Metode Net Present Value (NPV)

Posted in
22.34
Metode Net Present Value (NPV) merupakan metode penilaian investasi klasik yang sampai saat ini paling populer digunakan.
Rumus untuk menghitung NPV adalah :





di mana :

  • Ct dimulai dari C1, C2, ... Cn dan merupakan net cash flow mulai dari tahun 1,2, ... sampai dengan tahun ke-k.
  •  Co adalah initial cost atau biaya investasi yang diperlukan.
  •  n adalah perkiraan umur projek.
Kriteria untuk menerima dan menolak rencana investasi dengan metode NPV adalah sebagai berikut :
  •  Terima jika NPV > 0
  •  Tolak jika NPV < 0
  •  Kemungkinan diterima jika NPV = 0
NPV > 0 berarti projek tersebut dapat menciptakan cash inflow dengan persentase lebih besar dibandingkan oppurtunity cost modal yang ditanamkan. Apabila NPV = 0, projek kemungkinan dapat diterima karena
cash inflow yang akan diperoleh sama dengan oppurtunity cost dari modal yang ditanamkan.

Jadi semakin besar nilai NPV, semakin baik bagi projek tersebut untuk dilanjutkan.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS
Read Users' Comments (0)

Definisi Pengambilan keputusan

Posted in
22.30
BAB I
PENDAHULUAN
1.1 Definisi Pengambilan keputusan
Pengambilan keputusan merupakan proses pemilihan alternatif tindakan untuk mencapai tujuan atau sasaran tertentu. Pengambilan keputusan dilakukan dengan pendekatan sistematis terhadap permasalahan melalui proses pengumpulan data menjadi informasi serta ditambah dengan faktor – faktor yang perlu dipertimbangkan dalam pengambilan keputusan. Menurut Herbert A. Simon (Kadarsah, 2002:15-16), tahap – tahap yang harus dilalui dalam proses pengambilan keputusan sebagai berikut : 
1.      Tahap Pemahaman ( Inteligence Phace )
                        Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta proses pengenalan masalah. Data masukan diperoleh, diproses dan diuji dalam rangka mengidentifikasikan masalah.
2.   Tahap Perancangan ( Design Phace )
                Tahap ini merupakan proses pengembangan dan pencarian alternatif tindakan / solusi yang dapat diambil. Tersebut merupakan representasi kejadian nyata yang disederhanakan, sehingga diperlukan proses validasi dan vertifikasi untuk mengetahui keakuratan model dalam meneliti masalah yang ada.
3.   Tahap Pemilihan ( Choice Phace )
      Tahap ini dilakukan pemilihan terhadap diantaraberbagai alternatif solusi yang dimunculkan pada tahap perencanaan agar ditentukan / dengan memperhatikan kriteria – kriteria berdasarkan tujuan yang akan dicapai.
4.   Tahap Impelementasi ( Implementation Phace )
Tahap ini dilakukan penerapan terhadap rancangan sistem yang telah dibuat pada tahap perancanagan serta pelaksanaan alternatif tindakan yang telah dipilih pada tahap pemilihan.
2.2 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif–alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model. Dari pengertian sistem pendukung keputusan maka dapat ditentukan karakteristik antara lain :
1.   Mendukung proses pengambilan keputusan, menitikberatkan pada management by perception.
2.   Adanya interface manusia / mesin dimana manusia (user) tetap memegang control proses pengambilan keputusan.
3.   Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur  dan tak struktur.
4.   Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan.
5.   Memiliki subsistem – subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item.
6.   Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen
Dalam sistem pendukung keputusan terdapat tiga keputusan tingkatan perangkat keras maupun lunak. Masing – masing tingkatan berdasarkan tingkatan kemampuan berdasarkan perbedaan tingkat teknik, lingkungan dan tugas yang akan dikerjakan. Ketiga tingkatan tersebut adalah :
