Nama : Milenia An Nisa

NIM : 20200101476
UTS Sistem Pendukung Keputusan (SOAL GENAP)

SOAL 2 : Study Kasus

Kasus Kuliner Ice Crim HomeMade Cabang Tangerang hendak memutuskan berapa banyak (how many pieces, or glasses or
portions ) Ice Crim yang harus disediakan rata-rata nya setiap hari, agar keuntungan diperoleh maksimum ?. selama masa
pandemi sangatlah sulit bagi penjual menentukan/memutuskan, berapa banyak yg harus disiapkan, kadang kadang sepi
sekali, kadang-kadang rame, terkadang biasa biasa saja, baik yg beli online maupun offline, akhirnya yg terjadi Jika
disediakan terlalu banyak (melebihi jumlah yang diminta) menderita rugi yaitu rugi/kerugian biaya produksi karena tidak
laku. Jika disediakan terlalu sedikit juga menderita rugi (rugi kesempatan yaitu berupa keuntungan yang menjadi hilang
karena pembeli/order datang tapi tidak bisa terlayani). Data biaya produksi per kg bahan baku Ice Crim HomeMade Rp
70.000,- dan harga jual per Kg Rp 170.000,-. Data Warehouse (historical data) permintaan dan peluang/probabilitas
permintaan yang diperoleh, yaitu data sebagai berikut :

No. Permintaan perhari / Kg Probabilitas

1 80 0.3
2 90 0.4
3 120 0.2
4 125 0.1
Pertanyaan:
1 Berapa Kriteria Keputusan berikut :
a. Kriteria Maximax?
b. Kriteria Maximin ?
c. Kriteria Kemungkinan Maksimum ?
d. Kriteria Laplace ?
2 Berapa Kriteria Expected Value yang Tertinggi ?

Penyelesaian :
Matriks “Pay off” pendekatan 2 table keputusannya sbb:
(Kerugian atau Keuntungan dari berbagai kondisi)
[Pay off : P.(harga_jual) – P.(hrg_Produksi)]
Harga jual per Kg = Rp 170,000
Harga produksi per kg = Rp 70,000

Permintaan (Prob)
Kondisi Permintaan (Prob)
80 90 120 125
Dasar (Xi) (0,3) (0,4) (0,2) (0,1)
80 Rp 8,000,000 Rp 7,300,000 Rp 5,200,000 Rp 4,850,000
90 Rp 9,700,000 Rp 9,000,000 Rp 6,900,000 Rp 6,550,000
120 Rp 14,800,000 Rp 14,100,000 Rp 12,000,000 Rp 11,650,000
125 Rp 15,650,000 Rp 14,950,000 Rp 12,850,000 Rp 12,500,000
Nilai Rata-Rata Rp 12,037,500 Rp 11,337,500 Rp 9,237,500 Rp 8,887,500

Pengambilan Keputusan
1. Bbrp Kriteria Keputusan:
a. Kriteria Maximax :
yaitu mengatakan bahwa keputusan yang mempunyai pay off paling tinggi (tanpa memperdulikan
hal lain) yang seharusnya dipilih (Optimistik). Lihat Tabel Pay off dibawah :
Maksimum Baris 1 = Rp 8,000,000
Maksimum Baris 2 = Rp 9,700,000
Maksimum Baris 3 = Rp 14,800,000
Maksimum Baris 4 = Rp 15,650,000
Yang tertinggi adalah Rp. 15.650.000, berarti menyediakan 80 Ice Crim HomeMade.

b. Kriteria Maximin :
Yaitu memilih keputusan yang menghasilkan nilai maksimum dari pay off yang minimum.
Maksimum Baris 1 = Rp 4,850,000
Maksimum Baris 2 = Rp 6,550,000
Maksimum Baris 3 = Rp 11,650,000
Maksimum Baris 4 = Rp 12,500,000
Yang tertinggi nilai minimum adalah Rp. 12.500.000, berarti menyediakan 125 Ice Crim HomeMade.

c. Kriteria Kemungkinan Maksimum ?

Menyatakan seseorang memilih keputusan optimalnya atas dasar yang paling sering terjadi, yaitu
probabilitas tertinggi = 0,4 (yaitu dilihat dari probabilitas tertingginya, maka yang paling sering
terjadi) kemudian Pilih nilai tertinggi pada kolom prob 0.4 yaitu Rp. 14.950.000 dgn permintaan 90. Jadi
sebaiknya Kuliner Ice Crim HomeMade menyediakan 90 Ice Crim sehari dengan kemungkinan keuntungan yang diperoleh sebesar Rp. 14.950.000

d. Kriteria Laplace ?
Menyatakan seseorang seharusnya memilih keputusan yang mempunyai laba rata-rata tertinggi.
Dalam hal ini, Kuliner Ice Crim HomeMade sebaiknya mengambil keputusan menyediakan 80 Ice Crim dengan rata-rata keuntungan Rp. 12.037.500

