Proses yang ramah lingkungan, atau proses yang ramah lingkungan (juga disebut sebagai ramah lingkungan, ramah alam, dan hijau), adalah istilah keberlanjutan dan pemasaran yang merujuk pada barang dan jasa, hukum, pedoman, dan kebijakan yang mengklaim mengurangi, minimal, atau tidak ada kerusakan pada ekosistem atau lingkungan.

Perusahaan menggunakan istilah ambigu ini untuk mempromosikan barang dan jasa, kadang-kadang dengan sertifikasi tambahan yang lebih spesifik, seperti ecolabel. Penggunaan berlebihan mereka dapat disebut sebagai greenwashing. Untuk memastikan pencapaian yang sukses terhadap Tujuan Pembangunan Berkelanjutan (SDGs), perusahaan disarankan untuk menggunakan proses yang ramah lingkungan dalam produksi mereka. Secara khusus, Tujuan Pembangunan Berkelanjutan 12 mengukur 11 target dan 13 indikator "untuk memastikan pola konsumsi dan produksi yang berkelanjutan".

Organisasi Internasional untuk Standardisasi telah mengembangkan ISO dan ISO untuk menetapkan prinsip dan prosedur untuk label lingkungan dan deklarasi yang harus diikuti oleh pemberi sertifikasi dan pengguna ecolabel. Secara khusus, standar ini berkaitan dengan penghindaran konflik kepentingan keuangan, penggunaan metode ilmiah yang baik, dan prosedur pengujian yang diterima, serta keterbukaan dan transparansi dalam penetapan standar.

Eropa

Produk yang berada di negara anggota Uni Eropa dapat menggunakan EU Ecolabel dengan persetujuan Uni Eropa. GOLD adalah label UE lainnya yang menunjukkan apakah suatu organisasi ramah lingkungan dibandingkan dengan produknya. Jerman juga menggunakan Blue Angel, berdasarkan standar Jerman.

Di Eropa, perusahaan menggunakan banyak metode ramah lingkungan, label ramah lingkungan, dan semua pedoman siklus untuk mengurangi dampaknya terhadap lingkungan. dan ekosistem tempat produk mereka dibuat. Misalnya, di Eropa, banyak perusahaan menggunakan label EMAS untuk menunjukkan bahwa produk mereka ramah lingkungan.

Perusahaan

Bagi banyak perusahaan di Eropa, menempatkan label ramah lingkungan pada produk mereka adalah prioritas. Saya menerima begitu saja. Produk ini memiliki label lingkungan. Khususnya di Eropa, penelitian telah dilakukan yang menunjukkan hubungan antara pelabelan lingkungan dan penjualan ikan. “Hasil kami menunjukkan hubungan yang signifikan antara permintaan terhadap pelabelan ramah lingkungan dan karakteristik makanan laut, khususnya kesegaran ikan, asal geografis ikan, serta fauna dan budidaya ikan.” Hal ini menunjukkan bahwa bukan hanya itu saja. Ini baik bagi lingkungan, tetapi juga meningkatkan penjualan. Namun, tidak semua negara Eropa sepakat apakah produk tertentu, khususnya ikan, harus diberi label ramah lingkungan. Menurut artikel yang sama, "Anehnya, sulit untuk menafsirkan pengaruh negara terhadap kemungkinan memperoleh sertifikasi perikanan. Analisis dan statistik tersebut menunjukkan bahwa Prancis dan Belgia sebagian besar setuju dengan label ramah lingkungan.

Amerika Utara.

Kami Di Amerika Serikat, klaim pemasaran lingkungan hidup harus dilakukan dengan hati-hati. Sebutan sederhana tentang ramah lingkungan dapat membingungkan jika tidak ada definisi yang spesifik. Beberapa badan pengatur memberikan panduan. Amerika Serikat mengatakan Badan Perlindungan Lingkungan salah memberi label pada beberapa label organik saat menentukan apakah suatu produk termasuk "hijau".

Di Kanada, salah satu label tersebut adalah Program Pilihan Lingkungan. Dibuat pada tahun 1988, hanya produk yang disetujui oleh program ini yang boleh diberi label.

Secara keseluruhan, Meksiko adalah salah satu negara pertama di dunia yang mengesahkan undang-undang khusus mengenai perubahan iklim. Undang-undang ini menetapkan target wajib untuk mengurangi emisi gas rumah kaca di negara ini sebesar 30% pada tahun 2020. Negara ini juga memiliki Strategi Iklim Nasional, yang bertujuan untuk memandu pengambilan kebijakan di tahun-tahun mendatang.

Asia

"Pertumbuhan ekonomi di Asia telah meningkat pesat selama 30 tahun terakhir, peningkatan permintaan energi," emisi gas telah meningkatkan bangunan hijau dan polusi udara. Peralihan bahan bakar dan penggunaan energi terbarukan penting untuk mengatasi masalah ini.” Namun, seiring dengan kemajuan negara, peningkatan konsumsi energi menyebabkan lebih banyak polusi. Polusi udara telah menjadi kekhawatiran utama di Asia dalam beberapa tahun terakhir. Kota-kota besar di Tiongkok, seperti Beijing, memiliki indikator kualitas udara terburuk. Seoul, ibu kota Korea Selatan, juga menderita polusi udara. Sementara itu, kota-kota di India seperti Mumbai dan Delhi berada di depan kota-kota di Tiongkok dalam daftar kualitas udara terburuk. Kota paling berpolusi di dunia pada tahun 2019 adalah India.” Udara bersih dan air bersih sama dengan hijau dalam budaya Barat. Mobil hybrid buatan Jepang dan Korea menggunakan warna tersebut.

Disadur dari Artikel : en.wikipedia.org

Bab ini akan memberikan gambaran umum mengenai Riset Operasi (RO) dari sudut pandang seorang insinyur industri. Fokus dari bab ini adalah pada filosofi dasar di balik O.R. dan apa yang disebut “pendekatan O.R.” untuk memecahkan masalah desain dan operasional yang biasa dihadapi oleh para insinyur industri. Dalam bentuknya yang paling dasar, O.R. dapat dipandang sebagai pendekatan ilmiah untuk memecahkan masalah; pendekatan ini mengabstraksikan elemen-elemen penting dari masalah ke dalam sebuah model, yang kemudian dianalisis untuk menghasilkan solusi yang optimal untuk diimplementasikan. Rincian matematika dan teknik khusus yang digunakan untuk membangun dan menganalisis model-model ini dapat menjadi sangat rumit dan dibahas di bagian lain dalam buku ini; penekanan bab ini adalah pada pendekatannya. Tinjauan singkat mengenai asal-usul sejarah O.R. diikuti dengan penjelasan rinci mengenai metodologinya. Bab ini diakhiri dengan beberapa contoh aplikasi O.R. yang sukses di dunia nyata.

1.1 Pendahuluan

Meskipun merupakan disiplin ilmu yang berbeda, Riset Operasi (Operations Research atau OR) juga telah menjadi bagian integral dari profesi Teknik Industri (Industrial Engineering atau IE). Hal ini tidak mengherankan jika kita mempertimbangkan bahwa keduanya memiliki banyak tujuan, teknik, dan area aplikasi yang sama. O.R. sebagai subjek formal berusia sekitar lima puluh tahun dan asal-usulnya dapat ditelusuri hingga paruh kedua Perang Dunia II. Sebagian besar teknik O.R. yang umum digunakan saat ini dikembangkan selama (kurang lebih) dua puluh tahun pertama setelah awal kemunculannya. Selama sekitar tiga puluh tahun berikutnya, laju pengembangan metodologi O.R. yang secara fundamental baru agak melambat. Namun, telah terjadi perluasan yang cepat dalam

1. Luasnya area masalah yang telah diterapkan O.R.,
2. Besarnya masalah yang dapat ditangani dengan menggunakan metodologi O.R..

