pemodelan keputusan

36
1 Pemodelan Keputusan

Upload: eko-mardianto

Post on 16-Apr-2017

452 views

Category:

Business


1 download

TRANSCRIPT

Page 1: Pemodelan Keputusan

1

Pemodelan Keputusan

Page 2: Pemodelan Keputusan

2

TEKNIK PENGAMBILAN KEPUTUSAN

Fungsi Manajemen

• Perencanaan

• “Staffing”

• Pengorganisasian

• Pelaksanaan

• Monitoring

• Evaluasi

Hirarki Sifat

Top Level

Up Medium Low

Lower

• Directif

• Strategis

• Taktis

• Operasional

Cara

1. Dengan Intuisi

2. Dengan Analisa Keputusan

Page 3: Pemodelan Keputusan

3

Jangka Lingkungan Sifat

Direktif Panjang Dinamis dan probalistik intuitif

Arahan-arahan strategis yang kadang bersifat intuitif

Strategis Panjang Dinamis dan mempengaruhi faktor-faktor dengan kepastian yang sangat rendah

Tidak bisa diprogram karena preferensi pengambil keputusan perlu masuk secara utuh

Taktis Menengah-pendek

Dinamis dan mempengaruhi faktor-faktor dengan asumsi kepastian yang tinggi

Bisa dibuat program dengan masukan preferensi pengambil keputusan

Operasional Pendek Dianggap statik dan tidak mempengaruhi faktor-faktor

Bisa dibuat program karena sifatnya berulang

Tabel: Permasalahan manajemen

Page 4: Pemodelan Keputusan

4

Senang Sedih

• Tidak Pasti

• Kompleks

• Dinamis

• Persaingan

• Terbatas

• Pilihan

• Informasi

• Preferensi

Intuisi(Logika tidak dapat diperiksa)

Keputusan Hasil

Kecerdasan

Persepsi

Falsafah

Bingung cemas

Berfikir Rasa tidak Enak

Bertindak Puji Cela

LINGKUNGAN

REAKSI

Gambar : Pengambilan Keputusan dengan Intuisi

Page 5: Pemodelan Keputusan

5

• Tidak Pasti• Kompleks• Dinamis• Persaingan• Terbatas

• Pilihan

• Informasi

• Preferensi

Keputs. Hasil

Kecerdasan

Persepsi

Falsafah

Bingung cemas

Berfikir Rasa tidak Enak

Bertindak Puji Cela

LINGKUNGAN

REAKSI

Gambar : Pengambilan Keputusan dengan Analisa Keputusan

• Alternatif2

• Penetapan kemungkinan

• Struktur Model

• Penetapan Nilai• Preferensi Waktu• Preferensi Risiko

Logika

Senang Sedih

ANALISA KEPUTUSAN (Normatif)

Sensitifitas nilai informasi

Pandangan ke dalam

Page 6: Pemodelan Keputusan

6

KOMPONEN KEPUTUSAN

Alternatif Keputusan

Kriteria Keputusan

Bobot Kriteria

Model Penilaian

Model Penghitungan

Tipe Pengambil Keputusan

Page 7: Pemodelan Keputusan

7

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 (Benefit/Cost Ratio)

•IRR (Internal Rate of Return)

•NPV (Net Present Value)

Page 8: Pemodelan Keputusan

8

MODEL PENILAIAN

2. Menggunakan Skala Ordinal

Kriteria kompleks melibatkan presepsi (subyektif)

Jumlah skala 3; 5; 7 (disarankan ganjil)

• Sebagai misal Rasa Minuman 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

Page 9: Pemodelan Keputusan

9

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

Page 10: Pemodelan Keputusan

10

Model Penilaian Fuzzy (trapezoidal) usia pendudukModel Penilaian Fuzzy (trapezoidal) usia penduduk

Page 11: Pemodelan Keputusan

11

Model Penilaiann Fuzzy Tingkat Kemiskinan PendudukModel Penilaiann Fuzzy Tingkat Kemiskinan Penduduk

Page 12: Pemodelan Keputusan

12

Latihan Model Penilaian

Berikan contoh kasus penerapan metode penilaian dengan:• Terukur Jelas• Skala Ordinal• Preferensi Fuzzy

Page 13: Pemodelan Keputusan

13

PENGAMBILAN KEPUTUSAN BERBASIS INDEKS KINERJA

A. METODE BAYES

B. METODE PERBANDINGAN EKSPONENSIAL (MPE)

C. COMPOSIT PERFORMANCE INDEX (CPI)

Page 14: Pemodelan Keputusan

14

Pemilihan Metode

• Penilaian Tidak Seragam CPI

• Penilaian seragam Bayes atau MPE

• Apabila skala penilaian ordinal MPE

• Apabil nilai alternatif adalah terukur nyata Bayes

Page 15: Pemodelan Keputusan

15

MATRIK KEPUTUSAN :ALTERNA-

TIFKRITERIA NILAI

ALT. KEP.RANGKINGALT. KEP.K1 K2 ….. Kn

ALT1 V11 V12 ….. V1n Nk1

ALT2 V21 V22 ….. V2n Nk2

ALT3 :: :

