Studi Kasus Penerapan Sistem Pengambilan Keputusan Dengan AHP ( Analytic Hierarchy Process )

Peralatan utama AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia. Keberadaan hierarki memungkinkan dipecahnya masalah kompleks atau tidak terstruktur dalam sub – sub masalah, lalu menyusunnya menjadi suatu bentuk hierarki (Kusrini, 2007).

Struktur Hirarki AHP

Konsep dasar AHP adalah penggunaan matriks pairwise comparison (,atriks perbandingan berpasangan) untuk menghasilkan bobot relative antar kriteria maupun alternative. Suatu kriteria akan dibandingkan dengan kriteria lainnya dalam hal seberapa penting terhadap pencapaian tujuan di atasnya (Saaty, 1986).

Skala dasar perbandingan berpasangan

Tingkat Kepentingan	Definisi	Keterangan
1	Sama Pentingnya	Kedua elemen mempunyai pengaruh yang sama.
3	Sedikit Lebih Penting	Pengalaman dan penilaian sangat memihak satu elemen dibandingkan dengan pasangannya.
5	Lebih Penting	Satu elemen sangat disukai dan secara praktis dominasinya sangat nyata, dibandingkan dengan elemen pasangannya.
7	Sangat Penting	Satu elemen terbukti sangat disukai dan secara praktis dominasinya sangat nyata, dibandingkan dengan elemen pasangannya.
9	Mutlak Lebih Penting	Satu elemen terbukti mutlak lebih disukai dibandingkan dengan pasangannya, pada keyakinan tertinggi.
2,4,6,8	Nilai Tengah	Diberikan bila terdapat keraguan penilaian di antara dua tingkat kepentingan yang berdekatan.

(Sumber : Saaty, 1986)

Penilaian dalam membandingkan antara satu kriteria dengan kriteria yang lain adalah bebas satu sama lain, dan hal ini dapat mengarah pada ketidak konsistensian. Saaty (1990) telah membuktikan bahwa indeks konsistensi dari matrik ber ordo n dapat diperoleh dengan rumus :

CI = (λmaks-n)/(n-1)................................................... (1)

Dimana :

CI = Indeks Konsistensi (Consistency Index)

λmaks = Nilai eigen terbesar dari matrik berordo n

Nilai eigen terbesar didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan eigen vector. Batas ketidak konsistensian di ukur dengan menggunakan rasio konsistensi (CR), yakni perbandingan indeks konsistensi (CI) dengan nilai pembangkit random (RI). Nilai ini bergantung pada ordo matrik n.

Rasio konsistensi dapat dirumuskan :

CR = CI/RI............................................................... (2)

Bila nilai CR lebih kecil dari 10%, ketidak konsistensian pendapat masih dianggap dapat diterima.

Daftar Indeks random konsistensi (RI)

n	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
RI	0,00	0,00	0,58	0,90	1,12	1,24	1,32	1,41	1,45	1,49	1,51	1,48	1,56	1,57	1,59

Contoh Kasus :

Menentukan prioritas dalam pemilihan mahasiswa terbaik

Langkah Penyelesaian :

1. Tetapkan permasalahan, kriteria dan sub kriteria (jika ada), dan alternative pilihan.

a. Permasalahan : Menentukan prioritas mahasiswa terbaik.

b. Kriteria : IPK, Nilai TOEFL, Jabatan Organisasi,

c. Subkriteria : IPK (Sangat baik : 3,5-4,00; Baik : 3,00-3,49; Cukup : 2,75-2,99)

TOEFL(Sangat baik : 506-600; Baik : 501-505 ; Cukup : 450 - 500)

Jabatan Organisasi (Ketua, Kordinator, Anggota)

CAT : Jumah kriteria dan sub kriteria, minimal 3. Karena jika hanya dua maka akan berpengaruh terhadap nilai CR (lihat tabel daftar rasio indeks konsistensi/RI)

2. Membentuk matrik Pairwise Comparison,kriteria. Terlebih dahulu melakukan penilaian perbandingan dari kriteria.(Perbandingan ditentukan dengan mengamati kebijakan yang dianut oleh penilai) adalah:

a. Kriteria IPK 4 kali lebih penting dari jabatan organisasi, dan 3 kali lebih penting dari TOEFL.

b. Kriteria TOEFL 2 kali lebih penting dari jabatan organisasi.

