P. 1
Decision Making Makalah

Decision Making Makalah

|Views: 654|Likes:
Published by Myth Moet Ries

More info:

Published by: Myth Moet Ries on Sep 10, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

06/06/2014

pdf

text

original

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

Keterbatasan waktu dalam pengambilan keputusan ini akan mengurangi pertimbangan-pertimbangan dan hal ini akan meningkatkan risiko pengambilan keputusan yang tidak tepat. Dalam hal ini. . Dengan kata lain. Mengingat problem situation yang dihadapi organisasi bersifat kompleks. 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. tactical dan strategic. maka data dan informasi yang diperlukan untuk mendukung pengambilan keputusan sering sangat banyak sebanding dengan kompleksitas permasalahan yang dihadapi. 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. aggregate maupun structural. maka diperlukan pemprosesan data. pengambilan keputusan langung dengan menggunakan intuisi tidak bisa lagi diandalkan mengingat banyaknya data yang bersifat interrelated.yang dihadapi adalah bahwa pengambilan keputusan selain harus memperhitungkan sejumlah data yang banyak dan interrelated juga harus berpacu dengan waktu. 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. 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. Dalam makalah ini dikaji berbagai level decision making serta modeling meliputi level operational. hard maupaun soft model. Kemudian model pengambilan keputusan langsung secara intuitif dibandingkan dengan model yang lebih terstruktur melalui proses pemodelan untuk mendapatkan good decision.

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

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

maka risiko akibat ketidakpastian ini jugadimodelkan dengan bantuan pendekatanprobabilistik dalam bentuk risk analysis. cash-management model dan lain-lain[2] Modellinear programming merupakan contoh modelpreskriptif yang sudah sangat dikenal. . tenaga kerja) misalnya alokasi tenagasales di berbagai kota. dapat digunakansimulasi Monte-Carlo untuk mendapatkanoverall expectation berdasarkan nilaiprobabilistik masing-masing decision variables. penjadwalan produksi. Applikasi model tersebut pada umumnyadiawali dengan terlebih dahulu melakukan timeseriesforcasting untuk memprediksikanparameter parameter tertentu misalnya orderdan demand. Applikasi model tersebut pada umumnyadiawali dengan terlebih dahulu melakukan timeseriesforcasting untuk memprediksikanparameter parameter tertentu misalnya orderdan demand. Decision model iniumumnya digunakan untuk membuat keputusanberkaitan dengan alokasi sumberdaya (waktu. bahan.berbagai kota. penjadwalan produksi. Pendekatan Pemodelan : Linear Thinking Versus System Thinking Model di atas secara prinsip masihdikatakan berbasis linear thinking cukup kompleks. Jikamodel variables. 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. maka risiko akibat ketidakpastian ini jugadimodelkan dengan bantuan pendekatanprobabilistik dalam bentuk risk analysis. Modellinear programming merupakan contoh modelpreskriptif yang sudah sangat dikenal. Jika ada unsur ketidakpastian. Model-model ini lebih banyakdiaplikasikan untuk level operational dantactical. Jikamodel cukup kompleks. Decisionmodel ini menggunakan suatu ukuranperformansi yang eksplisit untuk mengukurpencapaian objektif tertentu. Jika ada unsur ketidakpastian. cash-management model dan lain-lain[2]. 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.