Tabel atau matrik ER

Expected Return = Rij = Return atas keputusan / tindakan i untuk tiap keadaan
ER80 8.0 00.000 x (0.3) + 7.300.000 x (0.4) + 5.200.000 x (0.2) + 4.850.000 x (0.1) = 6 .8 4 5.0 00
= 2 . 4 0 0 .0 0 0 + 2 . 9 2 0 .0 00 + 1.040.000 + 4 8 5 .0 0 0 = 6.8 45.000

ER90 9.7 00.000 x (0.3) + 9.0 00.000 x (0.4) + 6.900.000 x (0.2) + 6.550.000 x (0.1) = 8.54 5.00 0
= 2.910.000 + 3.600.000 + 1.380.000 + 655.000 =8.545.00 0

ER120 14.800.000 x (0.3) + 14.100.000 x (0.4 ) + 12.000.0 00 x (0.2) + 11.650.000 x (0 .1) = 13.645 .000
= 4 .4 4 0.000 + 5.640.000 + 2.400.000 + 1.165.000 = 13.645.000

ER125 15.650.000 x (0.3) + 14 .950.000 x (0.4) + 12.850.000 x (0.2) + 12.500.000 x (0.1) = 14.495.0 00
= 4.695.000 + 5.980.000 + 2.570.000 + 1.250.000 = 14.495.000

2. Berapa Kriteria Expected Value yang Tertinggi ?

Kriteria Expected Value yang Tertinggi, Yaitu : keputusan yang dipilih adalah keputusan yang mempunyai expected value pay off yang tertinggi, 14.495.000.
Dengan Expected Return(ER125) (permintaan), sebaiknya Kuliner Ice Crim HomeMade menyediakan 125 Ice Crim dengan agar diperoleh keuntungan sebesar 14.495.000.
SOAL 4 : CASE STUDY
Suatu perusahaan Home industry memproduksi Tas, Dompet dan Cover. Produk
Tas menghasilkan profit $20 dan Dompet $10 dan Cover $30. Ketiga produk
membutuhkan pemrosesan melalui mesin-mesin yang sama A dan B, tetapi tas
membutuhkan 4 jam dimesin jahit A dan 8 jam dimesin jahit B, sedangkan Cover
membutuhkan 6 jam dimesin jahit A dan dimesin jahit 4 jam di B. Dalam minggu_x0002_minggu akan datang, mesin A dan B, C memiliki kapasitas masing-masing 14, 12 dan 16 jam.

Pertanyaan:
Anggap ada permintaan untuk ketiga produk, berapa banyak produk dari ketiganya harus dihasilkan untuk memaksimalkan profit ?

Penyelesaian :
*) Susun permasalahan Program Linier ke dalam Tabel :
Tabel permasalahan LinPro : Variabel Proses Produksi

Ma Mb Mc Harga jual per Unit

Tas 4 jam 8 jam $20
Dompet $10
Cover 6 jam 4 jam $30
Jumlah mesin 1 1 1
Lama Operasional 14 jam 12 jam 16 jam Memaksimumkan
Total waktu Operasi 14 jam 12 jam 16 jam

Akan diproduksi produk I sejumlah X1 unit dan produk II akan diproduksi sejumlah X2 unit. Maka Fungsi tujuannya adalah : Mamaksimumkan : Z = 3000 X1 + 3000 X2
Tas X1
Cover X2
Dompet X3
Mamaksimumkan : Z = $20 X1 + $10 X2 + $30 X3
Lama operasi adalah dalam jam/hari/mesin

Total waktu operasi adalah sama dengan jumlah mesin x, lama operasi (dalam jam/hari/tipe mesin).

Syarat Ikatan (fungsi Kendala):

4 X1 + 6 X2 ≤ 14
8 X1 + 4 X2 ≤ 12
X1 + X2 + X3 ≤ 16
dan X1 ≥ 0; X2 ≥ 0 X3 ≥ 0(Syarat Non Negatif) x y
3.5 0
Untuk persamaan (I) titik potong dengan sumbu-X1 jika X2 = 0 : 0 2,3
4 X1 + 6 X2 = 14 diperoleh4 X1 + 6 (0) = 14 1,5 0
X1 = 14/4 = 3,5 3,5 3
maka titik potongnya adalah (3,5 ,0) 2,3 3,5
Sedangkan titik potong dengan sumbu-X2 jika X1 = 0 2,3 6
4 X1 + 6 X2 = 14 diperoleh4 (0) + 6 X2 = 14 0 1,5
X2 = 14/6 = 2,3 3 0
maka titik potongnya adalah (0, 2,3)

Untuk persamaan (I) titik potong dengan sumbu-X1 jika X2 = 0 :

8 X1 + 4 X2 = 12 diperoleh8 X1 + 4 (0) = 12
X1 = 12/8 = 1,5
maka titik potongnya adalah (1,5 ,0)
Sedangkan titik potong dengan sumbu-X2 jika X1 = 0
8 X1 + 4 X2 = 12 diperoleh8 (0) + 4 X2 = 12
X2 = 12/4 = 3
maka titik potongnya adalah (0, 3)
SOAL 6 : [Point 20%]
A. Jelaskan dengan tepat beberapa hal berikut dengan memberi contoh :
a. Data Mining, dan Data Mart ?

