MAKALAH PEMODELAN DAN ANALISIS SPK

MAKALAH

PEMODELAN DAN ANALISIS SPK 

OLEH :

KELOMPOK 4

NAMA      :                                               NPM :

 Ridwan husain                            0904411401

      UNIVERSITAS COKROAMINOTO PALOPO FAKULTAS KOMPUTER

                                                                 TAHUN AJARAN 2012

A.    PENDAHULUAN

1.    Latar belakang

Setiap perusahaan maupun instansi pemerintahan tidak akan pernah luput dari masalah. Terutama masalah yang berhubungan dengan pengelolaan manajemen. Jika ditinjau dari kehidupan sehari-hari terjadinya masalah bisa disebabkan dari pihak internal maupun pihak eksternal. Banyak pihak yang menganggap bahwa masalah yang datangnya dari pihak eksternal lebih berbahaya sehingga di prioritaskan untuk segera diselesaikan, sedangkan masalah yang datangnya dari dalam (internal) tidak terlalu berbahaya. Inilah suatu pandangan yang salah dan bisa menyebabkan kehancuran dari sebuah perusahaan / instansi /organisasi.

Karena masalah yang harus kita waspadai dan harus segera kita selesaikan adalah masalah yang datangnya dari internal. Kita lihat saja partai politik sekarang banyak yang pecah karena disebabkan masalah di dalam internalnya, perusahaan banyak yang bangkrut karena masalah yang datang dari dalam ( internal ).

DDS / SPK adalah sebuah Aplikasi atau sistem Komputer yang interaktif yang membantu pembuatan pegambilan keputusan, dalam menggunakan dan memanfaatkan data serta model untuk memecahkan masalah yang tidak terstruktur.

Berdasarkan tugas yang di berikan oleh dosen kami maka penulis dalam makalah ini akan membahas tentang ” pemodelan dan analisis spk”.

2.      Rumusan masalah

Dalam makalah ini penulis makalah ini kami akan memfokuskan pada beberapa masalah di bawah ini :

1.      model dan analisis dalam SPK

2.      Pemodelan sistem pendukung manajemen

3.      Model statis dan dinami

4.      Struktur dari beberapa model yang berhasil dan metodologinya

5.      Analisis keputusan

6.      Pohon keputusan

7.       Struktur model matematika

8.      Optimisasi pemrograman matematika

9.      Metode pencarian pemecahan masalah

10.  Mendefinisikan masalah dan strukturnya Pemrograman heuristik

11.   Simulasi

3.      Tujuan Penulisan

Adapun tujuan penulisan makalah ini agar pembaca dapat lebih memahami tentang materi pemodelan dan analisis spk sehingga bermafaat di kemudian hari.

B. PEMBAHASAN

1.      MODEL DAN ANALISIS DALAM SPK

Pemodelan  adalah elemen kunci pada kebanyakan DSS. Pemodelan merupakan suatu upaya untuk melakukan analisis sistem pendukung keputusan (SPK) dengan cara meniru bentuk nyata-nya daripada melakukannya pada sistem nyata.  Dan hal penting pada sebuah DSS berbasis-model. Ada banyak kelas model, dan kerap kali ada banyak teknik khusus untuk memecahkan masing-masing model. Simulasi merupakan pendekatan pemodelan yang umum, namun ada juga pendekatan yang lain. Model merupakan konseptualisasi dari suatu masalah dengan mencoba mengabstraksikannya dalam bentuk kuantitatif maupun kualitatif. Dengan model kita mencoba mendekati masalah sebenarnya dengan melakukan beberapa penyederhanaan melalui pernyataan asumsi.Dalam permodelan DSS dapat diklasifikasikan menjadi model statis dan model dinamis.

Model secara umum terdiri dari:

1.         Variabel Keputusan, yaitu variabel yang berada di bawah kontrol pemegangkeputusan yang nilainya ditentukan oleh si pemegang keputusan, contohnya adalah nilai anggaran, waktu proses, jumlah produk, jenis produk dsb

2.         Variabel diluar kontrol, yaitu variabel yang berada di luar kontrol pemegang keputusan namun mempengaruhi keluaran dari model, contohnya adalah tingkat inflasi, strategi pesaing, pertumbuhan teknologi,dsb.

