Macam-macam Metode Sistem Pendukung Keputusan (SPK)

by Trianilus
0 comment 168 views
Macam-macam Metode Sistem Pendukung Keputusan (SPK)

Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah suatu sistem yang digunakan untuk mempermudah pengambil keputusan (decision maker) dalam menentukan suatu keputusan berdasarkan pengolahan informasi yang tersedia. Terdapat macam-macam metode sistem pendukung keputusan (SPK) yang dapat diterapkan oleh pengambil keputusan.

Macam-macam metode sistem pendukung keputusan yang dimaksud di antaranya metode AHP, WP, TOPSIS, SAW, sistem pakar dan regresi linear sederhana. Untuk mengetahui lanjut, simak ulasan lengkap mengenai macam-macam metode sistem pendukung keputusan di bawah ini

Macam-macam Metode Sistem Pendukung Keputusan

1. Metode AHP

Metode Analytic Hierarchy Process (AHP) dikembangkan oleh seorang profesor matematika asal Irak, Thomas L. Saaty. Metode AHP merupakan metode yang dikembangkan untuk membantu mengambil suatu keputusan berdasarkan alternatif pilihan dan kriteria yang ‘diadu’ satu per satu.

Dalam mengambil keputusan, kita biasanya dihadapkan dengan berbagai alternatif pilihan dan berbagai kriteria. Jika altenatif pilihan itu hanya ada dua, kita mungkin tidak kesulitan untuk memilih alternatif yang terbaik. Namun, kita akan kesulitan menentukan alternatif terbaik dari bermacam-macam alternatif. Nah, metode AHP dapat membantu kita dalam menghadapi kesulitan ini.

Metode AHP akan ‘mengadu’ satu lawan satu dari semua alternatif yang ada. Kemudian satu per satu alternatif tersebut ditabulasi untuk dihitung skornya. Adapun alternatif pilihan yang memiliki skor tertinggi merupakan alternatif pilihan yang terbaik dari lainnya.

Misalnya, seorang laki-laki bernama Paijo tengah mencari istri dengan kriteria cantik, berpendidikan dan berasal dari keluarga terpandang. Saat ini, Paijo dekat dengan tiga wanita di antaranya Susi, Sri dan Sari. Paijo ingin memperistri salah satu dari ketiga wanita itu berdasarkan kriteria yang ia tetapkan

Nah, Paijo dapat menentukan siapa yang paling cocok menjadi istrinya sesuai dengan kriteria yang ia tetapkan dengan menggunakan metode AHP. Paijo harus menentukan bobot ketiga wanita itu dengan mengadunya satu per satu. Adapun yang memiliki bobot paling banyak, maka wanita itu dianggap paling cocok menjadi istri Paijo.

Metode AHP memiliki banyak kelebihan, salah satunya dapat memecahkan permasalahan yang tergolong kompleks melalui sebuah pendekatan sistem dan pengintegrasian secara deduktif. Selain itu, kelebihan metode AHP di antaranya:

  • Metode AHP dapat menjadikan suatu permasalahan yang luas dan tidak terstruktur menjadi model yang fleksibel dan mudah dipahami;
  • Metode AHP menyediakan skala pengukuran dan metode untuk mendapatkan nilai prioritas masing-masing elemen kriteria;
  • Metode AHP mempertimbangkan suatu nilai konsistensi yang logis dalam penilaian yang digunakan untuk menentukan suatu priotitas;
  • Metode AHP dapat mewakili pemikiran ilmiah yang cenderung mengelompokkan elemen sistem ke dalam level-level yang berbeda di mana masing-masing level memuat elemen yang serupa;
  • Metode AHP mempertimbangkan prioritas relative masing-masing faktor yang terdapat pada sistem sehingga pengambil keputusan dapat menentukan alternatif pilihan terbaik berdasarkan tujuan sesuai dengan yang diharapkan;
  • Metode AHP dapat membuat pengambil keputusan menyaring definisi dari suatu persoalan dan mengembangkan penilaian serta pengertian mereka melalui proses pengulangan.
Baca :   Inflasi: Pengertian, Penyebab, Dampak dan Cara Mengatasi

Di samping itu, metode AHP juga memiliki kelemahan, di antaranya:

  • Metode AHP hanya berupa metode matematis, tanpa disertai dengan uji statistik berdasarkan data historis permasalahan yang terjadi. Sehingga, metode ini tidak memiliki batas kepercayaan dan informasi pendukung yang kuat dari kebenaran model yang terbentuk;
  • Metode AHP bergantung pada input utama. Input utama yang dimaksud ialah penafsiran subyektivitas seorang ahli. Model juga tidak akan berarti jika seorang ahli itu menyampaikan penafsiran yang salah.

