SlideShare a Scribd company logo
Kompleksitas dan
sifat-sifat dasar
Permasalahan
#PengambilanKeputusan
#MMPerbanas
The Team
@hermansetiyadi
18
@estularas
18
@edwinsyafruddin
1812000201
https://youtu.be/IJNR2E
pS0jw
Game
4 Karakterikstik Masalah
Semuanya terhubung antara masalah serta
solusinya
Jangan hanya fokus pada potongan informasi
yang terisolasi - hubungan di antara hal-hal
sering dapat memberikan petunjuk penting.
Kompleksitas yang teratur dan berantakan
tantangan Anda adalah menemukan titik-titik
leverage di mana intervensi dapat membuat
perbedaan.
Akan selalu ada ketidakpastian
Tugas Anda adalah menurunkannya ke tingkat
yang dapat diterima. Biasanya ada jumlah
penelitian yang optimal, di mana diskusi lebih lanjut
tidak memajukan strategi. Ketika Anda
mengunjungi kembali masalah yang sama dua kali,
Anda mungkin mulai membuang-buang waktu Anda
mencoba untuk membuat ketidakpastian dari sistem
- dan itu tidak akan terjadi.
Akan selalu ada ambiguitas
Tidak ada satu cara yang tepat untuk
mendefinisikan masalah. Namun, ada banyak cara
untuk memecahkan masalah yang benar; tidak ada
cara untuk memecahkan masalah yang salah.
siklus analisis keputusan
1
pengem
bangan
basis
pengetahuan
aw
al
2
penataan
determ
inistik
3
evaluasiprobabilitas
4
dasarpenilaian
tindakan
Literasi
Metode AHP
( Analytical Hierarchy Process )
hirarki didefinisikan sebagai suatu representasi dari sebuah
permasalahan yang kompleks dalam suatu struktur multi level
dimana level pertama adalah tujuan, yang diikuti level faktor,
kriteria, sub kriteria, dan seterusnya ke bawah hingga level
terakhir dari alternatif.
AHP sering digunakan sebagai metode pemecahan
masalah dibanding dengan metode yang lain karena
alasan-alasan sebagai berikut :
1. Struktur yang berhirarki, sebagai konsekuesi
dari kriteria yang dipilih, sampai pada
subkriteria yang paling dalam.
2. Memperhitungkan validitas sampai dengan
batas toleransi inkonsistensi berbagai kriteria
dan alternatif yang dipilih oleh pengambil
keputusan.
3. Memperhitungkan daya tahan output analisis
sensitivitas pengambilan keputusan.
Menggunakan Diagram Pengaruh
Merupakan diagram yang menunjukkan proses transformasi yang
terjadi pada sistem untuk memodelkan dengan pendekatan
proses.
Simbol oval
menunjukan output
atau keluaran yang
diinginkan dari suatu
pemecahan masalah
Terdapat beberapa
simbol yang digunakan
dalam influence
diagram
Simbol awan digunakan untuk
menunjukan input yang tidak
terkontrol (uncontrollable input),
ataupun sebagai batasan suatu
masalah (constraints)
Simbol lingkaran
menunjukan variabel
sistem, component
attribute, maupun state
variable value
Simbol ini
menunjukan
ketergantungan
suatu simbol dengan
simbol lainnya
Simbol persegi panjang
digunakan untuk menunjukan
input yang terkontrol (control
input), keputusan (decision),
ataupun decision rule
Menggunakan Diagram Pengaruh
Contoh :
PT. IMPRESI
Minimasi waktu
tunggu
konsumen
impresi
waktu produksi
editing
dan printing
waktu tunggu
order
pekerjaan
waktu produksi
album set
durasi tunggu
ketersediaan
bahan
waktu
pengerjaan tiap
album set
jumlah
konsument
jumlah
order dari
luar
waktu
pembelian
bahan
kebijakan
jumlah
pekerja
kebijakan jumlah
pembelian barang
kebijakan lama
produksi
Dari influnce disamping dapat dilihat bahwa simbol
oval yang menunjuka output adalah Minimasi
Waktu Tunggu Konsumen Impresi. Output
tersebut adalah keluaran yang diharapkan dari
pemecahan masalah yang ada. Output tersebut
dipengaruhi oleh Waktu Produksi Editing dan
Printing Photo, Waktu Tunggu (antrian) Order
Pengerjaan, dan Waktu Produksi Album Set. Dari
ketiga hal tersebut dapat diidentifikasi lagi apa
saja input yang terkontrol, dan yang tidak, juga hal
yang mempengaruhi dalam bentuk
kebijakan-kebijakan.
Penstrukturan Deterministik :
Pemodelan Masalah
Modeling Profit
Untuk banyak bisnis, lebih baik memperkirakan biaya dan
margin (atau pendapatan dan margin) daripada pendapatan
dan biaya secara langsung.
Biaya Hangus
Model harus memiliki cutoff di dalamnya sehingga ketika margin negatif
selama lebih dari beberapa tahun, bisnis akan mati. Model juga harus
memiliki pemeriksaan untuk mencegah situasi yang tidak realistis atau
tidak mungkin, seperti pangsa pasar yang melebihi 100%.
Inflasi
Biasanya lebih baik untuk memodelkan dalam dolar
konstan, karena Anda kemudian dapat menghindari
pemodelan simultan baik perubahan sistematis harga dan
biaya serta perubahan dari inflasi.
Nilai Terminal
Dalam memperkirakan nilai bisnis yang sedang berlangsung ini, ingatlah
