DSS – Pertemuan 03 – Materi

Gede Surya Mahendra - Home

DSS – Pertemuan 03 – Materi

Stiki Logo - Short

Mata Kuliah : Decision Support System

Kode Mata Kuliah : MKB-219

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

PERTEMUAN 03

Untuk tampilan lebih baik, dapat mendownload file PDF pada link yang tersedia

Kemampuan Akhir yang Diharapkan:

Mahasiswa dapat memahami bagaimana dukungan DSS untuk pengambilan keputusan dapat dilakukan dalam praktek

Bahan Kajian:

  • Ketepatan memahami dukungan DSS untuk pengambilan keputusan dapat dilakukan dalam praktek.
  • Memahami dasar-dasar konseptual pengambilan keputusan
  • Memahami ruang lingkup sistem dan lingkungannya dan memahami bahwa pengambilan keputusan merupakan bagian dari sistem
  • Memahami bentuk-bentuk keputusan yang diabstraksikan menjadi bentuk simbolik.
  • Memahami tahapan-tahapan dalam proses pengambilan keputusan.

Metode Pembelajaran:

  • Pembelajaran diskusi dan discovery terkait materi dukungan DSS untuk pengambilan keputusan dapat dilakukan dalam praktek

Pengalaman Pembelajaran:

  • Memahami dukungan DSS untuk pengambilan keputusan dapat dilakukan dalam praktek
  • Memahami dasar-dasar konseptual pengambilan keputusan
  • Memahami ruang lingkup sistem dan lingkungannya dan memahami bahwa pengambilan keputusan merupakan bagian dari sistem
  • Memahami bentuk-bentuk keputusan yang diabstraksikan menjadi bentuk simbolik.
  • Memahami tahapan-tahapan dalam proses pengambilan keputusan.

Kriteria Penilaian dan Indikator:

  • Kemampuan memahami dukungan DSS untuk pengambilan keputusan dalam contoh prakteknya, memahami dasar konseptual pengambilan keputusan, ruang lingkup system dan lingkungannya yang merupakan bagian dari system, memahami bentuk keputusan abstrak menjadi bentuk simbolik dan tahapan pengambilan keputusan.

 

Download File Materi PDF

Download File Slide Presentasi PDF

 

TINJAUAN

  1. Masalah
  2. Keputusan
  3. Pembuatan Keputusan Manajemen
  4. Tahap-tahap Pembuatan Keputusan
  5. Kondisi Pengambilan Keputusan
  6. Sistem
  7. Model
  8. Proses Pemodelan.
  9. Intelligence Phase
  10. Design Phase
    1. Prinsip Pemilihan.
    2. Pengembangan (Penyediaan) Alternatif.
    3. Memprediksi Hasil dari Setiap Alternatif.
    4. Pengukuran Hasil (Level Pencapaian Tujuan).
  11. The Choice Phase.
  12. Evaluasi: Multiple Goals, Analisis Sensitivitas, “What-If,” dan Pencarian Tujuan.
    1. Multiple Goals.
    2. Analisis Sensitivitas.
    3. “What-If” Analysis.
    4. Goal Seeking
    5. Menghitung BEP (Break Event Point) menggunakan Goal Seeking.
  13. Critical Succes Factors (CSF)
  14. Implementasi dan Dukungan Keputusan
    1. Dukungan pada Intelligence Phase.
    2. Dukungan pada Design Phase.
    3. Dukungan pada Choice Phase.
    4. Dukungan pada Implementasi Keputusan.
  15. Human Cognition, Manusia dan Gaya Keputusan.

MATERI

Masalah

Masalah merupakan suatu kondisi yang berpotensi menimbulkan kerugian luar biasa atau menghasilkan keuntungan luar biasa. Tindakan memberi respons terhadap masalah untuk menekan akibat buruknya atau memanfaatkan peluang keuntungannya disebut pemecahan masalah. Pentingnya pemecahan masalah bukan didasarkan pada jumlah waktu yang dihabiskan, tetapi pada konsekuensinya, yaitu apakah pemecahan masalah tersebut bisa menekan sebanyak mungkin kemungkinan kerugian atau memperoleh sebesar mungkin kemungkinan keuntungan.

Keputusan

Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam pemecahan masalah tersebut. Tindakan memilih strategi atau aksi yang diyakini manajer akan memberikan solusi terbaik atas sesuatu itu disebut pengambilan keputusan. Tujuan dari keputusan adalah untuk mencapai target atau aksi tertentu yang harus dilakukan.

Kriteria atau ciri-ciri dari keputusan adalah:

    1. Banyak pilihan/alternatif
    2. Ada kendala atau syarat
    3. Mengikuti suatu pola/model tingkah laku, baik yang terstruktur maupun tidak terstruktur
    4. Banyak input/variabel
    5. Ada faktor risiko

Pembuatan Keputusan Manajemen

Keputusan yang diambil manajer bisa berbeda-beda sesuai tingkat manajemennya. Dalam Gambar berikut, digambarkan tingkatan manajemen dalam organisasi.

Level yang paling atas adalah manajemen strategis, yang terdiri atas personil senior dari manajemen tingkat atas. Kegiatannya adalah memilih tujuan-tujuan jangka panjang, mengalokasikan sumber daya, dan menyusun kebijaksanaan-kebijaksanaan yang diperlukan untuk mencapai tujuan-tujuan tersebut. Misalnya, manajemen menentukan produk-produk apa saja yang akan dijual dan pasar mana yang akan dijadikan sasaran.

Level di bawah level manajemen strategis, yaitu level manajemen taktis, terdiri dari personil manajemen tingkat menengah. Kegiatan dalam level manajemen tersebut adalah menerjemahkan tujuan-tujuan jangka panjang ke dalam rencana-rencana dan tujuan-tujuan yang lebih detail dan lebih kuantitatif (dapat diukur) untuk bagian-bagian operasi. Contoh kegiatan pada level ini adalah menentukan target produksi untuk setiap produk.

Pada level yang paling bawah terdapat manajemen operasi. Jumlah manajer dalam level ini paling banyak dibandingkan dengan level yang lainnya. Aktivitasnya adalah mengamati kegiatan sehari-hari dan memastikan diikutinya rencana-rencana dan tercapainya tujuan. Contoh kegiatan manajemen pada level ini adalah mengamati kegiatan manufaktur sehari-hari untuk memastikan tercapainya kuota produksi.

Tahap-tahap Pembuatan Keputusan

Dalam mengambil keputusan dilakukan langkah-langkah sehagai berikut:

    1. Identifikasi masalah
    2. Pemilihan metode pemecahan masalah
    3. Pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan tersebut
    4. Mengimplementasikan model tersebut
    5. Mengevaluasi sisi positif dari setiap alternatif yang ada
    6. Melaksanakan solusi terpilih

Kondisi Pengambilan Keputusan

Ada beberapa keadaan yang mungkin dialami oleh pengambil keputusan ketika mengambil keputusan. yaitu:

    1. Pengambilan keputusan dalam kepastian, semua alternatif diketahui secara pasti.
    2. Pengambilan keputusan dalam berbagai tingkat risiko yang dipilih
    3. Pengambilan keputusan dalam kondisi ketidakpastian, ada alternatif yang tidak diketahui dengan jelas

Tentu saja, pengambilan keputusan akan menjadi mudah jika dilakukan dengan suatu kepastian.

Sistem

DSS, GDSS, EIS, dan ES melibatkan satu istilah yaitu sistem. Sistem adalah kumpulan dari obyek-obyek seperti orang, resources, konsep, dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface. Sistem terdiri dari input, proses, dan output. Sistem dan lingkungannya dapat dilihat pada Gambar 3. 1.

