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, ketidak pastian dan resiko Diagram pengaruh Model MSS di Spreadsheet Analisa keputusan dari beberapa alternatif(tabel keputusan dan pohon) Optimisasi dengan menggunakan program matematik 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 • Katagori 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 • Pneting untuk analisa, perencanaan, pemodelan • Pemrgraman macro.
• • • • • • •
Apa – bila menganalisa Mencari tujuan Manajemen basisdata sederhana Bukutext terpadu Microsoft Excel Lotus 1-2-3 Sebuah model statik dalam spreadsheet excel dari sebuah perhitungan pinjaman dari bayaran bulanan (Figure 5.3) • Sebuah model dinamik dalam spreadsheet Excel dari perhitungan pinjaman sederhana dari bayaran bulanan dan pengaruh dari prabayar (Figure 5.4)
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 didalam 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 denagn satuan yang sama 2. Hasil bebas 3. Hasil total adalah jumlah hasil kegiatankegiatabn 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 pencaharian • 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(Inexact or limited input data) 2. Kenyataan yang kompleks(Complex reality) 3. keandalan, 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 dimengerti: lebih mudah mengimplementasikan dan menjelaskan 2. Menolong orang menjadi kreatif 3. Menghemat waktu formulasi 4. Menghemat pemrograman dan memori pad komputer 5. Menghemat waktu perhitungan 6. Sering menghasilkan banyak solusi yangbisa diterima 7. Kemungkinan untuk mengembangkan sebuah dengan ukuran kualitas 8. Dapat 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
Simulasi • Teknik untuk melaksanakan percobaan dengan komputer dalam sebuah model dari sistem manajemen(Technique for conducting experiments with a computer on a model of a management system) • Sering digunakan sebagai alat dalam DSS(Frequently used DSS tool)
Karacteristik pokok dari simulasi • Menirukan dunia nyata dan menggunakan variabel pokok yang mempengaruhi dunia nyata • Salah satu cara untuk melaksanakan percobaan • Deskriptif, bukan merupakan perangkat lunak normatif • Sering digunakan untuk masalah yang sangat kompleks dan beresiko tinggi
Kegunaan dari Simulasi 1. Teorinya langsung pada model 2. Pengurangan waktu 3. Deskriptif, bukan normatif 4. Pembuat MSS membuat antar muka dengan manager untuk mendapatkan manfaat bagi manager tentang masalah yang dihadapi 5. Model dibuat dari persepektif seorang manager 6. Manager menginginkan tidak generalisasi pengertian. Masing-masing komponen menyatakan komponen masalah nyata (More)
7. Variasi yang luas di dalam tipe masalah 8. Bisa melaksanakan percobaan dengan variabel yang berbeda 9. Bisa untuk kehidupan nyata yang kompleks 10. Mudah untuk mendapatkan banyak penampilan secara langsung 11. Sering hanya perangkat model DSS untuk masalah yang tidak terstrutur 12. Paket Monte Carlo add-in spreadsheet (@Risk)
Keterbatasan dari Simulasi 1. Tidak ada jaminan solusi yang optimal 2. Dalam membangun model yang baik perlu waktu lama dan biaya yang besar 3. Tidak bisa memindahkan hasil dan menarik kesimpulan untuk memecahkan masalah yang lain 4. Begitu mudah menjual kepada manager, bisa terjadi solusi analitiknya salah 5. Perangkat lunak tidak user friendly
Methodologi Simulasi Model sistem nyata dan bisa melaksanakan percobaan berulang-ulang tanpa merusak sistem yang asli 1. Definisikan masalah 2. Bangun model simulasi 3. Test dan validasi model 4. Rancangan percobaan 5. Laksanakan percobaan 6. Evaluasi hasil 7. Solusi diimplementasikan
Tipe Simulasi • Simulasi Probabilistik – – – –
