materi spk

Basuki Hari Prasetyo

Menilik dari sisi teoritis pengambilan keputusan:Pengertian KeputusanPengambilan KeputusanTeori Pengambilan KeputusanFungsi Pengambilan KeputusanTujuan Pengambilan KeputusanUnsur – Unsur Pengambilan KeputusanDasar – Dasar Pengambilan KeputusanFaktor – Faktor Yang Mempengaruhi Pengambilan Keputusan

Pengertian KeputusanJames A.F. StonerKeputusan adalah pemilihan di antara alternatif

– alternatif.Definisi ini mengandung tiga pengertian, yaitu :

• Ada pilihan atas dasar logika atau pertimbangan• Ada beberapa alternatif yang harus dan dipilih

salah satu yang terbaik• Ada tujuan yang ingin dicapai dan keputusan itu

makin mendekatkan pada tujuan tersebut

Pengambilan KeputusanJames A.F. StonerPengambilan keputusan adalah proses yang

digunakan untuk memilih suatu tindakan sebagai cara pemecahan masalah

George R. TerryPengambilan Keputusan adalah pemilihan

alternatif perilaku ( kelakuan ) tertentu dari dua atau lebih alternatif

Teori Pengambilan KeputusanTeori Pengambilan Keputusan adalah teori –

teori atau teknik – teknik atau pendekatan – pendekatan yang digunakan dalam suatu proses pengambilan keputusan

Fungsi Pengambilan KeputusanPangkal permulaan dari semua aktivitas

manusia yang sadar dan terarah baik secara individual maupun kelompok, baik secara institusional maupun secara organisasional

Sesuatu yang bersifat futuristik, artinya bersangkut paut dengan hari depan, masa yang akan datang, dimana efeknya atau pengaruhnya berlangsung cukup lama

Tujuan Pengambilan KeputusanTujuan yang bersifat tunggal, satu keputusan

untuk satu masalahTujuan yang bersifat ganda, satu keputusan

untuk lebih satu masalah

Unsur – Unsur Pengambilan KeputusanTujuan dari pengambilan keputusanIdentifikasi alternatifPerhitungan faktor – faktor diluar jangkauan

manusiaSarana atau alat untuk evaluasi atau

mengukur hasil dari keputusan

Dasar – Dasar Pengambilan KeputusanGeorge R. TerryIntuisiPengalamanFaktaWewenangRasional

Faktor Yang Mempengaruhi Pengambilan KeputusanPosisi / Kedudukan ( Letak Posisi, Tingkatan

Posisi )Masalah ( Well Structured Problems, Ill

Structured Problems )Situasi ( Faktor Konstan, Tidak Konstan )Kondisi ( Keseluruhan Faktor, Sumber Daya )Tujuan ( Variabel Antara, Perorangan,

Kesatuan )

Pendapat Lain :Intern OrganisasiEkstern OrganisasiTersedianya informasi yang diperlukan

( Akurat, Up To Date, Komprehensif, Relevan, Memiliki Kesalahan Kecil )

Harrah’s Makes a Great Bet VignetteData WarehouseData MiningBusiness IntelligenceTransaction Processing SystemCustomer Relationship ManagementDecision Support System

10 Peranan Manajemen menurut Mintzberg

InterpersonalFigureheadLeaderLiaison (Penghubung)

InformationalMonitorDisseminator

(Penyebar)Spokesperson (Juru

Bicara)

DecisionalEntrepreneurDisturbance

HandlerResource AllocationNegotiator

Berlaku adillah, karena adil itu lebih dekat kepada taqwa

Manajer dan Dukungan Komputerisasi

IT bagian vital dari kegiatan bisnis

Komputer mempunyai dampak yang luas dalam organisasi dan masyarakat

Manager menggunakan “easy-to-use software”

Aplikasi komputer dari proses transaksi dan monitor kegiatan ke analisa masalah dan solusi juga pembuatan keputusan

Teknologi Sistem Penunjang Manajemen

MIS (Management Information System)

DSS (Decision Support System) / SPK

GSS (Group Support System), GDSS (Group DSS)

EIS (Executive Information System) / ERP, SCM, CRM

ES (Expert System)

ETC

Keputusan Manajemen dan SIM

Sumber daya Manusia, Mesin, Material, Uang/dana, Informasi

Produktivitas = Output / Input

Produktivitas ada di semua kegiatan manjemen

Teknologi baru dan distribusi informasi yang kian membaik memberikan banyak alternatif bagi pihak manajemen.

Banyak aktifitas yang kompleks menyebabkan terjadinya kesalahan sehingga berdampak pada peningkatan biaya.

Ekonomi global yang sering berubah, menghasilkan ketidak pastian dan membutuhkan respon yang lebih cepat untuk mempertahankan keunggulan kompetitif.

Regulasi pemerintah dan stabilitas politik yang penuh dengan ketidakpastian.

Sistem Penunjang Keputusan

Sistem komputer secara interaktive yang membantu pengambil keputusan mengolah data dan model untuk menyelesaikan masalah yang tidak terstruktur.

Sistem berbasis komputer yang menggabungkan intelektual individu dan kemampuan komputer untuk meningkatkan kualitas keputusan.

Karakteristik

Membantu menyelesaikan masalah yang tidak terstuktur

Mencoba untuk mengkombinasikan penggunaan model atau analisa teknik dengan akses data dan pengambilan data

Fokus pada fasilitas easy-to-use

Mengutamakan fleksibilitas dan adaptasi untuk mengakomodasi perubahan.

Karakteristik dan kemampuan

Semua tingkatan manajer

Group atau individu

Interdependent atau sequential decision

Fase pengambilan keputusan

Gaya dan proses keputusan

Efektif bukan efisiensi

Kontrol manusia

Evolutionary

Mudah pengembangan

Pengetahuan

Alasan mengapa SPK

Ekonomi tidak stabil

Kompetisi

Kesulitan dalam pendeteksian operasi bisnis

Sistem komputerisasi yang ada tidak mampu menunjang peningkatan efisiensi, keuntungan dan pangsa pasar

Apa yang ditawarkan Decision Support Systems?

Perhitungan yang cepat dengan biaya rendahKomunikasi dan kolaborasi antar kelompokMeningkatkan ProduktivitasKeampuan mengakses informasi yang tersimpan

dalam databases dan data warehouseKemampuan untuk menganalisa berbagai

alternatif dan mengaplikasikan risk managementEnterprise resource managementTool yang digunakan untuk mencapai dan

mempertahankan keunggulan kompetitif.

