Modul 1 – Pendahuluan dan Perencanaan Penugasan

RISET OPERASI (EKMA4413)

1/16/2019 1
 Tinjauan Umum Modul 1
Secara umum, Modul 1 akan membahas tentang pendahuluan operations research dan perencanaan
penugasan (assignment) beberapa orang karyawan pada beberapa tugas yang berbeda-beda.

Modul 1 terdiri dari dua kegiatan belajar:

• Kegiatan Belajar 1 – Pendahuluan;
• Kegiatan Belajar 2 – Perencanaan Penugasan.

Setelah mempelajari Modul 1, diharapkan mampu:

• Menjelaskan kegunaan operations research untuk pengambilan keputusan;
• Menjelaskan cara alokasi karyawan pada beberapa macam pekerjaan;

Secara khusus, setelah mempelajari Modul 1, diharapkan mampu:

• Menjelaskan cara analisis data dengan model-model yang ada dalam operations research;
• Memilih model yang lebih tepat dan sesuai dengan masalah yang dihadapi;
• Menerapkan hasil analisis untuk pemecahan masalah melalui pengambilan keputusan;
• Melakukan alokasi tenaga kerja dengan tepat;
• Menempatkan karyawan dengan biaya terrendah atau hasil terbesar.

1/16/2019 2
 Pendahuluan
Tujuan dari operations research adalah mencari pemecahan masalah secara optimal dengan
mempertimbangkan tujuan serta keterbatasan sumber daya yang ada.
Optimal berarti sebaik-baiknya, yaitu yang paling kita kehendaki.
Goal dari pemecahan suatu masalah bisa minimasi (misal biaya atau pengorbanan), bisa juga
maksimasi (misal manfaat atau keuntungan).

Skema Proses Pengambilan Keputusan

Identifikasi Masalah

Pengumpulan Data

Analisis Data

Penentuan Alternatif
Feedback
Pemecahan Masalah

Pemilihan Alternatif

Pelaksanaan

1/16/2019 3
 Hungarian Algorithm
A. Minimasi
Tujuan dari proses pemecahan masalah model ini adalah minimasi, yakni meminimalkan pengorbanan.
Pengorbanan yang ditanggung biasanya diukur dengan biaya yang dikeluarkan untuk menyelesaikan suatu
pekerjaan. Dalam kasus penugasan karyawan, biaya untuk menyelesaikan suatu pekerjaan berbeda-beda
karena disebabkan oleh perbedaan keterampilan, latar belakang pendidikan, kerajinan, pengalaman, dan
lain sebagainya. Oleh karena itu kita harus menempatkan karyawan yang paling cocok dengan kebutuhan
pekerjaan itu.

Ilustrasi:
Suatu perusahaan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 4 macam peker-
jaan. Satu karyawan hanya bisa mengerjakan satu macam pekerjaan. Data biaya penyelesaian pekerjaan
oleh tiap karyawan seperti terlihat dalam tabel di bawah ini (biaya dalam rupiah).
Tabel 1.1

Pekerjaan
I II III IV
Karyawan
A 20 28 25 24
B 15 13 13 11
C 10 21 20 30
D 25 20 23 20

1/16/2019 4
 Hungarian Algorithm
A. Minimasi
Langkah 1
Ubah matriks biaya menjadi opportunity cost matrix. Nilai dari setiap baris dikurangi dengan nilai terkecil
dari baris tersebut.
Pekerjaan
I II III IV
Karyawan
A 20 28 25 24
B 15 13 13 11
C 10 21 20 30
D 25 20 23 20

Tabel 1.2
Pekerjaan
I II III IV
Karyawan
A 0 8 5 4
B 4 2 2 0
C 0 11 10 20
D 5 0 3 0

1/16/2019 5
 Hungarian Algorithm
A. Minimasi
Langkah 2
Ubah matriks opportunity cost matrix menjadi total opportunity cost matrix. Kalau kolom dari opportunity
cost matrix (Tabel 1.2) masih ada nilai yang tidak 0 (nol), maka harus diusahakan agar bernilai 0 (nol).
Caranya adalah nilai dari kolom yang belum mempunyai nilai 0 dikurangi dengan nilai terlecil dari kolom
tersebut.
Pekerjaan
I II III IV
Karyawan
A 0 8 5 4
B 4 2 2 0
C 0 11 10 20
D 5 0 3 0

