TUGAS MATA KULIAHWORKSHOP MANAJEMEN KEBIJAKAN DAN STRATEGI TI

CHAPTER XVIThe Cognitive Process of Decision Making

Dosen : Dr. Wing Wahyu Winarno, MAFIS, Ak.

Disusun Oleh: Liza Haryani (12/340638/PTK/08407)Rahmi Novita (12/340643/PTK/08412)

Wji Atatik (12/340650/PTK/08419)

Program Studi Magister Teknologi InformasiFakultas Teknik Elektro dan Teknologi Informatika

Universitas Gadjah Mada2013

1

The Cognitive Process of Decision Making

Penulis: Yingxu Wang dan Guenther Ruhe dari University of Calgary, Canada

Abstrak

Pengambilan keputusan adalah salah satu proses kognitif dasar perilaku manusia di mana

pilihan yang lebih disukai atau bagian tindakan yang dipilih dari antara satu set alternatif

berdasarkan kriteria tertentu. Keputusan teori secara luas diterapkan dalam berbagai disiplin ilmu

meliputi kognitif informatika, ilmu komputer, ilmu manajemen, ekonomi, sosiologi, psikologi,

ilmu politik, dan statistik. Sejumlah strategi keputusan telah diusulkan dari sudut yang berbeda

dan domain aplikasi seperti utilitas yang diharapkan maksimum dan metode Bayesian. Namun,

masih ada kurangnya model keputusan mendasar dan matematika dan proses kognitif ketat untuk

pengambilan keputusan. Artikel ini menyajikan keputusan kognitif mendasar proses pembuatan

dan model matematika, yang digambarkan sebagai urutan Cartesian-produk pilihan berbasis.

Sebuah gambaran yang ketat dari proses pengambilan keputusan di real-time aljabar proses

(RTPA) disediakan. Dunia nyata keputusan dianggap sebagai aplikasi berulang dari proses

kognitif yang mendasar. Hasilnya menunjukkan bahwa semua kategori strategi keputusan masuk

dalam proses pengambilan keputusan secara resmi dijelaskan. Proses kognitif pengambilan

keputusan dapat diterapkan dalam berbagai keputusan berbasis sistem seperti informatika

kognitif, sistem perangkat lunak agen, sistem pakar, dan sistem pendukung keputusan.

A. Pendahuluan

Pengambilan keputusan adalah proses yang memilih pilihan yang lebih disukai atau satu

bagian tindakan dari antara satu set alternatif atas dasar kriteria yang diberikan atau strategi

(Wang, Wang, Patel, 2004; Wilson & Keil, 2001)

Pengambilan keputusan adalah salah satu dari 37 proses kognitif mendasar dimodelkan

dalam model referensi berlapis otak (LRMB) (Wang et al., 2004; Wang, 2007b). Penelitian pada

pengambilan keputusan yang tertarik pada berbagai disiplin ilmu seperti kognitif informatika,

ilmu kognitif, ilmu komputer, psikologi, ilmu manajemen, ilmu keputusan, ekonomi, sosiologi,

ilmu politik, dan statistik (Berger, 1990; Edwards& Fasolo, 2001; Hastie, 2001; Matlin,1998;

Payne & Wenger, 1998; Pinel, 1997; Wald,1950; Wang et al., 2004; Wilson et al., 2001).

Masing-masing disiplin telah menekankan pada aspek khusus dari pengambilan keputusan. Hal

2

ini diakui bahwa ada kebutuhan untuk mencari model yang tepat dan aksiomatik dari proses

pengambilan keputusan kognitif di otak, yang dapat menjadi dasar pengambilan berbagai

keputusan teori.

Teori keputusan dapat dikategorikan menjadi dua paradigma:

1 Teori deskriptif adalah teori yang didasarkan pada pengamatan empiris dan penelitian

eksperimental perilaku pilihan

2 Teori normatif adalah teori yang mengasumsikan pengambil keputusan rasional yang

mengikuti terdefinisi preferensi yang mematuhi aksioma tertentu perilaku rasional

Teori normatif yang khas adalah paradigma utilitas yang diharapkan (Osborne& Rubinstein,

1994) and the Bayesian theory (Berger, 1990; Wald, 1950).

Artikel ini mengadopsi filosofi dari aksioma pilihan (Lipschutz, 1967). Tiga esensi

pengambilan keputusan diakui dalam artikel ini adalah tujuan keputusan, satu set alternatif

pilihan, dan satu set kriteria seleksi atau strategi. Menurut teori ini, pengambil keputusan adalah

mesin atau eksekutif dari suatu proses pengambilan keputusan. Jika tiga esensi dari pengambilan

keputusan didefinisikan, proses pengambilan keputusan dapat dilakukan secara ketat baik oleh

pembuat keputusan manusia atau oleh sistem cerdas. Ini adalah landasan kognitif untuk

menerapkan sistem pakar dan sistem pendukung keputusan (Ruhe, 2003; Ruhe & An,2004;

Wang et al., 2004; Wang, 2007a).