bahwa tidak ada bisnis yang berlangsung selamanya dan migrasi ke
bentuk-bentuk baru dari bisnis mungkin memerlukan investasi modal baru
yang besar dan masalah keputusan adalah apa yang harus dilakukan di
masa depan, mengingat aset dan pengalaman saat ini
Penstrukturan Deterministik :
Analisis Sensitivitas
Salah satu tugas utama dalam fase penataan deterministik adalah untuk cukup mengembangkan model untuk
menghasilkan hasil dasar kasus yang kredibel.
Casing dasar adalah seperangkat parameter input yang digunakan sebagai titik awal untuk analisis lebih lanjut. Jika
alternatif keputusan sangat berbeda, mungkin perlu membuat kasus dasar untuk setiap alternatif. Jika ada ketidak pastian
yang mendasari keberhasilan atau kegagalan (seperti pengenalan produk baru), kasus dasar biasanya harus diperkirakan
berhasil. Terlalu banyak upaya tidak boleh menghabiskan dalam membangun nilai-nilai dasar, karena mereka hanya titik
awal. Di sisi lain, nilai-nilai harus cukup masuk akal untuk tidak menimbulkan kontroversi yang tidak perlu.
Basis Appraisal:
Memperoleh Informasi dari Pohon
Gambar 6-15 menunjukkan plot dari kisaran 10-90 persentil di sekitar nilai yang
diharapkan untuk setiap alternatif.
Gambar 6-14 menunjukkan distribusi probabilitas kumulatif untuk masing-masing alternatif.
Untuk setiap batang, ada kemungkinan 10 persen nilai jatuh
ke kiri bar dan kemungkinan 10 persen jatuh ke kanan; bintang
di dekat pusat menandai nilai yang diharapkan; garis di kedua
sisi bilah menunjukkan batas penuh distribusi.
Basis Appraisal:
Memperoleh Informasi dari Pohon
Nilai Kontrol Sempurna
Wawasan lain yang bisa kita kumpulkan dari pohon adalah nilai kontrol
yang sempurna. Jika ada prosedur pengendalian yang layak biaya yang
masuk akal, kita dapat menghasilkan alternatif baru menggunakan
prosedur kontrol ini dan mengevaluasi kembali pohon.
Distribusi Bersyarat
Pertama, kita dapat melihat distribusi dan nilai
yang diharapkan (persamaan tertentu) pada titik
selain simpul pertama di pohon dan melihat
apakah nilai kondisional ini menyimpan kejutan
apa pun.
Nilai Informasi Sempurna
Selain melihat distribusi bersyarat, kita dapat menghitung nilai informasi
sempurna untuk setiap ketidakpastian. Jika upaya pengumpulan-informasi
yang mungkin memiliki biaya yang sebanding dengan nilai-nilai ini, kita
dapat merumuskan keputusan untuk mengumpulkan informasi yang tidak
sempurna dan melihat apakah itu bermanfaat.
Basis Appraisal:
Memperoleh Informasi dari Pohon
Ini adalah metode yang digunakan dalam Gambar 6–22 hingga 6–28. Keadaan informasi asli memiliki probabilitas terdistribusi simetris di sekitar cabang tengah; ketika kita pergi ke
pendekatan dua cabang, ini diterjemahkan ke dalam menugaskan 50 persen kemungkinan untuk cabang atas dan bawah. Satu-satunya pengecualian adalah Keberhasilan Teknis,
yang semula merupakan simpul dua cabang dengan probabilitas 90 persen di cabang "Keberhasilan" teratas dan 10 persen di bagian bawah "Kegagalan" cabang.
Basis Appraisal:
Memperoleh Informasi dari Pohon
Matriks Kebijakan
Jika ada keputusan selain simpul pertama di pohon, kita dapat menghasilkan matriks kebijakan untuk menunjukkan apa yang akan terjadi.
Matriks kebijakan mencantumkan semua jalur melalui pohon yang mengarah ke simpul keputusan akhir dan alternatif yang akan dipilih
untuk jalur tersebut.
Saatnya Bersiap
Tahap akhir yang sama pentingnya dari analisis terjadi setelah melewati siklus terakhir dan analisis pohon terakhir. Fasilitator dan anggota
tim proyek harus menyisihkan waktu untuk mengeksplorasi informasi yang terkandung dalam analisis, mendapatkan wawasan tentang
masalah-masalah dunia nyata dan mempertanyakan analisis yang dimaksudkan untuk menjawab, dan memastikan analisis tersebut
mengatasi semua kekhawatiran pembuat keputusan.
Kesalahan yang terlalu sering adalah meneruskan analisis sampai detik-detik terakhir. Tidak ada waktu yang cukup untuk persiapan yang
cermat yang diperlukan untuk mensintesis, meringkas, dan menyajikan kesimpulan. Akibatnya, laporan atau presentasi dapat menjadi salah
satu yang serampangan yang dapat menghilangkan poin-poin penting, mungkin mengandung kesalahan analitis, dan mungkin (lebih buruk
lagi) sulit dipahami. Laporan semacam itu mungkin gagal untuk mengatasi kekhawatiran pembuat keputusan dan dengan demikian gagal
memberikan motivasi untuk tindakan — yang menempatkan hasil ke sebuah file daripada menetapkannya sebagai dasar untuk bertindak.
Terimakasih!
Tanya Jawab
Kompleksitas dan sifat-sifat dasar Permasalahan

