SPK Day 03 Pemodelan dan Analisa

Pemodelan dan Analisa
Pemodelan dan Analisa
Komponen pokok DSS
 Dasar model dan Manajemen model
 Perhatian: topik sulit yang akan datang

 Terbiasa dengan ide pokok
 Dasar konsep dan definisi
 Tool dan diagram pengaruh
 Model secara langsung di spreadsheet
Pemodelan dan Analisa

Struktur dari beberapa model yang sukses
dan metodologi:





Analisa keputusan
Pohon keputusan
Optimisasi
Program heuristik
Simulasi
Perkembangan baru dalam tool
pemodelan/teknik
 Isu penting di dalam dasar model
manajemen

Topik Pemodelan dan Analisa













Pemodelan untuk MSS
Model statik dan dinamik
Keputusan dengan: kepastian, ketidakpastian dan resiko
Diagram pengaruh
Model MSS di Spreadsheet
Analisa keputusan dari beberapa alternatif (tabel keputusan
dan pohon)
Optimisasi dengan menggunakan program matematika
Program heuristik
Simulasi
Model multidimensional – OLAP
Model interaktif visual dan simulasi interaktif visual
Paket perangkat lunak kuantitatif OLAP
Dasar model manajemen
Model untuk MSS
Elemen kunci dalam kebanyakan DSS
 Hal yang perlu di dalam dasar model
DSS
 Bisa mengarah pengurangan ongkos
yang sangat besar/menaikkan
penghasilan

Contoh yang baik dari model MSS
Model simulasi pada sistem rail DuPont
(opening vignette)
 Model restruktur dari optimisasi Supply
Chain dari Procter & Gamble
 Pemilihan sebuah supplier pada Scott
Homes dengan AHP
 Optimisasi IMERYS dalam Model
produksi lumpur

Pokok dalam isu pemodelan
Identifikasi masalah
 Analisa lingkungan
 Identifikasi variabel
 Peramalan
 Macam model yang digunakan
 Kategori model atau seleksi
 Model manajemen
 Model berdasarkan pengetahuan

Diagram pengaruh





Representasi dengan grafik dari sebuah model
Model dari model
Komunikasi visual
Beberapa paket dibuat dan memecahkan model
matematika
Framework untuk menyatakan relasi model MSS:




Segiempat = sebuah variabel keputusan
Lingkaran = variabel tak terkendali atau variabel antara
Oval = variabel hasil (hasil antara atau hasil akhir)
Variabel terhubungkan dengan panah
Unit Price
~
Amount used in advertisement
Income
Units Sold
Profit
Expense
Unit Cost
Fixed Cost
FIGURE 5.1 An Influence Diagram for the Profit Model.
Diagram pengaruh analitika dari masalah
pemasaran: Model pemasaran
Submodel harga analitika
Submodel penjualan
Model MSS di spreadsheet
Spreadsheet: alat modeling yang paling
populer bagi end-user.
 Fungsi-fungsi yang paling bermanfaat
 Fungsi-fungsi tambahan dan
pemecahan permasalahan
 Penting untuk analisa, perencanaan,
pemodelan
 Pemrograman macro.

 Apabila
menganalisa
 Mencari tujuan
 Manajemen basis data
sederhana
 Buku text terpadu
 Microsoft Excel
 Lotus 1-2-3
Optimisasi dengan program matematika

Program linier/Linear programming (LP)
digunakan secara luas di DSS

Program matematika
 Sekumpulan perangkat lunak pemecahan
masalah manajerial dalam mengalokasikan
keterbatasan sumber daya untuk menunjang
berbagai kegiatan untuk mengoptimalkan
tercapainya tujuan.
Karakteristik masalah pengalokasian
program linier
1. Keterbatasan kuantitas sumber daya
ekonomi
2. Sumber daya digunakan di dalam produksi
sebuah produk dan pelayanan
3. Dua atau lebih jalan solusi (program) untuk
menggunakan sumber daya
4. Setiap kegiatan (produk atau pelayanan)
menghasilkan sesuatu dalam bentuk tujuan
yang dicapai
5. Alokasi umumnya dibatasi oleh kendala
Model alokasi program linier

Asumsi rasional dari ekonomi:
1. Hasil dari alokasi bisa dibandingkan dengan
satuan yang sama
2. Hasil bebas
3. Hasil total adalah jumlah hasil kegiatankegiatan yang berbeda
4. Semua data diketahui secara pasti
5. Sumber daya digunakan dengan cara yang
paling ekonomis

Solusi optimal: terbaik, yang didapat
secara algoritma
Program linier
Variabel keputusan (Decision variables)
 Fungsi tujuan (Objective function)
 Koefisien fungsi tujuan (Objective
function coefficients)
 Kendala (Constraints)
 Kapasitas (Capacities)
 Koefisien teknologi [Input-output
(technology) coefficients]

Program Heuristik





Pengurangan pencarian
Mendapat solusi memuaskan dengan lebih
cepat dan lebih murah
Cari aturan untuk memecahkan masalah
yang kompleks
Cari solusi layak yang cukup terhadap
masalah yang kompleks
Heuristik bisa jadi:
 Quantitatif
 Qualitatif
Kapan menggunakan heuristik
1. Dalam kepastian atau data masukan terbatas (in exact or
limited input data)
2. Kenyataan yang kompleks (Complex reality)
3. kehandalan, algorithma yang eksak belum
tersedia(Reliable (exact algorithm not available)
4. Penggunaan waktu komputasi terlalu banyak
(Computation time excessive)
5. Untuk memperbaiki efisiensi dari optimisasi (To improve
the efficiency of optimization)
6. Untuk memecahkan masalah yang kompleks (To solve
complex problems)
7. Untuk pemecahan secara simbolik (For symbolic
processing)
8. Untuk membuat keputusan yang cepat (For making quick
decisions)
Kegunaan dari heuristik
1. Gampang di mengerti: lebih mudah
mengimplementasikan dan menjelaskan
2. Menolong orang menjadi kreatif
3. Menghemat waktu formulasi
4. Menghemat pemrograman dan memori pada komputer
5. Menghemat waktu perhitungan
6. Sering menghasilkan banyak solusi yang bisa diterima
7. Kemungkinan untuk mengembangkan sebuah solusi
dengan ukuran kualitas
8. Dapat melakukan pencarian dengan cerdas
9. Dapat memecahkan model masalah yang sangat kompleks
Keterbatasan dari heuristik
1. Tidak menjamin dapat solusi optimal
2. Terlalu banyak pengecualian
3. Keputusan berurutan bisa saja tidak
mengantisipasi kosenkuensi yang akan
datang
4. Ketergantungan dari sub-sistem bisa
mempengaruhi sistem secara keseluruhan
 Heuristik secara sukses diaplikasikan untuk
routing kendaraan
Tipe dari Heuristik
Konstruksi (Construction)
 Perbaikan (Improvement)
 Program matematis (Mathematical
programming)
 Dekomposisi (Decomposition)
 Partisi (Partitioning)

Methode Heuristik Modern

Pencarian dengan tabulasi (Tabu search)

Algorithma Genetika (Genetic
algorithms)

Simulasi dengan beberapa asumsi
Question?
End of Session