makalah teori keputusan dan pohon keputusan



       


TEORI KEPUTUSAN DAN POHON KEPUTUSAN
Untuk memenuhi tugas mata kuliah Metode Kuantitatif Dalam Pengambilan Keputusan



Disusun oleh :
Kelompok 10 (2C)
1.     201611303 N Fahrisa Umami
2.     201611306 Linda Silfia Rizki
3.     201611307 Amrur Rohman Salim
4.     201611310 Sri Andriyani
5.     201611311 Yunita Rochmayasari
6.     201611319  Saiful Malik


 
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI
UNIVERSITAS MURIA KUDUS
2017

KATA PENGANTAR
Puji syukur kepada Allah Subhanahu wa ta’ala atas hidayah, nikmat serta karunianya, penulis dapat menyelesaikan tugas makalah Metode Kuantitatif Dalam Pengambilan Keputusanini. Penulisan makalah ini bertujuan untuk memenuhi salah satu tugas yang diberikan oleh dosen pengampu mata kuliahMetode Kuantitatif Dalam Pengambilan Keputusan, Ibu
Makalah ini ditulis berdasarkan sumber dari internet dan buku sebagai referensi, tak lupa penyusun ucapkan terima kasih kepada dosen pengampu mata kuliah Metode Kuantitatif Dalam Pengambilan Keputusan atas bimbingan dan arahan dalam penulisan makalah ini.Juga kepada teman-teman mahasiswa yang telah mendukung sehingga makalah ini dapat selesai.
Penulis berharap dengan membaca makalah ini dapat memberi manfaat bagi kita semua, serta dapat menambah wawasan kita mengenai Perencanaan dalam sebuah perusahaan.Memang makalah ini masih jauh dari sempurna, maka penulis mengharapkan kritik dan saran dari pembaca demi perbaikan menuju arah yang lebih baik.
Demikan makalah ini dibuat semoga dapat bermanfaat bagi penulis dan yang membacanya, sehingga menambah wawasan dan pengetahuan tentang bab ini. Aamiin.



                                                                                            Kudus, 1 Juni 2017

                                                                                            Penulis

DAFTAR ISI
JUDUL .....................................................................................................................................  1
KATA PENGANTAR .............................................................................................................  2
DAFTAR ISI ............................................................................................................................  3

BAB I PENDAHULUAN
1.1 Latar Belakang ..................................................................................................................... 4
1.2 Rumusan Masalah ................................................................................................................ 4
1.3 Tujuan Penulisan................................................................................................................... 5

BAB II ISI
2.1 Pengertian dan Langkah-Langkah dalam Analisis Keputusan ............................................ 6
2.2 Pengertian Pohon Keputusan ............................................................................................... 7
2.3 Manfaat Pohon Keputusan .................................................................................................. 7
2.4 Kelebihan Pohon Keputusan ................................................................................................ 8
2.5 Kekurangan Pohon Keputusan ............................................................................................ 8
2.6 Prosedur Pembentukan Pohon Keputusan............................................................................ 9
2.7 Analisis Pohon Keputusan.................................................................................................. 10

BAB III PENUTUP
3.1 Kesimpulan ........................................................................................................................ 13

DAFTAR PUSTAKA ............................................................................................................. 14



BAB 1
PENDAHULUAN

1.1  Latar Belakang
Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh berbagai macam masalah dari berbagai macam bidang.Masalah-masalah ini yang dihadapi oleh manusia tingkat kesulitan dan kompleksitasnya sangat bervariasi, mulai dari yang teramat sederhana dengan sedikit faktor-faktor yang berkaitan dengan masalah tersebut dan perlu diperhitungkan sampai dengan yang sangat rumit dengan banyak sekali faktor-faktor turut serta berkaitan dengan masalah tersebut dan perlu untuk diperhitungkan.
Untuk menghadapi masalah-masalah ini, manusia mulai mengembangkan sebuah sistem yang dapat membantu manusia agar dapat dengan mudah mampu untuk menyelesaikan masalah-masalah tersebut.Adapun pohon keputusan ini adalah sebuah jawaban akan sebuah sistem yang manusia kembangkan untuk membantu mencari dan membuat keputusan untuk masalah-masalah tersebut dan dengan memperhitungkan berbagai macam factor yang ada di dalam lingkup masalah tersebut.
Dengan pohon keputusan, manusia dapat dengan mudah melihat mengidentifikasi dan melihat hubungan antara faktor-faktor yang mempengaruhi suatu masalah dan dapat mencari penyelesaian terbaik dengan memperhitungkan faktor-faktor tersebut.Pohon keputusan ini juga dapat menganalisa nilai resiko dan nilai suatu informasi yang terdapat dalam suatu alternatif pemecahan masalah.Peranan pohon keputusan ini sebagai alat Bantu dalam mengambil keputusan (decision support tool) telah dikembangkan oleh manusia sejak perkembangan teori pohon yang dilandaskan pada teori graf.Kegunaan pohon keputusan yang sangat banyak ini membuatnya telah dimanfaatkan oleh manusia dalam berbagai macam sistem pengambilan keputusan.

