OPTIMISASI

&
SIMULASI
Kelompok 8
 ANGGOTA :
Fajar Yudha Baskara Fikka Pertiwi Hanriyani
11220930000116 11220930000117

Ibrahim Irsyad
11220930000118
SURAT DAN HADIST YANG BERKAITAN DENGAN MATERI

Sesungguhnya Allah menyukai orang yang berperang dijalan-Nya

dalam barisan yang teratur seakan-akan mereka seperti suatu
bangunan yang tersusun kokoh. (Q.S. Ash-Shaff : 4)

Riwayat Abu Dzar al-Ghifari, bahwa Rasulullah Shallallahu

'alaihi wa sallam bersabda, "Pertolongan Allah selalu bersama
seorang hamba selama dia menolong saudaranya." (HR. Muslim)
 PEMBAHASAN
1. Pengambilan Keputusan Berbasis Model
2. Struktur Model Matematika Pendukung Keputusan
3. Optimasi Pemograman Matematika
4. Tujuan Analisis Sensitivitas Terhadap Analisis
“Bagaimana-Jika” Dalam Pencarian Sasaran
5. Pengantar Simulasi
6. Simulasi Visual Interaktif
7. Kesimpulan
 PENGERTIAN
Optimatisasi dan Simulasi
Optimisasi adalah proses menemukan solusi terbaik untuk suatu
masalah dengan mempertimbangkan berbagai faktor dan kendala
yang terjadi yang bertujuan untuk menemukan nilai parameter
model yang menghasilkan hasil yang optimal, seperti
memaksimalkan keuntungan atau meminimalkan biaya.

Simulasi adalah teknik pemodelan yang meniru proses dunia nyata

bertujuan untuk memahami terjadinya sistem bekerja dan bagaimana
perubahan pada sistem akan memengaruhi hasil. Simulasi dapat
digunakan untuk memprediksi perilaku sistem di masa depan.
 1. PENGAMBILAN KEPUTUSAN BERBASIS MODEL

Pengambilan keputusan menggunakan semacam model analitis (analisis preskriptif).

Peluang terbesar bagi profesi analitik yang sedang berkembang adalah kemampuan
untuk menggunakan wawasan deskriptif dan prediktif untuk membantu pengambil
keputusan membuat keputusan yang lebih baik.

Seperti contoh ketika kita menghadapi situasi dalam Kita mungkin menghadapi situasi
dalam memutuskan calon pelanggan mana yang harus menerima materi kampanye
promosi apa sehingga biaya promosi kita tidak terlalu mahal, dan kita memaksimalkan
tingkat respons sambil mengelola sesuai anggaran. Kami mungkin memutuskan berapa
banyak yang harus dibayar untuk kata kunci pencarian berbayar yang berbeda untuk
memaksimalkan laba atas investasi anggaran iklan kami.
 CONTOH MODEL ANALISIS PRESKRIPTIF
Misalnya, memutuskan pelanggan mana (di antara potensi jutaan) akan menerima penawaran apa
untuk memaksimalkan nilai tanggapan keseluruhan tetapi tetap dalam anggaran bukanlah sesuatu
yang dapat Anda lakukan secara manual. Membangun model optimalisasi respons berbasis
probabilitas dengan anggaran sebagai keterbatasan akan memberikan kita informasi yang kita cari.
Ilmu Manajemen, Sistem Dukungan Keputusan, dan Simulasi yang dapat membantu Anda membangun
lebih banyak keahlian dalam topik ini. Karena analisis preskriptif biasanya melibatkan aplikasi model
matematika, kadang-kadang istilah ilmu data lebih sering dikaitkan dengan aplikasi model matematis
tersebut.
IDENTIFIKASI MASALAH & ANALISIS LINGKUNGAN
1. Identifikasi variabel, (misalnya, keputusan, hasil, tidak terkendali) begitu pula hubungan
antar variabel yang dimana diagram pengaruh merupakan model grafis dari model
matematika yang dapat memudahkan proses identifikasi. Bentuk diagram pengaruh yang
lebih umum, yaitu peta kognitif yang dapat membantu pengambil keputusan mengembangkan
pemahaman yang lebih baik tentang suatu masalah, terutama variabel dan interaksinya.
 PERAMALAN (ANALYTIK PREDIKTIF)
Prasyarat penting dari analisis preskriptif adalah mengetahui apa yang telah
terjadi dan apa yang mungkin terjadi karena untuk membangun dan
memanipulasi model karena ketika suatu keputusan diterapkan, hasilnya
biasanya terjadi di masa depan. Tidak ada gunanya melakukan analisis
bagaimana-jika (sensitivitas) pada masa lalu karena keputusan yang diambil
pada saat itu tidak berdampak pada masa depan.

