkah 2:
Hitung ti
s
, yaitu probabilitas stationary jangka panjang, dari matriks
transisi P
s
yang berkaitan dengan policy s. Probabilitas ini, jika ada, hitung dengan
persamaan:
t
s
P
s
= t
s
t1
s
+ t2
s
+ ... + tm
s
= 1
dimana: t
s
= (t1
s
, t2
s
, ..., tm
s
)
Langkah 3:
Tentukan Es, yaitu ekspektasi pendapatan dari policy s untuk setiap
langkah transisi (periode) dengan menggunakan persamaan:
m
E
s
=
ti
s
vi
s
i=1
Langkah 4:
Policy optimum s ditentukan dengan :
E
s
= maks ( E
s
)
s
Contoh:
Pada persoalan perbaikan mesin ada 8 stationary policy sebagai berikut:
85
Stationary policy s Tindakan
1 Tidak melakukan overhaul sama sekali
2 Overhaul tanpa memperhatikan state
3 Overhaul jika sistem dalam state 1
4 Overhaul jika sistem dalam state 2
5 Overhaul jika sistem dalam state 3
6 Overhaul jika sistem dalam state 1 atau 2
7 Overhaul jika sistem dalam state 1 atau 3
8 Overhaul jika sistem dalam state 2 atau 3
maka diperoleh:
0.2 0.5 0.3 7 6 3
P
1
= 0 0.5 0.5 , R
1
= 0 5 1
0 0 1 0 0 -1
0.3 0.6 0.1 6 5 -1
P
2
= 0.1 0.6 0.3 , R
2
= 7 4 0
0.05 0.4 0.55 6 3 -2
0.3 0.6 0.1 6 5 -1
P
3
= 0 0.5 0.5 , R
3
= 0 5 1
0 0 1 0 0 -1
0.2 0.5 0.3 7 6 0.3
P
4
= 0.1 0.6 0.3 , R
4
= 7 4 0
0 0 1 0 0 -1
0.2 0.5 0.3 7 6 3
P
5
= 0 0.5 0.5 , R
5
= 0 5 1
00.5 0.4 0.55 6 3 -2
0.3 0.6 0.1 6 5 -1
P
6
= 0.1 0.6 0.3 , R
6
= 7 4 0
0 0 1 0 0 -1
0.3 0.6 0.1 6 5 -1
P
7
= 0 0.5 0.5 , R
7
= 0 5 1
0.05 0.4 0.55 6 3 -2
0.2 0.5 0.3 7 6 3
P
8
= 0.1 0.6 0.3 , R
8
= 7 4 0
0.05 0.4 0.55 6 3 -2
86
Nilai vi
k
-nya dihitung sebagai berikut:
s
Vis
1 2 3
1
2
3
4
5
6
7
8
5.3
4.7
4.7
5.3
5.3
4.7
4.7
5.3
3
3.1
3
3.1
3
3.1
3
3.1
-1
0.4
-1
-1
0.4
-1
0.4
0.4
Perhitungan probabilitas stationary-nya diperoleh dengan menggunakan
persamaan:
t
s
P
s
= t
s
t
1
+ t
2
+ ... + t
m
= 1
Sebagai ilustrasi, jika s = 2, maka diperoleh:
0.3 t
1
+ 0.1 t
2
+ 0.05 t
3
= t
1
0.6 t
1
+ 0.6 t
2
+ 0.4 t
3
= t
2
0.1 t
1
+ 0.3 t
2
+ 0.55 t
3
= t
3
t
1
+ t
2
+ t
3
= 1
Sehingga didapat: t
1
2
= 6/59, t
2
2
= 31/59, t
3
2
= 22/59
Dalam hal ini, maka ekspektasi pendapatan per bulannya adalah:
3
E
2
=
ti
2
vi
2
i=1
= 1/59 (6 x 4.7 + 31 x 3.1 + 22 x 0.4)
= 2.256
Tabel berikut ini adalah hasil perhitungan t
k
dan E
k
untuk seluruh stationary
policy.
s ti
s
t
2
s
t
3
s
E
s
1
2
3
4
5
0
6/59
0
0
5/154
0
31/59
0
0
69/154
1
22/59
1
1
80/154
-1
2.256
0.4
-1
1.724
87
6
7
8
0
5/137
12/135
0
62/137
69/135
1
70/137
54/135
-1
1.734
2.216
Dari tabel di atas jelas bahwa policy 2 menghasilkan ekspektuasi pendapatan
bulanan yang paling besar. Akibatnya, policy jangka panjang yang optimum
adalah melakukan overhaul tanpa memperhatikan state dari sistem.
