Tugas Sistem Pengambilan Keputusan

1.     Apa yang di maksud dengan Tabel Keputusan

Tabel keputusan (decision table) adalah tabel yang digunakan sebagai alat bantu untuk menyelesaikan logika dalam program. Algoritma yang berisi keputusan bertingkat yang banyak sekali sangat sulit untuk digambarkan langsung dengan structured English atau pseudocode dan dapat dibuat terlebih dahulu dengan menggunakan tabel keputusan. Dengan demikian tabel keputusan efektif digunakan bilamana kondisi yang akan diseleksi didalam program jumlahnya cukup banyak dan rumit.

Ø  STRUKTUR TABEL KEPUTUSAN

Struktur tabel keputusan terdiri dari empat bagian utama yakni :

1. Condition Stub.

2. Condition Entry.

3. Action Stub.

4. Action Entry.

   

           

        Gambar. struktur dari tabel keputusan.

Ø  Condition Stub

Bagian ini berisi kondisi yang akan diseleksi.

Ø  Condition Entry

Bagian ini berisi kemungkinan dari kondisi yang diseleksi, ayitu terpenuhi (diberi simbol ‘Y’) dan tidak terpenuhi (diberi simbol ‘N’). Setiap kondisi yang diseleksi akan mempunyai dua kemungkinan kejadian, yaitu terpenuhi dan tidak terpenuhi. Bila ada x kondisi yang diselesi, maka akan terdapat N kemungkinan kejadian, yaitu sebesar 2x = N

Ø  Action Stub

Action stub berisi pernyataan-pernyataan yang akan dikerjakan baik kondisi yang diselesi terpenuhi maupun tidak terpenuhi.

Ø  Action Entry

Action entry digunakan untuk memberi tanda tindakan mana yang akan dilakukan dan mana yang tidak akan dilakukan.

v  TAHAPAN PEMBUATAN TABEL KEPUTUSAN

Untuk menjelaskan langkah-langkah yang dapat dilakukan untuk membuat tabel keputusan berikut ini diilustrasikan dengan sebuah contoh sebagai berikut :

Ø  PROSES PEMESANAN

Potongan akan diberikan apabila pesanan barang melebihi atau sama dengan batas unit minimal pesanan (batas minimal pesanan untuk mendapatkan potongan). Potongan ini hanya berlaku bagi Dealer. Bila unit barang persediaan di gudang mencukupi, maka pesanan akan dikirim semuanya tetapi apabila unit barang persediaan tidak mencukupi, maka yang dikirim adalah unit barang yang ada dan kemudian dibuatkan catatan mengenai kekurangannya (back order).

Ø Langkah pembuatan tabel keputusan

1. Menentukan kondisi yang akan diseleksi.

Dari contoh di atas terdapat 3 (tiga) buah kondisi yang akan diseleksi yakni :

a. Apakah unit dipesan >= unit minimum potongan?

b. Apakah pemesannya dealer ?

c. Apakah unit persediaan mencukupi ?

2. Menentukan jumlah kemungkinan kejadian yang akan terjadi, yaitu sebanyak : 823 = N=

3. Menentukan tindakan yang akan dilakukan.

Dari contoh di atas, terdapat 5 (lima) tindakan yang akan dilakukan yaitu :

a. Mendapatkan potongan.

b. Tidak mendapatkan potongan.

c. Kirim semua yang dipesan.

d. Kirim yang ada saja.

e. Buat catatan kekurangannya.

4. Mengisi condition entry

Condition entry diisi sedemikian rupa, sehingga semua kemungkinan kejadian bisa terwakili, sebagai berikut :

Tabel keputusan

            

Ø Mengisi action entry

Action entry diisi kolom demi kolom dari kolom pertama sampai kolom ke N. Misalnya untuk kolom yang pertama, semua kondisi terpenuhi, yaitu unit yang dipesan melebihi unit minimum potongan, pemesannya adalah dealer dan unit persediaan mencukupi, maka tindakan yang akan dilakukan adalah mendapatkan potongan dan kirim semua yang dipesan. Pada kolom pertama ini kemudian baris tindakan mendapatkan potongan dan baris tindakan kirim semua yang dipesan diberi tanda sembarang (misalnya “x”). Lakukan cara yang sama untuk masing-masing rules sampai kolom ke N (8).