Katagori sistem komputerisasiTransaction Processing Systems (TPS)

Management Information Systems (MIS)

Office Automation Systems (OAS)

Decision Support Systems (DSS) and group DSS (GDSS)

Expert System

Executive Information Systems (EIS)

Artificial Neural Networks (ANN)

Teknologi untuk Proses Pengambilan Keputusan

Jenis Keputusan Dukungan Teknologi yang diperlukan

Structured

(Programmed)

MIS, Management Science Models, Transaction Processing

Semistructured DSS, KMS, GSS, CRM, SCM

Unstructured

(Unprogrammed)

GSS, KMS, ES, Neural networks

Dukungan Teknologi Berdasarkan Anthony’s Taxonomy

Jenis Kontrol

Kontrol Operasional

Kontrol Managerial

Perencanaan Strategis

Dukungan Teknologi yang dibutuhkan

MIS, Management Science

Management Science, DSS, ES, EIS, SCM, CRM, GSS, SCM

GSS, CRM, EIS, ES, neural networks, KMS

Kerangka Kerja Decision Support

Contoh masalah terstruktur pada level operasional => piutang, hutang, pemesanan

Contoh masalah terstruktur pada level manajerial => analisa biaya, perencanaan jangka pendek, pelaporan personil

Contoh masalah terstruktur pada level strategis => investasi, lokasi gudang, pusat distribusi

Contoh masalah semi terstruktur pada level operasional => penjadwalan produksi, kontrol pengadaan

Contoh masalah semi terstruktur pada level manajerial => evaluasi kredit, penyusunan anggaran, penjadwalan proyek, sistem reward

Contoh masalah semi terstruktur pada level strategis => merger dan akuisisi, perencanaan produk baru, kompensasi

dan seterusnya

Management Science/Operations ResearchMengadopsi pendekatan yang sistematis

Mendefinisikan masalahMengklasifikasi kedalam kategori standarMembuat model matematikaMengevaluasi beberapa alternatif solusiMemilih solusi

Enterprise Information SystemsMerupakan gabungan antara Executive

Information Systems dengan teknologi WebEnterprise Information Portal menampilkan

informasi lintas bagian dalam sebuah organisasi

Menyediakan akses informasi detail yang cepat dengan cara mudah (drill-down).

Menyediakan user-friendly interfaces melalui portal.

Mengidentifikasi peluang dan ancaman

Enterprise Information SystemsSistem khusus, meliputi ERM, ERP, CRM,

dan SCMMenyediakan pengawasan dan penelusuran

di tingkat perusahaan yang efektif dan tepat waktu.

Mem-filter, meng-compress, dan menelusuri data dan informasi penting.

Knowledge Management SystemsKnowledge yang terorganisasi dan

tersimpan dalam sebuah repository untuk dipergunakan dalam organisasi

Dapat digunakan untuk menyelesaikan masalah yang sama atau serupa dimasa yang akan datang

ROI meningkat dalam satu atau dua tahun

Hybrid Support SystemsIntegrasi dari beberapa computer system tools

untuk menyelesaikan masalah.Setiap tool menjalankan tugas yang berbeda,

tetapi saling mendukung satu sama lain.Memberikan jawaban/solusi yang jauh lebih baik

dan lebih cerdas.

Hubungan antar katagori :

Kelas informasi teknologi yang unik

Saling berhubungan dan menunjang pengambilan keputusan manajemen

Pengembangan untuk peningkatan manajemen dalam organisasi

Hubungan dan koordinasi masih berlanjut

Dimensi TPS MIS DSS ES EISApplication Payroll,

Inventory,Recordkeeping

ProductionControl,salesforcasting

Long-rangestrategicplanning,Complexintegratedproblemareas

Diagnostic,strategicplanning

Support totopmanagement decisions,enviromentalscanning

Focus Datatransaction

Information Decision,flexibility,user friendly

Inferencing,transfer ofexpertise

Tracking,control, "drilldown"

Database Unique toeachapplication

Interactiveaccess byprogrammer

DBMS,Interactiveaccess

Proceduraland factualknowledge

External andcorporate

DecisionCapabilities

no Structuredroutineproblem

Semistructured problems

Unstructured, use of rules

Only whencombinewith DSS

Manipulation Numerical Numerical Numerical Symbolic Numeric andsomesymbolic

Type ofInformation

Summaryreport,operational

Scheduleand demandreport

Informationto supportspecificdecision

Advice andexplanationRecommendation

Statusaccess,exceptionreport

Pengambilan Keputusan

Keputusan adalah pemilihan suatu tindakan (strategi).

Pengambilan keputusan adalah

Tindakan memilih strategi atau aksi yang diyakini oleh manajer yang akan memberi solusi terbaik atas suatu masalah.

Proses pemilihan sejumlah alternatif tindakan yang bertujuan untuk mencapai tujuan.

Pengambilan Keputusan dan Penyelesaian Masalah

Fase proses keputusan :

Intelligence / Penelusuran

design / Perancangan

choice / Pemilihan

Implementation

Decision MakingProses memilih satu diantara beberapa

rencana alternatif untuk mencapai tujuan atau beberapa tujuan.

4 Fase pengambilan keputusan adalah:Intelligence DesignChoiceimplementation

SistemStruktur

InputProsesOutputFeedback dari output ke decision maker

Dipisahkan dari lingkungan luar (environment) oleh boundary

Dikelilingi oleh environment

Input Processes Outputboundary

Environment

Sistem dan Lingkungan Luarnya

Sistem terdiri dari : Input, Proses, dan Output1. Input : semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer2. Proses : proses transformasi elemen-elemen dari input menjadi output3. Output : produk jadi atau hasil dari suatu proses di sistem4. Feedback: aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output/ kinerja sistem. Dari informasi ini, pengambil keputusan, yang bertindak sebagai pengontrol, bisa memutuskan untuk memodifikasi input, atau proses, atau malah keduanya.

5. Environment: terdiri dari berbagai elemen yang terletak diluar input, proses ataupun output. Namun, dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini, maka elemen tesebut harus dimasukkan sebagai bagian dari environment. Contoh:sosial, politik, hukum, aspek fisik, dan ekonomi.6. Boundary/batas: pemisah antara suatu sistem dengan enviromentnya. Sistem ada di dalam boundary, dimana environmentnya ada di luarnya. Bisa secara fisik, misal:sistem adalah sebuah departemen di Gedung X; atau non fisik, misal:suatu sistem dibatasi oleh waktu tertentu.

Jenis Sistem Sistem Tertutup (Closed system)

IndependentTidak membutuhkan inputTidak menghasilkan output bagi lingkungan

luarnyaBlack Box

Sistem Terbuka (Open system)Menerima inputMemberikan output ke Lingkungan luar

Model yang digunakan untuk DSSIconic

Replika sistem yang kecilAnalog

Representasi dari sistem secara Behavioral Mungkin saja tidak tampak seperti sistem

Quantitative (mathematical)Menunjukkan hubungan antar sistem

Iconic (Scale).Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. Contoh: GUI pada OOPL AnalogTak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakanrepresentasi simbolis dari kenyataan.Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.Matematis (Kuantitatif)Kompleksitas hubungan dalam sistem organisasi tak dapat direpresentasikan dengan Iconic maupun Analog, karena klau pun bisa akan memakan waktu lama dan sulit. Analisis DSS mengunakan perhitungan numerik yang dibantu dengan model Matematis atau model kuntitatif lainnya.

Keuntungan dari Model

Biaya analisa model

Kompresi waktu

Manipulasi model

Biaya pembuatan kesalahan

Menghitung resiko

Analisa dalam jumlah yang besar

Meningkatkan pelajaran dan pelatihan

Komponen-komponen Model Kuantitatif: Struktur umum dari model

Variabel Hasil (Result Variables)Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada variabel keputusan dan variabel tak terkontrol.

Variabel Keputusan (Decision Variables)Menggambarkan alternatif tindakan/aksi. Harga dari variabel ini ditentukan oleh pengambil keputusan.

