terbiasa dengan ide pokok dasar konsep dan definisi tool...

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

FIGURE 5.1 An Influence Diagram for the Profit Model.

~

Amount used in advertisementProfit

Income

Expense

Unit Price

Units Sold

Unit Cost

Fixed Cost

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 kegiatan-kegiatabn 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