Sistem Dan Pemodelan Keputusan Mcdm-ush-2012.ppt

SISTEM DAN PEMODELAN KEPUTUSAN Kriteria Jamak: Model Keputusan Indeks Kinerja

Marimin Karsodimejo

[email protected]

23/03/2019

Anna Regar

1

• Information Cycle INFORMATION NUMBER/ TERMS

MIS

DSS DECISION ALTERNATIVE

DATA

MES

ACTION

DECISION SOP

Note : MIS DSS SOP MES 23/03/2019

: Management Information System : Decision Support System : Standard Operation Procedure : Monitoring and Evaluation System Anna Regar

2

 Latihan: Klasifikasikan term/bilangan, data, informasi, alternatif keputusan, keputusan dan aksi pada kasus: • Perbankan

• Institusi Publik • BUMN Perkebunan • Dsb.

23/03/2019

Anna Regar

3

Directif

Strategiks

Taktis

Operasional

Hirarki Keputusan

23/03/2019

Anna Regar

4

Tabel: Hirarki Keputusan 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

Menengahpendek

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

23/03/2019

Anna Regar

5

 Latihan: Deskripsikan Hirarki Keputusan pada Kasus: •

PT. Astra

• Swasembada Pangan (Beras)

• Penyelamatan Perbankan • Pensuksesan Visit Indonesaia 2010 • Dsb. 23/03/2019

Anna Regar

6

Directive

EIS

ES DSS

Strategic

Tactic

IS DBMS

Operasional

MIS

EDP

Posisi ES/ES pada Sistem Informasi (IS)

23/03/2019

Anna Regar

7

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

: Expert System (Sistem Pakar)

• DSS : Decision Support Systems (Sistem Penunjang Keputusan) • MIS : Management Information System (Sistem Informasi Manajemen) • DBMS: Data Based Management Systems (Sistem Manajemen Basis Data) • EDP : Electronic Data Processing

(Pengolahan Data Elektronik) • IS 23/03/2019

: Information Systems (Sistem Informasi) Anna Regar

8

System Thinking

23/03/2019

Anna Regar

9

ILMU SISTEM  General

System Theory (GST)  Von

Bertalanffy (1968)  GST seeks to understand the universality of systemic order, behavior and interdependency of part that characterize living and non living systems.  It studies “wholes” and “wholeness”

23/03/2019

Anna Regar

10

KARAKTERISTIK ILMU SISTEM Organized simplicity

1. Uncertain is unscientific 2. Uncertain should be avoided from science

(1860-1960)

Disorganized Complexity

The only way to deal with uncertain is probability theory

(1960-1980)

Organized Complexity

Uncertain is multidimentional, and probability is only one of its dimension

(2000-….)

Possibility Theory Fuzzy Theory

23/03/2019

Anna Regar

11

SYSTEM DEFINITION Element (E1)

E2

Goal

E3 Sub Goal

E4

E5

• System Phylosophy - Goal Oriented (Cybernetic)  C  S

- Holistic Not Partial

 H

- Effectiveness Not Efficiency

 E

23/03/2019

Anna Regar

12

SYSTEM CLASSIFICATION MATRIX System

Input

Process

Output

Analysis





? Narrow aspect ? Wide aspect

Synthesis





Design



?



Control

?





• Skripsi  Sistem Analisis • Tesis  Sistem Analisis dan Sintesis • Disertasi  Sistem Analisis, Sintesis dan Disain 23/03/2019

Anna Regar

13

 Latihan Klasifikasi Sistem: Deskripsikan Berdasar 4 tipe sistem pada kasus: •

Industri Pariwisata

• Sistem Pendidikan

• Dsb.