Variabel tak terkontrol (Uncontrollable Variables or Parameters)Faktor yang mempengaruhi variabel hasil tapi tidak dalam kendali pengambil keputusan. Faktor ini bisa tetap -> parameter, juga bisa bervariasi -> variabel.

Variabel Antara (Intermediate Variables)Variabel yang menghubungkan variabel keputusan dengan variabel hasil.Sebagai contoh:Gaji atau penghasilan (variabel keputusan), kepuasan karyawan (variabel antara) dan tingkat produktivitas (Variabel hasil)

Area Decision Variables Result Variables Uncontrollable

Variables

Investasi

keuangan

Alternatif dan jumlah

investasi, lama

investasi, kapan

berinvestasi

Laba total, risiko, rate

of return, pendapatan

per saham, tingkat

likuiditas.

Tingkat inflasi, rata-

rata persaingan

Pemasaran Anggaran periklanan,

dimana beriklan

Pangsa pasar, kepuasan

pelanggan

Pendapatan

pelanggan, tindakan

pesaing

Industri

Manufaktur

Apa dan berapa banyak

yang diproduksi, tingkat

inventori, program

kompensasi

Biaya total, tingkat

kualitas, kepuasan

karyawan

Kepastian mesin,

teknologi, harga

bahan mentah

Akuntansi Penggunaan komputer,

jadwal audit

Biaya pemrosesan data,

tingkat kesalahan

Teknologi komputer,

pajak, persyaratan

umum

Transportasi Jadwal pengiriman Biaya transportasi total Jarak pengiriman,

regulasi

Jasa Tingkat pengelolaan

staf

Kepuasan pelanggan Permintaan akan

jasa/layanan

Contoh-contoh dari komponen model quantitative:

Pengembangan/Pembuatan Alternatif

Bagian penting dari proses pembuatan model adalah pembuatan alternatif.

Pengembangan alternatif merupakan proses yang panjang termasuk mencari dan membuat, dan memakan waktu dan biaya.

Pencarian alternatif muncul setelah kriteria untuk evaluasi alternatif telah ditentukan.

Prediksi Hasil dari Tiap Alternatif

Kategori

Kepastian (Certainty)

Resiko (Risk)

Ketidakpastian (Uncertainty)

SkenarioSkenario adalah sebuah pernyataan asumsi tentang lingkungan dari suatu sistem pada suatu waktu tertentu. Dengan kata lain merupakan narasi deskripsi dari suatu setting dimana suatu keputusan diuji.Skenario menggambarkan variabel keputusan, tak terkontrol dan parameter pada situasi model yang spesifik. Juga menyediakan prosedur dan kendala untuk model.

Peranan skenario dalam MSSMembantu mengidentifikasi potensi kesempatan dan area masalahMenyediakan fleksibelitas dalam perancanganMengidentifikasi petunjuk ujung perubahan dimana manajemen harus mengawasiMembantu validasi asumsi utama yang digunakan dalam modelMembantu mengecek sensitivitas dari solusi yang diusulkan untuk berubah dalam skenario

Kemungkinan skenarioSkenario Kemungkinan terburuk (“worst possible”)Skenario Kemungkinan terbaik (“best possible”)Skenario Yang paling mungkin (“most likely”)

Fase-fase Pengambilan Keputusan 3 Fase awal Simon:

IntelligenceDesignChoice

Kemudian dia menambahkan fase yang ke-4:Implementation

Buku menambahkan fase ke-5:Monitoring

Fase Pemikiran (Intelligence Phase)Mengamati lingkungan luar Menganalisa tujuan organisasiMengumpulkan dataMengidentifikasi masalahMengkategorikan masalah

Programmed dan non-programmedMendekomposisikan menjadi beberapa bagian

kecil Menentukan siapa yang bertanggung jawab

atas masalah tersebut.

M asalah

Pem ecahM asalah

(m anajer)

Solu si

Inform asi

Stan dar

K endala

B erbagaiSolu si

Alternatif

E lemen-elem en sistem konseptual

Keadaanyang

diinginkan

Keadaansaat ini

GAMBAR: Elemen-elemen proses pemecahan masalah

PEMECAHAN MASALAH

Masalah dapat diartikan sebagai suatu kondisi yang memiliki potensi untuk menimbulkan kerugian yang besar atau menghasilkan keuntungan yang besar.

Pemecahan masalah dapat diartikan sebagai tindakan memberi respon terhadap masalah untuk menekan akibat buruknya atau memanfaatkan peluang keuntungannya.

PENTINGNYA PEMECAHAN MASALAH

Pemecahan masalah bukan didasarkan pada jumlah waktu yang dihabiskan tetapi pada konsekuensinya.

Keputusan untuk memecahkan suatu masalah mungkin hanya membutuhkan beberapa jam namun dapat mempengaruhi laba perusahaan hingga ribuan sampai jutaan dollar.

Klasifikasi masalahMencoba untuk mengkasifikasikan masalah menjadi katagori yang jelas. Pentingnya klasifikasi untuk menentukan derajat struktur masalah.Dibedakan menjadi Masalah terprogram dan tidak terprogram.

Dekomposisi masalahMasalah yang besar bisa dipecah menjadi masalah-masalah yang lebih kecil.

Kepemilikan masalahPada fase penelusuran ini, cukup penting untuk menentukan kepemilikan suatu masalah.

Fase Perancangan (Design Phase)Menentukan beberapa rencana alternatifMenganalisa solusi-solusi yang potensialMembuat modelMenguji kelayakan Memvalidasi hasil Memilih principle of choice

Menentukan tujuanMemasukkannya kedalam modelMengevaluasi dan mengambil resiko Kriteria dan batasan

Fase Pemilihan (Choice Phase)Principle of choice

Menggambarkan mengapa sebuah pendekatan solusi (solution approach) dapat diterima.

Normative Models (Model Normatif)Optimization (Optimalisasi)

Dampak dari setiap alternatifRationalization (Rasionalisasi)

More of good things, less of bad things Courses of action are known quantity Pilihan diurutkan dari yang terbaik hingga terburuk

Suboptimization (Sub Optimalisasi) Keputusan dibuat pada bagian organisasi tanpa

mempertimbangkan keseluruhan organisasi

Descriptive ModelsMenjelaskan bagaimana sesuatu akan

dipercayaBiasanya, berbasis matematisMenerapkan sekumpulan alternatifContoh:

Simulations (Simulasi)What-if scenarios (Skenario What-if)Cognitive mapNarratives (Naratif)

Model Deskriptif

Information flow

Scenarion analysis

Financial planning

Inventory management

Markov analysis

Environmental impact analysis

Simulation

Technological forecasting

Waiting line management

Fase Pemilihan (Choice Phase)Fase Pemilihan meliputi pencarian, evaluasi dan rekomendasi dari solusi yang tepat untuk model.Solusi untuk model adalah sejumlah harga yang spesifik untuk variabel keputusan dalam alternatif terpilih.

Pendekatan dalam PencarianFase pemilihan meliputi pencarian tindakan yang tepat yang akan menyelesaikan masalah sesungguhnya.Banyak pendekatan yang telah ada, tergantung dari kriteria

pemilihan. Untuk model normatif bisa digunakan : pendekatan analitikal

(analytical approach) dan exhaustive enumeration.Untuk model deskriptive : blind search dan heuristics.

Analytical TechniquesMenggunakan formula matematika untuk mendapatkan solusi

yang optimal atau untuk memprediksi hasil yang pasti.

