BAB IV PEMODELAN DAN MANAJEMEN MODEL - BAB IV PEMODELAN DAN MANAJEMEN MODEL
Pemodelan dan Manajemen Model
BAB IV
PEMODELAN DAN MANAJEMEN MODEL
A. Pemodelan dalam MSS.
Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model:
1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel.
Model ini merupakan preprogram dalam tool software pengembangan DSS.
2. Model finansial untuk pengembangan laporan pemasukan dan proyeksi data
finansial untuk beberapa tahun. Model ini semi terstruktur dan ditulis dalam bahasa
khusus DSS yang
disebutdengan IFPS.
3. Model optimasi yang dibuat menggunakan model management science yang
disebut pendekatan Linear Programming dalam rangka menentukan pemilihan
media.
Untuk menggunakan model ini, DSS perlu antarmuka untuk berhubungan
dengan software yang lain.
Pelbagai aspek dalam pemodelan diantaranya adalah:
# Identifikasi masalah dan analisis lingkungan.
# Identifikasi variabel.
# Perkiraan (forecasting).
# Model.
# Manajemen model.
Di bawah ini adalah tabel pelbagai jenis model:
Category
Optimization of problems
with few alternatives
Optimization via algorithm
mathematical
Process and Objective
Find the best solution from a relatively
small number of alternatives
Find the best solution from a large or
Representative Techniques
Decision tables, decision trees
Linear
an infinite number of alternatives using
programming models, network
and
other
models
Optimization via analytical
formula
Simulation
Heuristics
systems
Other descriptive models
lines
Predictive models
models
a step-by-step improvement process
Find the best solution, in one step,
using a formula
Finding “good enough” solution, or the
best among those alternatives checked,
using experimentation
Find “good enough” solution using rules
Several types of simulation
Finding “what-if” using a formula
Financial modelling, waiting
Predict future for a given scenario
Markov analysis, forecasting
Some inventory models
Heuristic programming, expert
B. Model Statis dan Dinamis.
# Analisis statis. Model statis mengambil satu kejadian saja dalam suatu situasi.
Selama kejadian tersebut semuanya terjadi dalam 1 interval, baik waktunya
sebentar atau lama.Diasumsikan adanya stabilitas disini.
# Analisis dinamis. Model dinamis digunakan untuk mengevaluasi skenario yang
berubah tiap saat. Model ini tergantung pada waktu. Dapat menunjukkan tren dan pola
pada waktu tertentu.
Sistem Penunjang Keputusan
Page 29
Pemodelan dan Manajemen Model
C. Certainty, Uncertainty, dan Resiko.
# Model certainty (kepastian). Mudah untuk bekerja dengan model ini dan dapat
menghasilkan solusi yang optimal.
# Uncertainty (ketidakpastian). Umumnya memang diusahakan sebisa mungkin
menghindari uncertainty ini. Dibutuhkan informasi lebih banyak sehingga masalah
dapat diproses dengan resiko yang dapat dihitung.
# Risk (Resiko). Kebanyakan keputusan bisnis dibuat dibawah asumsi resiko tertentu.
D. Analisis Keputusan dari Sedikit Alternatif.
Pada situasi yang melibatkan sejumlah tertentu dan umumnya tak terlalu banyak alternatif
dimodelkan oleh pendekatan dimana alternatif-alternatif tadi didaftarkan dengan
perkiraan kontribusi
potensialnya
ke
tujuan,
dan
kemungkinan
merealisasikan
kontribusi itu, dalam suatutabel atau graf.
Ada 2 kasus: satu tujuan (single goal) dan banyak tujuan (multiple goals). Kondisi
untuk satu tujuan pendekatannya menggunakan tabel keputusan atau pohon keputusan.
Sedang yang banyak tujuan ada beberapa teknik.
E. Tabel Keputusan.
Terdapat suatu perusahaan investasi yang sedang mempertimbangkan investasi yang akan
dilakukan pada 3 alternatif ini: bonds, stocks, atau certificates of deposit
(CDs).
Perusahaan ini hanya mempunyai 1 tujuan – memaksimalkan
investasinya setelah 1
tahun kemudian. Jika ia
mempunyai tujuan lain seperti
keamanan
atau
likuiditas, maka masalahnya akan diklasifikasikan ke analisis
keputusan
berkriteria
banyak (multiple criteria). Hasilnya tergantung pada status ekonomi
berikut:
solid
growth, stagnation, dan inflation.
Perkiraan hasil pertahun berikut didapat dari seorang ahli:
1. Jika terdapat pertumbuhan ekonomi yang mantab (solid growth), bonds akan
menghasilkan 12 persen; stocks, 15 persen; dan time deposits, 6.5 persen.
2. Jika stagnasi (stagnation) terjadi, bonds akan menghasilkan 6 persen; stocks, 3
persen; dan time deposits, 6.5 persen.
3. Jika inflasi (inflation) terjadi, bonds akan menghasilkan 3 persen; stocks akan
rugi 2 persen; dan time deposits menghasilkan 6.5 persen.
Alternative
Bonds
Stocks
CDs
Masalahnya adalah untuk
Solid Growth
12.0%
15.0%
6.5%
Stagnation
6.0%
3.0%
6.5%
Inflation
3.0%
-2.0%
6.5%
memilih alternatif investasi terbaik. Sebagai catatan:
menginvestasikan 50 persen bonds dan 50 persen stocks adalah alternatif lain, dan
hal ini dapat ditambahkan sebagai alternatif keempat. Sehingga jelas, perusahaan
tersebut menghadapi pelbagai alternatif.
Tabel di atas menampilkan model matematis. Berdasarkan bab 2 yang telah
Sistem Penunjang Keputusan
Page 30
Pemodelan dan Manajemen Model
ditulis di depan, terdapat
decision
variables
(alternatif-alternatif
yang
ada),
uncontrollable variable (kondisiekonomi), dan result variables (hasil proyeksi;
bilagan yang ada dalam tabel). 2
kasus
yang
dapat
ditemukan
disini:
uncertainty dan resiko. Pada kasus uncertainty kita tak tahu probabilitas dari setiap
pernyataan yang terjadi. Dalam kasus resiko, diasumsikan kita tahu probabilitas
setiap pernyataan yang akan terjadi.
Mengatasi Uncertainty.
Reaksi intuitif setiap manajer adalah tak membuat keputusan dalam situasi
ketidakpastian
sampai kesempatan yang ada secara ekonomi dapat digapai.
Namun demikian, jika tak ada informasi untuk mendapatkan
kesempatan
(atau tak ada waktu lagi untuk mengumpulkan
yangberhubungan
informasi
dengannya), orang dapat menggunakan pelbagai pendekatan
ini
untuk
mengatasi ketidakpastian. Sebagai contoh, pendekatan optimistik akan melihat
keluaran terbaik yang mungkin dari setiap alternatif dan memilih yang terbaik dari
yang terbaik
(stocks). Pendekatan pesimistik (konservatif) melihat keluaran
terjelek yang mungkin untuk setiap
alternatif
dan
memilih
yang terbaik
diantaranya (CDs).
Mengatasi Resiko.
Diasumsikan bahwa peluang dari solid growth diperkirakan 50 persen, stagnation
30 persen,
dan inflation 20 persen. Pada kasus ini tabel keputusan ditulis
kembali dengan informasi tambahan
ini.
Solid Growth
Stagnation
Inflation
Expected
Alternative
0.50
0.30
0.20
Value
Bonds
12.0%
6.0%
3.0%
8.4%
(Maximum)
Stocks
15.0%
3.0%
-2.0%
8.0%
CDs
6.5%
6.5%
6.5%
6.5%
Metode yang paling umum untuk menyelesaikan masalah analisis resiko ini adalah
dengan
memilih alternatif dengan expected value yang terbesar. Expected value
dihitung dengan mengalikan hasil
masing-masing dan
(keluaran)
menjumlahkannya.
dengan
Sebagai
dapat: 12(0.5) + 6(0.3) + 3(0.2) = 8.4
probabilitas
contoh,untuk
mereka
bonds
kita
(investasikan dalam bonds, dengan
penghasilan rata-rata 8.4 persen).
Pohon Keputusan
Alternatif
penampilan
keputusan memiliki 2
tabel
keputusan
keuntungan:
hubungan dari masalah, dan kedua,
adalah
pertama,
keputusan.
menggambarkan
secara
Pohon
grafis
dapat berhubungan dengan situasi yang lebih
kompleks dalam bentuk yang lebih kompak (misal
periode
pohon
masalah
investasi
dengan
waktu yang lebih banyak).
Sistem Penunjang Keputusan
Page 31
Pemodelan dan Manajemen Model
Metode mengatasi resiko yang lain.
Misalnya: simulasi, certainty factors, dan fuzzy logic
Multiple Goals.
Kasus sederhana dari masalah multiple goal ditunjukkan pada tabel berikut ini:
Alternative
Yield
Safety
Liquidity
Bonds
8.4%
High
High
Stocks
8.0%
Low
High
CDs
6.5%
Very High
High
3 tujuan yang ingin dicapai: yield (hasil), safety (keamanan), dan liquidity
(likuiditas).
Perhatikan bahwa hal ini berada dalam asumsi certainty
(kepastian); yaitu, hanya satu nilai
yang mungkin yang diproyeksikan untuk
setiap alternatif. (Jelas, dalam kasus yang
lebih rumit, harus
dipertimbangkan juga uncertainty atau resiko). Juga perlu diperhatikan bahwa
beberapa nilai
disitu bukanlah numerik tetapi bersifat kuantitatif (misal, Low,
High)
F.
Pengertian AHP ( Analitycal Hierarchy Process )
AHP
merupakan
suatu
model
pendukung
keputusan
yang dikembangkan oleh
Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi
faktor atau multi kriteria yang kompleks menjadi suatu hirarki,
menurut
(1993), hirarki didefinisikan sebagai suatu representasi dari
sebuah
permasalahan yang kompleks dalam suatu struktur multi level dimana level
Saaty
pertama
adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya
bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu
masalah
kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang
kemudian
diatur menjadi suatu bentuk hirarki sehingga permasalahan akan
tampak
ke
yang
lebih
terstruktur dan sistematis.
AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan
metode yang lain karena alasan-alasan sebagai berikut :
1.
Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai
pada subkriteria yang paling dalam.
2.
Memperhitungkan validitas
sampai dengan batas toleransi
inkonsistensi
berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
3.
Memperhitungkan daya
Sistem Penunjang Keputusan
tahan output analisis sensitivitas pengambilan keputusan.
Page 32
Pemodelan dan Manajemen Model
4.
Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai
pada subkriteria yang paling dalam.
5.
Memperhitungkan validitas
sampai dengan batas toleransi
inkonsistensi
berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
6.
