Teori Pengambilan Keputusan - ALAT STATISTIKA

     PENGUJIAN KUALITAS DATA 

Statistik inferensial bertujuan untuk menaksir nilai populasi dari nilai sample yang digunakan. Sebelum uji statistik inferensial dilakukan, terlebih dahulu dilakukan uji prasyarat yaitu uji kualitas data. Pengujian kualitas data dapat dibedakan berdasarkan jenis datanya apakah kuantitatif atau kualitatif seperti dapat dilihat pada bagan berikut.
Untuk data kuantitatif, sebelum dilakukan uji statistik inferensial, terlebih dahulu harus dilakukan pengujian kualitas data yaitu uji normalitas. Sifat dari populasi berdistribusi normal sehingga sampel yang digunakan juga harus berdistribusi normal agar estimasi yang dihasilkan sampel dapat mencerminkan nilai populasi.
Untuk variabel yang sifatnya kualitatif terlebih dahulu harus dilakukan uji prasyarat (uji  instrumen variabel/ kuesioner) dimana pengujian ini dilakukan terhadap variabel yang memiliki beberapa dimensi atau dilakukan terhadap dimensi yang memiliki beberapa indikator. Adapun pengujian yang dilakukan meliputi pengujian validitas dan reliabilitas
Pengujian kualitas data untuk data kuantitatif dan kualitatif lebih jelasnya dapat dilihat pada bagan berikut ini.
Statistik merupakan suatu alat analisis yang dapat digunakan untuk memecahkan masalah-masalah yang ada sehingga pada akhirnya dapat digunakan sebagai dasar dalam pengambilan kesimpulan.                    
Penggunaan alat analisis terutama yang berkaitan dengan statistik inferensial harus dimulai dengan menentukan berapa jumlah variabel yang akan dianalisis.
•    Jika jumlah variabel yang digunakan hanya satu (1) maka digunakan analisis univariate
•    Jika jumlah variabel yang digunakan dua (2) digunakan analisis bivariate
•    Jika jumlah variabel yang diguankan lebih dari 2 diguankan analisis multivariate

     PROSEDUR ANALISIS DATA UNIVARIATE

Analisis data univariate menganalisis statistik deskriptif atau inferensial dengan hanya menggunakan satu variabel penelitian.
Jenis-jenis analisis data univariat tergantung pada skala pengukuran dari variabel yang digunakan.
Untuk variabel yang skala pengukurannya interval ataupun rasio, statistik deskriptif dapat digunakan dengan menentukan data rerata dan standar deviasi. Untuk melakukan uji hipotesis terlebih dahulu harus dilakukan uji normalitas data dengan menggunakan pengujian KOLMOGOROV SMIRNOV. Hasil pengujian ini dapat menghasilkan kesimpulan :
o    Untuk data yang berdistribusi normal digunakan statistik parametric dimana jenis pengujiannya bisa berupa One Sample Test, Independent Sample Test, Paired Sample Test dan Analysis of  Variance (ANOVA)
o    Untuk data yang berdistribusi tidak normal digunakan statistik non parameterik dimana jenis pengujian yang dapat dilakukan Sign Test, Mann-Whitney Test, Wilcoxon Test, Kruskal Wallis Test

Untuk variabel yang sifatnya ordinal, statistik deskriptif yang dapat digunakan adalah nilai median atau kuartil, desil dan prosentil. Tidak ada pengujian statistik inferensial yang dapat digunakan untuk analisis univariat dengan skala ordinal.

Untuk variabel yang skala pengukuran variabelnya nominal dapat menggunakan nilai modus untuk statistik deskriptif, sedangkan pengujian statistik inferensial dapat dilakukan dengan menggunakan Chi-square (X2).

     PROSEDUR ANALISIS DATA BIVARIATE
Untuk data dengan skala interval atau rasio dapat menggunakan koefisien Korelasi Pearson atau regresi sederhana.
Contoh : Hubungan atau pengaruh antara pendapatan dengan pajak yang dibayar
Untuk data dengan skala ordinal dapat menggunakan Korelasi Spearman
Contoh :
Hubungan antara pendapatan nasional dengan impor yang berdistribusi data tidak normal
Hubungan antara tingkat pendidikan ( 1=SD  2=SMP  3=SMU 4=PT) dengan tingkat kesejahteraan  (1=Miskin   2=Sedang  3= Kaya)
Untuk data dengan skala nominal dapat menggunakan koefisien kontigensi dan chi-square.
Contoh :
Hubungan antara Lokasi (Aceh, Menado,Bali) dengan agama yang dianut (Islam, Kristen,Hindu)

     PROSEDUR ANALISIS DATA MULTIVARIATE
Jenis pengujian statistik inferensial untuk analisis data multivariate dibagi menjadi 2 kelompok  seperti dapat dilihat pada bagan dibawah ini. Kedua kelompok tersebut yaitu metode DEPENDENCE dan INTERDEPENDENCE.
Prosedur multivariate metode dependence menunjukkan bahwa pada model yang digunakan ada yang berkedudukan sebagai variabel dependen dan variabel independen.
Alat analisis yang dapat digunakan untuk metode dependence ini adalah :
–    Stuctural Equation Model
Alat ini digunakan untuk model yang memiliki hubungan ganda dari variabel independen dan variabel dependen   
–    Canonical Correlation
Alat ini digunakan untuk model dependence dengan beberapa variabel dependen dalam satu hubungan tunggal dimana skala pengukuran variabel dependen dan variabel independennya interval/rasio
–    Multivariate Analysis of Variance
Alat analisis ini digunakan untuk beberapa variabel dependen dalam satu hubungan tunggal dimana skala pengukuran variabel dependennya bersifat interval/rasio sementara skala pengukuran variabel independenya adalah nominal.
–    Multiple Regression dan Conkoint Analysis
Alat ini digunakan untuk kasus satu variabel dependen dalam suatu hubungan tunggal dimana skala pengukuran variabel dependen dan variabel independennya adalah interval/rasio.    
–    Multiple Discriminant Analysis dan Lınear Probability Models
Alat ini digunakan untuk kasus variabel dependennya memiliki skala nominal sementara variabel independennya bersifat interval/rasio.

     Interdependence
Prosedur multivariate metode interdependence menunjukkan bahwa pada model yang digunakan seluruh variabel bersifat tidak salling berhubungan (tidak ada yang kedudukannya sebagai variabel terikat dan variabel bebas).
–    Factor Analysis
Digunakan untuk kasus multivariate metode interdependence dimana stuktur hubungan yang digunakan adalah mengelompokkan sejumlah variabel  
–    Cluster Analysis
Digunakan untuk kasus multivariate metode interdependence dimana stuktur hubungan yang digunakan adalah mengelompokkan responden
–    Multidimensional Scalling
Digunakan untuk kasus multivariate metode interdependence dimana stuktur hubungan yang digunakan adalah mengelompokkan objek dengan skala pengukurannya interval/rasio
–    Correspondency Analysis
Digunakan untuk kasus multivariate metode interdependence dimana stuktur hubungan yang digunakan adalah mengelompokkan objek dengan skala pengukurannya nominal/ordinal.

Teori Pengambilan Keputusan - SIMULASI KOMPUTER

    Simulasi komputer telah menjadi bagian yang berguna pemodelan matematika sistem alam banyak dalam fisika, kimia dan biologi, sistem manusia dalam ekonomi, psikologi, dan ilmu sosial dan dalam proses teknologi rekayasa baru, untuk mendapatkan wawasan tentang pengoperasian sistem tersebut.Secara tradisional, pemodelan formal sistem telah melalui model matematis, yang mencoba untuk menemukan solusi analitis untuk masalah yang memungkinkan prediksi perilaku sistem dari satu set parameter dan kondisi awal.
Simulasi komputer membangun, dan merupakan tambahan yang berguna untuk model murni matematika dalam ilmu pengetahuan, teknologi dan hiburan.Keandalan dan orang-orang kepercayaan dimasukkan ke dalam simulasi komputer tergantung pada validitas model simulasi.
Sebuah simulasi komputer, model komputer, atau model komputasi adalah sebuah program komputer , atau jaringan komputer, yang mencoba untuk mensimulasikan abstrak model dari sebuah sistem tertentu. Simulasi komputer telah menjadi bagian yang berguna pemodelan matematika sistem alam yang banyak di fisika ( fisika komputasi ), astrofisika , kimia dan biologi , sistem manusia dalam ekonomi , psikologi , ilmu sosial , dan rekayasa . Simulasi dapat digunakan untuk mengeksplorasi dan mendapatkan wawasan baru ke dalam baru teknologi , dan untuk memperkirakan kinerja sistem terlalu kompleks untuk solusi analitis .
Secara tradisional, pembentukan model besar sistem telah melalui model matematis , yang mencoba untuk menemukan solusi analitis untuk masalah dan dengan demikian memungkinkan prediksi perilaku sistem dari satu set parameter dan kondisi awal.
Sedangkan simulasi komputer mungkin menggunakan beberapa algoritma dari model matematika murni, komputer dapat menggabungkan simulasi dengan realitas atau peristiwa aktual, seperti menghasilkan respon masukan, untuk mensimulasikan subjek tes yang tidak lagi hadir. Sedangkan subjek percobaan hilang sedang dimodelkan / disimulasikan, sistem yang mereka gunakan bisa menjadi alat yang sebenarnya, mengungkapkan membatasi kinerja atau cacat pada penggunaan jangka panjang oleh pengguna simulasi.
Perhatikan bahwa istilah simulasi komputer lebih luas daripada model komputer, yang berarti bahwa semua aspek yang dimodelkan dalam representasi komputer. Namun, simulasi komputer juga mencakup masukan menghasilkan dari pengguna simulasi untuk menjalankan perangkat lunak komputer atau peralatan yang sebenarnya, dengan hanya bagian dari sistem yang dimodelkan: contoh akan penerbangan simulator yang bisa menjalankan mesin serta perangkat lunak penerbangan yang sebenarnya.
Simulasi komputer digunakan di berbagai bidang, termasuk ilmu pengetahuan , teknologi , hiburan , perawatan kesehatan, dan usaha perencanaan dan penjadwalan.
    Sejarah
Simulasi komputer dikembangkan di tangan-tangan dengan pertumbuhan yang cepat dari komputer, berikut skala besar pertama penyebarannya selama Proyek Manhattan di Perang Dunia II untuk model proses ledakan nuklir . Ini adalah simulasi dari 12 bola keras menggunakan algoritma Monte Carlo . Simulasi komputer sering digunakan sebagai tambahan, atau substitusi, sistem pemodelan yang sederhana tertutup bentuk solusi analitik yang tidak mungkin. Ada berbagai jenis simulasi komputer; fitur umum mereka berbagi semua adalah upaya untuk menghasilkan contoh skenario representatif untuk sebuah model di mana pencacahan lengkap dari semua keadaan yang mungkin model akan menjadi terlalu tinggi atau mustahil. Model Komputer pada awalnya digunakan sebagai suplemen untuk argumen lain, tetapi penggunaannya kemudian menjadi lebih luas.
    Persiapan Data
Persyaratan data eksternal dan model simulasi sangat bervariasi. Untuk beberapa, input mungkin hanya beberapa nomor (misalnya, simulasi gelombang listrik AC pada sebuah kawat), sementara yang lain mungkin memerlukan terabyte informasi (seperti model cuaca dan iklim).
Input sumber juga sangat bervariasi:
•    Sensor dan perangkat fisik lainnya yang terhubung ke model;
•    Kontrol permukaan digunakan untuk mengarahkan kemajuan simulasi dalam beberapa cara;
•    sekarang atau data historis masuk dengan tangan;
•    Nilai diekstraksi sebagai oleh-produk dari proses lainnya;
•    Nilai output untuk tujuan itu oleh simulasi lainnya, model, atau proses.
Terakhir, waktu di mana data yang tersedia bervariasi:
•    "Invarian" data sering dibangun ke dalam kode model, baik karena nilai benar-benar invarian (misalnya nilai π) atau karena para desainer mempertimbangkan nilai yang akan invarian untuk semua kasus kepentingan;
•    data dapat dimasukkan ke dalam simulasi ketika itu dimulai, misalnya dengan membaca satu atau lebih file, atau dengan membaca data dari sebuah preprocessor ;
•    data dapat diberikan selama menjalankan simulasi, misalnya dengan jaringan sensor;
Karena varietas ini, dan bahwa banyak unsur yang sama ada di antara sistem simulasi beragam, ada sejumlah besar bahasa simulasi khusus. Yang paling terkenal ini harus Simula (kadang-kadang Simula-67, setelah tahun 1967 ketika diusulkan). Sekarang ada banyak orang lain .
Sistem menerima data dari sumber eksternal harus sangat berhati-hati dalam mengetahui apa yang mereka terima. Sementara itu adalah mudah bagi komputer untuk membaca nilai dari atau biner file teks, apa yang jauh lebih sulit adalah mengetahui apa akurasi (dibandingkan dengan resolusi pengukuran dan presisi ) dari nilai-nilai ini. Seringkali dinyatakan sebagai "error bar", sebuah deviasi minimum dan maksimum dari nilai dilihat di mana nilai sebenarnya (diharapkan) berbohong. Karena matematika komputer digital tidak sempurna, pembulatan dan kesalahan pemotongan akan melipatgandakan kesalahan ini Facebook, dan oleh karena itu berguna untuk melakukan "analisis kesalahan" untuk memeriksa bahwa output nilai dengan simulasi masih berguna akurat.
Bahkan kecil kesalahan dalam data asli dapat menumpuk menjadi kesalahan besar kemudian dalam simulasi. Sementara semua analisis komputer adalah tunduk pada "GIGO" (sampah, keluar sampah) pembatasan, hal ini terutama berlaku simulasi digital. Memang, itu adalah pengamatan ini kumulatif, kesalahan yang melekat, untuk sistem digital yang asal teori chaos .
    Jenis
Model komputer dapat diklasifikasikan menurut beberapa pasang atribut independen, termasuk:
•    Stokastik atau deterministik (dan sebagai kasus khusus dari deterministik, kacau) - lihat Pranala luar di bawah ini untuk contoh simulasi deterministik vs stokastik
•    Steady-state atau dinamis
•    Kontinyu atau diskrit (dan sebagai kasus khusus yang penting dari diskrit, kejadian diskrit atau model DE)
•    Lokal atau didistribusikan .
Persamaan menentukan hubungan antara unsur-unsur dari sistem dimodelkan dan upaya untuk menemukan kondisi dimana sistem berada dalam keseimbangan. model tersebut sering digunakan dalam simulasi sistem fisik, sebagai kasus pemodelan simulasi dinamis sederhana sebelum dicoba.
•    perubahan model simulasi dinamis dalam suatu sistem sebagai tanggapan terhadap (biasanya berubah) sinyal masukan.
•    Stochastic model menggunakan nomor acak generator kesempatan model atau kejadian acak;
•    Sebuah simulasi kejadian diskrit (DES) mengadakan acara-acara dalam waktu. Sebagian besar komputer, logika-tes dan simulasi kesalahan-pohon jenis ini. Dalam jenis ini simulasi, simulator memelihara antrian kejadian diurutkan berdasarkan waktu simulasi mereka harus terjadi. simulator membaca antrian dan memicu event baru setiap peristiwa diproses. Hal ini tidak penting untuk melaksanakan simulasi secara real time. Ini sering kali lebih penting untuk dapat mengakses data yang dihasilkan oleh simulasi, untuk menemukan cacat logika dalam desain, atau urutan kejadian.
•    Sebuah simulasi dinamis terus menerus melakukan solusi numerik dari persamaan diferensial-aljabar atau persamaan diferensial (baik sebagian atau biasa ). Secara berkala, program simulasi menyelesaikan semua persamaan, dan menggunakan angka untuk mengubah keadaan dan output dari simulasi. Aplikasi termasuk simulator penerbangan, konstruksi dan simulasi permainan manajemen , proses pemodelan kimia , dan simulasi sirkuit listrik . Awalnya, jenis ini simulasi sebenarnya diimplementasikan pada komputer analog , di mana persamaan diferensial dapat diwakili langsung oleh berbagai komponen listrik seperti op-amp . Pada akhir 1980-an, bagaimanapun, yang paling "analog" simulasi konvensional dijalankan pada komputer digital yang meniru perilaku komputer analog.
•    Jenis khusus dari simulasi diskrit yang tidak bergantung pada model dengan persamaan mendasar, tapi tetap dapat direpresentasikan secara formal, adalah simulasi berbasis agen. Dalam simulasi berbasis agen, perusahaan individu (seperti molekul, sel, pohon atau konsumen) dalam model diwakili langsung (bukan oleh kerapatan atau konsentrasi) dan memiliki keadaan internal dan mengatur perilaku atau aturan yang menentukan bagaimana agen negara diperbarui dari satu langkah waktu ke depan.
•    Distributed model berjalan di jaringan komputer yang saling berhubungan, mungkin melalui internet . Simulasi tersebar di beberapa host komputer seperti ini sering disebut sebagai "simulasi didistribusikan". Ada beberapa standar untuk simulasi didistribusikan, termasuk Level Simulasi Agregat Protocol (ALSP), Simulasi Interaktif Terdistribusi (DIS), yang High Level Architecture (simulasi) (HLA) dan Uji dan Pelatihan Mengaktifkan Arsitektur (Tena).
    Simulasi komputer CGI
Sebelumnya, data output dari simulasi komputer kadang-kadang disajikan dalam sebuah tabel, atau matriks, menunjukkan bagaimana data dipengaruhi oleh banyak perubahan dalam parameter simulasi. Penggunaan format matriks yang berhubungan dengan penggunaan tradisional konsep matriks dalam model matematika , namun, psikolog dan lain-lain mencatat bahwa manusia dapat dengan cepat melihat tren dengan melihat grafik atau bahkan bergerak-gerak foto atau gambar yang dihasilkan dari data, seperti ditampilkan oleh komputer-gambar yang dihasilkan (CGI) animasi. Meskipun pengamat tidak bisa selalu membaca angka, atau corot rumus matematika, dari mengamati grafik cuaca bergerak, mereka mungkin bisa memprediksi peristiwa (dan "melihat hujan yang menuju jalan"), jauh lebih cepat daripada tabel pemindaian hujan- awan koordinat . Seperti tampilan grafis intensif, yang melampaui Dunia angka dan formula, kadang-kadang juga menyebabkan output yang tidak memiliki koordinat grid timestamps atau dihilangkan, seolah-olah menyimpang terlalu jauh dari menampilkan data numerik. Hari ini, cuaca peramalan model cenderung untuk menyeimbangkan pandangan bergerak awan hujan salju / terhadap peta yang menggunakan angka koordinat dan cap angka kejadian.
Demikian pula, simulasi komputer CGI scan CAT dapat mensimulasikan bagaimana sebuah tumor dapat mengecilkan atau berubah, selama jangka perawatan medis, menyajikan berlalunya waktu sebagai tampilan berputar dari kepala manusia terlihat, sebagai perubahan tumor.
Aplikasi lain dari simulasi komputer CGI yang dikembangkan untuk grafis tampilan data dalam jumlah besar, dalam gerakan, karena perubahan yang terjadi selama menjalankan simulasi.
Simulasi komputer dalam ilmu
                       Simulasi komputer dari proses osmosis

Generik contoh jenis simulasi komputer dalam ilmu, yang berasal dari deskripsi matematis yang mendasari:
•    simulasi numerik dari persamaan diferensial yang tidak dapat diselesaikan secara analitis, teori yang melibatkan sistem kontinu seperti fenomena dalam kosmologi fisik , dinamika fluida (misalnya model iklim , jalan kebisingan model, dispersi udara model jalan ), mekanik kontinum dan kinetika kimia termasuk dalam kategori ini .
•    sebuah stokastik simulasi, biasanya digunakan untuk sistem diskrit di mana peristiwa terjadi probalistik , dan yang tidak dapat digambarkan dengan persamaan diferensial langsung (ini adalah simulasi diskrit dalam arti di atas). Fenomena dalam kategori ini termasuk pergeseran genetik , biokimia atau peraturan jaringan gen dengan sejumlah kecil molekul. (Lihat juga: Metode Monte Carlo ).
Contoh-contoh spesifik dari simulasi komputer berikut:
•    simulasi statistik berdasarkan sebuah aglomerasi sejumlah besar profil input, seperti peramalan kesetimbangan suhu dari perairan menerima , memungkinkan keseluruhan dari meteorologi data menjadi masukan untuk lokal tertentu. Teknik ini dikembangkan untuk pencemaran termal peramalan.
•    agen simulasi berdasarkan telah digunakan secara efektif dalam ekologi , di mana ia sering disebut pemodelan berbasis individu dan telah digunakan dalam situasi yang variabilitas individu dalam agen tidak bisa diabaikan, seperti dinamika populasi dari salmon dan trout (murni matematika model yang paling menanggung semua trout berperilaku identik).
•    waktu melangkah model dinamis. Dalam hidrologi ada beberapa seperti transportasi model hidrologi seperti SWMM dan DSSAM Model yang dikembangkan oleh US Environmental Protection Agency untuk peramalan kualitas air sungai.
•    simulasi komputer juga telah digunakan untuk secara resmi teori model kognisi manusia dan kinerja, misalnya ACT-R
•    simulasi komputer menggunakan pemodelan molekul untuk penemuan obat
•    simulasi komputer untuk mempelajari sensitivitas selektif obligasi oleh mechanochemistry selama grinding molekul organik.
•    Komputasi dinamika fluida simulasi digunakan untuk mensimulasikan perilaku mengalir udara, air dan cairan lainnya. Ada satu-, model dua dan tiga-dimensi yang digunakan. Sebuah dimensi model orang mungkin mensimulasikan efek dari air palu dalam pipa. Sebuah model dua dimensi dapat digunakan untuk mensimulasikan kekuatan tarik pada bagian-lintas dari sayap pesawat. Sebuah simulasi tiga dimensi bisa memperkirakan persyaratan pemanasan dan pendinginan gedung besar.
•    Pemahaman tentang teori molekul statistik termodinamika merupakan dasar apresiasi solusi molekuler. Pengembangan Potensi Teorema Distribusi (PDT) memungkinkan seseorang untuk menyederhanakan hal ini rumit untuk-ke-bumi presentasi down teori molekul.




    Simulasi komputer dalam konteks praktis


Smog sekitar Karl Marx Stadt ( Chemnitz ), Jerman : simulasi komputer 1990
Simulasi komputer digunakan dalam berbagai konteks praktis, seperti:
•    analisis polutan udara dispersi menggunakan model dispersi atmosfer
•    desain sistem yang kompleks seperti pesawat dan juga logistik sistem.
•    desain hambatan Kebisingan untuk efek jalan mitigasi kebisingan
•    simulator penerbangan untuk melatih pilot
•    prakiraan cuaca
•    Simulasi komputer lain adalah emulasi .
•    peramalan harga di pasar keuangan (misalnya Adaptive Modeler )
•    perilaku struktur (seperti bangunan dan bagian industri) di bawah tekanan dan kondisi lain
•    desain proses industri, seperti pabrik pengolahan kimia
•    Manajemen Strategis dan Studi Organisasi
•    Simulasi Reservoir untuk teknik perminyakan untuk model reservoir bawah permukaan
•    Simulasi Rekayasa Proses alat.
•    Robot simulator untuk desain robot dan kontrol algoritma robot
•    Urban Simulasi Model yang mensimulasikan pola-pola dinamis pembangunan perkotaan dan tanggapan terhadap penggunaan lahan kota dan kebijakan transportasi. Lihat artikel lebih rinci tentang Simulasi Lingkungan Perkotaan .
•    rekayasa lalu lintas untuk merencanakan atau mendesain ulang bagian dari jaringan jalan dari persimpangan tunggal atas kota-kota ke jaringan jalan raya nasional, untuk transportasi, perancangan sistem perencanaan dan operasi. Lihat artikel lebih rinci Simulasi Transportasi .
•    pemodelan mobil crash untuk menguji mekanisme keselamatan dalam model-model kendaraan baru
Keandalan dan orang-orang kepercayaan dimasukkan ke dalam simulasi komputer tergantung pada validitas dari simulasi model , maka verifikasi dan validasi adalah sangat penting dalam pengembangan simulasi komputer. Aspek penting lain dari simulasi komputer adalah bahwa reproduksibilitas hasil, yang berarti bahwa model simulasi seharusnya tidak memberikan jawaban yang berbeda untuk setiap eksekusi. Meskipun ini mungkin tampak jelas, ini adalah titik khusus perhatian dalam simulasi stokastik, di mana bilangan random harus benar-benar menjadi nomor semi-acak. Pengecualian untuk reproduktifitas adalah manusia dalam simulasi loop seperti simulasi penerbangan dan permainan komputer . Berikut manusia adalah bagian dari simulasi dan dengan demikian mempengaruhi hasil dengan cara yang sulit, jika bukan tidak mungkin, untuk mereproduksi tepat.
Kendaraan produsen menggunakan simulasi komputer untuk menguji fitur-fitur keselamatan dalam desain baru. Dengan membangun salinan mobil dalam lingkungan simulasi fisika, mereka dapat menghemat ratusan ribu dolar yang lain akan diperlukan untuk membangun prototipe yang unik dan mengujinya. Insinyur dapat langkah melalui milidetik simulasi pada waktu yang tepat untuk menentukan tegangan yang diletakkan pada setiap bagian dari prototipe.
Komputer grafis dapat digunakan untuk menampilkan hasil simulasi komputer. Animasi dapat digunakan untuk mengalami simulasi in-time misalnya nyata dalam simulasi pelatihan . Dalam beberapa kasus animasi juga dapat berguna dalam lebih cepat dari real-time atau bahkan lebih lambat dari mode real-time. Sebagai contoh, lebih cepat dari real-time animasi dapat bermanfaat dalam memvisualisasikan penumpukan antrian dalam simulasi manusia mengevakuasi sebuah bangunan. Selanjutnya, hasil simulasi sering dikelompokkan menjadi gambar statis menggunakan berbagai cara visualisasi ilmiah .
    Jebakan
Meskipun kadang-kadang diabaikan dalam simulasi komputer, sangat penting untuk melakukan analisis sensitivitas untuk memastikan bahwa keakuratan hasil yang benar dipahami. Sebagai contoh, analisis risiko probabilistik faktor penentu keberhasilan program eksplorasi ladang minyak melibatkan menggabungkan sampel dari berbagai distribusi statistik dengan menggunakan metode Monte Carlo . Jika, misalnya, salah satu parameter kunci (yaitu rasio net strata minyak-bearing) diketahui hanya satu angka yang signifikan, maka hasil simulasi tidak mungkin lebih tepat dari satu tokoh penting, meskipun mungkin (menyesatkan ) disajikan sebagai memiliki empat angka signifikan.
    Model Kalibrasi Teknik
Tiga langkah berikut harus digunakan untuk menghasilkan model simulasi yang akurat: kalibrasi, verifikasi, dan validasi. Simulasi komputer yang baik di menggambarkan dan membandingkan skenario teoritis tetapi untuk model akurat studi kasus yang sebenarnya, itu harus sesuai dengan apa yang sebenarnya terjadi hari ini. Sebuah model dasar harus diciptakan dan dikalibrasi sehingga cocok dengan daerah yang sedang dipelajari. Model terkalibrasi kemudian harus diverifikasi untuk memastikan bahwa model beroperasi seperti yang diharapkan berdasarkan masukan. Setelah model tersebut telah diverifikasi, langkah terakhir adalah untuk memvalidasi model dengan membandingkan output untuk data historis dari daerah studi. Hal ini dapat dilakukan dengan menggunakan teknik statistik dan memastikan nilai R-squared memadai. Kecuali teknik ini digunakan, model simulasi dibuat akan menghasilkan hasil yang tidak akurat dan tidak menjadi alat prediksi berguna.
Model kalibrasi dicapai dengan menyesuaikan setiap parameter yang tersedia dalam rangka untuk menyesuaikan bagaimana model beroperasi dan mensimulasikan proses. Misalnya dalam simulasi lalu lintas, parameter khas termasuk melihat-depan jarak, sensitivitas mobil berikut, headway debit, dan start-up waktu yang hilang. Parameter ini mempengaruhi perilaku pengemudi seperti kapan dan berapa lama waktu yang dibutuhkan driver untuk mengubah jalur, berapa banyak driver daun jarak antara dirinya dan mobil di depannya, dan seberapa cepat itu mulai mempercepat melalui persimpangan. Mengatur parameter ini memiliki efek langsung pada jumlah volume lalu lintas yang dapat melintasi melalui jaringan jalan raya dimodelkan dengan membuat driver lebih atau kurang agresif. Ini adalah contoh dari parameter kalibrasi yang dapat fine-tuned untuk menyesuaikan dengan karakteristik yang diamati di lapangan di lokasi studi. Kebanyakan model trafik akan memiliki nilai default yang khas tetapi mereka mungkin perlu disesuaikan untuk lebih sesuai dengan perilaku pengemudi di lokasi yang sedang dipelajari.
Verifikasi model dicapai dengan memperoleh data output dari model dan membandingkannya dengan apa yang diharapkan dari data input. Misalnya dalam simulasi lalu lintas, volume lalu lintas dapat diverifikasi untuk memastikan bahwa volume sebenarnya throughput dalam model cukup dekat dengan masukan volume lalu lintas ke dalam model. Sepuluh persen adalah ambang khas yang digunakan dalam simulasi lalu lintas untuk menentukan apakah volume output yang cukup dekat dengan volume input. model simulasi menangani input model dalam cara yang berbeda sehingga lalu lintas yang masuk ke jaringan, misalnya, mungkin atau mungkin tidak mencapai tujuan yang diinginkan. Selain itu, lalu lintas yang ingin memasuki jaringan mungkin tidak dapat, jika kemacetan ada ada. Inilah sebabnya mengapa verifikasi model adalah bagian yang sangat penting dari proses pemodelan.
Langkah terakhir adalah untuk memvalidasi model dengan membandingkan hasil dengan apa yang diharapkan berdasarkan data historis dari daerah studi. Idealnya, Model harus menghasilkan hasil yang sama dengan apa yang terjadi secara historis. Hal ini biasanya diverifikasi oleh tidak lebih dari mengutip statistik R2 dari cocok. Statistik ini mengukur fraksi variabilitas yang dicatat oleh model. Nilai R2 yang tinggi tidak selalu berarti model sesuai dengan data sumur. Lain alat yang digunakan untuk validasi model adalah analisis residual grafis. Jika nilai output model yang drastis berbeda dari nilai-nilai sejarah, mungkin berarti ada kesalahan dalam model. Ini merupakan langkah penting untuk memverifikasi sebelum menggunakan model tersebut sebagai dasar untuk memproduksi model tambahan untuk skenario yang berbeda untuk memastikan setiap orang adalah akurat. Jika keluaran tidak wajar sesuai nilai-nilai bersejarah selama proses validasi, model tersebut harus ditinjau ulang dan diperbarui untuk menghasilkan hasil yang lebih sesuai dengan harapan. Ini merupakan proses berulang-ulang yang membantu untuk menghasilkan model yang lebih realistis.
Memvalidasi model simulasi lalu lintas membutuhkan membandingkan lalu lintas yang diperkirakan oleh model lalu lintas yang diamati pada sistem jalan raya dan transit. perbandingan awal adalah untuk susun perjalanan antara kuadran, sektor, atau daerah besar lainnya yang menarik. Langkah selanjutnya adalah membandingkan lalu lintas yang diperkirakan oleh model untuk jumlah lalu lintas, termasuk penumpang transit, melintasi hambatan dibikin di daerah penelitian. Ini biasanya disebut screenlines, cutlines, dan garis penjagaan dan mungkin hambatan fisik khayalan atau aktual. garis Cordon mengelilingi daerah tertentu seperti pusat bisnis atau pusat kegiatan utama. perkiraan penumpang Transit biasanya divalidasi dengan membandingkannya dengan patronase yang sebenarnya persimpangan barisan garis-garis di sekitar daerah pusat bisnis.
Tiga sumber kesalahan dapat menyebabkan hubungan yang lemah selama kalibrasi: kesalahan input, model kesalahan, dan kesalahan parameter. Secara umum, masukan kesalahan dan kesalahan parameter dapat disesuaikan dengan mudah oleh pengguna. Namun model error disebabkan oleh metodologi yang digunakan dalam model dan mungkin tidak mudah untuk memperbaikinya. Simulasi Model biasanya dibangun menggunakan teori beberapa pemodelan yang berbeda yang dapat menghasilkan hasil yang bertentangan. Beberapa model yang lebih umum, sementara yang lainnya lebih rinci. Jika model kesalahan terjadi sebagai akibat dari ini, mungkin diperlukan untuk menyesuaikan model metodologi untuk membuat hasil yang lebih konsisten.
Untuk menghasilkan model yang baik yang dapat digunakan untuk menghasilkan hasil yang realistis, ini adalah langkah penting yang perlu diambil dalam rangka untuk memastikan bahwa model simulasi yang berfungsi dengan baik. Simulasi model dapat digunakan sebagai alat untuk memverifikasi teori rekayasa tetapi hanya berlaku, jika dikalibrasi dengan benar. Begitu perkiraan yang memuaskan dari parameter untuk semua model telah diperoleh, model harus diperiksa untuk memastikan bahwa mereka cukup melaksanakan fungsi yang mereka dimaksudkan. Proses validasi menetapkan kredibilitas model dengan menunjukkan kemampuannya untuk meniru pola lalu lintas aktual. Pentingnya validasi model menggarisbawahi perlunya berhati-hati, ketelitian perencanaan dan akurasi program input data koleksi yang memiliki tujuan ini. Upaya-upaya harus dilakukan untuk memastikan data yang dikumpulkan sesuai dengan nilai-nilai yang diharapkan. Sebagai contoh dalam analisis lalu lintas, biasanya umum bagi seorang insinyur lalu lintas untuk melakukan kunjungan lapangan untuk memverifikasi jumlah lalu lintas dan menjadi akrab dengan pola lalu lintas di daerah tersebut. Model yang dihasilkan dan perkiraan akan ada lebih baik daripada data yang digunakan untuk estimasi model dan validasi.

Teori Pengambilan Keputusan - ANALISIS DATA BOTTLENECK

Bottleneck diartikan secara kasar adalah penyempitan jalur. Bottleneck adalah sebuah fenomena di mana kinerja atau kapasitas dari keseluruhan sistem dibatasi oleh satu atau sejumlah terbatas satu komponen atau sumber daya. Istilah bottleneck diambil dari aset adalah air 'metafora. Ketika air dituangkan keluar dari botol, tingkat keluar yang dibatasi oleh lebar saluran dari keluar-bottleneck yaitu,. Dengan meningkatkan lebar bottleneck yang dapat meningkatkan tingkat di mana air mengalir keluar dari leher pada frekuensi yang berbeda. komponen membatasi semacam sistem kadang-kadang disebut sebagai titik kemacetan.
Bottleneck terjadi dalam proses pengambilan keputusan.
Empat hambatan yang mungkin terjadi:
•    Global vs Lokal
•    Pusat versus Unit Bisnis
•    Fungsi versus Fungsi
•    Di dalam versus Mitra Luar
Dalam hal analisis data berarti menyempitkan data atau jumlah data agar muncul data-data yang benar-benar diperlukan untuk meneliti suatu observasi tertentu.Salah satu cara untuk menyempitkan data tersebut adalah dengan membuang outlier atau data yang terlihat sangat jauh jaraknya dari rata-rata data kebanyakan.

Teori Pengambilan Keputusan - ANALISIS MASALAH (SPC TOOLS)

Salah satu alat teknis terbaik  untuk meningkatkan mutu produk dan jasa adalah pengawasan proses statistik (SPC-Statistical Process Control). Ada tujuh teknik dasar, yaitu diagram pareto, diagram arus proses, diagram sebab akibat, lembar cek, histogram, table control (control chart), dan diagram tebar. Karena empat teknik yang pertama tidaklah benar-benar statistik, kata statistik sedikit banyak bukanlah istilah yang cocok. Lagipula, alat teknis ini tidak hanya mengendalikan proses itu tetapi mempunyai kemampuan untuk meningkatkannya juga.
    Pareto Diagram
Alfredo Pareto (1848-1923) menyelenggarakan studi yang luas tentang distribusi kekayaan di Eropa. Ia menemukan bahwa ada beberapa orang-orang dengan banyak uang dan banyak orang-orang dengan uang kecil. Distribusi yang berbeda tentang kekayan ini menjadi suatu bagian integral teori ekonomi. Dr. Joseph Juran mengenali konsep ini sebagai universal yang bisa diberlakukan bagi bidang banyak orang. Ia menyatakan ungkapan vital fiew dan usefull many.
Suatu Pareto diagram adalah suatu grafik yang tergolong klasifikasi data dalam urutan menurun dari kiri ke kanan.Dalam hal ini, penggolongan data adalah jenis mesin coating. Penggolongan data lain yang mungkin adalah permasalahan, keluhan, penyebab, jenis non-konformasi, dan sebagainya. Yang vital view pada sisi kiri, dan usefull many pada sisi kanan. Kadang-kadang diperlukan untuk berkombinasi sebagian dari usefull many ke dalam satu penggolongan yang disebut "other". Ketika kategori ini digunakan, dia ditempatkan pada sisi kanan yang jauh.

Konstruksi suatu diagram Pareto sangat sederhana. Ada 5 langkah :
1.    Tentukan metode penggolongan data : dengan masalah, penyebab, nonconformas, dan sebagainya.
2.    Putuskan jika dolar ( terbaik), frekuensi, atau kedua-duanya digunakan untuk me-ranking karakteristik tersebut.
3.    Kumpulkan data untuk suatu interval waktu yang sesuai atau menggunakan data historis.
4.    Ringkaslah data itu dan buatlah peringkat order sesuai kategori dari paling besar ke paling kecil.
5.    Buatlah diagram dan temukan yang sedikit vital.
Catat bahwa suatu peningkatan mutu yang sedikit vital, misalnya, 50%. adalah suatu kembalian yang jauh lebih besar daripada investasi 50% peningkatan yang banyak digunakan. Juga. pengalaman telah menunjukkan bahwa hal ini lebih mudah untuk membuat suatu 50% peningkatan dalam hal yang sedikit vital. Penggunaan suatu diagram Pareto, adalah untuk suatu proses yang tak pernah selesai.Pareto diagram adalah suatu alat peningkatan mutu yang bagus karena dapat diaplikasikan pada masalah identifikasi dan pengukuran kemajuan.
    Diagram arus proses
Karena banyak produk dan jasa. mungkin saja berguna untuk membangun suatu diagram arus proses.Masukan Order yakni  suatu perusahaan yang melayani pesanan pembuatan t alat pemercik pipa karet pompa bensin. Diagrams  tersebut menunjukkan arus dari produk atau service ketika bergerak sampai ke dalam berbagai proses pengolahan. Diagram ini membuat mudah visualisasi keseluruhan sistem, mengidentifikasi masalah  noda potensial, dan menempatkan aktivitas kendali. Dan hal ini menjawab pertanyaan, " Siapakah pelanggan yang berikutnya?" Peningkatan dapat terpenuhi dengan  mengubah, mengurangi, mengkombinasikan, atau menghapuskan langkah-langkah.
Lambang yang distandardisasi digunakan oleh insinyur industri; bagaimanapun, lambing-lambang itu tidak penting dalam pemecahan masalah. Lambang menggunakan figure saja sudah cukup.
    Diagram sebab akibat

Diagram Sebab Akibat (C&E) adalah suatu gambaran  yang terdiri atas bentuk dan desain lambang untuk menghadirkan suatu hubungan berarti antara suatu efek dan penyebabnya.  Diagram ini dikembangkan oleh Dr. Kaoru Ishikawa pada tahun 1943 dan kadang-kadang dikenal sebagai suatu Ishikawa diagram atau suatu fishbone diagram oleh karena bentuk nya.

 C&E diagram digunakan untuk menyelidiki baik buruknya efek dan untuk mulai bertindak membetulkan penyebab atau sebuah efek yang baik dan untuk mempelajari bahwa penyebab-penyebabnya dapat ditanggulangi. Karena tiap-tiap efek, nampaknya akan banyak penyebab. gambar 18-3 menggambarkan suatu diagram C&E dengan efek pada sisi kanan dan menyebabkan pada sisi kiri. Efek adalah karakteristik  yang berkwalitas yang memerlukan peningkatan. Penyebab kadang-kadang dipecah ke dalam penyebab yang utama  dari metode kerja, material, pengukuran, orang-orangnya, peralatan, dan lingkungan. Penyebab utama lainnya bisa digunakan untuk tipe permasalahan servis, seperti pada kepuasan pelanggan.
Masing-Masing penyebab utama lebih lanjut lagi  dibagi kedalam penyebab-penyebab kecil. Sebagai contoh, di bawah metode kerja, kita mungkin mempunyai pelatihan, pengetahuan, kemampuan, karakteristik fisik; dan sebagainya. C&E diagram menggambar baik semua  penyebab kecil maupun yang utama.
Langkah pertama diagram C&E adalah untuk regu proyek untuk mengidentifikasi efek  atau masalah kwalitas. Langkah ini ditempatkan pada sisi kanan sisi suatu potongan catatan] besar oleh pimpinan. Berikutnya, penyebab yang utama dikenali dan ditempatkan pada diagram
Menentukan semua penyebab minor memerlukan pengungkapan pendapat oleh regu proyek. Brainstorming adalah suatu yang teknik pengumpulan ide  yang sungguh baik dan sesuai untuk diagram C&E. brainstorming  menggunakan kapasitas  pemikiran kreatif regu itu.
Perhatikan pada beberapa hal penting akan menyediakan suatu hasil yang lebih dapat digunakan dan akurat:
1. Partisipasi tiap-tiap anggota tim difasilitasi  oleh masing-masing anggota yang saling memberi dan menerima satu gagasan pada waktu yang sama. Jika suatu anggota tidak bisa berpikir tentang sebuah penyebab minor maka  ia melewatkannya. Gagasan lain boleh terjadi pada suatu putaran kemudiannya. Berikut prosedur ini yang mencegah satu atau dua individu i mendominasi sesi pengungkapan pendapat
2. Kwantitas gagasan dibanding mutu lebih didukung. Gagasan seseorang akan menentang gagasan orang lain, dan suatu reaksi berantai terjadi. Sering, suatu hal yang sepele. atau " bisu," gagasan malahan akan menjadi solusi yang terbaik.
3. Kritik dari suatu gagasan tidaklah diijinkan. Harus ada suatu pertukaran keadaan yang  bebas, tak terhambat sehingga imajinasi dapat muncul. Semua gagasan ditempatkan pada diagram. Evaluasi gagasan terjadi di  waktu selanjutnya.
4. Jarak penglihatan diagram adalah suatu faktor keikutsertaan utama. Dalam rangka mempunyai ruang  untuk semua penyebab yang minor, 2- 3 potong catatan direkomendasikan, seharusnya ditempelkan pada suatu tembok yang mudah dilihat.
5. menciptakan suatu atmosfer berorientasi solusi dan tak satu  sesi keluhan pun . Memusatkan pada peemecahan suatu masalah mendiskusikan bagaimana masalah mulai. Regu Pemimpin perlu meminta pertanyaan yang mengapa,di mana, kapan, siapa, dan bagaimana tekniknya.
6. Membiarkan Gagasan berkembang untuk beberapa saat ( sedikitnya bermalam) dan kemudian mempunyai sebuah sesi lain untuk  pengungkapan pendapat. Sediakan  untuk anggota regu suatu salinan gagasan setelah sesi yang pertama. Jika tidak ada lagi gagasan dihasilkan, aktivitas pengungkapan pendapat diakhiri.
Sekali ketika C&E diagram sudah  lengkap,  maka harus dilakukan evaluasi untuk menentukan penyebab yang hampir bisa dipastikan. Aktivitas ini dilakukan pada suatu sesi terpisah. Prosedurnya adalah untuk mendapatkan suara dari tiap-tiap anggota tentang penyebab-penyebab minor. Anggota regu boleh berpendapat lebih dari satu penyebab dan yang empat atau lima hampir bisa dipastikan  sebagai penyebab efek yang telah ditentukan.
Solusi dikembangkan untuk mengoreksi penyebab dan meningkatkan prosesnya. Ukuran-Ukuran untuk menentukan solusi yang memungkinkan meliputi biaya, kelayakan, pembalasan untuk berubah, konsekuensi, pelatihan, dan sebagainya. Sekali ketika regu setuju akan solusi-solusi, tes dan implementasinya.
Diagram ditempatkan pada lokasi kunci untuk merangsang acuan dilanjutkan jika  permasalahan baru atau serupa muncul. Diagram ditinjau kembali ketika solusi ditemukan dan peningkatan dibuat.
C&E Diagram mempunyai aplikasi hampir tak terbatas dalam riset, pabrikasi, marketing, operasi kantor, servis, dan sebagainya. Salah satu dari asset yang paling kuat adalah partisipasi dan kontribusi semua orang yang dilibatkan dalam proses pengungkapan pendapat. Diagram berguna untuk :
1.    Meneliti kondisi-kondisi nyata untuk kepentingan produk atau jasa peningkatan kualitas, penggunaan sumber daya yang efisien, dan mengurangi biaya-biaya.
2.    Hapuskan keadaan yang  menyebabkan nonconformas dan keluhan pelanggan.
3.    Standardisasi tujuan operasi yang ada.
4.    Mendidik dan melatih personil dalam pengambilan keputusan dan aktivitas tindakan korektif.
    Lembar cek
Tujuan utama lembar cek adalah untuk memastikan bahwa data  dikumpulkan secara hati-hati dan  dengan operasi personil yang akurat. Data harus dikumpulkan dalam .sedemikian hingga dapat dengan cepat dan dengan mudah digunakan serta dianalisa. Format lembar cek dibedakan dari yang lain untuk masing-masing situasi dan dirancang oleh regu proyek. Skala pada sisi kiri menghadirkan midpoint  dan batasan-batasan untuk masing-masing cakupan temperatur. Data untuk lembar cek jenis ini   sering direkam dengan  penempatan suatu " X" dalam sudut yang sesuai. Dalam hal ini, waktunya telah direkam dalam rangka menyediakan informasi tambahan untuk memecahkan masalah.
Kapan saja mungkin, cek lembar juga dirancang untuk menunjukkan penempatan. Sebagai contoh. lembar cek untuk cat sepeda nonconformas bisa menunjukkan suatu garis besar suatu sepeda dengan x menandakan penempatannya. Kreativitas bermain penting dalam perancangan suatu lembar cek. Lembar cek haruslah mudah dioperasikan dan, kapan saja mungkin, meliputi informasi yang tepat waktu dan penempatan.
    Histogram
Teknik Statistik SPC yang pertama adalah histogram. Histogram  menguraikan variasi  dalam proses. Histogram dengan nyata menaksir kemampuan proses dan, jika diinginkan, hubungan kepada spesifikasi dan yang nominal (target). Selain itu juga menyarankan bentuk populasi dan menandai adanya gap apabila ada gap di sana.
Dalam industri, bisnis, dan pemerintahan data-data yang telah dikumpulkan adalah vo­luminous. Bahkan satu item. seperti banyaknya kesalahan penagihan sehari-hari suatu bank besar, dapat menghadirkan massa data seperti itu  dapat lebih mengacaukan dibanding sangat menolong
Beberapa cara merangkum data diperlukan untuk menunjukkan nilai data yang cenderung terikat pada bagaimana data dibubarkan atau dibentangkan. Dua teknik diperlukan untuk memenuhi penjumlahan data, yakni graphical dan analitis.
Histogram mempunyai karakteristik yang secara pasti dapat diidentifikasi seperti ditunjukkan gambar i8-9. Satu karakteristik untuk distribusi berhubungan dengan simetri atau ketiadaan simetri data tersebut. Apakah data yang sama yang dibagi-bagikan terpasang  masing-masing sisi pusat, atau data yang  berada di sebelah kanan atau kiri? Karakteristik lain berkaitan dengan kurtosis dari data.
Suatu karakteristik akhir berhubungan dengan sejumlah model,  puncak, data. Tidak hanya terdapat satu model, dua model ( bi-modal), atau berbagai model.
Histogram dapat memberi informasi cukup tentang suatu masalah mutu untuk menyediakan suatu dasar untuk pengambilan keputusan tanpa analisa menyeluruh. Mereka dapat juga dibandingkan dalam hubungan dengan penempatan, penyebaran. dan bentuk.Sebuah histogram seperti suatu snapshot proses yang mempertunjukkan variasinya Histogram dapat menentukan  kemampuan memproses, membandingkan dengan spesifikasi. menyarankan bentuk populasi, dan menandai adanya pertentangan di  data, seperti gap.
    Table control (control chart)
Peta kendali adalah sebuah peta yang menampilkan batasan statistika pada sebaran data. Batas atas dalam peta kendali biasanya desebut dengan UCL (upper control limit) sedangkan batas bawah disebut dengan LCL (lower control limit). Data yang berada di luar batas kendali biasanya disebut dengan pencilan atau data yang out of control.
Biasanya pencilan ini akan dikeluarkan dari analisis dan perhitungan secara statistika dan kemudian dengan data yang tersisa akan dihitung kembali UCL dan LCL peta kendali. Biasanya adanya pencilan itu menunjukan adanya penyebab khusus yang terjadi secara incidental.
Misalnya dalam sebuah pendataan cacat produksi, banyaknya produk cacat yang ditemukan lebih banyak dari biasanya disebabkan oleh tidak beroperasinya sebagian mesin produksi karena pasokan listrik yang kurang.

    Diagram tebar
Jalan yang paling sederhana untuk menentukan jika suatu hubungan sebab-akibat ada antara dua variabel adalah untuk merencanakan suatu diagram tebar.Figur menunjukkan bahwa ketika kecepatan meningkat, terjadi pengurangan gas jarak mil. Kecepatan mobil direncanakan pada  x-axis dan merupakan variabel yang mandiri. Variabel yang mandiri pada umumnya dapat diawasi. Jarak mil Gas adalah pada y-axis dan merupakan variable yang dependent, atau tanggapan, variabel. Contoh hubungan lain adalah sebagai berikut:
o    Laju potong Dan Tool life.
o    Temperatur Dan Kekerasan Lipstik.
o    Tekanan bentur dan arus elektrik.
o    Temperatur Dan Persen busa dalam minuman ringan.
o    Yield Dan Konsentrasi.
o    Pelatihan Dan error.
o    Breakdown dan umur peralatan.
o    Kecelakaan dan tahun dengan organisasi.
Ada beberapa langkah-langkah sederhana untuk membangun suatu diagram tebar. Data dikumpulkan seperti diperintah berpasangan ( x, y). Kecepatan mobilan (Penyebab) dikendalikan dan jarak mil gas ( efek) diukur. Skala vertikal dan horisontal dibangun dengan nilai-nilai yang lebih tinggi pada sisi kanan untuk x-axis dan di bagian atas untuk  y-axis. Setelah timbangan diberi label, data direncanakan. X-Value adalah 30, dan y-value 38. Sampel  angka-angka 2 sampai 16 direncanakan, dan diagram tebar telah lengkap. Jika dua poin-poin adalah serupa, teknik menggambarkan pada 60 mi/h dapat digunakan.
Sekali ketika diagram tebar telah lengkap, hubungan atau korelasi antara kedua variabel dapat dievaluasi. Pada ( a), ada suatu korelasi positif antara kedua variabel, sebab ketika x meningkat, y meningkat. Pada ( b), ada suatu korelasi negatif antara kedua variabel, sebab ketika x meningkat, y berkurang. Pada ( c), tidak ada korelasi, dan contoh pola an ini kadang-kadang dikenal sebagai pola senapan berburu. Contoh pola yang diuraikan (a), ( b), dan ( c) mudah untuk dipahami: bagaimanapun, yang diuraikan ( d), ( e), dan ( f) jadilah lebih sulit. Pada ( d), mungkin ada atau tidak ada hubungan antara dua variabel. Tampak ada hubungan negative antara x dan y, tetapi itu tidak terlalu kuat. Analisa statistik lebih lanjut dibutuhkan untuk mengevaluasi pola ini. Pada (e) kita membagi-bagi data berdasarkan perbedaan penyebab untuk efek yang sama. Beberapa contoh gas mileage dengan angin melawan angin, dua supplier material yang berbeda dan dua musim yang berbeda. Satu sebab direncanakan dengan small solid circle dan sebab yang lain direncanakan dengan triangle terbuka. Ketika data dipisah, kita melihat bahwa ada hubungan kuat. Pada (f) kita mempunyai hubungan garis lurus terhadap garis yang lain.
Ketika semua titik yang direncanakan berada pada garis lurus, kita mempunyai hubungan yang sempurna. Karena variasi dalam percobaan dan kesalahan pengukuran,  situasi sempurna akan jarang terjadi.
Kadang-kadang diinginkan untuk mencocokkan garis lurus pada data untuk keperluan persamaan perkiraan. Sebagai contoh kita berharap mengestimasi gas mileage pada 42 mi/h. Garis dapat ditetapkan pada diagram pencar dengan melihat atau secara matematika, paling tidak menggunakan analisa kuadrat. Pada salah satu pendekatan, gagasan untuk membuat deviasi pada titik tiap sisi dari persamaan garis dimana garis diperpanjang melalui data yang disajikan, digunakan garis putus-putus, karena tidak ada data di area tersebut.

Teori Pengambilan Keputusan - ANALISIS DATA DAN PENGEMBANGAN SOLUSI

-    DATA

Pengertian data menurut Webster New World Dictionary,data adalah things known or assumed, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap. Diketahui artinya yang sudah terjadi merupakan fakta (bukti). Data dapat memberikan gambaran tentang suatu keadaan atau persoalan.Data bisa juga didefenisikan sekumpulan informasi atau nilai yang diperoleh dari pengamatan (observasi) suatu obyek, data dapat berupa angka dan dapat pula merupakan lambang atau sifat. Beberapa macam data antara lain ; data populasi dan data sampel, data observasi, data primer, dan data sekunder.

Pada dasarnya kegunaan data (setelah diolah dan dianalisis) ialah sebagai dasar yang objektif di dalam proses pembuatan keputusan – keputusan/ kebijaksanaan – kebijaksanaan dalam rangka untuk memecahkan persoalan oleh pengambil keputusan.Keputusan yang baik hanya bisa diperoleh dari pengambil keputusan yang objektif, dan didasarkan atas data yang baik.

Data yang baik adalah data yang bisa dipercaya kebenarannya (reliable), tepat waktu dan mencakup ruang lingkup yang luas atau bisa memberikan gambaran tentang suatu masalah secara menyeluruh merupakan data relevan.

Riset akan menghasilkan data. Ada tiga peringkat data yaitu data mentah, hasil pengumpulan, data hasil pengolahan berupa jumlah, rata – rata, persentase, dan data hasil analisis berupa kesimpulan. Yang terakhir ini mempunyai peringkat tertinggi sebab langsung dapat dipergunakan untuk menyusun saran atau usul untuk dasar membuat keputusan

-    PEMBAGIAN DATA
1. Menurut sifatnya, yang selanjutnya dapat dibagi dua :
a. Data Kualitatif yaitu data yang tidak berbentuk angka,
misalnya: Kuesioner Pertanyaan tentang suasana kerja,kualitas pelayanan sebuah restoran atau gaya kepemimpinan, dsb
b. Data Kuantitatif yaitu data yang berbentuk angka,
misalnya: harga saham, besarnya pendapatan, dsb
2. Menurut sumber data, yang selanjutnya dibagi dua:
a.Data Internal yaitu data dari dalam suatu organisasi yang menggambarkan keadaan organisasi tersebut. Misalnya suatu perusahaan: Jumlah karyawannya, jumlah modalnya, jumlah produksinya.
b. Data Eksternal yaitu data dari luar suatu organisasi yang dapat menggambarkan faktor–faktor yang mungkin mempengaruhi hasil kerja suatu organisasi.Misalnya: daya beli masyarakat mempengaruhi hasil penjualan suatu perusahaan.
3. Menurut cara memperolehnya, juga bisa dibagi dua:
a. Data Primer (primary data) yaitu data yang dikumpulkan sendiri oleh perorangan/ suatu organisasi secara langsung dari objek yang diteliti dan untuk kepentingan studi yang bersangkutan yang dapat berupa interview, observasi.
b. Data Sekunder (secondary data) yaitu data yang diperoleh/dikumpulkan dan disatukan oleh studi – studi sebelumnya atau yang diterbitkan oleh berbagai instansi lain. Biasanya sumber tidak langsung berupa data dokumentasi dan arsip – arsip resmi.
4. Menurut waktu pengumpulannya, dapat dibagi dua:
a. Data “cross section” ialah data yang dikumpulkan pada suatu waktu tertentu (at a point of time) untuk menggambarkan keadaan dan kegiatan pada waktu tersebut.
Misalnya : data penelitian yang menggunakan kuesioner
b. Data berkala (time series data) ialah data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu kejadian/kegiatan selama periode tersebut. Misalnya,perkembangan uang beredar, harga 9 macam bahan pokok,penduduk.

-    ANALISIS DATA

Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Step pertama dalam analisa adalah membagi data atas kelompok atau kategori-kategori. Kategori tidak lain dari bagian-bagian.

 Beberapa ciri dalam membuat kategori, adalah:
a. Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian.
b. Kategori harus lengkap
c. Kategori harus bebas dan terpisah
d. Tiap kategori harus berasal dari satu kaidah klasifikasi
e. Tiap kategori harus dalam satu level.

Kategori harus sesuai dengan masalah penelitian, sehingga kategori tersebut dapat mencapai tujuan penelitian dalam memecahkan masalah. Dengan demikian, analisa yang dibuat akan sesuai dengan keinginan untuk memecahkan masalah. Kategori yang dibuat juga harus dapat menguji hipotesa yang dirumuskan.
Kategori harus lengkap, yang berarti bahwa semua subjek atau responden harus termasuk ke dalam kategori tersebut. Kategori juga harus bebas dan terpisah nyata. Tiap individu atau objek harus termasuk dalam satu kategori saja. Peneliti harus dapat membuat variabel sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori, dan hanya satu kategori saja.
Analisis data bertujuan untuk menyusun data dalam cara yang bermakna sehingga dapat dipahami. Para peneliti berpendapat bahwa tidak ada cara yang paling benar secara absolut untuk mengorganisasi, menganalisis, dan menginterpretasikan data Karena itu, maka prosedur analisis data dalam penelitian disesuaikan dengan tujuan penelitian. Untuk memudahkan dalam analisa data metode yang digunakan adalah metode statistik. Statistika adalah serangkaian metode yang dipakai untuk mengumpulkan, menganalisa, menyajikan dan memberi makna, data. Metode statistik mempermudah para pengambil keputusan memahami informasi mana yang harus  dimanfaatkan, agar keputusan mereka tepat.

Tahapan langkah saat menggunakan analisa data statistik adalah :
1. Menentukan masalah (untuk menjadi obyek pengamatan/penelitian)
2. Mengumpulkan data
3. Melakukan analisa
4. Menyajikan hasil

•    Menentukan Masalah
Menentukan masalah atau menemukan sesuatu yang menarik perhatian dalam sebuah keadaan sebagai titik-pandang masalah, sehingga mampu bekerja efektif saat mengumpulkan data dan memberikan akurasi yang tinggi. Kesulitan akan banyak muncul bila tidak ada definisi yang jelas tentang masalah yang ingin diketahui.

•    Mengumpulkan Data
Faktor penting dalam pengumpulan data yang perlu diperhatikan adalah populasi dan sampel. Pada bagian ini digunakan statistik inferensial. Statistik inferensial digunakan untuk memperluas perolehan informasi berasal dari sampel acak dalam populasi yang akhirnya digunakan sebagai cara melihat keseluruhan populasi itu. Kegunaan dari statistik inferensial adalah untuk memperoleh informasi dari populasi yang terdapat di dalam sampel.


•    Melakukan Analisa
Di dalam analisa data-statistika, metode yang digunakan untuk analisa data terbagi menjadi dua kategori, metode exploratory dan metode confirmatory.Metode exploratory digunakan untuk menentukan apakah data yang ada dapat disajikan melalui angka aritmetika sederhana
dan mudah dimuat dengan grafis sebagai ringkasan data. Metode confirmatory memanfaatkan ide teori probabilitas sebagai upaya menjawab pertanyaan-pertanyaan khusus diluar ringkasan yang mudah diperoleh.Teori probabilitas penting saat membuat keputusan karena akan berfungsi sebagai ukuran mengukur, merasakan, menyatakan dan menganalisa kemungkinan-kemungkinan yang dapat terjadi di masa depan.

•    Menyajikan hasil
Melalui inferensia, perkiraan atau ujicoba yang menyatakan karakter-karakter tertentu dari populasi akan mudah diperoleh dari sampel. Hasil disajikan dalam sebentuk tabel, grafik atau berupa nilai persentase tertentu. Mengapa sampel ? karena untuk memperoleh hasil pengamatan keseluruhan populasi adalah nyaris tidak mungkin. Hasil pengamatan disajikan dituntut mampu menunjukkan kemungkinan keterlibatan sampel berdasarkan penggunaan teori probabilitas dan nilai interval.

-    PENGEMBANGAN SOLUSI
Pengembangan solusi content management, yaitu tahapan-tahapan yang harus dilakukan dalam mengembangkan sebuah solusi content management di dalam sebuah organisasi.