AlgorithmsDigunakan untuk meningkatkan efisiensi dari pencarian.

Start

Is im provem entpossible in proposed

solution ?

Solution isoptimal

Im prove solution .Generate a new

proposed solution

No

Yes

Stop

Blind SearchComplete enumeration : dimana semua alternatif dipertimbangkan dan sehingga solusi optimal dapat ditemukan.Incomplete / Partial search : dimana dikerjakan sampai solusi yang “good enough” dapat ditemukan.

HeuristicsAdalah aturan-aturan keputusan yang mengacu bagaimana sebuah masalah dapat diselesaikan.Dikembangakan atas dasar kekuatan, ketepatan dalam analisa masalah, dan kadang juga perancangan eksperimen.

Evaluasi

Multiple GoalsMetode yang digunakan:Use of utility theoryGoal ProgrammingExpression of goals as constraints, using linear programmingUsing a point system

Kesulitan :Kesulitan untuk mendapatkan tujuan organisasi secara explisitBanyak partisipan menaksir prioritas dari sejumlah tujuan secara berbedaPengambil keputusan mungkin merubah prioritas/kepentingan dari suatu tujuan karena perbedaan situasi keputusan.Tujuan dan sub-tujuan dipandang berbeda pada tingkat organisasiTujuan sendiri adalah dinamis dalam merespon perubahan dalam organisasiRelasi antara alternatif dan dampak pada tujuan sulit diukurMasalah yang kompleks dipecahkan oleh kelompok pengambil keputusan

Sensitivity Analysismembantu manajer ketika tidak yakin tentang akurasi atau kepentingan dari informasi, atau ketika ingin tahu dampak dari perubahan dalam masukan informasi dari model pada hasil atau mengukur unjuk kerja.

Pentingnya Sensitivity analysis dalam MSSMemungkinkan fleksibiliti dan adaptasi untuk perubahan kondisi dan untuk permintaan dari situasi pengambilan keputusan yang berbeda.Menyediakan pengertian yang baik dari model dan pokok arti yang akan digambarkan.

Sensitivity analysis mengecek relasi seperti:Efek dari ketidakpastian dalam estimasi variabel eksternalEfek dari perbedaan interkasi antara variabelKekuatan keputusan dibawah perubahan kondisiDampak dari perubahan variabel tak terkontrol dan parameter pada variabel hasilDampak dari perubahan variabel keputusan pada variabel hasil.

Digunakan untukMerevisi model untuk menghilangkan sensitivitas yang besarMenambahkan detil tentang variabel sensitif atau skenarioMendapatkan estimasi yang lebih baik dari variabel sensitif eksternalMerubah sistem sesungguhnya untuk mengurangi sensitif nyata

Tipe dari sensitivity analysis

Automatic Sensitivity analysis: disediakan dengan beberapa standar model quantitative seperti linear programming.

Trial and ErrorDampak dari perubahan satu atau lebih variabel dapat ditentukan dengan menggunakan pendekatan Trial and Error.

What-If AnalysisPembuat model membuat prediksi dan asumsi sesuai dengan input data, banyak digunakan untuk menaksir masa depan yang tidak pasti.Ketika model diselesaikan, hasil tergantung dari data yang diinput. Sensitivity analysis mencoba mengecek dampak dari perubahan dalam input data terhadap solusi yang diusulkan. Type ini disebut What-If Analysis.Struktur : “What will happen to the solution if an input variable, an assumption, or a parameter value is changed?”

Goal Seeking Analysis

Mengecek kepentingan input untuk mencapai tingkatan output / tujuan yang diharapkan. Merupakan solusi pendekatan mundur (backward)

Critical Success Factors (CSF) / Faktor penentu kesuksesan.Merupakan teknik diaknostik untuk mengidentifikasi faktor – faktor kritis untuk pencapaian tujuan organisasi.Menentukan informasi yang dibutuhkan dan prioritas kriteria yang digunakan

Bagaimana keputusan dibantu/ditunjang

SPK akan menunjang semua fase dalam proses pengambilan keputusan, sedangkan MIS akan menunjang khususnya dalam fase penelusuran. Manajemen science menunjang dalam fase pemilihan. EIS akan menunjang di fase penelusuran, ES akan menunjang disemua fase.

Pem ilihan

Perancangan

Penelusuran

Im plem entasi

ANNM ISEDPEIS

GDSSM anagem entScienceANN

GDSS

DSSES

Dukungan dalam fase Penelusuran

Kebutuhan utama untuk fase penelusuran adalah kemampuan untuk scanning database internal dan external untuk melihat kesempatan dan masalah, dan interpretasi dari hasil scanning.

Kebutuhan yang lain adalah laporan, baik yang berkala atau yang ad hoc. Laporan berkala dapat dirancang untuk membantu dalam aktivitas penemuan masalah dengan cara membandingkan pengharapan/ekspektasi antara kenyataan dengan unjuk kerja proyek.

Dukungan dalam fase perancangan

Fase perancangan meliputi membangun alternatif, diskusi kriteria untuk pemilihan dan kepentingan relatif, dan prediksi konsekuensi mendatang dari alternatif.

Pembuatan alternatif untuk masalah yang terstruktur dapat disediakan dengan menggunakan model standar atau khusus. Untuk masalah yang kompleks membutuhkan pakar baik seseorang,

Elemen laporan Penggunaan penemuan-masalahIkhtisar Unjuk kerja sekarang diikhtisarkan oleh

ekspektasi yang disediakan oleh penggunalaporan

Perbandingan Laporan mempunyai perbandingan secaraexplisit dengan ekspektasi unjuk kerjasekarang : Perbandingan dengan perencanaan,

anggaran, atau standar Perbandingan dengan kompetitor, rata-

rata industri, dan standar organisasi yanglain

Laporan pengecualian

Prediksi Prediksi unjuk kerja mendatang Prediksi berdasarkan anggaran, model

perencanaan Prediksi berdasarkan unjuk kerja sekarang

sampai akhir periode perencanaanKonfirmasi Data yang memungkinkan pengguna untuk

memvalidasi dan mengaudit laporan untukmeyakinkan pengguna.

PROSES PEMODELAN

Pendekatan penyelesaian masalah

1. Trial-and-errorPendekatan ini berdasarkan pelajaran dari pengalamanKesulitan / kelemahan

Banyak alternatif (trial) untuk experimenBiaya membuat kesalahan besarLingkungan yang berubah

2. SimulasiMemodelkan suatu masalah dan menjalankan segala kemungkinan dan kondisi.Masalah yang timbul adalah tidak ada garansi bahwa alternatif yang dipilih merupakan pilihan yang terbaik.