Dalam artikel ini, dasar-dasar kognitif teori keputusan dan model matematikanya

dieksplorasi. Penjelasan lebih tepat untuk keputusan dan pengambilan keputusan disajikan.

Proses kognitif pengambilan keputusan dijelaskan, yang secara resmi digambarkan dengan

menggunakan proses aljabar real-time (RTPA). Kompleksitas pengambilan keputusan secara

real-masalah dunia seperti perencanaan merilis perangkat lunak dipelajari, dan kebutuhan untuk

sistem pendukung keputusan yang kuat dibahas

B. Pembahasan

1. Model Matematika dari Keputusan dan Pengambilan Keputusan

Pengambilan keputusan adalah salah satu proses kognitif dasar manusia (Wang et al,

2004;. Wang, 2007a, Wang, 2007b) yang banyak digunakan dalam menentukan rasional,

heuristik, dan pilihan intuitif dalam ilmiah yang kompleks, teknik, ekonomi, dan situasi

manajemen, serta di hampir setiap prosedur dari kehidupan sehari-hari. Karena pengambilan

3

keputusan adalah proses mental dasar, itu terjadi setiap beberapa detik dalam kursus

memikirkan pikiran manusia secara sadar atau tidak sadar.

a. Model Matematika Pengambilan Keputusan

Aksioma seleksi (atau pilihan) (Lipschutz, 1967) menyatakan bahwa ada fungsi seleksi

untuk setiap koleksi tidak kosong dari disjoint tidak kosong set alternatif.

Definisi 1. Biarkan {Ai | i ∈ I} menjadi koleksi himpunan gabungan, Ai ⊆ U, dan Ai ≠ ,∅

fungsi a

c: {Ai} → Ai, i ∈ I (1)

adalah → fungsi pilihan jika c(Ai) = ai, ai ∈ Ai. Atau elemen ai ∈ Ai dapat dipilih oleh c, di

mana Ai disebut set alternatif, U adalah set universal, dan I adalah satu set bilangan asli.

Atas dasar fungsi pilihan dan aksioma seleksi, keputusan dapat ketat didefinisikan

sebagai berikut.

Definisi 2. Sebuah keputusan, d, adalah alternatif yang dipilih a∈A dari satu set tidak kosong

alternatif A, A ⊆ U, berdasarkan himpunan kriteria C, yaitu:

d = f (A, C)

= f: A × C → A, A ⊆ U, A ≠ ∅ (2)

di mana × merupakan produk Cartesian.

Perlu dicatat bahwa kriteria di C dapat menjadi salah satu sederhana atau satu kompleks.

Yang terakhir adalah kombinasi dari sejumlah kriteria gabungan tergantung pada beberapa

faktor.

Definisi 3. Pengambilan keputusan adalah proses seleksi keputusan dari alternatif yang

tersedia terhadap kriteria yang dipilih untuk tujuan keputusan yang diberikan.

Menurut Definisi 2, jumlah keputusan yang mungkin, n, dapat ditentukan oleh ukuran A

dan C, misalnya:

n = #A •#C (3)

dimana # adalah kalkulus kardinal pada set, dan A∩C = .∅

Menurut Eq.3, jika #A = 0 dan/atau #C= 0, tidak ada keputusan yang mungkin diturunkan.

Definisi sebelumnya menyediakan model matematika generik dan dasar pengambilan

keputusan, yang mengungkapkan bahwa faktor penentu keputusan adalah alternatif A dan

kriteria C untuk membuat keputusan yang memberikan tujuan. Sebuah teori terpadu pada

4

pengambilan keputusan fundamental dan kognitif dapat dikembangkan berdasarkan proses

kognitif aksiomatik dan rekursif yang diperoleh dari pengambilan keputusan kategori paling

mendasar seperti yang ditunjukkan pada Tabel 1.

Tabel 1. Taksonomi strategi dan kriteria untuk pengambilan keputusan

b. Strategi dan Kriteria Pengambilan Keputusan

Menurut Definisi 2, hasil dari suatu proses pengambilan keputusan ditentukan oleh

pengambilan keputusan strategi yang dipilih oleh para pengambil keputusan ketika sejumlah

keputusan alternatif telah diidentifikasi. Hal ini jelas bahwa keputusan yang berbeda membuat

strategi memerlukan kriteria keputusan seleksi yang berbeda. Ada variasi besar dari

5

pengambilan keputusan strategi yang dikembangkan dalam keputusan tradisional dan teori

permainan, serta ilmu kognitif, ilmu sistem, ilmu manajemen, dan ekonomi.

Taksonomi strategi dan kriteria yang sesuai untuk pengambilan keputusan dapat

diklasifikasikan ke dalam empat kategori yang dikenal sebagai intuitif, empiris, heuristik, dan

rasional seperti yang ditunjukkan pada Tabel 1. Ini dicatat dalam Tabel 1 bahwa teori

keputusan yang ada memberikan seperangkat kriteria (C) untuk mengevaluasi pilihan

alternatif untuk masalah yang diberikan.

Seperti yang dirangkum dalam Tabel 1, dua kategori pertama pengambilan keputusan,

intuitif dan empiris, sejalan dengan intuitif kognitif psikologi manusia dan tidak ada model

yang rasional yang spesifik untuk menjelaskan kriteria keputusan. Strategi pengambilan

keputusan rasional dapat dijelaskan oleh dua subkategori: strategi dan kriteria yang statis dan

dinamis. Strategi pengambilan keputusan yang heuristik sering digunakan oleh manusia

sebagai pengambil keputusan. Rincian strategi pengambilan keputusan heuristik dapat disebut

kognitif psikologi dan AI (Hastie, 2001; Matlin, 1998; Payne et al, 1998;. Wang, 2007a).

Sangat menarik untuk diamati bahwa teori pengambilan keputusan paling sederhana

dapat diklasifikasikan ke dalam kategori intuitif seperti sewenang-wenang dan preferensi

pilihan berdasarkan kecenderungan pribadi, hobi, kecenderungan, harapan, dan/atau indera

umum. Itu adalah suatu yang naif yang mungkin masih dapat membuat keputusan penting dan

bijaksana setiap hari, bahkan setiap beberapa detik. Oleh karena itu, elisitas yang paling

fundamental dan inti proses dari pengambilan keputusan dalam proses kognitif manusia belum

harus dicari pada bagian berikut. Aplikasi rekursif dari inti proses dari pengambilan

keputusan akan membantu untuk memecahkan masalah keputusan yang rumit dalam dunia

nyata.

c. Framework Pengambilan Keputusan Rasional

Menurut Tabel 1, strategi pengambilan keputusan yang rasional dan kompleks dapat

diklasifikasikan ke dalam kategori statis dan dinamis. Kebanyakan strategi pengambilan

keputusan yang ada adalah statis karena perubahan lingkungan dari para pengambil keputusan

adalah kegiatan independen dari para pengambil keputusan. Juga, strategi keputusan yang

berbeda mungkin dipilih dalam situasi atau lingkungan yang sama berdasarkan nilai-nilai

pengambil keputusan dan sikap terhadap risiko dan prediksi mereka pada hasil masa depan.

6

Ketika lingkungan pengambil keputusan bersifat interaktif dengan keputusannya atau

lingkungan berubah sesuai dengan kegiatan pengambil keputusan dan strategi keputusan dan

aturan yang telah ditetapkan, kategori dari kebutuhan pengambilan keputusan ini

diklasifikasikan ke dalam kategori keputusan dinamis seperti permainan dan kisi-kisi

keputusan (Matlin, 1998; Payne et al., 1998; Pinel, 1997; Wang, 2005a, b).

Definisi 4. Strategi dan kriteria dinamika dari pengambilan keputusan adalah semua

alternatif dan kriteria yang tergantung pada lingkungan dan efek dari sejarah keputusan yang

dibuat oleh pembuat keputusan.

Metode pengambilan keputusan dinamis klasik adalah pohon keputusan (Edwards et al.,

2001). Sebuah teori baru dari kisi-kisi keputusan dikembangkan di Wang (2005a, b) untuk

pengambilan keputusan serial. Pengambilan keputusan di bawah acara interaktif dan

persaingan dimodelkan oleh game (Matlin, 1998; Payne et al, 1998;. von Neumann &

Morgenstern, 1980; Wang, 2005a). Wang (2005a) menyajikan model formal dari permainan,

menggambarkan arsitektur atau tata letak game yang ketat dan perilaku dinamis. Gambaran

tentang klasifikasi keputusan dan strategi rasional terkait disediakan pada Gambar 1. Hal ini

dapat dilihat bahwa permainan yang digunakan untuk menangani masalah keputusan yang

paling rumit, yang bersifat dinamis, interaktif, dan di bawah kompetisi tak terkendali.

Selanjutnya diskusi tentang teori permainan dan model formal ini dapat disebut untuk von

Neumann et al. (1980), Berger (1990), dan Wang (2005a, b). Model keputusan juga mungkin

diklasifikasikan antara titik lain dari pandangan seperti struktur, kendala, derajat

ketidakpastian, kejelasan dan cakupan tujuan, kesulitan pengolahan informasi, tingkat

kompleksitas, utilitas dan kepercayaan, kemudahan formalisasi, kendala waktu, dan keunikan

atau kebaruan.

7

Gambar 1. Framework keputusan dan strategi

d. Teori Khas Pengambilan Keputusan

1) The Game Theory

Teori Permainan adalah suatu pendekatan matematis untuk merumuskan situasi

persaingan dan konflik antara berbagai persaingan. Teori ini dikembangkan untuk

menganalisa proses pengambilan keputusan dari situasi persaingan yang berbeda dan

melibatkan dua atau lebih kepentingan Kepentingan-kepentingan yang bersaing dalam

permintaan disebut pemain (players). Anggapan yang digunakan adalah bahwa setiap

pemain mempunyai kemampuan untuk mengambil keputusan secara bebas dan rasional.

Dalam teori permainan (Osborne et al, 1994.), keputusan masalah dapat dimodelkan

sebagai rangkap tiga, sebagai contoh:

d = (Ω, C,A)

dimana Ω adalah keadaan-keadaan yang mungkin secara alami terjadi, C adalah

seperangkat konsekuensi, dan A adalah serangkaian tindakan,

A C⊂

8

Jika tindakan a dipilih, dan berlaku keadaan adalah ω Ω, maka konsekuensi∈ ∈

tertentu α (ω)

C dapat diperoleh. Dengan asumsi probabilitas estimasi dan fungsi utilitas∈

didefinisikan untuk

suatu tindakan tertentu sebagai p (a): A → R dan u: C → R, masing-masing, fungsi

pilihan berdasarkan utilitas

Teori dapat dinyatakan sebagai berikut:

d = {a |Ω Σu [a (ω)] p (a) = max (Ω Σu [x (ω)] p (x)) x )}∧ ∈

2) The Bayesian Theory

Bayesian Decision Theory adalah pendekatan secara statistik untuk menghitung

tradeoffs diantara keputusan yang berbeda-beda, dengan menggunakan

probabilitas/kemungkinan dan costs yang menyertai suatu pengambilan keputusan

tersebut.

Bayesian theory mempunyai berbagai keuntungan jika dibandingkan dengan beberapa

teori lainnya, yaitu:

1 Interpolation. Bayesian method menghubungkan segala hal dengan teori-teori

engineering. Pada saat berhadapan dengan suatu problem, terdapat pilihan mengenai

seberapa besar waktu dan usaha yang dilakukan oleh manusia vs komputer. Pada saat

membuat suatu sistem, terlebih dahulu diharuskan untuk membuat sebuah model

keseluruhan dan ditentukan faktor pengontrol pada model tersebut. Bayesian

methodmenghubungkan perbedaan yang besar karena Bayesian prior dapat menjadi

sebuahdelta function dari suatu model yang luas.

2 Language. Bayesian method mempunyai bahasa tersendiri untuk menetapkan hal-hal

yang prior dan posterior. Hal ini secara signifikan membantu pada saat

menyelesaikan bagian yang sulit dari sebuah solusi.

3 Intuitions. Bayesian method melibatkan prior dan integration, dua aktivitas yang

berguna secara luas.

9

Contoh Sederhana dari Teori Bayesian ini adalah:

Semisal diasumsikan ada dua buah kelas / kelompok / grup w1 dan w2 . Kemudian kita

bisa menentukan probabilitas dari suatu data apakah termasuk dalam kelas w1 atau w2 .

Sebagai contoh kita akan menentukan apakah seekor ikan yang ditangkap nelayan

merupakan kelompok salmon atau sea-bass. Semisal kita tidak tahu apa perbedaan

antara sea-bass dan salmon, maka kita akan bisa mengambil beberapa ciri yang akan kita

gunakan untuk membedakan keduanya. ciri tersbut bisa panjang, cerah dan tidaknya

warna, dan sebagainya. Setelah itu kita akan menentukan berapa besar probabilitas

seekor ikan tergolong ke sea-bass dan atau salmon.

Diputuskan Salmon, jika P(salmon) > P(sea bass), selainnya sea bass

Bayes formula, dalam bahasa inggris bisa diartikan secara matematis dengan :

posterior=likelihood x prior

evidence

prior adalah probabilitas awal dari suatu kelas dilambangkan dengan P(w i), sedangkan

likelihood adalah probabilitas dari sebuah obyek atau data x termasuk di dalam suatu

kelas P(x|wi), evidence adalah probabilitas kemunculan data x atau P(x), dan posterior

adalah probabilitas dari sebuah kelas dinyatakan sebagai kelas dari data x yang telah

diukur sebelumnya atau P(wi|x).

Secara matematis dirumuskan dengan:

berikut ini adalah contoh fungsi likelihood dari kecerahan warna dua buah ikan. Fungsi

ini menunjukkan bahwa Bayes Formula bisa diaplikasikan pada fungsi yang kontinyu.

10

Likelihood Ratio (Perbandingan kemiripan)

Pada kasus ini Bayesian Decision Rule dituliskan dengan

pilih kelas pertama, sedangkan kalu selainnya pilih kelas kedua

Dengan menerapkan Bayes Rule kita akan memperoleh

dengan mengeliminasi P(x) maka akan diperoleh Likelihood Ratio:

Dalam teori Bayesian (Wald, 1950; Berger, 1990) yang pilihan fungsi disebut aturan

keputusan. Kerugian fungsi, L, diadopsi untuk mengevaluasi konsekuensinya dari

tindakan sebagai berikut: di mana Ω adalah satu set semua negara kemungkinan alam,

adalah serangkaian tindakan, dan Ω × menunjukkan suatu Cartesian produk pilihan.

