Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

SESI - 1 ANALISIS KEPUTUSAN 1. ANALISIS KEPUTUSAN  Fakta menunjukan bahwa setiap hari manusia ataupun perusahaan / organisasi harus mengambil keputusan.

Presentasi serupa


Presentasi berjudul: "SESI - 1 ANALISIS KEPUTUSAN 1. ANALISIS KEPUTUSAN  Fakta menunjukan bahwa setiap hari manusia ataupun perusahaan / organisasi harus mengambil keputusan."— Transcript presentasi:

1 SESI - 1 ANALISIS KEPUTUSAN 1

2 ANALISIS KEPUTUSAN  Fakta menunjukan bahwa setiap hari manusia ataupun perusahaan / organisasi harus mengambil keputusan  Setiap pengambilan keputusan ada Alternatifnya dan setiap Alternatif ada Kriteria Keputusannya Alternatif Kriteria Keputusan K1K1 K2K2 K3K3 A1A1 H 11 H 12 H 13 A2A2 H 21 H 22 H 23 2

3 MULTI CRITERIA DECISION MAKING  Kiteria Dominasi;  Sidoharjo : unggul dalam jarak, kalah dalam harga dan luas  Mojokerto : unggul dalam harga dan luas, kalah dalam jarak  Kesimpulan: tidak ada yang dominan Alternatif Kriteria Keputusan Harga Juta Rupiah Luas m2 Jarak km SIDOHARJO MOJOKERTO

4 MULTI CRITERIA DECISION MAKING  Kiteria Leksikografi;  Ada kriteria yang diprioritaskan  Luas (pertama): Mojokerto lebih baik dari Sidoharjo  Jarak (kedua): Sidoharjo lebih baik dari Mojokerto  Harga (ketiga): tidak perlu dipertimbangkan  Kesimpulan : Mojokerto dipilih (kriteria luas) 4

5 MULTI CRITERIA DECISION MAKING  Kiteria Penghampiran (tingkat Aspirasi;  MisalnyaHarga ≤ 600 juta Luas ≥ m2 Jarak ≤ 40 km HargaLuasJarak SIDOHARJO√√√ MOJOKERTO√√ -  MisalnyaHarga ≤ Sidoharjo dan Mojokerto Luas ≥ Sidoharjo dan Mojokerto Jarak ≤ hanya Sidoharjo Sidoharjo terpilih 5

6 ANALYTICAL HIERARCHY PROCESS (AHP)  Diartikan sebagai pembobotan (penentuan prioritas) dari serangkaian persoalan, baik terhadap kriterianya ataupun alternatifnya.  Langkah nya  Rancangan/ struktur keputusan dari persoalan yang diadapi  Perhitungan berpasangan  Sintesa Prioritas  Uji konsitensi  Analisis berpasangan merupakan langkah awal penentuan prioritas (pembobotan) Sama penting nya Sedikit lebih penting Hampir Mutlak lebih penting Mutlak lebih penting 6

7 ANALYTICAL HIERARCHY PROCESS (AHP)  Struktur keputusan Membeli mobil 2000 cc KecepatanModel Biaya Operasinal MAZDAHONDATOYOTA Kenyamanan 7

8 ANALYTICAL HIERARCHY PROCESS (AHP) BOPMDLCPTNYM BOP11/41/31/5 MDL4132 CPT31/311/2 NYM51/ /1219/337/10  Cara membaca :  Biaya Operasional vs Model, Model lebih penting dengan nilai 4  Biaya Operasional vs Kecepatan, Kecepatan lebih penting dengan nilai 3  Model vs Kecepatan, Kecepatan lebih penting dengan nilai 3 8

9 ANALYTICAL HIERARCHY PROCESS (AHP) BOPMDLCPTNYM Jumlah Baris Prioritas (bobot) BOP1/133/251/192/370,3040,076 MDL4/1312/259/1920/371,8020,450 CPT3/134/253/195/370,6840,171 NYM5/136/256/1910/371,2100,303 Jumlah Nilai kolom  Cara menghitung elemen matriks baru, kolom1 (BOP) memua nilai dibagi dengn 13  Jumlah Baris, baris 1 (BOP) = 0,676+0,12+0,005+0,05=0,304  Perhitungan Bobot, untuk BOP = 0,304/4=0,076  Bobot dari keempat kriteria : Model =0,450 =45% Kenyamanan =0,303 =30,3% Kecepatan =0,171=17,1% Biaya Operasional=0,074=7,6% 9

10 ANALYTICAL HIERARCHY PROCESS (AHP) Biaya Operasinal THMModelTHM Toyota141/3Toyota11/32 Honda¼1½ 314 Mazda321 1/21/41 Jumlah Kolom17/4711/6Jumlah Kolom9/219/127 KecepatanTHMKenyamananTHM Toyota11/52Toyota1¼½ Honda511/3Honda414 Mazda1/231Mazda2¼1 Jumlah Kolom13/221/510/3Jumlah Kolom76/411/2 10

11 ANALYTICAL HIERARCHY PROCESS (AHP) BIAYA OPERASIONAL ToyotaHundaMazdaJumlah baris Prioritas (bobot) Toyota4/174/72/110,9870,329 Honda1/171/73/110,4750,158 Mazda12/172/76/111,5380,513 Jumlah Kolom11131 HargaToyotaHundaMazdaJumlah baris Prioritas (bobot) Toyota2/94/192/70,7180,240 Honda6/912/194/71,8700,623 Mazda2/93/191/70,4120,137 Jumlah Kolom

