pemodelan keputusan- dss-gdss-eis

1

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN: Pemodelan Keputusan, DSS dan GDSS

Marimin Karsodimejo

[email protected]

2

• System Definition

Element (E1) E2

E3

E5E4

Sub Goal

Goal

• System Phylosophy

- Goal Oriented (Cybernetic) C S

- Holistic Not Partial H

- Effectiveness Not Efficiency E

3

TEKNIK PENGAMBILAN KEPUTUSAN

Fungsi Manajemen

• Perencanaan

• “Staffing”

• Pengorganisasian

• Pelaksanaan

• Monitoring

• Evaluasi

Hirarki Sifat

Top Level

Up Medium Low

Lower

• Directif

• Strategis

• Taktis

• Operasional

Cara

1. Dengan Intuisi

2. Dengan Analisa Keputusan

4

Jangka Lingkungan Sifat

Direktif Panjang Dinamis dan probalistik intuitif

Arahan-arahan strategis yang kadang bersifat intuitif

Strategis Panjang Dinamis dan mempengaruhi faktor-faktor dengan kepastian yang sangat rendah

Tidak bisa diprogram karena preferensi pengambil keputusan perlu masuk secara utuh

Taktis Menengah-pendek

Dinamis dan mempengaruhi faktor-faktor dengan asumsi kepastian yang tinggi

Bisa dibuat program dengan masukan preferensi pengambil keputusan

Operasional Pendek Dianggap statik dan tidak mempengaruhi faktor-faktor

Bisa dibuat program karena sifatnya berulang

Tabel: Permasalahan manajemen

5

Senang Sedih

• Tidak Pasti

• Kompleks

• Dinamis

• Persaingan

• Terbatas

• Pilihan

• Informasi

• Preferensi

Intuisi

Logika tidak

dapat diperiksa

Keputusan Hasil

Kecerdasan

Persepsi

Falsafah

Bingung cemas

Berfikir Rasa tidak Enak

Bertindak Puji Cela

LINGKUNGAN

REAKSI

Gambar : Pengambilan Keputusan dengan Intuisi

6

• Tidak Pasti

• Kompleks

• Dinamis

• Persaingan

• Terbatas

• Pilihan

• Informasi

• Preferensi

Keputs. Hasil

Kecerdasan

Persepsi

Falsafah

Bingung cemas

Berfikir Rasa tidak Enak

Bertindak Puji Cela

LINGKUNGAN

REAKSI

Gambar : Pengambilan Keputusan dengan Analisa Keputusan

• Alternatif2

• Penetapan kemungkinan

• Struktur Model

• Penetapan Nilai• Preferensi Waktu• Preferensi Risiko

Logika

Senang Sedih

ANALISA KEPUTUSAN (Normatif)

Sensitifitas nilai informasi

Pandangan ke dalam

7

MCDM SEBAGAI SALAH SATU MODEL DALAM PENGAMBILAN KEPUTUSAN

Tujuan yang akan dicapai Masalah yang akan diselesaikan

Alternatives alat/rencana/…

Pengambil Keputusan

Kriteria Kinerja

8

KOMPONEN KEPUTUSAN

Alternatif Keputusan

Kriteria Keputusan

Bobot Kriteria

Model Penilaian

Model Penghitungan

Tipe Pengambil Keputusan

9

MODEL PENILAIAN

1. Menggunakan Nilai Numerik (Nyata)

Kriteria dan atau alat ukurnya jelas (obyektif)

•Sebagai misal Suhu Ruang (termometer)

•Tinggi Badan

•Berat Badan

•Hasil perhitungan dengan rumus yang jelas:

•BCR

•IRR

•NPV

10

MODEL PENILAIAN

2. Menggunakan Skala Ordinal

Kriteria kompleks melibatkan presepsi (subyektif)

Jumlah skala 3; 5; 7 (disarankan ganjil)

• Sebagai misal Rasa TEH (5 Skala)

• 1. Sangat tidak enak 4. Enak

• 2. Tidak Enak 5. Sangat enak

• 3. Cukup Enak

• Stabilitas politik (3 Skala)

