turban, aronson, and liang decision support systems and … · 2020. 7. 5. · 7 mk. dss bambang...
TRANSCRIPT
-
1
1
Turban, Aronson, and Liang Decision Support Systems and Intelligent Systems,
Seventh Edition
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
2
DSS
1. Introduction –MSS Overview
2. Decision Making- System Modeling and Support (ch 2)
3. Decision Support System (ch 3)
4, 5 & 6 . Modeling & Analysis (ch 4)
7. Business Intellegence : Data warehouse, Data Acquisition,
Data Mining (ch 5)
8. MID TEST
9. DSS Development
(ch 6)
10. Group Decision Support System &
Executive Information System (ch 7 & 8)
11. Knowledge Management
(ch 9)
12-14 PRESENTATION
15.FINAL TEST
-
2
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
MSS Modeling
Elemen utama dalam DSS
Berbagai jenis model
Setiap model memiliki teknik yang berbeda
Memungkinkan adanya pengkajian ulang untuk alternatif solusi
Seringkali sebuah DSS melibatkan Multiple models
Trend menuju transparansi
Multidimensional modeling ditunjukkan seperti halnya spreadsheet
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simulasi
Menelusuri masalah
Mengidentifikasi alternatif solusi
Dapat berorientasi obyek
Meningkatkan proses pengambilan keputusan
Memberikan gambaran dampak dari alternatif keputusan
-
3
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
DSS Models
Algorithm-based models
Statistic-based models
Linear programming models
Graphical models
Quantitative models
Qualitative models
Simulation models
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Identifikasi Masalah
Memahami dan menganalisa lingkungan luar
Business intelligence
Mengidentifikasi variable dan hubungan Influence diagrams
Cognitive maps
Forecasting Ditingkatkan dengan e-commerce
Meningkatkan jumlah informasi yang tersedia melalui teknologi
-
4
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Kategori Model
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Static Models
Gambaran sederhana dari situasi
Single interval
Time can be rolled forward, a photo at a time
Biasanya berulang
Steady state Optimal operating parameters
Continuous
Unvarying
Primary tool for process design
Contoh : solusi Inventory, Banking, Pos
-
5
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Dynamic Model
Merepresentasikan situasi yang kerap berubah
Time dependent
Kondisi yang beragam
Generate dan menggunakan trends
Suatu kejadian mungkin saja tak berulang
Contoh : solusi terkait pasar Modal, uang, investasi
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Decision-Making
Certainty (Kepastian)
Diasumsikan sebagai knowledge utuh
Dapat mengetahui semua hasil yang potensial
Mudah digunakan
Dapat menentukan solusi ulang dengan mudah
Sangat kompleks
Contoh : solusi Inventory, Banking, Pos
-
6
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Decision-Making
Uncertainty (Ketidak pastian)
Beberapa hasil untuk setiap keputusan
Kemungkinan yang terjadi untuk setiap hasil tidak dapat diketahui
Informasi yang tidak mencukupi
Membutuhkan resiko dan keinginan untuk mengambil resiko
Pendekatan Pessimistic/optimistic
Contoh : solusi terkait pasar Modal, uang, investasi
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Decision-Making
Probabilistic Decision-Making
Keputusan yang beresiko
Probabilitas dari beberapa hasil yang memungkinkan bisa saja terjadi
Analisa Resiko
○ Menghitung nilai untuk setiap alternatif
○ Memilih nilai terbaik
Contoh : solusi terkait pasar Modal, uang, investasi
-
7
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Influence Diagrams
Model disajikan dengan grafis
Menyediakan relationship framework
Menguji ketergantungan antar variabel
Semua level disajikan detail
Menunjukkan dampak perubahan
Menunjukkan what-if analysis
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Influence Diagrams
Decision
Intermediate atau uncontrollable
Variables:Result atau outcome (intermediate atau final)
Certainty
Uncertainty
Tanda panah mengindikasikan jenis hubungan dan arah dari pengaruh
Amount in CDs
Interest earned
Price
Sales
-
8
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Influence Diagrams
Random (risk)Place tilde above variable’s name
~ Demand
Sales
Preference(double line arrow)
Graduate University
Sleep all day
Ski all day
Get job
Anak panah bisa satu atau dua arah, tergantung pada arah dari pengaruh
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
An Influence Diagram For Profit Model
-
9
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Modeling dengan Spreadsheets
Fleksibel dan mudah
End-user modeling tool
Memungkinkan penggunaan linear programming dan analisa regresi
Meliputi what-if analysis, data management, macros
Sempurna dan transparan
Memasukkan Model Statis dan Dinamis
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
-
10
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Decision Tables
Analisa keputusan untuk multi kriteria
Meliputi:
Decision variables (alternatif)
Uncontrollable variables (Variabel tak terkontrol)
Result variables (Variabel Hasil)
Menerapkan prinsip-prinsip certainty, uncertainty, and risk
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Decision Tree
Penggambaran dari beberapa hubungan
Pendekatan multi kriteria
Menunjukkan hubungan yang kompleks
Tidak praktis, bila terlalu banyak alternatif
-
11
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
MSS Mathematical Models
Menyatukan decision variables, uncontrollable variables, parameters, dan result variables Decision variables menggambarkan alternatif
pilihan.
