T k ik P bil K t B b iTeknik Pengambilan Keputusan Berbasis Indeks Kinerja

Prof. Dr. Marimin (marimin@ipb.ac.id)

SYSTEM DEFINITION

Element (E1) E2 Goal

E3Sub Goal

E5E4

Goal

• System Phylosophy- Goal Oriented (Cybernetic) C S

- Holistic Not Partial H

- Effectiveness Not Efficiency E

SYSTEM CLASSIFICATION MATRIX

System Input Process Output

A l i √ √ ?Analysis

Synthesis

√

√

√

√

? Narrow aspect

? Wide aspectDesign √ ? √

Control ? √ √Control ? √ √

L l f C t• Level of Competency:System Analysis (BSc-S1)System Synthesis (and Analysis- MSc)S D i ( d A l i S h i PhD)System Design (and Analysis, Synthesis-PhD)

Latihan Klasifikasi Sistem:

Deskripsikan Berdasar 4 tipe sistem pada kasus:

• Agroindustri

• Sistem Pendidikan • Sistem Pendidikan

• Dsb.

• Information CycleINFORMATION

MISNUMBER/ TERMS

DSS

DECISION ALTERNATIVEDATA

TERMS

MES

ACTION DECISION

SOP

Note : MIS : Management Information SystemDSS : Decision Support SystemSOP : Standard Operation ProcedureSOP : Standard Operation ProcedureMES : Monitoring and Evaluation System

Latihan:

Klasifikasikan term/bilangan, data, informasi, alternatif keputusan, keputusan dan aksi pada kasus:

• Perbankan

• Institusi Publik

• BUMN Perkebunan• BUMN Perkebunan

• Dsb.

ffi= feed forward informationffi= feed forward informationfbi= feed back information

Directive ES EISDSS

Strategic IS

MIS

DSS

Tactic

O i l

DBMSMIS

EDPOperasional EDP

Decision Hierarchy and the Business Solutions

Deskripsi Hirarki Keputusan

Jangka Lingkungan Sifat

Deskripsi Hirarki Keputusan

Direktif Panjang Dinamis dan probalistik intuitif

Arahan-arahan strategis yang kadang bersifat intuitif

Strategis Panjang Dinamis dan mempengaruhi Tidak bisa diprogramStrategis 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 k tkeputusan

Operasional Pendek Dianggap statik dan tidak mempengaruhi faktor-faktor

Bisa dibuat program karena sifatnya berulang

SISTEM INFORMASI BERBASIS KOMPUTER (Computer Based Information Systems-CBIS)

• ES : Expert System (Sistem Pakar)• ES : Expert System (Sistem Pakar)

• DSS : Decision Support Systems(Sistem Penunjang Keputusan)( j g p )

• MIS : Management Information System

(Sistem Informasi Manajemen)

• DBMS: Data Based Management Systems(Sistem Manajemen Basis Data)

• EDP : Electronic Data ProcessingEDP : Electronic Data Processing(Pengolahan Data Elektronik)

• IS : Information Systems(Sistem Informasi)

Latihan:

Deskripsikan Hirarki Keputusan pada Kasus:

• PT. Astra

• Swasembada Pangan (Beras) • Swasembada Pangan (Beras)

• Penyelamatan Perbankan

• Dsb.

Fungsi Manajemen

• Perencanaan

Hirarki Sifat

• Perencanaan

• “Staffing”

• Pengorganisasian

Top Level

U M di

• Directif

• StrategisPengorganisasian

• Pelaksanaan

• Monitoring

Up Medium Low

Lower

• Taktis

• Operasionalg

• Evaluasi

Cara

1. Dengan Intuisi

2 Dengan Analisa Kep t san

12

2. Dengan Analisa Keputusan

LINGKUNGAN

• Tidak Pasti

• Kompleks

Dinamis

• Pilihan

InformasiIntuisi Keputusan Hasil

Kecerdasan

Persepsi• Dinamis

• Persaingan

• Terbatas

• Informasi

• Preferensi

Logika tidak dapat diperiksa

Persepsi

Falsafah

Senang S dih

Bingung cemas

Berfikir Rasa tidak Enak

Bertindak Puji C l Sedihcemas Enak Cela

REAKSI

13Skema Pengambilan Keputusan dengan Intuisi

ANALISA KEPUTUSAN (Normatif)