CAT : Terjadi 3 kali perbandingan terhadap 3 kriteria (IPK->jabatan, IPK->TOEFL, Jabatan->TOEFL). Jika ada 4 kriteria maka akan terjadi 6 kali perbandingan. Untuk memahaminya silahkan coba buat perbandingan terhadap 4 kriteria.

Sehingga matrik matrik Pairwise Comparison untuk kriteria adalah :

	IPK	TOEFL	Jabatan
IPK	1	3	4
TOEFL	1/3	1	2
Jabatan	1/4	1/2	1

Cara mendapatkan nilai-nilai di atas adalah :

Perbandingan di atas adalah dengan membandingkan kolom yang terletak paling kiri dengan setiap kolom ke dua, ketiga dan keempat.

	Perbandingan terhadap dirinya sendiri, akan menghasilkan nilai 1.  Sehingga nilai satu akan tampil secara diagonal.  (IPK terhadap IPK, TOEFL terhadap TOEFL dan Jabatan terhadap jabatan)
	Perbandingan kolom kiri dengan kolom-kolom selanjutnya.  Misalkan nilai 3, didapatkan dari perbandingan IPK yang 3 kali lebih penting dari TOEFL  (lihat nilai perbandingan di atas)
	Perbandingan kolom kiri dengan kolom-kolom selanjutnya.  Misalkan nilai ¼ didapatkan dari perbandingan Jabatan dengan IPK  (ingat, IPK 4 kali lebih penting dari jabatan sehingga nilai jabatan adalah ¼ dari IPK)

3. Menentukan rangking kriteria dalam bentuk vector prioritas (disebut juga eigen vector ternormalisasi).

a. Ubah matriks Pairwise Comparison ke bentuk desimal dan jumlahkan tiap kolom tersebut.

	IPK	TOEFL	Jabatan
IPK	1,000	3,000	4,000
TOEFL	0,333	1,000	2,000
Jabatan	0,250	0,500	1,000
JUMLAH	1,583	4,500	7,000

Bagi elemen-elemen tiap kolom dengan jumah kolom yang bersangkutan.

	IPK	TOEFL	Jabatan
IPK	0,632	0,667	0,571
TOEFL	0,211	0,222	0,286
Jabatan	0,158	0,111	0,143

Contoh : Nilai 0,632 adalah hasil dari pembagian antara nilai 1,000/1,583 dst.

c. Hitung Eigen Vektor normalisasi dengan cara : jumlahkan tiap baris kemudian dibagi dengan jumlah kriteria. Jumlah kriteria dalam kasus ini adalah 3.

	IPK	TOEFL	Jabatan	Jumlah Baris	Eigen Vektor Normalisasi
IPK	0,632	0,667	0,571	1,870	0,623
TOEFL	0,211	0,222	0,286	0,718	0,239
Jabatan	0,158	0,111	0,143	0,412	0,137

- Nilai 1,870 adalah hasil dari penjumlahan 0,632+0,667+0,571

- Nilai 0,623 adalah hasil dari 1,870/3.

- Dst

d. Menghitung rasio konsistensi untuk mengetahui apakah penilaian perbandingan kriteria bersifat konsisten.

- Menentukan nilai Eigen Maksimum (λmaks).

Λmaks diperoleh dengan menjumlahkan hasil perkalian jumlah kolom matrik Pairwise Comparison ke bentuk desimal dengan vector eigen normalisasi.

Λmaks = (1,583 x 0,623 )+(4,500 x 0,239)+(7,000 x 0,137) = 3,025

- Menghitung Indeks Konsistensi (CI)

CI = (λmaks-n)/n-1 = 0,013

- Rasio Konsistensi =CI/RI, nilai RI untuk n = 3 adalah 0,58 (lihatDaftar Indeks random konsistensi (RI))

CR = CI/RI = 0,013/0,58 = 0,022

Karena CR < 0,100 berari preferensi pembobotan adalah konsisten

4. Untuk matrik Pairwise Comparison sub kriteria, saya asumsikan memiliki nilai yang sama dengan matrik Pairwise Comparison kriteria. Anda bisa mencoba merubah nilai pembobotan jika ingin lebih memahami pembentukan matrik ini.