Uncontrollable variables adalah sesuatu yang berada diluar kemampuan decision-maker.
Faktor tetap adalah parameter.
Intermediate outcomes adalah intermediate result variables.
Result variables tergantung pada solusi terpilih dan uncontrollable variables.
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
MSS Mathematical Models
Nonquantitative models
Hubungan Simbolis
Hubungan Kualitatif
Hasil akan tergantung pada
○ Keputusan yang dipilih
○ Faktor-faktor diluar kemampuan decision maker
○ Hubungan antar variabel
-
12
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Gambaran Umum Quantitative Model
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Variabel Hasil (Result Variables)Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada variabel keputusan dan variabel tak terkontrol.
Variabel Keputusan (Decision Variables)Menggambarkan alternatif tindakan/aksi. Harga dari variabel ini ditentukan oleh pengambil keputusan.
Variabel tak terkontrol (Uncontrollable Variables or Parameters)Faktor yang mempengaruhi variabel hasil tapi tidak dalam kendali pengambil keputusan. Faktor ini bisa tetap -> parameter, juga bisa bervariasi -> variabel.
Variabel Antara (Intermediate Variables)Variabel yang menghubungkan variabel keputusan dengan variabel hasil.Sebagai contoh:Gaji atau penghasilan (variabel keputusan), kepuasan karyawan (variabel antara) dan tingkat produktivitas (Variabel hasil)
-
13
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
QUIZ
AREA Decision Variable
Result Variable
Uncontrollable Variable
IT
Purchasing
Penjualan
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Mathematical Programming
Tools untuk menyelesaikan masalah manajerial
Decision-maker harus mengalokasikan sumber daya
Optimisasi tujuan tertentu
Linear programming
Terdiri dari decision variables, objective function and coefficients, uncontrollable variables (constraints), capacities, input and output coefficients
-
14
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Multiple Goals
Seringkali manajemen menginginkan tujuan yang dapat saling menimbulkan konflik
Sulit menentukan ukuran efektifitas
Metode Penanganan:
Utility theory
Goal programming
Linear programming with goals as constraints
Point system
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Sensitivity, What-if, and Goal Seeking Analysis Sensitivity
Mengkaji dampak dari perubahan input atau parameter terhadap solusi
Dapat disesuaikan dan fleksibel
Mengurangi variabel
Otomatis atau trial and error
What-if Mengkaji solusi berdasarkan pada perubahan variabel atau
asumsi
Struktur : “What will happen to the solution if an input variable, an assumption, or a parameter value is changed?”
Goal seeking Pendekatan mundur (Backwards approach), dimulai dengan
tujuan
Menentukan nilai input yang diperlukan untuk mencapai tujuan
Contoh: Penentuan break-even point
-
15
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Search Approaches Teknik Analisis (algoritma) untuk masalah
terstruktur General, step-by-step search
Mencapai solusi yang optimal
Blind search Complete enumeration
○ Semua alternatif dipertimbangkan dan sehingga solusi optimal dapat ditemukan.
Incomplete/Partial search
○ Dikerjakan sampai menemukan solusi yang “good enough”.
