MODELING AND ANALYSIS - 3 Pertemuan - 07

Slides:



Advertisements
Presentasi serupa
Pemodelan Keputusan Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [2]:
Advertisements

Riset Operasional (RO)
Pertemuan 10 Model Manajemen (MMS)
Pemrograman Linier Nama Kelompok : Badarul ‘Alam Al Hakim ( )
Pohon Keputusan (Decision Tree)
DECISION SUPPORT SYSTEM (DSS)
SISTEM PENDUKUNG KEPUTUSAN DSS
Pengambilan Keputusan, Sistem, Pemodelan dan Dukungan
Pengantar SIMULASI Arif Rahman. Industrial Engineering..is concerned with the design, improvement, and installation of integrated systems of men, materials,
Pemodelan Dalam Riset Operasi
Pertemuan 10 ANALISIS RESIKO
SISTEM PENUNJANG KEPUTUSAN (DECISION SUPPORT SYSTEM)
MODELING AND ANALYSIS - 1 Pertemuan - 05
Pemodelan dan Simulasi Sistem (Pendahuluan)
Pendahuluan Pengantar
Asumsi dalam Model LP Dalam menggunakanmodel LP diperlukan beberapa asumsi sebagai berikut : Asumsi Kesebandingan (Proportionality) Kontribusi setiap variable.
LINEAR PROGRAMMING Pertemuan 05
Managerial Support Systems (MSSs)
1. LINEAR PROGRAMMING Pertemuan 04 Matakuliah: J Analisis Kuantitatif Bisnis Tahun: 2009/
DSS Integration Pertemuan - 25
DECISION SUPPORT SYSTEM
Modeling And Analysis - 5 Pertemuan : 09 Matakuliah: Decision Support System Tahun: 2009.
TEORI PGB. KEPUTUSAN PENDAHULUAN Ari Darmawan, Dr. SAB. MAB.
LINEAR PROGRAMMING METODE GRAFIK.
Pengatar Sistem Penunjang Keputusan (Decision Support Sistem)
PEMODELAN DAN ANALISIS Pert_10
Pengambilan Keputusan Etis Dalam Perusahaan
SISTEM PENUNJANG KEPUTUSAN
DECISION SUPPORT SYSTEM (DSS)5
Kondisi yang dihadapi manajer dalam pengambilan keputusan
MODELING AND ANALYSIS - 4 Pertemuan - 08
SISTEM PENUNJANG KEPUTUSAN
Bagian II Bab 4 pemodelan dan analisis
PENGANTAR ANALISIS KUANTITATIF BISNIS Pertemuan 02
dengan mencoba mengukur risiko yang relevan dengan proyek.
Decision Support System
PENELITIAN OPERASIONAL
REKAYASA KEBUTUHAN SOFTWARE
Sistem Pengambilan Keputusan, Pemodelan dan Pendukung
Sistem Informasi Manajemen MG662
LINEAR PROGRAMMING Pertemuan 06
 Formulasi Linear Programming
Minggu 1 Pertemuan II Riset Operasi
RISET OPERASI.
MATERI Decision Support System
SISTEM PENDUKUNG KEPUTUSAN
Implementation Support
Pengambilan Keputusan, Sistem, Pemodelan dan Dukungan
SISTEM PENDUKUNG KEPUTUSAN
Pemodelan Keputusan Dr. Sri Kusumadewi, S.Si., MT. Materi Kuliah [2]:
MODUL I.
Pengantar Riset Operasi (II)
PENDAHULUAN Mendefinisikan Riset Operasi (operation research) meru-
Pemodelan dan Analisis
MODEL TRANSPORTASI Pertemuan 10
DSS Development Case – 2 Pertemuan - 18
PEMODELAN.
RISET OPERASI.
PEMODELAN SISTEM Dasar pemodelan dan simulasi sistem.
Sistem Informasi Pendukung Keputusan Manajerial
Sistem Pendukung Keputusan Roni Andarsyah, ST., M.Kom Lecture Series.
SISTEM PENUNJANG KEPUTUSAN
Dosen Pengampu : GUNAWAN.ST.,MT
PENDAHULUAN Mendefinisikan Riset Operasi (operation research) meru-
Pemrograman Terstruktur
PROGRAM LINIER Abdul Karim. Pengertian Program Linier Program linear merupakan salah satu teknik penelitian operasional yang digunakan paling luas dan.
Sistem Pendukung Keputusan (SPK) Sri Kusumadewi. Materi Kuliah [3,4]: (Sistem Pendukung Keputusan)
Model Pengambilan Keputusan (1)
Sistem Pengambilan Keputusan, Pemodelan dan Pendukung
TEORI RISET OPERASIONAL. PENGERTIAN TEORI RISET OPERASIONAL Menurut para ahli: Menurut Operation Research Society Of America (1976), “Riset operasi berkaitan.
Transcript presentasi:

MODELING AND ANALYSIS - 3 Pertemuan - 07 Matakuliah : Decision Support System Tahun : 2009 MODELING AND ANALYSIS - 3 Pertemuan - 07

Tujuan Pembelajaran Mahasiswa akan dapat mengaplikasikan model-model multiple goals, analisis sensitivitas dan analisis “what-if” (C4), dengan : menguji search methods untuk model-model DSS. Pengembangan teknk-teknik algorithms, blind search, heuristics. Penganan “multiple goals”. Mempraktikan teknik analisis sensitivity, what-if dan goal seeking. Bina Nusantara University