VII.3. PENUTUP
Pada bagian penutup, diadakan tanya jawab dan diskusi baik antar
mahasiswa dan dosen, dan juga mahasiswa antar mahasiswa. Untuk itu diberikan
juga tugas sebagai bahan latihan mahasiswa di luar jam perkuliahan.
Tugas/latihan untuk materi proses keputusan Markov adalah sebagai berikut:
1. Buat ringkasan tentang model rantai markov serta sebutkan referensi yang digunakan,
nama buku, pengarang, edisi, penerbit, tahun, tempayt terbit dan halaman ( dari
sampai )
2. Apa yang dimaksud dengan proses keputusan Markov?
3. Saat ini PT. Astra sedang mempertimbangkan kemungkinan dilakukannya advertensi
besar-besaran untuk jenis mobil Kijang Innova. Perusahaan ini menentapkan bahwa
hasil penjualan saat ini dapat dikategorikan sebagai keberhasilan (state 1) atau gagal
(state 2).
- Jika dilakukan advertensi : probabilitas bulan ini berhasil dan bulan berikutnya
gagal adalah 0,1, sedangkan bila bulan ini gagal dan bulan berikutnya juga gagal
probabilitasnya adalah 0,4. Matriks labanya dapat dilihat pada R1.
- Jika advertensi tidak dilakukan: probabilitas bulan ini berhasil dan bulan
berikutnya juga berhasil adalah 0,7, sedangkan bila bulan ini gagal maka bulan
berikutnya juga gagal probabilitasnya adalah 0,8. Matriks labanya dapat dilihat
pada R2.
R1 = 2 -1 R2= 4 1
1 -3 2 -1
Bagaimanakah Policy optimum dari persoalan tersebut?
Catatan : Kerjakan pada kertas double folio bergaris, tulis tangan, kumpulkan yg
asli, setiap anggota harus ada foto copy.
Buat power point presentasi dengan mpp untuk semua tugas, setiap kelompok
wajib presentasi.
88
PERKULIAHAN KE 14 DAN 15:
SESI/PERKULIAHAN KE: 14 DAN 15
TIK : Pada akhir perkuliahan ini mahasiswa diharapkan mampu:
1. Menjelaskan pengertian dan ide dasar Teori antrian.
2. Mengetahui penyelesaian persoalan penelitian operasional dengan
menggunakan Teori antrian.
Pokok Bahasan : Teori Antrian
Deskripsi singkat :
Dalam pertemuan ini anda akan mempelajari persoalan keputusan dengan
menggunakan Sistem Antrian termasuk didalamnya Proses Birth dan Death, Proses
Kelahiran Murni, Proses kematian Murni, Solusi Steady State, Model Single Server (S = 1),
Model Multiple Server (S>1), Model dengan state di mana tingkat pelayanan dan atau
tingkat kedatangan bersifat dependen, Model Disiplin prioritas dan Model Swalayan (Self-
servivise Model) serta bagaimana cara menyelesaikan persoalan keputusan dengan
menggunakan teori antrian tersebut.
I. Bahan Bacaan:
1. Dimyati,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru Algensindo
Bandung, 1999.
2. Don T.Philips, et.al., Operation Research: Principle and Practice, 2
nd
edition, John
Wiley and Sons, 1987.
II. Bahan Tambahan:
1. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation Research ,
San Fransisco : Holden Day Ltd, 1977.
2. Hillier and Lieberman, Introduction to Mathematical Programming, 1
st
edition,
McGraw-Hill, 1991.
3. Taha, Hamdy, Operation Research : An Introduction, Newyork : The MacMillan
Co, 1985.
4. Wayne L.Winston, Operation Research: Application and Algorithms, 3
rd
edition,
Duxbury Press, 1994.
5. Wagner, H.M. Principle of Operation Research, Englewood Cliffs, N.J : Prenntice-
hall Inc, 1969.
III. Pertanyaan Kunci/Tugas: Ketika anda membaca bahan bacaan berikut, gunakanlah
pertanyaan-pertanyaan sebagai berikut:
1. Apa yang dimaksud dengan teori antrian dalam penelitian operasional?
2. Cari contoh persoalan yang dapat diselesaikan dengan menggunakan teori antrian.
IV. Tugas:
1. Apa yang dimaksud dengan teori antrian?
2. Pada Swalayan Semerbak dimana langganan datang dengan mengikuti distribusi poisson,
dengan rata-rata Tiga orang/jam.Berapakah probabilitas bahwa pada swalayan tersebut
akan ada paling sedikit seorang langganan dalam periode 1 jam?