Mencapai tujuan tertentu
Mungkin mencapai tujuan yang optimal
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Search Approaches
Heurisitic
Repeated, step-by-step searches
Rule-based, hanya digunakan untuk situasi tertentu
Solusi yang “Good enough” , tetapi, akhirnya mencapai tujuan yang optimal
Contoh heuristics○ Tabu search
Mengingat dan mengarahkan pada pilihan yang lebih berkualitas
○ Genetic algorithms
Menjalankan solusi dan mutasi secara random
-
16
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simulations
Bentuk imitasi dari kenyataan Memungkinkan eksperimentasi dan waktu yang lebih singkat Deskriptif, bukan normatif Mencakup kompleksitas, tetapi membutuhkan keterampilan
khusus Menangani masalah tidak terstruktur TIdak menjamin tercapainya solusi optimal Metodologi
Mendefinisikan masalah Membuat model Testing dan validasi Merancang eksperimen Eksperimentasi Evaluasi Implementasi
-
17
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simulations
Probabilistic independent variables Discrete or continuous distributions
Time-dependent atau time-independent
Visual interactive modeling Grafis
Decision-makers berinteraksi dengan simulated model
Dapat digunakan dengan artificial intelligence
Dapat berorientasi obyek
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Proses Simulasi
-
18
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Model-Based Management System
Software yang memungkinkan pengaturan model dengan transparent data processing
Kemampuan
DSS user memiliki kontrol
Fleksibel dalam merancang
Memberikan feedback
GUI based
Pengurangan redundancy
Meningkatkan konsistensi
Komunikasi antar model kombinasi
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Model-Based Management System
Relational model base management system
Virtual file
Virtual relationship
Object-oriented model base management system
Logical independence
Database and MIS design model systems
Data diagram, ERD diagrams managed by CASE tools
-
19
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Metode-metode DSS
37
Decision Table (Table Keputusan) Decision Tree (Pohon Keputusan) ANP (Analytical Network Process) AHP (Analytical Hirarcy Process) CPI (Composite Performance Index) Electre GAP Promethee (Preference Ranking Organization METHod for
Enrichment Evaluation) SAW TOPSIS (T echnique for Order of Preference by Similarity
to Ideal Solution) WP (Weighted Product)
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Tabel keputusan merupakan metode pengambilan keputusan yang cukup sederhana.
Metode ini menggunakan bantuan tabel yang berisi hubungan antara beberapa atribut yang mempengaruhi atribut tertentu.
Umumnya, tabel keputusan ini digunakan untuk penyelesaian masalah yang tidak melibatkan banyak alternatif.
-
20
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Pada tabel keputusan, nilai kebenaran suatu kondisi diberikan berdasarkan nilai logika dari setiap atribut Ek.
Hanya ada dua nilai kebenaran, yaitu Ek = benar atau Ek = salah.
Secara umum, tabel keputusan berbentuk:
D = E {E1, E2, ..., EK}
dengan D adalah nilai kebenaran suatu kondisi, dan Ei adalah nilai kebenaran atribut ke-i (i = 1, 2, ... K).
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Contoh-1:
Jurusan Teknik Informatika akan melakukan rekruitmen asisten untuk beberapa laboratorium di lingkungannya.
Persyaratan untuk menjadi asisten di suatu laboratorium ditentukan oleh nilai beberapa matakuliah.
Setiap laboratorium dimungkinkan memiliki syarat nilai yang berbeda.
-
21
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Variabel Logika
Ekspresi Logika
E1 Memiliki IPK > 3,00
E2 Minimal tengah duduk di semester 3
E3 Nilai matakuliah algoritma pemrograman = A
E4 Nilai matakuliah kecerdasan buatan = A
E5 Nilai matakuliah basisdata = A
E6 Nilai matakuliah grafika komputer = A
E7 Nilai matakuliah jaringan komputer = A
E8 Nilai matakuliah informatika kedokteran minimal B
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
NoAtribut*
LaboratoriumE1 E2 E3 E4 E5 E6 E7 E8
1 Y Y YPemrograman & Informatika Teori
2 Y Y Komputasi & Sist. Cerdas
3 Y Y Y Sistem Informasi & RPL
4 Y Y Grafika & Multimedia
5 Y Y Y Sistem & Jaringan Komp.
6 Y Y Y Informatika Kedokteran
7 Y Y Y Informatika Kedokteran
8 Y Y Y Informatika Kedokteran
9 Y Y Y Informatika Kedokteran
A. Budi, Smster 5, E3=B, E4=A ?B. Dian, Smster 3, E3=C, E5=A?C. Faida, smtsr 2, E3=A, E4=A ?D. Fadhel , smtsr 6, E3=C, E8=A ?
