Anda di halaman 1dari 48

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN:

Pemodelan Keputusan, DSS dan GDSS

Marimin Karsodimejo

marimin_07@yahoo.com

1
• System Definition

Element (E1) E2
Goal

E3
Sub
Goal

E4 E5

• System Phylosophy
- Goal Oriented (Cybernetic)  C  S
- Holistic Not Partial  H
- Effectiveness Not Efficiency  E

2
TEKNIK PENGAMBILAN KEPUTUSAN

Fungsi Manajemen Hirarki Sifat


• Perencanaan
Top • Directif
• “Staffing” Level
• Strategis
• Pengorganisasian Up Medium
Low • Taktis
• Pelaksanaan
• Operasional
• Monitoring Lower
• Evaluasi

 Cara
1. Dengan Intuisi
2. Dengan Analisa Keputusan

3
Tabel: Permasalahan manajemen

Jangka Lingkungan Sifat

Direktif Panjang Dinamis dan probalistik Arahan-arahan strategis


intuitif yang kadang bersifat
intuitif
Strategis Panjang Dinamis dan mempengaruhi Tidak bisa diprogram
faktor-faktor dengan karena preferensi
kepastian yang sangat pengambil keputusan perlu
rendah masuk secara utuh

Taktis Menengah- Dinamis dan mempengaruhi Bisa dibuat program


pendek faktor-faktor dengan asumsi dengan masukan
kepastian yang tinggi preferensi pengambil
keputusan
Operasional Pendek Dianggap statik dan tidak Bisa dibuat program
mempengaruhi faktor-faktor karena sifatnya berulang

4
LINGKUNGAN
Kecerdasan
• Tidak Pasti • Pilihan
• Kompleks Intuisi Keputusan Hasil
Persepsi • Informasi
• Dinamis Logika tidak
• Persaingan dapat diperiksa
• Preferensi
• Falsafah
Terbatas

Bingung Berfikir Rasa tidak Bertindak Puji Senang


cemas Enak Cela Sedih

REAKSI

Gambar : Pengambilan Keputusan dengan Intuisi


5
ANALISA KEPUTUSAN
(Normatif)
LINGKUNGAN
Kecerdasan • Alternatif2
• Tidak Pasti • Pilihan
• Kompleks
Persepsi • Penetapan
• Dinamis • Informasi kemungkinan Logika Keputs. Hasil
• Persaingan • Struktur Model
Falsafah
• Terbatas • Preferensi
• Penetapan Nilai
• Preferensi Waktu
• Preferensi Risiko

Sensitifitas nilai
informasi

Bingung Berfikir Rasa tidak Pandangan Bertindak Puji Senang


cemas Enak ke dalam Cela Sedih

REAKSI

Gambar : Pengambilan Keputusan dengan Analisa Keputusan 6


MCDM SEBAGAI SALAH SATU MODEL DALAM
PENGAMBILAN KEPUTUSAN

Tujuan yang akan dicapai


Masalah yang akan diselesaikan

Kriteria Pengambil
Kinerja Keputusan

Alternatives
alat/rencana/…

7
KOMPONEN KEPUTUSAN

 Alternatif Keputusan

 Kriteria Keputusan

 Bobot Kriteria

 Model Penilaian

 Model Penghitungan

 Tipe Pengambil Keputusan

8
MODEL PENILAIAN
1. Menggunakan Nilai Numerik (Nyata)
 Kriteria dan atau alat ukurnya jelas (obyektif)

•Sebagai misal Suhu Ruang (termometer)


•Tinggi Badan
•Berat Badan
•Hasil perhitungan dengan rumus yang jelas:
•BCR
•IRR
•NPV

9
MODEL PENILAIAN
1. Menggunakan Skala Ordinal
 Kriteria kompleks melibatkan presepsi (subyektif)
 Jumlah skala 3; 5; 7 (disarankan ganjil)

• Sebagai misal Rasa TEH (5 Skala)


• 1. Sangat tidak enak 4. Enak
• 2. Tidak Enak 5. Sangat enak
• 3. Cukup Enak
• Stabilitas politik (3 Skala)
. 1. Kurang Stabil 3. Sangat Stabil
. 2. Stabil
10
MODEL PENILAIAN