a.   Sistem Pendukung Keputusan (Specific DSS)
b. Pembangkit Sistem Pendukung Keputusan (DSS Generator)
c.   Peralatan Sistem Pendukung Keputusan
Dalam sistem pendukung keputusan terdapat tiga jenis keputusan, yaitu :
1.      Keputusan Terstruktur
Keputusan terstruktur adalah keputusan yang dilakukan secara berulang-ulang dan bersifat rutin. Informasi yang dibutuhkan spesifik, terjadwal, sempit, interaktif, real time, internal, dan detail. Prosedur yang dilakukan untuk pengambilan keputusan sangat jelas. Keputusan ini terutama dilakukan pada manajemen tingkat bawah. Contoh: Keputusan pemesanan barang dan keputusan penagihan piutang; menentukan kelayakan lembur, mengisi persediaan, dan menawarkan kredit pada pelanggan.
2.      Keputusan Semiterstruktur
Keputusan semiterstruktur adalah keputusan yang mempunyai sifat yakni sebagian keputusan dapat ditangani oleh komputer dan yang lain tetap harus dilakukan oleh pengambil keputusan. Informasi yang dibutuhkan folus, spesifik, interaktif, internal, real time, dan terjadwal. Contoh: Pengevaluasian kredit, penjadwalan produksi dan pengendalian sediaan, merancang rencana pemasaran, dan mengembangkan anggaran departemen.
3.      Keputusan Tidak Terstruktur
Keputusan tak terstruktur adalah keputusan yang penanganannya rumit karena tidak terjadi berulang-ulang atau tidak selalu terjadi. Keputusan ini menuntut pengalaman dan berbagai sumber yang bersifat eksternal. Keputusan ini umumnya terjadi pada manajemen tingkat atas. Informasi yang dibutuhkan umum, luas, internal, dan eksternal. Contoh: Pengembangan teknologi baru, keputusan untuk bergabung dengan perusahaan lain, perekrutan eksekutif.
BAB II
SISTEM PENNUNJANG KEPUTUSAN UNTUK MANNAJEMEN BEBAN KERJA AKADEMIK
1. Pendahuluan
Mengelola beban kerja staf fakultas selalu menjadi tugas yang sulit. Pekerjaan mereka adalah independen dan karena itu sulit untuk merencanakan dan mengukur. Untuk mencapai itu tugas manajer memerlukan informasi yang tepat waktu, dapat diandalkan dan lengkap tentang alokasi beban kerja untuk fakultas. Manajer bertanggung jawab untuk mengalokasikan pekerjaan ke fakultas dengan cara yang paling efisien dan untuk menyediakan fakultas dengan kompensasi yang memadai. Informasi tentang beban kerja akademik biasanya didistribusikan di antara departemen yang berbeda dan sistem informasi.
Bahkan jika informasi ini dibagi. itu masih cukup menjadi tantangan untuk menggunakannya dengan cara yang dapat membantu untuk pengelolaan suatu universitas. Mengenai kendala teknis biasanya merupakan bagian lebih mudah. Yang sulit adalah mengadopsi aturan dari peraturan dan kebijakan universitas. yang menyediakan gambaran lengkap dari beban kerja akademik bagi manajer. Sebuah studi kasus membangun dan menerapkan Sistem Pendukung Keputusan (DSS) untuk fakultas dengan sekitar 3000 siswa. 100 anggota staf fakultas dan lebih dari 100.000 jam kerja beban kerja tahunan disajikan dalam makalah ini.
2 Manajemen Beban Kerja Akademik: Gambaran Umum
Manajemen beban kerja akademik adalah disiplin yang mengkhususkan diri dalam alokasi pekerjaan untuk anggota fakultas dan dalam memberikan kompensasi untuk pekerjaan yang dilakukan oleh anggota fakultas. Oleh karena itu beberapa penulis menggunakan istilah beban kerja dosen sebagai gantinya. Untuk menghindari kebingungan beban kerja akademik istilah digunakan dalam makalah ini secara konsisten.
