View
96
Download
19
Category
Preview:
DESCRIPTION
materi kuliah
Citation preview
Basuki Hari Prasetyo
Menilik dari sisi teoritis pengambilan keputusan:Pengertian KeputusanPengambilan KeputusanTeori Pengambilan KeputusanFungsi Pengambilan KeputusanTujuan Pengambilan KeputusanUnsur – Unsur Pengambilan KeputusanDasar – Dasar Pengambilan KeputusanFaktor – Faktor Yang Mempengaruhi Pengambilan Keputusan
Pengertian KeputusanJames A.F. StonerKeputusan adalah pemilihan di antara alternatif
– alternatif.Definisi ini mengandung tiga pengertian, yaitu :
• Ada pilihan atas dasar logika atau pertimbangan• Ada beberapa alternatif yang harus dan dipilih
salah satu yang terbaik• Ada tujuan yang ingin dicapai dan keputusan itu
makin mendekatkan pada tujuan tersebut
Pengambilan KeputusanJames A.F. StonerPengambilan keputusan adalah proses yang
digunakan untuk memilih suatu tindakan sebagai cara pemecahan masalah
George R. TerryPengambilan Keputusan adalah pemilihan
alternatif perilaku ( kelakuan ) tertentu dari dua atau lebih alternatif
Teori Pengambilan KeputusanTeori Pengambilan Keputusan adalah teori –
teori atau teknik – teknik atau pendekatan – pendekatan yang digunakan dalam suatu proses pengambilan keputusan
Fungsi Pengambilan KeputusanPangkal permulaan dari semua aktivitas
manusia yang sadar dan terarah baik secara individual maupun kelompok, baik secara institusional maupun secara organisasional
Sesuatu yang bersifat futuristik, artinya bersangkut paut dengan hari depan, masa yang akan datang, dimana efeknya atau pengaruhnya berlangsung cukup lama
Tujuan Pengambilan KeputusanTujuan yang bersifat tunggal, satu keputusan
untuk satu masalahTujuan yang bersifat ganda, satu keputusan
untuk lebih satu masalah
Unsur – Unsur Pengambilan KeputusanTujuan dari pengambilan keputusanIdentifikasi alternatifPerhitungan faktor – faktor diluar jangkauan
manusiaSarana atau alat untuk evaluasi atau
mengukur hasil dari keputusan
Dasar – Dasar Pengambilan KeputusanGeorge R. TerryIntuisiPengalamanFaktaWewenangRasional
Faktor Yang Mempengaruhi Pengambilan KeputusanPosisi / Kedudukan ( Letak Posisi, Tingkatan
Posisi )Masalah ( Well Structured Problems, Ill
Structured Problems )Situasi ( Faktor Konstan, Tidak Konstan )Kondisi ( Keseluruhan Faktor, Sumber Daya )Tujuan ( Variabel Antara, Perorangan,
Kesatuan )
Pendapat Lain :Intern OrganisasiEkstern OrganisasiTersedianya informasi yang diperlukan
( Akurat, Up To Date, Komprehensif, Relevan, Memiliki Kesalahan Kecil )
Harrah’s Makes a Great Bet VignetteData WarehouseData MiningBusiness IntelligenceTransaction Processing SystemCustomer Relationship ManagementDecision Support System
10 Peranan Manajemen menurut Mintzberg
InterpersonalFigureheadLeaderLiaison (Penghubung)
InformationalMonitorDisseminator
(Penyebar)Spokesperson (Juru
Bicara)
DecisionalEntrepreneurDisturbance
HandlerResource AllocationNegotiator
Berlaku adillah, karena adil itu lebih dekat kepada taqwa
Manajer dan Dukungan Komputerisasi
IT bagian vital dari kegiatan bisnis
Komputer mempunyai dampak yang luas dalam organisasi dan masyarakat
Manager menggunakan “easy-to-use software”
Aplikasi komputer dari proses transaksi dan monitor kegiatan ke analisa masalah dan solusi juga pembuatan keputusan
Teknologi Sistem Penunjang Manajemen
MIS (Management Information System)
DSS (Decision Support System) / SPK
GSS (Group Support System), GDSS (Group DSS)
EIS (Executive Information System) / ERP, SCM, CRM
ES (Expert System)
ETC
Keputusan Manajemen dan SIM
Sumber daya Manusia, Mesin, Material, Uang/dana, Informasi
Produktivitas = Output / Input
Produktivitas ada di semua kegiatan manjemen
Teknologi baru dan distribusi informasi yang kian membaik memberikan banyak alternatif bagi pihak manajemen.
Banyak aktifitas yang kompleks menyebabkan terjadinya kesalahan sehingga berdampak pada peningkatan biaya.
Ekonomi global yang sering berubah, menghasilkan ketidak pastian dan membutuhkan respon yang lebih cepat untuk mempertahankan keunggulan kompetitif.
Regulasi pemerintah dan stabilitas politik yang penuh dengan ketidakpastian.
Sistem Penunjang Keputusan
Sistem komputer secara interaktive yang membantu pengambil keputusan mengolah data dan model untuk menyelesaikan masalah yang tidak terstruktur.
Sistem berbasis komputer yang menggabungkan intelektual individu dan kemampuan komputer untuk meningkatkan kualitas keputusan.
Karakteristik
Membantu menyelesaikan masalah yang tidak terstuktur
Mencoba untuk mengkombinasikan penggunaan model atau analisa teknik dengan akses data dan pengambilan data
Fokus pada fasilitas easy-to-use
Mengutamakan fleksibilitas dan adaptasi untuk mengakomodasi perubahan.
Karakteristik dan kemampuan
Semua tingkatan manajer
Group atau individu
Interdependent atau sequential decision
Fase pengambilan keputusan
Gaya dan proses keputusan
Efektif bukan efisiensi
Kontrol manusia
Evolutionary
Mudah pengembangan
Pengetahuan
Alasan mengapa SPK
Ekonomi tidak stabil
Kompetisi
Kesulitan dalam pendeteksian operasi bisnis
Sistem komputerisasi yang ada tidak mampu menunjang peningkatan efisiensi, keuntungan dan pangsa pasar
Apa yang ditawarkan Decision Support Systems?
Perhitungan yang cepat dengan biaya rendahKomunikasi dan kolaborasi antar kelompokMeningkatkan ProduktivitasKeampuan mengakses informasi yang tersimpan
dalam databases dan data warehouseKemampuan untuk menganalisa berbagai
alternatif dan mengaplikasikan risk managementEnterprise resource managementTool yang digunakan untuk mencapai dan
mempertahankan keunggulan kompetitif.
