QUIZ SISTEM PENDUKUNG KEPUTUSAN

 

SOAL QUIZ!!!

PENYELESAIAN:

LANGKAH 1: BUAT TABEL KEPUTUSAN

 

ALTERNATIF	C1	C2	C3	C4
a1	3	3	3	2
a2	3	3	2	2
a3	4	4	1	1
a4	1	4	2	1
a5	2	3	4	2
a6	2	2	4	2
a7	3	2	3	2

LANGKAH 2: CARI NILAI RATING KINERJA POSITIF PADA SETIAP KRITERIA

 

X₁ = √3²+3²+4²+1²+2²+2²+3²

                = √9+9+16+1+4+4+9

= √52

= 7.2111

R₁₁ = 3 / 7.2111

= 0.4160

R₂₁ = 3 / 7.2111

= 0.4160

R₃₁ = 4 / 7.2111

= 0.5547

R₄₁ = 1 / 7.2111

= 0.1387

R₅₁ = 2 / 7.2111

= 0.2774

R₆₁ = 2 / 7.2111

= 0.2774

R₇₁ = 3 / 7.2111

= 0.4160

X₂ = √3²+3²+4²+4²+3²+2²+2²

                = √9+9+16+16+9+4+4

= √67

= 8.1854

 

R₁₂ = 3 / 8.1854

= 0.3665

R₂₂ = 3 / 8.1854

= 0.3665

R₃₂ = 4 / 8.1854

= 0.4887

R₄₂ = 4 / 8.1854

= 0.4887

R₅₂ = 3 / 8.1854

= 0.3665

R₆₂ = 2 / 8.1854

= 0.2443

R₇₂ = 2 / 8.1854

= 0.2443

X₃ = √3²+2²+1²+2²+4²+4²+3²

                = √9+4+1+4+16+16+9

= √59

= 7.6811

R₁₃ = 3 / 7.6811

= 0.3906

R₂₃ = 2 / 7.6811

= 0.2604

R₃₃ = 1 / 7.6811

= 0.1302

R₄₃ = 2 / 7.6811

= 0.2604

R₅₃ = 4 / 7.6811

= 0.5208

R₆₃ = 4 / 7.6811

= 0.5208

R₇₃ = 3 / 7.6811

= 0.3906

X₄ = √2²+2²+1²+1²+2²+2²+2²

                = √4+4+1+1+4+4+4

= √22

= 4.6904

 

R₁₄ = 2 / 4.6904

= 0.4264

R₂₄ = 2 / 4.6904

= 0.4264

R₃₄ = 1 / 4.6904

= 0.2132

R₄₄ = 1 / 4.6904

= 0.2132

R₅₄ = 2 / 4.6904

= 0.4264

R₆₄ = 2 / 4.6904

= 0.4264

R₇₄ = 2 / 4.6904

= 0.4264

 

LANGKAH 3: BUAT TABEL KEPUTUSAN TERNORMALISASI

ALTERNATIF	C1	C2	C3	C4
a1	0.4160	0.3665	0.3906	0.4264
a2	0.4160	0.3665	0.2604	0.4264
a3	0.5547	0.4887	0.1302	0.2132
a4	0.1387	0.4887	0.2604	0.2132
a5	0.2774	0.3665	0.5208	0.4264
a6	0.2774	0.2443	0.5208	0.4264
a7	0.4160	0.2443	0.3906	0.4264

LANGKAH 4: HITUNG NILAI Y =W_ij x R_ij DIMANA [W = 3   4   5   4]

 

Y_{11 =} 3(0.4160) = 1.2481        Y₁₂=4(0.3665) = 1.4660      Y₁₃=5(0.3906) =1.9528      Y₁₄=4(0.4264) = 1.7056

Y_{21 =} 3(0.4160) = 1.2481        Y₂₂=4(0.3665) =1.4660       Y₂₃=5(0.2604) =1.3019       Y₂₄=4(0.4264) = 1.7056

Y_{31 =} 3(0.5547) = 1.6641        Y₃₂=4(0.4887) = 1.9547      Y₃₃=5(0.1302) =0.6509       Y₃₄=4(0.2132) = 0.8528

Y_{41 =} 3(0.1387) =0.4160         Y₄₂=4(0.4887) = 1.9547      Y₄₃=5(0.2604) =  1.3019     Y₄₄=4(0.2132) = 0.8528

Y_{51 =} 3(0.2774) =0.8321         Y₅₂=4(0.3665) =1.4660       Y₅₃=5(0.5208) = 2.6038      Y₅₄=4(0.4264) = 1.7056

Y_{61 =} 3(0.2774) = 0.8321        Y₆₂=4(0.2443) =0.9774       Y₆₃=5(0.5208) =2.6038       Y₆₄=4(0.4264) = 1.7056

Y_{71 =}3(0.4160)  = 1.2481        Y₇₂=4(0.2443) =0.9774       Y₇₃=5(0.3906) =1.9528       Y₇₄=4(0.4264) = 1.7056

LANGKAH 5: BUAT TABEL Y (TABEL KEPUTUSAN TERNORMALISASI TERBOBOT)