3.         Variabel Hasil, yang merupakan keluaran dari model yang ditentukan oleh variabel keputusan dan variabel di luar kontrol, contohnya adalah nilai keuntungan, nilai return on investment, kapasitas produksi, harga produk, dsb

Ada empat jenis dasar model :

1.      Model Fisik. Adalah penggambaran entitas dalam bentuk tiga dimensi.

2.      Model Naratif. Adalah jenis model yang menggambarkan dan menjelaskan suatu entitas secra langsung baik dalam bentuk lisan maupun tertulis.

3.      Model Grafik. Merupakan model yang menggambarkan entitasnya dengan sejumlah garis atau simbol. model ini merupakan model yang sangat efektif dalam menjelaskan suatu entitas.

4.      Model Matematika. semua rumus dan persamaan matematika adalah suatu model matematika. model ini memiliki kemampuan untuk memperkirakan output masalah-masalah tertentu yang bersifat eksakta.

Ø  Keuntungan Model

• Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya.
• Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.
• Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi.
• Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.
• Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.
• Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan- kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. Dengan adanya komunikasi dan teknologi canggih sekarang ini, manajer akan seringkali memiliki alternatif-alternatif pilihan.
• Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.
•  

Pemodelan pada SPK mencakup tujuh permasalahan:

1. Identifikasi masalah dan analisis lingkungan.
Pada tahap ini akan dilakukan pengawasan, pelacakan, dan interpretasi terhadap informasi-informasi yang telah terkumpul. Analisis dilakukan terhadap domain dan dinamika dari lingkungan yang ada. Pada bagian ini perlu juga diidentifikasi budaya organisasi dan proses pengambilan keputusan. Dapat digunakan business intelligence tools untuk keperluan tersebut.
2. Identifikasi variabel
Pada tahap ini akan diidentifikasi variabel-variabel yang relevan. Variabel tersebut meliputi variabel keputusan, variabel intermediate (tak terkontrol), dan variabel hasil. Untuk kepentingan tersebut, dapat digunakan influence diagram untuk menunjukkan relasi antar variabel-variabel tersebut.
3. Peramalan (forecasting).
Apabila suatu SPK diimplemantasikan, maka akibatnya akan dirasakan di kemudian hari. Oleh karena itu, peramalan mutlak diperlukan.
4. Penggunaan beberapa model keputusan.
Suatu sistem pendukung keputusan dapat terdiri-atas beberapa model. Masing-masing model merepresentasikan bagian yang berbeda dari masalah pengambilan keputusan.
5. Seleksi kategori model yang sesuai.
Ada tujuh kategori model SPK sebagaimana telah dijelaskan pada bagian terdahulu.
Setiap kategori memiliki beberapa teknik-teknik tertentu. Pada dasarnya, teknik-teknik tersebut dapat diaplikasikan baik dalam model statis maupun model dinamis.
- Model statis umumnya memberikan asumsi adanya operasi perulangan dengan
menggunakan kondisi yang identik.
- Model dinamik (time-dependent) merepresentasikan skenario yang senantiasa
berubah dari waktu ke waktu.
6. Manajemen model.
Untuk menjaga integritas dan aplikabilitasnya, model perlu dikelola sebaik mungkin.
Untuk keperluan tersebut dibutuhkan suatu model base management system. Model Base Management System (MBMS) merupakan paket perangkat lunak yang dibangun dengan kapabilitas yang mirip dengan DBMS.
Kapabilitas MBMS meliputi:
- kontrol,
- fleksibilitas,
- umpan balik,
- antarmuka,
- adanya pengurangan redundansi, dan
- adanya peningkatan konsistensi.
7. Pemodelan berbasis pengetahuan
Sistem berbasis pengetahuan menggunakan sekumpulan aturan dalam menyelesaikan permasalahannya. Sistem pakar merupakan salah satu model pendukung keputusan yang bersifat kualitatif. Sistem pakar merupakan sistem berbasis pengetahuan.

