Sasaran. Alasan Penggunaan Model. Pemodelan. Pemodelan. Alasan Penggunaan Model 9/28/2011 PEMODELAN: MANAGEMENT SUPPORT SYSTEM

(1)

PEMODELAN:

MANAGEMENT SUPPORT SYSTEM

Qammaddin, S.Kom Materi Kuliah – [4,5] SISTEM PENDUKUNG KEPUTUSAN

Sasaran

• Mahasiswa mampu memahami tahapan-tahapan dalam pemodelan Management Support System.

• Mahasiswa mampu melakukan pemodelan Management Support System.

9/28/2011 2

Referensi Utama Referensi UtamaReferensi Utama Referensi Utama

• Turban, Efraim; Aronson, Jay, E.; Liang, Ting-Peng.

2005. Decision Support Systems and Intelligent

Systems. International Edition, Edisi 7. New Jersey: Pearson Prentice-Hall Education International

Pemodelan

• Pemodelan merupakan suatu upaya untuk melakukan analisissistem dengan cara meniru bentuk nyata-nya daripada melakukannya pada sistem nyata.

Alasan Penggunaan Model

• Manipulasi model (seperti mengubah variabel)

akan lebih mudah dilakukandaripada melakukan-nya pada sistem nyata.

• Model dapat menghemat waktu.

• Biaya untuk menganalisis model jauh lebih murahjika dibandingkan dengan

mengaplikasikannya pada sistem nyata. • Resikokesalahan pada bentuk model dengan

melakukan trial & error (coba-coba) jauh lebih rendahjika dibandingkan dengan melakukannya pada sistem nyata.

Alasan Penggunaan Model

• Lingkungan bisnis yang banyak mengandung

ketidakpastian.

• Model matematika dapat menganalisis kemungkinan solusidalam jumlah yang lebih banyakbahkan tidak terbatas.

• Model meningkatkan pembelajaran& pelatihan.

• Model-model dan metode-metodeuntuk mendapatkan solusi telah tersediadi web.

• Ada beberapa Java applet (atau

pemrograman web lainnya) yang tersedia untuk menyelesaikan model-model tersebut.

Pemodelan

•Pemodelan pada SPK mencakup beberapa isu, antara lain:

– Identifikasi masalah dan analisis lingkungan

– Identifikasi variabel

– Penggunaan beberapa model keputusan

– Seleksi kategori model yang sesuai

– Manajemen model

(2)

Identifikasi Masalah

• Pada tahap ini akan dilakukan pengawasan,

pelacakan, dan interpretasi terhadap informasi-informasi yang telah terkumpul.

• Pada bagian ini perlu juga diidentifikasi budaya organisasi dan proses pengambilan keputusan.

• Analisis dilakukan dengan mempertimbangkan tahapan sbb:

–Analisisproses bisnisyang terjadi.

–Analisis penyebab masalah.

Analisis Proses Bisnis

• Proses bisnis (business process) adalah urutan tugas atau aktivitas yang dilakukan oleh orang atau sumber daya lain dalam rangka menyelesaikan tujuan organisasi (Magal SR, 2009).

• Proses bisnis dapat dideskripsikan dengan berbagai cara, seperti:

–Blok diagram.

–Diagram aktivitas.

–Flowchart, dll.

Analisis Proses Bisnis

• Analisis proses bisnis dilakukan dalam rangka:

–Memahami budaya organisasi.

–Mengumpulkan informasi

–Melacak dimungkinkannya masalah yang timbul dalam organisasi

• Contoh:

–Perusahaan Makanan Ringan “Sehat Sentosa” mengalami kesulitan dalam mementukan kapasitas produksi dan harga jual produk.

–Berikut proses bisnis untuk proses produksi dan distribusi pada Perusahaan tersebut.

Analisis Penyebab Masalah

• Untuk mendapatkan solusi yang optimum, perlu

dicari penyebab suatu masalah.

• Diagram tulang ikan(Fishbone Diagram) adalah diagram yang digunakan untuk menganalisis masalah dengan cara mengkategorikan penyebab utama yang sangat potensial dalam

Analisis Penyebab Masalah

• Diagram Tulang Ikan:

(3)

Identifikasi Variabel

• Pada tahap ini akan diidentifikasi

variabel-variabel yang relevan.

• Untuk kepentingan tersebut, dapat digunakan alat bantu seperti: Influence Diagram

untuk menunjukkan relasi antar variabel-variabel tersebut.

Influence Diagram

• Influence diagramadalah representasi grafis dari suatu model keputusan yang digunakan untuk membantu perancangan model (terutama model matematis), pengembangan dan pemahaman (Turban, 2005).

• Kata influence merujuk pada ketergantungan suatu variabel pada tingkatan tertentu terhadap variabel yang lainnya.

Influence Diagram

• Simbol yang digunakan (Lumina, 2010):

–Empat Persegipanjang, variabel keputusan, yang masih dapat dikendalikan oleh pengambil keputusan.

–Oval, chance variable, yang mengandung ketidakpastian dan tidak dapat dikendalikan secara langsung oleh pengambil keputusan.

–Empat Persegipanjang bersudut tumpul, variabel umum yang dapat berupa fungsi.

–Segienam, variabel tujuan (hasil), yang menunjukkan hasil terbaik.