. 1. Kurang Stabil 3. Sangat Stabil

. 2. Stabil

11

MODEL PENILAIAN

3. Menggunakan Nilai Perbandingan Berpasangan

Misal pada AHP : <misal A dibandingkan dengan B>

1 : A dan B sama penting 7 : A sangat nyata lebih penting dari B

3 : A sedikit lebih penting dari B 9 : A pasti lebih penting dari B

5 : A jelas lebih penting dari B

Pembacaan Lain:

3: A tiga kali lebih penting dari B

5: A lima kali lebih penting dari B

12

Model Penilaian Fuzzy (trapezoidal) usia pendudukModel Penilaian Fuzzy (trapezoidal) usia penduduk

13

Model Penilaiann Fuzzy Tingkat Kemiskinan PendudukModel Penilaiann Fuzzy Tingkat Kemiskinan Penduduk

14

Latihan Model Penilaian

Berikan contoh kasus penerapan metode penilaian dengan:

• Terukur Jelas

• Skala Ordinal

• Preferensi Fuzzy

15

PENGAMBILAN KEPUTUSAN BERBASIS INDEKS KINERJA

A. METODE BAYES

B. METODE PERBANDINGAN EKSPONENSIAL (MPE)

C. COMPOSIT PERFORMANCE INDEX (CPI)

16

MATRIK KEPUTUSAN :

ALTERNA-TIF

KRITERIA NILAIALT. KEP.

RANGKINGALT. KEP.K1 K2 ….. Kn

ALT1 V11 V12 ….. V1n Nk1

ALT2 V21 V22 ….. V2n Nk2

ALT3 :

: :

ALTm Vm1 Vm2 ….. Vmn Nkm

BOBOT B1 B2 ….. Bn

MODEL PENGHITUNGAN

1. BAYES : Nki =nΣj = 1

Vij * Bj ,nΣj = 1

Bj = 1.0

2. Per. Eksponensial : Nki =nΣj = 1

(Vij ) Bj , Bj = Bulat >0

3. Composite Performance Indeks (CPI)

17

Contoh Kasus =

• Fokus = Pemilihan media iklan yang sesuai

• Alternatif = 1. Radio

2. Televisi

3. Surat Kabar

• Kreteria = 1. Jangkauan

2. Efektifitas Pesan

3. Biaya

• Metode Penilaian = ordinal

1. Sangat Kurang

2. Kurang3. Biasa

4. Bagus

5. Sangat Bagus

18

• Matrik Keputusan

Alternatif Kriteria Nilai Keputusan

Jangkauan Eff. Biaya Bayes MPE

1. Radio 4 4 3

2. Televisi 4 5 2

3. Surat Kabar 4 3 4

Bobot Bayes 0,3 0,4 0,3

MPE 3 4 3

19

A. METODE BAYES

• Merupakan teknik yang digunakan untuk melakukan analisis dalam

pengambilan keputusan terbaik dari sejumlah alternatif

• Persamaan Bayes yang digunakan untuk menghitung nilai setiap alternatif

disederhanakan menjadi :

mTotal Nilai i = Nilai ij (Kritj) j = 1

dimana:

