MAKALAH

Metode Dalam Sistem Pendukung Keputusan

Disusun Oleh :
Nama : Revaniken Fanesa
No.Bp : 20101156110016

Dosen Pengampu :
LIKA JAFNIHIRDA, S.Pd, M.PdT

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

JURUSAN PENDIDIKAN TEKNIK INFORMATIKA
UNIVERSITAS PUTRA INDONESIA”YPTK”PADANG
2020/2021
 Kata Pengantar

Alhamdullilah, puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah memberi
rahmat, karunia, serta kasih sayang terbesar-Nya sehingga penulis dapat menyelesaikan makalah
dengan judul “Makalah Metode Dalam Sistem Pendukung Keputusan”.
            Makalah ini disusun bertujuan untuk memenuhi tugas mata kuliah Kecerdasan Buatan.
Selain itu sebagai upaya untuk meningkatkan kemampuan dan memotivasi mahasiswa dalam
menyusun karya tulis.
            Penulis menyadari bahwa masih terdapat banyak kekurangan dan keterbatasan dalam
penyusunan makalah ini. Oleh karena itu, penulis mengharapkan saran dan kritik dari pembaca
sekalian demi memperbaiki  makalah ini dalam penulisan lain di kemudian hari.
            Dan semoga makalah ini dapat mendatangkan manfaat bagi kita semua.Sekian dan
terimakasih.
 DAFTAR ISI
COVER ..........................................................................................................

KATA PENGANTAR.....................................................................................

DAFTAR ISI...................................................................................................

BAB I PENDAHULUAN..............................................................................

A. Latar Belakang......................................................................................

BAB II PEMBAHASAN.................................................................................

1. Metode AHP.........................................................................................
2. Metode Sistem Pakar............................................................................
3. Metode IRR...........................................................................................
4. Metode NPV.........................................................................................
5. Metode Regresi Linier...........................................................................

BAB III KESIMPULAN.................................................................................

 BAB I
PENDAHULUAN
A. Latar Belakang
Peran manajer dalam membuat banyak keputusan bertujuan untuk mengatasi masalah.
Penyelesaian masalah dicapai melalui empat tahapan dasar dan mempergunakan kerangka
berpikir seperti model sistem perusahaan yang umum dan model lingkungan. Dengan
mengikuti pendeketan sistem untuk menyelesaikan masalah, manajer melihat sistem secara
keseluruhan.

Keempat elemen dasar Proses pemecahan masalah tersebut terdiri atas: 

1)      standar,
2)      informasi,
3)      batasan, dan
4)      solusi alternatif. 

Jika ke-emapat proses ini diikuti, pemilihan alternatif yang terbaik tidak selalu dicapai
melalui analisis logis saja dan penting untuk membedakan antara permasalahan dan gejala.

Masalah memiliki struktur yang beragam dan keputusan untuk menyelesaikannya dapat
terprogram maupun tidak terprogram. Konsep sistem pendukung pengambilan keputusan
(decision support system-DSS) awalnya ditujukan pada masalah-masalah yang setengah
terstruktur. Output DSS yang pertama terdiri atas laporan dan output dari model matematika.
Kemudian, kapabilitas pemecahan masalah kelompok ditambahkan, diikuti dengan
kecerdasan buatan (artifical intellgence) dan pemrosesan analitis oniline (on-line analytical
processing-OLAP). 

Model matematika dapat diklasifikasikan dalam berbagai cara, dan penggunaannya

disebut simulasi. Lembar kerja elektronik (spreadsheet) merupakan alat yang baik untuk
membuat model matematika. Lembar kerja ini dapat digunakan baik untuk model statik dan
dinamik dan membuat manajer dapat memainkan permainan “bagaimana jika” (what-if-
game).
Kecerdasan buatan dapat menjadi salah satu komponen DSS. Dengan menambahkan basis
pengetahuan dan mesin inferensi, DSS dapat memberikan saran solusi masalah kepada
manajer.
Jika groupware ditambahkan ke DSS, maka DSS tersebut akan menjadi sistem pendukung
pengambilan keputusan kelompok (group decision support system-GDSS). GDSS dapat
diletakkan di beberapa tempat yang berbeda agar kondusif terhadap pemecahan masalah
kelompok.
 BAB II
PEMBAHASAN

1. Metode AHP

A. Pengertian Metode AHP

Analitycal Hierarchy Process (AHP) Adalah metode untuk memecahkan suatu
situasi yang komplek tidak terstruktur kedalam beberapa komponen dalam susunan yang
hirarki, dengan memberi nilai subjektif tentang pentingnya setiap variabel secara relatif,
dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi
hasil pada situasi tersebut.