12 ANALYTICAL HIERARCHY PROCESS (AHP) KenyamananToyotaHundaMazdaJumlah baris Prioritas (bobot) Toyota1/71/61/110,4010,133 Honda4/74/68/111,9650,655 Mazda2/71/62/110,6340,211 Jumlah Kolom11131 KecepatanToyotaHundaMazdaJumlah baris Prioritas (bobot) Toyota2/131/216/100,8020,267 Honda10/135/211/101,1070,369 Mazda1/1315/213/101,0910,364 Jumlah Kolom

13 ANALYTICAL HIERARCHY PROCESS (AHP) ALTERNATIF Biaya Operasional (0,076) Model (0,450) Kecepatan (0,171) Kenyamanan (0,303) Bobot Toyota0,3290,2400,2670,1330,219 Honda0,1680,6230,3690,6550,554 Mazda0,5130,1370,3640,2110,227  Cara memhitung Bobot :  Toyota = 0,329 (0,076) + 0,240 (0,450) + 0,267 (0,171) + 0,133 (0, 303) = 0,219  Hasil nya Pilih Honda 13

14 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN Alternatif Proyek atau Investasi Kondisi Ekonomi JelekSedangCerah A B C D  Alternatif Solusi  Maximax : Pilih yang terbaik dari yang baik  Maximin : Pilih Yang terbaik dari yang jelek  Minimax Regret : dijelaskan tersendiri  Kriteria Hurwicz : Dihitung dengan bobot  untuk maximax ditambah (1-  ) untuk maximin  Kriteria Laplace/Equal Likelihood : sama dengan Hurwicz tapi nilai  = 0,5  Nilai Ekspetasi : dijelaskan tersendiri 14

15 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN  Perhitungan Minimax Regret  Pilih Investasi C, Regret nya = 0 (karena investasi C = 150 yang tebaik dari kondisi yang jelek) → Regret = =0  Investasi A Regretnya = =90  Investasi B Regretnya = 150- (-80)=230  Investasi D Regretnya = 150-(-230)=380  Hitung juga untuk Kondisi Sedang dan Cerah 15 Investasi Kondisi EkonomiPerhitungan Regret Minimax Regret JelekSedangCerahJelekSedangCerah A B C D

16 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN  Perhitungan “Nilai Ekspektasi”  Masing kondisi ekonomi diperkirakan probabilitasnya  Misalnya Jelek:0,2 Sedang:0,5 Cerah:0,3  Investasi A =0.2x(60)+ 0.5x(120)+ 0.3x(350)=177  Investasi B =0.2x(-80)+ 0.5x(220)+ 0.3x(630)=283  Investasi C =0.2x(150)+ 0.5x(200)+ 0.3x(260)=208  Investasi D =0.2x(-230)+ 0.5x(470)+ 0.3x(880)=449 16

17 ANALISA KEPUTUSAN DLM KETIDAKPASTIAN Alter natif Kondisi Ekonomi Maxi max Maxi min Mini max Regret Hur wicz Equal Likeli hood Ekspek tasi JelekSedangCerah A B C D

18 FUNGSI BORDA  Mengunakan Pembobotan, dengan mengunakan data Peferensi atau peringkat kepentingan dari atribut/variabel yang akan dibobotkan  Misalnya, menghitung bobot dari Vario, Spin dan Mio  Munculkan semua data Peferensi yang mungkin dari variabel yang kan dibobot.  Jumlah kemungkinan 6 (3x2x1) atau 3 faktorial, sebagai berikut: Mio>Vario>Spin (Lebih suka Mio daripada Vario daripada Spin) Mio>Spin>Vario(Lebih suka Mio daripada Spin daripada Vario) Vario>Mio>Spin (Lebih suka Vario daripada Mio daripada Spin) Vario>Spin>Mio (Lebih suka Vario daripada Spin daripada Mio) Spin>Mio>Vario (Lebih suka Spin daripada Mio daripada Vario) Spin>Vario>Mio (Lebih suka Spin daripada Vario daripada Mio) 18

19 FUNGSI BORDA  Dari 20 responden diperoleh hasil sbb:  Mio>Vario>Spin=6  Mio>Spin>Vario=4  Vario>Mio>Spin=3  Vario>Spin>Mio=4  Spin>Mio>Vario=1  Spin>Vario>Mio=2  Disusun berpasangan  Lebih suka Mio daripada Vario=6+4+1=11  Lebih suka Mio daripada Spin=6+4+3=13  Lebih suka Vario daripada Mio=3+4+3=9  Lebih suka daripada Spin=6+3+4=13  Lebih suka Spin daripada Mio=4+1+8=8  Lebih suka Spin daripada Vario=4+1+3=8 19

20 FUNGSI BORDA Sepeda Motor MioVarioSpinJml BarisBobot (%) Mio ,00 Vario ,67 Spin ,33 Jumlah baris 60100,00 20  Hasil akhir nya adalah lebih suka Mio


Download ppt "SESI - 1 ANALISIS KEPUTUSAN 1. ANALISIS KEPUTUSAN  Fakta menunjukan bahwa setiap hari manusia ataupun perusahaan / organisasi harus mengambil keputusan."

Presentasi serupa


Iklan oleh Google