Model Penugasan Dan Analisis Matrik Payoff dan Link Download File Referensi

https://eu2.contabostorage.com/00f3241116844f24b628f46d81abb929:st1/folder7/7659/1656322921_teknik_linear_programming_model_penugasan___Ilmu_Kependidikan.docx

2026-05-30 20:49:04 - Admin

<style> body { font-family: Arial, Helvetica, sans-serif; line-height: 1.6; margin: 0; padding: 0 15px; background-color: #fdfdfd; color: #333; } header { background-color: #3f51b5; color: white; padding: 20px 0; text-align: center; } nav { margin: 20px 0; text-align: center; } nav a { margin: 0 10px; text-decoration: none; color: #3f51b5; font-weight: bold; } h1, h2, h3 { color: #3f51b5; } table { width: 100%; border-collapse: collapse; margin: 15px 0; } th, td { border: 1px solid #bbb; padding: 8px; text-align: center; } th { background-color: #e8eaf6; } .example { background-color: #f1f8e9; padding: 10px; margin: 15px 0; border-left: 4px solid #8bc34a; } .note { font-size: 0.9em; color: #555; } </style><header> <h1>Model Penugasan dan Analisis Matriks Payoff</h1></header><nav> <a href="#pengertian">Pengertian</a> <a href="#model-penugasan">Model Penugasan</a> <a href="#matriks-payoff">Matriks Payoff</a> <a href="#metode-analisis">Metode Analisis</a> <a href="#contoh">Contoh Implementasi</a></nav><main> <section id="pengertian"> <h2>Pengertian Umum</h2> <p> Model penugasan (assignment model) adalah salah satu tipe program linear yang bertujuan menentukan cara terbaik menugaskan sejumlah pekerja (atau sumber daya) ke sejumlah tugas sehingga total biaya atau total keuntungan menjadi optimal. Model ini sangat relevan dalam perencanaan produksi, penjadwalan, alokasi tenaga kerja, dan logistik. </p> <p> Sedangkan matriks payoff (atau matriks hasil) merupakan representasi tabel yang menunjukkan nilai hasil (payoff) yang akan diperoleh apabila suatu kombinasi pekerjatugas dipilih. Nilai payoff dapat berupa biaya, waktu, profit, atau nilai utilitas lain yang relevan. </p> </section> <section id="model-penugasan"> <h2>Model Penugasan</h2> <p> Model penugasan klasik dapat dituliskan dalam bentuk program linear berikut: </p> <pre> Min c_ij x_ij s.t. x_ij = 1 untuk semua i x_ij = 1 untuk semua j x_ij {0,1} </pre> <p> Dimana: <ul> <li><strong>c_ij</strong> = biaya (atau payoff negatif) menugaskan pekerja i ke tugas j.</li> <li><strong>x_ij</strong> = variabel keputusan biner; 1 bila penugasan dipilih, 0 bila tidak.</li> <li>Setiap pekerja hanya boleh ditugaskan ke satu tugas, dan setiap tugas hanya boleh menerima satu pekerja.</li> </ul> </p> <p> Penyelesaian model ini biasanya menggunakan algoritma Hungarian (Algoritma KuhnMunkres) yang memiliki kompleksitas O(n) dan sangat efisien untuk ukuran sedang. </p> </section> <section id="matriks-payoff"> <h2>Matriks Payoff</h2> <p> Matriks payoff menampilkan nilai <em>c_ij</em> pada posisi baris i, kolom j. Contoh sederhana untuk tiga pekerja dan tiga tugas: </p> <table> <thead> <tr><th></th><th>Tugas 1</th><th>Tugas 2</th><th>Tugas 3</th></tr> </thead> <tbody> <tr><th>Pekerja A</th><td>8</td><td>6</td><td>7</td></tr> <tr><th>Pekerja B</th><td>5</td><td>9</td><td>4</td></tr> <tr><th>Pekerja