Jawaban Quiz Online 31 Mei 2015

Berikut ini adalah soal dan jawaban Quiz Online MataKuliah Sistem Pendukung Keputusan ; STMIK BUDIDARMA MEDAN

Jawaban :

Tentang Mesran [dot] Blogspot [dot] Com

Mesran [dot] Blogspot [dot] Com adalah sebuah tempat atau wadah atau website berbagi ilmu pengetahuan terutama tentang Bahasa Pemograman. Dalam website ini juga mengandung beberapa tips dan trik untuk bahasa pemograman seperti Visual Basic Net, Visual Basic 6, Visual C#, C/C++, dan Pascal. Dalam Belajar Visual Basic sangat gampang jika ada niat dan kemauan. Dengan bantuan beberapa tips dan trik dari website Mesran [dot] Blogspot [dot] Com dan Mesran [dot] Net akan lebih mudah untuk mempelajarinya.

Implementasi SPK di Dunia Kerja

Konsep implementasi DSS di dunia kerja yang kali ini diambil oleh penulis adalah penerapan Business Intelligence dalam pengumpulan data serta presentasi data dalam suatu bentuk Dashboard. Bidang industri perusahaan yang dijadikan contoh adalah maskapai penerbangan atau airline industry.

Teknologi aplikasi yang digunakan adalah system aplikasi berbasis web dan dapat diakses pada suatu URL tertentu dari PC/laptop/tablet milik pengguna dengan kapasitas minimum, kapan saja dan dimana saja pengguna berada.

Metodologi, proses serta perangkat pelaporan Business Intelligence atau BI adalah komponen kunci yang memberikan analisa data, pelaporan dan monitoring yang kaya kepada pengguna sistem.

Secara garis besar, proses yang terjadi kurang lebih adalah seperti digambarkan dalam diagram dibawah ini, dimana;

• Sistem akan mengumpulkan semua data baik data master dan juga data transaksi dari setiap aplikasi yang digunakan semua departemen dalam perusahaan, untuk kemudian dilakukan analisis What-if tergantung dari laporan apa yang diinginkan oleh pihak manajemen.
• Hasil analisis tersebut akan menentukan keputusan apa yang harus diambil oleh manajemen.
• Terlihat dibawah, berbagai departemen yang mengaksesnya antara lain Personalia (Human Resource/HRD), Keuangan (Accounting), Produksi/Operasional, Pemasaran/Marketing, Distribusi/Pengiriman, serta divisi lain, yang semuanya berada dibawah manajemen perusahaan.

 

Alur DSS untuk Sistem Informasi Akuntansi

 

Struktur Alur Data Dalam Aplikasi Business Intelligence

Pelaporan yang ingin dilihat oleh tingkat manager dalam manajemen perusahaan tersebut akan tampil dalam aplikasi Dashboard yang interaktif dan dapat dikustomisasi sesuai keinginan user/ pengguna aplikasi. Contoh dashboard tersebut adalah seperti dibawah ini.

Sebelumnya, perlu diingat bahwa aplikasi dashboard juga memiliki beragam kategori per divisi, dimana setiap divisi/departemen dalam suatu perusahaan biasanya menggunakan jenis data yang berbeda, serta mengakses data dalam cara yang berbeda pula. Laporan dan hasil analisis yang diperlukan juga otomatis berbeda, begitu pula bentuk pelaporan yang diperlukan tiap-tiap divisi tersebut, sebagaimana digambarkan dalam diagram dibawah.

Pembagian Kategori Dashboard Berdasarkan Penitikberatan Pengambilan Informasi Perusahaan

Manfaat Penggunaan Aplikasi Terapan DSS/Decision Support System dalam Bentuk Business Intelligence Dashboard;

1. Mempermudah dilakukannya analisa terhadap data master dan juga data transaksi perusahaan untuk kemudian menghasilkan berbagai laporan yang akan mendukung proses pengambilan keputusan oleh pihak manajemen perusahaan.
2. Memberikan tampilan yang lebih enak dilihat dan lebih professional yang disesuaikan dengan kultur serta bidang bisnis perusahaan yang menggunakan aplikasi ini.
3. Memberikan informasi terkini terhadap pergerakan angka-angka dalam perusahaan, atau bahkan bersifat real-time. Contohnya dalam hal ini; adalah pergerakan angka penjualan tiket pesawat setiap harinya, atau pergerakan angka kedatangan dan keberangkatan pesawat dari seluruh bandara di Indonesia (hasil kegiatan operasional perusahaan).

