Gambaran besar dari riset operasi
Riset Operasi dapat menjadi bidang studi yang sangat membingungkan dengan hambatan yang tinggi untuk masuk. Saya mengaitkan masalah ini dengan nomenklatur yang membingungkan dan terminologi kuno yang digunakan.
Ketika saya mulai belajar Riset Operasi, saya menghabiskan banyak waktu untuk mencoba melihat gambaran besarnya. Saya ingat bahwa ini bukanlah tugas yang sepele (seharusnya).
Riset operasi, pemrograman matematika, dan optimasi diskrit
Riset Operasi adalah studi tentang bagaimana membuat keputusan secara efisien. Pemrograman Matematis adalah salah satu teknik yang paling kuat yang digunakan dalam Riset Operasi sampai-sampai terkadang kedua istilah tersebut digunakan secara bergantian. Pemrograman dalam Pemrograman Matematika tidak ada hubungannya dengan pemrograman komputer, ini berarti Optimasi dalam penggunaan bahasa Inggris. Optimasi diskrit (atau pemrograman jika Anda mau) menangani masalah-masalah di mana variabel hanya dapat mengasumsikan nilai diskrit (misalnya, nilai bilangan bulat).
Riset operasi dalam praktik
Setiap hari, praktisi Riset Operasi memecahkan masalah kehidupan nyata yang menghemat uang dan waktu. Masalah-masalah ini sangat beragam dan hampir selalu terlihat tidak berhubungan. Namun, intinya selalu sama, yaitu membuat keputusan untuk mencapai tujuan dengan cara yang paling efisien. Perjalanan dari mempelajari masalah bisnis klien hingga menemukan solusi dapat menjadi sebuah tantangan. Secara umum, perjalanan ini dapat dibagi menjadi empat lapisan berikut
Masalah bisnis
Ketika pertama kali mendengar istilah masalah bisnis, saya secara alami disesatkan untuk percaya bahwa itu adalah masalah yang dimiliki bisnis. Kemudian, pemahaman saya tentang istilah ini berkembang dan saya menyadari bahwa istilah ini memiliki arti yang sedikit berbeda. Nama yang lebih baik untuk tingkatan ini adalah aplikasi dunia nyata. Istilah bisnis dimaksudkan untuk menunjukkan bahwa masalah yang dihadapi bukanlah masalah matematika, melainkan tantangan kehidupan nyata yang lebih konkret dan tidak terlalu formal.
Masalah bisnis paling baik diekspresikan dalam Bahasa Alami (seperti Bahasa Inggris). Masalah-masalah tersebut berasal dari masalah-masalah di industri dan oleh karena itu dikomunikasikan kepada para praktisi OR dalam istilah-istilah awam. Oleh karena itu, merupakan tanggung jawab praktisi OR untuk memformalkan masalah-masalah ini dan membawanya ke tingkat abstraksi yang lebih rendah. Dalam praktiknya, ini adalah proses yang berulang.
Contoh masalah bisnis dapat ditemukan di berbagai industri. Sebagian besar masalah bisnis OR yang akan Anda dengar berasal dari industri logistik. Berikut adalah beberapa contohnya:
- Saya seorang manajer rumah sakit, bagaimana cara saya menetapkan shift untuk staf rumah sakit?
- Saya seorang manajer perusahaan angkutan truk, bagaimana saya harus menjadwalkan pengiriman?
- Saya memulai perusahaan manufaktur, di mana saya harus menempatkan pabrik saya?
Masalah umum
Ketika Riset Operasi pertama kali ditemukan, para ahli matematika menyadari bahwa sebagian besar masalah bisnis yang mereka hadapi dapat dipetakan ke dalam beberapa kelompok masalah generik yang lebih rendah. Oleh karena itu, mereka mendedikasikan banyak waktu dan bandwidth mereka untuk mempelajari masalah-masalah ini, memberikan nama-nama spesifik, dan mengusulkan solusi untuk masalah-masalah tersebut. Sebagian besar praktisi OR yang saya kenal (termasuk saya sendiri) menghabiskan sebagian besar waktu mereka pada proses mengubah masalah bisnis menjadi salah satu masalah umum yang terkenal ini. Setelah Anda sampai pada tahap tersebut, pemecahan masalah menjadi prosedur standar yang kurang lebih sama.
Masalah-masalah umum Riset Operasi cukup ringkas untuk dijelaskan dalam notasi matematika. Namun, praktisi Riset Operasi biasanya mengekspresikan masalah-masalah ini dengan menggunakan bahasa pemodelan yang lebih tinggi.
