SISTEM PENDUKUNG KEPUTUSAN

PEMODELAN dan Model Manajemen
Issue Pokok pemodelan
• Identifikasi Masalah
• Analisa Lingkungan
• Identifikasi Variabel
• Peramalan
• Penggunaan model berganda
• Katagori Model atau seleksi (Tipe dari Model)
• Manajemen Model


Tipe dari Model
Katagori Proces & Tujuan Teknik Representatif
Optimisasi dari masalah dengan beberapa alternatif Cari solusi terbaik dari sejumlah kecil alternatif Tabel keputusan, Pohon keputusan
Optimisasi melalui algorithma Cari solusi terbaik dari sejumlah besar alternatif bahkan dari alternatif tak terhingga dengan menggunakan proses perbaikan langkah-demi langkah Linier dan dan model programming matematika lainnya, model jaring kerja
Optimisasi melalui formula analitik Cari solusi terbaik dalam satu langkah dengan menggunakan formula Bebrapa model inventori
Simulasi cari solusi "yang cukup baik" atau terbaik diantara semua alternatif yang diperiksa dengan percobaan Bebrapa tipe model simulasi
Heuristics Cari solusi yang"cukup baik" menggunakan aturan Programming heuristik, sistem pakar
bebrapa model deskritif laninnya Cari "what-if" dengan menggunakan formula model finansial, antrean
Model peramalan Ramalan untuk waktu yang akan datang untuk skenario yang ditentukan Anlisa Markov, model peramalan

Model Statik dan Dinamik
• Analisa Statik
– Pengamantan sesaat dari suatu situasi
• Analisa Dinamik
– Model Dinamik Evaluasi skenario yang berubah setiap waktu
– Tergantung pada waktu
– Kecendrungan dan pola sepanjang waktu
– Perluasan model static

Perlakuan kepastian, ketidakpastian, dan Risko
• Model dengan kepastian

• Model dengan ketidakpastian

• Model dengan Risko

Analisa Keputusan dari beberapa alternatif
(Tabel keputusan dan Pohon)
Situasi Tujuan Tunggal

• Tabel Keputusan

• Pohon Keputusan

Tabel Keputusan
• Contoh Investasi

• Sat Tujuan: maximalkan penghasilan setelah satu tahun

• Pendapatan tergantyung dari status ekonomi
(status alam)
– Pertumbuhan yang matang/baik
– Keadaan tidak bergerak
– Inflasi

Situasi yang mungkin
1. Bila pertumbuhan dalam eknomi hutang penghasilan mencapai 12%; stocks 15%; waktu deposito 6.5%

2. Bila keadaan tetap, penghasilan hutang 6%; stocks 3%; waktu deposito 6.5%

3. Bila inflasi, penghasilan hutang 3%; stocks hilang 2%; waktu penghasilan deposito 6.5%

Tampilan masalah sebagai dua orang bermain (Two-Person Game)


• Variabel keputusan (alternatif)
• Uncontrollable Variabel tak terkendali (status dari ekonomi)
• Variabel penghasilan (penghasilan yang diproyeksikan)

Perlakuan ketidakpastian
• Pendekatan Optimistik approach
– Dipilih masing-masing keluaran terbaik dari masing-masing alternatif dan yang terbaik dari semua yang terbaik

• Pendekatan Pessimistik
– Dipilih keluaran terjelek dari semua alternantif dan selanjutnya pilih salah satu yang terbaik
Perlakuan terhadap Resiko
• Menggunakan peluang yang diketahui (Table 5.3)
• Pilih alternatif dengan nilai harapan terbesar

• Analisa Resiko: hitung nilai harapan dengan mengalikan dengan mengalikan keluaran yang sesuai dan kemudian dijumlahkan.

• Bisa saja bahaya

Tabel 5.3: Keputusan dengan resiko dan solusinya
Solid Stagnation Inflation Expected
Growth Value

Alternatives .5 .3 .2

Bonds 12% 6% 3% 8.4% *

Stocks 15% 3% -2% 8.0%

CDs 6.5% 6.5% 6.5% 6.5%

• Pohon keputusan
• Cara lain dari perlakuan resiko
– Simulasi
– Mencari faktor kepastian
– Fuzzy logic
• Tujuan ganda
• Penghasilan, keamanan, dan liquiditas (Table 5.4)

