proses kognitif dalam pengambilan keputusan
DESCRIPTION
Menjelaskan tentang model matematika dalam pengambilan keputusan dan proses kognitifnyaTRANSCRIPT
TUGAS MATA KULIAHWORKSHOP MANAJEMEN KEBIJAKAN DAN STRATEGI TI
CHAPTER XVIThe Cognitive Process of Decision Making
Dosen : Dr. Wing Wahyu Winarno, MAFIS, Ak.
Disusun Oleh: Liza Haryani (12/340638/PTK/08407)Rahmi Novita (12/340643/PTK/08412)
Wji Atatik (12/340650/PTK/08419)
Program Studi Magister Teknologi InformasiFakultas Teknik Elektro dan Teknologi Informatika
Universitas Gadjah Mada2013
1
The Cognitive Process of Decision Making
Penulis: Yingxu Wang dan Guenther Ruhe dari University of Calgary, Canada
Abstrak
Pengambilan keputusan adalah salah satu proses kognitif dasar perilaku manusia di mana
pilihan yang lebih disukai atau bagian tindakan yang dipilih dari antara satu set alternatif
berdasarkan kriteria tertentu. Keputusan teori secara luas diterapkan dalam berbagai disiplin ilmu
meliputi kognitif informatika, ilmu komputer, ilmu manajemen, ekonomi, sosiologi, psikologi,
ilmu politik, dan statistik. Sejumlah strategi keputusan telah diusulkan dari sudut yang berbeda
dan domain aplikasi seperti utilitas yang diharapkan maksimum dan metode Bayesian. Namun,
masih ada kurangnya model keputusan mendasar dan matematika dan proses kognitif ketat untuk
pengambilan keputusan. Artikel ini menyajikan keputusan kognitif mendasar proses pembuatan
dan model matematika, yang digambarkan sebagai urutan Cartesian-produk pilihan berbasis.
Sebuah gambaran yang ketat dari proses pengambilan keputusan di real-time aljabar proses
(RTPA) disediakan. Dunia nyata keputusan dianggap sebagai aplikasi berulang dari proses
kognitif yang mendasar. Hasilnya menunjukkan bahwa semua kategori strategi keputusan masuk
dalam proses pengambilan keputusan secara resmi dijelaskan. Proses kognitif pengambilan
keputusan dapat diterapkan dalam berbagai keputusan berbasis sistem seperti informatika
kognitif, sistem perangkat lunak agen, sistem pakar, dan sistem pendukung keputusan.
A. Pendahuluan
Pengambilan keputusan adalah proses yang memilih pilihan yang lebih disukai atau satu
bagian tindakan dari antara satu set alternatif atas dasar kriteria yang diberikan atau strategi
(Wang, Wang, Patel, 2004; Wilson & Keil, 2001)
Pengambilan keputusan adalah salah satu dari 37 proses kognitif mendasar dimodelkan
dalam model referensi berlapis otak (LRMB) (Wang et al., 2004; Wang, 2007b). Penelitian pada
pengambilan keputusan yang tertarik pada berbagai disiplin ilmu seperti kognitif informatika,
ilmu kognitif, ilmu komputer, psikologi, ilmu manajemen, ilmu keputusan, ekonomi, sosiologi,
ilmu politik, dan statistik (Berger, 1990; Edwards& Fasolo, 2001; Hastie, 2001; Matlin,1998;
Payne & Wenger, 1998; Pinel, 1997; Wald,1950; Wang et al., 2004; Wilson et al., 2001).
Masing-masing disiplin telah menekankan pada aspek khusus dari pengambilan keputusan. Hal
2
ini diakui bahwa ada kebutuhan untuk mencari model yang tepat dan aksiomatik dari proses
pengambilan keputusan kognitif di otak, yang dapat menjadi dasar pengambilan berbagai
keputusan teori.
Teori keputusan dapat dikategorikan menjadi dua paradigma:
1 Teori deskriptif adalah teori yang didasarkan pada pengamatan empiris dan penelitian
eksperimental perilaku pilihan
2 Teori normatif adalah teori yang mengasumsikan pengambil keputusan rasional yang
mengikuti terdefinisi preferensi yang mematuhi aksioma tertentu perilaku rasional
Teori normatif yang khas adalah paradigma utilitas yang diharapkan (Osborne& Rubinstein,
1994) and the Bayesian theory (Berger, 1990; Wald, 1950).
Artikel ini mengadopsi filosofi dari aksioma pilihan (Lipschutz, 1967). Tiga esensi
pengambilan keputusan diakui dalam artikel ini adalah tujuan keputusan, satu set alternatif
pilihan, dan satu set kriteria seleksi atau strategi. Menurut teori ini, pengambil keputusan adalah
mesin atau eksekutif dari suatu proses pengambilan keputusan. Jika tiga esensi dari pengambilan
keputusan didefinisikan, proses pengambilan keputusan dapat dilakukan secara ketat baik oleh
pembuat keputusan manusia atau oleh sistem cerdas. Ini adalah landasan kognitif untuk
menerapkan sistem pakar dan sistem pendukung keputusan (Ruhe, 2003; Ruhe & An,2004;
Wang et al., 2004; Wang, 2007a).
