SESI - 1 ANALISIS KEPUTUSAN
description
Transcript of SESI - 1 ANALISIS KEPUTUSAN
1
SESI - 1ANALISIS KEPUTUSAN
SEKOLAH TINGGIMANAJEMEN INFORMATIKA & KOMPUTER MERCUSUAR
2
ANALISIS KEPUTUSAN Fakta menunjukan bahwa setiap hari manusia
ataupun perusahaan / organisasi harus mengambil keputusan
Setiap pengambilan keputusan ada Alternatifnya dan setiap Alternatif ada Kriteria Keputusannya
AlternatifKriteria Keputusan
K1 K2 K3
A1 H11 H12 H13
A2 H21 H22 H23
3
MULTI CRITERIA DECISION MAKING
Kiteria Dominasi; Sidoharjo : unggul dalam jarak, kalah dalam
harga dan luas Mojokerto : unggul dalam harga dan luas , kalah
dalam jarak Kesimpulan : tidak ada yang dominan
AlternatifKriteria Keputusan
HargaJuta Rupiah
Luasm2
Jarakkm
SIDOHARJO 560 2.500 30MOJOKERTO 490 3.000 50
4
MULTI CRITERIA DECISION MAKING
Kiteria Leksikografi; Ada kriteria yang diprioritaskan Luas (pertama) : Mojokerto lebih baik dari Sidoharjo Jarak (kedua) : Sidoharjo lebih baik dari Mojokerto Harga (ketiga) : tidak perlu dipertimbangkan Kesimpulan : Mojokerto dipilih (kriteria luas)
5
MULTI CRITERIA DECISION MAKING
Kiteria Penghampiran (tingkat Aspirasi; Misalnya Harga ≤ 600 juta
Luas ≥ 2.500 m2Jarak ≤ 40 km
Harga Luas JarakSIDOHARJO √ √ √MOJOKERT
O √ √ -
Misalnya Harga ≤ Sidoharjo dan MojokertoLuas ≥ Sidoharjo dan MojokertoJarak ≤ hanya Sidoharjo
Sidoharjo terpilih
6
ANALYTICAL HIERARCHY PROCESS (AHP)
Diartikan sebagai pembobotan (penentuan prioritas) dari serangkaian persoalan, baik terhadap kriterianya ataupun alternatifnya.
Langkah nya Rancangan/ struktur keputusan dari persoalan yang
diadapi Perhitungan berpasangan Sintesa Prioritas Uji konsitensi
Analisis berpasangan merupakan langkah awal penentuan prioritas (pembobotan)
1 2 3 4 5 6 7 8 9Sama pentingnya
Sedikit lebih penting
Hampir Mutlak lebih penting
Mutlak lebih penting
7
ANALYTICAL HIERARCHY PROCESS (AHP)
Struktur keputusanMembeli
mobil 2000 cc
KecepatanModelBiaya
Operasinal
MAZDAHONDATOYOTA
Kenyamanan
8
ANALYTICAL HIERARCHY PROCESS (AHP)
BOP MDL CPT NYMBOP 1 1/4 1/3 1/5MDL 4 1 3 2CPT 3 1/3 1 1/2NYM 5 1/2 2 1
13 25/12 19/3 37/10
Cara membaca : Biaya Operasional vs Model, Model lebih penting
dengan nilai 4 Biaya Operasional vs Kecepatan, Kecepatan lebih
penting dengan nilai 3 Model vs Kecepatan, Kecepatan lebih penting
dengan nilai 3
9
ANALYTICAL HIERARCHY PROCESS (AHP)
BOP MDL CPT NYM Jumlah Baris
Prioritas
(bobot)BOP 1/13 3/25 1/19 2/37 0,304 0,076MDL 4/13 12/25 9/19 20/37 1,802 0,450CPT 3/13 4/25 3/19 5/37 0,684 0,171NYM 5/13 6/25 6/19 10/37 1,210 0,303
