Anda di halaman 1dari 130

Basuki Hari Prasetyo

Menilik dari sisi teoritis pengambilan keputusan:


Pengertian Keputusan
Pengambilan Keputusan
Teori Pengambilan Keputusan
Fungsi Pengambilan Keputusan
Tujuan Pengambilan Keputusan
Unsur Unsur Pengambilan Keputusan
Dasar Dasar Pengambilan Keputusan
Faktor Faktor Yang Mempengaruhi
Pengambilan Keputusan

Pengertian Keputusan
James A.F. Stoner
Keputusan 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 Keputusan
James A.F. Stoner
Pengambilan keputusan adalah proses yang
digunakan untuk memilih suatu tindakan
sebagai cara pemecahan masalah
George R. Terry
Pengambilan Keputusan adalah pemilihan
alternatif perilaku ( kelakuan ) tertentu dari
dua atau lebih alternatif

Teori Pengambilan
Keputusan
Teori Pengambilan Keputusan adalah teori
teori atau teknik teknik atau pendekatan
pendekatan yang digunakan dalam suatu
proses pengambilan keputusan

Fungsi Pengambilan
Keputusan
Pangkal 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
Keputusan
Tujuan yang bersifat tunggal, satu keputusan
untuk satu masalah
Tujuan yang bersifat ganda, satu keputusan
untuk lebih satu masalah

Unsur Unsur Pengambilan


Keputusan

Tujuan dari pengambilan keputusan


Identifikasi alternatif
Perhitungan faktor faktor diluar jangkauan
manusia
Sarana atau alat untuk evaluasi atau
mengukur hasil dari keputusan

Dasar Dasar Pengambilan


Keputusan
George R. Terry
Intuisi
Pengalaman
Fakta
Wewenang
Rasional

Faktor Yang Mempengaruhi


Pengambilan
Keputusan

Posisi / 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 Organisasi
Ekstern Organisasi
Tersedianya informasi yang diperlukan
( Akurat, Up To Date, Komprehensif, Relevan,
Memiliki Kesalahan Kecil )

Harrahs Makes a Great Bet


Vignette
Data Warehouse
Data Mining
Business Intelligence
Transaction Processing System
Customer Relationship Management
Decision Support System

10 Peranan Manajemen menurut


Mintzberg
Interpersonal

Decisional

Figurehead

Entrepreneur

Leader

Disturbance Handler

Liaison (Penghubung)

Resource Allocation

Informational
Monitor
Disseminator

(Penyebar)
Spokesperson (Juru
Bicara)

Negotiator

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 rendah
Komunikasi dan kolaborasi antar kelompok
Meningkatkan Produktivitas
Keampuan mengakses informasi yang tersimpan

dalam databases dan data warehouse


Kemampuan untuk menganalisa berbagai
alternatif dan mengaplikasikan risk management
Enterprise resource management
Tool yang digunakan untuk mencapai dan
mempertahankan keunggulan kompetitif.

Katagori sistem komputerisasi


Transaction 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 Anthonys


Taxonomy
Jenis Kontrol
Kontrol
Operasional
Dukungan
MIS,
Teknologi yang Management
dibutuhkan
Science

Kontrol
Managerial

Perencanaan
Strategis

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 Research


Mengadopsi pendekatan yang sistematis
Mendefinisikan masalah
Mengklasifikasi kedalam kategori standar
Membuat model matematika
Mengevaluasi beberapa alternatif solusi
Memilih solusi

Enterprise Information Systems


Merupakan gabungan antara Executive

Information Systems dengan teknologi Web


Enterprise 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 Systems


Sistem khusus, meliputi ERM, ERP, CRM, dan

SCM
Menyediakan pengawasan dan penelusuran di
tingkat perusahaan yang efektif dan tepat
waktu.
Mem-filter, meng-compress, dan menelusuri
data dan informasi penting.

Knowledge Management Systems


Knowledge 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 Systems


Integrasi 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
Application

TPS
Payroll,
Inventory,
Record
keeping

MIS
Production
Control,
sales
forcasting

Focus

Data
transaction

Information

Database

Unique to
each
application
no

Manipulation

Numerical

Interactive
access by
programmer
Structured
routine
problem
Numerical

Type of
Information

Summary
report,
operational

Schedule
and demand
report

Decision
Capabilities

DSS
Long-range
strategic
planning,
Complex
integrated
problem
areas
Decision,
flexibility,
user friendly
DBMS,
Interactive
access
Semistructur
ed problems

ES
Diagnostic,
strategic
planning

EIS
Support to
top
managemen
t decisions,
enviromental
scanning

Inferencing,
transfer of
expertise
Procedural
and factual
knowledge
Unstructured
, use of rules

Tracking,
control, "drill
down"
External and
corporate

Numerical

Symbolic

Information
to support
specific
decision

Advice and
explanation
Recommend
ation

Only when
combine
with DSS
Numeric and
some
symbolic
Status
access,
exception
report

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 Making
Proses memilih satu diantara beberapa

rencana alternatif untuk mencapai tujuan


atau beberapa tujuan.
4 Fase pengambilan keputusan adalah:
Intelligence
Design
Choice
implementation

Sistem
Struktur
Input
Proses
Output
Feedback dari output ke decision maker

Dipisahkan dari lingkungan luar

(environment) oleh boundary


Dikelilingi oleh environment
Input

Processes

boundary

Environment

Output

Sistem dan Lingkungan Luarnya

Sistem terdiri dari : Input, Proses, dan Output


1. 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 komputer
2. Proses
: proses transformasi elemen-elemen dari
input menjadi output
3. Output
: produk jadi atau hasil dari suatu proses di
sistem
4. 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)


Independent
Tidak membutuhkan input
Tidak menghasilkan output bagi lingkungan
luarnya
Black Box
Sistem Terbuka (Open system)
Menerima input
Memberikan output ke Lingkungan luar

Model yang digunakan


untuk DSS
Iconic

Replika sistem yang kecil

Analog
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
Analog
Tak 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)

Contoh-contoh dari komponen model quantitative:


Area

Decision Variables

Result Variables

Uncontrollable
Variables

Investasi

Alternatif

keuangan

investasi,

dan

jumlah Laba total, risiko, rate of Tingkat inflasi, ratalama return, pendapatan per rata persaingan

investasi,

kapan saham, tingkat likuiditas.

berinvestasi
Pemasaran

Anggaran

periklanan, Pangsa pasar, kepuasan Pendapatan

dimana beriklan

pelanggan

pelanggan,

tindakan

pesaing
Industri

Apa dan berapa banyak Biaya

Manufaktur

yang diproduksi, tingkat kualitas,


inventori,

total,

tingkat Kepastian

mesin,

kepuasan teknologi,

harga

program karyawan

bahan mentah

kompensasi

Akuntansi

Penggunaan

komputer, Biaya pemrosesan data, Teknologi

jadwal audit

tingkat kesalahan

pajak,

komputer,
persyaratan

umum
Transportasi

Jadwal pengiriman

Biaya transportasi total

Jarak

pengiriman,

regulasi
Jasa

Tingkat
staf

pengelolaan Kepuasan pelanggan

Permintaan
jasa/layanan

akan

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)

Skenario
Skenario 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 MSS
Membantu mengidentifikasi potensi kesempatan dan area masalah
Menyediakan fleksibelitas dalam perancangan
Mengidentifikasi petunjuk ujung perubahan dimana manajemen harus
mengawasi
Membantu validasi asumsi utama yang digunakan dalam model
Membantu mengecek sensitivitas dari solusi yang diusulkan untuk berubah
dalam skenario
Kemungkinan skenario
Skenario Kemungkinan terburuk (worst possible)
Skenario Kemungkinan terbaik (best possible)
Skenario Yang paling mungkin (most likely)

Fase-fase Pengambilan
Keputusan
3 Fase awal Simon:
Intelligence
Design
Choice
Kemudian dia menambahkan fase yang ke-4:
Implementation
Buku menambahkan fase ke-5:
Monitoring

Fase Pemikiran (Intelligence


Phase)
Mengamati lingkungan luar
Menganalisa tujuan organisasi
Mengumpulkan data
Mengidentifikasi masalah
Mengkategorikan masalah
Programmed dan non-programmed
Mendekomposisikan menjadi beberapa bagian kecil

Menentukan siapa yang bertanggung jawab

atas masalah tersebut.