Katagori sistem komputerisasiTransaction Processing Systems (TPS)
Management Information Systems (MIS)
Office Automation Systems (OAS)
Decision Support Systems (DSS) and group DSS (GDSS)
Expert System
Executive Information Systems (EIS)
Artificial Neural Networks (ANN)
Teknologi untuk Proses Pengambilan Keputusan
Jenis Keputusan Dukungan Teknologi yang diperlukan
Structured
(Programmed)
MIS, Management Science Models, Transaction Processing
Semistructured DSS, KMS, GSS, CRM, SCM
Unstructured
(Unprogrammed)
GSS, KMS, ES, Neural networks
Dukungan Teknologi Berdasarkan Anthony’s Taxonomy
Jenis Kontrol
Kontrol Operasional
Kontrol Managerial
Perencanaan Strategis
Dukungan Teknologi yang dibutuhkan
MIS, Management Science
Management Science, DSS, ES, EIS, SCM, CRM, GSS, SCM
GSS, CRM, EIS, ES, neural networks, KMS
Kerangka Kerja Decision Support
Contoh masalah terstruktur pada level operasional => piutang, hutang, pemesanan
Contoh masalah terstruktur pada level manajerial => analisa biaya, perencanaan jangka pendek, pelaporan personil
Contoh masalah terstruktur pada level strategis => investasi, lokasi gudang, pusat distribusi
Contoh masalah semi terstruktur pada level operasional => penjadwalan produksi, kontrol pengadaan
Contoh masalah semi terstruktur pada level manajerial => evaluasi kredit, penyusunan anggaran, penjadwalan proyek, sistem reward
Contoh masalah semi terstruktur pada level strategis => merger dan akuisisi, perencanaan produk baru, kompensasi
dan seterusnya
Management Science/Operations ResearchMengadopsi pendekatan yang sistematis
Mendefinisikan masalahMengklasifikasi kedalam kategori standarMembuat model matematikaMengevaluasi beberapa alternatif solusiMemilih solusi
Enterprise Information SystemsMerupakan gabungan antara Executive
Information Systems dengan teknologi WebEnterprise Information Portal menampilkan
informasi lintas bagian dalam sebuah organisasi
Menyediakan akses informasi detail yang cepat dengan cara mudah (drill-down).
Menyediakan user-friendly interfaces melalui portal.
Mengidentifikasi peluang dan ancaman
Enterprise Information SystemsSistem khusus, meliputi ERM, ERP, CRM,
dan SCMMenyediakan pengawasan dan penelusuran
di tingkat perusahaan yang efektif dan tepat waktu.
Mem-filter, meng-compress, dan menelusuri data dan informasi penting.
Knowledge Management SystemsKnowledge yang terorganisasi dan
tersimpan dalam sebuah repository untuk dipergunakan dalam organisasi
Dapat digunakan untuk menyelesaikan masalah yang sama atau serupa dimasa yang akan datang
ROI meningkat dalam satu atau dua tahun
Hybrid Support SystemsIntegrasi dari beberapa computer system tools
untuk menyelesaikan masalah.Setiap tool menjalankan tugas yang berbeda,
tetapi saling mendukung satu sama lain.Memberikan jawaban/solusi yang jauh lebih baik
dan lebih cerdas.
Hubungan antar katagori :
Kelas informasi teknologi yang unik
Saling berhubungan dan menunjang pengambilan keputusan manajemen
Pengembangan untuk peningkatan manajemen dalam organisasi
Hubungan dan koordinasi masih berlanjut
Dimensi TPS MIS DSS ES EISApplication Payroll,
Inventory,Recordkeeping
ProductionControl,salesforcasting
Long-rangestrategicplanning,Complexintegratedproblemareas
Diagnostic,strategicplanning
Support totopmanagement decisions,enviromentalscanning
Focus Datatransaction
Information Decision,flexibility,user friendly
Inferencing,transfer ofexpertise
Tracking,control, "drilldown"
Database Unique toeachapplication
Interactiveaccess byprogrammer
DBMS,Interactiveaccess
Proceduraland factualknowledge
External andcorporate
DecisionCapabilities
no Structuredroutineproblem
Semistructured problems
Unstructured, use of rules
Only whencombinewith DSS
Manipulation Numerical Numerical Numerical Symbolic Numeric andsomesymbolic
Type ofInformation
Summaryreport,operational
Scheduleand demandreport
Informationto supportspecificdecision
Advice andexplanationRecommendation
Statusaccess,exceptionreport
Pengambilan Keputusan
Keputusan adalah pemilihan suatu tindakan (strategi).
Pengambilan keputusan adalah
Tindakan memilih strategi atau aksi yang diyakini oleh manajer yang akan memberi solusi terbaik atas suatu masalah.
Proses pemilihan sejumlah alternatif tindakan yang bertujuan untuk mencapai tujuan.
Pengambilan Keputusan dan Penyelesaian Masalah
Fase proses keputusan :
Intelligence / Penelusuran
design / Perancangan
choice / Pemilihan
Implementation
Decision MakingProses memilih satu diantara beberapa
rencana alternatif untuk mencapai tujuan atau beberapa tujuan.
4 Fase pengambilan keputusan adalah:Intelligence DesignChoiceimplementation
SistemStruktur
InputProsesOutputFeedback dari output ke decision maker
Dipisahkan dari lingkungan luar (environment) oleh boundary
Dikelilingi oleh environment
Input Processes Outputboundary
Environment
Sistem dan Lingkungan Luarnya
Sistem terdiri dari : Input, Proses, dan Output1. Input : semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer2. Proses : proses transformasi elemen-elemen dari input menjadi output3. Output : produk jadi atau hasil dari suatu proses di sistem4. Feedback: aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output/ kinerja sistem. Dari informasi ini, pengambil keputusan, yang bertindak sebagai pengontrol, bisa memutuskan untuk memodifikasi input, atau proses, atau malah keduanya.
5. Environment: terdiri dari berbagai elemen yang terletak diluar input, proses ataupun output. Namun, dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini, maka elemen tesebut harus dimasukkan sebagai bagian dari environment. Contoh:sosial, politik, hukum, aspek fisik, dan ekonomi.6. Boundary/batas: pemisah antara suatu sistem dengan enviromentnya. Sistem ada di dalam boundary, dimana environmentnya ada di luarnya. Bisa secara fisik, misal:sistem adalah sebuah departemen di Gedung X; atau non fisik, misal:suatu sistem dibatasi oleh waktu tertentu.
Jenis Sistem Sistem Tertutup (Closed system)
IndependentTidak membutuhkan inputTidak menghasilkan output bagi lingkungan
luarnyaBlack Box
Sistem Terbuka (Open system)Menerima inputMemberikan output ke Lingkungan luar
Model yang digunakan untuk DSSIconic
Replika sistem yang kecilAnalog
Representasi dari sistem secara Behavioral Mungkin saja tidak tampak seperti sistem
Quantitative (mathematical)Menunjukkan hubungan antar sistem
Iconic (Scale).Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. Contoh: GUI pada OOPL AnalogTak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakanrepresentasi simbolis dari kenyataan.Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.Matematis (Kuantitatif)Kompleksitas hubungan dalam sistem organisasi tak dapat direpresentasikan dengan Iconic maupun Analog, karena klau pun bisa akan memakan waktu lama dan sulit. Analisis DSS mengunakan perhitungan numerik yang dibantu dengan model Matematis atau model kuntitatif lainnya.
Keuntungan dari Model
Biaya analisa model
Kompresi waktu
Manipulasi model
Biaya pembuatan kesalahan
Menghitung resiko
Analisa dalam jumlah yang besar
Meningkatkan pelajaran dan pelatihan
Komponen-komponen Model Kuantitatif: Struktur umum dari model
Variabel Hasil (Result Variables)Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada variabel keputusan dan variabel tak terkontrol.
Variabel Keputusan (Decision Variables)Menggambarkan alternatif tindakan/aksi. Harga dari variabel ini ditentukan oleh pengambil keputusan.