89
VIII.1. PENDAHULUAN
Dalam perkuliahan mengenai teori antrian ini akan dibahas mengenai
pengantar sistem antrian termasuk didalamnya Proses Birth dan Death, Proses
Kelahiran Murni, Proses kematian Murni, Solusi Steady State, Model Single
Server (S = 1), Model Multiple Server (S>1), Model dengan state di mana tingkat
pelayanan atau tingkat kedatangan bersifat dependen, Model Disiplin prioritas dan
Model Swalayan (Self-servivise Model) serta bagaimana cara menyelesaikan
persoalan keputusan dengan menggunakan teori antrian tersebut.
Materi yang disampaikan sangat berkaitan antara satu dengan yang
lainnya, hal ini berguna dalam menghasilkan keputusan yang optimal dalam
menyelesaikan persoalan keputusan suatu perusahaan.
VIII.2. PENYAJIAN
TEORI ANTRIAN
8.1. Pengantar Teori antrian
Teori antrian adalah teori yang menyangkut studi matematis dari antrian-
antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja
merupakan suatu fenomena biasa yang terjadi apabila kebutuhan akan suatu
pelayanan melebihi kapasitas yang tersedia untuk menyelenggarakan pelayanan
tersebut. Keputusan-keputusan yang berkenaan dengan jumlah kapasitas ini harus
dapat ditentukan, walaupun sebenarnya tidak mungkin dapat dibuat suatu prediksi
yang tepat mengenai kapan unit-unit yang membutuhkan pelayanan itu akan
datang dan atau berapa lama waktu yang diperlukan untuk menyelenggarakan
pelayanan itu.
8.2. Contoh Sistem Antrian
8.2.1. Proses Birth dan Death
90
Kebanyakan model dasar antrian menganggap bahwa input (unit
kedatangan) dan output (leaving unit) dari sistem antrian terjadi menurut proses
birth-death (kelahiran-kematian). Kelahiran adalah kedatangan calling unit yang
baru dalam sistem antrian, sedangkan kematian adalah keberangkatan unit yang
telah dilayani.
Jelasnya adalah :
1. Birth postulate
Sistem pada state En (n = 0, 1, 2, ) pada saat t, kemungkinan bahwa tepat
ada satu kelahiran selama interval waktu t sampai dengan (t + t ) adalah [n
t + 0 (t)], di mana n positif konstan.
2. Death postulate
Sistem pada state En (n= 0, 1, 2, ) pada saat t, kemungkinan bahwa tepat
ada satu kematian selama interval waktu t sampai dnegan (t + t) adalah n
t + 0 (t), dimana 0 = 0 dan n positif konstan untuk n > 0.
3. Multiple jump postulate
Sistem pada state En (n = 0, 1, 2, ) pada saat t, kemungkinan bahwa
jumlah kombinasi kelahiran dan kematian lebih dari satu selama interval
waktu ( t s/d (t + t) adalah 0 (t).
Keterangan:
0 (t) adalah fungsi dari t yang karena t <<<< (kecil sekali, mendekati nol),
maka fungsi tersebut akan memenuhi persamaan: 0
) ( 0
lim =
A
A
t
t
Selama interval waktu t s/d (t + t) harus terjadi salah satu dari kejadian
mutually exclusive berikut :
1. Tepat ada 1 kelahiran tanpa kematian
2. Tepat ada 1 kematian tanpa kelahiran
3. Jumlah kelahiran dan kematian lebih besar dari 1
4. Tidak ada kelahiran atau kematian
Jumlah kemungkinan event (kejadian) tersebut adalah 1 sehingga
kemungkinan terjadinya event (4) adalah:
91
P (4) = 1 [P(3) + P(2) + P(1)]
Kesimpulan :
Sistem dengan state En (n = 0, 1, 2, ) pada saat t kemungkinan bahwa tidak
terjadi kelahiran dan tidak terjadi kematian pada interval waktu t s/d (t + t)
adalah:
[1 (nt) (n t) + 0 (t)]
8.2.2. Proses Kelahiran Murni
Pada kasus ini kelahiran terjadi dengan proses poisson dengan parameter
untuk seluruh n (n = 1, 2, ). Model ini dikenal sebagai input Poisson.
Po (t) = e
-t
menunjukkan bahwa kemungkinan tidak terjadi kelahiran selama
interval waktu dari 0 s/d t adalah e
-t
. jadi, kemungkinan bahwa kelahiran
pertama akan terjadi pada interval waktu ini adalah [1 e= e
-t
]
Jika variabel random T adalah waktu dari kelahiran pertama, maka fungsi
distribusi kumulatif dari T adalah:
F(t) = P [T t] = 1 - e= e
-t
untuk t 0
Karena itu Pdf dari T adalah:
t
e
dt
t dF
t f
=
) (
) ( untuk t 0
Jadi, T mempunyai distribusi eksponensial. Dengan kata lain, distribusi
kemungkinan dari waktu antara 2 kelahiran adalah distribusi eksponensial dengan
parameter .
