Proses Pengambilan Keputusan

Pengambilan
Keputusan, Sistem
Pemodelan, Proses
pengambilan
keputusan
• Pengambilan keputusan adalah
proses pemilihan, diantara berbagai
alternatif aksi yang bertujuan untuk
memenuhi
satu atau beberapa sasaran
• 4 fase:
– (1) intelligence
– (2) design
– (3) choice
– (4) implementation
Dasar Pengambilan
Keputusan
Pemecahan
Masalah
2
DSS, GDSS, EIS, dan ES melibatkan satu istilah: sistem
•
Sistem = kumpulan dari obyek-obyek seperti orang, resources,
konsep, dan prosedur yang ditujukan untuk melakukan fungsi
tertentu atau memenuhi suatu tujuan.
•
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 komputer.
•
Proses = proses transformasi elemen-elemen dari input menjadi
output.
•
Output = produk jadi atau hasil dari suatu proses di sistem.
•
Feedback = aliran informasi dari komponen output ke
pengambil keputusan yang memperhitungkan output atau
kinerja sistem.
•
Environment/lingkungan dari sistem terdiri dari berbagai elemen
yang terletak di luar input,
output, atau pun proses.
Contoh: sosial, politik, hukum, aspek fisik, dan ekonomi.
3
Sistem dan
Lingkungann
ya.
4
Efektivitas VS Efisiensi
▪2 ukuran utama dari sistem adalah: efektivitas dan
efisiensi.
• Efektivitas = derajat seberapa banyak tujuan
sistem tercapai. Ini mengacu pada hasil atau
output dari suatu sistem. Doing the “right” thing.
• Efisiensi = ukuran penggunaan input (atau
resources) untuk mencapai tujuan; sebagai
contoh, seberapa banyak uang yang digunakan
untuk mendapatkan level tertentu penjualan.
Doing the “thing” right.
5
MODEL
• Karakteristik utama dari DSS adalah adanya
kemampuan pemodelan
• Kompleksitas hubungan dalam sistem organisasi tak
dapat
direpesentasikan dengan Iconic atau
Analog, karena kalau pun bisa akan memakan
waktu lama dan sulit.
• Analisis DSS menggunakan perhitungan numerik
yang dibantu dengan model matematis atau
model kuantitatif lainnya.
6
• Biaya analisis model lebih murah
KEUNTUNGAN
daripada percobaan yang
MODEL
dilakukan pada sistem yang
sesungguhnya.
• Model memungkinkan untuk
menyingkat waktu.
• Manipulasi model (perubahan
variabel) lebih mudah dilakukan
daripada bila diterapkan pada
sistem nyata.
• Akibat yang ditimbulkan dari adanya
kesalahan-kesalahan sewaktu proses
trial- and-error lebih kecil daripada
KEUNTUNGAN
penggunaan model langsung di sistem
MODEL
nyata.
• Penggunaan pemodelan menjadikan
seorang manajer dapat menghitung
resiko yang ada pada proses-proses
tertentu.
• Analisis bisa pada kemungkinankemungkinan solusi yang banyak sekali,
bahkan bisa tak terhitung.
• Model meningkatkan proses
pembelajaran
Fase – Fase
Proses
Pengambilan
Keputusan
Proses
pemodelan
pengambilan
keputusan
10
Fase Intelligence
• Proses yang terjadi pada fase ini
adalah:
– Menemukan masalah.
– Klasifikasi masalah.
– Penguraian masalah.
– Kepemilikan masalah.
11
Fase Design
Tahap ini meliputi pembuatan,
pengembangan, pemilihan model dan
analisis hal-hal yang mungkin untuk
dilakukan.
2 Tipe Prinsip
Pemilihan
Model Normatif
Normatif
Mengimplikasikan bahwa alternatif yang
terpilih adalah yang terbaik dari semua
alternatif yang mungkin
Alternatif terbaik
Menguji semua alternatif
Membuktikan alternatif tersebut
yang terbaik
Proses Optimasi
Contoh : Penentuan Kepala UPT Sistem Informasi
• Alternatif mana yang akan dijadikan kepala UPT
untuk meningkatkan kinerja dan produktivitas ?
• Alternatif mana yang akan dijadikan Kepala UPT
berdasarkan kriteria yang digunakan?
• Jika tugasnya adalah menentukan alternatif
kepala upt spesifikasi tertentu, metode mana
yang akan bisa menunjukkan alternatif
tersebut?
Penentuan kepala UPT sistem
informasi
Gambaran
umum model
Hasil Penentuan kepala UPT
15
Simple Additive Weighting (SAW)
▪Formula untuk melakukan normalisasi tersebut adalah
sebagai berikut:
 x ij

