Sistem

Pendukung
Keputusan
MODELING AND ANALYSIS

Modeling
Metode untuk menggambarkan kondisi yang sesungguhnya dari suatu
sistem/permasalahan
Kategori model

Optimization of problems with few alternatives

Optimization via algorithm
Optimization via analytic formula
Simulation
Heuristic
Predictive model
Other model

Kategori model

Static vs Dynamic model

Static model

menggambarkan situasi sesaat/dalam satu interval waktu tertentu, yang

tidak dipengaruhi perubahan lingkungan
Contoh: pemodelan keputusan untuk membuat atau membeli suatu
produk, dimana anggaran yang tersedia, biaya pembuatan, dan
pendapatan dalam satu periode sudah pasti (tidak berubah)

Dynamic model

Menggambarkan situasi yang berubah-ubah terhadap waktu

Contoh: pemodelan laba-rugi perusahaan dalam 5 tahun, dimana datadata biaya, harga, dan produksi akan berubah-ubah tiap tahun

Kondisi pengambilan
keputusan

Berdasarkan kelengkapan informasi yang dimiliki oleh pengambil

keputusan, terdapat beberapa kondisi pengambilan keputusan

Certainty

Uncertainty

Pengambil keputusan memiliki data/pengetahuan/kepercayaan yang lengkap

mengenai kondisi pengambilan keputusan
Outcome dari setiap langkah/keputusan dapat dipastikan
Outcome tidak bisa dipastikan, terdapat lebih dari satu kemungkinan outcome
dari langkah/keputusan yang diambil

Risk/probabilistic/stochastic

Pengambil keputusan harus mempertimbangkan beberapa kemungkinan

outcome dari setiap langkah/keputusan yang diambil
Biasanya melibatkan risk analysis (menghitung resiko dari tiap keputusan yang
diambil

Kondisi pengambilan
keputusan

Influence diagram

Representasi grafis dari sebuah model (model of a model)

Memetakan seluruh variabel yang ada, dan menunjukkan hubungan

(relationship) antar variabel dan arah pengaruh (influence)

Digunakan untuk membantu dalam mendesain, mengembangkan,

dan memahami model

istilah influence mengacu pada ketergantungan suatu variabel pada

level variabel yang lain

Influence diagram - variable

Decision variable

Uncontrollable/intermediate variable

Result variable: intermediate or final

Influence diagram arah dan

tipe influence (relationship)
Certainty

Uncertainty

Random (risk) variable

~
Preference
Arah panah bisa satu atau dua arah, tergantung arah dari influence

Influence diagram - contoh

Profit = income expenses

Income = unit price * unit sold
Expenses = unit sold * unit cost + fixed cost

Unit sold = xx * amount for advertisement

Pemodelan dengan
menggunakan Spreadsheet

Merupakan tool end user modeling yang paling populer

Mampu untuk melakukan perintah-perintah solution model seperti

linear programming dan regression analysis

Fitur lain: what-if analysis, goal seeking, data management,

programmability (macro)

Contoh: perhitungan besarnya cicilan bulanan untuk suatu nilai

pinjaman

Menggunakan fungsi PMT dalam MS Excel (syntax: PMT(rate, nper, pv,

[fv], [type])
Apabila besaran bunga pinjaman (rate) diubah, akan didapatkan nilai
pembayaran bulanan yang berbeda what-if analysis
goal seeking besaran pembayaran bulanan ditentukan, nilai bunga
(rate), tenor (nper) disesuaikan

Contoh pemodelan dengan

Spreadsheet

Spreadsheet untuk pemodelan

dinamis

Decision tables

Pendekatan Analisa keputusan yang dilakukan dengan menuliskan

alternatif-alternatif dalam sebuah tabel yang dilengkapi dengan
perkiraan kontribusi alternatif-alternatif tersebut dalam pencapaian
tujuan dan probabilitas tercapainya kontribusi tersebut. Dari tabel
tersebut dilakukan evaluasi untuk memilih alternatif terbaik

Contoh: memilih investasi yang memberikan hasil (keuntungan/yield)

terbesar

Decision tables dibuat dengan menuliskan alternatif-alternatif investasi

(decision variables): Bonds, stocks, dan Certificate of Deposit (CD)
Keuntungan dari masing-masing alternatif investasi dipengaruhi oleh kondisi
ekonomi (state of nature/uncontrollable variables): solid growth, stagnation,
inflation
Buat perkiraan yield yang bisa diperoleh dari masing-masing alternatif
investasi pada ke 3 kondisi tersebut
Keputusan dibuat dengan mempertimbangkan uncertainty dan risk dari
uncontrollable variables

