Simple Additive Weighting (SAW)

Metode 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. 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 dikenal dan paling banyak digunakan orang dalam menghadapi situasi MADM (multiple attribute decision making).
Metode ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut.
Skor total untuk sebuah alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut.
Rating tiap atribut haruslah bebas dimensi yang artinya telah melewati proses normalisasi sebelumnya.

Langkah Penyelesaian SAW
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.

Metode B/C Ratio (BENEFIT COST RATIO)

SEKILAS

Benefit Cost Ratio merupakan salah satu alat evaluasi kelayakan investasi. Pada pokok bahasan ini akan dijelaskan cara perhitungan dan hasil akhirnya apakah layak atau tidak.

PEMBAHASAN

Benefit Cost Ratio merupakan salah satu metode kelayakan investasi. Pada dasarnya perhitungan metode kelayakan investasi ini lebih menekankan kepada benefit (manfaat) dan perngorbanan (biaya/ cost) suatu invetasi, bisa berupa usaha, atau proyek. Pada umumnya jenis invetasi yang sering digunakan adalah proyek-proyek pemerintah dimana benefitnya jenis benefit langsung, manfaatnya akan terasa langsung pada masyarakat banyak.

Sebagai contoh dari proyek pemerintah adalah proyek pembangunan jalan tol Pasupati. Nilai benefit atau manfaat yang bisa didapatkan dari proyek tersebut misalnya efisiensi waktu tempuh antara Jakarta-Bandung, kenyamanan berkendara karena jalan yang dipakai dibuat senyaman mungkin dan peningkatan produktivitas lahan tersebut. Namun tidak hanya mendatangkan manfaat saja, investasi juga mendatangkan pengorbanan yang digolongkan kedalam cost. Jadi suatu invetasi atau proyek tidak bisa terlepas dari benerfit dan cost.

Benefit cost ratio analysis secara matematis merupakan perbandingan nilai ekuivalen semua benefit terhadap nilai ekuivalen semua biaya. Perhitungan ekuivalensi bisa menggunakan salah satu dari beberapa analisis. Contohnya :

 B/C=  PWbenefit/(PW cost)=  FWbenefit/FWcost=AWbenefit/AWcost

Untuk kriteria pengambilan keputusan untuk alternatif tunggal adalah dengan cara melihat nilai dari B/C apakah besar dari sama dengan satu atau kecil dari satu.

-Jika B/C ≥ 1 , maka alternatif investasi atau proyek layak (feasible), diterima

-Jika B/C < 1 , maka alternatif investasi atau proyek tidak layak (not feasible)

Contoh alternatif tunggal :

Sebuah perusahaan sedang mempertimbangkan untuk membeli peralatan baru seharga Rp.35.000.000. Dengan peralatan baru itu bisa dilakukan penghematan sebesar Rp.500.000 per tahun selama 5 tahun. Pada akhir tahun ke 5 peralatan itu memiliki nilai jual sebesar 40.000.000. apabila tingkat pengembalian 9% per tahun. Apakah pembelian peralatan baru tersebut menguntungkan?

Penyelesaian :

Dengan menggunakan pendekatan present worth maka semua biaya dan benefit ditarik ke present

  

B/C=  (500.000 (P/A,9%,5)+40.000.000 (P/F,9 %,5))/35.000.000

B/C=  (500.000 (3,88966)+40.000.000 (0,64993))/35.000.000

B/C= 0,79 

karena kurang dari 1 maka investasi pembelian peralatan baru tidak layak atau tidak menguntungkan.

Fuzzy Multiple Attribute Decision Making

Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan.

Pada dasarnya, ada tiga pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif dapat ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan (Kusumadewi, 2007).

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM, antara lain (Kusumadewi, 2006) :

1.      Simple Additive Weighting (SAW)

2.      Weighted Product (WP)

3.      ELECTRE

4.      Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

5.      Analytic Hierarchy Process (AHP)

Algoritma Fuzzy Multiple Attribute Decision Making adalah :

1.      Memberikan nilai setiap alternatif (A_i) pada setiap kriteria (C_j) yang sudah ditentukan, dimana nilai tersebut diperoleh berdasarkan nilai crisp; i=1,2,…m dan j=1,2,…n.

2.      Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.