Variabel tak terkontrol (Uncontrollable Variables or Parameters)Faktor yang mempengaruhi variabel hasil tapi tidak dalam kendali pengambil keputusan. Faktor ini bisa tetap -> parameter, juga bisa bervariasi -> variabel.
Variabel Antara (Intermediate Variables)Variabel yang menghubungkan variabel keputusan dengan variabel hasil.Sebagai contoh:Gaji atau penghasilan (variabel keputusan), kepuasan karyawan (variabel antara) dan tingkat produktivitas (Variabel hasil)
Area Decision Variables Result Variables Uncontrollable
Variables
Investasi
keuangan
Alternatif dan jumlah
investasi, lama
investasi, kapan
berinvestasi
Laba total, risiko, rate
of return, pendapatan
per saham, tingkat
likuiditas.
Tingkat inflasi, rata-
rata persaingan
Pemasaran Anggaran periklanan,
dimana beriklan
Pangsa pasar, kepuasan
pelanggan
Pendapatan
pelanggan, tindakan
pesaing
Industri
Manufaktur
Apa dan berapa banyak
yang diproduksi, tingkat
inventori, program
kompensasi
Biaya total, tingkat
kualitas, kepuasan
karyawan
Kepastian mesin,
teknologi, harga
bahan mentah
Akuntansi Penggunaan komputer,
jadwal audit
Biaya pemrosesan data,
tingkat kesalahan
Teknologi komputer,
pajak, persyaratan
umum
Transportasi Jadwal pengiriman Biaya transportasi total Jarak pengiriman,
regulasi
Jasa Tingkat pengelolaan
staf
Kepuasan pelanggan Permintaan akan
jasa/layanan
Contoh-contoh dari komponen model quantitative:
Pengembangan/Pembuatan Alternatif
Bagian penting dari proses pembuatan model adalah pembuatan alternatif.
Pengembangan alternatif merupakan proses yang panjang termasuk mencari dan membuat, dan memakan waktu dan biaya.
Pencarian alternatif muncul setelah kriteria untuk evaluasi alternatif telah ditentukan.
Prediksi Hasil dari Tiap Alternatif
Kategori
Kepastian (Certainty)
Resiko (Risk)
Ketidakpastian (Uncertainty)
SkenarioSkenario adalah sebuah pernyataan asumsi tentang lingkungan dari suatu sistem pada suatu waktu tertentu. Dengan kata lain merupakan narasi deskripsi dari suatu setting dimana suatu keputusan diuji.Skenario menggambarkan variabel keputusan, tak terkontrol dan parameter pada situasi model yang spesifik. Juga menyediakan prosedur dan kendala untuk model.
Peranan skenario dalam MSSMembantu mengidentifikasi potensi kesempatan dan area masalahMenyediakan fleksibelitas dalam perancanganMengidentifikasi petunjuk ujung perubahan dimana manajemen harus mengawasiMembantu validasi asumsi utama yang digunakan dalam modelMembantu mengecek sensitivitas dari solusi yang diusulkan untuk berubah dalam skenario
Kemungkinan skenarioSkenario Kemungkinan terburuk (“worst possible”)Skenario Kemungkinan terbaik (“best possible”)Skenario Yang paling mungkin (“most likely”)
Fase-fase Pengambilan Keputusan 3 Fase awal Simon:
IntelligenceDesignChoice
Kemudian dia menambahkan fase yang ke-4:Implementation
Buku menambahkan fase ke-5:Monitoring
Fase Pemikiran (Intelligence Phase)Mengamati lingkungan luar Menganalisa tujuan organisasiMengumpulkan dataMengidentifikasi masalahMengkategorikan masalah
Programmed dan non-programmedMendekomposisikan menjadi beberapa bagian
kecil Menentukan siapa yang bertanggung jawab
atas masalah tersebut.
M asalah
Pem ecahM asalah
(m anajer)
Solu si
Inform asi
Stan dar
K endala
B erbagaiSolu si
Alternatif
E lemen-elem en sistem konseptual
Keadaanyang
diinginkan
Keadaansaat ini
GAMBAR: Elemen-elemen proses pemecahan masalah
PEMECAHAN MASALAH
Masalah dapat diartikan sebagai suatu kondisi yang memiliki potensi untuk menimbulkan kerugian yang besar atau menghasilkan keuntungan yang besar.
Pemecahan masalah dapat diartikan sebagai tindakan memberi respon terhadap masalah untuk menekan akibat buruknya atau memanfaatkan peluang keuntungannya.
PENTINGNYA PEMECAHAN MASALAH
Pemecahan masalah bukan didasarkan pada jumlah waktu yang dihabiskan tetapi pada konsekuensinya.
Keputusan untuk memecahkan suatu masalah mungkin hanya membutuhkan beberapa jam namun dapat mempengaruhi laba perusahaan hingga ribuan sampai jutaan dollar.
Klasifikasi masalahMencoba untuk mengkasifikasikan masalah menjadi katagori yang jelas. Pentingnya klasifikasi untuk menentukan derajat struktur masalah.Dibedakan menjadi Masalah terprogram dan tidak terprogram.
Dekomposisi masalahMasalah yang besar bisa dipecah menjadi masalah-masalah yang lebih kecil.
Kepemilikan masalahPada fase penelusuran ini, cukup penting untuk menentukan kepemilikan suatu masalah.
Fase Perancangan (Design Phase)Menentukan beberapa rencana alternatifMenganalisa solusi-solusi yang potensialMembuat modelMenguji kelayakan Memvalidasi hasil Memilih principle of choice
Menentukan tujuanMemasukkannya kedalam modelMengevaluasi dan mengambil resiko Kriteria dan batasan
Fase Pemilihan (Choice Phase)Principle of choice
Menggambarkan mengapa sebuah pendekatan solusi (solution approach) dapat diterima.
Normative Models (Model Normatif)Optimization (Optimalisasi)
Dampak dari setiap alternatifRationalization (Rasionalisasi)
More of good things, less of bad things Courses of action are known quantity Pilihan diurutkan dari yang terbaik hingga terburuk
Suboptimization (Sub Optimalisasi) Keputusan dibuat pada bagian organisasi tanpa
mempertimbangkan keseluruhan organisasi
Descriptive ModelsMenjelaskan bagaimana sesuatu akan
dipercayaBiasanya, berbasis matematisMenerapkan sekumpulan alternatifContoh:
Simulations (Simulasi)What-if scenarios (Skenario What-if)Cognitive mapNarratives (Naratif)
Model Deskriptif
Information flow
Scenarion analysis
Financial planning
Inventory management
Markov analysis
Environmental impact analysis
Simulation
Technological forecasting
Waiting line management
Fase Pemilihan (Choice Phase)Fase Pemilihan meliputi pencarian, evaluasi dan rekomendasi dari solusi yang tepat untuk model.Solusi untuk model adalah sejumlah harga yang spesifik untuk variabel keputusan dalam alternatif terpilih.
Pendekatan dalam PencarianFase pemilihan meliputi pencarian tindakan yang tepat yang akan menyelesaikan masalah sesungguhnya.Banyak pendekatan yang telah ada, tergantung dari kriteria
pemilihan. Untuk model normatif bisa digunakan : pendekatan analitikal
(analytical approach) dan exhaustive enumeration.Untuk model deskriptive : blind search dan heuristics.
Analytical TechniquesMenggunakan formula matematika untuk mendapatkan solusi
yang optimal atau untuk memprediksi hasil yang pasti.
