Optimasi masalah dengan sedikit alternatif Temukan solusi terbaik dari sejumlah kecil Tabel keputusan, pohon keputusan, proses
alternatif hierarki analisis
Optimasi melalui algoritma Temukan solusi terbaik dari banyak alternatif, Linier dan model pemrograman matematis
menggunakan proses perbaikan langkah demi lainnya, model jaringan
langkah
Pengoptimalan melalui rumus analisis Temukan solusi terbaik dalam satu langkah Beberpa model inventaris
menggunakan rumus
Simulasi Temukan solusi yang cukup baik atau yang Beberapa jenis simulasi
terbaik di antara alternatif yang diperiksa,
menggunakan eksperimen
Heuristik Temukan solusi yang cukup baik, dengan Pemrograman heuristik, sistem pakar
menggunakan aturan
Model prediktif Memprediksi masa depan untuk skenario Modal peramalan, analisis markov
tertentu
03 Our 04 Enrollment
Teachers Process
You can describe the You can describe the
topic here topic of here
Kategori Model
Model Manajemen
Dinamis Model
Analisis
multidimensi
Struktur Model Matematis
Untuk Penunjang Keputusan
Komponen Model Matematis Pendukung
Keputusan
Model Kuantitatif
Variabel Keputusan
Variabel Hasil
Variabel atau
parameter yang
Variabel hasil tidak dapat
intermediasi dikendalikan
Struktur Model
Matematis
P=R–C
P= keuntungan
R= pendapatan
C= biaya
Persamaan ini menggambarkan
hubungan antar variabel.
KEPASTIAN, KETIDAKPASTIAN, DAN RISIKO
Pengambilan keputusan dengan asumsi kepastian, ketidakpastian, dan risiko
Pengambilan keputusan dengan asumsi kepastian merupakan nilai dari seluruh variable yang
mempengaruhi keputusan, termasuk nilai-nilai tentang masa depan, semuanya diketahui atau
diasumsikan telah diketahui.
Pengambilan keputusan dengan risiko merupakan nilai yang tepat dari suatu variabel
keputusan tidak diketahui, tetapi distribusi probabilitas statistiknya diketahui (atau dapat
diasumsikan).
Pengambilan keputusan dengan ketidakpastian bahkan data tentang distribusi probabiltas pun
tidak dapat diketahui.
01 kepastian
Pengambilan keputusan dengan asumsi kepastian dapat diterapkan dengan model matematika
yang akan menghasilkan solusi optimal.
LANJUTAN
Penerapan pengambilan keputusan dengan asumsi ketidakpastian
Pengambilan keputusan dengan ketidakpastian dapat diterapkan, pertama, dengan mencoba untuk
02 mendapatkan informasi lebih lanjut. Jika hal ini tidak mungkin atau jika ketidakpastian tetap ada setelah hal ini
dilakukan, maka perlu untuk mengevaluasi berbagai macam hasil dari berbagai nilai yang mungkin muncul
dari berbagai macam variabel keputusan. Pilihan kemudian tergantung pada sikap si pembuat keputusan
terhadap risiko. Misalnya, salah satu solusi mungkin memiliki nilai yang lebih tinggi dari solusi yang lain, tetapi
juga kemungkinan memiliki risiko negatif yang lebih tinggi. Seorang manajer dengan kecenderungan untuk
berjudi mungkin memilih solusi itu, sedangkan manajer yang lebih konservatif dan menghindari risiko akan
memilih solusi yang menawarkan imbal hasil yang lebih rendah tetapi juga meminimalkan kemungkinan
kerugian.
