Blogger Widgets

Selasa, 19 Mei 2015

Sistem Pengambil Keputusan


Beda sistem informasi dan pengambilan keputusan

Picture1
Pengambilan keputusan
  • Suatu pendekatan sistematis pada hakekat suau masalah , pengumpulan fakta-fakta,penentuan yang matang dari alternatif yang dihadapi , dan pengambilan tindakan yang menurut perhitungan merupakan kegiatan paling tepat .
  • Tetapi peembuat keputusan sering kali dihadapkan pada kerumian dan lingkup pengambilan keputusan dengan data yang begitu banyak.
  • Pembuat keputusan harus mempertimbangkan rasio manfaat/biaya  dan harus memecahkan masalah secara efisien  dan efektif
MEMAHAMI Sistem pendukung keputusan (SPK)           
  • SPK Harus Efektif , yaitu harus memanfaatkan 2 unsur  :  Manusia, Komputer
  • Bila hanya komputer sifatnya mekanis, tidak fleksibel, dan keputusan dangkal
  • Bila hanya manusia sifatnya lamban, pemanfaatan data terbatas, kelambanan dalam mengkaji alternatif yang relevan
Ciri ciri sistem SPK ( Alter Keen, 1996)
  • Membantu keputusan yang kurang  dan  struktur yg dihadapi manajemn tingkat puncak
  • Gabungan antara kumpulan model kualitatif dan kumpulan data
  • Memiliki fasilitas interaktif yg dapat memudahkan interaksi manusia dan komputer
  • Bersifat luwes dan dapat menyesuaikan dengan perubahan yang terjadi
Karakteristik SPK            
  • Kapabilitas Interaktif (akses data cepat  untuk informasi yg dibutuhkan )
  • Flesibilitas ( berbagai bidang )
  • Kemampuan meniteraksikan Model ( memanipulasi model  sesuai kebutuhan)
  • Fleksibilitas Output ( berbagai macam output grafik, kemampuan untuk suatu pertanyaan pengandaian )
Pembuatan Keputusan merupakan bagian kunci kegiatan:
  • Eksekutif
  • Manajer
  • Karyawan
  • Setiap manusia dalam kehidupannya
Tipe-tipe keputusan
  • Keputusan terprogram (struktur)
– Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak
– Bersifat rutin, berulang-ulang
  • Keputusan tak terprogram (tidak terstruktur)
–  Mengenai masalah khusus, khas, tidak biasa
–  Kebijakan yang ada belum menjawab
–   Mis. Pengalokasian sumber daya
Teknik Keputusan Terprogram
  • Tradisional
    • Kebiasaan
    • Mengikuti prosedur baku
    • Saluran informasi disusun dengan baik
  • Modern
–  Menggunakan teknik “operation research”:
–  Formula matematika
–  Simulasi komputer
–  Berdasarkan pengolahan data berbantu computer
Teknik Keputusan Tak Terprogram
  • Tradisional
– Kebijakan intuisi berdasarkan kreativitas
– Coba-coba
– Seleksi dan latihan para pelaksana
  • Modern
– Teknik pemecahan masalah yang diterapkan pada :
  • Latihan pembuatan keputusan
  • Penyusunan program komputer empiris
Proses pembuatan keputusan
  • Pemahaman dan perumusan masalah
– Identifikasi gejala yang muncul
– Cari penyebabnya/masalah utama
– Cari bagian-bagian yang perlu dipecahkan
– Pergunakan analisis sebab-akibat
  • Pengumpulan dan analisis data yang relevan
–   Menentukan data yang relevan
–   Mengumpulkan data
–   Mencari pola dari data yang terkumpul
  • Pengembangan alternatif-alternatif
–   Berdasarkan data, disusun beberapa alternatif
–   Untuk setiap alternatif susun pro & kontra, konsekuensi, resiko
–   Semua alternatif harus feasible
Scope of Decision
  • Perencanaan & Pengendalian Operasional :
    •  Dipusatkan pada efektifitas dan efisiensi pelaksanaan tugas-tugasyg spesifik.
    • Berpengaruh pada aktivitas yg sedang berlangsung
    • Contoh: Apa yang sebaiknya diproduksi saat ini?
  • Manajemen Pengendalian dan Perencanaan Taktis
    • Focus on effective utilization of resources
    • Dipusatkan pada pemanfaatan sumber daya efektif
    • more longer range planning horizon
    • Cakupan Perencanaan cakupan lebih panjang
    • Contoh: Apa yang sebaiknya diproduksi tahun depan?
  • Perencanaan Strategis
    • Kebijakan Dan Gol jangka panjang untuk alokasi sumber daya
    • Contoh: Apa produksibaru  yg harus ditawarkan?
Proses pembuatan keputusan ( 2)
  • Evaluasi Alternatif-alternatif
    • Nilai efektivitas dari setiap alternatif, tolok ukur
      • Realistik bila dihubungkan dengan tujuan & sumber daya organisasi
      • Seberapa jauh memecahkan masalah
    • Pemilihan alternatif terbaik
      • Berdasarkan alternatif, alternatif terbaik dipilih atau pilih kompromi dari beberapa alternatif
    • Implementasi keputusan
      • Susun rencana untuk menerapkan keputusan
      • Disiapkan mekanisme laporan periodik
      • Bila perlu bangun sistem peringatan dini
    • Evaluasi hasil keputusan
Pembuatan keputusan secara kelompok : Keunggulan
  • Adanya pengetahuan yang lebih luas
  • Pencarian alternatif keputusan lebih luas
  • Adanya kerangka pandangan yang lebar
  • Resiko keputusan ditanggung kelompok
  • Karena keputusan kelompok, setiap individu termotivasi untuk melaksanakan
  • Dapat terwujudnya kreativitas yang lebih luas, karena adanya berbagai pandangan