Memperhitungkan daya
tahan output analisis sensitivitas pengambilan keputusan.
Kelebihan dan Kelemahan AHP
Layaknya sebuah metode analisis, AHP pun memiliki kelebihan dan
kelemahan
dalam system analisisnya.
Kelebihan-kelebihan analisis ini adalah :
Kesatuan (Unity)
AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model
yang fleksibel dan mudah dipahami.
Kompleksitas (Complexity)
AHP memecahkan permasalahan yang kompleks melalui pendekatan sistem dan
pengintegrasian secara deduktif.
Saling ketergantungan (Inter Dependence)
AHP dapat digunakan pada elemen-elemen sistem yang saling bebas dan tidak
memerlukan hubungan linier.
Struktur Hirarki (Hierarchy Structuring)
AHP
mewakili pemikiran
alamiah
yang
cenderung
mengelompokkan
elemen sistem ke level-level yang berbeda dari masing-masing level berisi elemen yang
serupa.
Pengukuran (Measurement)
AHP
menyediakan
skala pengukuran dan metode
untuk
mendapatkan
prioritas.
Konsistensi (Consistency)
AHP mempertimbangkan konsistensi logis dalam penilaian yang digunakan untuk
menentukan prioritas.
Sintesis (Synthesis)
AHP mengarah pada perkiraan keseluruhan
mengenai seberapa diinginkannya
masing-masing alternatif
Trade Off
AHP mempertimbangkan prioritas relatif faktor-faktor pada sistem sehingga orang
mampu memilih altenatif terbaik berdasarkan tujuan mereka.
Penilaian dan Konsensus (Judgement and Consensus)
AHP
tidak
mengharuskan adanya suatu konsensus, tapi menggabungkan hasil
penilaian yang berbeda.
Pengulangan Proses (Process Repetition)
AHP mampu membuat orang menyaring definisi dari suatu permasalahan dan
mengembangkan penilaian serta pengertian mereka melalui proses pengulangan.
Sistem Penunjang Keputusan
Page 33
Pemodelan dan Manajemen Model
Sedangkan kelemahan metode AHP adalah sebagai berikut:
Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi
seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu
juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.
Metode AHP ini hanya metode matematis tanpa ada pengujian secara
statistik
sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk
Tahapan AHP
Dalam metode AHP dilakukan langkah-langkah sebagai berikut (Kadarsyah Suryadi
dan Ali Ramdhani, 1998) :
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.
Dalam tahap ini kita berusaha menentukan masalah yang akan kita pecahkan secara
jelas, detail dan mudah dipahami. Dari masalah yang ada kita coba tentukan solusi
yang mungkin cocok bagi masalah tersebut. Solusi dari masalah mungkin berjumlah
lebih dari satu. Solusi tersebut nantinya kita kembangkan lebih lanjut dalam tahap
berikutnya.
2. Membuat struktur hierarki yang diawali dengan tujuan utama.
Setelah menyusun tujuan utama sebagai level teratas akan disusun level hirarki
yang berada di bawahnya yaitu kriteria-kriteria yang cocok untuk mempertimbangkan
atau menilai alternatif yang kita berikan dan menentukan alternatif tersebut. Tiap
kriteria mempunyai
intensitas
yang
berbeda-beda.
Hirarki
dilanjutkan dengan
subkriteria (jika mungkin diperlukan).
3. Membuat matrik perbandingan
berpasangan
yang
menggambarkankontribusi relatif atau pengaruh setiap elemen terhadap
tujuan atau kriteria yang setingkat di atasnya.
Matriks yang digunakan bersifat sederhana, memiliki kedudukan kuat untuk kerangka
konsistensi, mendapatkan informasi lain yang mungkin dibutuhkan dengan semua
perbandingan yang mungkin dan mampu menganalisis kepekaan prioritas secara
perubahan
keseluruhan untuk
pertimbangan.
Pendekatan
dengan
matriks
mencerminkan aspek ganda dalam prioritas yaitu mendominasi dan didominasi.
Perbandingan dilakukan berdasarkan judgment dari pengambil keputusan dengan
menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya. Untuk
memulai proses perbandingan berpasangan dipilih sebuah kriteria dari level paling atas
hirarki misalnya
K dan kemudian dari
level di bawahnya diambil elemen
yang akan dibandingkan misalnya E1,E2,E3,E4,E5.
4. Melakukan
Mendefinisikan
perbandinga berpasangan sehingga diperoleh
jumlah penilaian seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah
banyaknya elemen yang dibandingkan.
Hasil perbandingan dari masing-masing elemen akan berupa angka dari 1 sampai
9 yang menunjukkan perbandingan tingkat kepentingan suatu elemen. Apabila suatu
elemen
dalam
matriks dibandingkan
dengan
dirinya
sendiri
maka
hasil
perbandingan diberi nilai 1. Skala 9 telah terbukti dapat diterima dan bisa
Sistem Penunjang Keputusan
Page 34
Pemodelan dan Manajemen Model
membedakan
intensitas antar
elemen.