Tabel 5.4: Tujuan Ganda
Alternatives Yield Safety Liquidity

Bonds 8.4% High High

Stocks 8.0% Low High

CDs 6.5% Very High High

Optimisasi via linear programming
• Kasus : Mencari komposisi campuran untuk “sungold Paint”
• Kriteria
– Brilliance rating ³ 300 degrees
– Hue level ³ 250 degrees
• Brilliance dan hue ditentukan oleh a & b
• satu ounce dari a & b memberikan satu degree dari brilliance in one drum dari cat
• Hue dikendalikan dengan jumlah dari a
• satu ounce dari a memberikan 3 degrees hue dalam satu drum dari cat
• a = 45 cents/ounce & b = 12 cents/ounce
• Objektif: minimalkan biaya
• Tujuan: mencari jumlah dari a & b dari setiap drum cat ?
• Formulasi
– Decision variables:
• X1 = quantity of a
• X2 = quantity of b
– Solusi
• Cost = 45 X1 + 12 X2
– Brightness specification
• 1 X1 + 1 X2 ³ 300
– Hue specification
• 3 X1 + 0 X2 ³ 250
– Cost = 45 X1 + 12 X2
– Hasil
• X1 = 83,333 & X2 = 216,667
• Total Cost = $ 63,50

Formulasi Umum
• Variabel Keputusan : X1 & X2
• Fungsi Tujuan
– Tunjukkan hubungan antara variabel
– Tujuan Tunggal
– Tujuan ganda
• Pilih tujuan utama
• Transformasikan tujuan yang lain kendala
Optimisasi
• Maximalkan/minimalkan harga dari fungsi tujuan
• Koefisien dari fungsi tujuan
• Biaya = 45X1 + 12X2
– (45 & 12 = koefisien, X1 & X2 = variabel keputusan)
• kendala:
– LP à pemecahan masalah optimisasi dengan kendala
• Koefisien Input/output:
– Koefisien dari kendala
• Kapasitas/ketersediaan
– Nayatakan sebagai batas atas/batas bawah
– Kendala linier:
• 1 X1 + 1 X2 ³ 300
• 3 X1 + 0 X2 ³ 250
• (300 & 250 = kapasitas/kebutuhan, 1 & 3 & 0 = koefisen input/output


Read More......

Sistem Pendukung Keputusan (Decision Support System)

Pengambilan Keputusan
Pengantar
• Pembuatan Keputusan merupakan bagian kunci kegiatan:
– Eksekutif
– Manajer
– Karyawan
– Setiap manusia dalam kehidupannya
• George P. Huber
– Choice Making vs Problem Solving
Tipe-tipe keputusan
• Keputusan terprogram (struktur)
– Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak
– Bersifat rutin, berulang-ulang
• Keputusan tak terprogram (tidak terstruktur)
– Mengenai masalah khusus, khas, tidak biasa
– Kebijakan yang ada belum menjawab
– Mis. Pengalokasian sumber daya


Teknik Keputusan Terprogram
• Tradisional
– Kebiasaan
– Mengikuti prosedur baku
– Saluran informasi disusun dengan baik
• Modern
– Menggunakan teknik “operation research”:
• Formula matematika
• Simulasi komputer
– Berdasarkan pengolahan data berbantu komputer

Teknik Keputusan Tak Terprogram
• Tradisional
– Kebijakan intuisi berdasarkan kreativitas
– Coba-coba
– Seleksi dan latihan para pelaksana
• Modern
– Teknik pemecahan masalah yang diterapkan pada :
• Latihan pembuatan keputusan
• Penyusunan program komputer empiris
Proses pembuatan keputusan
• Pemahaman dan perumusan masalah
– Identifikasi gejala yang muncul
– Cari penyebabnya/masalah utama
– Cari bagian-bagian yang perlu dipecahkan
– Pergunakan analisis sebab-akibat
• Pengumpulan dan analisis data yang relevan
– Menentukan data yang relevan
– Mengumpulkan data
– Mencari pola dari data yang terkumpul
• Pengembangan alternatif-alternatif
– Berdasarkan data, disusun beberapa alternatif
– Untuk setiap alternatif susun pro & kontra, konsekuensi, resiko
– Semua alternatif harus feasible
Scope of Decision
• Perencanaan & Pengendalian Operasional :
– Dipusatkan pada efektifitas dan efisiensi pelaksanaan tugas-tugas yg spesifik.
– Berpengaruh pada aktivitas yg sedang berlangsung
– Contoh: Apa yang sebaiknya diproduksi saat ini?
• Manajemen Pengendalian dan Perencanaan Taktis
– Focus on effective utilization of resources
– Dipusatkan pada pemanfaatan sumber daya efektif
– more longer range planning horizon
– Cakupan Perencanaan cakupan lebih panjang
– Contoh: Apa yang sebaiknya diproduksi tahun depan?
• Perencanaan Strategis
– Kebijakan Dan Gol jangka panjang untuk alokasi sumber daya
– Contoh: Apa produksi baru yg harus ditawarkan?