Tabel 1.3
Pekerjaan
I II III IV
Karyawan
A 0 8 3 4
B 4 2 0 0
C 0 11 8 20
D 5 0 1 0

1/16/2019 6
 Hungarian Algorithm
A. Minimasi
Langkah 3
Tarik garis seminimal mungkin (baik vertikal maupun horizontal) yang menghubungkan setiap nilai 0 (nol)
yang ada.
Pekerjaan
I II III IV
Karyawan
A 0 8 3 4
B 4 2 0 0
C 0 11 8 20
D 5 0 1 0

Tabel 1.4
Pekerjaan
I II III IV
Karyawan
A 0 8 3 4
B 4 2 0 0
C 0 11 8 20
D 5 0 1 0

1/16/2019 7
 Hungarian Algorithm
A. Minimasi
Langkah 4
Revisi total opportunity cost matrix.
a. Pilih nilai terkecil dari semua nilai yang belum dilintasi garis (x). Kurangi semua nilai yang
belum dilintasi garis dengan x.
b. Nilai yang ada di persimpangan garis ditambah dengan x.
c. Ulangi Langkah 3 (jumlah garis harus sama dengan jumlah baris atau kolom).
Pekerjaan
I II III IV
Karyawan
A 0 8 3 4
B 4 2 0 0
C 0 11 8 20
D 5 0 1 0

Tabel 1.5
Pekerjaan
I II III IV
Karyawan
A 0 5 0 1
B 7 2 0 0
C 0 8 5 17
D 8 0 1 0
1/16/2019 8
 Hungarian Algorithm
A. Minimasi
Langkah 5
Membuat alokasi penugasan. Tugaskan karyawan pada salah satu pekerjaan yang nilainya 0 (nol).
Ingat bahwa satu karyawan hanya bisa ditugaskan pada satu pekerjaan.
Pekerjaan
I II III IV
Karyawan
A 0 5 0 1
B 7 2 0 0
C 0 8 5 17
D 8 0 1 0

Tabel 1.6
Pekerjaan Karyawan Pekerjaan Biaya (Rp)
I II III IV
Karyawan A III 25
A B IV 11
B C I 10
C D II 20
D Total 66

1/16/2019 9
 Hungarian Algorithm
B. Maksimasi
Tujuan dari proses pemecahan masalah model ini adalah maksimasi, yakni memaksimalkan manfaat.
Manfaat yang didapatkan biasanya diukur dengan keuntungan yang diperoleh saat menyelesaikan suatu
pekerjaan.

Ilustrasi:
Suatu perusahaan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 4 macam pekerj
aan. Satu karyawan hanya bisa mengerjakan satu macam pekerjaan. Data keuntungan penyelesaian peker-
jaan oleh tiap karyawan seperti terlihat dalam tabel di bawah ini (keuntungan dalam rupiah).
Tabel 1.7
Pekerjaan
I II III IV
Karyawan
A 20 24 20 16
B 28 20 18 30
C 16 18 14 16
D 26 30 16 32

1/16/2019 10
 Hungarian Algorithm
B. Maksimasi
Langkah 1
Ubah matriks biaya menjadi opportunity lost matrix. Nilai dari setiap baris dikurangi dengan nilai
terbesar dari baris tersebut.
Pekerjaan
I II III IV
Karyawan
A 20 24 20 16
B 28 20 18 30
C 16 18 14 16
D 26 30 16 32

Tabel 1.8
Pekerjaan
I II III IV
Karyawan
A 4 0 4 8
B 2 10 12 0
C 2 0 4 2
D 6 2 16 0

