Dokumen tersebut memberikan informasi sumber daya pendukung untuk mata kuliah manajemen proyek, termasuk slide presentasi, referensi, jurnal penelitian, serta rincian topik pertemuan. Diberikan pula contoh analisis arus kas untuk beberapa proyek dengan menggunakan tingkat diskonto yang berbeda-beda.
3. Informasi pendukung
• Materi tiap pertemuan, download dari: slideshare
• Reference, download melalui : gen.lib.rus.ec
• Jounral atau hasil penelitian, download dari: Google scholar.com
4.
5. References
Main Readings
1. Dennis Lock. 2007. Project Management. Ninth Edition. Gower Publishing Company, USA.
2. R.C. Mishra & Tarun Soota. 2005. Modern Project Management. New Age International (P) Limited,
Publisher.
3. John C. Goodpasture, PMP. 2004. Quantitative Methods In Project Management. J. Ross Publishing,
Inc., USA.
Supporting Readings
4. Harvey Maylor.2003. Project Management. Third Edition. Pearson Education, Ltd Gary R.
5. Heerkens, PMP. 2002. Project Management. MvGrow-Hill, USA.
6. Sidney M. Levi. 2005. Project Management in Construction. Fifth Edition. McGrow-Hill.
7. RPS Manajemen Proyek
1. Introduction to project management, factors for project success or
failure, defining the project task
2. Estimating the project cost
3. First steps in planning the timescale
4. Financial appraisal and the business plan (2x)
5. Uncertainty and Risk
6. Project organization
7. Work breakdown structure
8. Detailed Planning
9. Scheduling (2x)
10.Managing project strat-up and commercial
11.Managing procurement, progress, changes, and project costs
12.Earned-value analysis and reporting
56. Monte Carlo
Model Monte Carlo ini, kita akan merancang suatu model kebijakan yang melibatkan analisa
investasi untuk pengambilan keputusan apakah suatu kebijakan layak diterapkan dan
kebijakan mana yang lebih baik ditinjau dari aspek finansialnya selain tentunya juga
menggunakan tehnik statistika dalam melakukan perbandingan output kebijakan yang dibuat
pada proses desain eksperimen.
58. SIMULASI MONTE CARLO
Jika sebuah sistem mengandung unsur yang menunjukkan adanya peluang dalam perilaku mereka,
maka simulasi metode Monte Carlo (Monte Carlo method) mungkin dapat diterapkan. Dasar simulasi
Monte Carlo adalah percobaan pada unsur peluang (atau bersifat probabilistik) dengan menggunakan
pengambilan sampel secara acak. Jadi Metode Monte Carlo adalah sebuah teknik simulasi yang
menggunakan unsur acak ketika terdapat peluang dalam perilakunya.
Teknik simulasi Monte Carlo terbagi atas lima langkah sederhana.
1. Menetapkan suatu distribusi probabilitas bagi variabel yang penting.
Gagasan dasar simulasi Monte Carlo adalah membangkitkan nilai untuk variabel pada model yang
sedang diuji. Pada sistem dunia nyata, sebagian besar variabel memiliki probabilitas alami, misalnya
permintaan persediaan, waktu yang diperlukan untuk menyelesaikan aktivitas proyek. Cara
menetapkan distribusi probabilitas bagi variabel tertentu adalah menguji hasil historis, yaitu dengan
membagi frekuensi pengamatan untuk setiap output variabel yang mungkin dengan jumlah
pengamatan total.
59. 2. Membuat distribusi probabilitas kumulatif bagi setiap variabel.
Mengubah distribusi probabilitas biasa menjadi sebuah distribusi probabilitas kumulatif (cumulative
probability distribution)
3. Menetapkan sebuah interval angka acak bagi setiap variabel.
Setelah distribusi probabilitas kumulatif bagi setiap variabel yang digunakan dalam simulasi ditetapkan,
maka diberikan serangkaian angka yang mewakili setiap nilai atau output yang memungkinkan.
4. Membangkitkan angka acak.
Angka acak dapat dihasilkan dengan dua cara. Jika persoalan yang dihadapi besar dan proses yang sedang
diteliti melibatkan banyak percobaan simulasi, maka digunakan program komputer untuk membangkitkan
angka acak. Jika simulasi dilakukan dengan perhitungan tangan, angka acak dapat diambil dari sebuah tabel
angka acak.
5. Menyimulasikan serangkaian percobaan.
Hasil dari eksperimen dapat disimulasikan secara sederhana dengan memilih angka acak dari Tabel F.4.
Percobaan dapat dimulai dari titik mana pun pada tabel, selanjutnya perhatikan dalam interval mana setiap
angka berada.
60.
61. Mari, kita lihat contoh berikut untuk melakukan satu per satu langkah tersebut di atas.
Misalkan permintaan harian ban radial pada Barry’s Auto Tire selama 200 hari
diperlihatkan pada kolom 1 dan 2 Tabel F.2.
Langkah pertama: Dengan asumsi bahwa tingkat kedatangan masa lampau akan tetap
sama di masa mendatang permintaannya dapat diubah menjadi distribusi probabilitas
dengan membagi setiap frekuensi permintaan dengan permintaan total, yaitu 200. Hasil
yang didapatkan diperlihatkan pada kolom 3.
Selanjutnya langkah kedua, Mengubah distribusi probabilitas biasa seperti pada kolom 3
Tabel F.2 menjadi sebuah distribusi probabilitas kumulatif (kolom 4), yaitu penjumlahan
dari jumlah pada kolom probabilitas (kolom 3) yang ditambahkan pada probabilitas
kumulatif sebelumnya.
62.