-
22
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Kombinasi untuk semua Ei (i=1,2,...,8) pada aturan tersebut merupakan pengetahuan untuk menentukan pemilihan asisten laboratorium.
Sebagai contoh untuk laboratorium Pemrograman & Informatika Teori dapat digunakan aturan pertama, yaitu:
Untuk laboratorium Informatika Kedokteran dapat digunakan aturan ke-6, ke-7, ke-8, dan ke-9, yaitu:
dengan adalah operator AND; dan + adalah operator OR.
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Contoh-2:
Suatu institusi pendidikan tinggi akan memberikan penilaianterhadap produktivitas staf pengajarnya dalam waktu 1 tahun.
Ada 5 kriteria yang akan diberikan, yaitu: tidak produktif, kurangproduktif, cukup produktif, produktif, dan sangat produktif.
Atribut yang digunakan untuk memberikan penilaian adalahsebagai berikut.
○ C1 = jumlah karya ilmiah yang dihasilkan
○ C2 = jumlah diktat (bahan ajar) yang dihasilkan
○ C3 = jumlah buku referensi yang dihasilkan
-
23
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
KategoriAtribut
C1 C2 C3
Sangat Produktif > 6 > 2 1
Produktif 5 atau 6 2 Tidak dipertimbangkan
Cukup Produktif 3 atau 4 1 Tidak dipertimbangkan
Kurang Produktif 1 atau 2 Tidak dipertimbangkan
Tidak dipertimbangkan
Tidak Produktif 0 0 0
Budi, C1=4, C2=3, C3=1Fadhel, C1=2, C2=1,C3=0
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Tabel Keputusan
Nilai ”Tidak dipertimbangkan” berarti berapapun nilainya diperbolehkan.
Sedangkan nilai 0 berarti, tidak menghasilkan.
Misalkan seorang staf bernama Edi, telah menghasilkan karya ilmiah sebanyak 3 karya, diktat sebanyak 2 karya, dan tidak menghasilkan buku referensi, maka Edi termasuk dalam kategori ”Cukup Produktif”.
Jawab : D = (C1 > 6 * C2>2 * C3>=1) + (C1 = 5 or 6 * C2>=2 * C3>=0 ) +
(C1 = 3 or 4 * C2 >=1 * C3 >= 0) + dst……
-
24
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Pohon Keputusan
Pohon keputusan adalah salah satu metode penyelesaian masalah keputusan dengan cara merepresentasikan pengetahuan dalam bentuk pohon.
Suatu pohon memiliki conditional node yang menunjukkan kebenaran suatu ekspresi atau atribut.
Conditional node tersebut memberikan beberapa kemungkinan nilai, dapat berupa nilai boolean (Benar atau Salah), atau beberapa alternatif nilai yang mungkin dimiliki oleh suatu atribut, misal untuk atribut Tekanan Darah (Rendah, Normal, Tinggi).
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Pohon Keputusan
Contoh:
Untuk kasus pemilihan dosen produktif akan dibuat pohon keputusannya.
-
25
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Pohon Keputusan
Kategori
Atribut
C1 (Pengajaran
)C2 (PKM) C3 (Penelitian)
Sangat Produktif > 6 > 2 1
Produktif 5 atau 6 2 Tidak dipertimbangkan
Cukup Produktif 3 atau 4 1 Tidak dipertimbangkan
Kurang Produktif 1 atau 2 Tidak dipertimbangkan
Tidak dipertimbangkan
Tidak Produktif 0 0 0
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Pohon Keputusan Budi, C1=4, C2=3, C3=1Fadhel, C1=2, C2=1,C3=0
-
26
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot.
Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967)(MacCrimmon, 1968).
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW) Formula untuk melakukan normalisasi tersebut
adalah sebagai berikut:
dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. (i=baris, j=kolom)
-
27
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)Catatan :Cara menentukan Benefit dan Cost adalah sbb:Benefit : Jika kriteria ini mempunyai nilai yg lebih besar maka lebih baik
Cost : Jika kriteria ini mempunyai nilai lebih kecil maka lebih baik
Contoh : Kriteria Nilai, Daya Dukung, Prioritas, Kecepatan, Kebersihan
Nilai (Benefit) Daya Dukung (Benefit) Prioritas (cost) Kecepatan (?) Kebersihan (?)