Hasil perbandingan tersebut diisikan
pada sel yang bersesuaian dengan elemen yang dibandingkan. Skala perbandingan
perbandingan berpasangan dan maknanya yang diperkenalkan oleh Saaty bisa
dilihat di bawah. Intensitas Kepentingan
1 = Kedua elemen sama pentingnya, Dua elemen mempunyai pengaruh yang sama besar
3 = Elemen yang satu sedikit lebih penting daripada elemen yanga lainnya, Pengalaman
dan penilaian sedikit menyokong satu elemen dibandingkan elemen yang lainnya
5 = Elemen yang satu lebih penting daripada yang lainnya, Pengalaman dan
penilaian sangat kuat menyokong satu elemen dibandingkan elemen yang lainnya
7 = Satu elemen jelas lebih mutlak penting daripada elemen lainnya, Satu elemen
yang kuat disokong dan dominan terlihat dalam praktek.
9 = Satu elemen mutlak penting daripada elemen lainnya, Bukti yang mendukung elemen
yang satu terhadap elemen lain memeliki tingkat penegasan tertinggi
yang
mungkin
menguatkan.
2,4,6,8 = Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatan,
Nilai ini diberikan bila ada dua kompromi di antara 2 pilihan
Kebalikan = Jika untuk aktivitas i mendapat satu angka dibanding dengan aktivitas j ,
maka j mempunyai nilai kebalikannya dibanding dengan i
5. Menghitung nilai eigen dan menguji konsistensinya.
Jika tidak konsisten maka pengambilan data diulangi.
6. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan
yang
merupakan bobot
setiap elemen untuk penentuan prioritas elemen-elemen
pada tingkat hirarki terendah sampai mencapai tujuan. Penghitungan dilakukan
lewat cara menjumlahkan nilai setiap kolom dari matriks, membagi setiap nilai
dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi
matriks, dan menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan
jumlah elemen untuk mendapatkan rata-rata.
8. Memeriksa konsistensi hirarki.
Yang diukur dalam AHP adalah rasio konsistensi dengan melihat index konsistensi.
Konsistensi yang diharapkan adalah yang
mendekati
sempurna agar menghasilkan
keputusan yang mendekati valid. Walaupun sulit untuk mencapai yang sempurna,
rasio konsistensi diharapkan kurang dari atau sama dengan 10 %.
Prinsip Dasar dan Aksioma AHP
AHP didasarkan atas 3 prinsip dasar yaitu:
1. Dekomposisi
Dengan prinsip ini struktur masalah yang kompleks dibagi menjadi bagian-bagian
secara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk
yang paling sederhana struktur akan dibandingkan tujuan, kriteria dan level
alternatif. Tiap himpunan alternatif mungkin akan dibagi lebih jauh menjadi
tingkatan yang lebih detail, mencakup lebih banyak kriteria yang lain. Level paling
Sistem Penunjang Keputusan
Page 35
Pemodelan dan Manajemen Model
atas dari hirarki merupakan tujuan yang terdiri atas satu elemen. Level berikutnya
mungkin mengandung beberapa elemen, di mana elemen-elemen tersebut bisa
dibandingkan, memiliki kepentingan yang hampir sama dan tidak memiliki
perbedaan yang terlalu mencolok. Jika perbedaan terlalu besar harus dibuatkan
level yang baru.
2. Perbandingan penilaian/pertimbangan (comparative judgments).
Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen
yang ada dengan tujuan menghasilkan skala kepentingan relatif dari elemen.
Penilaian
menghasilkan
skala penilaian yang berupa angka. Perbandingan
berpasangan dalam bentuk matriks jika dikombinasikan akan menghasilkan prioritas.
3. Sintesa Prioritas
Sintesa
prioritas
dilakukan
dengan
mengalikan
prioritas
lokal dengan
prioritas dari kriteria bersangkutan di level atasnya dan menambahkannya ke
tiap elemen dalam level yang dipengaruhi kriteria. Hasilnya berupa gabungan
atau dikenal dengan priorita global yang kemudian digunakan untuk memboboti
prioritas lokal dari elemen di level terendah sesuai dengan kriterianya.
AHP didasarkan atas 3 aksioma utama yaitu :
Aksioma Resiprokal
Aksioma
ini
menyatakan
jika
PC
(EA,EB)
berpasangan antara elemen A dan elemen B, dengan
sebagai elemen
adalah
sebuah perbandingan
memperhitungkan
C
parent, menunjukkan berapa kali lebih banyak properti yang
dimiliki elemen A terhadap B, maka PC (EB,EA)= 1/ PC (EA,EB). Misalnya jika
A 5 kali lebih besar daripada B, maka B=1/5 A.
Aksioma Homogenitas
Aksioma ini menyatakan bahwa elemen yang dibandingkan tidak berbeda terlalu
jauh. Jika perbedaan terlalu besar, hasil yang
didapatkan
mengandung
nilai
kesalahan yang tinggi. Ketika hirarki dibangun, kita harus berusaha mengatur elemenelemen agar elemen tersebut tidak menghasilkan hasil dengan akurasi rendah dan
inkonsistensi tinggi.
Aksioma Ketergantungan
Aksioma ini menyatakan bahwa prioritas elemen dalam hirarki tidak bergantung pada
elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip
komposisi hirarki.
Aplikasi PHP
Beberapa contoh aplikasi AHP adalah sebagai berikut:
1. Membuat suatu set alternatif;
2. Perencanaan
3. Menentukan prioritas;
4. Memilih kebijakan terbaik setelah menemukan satu set alternatif;
5. Alokasi sumber daya
Sistem Penunjang Keputusan
Page 36
Pemodelan dan Manajemen Model
6. Menentukan kebutuhan/persyaratan;
7. Memprediksi outcome;
8. Merancang sistem;
9. Mengukur performa;
10. Memastikan stabilitas sistem;
11. Optimasi;
12. Penyelesaian konflik
Sistem Penunjang Keputusan
Page 37
BAB IV
PEMODELAN DAN MANAJEMEN MODEL
A. Pemodelan dalam MSS.
Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model:
1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel.