Dalam artikel ini, dasar-dasar kognitif teori keputusan dan model matematikanya
dieksplorasi. Penjelasan lebih tepat untuk keputusan dan pengambilan keputusan disajikan.
Proses kognitif pengambilan keputusan dijelaskan, yang secara resmi digambarkan dengan
menggunakan proses aljabar real-time (RTPA). Kompleksitas pengambilan keputusan secara
real-masalah dunia seperti perencanaan merilis perangkat lunak dipelajari, dan kebutuhan untuk
sistem pendukung keputusan yang kuat dibahas
B. Pembahasan
1. Model Matematika dari Keputusan dan Pengambilan Keputusan
Pengambilan keputusan adalah salah satu proses kognitif dasar manusia (Wang et al,
2004;. Wang, 2007a, Wang, 2007b) yang banyak digunakan dalam menentukan rasional,
heuristik, dan pilihan intuitif dalam ilmiah yang kompleks, teknik, ekonomi, dan situasi
manajemen, serta di hampir setiap prosedur dari kehidupan sehari-hari. Karena pengambilan
3
keputusan adalah proses mental dasar, itu terjadi setiap beberapa detik dalam kursus
memikirkan pikiran manusia secara sadar atau tidak sadar.
a. Model Matematika Pengambilan Keputusan
Aksioma seleksi (atau pilihan) (Lipschutz, 1967) menyatakan bahwa ada fungsi seleksi
untuk setiap koleksi tidak kosong dari disjoint tidak kosong set alternatif.
Definisi 1. Biarkan {Ai | i ∈ I} menjadi koleksi himpunan gabungan, Ai ⊆ U, dan Ai ≠ ,∅
fungsi a
c: {Ai} → Ai, i ∈ I (1)
adalah → fungsi pilihan jika c(Ai) = ai, ai ∈ Ai. Atau elemen ai ∈ Ai dapat dipilih oleh c, di
mana Ai disebut set alternatif, U adalah set universal, dan I adalah satu set bilangan asli.
Atas dasar fungsi pilihan dan aksioma seleksi, keputusan dapat ketat didefinisikan
sebagai berikut.
Definisi 2. Sebuah keputusan, d, adalah alternatif yang dipilih a∈A dari satu set tidak kosong
alternatif A, A ⊆ U, berdasarkan himpunan kriteria C, yaitu:
d = f (A, C)
= f: A × C → A, A ⊆ U, A ≠ ∅ (2)
di mana × merupakan produk Cartesian.
Perlu dicatat bahwa kriteria di C dapat menjadi salah satu sederhana atau satu kompleks.
Yang terakhir adalah kombinasi dari sejumlah kriteria gabungan tergantung pada beberapa
faktor.
Definisi 3. Pengambilan keputusan adalah proses seleksi keputusan dari alternatif yang
tersedia terhadap kriteria yang dipilih untuk tujuan keputusan yang diberikan.
Menurut Definisi 2, jumlah keputusan yang mungkin, n, dapat ditentukan oleh ukuran A
dan C, misalnya:
n = #A •#C (3)
dimana # adalah kalkulus kardinal pada set, dan A∩C = .∅
Menurut Eq.3, jika #A = 0 dan/atau #C= 0, tidak ada keputusan yang mungkin diturunkan.
Definisi sebelumnya menyediakan model matematika generik dan dasar pengambilan
keputusan, yang mengungkapkan bahwa faktor penentu keputusan adalah alternatif A dan
kriteria C untuk membuat keputusan yang memberikan tujuan. Sebuah teori terpadu pada
4
pengambilan keputusan fundamental dan kognitif dapat dikembangkan berdasarkan proses
kognitif aksiomatik dan rekursif yang diperoleh dari pengambilan keputusan kategori paling
mendasar seperti yang ditunjukkan pada Tabel 1.
Tabel 1. Taksonomi strategi dan kriteria untuk pengambilan keputusan
b. Strategi dan Kriteria Pengambilan Keputusan
Menurut Definisi 2, hasil dari suatu proses pengambilan keputusan ditentukan oleh
pengambilan keputusan strategi yang dipilih oleh para pengambil keputusan ketika sejumlah
keputusan alternatif telah diidentifikasi. Hal ini jelas bahwa keputusan yang berbeda membuat
strategi memerlukan kriteria keputusan seleksi yang berbeda. Ada variasi besar dari
5
pengambilan keputusan strategi yang dikembangkan dalam keputusan tradisional dan teori
permainan, serta ilmu kognitif, ilmu sistem, ilmu manajemen, dan ekonomi.
Taksonomi strategi dan kriteria yang sesuai untuk pengambilan keputusan dapat
diklasifikasikan ke dalam empat kategori yang dikenal sebagai intuitif, empiris, heuristik, dan
rasional seperti yang ditunjukkan pada Tabel 1. Ini dicatat dalam Tabel 1 bahwa teori
keputusan yang ada memberikan seperangkat kriteria (C) untuk mengevaluasi pilihan
alternatif untuk masalah yang diberikan.