Pembuatan keputusan secara kelompok : kelemahan
  • Lempar tanggung jawab mudah terjadi
  • Memakan waktu dan biaya lebih
  • Efisiensi pengambilan keputusan menurun
  • Keputusan kelompok dapat merupakan kompromi atau bukan sepenuhnya keputusan kelompok
  • Bila ada anggota yang dominan, keputusan bukan mencerminkan keinginan kelompok
Alat bantu Pengambilan keputusan
  • Decision Tree
  • Metode operation research
    • Linear programming, queuing theory
    • Network analysis (ie. CPM)
  • Bantuan komputer
    • Information System, Expert System, DSS, EIS
Pengambilan keputusan manajerial dan Sistem informasi
  • Manajer adalah sebuah proses unutk mencapai tujuan-tujuan organisasi dengan menggunakan berbagai sumber daya

Picture2
  • Sumber daya : input
  • Pencapain tujuan adalah output
  • Kesuksesan organisasi dan kesuksesan manajer diukur dari produktivitas
Produktifitas = output ( produk , jasa ) / input ( resources)
MANAGEMENT SUPPORT SYSTEM
Pengambilan Keputusan (Dulu)
  • Kemahiran yg didapat dari pengalaman yang bertambah
  • Banyak aliran/gaya yang bisa digunakan untuk memecahkan masalah bisnis yang sama dengan sukses
  • Perlu kreativitas, intuisi, pengalaman, kebijaksanaan – trial & error
  • Tidak memakai metode kuantitatif yang sistematis berdasarkan pendekatan ilmiah
Pengambilan keputusan (sekarang)
  • Lingkungan manajemen:
    • Berubah dengan cepat menjadi makin kompleks dan besar
  • Faktor-faktor yang mempengaruhi suatu keputusan makin banyak
  • Sulit bergantung pada cara lama (trial & error, dsb)
  • Manajer perlu bantuan teknologi komputer
Faktor-faktor yang mempengaruhi pengambilan keputusan
Picture3
Pengambilan Keputusan Manajer
  • Aplikasi komputer bergeser dari kegiatan proses transaksi dan monitoring kepada aplikasi analisis solusi permasalahan (problem analysis solution)
  • Sistem informasi melayani manajer dalam kegiatan yang sangat penting – pengambilan keputusan (89-keatas, 80 % eksekutif menganggap komputer memegang peran penting)
  • Pengembangan ditingkatkan kepada efektivitas pengambilan keputusan manajer, terutama dalam pekerjaan yang kompleks.
Tipe Keputusan
  • Structured
    • Problem yg rutin, berulang dan memiliki pemecahan yang standar berdasarkan analisa kuantitatif
  • Unstructured
    • Problem yang masih kabur dan cukup kompleks yang tidak ada solusi langsung bisa dipakai
  • Semi structured
    • Sebagian structured dan sebagian unstructured
  • Unstuctured & Semi Structured à perlu SPK untuk meningkatkan kualitas informasi, memberi beberapa alternatif solusi.
Hubungan keputusan & Tipe Kontrol Manajemen
Picture4
Phase Pengambilan Keputusan (Simon)
  • Intelligence
    • Pencarian kondisi yang membutuhkan keputusan (cari informasi, identifikasi objectives)
  • Design
    • Mencari, membangun dan menganalisis kemungkinan solusi (manipulasi informasi, cari alternatif, beri bobot resiko/benefit pada alternatif)
  • Choice
    • Memilih satu solusi untuk diimplementasikan (pilih yg paling “baik”, statistik alternatif, jelaskan, terangkan)
Management Science
  • Memecahkan masalah terstruktur dan semi terstruktur
  • Memakai analisa kuantitatif
  • Terdiri dari beberapa langkah
    • Mendefinisikan masalah
    • Mengklasifikasikan masalah dalam kategori standard
    • Membentuk model matematika dari problem
    • Menentukan solusi dari model
    • Memilih dan merekomendasikan model
Management Support System (MSS)
  •                 Menjadi payung dari keluarga teknologi berbantuan komputer yg digunakan untuk membantu manajemen organisasi
  • Macamnya:
    • Transaction Support System (TPS) — 50an
    • Management Information System (MIS) – 60an
    • Office Automation System (OAS) – 70an
    • Decision Support Systems (DSS) & GDSS – 80an
    • Expert Systems (ES) – 90an
    • Executive Information Systems (EIS) – 90an
    • Artificial Neural Networks (ANN) — 91
  • MSS :
    •  TPS : melakukan pengolahan data
    • MIS : menyediakan informasi yang diperlukan untuk kepentingan bisnis organisasi
    • DSS: interactive-computer based system untuk membantu pengambil keputusan memanfaatkan data dan model untuk memecahkan masalah semi-struktur & tidak terstruktur
    • GSS : DSS untuk pengambilan keputusan dalam kelompok
    • ES: menggantikan manusia dalam memberi saran
    • EIS : memberi informasi yg mudah dianalisa dan dilihat pada segala waktu untuk pimpinan
    • ANN : memberi informasi tidak semata-mata berdasarkan data, model, pengetahuan tapi juga dari proses belajar dari pengalaman dan proses mengenali pola-pola yg ada (pattern recognizing)
DSS vs MIS
  • DSS
    • Masalah yang ditugaskan
    • Menyediakan reprensentasi valid untuk dunia nyata
    • Keputusan disediakan dalam waktu singkat
    • Evolusi searah dengan pembelajaran pengambil keputusan tentang masalah
    • Bisa dikembangkan oleh bukan EDP profesional
  • MIS
    • Ringkasan terstruktur
    • Model yang dibuat bisa jadi sudah usang
    • Model tak tersedia à waktu pengembangan lama
    • Aplikasi dikembangkan menggunakan  spesifikasi yang diformulasikan selanjutnya
    • Oleh EDP profesional
Mengapa Kita mengambil keputusan?
  • Mengenai apa, dimana, kapan ?
  • Kompleksitas suatu keputusanPicture5
  • Masalah dalam pengambilan keputusan
    • Informasi tidak cukup, terlampau banyak, tidak akurat, waktu terlalu sedikit, tidak mampu mendefinisikan masalah, tidak mampu menganalisis masalah
Mengapa membangun DSS ?
  • Mendapatkan Keuntungan DSS
    • Meningkatkan kualitas keputusan
    • Meningkatkan produktivitas
    • Mengurangi waktu dan biaya
    • Meningkatkan kepuasan konsumen dan karyawan
  • Ketidakstabilan ekonomi
  • Kesulitan dalam melacak berbagai tujuan bisnis
  • Kompetisi yang meningkat
  • E-commerce
  • Sistem yang ada tidak mensupport Decision making
  • Butuh informasi lebih akurat
  • Departemen IS terlalu sibuk
  • dsb

