Sistem Pendukung Keputusan Episode 02: Tipe-Tipe dan Alat Bantu Pengambilan Keputusan Hanif Fakhrurroja, S.Si., MT ©2019 Hanif Fakhrurroja @hanifoza [email protected] http://hanifoza.wordpress.com Outline 1. 2. 3. 4. 5. Tipe-tipe Keputusan Ruang lingkup Keputusan Proses pembuatan Keputusan Alat Bantu Pengambilan Keputusan Model SPK ©Hanif Fakhrurroja, 2019 2 @hanif_fakhrurroja Tipe-tipe keputusan ❖Keputusan terprogram (struktur) ▪ Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak ▪ Bersifat rutin, berulang-ulang ❖Keputusan tak terprogram (tidak terstruktur) ▪ Mengenai masalah khusus, khas, tidak biasa ▪ Kebijakan yang ada belum menjawab ▪ Mis. Pengalokasian sumber daya ©Hanif Fakhrurroja, 2019 3 @hanif_fakhrurroja Tipe-tipe keputusan Diskusi Tradisional vs Modern ©Hanif Fakhrurroja, 2019 4 @hanif_fakhrurroja Teknik Keputusan Terprogram ❖Modern ❖Tradisional ▪ Kebiasaan ▪ Mengikuti prosedur baku ▪ Saluran informasi disusun dengan baik ©Hanif Fakhrurroja, 2019 5 ▪ Menggunakan teknik “operation research”: ▪ Formula matematika ▪ Simulasi komputer ▪ Berdasarkan pengolahan data berbantu komputer @hanif_fakhrurroja Teknik Keputusan Tak Terprogram ❖Modern ❖Tradisional ▪ Kebijakan intuisi berdasarkan kreativitas ▪ Coba-coba ▪ Seleksi dan latihan para pelaksana ©Hanif Fakhrurroja, 2019 6 ▪ Teknik pemecahan masalah yang diterapkan pada : ▪ Latihan pembuatan keputusan ▪ Penyusunan program komputer empiris @hanif_fakhrurroja Ruang Lingkup Keputusan Perencanaan & Pengendalian Operasional : Dipusatkan pada efektifitas dan efisiensi pelaksanaan tugastugas yg spesifik. Berpengaruh pada aktivitas yg sedang berlangsung Contoh: Apa yang sebaiknya diproduksi saat ini? Manajemen Pengendalian dan Perencanaan Taktis Focus on effective utilization of resources Dipusatkan pada pemanfaatan sumber daya efektif more longer range planning horizon Cakupan Perencanaan cakupan lebih panjang Contoh: Apa yang sebaiknya diproduksi tahun depan? Perencanaan Strategis Kebijakan Dan Gol jangka panjang untuk alokasi sumber daya Contoh: Apa produksi baru yg harus ditawarkan? ©Hanif Fakhrurroja, 2019 7 @hanif_fakhrurroja Information Characteristics Operational Managerial Strategic High Low Accuracy Aggregate Level of detail Detailed Future Time horizon Present Frequent Infrequent Use Internal External Source Narrow Wide Scope Quantitative Qualitative Nature Current Current/old Age Characteristics ©Hanif Fakhrurroja, 2019 8 @hanif_fakhrurroja Proses pembuatan keputusan (1) Pemahaman dan perumusan masalah Identifikasi gejala yang muncul Cari penyebabnya/masalah utama Cari bagian-bagian yang perlu dipecahkan Pergunakan analisis sebab-akibat Pengumpulan dan analisis data yang relevan Menentukan data yang relevan Mengumpulkan data Mencari pola dari data yang terkumpul Pengembangan alternatif-alternatif Berdasarkan data, disusun beberapa alternatif Untuk setiap alternatif susun pro & kontra, konsekuensi, resiko Semua alternatif harus feasible ©Hanif Fakhrurroja, 2019 9 @hanif_fakhrurroja Proses pembuatan keputusan (2) Evaluasi Alternatif-alternatif Nilai efektivitas dari setiap alternatif, tolok ukur Realistik bila dihubungkan dengan tujuan & sumber daya organisasi Seberapa jauh memecahkan masalah Pemilihan alternatif terbaik Berdasarkan alternatif, alternatif terbaik dipilih atau pilih kompromi dari beberapa alternatif Implementasi keputusan Susun rencana untuk menerapkan keputusan Disiapkan mekanisme laporan periodik Bila perlu bangun sistem peringatan dini Evaluasi hasil keputusan ©Hanif Fakhrurroja, 2019 10 @hanif_fakhrurroja Pembuatan keputusan secara kelompok : Keunggulan ❖ Adanya pengetahuan yang lebih luas ❖ Pencarian alternatif keputusan lebih luas ❖ Adanya kerangka pandangan yang lebar ❖ Resiko keputusan ditanggung kelompok ❖ Karena keputusan kelompok, setiap individu termotivasi untuk melaksanakan ❖ Dapat terwujudnya