Seperti yang dirangkum dalam Tabel 1, dua kategori pertama pengambilan keputusan,
intuitif dan empiris, sejalan dengan intuitif kognitif psikologi manusia dan tidak ada model
yang rasional yang spesifik untuk menjelaskan kriteria keputusan. Strategi pengambilan
keputusan rasional dapat dijelaskan oleh dua subkategori: strategi dan kriteria yang statis dan
dinamis. Strategi pengambilan keputusan yang heuristik sering digunakan oleh manusia
sebagai pengambil keputusan. Rincian strategi pengambilan keputusan heuristik dapat disebut
kognitif psikologi dan AI (Hastie, 2001; Matlin, 1998; Payne et al, 1998;. Wang, 2007a).
Sangat menarik untuk diamati bahwa teori pengambilan keputusan paling sederhana
dapat diklasifikasikan ke dalam kategori intuitif seperti sewenang-wenang dan preferensi
pilihan berdasarkan kecenderungan pribadi, hobi, kecenderungan, harapan, dan/atau indera
umum. Itu adalah suatu yang naif yang mungkin masih dapat membuat keputusan penting dan
bijaksana setiap hari, bahkan setiap beberapa detik. Oleh karena itu, elisitas yang paling
fundamental dan inti proses dari pengambilan keputusan dalam proses kognitif manusia belum
harus dicari pada bagian berikut. Aplikasi rekursif dari inti proses dari pengambilan
keputusan akan membantu untuk memecahkan masalah keputusan yang rumit dalam dunia
nyata.
c. Framework Pengambilan Keputusan Rasional
Menurut Tabel 1, strategi pengambilan keputusan yang rasional dan kompleks dapat
diklasifikasikan ke dalam kategori statis dan dinamis. Kebanyakan strategi pengambilan
keputusan yang ada adalah statis karena perubahan lingkungan dari para pengambil keputusan
adalah kegiatan independen dari para pengambil keputusan. Juga, strategi keputusan yang
berbeda mungkin dipilih dalam situasi atau lingkungan yang sama berdasarkan nilai-nilai
pengambil keputusan dan sikap terhadap risiko dan prediksi mereka pada hasil masa depan.
6
Ketika lingkungan pengambil keputusan bersifat interaktif dengan keputusannya atau
lingkungan berubah sesuai dengan kegiatan pengambil keputusan dan strategi keputusan dan
aturan yang telah ditetapkan, kategori dari kebutuhan pengambilan keputusan ini
diklasifikasikan ke dalam kategori keputusan dinamis seperti permainan dan kisi-kisi
keputusan (Matlin, 1998; Payne et al., 1998; Pinel, 1997; Wang, 2005a, b).
Definisi 4. Strategi dan kriteria dinamika dari pengambilan keputusan adalah semua
alternatif dan kriteria yang tergantung pada lingkungan dan efek dari sejarah keputusan yang
dibuat oleh pembuat keputusan.
Metode pengambilan keputusan dinamis klasik adalah pohon keputusan (Edwards et al.,
2001). Sebuah teori baru dari kisi-kisi keputusan dikembangkan di Wang (2005a, b) untuk
pengambilan keputusan serial. Pengambilan keputusan di bawah acara interaktif dan
persaingan dimodelkan oleh game (Matlin, 1998; Payne et al, 1998;. von Neumann &
Morgenstern, 1980; Wang, 2005a). Wang (2005a) menyajikan model formal dari permainan,
menggambarkan arsitektur atau tata letak game yang ketat dan perilaku dinamis. Gambaran
tentang klasifikasi keputusan dan strategi rasional terkait disediakan pada Gambar 1. Hal ini
dapat dilihat bahwa permainan yang digunakan untuk menangani masalah keputusan yang
paling rumit, yang bersifat dinamis, interaktif, dan di bawah kompetisi tak terkendali.
Selanjutnya diskusi tentang teori permainan dan model formal ini dapat disebut untuk von
Neumann et al. (1980), Berger (1990), dan Wang (2005a, b). Model keputusan juga mungkin
diklasifikasikan antara titik lain dari pandangan seperti struktur, kendala, derajat
ketidakpastian, kejelasan dan cakupan tujuan, kesulitan pengolahan informasi, tingkat
kompleksitas, utilitas dan kepercayaan, kemudahan formalisasi, kendala waktu, dan keunikan
atau kebaruan.
7
Gambar 1. Framework keputusan dan strategi
d. Teori Khas Pengambilan Keputusan
1) The Game Theory
Teori Permainan adalah suatu pendekatan matematis untuk merumuskan situasi
persaingan dan konflik antara berbagai persaingan. Teori ini dikembangkan untuk
menganalisa proses pengambilan keputusan dari situasi persaingan yang berbeda dan
melibatkan dua atau lebih kepentingan Kepentingan-kepentingan yang bersaing dalam
permintaan disebut pemain (players). Anggapan yang digunakan adalah bahwa setiap
pemain mempunyai kemampuan untuk mengambil keputusan secara bebas dan rasional.