Total Nilai i= total nilai akhir dari alternatif ke-i

Nilai ij = nilai dari alternatif ke-i pada kriteria ke-j

Krit j = tingkat kepentingan (bobot) kriteria ke-j

i = 1,2,3,…n; n = jumlah alternatif

j = 1,2,3,…m; m = jumlah kriteria

20

Contoh Kasus =

• Fokus = Pemilihan media iklan yang sesuai

• Alternatif = 1. Radio

2. Televisi

3. Surat Kabar

• Kreteria = 1. Jangkauan

2. Efektifitas Pesan

3. Biaya

• Metode Penilaian = ordinal

1. Sangat Kurang

2. Kurang3. Biasa

4. Bagus

5. Sangat Bagus

21




1. Radio 4 4 3 3,7 (2)

2. Televisi 4 5 2 3,8 (1)

3. Surat Kabar 4 3 4 3,6 (3)


MPE 3 4 3

22

Tabel: Matrik keputusan penilaian media iklan yang sesuai dengan Teknik Bayes

Alternatif Kriteria Nilai

Alternatif

Peringkat

Jangkauan Efektvitas Biaya

1. Radio 4 4 3 3,7 2

2. Televisi 4 5 2 3,8 1

3. Surat Kabar 4 3 4 3,6 3

Bobot Kriteria 0,3 0,4 0,3

• Nilai (Radio) = 4 (0,3) + 4 (0,4) + 3 (0,3) = 3,7

• Dengan menggunakan perumusan Bayes, diperoleh nilai alternatif

1,2, dan 3 masing-masing 3,7; 3,8; dan 3,6 sehingga didapat

alternatif yang terurut dari yang terbaik adalah alternatif 2, 1, dan 3.

23

B. METODE PERBANDINGAN EKSPONENSIAL (MPE)

• Merupakan salah satu metode untuk menentukan urutan prioritas alternatif keputusan dengan kriteria jamak

• Teknik ini digunakan sebagai pembantu bagi individu pengambilan keputusan untuk menggunakan rancang bangun model yang telah terdefinisi dengan baik pada tahapan proses

Prosedur MPE

• Formulasi perhitungan skor untuk setiap alternatif dalam metoda

perbandingan eksponensial adalah:

mTotal nilai (TNi) = (RK ij)TKK j

j=1

24

dengan :

TNi = Total nilai alternatif ke -i

RK ij = derajat kepentingan relatif kriteria ke-j pada pilihan keputusan i

TKK j = derajat kepentingan kritera keputusan ke-j; TKKj > 0; bulat

n = jumlah pilihan keputusan

m = jumlah kriteria keputusan

• Penentuan tingkat kepentingan kriteria dilakukan dengan cara

wawancara dengan pakar atau melalui kesepakatan curah pendapat.

• Penentuan skor alternatif pada kriteria tertentu dilakukan dengan

memberi nilai setiap alternatif berdasarkan nilai kriterianya

25

Keuntungan Metode MPE

• Mengurangi bias yang mungkin terjadi dalam analisa

• Nilai skor yang menggambarkan urutan prioritas menjadi besar (fungsi eksponensial) ini mengakibatkan urutan prioritas alternatif keputusan lebih nyata

26




1. Radio 4 4 3 3,7 (2)

2. Televisi 4 5 2 3,8 (1)

3. Surat Kabar 4 3 4 3,6 (3)


MPE 3 4 3

• Nilai(Radio) = 4^3 + 4^4 + 3^3 = 64 + 256 + 27 = 347

• Nilai(Televisi) = ? Nilai(Surat Kabar) = ?

27

Evaluating Hardware and Software

Hardware Evaluation Hardware Evaluation FactorsFactors

• Performance• Cost• Reliability• Compatibility• Technology• Connectivity• Scalability• Support• Software

Software Evaluation Software Evaluation

FactorsFactors• Quality• Flexibility• Security• Connectivity• Language• Documentation• Hardware• Efficiency

28

Latihan Penerapan Metode Bayes dan MPE

• Fokus =

• Alternatif = 1.

2.

3.

• Kreteria = 1.

2.

3.

• Metode Penilaian : ordinal (generik)1. Sangat Kurang

2. Kurang3. Biasa

4. Bagus

5. Sangat Bagus

29



Bayes MPE

1.

2.

3.

Bobot Bayes

MPE

30

C. COMPOSIT PERFORMANCE INDEX (CPI)

Merupakan indeks gabungan (Composite Index) yang dapat

digunakan untuk menentukan penilaian atau peringkat dari berbagai

alternatif (i) berdasarkan beberapa kriteria (j).