Saat ini, riset operasi adalah bidang yang matang dan berkembang dengan baik dengan serangkaian teknik canggih yang digunakan secara rutin untuk memecahkan masalah dalam berbagai bidang aplikasi.

Bab ini akan memberikan gambaran umum tentang O.R. dari sudut pandang seorang Insinyur Industri. Tinjauan singkat tentang asal-usul sejarahnya akan diberikan terlebih dahulu. Ini diikuti dengan diskusi terperinci tentang filosofi dasar di balik O.R. dan apa yang disebut “pendekatan O.R.”. Bab ini diakhiri dengan beberapa contoh aplikasi yang berhasil untuk masalah-masalah umum yang mungkin dihadapi oleh seorang Insinyur Industri. Secara garis besar, proyek O.R. terdiri dari tiga langkah:

1. Membangun model.
2. Menyelesaikannya.
3. Mengimplementasikan hasilnya.

Penekanan bab ini adalah pada langkah pertama dan ketiga. Langkah kedua biasanya melibatkan metodologi atau teknik tertentu, yang bisa jadi cukup canggih dan membutuhkan pengembangan matematika yang signifikan. Beberapa metode penting diulas di bagian lain dalam buku ini. Pembaca yang berminat untuk mempelajari lebih lanjut tentang topik-topik ini dapat merujuk ke salah satu dari sekian banyak teks yang sangat bagus tentang O.R. yang tersedia saat ini dan yang terdaftar di bawah “Bacaan Lebih Lanjut” di akhir bab ini, misalnya, Hillier dan Lieberman (1995), Taha (1997) atau Winston (1994).

1.2 PerspektifSejarah

Meskipun tidak ada tanggal yang jelas yang menandai kelahiran O.R., secara umum diterima bahwa bidang ini berasal dari Inggris selama Perang Dunia II. Dorongan untuk asal-usulnya adalah pengembangan sistem pertahanan radar untuk Angkatan Udara Kerajaan, dan penggunaan pertama kali dari istilah Riset Operasi dikaitkan dengan pejabat Kementerian Udara Inggris bernama A.P. Rowe yang membentuk tim untuk melakukan “penelitian operasional” pada sistem komunikasi dan ruang kontrol di stasiun radar Inggris. Penelitian ini berkaitan dengan peningkatan efisiensi operasional sistem (sebuah tujuan yang masih menjadi salah satu pilar O.R. modern).

Pendekatan baru dalam memilih sistem “operasional” dan melakukan “penelitian” tentang cara membuatnya berjalan lebih efisien segera mulai berkembang ke arena perang lainnya. Mungkin kelompok yang paling terkenal yang terlibat dalam upaya ini adalah kelompok yang dipimpin oleh fisikawan bernama P. M. S. Blackett yang mencakup ahli fisiologi, matematikawan, astrofisikawan, dan bahkan surveyor. Fokus tim multifungsi dari kelompok proyek riset operasi ini adalah salah satu yang terus berlanjut hingga hari ini. Kontribusi terbesar Blackett adalah meyakinkan pihak berwenang tentang perlunya pendekatan ilmiah untuk mengelola operasi yang kompleks, dan memang dia dianggap oleh banyak kalangan sebagai analis riset operasi yang asli.

O.R. masuk ke Amerika Serikat beberapa tahun setelah berasal dari Inggris. Kehadiran pertamanya di AS adalah melalui Kelompok Riset Operasi Perang Ranjau Angkatan Laut AS; yang kemudian berkembang menjadi Kelompok Riset Operasi Perang Antikapal Selam yang dipimpin oleh Phillip Morse, yang kemudian dikenal dengan sebutan Kelompok Riset Operasi. Seperti Blackett di Inggris, Morse secara luas dianggap sebagai “bapak” O.R. di Amerika Serikat, dan banyak ilmuwan dan matematikawan terkemuka yang dia pimpin setelah perang berakhir menjadi pelopor O.R. di Amerika Serikat.

Pada tahun-tahun setelah berakhirnya Perang Dunia II, O.R. berkembang pesat karena banyak ilmuwan menyadari bahwa prinsip-prinsip yang mereka terapkan untuk memecahkan masalah militer juga dapat diterapkan pada banyak masalah di sektor sipil. Mulai dari masalah jangka pendek seperti penjadwalan dan kontrol inventaris hingga masalah jangka panjang seperti perencanaan strategis dan alokasi sumber daya. George Dantzig, yang pada tahun 1947 mengembangkan algoritma simpleks untuk Pemrograman Linier (LP), memberikan dorongan terpenting untuk pertumbuhan ini. Hingga saat ini, LP tetap menjadi salah satu teknik yang paling banyak digunakan dari semua teknik O.R. dan meskipun ada perkembangan yang relatif baru dari metode titik interior sebagai pendekatan alternatif, algoritma simpleks (dengan berbagai penyempurnaan komputasi) terus digunakan secara luas. Dorongan utama kedua untuk pertumbuhan O.R. adalah perkembangan pesat komputer digital selama tiga dekade berikutnya. Metode simpleks diimplementasikan pada komputer untuk pertama kalinya pada tahun 1950, dan pada tahun 1960, implementasi tersebut dapat menyelesaikan masalah dengan sekitar 1000 batasan. Saat ini, implementasi pada workstation yang kuat dapat secara rutin menyelesaikan masalah dengan ratusan ribu variabel dan batasan. Selain itu, volume data yang besar yang diperlukan untuk masalah seperti itu dapat disimpan dan dimanipulasi dengan sangat efisien.

Setelah metode simpleks ditemukan dan digunakan, pengembangan metode lain mengikuti dengan cepat. Dua puluh tahun berikutnya menjadi saksi perkembangan sebagian besar teknik O.R. yang digunakan saat ini termasuk pemrograman nonlinier, bilangan bulat dan dinamis, simulasi komputer, PERT atau CPM, teori antrian, model inventaris, teori permainan, serta algoritma pengurutan dan penjadwalan. Para ilmuwan yang mengembangkan metode-metode ini berasal dari berbagai bidang, terutama matematika, teknik, dan ekonomi. Menariknya, dasar-dasar teori untuk banyak teknik ini telah dikenal selama bertahun-tahun, misalnya, rumus EOQ yang digunakan dengan banyak model inventaris dikembangkan pada tahun 1915 oleh Harris, dan banyak rumus antrian dikembangkan oleh Erlang pada tahun 1917. Namun, periode dari tahun 1950 hingga 1970 adalah saat rumus-rumus tersebut secara resmi disatukan ke dalam apa yang dianggap sebagai perangkat standar untuk analis riset operasi dan berhasil diterapkan pada masalah-masalah yang penting bagi industri. Bagian berikut ini menjelaskan pendekatan yang diambil oleh riset operasi untuk memecahkan masalah dan mengeksplorasi bagaimana semua metodologi ini cocok dengan kerangka kerja O.R.