More Related Content

What's hot

Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata NonparametrikModul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Arif Rahman
 
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Arif Rahman
 
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata ParametrikModul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Arif Rahman
 
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierModul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Arif Rahman
 
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
Universitas Qomaruddin, Gresik, Indonesia
 
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkapPertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Abrianto Nugraha
 
Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
Salman Paludi
 
1. STATISTIK INDUSTRI - PENDAHULUAN
1. STATISTIK INDUSTRI - PENDAHULUAN1. STATISTIK INDUSTRI - PENDAHULUAN
1. STATISTIK INDUSTRI - PENDAHULUAN
Universitas Qomaruddin, Gresik, Indonesia
 
Uji chi square
Uji chi squareUji chi square
Uji chi square
andreani777
 
Materi P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik InferensialMateri P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik Inferensial
M. Jainuri, S.Pd., M.Pd
 
Pengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang Ilmu
Pengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang IlmuPengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang Ilmu
Pengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang Ilmu
Yuva Lianda
 
Materi p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebasMateri p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebasJen Kelana
 
Teknik analisis data menggunakan excel
Teknik analisis data menggunakan excelTeknik analisis data menggunakan excel
Teknik analisis data menggunakan excel
IAARD/Bogor, Indonesia
 
Pengantar Statistika Inferensial
Pengantar Statistika InferensialPengantar Statistika Inferensial
Pengantar Statistika Inferensial
M. Jainuri, S.Pd., M.Pd
 
ukuran statistik
 ukuran statistik ukuran statistik
ukuran statistik
BKPP kabupaten Bandung
 
Analisis deskriptif dengan spss - Mawar Nazhira
Analisis deskriptif dengan spss - Mawar NazhiraAnalisis deskriptif dengan spss - Mawar Nazhira
Analisis deskriptif dengan spss - Mawar NazhiraRosti Hidayah
 
MAD Konsep P value dan Confidence Interval
MAD Konsep P value dan Confidence IntervalMAD Konsep P value dan Confidence Interval
MAD Konsep P value dan Confidence Interval
NajMah Usman
 
