POHON PENGAMBILAN KEPUTUSAN

OLEH
Kelompok 5

HENDRA (G2G121045)

ASWAD RUSALY (G2G121044)

PROGRAM PASCASARJANA
PENDIDIKAN ILMU PENGETAHUAN SOSIAL
UNIVERSITAS HALU OLEO
KENDARI
2022
 KATA PENGANTAR

Puji syukur kepada Allah Subhanahu wa ta’ala atas hidayah, nikmat serta
karunianya, penulis dapat menyelesaikan tugas makalah Strategi Pengambilan
Keputusanini. Penulisan makalah ini bertujuan untuk memenuhi salah satu tugas
yang diberikan oleh dosen pengampu mata kuliah Strategi Pengambilan
Keputusan.

Makalah ini ditulis berdasarkan sumber dari internet dan buku sebagai
referensi, tak lupa penyusun ucapkan terima kasih kepada dosen pengampu mata
kuliah Strategi Pengambilan Keputusan atas bimbingan dan arahan dalam
penulisan makalah ini.Juga kepada teman-teman mahasiswa yang telah
mendukung sehingga makalah ini dapat selesai.

Penulis berharap dengan membaca makalah ini dapat memberi manfaat

bagi kita semua, serta dapat menambah wawasan kita mengenai Perencanaan
dalam sebuah perusahaan. Memang makalah ini masih jauh dari sempurna, maka
penulis mengharapkan kritik dan saran dari pembaca demi perbaikan menuju arah
yang lebih baik.

Demikan makalah ini dibuat semoga dapat bermanfaat bagi penulis dan
yang membacanya, sehingga menambah wawasan dan pengetahuan tentang bab
ini. Aamiin.

                                                                                            Kendari, Mei 2022

                                                                                            Penulis
 DAFTAR ISI

JUDUL ..................................................................................................................  1
KATA PENGANTAR ..........................................................................................  2
DAFTAR ISI .........................................................................................................  3

BAB I PENDAHULUAN
1.1 Latar Belakang ................................................................................................. 4
1.2 Rumusan Masalah ............................................................................................ 4
1.3 Tujuan Penulisan............................................................................................... 5

BAB II PEMBAHASAN
2.1 Pengertian dan Langkah-Langkah dalam Analisis Keputusan ........................ 6
2.2 Pengertian Pohon Keputusan .............................................................,............. 7
2.3 Manfaat Pohon Keputusan ..................................................................,............ 7
2.4 Kelebihan Pohon Keputusan ............................................................................ 8
2.5 Kekurangan Pohon Keputusan ......................................................................... 8
2.6 Prosedur Pembentukan Pohon Keputusan........................................................ 9
2.7 Analisis Pohon Keputusan.............................................................................. 10

BAB III PENUTUP
3.1 Kesimpulan .................................................................................................... 13

DAFTAR
PUSTAKA ........................................................................................................... 14
 BAB 1
PENDAHULUAN

1.1  Latar Belakang
Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh
berbagai macam masalah dari berbagai macam bidang.Masalah-masalah ini yang
dihadapi oleh manusia tingkat kesulitan dan kompleksitasnya sangat bervariasi,
mulai dari yang teramat sederhana dengan sedikit faktor-faktor yang berkaitan
dengan masalah tersebut dan perlu diperhitungkan sampai dengan yang sangat
rumit dengan banyak sekali faktor-faktor turut serta berkaitan dengan masalah
tersebut dan perlu untuk diperhitungkan.
Untuk menghadapi masalah-masalah ini, manusia mulai mengembangkan
sebuah sistem yang dapat membantu manusia agar dapat dengan mudah mampu
untuk menyelesaikan masalah-masalah tersebut.Adapun pohon keputusan ini
adalah sebuah jawaban akan sebuah sistem yang manusia kembangkan untuk
membantu mencari dan membuat keputusan untuk masalah-masalah tersebut dan
dengan memperhitungkan berbagai macam factor yang ada di dalam lingkup
masalah tersebut.
Dengan pohon keputusan, manusia dapat dengan mudah melihat
mengidentifikasi dan melihat hubungan antara faktor-faktor yang mempengaruhi
suatu masalah dan dapat mencari penyelesaian terbaik dengan memperhitungkan
faktor-faktor tersebut.Pohon keputusan ini juga dapat menganalisa nilai resiko dan
nilai suatu informasi yang terdapat dalam suatu alternatif pemecahan
masalah.Peranan pohon keputusan ini sebagai alat Bantu dalam mengambil
keputusan (decision support tool) telah dikembangkan oleh manusia sejak
perkembangan teori pohon yang dilandaskan pada teori graf.Kegunaan pohon
keputusan yang sangat banyak ini membuatnya telah dimanfaatkan oleh manusia
dalam berbagai macam sistem pengambilan keputusan.

