Disusun Oleh
ANI YORAENI
PROGRAM STUDI FAKULTAS TEKNIK DAN INFORMATIKA STMIK NUSA MANDIRI
JAKARTA 2021
DAFTAR ISI... i
PERTEMUAN 1 TEORI DAN KONSEP SISTEM PENUNJANG KEPUTUSAN (SPK)/DECISION SUPPORT SYSTEM (DSS) ...1
1.1 Pengertian Sistem Penunjang Keputusan (SPK) ...1
1.2 Definisi dari Sistem Penunjang Keputusan ...1
1.3 Perkembangan SPK ...3
1.4 Computer Base Information System (CBIS) ...4
1.5 Tujuan Sistem Penunjang Keputusan ...5
1.6 Struktur Permasahalan menurut Simon ...6
PERTEMUAN 2 PEMBUATAN KEPUTUSAN ...8
2.1 Pembuatan Keputusan ...8
2.2 The problem Solving System ...10
2.3 Pendekatan Pengambilan Keputusan ...11
PERTEMUAN 3 PEMODELAN ...13
3.1 Definisi ...13
3.2 Kegunaan Model ...13
3.3 Jenis Model ...14
3.4 Tujuan Pemodelan ...17
3.5 Definisi GDSS ...19
PERTEMUAN 4 DECISION SUPPORT SYSTEM (DSS) DAN EXPERT SYSTEM (ES)...22
4.1 Pengembangan Pendekatan SPK ...22
4.2 Dukungan Komputer dalam Pemecahan Masalah ...23
4.3 Expert Sytem ...24
4.4 Komponen Model Expert System ...25
4.5 Inferensi System Pakar ...25
ii
DENGAN ANALYTIC HIERARCHICAL PROCESS (AHP) ...29
5.1 Pengembangan Pendekatan SPK (II) ...29
5.2 Strategi Pengembangan Industri ...33
5.3 Konsep Analytic Hierarchical Process (AHP) ...35
PERTEMUAN 6 CASE STUDY AHP ...40
6.1 Tabel Skala Saaty ...40
6.2 Original OHP ...45
6.3 Pendekatan Pengembangan Sistem Aplikasi ...47
PERTEMUAN 9 RANCANG BANGUN SPK ...50
9.1 Rancang Bangun SPK ...50
9.2 Tahapan Rancang Bangun SPK ...50
9.3 Analisa Sistem ...51
9.4 Perancangan Konfigurasi Sistem ...51
PERTEMUAN 10 PENGEMBANGAN MODEL SPK ...53
10.1 Konsep Model ...53
10.2 Penyederhanaan Sistem ...54
10.3 Prinsip Pembuatan Model ...54
10.4 Pengembangan Model ...56
10.5 Klasifikasi Model ...56
10.6 Formulasi Model ...57
PERTEMUAN 11 SISTEM BASIS DATA ...58
11.1 Hierarki data...58
11.2 Pemahaman Dasar ...58
11.3 Sumber Data...59
11.4 E-R Diagram ...59
11.5 Sistem Manajemen Basis Data ...61
PERTEMUAN 12 TEKNIK PENGAMBILAN KEPUTUSAN PROGRAM LINIER ...63
12.1 Pengantar ...63
iii
12.4 Pendekatan Penyelesaian Masalah ...64
PERTEMUAN 13 TEKNIK PENGAMBILAN KEPUTUSAN-KRITERIA MAJEMUK ...68
13.1 Kriteria Majemuk ...68
13.2 Teknik Pengambilan Keputusan Multi Kriteria Menggunakan Metode Bayes, MPE, CPI Dan AHP ...70
PERTEMUAN 14 TEKNIK SIMULASI ...73
14.1 Pengantar ...73
14.2 Karakteristik Teknik Simulasi ...74
iv
TEORI DAN KONSEP SISTEM PENUNJANG KEPUTUSAN (SPK)/DECISION SUPPORT SYSTEM (DSS)
1.1 Pengertian Sistem Penunjang Keputusan (SPK)
Konsep Sistem Penduduk Keputusan (SPK)/Decision Support Sistem (DSS) pertama kali di ungkapkan pada awal tahun 1970-an oleh Michael S.Scot Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang di tujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang bersifat semi terstruktur. Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan.
Banyak terminologi yang di gunakan untuk mendefinisikan Sistem, a.l. : 1. Gordon (1989) ;
Sistem sebagai suatu agregasi atau kumpulan objek-objek yang terangkai dan kesalingbergantungan yang teratur
2. Robert & Michael (1991) ;
Sistem sebagai suatu kumpulan dari elemen yang saling berinteraksi membentuk suatu kesatuan, dalam interaksi yang kuat maupun lemah dengan pembatas sistem yang jelas.
3. Murdick (1995) ;
Sistem sebagai suatu kumpulan elemen-elemen yang berada dalam keadaan yang saling berhubungan untuk suatu tujuan yang sama.
1.2 Definisi dari Sistem Penunjang Keputusan
Menurut Little (1970), Sistem pendukung keputusan adalah sebuah himpunan/
kumpulan prosedur berbasis model untuk memproses data dan pertimbangan untuk
membantu manajemen dalam pembuatan keputusannya.
1
Menurut Alter (1990), Membuat definisi sistem pendukung keputusan dengan membandingkannya terhadap sebuah System Electronic Data Processing (tradisional) dalam 5 hal :
1. Penggunaan : Aktif 2. Pengguan : Manajemen 3. Tujuan : Efektifitas
4. Time Horizon : Sekarang dan masa depan 5. Kelebihan : Fleksibilitas
Menurut Keen (1980), Sistem pendukung keputusan adalah sistem berbasis komputer yang dibangun lewat sebuah proses adaptif dari pembelajaran, pola-pola penggunaan dan evolusi sistem.
Menurut Bonczek (1980), Sistem pendukung keputusan sebagai sebuah sistem berbasis komputer yang terdiri atas komponen-komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge) dan komponen sistem pemrosesan masalah (problem processing) yang saling berinteraksi satu dengan yang lainnya.
Menurut Hick (1993), Sistem pendukung keputusan sebagai sekumpulan tools komputer yang terintegrasi yang mengizinkan seorang decision maker untuk berinteraksi langsung dengan komputer untuk menciptakan informasi yang beguna dalam membuat keputusan semi terstruktur yang tidak terantisipasi.
Menurut Turban & Aronson (1998), Sistem penunjang keputusan sebagai sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasaranya konsep DSS hanyalah sebatas pada kegiatan membantu para manajer melakukan penilaian serta menggantikan posisi dan peran manajer.
Menurut Raymond McLeod, Jr. (1998), Sistem pendukung keputusan merupakan sebuah sistem yang menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur.
Macam-macam Metode Sistem Penunjang Keputusan : 1. Metode Regresi Linier
2. Metode B/C Rasio 3. Metode NPV 4. Metode AHP 5. Metode ANP
6. Metode dengan keputusan Sistem Pakar dengan dukungan dari knowledge base, dan masih ada metode lainnya.
1.3 Perkembangan SPK
Perkembangan SPK, Menciptakan gagasan-gagasan SPK bagi kelompok, eksekutif dan organisasi. Sudirman & Widjajani (1996) ; menguraikan perkembangan SPK menjadi :
1. SPK kelompok (Grup Decision Support System/GDSS), Suatu sistem berbasis computer yang interaktif untuk membantu didalam mencari solusi dari permasalahan-permasalahan tidak terstruktrur bagi kelompok pengambil keputusan yang bekerja bersama-sama.
2. SPK Eksekutif (Executive Information System/Eis), Suatu sistem yang harus bersifat fleksibel yaitu dengan membuat prototipe, yang harus ditentukan terlebih dahulu kebutuhan informasi para eksekutif dengan metodologi Critical Succes Factor (CSF)
3. SPK Organisasi (Organization Decision Support System/ODDS), Suatu sistem dengan pendekatan formal, terstruktur, besar, kompleks dan membutuhkan pemograman secara sistematik. Ada 4 fase : Strukturisasi, Kerangka Pengem.
Sistem, Proses Iteratif dan Implementasi Sistem.
1.4 Computer Base Information System (CBIS)
1. Sistem Informasi Akuntansi (SIA), merupakan bagian dari CBIS pada tingkat pertama, dimana dalam pengolahan sistem informasinya selalu berkatian dengan transaksi-transaksi yang bersifat detail, contoh : cash flow, catatan transaksi harian, pembuatan jurnal.
2. Sistem Informasi Manajemen (SIM), bagian dari CBIS yang berkatian dengal hal- hal yang bersifat manajerial, pengolahan data lebih dominan mengguanakan peralatan berupa komputer, contoh: informasi penggajian, informasi penjualan, informasi inventory control, informasi kegiatan rumah sakit, informasi stok barang di Gudang.
3. Decision Support System (DSS), bagian dari CBIS yang lebih cenderung berkaitan dengan permasalahan yang bersifat semi tersruktur, pengolahan data dengan dukungan computer dan keputusan ada pada user (manager).
4. Expert System (ES), bagian dari CBIS yang lebih menekankan kepada petunjuk pakar (ahli) dalam pengambilan keputusannya di butuhkan database dan
knowledge base. Database digunakan untuk menyimpan data yang bersifat terstruktur dan knowledge base digunakan untuk menyimpan data yang bersumber dari keilmuan pakar (kepakaran).
5. Office Automation (OA), bagian dari CBIS yang mengatur bagaimana penggunaan data dapat di sharing oleh setiap bagian atau unit di lingkup organisasi, dengan tujuan pemanfaatan sumberdaya (resources) secara optimal. Tidak terbatas pada sharing data saja melainkan membangun saluran komunikasi dalam kegiatan organisasi dan pemanfaatan hardware yang dapat digunakan secara bersama-sama dan bersifat outomatic.
1.5 Tujuan Sistem Penunjang Keputusan
1.6 Struktur Permasahalan menurut Simon
Dengan memahami struktur permasalahan yang dikemukakan oleh Simon, maka pengambilan keputusan terhadap solusi yang di hadapi sudah dapat diprediksi, bahwa dengan metode mana yang harus dilakukan. Untuk permasalahan yang bersifat terstruktur penanganan masalah dapat di tangani dengan menggunakan komputer, artinya sistem komputer mampu melakukan pengambilan keputusan tanpa harus campur tangan manager. Contoh : Pintu kaca digedung dapat bekerja dengan signal termis akan terbuka dan tertutup secara ototomatis, dimana input termis terkontrol via suhu tubuh manusia. Hal ini secara penuh ditangani oleh komputer sistem dan tidak membutuhkan user dalam pengambilan keputusan untuk boleh dibuka atau harus ditutup.
Permasalahan yang bersifat semi structure, membutuhkan bantuan dari computer dan peran user (manager). Sebagai contoh untuk menentukan keputusan atas pembelian barang kepada supplier dimana harga barang dipengaruhi oleh aspek environtment seperti kondisi perekonomian sedang tak menentu. Dalam hal ini komputer berperan sebagai pendukung keputusan yang berkaitan untuk mengetahui kondisi stok yang dikelola dengan konsep database sebagai pemberi informasi. Sedangkan peran manager adalah menentukan keputusan untuk membeli atau tidak atas kondisi barang yang semakin menipis dan seberapa besarnya nilai pembelian, keputusan ini ada ditangan manager. Dalam hal ini computer tidak berperan sebagai pengganti pengambil
keputusan. Permasalahan yang bersifat tidak tidak terstruktur (unstructure) sepenuhnya pengambilan keputusan ada ditangan user (manager). Contoh : Dalam menentukan nilai besaran saham atau harga nilai mata uang(kurs), hal ini ditentukan oleh pasar, menentukan nilai besaran saham.
Peran komputer tidak sangat dibutuhkan karena sepenuhkan permasalahan yang timbul akibat lingkungan yang tidak terkondisi dan tidak terkontrol dengan system computer. Sehingga peran manajer sangat mendominasi dalam hal pengambilan keputusan. Seperti dengan adanya issue nasioanl maupun issue internasional mengakibatkan harga saham dapat terjadi fluktuasi apakah akan terapresiasi atau menjadi terdepresiasi.
PERTEMUAN 2 PEMBUATAN KEPUTUSAN
2.1 Pembuatan Keputusan
Ada beberapa ahli meluncurkan mengenai dasar pembuatan keputusan yaitu Herbert Simon dan Henry Mintzberg. Proses pembuatan keputusan diawali dari cara bagaimana menerima informasi dari DSS, dengan cara mengetahui peranan laporan dan pemodelan matematis dalam pemecahan masalah, kemudian mendefinisikan terminologinya dan kelemahannya. Hingga terbentuk tampilan informasi yang bervariasi, tergantung daya kemudahan pengguna dan daya dukung keputusan.
Menurut Simon, keputusan berada dalam kondisi yang berkesinambungan antara keputusan yang terprogram dan keputusan yang tidak terprogram. Keputusan terprogram adalah bersifat berulang-ulang dan rutin, pada suatu tingkat tertentu dan prosedur telah ditetapkan untuk menanganinya, sehingga hal tersebut tidak dianggap suatu hal yang baru. Keputusan tidak terprogram adalah keputusan yang bersifat baru, tidak terstruktur, dan tidak berurut. Tidak ada metode yang biasa yang siap untuk menangani masalah, dengan alasan tidak ada method yang muncul sebelumnya, karena memiliki presesi yang bersifat kompleks. Berikut ini adalah fase pemecahan masalah menurut Simon :
8
Sebagai bentuk kontribusi Simon menjelaskan empat fase yang harus dijalankan oleh manager dalam memecahkan masalah, diantaranya :
1. Aktifitas intelegensi, tahapan ini mencari konsidi dalam lingkungan yang memerlukan pemecahan. Aktifitas ini berkaitan dengan langkah analisis bagian sistem secara urut atau berproses dari tingkat sistem ke sub sistem untuk mencari tanda adanya masalah.
2. Aktifitas desain, yaitu menemukan, mengembangkan, dan menganalisa kemungkinan tindakan yang akan dilakukan. Pada tahap ini seharusnya sesuai dengan langkah pengidentifikasian dan pengevaluasian alternatif yang terbaik untuk menuju kepada tahap aktivitas pemilihan.
3. Aktifitas pemilihan, menentukan cara tindakan tertentu dari beberapa cara yang telah ada.
4. Aktifitas peninjauan ulang yaitu memberikan penilaian ulang terhadap pilihan yang telah dilakukan. Tahap ini berhubungan dengan langkah pengimplementasian pemecahan dan penindaklanjutannya.
Dari tahapan diatas Simon menginterpretasikan hal ini menjadi hal yang sangat memiliki arti penting dalam pendekatan sistem.
Adapun peranan dalam menunjang keputusan menurut Mintzberg terdapat beberapa kategori yaitu :
1. Interpersonal, memiliki peranan sebagai figur pemimpin dan sebagai penghubung dari tugas ceremonial atas pemeriksaan fasilitas dan wewenang, yang melibatkan unit-unit untuk dipekerjakan, serta memberi motivasi dalam peranannya sebagai penghubung dengan pihak luar dengan tujuan untuk turut serta dalam permasalahan bisnis.
2. Peran Informasional, informasi memiliki peran yang penting dalam kerja manajemen. Sebagai pemonitor, manajer harus mencari informasi untuk penampilan unit. Pemikiran manajer harus ditunjukan pada aktivitas dalam unit maupun lingkungan, sehingga merangkap peran sebagai penyebar dan pemimpin dalam mengemukakan informasi.
3. Peran decisional, pada tahapan ini peran manajer harus mampu memberikan gambaran informasi terhadap bukti untuk dapat memberikan keputusan mengenai situasi dan memungkinkan untuk membuat model tanpa abstraksi dari sistem informasi yang digunakan untuk membuat berbagai jenis keputusan. Dari peranan decision pembuatan berbagai keputusan dapat dicontohkan pada kasus semi struktur dalam dunia enterpreneurship.
a. Seorang entrepreneur (pengusaha), maka peningkatan hal yang bersifat permanen dilimpahkan kepada organisasi, seperti pembuatan keputusan untuk menambah alur produk baru, menghilangkan produk tertentu, mengubah struktur organisasi, mengimplementasikan CBIS, dan sebagainya.
b. Pelaku yang menangani gangguan, ketika manager berperan sebagai disturbance handler, maka ia akan memecahkan masalah yang belum diantisipasi, ia membuat keputusan untuk merespon gangguan yang timbul, seperti perubahan dalam ekonomi, ancaman dari pesaing, serta masalah yang berkaitan dengan lingkungan luar.
4. Pengalokasi sumber, peranan ini manajer diharapkan mampu menentukan cara pembagian sumber organisasi kepada berbagai unit yang ada, seperti pembuatan keputusan untuk menetapkan anggaran operasional tahunan.
5. Negosiator, pemegang peranan ini manajer mengatasi perselisihan yang muncul dalam perusahaan dal perselisihan yang terjadi antara perusahaan dan environment, seperti pengambilan keputusan untuk melakukan negosiasi kontrak project baru dengan pekerja.
2.2 The problem Solving System
Jenis DSS menurut Steven L Alter, memberikan pengetahuan dalam membedakan antara tingkat dukungan penunjang keputusan.
Jenis DSS yang memberikan dukungan paling sedikit adalah jenis yang memungkinkan manager untuk meretrieve information element, dapat melakukan query terhadap database untuk memperoleh gambaran. Dukungan yang sedikit lebih besar diberikan oleh DSS yang memberikan kemampuan manajer untuk menganalisis keseluruhan file sebagai bentuk laporan khusus. Dukungan yang lebih besar lagi dicukupi oleh system membuat laporan standar dari beberapa file, laporan khusus, dan laporan berkala. Sedangkan tiga jenis DSS selanjutnya menggunakan model matematis.