 

ALTERNATIF	C1	C2	C3	C4
a1	1.2481	1.4660	1.9528	1.7056
a2	1.2481	1.4660	1.3019	1.7056
a3	1.6641	1.9547	0.6509	0.8528
a4	0.4160	1.9547	1.3019	0.8528
a5	0.8321	1.4660	2.6038	1.7056
a6	0.8321	0.9774	2.6038	1.7056
a7	1.2481	0.9774	1.9528	1.7056

LANGKAH 6: MENCARI NILAI Y_J⁺  DAN Y_J^–

Y₁ ⁺  = MAX{1.2481; 1.2481; 1.6641; 0.4160; 0.8321; 0.8321; 1.2481}= 1.6641

Y₂ ⁺  = MAX{1.4660; 1.4660; 1.9547; 1.9547; 1.4660; 0.9774; 0.9774}= 1.9547

Y₃ ⁺  = MIN {1.9528; 1.3019; 0.6509; 1.3019; 2.6038; 2.6038; 1.9528}= 0.6509

Y₄ ⁺  = MAX{1.7056; 1.7056; 0.8528; 0.8528; 1.7056; 1.7056; 1.7056}= 1.7056

A+ = (1.6641 ; 1.9547 ; 0.6509; 1.7056)

 

Y₁ ^–  = MAX{1.2481; 1.2481; 1.6641; 0.4160; 0.8321; 0.8321; 1.2481}= 0.4160

Y₂ ^–  = MAX{1.4660; 1.4660; 1.9547; 1.9547; 1.4660; 0.9774; 0.9774}= 0.9774

Y₃ ^–  = MIN {1.9528; 1.3019; 0.6509; 1.3019; 2.6038; 2.6038; 1.9528}= 2.6038

Y₄ ^–  = MAX{1.7056; 1.7056; 0.8528; 0.8528; 1.7056; 1.7056; 1.7056}= 0.8528

A- = (0.4160 ; 0.9774 ; 2.6038 ; 0.8528)

LANGKAH 7: MENCARI NILAI D_I⁺  DAN D_I^–

 

D₁⁺ = √((1.2481-1.6641)² + (1.4660-1.9547)² + (1.9528-0.6509)² + (1.7056-1.7056)²)

= √2.1068

= 1.4515

D₂⁺ = √((1.2481-1.6641)² + (1.4660-1.9547)² + (1.3019-0.6509)² + (1.7056-1.7056)²)

= √0.8356

= 0.9141

D₃⁺ = √((1.6641-1.6641)² + (1.9547-1.9547)² + (0.6509-0.6509)² + (0.8528-1.7056)²)

= √0.7273

= 0.8528

D₄⁺ = √((0.4160-1.6641)² + (1.9547-1.9547)² + (1.3019-0.6509)² + (0.8528-1.7056)²)

= √2.7087

= 1.6458

D₅⁺ = √((0.8321-1.6641)² + (1.4660-1.9547)² + (2.6038-0.6509)² + (1.7056-1.7056)²)

= √4.7447

= 2.1782

D₆⁺ = √((0.8321-1.6641)² + (0.9774-1.9547)² + (2.6038-0.6509)² + (1.7056-1.7056)²)

= √5.4611

=2.3369

D₇⁺ = √((1.2481-1.6641)² + (0.9774-1.9547)² + (1.9528-0.6509)² + (1.7056-1.7056)²)

= √2.8232

= 1.6802

D₁^– = √((1.2481-0.4160)² + (1.4660-0.9774)² + (1.9528-2.6038)² + (1.7056-0.8528)²)

= √2.0821

= 1.4430

D₂^– = √((1.2481-0.4160)² + (1.4660-0.9774)² + (1.3019-2.6038)² + (1.7056-0.8528)²)

= √3.3533

= 1.8312

D₃^– = √((1.6641-0.4160)² + (1.9547-0.9774)² + (0.6509-2.6038)² + (0.8528-0.8528)²)

= √6.3265

= 2.5152

D₄^– = √((0.4160-0.4160)² + (1.9547-0.9774)² + (1.3019-2.6038)² + (0.8528-0.8528)²)