Nilai A =80-100 1 = Kurang mendukung 1 = Sangat Prioritas 1=Kurang Cepat 1=Sangat Bersi
Nilai B =70-79 2 = Cukup Mendukung 2 = Prioritas 2 = Cepat 2=Bersih
Nilai C=60-69 3 = Sangat mendukung 3=Cukup Prioritas 3 = Sangat cepat 3=Cukup bersih
Nilai D=50-59 4=Kotor
Nilai E < 50
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
-
28
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Contoh-1: Suatu institusi perguruan tinggi akan memilih seorang
karyawannya untuk dipromosikan sebagai kepala unit sistem informasi.
Ada empat kriteria yang digunakan untuk melakukan penilaian, yaitu:○ C1 = tes pengetahuan (wawasan) sistem informasi
○ C2 = praktek instalasi jaringan
○ C3 = tes kepribadian
○ C4 = tes kepemimpinan
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1 = 35%; C2 = 25%; C3 = 25%; dan C4 = 15%.
Ada enam orang karyawan yang menjadi kandidat (alternatif) untuk dipromosikan sebagai kepala unit, yaitu: ○ A1 = Indra,
○ A2 = Roni,
○ A3 = Putri,
○ A4 = Dani,
○ A5 = Ratna, dan
○ A6 = Mira.
-
29
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Tabel nilai alternatif di setiap kriteria:
AlternatifKriteria
C1 C2 C3 C4
Indra 70 50 80 60
Roni 50 60 82 70
Putri 85 55 80 75
Dani 82 70 65 85
Ratna 75 75 85 74
Mira 62 50 75 80
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Normalisasi:
dst
-
30
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Hasil normalisasi:
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
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:
-
31
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Nilai terbesar ada pada V5 sehingga alternatif A5adalah alternatif yang terpilih sebagai alternatif terbaik.
Dengan kata lain, Ratna akan terpilih sebagai kepala unit sistem informasi.
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Contoh-2:
Sebuah perusahaan makanan ringan XYZ akan menginvestasikan sisa usahanya dalam satu tahun.
Beberapa alternatif investasi telah akan diidentifikasi. Pemilihan alternatif terbaik ditujukan selain untuk keperluan investasi, juga dalam rangka meningkatkan kinerja perusahaan ke depan.
-
32
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Beberapa kriteria digunakan sebagai bahan pertimbangan untuk mengambil keputusan, yaitu:
○ C1 = Harga, yaitu seberapa besar harga barang tersebut. (cost)
○ C2 = Nilai investasi 10 tahun ke depan, yaitu seberapa besar nilai investasi barang dalam jangka waktu 10 tahun ke depan. (benefit)
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
○ C3 = Daya dukung terhadap produktivitas perusahaan, yaitu seberapa besar peranan barang dalam mendukung naiknya tingkat produktivitas perusahaan. Daya dukung diberi nilai: 1 = kurang mendukung, 2 = cukup mendukung; dan 3 = sangat mendukung. (benefit)
○ C4 = Prioritas kebutuhan, merupakan tingkat kepentingan (ke-mendesak-an) barang untuk dimiliki perusahaan. Prioritas diberi nilai: 1 = sangat berprioritas, 2 = berprioritas; dan 3 = cukup berprioritas. (cost)
-
33
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
○ C5 = Ketersediaan atau kemudahan, merupakan ketersediaan barang di pasaran. Ketersediaan diberi nilai: 1 = sulit diperoleh, 2 = cukup mudah diperoleh; dan 3 = sangat mudah diperoleh. (benefi)
Dari pertama dan keempat kriteria tersebut, kriteria pertama dan keempat merupakan kriteria biaya, sedangkan kriteria kedua, ketiga, dan kelima merupakan kriteria keuntungan.
Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1 = 25%; C2 = 15%; C3 = 30%; C4 = 25; dan C5 = 5%.
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Ada empat alternatif yang diberikan, yaitu:
○ A1 = Membeli mobil box untuk distribusi barang ke gudang;
○ A2 = Membeli tanah untuk membangun gudang baru;
○ A3 = Maintenance sarana teknologi informasi;
○ A4 = Pengembangan produk baru.