Dalam teori permainan (Osborne et al, 1994.), keputusan masalah dapat dimodelkan
sebagai rangkap tiga, sebagai contoh:
d = (Ω, C,A)
dimana Ω adalah keadaan-keadaan yang mungkin secara alami terjadi, C adalah
seperangkat konsekuensi, dan A adalah serangkaian tindakan,
A C⊂
8
Jika tindakan a dipilih, dan berlaku keadaan adalah ω Ω, maka konsekuensi∈ ∈
tertentu α (ω)
C dapat diperoleh. Dengan asumsi probabilitas estimasi dan fungsi utilitas∈
didefinisikan untuk
suatu tindakan tertentu sebagai p (a): A → R dan u: C → R, masing-masing, fungsi
pilihan berdasarkan utilitas
Teori dapat dinyatakan sebagai berikut:
d = {a |Ω Σu [a (ω)] p (a) = max (Ω Σu [x (ω)] p (x)) x )}∧ ∈
2) The Bayesian Theory
Bayesian Decision Theory adalah pendekatan secara statistik untuk menghitung
tradeoffs diantara keputusan yang berbeda-beda, dengan menggunakan
probabilitas/kemungkinan dan costs yang menyertai suatu pengambilan keputusan
tersebut.
Bayesian theory mempunyai berbagai keuntungan jika dibandingkan dengan beberapa
teori lainnya, yaitu:
1 Interpolation. Bayesian method menghubungkan segala hal dengan teori-teori
engineering. Pada saat berhadapan dengan suatu problem, terdapat pilihan mengenai
seberapa besar waktu dan usaha yang dilakukan oleh manusia vs komputer. Pada saat
membuat suatu sistem, terlebih dahulu diharuskan untuk membuat sebuah model
keseluruhan dan ditentukan faktor pengontrol pada model tersebut. Bayesian
methodmenghubungkan perbedaan yang besar karena Bayesian prior dapat menjadi
sebuahdelta function dari suatu model yang luas.
2 Language. Bayesian method mempunyai bahasa tersendiri untuk menetapkan hal-hal
yang prior dan posterior. Hal ini secara signifikan membantu pada saat
menyelesaikan bagian yang sulit dari sebuah solusi.
3 Intuitions. Bayesian method melibatkan prior dan integration, dua aktivitas yang
berguna secara luas.
9
Contoh Sederhana dari Teori Bayesian ini adalah:
Semisal diasumsikan ada dua buah kelas / kelompok / grup w1 dan w2 . Kemudian kita
bisa menentukan probabilitas dari suatu data apakah termasuk dalam kelas w1 atau w2 .
Sebagai contoh kita akan menentukan apakah seekor ikan yang ditangkap nelayan
merupakan kelompok salmon atau sea-bass. Semisal kita tidak tahu apa perbedaan
antara sea-bass dan salmon, maka kita akan bisa mengambil beberapa ciri yang akan kita
gunakan untuk membedakan keduanya. ciri tersbut bisa panjang, cerah dan tidaknya
warna, dan sebagainya. Setelah itu kita akan menentukan berapa besar probabilitas
seekor ikan tergolong ke sea-bass dan atau salmon.
Diputuskan Salmon, jika P(salmon) > P(sea bass), selainnya sea bass
Bayes formula, dalam bahasa inggris bisa diartikan secara matematis dengan :
posterior=likelihood x prior
evidence
prior adalah probabilitas awal dari suatu kelas dilambangkan dengan P(w i), sedangkan
likelihood adalah probabilitas dari sebuah obyek atau data x termasuk di dalam suatu
kelas P(x|wi), evidence adalah probabilitas kemunculan data x atau P(x), dan posterior
adalah probabilitas dari sebuah kelas dinyatakan sebagai kelas dari data x yang telah
diukur sebelumnya atau P(wi|x).
Secara matematis dirumuskan dengan:
berikut ini adalah contoh fungsi likelihood dari kecerahan warna dua buah ikan. Fungsi
ini menunjukkan bahwa Bayes Formula bisa diaplikasikan pada fungsi yang kontinyu.
10
Likelihood Ratio (Perbandingan kemiripan)
Pada kasus ini Bayesian Decision Rule dituliskan dengan
pilih kelas pertama, sedangkan kalu selainnya pilih kelas kedua
Dengan menerapkan Bayes Rule kita akan memperoleh
dengan mengeliminasi P(x) maka akan diperoleh Likelihood Ratio:
Dalam teori Bayesian (Wald, 1950; Berger, 1990) yang pilihan fungsi disebut aturan
keputusan. Kerugian fungsi, L, diadopsi untuk mengevaluasi konsekuensinya dari
tindakan sebagai berikut: di mana Ω adalah satu set semua negara kemungkinan alam,
adalah serangkaian tindakan, dan Ω × menunjukkan suatu Cartesian produk pilihan.