Tugas bu ifana
Tugas bu ifanaTugas bu ifana
Tugas bu ifana
habibah munawaroh
 
Metode Analisis faktor
Metode Analisis faktorMetode Analisis faktor
Metode Analisis faktor
Maya Julia Trinisa
 
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021
Aminullah Assagaf
 

What's hot (20)

Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata NonparametrikModul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
 
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
 
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata ParametrikModul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
 
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierModul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
 
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
2. STATISTIK INDUSTRI - STATISTIK DESKRIPTIF
 
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkapPertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
 
Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
 
1. STATISTIK INDUSTRI - PENDAHULUAN
1. STATISTIK INDUSTRI - PENDAHULUAN1. STATISTIK INDUSTRI - PENDAHULUAN
1. STATISTIK INDUSTRI - PENDAHULUAN
 
Uji chi square
Uji chi squareUji chi square
Uji chi square
 
Materi P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik InferensialMateri P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik Inferensial
 
Pengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang Ilmu
Pengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang IlmuPengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang Ilmu
Pengertian statistik - Definisi, Jenis, Manfaat, Hingga Cabang Ilmu
 
Materi p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebasMateri p2 sttk inferensial_sig & b bebas
Materi p2 sttk inferensial_sig & b bebas
 
Teknik analisis data menggunakan excel
Teknik analisis data menggunakan excelTeknik analisis data menggunakan excel
Teknik analisis data menggunakan excel
 
Pengantar Statistika Inferensial
Pengantar Statistika InferensialPengantar Statistika Inferensial
Pengantar Statistika Inferensial
 
ukuran statistik
 ukuran statistik ukuran statistik
ukuran statistik
 
Analisis deskriptif dengan spss - Mawar Nazhira
Analisis deskriptif dengan spss - Mawar NazhiraAnalisis deskriptif dengan spss - Mawar Nazhira
Analisis deskriptif dengan spss - Mawar Nazhira
 
MAD Konsep P value dan Confidence Interval
MAD Konsep P value dan Confidence IntervalMAD Konsep P value dan Confidence Interval
MAD Konsep P value dan Confidence Interval
 
Tugas bu ifana
Tugas bu ifanaTugas bu ifana
Tugas bu ifana
 
Metode Analisis faktor
Metode Analisis faktorMetode Analisis faktor
Metode Analisis faktor
 
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021
 

Similar to Kompleksitas dan sifat sifat dasar permasalahan

Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan
Elfrita Sihombing
 
Sim sistem penunjang kebutuhan
Sim sistem penunjang kebutuhanSim sistem penunjang kebutuhan
Sim sistem penunjang kebutuhan
Selfia Dewi
 
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))
Miftah Iqtishoduna
 
Materi Decision support systems (DSS) Pertemuan 1
Materi Decision support systems (DSS) Pertemuan 1Materi Decision support systems (DSS) Pertemuan 1
Materi Decision support systems (DSS) Pertemuan 1
enruerisnurkholis
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Muthiara Widuri
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Muthiara Widuri
 
ITP UNS SEMESTER 2 Teori keputusan ro
ITP UNS SEMESTER 2 Teori keputusan roITP UNS SEMESTER 2 Teori keputusan ro
ITP UNS SEMESTER 2 Teori keputusan ro
Fransiska Puteri
 
Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....
Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....
Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....
Hardi Yanto
 
SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017
SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017
SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017
khairul anwar
 
Bab 11
Bab 11Bab 11
Bab 11
alumrossyana
 
Bab 11 (18 slide)
Bab 11 (18 slide)Bab 11 (18 slide)
Bab 11 (18 slide)
gilangbewok
 
Bab 11
Bab 11Bab 11
Bab 11 (18 slide)
Bab 11 (18 slide)Bab 11 (18 slide)
Bab 11 (18 slide)
syaqiraqueensha
 
Bab 11
Bab 11Bab 11
Bab 11
ocyrose
 
Bab 11
Bab 11Bab 11
Bab 11
ernawati8
 
Bab 11
Bab 11Bab 11
04 pemodelan spk
04 pemodelan spk04 pemodelan spk
04 pemodelan spk
Abrianto Nugraha
 

Similar to Kompleksitas dan sifat sifat dasar permasalahan (20)

Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan
 
Sim sistem penunjang kebutuhan
Sim sistem penunjang kebutuhanSim sistem penunjang kebutuhan
Sim sistem penunjang kebutuhan
 
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN (DECISION SUPPORT SYSTEM))
 
Materi Decision support systems (DSS) Pertemuan 1
Materi Decision support systems (DSS) Pertemuan 1Materi Decision support systems (DSS) Pertemuan 1
Materi Decision support systems (DSS) Pertemuan 1
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
 
ITP UNS SEMESTER 2 Teori keputusan ro
ITP UNS SEMESTER 2 Teori keputusan roITP UNS SEMESTER 2 Teori keputusan ro
ITP UNS SEMESTER 2 Teori keputusan ro
 
Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....
Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....
Sim . hardiyanto.dr.ir.hapzi ali,mm,cma .pendukung dalam mengambil keputusan....
 
SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017
SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017
SIM1, Khairul Anwar, Hapzi Ali, Sistem Informasi, Universitas Mercu Buana, 2017
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11 (18 slide)
Bab 11 (18 slide)Bab 11 (18 slide)
Bab 11 (18 slide)
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11 (18 slide)
Bab 11 (18 slide)Bab 11 (18 slide)
Bab 11 (18 slide)
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11
Bab 11Bab 11
Bab 11
 
Bab 11
Bab 11Bab 11
Bab 11
 
04 pemodelan spk
04 pemodelan spk04 pemodelan spk
04 pemodelan spk
 

Recently uploaded

EKONOMI INDUSTRI ilmu tentang industri dan disiplin
EKONOMI INDUSTRI ilmu tentang industri dan disiplinEKONOMI INDUSTRI ilmu tentang industri dan disiplin
EKONOMI INDUSTRI ilmu tentang industri dan disiplin
anthoniusaldolemauk
 
Tabungan perumahan rakyat TAPERA DJPP.pdf
Tabungan perumahan rakyat TAPERA DJPP.pdfTabungan perumahan rakyat TAPERA DJPP.pdf
Tabungan perumahan rakyat TAPERA DJPP.pdf
HuseinKewolz1
 
AUDITING II chapter25.ppt
AUDITING II                chapter25.pptAUDITING II                chapter25.ppt
AUDITING II chapter25.ppt
DwiAyuSitiHartinah
 
ANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptx
ANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptxANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptx
ANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptx
UNIVERSITAS MUHAMMADIYAH BERAU
 
tantangan dan solusi perbankan syariah.pdf
tantangan dan solusi perbankan syariah.pdftantangan dan solusi perbankan syariah.pdf
tantangan dan solusi perbankan syariah.pdf
muhammadarsyad77
 
BAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptx
BAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptxBAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptx
BAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptx
anselmusl280
 
Financial Planning Eno Perencanaan keuangan
Financial Planning Eno Perencanaan keuanganFinancial Planning Eno Perencanaan keuangan
Financial Planning Eno Perencanaan keuangan
EnoCasmiSEMBA
 
MATERI AKUNTANSI IJARAH POWER POINT (PPT)
MATERI AKUNTANSI IJARAH  POWER POINT (PPT)MATERI AKUNTANSI IJARAH  POWER POINT (PPT)
MATERI AKUNTANSI IJARAH POWER POINT (PPT)
ritaseptia16
 
Mateko11_Adjoin invers matrikspptnya.ppt
Mateko11_Adjoin invers matrikspptnya.pptMateko11_Adjoin invers matrikspptnya.ppt
Mateko11_Adjoin invers matrikspptnya.ppt
kurikulumsdithidayah
 
MAKALAH SISTEM PEREKONOMIAN INDONESIA.pptx
MAKALAH SISTEM PEREKONOMIAN INDONESIA.pptxMAKALAH SISTEM PEREKONOMIAN INDONESIA.pptx
MAKALAH SISTEM PEREKONOMIAN INDONESIA.pptx
JaffanNauval
 
Pertemuan 12 Materi Pasar Monopoli.ppt. Makalah ini membahas tentan...
Pertemuan 12 Materi Pasar Monopoli.ppt.           Makalah ini membahas tentan...Pertemuan 12 Materi Pasar Monopoli.ppt.           Makalah ini membahas tentan...
Pertemuan 12 Materi Pasar Monopoli.ppt. Makalah ini membahas tentan...
Meihotmapurba
 