Doost (1997) membahas kenaikan kepentingan publik untuk akuntabilitas yang lebih baik bagi para dosen universitas. Soliman (1999) disajikan prinsip-prinsip panduan untuk alokasi beban kerja akademik dan dua model untuk mengukur beban kerja, yang didasarkan pada waktu dan yang lain berdasarkan penghasilan. Tanggapan staf akademik dengan prinsip-prinsip yang diusulkan dan model juga dipertimbangkan. Comm dan Mathaisel (2003) menggambarkan bagaimana informasi mengenai beban kerja akademik. gaji dan tunjangan dapat digunakan ntuk meningkatkan kualitas akademik. Houston dkk. (2006) mempresentasikan tantangan yang dihadapi oleh fakultas universitas peningkatan akuntabilitas, dan membahas beberapa beban kerja alokasi model isu-isu implementasi. Tombol dan Devine (2006) disurvei persepsi fakultas usaha yang terkait dengan tugas-tugas pengajaran yang berbeda.
Tujuan manajer adalah untuk mencapai produktivitas maksimum dan kualitas kerja fakultas. Tugas yang paling sulit adalah mengukur berbagai komponen beban kerja akademik (Barlas dan Diker.2000). Prinsip-prinsip kesetaraan dan transparansi harus dipertimbangkan untuk mencapai distribusi optimal beban kerja antara staf pengajar (Burgess dkk.  2003).
Fakultas harus melakukan lebih dari sekedar mengajar dan melakukan riset dalam rangka untuk berhasil memenuhi kewajiban pekerjaan mereka (Gappa dkk. 2007). Proporsi antara pengajaran dan penelitian, sebagai dua komponen utama dari pekerjaan fakultas, bervariasi sesuai dengan status kepemilikan fakultas dan jenis institusi. Kegiatan profesional dan administrasi lainnya juga diperlukan untuk mencapai status kepemilikan yang dibutuhkan dan untuk memenuhi tekanan eksternal untuk akuntabilitas.
Mengukur beban kerja akademik untuk memberikan distribusi beban kerja yang merata dan kompensasi yang memadai. sehingga meningkatkan kualitas akademik. adalah tugas yang paling penting dari manajemen beban kerja akademik. Ini berarti penggunaan beberapa jenis kinerja sistem rating (Burkholder dkk.. 2007) berdasarkan peraturan universitas dan policies.1. 2,3 Beberapa lembaga pendidikan tinggi menerapkan penilaian kinerja fakultas plans.4 Masalah hukum dan respon fakultas untuk metrik kinerja juga harus diperhatikan. terutama ketika ukuran kinerja yang digunakan secara langsung untuk perhitungan gaji.
Beberapa penulis menggunakan kuesioner untuk menentukan beban kerja akademik (Comm dan Mathaisel. 2003). Cowdery dan Agho (2007) menggunakan survei mail untuk menilai metodologi yang digunakan oleh berbagai universitas untuk menentukan dan menetapkan beban kerja akademik dalam pendidikan kesehatan. Menurut penelitian mereka. sebagian besar universitas menggunakan jam kredit sebagai ukuran utama beban kerja akademik (Stringer. 2007). sementara beberapa menggunakan jam kontak.
3 Sistem Pendukung Keputusan Akademik
Menurut Turban dkk.. (2005), SPK adalah pendekatan berbasis komputer atau metodologi untuk mendukung pengambilan keputusan. Bagian paling penting dari SPK khas adalah data warehouse, yang merupakan subjek berorientasi, terpadu, waktu-varian, non-normalisasi, koleksi non-volatile data yang memungkinkan menganalisis sejumlah besar data dari berbagai sumber dengan hasil yang cepat.
Sistem pendukung keputusan memainkan peran yang semakin penting dalam lembaga pendidikan tinggi. Doost (1997) dijelaskan akademik sistem database potensi beban kerja.
Deniz dan Ersan (2001, 2002) mengusulkan DSS bagi siswa, kursus dan program penilaian. Dasgupta dan Khazanchi (2005) dijelaskan agen cerdas diaktifkan DSS untuk penjadwalan perkuliahan. Vinnik dan Scholl (2005) mengusulkan beban kerja akademik