1.2 Rumusan Masalah

1.      Apa yang dimaksud dengan analisis keputusan?
2.      Bagaimana langkah-langkah dalam analisis keputusan?
3.      Apa yang dimaksud dengan pohon keputusan?
4.      Apa manfaat dari pohon keputusan?

1.3 Tujuan Penulisan

1.      Mahasiswa memahami apa itu analisis keputusan
2.      Mahasiswa mampu menjelaskan langkah-langkah dalam menganalisis
keputusan
3.      Mahasiswa memahami apa itu pohon keputusan
4.      Mahasiswa mengetahui manfaat dari pohon keputusan
 BAB II
PEMBAHASAN

2.1 Pengertian dan Langkah-Langkah dalam Analisis Keputusan

Analisis keputusan adalah pola berpikir sistematis dalam pengambilan
keputusan, yang bertujuan untuk mengidentifikasi apa yang harus dilakukan,
pengembangan kriteria khusus untuk mencapai tujuan,
mengevaluasi alternatif tindakan yang tersedia yang berhubungan dengan kriteria
dan mengidentifikasi kemungkinan resiko yang melekat pada suatu keputusan
tersebut.
Untuk mencapai beberapa sasaran antara seperti yang telah diuraikan
sebelumnya diperlukan adanya suatu keputusan tidakan yang akan dilakukan dari
beberapa alternatif.
Untuk itu, dilakukan analisis keputusan dengan mengikuti langkah-
langkah sebagai berikut :
> Merumuskan Pernyataan Keputusan
Tujuan merumuskan pernyataan keputusan adalah untuk memusatkan
perhatian pada tindakan yang terpilih dalam tahap pengidentifikasian alternatif
tindakan sebagai dasar untuk melaksanakan keputusan yang akan ditempuh dalam
usaha mengembangkan perusahaan.
> Menetapkan Kriteria Keputusan
Kriteria keputusan adalah kemampuan memberikan gambaran mengenai
suatu keadaan yang lebih terperinci tentang hasil keputusan yang diambil. Tujuan
penetapan kriteria adalah untuk menyaring sejumlah alternatif lain yang pada
akhirnya akan muncul satu alternatif terbaik.
 > Menetapkan Alternatif Keputusan
Alternatif keputusan adalah kemungkinan-kemungkinan pilihan bagi
pencapaian tujuan dari pernyataan keputusan. Dari berbagai alternatif, akan dipilih
yang terbaik berdasarkan kriteria-kriteria yang ada. Pertimbangan pokoknya
adalah mana yang paling memenuhi kriteria dan paling kecil resikonya bila
alternatif itu dijalankan.
> Menentukan Bobot Masing-Masing  Kriteria
Penentuan bobot berdasarkan besar-kecilnya pengaruh kriteria terhadap
alternatif keputusan.Semakin besar pengaruhnya maka bobotnya lebih besar dan
sebaliknya. Jumlah bobot untuk seluruh kriteria adalah satu (1)
> Membuat Matriks Penilaian
Matriks penilaian bertujuan untuk mengevaluasi alternatif-alternatif yang
paling baik yang dapat memenuhi sasaran.Dalam matriks ini digunakan sistem
pembobotan, dimana kriteria dan alternatif keputusan diberi bobot kemudian
diperkalikan.
> Menentukan Tindakan Terpilih
Hasil perkalian antara kriteria dan alternatif keputusan yang memiliki
bobot tertinggi merupakan alternatif prioritas.Alternatif yang menjadi prioritas
merupakan tindakan terpilih untuk mencapai sasaran utama.

