ABSTRAK Peran pemodelan sistem dalam pengambilan keputusan untuk aplikasi engineering, energi dan bisnis.

Makalah ini merupakan kajian untuk memberikan gambaran mengenai peran pemodelan sistem sebagai bagian dari sistem pengambilan keputusan yang semakin banyak diapliksikan untuk mendukung kegiatan engineering dan bisnis. Dalam makalah ini ditunjukkan bahwapengambilan keputusan langsung secara intuitif tidak lagi dapat diandalkan untuk mendapatkan good decision karena banyaknya data dan parameter yang saling dependent. Kompleksitas permasalahan ini membutuhkan dukungan data processing yang kemudian disistematisasi menjadi model baik konseptual (soft model) maupun matematik (hard model) dengan beragam pendekatan antara lain pendekatan preskirptif versus deskriptif, aggragate versus structural, statis sampai dinamis. Beberapa contoh aplikasi menunjukan bahwa pemodelan ini memberikan kontrbusi yang signifikan dengan membantu beberapa perusahaan menaikkan kinerja sampai 48 %, menghemat modal sama 20 juta dollar, menekkan produktivitas 2 kali dan meningkatkan pendapatan sampai 180 juta dollar. Kecenderungan ke depan adalah bergesernya peran pemodelan pada level strategis untuk analisis disain kebijakan melalui pendekatan system dynamics . Kata kunci : system modeling, managerial decision making, engineering, energy and buisness. PENDAHULUAN Pengambilan keputusan merupakan aktivitas yang terletak di dalam jantung manajemen[1] untuk menghasilkan good decision. Good decision akan memberikan pilihan dengan kemungkinan terbaik untuk diikuti oleh sebuah organisasi. Good decision ini diharapkan akan membawa organisasi ke tingkat performansi yang lebih tinggi. Persoalan

Dalam makalah ini dijelaskan mengenai definisi model dari berbagai perspektif baik everyday sense maupun technical sense. Kajian mengenai pendekatan-pendekatan yang lain juga dijelaskan meliputi preskriptif versus deksriptif. aggregate maupun structural. hard maupaun soft model. pengambilan keputusan langung dengan menggunakan intuisi tidak bisa lagi diandalkan mengingat banyaknya data yang bersifat interrelated. Dalam makalah ini dikaji berbagai level decision making serta modeling meliputi level operational. Dalam hal ini. Mengingat problem situation yang dihadapi organisasi bersifat kompleks. . maka data dan informasi yang diperlukan untuk mendukung pengambilan keputusan sering sangat banyak sebanding dengan kompleksitas permasalahan yang dihadapi. Kemudian model pengambilan keputusan langsung secara intuitif dibandingkan dengan model yang lebih terstruktur melalui proses pemodelan untuk mendapatkan good decision. tactical dan strategic.yang dihadapi adalah bahwa pengambilan keputusan selain harus memperhitungkan sejumlah data yang banyak dan interrelated juga harus berpacu dengan waktu. Data dan informasi tersebut kemudian direpresentasikan ke dalam model-model yang sesuai dengan kebutuhan dan dipilah-pilah ke dalam critical parameters sebagai faktor masukan dan performance measures sebagai keluarannya. Dengan kata lain. pengambilan keputusan ini membutuhkan pemahaman system yang komprehensif berdasrkan data yang tersedia sehingga diperoleh gambaran karakteristik organisasi atau sistem tersebut. Agar banyaknya data dan informasi tidak membuat bingung decision maker dengan risiko pengambilan keputusan yang tidak tepat. maka diperlukan pemprosesan data. Dari sini kemudian peran sains manamejen semakin signifikan dalam representasi model-model matematik berbasis data yang tersedia serta menyajikan alternatif alternatif solusinya untuk memberikan dukungan kepada manajemen mengambil keputusankeputusan penting. Keterbatasan waktu dalam pengambilan keputusan ini akan mengurangi pertimbangan-pertimbangan dan hal ini akan meningkatkan risiko pengambilan keputusan yang tidak tepat.