Penerapan pengambilan keputusan dengan berbagai asumsi risiko
Pengambilan keputusan dengan risiko yang diterapkan dapat ditangani dengan cara mempertimbangkan
03 distribusi probabilitas dari berbagai variabel keputusan dan menerapkan melalui model dengan distribusi
tersebut. Hasilnya akan menjadi distribusi berbagai macam hasil. Perhatikan bahwa rata-rata dari
distribusi berbagai macam hasil seringkali bukan hasil yang diperoleh ketika mengampil keputusan
dengan asumsi kepastian jika setiap variabel memiliki nilai rerata nya. Hal ini karena, dalam model yang
kompleks, berbagai variabel keputusan berinteraksi dengan cara yang kompleks dan efeknya tidak
selalu terlihat jelas. Pendekatan lain untuk masalah dengan asumsi risiko adalah dengan cara memilih nilai
yang acak dari distribusi probabilitas masing-masing variabel keputusan dan kemudian menjalankan
modelnya, dengan asumsi kepastian, dengan nilai-nilai tersebut. Hal ini diulang sampai didapatkan hasil
dari distribusi statistiknya. Pendekatan ini digunakan ketika model yang digunakan terlalu kompleks bila
KASUS : Perusahaan Babi di Chili
Produksi daging babi di Chili terkonsentrasi di sejumlah kecil
produsen dan menempati urutan kedua di dunia. Pada 2015, ekspor
daging babi bernilai sekitar $ 467 juta. Variasi produk telah meningkat dari
50 di tahun 2007 menjadi 400 saat ini. Industri daging babi Chili yang
sedang berkembang mengekspor ke seluruh dunia tetapi juga menghadapi
Hasil persaingan ketat dari negara lain. Untuk mempertahankan daya saingnya,
perusahaan Chili tertarik untuk mengembangkan sistem yang
DSS mengurangi waktu yang diperlukan mengoptimalkan perencanaan produksi, inventaris, dan operasi
untuk memperoleh perkiraan perencanaan penyimpanan di rumah pemotongan hewan mereka, sehingga mengurangi
produksi, pelanggaran kontrak karena penundaan kehilangan daging. Sistem seperti itu harus mudah digunakan,
produksi, dan kerugian dalam kualitas produk. mengakomodasi banyak masalah dan jangka waktu, dan memungkinkan
pengguna untuk terhubung dengan Microsoft Excel.
DSS mengurangi waktu yang diperlukan untuk
mendapatkan jadwal mingguan dengan Sistem pendukung keputusan dikembangkan untuk
mengambil file excel sebagai input dan meminimalkan biaya produksi, penyimpanan, dan kehilangan daging.
memprosesnya. Sebelumnya, dibutuhkan dua DSS ini membaca beberapa file Excel sebagai input. Antarmuka DSS
insinyur dan lebih dari tiga jam setiap minggu diprogram dalam Visual Studio 2010, dan model pengoptimalan
untuk menyiapkan jadwal mingguan. Selain itu, (analitik preskriptif) dijalankan dalam perangkat lunak komersial. Ada
DSS mengizinkan perusahaan untuk empat model pengoptimalan dalam DSS ini, dan pengguna dapat
memperkirakan hasil produksi yang sebenarnya memilih opsi perencanaan yang diinginkan untuknya. Model
menurut potongan yang berbeda dan varietas pengoptimalan ini adalah:
babi. DSS juga memasukkan catatan masukan
a. Model Perencanaan Harian untuk Pemotongan dan Pengepakan
dan keluaran produksi, sehingga memungkinkan
b. Model Perencanaan Mingguan untuk Pemotongan dan
untuk memperoleh hasil dari laporan analisis
Pengepakan
produksi. c. Model untuk Manajemen Sistem Pendinginan
d. Model Manajemen Penyimpanan
Pemodelan Sistem Pendukung Management
Dengan Spreadsheet
Pengertian
spreadsheet
"Sebuah program yang dirancang untuk melakukan tugas-tugas komputasi
umum yang lebih mengutamakan menggunakan hubungan spasial dibandingkan
dengan proses eksekusi sekuensial sebagai prinsip utama dalam sistem
pengorganisiannya." (Wikipedia).
