waa~ akhirnya ngepost lagi.. mengingat banyak yang dikerjakan jadi sedikit melupakan blogku.. hehehe..
Kemarin aku dapat tugas mata kuliah Sistem Pendukung Keputusan yaitu membuat resume video lecturer Mr. Marko Bohanec.. nah,,daripada menuhi hardisk lepi, mending aku share ke temen-temen..
Semoga bermanfaat..
RESUME DECISION SUPPORT SYSTEM MARKO BOHANEC
Decision Support and Decision Modelling
General understandingnya mengenai metode, teknik, dan system untuk mendukung complex real life decision making tasks.
Decision-making
– Menemukan pilihan sesuai tujuan yang ingin dicapai
– Membuat peringkat alternative-alternatif yang sesuai dengan tujuan
– Untuk masalah atau pilihan yang kurang jelas, perlu membuat analisis, pengumpamaan, atau penjelasan tentang masalah yang dihadapi, tujuan yang ingin dicapai dan alternatif apa yang tersedia
decision-making adalah sebuah proses untuk membuat keputusan yang meliputi identifikasi masalah, pengumpulan informasi, identifikasi alternatif, antisipasi konsekuensi, membuat keputusan dan mengevaluasi keputusan.
Type of decision
- Easy (dihadapi secara rutin) vs Difficult (kompleks)
- One-Time (kasus yang terjadi sekali) vs Recurring (kasus yang terjadi berulang kali)
- One-Stage (kasus yang dapat diselesaikan hanya dengan satu langkah pengambilan keputusan) vs Sequential (menentukan pilihan terhadap suatu kasus.)
- Individual (keputusan diambil secara individu) vs Group (keputusan diambil secara bersama-sama)
- Structured (dapat diformulasikan) vs Unstructured
Karakteristik complex decision
– Sesuatu yang baru.
– Ketidakjelasan : kurang pengetahuan tentang masalah.
– Uncertainty : kegiatan lain tidak dapat dikontrol.
– Banyaknya tujuan: menyebabkan konflik tujuan mana yang akan dicapai lebih dulu.
– Group decision-making: perlu komunikasi yang baik.
– Adanya kekhawatiran akan konsekuensi decision dipilih.
– Sumber daya terbatas.
Decision support adalah menyediakan dukungan baik metode ataupun tool bagi seseorang dalam proses pengambilan keputusan.
Human decision-making adalah gabungan disiplin ilmu ekonomi, peramalan, statistic dan psikologi kognitif. Terdiri dari Normative, Deskriptif, dan Decision support.
Disiplin ilmu decision support
– Operation Research: disiplin yang berdasar pada bidang ekonomi yang membutuhkan optimasi matematika dengan menggunakan metode seperti LP dan NLP.
– Decision analisis
– DSS: system informasi berbasis computer untuk mendukung decision-maker menyelesaikan masalah
Karakteristik utama: digunakan untuk mendukung keputusan manajerial (tidak memutuskan)
Trend DSS
– Database, datawarehouse, OLAP (Online Analytical Processing), KDD (Knowledge Discovery from Database)
– Qualitative modeling
– Distributed DSS, system yang memungkinkan komunikasi antar personal ketika menyelesaikan masalah pembuatan keputusan
Menyediakan framework untuk analisis decision problem dengan cara menstruktur dan memecahnya menjadi bagian-bagian yang dapat dikelola, mempertimbangkan alternatif kemungkinan, informasi yang tersedia, ketidakpastian dan pilihan yang relevan, dan mengkombinasikan menjadi decision yang baik
Model Decision Analysis
- Evaluation Model
Menganalisis pilihan dengan memberi peringkat pada pilihan. Model digunakan untuk menganalisis pilihan-pilihan tersebut
- Decision Tree
Hampir sama dengan KDD.
- Influence diagram
Influence diagram dipengaruhi oleh decision tree. Influence diagram mempunyai komponen yang mirip dengan komponen decision tree, yaitu: optional/alternatif node, event node dan outcome node. Decision tree dapat direpresentasikan ke influence diagram yang lebih sederhana dan lebih kecil
- Multi Attribute Modelling (AHP)
Problem akan didekomposisi/dipecah menjadi beberapa sub problem yang lebih kecil
Contoh pada kasus pembelian mobil. Pemilihan mobil yang tepat dan cocok untuk seseorang dapat ditentukan dengan mengevaluasi sub-sub problem, yaitu: harga, karakteristik mobil, keamanan, kenyamanan, dsb
Probabilities mempertimbangkan di tiap node-bode tetapi decision tree untuk menyelesaikan data mining tidak mempertimbangkan probabilitas tiap node.