AlgorithmsDigunakan untuk meningkatkan efisiensi dari pencarian.
Start
Is im provem entpossible in proposed
solution ?
Solution isoptimal
Im prove solution .Generate a new
proposed solution
No
Yes
Stop
Blind SearchComplete enumeration : dimana semua alternatif dipertimbangkan dan sehingga solusi optimal dapat ditemukan.Incomplete / Partial search : dimana dikerjakan sampai solusi yang “good enough” dapat ditemukan.
HeuristicsAdalah aturan-aturan keputusan yang mengacu bagaimana sebuah masalah dapat diselesaikan.Dikembangakan atas dasar kekuatan, ketepatan dalam analisa masalah, dan kadang juga perancangan eksperimen.
Evaluasi
Multiple GoalsMetode yang digunakan:Use of utility theoryGoal ProgrammingExpression of goals as constraints, using linear programmingUsing a point system
Kesulitan :Kesulitan untuk mendapatkan tujuan organisasi secara explisitBanyak partisipan menaksir prioritas dari sejumlah tujuan secara berbedaPengambil keputusan mungkin merubah prioritas/kepentingan dari suatu tujuan karena perbedaan situasi keputusan.Tujuan dan sub-tujuan dipandang berbeda pada tingkat organisasiTujuan sendiri adalah dinamis dalam merespon perubahan dalam organisasiRelasi antara alternatif dan dampak pada tujuan sulit diukurMasalah yang kompleks dipecahkan oleh kelompok pengambil keputusan
Sensitivity Analysismembantu manajer ketika tidak yakin tentang akurasi atau kepentingan dari informasi, atau ketika ingin tahu dampak dari perubahan dalam masukan informasi dari model pada hasil atau mengukur unjuk kerja.
Pentingnya Sensitivity analysis dalam MSSMemungkinkan fleksibiliti dan adaptasi untuk perubahan kondisi dan untuk permintaan dari situasi pengambilan keputusan yang berbeda.Menyediakan pengertian yang baik dari model dan pokok arti yang akan digambarkan.
Sensitivity analysis mengecek relasi seperti:Efek dari ketidakpastian dalam estimasi variabel eksternalEfek dari perbedaan interkasi antara variabelKekuatan keputusan dibawah perubahan kondisiDampak dari perubahan variabel tak terkontrol dan parameter pada variabel hasilDampak dari perubahan variabel keputusan pada variabel hasil.
Digunakan untukMerevisi model untuk menghilangkan sensitivitas yang besarMenambahkan detil tentang variabel sensitif atau skenarioMendapatkan estimasi yang lebih baik dari variabel sensitif eksternalMerubah sistem sesungguhnya untuk mengurangi sensitif nyata
Tipe dari sensitivity analysis
Automatic Sensitivity analysis: disediakan dengan beberapa standar model quantitative seperti linear programming.
Trial and ErrorDampak dari perubahan satu atau lebih variabel dapat ditentukan dengan menggunakan pendekatan Trial and Error.
What-If AnalysisPembuat model membuat prediksi dan asumsi sesuai dengan input data, banyak digunakan untuk menaksir masa depan yang tidak pasti.Ketika model diselesaikan, hasil tergantung dari data yang diinput. Sensitivity analysis mencoba mengecek dampak dari perubahan dalam input data terhadap solusi yang diusulkan. Type ini disebut What-If Analysis.Struktur : “What will happen to the solution if an input variable, an assumption, or a parameter value is changed?”
Goal Seeking Analysis
Mengecek kepentingan input untuk mencapai tingkatan output / tujuan yang diharapkan. Merupakan solusi pendekatan mundur (backward)
Critical Success Factors (CSF) / Faktor penentu kesuksesan.Merupakan teknik diaknostik untuk mengidentifikasi faktor – faktor kritis untuk pencapaian tujuan organisasi.Menentukan informasi yang dibutuhkan dan prioritas kriteria yang digunakan
Bagaimana keputusan dibantu/ditunjang
SPK akan menunjang semua fase dalam proses pengambilan keputusan, sedangkan MIS akan menunjang khususnya dalam fase penelusuran. Manajemen science menunjang dalam fase pemilihan. EIS akan menunjang di fase penelusuran, ES akan menunjang disemua fase.
Pem ilihan
Perancangan
Penelusuran
Im plem entasi
ANNM ISEDPEIS
GDSSM anagem entScienceANN
GDSS
DSSES
Dukungan dalam fase Penelusuran
Kebutuhan utama untuk fase penelusuran adalah kemampuan untuk scanning database internal dan external untuk melihat kesempatan dan masalah, dan interpretasi dari hasil scanning.
Kebutuhan yang lain adalah laporan, baik yang berkala atau yang ad hoc. Laporan berkala dapat dirancang untuk membantu dalam aktivitas penemuan masalah dengan cara membandingkan pengharapan/ekspektasi antara kenyataan dengan unjuk kerja proyek.
Dukungan dalam fase perancangan
Fase perancangan meliputi membangun alternatif, diskusi kriteria untuk pemilihan dan kepentingan relatif, dan prediksi konsekuensi mendatang dari alternatif.
Pembuatan alternatif untuk masalah yang terstruktur dapat disediakan dengan menggunakan model standar atau khusus. Untuk masalah yang kompleks membutuhkan pakar baik seseorang,
Elemen laporan Penggunaan penemuan-masalahIkhtisar Unjuk kerja sekarang diikhtisarkan oleh
ekspektasi yang disediakan oleh penggunalaporan
Perbandingan Laporan mempunyai perbandingan secaraexplisit dengan ekspektasi unjuk kerjasekarang : Perbandingan dengan perencanaan,
anggaran, atau standar Perbandingan dengan kompetitor, rata-
rata industri, dan standar organisasi yanglain
Laporan pengecualian
Prediksi Prediksi unjuk kerja mendatang Prediksi berdasarkan anggaran, model
perencanaan Prediksi berdasarkan unjuk kerja sekarang
sampai akhir periode perencanaanKonfirmasi Data yang memungkinkan pengguna untuk
memvalidasi dan mengaudit laporan untukmeyakinkan pengguna.
PROSES PEMODELAN
Pendekatan penyelesaian masalah
1. Trial-and-errorPendekatan ini berdasarkan pelajaran dari pengalamanKesulitan / kelemahan
Banyak alternatif (trial) untuk experimenBiaya membuat kesalahan besarLingkungan yang berubah
2. SimulasiMemodelkan suatu masalah dan menjalankan segala kemungkinan dan kondisi.Masalah yang timbul adalah tidak ada garansi bahwa alternatif yang dipilih merupakan pilihan yang terbaik.
3. OptimisasiOptimisasi digunakan jika masalah atau kondisinya terstruktur.
4. Heuristik.
Developing AlternativesPembuatan alternatif
Mungkin saja otomatis atau manualMungkin terlalu banyak, sehingga terjadi
information overloadSkenarioEvaluate with heuristicsHasil diukur dengan pencapaian tujuan
MasalahBila kenyataan tidak sesuai dengan apa yang
diharapkan, maka timbullah masalah.Satisficing is the willingness to settle for less
than ideal.Form of suboptimization
Bounded rationality (Rasionalisasi yang terbatas)Kapasitas manusia yang terbatasDibatasi oleh prasangka dan perbedaan individu
Terlalu banyak pilihan
Decision-Making Choice PhasePengambilan keputusan dengan komitmen
untuk melakukan tindakanMenentukan rencana
Analytical techniquesAlgorithmsHeuristicsBlind searches
Menganalisan kekuatan
Fase Implementasi (Implementation Phase)Melakukan solusi terpilihBeberapa hambatan:
Berkenaan dengan penolakan untuk melakukan perubahan
User trainingDukungan dari manajemen yang lebih tinggi
Source: Based on Sprague, R.H., Jr., “A Framework for the Development of DSS.” MIS Quarterly, Dec. 1980, Fig. 5, p. 13.