  • Input adalah semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer.
  • Proses adalah proses transformasi elemen-elemen dari input menjadi output.
  • Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.
  • Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. Dari informasi ini, pengambil keputusan, yang bertindak sebagai pengontrol, bisa memutuskan untuk memodifikasi input, atau proses, atau malah keduanya.
  • Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input, output, atau pun proses. Namun, mereka dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini, maka elemen tersebut harus dimasukkan sebagai bagian dari environment. Contoh: sosial, politik, hukum, aspek fisik, dan ekonomi.
  • Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Sistem ada di dalam boundary, dimana environment ada di luarnya. Bisa secara fisik, misalnya sistem adalah sebuah departemen di Gedung C atau non fisik, misalnya suatu sistem di batasi oleh waktu tertentu.

Gambar 3. 1 Sistem dan Lingkungannya

Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Sistem ini secara penuh mandiri, tak tergantung sama sekali. Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Sistem ini menerima input (informasi, energi, material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut.

Terdapat dua ukuran utama dari sistem adalah efektivitas dan efisiensi. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. Ini mengacu pada hasil atau output dari suatu sistem dimana memiliki sifat “doing the right thing”. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan sebagai contoh, seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. Hal ini memiliki sifat “doing the thing right”.

Tabel 3. 1 Perbedaan antara Sistem Inventory Tertutup dan Terbuka

Management Science, EOQ (Closed System) DSS (Open System)
Permintaan konstan, biaya per unit konstan, waktu tunggu konstan. Permintaan variabel dipengaruhi oleh banyak faktor; biaya dapat berubah setiap hari; lead time bervariasi dan sulit diprediksi.
Vendor dan pengguna dikecualikan dari analisis. Vendor dan pengguna sedang dipertimbangkan.
Faktor cuaca dan lingkungan lainnya diabaikan. Kondisi cuaca dapat menentukan permintaan dan waktu tunggu.

Model

Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. Model adalah representasi sederhana atau penggambaran dari kenyataan. Terdapat 3 jenis model:

    1. Iconic (Scale).

Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. GUI pada OOPL adalah contoh dari model ini.

    1. Analog.

Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.

    1. Matematis (Kuantitatif).

Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog, karena kalau pun bisa akan memakan waktu lama dan sulit. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.

Keuntungan Model.

Berikut merupakan alasan utama mengapa MSS menggunakan model:

  1. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya.
  2. Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.
  3. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi.
  4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.
  5. Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.
  6. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan-kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. Dengan adanya komunikasi dan teknologi canggih sekarang ini, manajer akan seringkali memiliki alternatif-alternatif pilihan.
  7. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.

Proses Pemodelan.

Berikut ini adalah proses yang terjadi pada pemodelan:

  • Trial and error dengan sistem nyata. Tapi ini tak berjalan bila:
    1. Terlalu banyak alternatif untuk dicoba.
    2. Akibat samping dari error yang terjadi besar pengaruhnya.
    3. Lingkungan itu sendiri selalu berubah.
  • Simulasi.
  • Optimisasi
  • Heuristic.

Gambar 3. 2 Proses Pemodelan dalam Pengambilan Keputusan

Intelligence Phase

Proses yang terjadi pada fase ini adalah:

  • Menemukan masalah.
  • Klasifikasi masalah.
  • Penguraian masalah.
  • Kepemilikan masalah.

Design Phase

Tahap ini meliputi pembuatan, pengembangan, dan analisis hal-hal yang mungkin untuk dilakukan. Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Juga model dari masalahnya dirancang, dites, dan divalidasi. Tugas-tugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan, yaitu:

  • Komponen-komponen model.
  • Struktur model.
  • Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
  • Pengembangan (penyediaan) alternatif.
  • Prediksi hasil.
  • Pengukuran hasil.
  • Skenario.
  1. Komponen-komponen Model Kuantitatif.

Gambar 3. 3 Struktur Umum Model Kuantitatif

Tabel 3. 2 Contoh-contoh dari Komponen Model

Area Variabel Keputusan Variabel Hasil Variabel dan Parameter Tak Terkendali
Investasi keuangan
  • Alternatif dan jumlah investasi
  • Jangka waktu investasi
  • Waktu investasi
  • Total keuntungan
  • Tingkat pengembalian
  • Pendapatan per saham
  • Tingkat likuiditas
  • Total keuntungan
  • Tingkat pengembalian
  • Pendapatan per saham
  • Tingkat likuiditas
Pemasaran
  • Anggaran iklan
  • Produk campuran
  • Saham
  • Kepuasan pelanggan
  • Pendapatan pelanggan
  • Tindakan pesaing
Manufaktur
  • Produk dan jumlah
  • Tingkat persediaan
  • Program kompensasi
  • Total biaya
  • Level kualitas
  • Kepuasan karyawan
  • Kapasitas mesin
  • Teknologi
  • Harga bahan
Akuntansi
  • Penggunaan komputer
  • Jadwal audit
  • Jadwal penyusutan
  • Biaya pemrosesan data
  • Tingkat kesalahan
  • Teknologi komputer
  • Tarif pajak
  • Persyaratan resmi
Transportasi
  • Jadwal pengiriman
  • Total biaya transportasi
  • Jarak pengiriman
  • Regulasi
Pelayanan / Jasa
  • Tingkat kepegawaian
  • Kepuasan pelanggan
  • Permintaan layanan
  1. Struktur Kuantitatif Model.

Komponen-komponen dari model kuantitatif bekerja bersama-sama dengan sekumpulan pernyataan matematika seperti: persamaan atau pertidaksamaan.

Prinsip Pemilihan.

Dalam seleksi prinsip-prinsip pemilihan (kriteria evaluasi), terdapat dua tipe prinsip pemilihan yaitu normatif dan deskriptif.

  1. Model Normatif.

Mengimplikasikan bahwa alternatif yang terpilih adalah yang terbaik dari semua alternatif yang mungkin. Untuk mendapatkannya, harus mengecek semua alternatif dan membuktikan bahwa satu yang terpilih adalah benar-benar yang terbaik. Proses ini disebut dengan Optimisasi (bisa dilihat di bawah). Pada operasionalnya, optimisasi dapat dicapai dalam 1 diantara 3 cara:

  • Dapatkan level tertinggi pada tujuan yang ingin dicapai (maksimalisasi) dari kumpulan resource yang ada. Sebagai contoh, alternatif mana yang akan menghasilkan profit maksimal dari investasi $1,000,000.
  • Temukan alternatif dengan rasio tertinggi (maksimalisasi) pada tujuan biaya yang ingin dicapai (misal profit per dollar investasi), atau dengan kata lain memaksimalisasikan produktivitas.
  • Temukan alternatif dengan biaya terendah (atau resource lain) yang dapat memenuhi level tujuan yang dibutuhkan (minimalisasi). Sebagai contoh, jika tugasnya adalah membangun suatu produk dengan spesifikasi tertentu, metode mana yang akan bisa mewujudkannya dengan biaya terendah?

Model Optimisasi untuk model Naratif:

  • Assignment (best matching of objects).
  • Dynamic programming.
  • Goal programming.
  • Investment (maximize rate of return).
  • Linear programming.
  • Maintenance (minimize cost of maintenance).
  • Network models for planning and scheduling.
  • Nonlinear programming.
  • Replacement (capital budgeting).
  • Simple inventory models (e.g., economic order quantity).
  • Transportation (minimize cost of shipments).

Teori keputusan Normatif didasarkan pada asumsi berikut ini:

  • Manusia berpikiran ekonomis dalam hal memaksimalkan tujuannya; sehingga pengambil keputusan akan berpikir rasional.
  • Dalam pengambilan keputusan, semua alternatif dari tindakan dan konsekuensinya, atau paling tidak probabilitas dan nilai dari konsekuensi tersebut, sudah diketahui.
  • Pengambil keputusan mempunyai tugas atau acuan yang memungkinkan mereka meranking konsekuensi analisis yang diinginkan.