kreativitas yang lebih luas, karena adanya berbagai pandangan ©Hanif Fakhrurroja, 2019 11 @hanif_fakhrurroja Pembuatan keputusan secara kelompok : kelemahan ❖Lempar tanggung jawab mudah terjadi ❖Memakan waktu dan biaya lebih ❖Efisiensi pengambilan keputusan menurun ❖Keputusan kelompok dapat merupakan kompromi atau bukan sepenuhnya keputusan kelompok ❖Bila ada anggota yang dominan, keputusan bukan mencerminkan keinginan kelompok ©Hanif Fakhrurroja, 2019 12 @hanif_fakhrurroja Alat bantu Pengambilan keputusan ❖ Decision Tree ❖ Metode operation research ▪ Linear programming, queuing theory ▪ Network analysis (ie. CPM) ❖ Bantuan komputer ▪ Information System, Expert System, DSS, EIS (Executive information system) ©Hanif Fakhrurroja, 2019 13 @hanif_fakhrurroja Contoh Decision Tree Tid Refund Marital Status Taxable Income Cheat 1 Yes Single 125K No 2 No Married 100K No 3 No Single 70K No 4 Yes Married 120K No 5 No Divorced 95K Yes 6 No Married No 7 Yes Divorced 220K No 8 No Single 85K Yes 9 No Married 75K No 10 No Single 90K Yes 60K Splitting Attributes Refund Yes No NO MarSt Single, Divorced TaxInc NO > 80K < 80K NO Married YES 10 Model: Decision Tree Training Data ©Hanif Fakhrurroja, 2019 14 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Tid Refund Marital Status Taxable Income Cheat 1 Yes Single 125K No 2 No Married 100K No 3 No Single 70K No 4 Yes Married 120K No 5 No Divorced 95K Yes 6 No Married No 7 Yes Divorced 220K No 8 No Single 85K Yes 9 No Married 75K No 10 No Single 90K Yes 60K Married Single, Divorced MarSt NO Refund No Yes NO TaxInc < 80K NO > 80K YES There could be more than one tree that fits the same data! 10 ©Hanif Fakhrurroja, 2019 15 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Tid Attrib1 1 Yes Large 125K No 2 No Medium 100K No 3 No Small 70K No 4 Yes Medium 120K No 5 No Large 95K Yes 6 No Medium 60K No 7 Yes Large 220K No 8 No Small 85K Yes 9 No Medium 75K No 10 No Small 90K Yes Attrib2 Attrib3 Tree Induction algorithm Class Induction Learn Model Model 10 Training Set Tid Attrib1 11 No Small 55K ? 12 Yes Medium 80K ? 13 Yes Large 110K ? 14 No Small 95K ? 15 No Large 67K ? Attrib2 Attrib3 Apply Model Class Decision Tree Deduction 10 Test Set ©Hanif Fakhrurroja, 2019 16 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Apply Model to Test Data Test Data Start from the root of tree. Refund Yes Taxable Income Cheat No 80K Married ? 10 No NO MarSt Married Single, Divorced TaxInc NO < 80K NO ©Hanif Fakhrurroja, 2019 Refund Marital Status > 80K YES 17 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Apply Model to Test Data Test Data Refund Yes Taxable Income Cheat No 80K Married ? 10 No NO MarSt Married Single, Divorced TaxInc NO < 80K NO ©Hanif Fakhrurroja, 2019 Refund Marital Status > 80K YES 18 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Apply Model to Test Data Test Data Refund Yes Taxable Income Cheat No 80K Married ? 10 No NO MarSt Married Single, Divorced TaxInc NO < 80K NO ©Hanif Fakhrurroja, 2019 Refund Marital Status > 80K YES 19 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Apply Model to Test Data Test Data Refund Yes Taxable Income Cheat No 80K Married ? 10 No NO MarSt Married Single, Divorced TaxInc NO < 80K NO ©Hanif Fakhrurroja, 2019 Refund Marital Status > 80K YES 20 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Apply Model to Test Data Test Data Refund Yes Taxable Income Cheat No 80K Married ? 10 No NO MarSt Married Single, Divorced TaxInc NO < 80K NO ©Hanif Fakhrurroja, 2019 Refund Marital Status > 80K YES 21 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Apply Model to Test Data Test Data Refund Yes Taxable Income Cheat No 80K Married ? 