Menggunakan fungsi kerugian untuk menentukan kemungkinan risiko, fungsi pilihan
untuk pengambilan keputusan dapat diturunkan sebagai berikut:
d = {a | p [L (ω, α)] = min x Α∈
11
(P [L (ω, x)])} (7)di mana p [L (ω, α)] adalah probabilitas yang diharapkan dari kerugian
bagi x aksi Ω ω.∈
2. Proses Kognitif dalam Pengambilan Keputusan
Model LRMB telah mengungkapkan bahwa ada 37 proses kognitif berinteraksi dalam
otak (Wanget al., 2004). Hubungan antara proses pengambilan keputusan dan yang utama
lainnya di LRMB ditunjukkan pada Gambar 2. Gambar 2 menunjukkan bahwa, menurut
semantik UML, proses pengambilan keputusan mewarisi proses pemecahan masalah. Pada
bagian yang lain, berfungsi dengan agregasi atau didukung oleh lapisan 6 proses pemahaman,
kualifikasi, dan kuantifikasi, serta lapisan 5 proses pencarian, representasi dan menghafal.
Deskripsi formal dari proses-proses kognitif yang terkait di LRMB dapat disebut di Wang
(2003b), Wang et al., (2003), dan Wang et al. (2003, 2004).
Kebalikan dengan metafora kontainer tradisional, mekanisme memori manusia dapat
dijelaskan oleh metafora relasional, yang memandang bahwa memori dan pengetahuan yang
diwakili oleh koneksi antara neuron di otak, bukan neuron diri mereka sebagai wadah
informasi. Oleh karena itu, model kognitif dari memori manusia, khususnya memori jangka
panjang (LTM) dapat digambarkan oleh dua artefak dasar (Wang et al, 2003.): (A) Objek: The
abstraksi dari entitas eksternal dan konsep internal. Ada juga sub-benda yang dikenal sebagai
atribut, yang digunakan untuk menunjukkan sifat rinci dan karakteristik objek. (b) Hubungan:
Sambungan dan hubungan antara objek-objek, objek-atribut, dan atribut-atribut.
Gambar 2. Hubungan antara proses pengambilan keputusan dan proses lainnya di LRMB
` Berdasarkan pembahasan sebelumnya, sebuah objek atribut-hubungan (OAR) model
memori dapat digambarkan dalam rangkap tiga (Wang & Wang, 2004; Wang et al, 2003.),
Misalnya:
12
OAR = (O, A, R) (8)
dimana O adalah objek yang diberikan diidentifikasi dengan nama abstrak, A adalah satu set
atribut untuk karakteristik objek, dan R adalah satu set hubungan antara obyek dan benda-
benda lain atau atribut dari mereka.
Berdasarkan model LRMB dan OAR dikembangkan di kognitif informatika (Wang,
2003a, 2007b), proses kognitif pengambilan keputusan dapat secara informal dijelaskan oleh
program berikut:
1 Untuk memahami persoalan pengambilan keputusan dan untuk mengidentifikasi tujuan
keputusan dalam hal Object (O) dan atributnya (A).
2 Untuk mencari di lapisan abstrak LTM (Squire, Knowlton, & Musen et al 1993;. Wang &
Wang, 2004) untuk solusi alternatif (Α) dan kriteria untuk strategi keputusan yang
berguna (C).
3 Untuk mengukur Α dan C dan menentukan apakah pencarian harus berlanjut
4 Untuk membangun satu set keputusan dengan menggunakan Α dan C seperti yang
diperoleh dalam pencarian sebelumnya.
5 Untuk memilih keputusan-keputusan yang disukai atas dasar kepuasan pengambil
keputusan.
6 Untuk mewakili keputusan-keputusan dalam model sub-OAR baru.
7 Untuk mengingat model sub-OAR di LTM
Sebuah model proses rinci kognitif pengambilan keputusan ditunjukkan pada Gambar 3
di mana blok persegi panjang doubleended merupakan fungsi panggilan yang melibatkan
proses yang telah ditetapkan sebagaimana diatur dalam model LRMB.
13
Gambar 3. Proses kognitif dalam pengambilan keputusan
Langkah pertama dalam proses kognitif pengambilan keputusan adalah untuk memahami
masalah pengambilan keputusan yang diberikan. Menurut pemahaman proses kognitif
(Wang et al., 2003), obyek (tujuan) keputusan akan diidentifikasi dan akan dibuat sebuah
model OAR awal. Objek (Tujuan)nya, atribut ini, dan hubungan yang diketahui akan diambil
dan direpresentasikan dalam model OAR. Kemudian, alternatif dan strategi yang dicari,
yang mengakibatkan dua set dan C, masing-masing. Hasil pencarian akan diukur dalam
rangka untuk membentuk keputusan seperti yang diberikan dalam Persamaan. 2, misalnya: d
= f: × C → , di mana U dan ≠ .⊆ ∅
Ketika d keputusan berasal, model OAR sebelumnya akan diperbarui dengan informasi d
dan terkait. Kemudian, pengambil keputusan dapat mempertimbangkan apakah keputusan
sesuai dengan keadaan saat sebenarnya dan penilaian pribadi. Jika ya, model OAR untuk
14
keputusan yang disimpan di LTM. Jika tidak, proses pengambilan keputusan harus diulang
sampai keputusan puas ditemukan, atau pengambil keputusan memilih untuk berhenti tanpa
keputusan akhir. Selama proses pengambilan keputusan, baik keadaan pikiran pembuat
keputusan dan model OAR global dalam perubahan pemikiran dari waktu ke waktu.