Dalam rangka mengurangi kompleksitas, mengurangi waktu kerja dan memudahkan analisis, maka seringkali optimisasi dibagi-bagi menjadi bagian yang lebih kecil/tertentu. Inilah yang disebut dengan suboptimisasi.

  1. Model Deskriptif:
  • Information flow.
  • Scenario analysis.
  • Financial planning.
  • Inventory management (complex).
  • Markov analysis (predictions).
  • Environmental impact analysis.
  • Simulation (different types).
  • Technological forecasting.
  • Waiting line management.

Sebagian besar pengambilan keputusan berkeinginan untuk mendapatkan solusi yang memuaskan, “sesuatu yang mendekati terbaik”. Pada mode “kepuasan” pengambil keputusan menyusun aspirasi, tujuan, atau level kinerja yang diinginkan dan mencari alternatif-alternatif sampai suatu hal ketemu yang memenuhi level ini. Alasan yang umum untuk mode ini adalah keterbatasan waktu atau derajat optimisasi yang dapat dicapai dengan memperhitungkan harga yang harus dibayar untuk mendapatkan informasi yang dibutuhkan. Konsep lain masih berhubungan adalah bounded rationality. Manusia memiliki kapasitas terbatas untuk berpikir rasional; maka ia menyusun model penyederhanaan dari situasi nyata sebagai pemecahannya.

Pengembangan (Penyediaan) Alternatif.

Pada model optimisasi (seperti linear programming) alternatif-alternatif yang ada disediakan secara otomatis oleh model. Namun demikian, pada kebanyakan situasi MSS, adalah perlu menyediakan alternatif-alternatif ini. Ini akan menjadi proses yang cukup lama yang melibatkan pencarian ide dan kreativitas yang memakan waktu yang cukup lama dan biaya yang cukup besar. Isu penting lain adalah kapan harus dihentikan penyediaan alternatif-alternatif ini.

Penyediaan berbagai alternatif tergantung juga pada ketersediaan dan biaya atas suatu informasi dan membutuhkan pakar di bidangnya. Ini adalah bagian formal terkecil dari pemecahan suatu masalah. Kreativitas digunakan disini, dan dapat dikembangkan dengan bertukar pendapat, sesi tanya jawab dalam kelompok, pengisian daftar-daftar, dan training khusus.

Pencarian alternatif ini juga biasanya datang setelah kriteria untuk pengevaluasian alternatif telah ditentukan. Urutan ini dapat mengurangi pencarian berbagai alternatif dan hasilnya dilibatkan dalam pengevaluasian alternatif tadi. Berbagai alternatif ini dapat disediakan dengan menggunakan cara heuristic. Sebagai contoh, pada real estate terdapat alternatif periode pembayaran.

Memprediksi Hasil dari Setiap Alternatif.

Pengambilan keputusan seringkali diklasifikasikan pada hal-hal mana seorang pengambil keputusan mengetahui (atau percaya) hasil yang akan terjadi. Pengetahuan ini bisa dibagi dalam 3 kategori, mulai dari pengetahuan komplit di sisi kiri dan makin ke kanan makin tak jelas.

Gambar 3. 4 Prediksi Hasil Pengambilan Keputusan

Secara khusus kategorinya adalah:

  • Certainty
  • Risk
  • Uncertainty

Pengukuran Hasil (Level Pencapaian Tujuan).

Nilai dari berbagai alternatif dapat dilihat pada pencapain tujuan. Terkadang suatu hasil dinyatakan secara langsung dengan istilah tujuan itu sendiri. Sebagai contoh, profit adalah hasil, dimana maksimalisasi profit adalah tujuan, dan keduanya dinyatakan dalam istilah dollar. Pada kasus lain suatu hasil dapat dinyatakan dalam istilah lain yang berbeda dengan tujuan.

Skenario memegang peranan yang penting dalam MSS, karena:

  • Membantu mengidentifikasi berbagai kesempatan potensial dan/atau daerah permasalahan.
  • Menyediakan fleksibelitas dalam perencanaan.
  • Mengidentifikasi titik puncak perubahan yang seharusnya dimonitor manajer.
  • Membantu memvalidasi asumsi dasar yang digunakan dalam pemodelan.
  • Membantu untuk meneliti sensitivitas dari solusi yang ditawarkan dalam perubahan yang terjadi pada skenario.

Banyak sekali skenario yang mungkin untuk setiap keputusan, dimana skenario yang mungkin mencakup:

  • Skenario terburuk yang mungkin.
  • Skenario terbaik yang mungkin.
  • Skenario yang mungkin dilakukan.

The Choice Phase.

Pendekatan pencarian pilihan ada 2:

  • Teknis analitis.

Menggunakan perumusan matematis.

  • Algoritma.

Langkah demi langkah proses.

Gambar 3. 5 Perbedaan antara Metode Pencarian Analitis, Pencarian Buta, dan Pencarian Heuristik

Gambar 3. 6 Diagram Proses yang Menggunakan Algoritma

Evaluasi: Multiple Goals, Analisis Sensitivitas, “What-If,” dan Pencarian Tujuan.

Berbagai metode yang menangani tujuan yang jamak dapat digunakan pada saat bekerja dengan MSS. Umumnya adalah:

  • Penggunaan teori utilitas.
  • Goal Programming.
  • Pernyataan goal sebagai constraint, menggunakan linear programming.
  • Penggunaan point system.

Multiple Goals.

Analisis multiple goal melibatkan kesulitan-kesulitan di bawah ini:

    1. Biasanya sulit untuk mendapatkan statemen eksplisit dari tujuan organisasi.
    2. Beberapa partisipan memandang kepentingan (prioritas) dari berbagai goal dengan cara yang berbeda-beda.
    3. Pengambil keputusan merubah kepentingan yang dijadikan tujuan seiring dengan berjalannya waktu atau untuk situasi pengambilan keputusan yang berbeda.
    4. Goal dan subgoal dipandang secara berbeda pada level organisasi yang berbeda-beda dan pada departemen yang berbeda pula.
    5. Goal itu sendiri bersifat dinamis dalam menghadapi perubahan di organisasi dan lingkungannya.
    6. Hubungan antara berbagai alternatif dan akibatnya pada tujuan sulit untuk dikuantifikasikan.
    7. Permasalahan yang kompleks dipecahkan oleh kelompok-kelompok pengambil keputusan.

Analisis Sensitivitas.

Mengecek hubungan antara:

  1. Efek dari ketidakpastian dalam memperkirakan variabel eksternal.
  2. Efek dari interaksi yang berbeda diantara berbagai variabel.
  3. Banyaknya keputusan yang dihasilkan pada kondisi yang berubah-ubah.
  4. Akibat perubahan di variabel eksternal (uncontrollable) dan parameter pada variabel hasil.
  5. Akibat perubahan di variabel keputusan pada variabel hasil.
  6. Revisi model untuk mengeliminasi sensitivitas yang terlalu besar.
  7. Penambahan detil mengenai berbagai variabel atau skenario yang sensitif.
  8. Perolehan perkiraan yang lebih baik dari variabel eksternal yang sensitif.
  9. Perubahan sistem di dunia nyata untuk mengurangi sensitivitas aktual.
  10. Menghadapi dunia nyata yang sensitif (dan lalu rapuh), memonitor hasil aktual secara terus menerus dan hati-hati.

