SISTEM PENUNJANG UNDHIRA 2020

KEPUTUSAN
MENGAPA MEMPELAJARI DSS
Memperluas kemampuan pengambil keputusan dalam memproses
data/informasi untuk pengambilan keputusan.
Menghasilkan solusi dengan lebih cepat dan hasilnya dapat diandalkan.
Mampu memberikan berbagai alternatif dalam pengambilan keputusan,
meskipun seandainya DSS tidak mampu memecahkan masalah yang dihadapi
oleh pengambil keputusan, namun dapat digunakan sebagai stimulan dalam
memahami persoalan.
Memperkuat keyakinan pengambil keputusan terhadap keputusan yang
diambilnya.
Memberikan keuntungan kompetitif bagi organisasi secara keseluruhan dengan
penghematan waktu, tenaga dan biaya seperti pada point sebelumnya.
DEFINISI DSS
Definisi Awal DSS (Efraim): Suatu sistem yang diperuntukan untuk
membantu pembuat keputusan dalam kondisi keputusan yang
“kurang terstruktur/semi terstruktur”.
  sistem pembuat keputusan manual untuk kondisi kurang tersturktur/semi
terstruktur
(Gorry & Scott-Morton's) : Sekumpulan model dari prosedur untuk
pemrosesan data dan penentuan (justifikasi) dalam membantu
manager untuk mengambil keputusan. Pencetus istilah DSS, yang
keduanya adalah profesor MIT.
  prosedur pemrosesan data dan justifikasi dalam bentuk model
(Sprague & Carlson) : Sistem yang berbasis komputer yang dapat
dipergunakan untuk membantu para pengambil keputusan untuk
memecahkan masalah-masalah rumit yang “mustahil” dilakukan
dengan kalkulasi manual melalui cara simulasi yang interaktif,
dimana data dan model analisis sebagai komponen utama.
  sistem berbasis komputer untuk pemecahan masalah/pendukung keputusan.
SEJARAH DSS
Sejarah munculnya DSS, berikut ini adalah kajian singkatnya :
 Tahun 1950. Teori Pengambilan Keputusan Organisasi dikembangkan di
Carnegie Institute of Technology.
 Tahun 1960. Implementasi DSS dalam bentuk sistem komputer interaktif
dilakukan di Massachusetts Institute of Technology.
 Tahun 1970. Konsep DSS menjadi area riset.
 Tahun 1980. Telah dikembangkan executive information systems (EIS), group
decision support systems (GDSS), dan organizational decision support systems
(ODSS) untuk single user berbasis model.
 Tahun 1990. Dikembangkan data warehousing dan on-line analytical
processing (OLAP).
 Tahun 2000. Dikembangkan aplikasi analitik berbasis web.
PERKEMBANGAN DSS
DSS yang berbasis tabel atau spreadsheets, karena para manajer sudah
terbiasa membaca data dengan cara tersebut.
Tabel inilah menjadi media manajer dalam mengganti atau merubah
variabel yang ada, hasilnya akan ditampilkan dalam format grafik.
Aplikasi DSS yang bekerja dalam infrastruktur jaringan (LAN, WAN,
Intranet, Internet. Sehingga dapat saling tukar data dan informasi untuk
keperluan pengambilan keputusan.
Bahkan sudah ada DSS yang diperlengkapi dengan expert system (dibuat
berdasarkan teori kecerdasan buatan = artifial intelligence), sehingga
keputusan bisnis secara langsung dapat dilakukan oleh komputer, tanpa
campur tangan manusia. Siapkah perusahaan anda mengimplementasikan
sistem ini?
SCOPE DSS
Input Output

(Data  Informasi  Pengetahuan)

Grafika Komputer (CG) : Informasi  Grafik/ Gambar

Computer Vision (CV) : Gambar  Informasi
Image Processing (IP) : Gambar  Gambar
Data Mining (DM) : Data (yang sudah terstandarisasi/ terstruktur dengan baik, mulai dari
atribut, isi data maupun kelasnya)  Informasi
Sistem Pakar (ES) : Informasi  Informasi (bersifat pasif, sistem hanya mampu berfikir sesuai
dengan pengetahuan dari pakar, yang digunakan untuk menggantikan keberadaan seorang
pakar).
DSS : Informasi + Semua Tipe Data  Grafik + Informasi (bersifat aktif, sistem mampu
berfikir out of the box, namun sebatas sebagai sistem pendukung keputusan saja dan tidak
meniadakan keputusan dari seorang pengambil keputusan/ manajer).
Artificial Intelligence (AI) : Merupakan otak dari semuanya.
DEFINISI KEPUTUSAN
Definisi:
Choice made between alternative courses of action in a situation of uncertainty. Although too
much uncertainty is undesirable, manageable uncertainty provides the freedom to make
creative decisions.
PENGAMBILAN KEPUTUSAN
• Teori :
Suatu kegiatan untuk memberikan pedoman kepada orang
atau organisasi dalam mengambil keputusan, sekaligus
memperbaiki proses pengambilan keputusan dalam kondisi
tidak pasti.
Kondisi :
Saat pimpinan mengambil keputusan dihadapkan dalam
beberapa kondisi yaitu :
 Kondisi Pasti
 (Decision Under Certainty)
 Kondisi Tidak Pasti
 (Decision Under Uncertainty)
 Kondisi Beresiko
 (Decision Under Risk)
PENGAMBILAN KEPUTUSAN
Kondisi Pengambilan Keputusan :
 Decision Under Certainty, Contoh :
 Seseorang akan memutuskan untuk membeli baju dengan: corak, ukuran, kualitas
dan harga yang telah diketahui.
 Seseorang manager keuangan akan mengambil keputusan meminjam modal,
informasi pendukung berupa: tingkat bunga dan persyaratan lain yang telah
ada/disediakan.

FAKTOR-FAKTOR YANG MEMPENGARUHI DIKETAHUI SECARA PASTI

(UKURAN/PARAMETER-NYA)
PENGAMBILAN KEPUTUSAN
Kondisi Pengambilan Keputusan :
 Decision Under Uncertainty, Contoh :
 Seorang manager keuangan merencanakan membeli saham. Dimana informasi
tentang saham dipengaruhi berbagai faktor yang sulit diramalkan, misalnya: kondisi
makro ekonomi, situasi politik (dll).
 Seorang manager pemasaran tidak mempunyai data pasti tentang strategi
pemasaran yang akan dilakukan perusahaan-perusahaan lawan.

FAKTOR-2 YANG MEMPENGARUHI TIDAK DIKETAHUI SECARA PASTI

(UKURAN/PARAMETER-NYA)
SOLUSI DECISION UNDER CERTAINTY

Biasanya Digunakan
Teori Kemungkinan

(Peluang dan Probabilitas)

PENGAMBILAN KEPUTUSAN
Kondisi Pengambilan Keputusan :
 Decision Under Risk, Contoh :
 Seorang Rektor harus mengambil keputusan dalam melakukan re-organisasi
unit Teknologi Informasi dan Komunikasi, hal ini memungkinkan berdampak
pada Sistem TIK akan ada gangguan jika tidak dilakukan, unit ini menjadi
Super Body.

SEMUA KEPUTUSAN MENGANDUNG RESIKO, BAIK DALAM KONDISI PASTI

ATAU TIDAK SEHINGGA KALKULASI MENJADI DASAR YANG PENTING
UNSUR-UNSUR PENGAMBILAN KEPUTUSAN

Terdapat 3 unsur dalam pengambilan keputusan baik

dalam kondisi pasti, tidak pasti dan beresiko (secara
umum) yaitu:
 Available Alternatives
 State Of Nature
 Hasil (payoff)
UNSUR-UNSUR PENGAMBILAN KEPUTUSAN

Available Alternatives :
 Pengambil kesimpulan dihadapkan atas beberapa alternatif pilihan.
 Keputusan diambil dengan memilih satu pilihan yang menguntungkan suatu
institusi atau organisasi.

State Of Nature :
 Unsur-unsur yang berada di luar kekuasaan sang pengambil keputusan.
Misalnya :
 Datangnya musim kemarau
 Peraturan Pemerintah
 Tingkah laku pesaing, dll.

Payoff
 Merupakan kombinasi antara alternatif-alternatif keputusan yang ada
dengan state of nature.
CONTOH KASUS
Available Alternatives :
 Pabrik mobil harus memutuskan apakah membeli pintu mobil
dari luar atau membuat sendiri.
State Of Nature :
 Manajemen tidak mengetahui kondisi yg pasti terkait dengan
volume penjualan akan naik atau turun

Target Keputusan :
 Keputusan yang diambil harus memberikan keuntungan yang
besar bagi pabrik.
CONTOH KASUS
Payoff :
 Kombinasi dari state of nature dan available alternatives.
 Misalnya diberikan kombinasi alternatif :
 Pilih membuat sendiri tetapi dengan asumsi terjelek permintaan menurun sehingga hasil yang
diterima (payoff) sebesar 10 M.
 Pilih membeli dari luar dengan asumsi terjelek permintaan naik sehingga hasil yang diterima
(payoff) sebesar 18 M.

(Silahkan dipilh sesuai dengan (perkembangan) kondisi)

UNSUR-UNSUR PENGAMBILAN KEPUTUSAN

Unsur Utama Pengambilan Keputusan Dalam Kondisi

Tidak Pasti
 Kalau sebelumnya telah dibahas unsur-unsur pengambilan
keputusan yang berlaku dengan kondisi umum maka selanjutnya
untuk kondisi yang tidak pasti.
 Unsur-unsur utama Pengambilan Keputusan Dalam Kondisi Tidak
Pasti :
 Event
 Action
 Outcome/Payoff
EVENT (1 OF 4)
Event : merupakan/adalah kejadian atau permasalahan yang harus
diselesaikan dengan cara strategis.
Kejadian atau permasalahan merupakan masukan bagi proses/aktivitas
dalam pengambilan keputusan.
EVENT (2 OF 4)
Permasalahan akan terjadi :
 Pada kondisi tidak pasti.

Misalnya terkait dengan permintaan ke depan

 Diluar kemampuan pengambil keputusan (state of nature).
 Dimana pengambil keputusan tidak menguasai permasalahan atau variabel-variabel state of
nature.
EVENT (3 OF 4)
Kejadian yang merupakan masukan berupa
permasalahan dapat dikategorikan menjadi 4 jenis.
Ke-4 jenis permasalahan tersebut adalah:
 Permasalahan Direktif
 Permasalahan Strategis
 Permasalahan Taktis
 Permasalahan Operasional
EVENT (4 OF 4)
Jenis Jangka Waktu Lingkungan Sifat
Direktif Panjang Dinamis dan Probabilistik Intuitif Arahan-arahan strategis
yang kadang-kadang
bersifat intuitif

Strategis Panjang Dinamis dan mempengaruhi faktor- Tidak bisa diprogram

faktor dengan kepastian yang sangat karena preferensi
rendah pengambil keputusan
perlu masuk secara utuh

Taktis Menengah Pendek Dinamis dan mempengaruhi faktor- Bisa dibuat program
faktor dengan asumsi kepastian yang dengan masukan
tinggi preferensi pengambil
keputusan

Operasional Pendek Dianggap statik dan tidak Bisa dibuat program

mempengaruhi faktor-faktor yang karena sifatnya berulang
ada.
ACTION
Action : merupakan/adalah suatu tindakan dalam
menyelesaikan suatu permasalahan dengan langkah-
langkah strategis tertentu.
Langkah-langkah strategis yang diambil merupakan
suatu proses pengambilan keputusan dari beberapa
alternatif langkah-langkah strategis (yang
ada/dimungkinkan) dalam penyelesaian masalah.
OUTCOMES/PAYOFF
Merupakan/adalah: Hasil dari suatu langkah
pengambilan keputusan dalam penyelesaian
permasalahan.
Hasil atau keluaran ini dapat berupa :
 Perhitungan keuntungan (Profit)
 Titik Impas (Break Event Point)
 Kerugian (Loss)
SKEMA
Skema Rangkaian Unsur Utama Pengambilan Keputusan
dalam Kondisi Tidak Pasti :

Upaya Menentukan
Permasalahan Analisis Pilhan
(Mengambil
Keputusan)
KESIMPULAN TEORI KEPUTUSAN
Setiap masalah harus dapat diselesaikan dengan
langkah strategis, sehingga diperoleh hasil yang
optimum.
Yaitu keuntungan yang maksimum atau kerugian yang
minimum.
CONTOH IMPLEMENTASI METODE DSS

26
 SIMPLE ADDITIVE WEIGHTING (SAW)
Metode Simple Additive Weighting (SAW) sering juga
dikenal istilah metode penjumlahan terbobot.
Konsep dasar metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut (Fishburn,
1967)(MacCrimmon, 1968).
Metode SAW membutuhkan proses normalisasi matriks
keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang
ada.
SIMPLE ADDITIVE WEIGHTING (SAW)
Formula untuk melakukan normalisasi tersebut adalah
sebagai berikut:

 x ij
 jika j adalah atribut keuntungan (benefit)
 Max x ij
 i
rij  
 Min x ij
 i jika j adalah atribut biaya (cost)
 x ij

dengan rij adalah rating kinerja ternormalisasi dari

alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.
SIMPLE ADDITIVE WEIGHTING (SAW)
Nilai preferensi untuk setiap alternatif (Vi) diberikan
sebagai:
n
Vi   w j rij
j1

Nilai Vi yang lebih besar mengindikasikan bahwa

alternatif Ai lebih terpilih.
 SIMPLE ADDITIVE WEIGHTING (SAW)
Contoh-1:
 Suatu institusi perguruan tinggi akan memilih seorang karyawannya
untuk dipromosikan sebagai kepala unit sistem informasi.
 Ada empat kriteria yang digunakan untuk melakukan penilaian,
yaitu:
 C1 = tes pengetahuan (wawasan) sistem informasi
 C2 = praktek instalasi jaringan
 C3 = tes kepribadian
 C4 = tes pengetahuan agama
 SIMPLE ADDITIVE WEIGHTING (SAW)
 Pengambil keputusan memberikan bobot untuk setiap kriteria
sebagai berikut: C1 = 35%; C2 = 25%; C3 = 25%; dan C4 =
15%.
 Ada enam orang karyawan yang menjadi kandidat (alternatif) untuk
dipromosikan sebagai kepala unit, yaitu:
 A1 = Indra,
 A2 = Roni,
 A3 = Putri,
 A4 = Dani,
 A5 = Ratna, dan
 A6 = Mira.
 SIMPLE ADDITIVE WEIGHTING (SAW)
 Tabel nilai alternatif di setiap kriteria:

Kriteria
Alternatif
C1 C2 C3 C4
Indra 70 50 80 60
Roni 50 60 82 70
Putri 85 55 80 75
Dani 82 70 65 85
Ratna 75 75 85 74
Mira 62 50 75 80
 SIMPLE ADDITIVE WEIGHTING (SAW)
 Normalisasi:
70 70
r11    0,82
max70;50;85;82;75;62 85
50 50
r21    0,59
max70;50;85;82;75;62 85
50 50
r12    0,67
max50;60;55;70;75;50 75
60 60
r22    0,80
max50;60;55;70;75;50 75
dst
 SIMPLE ADDITIVE WEIGHTING (SAW)
 Hasil normalisasi:

0,82 0,67 0,94 0,71

0,59 0,80 0,96 0,82

 1 0,73 0,94 0,88
R 
0,96 0,93 0,76 1 
0,88 1 1 0,87
 
0,73 0,67 0,88 0,94
SIMPLE ADDITIVE WEIGHTING (SAW)
 Proses perankingan dengan menggunakan bobot yang telah diberikan oleh pengambil
keputusan: w = [0,35 0,25 0,25 0,15]
 Hasil yang diperoleh adalah sebagai berikut:

V1  (0,35)(0,82)  (0,25)(0,67)  (0,25)(0,94)  (0,15)(0,71)  0,796

V 2  (0,35)(0,59)  (0,25)(0,80)  (0,25)(0,96)  (0,15)(0,82)  0,770
V 3  (0,35)(1,00)  (0,25)(0,73)  (0,25)(0,94)  (0,15)(0,88)  0,900
V 4  (0,35)(0,96)  (0,25)(0,93)  (0,25)(0,76)  (0,15)(1,00)  0,909
V 5  (0,35)(0,88)  (0,25)(1,00)  (0,25)(1,00)  (0,15)(0,87)  0,939
V 6  (0,35)(0,73)  (0,25)(0,67)  (0,25)(0,88)  (0,15)(0,94)  0,784
SIMPLE ADDITIVE WEIGHTING (SAW)
 Nilai terbesar ada pada V5 sehingga alternatif A5 adalah alternatif yang terpilih sebagai
alternatif terbaik.
 Dengan kata lain, Ratna akan terpilih sebagai kepala unit sistem informasi.
Selesai