Ekspektasi waktu antar kedatangan (kelahiran) ini adalah:
dt e t T E
t e
} = ) (
= 1/
8.2.3. Proses kematian Murni
Asumsikan bahwa n = 0 untuk n = 0, 1, 2, .. dan bahwa n = untuk
92
n = 1, 2, 3, Asumsikan juga bahwa sistem dalam state Em pada saat t = 0.
proses ini ekuivalen dengan proses kelahiran murni, kecuali bahwa proses-proses
ini bergerak dalam arah yang berlawanan (line length/panjang garisnya), dan
proses berhenti setelah M event. Karena itu, hasilnya pun analog.
) ( ) ( 1
) (
t Pn t Pn
dt
t Dp
n
+ = untuk n = 0, 1, 2, , M-1
) (
) (
t PM
dt
t Dp
M
= untuk n ~ M
Ingat bahwa (M-n) adalah jumlah event kematian yang telah terjadi dalam proses.
Dengan cara yang sama seperti pada proses kelahiran murni, kita peroleh
probabilitas bahwa tidak ada event terjadi pada t adalah : Pm (t) = e
-t
Probabilitas bahwa (M-n) event telah terjadi, di mana (M-n) < M, adalah :
( )
( )!
) (
n M
e t
t Pn
t n M
untuk n = 1, 2, m M
Sehingga kemungkinan bahwa M event telah terjadi adalah :
) ( 1 ) (
1
t Pn t Po
m
n=
=
8.2.4 Solusi Steady State
Solusi steady state untuk Pn ini bisa didapat dengan 2 pendekatan, yaitu :
1. Dengan menyelesaikan Pn(t) dalam kasus transien dengan t
2. Dengan menetapkan
0
) (
=
dt
t dP
n
Karena solusi transien ini tidak dapat digunakan untuk proses kelahiran-kematian,
maka kita akan menggunakan pendekatan kedua. Asumsikan bahwa:
Lim Pn (t) = Pn
Sehingga
0
) (
lim =
)
`
dt
t dP
n
93
Untuk t maka persamaan (1) dan (2) menjadi :
0 = n-1 Pn-1 + n + 1 Pn + 1 (n + n) Pn Jika n > 0
0 = 1 P1 - 0 P0 Jika n = 0
untuk n = 0, maka didapat:
Po P
o
1
1
=
Untuk n > 0 didapat:
1
1 1
1
1
+
+
+
= +
n
Pn n nPn
Pn
n
n
Pn
Untuk sementara hanya kita perlihatkan ruas kanan yang kedua. Jika n > 1 maka:
1 1
2 2 1 1
1
1
1 1
(
= Pn n
n
Pn n Pn n
Pn
n
n
n Pn n nPn
2 2 1 1 = Pn n Pn n
Ulangi perhitungan ini dengan nilai n yang lebih kecil, sehingga akhirnya didapat:
n Pn - n-1 Pn-1 = 1 P1 - o Po
Persamaan ini dapat ditulis secara ringkas sebagai :
Po Pn
n
i
n
i
1
1
0
=
=
t
t
untuk n = 1, 2, .
8.2.6. Model Single Server (S = 1)
a. Input Poisson dan waktu pelayanan eksponensial
Model ini adalah kasus khusus dari proses kelahiran-kematian yang
mengkombinasikan proses kelahiran murni dengan proses kematian murni. Jadi
n = untuk n = 0, 1, 2, dan n = untuk n = 1, 2, .
Untuk n > 0
n
n
i
n
i
Po
i
Po Pn ) / (
1
1
1
0
t
t
= =
=
=
94
Karena = /, maka :
Pn = (1 )
n
untuk n = 0, 1, 2,
Dengan demikian, maka :
) ( ) 1 ( ) 1 (
0 0
n
n
n
n
d
d
n
=
= =
)
1
1
( ) 1 ( ) ( ) 1 (
0
= =
=
d
d
d
d
n
n
=
1
L
Dengan cara yang sama :
Pn n L
n
q
) 1 (
1
=
=
= L 1 ( 1 Po)
) (
2
=
q
L
Masih dengan asumsi < , kita akan menurunkan distribusi kemungkinan untuk
waktu menunggu.
Ini adalah distribusi eksponensial dengan parameter (1-).