Secara umum terdapat lima tahapan yang harus dilakukan agar pengembangan solusi konten management dapat berhasil. Kelima tahapan tersebut adalah:
1. Analisis kebutuhan
2. Membuat Model Informasi
3. Menyusun Rencana Content
4. Menjalankan proyek percontohan
5. Keberlanjutan proyek
Tahap pertama berkaitan dengan mengetahui terlebih dahulu kebutuhan user sebelum mengembangkan solusi yang tepat sesuai dengan kebutuhan mereka. Jangan sampai sistem dibuat dan tidak ada yang menggunakannya karena tidak dapat memenuhi kebutuhan user yang sesungguhnya.
Tahap kedua berkaitan dengan pembuatan model informasi. Model informasi ini menjadi fondasi penyusunan content yang terdiri dari 3-tier:
Tier-1 Dimensi Metadata
Menyediakan kategori/label untuk content, misalnya Koran
Tier-2 Jenis Informasi
Menyediakan jenis content apa yang ingin disampaikan kepada user, misalnya Artikel Berita
Tier-3 Unit Content
Menyediakan unit terkecil sebagai unsur pembentuk jenis informasi, misalnya Judul, Paragraf Pembuka, Isi, Foto, Caption Foto, Kontributor
Tahap berikutnya adalah penyusunan Rencana Content yang secara teknis berisi rancangan tampilan/layout content yang ingin disampaikan kepada user (umumnya berbasis web).
Tahap keempat adalah pelaksanaan proyek percontohan. Proyek percontohan ini menjadi semacam implementasi proyek dalam lingkup yang terbatas. Hasil dari proyek percontohan ini akan menjadi penentu evaluasi terhadap pelaksanaan tahap terakhir, yaitu keberlanjutan proyek. Apakah masih ada hal-hal yang dapat diperbaiki atau ditingkatkan dari pelaksanaan proyek percontohan. Sehingga apabila implementasi dilakukan di seluruh lingkup organisasi tidak akan lagi ditemui masalah yang cukup berarti.

Teori Pengambilan Keputusan - Decision Tree

Pengertian Pohon Keputusan
Pohon keputusan adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat diambil dari masalah tersebut. Pohon tersebut juga memperlihatkan faktor-faktor kemungkinan/probablitas yang akan mempengaruhi alternatif-alternatif keputusan tersebut, disertai dengan estimasi hasil akhir yang akan didapat bila kita mengambil alternatif keputusan tersebut.
Manfaat Pohon Keputusan
Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi
antara sejumlah calon variabel input dengan sebuah variabel target. Pohon keputusan memadukan antara
eksplorasi data dan pemodelan, sehingga  sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika
dijadikan sebagai model akhir dari beberapa teknik lain.
Kelebihan Pohon Keputusan
Kelebihan dari metode pohon keputusan adalah:
•    Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
•    Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu.
•    Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional
•    Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
Kekurangan Pohon Keputusan
•    Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan.
•    Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar.
•    Kesulitan dalam mendesain pohon keputusan yang optimal.
•    Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.
Model Pohon Keputusan
Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Contoh dari pohon keputusan dapat dilihat di Gambar berikut ini.

Model Pohon Keputusan (Pramudiono,2008)
Disini setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Contoh di Gambar  adalah identifikasi pembeli komputer,dari pohon keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli komputer adalah orang yang berusia di bawah 30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai dari node root, menggunakan tes terhadap atribut dari record yang belum ada kelasnya tersebut lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut, yang akan membawa kepada internal node (node yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes lagi terhadap atribut atau node daun. Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node daun. Pada pohon keputusan setiap simpul daun menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree) kemudian mengubah model pohon tersebut menjadi aturan (rule)
Contoh Aplikasi
Credit Risk
Berikut ini merupakan contoh dari salah satu kasus resiko kredit (credit risk) yang menggunakan decision tree untuk menentukan apakah seorang potential customer dengan karakteristik saving, asset dan income tertentu memiliki good credit risk atau bad credit risk.

Dapat dilihat pada gambar tersebut, bahwa target variable dari decision tree tersebut atau variable yang akan diprediksi adalah credit risk dengan menggunakan predictor variable : saving, asset, dan income. Setiap nilai atribut dari predictor variable akan memiliki cabang menuju predictor variable selanjutnya, dan seterusnya hingga tidak dapat dipecah dan menuju pada target variable.
Penentuan apakah diteruskan menuju predictor variable (decision node) atau menuju target variable (leaf node) tergantung pada keyakinan (knowledge) apakah potential customer dengan nilai atribut variable keputusan tertentu memiliki keakuratan nilai target variable 100% atau tidak. Misalnya pada kasus di atas untuk saving medium, ternyata knowledge yang dimiliki bahwa untuk seluruh potential customer dengan saving medium memiliki credit risk yang baik dengan keakuratan 100%. Sedangkan untuk nilai low asset terdapat kemungkinan good credit risk dan bad credit risk.
Jika tidak terdapat pemisahan lagi yang mungkin dilakukan, maka algoritma decision tree akan berhenti membentuk decision node yang baru. Seharusnya setiap branches diakhiri dengan “pure” leaf node, yaitu leaf node dengan target variable yang bersifat unary untuk setiap records pada node tersebut, di mana untuk setiap nilai predictor variable yang sama akan memiliki nilai target variable yang sama. Tetapi, terdapat kemungkinan decision node memiliki “diverse” atributes, yaitu bersifat non‐unary untuk nilai target variablenya, di mana untuk setiap record dengan nilai predictor variable yang sama ternyata memiliki nilai target variable yang berbeda. Kondisi tersebut menyebabkan tidak dapat dilakukan pencabangan lagi berdasarkan nilai predictor variable. Sehingga solusinya adalah membentuk leaf node yang disebut “diverse” leaf node, dengan menyatakan level kepercayaan dari diverse leaf node tersebut.
Pramudiono, Iko. Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung Data. http://www.ilmukomputer.com
Balanced Scorecard
Konsep Balanced Scorecard selanjutnya akan disingkat BSC. BSC adalah pendekatan terhadap strategi manajemen yang dikembangkan oleh Drs.Robert Kaplan (Harvard Business School) and David Norton pada awal tahun 1990. BSC berasal dari dua kata yaitu balanced (berimbang) dan scorecard (kartu skor). Balanced (berimbang) berarti adanya keseimbangan antara performance keuangan dan non-keuangan, performance jangka pendek dan performance jangka panjang, antara performance yang bersifat internal dan performance yang bersifat eksternal. Sedangkan scorecard (kartu skor) yaitu kartu yang digunakan untuk mencatat skor performance seseorang. Kartu skor juga dapat digunakan untuk merencanakan skor yang hendak diwujudkan oleh seseorang di masa depan.
Keunggulan Balanced Scorecard
Dalam perkembangannya BSC telah banyak membantu perusahaan untuk sukses mencapai tujuannya. BSC memiliki beberapa keunggulan yang tidak dimiliki sistem strategi manajemen tradisional. Strategi manajemen tradisional hanya mengukur kinerja organisasi dari sisi keuangan saja dan lebih menitik beratkan pengukuran pada hal-hal yang bersifat tangible, namun perkembangan bisnis menuntut untuk mengubah pandangan bahwa hal-hal intangible juga berperan dalam kemajuan organisasi. BSC menjawab kebutuhan tersebut melalui sistem manajemen strategi kontemporer, yang terdiri dari empat perspektif yaitu: keuangan, pelanggan, proses bisnis internal serta pembelajaran dan pertumbuhan.
Keunggulan pendekatan BSC dalam sistem perencanaan strategis (Mulyadi, 2001, p.18) adalah mampu menghasilkan rencana strategis, yang memiliki karakteristik sebagai berikut (1) komprehensif, (2) koheren, (3)seimbang dan (4) terukur
Perspektif dalam Balanced Scorecard
Adapun perspektif-perspektif yang ada di dalam BSC adalah sebagai berikut:
1. Perspektif Keuangan
BSC memakai tolak ukur kinerja keuangan seperti laba bersih dan ROI, karena tolak ukur tersebut secara umum digunakan dalam perusahaan untuk mengetahui laba. Tolak ukur keuangan saja tidak dapat menggambarkan penyebab yang menjadikan perubahan kekayaan yang diciptakan perusahaan atau organisasi (Mulyadi dan Johny Setyawan, 2000).
Balanced Scorecard adalah suatu metode pengukuran kinerja yang di dalamnya ada keseimbangan antara keuangan dan non-keuangan untuk mengarahkan kinerja perusahaan terhadap keberhasilan. BSC dapat menjelaskan lebih lanjut tentang pencapaian visi yang berperan di dalam mewujudkan pertambahan kekayaan tersebut (Mulyadi dan Johny Setyawan, 2000) sebagai berikut:
1. Peningkatan customer 'yang puas sehingga meningkatkan laba (melalui peningkatan revenue).
2. Peningkatan produktivitas dan komitmen karyawan sehingga meningkatkan laba (melalui peningkatan cost effectiveness).
3. Peningkatan kemampuan perusahaan untuk menghasilkan financial returns dengan mengurangi modal yang digunakan atau melakukan investasi dalam proyek yang menghasilkan return yang tinggi.
Di dalam Balanced Scorecard, pengukuran finansial mempunyai dua peranan penting, di mana yang pertama adalah semua perspektif tergantung pada pengukuran finansial yang menunjukkan implementasi dari strategi yang sudah direncanakan dan yang kedua adalah akan memberi dorongan kepada 3 perspektif yang lainnya tentang target yang harus dicapai dalam mencapai tujuan organisasi.
Menurut Kaplan dan Norton, siklus bisnis terbagi 3 tahap, yaitu: bertumbuh (growth), bertahan (sustain), dan menuai (harvest), di mana setiap tahap dalam siklus tersebut mempunyai tujuan fmansial yang berbeda. Growth merupakan tahap awal dalam siklus suatu bisnis. Pada tahap ini diharapkan suatu bisnis memiliki produk baru yang dirasa sangat potensial bagi bisnis tersebut.
Untuk itu, maka pada tahap growth perlu dipertimbangkan mengenai sumber daya untuk mengembangkan produk baru dan meningkatkan layanan, membangun serta mengembangkan fasilitas yang menunjang produksi, investasi pada sistem, infrastruktur dan jaringan distribusi yang akan mendukung terbentuknya hubungan kerja secara menyeluruh dalam mengembangkan hubungan yang baik dengan pelanggan. Secara keseluruhan tujuan finansial pada tahap ini adalah mengukur persentase tingkat pertumbuhan pendapatan, dan tingkat pertumbuhan penjualan di pasar sasaran.
Tahap selanjutnya adalah sustain (bertahan), di mana pada tahap ini timbul pertanyaan mengenai akan ditariknya investasi atau melakukan investasi kembali dengan mempertimbangkan tingkat pengembalian yang mereka investasikan. Pada tahap ini tujuan finansial yang hendak dicapai adalah untuk memperoleh keuntungan. Berikutnya suatu usaha akan mengalami suatu tahap yang dinamakan harvest (menuai), di mana suatu organisasi atau badan usaha akan berusaha untuk mempertahankan bisnisnya. Tujuan finansial dari tahap ini adalah untuk untuk meningkatkan aliran kas dan mengurangi aliran dana.

2. Perspektif Pelanggan
Dalam perspektif pelanggan, perusahaan perlu terlebih dahulu menentukan segmen pasar dan pelanggan yang menjadi target bagi organisasi atau badan usaha. Selanjutnya, manajer harus menentukan alat ukur yang terbaik untuk mengukur kinerja dari tiap unit operasi dalam upaya mencapai target finansialnya. Selanjutnya apabila suatu unit bisnis ingin mencapai kinerja keuangan yang superior dalam jangka panjang, mereka harus menciptakan dan menyajikan suatu produk baru/jasa yang bernilai lebih baik kepada pelanggan mereka (Kaplan, dan Norton, 1996).
Produk dikatakan bernilai apabila manfaat yang diterima produk lebih tinggi daripada biaya perolehan (bila kinerja produk semakin mendekati atau bahkan melebihi dari apa yang diharapkan dan dipersepsikan pelanggan). Perusahaan terbatas untuk memuaskan potential customer sehingga perlu melakukan segmentasi pasar untuk melayani dengan cara terbaik berdasarkan kemampuan dan sumber daya yang ada. Ada 2 kelompok pengukuran dalam
perspektif pelanggan, yaitu:
1. Kelompok pengukuran inti (icore measurement group).
Kelompok pengukuran ini digunakan untuk mengukur bagaimana perusahaan memenuhi kebutuhan pelanggan dalam mencapai kepuasan, mempertahankan, memperoleh, dan merebut pangsa pasar yang telah ditargetkan. Dalam kelompok pengukuran inti, kita mengenal lima tolak ukur, yaitu: pangsa pasar, akuisisi pelanggan (perolehan pelanggan), retensi pelanggan (pelanggan yang dipertahankan), kepuasan pelanggan, dan profitabilitas pelanggan.
2. Kelompok pengukuran nilai pelanggan (customer value proposition).
Kelompok pengukuran ini digunakan untuk mengetahui bagaimana perusahaan mengukur nilai pasar yang mereka kuasai dan pasar yang potensial yang mungkin bisa mereka masuki. Kelompok pengukuran ini juga dapat menggambarkan pemacu kinerja yang menyangkut apa yang harus disajikan perusahaan untuk mencapai tingkat kepuasan, loyalitas, retensi, dan akuisisi pelanggan yang tinggi. Value proposition menggambarkan atribut yang disajikan perusahaan dalam produk/jasa yang dijual untuk menciptakan loyalitas dan kepuasan pelanggan. Kelompok pengukuran nilai pelanggan terdiri dari:
a. Atribut produk/jasa, yang meliputi: fungsi, harga, dan kualitas produk.
b. Hubungan dengan pelanggan, yang meliputi: distribusi produk kepada pelanggan, termasuk respon dari perusahaan, waktu pengiriman, serta bagaimana perasaan pelanggan setelah membeli produk/jasa dari perusahaan yang bersangkutan.
c. Citra dan reputasi, yang menggambarkan faktor intangible bagi perusahaan untuk menarik pelanggan untuk berhubungan dengan perusahaan, atau membeli produk.