SISTEM PENUNJANG KEPUTUSAN
Pengambilan Keputusan
  • Proses memilih satu diantara beberapa rencana alternatif  untuk mencapai tujuan atau beberapa tujuan.
  • 4 Fase pengambilan keputusan adalah:
o   Intelligence
o   Design
o   Choice
o   implementation
Sistem
  • Struktur
o   Input
o   Proses
o   Output
o   Feedback dari output ke decision maker
  • Dipisahkan dari lingkungan luar (environment) oleh boundary
  • Dikelilingi oleh environment
                               Picture6
Jenis Sistem
  • Sistem Tertutup (Closed system)
o   Independent
o   Tidak membutuhkan input
o   Tidak menghasilkan output bagi lingkungan luarnya
o   Black Box
  • Sistem Terbuka (Open system)
o   Menerima input
o   Memberikan output ke Lingkungan luar
Model yang digunakan untuk DSS
  • Iconic
o   Replika sistem yang kecil
  • Analog
o   Representasi dari sistem secara Behavioral
o   Mungkin saja tidak tampak seperti sistem
  • Quantitative (mathematical)
o   Menunjukkan hubungan antar sistem
Fase-fase Pengambilan Keputusan
  • 3 Fase awal Simon:
o   Intelligence
o   Design
o   Choice
  • Kemudian dia menambahkan fase yang ke-4:
o   Implementation
  • Buku menambahkan fase ke-5:
o   Monitoring
Fase Pemikiran (Intelligence Phase)
  • Mengamati lingkungan luar
  • Menganalisa tujuan organisasi
  • Mengumpulkan data
  • Mengidentifikasi masalah
  • Mengkategorikan masalah
o   Programmed dan non-programmed
o   Mendekomposisikan menjadi beberapa bagian kecil
  • Menentukan siapa yang bertanggung jawab atas masalah tersebut.
Fase Perancangan (Design Phase)
  • Menentukan beberapa rencana alternatif
  • Menganalisa solusi-solusi yang potensial
  • Membuat model
  • Menguji kelayakan
  • Memvalidasi hasil
  • Memilih principle of choice
o   Menentukan tujuan
o   Memasukkannya kedalam model
o   Mengevaluasi dan mengambil resiko
o   Kriteria dan batasan
Fase Pemilihan (Choice Phase)
  • Principle of choice
o   Menggambarkan mengapa sebuah pendekatan solusi (solution approach) dapat diterima.
  • Normative Models (Model Normatif)
o   Optimization (Optimalisasi)
  • Dampak dari setiap alternatif
o   Rationalization (Rasionalisasi)
  • More of good things, less of bad things
  • Courses of action are known quantity
  • Pilihan diurutkan dari yang terbaik hingga terburuk
o   Suboptimization (Sub Optimalisasi)
  • Keputusan dibuat pada bagian organisasi tanpa mempertimbangkan keseluruhan organisasi
Model-model Deskriptif
  • Menjelaskan bagaimana sesuatu akan dipercaya
  • Biasanya, berbasis matematis
  • Menerapkan sekumpulan alternatif
  • Contoh:
o   Simulations (Simulasi)
o   What-if scenarios (Skenario What-if)
o   Cognitive map
o   Narratives (Naratif)
Alternatif Pengembangan
  • Pembuatan alternatif
o   Mungkin saja otomatis atau manual
o   Mungkin terlalu banyak, sehingga terjadi information overload
o   Skenario
o   Evaluate with heuristics
o   Hasil diukur dengan pencapaian tujuan
Masalah
  • Bila kenyataan tidak sesuai dengan apa yang diharapkan, maka timbullah masalah.
  • Satisficing is the willingness to settle for less than ideal.
o   Form of suboptimization
  • Bounded rationality (Rasionalisasi yang terbatas)
o   Kapasitas manusia yang terbatas
o   Dibatasi oleh prasangka dan perbedaan individu
  • Terlalu banyak pilihan
Pengambilan Keputusan tahap pemilihan (Choice)
  • Pengambilan keputusan dengan komitmen untuk melakukan tindakan
  • Menentukan rencana
o   Analytical techniques
o   Algorithms
o   Heuristics
o   Blind searches
  • Menganalisa kekuatan
Fase Implementasi (Implementation Phase)
  • Melakukan solusi terpilih
  • Beberapa hambatan:
o   Berkenaan dengan penolakan untuk melakukan perubahan
o   User training
o   Dukungan dari manajemen yang lebih tinggi
Picture7
Sistem Pendukung Keputusan (DSS)
  • Intelligence Phase
o   Automatic
  • Data Mining
o   Expert systems, CRM, neural networks
o   Manual
  • OLAP
  • KMS
o   Reporting
  • Rutin dan ad hoc (tidak terencana)
  • Design Phase (tahap Perancangan)
o   Financial and forecasting models
o   Membuat alternatif dengan menggunakan expert system
o   Identifikasi hubungan melalui OLAP dan data mining
o   Mengingat kembali (Recognition) melalui KMS
o   Business process models dari  CRM, RMS, ERP, dan SCM
  • Choice Phase (tahap Pemilihan)
o   Mengidentifikasi alternatif terbaik
o   Mengidentifikasi alternatif yang cukup baik
o   What-if analysis
o   Goal-seeking analysis
o   Mungkin saja menggunakan KMS, GSS, CRM, ERP, dan SCM systems
  • Implementation Phase (tahap Implementasi)
o   Meningkatkan komunikasi
o   Kolaborasi
o   Training
o   Didukung oleh KMS, expert systems, GSS
  • Temperament
o   Hippocrates’ personality types
o   Myers-Briggs’ Type Indicator
o   Kiersey and Bates’ Types and Motivations
o   Birkman’s True Colours
  • Gender
Pengambilan Keputusan Pada Manusia
  • Gaya Kognitive
o   Apa yang menjadi dugaan orang?
o   Bagaimana semua itu diatur?
o   Subyektif
  • Gaya Keputusan
o   Bagaimana menurut orang lain?
o   Bagaimana mereka bereaksi?
o   Heuristic, analytical, autocratic,  democratic, consultative

Southwest Airlines Flies in the Face of Competition Through DSS Vignette
  • Mengintegrasikan aplikasi DSS dengan baik
  • Menghubungkan aplikasi ERP ke OLAP, memungkinkan untuk me-retrieve data keuangan
  • Memungkinkan akses ke data keuangan dan operasional
Sistem Penunjang Keputusan
  • Sistem yang dirancang untuk mendukung pihak manajemen dalam pengambilan keputusan  untuk masalah yang tidak terstruktur
  • Dengan kata lain, lebih menekankan pada input
  • Mekanisme untuk interaksi antara user dan komponen
  • Biasanya, DSS dibuat untuk mendukung solusi atau mengevaluasi peluang
DSS
  • DSS adalah sebuah metodologi yang mendukung pengambilan keputusan.
  • DSS:
    • Fleksible;
    • Adaptif;
    • Interaktif;
    • GUI-based;
    • Iteratif; dan
    • Menggunakan model.
KARAKTERISTIK & KEMAMPUAN DSS
Picture8
  1. DSS memberi dukungan bagi pengambil keputusan untuk menyelesaikan masalah yang semi terstruktur atau tidak terstruktur.
  2. Mendukung berbagai tingkatan manajemen yang berbeda.
  3. Untuk  individu  dan  juga  bagi  kelompok orang.
  4. Untuk keputusan yang berurutan atau saling berkaitan.
  5. Mendukung berbagai fase pengambilan keputusan, intelligence, design, choice dan implementation.
  6. Mendukung pengambilan keputusan dan style yang berbeda-beda.
  7. DSS dapat beradaptasi sepanjang masa (sehingga pengambil keputusan harus reaktif) dan fleksibel.
  8. Mudah digunakan.
  9. Mengutamakan efektifitas daripada efisiensi
  10. Pengambil           keputusan   memiliki   kontrol   menyeluruh   terhadap   semua   langkah   proses pengambilan keputusan dalam menyelesaikan masalah. DSS  secara  khusus  ditujukan  untuk mendukung  dan  tak  menggantikan  pengambil  keputusan.
  11. DSS mengarah pada pembelajaran, yaitu mengarah pada kebutuhan baru dan penyempurnaan sistem
  12. User/pengguna harus mampu menyusun  sendiri  sistem yang sederhana.
  13.  DSS biasanya mendayagunakan pelbagai model (standar  atau  sesuai  keinginan  user)  dalam menganalisis  berbagai  keputusan.
  14. DSS dalam pengembangannya dilengkapi dengan komponen knowledge yang bisa memberikan solusi yang efisien dan efektif.
Business Intelligence
  • Proaktif
  • Mempercepat proses pengambilan keputusan
  • Meningkatkan arus informasi
  • Komponen BI yang proaktif:
    • Real-time warehousing
    • Exception and anomaly detection
    • Proactive alerting with automatic recipient determination
    • Seamless follow-through workflow
    • Automatic learning and refinement
Komponen DSS
  • Subsystems:
    • Data management
      • Dikelola oleh  DBMS
    • Model management
      • Dikelola oleh MBMS
    • User interface
    • Knowledge Management and organizational knowledge base
SKEMA DSS
Picture9
Data Management Subsystem
  • Komponen:
    • Database
    • Database management system
    • Data directory
    • Fasilitas Query
STRUKTUR DATA MANAGEMENT SUBSYSTEM
Picture10
Database
  • Data yang terkait, yang di- extract dari berbagai sumber, disimpan untuk dipergunakan oleh perusahaan dan hasil query
    • Data Internal, biasanya dari TPS
    • Data Eksternal dari pemerintah, asosiasi perdagangan, market research firms, forecasting firms
    • Data Pribadi atau petunjuk yang digunakan oleh  decision-makers
Database Management System
  • Extract data
  • Mengelola data dan hubungannya
  • Update (add, delete, edit, change)
  • Retrieve data (mengakses data)
  • Query dan memanipulasi data
  • Menggunakan data dictionary
Data Directory
  • Katalog dari semua data
    • Berisi definisi data
    • Menjawab pertanyaan tentang keberadaan data
    • Source
    • Meaning
    • Memungkinkan terjadinya penambahan, penghapusan, dan perubahan.
Model Management Subsystem
  • Komponen:
    • Model base
    • Model base management system
    • Modeling language
    • Model directory
    • Model execution, integration, and command processor
Models
  • Strategic
    • Mendukung keputusan top management
  • Tactical
    • Terutama digunakan oleh middle management untuk mengalokasi sumber daya
  • Operational
    • Mendukung kegiatan harian
  • Analytical
    • Digunakan untuk menganalisa data
Model Base Management System
  • Fungsi:
    • Membuat Model
    • Meng-update Model
    • Memanipulasi data Model
    • Menjalankan routine/prosedur baru
  • Model directory:
    • Katalog model
    • Definisi
Model Management Activities
  • Model execution
    • Mengawasi jalannya model
  • Model command processor
    • Menerima instruksi model dari user interface
    • Mengarahkan instruksi ke MBMS atau module execution atau integration functions
  • Model integration
    • Mengkombinasikan fungsi-fungsi dari beberapa model
User Interface System
Picture11
  • GUI
  • Natural language processor
  • Berinteraksi dengan model management dan data management subsystems
  • Contoh
    • Speech recognition
    • Display panel
    • Tactile interfaces
    • Gesture interface
Knowledge-Based Management System
  • Komponen dari Expert System atau intelligent agent system
  • Menyelesaikan masalah yang kompleks
  • Meningkatkan fungsi-fungsi dari komponen lain
  • Biasanya terdiri dari beberapa sistem
  • Text-oriented DSS
DSS Hardware
  • De facto standard
  • Web server dengan DBMS:
    • Dioperasikan dengan menggunakan browser
    • Data tersimpan ke dalam berbagai database
    • Dapat berupa mainframe, server, workstation, atau PC
    • Semua jenis network
    • Akses untuk mobile devices
Klasifikasi DSS
  • Alter
    • Fokus pada output mana yang dapat langsung mendukung atau menentukan keputusan
    • Data oriented atau model oriented
  • Holsapple and Whinston
    • Text oriented, database oriented, spreadsheet oriented, solver oriented, rule oriented, or compound
  • Intelligent
  • Donovan and Madnick
    • Institutional
    • Masalah yang biasa terjadi
  • Ad hoc
    • Masalah yang tidak dapat diantisipasi atau tidak biasa (tidak pernah terjadi)
  • Hackathorn and Keen
    • Personal support, group support, atau organizational support
  • GSS v. Individual DSS
    • Keputusan ditentukan oleh sekelompok atau seorang decision maker
  • Custom made v. vendor ready made
    • Generic DSS dapat dimodifikasi
      • Database, models, interface, support
      • Untuk masalah industri yang sering terjadi
      • Mengurangi biaya
Web dan DSS
  • Pengumpulan Data
  • Komunikasi
  • Kolaborasi
  • Kemampuan Download
  • menggunakan Web servers
  • Menyederhanakan masalah integrasi
  • Meningkatkan penggunaan fitur
RANGKUMAN KEMAMPUAN DSS

Picture12

Pemodelan SPK
  • Pemodelan merupakan suatu upaya untuk melakukan analisis sistem pendukung keputusan (SPK) dengan cara meniru bentuk nyata-nya daripada melakukannya pada sistem nyata.
Alasan Penggunaan Model (1)
  • Manipulasi model (seperti mengubah variabel) akan lebih mudah dilakukan daripada melakukannya pada sistem nyata.
  • Model dapat menghemat waktu.
  • Biaya untuk menganalisis model jauh lebih murah jika dibandingkan dengan mengaplikasikannya pada sistem nyata.
  • Resiko kesalahan pada bentuk model dengan melakukan trial & error (coba-coba) jauh lebih rendah jika dibandingkan dengan melakukannya pada sistem nyata.
Alasan Penggunaan Model (2)
  • Lingkungan bisnis yang banyak mengandung ketidakpastian.
  • Model matematika dapat menganalisis kemungkinan solusi dalam jumlah yang lebih banyak bahkan tidak terbatas.
  • Model meningkatkan pembelajaran & pelatihan.
  • Model-model dan metode-metode untuk mendapatkan solusi telah tersedia di web.
  • Ada beberapa Java applet (atau pemrograman web lainnya) yang tersedia untuk menyelesaikan model-model tersebut.
Pemodelan pada SPK mencakup tujuh permasalahan:
  • Identifikasi masalah dan analisis lingkungan.
  • Identifikasi variabel
  • Peramalan (forecasting).
  • Penggunaan beberapa model keputusan.
  • Seleksi kategori model yang sesuai.
  • Manajemen model.
  • Pemodelan berbasis pengetahuan
Picture13
Tiga langkah pembuatan model kuantitatif
  1. Studi lingkungan Banyak faktor yang perlu dilihat dengan jernih dan disederhanakan
  2.  Formulasi Analisis konsep dasar menggunakan simplifikasi dan asumsi        Proses Formulasi : membutuhkan pembentukan model untuk memilih/ mengisolasi lingkungan total, aspek kenyataan yang relevan dengan masalah
Formulasi membutuhkan pemilihan dan isolasi dari variabel keputusan dan obyektif
  1. Pembentukan model simbolik menterjemahkan formulasi ke dalam bentuk matematika merupakan         integrasi proses formulasi (aspek konsep lojik)
proses konstruksi (aspek representasi solusi dari hubungan lojik)
Model biasanya menyangkut masalah yang heterogen dan multidisiplin
  1. Studi lingkungan Banyak faktor yang perlu dilihat dengan jernih dan disederhanakan
  2.  Formulasi Analisis konsep dasar menggunakan simplifikasi dan asumsi        Proses Formulasi : membutuhkan pembentukan model untuk memilih/ mengisolasi lingkungan total, aspek kenyataan yang relevan dengan masalah
Formulasi membutuhkan pemilihan dan isolasi dari variabel keputusan dan obyektif
  1. Pembentukan model simbolik menterjemahkan formulasi ke dalam bentuk matematika merupakan         integrasi proses formulasi (aspek konsep lojik)
proses konstruksi (aspek representasi solusi dari hubungan lojik)

Model biasanya menyangkut masalah yang heterogen dan multidisiplin
Level Atas : model spesific: melengkapi (asumsi dan tidak pasti)info, bukan keputusan, berguna sebagai alatperancangan strategik
Level Bawah:  model membantu melengkapi keputusan, misal: pada operasional             berapa biayaperasional. (alternatif, obyektif, jelas/ pasti )

Ciri Manajemen Ilmiah
  • Fokus pengambilan keputusan
  • penggunaan Metode Ilmiah
  • Keefektifan ekonomis
  • Menggunakan model matematis
  • Mengandalkan bantuan komputer
  • Berorientasi ke sistem
Identifikasi Masalah dan Analisis Lingkungan
  • Pada tahap ini akan dilakukan pengawasan, pelacakan, dan interpretasi terhadap informasi-informasi yang telah terkumpul.
  • Analisis dilakukan terhadap domain dan dinamika dari lingkungan yang ada.
  • Pada bagian ini perlu juga diidentifikasi budaya organisasi dan proses pengambilan keputusan.
  • Dapat digunakan business intelligence tools untuk keperluan tersebut.
Identifikasi Variabel
  • Pada tahap ini akan diidentifikasi variabel-variabel yang relevan.
  • Variabel tersebut meliputi variabel keputusan, variabel intermediate (tak terkontrol), dan variabel hasil.
  • Untuk kepentingan tersebut, dapat digunakan influence diagram untuk menunjukkan relasi antar variabel-variabel tersebut.
Peramalan (forecasting)
  • Apabila suatu SPK diimplemantasikan, maka akibatnya akan dirasakan di kemudian hari.
  • Oleh karena itu, peramalan mutlak diperlukan.
Penggunaan Beberapa Model
  • Suatu sistem pendukung keputusan dapat terdiri-atas beberapa model.
  • Masing-masing model merepresentasikan bagian yang berbeda dari masalah pengambilan keputusan.
Seleksi Kategori Model (1)
  • Ada tujuh kategori model SPKTurban (2005) yaitu:
    • Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.
    • Model optimasi dengan algoritma.
    • Model optimasi dengan formula analitik.
    • Model simulasi.
    • Model heuristik.
    • Model prediktif.
    • Model-model yang lainnya.
  • Setiap kategori memiliki beberapa teknik-teknik tertentu.
  • Pada dasarnya, teknik-teknik tersebut dapat diaplikasikan baik dalam model statis maupun model dinamis.
Kategori Model (2)
  • Model statis umumnya memberikan asumsi adanya operasi perulangan dengan menggunakan kondisi yang identik.
  • Model dinamik (time-dependent) merepresentasikan skenario yang senantiasa berubah dari waktu ke waktu.
Manajemen Model
  • Untuk menjaga integritas dan aplikabilitasnya, model perlu dikelola sebaik mungkin.
  • Untuk keperluan tersebut dibutuhkan suatu model base management system.
  • Model Base Management System (MBMS) merupakan paket perangkat lunak yang dibangun dengan kapabilitas yang mirip dengan DBMS.
  • Kapabilitas MBMS meliputi:
  1. kontrol,
  2. fleksibilitas,
  3. umpan balik,
  4. antarmuka,
  5. adanya pengurangan redundansi, dan
  6. adanya peningkatan konsistensi.
Metode-metode Optimasi dengan Alternatif Terbatas
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.
  • 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).
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).
Multi-Attribute Decision Making (MADM)
  • Secara umum, model Multi-Attribute Decision Making (MADM) dapat didefinisikan sebagai berikut (Zimermann, 1991):
    • Misalkan A = {ai | i = 1,…,n} adalah himpunan alternatif-alternatif keputusan dan C = {cj | j = 1,…, m} adalah himpunan tujuan yang diharapkan, maka akan ditentukan alternatif x0 yang memiliki derajat harapan tertinggi terhadap tujuan–tujuan yang relevan cj.
  • 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.
    • 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).
  • Masalah MADM adalah mengevaluasi m alternatif Ai (i=1,2,…,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,…,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya.
  • Kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu:
    • Kriteria keuntungan adalah kriteria yang nilainya akan dimaksimumkan, misalnya: keuntungan, IPK (untuk kasus pemilihan mahasiswa berprestasi), dll.
    • Kriteria biaya adalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli, biaya produksi, dll.
•    Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain:
a.   Simple Additive Weighting (SAW)
b.   Weighted Product (WP)
c.   TOPSIS
d.  Analytic Hierarchy Process (AHP)
TOPSIS
  • Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif.
  • TOPSIS banyak digunakan dengan alasan:
    • konsepnya sederhana dan mudah dipahami;
    • komputasinya efisien; dan
    • memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana.
  • Langkah-langkah penyelesaian masalah MADM dengan TOPSIS:
    • Membuat matriks keputusan yang ternormalisasi;
    • Membuat matriks keputusan yang ternormalisasi terbobot;
    • Menentukan matriks solusi ideal positif & matriks solusi ideal negatif;
    • Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif & matriks solusi ideal negatif;
    • Menentukan nilai preferensi untuk setiap alternatif.

  • TOPSIS membutuhkan rating kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi, yaitu:
 www

  • Solusi ideal positif A+ dan solusi ideal negatif A– dapat ditentukan berdasarkan rating bobot ternormalisasi (yij) sebagai:
 Picture14
dengan
Picture15
Picture16
 Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:
 Picture20

  • Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai:
Picture19
  • Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
 Picture18
  • Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih

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.
  • Formula untuk melakukan normalisasi tersebut adalah sebagai berikut:
Picture21
dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,…,m dan j=1,2,…,n.
  • Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
Picture22
  • Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Weighted Product (WP)
  • Metode Weighted Product (WP) menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.
  • Proses ini sama halnya dengan proses normalisasi.
  • Preferensi untuk alternatif Ai diberikan sebagai berikut:
Picture23
dengan i=1,2,…,m; dimana åwj = 1.
  • wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.

Langkah-Langkah Perhitungan Manual AHP

Langkah-Langkah Perhitungan Manual AHP 

 

Algortitma AHP

Analytical Hierarchy Process (AHP) merupakan salah satu metode pengambilan keputusan multikriteria digunakan untuk masalah yang kompleks. Metode Analytical Hierarchy Process (AHP) ini dikembangkan oleh Prof. Thomas L. Saaty, Metode AHP merupakan sebuah hirarki fungsional dengan input utamanya presepsi manusia. Metode algoritma AHP ini mendukung pengambilan keputusan multi kriteria untuk mendapatkan keputusan yang terbaik dari berbagai alternatif kriteria pilihan kemudian membuat ranking alternatif keputusan.