3. OptimisasiOptimisasi digunakan jika masalah atau kondisinya terstruktur.

4. Heuristik.

Developing AlternativesPembuatan alternatif

Mungkin saja otomatis atau manualMungkin terlalu banyak, sehingga terjadi

information overloadSkenarioEvaluate with heuristicsHasil diukur dengan pencapaian tujuan

MasalahBila kenyataan tidak sesuai dengan apa yang

diharapkan, maka timbullah masalah.Satisficing is the willingness to settle for less

than ideal.Form of suboptimization

Bounded rationality (Rasionalisasi yang terbatas)Kapasitas manusia yang terbatasDibatasi oleh prasangka dan perbedaan individu

Terlalu banyak pilihan

Decision-Making Choice PhasePengambilan keputusan dengan komitmen

untuk melakukan tindakanMenentukan rencana

Analytical techniquesAlgorithmsHeuristicsBlind searches

Menganalisan kekuatan

Fase Implementasi (Implementation Phase)Melakukan solusi terpilihBeberapa hambatan:

Berkenaan dengan penolakan untuk melakukan perubahan

User trainingDukungan dari manajemen yang lebih tinggi

Source: Based on Sprague, R.H., Jr., “A Framework for the Development of DSS.” MIS Quarterly, Dec. 1980, Fig. 5, p. 13.

Decision Support SystemsIntelligence Phase

Automatic Data Mining

Expert systems, CRM, neural networks

Manual OLAP KMS

Reporting Rutin dan ad hoc (tidak terencana)

Data MiningData mining merupakan proses untuk menggali

pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.

Beberapa solusi yang diberikan data mining antara lain : Menebak target pasar, melihat pola beli dari waktu ke waktu, cross market analysis, profil pelanggan, informasi summary

OLAPOLAP mendayagunakan konsep data multi

dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

Decision Support SystemsDesign Phase

Financial and forecasting modelsMembuat alternatif dengan menggunakan

expert systemIdentifikasi hubungan melalui OLAP dan data

miningMengingat kembali (Recognition) melalui KMSBusiness process models dari CRM, RMS,

ERP, dan SCM

Decision Support SystemsChoice Phase

Mengidentifikasi alternatif terbaikMengidentifikasi alternatif yang cukup baikWhat-if analysisGoal-seeking analysisMungkin saja menggunakan KMS, GSS, CRM,

ERP, dan SCM systems

Decision Support SystemsImplementation Phase

Meningkatkan komunikasi KolaborasiTrainingDidukung oleh KMS, expert systems, GSS

Decision-Making In HumansTemperament

Hippocrates’ personality typesMyers-Briggs’ Type IndicatorKiersey and Bates’ Types and MotivationsBirkman’s True Colours

Gender

Decision-Making In HumansCognitive styles

Apa yang menjadi dugaan orang?Bagaimana semua itu diatur?Subyektif

Decision stylesBagaimana menurut orang lain?Bagaimana mereka bereaksi?Heuristic, analytical, autocratic, democratic,

consultative

Cognitive style Decision Approaches

PENDAHULUANKomponen SPK yaitu:

.Dialog (D) antara user dan sistem

.Data (D) yang mendukung sistem

.Model (M) yang menyediakan kemampuan menganalisa.

Data Base Model Base

Document-based Data

External data

TransactionData

Finance Other

Internal DataProduction

Marketing

Personnel

Other

DBMS MBMS

StrategicModels

TacticalModels

OperationalModels

Model-BuildingBlocks andSubroutinesDialog

Maker

Tujuan dengan mengerti bagaimana tiap komponen dapat dirancang,

User bisa mengetahui apa saja yang bisa di minta dalam SPK. Pembuat SPK bisa memberi saran tentang apa yang bisa diberikan.

Teknologi baru terus mempengaruhi komponen dialog, data, model.

KOMPONEN DIALOGBenett menjelaskan komponen dialog sebagai dasar

pengetahuan (knowledge base)bahasa operasi (action Language) bahasa presentasi (presentation language).

Pertimbangan Umum

1.User SPK

2. Dialog harus sederhana dan fleksibel.

3. Pola pendekatan Dialoga. Sistem yang berorientasikan menu.b. Sistem yang berorientasikan Bahasa perintah (command languages) c. Pendekatan Dialog Bertingkat (tiered dialog approach)

4. Pertimbangan lain,

Dasar Pengetahuan

Dasar Pengetahuan (Knowledge Base) menurut Bennett adalah pengetahuan apa yang harus dimiliki user untuk berinteraksi dengan sistem yang berhubungan dengan area masalah atau dalam membuat keputusan yang diperlukan.

Pengetahuan tentang masalah harus dipelajari user diluar SPK. SPK memang memungkinkan user lebih mengerti tentang keputusan, tapi masalah harus sudah diketahui sebelumnya. Pengecualian ini berlaku pada saat SPK digunakan untuk melatih para pembuat keputusan yang baru. Dalam hal ini SPK merupakan alat pendidikan.

User dapat dilatih untuk menggunakan SPK dengan beberapa cara, yaitu:•.Cara bimbingan satu per satu (one-on-one tutorial), sering diterapkan pada eksekutif senior. •.Cara pengelompokkan berdasarkan kelas dan kuliah (classes and lecturers) efisien pada saat banyak user yang membutuhkan pelatihan. •.Programmed and computer-aided instruction adalah pendekatan yang ekonomis ketika SPK diharapkan dapat digunakan dalam jangka panjang dan melayani banyak user.

Bahasa Operasi ( Action Language )

Cara pengoperasian SPK sangat bervariasi tergantung pada rancangan sistem. Beberapa SPK menggunakan pendekatan bentuk input-output. User diberikan form input dan memasukan data yang dibutuhkan. Setelah semua data dimasukan, SPK menampilkan analisa dan hasilnya.

Input voice adalah input yang paling maju dalam kemudahan penggunaan. Namun teknologi yang ada hanya mendukung kosakata yang terbatas, harus disesuaikan dengan suara user dan menawarkan kesan perorangan daripada continuous speech recognition. Seiring dengan perkembangan teknologi, bagaimanapun sistem yang berorientasi suara lebih diharapkan.

Cara mengoperasikan SPK tidak hanya dengan menggunakan keyboard. Sudah banyak sistem yang menggunakan touchscreen dan khususnya mouse. Alternatif tersebut sangat menarik bagi para eksekutif yang tidak ingin mengetik.

Bahasa Presentasi ( Presentation Language )

Laporan yang dicetak tidak lagi menjadi satu-satunya pilihan output. Kenyataannya dalam beberapa instansi tidak ada output yang berupa cetakan, tetapi ditampilkan di layar.

Animasi mulai digunakan untuk output SPK khususnya untuk aplikasi yang melibatkan simulasi. Output voice juga merupakan sebuah kemungkinan, walaupun output seperti ini tidak sedang digunakan untuk SPK.

Dialog Style

Kombinasi dari pilihan-pilihan untuk mengimplementasikan dasar pengetahuan, bahasa operasi dan bahasa presentasi jika disatukan dapat disebut “Dialog Style”. Sebagai contoh hasil dialog style dalam sebuah sistem yang membutuhkan user untuk menyimpan kartu referensi (dasar pengetahuan) dan untuk mengingat perintah apa untuk dimasukan dengan keyboard (bahasa operasi) untuk menghasilkan laporan yang dicetak (bahasa presentasi).

KOMPONEN DATA

Data memegang peranan penting dalam SPK. Data bisa diakses langsung oleh user atau sebuah input bagi model untuk pemrosesan.

Sumber DataKonsep sumber data harus diperluas menjadi sumber informasi. Ada empat jenis informasi yang perlu dipertimbangkan.

Internal External

RecordBased

DocumentBased

Gambar 2. Empat Jenis Informasi

TraditionalEDP / MIS

PublicBatabases

WordProcessing

RecordsManagement

CorporateLibrary

Pertama, ada 2 jenis informasi yang dihasilkan dan diatur secara internal, yaitu : (1) informasi yang berdasarkan record data.