DSS manajemen yang berfokus pada pemanfaatan kapasitas akademik menggunakan proses menyeimbangkan permintaan dan penawaran pendidikan di perguruan tinggi.
Bagian penting dari DSS akademik akademik Sistem Perencanaan Beban Kerja (WPS) yang berfokus pada keseimbangan beban terhadap kapasitas. Menurut Burgess dkk. (2003), tujuan strategis dari WPS adalah sebagai berikut:
• Tujuan dalam bidang pendidikan
1. Untuk memaksimalkan produktivitas (untuk meminimalkan upaya staf yang diperlukan untuk melayani tingkat tertentu pendanaan)
2. Untuk memaksimalkan kualitas (untuk memaksimalkan pilihan siswa kursus atau modul)
• Tujuan penelitian:
1. Untuk memaksimalkan dana penelitian dengan sumber daya yang diberikan
2. Untuk memaksimalkan penilaian lembaga atau unit
Tombol dan Devine (2006) mengusulkan pembangunan masa depan sistem praktis untuk manajemen beban kerja akademik menggunakan bobot ekuitas untuk tugas beban kerja. Dalam tulisan ini, sebuah studi kasus implementasi DSS tersebut, didasarkan pada akademik gudang data beban kerja, dibahas.
4 Metodologi
Langkah pertama adalah analisis kebutuhan yang meliputi analisis persepsi manajemen fakultas beban kerja akademis dan analisis peraturan dan kebijakan beban kerja. Langkah berikutnya, penilaian sumber data yang tersedia, adalah yang paling penting dalam setiap proyek data warehouse. Kenyataan bahwa sumber data kualitas yang diperlukan tidak tersedia dapat membawa sebuah proyek untuk berhenti. Setelah bahwa desain data warehouse menggunakan pendekatan pemodelan dimensi dilakukan (Kimball, 1996). Langkah selanjutnya adalah transformasi data dan pembersihan, yang merupakan bagian paling memakan waktu dari setiap proyek data warehouse. Setelah data warehouse didesain dan dihuni, basis data multi-dimensi dapat dibangun dengan menggunakan Analytical Processing (OLAP) teknologi On-Line.
Setelah prototipe telah dibangun itu harus diuji. Keterlibatan manajemen fakultas dan staf pengajar lain yang diperlukan. Setiap masalah teknis atau konten harus dianalisis. Setelah penyebab masalah ditentukan perubahan harus dibuat baik pada prototipe atau peraturan dan kebijakan beban kerja. Proses evaluasi tidak pernah selesai karena keadaan yang mempengaruhi tingkat beban kerja akademik sering berubah.
5 Persyaratan
Pengelolaan universitas menghadapi tugas yang sulit untuk mendistribusikan beban kerja antar fakultas mempertimbangkan berbagai aspek:
• Profil penelitian staf fakultas dan bidang keahlian
• Jumlah siswa dan pilihan mereka pelajaran atau modul
• Penelitian peluang dan hibah
• Transparansi penggunaan kebijakan beban kerja universitas
• Persepsi fakultas pemerataan distribusi beban kerja
• Kebutuhan masyarakat untuk universitas profesor akuntabilitas
• Persyaratan beban kerja akademik hukum.
Dalam Gambar 1, proses manajemen beban kerja akademik disajikan. Langkah pertama adalah penilaian beban kerja. Langkah kedua adalah alokasi beban kerja kepada staf fakultas. Alokasi beban kerja mengajar harus dibandingkan dengan persyaratan beban kerja hukum (jika ada) dalam ketergantungan fakultas habilitasi staf (pangkat akademik). Komitmen Fakultas untuk menyelesaikan tugas yang diberikan adalah dasar untuk kompensasi. Selama beban kerja dialokasikan istilah harus dibandingkan dengan beban kerja yang sebenarnya untuk membantu manajer dengan beban kerja realokasi bila diperlukan. Perbedaan antara beban kerja akademik direncanakan dan aktual harus ditentukan secara berkala, sehingga perubahan kontrak kerja yang menjamin kompensasi yang memadai bagi staf fakultas.
Gambar 1 proses manajemen beban kerja Akademik