3.      Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (r_ij) dari alternatif (A_i) pada atribut (C_j) berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan / benefit = MAKSIMUM atau atribut biaya / cost = MINIMUM). Apabila berupa atribut keuntungan maka nilai crisp (x_ij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX x_ij) dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN x_ij) dari tiap kolom atribut dibagi dengan nilai crisp (x_ij) setiap kolom.

4.      Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W).

5.      Melakukan nilai preferensi untuk setiap alternatif (V_i) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai V_i yang lebih besar mengindikasikan bahwa alternatif lebih terpilih (Kusumadewi, 2007).

Analytic Hierarchy process (AHP)

 Salah satu kesulitan pada awal implementasi sistem pengelolaan kinerja adalah menentukan bobot masing-masing KPI. Dalam artikel yang lalu disebutkan bahwa untuk melakukan pembobotan bisa dilakukan dengan dua cara yaitu dengan pembobotan secara langsung (direct weighting) atau menggunakan metode Analytic Hierarchy process (AHP). Pada artikel kali ini kita akan membahas bagaimana menggunakan metode AHP untuk menentukan bobot.

Sejarah AHP

AHP dikembangkan oleh thomas saaty pada tahun 1970an. AHP merupakan sistem pembuat keputusan dengan menggunakan model matematis. AHP membantu dalam menentukan prioritas dari beberapa kriteria dengan melakukan analisa perbandingan berpasangan dari masing-masing kriteria. Dalam sistem pengelolaan kinerja yang dimaksud dengan kriteria tersebut adalah KPI.

Penggunaan metode AHP dalam Sistem Pengelolaan Kinerja

Kaidah pembobotan menyatakan bahwa:

1. Nilai bobot KPI berkisar antara 0 – 1 atau antara 0% – 100% jika kita menggunakan prosentase.
2. Jumlah total bobot semua KPI harus bernilai 1 (100%)
3. Tidak ada bobot yang bernilai negatif (-).

Sistem Pendukung Keputusan ( SPK )

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.

Karakteristik dan Nilai Guna

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).

Hubungan antara ketiga komponen ini dapat dilihat pada gambar dibawah.

 

Gambar : Hubungan antara tiga komponen sistem pendukung keputusan

Sub sistem pengelolaan data (database)

Sub sistem pengelolaan data (database) merupakan komponen SPK yang berguna sebagai penyedia data bagi sistem. Data tersebut disimpan dan diorganisasikan dalam sebuah basis data yang diorganisasikan oleh suatu sistem yang disebut dengan sistem manajemen basis data (Database Management System).

Sub sistem pengelolaan model (model base)

Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan model-model keputusan. Model adalah suatu tiruan dari alam nyata. Kendala yang sering dihadapi dalam merancang suatu model adalah bahwa model yang dirancang tidak mampu mencerminkan seluruh variabel alam nyata, sehingga keputusan yang diambil tidak sesuai dengan kebutuhan oleh karena itu, dalam menyimpan berbagai model harus diperhatikan dan harus dijaga fleksibilitasnya. Hal lain yang perlu diperhatikan adalah pada setiap model yang disimpan hendaknya ditambahkan rincian keterangan dan penjelasan yang komprehensif mengenai model yang dibuat.

Subsistem pengelolaan dialog (user interface)

Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan sistem yang terpasang dengan pengguna secara interaktif, yang dikenal dengan subsistem dialog. Melalui subsistem dialog, sistem diimplementasikan sehingga pengguna dapat berkomunikasi dengan sistem yang dibuat.Fasilitas yang dimiliki oleh subsistem dialog dibagi menjadi tiga komponen [10]:

1. Bahasa aksi (action language), yaitu suatu perangkat lunak yang dapat digunakan oleh user untuk berkomunikasi dengan sistem, yang dilakukan melalui berbagai pilihan media seperti keyboard, joystick dan keyfunction yang lainnya.
2. Bahasa tampilan (display and presentation language), yaitu suatu perangkat yang berfungsi sebagai sarana untuk menampilkan sesuatu. Peralatan yang digunakan untuk merealisasikan tampilan ini diantaranya adalah printer, grafik monitor, plotter, dan lain-lain.
3. Basis pengetahuan (knowladge base), yaitu bagian yang mutlak diketahui oleh pengguna sehingga sistem yang dirancang dapat berfungsi secara interaktif.