Modul Pembekalan PKD PILKADA SERENTAK 2024.pdf
Modul Pembekalan PKD PILKADA SERENTAK  2024.pdfModul Pembekalan PKD PILKADA SERENTAK  2024.pdf
Modul Pembekalan PKD PILKADA SERENTAK 2024.pdf
muhammadarsyad77
 
Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...
Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...
Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...
MrBready
 

Recently uploaded (13)

EKONOMI INDUSTRI ilmu tentang industri dan disiplin
EKONOMI INDUSTRI ilmu tentang industri dan disiplinEKONOMI INDUSTRI ilmu tentang industri dan disiplin
EKONOMI INDUSTRI ilmu tentang industri dan disiplin
 
Tabungan perumahan rakyat TAPERA DJPP.pdf
Tabungan perumahan rakyat TAPERA DJPP.pdfTabungan perumahan rakyat TAPERA DJPP.pdf
Tabungan perumahan rakyat TAPERA DJPP.pdf
 
AUDITING II chapter25.ppt
AUDITING II                chapter25.pptAUDITING II                chapter25.ppt
AUDITING II chapter25.ppt
 
ANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptx
ANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptxANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptx
ANALISI KESEMBANGAN PASAR UANG (KURVA-LM).pptx
 
tantangan dan solusi perbankan syariah.pdf
tantangan dan solusi perbankan syariah.pdftantangan dan solusi perbankan syariah.pdf
tantangan dan solusi perbankan syariah.pdf
 
BAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptx
BAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptxBAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptx
BAB 3 PROFESI, PELUANG KERJA, DAN PELUANG USAHA BIDANG AKL.pptx
 
Financial Planning Eno Perencanaan keuangan
Financial Planning Eno Perencanaan keuanganFinancial Planning Eno Perencanaan keuangan
Financial Planning Eno Perencanaan keuangan
 
MATERI AKUNTANSI IJARAH POWER POINT (PPT)
MATERI AKUNTANSI IJARAH  POWER POINT (PPT)MATERI AKUNTANSI IJARAH  POWER POINT (PPT)
MATERI AKUNTANSI IJARAH POWER POINT (PPT)
 
Mateko11_Adjoin invers matrikspptnya.ppt
Mateko11_Adjoin invers matrikspptnya.pptMateko11_Adjoin invers matrikspptnya.ppt
Mateko11_Adjoin invers matrikspptnya.ppt
 
MAKALAH SISTEM PEREKONOMIAN INDONESIA.pptx
MAKALAH SISTEM PEREKONOMIAN INDONESIA.pptxMAKALAH SISTEM PEREKONOMIAN INDONESIA.pptx
MAKALAH SISTEM PEREKONOMIAN INDONESIA.pptx
 
Pertemuan 12 Materi Pasar Monopoli.ppt. Makalah ini membahas tentan...
Pertemuan 12 Materi Pasar Monopoli.ppt.           Makalah ini membahas tentan...Pertemuan 12 Materi Pasar Monopoli.ppt.           Makalah ini membahas tentan...
Pertemuan 12 Materi Pasar Monopoli.ppt. Makalah ini membahas tentan...
 
Modul Pembekalan PKD PILKADA SERENTAK 2024.pdf
Modul Pembekalan PKD PILKADA SERENTAK  2024.pdfModul Pembekalan PKD PILKADA SERENTAK  2024.pdf
Modul Pembekalan PKD PILKADA SERENTAK 2024.pdf
 
Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...
Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...
Kelompok 5_PPT Etika Akuntan dalam Kasus Anti Korupsi pada Perusahaan Manufak...
 

