1. Metode Antrian.
Contoh soal :
Contoh
Antrian Tipe(M/M/1): (GD/ ∞/ ∞)Contoh Soal 1:Sebuah gerbang tol memiliki
tingkat kedatangan rata-rata 400 kendaraan per jam mengikutidistribusi Poisson.
Rata-rata kendaraan dilayani selama 7 detik yang sebarannya mengikutidistribusi
exponensial.
Hitung
Panjang antrian rata-rata (Lq) dan waktu antrian rata-rata Wq.
Jawab:
·
Tingkat kedatangan = λ = 400 kendaraan/jam
·
Tingkat pelayanan = µ = 3600/7= 514
kendaraan/jam
·
Tingkat intensitas ρ = λ/ µ =
400/514 = 0.778 < 1
Mengingat
tipe antrian adalah (M/M/1), maka :
·
Ls = ρ/(1-ρ) = 0.778/(1-0.778) = 3.5
kendaraan
·
Ws = 1/ µ(1- ρ) =
1/514(1-0.778)=31.5 dtk
·
Wq = ρ/ µ(1- ρ) =
0.778/514(1-0.778)=24.5 dtk
·
Lq = ρ2/(1-ρ) =0.7782/(1-0.778)=2.72
≈ 3 kendaraan
Jadi
panjang antrian rata-rata adalah = 3 kendaraan, dengan waktu antrian rata-rata
24.5 detik.
2.
Forecasting
.............Penjualan
Produk X pada tahun 2010 adalah sebagai berikut:
Waktu
|
Bulan
|
Penjualan
|
1
|
Januari
|
1143
|
2
|
Februari
|
1037
|
3
|
Maret
|
857
|
4
|
April
|
757
|
5
|
Mei
|
948
|
6
|
Juni
|
660
|
7
|
Juli
|
683
|
8
|
Agustus
|
809
|
9
|
September
|
1078
|
10
|
Oktober
|
696
|
11
|
November
|
777
|
12
|
Desember
|
672
|
Jumlah
|
10117
|
Tentukan peramalan penjualan pada
bulan ke-18 dan bulan ke-25!
Penyelesaian
Dari
tabel di atas akan dibuat deskripsi data ke dalam bentuk poligon agar dapat
memudahkan menganalisis data. Berikut ini adalah poligon data dari data hasil
penjualan produk X pada tahun 2010:
A.
Tabulasi Data:
B. Menentukan Model Persamaan Matematika:
1)
Trend Linier
Dari tabel tabulasi data di atas,
maka diperoleh:
Setelah itu masukan nilai a dan b ke dalam persamaan Yt = a + bt , sehingga menjadi sebuah persamaan
trend linier Yt = 843,08+ 13.t.
2)
Trend Kuadratik
Setelah itu nilai a, b dan c dimasukan ke dalam persamaan Yt = a + bt + ct2 , sehingga menjadi sebuah persamaan trend kuadratik Yt = 790,65 + 13.t + 1,1.t2.
3)
Trend Eksponensial
Setelah itu nilai a dan b dari hasil perhitungan di atas dimasukan ke dalam persamaan Yt = a.bt , sehingga menjadi sebuah persamaan trend eksponensial Yt = 828,58 + 0,99t.
C.
Ketepatan Model Peramalan
1)
Trend Linier
Yt = 843,08+ 13.t
2)
Trend Kuadratik
Yt = 790,65 + 13.t + 1,1.t2
3) Trend Eksponensial
Yt = 828,58 + 0,99t
Pembahasan
Data
pengamatan runtun waktu untuk perubahan hasil penjualan produk X di tahun 2010
setiap bulannya, dapat diketahui bahwa perubahan nilai runtut waktu pengamatan
dari bulan ke bulan jumlahnya cukup bervariasi berupa peningkatan dan
penurunan.
Jumlah
penjualan tertinggi terjadi pada bulan Januari sebanyak 1143. Penurunan
penjualan tertinggi terjadi pada bulan Juni sebanyak 660. Keterangan tersebut
memperlihatkan perubahan nilai runtun waktu pengamatan yang fluktuatif.
