pemodelan keputusan- dss-gdss-eis
-
Upload
rahmad-setiadi -
Category
Documents
-
view
4.026 -
download
0
Transcript of pemodelan keputusan- dss-gdss-eis
1
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN: Pemodelan Keputusan, DSS dan GDSS
Marimin Karsodimejo
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
• Matrik Keputusan
Alternatif Kriteria Nilai Keputusan
Jangkauan Eff. Biaya Bayes MPE
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 Bayes 0,3 0,4 0,3
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
• Matrik Keputusan
Alternatif Kriteria Nilai Keputusan
Jangkauan Eff. Biaya Bayes MPE
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 Bayes 0,3 0,4 0,3
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
• Matrik Keputusan
Alternatif Kriteria Nilai Keputusan
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
Bobot Kriteria 0,3 0,4 0,3
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
Bobot Kriteria 0,3 0,4 0,3
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
Sistem Manajemen Basis Pengetahuan
• Akuisi Pengetahuan
• Konseptualisasi Pengetahuan
• Representasi Pengetahuan
Mekanisme InferensI
Model
Sistem Pengolahan Terpusat
Sistem Manajemen Dialog
PengeahuanSistem Manajemen
Basis Data
Data KPU
Data Penduduk
Data Partai
Data Pemilih
Data lain ttg PEMILU
Data Data Anggaran
Data Wilayah Administrasi
Data
Pengguna
Sistem Manajemen Basis Model
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
Sistem Manajemen Basis Pengetahuan
• Akuisi Pengetahuan
• Konseptualisasi Pengetahuan
• Representasi Pengetahuan
Mekanisme Inferensi
Model
Sistem Pengolahan Terpusat
Sistem Manajemen Dialog
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
Sistem Manajemen Basis Model
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.