Informasi ini langsung berhubungan dengan entitas, (2) Informasi yang berdasarkan dokumen

Informasi ini langsung berhubungan dengan konsep -- ide, pikiran dan opini. Dokumen yang tidak terstruktur atau pesan, dengan berbagai jenis bentuk informasi, digunakan untuk menggambarkan konsep ini.

Dua jenis informasi yang sama juga dihasilkan secara eksternal, yaitu:(1) Informasi eksternal yang berbasis record

Merupakan tipe informasi aplikasi yang berbasis komputer yang dihasilkan dan diatur dengan mudah oleh sistem.

(2) Informasi eksternal yang berbasis dokumenSeperti opini tentang ramalan ekonomi atau rumor. Lebih terkenal dalam bentuk database umum.

Beberapa SPK membutuhkan data pada level transaksi. Data yang sudah dipersingkat lebih dibutuhkan dan bisa didapatkan dengan berbagai cara.

Ada pendapat yang menyarankan database untuk SPK terpisah dari database pemrosesan transaksi. Banyak DBMS yang menangani data transaksi dibuat untuk spesialis sistem informasi.Beberapa Organisasi hanya memberikan end-user hak akses untuk mengekstrak file. File-file tersebut di pelihara secara eksternal pada DBMS dan di buat secara spesifik untuk memenuhi kebutuhan data end user. File ekstrak digunakan untuk alasan keamanan, kemudahan untuk mengakses, dan integritas data. Dalam organisasi yang memiliki file ekstrak, SPK mendapatkan data dari file-file tersebut.

Sebagai tambahan pada data transaksi, internal data yang lain mungkin diperlukan. Misalnya, perhitungan subyektif dari manajer dan rekayasa data yang berhubungan. Untuk mendapatkan internal data yang lain, DBMS yang baik dibutuhkan untuk mendukung proses input , pemeliharaan dan pengekstrakan data.

Data eksternal juga mungkin diperlukan, khususnya untuk pendukung keputusan pada top manager. Misalnya, data ekonomi regional dan nasional, data industri dan data kompetitif.

KOMPONEN MODELModel-model menyediakan kemampuan menganalisa untuk DSS.

Dengan menggunakan gambaran secara matematis dari masalah, proses algoritma digunakan untuk menghasilkan informasi untuk mendukung pembuatan keputusan.

Jenis-jenis model1.Berdasarkan Tujuan, yaitu:Model optimisasi adalah model yang mengidentifikasi titik dari maksimasi atau minimasi. Model deskriptif menggambarkan perilaku dari sistem tapi tidak menyarankan kondisi yang optimal. 2. Berdasarkan Ketidakurutan (Randomness)Probabilistic Model mencoba untuk menangkap probabilistik alami dari sistem dengan meminta input data probabilistik dan dengan menghasilkan output probabilistik. Meskipun demikian, kebanyakan model matematika adalah deterministik. Deterministic Model menggunakan perhitungan satu nilai (single-valued estimates) untuk variabel dalam model dan menghasilkan output satu nilai (single-valued outputs). 3. Berdasarkan aplikasi umum (generality of applications)Custom-built model menggambarkan sistem yang khusus sehingga menyediakan deskripsi yang lebih baik daripada ready-built model, yaitu model yang dapat diaplikasikan untuk beberapa sistem. Bagaimanapun, model ini lebih mahal karena harus di bangun dari awal.

Model BaseSebuah model dalam SPK dapat diartikan sebagai sebuah

model base. Berbagai macam model adalah: strategic model, tactical model, operational model dan model-building block dan subroutines. Masing-masing model mempunyai karakteristik tersendiri.

Strategic model digunakan oleh top management untuk menentukan tujuan organisasi, sumber daya yang dibutuhkan untuk mencapai tujuan tersebut dan kebijakan untuk mengatur pembelian, penggunaan dan pengaturan sumber daya, penentuan lokasi pabrik, perencanaan dampak lingkungan dan lain-lain. Model ini membutuhkan data yang eksternal dan subjektif. Waktu yang dibutuhkan untuk pembuatan model biasanya tahunan, seperti halnya tanggungjawab perencanaan strategi top management. Model ini biasanya berbentuk deterministik, deskriptif, dan custom-built sesuai dengan kepentingan organisasi yang bersangkutan.

Tactical Model biasanya digunakan oleh middle management untuk membantu mengalokasikan dan mengawasi sumber daya organisasi. Penggunaannya termasuk perencanaan keuangan, perencanaan kebutuhan tenaga kerja, perencanaan promosi dan penentuan layout pabrik. Model ini biasanya hanya dapat diaplikasikan pada bagian dari organisasi, mmisalnya bagian produksi. Waktu yang dibutuhkan untuk pembuatan model bervariasi antara satu bulan sampai kurang dari dua tahun. Data yang subjektif dan eksternal dibutuhkan, tapi kebutuhan terbesar adalah data internal. Model ini cenderung berbentuk deterministik, dan lebih menyediakan informasi yang optimal dan siap pakai.

Lanjutan model

Operational Model digunakan untuk mendukung keputusan jangka pendek (contoh : harian, mingguan) biasanya pada lower management. Penggunaannya termasuk penilaian kredit, pemilihan media, penjadwalan produksi, dan pengawasan inventory. Model ini biasanya menggunakan data internal. Bentuknya biasanya deterministik, siap pakai, dan menyediakan informasi yang optimal.

Sebagai tambahan, model base mempunyai model-building blocks and subroutines. Penggunanannya termasuk pemrograman linear, analisa serial waktu, analisa regresi, dan contoh prosedur dari Monte Carlo. Model ini dapat digunakan secara terpisah untuk pendukung keputusan khusus, atau digunakan bersamaan untuk membangun dan memelihara model-model yang lebih luas.

Masalah-Masalah dalam Model Tradisional

Dengan meninjau kembali hal-hal yang pernah terjadi, memungkinkan untuk mengidentifikasikan masalah :

Kesulitan dalam mendapatkan data input untuk modelKesulitan dalam mengerti bagaimana cara menggunakan output dari modelKesulitan dalam menjaga model tetap up-to-dateKekurangan kepercayaan didalam model oleh user, sehingga model tidak dipercayaKurangnya integrasi diantara model-modelTidak adanya interaksi antara model dan userSulit bagi user menciptakan modelnya sendiriModel hanya memberikan sedikit penjelasan mengenai outputnya

Pendekatan SPK untuk PemodelanPendekatan SPK untuk pemodelan mencoba untuk meminimasi

masalah-masalah dalam pemodelan tradisional dengan menekankan bahwa sebuah sistem memenuhi persyaratan untuk mendukung proses pembuatan keputusan.

Database penting untuk menyelesaikan banyak masalah, karena menyediakan data yang diperlukan untuk membangun, menggunakan, dan memelihara model. Output dari model ditempatkan dalam database, sehingga membuat output dapat di akses oleh model yang lain dan mengintegrasikan model-model.

Dialog yang dirancang dengan baik memungkinkan user untuk mengembangkan model mereka, mengoperasikannya dengan baik, memeliharanya tetap up to date, dan menerapkan hasilnya untuk pengambilan keputusan.