Karena itu:
=
= =
1
) 1 (
1
) (T E W
Tetapi, jika dalam sistem itu telah ada n = 0 langganan, maka ia harus menunggu
selama n waktu pelayanan eksponensial, hingga ia mulai dilayani, sehingga:
) ( ) (
1
En t T PnP t T P
n
> = >
=
= ) ( ) 1 (
1
En t T P
n
n
>
=
) (
0
t T PnP
n
> =
=
) ( t T P > =
95
=
t
e
) 1 (
untuk t 0
Dengan demikian maka:
) (
) (
= = T E Wq
b. Input Poisson dan waktu pelayanan sembarang
Asumsi: waktu pelayanan rata-rata 1/ dengan varians
2
o .
Maka jika = / < 1, di dapat:
Po = 1
Lq =
) 1 ( 2
2 2 2
+
L = + Lq
Wq =
Lq
W = Wq + 1/
8.2.7. Model Multiple Server (S>1), Model dengan state di mana tingkat
pelayanan dan atau tingkat kedatangan bersifat dependen
Pada model single server,tingkat pelayanan rata-rata untuk
normal,yaitu yang tanpa tekanan,dengan n
c
dimana n adalah jumlah
langganan dalam sistem dan c adalah Koefisien tekanan .jika seluruh
pelayanan (sejumlah S) sedang sibuk sehingga bekerja dengan tekanan,maka
tingkat pelayanan rata-rata harus dikalikan dengan (n/S)
c
Karena n/S
merupakan jumlah langganan dalam sistem per pelayanan.Degan demikian
maka:
jika n s S
jika n > S
Jika kemudian diasumsikan bahwa sistem antrian mempunyai input
poisson dengan n = (untuk n =0, 1, 2,) dan waktu pelayanan ekponensial
dengan n seperti diatas,maka modelnya akan menjadi menjadi kasus kusus
yang lain dari proses kelahiran-kematian.Hasil seady state -nya adalah:
( )
c
1
S n/S
n
n
96
jika n s S
jika n > S
Karena itu,maka:
Lq =
( )
( )
( )
( )
=
=
=
oo
s n
c
n
c
S
s
S
s n
n
S w
c Po Pn S n
!
1
1
1
!
00
L = |
.
|
\
|
+ +
=
=
1
0
1
1
s
n
n
s
o n
q n
P S L nP
Wq =
Lq
; W =
L
Model ini juga dapat digeneralisasi untuk memungkinkan tingkat kedatangan
rata-rata melakukan reaksi terhadap panjang garis antrian dengan cara yang
sama dengan pada model single server.
Untuk itu tetapkan:
jika n s S
jika n > S
jika n s S - 1
jika n > S - 1
proses kelahiran-kematian dengan parameter parameter ini menghasilkan Pn, Lq,
dan L yang sama dengan di atas jika c = a + b.
8.2.8. Model Disiplin pioritas
Model-model disiplin prioritas adalah model-model antrian yang disiplin
pelayanannya didasarkan atas suatu sistem prioritas. Dalam kenyataan sehari-
hari,banyak sekali situasi yang memenuhi model seperti ini,misalnya pekerjaan-
pekerjaan yang singkat /cepat dikerjakan setelah pekerjaan-pekerjaan lainnya,
langganan-langganan penting didahulukan dari pada yang lainnya,dan lain-lain.
( )
( )
( )( )
|
.
|
\
|
=
Po
S /S n! S!
/
Po
n!
1
Pn
s n c 1 c
n
1
n
( )
=
1
1
/
S S n
n
n
a
( )
+
=
1
1
1 /
n
b
n S
97
Karena itu,pengunaan model-model disiplin prioritas ini sering lebih dapat
diterima dari pada kebanyakan model antrian yang biasa.
Sayang sekali,untuk model-model ini analisis matematisnya rumit sekali
dan hasilnya pun hanya dapat digunakan secara terbatas,yaitu hampir seluruhnya
untuk kasus-kasus single server. Namun, hasil-hasil yang dapat digunakan ini
berguna pula untuk satu model multiple-server. Model ini mengasumsikan bahwa
ada sejumlah N kelas prioritas terendah dan anggota anggata kelas prioritas yang
tertinggi yang ada dalam antrian akan dipilih berdasarkan FCFS. pelayanan tidak
dapat didahulukan, artinya unit-unit yang sedang dilayani tidak dapat
dikembalikan kedalam antrian, bila unit dari prioritas yang lebih tinggi memasuki
sistem antrian. Dalam hal ini,untuk masing-masing kelas prioritas diasumsikan
mengikuti proses input poisson dan waktu pelayanan rata-ratanya sama untuk
seluruh kelas prioritas, tetapi tingkat kedatangan rata-ratanya boleh berbeda antara
kelas prioritas yang satu dengan yang lainnya.