3. Menggunakan Nilai Perbandingan Berpasangan

Misal pada AHP : <misal A dibandingkan dengan B>

1 : A dan B sama penting 7 : A sangat nyata lebih penting dari B


3 : A sedikit lebih penting dari B 9 : A pasti lebih penting dari B
5 : A jelas lebih penting dari B

Pembacaan Lain:
3: A tiga kali lebih penting dari B
5: A lima kali lebih penting dari B
11
Model Penilaian Fuzzy (trapezoidal) usia penduduk

12
Model Penilaiann Fuzzy Tingkat Kemiskinan Penduduk

13
 Latihan Model Penilaian

Berikan contoh kasus penerapan metode


penilaian dengan:
• Terukur Jelas
• Skala Ordinal
• Preferensi Fuzzy

14
PENGAMBILAN KEPUTUSAN BERBASIS
INDEKS KINERJA

A. METODE BAYES

B. METODE PERBANDINGAN EKSPONENSIAL (MPE)

C. COMPOSIT PERFORMANCE INDEX (CPI)

15
MATRIK KEPUTUSAN :
ALTERNA- KRITERIA NILAI RANGKING
TIF ALT. KEP. ALT. KEP.
K1 K2 ….. Kn
ALT1 V11 V12 ….. V1n Nk1
ALT2 V21 V22 ….. V2n Nk2
ALT3 :
: :
ALTm Vm1 Vm2 ….. Vmn Nkm
BOBOT B1 B2 ….. Bn

MODEL PENGHITUNGAN
n n
1. BAYES : Nki = Σj = 1 Vij * Bj , Σj = 1 Bj = 1.0
n
2. Per. Eksponensial : Nki = Σj = 1 (Vij ) Bj , Bj = Bulat >0

3. Composite Performance Indeks (CPI)

16
Contoh Kasus =
• Fokus = Pemilihan media iklan yang sesuai
• Alternatif = 1. Radio
2. Televisi
3. Surat Kabar
• Kreteria = 1. Jangkauan
2. Efektifitas Pesan
3. Biaya
• Metode Penilaian = ordinal
1. Sangat Kurang 4. Bagus
2. Kurang 5. Sangat Bagus
3. Biasa

17
• Matrik Keputusan

Alternatif Kriteria Nilai Keputusan

Jangkauan Eff. Biaya Bayes MPE

1. Radio 4 4 3

2. Televisi 4 5 2

3. Surat Kabar 4 3 4

Bobot Bayes 0,3 0,4 0,3

MPE 3 4 3

18
A. METODE BAYES

• Merupakan teknik yang digunakan untuk melakukan analisis dalam


pengambilan keputusan terbaik dari sejumlah alternatif

• Persamaan Bayes yang digunakan untuk menghitung nilai setiap alternatif


disederhanakan menjadi :
dimana:
m
Total Nilai i= total nilai akhir dari alternatif ke-i
Total Nilai i = ∑ Nilai ij (Kritj)
j=1 Nilai ij = nilai dari alternatif ke-i pada kriteria ke-j

Krit j = tingkat kepentingan (bobot) kriteria ke-j

i = 1,2,3,…n; n = jumlah alternatif


j = 1,2,3,…m; m = jumlah kriteria

19
Contoh Kasus =
• Fokus = Pemilihan media iklan yang sesuai
• Alternatif = 1. Radio
2. Televisi
3. Surat Kabar
• Kreteria = 1. Jangkauan
2. Efektifitas Pesan
3. Biaya
• Metode Penilaian = ordinal
1. Sangat Kurang 4. Bagus
2. Kurang 5. Sangat Bagus
3. Biasa

20
• Matrik Keputusan

Alternatif Kriteria Nilai Keputusan

Jangkauan Eff. Biaya Bayes MPE

1. Radio 4 4 3 3,7 (2)

2. Televisi 4 5 2 3,8 (1)

3. Surat Kabar 4 3 4 3,6 (3)

Bobot Bayes 0,3 0,4 0,3

MPE 3 4 3

21
Tabel: Matrik keputusan penilaian media iklan yang sesuai dengan
Teknik Bayes

Alternatif Kriteria Nilai Peringkat


Jangkauan Efektvitas Biaya Alternatif
1. Radio 4 4 3 3,7 2
2. Televisi 4 5 2 3,8 1
3. Surat Kabar 4 3 4 3,6 3
Bobot Kriteria 0,3 0,4 0,3