Information Characteristics









Proses pembuatan keputusan (2)
• Evaluasi Alternatif-alternatif
– Nilai efektivitas dari setiap alternatif, tolok ukur
• Realistik bila dihubungkan dengan tujuan & sumber daya organisasi
• Seberapa jauh memecahkan masalah
• Pemilihan alternatif terbaik
– Berdasarkan alternatif, alternatif terbaik dipilih atau pilih kompromi dari beberapa alternatif
• Implementasi keputusan
– Susun rencana untuk menerapkan keputusan
– Disiapkan mekanisme laporan periodik
– Bila perlu bangun sistem peringatan dini
• Evaluasi hasil keputusan
Pembuatan keputusan secara kelompok : Keunggulan
• Adanya pengetahuan yang lebih luas
• Pencarian alternatif keputusan lebih luas
• Adanya kerangka pandangan yang lebar
• Resiko keputusan ditanggung kelompok
• Karena keputusan kelompok, setiap individu termotivasi untuk melaksanakan
• Dapat terwujudnya kreativitas yang lebih luas, karena adanya berbagai pandangan
Pembuatan keputusan secara kelompok : kelemahan
• Lempar tanggung jawab mudah terjadi
• Memakan waktu dan biaya lebih
• Efisiensi pengambilan keputusan menurun
• Keputusan kelompok dapat merupakan kompromi atau bukan sepenuhnya keputusan kelompok
• Bila ada anggota yang dominan, keputusan bukan mencerminkan keinginan kelompok
Alat bantu Pengambilan keputusan
• Decision Tree
• Metode operation research
– Linear programming, queuing theory
– Network analysis (ie. CPM)
• Bantuan komputer
– Information System, Expert System, DSS, EIS
Decision Tree













Linear Programming
X = jumlah motor yg diproduksi
Y = jumlah mobil yg diproduksi

Profit = 800X + 1500Y
Batasan Biaya produksi:
1000X + 2000Y <= 200.000 Batasan jumlah motor : X >= 50
Berapa X & Y agar Profit maksimum ?

Pengambilan Keputusan Managerial
• Manajemen adalah proses dalam mengatur pemakaian sumber daya yang ada (man, money, material, time, space, dsb) untuk mendapatkan keluaran yang sesuai dengan tujuan organisasi
• Ratio dari masukan dan keluaran menunjukkan produktivitas atau tingkat kesuksesan dari pelaku manajemen – manajer
• Tingkat produktivitas manajer tergantung dari kemampuan manajer mengeksekusi fungsi manajemen, yaitu planning, organizing, directing dan controlling

Pengambilan Keputusan (Dulu)
• Kemahiran yg didapat dari pengalaman yang bertambah
• Banyak aliran/gaya yang bisa digunakan untuk memecahkan masalah bisnis yang sama dengan sukses
• Perlu kreativitas, intuisi, pengalaman, kebijaksanaan – trial & error
• Tidak memakai metode kuantitatif yang sistematis berdasarkan pendekatan ilmiah


Pengambilan keputusan (sekarang)
• Lingkungan manajemen:
– Berubah dengan cepat menjadi makin kompleks dan besar
• Faktor-faktor yang mempengaruhi suatu keputusan makin banyak
• Sulit bergantung pada cara lama (trial & error, dsb)
• Manajer perlu bantuan teknologi komputer

Faktor-faktor yang mempengaruhi pengambilan keputusan
Faktor Perubahan Akibat
Teknologi Informasi dan Komputer Meningkat Banyak Alternatif yang harus dipilih
Kompleksitas Struktur Kompetisi Meningkat Biaya bila membuat kesalahan meningkat
Pasar Internasional Meningkat Ketidakpastian di masa yang akan datang
Kestabilan Politik Menurun
Konsumerisme Meningkat
Kebijaksanaan Pemerintah Meningkat

