Pengertian Riset Operasional
Pengertian Riset Operasional
Pengertian Riset Operasional
RISET OPERASIONAL
Definisi 1
Riset operasi adalah penerapan motode-metode ilmiah terhadap masalah-masalah rumit yang
muncul dalam pengarahan dan pengelolahan dari suatu sistem besar manusia, mesin, bahan
dan uang dalam industri, bisnis, pemerintah dan pertahanan. Pendekatan khusus ini bertujuan
membentuk suatu model ilmiah dari sistem, menggabungkan ukuran-ukuran faktor-faktor
seperti kesempatan dan risiko, untuk meramalkan dan membandingkan hasil-hasil dan
beberapa keputusan, strategi atau pengawasan. Tujuannya adalah membantu pengambil
keputusan menentukan kebijaksanaan dan tindakannya secara ilmiah (Operational Research
Society Of Great Britain).
Definisi 2
Riset operasi berkaitan dengan menentukan pilihan secara ilmiah bagaimana merancang dan
menjalankan sistem manusia dan mesin secara terbaik, biasanya membutuhkan alokasi
sumber daya yang langka. (Operations Research Society Of America).
Definisi 3
Operating Research, adalah seni memberikan jawaban buruk terhadap masalah-masalah yang
jika tidak, memiliki jawaban yang lebih buruk (T.L. Saaty)
Definisi 4
Operating Research adalah pendekatan dalam pengambilan keputusan yang ditandai dengan
penggunaan pengetahuan ilmiah melalui usaha kelompok antara disiplin yang bertujuan
menentukan penggunaan terbaik sumber daya terbatas.
Definisi 5
Operating Research dalam arti luas, dapat diartikan sebagai penerapan metode-metode,
teknik-teknik, dan alat-alat terhadap masalah-masalah yang menyangkut operasi-operasi dari
sistem-sistem, sedemikian rupa sehingga memberikan penyelesaian optimal.
Menurut Modul Lab MKB, Analisis Kuantitatif merupakan suatu pendekatan ilmiah terhadap
pengambilan keputusan managerial. Pendekatan tersebut dimulai dengan data yang kemudian
diolah atau diproses menjadi informasi yang berguna bagi decision maker.
Model dapat diklasifikasikan dalam banyak cara, misalnya menurut jenisnya, dimensi,
fungsinya, tujuannya, subyeknya, atau derajat abstraksinya. Kriteria yang paling biasa adalah
jenis model. Jenis dasar itu meliputi:
a. Iconic (Physical) model
Model Iconic adalah suatu penyajian fisik yang tampak seperti aslinya dari suatu sistem
nyata dengan skala yang berbeda. Contoh model ini adalah mainan anak-anak, potret,
histogram, market dan lain-lain. Model iconic dikatakan diperkecil (scale down) atau
diperbesar (scale up) sesuai dengan ukuran model apakah lebih kecil atau besar
dibanding sistem nyata. Model iconic mudah diamati, dibentuk dan dijelaskan, tetapi
sulit untuk memanipulasi dan tak berguna untuk tujuan peramalan. Biasanya model ini
menunjukkan peristiwa statistik.
b. Analogue Model
Model Analogue lebih abstrak dibanding model iconic, karena tak kelihatan sama antara
model dengan sistem nyata. Contohnya jaringan pipa tempat air mengalir dapat
digunakan dengan pengertian yang sama sebagai distribusi aliran listrik. Peta dengan
bermacam-macam warna merupakan model analog dimana perbedaan warna
menunjukkan pegunungan, hijau sebagai dataran rendah dan lain-lain. Kurva
permintaan, kurva frekuensi dalam statistika adalah contoh lain model analog dari
tingkah laku peristiwaperistiwa. Model analog lebih mudah untuk memanipulasi dan
dapat menunjukkan situasi dinamis. Model ini umumnya lebih berguna daripada model
iconic karena kapasitasnya yang besar untuk menunjukkan ciri-ciri sistem nyata yang
dipelajari.
Ada beberapa cara untuk membuat model menjadi lebih sederhana, misalnya:
1. Melinierkan hubungan yang tidak linier
2. Mengurangi banyaknya variabel atau kendala
3. Mengubah sifat variabel, misalnya dari diskrit menjadi kontinyu
4. Mengganti tujuan ganda menjadi tujuan tunggal
5. Mengeluarkan unsur dinamik (membuat model menjadi statistik)
6. Mengasumsikan variabel random menjadi suatu nilai tunggal (deterministik)
Pembentukan model adalah esensi dari pendekatan Operation Research karena solusi dari
pendekatan ini tergantung pada ketepatan model yang dibuat. Philips, Ravindran, dan Solberg
(1976) mengingatkan sepuluh prinsip dalam pembentukan model yaitu:
1. Jangan membuat model yang rumit jika yang sederhana akan cukup
2. Hati-hati dalam merumuskan masalah, agar disesuaikan dengan teknik penyelesaian
3. Hati-hati dalam memecahkan model, jangan membuat kesalahan matematik
4. Pastikan kecocokan model sebelum diputuskan untuk diterapkan
5. Model jangan sampai keliru dengan sistem nyata
6. Jangan membuat model yang tidak diharapkan
7. Hati-hati dengan model yang terlalu banyak
8. Pembentukan model itu sendiri hendaknya memberikan beberapa keuntungan
9. Sampah masuk, sampah keluar artinya nilai suatu model tidak lebih baik dari pada datanya
10. Model tidak dapat menggantikan pengambil keputusan
b. Pembentukan model
Model merupakan ekspresi kuantitatif dari tujuan dan kendala-kendala persoalan dalam
variabel keputusan. Jika model yang dihasilkan cocok dengan mudah diperoleh dengan
program linier. Jika hubungan matematik model begitu rumit untuk penerapan solusi
nalaitik, maka suatu model probabilita mungkin lebih cocok.