23/03/2019

Anna Regar

14

METODOLOGI RISET PENDEKATAN BERENCANA PENDEKATAN SISTEM PENDEKATAN EMPIRIS

23/03/2019

Anna Regar

15

 Tahapan Pendekatan Sistem a. Analisa kebutuhan

b. Identifikasi sistem c. Formulasi masalah d. Pembentukan alternatif sistem e. Determinasi dari realisasi fisik f. Sosial politik dan penentuan kelayakan ekonomi dan keuangan

23/03/2019

Anna Regar

16

 Contoh Analisa Kebutuhan Komponen Info

Pelaku

Perusahaan

Konsumen

Petani

LK/Bank

…

Kebutuhan bahan baku



-





…

Jumlah Produksi









…

Mutu Produk









…

Bunga Bank



-





…

Harga . . .









…

23/03/2019

Anna Regar

17

 Latihan Analisis Kebutuhan: Identifikasi pelaku, komponen informasi dan tingkat kebutuhannya pada Kasus: •

Sistem Pengembangan Perbankan

• Sistem Revitalisasi Perekonomian

• Dsb.

23/03/2019

Anna Regar

18

+

Input Sarana Produksi +

Perkoperasian

+

Luas Panen

Kredit usaha Tani

+ +

Kebijaksanaan Pemerintah

Keuntungan Petani

+ Perbankan

Kelangsungan Usaha Tani +

Kredit Komersial

+

+

+ Iklim usaha

Minat Investor

+

+

+

+ Ketersediaan Bahan Baku

+

+

Kelayakan dan Kelangsungan Industri

Gambar :Diagram lingkar sebab akibat Sistem Perencanaan Investas Agroindustri 23/03/2019

Anna Regar

19

 Latihan Diagram Lingkar Sebab Akibat: Susun diagram lingkar sebab akibat

pada Kasus: •

Sistem Pengembangan Perbankan

• Sistem Revitalisasi Perekonomian

• Dsb.

23/03/2019

Anna Regar

20

Input lingkungan

Output yang dikehendaki

Input tidak terkontrol

Sistem Output yang tidak dikehendaki

Input terkontrol

Manajemen pengendalian

Gambar : Diagram Input-Output 23/03/2019

Anna Regar

21

Input Lingkungan

Input Tak Terkendali

 Kebijakan Pemerintah  Kondisi Sosial Budaya

 Produktivitas lahan  Harga pasar  Tingkat bunga bank

Output Dikehendaki  Jaminan kualitas  Stabilitas harga produk  Ketepatan pengembalian dana investasi  Keuntungan yang optimal

SISTEM PERENCANAAN INVESTASI AGROINDUSTRI

Input Terkendali Kebutuhan bahan baku  Jumlah Produksi  Jumlah Investasi  Sarana dan Prasarana

Output Tak Dikehendaki  Kelangkaan bahan baku  Harga bahan baku meningkat tajam  Pencemaran lingkungan Manajemen Perencanaann Agroindustri

Gambar : Diagram input output Sistem Perencanaan Investasi Agroindustri 23/03/2019

Anna Regar

22

 Latihan Diagram Input-Output: Susun diagram Input-Output pada Kasus:

1.

Sistem Pengembangan Industri Berbasis Kelapa Sawit

2.

Sistem Revitalisasi Perekonomian

3.

Sistem Pengembangan Perbankan

4.

Dsb.

23/03/2019

Anna Regar

23

TEKNIK PENGAMBILAN KEPUTUSAN Fungsi Manajemen

Hirarki

• Perencanaan

Top Level

• “Staffing” • Pengorganisasian • Pelaksanaan

Sifat • Directif • Strategis

Up Medium Low

• Monitoring

Lower

• Taktis

• Operasional

• Evaluasi  Cara 1. Dengan Intuisi 2. Dengan Analisa Keputusan 23/03/2019

Anna Regar

24

LINGKUNGAN •

Tidak Pasti

•

Kompleks

•

Dinamis

•

Persaingan

•

Terbatas

Bingung cemas

Kecerdasan

• Pilihan

Intuisi Persepsi

• Informasi

Falsafah

• Preferensi

Keputusan

Hasil

Logika tidak dapat diperiksa

Rasa tidak Enak

Berfikir

Bertindak

Puji Senang Cela Sedih

REAKSI

Gambar : Pengambilan Keputusan dengan Intuisi 23/03/2019

Anna Regar

25

ANALISA KEPUTUSAN (Normatif)

LINGKUNGAN •

Tidak Pasti

•

Kompleks

•

Dinamis

•

Persaingan

•

Terbatas

Kecerdasan Persepsi Falsafah

• Alternatif2

• Pilihan

• Penetapan kemungkinan • Struktur Model

• Informasi • Preferensi

Logika

Keputs.