Jumlah Nilai
kolom1 1 1 1 4 1
Cara menghitung elemen matriks baru, kolom1 (BOP) memua nilai dibagi dengn 13
Jumlah Baris, baris 1 (BOP) = 0,676+0,12+0,005+0,05=0,304 Perhitungan Bobot, untuk BOP = 0,304/4=0,076 Bobot dari keempat kriteria : Model =0,450 =45%
Kenyamanan =0,303 =30,3%Kecepatan =0,171=17,1%Biaya Operasional=0,074=7,6%
10
ANALYTICAL HIERARCHY PROCESS (AHP)
Biaya Operasin
alT H M Model T H M
Toyota 1 4 1/3 Toyota 1 1/3 2Honda ¼ 1 ½ Honda 3 1 4Mazda 3 2 1 Mazda 1/2 1/4 1
Jumlah Kolom 17/4 7 11/6 Jumlah
Kolom 9/2 19/12 7
Kecepatan T H M Kenyaman
an T H M
Toyota 1 1/5 2 Toyota 1 ¼ ½Honda 5 1 1/3 Honda 4 1 4Mazda 1/2 3 1 Mazda 2 ¼ 1
Jumlah Kolom 13/2 21/5 10/3 Jumlah
Kolom 7 6/4 11/2
11
ANALYTICAL HIERARCHY PROCESS (AHP)
BIAYA OPERASION
ALToyota Hunda Mazda Jumlah
barisPrioritas (bobot)
Toyota 4/17 4/7 2/11 0,987 0,329Honda 1/17 1/7 3/11 0,475 0,158Mazda 12/17 2/7 6/11 1,538 0,513Jumlah Kolom 1 1 1 3 1
Harga Toyota Hunda Mazda Jumlah baris
Prioritas (bobot)
Toyota 2/9 4/19 2/7 0,718 0,240Honda 6/9 12/19 4/7 1,870 0,623Mazda 2/9 3/19 1/7 0,412 0,137Jumlah Kolom 1 1 1 3 1
12
ANALYTICAL HIERARCHY PROCESS (AHP)
Kenyamanan Toyota Hunda Mazda Jumlah
barisPrioritas (bobot)
Toyota 1/7 1/6 1/11 0,401 0,133Honda 4/7 4/6 8/11 1,965 0,655Mazda 2/7 1/6 2/11 0,634 0,211Jumlah Kolom 1 1 1 3 1
Kecepatan Toyota Hunda Mazda Jumlah baris
Prioritas (bobot)
Toyota 2/13 1/21 6/10 0,802 0,267Honda 10/13 5/21 1/10 1,107 0,369Mazda 1/13 15/21 3/10 1,091 0,364Jumlah Kolom 1 1 1 3 1
13
ANALYTICAL HIERARCHY PROCESS (AHP)
ALTERNATIF
Biaya Operasio
nal(0,076)
Model(0,450)
Kecepatan
(0,171)
Kenyamanan
(0,303)Bobot
Toyota 0,329 0,240 0,267 0,133 0,219
Honda 0,168 0,623 0,369 0,655 0,554
Mazda 0,513 0,137 0,364 0,211 0,227
Cara memhitung Bobot : Toyota = 0,329 (0,076) + 0,240 (0,450) + 0,267
(0,171) + 0,133 (0, 303) = 0,219 Hasil nya Pilih Honda
14
ANALISA KEPUTUSAN DLM KETIDAKPASTIAN
Alternatif Proyek atau
Investasi
Kondisi Ekonomi
Jelek Sedang Cerah
A 60 120 350B -80 220 630C 150 200 260D -230 470 880 Alternatif Solusi
Maximax : Pilih yang terbaik dari yang baik Maximin : Pilih Yang terbaik dari yang jelek Minimax Regret : dijelaskan tersendiri Kriteria Hurwicz : Dihitung dengan bobot a untuk maximax
ditambah (1-a) untuk maximin Kriteria Laplace/Equal Likelihood : sama dengan Hurwicz
tapi nilai a = 0,5 Nilai Ekspetasi : dijelaskan tersendiri
15
ANALISA KEPUTUSAN DLM KETIDAKPASTIAN