Contoh implementasi aplikasi Business Intelligence – Dashboard sebagai ajuan system pendukung keputusan/decision support system yang hendak diimplementasikan dalam perusahaan:

Prototipe Tampilan Dashboard untuk Pengaplikasian Business Intelligence bagi Sistem Pendukung Keputusan, Dibuat Menggunakan Tool Xcelcius Disambungkan ke Warehouse SAP-Business Intelligence

Elemen-elemen yang ditampilkan:

1. Grafik keseluruhan angka penjualan tiket yang dihasilkan tim Sales setiap harinya dimana manajemen dapat meilhat pergerakan terakhir yang terjadi satu jam sebelum pengaksesan dashboard.
2. Grafik keseluruhan angka penjualan tiket yang dihasilkan pada satu hari sebelum pengaksesan dashboard (H-1)
3. Grafik keseluruhan angka penjualan secara mingguan (pergerakan mingguan).
4. Grafik keseluruhan angka penjualan secara bulanan (pergerakan bulanan).
5. Grafik keseluruhan angka penjualan secara tahunan (pergerakan tahunan).
6. Grafik penjualan per staff sales untuk mengukur kinerja masing-masing personel.
7. Grafik pembelian dari setiap klien yang kategorinya adalah:
   1. Pembelian per klien Travel Agent
   2. Pembelian per perusahaan
   3. Pembelian per wilayah kota penjualan di Indonesia; semua kota yang memiliki bandara (missal Jakarta, Bandung, Surabaya, dan lainnya).
    

Sumber :
https://ag92110007.wordpress.com/decision-support-system-sistem-pendukung-keputusan/ 

Karakteristik dan Manfaat SPK

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.

Sumber :
http://mirzanugraha.blogspot.com/2014/03/sistem-pendukung-keputusan-spk.html

Data Warehousing, Data Marts, OLAP dan Data Mining

a. Data Warehouse 

Data warehouse adalah sebuah sistem yang mengambil dan menggabungkan data secara periodik dari sistem sumber data ke penyimpanan data bentuk dimensional atau normal (Rainardi, 2008). Data warehouse merupakan penyimpanan data yang berorientasi objek, terintegrasi, mempunyai variant waktu, dan menyimpan data dalam bentuk nonvolatile sebagai pendukung manejemen dalam proses pengambilan keputusan (Han, 2006). Data warehouse menyatukan dan menggabungkan data dalam bentuk multidimensi. Pembangunan data warehouse meliputi pembersihan data, penyatuan data dan transformasi data dan dapat dilihat sebagai praproses yang penting untuk digunakan dalam data mining.

b. Data Marts 

Bagian dari data warehouse yang mendukung kebutuhan pada tingkat departemen atau fungsi bisnis tertentu dalam perusahaan. Karakteristik yang membedakan data mart dan data warehouse adalah sebagai berikut (Connolly, Begg, Strachan 1999). 

Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemen atau fungsi bisnis. Data mart biasanya tidak mengandung data operasional yang rinci seperti pada data warehouse. Data mart hanya mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart lebih mudah dipahami dan dinavigasi. 

c. OLAP 

OnLine Analytical Processing,suatu jenis pemrosesan yang memanipulasi dan menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi. Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran.

Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang. 

Kemampuan OLAP 

Konsolidasi melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan untuk menyatakan konsolidasi. Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail. 

Slicing and dicing (atau dikenal dengan istilah pivoting) menjabarkan pada kemampuan untuk melihat data dari berbagai sudut pandang.

 

d. Data Mining 

Data mining merupakan proses untuk menggali pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.

 

Sumber :

http://mirzanugraha.blogspot.com/2014/04/spk-penjelasan-tentang-data-warehousing.html 

Cara Membuat Matriks Perbandingan Berpasangan AHP

Pada metode ahp matriks adalah bagian dari proses perhitungan. Pembuatan matriks perbandingan berpasangan pada tahan ini sebenarnya cukup mudah. Hal yang perlu Anda ketahui adalah cara melihat perbandingan pada persamaan Saaty atau nama lengkapnya yang diketahui yaitu Thomas L. Saaty. Persamaan tersebut adalah sebuah perbandingan nilai yang nilainya antara 1 sampai dengan 9. Nah dengan nilai perbandingan tersebut kita akan gunakan untuk membuat matriks perbandingan berpasangan.
Pada tutorial kali ini Saya akan membagikan panduan untuk membuat matriks berordo 3 saja. Kalau untuk ordo Anda tidak perlu bingung langkah-langkahnya cukup mudah. Ordo jika pada matriks ahp adalah jumlah kriteria yang Anda gunakan. Misalnya saja jumlah kriteria yang Anda gunakan 3 maka matriks yang terbentu adalah matriks berordo 3×3. 