2.2 Pengertian Pohon Keputusan

Pohon yang dalam analisis pemecahan masalah pengambilan keputusan
adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat
diambil dari masalah tersebut. Pohon tersebut juga memperlihatkan faktor-faktor
kemungkinan/probablitas yang akan mempengaruhi alternatif-alternatif keputusan
tersebut, disertai dengan estimasi hasil akhir yang akan didapat bila kita
mengambil alternatif keputusan tersebut.

2.3 Manfaat Pohon Keputusan

Pohon keputusan adalah salah satu metode klasifikasi yang paling populer
karena mudah untuk diinterpretasi oleh manusia.Pohon keputusan adalah model
prediksi menggunakan struktur pohon atau struktur berhirarki.Konsep dari pohon
keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan
keputusan.
Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya
untuk mem-break down proses pengambilan keputusan yang kompleks menjadi
lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi
 dari permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data,
menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan
sebuah variabel target. Pohon keputusan memadukan antara eksplorasi data dan
pemodelan, sehingga  sangat bagus sebagai langkah awal dalam proses pemodelan
bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain. Sering
terjadi tawar menawar antara keakuratan model dengan transparansi model.
Dalam beberapa aplikasi, akurasi dari sebuah klasifikasi atau prediksi adalah satu-
satunya hal yang ditonjolkan, misalnya sebuah perusahaan direct mail membuat
sebuah model yang akurat untuk memprediksi anggota mana yang berpotensi
untuk merespon permintaan, tanpa memperhatikan bagaimana atau mengapa
model tersebut bekerja.

2.4 Kelebihan Pohon Keputusan

Kelebihan dari metode pohon keputusan adalah:
  Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global,
dapat diubah menjadi lebih simpel dan spesifik.
  Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika
menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan
kriteria atau kelas tertentu.
  Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih
akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang
sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas
keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode
penghitungan satu tahap yang lebih konvensional
  Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat
banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi
dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode
pohon keputusan dapat menghindari munculnya permasalahan ini dengan
menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal
tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
 2.5 Kekurangan Pohon Keputusan
  Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya
sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu
pengambilan keputusan dan jumlah memori yang diperlukan.
  Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan
yang besar.
  Kesulitan dalam mendesain pohon keputusan yang optimal.
  Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat
tergantung pada bagaimana pohon tersebut didesain.

2.6 Prosedur Pembentukan Pohon Keputusan

Decision tree adalah sebuah struktur pohon, dimana setiap node pohon
merepresentasikan atribut yang telah diuji, setiap cabang merupakan suatu
pembagian hasil uji, dan node daun (leaf) merepresentasikan kelompok kelas
tertentu. Level node teratas dari sebuah decision tree adalah node akar (root) yang
biasanya berupa atribut yang paling memiliki pengaruh terbesar pada suatu kelas
tertentu. Pada umumnya decision tree melakukan strategi pencarian secara top-
down untuk solusinya. Pada proses mengklasifikasi data yang tidak diketahui,
nilai atribut akan diuji dengan cara melacak jalur
dari node akar (root) sampai node akhir (daun) dan kemudian akan diprediksi
kelas yang dimiliki oleh suatu data baru tertentu.
Sebuah model keputusan terdiri dari sekumpulan aturan untuk membagi
jumlah populasi yang heterogen menjadi lebih kecil, lebih  homogen dengan
memperhatikan pada variabel tujuannya. Sebuah model keputusan mungkin
dibangun dengan saksama secara manual atau dapat tumbuh secara otomatis
dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk
memodelkan himpunan data yang belum terklasifikasi (Kusrini, 2009).
Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon
keputusan lebih mengarah pada perhitungan probabilitas dari tiap-
tiap record terhadap kategori-kategori tersebut atau untuk
mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon
keputusan juga dapat digunakan untuk mengestimasi nilai dari
variabel continue meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini.
Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel
dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat
sebagai kriteria dalm pembentukan pohon keputusan. Misalkan untuk menentukan
main tenis, kriteria yang diperhatikan adalah cuaca, angin, dan temperatur. Salah
satu atribut merupakan atribut yang menyatakan data solusi per item data yang
disebut target atribut. Atribut memliki nilai-nilai yang dinamakan
dengan instance. Misalkan atribut cuaca mempunyai instance berupa cerah,
berawan dan hujan (Basuki dan Syarif, 2003). Proses pada pohon keputusan
adalah mengubah bentuk data (tabel) menjadi model pohon, mengubah model
pohon menjadi rule, dan menyederhanakan rule (Basuki dan Syarif, 2003).
Dalam membangun decision tree menggunakan algoritma ID3 atau C4.5,
yang diperkenalkan dan dikembangkan pertama kali oleh Ros Quinlan yang
merupakan singkatan dari Iteractive Dichotomiser 3 atau Induction of Decision 3. 
algoritma ID3 membentuk pohon keputusan dengan metode divide and
conquer data secara rekursif dari atas ke bawah.
 Strategi pembentukan decision tree dengan algoritma ID3  adalah:        