Model ini merupakan preprogram dalam tool software pengembangan DSS.
2. Model finansial untuk pengembangan laporan pemasukan dan proyeksi data
finansial untuk beberapa tahun. Model ini semi terstruktur dan ditulis dalam bahasa
khusus DSS yang
disebutdengan IFPS.
3. Model optimasi yang dibuat menggunakan model management science yang
disebut pendekatan Linear Programming dalam rangka menentukan pemilihan
media.
Untuk menggunakan model ini, DSS perlu antarmuka untuk berhubungan
dengan software yang lain.
Pelbagai aspek dalam pemodelan diantaranya adalah:
# Identifikasi masalah dan analisis lingkungan.
# Identifikasi variabel.
# Perkiraan (forecasting).
# Model.
# Manajemen model.
Di bawah ini adalah tabel pelbagai jenis model:
Category
Optimization of problems
with few alternatives
Optimization via algorithm
mathematical
Process and Objective
Find the best solution from a relatively
small number of alternatives
Find the best solution from a large or
Representative Techniques
Decision tables, decision trees
Linear
an infinite number of alternatives using
programming models, network
and
other
models
Optimization via analytical
formula
Simulation
Heuristics
systems
Other descriptive models
lines
Predictive models
models
a step-by-step improvement process
Find the best solution, in one step,
using a formula
Finding “good enough” solution, or the
best among those alternatives checked,
using experimentation
Find “good enough” solution using rules
Several types of simulation
Finding “what-if” using a formula
Financial modelling, waiting
Predict future for a given scenario
Markov analysis, forecasting
Some inventory models
Heuristic programming, expert
B. Model Statis dan Dinamis.
# Analisis statis. Model statis mengambil satu kejadian saja dalam suatu situasi.
Selama kejadian tersebut semuanya terjadi dalam 1 interval, baik waktunya
sebentar atau lama.Diasumsikan adanya stabilitas disini.
# Analisis dinamis. Model dinamis digunakan untuk mengevaluasi skenario yang
berubah tiap saat. Model ini tergantung pada waktu. Dapat menunjukkan tren dan pola
pada waktu tertentu.
Sistem Penunjang Keputusan
Page 29
Pemodelan dan Manajemen Model
C. Certainty, Uncertainty, dan Resiko.
# Model certainty (kepastian). Mudah untuk bekerja dengan model ini dan dapat
menghasilkan solusi yang optimal.
# Uncertainty (ketidakpastian). Umumnya memang diusahakan sebisa mungkin
menghindari uncertainty ini. Dibutuhkan informasi lebih banyak sehingga masalah
dapat diproses dengan resiko yang dapat dihitung.
# Risk (Resiko). Kebanyakan keputusan bisnis dibuat dibawah asumsi resiko tertentu.
D. Analisis Keputusan dari Sedikit Alternatif.
Pada situasi yang melibatkan sejumlah tertentu dan umumnya tak terlalu banyak alternatif
dimodelkan oleh pendekatan dimana alternatif-alternatif tadi didaftarkan dengan
perkiraan kontribusi
potensialnya
ke
tujuan,
dan
kemungkinan
merealisasikan
kontribusi itu, dalam suatutabel atau graf.
Ada 2 kasus: satu tujuan (single goal) dan banyak tujuan (multiple goals). Kondisi
untuk satu tujuan pendekatannya menggunakan tabel keputusan atau pohon keputusan.
Sedang yang banyak tujuan ada beberapa teknik.
E. Tabel Keputusan.
Terdapat suatu perusahaan investasi yang sedang mempertimbangkan investasi yang akan
dilakukan pada 3 alternatif ini: bonds, stocks, atau certificates of deposit
(CDs).
Perusahaan ini hanya mempunyai 1 tujuan – memaksimalkan
investasinya setelah 1
tahun kemudian. Jika ia
mempunyai tujuan lain seperti
keamanan
atau
likuiditas, maka masalahnya akan diklasifikasikan ke analisis
keputusan
berkriteria
banyak (multiple criteria). Hasilnya tergantung pada status ekonomi
berikut:
solid
growth, stagnation, dan inflation.
Perkiraan hasil pertahun berikut didapat dari seorang ahli:
1. Jika terdapat pertumbuhan ekonomi yang mantab (solid growth), bonds akan
menghasilkan 12 persen; stocks, 15 persen; dan time deposits, 6.5 persen.
2. Jika stagnasi (stagnation) terjadi, bonds akan menghasilkan 6 persen; stocks, 3
persen; dan time deposits, 6.5 persen.
3. Jika inflasi (inflation) terjadi, bonds akan menghasilkan 3 persen; stocks akan
rugi 2 persen; dan time deposits menghasilkan 6.5 persen.
Alternative
Bonds
Stocks
CDs
Masalahnya adalah untuk
Solid Growth
12.0%
15.0%
6.5%
Stagnation
6.0%
3.0%
6.5%
Inflation
3.0%
-2.0%
6.5%
memilih alternatif investasi terbaik. Sebagai catatan:
menginvestasikan 50 persen bonds dan 50 persen stocks adalah alternatif lain, dan
hal ini dapat ditambahkan sebagai alternatif keempat. Sehingga jelas, perusahaan
tersebut menghadapi pelbagai alternatif.
Tabel di atas menampilkan model matematis. Berdasarkan bab 2 yang telah
Sistem Penunjang Keputusan
Page 30
Pemodelan dan Manajemen Model
ditulis di depan, terdapat
decision
variables
(alternatif-alternatif
yang
ada),
uncontrollable variable (kondisiekonomi), dan result variables (hasil proyeksi;
bilagan yang ada dalam tabel). 2
kasus
yang
dapat
ditemukan
disini:
uncertainty dan resiko. Pada kasus uncertainty kita tak tahu probabilitas dari setiap
pernyataan yang terjadi. Dalam kasus resiko, diasumsikan kita tahu probabilitas
setiap pernyataan yang akan terjadi.
Mengatasi Uncertainty.
Reaksi intuitif setiap manajer adalah tak membuat keputusan dalam situasi
ketidakpastian
sampai kesempatan yang ada secara ekonomi dapat digapai.
Namun demikian, jika tak ada informasi untuk mendapatkan
kesempatan
(atau tak ada waktu lagi untuk mengumpulkan
yangberhubungan
informasi
dengannya), orang dapat menggunakan pelbagai pendekatan
ini
untuk
mengatasi ketidakpastian. Sebagai contoh, pendekatan optimistik akan melihat
keluaran terbaik yang mungkin dari setiap alternatif dan memilih yang terbaik dari
yang terbaik
(stocks). Pendekatan pesimistik (konservatif) melihat keluaran
terjelek yang mungkin untuk setiap
alternatif
dan
memilih
yang terbaik
diantaranya (CDs).
Mengatasi Resiko.
Diasumsikan bahwa peluang dari solid growth diperkirakan 50 persen, stagnation
30 persen,
dan inflation 20 persen. Pada kasus ini tabel keputusan ditulis
kembali dengan informasi tambahan
ini.
Solid Growth
Stagnation
Inflation
Expected
Alternative
0.50
0.30
0.20
Value
Bonds
12.0%
6.0%
3.0%
8.4%
(Maximum)
Stocks
15.0%
3.0%
-2.0%
8.0%
CDs
6.5%
6.5%
6.5%
6.5%
Metode yang paling umum untuk menyelesaikan masalah analisis resiko ini adalah
dengan
memilih alternatif dengan expected value yang terbesar. Expected value
dihitung dengan mengalikan hasil
masing-masing dan
(keluaran)
menjumlahkannya.
dengan
Sebagai
dapat: 12(0.5) + 6(0.3) + 3(0.2) = 8.4
probabilitas
contoh,untuk
mereka
bonds
kita
(investasikan dalam bonds, dengan
penghasilan rata-rata 8.4 persen).
Pohon Keputusan
Alternatif
penampilan
keputusan memiliki 2
tabel
keputusan
keuntungan:
hubungan dari masalah, dan kedua,
adalah
pertama,
keputusan.
menggambarkan
secara
Pohon
grafis
dapat berhubungan dengan situasi yang lebih
kompleks dalam bentuk yang lebih kompak (misal
periode
pohon
masalah
investasi
dengan
waktu yang lebih banyak).
Sistem Penunjang Keputusan
Page 31
Pemodelan dan Manajemen Model
Metode mengatasi resiko yang lain.
Misalnya: simulasi, certainty factors, dan fuzzy logic
Multiple Goals.
Kasus sederhana dari masalah multiple goal ditunjukkan pada tabel berikut ini:
Alternative
Yield
Safety
Liquidity
Bonds
8.4%
High
High
Stocks
8.0%
Low
High
CDs
6.5%
Very High
High
3 tujuan yang ingin dicapai: yield (hasil), safety (keamanan), dan liquidity
(likuiditas).
Perhatikan bahwa hal ini berada dalam asumsi certainty
(kepastian); yaitu, hanya satu nilai
yang mungkin yang diproyeksikan untuk
setiap alternatif. (Jelas, dalam kasus yang
lebih rumit, harus
dipertimbangkan juga uncertainty atau resiko). Juga perlu diperhatikan bahwa
beberapa nilai
disitu bukanlah numerik tetapi bersifat kuantitatif (misal, Low,
High)
F.
Pengertian AHP ( Analitycal Hierarchy Process )
AHP
merupakan
suatu
model
pendukung
keputusan
yang dikembangkan oleh
Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi
faktor atau multi kriteria yang kompleks menjadi suatu hirarki,
menurut
(1993), hirarki didefinisikan sebagai suatu representasi dari
sebuah
permasalahan yang kompleks dalam suatu struktur multi level dimana level
Saaty
pertama
adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya
bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu
masalah
kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang
kemudian
diatur menjadi suatu bentuk hirarki sehingga permasalahan akan
tampak
ke
yang
lebih
terstruktur dan sistematis.
AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan
metode yang lain karena alasan-alasan sebagai berikut :
1.
Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai
pada subkriteria yang paling dalam.
2.
Memperhitungkan validitas
sampai dengan batas toleransi
inkonsistensi
berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
3.
Memperhitungkan daya
Sistem Penunjang Keputusan
tahan output analisis sensitivitas pengambilan keputusan.
Page 32
Pemodelan dan Manajemen Model
4.
Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai
pada subkriteria yang paling dalam.
5.
Memperhitungkan validitas
sampai dengan batas toleransi
inkonsistensi
berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
6.
Memperhitungkan daya
tahan output analisis sensitivitas pengambilan keputusan.