Dua tipe analisis sensitivitas:

  1. Automatic Sensitivity Analysis. Terdapat model kuantitatif standar seperti linear programming. Sebagai contoh, hal ini bisa memberitahu manajer pada range mana variabel input yang pasti (misal, unit cost) berbeda, tanpa menimbulkan akibat yang signifikan pada solusi yang ditawarkan. Biasanya terbatas pada satu perubahan di saat yang bersamaan, dan hanya untuk variabel yang pasti. Namun demikian hal ini sangat berguna disebabkan kemampuannya yang cepat untuk menentukan range dan batas (dan dengan atau tanpa perubahan kecil pada hasil komputasinya).
  2. Trial and Error. Akibat perubahan pada satu/beberapa variabel dapat ditentukan melalui pendekatan trial-and-error. Kita dapat melakukan perubahan pada input data dan mencoba kembali pemecahan masalah. Dengan mengulang hal ini beberapa kali, solusi yang makin lama makin baik akan ditemukan. 2 pendekatan metode ini adalah: “what-if” dan goal seeking.

“What-If” Analysis.

Analisis ini berangkat dari pertanyaan: “Apa yang akan terjadi pada solusi yang dihasilkan jika suatu variabel input, asumsi, atau nilai sebuah parameter berubah?”

Contoh:

  • Apa yang akan terjadi pada biaya inventory total jika biaya pengangkutan ke inventory meningkat 10 persen?
  • Apa yang akan terjadi pada market share jika biaya iklan meningkat 5 persen?

Goal Seeking

  • Analisis ini mengecek input yang diperlukan untuk mendapatkan level yang diinginkan pada suatu output (goal). Merepresentasikan pendekatan solusi “backward”. Contohnya:
  • Budget berapakah yang diperlukan untuk R & D per tahun pada angka pertumbuhan 4 persen tahun 2003?
  • Berapa banyak perawat yang diperlukan untuk mengurangi waktu tunggu pasien di kamar gawat darurat sampai nilainya kurang dari 10 menit?
  • Berapa banyak auditor yang diperlukan untuk menyelesaikan proses auditing pada tanggal 30 September 2002 ini?

Menghitung BEP (Break Event Point) menggunakan Goal Seeking.

Caranya dengan menemukan jumlah produksi yang diperlukan untuk menghasilkan keuntungan nol. Analisis Sensitivitas penting dilakukan, sebab hal ini dapat meningkatkan kepercayaan pada model dan hal itu meningkatkan keberhasilan implementasi analisis kuantitatif. Pada kebanyakan CBIS, analisis ini terkadang sulit sebab rutin-rutin program yang tersedia kurang memadai untuk menampilkan proses “what-if”. Dalam DSS option “what-if” dan goal seeking mudah saja dilakukan dan sistem ini menyediakan peluang yang fleksibel dan mudah beradaptasi.

Critical Succes Factors (CSF)

Critical Success Factors (CSF) berhubungan dengan “Choice”. Merupakan teknis diagnostik untuk mengidentifikasi faktor-faktor yang kritis terhadap pencapaian tujuan organisasi. Semua pihak eksekutif terlibat di sini. Sekali faktor ini ditentukan maka mudah mengidentifikasi kesenjangan informasi, untuk menemukan kembali faktor-faktor kritis mana yang belum didukung oleh sistem informasi yang sekarang.

Implementasi dan Dukungan Keputusan

Implementasi dari solusi masalah yang ditawarkan adalah mengawali hal yang baru, atau dalam bahasa modern – pengenalan perubahan. Proses pengambilan keputusan memang dikendalikan oleh manusia, tapi hal ini dapat berkembang jika didukung oleh komputer.

Dukungan pada Intelligence Phase.

Gambar 3. 7 Dukungan pada Intelligence Phase.

Dukungan pada Design Phase.

Tabel 3. 3 Elemen-Elemen Laporan Pada Design Phase

Laporan Penggunaan Temuan Permasalahan
Ringkasan Kinerja saat ini dirangkum oleh ekspektasi yang diberikan oleh pengguna laporan.
Perbandingan Laporan tersebut memiliki perbandingan eksplisit dengan ekspektasi kinerja saat ini:

  • Perbandingan dengan rencana, anggaran, atau standar. Varian (dari standar) laporan.
  • Perbandingan dengan pesaing, rata-rata industri, dan standar serta ukuran ekstra organisasi lainnya.
  • Laporan pengecualian.
Prediksi Prakiraan kinerja masa depan:

  • Prediksi berdasarkan anggaran, model perencanaan, atau rasio historis.
  • Prediksi berdasarkan data yang disesuaikan secara musiman (atau metode lain).
  • Perkiraan kinerja saat ini hingga akhir periode perencanaan.
Konfirmasi Item data yang memungkinkan pengguna untuk memvalidasi atau mengaudit laporan untuk memberikan jaminan bahwa itu sesuai dengan detail yang mendasari atau data lain yang tersedia bagi pengguna. Konfirmasi dapat menggunakan data historis, data perencanaan, atau data dari tempat lain dalam organisasi.

 

Dukungan pada Choice Phase.

Suatu DSS menurut definisinya adalah merekomendasikan tetapi tidak membuat suatu pilihan. Sebagai tambahan untuk menggunakan model yang secara cepat mengidentifikasi alternatif terbaik atau “good enough”, DSS dapat mendukung choice phase melalui analisis “what-if” dan goal-seeking. Skenario-skenario yang berbeda dapat dites untuk pilihan yang diinginkan yang bisa memperkuat keputusan akhir.

Sedangkan suatu ES dapat digunakan untuk membantu solusi yang diharapkan sebagai rekomendasi pada solusi yang layak.

Dukungan pada Implementasi Keputusan.

Pada fase ini ternyata keuntungan yang didapat dari DSS juga sepenting atau malah lebih penting dibandingkan penggunaan DSS pada fase-fase sebelumnya. Keuntungannya adalah dalam memberikan ketajaman dan detil dari analisis dan output yang dihasilkan. Untuk ES, jelas implementasi keputusan di dukung olehnya. Kelebihan ES yaitu ES dapat berfungsi sebagai sistem penasehat berkaitan dengan implementasi masalah ini. Terakhir ES menyediakan training yang menjadikan segala yang diimplementasikan lebih mudah dan mulus.

Human Cognition, Manusia dan Gaya Keputusan.

Cognition adalah aktifitas suatu individu dalam mengatasi perbedaan antara cara pandangnya dari dalam lingkungan dan apa yang memang benar-benar ada dalam lingkungan itu. Dengan kata lain, kemampuan untuk mempersepsi dan memahami informasi. Cognitive style mengacu pada proses subyektif dimana individu mempersepsi, mengorganisasi, dan mengubah informasi selama proses pengambilan keputusan. Gaya ini mulai dari yang paling heuristic sampai yang paling analitis, sehingga banyak kombinasinya.

Gaya Keputusan.

Perilaku pengambil keputusan berpikir dan bereaksi terhadap suatu masalah, bagaimana mereka mempersepsi, respon pemahamannya, nilai-nilai dan kepercayaan yang dianut, berbeda-beda dari satu individu ke individu yang lain dan juga dari situasi ke situasi yang lain. Sehingga tiap orang akan membuat keputusan yang berbeda-beda. Perilaku bagaimana manajer mengambil keputusan (dan bagaimana mereka berinteraksi dengan orang lain) menjelaskan gaya keputusan mereka. Bisa autocratic atau malah democratic; ada juga yang consultative (dengan orang atau group lain) serta yang lain heuristic.

Pengambilan keputusan dalam kelompok.