3. Perspektif Proses Bisnis Internal
Perspektif proses bisnis internal menampilkan proses kritis yang memungkinkan unit bisnis untuk memberi value proposition yang mampu menarik dan mempertahankan pelanggannya di segmen pasar yang diinginkan dan memuaskan harapan para pemegang saham melalui flnancial retums (Simon, 1999).
Tiap-tiap perasahaan mempunyai seperangkat proses penciptaan nilai yang unik bagi pelanggannya. Secara umum, Kaplan dan Norton (1996) membaginya dalam 3 prinsip dasar, yaitu:
1. Proses inovasi.
Proses inovasi adalah bagian terpenting dalam keseluruhan proses produksi. Tetapi ada juga perusahaan yang menempatkan inovasi di luar proses produksi. Di dalam proses inovasi itu sendiri terdiri atas dua komponen, yaitu: identifikasi keinginan pelanggan, dan melakukan proses perancangan produk yang sesuai dengan keinginan pelanggan. Bila hasil inovasi dari perusahaan
tidak sesuai dengan keinginan pelanggan, maka produk tidak akan mendapat tanggapan positif dari pelanggan, sehingga tidak memberi tambahan pendapatan bagi perasahaan bahkan perasahaan haras mengeluarkan biaya investasi pada proses penelitian dan pengembangan.
2. Proses operasi.
Proses operasi adalah aktivitas yang dilakukan perusahaan, mulai dari saat penerimaan order dari pelanggan sampai produk dikirim ke pelanggan. Proses operasi menekankan kepada penyampaian produk kepada pelanggan secara efisien, dan tepat waktu. Proses ini, berdasarkan fakta menjadi fokus utama dari sistem pengukuran kinerja sebagian besar organisasi.
3. Pelayanan purna jual.
Adapun pelayanan purna jual yang dimaksud di sini, dapat berupa garansi, penggantian untuk produk yang rusak, dll.

4. Perspektif Pembelajaran dan Pertumbuhan
Perspektif ini menyediakan infrastruktur bagi tercapainya ketiga perspektif sebelumnya, dan untuk menghasilkan pertumbuhan dan perbaikan jangka panjang.
Penting bagi suatu badan usaha saat melakukan investasi tidak hanya pada peralatan untuk menghasilkan produk/jasa, tetapi juga melakukan investasi pada infrastruktur, yaitu: sumber daya manusia, sistem dan prosedur. Tolak ukur kinerja keuangan, pelanggan, dan proses bisnis internal dapat mengungkapkan kesenjangan yang besar antara kemampuan yang ada dari manusia, sistem, dan prosedur. Untuk memperkecil kesenjangan itu, maka suatu badan usaha harus melakukan investasi dalam bentuk reskilling karyawan, yaitu: meningkatkan kemampuan sistem dan teknologi informasi, serta menata ulang prosedur yang ada.
Perspektif pembelajaran dan pertumbuhan mencakup 3 prinsip kapabilitas yang terkait dengan kondisi intemal perusahaan, yaitu:
1. Kapabilitas pekerja.
Kapabilitas pekerja adalah merupakan bagian kontribusi pekerja pada perusahaan. Sehubungan dengan kapabilitas pekerja, ada 3 hal yang harus diperhatikan oleh manajemen:
a. Kepuasan pekerja.
Kepuasan pekerja merupakan prakondisi untuk meningkatkan produktivitas, tanggungjawab, kualitas, dan pelayanan kepada konsumen. Unsur yang dapat diukur dalam kepuasan pekerja adalah keterlibatan pekerja dalam mengambil keputusan, pengakuan, akses untuk mendapatkan informasi, dorongan untuk bekerja kreatif, dan menggunakan inisiatif, serta dukungan dari atasan.
b. Retensi pekerja.
Retensi pekerja adalah kemampuan untuk mempertahankan pekerja terbaik dalam perusahaan. Di mana kita mengetahui pekerja merupakan investasi jangka panjang bagi perusahaan. Jadi, keduanya seorang pekerja yang bukan karena keinginan perusahaan merupakan loss pada intellectual capital dari perusahaan. Retensi pekerja diukur dengan persentase turnover di perusahaan.
c. Produktivitas pekerja.
Produktivitas pekerja merupakan hasil dari pengaruh keseluruhan dari peningkatan keahlian dan moral, inovasi, proses internal, dan kepuasan pelanggan. Tujuannya adalah untuk menghubungkan output yang dihasilkan oleh pekerja dengan jumlah pekerja yang seharusnya untuk menghasilkan output tersebut.
2. Kapabilitas sistem informasi.
Adapun yang menjadi tolak ukur untuk kapabilitas sistem informasi adalah tingkat ketersediaan informasi, tingkat ketepatan informasi yang tersedia, serta jangka waktu untuk memperoleh informasi yang dibutuhkan.
3. Iklim organisasi yang mendorong timbulnya motivasi, dan pemberdayaan adalah penting untuk menciptakan pekerja yang berinisiatif. Adapun yang menjadi tolak ukur hal tersebut di atas adalah jumlah saran yang diberikan pekerja.
Stakeholder Analysis

Pengertian stakeholder adalah pihak-pihak yang terkait, dan Stakeholder Analysis adalah pengkajian terhadap pihak-pihak yang terkait langsung dan tidak langsung terhadap bisnis / proyek / penjualan, dan sebagainya. Di dalam project management, Stakeholder Analysis merupakan sesuatu yang sangat penting, dan ini harus dimulai sebelum proyek itu dimulai.

Stakeholder analysis merupakan bagian dari Risk Management. Langkah ini lebih bersifat preventif, dibandingkan korektif. Kajian dalam stakeholder analysis di Project Management meliputi paling sedikit:
1. Budaya masyarakat sekitar proyek yang terkena dampak langsung maupun tidak langsung
2. Hubungan kekerabatan masyarakat
3. Hubungan kongsi pelaksana proyek (joint venture, joint operation, dsb)
4. Hubungan kongsi pemberi proyek (joint venture, joint operation, merger, dsb)
5. Instansi pemerintah yang terkait
6. Lembaga-lembaga swadaya masyarakat (LSM/NGO) yang terkait
7. Lembaga-lembaga adat masyarakat
8. Tokoh-tokoh masyarakat

Stakeholder analysis ini akan menghasilkan pengkategorian,organisasi apakah yang sangat berpengaruh (primary stakeholder) terkait dengan pelaksanaan proyek, dan organisasi apa yang tidak/kurang berpengaruh (secondary stakeholder) terkait dengan pelaksanaan proyek. Dari kedua organisasi tersebut, dikelompokkan kembali siapakah tokoh kunci yang memiliki pengaruh paling besar (key stakeholder). Pengaruh tersebut bisa berupa pengaruh sosial seperti pada ketua adat, maupun kekuasaan seperti penerbit ijin seperti pada pemerintah. Pengelompokan ini lebih mudah disusun apabila menggunakan metoda stakeholder mapping, yaitu metoda menghubungkan-hubungkan kekerabatan, pengaruh, dominasi, kultural, agama, dan sosial lainnya antara satu pihak dengan pihak lainnya seperti pada contoh dibawah ini :

(sumber: http://www.emeraldinsight.com)

Dari proses stakeholder analysis & mapping yang paling penting adalah penyusunan dokumen analisis tersebut menjadi sebuah referensi bagi pemilik / pelaksana proyek. Kegunaannya adalah untuk melihat potensi-potensi peluang serta hambatan yang akan terjadi selama pelaksanaan proyek, dan apabila terjadi hambatan dalam proyek, dapat segera dianalisis pihak-pihak mana yang berpengaruh dan untuk segera ditangani. Stakeholder analysis sendiri adalah sesuatu yang tidak terukur, dan dinamis sesuai dengan perubahan yang terjadi di masyarakat itu sendiri. Semua praktisi yang melaksanakan aktivitas proyek apapun harus melakukan stakeholder analysis ini, membukukannya (sebagai referensi), dan membuat Standard Operational Procedure terkait dengan Stakeholder Grievance Handling (penanganan keluhan).
Alat ini dapat digunakan untuk banyak jenis keputusan pada semua tingkatan dalam sebuah organisasi.
Steps Langkah
•    Identifikasi kelompok stakeholder tertentu dan sub-kelompok yang terlibat dalam keputusan saat ini
•    Menentukan apa yang mereka berikan kepada organisasi.
•    Pastikan apa keinginan kelompok stakeholder dari organisasi dan seberapa kuat keinginan mereka
•    Mungkin perlu untuk memprioritaskan jika stakeholder yang diberikan memiliki lebih dari satu harapan.
•    Prioritaskan stakeholder berdasarkan pentingnya organisasi dari apa yang mereka sediakan.
•    Mereka diprioritaskan lebih tinggi berdasarkan apa yang mereka memberikan organisasi mendapatkan lebih banyak dari apa yang mereka inginkan.
•    Mungkin perlu mempertimbangkan "kekuatan" dari keinginan berbagai kelompok stakeholder.
•    Jika kelompok diperlukan sama sekali, mungkin perlu untuk memberikan sesuatu, bahkan jika stakeholder prioritas rendah.
Catatan
Di atas menyajikan pandangan yang disederhanakan analisis stakeholderDalam praktek, dan tergantung pada organisasi, budaya, dan keputusan tertentu, analisis ini dapat jauh lebih kompleks.

Teknik Manajemen Proyek

Setiap tugas yang memerlukan beberapa persiapan untuk mencapai hasil yang sukses, mungkin akan dilakukan dengan lebih baik dengan menggunakan metode manajemen proyek beberapa tempat dalam proses. Metode manajemen proyek dapat membantu dalam perencanaan dan pengelolaan segala macam tugas, terutama kegiatan yang kompleks.
Manajemen proyek ini terutama terkait dengan perencanaan dan mengelola perubahan dalam organisasi, tetapi proyek juga dapat menjadi sesuatu yang tidak berhubungan dengan bisnis - bahkan situasi domestik, seperti pindah rumah, atau perencanaan pernikahan.
Metode dan alat-alat manajemen proyek sehingga bisa berguna jauh lebih luas daripada orang beranggapan. Teknik manajemen proyek dan alat-alat perencanaan proyek yang berguna untuk setiap tugas di mana hasil yang berbeda yang mungkin - di mana risiko masalah dan kegagalan ada - dan sangat membutuhkan perencanaan dan menilai pilihan, dan mengatur kegiatan dan sumber daya untuk memberikan hasil yang sukses.
Dalam organisasi dan bisnis, manajemen proyek dapat peduli dengan apa pun, terutama memperkenalkan atau mengubah hal-hal, dalam setiap area atau fungsi, misalnya:

    * Orang, staf dan manajemen
    * Produk dan jasa
    * Material, manufaktur dan produksi
    * TI dan komunikasi
    * Tanaman, kendaraan, peralatan
Proses manajemen proyek:
1.    Setuju spesifikasi yang tepat untuk proyek ini - 'Kerangka Acuan'

Sering disebut "kerangka acuan" proyek, spesifikasi proyek harus menjadi deskripsi akurat tentang apa proyek ini bertujuan untuk mencapai, dan kriteria dan fleksibilitas yang terlibat, parameter, lingkup, jangkauan, output, sumber, peserta, anggaran dan rentang waktu ( waspadalah - lihat catatan di bawah rentang waktu tentang perencanaan).

