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

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

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

Proses Pengambilan Keputusan Pengambilan keputusan langsung (intuitif) ini yang hanya dengan mengamatisituasi manajemen ini tidak dapat menghasilkangood decision jika permasalahannya kompleks.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. bahan. Gambar 2. Tahapan menjadi lebih panjang yaitumelalui proses representasi situasi ke dalammodel. System dynamics ini merupakan pendekatan yang powerful sekaligus juga sebagai teknik pemodelan simulasi komputer untuk pemetaan. Decision model iniumumnya digunakan untuk membuat keputusanberkaitan dengan alokasi sumberdaya (waktu. Decision Modeling : Pendekatan Intuitif Versus Sistematis Pengembangan model dilakukan untuk mendukung pengambilan keputusan. Pengambilan keputusan ditingkat manajemen melalui beberapa langkah mulai dari analisis situasi oleh manajemen. analisis model untuk menemukan solusi. 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]. speedometer dan pie chart. Keputusan kemudian juga diimplementasikan dan lebih lanjut organisasi ini akan menuai konsekuensi dari implementasi keputusan tersebut (payoff) yang tidak semuanya berbentuk uang[2]. dikembangkan tahapanpengambilan keputusan melalui pemodelan (Gambar 2). Decisionmodel ini menggunakan suatu ukuranperformansi yang eksplisit untuk mengukurpencapaian objektif tertentu. pemahaman. Gambar 1. Dalam kasus ini. dan interpretasi berbagai alternatif hasil untukmenentukan keputusan yang optimal. Keputusan inidibuat untuk mencapai tujuan tertentu. tenaga kerja) misalnya alokasi tenagasales di . Sejak tahun 1950 dikembangkan pula model system dynamics oleh Professor Jay W. Pengambilan Keputusan Melalui Model. 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. dan learning issu-issu dan problem yang complex[6].

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

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

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

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

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

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

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

8. Londom. 2002. . Petman Publishing. 2. Prencice-Hall. JAMES F LINEIS. Minggu. 2000. 2005. OMER. Modeling andAnalysis of Manufacturing System. JAWA POS. KELTON. “A SystemDynamics Simulation for Energy Sector ofTurkey”. Irwin-McGraw-Hill.COM 7. MOORE. Thesis dissertation. PenerbitInteraksara. JohnWiley and Sons. BASOGLU. 1998. 2002. SENGE. HARREL.Helsinki University of Technology. MathematicalModelling. JOHN D STERMAN. System dynamics formarket forecasting and structural analysis. WEATHERFORD. DecisionModeling With Microsoft Excel. Modeling andAnalysis.AL. MURTHY.N. Journal of Simualtion Conference. 2003. JENNING D. WWW. 2000. 4. McGrawHill. 13.1. Pergamon Press. TURAN. PETER..ET.DOE. Spring.Simulation Using Promodel. “Decision ModelingTools For Energy Utilities In TheDeregulated Market”:.system dynamics Review.P. GHOSH & BOWDEN. Simulation. 27 Oktober 2007 5. 10. 3. 9. 1996. 12. SIMO MAKKONEN. 1993. 2001. FinancialTimes. Buisness Dynamics:System Thinking and Modeling for AComplex World. WATTAM S. DecisionMaking : An Integrated Approach. RONALD ASKIN ET. 6. D.AL. McGraw-Hill. Disiplin Kelima :Strategi dan Alat Untuk MembangunOrganisasi Pembelajaran. 1990. 11.

maka dalam kumpulan data itu terdapat lebih dari satu modus. 6. 0 komentar Pengertian Modus Diposkan oleh KUMPULAN CONTOH MAKALAH . 12. 10. jika pada kumpuan data itu terdapat lebih dari satu data yang sama-sama paling sering muncul. 10. 2. Jika pada kumpulan data itu tidak terdapat data yang paling sering muncul. 2. GRAIG. 5. 8 e. 10. 5. 3 . Modus Modus ialah kumpulan data yang paling sering muncul atau data yang mempunyai nilai frekensi terbesar. 10. 3 . 7. 6. 8 sama-sama paling sering muncul yaitu sebanyak 2 kali. Energy ManagementPrinciples. 8. 7. in Label: Pengertian Modus A. 9. 6. 10. 11. 5. 4. 7. 13 Jawab : a. 10. 5. 13 mempunyai modus 10 dan 12 . 9. 6. 8. 12. 4. c. 4. at 08:07:00. 7 : mempunyai modus 5. 8 mempunyai modus 6. 7. 6.14. 6. 9. 4. 8. 12. 7. 6. 9 b. b. 12. 10 c. 5. 7. 4. 7. 5. SMITH. 6. 5. 6. Contoh yang mempunyai modus a. 11. 10. 1986. 7 d. 5. 12. 7. maka kumpulan data itu dikatakan tidak mempunyai modus. 7. 9. Pergamon Press. 3. sebab nilai data 5 muncul paling sering yaitu sebanyak 3 kali. 8. 6. 5. 4. 8. 3. 5. 9. sebab nilai data 6. 12. 7.

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

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

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

Sign up to vote on this title
UsefulNot useful