Decision tables - contoh

Decision tables risk analysis

Optimistic approach vs pessimistic approach

Risk analysis menggunakan greatest expected value

Dilakukan estimasi tercapainya masing-masing uncontrollable variable,

misal: solid growth 50%, stagnation 30%, inflation 20%
Didapatkan expected value dari masing-masing decision variables dengan
cara menjumlahkan hasil perkalian dari masing-masing uncontrollabe
variable dengan estimasi pencapaiannya

Decision trees

Merupakan alternatif penggambaran analisa keputusan dari Decision

tables

Digunakan untuk multiple goals, dengan hanya 1 kondisi pengambilan

keputusan

Menunjukkan hubungan dari permasalahan dalam bentuk grafis, dan

dapat menangani situasi yang kompleks dalam bentuk yang kompak,

Dapat menjadi berat apabila terlalu banyak alternatif atau

uncontrollable variables, sehingga diperlukan metode tertentu dalam
mengelola resiko, seperti simulasi, certainty factor, fuzzy logic

Decision trees - contoh

Memililh investasi yang selain memberikan keuntungan (yield)

tertinggi tapi juga aman (safety) dan memiliki likuiditas yang tinggi
(liquidity) dalam 1 kondisi pengambilan keputusan (certainty)

Hasil (result) dari beberapa alternatif variabel mungkin bersifat

kualitatif

Model Matematis

Menggambarkan sebuah situasi pengambilan keputusan secara

matematis dengan menghubungkan alternatif solusi (Decision
variables), uncontrollable variables, parameters, dan result variables

Decision variables mendeskripsikan alternatif langkah pengambilan

keputusan. Dikendalikan oleh pengambil keputusan
Uncontrollable variables/parameter: faktor lingkungan (luar) yang bisa
mempengaruhi hasil dari suatu pengambilan keputusan

Parameter: bersifat tetap

Variables: berubah-ubah

Intermediate/result variables

Merupakan hasil dari keputusan yang telah diambil

Terkadang bersifat intermediate, dimana suatu hasil keputusan mempengaruhi tujuan (goal)
yang lain, contoh: besarnya gaji karyawan akan mempengaruhi tingkat kepuasan karyawan
yang pada akhirnya dapat pula mempengaruhi produktivitas organisasi

Gambaran struktur model

matematis (kuantitatif)

Contoh-contoh komponen dari

Model

Contoh model matematis

Model cash flow present value

P = present value
F = future single payment
i = interest rate
n = waktu (jumlah tahun)

Mathematical programming

Tools untuk pemecahan permasalahan manajerial, dimana pengambil

keputusan harus mengalokasikan resource yang terbatas untuk
beberapa aktivitas

Permasalahan pengalokasian umumnya mempunyai banyak alternatif

solusi, yang masing-masing mempunyai tingkat pemenuhan tujuan

Diperlukan optimal solution

Dapat dilakukan dengan menggunakan algoritma tertentu

Linear programming

Merupakan salah satu metode optimasi model

Terdiri atas Decision variable, objective function and coefficient, uncontrollable

variables (constraints), capacities, input dan output coefficient

Objective function: fungsi matematis linear yang menghubungkan Decision

variables dan tujuan, mengukur pencapaian tujuan

Contoh: penentuan jumlah produksi untuk barang tertentu dalam rangka

memaksimalkan profit

Komputer tipe CC-7 membutuhkan 300 hari kerja, dan material senilai USD 10.000 untuk
produksi
Komputer tipe CC-8 membutuhkan 500 hari kerja, dan material senilai USD 15.000 untuk
produksi
Keuntungan untuk tiap unit CC-7 = USD 8.000, CC-8 = USD 12.000
Kapasitas produksi 200.000 hari kerja per bulan, anggaran untuk material = USD 8 juta
per bulan
Pasar: minimal 100 unit CC-7 dan minimal 200 unit CC-8

Model matematis untuk

penentuan jumlah produksi

Multiple goals

Perkembangan sistem management, tujuan (goal) dari sebuah proses

tidak hanya tunggal, bahkan bisa timbul konflik antar goal

Kebanyakan model kuantitatif dari pengambilan keputusan

didasarkan pada pengukuran efektifitas yang bersifat tunggal

Sebuah permasalahan multiple goal harus diuraikan menjadi single

measured of effectiveness problem sebelum membandingkan efek
dari beberapa alternatif solusi

Metode untuk menangani multiple goals

Utility theory
Goal programming
Expression of goals as constraints using linear programming
A point system

Sensitivity analysis

Karena adanya ketidakpastian di masa depan, model builder (misal:

Lindo, Lingo) melakukan prediksi dan asumsi terhadap data masukan

Sensitivity analysis mencoba untuk menganalisa akibat dari

perubahan data input atau parameter terhadap hasil akhir

Memungkinkan fleksibilitas dan adaptasi terhadap perubahan kondisi

dan kebutuhan situasi pengambilan keputusan yang berbeda

Membantu memberikan pemahaman yang lebih baik atas model dan

situasi pengambilan keputusan

Ada 2 tipe:

Automatic
Trial and error

Automatic sensitivity analysis

Diterapkan pada model kuantitatif standar, seperti Linear

programming

Dilakukan oleh aplikasi, misal Lindo, Solver

Contoh: aplikasi menghasilkan range variabel masukan atau nilai

parameter yang dapat digunakan tanpa memberikan akibat yang
signifikan terhadap solusi yang diusulkan

Trial and error

Sensitivity analysis yang dilakukan oleh pengambil keputusan secara

manual dengan mengubah-ubah data masukan atau variabel dan
melihat efeknya pada hasil akhir

Terdapat 2 pendekatan:

What if analyses
Goal seeking

What if analysis

Analisa yang dilakukan untuk melihat apa yang akan terjadi pada
solusi apabila input variable, assumption, atau parameter value
dirubah

Contoh:

Apa yang akan terjadi pada biaya inventory total apabila biaya
pengangkutan inventory dinaikkan 10 percent?
Apa yang akan terjadi pada market share apabila biaya iklan dinaikkan 5
percent?

Goal seeking

Analisa perhitungan nilai input yang diperlukan untuk mencapai level

output (goal) tertentu

Contoh:

Menghitung biaya R&D yang diperlukan untuk mencapai pertumbuhan

tahunan sebesar 15%?
Menghitung jumlah perawat yang diperlukan untuk mengurangi rata-rata
waktu tunggu pelayanan ruang gawat darurat sampai dengan di bawah 10
menit?

Search

Search merupakan bagian dari tahap choice dalam proses

pengambilan keputusan

Search approaches

Analytical
Blind search
Heuristic

Kriteria pemilihan search approaches

Completeness
Time complexity
Space complexity
Optimality

Formal search approaches

Analytical

Menggunakan formula matematis untuk mendapatkan solusi secara

langsung atau memperkirakan hasil tertentu

Digunakan terutama untuk permasalahan terstruktur

General, step by step search

Obtain an optimal solution

Blind search

Terdapat deskripsi solusi yang diinginkan (goal)

Ada 2 jenis

Complete enumeration All alternative explored

Incomplete Partial search

Waktu akses relatif lama

Memori yang diperlukan relatif besar

Tidak sesuai untuk memecahkan permasalahan yang sangat besar,

karena banyaknya alternatif yang harus diperiksa sebelum sebuah
solusi yang optimal diperoleh

Heuristic search

Pada permasalahan yang kompleks, usaha untuk mendapatkan solusi

yang optimal tidak mudah karena memerlukan waktu, biaya dan
sumberdaya lain yang banyak

Tidak semua alternatif solusi diperhitungkan, terdapat kriteria (rule)

yang memandu pemilihan solusi

Kriteria didapatkan hasil percobaan/pengalaman yang telah dilakukan

(rule of thumb)

Digunakan untuk situasi-situasi tertentu

Repeated, step by step searches

Good enough solution, but, eventually, will obtain optimal goal

Contoh Heuristic

Metodologi Heuristic

Penerapan Heuristic bisa dilakukan sebagai sebuah proses berulang,

keberhasilan/kegagalan pada suatu tahap menjadi feedback untuk
proses berikutnya

Tabu search heuristic: metode Heuristic dimana sistem mempunyai

memori mengenai solusi-solusi yang pernah dilakukan dalam
memecahkan suatu persoalan. Hanya high quality solution yang
diikuti

Genetic algorithms: solusi atas suatu permasalahan diturunkan dari

solusi yang sebelumnya sudah ada

Penggunaan Heuristic

Data masukan terbatas atau kurang akurat

Sistem sangat kompleks, sehingga model optimasi tidak dapat

digunakan/tidak ekonomis untuk digunakan, atau memerlukan
sumberdaya komputasi yang besar

Tidak ada algortima pasti yang bisa diandalkan

Memungkinkan untuk dilakukan peningkatan dari proses optimasi

Lebih banyak melibatkan proses simbolis daripada proses numeris

Keputusan harus segera dilakukan, yang tidak feasible dilakukan oleh

proses komputerisasi

Simulasi

Teknik untuk melakukan percobaan dengan komputer pada suatu

model sistem management

Situasi pengambilan keputusan terkadang bersifat kompleks,

sehingga tidak bisa digambarkan dengan model optimasi atau
pemodelan lain

Simulasi menirukan situasi sesungguhnya dari suatu sistem, tidak

selalu berlaku sebagai model.