Dukungan keputusan yang lebih banyak lagi diberikan oleh model yang dapat menawarkan keputusan yang dapat digunakan oleh manajer untuk membuat keputusan.
Jenis keputusan yang dikemukakan oleh Alter mencakup sistem yang memberikan ketiga output dasar.
2.3 Pendekatan Pengambilan Keputusan
Pendekatan pengambilan keputusan dapat membuat keputusan dengan menggunakan satu atau beberapa pertimbangan sebagai berikut :
1. Fakta
Bekerja secara sistematis dengan mengumpilkan semua fakta mengenai suatu masalah.
2. Pengalaman
Dapat memutuskan pertimbangan pengambilan keputusan berdasarkan pengalamannya.
3. Rasional Analitis
Mempertimbangkan semua alternatif dengan segala akibat dari pilihan yang diambilnya, menyusun segala akibat dan memperhatikan skala pilihan yang pasti dan memilih alternatif yang memberikan hasil maksimum.
4. Intuitif Emosional
Model ini lebih menyukai kebiasaan dan pengalaman, perasaan yang mendalam, pemikiran yang reflektif dan naluri dengan menggunakan proses alam bawah sadar.
5. Perikalu Politis
Model keputusan individu dengan melakukan pendekatan kolektif. Metode yang umum antara lain :
a. Tawar-menawar Inkremental (Incremental Bargaining) b. Mixed Scanning
c. Agregative
d. Keranjang Sampah (The Garbage Cane)
Dilihat dari tujuan DSS, DSS dimaksudkan tidak untuk mengganti tugas dari manajer sebagai pengambilan keputusan yang menunjukan hubungan antara struktur masalah dan drajat atau tingkatan dukungan yang dapat diberikan oleh komputer.
PERTEMUAN 3 PEMODELAN
3.1 Definisi
Model adalah sebuah representasi atau abstraksi realitas yang disederhanakan.
Karenarealitas terlalu kompleks untuk ditiru secara tepat dan karena banyak dari kompleksitas itu sebenarnya tidak relevan dalam penyelesaian masalah yang spesifik.
Sistem nyata adalah kombinasi unsur-unsur yang tersusun secara tertentu sedemikian rupa sehingga berbagai masukan (input) atau gangguan (disturbance) akan menyebabkan tanggapan (response) dan keluaran (output) karakteristik sistem tertentu.
3.2 Kegunaan Model
1. Mempermudah Pengertian (Pemahaman)
Suatu model pasti lebih sederhana daripada entitasnya. Entitas lebih mudah dimengerti jika elemen-elemennya dan hubungannya disajikan secara sederhana. Pada model fisik hanya dapat menggambarkan bentuk objek yang ingin dipelajari. Pada model narasi, narasinya dapat diolah menjadi ikhtisar. Pada model grafik, diagram hanya dapat menunjukkan hubungan-hubungan utama, dan pada model matematika, persamaan matematik hanya berisi unsur-unsur primer. Tetapi dalam setiap hal, dilakukan upaya untuk menyajikan model dalam bentuk yang sederhana. Setelah model- model sederhana tersebut dipahami,secara bertahap model tersebut dapat dibuat semakin rumit sehingga dapat menggambarkan entitasnya dengan lebih akurat.
Bagaimana pun, model tetap hanya menggambarkan entitasnya dan tidak pernah tepat sama dengan entitasnya.
2. Mempermudah Komunikasi
Setelah pemecah masalah (problem sorver) mengerti entitasnya, pengertian tersebut sering perlu dikomunikasikan kepada yang lain. Mungkin analisis sistem harus berkomunikasi dengan manajer atau programmer. Atau mungkin seorang manajer harus berkomunikasi dengan anggaota lain dari tim pemecah masalah. Keempat jenis model dapat mengkomunikasikan informasi secara cepat dan akurat kepada orang-orang yang
13
mengetahui makna dari berbagai bentuk, kata-kata, grafik, dan persamaan matematika tersebut.
3. Memperkirakan Masa Depan
Ketelitian dalam menggambarkan entitas membuat model matematika dapat memberikan kemampuan yang tidak dapat dimiliki oleh jenis model lainnya. Model matematika dapat memperkirakan apa yang akan terjadi di masa depan, tetapi tidak seratus persen akurat. Karena banyak data yang dimasukkan ke dalam model biasanya didasarkan atas berbagai asumsi, manajer harus menggunakan pertimbangan dan intuisi untuk mengevaluasi model.
3.3 Jenis Model 1. Model Deskriptif
Itu banyak sekali memiliki pembatasan dan juga cara-cara prediksi yang pada umumnya hanya berlaku untuk lingkup sendiri dan tidak dapat dengan mudah dihubungkan ataupun dilakukan pengulangan bila dibutuhkan.
Keuntungan dari model deskriptif ini adalah bahwa biaya untuk membuat prediksi biasanya cukup rendah. Oleh karena itu model ini banyak digunakan untuk pengambilan keputusan.
2. Model Fisik
Ini berada pada range mulai dari perencanaan-perencanaan dasar bangunan apapun sampai pada Aireraf Wind-tunned Models. Cara optimasi dengan model fisik ini terutama untuk mencari alternatif design sebagai berikut :
a. Kriteria penampilan (performance) adalah menunjukkan bahwa sudah established, stabil.
b. Mengadakan estimasi untuk suatu kombinasi inisial dari variable-variabel yang dapat dikontrol (controllable variables).
c. Model ini kemudian dapat digunakan untuk prediksi dari nilai-nilai, untuk criteria penampilan (performance) dengan kondisi-kondisi yang berlaku.
d. Adanya suatu aturan pencarian (search) untuk semua yang tidak sesuai untuk kemudian diperbaiki dan di-riset untuk kepentingan variable-variabel yang dapat dikontrol. Aturan pencarian ini didesign untuk menggerakkan variable yang dapat dikontrol kea rah yang dapat mencapai perkembangan.
e. Apabila penampilan maksimum sudah diperoleh, dan pencarian jugta sudah ditemukan, hal itu merupakan hasil uang optimal. Juga nilai-nilai dari variable yang terkontrol. Kondisi operasi yang diketahui juga dapat dicapai.
Keuntungan dari model fisik ini adalah adanya kemudahan untuk berkomunikasi dengan orang-orang yang tidak mempunyai background teknologi. Namun dari segi tujuan decision making (pengambilan keputusan) modern, hal ini tidak dapat memberikan penjelasan atau proses informasi.
Model ini memerlukan biaya yang tinggi (high cost) dan hanya dapat digunakan untuk menjelaskan persoalan khusus sesuai apa yang diinginkan untuk desain.
3. Model Simbolik
Ini digunakan sama seperti seperti simbol-simbol matematik, terutama terlihat pada Technology Operations Research yang menguraikan status dari variabel-variabel di dalam sistem dan juga menguraikan jalan keluar.
Variabel-variabel akan berubah dan juga berinteraksi. Prediksi-prediksinya dibuat dari simbol yang disajikan dengan analisis dan prosedur matematis. Untuk menggunakan model ini diperlukan pengetahuan kalkulus dengan segala persoalan dan aksiomanya. Penggunaan model-model simbolik ini memelurkan biaya yang cukup rendah.
4. Model Matematika
Apabila fenomena fisik yang dibuat model matematikanya adalah fenomena kontinu (jadi mengandung unsur-unsur tak terhingga, misalnya fenomena cahaya yang merupakan bentuk tenaga dengan satuan terkecil disebut foton), model matematika yang dihasilkan adalah model pendekatan.
Suatu model matematika sebagai pendekatan terhadap suatu fenomena (alami atau buatan) hanya mencakup sebanyak hingga pengamatan atau hanya mencakup daerah yang terbatas dari fenomena tersebut (yang tak terbatas) atau hanya bersifat diskrit, walaupun model tersebut masih dianggap sebagai bentuk yang sangat ideal dan yang sangat mendekati fenomena fisik aslinya.
3.4 Tujuan Pemodelan
Pemodelan adalah proses untuk membuat sebuah model dari sistem. Model adalah representasi dari sebuah bentuk nyata, sedangkan sistem adalah saling keterhubungan antar elemen yang membangun sebuah kesatuan, biasanya dibangun untuk mencapai tujuan tertentu. Tujuan suatu pemodelan adalah untuk menganalisa dan memberi prediksi yang dapat mendekati kenyataan sebelum sistem di terapkan di lapangan.
Kesulitan untuk memprediksi dan mengamati proses tertentu pada lapangan akan menjadi persoalannya, dimana model dapat memformulasikan sebuah proses tertentu namun tidak memungkinkan untuk melakukan analisa untuk mendapatkan solusi tepat sehingga perlu dilakukan lagi perbandingan atau validasi antara pemodelan matematik dengan kondisi lapangan
A. Keuntungan dari Pemodelan
1. Dengan model, dapat dilakukan analisis dan percobaan dalam situasi yang kompleks dengan mengubah nilai atau bentuk relasi antar variabel yang tidak mungkin dilakukan pada sistem nyata.
2. Model memberikan penghematan dalam mendeskripsikan suatu keadaan nyata.
3. Penggunaan model dapat menghemat waktu,biaya,tenaga, dan sumber daya berharga lainnya dalam analisis permasalahan.
4. Model dapat memfokuskan perhatian lebih banyak pada karakteristik yang penting dari masalah.
B. Kerugian Dari Pemodelan
1. Sulitnya pemodelan sistem bisnis akan menghasilkan model yang tidak dapat menangkap semua pengaruh pada entity. Sebagai contoh, dalam penentuan model harga yang baru saja, perusahaan harus melakukan estimasi nilai untuk elemen data skenario, hal ini berarti keputusan yang benar-benar tepat harus ditetapkan dalam pengimplementasian keputusan didasarkan hasil simulasi.
2. Dibutuhkan keterampilan matematis yang tinggi untuk mengembangkan model yang lebih kompleks secara pribadi. Keterampilan ini dibutuhkan juga untuk menerjemahkan output secara cepat.
C. Jenis Pemodelan Matematis
1. Model statis dan model dinamis. Model statis tidak memasukan waktu sebagai variabel, model ini lebih berkaitan dengan situasi pada saat tertentu, seperti sebuah potret, sedangkan model dinamis mamasukan unsur waktu sebagai variabel dan mewakili tingkah laku entity sepanjang waktu seperti layaknya gambar hidup.
2. Model Probabilistik dan deterministik. Model yang memiliki jangkauan peluang mulai dari 0.00 (untuk sesuatu yang tidak memiliki peluang) hingga 1.00 (untuk sesuatu yang nyata terjadi). Model ini merupkan lawan dari model dinamis.
3. Model Optimasi dan Suboptimasi (Satisficing Model). Model optimalisasi adalah model yang menentukan pemecahan terbaik dari alternatif yang ada, sedangkan model suboptimasi merupakan model yang tidak mengidentifikasi keputusan akan penyelesaian yang terbaik, namun dikembalikan kepada manajer.
D. Konsep Dasar Tiga Fase Pengembangan Siklus Model : 1. Fase Penentuan Masalah,
2. Fase Pengembangan Model, 3. Fase Pengambilan Keputusan
Contoh Fase Siklus Model
Pada SPK/DSS terdapat banyak macam model yang dapat digunakan untuk membantu memberikan dukungan keputusan.
3.5 Definisi GDSS
Group Decision Support System (GDSS) adalah sistem yang digunakan oleh sekelompok orang untuk mencari penyelesaian masalah dengan menggunakan teknologi komunikasi, komputasi dan dukungan keputusan.
Tujuan GDSS untuk pertukaran ide, opini, dan preferensi dalam kelompok yang saling membutuhkan, walaupun sering menemukan hambatan. Pada Intinya saling memberikan kontribusi pendefinisian dan mengidentifikasi masalah yang lebih baik.
Kerangka Dasar SPK Komponen SPK Memiliki 3 (tiga) subsistem utama : 1. Subsistem Manajemen Basis Data Memiliki kemampuan sbb :
a. Mengkombinasikan berbagai variasi data b. Menambahkan sumber data secara cepat
c. Menggambarkan struktur data logikal sesuai pengertian pemakai d. Menangani data secara personil
e. Mengelola berbagai variasi data
2. Subsistem Manajemen Basis Model Memiliki kemampuan sbb : a. Menciptakan model-model baru secara cepat dan mudah b. Mengakses dan mengintegrasikan model-model keputusan
c. Mengelola basis model dengan fungsi manajemen yang analog dan manajemen database
Subsistem Perangkat Lunak Dialog Bennet mendefinisikan komponen dari subsistem perangkat lunak dialog :
a. Pemakai b. Terminal
c. Perangkat Lunak
Subsistem ini dibagi menjadi 3 (tiga) bagian :
1. Bahasa Aksi Meliputi apa yang dapat digunakan oleh pemakai dalam berkomunikasi dengan sistem (keyboard, panel sentuh, joystick, dll).
2. Bahasa Tampilan Meliputi apa yang harus diketahui oleh pemakai (printer, layar tampilan, suara, dll).
3. Basis Pengetahuan Meliputi apa yang harus diketahui oleh pemakai agar pemakaian sistem bisa efektif (manual book, kartu referensi, dll).
CONTOH KASUS PENENTUAN STRATEGI PENGEMBANGAN IKM BERBASIS PETANIAN
PERTEMUAN 4
DECISION SUPPORT SYSTEM (DSS) DAN EXPERT SYSTEM (ES)
4.1 Pengembangan Pendekatan SPK
Siklus Hidup Pengembangan Sistem (System Development Life Cycle/SDLC), merupakan metodologi yang masih banyak digunakan dalam membangun sistem, terutama untuk sistem yang besar dan kompleks. Adanya kebutuhan untuk mengembangkan sistem dengan cara yang relatif lebih cepat, yaitu dengan membuat prototype, menggunakan perangkat lunak aplikasi, pengembangan sistem oleh pemakai akhir dan sistem informasi yang dikelola dan dikembangkan oleh pihak luar organisasi (Sudirman dan Widjajani, 1996).
A. Tingkat Teknologi SPK
Dibedakan berdasarkan 3 (tiga) macam : 1. aSPK Khusus (Specific DSS)
Merupakan SPK yang langsung digunakan untuk menyelesaikan suatu pekerjaan.
Meliputi sistem informasi terapan, tetapi dengan karakteristik yang berbeda dengan pemrosesan data biasa. Contoh Sistem Interaktif Grafik dalam Evaluasi Penjadwalan Produksi (Suryadi, 1992).
2. Pembangkit SPK (DSS Generator)
Merupakan perngkat keras dan lunak yang memiliki kemampuan untuk mengembangkan SPK khusus secara cepat dan mudah. Meliputi fasilitas penyiapan laporan, bahasa simulasi, tampilan grafik, subrutin statistik dsb. Geodata Analysis and Display System (IBM) dan Interactive Financial Planning System (Executive System) merupakan contohnya (Sprague, 1989).
3. Peralatan SPK (DSS Tools)
Merupakan tingkatan teknologi yang paling mendasar dalam pengembangan SPK.
Diantaranya dapat berupa bahasa pemrograman, sistem operasi komputer khusus,
dbms dsb.
22
B. Pihak yang Berperan Dalam Pengembangan SPK Ada lima pihak yang berperan dalam pengembangan SPK : 1. Manajer/Pemakai
Pihak yang terlibat langsung dalam proses pengambilan keputusan.
2. Penghubung
Pihak yang membantu pemakai.
3. Pembangun SPK/Fasilitator
Pihak yang mengembangkan SPK khusus dari pembangkit SPK.
4. Pendukung Teknik
Pihak yang mengembangkan tambahan pengembangan pembangkit SPK.
5. Pengembang Peralatan
Pihak yang mengembangkan teknologi baru dan yang meningkatkan efisiensi hubungan antar subsistem dalam SPK.
4.2 Dukungan Komputer dalam Pemecahan Masalah
Waktu memutuskan penggunaan antara DSS dan ES.
DSS memberikan dukungan pembuatan keputusan dalam bentuk laporan serta ouputs dari simulasi matematis. Data yang digunakan oleh DSS berupa numerik, namun
data yang digunakan oleh ES lebih bersifat simbolik dan sering kali berbentuk teks naratif dan lebih menekankan logic routines.
Sistem Pendukung Keputusan, (Decision Support System) adalah Sistem berbasis komputer yang dirancang untuk mempertinggi efektifitas pengambilan keputusan dari masalah semi terstruktur. Perbedaannya dengan Sistem Informasi Manajemen (SIM) adalah bahwa SIM menghasilkan informasi yang bersifat rutin dan terprogram, sedangkan Sistem Pendukung Keputusan sudah dikaitkan dengan proses pengambilan keputusan yang spesifik.
“Decision Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data” (Purwanto, 2018).
DSS berbeda dengan ES dalam dua hal pokok :
1. DSS terdiri dari routine yang merefleksikan keyakinan manager dalam caranya memecahkan masalah, oleh karena itu keputusan yang dihasilkan oleh DSS merefleksikan gaya kemampuan manager. Sebaliknya ES memberikan peluang untuk mendapatkan kemampuan dalam membuat keputusan melebihi kemampuan yang dimiliki manager.
2. ES mempunyai kemampuan untuk menjelaskan jalur penalaran yang diikuti pencapaian pemecahan tertentu, seringkali penjelasan mengenai bagaimana pemecahan dicapai akan leibh berguna dari pada pemecahan itu sendiri.
4.3 Expert Sytem
Expert System (ES) merupakan Subset pokok dari Artificial Intelegent (AI), ES merupakan program komputer yang berfungsi dengan cara yang sama seperti ahli manusia, yaitu memberi advise pemakai mengenai cara pemecahan masalah dengan bantuan knowledge base, yang berperan sebagai konsultan, atau konsultasi dari pakar mengenai kepakarannya.
Sistem Pakar, (Expert System) adalah aplikasi komputer yang ditujukan untuk membantu pengambilan keputusan atau pemecahan persoalan dalam bidang yang spesifik.
“Sistem Pakar adalah program-program yang memberi saran secara otomatis yang mencoba untuk meniru proses- proses berpikir dan pengetahuan dari ahli-ahli untuk meraih sasaran dari masalah tertentu” Menurut F Bobillo dalam (Akil et al., 2017).
Jika menemukan masalah tentunya dapat memilih ES dari pada DSS /SPK, apabila : 1. Masalah tersebut melibatkan diagnosis situasi yang kompleks atau melibatkan
pembuatan kesimpulan atau peringkasan dari volume data yang besar.
2. Ada tingkat ketidak tentuan dalam aspek masalah tertentu.
3. Ada kemungkinan bagi ahli manusia untuk memecahkan masalah tersebut dalam jangka waktu yang wajar.
4.4 Komponen Model Expert System
1. User Interface, memungkinkan manager untuk memasukan insteruksi untuk menentukan parameter dan informasi dalam ES dan menerima informasi darinya.
2. Knowledge Base, berisi fakta yang menejelaskan bidang masalah dan merepresentasikan teknik yang menjelaskan cara penggabungan fakta tersebut dalam cara yang logis dengan menggunakan rule (kaidah) tertentu hingga menghasilkan conclusion.
3. Inference Engine, merupakan komponen dari ES yang melakukan penalaran dengan menggunakan isi dari knowledge base dengan urutan tertentu.
4. Development Engine, digunakan untuk menciptakan ES yang melibatkan pembuatan himpunan rule dengan bantuan shell Expert System.
4.5 Inferensi System Pakar
Inferensi dengan rule merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). Firing a rule : Bilamana semua hipotesis pada rule (bagian “IF”) memberikan pernyataan benar. Dapat mengecek semua rule pada knowledge base dalam arah forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan (Fire), atau sampai sebuah tujuan (Goal) tercapai. Ada dua
metode inferencing dengan rule, yaitu : Forward chaining atau disebut dengan Data- Driven dan Backward Chaining.
1. Forward Chaining
Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi. Forward Chaining adalah data driven, karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan Tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Sifat Forward Chaining :
1. Good for monitoring, planning, and control.
2. Look from present to future.
3. Works from antecendent to consequent.
4. Is data driven bottom-up reasoning.
5. Work forward to find what solutions follow from the fact.
6. It facilitates a breadth - first search.
7. The antecedents determine the search.
8. It does not facilitate explanation.
2. Backward Chaining
Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut. Jika suatu aplikasi menghasilknan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
Sifat Goal-Driven : a. Good for diagnosis.
b. Look from present to past.
c. Work from consequent to antecedent.
d. Is goal driven top-down reasoning.
e. Works backward to find fact that support to hypothesis.
f. It facilitates a depth-first search.
g. The consequents determine the search.
h. It does facilate explanation.
A. Inference Tree
Fungsi dari Inference Engine : 1. Fire the rule.
2. Memberikan pertanyaan pada user.
3. Manambahkan jawaban pada working memory (WM) atau Blackboard.
4. Mengambil fakta baru dari suatu rule (dari hasil inferensi).
5. Menambahkan fakta baru tersebut pada WM.
6. Mencocokan fakta pada WM dengan rule.
7. Jika ada yang cocok (matches), maka fire rules tersebut.
8. Jika ada dua rule yang cocok, cek dan pilih rule mana yang menghasilkan goal yang diinginkan.
9. Fire the lowest-numbered unfired rule.
B. Explanation
1. Human expert memberikan justifikasi dan penjelasan (explain) dari apa yang mereka lakukan.
2. ES harus dapat melakukan hal yang sama.
3. Explanation: disediakan oleh ES untuk mengklarifikasi proses reasoning, rekomendasi, dan tindakan lainnya. (mis: asking a question).
4. Explanation facility (justifier).
Tujuan Explanation :
1. Membuat sistem lebih intelligible.
2. Menjelaskan situasi yang unanticipated (tak terantisipasi).
3. Memuaskan psikologis user dan atau social needs.
4. Klarifikasi dari dari asumsi yang diperoleh pada saat sistem beroperasi.
5. Mengatur sensitivitas analisis.
C. Manfaat dan Kelemahan Sistem Pakar 1. Manfaat Sistem Pakar :
a. Mempertimbangkan alternatif yang lebih banyak.
b. Menerapkan tingkat logika yang lebih tinggi.
c. Mempunyai waktu yang lebih banyak untuk mengevaluasi hasil keputusan.
d. Pemecahan konsisten yang lebih banyak.
2. Kelemahan Sistem Pakar :
a. Membatasi potensinya sebagai alat pemecah masalah bisnis, tidak dapat mengatasi pengetahuan yang tidak konsisten.
b. Expert sistem tidak dapat untuk melakukan keterampilan intuitif, sebagaimana seperti yang dimiliki oleh user.
PERTEMUAN 5
PEMODELAN SISTEM PENUNJANG KEPUTUSAN (DSS) DENGAN ANALYTIC HIERARCHICAL PROCESS (AHP)
5.1 Pengembangan Pendekatan SPK (II)
Pengembangan Pendekatan Sistem Penunjang Keputusan (SPK) II membutuhkan pendekatan yang unik. Terdapat 3 (tiga) pendekatan dalam pengembangan SPK :
1. Analisa Sistem
Pendekatan yang umum ROMC ( Representations, Operations, Memory aids, Control Mechanism ) memiliki komponen sebagai berikut :
a. Representasi (Gambar / Grafik / Bagan / Angka dsb) b. Operasi (Operasi Analisis & Manipulasi)
c. Bantuan Memori (Database)
d. Mekanisme Kontrol (Menu / Fungsi, Pesan Kesalahan, Perintah Bantu, dsb) 2. Perancangan Iteratif
Rancangan SPK harus memungkinkan untuk mengubahnya secara cepat dan mudah. Partisipasi pihak pemakai sangat berperan.
3. Sistem Adaptif
SPK merupakan sistem adaptif yang terdiri dari ketiga tingkatan teknologi, dioperasikan oleh semua peran dengan teknologi yang disesuaikan dengan perubahan waktu. Pendekatan ini menekankan pada perancangan komponen SPK yang dapat dikonfigurasikan ulang setiap kali ada perubahan pada lingkungan yang ada.
A. Komponen Teknologi
Untuk merancang komponen teknologi untuk membangun SPK yang efektif adalah merancang kapabilitas perangkat keras dan perangkat lunak bagi mamajemen dialog, pendekatan alternatif struktur data berdasarkan fungsi manajemen data serta merancang model analisis dalam pengambilan keputusan yang digunakan SPK.
B. Manajemen Dialog dalam SPK ada 5 : 1. Dialog Tanya jawab
2. Dialog Perintah 3. Dialog Menu
4. Dialog Form Masukan / Keluaran
5. Dialog Masukan dalam Konteks keluaran
C. Software Pendukung manajemen Dialog : 4 1. Paket Subroutine
2. Bahasa Pemrograman dengan Kontruksi Tingkat Tinggi 3. Bahasa Definisi data
4. Komponen Dialog Pembangkit SPK
D. Manajemen Database : 2 1. Sistem Manajemen Database 2. Model Data
a. Kumpulan Struktur Data b. Kumpulan Operasi
c. Kumpulan Aturan / Kendala
Pendekatan Ekstraksi Data, Merupakan teknik untuk menghubungkan berbagai database sumber dengan database SPK.
Manajemen Model, Memberikan kemampuan pengambilan keputusan untuk menganalisa masalah secara penuh melalui pengembangan dan perbandingan alternatif keputusan. Beberapa kapabilitas yang dibutuhkan pemodelan dalam SPK :
1. Interface 2. Control 3. Flexybilities 4. Feedback
Basis Model terdiri dari model permanen, model khusus, model untuk mendukung keputusan strategis, taktis dan model pendukung pendekatan analisis.
Pengembangan Arsitektur SPK, Fungsi diperlukan SPK adalah dialog, database dan pemodelan. Integrasi komponen SPK secara efektif adalah penting ditinjau dari segi penggunaan, biaya, performance, kemampuan beradaptasi dan kendalanya.
Arsitektur Jaringan, Merupakan pendekatan integrasi yang paling adaptif.
Tujuan utamanya memungkinkan komponen dialog dan pemodelan yang berbeda untuk membagi data dan memudahkan penambahan komponen baru.
Arsitektur Jambatan, Untuk mengurangi jumlah komponen interface yang dibutuhkan oleh jaringan SPK tetapi tetap mempertahankan kemampuan mengintegrasikan komponen baru, arsitektur ini menyediakan interface pemersatu.
Arsitektur ini menyediakan sebuah atau sekumpulan interface standar untuk mengintegrasikan komponen lokal atau komponen terbagi.