5 proses penyusunan metode Algoritma AHP
  1. Aspek prioritas kriteria dan prioritas kriteria alternatif
  2. Proses penyusunan hirarki
  3. Menentukan prioritas kriteria
  4. Menentukan prioritas alternatif kriteria
  5. Perhitungan hasil akir AHP
Contoh perhitungan metode algoritma AHP untuk menentukan Penerima Raskin
perhitungan AHP ini melibatkan enam kriteria penilaian :
1. Kriteria Jenis Lantai (Tanah,Plester,Keramik)
2. Kriteria Jenis Dinding (Kayu, Tembok Tanpa Plester, Tembok Plester)
3. Kriteria Jenis Pekerjaan (PNS, Wiraswasta, Buruh)
4. Kriteria Jumlah Makan (Kurang dari 2x, 2x makan, Lebih dari 2x)
5. Kriteria Jenis WC (Tidak Layak, Layak, Sangat Layak)
6. Kriteria Jenis Bahan Bakar (Kayu, Minyak Tanah, Gas Elpiji)


Contoh hubungan multi kriteria pada perhitungan Algoritma AHP
multiple criteria AHP

A. Perhitungan Matrik perbandingan Antar Kriteria

Langkah I
Matriks Perbandingan Setiap Kriteria
Matriks Perbandingan
Lantai
Dinding
Pekerjaan
Makan
WC
BBM
Lantai
1
5
7
5
3
3
Dinding
0.20
1
5
3
5
5
Pekerjaan
0.14285714
0.20
1
5
5
5
Makan
0.20
0.33333333
0.20
1
3
3
WC
0.33333333
0.20
0.20
0.33333333
1
3
BBM
0.33333333
0.20
0.20
0.33333333
0.33333333
1
Jumlah
2.21
6.93
13.60
14.67
17.33
20.00
Langkah II
Penghitungan matriks bobot nilai antar kriteria dan prioritas
Matriks Bobot Dan Prioritas
Lantai
Dinding
Pekerjaan
Makan
WC
BBM
Jumlah
Prioritas
Lantai
0.45248869
0.72150072
0.51470588
0.34083163
0.17311021
0.15
2.35
0.39166667
Dinding
0.09049774
0.14430014
0.36764706
0.20449898
0.28851702
0.25
1.35
0.225
Pekerjaan
0.06464124
0.02886003
0.07352941
0.34083163
0.28851702
0.25
1.05
0.175
Makan
0.09049774
0.04810005
0.01470588
0.06816633
0.17311021
0.15
0.54
0.09
WC
0.15082956
0.02886003
0.01470588
0.02272211
0.05770340
0.15
0.42
0.07
BBM
0.15082956
0.02886003
0.01470588
0.02272211
0.0192345
0.05
0.29
0.04833333
Langkah III
Penghitungan Matriks Penjumlahan Kriteria
Matriks Penjumlahan
Lantai
Dinding
Pekerjaan
Makan
WC
BBM
JUMLAH
Lantai
0.39166667
1.95833334
2.74166667
1.95833334
1.175
1.175
9.40
Dinding
0.045
0.225
1.125
0.675
1.125
1.125
4.32
Pekerjaan
0.025
0.035
0.175
0.875
0.875
0.875
2.86
Makan
0.018
0.03
0.018
0.09
0.27
0.27
0.70
WC
0.02333333
0.014
0.014
0.02333333
0.07
0.21
0.35
BBM
0.01611111
0.00966666
0.00966666
0.01611111
0.01611111
0.04833333
0.12
Langkah IV
Penghitungan Rasio Konsistensi Kriteria
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
Lantai
0.39166667
9.40
9.79
Dinding
0.225
4.32
4.54
Pekerjaan
0.175
2.86
3.03
Makan
0.09
0.70
0.79
WC
0.07
0.35
0.42
BBM
0.04833333
0.12
0.17
TOTAL
18.74