Perhitungan Minimax Regret Pilih Investasi C, Regret nya = 0 (karena investasi C = 150
yang tebaik dari kondisi yang jelek) → Regret = 150-150=0
Investasi A Regretnya = 150-60=90 Investasi B Regretnya = 150- (-80)=230 Investasi D Regretnya = 150-(-230)=380 Hitung juga untuk Kondisi Sedang dan Cerah
InvestasiKondisi Ekonomi Perhitungan Regret Minimax
RegretJelek Sedang Cerah Jelek Sedang Cerah
A 60 120 350 90 350 530 530B -80 220 630 230 250 250 250C 150 200 260 0 270 620 620
D -230 470 880 380 0 0 380
16
ANALISA KEPUTUSAN DLM KETIDAKPASTIAN
Perhitungan “Nilai Ekspektasi” Masing kondisi ekonomi diperkirakan probabilitasnya Misalnya Jelek : 0,2
Sedang : 0,5Cerah : 0,3
Investasi A =0.2x(60)+ 0.5x(120)+ 0.3x(350)=177 Investasi B =0.2x(-80)+ 0.5x(220)+ 0.3x(630)=283 Investasi C =0.2x(150)+ 0.5x(200)+ 0.3x(260)=208 Investasi D =0.2x(-230)+ 0.5x(470)+ 0.3x(880)=449
17
ANALISA KEPUTUSAN DLM KETIDAKPASTIAN
Alter natif
Kondisi Ekonomi Maxi max
Maxi min
Mini max
RegretHur
wicz Equal Likeli hood
Ekspek tasi
Jelek Sedang Cerah
A 60 120 350 350 60 530 234 205 177
B -80 220 630 630 -80 250 346 275 283
C 150 200 260 260 150 620 216 205 208
D -230 470 880 880 -230 380 436 325 449
18
FUNGSI BORDA Mengunakan Pembobotan, dengan mengunakan
data Peferensi atau peringkat kepentingan dari atribut/variabel yang akan dibobotkan
Misalnya, menghitung bobot dari Vario, Spin dan Mio Munculkan semua data Peferensi yang mungkin dari
variabel yang kan dibobot. Jumlah kemungkinan 6 (3x2x1) atau 3 faktorial,
sebagai berikut: Mio >Vario >Spin (Lebih suka Mio
daripada Vario daripada Spin) Mio >Spin>Vario (Lebih suka Mio daripada
Spin daripada Vario) Vario >Mio >Spin (Lebih suka Vario daripada
Mio daripada Spin) Vario >Spin>Mio (Lebih suka Vario daripada Spin
daripada Mio) Spin >Mio >Vario (Lebih suka Spin daripada
Mio daripada Vario) Spin >Vario >Mio (Lebih suka Spin
daripada Vario daripada Mio)
19
FUNGSI BORDA Dari 20 responden diperoleh hasil sbb:
Mio>Vario>Spin = 6 Mio>Spin>Vario = 4 Vario>Mio>Spin = 3 Vario>Spin>Mio = 4 Spin>Mio>Vario = 1 Spin>Vario>Mio = 2
Disusun berpasangan Lebih suka Mio daripada Vario = 6+4+1 = 11 Lebih suka Mio daripada Spin = 6+4+3 = 13 Lebih suka Vario daripada Mio = 3+4+3 = 9 Lebih suka daripada Spin = 6+3+4 = 13 Lebih suka Spin daripada Mio = 4+1+8 = 8 Lebih suka Spin daripada Vario = 4+1+3 = 8
20
FUNGSI BORDA
Sepeda Motor Mio Vario Spin Jml Baris Bobot (%)
Mio - 11 13 24 40,00
Vario 9 - 13 22 36,67
Spin 7 7 - 14 23,33
Jumlah baris 60 100,00
Hasil akhir nya adalah lebih suka Mio