a. Sub kriteria IPK

	Sangat Baik	Baik	Cukup	Jumlah Baris	Eigen Vektor Normalisasi
Sangat Baik	0,632	0,667	0,571	1,870	0,623
Baik	0,211	0,222	0,286	0,718	0,239
Cukup	0,158	0,111	0,143	0,412	0,137

b. Sub Kriteria TOEFL

	Sangat Baik	Baik	Cukup	Jumlah Baris	Eigen Vektor Normalisasi
Sangat Baik	0,632	0,667	0,571	1,870	0,623
Baik	0,211	0,222	0,286	0,718	0,239
Cukup	0,158	0,111	0,143	0,412	0,137

c. Sub Kriteria Jabatan Organisasi

	Ketua	Koordinator	Anggota	Jumlah Baris	Eigen Vektor Normalisasi
Ketua	0,632	0,667	0,571	1,870	0,623
Koordinator	0,211	0,222	0,286	0,718	0,239
Anggota	0,158	0,111	0,143	0,412	0,137

5. Terakhir adalah menentukan rangking dari alternatif dengan cara menghitung eigen vector untuk tiap kirteria dan sub kriteria.

	IPK	TOEFL	Jabatan Organisasi	HASIL
Ifan	1	3	3	0,440
Rudy	3	3	1	0,204
Anton	1	2	2	0,479

- Nilai bobot diperoleh dari kondisi yang dimiliki oleh alternatif. Contoh pada Ifan, yang memiliki IPK 3,86 (sangat baik), maka diberikan bobot 1 (2 untuk baik dan 3 untuk cukup). Ifan memiliki nilai TOEFL 470 (cukup), sehingga diberikan bobot 3 dan jabatan organisasi adalah anggota dengan bobot 3 (1 untuk ketua dan 2 untuk koordinator).

- Hasil diperoleh dari perkalian nilai vector kriteria dengan vector sub kriteria. Dan setiap hasil perkalian kriteria dan subkriteria masing-masing kolom dijumlahkan. Contoh Ifan, pada kolom IPK (eigen vector : 0,623) dikalikan dengan sub kriteria IPK yaitu sangat baik (eigen vector : 0,623).dst

(IPK x Sangat Baik + TOEFL x Sangat Baik + Jabatan Organisasi x Anggota) = 0,440

Dari hasil di atas, Anton memiliki nilai paling tinggi sehingga layak menjadi mahasiswa terbaik..

Metode AHP bisa digunakan untuk menentukan segala kasus yang membutuhkan output berupa prioritas dari hasil perangkingan. Syarat kriteria yang digunakan adalah data yang "seimbang" (misal data mahasiswa Kampus XYZ bisa dibandingkan dengan kampus ABC, tidak bisa dibandnigkan dengan sekolah XXX).

Credit to: http://funpreuner.blogspot.co.id/2012/02/mengenal-metode-ahp-disertai-studi.html

Read More

Subsistem Manajemen Model

Subsistem manajemen model dari Sistem Pendukung Keputusan  terdiri dari:

1. Basis Model : Basis model berisi rutinitas dan statistik khusus, keuangan, forecasting, ilmu manajemen, dan model kuantitatif lainnya yang memberikan kapabilitas analisis pada sebuah sistem pendukung keputusan. Kemampuan untuk invokasi, menjalankan, mengubah, menggabungkan, dan menginspeksi model merupakan suatu kapabilitas kunci dari sistem pendukung keputusan  dan yang membedakan nya dengan CBIS (Komputer Based Information System) lainnya.

Model dalam basis model dapat dibagi dalam beberapa kategori utama, dan satu kategori pendukung, yaitu :

a. Strategis
Model strategis di gunakan untuk mendukung manajemen puncak untuk menjalankan tanggung jawab dalam perencanaan strategis.

Contoh : Pengembangan perusahaan, pemilihan lokasi pabrik, perencanaan merjer.
b. Taktis
Model taktis di gunakan terutama oleh manajemen tingkat menengah, untuk membantu mengalokasikan dan mengontrol sumber daya organisasi.

Contoh : Perencanaan kebutuhan tenaga kerja, pembelajaran rutin, dll

c. Operasional
Model ini digunakan untuk mendukung aktivitas kerja harian transaksi organisasi.
d. Analitik
Model ini digunakan untuk menganalisis data, model ini meliputi model statistik, ilmu manajemen, algoritma data mining, model keuangan, dan lainya..
e. Blok pembangungan model dan rutinitas
Selain berisi model strategis, taktis dan operasional, basis model juga berisi blok pembangungan model dan rutinitas.

