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