Arsitektur Berlapis, Arsitektur ini mencoba mengintegrasikan komponen SPK menggunakan komponen dialog dan database tunggal dengan berbagai macam komponen pemodelan. Disini juga harus ada standar dan interface kontrol.
Arsitektur Menara, Arsitektur ini mencoba menyediakan komponen yang bersifat moduler dan fleksibel untuk mendukung bermacam peralatan perangkat keras dan sumber data. Perbedaannya dengan arsitektur jaringan adalah arsitektur ini dirancang untuk lingkungan operasi tunggal pada setiap tingkatan menara.
Contoh pengembangan Pendekatan SPK, Strategi Pengembangan Industri Kecil Menengah (IKM). Pengembangan industri Nanas Kaleng mempertimbangkan berbagai aspek produksi, pemasaran, ekonomi (finansial), sosial dan lingkungan dimana industri tersebut akan dikembangkan. Pengembangan industri Nanas Kaleng yang termasuk dalam kelompok Industri Kecil Menengah (IKM) bergantung pula pada arah, strategi dan kebijakan pemerintah pusat dan daerah terhadap pengembangan IKM tersebut. Berikut gambaran input dan output dari pengembangan IKM.
Sistem pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli, dan sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli (Kusumadewi, 2003:109). Pakar yang imaksu disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Contohnya dokter, mekanik, psikolog, dan lain-lain.
Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960, sistem pakar yang muncul pertama kali adalah General Purpose Problem Solver (GPS ) yang dikembangkan oleh newel dan Simon ( Turban, 1995 ).
Sistem pakar (Expert System) sendiri merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasehat dan sarana bantu dalam memecahkan masalah dibidang-bidang spesialis tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan dan sebagaianya. Sistem pakar merupakan subset dari Artificial Intelegence (Arhami, 2005).
Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan masalah yang dimaksud ( Lestari, 2012 ), seperti :
1. Interpretasi : membuat kesimpulan atau deskripsi dari sekumpulan data mentah.
Pengambailan keputusan dari hasil observasi, termasuk pengenalan ucapan, analisis citra, interpretasi sinyal, dll.
2. Prediksi : memproyeksikan akibat – akibat yang dimungkinkan dari situasi-situasi tertentu. Contoh : prediksi demografi, prediksi ekonomi, dll.
3. Diagnosis : menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati diagnosis medis, elektronis, mekanis, dll.
4. Perancangan (Design) : menentukan konfigurasi komponen-komponen sistem yang cocok ddengan tujuan-tujuan kinerja tertentu yang memenuhi kendala- kendala tertentu. Contoh : perancangan layout sirkuit, bangunan.
5. Perencanaan : merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu. Contoh : perencanaan keuangan, militer, dll.
6. Monitoring : membandingkan hasil pengamatan dengan kondisi yang diharapkan.
Contoh: komputer aided monitoring system.
7. Debugging : menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi. Contoh : memberikan resep obat terhadap kegagalan.
8. Intruksi : mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek, contoh : melakukan intruksi untuk diagnosis dan debugging.
9. Kontrol : mengatur tingkah laku suatu environment yang kompleks, contoh : melakukan kontrol terhadap interpretasi, prediksi, perbaikan dan monitoring kelakuan sistem.
5.2 Strategi Pengembangan Industri
Strategi pengembangan industri Nanas Kaleng pada kasus ini mengarah kepada strategi pengembangan pemasaran berdasarkan alternatif segmentasi geografis, yaitu : 1. Pasar Ekspor
2. Pasar Nasional (Meliputi wilayah-wilayah pemasaran petensial di Indonesia) 3. Pasar Regional (lokal), misal : provinsi Lampung dan provinsi Sumatra Selatan
dan sekitarnya.
Analisis strategi pengembangan industri Nanas Kaleng dengan 3 alternatif pilihan pasar tersebut dilakukan dengan Analitic Heararchy Process (AHP). Untuk memudahkan perhitungan digunakan software Criterium Decision Plus (CDP).
HIRARKI PENGEMBANGAN IKM
GRAFIK KEPUTUSAN STRATEGI PENGEMBANGAN IKM
5.3 Konsep Analytic Hierarchical Process (AHP)
Dalam banyak aplikasi teknik industri, keoutusan akhir didasarkan pada evaluasi sejumlah alternatif dari segi kriteria. Masalah ini mungkin menjadi masalah yang sangat sulit ketika kriteria dinyatakan dalam unit yang berbeda atau data terkait sulit untuk dihitung. Proses Hierarki Analitik (AHP) merupakan pendekatan yang efektif dalam bertransaksi dengan masalah keputusan seperti ini. Makalah ini membahas beberapa masalah praktis dan komputasi yang terlibat saat metode AHP digunakan dalam aplikasi teknik.
AHP adalah alat pendukung keputusan yang bisa digunakan untuk memecahkan masalah keputusan yang kompleks. Beberapa aplikasi teknik industri AHP termasuk penggunaannya dalam manufaktur terintergrasi (putrus, 1990), dalam evaluasi keputusan investasi teknologi (Boucher dan McStravic, 1991), dalam sistem manufaktur yang feksibel (Wabalickis, 1988), design tata letak (Cambron dan Evans, 1991) dan juga dalam masalah teknik lainnya (Wang dan Raz, 1991).
AHP merupakan sebuah metode kualittif dan kuntitatif untuk merumuskan dan menganalisis keputusan. AHP telah diterapkan untuk banyak masalah praktis. Karena menggunakan perbandingan dan fleksibilitas, banyak perusahaan dan pemerintah secara rutin menggunakan AHP untuk membuat utama keputusan kebijakan (Elkarmi dan Mustofa, 1993). Penjelasan lebih rinci tentang AHP dan penerapan masalah dapat ditemukan dibanyak tempat (Saaty, 1980, 2000). Penerapan AHP untuk masalah keputusan melibatkan beberapa tahapan dalam urutan langkah-langkah tertentu.
Skala Konvensi perbaningan AHP
Skala AHP digunakan setelah proses perhitungan atas olahan masukan jawaban dari sejumlah responden, nilai yang dimasukan merupakan hasil konversi perolehan
nilai perhitungan matematis sebanyak nilai inversi jumlah olahan kuisioner atas masukan dari responden. Langkah-Langkah Penggunaan AHP :
Langkah 1: Penataan Keputusan
Masalah tersebut dalam bentuk hirarki ini mencakup penguraian masalah keputusan menjadi elemen-elemen sesuai dengan karakteristik umum dan pembentukan model hirarkis memiliki tingkat yang berbeda. Setiap tingkat dalam hirarki sesuai dengan karakteristik umum elemen dalam tingkat tersebut. Tingkat paling atas adalah yang „ Fokus‟ dari masalah. Tingkat menengah sesuai dengan kriteria dan sub-kriteria, sedangkan level terendah berisi „alternatif keputusan‟.
Contoh : Ilustrasi keputusan sederhana permasalahan untuk memilih rumah terbaik Diawali dari paling atas Tingkat adalah Fokus Goal ( „Rumah terbaik untuk dibeli
„ ). Tujuannya ditandai dengan beberapa kriteria, dan tingkat ke dua menunjukan gambaran kriteria diantaranya adalah Harga ( P ), Lokasi ( L ), dan Usia ( A ).
Seseorang dapat berpikir tentang pengelompokan kriteria lebih lanjut jika diperlukan.
Misalnya, „lokasi „ mungkin akan dibagi menjadi „Fasilitas Transportasi‟,
„hiburan Fasilitas‟, „Fasilitas Rumah Sakit‟, dll. Adalah susunan pada tingkat menengah seperti itu,sususan hirarki menggambarkan hirarki sederhana yang melibatkan tujuan, kriteria, dan alternatif. Tingkat terakhir merupakan alternatiif, yang menggambarkan pilihan atas rumah yang berbeda diantara yang satu atau beberapa yang harus dipilih.
Gambar Model AHP Sederhana
Langkah 2 : Membuat perbandingan berpasangan
Dalam langkah ini, unsur-unsur tingkat tertentu dibandingkan berpasangan, sehubungan dengan spesifikasi elemen ditingkat atas. Sebuah matriks perbandingan dibentuk dan digunakan untuk menghitung prioritas elemen yang sesuai.
Pertama, kriteria dibandingkan berpasangan dengan mengacu ke tujuan. Sebuah perbandingan matriks, dinotasikan sebagai A, akan dibentuk dengan menggunakan perbandingan. Masing-masing entry A ( i, j ), dari matriks tersebut dibentuk membandingkan elemen baris dan kolom.
Perbandingan dari dua kriteria Ci dan Cj (katakanlah Harga dengan lokasi) sehubungan dengan tujuan dibuat menggunakan pertanyaan dari jenis dua kriteria Ci dan Cj, yang lebih penting sehubungan dengan rumah terbaik dan berapa banyak lagi.
Saaty (2000) menyarankan penggunaan skala 9-point untuk mengubah penilaian lisan menjadi numerik jumlah yang mewakili nilai-nilai A (i,j). Matriks A menggambarkan perbandingan berpasangan timbal balik positif matriks.
