Pemodelan matematis beserta keuntungan dan kerugiannya

PEMODELAN MATEMATIS

Model adalah abstrak, model itu mewakili beberapa entity, yaitu objek dan aktivitas. Contohnya jika sebuah model mewakili perusahaan maka perusahaan itu disebut entity-nya.

Macam-macam model :

• Model Statis dan Dinamis.

Model statis adalah model yang tidak memasukkan waktu sebagai variabelnya, model ini berkaitan dengan situasi pada pada suatu saat tertentu sedangkan model dinamis adalah model yang memasukan waktu sebagai variabel, model ini mewakili tingkah laku entity sepanjang waktu.

• Model Probabilitik dan Deterministik

Model pobabilitas adalah model tentang adanya peluang akan terjadi sesuatu. Pobabilitas mempunyai jangkauan 0,00 (untuk sesuatu yang tidak punya peluang) dan 1,00 (untuk sesuatu yang nyata-nyata terjadi) sedangkan model deterministic adalah kebalikan dari model pobabilitas.

• Model Optimisasi dan Suboptimisasi

Model optimisasi adalah model yang menentukan pemecahan terbaik diantara altermatif yang ada. Agar model tersebut dapat melakukan hal ini, maka masalah harus terstruktur dengan baik. Sedangkan model suboptimisasi yang seringkali disebut satisficing model adalah model yang memungkinkan manajer untuk melakukan serangkaian keputusan, dan model tersebut akan memproyeksikan penyelesaian. Model ini tidak mengidentifikasikan keputusan yang akan mennghasilkan penyelesaian yang terbaik, namun menyerahkan tugas tersebut kepada manajer.

KEUNTUNGAN DAN KERUGIAN PEMODELAN

Manajer yang menggunakan model matematis memperoleh keuntungan sebagai berikut :

• Proses pemodelan menjadi pengalaman belajar.

• Kecepatan simulasi memberikan kemampuan bagi kita untuk mengevaluasi dampak keputusan dalam jangka waktu yang singkat.

• Model memberikan daya peramalan.

• Model membutuhkan biaya yang lebih murah daripada metode trial and error.

Sedangkan kerugian model matematis adalah :

• Sulitnya pemodelan sistem bisnis dan akan menghasilkan model yang tidak dapat menangkap semua pengaruh pada entity.

• Dibutuhkan keterampilan matematika yang tinggi untuk menggembangkan model yang lebih kompleks secara pribadi.