Model apa saja yang ada di dalam Riset Operasi?

Riset Operasi adalah metode untuk memformulasikan dan merumuskan permasalahan sehari-hari baik mengenai bisnis, ekonomi, sosial maupun bidang lainnya ke dalam pemodelan matematis untuk mendapatkan solusi yang optimal.

Model apa saja yang ada di dalam Riset Operasi ?

Model adalah abstraksi atau penyederhanaan realitas sistem yang kompleks di mana hanya komponen-komponen yang relevan atau faktor-faktor yang dominan dari masalah yang dianalisis diikutsertakan. Ia menunjukkan hubungan- hubungan (langsung dan tidak langsung) dari aksi dan reaksi dalam pengertian sebab dan akibat. Karena sebuah model adalah suatu abstraksi realitas, ia akan tampak kurang kompleks dibandingkan realitas itu sendiri. Model itu, agar menjadi lengkap, perlu mencerminkan semua realitas yang sedang diteliti.

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:

1. 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.

2. 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 peristiwa- peristiwa. 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.

3. Mathematic (Simbolic) Model

Diantara jenis model yang lain, model matematik sifatnya paling abstrak. Model ini menggunakan seperangkat simbol matematik untuk menunjukkan komponen-komponen (dan hubungan antara mereka) dari sistem nyata. Namun, sistem nyata tidak selalu dapat diekspresikan dalam rumusan matematik. Model ini dapat dibedakan menjadi dua kelompok, yaitu deterministik dan probabilistik. Model deterministik dibentuk dalam situasi kepastian (certainty).

Model ini memerlukan penyederhanaan- penyerdehanaan dari realitas karena kepastian jarang terjadi. Namun, keuntungan model ini adalah bahwa ia dapat dimanipulasi dan diselesaikan lebih mudah. Jadi, sistem yang rumit dapat dimodel dan dianalisa jika dapat diasumsikan bahwa semua komponen sistem itu dapat diketahui dengan pasti.

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