M a s a la h

E le m e n -e le m e n s is te m k o n s e p tu a l

S ta n d a r

In f o r m a s i

K eadaan
yang
d iin g in k a n

K eadaan
s a a t in i

P em ecah
M a s a la h
( m a n a je r )

B e rb a g a i
S o lu s i
A l t e r n a t if
K e n d a la

S o lu s i

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 masalah
Mencoba untuk mengkasifikasikan masalah
menjadi katagori yang jelas. Pentingnya
klasifikasi untuk menentukan derajat struktur
masalah.
Dibedakan menjadi Masalah terprogram dan
tidak terprogram.
Dekomposisi masalah
Masalah yang besar bisa dipecah menjadi
masalah-masalah yang lebih kecil.
Kepemilikan masalah
Pada fase penelusuran ini, cukup penting
untuk menentukan kepemilikan suatu
masalah.

Fase Perancangan (Design


Phase)
Menentukan beberapa rencana alternatif
Menganalisa solusi-solusi yang potensial
Membuat model
Menguji kelayakan
Memvalidasi hasil
Memilih principle of choice
Menentukan tujuan
Memasukkannya kedalam model
Mengevaluasi 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 alternatif
Rationalization (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 Models
Menjelaskan bagaimana sesuatu akan

dipercaya
Biasanya, berbasis matematis
Menerapkan sekumpulan alternatif
Contoh:

Simulations (Simulasi)
What-if scenarios (Skenario What-if)
Cognitive map
Narratives (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 Pencarian
Fase 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.

yang

Analytical Techniques
Menggunakan formula matematika untuk mendapatkan solusi
optimal atau untuk memprediksi hasil yang pasti.
Algorithms
Digunakan untuk meningkatkan efisiensi dari pencarian.

S ta rt

Is im p ro v e m e n t
p o s s ib le in p ro p o s e d
s o lu tio n ?

N o

S o lu tio n is
o p tim a l

S to p
Im p r o v e s o lu tio n .
G e n e ra te a n e w
p ro p o s e d s o lu tio n

Yes

Blind Search
Complete enumeration : dimana semua alternatif dipertimbangkan dan
sehingga solusi optimal dapat ditemukan.
Incomplete / Partial search : dimana dikerjakan sampai solusi yang good
enough dapat ditemukan.
Heuristics
Adalah 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 Goals
Metode yang digunakan:
Use of utility theory
Goal Programming
Expression of goals as constraints, using linear programming
Using a point system
Kesulitan :
Kesulitan untuk mendapatkan tujuan organisasi secara explisit
Banyak partisipan menaksir prioritas dari sejumlah tujuan secara
berbeda
Pengambil keputusan mungkin merubah prioritas/kepentingan dari
suatu tujuan karena perbedaan situasi keputusan.
Tujuan dan sub-tujuan dipandang berbeda pada tingkat organisasi
Tujuan sendiri adalah dinamis dalam merespon perubahan dalam
organisasi
Relasi antara alternatif dan dampak pada tujuan sulit diukur
Masalah yang kompleks dipecahkan oleh kelompok pengambil
keputusan

Sensitivity Analysis
membantu 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 MSS
Memungkinkan 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 eksternal
Efek dari perbedaan interkasi antara variabel
Kekuatan keputusan dibawah perubahan kondisi
Dampak dari perubahan variabel tak terkontrol dan parameter pada variabel
hasil
Dampak dari perubahan variabel keputusan pada variabel hasil.
Digunakan untuk
Merevisi model untuk menghilangkan sensitivitas yang besar
Menambahkan detil tentang variabel sensitif atau skenario
Mendapatkan estimasi yang lebih baik dari variabel sensitif eksternal
Merubah sistem sesungguhnya untuk mengurangi sensitif nyata

Tipe dari sensitivity analysis


Automatic Sensitivity analysis: disediakan
dengan beberapa standar model quantitative
seperti linear programming.
Trial and Error
Dampak dari perubahan satu atau lebih variabel
dapat ditentukan dengan menggunakan pendekatan
Trial and Error.
What-If Analysis
Pembuat 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.
P e n e lu s u r a n

