1 / 36

SISTEM PENUNJANG KEPUTUSAN

SPK, DOSEN AVINANTA S TARIGAN

ahmadamminudin
Download Presentation

SISTEM PENUNJANG KEPUTUSAN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PeranSimulasiDalam SistemPenunjangKeputusan (DenganContoh) 10/21/08

  2. Simon’sDecision-MakingProcess

  3. HowDecisionsAreSupported

  4. PERBANDINGANMISDANDSS 4

  5. PERBANDINGANMISDANDSS (lanjutan) 5

  6. UNSURSISTEMPENUNJANG KEPUTUSAN Modelbase:providesdecisionmakersaccess toavarietyofmodelsandassiststhemin decisionmaking Database Externaldatabaseaccess AccesstotheInternetandcorporateintranet, networks,andothercomputersystems Dialoguemanager:allowsdecisionmakers toeasilyaccessandmanipulatetheDSSand tousecommonbusinesstermsandphrases 6

  7. System&Environment 10/21/08

  8. Bagaimanacaramempelajarisistem? 8

  9. Model AsignificantpartofmanyDSSandBI systems Amodelisasimplifiedrepresentation(or abstraction)ofreality Often,realityistoocomplextodescribe Muchofthecomplexityisactuallyirrelevant insolvingaspecificproblem Modelscanrepresentsystems/problemsat variousdegreesofabstraction ● ● ● ● ●

  10. TypesofModels Modelscanbeclassifiedbasedontheir degreeofabstraction ● Less More Iconicmodels(scalemodels) Analogmodels MentalModels Mathematical(quantitative)models ● ● ● ● Degreeofabstraction

  11. TheBenefitsofModels Easeofmanipulation Compressionoftime Lowercostofanalysisonmodels Costofmakingmistakesonexperiments Inclusionofrisk/uncertainty Evaluationofmanyalternatives Reinforcelearningandtraining Webissourceandadestinationforit ● ● ● ● ● ● ● ●

  12. Apayangdimaksuddengansimulasi? •Simulasi–merupakanimitasicarakerjafacilitasatauproses, biasanyadenganmenggunakankomputer –Fasilitasyangdisimulasikanjugadisebut“sistem” –Dibuatasumsi/aproksimasi,baiksecaralogikadanmatematika, mengenaibagaimanasistembekerja –Asumsiinimembentukmodelsistem •Simulasimemilikibanyakaplikasidandapatmenjawab pertanyaanseperti: –MengapakinerjaWebdisuatutempatmemburukketikaadayang menggunakankoneksiWiFididekatnya? –Bagaimanajaluryangakanditempuholehanginbadai?Dsb. 12

  13. Kapansimulasidigunakan? •Simulasidapatdigunakan: –Untukmempelajarisistemyangkompleks,misalnya,sistemdimana solusianalitiktidakdapatdigunakan. –Untukmembandingkanrancanganalternatif –Untukmempelajariefekpengubahanpadasistem –Untukmengusulkan/verifikasisolusianalitik. •Simulasitidakdapatdigunakan: –Jikaasumsimodelcukupsederhanasedemikiansehinggametode matematikbisadigunakanuntukmendapatkanjawabanyangtepat (solusianalitik) 13

  14. AreaAplikasi •Evaluasirancangandankinerjasistemkomputer –Menentukanpersyaratanhardwareatauprotokoluntukjaringankomunikasi –MempelajarialgoritmapenjadwalanCPU –EvaluasiaturanWebcaching •Perancangandananalisissistemmanufaktur –Operasijalurproduksi •Evaluasirancanganorganisasiservis –Studicallcenter,restoranfast-food,rumahsakit,dankantorpos •Evaluasisistemsenjatamiliterataupersyaratanlogistiknya. •Perancangandanoperasisistemtransportasisepertibandara,jalan bebashambatan,pelabuhan,dankeretabawahtanah •Analisissistemkeuanganatauekonomi •DSSterutamadalamtahapmengembangkandanmengeksplorasi alternatifkeputusan 14

  15. Defineproblem TheProcess Introducevariables ofSimulation Constructmodel Specifyvalues ofvariables Conductsimulation Examineresults Selectbestcourse 15

