T k ik P Teknik Pengambilan bil Keputusan K t Berbasis B b i Indeks Kinerja
Prof. Dr. Marimin (
[email protected])
SYSTEM DEFINITION Element (E1)
E2
Goal
E3 Sub Goal E4
E5
• System Phylosophy - Goal Oriented (Cybernetic) Æ C Æ S - Holistic Not Partial
Æ H
- Effectiveness Not Efficiency
Æ E
SYSTEM CLASSIFICATION MATRIX System
Input
Process
Output
A l i Analysis
√
√
? Narrow aspect
Synthesis
√
√
Design
√
?
√
Control
?
√
√
?
Wide aspect
• Level L l off Competency: C t Æ System Analysis (BSc-S1) Æ System Synthesis (and Analysis- MSc) Æ System S D i Design ( d Analysis, (and A l i Synthesis-PhD) S h i PhD)
¾ Latihan Klasifikasi Sistem: Deskripsikan Berdasar 4 tipe sistem pada kasus: •
Agroindustri
• Sistem Pendidikan • Dsb.
• Information Cycle INFORMATION NUMBER/ TERMS
MIS
DSS DECISION ALTERNATIVE
DATA
MES
ACTION
DECISION SOP
Note : MIS DSS SOP MES
: Management Information System : Decision Support System : Standard Operation Procedure : Monitoring and Evaluation System
¾ Latihan: Klasifikasikan term/bilangan, data, informasi, alternatif keputusan, keputusan dan aksi pada kasus: •
Perbankan
• Institusi Publik • BUMN Perkebunan • Dsb.
ffi= feed forward information fbi= feed back information
Directive
EIS
ES DSS
Strategic Tactic O Operasional i l
IS DBMS EDP
Decision Hierarchy and the Business Solutions
MIS
Deskripsi Hirarki Keputusan Jangka
Lingkungan
Sifat
Direktif
Panjang
Dinamis dan probalistik intuitif
Arahan-arahan strategis yang kadang bersifat intuitif
Strategis
Panjang
Dinamis dan mempengaruhi faktor-faktor dengan kepastian yang sangat rendah
Tidak bisa diprogram karena preferensi pengambil keputusan perlu masuk secara utuh
Taktis
Menengahpendek
Dinamis dan mempengaruhi faktor-faktor dengan asumsi kepastian yang tinggi
Bisa dibuat program dengan masukan preferensi pengambil k keputusan t
Operasional
Pendek
Dianggap statik dan tidak mempengaruhi faktor-faktor
Bisa dibuat program karena sifatnya berulang
SISTEM INFORMASI BERBASIS KOMPUTER (Computer Based Information Systems-CBIS) • ES
: Expert System (Sistem Pakar)
• DSS : Decision Support Systems ((Sistem Penunjang j g Keputusan) p ) • MIS : Management Information System (Sistem Informasi Manajemen) • DBMS: Data Based Management Systems (Sistem Manajemen Basis Data) • EDP : Electronic Data Processing (Pengolahan Data Elektronik) • IS
: Information Systems (Sistem Informasi)
¾ Latihan: Deskripsikan Hirarki Keputusan pada Kasus: •
PT. Astra
• Swasembada Pangan (Beras) • Penyelamatan Perbankan • Dsb.
Fungsi Manajemen
Hirarki
• Perencanaan
Top Level
• “Staffing” • Pengorganisasian • Pelaksanaan
Sifat • Directif • Strategis
U M Up Medium di Low
• Monitoring g
Lower
• Taktis • Operasional
• Evaluasi ¾ Cara 1. Dengan Intuisi 2 Dengan Analisa Kep 2. Keputusan t san 12
LINGKUNGAN •
Tidak Pasti
•
Kompleks
•
Dinamis
•
Persaingan
•
Terbatas
Bingung cemas
Kecerdasan
• Pilihan
Intuisi Persepsi
• Informasi
Falsafah
• Preferensi
Keputusan
Hasil
Logika tidak dapat diperiksa
Rasa tidak Enak
Berfikir
Bertindak
Puji Senang C l Cela S dih Sedih
REAKSI
Skema Pengambilan Keputusan dengan Intuisi
13
ANALISA KEPUTUSAN (Normatif)
LINGKUNGAN •
Tidak Pasti
•
p Kompleks
•
Dinamis
•
Persaingan
•
Terbatas
Kecerdasan P Persepsi i Falsafah
• Alternatif2
• Pilihan
• Penetapan kemungkinan • Struktur Model
• Informasi • Preferensi
Logika
Keputs.