ALTm Vm1 Vm2 ….. Vmn Nkm

BOBOT B1 B2 ….. BnMODEL PENGHITUNGAN1. BAYES : Nki =

nΣj = 1 Vij * Bj ,

nΣj = 1 Bj = 1.0

2. Per. Eksponensial : Nki =nΣj = 1 (Vij )

Bj , Bj = Bulat >0

3. Composite Performance Indeks (CPI)

Page 16: Pemodelan Keputusan

16

Contoh Kasus =• Fokus = Pemilihan media iklan yang sesuai• Alternatif = 1. Radio

2. Televisi3. Surat Kabar

• Kriteria = 1. Jangkauan2. Efektifitas Pesan3. Biaya

• Metode Penilaian = ordinal1. Sangat Kurang2. Kurang3. Biasa

4. Bagus5. Sangat Bagus

Page 17: Pemodelan Keputusan

17

• Matrik KeputusanAlternatif 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

Hasil Survey Ditentukan Ditentukan

Page 18: Pemodelan Keputusan

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 :

mTotal Nilai i = Nilai ij (Kritj) j = 1

dimana:

Total Nilai i= total nilai akhir dari alternatif ke-i

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

Page 19: Pemodelan Keputusan

19

Contoh Kasus =• Fokus = Pemilihan media iklan yang sesuai• Alternatif = 1. Radio

2. Televisi3. Surat Kabar

• Kriteria = 1. Jangkauan2. Efektifitas Pesan3. Biaya

• Metode Penilaian = ordinal1. Sangat Kurang2. Kurang3. Biasa

4. Bagus5. Sangat Bagus

Page 20: Pemodelan Keputusan

20

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

Alternatif Kriteria NilaiAlternatif

PeringkatJangkauan Efektvitas Biaya

1. Radio 4 4 3 3,7 22. Televisi 4 5 2 3,8 13. 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.

Page 21: Pemodelan Keputusan

21

• Matrik KeputusanAlternatif 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

Page 22: Pemodelan Keputusan

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:

mTotal nilai (TNi) = (RK ij)TKK j

j=1

Page 23: Pemodelan Keputusan

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

Page 24: Pemodelan Keputusan

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

Page 25: Pemodelan Keputusan

25

• Matrik KeputusanAlternatif 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) = ?

Page 26: Pemodelan Keputusan

26

Evaluating Hardware and Software

Hardware Evaluation Hardware Evaluation FactorsFactors

• Performance• Cost• Reliability• Compatibility• Technology• Connectivity• Scalability• Support

• Software• Alternatif : laptop,

smartphone, PC• : Kriteria : cost (0.3),

technology (0.3), performance (0.4)

• Metode Bayes

Software Evaluation Software Evaluation FactorsFactors

• Quality• Flexibility• Security• Connectivity• Language• Documentation• Hardware• Efficiency

• Alternatif : windows, linux, macOS

• Kriteria : security (4), documentation (3), cost(3)

• Metode MPE

Page 27: Pemodelan Keputusan

27

Latihan Penerapan Metode Bayes dan MPE• Fokus =• Alternatif = 1.

2. 3.

• Kriteria = 1. 2. 3.

• Metode Penilaian : ordinal (generik)1. Sangat Kurang

2. Kurang3. Biasa

4. Bagus5. Sangat Bagus

Page 28: Pemodelan Keputusan

28

• Matrik KeputusanAlternatif Kriteria Nilai Keputusan

Bayes MPE

1.

2.

3.

Bobot Bayes

MPE

Page 29: Pemodelan Keputusan

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 100Iij = Aij x Pj

n

Ii = (Iij) j =1

Page 30: Pemodelan Keputusan

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

Page 31: Pemodelan Keputusan

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

Page 32: Pemodelan Keputusan

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.

Page 33: Pemodelan Keputusan

33

Identifikasi tren:

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

IRR : semakin besar nilai IRR, maka keuntungan akan semakin meningkat tren positif

B/C: semakin besar rasio B/C, maka keuntungan akan semakin besar tren positif

PBP: semakin kecil nilai PBP, maka waktu pengembalian modal akan semakin cepat tren negatif

+ + -

Page 34: Pemodelan Keputusan

34

Transformasi nilai

Alternatif Kriteria NilaiAlternatif

Peringkat

IRR B/C PBP (Thn)

1. Software House 100

2. Internet Provider 100

3. Production House 100

Bobot Kriteria 0,3 0,4 0,3

1002030

1002025

1001.1

15.1

1001.12.1

10064

10054

Panduannya adalah sebagai berikut:Untuk tren (+), nilai terkecil dijadikan sebagai penyebut supaya nilai yang lebih besar akan tetap lebih besar.Untuk tren (-), nilai terkecil dijadikan sebagai pembilang supaya nilai yang lebih besar akan relatif lebih kecil dari nilai terkecil.

Page 35: Pemodelan Keputusan

35

Tabel: Matrik hasil transformasi melalui teknik perbandingan indeks kinerja

Alternatif Kriteria NilaiAlternatif

Peringkat

IRR B/C PBP (Thn)

1. Software House 150 100 80 109 2

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

3. Production 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.

Page 36: Pemodelan Keputusan

36

Latihan

• Berikut adalah hasil penilaian dari 4 alternatif target

lokasi penjualan produk furnitur dengan tipe minimalis

• Tentukan urutan lokasi target potensial menggunakan CPI

AlternatifKriteria

Jarak Penjualan Kwartal lalu

Rata-rata waktu pelunasan

Bandung 342 km 1092 set 3 bulan

Jakarta 429 km 1820 set 8 bulan

Semarang 48 km 728 set 10 bulan

Surabaya 238 km 1456 set 5 bulan

Bobot kriteria 0.3 0.5 0.2