• Nilai (Radio) = 4 (0,3) + 4 (0,4) + 3 (0,3) = 3,7

• Dengan menggunakan perumusan Bayes, diperoleh nilai alternatif


1,2, dan 3 masing-masing 3,7; 3,8; dan 3,6 sehingga didapat
alternatif yang terurut dari yang terbaik adalah alternatif 2, 1, dan 3.
22
B. METODE PERBANDINGAN
EKSPONENSIAL (MPE)
• Merupakan salah satu metode untuk menentukan urutan prioritas
alternatif keputusan dengan kriteria jamak
• Teknik ini digunakan sebagai pembantu bagi individu pengambilan
keputusan untuk menggunakan rancang bangun model yang telah
terdefinisi dengan baik pada tahapan proses

 Prosedur MPE
• Formulasi perhitungan skor untuk setiap alternatif dalam metoda
perbandingan eksponensial adalah:

m
Total nilai (TNi) =∑ (RK ij)TKK j
j=1

23
dengan :

TNi = Total nilai alternatif ke -i

RK ij = derajat kepentingan relatif kriteria ke-j pada pilihan keputusan i

TKK j = derajat kepentingan kritera keputusan ke-j; TKKj > 0; bulat

n = jumlah pilihan keputusan


m = jumlah kriteria keputusan

• Penentuan tingkat kepentingan kriteria dilakukan dengan cara


wawancara dengan pakar atau melalui kesepakatan curah pendapat.

• Penentuan skor alternatif pada kriteria tertentu dilakukan dengan


memberi nilai setiap alternatif berdasarkan nilai kriterianya

24
Keuntungan Metode MPE

• Mengurangi bias yang mungkin terjadi dalam analisa


• Nilai skor yang menggambarkan urutan prioritas menjadi
besar (fungsi eksponensial) ini mengakibatkan urutan
prioritas alternatif keputusan lebih nyata

25
• Matrik Keputusan

Alternatif Kriteria Nilai Keputusan

Jangkauan Eff. Biaya Bayes MPE

1. Radio 4 4 3 3,7 (2)

2. Televisi 4 5 2 3,8 (1)

3. Surat Kabar 4 3 4 3,6 (3)

Bobot Bayes 0,3 0,4 0,3

MPE 3 4 3

• Nilai(Radio) = 4^3 + 4^4 + 3^3 = 64 + 256 + 27 = 347


• Nilai(Televisi) = ? Nilai(Surat Kabar) = ?
26
Evaluating Hardware and Software

Hardware Evaluation Software Evaluation


Factors Factors
• Performance • Quality
• Cost • Flexibility
• Reliability
• Security
• Compatibility
• Connectivity
• Technology
• Connectivity • Language
• Scalability • Documentation
• Support • Hardware
• Software • Efficiency

27
Latihan Penerapan Metode Bayes dan MPE
• Fokus =
• Alternatif = 1.
2.
3.
• Kreteria = 1.
2.
3.
• Metode Penilaian : ordinal (generik)
1. Sangat Kurang 4. Bagus
2. Kurang 5. Sangat Bagus
3. Biasa

28
• Matrik Keputusan

Alternatif Kriteria Nilai Keputusan

Bayes MPE

1.

2.

3.

Bobot Bayes

MPE

29
C. COMPOSIT PERFORMANCE INDEX (CPI)

 Merupakan indeks gabungan (Composite Index) yang dapat digunakan


untuk menentukan penilaian atau peringkat dari berbagai alternatif (i)
berdasarkan beberapa kriteria (j).
Formula yang digunakan dalam teknik CPI :

Aij = Xij (min) x 100 / Xij (min)