1.3 Apa Itu Riset Oprasi?

Kesalahpahaman umum yang dipegang oleh banyak orang adalah bahwa O.R. adalah kumpulan alat matematika. Meskipun benar bahwa O.R. menggunakan berbagai teknik matematika, riset operasi memiliki cakupan yang lebih luas. Riset operasi sebenarnya adalah pendekatan sistematis untuk memecahkan masalah, yang menggunakan satu atau lebih alat analisis dalam proses analisis. Mungkin satu-satunya masalah terbesar dengan O.R. adalah namanya; bagi orang awam, istilah “riset operasi” tidak memunculkan gambaran yang berarti! Ini adalah konsekuensi yang tidak menguntungkan dari fakta bahwa nama yang dikreditkan oleh A.P. Rowe yang pertama kali diberikan kepada bidang ini entah bagaimana tidak pernah diubah menjadi sesuatu yang lebih menunjukkan hal-hal yang sebenarnya dilakukan oleh O.R..

Kadang-kadang O.R. disebut sebagai Ilmu Manajemen (Management Science, M.S.) untuk lebih mencerminkan perannya sebagai pendekatan ilmiah untuk memecahkan masalah manajemen, tetapi tampaknya terminologi ini lebih populer di kalangan profesional bisnis dan orang-orang masih berdalih tentang perbedaan antara O.R. dan M.S. Yang memperparah masalah ini adalah kenyataan bahwa tidak ada konsensus yang jelas tentang definisi formal untuk O.R. Misalnya, C.W. Churchman yang dianggap sebagai salah satu pelopor O.R. mendefinisikannya sebagai penerapan metode, teknik, dan alat ilmiah untuk masalah-masalah yang melibatkan operasi suatu sistem sehingga dapat memberikan mereka yang memegang kendali atas sistem tersebut dengan solusi yang optimal untuk masalah-masalah tersebut.

Ini memang definisi yang cukup komprehensif, tetapi ada banyak orang lain yang cenderung ke arah yang lebih ekstrem dan mendefinisikan riset operasi sebagai apa yang dilakukan oleh para peneliti operasi (definisi yang tampaknya paling sering dikaitkan dengan E. Naddor)! Terlepas dari kata-kata yang digunakan, mungkin aman untuk mengatakan bahwa julukan “riset operasi” akan terus digunakan dan oleh karena itu penting untuk memahami bahwa pada intinya, O.R. dapat dilihat sebagai pendekatan sistematis dan analitis untuk pengambilan keputusan dan pemecahan masalah. Kuncinya di sini adalah bahwa O.R. menggunakan metodologi yang obyektif dan diartikulasikan dengan jelas, dan dibangun berdasarkan filosofi bahwa pendekatan semacam itu lebih unggul daripada pendekatan yang hanya didasarkan pada subjektivitas dan pendapat “para ahli”, karena pendekatan ini akan menghasilkan keputusan yang lebih baik dan konsisten.

Namun, O.R. tidak menghalangi penggunaan penilaian manusia atau penalaran yang tidak dapat dikuantifikasi; sebaliknya, hal tersebut dipandang sebagai pelengkap dari pendekatan analitis. Oleh karena itu, kita harus melihat O.R. bukan sebagai proses pengambilan keputusan yang absolut, tetapi sebagai alat bantu untuk membuat keputusan yang baik. O.R. memainkan peran sebagai penasihat dengan memberikan manajer atau pengambil keputusan dengan serangkaian alternatif yang baik dan ilmiah. Namun, keputusan akhir selalu diserahkan kepada manusia yang memiliki pengetahuan yang tidak dapat diukur secara tepat, dan yang dapat menyesuaikan hasil analisis untuk mendapatkan keputusan yang masuk akal.

Disadur dari: sites.pitt.edu

Studi pembangunan merupakan salah satu cabang dari ilmu-ilmu sosial. Kursus pengembangan ditawarkan sebagai gelar master terpisah di universitas yang diakui secara internasional. Ini telah dipopulerkan sebagai disiplin akademis sejak awal tahun 90an dan dipelajari dan diteliti secara luas di negara-negara berkembang dengan sejarah kolonial, seperti Inggris, yang menjadi pusat penelitian ini. Siswa sering memilih pekerjaan di organisasi internasional seperti Perserikatan Bangsa-Bangsa, Bank Dunia, organisasi non-pemerintah (LSM), media dan jurnalis, konsultan pembangunan sektor swasta, serta lembaga dan pusat tanggung jawab sosial perusahaan (CSR). .

Sejarah

Studi pembangunan muncul sebagai disiplin akademis pada paruh kedua abad ke-20 karena meningkatnya kekhawatiran terhadap prospek ekonomi Dunia Ketiga pasca-desentralisasi. Pada periode pascaperang, ekonomi pembangunan, salah satu cabang ilmu ekonomi, muncul dari studi-studi sebelumnya tentang ekonomi kolonial. Pada tahun 1960an, semakin banyak ekonom pembangunan yang percaya bahwa ilmu ekonomi saja tidak dapat mengatasi permasalahan seperti stabilitas politik dan penyediaan pendidikan. Dampaknya adalah munculnya kajian-kajian pembangunan yang awalnya berupaya menggabungkan pertimbangan politik dan ekonomi. Sejak itu, program ini telah berkembang menjadi program ilmu kewarganegaraan dan ilmu sosial yang mencakup berbagai disiplin ilmu kewarganegaraan. Dalam beberapa tahun terakhir, penggunaan analisis ekonomi politik, yang menggunakan metode analisis ekonomi untuk menilai dan menjelaskan kondisi politik dan sosial yang mendorong atau menghambat pembangunan, menjadi semakin populer sebagai cara untuk menjelaskan keberhasilan dan kegagalan reformasi. . proses Era baru pembangunan disebut Harry S. Truman pada tahun 1949. Dalam Poin Empat pidatonya, dengan merujuk pada Amerika Latin dan negara-negara miskin lainnya, dia berkata:

Namun, studi pembangunan sejak itu juga telah tertarik pada pelajaran dari pengalaman pembangunan masa lalu negara-negara Barat. Lebih baru-baru ini, munculnya keamanan manusia - pendekatan baru yang berorientasi pada orang untuk memahami dan mengatasi ancaman keamanan global - telah menyebabkan pengakuan yang semakin meningkat akan hubungan antara keamanan dan pembangunan. Keamanan manusia berargumen bahwa ketidaksetaraan dan ketidakamanan di satu negara atau wilayah memiliki konsekuensi bagi keamanan global dan bahwa oleh karena itu dalam kepentingan semua negara untuk mengatasi masalah-masalah pembangunan yang mendasar. Hubungan ini dengan studi keamanan manusia hanyalah satu contoh dari sifat interdisipliner studi pembangunan.

Kerja sama Penelitian global antara peneliti dari negara-negara di Utara dan Selatan Global, yang disebut kemitraan penelitian Utara-Selatan, memungkinkan studi pembangunan untuk mempertimbangkan perspektif yang lebih beragam tentang studi pembangunan dan masalah-masalah yang sangat bernilai. Oleh karena itu, hal ini dapat memberikan hasil baru di bidang penelitian.