Dengan mengunakan asumsi-asumsi ini,maka ekpektasi waktu menunggu
dalam keadaan steady state (termasuk waktu pelayanan) untuk seorang anggota
dari kelas prioritas ke-k adalah:
Wk =
1
.
1
1
+
k k
B B A
Di mana:
A = S!
=
+
|
.
|
\
|
1
0
!
s
j
j
s
S
j
p
P
S
, Bo = 1
Bk = 1-
S
i
k
i
=1
Dimana:
S = jumlah pelayanan
= tingkat pelayanan rata-rata per pelayanan yang sibuk
i = tingkat kedatangan rata-rata untuk kelas prioritas ke-I untuk I =1, 2, .,N
=
=
N
i
i
1
= /
98
Hasil-hasil ini mengasumsikan bahwa
=
k
i
i
1
< sehingga kelas prioritas ke-k
dapat mencapai kondisi seady state. Dalam kondisi seady state.ekspektasi jumlah
anggota dari kelas prioritas ke-k dalam sistem antrian (termasuk yang sedang
dilayani)adalah: Lk =k . Wk , untuk k = 1, 2,, N
Untuk menentukan ekpektasi waktu menunggu diluar pelayanan untuk kelas
prioritas ke-k, maka kurangilah Wk dengan 1/, sehingga ekpektasi panjang
antriannya di peroleh dengan cara mengalihkan ekpektasi waktu menunggu
tersebut dengan k. Untuk kasus khusus dimana S= 1, maka ekspektasi dari A
menjadi : A=
Pada kasus dimana pelayanan bersifat dapat didahulukan, langganan dari
prioritas yang paling rendah yang sedang dilayani akan dikembalikan ke dalam
antrian jika langganan dari prioritas yang lebih tinggi memasuki sistem antrian.
karena itu,seorang pelayan akan leluasa untuk segera melayani pendatang baru
tersebut.
Dengan tetap menggunakan asumsi-asumsi seperti model-model di atas,
maka jika S= 1, didapat:
k k
B B
1
/ 1
Wk
=
untuk k = 1, 2,..., N
Lk = k Wk untuk k = 1, 2, , N
Ekpektasi panjang antrian di luar pelayanan,diperoleh dengan cara yang
sama seperti model di mana pelayanan tidak dapat di dahulukan.
8.2.8. Model Swalayan (Self-servivise Model)
Pada model ini jumlah pelayan menjadi tidak terbatas karena setiap
langganan melayani dirinya sendiri.kerena itu,sebenarnya model ini merupakan
pengembangan dari diatas,dengan jumlah pelayanan = ~ .
Dari dibawah ini kita tahu bahwa:
( )
o
n
n
p
n
P
!
/
=
99
karena
=
=
~
: , 1
o n
maka Pn
( )
( )
( )
/
/ 2
1
...
! 2
! 2 /
/ 1
1
= =
+ + +
= e
e
Po
sehingga akhirnya dapat:
( )
n
n
e
pn
/
!
/
=
n = 0, 1, 2,
yang berdistribusi poisson dengan rata-rata E.(n) = /
Di samping itu didapat pula:
L = E(n) = /
W = 1/
Lq = Wq = 0
VIII.3. PENUTUP
Pada bagian penutup, diadakan tanya jawab dan diskusi baik antar
mahasiswa dan dosen, dan juga mahasiswa antar mahasiswa. Untuk itu diberikan
juga tugas sebagai bahan latihan mahasiswa di luar jam perkuliahan.
Tugas/latihan untuk materi Teori permainan sebagai berikut:
1. Apa yang dimaksud dengan teori antrian ?
2. Pada Swalayan Semerbak dimana langganan datang dengan mengikuti distribusi
poisson, dengan rata-rata Tiga orang/jam.Berapakah probabilitas bahwa pada
swalayan tersebut akan ada paling sedikit seorang langganan dalam periode 1 jam?
3. Di sebuah gedung pertunjukan hanya terdapat satu loket penjualan tiket. Penonton
yang datang untuk membeli tiket mengikuti distribusi poisson dengan rata-rata 30
orang perjam.Waktu yang diperlukan untuk melayani seorang pembeli berdistribusi
ekponensial adalah dengan rata rata 90 detik. Hitunglah:
a. probabilitas ada 5 orang pembeli didepan loket
b. ekspektasi panjang antrian tidak termasuk yang sedang dilayani?
100
c. Ekpektasi panjang antrian tidak termasuk yang sedang dilayani?
d. Ekpektasi waktu menungu dalam sistem(termasukwaktu pelayanan)?
e. Ekpektasi waktu menungu dalam antrian (tidak termasukwaktu pelayanan)?
f. Probabilitas bahwa seorang pembeli tiket harus menunggu sedikitnya 8 menit
sejak ia datang didepang loket hingga selesai mendapatkan tiket?