= √2.6501

= 1.6279

D₅^– = √((0.8321-0.4160)² + (1.4660-0.9774)² + (2.6038-2.6038)² + (1.7056-0.8528)²)

= √1.1392

= 1.0673

D₆^– = √((0.8321-0.4160)² + (0.9774-0.9774)² + (2.6038-2.6038)² + (1.7056-0.8528)²)

= √0.9003

=0.9489

D₇^– = √((1.2481-0.4160)² + (0.9774-0.9774)² + (1.9528-2.6038)² + (1.7056-0.8528)²)

= √1.8433

= 1.3577

LANGKAH 8: MENCARI NILAI V_i

 

V₁ = D₁^– / (D₁^– + D₁⁺) = 0.4985  

V₂ = D₂^– / (D₂^– + D₂⁺) = 0.6670 

V₃ = D₃^– / (D₃^– + D₃⁺) = 0.7468

V₄ = D₄^– / (D₄^– + D₄⁺) = 0.4973

V₅ = D₅^– / (D₅^– + D₅⁺) = 0.3289

V₆ = D₆^– / (D₆^– + D₆⁺) = 0.2888

V₇ = D₇^– / (D₇^– + D₇⁺) = 0.4469

Jadi, 5 mahasiswa yang berhak untuk mendapatkan beasiswa adalah Joko, Widodo, Simamora, Susilawati, dan Hendro.

METODE SAW Dalam Sistem Pendukung Keputusan (SPK)

Metode SAW adalah metode MADM yang sering disebut metode penjumlahan terbobot. Metode SAW mempunyai konsep dasar untuk mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW dapat membantu dalam pengambilan keputusan suatu kasus, akan tetapi perhitungan dengan menggunakan metode SAW ini hanya yang menghasilkan nilai terbesar yang akan terpilih sebagai alternatif yang terbaik. Perhitungan akan sesuai dengan metode ini apabila alternatif yang terpilih memenuhi kriteria yang telah ditentukan. Metode SAW ini lebih efisien karena waktu yang dibutuhkan dalam perhitungan lebih singkat.

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Persamaan dari metode inid apat dilihat pada gambar berikut :

Dimana r_ij adalah rating kinerja ternormalisasi dari alternatif A_i pada atribut C_j; i=1,2,…,m dan j=1,2,…,n. Nilai prefesensi untuk setiap alternatif (V_i) diberikan sebagai berikut:

V_i        = nilai prefensi

Wj      = bobot rangking

r_ij     = rating kinerja ternormalisasi

Nilai V_i yang lebih besar mengindikasikan bahwa alternatif A_i lebih terpilih.

Sedangkan untuk kriterianya terbagi dalam dua kategori yaitu untuk bernilai positif termasuk dalam  kriteria keuntungan dan yang bernilai negatif termasuk dalam kriteria biaya.

Berikut Tahapan Metode SAW

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu C.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh  matriks ternormalisasi  R.
4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternative terbaik (A) sebagai solusi. 

 

Sumber : http://matapena11.blogspot.com.au/2014/01/sistem-penunjang-keputusan-pemilihan.html

Metode TOPSIS dalam Sistem Pendukung Keputusan (SPK)

Metode  TOPSIS  adalah  salah  satu  metode  pengambilan  keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang  pada tahun 1981.  Metode  ini  merupakan  salah  satu  metode  yang  banyak  digunakan  untuk menyelesaikan pengambilan  keputusan  secara  praktis.  TOPSIS  memiliki  konsep dimana alternatif  yang terpilih merupakan alternatif terbaik  yang memiliki jarak terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif [4]. Semakin  banyaknya  faktor  yang  harus  dipertimbangkan  dalam  proses pengambilan  keputusan,  maka  semakin  relatif  sulit  juga  untuk  mengambil
keputusan  terhadap  suatu  permasalahan.  Apalagi  jika  upaya  pengambilan keputusan  dari  suatu  permasalahan  tertentu,  selain  mempertimbangkan  berbagai faktor/kriteria  yang  beragam,  juga  melibatkan  beberapa  orang  pengambil keputusan.  Permasalahan  yang  demikian  dikenal  dengan  permasalahan  multiple criteria decision making  (MCDM).  Dengan kata lain, MCDM juga dapat disebut sebagai  suatu  pengambilan  keputusan  untuk  memilih  alternatif  terbaik  dari sejumlah  alternatif  berdasarkan  beberapa  kriteria  tertentu.  Metode  TOPSISdigunakan  sebagai  suatu  upaya  untuk  menyelesaikan  permasalahan  multiple criteria  decision  making.  Hal  ini  disebabkan  konsepnya  sederhana  dan  mudah dipahami, komputasinya  efisien  dan  memiliki  kemampuan  untuk  mengukur kinerja relatif dari alternatif-alternatif keputusan.