Decision Support SystemsIntelligence Phase
Automatic Data Mining
Expert systems, CRM, neural networks
Manual OLAP KMS
Reporting Rutin dan ad hoc (tidak terencana)
Data MiningData mining merupakan proses untuk menggali
pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.
Beberapa solusi yang diberikan data mining antara lain : Menebak target pasar, melihat pola beli dari waktu ke waktu, cross market analysis, profil pelanggan, informasi summary
OLAPOLAP mendayagunakan konsep data multi
dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.
Decision Support SystemsDesign Phase
Financial and forecasting modelsMembuat alternatif dengan menggunakan
expert systemIdentifikasi hubungan melalui OLAP dan data
miningMengingat kembali (Recognition) melalui KMSBusiness process models dari CRM, RMS,
ERP, dan SCM
Decision Support SystemsChoice Phase
Mengidentifikasi alternatif terbaikMengidentifikasi alternatif yang cukup baikWhat-if analysisGoal-seeking analysisMungkin saja menggunakan KMS, GSS, CRM,
ERP, dan SCM systems
Decision Support SystemsImplementation Phase
Meningkatkan komunikasi KolaborasiTrainingDidukung oleh KMS, expert systems, GSS
Decision-Making In HumansTemperament
Hippocrates’ personality typesMyers-Briggs’ Type IndicatorKiersey and Bates’ Types and MotivationsBirkman’s True Colours
Gender
Decision-Making In HumansCognitive styles
Apa yang menjadi dugaan orang?Bagaimana semua itu diatur?Subyektif
Decision stylesBagaimana menurut orang lain?Bagaimana mereka bereaksi?Heuristic, analytical, autocratic, democratic,
consultative
Cognitive style Decision Approaches
PENDAHULUANKomponen SPK yaitu:
.Dialog (D) antara user dan sistem
.Data (D) yang mendukung sistem
.Model (M) yang menyediakan kemampuan menganalisa.
Data Base Model Base
Document-based Data
External data
TransactionData
Finance Other
Internal DataProduction
Marketing
Personnel
Other
DBMS MBMS
StrategicModels
TacticalModels
OperationalModels
Model-BuildingBlocks andSubroutinesDialog
Maker
Tujuan dengan mengerti bagaimana tiap komponen dapat dirancang,
User bisa mengetahui apa saja yang bisa di minta dalam SPK. Pembuat SPK bisa memberi saran tentang apa yang bisa diberikan.
Teknologi baru terus mempengaruhi komponen dialog, data, model.
KOMPONEN DIALOGBenett menjelaskan komponen dialog sebagai dasar
pengetahuan (knowledge base)bahasa operasi (action Language) bahasa presentasi (presentation language).
Pertimbangan Umum
1.User SPK
2. Dialog harus sederhana dan fleksibel.
3. Pola pendekatan Dialoga. Sistem yang berorientasikan menu.b. Sistem yang berorientasikan Bahasa perintah (command languages) c. Pendekatan Dialog Bertingkat (tiered dialog approach)
4. Pertimbangan lain,
Dasar Pengetahuan
Dasar Pengetahuan (Knowledge Base) menurut Bennett adalah pengetahuan apa yang harus dimiliki user untuk berinteraksi dengan sistem yang berhubungan dengan area masalah atau dalam membuat keputusan yang diperlukan.
Pengetahuan tentang masalah harus dipelajari user diluar SPK. SPK memang memungkinkan user lebih mengerti tentang keputusan, tapi masalah harus sudah diketahui sebelumnya. Pengecualian ini berlaku pada saat SPK digunakan untuk melatih para pembuat keputusan yang baru. Dalam hal ini SPK merupakan alat pendidikan.
User dapat dilatih untuk menggunakan SPK dengan beberapa cara, yaitu:•.Cara bimbingan satu per satu (one-on-one tutorial), sering diterapkan pada eksekutif senior. •.Cara pengelompokkan berdasarkan kelas dan kuliah (classes and lecturers) efisien pada saat banyak user yang membutuhkan pelatihan. •.Programmed and computer-aided instruction adalah pendekatan yang ekonomis ketika SPK diharapkan dapat digunakan dalam jangka panjang dan melayani banyak user.
Bahasa Operasi ( Action Language )
Cara pengoperasian SPK sangat bervariasi tergantung pada rancangan sistem. Beberapa SPK menggunakan pendekatan bentuk input-output. User diberikan form input dan memasukan data yang dibutuhkan. Setelah semua data dimasukan, SPK menampilkan analisa dan hasilnya.
Input voice adalah input yang paling maju dalam kemudahan penggunaan. Namun teknologi yang ada hanya mendukung kosakata yang terbatas, harus disesuaikan dengan suara user dan menawarkan kesan perorangan daripada continuous speech recognition. Seiring dengan perkembangan teknologi, bagaimanapun sistem yang berorientasi suara lebih diharapkan.
Cara mengoperasikan SPK tidak hanya dengan menggunakan keyboard. Sudah banyak sistem yang menggunakan touchscreen dan khususnya mouse. Alternatif tersebut sangat menarik bagi para eksekutif yang tidak ingin mengetik.
Bahasa Presentasi ( Presentation Language )
Laporan yang dicetak tidak lagi menjadi satu-satunya pilihan output. Kenyataannya dalam beberapa instansi tidak ada output yang berupa cetakan, tetapi ditampilkan di layar.
Animasi mulai digunakan untuk output SPK khususnya untuk aplikasi yang melibatkan simulasi. Output voice juga merupakan sebuah kemungkinan, walaupun output seperti ini tidak sedang digunakan untuk SPK.
Dialog Style
Kombinasi dari pilihan-pilihan untuk mengimplementasikan dasar pengetahuan, bahasa operasi dan bahasa presentasi jika disatukan dapat disebut “Dialog Style”. Sebagai contoh hasil dialog style dalam sebuah sistem yang membutuhkan user untuk menyimpan kartu referensi (dasar pengetahuan) dan untuk mengingat perintah apa untuk dimasukan dengan keyboard (bahasa operasi) untuk menghasilkan laporan yang dicetak (bahasa presentasi).
KOMPONEN DATA
Data memegang peranan penting dalam SPK. Data bisa diakses langsung oleh user atau sebuah input bagi model untuk pemrosesan.
Sumber DataKonsep sumber data harus diperluas menjadi sumber informasi. Ada empat jenis informasi yang perlu dipertimbangkan.
Internal External
RecordBased
DocumentBased
Gambar 2. Empat Jenis Informasi
TraditionalEDP / MIS
PublicBatabases
WordProcessing
RecordsManagement
CorporateLibrary
Pertama, ada 2 jenis informasi yang dihasilkan dan diatur secara internal, yaitu : (1) informasi yang berdasarkan record data.