Menggunakan fungsi kerugian untuk menentukan kemungkinan risiko, fungsi pilihan

untuk pengambilan keputusan dapat diturunkan sebagai berikut:

d = {a | p [L (ω, α)] = min x Α∈

11

(P [L (ω, x)])} (7)di mana p [L (ω, α)] adalah probabilitas yang diharapkan dari kerugian

bagi x aksi Ω ω.∈

2. Proses Kognitif dalam Pengambilan Keputusan

Model LRMB telah mengungkapkan bahwa ada 37 proses kognitif berinteraksi dalam

otak (Wanget al., 2004). Hubungan antara proses pengambilan keputusan dan yang utama

lainnya di LRMB ditunjukkan pada Gambar 2. Gambar 2 menunjukkan bahwa, menurut

semantik UML, proses pengambilan keputusan mewarisi proses pemecahan masalah. Pada

bagian yang lain, berfungsi dengan agregasi atau didukung oleh lapisan 6 proses pemahaman,

kualifikasi, dan kuantifikasi, serta lapisan 5 proses pencarian, representasi dan menghafal.

Deskripsi formal dari proses-proses kognitif yang terkait di LRMB dapat disebut di Wang

(2003b), Wang et al., (2003), dan Wang et al. (2003, 2004).

Kebalikan dengan metafora kontainer tradisional, mekanisme memori manusia dapat

dijelaskan oleh metafora relasional, yang memandang bahwa memori dan pengetahuan yang

diwakili oleh koneksi antara neuron di otak, bukan neuron diri mereka sebagai wadah

informasi. Oleh karena itu, model kognitif dari memori manusia, khususnya memori jangka

panjang (LTM) dapat digambarkan oleh dua artefak dasar (Wang et al, 2003.): (A) Objek: The

abstraksi dari entitas eksternal dan konsep internal. Ada juga sub-benda yang dikenal sebagai

atribut, yang digunakan untuk menunjukkan sifat rinci dan karakteristik objek. (b) Hubungan:

Sambungan dan hubungan antara objek-objek, objek-atribut, dan atribut-atribut.

Gambar 2. Hubungan antara proses pengambilan keputusan dan proses lainnya di LRMB

` Berdasarkan pembahasan sebelumnya, sebuah objek atribut-hubungan (OAR) model

memori dapat digambarkan dalam rangkap tiga (Wang & Wang, 2004; Wang et al, 2003.),

Misalnya:

12

OAR = (O, A, R) (8)

dimana O adalah objek yang diberikan diidentifikasi dengan nama abstrak, A adalah satu set

atribut untuk karakteristik objek, dan R adalah satu set hubungan antara obyek dan benda-

benda lain atau atribut dari mereka.

Berdasarkan model LRMB dan OAR dikembangkan di kognitif informatika (Wang,

2003a, 2007b), proses kognitif pengambilan keputusan dapat secara informal dijelaskan oleh

program berikut:

1 Untuk memahami persoalan pengambilan keputusan dan untuk mengidentifikasi tujuan

keputusan dalam hal Object (O) dan atributnya (A).

2 Untuk mencari di lapisan abstrak LTM (Squire, Knowlton, & Musen et al 1993;. Wang &

Wang, 2004) untuk solusi alternatif (Α) dan kriteria untuk strategi keputusan yang

berguna (C).

3 Untuk mengukur Α dan C dan menentukan apakah pencarian harus berlanjut

4 Untuk membangun satu set keputusan dengan menggunakan Α dan C seperti yang

diperoleh dalam pencarian sebelumnya.

5 Untuk memilih keputusan-keputusan yang disukai atas dasar kepuasan pengambil

keputusan.

6 Untuk mewakili keputusan-keputusan dalam model sub-OAR baru.

7 Untuk mengingat model sub-OAR di LTM

Sebuah model proses rinci kognitif pengambilan keputusan ditunjukkan pada Gambar 3

di mana blok persegi panjang doubleended merupakan fungsi panggilan yang melibatkan

proses yang telah ditetapkan sebagaimana diatur dalam model LRMB.

13

Gambar 3. Proses kognitif dalam pengambilan keputusan

Langkah pertama dalam proses kognitif pengambilan keputusan adalah untuk memahami

masalah pengambilan keputusan yang diberikan. Menurut pemahaman proses kognitif

(Wang et al., 2003), obyek (tujuan) keputusan akan diidentifikasi dan akan dibuat sebuah

model OAR awal. Objek (Tujuan)nya, atribut ini, dan hubungan yang diketahui akan diambil

dan direpresentasikan dalam model OAR. Kemudian, alternatif dan strategi yang dicari,

yang mengakibatkan dua set dan C, masing-masing. Hasil pencarian akan diukur dalam

rangka untuk membentuk keputusan seperti yang diberikan dalam Persamaan. 2, misalnya: d

= f: × C → , di mana U dan ≠ .⊆ ∅

Ketika d keputusan berasal, model OAR sebelumnya akan diperbarui dengan informasi d

dan terkait. Kemudian, pengambil keputusan dapat mempertimbangkan apakah keputusan

sesuai dengan keadaan saat sebenarnya dan penilaian pribadi. Jika ya, model OAR untuk

14

keputusan yang disimpan di LTM. Jika tidak, proses pengambilan keputusan harus diulang

sampai keputusan puas ditemukan, atau pengambil keputusan memilih untuk berhenti tanpa

keputusan akhir. Selama proses pengambilan keputusan, baik keadaan pikiran pembuat

keputusan dan model OAR global dalam perubahan pemikiran dari waktu ke waktu.