Peraturan beban kerja Univrsitas dan kebijakan harus dianalisis secara menyeluruh. Inkonsistensi harus dihilangkan agar proses pengukuran beban kerja yang sepenuhnya seragam dan transparan. Jika perlu, perubahan peraturan beban kerja harus diusulkan. Peraturan harus dilengkapi dengan dokumentasi tambahan metrik beban kerja yang digunakan. Komponen beban kerja akademik yang berbeda harus dimasukkan. Penggunaan bobot ekuitas dalam jam kerja membuat diukur komponen beban kerja aditif. Bila data yang akurat tidak tersedia, beberapa asumsi harus dipertimbangkan. Tabel 1 menunjukkan daftar komponen beban kerja akademik yang diusulkan.
6 Membangun Data Warehouse
Prasyarat yang paling penting untuk membangun data warehouse adalah adanya sumber data yang berkualitas. Adelman dkk.. (2005) menjelaskan beberapa permasalahan yang harus dinilai ketika berhadapan dengan data kotor :
• Kelengkapan (penilaian hasil identifikasi sumber data yang hilang)
• Konsistensi (hasil penilaian dalam definisi rutinitas penanganan eksepsi)
• Kebenaran (hasil penilaian dalam definisi deteksi kesalahan dan koreksi rutinitas).
Sumber data utama untuk akademik gudang data beban kerja adalah Sistem Informasi Akademik (SIA) (Sastry. 2007). Secara umum, AIS mendukung semua fungsi yang diperlukan universitas harus melakukan dalam proses pendidikan. Beberapa proses seperti perencanaan beban kerja biasanya tidak cukup didukung. Ketika data hilang ditemukan itu harus ditentukan mana sumber data yang paling sesuai untuk suplementasi sumber data utama. Hilang data dapat diperoleh dari sistem informasi universitas lain atau dari sumber data di luar. dan kemudian diintegrasikan dengan data dari AIS. Jika tidak ada kemungkinan seperti itu ada ada kebutuhan untuk upgrade AIS. Jika itu juga tidak mungkin penggunaan AIS yang berbeda harus dipertimbangkan. Sebuah entri data langsung ke dalam gudang data dapat menjadi solusi sementara. tetapi hanya layak bila perubahan data yang hilang terjadi secara berkala. misalnya setahun sekali.
Ketika pengecualian untuk aturan umum dalam proses transformasi data yang ditemukan. mereka harus dievaluasi untuk mencegah hilangnya transparansi. Bila perlu. rutinitas penanganan eksepsi harus diletakkan di tempat dan didokumentasikan. Semua pengecualian harus ditangani secara otomatis. Hal yang sama berlaku untuk prosedur transformasi data keseluruhan, yang telah menjadi sepenuhnya otomatis.
Sebuah gudang data harus dirancang untuk deteksi mudah dan koreksi kesalahan dalam menggunakan sumber-sumber data. Setiap informasi yang berasal dari DSS berdasarkan data warehouse harus dapat dilacak item sumber data tunggal. Setelah koreksi data yang salah. informasi dalam DSS harus berubah sesuai.
Gambar 2 menunjukkan model dimensi disederhanakan akademik gudang data beban kerja. Tabel fakta mengandung semi- aditif mengukur ' Kuantitas di unit beban kerja ' dan aditif mengukur ' Beban Kerja hour'. Dimensi ' versi Data' berisi satu atau lebih anggota untuk beban kerja direncanakan dan salah satu anggota untuk beban kerja yang sebenarnya. Beberapa dimensi disajikan secara perlahan berubah dimensi. terutama ' Fakultas staf ' dimensi.
7. Pelaksanaan DSS
Standar OLAP alat browsing yang digunakan untuk antarmuka DSS. Sebelum penerapan DSS. beberapa metrik dan Key Performance Indicator (KPI) yang digunakan untuk mengukur beban kerja akademik. Mereka metrik dan KPI dimasukkan sebagai tindakan yang diperkirakan. sehingga pengguna DSS bisa mulai bekerja dengan konten akrab.
Setelah keadaan untuk menentukan tingkat perubahan beban kerja akademik, peraturan beban kerja dan kebijakan harus diubah sesuai. Pada saat yang sama analisis perubahan kelayakan DSS harus dilakukan sehingga perubahan yang sesuai dalam rutinitas transformasi data dan perubahan AIS jika diperlukan.
Penerimaan Fakultas otomatisasi diperkenalkan ke dalam proses pengukuran beban kerja akademik merupakan salah satu faktor kunci keberhasilan untuk proyek tersebut. Untuk mencapai fakultas WPS penerimaan harus transparan dan harus menjamin pemerataan alokasi beban kerja (Burgess dkk.. 2003).
Pekerjaan pengadilan adalah dasar untuk keberhasilan pelaksanaan sistem informasi baru (Natek dan Lesjak. 2006). Dalam proyek ini. fakultas pertama diberi laporan beban kerja yang direncanakan. sesuai dengan kebijakan beban kerja. Setiap item tidak jelas laporan beban kerja mereka kemudian dibahas dan dijelaskan. Setiap perbedaan dengan kebijakan beban kerja dihilangkan sebelum penggunaan DSS punya konsekuensi kompensasi fakultas. Selama tahun akademik item beban kerja yang sama kemudian diukur dan kompensasi untuk.
Jadi apa yang kita capai dengan implementasi DSS ? Fakultas sekarang termasuk dalam proses perencanaan beban kerja dan karena itu dapat memahami tujuan strategis universitas yang jauh lebih baik. Itu adalah langkah pertama menuju keselarasan perilaku staf dengan tujuan strategis dari institusi pendidikan tinggi.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS
Read Users' Comments (0)

SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE TOPSIS

Posted in
22.16
A.      Teknik Pemodelan
METODE TOPSIS (Technique For Others Reference by Similarity to Ideal Solution)
B.       Kategori
Kategori dari metode TOPSIS adalah kategori Multi-Criteria Decision Making (MCDM) yaitu teknik pengambilan keputusan dari beberapa pilihan alternatif yang ada ,khususnya MADC(Multi Attribute Decision Making).TOPSIS bertujuan untuk menentukan solusi ideal positif dan solusi ideal negatif. Solusi ideal positif memaksimalkan kriteria manfaat dan meminimalkan kriteria biaya, sedangkan solusi ideal negatif memaksimalkan kriteria biaya dan meminimalkan kriteria manfaat (Fan dan Cheng, 2009 : 4).
Kriteria manfaat merupakan kriteria dimana ketika nilai kriteria tersebut semakin besar maka semakin layak pula untuk dipilih. Sedangkan kriteria biaya merupakan kebalikan dari kriteria manfaat, semakin kecil nilai dari kriteria tersebut maka akan semakin layak untuk dipilih. Dalam metode TOPSIS, alternatif yang optimal adalah yang paling dekat dengan solusi ideal positif dan paling jauh dari solusi ideal negatif.
C.       Sejarah
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Kwangsun Yoon and Hwang Ching-Lai (1981).
·         Yoon, K., “System Selection by Multiple Attribute Decision Making,” Ph. D. Dissertation, Kansas State University, Manhattan, Kansas, 1980.
·         Yoon, K. and C. L. Hwang, “TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)- A Multiple Attribute Decision Making,” a paper to be published, 1980.
D.      Deskripsi Teknik Pemodelan
TOPSIS menggunakan prinsip bahwa alternatif yang terpilih tidak hanya mempunyai jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Konsep ini banyak digunakan untuk menyelesaikan masalah keputusan secara praktis. Konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan kedalam bentuk matematis yang sederhana (kusumadewi dkk. , 2006:88). Konsep fundamental dari metode ini adalah penentukan jarak Euclide terpendek dari solusi ideal positif dan jarak.
Langkah-langkah:
1)    Membangun normalized decision matrix. Elemen rij hasil dari normalisasi decision matrix R dengan metode Euclidean length  of a vector adalah:
 