Pengambilan Keputusan Manajer
• Aplikasi komputer bergeser dari kegiatan proses transaksi dan monitoring kepada aplikasi analisis solusi permasalahan (problem analysis solution)
• Sistem informasi melayani manajer dalam kegiatan yang sangat penting – pengambilan keputusan (89-keatas, 80 % eksekutif menganggap komputer memegang peran penting)
• Pengembangan ditingkatkan kepada efektivitas pengambilan keputusan manajer, terutama dalam pekerjaan yang kompleks.
Tipe Keputusan
• Structured
– Problem yg rutin, berulang dan memiliki pemecahan yang standar berdasarkan analisa kuantitatif
• Unstructured
– Problem yang masih kabur dan cukup kompleks yang tidak ada solusi langsung bisa dipakai
• Semi structured
– Sebagian structured dan sebagian unstructured
• Unstuctured & Semi Structured à perlu SPK untuk meningkatkan kualitas informasi, memberi beberapa alternatif solusi.
Hubungan keputusan & Tipe Kontrol Manajemen


Phase Pengambilan Keputusan (Simon)
• Intelligence
– Pencarian kondisi yang membutuhkan keputusan (cari informasi, identifikasi objectives)
• Design
– Mencari, membangun dan menganalisis kemungkinan solusi (manipulasi informasi, cari alternatif, beri bobot resiko/benefit pada alternatif)
• Choice
– Memilih satu solusi untuk diimplementasikan (pilih yg paling “baik”, statistik alternatif, jelaskan, terangkan)
Management Science
• Memecahkan masalah terstruktur dan semi terstruktur
• Memakai analisa kuantitatif
• Terdiri dari beberapa langkah
– Mendefinisikan masalah
– Mengklasifikasikan masalah dalam kategori standard
– Membentuk model matematika dari problem
– Menentukan solusi dari model
– Memilih dan merekomendasikan model
Management Support System (MSS)
• Menjadi payung dari keluarga teknologi berbantuan komputer yg digunakan untuk membantu manajemen organisasi
• Macamnya:
– Transaction Support System (TPS) -- 50an
– Management Information System (MIS) – 60an
– Office Automation System (OAS) – 70an
– Decision Support Systems (DSS) & GDSS – 80an
– Expert Systems (ES) – 90an
– Executive Information Systems (EIS) – 90an
– Artificial Neural Networks (ANN) – 91

MSS
• TPS : melakukan pengolahan data
• MIS : menyediakan informasi yang diperlukan untuk kepentingan bisnis organisasi
• DSS: interactive-computer based system untuk membantu pengambil keputusan memanfaatkan data dan model untuk memecahkan masalah semi-struktur & tidak terstruktur
• GSS : DSS untuk pengambilan keputusan dalam kelompok
• ES: menggantikan manusia dalam memberi saran
• EIS : memberi informasi yg mudah dianalisa dan dilihat pada segala waktu untuk pimpinan
• ANN : memberi informasi tidak semata-mata berdasarkan data, model, pengetahuan tapi juga dari proses belajar dari pengalaman dan proses mengenali pola-pola yg ada (pattern recognizing)







Hubungan MIS dan DSS

DSS vs MIS
• DSS
– Masalah yang ditugaskan
– Menyediakan reprensentasi valid untuk dunia nyata
– Keputusan disediakan dalam waktu singkat
– Evolusi searah dengan pembelajaran pengambil keputusan tentang masalah
– Bisa dikembangkan oleh bukan EDP profesional
• MIS
– Ringkasan terstruktur
– Model yang dibuat bisa jadi sudah usang
– Model tak tersedia à waktu pengembangan lama
– Aplikasi dikembangkan menggunakan spesifikasi yang diformulasikan selanjutnya
– Oleh EDP profesional

Mengapa Kita mengambil keputusan?
• Mengenai apa, dimana, kapan ?
• Kompleksitas suatu keputusan


• Masalah dalam pengambilan keputusan
– Informasi tidak cukup, terlampau banyak, tidak akurat, waktu terlalu sedikit, tidak mampu mendefinisikan masalah, tidak mampu menganalisis masalah

Mengapa membangun DSS ?
• Mendapatkan Keuntungan DSS
– Meningkatkan kualitas keputusan
– Meningkatkan produktivitas
– Mengurangi waktu dan biaya
– Meningkatkan kepuasan konsumen dan karyawan
• Ketidakstabilan ekonomi
• Kesulitan dalam melacak berbagai tujuan bisnis
• Kompetisi yang meningkat
• E-commerce
• Sistem yang ada tidak mensupport Decision making
• Butuh informasi lebih akurat
• Departemen IS terlalu sibuk
• Dsb

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
• 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 & Ga.mble0
• 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
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


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)
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
• Kendali(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
• Model memainkan peranan penting dalam DSS
• Model bisa statik atau dinamik
• Analisa bisa kondisi kepastian dan ketidakpastian
– Influence diagrams
– Spreadsheets
– Decision tables and decision trees
• Model Spreadsheet dan 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


Read More......
Template by : kendhin x-template.blogspot.com