2. yaitu representasi suatu sistem ke dalam kalimat verbal yang mengambarkan ukuran.Contoh aplikasi model untuk bidang manufaktur dan energi baik dari aspek engineering maupun bisnis dicoba pula disampaikan. Model matematik hanya salah satu jenis dari modeldalam lingkup technical sense. yaitu representasi dalam bentuk skema figurative misalnya model rangkaian listrik. yaitu representasi dengan gambar untuk menggambarkan kontur permukaan bumi seperti peta topografi dan bola dunia. model Atom Bohr dan lain-lain. PEMODELAN MATEMATIS DAN SISTEM Definisi Model Menurut Everyday Sense dan Technical Sense Istilah “model” sendiri mempunyai pengertian yang beragam sesuai dengandunianya mulai dari pengertian sehari-hari (everyday sense) sampai technical sense[3]. Pictorial. 4. Verbal. . model kereta api). schematic dan symbolic dimana: 1. Physical.Contoh dari everyday sense. yaitu representasi ke dalam symbol-simbol matematik dimana variable hasil karakterisasi proses atau sistem ke dalam variable formulasi menggunakan simbolsimbol matematik. pictorial. Schematic. model didefinisikan sebagai representasi dari sistem[3]. 3. yaitu dengan membuat scaleddown version dari sistem yang dipelajari (model pesawat. 5. Dalam banyak aplikasi engineering. Representasi ini pun juga bermacam-macam mulai dari yang bersifat physical. bentuk dan karakteristik. verbal. adalah artis seperti Luna Maya yang merupakan (foto) model yang mendapat peran untuk memamerkan modelmodel pakaian karya disainer terkenal[4]. Symbolic.

dan interpretasi berbagai alternatif hasil untukmenentukan keputusan yang optimal. speedometer dan pie chart. Proses Pengambilan Keputusan Pengambilan keputusan langsung (intuitif) ini yang hanya dengan mengamatisituasi manajemen ini tidak dapat menghasilkangood decision jika permasalahannya kompleks. dan learning issu-issu dan problem yang complex[6].. Gambar 2. analisis model untuk menemukan solusi. Pengambilan keputusan ditingkat manajemen melalui beberapa langkah mulai dari analisis situasi oleh manajemen. tenaga kerja) misalnya alokasi tenagasales di . Keputusan inidibuat untuk mencapai tujuan tertentu. pemahaman. dikembangkan tahapanpengambilan keputusan melalui pemodelan (Gambar 2). Keputusan kemudian juga diimplementasikan dan lebih lanjut organisasi ini akan menuai konsekuensi dari implementasi keputusan tersebut (payoff) yang tidak semuanya berbentuk uang[2]. Dengan memperhitungkan faktor-faktor yang sering ”conflicting” keputusan dibuat untuk menyelesaikan situasi yang ”conflicting” tadi. System dynamics ini merupakan pendekatan yang powerful sekaligus juga sebagai teknik pemodelan simulasi komputer untuk pemetaan. Tahapan menjadi lebih panjang yaitumelalui proses representasi situasi ke dalammodel. Sejak tahun 1950 dikembangkan pula model system dynamics oleh Professor Jay W. Decision model iniumumnya digunakan untuk membuat keputusanberkaitan dengan alokasi sumberdaya (waktu. Gambar 1. Forrester dari Massachusetts Institute of Technology untuk membantu manager korporasi memperbaiki pemahamannya tentang proses-proses industri terutama untuk analisis dan disain kebijakan. Kelton[5]juga menambahkan istilah Model Simulasi untuk model dari sistem (umunnya simbolik dan deksriptif) yang diselesaikan menggunakan teknik simulasi[5].More[2] menambahkan satu kategori lagi yaitu Model Analog yang merepresentasikan satu himpunan persamaan dalam bentuk medium yang berbeda-beda tetapi analog seperti road map. Dalam kasus ini. Analisis Dan Interpretasi HasilDecision model adalah model simbolisdimana beberapa variabel merepresentasikankeputusan yang harus dibuat. Decisionmodel ini menggunakan suatu ukuranperformansi yang eksplisit untuk mengukurpencapaian objektif tertentu. Decision Modeling : Pendekatan Intuitif Versus Sistematis Pengembangan model dilakukan untuk mendukung pengambilan keputusan. Pengambilan Keputusan Melalui Model. bahan.