’’Sebuah program komputer dimana angka-angka yang diatur dalam baris dan
kolom dari suatu grid dapat dimanipulasi dan digunakan dalam perhitungan’’
(Oxford American Dictionary)
Pengertian spreadsheet add-in dan Cara kerja add-ins bisa membantu dan
digunakan dalam DSS (Decision Support Systems atau Sistem Pendukung
Keputusan)
Spreadsheet sangat enak digunakan untuk DSS karena menyediakan cara yang mudah dipahami
untuk perhitungan dan biasanya menggabungkan banyak fungsi pemodelan yang kuat. Fitur
spreadsheet penting lainnya termasuk analisis, pencarian tujuan, manajemen data, dan
kemampuan program (yaitu, makro). Dengan spreadsheet, mudah untuk mengubah nilai sel dan
langsung melihat hasilnya. Pencarian tujuan dilakukan dengan menunjukkan sel target, nilai yang
diinginkan, dan sel yang berubah. Manajemen database yang luas dapat dilakukan dengan
kumpulan data kecil, atau bagian dari database dapat diimpor untuk analisis (yang pada dasarnya
adalah cara kerja OLAP dengan kubus data multidimensi; faktanya, sebagian besar sistem OLAP
memiliki tampilan dan nuansa perangkat lunak spreadsheet tingkat lanjut setelah data dimuat).
Template, makro, dan alat lainnya meningkatkan produktivitas pembuatan DSS. Sebagian besar
paket spreadsheet menyediakan integrasi yang cukup mulus karena mereka membaca dan menulis
struktur file umum dan dengan mudah berinteraksi dengan database dan alat lainnya. Microsoft
Excel adalah paket spreadsheet paling populer.
Kasus : Metro Meals on Wheels Treasure Valley Metode
Menggunakan Excel untuk Menemukan Rute
Pengiriman yang Optimal
Untuk mengatasi masalah perutean, alat berbasis spreadsheet
Meals on Wheels Association of America (sekarang Meals on Wheels dikembangkan. Alat ini dengan muda memasukkan informasi
America) adalah organisasi nirlaba yang mengirimkan sekitar satu tentang penerima seperti nama, kebutuhan makan, dan alamat
juta makanan ke rumah lansia yang membutuhkan di seluruh pengiriman. Informasi ini perlu diisi dalam spreadsheet untuk
Amerika Serikat. Metro Meals on Wheels Treasure Valley adalah setiap perhentian di rute tersebut. Selanjutnya, fungsionalitas
cabang lokal dari Meals on Wheels America yang beroperasi di Visual Basic for Applications Excel digunakan untuk mengakses
Idaho. Cabang ini memiliki tim relawan pengemudi yang pemrograman aplikasi peta jaringan (API). API ini digunakan untuk
mengemudikan kendaraan pribadinya setiap hari untuk membuat matriks perjalanan yang menghitung waktu dan jarak
mengantarkan makanan kepada 800 klien di sepanjang 21 rute dan yang dibutuhkan untuk pengiriman makanan. Alat ini memberikan
mencakup area seluas 2.745 kilometer persegi. Organisasi Meals on informasi waktu dan jarak untuk 5.000 pasang lokasi sehari tanpa
Wheels Treasure Valley menghadapi banyak masalah. Pertama, biaya apapun. Saat program dimulai, API MapQuest pertama kali
mereka ingin meminimalkan waktu pengiriman karena makanan yang memvalidasi alamat penerima makanan yang dimasukkan.
dimasak sensitif terhadap suhu dan mudah rusak. Mereka ingin Kemudian program menggunakan API untuk mengambil jarak
mengantarkan makanan yang sudah dimasak dalam waktu 90 menit. mengemudi, perkiraan waktu mengemudi, dan instruksi untuk
Kedua, proses penjadwalan sangat memakan waktu. Dua karyawan mengemudi di antara semua perhentian dalam rute. Alat tersebut
menghabiskan sebagian besar waktu mereka mengembangkan rute kemudian dapat menemukan rute optimal hingga 30 perhentian
pengiriman yang dijadwalkan. Seorang koordinator rute menentukan dalam batas waktu yang memungkinkan.
perhentian sesuai dengan jumlah penerima makanan untuk hari
tertentu. Setelah menentukan pemberhentian, koordinator membuat
urutan pemberhentian yang meminimalkan waktu tempuh relawan.
Jadwal perutean ini kemudian dimasukkan ke dalam alat online untuk
menentukan instruksi bagi pengemudi. Seluruh proses penentuan
rute secara manual memakan banyak waktu ekstra.
Hasil
Pendekatan dalam pemrograman linear (Linear Programming/LP) melibatkan baik asumsi ekonomi maupun teknis.