-
34
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Nilai setiap alternatif pada setiap kriteria:
Alternatif
Kriteria
C1(juta Rp)
C2(%)
C3 C4 C5
A1 150 15 2 2 3
A2 500 200 2 3 2
A3 200 10 3 1 3
A4 350 100 3 1 2
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Normalisasi:
dst
-
35
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW)
Hasil normalisasi:
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Simple Additive Weighting (SAW) Proses perankingan dengan menggunakan bobot yang
telah diberikan oleh pengambil keputusan:
w = [0,25 0,15 0,30 0,25 0,05]
Hasil yang diperoleh adalah sebagai berikut:
Nilai terbesar ada pada V3 sehingga alternatif A3 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, maintenance sarana teknologi informasi akan terpilih sebagai solusi untuk investasi sisa usaha
-
36
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Metode AHP (Analytical Hyrarcy Process)
Dikembangkan oleh oleh Prof. Thomas L. Saaty
Algoritma pengambilan keputusan untuk permasalahan multikriteria (Multi Criteria Decision Making atau MCDM).
Konsep dasar AHP adalah penggunaan matriks pairwise comparison (Matriks perbandingan berpasangan) untuk menghasilkan bobot relative antar kriteria maupun alternative.
71
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Metode AHP (Analytical Hyrarcy Process)
72
Tingkat Kepentingan Definisi Keterangan
1 Sama PentingnyaKedua elemen mempunyai pengaruh yang sama
3 Sedikit lebih pentingPengalaman dan penilaian sangat memihak satu elemen dibandingkan denganpasangannya
5 Lebih PentingSatu elemen sangat disukai dan secara praktis dominasinya sangat nyata,dibandingkan dengan elemen pasangannya.
7 Sangat PentingSatu elemen terbukti sangat disukai dan secara praktis dominasinya sangat nyata,dibandingkan dengan elemen pasangannya.
9 Mutlak lebih pentingSatu elemen terbukti mutlak lebih disukai dibandingkan dengan pasangannya, padakeyakinan tertinggi.
2,4,6,8 Nilai TengahDiberikan bila terdapat keraguan penilaian di antara dua tingkat kepentingan yangberdekatan.
Tabel Skala dasar perbandingan berpasangan (Saaty, 1986)
•Penilaian dalam membandingkan antara satu kriteria dengan kriteria yang lain adalah bebas satu sama lain, dan hal ini dapat mengarah pada ketidak konsistensian.
-
37
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
73
Metode AHP (Analytical Hyrarcy Process)a. MendifinisikanMasalah kedalam
Hirarki
b. Menyusun kriteria-kriteria dengan matrik Pairwase
Comparison
c. Hitung bobotkriteria (priority
vector)
d. Cek Ratio Konsistensi /
Consitency Ratio (CR)
e. Susunan hierarkiyang baru (lengkap
dengan bobot kriteria
f. Hitung bobotalternatif pilihan
berdasarkan Kriteria“X”
g. PerangkinganberdasarkanAlternatif “X”
1. nilai setiapkolom matrik
Pairwasecomparison
2. Hitung nilairata-rata daripenjumlahan
setiap baris matrik
1. Menentukan nilai Eigen Maksimum (λmaks).
2. Hitung IndeksKonsistensi (CI)
3. Hitung RasioKonsistensi(CR) =CI/RI
Dilakukan berulang sampai semua kriteria dihitung
Tahapan perhitungan metode AHP
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Metode AHP (Analytical Hyrarcy Process)
74
•Saaty (1990) telah membuktikan bahwa indeks konsistensi dari matrik ber ordon dapat diperoleh dengan rumus :
CI = (λmaks-n)/(n-1)................................................... (1)
Dimana :CI = Indeks Konsistensi (Consistency Index)λmaks = Nilai eigen terbesar dari matrik berordo n
•Nilai eigen terbesar didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan eigen vector.
•Batas ketidak konsistensian di ukur dengan menggunakan rasio konsistensi (CR), yakni perbandingan indeks konsistensi (CI) dengan nilai pembangkit random (RI). Nilai ini bergantung pada ordo matrik n.