• Tidak Pasti• Kompleks

• PilihanKecerdasan

P i

LINGKUNGAN

• Alternatif2

• Penetapan

(Normatif)

p• Dinamis• Persaingan• Terbatas

• Informasi

• Preferensi

Keputs. Hasil Persepsi

Falsafah

Penetapan kemungkinan

• Struktur Model

• Penetapan Nilai

Logika

• Penetapan Nilai• Preferensi Waktu• Preferensi Risiko

P ji S

Sensitifitas nilai informasi

Bingung cemas

Berfikir Rasa tidak Enak

Bertindak Puji Cela

REAKSI

Senang Sedih

Pandangan ke dalam

14

REAKSI

Skema Pengambilan Keputusan dengan Analisa Keputusan

MCDM: Multiple Criteria Decision MakingSEBAGAI SALAH SATU MODEL DALAM PENGAMBILAN KEPUTUSAN

Tujuan yang akan dicapaiMasalah yang akan diselesaikan

Kriteria Pengambil Keputusan

Kriteria Kinerja

Alternatives alat/rencana/

15

alat/rencana/…

Alternatif Keputusan

Kriteria Keputusanp

Bobot Kriteria

Model PenilaianModel Penilaian

Model Penghitungan

Tipe Pengambil Keputusan

16

1. Menggunakan Nilai Numerik (Nyata)

K it i d t l t k j l ( b ktif)Kriteria dan atau alat ukurnya jelas (obyektif)

•Sebagai misal Suhu Ruang (termometer)•Sebagai misal Suhu Ruang (termometer)

•Tinggi Badan

•Berat BadanBerat Badan

•Hasil perhitungan dengan rumus yang jelas:

•BCR

•IRR

•NPV

17

2. Menggunakan Skala Ordinal

K it i k l k lib tk i ( b ktif)Kriteria kompleks melibatkan presepsi (subyektif)

Jumlah skala 3; 5; 7 (disarankan ganjil)

• Sebagai misal Rasa TEH (5 Skala)

• 1. Sangat tidak enak 4. Enak1. Sangat tidak enak 4. Enak

• 2. Tidak Enak 5. Sangat enak

• 3. Cukup Enakp

• Stabilitas politik (3 Skala)

. 1. Kurang Stabil 3. Sangat Stabil

18

. 2. Stabil

3. Menggunakan Skala Nominal

Kriteria perlu pembeda untuk memudahkan p prepresentasi dan pengolahan

Jumlah skala disesuaikan dengan kebutuhan

Tidak ada arti relatif antar nilai

• Sebagai misal Jenis Pekerjaan

1 PNS 4 Pedagang• 1. PNS 4. Pedagang

• 2. Swasta 5. Wirausahawan

• 3 Pegawai BUMN• 3. Pegawai BUMN

• Jenis Kelamin

1. Laki-laki 2. Perempuan

19

1. Laki laki 2. Perempuan

4. Menggunakan Nilai Perbandingan Berpasangan

Misal pada AHP : <misal A dibandingkan dengan B>

1 A d B ti 7 A t t l bih ti d i B1 : 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 B5 : A jelas lebih penting dari B

Pembacaan Lain:Pembacaan Lain:

3: A tiga kali lebih penting dari B

5: A lima kali lebih penting dari B

20

5: A lima kali lebih penting dari B

5. Metode penilaian Fuzzy 5. Metode penilaian Fuzzy

Contoh: Model Penilaian Fuzzy (trapezoidal) usia pendudukContoh: Model Penilaian Fuzzy (trapezoidal) usia penduduk

21

Latihan Model Penilaian

Berikan contoh kasus penerapan metode penilaian dengan:

• Terukur Jelas

• Skala Ordinal• Skala Ordinal

• Perbandingan berpasangan

• Preferensi Fuzzy

22

A. TEKNIK BAYES

B. TEKNIK PERBANDINGAN EKSPONENSIAL (TPE)

C COMPOSIT PERFORMANCE INDEX (CPI)C. COMPOSIT PERFORMANCE INDEX (CPI)

23

ALTERNA KRITERIA NILAI RANGKINGALTERNA-TIF

KRITERIA NILAIALT. KEP.