Formula yang digunakan dalam teknik CPI :

Aij = Xij (min) x 100 / Xij (min)A(i + 1.j) = (X(I + 1.j) )/ Xij (min) x 100Iij = Aij x Pj

n

Ii = (Iij) j =1

31

Keterangan:

Aij = nilai alternatif ke-i pada kriteria ke – j

Xij (min) = nilai alternatif ke-i pada kriteria awal minimum ke-j

A(i + 1.j) = nilai alternatif ke-i + 1 pada kriteria ke – j

X(i + 1.j) = nilai alternatif ke-i + 1 pada kriteria awal ke – j

Pj = bobot kepentingan kriteria ke – j

Iij = indeks alternatif ke-i

Ii = indeks gabungan kriteria pada alternatif ke –i

i = 1, 2, 3,…, n

j = 1, 2, 3,…, m

32

• Sebagai ilustrasi, terdapat 3 alternatif yang dinilai yaitu Software House,

Internet Provider, Production House dengan kriteria kelayakan IRR

(Internal Rate of Return), B/C (Benefit/Cost Ratio) dan Pay Back Period

(waktu pengembalian modal)

Tabel: Matrik awal penilaian alternatif pemilihan usaha yang paling layak

Alternatif Kriteria

IRR (%) B/C PBP (Thn)

1. Software House 30 1,1 5

2. Internet Provider 20 1,15 6

3. Production House 25 1,2 4


33

Prosedur Penyelesaian CPI

• Identifikasi kriteria tren positif (semakin tinggi nilaianya semakin

baik) dan tren negatif (semakin rendah nilainya semakin baik)

• Untuk kriteria tren positif, nilai minimum pada setiap kriteria

ditranspormasi ke seratus, sedangkan nilai lainnya

ditranspormasi secara proporsional lebih tinggi.

• Untuk kriteria tren negatif, nilai minimum pada setiap kriteria

ditranspormasi ke seratus, sedangkan nilai lainnya

ditranspormasi secara proporsional lebih rendah.

• Perhitungan selanjutnya mengikuti prosedur Bayes.

34

Tabel: Matrik hasil transformasi melalui teknik perbandingan indeks kinerja

Alternatif Kriteria Nilai

Alternatif

Peringkat

IRR B/C PBP (Thn)

1. Software House 150 100 80 109 2

2. Internet Provider 100 104,5 66.7 91,8 3

3. Producton House 125 109,1 100 111,1 1


Dengan demikian alternatif 3 yaitu Production House peringkat 1.

35

Pemiliha Metode

• Penilaian Tidak Seragam CPI

• Penilaian seragam - Bayes atau MPE

• Apabila skala penilaian ordinal - MPE

• Apabil nilai alternatif adalah terukur nyata - Bayes

36

Definisi Sistem Penunjang Keputusan (SPK/DSS)

Merupakan alat manajemen yang terdiri dari komponen basis

data, basis model dan user interface yang berbasis komputer

yang dapat digunakan untuk memecahkan masalah dan

membantu tugas-tugas pengambilan keputusan. DSS

mendukung pengambilan keputusan kompleks dengan

penekanan pada efektifitas (Turban, 1998)

