PEMODELAN dan Model Manajemen

Slides:



Advertisements
Presentasi serupa
BAB II Program Linier.
Advertisements

Riset Operasional Pertemuan 2
Pertemuan 10 Model Manajemen (MMS)
Pertemuan 9 Model Manajemen (MMS)
Sistem Pendukung Keputusan (SPK)
PEMODELAN dan Model Manajemen
Pemrograman Linier Nama Kelompok : Badarul ‘Alam Al Hakim ( )
Kategori SPK.
SUB SISTEM MANAJEMEN MODEL
Pengenalan Riset Operasional
PERENCANAAN.
MODUL 4 SUB SISTEM MANAJEMEN MODEL.  Basis Model  Sistem Managemen Basis Model  Model Directory  Model Eksekusi dan Perintah.
SIMULASI.
Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage)
MODUL 5 LINIER PROGRAMMING.
Oleh : Devie Rosa Anamisa
Oleh : Devie Rosa Anamisa
Pemodelan Dalam Riset Operasi
PEMBUATAN KEPUTUSAN Pembuatan keputusan adalah bagian kunci kegiatan manajer. Kegiatan ini memainkan peranan penting, terutama bila manajer melaksanakan.
Pemodelan dan Manajemen Model & Analytic Hierarchy Process (AHP)
MODELING AND ANALYSIS - 1 Pertemuan - 05
TEORI PGB. KEPUTUSAN PENDAHULUAN Ari Darmawan, Dr. SAB. MAB.
Program Linier Dengan Grafik
SPK Model dan pendukung
MODEL/PEMODELAN.
Riset Operasi Pendahuluan.
Analisis Model dan Simulasi
PEMODELAN DAN MANAJEMEN MODEL
ALJABAR LINIER WEEK 1. PENDAHULUAN
RISET OPERASIONAL RISET OPERASI
PEMODELAN DAN ANALISIS Pert_10
Linear Programming Formulasi Masalah dan Pemodelan
Bab 1: Pendahuluan Pengertian Pengambilan Keputusan dikemukakan oleh,
Gudang ~1~ Modul XIII. Penyelesaian Soal Dengan Software
dengan mencoba mengukur risiko yang relevan dengan proyek.
By. Ella Silvana Ginting, SE, M.Si
Materi 1 : Formulasi Pakan
BAB 9 ALAT PERENCANAAN 1. PENDEKATAN MANAJEMEN ILMIAH 2. ALAT PERAMALAN 3. ALAT PENJADWALAN 4. ALAT PEMBANTU PENGAMBILAN KEPUTUSAN.
 Formulasi Linear Programming
Minggu 1 Pertemuan II Riset Operasi
PROGRAM LINIER PENDAHULUAN
PROSES PENGAMBILAN KEPUTUSAN
TM1 PENDAHULUAN ; KONSEP RISET OPERASI DALAM SIM
Program Linier Dengan Grafik
Program Dinamis (Dynamic Programming)
PENGAMBILAN KEPUTUSAN MANAJEMEN
TM4 LINIER PROGRAMMING SIMPLEX
Peramalan .Manajemen Produksi #3
MODUL I.
Pemodelan dan Analisis
PENGANTAR MODEL SIMULASI
PEMODELAN.
Sistem Pengambilan Keputusan Manajerial Bidang Agribisnis
Bab 13 : Keputusan Dalam Ketidakpastian dan Resiko
MEMBANGUN MODEL SIMULASI YANG VALID DAN KREDIBEL
OPTIMASI PERTEMUAN 1.
TEKNIK RISET OPERASI MUH.AFDAN SYARUR CHAPTER.6
Oleh : Devie Rosa Anamisa
Pertemuan 1 Introduction
MANAJEMEN KUANTITATIF
BAB I Program Linier Pertemuan 1.
PEMODELAN dan Model Manajemen
DATA PREPARATION.
PROGRAM LINIER Abdul Karim. Pengertian Program Linier Program linear merupakan salah satu teknik penelitian operasional yang digunakan paling luas dan.
PEMODELAN dan Model Manajemen
Sistem Pendukung Keputusan (SPK) Sri Kusumadewi. Materi Kuliah [3,4]: (Sistem Pendukung Keputusan)
PEMODELAN dan Model Manajemen
Model Pengambilan Keputusan (2)
Pengenalan Riset Operasional
BAB II Program Linier Oleh : Devie Rosa Anamisa. Pembahasan Pengertian Umum Pengertian Umum Formulasi Model Matematika Formulasi Model Matematika.
Transcript presentasi:

PEMODELAN dan Model Manajemen BAB 5 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 statik

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

Sat Tujuan: maximalkan penghasilan setelah satu tahun 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%

Cara lain dari perlakuan resiko 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  300 degrees Hue level  250 degrees Brilliance dan hue ditentukan oleh  &  satu ounce dari  &  memberikan satu degree dari brilliance in one drum dari cat Hue dikendalikan dengan jumlah dari  satu ounce dari  memberikan 3 degrees hue dalam satu drum dari cat  = 45 cents/ounce &  = 12 cents/ounce Objektif: minimalkan biaya Tujuan: mencari jumlah dari  &  dari setiap drum cat ?

Optimisasi via linear programming Formulasi Decision variables: X1 = quantity of  X2 = quantity of  Solusi Cost = 45 X1 + 12 X2 Brightness specification 1 X1 + 1 X2  300 Hue specification 3 X1 + 0 X2  250 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  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  300 3 X1 + 0 X2  250 (300 & 250 = kapasitas/kebutuhan, 1 & 3 & 0 = koefisen input/output)