Langkah-langkah Metode TOPSIS

Langkah-langkah yang dilakukan dalam menyelesaikan suatu permasalahan menggunakan metode TOPSIS adalah sebagai berikut [4]:

1. Menggambarkan  alternatif  (m)  dan  kriteria  (n)  ke  dalam  sebuah  matriks, dimana  Xij adalah  pengukuran  pilihan  dari  alternatif  ke-i  dan  kriteria  ke-j.Matriks ini dapat dilihat pada persamaan satu.
    
2. Membuat matriks R yaitu matriks keputusan ternormalisasi Setiap  normalisasi  dari  nilai  rij dapat  dilakukan  dengan  perhitungan menggunakan persamaan dua.
   
3. Membuat pembobotan pada matriks yang telah dinormalisasi Setelah dinormalisasi, setiap kolom pada matriks R dikalikan dengan bobotbobot (wj) untuk menghasilkan matriks pada persamaan tiga.
   
4. Menentukan nilai solusi ideal positif dan solusi ideal negatif. Solusi ideal dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Persamaan untuk menentukan solusi ideal dapat dilihat pada persamaan empat.
   
5. Menghitung separation measure. Separation measure ini merupakan
   pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal
   negatif.
   –  Perhitungan solusi ideal positif dapat dilihat pada persamaan lima :
   
   –  Perhitungan solusi ideal negatif dapat dilihat pada persamaan enam :
6. Menghitung  nilai  preferensi  untuk  setiap  alternatif. Untuk  menentukan ranking tiap-tiap alternatif yang ada maka perlu dihitung terlebih dahulu nilai preferensi  dari  tiap  alternatif.  Perhitungan  nilai  preferensi  dapat  dilihat melalui persamaan tujuh.
   Setelah  didapat  nilai  Ci+,  maka  alternatif  dapat  diranking  berdasarkan urutan  Ci+.  Dari  hasil  perankingan  ini  dapat  dilihat  alternatif  terbaik  yaitu alternatif yang memiliki jarak terpendek dari solusi ideal dan berjarak terjauh dari solusi ideal negatif.

 

 

sumber : undip.ac.id

Karakteristik dan Kemampuan Sistem Pendukung Keputusan (SPK)

Karakteristik dan kemampuan sebuah sistem pendukung keputusan
sebagai berikut :

1. Sistem Pendukung Keputusan menyediakan dukungan untuk pengambil keputusan utamanya pada keadaan-keadaansemistruktur dan tidak terstruktur dengan menggabungkan  penilaian manusia dan informasi komputerisasi.
2. Menyedikan dukungan untuk tingkat manajerial mulai dari eksekutif sampai manajer.
3. Menyedikan dukungan untuk kelompok individu, problemproblem yang kurang terstruktur memerlukan keterlibatan beberapa individu dari departemen-departemen yang lain dalam organisasi.
4. Sistem pendukung keputusan menyediakan dukungan kepada independen atau keputusan yang berlanjut.
5. Sistem pendukung keputusan memberikan dukungan kepada semua fase dalam proses pembuatan keputusan inteligence, design, choice dan impelementasi.
6. Sistem pendukung keputusan mendukung banyak proses dan  gaya pengambilan keputusan.
7. Sistem pendukung keputusan  adaptive  terhadap waktu, pembuat keputusan harus reaktif bisa menghadapi  perubahan-perubahan kondisi secara cepat dan merubah  sistem pendukung keputusan harus fleksibel sehingga pengguna dapat menambah, menghapus, mengkombinasikan,  merubah dan mengatur kembali terhadap elemen-elemen dasar.
8. Sistem pendukung keputusan mudah digunakan. Pengguna merasa berada dirumah saat bekerja dengan system, seperti
   user friendly, fleksibelitas, kemampuan penggunaan grafik yang tinggi dan bahasa untuk berinteraksi dengan mesin seperti menggunakan bahasa inggris maka akan menaikan efektifitas dari sistem pendukung keputusan.
9. Sistem pendukung keputusan menaikkan efektifitas pembuatan keputusan baik dalam hal ketepatan waktu dan kualitas bukan pada biaya pembuatan keputusan atau biaya pemakaian waktu komputer.
10. Pembuat keputusan dapat mengontrol terhadap tahapantahapan pembuatan keputusan seperti pada tahap intelegence,
    choice dan implementation dan sistem pendukung keputusan diarahkan untuk mendukung pada pembuat keputusan bukan
    menggantikan posisinya.
11. Memungkinkan pengguna akhir dapat membangun sistem sendiri yang sederhana. Sistemyang besar dapat dibangun dengan bantuan dari spesialis sistem informasi.
12. Sistem pendukung keputusan menggunakan model-model standar atau buatan pengguna untuk menganalisa keadaankeadaan keputusan. Kemampuan modelingmemungkinkan bereksperimen dengan strategiyang berbeda-beda dibawah konfigurasi yang berbeda-beda pula.
13. Sistem pendukung keputusan mendukung akses dari bermacam-macam sumber data, format, dan tipe, jangkauan dari sistem informasi geografi pada orientasi obyek.