Langkah 3 : Perioritas lokal dan konsistensi perbandingan
Setelah matriks perbandingan atas kriteria terfokus dengan tujuan yang telah ditetaapkan, prioritas lokal kriteria diperoleh dan konsistensi penilaian ditentukan.
Standar ini telah disepakati (Saaty, 2000), bahwa prioritas kriteria dapat diperkirakan dengan mencari W eigen utama dari matriks A.
Ketika vektor W normal, itu menjadi vektor priortas dari kriteria sehubungan dengan tujuan. Lamda (λ max) adalah nilai eigen terbesar dari matriks A dan W vektor eigen yang terkait hanya berisi masukan positif. Konsistensi matriks dapat ditentukan oleh ukuran yang disebut Consistency Ratio (CR), yang didefinisikan sebagai berikut :
Dimana Consistency Index (CI) disebut Index Konsistensi dan Random Index (RI), Index Acak. CI didefinisikan sebagai berikut :
RI adalah Indeks Konsistensi dihasilkan secara acak matriks timbal balik dari skala 9-point, dengan reciprocals. Saaty (1980, 2000) telah memberikan rata-rata konsistensi (nilai RI) secara acak oleh matriks yang dihasilkan. Nilai-nilai RI untuk matriks yang berbeda ukuran yang ditunjukan berdasarkan jumlah elemen.
Jika CR dari matriks lebih tinggi, itu berarti bahwa masukan penilaian tidak konsisten, dan karenanya tidak dapat diandalkan. Secara umum, rasio konsistensi kurang dari 0.1
Skala semantik yang digunakan dalam AHP according to (Saaty : 1980)
Konsistensi rata – rata matriks acak ( Random Indeks-RI )
Size : Angka 1,2,3 ... dst, menggambarkan jumlah elemen data
RI : menyatakan besaran berpaasangan hasil rata-rata index yang digunakan sebagai pembagi dalam mencari nilain Consistency Rasio (CR)
Langkah 4 : Agregasi prioritas lokal
Setelah prioritas lokal dari elemen yang berbeda level dari semua yang tersedia telah dilakukan seperti langkah sebelumnya, kemudian dikumpulkan untuk mendapatkan prioritas akhir dari alternatif. Untuk agregasi, berikut ini prinsip komposisi hierarkis (Saaty, 2000)
PERTEMUAN 6 CASE STUDY AHP
6.1 Tabel Skala Saaty
Table 1: Scale of Relative Importances (according to Saaty (1980))
A. Criteria 1
Dari proses analisis pairwise matrix terjadi lima kali iterasi hingga menghasilkan vektor prioritas yang sesuai, dengam masing-masing nilai adalah : (0,754; 0,181; 0,065).
Proses selanjutkan menentukan nilai masing-masing terhadap : λ max, Index Konsistensi (CI) dan Rasio Konsistensi (CR) dengan prolehan nilai sebagai berikut :
40
B. Criteria 2
Dari proses analisis pairwise matrix terjadi lima kali tahap iterasi seperti (C1) hingga menghasilkan vektor prioritas yang sesuai, dengan masing-masing nilai yang ditampilkan pada kolom terakhir tabel. Proses selanjutkan menentukan nilai masing- masing terhadap nilai λ max, Index Konsistensi (CI) dan Rasio Konsistensi (CR) dengan prolehan nilasi sebagai berikut:
λmax = 3.247, CI = 0.124, and CR = 0.213.
41
C. Criteria 3
Dari proses analisis pairwise matrix terjadi lima kali tahap iterasi seperti (C1 dan C2) hingga menghasilkan vektor prioritas yang sesuai, dengam masing-masing nilai yang ditampilkan pada kolom terakhir tabel. Proses selanjutkan menentukan nilai masing-masing terhadap nilai λ max, Index Konsistensi (CI) dan Rasio Konsistensi (CR) dengan prolehan nilasi sebagai berikut:
λmax = 3.130, CI = 0.068, and CR = 0.117.
42
D. Criteria 4
Dari proses analisis pairwise matrix terjadi lima kali tahap iterasi seperti (C1, C2, dan C3) hingga menghasilkan vektor prioritas yang sesuai, dengam masing-masing nilai yang ditampilkan pada kolom terakhir tabel. Proses selanjutkan menentukan nilai masing-masing terhadap nilai λ max, Index Konsistensi (CI) dan Rasio Konsistensi (CR) dengan prolehan nilasi sebagai berikut:
λmax = 4.252, CI = 0.084, and CR = 0.093.
43
E. Criteria 1-4
Dari proses analisis pairwise matrix terjadi lima kali tahap iterasi seperti (C1, C2, C3, dan C4) hingga menghasilkan vektor prioritas yang sesuai, dengan masing- masing nilai yang ditampilkan pada kolom terakhir tabel. Untuk menentukan nilai masing-masing terhadap nilai λ max, Index Konsistensi (CI) dan Rasio Konsistensi (CR) dengan prolehan nilai tertera dibawah tabel “The four criteria”.
44
6.2 Original OHP
45
AHP dan penggunaan dari perbandingan berpasangan telah mengilhami penciptaan banyak metode pengambilan keputusan lainnya. Selain diterima secara luas, terdapat juga beberapa kritik, baik untuk teori dan untuk alasan praktis. Karena pada awalnya menjadi sudah jelas bahwa ada beberapa masalah dengan cara perbandingan berpasangan dgn cara AHP mengevaluasi alternatif.
Pertama, Belton dan Aksesoris (1983) mengamati bahwa AHP dapat membalikkan ranking dari sejumlah alternatif, ketika sebuah alternatif identik dengan salah satu alternatif yang sudah diperkenalkan. Untuk mengatasi kekurangan ini, Belton dan Aksesoris mengusulkan bahwa setiap kolom dari matriks keputusan AHP untuk melakukan pembagian dengan masuknya nilai maksimum kolom yang ada tersebut pada ketetapan table.
Dengan demikian, mereka memperkenalkan varian dari AHP asli, disebut revisi- AHP. Kemudian, Saaty (1994) menerima sebelumnya varian AHP dan sekarang hal itu disebut AHP Modus Ideal. Selain revisi-AHP, penulis lain juga memperkenalkan lainnya varian dari AHP asli. Namun, AHP (dalam bahasa aslinya atau dalam modus ideal) adalah metode yang paling banyak diterima dan dianggap oleh banyak orang sebagai metode MCDM yang paling dapat diandalkan.
46
Fakta bahwa peringkat pembalikan juga terjadi dalam AHP ketika dekat salinan dianggap, juga telah dipelajari oleh Dyer dan Wendell (1985). Saaty (1983a dan 1987) memberikan beberapa aksioma dan pedoman pada seberapa dekat salinan dekat bisa ke alternatif asli tanpa menyebabkan membalikan peringkat. Dia menyarankan bahwa pembuat keputusan harus menghilangkan alternatif dari pertimbangan bahwa nilai dalam 10 persen dari alternatif lain. Rekomendasi ini kemudian dikritik tajam oleh Dyer (1990). Langkah pertama dalam AHP adalah estimasi dari data yang bersangkutan.
Artinya, estimasi aij dan Wj nilai matriks keputusan.
6.3 Pendekatan Pengembangan Sistem Aplikasi 1. Metode Bottom-Up
Merupakan pendekatan klasik yang diperkenalkan mulai tahun 60-an dan tidak menggunakan struktur modern. Pendekatan ini menghasilkan modul-modul yang mula- mula berisi detailed logic pada level terendah, dites secara terpisah dan baru diintegrasikan dengan seluruh sistem yang ada (Kowal, 1988).
Langkah-langkah dalam pendekatan ini adalah :
a. Mengumpulkan dan mengidentifikasikan dokumen dan laporan-laporan.
b. Melakukan wawancara, membandingkan sistem sejenis dengan organisasi lain dan mengidentifikasi tambahan data yang sudah terkumpul.
c. Menghilangkan data yang tidak terpakai.
2. Metode Top-Down
Merupakan kebalikan dari pendekatan bottom-up. Implementasi ini pertamatama justru menghasilkan modul-modul pada tingkat tertinggi untuk kemudian diturunkan menjadi modul yang lebih rendah yang mampu memenuhi kebutuhan di tingkat bawah (Kowal, 1988).
Langkah-langkah dalam pendekatan ini adalah : a. Menganalisa tujuan, hambatan dan lingkungan b. Mengidentifikasi kegiatan/fungsi organisasi c. Mengidentifikasi pengambilan keputusan
47
d. Mengidentifikasi jenis informasi yang dibutuhkan untuk setiap pengambilan keputusan
e. Mengelompokkan pengambilan keputusan dan kebutuhan informasi dalam subsistem dan modul
f. Menentukan prioritas pengembangan database 3. Metode Business System Planning
Metode ini berdasar pada proses atau process-based, merupakan pendekatan yang cukup komprehensif yang diperkenalkan oleh IBM. Diturunkan dari tujuan sistem dimulai dari mendefinisikan tujuan proses kerja perusahaan. Proses perusahaan digunakan sebagai dasar dari pengumpulan data dan analisa.