Influence Diagram

Variabel Keputusan Chance Variable

Variabel Umum Variabel Tujuan

Influence Diagram

• Variabel A mempengaruhi B

(4)

Influence Diagram: Contoh…

• Penentuan kapasitas produksi dan biaya

produksi.

Influence Diagram: Contoh…

• Pimpinan perusahaan ingin memilih alternatif

terbaik berdasarkan beberapa kriteria yang ada, yaitu:

–Harga;

–Daya dukung terhadap produktivitas perusahaan;

–Nilai investasi dalam 10 tahun ke depan; dan

–Ketersediaan barang.

Influence Diagram: Contoh…

Harga

Besar Investasi

Jenis Barang

Ketersediaan Barang

Daya Dukung terhadap Produktivitas Perusahaan Tingkat Kepentingan Harga Tingkat Kepentingan Nilai Investasi Tingkat Kepentingan Ketersediaan Barang Tingkat Kepentingan Daya Dukung Nilai Daya Dukung Nilai Ketersediaan Barang Nilai Besar Investasi Nilai Harga Nilai Preferensi Barang

Penggunaan Beberapa Model

• Suatu sistem pendukung keputusan dapat

dibuat dalam model tertentu.

• Masing-masing model merepresentasikan bagian yang berbeda dari masalah pengambilan keputusan.

Kategori Model

• Turban (2005) mengkategorikan model sistem pendukung keputusan, yaitu:

–Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.

Kategori SPK

• Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.

–Model ini akan melakukan pencarian terhadap solusi terbaik dari sejumlah alternatif.

(5)

Tabel Keputusan

• Pada tabel keputusan, nilai kebenaran suatu kondisi diberikan berdasarkan nilai logikadari setiap atribut E_k.

• Hanya ada dua nilai kebenaran, yaitu E_k=

benaratau E_k= salah.

• Secara umum, tabel keputusan berbentuk: D = E {E₁, E₂, ..., E_K}

dengan D adalah nilai kebenaran suatu kondisi, dan E_iadalah nilai kebenaran atribut ke-i (i = 1, 2, ... K).

Tabel Keputusan:

Contoh

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

Ekspresi logika

Tabel Keputusan:

Contoh

No Atribut* Laboratorium

E1 E2 E3 E4 E5 E6 E7 E8

1 Y Y Y Pemrograman & _{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

Pohon Keputusan:

Contoh

• Pohon keputusanadalah 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 Harga (murah, normal, mahal).

Pohon Keputusan:

Contoh

Multi-Attribute Decision Making (MADM) • Secara umum, model Multi-Attribute Decision

Making(MADM) dapat didefinisikan sebagai berikut (Zimermann, 1991):

–Misalkan A = {ai| i = 1,...,m} adalah himpunan alternatif-alternatif keputusan dan C = {cj| j = 1,..., n} adalah himpunan tujuan yang diharapkan, maka akan ditentukan alternatif x0yang memiliki derajat harapan tertinggi terhadap tujuan–tujuan yang relevan cj.

(6)

Multi-Attribute Decision Making (MADM) • Janko (2005) memberikan batasan tentang

adanya beberapa fitur umum yang akan digunakan dalam MADM, yaitu:

–Alternatif, adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.

–Atribut, sering juga disebut sebagai karakteristik, komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan.

Multi-Attribute Decision Making (MADM) – Konflik antar kriteria, beberapa kriteria biasanya

mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.

– Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria, W = (w1, w2, ..., wn). Pada MADM akan dicari bobot kepentingan dari setiap kriteria.

– Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen xij, yang merepresentasikan rating dari alternatif Ai (i=1,2,...,m) terhadap kriteria Cj(j=1,2,...,n).

Multi-Attribute Decision Making (MADM) • Masalah MADM adalah mengevaluasi m alternatifAi

(i=1,2,...,m) terhadap sekumpulan atributatau kriteria C_j (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya.

• Kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu:

–Kriteria keuntunganadalah kriteria yang nilainya akan

dimaksimumkan, misalnya: keuntungan, IPK (untuk kasus pemilihan mahasiswa berprestasi), dll.

–Kriteria biayaadalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli, biaya produksi, dll.

Multi-Attribute Decision Making (MADM) • Pada MADM, matriks keputusansetiap alternatif terhadap

setiap atribut, X, diberikan sebagai:

dengan xijmerupakan rating kinerja alternatif ke-i terhadap

atribut ke-j.

• Nilai bobotyang menunjukkan tingkat kepentingan relatif setiap

atribut, diberikan sebagai, W: W = {w₁, w₂, ..., w_n}             = mn 2 m 1 m n 2 22 21 n 1 12 11 x x x x x x x x x X L M M M L L

Multi-Attribute Decision Making (MADM)

• Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan.

• Masalah MADM diakhiri dengan proses perankinganuntuk mendapatkan alternatif terbaik yang diperoleh

berdasarkan nilai keseluruhan preferensi yang diberikan (Yeh, 2002).

• Pada MADM, umumnya akan dicari solusi ideal.

Multi-Attribute Decision Making (MADM) Masalah Kriteria-1 (C1) Kriteria-2 (C2) Kriteria-m (Cn) . . .

(7)

Kategori Model

• Model statisumumnya memberikan asumsi adanya operasi perulangan dengan

menggunakan kondisi yang identik.

• Model dinamik(time-dependent)

merepresentasikan skenario yang senantiasa berubah dari waktu ke waktu.