Beberapa asumsi ekonomi adalah:
a. Imbal balik dari berbagai alokasi yang berbeda-beda dapat diukur dengan unit ukuran yang umum (misalnya,
dolar, utilitas, dsb).
b. Imbal balik dari suatu alokasi adalah independen dari alokasi lainnya.
c. Imbal balik total adalah jumlah dari semua imbal balik yang dihasilkan oleh berbagai kegiatan yang berbeda-
beda.
d. Semua data diketahui dengan pasti.
e. Sumber daya harus digunakan dengan cara yang paling ekonomis.
Beberapa asumsi teknis adalah:
f. Fungsi yang bersifat tujuan (yang harus dimaksimalkan) adalah kombinasi linear dari berbagai macam output.
g. Masing-masing output (variabel keputusan) menggunakan kombinasi linear dari berbagai inputnya.
h. Batasan-batasan pada input adalah ketidaksamaan linear (atau konstanta, yang merupakan kasus khusus
dari linear).
Karakteristik dari Pemrograman Linear LANJUTAN
Pemrograman linear merupakan metode optimasi yang digunakan untuk memecahkan masalah dimana fungsi
yang bersifat tujuan dan berbagai batasannya semuanya adalah linear. Pemrograman linear bersandar pada
asumsi yang ada dalam jawaban sebelumnya. Masalah-masalah dalam pemrograman linear bias diselesaikan
dengan berbagai perangkat lunak pada semua computer.
Permasalahan Alokasi
Masalah alokasi merupakan masalah pemrograman linear dimana sumber daya yang terbatas dapat
dialokasikan diantara beberapa kemungkinan penggunaan, yang masing-masing menghasilkan imbal
balik yang diketahui per unit nya dan juga mengikuti batasan-batasannya.
Masalah produk-campuran (product-mix) adalah masalah pemrograman linear di mana berbagai produk yang berbeda yang
terbuat dari sumber daya (material) yang sama. Masing-masing produk membutuhkan campuran sumber daya (material) yang
diketahui dan juga memiliki profitabilitas diketahui. Beberapa sumber daya (material) nya terbatas. Tujuannya supaya total
profitabilitas bisa dimaksimalkan. Masalah produk-campuran dapat dilihat sebagai suatu masalah alokasi. Perbedaannya
adalah bahwa seseorang yang merumuskan masalah sebagai masalah produk-campuran biasanya menaruh perhatian pada
jumlah setiap produk yang akan diproduksi, sementara orang yang merumuskan masalah yang sama sebagai masalah alokasi
biasanya menaurh perhatian pada jumlah masing-masing sumber daya yang digunakan. Solusinya sama saja, dan masing-
masing pendekatan dapat menghasilkan kedua jawaban tersebut.
Masalah Kombinasi (blending)
Masalah kombinasi (blending) adalah masalah pemrograman linear dimana sumber daya
dapat digunakan dalam berbagai cara yang berbeda untuk membuat produk akhir yang
diinginkan. Cara dimana sumber daya dikombinasikan untuk mencipatkan karakteristik
produk akhir diketahui sebelumnya. Total biaya dari produk akhir harus diminimalkan.
Beberapa model optimasi umum antara lain meliputi masalah tentang penugasan/shift,
pemrograman dinamis, goal programming, investasi, pemrograman linear dan integer,
model jaringan untuk perencanaan dan penjadwalan, penggantian (penganggaran untuk
modal), model untuk inventory sederhana (misalnya, jumlah order ekonomis) dan
transportasi (meminimalkan biaya pengiriman, optimasi rute).
Contoh Penerapan
Model LP standar dapat dikembangkan untuk masalah MBI Corporation. Seperti yang
dibahas dalam Technology Insights 6.1, model LP memiliki tiga komponen: variable keputusan,
variabel hasil, dan variabel yang tidak dapat dikontrol (kendala). Model ini juga memiliki komponen
tersembunyi keempat. Setiap model LP memiliki beberapa variabel perantara internal yang tidak
dinyatakan secara eksplisit. Batasan tenaga kerja dan anggaran mungkin masing-masing memiliki
kelonggaran di dalamnya ketika sisi kiri lebih kecil dari sisi kanan. Slack ini diwakili secara internal
oleh variable slack yang menunjukkan kelebihan sumber daya yang tersedia. Batasan persyaratan
pemasaran masing-masing mungkin memiliki kelebihan di dalamnya ketika sisi kiri benar-benar
lebih besar daripada sisi kanan. Surplus ini diwakili secara internal oleh variabel surplus yang
menunjukkan bahwa ada beberapa ruang untuk menyesuaikan sisi kanan dari kendala ini. Variabel
kelonggaran dan kelebihan ini adalah perantara.