Perdagangan dan komunikasi online telah menciptakan kebutuhan besar akan

peramalan dan banyaknya informasi yang tersedia untuk melaksanakannya.
Aktivitas ini terjadi dengan cepat, namun informasi mengenai pembelian
tersebut dikumpulkan dan harus dianalisis untuk menghasilkan perkiraan.
2. Struktur Model Matematika Pendukung Keputusan

Model kuantitatif terdiri dari empat komponen dasar variabel hasil

(hasil), variabel keputusan, variabel (dan/atau parameter) yang tidak
dapat dikendalikan, dan variabel hasil antara.
Hubungan matematis menghubungkan komponen-komponen ini
bersama-sama. Dalam model nonkuantitatif, hubungannya bersifat
simbolis atau kualitatif. Hasil keputusan ditentukan berdasarkan
keputusan yang diambil (yaitu nilai variabel keputusan), faktor-faktor
yang tidak dapat dikendalikan oleh pengambil keputusan (dalam
lingkungan), dan hubungan antar variabel. Proses pemodelan
melibatkan identifikasi variabel dan hubungan di antara mereka.
Memecahkan model menentukan nilai- nilai ini dan variabel hasil.
Komponen Model Matematika Pendukung Keputusan
1. Variabel hasil (outcome) yaitu tingkat efektivitas suatu sistem artinya,
indikator tersebut menunjukkan seberapa baik sistem bekerja atau
mencapai tujuannya. Variabel-variabel ini adalah keluaran dan variabel
terikat. Dalam kasus variabel dependen, peristiwa lain harus terjadi
terlebih dahulu sebelum peristiwa yang dijelaskan oleh variabel tersebut
dapat terjadi. Variabel hasil bergantung pada kemunculan variabel
keputusan dan variabel tidak terkendali.
2. Variabel Keputusan, yaitu mengontrol variabel keputusan. Misalnya, untuk
masalah investasi, jumlah investasi pada obligasi merupakan variabel
keputusan. Dalam masalah penjadwalan, variabel keputusannya adalah
orang, waktu, dan jadwal.
3. Variabel yang tidak dapat dikendalikan, yaitu suatu jenis variabel yang
dapat mempengaruhi variabel hasil namun tidak berada dibawah kendali
pengambilan keputusan.
4. Variabel Hasil Menengah, yaitu dalam menentukan penjadwalan mesin,
pembusukan merupakan variabel hasil antara, dan laba total adalah variabel
hasil (yaitu pembusukan merupakan salah satu penentu laba total). Contoh lainnya
adalah gaji karyawan.
 STRUKTUR MODEL MATEMATIKA
Komponen model kuantitatif dihubungkan oleh ekspresi matematika (aljabar)—
persamaan atau pertidaksamaan.
Model keuangan yang sangat sederhana adalah
P=R-C
Ket : P = keuntungan, R = pendapatan, dan C = biaya.
Model keuangan terkenal lainnya adalah model arus kas nilai sekarang yang
sederhana, dimana P = nilai sekarang, F = pembayaran tunggal di masa depan
dalam dolar, i = suku bunga (persentase), dan n = jumlah tahun. Dengan model ini,
dimungkinkan untuk menentukan nilai sekarang dari pembayaran sebesar
$100.000 yang akan dilakukan 5 tahun dari hari ini, dengan tingkat bunga 10%
(0,1), sebagai berikut:

P = 100.000/ (1 + 0,1)5 = 62.092

 3. Optimasi Pemograman Matematika
Pemrograman matematika adalah sekumpulan alat yang dirancang untuk membantu memecahkan
masalah manajerial di mana pengambil keputusan harus mengalokasikan sumber daya yang langka di
antara aktivitas yang bersaing untuk mengoptimalkan tujuan yang terukur. Misalnya, distribusi waktu
mesin (sumber daya) di antara berbagai produk (aktivitas) merupakan masalah alokasi yang umum.
Pemrograman linier (LP) adalah teknik paling terkenal dalam rangkaian alat optimasi yang disebut
pemrograman matematika; di LP, semua hubungan antar variabel adalah linier.

