Sesi 01-1 BDM

BAB 1: PENGANTAR PEMODELAN KEPUTUSAN MANAJERIAL

Pendekatan LEAN dengan Studi Kasus Spreadsheet Excel Kontekstual Indonesia

1.1 Apa Itu Pemodelan Keputusan?

Pemodelan Keputusan adalah pendekatan ilmiah untuk pengambilan keputusan manajerial melalui pengembangan model matematis dari skenario dunia nyata. Tujuannya: menghilangkan bias, emosi, dan tebakan dari proses bisnis.

Istilah ini sering digunakan secara bergantian dengan Manajemen Sains (Management Science) atau Riset Operasi (Operations Research).

1.2 Jenis-Jenis Model Keputusan

A. Model Deterministik (Kepastian)

Model di mana semua data input diketahui dengan kepastian mutlak.

Ciri-ciri: Tidak ada unsur ketidakpastian. Hasil perhitungan selalu sama jika input sama.
Contoh: Perhitungan pajak penghasilan, Analisis Break-Even Point (BEP), alokasi anggaran tetap.
B. Model Probabilistik (Ketidakpastian)

Model di mana beberapa data input tidak diketahui dengan pasti dan melibatkan probabilitas.

Ciri-ciri: Menggunakan distribusi probabilitas untuk variabel acak. Hasil berupa rentang atau kemungkinan.
Contoh: Prediksi permintaan e-commerce, analisis risiko investasi, simulasi antrean gudang.

1.3 Tiga Langkah Utama Pemodelan

1
FORMULASI
Menerjemahkan masalah bisnis ke dalam model matematis. Terdiri dari: (a) Mendefinisikan masalah, (b) Mengembangkan model, (c) Mengumpulkan data input. (Ini adalah langkah paling kritis; model yang buruk akan menghasilkan keputusan yang buruk).
2
SOLUSI
Menyelesaikan ekspresi matematis untuk mendapatkan solusi optimal. Dilakukan melalui manipulasi model (misal: menggunakan Excel Solver, Goal Seek, atau enumerasi lengkap) dan pengujian validitas solusi.
3
INTERPRETASI & ANALISIS SENSITIVITAS
Menganalisis implikasi bisnis dari hasil solusi. Melakukan sensitivity analysis (analisis “what-if”) untuk melihat seberapa sensitif hasil terhadap perubahan data input, sebelum akhirnya diimplementasikan.

1.4 CONTOH EXCEL #1: PERHITUNGAN PAJAK (Adaptasi Lokal)

πŸ“Š Studi Kasus: Estimasi Pajak Andi & Rina (Freelancer)

Skenario: Andi (Desainer) dan Rina (Penulis Lepas) menikah dan mengajukan SPT Tahunan Bersama. Mereka perlu mengestimasi pajak terutang untuk disisihkan per kuartal.

Parameter & Asumsi:

  • Iuran Pensiun: 5% dari total penghasilan, maksimal Rp 6.000.000 (dapat dikurangkan dari penghasilan bruto).
  • PTKP (Penghasilan Tidak Kena Pajak): Rp 54.000.000 untuk pasangan (asumsi TK/0 disederhanakan untuk contoh).
  • Tarif Pajak Progresif (UU HPP):
    • 5% untuk Penghasilan Kena Pajak (PKP) s.d. Rp 60.000.000
    • 15% untuk PKP > Rp 60.000.000 s.d. Rp 250.000.000
    • 25% untuk PKP > Rp 250.000.000 s.d. Rp 500.000.000

πŸ“ FORMULA MATEMATIS:

Total Penghasilan = Penghasilan Andi + Penghasilan Rina
Iuran Pensiun = MIN(5% Γ— Total Penghasilan, 6.000.000)
PKP = MAX(0, Total Penghasilan – Iuran Pensiun – PTKP)
Pajak 5% = MIN(PKP, 60.000.000) Γ— 5%
Pajak 15% = IF(PKP > 60.000.000, MIN(PKP – 60.000.000, 190.000.000) Γ— 15%, 0)
Pajak 25% = IF(PKP > 250.000.000, MIN(PKP – 250.000.000, 250.000.000) Γ— 25%, 0)
Total Pajak = Pajak 5% + Pajak 15% + Pajak 25%

️ LAYOUT EXCEL – FORMULA VIEW

CellDeskripsiFormula Excel
PARAMETER
B3Persentase Pensiun5.0%
B4Maksimal Pensiun6000000
B5PTKP54000000
VARIABEL INPUT
B9Penghasilan Andi[Input Manual]
B10Penghasilan Rina[Input Manual]
PERHITUNGAN
B13Total Penghasilan=B9+B10
B14Iuran Pensiun=MIN($B$3*B13, $B$4)
B15PTKP=$B$5
B16PKP=MAX(0, B13-B14-B15)
B17Pajak Lapisan 5%=MIN(B16, 60000000)*5%
B18Pajak Lapisan 15%=IF(B16>60000000, MIN(B16-60000000, 190000000)*15%, 0)
B19Pajak Lapisan 25%=IF(B16>250000000, MIN(B16-250000000, 250000000)*25%, 0)
B20Total Pajak Tahunan=B17+B18+B19
B21Estimasi per Kuartal=B20/4

πŸ“Š LAYOUT EXCEL – VALUE VIEW (Hasil)

Asumsi: Andi menghasilkan Rp 120.000.000 dan Rina Rp 80.000.000 per tahun.