Pokok Bahasan Multiple goals Sensitivity Analysis What-If dan Goal seeking Search approach Bina Nusantara University

Multiple Goals Manajemen dalam kenyataan tidak dihadapkan pada masalah tujuan tunggal seperti maksimalisasi laba saja, adanya multi tujuan/goal yang hendak dicapai secara simultan. Kadang terjadi konflik antara tujuan-tujuan. Karenanya menentukan ukuran tunggal efektivitas menjadi sangat sulit. Biasanya dilakukan dengan mengubah masalah multi tujuan ke masalah satu ukuran tunggal ( utilitas ) keefektifan sebelum membandingkan efek-efek solusi dengan model pemrograman linier yang umum. Kesulitan dalam menganalisis multi tujuan, diantaranya : Sulit mendapatkan pernyataan yang explisit mengenai tujuan perusahaan Pengambil keputusan sering mengubah penugasan ke tujuan-tujuan khusus atau skenario keputusan yang berbeda. Tujuan berubah untuk merespon perubahan organisasi dan lingkungannya Masalah kompleks dipecahkan oleh kelompok yang masing-masing punya kepentingan pribadi Bina Nusantara University

Multiple Goals Dapat menangani metoda-metoda : Utility theory Goal programming Linear programming with goals as constraints Point system Bina Nusantara University

Sensitivity Sensitivitas Prediksi dan asumsi berkenaan dengan data input Banyak berkaitan dengan masa depan Ketika model dipecahkan hasilnya tergantung dari data Mencoba menilai dampak suatu prubahan pada data input atau parameter pada solusi yang diusulkan Analisis sensitifitas mengetes hubungan-hubungan sebagai : Dampak perubahan pada variable eksternal dan parameter pada variable hasil akhir Dampak perubahan pada variable keputusan mengenai variable hasil akhir Efek ketidak pastian dalam mengestimasi variable eksternal Efek yang berbeda-beda tergantung pada interaksi diantara variable Kekuatan keputusan dibawah perubahan Bina Nusantara University

Sensitivity Analisis sensitifitas digunakan untuk : Merefisi model untuk mengeliminasi sensitifitas yang terlalu besar Menambahkan detail variable sensitif atau skenaria Mendapatkan estimasi yang lebih baik mengenai variable eksternal sensitif Mengubah sistem real-world untuk mengurang sensitifitas aktual Sensitifitas otomatis Untuk implementasi model kuantitatif standar seperti LP Perubahan pada input dan parameter, berdampak pada hasil solusi Biasanya dibatasi perubahan pada satu waktu dan hanya untuk variable tertentu Powerful karena kemampuannya dapat membangun rentang waktu dan limit yang sangat Coba-coba (trial &error) Dampak perubahan pada sembarang variable atau beberapa variable dapat ditentukan dengan coba-coba, diulan-ulang beberapa kali dan dipilh solusi terbaik. Bina Nusantara University

What-if Analysis Apa yang akan terjadi pada hasil solusi, jika variable input, asumsi atau sebuah parameter diubah ? Apa yang akan terjadi pada biaya persediaan, jika jikabiaya pengiriman naik 8 % ? Berapa pangsa pasar, jika anggaran promosi dianikkan 25 % ? What-if Akan mengases solusi berdasarkan perubahan-perubahan pada variable-variable dan asumsi-asumsi Latihan membuat analisis What-if dengan MS.EXCEL atau MS ACCESS pada masalah aliran Kas, Anggaran atau masalah bisnis yang lain ? Tentukan model matematisnya, formulasinya Tentukan variabel input dan variable hasil/solusi Tentukan algoritma dan implementasikan dalam software tool Rancang dialognya dengan fasilitas perubahan-perubahan pada variable input Test atau ujicobakan Bina Nusantara University

Goal Seeking Analysis Latihan untuk Model Break Event point ? Backwards approach, dimulai dari tujuan/goal Menetukan nilai-nilai input yang diperlukan untuk mencapai tujuan/goal yang telah ditetapkan Contoh : Berapa anggaran tahunan untuk TI, yang diperlukan untuk kenaikan nilai kurs sebesar 20 % ( ingat sebagian besar biaya TI dalam USD) ? Berapa banyak dibuka kasir pada suatu Pasar Swalayan, untuk mengurangi rata-rata waktu antre pelanggan sebesar 10 % ? Latihan untuk Model Break Event point ? Bina Nusantara University

Search Approaches Teknik Analytis (algorithms) untuk memecahkan masalah terstruktur dalam lingkungan manajemen operasional maupun taktis General, pencarian step-by-step Dapatkan solusi optimal Blind search Complete enumeration Semua alternatif digali Incomplete Pencarian Parsial Achieves particular goal May obtain optimal goal Bina Nusantara University

Search Approaches Heurisitic Repeated, step-by-step searches Rule-based, maka digunakan untuk situasi spesifik Solusi “Good enough” ,tetapi , kemungkinan akan mendapatkan tujuan optimal Contoh heuristics Tabu search Remembers and directs toward higher quality choices Genetic algorithms Randomly examines pairs of solutions and mutations Bina Nusantara University

Bina Nusantara University

Proses menggunakan Algoritma mulai Apakah perbaikan Dimungkinkan Dalam solusi yang diusulkan Solusi optimal tidak Perbaiki solusi Buat usulan Solusi yang baru ya Bina Nusantara University

Review&Question Bina Nusantara University