x ij
 Max
i

rij  
 Min x ij
 i

 x ij
jika j adalah atribut keuntungan (benefit)
jika j adalah atribut biaya (cost)
dengan rij adalah rating kinerja ternormalisasi dari alternatif
Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.
Simple Additive Weighting (SAW)
▪Nilai preferensi untuk setiap alternatif (Vi) diberikan
sebagai:
Vi 
n
w r
j 1
j ij
▪Nilai Vi yang lebih besar mengindikasikan bahwa alternatif
Ai lebih terpilih.
Simple Additive Weighting (SAW)
Langkahlangkah
penyelesaian
Langkah – langkah penyelesaian :
• Menentukan kriteria-kriteria dan alternatif
yang akan dijadikan acuan dalam pengambilan
keputusan.
• Menentukan bobot untuk setiap alternatif
• Membuat Matriks/tabel Keputusan.
• Menentukan rating kecocokan setiap alternatif
pada setiap kriteria.
• Matriks keputusan merupakan matriks terdiri
dari kriteria dari tiap alternatif terlebih dahulu
membentuk perbandingan berpasangan setiap
alternatif disetiap kriteria (Xij).
• Melakukan normalisasi matriks.
• Menghitung hasil akhir
Menentukan
Kriteria
Menentukan
Alternatif
Ada empat kriteria yang digunakan untuk
melakukan penilaian, yaitu:
C1 = tes pengetahuan (wawasan) sistem informasi
C2 = praktek instalasi jaringan
C3 = tes sehat rohani
C4 = tes sehat jasmani
Kandidat (alternatif) untuk
dipromosikan sebagai kepala upt,
yaitu:
A1 = Indra,
A2 = Roni,
A3 = Putri,
A4 = Dani,
A5 = Ratna, dan
A6 = Mira.
19
Simple
Additive
Weighting
(SAW)
-Pengambil keputusan memberikan bobot
untuk setiap kriteria sebagai berikut:
-C1 = 35%;
-C2 = 25%;
-C3 = 25%;
-C4 = 15%.
Tabel
Keputusan
Rating kecocokan setiap alternatif pada setiap kriteria
Alternatif
Indra
C1
70
C2
50
Roni
Putri
Dani
50
85
82
60
55
70
Ratna
Mira
75
62
75
50
Kriteria
C3
80
82
80
65
85
75
C4
60
70
75
85
74
80
Simple Additive Weighting (SAW)
Normalisasi:
dst
r11 
70
70

 0,82
max 70;50;85;82;75;62 85
r21 
70
50

 0,59
max 70;50;85;82;75;62 85
r12 
50
50

 0,67
max 50;60;55;70;75;50 75
r22 
60
60

 0,80
max 50;60;55;70;75;50 75
Matriks
Ternormalisasi
Hasil Normalisasi
0,82
0,59

 1
R 
0,96
0,88


0,73
0,67
0,94
0,80
0,96
0,73
0,94
0,93
0,76
1
1
0,67
0,88
0,71
0,82 

0,88

1 
0,87 

0,94

Simple Additive Weighting (SAW)
-
Proses perankingan dengan menggunakan bobot yang telah diberikan oleh pengambil
keputusan: w = [0,35 0,25 0,25 0,15]
Hasil yang diperoleh adalah sebagai berikut:
V1  (0,35)(0,82)  (0,25)(0,67)  (0,25)(0,94)  (0,15)(0,71)  0,796
V 2  (0,35)(0,59)  (0,25)(0,80)  (0,25)(0,96)  (0,15)(0,82)  0,770
V 3  (0,35)(1,00)  (0,25)(0,73)  (0,25)(0,94)  (0,15)(0,88)  0,900
V 4  (0,35)(0,96)  (0,25)(0,93)  (0,25)(0,76)  (0,15)(1,00)  0,909
V 5 (0,35)(0,88)  (0,25)(1,00)  (0,25)(1,00)  (0,15)(0,87)  0,939
V 6  (0,35)(0,73)  (0,25)(0,67)  (0,25)(0,88)  (0,15)(0,94)  0,784
Hasil
-
Nilai terbesar ada pada V5
dengan nilai 0,939, sehingga
alternatif A5 adalah alternatif
yang terpilih sebagai alternatif
terbaik.
-
Dengan kata lain, Ratna akan
terpilih sebagai kepala upt
sistem informasi.
2 Tipe Prinsip
Pemilihan
Model Deskriptif
Deskriptif
Kebanyakan pengambilan keputusan
berkeinginan untuk mendapatkan solusi
yang memuaskan, “sesuatu yang
mendekati terbaik”.
Alternatif memuaskan
Menggambarkan berbagai hal
sebagaimana adanya
Memeriksa performa sistem untuk
beberapa alternatif, tidak semua
alternatif sehingga tidak ada
jaminan itu alternatif optimal
Proses Simulasi
Model
Deskriptif
•
Analisis dampak lingkungan
•
Perencanaan keuangan
•
Inventory management
(complex).
•
Analisis prediksi
•
Analisis skenario
•
Simulation (different types).
•
Forecasting teknologi
•
Waiting line management
(antrian)
•
Peta kognitif
•
Pendekatan berbasis naratif
27
Fase
Pemilihan
(Choice)
Teknik analitis : menggunakan perumusan matematis
Heuristic : pencarian untuk solusi terbaik
Blind search : pencarian untuk solusi sekali ketemu
Algoritma: Proses langkah demi langkah
Fase
Implementasi
Mengimplementasikan suatu solusi/keputusan