A(i + 1.j) = (X(I + 1.j) )/ Xij (min) x 100
Iij = Aij x Pj
n
Ii = Σ (Iij)
j =1

30
Keterangan:
Aij = nilai alternatif ke-i pada kriteria ke – j

Xij (min) = nilai alternatif ke-i pada kriteria awal minimum ke-j

A(i + 1.j) = nilai alternatif ke-i + 1 pada kriteria ke – j

X(i + 1.j) = nilai alternatif ke-i + 1 pada kriteria awal ke – j

Pj = bobot kepentingan kriteria ke – j

Iij = indeks alternatif ke-i

Ii = indeks gabungan kriteria pada alternatif ke –i

i = 1, 2, 3,…, n
j = 1, 2, 3,…, m

31
• Sebagai ilustrasi, terdapat 3 alternatif yang dinilai yaitu Software House,
Internet Provider, Production House dengan kriteria kelayakan IRR
(Internal Rate of Return), B/C (Benefit/Cost Ratio) dan Pay Back Period
(waktu pengembalian modal)

Tabel: Matrik awal penilaian alternatif pemilihan usaha yang paling layak

Alternatif Kriteria
IRR (%) B/C PBP (Thn)
1. Software House 30 1,1 5
2. Internet Provider 20 1,15 6
3. Production House 25 1,2 4
Bobot Kriteria 0,3 0,4 0,3

32
Prosedur Penyelesaian CPI

• Identifikasi kriteria tren positif (semakin tinggi nilaianya semakin


baik) dan tren negatif (semakin rendah nilainya semakin baik)

• Untuk kriteria tren positif, nilai minimum pada setiap kriteria


ditranspormasi ke seratus, sedangkan nilai lainnya
ditranspormasi secara proporsional lebih tinggi.

• Untuk kriteria tren negatif, nilai minimum pada setiap kriteria


ditranspormasi ke seratus, sedangkan nilai lainnya
ditranspormasi secara proporsional lebih rendah.

• Perhitungan selanjutnya mengikuti prosedur Bayes.


33
Tabel: Matrik hasil transformasi melalui teknik perbandingan indeks kinerja

Alternatif Kriteria Nilai Peringkat


IRR B/C PBP (Thn) Alternatif

1. Software House 150 100 80 109 2

2. Internet Provider 100 104,5 66.7 91,8 3

3. Producton House 125 109,1 100 111,1 1

Bobot Kriteria 0,3 0,4 0,3

Dengan demikian alternatif 3 yaitu Production House peringkat 1.

34
Pemiliha Metode

• Penilaian Tidak Seragam  CPI

• Penilaian seragam - Bayes atau MPE

• Apabila skala penilaian ordinal - MPE

• Apabil nilai alternatif adalah terukur nyata - Bayes

35
Definisi Sistem Penunjang Keputusan (SPK/DSS)
Merupakan alat manajemen yang terdiri dari komponen basis
data, basis model dan user interface yang berbasis komputer
yang dapat digunakan untuk memecahkan masalah dan
membantu tugas-tugas pengambilan keputusan. DSS
mendukung pengambilan keputusan kompleks dengan
penekanan pada efektifitas (Turban, 1998)

36
FOUR MAJOR DSS CHARACTERISTICS

1. Incorporate both data and model

2. Assist Manager in semi-structured/unstructured


design making process

3. Support rather than replace managerial judgment

4. Improve effectiveness rather than efficiency

37
DSS STRUCTURE
Other Computer-
Data; based Systems
External and
Internal

Data Based Model Based


Management Management

Dialog
Management

Manager (User)
and Tasks

38
Data DBMS Function
- Input
- Product
Data - Edit
- Population Extraction DBMS
- Sort
- Competitor - Integrated

MBMS

Dialog Pricing Model


Management
System Population Dynamic
Model

Market segmentation
User Model

MCDM

Figure : DSS for product marketing 39


Data Model

Sistem Manajemen Sistem Manajemen


Basis Data Pengeahuan Basis Model
Data Pekerja Sub Model Estimasi TK
Sistem Manajemen
Data Carier Basis Pengetahuan Sub Model Seleksi
• Akuisi Pengetahuan
Data Struktur Organisasi • Konseptualisasi Pengetahuan Sub Model Penetapan Pejabat
• Representasi Pengetahuan
Data Seleksi Sub Model Alokasi Sumberdaya

Data Customer Sub Model Promosi dan Mutasi


Data Data Anggaran
Mekanisme InferensI Sub Model Penetapan Gaji dan
Data lain ttg Perusahaan imbalan lain