B. Menentukan Prioritas Alternatif Kriteria

Langkah I
Menghitung prioritas sub kriteria dari “LANTAI”
a. Perhitungan Matriks Perbandingan Alternatif Kriteria Lantai
Matriks Perbandingan
Keramik
Plester
Tanah
Keramik
1
3
5
Plester
0.33333333
1
3
Tanah
0.20
0.33333333
1
Jumlah
1.53
4.33
9
b. Perhitungan Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Lantai
Matriks Bobot Dan Prioritas
Keramik
Plester
Tanah
Jumlah
Prioritas
Prioritas Alternatif Kriteria
Keramik
0.65359477
0.69284065
0.55555556
1.90
0.63333333
1
Plester
0.21786492
0.23094688
0.33333333
0.78
0.26
0.41052632
Tanah
0.13071895
0.07698229
0.11111111
0.32
0.10666667
0.16842105
c. Perhitungan Matriks Penjumlahan Alternatif Kriteria Lantai
Matriks Penjumlahan
Keramik
Plester
Tanah
JUMLAH
Keramik
0.63333333
1.90
3.16666665
5.70
Plester
0.08666666
0.26
0.78
1.13
Tanah
0.02133334
0.03555556
0.10666667
0.16
d. Perhitungan Rasio Konsistensi Alternatif Kriteria Lantai
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
Keramik
0.63333333
5.70
6.33
Plester
0.26
1.13
1.39
Tanah
0.10666667
0.16
0.27
TOTAL
7.99
Langkah II
Menghitung prioritas sub kriteria dari “DINDING”
a. Matriks Perbandingan Alternatif Kriteria Dinding
Matriks Perbandingan
Tembok Plester
Tembok Non Plester
Kayu
Tembok Plester
1
3
3
Tembok Non Plester
0.33333333
1
3
Kayu
0.33333333
0.33333333
1
Jumlah
1.67
4.33
7
b. Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Dinding
Matriks Bobot Dan Prioritas
Tembok Plester
Tembok Non Plester
Kayu
Jumlah
Prioritas
Prioritas Alternatif Kriteria
Tembok Plester
0.59880239
0.69284065
0.42857143
1.72
0.57333333
1
Tembok Non Plester
0.19960079
0.23094688
0.42857143
0.86
0.28666667
0.5
Kayu
0.19960079
0.07698229
0.14286714
0.42
0.14
0.24418605
c. Matriks Penjumlahan Alternatif Kriteria Dinding
Matriks Penjumlahan
Tembok Plester
Tembok Non Plester
Kayu
JUMLAH
Tembok Plester
0.57333333
1.72
1.72
4.01
Tembok Non Plester
0.09555557
0.28666667
0.86
1.24
Kayu
0.04666666
0.04666666
0.14
0.23
d. Rasio Konsistensi Alternatif Kriteria Dinding
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
Tembok Plester
0.57333333
4.01
4.58
Tembok Non Plester
0.28666667
1.24
1.53
Kayu
0.14
0.23
0.37
TOTAL
6.48
Langkah III
Menghitung prioritas sub kriteria dari “PEKERJAAN”
a. Matriks Perbandingan Alternatif Kriteria Pekerjaan
Matriks Perbandingan
PNS
Wiraswasta
Buruh
PNS
1
5
3
Wiraswasta
0.20
1
3
Buruh
0.33333333
0.33333333
1
Jumlah
1.53
6.33
7
b. Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Pekerjaan
Matriks Bobot Dan Prioritas
PNS
Wiraswasta
Buruh
Jumlah
Prioritas
Prioritas Alternatif Kriteria
PNS
0,65359477
0,78988942
0,42857143
1.87
0.62333333
1
Wiraswasta
0,13071895
0,15797788
0,42857143
0.72
0.24
0.37894737
Buruh
0,21786492
0,05265929
0,14285714
0.41
0.13666667
0.21925134
c. Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Pekerjaan
Matriks Bobot Dan Prioritas
PNS
Wiraswasta
Buruh
Jumlah
Prioritas
Prioritas Alternatif Kriteria
PNS
0,65359477
0,78988942
0,42857143
1.87
0.62333333
1
Wiraswasta
0,13071895
0,15797788
0,42857143
0.72
0.24
0.37894737
Buruh
0,21786492
0,05265929
0,14285714
0.41
0.13666667
0.21925134
d. Matriks Penjumlahan Alternatif Kriteria Pekerjaan
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
PNS
0.63333333
5.61
6.23
Wiraswasta
0.24
1.01
1.25
Buruh
0.13666667
0.23
0.37
TOTAL
7.85

Menghitung Hasil AHP

Hasil Prioritas Semua Kriteria dan Alternatif Kriteria
TABEL PRIORITAS
PRIORITAS KRITERIA
PRIORITAS ALTERNATIF KRITERIA
BAIK
CUKUP
KURANG
LANTAI
0.39166667
1
0.41052632
0.16842105
DINDING
0.225
1
0.5
0.24418605
PEKERJAAN
0.175
1
0.37894737
0.21925134
MAKAN
0.09
1
0.49999999
0.14835165
WC
0.07
1
0.56497175
0.12994350
BBM
0.04833333
1
0.47486034
0.20111732
Nilai Hasil Survey Penduduk Sesuai Alternatif Kriteria
No
No_KK
Lantai
Dinding
Pekerjaan
Makan
WC
BBM
1.
35051028
1
1
1
1
1
1
2.
350512812
0.16842105
0.5
0.21925134
0.14835165
0.12994350
0.20111732
3.
350510280
0.41052632
0.24418605
0.21925134
0.49999999
0.12994350
1
4.
35051028080
0.41052632
0.5
0.37894737
1
0.56497175
1
5.
3505102808
0.16842105
0.24418605
0.21925134
0.49999999
0.56497175
1
Hasil Data Penduduk Seleksi Penerimaan Beras
No_KK
Lantai
Dinding
Pekerjaan
Makan
WC
BBM
Jumlah
3505280805
0.39166667
0.225
0.175
0.09
0.07
0.04833333
1
3505180006
0.06596491
0.1125
0.03836899
0.01335165
0.00909605
0.00972067
0.24900227
350412007
0.16078948
0.05494186
0.03836899
0.045
0.00909605
0.04833333
0.35652971
350280008
0.16078948
0.1125
0.06631579
0.09
0.03954802
0.04833333
0.51748662
35051029
0.06596491
0.05494186
0.03836899
0.045
0.03954802
0.04833333
0.29215711
Hasil Rangking Penduduk Yang Berhak Menerima Bantuan Beras
Rangking
No_KK
Jumlah
1
35051028080606
0.24900227
2
350510280009
0.29215711
3
3505102800007
0.35652971
Hasil perhitungan metode algoritma AHP ini mempunyai kelemahan sebab berdasarkan presepsi manusia jika persepsi yang diberikan salah maka mengakibatkan scoring nilai tidak akurat.
Batasan perhitungan metode algoritma AHP terletak pada penghitungan rasio konsistensi Perhitungan ini digunakan untuk memastikan bahwa nilai rasio konsisten CR <=0.1. Jika CR > 0.1 maka perhitungan matrik harus dihentikan dan di hitung ulang silahkan download Source code AHP
menurut Prof. Thomas L. Saaty metode algoritma AHP masih ada kelemahan-kelemhan perhitungan nya maka, beliau mengembangkan model metode algoritma Analitical Network Process untuk memperbaiki kelemahan-kelemahan perhitungan pada metode algoritma AHP.
Read more: http://www.caraseoblogger.com/2013/11/cara-menambahkan-animasi-burung-twitter.html#ixzz3cGY9EsLn