Kelebihan dan Kelemahan AHP
Layaknya sebuah metode analisis, AHP pun memiliki kelebihan dan
kelemahan
dalam system analisisnya.
Kelebihan-kelebihan analisis ini adalah :
Kesatuan (Unity)
AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model
yang fleksibel dan mudah dipahami.
Kompleksitas (Complexity)
AHP memecahkan permasalahan yang kompleks melalui pendekatan sistem dan
pengintegrasian secara deduktif.
Saling ketergantungan (Inter Dependence)
AHP dapat digunakan pada elemen-elemen sistem yang saling bebas dan tidak
memerlukan hubungan linier.
Struktur Hirarki (Hierarchy Structuring)
AHP
mewakili pemikiran
alamiah
yang
cenderung
mengelompokkan
elemen sistem ke level-level yang berbeda dari masing-masing level berisi elemen yang
serupa.
Pengukuran (Measurement)
AHP
menyediakan
skala pengukuran dan metode
untuk
mendapatkan
prioritas.
Konsistensi (Consistency)
AHP mempertimbangkan konsistensi logis dalam penilaian yang digunakan untuk
menentukan prioritas.
Sintesis (Synthesis)
AHP mengarah pada perkiraan keseluruhan
mengenai seberapa diinginkannya
masing-masing alternatif
Trade Off
AHP mempertimbangkan prioritas relatif faktor-faktor pada sistem sehingga orang
mampu memilih altenatif terbaik berdasarkan tujuan mereka.
Penilaian dan Konsensus (Judgement and Consensus)
AHP
tidak
mengharuskan adanya suatu konsensus, tapi menggabungkan hasil
penilaian yang berbeda.
Pengulangan Proses (Process Repetition)
AHP mampu membuat orang menyaring definisi dari suatu permasalahan dan
mengembangkan penilaian serta pengertian mereka melalui proses pengulangan.
Sistem Penunjang Keputusan
Page 33
Pemodelan dan Manajemen Model
Sedangkan kelemahan metode AHP adalah sebagai berikut:
Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi
seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu
juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.
Metode AHP ini hanya metode matematis tanpa ada pengujian secara
statistik
sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk
Tahapan AHP
Dalam metode AHP dilakukan langkah-langkah sebagai berikut (Kadarsyah Suryadi
dan Ali Ramdhani, 1998) :
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.
Dalam tahap ini kita berusaha menentukan masalah yang akan kita pecahkan secara
jelas, detail dan mudah dipahami. Dari masalah yang ada kita coba tentukan solusi
yang mungkin cocok bagi masalah tersebut. Solusi dari masalah mungkin berjumlah
lebih dari satu. Solusi tersebut nantinya kita kembangkan lebih lanjut dalam tahap
berikutnya.
2. Membuat struktur hierarki yang diawali dengan tujuan utama.
Setelah menyusun tujuan utama sebagai level teratas akan disusun level hirarki
yang berada di bawahnya yaitu kriteria-kriteria yang cocok untuk mempertimbangkan
atau menilai alternatif yang kita berikan dan menentukan alternatif tersebut. Tiap
kriteria mempunyai
intensitas
yang
berbeda-beda.
Hirarki
dilanjutkan dengan
subkriteria (jika mungkin diperlukan).
3. Membuat matrik perbandingan
berpasangan
yang
menggambarkankontribusi relatif atau pengaruh setiap elemen terhadap
tujuan atau kriteria yang setingkat di atasnya.
Matriks yang digunakan bersifat sederhana, memiliki kedudukan kuat untuk kerangka
konsistensi, mendapatkan informasi lain yang mungkin dibutuhkan dengan semua
perbandingan yang mungkin dan mampu menganalisis kepekaan prioritas secara
perubahan
keseluruhan untuk
pertimbangan.
Pendekatan
dengan
matriks
mencerminkan aspek ganda dalam prioritas yaitu mendominasi dan didominasi.
Perbandingan dilakukan berdasarkan judgment dari pengambil keputusan dengan
menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya. Untuk
memulai proses perbandingan berpasangan dipilih sebuah kriteria dari level paling atas
hirarki misalnya
K dan kemudian dari
level di bawahnya diambil elemen
yang akan dibandingkan misalnya E1,E2,E3,E4,E5.
4. Melakukan
Mendefinisikan
perbandinga berpasangan sehingga diperoleh
jumlah penilaian seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah
banyaknya elemen yang dibandingkan.
Hasil perbandingan dari masing-masing elemen akan berupa angka dari 1 sampai
9 yang menunjukkan perbandingan tingkat kepentingan suatu elemen. Apabila suatu
elemen
dalam
matriks dibandingkan
dengan
dirinya
sendiri
maka
hasil
perbandingan diberi nilai 1. Skala 9 telah terbukti dapat diterima dan bisa
Sistem Penunjang Keputusan
Page 34
Pemodelan dan Manajemen Model
membedakan
intensitas antar
elemen.
Hasil perbandingan tersebut diisikan
pada sel yang bersesuaian dengan elemen yang dibandingkan. Skala perbandingan
perbandingan berpasangan dan maknanya yang diperkenalkan oleh Saaty bisa
dilihat di bawah. Intensitas Kepentingan
1 = Kedua elemen sama pentingnya, Dua elemen mempunyai pengaruh yang sama besar
3 = Elemen yang satu sedikit lebih penting daripada elemen yanga lainnya, Pengalaman
dan penilaian sedikit menyokong satu elemen dibandingkan elemen yang lainnya
5 = Elemen yang satu lebih penting daripada yang lainnya, Pengalaman dan
penilaian sangat kuat menyokong satu elemen dibandingkan elemen yang lainnya
7 = Satu elemen jelas lebih mutlak penting daripada elemen lainnya, Satu elemen
yang kuat disokong dan dominan terlihat dalam praktek.
9 = Satu elemen mutlak penting daripada elemen lainnya, Bukti yang mendukung elemen
yang satu terhadap elemen lain memeliki tingkat penegasan tertinggi
yang
mungkin
menguatkan.
2,4,6,8 = Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatan,
Nilai ini diberikan bila ada dua kompromi di antara 2 pilihan
Kebalikan = Jika untuk aktivitas i mendapat satu angka dibanding dengan aktivitas j ,
maka j mempunyai nilai kebalikannya dibanding dengan i
5. Menghitung nilai eigen dan menguji konsistensinya.
Jika tidak konsisten maka pengambilan data diulangi.
6. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan
yang
merupakan bobot
setiap elemen untuk penentuan prioritas elemen-elemen
pada tingkat hirarki terendah sampai mencapai tujuan. Penghitungan dilakukan
lewat cara menjumlahkan nilai setiap kolom dari matriks, membagi setiap nilai
dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi
matriks, dan menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan
jumlah elemen untuk mendapatkan rata-rata.
8. Memeriksa konsistensi hirarki.
Yang diukur dalam AHP adalah rasio konsistensi dengan melihat index konsistensi.
Konsistensi yang diharapkan adalah yang
mendekati
sempurna agar menghasilkan
keputusan yang mendekati valid. Walaupun sulit untuk mencapai yang sempurna,
rasio konsistensi diharapkan kurang dari atau sama dengan 10 %.
Prinsip Dasar dan Aksioma AHP
AHP didasarkan atas 3 prinsip dasar yaitu:
1. Dekomposisi
Dengan prinsip ini struktur masalah yang kompleks dibagi menjadi bagian-bagian
secara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk
yang paling sederhana struktur akan dibandingkan tujuan, kriteria dan level
alternatif. Tiap himpunan alternatif mungkin akan dibagi lebih jauh menjadi
tingkatan yang lebih detail, mencakup lebih banyak kriteria yang lain. Level paling
Sistem Penunjang Keputusan
Page 35
Pemodelan dan Manajemen Model
atas dari hirarki merupakan tujuan yang terdiri atas satu elemen. Level berikutnya
mungkin mengandung beberapa elemen, di mana elemen-elemen tersebut bisa
dibandingkan, memiliki kepentingan yang hampir sama dan tidak memiliki
perbedaan yang terlalu mencolok. Jika perbedaan terlalu besar harus dibuatkan
level yang baru.
2. Perbandingan penilaian/pertimbangan (comparative judgments).
Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen
yang ada dengan tujuan menghasilkan skala kepentingan relatif dari elemen.
Penilaian
menghasilkan
skala penilaian yang berupa angka. Perbandingan
berpasangan dalam bentuk matriks jika dikombinasikan akan menghasilkan prioritas.
3. Sintesa Prioritas
Sintesa
prioritas
dilakukan
dengan
mengalikan
prioritas
lokal dengan
prioritas dari kriteria bersangkutan di level atasnya dan menambahkannya ke
tiap elemen dalam level yang dipengaruhi kriteria. Hasilnya berupa gabungan
atau dikenal dengan priorita global yang kemudian digunakan untuk memboboti
prioritas lokal dari elemen di level terendah sesuai dengan kriterianya.
AHP didasarkan atas 3 aksioma utama yaitu :
Aksioma Resiprokal
Aksioma
ini
menyatakan
jika
PC
(EA,EB)
berpasangan antara elemen A dan elemen B, dengan
sebagai elemen
adalah
sebuah perbandingan
memperhitungkan
C
parent, menunjukkan berapa kali lebih banyak properti yang
dimiliki elemen A terhadap B, maka PC (EB,EA)= 1/ PC (EA,EB). Misalnya jika
A 5 kali lebih besar daripada B, maka B=1/5 A.
Aksioma Homogenitas
Aksioma ini menyatakan bahwa elemen yang dibandingkan tidak berbeda terlalu
jauh. Jika perbedaan terlalu besar, hasil yang
didapatkan
mengandung
nilai
kesalahan yang tinggi. Ketika hirarki dibangun, kita harus berusaha mengatur elemenelemen agar elemen tersebut tidak menghasilkan hasil dengan akurasi rendah dan
inkonsistensi tinggi.
Aksioma Ketergantungan
Aksioma ini menyatakan bahwa prioritas elemen dalam hirarki tidak bergantung pada
elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip
komposisi hirarki.
Aplikasi PHP
Beberapa contoh aplikasi AHP adalah sebagai berikut:
1. Membuat suatu set alternatif;
2. Perencanaan
3. Menentukan prioritas;
4. Memilih kebijakan terbaik setelah menemukan satu set alternatif;
5. Alokasi sumber daya
Sistem Penunjang Keputusan
Page 36
Pemodelan dan Manajemen Model
6. Menentukan kebutuhan/persyaratan;
7. Memprediksi outcome;
8. Merancang sistem;
9. Mengukur performa;
10. Memastikan stabilitas sistem;
11. Optimasi;
12. Penyelesaian konflik
Sistem Penunjang Keputusan
Page 37