B. Prinsip AHP
1. Decomposition yaitu membuat hirarki. Jadi sistem yang kompleks dipecah menjadi
sederhana.
2. Comparative judgment yaitu penilaian kriteria dan alternatif.
Kriteria dan alternatif sering ditunjukkan dengan matrik berpasangan. Menurut
Saaty (1988) digunakan skala perbandingan sebagai ukuran seperti pada skala di bawah
ini yang menyatakan intensitas kepentingan.
 sama penting (equal)
 lebih penting sedikit (slightly)
 lebih penting secara kuat (strongly)
 lebih penting secara sangat kuat (very strong)
 lebih penting secara ekstrim (extreme)
1. Synthesis of priority, menentukan priorotas dari elemen kriteria.
2. Hal ini sering kali dipadang sebagai bobot atau kontribusi terhadap tujuan
pengambilan kuputusan.
3. Logical Consistency.

Kelebihan AHP
Kelebihan AHP dibandingkan dengan lainnya adalah :
 Struktur yang berhirarki, sebagai konsekwensi dari kriteria yang dipilih, sampai pada
subkriteria yang paling dalam
 Memperhitungkan validitas sampai dengan batas toleransi inkosistensi berbagai
kriteria dan alternatif yang dipilih oleh para pengambil keputusan
 Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas
pengambilan keputusan.
Selain itu, AHP mempunyai kemampuan untuk memecahkan masalah yang multi
obyektif dan multi-kriteria yang berdasarkan pada perbandingan preferensi dari setiap
elemen dalam hirarki. Jadi, model ini merupakan suatu model pengambilan keputusan
yang komprehensif.
 Kekurangan AHP
 Metode AHP memiliki ketergantungan pada input utamanya
Input utama yang dimaksud adalah berupa persepsi atau penafsiran seorang ahli
sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model
menjadi tidak berarti jika ahli tersebut memberikan penilaian yang salah.
 Metode AHP ini hanya metode matematis
Tanpa ada pengujian secara statistik berdasarkan data historis permasalahan yang
telah terjadi sebelumnya, sehingga tidak ada batas kepercayaan dan informasi
pendukung yang kuat dari kebenaran model yang terbentuk.

2. Metode Sistem Pakar.

A. Pengertian Sistem Pakar

Pembahasan pertama berkaitan dengan apa itu sebenarnya expert system. Definisi
umum dari sistem pakar adalah suatu program komputer atau sistem informasi yang
mengandung beberapa pengetahuan dari satu atau lebih pakar manusia terkait suatu
bidang yang cenderung spesifik.
Pakar yang dimaksudkan merupakan seseorang yang memiliki keahlian khusus di
bidangnya masing – masing, contohnya dokter, psikolog, mekanik, dan lain sebagainya.
Perangkat lunak ini pertama kali dikembangkan oleh periset program kecerdasan buatan
(AI) sekitar tahun 1960-an dan 1970-an, serta baru diterapkan pada tahun 1980-an.

B. Tujuan Penggunaan Sistem Pakar

Sistem pakar memiliki kemampuan untuk merekomendasikan rangkaian tindakan
atau behaviour pengguna untuk dapat menjalankan sistem koreksi yang tepat dan akurat.
Dimana, sistem ini juga memanfaatkan kapabilitas proses penalaran untuk dapat
mencapai hasil simpulan berdasarkan data dan fakta yang ada. 
Berikut ini terdapat beberapa tujuan utama dari penggunaan sistem pakar menurut
Lestari, 2012.
1. Interpretasi
Expert system bertujuan untuk membuat sebuah kesimpulan atau deskripsi dari
sekumpulan data yang masih mentah (raw data). Pengambilan keputusan tersebut
berdasarkan hasil observasi, mulai dari analisis citra, pengenalan kata melalui ucapan,
interpretasi sinyal, dan lain sebagainya.
2. Prediksi
Mampu untuk memproyeksikan akibat dari situasi dan kondisi tertentu, contohnya
prediksi terkait data demografi, ekonomi, finance, dan lain – lain.
3. Diagnosis
Dapat menentukan penyebab terjadinya malfungsi di dalam situasi yang kompleks
berdasarkan gejala yang dapat teramati dengan diagnosis yang tepat.
4. Perancangan desain
Mampu menentukan dan membuat rancangan konfigurasi terkait komponen
sistem yang cocok dengan tujuan kinerja tertentu dengan memenuhi suatu kendala
tertentu. Contohnya adalah perancangan desain bangunan, lapangan, dan lainnya.
5. Perencanaan
Expert system juga bertujuan untuk merencanakan serangkaian tindakan yang
mendapat tujuan pada tahap kondisi awal tertentu.
6. Monitoring
Melaksanakan hasil pengamatan berdasarkan suatu kondisi yang diharapkan,
contoh dari proses implementasinya adalah computer aided monitoring system (CAMS).
7. Debugging
Mampu untuk menentukan serta menginterpretasikan berbagai cara untuk
mencegah terjadinya malfungsi atau kegagalan pada fitur tertentu.

8. Instruksi
Mempunyai kemampuan untuk mendeteksi tingkat defisiensi terhadap
pemahaman mengenai domain subjek.
9. Kontrol
Memiliki keahlian untuk mengatur pola tingkah laku suatu lingkungan
(environment) yang kompleks. Contohnya adalah kontrol terhadap interpretasi,
perbaikan, dan prediksi (forecast).

C. Struktur yang Digunakan pada Sistem Pakar

Di dalam pengembangan expert system, tersusun atas beberapa komponen atau
struktur pembentuk sebuah sistem informasi yang komprehensif. Berikut ini merupakan
beberapa bagian penyusun arsitektur dari sistem ini.
1. User Interface (Antarmuka Pengguna)
Antarmuka atau interface merupakan mekanisme yang digunakan sebagai sarana
untuk berkomunikasi dan berinteraksi dengan pengguna (user). Antarmuka akan
menerima informasi dari pengguna, dan akan mengubahnya ke dalam instruksi yang
dapat diterima oleh system.

2. Basis Pengetahuan
Basis pengetahuan mengandung pemahaman mengenai formulasi dan skema
penyelesaian masalah.
3. Knowledge Acquisition (Akuisisi Pengetahuan)
Knowledge acquisition adalah proses akumulasi, transformasi, dan transfer tiap
keahlian untuk dapat menyelesaikan permasalahan dari sumber pengetahuan, ke dalam
 suatu sistem komputer. Pada tahap ini, seorang engineer bertugas untuk menyerap segala
pengetahuan untuk dikirim ke dalam basis pengetahuan (insight).

4. Inference Engine (Mesin atau Motor Inferensi)

Pada komponen ini mengandung mekanisme penalaran dan pola pikir yang
dimanfaatkan oleh para pakar untuk dapat memecahkan suatu masalah dengan baik.
Mesin inferensi sendiri merupakan program komputer untuk memberikan metodologi
yang ada dalam workplace, dan nantinya akan diolah menjadi sebuah kesimpulan.
5. Workplace / Blackboard
Workplace merupakan area dari kumpulan memori kerja yang digunakan untuk
merekam setiap kejadian yang ada, termasuk pembuatan keputusan sementara.
6. Fasilitas Penjelasan
Fasilitas penjelasan termasuk ke dalam komponen tambahan untuk meningkatkan
penggunaan sistem pakar, serta melacak respon dan hasil penjelasan mengenai tingkah
laku pada expert system secara interaktif.

7. Perbaikan Pengetahuan
Pakar juga mempunyai kemampuan analisis yang baik untuk dapat meningkatkan
kinerjanya sedemikian rupa. Kemampuan tersebut terdiri atas, keahlian dalam
pembelajaran yang terkomputerisasi. Sehingga, program dapat membedakan antara
kesuksesan dengan kegagalan yang dialami, berdasarkan pengetahuan yang masih
relevan untuk diaplikasikan di masa mendatang.