Contoh: Analisis Regresi, penghitungan NPV, dll

2.  Sistem Manajemen Basis Model
Fungsi perangkat lunak sistem manajemen basis model (MBMS) adalah untuk membuat model dengan menggunakan bahasa pemograman, alat sistem pendukung keputusan, dan blok pembangunan lainnya. Membuat rutinitas baru dan laporan. Pembaruan dan perubahan model. Manipulasi data model. MBMS mampu mengaitkan model-model dengan link yang tepat melauli sebuah database. Peran direktori model yang terhubung ke MBMS (lihat gambar) sama dengan direktori database. Direktori model adalah katalog dari semua model dan perangkat lunak lainnya pada basis model. Yang berisi definisi model yang fungsi utamanya adalah menjawab pertanyaan tentang ketersediaan dan kapabilitas model. Sistem manajemen basis model  (MBMS) berisi beberapa elemen antara yaitu:

a. Eksekusi model
Eksekusi model adalah proses mengontrol jalannya model.

b. Integrasi Model
Model ini mencakup gabungan operasi dari beberapa model saat di perlukan (misalnya mengarahkan output suatu model, katakanlah perkiraan, untuk di proses model lain, misal model perencanaan pemograman linier.
c. Perintah (Command Processor Model)
Model ini di gunakan untuk menerima dan menginterpretasikan instruksi-instruksi pemodelan dari komponen antarmuka pengguna dan mengarahkannya ke MBMS, eksekusi model atau fungsi-fungsi integrasi elemen-elemen tadi beserta antarmukanya dengan komponen sistem pendukung keputusan.

Credit:

https://sindarku.wordpress.com/2010/10/08/komponen-sistem-pendukung-keputusanbag2/#more-530

http://journal.amikom.ac.id/index.php/KIDA/article/view/4490

Read More

IMPROVING THE GROUP DECISION MAKING ENVIRONMENT

Video diatas adalah video yang saya ambil dari STUDY.COM tepatnya http://study.com/academy/lesson/group-decision-support-systems-gdss-improving-the-group-decision-making-environment.html
Credit goes to the maker of the video and the website of course.

Secara singkat, video diatas menjelaskan bagaimana GDSS sebagai sistem dapat sangat membantu pada skala pengambilan keputusan kelompok yang cukup besar. Tentang penjualan suatu produk elektronik dimana pada awal video sekelompok orang harus memutuskan tentang mengapa produk yang telah dikeluarkan mengalami pemunduran. Disana mereka memiliki beberapa dilema diantaranya untuk tetap menjual produk yang sama, fokus pada produk yang banyak terjual, dan atau menjual produk yang baru. Keputusan yang akan diambil membutuhkan masukan data dari berbagai unit atau divisi pada suatu organisasi.

Tujuan dari GDSS adalah untuk meningkatkan produktivitas kelompok untuk mencapai sebuah keputusan. GDSS juga bisa disebut sebuah sistem kerja  kolaboratif yang terkomputerisasi. GDSS mempunyai beberapa karakteristik yang dapat membantu pengambilan keputusan seperti desain yang spesial untuk memberikan suasana agar dapat berpikir kreatif, komunikasi yang efektif, dan teknik pengambilan keputusan. Kemudian dapat digunakan dengan mudah oleh siapa saja dengan latar belakang apa saja. Fleksible dalam artian dapat mengelompokkan berbagai ide dari keputusan-keputusan yang telah dibuat oleh kelompok-kelompok yang berbeda. Perekaman otomatis agar dapat dibuka ulang serta dianalisis lebih lanjut. Dan terakhir komunikasi secara paralel agar berbagai kelompok dapat memberikan berbagai kontribusi pada saat pengambilan keputusan.

GDSS terdiri dari perangkat lunak interaktif yang memungkinkan untuk membuat keputusan oleh kelompok-kelompok yang tergabung didalamnya. Sejumlah pendekatan yang berbeda dapat digunakan untuk mengambil keputusan seperti pendekatan dengan metode delphi, pendekatan konsensus kelompok, dan teknik kelompok nominal. Sebuah GDSS menggunakan sejumlah alat-alat yang berbeda untuk membantu membuat keputusan kelompok yang saling berkolaborasi, termasuk lah Video Conferencing, Group Scheduling, Project Management Software, dan Collaborative Electronic Workspaces.

Read More

SISTEM PENDUKUNG KEPUTUSAN

1. Pengertian DSS

DSS merupakan bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan). Sistem informasi sangat penting untuk mendukung proses pengambilan keputusan. Dimana system informasi mempunyai tujuan untuk mendukung sebuah aplikasi Decision Support System (DSS) yang telah dikembangkan pada tahun 1970. Keefektifan dalam mengembangkan DSS diperlukan suatu pemahaman tentang bagaimana system informasi ini dapat digunakan dalam proses pengambilan keputusan, sehingga DSS ini dapat membantu seorang manajer dalam meningkatkan kinerjanya dalam mengambil suatu keputusan.