2.      PEMODELAN SISTEM PENDUKUNG MANAJEMEN

Subsistem Manajemen Model
Subsistem dari manajemen model dari Sistem Pendukung Keputusan terdiri dari elemen-elemen berikut ini:

• Basis Model

Basis model berisi rutin dan statistik khusus, keuangan, forecasting, ilmu manajemen, dan model kuantitatif lainnya yang memberikan kapabilitas analisis pada sebuah sistem pendukung keputusan. Kemampuan untuk invokasi, menjalankan, mengubah, menggabungkan, dan menginspeksi model merupakan suatu kapabilitas kunci dari sistem pendukung keputusan dan yang membedakannya dengan CBIS (Computer Base Information System) lainnya. Model dalam basis model dapat dibagi menjadi empat katagori utama, dan satu katagori pendukung, yaitu:

1. Strategis : Model strategis digunakan untuk mendukung manajemen puncak untuk menjalankan tanggung jawab dalam perencanaan strategis.
2. Taktis : Model Taktis digunakan terutama oleh manajemen tingkat menengah, untuk membantu mengalokasikan dan mengontrol sumber daya organisasi.
3. Operasional : Model ini digunakan untuk mendukung aktivitas kerja harian transaksi organisasi.
4. Analitik : Model ini digunakan untuk menganalisis data, model ini meliputi model statik, ilmu manajemen, algoritma data mining, model keuangan, dan lainnya.
5. Blok Pembangunan Model dan Rutin : Selain berisi model strategis, taktis, dan operasional, basis model juga berisi blok pembangunan model dan rutin. Contoh-contohnya meliputi satu rutin generator dengan jumlah acak, kurva, atau line-fitting rutin, rutin komputasi present-value, dan analisis regresi. Blok pembangunan ini dapat digunakan dalam beberapa cara. Dapat disebarkan untuk aplikasi sebagai analisis data, dapat juga digunakan sebagai komponen present-value, dan analisis regresi.

• Sistem Manajemen Basis Model

Fungsi perangkat lunak sistem manajemen basis model (MBMS) adalah untuk membuat model dengan menggunakan bahasa pemrograman, alat sistem pendukung keputusan atau subrutin, dan blok pembangunan lainnya, membangkitkan rutin baru dan laporan, pembaruan dan perubahan model, dan manipulasi data model. MBMS mampu mengaitkan model-model dengan link yang tepat melalui sebuah database.

Peran direktori model yang terhubung ke MBMS sama dengan direktori database. Direktori model adalah katalog dari semua model dan perangkat lunak lainnya pada basis model. Yang berisi definisi model dan fungsi utamanya adalah menjawab pertanyaan tentang ketersediaan dan kapabilitas model. Sistem Manajemen Basis Model/Model Base Management System (MBMS) berisi beberapa elemen antara lain, yaitu :

1. Eksekusi Model : Eksekusi Model adalah proses mengontrol jalannya model.
2. Integrasi Model : Model ini mencakup gabungan operasi dari beberapa model saat diperlukan (misalnya mengarahkan output suatu model, katakanlah perkiraan, untuk diproses model lain, misal model perencanaan pemrograman linier).
3. Perintah (Comman Processor Model) : Model ini digunakan untuk menerima dan menginterpretasikan instruksi-instruksi pemodelan dari komponen antarmuka pengguna dan merutekannya ke MBMS, eksekusi model atau fungsi-fungsi integrasi elemen-elemen tersebut beserta antarmukanya dengan komponen sistem pendukung keputusan.

Kemampuan subsistem model dalam Sistem Pendukung Keputusan antara lain :

1.         Mampu menciptakan model – model baru dengan cepat dan mudah

2.         Mampu mengkatalogkan dan mengelola model untuk mendukung semua tingkat pemakai

3.         Mampu menghubungkan model – model dengan basis data melalui hubungan yang sesuai

4.         Mampu mengelola basis model dengan fungsi manajemen yang analog dengan database manajemen.

3.      MODEL STATIS DAN DINAMIS

Ø  Model Statis

Menggunakan satu fokus tunggal dalam suatu keadaan dan segala sesuatu terjadi dalam interval tunggal. Model statis mengambil satu snapshot tunggal dari suatu situasi. Selama snapshot tersebut, segala sesuatu terjadi dalam interval tunggal. Sebagai contoh, satu keputusan mengenai membuat sendiri atau membeli satu produk adalah keputusan bersifat statis. Pendapatan triwulan atau tahunan adalah statis, demikian juga contoh keputusan investasi. Sebagian besar situasi pengambilan keputusan statis diperkirakan berulang dengan kondisi yang identik 

Simulasi proses memulai dengan steady-state yang merupakan representasi model statis dari sebuah pabrik untuk menemukan parameter pengoperasian optimal. Representasi statis menganggap bahwa aliran bahan mentah ke dalam pabrik akan berlangsung terus-menerus dan tidak bervariasi. Simulasi steady-state adalah alat utama untuk desain proses ketika para ahli teknik harus menentukan imbal balik terbaik antara biaya capital, biaya operasi, performa proses, kualitas produk, dan factor-faktor keamanan serta lingkungan (Boswell, 1999). Stabilitas dari data relevan dianggap ada pada analisis statis.