RANGKINGALT. KEP.K1 K2 ….. Kn

ALT1 V11 V12 ….. V1n Nk1

ALT2 V21 V22 V2n Nk2ALT2 V21 V22 ….. V2n Nk2

ALT3 :: :

ALTm Vm1 Vm2 ….. Vmn Nkm

BOBOT B1 B2 ….. Bn

MODEL PENGHITUNGAN

1. BAYES : Nki =nΣj = 1

Vij * Bj ,nΣj = 1

Bj = 1.0

2. Per. Eksponensial : Nki =nΣ (Vij ) Bj , Bj = Bulat >02. Per. Eksponensial : Nki Σj = 1

( ij ) , j

3. Composite Performance Indeks (CPI)

24

Contoh Kasus =Contoh Kasus

• Fokus = Pemilihan media iklan yang sesuai

• Alternatif = 1. Radiof .

2. Televisi3. Surat Kabar

• Kreteria = 1. Jangkauan

2. Efektifitas Pesan3. Biaya

• Metode Penilaian = ordinal1 Sangat Kurang 4 Bagus1. Sangat Kurang2. Kurang3. Biasa

4. Bagus5. Sangat Bagus

25

• Matrik Keputusan• 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 43. Surat Kabar 4 3 4

Bobot Bayes 0,3 0,4 0,3

MPE 3 4 3

26

• Merupakan teknik yang digunakan untuk melakukan analisis dalampengambilan keputusan terbaik dari sejumlah alternatifg j

• Persamaan Bayes yang digunakan untuk menghitung nilai setiap alternatifdisederhanakan 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-jj 1 ij

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

i = 1,2,3,…n; n = jumlah alternatif

j 1 2 3 j l h k it ij = 1,2,3,…m; m = jumlah kriteria

27

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

Alternatif Kriteria Nilai PeringkatAlternatif Kriteria NilaiAlternatif

Peringkat

Jangkauan Efektvitas Biaya1. 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 3Bobot 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

28

alternatif yang terurut dari yang terbaik adalah alternatif 2, 1, dan 3.

• 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 telahkeputusan untuk menggunakan rancang bangun model yang telah terdefinisi dengan baik pada tahapan proses

Prosedur TPE• Formulasi perhitungan skor untuk setiap alternatif dalam metoda

perbandingan eksponensial adalah:perbandingan eksponensial adalah:

mTotal nilai (TNi) =∑ (RK ij)TKK j

29

Total nilai (TNi) ∑ (RK ij)j=1

dengan :

TNi = Total nilai alternatif ke -i

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

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

n = jumlah pilihan keputusan

m = jumlah kriteria keputusan

P t ti k t k ti k it i dil k k d• Penentuan tingkat kepentingan kriteria dilakukan dengan cara wawancara dengan pakar atau melalui kesepakatan curah pendapat.

• Penentuan skor alternatif pada kriteria tertentu dilakukan denganPenentuan skor alternatif pada kriteria tertentu dilakukan dengan memberi nilai setiap alternatif berdasarkan nilai kriterianya

30

• Matrik Keputusan• 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

31

( )

• Nilai(Televisi) = ? Nilai(Surat Kabar) = ?

Merupakan indeks gabungan (Composite Index) yang dapat digunakan

untuk menentukan penilaian atau peringkat dari berbagai alternatif (i)

berdasarkan beberapa kriteria (j)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

nIi = Σ (Iij)

j =1

32

K tKeterangan:

Aij = nilai alternatif ke-i pada kriteria ke – j

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

Pj = bobot kepentingan kriteria ke – j

Iij = indeks alternatif ke-iij

Ii = indeks gabungan kriteria pada alternatif ke –i

i = 1, 2, 3,…, n

j = 1, 2, 3,…, m

33

• Sebagai ilustrasi terdapat 3 alternatif yang dinilai yaitu Software House• 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( ) ( ) y

(waktu pengembalian modal)

Tabel: Matrik awal penilaian alternatif pemilihan usaha yang paling layakp p y g p g y

Alternatif Kriteria

IRR (%) B/C PBP (Thn)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

34

• 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 kriteriaUntuk kriteria tren positif, nilai minimum pada setiap kriteria

ditranspormasi ke seratus, sedangkan nilai lainnya

ditranspormasi secara proporsional lebih tinggiditranspormasi secara proporsional lebih tinggi.

