SESI 1 ANALISIS KEPUTUSAN SEKOLAH TINGGI MANAJEMEN INFORMATIKA

SESI - 1 ANALISIS KEPUTUSAN SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER MERCUSUAR

ANALISIS KEPUTUSAN 2 Fakta menunjukan bahwa setiap hari manusia ataupun perusahaan / organisasi harus mengambil keputusan Setiap pengambilan keputusan ada Alternatifnya dan setiap Alternatif ada Kriteria Keputusannya Alternatif Kriteria Keputusan K 1 K 2 K 3 A 1 H 12 H 13 A 2 H 21 H 22 H 23

3 MULTI CRITERIA DECISION MAKING Kriteria Keputusan Alternatif Harga Luas Jarak Juta Rupiah m 2 km SIDOHARJO 560 2. 500 30 MOJOKERTO 490 3. 000 50 Kiteria Dominasi; Sidoharjo : unggul dalam jarak, kalah dalam harga dan luas � Mojokerto : unggul dalam harga dan luas , kalah dalam jarak � Kesimpulan : tidak ada yang dominan �

4 MULTI CRITERIA DECISION MAKING Kiteria Leksikografi; � � � Ada kriteria yang diprioritaskan Luas (pertama) : Mojokerto lebih baik dari Sidoharjo Jarak (kedua) : Sidoharjo lebih baik dari Mojokerto Harga (ketiga) : tidak perlu dipertimbangkan Kesimpulan : Mojokerto dipilih (kriteria luas)

5 MULTI CRITERIA DECISION MAKING Kiteria Penghampiran (tingkat Aspirasi; � � Misalnya Harga ≤ Luas ≥ 2. 500 m 2 Jarak ≤ 40 km 600 juta Harga Luas Jarak SIDOHARJO √ √ √ MOJOKERTO √ √ - Misalnya Harga ≤ Sidoharjo dan Mojokerto Luas ≥ Sidoharjo dan Mojokerto Jarak ≤ hanya Sidoharjo terpilih

6 ANALYTICAL HIERARCHY PROCESS (AHP) Diartikan sebagai pembobotan (penentuan prioritas) dari serangkaian persoalan, baik terhadap kriterianya ataupun alternatifnya. Langkah nya � � Rancangan/ struktur keputusan dari persoalan yang diadapi Perhitungan berpasangan Sintesa Prioritas Uji konsitensi Analisis berpasangan merupakan langkah awal penentuan prioritas (pembobotan) 1 2 Sama Sediki pentin t lebih gnya pentin g 3 4 5 6 7 8 9 Hamp ir Mutla k lebih pentin g

7 ANALYTICAL HIERARCHY PROCESS (AHP) Struktur keputusan Membeli mobil 2000 cc Model Biaya Operasinal TOYOTA Kenyamana n Kecepatan HONDA MAZDA

8 ANALYTICAL HIERARCHY PROCESS (AHP) BOP MDL CPT NYM BOP 1 1/4 1/3 1/5 MDL 4 1 3 2 CPT 3 1/3 1 1/2 NYM 5 1/2 2 1 13 25/12 19/3 37/10 Cara membaca : Biaya Operasional vs Model, Model lebih penting dengan nilai 4 Biaya Operasional vs Kecepatan, Kecepatan lebih penting dengan nilai 3 Model vs Kecepatan, Kecepatan lebih penting dengan nilai 3

9 ANALYTICAL HIERARCHY PROCESS (AHP) BOP MDL CPT NYM Jumlah Baris Prioritas (bobot) BOP 1/13 3/25 1/19 2/37 0, 304 0, 076 MDL 4/13 12/25 9/19 20/37 1, 802 0, 450 CPT 3/13 4/25 3/19 5/37 0, 684 0, 171 NYM 5/13 6/25 6/19 10/37 1, 210 0, 303 Jumlah Nilai kolom 1 1 4 1 Cara menghitung elemen matriks baru, kolom 1 (BOP) memua nilai dibagi dengn 13 Jumlah Baris, baris 1 (BOP) = 0, 676+0, 12+0, 005+0, 05=0, 304 Perhitungan Bobot, untuk BOP = 0, 304/4=0, 076 Bobot dari keempat kriteria : Model =0, 450 =45% Kenyamanan =0, 303 =30, 3% Kecepatan =0, 171=17, 1% Biaya Operasional=0, 074=7, 6%

10 ANALYTICAL HIERARCHY PROCESS (AHP) Biaya Operasinal T H M Toyota 1 4 1/3 Honda ¼ 1 Mazda 3 T H M Toyota 1 1/3 2 ½ Honda 3 1 4 2 1 Mazda 1/2 1/4 1 17/4 7 11/6 9/2 19/12 7 Kecepatan T H M Toyota 1 1/5 2 Toyota 1 ¼ ½ Honda 5 1 1/3 Honda 4 1 4 Mazda 1/2 3 1 Mazda 2 ¼ 1 13/2 21/5 10/3 7 6/4 11/2 Jumlah Kolom Model Jumlah Kolom Kenyamana n Jumlah Kolom

11 ANALYTICAL HIERARCHY PROCESS (AHP) BIAYA OPERASIONA L Toyota Hunda Mazda Jumlah baris Prioritas (bobot) Toyota 4/17 4/7 2/11 0, 987 0, 329 Honda 1/17 1/7 3/11 0, 475 0, 158 Mazda 12/17 2/7 6/11 1, 538 0, 513 1 1 1 3 1 Toyota Hunda Mazda Jumlah baris Prioritas (bobot) Toyota 2/9 4/19 2/7 0, 718 0, 240 Honda 6/9 12/19 4/7 1, 870 0, 623 Mazda 2/9 3/19 1/7 0, 412 0, 137 1 1 1 3 1 Jumlah Kolom Harga Jumlah Kolom