Model-model ini lebih banyakdiaplikasikan untuk level operational dantactical. Jika ada unsur ketidakpastian. maka risiko akibat ketidakpastian ini jugadimodelkan dengan bantuan pendekatanprobabilistik dalam bentuk risk analysis. . Modellinear programming merupakan contoh modelpreskriptif yang sudah sangat dikenal. dapat digunakansimulasi Monte-Carlo untuk mendapatkanoverall expectation berdasarkan nilaiprobabilistik masing-masing decision dimanacausalitas diasumsikan terjadi secara serialsehingga penyebab pertama dari rangkaiansebab-akibat ini sering bukanlah sumbermasalahnya. penjadwalan produksi. Applikasi model tersebut pada umumnyadiawali dengan terlebih dahulu melakukan timeseriesforcasting untuk memprediksikanparameter parameter tertentu misalnya orderdan demand. Beberapa problem engineering danbisnis dapat diklassifikasikan ke dalam levellevelpengambilan keputusan di bawah ini: Decision model adalah model simbolis dimana beberapa variabel merepresentasikankeputusan yang harus dibuat untuk mencapai tujuan tertentu. tenaga kerja) misalnya alokasi tenagasales di berbagai kota. Jika ada unsur ketidakpastian.berbagai kota. maka risiko akibat ketidakpastian ini jugadimodelkan dengan bantuan pendekatanprobabilistik dalam bentuk risk analysis. Jikamodel cukup kompleks. Pendekatan Pemodelan : Linear Thinking Versus System Thinking Model di atas secara prinsip masihdikatakan berbasis linear thinking cukup kompleks. Applikasi model tersebut pada umumnyadiawali dengan terlebih dahulu melakukan timeseriesforcasting untuk memprediksikanparameter parameter tertentu misalnya orderdan demand. cash-management model dan lain-lain[2] Modellinear programming merupakan contoh modelpreskriptif yang sudah sangat dikenal. Decisionmodel ini menggunakan suatu ukuranperformansi yang eksplisit untuk mengukurpencapaian objektif tertentu. penjadwalan produksi. cash-management model dan lain-lain[2]. Jikamodel variables. bahan. Decision model iniumumnya digunakan untuk membuat keputusanberkaitan dengan alokasi sumberdaya (waktu. dapat digunakansimulasi Monte-Carlo untuk mendapatkanoverall expectation berdasarkan nilaiprobabilistik masing-masing decision variables.