Meskipun keadaan sebenarnya tidak akan berubah dalam waktu singkat saat pengambilan

keputusan, persepsi ke arah itu dapat diubah dengan memperbaharui efek model OAR.

Seperti dijelaskan dalam model LRMB (Wang et al., 2004), proses pengambilan

keputusan adalah layer kognitif proses yang lebih tinggi yang ditetapkan pada Layer 6.

Proses pengambilan keputusan berinteraksi dengan proses lainnya di bawah lapisan seperti

pencarian, representasi, dan menghafal, seperti proses di lapisan yang sama seperti

pemahaman,, kuantifikasi, kualifikasi, dan pemecahan masalah. Hubungan antara proses

pengambilan keputusan dan proses terkait lainnya telah dijelaskan dalam Gambar 1 dan

Wang dan Wang (2004) dan Wang et al. (2004).

3. Uraian Formal dari Proses Kognitif Pengambilan Keputusan

Atas dasar model kognitif pengambilan keputusan seperti yang dijelaskan dalam Gambar

3, sebuah proses kognitif yang lebih tepat dapat ditentukan dengan menggunakan RTPA

(Wang, 2002; Wang, 2003b). RTPA dirancang untuk menggambarkan arsitektur, perilaku

statis dan dinamis sistem perangkat lunak (Wang, 2002), serta perilaku kognitif manusia dan

urutan tindakan (Wang, 2003b;. Wang et al, 2003).

Model formal dari proses kognitif pengambilan keputusan dalam RTPA disajikan pada

Gambar 4. Menurut LRMB dan model OAR representasi pengetahuan internal di otak, hasil

dari keputusan dalam pikiran pembuat keputusan adalah model sub-OAR baru, atau versi

terbaru dari model OAR global pengetahuan dalam otak manusia .

Seperti ditunjukkan dalam Gambar 4, proses pengambilan keputusan dimulai dengan

mendefinisikan tujuan keputusan dalam hal atribut objek. Kemudian, pencarian lengkap dari

keputusan alternatif (A) dan kriteria yang berguna (C) yang dibawa secara paralel. Pencarian-

pencarian dilakukan di kedua otak dari pembuat keputusan internal, dan melalui sumber

eksternal berdasarkan pengetahuan, pengalaman, dan harapan atas tujuan. Hasil pencarian

yang kuantitatif dievaluasi sampai pencarian untuk kedua A dan C puas. Jika rangkaian yang

15

tidak kosong diperoleh untuk kedua A dan C, keputusan n di d sudah ada seperti ditentukan

dengan Persamaan. 2 dan 3.

Gambar 4. Uraian Formal dari Proses Kognitif Pengambilan Keputusan di RTPA

Perlu dicatat bahwa hasil belajar, pengalaman, dan keterampilan para pengambil

keputusan secara dramatis dapat mengurangi secara dramatis proses pencarian lengkap pada

proses pengambilan keputusan berdasarkan strategi heuristik yang telah dikenal. Bila satu atau

lebih keputusan yang cocok dipilih dari himpunan d oleh pengambil keputusan dengan

mengevaluasi tingkat kepuasan, keputusan yang memuaskan akan diwakili dalam model sub-

OAR, yang akan ditambahkan ke seluruh pengetahuan dari pengambil keputusan dalam LTM.

4. Pemecahan Masalah Kompleks Perencanaan dengan Sistem Pendukung Keputusan

Model pengambilan keputusan dan deskripsi formal dari proses kognitif pengambilan

keputusan seperti yang disajikan dalam kedua pada bagian keempat, dapat digunakan untuk

16

solusi dari masalah perencanaan hebat dalam rekayasa perangkat lunak. Masalah perencanaan

yang hebat tidak hanya sulit untuk dipecahkan, tetapi juga sulit untuk secara eksplisit

dirumuskan. Gagasan masalah perencanaan hebar diperkenalkan oleh RITTEL dan Webber

(1984), di mana beberapa karakteristik yang diberikan untuk mengklasifikasikan masalah.

Salah satunya menyatakan bahwa tidak ada rumusan yang pasti dari masalah. Satu lagi

menyatakan bahwa masalah yang hebat tidak memiliki aturan berhenti. Jadi, dalam kasus ini,

apakah itu masuk akal untuk melihat ke dalam pendekatan yang lebih sistematis sama sekali

atau tidak seharusnya kita hanya mengandalkan intuisi dan pengalaman manusia personil

untuk mengetahui keputusan?

