Fokus Masalah
Turban (2005) mengkategorikan model sistem pendukung keputusan dalam tujuh model, yaitu:
- Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.
- Model optimasi dengan algoritma.
- Model optimasi dengan formula analitik.
- Model simulasi.
- Model heuristik.
- Model prediktif.
- Model-model yang lainnya.
Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.
Model ini akan melakukan pencarian terhadap solusi terbaik dari sejumlah alternatif.
Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan tabel keputusan, pohon keputusan, atau beberapa metode pada MADM.
Tabel Keputusan
Tabel keputusan merupakan metode pengambilan keputusan yang cukup sederhana.
Metode ini menggunakan bantuan tabel yang berisi hubungan antara beberapa atribut yang mempengaruhi atribut tertentu.
Umumnya, tabel keputusan ini digunakan untuk penyelesaian masalah yang tidak melibatkan banyak alternatif.
Pada tabel keputusan, nilai kebenaran suatu kondisi diberikan berdasarkan nilai logika dari setiap atribut Ek.
Hanya ada dua nilai kebenaran, yaitu Ek = benar atau Ek = salah
Secara umum, tabel keputusan berbentuk:
D = E {E1, E2, ..., EK}
Dengan D adalah nilai kebenaran suatu kondisi, dan Ei adalah nilai kebenaran atribut ke-i (i = 1, 2, ... K).
Pohon Keputusan
Pohon keputusan adalah salah satu metode penyelesaian masalah keputusan dengan cara merepresentasikan pengetahuan dalam bentuk pohon.
Suatu pohon memiliki conditional node yang menunjukkan kebenaran suatu ekspresi atau atribut.
Conditional node tersebut memberikan beberapa kemungkinan nilai, dapat berupa nilai boolean (Benar atau Salah), atau beberapa alternatif nilai yang mungkin dimiliki oleh suatu atribut, misal untuk atribut Tekanan Darah (Rendah, Normal, Tinggi).
Multi-Attribute Decision Making (MADM)
Secara umum, model Multi-Attribute Decision Making (MADM) dapat didefinisikan sebagai berikut (Zimermann, 1991):
Misalkan A = {ai | i = 1,...,n} adalah himpunan alternatif-alternatif keputusan dan C = {cj | j = 1,..., m} adalah himpunan tujuan yang diharapkan, maka akan ditentukan alternatif x0 yang memiliki derajat harapan tertinggi terhadap tujuan–tujuan yang relevan cj.
Janko (2005) memberikan batasan tentang adanya beberapa fitur umum yang akan digunakan dalam MADM, yaitu:
Alternatif, adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.
Atribut, sering juga disebut sebagai karakteristik, komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan.
Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.
Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria,
W = (w1, w2, ..., wn).
Pada MADM akan dicari bobot kepentingan dari setiap kriteria.
Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen xij, yang merepresentasikan rating dari alternatif Ai (i=1,2,...,m) terhadap kriteria Cj (j=1,2,...,n).
Masalah MADM adalah mengevaluasi m alternatif Ai (i=1,2,...,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya.
Kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu:
- Kriteria keuntungan adalah kriteria yang nilainya akan dimaksimumkan, misalnya: keuntungan, IPK (untuk kasus pemilihan mahasiswa berprestasi), dll.
- Kriteria biaya adalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli, biaya produksi, dll.
Pada MADM, matriks keputusan setiap alternatif terhadap setiap atribut, X, diberikan sebagai:
Dengan xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j.
Nilai bobot yang menunjukkan tingkat kepentingan relatif setiap atribut, diberikan sebagai
W = {w1, w2, ..., wn}
Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan.
Masalah MADM diakhiri dengan proses perankingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan preferensi yang diberikan (Yeh, 2002).
Pada MADM, umumnya akan dicari solusi ideal.
Pada solusi ideal akan memaksimumkan semua kriteria keuntungan dan meminimumkan semua kriteria biaya.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain:
- Simple Additive Weighting (SAW) penjelasan SAW klik disini
- Weighted Product (WP) penjelasan WP klik disini
- TOPSIS penjelasan SAW klik disini
- Analytic Hierarchy Process (AHP) penjelasan AHP
Comments