2. Metode WP

Metode Wighted Product (WP) pertama kali disebutkan oleh Bridgman dalam sebuah artikel. Metode WP merupakan salah satu metode sistem pendukung keputusan yang berguna untuk memecahkan persoalan dengan menggunakan perkalian untuk menghubungkan rating atribut, di mana rating harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Proses ini juga disebut sebagai proses normalisasi.

Berikut langkah-langkah penerapan metode WP:

  • Menentukan sejumlah kriteria yang akan dijadikan patokan untuk mengambil keputusan;
  • Menentukan input awal dan akhir guna mengubah nama inputan menjadi nilai rating kecocokan;
  • Menentukan bobot setiap kriteria;
  • Mengubah data input menjadi nilai rating kecocokan;
  • Melakukan perbaikan bobot pada masing-masing kriteria. Caranya ialah dengan menjumlahkan bobot setiap kriteria yang dilanjutkan dengan setiap bobot awal kriteria dibagi dengan hasil penjumlahan bobot kriteria;
  • Menentukan nilai vektor alternatif. Caranya ialah dengan mengalikan data nilai rating kecocokan (yang berpangkat positif) dari hasil perbaikan bobot kriteria.

Berikut rumus untuk menormalisasikan nilai:

Rumus metode WP

Dengan I = 1,2,…..m. Sementara nilai ‘m’ menunjukkan jumlah alternatif yang telah dievaluasi, dan nilai Xij menunjukkan nilai rating kecocokan alternatif ke-‘I’ terhadap kriteria ke-‘j’.

Preferensi relatif dari setiap alternatif, diberikan sebagai:

Rumus metode WP

Dengan I = 1,2,…..,m. Sementara nilai ‘n’ menunjukkan jumlah kriteria yang digunakan dalam perhitungan.

Metode WP sangat cocok diterapkan untuk pengambilan keputusan yang sederhana. Adapun kelebihan dari metode ini di antaranya:

  • Metode WP lebih sederhana dibandingkan metode-metode simtem pendukung keputusan (SPK) lainnya;
  • Metode WP mudah dipahami;
  • Metode WP menggunakan perhitungan yang tidak begitu kompleks;
  • Metode WP memiliki variable Cost and Benefit, yang berperan untuk menentukan kriteria yang berpengaruh terhadap keputusan.

Di samping itu, metode WP juga memiliki kekurangan, di antaranya:

  • Metode WP belum se-akurat dengan metode-metode simtem pengambil keputusan lainnya;
  • Metode WP hanya dapat digunakan pada proses nilai yang memiliki nilai rentang.

3. Metode TOPSIS

Metode TOPSIS pertama kali dikenalkan oleh Yoon dan Hwang pada 1981 lalu. Metode TOPSIS merupakan metode yang populer digunakan untuk pengambilan keputusan secara praktis. TOPSIS memiliki konsep di mana alternatif yang terpilih adalah alternatif terbaik yang memiliki jarak terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif.

Solusi ideal positif merupakan jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut. Sementara solusi ideal negatif ialah jumlah dari seluruh nilai terburuk yang dicapai untuk setiap atribut.

Berikut adalah tahapan dalam mengimplementasikan metode TOPSIS:

  • Membuat matriks keputusan yang ternormalisasi;
  • Membuat matriks keputusan yang ternormalisasi terbobot;
  • Membuat matriks solusi ideal positif dan negatif;
  • Menentukan jaran antara nilai pada masing-masing alternatif dengan matriks solusi ideal positif dan negatif;
  • Menentukan nilai preferensi untuk setiap alternatif.

Agar lebih mudah memahami penerapan metode TOPSIS, cermati rumus di bawah ini:

a. Membuat matriks yang ternormalisasi

Elemen Rij hasil dari normalisasi decision matrix R dengan metode Euclidean legth of vector ialah:

Rumus Metode TOPSIS

Dengan I = 1,2,3,….m dan j = 1,2,3,….n

Baca :   Mengenal Lebih Dalam Sistem Pendukung Keputusan (SPK)

b. Membuat matriks yang ternormalisasi terbobot

Solusi ideal positif (A+) dan solusi ideal negatif (A-) bisa ditentukan dengan berpatokan rating bobot ternormalisasi dengan rumus:

Rumus Metode TOPSIS

Dengan I = 1,2,3,….m dan j = 1,2,3,….n

c. Membuat matriks solusi ideal positif dan solusi ideal negatif

Solusi ideal positif A+ dapat dihitung dengan rumus:

Rumus Metode TOPSIS

Sementara solusi ideal negatif A- dapat dihitung dengan rumus:

Rumus Metode TOPSIS

d. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan solusi ideal negatif

Jarak antara alternatif Ai dengan solusi ideal positif dapat dirumuskan sebagai berikut:

Rumus Metode TOPSIS

Sementara jaran antara alternatif Ai dengan solusi ideal negative dapat dirumuskan sebagai berikut:

Rumus Metode TOPSIS

e. Menentukan nilai preferensi untuk setiap alternatif

Kedekatan setiap alternatif terhadap solusi ideal dapat dihitung dengan rumus sebagai berikut:

Rumus Metode TOPSIS

Perlu Anda ketahui, nilai preferensi untuk setiap alternatif adalah hasil akhir dari perhitungan metode TOPSIS. Semakin tinggi nilai prefensi berarti alternatif tersebut adalah alternatif yang diharapkan oleh pengambil keputusan.

Metode TOPSIS memiliki konsep yang sederhana dan mudah dipahami, sehingga pengambilan keputusan dapat dilakukan dengan cepat. Selain itu, metode TOPSIS juga memiliki kelebihan, di antaranya:

  • Komputasinya efisien, sehingga penghitungan komputasi lebih cepat;
  • Dapat dijadikan pengukur kinerja alternatif dan alternatif keputusan dalam bentuk komputasi yang sederhana.

Di samping itu, metode TOPSIS juga memiliki kelemahan, di antaranya:

  • Belum ada penentuan bobot prioritas yang menjadi prioritas hitungan kriteria, yang berguna untuk meningkatkan validitas nilai bobot penghitungan kriteria;
  • Belum ada mediator seperti hierarki. Sehingga, jika diproses mandiri maka dalam hal ketepatan pengambilan keputusan cenderung belum menghasilkan keputusan yang sempurna;
  • Metode TOPSIS menganggap alternatif dengan ranking tertinggi adalah solusi yang layak dipilih atau terbaik. Padahal belum tentu ranking tertinggi itu merupakan ranking yang terdekat dari solusi ideal. Oleh karena itu, dibutuhkan penghitungan lagi untuk memastikan solusi terbaik itu.

4. Metode SAW

Metode Simple Addictive Weighting (SAW) ialah metode penjumlahan terbobot. Metode SAW menuntut pengambil keputusan untuk menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh melalui penjumlahan seluruh hasil perkalian antara rating dan bobot setiap atribut. Adapun rating setiap atribut harus bebas dimensi atau telah melewati proses normalisasi matriks sebelumnya.

Metode SAW termasuk salah satu metode sistem pendukung keputusan yang banyak digunakan, terutama dalam menghadapi Multiple Attribute Decision Making (MADM). MADM yang dimaksud di sini adalah metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria-kriteria tertentu.

Metode SAW sangat cocok diimplementasikan di kehidupan masyarakat, seperti pemilihan siswa berprestasi, rekomendasi pencari kerja terbaik, penilaian suatu pekerja atau karyawan di suatu perusahaan dan lainnya. Dengan metode ini, diharapkan pengambil keputusan mendapatkan hasil yang efisien dan mengurangi subyektifitas.

Berikut langkah-langkah penerapan metode SAW:

  • Menentukan sejumlah kriteria yang akan dijadikan patokan dalam mengambil keputusan;
  • Menentukan rating kecocokan setiap alternatif pada masing-masing kriteria;
  • Membuat matriks keputusan berdasakan kriteria;
  • Melakukan normalisasi matriks dengan berpatokan persamaan yang disesuaikan dengan jenis atribut. Sehingga nanti diperoleh matriks ternormalisasi;
  • Hasil akhir diperoleh melalui proses perankingan. Maksud perankingan di sini ialah penjumlahan dari perkalian matriks ternormalisasi dengan vektor bobot. Sehingga, akan diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi pemecahan masalah.

Adapun rumus untuk melakukan normalisasi yakni sebagai berikut:

Rumus metode SAW

Keterangan:

  • rij: nilai rating kinerja ternormalisasi;
  • xij: nilia atribut yang dimiliki dari masing-masing kriteria;
  • Max xij: nilai terbesar dari setiap kriteria I;
  • Min xij: nilai terkecil dari setiap kriteria I;
  • benefit: bila nilai terbesar ialah terbaik;
  • cost: jika nilai terkecil ialah terbaik, yang mana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut ‘Cj’, ‘i = 1,2,…,m dan ‘j = 1,2,…,n.
Baca :   Peraturan Tentang Cuti PNS Terbaru

Nilai preferensi untuk setiap alternatif diberikan sebagai berikut:

Rumus metode SAW

Keterangan:

Vi: rangking untuk setiap alternatif;

Wj: nilai bobot dari setiap kriteria;

Rij: nilai rating kinerja ternormalisasi.

Nb: nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih terpilih.

5. Metode Sistem Pakar

Metode sistem pakar atau expert system method adalah sistem informasi yang memuat pengetahuan dari pakar. Sehingga metode ini dapat dijadikan ‘media’ untuk konsultasi. Metode sistem pakar juga dapat dikatakan sebagai program komputer yang dirancang untuk pengambilan keputusan sebagaimana keputusan yang diambil oleh para pakar.

Dalam penyusunannya, sistem pakar menggabungkan sejumlah kaidah penarikan kesimpulan dengan basis pengetahuan yang diberikan oleh para pakar pada bidang tertentu. Gabungan ini disimpan dalam komputer untuk digunakan dalam proses pengambilan keputusan untuk menyelesaikan suatu masalah.

Berikut ciri-ciri dari metode sistem pakar:

  • Mempunyai informasi handal;
  • Sangat mudah dimodifikasi;
  • Bisa digunakan di berbagai jenis komputer;
  • Mempunyai kemampuan untuk belajar beradaptasi.

Metode sistem pakar tersusun oleh tiga modul utama, di antaranya:

a. Modul penerimaan pengetahuan

Sistem akan berada pada modul penerimaan pengetahuan saat menerima pengetahuan dari pakar. Adapun proses untuk mengumpulkan pengetahuan-pengetahuan yang akan digunakan dalam pengembangan sistem dilakukan dengan bantaun dari knowledge engineer. Peran knowledge engineer ialah penghubung antara satu sistem pakar dengan pakar lainnya.

b. Modul konsultasi

Sistem pakar akan berada pada modul konsultasi saat memberikan jawaban atas permasalahan yang diajukan oleh pengguna (user). Pada modul konsultasi, pengguna melakukan interaksi dengan sistem untuk menjawab berbagai pertanyaan yang diajukan oleh sistem.

c. Modul penjelasan

Modul penjelasan ialah modul yang menjelaskan proses pengambilan keputusan oleh sistem terkait bagaimana suatu keputusan diperoleh.

6. Metode Regresi Linear Sederhana

Metode regresi linear sederhana (simple linear regression) merupakan metode yang berguna untuk menguji sejauh mana hubungan sebab akibat antara variabel faktor penyebab terhadap variabel akibat. Faktor penyebab dilamangkan dengan simbol ‘X’, sementara variabel akibat atau juga disebut response dilambangkan dengan simbol ‘Y’.

Dalam bidang produksi, regresi linear biasanya digunakan untuk memprediksi terkait karakteristik kualitas dan kuantitas produksi.

Berikut adalah langkah-langkah penerapan metode regresi linear sederhana:

  • Menentukan tujuan dari melakukan analisis dengan metode regresi linear sederhana;
  • Mengidentifikasi variabel faktor penyebab (X) dan variabel akibat (Y);
  • Melakukan pengumpulan data;
  • Menghitung X2, Y2, XY;
  • Menghitung a dan b sesuai dengan rumus regresi linear sederhana (rumus ada di bawah);
  • Membuat model persamaan regresi linear sederhana;
  • Melakukan prediksi terhadap variabel faktor penyebab dan variabel akibat.

Berikut rumus dari metode regresi linear sederhana:

Rumus metode regresi linear sederhana

Keterangan:

  • Y: variabel akibat atau variabel response;
  • X: variabel penyebab;
  • a: konstanta
  • b: koefisien regresi (kemiringan) atau besaran response yang ditimbulkan oleh variabel penyebab.

Kemudian, nilai-nilai a dan b dirumuskan sebagai berikut:

Rumus metode regresi linear sederhana

Sebagaimana penjelasan di atas, metode analisis regresi linier untuk memprediksi terkait karakteristik kualitas dan kuantitas produksi. Misalnya, tentang hubungan antara lamanya kerusahan mesin X dengan kualitas produksi yang dihasilkan; hubungan antara banyaknya pekerja dengan hasil yang diproduksi; hubungan antara suhu di dalam ruangan dengan cacat produksi yang dihasilkan; dan lainnya.

Demikian ulasan tentang macam-macam metode sistem pendukung keputusan (SPK) yang terdiri dari metode AHP, WP, TOPSIS, SAW, sistem pakar dan regresi linear. Semoga dapat memberikan pengetahuan dan wawasan baru untuk Anda.

You may also like

Leave a Comment