Berikut adalah beberapa contohnya:
- Masalah Penjual Keliling (Travelling Salesman Problem/TSP)
- Masalah Jalur Terpendek (SPP)
- Masalah Penutupan Himpunan (Set Covering Problem)
- Masalah Pewarnaan Graf
Sebagai contoh bahasa pemodelan tingkat tinggi, masalah penjadwalan sering kali digambarkan dengan menggunakan istilah-istilah seperti aktivitas, sumber daya, dan batasan prioritas.
Paradigma pemodelan
Kita telah membahas bagaimana Masalah Riset Operasi Generik dapat diekspresikan dengan menggunakan bahasa tingkat yang lebih tinggi. Notasi-notasi ini biasanya bersifat spesifik untuk masalah tertentu. Sebagai contoh, sumber daya dan aktivitas dapat digunakan untuk menggambarkan masalah penjadwalan, tetapi tidak untuk TSP. Namun, Anda dapat menggambarkan salah satu dari masalah OR umum ini (atau masalah optimasi yang tersembunyi) dengan menggunakan sejumlah Paradigma Pemodelan.
Paradigma pemodelan adalah seperangkat aturan dan praktik yang memungkinkan Anda merepresentasikan masalah tingkat yang lebih tinggi dengan menggunakan struktur data tingkat yang lebih rendah seperti matriks.
Ketika menggunakan paradigma pemodelan, praktisi OR mengekspresikan masalah menggunakan notasi matematika atau Bahasa Pemodelan Aljabar (Algebraic Modelling Language/AML) yang mengubah notasi matematika ini menjadi matriks untuk diteruskan ke tingkat abstraksi terakhir, yaitu algoritma.
Paradigma pemodelan yang paling terkenal dalam Riset Operasi adalah Linear, Integer, dan Mixed-Integer Programming. Ini adalah paradigma pemodelan yang dapat mengekspresikan masalah menggunakan kendala persamaan linier. Ini adalah cara yang sangat kuat dan alami untuk merepresentasikan masalah optimasi.
Constraint Programming adalah paradigma lain yang akhir-akhir ini sangat populer, terutama untuk aplikasi penjadwalan.
Model jaringan juga merupakan paradigma pemodelan yang sangat terkenal berdasarkan teori graf. Paradigma ini sangat berguna untuk membangun intuisi yang baik terhadap masalah dan dapat merepresentasikan berbagai macam masalah optimasi yang tersembunyi dengan cara yang efisien.
Algoritma
Algoritma adalah sebuah prosedur atau urutan langkah yang jika diikuti dapat menyelesaikan suatu masalah. Beberapa algoritme ada di mana-mana di semua bidang Ilmu Komputer seperti pencarian dan penyortiran, sementara algoritme lainnya ditujukan untuk masalah yang lebih spesifik.
Algoritma pencarian sangat penting dalam memecahkan masalah Riset Operasi. Sesuai dengan namanya, mereka mencari solusi. Dalam Riset Operasi, sebuah keluarga algoritma yang dikenal sebagai "Cabang dan X" digunakan untuk memecahkan masalah Pemrograman Bilangan Bulat, Bilangan Bulat Campuran, dan Pemrograman Batasan. Contoh yang paling dasar adalah algoritma Branch & Bound yang memecahkan program bilangan bulat. Yang lainnya termasuk Cabang & Potong, Cabang & Pangkas, dan Cabang & Harga (alias Pembuatan Kolom).
Algoritma Pemrograman Dinamis juga sama pentingnya dalam Riset Operasi. Rumpun algoritma ini memecahkan masalah dengan mengeksploitasi substruktur optimalnya. Dalam istilah yang lebih sederhana, jika sebuah masalah dapat diselesaikan dengan menggunakan sekumpulan tugas yang identik, kita menyelesaikan salah satu dari tugas-tugas ini dan menyimpan hasilnya dalam sebuah tabel. Ketika kita menemukan submasalah yang sama di waktu berikutnya, kita tinggal mencari jawabannya, bukan menghitung ulang. Hal ini bisa sangat membantu dalam menyelesaikan masalah graf. Contoh yang paling terkenal adalah algoritma Bellman-Ford, yang diambil dari nama bapak Pemrograman Dinamis, Richard Bellman.
Terkadang, masalah terlalu sulit untuk dipecahkan secara optimal dan kita hanya perlu menemukan solusi yang cepat. Algoritma Greedy digunakan untuk menyelesaikan tugas ini. Algoritma ini biasanya tidak menjamin optimalitas (tetapi terkadang bisa) tetapi bisa sangat cepat. Contoh yang paling terkenal adalah algoritma Dijkstra untuk menemukan masalah jalur terpendek. Dijkstra dijamin menemukan jalur terpendek jika beberapa asumsi terpenuhi.
Disadur dari: towardsdatascience.com