Informasi ini langsung berhubungan dengan entitas, (2) Informasi yang berdasarkan dokumen
Informasi ini langsung berhubungan dengan konsep -- ide, pikiran dan opini. Dokumen yang tidak terstruktur atau pesan, dengan berbagai jenis bentuk informasi, digunakan untuk menggambarkan konsep ini.
Dua jenis informasi yang sama juga dihasilkan secara eksternal, yaitu:(1) Informasi eksternal yang berbasis record
Merupakan tipe informasi aplikasi yang berbasis komputer yang dihasilkan dan diatur dengan mudah oleh sistem.
(2) Informasi eksternal yang berbasis dokumenSeperti opini tentang ramalan ekonomi atau rumor. Lebih terkenal dalam bentuk database umum.
Beberapa SPK membutuhkan data pada level transaksi. Data yang sudah dipersingkat lebih dibutuhkan dan bisa didapatkan dengan berbagai cara.
Ada pendapat yang menyarankan database untuk SPK terpisah dari database pemrosesan transaksi. Banyak DBMS yang menangani data transaksi dibuat untuk spesialis sistem informasi.Beberapa Organisasi hanya memberikan end-user hak akses untuk mengekstrak file. File-file tersebut di pelihara secara eksternal pada DBMS dan di buat secara spesifik untuk memenuhi kebutuhan data end user. File ekstrak digunakan untuk alasan keamanan, kemudahan untuk mengakses, dan integritas data. Dalam organisasi yang memiliki file ekstrak, SPK mendapatkan data dari file-file tersebut.
Sebagai tambahan pada data transaksi, internal data yang lain mungkin diperlukan. Misalnya, perhitungan subyektif dari manajer dan rekayasa data yang berhubungan. Untuk mendapatkan internal data yang lain, DBMS yang baik dibutuhkan untuk mendukung proses input , pemeliharaan dan pengekstrakan data.
Data eksternal juga mungkin diperlukan, khususnya untuk pendukung keputusan pada top manager. Misalnya, data ekonomi regional dan nasional, data industri dan data kompetitif.
KOMPONEN MODELModel-model menyediakan kemampuan menganalisa untuk DSS.
Dengan menggunakan gambaran secara matematis dari masalah, proses algoritma digunakan untuk menghasilkan informasi untuk mendukung pembuatan keputusan.
Jenis-jenis model1.Berdasarkan Tujuan, yaitu:Model optimisasi adalah model yang mengidentifikasi titik dari maksimasi atau minimasi. Model deskriptif menggambarkan perilaku dari sistem tapi tidak menyarankan kondisi yang optimal. 2. Berdasarkan Ketidakurutan (Randomness)Probabilistic Model mencoba untuk menangkap probabilistik alami dari sistem dengan meminta input data probabilistik dan dengan menghasilkan output probabilistik. Meskipun demikian, kebanyakan model matematika adalah deterministik. Deterministic Model menggunakan perhitungan satu nilai (single-valued estimates) untuk variabel dalam model dan menghasilkan output satu nilai (single-valued outputs). 3. Berdasarkan aplikasi umum (generality of applications)Custom-built model menggambarkan sistem yang khusus sehingga menyediakan deskripsi yang lebih baik daripada ready-built model, yaitu model yang dapat diaplikasikan untuk beberapa sistem. Bagaimanapun, model ini lebih mahal karena harus di bangun dari awal.
Model BaseSebuah model dalam SPK dapat diartikan sebagai sebuah
model base. Berbagai macam model adalah: strategic model, tactical model, operational model dan model-building block dan subroutines. Masing-masing model mempunyai karakteristik tersendiri.
Strategic model digunakan oleh top management untuk menentukan tujuan organisasi, sumber daya yang dibutuhkan untuk mencapai tujuan tersebut dan kebijakan untuk mengatur pembelian, penggunaan dan pengaturan sumber daya, penentuan lokasi pabrik, perencanaan dampak lingkungan dan lain-lain. Model ini membutuhkan data yang eksternal dan subjektif. Waktu yang dibutuhkan untuk pembuatan model biasanya tahunan, seperti halnya tanggungjawab perencanaan strategi top management. Model ini biasanya berbentuk deterministik, deskriptif, dan custom-built sesuai dengan kepentingan organisasi yang bersangkutan.
Tactical Model biasanya digunakan oleh middle management untuk membantu mengalokasikan dan mengawasi sumber daya organisasi. Penggunaannya termasuk perencanaan keuangan, perencanaan kebutuhan tenaga kerja, perencanaan promosi dan penentuan layout pabrik. Model ini biasanya hanya dapat diaplikasikan pada bagian dari organisasi, mmisalnya bagian produksi. Waktu yang dibutuhkan untuk pembuatan model bervariasi antara satu bulan sampai kurang dari dua tahun. Data yang subjektif dan eksternal dibutuhkan, tapi kebutuhan terbesar adalah data internal. Model ini cenderung berbentuk deterministik, dan lebih menyediakan informasi yang optimal dan siap pakai.
Lanjutan model
Operational Model digunakan untuk mendukung keputusan jangka pendek (contoh : harian, mingguan) biasanya pada lower management. Penggunaannya termasuk penilaian kredit, pemilihan media, penjadwalan produksi, dan pengawasan inventory. Model ini biasanya menggunakan data internal. Bentuknya biasanya deterministik, siap pakai, dan menyediakan informasi yang optimal.
Sebagai tambahan, model base mempunyai model-building blocks and subroutines. Penggunanannya termasuk pemrograman linear, analisa serial waktu, analisa regresi, dan contoh prosedur dari Monte Carlo. Model ini dapat digunakan secara terpisah untuk pendukung keputusan khusus, atau digunakan bersamaan untuk membangun dan memelihara model-model yang lebih luas.
Masalah-Masalah dalam Model Tradisional
Dengan meninjau kembali hal-hal yang pernah terjadi, memungkinkan untuk mengidentifikasikan masalah :
Kesulitan dalam mendapatkan data input untuk modelKesulitan dalam mengerti bagaimana cara menggunakan output dari modelKesulitan dalam menjaga model tetap up-to-dateKekurangan kepercayaan didalam model oleh user, sehingga model tidak dipercayaKurangnya integrasi diantara model-modelTidak adanya interaksi antara model dan userSulit bagi user menciptakan modelnya sendiriModel hanya memberikan sedikit penjelasan mengenai outputnya
Pendekatan SPK untuk PemodelanPendekatan SPK untuk pemodelan mencoba untuk meminimasi
masalah-masalah dalam pemodelan tradisional dengan menekankan bahwa sebuah sistem memenuhi persyaratan untuk mendukung proses pembuatan keputusan.
Database penting untuk menyelesaikan banyak masalah, karena menyediakan data yang diperlukan untuk membangun, menggunakan, dan memelihara model. Output dari model ditempatkan dalam database, sehingga membuat output dapat di akses oleh model yang lain dan mengintegrasikan model-model.
Dialog yang dirancang dengan baik memungkinkan user untuk mengembangkan model mereka, mengoperasikannya dengan baik, memeliharanya tetap up to date, dan menerapkan hasilnya untuk pengambilan keputusan.
Model-model dalam SPK akan berguna karena didukung oleh komponen data dan komponen dialog. Pengembangan terbaru dalam pemodelan adalah memanfaatkan kemampuan kecerdasan tiruan dimana model-model menjelaskan faktor-faktor yang mengarah pada keluaran.