Memang perhatian utama dalam pembahasan ini adalah pengambilan keputusan oleh seseorang, tapi sebagaimana yang terjadi di dunia nyata, banyak keputusan diambil oleh sekelompok orang. Suatu program komputer dapat dikembangkan untuk mengatasi hal ini, dan ini bisa saja disebut dengan Organizational DSS.

Daftar Pustaka:

  • Alinezhad, A., & Khalili, J. (2019). New Methods and Applications in Multiple Attribute Decision Making (MADM) (1st ed.). Switzerland: Springer.
  • Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan (1st ed.). Yogyakarta: Penerbit ANDI.
  • Nofriansyah, D., & Defit, S. (2017). Multi Criteria Decison Making (MCDM) pada Sistem Pendukung Keputusan. Yogyakarta: DeePublish.
  • Turban, E., Aronson, J. E., & Liang, T.-P. (2007). Decision Support Systems and Intelligent Systems (7th ed.). New Delhi: Prentice-Hall, Inc.
  • Tzeng, G.-H., & Huang, J.-J. (2011). Multiple Attribute Decision Making, Method and Applications (1st ed.). Abingdon, UK: Taylor & Francis Group.

TINJAUAN

  1. Masalah
  2. Keputusan
  3. Pembuatan Keputusan Manajemen
  4. Tahap-tahap Pembuatan Keputusan
  5. Kondisi Pengambilan Keputusan
  6. Sistem
  7. Model
  8. Proses Pemodelan.
  9. Intelligence Phase
  10. Design Phase
    1. Prinsip Pemilihan.
    2. Pengembangan (Penyediaan) Alternatif.
    3. Memprediksi Hasil dari Setiap Alternatif.
    4. Pengukuran Hasil (Level Pencapaian Tujuan).
  11. The Choice Phase.
  12. Evaluasi: Multiple Goals, Analisis Sensitivitas, “What-If,” dan Pencarian Tujuan.
    1. Multiple Goals.
    2. Analisis Sensitivitas.
    3. “What-If” Analysis.
    4. Goal Seeking
    5. Menghitung BEP (Break Event Point) menggunakan Goal Seeking.
  13. Critical Succes Factors (CSF)
  14. Implementasi dan Dukungan Keputusan
    1. Dukungan pada Intelligence Phase.
    2. Dukungan pada Design Phase.
    3. Dukungan pada Choice Phase.
    4. Dukungan pada Implementasi Keputusan.
  15. Human Cognition, Manusia dan Gaya Keputusan.

MATERI

Masalah

Masalah merupakan suatu kondisi yang berpotensi menimbulkan kerugian luar biasa atau menghasilkan keuntungan luar biasa. Tindakan memberi respons terhadap masalah untuk menekan akibat buruknya atau memanfaatkan peluang keuntungannya disebut pemecahan masalah. Pentingnya pemecahan masalah bukan didasarkan pada jumlah waktu yang dihabiskan, tetapi pada konsekuensinya, yaitu apakah pemecahan masalah tersebut bisa menekan sebanyak mungkin kemungkinan kerugian atau memperoleh sebesar mungkin kemungkinan keuntungan.

Keputusan

Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam pemecahan masalah tersebut. Tindakan memilih strategi atau aksi yang diyakini manajer akan memberikan solusi terbaik atas sesuatu itu disebut pengambilan keputusan. Tujuan dari keputusan adalah untuk mencapai target atau aksi tertentu yang harus dilakukan.

Kriteria atau ciri-ciri dari keputusan adalah:

    1. Banyak pilihan/alternatif
    2. Ada kendala atau syarat
    3. Mengikuti suatu pola/model tingkah laku, baik yang terstruktur maupun tidak terstruktur
    4. Banyak input/variabel
    5. Ada faktor risiko

Pembuatan Keputusan Manajemen

Keputusan yang diambil manajer bisa berbeda-beda sesuai tingkat manajemennya. Dalam Gambar berikut, digambarkan tingkatan manajemen dalam organisasi.

Level yang paling atas adalah manajemen strategis, yang terdiri atas personil senior dari manajemen tingkat atas. Kegiatannya adalah memilih tujuan-tujuan jangka panjang, mengalokasikan sumber daya, dan menyusun kebijaksanaan-kebijaksanaan yang diperlukan untuk mencapai tujuan-tujuan tersebut. Misalnya, manajemen menentukan produk-produk apa saja yang akan dijual dan pasar mana yang akan dijadikan sasaran.

Level di bawah level manajemen strategis, yaitu level manajemen taktis, terdiri dari personil manajemen tingkat menengah. Kegiatan dalam level manajemen tersebut adalah menerjemahkan tujuan-tujuan jangka panjang ke dalam rencana-rencana dan tujuan-tujuan yang lebih detail dan lebih kuantitatif (dapat diukur) untuk bagian-bagian operasi. Contoh kegiatan pada level ini adalah menentukan target produksi untuk setiap produk.

Pada level yang paling bawah terdapat manajemen operasi. Jumlah manajer dalam level ini paling banyak dibandingkan dengan level yang lainnya. Aktivitasnya adalah mengamati kegiatan sehari-hari dan memastikan diikutinya rencana-rencana dan tercapainya tujuan. Contoh kegiatan manajemen pada level ini adalah mengamati kegiatan manufaktur sehari-hari untuk memastikan tercapainya kuota produksi.

Tahap-tahap Pembuatan Keputusan

Dalam mengambil keputusan dilakukan langkah-langkah sehagai berikut:

    1. Identifikasi masalah
    2. Pemilihan metode pemecahan masalah
    3. Pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan tersebut
    4. Mengimplementasikan model tersebut
    5. Mengevaluasi sisi positif dari setiap alternatif yang ada
    6. Melaksanakan solusi terpilih

Kondisi Pengambilan Keputusan

Ada beberapa keadaan yang mungkin dialami oleh pengambil keputusan ketika mengambil keputusan. yaitu:

    1. Pengambilan keputusan dalam kepastian, semua alternatif diketahui secara pasti.
    2. Pengambilan keputusan dalam berbagai tingkat risiko yang dipilih
    3. Pengambilan keputusan dalam kondisi ketidakpastian, ada alternatif yang tidak diketahui dengan jelas

Tentu saja, pengambilan keputusan akan menjadi mudah jika dilakukan dengan suatu kepastian.

Sistem

DSS, GDSS, EIS, dan ES melibatkan satu istilah yaitu sistem. Sistem adalah kumpulan dari obyek-obyek seperti orang, resources, konsep, dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface. Sistem terdiri dari input, proses, dan output. Sistem dan lingkungannya dapat dilihat pada Gambar 3. 1.

  • Input adalah semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer.
  • Proses adalah proses transformasi elemen-elemen dari input menjadi output.
  • Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.
  • Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. Dari informasi ini, pengambil keputusan, yang bertindak sebagai pengontrol, bisa memutuskan untuk memodifikasi input, atau proses, atau malah keduanya.
  • Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input, output, atau pun proses. Namun, mereka dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini, maka elemen tersebut harus dimasukkan sebagai bagian dari environment. Contoh: sosial, politik, hukum, aspek fisik, dan ekonomi.
  • Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Sistem ada di dalam boundary, dimana environment ada di luarnya. Bisa secara fisik, misalnya sistem adalah sebuah departemen di Gedung C atau non fisik, misalnya suatu sistem di batasi oleh waktu tertentu.

Gambar 3. 1 Sistem dan Lingkungannya

Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Sistem ini secara penuh mandiri, tak tergantung sama sekali. Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Sistem ini menerima input (informasi, energi, material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut.

Terdapat dua ukuran utama dari sistem adalah efektivitas dan efisiensi. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. Ini mengacu pada hasil atau output dari suatu sistem dimana memiliki sifat “doing the right thing”. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan sebagai contoh, seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. Hal ini memiliki sifat “doing the thing right”.