  16. 10/21/08

  17. ContohAplikasi: SimulasiMonteCarlo dalam DSSuntukSistemInventori 17

  18. Inventaris: jumlahbarangyangdisimpanolehsuatuorganisasiuntuk digunakandikemudianhari. •Inventarisritel:barangyangakandijualkepelanggan. •Inventarisperusahaanmanufaktur:bahanmentahyang merupakankomponenbarangyangakandiproduksi. Asetmodalperusahaansebagianbesartertanampada inventaris. Pengendalianinventarismendapatperhatiankhusus daripihakmanajemen. • 10/21/08

  19. Tujuanpengendalianinventaris: meminimasibiayapenyimpananbarangdalam inventaris. Biayainventaris: 1.Carrying/holdingcost:Biayapemilikanbarangtersebut: gudang,asuransi,polusi,pencurian,modal.(15-40% investasiinventaris) 2.Orderingcost:Biayapengantaran:processingorder, shipping,receiving. 3.Stockoutcost:ketikabarangtidaktersediaketika diminta.Termasuk:keuntunganyanghilang,dan potensikerugianjikapelangganberalihkepesaing. 4.Purchasingcost:biayapembelianbarang. 10/21/08

  20. HubunganJumlahPesanan(pembelian)denganBiaya Inventaris Jumlahpesanan= Carryingcost+ Orderingcost+ Stockoutcost- Untukmeminimasibiayainventaris,duapertanyaan utamayangharusdijawabadalah: 1.Berapajumlahbarangyangharusdipesan? 2.Kapanbarang-barangtersebutharusdipesan? 10/21/08

  21. • • Dependentdemand:situasiketikapermintaanakan suatubarangbergantungpadapermintaanbarang denganlevelyanglebihtinggi.Misalnya: permintaanakanseatbeltuntukmobilbaru bergantungpadajumlahmobilyangdiproduksi. Banyakperusahaanmenggunakansistem materialsrequirementsplanning(MRP). Prosedurpemesananuntukindependentdemand: Fixed-orderquantitymethod Fixed-orderperiodmethod 1. 2. 10/21/08

  22. Fixed-OrderQuantityModel Tujuan: optimal(Qopt), menentukanjumlahpemesanan dantitikre-order(R). Model: •Deterministik •Memakaibanyakasumsimengenaisistemriil-nya •Dikembangkanmelaluiteknikmatematiktradisional (aljabardankalkulus) 10/21/08

  23. JumlahInventarisSebagaiFungsi Waktu InventoryLevel Q R L L Waktu 10/21/08

  24. Q=jumlahpesanan R=jumlahinventarispadasaatpesananulang dilakukan(reorderpoint) L=waktuantar(deliverytime) Kc=carryingcost/barang/satuanwaktu Ko=orderingcost/perorder TC=totalinventorycost 10/21/08

  25. •Totalcarryingcost Jumlahinventarisrata-rata=Q/2 Totalcarryingcost=KcxQ/2 •Totalorderingcost D=jumlahpermintaan/satuanwaktu D/Q=jumlahorder/satuanwaktu Totalorderingcost=KoxD/Q •Totalcostofinventory(TC) TC=(KcxQ/2)+(KoxD/Q) •UntukmendapatnilaiQyangakanmeminimasiTC,dilakukan penurunanpertama(derivatif)TCterhadapQ: Kc KoD dTC =− Q2 dQ 2 10/21/08

  26. •UntukmendapatnilaiQyangakanmeminimasiTC, persamaantersebutditentukansamadengan0, sehinggadidapat: KoD 2 Kc 2 =0 − Q Kc 2 KoD Q =2 2KoD Kc 2 Q=  2KoD Kc Qopt= 10/21/08

  27. d •Untukmenentukanreorderpoint,harusditemukan pemakaianbarangrata-rataperminggu,dan kemudiandikalikandenganwaktuantar,L,yang dinyatakandalamminggu: R=dL 10/21/08

  28. MonteCarloInventorySimulation •Masalahumumdenganmodelanalitik: Matematikdanstatistikyangdiperlukanmenjadi terlalurumit. •PadasimulasiMonteCarlo: Permintaandanwaktuantarditentukansecara probabilistik. Distribusiprobabilitasharusditentukanuntuksetiap variabel(misalnya,berdasarkandatahistoris) • • 10/21/08

  29. DataPermintaandanWaktuAntar WaktuAntar (minggu) 1 2 3 Frekuensi 4 4 2 10 Permintaan/ minggu 0 1 2 3 4 Frekuensi 5 10 15 12 8 50 DistribusiProbabilitasuntukPermintaandanWaktuAntar WaktuAntar (minggu) 1 2 3 FrekuensiRelatif danProbabilitas 4/10=.40 4/10=.40 2/10=.20 1.00 Permintaan/ minggu 0 1 2 3 4 10/21/08 FrekuensiRelatif danProbabilitas 5/50=.10 10/50=.20 15/50=.30 12/50=.24 8/50=.16 1.00

  30. •MonteCarloInventorySimulationmembutuhkan samplingnilaidaridistribusiprobabilitaspermintaan danwaktuantar. •MetodeMonteCarlomembutuhkanpenggunaan bilanganacak. •UntukmelakukanMonteCarlosampling,bilangan acakharusdihubungkandengannilaiyangmungkin darivariabelybs,sedemikiansehingajumlah bilanganacakuntuksuatuvariabelproporsional denganprobabilitasmunculnyanilaitersebut. 10/21/08

  31. BilanganAcakuntukDistribusiPermintaandanWaktu Antar WaktuAntar, minggu 1 2 3 Bilangan Acak 00-39 40-79 80-99 Permintaan perMinggu 0 1 2 3 4 Bilangan Acak 00-09 10-29 30-59 60-83 84-99 10/21/08

  32. MonteCarloInventorySimulationWorkSheet Bilanganacak Simulasi Biaya(cost)hasilsimulasi WaktuPermintaan StockoutTotal Waktu Antar PermintaanOrderOrderyang diterima BalancCarrying e Orderin g 0 6 1 2 3 4 5 6 7 69 73 16 65 01 71 91 64 39 19 3 3 1 3 0 3 4 6 6 6 3 0 5 2 8 5 1 6 0 10 4 16 10 2 30 0 0 30 0 0 30 0 0 0 0 0 0 0 36 0 10 34 16 10 32 6 6 8 99 69 4 6 6 3 6 30 0 36 9 18 1 2 4 0 0 4 10 33 2 6 6 12 0 0 12 34 91 6 6 11 12 13 14 15 65 86 94 39 38 3 4 4 2 2 3 5 1 0 0 6 10 2 0 0 30 0 30 0 0 0 0 0 20 40 36 10 32 20 40 6 16 84 42 4 6 6 2 4 30 0 34 17 45 2 0 0 0 0 0 25 6 18 19 91 03 4 0 6 6 2 8 4 16 30 0 0 0 34 16 20 81 3 5 10 0 0 10 Q=6;R=3Carryingcost=$2/item/week;Orderingcost=$30/order;Stockoutcost=$20/item 10/21/08

  33. SimulasiBerbantuanKomputer Sebuah“run”dalamsimulasimengimitasiperilaku sebuahsistemdengannilaiparameteryangtelah ditentukan Untukdapatmempelajariperilakutersebutdibutuhkan simulasiyangberulang-ulangdengannilaiparameter yangtetap,simulasidengannilaiparameteryanglain, danwaktuyangpanjang(“long-run”) Untukitudibutuhkankomputeruntukmelakukantersebut ● ● ● 10/21/08

  34. ParameterSweeping Dengansistemkomputer,makasimulasidapatdiulang- ulangdengannilaiparameteryangberbeda-bedapada setiaprun Parametersweepingadalahcarauntukmengetahui perilakusistemdenganmerubahsistemparameter secarasistematisdanterotomasi,sertamenjalankan simulasitersebutuntukmengetahuiseluruhkemungkinan Halinidigunakandalamphase“Design”dan“Choice” dalamtahapanDSS,dimanasemuakemungkinandicoba ● ● ● dalamtahapdesigndankemungkinanterbaikdipilihpada phaseChoice. 10/21/08

  35. ContohSimulator dan ParameterSweeping 10/21/08

  36. Penutup Modelyangsudahterujidenganbaik→ PembuatanSimulator Simulatordapatmembantumelakukan SweepingParameteruntukmendapatkan alternatif-alternatifkomposisivariabel sehinggabisadigunakanuntukmengambil keputusan Tapihalinitentunyaterlepasdariinterpretasi ● ● ● pembuatkeputusanthdhasilsimulasitsb 10/21/08

More Related