Descriptive, not normative. Tidak secara otomatis menghasilkan

solusi optimal

Model simulasi mendeskripsikan atau memprediksi karakteristik

suatu sistem pada beberapa situasi yang berbeda. Alternatifalternatif solusi bisa didapatkan setelah karakteristik diperhitungkan

Keuntungan penggunaan
simulasi

Penghematan waktu

Memungkinkan pengambil keputusan untuk melakukan beberapa

percobaan dan analisa (what-if, trial and error) sebelum mengambil
keputusan

Mendorong pengembang dan pengambil keputusan memahami

sistem dengan lebih baik

Bisa digunakan untuk beragam tipe permasalahan, dari mulai

inventory dan staffing sampai kepada perencanaan jangka panjang

Simulasi bisa memasukkan kompleksitas sesungguhnya dari suatu

sistem, tidak perlu adanya simplifikasi

Kelemahan Simulasi

Tidak otomatis menghasilkan sebuah solusi optimal (tidak ada

jaminan solusi yang dihasilkan optimal)

Pembuatan model simulasi bisa memakan waktu dan biaya yang

besar bisa diatasi dengan teknologi simulasi yang semakin maju

Spesifik untuk suatu permasalahan tertentu, tidak bisa digeneralisir

Software simulasi bisa jadi membutuhkan skill tertentu

Metodologi Simulasi

Problem definition

Construction of model

Testing and validation

Design of experiment

Experimentation

Evaluation

implementaion

Proses simulasi

Tipe-tipe Simulasi

Probablistic Simulation

Time dependent or time independent

Contoh: permasalahan antrian, harus ada data yang akurat mengenai

waktu kedatangan

Visual interactive modeling

Satu atau lebih variabel independen bersifat probabilistik

Graphical
Decision makers interact with simulated model
May be used with artificial intelligence

Can be object oriented

Contoh: SIMPROCESS

Contoh software simulasi

Analytica

Crystal ball (Excel add ins)

@Risk

WebGPSS

SIMUL8

Model based management

system

Software yang memungkinkan pengaturan model (bisa dianalogikan

sebagaimana DBMS)

Kemampuan yang harus dimiliki sebuah MBMS:

Memberikan kontrol pada user

Memberikan fleksibilitas kepada user untuk menentukan pendekatan
pemodelan yang diinginkan
Memberikan feedback kepada user, sehingga user mengetahui kondisi
pemecahan masalah yang sedang dilakukan
Memudahkan user untuk menggunakan DSS
Kemampuan untuk berbagi model dan data, serta menghilangkan
redundancy

Model based management

system

Relational model base management system

Object oriented model base management system

Virtual file
Virtual relationship

Maintains Logical indepence between the model base and other DSS
component

Database and MIS design model systems

Menggambarkan bagaimana data diatur dan bagaimana aliran data pada

desain database
Model dikembangkan sehingga beberapa alternatif bisa dideskripsikan
dan dicoba
Data diagram, ERD managed by CASE tools

Modeling language

Essentially front end the working or algorithmic code and assist the
manager in developing and managing model

Contoh: Lingo, AMPL, General Algebraic Modeling System (GAMS)

MDBMS package

Tidak/belum ada paket MDBMS komersial yang komprehensif

Banyaknya kelas model yang masing-masing mempunyai struktur

tersendiri
Setiap permasalahan mempunyai karakteristik tersendiri, diperlukan trial
and error untuk menentukan jenis model yang sesuai untuk suatu
permasalahan
Setiap kelas model mungkin mempunyai beberapa pendekatan dalam
memecahkan permasalahan, tergantung struktur permasalahan, ukuran,
bentuk, dan data yang ada
Penggunaan model oleh suatu organisasi mungkin berbeda-beda
Kemampuan MBMS (misal: memilih model yang akan digunakan, cara
pemecahan masalah, dan penentuan nilai parameter yang digunakan)
memerlukan kemampuan yang ada di expert system pendekatan
kecerdasan buatan yang lain

Tugas individual #2

Buatlah makalah yang membahas mengenai sebuah paket software

DSS (simulasi/modeling/analysis) yang ada di pasaran (off the shelf)

Pembahasan minimal mencakup:

Deskripsi produk (nama produk, vendor, versi, dll)

Klasifikasi software
Fitur-fitur yang dimiliki
Kelebihan/kekurangan

Minimal 2 lembar A4, spasi tunggal, margin normal

Softcopy diemail ke wawanwahyudi@gmail.com, maksimal Rabu, 30

Maret 2016, jam 23.59 WIB

Format subject dan nama file: [SPK2016]tugasindividu#2NIM