Contoh :

1. Keputusan pembelian atau pembuatan sendiri suku cadang suatu produk
2. Pendapatan triwulan / tahunan
3. Keputusan investasi  

Ø  Model Dinamis

Ada beberapa kisah tentang pembangunan model yang menghabiskan waktu berbulan-bulan untuk mengembangkan satu model statis yang kompleks, berskala ultrabesar, dan sulit dipecahkan. Model tersebut merepresentasikan situasi pengambilan keputusan dunia nyata yang makan waktu satu minggu, seperti produksi sosis. Mereka mengirimkan system dan menyajikan hasilnya kepada presiden perusahan, yang menanggapi, “Hebat! Model mampu menangani masalah satu minggu. Model dinamis merepresentasikan scenario yang berubah sepanjang waktu. Contoh sederhana adalah proyeksi rugi-laba 5 tahun di mana data input seperti biaya, harga, dan kuantitas berubah dari tahun ke tahun. 

Model dinamis tergantung pada waktu. Sebagai contoh, dalam menentukan berapa banyak poin checkout harus dibuat pada sebuah supermarket, orang harus mengambil waktu satu hari karena jumlah pelanggan yang berbeda-beda dating selama setiap jam. Permintaan harus diperkirakan sepanjang waktu. Simulasi dinamis, berlawanan dengan simulasi steady-state, merepresentasikan apa yang terjadi ketika kondisi berubah dari steady-state ke kondisi tergantung waktu. Mungkin ada variasi pada bahan mentah (tanah liat). Metodologi ini digunakan pada desain control pabrik (Boswell, 1999)

Model dinamis penting karena model ini sepanjang waktu menggunakan, merepresentasikan, atau membuat trend dan pola-pola. Model ini juga menunjukkan rata-rata per periode, rata-rata perubahan, dan analisi perbandingan. Model dapat diperluas menjadi model aliran jaringan dinamis untuk mengakomodasi inventori (Aronson, 1989).

1.      Skenario yang mengalami perubahan sepanjang waktu. Misalnya proyeksi rugi laba 5 tahun yang dipenagruhi oleh input biaya, harga dan kuantitas yang berubah dari tahun ke tahun.

2.      Model dinamis ditentukan oleh fungsi waktu

3.      Representasi rata – rata setiap periode

4.      Rata – rata perubahan

5.      Analisis perbandingan

4.      STRUKTUR DARI BEBERAPA MODEL YANG BERHASIL DAN METODOLOGINYA

·         Kategori-kategori Model

Kategori	Proses dan Tujuan	Teknik yang Digunakan
Optimalisasi masalah sebagai alternatif	Menemukan solusi terbaik dari beberapa alternatif yang ada	Tabel keputusan, pohon keputusan
Optimalisasi melalui algoritma	Menemukan solusi yang terbaik dari sejumlah besar alternatif dengan menggunakan proses pendekatan step by step	Model pemrograman matematika linier dan model jaringan
Optimalisasi dengan rumusan analitik	Menemukan solusi  terbaik dalam satu langkah dengan menggunakan suatu rumus	Beberpaa model inventory
Simulasi	Menemukan satu solusi terbaik diantara berbagai alternatif yang dipilih dengan menggunakan eksperimen	Beberapa tipe simulasi
Heuristik	Menemukan satu solusi yang cukup baik dengan menggunakan aturan-aturan	Pemrograman heuristik, sistem pakar
Model-model prediktif	Memprediksi masa depan untuk skenario yang ditentukan	Model forecasting, analisisi markov
Model-model lainnya	Memecahkan kasus what-if dengan menggunakan rumus	Pemodelan keuangan

5.  ANALISIS KEPUTUSAN

Keputusan yang melibatkan jumlah alternatif yang terbatas. Ada 2 kasus: single goal dan multiple goals.Kondisi untuk single goal dapat dimodelkan menggunakan table keputusan dan pohon keputusan. Sedang untuk multigoal ada beberapa teknik.