Suatu pendekatan sistematis untuk memecahkan masalah perencanaan dari perencanaan

software rilis diberikan dalam Ngo-The dan Ruhe (2006). Perencanaan rilis dikenal sulit

secara kognitif dan perhitungannya (Ruhe & Ngo-The 2004). Berbagai jenis ketidakpastian

membuat sulit untuk diformulasikan dan diselesaikan karena perencanaan masalah rilis dunia

nyata mungkin melibatkan beberapa ratus faktor yang secara potensial mempengaruhi

keputusan untuk rilis berikutnya. Dengan demikian, rencana rilis yang baik dalam

pengambilan keputusan dicirikan sebagai:

• Memberikan nilai utilitas maksimum dari menawarkan perpaduan terbaik dari fitur dalam

urutan yang benar dari rilis.

• Hal ini dapat dilaksanakan untuk masalah berat yang harus dipenuhi.

• Ini memenuhi beberapa kendala/masalah ringan tambahan cukup baik. Kendala-kendala

yang ringan, misalnya, dapat berhubungan dengan kepuasan stakeholder, pertimbangan

risiko pelaksanaan rilis disarankan, menyeimbangkan sumber daya atau aspek-aspek lain

yang baik sulit untuk merumuskan atau tidak diketahui di muka.

Telihat bahwa masalah keputusan dalam rekayasa perangkat lunak yang tidak pasti

adalah sulitnya untuk secara eksplisit dimodelkan dan secara lengkap diformalkan, karena

kendala organisasi, orang, teknologi, fungsi, waktu, anggaran, dan sumber daya. Oleh karena

itu, semua spektrum strategi keputusan seperti yang diidentifikasi dalam Tabel 1 dan Gambar

1 perlu untuk diperiksa. Ini adalah kasus yang khas di mana gagasan pendukung keputusan

muncul ketika keputusan manusia harus dibuat kompleks, lingkungan yang tidak pasti, dan /

atau dinamis. Carlsson dan Turban (2002) menunjukkan bahwa tesis penerimaan sistem

17

terutama dibatasi oleh faktor-faktor terkait manusia: (1) kendala-kendala kognitif, (2)

pemahaman dukungan seperti model, (3) kesulitan dalam menangani sejumlah besar informasi

dan pengetahuan, dan (4) frustrasi yang disebabkan oleh teori-teori yang rumit.

Pendekatan solusi yang disajikan di Ngo-The et al. (2006) mengatasi kompleksitas

kognitif dan komputasi melekat oleh (1) suatu metode evolusi pemecahan masalah

menggabungkan metode solusi yang ketat untuk memecahkan formalisasi yang sebenarnya

dari masalah yang dikombinasikan dengan keterlibatan interaktif dari ahli manusia dalam

proses ini, (2) menawarkan portofolio solusi yang terdiversifikasi dan berkualitas di semua

iterasi dari proses solusi, dan (3) menggunakan multi-kriteria keputusan bantuan metode

ELECTRE (Roy, 1991) untuk membantu manajer proyek dalam solusi pemilihan akhir dari

serangkaian solusi yang berkualitas. Penelitian lebih lanjut sedang berlangsung untuk

mengintegrasikan hasil ini dengan kerangka pengambilan keputusan model dan peningkatan

pemahaman proses kognitif pengambilan keputusan yang dikembangkan dalam artikel ini.

C. Kesimpulan

Pengambilan keputusan adalah salah satu proses kognitif dasar perilaku manusia di mana

pilihan yang lebih disukai atau bagian tindakan yang dipilih dari antara satu set alternatif

berdasarkan kriteria tertentu. Kepentingan dalam studi pengambilan keputusan telah banyak

berbagi dalam berbagai disiplin ilmu karena merupakan proses dasar otak

Artikel ini telah mengembangkan model yang teliti dan aksiomatik/telah jelas

kebenarannya untuk proses pengambilan keputusan kognitif, yang menjelaskan sifat dan tentu

saja pada manusia dan mesin berbasis pengambilan keputusan berdasarkan hasil penelitian

terbaru di informatika kognitif. Penjelasan rinci dari proses pengambilan keputusan secara real-

time aljabar proses (RTPA) telah disajikan. Berbagai teori pengambilan keputusan telah

dianalisis dan model pengambilan keputusan terpadu telah diperoleh, yang menunjukkan bahwa

teori-teori yang ada dan teknik pengambilan keputusan yang baik sesuai dalam proses

pengambilan keputusan secara resmi dijelaskan.

Salah satu temuan menarik adalah bahwa keputusan paling mendasar yang berulang

digunakan dalam sistem pengambilan keputusan yang kompleks dan kehidupan sehari-hari

adalah produk Cartesian dari serangkaian alternatif dan satu set kriteria seleksi. Semakin besar

set tersebut, semakin ideal keputusan yang dihasilkan. Temuan lain yang menarik adalah bahwa

18

meskipun kompleksitas kognitif dari masalah keputusan baru selalu sangat tinggi, akan menjadi

lebih sederhana ketika solusi rasional atau formal telah dipahami. Oleh karena itu, mengurangi

kompleksitas kognitif dari masalah keputusan dengan masukan heuristik dari solusi-solusi yang

dikenal di setiap kategori strategi keputusan akan dipelajari lebih lanjut dalam sistem pendukung

keputusan yang cerdas. Menurut studi kasus yang berkaitan, model dan proses kognitif

pengambilan keputusan dalam artikel ini dapat diterapkan dalam berbagai pendukung keputusan

dan sistem pakar.

