PowerPoint Presentation

Kelompok 3KASUS RISET OPERASIONALNama KelompokAllif Bram H2712100006Arif Setiawan2712100011Ratno Wijaya 2712100036Yoshua Kusuma P2712100060Rinelda Nena S2712100074Paulindra P2712100137Jonathan D2713100025SEJARAH SINGKATOPERATION RESEARCHRISET OPERASIatau kerap disebut jugaSAINS MANAJEMEN,adalah penerapan ilmiah yang menggunakan pendekatan ilmiah untuk memecahkan masalah manajemen, dalam rangka membantu manajer untuk mengambil keputusan yang baik. Namun sebenarnya kemunculan Riset Operasi bukanlah dari dunia industri & bisnis, melainkan lahir daridunia militer.Dorongan awal munculnya kegiatan-kegiatan riset operasional adalah Perang Dunia II. Sebenarnya, istilah riset operasional ini tercetus sebagai akibat daririset pada operasi militeryang dilakukan selama perang tersebut. Kelompok ahli-ahli matematika , ekonomi, dan ahli-ahli disiplin ilmu lain-lainnya disatukan untuk menganalisis berbagai masalah operasi militer.

George DantzigKelompok-kelompok ini dibentuk di Inggris dan Amerika Serikat, di mana Angkatan Laut AS (US Navy) mempekerjakan lebih dari 70 orang analis. Berbagai bentuk masalah dapat dipecahkan dengan baik, seperti di mana harus ditempatkan instalasi radar, bagaimana menemukan lokasi kapal selam lawan, bagaimana menempatkan bom-bom yang dipicu dengan gelombang radio jarak jauh di laut sekeliling Jepang.Pasca Perang Dunia II, RO menarik industri-industri pasca perang di Inggris dan Amerika Serikat untuk menerapkannya dalam pemecahan masalah-masalah manajerial dan operasional yang dialaminya. Salah satu perkembangan riset operasional pasca perang yang cukup terkenal adalah temuan salah satu metode riset operasional olehGeorge Dantzig. Beliau sangat terkenal akan temuannya yang berupa pengembangan pemrograman linier yang merupakan metode riset operasional yang sangat luas digunakan. Dantzig ini sering disebut sebagai Bapak Pemrograman Linier.3CASEEvakuasi. Secara sederhana, evakuasi berarti pemindahan orang-orang dari tempat yang berbahaya ke tempat yang lebih aman. Dengan demikian, proses evakuasi mencakup keseluruhan proses pemindahan, mulai dari perencanaan, perhitungan, hingga pelaksanaannya. Proses evakuasi tidak terbatas untuk situasi banjir saja, melainkan untuk semua keadaan yang dapat mengancam keselamatan orang, antara lain kebakaran, bencana alam (seperti gunung meletus dan tsunami), kecelakaan industri, dan bom.Harus diakui bahwa dengan berbekal proses evakuasi yang baik, jumlah korban dapat ditekan seoptimal mungkin. Untuk itu, penerapan Riset Operasi dalam proses evakuasi, khususnya perencanaan dan perhitungan, merupakan langkah yang tepat.4Dibanding aplikasi di bidang lain, memang penerapan Riset Operasi untuk proses evakuasi masih terdengar asing di telinga kita. Sebenarnya penelitian mengenai penerapan tersebut sudah dipublikasikan, paling tidak, sejak awal dekade 1980-an. Sebagai contoh, evakuasi dari kemacetan lalu lintas dan evakuasi dari dalam gedung. Keduanya menggunakannetwork programming, yang memang merupakan salah satu metode tertua di dunia Riset Operasi.Secara umum, terdapat dua model pendekatan yang digunakan dalam model evakuasi yang menekankan pada estimasi waktu kemunculan. Kedua model tersebut adalahmacroscopicdanmicroscopic[3]. Modelmacroscopicumumnya didasarkan pada pendekatan Optimasi. Model ini tidak mempertimbangkan keputusan dan perbedaan individual dalam memilih rute evakuasi. Karena waktu memainkan peranan penting dalam proses evakuasi, model pendekatan ini umumnya didasarkan pada modeldynamic network flow.Sekarang mari kita perhatikan proses evakuasi dari dalam sebuah gedung. Perhatikan gambar di atas. Gambar paling kiri menunjukkan denah ruangan di sebuah gedung. Denah tersebut direpresentasikan sebagaistatic networkG = (N, A), di mana simpul (node)Nmenyatakanroom,lobbydansafety areadalam kasus ini, dan busur (arc)Adapat berupa gang, tangga atau ruangan yang menghubungkan dua simpul. Setiap simpul di G memiliki parameter berupa kapasitas (node capacity) yang menyatakan jumlah maksimum pengungsi yang dapat berada di dalam sebuah ruang daninitial contentsyangmenyatakan perkiraan jumlah penghuni dari ruang yang bersangkutan. Simpul yang seperti ini disebut simpul sumber (source nodes). Menilik gambar tengah di atas, simpul 1, 2, dan 3 merupakan simpul sumber. Sementara simpul 4 disebutsink nodedengan parameter bernilai. .