37

FOUR MAJOR DSS CHARACTERISTICS

1. Incorporate both data and model

2. Assist Manager in semi-structured/unstructured

design making process

3. Support rather than replace managerial judgment

4. Improve effectiveness rather than efficiency

38

DSS STRUCTURE

Data; External and

Internal

Data Based Management

Dialog Management

Model Based Management

Other Computer-based Systems

Manager (User) and Tasks

39

Data

- Product

- Population

- Competitor

Data Extraction DBMS

DBMS Function

- Input

- Edit

- Sort

- Integrated

MBMS

Pricing Model

Population Dynamic Model

Market segmentation Model

MCDM

Dialog Management

System

User

Figure : DSS for product marketing

40Sistem Pendukung Keputusan Untuk

HRD

Sistem Manajemen Basis Pengetahuan

• Akuisi Pengetahuan

• Konseptualisasi Pengetahuan

• Representasi Pengetahuan

Mekanisme InferensI

Model

Sistem Pengolahan Terpusat

Sistem Manajemen Dialog

PengeahuanSistem Manajemen

Basis Data

Data Seleksi

Data Pekerja

Data Carier

Data Customer

Data lain ttg Perusahaan

Data Data Anggaran

Data Struktur Organisasi

Data

Pengguna

Sistem Manajemen Basis Model

Sub Model Penetapan Pejabat

Sub Model Estimasi TK

Sub Model Seleksi

Sub Model Alokasi Sumberdaya

Sub Model Penetapan Gaji dan imbalan lain

Sub Model Promosi dan Mutasi

41Sistem Pendukung Keputusan bagi

KPU





Mekanisme InferensI

Model



PengeahuanSistem Manajemen

Basis Data

Data KPU

Data Penduduk

Data Partai

Data Pemilih

Data lain ttg PEMILU

Data Data Anggaran

Data Wilayah Administrasi

Data

Pengguna


Sub Model Penetapan Anggota DPRD

Sub Model Estimasi Pemilih

Sub Model Penetapan Anggota DPR

Sub Model Alokasi Sumberdaya

Sub Model Pemilihan Presiden

Sub Model Pemilihan Mobilisasi Sumberdaya

42Konfigurasi EMS Pengembangan

Industri





Mekanisme Inferensi

Model



PengetahuanSistem Manajemen

Basis Data

Data Produksi dan Konsumsi Komoditas

Data Komoditi

Data ProdukIndustri

Data Pertumbuhan Penduduk

Data Strategi Pengembangan Industri

Data Biaya industri

Data Potensi Lokasi Iindustri

Data

Pengguna


Sub Model Sistem Pakar Lokasi Industri Unggulan

Sub Model Pemilihan Komoditi

Sub Model Pemilihan Produk Unggulan

Sub Model Prakiraan Ketersediaan Bahan Baku

Sub Model Strategi Pengembangan Industri

Sub Model Kelayakan Finansial Industri

43

METODOLOGIMETODOLOGI

METODAPendekatan

Sistem

• Analasis Kebutuhan• Formulasi

Permasalahan• Identifikasi Sistem

Pemilihan Jenis Usaha Unggulan MPE

Pemilihan Produk Unggulan

Pemilihan Lokasi Industri Sistem Pakar

Regresi LinierKetersediaan Sumberdaya

Strategi Pengembangan Industri

Kelayakan Finansial

SWOT/ AHP

B/C Ratio, ,NPV, IRR dan PBP

MULAI

Workstations

Barco Projector

White BoardWall-Mounted Project Screen White Board

Storage Break Area

Breakout Room

Breakout Room

Breakout Room

Control Room

Figure : Universal of Arizona Small GDSS Facility

Facilitator Console and Network File Server

Data base

GDSS Applications Software Model

Base

Processor

User Interface

Group Facilitator

Group Members

I/O Device Public Screen

Gambar: Model GDSS

46

1. Tidak Berorientasi Pada Pengguna, Walau Canggih

2. Mencoba Melayani Semua Fungsi Manajemen

3. Abaikan Dukungan Manajemen

4. Semua Anggota Tim Pengembang dari EDP/Komputer

5. Menyepelekan Waktu Penyelesaian Proyek

6. Menjanjikan Pengurangan SDM Pada Tahap Awal

7. Mengembangkan Sistem Sendiri, Padahal Dapat Dibeli

47

1. Baca buku/bahan pendukungnya

2. Pilih persoalan kasus media dan komunikasi. Identifikasi tujuan, alternatif penyelesaian persoalan dan kriteria evaluasi alternatif.

3. Susun dan nilai matrik keputusannya. Pilih teknik yang sesuai (Bayes/MPE/CPI). Selesaikan persoalan dengan teknik yang paling tepat dan bahas serta simpulkan. Integrasikan model keputusan tersebut dalam kerangka DSS

4. Tugas dikerjakan individu

48

1. Marimin, 2004, Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk, Grassindo, Jakarta.

2. Marimin, 2005, Teknik dan Aplikasi Sistem Pakar dalam Teknologi Manajerial, IPB Press, Bogor

3. Marimin, H. Tanjung dan H. Prabowo. 2006. Sistem Informasi Manajemen Sumberdaya Manusia, Grassindo, Jakarta.

pemodelan keputusan- dss-gdss-eis

Documents