Tabel keputusan merupakan metode untuk organisir informasi secara sistematis.

Rencana investasi sebuah perusahaan dengan pertimbangan pada 3 alternatif, yaitu :

1.      obligasi

2.      saham

3.      certificate deposit

Tujuan perusahaan adalah memaksimalkan investasi setelah satu tahun. Hasilnya tergantung pada kondisi alamiah (keadaan ekonomi masa mendatang) dengan pertumbuhan ekonomi secara kuat, stagnan atau inflasi. Hasil analisis pakar adalah sebagai berikut :

Keadaan	Obligasi (%)	Saham (%)	Deposito (%)
Ekonomi kuat	12	15	6,5
Ekonomi stagnan	6	3	6,5
Inflasi	3	-2	6,5

Metode yang digunakan untuk penyelesaian masalah ini menggunakan analisis resiko. Diasumsikan pakar memberikan estimasi pertumbuhan 50%, stagnan 30% dan inflasi 20% maka dapat dibuat table keputusan sebagai berikut :

Keadaan	Pertumbuhan 0,5(%)	Stagnasi 0,30(%)	Inflasi 0,20(%)	Nilai Ekspektasi
Obligasi	12	6	3	8,4
Saham	15	3	-2	8,0
Deposito	6,5	6,5	6,5	6,5

8,4 adalah nilai maksimum yang diperoleh.

6.       POHON KEPUTUSAN

Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan.

Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Pohon keputusan memadukan antara eksplorasi data dan pemodelan, sehingga  sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain. Sering terjadi tawar menawar antara keakuratan model dengan transparansi model. Dalam beberapa aplikasi, akurasi dari sebuah klasifikasi atau prediksi adalah satu-satunya hal yang ditonjolkan, misalnya sebuah perusahaan direct mail membuat sebuah model yang akurat untuk memprediksi anggota mana yang berpotensi untuk merespon permintaan, tanpa memperhatikan bagaimana atau mengapa model tersebut bekerja.

Kelebihan Pohon Keputusan

Kelebihan dari metode pohon keputusan adalah:

• Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
• Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu.
• Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional
• Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.

Kekurangan Pohon Keputusan

• Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan.
• Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar.
• Kesulitan dalam mendesain pohon keputusan yang optimal.
• Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

7.      OPTIMISASI PEMROGRAMAN MATEMATIKA

Digunakan untuk membantu menyelesaikan masalah manajerial, untuk mengalokasikan resources yang terbatas (misal tenaga kerja, modal, mesin, atau air) diantara sekian banyak aktivitas untuk mengoptimalkan tujuan yang ditetapkan. Pemrograman linier adalah salah satu teknik yang cukup terkenal dalam perhitungan optimalisasi pada pemrograman matematika. Karakteristik pemrograman linier antara lain :

1.      Terbatasnya jumlah sumber daya ekonomi yang tersedia untuk dialokasikan

2.      Sumber daya yang digunakan untuk memproduksi produk atau jasa

3.      Ada dua atau lebih cara dimana sumber daya dapat digunakan, masing-masing disebut solusi atau program.

4.      Masing-masing aktivitas (produk atau jasa) dimana sumber daya digunakan menghasilkan tujuan

5.      Alokasi biaya dibatasi pada beberapa batasan dan persyaratan yang disebut konstrain.

Model Optimisasi adalah model yang memilih solusi terbaik dari berbagai alternatif, dimana masalahnya harus terstruktur sangat baik. Model Suboptimisasi, sering disebut satisficing model, yang memungkinkan manajer memasukkan serangkaian keputusan dan model akan memproyeksikan hasilnya, dimana model tersebut menyerahkan tugas kepada manajer untuk mengidentifikasi keputusan yang akan menghasilkan hasil terbaik.

Manajer yang menggunakan model matematika dapat memperoleh keuntungan sebagai berikut:

1. Proses pembuatan model dapat menjadi pengalaman belajar, dimana pada setiap proyek model dipelajari sesuatu yang baru mengeenai sistem fisik
2. Kecepatan proses simulasi dapat mengevaluasi dampak keputusan dalam jangka waktu singkat, dimana dalam hitungan menit, dapat dibuat simulasi operasi perusahaan untuk bebrapa bulan, kuartal, atau tahun
3. Model menyediakan daya prediksi – suatu pandangan ke masa depan – yang tidak dapat disediakan oleh metode penghasil informasi lain
4. Model lebih murah daripada metode trial and error; dimana proses pembuatan model memang mahal dalam hal waktu maupun perangkat lunak dan keras yang diperlukan untuk simulasi, tetapi biaya tersebut tidak setinggi biaya yang disebabkan keputusan yang buruk.