Disadur dari Artikel : en.wikipedia.org

PBB mendefinisikan pembangunan masyarakat sebagai "sebuah proses di mana anggota masyarakat berkumpul untuk mengambil tindakan kolektif dan menciptakan solusi untuk masalah-masalah umum." [1] Ini adalah konsep yang luas, diterapkan pada praktik para pemimpin masyarakat, aktivis, warga yang terlibat, dan para profesional untuk meningkatkan berbagai aspek masyarakat, dengan tujuan membangun komunitas lokal yang lebih kuat dan tangguh.

Pembangunan masyarakat juga dipahami sebagai disiplin profesional, dan didefinisikan oleh International Association for Community Development sebagai "profesi berbasis praktik dan disiplin akademik yang mempromosikan demokrasi partisipatif, pembangunan berkelanjutan, hak-hak, peluang ekonomi, kesetaraan, dan keadilan sosial, melalui organisasi, pendidikan, dan pemberdayaan masyarakat, baik itu berdasarkan lokalitas, identitas, atau minat, di lingkungan perkotaan dan pedesaan." [2]

Pembangunan masyarakat bertujuan untuk memberdayakan individu dan kelompok masyarakat dengan keterampilan yang mereka butuhkan untuk menciptakan perubahan dalam masyarakat mereka. Keterampilan ini sering kali diciptakan melalui pembentukan kelompok sosial yang bekerja untuk agenda bersama. Pengembang masyarakat harus memahami cara bekerja dengan individu serta cara memengaruhi posisi masyarakat dalam konteks institusi sosial yang lebih besar.

Pengembangan masyarakat sebagai istilah telah digunakan secara luas di negara-negara berbahasa Inggris, seperti Amerika Serikat, Inggris, Australia, Kanada, Selandia Baru, serta negara-negara lain dalam Persemakmuran Bangsa-Bangsa. Istilah ini juga digunakan di beberapa negara di Eropa Timur dengan adanya asosiasi pengembangan masyarakat aktif di Hungaria dan Rumania. Community Development Journal, yang diterbitkan oleh Oxford University Press sejak tahun 1966, bertujuan menjadi forum utama untuk penelitian dan penyebaran teori dan praktik pengembangan masyarakat internasional. [3]

Pendekatan pembangunan masyarakat diakui secara internasional. Metode dan pendekatan ini telah diakui sebagai hal yang penting untuk pembangunan sosial, ekonomi, budaya, lingkungan, dan politik lokal oleh organisasi-organisasi seperti PBB, WHO, OECD, Bank Dunia, Dewan Eropa, dan Uni Eropa. Ada sejumlah lembaga pendidikan tinggi yang menawarkan pembangunan masyarakat sebagai bidang studi dan penelitian, seperti University of Toronto, Leiden University, SOAS University of London, dan Balsillie School of International Affairs, di antara lainnya.

Disadur dari Artikel : en.wikipedia.org

Model fisik: Model ini merupakan versi aktual yang diperkecil dari model aslinya. Contohnya termasuk bola dunia, model mobil berskala, atau model garis aliran yang dibuat dengan elemen-elemen dari perangkat konstruksi mainan. Secara umum, model-model seperti ini tidak terlalu umum dalam riset operasi, terutama karena mendapatkan representasi yang akurat dari sistem yang kompleks melalui model fisik sering kali tidak mungkin.

Model analog: Ini adalah model yang merupakan langkah mundur dari kategori pertama karena mereka juga merupakan model fisik, tetapi menggunakan analog fisik untuk menggambarkan sistem, bukan versi yang diperkecil. Mungkin contoh paling terkenal dari model analog adalah model ANTIAC (singkatan dari anti-automatic-computation) yang menunjukkan bahwa seseorang dapat melakukan analisis riset operasi yang valid tanpa menggunakan komputer. Dalam masalah ini, tujuannya adalah untuk menemukan cara terbaik untuk mendistribusikan pasokan di depot militer ke berbagai titik permintaan. Masalah seperti ini dapat diselesaikan secara efisien dengan menggunakan teknik-teknik dari analisis aliran jaringan.

Namun prosedur aktual yang digunakan menggunakan pendekatan yang berbeda. Sarang semut di atas platform yang ditinggikan dipilih sebagai analogi untuk depot dan gundukan kecil gula di platform masing-masing dipilih untuk mewakili setiap titik permintaan. Jaringan jalan yang menghubungkan berbagai titik tersebut dibangun dengan menggunakan potongan-potongan tali dengan panjang masing-masing proporsional dengan jarak yang sebenarnya dan lebarnya sesuai dengan kapasitas di sepanjang jalur tersebut. Sepasukan semut kemudian dilepaskan di sarang semut dan jalur yang mereka pilih untuk mencapai gundukan gula kemudian diamati. Setelah model mencapai kondisi tunak, ditemukan bahwa semut-semut tersebut berdasarkan kecenderungan mereka sendiri telah menemukan jalur yang paling efisien ke tujuan mereka! Kita bahkan dapat melakukan beberapa analisis postoptimality.

Sebagai contoh, berbagai kapasitas transportasi di sepanjang setiap jalur dapat dianalisis dengan memvariasikan lebar jalur secara proporsional, dan skenario di mana jalur tertentu tidak dapat digunakan dapat dianalisis hanya dengan menghapus jalur yang sesuai untuk melihat apa yang semut akan lakukan. Hal ini mengilustrasikan sebuah model analog. Lebih penting lagi, hal ini juga menggambarkan bahwa meskipun O.R. biasanya diidentikkan dengan analisis matematis, penggunaan model inovatif dan prosedur pemecahan masalah seperti yang baru saja dijelaskan merupakan cara yang sah untuk melakukan studi O.R..

Model simulasi komputer: Dengan pertumbuhan daya komputasi, model-model ini telah menjadi sangat populer selama sepuluh hingga lima belas tahun terakhir. Model simulasi adalah model di mana sistem diabstraksikan ke dalam program komputer. Meskipun bahasa komputer tertentu yang digunakan bukanlah karakteristik yang menentukan, sejumlah bahasa dan sistem perangkat lunak telah dikembangkan semata-mata untuk tujuan membangun model simulasi komputer; sebuah survei tentang sistem yang paling populer dapat ditemukan di OR atau MS Today (Oktober 1997, hal. 38-46). Biasanya, perangkat lunak semacam itu memiliki sintaks serta konstruksi bawaan yang memungkinkan pengembangan model yang mudah.

Sering kali mereka juga memiliki ketentuan untuk grafik dan animasi yang dapat membantu seseorang memvisualisasikan sistem yang sedang disimulasikan. Model simulasi dianalisis dengan menjalankan perangkat lunak selama beberapa waktu yang mewakili periode yang sesuai ketika sistem asli beroperasi dalam kondisi tunak. Input untuk model tersebut adalah variabel keputusan yang berada di bawah kendali pengambil keputusan. Variabel-variabel tersebut diperlakukan sebagai parameter dan simulasi dijalankan untuk berbagai kombinasi nilai untuk parameter-parameter tersebut. Pada akhir simulasi, statistik dikumpulkan untuk berbagai ukuran kinerja dan kemudian dianalisis dengan menggunakan teknik standar. Pengambil keputusan kemudian memilih kombinasi nilai untuk variabel keputusan yang menghasilkan kinerja yang paling diinginkan.

Model simulasi sangat kuat dan memiliki satu fitur yang sangat diinginkan: model ini dapat digunakan untuk memodelkan sistem yang sangat kompleks tanpa perlu membuat terlalu banyak asumsi penyederhanaan dan tanpa perlu mengorbankan detail. Di sisi lain, kita harus sangat berhati-hati dengan model simulasi karena simulasi juga mudah disalahgunakan.