Biasanya manajer proyek harus berkonsultasi dengan orang lain dan kemudian setuju spesifikasi proyek dengan atasan, atau dengan otoritas yang relevan. Spesifikasi bisa melibatkan beberapa draft sebelum disepakati. Sebuah spesifikasi proyek sangat penting dalam hal itu menciptakan akuntabilitas yang terukur untuk setiap orang yang ingin setiap saat untuk menilai bagaimana proyek yang sedang terjadi, atau kesuksesan pada penyelesaian. Proyek segi referensi juga memberikan disiplin yang penting dan kerangka kerja untuk menjaga proyek di trek, dan peduli dengan tujuan awal yang telah ditetapkan dan parameter. A benar dirumuskan dan spesifikasi proyek yang telah disepakati juga melindungi manajer proyek dari yang dimiliki untuk menjelaskan masalah yang berada di luar cakupan asli proyek atau di luar kendali manajer proyek

Ini adalah tahap untuk menyetujui kondisi khusus atau pengecualian dengan mereka yang berkuasa. Setelah Anda sudah menerbitkan kerangka acuan Anda telah membuat sebuah perusahaan yang sangat set harapan dengan mana Anda akan dinilai. Jadi jika Anda memiliki masalah, atau ingin menegosiasikan kembali, sekarang adalah waktu untuk melakukannya.

Sebuah template untuk spesifikasi proyek:
1.    Jelaskan tujuan, tujuan dan kiriman.
2.    Negara parameter (rentang waktu, anggaran, jangkauan, ruang lingkup, wilayah, otoritas).
3.    Negara orang-orang yang terlibat dan cara tim akan bekerja (frekuensi pertemuan, proses pengambilan keputusan).
4.    Membentuk 'break-poin' di mana untuk meninjau dan memeriksa kemajuan, dan bagaimana kemajuan dan hasil akan diukur.

2.    Rencana proyek - waktu, tim, kegiatan, sumber daya, keuangan - menggunakan alat-alat manajemen proyek yang sesuai.

Rencanakan berbagai tahapan kegiatan proyek. Bila memungkinkan (dan tentu saja di mana perlu) melibatkan tim Anda dalam perencanaan. Tips bermanfaat adalah untuk bekerja mundur dari tujuan akhir, mengidentifikasi semua hal yang perlu diletakkan di tempat dan dilakukan, dalam urutan terbalik. Selain itu, dari awal proyek telanjang, gunakan brainstorming (mencatat ide-ide dan titik secara acak - biasanya dengan tim proyek), untuk membantu mengumpulkan poin dan isu-isu dan untuk mengeksplorasi inovasi dan ide. fishbone diagram juga berguna untuk brainstorming dan mengidentifikasi faktor-faktor penyebab yang lain mungkin dilupakan. Untuk proyek yang kompleks, atau ketika Anda tidak mengalami masalah, melibatkan orang lain dalam proses brainstorming. Setelah itu pertanyaan menempatkan masalah dalam urutan yang benar, dan menjalin hubungan dan hubungan antara setiap masalah. Kompleks proyek akan memiliki sejumlah kegiatan yang berjalan secara paralel. Beberapa bagian dari proyek ini akan memerlukan bagian lain dari proyek akan selesai sebelum mereka dapat mulai atau kemajuan. bagian 'saling bergantung' seperti proyek perlu pertimbangan yang sangat hati-hati dan perencanaan. Beberapa proyek akan membutuhkan tahap kelayakan sebelum berakhirnya rencana rinci. Gantt Grafik dan Analisis Jalur Kritis Flow Diagram adalah dua alat yang biasa digunakan untuk perencanaan manajemen proyek rinci, memungkinkan penjadwalan, biaya dan manajemen anggaran dan keuangan lainnya, dan proyek dan pelaporan.

Proyek skala waktu dan biaya

Sebagian besar proyek datang terlambat - itu hanya cara itu - jadi jangan rencana skala waktu yang terlalu ambisius. Idealnya rencana untuk selip beberapa. Jika Anda telah diberi tenggat waktu tetap, rencana untuk memenuhi kebutuhan itu sebelumnya, dan bekerja kembali dari tanggal yang lebih awal. Membangun beberapa selip atau kelonggaran ke setiap fase proyek. Err pada sisi hati-hati di mana Anda bisa. Proyek yang slip kembali dan diserahkan terlambat, atau yang menjalankan lebih dari anggaran atau gagal untuk memenuhi persyaratan keuangan lainnya sering menimbulkan masalah yang signifikan.

Tim proyek

Bagian penting lainnya dari tahap perencanaan adalah memilih tim Anda. Perhatikan baik-baik, terutama jika Anda memiliki tim-anggota yang dikenakan pada Anda oleh singkat proyek. Memilih dan mendapatkan komitmen dari anggota tim terbaik - baik secara langsung bekerja, freelance, kontraktor, pemasok, konsultan atau mitra lainnya - adalah penting untuk kualitas proyek, dan kemudahan dengan yang Anda dapat mengelolanya. Umumnya mencoba untuk membangun tim Anda sesegera mungkin. Mengidentifikasi atau menunjuk satu atau dua orang bahkan selama syarat tahap referensi mungkin kadang-kadang. Menunjuk tim awal memaksimalkan kepemilikan dan membeli-in ke proyek, dan memaksimalkan apa yang mereka dapat berkontribusi. Tapi sangat waspada terhadap penunjukan orang sebelum Anda yakin seberapa baik mereka, dan tidak sampai mereka telah berkomitmen untuk proyek tersebut pada istilah yang mudah dimengerti dan diterima. Jangan membayangkan bahwa tim harus penuh anggota proyek dibayar dan resmi tim.

Untuk merencanakan dan mengelola proyek kompleks besar dengan berbagai paralel dan kegiatan tergantung Anda akan perlu untuk menyusun 'Analisis Jalur Kritis' dan spreadsheet di MS Excel atau setara. Path Analysis Critical akan menunjukkan urutan tugas harus dilakukan, dan kepentingan relatif dari tugas. Beberapa tugas dapat muncul kecil dan tidak berarti ketika mereka benar-benar mungkin sangat berpengaruh dalam memungkinkan kegiatan lebih besar untuk melanjutkan atau memberikan hasil terbaik. Sebuah bagan Gantt merupakan cara yang bermanfaat untuk menunjukkan blok kegiatan dari waktu ke waktu dan dengan biaya tertentu dan untuk mengelola proyek dan biaya di sepanjang jalan.

3.    Komunikasikan rencana proyek untuk tim proyek Anda - dan untuk setiap orang lain yang berkepentingan dan kelompok.

Ini memberikan dua tujuan: menginformasikan masyarakat apa yang terjadi, dan memperoleh dukungan perjanjian, penting dan komitmen. Jika proyek Anda adalah kompleks dan melibatkan sebuah tim, maka Anda harus melibatkan tim dalam proses perencanaan untuk memaksimalkan buy-in, kepemilikan, dan dengan demikian akuntabilitas. Proyek Anda juga akan mendapat keuntungan dari masukan dan konsultasi dari orang-orang yang relevan pada tahap awal.

Juga mempertimbangkan bagaimana cara terbaik untuk berkomunikasi tujuan dan pendekatan proyek Anda kepada orang lain dalam organisasi Anda dan jaringan yang lebih luas.

Keterlibatan dan komunikasi sangat penting untuk kerjasama dan dukungan. Gagal untuk berkomunikasi dengan orang (yang mungkin tidak memiliki masukan yang besar, tetapi kerjasama yang sangat penting) adalah alasan umum untuk membangkitkan kecurigaan dan keberatan, pembelaan atau perlawanan.

4.    Setuju dan tindakan mendelegasikan proyek.

Rencana Anda akan telah mengidentifikasi mereka yang bertanggung jawab untuk setiap kegiatan. Kegiatan harus sangat jelas digambarkan, termasuk semua parameter yang relevan, rentang waktu, biaya, dan kiriman. Gunakan akronim SMART untuk membantu Anda mendelegasikan tugas dengan benar. Lihat tips delegasi dan proses. Menggunakan metode delegasi yang tepat sangat penting untuk manajemen proyek yang melibatkan tim sukses. Ketika tugas didelegasikan gagal ini biasanya karena mereka belum dijelaskan secara jelas, setuju dengan orang lain, atau didukung dan diperiksa sementara dalam penyelesaian. Jadi menerbitkan rencana penuh ke semua dalam tim, dan mempertimbangkan dengan hati-hati cara untuk mendelegasikan tugas menengah-ke-jangka panjang dalam terang kemampuan anggota tim 'maju-perencanaan. proyek-proyek kompleks jangka panjang perlu direncanakan secara lebih rinci, dan hati-hati harus diambil dalam pendelegasian dan mendukung mereka.

5.    Mengelola dan memotivasi - menginformasikan, mendorong, memungkinkan tim proyek.

Mengelola tim dan kegiatan dalam rapat, berkomunikasi, mendukung, dan membantu dengan keputusan (tapi tidak membuat mereka untuk orang yang bisa membuat mereka sendiri). Salah satu tantangan besar bagi seorang manajer proyek adalah memutuskan berapa banyak kebebasan untuk memberikan untuk setiap kegiatan didelegasikan. parameter ketat dan banyak pemeriksaan diperlukan untuk orang-orang berpengalaman yang suka instruksi yang jelas, namun pendekatan ini adalah ciuman kematian kepada orang-orang yang berpengalaman, kewirausahaan dan kreatif. Mereka membutuhkan singkat yang lebih luas, lebih banyak kebebasan, dan memeriksa kurang. Mengelola orang-orang ini dengan hasil yang mereka dapatkan - bukan bagaimana mereka mendapatkannya. Berkomunikasi kemajuan dan keberhasilan secara teratur untuk semua orang. Berikan orang-orang dalam tim Anda pujian, terutama ketika seseorang tinggi mengungkapkan kepuasan - tidak pernah, tidak pernah menerima pujian diri sendiri. Sebaliknya - Anda harus mengambil disalahkan untuk sesuatu yang tidak beres - pernah 'dump' (masalah-masalah Anda atau tegangan) pada siapa pun dalam tim Anda.

6.    Periksa, mengukur, memantau, mengkaji kemajuan proyek - menyesuaikan rencana proyek, dan menginformasikan tim proyek dan lain-lain.

Periksa kemajuan kegiatan terhadap rencana. Review kinerja secara teratur dan pada titik ditetapkan review, dan mengkonfirmasikan validitas dan relevansi sisa dari rencana. Sesuaikan rencana jika perlu mengingat kinerja, keadaan berubah, dan informasi baru, tetapi tetap pada jalur dan dalam istilah aslinya acuan. Pastikan untuk menggunakan pengukuran transparan, pra-setuju ketika menilai kinerja. (Yang menunjukkan betapa pentingnya adalah memiliki langkah-langkah di tempat dan jelas disepakati sebelum tugas dimulai.) Mengidentifikasi, setuju dan mendelegasikan tindakan baru yang sesuai. Informasikan anggota tim dan mereka yang berwenang tentang perkembangan, jelas, ringkas dan tertulis. Rencana pertemuan tim review. Menempel pada sistem pemantauan Anda didirikan. Probe situasi nyata untuk mendapatkan fakta-fakta nyata dan angka. Analisa penyebab dan belajar dari kesalahan. Mengidentifikasi penasehat handal dan ahli dalam tim dan menggunakannya. Jauhkan berbicara dengan orang, dan membuat diri Anda tersedia bagi semua.

7.    Proyek Lengkap - review dan melaporkan kinerja proyek, memberikan pujian dan terima kasih kepada tim proyek.

Pada akhir proyek yang berhasil Anda mengadakan peninjauan dengan tim. Pastikan Anda memahami apa yang terjadi dan mengapa. Renungkan pada setiap kegagalan dan kesalahan positif, obyektif, dan tanpa mengalokasikan menyalahkan pribadi. Merefleksikan keberhasilan syukur dan realistis. Menulis laporan review, dan membuat pengamatan dan rekomendasi tentang tindak lanjut isu-isu dan prioritas - akan ada banyak.

8.    Proyek tindak lanjut - kereta api, dukungan, mengukur dan melaporkan hasil dan manfaat.

Hal ini khususnya terjadi di lingkungan sangat politis, dan / atau di mana manfaat proyek memiliki visibilitas yang relatif rendah dan makna kepada stakeholder (staf, pelanggan, investor, dll), terutama jika proyek tersebut juga memiliki biaya sangat tinggi, sebagai proyek TIK cenderung untuk melakukannya

Manajemen proyek hampir selalu melibatkan manajemen perubahan juga, di mana itu sangat penting untuk mempertimbangkan dampak dari proyek terhadap orang-orang yang harus menyesuaikan diri dengan perubahan. Sering ada membutuhkan pelatihan atau pendidikan. Ada hampir pasti menjadi perlu penjelasan, di mana untuk metode contohnya seperti briefing tim telah terbukti sangat berguna.