-
38
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Metode AHP (Analytical Hyrarcy Process)
75
•Batas ketidak konsistensian di ukur dengan menggunakan rasio konsistensi (CR), yakni perbandingan indeks konsistensi (CI) dengan nilai pembangkit random (RI). Nilai ini bergantung pada ordo matrik n.
Rasio konsistensi dapat dirumuskan :
CR = CI/RI............................................................... (2)
Bila nilai CR lebih kecil dari 10%, ketidak konsistensian pendapat masih dianggap dapat diterima.
Tabel . Daftar Indeks random konsistensi (RI)
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Permasalahan multikriteria dalam AHP disederhanakan dalam bentuk hierarki yang terdiri dari 3 komponen utama :
Goal / Tujuan
Kriteria Penilaian
Alternatif pilihan
76
Metode AHP (Analytical Hyrarcy Process)
-
39
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
Problem : Fadhel ingin membeli mobil. Adapun alterntif pilihan mobil yang akan dibeliFadhel adalah Toyota, Honda, Daihatsu, dan Suzuki. Sedangkan kriteriapenilaian yang dipertimbangkan Fadhel untuk membeli mobil adalah style, reliability, fuel economy.
Langkah-2 Penyelesaian Masalah :
a.Mendefinisikan Masalah
Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu
menyusun hirarki dari permasalahan yang dihadapi.
77
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
a.Mendefinisikan Masalah (lanjutan)
78
Toyota Honda Daihatsu Suzuki
Goal
Kriteria
Alternatif pilihan
-
40
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
b. Menyusun kriteria-kriteria dengan matrik perbandingan berpasangan (matrik Pairwise Comparison) (skala Saaty).
79
Style Reliability Fuel Economy
Style 1 1/2 3
Reliabilty 2 1 4
Fuel Economy 1/3 1/4 1
Kriteria : •Reliability 2 x lebih utama/ penting dibandingkan style•Reliability 4 x lebih utama/ penting dari fule economy•Style 3 x lebih utama/ penting dari Fuel economy
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
c. Hitung bobot kriteria (priority vector) dengan cara :
1) Normalisasi nilai setiap kolom matrik perbandingan berpasangan
dengan membagi setiap nilai pada kolom matrik dengan hasil
penjumlahan kolom yang bersesuaian.
80
Style Reliability Fuel Economy
Style 1/3,33 =0,3 0,5/1.75=0,29 3/8=0,38
Reliabilty 2/3,33 = 0,6 1/1,75 =0,57 4/8 = 0,5
Fuel Economy 0,33/3,33=0,1 0,25/1,75=0,14 1/8 = 0,1
Colums Sums 1,00 1,00 1,00
-
41
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
c. Hitung bobot kriteria (priority vector) dengan cara (lanjutan) :
2) Hitung nilai rata-rata dari penjumlahan setiap baris matrik
81
Style Reliability Fuel Economy Rows Average (X)
Style 1/3,33 =0,3 0,5/1.75=0,29 3/8=0,38 0,32
Reliabilty 2/3,33 = 0,6 1/1,75 =0,57 4/8 = 0,5 0,56
Fuel Economy 0,33/3,33=0,1 0,25/1,75=0,14 1/8 = 0,1 0,11
ColumsSums
1,00 1,00 1,00 1,00
X=
Prio
rity Vekto
r(E
ignen
Veokto
rN
orm
alis
asi)
Row Average
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
d. Cek Ratio Konsistensi / Consitency Ratio (CR) dari matrikperbandingan berpasangan kriteria. Jika CR > 0.1 maka harus diulangkembali perbandingan berpasangan sampai didapat CR
-
42
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Langkah Metode AHP :
e. Susunan hierarki yang baru (lengkap dengan bobot kriteria)
83
Criteria Weight
Style 0,3
Reliabilty 0,6