Hasil

• Penetapan Nilai • Preferensi Waktu • Preferensi Risiko Sensitifitas nilai informasi

Bingung cemas

Berfikir

Rasa tidak Enak

Pandangan ke dalam

Bertindak Puji Senang Cela Sedih

REAKSI 23/03/2019 Gambar

: Pengambilan Keputusan dengan Analisa Keputusan Anna Regar

26

MCDM SEBAGAI SALAH SATU MODEL DALAM PENGAMBILAN KEPUTUSAN

Tujuan yang akan dicapai Masalah yang akan diselesaikan

Kriteria Kinerja

Pengambil Keputusan

Alternatives alat/rencana/… 23/03/2019

Anna Regar

27

KOMPONEN KEPUTUSAN  Alternatif Keputusan  Kriteria Keputusan  Bobot Kriteria  Model Penilaian  Model Penghitungan

 Tipe Pengambil Keputusan

23/03/2019

Anna Regar

28

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 •IRR •NPV

23/03/2019

Anna Regar

29

MODEL PENILAIAN 2. Menggunakan Skala Ordinal  Kriteria kompleks melibatkan presepsi (subyektif)

 Jumlah skala 3; 5; 7 (disarankan ganjil) •

•

23/03/2019

Sebagai misal Rasa 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

.

2. Stabil

3. Sangat Stabil

Anna Regar

30

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 23/03/2019

Anna Regar

31

Model Penilaian Fuzzy (trapezoidal) usia penduduk

23/03/2019

Anna Regar

32

 Latihan Model Penilaian Berikan contoh kasus penerapan metode penilaian dengan: •

Terukur Jelas

• Skala Ordinal

• Perbandingan berpasangan • Preferensi Fuzzy

23/03/2019

Anna Regar

33

PENGAMBILAN KEPUTUSAN BERBASIS INDEKS KINERJA A. METODE BAYES

B. METODE PERBANDINGAN EKSPONENSIAL (MPE) C. COMPOSIT PERFORMANCE INDEX (CPI)

23/03/2019

Anna Regar

34

MATRIK KEPUTUSAN : ALTERNATIF

KRITERIA K1

K2

…..

Kn

NILAI ALT. KEP.

ALT1

V11

V12

…..

V1n

Nk1

ALT2

V21

V22

…..

V2n

Nk2

ALT3

RANGKING ALT. KEP.

:

:

:

ALTm

Vm1

Vm2

…..

Vmn

BOBOT

B1

B2

…..

Bn

Nkm

MODEL PENGHITUNGAN 1. BAYES :

Nki =

2. Per. Eksponensial :

n

Σj = 1

n

Vij * Bj ,

Nki =

n

Σj = 1

Σj = 1

Bj = 1.0

(Vij ) Bj ,

Bj = Bulat >0

3. Composite Performance Indeks (CPI)

23/03/2019

Anna Regar

35

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

2. Televisi 3. Surat Kabar • Kreteria = 1. Jangkauan 2. Efektifitas Pesan 3. Biaya • Metode Penilaian = ordinal 1. Sangat Kurang

4. Bagus

2. Kurang 3. Biasa

5. Sangat Bagus

23/03/2019

Anna Regar

36

• Matrik Keputusan Alternatif

Kriteria

Nilai Keputusan

Jangkauan

Eff.