Kelebihan Sistem Pakar

 Meningkatkan produktivitas kerja, yang mana dapat membantu dalam menyelesaikan
setiap pekerjaan dalam waktu yang lebih cepat.
 Mampu meningkatkan kualitas dari sisi pemberian nasihat yang lebih konsisten.
 Memiliki tingkat keandalan yang relatif tinggi, serta dapat bekerja secara real time.

Kekurangan Sistem Pakar

Kekurangan yang dimiliki oleh sistem pakar adalah sebagai berikut.
 Terdapat kendala dalam mendapatkan pengalaman atau insight baru dengan
menggunakan berbagai pendekatan yang dimiliki oleh beberapa pakar.
 Di dalam proses pembuatan pakar sendiri, memerlukan biaya yang besar dengan tetap
memperhatikan faktor kualitas dari pengetahuan yang dihasilkan.
 Hasil tingkat evaluasi dari expert system tidaklah bernilai kebenaran mutlak 100%,
namun masih memerlukan tahap pengujian secara berkala untuk dapat menghasilkan
kesimpulan terbaik.
3. Metode IRR

A. Pengertian Internal Rate Of Return

Internal rate of return adalah suatu indikator yang bisa bermanfaat untuk melihat tingkat
efisiensi dalam suatu investasi. Arti lain dari Internal rate of return adalah suatu tingkat
pengembalian tahunan yang akan selalu diharapkan dalam suatu investasi.

Contohnya bila investasi adalah sebesar Rp 1.000.000 dan memiliki Internal rate of

return sebesar 22%, maka tingkat perkembangannya adalah sebanyak 22%.
Semakin tinggi suatu persentase nilai Internal rate of return, maka akan semakin tinggi
juga tingkat investasi yang bisa ditanamkan. Agar bisa membandingkannya dengan
berbagai pilihan, maka investasi dengan nilai IRR yang terlalu tinggi bisa dianggap
menjadi yang terbaik.

Pada dasarnya, internal of return dan net present value memiliki cara perhitungan yang

hampir sama, kecuali bila nilai NPV memang ditetapkan dengan nol. Lantas, bagaimana
dengan cara menghitung Internal rate of return? Berikut ini adalah penjelasan
lengkapnya.

B. Fungsi Internal Rate of Return

Fungsi yang paling utama dari perhitungan Internal rate of return adalah agar bisa
mengukur suaru aset, apakah aset tersebut memang mengalami adanya peningkatan,
ataukah tidak. Selain itu, fungsi lainnya dari Internal rate of return adalah sebagai
berikut:

 Internal rate of return memiliki fungsi sebagai sumber acuan seseorang saat

ingin menyimpan uang ataupun membuka suatu deposito bank
 Internal rate of return berguna untuk membantu memberikan suatu
perbandingan pada tingkat laju pengembalian dalam hal menentukan bentuk
investasi yang diperkirakan akan lebih mampu memberikan keuntungan.
 Internal rate of return juga berguna untuk menilai laju pengembalian setelah
sebelumnya dikenakan pajak, sehingga para investor di dalamnya akan
mengetahui tingkat pengembalian dana yang lebih tinggi walaupun dikenakan
pajak.

Selain itu, manfaat lainnya dari perhitungan Internal rate of return adalah agar bisa
mengetahui tingkat laju pengembalian investasi, sehingga setiap kegiatan
operasional dalam bentuk apapun bisa dievaluasi tingkatan pada laju pengembalian
dengan lebih akurat.

Kelebihan
Kelebihan dari Internal rate of return (IRR)  adalah tidak melakukan
pertimbangan atas time value of money. Untuk itu, dalam hal ini perhitungan bisa
 dilakukan secara lebih tepat dan juga lebih realistis bila dibandingkan dengan
menggunakan perhitungan accounting rate of return.
Kekurangan
Kekurangan dari Internal rate of return adalah memerlukan waktu yang lebih
lama untuk menghitungnya. Termasuk dalam menghitung arus kas yang tidak bisa
terdistribusi secara merata.

4. Metode NPV

A. Pengertian Metode NPV

NPV merupakan selisih antara pengeluaran dan pemasukan yang telah didiskon
dengan menggunakan social opportunity cost of capital sebagai diskon faktor, atau
dengan kata lain merupakan arus kas yang diperkirakan pada masa yang akan
datang yang didiskontokan pada saat ini.Untuk menghitung NPV diperlukan data
tentang perkiraan biaya investasi, biaya operasi, dan pemeliharaan serta perkiraan
manfaat/benefit dari proyek yang direncanakan.