• Pertama, sebelum menggunakan model, model tersebut harus divalidasi dengan benar. Meskipun validasi diperlukan untuk model apa pun, validasi sangat penting dalam simulasi.
• Kedua, analis harus terbiasa dengan cara menggunakan model simulasi dengan benar, termasuk hal-hal seperti replikasi, run length, pemanasan, dan sebagainya; penjelasan rinci mengenai konsep-konsep ini berada di luar cakupan bab ini, namun pembaca yang tertarik dapat merujuk pada teks yang baik mengenai simulasi.
• Ketiga, analis harus terbiasa dengan berbagai teknik statistik agar dapat menganalisis hasil simulasi dengan cara yang bermakna.
• Keempat, membangun model simulasi yang kompleks pada komputer sering kali merupakan tugas yang menantang dan relatif memakan waktu, meskipun perangkat lunak simulasi telah berkembang hingga menjadi lebih mudah dari hari ke hari. Alasan mengapa masalah ini ditekankan di sini adalah karena model simulasi modern dapat terlihat sangat mencolok dan menarik, tetapi nilai sebenarnya terletak pada kemampuannya untuk menghasilkan wawasan ke dalam masalah yang sangat kompleks. Namun demikian, untuk mendapatkan wawasan semacam itu, diperlukan keterampilan teknis yang cukup tinggi.

Hal terakhir yang perlu diingat dengan simulasi adalah bahwa simulasi tidak memberikan indikasi strategi yang optimal. Dalam beberapa hal, ini adalah proses coba-coba karena seseorang bereksperimen dengan berbagai strategi yang tampaknya masuk akal dan melihat hasil obyektif yang diberikan oleh model simulasi untuk mengevaluasi manfaat dari setiap strategi. Jika jumlah variabel keputusan sangat banyak, maka seseorang harus membatasi diri pada beberapa bagian dari variabel-variabel tersebut untuk dianalisis, dan ada kemungkinan bahwa strategi akhir yang dipilih bukanlah strategi yang optimal. Namun, dari sudut pandang praktisi, tujuannya sering kali adalah untuk menemukan strategi yang baik dan bukan yang terbaik, dan model simulasi sangat berguna dalam memberikan solusi yang baik bagi pengambil keputusan.

Model matematika: Ini adalah kategori model terakhir, dan yang secara tradisional paling sering diidentikkan dengan O.R. Dalam jenis model ini, seseorang menangkap karakteristik suatu sistem atau proses melalui serangkaian hubungan matematis. Model matematis dapat bersifat deterministik atau probabilistik. Pada jenis yang pertama, semua parameter yang digunakan untuk menggambarkan model diasumsikan diketahui (atau diestimasi dengan tingkat kepastian yang tinggi). Pada model probabilistik, nilai pasti untuk beberapa parameter mungkin tidak diketahui, namun diasumsikan bahwa parameter tersebut dapat dikarakterisasi dengan cara yang sistematis (misalnya, melalui penggunaan distribusi probabilitas).

Sebagai ilustrasi, Metode Jalur Kritis (CPM) dan Teknik Evaluasi dan Peninjauan Program (PERT) adalah dua teknik O.R. yang sangat mirip yang digunakan dalam bidang perencanaan proyek. Namun, CPM didasarkan pada model matematika deterministik yang mengasumsikan bahwa durasi setiap aktivitas proyek adalah konstanta yang diketahui, sedangkan PERT didasarkan pada model probabilistik yang mengasumsikan bahwa setiap durasi aktivitas bersifat acak tetapi mengikuti beberapa distribusi probabilitas tertentu (biasanya, distribusi Beta). Secara garis besar, model deterministik cenderung lebih mudah dianalisis daripada model probabilistik; namun, hal ini tidak berlaku secara universal.

Sebagian besar model matematika cenderung dicirikan oleh tiga elemen utama: variabel keputusan, batasan, dan fungsi objektif. Variabel keputusan digunakan untuk memodelkan tindakan spesifik yang berada di bawah kendali pengambil keputusan. Analisis model akan mencari nilai spesifik untuk variabel-variabel ini yang diinginkan dari satu atau beberapa perspektif. Sering kali - terutama pada model yang besar - juga umum untuk mendefinisikan variabel “kenyamanan” tambahan untuk tujuan menyederhanakan model atau membuatnya lebih jelas. Sebenarnya, variabel-variabel tersebut tidak berada di bawah kendali pengambil keputusan, tetapi juga disebut sebagai variabel keputusan. Kendala digunakan untuk menetapkan batasan pada rentang nilai yang dapat diambil oleh setiap variabel keputusan, dan setiap kendala biasanya merupakan terjemahan dari beberapa batasan tertentu (misalnya, ketersediaan sumber daya) atau persyaratan (misalnya, kebutuhan untuk memenuhi permintaan yang telah dikontrak).

Jelasnya, batasan menentukan nilai yang dapat diberikan pada variabel keputusan, yaitu keputusan spesifik pada sistem atau proses yang dapat diambil. Komponen ketiga dan terakhir dari model matematika adalah fungsi tujuan. Ini adalah pernyataan matematis dari beberapa ukuran kinerja (seperti biaya, keuntungan, waktu, pendapatan, pemanfaatan, dll.) dan dinyatakan sebagai fungsi dari variabel keputusan untuk model. Biasanya diinginkan untuk memaksimalkan atau meminimalkan nilai fungsi tujuan, tergantung pada apa yang diwakilinya. Sering kali, seseorang mungkin secara bersamaan memiliki lebih dari satu fungsi objektif untuk dioptimalkan (misalnya, memaksimalkan keuntungan dan meminimalkan perubahan tingkat tenaga kerja).

Dalam kasus seperti ini, ada dua pilihan. Pertama, kita dapat fokus pada satu tujuan dan menurunkan tujuan yang lain ke status sekunder dengan memindahkannya ke dalam himpunan batasan dan menentukan nilai minimum atau maksimum yang diinginkan. Ini cenderung menjadi pilihan yang lebih sederhana dan yang paling sering digunakan. Pilihan lainnya adalah dengan menggunakan teknik yang dirancang khusus untuk beberapa tujuan (seperti goal programming).

Dalam menggunakan model matematika, idenya adalah pertama-tama menangkap semua aspek penting dari sistem dengan menggunakan tiga elemen yang baru saja dijelaskan, dan kemudian mengoptimalkan fungsi tujuan dengan memilih (dari semua nilai untuk variabel keputusan yang tidak melanggar batasan yang ditentukan) nilai spesifik yang juga menghasilkan nilai yang paling diinginkan (maksimum atau minimum) untuk fungsi tujuan. Proses ini sering disebut pemrograman matematis. Meskipun banyak model matematis cenderung mengikuti bentuk ini, hal ini tentu saja tidak menjadi keharusan; sebagai contoh, sebuah model dapat dibuat untuk mendefinisikan hubungan antara beberapa variabel dan pengambil keputusan dapat menggunakan model ini untuk mempelajari bagaimana satu atau beberapa variabel terpengaruh oleh perubahan nilai variabel lainnya. Pohon keputusan, rantai Markov, dan banyak model antrian dapat dimasukkan ke dalam kategori ini.