Kompleksitas dan sifat sifat dasar permasalahan

  • 4. 4 Karakterikstik Masalah Semuanya terhubung antara masalah serta solusinya Jangan hanya fokus pada potongan informasi yang terisolasi - hubungan di antara hal-hal sering dapat memberikan petunjuk penting. Kompleksitas yang teratur dan berantakan tantangan Anda adalah menemukan titik-titik leverage di mana intervensi dapat membuat perbedaan. Akan selalu ada ketidakpastian Tugas Anda adalah menurunkannya ke tingkat yang dapat diterima. Biasanya ada jumlah penelitian yang optimal, di mana diskusi lebih lanjut tidak memajukan strategi. Ketika Anda mengunjungi kembali masalah yang sama dua kali, Anda mungkin mulai membuang-buang waktu Anda mencoba untuk membuat ketidakpastian dari sistem - dan itu tidak akan terjadi. Akan selalu ada ambiguitas Tidak ada satu cara yang tepat untuk mendefinisikan masalah. Namun, ada banyak cara untuk memecahkan masalah yang benar; tidak ada cara untuk memecahkan masalah yang salah.
  • 6. Metode AHP ( Analytical Hierarchy Process ) hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang lain karena alasan-alasan sebagai berikut : 1. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam. 2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan. 3. Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan.
  • 7. Menggunakan Diagram Pengaruh Merupakan diagram yang menunjukkan proses transformasi yang terjadi pada sistem untuk memodelkan dengan pendekatan proses. Simbol oval menunjukan output atau keluaran yang diinginkan dari suatu pemecahan masalah Terdapat beberapa simbol yang digunakan dalam influence diagram Simbol awan digunakan untuk menunjukan input yang tidak terkontrol (uncontrollable input), ataupun sebagai batasan suatu masalah (constraints) Simbol lingkaran menunjukan variabel sistem, component attribute, maupun state variable value Simbol ini menunjukan ketergantungan suatu simbol dengan simbol lainnya Simbol persegi panjang digunakan untuk menunjukan input yang terkontrol (control input), keputusan (decision), ataupun decision rule
  • 8. Menggunakan Diagram Pengaruh Contoh : PT. IMPRESI Minimasi waktu tunggu konsumen impresi waktu produksi editing dan printing waktu tunggu order pekerjaan waktu produksi album set durasi tunggu ketersediaan bahan waktu pengerjaan tiap album set jumlah konsument jumlah order dari luar waktu pembelian bahan kebijakan jumlah pekerja kebijakan jumlah pembelian barang kebijakan lama produksi Dari influnce disamping dapat dilihat bahwa simbol oval yang menunjuka output adalah Minimasi Waktu Tunggu Konsumen Impresi. Output tersebut adalah keluaran yang diharapkan dari pemecahan masalah yang ada. Output tersebut dipengaruhi oleh Waktu Produksi Editing dan Printing Photo, Waktu Tunggu (antrian) Order Pengerjaan, dan Waktu Produksi Album Set. Dari ketiga hal tersebut dapat diidentifikasi lagi apa saja input yang terkontrol, dan yang tidak, juga hal yang mempengaruhi dalam bentuk kebijakan-kebijakan.
  • 9. Penstrukturan Deterministik : Pemodelan Masalah Modeling Profit Untuk banyak bisnis, lebih baik memperkirakan biaya dan margin (atau pendapatan dan margin) daripada pendapatan dan biaya secara langsung. Biaya Hangus Model harus memiliki cutoff di dalamnya sehingga ketika margin negatif selama lebih dari beberapa tahun, bisnis akan mati. Model juga harus memiliki pemeriksaan untuk mencegah situasi yang tidak realistis atau tidak mungkin, seperti pangsa pasar yang melebihi 100%. Inflasi Biasanya lebih baik untuk memodelkan dalam dolar konstan, karena Anda kemudian dapat menghindari pemodelan simultan baik perubahan sistematis harga dan biaya serta perubahan dari inflasi. Nilai Terminal Dalam memperkirakan nilai bisnis yang sedang berlangsung ini, ingatlah bahwa tidak ada bisnis yang berlangsung selamanya dan migrasi ke bentuk-bentuk baru dari bisnis mungkin memerlukan investasi modal baru yang besar dan masalah keputusan adalah apa yang harus dilakukan di masa depan, mengingat aset dan pengalaman saat ini