Meskipun keadaan sebenarnya tidak akan berubah dalam waktu singkat saat pengambilan
keputusan, persepsi ke arah itu dapat diubah dengan memperbaharui efek model OAR.
Seperti dijelaskan dalam model LRMB (Wang et al., 2004), proses pengambilan
keputusan adalah layer kognitif proses yang lebih tinggi yang ditetapkan pada Layer 6.
Proses pengambilan keputusan berinteraksi dengan proses lainnya di bawah lapisan seperti
pencarian, representasi, dan menghafal, seperti proses di lapisan yang sama seperti
pemahaman,, kuantifikasi, kualifikasi, dan pemecahan masalah. Hubungan antara proses
pengambilan keputusan dan proses terkait lainnya telah dijelaskan dalam Gambar 1 dan
Wang dan Wang (2004) dan Wang et al. (2004).
3. Uraian Formal dari Proses Kognitif Pengambilan Keputusan
Atas dasar model kognitif pengambilan keputusan seperti yang dijelaskan dalam Gambar
3, sebuah proses kognitif yang lebih tepat dapat ditentukan dengan menggunakan RTPA
(Wang, 2002; Wang, 2003b). RTPA dirancang untuk menggambarkan arsitektur, perilaku
statis dan dinamis sistem perangkat lunak (Wang, 2002), serta perilaku kognitif manusia dan
urutan tindakan (Wang, 2003b;. Wang et al, 2003).
Model formal dari proses kognitif pengambilan keputusan dalam RTPA disajikan pada
Gambar 4. Menurut LRMB dan model OAR representasi pengetahuan internal di otak, hasil
dari keputusan dalam pikiran pembuat keputusan adalah model sub-OAR baru, atau versi
terbaru dari model OAR global pengetahuan dalam otak manusia .
Seperti ditunjukkan dalam Gambar 4, proses pengambilan keputusan dimulai dengan
mendefinisikan tujuan keputusan dalam hal atribut objek. Kemudian, pencarian lengkap dari
keputusan alternatif (A) dan kriteria yang berguna (C) yang dibawa secara paralel. Pencarian-
pencarian dilakukan di kedua otak dari pembuat keputusan internal, dan melalui sumber
eksternal berdasarkan pengetahuan, pengalaman, dan harapan atas tujuan. Hasil pencarian
yang kuantitatif dievaluasi sampai pencarian untuk kedua A dan C puas. Jika rangkaian yang
15
tidak kosong diperoleh untuk kedua A dan C, keputusan n di d sudah ada seperti ditentukan
dengan Persamaan. 2 dan 3.
Gambar 4. Uraian Formal dari Proses Kognitif Pengambilan Keputusan di RTPA
Perlu dicatat bahwa hasil belajar, pengalaman, dan keterampilan para pengambil
keputusan secara dramatis dapat mengurangi secara dramatis proses pencarian lengkap pada
proses pengambilan keputusan berdasarkan strategi heuristik yang telah dikenal. Bila satu atau
lebih keputusan yang cocok dipilih dari himpunan d oleh pengambil keputusan dengan
mengevaluasi tingkat kepuasan, keputusan yang memuaskan akan diwakili dalam model sub-
OAR, yang akan ditambahkan ke seluruh pengetahuan dari pengambil keputusan dalam LTM.
4. Pemecahan Masalah Kompleks Perencanaan dengan Sistem Pendukung Keputusan
Model pengambilan keputusan dan deskripsi formal dari proses kognitif pengambilan
keputusan seperti yang disajikan dalam kedua pada bagian keempat, dapat digunakan untuk
16
solusi dari masalah perencanaan hebat dalam rekayasa perangkat lunak. Masalah perencanaan
yang hebat tidak hanya sulit untuk dipecahkan, tetapi juga sulit untuk secara eksplisit
dirumuskan. Gagasan masalah perencanaan hebar diperkenalkan oleh RITTEL dan Webber
(1984), di mana beberapa karakteristik yang diberikan untuk mengklasifikasikan masalah.
Salah satunya menyatakan bahwa tidak ada rumusan yang pasti dari masalah. Satu lagi
menyatakan bahwa masalah yang hebat tidak memiliki aturan berhenti. Jadi, dalam kasus ini,
apakah itu masuk akal untuk melihat ke dalam pendekatan yang lebih sistematis sama sekali
atau tidak seharusnya kita hanya mengandalkan intuisi dan pengalaman manusia personil
untuk mengetahui keputusan?