Sebelum mengakhiri bagian formulasi model ini, kita kembali ke contoh hipotetis dan menerjemahkan pernyataan yang dibuat pada tahap pendefinisian masalah ke dalam model matematika dengan menggunakan informasi yang dikumpulkan pada tahap pengumpulan data. Untuk melakukan hal ini, kami mendefinisikan dua variabel keputusan G dan W untuk mewakili jumlah gizmos dan widget yang akan dibuat dan dijual bulan depan. Kemudian tujuannya adalah untuk memaksimalkan keuntungan total yang diberikan oleh 10G + 9W. Ada kendala yang terkait dengan masing-masing dari tiga sumber daya terbatas, yang harus memastikan bahwa

Produksi G gizmos dan W widget tidak menggunakan lebih banyak sumber daya yang sesuai daripada yang tersedia untuk digunakan. Jadi untuk sumber daya 1, hal ini akan diterjemahkan ke dalam pernyataan matematika berikut ini 0,7G + 1,0W ≤ 630, di mana sisi kiri pertidaksamaan menunjukkan penggunaan sumber daya dan sisi kanan menunjukkan ketersediaan sumber daya. Selain itu, kita juga harus memastikan bahwa setiap nilai G dan W yang dipertimbangkan adalah bilangan bulat non-negatif, karena nilai lainnya tidak ada artinya dalam definisi G dan W. Model matematis lengkapnya adalah:

• Maksimalkan {Laba = 10G + 9W}, dengan syarat
• 0,7G + 1,0W ≤ 630
• 1.0G + (2/3) W ≤ 708
• 0,1G + 0,25W ≤ 135
• G, W ≥ 0 dan bilangan bulat.

Program matematika ini mencoba memaksimalkan keuntungan sebagai fungsi dari jumlah produksi (G dan W), sambil memastikan bahwa jumlah tersebut sedemikian rupa sehingga produksi yang sesuai dapat dilakukan dengan sumber daya yang tersedia.

Solusi model: Fase kelima dari proses O.R. adalah solusi dari masalah yang diwakili oleh model. Ini adalah area di mana sejumlah besar penelitian dan pengembangan di bidang O.R. telah difokuskan, dan ada banyak sekali metode untuk menganalisis berbagai macam model. Tidak mungkin untuk membahas secara rinci berbagai teknik ini dalam satu bab pengantar seperti ini; namun, gambaran umum dari beberapa metode yang lebih penting dapat ditemukan di bagian lain dalam buku ini. Secara umum, beberapa pelatihan formal dalam riset operasi diperlukan untuk memahami bagaimana metode-metode ini bekerja dan pembaca yang tertarik disarankan untuk membaca dengan seksama teks pengantar tentang O.R.; bagian “Bacaan Lebih Lanjut” pada akhir bab ini mencantumkan beberapa buku yang bagus.

Perlu juga disebutkan bahwa dalam beberapa tahun terakhir ini sejumlah sistem perangkat lunak telah muncul yang (setidaknya secara teori) merupakan “kotak hitam” untuk memecahkan berbagai model. Namun, beberapa pendidikan formal dalam metode O.R. masih diperlukan (atau setidaknya sangat disarankan) sebelum menggunakan sistem tersebut. Dari sudut pandang praktisi, hal yang paling penting adalah untuk dapat mengenali mana dari sekian banyak teknik yang tersedia yang sesuai untuk model yang dibangun. Biasanya, hal ini bukanlah tugas yang sulit bagi seseorang yang memiliki pelatihan dasar dalam riset operasi. Teknik-teknik itu sendiri terbagi dalam beberapa kategori.

Pada tingkat yang paling rendah, seseorang mungkin dapat menggunakan teknik grafis sederhana atau bahkan mencoba-coba. Namun, terlepas dari kenyataan bahwa perkembangan spreadsheet telah membuat hal ini jauh lebih mudah dilakukan, ini biasanya merupakan pendekatan yang tidak dapat dilakukan untuk sebagian besar masalah yang tidak sepele. Sebagian besar teknik O.R. bersifat analitis, dan masuk ke dalam salah satu dari empat kategori besar. Pertama, ada teknik simulasi, yang jelas digunakan untuk menganalisis model simulasi. Sebagian besar dari teknik ini adalah program komputer yang menjalankan model dan metode yang digunakan untuk melakukannya dengan benar.

Namun, bagian yang lebih menarik dan menantang adalah teknik yang digunakan untuk menganalisis volume output yang besar dari program-program tersebut; biasanya, hal ini mencakup sejumlah teknik statistik. Pembaca yang tertarik dapat merujuk pada buku yang bagus tentang simulasi untuk melihat bagaimana kedua bagian ini saling melengkapi. Kategori kedua terdiri dari teknik-teknik analisis matematis yang digunakan untuk menangani model yang tidak memiliki fungsi tujuan atau batasan yang jelas, namun merupakan representasi matematis dari sistem yang dimaksud.

Contohnya termasuk teknik statistik umum seperti analisis regresi, inferensi statistik dan analisis varians, serta yang lainnya seperti antrian, rantai Markov dan analisis keputusan. Kategori ketiga terdiri dari teknik pencarian optimal, yang biasanya digunakan untuk menyelesaikan program matematika yang dijelaskan di bagian sebelumnya untuk menemukan nilai optimal (yaitu, terbaik) untuk variabel keputusan. Teknik-teknik spesifik termasuk pemrograman linier, nonlinier, dinamis, bilangan bulat, tujuan, dan stokastik, serta berbagai metode berbasis jaringan. Penjelasan rinci mengenai hal ini berada di luar cakupan bab ini, tetapi ada sejumlah teks yang sangat baik dalam pemrograman matematika yang menjelaskan banyak metode ini dan pembaca yang tertarik dapat merujuk ke salah satunya. Kategori terakhir dari teknik-teknik ini sering disebut sebagai heuristik.

Ciri khas dari teknik heuristik adalah bahwa teknik ini tidak menjamin bahwa solusi terbaik akan ditemukan, tetapi pada saat yang sama tidak serumit teknik pencarian optimal. Meskipun heuristik dapat berupa teknik yang sederhana, masuk akal, dan bersifat rule-of-thumb, teknik ini biasanya merupakan metode yang mengeksploitasi fitur-fitur masalah tertentu untuk mendapatkan hasil yang baik. Perkembangan yang relatif baru di bidang ini adalah apa yang disebut meta-heuristik (seperti algoritme genetika, pencarian tabu, pemrograman evolusioner, dan simulated annealing) yang merupakan metode tujuan umum yang dapat diterapkan pada sejumlah masalah yang berbeda. Metode-metode ini secara khusus semakin populer karena kesederhanaannya yang relatif dan fakta bahwa peningkatan daya komputasi telah meningkatkan efektivitasnya.

Dalam menerapkan teknik tertentu, hal yang penting untuk diingat dari sudut pandang praktisi adalah bahwa teknik tersebut sering kali cukup untuk mendapatkan solusi yang baik meskipun tidak dijamin sebagai solusi terbaik. Jika ketersediaan sumber daya maupun waktu tidak menjadi masalah, tentu saja seseorang akan mencari solusi yang optimal. Namun, hal ini jarang terjadi dalam praktiknya, dan ketepatan waktu merupakan hal yang penting dalam banyak kasus. Dalam konteks ini, sering kali lebih penting untuk mendapatkan solusi yang memuaskan dengan cepat daripada mengeluarkan banyak usaha untuk menentukan solusi yang optimal, terutama ketika keuntungan marjinal dari hal tersebut kecil. Ekonom Herbert Simon menggunakan istilah “memuaskan” untuk menggambarkan konsep ini - seseorang mencari yang optimal tetapi berhenti di tengah jalan ketika solusi yang cukup baik telah ditemukan.