Sementara setiap busur memiliki atribut berupa kapasitas busur (arc capacity) dan waktu tempuh (travel time). Kapasitas busur adalah batas atas (upper bound) dari jumlah pengungsu yang dapat melintasi busur per unit waktu, dan waktu tempuh adalah waktu yang dibutuhkan untuk bergerak dari satu simpul ke simpul yang lain. Waktu tempuh inilah yang merupakan parameter penting dalam permasalahan evakuasi. Untuk memodelkan kebergantungan terhadap waktu tempuh,dynamic network flowdiperkenalkan.Dalam situasi nyata di lapangan, para pengungsi memiliki perbedaan kecepatan dalam berjalan. Selain itu, koneksi antara dua posisi simpul, setelah kurun waktu tertentu, bisa jadi tertutup oleh api dan asap sehingga tidak memungkinkan untuk dilalui lagi. Situasi seperti inilah yang tidak mungkin dinyatakan dalamstatic network. Gambar kanan di atas menunjukkandynamic networkGT di mana Tmenyatakan bentang waktu (time horizon) yang terbagi menjadi periode waktu (time period)t, dan, dalam contoh ini,T=4dengan asumsi bahwa semua atribut busur adalah konstan. Permasalahandynamic networksudah barang tentu lebih kompleks daripadastatic networkkarena mempertimbangkan berbagai pilihan simpul, yang karenanya meningkatkan ukuran jaringan (network size), seraya tetap menyimpan berbagai informasi seperti arus pergerakan yang melintasi sebuah busur pada suatu waktu.Tujuan dari sebuah permasalahan evakuasi dapat dinyatakan sebagai minimasi waktu yang dibutuhkan untuk mengevakuasi atau maksimasi jumlah orang yang dapat dievakuasi dalam sebuah bentang waktuTyang diberikan. Tujuan yang disebut terakhir itu dapat pula dinyatakan sebagai maksimasi arus dinamis (dynamic flow) yang mencapaisink node(dalam kasus di atas, simpul 4) pada periodeT. Dengan demikian permasalahan dengan fungsi tujuan seperti itu disebut pulamaximum dynamic flow problem(MDFP). MDFP dapat diselesaikan dengan pendekatan yang disebuttemporally repeated flow technique[3].Permasalahan optimasi tersebut dapat dipandang juga sebagaithe quickest flow problem with time-dependent attributes. Sebuah algoritma yang digunakan untuk menyelesaikan persoalan itu, sebagaimana dikemukakan dalam [5], telah digunakan untuk menemukan batas bawah dari waktu evakuasi dari sebuah gedung perkuliahan di salah satu universitas di Jerman.TERIMA KASIH