1. Pohon dimulai sebagai node tunggal (akar/root ) yang merepresentasikan

semua data.
2. Sesudah node root dibentuk, maka data pada node akar akan diukur
dengan information gain untuk dipilih atribut mana yang akan dijadikan
atribut pembaginya.
3. Sebuah cabang dibentuk dari atribut yang dipilih menjadi pembagi dan
data akan didistribusikan ke dalam cabang masing-masing.
4. Algoritma ini akan terus menggunakan proses yang sama atau bersifat
rekursif untuk dapat membentuk sebuah decision tree. ketika sebuah
atribut telah dipilih menjadi node pembagi atau cabang, maka atribut
tersebut tidak diikutkan lagi dalam penghitungan nilai information gain.
 5. Proses pembagian rekursif akan berhenti jika salah satu dari kondisi di
bawah ini terpenuhi:
1. Semua data dari anak cabang telah termasuk dalam kelas yang
sama.
2. Semua atribut telah dipakai, tetapi masih tersisa data dalam kelas
yang berbeda. Dalam kasus ini, diambil data yang mewakili kelas
terbanyak untuk dijadikan label kelas.
3. Tidak terdapat data pada anak cabang yang baru. Dalam kasus
ini, node daun akan dipilih pada cabang sebelumnya dan diambil
data yang mewakili kelas terbanyak untuk dijadikan label kelas.

2.7Analisis Pohon Keputusan

Pada saat membuat pohon keputusan, harus dipastikan bahwa semua
alternatif dan kondisi alami berada di kondisi yang benar dan logis, serta semua
alternatif yang mungkin dan kondisi alami telah disertakan. Notasi yang
disertakan adalah :
1.      Istilah :
  Alternatif : sebuah tindakan atau strategi yang dapat dipilih oleh seorang
pengambil keputusan
  Kondisi Alami : sebuah kejadian atau situasi dimana pengambil keputusan hanya
memiliki sedikit kendali, atau tidak sama sekali

2.      Simbol yang digunakan dalam pohon keputusan

  Kotak :  sebuah titik keputusan dimana terdapat satu alternatif atau lebih yang
dapat dipilih
  Lingkaran : Sebuah titik kondisi alami dimana kondisi alami mungkin dapat terjadi
Diagram pohon sering kali membantu dalam memahami dan
menyelesaikan persoalan probabilitas. Diagram pohon biasanya digambarkan
dalam lambang yang baku. Dimulai dengan sebuah nokhtah kemudian dibuat
 cabang-cabang sebanyak peristiwa yang mungkin dapat dihasilkan. Menganalisis
masalah dengan pohon keputusan mencakup 5 hal, yaitu
1)      Mendefinisikan Masalah
2)      Menggambar Pohon Keputusan
3)      Menentukan peluang untuk kondisi ilmiah
4)      Memperkirakan imbalan bagi setiap kombinasi alternatif keputusan dan kondisi
ilmiah yang mungkin
5)      Menyelesaikan masalah dengan menghitung EMV bagi setiap kondisi ilmiah,
ini dilakukan dengan menghitung dari belakang kedepan, yaitu dari sisi kanan
pohon ke sebelah kirinya.
EMV (Extected Monetary Value) adalah nilai harapan moneter yang
diharapkan dari sebuah veriabel yang memiliki beberapa kemungkinan kondisi
alamiah yang berbeda, masing masing dengan peluang tersendiri. Saat peluang
diketahui, nilai maximax dan maximin menyatakan skenario perencanaan kasus
terbaik dan kasus terburuk. EMV sebuah alternatif merupakan jumlah semua
keuntungan alternatif, yang masing masing memberikan bobot kemungkinan
terjadinya.
EMV (Alternatif) = (Hasil kondisi alamiah 1) x (Kemungkinan terjadi
kondisi alamiah 1) + (Hasil kondisi alamiah 2) x (Kemungkinan terjadi kondisi
alamiah 2) + …. + (Hasil kondisi alamiah terakhir) x (Kemungkinan terjadi
kondisi alamiah terakhir)
EMV = (probability X nilai payoff yang diharapkan)