Langkah-langkah dalam pendekatan ini adalah :
a. Mendefinisikan kebutuhan sistem yang efektif
b. Mengembangkan sistem fisik laporan, formulir, prosedur dan program c. Membuat rancangan sistem, program komputer dan pengembangan prosedur 4. Metode Critical Success Factor
Metode ini cocok digunakan untuk menentukan kebutuhan informasi di tingkat strategis.. Sebagaimana tujuan bisnis, CSF selalu berubah setiap waktu, hal ini berimplikasi pada perubahan kebutuhan sistem informasi dan prioritas aktifitas manajemen, sehingga harus segera ditinjau ulang oleh pihak manajemen seiring dengan perubahan pada kondisi internal dan eksternal organisasi
5. Metode Structure Analysis and Design Technique (SADT)
Merupakan metode pengembangan sistem terstruktur yang dikembangkan oleh DT Ross antara tahun 1969 s.d. 1973, yang kemudian dikembangkan lebih lanjut oleh SofTech Corporation sejak tahun 1974.
SADT memandang suatu sistem terdiri dari dua hal : a. Sebagai Benda (Object) → Objek, Dokumen & Data
b. Sebagai Kejadian (Event) → Kegiatan oleh Manusia, Mesin & Perangkat Lunak
48
Disamping itu juga SADT menggunakan dua buah diagram, yaitu Diagram Kegiatan (Activity Diagram) → Actigrams dan Diagram Data (Data Diagram) → Datagrams.
Yang membuat pendekatan SADT lebih unggul dibanding dengan dua pendekatan Lainnya adalah adanya kegiatan kontrol yang terpisah dan mampu mengkonfirmasikan actigrams dengan datagrams sehingga dicapai struktur database yang lebih valid.
Kelebihan SADT : a. Mudah dipelajari
b. Merupakan alat yang baik untuk digunakan sebagai komunikasi antara analis dengan pemakai
c. Akan didapatkan dokumentasi rancangan sistem terstruktur
d. Dengan spesifikasi disain yang sama, kebanyakan perancang sistem akan menghasilkan solusi yang hampir mirip (Aktas, 1987)
Kekurangan SADT :
a. Membutuhkan waktu dan personil yang lebih banyak untuk membuatnya b. Metode ini hanya bagus untuk tahap analisis dan disain secara umum, sedang
untuk disain rinci, analisis harus menggunakan alat bantu metodologi yang lain c. Aplikasi dan metodologi ini membutuhkan tingkat keahlian yang tertentu
49
PERTEMUAN 9 RANCANG BANGUN SPK
9.1 Rancang Bangun SPK
A. Sistematika Rancang Bangun SPK
Sistematika pemecahan masalah dimulai dari ide dasar perkembangan pengambilan keputusan. Analisis ini kemudian dikaitkan dgn permasalahan para pengambil keputusan berdasarkan tinjauan beberapa elemen keputusan dengan mengoptimalkan sumber daya yang tersedia.
B. Rancang Bangun SPK
Tahap perancangan SPK pada garis besarnya terdiri dari : 1. Penentuan Tujuan Penelitian.
2. Tahap Studi Pendahuluan dan Studi Kelayakan.
3. Tahap Perumusan Kebutuhan Data Input dalam kaitannya dengan pengembangan sistem informasi.
4. Tahap Perumusan Kemampuan yang harus dipenuhi oleh SPK dan perlengkapan yang dibutuhkan.
5. Tahap Perancangan dan Pengembangan SPK.
9.2 Tahapan Rancang Bangun SPK
1. Identifikasi Tujuan Rancang Bangun Berguna untuk menentukan arah dan sasaran yang ingin dicapai. Ini berguna sebagai acuan/pedoman dalam perancangan SPK.
2. Perancangan Pendahuluan Berguna untuk merumuskan kerangka & ruang lingkup SPK, serta persyaratan unjuk yang mesti dipenuhi, memilih konsep menganalisa dan mengaplikasi model pembuatan keputusan yang relevan dengan tujuan SPK yang akan dibangun, juga Mengidentifikasi spesifikasi SPK.
3. Perancangan SPK Meliputi kegiatan-kegiatan analisa sistem sampai perancangan
konfigurasi SPK.
50
9.3 Analisa Sistem
Memiliki aktifitas-aktfitas sebagai berikut :
1. Mempelajari Sistem yang ada, Analisis hendaknya dilakukan secara holistik (utuh dan menyeluruh), mencakup hal-hal sebagai berikut :
a. Menelaah kembali fakta-fakta historis b. Analisis input
c. Meninjau kembali metode dan prosedur d. Meninjau kembali file-file yang dipelihara e. Analisa output
f. Membuat diagram alir sistem yang ada
2. Merumuskan Spesifikasi Sistem, Spesifikasi sistem harus mencakup item-item sebagai berikut :
a. Data masukan dari dokumen sumber
b. Metode dan prosedur yang menunjukkan hubungan data masukan terhadap file data dan file data terhadap keluaran sistem
c. File data yang dipelihara dan organisasinya d. Keluaran yang dihasilkan.
9.4 Perancangan Konfigurasi Sistem
Diawali dengan meninjau kembali informasi pada sistem yang ada, lalu memilih satu dari tiga tingkatan teknologi pengembangan SPK, kemudian merancang ketiga komponen teknologi SPK (database, model keputusan dan model dialog) sesuai kebutuhan performansi sistem usulan.
Beberapa pedoman penting yang harus ditetapkan dalam perancangan SPK : 1. Kebijakan baru yang konsisten dgn tujuan SPK
2. Masukan data yang direncanakan 3. Metode dan prosedur baru
4. Database yang terpelihara 5. Keluaran yang diperlukan 6. Pertimbangan peralatan
A. Pendekatan Perancangan Subsistem DataBase
Konfigurasi subsistem data base dibagi dalam dua prosedur : 1. Subsistem Manajemen Data Base
Sistem manajemen basis data (Database Management System) adalah suatu system atau software yang dirancang untuk mengelola suatu basis data, yang memungkinkan para pemakai membuat, memelihara, mengontrol, dan mengakses basis data dengan cara praktis dan efisien
2. Subsistem Ekstraksi Data
Ekstraksi Data (Extract) Ekstraksi data adalah proses dimana data diambil atau diekstrak dari berbagai sistem operasional, baik menggunakan query, atau aplikasi ETL. Terdapat beberapa fungsi ekstraksi data, yaitu ekstraksi data secara otomatis dari aplikasi sumber. Penyaringan atau seleksi data hasil ekstraksi.
B. Pendekatan Perancangan Subsistem Pemodelan Model yg umum dikategorikan dalam dua jenis : 1. Model Matematika
2. Model Informasi
C. Pendekatan Perancangan Subsistem Dialog
Fungsi dan fleksibilitas suatu SPK tergantung pada kemudahan interaksi antara Sistem dengan pemakainya. Dialog antara pemakai dengan sistem dilakukan melalui bahasa komunikasi yang dapat dikategorikan dalam tiga jenis :
1. Komunikasi antara pemakai dgn SPK 2. Komunikasi peraga/representasi
3. Komunikasi pemandu
PERTEMUAN 10
PENGEMBANGAN MODEL SPK
10.1 Konsep Model
Secara umum model digunakan untuk memberikan gambaran, memberikan penjelasan dan memberikan perkiraan dari realitas yang diselidiki.
1. Tingkat Generalisasi yang Tinggi
Semakin tinggi derajat generalisasi suatu model, maka semakin baik, sebab kemampuan model untuk memecahkan masalah semakin besar.
2. Mekanisme Transaparansi
Model dikatakan baik jika kita dapat melihat mekanismenya dalam memecahkan masalah.
3. Potensi Untuk Dikembangkan
Mampu menarik minat peneliti untuk menilite lebih jauh.
4. Peka Terhadap Perubahan Asumsi
Menunjukan proses pemodelan tidak pernah berakhir, selalu memberi celah untuk membangkitkan asumsi.
5. Antar Muka Pengguna
User interface merupakan subsistem untuk berinteraksi antara user dengan SPK.
Umumnya antar muka terdiri dari dua yaitu untuk mengisi atau mengelola data apa yang diperlukan, dan hasil dari proses penunjang keputusan.
6. Manajemen Pengetahuan
Knowledge-based management merupakan subsistem yang dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.
7. Manajemen Model
Model management merupakan subsistem yang melibatkan model finansial, statistical, management science, atau model kuantitatif lainnya, agar sistem memiliki kemampuan analisis dan manajement aplikasi.
53
8. Manajemnt Data
Data management merupakan subsistem yang mengandung data relevan untuk situasi dan dikelola oleh database management sistem (DBMS). DBMS bisa diintegrasikan dengan data warehouse atau lokasi data untuk pe