2.) Membangun weighted normalized decision matrix. Dengan bobot W= (w1, w2,.....,wn), maka normalisasi bobot matriks V adalah:  






3) Menentukan solusi ideal dan solusi ideal negatif. Solusi ideal dinotasikan A*, sedangkan solusi ideal negatif dinotasikan A-
  4)  Menghitung separasi .Si* adalah jarak (dalam pandangan Euclidean) alternatif dari solusi ideal didefinisikan sebagai:  
Dan jarak terhadap solusi negatif-ideal didefinisikan sebagai:


       5) Menghitung kedekatan relatif terhadap solusi ideal
  
6) Merangking Alternatif .Alternatif dapat dirangking berdasarkan urutan Ci*. Maka dari itu, alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal dan berjarak terjauh dengan solusi negatif-ideal.  


Implementasi
Ø  Sistem Pendukung Keputusan Untuk Pemilihan Sistem Operasi dengan metode TOPSIS (Serkan Ballı and Serdar Korukoğlu,2009)
Ø  Sistem Pendukung Keputusan Untuk Pemilihan rencana strategi terbaik dalam Model BSC (Javad Dodangeh, Rosnah Bt Mohd Yusuff ,Javad Jassbi ,2010)
Ø  Sistem Pendukung Keputusan untuk menentukan peringkat siswa dalam pembelajaran TIK (Eka Risyana Pribadi,2010)
Ø  Pembuatan Peringkat Kabin Eksekutif ulang-alik Kereta Api menggunakan metode TOPSIS (lanjdono Josowidagdo,2003)
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS
Read Users' Comments (0)

Metode Simple Additive Weighting (SAW)

Posted in
22.13
1.1  Pengertian Metode Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.
 1.2 Langkah Penyelesaian Simple Additive Weighting (SAW)
Langkah Penyelesaian SAW sebagai berikut :
1.      Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2.      Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3.      Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4.      Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai)sebagai solusi. Formula untuk melakukan normalisasi tersebut adalah :
Dimana : rij = rating kinerja ternormalisasi
Maxij = nilai maksimum dari setiap baris dan kolom
Minij = nilai minimum dari setiap baris dan kolom
Xij = baris dan kolom dari matriks
Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i =1,2,…m dan j = 1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :
 
 Dimana : Vi = Nilai akhir dari alternatif
wj = Bobot yang telah ditentukan
rij = Normalisasi matriks
Nilai Viyang lebih besar mengindikasikan bahwa alternatifAi lebih terpilih
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS
Read Users' Comments (0)

Komponen SPK

Posted in
22.05
Sistem Pendukung Keputusan memiliki tiga subsistem utama yang menentukan kapabilitas teknis SPK tersebut diantaranya sebagai berikut :

Subsistem manajemen basis data

Kemampuan yang dibutuhkan dari manajemen basis data dapat diringkas, sebagai berikut :
  1. Kemampuan untuk mengkombinasikan berbagai variasi data melalui pengambilan keputusan dan ekstrasi data.
  2. Kemampuan untuk menabahkan sumber data secara cepat dan mudah.
  3. Kemampuan untuk menggambarkan struktur data logik sesuai dengan pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.
  4. Kemampuan untuk menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil.
  5. Kemampuan untuk mengelola berbagai variasi data.