a) atau kemerosotan terus menerus(4.Pendekatan yang sering disebut ”ilmusedih baru” ini lebih cocok diaplikasikan untuklevel strategik.decision making juga dapat menggunakansystem archetype atau pola-pola dasar yangmerepresentasikan dinamik sistem bisnis.Berdasarkan pengamatan atau penelitianterhadap dinamika keadaan di masa lalu dapatdigambarkan pola-pola dasar berikut yaitu [8]putaran pertumbuhan atau kemerosotan. Beberapa problem engineering dan bisnis dapat diklassifikasikan ke dalam levellevel pengambilan keputusan seperti pada Kelemahan dari pendekatan ini adalah munculnya policy resistance sebagaiperlawanan dari penerapan kebijakan. causal-loop diagram sertadecision model berbentuk fungsi matematik. putarankesetimbangan (tanpa atau dengan delay).batas-batas pertumbuhan.Pendekatan Pemodelan : Linear Thinking Versus System Thinking Model di atas secara prinsip masih dikatakan berbasis linear thinking dimana causalitas diasumsikan terjadi secara serial sehingga penyebab pertama dari rangkaian sebab-akibat ini sering bukanlah sumber masalahnya. Gambar 3. Isyaratisyaratini diformulasikan ke dalam modelkeputusan dan kemudian bersama denganisyarat dari lingkungannya menjadi feedbackbagi dinamika sistem itu sendiri. Dengan mengintegrasikan”stock-flow” model. menggeser beban dantragedy of common. menggunakan stockflow modelsehingga akhirnya dapat disimulasikan dengankomputer. pertumbuhan menuju kesetimbangan baiktanpa delay (4. diperoleh sebuah tahapan pengambilankeputusan yang dinamis denganmemperhitungkan reaksi dari lingkungansebagai feedback.Policyresistance ini sering tidak disadari kebijakan dan dapat menjadi sumberadanya pembatasan pertumbuhanJohn Sterman dalam Business dynamic[7] membuat aliran keputusan dengan pendekatansystem dinamycs. keputusankeputusandan kebijakan yang dibuat sertareaksi dari lingkungannya akandirepresentasikan ke dalam causal-loopdiagram. Pendekatan system dynamicsmodeling ini merepresentasikan dinamikaperubahan state dari sistem dan menghasilkanisyarat-isyarat sebagai keluarannya. Model-model ini lebih banyak diaplikasikan untuk level operational dan tactical.b). penyelesaian yangmemperburuk masalah. Aturan Keputusan Dan Dinamika StateDari Sistem Bersifat Umpan BalikDengan pendekatan system dynamicsatau buisness dynamics ini.c) atau dengan . Penetapan kebijakankebijakandan reaksi dari lingkungan dapatmembentuk pola-pola pertumbuhan terusmenerus(4. Selain dengan model simulasi.

f).Gambar 5. (3) selalu ada one-toonecorrespondence antara variable karakterisasidengan variable formulasi. Transformasipersamaan diferensial menjadi persamaanaljabar yang dikenal dengan Transfer Functionakan memudahkan pemahaman karakteristiknyaserta penentuan solusinya[3]. Teknik komputasinumeris lebih powerfull untuk digunakan. (2)teknik-teknik menyelesaikan.Asumsi bahwa sistem merupakan “singleobjek” atau aggregate serta diabaikannya unsurwaktu menghasilkan model matematik yangstatis.Pola kedelapan merupakan pola kombinasidimana masalah selalu meningkat kemudiandiusahakan solusi insidental yang memperbaikitetapi juga segera memperburuk seperti pola ketujuh. Pemetaan .Model deskriptif merepresentasikansistem dengan lebih realistis dan rinci sehinggamenghasilkan model yang kompleks dan nonlinearsedemikian sulit untuk diselesaikandengan teknik solusi analitis. Model matematik bertambah kompleksjika digunakan pendekatan dinamis dimanasistem dimodelkan dengan persamaandiferensial dan integral. pertumbuhan yang stabil (4.d) yangdiwarnai oleh osilasi disekitar titikkesetimbagan.Kemajuan teknik komputasi.h) menunjukkan adanyapertumbuhan terus menerus tetapi hal-hal yangdiperoleh dari pertumbuhan tersebut malahanmenurun. ketagihan akan solusiinsidental menyebabkan sistem semakinmeninggalkan solusi fundamental.delay (4. Contoh dari jenismodel matematik ini adalah linearprogramming.e)atau memburuk setelah melawati titik puncak(4. One-to-one correspondencemenjadi tidak berlaku untuk model simulasi ini.Dengan pendekatan deskriptif ini. Dalam hal ini. visualisasi dananimasi menyebabkan model ini dapat disajikanlebih user friendly serta hasil-hasilnya dapatdifamahi lebih mudah oleh user. Model ini umumnya terdiri darifungsi objektif umumnya cost function denganbeberapa fungsi constraint.Model simulasi termasuk jenis model yangdeksriptif[9]. ola yang ketujuh (4.g) menggambarkanadanya peningkatan masalah dan usaha solusiyang memberikan efek membaik tetapikemudian memburuk lagi secara bergantian. Polakesembilan (4. Nilai optimaldiperoleh dengan menemukan decisionvariables yang mengoptimalkan fungsi tujuan. Model Preskriptif Versus Deskriptif Model matematik dapat berbentukpreskriptif dimana (1) formulasi model sudahbaku untuk jenis permasalahan tertentu.diperlukan suatu pemetaan variabel akan diamati dan juga faktor-faktor eksternal(exogeneous) yang akan berpengaruh padadinamika sistem.