Model-model dalam SPK akan berguna karena didukung oleh komponen data dan komponen dialog. Pengembangan terbaru dalam pemodelan adalah memanfaatkan kemampuan kecerdasan tiruan dimana model-model menjelaskan faktor-faktor yang mengarah pada keluaran.

Pendekatan SPK pada pemodelan membutuhkan sebuah model base management system (MBMS) dengan kemampuan yang serupa dengan Data Base Mangement System (DBMS). Kemampuan MBMS antara lain :

Mekanisme yang fleksibel untuk pembentukan model.Kemudahkan penggunaan Model untuk mendapatkan penunjang keputusan yang dibutuhkan.Metode untuk penyimpanan model yang akan digunakan kembali.Prosedur untuk memelihara model.Metode untuk pembuatan output dari model yang tersedia menjadi input pada model lain.

Analytical Hierarchy Process

Sejarah AHPAHP dikembangkan oleh thomas saaty pada tahun 1970 an. AHP merupakan sistem pembuat keputusan dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan dari masing-masing kriteria. Dalam sistem pengelolaan kinerja yang dimaksud dengan kriteria tersebut adalah KPI.

Penggunaan metode AHP dalam Sistem Pengelolaan KinerjaKaidah pembobotan menyatakan bahwa:Nilai bobot KPI berkisar antara 0 - 1 atau antara 0% - 100% jika kita menggunakan prosentase. Jumlah total bobot semua KPI harus bernilai 1 (100%) Tidak ada bobot yang bernilai negatif (-).

Berikut ini adalah langkah-langkah yang digunakan dalam menentukan bobot KPI dengan menggunakan AHP:

Menentukan nilai prioritas KPI. Biasanya orang lebih mudah mengatakan bahwa KPI A lebih penting daripada KPI B, KPI B kurang penting dibanding dengan KPI C dsb, namun mengalami kesulitan menyebutkan seberapa penting KPI A dibandingkan KPI B atau seberapa kurang pentingnya KPI B dibandingkan dengan KPI C. Untuk itu kita perlu membuat tabel konversi dari pernyatan prioritas ke dalam angka-angka. Contoh tabel skala nilai prioritas KPI seperti pada tabel dibawah:

Nilai Tingkat prioritas

1 KPI A sama penting dibanding dengan KPI B

3 KPI A sedikit lebih penting dibanding dengan KPI B

5 KPI A lebih penting dibanding dengan KPI B

7 KPI A sangat penting dibanding dengan KPI B

9 KPI A jauh sangat penting dibanding dengan KPI B

2,4,6,8 *) nilai tengah-tengah

*) Pengertian nilai tengah-tengah adalah Jika KPI A sedikit lebih penting dari KPI B maka kita seharusnya memberikan nilai 3, namun jika nilai 3 tersebut dianggap masih terlalu besar dan nilai 1 masih terlalu kecil maka nilai 2 yang harus kita berikan untuk prioritas antara KPI A dengan KPI B. *) Tabel diatas tidak disebutkan konversi nilai KPI A kurang penting dari KPI B karena pernyataan KPI A kurang penting dari KPI B sama dengan pernyataan nilai KPI B lebih penting dari KPI A

KPI A KPI B KPI C KPI D

KPI A 1 1/2 1/5 1/3

KPI B 2 1 1/3 1

KPI C 5 3 1 1/2

KPI D 3 1 2 1

Cara mengisinya adalah dengan menganalisa prioritas antara KPI baris dibandingkan dengan KPI kolom. Dalam prakteknya kita hanya perlu menganalisa prioritas KPI yang terdapat dibawah pada garis diagonal (kotak dengan warna dasar putih) yang ditunjukan dengan warna kuning atau diatas garis diagonal yang ditunjukan dengan kotak warna hijau. Hal ini sesuai dengan persamaan matematika yang menyebutkan jika A:B= X, maka B : A = 1/X. Contoh: jika prioritas KPI B (baris) : KPI A (kolom) = 2, maka prioritas KPI A (baris) : KPI B (kolom) = 1/2 (lihat rumus persamaan perbandingan matematika diatas). Sehingga prioritas setiap KPI antara KPI A : KPI A = 1, KPI C : KPI A = 5, KPI C : KPI B = 3, KPI D : KPI A = 3, KPI D : KPI B = 1, KPI D : KPI C = 2.

Contoh KasusGoal : Memilih pekerjaan, terdapat data data yang telah didapat dari beberapa perusahaan, yang pertama adalah data data mengenai salary, uang transportasi, kemudian waktu kerja. Yang kemudian akan dijadikan kriteria, sedangkan untuk nama perusahaan yang diperoleh datanya, RCTI, Indosiar, SCTV, Trans TV yang untuk selanjutnya akan dijadikan sebagai alternatif.

Tujuan : Memilih pekerjaan

Kriteria : Salary, Transportasi, Waktu Kerja

Skenario : Salary 6 kali lebih penting dari transportasi

Transportasi 1/3 kali lebih penting dari waktu kerja

Salary 2 kali lebih penting dari waktu kerja

Data alternatif per kriteria

Alternatif Kriteria

Salary Transportasi Waktu Kerja

RCTI 10 3 7

Indosiar 6 5 5

SCTV 7 4 6

Trans TV 8 9 10

Hitung :

a. Eigenvector/bobot per kriteria

b. Nilai alternatif per kriteria

c. Nilai alternatif keseluruhan

Mencari eigenvector dari kriteria dengan membandingkan masing masing kriteria secara

berpasangan. Selanjutnya perbandingan berpasangan tadi dibuat matriks desimal

dengan ketelitian empat angka dibelakang koma.


Salary 1/1 6/1 2/1

Transportasi 1/6 1/1 1/3/1

Waktu Kerja 1/2 1/1/3 1/1


Salary 1,0000 6,0000 2,0000

Transportasi 0,1667 1,0000 0,3333

Waktu Kerja 0,5000 3,0000 1,0000

Matriks yang sudah dibuat dikali dengan matriks itu sendiri untuk mendapatkan nilai

eigenvector yang diharapkan.

Langkah 1 : (Baris kali kolom)

1,0000 6,0000 2,0000

0,1667 1,0000 0,3333

0,5000 3,0000 1,0000

X

1,0000 6,0000 2,0000

0,1667 1,0000 0,3333

0,5000 3,0000 1,0000

1,0000+1,0002+1,0000 6,0000+6,0000+6,0000 2,0000+1,9998+2,0000

0,1667+0,1667+0,1667 1,0002+1,0000+1,0000 0,3334+0,3333+0,3333

0,5000+0,5001+0,5000 3,0000+3,0000+3,0000 1,0000+1,0000+1,0000

3,0002 18,0000 5,9998

0,5001 3,0002 1,0000

1,5001 9,0000 3,0000

= 27,0000 27,0000/45,0004 = 0,6000

= 4,5003 4,5003/45,0004 = 0,1000

= 13,5001 13,5001/45,0004 = 0,3000

45,0004 1,0000

a. Hasil dari eigenvector

0,6000

0,1000

0,3000

Salary

Transportasi

Waktu Kerja


Perhitungan nilai alternatif perkriteria berdasarkan nilai pada tabel data alternatif per

kriteria.

Data alternatif pada kriteria salary

RCTI 10 => 10 / 31 = 0,3226

Indosiar 6 => 6 / 31 = 0,1935

SCTV 7 => 7 / 31 = 0,2258

Trans TV 8 => 8 / 31 = 0,2581

31 1,0000

Dari perhitungan data alternatif pada kriteria salary maka dapat dibuat urutan ranking

dari yang paling tinggi ke urutan paling rendah.

Ranking : 1. RCTI 2. Trans TV 3. SCTV 4. Indosiar

Data alternatif pada kriteria transportasi

RCTI 3 => 3 / 21 = 0,1428

Indosiar 5 => 5 / 21 = 0,2381

SCTV 4 => 4 / 21 = 0,1905

Trans TV 9 => 9 / 21 = 0,4286

21 1,0000

Dari perhitungan data alternatif pada kriteria transportasi maka dapat dibuat urutan

ranking dari yang paling tinggi ke urutan paling rendah.

Ranking : 1. Trans TV 2. Indosiar 3. SCTV 4. RCTI

Data alternatif pada kriteria Waktu Kerja

RCTI 7 => 7 / 28 = 0,2500

Indosiar 5 => 5 / 28 = 0,1786

SCTV 6 => 6 / 28 = 0,2143

Trans TV 10 => 10 / 28 = 0,3571

28 1,0000

Dari perhitungan data alternatif pada kriteria waktu kerja maka dapat dibuat urutan

ranking dari yang paling tinggi ke urutan paling rendah.

Ranking : 1. Trans TV 2. RCTI 3. SCTV 4. Indosiar

Contoh KeduaPada contoh kedua akan coba dilakukan pemilihan bidang usaha, usaha yang dipilih adalah usaha agrobisnis. Dari data data yang didapat sebagai berikut, maka diketahui bahwa untuk memulai usaha dalam bidang agrobisnis harus memperhatikan beberapa hal berikut, yaitu kemudahan untuk mendapatkan bahan baku, kemudian teknologi yang akan digunakan sulit atau mudah, serta biaya yang akan diperlukan untuk melakukan produksi tinggi atau rendah, dalam hal ini akan kita jadikan sebagai kriteria. Kemudian dari bahan baku yang dapat diperoleh, maka muncul beberpa alternatif barang yang dapat diproduksi, chip kentang, nangka, jeruk dan wortel.

Tujuan : Memilih usaha dibidang agrobisnis

Kriteria : Mudah mendapatkan bahan baku, teknologi mudah, biaya murah

Skenario : Mudah mendapat bahan baku 4 kali lebih penting dari teknologi

mudah.

Teknologi mudah 1/2 kali lebih penting dari biaya murah

Mudah mendapat bahan baku 2 kali lebih penting dari biaya murah

Data alternatif per kriteria

Alternatif

Kriteria

Mudah

mendapat

bahan baku

Teknologi

mudah

Biaya murah

Chip Kentang 5 6 7

Chip Nangka 6 5 6

Chip Jeruk 3 7 2

Chip Wortel 4 3 3

Hitung :

a. Eigenvector/bobot per kriteria



Mudah

mendapat

bahan baku

Teknologi

mudah

Biaya murah

Mudah mendapat

bahan baku 1/1 4/1 2/1

Teknologi mudah ¼ 1/1 1/2/1

Biaya murah ½ 1/1/2 1/1

Mudah mendapat

bahan baku

Teknologi

mudah

Biaya

murah

Mudah mendapat

bahan baku 1,0000 4,0000 2,0000

Teknologi mudah 0,2500 1,0000 0,5000

Biaya murah 0,5000 2,0000 1,0000

Mencari eigenvector dari kriteria dengan membandingkan masing masing kriteria secara

berpasangan. Selanjutnya perbandingan berpasangan tadi dibuat matriks desimal

dengan ketelitian empat angka dibelakang koma.

Langkah 1 : (Baris kali kolom)

1,0000 4,0000 2,0000

0,2500 1,0000 0,5000

0,5000 2,0000 1,0000

X

1,0000 4,0000 2,0000

0,2500 1,0000 0,5000

0,5000 2,0000 1,0000

3,0000 12,0000 6,0000

0,7500 3,0000 1,5000

1,5000 6,0000 3,0000

= 21,0000 21,0000/36,7500 = 0,5714

= 5,2500 5,2500/36,7500 = 0,1429

= 10,5000 10,5000/36,7500 = 0,2857

36,7500 1,0000

a. Hasil dari eigenvector

0,5714

0,1429

0,2857

Mudah mendapat bahan baku

Teknologi mudah

Biaya murah


Perhitungan nilai alternatif perkriteria berdasarkan nilai pada tabel data alternatif per

kriteria.

Data alternatif pada kriteria Mudah mendapat bahan baku

Chip Kentang 5 => 5 / 18 = 0,2778

Chip Nangka 6 => 6 / 18 = 0,3333

Chip Jeruk 3 => 3 / 18 = 0,1667

Chip Wortel 4 => 4 / 18 = 0,2222

18 1,0000

Dari perhitungan data alternatif pada kriteria mudah mendapatkan bahan baku maka

dapat dibuat urutan ranking dari yang paling tinggi ke urutan paling rendah.

Ranking : 1. Chip Nangka 2. Chip Kentang 3. Chip Wortel 4. Chip Jeruk

Data alternatif pada kriteria Teknologi mudah

Chip Kentang 6 => 6 / 21 = 0,2857

Chip Nangka 5 => 5 / 21 = 0,2381

Chip Jeruk 7 => 7 / 21 = 0,3333

Chip Wortel 3 => 3 / 21 = 0,1429

21 1,0000

Dari perhitungan data alternatif pada kriteria teknologi mudah mendapatkan bahan baku

maka dapat dibuat urutan ranking dari yang paling tinggi ke urutan paling rendah.

Ranking : 1. Chip Jeruk 2. Chip Kentang 3. Chip Nangka 4. Chip Wortel

Data alternatif pada Kriteria Biaya murah

Chip Kentang 7 => 7 / 18 = 0,3889

Chip Nangka 6 => 6 / 18 = 0,3333

Chip Jeruk 2 => 2 / 18 = 0,1111

Chip Wortel 3 => 3 / 18 = 0,1667

18 1,0000

Dari perhitungan data alternatif pada kriteria biaya murah mendapatkan bahan baku

maka dapat dibuat urutan ranking dari yang paling tinggi ke urutan paling rendah.

Ranking : 1. Chip Jeruk 2. Chip Wortel 3. Chip Nangka 4. Chip Kentang


0,2778 0,2857 0,3889

0,3333 0,2381 0,3333

0,1667 0,3333 0,1111

0,2222 0,1429 0,1667

X

0,5714

0,1429

0,2857

Setelah semua nilai alternatif perkriteria dikalikan dengan nilai eigenvector, maka

diperoleh hasil sebagai berikut:

Ranking : 1. Chip Nangka 2. Chip Kentang 3. Chip Wortel 4. Chip Jeruk

Chip Kentang 0,1587 + 0,0408 + 0,1111 = 0,3106

Chip Nangka 0,1904 + 0,0340 + 0,0952 = 0,3196

Chip Jeruk 0,0953 + 0,0476 + 0,0317 = 0,1746

Chip Wortel 0,1270 + 0,0204 + 0,0476 = 0,1950

0,9998

Sekian Dulu Materi SPKTerima Kasih...Hehehe

materi spk

Documents