• Untuk kriteria tren negatif, nilai minimum pada setiap kriteria

ditranspormasi ke seratus, sedangkan nilai lainnya

ditranspormasi secara proporsional lebih rendah.

35

• Perhitungan selanjutnya mengikuti prosedur Bayes.

T b l M t ik h il t f i l l i t k ik b di i d k ki jTabel: Matrik hasil transformasi melalui teknik perbandingan indeks kinerja

Alternatif Kriteria NilaiAlternatif

Peringkat

IRR B/C PBP (Th ) AlternatifIRR B/C PBP (Thn)

1. Software House 150 100 80 109 2

2 Internet Provider 100 104 5 66 7 91 8 32. 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 3Bobot Kriteria 0,3 0,4 0,3

Dengan demikian alternatif 3 yaitu Production House peringkat 1Dengan demikian alternatif 3 yaitu Production House peringkat 1.

36

• Apabila Penilaian Tidak Seragam CPIp g

• Apabila Penilaian Seragam Bayes atau TPE

• Apabila skala penilaian ordinal TPE

• Apabila nilai alternatif adalah terukur nyata Bayes

37

Latihan Penerapan Teknik Bayes, TPE dan CPILatihan Penerapan Teknik Bayes, TPE dan CPI

• Fokus =

• Alternatif = 1. f .

2. 3.

• Kreteria = 1.

2. 3.

• Metode Penilaian :1 Kriteria 1 dinilai dengan 1. Kriteria 1 dinilai dengan ........2. Kriteria 2 dinilai dengan ......3. Kriteria 3 dinilai dengan ......

38

• Matrik Keputusan• Matrik Keputusan

Alternatif Kriteria Teknik SesuaiBayes/TPI/CPI?Bayes/TPI/CPI?Nilai Peringkat

1.1.

2.

3.

Bobot Bayes/CPI

TPE

39

P ilih M t dPemiliha Metode

• Penilaian Tidak Seragam CPIg

• Penilaian seragam - Bayes atau MPE

• Apabila skala penilaian ordinal - MPE

• Apabil nilai alternatif adalah terukur nyata - Bayes

40

1. Baca buku/bahan pendukungnya

2. Pilih persoalan kasus Agroindustri. Kemudian selesaikan soal-soal latihan pada hand out ini.

3. Susun dan nilai matrik keputusannya. Pilih teknik yang sesuai (Bayes/MPE/CPI). Selesaikan persoalan dengan teknik yang paling tepat danpersoalan dengan teknik yang paling tepat dan bahas serta simpulkan.

4 Tugas dikerjakan individu4. Tugas dikerjakan individu

41

1. Analytical Hierarchy Process (AHP) untuk Perumusan Strategi y y ( ) gBisnis/Kebijakan Publik

2. Analytical Network Process (ANP) untuk Perumusan Kebijakan PublikPublik

3. Intepretive Struktural Modelling (ISM) untuk Perumusan Strategi Pengembangan Bisnis.

4. Fuzzy Decision Making

• Fuzzy MEMCDM

• Fuzzy AHP/ANP

• Fuzzy Rule-Base

42

1. Turban, E., Sharda, R. Delen, D. Decision Support and Business Intelligent SystemSupport and Business Intelligent System. Boston: Pearson. 2011

2 Marimin dan N Maghfiroh 2010 Teknik2. Marimin dan N. Maghfiroh, 2010, Teknik Pengambilan Keputusan dalam Manajemen Rantai Pasok, IPB Press, Bogor

43

g | ~ á|{g | ~ á|{gxÜ|Åt ~tá|{gxÜ|Åt ~tá|{g{ ~ g{ ~ g{tÇ~ çÉâg{tÇ~ çÉâTÜ|ztàÉâ ZÉét|ÅtáâTÜ|ztàÉâ ZÉét|Åtáâz éz é