Fuel Economy 0,1
Didapat dari poin c) (pembualatan bobot Kriteria)
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
84
Style Toyota Honda Daihatsu Suzuki
Toyota 1 1/4 4 1/6
Honda 4 1 4 ¼
Daihatsu 1/4 1/4 1 1/5
Suzuki 6 4 5 1
1. Perhitungan bobot alternatif untuk kriteria Style
Langkah Metode AHP : Style Toyota Honda Daihatsu Suzuki
Toyota 1,00 0,25 4,00 0,166
Honda 4,00 1,00 4,00 0,25
Daihatsu 0,25 0,25 1,00 0,20
Suzuki 6,00 4,00 5,00 1,00
Columns Sum 11,25 5,50 14 1,616
1 2
Style Toyota Honda Daihatsu Suzuki
Toyota 1/11,25=0,088 0,25/5,5=0,045 4/14=0,285 0,166/1,616= 0,103
Honda 4/11,25=0,355 1/5,5=0,181 4/14=0,285 0,25/1,616=0,154
Daihatsu 0,25/11,25=0,022 0,25/5,5=0,045 1/14=0,071 0,20/ 1,616 =0,124
Suzuki 6/11,25=0,533 4/5,5=0,727 5/14=0,357 1/1,616 =0,618
Columns Sum 1,00 1,00 1,00 1,00
3 Normalized column sumKriteria Style (kita tentukan – bebas): •Honda 4 x lebih style dari Toyota, & Daihatsu•Suzuki 6 x lebih style dari Toyota, 4 x lebih style dari Honda•Toyota 4 x lebih style dari Daihatus* Suzuki 5 x lebih style dari Daihatus,
-
43
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
85
1. Perhitungan bobot alternatif untuk kriteria Style (lanjutan)
Langkah Metode AHP :
Style Toyota Honda Daihatsu Suzuki Average Rows(Priority Vektor)
Toyota 1/11,25=0,088 0,25/5,5=0,045 4/14=0,285 0,166/1,616= 0,103
0,13
Honda 4/11,25=0,355 1/5,5=0,181 4/14=0,285 0,25/1,616=0,154
0,24
Daihatsu 0,25/11,25=0,022
0,25/5,5=0,045 1/14=0,071 0,20/ 1,616 =0,124
0,07
Suzuki 6/11,25=0,533 4/5,5=0,727 5/14=0,357 1/1,616 =0,618
0,56
Columns Sum 1,00 1,00 1,00 1,00 1,00
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
86
2. Perhitungan bobot alternatif untuk kriteria Reliability
Langkah Metode AHP :
Reliability Toyota Honda Daihatsu Suzuki Average Rows(Priority Vektor)
Toyota 1 2 5 1 0,38
Honda ½ 1 3 2 0,29
Daihatsu 1/5 1/3 1 ¼ 0,07
Suzuki 1 ½ 4 1 0,26
Colums Sum 1,00
3. Perhitungan bobot alternatif untuk kriteria Fuel Economy
Fuel Economy Mill / Galon Average Rows(Priority Vektor)
Toyota 34 0,30
Honda 27 0,24
Daihatsu 24 0,21
Suzuki 28 0,25
Colums Sum 113 1,00
Catatan :Untuk mendapatkan nilai diatas , dilakukan proses yg sama dgn langkah perhitungan bobot alternatif 1 2 3
-
44
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
4. Perangkingan Alternatif
Langkah Metode AHP :
Reliability Style Reliability Fuel Economy
X
Criteria Weight (CW)
Sum of (S R F) ) * CW
Toyota 0,13 0,38 0,30 0,30 0,297
Honda 0,24 0,29 0,24 0,60 0,27
Daihatsu 0,07 0,07 0,21 0,10 0,084
Suzuki 0,56 0,26 0,25 0,349
ColumsSum
1,00 1,00 1,00 1,00
Toyota =(0,13*0,3) + (0,38*0,60)+(0,30*0,1) = 0,297Honda = (0,24*0,3) + (0,29*0,60)+(0,24*0,10)=0,27Daihatsu =(0,07*0,3) + (0,07*0,60)+(0,21*0,1) = 0,064 Suzuki =(0,56*0,3) + (0,26*0,60)+(0,25*0,1) = 0,349
2
1
3
4
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
Kesimpulan
Metode AHP bisa digunakan untuk menentukan segala kasus yang membutuhkan output berupa prioritas dari hasil perangkingan.
Penyempurnaan dari Metode AHP adalah Metode ANP
88
-
45
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
89
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
90
-
46
Bambang S,S.Kom, MM, M.KomMK. DSS
Pertemuan 4-5 – 6 : Modeling & Analysis (ch 4)
91
Terima Kasih,Wassalam,
Thanks,Matur Nuwun,
Tse-se,Arigato