Sistem Pengolahan Terpusat

Sistem Manajemen Dialog

Pengguna

Sistem Pendukung Keputusan Untuk HRD


40
Data Model

Sistem Manajemen Sistem Manajemen


Basis Data Pengeahuan Basis Model
Data Penduduk Sub Model Estimasi Pemilih
Sistem Manajemen
Data Partai Basis Pengetahuan Sub Model Penetapan Anggota
DPR
• Akuisi Pengetahuan
Data Wilayah Administrasi • Konseptualisasi Pengetahuan Sub Model Penetapan Anggota
DPRD
• Representasi Pengetahuan
Data KPU Sub Model Alokasi Sumberdaya

Data Pemilih Sub Model Pemilihan Mobilisasi


Sumberdaya
Data Data Anggaran
Mekanisme InferensI Sub Model Pemilihan Presiden
Data lain ttg PEMILU

Sistem Pengolahan Terpusat

Sistem Manajemen Dialog

Pengguna

Sistem Pendukung Keputusan bagi KPU


41
Data Model

Sistem Manajemen Sistem Manajemen


Basis Data Pengetahuan Basis Model
Data Komoditi Sub Model Pemilihan
Sistem Manajemen Komoditi
Data Produk Basis Pengetahuan Sub Model Pemilihan Produk
Industri Unggulan
• Akuisi Pengetahuan
Data Potensi Lokasi Iindustri • Konseptualisasi Pengetahuan Sub Model Sistem Pakar Lokasi
Industri Unggulan
• Representasi Pengetahuan
Data Produksi dan Konsumsi Sub Model Prakiraan
Komoditas Ketersediaan Bahan Baku
Data Pertumbuhan Penduduk Sub Model Kelayakan Finansial
Industri
Data Biaya industri
Mekanisme Inferensi Sub Model Strategi
Data Strategi Pengembangan Pengembangan Industri
Industri

Sistem Pengolahan Terpusat

Sistem Manajemen Dialog

Pengguna

Konfigurasi EMS Pengembangan Industri


42
METODOLOGI
• Analasis Kebutuhan
Pendekatan • Formulasi
METODA Sistem Permasalahan
• Identifikasi Sistem

MULAI Pemilihan Jenis Usaha Unggulan


MPE

Pemilihan Produk Unggulan

Pemilihan Lokasi Industri Sistem Pakar

Ketersediaan Sumberdaya Regresi Linier

B/C Ratio, ,NPV,


Kelayakan Finansial
IRR dan PBP

Strategi Pengembangan Industri SWOT/


AHP
43
Wall-Mounted
White Board Project Screen White Board

Facilitator Console and


Network File Server
Control
Room
Breakout
Room

Workstations

Breakout
Room
Barco
Projector

Breakout
Room

Storage Break Area

Figure : Universal of Arizona Small GDSS Facility


GDSS Applications
Data Software Model
base Base

Processor

User Interface

Group Facilitator

I/O Device Public Screen

Group Members
Gambar: Model GDSS
1. Tidak Berorientasi Pada Pengguna, Walau Canggih

2. Mencoba Melayani Semua Fungsi Manajemen

3. Abaikan Dukungan Manajemen

4. Semua Anggota Tim Pengembang dari EDP/Komputer

5. Menyepelekan Waktu Penyelesaian Proyek

6. Menjanjikan Pengurangan SDM Pada Tahap Awal

7. Mengembangkan Sistem Sendiri, Padahal Dapat Dibeli

46
1. Baca buku/bahan pendukungnya
2. Pilih persoalan kasus media dan komunikasi.
Identifikasi tujuan, alternatif penyelesaian persoalan
dan kriteria evaluasi alternatif.
3. Susun dan nilai matrik keputusannya. Pilih teknik
yang sesuai (Bayes/MPE/CPI). Selesaikan
persoalan dengan teknik yang paling tepat dan
bahas serta simpulkan. Integrasikan model
keputusan tersebut dalam kerangka DSS
4. Tugas dikerjakan individu

47
1. Marimin, 2004, Teknik dan Aplikasi
Pengambilan Keputusan Kriteria Majemuk,
Grassindo, Jakarta.
2. Marimin, 2005, Teknik dan Aplikasi Sistem
Pakar dalam Teknologi Manajerial, IPB
Press, Bogor
3. Marimin, H. Tanjung dan H. Prabowo. 2006.
Sistem Informasi Manajemen Sumberdaya
Manusia, Grassindo, Jakarta.
48