19

Daftar Pustaka

Berger, J. (1990). Statistical decision theory-- Foundations, concepts, and methods. Springer- Verlag.

Carlsson, C., & Turban, E. (2002). DSS: Directions for the next decade. Decision Support Systems, 33, 105-110.

Edwards, W., & Fasolo, B. (2001). Decision technology. Annual Review of Psychology, 52, 581-606.

Hastie, R. (2001). Problems for judgment and decision-making. Annual Review of Psychology, 52, 653-683.

Lipschutz, S. (1967). Schaum’s outline of set theory and related topics. McGraw-Hill Inc.

Matlin, M. W. (1998). Cognition (4th ed.). Orlando, FL: Harcourt Brace College Publishers.

Ngo-The, A., & Ruhe, G. (2006). A systematic approach for solving the wicked problem of software release planning. Submitted to Journal of Soft Computing.

Osborne, M., & Rubinstein, A. (1994). A course in game theory. MIT Press.

Payne, D. G., & Wenger, M. J. (1998). Cognitive psychology. New York: Houghton Mifflin Co.

Pinel, J. P. J. (1997). Biopsychology (3rd ed.). Needham Heights, MA: Allyn and Bacon.

Rittel, H., & Webber, M. (1984). Planning problems are wicked problems. In N. Cross (Ed.), Developments in design methodology (pp 135- 144), Chichester, UK: Wiley.

Roy, B. (1991). The outranking approach and the foundations of ELECTRE methods. Theory and Decision, 31, 49-73.

Ruhe, G. (2003). Software engineering decision support—Methodologies and applications. In Tonfoni and Jain (Eds.), Innovations in decision support systems, 3, 143-174.

Ruhe, G, & An, N. T. (2004). Hybrid intelligence in software release planning. International Journalof Hybrid Intelligent Systems, 1(2), 99-110.

Squire, L. R., Knowlton, B., & Musen, G. (1993). The structure and organization of memory. AnnualReview of Psychology, 44, 453-459.

von Neumann, J., & Morgenstern, O. (1980). Theory of games and economic behavior. Princeton University Press.

Wald, A. (1950). Statistical decision functions. John Wiley & Sons.

Wang, Y. (2002). The real-time process algebra. Annals of Software Engineering, 14, 235-274.

20

Wang, Y. (2003a). On cognitive informatics. Brain and Mind: A Transdisciplinary Journal of Neuroscience and Neurophilosophy, 4(2), 151-167.

Wang, Y. (2003b). Using process algebra to describe human and software behavior, Brain and Mind: A Transdisciplinary Journal of Neuroscience and Neurophilosophy, 4(2), 199-213.

Wang, Y. (2005a). Mathematical models and properties of games. In Proceedings of the 4th IEEE International Conference on Cognitive Informatics (ICCI’05) (pp. 294-300), IEEE CS Press, Irvin, California, USA, August.

Wang, Y. (2005b). A novel decision grid theory for dynamic decision-making. In Proceedings of the 4th IEEE International Conference on Cognitive Informatics (ICCI’05) (pp. 308-314), IEEE CS Press, Irvin, California, USA, August.

Wang, Y. (2007a). Software engineering foundations: A software science perspective. CRC Software Engineering Series, Vol. II/III, CRC Press, USA.

Wang, Y. (2007b). The theoretical framework of cognitive informatics. The International Journal of Cognitive Informatics and Natural Intelligence (IJCINI), 1(1), 1-27.

Wang, Y., & Gafurov, D. (2003). The cognitive process of comprehension. In Proceedings of the 2nd IEEE International Conference on Cognitive Informatics (ICCI’03) (pp. 93-97), London, UK.

Wang, Y., & Wang, Y. (2004). Cognitive informatics models of the brain. IEEE Transactions on Systems, Man, and Cybernetics (C), 36(2), 203-207.

Wang, Y., Liu, D., & Wang, Y. (2003). Discovering the capacity of human memory. Brain and Mind: A Transdisciplinary Journal of Neuroscience and Neurophilosophy, 4(2), 189-198.

Wang, Y., Wang, Y., Patel, S., & Patel, D. (2004). A layered reference model of the brain (LRMB). IEEE Transactions on Systems, Man, and Cybernetics (C), 36(2), 124-133.

Wilson, R. A., & Keil, F. C. (2001). The MIT Encyclopedia of the Cognitive Sciences. MIT Press.

Zachary, W., Wherry, R., Glenn, F., Hopson, J. (1982). Decision situations, decision processes, and decision functions: Towards a theory-based framework for decision-aid design. In Proceedings of the 1982 Conference on Human Factors in Computing Systems.

21