1/16/2019 11
 Hungarian Algorithm
B. Maksimasi
Langkah 2
Ubah matriks opportunity loss matrix menjadi total opportunity loss matrix. Kalau kolom dari opportunity
loss matrix (Tabel 1.8) masih ada nilai yang tidak 0 (nol), maka harus diusahakan agar bernilai 0 (nol).
Caranya adalah nilai dari kolom yang belum mempunyai nilai 0 dikurangi dengan nilai terlecil dari kolom
tersebut.
Pekerjaan
I II III IV
Karyawan
A 4 0 4 8
B 2 10 12 0
C 2 0 4 2
D 6 2 16 0

Tabel 1.9
Pekerjaan
I II III IV
Karyawan
A 2 0 0 8
B 0 10 8 0
C 0 0 0 2
D 4 2 12 0

1/16/2019 12
 Hungarian Algorithm
B. Maksimasi
Langkah 3
Tarik garis seminimal mungkin (baik vertikal maupun horizontal) yang menghubungkan setiap
nilai 0 (nol) yang ada.
Pekerjaan
I II III IV
Karyawan
A 2 0 0 8
B 0 10 8 0
C 0 0 0 2
D 4 2 12 0

Tabel 1.10
Pekerjaan
I II III IV
Karyawan
A 2 0 0 8
B 0 10 8 0
C 0 0 0 2
D 4 2 12 0

1/16/2019 13
 Hungarian Algorithm
A. Minimasi
Langkah 4
Revisi total opportunity loss matrix.
a. Pilih nilai terkecil dari semua nilai yang belum dilintasi garis (x). Kurangi semua nilai yang
belum dilintasi garis dengan x.
b. Nilai yang ada di persimpangan garis ditambah dengan x.
c. Ulangi Langkah 3 (jumlah garis harus sama dengan jumlah baris atau kolom).
Pekerjaan
I II III IV
Karyawan
A 2 0 0 8
B 0 10 8 0
C 0 0 0 2
D 4 2 12 0

Tabel 1.11
Pekerjaan
I II III IV
Karyawan
A 4 0 0 10
B 0 8 6 0
C 2 0 0 4
D 4 0 10 0
1/16/2019 14
 Hungarian Algorithm
A. Minimasi
Langkah 5
Membuat alokasi penugasan. Tugaskan karyawan pada salah satu pekerjaan yang nilainya 0 (nol).
Ingat bahwa satu karyawan hanya bisa ditugaskan pada satu pekerjaan.
Pekerjaan
I II III IV
Karyawan
A 4 0 0 10
B 0 8 6 0
C 2 0 0 4
D 4 0 10 0

Tabel 1.12
Pekerjaan Karyawan Pekerjaan Biaya (Rp)
I II III IV
Karyawan A II 24
A B I 28
B C III 14
C D IV 32
D Total 98

1/16/2019 15
 Hungarian Algorithm
C. Jumlah Karyawan ≠ Jumlah Pekerjaan
Apabila jumlah karyawan tidak sama dengan jumlah pekerjaan, maka dibutuhkan dummy variable
(variabel semu). Apabila jumlah karyawan (baris) lebih sedikit, maka variabel semu tersebut berfungsi
sebagai “karyawan” dengan menambah baris baru, sedangkan apabila jumlah pekerjaan (kolom) lebih
sedikit, maka variabel semu tersebut berfungsi sebagai “pekerjaan” dengan menambah kolom baru. Nilai
dari variabel semu tersebut adalah 0 (nol).

Ilustrasi.
Suatu perusahaan memiliki 4 orang karyawan yang akan ditugaskan untuk menyelesaikan 5 macam
pekerjaan. Satu karyawan hanya bisa mengerjakan satu macam pekerjaan. Data biaya penyelesaian
pekerjaan oleh tiap karyawan seperti terlihat dalam tabel di bawah ini (biaya dalam rupiah).
Tabel 1.13
Pekerjaan
I II III IV V
Karyawan
A 20 28 25 24 27
B 15 13 13 11 17
C 10 21 20 30 25
D 25 20 23 20 21
Dummy Variable 0 0 0 0 0

1/16/2019 16
 TERIMA KASIH

1/16/2019 17