C</th><td>6</td><td>7</td><td>8</td></tr> </tbody> </table> <p> Angkaangka tersebut dapat mewakili biaya (semakin kecil lebih baik) atau profit (semakin besar lebih baik). Jika menggunakan profit, fungsi tujuan menjadi <em>Max p_ij x_ij</em> dan algoritma yang sama tetap berlaku dengan mengubah sign atau menggunakan transformasi <code>p' = max(p)+1p</code>. </p> </section> <section id="metode-analisis"> <h2>Metode Analisis Matriks Payoff</h2> <p> Ada beberapa teknik yang dapat dipadukan dengan model penugasan untuk analisis lebih mendalam: </p> <ol> <li><strong>Analisis Sensitivitas</strong> memeriksa seberapa besar perubahan pada elemen matriks payoff (c_ij) sebelum solusi optimal berubah. Pada algoritma Hungarian, nilai potensi (potential) pada baris dan kolom membantu menghitung batas toleransi.</li> <li><strong>Penggunaan Nilai Kriteria</strong> bila terdapat faktor kualitatif (misalnya keahlian, preferensi), dapat dikonversi menjadi skor numerik dan digabungkan ke dalam payoff.</li> <li><strong>Model MultiObjective</strong> ketika terdapat lebih dari satu tujuan (biaya + waktu), dapat menggunakan metode weighted sum atau Pareto frontier setelah matriks payoff masingmasing disiapkan.</li> <li><strong>Stokastik / Uncertain Payoff</strong> bila nilai payoff tidak pasti, teknik simulasi MonteCarlo atau pendekatan robust optimization dapat diterapkan pada model penugasan.</li> </ol> </section> <section id="contoh"> <h2>Contoh Implementasi</h2> <div class="example"> <h3>Kasus: Penugasan Operator ke Mesin</h3> <p> Sebuah pabrik memiliki 4 operator (O1O4) dan 4 mesin (M1M4). Nilai produktivitas (unit per jam) masingmasing operator pada tiap mesin tercatat dalam tabel berikut: </p> <table> <thead> <tr><th></th><th>M1</th><th>M2</th><th>M3</th><th>M4</th></tr> </thead> <tbody> <tr><th>O1</th><td>12</td><td>9</td><td>11</td><td>7</td></tr> <tr><th>O2</th><td>8</td><td>15</td><td>10</td><td>9</td></tr> <tr><th>O3</th><td>14</td><td>13</td><td>12</td><td>10</td></tr> <tr><th>O4</th><td>9</td><td>11</td><td>13</td><td>14</td></tr> </tbody> </table> <p> Kita ingin memaksimalkan total produksi. Langkahlangkahnya: <ol> <li>Ubah tabel menjadi matriks payoff <em>p_ij</em> (nilai produktivitas).</li> <li>Jika algoritma mengoptimalkan biaya, ubah menjadi biaya dengan <code>c_ij = max(p)+1p_ij</code>. Di sini max(p)=15, sehingga <code>c = 16p</code>.</li> <li>Jalankan algoritma Hungarian (banyak bahasa pemrograman memiliki pustaka siap pakai).</li> <li>Hasil penugasan optimal: <ul> <li>O1 M3 (11)</li> <li>O2 M2 (15)</li> <li>O3 M1 (14)</li> <li>O4 M4 (14)</li> </ul> Total produksi = 11+15+14+14 = 54 unit/jam. </li> </ol> Analisis sensitivitas menunjukkan bahwa nilai pada O2M2 dapat turun hingga 13 sebelum penugasan berubah, karena selisih potensi bariskolom masih mencukupi. </p> </div> <p class="note"> <strong>Catatan:</strong> Model penugasan dapat diperluas menjadi masalah transportasi, alokasi sumber daya proyek, atau penempatan fasilitas. Kuncinya adalah menyiapkan matriks payoff yang akurat dan memastikan bahwa setiap baris dan kolom mewakili satusatu hubungan yang diperlukan. </p> </section></main>

Lebih banyak