P e ra n c a n g a n

ANN
M IS
EDP
E IS
G DSS
M anagem ent
S c ie n c e
ANN

P e m ilih a n

Im p le m e n ta s i

GDSS

D SS
ES

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
Ikhtisar
Perbandingan

Prediksi

Konfirmasi

Penggunaan penemuan-masalah
Unjuk kerja sekarang diikhtisarkan oleh
ekspektasi yang disediakan oleh pengguna
laporan
Laporan mempunyai perbandingan secara
explisit
dengan
ekspektasi
unjuk
kerja
sekarang :
dengan
perencanaan,
Perbandingan
anggaran, atau standar
Perbandingan dengan kompetitor, ratarata industri, dan standar organisasi yang
lain
Laporan pengecualian
Prediksi unjuk kerja mendatang
Prediksi berdasarkan anggaran, model
perencanaan
Prediksi berdasarkan unjuk kerja sekarang
sampai akhir periode perencanaan
Data yang memungkinkan pengguna untuk
memvalidasi dan mengaudit laporan untuk
meyakinkan pengguna.

PROSES PEMODELAN

Pendekatan penyelesaian masalah


1. Trial-and-error
Pendekatan ini berdasarkan pelajaran dari pengalaman
Kesulitan / kelemahan
Banyak alternatif (trial) untuk experimen
Biaya membuat kesalahan besar
Lingkungan yang berubah
2. Simulasi
Memodelkan suatu masalah dan menjalankan segala kemungkinan dan
kondisi.
Masalah yang timbul adalah tidak ada garansi bahwa alternatif yang dipilih
merupakan pilihan yang terbaik.
3. Optimisasi
Optimisasi digunakan jika masalah atau kondisinya terstruktur.
4. Heuristik.

Developing Alternatives
Pembuatan alternatif
Mungkin saja otomatis atau manual
Mungkin terlalu banyak, sehingga terjadi
information overload
Skenario
Evaluate with heuristics
Hasil diukur dengan pencapaian tujuan

Masalah

Bila 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 terbatas
Dibatasi oleh prasangka dan perbedaan individu
Terlalu banyak pilihan

Decision-Making Choice
Phase
Pengambilan keputusan dengan komitmen
untuk melakukan tindakan
Menentukan rencana
Analytical techniques
Algorithms
Heuristics
Blind searches

Menganalisan kekuatan

Fase Implementasi (Implementation


Phase)
Melakukan solusi terpilih
Beberapa hambatan:
Berkenaan dengan penolakan untuk melakukan

perubahan
User training
Dukungan 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
Systems
Intelligence Phase
Automatic

Data Mining
Expert systems, CRM, neural networks

Manual

OLAP
KMS

Reporting

Rutin dan ad hoc (tidak terencana)

Data Mining
Data 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

OLAP
OLAP 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 roolup dan drill-down. Drill-down adalah kemampuan
untuk melihat detail dari suatu informasi dan rollup adalah kebalikannya.

Decision Support
Systems
Design Phase
Financial and forecasting models
Membuat alternatif dengan menggunakan

expert system
Identifikasi hubungan melalui OLAP dan data
mining
Mengingat kembali (Recognition) melalui KMS
Business process models dari CRM, RMS, ERP,
dan SCM

Decision Support
Systems
Choice Phase
Mengidentifikasi alternatif terbaik
Mengidentifikasi alternatif yang cukup baik
What-if analysis
Goal-seeking analysis
Mungkin saja menggunakan KMS, GSS, CRM,

ERP, dan SCM systems

Decision Support
Systems
Implementation Phase
Meningkatkan komunikasi
Kolaborasi
Training
Didukung oleh KMS, expert systems, GSS

Decision-Making In
Humans
Temperament
Hippocrates personality types
Myers-Briggs Type Indicator
Kiersey and Bates Types and Motivations
Birkmans True Colours

Gender

Decision-Making In
Humans
Cognitive styles
Apa yang menjadi dugaan orang?
Bagaimana semua itu diatur?
Subyektif

Decision styles
Bagaimana menurut orang lain?
Bagaimana mereka bereaksi?
Heuristic, analytical, autocratic, democratic,
consultative