Model campuran produk memiliki kemungkinan solusi yang tak terbatas. Dengan asumsi bahwa rencana
produksi tidak terbatas pada bilangan bulat dalam rencana produksi bulanan. Hasil yang diinginkan adalah
memaksimalkan keuntungan total: solusi optimal. Untungnya, Excel dilengkapi dengan Add-in Solver, yang
dapat dengan mudah mendapatkan solusi optimal (terbaik) untuk masalah ini. Meskipun lokasi add-in Solver
telah dipindahkan dari satu versi Excel ke versi lain, itu masih tersedia sebagai add-in gratis. Cari di bawah
tab Data dan di pita Analisis. Jika tidak ada, Anda dapat mengaktifkannya dengan membuka Menu
Opsi Excel dan memilih Add-in.
Variabel keputusan adalah sebagai berikut:
X 1 = unit CC - 7 yang akan diproduksi
X 2 = unit CC - 8 yang akan diproduksi
Variabel hasil adalah sebagai berikut:
Keuntungan total = Z
Tujuannya adalah untuk memaksimalkan
keuntungan total:
Z = 8.000 X 1 + 12.000 X 2
Variabel yang tidak dapat dikontrol (kendala)
adalah sebagai berikut:
Latihan kontra tenaga kerja: 300 X 1 + 500 X 2 …
200.000 (dalam hari)
Analisis Sensitivitas
Analisis sensitivitas sangat Analisis sensitivitas digunakan untuk:
penting dalam analitik ● Merevisi model untuk menghilangkan sensitivitas
preskriptif karena yang terlalu besar
memungkinkan fleksibilitas dan ● Menambahkan detail tentang variabel atau
adaptasi terhadap kondisi skenario sensitif
yang berubah dan ● Memperoleh perkiraan yang lebih baik dari
persyaratan situasi variabel eksternal sensitif
pengambilan keputusan yang ● Mengubah sistem dunia nyata untuk mengurangi
berbeda, memberikan kepekaan yang sebenarnya
pemahaman yang lebih baik ● Menerima dan menggunakan dunia nyata yang
tentang model dan situasi sensitif (dan karenanya rentan), yang mengarah
pengambilan keputusan yang pada pemantauan yang terus menerus dan cermat
coba dijelaskan, dan terhadap hasil aktual
memungkinkan manajer untuk
memasukkan data untuk
meningkatkan kepercayaan
Analisis Sensitivitas
Analisis sensitivitas menguji hubungan seperti berikut
ini:
● Dampak perubahan variabel dan parameter
eksternal (tidak terkendali) pada
● variabel hasil
● Dampak perubahan variabel keputusan pada
variabel hasil
● Pengaruh ketidakpastian dalam mengestimasi
variabel eksternal
● Pengaruh interaksi dependen yang berbeda antar
variabel
● Kekokohan keputusan dalam kondisi yang berubah
Analisis Sensitivitas
Otomatis Percobaan dan Kesalahan
1. Teorinya cukup mudah Simulasi tidak akurat, karna teknik ini bukan
proses optimisasi dan tidak menghasilkan
sebuah jawaban tetapi hanya menghasilkan
sekumpulan output dari sistem pada berbagai
kondisi yang berbeda. Dalam banyak kasus
ketelitiannya sulit diukur.
2. Memberikan perkiraan sistem lebih nyata Model simulasi yang baik sangat mahal, bahkan
sering dibutuhkan waktu bertahun-tahun untuk
mengembangkan model yang sesuai.
3. Dapat menguji desain alat, layout dan sistem Tidak semua situasi dapat dievaluasi dengan
transparasi baru tanpa menghadirkannya simulasi.
secara langsung