Modelperamalan yang sering digunakan adalah modeltime-series baik single atau multi-variat[7].Kedepan. Berapa pendanaan yang dibutuhkan untukbisnis produk tersebut? Pertanyaan pertama harus dijawabdengan melakukan forecasing. sehingga kesalahanperamalan dapat menjadi kontributor dalamperilaku yang problematik dimana peramalan dengan ekstrapolasi menaikkanketidakstabilan sistem. Berapa kapasistas resources yangdibutuhkan untuk mendukung tingkatproduksi tersebut? 3. profitdan variable performansi yang lain merupakanbasis dalam mengelola bisnis[11] baikmanufaktur. atau viewpoint tentangbeberapa event atau kondisi kedepan. Model Peramalan : Pendekatan AggregateVersus Disaggregate Peramalan permintaan. Peramalan time-series cenderung salah(tidak akurat) 2. Peramalananadalah prediksi. jasa. sebagai basis untuk melakukan tindakan. time-series model tidak dianjurkanuntuk digunakan karena: 1. Pada modelinteraksi energi-ekonomi[7].Variabel : Model BlackBoxPemetaan variabel ini sangat bergantungpada objektif dari pemodelan. Keputusan bisnispada umumnya merupakan jawaban daripertanyaan-pertanyaan: 1. . maupun energi. GNP bersamaenergy prices dipetakan sebagai faktorendogeneous sedangkan pada studi lainmenempatkan GNP sebagai faktorexogeneous[10]. asumsi. Peramalan merupakan bagian dari systemdecision structures. Berapa tingkat produksi tahun depan? 2. Produk baru apa yang harusdikembangkan? 4. revenue.Penggunaan peramalan dalam bisinis sangatluas dan tak terhindarkan.

akantetapi model ini pun belum mampumemproyeksikan impak dari perang.Peramalan ini dibuat dengan membangunmarket model yang merepresentasikan supplychainsehingga diharapkan akan : 1. Perbedaanpendekatan dalam berbagai aspek terutamaantara industri dan pemerintah di satu pihakdengan pakar lingkungan menyebabkanperbedaan hasil peramalan antara kedua pihaktersebut dengan faktor dua [7]. pemutusansuplai akibat bencana dan resesi ekonomi. Peramalan bukan untuk reaksi terhadapproblem tetapi untuk antisipasi munculnyaproblemPeramalan dengan sistem dinamismenggunakan pendekatan structural dimanakekuatan hubungan antar elemen dan pribadisebagai bagian dari sistem ikut diperhitungkan. Memungkinkan penentuan skenario yangmasuk akal sebagai input terhadapkeputusan dan policy.Energy projection merupakan bagianpenting dari perencanaan pembanguan suatubangsa. Faktorfaktorinput yang digunakan untuk simulasiperamalan juga tergantung pada hargaparameter input seperti nilai elastisitas energydemand dan kurva suplai. adanya krisis minyak) yangmuncul dalam sistem energi sehinggamenghasilkan overestimate sampai 75 %[7]. 2.3. dan progres teknologi. Memberikan tool deteksi untuk dini pemahamanpenyebab perubahanstruktur perilaku industri dan sehinggamemungkinkan internal industri menentukanfaktor-faktor peramalan mana yang sensitif. Ada keinginan untuk menggeser penekananmanajemen untuk pemahaman dan disainpolicy. 4.Peramalan konsumsi energi di banyak negarabelum berhasil merepresentasikan realitasrealitasbaru (seperti usaha implementasikonservasi energi.harga energi. Memberikan hasil peramalan yang lebihandal untuk jangka pendek dan menengah. populasi. Energi projection ini membutuhkanmodel ekonometrik yang sophisticated.3. APLIKASI PEMODELAN DALAMDECISION MAKING Model Aggregate .Model dan teknik peramalan energi yangdigunakan bervairasi dari yang sederhanadengan menggunakan fungsi TREND sampaimodel yang kompleks yang harus melibatkanvariabel exogeneous meliputi GDP.