Tipe pemodelan yang popular akhir-akhir ini adalah influences diagram. Influences diagram hampir sama dengan decision tree tetapi influences diagram merepresentasikan decision tree. Pada influences diagram terdapat optional node, alternatives node, events node, dan outcome node.
Multi-attribute utility model pada dasarnya merupakan dekomposisi masalah menjadi lebih kecil sehingga lebih manageable. Contoh model ini pada pembelian mobil. Ada beberapa pilihan mobil. Kemudian masalah didekomposisi menjadi beberapa sebelum dievaluasi. Masalahnya didekomposisi menjadi bagaimana dilihat harganya, tekniknya, kenyamanannya. Kemudian setelah didekomposisi, masalah dievaluasi mobil mana yang menjadi pilihan yang bagus.
Decision making process merupakan komposisi beberapa langkah utama yaitu intelligence, design, choice dan implementation. Step Intelligence merupakan pertanyaan adakah masalah di sana? Step design merupakan pertanyaan apa alternatifnya? Selain itu design juga untuk menginvestigasi uncertainties dan mendesain beberapa model untuk membantu kita membuat pilihan. Step choice merupakan pertanyaan apa yang seharusnya anda pilih?, menselect alternative-alternatif dan membuat pilihan. Step terakhir adalah implementasi.
Decision analysis process.
First stage: identifikasi decision situation dan pemahaman objek atau goal. Mengacu pada pertanyaan apa yang ingin saya raih? Apa jenis fungsionalitasnya? Dll.
Next stage: identifikasi alternative-alternatif. Melihat pasar.
Next stage: decompose dan pemodelan. Mendevelop model seperti decision tree, influences diagram, dll kemudian menganalisis.
Next stage: sensitivity alternatives. Lalu choose alternatives. Dan stage terakhir adalah implementation.
Langkah-langkah di atas merupakan step-step yang harus diikuti untuk membuat keputusan yang baik.
Decision tables and decision making under uncertainty.
Decision table merupakan insufficient, tidak cukup bagus untuk pemodelan tetapi merupakan konsep yang bagus dimengerti.
Decision making problem mengahruskan seseorang memilih satu dari beberapa uncertain alternatives. Working example: perusahaan manufacture dalam memproduksi barangnya. Alternative yang diberikan yaitu:
– Status quo: kita tidak melakukan apa-apa, no change.
– Extend : mengextend produk dengan membeli mesin baru.
– Build
– Cooperate.
Uncertainty involved: market reaction. Konsekuensi dari alternative yang dipilih: hanya satu yang expected profit.
Konsep DS.
Ada dua tabel yang diberikan yaitu tabel strict uncertain dan tabel risk. Dari masing-masing tabel, manakah pilihan yang terbaik?
Tabel strict uncertain merupakan tabel yang mengacu pada pilihan. Best alternative dalam kasus tabel ini adalah cooperate. Karena dibandingkan dengan status quo, decreased-nya lebih tinggi daripada status quo dan increasednya lebih tinggi dari status quo.
Tabel risk lebih sulit untuk memilih alternative karena ada presentase probabilitasnya yaitu 25 % dan 75 % untuk masing-masing pilihan. Untuk memilih maka diperlukan diagram linear. Konsekuensinya bila grafik berubah.pada tabel, probability harus bergerak ke kiri dan ke kanan. Jangan puas dengan angka, tapi coba menganalisisnya seperti jika probabilitas berubah atau angka pada alternative berubah.
Pengubahan decision table ke decision tree dengan equivalent decision tree. Contohnya tabel pada perusahaan manufaktur sebelumnya. Komponen decision tree yaitu:
– Decision node : alternative yang bisa dipilih.
– Chance node : event yang bisa dikontrol.
– Terminal (end) node : konsekuensi.
Penggunaan decision tree pada machine learning berbeda.
Influences diagram lebih cepat dan bernilai untuk menyelesaikan masalah daripada decision tree. Perbedaannya dengan decision tree yaitu influences diagram lebih nyaman untuk presentation off, lebih jelas solusi alternatifnya. Komponen influences diagram yaitu:
– Decision node
– Chance node
– Value node: untuk kalkulasi high level.