CONTOH SOAL DAN PEMBAHASAN

1)      Suatu perusahaan akan memutuskan membeli bahan mentah sekarang atau

besok.  Masing-masing tindakan memberi hasil yang berbeda. Apabila membeli
sekarang, harga bahan per unit Rp. 14.000.  Apabila membeli besok ada dua
kemungkinan yang terjadi yaitu harga turun menjadi Rp. 10.000 atau naik menjadi
Rp. 20.000 dengan kemungkinan masing-masing 50 %.  Gambarkan pohon
keputusannya.
Penyelesaian :
Membuat pohon keputusan (horizontal)

Beli Sekarang          Rp. 14.000,-

Beli Besok Rp. 10.000,- atau Rp.20.000,- = 0,5

Simpul keputusan (decision node) Hasil (outcome) Cabang kejadian tak pasti

(even fork)
Pilih yang mana? Beli sekarang atau beli besok?
Menghitung EMV:
EMV (beli sekarang) = Rp. 14.000,-
EMV (beli besok)        = (probability X nilai payoff yang diharapkan)
                                     = (0,5 x Rp. 10.000,-) + (0,5 x Rp. 20.000,-)
                                     = Rp. 15.000,-

Jadi, perusahaan akan memutuskan untuk membeli bahan mentah sekarang

dengan biaya Rp. 14.000,-
 BAB III
PENUTUP

3.1 Kesimpulan
Kegunaan pohon keputusan yang dapat melihat berbagai macam
alternatif keputusan-keputusan yang dapat kita ambil serta mampu
memperhitungkan nilai-nilai dari faktor-faktor yang mempengaruhi alternatif-
alternatif keputusan tersebut adalah sangat penting dan berguna, karena membuat
kita dapat mengetahui alternatif mana yang paling menguntungkan untuk kita
ambil.
Pohon keputusan juga dapat dipergunakan untuk memperhitungkan dan
melakukan analisa terhadap resiko-resiko yang mungkin muncul dalam suatu
alternatif pemilihan keputusan. Selain itu, pohon keputusan juga dapat dipakai
untuk memperhitungkan berapa nilai suatu informasi tambahan yang mungkin
kita perlukan agar kita dapat lebih mampu dalam membuat suatu pilihan
keputusan dari suatu alternatif-alternatif keputusan yang ada.
Dengan melihat kegunaan pohon keputusan dan kemampuannya dalam
memperhitungkan berbagai alternatif pemecahan masalah termasuk faktor-faktor
yang mempengaruhinya serta nilai resiko dan nilai informasi dalam alternatif
keputusan itu, maka jelaslah bahwa pohon keputusan ini dapat menjadi alat bantu
yang sangat berguna dalam pengambilan keputusan.
 DAFTAR PUSTAKA

Kusrini, 2006, Sistem Pakar Teori dan Aplikasi, Penerbit Andi Offset,
Yogyakarta.
Santosa, Budi. 2007. Data Mining : Teknik Pemanfaatan Data untuk keperluan
Bisnis. Graha Ilmu. Yogyakarta.
Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. 2004.Introduction to Data
Mining.
Website WEKA. http://www.cs.waikato.ac.nz/ml/weka/.
Witten, Ian H. dan Eibe Frank. 2005. Data Mining: Practical machine learning
tools and techniques,2nd Edition. Morgan Kaufmann. San Francisco.