Hasil
• Penetapan Nilai • Preferensi Waktu • Preferensi Risiko Sensitifitas nilai informasi
Bingung cemas
Berfikir
Rasa tidak Enak
Pandangan ke dalam
S Pujiji Senang Bertindak P Cela Sedih
REAKSI
Skema Pengambilan Keputusan dengan Analisa Keputusan
14
MCDM: Multiple Criteria Decision Making SEBAGAI SALAH SATU MODEL DALAM PENGAMBILAN KEPUTUSAN
Tujuan yang akan dicapai Masalah yang akan diselesaikan
Kriteria Kinerja
Pengambil Keputusan
Alternatives alat/rencana/ alat/rencana/… 15
¾ Alternatif Keputusan ¾ Kriteria Keputusan p ¾ Bobot Kriteria ¾ Model Penilaian ¾ Model Penghitungan ¾ Tipe Pengambil Keputusan
16
1. Menggunakan Nilai Numerik (Nyata) Æ Kriteria K it i dan d atau t alat l t ukurnya k j l (obyektif) jelas ( b ktif)
•Sebagai misal Suhu Ruang (termometer) •Tinggi Badan •Berat Berat Badan •Hasil perhitungan dengan rumus yang jelas: •BCR •IRR •NPV 17
2. Menggunakan Skala Ordinal Æ Kriteria K it i kompleks k l k melibatkan lib tk presepsii (subyektif) ( b ktif) Æ Jumlah skala 3; 5; 7 (disarankan ganjil)
•
•
Sebagai misal Rasa TEH (5 Skala) •
1. Sangat tidak enak
4. Enak
•
2. Tidak Enak
5. Sangat enak
•
3. Cukup p Enak
Stabilitas politik (3 Skala) .
1. Kurang Stabil
.
2. Stabil
3. Sangat Stabil 18
3.
Menggunakan Skala Nominal Æ Kriteria p perlu p pembeda untuk memudahkan representasi dan pengolahan Æ Jumlah skala disesuaikan dengan kebutuhan Æ Tidak ada arti relatif antar nilai •
•
Sebagai misal Jenis Pekerjaan •
1 PNS 1.
4 Pedagang 4.
•
2. Swasta
5. Wirausahawan
•
3 Pegawai BUMN 3.
Jenis Kelamin 1. Laki Laki-laki laki
2. Perempuan 19
4. Menggunakan Nilai Perbandingan Berpasangan Misal pada AHP : <misal A dibandingkan dengan B> 1 : A dan d B sama penting ti
7 : A sangatt nyata t lebih l bih penting ti dari d iB
3 : A sedikit lebih penting dari B
9 : A pasti lebih penting dari B
5 : A jelas lebih penting dari B
Pembacaan Lain: 3: A tiga kali lebih penting dari B 5: A lima kali lebih penting dari B 20
5. Metode penilaian Fuzzy Contoh: Model Penilaian Fuzzy (trapezoidal) usia penduduk
21
¾ Latihan Model Penilaian Berikan contoh kasus penerapan metode penilaian dengan: •
Terukur Jelas
• Skala Ordinal • Perbandingan berpasangan • Preferensi Fuzzy
22
A. TEKNIK BAYES B. TEKNIK PERBANDINGAN EKSPONENSIAL (TPE) C COMPOSIT PERFORMANCE INDEX (CPI) C.
23
ALTERNAALTERNA TIF
KRITERIA K1
K2
…..
Kn
NILAI ALT. KEP.
ALT1
V11
V12
…..
V1n
Nk1
ALT2
V21
V22
…..
V2n
Nk2
ALT3
RANGKING ALT. KEP.
:
:
:
ALTm
Vm1
Vm2
…..
Vmn
BOBOT
B1
B2
…..
Bn
Nkm
MODEL PENGHITUNGAN 1. BAYES :
Nki =
2. Per. Eksponensial :
n
Σj = 1
n
Vij * Bj ,
Nki =
n
Σj = 1
Σj = 1
Bj = 1.0
((Vij ) Bj ,
Bj = Bulat >0
3. Composite Performance Indeks (CPI)
24
Contoh Kasus = • Fokus = Pemilihan media iklan yang sesuai • Alternatif f = 1.. Radio 2. Televisi 3. Surat Kabar • Kreteria = 1. Jangkauan 2. Efektifitas Pesan 3. Biaya • Metode Penilaian = ordinal 1 Sangat Kurang 1.
4 Bagus 4.
2. Kurang 3. Biasa
5. Sangat Bagus
25
• Matrik Keputusan Alternatif
Kriteria
Nilai Keputusan
Jangkauan
Eff.