Pada titik ini, beberapa kata tentang aspek komputasi sudah sesuai. Ketika diterapkan pada masalah dunia nyata yang tidak sepele, hampir semua teknik yang dibahas dalam bagian ini memerlukan penggunaan komputer. Memang, dorongan terbesar untuk peningkatan penggunaan metode O.R. adalah peningkatan yang cepat dalam daya komputasi. Meskipun masih ada masalah skala besar yang solusinya membutuhkan penggunaan komputer mainframe atau workstation yang kuat, banyak masalah besar saat ini yang dapat diselesaikan pada sistem komputer mikro desktop.

Ada banyak paket komputer (dan jumlahnya terus bertambah dari hari ke hari) yang telah menjadi populer karena kemudahan penggunaannya dan biasanya tersedia dalam berbagai versi atau ukuran dan antarmuka yang mulus dengan sistem perangkat lunak lain; tergantung pada kebutuhan spesifik mereka, pengguna akhir dapat memilih konfigurasi yang sesuai. Banyak vendor perangkat lunak juga menawarkan layanan pelatihan dan konsultasi untuk membantu pengguna mendapatkan hasil maksimal dari sistem. Beberapa teknik khusus yang tersedia untuk implementasi perangkat lunak komersial saat ini termasuk optimasi/pemrograman matematis (termasuk pemrograman linier, nonlinier, bilangan bulat, dinamis, dan tujuan), aliran jaringan, simulasi, analisis statistik, antrian, peramalan, jaringan syaraf tiruan, analisis keputusan, dan PERT / CPM. Saat ini juga tersedia sistem perangkat lunak komersial yang menggabungkan berbagai teknik O.R. untuk menangani area aplikasi spesifik termasuk transportasi dan logistik, perencanaan produksi, kontrol inventaris, penjadwalan, analisis lokasi, peramalan, dan manajemen rantai pasokan. Beberapa contoh sistem perangkat lunak O.R. yang populer antara lain CPLEX, LINDO, OSL, MPL, SAS, dan SIMAN.

Meskipun jelas tidak mungkin untuk menjelaskan di sini fitur-fitur dari semua perangkat lunak yang tersedia, majalah seperti OR/MS Today dan IE Solutions secara teratur menerbitkan survei terpisah dari berbagai kategori sistem dan paket perangkat lunak. Publikasi-publikasi ini juga menyediakan petunjuk untuk berbagai jenis perangkat lunak yang tersedia; sebagai contoh, OR/MS Today edisi Desember 1997 (halaman 61-75) menyediakan direktori sumber daya yang lengkap untuk perangkat lunak dan konsultan. Pembaruan untuk direktori tersebut disediakan secara berkala. Poin utama di sini adalah bahwa kemampuan untuk memecahkan model/masalah yang kompleks jauh lebih sedikit menjadi masalah saat ini dibandingkan satu atau dua dekade yang lalu, dan ada banyak sumber daya yang tersedia untuk mengatasi masalah ini.

Kami menyimpulkan bagian ini dengan memeriksa solusi dari model yang telah dibuat sebelumnya untuk masalah produksi hipotetis. Menggunakan pemrograman linier untuk menyelesaikan model ini menghasilkan solusi optimal G = 540 dan W = 252, yaitu rencana produksi yang memaksimalkan keuntungan untuk data yang diberikan membutuhkan produksi 540 gawai dan 252 widget. Pembaca dapat dengan mudah memverifikasi bahwa hal ini menghasilkan keuntungan sebesar $7668 dan sepenuhnya menggunakan dua sumber daya pertama dan menyisakan 18 unit sumber daya terakhir yang tidak terpakai.

Perhatikan bahwa solusi ini tentu saja tidak jelas dengan hanya melihat model matematisnya - pada kenyataannya, jika seseorang “serakah” dan mencoba membuat sebanyak mungkin gizmos (karena menghasilkan keuntungan yang lebih tinggi per unit daripada widget), ini akan menghasilkan G = 708 dan W = 0 (di mana pada titik ini semua sumber daya kedua habis terpakai). Namun, keuntungan yang dihasilkan sebesar $7080 adalah sekitar 8% lebih kecil dari yang diperoleh melalui rencana optimal. Alasannya tentu saja karena rencana ini tidak memanfaatkan sumber daya yang tersedia secara efektif dan tidak memperhitungkan interaksi antara keuntungan dan pemanfaatan sumber daya. Meskipun perbedaan yang sebenarnya kecil untuk contoh hipotetis ini, manfaat menggunakan teknik O.R. yang baik dapat menghasilkan perbaikan yang sangat signifikan untuk masalah dunia nyata yang besar.

Validasi dan analisis: Setelah solusi diperoleh, ada dua hal yang perlu dilakukan sebelum seseorang mempertimbangkan untuk mengembangkan kebijakan akhir atau tindakan untuk implementasi. Yang pertama adalah memverifikasi bahwa solusi itu sendiri masuk akal. Seringkali, hal ini tidak terjadi dan alasan yang paling umum adalah bahwa model yang digunakan tidak akurat atau tidak menangkap beberapa masalah utama. Proses untuk memastikan bahwa model tersebut merupakan representasi yang akurat dari sistem disebut validasi dan ini adalah sesuatu yang (jika memungkinkan) harus dilakukan sebelum solusi yang sebenarnya.

Namun, terkadang perlu untuk menyelesaikan model untuk menemukan ketidakakuratan di dalamnya. Kesalahan umum yang mungkin ditemukan pada tahap ini adalah bahwa beberapa kendala penting diabaikan dalam formulasi model - ini akan mengarah pada solusi yang secara jelas dikenali sebagai tidak dapat dilakukan dan analis kemudian harus kembali dan memodifikasi model dan menyelesaikannya kembali. Siklus ini terus berlanjut sampai kita yakin bahwa hasilnya masuk akal dan berasal dari representasi sistem yang valid.

Bagian kedua dari langkah ini dalam proses O.R. disebut sebagai analisis postoptimality, atau dalam istilah awam, analisis “bagaimana-jika”. Ingatlah bahwa model yang menjadi dasar dari solusi yang diperoleh adalah (a) abstraksi selektif dari sistem asli, dan (b) dibangun dengan menggunakan data yang dalam banyak kasus tidak 100% akurat. Karena validitas solusi yang diperoleh dibatasi oleh keakuratan model, pertanyaan alami yang menarik bagi seorang analis adalah:

“Seberapa kuatkah solusi yang diperoleh sehubungan dengan penyimpangan dalam asumsi yang melekat pada model dan nilai parameter yang digunakan untuk membangunnya?”