Adapun kerugian utama yang mengimbangi pembuatan model  matematik adalah:

1. Kesulitan pembuatan model sistem bisnis, akan mengahasilkan suatu model yang tidak menangkap semua pengaruh pada entitas. Misalnya, dalam model yang baru dijelaskan, seseorang dalam perusahaan harus memperkirakan nilai-nilai dari elemen-elemen data skenario. Ini berarti bahwa pertimbangan yang menyeluruh sangat diperlukan dalam menerapkan keputusan yang didasarkan pada simulasi
2. Diperlukan keahlian matematika tingkat tinggi, untuk mengembangkan sendiri model-model yang lebih kompleks, keahlian itu juga diperlukan untuk menafsirkan output secara tepat.

8. METODE PENCARIAN PEMECAHAN MASALAH

Pemecahan masalah didefinisikan sebagai respon terhadap suatu hal yang berjalan baik maupun berjalan buruk. masalah (problem) merupakan suatu keadaan atau kejadian yang merugikan atau berpotensi akan merugikan bagi perusahaan dengan cara negatif atau sebaliknya, yaitu hal yang menguntungkan atau berpotensi menguntungkan bagi perusahaan dalam cara yang positif.

Pembuatan Keputusan Analitis tergantung pada informasi yang dipilih secara sistematisdan dievaluasi dengan sistematis pula dengan cara memperkecil alternatif-alternatif yang ada serta membuat suatu keputusan berdasarkan keputusan tersebut. Pembuatan Keputusan Heuristik, pembuatan keputusan yang menggunakan heuristik membuat keputusan dengan bantuan beberapa petunjuk (petunjuk praktis), meskipun mereka tida selalu diterapkan secara konsisten atau sistematis.

Ada berbagai macam jenis masalah, yaitu:

1.      Masalah terstruktur, yaitu masalah yang memiliki elemen-elemen yang saling berhubungan di mana masing-masing elemen dan hubungannya dapat difahami oleh manajer.

2.      Masalah semi terstuktur, yaitu masalah yang sebagian elemennya difahami dan sebagian lagi tidak difahami oleh manajer

3.      Masalah tidak terstruktur, yaitu masalah yang elemen-elemennya atau hubungan antarelemennya tidak difahami oleh manajer.

Dalam penyelesaian suatu masalah terdapat tiga fase penyelesaian masalah yaitu :

1.      Kercedasan

Kecerdasan adalah kesadaran mengenai suatu masalah atau peluang. Dalam hal ini, pembuat keputusan berupaya mencari lingkungan bisnis internal dan eksternal, memeriksa keputusan-keputusan yang yang perlu dibuat, dan masalah-masalah yang perlu diatasi. Mencari lingkungan yang kondusif untuk mendadpatkan suatu solusi.

2.      Perancangan

Dalam fase perancangan, pembuat keputusan merumuskan suatu masalah dan menganalisis sejumlah solusi alternatif. Menciptakan, mengembangkan dan menganalisais tindakan-tidakan yang mungkin dilakukan.

3.      Pemilihan

Dalam pemilihan fase ini, pembuat keputusan memilih solusi masalah atau peluang yang ditandai dalam fase kecerdasan. Memilih tindakan tertentu dari berbagai kemungkinan yang ada

4.       Aktivitas meninjau ulang, Menilai kembali pilihan atau keputusan yang telah diambil.

KERANGKA KERJA PEMECAHAN MASALAH

Ada dua kerangka yang digunakan dalam pemecahan masalah, yaitu model sistem dan model lingkungan. Model/pendekatan sistem berupa kerangka kerja perusahaan sebagai suatu sistem. Dalam kerangka ini, elemen-elemen penting diidentifikasi, termasuk aliran data, informasi dan keputusan-keputusan yang menghubungkan elemen-elemen tersebut. dalam Proses pemecahan masalah dikelompokkan dalam 3 fase, yaitu:

1. Fase pertama, yaitu fase upaya persiapan

2. Fase kedua, yaitu fase upaya definisi atau penentuan

3. Fase ketiga, yaitu fase upaya solusi

Model lingkungan digunakan untuk dapat memahami lingkungan perusahaan dan interaksi antara perusahaan dan masing-masing elemen lingkungan dalam bentuk aliran sumber daya.