Biaya

1. Radio

4

4

3

2. Televisi

4

5

2

3. Surat Kabar

4

3

4

Bayes

0,3

0,4

0,3

MPE

3

4

3

Bobot

23/03/2019

Anna Regar

Bayes

MPE

37

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 : dimana: m

Total Nilai i =  Nilai ij (Kritj) j=1

23/03/2019

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

Anna Regar

38

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

2. Televisi 3. Surat Kabar • Kreteria = 1. Jangkauan 2. Efektifitas Pesan 3. Biaya • Metode Penilaian = ordinal 1. Sangat Kurang

4. Bagus

2. Kurang 3. Biasa

5. Sangat Bagus

23/03/2019

Anna Regar

39

• Matrik Keputusan Alternatif

Kriteria

Nilai Keputusan

Jangkauan

Eff.

Biaya

Bayes

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)

Bayes

0,3

0,4

0,3

MPE

3

4

3

Bobot

23/03/2019

Anna Regar

MPE

40

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

Efektvitas

Biaya

Nilai Alternatif

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

0,3

0,4

0,3

Bobot Kriteria

Kriteria

Peringkat

• 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. 23/03/2019

Anna Regar

41

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: m Total nilai (TNi) = (RK ij)TKK j j=1

23/03/2019

Anna Regar

42

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

23/03/2019

Anna Regar

43

• Matrik Keputusan Alternatif

Kriteria

Nilai Keputusan

Jangkauan

Eff.

Biaya

Bayes

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)

Bayes

0,3

0,4

0,3

MPE

3

4

3

Bobot

MPE

• Nilai(Radio) = 4^3 + 4^4 + 3^3 = 64 + 256 + 27 = 347 • Nilai(Televisi) = ? 23/03/2019

Nilai(Surat Kabar) = ? Anna Regar

44

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

2. 3. • Kreteria = 1. 2. 3. • Metode Penilaian : ordinal (generik) 1. Sangat Kurang

4. Bagus

2. Kurang 3. Biasa

5. Sangat Bagus

23/03/2019

Anna Regar

45

• Matrik Keputusan Alternatif

Kriteria

Nilai Keputusan Bayes

MPE

1.

2. 3. Bobot

Bayes MPE

23/03/2019

Anna Regar

46

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 100 Iij = Aij x Pj n

Ii

=  (Iij) j =1

23/03/2019

Anna Regar

47

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

23/03/2019

Anna Regar

48

• Sebagai ilustrasi, terdapat 3 alternatif yang dinilai yaitu Pemandu Wisata, 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 Kriteria

Alternatif IRR (%)

B/C

PBP (Thn)

1. Pemandu Wisata

30

1,1

5

2. Internet Provider

20

1,15

6

3. Production House

25

1,2

4

0,3

0,4

0,3

Bobot Kriteria

23/03/2019

Anna Regar

49

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.

23/03/2019

Anna Regar

50

Tabel: Matrik hasil transformasi melalui teknik perbandingan indeks kinerja Alternatif IRR

B/C

PBP (Thn)

Nilai Alternatif

1. Pemandu Wisata

150

100

80

109

2

2. Internet Provider

100

104,5

66.7

91,8

3

3. Producton House

125

109,1

100

111,1

1

0,3

0,4

0,3

Bobot Kriteria

Kriteria

Peringkat

Dengan demikian alternatif 3 yaitu Production House peringkat 1.

23/03/2019

Anna Regar

51

Pemiliha Metode • Penilaian Tidak Seragam  CPI • Penilaian seragam - Bayes atau MPE • Apabila skala penilaian ordinal - MPE • Apabil nilai alternatif adalah terukur nyata - Bayes

23/03/2019

Anna Regar

52

1. Marimin, 2004, Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk, Grassindo, Jakarta. 2. Marimin, 2005, Teknik dan Aplikasi Sistem Pakar dalam Teknologi Manajerial, IPB Press, Bogor 3. Marimin, H. Tanjung dan H. Prabowo. 2006. Sistem Informasi Manajemen Sumberdaya Manusia, Grassindo, Jakarta. 23/03/2019

Anna Regar

53