Biaya
1. Radio
4
4
3
2. Televisi
4
5
2
3 Surat Kabar 3.
4
3
4
0,3
0,4
0,3
3
4
3
Bobot
Bayes MPE
Bayes
MPE
26
• Merupakan teknik yang digunakan untuk melakukan analisis dalam pengambilan g keputusan terbaik dari sejumlah j alternatif • Persamaan Bayes yang digunakan untuk menghitung nilai setiap alternatif disederhanakan menjadi : dimana: m
Total Nilai i = ∑ Nilai ij (Kritj) j=1
Total Nilai i= total nilai akhir dari alternatif ke-i Nilai ij
= nilai dari alternatif ke-i pada kriteria ke-j
Krit j
= tingkat kepentingan (bobot) kriteria ke-j
i
= 1,2,3,…n; n = jumlah alternatif
j
= 1,2,3,…m; 123 m = jjumlah l h kkriteria it i
27
Tabel: Matrik keputusan penilaian media iklan yang sesuai dengan Teknik Bayes Alternatif Jangkauan
Efektvitas
Biaya
Nilai Alternatif
1. Radio
4
4
3
3,7
2
2. Televisi
4
5
2
3,8
1
3. Surat Kabar
4
3
4
3,6
3
03 0,3
04 0,4
03 0,3
Bobot Kriteria
Kriteria
Peringkat
•
Nilai (Radio) = 4 (0,3) + 4 (0,4) + 3 (0,3) = 3,7
•
Dengan menggunakan perumusan Bayes, diperoleh nilai alternatif 1,2, dan 3 masing-masing 3,7; 3,8; dan 3,6 sehingga didapat alternatif yang terurut dari yang terbaik adalah alternatif 2, 1, dan 3. 28
•
Merupakan salah satu metode untuk menentukan urutan prioritas alternatif keputusan dengan kriteria jamak
•
Teknik ini digunakan sebagai pembantu bagi individu pengambilan keputusan untuk menggunakan rancang bangun model yang telah terdefinisi dengan baik pada tahapan proses
¾ Prosedur TPE • Formulasi perhitungan skor untuk setiap alternatif dalam metoda perbandingan eksponensial adalah: m Total nilai (TNi) =∑ ∑ (RK ij)TKK j j=1
29
dengan : TNi
= Total nilai alternatif ke -i
RK ijj
= derajat kepentingan relatif kriteria ke-j pada pilihan keputusan i
TKK j
= derajat kepentingan kritera keputusan ke-j; TKKj > 0; bulat
n
= jumlah pilihan keputusan
m
= jumlah kriteria keputusan
•
Penentuan P t tingkat ti k t kkepentingan ti kkriteria it i dil dilakukan k k d dengan cara wawancara dengan pakar atau melalui kesepakatan curah pendapat.
•
Penentuan skor alternatif pada kriteria tertentu dilakukan dengan memberi nilai setiap alternatif berdasarkan nilai kriterianya
30
• Matrik Keputusan Alternatif
Kriteria
Nilai Keputusan
Jangkauan
Eff.
Biaya
Bayes
1. Radio
4
4
3
3,7 (2)
2. Televisi
4
5
2
3,8 (1)
3. Surat Kabar
4
3
4
3,6 (3)
0,3
0,4
0,3
3
4
3
Bobot
Bayes MPE
MPE
• Nilai(Radio) ( ) = 4^3 + 4^4 + 3^3 = 64 + 256 + 27 = 347 • Nilai(Televisi) = ?
Nilai(Surat Kabar) = ?