12 ANALYTICAL HIERARCHY PROCESS (AHP) Toyota Hunda Mazda Jumlah baris Prioritas (bobot) Toyota 2/13 1/21 6/10 0, 802 0, 267 Honda 10/13 5/21 1/10 1, 107 0, 369 Mazda 1/13 15/21 3/10 1, 091 0, 364 Jumlah Kolom 1 1 1 3 1 Kenyamanan Toyota Hunda Mazda Jumlah baris Prioritas (bobot) Toyota 1/7 1/6 1/11 0, 401 0, 133 Honda 4/7 4/6 8/11 1, 965 0, 655 Mazda 2/7 1/6 2/11 0, 634 0, 211 1 3 1 Kecepatan Jumlah Kolom

ANALYTICAL HIERARCHY PROCESS (AHP) 13 ALTERNA TIF Biaya Operasiona l (0, 076) Model (0, 450) Kecepatan (0, 171) Kenyamanan (0, 303) Bobot Toyota 0, 329 0, 240 0, 267 0, 133 0, 219 Honda 0, 168 0, 623 0, 369 0, 655 0, 554 Mazda 0, 513 0, 137 0, 364 0, 211 0, 227 Cara memhitung Bobot : Toyota = 0, 329 (0, 076) + 0, 240 (0, 450) + 0, 267 (0, 171) + 0, 133 (0, 303) = 0, 219 Hasil nya Pilih Honda

ANALISA KEPUTUSAN DLM KETIDAKPASTIAN 14 Kondisi Ekonomi Alternatif Proyek atau Investasi Jelek Sedang Cerah A 60 120 350 B -80 220 630 C 150 200 260 D -230 470 880 Alternatif Solusi Maximax : Pilih yang terbaik dari yang baik Maximin : Pilih Yang terbaik dari yang jelek Minimax Regret : dijelaskan tersendiri Kriteria Hurwicz : Dihitung dengan bobot a untuk maximax ditambah (1 -a) untuk maximin Kriteria Laplace/Equal Likelihood : sama dengan Hurwicz tapi nilai a = 0, 5 Nilai Ekspetasi : dijelaskan tersendiri

15 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN Perhitungan Minimax Regret Pilih Investasi C, Regret nya = 0 (karena investasi C = 150 yang tebaik dari kondisi yang jelek) → Regret = 150 -150=0 � Investasi A Regretnya = 150 -60=90 � Investasi B Regretnya = 150 - (-80)=230 � Investasi D Regretnya = 150 -(-230)=380 � Hitung juga untuk Kondisi Sedang dan Cerah � Investasi Kondisi Ekonomi Jelek Perhitungan Regret Sedang Cerah Jelek Sedang Cerah Minimax Regret A 60 120 350 90 350 530 B -80 220 630 250 250 C 150 200 260 0 270 620 D -230 470 880 380 0 0 380

16 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN Perhitungan “Nilai Ekspektasi” Masing kondisi ekonomi diperkirakan probabilitasnya � Misalnya Jelek : 0, 2 Sedang : 0, 5 Cerah : 0, 3 � Investasi A =0. 2 x(60)+ 0. 5 x(120)+ 0. 3 x(350)=177 � Investasi B =0. 2 x(-80)+ 0. 5 x(220)+ 0. 3 x(630)=283 � Investasi C =0. 2 x(150)+ 0. 5 x(200)+ 0. 3 x(260)=208 � Investasi D =0. 2 x(-230)+ 0. 5 x(470)+ 0. 3 x(880)=449 �

17 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN Alter natif Kondisi Ekonomi Jelek Sedan Cerah g Maxi max min Mini Equal Hur Ekspe max Likeli wicz k tasi Regret hood A 60 120 350 60 530 234 205 177 B -80 220 630 -80 250 346 275 283 C 150 200 260 150 620 216 205 208 D -230 470 880 -230 380 436 325 449

FUNGSI BORDA 18 Mengunakan Pembobotan, dengan mengunakan data Peferensi atau peringkat kepentingan dari atribut/variabel yang akan dibobotkan Misalnya, menghitung bobot dari Vario, Spin dan Mio Munculkan semua data Peferensi yang mungkin dari variabel yang kan dibobot. � Jumlah kemungkinan 6 (3 x 2 x 1) atau 3 faktorial, sebagai berikut: � Mio >Vario >Spin) Mio >Spin >Vario) Vario>Mio >Spin) Vario>Spin >Mio Mio) Spin >Mio >Vario (Lebih suka Mio daripada Vario daripada (Lebih suka Mio daripada Spin daripada (Lebih suka Vario daripada Mio daripada (Lebih suka Vario daripada Spin daripada (Lebih suka Spin daripada Mio daripada

FUNGSI BORDA 19 Dari 20 responden diperoleh hasil sbb: � � � Mio>Vario>Spin Mio>Spin>Vario>Mio>Spin Vario>Spin>Mio>Vario Spin>Vario>Mio = = = 6 4 3 4 1 2 Disusun berpasangan � � � Lebih suka Mio daripada Vario Lebih suka Mio daripada Spin = Lebih suka Vario daripada Mio Lebih suka daripada Spin = Lebih suka Spin daripada Mio = Lebih suka Spin daripada Vario = 6+4+3 = 6+3+4 4+1+8 = 6+4+1 = 13 3+4+3 = 13 = 8 4+1+3 = 11 = 9 = 8

FUNGSI BORDA 20 � Hasil Sepeda Motor akhir nya adalah lebih suka Mio Vario Spin Jml Baris Bobot (%) Mio - 11 13 24 40, 00 Vario 9 - 13 22 36, 67 Spin 7 7 - 14 23, 33 Jumlah baris 60 100, 00