Membuat Matriks AHP

Sebelum Saya akan menjelaskan tentang bagaimana cara buat matriks untuk metode ahp. Berikut ini tabel perbandingan saaty yang perlu Anda ketahui terlebih dahulu. Tabel ini juga sering di kenal dengan istilah skala penilaian AHP dan ditemukan saaty yang tertulis pada bukunya pada tahun 1980.

Intensitas Kepentingan	Definisi	Penjelasan
1	Kedua elemen sama pentingnya.	Dua elemen menyumbangnya sama besar pasa sifat itu.
3	Elemen yang satu sedikit lebih penting dari pada yang lainnya.	Pengalaman dan pertimbangan sedikit menyokong datu elemen atas yang lainnya.
5	Elemen yang satu esensial atau sangat penting dari pada elemen yang lainnya	Pengalaman dan pertimbangan dengan kuat satu elemen atas elemen yang lainnya.
7	Satu elemen jelas lebih penting dari elemen yang lainnya.	Satu elemen dengan kuat disokong dan dominannya telah terlihat.
9	Satu elemen mutlak lebih penting dari pada elemen yang lainnya.	Bukti yang menyokong elemen yang satu atas yang lain memiliki tingkat penegasan tertinggi.
2,4,6,8	Nilai- nilai tengah di antara dua pertimbangan yang berdekatan.	Bila kompromi dibutuhkan.
Kebalikan	Jika untuk aktifitas i mendapat satu angka bila dibandingkan dengan suatu aktifitas j, maka j mempunyai nilai kebalikannya bila dibandingkan dengan aktifitas i

sumber: Saaty (1980)

Tabel diatas adalah dasar untuk membuat matriks perbandingan. Cara Saya memahami dan membuat sebuah matriks ahp adalah sebagai berikut:

Misalkan saja kriteria yang digunakan dengan inisial a,b,c dengan rincian nilai kriteria tersebut sebagai berikut:

• a = 6
• b = 7
• c = 9

	Dengan data nilai kriteria diatas maka dapat di buat dengan hasil matriks perbandingan ahp sebagai berikut: a b c a 1 1/2 1/4 b 2 1 1/3 c 4 3 1
	Penjelasannya. Pertama pahami dulu setiap matriks berbentuk diagonal maka nilainya pasti 1, karena misalnya perbandingan a dengan a berarti sama. Perbandingan a dengan b pada tabel di atas menghasilkan 1/2, hal tersebut di pahami dari antara nila a=6 dan b=7 jaraknya menjauh adalah 1 maka 1/(1+1) = 1/2 Sedangkan untuk a banding dengan c menghasilkan 1/4, adalah dengan ketarangan bahwa nilai a = 6 dan c=9 jaraknya menjauh atau berselisih 3 maka nilai perbandingannya yaitu 1/(3+1) maka nilainya adalah 1/4. Untuk perbandingan seterusnya pada baris b dan c adalah kebalikannya misalnya b pada kolom adalah 1/2 dan b pada baris maka kebalikannya adalah 2. Atau juga bisa diasumsikan dengan cara 1,2 dan 3 yaitu karena jaraknya mendekat atau selisih 1 antara perbandingan b dengan 1 yaitu b = 7 dan a=6 maka (1+1)/1 maka nilainya adalah 2. Untuk baris dan kolom berikutnya caranya tetap sama. Cara diatas adalah cara pada penerapan pembuatan matriks.
	Sumber : http://www.sistemphp.com/cara-membuat-matriks-perbandingan-berpasangan-ahp/

Metode AHP dalam SPK

Analytic Hierarchy Process (AHP) merupakan suatu model pendukung keputusan yang  dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini  akan menguraikan masalah multi faktor atau multi kriteria yang  kompleks menjadi suatu hirarki. 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 membantu para pengambil keputusan untuk memperoleh solusi terbaik dengan mendekomposisi permasalahan kompleks ke dalam bentuk yang lebih sederhana untuk kemudian melakukan sintesis terhadap berbagai faktor yang terlibat dalam permasalahan pengambilan keputusan tersebut. AHP mempertimbangkan aspek kualitatif dan kuantitatif dari suatu keputusan dan mengurangi kompleksitas suatu keputusan dengan membuat perbandingan satu-satu dari berbagai kriteria yang dipilih untuk kemudian mengolah dan memperoleh hasilnya. AHP sering digunakan sebagai metode pemecahan masalah  dibanding dengan metode yang lain karena alasan-alasan sebagai berikut :

• Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang  dipilih, sampai pada subkriteria yang paling dalam.
• Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
• Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan.