Arc in influence diagram
Pada influence diagram kita bisa menetapkan properties dari arc itu sendiri. Untuk contohnya kita membuat decision B setelah kita mengetahui decision A maka dibuat tanda panah dari decision A ke decision B. bila tanda panahnya dihilangkan berarti decision A dan decision B merupakan independen. Kita membuat decision B setelah kita mengetahui outcome dari A. kita membuat decision A yang relevant dengan event B.
Working example
Building a plant: level polusi mempengaruhi pepohonan.
Evacuation decision: tipe model forecast. terdapat 2 pilihan, yaitu: menunggu hasil forecast baru kemudian melakukan evakuasi atau melakukan evakuasi tanpa menunggu hasil forecast. Ada 4 kemungkinan yaitu kemungkinan hilang, kemungkinan tersembunyi, kemungkinan terevakuasi, dan kemungkinan tertinggal. Dari semua bisa mempengaruhi kondisi.
Influence diagram software
Menggunakan development program, seperti: DATA, GeNie. Data mentranslate ke decision tree. Genie bisa menetapkan toolbox dan properties. Kekurangan Genie, genie tidak powerfull pada bagian analisis.
Motivasi multi atribut modeling
Multi atribut model mempertimbangkan single-objek model. Influence diagram memfasilitasi multi objective modeling.
Multi-attribute model
Perbandingan struktur multi-attribute dengan hierarchical multi-attribute:
- Pada Struktur multi-attribute tidak memiliki atribut agregasi hanya utility, fungsi, atribut, alternative. Dibagi menjadi 2 yaitu
– Kuantitatif multi-attribute model àalternative disajikan dalam angka
– Kualitatif multi-attribute model àalternative disajikan dalam data kualitatif
- Pada Struktur hierarchical multi-attribute terdiri dari atribut utility, fungsi, atribut agregasi, atribut dasar, alternative.
Multi-attribute modeling:
Identifikasi masalah dengan mendefinisikan atribut, memproses dengan fungsi serta evaluasi dan analisis alternative. Kemudian mengimplementasikan.
MAMD tool
- Paper-pencil (Abacon)
- Spreadsheet dan pemodelan matematika dengan MS Excel
- Specialized MAMD software, misal Logical Decision, WinPre, DEXi (sering digunakan di institusi pendidikan), dsb
Contoh aplikasi nyata MAMD (MAMD sudah diaplikasikan secara luas)
- Teknologi informasi àevaluasi computer, software, portal
- Project àevaluasi project, proposal dan investment serta portofolio. Contoh: R&D project
- Perusahaanà pemilihan partner bisnis, evaluasi performance
- Managemen personelà evaluasi personel, pemilihan tim
- Pengobatan & layanan kesehatan àpenilaian resiko, diagnosis dan prognosis. Biasanya menggunakan data mining dan ilmu statistic. Contohnya penilaian resiko kanker payudara & diabetes
Clay Pit Model
Pada clay pit model banyak sekali dekomposisi dari tree. Dari lower level kita bisa melihat setenagh dari tiap-tiap lokasi untuk memperkirakan efek-efeknya.
Environmental: location of a radioaktif waste reposhitory.
Merupakan big issues, menemukan nuclear ways. Project ini tidak pernah komplit dan masih on going sampai sekarang. Tanpa memperhatikan metodenya, anda bisa gagal.
Contoh problem di sekolah yaitu Advising Children in Choosing Sport. Berdasarkan :
– Talent : knowledge berdasarkan program computer.
– Perkiraan database: terdapat general data, morphological test, dan motoric test. Dari ketiganya dapat diprediksikan dengan cukup baik spesifik sport yang cocok.
– Talent: basic
àmenetapkan model dengan mengambil sebelas perkiraan di atas.
àmengestimasikan perkiraan agar bisa berkoresponden dengan kebutuhan sport.
Evaluation model structure àUntuk contoh : dari tinggi badan, berat badan, kita mendapatkan komponen antropologinya.
Evaluation and explanation àmelakukan black box evaluation pada list disiplin sport.
Bank @ SI Housing Schema
Who àslovenian housing fund
What à mengevaluasi dan menselect bank untuk SHS
Assessment of Govermental Life event Portal à mengevaluasi school life event portal.
ECOGEN model àmengembangkan dengan melakukan cropping system.
Weed-Control Model à mengakses beberapa kualitas yang lebih pada pengaruh keseluruhan.
Ada beberapa yang sulit dipahami,, mohon maklum aja ya,, soalnya di video itu, bapaknya njelasin slide yang isinya cuma gambar-gambar doang.. jadi ya maap kalo mbingungi.. hehehe.. ^^
upay's blog 