Tabel 3. 1 Perbedaan antara Sistem Inventory Tertutup dan Terbuka

Management Science, EOQ (Closed System) DSS (Open System)
Permintaan konstan, biaya per unit konstan, waktu tunggu konstan. Permintaan variabel dipengaruhi oleh banyak faktor; biaya dapat berubah setiap hari; lead time bervariasi dan sulit diprediksi.
Vendor dan pengguna dikecualikan dari analisis. Vendor dan pengguna sedang dipertimbangkan.
Faktor cuaca dan lingkungan lainnya diabaikan. Kondisi cuaca dapat menentukan permintaan dan waktu tunggu.

Model

Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. Model adalah representasi sederhana atau penggambaran dari kenyataan. Terdapat 3 jenis model:

    1. Iconic (Scale).

Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. GUI pada OOPL adalah contoh dari model ini.

    1. Analog.

Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.

    1. Matematis (Kuantitatif).

Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog, karena kalau pun bisa akan memakan waktu lama dan sulit. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.

Keuntungan Model.

Berikut merupakan alasan utama mengapa MSS menggunakan model:

  1. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya.
  2. Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.
  3. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi.
  4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.
  5. Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.
  6. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan-kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. Dengan adanya komunikasi dan teknologi canggih sekarang ini, manajer akan seringkali memiliki alternatif-alternatif pilihan.
  7. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.

Proses Pemodelan.

Berikut ini adalah proses yang terjadi pada pemodelan:

  • Trial and error dengan sistem nyata. Tapi ini tak berjalan bila:
    1. Terlalu banyak alternatif untuk dicoba.
    2. Akibat samping dari error yang terjadi besar pengaruhnya.
    3. Lingkungan itu sendiri selalu berubah.
  • Simulasi.
  • Optimisasi
  • Heuristic.

Gambar 3. 2 Proses Pemodelan dalam Pengambilan Keputusan

Intelligence Phase

Proses yang terjadi pada fase ini adalah:

  • Menemukan masalah.
  • Klasifikasi masalah.
  • Penguraian masalah.
  • Kepemilikan masalah.

Design Phase

Tahap ini meliputi pembuatan, pengembangan, dan analisis hal-hal yang mungkin untuk dilakukan. Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Juga model dari masalahnya dirancang, dites, dan divalidasi. Tugas-tugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan, yaitu:

  • Komponen-komponen model.
  • Struktur model.
  • Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
  • Pengembangan (penyediaan) alternatif.
  • Prediksi hasil.
  • Pengukuran hasil.
  • Skenario.
  1. Komponen-komponen Model Kuantitatif.

Gambar 3. 3 Struktur Umum Model Kuantitatif

Tabel 3. 2 Contoh-contoh dari Komponen Model

Area Variabel Keputusan Variabel Hasil Variabel dan Parameter Tak Terkendali
Investasi keuangan
  • Alternatif dan jumlah investasi
  • Jangka waktu investasi
  • Waktu investasi
  • Total keuntungan
  • Tingkat pengembalian
  • Pendapatan per saham
  • Tingkat likuiditas
  • Total keuntungan
  • Tingkat pengembalian
  • Pendapatan per saham
  • Tingkat likuiditas
Pemasaran
  • Anggaran iklan
  • Produk campuran
  • Saham
  • Kepuasan pelanggan
  • Pendapatan pelanggan
  • Tindakan pesaing
Manufaktur
  • Produk dan jumlah
  • Tingkat persediaan
  • Program kompensasi
  • Total biaya
  • Level kualitas
  • Kepuasan karyawan
  • Kapasitas mesin
  • Teknologi
  • Harga bahan
Akuntansi
  • Penggunaan komputer
  • Jadwal audit
  • Jadwal penyusutan
  • Biaya pemrosesan data
  • Tingkat kesalahan
  • Teknologi komputer
  • Tarif pajak
  • Persyaratan resmi
Transportasi
  • Jadwal pengiriman
  • Total biaya transportasi
  • Jarak pengiriman
  • Regulasi
Pelayanan / Jasa
  • Tingkat kepegawaian
  • Kepuasan pelanggan
  • Permintaan layanan
  1. Struktur Kuantitatif Model.

Komponen-komponen dari model kuantitatif bekerja bersama-sama dengan sekumpulan pernyataan matematika seperti: persamaan atau pertidaksamaan.

Prinsip Pemilihan.

Dalam seleksi prinsip-prinsip pemilihan (kriteria evaluasi), terdapat dua tipe prinsip pemilihan yaitu normatif dan deskriptif.

  1. Model Normatif.

Mengimplikasikan bahwa alternatif yang terpilih adalah yang terbaik dari semua alternatif yang mungkin. Untuk mendapatkannya, harus mengecek semua alternatif dan membuktikan bahwa satu yang terpilih adalah benar-benar yang terbaik. Proses ini disebut dengan Optimisasi (bisa dilihat di bawah). Pada operasionalnya, optimisasi dapat dicapai dalam 1 diantara 3 cara:

  • Dapatkan level tertinggi pada tujuan yang ingin dicapai (maksimalisasi) dari kumpulan resource yang ada. Sebagai contoh, alternatif mana yang akan menghasilkan profit maksimal dari investasi $1,000,000.
  • Temukan alternatif dengan rasio tertinggi (maksimalisasi) pada tujuan biaya yang ingin dicapai (misal profit per dollar investasi), atau dengan kata lain memaksimalisasikan produktivitas.
  • Temukan alternatif dengan biaya terendah (atau resource lain) yang dapat memenuhi level tujuan yang dibutuhkan (minimalisasi). Sebagai contoh, jika tugasnya adalah membangun suatu produk dengan spesifikasi tertentu, metode mana yang akan bisa mewujudkannya dengan biaya terendah?

Model Optimisasi untuk model Naratif:

  • Assignment (best matching of objects).
  • Dynamic programming.
  • Goal programming.
  • Investment (maximize rate of return).
  • Linear programming.
  • Maintenance (minimize cost of maintenance).
  • Network models for planning and scheduling.
  • Nonlinear programming.
  • Replacement (capital budgeting).
  • Simple inventory models (e.g., economic order quantity).
  • Transportation (minimize cost of shipments).

Teori keputusan Normatif didasarkan pada asumsi berikut ini:

  • Manusia berpikiran ekonomis dalam hal memaksimalkan tujuannya; sehingga pengambil keputusan akan berpikir rasional.
  • Dalam pengambilan keputusan, semua alternatif dari tindakan dan konsekuensinya, atau paling tidak probabilitas dan nilai dari konsekuensi tersebut, sudah diketahui.
  • Pengambil keputusan mempunyai tugas atau acuan yang memungkinkan mereka meranking konsekuensi analisis yang diinginkan.

Dalam rangka mengurangi kompleksitas, mengurangi waktu kerja dan memudahkan analisis, maka seringkali optimisasi dibagi-bagi menjadi bagian yang lebih kecil/tertentu. Inilah yang disebut dengan suboptimisasi.

  1. Model Deskriptif:
  • Information flow.
  • Scenario analysis.
  • Financial planning.
  • Inventory management (complex).
  • Markov analysis (predictions).
  • Environmental impact analysis.
  • Simulation (different types).
  • Technological forecasting.
  • Waiting line management.