Metode yang digunakan dalam menyelesaikan masalah-masalah Semiterstruktur.Dengan menggunakan keputusan kriteria ganda sebagai metode yang digunakan dalam menyelesaikan masalah-masalah semiterstruktur. Dalam membentuk model keputusan-keputusan serialitas mungkin, peneliti mengembangkan beberapa pendekatan untuk mengevaluasi tujuan ganda atau masalah-masalah kriteria ganda. Pendekatan kritera ganda memungkinkan pembuat keputusan menyusun prioritas mereka serta memungkinkan ditampilkannya analisis sensitifitas dengan menanyakan jenis pertanyaan Bagaimana jika? Metode ini meliputi metode-metode pembobotan, pendekatan batasan konjungtif, pemrosesan hierarki analitis, dan pemrograman tujuan.

Selama proses pemecahan masalah, menejer akan terlibat dalam pengambilan keputusan, yaitu suatu aksi atau tindakan memilih dari berbagai alternatif tindakan. Keputusan adalah tindakan tertentu yang dipilih yang biasanya pemecahan satu masalah akan membutuhkan atau menghasilkan beberapa keputusan. Membedakan istilah pemecahan masalah dan pengambilan keputusan bisa sangat membingungkan. Satu cara untuk dapat membedakan keduanya adalah dengan memeriksa tahapan-tahapan atau fase-fase proses keputusan. Fase ini adalah inteligensi, perancangan, pemilihan dan peninjauan (implementasi).

9.  MENDEFINISIKAN MASALAH DAN STRUKTURNYA PEMROGRAMAN HEURISTIC

Heuristik berasal dari bahasa Yunani dari kata discovery yaitu aturan keputusan yang mengatur bagaimana sebuah masalah harus dipecahkan. Biasanya heuristik dikembangkan berdasarkan basis analisis yang solid terhadap masalah. Contoh-contoh pemrograman heuristik dapat dilihat pada tabel berikut ini :

Contoh Masalah	Penyelesaian Masalah
Pekerjaan berurutan melalui sebuah mesin	Melakukan pekerjaan yang pertama dan memerlukan least time
Pembelian saham	Jika rasio harga dibandingkan pengeluaran lebih dari 10, tidak membeli saham
Travel	Tidak menggunakan jalan bebas hambatan antara jam 8 dan 9 pagi
Investasi kapital pada proyek berteknologi tinggi	Mempertimbangkan proyek dengan periode pengembalian estimasi kurang dari 2 tahun
Pembelian sebuah rumah	Membeli hanya di lingkungan yang strategis, tapi hanya membeli dalam rentang harga yang lebih rendah.

Pengambil keputusan menggunakan heuristik atau aturan utama dengan berbagai alasan yang masuk akal. Sebagai contoh, pengambil keputusan dapat menggunakan sebuah heuristik jika mereka tidak mengetahui cara terbaik untuk memecahkan masalah atau jika teknik optimalisasi belum dilakukan. Proses heuristik dapat dijelaskan sebagai pengembangan berbagai aturan untuk membantu memecahkan masalah-masalah rumit atau sub masalah final dengan menemukan jalur yang paling menjanjikan dalam mencari solusi, menemukan cara-cara mendapatkan dan menginterpretasi informasi yang senantiasa berubah, dan kemudian mengembangkan metode-metode yang memimpin kepada satu algoritma komputasional atau solusi umum.

