Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Pemodelan dan Analisis (2)

[1] R. Sharda, D. Delen, dan E. Turban, Business Intelligence and Analytics: Sistem untuk
Pendukung Keputusan, 10th edisi. NJ: Pearson, 2014.
[2] CT Ragsdale, Pemodelan Spreadsheet & Analisis Keputusan- Pengantar Praktis untuk
Analisis Bisnis, 8th edisi. MA: Cengage, 2018.
TUJUAN
• Jelaskan konsep dasar optimasi, simulasi dan heuristik
dan kapan menggunakannya
• Jelaskan cara menyusun model pemrograman linier
• Jelaskan bagaimana menangani banyak tujuan
• Jelaskan apa yang dimaksud dengan analisis sensitivitas, analisis bagaimana-jika
dan pencarian tujuan
Optimasi
melalui Pemrograman Matematika
• Pemrograman Matematika
Sebuah keluarga alat yang dirancang untuk membantu memecahkan
masalah manajerial di mana pengambil keputusan harus mengalokasikan
sumber daya yang langka di antara kegiatan bersaing untuk
mengoptimalkan tujuan yang terukur.

• Solusi optimal: Solusi terbaik untuk masalah

yang dimodelkan
• Pemrograman linier (LP): Sebuah model matematika
untuk solusi optimal dari masalah alokasi sumber daya.
Semua hubungan linear
Karakteristik Masalah LP
1. Terbatasnya jumlah sumber daya ekonomi
2. Sumber daya digunakan dalam produksi produk
atau jasa
3. Dua atau lebih cara (solusi, program) untuk menggunakan
sumber daya

4. Setiap aktivitas (produk atau layanan) menghasilkan

pengembalian dalam hal tujuan

5. Alokasi biasanya dibatasi oleh kendala

Langkah Pemrograman Linier
• 1. Identifikasi
• Variabel keputusan
• Fungsi objektif
• Koefisien fungsi tujuan
• Kendala
• Kapasitas / Permintaan

• 2. Mewakili model
• Tulis rumus matematika
• Menyusun dan memasukkan data ke dalam spreadsheet (atau
menulis kode komputer)

• 3. Jalankan model dan amati hasilnya

Contoh LP
Model Pemrograman Linier Campuran Produk

• Keputusan: Berapa banyak komputer yang harus dibangun bulan depan?

• Dua jenis komputer mainframe: CC7 dan CC8

• Kendala: Batas tenaga kerja, Batas bahan, Batas bawah pemasaran

CC7 CC8 Rel Membatasi

Tenaga Kerja (hari) 300 500 <= 200.000 /bln

Bahan ($) 10.000 15.000 <= 8.000.000 /bln
Satuan 1 >= 100
Satuan 1 >= 200
Untung ($) 8,000 12.000 Maks

Objektif: Maksimalkan Total Profit / Bulan

Solusi LP: Model Matematika
 Solusi LP: Model Spreadsheet
• Variabel Keputusan:

x1: satuan CC-7

X2: satuan CC-8

• Fungsi objektif:
Maksimalkan Z (keuntungan)

Z=8000X1+12000X2

• Tunduk pada

300X1 + 500X2 - 200K 10000X

1+ 15000X2 - 8000K X1 - 100

x2 - 200
Beberapa Tujuan

• Banyak model kuantitatif dari teori keputusan didasarkan pada

perbandingan satu ukuran efektivitas, umumnya beberapa bentuk
utilitas bagi pengambil keputusan

• biasanya diperlukan untuk mengubah masalah tujuan ganda

menjadi masalah efektivitas ukuran tunggal
Beberapa Tujuan

KESULITAN DALAM MENGANALISIS GANDA TUJUAN

• Sulit untuk mendapatkan pernyataan eksplisit tentang tujuan organisasi.

• Perubahan kepentingan yang ditetapkan untuk tujuan tertentu dari waktu ke waktu

• Tujuan dan sub-tujuan dilihat secara berbeda

• Tujuan berubah dalam menanggapi perubahan dalam organisasi dan

lingkungannya

• Hubungan antara alternatif dan perannya dalam menentukan tujuan

mungkin sulit untuk diukur
• Masalah kompleks diselesaikan oleh kelompok pengambil keputusan

• Peserta menilai pentingnya (prioritas) dari berbagai tujuan secara

berbeda.
Beberapa Tujuan

KESULITAN DALAM MENGANALISIS GANDA TUJUAN

• Sulit untuk mendapatkan pernyataan eksplisit tentang tujuan organisasi.