                 hasilnya sebagai berikut :

Rule nomor 5 dan 7 dapat digabung, karena tindakannya sama, demikian juga rule nomor 6 dan 8 dapat juga digabung, sihingga tabel keputusan menjadi :

Terlihat rule nomor 5 dan 7 serta rule 6 dan 8 hasil gabungan menunjukan baik itu dealer maupun tidak sudah tidak berpengaruhlagi, karena unit yang dipesan sudah lebih kecil dari unit minimum yang mendapatkan potongan

Bentuk structured English nya sebagai berikut :

IF unit dipesan lebih besar atau sama dengan unit minimum potongan dan

pemesannya dealer dan unit persediaan mencukupi

THEN mendapat potongan

kirim semua yang dipesan

ELSE IF unit dipesan lebih besar atau sama dengan unit minimum potongan dan

pemesannya dealer dan unit persediaan tidak mencukupi

THEN mendapat potongan

kirim yang yang ada saja

buat catatan kekurangannya

ELSE IF unit dipesan lebih besar atau sama dengan unit minimum potongan dan

pemesannya bukan dealer dan unit persediaan mencukupi

THEN tidak mendapat potongan

kirim semua yang dipesan

ELSE IF unit dipesan lebih besar atau sama dengan unit minimum potongan dan

pemesannya bukan dealer dan unit persediaan tidak mencukupi

THEN tidak mendapat potongan

kirim yang yang ada saja

buat catatan kekurangannya

ELSE IF unit dipesan lebih kecil dari unit minimum potongan dan

unit persediaan mencukupi

THEN tidak mendapat potongan

kirim semua yang dipesan

ELSE IF unit dipesan lebih kecil dari unit minimum potongan dan

unit persediaan tidak mencukupi

THEN tidak mendapat potongan

kirim yang yang ada saja

buat catatan kekurangannya

2. Pohon keputusan beserta contohnya

Ø Pengertian Pohon Keputusan

Pohon yang dalam analisis pemecahan masalah pengambilan keputusan adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat diambil dari masalah tersebut. Pohon tersebut juga memperlihatkan faktor-faktor kemungkinan/probablitas yang akan mempengaruhi alternatif-alternatif keputusan tersebut, disertai dengan estimasi hasil akhir yang akan didapat bila kita mengambil alternatif keputusan tersebut.

Ø Manfaat Pohon Keputusan

Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi
antara sejumlah calon variabel input dengan sebuah variabel target. Pohon keputusan memadukan antara
eksplorasi data dan pemodelan, sehingga  sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika
dijadikan sebagai model akhir dari beberapa teknik lain. Sering terjadi tawar menawar antara keakuratan

model dengan transparansi model. Dalam beberapa aplikasi, akurasi dari sebuah klasifikasi atau prediksi adalah satu-satunya hal yang ditonjolkan, misalnya sebuah perusahaan direct mail membuat sebuah model yang akurat untuk
memprediksi anggota mana yang berpotensi untuk merespon permintaan, tanpa memperhatikan bagaimana atau mengapa model tersebut bekerja.

Ø Kelebihan Pohon Keputusan

Kelebihan dari metode pohon keputusan adalah:

·         Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.

·         Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu.

·         Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan 

·         Membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional

·         Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.

Ø Kekurangan Pohon Keputusan

·         Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan.

·         Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar.

·         Kesulitan dalam mendesain pohon keputusan yang optimal.

·         Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

Ø Model Pohon Keputusan

Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Contoh dari pohon keputusan dapat dilihat di Gambar berikut ini.

                       

Disini setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Contoh di Gambar 1 adalah identifikasi pembeli komputer,dari pohon keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli komputer adalah orang yang berusia di bawah 30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai dari node root, menggunakan tes terhadap atribut dari record yang belum ada kelasnya tersebut lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut, yang akan membawa kepada internal node (node yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes lagi terhadap atribut atau node daun. Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node daun. Pada pohon keputusan setiap simpul daun menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree) kemudian mengubah model pohon tersebut menjadi aturan (rule).