b). penyelesaian yangmemperburuk masalah. pertumbuhan menuju kesetimbangan baiktanpa delay (4. Dengan mengintegrasikan”stock-flow” model.Pendekatan yang sering disebut ”ilmusedih baru” ini lebih cocok diaplikasikan untuklevel strategik. Isyaratisyaratini diformulasikan ke dalam modelkeputusan dan kemudian bersama denganisyarat dari lingkungannya menjadi feedbackbagi dinamika sistem itu sendiri.decision making juga dapat menggunakansystem archetype atau pola-pola dasar yangmerepresentasikan dinamik sistem bisnis. diperoleh sebuah tahapan pengambilankeputusan yang dinamis denganmemperhitungkan reaksi dari lingkungansebagai feedback. 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.Policyresistance ini sering tidak disadari kebijakan dan dapat menjadi sumberadanya pembatasan pertumbuhanJohn Sterman dalam Business dynamic[7] membuat aliran keputusan dengan pendekatansystem dinamycs.c) atau dengan . putarankesetimbangan (tanpa atau dengan delay). Model-model ini lebih banyak diaplikasikan untuk level operational dan tactical.Berdasarkan pengamatan atau penelitianterhadap dinamika keadaan di masa lalu dapatdigambarkan pola-pola dasar berikut yaitu [8]putaran pertumbuhan atau kemerosotan. Aturan Keputusan Dan Dinamika StateDari Sistem Bersifat Umpan BalikDengan pendekatan system dynamicsatau buisness dynamics ini. Penetapan kebijakankebijakandan reaksi dari lingkungan dapatmembentuk pola-pola pertumbuhan terusmenerus(4. menggunakan stockflow modelsehingga akhirnya dapat disimulasikan dengankomputer. Gambar 3.a) atau kemerosotan terus menerus(4. Selain dengan model simulasi.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.batas-batas pertumbuhan. causal-loop diagram sertadecision model berbentuk fungsi matematik. menggeser beban dantragedy of common. 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.

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

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

Model dan teknik peramalan energi yangdigunakan bervairasi dari yang sederhanadengan menggunakan fungsi TREND sampaimodel yang kompleks yang harus melibatkanvariabel exogeneous meliputi GDP.3. Memberikan hasil peramalan yang lebihandal untuk jangka pendek dan menengah. APLIKASI PEMODELAN DALAMDECISION MAKING Model Aggregate . adanya krisis minyak) yangmuncul dalam sistem energi sehinggamenghasilkan overestimate sampai 75 %[7]. Energi projection ini membutuhkanmodel ekonometrik yang sophisticated. Memungkinkan penentuan skenario yangmasuk akal sebagai input terhadapkeputusan dan policy. Faktorfaktorinput yang digunakan untuk simulasiperamalan juga tergantung pada hargaparameter input seperti nilai elastisitas energydemand dan kurva suplai. Ada keinginan untuk menggeser penekananmanajemen untuk pemahaman dan disainpolicy. dan progres teknologi. pemutusansuplai akibat bencana dan resesi ekonomi. akantetapi model ini pun belum mampumemproyeksikan impak dari perang.Energy projection merupakan bagianpenting dari perencanaan pembanguan suatubangsa.Peramalan konsumsi energi di banyak negarabelum berhasil merepresentasikan realitasrealitasbaru (seperti usaha implementasikonservasi energi.harga energi.Peramalan ini dibuat dengan membangunmarket model yang merepresentasikan supplychainsehingga diharapkan akan : 1. 4.3. Perbedaanpendekatan dalam berbagai aspek terutamaantara industri dan pemerintah di satu pihakdengan pakar lingkungan menyebabkanperbedaan hasil peramalan antara kedua pihaktersebut dengan faktor dua [7]. populasi. 2. Memberikan tool deteksi untuk dini pemahamanpenyebab perubahanstruktur perilaku industri dan sehinggamemungkinkan internal industri menentukanfaktor-faktor peramalan mana yang sensitif. 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.