Sebagian besar pengambilan keputusan berkeinginan untuk mendapatkan solusi yang memuaskan, “sesuatu yang mendekati terbaik”. Pada mode “kepuasan” pengambil keputusan menyusun aspirasi, tujuan, atau level kinerja yang diinginkan dan mencari alternatif-alternatif sampai suatu hal ketemu yang memenuhi level ini. Alasan yang umum untuk mode ini adalah keterbatasan waktu atau derajat optimisasi yang dapat dicapai dengan memperhitungkan harga yang harus dibayar untuk mendapatkan informasi yang dibutuhkan. Konsep lain masih berhubungan adalah bounded rationality. Manusia memiliki kapasitas terbatas untuk berpikir rasional; maka ia menyusun model penyederhanaan dari situasi nyata sebagai pemecahannya.

Pengembangan (Penyediaan) Alternatif.

Pada model optimisasi (seperti linear programming) alternatif-alternatif yang ada disediakan secara otomatis oleh model. Namun demikian, pada kebanyakan situasi MSS, adalah perlu menyediakan alternatif-alternatif ini. Ini akan menjadi proses yang cukup lama yang melibatkan pencarian ide dan kreativitas yang memakan waktu yang cukup lama dan biaya yang cukup besar. Isu penting lain adalah kapan harus dihentikan penyediaan alternatif-alternatif ini.

Penyediaan berbagai alternatif tergantung juga pada ketersediaan dan biaya atas suatu informasi dan membutuhkan pakar di bidangnya. Ini adalah bagian formal terkecil dari pemecahan suatu masalah. Kreativitas digunakan disini, dan dapat dikembangkan dengan bertukar pendapat, sesi tanya jawab dalam kelompok, pengisian daftar-daftar, dan training khusus.

Pencarian alternatif ini juga biasanya datang setelah kriteria untuk pengevaluasian alternatif telah ditentukan. Urutan ini dapat mengurangi pencarian berbagai alternatif dan hasilnya dilibatkan dalam pengevaluasian alternatif tadi. Berbagai alternatif ini dapat disediakan dengan menggunakan cara heuristic. Sebagai contoh, pada real estate terdapat alternatif periode pembayaran.

Memprediksi Hasil dari Setiap Alternatif.

Pengambilan keputusan seringkali diklasifikasikan pada hal-hal mana seorang pengambil keputusan mengetahui (atau percaya) hasil yang akan terjadi. Pengetahuan ini bisa dibagi dalam 3 kategori, mulai dari pengetahuan komplit di sisi kiri dan makin ke kanan makin tak jelas.

Gambar 3. 4 Prediksi Hasil Pengambilan Keputusan

Secara khusus kategorinya adalah:

  • Certainty
  • Risk
  • Uncertainty

Pengukuran Hasil (Level Pencapaian Tujuan).

Nilai dari berbagai alternatif dapat dilihat pada pencapain tujuan. Terkadang suatu hasil dinyatakan secara langsung dengan istilah tujuan itu sendiri. Sebagai contoh, profit adalah hasil, dimana maksimalisasi profit adalah tujuan, dan keduanya dinyatakan dalam istilah dollar. Pada kasus lain suatu hasil dapat dinyatakan dalam istilah lain yang berbeda dengan tujuan.

Skenario memegang peranan yang penting dalam MSS, karena:

  • Membantu mengidentifikasi berbagai kesempatan potensial dan/atau daerah permasalahan.
  • Menyediakan fleksibelitas dalam perencanaan.
  • Mengidentifikasi titik puncak perubahan yang seharusnya dimonitor manajer.
  • Membantu memvalidasi asumsi dasar yang digunakan dalam pemodelan.
  • Membantu untuk meneliti sensitivitas dari solusi yang ditawarkan dalam perubahan yang terjadi pada skenario.

Banyak sekali skenario yang mungkin untuk setiap keputusan, dimana skenario yang mungkin mencakup:

  • Skenario terburuk yang mungkin.
  • Skenario terbaik yang mungkin.
  • Skenario yang mungkin dilakukan.

The Choice Phase.

Pendekatan pencarian pilihan ada 2:

  • Teknis analitis.

Menggunakan perumusan matematis.

  • Algoritma.

Langkah demi langkah proses.

Gambar 3. 5 Perbedaan antara Metode Pencarian Analitis, Pencarian Buta, dan Pencarian Heuristik

Gambar 3. 6 Diagram Proses yang Menggunakan Algoritma

Evaluasi: Multiple Goals, Analisis Sensitivitas, “What-If,” dan Pencarian Tujuan.

Berbagai metode yang menangani tujuan yang jamak dapat digunakan pada saat bekerja dengan MSS. Umumnya adalah:

  • Penggunaan teori utilitas.
  • Goal Programming.
  • Pernyataan goal sebagai constraint, menggunakan linear programming.
  • Penggunaan point system.

Multiple Goals.

Analisis multiple goal melibatkan kesulitan-kesulitan di bawah ini:

    1. Biasanya sulit untuk mendapatkan statemen eksplisit dari tujuan organisasi.
    2. Beberapa partisipan memandang kepentingan (prioritas) dari berbagai goal dengan cara yang berbeda-beda.
    3. Pengambil keputusan merubah kepentingan yang dijadikan tujuan seiring dengan berjalannya waktu atau untuk situasi pengambilan keputusan yang berbeda.
    4. Goal dan subgoal dipandang secara berbeda pada level organisasi yang berbeda-beda dan pada departemen yang berbeda pula.
    5. Goal itu sendiri bersifat dinamis dalam menghadapi perubahan di organisasi dan lingkungannya.
    6. Hubungan antara berbagai alternatif dan akibatnya pada tujuan sulit untuk dikuantifikasikan.
    7. Permasalahan yang kompleks dipecahkan oleh kelompok-kelompok pengambil keputusan.

Analisis Sensitivitas.

Mengecek hubungan antara:

  1. Efek dari ketidakpastian dalam memperkirakan variabel eksternal.
  2. Efek dari interaksi yang berbeda diantara berbagai variabel.
  3. Banyaknya keputusan yang dihasilkan pada kondisi yang berubah-ubah.
  4. Akibat perubahan di variabel eksternal (uncontrollable) dan parameter pada variabel hasil.
  5. Akibat perubahan di variabel keputusan pada variabel hasil.
  6. Revisi model untuk mengeliminasi sensitivitas yang terlalu besar.
  7. Penambahan detil mengenai berbagai variabel atau skenario yang sensitif.
  8. Perolehan perkiraan yang lebih baik dari variabel eksternal yang sensitif.
  9. Perubahan sistem di dunia nyata untuk mengurangi sensitivitas aktual.
  10. Menghadapi dunia nyata yang sensitif (dan lalu rapuh), memonitor hasil aktual secara terus menerus dan hati-hati.

Dua tipe analisis sensitivitas:

  1. Automatic Sensitivity Analysis. Terdapat model kuantitatif standar seperti linear programming. Sebagai contoh, hal ini bisa memberitahu manajer pada range mana variabel input yang pasti (misal, unit cost) berbeda, tanpa menimbulkan akibat yang signifikan pada solusi yang ditawarkan. Biasanya terbatas pada satu perubahan di saat yang bersamaan, dan hanya untuk variabel yang pasti. Namun demikian hal ini sangat berguna disebabkan kemampuannya yang cepat untuk menentukan range dan batas (dan dengan atau tanpa perubahan kecil pada hasil komputasinya).
  2. Trial and Error. Akibat perubahan pada satu/beberapa variabel dapat ditentukan melalui pendekatan trial-and-error. Kita dapat melakukan perubahan pada input data dan mencoba kembali pemecahan masalah. Dengan mengulang hal ini beberapa kali, solusi yang makin lama makin baik akan ditemukan. 2 pendekatan metode ini adalah: “what-if” dan goal seeking.

“What-If” Analysis.

Analisis ini berangkat dari pertanyaan: “Apa yang akan terjadi pada solusi yang dihasilkan jika suatu variabel input, asumsi, atau nilai sebuah parameter berubah?”