Tahapan Pengambilan Keputusan

Sistem pendukung keputusan secara garis besar seorang pengambil keputusan dalam melakukan pengambilan keputusan melewati beberapa alur/ proses seperti ditunjukkan pada gambar di bawah ini untuk mendapatkan keputusan yang terbaik.

Alur/ proses pemilihan alternatif tindakan/keputusan biasanya terdiri dari langkah-langkah berikut:

1. Tahap Inteligence
   Suatu tahap proses seseorang dalam rangka pengambil keputusan untuk permasalahan yang dihadapi, terdiri dari aktivitas
   penelusuran, pendeteksian serta proses pengenalan masalah. Data masukan diperoleh, diuji dalam rangka mengidentifikasi masalah.
2. Tahap Design
   Tahap proses pengambil keputusan setelah tahap intellegence meliputi proses untuk mengerti masalah, menurunkan solusi dan menguji kelayakan solusi. Aktivitas yang biasanya dilakukan seperti menemukan, mengembangkan dan menganalisa alternatif tindakan yang dapat dilakukan.
3. Tahap Choice
   Pada tahap ini dilakukan prosespemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan  tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.

 

sumber : undip.ac.id

METODE WEIGHT PRODUCT (WP) DALAM Sistem Pendukung Keputusan

Metode Weight Product (WP)

Metode  WP  mengunakan perkalian untuk menghubungkan rating atribut, di mana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.

Proses ini Ai diberikan sebagai berikut :

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 : undip.ac.id

Apa Itu 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 [10].

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. [10]

Karakteristik dan Nilai Guna

Karakteristik sistem pendukung keputusan adalah [10]:

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 [10]:

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 [10] :

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 [10]:

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.

 

Sumber : http://haniif.wordpress.com/2007/08/01/23-tinjauan-pustaka-sistem-pendukung-keputusan-spk/

Contoh Kasus Linear Programming (Pemrograman Linear)

Perusahaaan barang tembikar colonial memproduksi 2 produk setiap hari, yaitu cangkir dan mangkok. Perusahaan itu mempunyai2 sumber daya terbatas jumlahnya untuk memproduksi  produk-produk tersebut yaitu tanah liat (120 kg/hari), tenaga kerja (40 jam/hari). Dengan keterbatasan sumber daya perusahaan ingin mengetahui berapa banyak mangkosk dan cangkir yang akan diproduksi tiap hari dalam proses memaksimumkan laba. Kedua produk mempunyai kebutuhan sumber daya produksi serta laba per jam seperti yang ditunjukkan table.

Solusi :

Fungsi kendala :
x + 2y <= 40
3x + 2y <= 120
Fungsi tujuan
Z = 4000x + 5000y

Untuk persamaan I
Jika x = 0 ; x + 2y = 40                                               Jika y = 0 ; x + 2y = 40
0 + 2y = 40                                                                  x + 2(0) = 40
Y = 20                                                                              x = 40

Untuk persamaan II
Jikax = 0 : 3x + 2y = 120                                            Jika y = 0 ; 3x + 2y = 120
3(0) + 2y = 120                                                           3x + 2(0) = 120
2y = 120                                                                                3x = 120
Y = 60                                                                                   x = 40

Maka di gambarkan grafik sbb :

Untuk Perpotongan garis
x + 2y = 40
3x + 2y =120
-2x       = -80
x     = 40

x + 2y =40
40x + 2y = 40
2y = 40 – 40
2y = 0
y = 0

·         (0,20)

Z = 4000x + 5000y
= 4000(0) + 5000(20)
= 0 + 100000
= 100000

·         (40,0)

Z = 4000x + 5000y
= 4000(40) + 5000(0)\
= 160000 + 0
= 160000

Jadi, dapat disimpulkan bahwa untuk mendapatkan laba yang maksimal, maka perusahaan harus memproduksi 40  mangkok dan 0 cangkir dengan laba yaitu 160000.