Suatu pendekatan sistematis untuk memecahkan masalah perencanaan dari perencanaan
software rilis diberikan dalam Ngo-The dan Ruhe (2006). Perencanaan rilis dikenal sulit
secara kognitif dan perhitungannya (Ruhe & Ngo-The 2004). Berbagai jenis ketidakpastian
membuat sulit untuk diformulasikan dan diselesaikan karena perencanaan masalah rilis dunia
nyata mungkin melibatkan beberapa ratus faktor yang secara potensial mempengaruhi
keputusan untuk rilis berikutnya. Dengan demikian, rencana rilis yang baik dalam
pengambilan keputusan dicirikan sebagai:
• Memberikan nilai utilitas maksimum dari menawarkan perpaduan terbaik dari fitur dalam
urutan yang benar dari rilis.
• Hal ini dapat dilaksanakan untuk masalah berat yang harus dipenuhi.
• Ini memenuhi beberapa kendala/masalah ringan tambahan cukup baik. Kendala-kendala
yang ringan, misalnya, dapat berhubungan dengan kepuasan stakeholder, pertimbangan
risiko pelaksanaan rilis disarankan, menyeimbangkan sumber daya atau aspek-aspek lain
yang baik sulit untuk merumuskan atau tidak diketahui di muka.
Telihat bahwa masalah keputusan dalam rekayasa perangkat lunak yang tidak pasti
adalah sulitnya untuk secara eksplisit dimodelkan dan secara lengkap diformalkan, karena
kendala organisasi, orang, teknologi, fungsi, waktu, anggaran, dan sumber daya. Oleh karena
itu, semua spektrum strategi keputusan seperti yang diidentifikasi dalam Tabel 1 dan Gambar
1 perlu untuk diperiksa. Ini adalah kasus yang khas di mana gagasan pendukung keputusan
muncul ketika keputusan manusia harus dibuat kompleks, lingkungan yang tidak pasti, dan /
atau dinamis. Carlsson dan Turban (2002) menunjukkan bahwa tesis penerimaan sistem
17
terutama dibatasi oleh faktor-faktor terkait manusia: (1) kendala-kendala kognitif, (2)
pemahaman dukungan seperti model, (3) kesulitan dalam menangani sejumlah besar informasi
dan pengetahuan, dan (4) frustrasi yang disebabkan oleh teori-teori yang rumit.
Pendekatan solusi yang disajikan di Ngo-The et al. (2006) mengatasi kompleksitas
kognitif dan komputasi melekat oleh (1) suatu metode evolusi pemecahan masalah
menggabungkan metode solusi yang ketat untuk memecahkan formalisasi yang sebenarnya
dari masalah yang dikombinasikan dengan keterlibatan interaktif dari ahli manusia dalam
proses ini, (2) menawarkan portofolio solusi yang terdiversifikasi dan berkualitas di semua
iterasi dari proses solusi, dan (3) menggunakan multi-kriteria keputusan bantuan metode
ELECTRE (Roy, 1991) untuk membantu manajer proyek dalam solusi pemilihan akhir dari
serangkaian solusi yang berkualitas. Penelitian lebih lanjut sedang berlangsung untuk
mengintegrasikan hasil ini dengan kerangka pengambilan keputusan model dan peningkatan
pemahaman proses kognitif pengambilan keputusan yang dikembangkan dalam artikel ini.
C. Kesimpulan
Pengambilan keputusan adalah salah satu proses kognitif dasar perilaku manusia di mana
pilihan yang lebih disukai atau bagian tindakan yang dipilih dari antara satu set alternatif
berdasarkan kriteria tertentu. Kepentingan dalam studi pengambilan keputusan telah banyak
berbagi dalam berbagai disiplin ilmu karena merupakan proses dasar otak
Artikel ini telah mengembangkan model yang teliti dan aksiomatik/telah jelas
kebenarannya untuk proses pengambilan keputusan kognitif, yang menjelaskan sifat dan tentu
saja pada manusia dan mesin berbasis pengambilan keputusan berdasarkan hasil penelitian
terbaru di informatika kognitif. Penjelasan rinci dari proses pengambilan keputusan secara real-
time aljabar proses (RTPA) telah disajikan. Berbagai teori pengambilan keputusan telah
dianalisis dan model pengambilan keputusan terpadu telah diperoleh, yang menunjukkan bahwa
teori-teori yang ada dan teknik pengambilan keputusan yang baik sesuai dalam proses
pengambilan keputusan secara resmi dijelaskan.
Salah satu temuan menarik adalah bahwa keputusan paling mendasar yang berulang
digunakan dalam sistem pengambilan keputusan yang kompleks dan kehidupan sehari-hari
adalah produk Cartesian dari serangkaian alternatif dan satu set kriteria seleksi. Semakin besar
set tersebut, semakin ideal keputusan yang dihasilkan. Temuan lain yang menarik adalah bahwa
18
meskipun kompleksitas kognitif dari masalah keputusan baru selalu sangat tinggi, akan menjadi
lebih sederhana ketika solusi rasional atau formal telah dipahami. Oleh karena itu, mengurangi
kompleksitas kognitif dari masalah keputusan dengan masukan heuristik dari solusi-solusi yang
dikenal di setiap kategori strategi keputusan akan dipelajari lebih lanjut dalam sistem pendukung
keputusan yang cerdas. Menurut studi kasus yang berkaitan, model dan proses kognitif
pengambilan keputusan dalam artikel ini dapat diterapkan dalam berbagai pendukung keputusan
dan sistem pakar.