  • 10. Penstrukturan Deterministik : Analisis Sensitivitas Salah satu tugas utama dalam fase penataan deterministik adalah untuk cukup mengembangkan model untuk menghasilkan hasil dasar kasus yang kredibel. Casing dasar adalah seperangkat parameter input yang digunakan sebagai titik awal untuk analisis lebih lanjut. Jika alternatif keputusan sangat berbeda, mungkin perlu membuat kasus dasar untuk setiap alternatif. Jika ada ketidak pastian yang mendasari keberhasilan atau kegagalan (seperti pengenalan produk baru), kasus dasar biasanya harus diperkirakan berhasil. Terlalu banyak upaya tidak boleh menghabiskan dalam membangun nilai-nilai dasar, karena mereka hanya titik awal. Di sisi lain, nilai-nilai harus cukup masuk akal untuk tidak menimbulkan kontroversi yang tidak perlu.
  • 11. Basis Appraisal: Memperoleh Informasi dari Pohon Gambar 6-15 menunjukkan plot dari kisaran 10-90 persentil di sekitar nilai yang diharapkan untuk setiap alternatif. Gambar 6-14 menunjukkan distribusi probabilitas kumulatif untuk masing-masing alternatif. Untuk setiap batang, ada kemungkinan 10 persen nilai jatuh ke kiri bar dan kemungkinan 10 persen jatuh ke kanan; bintang di dekat pusat menandai nilai yang diharapkan; garis di kedua sisi bilah menunjukkan batas penuh distribusi.
  • 12. Basis Appraisal: Memperoleh Informasi dari Pohon Nilai Kontrol Sempurna Wawasan lain yang bisa kita kumpulkan dari pohon adalah nilai kontrol yang sempurna. Jika ada prosedur pengendalian yang layak biaya yang masuk akal, kita dapat menghasilkan alternatif baru menggunakan prosedur kontrol ini dan mengevaluasi kembali pohon. Distribusi Bersyarat Pertama, kita dapat melihat distribusi dan nilai yang diharapkan (persamaan tertentu) pada titik selain simpul pertama di pohon dan melihat apakah nilai kondisional ini menyimpan kejutan apa pun. Nilai Informasi Sempurna Selain melihat distribusi bersyarat, kita dapat menghitung nilai informasi sempurna untuk setiap ketidakpastian. Jika upaya pengumpulan-informasi yang mungkin memiliki biaya yang sebanding dengan nilai-nilai ini, kita dapat merumuskan keputusan untuk mengumpulkan informasi yang tidak sempurna dan melihat apakah itu bermanfaat.
  • 13. Basis Appraisal: Memperoleh Informasi dari Pohon Ini adalah metode yang digunakan dalam Gambar 6–22 hingga 6–28. Keadaan informasi asli memiliki probabilitas terdistribusi simetris di sekitar cabang tengah; ketika kita pergi ke pendekatan dua cabang, ini diterjemahkan ke dalam menugaskan 50 persen kemungkinan untuk cabang atas dan bawah. Satu-satunya pengecualian adalah Keberhasilan Teknis, yang semula merupakan simpul dua cabang dengan probabilitas 90 persen di cabang "Keberhasilan" teratas dan 10 persen di bagian bawah "Kegagalan" cabang.
  • 14. Basis Appraisal: Memperoleh Informasi dari Pohon Matriks Kebijakan Jika ada keputusan selain simpul pertama di pohon, kita dapat menghasilkan matriks kebijakan untuk menunjukkan apa yang akan terjadi. Matriks kebijakan mencantumkan semua jalur melalui pohon yang mengarah ke simpul keputusan akhir dan alternatif yang akan dipilih untuk jalur tersebut. Saatnya Bersiap Tahap akhir yang sama pentingnya dari analisis terjadi setelah melewati siklus terakhir dan analisis pohon terakhir. Fasilitator dan anggota tim proyek harus menyisihkan waktu untuk mengeksplorasi informasi yang terkandung dalam analisis, mendapatkan wawasan tentang masalah-masalah dunia nyata dan mempertanyakan analisis yang dimaksudkan untuk menjawab, dan memastikan analisis tersebut mengatasi semua kekhawatiran pembuat keputusan. Kesalahan yang terlalu sering adalah meneruskan analisis sampai detik-detik terakhir. Tidak ada waktu yang cukup untuk persiapan yang cermat yang diperlukan untuk mensintesis, meringkas, dan menyajikan kesimpulan. Akibatnya, laporan atau presentasi dapat menjadi salah satu yang serampangan yang dapat menghilangkan poin-poin penting, mungkin mengandung kesalahan analitis, dan mungkin (lebih buruk lagi) sulit dipahami. Laporan semacam itu mungkin gagal untuk mengatasi kekhawatiran pembuat keputusan dan dengan demikian gagal memberikan motivasi untuk tindakan — yang menempatkan hasil ke sebuah file daripada menetapkannya sebagai dasar untuk bertindak.
  • 17. Kompleksitas dan sifat-sifat dasar Permasalahan