Distribusi diskrit Distribusi kontinyu Simulasi probabilistik via teknik Monte Carlo Simulasi yang tergantung pada waktu versus tidak tergantung pada waktu – Perangkat lunak simulasi – Visualisaai simulasi – Simulasi berorientasi objek
Pemodelan dengan multidimensi • Dilaksankan dalam proses secara online (online analytical processing (OLAP)) • Dari sebuah spreadsheet dan analisa perspektif • 2-D ke 3-D terus multiple-D • Perangkat lunak Model multidimensi: 16-D + • Model-OLAP multidimensional (Figure 5.6) • Alat bisa membandingkan, rotasi, dan memilah-milah dalam korporasi data silang dalam sudut pandang yang berbeda manajemen
Entire Data Cube from a Query in PowerPlay (Figure 5.6a)
Tampilan secara grafik dari layar pada Figure 5.6a (Figure 5.6b)
Environmental Line of Products by Drilling Down (Figure 5.6c)
Drilled Deep into the Data: Current Month, Water Purifiers, Only in North America (Figure 5.6d)
Visualisasi Spreadsheets • Pengguna dapat memvisualisasi model dan rumus-rumus dengan diagram pengaruh • Not cells--symbolic elements
Visual Interactive Modeling (VIM) dan Visual Interactive Simulation (VIS) • Visual interactive modeling (VIM) (DSS In Action 5.8) • Juga disebut – Visual interactive problem solving – Visual interactive modeling – Visual interactive simulation
• Menggunakan komputer grafik untuk menyatakan akibat dari keputusan manajemen yang berbeda • Bisa diintegrasikan dengan GIS • Penggunakan melaksanakan analisa sensitivitas • Sistem Statik ataudinamik (animation) systems (Figure 5.7)
Image yang dibangkitkan dari lalu lintas pad perpotongan dari Orca dengan Simulasi Visual Lingkungan (Figure 5.7)
Visual Interactive Simulation (VIS) • Pengambil keputusan berinteraksi dengan model simulasi dan memperhatikan hasilnya sepanjang waktu tertentu • Model Interaktif Visual dan DSS – VIM (Case Application W5.1 on book’s Web site) – Queueing
Paket perangkat lunak Kuantitatif – OLAP • Model yang diprogramkan bisa memeriksa waktu programing DSS • Beberapa model terdiri beberapa blok dari model yang lain – – – –
Paket Statistik Paket Manajemen science Manajemen Pendapatan Beberapa aplikasi spesifik DSS • Termasuk beberapa fungsi dalam Spreadsheet
Manajemen basis Model • MBMS: kemampuan hampir sama dg DBMS • Tetapi, tidak ada paket manajemen basis model yang komprehensif • Masing-masing organisasi menggunakan yang sedikit berbeda • Banyak klas-kals dari model • Dimana masing-masing klas mempunyai pendekatan soulusi yang berbeda • Beberapa MBMS membutuhkan ahli dan alasan
Kemampuan yang dibutuhkan dari MBMS • Kendalai(Control) • Elastis(Flexibility) • Umpan-balik(Feedback) • Antar muka(Interface) • Pengurangan duplikasi(Redundancy reduction) • Menaikkan konsistensi(Increased consistency)
Rancangan MBMS harus memberikan pengguna DSS Untuk: • 1. Access dan retrieve model yang ada. • 2. berlatih dan memanipulasi model yang ada • 3. Menyimpan model yang ada • 4. Menjaga model yang ada • 5. Membangun model baru dengan usaha yang beralsan
• Bahasa dalam pemodelan • Relasi MBMS • Basis model Object-oriented dan manajemennya • Model untuk database dan rancangan MIS dan manajemennya
RINGKASAN • Models memainkan peranan penting dalam DSS • Models bisa statik atau dinamik • Analisa bisa kondisi kepastian dan ketidakpastian – Influence diagrams – Spreadsheets – Decision tables and decision trees
• Model Spreadsheetdan hasil didalam diagram pengaruh • Optimisasi: program mathematik • (More)
• Program Linier berbasis ekonomi • Program Heuristik • Simulasi dengan situasi yang lebih kompleks • Expert Choice • Model Multidimensi-OLAP • (More)
• Paket Perangkat lunak kuantitatif-OLAP (statistical, etc.) • Visual interactive modeling (VIM) • Visual interactive simulation (VIS) • MBMS seperti DBMS • Teknik AI dalam MBMS