Model Pemograman Linier

Setiap model LP terdiri dari variabel keputusan (yang nilainya tidak diketahui dan dicari), fungsi tujuan
yaitu menghubungkan variabel keputusan dengan tujuan, mengukur pencapaian untuk mencapai tujuan
koefisien fungsi (koefisien laba atau biaya satuan yang menunjukkan kontribusi terhadap tujuan satu
unit variabel keputusan), kendala (dinyatakan dalam bentuk ketidaksetaraan atau persamaan linier yang
membatasi sumber daya dan/atau kebutuhan; hal ini menghubungkan variabelvariabel secara linier
hubungan), kapasitas (yang menggambarkan batas atas dan kadang-kadang batas bawah pada kendala
dan variabel), dan koefisien input/output (teknologi).
4. Tujuan Analisis Sensitivitas Terhadap Analisis “Bagaimana-
Jika” Dalam Pencarian Sasaran

Analisis keputusan manajemen bertujuan untuk mengevaluasi,

semaksimal mungkin, sejauh mana setiap alternatif memajukan
manajer menuju tujuan mereka yang jarang dievaluasi.
Misalnya, pertimbangkan perusahaan yang menghasilkan
keuntungan. Selain menghasilkan uang, perusahaan ingin
tumbuh, mengembangkan produk dan karyawannya,
memberikan keamanan kerja kepada para pekerjanya, dan
melayani masyarakat. Manajer ingin memuaskan pemegang
saham dan pada saat yang sama menikmati gaji dan
pengeluaran yang tinggi, dan karyawan ingin meningkatkan
gaji dan tunjangan yang bisa dibawa pulang.
*berbagai tujuan*
 Analisis sensitivitas berupaya menilai dampak perubahan data
masukan atau parameter terhadap solusi yang diusulkan (yaitu
variabel hasil) karena memungkinkan fleksibilitas dan adaptasi
terhadap perubahan kondisi dan persyaratan situasi pengambilan
keputusan yang berbeda tentang keputusan yang ingin dijelaskan
guna meningkatkan kepercayaan pada model yang dapat
digunakan sebagai berikut :

1. Merevisi model untuk menghilangkan sensitivitas yang terlalu

besar
2. Menerima dan menggunakan dunia nyata yang sensitif (dan
karenanya rentan), yang mengarah pada pemantauan terus
menerus dan dekat terhadap hasil aktual.
3. Memperoleh estimasi yang lebih baik atas variabel-variabel
eksternal yang sensitif
*analisis sensitivitas*
Analisis ini biasanya disusun sebagai solusi (jika variabel
dimasukkan), asumsi, atau perspektif yang akan diubah, misal :
Apa yang akan terjadi pada persediaan gudang jika
pencapaian menurun hingga 20%??
Bagaimana statistika pendapatan melonjak drastis jika
persedian tersisa 10%?
Dengan gambaran tentang hal tersebut dapat disimpulkan jika
mudah bagi perusahaan dalam mempertimbangkan efektivitas
langsung terhadap kasus client yang dapat menjadi nilai tambah
bagi dalam menetapkan keputusan baru.

*analisis bagaimana-jika*
 5. Pengantar Simulasi
Dalam sistem pengambilan keputusan, simulasi adalah teknik untuk melakukan eksperimen (misalnya
analisis bagaimana-jika) dengan komputer pada model sistem manajemen. Proses simulasi biasanya
mengulangi percobaan berkali-kali untuk mendapatkan perkiraan (dan varians) dari dampak
keseluruhan dari tindakan tertentu. Biasanya, situasi pengambilan keputusan nyata melibatkan
beberapa keacakan. Karena banyak situasi pengambilan keputusan berhubungan dengan situasi semi
terstruktur atau tidak terstruktur, kenyataan bersifat kompleks, yang mungkin tidak mudah
direpresentasikan dengan optimasi atau model lain namun seringkali dapat ditangani dengan
simulasi.

Karakteriitk Simulasi :
1. Simulasi biasanya melibatkan pembangunan model realitas sejauh praktis
2. Simulasi merupakan suatu teknik untuk melakukan percobaan
3. , Simulasi biasanya digunakan hanya ketika suatu masalah terlalu kompleks untuk
ditangani menggunakan teknik optimasi numerik
Metodolog Simulasii
 Keuntungan dan Kekurangan Simulasi :

1. Keuntungan :
Model ini dibangun dari sudut pandang perusahaan
Mencakup kompleksitas permasalahan yang nyata; penyederhanaan tidak diperlukan. Misalnya,
simulasi dapat menggunakan distribusi probabilitas nyata daripada perkiraan distribusi teoretis.
Simulasi bersifat deskriptif dan bukan normatif. Hal ini memungkinkan manajer untuk mengajukan
pertanyaan bagaimanajika. Manajer dapat menggunakan pendekatan coba-coba (trial-and-error)
dalam memecahkan masalah dan dapat melakukannya dengan lebih cepat, dengan biaya yang lebih
sedikit, lebih akurat, dan dengan risiko yang lebih kecil.