Subsistem manajemen basis model

Kemampuan yang dimiliki subsistem basis model diantaranya sebagai berikut :
  1. Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.
  2. Kemampuan untuk mengakses dan mengintegrasikan model-model keputusan.
  3. Kemampuan untuk mengelola basis model dengan fungsi manajemen yang analog dan manajemen database (seperti mekanisme untuk menyimpan, membuat dialog, menghubungkan dan mengakses model).

Subsistem perangkat lunak penyelenggara dialog

Bennet mendefinisikan pemakai, terminal, dan sistem perangkat lunak sebagai komponen-komponen dari sistem dialog. Ia membagi subsistem dialog menjadi 3 bagian :
  1. Bahasa aksi, meliputi apa yang dapat dugunakan oleh pemakai dalam berkomunikasi dengan sistem.
  2. Bahasa tampilan atau presentasi, meliputi apa yang harus diketahui oleh pemakai.
  3. Basis pengetahuan, meliputi apa yang harus diketahui oleh pemakai.
Kombinasi dari kemampuan-kemampuan diatas terdiri dari apa yang disebut gaya dialog, misalnya, yang meliputi pendekatan tanya jawab, bahasa perintah, menu-menu, dan mengisi tempat kosong.
Kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai atau sistem meliputi :
  1. Kemampuan untuk menangani berbagai variasi gaya dialog, bahkan jika mungkin untuk mengkombinasikan berbagai gaya dialog sesuai dengan pilihan pemakai.
  2. Kemampuan untuk mengakomodasi tindakan pemakai dengan berbagai peralatan masukan.
  3. Kemampuan untuk menampilkan data dengan berbagai fariasi format dan peralatan keluaran.
  4. Kemampuan untuk memberikan dukungan yang fleksibel untuk mengetahui bisnis pengetahuan pemakai.

Keuntungan Sistem Pendukung Keputusan

Dengan berbagai karakter khusus yang dimiliki Sistem Pendukung Keputusan (SPK) dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :
  1. SPK memperluas keampuan pengambil keputusan dalam memproses data/ informasi bagi pemakainya.
  2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama masalah yang sangat kompleks.
  3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
  4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapioleh pengambil keputusan, namun ia dapat mengambil stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS
Read Users' Comments (0)

DEFINISI SISTEM PENDUKUNG KEPUTUSAN

Posted in
21.49
Sistem pendukung keputusan (Inggris: decision support systemsdisingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.DSS dapat juga dikatakan sebagai sistem komputer yang mengolahdata menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik
Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur .
Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa difinisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya oleh Man dan Watson yang memberikan definisi sebagai berikut, SPK merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur.
Tahapan Dalam Pengambilan Keputusan
1.Tahap  Pemahaman
 2.Tahap Perancangan 
3.Tahap Pemilihan
4.Tahap Penerapan
Karakteristik sistem pendukung keputusan adalah :
  1. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi.
  2. Dalam proses pengolahannya, sistem pendukung keputusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi.
  3. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah.
  4. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi.
Dengan berbagai karakter khusus diatas, SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :
  1. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
  2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
  3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
  4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.
Di samping berbagai keuntungan dan manfaat seperti dikemukakan diatas, SPK juga memiliki beberapa keterbatasan, diantaranya adalah :
  1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
  2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).
  3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan.
  4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya.
Jadi secara dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam proses pengambilan keputusan.
Komponen Sistem Pendukung Keputusan
Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu:
  1. Subsistem pengelolaan data (database).
  2. Subsistem pengelolaan model (modelbase).
  3. Subsistem pengelolaan dialog (userinterface).
Tahapan SPK:
  • Definisi masalah
  • Pengumpulan data atau elemen informasi yang relevan
  • pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan
  • menentukan alternatif-alternatif solusi (bisa dalam persentase)
Tujuan dari SPK:
  • Membantu menyelesaikan masalah semi-terstruktur
  • Mendukung manajer dalam mengambil keputusan
  • Meningkatkan efektifitas bukan efisiensi pengambilan keputusan
Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dll.
  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • Twitter
  • RSS
Read Users' Comments (0)
Langganan: Postingan (Atom)