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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful