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

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

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

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

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

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

ketagihan akan solusiinsidental menyebabkan sistem semakinmeninggalkan solusi fundamental.Kemajuan teknik komputasi.Pola kedelapan merupakan pola kombinasidimana masalah selalu meningkat kemudiandiusahakan solusi insidental yang memperbaikitetapi juga segera memperburuk seperti pola ketujuh. Polakesembilan (4. Nilai optimaldiperoleh dengan menemukan decisionvariables yang mengoptimalkan fungsi tujuan.delay (4. Model matematik bertambah kompleksjika digunakan pendekatan dinamis dimanasistem dimodelkan dengan persamaandiferensial dan integral. Model Preskriptif Versus Deskriptif Model matematik dapat berbentukpreskriptif dimana (1) formulasi model sudahbaku untuk jenis permasalahan tertentu. (2)teknik-teknik menyelesaikan.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. One-to-one correspondencemenjadi tidak berlaku untuk model simulasi ini.Dengan pendekatan deskriptif ini. Model ini umumnya terdiri darifungsi objektif umumnya cost function denganbeberapa fungsi constraint.f).d) yangdiwarnai oleh osilasi disekitar titikkesetimbagan. pertumbuhan yang stabil (4.h) menunjukkan adanyapertumbuhan terus menerus tetapi hal-hal yangdiperoleh dari pertumbuhan tersebut malahanmenurun. Pemetaan .Model deskriptif merepresentasikansistem dengan lebih realistis dan rinci sehinggamenghasilkan model yang kompleks dan nonlinearsedemikian sulit untuk diselesaikandengan teknik solusi analitis. Dalam hal ini.Asumsi bahwa sistem merupakan “singleobjek” atau aggregate serta diabaikannya unsurwaktu menghasilkan model matematik yangstatis.Model simulasi termasuk jenis model yangdeksriptif[9].Gambar 5. ola yang ketujuh (4. Teknik komputasinumeris lebih powerfull untuk digunakan. (3) selalu ada one-toonecorrespondence antara variable karakterisasidengan variable formulasi.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]. Contoh dari jenismodel matematik ini adalah linearprogramming.e)atau memburuk setelah melawati titik puncak(4.

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

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

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

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

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

4. jika pada kumpuan data itu terdapat lebih dari satu data yang sama-sama paling sering muncul. 7 d. 6. 10. 5. 6. 8. 4. 7. 12. 9. 6. 7. 10. 9. b. 4. 10 c. 3 . 8 mempunyai modus 6. 8 sama-sama paling sering muncul yaitu sebanyak 2 kali. 6. 12. sebab nilai data 6. 5. 5. 13 Jawab : a. 11. 6. SMITH. 10. 11. 5. 9. 6. 6. 8. 5. 12. 3. 8. 2. Energy ManagementPrinciples. 9. 5. sebab nilai data 5 muncul paling sering yaitu sebanyak 3 kali. 7. 8. 7. 12. 1986. c. 7. Contoh yang mempunyai modus a. maka kumpulan data itu dikatakan tidak mempunyai modus. 6. 10. 7. 9. 8. 12. at 08:07:00. 10. 6. 6. 7 : mempunyai modus 5. 3 . 3. 5. maka dalam kumpulan data itu terdapat lebih dari satu modus. 4. 7. 4. 0 komentar Pengertian Modus Diposkan oleh KUMPULAN CONTOH MAKALAH . 2. Jika pada kumpulan data itu tidak terdapat data yang paling sering muncul. 7. 13 mempunyai modus 10 dan 12 . 9 b. 10. 5. 7.14. 7. 12. GRAIG. in Label: Pengertian Modus A. 8 e. Pergamon Press. Modus Modus ialah kumpulan data yang paling sering muncul atau data yang mempunyai nilai frekensi terbesar. 10. 4. 5. 5.

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

(5) User.membelinya. Teori ini juga menekankan perilaku pembelian dari suatu kelompok . Manajemen perlu mempelajari faktor-faktor tersebut agar program pemasarannya dapat lebih berhasil. harga. Banyak faktor yang mempengaruhi seseorang melakukan pembelian terhadap suatu produk. Bidang psikologis ini sangat kompleks dalam menganalisa perilaku konsumen. Teori ini mendasarkan diri pada faktor-faktor psikologis individu yang dipengaruhi oleh kekuatan-kekuatan lingkungan. yaitu individu yang mempergunakan produk atau jasa yang dibeli. saluran distribusi. sosiologis dan antropologis. (3) Teori Antropologis. dan program promosi yang efektif. 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. 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. serta beberapa aspek lain dari program pemasaran perusahaan. Faktor-faktor tersebut diantaranya adalah faktor ekonomi. karena proses mental tidak dapat diamati secara langsung. 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. Adapun beberapa teori perilaku konsumen adalah sebagai berikut: (1) Teori Ekonomi Mikro. (4) Buyer. psikologis. adalah individu yang melakukan transaksi pembelian sesungguhnya.

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

Sign up to vote on this title
UsefulNot useful