Data mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar.
Proses data mining seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence.

Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada
suatu perusahaan. Dalam beberapa implementasi data warehouse, data mart adalah miniature data warehouse.
Data mart atau pasar data adalah subset data yang disimpan dalam data warehouse. Pasar data berorientasi subjek yang berisi repositori data ringkasan.
Dikumpulkannya data-data ini adalah untuk analisis yang bermanfaat bagi bisnis, misalnya dalam bidang penjualan, keuangan, maupun marketing.

b. Data Lake dan Data Warehouse Models ?, serta Metadata Repository ? [Point 10%]
* Data Lake adalah gudang penyimpanan pusat yang menyimpan data besar dari sumbernya dalam
format aslinya hingga bisnis menggunakannya. Data dapat terstruktur, semi terstruktur, atau tidak
terstruktur dengan fleksibilitas untuk digunakan di masa mendatang. Hal ini membuat data lake
yang dikombinasikan dengan berbagai titik dan bentuk data mentah memberikan wawasan yang
berguna untuk penyesuaian untuk memenuhi kebutuhan pelanggan.

Perbedaan 3 Konsep Data Warehouse Models :

1) Skema Snowflake

Sama seperti struktur dari sebuah snowflake (kepingan salju) yang dimulai dari susunan
terbesar hingga terkecil, skema data warehouse tipe ini memanfaatkan tabel dimensi
yang bentuknya lebih kecil di sekitar tabel utama.

2) Skema Star

Skema star memanfaatkan tabel utama di bagian tengah, lalu di sisi atas-bawah dan
kanan-kiri terdapat tabel penjelasan dari berbagai aspek yang dibahas secara singkat di
tabel utama, sehingga penjabarannya lebih spesifik.

3) Skema Fact Constellations

Strukturnya jauh lebih kompleks dibandingkan snowflake dan star. Hal ini disebabkan
oleh banyak fakta yang terhubung oleh ragam dimensi dan tercakup dalam beberapa
tabel.

Dalam data warehouse Metadata adalah data yang mendeskripsikan data, definisi dari data warehouse itu
sendiri (struktur penyimpanan data, proses ETL, dan kualitas data) .
7 jenis metadata dalam data warehouse adalah sebagai berikut :

 Definisi data dan pemetaan metadata mengandung arti dari setiap fakta dan dimensi kolom dan dari
mana data tersebut berasal.
 Struktur data metadata menggambarkan struktur dari tabel di setiap menyimpan data.
 Source system metadata menjelaskan struktur dari source system database.
 Metadata proses ETL menggambarkan setiap aliran data dalam proses ETL.
 Kualitas data metadata menggambarkan aturan kualitas data, tingkat risiko mereka, dan tindakan
mereka.
 Audit metadata berisi catatan proses dan kegiatan dalam data warehouse.
 Penggunaan metadata berisi event log dari penggunaan aplikasi.

B. Cube erat kaitannya dengan Business Intellegence (BI), BI memiliki arti yang luas, namun tujuannya menyangkut :
Integrasi Data, Analisa & Menampilkan Data, jelaskan masing masingnya dengan memberi contoh ?
5 jenis business intelligence, yaitu:
I Enterprise Reporting, digunakan untuk menghasilkan laporan-laporan statis yang didistribusikan ke banyak orang. Jenis laporan ini sangat sesuai untuk laporan operasional dan dashboard.
II Cube Analysis, digunakan untuk menyediakan analisis OLTP multidimensional yang ditujukan untuk manajer bisnis dalam lingkungan terbatas.
III Ad Hoc Query and Analysis, digunakan untuk memberikan akses kepada user agar dapat melakukan query pada database, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional. Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user.
IV Statistical Analysis and Data Mining, digunakan untuk melakukan analisis prediksi atau menentukan korelasi sebab akibat diantara dua matrik.
V Delivery Report and Alert, digunakan secara proaktif untuk mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar atau banyak.

C. Jelaskan dengan tepat apa yang saudara ketahui tentang Cuboids Corresponding to the Cube

* Data Warehouse Modeling: Data Cube and OLAP

Efficient Data Cube Computation

# Data cube can be viewed as a lattice of cuboids
* The bottom-most cuboid is the base cuboid
* The top-most cuboid (apex) contains only one cell
* How many cuboids in an n-dimensional cube with L levels?

# Materialization of data cube

* Materialize every (cuboid) (full materialization), none (no materialization), or some (partial materialization)
* Selection of which cuboids to materialize
Based on size, sharing, access frequency, etc.
splor informasi yang dilakukan oleh user.