63. Selanjutnya langkah ketiga menetapkan interval angka acak. Sebagai contoh, jika
terdapat peluang (probabilitas) sebesar 5% bahwa permintaan ban pada Barry’s Auto
Tire adalah 0 unit per hari, maka diharapkan tersedia angka acak sebanyak 5% yang
sesuai dengan permintaan 0 unit. Jika pada simulasi digunakan seluruh angka acak 2
digit berjumlah 100 angka acak, maka untuk permintaan sebesar 0 unit dapat
diberikan pada 5 angka acak pertama: 01, 02, 03, 04, dan 05. Jika terdapat peluang
sebesar 10% bahwa permintaan untuk produk yang sama akan menjadi 1 unit per
hari, maka 10 angka acak berikutnya (06, 07, 08, 09, 10, 11, 12, 13, 14, dan 15)
mewakili permintaan tersebut—begitu juga untuk permintaan lain. Selanjutnya dapat
dilihat pada Tabel F.3 bahwa panjang setiap interval di sisi kanan sesuai dengan
probabilitas terjadinya 1 permintaan harian
64.
65. Selanjutnya langkah keempat dan keliama, yaitu menghasilkan angka
acak dan mmensimulasikan permintaan. Angka acak yang diperlukan dipilih
dari Tabel F.4, dimulai dari bagian kiri atas dan dilanjutkan di sepanjang
kolom pertama dan menuliskan permintaan harian yang berkesesuaian.
Sebagai contoh, jika angka acak yang terpilih adalah dimulai dari bagian
kiri atas (angka 52) dan dilanjutkan di sepanjang kolom pertama sebanyak
sepuluh baris (karena permintaan sebanyak sepuluh hari) dan menuliskan
permintaan harian yang berkesesuaian.
66.
67. rata-rata permintaan sebesar 3,9 ban dalam waktu simulasi 10 hari ini berbeda dengan
permintaan harian yang diharapkan yang dapat dihitung dari data pada Tabel F.3.
Permintaan yang diperkirakan
jika simulasinya diulangi maka rata-rata permintaan yang disimulasikan akan mendekati
permintaan yang diperkirakan.
68.
69. FIRST STEPS IN PLANNING THE
TIMESCALE
Introduction to project palnning
What makes an ideal project plan?
Distinction between planning and time scheduling
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111. Cost effectivenes and profitability
Contoh: Proyek manufaktur memperhitungkan cost effectiveness dan
optimum profitabilitas:
Implementasi keputusan proyek, memperhatikan contribution margin
dan profitabilitas
Keutusan penentuan kapastias produksi manufaktur yang optimal
Keputusan penentuan lokasi proyek manufaktur
116. 6. Luas dan pola produksi
Hubungan luas produksi dengan biaya :
BEP
Q
$ $ $TR
FC
TC
AC
AC
Q
Q
100.000
500
1000
50.000
2000
125
150
Kejenuhan
.
117. Break Even Point (BEP) - 1
FC
TC
Q
Rp
0
400 600
50.000
100.000
500
TR
BEP90.000
120.000
80.000
110.000
Laba
Rugi
118. Break Even Point (BEP) - 2
FC
TC1
Q
Rp
0
400
50.000
100.000
500
TR
BEP1
Catatan :
BEP = FC / (P – VC)
BEP = 50.000/ (200-75) =400 unit
TR = 400 x Rp 200 = Rp 80.000
TC = 50.000 + (400 x Rp 100) = Rp 80.000
TC2
BEP2
80.000
Catatan :
- Pangsa Pasar < 500 unit
- Solusinya , VC ditekan
dari Rp Rp 100 perunit
menjadi Rp Rp 75 per unit
119. Break Even Point (BEP) - 3
FC1
TC1
Q
Rp
0
400
50.000
100.000
500
TR
BEP1
Catatan :
BEP = FC / (P – VC)
BEP = 40.000/ (200-100) =400 unit
TR = 400 x Rp 200 = Rp 80.000
TC = 40.000 + (400 x Rp 100) = Rp 80.000
TC2
BEP2
80.000
Catatan :
- Pangsa Pasar < 500 unit
- Solusinya , FC ditekan
dari Rp Rp 50.000 pertahun
menjadi Rp Rp 40.000 pertahun
FC240.000
120. Break Even Point (BEP) - 4
TC
Q
Rp
0
400
50.000
100.000
500
TR1
BEP1
Catatan :
BEP = FC / (P – VC)
BEP = 50.000/ (225-100) =400 unit
TR = 400 x Rp 225= Rp 90.000
TC = 50.000 + (400 x Rp 100) = Rp 90.000
TR2
BEP2
90.000
Catatan :
- Pangsa Pasar < 500 unit
- Solusinya , P dinaikkan
dari Rp Rp 200 perunit
menjadi Rp 225 perunit
FC
122. Optimitation models - Linear programming
• Linear programs
• Metode grafik
• Metode simplex Tableau
• Solusi permasalahan
• Maksimum
• Minimum
• Contoh 1 :
Max Z = 3 A + 4 B
Subject to :
(1) 10 A + 6 B ≤ 1.200
(2) 6 A + 10 B ≤ 900
(3) 7 A + 5 B ≤ 700
A, B ≥ 0
• ZX = 3(0) + 4(9) = 360
ZY = 3(62.5 ) + 4(52.5 ) = 397.5 (max)
ZZ= 3(100 ) + 4(0 ) = 300 A
B
200
120
140
100 150
90
10A+6B=1200
7A+5B=700
6A+10B=900
X (0,90) Z (100,0)
Y (62.5, 52.5)
7A+5B=700
6A+10B=900
14A+10B=1400
6A+10B=900
8A =500
A=62,5
B =52.5