2. Kekurangan :
Konstruksi model simulasi bisa menjadi proses yang lambat dan mahal, meskipun merupakan proses
yang lebih baru yang lebih mudah digunakan
Perangkat lunak simulasi terkadang memerlukan keahlian khusus karena kompleksitasnya
penyelesaian formal
 6. SIMULASI VISUAL INTERAKTIF
1. Kekurangan Simulasi Konvensional yaitu metode yang deskriptif serta berbasis
matematika untuk mendapatkan wawasan tentang situasi pengambilan keputusan
yang kompleks. Namun, simulasi tidak biasanya memungkinkan pembuat
keputusan untuk melihat bagaimana solusi untuk masalah yang kompleks
berevolusi selama (kompresi) waktu, juga tidak dapat pengambil keputusan
berinteraksi dengan simulasi. (which would be useful for training purposes and
teaching).
2. Simulasi Interaktif Visual (VIS/VIM/VI Problem Solving), yaitu metode simulasi
yang memungkinkan pembuat keputusan untuk melihat apa yang dilakukan model
dan bagaimana ia berinteraksi dengan keputusan yang dibuat, saat mereka
dibuat. Teknik ini telah digunakan dengan sukses dalam analisis operasi di
banyak bidang seperti rantai pasokan dan perawatan kesehatan. Pembuat
keputusan yang menggunakan VIS umumnya mendukung dan mempercayai
hasilnya.
3. VIM dan DSS telah digunakan dalam beberapa keputusan manajemen operasi.
Metode ini terdiri dari priming (seperti priming pompa air) model interaktif
visual dari pabrik (atau perusahaan) dengan status saat ini. Model itu kemudian
berjalan dengan cepat di komputer, memungkinkan manajer untuk mengamati
bagaimana pabrik kemungkinan akan beroperasi di masa depan. Waiting-line
management (queuing) adalah contoh yang baik dari VIM. DSS seperti itu
biasanya menghitung beberapa ukuran kinerja untuk berbagai alternatif
keputusan. (e.g., waiting time in the system). Masalah garis tunggu yang
kompleks membutuhkan simulasi.
4. Simulation Software, yaitu sistem pengambilan keputusan berbasis web.
Perangkat lunak komersial utama untuk simulasi kejadian diskrit adalah Arena
(dijual) seperti PC Software Analytics (Lumina Decision System atau lumina,com)
dan add-in Excel Crystal di oracle.com), dan @RISK (Palisade Corp atau
palisade).
 7. KESIMPULAN
Menggambarkan pentingnya pengambilan keputusan menggunakan model analitis,
khususnya analisis preskriptif. Terdapat penekanan pada potensi besar profesi
analitik yang berkembang dengan memanfaatkan wawasan deskriptif dan prediktif
untuk membantu pengambil keputusan membuat keputusan yang lebih baik.
Analisis preskriptif melibatkan penggunaan model matematis, seringkali dikaitkan
dengan ilmu data, untuk membantu pengambil keputusan memahami hubungan
variabel dan mengoptimalkan keputusan dengan mempertimbangkan berbagai
faktor. Prasyarat penting dari analisis preskriptif adalah pemahaman terhadap
apa yang telah terjadi dan apa yang mungkin terjadi di masa depan.
Analisis preskriptif melibatkan penggunaan model matematis, seringkali dikaitkan
dengan ilmu data, untuk membantu pengambil keputusan memahami hubungan
variabel dan mengoptimalkan keputusan dengan mempertimbangkan berbagai
faktor. Prasyarat penting dari analisis preskriptif adalah pemahaman terhadap
apa yang telah terjadi dan apa yang mungkin terjadi di masa depan.
 7. KESIMPULAN
Dalam konteks pengambilan keputusan manajemen, analisis sensitivitas memainkan
peran penting dalam mengevaluasi dampak perubahan data masukan atau
parameter terhadap solusi yang diusulkan. Ini memberikan fleksibilitas dan
adaptasi terhadap perubahan kondisi dan persyaratan.
Simulasi, sebagai teknik eksperimen komputer pada model sistem manajemen,
memberikan wawasan yang mendalam terhadap kompleksitas situasi pengambilan
keputusan nyata. Meskipun simulasi memiliki kelebihan seperti mampu mencakup
kompleksitas permasalahan nyata, konstruksi model simulasi bisa menjadi proses
yang lambat dan mahal.
Simulasi interaktif visual, seperti VIS/VIM/VI Problem Solving, memungkinkan
pembuat keputusan melihat dan berinteraksi dengan model saat keputusan dibuat,
memberikan kelebihan tambahan dalam pemahaman dan dukungan keputusan.
 7. KESIMPULAN

Secara keseluruhan, kami menyoroti pentingnya

model analitis, analisis preskriptif, dan teknologi
dalam memajukan kemampuan pengambil keputusan
untuk membuat keputusan yang lebih baik dan lebih
informasional.