Kapan Menggunakan Heuristic:
1. Input data tidak pasti atau terbatas.
2. Kenyataan yang ada terlalu kompleks sehingga model optimasi menjadi terlalu disederhanakan.
3. Metode yang handal dan pasti tak tersedia.
4. Waktu komputasi untuk optimasi terlalu lama.
5. Adanya kemungkinan untuk meningkatkan efisiensi proses optimasi (misal, dengan memberikan solusi awal yang baik menggunakan heuristic)
6. Masalah-masalah yang diselesaikan seringkali (dan berulang-ulang) dan menghabiskan waktu komputasi.
7. Permasalahan yang kompleks yang tidak ekonomis untuk optimasi atau memakan waktu terlalu lama dan heuristic dapat meningkatkan solusi yang tak terkomputerisasi.
8. Di saat pemrosesan simbolik lebih banyak dilibatkan daripada pemrosesan numerik (dalam ES)

Aplikasi heuiristik cocok untuk situasi-situasi sebagai berikut :

1.      Data input tidak pasti atau terbatas

2.      Realitas terlalu kompleks, sehingga model optimalisasi tidak dapat digunakan

3.      Algoritma eksak yang reliabel tidak tersedia

4.      Masalah-masalah kompleks tidak ekonomis untuk optimalisasi atau simulasi atau memerlukan waktu komputasi yang berlebihan

5.      Memungkinkan untuk efisiensi proses optimalisasi

6.      Pemrosesan simbolik daripada numerik dilibatkan

7.      Keputusan harus dibuat dengan cepat dan komputerisasi tidak layak

Keuntungan heuristik :

1.      Mudah dipahami dan karena itu lebih mudah untuk diimplementasikan dan dijelaskan

2.      Membantu orang-orang untuk kreatif dan mengembangkan heuristik untuk masalah-masalah lain

3.      Menghemat waktu formulasi

4.      Menghemat persyaratan pemrograman komputer dan persyaratan penyimpanan

5.      Menghasilkan banyak solusi yang dapat diterima

Keterbatasan heuristik :

1.      Tidak dapat menjamin solusi optimal, kadang-kadang batasan mengenai nilai obyektif sangat buruk.

2.      Mungkin terlalu banyak perkecualian pada aturan-aturan yang tersedia

3.      Kesalingtergantungan dari statu bagian sebuah sistem Madang-kadang dapat berpengaruh besar pada sistem keseluruhan.

10. SIMULASI

Simulasi adalah sebuah teknik untuk melakukan eksperimen dengan sebuah komputer pada sebuah model dari sebuah sistem manajemen. Simulasi merupakan model DSS yang paling umum digunakan. Simulasi merupakan suatu model deskriptif. Tidak ada pencarian otomatis untuk suatu solusi yang optimal. Model simulasi menggambarkan atau memprediksi karakteristik suatu sistem di bawah kondisi yang berbeda.

Proses simulasi biasanya mengulangi sebuah eksperimen, berkali-kali untuk mendapatkan estimasi mengenai efek keseluruhan dari tindakan-tindakan. Simulasi lebih bersifat deskriptif (menjelaskan) daripada tool normatif; sehingga tak ada pencarian otomatis untuk solusi optimal. Simulasi memperkirakan karakteristik sistem tertentu pada berbagai keadaan yang berbeda-beda. Sekali karakteristik ini diketahui, alternatif terbaik dari alternatif yang ada dapat dipilih. Simulasi digunakan bilamana permasalahan yang ada terlalu kompleks/sulit bila diselesaikan dengan teknik optimasi numerik (misalnya LP). Kompleksitas disini berarti bahwa permasalahan tadi tak bisa dirumuskan untuk optimasinya atau perumusannya terlalu kompleks.

Keuntungan Simulasi:
1. Teori simulasi relatif mudah dan bisa langsung diterapkan.
2. Model simulasi mudah untuk menggabungkan berbagai hubungan dasar dan ketergantungannya.
3. Simulasi lebih bersifat deskriptif daripada normatif
4. Modelnya dibangun berdasarkan perspektif manajer dan berada dalam struktur keputusannya
5. Simulasi dapat mengatasi variasi yang berbeda-beda dalam pelbagai jenis masalah
6. Sebagai sifat alamiah simulasi, kita dapat menghemat waktu

Kerugian Simulasi:
1. Tak menjamin solusi yang optimal.
2. Membangun model simulasi seringkali memakan waktu lama dan membutuhkan biaya.
3. Solusi dan inferensi dari satu kasus simulasi biasanya tak bisa ditransfer ke permasalahan yang lain.
4. Simulasi terkadang begitu mudah diterima oleh manajer sehingga solusi analitis yang dapat menghasilkan solusi optimal malah sering dilupakan.

Metodologi Simulasi

• Definisi masalah.
• Membangun model simulasi.
• Testing dan validasi model.
• Desain percobaan.
• Melakukan percobaan.
• Evaluasi hasil.
• Implementas.