dinamika output dari model simulasi didasarkanpada kejadian-kejadian (events) dan waktubergerak mengikuti kejadian-kejadian tersebut.Menurut pendekatan ini.shceduleProduksi naik 2 kali. OutcomeFIAT Scheduling > & US$ NewProceduresWork-In-Process danpenghematan 1jutaEXXONMOBILOptimasi alat danprosesProduksi naik 40 %CYMER Layout. process. WIPPendapatan naik US $180 jutaVW Lokasi Warehouse danjalur distribusienghematan sampaiUS$ US 20 jutaWRIGHT Equipment.schedule. Metoda numerismenggunakan prosedur komputasi untuk“solve” model matematik dan bukan dengansolusi analitik.. Beberapa perusahaan besardari luar negeri telah banyak memanfaatkanpendekatan ini untuk perbaikan kinerja sistemseperti ditunjuukan dalam Tabel 4.Pendekatan aggregate merupakanpendekatan yang umum dilakukan dimanasistem yang ditinjau diwakili oleh sebuahentitas tunggal atau single object. minimasi cost dan maksimasiprofit. decision making jugamemerlukan model-model probabilistik untukanalisis risiko dan multi-criteria decisiónmaking untuk strategi investasi dan planning Risiko.Tabel 4. demikian juga model-model peramalanbaik time-series maupun causal.model lebih cenderung dijalankan (to be run)bukan diselesaikan (to be solved). Variabel keadaan berubah ketika adakejadian/event walaupun tidak setiap kejadianmengubah nilai variabl keadaan. Selain modeloptimasi dan peramalan.Pendekatan discreteevent ini cukuppowerfull diaplikasikan pada sistem produksiyang kompleks. process. Data outputhasil “run” model kemudian dikoleksi dandianalisis untuk dapat mengestimasi ukuranperformansi sistem. Perusahaan Besar Dari Luar Negeri YangTelah Memanfaatkan Pendekatan Discrete-EventPerusahaan turun48 Topik %. sistem dimodelkansedemikian sehingga variable keadaan berubahhanya pada himpunan diskrit dari titik-titikwaktu. Model Deskriptif : Event-Oriented Model Di dalam pendekatan event-oriented. engineer diperusahaan tersebut . tentu saja dengan bantuansoftware simulasi. Decisionmodeling untuk aplikasi bisnis banyakmenggunakan pendekatan aggregate. Modelmodelyang digunakan dalam pendekatan iniumumnya meliputi model optimasi baik untuksumberdaya. Modeldianalisis dengan menggunakan metodanumerik dan bukan analitik. Dengan prosedur komputasi.dan penghematansebesar $ 10 jutaUntuk antisipasi peningkatan permintaanproduk baja sampai 30%.