Pendekatan SPK pada pemodelan membutuhkan sebuah model base management system (MBMS) dengan kemampuan yang serupa dengan Data Base Mangement System (DBMS). Kemampuan MBMS antara lain :
Mekanisme yang fleksibel untuk pembentukan model.Kemudahkan penggunaan Model untuk mendapatkan penunjang keputusan yang dibutuhkan.Metode untuk penyimpanan model yang akan digunakan kembali.Prosedur untuk memelihara model.Metode untuk pembuatan output dari model yang tersedia menjadi input pada model lain.
Analytical Hierarchy Process
Sejarah AHPAHP dikembangkan oleh thomas saaty pada tahun 1970 an. AHP merupakan sistem pembuat keputusan dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan dari masing-masing kriteria. Dalam sistem pengelolaan kinerja yang dimaksud dengan kriteria tersebut adalah KPI.
Penggunaan metode AHP dalam Sistem Pengelolaan KinerjaKaidah pembobotan menyatakan bahwa:Nilai bobot KPI berkisar antara 0 - 1 atau antara 0% - 100% jika kita menggunakan prosentase. Jumlah total bobot semua KPI harus bernilai 1 (100%) Tidak ada bobot yang bernilai negatif (-).
Berikut ini adalah langkah-langkah yang digunakan dalam menentukan bobot KPI dengan menggunakan AHP:
Menentukan nilai prioritas KPI. Biasanya orang lebih mudah mengatakan bahwa KPI A lebih penting daripada KPI B, KPI B kurang penting dibanding dengan KPI C dsb, namun mengalami kesulitan menyebutkan seberapa penting KPI A dibandingkan KPI B atau seberapa kurang pentingnya KPI B dibandingkan dengan KPI C. Untuk itu kita perlu membuat tabel konversi dari pernyatan prioritas ke dalam angka-angka. Contoh tabel skala nilai prioritas KPI seperti pada tabel dibawah:
Nilai Tingkat prioritas
1 KPI A sama penting dibanding dengan KPI B
3 KPI A sedikit lebih penting dibanding dengan KPI B
5 KPI A lebih penting dibanding dengan KPI B
7 KPI A sangat penting dibanding dengan KPI B
9 KPI A jauh sangat penting dibanding dengan KPI B
2,4,6,8 *) nilai tengah-tengah
*) Pengertian nilai tengah-tengah adalah Jika KPI A sedikit lebih penting dari KPI B maka kita seharusnya memberikan nilai 3, namun jika nilai 3 tersebut dianggap masih terlalu besar dan nilai 1 masih terlalu kecil maka nilai 2 yang harus kita berikan untuk prioritas antara KPI A dengan KPI B. *) Tabel diatas tidak disebutkan konversi nilai KPI A kurang penting dari KPI B karena pernyataan KPI A kurang penting dari KPI B sama dengan pernyataan nilai KPI B lebih penting dari KPI A
KPI A KPI B KPI C KPI D
KPI A 1 1/2 1/5 1/3
KPI B 2 1 1/3 1
KPI C 5 3 1 1/2
KPI D 3 1 2 1
Cara mengisinya adalah dengan menganalisa prioritas antara KPI baris dibandingkan dengan KPI kolom. Dalam prakteknya kita hanya perlu menganalisa prioritas KPI yang terdapat dibawah pada garis diagonal (kotak dengan warna dasar putih) yang ditunjukan dengan warna kuning atau diatas garis diagonal yang ditunjukan dengan kotak warna hijau. Hal ini sesuai dengan persamaan matematika yang menyebutkan jika A:B= X, maka B : A = 1/X. Contoh: jika prioritas KPI B (baris) : KPI A (kolom) = 2, maka prioritas KPI A (baris) : KPI B (kolom) = 1/2 (lihat rumus persamaan perbandingan matematika diatas). Sehingga prioritas setiap KPI antara KPI A : KPI A = 1, KPI C : KPI A = 5, KPI C : KPI B = 3, KPI D : KPI A = 3, KPI D : KPI B = 1, KPI D : KPI C = 2.
Contoh KasusGoal : Memilih pekerjaan, terdapat data data yang telah didapat dari beberapa perusahaan, yang pertama adalah data data mengenai salary, uang transportasi, kemudian waktu kerja. Yang kemudian akan dijadikan kriteria, sedangkan untuk nama perusahaan yang diperoleh datanya, RCTI, Indosiar, SCTV, Trans TV yang untuk selanjutnya akan dijadikan sebagai alternatif.
Tujuan : Memilih pekerjaan
Kriteria : Salary, Transportasi, Waktu Kerja
Skenario : Salary 6 kali lebih penting dari transportasi
Transportasi 1/3 kali lebih penting dari waktu kerja
Salary 2 kali lebih penting dari waktu kerja
Data alternatif per kriteria
Alternatif Kriteria
Salary Transportasi Waktu Kerja
RCTI 10 3 7
Indosiar 6 5 5
SCTV 7 4 6
Trans TV 8 9 10
Hitung :
a. Eigenvector/bobot per kriteria
b. Nilai alternatif per kriteria
c. Nilai alternatif keseluruhan
Mencari eigenvector dari kriteria dengan membandingkan masing masing kriteria secara
berpasangan. Selanjutnya perbandingan berpasangan tadi dibuat matriks desimal
dengan ketelitian empat angka dibelakang koma.
Salary Transportasi Waktu Kerja
Salary 1/1 6/1 2/1
Transportasi 1/6 1/1 1/3/1
Waktu Kerja 1/2 1/1/3 1/1
Salary Transportasi Waktu Kerja
Salary 1,0000 6,0000 2,0000
Transportasi 0,1667 1,0000 0,3333
Waktu Kerja 0,5000 3,0000 1,0000
Matriks yang sudah dibuat dikali dengan matriks itu sendiri untuk mendapatkan nilai
eigenvector yang diharapkan.
Langkah 1 : (Baris kali kolom)
1,0000 6,0000 2,0000
0,1667 1,0000 0,3333
0,5000 3,0000 1,0000
X
1,0000 6,0000 2,0000
0,1667 1,0000 0,3333
0,5000 3,0000 1,0000
1,0000+1,0002+1,0000 6,0000+6,0000+6,0000 2,0000+1,9998+2,0000
0,1667+0,1667+0,1667 1,0002+1,0000+1,0000 0,3334+0,3333+0,3333
0,5000+0,5001+0,5000 3,0000+3,0000+3,0000 1,0000+1,0000+1,0000
3,0002 18,0000 5,9998
0,5001 3,0002 1,0000
1,5001 9,0000 3,0000
= 27,0000 27,0000/45,0004 = 0,6000
= 4,5003 4,5003/45,0004 = 0,1000
= 13,5001 13,5001/45,0004 = 0,3000
45,0004 1,0000
a. Hasil dari eigenvector
0,6000
0,1000
0,3000
Salary
Transportasi
Waktu Kerja
b. Nilai alternatif per kriteria
Perhitungan nilai alternatif perkriteria berdasarkan nilai pada tabel data alternatif per
kriteria.
Data alternatif pada kriteria salary
RCTI 10 => 10 / 31 = 0,3226
Indosiar 6 => 6 / 31 = 0,1935
SCTV 7 => 7 / 31 = 0,2258
Trans TV 8 => 8 / 31 = 0,2581
31 1,0000
Dari perhitungan data alternatif pada kriteria salary maka dapat dibuat urutan ranking
dari yang paling tinggi ke urutan paling rendah.