Untuk mengilustrasikan hal ini dengan masalah produksi hipotetis kita, contoh beberapa pertanyaan yang mungkin ingin ditanyakan oleh seorang analis adalah:

• (a) “Akankah rencana produksi optimal berubah jika keuntungan yang terkait dengan widget ditaksir terlalu tinggi sebesar 5%, dan jika ya, bagaimana caranya?” atau
• (b) “Jika sejumlah tambahan Sumber Daya 2 dapat dibeli dengan harga premium, apakah layak dibeli dan jika ya, berapa banyak?” atau
• (c) “Jika ketidakandalan mesin mengurangi ketersediaan Sumber Daya 3 sebesar 8%, apa pengaruhnya terhadap kebijakan optimal?” Pertanyaan-pertanyaan seperti itu sangat menarik bagi para manajer dan pengambil keputusan yang hidup di dunia yang penuh ketidakpastian, dan salah satu aspek terpenting dari proyek O.R. yang baik adalah kemampuan untuk menyediakan tidak hanya tindakan yang direkomendasikan, tetapi juga rincian tentang jangkauan penerapannya dan sensitivitasnya terhadap parameter model.

Sebelum mengakhiri bagian ini, perlu ditekankan bahwa mirip dengan proyek Teknik Industri tradisional, hasil akhir dari proyek O.R. bukanlah solusi pasti untuk suatu masalah. Sebaliknya, ini adalah jawaban obyektif untuk pertanyaan yang diajukan oleh masalah dan yang menempatkan pengambil keputusan di “lapangan bola” yang benar. Oleh karena itu, sangat penting untuk menyelaraskan solusi analitis yang diperoleh dengan akal sehat dan penalaran subjektif sebelum menyelesaikan rencana implementasi. Dari sudut pandang praktisi, rencana yang baik, masuk akal dan dapat diterapkan jauh lebih diinginkan daripada peningkatan bertahap dalam kualitas solusi yang diperoleh. Ini adalah penekanan dari fase kedua dari belakang dari proses O.R. ini.

Implementasi dan pemantauan: Langkah terakhir dalam proses O.R. adalah mengimplementasikan rekomendasi akhir dan membangun kontrol terhadapnya. Implementasi memerlukan pembentukan sebuah tim yang kepemimpinannya terdiri dari beberapa anggota tim O.R. yang asli. Tim ini biasanya bertanggung jawab untuk mengembangkan prosedur operasi atau manual dan jadwal waktu untuk menerapkan rencana tersebut. Setelah implementasi selesai, tanggung jawab untuk memantau sistem biasanya diserahkan kepada tim operasional. Dari perspektif O.R., tanggung jawab utama tim operasi adalah untuk mengakui bahwa hasil yang diimplementasikan hanya valid selama lingkungan operasi tidak berubah dan asumsi yang dibuat oleh penelitian tetap valid.

Jadi, ketika ada penyimpangan radikal dari dasar yang digunakan untuk mengembangkan rencana, seseorang harus mempertimbangkan kembali strateginya. Sebagai contoh sederhana dalam masalah produksi, jika pemogokan mendadak oleh tenaga kerja menyebabkan penurunan drastis dalam ketersediaan tenaga kerja (Sumber Daya 1, misalnya), maka kita harus mempertimbangkan kembali rencana tersebut secara menyeluruh untuk mendapatkan tindakan alternatif. Sebagai kata terakhir tentang implementasi, harus ditekankan bahwa tanggung jawab utama analis riset operasi adalah menyampaikan hasil proyek kepada manajemen dengan cara yang efektif.

Hal ini adalah sesuatu yang sayangnya tidak cukup ditekankan, dan ada banyak contoh studi yang sukses tidak diimplementasikan karena rincian dan manfaatnya tidak disampaikan secara efektif kepada manajemen. Meskipun hal ini tentu saja berlaku untuk setiap proyek secara umum, hal ini sangat penting dalam O.R. karena konten matematisnya dan potensinya untuk tidak sepenuhnya dipahami oleh manajer tanpa latar belakang kuantitatif yang kuat.

Disadur dari: sites.pitt.edu

TEMPO.CO, Jakarta - Menteri Pendidikan dan Kebudayaan, Nadiem Anwar Makarim menyebut, Kemendikbud akan merevisi draf Peta Jalan Pendidikan Nasional 2020-2035 dan memastikan frasa agama akan dimuat secara eksplisit dalam Visi Pendidikan Indonesia.

"Kemendikbud menyampaikan apresiasi setinggi-tingginya atas masukan dan atensi berbagai kalangan bahwa kata 'agama' perlu ditulis secara eksplisit untuk memperkuat tujuan Peta Jalan tersebut. Jadi, kami akan pastikan bahwa kata ini akan termuat pada revisi Peta Jalan Pendidikan selanjutnya," ujar Nadiem lewat akun Instagram @nadiemmakarim, Rabu, 10 Maret 2021.

Tidak tercantumnya frasa agama dalam visi pendidikan sebelumnya dikritik sejumlah Ormas Islam. “Membangun rakyat Indonesia untuk menjadi pembelajar seumur hidup yang unggul, terus berkembang, sejahtera, dan berakhlak mulia dengan menumbuhkan nilai-nilai budaya Indonesia dan Pancasila," demikian bunyi Visi Pendidikan Indonesia, dalam draf PJPN 2020-2035 yang beredar.

Nadiem menjelaskan, meski tidak ada kata 'agama' secara eksplisit dalam visi tersebut, agama dan Pancasila tetap ada dalam Peta Jalan Pendidikan 2020-2035. Menurut dia, hal tersebut tercantum dalam tujuan membangun profil Pelajar Pancasila sebagai SDM Unggul. Di antara profil tersebut adalah pelajar yang beriman, bertakwa kepada Tuhan Yang Maha Esa, dan berakhlak mulia.

"Agama bukan hanya hal yang sangat penting, namun hal esensial bagi pendidikan bangsa kita. Pada saat ini, Peta Jalan Pendidikan dirancang untuk menciptakan pelajar yang beriman, bertakwa kepada Tuhan YME dan berakhlak mulia," tuturnya.

Nadiem mengaku heran isu tersebut kemudian berkembang semakin liar menjadi Kemendikbud akan menghapus mata pelajaran agama. "Jelas isu ini tidak benar dan tidak akan pernah Kemendikbud menghapus mata pelajaran agama," tuturnya.

Kritik terhadap Peta Jalan Pendidikan 2020-2035 awalnya disampaikan Pengurus Pusat Muhammadiyah karena tidak ditemukannya kata 'agama' dalam draf rumusan paling mutakhir tanggal 11 Desember 2020, terutama hilangnya frasa 'agama' dari Visi Pendidikan Indonesia 2035.
Hanya tercantum budaya sebagai acuan nilai mendampingi Pancasila.

“Saya bertanya, hilangnya kata agama itu kealpaan atau memang sengaja? Oke kalau Pancasila itu dasar (negara), tapi kenapa budaya itu masuk?” kata Haedar dalam keterangannya yang dikutip dari laman resmi Muhammadiyah.or.id, Selasa, 9 Maret 2021.

Menurut Haedar, hilangnya frasa agama dalam visi pendidikan bertentangan dengan konstitusi. Pasal 31 ayat (3) UUD 1945 berbunyi: "Pemerintah mengusahakan dan menyelenggarakan satu sistem pendidikan nasional, yang meningkatkan keimanan dan ketakwaan serta akhlak mulia dalam rangka mencerdaskan kehidupan bangsa, yang diatur dengan Undang-Undang". Selanjutnya pada ayat (5) disebut, pemerintah memajukan ilmu pengetahuan dan teknologi dengan menjunjung tinggi nilai-nilai agama dan persatuan bangsa untuk kemajuan peradaban serta kesejahteraan umat manusia.

Sumber: tempo.co