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. 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. pengambilan keputusan ini membutuhkan pemahaman system yang komprehensif berdasrkan data yang tersedia sehingga diperoleh gambaran karakteristik organisasi atau sistem tersebut. Dalam makalah ini dikaji berbagai level decision making serta modeling meliputi level operational. Dengan kata lain.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. maka data dan informasi yang diperlukan untuk mendukung pengambilan keputusan sering sangat banyak sebanding dengan kompleksitas permasalahan yang dihadapi. Kajian mengenai pendekatan-pendekatan yang lain juga dijelaskan meliputi preskriptif versus deksriptif. Agar banyaknya data dan informasi tidak membuat bingung decision maker dengan risiko pengambilan keputusan yang tidak tepat. maka diperlukan pemprosesan data. Kemudian model pengambilan keputusan langsung secara intuitif dibandingkan dengan model yang lebih terstruktur melalui proses pemodelan untuk mendapatkan good decision. Dalam hal ini. Mengingat problem situation yang dihadapi organisasi bersifat kompleks. aggregate maupun structural. . Dalam makalah ini dijelaskan mengenai definisi model dari berbagai perspektif baik everyday sense maupun technical sense. tactical dan strategic. hard maupaun soft model. pengambilan keputusan langung dengan menggunakan intuisi tidak bisa lagi diandalkan mengingat banyaknya data yang bersifat interrelated.

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

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

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

Berdasarkan pengamatan atau penelitianterhadap dinamika keadaan di masa lalu dapatdigambarkan pola-pola dasar berikut yaitu [8]putaran pertumbuhan atau kemerosotan.c) atau dengan . Dengan mengintegrasikan”stock-flow” model. menggunakan stockflow modelsehingga akhirnya dapat disimulasikan dengankomputer. keputusankeputusandan kebijakan yang dibuat sertareaksi dari lingkungannya akandirepresentasikan ke dalam causal-loopdiagram. 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.batas-batas pertumbuhan.Pendekatan yang sering disebut ”ilmusedih baru” ini lebih cocok diaplikasikan untuklevel strategik. Pendekatan system dynamicsmodeling ini merepresentasikan dinamikaperubahan state dari sistem dan menghasilkanisyarat-isyarat sebagai keluarannya. pertumbuhan menuju kesetimbangan baiktanpa delay (4. Penetapan kebijakankebijakandan reaksi dari lingkungan dapatmembentuk pola-pola pertumbuhan terusmenerus(4.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. putarankesetimbangan (tanpa atau dengan delay). Isyaratisyaratini diformulasikan ke dalam modelkeputusan dan kemudian bersama denganisyarat dari lingkungannya menjadi feedbackbagi dinamika sistem itu sendiri.b). Model-model ini lebih banyak diaplikasikan untuk level operational dan tactical. menggeser beban dantragedy of common. causal-loop diagram sertadecision model berbentuk fungsi matematik. Gambar 3. Selain dengan model simulasi. penyelesaian yangmemperburuk masalah.a) atau kemerosotan terus menerus(4.decision making juga dapat menggunakansystem archetype atau pola-pola dasar yangmerepresentasikan dinamik sistem bisnis. 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. Aturan Keputusan Dan Dinamika StateDari Sistem Bersifat Umpan BalikDengan pendekatan system dynamicsatau buisness dynamics ini.

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

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

APLIKASI PEMODELAN DALAMDECISION MAKING Model Aggregate .3.harga energi. dan progres teknologi. Faktorfaktorinput yang digunakan untuk simulasiperamalan juga tergantung pada hargaparameter input seperti nilai elastisitas energydemand dan kurva suplai. Memberikan hasil peramalan yang lebihandal untuk jangka pendek dan menengah.Peramalan konsumsi energi di banyak negarabelum berhasil merepresentasikan realitasrealitasbaru (seperti usaha implementasikonservasi energi. 2. akantetapi model ini pun belum mampumemproyeksikan impak dari perang. 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. Perbedaanpendekatan dalam berbagai aspek terutamaantara industri dan pemerintah di satu pihakdengan pakar lingkungan menyebabkanperbedaan hasil peramalan antara kedua pihaktersebut dengan faktor dua [7]. 4. Memungkinkan penentuan skenario yangmasuk akal sebagai input terhadapkeputusan dan policy.3. Ada keinginan untuk menggeser penekananmanajemen untuk pemahaman dan disainpolicy. Memberikan tool deteksi untuk dini pemahamanpenyebab perubahanstruktur perilaku industri dan sehinggamemungkinkan internal industri menentukanfaktor-faktor peramalan mana yang sensitif.Energy projection merupakan bagianpenting dari perencanaan pembanguan suatubangsa.Peramalan ini dibuat dengan membangunmarket model yang merepresentasikan supplychainsehingga diharapkan akan : 1. pemutusansuplai akibat bencana dan resesi ekonomi. adanya krisis minyak) yangmuncul dalam sistem energi sehinggamenghasilkan overestimate sampai 75 %[7]. Energi projection ini membutuhkanmodel ekonometrik yang sophisticated.Model dan teknik peramalan energi yangdigunakan bervairasi dari yang sederhanadengan menggunakan fungsi TREND sampaimodel yang kompleks yang harus melibatkanvariabel exogeneous meliputi GDP. populasi.

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful