Fase Desain:
Validasi Formulasi Model
Model Menentukan kriteria untuk
pilihan
Mencari alternatif
Sukses Memperkirakan dan,
mengukur outcomes
Verifikasi, testing Fase Pemilihan:
Solusi yg ditawarkan Solusi ke model
Analisis sensitifitas
Seleksi alternatif terbaik
Perencanan untuk implementasi
Desain sebuah sistem
pengendalian
Implementasi Solusi
GAGAL
Fase Kecerdasan
• Fase ini dimulai dengan identifikasi tujuan
dan maksud dari organisasi.
• Selanjutnya problem akan muncul yang
kemudian diklasifikasikan. Problem yang
kompleks bisa didetailkan (decompose)
menjadi sub problem.
• Akhir dari fase ini menghasilkan
pernyataan “problem”.
Fase Desain
• Fase ini meliputi: analisis, perancangan
serta pengujian terhadap solusi-solusi
yang layak/ memungkinkan.
• Pada fase ini pemodelan kondisi problem
meliputi: konstruksi, pengujian dan
validasi.
• Jenis pemodelan meliputi pemodelan
kualitatif dan kuantitatif (pemodelan
matematis).
Fase Desain
• Topik-topik Pemodelan Kualitatif meliputi:
– Komponen-komponen model.
– Struktur Model.
– Seleksi Kriteria untuk Evaluasi.
– Pengembangan Alternatif.
– Peramalan Outcomes.
– Pengukuran Outcomes.
– Skenario.
• Komponen-komponen Model Kuantitatif:
– Variabel Keputusan.
– Variabel Tak Terkendali.
– Variabel Hasil (Outcomes).
Fase Desain
• Ke-3 variabel dikoneksikan dengan
hubungan matematis. Jika bukan model
kualitatif maka berupa simbolik.
Variabel
Tak Terkendali
Variabel Relationship
Keputusan (hubungan)
Variabel
Hasil
Basis
Pengetahuan
Manager
(User)
Penjelasan Sub Sistem (1 of 3)
• Managemen Data meliputi:
– Basis data DSS
– Sistem Managemen Basis data
– Direktori Data
– Fasilitas Query
• Managemen Model meliputi:
– Basis Model
– Sistem Managemen Basis Model
– Direktori Model
– Eksekusi Model, Integrasi & Command
• Managemen Pengetahuan meliputi:
– Perlu adanya Sistem Pakar dengan melibatkan Pakar pada
bidang tertentu.
– Sistem Pakar dikembangkan berdasarkan Basis Pengetahuan.
Penjelasan Sub Sistem (2 of 3)
• Antarmuka meliputi:
– Antarmuka pengguna yang disebut sebagai user interface
merupakan sarana komunikasi antara user dengan DSS.
– Antarmuka memegang peranan penting user sebagai pengguna
ataupun manager terkait penggunaan perangkat lunak dan hasil
tampilan dari perangkat lunak.
• Pengguna meliputi:
– DSS didesain sesuai dengan keperluan pengguna dan peran
pengguna sebagai:
• Pengguna Akhir
• Manager
• Pembuat Keputusan
– Klasifikasi kelas pengguna DSS secara umum meliputi:
• Kelompok Spesialis (Bidang/Unit/Pengetahuan tertentu)
• Manager
Penjelasan Sub Sistem (3 of 3)
• Pengguna meliputi:
– Tim spesialis ini yang akan menghubungkan antara managemen
dengan DSS.
– Tim spesialis seperti: Analis Keuangan, Perencana Produksi dan
peneliti pemasaran.
– Contoh kasus :
• Tim Spesialis (Staf Ahli dibantu oleh Kepala Bagian).
• Tim Teknis yang menjembatani implementasi Tim Spesialis
dengan DSS dimana Tim Spesialis juga merepresentasikan
Tim Pembantu Managemen.
Perangkat Lunak & Keras DSS
• Jaringan Komputer
• Mainframe, Workstation & PC
• DSS Terdistribusi
Pengantar Antarmuka
• Antarmuka Pengguna merupakan bagian dari
HCI (Human Computer Interaction). HCI
mempelajari tentang cara dan dampak antara
Teknologi Komputer dan Pengguna.
• Media input seperti: mouse, microphone,
keyboard. Media output seperti : printer, Monitor,
Speaker, LCD Projektor.
• Data yang ditampilkan lewat “layar monitor”
menyajikan sebuah interaksi dan aksi dari
pengguna (dengan asumsi user memahami isi
dari tampilan tersebut).
Siklus Antarmuka Pengguna
TASK
KNOWLEDGE
Presentation Generate
Interpret the Display
the Display Language
Process Application
the Content Processing
Report
Model Base
&
Manajemen
Database Model Kuantitatif
& Computer
& Graphics
Manajemen Building Block
Electronic
Spreadsheet &
Generator Lainnya
Software Pendukung
Manajemen Lainnya
User
GUI
• GUI adalah sistem antarmuka yang dipakai
pengguna untuk mengendalikan secara
langsung obyek seperti: icon dan beberapa aksi
“command syntax”.
• Komponen Utama GUI :
– Windows
Area operasi pengguna, dimana pengguna dapat
berpindah antar window.
– Icons
Gambar kecil yang merepresentasikan sebuah
window.
Visualisasi Window & Icon
Win XP Win 7
Win 8 Mac OS X
Multimedia & Hypermedia
• Antarmuka Pengguna (AP) dapat diperkaya dengan
menggunakan multimedia. Multimedia dapat digunakan
sebagai bagian dari pemrosesan informasi dan membuat
keputusan.
• Multimedia merupakan sekumpulan media yang
digunakan untuk mendukung pengguna dalam
berinteraksi dengan komputer dan aplikasinya.
• Komponen Multimedia :
– Computer : CRT & Terminal, CD-ROM, Scanner Etc.
– Motion Image : Video disk, Animation, Tele/ Video Conference
Etc.
– Projector : Slide.
– Graphics Material : Gambar, Citra.
– Audio : Tape, Microphone, Music.
– Text.
Hypermedia
• Terminologi ini digunakan mendeskripsikan
dokumen yang berisi beberapa tipe media,
seperti : text, grafik, audio, dan video yang
mengijinkan untuk dilakukan “linkage”.
• Tipe Hypermedia :
– Presentation (Pengetahuan & Data).
– Generator/pembangkit (Menyimpan proses yang
berjalan).
Tipe-Tipe Tampilan Gratis
• Text
• Time Series Chart
• Bar & Pie Chart
• Scatter Diagram
• Maps
• Etc
Contoh Tampilan Gratis
Contoh Tampilan Gratis
Simple Additive Weighting (SAW)
• Prinsip Dasar SAW (Fishburn, 1967) & (MacCrimmon, 1968) :
o Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating
kinerja ternormalisasi (R) pada setiap alternatif pada semua bobot atribut (W).
o Metode SAW membutuhkan proses normalisasi matriks ke suatu skala yang
dapat diperbandingkan dengan semua rating alternatif yang ada.
• Rumus Umum :
o Nilai Rating Ternormalisasi (Rij) :
X ij
Max X : , j
jika j adalah atribut keuntungan (benefit)
Min X : , j
R ij
jika j adalah atribut biaya (cost)
X ij
dimana Rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj,
i=1,2,...,m dan j=1,2,...,n.
o Nilai Preferensi untuk setiap alternatif (Vi) :
n
Vi WjR ij
j1
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Simple Additive Weighting (SAW)
• Langkah Penyelesaian menggunakan metode SAW :
o Menentukan Kriteria/Variabel/Atribut yang akan dijadikan
acuan dalam pengambilan keputusan (Ci).
o Menentukan Nilai Rating kecocokan setiap alternatif pada
setiap kriteria sesuai dengan skala yang ditentukan.
o Membuat matriks keputusan berdasarkan kriteria, kemudian
melakukan Normalisasi Matriks berdasarkan persamaan yang
disesuaikan dengan jenis atribut (atribut keuntungan/benefit
ataupun atribut biaya/cost) sehingga diperoleh matriks
ternormalisasi (Rij).
o Hasil akhir diperoleh dari proses Perankingan Nilai Preferensi
(Vi) yaitu Penjumlahan dari Perkalian Matriks Ternormalisasi
(Rij) dengan Vektor Bobot (Wj) sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai
solusi.
Contoh Case Study
• Pengambilan Keputusan Penentuan Prioritas SPP Proporsional :
– Tujuan/ Goal : Penentuan Prioritas SPP Proporsional.
– Variabel :
• Penentuan Bobot Fuzzy :
1. Sangat Rendah (SR) =0
2. Rendah (R) = 0,25
3. Cukup (C) = 0,5
4. Tinggi (T) = 0,75
5. Sangat Tinggi (ST) =1
• Penentuan Bobot Variabel :
Variabel Bobot Nilai Bobot (W)
1. Jabatan Orang tua Sangat Tinggi 1
2. Penghasilan Orang tua Tinggi 0,75
3. PBB Cukup 0,5
4. Listrik Tinggi 0,75
5. Telepon Rendah 0,25
6. PDAM Cukup 0,5
7. Jumlah Tanggungan Orang tua Tinggi 0,75
8. Jumlah Saudara Kandung Tinggi 0,75
1.6
1.7
Contoh Case Study
• Penentuan Bobot Kriteria :
– Kriteria Jabatan (C1) :
Benefit Gol. Keterangan
Min x : , j
Mhs 3 1,000 1,000 1,000 1,000 1,000 1,000 0,000 0,000 R ij
Mhs 4 0,727 0,500 1,000 0,500 0,667 0,667 0,250 0,500
jika j (cost)
x ij
x11 0,25 0,25
R11 0,455
Max x(:,1) Max 0,25 : 0,1 : 0,55 : 0,4 0,55
Mhs 2 2,703 1* 0,455 0,75 * 0,333 0,5 * 0,667 0,75 * 0,333 0,25 * 0,5 0,5 * 0,5
Mhs 3 3,750 0,75 * 0,5 0,75 *1 2,788
Mhs 4 3,040
Contoh Case Study
• Nilai Preferensi (Vi) :
n
Vi WjR ij C1
1
C2
0,75
C3
0,5
C4
0,75
C5
0,25
C6
0,5
C7
0,75
C8
0,75
Nilai Bobot (W)
j1
8
Vi V1 WjR1j W1R11 W2 R12 W3R13 W4 R14 W5 R15 W6 R16 W7 R17 W8 R18
Mhs 1 2,788 j1
Mhs 2 2,703 1* 0,455 0,75 * 0,333 0,5 * 0,667 0,75 * 0,333 0,25 * 0,5 0,5 * 0,5
Mhs 3 3,750 0,75 * 0,5 0,75 *1 2,788
Mhs 4 3,040
Karena ada 3 jenis Prioritas SPP, yaitu (40% pertama, 30% kedua, 30% ketiga). Maka,
o Untuk 40% Pertama (SPP Tipe 1) : Rp 700.000,-
40
nTipe 1 x 4 1,6 2 Mahasiswa pertama, yaitu Mhs 3 dan Mhs 4
100
o Untuk 30% Kedua (SPP Tipe 2) : Rp 1.500.000,-
30
nTipe 2 x 4 1,2 1Mahasiswa kedua, yaitu Mhs 1
100
o Untuk 30% Ketiga (SPP Tipe 3) : Rp 3.500.000,-
30
nTipe 3 x 4 1,2 1Mahasiswa ketiga, yaitu Mhs 2
100
Latihan Individu 1
• Berdasarkan Case Study sebelumnya, jika ditambahkan lagi
seorang mahasiwa yaitu ”Mhs 5” dengan spesifikasi berikut :
Matrik Nilai Kriteria
Ci Mhs 1 Mhs 2 Mhs 3 Mhs 4 Mhs 5
C1 Gol. 2 Gol. 1 Gol. 4 Gol. 3 Gol. 6
C2 8.000.000 12.000.000 1.000.000 5.000.000 5.400.000
C3 250.000 300.000 130.000 150.000 500.000
C4 200.000 350.000 50.000 100.000 450.000
C5 250.000 400.000 70.000 150.000 50.000
C6 300.000 380.000 100.000 200.000 150.000
C7 3 5 1 2 4
C8 3 3 1 2 4
C1 C2 C3
Nilai Bobot (W) 1 1 1
3. Menghitung vektor Si, dimana setiap data (Xij) akan dikalikan tetapi
sebelumnya dilakukan pemangkatan dengan bobot dari kriterianya.
n
Si , dengan i 1,2,.., m W
n kWj
j1 Xij dimana j 1 , k=1
j1
untuk atribut keuntungan, k=-1 untuk atribut biaya.
Weighted Product (WP)
• Langkah – langkah menggunakan metode WP :
2. Membuat tabel bobot kriteria yang akan dipilih.
Kriteria
Alternatif Misal :
C1 C2 .. Cn
C1 = Harga
Item 1 X11 .. .. .X1n
C2 = Diskon, etc
Item 2 .. .. .. ..
.. .. .. .. ..
m mewakili banyak Item.
Item m Xm1 .. .. Xmn
3. Menghitung vektor Si, dimana setiap data (Xij) akan dikalikan tetapi
sebelumnya dilakukan pemangkatan dengan bobot dari kriterianya.
n
Si dimana Wj 1 , k=1
, dengan i 1,2,.., m
n kWj
j1 Xij
j1
untuk atribut keuntungan, k=-1 untuk atribut biaya.
4. Menghitung vektor Vi kemudian memilih nilai tertinggi sebagai alternatif
terbaik dalam pengambilan keputusan.
Si
Vi m
, dengan i 1,2,.., m
S
j1
i
Case Study
• Metode Weighted Product (WP) :
– Langkah 1 : Menentukan tingkat prioritas bobot setiap kriteria dan
diasumsikan user akan membeli smartphone dengan operating system
Android dari Samsung atau Windows Phone dari Nokia yang
mempunyai tingkat prioritas bobot yaitu; Harga = 25, Web Akses = 20,
Prosesor = 15, Bobot = 10, Ukuran Layar = 5, RAM = 10, Resolusi
Kamera = 15, Memori = 25. Sehingga didapatkan Wj sebagai berikut :
Case Study
• Metode Weighted Product (WP) :
– Langkah 2 : Membuat tabel bobot kriteria produk smartphone yang akan
dipilih.
Kriteria
Alternatif Hp (Ai)
C1 C2 C3 C4 C5 C6 C7 C8
Nokia 1 2100000 7200 800 150 3,5 256 3 6
Nokia 2 2000000 7200 600 155 3,7 512 5 4
Samsung 3 2450000 7200 1000 140 3,7 256 3 6
Samsung 4 2500000 7200 1200 140 4 256 5 4
Samsung 5 2600000 7200 1200 135 3,7 512 5 4
– Keterangan :
C1 = Harga Smartphone C5 = Ukuran Layar Smartphone
C2 = Web Akses Smartphone C6 = RAM Smartphone
C3 = Kecepatan Prosesor Smartphone C7 = Resolusi Kamera Smartphone
C4 = Bobot Smartphone C8 = Memori Smartphone
Case Study
• Metode Weighted Product (WP) :
– Langkah 3 : Menghitung vektor Si, dimana data yang ada akan dikalikan
tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masing-
masing kriteria.