hasilnya adalah perusahaan direkomendasikanuntuk tidak membeli crane baru[16].2. Masuknya model dalam prosespengambilan keputusan merupakan buktipenjelasan prinsip manajemen bahwa “masalah dan solusi” pada dasarnya tidakdekat baik dalam jarak maupun waktu.solusi dapat yang diantisipasi memperburuk kemungkinanterjadinya instabilitas. . peran pemodelan mulai bergeserdari level operasional dan tactical ke levelstrategis dengan berkembangnya systemdynamics model. KESIMPULAN DAN SARAN Berdasarkan pengkajian dari berbagaiaspek dapat disimpulkan bahwa :1. Dengan modelsimulasi dapat ditunjukkan bahwa kesibukancrane diperkirakan hanya meningkat menjadi65% dari semula 45% sehingga keputusanuntuk tidak menambah crane baru merupakanpenghematan biaya ratusan ribu dollar.memperkirakanpenambahan satu crane baru. sampai 20juta dollar. meningkatkan model juga produktivitassampai 2 kali.3.ketagihan akan solusi insidental sehinggasemakin menjauh dari solusi fundamentaltermasuk munculnya tragedy of common. DAFTAR PUSTAKA. meningkatkan kinerja sampai48% serta meningkatkan Penggunaandiscrete-event telahmenyelematkan modal sampai ratusan ribudollar di perusahaan baja nasional karena usulan pembelian crane baru dinilai tidakdiperlukan setelah material handling systemyang ada dievaluasi ulang dengan bantuanmodel sistem tersebut. Kedepan. Peran pemodelan sistem semakinberkembang dan dalam beberapa contohaplikasi oleh perusahaan besarmenunjukkan bahwa pemodelan sistemmenawarkan kontribusi yang signifikandengan pendapatansampai mennyelamatkan 180 juta modal dollar. Disain strategi dankebijakan dapat dievaluasi dampaknyakedepan dengan system dynamics inisehingga profit. menurunnya masalah.Kajian ini tentu saja masih sangat mendasaryang tentu saja terus dikembangkan dengantujuan diperolehnya sebuah road map risetdan pengembangan di bidang pemodelansistem yang bermanfaat untuk kepentinganmasyarakat.Model untuk menguji usulanpenambahan crane di perusahaan baja nasional.

McGrawHill. BASOGLU. 13. 9. 2001. RONALD ASKIN ET.COM 7. 2002. Londom. 1998. Irwin-McGraw-Hill. 4. 3. 2005. 8. System dynamics formarket forecasting and structural analysis. SENGE.system dynamics Review. Journal of Simualtion Conference. 1996. FinancialTimes. JAMES F LINEIS. JOHN D STERMAN. “A SystemDynamics Simulation for Energy Sector ofTurkey”.Helsinki University of Technology. “Decision ModelingTools For Energy Utilities In TheDeregulated Market”:. JENNING D. 2000. JohnWiley and Sons. PenerbitInteraksara. Buisness Dynamics:System Thinking and Modeling for AComplex World. WATTAM S. HARREL. Pergamon Press.N. WWW. Prencice-Hall. MOORE. Petman Publishing.ET. Thesis dissertation. JAWA POS. 2000. 2. Modeling andAnalysis. 1993.DOE. Simulation. 10. 1990.AL. Disiplin Kelima :Strategi dan Alat Untuk MembangunOrganisasi Pembelajaran. Modeling andAnalysis of Manufacturing System.AL. 11. MURTHY. D. Spring. GHOSH & BOWDEN. KELTON.Simulation Using Promodel. DecisionModeling With Microsoft Excel. 27 Oktober 2007 5. . TURAN. MathematicalModelling. 6. 2003. 2002. OMER. WEATHERFORD. PETER. 12. Minggu.1. DecisionMaking : An Integrated Approach.P.. McGraw-Hill. SIMO MAKKONEN.

7. SMITH. 5. 8. jika pada kumpuan data itu terdapat lebih dari satu data yang sama-sama paling sering muncul. 8. 7. 11. 6. 3 . 5. 8 mempunyai modus 6. 7. 10. 12. maka dalam kumpulan data itu terdapat lebih dari satu modus. 6. 4. at 08:07:00. 0 komentar Pengertian Modus Diposkan oleh KUMPULAN CONTOH MAKALAH . 9. 1986. 4. 8 e. 7 d. c. 2. 6. 12. 7 : mempunyai modus 5. 6. 10. 10. 5. 5. 9. GRAIG. 7. 11. 7. 7. 5. 13 Jawab : a. 6. 5. 10. 4. sebab nilai data 5 muncul paling sering yaitu sebanyak 3 kali. 9 b. 8. 3. 8 sama-sama paling sering muncul yaitu sebanyak 2 kali. Modus Modus ialah kumpulan data yang paling sering muncul atau data yang mempunyai nilai frekensi terbesar. in Label: Pengertian Modus A. Contoh yang mempunyai modus a. 3 . 5. 7. 8. 7. 3. 9. 7. 6. 10. 4. 6. sebab nilai data 6. Pergamon Press. 12.14. 10. 6. 5. 10 c. 12. 2. maka kumpulan data itu dikatakan tidak mempunyai modus. 7. Energy ManagementPrinciples. 4. 10. 6. 13 mempunyai modus 10 dan 12 . 9. 9. 6. 8. 5. 4. 12. b. Jika pada kumpulan data itu tidak terdapat data yang paling sering muncul. 12. 5.

4. 2. Peran yang dilakukan tersebut adalah: (1) Initiator.. Proses pengambilan keputusan pembelian suatu barang atau jasa akan melibatkan berbagai pihak. apa yang akan dibeli. in Label: Pengertian Perilaku Konsumen Perilaku Konsumen adalah kegiatan-kegiatan individu yang secara langsung terlibat dalam mendapatkan dan menggunakan barang dan jasa termasuk di dalamnya proses pengambilan keputusan pada persiapan dan penentuan kegiatan-kegiatan tersebut (Swastha dkk.Yang tidak mempunyai modus a. Kesemuanya ini sangat membantu manajer pemasaran di dalam menyusun kebijaksanaan pemasaran perusahaan. 7. Informasi mengenai kriteria yang diberikan akan dipertimbangkan baik secara sengaja atau tidak. at 08:05:00. adalah individu yang berpengaruh terhadap keputusan pembelian. sesuai dengan peran masing-masing. 6. 6. Perilaku konsumen mempelajari di mana. 7. 2. dan bagaimana kebiasaan seseorang membeli produk tertentu dengan merk tertentu. bagaimana . 4. adalah individu yang mempunyai inisiatif pembelian barang tertentu. 0 komentar Pengertian Perilaku Konsumen Diposkan oleh KUMPULAN CONTOH MAKALAH . 9. (3) Decider. 9 : tidak mempunyai modus B. adalah yang memutuskan apakah akan membeli atau tidak. 1997). (2) Influencer. dalam kondisi macam apa.

Teori ini beranggapan bahwa setiap konsumen akan berusaha memperoleh kepuasan maksimal. (2) Teori Psikologis. adalah individu yang melakukan transaksi pembelian sesungguhnya. Bidang psikologis ini sangat kompleks dalam menganalisa perilaku konsumen. karena proses mental tidak dapat diamati secara langsung. (4) Buyer. harga. Teori ini juga menekankan perilaku pembelian dari suatu kelompok . Teori ini mendasarkan diri pada faktor-faktor psikologis individu yang dipengaruhi oleh kekuatan-kekuatan lingkungan. Banyak faktor yang mempengaruhi seseorang melakukan pembelian terhadap suatu produk. sosiologis dan antropologis. (5) User. Alasan mengapa seseorang membeli produk tertentu atau alasan mengapa membeli pada penjual tertentu akan merupakan faktor yang sangat penting bagi perusahaan dalam menentukan desain produk.membelinya. dan program promosi yang efektif. yaitu individu yang mempergunakan produk atau jasa yang dibeli. Adapun beberapa teori perilaku konsumen adalah sebagai berikut: (1) Teori Ekonomi Mikro. serta beberapa aspek lain dari program pemasaran perusahaan. Mereka akan berupaya meneruskan pembeliannya terhadap suatu produk apabila memperoleh kepuasan dari produk yang telah dikonsumsinya. Faktor-faktor tersebut diantaranya adalah faktor ekonomi. saluran distribusi. (3) Teori Antropologis. Manajemen perlu mempelajari faktor-faktor tersebut agar program pemasarannya dapat lebih berhasil. di mana kepuasan ini sebanding atau lebih besar dengan marginal utility yang diturunkan dari pengeluaran yang sama untuk beberapa produk yang lain. psikologis.

seperti kebudayaan. kelas-kelas sosial dan sebagainya.masyarakat yang ruang lingkupnya sangat luas. 0 komentar .