Sebelum
dilakukan perhitungan, akan dihitung Mean
Square Error (MSE) terlebih
dahulu. Hal ini dilakukkan untuk mencari trend mana yang paling tepat dan
memiliki kesalahan terkecil untuk dijadikan acuan peramalan. Berikut ini adalah
perhitungan MSE dari trend linier,
trend kuadratik, dan trend eksponensial:
1) MSE Trend Linier
2) MSE Trend Kuadratik
3) MSE Trend Eksponensial
Dari perhitungan MSE di atas, bahwa nilai MSE dari trend kuadratik merupakan yang terkecil. Jadi dapat diketahui bahwa trend kuadratik pada peramalan ini memiliki kecendrungan kesalahan yang paling rendah dibanding dengan trend linier dan trend eksponensial.
Berikut ini adalah poligon dari permalan penjualan produk X.
Dari perhitungan menggunakan trend
kuadratik di atas, maka dapat diramalkan penjualan produk X pada bulan ke-18
adalah sebanyak 1074, dan untuk bulan ke-25 sebanyak 1816. Dapat dilihat pada
kurva di atas, pada bulan ke-12 sampai dengan bulan ke-25 terlihat bahwa jumlah
penjualan produk X dari bulan ke bulan mengalami peningkatan.
3.
linear programming
Suatu perusahaan memproduksi barang dengan 2 model yang
dikerjakan dengan dua mesin yaitu mesin A dan mesin B. Produk model I
dikerjakan dengan mesin A selama 2 jam dan mesin B selama 1 jam. Produk model
II dikerjakan dengan mesin A selama 1 jam dan mesin B selama 5 jam. Waktu kerja
mesin A dan B berturut – turut adalah 12 jam perhari dan 15 jam perhari.
Keuntungan
penjualan produk model I sebesar Rp. 40.000,00 perunit dan model II Rp
10.000,00 per unit. Keuntungan maksimum yang dapat diperoleh perusahaan tersebut
adalah ….
A. Rp. 120.000,00 C. Rp. 240.000,00 E. Rp. 600.000,00
B. Rp. 220.000,00 D. Rp. 300.000,00
Jawab
:
Ditanyakan
: Keuntungan Maximum
Jenis
|
Mesin
A
|
Mesin
B
|
|
Model
1
|
X
|
2
|
1
|
Model
2
|
Y
|
1
|
5
|
Total
|
12
|
15
|
40.000x +10.000y=…?
*Model
matematikanya :
X
≥ 0,Y ≥ 0, 2x+y ≤ 12, x+5y ≤15
X
|
0
|
6
|
Y
|
12
|
0
|
(x,y)
|
(0,12)
|
(6,0)
|
*2x+y
≤
12
*x+5y ≤ 15
X
|
0
|
15
|
Y
|
3
|
0
|
(x,y)
|
(0,3)
|
(15,0)
|
Metode
Subtitusi
Eliminasi
Titik Potong : (5,2)
2x+y = 12 x1 2x+
y =
12
X+5y = 15
x+5y = 15 x2 2x+10y = 30
-
X+5(2) = 15
-9y = -18
X=15-10
Y
=2
X = 5
Mencari
nilai maximum jika 40.000 x + 10.000 y = ….?
(0,
3) 40.000(0) + 10.000 (3) = Rp 30.000
(5,
2) 40.000(5) + 10.000 (2) = 200.000+ 20.000 = Rp 220.000
(6,
0) 40.000(6) + 10.000 (0) =Rp 240.000 → Nilai maximum (C)
Keputusan
yang diambil adalah keputusan setengah terprogram yaitu keputusan yang sebagian
dapat diprogram, sebagian berulang ulang dan rutin dan sebagian tidak
terstruktur, keputusan ini seringnya bersifat rumit dan membutuhkan
perhitungan-perhitungan serta analisis yang terperinci, seperti contoh-contoh
kasus diatas yang dilakukan dengan perhitungan-perhitungan yang terperinci dan
menghasilkan hasil yang bisa terprogram ataupun tidak terprogram.
SUMBER:
Tidak ada komentar:
Posting Komentar