19
Daftar Pustaka
Berger, J. (1990). Statistical decision theory-- Foundations, concepts, and methods. Springer- Verlag.
Carlsson, C., & Turban, E. (2002). DSS: Directions for the next decade. Decision Support Systems, 33, 105-110.
Edwards, W., & Fasolo, B. (2001). Decision technology. Annual Review of Psychology, 52, 581-606.
Hastie, R. (2001). Problems for judgment and decision-making. Annual Review of Psychology, 52, 653-683.
Lipschutz, S. (1967). Schaum’s outline of set theory and related topics. McGraw-Hill Inc.
Matlin, M. W. (1998). Cognition (4th ed.). Orlando, FL: Harcourt Brace College Publishers.
Ngo-The, A., & Ruhe, G. (2006). A systematic approach for solving the wicked problem of software release planning. Submitted to Journal of Soft Computing.
Osborne, M., & Rubinstein, A. (1994). A course in game theory. MIT Press.
Payne, D. G., & Wenger, M. J. (1998). Cognitive psychology. New York: Houghton Mifflin Co.
Pinel, J. P. J. (1997). Biopsychology (3rd ed.). Needham Heights, MA: Allyn and Bacon.
Rittel, H., & Webber, M. (1984). Planning problems are wicked problems. In N. Cross (Ed.), Developments in design methodology (pp 135- 144), Chichester, UK: Wiley.
Roy, B. (1991). The outranking approach and the foundations of ELECTRE methods. Theory and Decision, 31, 49-73.
Ruhe, G. (2003). Software engineering decision support—Methodologies and applications. In Tonfoni and Jain (Eds.), Innovations in decision support systems, 3, 143-174.
Ruhe, G, & An, N. T. (2004). Hybrid intelligence in software release planning. International Journalof Hybrid Intelligent Systems, 1(2), 99-110.
Squire, L. R., Knowlton, B., & Musen, G. (1993). The structure and organization of memory. AnnualReview of Psychology, 44, 453-459.
von Neumann, J., & Morgenstern, O. (1980). Theory of games and economic behavior. Princeton University Press.
Wald, A. (1950). Statistical decision functions. John Wiley & Sons.
Wang, Y. (2002). The real-time process algebra. Annals of Software Engineering, 14, 235-274.
20
Wang, Y. (2003a). On cognitive informatics. Brain and Mind: A Transdisciplinary Journal of Neuroscience and Neurophilosophy, 4(2), 151-167.
Wang, Y. (2003b). Using process algebra to describe human and software behavior, Brain and Mind: A Transdisciplinary Journal of Neuroscience and Neurophilosophy, 4(2), 199-213.
Wang, Y. (2005a). Mathematical models and properties of games. In Proceedings of the 4th IEEE International Conference on Cognitive Informatics (ICCI’05) (pp. 294-300), IEEE CS Press, Irvin, California, USA, August.
Wang, Y. (2005b). A novel decision grid theory for dynamic decision-making. In Proceedings of the 4th IEEE International Conference on Cognitive Informatics (ICCI’05) (pp. 308-314), IEEE CS Press, Irvin, California, USA, August.
Wang, Y. (2007a). Software engineering foundations: A software science perspective. CRC Software Engineering Series, Vol. II/III, CRC Press, USA.
Wang, Y. (2007b). The theoretical framework of cognitive informatics. The International Journal of Cognitive Informatics and Natural Intelligence (IJCINI), 1(1), 1-27.
Wang, Y., & Gafurov, D. (2003). The cognitive process of comprehension. In Proceedings of the 2nd IEEE International Conference on Cognitive Informatics (ICCI’03) (pp. 93-97), London, UK.
Wang, Y., & Wang, Y. (2004). Cognitive informatics models of the brain. IEEE Transactions on Systems, Man, and Cybernetics (C), 36(2), 203-207.
Wang, Y., Liu, D., & Wang, Y. (2003). Discovering the capacity of human memory. Brain and Mind: A Transdisciplinary Journal of Neuroscience and Neurophilosophy, 4(2), 189-198.
Wang, Y., Wang, Y., Patel, S., & Patel, D. (2004). A layered reference model of the brain (LRMB). IEEE Transactions on Systems, Man, and Cybernetics (C), 36(2), 124-133.
Wilson, R. A., & Keil, F. C. (2001). The MIT Encyclopedia of the Cognitive Sciences. MIT Press.
Zachary, W., Wherry, R., Glenn, F., Hopson, J. (1982). Decision situations, decision processes, and decision functions: Towards a theory-based framework for decision-aid design. In Proceedings of the 1982 Conference on Human Factors in Computing Systems.
21