31
¾ Merupakan indeks gabungan (Composite Index) yang dapat digunakan untuk menentukan penilaian atau peringkat dari berbagai alternatif (i) berdasarkan beberapa kriteria (j). (j) Formula yang digunakan dalam teknik CPI : Aij = Xij (min) x 100 / Xij (min) A(i + 1.j) = (X(I + 1.j) )/ Xij (min) x 100 Iij = Aij x Pj n
Ii
= Σ (Iij) j =1
32
K t Keterangan: Aij
= nilai alternatif ke-i pada kriteria ke – j
Xij (min)
= nilai alternatif ke-i pada kriteria awal minimum ke-j
A(i + 1.j)
= nilai alternatif ke-i + 1 pada kriteria ke – j
X(i + 1.j) 1 j)
= nilai alternatif ke ke-ii + 1 pada kriteria awal ke – j
Pj
= bobot kepentingan kriteria ke – j
Iij
= indeks alternatif ke-i
Ii
= indeks gabungan kriteria pada alternatif ke –i
i
= 1, 2, 3,…, n
j
= 1, 2, 3,…, m
33
•
Sebagai ilustrasi, ilustrasi terdapat 3 alternatif yang dinilai yaitu Software House House, Internet Provider, Production House dengan kriteria kelayakan IRR ((Internal Rate of Return), ) B/C ((Benefit/Cost Ratio)) dan Pay y Back Period (waktu pengembalian modal) Tabel: Matrik awal p penilaian alternatif p pemilihan usaha yyang gp paling g layak y Kriteria
Alternatif IRR (%)
B/C
PBP (Thn)
1. Software House
30
1,1
5
2. Internet Provider
20
1,15
6
3. Production House
25
1,2
4
0,3
0,4
0,3
Bobot Kriteria
34
•
Identifikasi kriteria tren positif (semakin tinggi nilaianya semakin baik) dan tren negatif (semakin rendah nilainya semakin baik)
•
Untuk kriteria tren positif positif, nilai minimum pada setiap kriteria ditranspormasi ke seratus, sedangkan nilai lainnya ditranspormasi secara proporsional lebih tinggi tinggi.
•
Untuk kriteria tren negatif, nilai minimum pada setiap kriteria ditranspormasi ke seratus, sedangkan nilai lainnya ditranspormasi secara proporsional lebih rendah.
•
Perhitungan selanjutnya mengikuti prosedur Bayes. 35
T b l M Tabel: Matrik t ik h hasilil transformasi t f i melalui l l i tteknik k ik perbandingan b di iindeks d k ki kinerja j Alternatif IRR
B/C
PBP (Thn) (Th )
Nilai Alternatif
1. Software House
150
100
80
109
2
2 Internet Provider 2.
100
104 5 104,5
66 7 66.7
91 8 91,8
3
3. Producton House
125
109,1
100
111,1
1
03 0,3
04 0,4
03 0,3
Bobot Kriteria
Kriteria
Peringkat
Dengan demikian alternatif 3 yaitu Production House peringkat 1 1.
36
• Apabila p Penilaian Tidak Seragam g Æ CPI • Apabila Penilaian Seragam Æ Bayes atau TPE • Apabila skala penilaian ordinal Æ TPE • Apabila nilai alternatif adalah terukur nyata Æ Bayes
37
Latihan Penerapan Teknik Bayes, TPE dan CPI • Fokus = • Alternatif f = 1.. 2. 3. • Kreteria = 1. 2. 3. • Metode Penilaian : 1 Kriteria 1 dinilai dengan ........ 1. 2. Kriteria 2 dinilai dengan ...... 3. Kriteria 3 dinilai dengan ...... 38
• Matrik Keputusan Alternatif
Kriteria
Teknik Sesuai Bayes/TPI/CPI? Nilai
Peringkat
1. 2. 3. Bobot
Bayes/CPI TPE
39
P ilih M Pemiliha Metode t d • Penilaian Tidak Seragam g Æ CPI • Penilaian seragam -Æ Bayes atau MPE • Apabila skala penilaian ordinal -Æ MPE • Apabil nilai alternatif adalah terukur nyata -Æ Bayes
40
1. Baca buku/bahan pendukungnya 2. Pilih persoalan kasus Agroindustri. Kemudian selesaikan soal-soal latihan pada hand out ini. 3. Susun dan nilai matrik keputusannya. Pilih teknik yang sesuai (Bayes/MPE/CPI). Selesaikan persoalan dengan teknik yang paling tepat dan bahas serta simpulkan. 4 Tugas dikerjakan individu 4.
41
1. Analytical y Hierarchy y Process ((AHP)) untuk Perumusan Strategi g Bisnis/Kebijakan Publik 2. Analytical Network Process (ANP) untuk Perumusan Kebijakan Publik 3. Intepretive Struktural Modelling (ISM) untuk Perumusan Strategi Pengembangan Bisnis. 4. Fuzzy Decision Making •
Fuzzy MEMCDM
•
Fuzzy AHP/ANP
•
Fuzzy Rule-Base
42
1. Turban, E., Sharda, R. Delen, D. Decision Support and Business Intelligent System System. Boston: Pearson. 2011 2 Marimin dan N 2. N. Maghfiroh Maghfiroh, 2010 2010, Teknik Pengambilan Keputusan dalam Manajemen Rantai Pasok, IPB Press, Bogor
43
gxÜ|Åt g | ~tá|{ ~ á|{ g{ ~ çÉâ g{tÇ~ TÜ|ztàÉâ z ZÉét|Åtáâ é