Cognitive style Decision


Approaches

PENDAHULUAN
Komponen SPK yaitu:
.Dialog (D) antara user dan sistem
.Data (D) yang mendukung sistem
.Model (M) yang menyediakan kemampuan menganalisa.
Data Base

Model Base
Strategic
Models

Finance
Production

Transaction
Data

Marketing

Other
Internal Data

Tactical
Models
Documentbased Data

DBMS MBMS

Operational
Models

Personnel
Other

External
data

Dialog

Maker

Model-Building
Blocks and
Subroutines

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 DIALOG
Benett 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 Dialog
a. 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 Data
Konsep sumber data harus diperluas menjadi sumber
informasi.
Ada empat jenis informasi yang perlu dipertimbangkan.
Internal
Record
Based
Document
Based

External

Traditional
EDP / MIS

Public
Batabases

Word
Processing
Records
Management

Corporate
Library

Gambar 2. Empat Jenis Informasi

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 dokumen
Seperti 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 MODEL
Model-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 model
1.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

Model Base
Sebuah 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.
Tactical Model biasanya digunakan oleh
Strategic model digunakan
middle management untuk membantu
oleh
top
management
untuk
mengalokasikan
dan
mengawasi
menentukan
tujuan
organisasi,
sumber
daya
organisasi.
sumber daya yang dibutuhkan untuk
Penggunaannya termasuk perencanaan
mencapai
tujuan
tersebut
dan
keuangan,
perencanaan
kebutuhan
kebijakan untuk mengatur pembelian,
tenaga kerja, perencanaan promosi dan
penggunaan dan pengaturan sumber
penentuan layout pabrik. Model ini
daya,
penentuan
lokasi
pabrik,
biasanya hanya dapat diaplikasikan
perencanaan dampak lingkungan dan
pada bagian dari organisasi, mmisalnya
lain-lain. Model ini membutuhkan data
bagian
produksi.
Waktu
yang
yang eksternal dan subjektif. Waktu
dibutuhkan untuk pembuatan model
yang dibutuhkan untuk pembuatan
bervariasi antara satu bulan sampai
model biasanya tahunan, seperti
kurang dari dua tahun. Data yang
halnya tanggungjawab perencanaan
subjektif dan eksternal dibutuhkan, tapi
strategi top management. Model ini
kebutuhan
terbesar
adalah
data
biasanya berbentuk deterministik,
internal. Model ini cenderung berbentuk
deskriptif, dan custom-built
sesuai
deterministik, dan lebih menyediakan
dengan kepentingan organisasi yang
informasi yang optimal dan siap pakai.
bersangkutan.

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 model
Kesulitan dalam mengerti bagaimana cara menggunakan output
dari model
Kesulitan dalam menjaga model tetap up-to-date
Kekurangan kepercayaan didalam model oleh user, sehingga
model tidak dipercaya
Kurangnya integrasi diantara model-model
Tidak adanya interaksi antara model dan user
Sulit bagi user menciptakan modelnya sendiri
Model hanya memberikan sedikit penjelasan mengenai outputnya

Pendekatan SPK untuk Pemodelan


Pendekatan SPK untuk pemodelan mencoba untuk meminimasi
masalah-masalah dalam pemodelan tradisional dengan menekankan bahwa
sebuah sistem memenuhi persyaratan untuk mendukung proses pembuatan
keputusan.
Dialog
yang
dirancang
Database penting untuk
dengan baik memungkinkan user
menyelesaikan banyak masalah,
untuk mengembangkan model mereka,
karena menyediakan data yang
mengoperasikannya
dengan
baik,
diperlukan untuk membangun,
memeliharanya tetap up to date, dan
menggunakan, dan memelihara
menerapkan
hasilnya
untuk
model.
Output
dari
model
pengambilan keputusan.
ditempatkan dalam database,
sehingga membuat output dapat
di akses oleh model yang lain dan
Model-model dalam SPK akan
mengintegrasikan model-model.
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 AHP
AHP 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 Kinerja
Kaidah 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:

*) 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

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 Kasus
Goal : 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.

Contoh Kedua
Pada 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.

Sekian Dulu Materi SPK


Terima Kasih...Hehehe