• Perubahan kepentingan yang ditetapkan untuk tujuan tertentu dari waktu ke waktu

• Tujuan dan sub-tujuan dilihat secara berbeda

• Tujuan berubah dalam menanggapi perubahan dalam organisasi dan

lingkungannya

• Hubungan antara alternatif dan perannya dalam menentukan tujuan

mungkin sulit untuk diukur
• Masalah kompleks diselesaikan oleh kelompok pengambil keputusan

• Peserta menilai pentingnya (prioritas) dari berbagai tujuan secara

berbeda.
Beberapa Tujuan

Beberapa metode untuk menyelesaikan pengambilan keputusan multikriteria

• AHP / ANP (Proses Hirarki Analitik / Proses Jaringan Analitik)

• ELECTREE (Elimination et Choix Traduisant la Realité)
• PROMETHEE (METODE Organisasi Peringkat Preferensi untuk Pengayaan
Evaluasi)
• TOPSIS (Teknik Urutan Prioritas Berdasarkan Kesamaan dengan Solusi Ideal)

• WPM (Model Produk Tertimbang)

• WSM/SAW (Model Jumlah Tertimbang/Pembobotan Aditif Sederhana)
Analisis Sensitivitas, Bagaimana-jika, dan Pencarian
Tujuan

• Kepekaan
• Menilai dampak perubahan input pada output
• Menghilangkan atau mengurangi variabel
• Bisa otomatis atau trial and error
• Bagaimana jika
• Menilai solusi berdasarkan perubahan variabel
atau asumsi (analisis skenario)
• Pencarian tujuan
• Pendekatan mundur, dimulai dengan tujuan
• Menentukan nilai input yang dibutuhkan untuk mencapai tujuan
• Contohnya adalah penentuan titik impas
HEURISTIKA DAN SIMULASI
Cari Pendekatan dalam Pengambilan
Keputusan
Pemrograman Heuristik
• Memotong ruang pencarian
• Mendapat memuaskan solusi
lebih cepat dan lebih murah
• Menemukan solusi layak yang cukup baik untuk
masalah yang sangat kompleks

• Heuristik dapat
• Kuantitatif
• Kualitatif (dalam ES)
Kapan Menggunakan Heuristik

Kapan Menggunakan Heuristik

• Data masukan tidak tepat atau terbatas

• Realitas kompleks
• Algoritme yang andal dan tepat tidak tersedia
• Waktu komputasi berlebihan
• Untuk membuat keputusan cepat

Keterbatasan Heuristik
• Tidak dapat menjamin solusi optimal
Simulasi
• Teknik untuk melakukan eksperimen dengan
komputer pada model perilaku sistem yang
komprehensif

• Sering digunakan dalam alat DSS

Karakteristik Utama
Simulasi
• Meniru kenyataan dan tangkap kekayaannya
• Teknik untuk melakukan eksperimen
• Deskriptif, bukan alat normatif
• Seringkali untuk "memecahkan" masalah yang sangat kompleks

Simulasi biasanya digunakan hanya ketika masalah terlalu

kompleks untuk ditangani dengan menggunakan teknik optimasi
numerik
Keuntungan Simulasi
• Teorinya cukup mudah
• Banyak kompresi waktu
• Bereksperimenlah dengan berbagai alternatif
• Model mencerminkan perspektif manajer
• Dapat menangani berbagai jenis masalah
• Dapat mencakup kompleksitas masalah yang sebenarnya
• Menghasilkan ukuran kinerja yang penting
• Seringkali ini adalah satu-satunya alat pemodelan DSS untuk
masalah tidak terstruktur
Keterbatasan Simulasi
• Tidak dapat menjamin solusi optimal
• Proses konstruksi yang lambat dan mahal
• Tidak dapat mentransfer solusi dan kesimpulan untuk
menyelesaikan masalah lain (khusus masalah)

• Sangat mudah untuk dijelaskan/dijual kepada manajer, dapat

menyebabkan mengabaikan solusi analitis

• Perangkat lunak mungkin memerlukan keahlian khusus

Metodologi Simulasi
• Modelkan sistem nyata dan lakukan eksperimen berulang.
• Langkah:

1. Definisikan masalah 5. Lakukan eksperimen

2. Membangun model simulasi 6. Evaluasi hasil
3. Uji dan validasi model 7. Menerapkan solusi
4. Eksperimen desain
Jenis Simulasi
• Simulasi Stochastic vs. Deterministic
• Dalam simulasi stokastik: Kami menggunakan distribusi
(Distribusi probabilitas Diskrit atau Kontinu)

• Simulasi tergantung waktu vs. Tidak tergantung waktu

• Simulasi stokastik independen waktu melalui teknik Monte Carlo (X =
A + B)

• Peristiwa diskrit vs. Simulasi berkelanjutan

• Steady State vs. Simulasi Transien

• Implementasi Simulasi
• Simulasi visual
• Simulasi berorientasi objek
Pemodelan Interaktif Visual (VIM) /
Simulasi Interaktif Visual (VIS)
• Pemodelan interaktif visual (VIM)
Juga disebut
• Pemecahan masalah interaktif visual
• Pemodelan interaktif visual
• Simulasi interaktif visual
• Menggunakan grafik komputer untuk menyajikan dampak dari
keputusan manajemen yang berbeda

• Sering terintegrasi dengan GIS

• Pengguna melakukan analisis sensitivitas
• Sistem statis atau dinamis (animasi)