B. Penjelasan NPV
NPV adalah penilaian keuangan bersih yang ada di perusahaan
setelahdikurangi oleh biaya lainnya
sehingga nilai pertambahan atau kekurangan uang perusahaan yang ada ini
dapat dijadikan acuan untuk menilai layak tidaknya keuangan perusahaan.
Dengan kata lain, penilaian yang dilakukan untuk NPV ini
bersifat aliran kas keuangan yang bersih.

Kegiatan perhitungan NPV di suatu perusahaan perlu dilakukan oleh tenaga

keuangan perusahaan yang berkompeten di dalamnya. Hal ini dikarenakan
kesalahan hitung nilai yang ada dapat mempengaruhi tingkat besat kecilnya
pendapatan laba yang ada di perusahaan. NPV dapat dihubungkan dengan
dana perusahaan yang mengalami penjumlahan ketika dana yang ada sudah
tidak bercampur dengan dana investasi. Hal ini dapat dikaitkan dengan total
modal bersih yang didapatkan oleh perusahaan dengan ditambahkan laba yang
bersih.

Oleh karena itu, NPV diartikan sebagai analisa keuangan yang digunakan
untuk menentukan layak tidaknya usaha yang dilakukan oleh perusahaan
dilihat melalui nilai sekarang dari arus kas bersih yang akan diterima oleh
perusahaan yang bersangkutan dibandingkan dengan nilai sekarang dari modal
investasi yang dikeluarkan perusahaan. Inilah analisa keuangan perusahaan
yang dikaji menurut pengeluaran investasi yang dilakukan oleh perusahaan.

Rumus yang digunakan

Arus kas masuk dan keluar yang didiskontokan pada saat ini (present value (PV)).
yang dijumlahkan selama masa hidup dari proyek tersebut dihitung dengan rumus:
 Dimana :
t - waktu arus kas
i – adalah suku bunga diskonto yang digunakan
Rt - arus kas bersih (the net cash flow) dalam waktu 

5. Metode Regresi Linier

6. Pengertian Sistem Regresi Linier

Dalam statistik, regresi linear merupakan pendekatan untuk memodelkan
hubungan antara suatu (satu atau lebih) variabel dependen dengan satu (regresi linear
sederhana) atau lebih variabel independen (regresi linier banyak).

7. Tujuan Penggunaan Sistem Regresi Linier

Mengetahui seberapa besar pengaruh beberapa variabel bebas terhadap variabel
tidak bebas dan juga dapat meramalkan nilai variabel tidak bebas apabila seluruh variabel
bebas sudah diketahui nilainya.

Kelebihan Regresi Linier

melakukan generalisasi dan ekstraksi dari pola data tertentu, mampu mengakuisisi
pengetahuan walau tidak ada kepastian, dan mampu melakukan perhitungan secara
paralel sehingga proses lebih singkat.

Kekurangan Regresi Linier

Data-data yang diukur harus linear untuk memperoleh hasil yang baik. Regresi linier sederhana
adalah perkiraan kuadrat terkecil dari model regresi linier dengan variabel prediksi tungg
 BAB III
KESIMPULAN
Peran manajer dalam membuat banyak keputusan bertujuan untuk mengatasi masalah.
Penyelesaian masalah dicapai melalui empat tahapan dasar dan mempergunakan kerangka
berpikir seperti model sistem perusahaan yang umum dan model lingkungan, Dan solusi
alternatif. Masalah memiliki struktur yang beragam dan keputusan untuk menyelesaikannya
dapat terprogram maupun tidak terprogram. Lembar kerja elektronik (spreadsheet) merupakan
alat yang baik untuk membuat model matematika. Kecerdasan buatan dapat menjadi salah satu
komponen DSS. Dengan menambahkan basis pengetahuan dan mesin inferensi, DSS dapat
memberikan saran solusi masalah kepada manajer. Jika groupware ditambahkan ke DSS, maka
DSS tersebut akan menjadi sistem pendukung pengambilan keputusan kelompok (group decision
support system-GDSS). GDSS dapat diletakkan di beberapa tempat yang berbeda agar kondusif
terhadap pemecahan masalah kelompok.