PERKULIAHAN KE 16: Ujian SEMESTER
SESI/PERKULIAHAN KE: 16
TIK : Pada perkuliahan ini mahasiswa diharapkan mampu menyelesaikan
persoalan-persoalan berkaitan dengan materi yang telah diberikan
pada perkuliahan sebelumnya.
Pokok Bahasan :
Materi yang termasuk dalam ujian semester adalah: Teori
Permainan, Proses Keputusan Markov dan Teori Antrian.
Deskripsi singkat :
Dalam pertemuan ini mahasiswa akan mengerjakan dan
menyelesaikan persoalan-persoalan penelitian operasional II sesuai
dengan materi yang telah diberikan pada perkuliahan sebelumnya.
Sifat ujian semester adalah open book. Setiap mahasiswa dapat
menyelesaikan dan mencari jawaban tiap persoalan pada buku
maupun bahan-bahan pembelajaran yang dimilikinya.
I. Bahan Bacaan:
1. Dimyanti,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru
Algensindo Bandung, 1999.
2. Don T.Philips, et.al., Operation Research: Principle and Practice, 2
nd
edition,
John Wiley and Sons, 1987.
3. Hillier and Lieberman, Introduction to Mathematical Programming, 1
st
edition, McGraw-Hill, 1991.
4. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation
Research , San Fransisco : Holden Day Ltd, 1977.
5. Taha, Hamdy, Operation Research : An Introduction, Newyork : The
MacMillan Co, 1985.
6. Wagner, H.M. Principle of Operation Research, Englewood Cliffs, N.J :
Prenntice-hall Inc, 1969.
7. Wayne L.Winston, Operation Research: Application and Algorithms, 3
rd
edition, Duxbury Press, 1994.
II. Pertanyaan Kunci/Tugas: Sebelum ujian semester, mahasiswa diberikan kesempatan
untuk bertanya berkaitan dengan persoalan yang diberikan.
101
III. Tugas
Tidak ada pemberian tugas setelah ujian semester, hal ini dikarenakan ujian
tersebut merupakan tabulasi dan evaluasi nilai mahasiswa terhadap perkuliahan
penelitian operasional II, setelah menjalani perkuliahan selama 7 (tujuh) kali
pertemuan terhitung dari selesainya perkuliahan mid semester.
IX.1. PENDAHULUAN
Dalam perkuliahan ini mahasiswa akan mengerjakan dan
menyelesaikan persoalan-persoalan penelitian operasional sesuai dengan
materi yang telah diberikan pada perkuliahan sebelumnya. Sifat ujian
semester adalah open book. Setiap mahasiswa dapat menyelesaikan dan
mencari jawaban tiap persoalan pada buku maupun bahan-bahan
pembelajaran yang dimilikinya.
IX.2. PENYAJIAN
Pada perkuliahan ini akan diberikan persoalan yang berkaitan dengan
materi yang telah dipelajari pada perkuliahan sebelumnya. Persoalan yang
diberikan antara lain:
1. Apa yang dimaksud dengan teori permainan?
2. Saat ini PT. Astra sedang mempertimbangkan kemungkinan
dilakukannya advertensi besar-besaran untuk jenis mobil Kijang Innova.
Perusahaan ini menentapkan bahwa hasil penjualan saat ini dapat
dikategorikan sebagai keberhasilan (state 1) atau gagal (state 2).
- Jika dilakukan advertensi : probabilitas bulan ini berhasil dan bulan
berikutnya gagal adalah 0,1, sedangkan bila bulan ini gagal dan bulan
berikutnya juga gagal probabilitasnya adalah 0,4. Matriks labanya
dapat dilihat pada R1.
- Jika advertensi tidak dilakukan: probabilitas bulan ini berhasil dan
bulan berikutnya juga berhasil adalah 0,7, sedangkan bila bulan ini
102
gagal maka bulan berikutnya juga gagal probabilitasnya adalah 0,8.
Matriks labanya dapat dilihat pada R2.
R1 = 2 -1 R2= 4 1
1 -3 2 -1
Bagaimanakah Policy optimum dari persoalan tersebut?
3. Sebuah perusahaan menerima 3 jenis pekerjaan, yaitu jenis 1, 2, dan 3.
Pekerjaan jenis 1 harus diproses paling dulu, kemudian pekerjaan jenis
2 harus diproses sebelum pekerjaan jenis 3. Walaupun demikian, jika
suatu jenis pekerjaan telah mulai diproses, maka pekerjaan itu harus
diselesaikan sebelum pekerjaan baru diproses. Kedatangan ketiga jenis
pekerjaan ini berdistribusi Poisson dengan rata-rata 4, 3, dan 1 per hari.