CellDeskripsiNilai
B9Penghasilan Andi120.000.000
B10Penghasilan Rina80.000.000
B13Total Penghasilan200.000.000
B14Iuran Pensiun6.000.000
B16PKP140.000.000
B17Pajak Lapisan 5%3.000.000
B18Pajak Lapisan 15%12.000.000
B20Total Pajak Tahunan15.000.000
B21Estimasi per Kuartal3.750.000

1.5 CONTOH EXCEL #2: ANALISIS BREAK-EVEN (UMKM)

β˜• Studi Kasus: “Kopi Senja” (E-commerce & Offline)

Skenario: Kopi Senja menjual kopi kemasan. Manajemen ingin mengetahui titik impas (BEP) dan profit pada berbagai tingkat penjualan.

πŸ“ FORMULA MATEMATIS:

Profit = (Harga Jual Γ— X) βˆ’ Biaya Tetap βˆ’ (Biaya Variabel Γ— X)
BEP (Unit) = Biaya Tetap (Harga Jual βˆ’ Biaya Variabel per Unit)
BEP (Rupiah) = BEP Unit Γ— Harga Jual

πŸ–₯️ LAYOUT EXCEL – FORMULA VIEW

CellDeskripsiFormula Excel
PARAMETER
B4Harga Jual per Unit25000
B5Biaya Tetap / Bulan5000000
B6Biaya Variabel / Unit10000
VARIABEL
B9Jumlah Unit Terjual (X)[Input Manual]
HASIL
B12Total Revenue=$B$4*$B$9
B13Total Biaya Variabel=$B$6*$B$9
B14Total Biaya=$B$5+B13
B15Profit=B12-B14

🎯 MENGGUNAKAN GOAL SEEK UNTUK MENCARI BEP

Langkah di Excel:

  1. Buka tab Data β†’ What-If Analysis β†’ Goal Seek.
  2. Set cell: $B$15 (Cell Profit)
  3. To value: 0 (Karena BEP adalah kondisi Profit = 0)
  4. By changing cell: $B$9 (Cell Jumlah Unit)
  5. Klik OK. Excel akan otomatis mengubah nilai X hingga profit menjadi 0.

πŸ“Š HASIL GOAL SEEK (BEP Tercapai)

CellDeskripsiNilai
B9Jumlah Unit Terjual (X)334 ← BEP (dibulatkan ke atas)
B12Total Revenue8.350.000
B14Total Biaya8.340.000
B15Profit0 (Impas)

πŸ’‘ Insight Bisnis: Kopi Senja harus menjual minimal 334 cup/bulan hanya untuk menutup biaya. Penjualan ke-335 akan menghasilkan Contribution Margin sebesar Rp 15.000 per cup sebagai laba bersih.

1.6 Tantangan dalam Pengembangan Model

A. Tahap Formulasi & Definisi Masalah
  • Pandangan yang Bertentangan: Misal, tim keuangan ingin stok rendah (hemat kas), tim penjualan ingin stok tinggi (hindari kehabisan barang).
  • Dampak Lintas Departemen: Solusi di satu area (misal: potong biaya logistik) bisa merusak area lain (misal: kepuasan pelanggan turun).
  • Asumsi Awal yang Salah: Mendefinisikan masalah sekaligus dengan solusi yang sudah dipaksakan.
B. Tahap Pengumpulan Data & Solusi
  • Validitas Data (GIGO): Garbage In, Garbage Out. Model canggih tidak ada gunanya jika data input dari laporan akuntansi tidak relevan atau usang.
  • Matematika yang Terlalu Rumit: Model “kotak hitam” yang tidak dipahami manajer akan ditolak, terlepas dari seberapa optimal hasilnya.
  • Keterbatasan Satu Jawaban: Model sering hanya memberi 1 jawaban optimal, padahal manajer butuh beberapa opsi dengan trade-off yang jelas.

1.7 Implementasi: Bukan Sekadar Langkah Terakhir

Implementasi adalah kunci. Statistik menunjukkan bahwa model yang diinisiasi oleh pengguna (user) memiliki tingkat keberhasilan implementasi hingga 70%, dibandingkan hanya 40% untuk model yang dipaksakan oleh analis eksternal.

Faktor Kunci Sukses: Dukungan manajemen puncak, keterlibatan pengguna sejak fase formulasi, dan komunikasi hasil dalam bahasa bisnis (bukan jargon matematis).

βœ… Rangkuman Eksekutif Bab 1

  • Pemodelan keputusan mengubah intuisi bisnis menjadi struktur matematis yang teruji.
  • Model Deterministik (pasti) adalah fondasi sebelum melompat ke model Probabilistik (berisiko).
  • Prosesnya iteratif: Formulasi β†’ Solusi β†’ Interpretasi.
  • Excel (dengan fungsi MIN, MAX, IF, dan Goal Seek) adalah alat yang cukup powerful untuk sebagian besar kasus bisnis UMKM hingga korporasi.
  • Kualitas output model sepenuhnya bergantung pada kualitas definisi masalah dan validitas data input.

πŸ“₯ Unduh File Excel Pendukung

Praktikkan langsung dengan file Excel yang sudah kami siapkan. Semua rumus sudah aktif dan siap digunakan!

*Catatan: Ganti URL di atas dengan link asli file yang sudah diunggah ke Media WordPress Anda.

πŸš€ Langkah Selanjutnya

Anda telah memahami fondasi pemodelan keputusan dan cara menggunakan Goal Seek untuk menyelesaikan masalah sederhana. Di Bab 2, kita akan mempelajari cara memformulasikan masalah yang lebih kompleks dengan Linear Programming (LP) dan menyelesaikannya menggunakan Excel Solver.

Topik yang akan dipelajari:

  • Memuat Add-in Solver di Excel
  • Formulasi Model LP: Variabel Keputusan, Fungsi Objektif, dan Kendala
  • Studi Kasus: Optimasi Produksi Mebel Apik
Lanjut ke Bab 2: Linear Programming β†’

Leave a Comment

Your email address will not be published. Required fields are marked *