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

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. maka diperlukan pemprosesan data. Kemudian model pengambilan keputusan langsung secara intuitif dibandingkan dengan model yang lebih terstruktur melalui proses pemodelan untuk mendapatkan good decision. Mengingat problem situation yang dihadapi organisasi bersifat kompleks. hard maupaun soft model. 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. 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. maka data dan informasi yang diperlukan untuk mendukung pengambilan keputusan sering sangat banyak sebanding dengan kompleksitas permasalahan yang dihadapi. pengambilan keputusan ini membutuhkan pemahaman system yang komprehensif berdasrkan data yang tersedia sehingga diperoleh gambaran karakteristik organisasi atau sistem tersebut. Dalam hal ini. aggregate maupun structural. 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. Dengan kata lain. tactical dan strategic. Keterbatasan waktu dalam pengambilan keputusan ini akan mengurangi pertimbangan-pertimbangan dan hal ini akan meningkatkan risiko pengambilan keputusan yang tidak tepat. Agar banyaknya data dan informasi tidak membuat bingung decision maker dengan risiko pengambilan keputusan yang tidak tepat. .yang dihadapi adalah bahwa pengambilan keputusan selain harus memperhitungkan sejumlah data yang banyak dan interrelated juga harus berpacu dengan waktu.

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

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

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

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

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

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

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

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

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

BASOGLU. MOORE. System dynamics formarket forecasting and structural analysis. Journal of Simualtion Conference. RONALD ASKIN ET. Buisness Dynamics:System Thinking and Modeling for AComplex World. 2005. JOHN D STERMAN. DecisionModeling With Microsoft Excel. 1996.1. . FinancialTimes. 2002. Modeling andAnalysis of Manufacturing System. KELTON. JAWA POS. GHOSH & BOWDEN. 6. 11.Simulation Using Promodel. 1990. Simulation.ET. Londom.AL.. Pergamon Press. 2000. SENGE. JAMES F LINEIS. McGraw-Hill. 1993. SIMO MAKKONEN. JENNING D. “A SystemDynamics Simulation for Energy Sector ofTurkey”.AL. 3. TURAN. WWW. JohnWiley and Sons. PETER. 2002.DOE. 1998. OMER. Modeling andAnalysis.P. 2001. 4. Spring.COM 7. 10. 2. “Decision ModelingTools For Energy Utilities In TheDeregulated Market”:. 13. DecisionMaking : An Integrated Approach. 8. Thesis dissertation. Minggu. PenerbitInteraksara. Irwin-McGraw-Hill. McGrawHill. Prencice-Hall. HARREL.Helsinki University of Technology. 27 Oktober 2007 5.N. Petman Publishing. 12. WATTAM S. Disiplin Kelima :Strategi dan Alat Untuk MembangunOrganisasi Pembelajaran. MathematicalModelling. 2000. MURTHY. D.system dynamics Review. 9. 2003. WEATHERFORD.

6. 3 . 6. Modus Modus ialah kumpulan data yang paling sering muncul atau data yang mempunyai nilai frekensi terbesar. maka kumpulan data itu dikatakan tidak mempunyai modus. 4. 4. 10. maka dalam kumpulan data itu terdapat lebih dari satu modus.14. 1986. 5. 5. 6. 7. 11. b. 12. 10. 8 sama-sama paling sering muncul yaitu sebanyak 2 kali. 3. 10. 6. 5. 7. 7. 12. 7. Pergamon Press. 2. 0 komentar Pengertian Modus Diposkan oleh KUMPULAN CONTOH MAKALAH . 9. 3. 8. 7. 9 b. 6. 10. 4. 11. 7 : mempunyai modus 5. 10. 8. 6. 6. 10 c. 5. 12. 13 mempunyai modus 10 dan 12 . 4. 9. jika pada kumpuan data itu terdapat lebih dari satu data yang sama-sama paling sering muncul. 5. 10. 9. 8 mempunyai modus 6. 9. 12. sebab nilai data 6. Jika pada kumpulan data itu tidak terdapat data yang paling sering muncul. 5. 13 Jawab : a. 4. 5. 7 d. 4. 7. 7. 7. 5. GRAIG. 12. sebab nilai data 5 muncul paling sering yaitu sebanyak 3 kali. 9. Energy ManagementPrinciples. 5. 8. 8. c. 5. 8 e. 6. 8. 7. 6. 7. in Label: Pengertian Modus A. Contoh yang mempunyai modus a. 2. 12. SMITH. at 08:07:00. 3 . 6. 10.

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

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

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

Sign up to vote on this title
UsefulNot useful