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

KESIMPULAN DAN SARAN Berdasarkan pengkajian dari berbagaiaspek dapat disimpulkan bahwa :1.Model untuk menguji usulanpenambahan crane di perusahaan baja nasional.2. . sampai 20juta dollar.ketagihan akan solusi insidental sehinggasemakin menjauh dari solusi fundamentaltermasuk munculnya tragedy of common. Kedepan.3.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.memperkirakanpenambahan satu crane baru. peran pemodelan mulai bergeserdari level operasional dan tactical ke levelstrategis dengan berkembangnya systemdynamics model. menurunnya masalah. Masuknya model dalam prosespengambilan keputusan merupakan buktipenjelasan prinsip manajemen bahwa “masalah dan solusi” pada dasarnya tidakdekat baik dalam jarak maupun waktu. Disain strategi dankebijakan dapat dievaluasi dampaknyakedepan dengan system dynamics inisehingga profit. meningkatkan model juga produktivitassampai 2 kali. 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. Dengan modelsimulasi dapat ditunjukkan bahwa kesibukancrane diperkirakan hanya meningkat menjadi65% dari semula 45% sehingga keputusanuntuk tidak menambah crane baru merupakanpenghematan biaya ratusan ribu dollar. DAFTAR PUSTAKA. Peran pemodelan sistem semakinberkembang dan dalam beberapa contohaplikasi oleh perusahaan besarmenunjukkan bahwa pemodelan sistemmenawarkan kontribusi yang signifikandengan pendapatansampai mennyelamatkan 180 juta modal dollar.solusi dapat yang diantisipasi memperburuk kemungkinanterjadinya instabilitas.hasilnya adalah perusahaan direkomendasikanuntuk tidak membeli crane baru[16].

JENNING D. TURAN. SIMO MAKKONEN. Londom. 2002. HARREL.system dynamics Review. McGrawHill.COM 7. 2005.Helsinki University of Technology. “Decision ModelingTools For Energy Utilities In TheDeregulated Market”:. PETER. JOHN D STERMAN. Simulation. System dynamics formarket forecasting and structural analysis. Spring. Prencice-Hall. 13. Minggu. WWW. OMER. Buisness Dynamics:System Thinking and Modeling for AComplex World. Disiplin Kelima :Strategi dan Alat Untuk MembangunOrganisasi Pembelajaran. GHOSH & BOWDEN. Irwin-McGraw-Hill.. McGraw-Hill. DecisionMaking : An Integrated Approach.AL. Thesis dissertation. WEATHERFORD.P. 9. BASOGLU. MURTHY. KELTON. D. 2001.AL. JAMES F LINEIS. DecisionModeling With Microsoft Excel. 6. 2000. 8. JAWA POS. Pergamon Press. 2003. . PenerbitInteraksara.Simulation Using Promodel. 10. 12. 4. 3. RONALD ASKIN ET.DOE. 2000.N. 1993. SENGE. 2002. 1996. JohnWiley and Sons. Petman Publishing. 1990.1. FinancialTimes. 2.ET. WATTAM S. Modeling andAnalysis of Manufacturing System. 1998. 11. MathematicalModelling. 27 Oktober 2007 5. MOORE. “A SystemDynamics Simulation for Energy Sector ofTurkey”. Modeling andAnalysis. Journal of Simualtion Conference.

1986. 10. 7. 6. c. 8. 10. 8 mempunyai modus 6. 6. 11. 0 komentar Pengertian Modus Diposkan oleh KUMPULAN CONTOH MAKALAH . Jika pada kumpulan data itu tidak terdapat data yang paling sering muncul. Pergamon Press. 4. 7. 7. 4. 6. 2. 4. 3 . 13 mempunyai modus 10 dan 12 . 7. 6. 6. 6. Energy ManagementPrinciples. 9. 12. 10.14. maka kumpulan data itu dikatakan tidak mempunyai modus. 2. 10. 5. 3. 3. 9. 12. 10 c. 9. in Label: Pengertian Modus A. 4. SMITH. 11. 4. 12. 10. 7 : mempunyai modus 5. b. 7. 12. 12. 13 Jawab : a. GRAIG. 8 e. 7. 8. 3 . 6. 7. 5. 6. 10. 10. sebab nilai data 5 muncul paling sering yaitu sebanyak 3 kali. 8 sama-sama paling sering muncul yaitu sebanyak 2 kali. 7. Contoh yang mempunyai modus a. 6. 5. 5. jika pada kumpuan data itu terdapat lebih dari satu data yang sama-sama paling sering muncul. sebab nilai data 6. 9 b. 5. Modus Modus ialah kumpulan data yang paling sering muncul atau data yang mempunyai nilai frekensi terbesar. maka dalam kumpulan data itu terdapat lebih dari satu modus. 12. 7. 7. 5. 5. 8. 9. at 08:07:00. 8. 6. 5. 9. 5. 7 d. 4. 5. 8.

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->