Penyelesaian masing-masing jenis pekerjaan itu berdistribusi
eksponensial dengan rata-rata yang sama, yaitu 24/hari Berapakah:
a. ekspektasi waktu menunggu (termasuk waktu penyelesaian) dari
masing- masing jenis pekerjaan?
b.ekspektasi jumlah pekerjaan (termasuk yang sedang diproses) dari
masing-masing jenis pekerjaan?
Persoalan yang diberikan tidak harus sesuai pada persoalan tersebut
di atas saja, tetapi dapat juga ditambah dan diganti dengan persoalan lainnya
sesuai dengan kebutuhan, ketepatan dan keterbatasan waktu pengerjaan
persoalan, tentunya sesuai dengan materi yang telah diberikan.
IX.3. PENUTUP
Pada bagian penutup, diadakan tanya jawab mengenai persoalan-
persoalan yang diberikan. Tidak ada pemberian tugas setelah ujian
semester, hal ini dikarenakan ujian tersebut merupakan tabulasi dan evaluasi
nilai mahasiswa terhadap perkuliahan Penelitian Operasional II, setelah
menjalani perkuliahan selama 7 (tujuh) kali pertemuan terhitung dari
selesainya ujian mid semester.
103
DAFTAR PUSTAKA
Dalam penyusunan Bahan ajar ini berpedoman pada beberapa buku
pegangan yang menjadi referensi, adapun referensi tersebut adalah sebagai
berikut:
Referensi:
1. Dimyati,Tjutju Tarliah, Ahmad Operations Research, PT. Sinar Baru
Algensindo Bandung, 1999.
2. Don T.Philips, et.al., Operation Research: Principle and Practice, 2
nd
edition, John Wiley and Sons, 1987.
3. Hillier and Lieberman, Introduction to Mathematical Programming,
1
st
edition, McGraw-Hill, 1991.
4. Hillier, Frederick and Gerald, J.Liebermam. Introduction to Operation
Research , San Fransisco : Holden Day Ltd, 1977.
5. Taha, Hamdy, Operation Research : An Introduction, Newyork : The
MacMillan Co, 1985.
6. Wagner, H.M. Principle of Operation Research, Englewood Cliffs,
N.J : Prenntice-hall Inc, 1969.
7. Wayne L.Winston, Operation Research: Application and
Algorithms, 3
rd
edition, Duxbury Press, 1994.
104
SENARAI
Aliran (flow) = Didefenisikan sebagai suatu cara untuk pengiriman
benda-benda dari suatu tempat ke tempat yang lain.
Chain = Adalah beberapa arc yang berurutan di dalam satu
graph atau network.
Circuit = Adalah suatu path yang mempunyai node awal dan
node akhir yang identik, atau merupakan suatu path
yang tertutup.
Cycle = Adalah suatu chain yang mempunyai node awal dan
node akhir yang identik atau dengan kata lain, cycle
adalah suatu chain yang tertutup.
Flow
argumentation
problem
= Adalah mencari jumlah unit maksimum yang dapat
ditambahkan ke dalam aliran yang telah ada di dalam
suatu path.
free float = Adalah jumlah waktu di mana penyelesaian suatu
aktivitas dapat diukur tanpa mempengaruhi saat paling
cepat dari dimulainya aktivitas yang lain atau saat
paling cepat terjadinya event lain pada network.
Loop = Suatu arc yang mempunyai node yang sama untuk
kedua ujung dan pangkalnya.
Maximum flow
problem
= Didefinisikan sebagai problem untuk mencari suatu
cara terbaik untuk memaksimumkan jumlah unit yang
dapat dikirim dari s ke t didalam suatu network yang
mempunyai arc dengan kapasitas terbatas.
105
Model = Adalah gambaran ideal dari suatu situasi (dunia) nyata
sehingga sifatya yang kompleks dapat disederhanakan.
Network (jaringan) = Adalah suatu graph dimana elemen-elemen pada suatu
graph yang merupakan suatu aliran .
Path = Adalah suatu chain yang dibentuk oleh beberapa arc
yang searah.
Teori antrian = Adalah teori yang menyangkut studi matematis dari
antrian-antrian atau baris-baris penungguan.
Teori permainan = Adalah bagian dari ilmu pengetahuan yang berkaitan
dengan pembuatan keputusan pada saat pihak atau
lebih berada dalam kondisi persaingan atau konflik.
Tujuan (objective) = Adalah hasil akhir yang hendak dicapai dengan cara
memilih suatu tindakan yang paling tepat untuk sistem
yang dipelajari.