Contoh:

  • Apa yang akan terjadi pada biaya inventory total jika biaya pengangkutan ke inventory meningkat 10 persen?
  • Apa yang akan terjadi pada market share jika biaya iklan meningkat 5 persen?

Goal Seeking

  • Analisis ini mengecek input yang diperlukan untuk mendapatkan level yang diinginkan pada suatu output (goal). Merepresentasikan pendekatan solusi “backward”. Contohnya:
  • Budget berapakah yang diperlukan untuk R & D per tahun pada angka pertumbuhan 4 persen tahun 2003?
  • Berapa banyak perawat yang diperlukan untuk mengurangi waktu tunggu pasien di kamar gawat darurat sampai nilainya kurang dari 10 menit?
  • Berapa banyak auditor yang diperlukan untuk menyelesaikan proses auditing pada tanggal 30 September 2002 ini?

Menghitung BEP (Break Event Point) menggunakan Goal Seeking.

Caranya dengan menemukan jumlah produksi yang diperlukan untuk menghasilkan keuntungan nol. Analisis Sensitivitas penting dilakukan, sebab hal ini dapat meningkatkan kepercayaan pada model dan hal itu meningkatkan keberhasilan implementasi analisis kuantitatif. Pada kebanyakan CBIS, analisis ini terkadang sulit sebab rutin-rutin program yang tersedia kurang memadai untuk menampilkan proses “what-if”. Dalam DSS option “what-if” dan goal seeking mudah saja dilakukan dan sistem ini menyediakan peluang yang fleksibel dan mudah beradaptasi.

Critical Succes Factors (CSF)

Critical Success Factors (CSF) berhubungan dengan “Choice”. Merupakan teknis diagnostik untuk mengidentifikasi faktor-faktor yang kritis terhadap pencapaian tujuan organisasi. Semua pihak eksekutif terlibat di sini. Sekali faktor ini ditentukan maka mudah mengidentifikasi kesenjangan informasi, untuk menemukan kembali faktor-faktor kritis mana yang belum didukung oleh sistem informasi yang sekarang.

Implementasi dan Dukungan Keputusan

Implementasi dari solusi masalah yang ditawarkan adalah mengawali hal yang baru, atau dalam bahasa modern – pengenalan perubahan. Proses pengambilan keputusan memang dikendalikan oleh manusia, tapi hal ini dapat berkembang jika didukung oleh komputer.

Dukungan pada Intelligence Phase.

Gambar 3. 7 Dukungan pada Intelligence Phase.

Dukungan pada Design Phase.

Tabel 3. 3 Elemen-Elemen Laporan Pada Design Phase

Laporan Penggunaan Temuan Permasalahan
Ringkasan Kinerja saat ini dirangkum oleh ekspektasi yang diberikan oleh pengguna laporan.
Perbandingan Laporan tersebut memiliki perbandingan eksplisit dengan ekspektasi kinerja saat ini:

  • Perbandingan dengan rencana, anggaran, atau standar. Varian (dari standar) laporan.
  • Perbandingan dengan pesaing, rata-rata industri, dan standar serta ukuran ekstra organisasi lainnya.
  • Laporan pengecualian.
Prediksi Prakiraan kinerja masa depan:

  • Prediksi berdasarkan anggaran, model perencanaan, atau rasio historis.
  • Prediksi berdasarkan data yang disesuaikan secara musiman (atau metode lain).
  • Perkiraan kinerja saat ini hingga akhir periode perencanaan.
Konfirmasi Item data yang memungkinkan pengguna untuk memvalidasi atau mengaudit laporan untuk memberikan jaminan bahwa itu sesuai dengan detail yang mendasari atau data lain yang tersedia bagi pengguna. Konfirmasi dapat menggunakan data historis, data perencanaan, atau data dari tempat lain dalam organisasi.

 

Dukungan pada Choice Phase.

Suatu DSS menurut definisinya adalah merekomendasikan tetapi tidak membuat suatu pilihan. Sebagai tambahan untuk menggunakan model yang secara cepat mengidentifikasi alternatif terbaik atau “good enough”, DSS dapat mendukung choice phase melalui analisis “what-if” dan goal-seeking. Skenario-skenario yang berbeda dapat dites untuk pilihan yang diinginkan yang bisa memperkuat keputusan akhir.

Sedangkan suatu ES dapat digunakan untuk membantu solusi yang diharapkan sebagai rekomendasi pada solusi yang layak.

Dukungan pada Implementasi Keputusan.

Pada fase ini ternyata keuntungan yang didapat dari DSS juga sepenting atau malah lebih penting dibandingkan penggunaan DSS pada fase-fase sebelumnya. Keuntungannya adalah dalam memberikan ketajaman dan detil dari analisis dan output yang dihasilkan. Untuk ES, jelas implementasi keputusan di dukung olehnya. Kelebihan ES yaitu ES dapat berfungsi sebagai sistem penasehat berkaitan dengan implementasi masalah ini. Terakhir ES menyediakan training yang menjadikan segala yang diimplementasikan lebih mudah dan mulus.

Human Cognition, Manusia dan Gaya Keputusan.

Cognition adalah aktifitas suatu individu dalam mengatasi perbedaan antara cara pandangnya dari dalam lingkungan dan apa yang memang benar-benar ada dalam lingkungan itu. Dengan kata lain, kemampuan untuk mempersepsi dan memahami informasi. Cognitive style mengacu pada proses subyektif dimana individu mempersepsi, mengorganisasi, dan mengubah informasi selama proses pengambilan keputusan. Gaya ini mulai dari yang paling heuristic sampai yang paling analitis, sehingga banyak kombinasinya.

Gaya Keputusan.

Perilaku pengambil keputusan berpikir dan bereaksi terhadap suatu masalah, bagaimana mereka mempersepsi, respon pemahamannya, nilai-nilai dan kepercayaan yang dianut, berbeda-beda dari satu individu ke individu yang lain dan juga dari situasi ke situasi yang lain. Sehingga tiap orang akan membuat keputusan yang berbeda-beda. Perilaku bagaimana manajer mengambil keputusan (dan bagaimana mereka berinteraksi dengan orang lain) menjelaskan gaya keputusan mereka. Bisa autocratic atau malah democratic; ada juga yang consultative (dengan orang atau group lain) serta yang lain heuristic.

Pengambilan keputusan dalam kelompok.

Memang perhatian utama dalam pembahasan ini adalah pengambilan keputusan oleh seseorang, tapi sebagaimana yang terjadi di dunia nyata, banyak keputusan diambil oleh sekelompok orang. Suatu program komputer dapat dikembangkan untuk mengatasi hal ini, dan ini bisa saja disebut dengan Organizational DSS.

Daftar Pustaka:

  • Alinezhad, A., & Khalili, J. (2019). New Methods and Applications in Multiple Attribute Decision Making (MADM) (1st ed.). Switzerland: Springer.
  • Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan (1st ed.). Yogyakarta: Penerbit ANDI.
  • Nofriansyah, D., & Defit, S. (2017). Multi Criteria Decison Making (MCDM) pada Sistem Pendukung Keputusan. Yogyakarta: DeePublish.
  • Turban, E., Aronson, J. E., & Liang, T.-P. (2007). Decision Support Systems and Intelligent Systems (7th ed.). New Delhi: Prentice-Hall, Inc.
  • Tzeng, G.-H., & Huang, J.-J. (2011). Multiple Attribute Decision Making, Method and Applications (1st ed.). Abingdon, UK: Taylor & Francis Group.

 

Download File Materi PDF

Download File Slide Presentasi PDF

 

 22 total views,  2 views today

Tags: ,

Leave a Reply

Your email address will not be published. Required fields are marked *