Ranking : 1. RCTI 2. Trans TV 3. SCTV 4. Indosiar
Data alternatif pada kriteria transportasi
RCTI 3 => 3 / 21 = 0,1428
Indosiar 5 => 5 / 21 = 0,2381
SCTV 4 => 4 / 21 = 0,1905
Trans TV 9 => 9 / 21 = 0,4286
21 1,0000
Dari perhitungan data alternatif pada kriteria transportasi maka dapat dibuat urutan
ranking dari yang paling tinggi ke urutan paling rendah.
Ranking : 1. Trans TV 2. Indosiar 3. SCTV 4. RCTI
Data alternatif pada kriteria Waktu Kerja
RCTI 7 => 7 / 28 = 0,2500
Indosiar 5 => 5 / 28 = 0,1786
SCTV 6 => 6 / 28 = 0,2143
Trans TV 10 => 10 / 28 = 0,3571
28 1,0000
Dari perhitungan data alternatif pada kriteria waktu kerja maka dapat dibuat urutan
ranking dari yang paling tinggi ke urutan paling rendah.
Ranking : 1. Trans TV 2. RCTI 3. SCTV 4. Indosiar
Contoh KeduaPada contoh kedua akan coba dilakukan pemilihan bidang usaha, usaha yang dipilih adalah usaha agrobisnis. Dari data data yang didapat sebagai berikut, maka diketahui bahwa untuk memulai usaha dalam bidang agrobisnis harus memperhatikan beberapa hal berikut, yaitu kemudahan untuk mendapatkan bahan baku, kemudian teknologi yang akan digunakan sulit atau mudah, serta biaya yang akan diperlukan untuk melakukan produksi tinggi atau rendah, dalam hal ini akan kita jadikan sebagai kriteria. Kemudian dari bahan baku yang dapat diperoleh, maka muncul beberpa alternatif barang yang dapat diproduksi, chip kentang, nangka, jeruk dan wortel.
Tujuan : Memilih usaha dibidang agrobisnis
Kriteria : Mudah mendapatkan bahan baku, teknologi mudah, biaya murah
Skenario : Mudah mendapat bahan baku 4 kali lebih penting dari teknologi
mudah.
Teknologi mudah 1/2 kali lebih penting dari biaya murah
Mudah mendapat bahan baku 2 kali lebih penting dari biaya murah
Data alternatif per kriteria
Alternatif
Kriteria
Mudah
mendapat
bahan baku
Teknologi
mudah
Biaya murah
Chip Kentang 5 6 7
Chip Nangka 6 5 6
Chip Jeruk 3 7 2
Chip Wortel 4 3 3
Hitung :
a. Eigenvector/bobot per kriteria
b. Nilai alternatif per kriteria
c. Nilai alternatif keseluruhan
Mudah
mendapat
bahan baku
Teknologi
mudah
Biaya murah
Mudah mendapat
bahan baku 1/1 4/1 2/1
Teknologi mudah ¼ 1/1 1/2/1
Biaya murah ½ 1/1/2 1/1
Mudah mendapat
bahan baku
Teknologi
mudah
Biaya
murah
Mudah mendapat
bahan baku 1,0000 4,0000 2,0000
Teknologi mudah 0,2500 1,0000 0,5000
Biaya murah 0,5000 2,0000 1,0000
Mencari eigenvector dari kriteria dengan membandingkan masing masing kriteria secara
berpasangan. Selanjutnya perbandingan berpasangan tadi dibuat matriks desimal
dengan ketelitian empat angka dibelakang koma.
Langkah 1 : (Baris kali kolom)
1,0000 4,0000 2,0000
0,2500 1,0000 0,5000
0,5000 2,0000 1,0000
X
1,0000 4,0000 2,0000
0,2500 1,0000 0,5000
0,5000 2,0000 1,0000
3,0000 12,0000 6,0000
0,7500 3,0000 1,5000
1,5000 6,0000 3,0000
= 21,0000 21,0000/36,7500 = 0,5714
= 5,2500 5,2500/36,7500 = 0,1429
= 10,5000 10,5000/36,7500 = 0,2857
36,7500 1,0000
a. Hasil dari eigenvector
0,5714
0,1429
0,2857
Mudah mendapat bahan baku
Teknologi mudah
Biaya murah
b. Nilai alternatif per kriteria
Perhitungan nilai alternatif perkriteria berdasarkan nilai pada tabel data alternatif per
kriteria.
Data alternatif pada kriteria Mudah mendapat bahan baku
Chip Kentang 5 => 5 / 18 = 0,2778
Chip Nangka 6 => 6 / 18 = 0,3333
Chip Jeruk 3 => 3 / 18 = 0,1667
Chip Wortel 4 => 4 / 18 = 0,2222
18 1,0000
Dari perhitungan data alternatif pada kriteria mudah mendapatkan bahan baku maka
dapat dibuat urutan ranking dari yang paling tinggi ke urutan paling rendah.
Ranking : 1. Chip Nangka 2. Chip Kentang 3. Chip Wortel 4. Chip Jeruk
Data alternatif pada kriteria Teknologi mudah
Chip Kentang 6 => 6 / 21 = 0,2857
Chip Nangka 5 => 5 / 21 = 0,2381
Chip Jeruk 7 => 7 / 21 = 0,3333
Chip Wortel 3 => 3 / 21 = 0,1429
21 1,0000
Dari perhitungan data alternatif pada kriteria teknologi mudah mendapatkan bahan baku
maka dapat dibuat urutan ranking dari yang paling tinggi ke urutan paling rendah.
Ranking : 1. Chip Jeruk 2. Chip Kentang 3. Chip Nangka 4. Chip Wortel
Data alternatif pada Kriteria Biaya murah
Chip Kentang 7 => 7 / 18 = 0,3889
Chip Nangka 6 => 6 / 18 = 0,3333
Chip Jeruk 2 => 2 / 18 = 0,1111
Chip Wortel 3 => 3 / 18 = 0,1667
18 1,0000
Dari perhitungan data alternatif pada kriteria biaya murah mendapatkan bahan baku
maka dapat dibuat urutan ranking dari yang paling tinggi ke urutan paling rendah.
Ranking : 1. Chip Jeruk 2. Chip Wortel 3. Chip Nangka 4. Chip Kentang
c. Nilai alternatif keseluruhan
0,2778 0,2857 0,3889
0,3333 0,2381 0,3333
0,1667 0,3333 0,1111
0,2222 0,1429 0,1667
X
0,5714
0,1429
0,2857
Setelah semua nilai alternatif perkriteria dikalikan dengan nilai eigenvector, maka
diperoleh hasil sebagai berikut:
Ranking : 1. Chip Nangka 2. Chip Kentang 3. Chip Wortel 4. Chip Jeruk
Chip Kentang 0,1587 + 0,0408 + 0,1111 = 0,3106
Chip Nangka 0,1904 + 0,0340 + 0,0952 = 0,3196
Chip Jeruk 0,0953 + 0,0476 + 0,0317 = 0,1746
Chip Wortel 0,1270 + 0,0204 + 0,0476 = 0,1950
0,9998
Sekian Dulu Materi SPKTerima Kasih...Hehehe
Recommended