10 No NO MarSt Married Single, Divorced TaxInc NO Assign Cheat to “No” NO < 80K ©Hanif Fakhrurroja, 2019 Refund Marital Status > 80K YES 22 @hanif_fakhrurroja Membuat Pemodelan Decision Tree Decision Tree Classification Task Tid Attrib1 1 Yes Large 125K No 2 No Medium 100K No 3 No Small 70K No 4 Yes Medium 120K No 5 No Large 95K Yes 6 No Medium 60K No 7 Yes Large 220K No 8 No Small 85K Yes 9 No Medium 75K No 10 No Small 90K Yes Attrib2 Attrib3 Tree Induction algorithm Class Induction Learn Model Model 10 Training Set Tid Attrib1 11 No Small 55K ? 12 Yes Medium 80K ? 13 Yes Large 110K ? 14 No Small 95K ? 15 No Large 67K ? Attrib2 Attrib3 Apply Model Class Decision Tree Deduction 10 Test Set ©Hanif Fakhrurroja, 2019 23 @hanif_fakhrurroja Linear Programming X = jumlah motor yg diproduksi Y = jumlah mobil yg diproduksi Profit = 800X + 1500Y Batasan Biaya produksi: 1000X + 2000Y <= 200.000 Batasan jumlah motor : X >= 50 Berapa X & Y agar Profit maksimum ? ©Hanif Fakhrurroja, 2019 24 @hanif_fakhrurroja Network Analysis: CPM ©Hanif Fakhrurroja, 2019 25 @hanif_fakhrurroja Expert System ©Hanif Fakhrurroja, 2019 26 @hanif_fakhrurroja Executive Information System ©Hanif Fakhrurroja, 2019 27 @hanif_fakhrurroja Decision Support System ©Hanif Fakhrurroja, 2019 28 @hanif_fakhrurroja Model SPK ❖ Model Keputusan 1.Model Fisik 2.Model Naratif 3.Model Grafik 4.Model Matematika ❖ Artificial Intellegent ©Hanif Fakhrurroja, 2019 29 @hanif_fakhrurroja Model Fisik ❖ Model fisik adalah penggambaran entitas dalam bentuk tiga dimensi. ❖ Contoh: miniatur pusat pembelanjaan atau miniatur mobil baru ©Hanif Fakhrurroja, 2019 30 @hanif_fakhrurroja Model Naratif Model naratif adalah jenis model yang digunakan oleh manajer setiap hari, yaitu menggambarkan dan menjelaskan suatu entitas secara langsung baik dalam bentuk lisan maupun tertulis. ©Hanif Fakhrurroja, 2019 31 @hanif_fakhrurroja Model Grafik Adalah model yang sangat umum dan selalu digunakan karena merupakan model yang sangat efektif dalam menjelaskan suatu entitas. Model grafik menggambarkan entitasnya dengan sejumlah garis, simbol atau bentuk. ©Hanif Fakhrurroja, 2019 32 @hanif_fakhrurroja Model Grafik Biaya Total Biaya Penyimpanan Biaya Pembelian EOQ ©Hanif Fakhrurroja, 2019 33 @hanif_fakhrurroja Model Matematika ❖ Model matematika adalah semua rumus dan persamaan matematika yang digunakan oleh manajer untuk mengambil suatu keputusan ©Hanif Fakhrurroja, 2019 34 @hanif_fakhrurroja Kegunaan Model ❖ Mempermudah Pemahaman ❖ Mempermudah Komunikasi ❖ Memperkirakan Masa Depan ©Hanif Fakhrurroja, 2019 35 @hanif_fakhrurroja Keuntungan Pemodelan ❖ Proses pemodelan dapat menjadi sebuah pengalaman belajar bagi manajer ❖ Kecepatan proses simulasi memungkinkan sejumlah besar alternatif dimasukkan untuk dipertimbangkan karena simulasi memiliki kemampuan untuk mengevaluasi pengaruh dari sebuah keputusan dalam waktu singkat ❖ Model memiliki kemampuan untuk meramal atau memperkirakan masa depan. Kemampuan ini tidak dimiliki oleh metode-metode penghasil informasi lainnya ❖ Biaya penggunaan model jauh lebih murah daripada menggunakan metode trial and error ©Hanif Fakhrurroja, 2019 36 @hanif_fakhrurroja Kerugian Pemodelan ❖ Kesulitan dalam pemodelan suatu sistem bisnis akan menghasilkan model yang tidak mampu menampung semua pengaruh terhadap entitas ❖ Diperlukan kemampuan yang tinggi dibidang matematika untuk menggunakan dan mengembangkan model yang lebih kompleks. ©Hanif Fakhrurroja, 2019 37 @hanif_fakhrurroja Artificial Intellegent Adalah aktivitas dalam menyediakan alat atau mesin seperti komputer yang memiliki kemampuan untuk berperilaku cerdas dengan standar kecerdasan manusia ©Hanif Fakhrurroja, 2019 38 @hanif_fakhrurroja Tugas-1 ❖ Carilah contoh pemodelan pengambilan keputusan dengan menggunakan Decision Tree ❖ Tugas dibuat dalam bentuk power point ❖ Tugas di submit ke: http://elearning.lpkia.ac.id ❖ Batas akhir pengumpulan tugas: H1 perkuliahan, Pukul 23.55 WIB ©Hanif Fakhrurroja, 2012 39 http://hanifoza.wordpress.com ©Hanif Fakhrurroja, 2019