Langkah - Langkah Dalam Metode AHP

Langkah – Langkah: Contoh Perhitungan Metode AHP. Cara perhitungan menghitung dengan menggunakan metode AHP sangat simpel. Panduang perhitungannya yaitu menggunakan persamaan matriks perbandingan berpasangan yang dikembangkan oleh saaty yaitu dengan menggunakan sekala perbandingan 1-9. Dengan skala tersebut, di lakukan perbandingan sehingga membentuk matriks yang berguna untuk mendapatkan nilai kuantitatif dari penilaian relatif pada setiap masalah atau kasus yang akan diselesaikan. Nah pada tutorial dan panduan kali ini Saya akan berikan contoh yang simpel saja supaya mudah di pahami dan dimengerti bagaimana cara menghitung metode ahp pada sebuah contoh kasus. Dan untuk penerapannya bisa diterapkan pada pengembagan aplikasi sistem pakar ataupun juga spk (sistem pendukung keputusan).

1. Membuat matriks perbandingan kriteria dengan nilai yang telah di inputkan
2. Mencari bobot vektor prioritas, sebelum mencari nilai ini, Anda harus menjumlahkan setiap kolom sel pada kolom matriks di bagi dengan jumlah kolom pada setiap selnya.
3. Mencari lambda
4. Mencari Konsitensi Index (CI)
5. Mencari Konsistensi Rasio (CR), Tingkat konsistensi apabila nilai CR <0.1

Rumus :

 

Sumber :

http://www.sistemphp.com/langkah-langkah-contoh-perhitungan-metode-ahp/

Metode Weighted Product (WP) dalam SPK

Weigthted Product adalah metode penyelesaian dengan menggunakan perkalian untuk menghubungkan rating atribut, dimana rating harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi.

Dimana  ∑wj =  1.  wj  adalah  pangkat  bernilai  positif  untuk  atribut  keuntungan,  dan bernilai negatif untuk atribut biaya.

Preferensi relatif dari setiap alternatif, diberikan sebagai:

Contoh kasus :
Misalkan nilai setiap alternatif pada setiap atribut diberikan berdasarkan data riil yang ada seperti pada Tabel 2.1, perlu diidentifikasi terlebih dahulu jenis kriterianya, apakah termasuk kriteria keuntungan atau kriteria biaya.

Rating kecocokan dari setiap alternatif pada setiap kriteria
(Kusumadewi, Hartati, Harjoko, dan Wardoyo, 2006: 78)

 

Kriteria C2 (kepadatan penduduk di sekitar lokasi) dan C4 (jarak dengan gudang  yang sudah  ada)  adalah  criteria  keuntungan.  Sedangkan  kriteria  C1(jarak  dengan  pasar terdekat), C3 (jarak dari pabrik), dan C5 (harga tanah untuk lokasi) adalah kriteria biaya. Permasalahan kasus di atasakan di selesaikan dengan menggunakan metode  Weighted Product (WP). Sebelumnya akan dilakukan perbaikan bobot terlebih dahulu. Bobot awal W = (5, 3, 4, 4, 2), akan diperbaiki sehingga total bobot ∑Wj = 1, dengan cara:

 

Kemudian vektor S dihitung berdasarkan persamaan  dengan i = 1, 2, … ,m sebagai berikut :

Nilai  vektor  yang  akan  digunakan  untuk  perankingan  dapat  dihitung  berdasarkan persamaan

 

Nilai terbesar ada pada V2  sehingga alternatif A2 adalah alternatif yang terpilih sebagai alternatif  terbaik.  Dengan  kata  lain,  alternatif  A2 akan  terpilih  sebagai  lokasi  untuk mendirikan gudang baru. ( Kusumadewi, Hartati, Harjoko, dan Wardoyo, 2006: 79 )

Sumber :

https://nerims.wordpress.com/2014/03/20/metode-weighted-product-wp-dalam-sistem-pendukung-keputusan-spk/ 

Metode SAW dalam SPK

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.

Langkah - Langkah Metode Penyelesaian 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 Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih

 

 

 

 

 

 

 

 Sumber :

 https://aeroyid.wordpress.com/2014/01/16/metodesimple-additive-weighting-saw/