Hal yang perlu ditekankan di sini adalah bahwa keberadaan DSS bukan untuk menggantikan tugas-tugas manajer, tetapi untuk menjadi sarana penunjang (tools) bagi mereka. DSS sebenarnya merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan management science. Hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini komputer PC telah menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat. Dalam kedua bidang ilmu di atas, dikenal istilah decision modeling, decision theory, dan decision analysis - yang pada hakekatnya adalah merepresentasikan permasalaha dan manaje-men yang dihadapi setiap hari ke dalam bentuk kuantitatif (misalnya dalam bentuk model matematika).

2. Manfaat DSS

a. DSS memperluas kemampuan pengambil keputusan dalam memproses data/informasi bagi pemakainya.

b. DSS membantu pengambil keputusan dalam penghematan waktu yang dibutuhkan untuk memecahkan masalah.

c. DSS dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.

d. DSS mampu menyajikan berbagai alternatif.

e. DSS dapat menyediakan bukti tambahan untuk memberikan pembenaran sehingga dapat memperkuat posisi pengambil keputusan.

3. Pendekatan DSS

a. D.SS dibangun dengan bahasa pemrograman umum seperti Visual Basic. Jadi, kita membangun DSS secara sendiri, baik in-house maupun outsource dari nol.

b. DSS dibangun dengan OLAP dan data warehouse-nya seperti Microsoft SQL Server. Dengan pendekatan ini kita sudah memanfaatkan fitur-fitur dari aplikasi on-the-shelf ,haahase yang ditujukan untuk keperluan DSS. Jadi, dibandingkan dengan pendekatan pertama, cara ini akan bisa lebih singkat dari segi waktu.

c. DSS dibangun dengan DSS engine seperti Microsoft Excel. Dengan pendekatan ini kita menggunakan aplikasi on-the self yang masuk dalam golongan DSS engine. Bila pendekatan kedua lebih ke arah data management, maka pendekatan ketiga ini lebih ke arah model management.

OSS dibangun dengan ketiga pendekatan di atas. Pende¬katan ini yang banyak digunakan. Jadi, pada komponen data management kita menggunakan pendekatan kedua, kemu¬dian untuk model management kita menggunakan pendekatan ketiga, dan untuk user interface kita menggunakan pendekatan pertama.

Dalam hal ini pendekatan yang digunakan adalah gabung¬an antara pendekatan menggunakan OLAP plus data warehouse dengan pendekatan DSS Engine iDecide.

4. Tahapan DSS

a. Tahap Intelligence
Dalam tahap ini pengambil keputusan mempelajari kenyataan yang terjadi sehingga kita bisa mengidentifikasi dan mendefinisikan masalah yang sedang terjadi, biasanya dilakukan analisis berurutan dari sistem ke subsistem pembentuknya. Dari tahap, ini didapatkan keluaran berupa dokumen Pernyataan Masalah.

b. Tahap Design
Dalam tahap ini pengambil keputusan menemukan, mengembangkan, dan menganalisis semua pemecahan yang mungkin, yaitu melalui pembuatan model yang bisa mewakili kondisi nyata masalah. Dari tahap ini didapatkan keluaran berupa dokumen Alternatif Solusi.

c. Tahap Choice

Dalam tahap, ini pengambil keputusan memilih salah satu alternatif pemecahan yang dibuat pada tahap Design yang dipandang sebagai aksi yang paling tepat untuk mengatasi masalah yang sedang dihadapi. Dari tahap ini didapatkan keluaran berupa dokumen Solusi dan Rencana Implemen¬fasinya.

d. Tahap Implementation

Dalam tahap ini pengambil keputusan menjalankan rangkaian aksi pemecahan yang dipilih di tahap choice. Implementasi yang sukses ditandai dengan terjawabnya masalah yang dihadapi, sementara kegagalan ditandai dengan tetap adanya masalah yang sedang dicoba untuk diatasi. Dari tahap ini didapatkan keluaran berupa laporan Pelaksanaan Solusi dan Hasil-nya.
Dengan mengetahui keempat tahap proses pengambilan keputusan di atas, kita bisa mengidentifikasi secara lebih baik apa saja yang bisa didukung oleh DSS terutama DSS yang berbasis komputer.

Credit untuk ke blog-blog yang sudah memposting. Posting ini hanya copas dengan sedikit edit.

Read More