1.2 Rumusan Masalah
1.      Apa yang dimaksud dengan analisis keputusan?
2.      Bagaimana langkah-langkah dalam analisis keputusan?
3.      Apa yang dimaksud dengan pohon keputusan?
4.      Apa manfaat dari pohon keputusan?
5.      Kelebihan apa yang dimiliki oleh pohon keputusan?
6.      Kekurangan apa saja yang dimiiki oleh pohon keputusan?
7.      Bagaimana prosedur pembentukan pohon keputusan?
8.      Bagaimana analisis dalam pohon keputusan?
1.3 Tujuan Penulisan
1.      Mahasiswa memahami apa itu analisis keputusan
2.      Mahasiswa mampu menjelaskan langkah-langkah dalam menganalisis keputusan
3.      Mahasiswa memahami apa itu pohon keputusan
4.      Mahasiswa mengetahui manfaat dari pohon keputusan
5.      Mahasiswa mampu menjelaskan kelebihan yang dimiliki oleh pohon keputusan
6.      Mahasiswa mampu menjelaskan kekurangan yang dimiliki oleh pohon keputusan
7.      Mahasiswa memahami bagaimana prosedur pohon keputusan
8.      Mahasiswa mampu mengaplikasikan analisis pohon keputusan

BAB II
ISI

2.1 Pengertian dan Langkah-Langkah dalam Analisis Keputusan
Analisis keputusan adalah pola berpikir sistematis dalam pengambilan keputusan, yang bertujuan untuk mengidentifikasi apa yang harus dilakukan, pengembangan kriteria khusus untuk mencapai tujuan, mengevaluasi alternatif tindakan yang tersedia yang berhubungan dengan kriteria dan mengidentifikasi kemungkinan resiko yang melekat pada suatu keputusan tersebut.
Untuk mencapai beberapa sasaran antara seperti yang telah diuraikan sebelumnya diperlukan adanya suatu keputusan tidakan yang akan dilakukan dari beberapa alternatif.
Untuk itu, dilakukan analisis keputusan dengan mengikuti langkah-langkah sebagai berikut :
> Merumuskan Pernyataan Keputusan
Tujuan merumuskan pernyataan keputusan adalah untuk memusatkan perhatian pada tindakan yang terpilih dalam tahap pengidentifikasian alternatif tindakan sebagai dasar untuk melaksanakan keputusan yang akan ditempuh dalam usaha mengembangkan perusahaan.
> Menetapkan Kriteria Keputusan
Kriteria keputusan adalah kemampuan memberikan gambaran mengenai suatu keadaan yang lebih terperinci tentang hasil keputusan yang diambil. Tujuan penetapan kriteria adalah untuk menyaring sejumlah alternatif lain yang pada akhirnya akan muncul satu alternatif terbaik.
 > Menetapkan Alternatif Keputusan
Alternatif keputusan adalah kemungkinan-kemungkinan pilihan bagi pencapaian tujuan dari pernyataan keputusan. Dari berbagai alternatif, akan dipilih yang terbaik berdasarkan kriteria-kriteria yang ada. Pertimbangan pokoknya adalah mana yang paling memenuhi kriteria dan paling kecil resikonya bila alternatif itu dijalankan.
> Menentukan Bobot Masing-Masing  Kriteria
Penentuan bobot berdasarkan besar-kecilnya pengaruh kriteria terhadap alternatif keputusan.Semakin besar pengaruhnya maka bobotnya lebih besar dan sebaliknya. Jumlah bobot untuk seluruh kriteria adalah satu (1)
> Membuat Matriks Penilaian
Matriks penilaian bertujuan untuk mengevaluasi alternatif-alternatif yang paling baik yang dapat memenuhi sasaran.Dalam matriks ini digunakan sistem pembobotan, dimana kriteria dan alternatif keputusan diberi bobot kemudian diperkalikan.
> Menentukan Tindakan Terpilih
Hasil perkalian antara kriteria dan alternatif keputusan yang memiliki bobot tertinggi merupakan alternatif prioritas.Alternatif yang menjadi prioritas merupakan tindakan terpilih untuk mencapai sasaran utama.

2.2 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.

2.3 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.

2.4 Kelebihan Pohon Keputusan
Kelebihan dari metode pohon keputusan adalah:
Ø  Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
Ø  Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu.
Ø  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
Ø  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.

2.5 Kekurangan Pohon Keputusan
Ø  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.
Ø  Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar.
Ø  Kesulitan dalam mendesain pohon keputusan yang optimal.
Ø  Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.


2.6 Prosedur Pembentukan Pohon Keputusan
Decision tree adalah sebuah struktur pohon, dimana setiap node pohon merepresentasikan atribut yang telah diuji, setiap cabang merupakan suatu pembagian hasil uji, dan node daun (leaf) merepresentasikan kelompok kelas tertentu. Level node teratas dari sebuah decision tree adalah node akar (root) yang biasanya berupa atribut yang paling memiliki pengaruh terbesar pada suatu kelas tertentu. Pada umumnya decision tree melakukan strategi pencarian secara top-down untuk solusinya. Pada proses mengklasifikasi data yang tidak diketahui, nilai atribut akan diuji dengan cara melacak jalur dari node akar (root) sampai node akhir (daun) dan kemudian akan diprediksi kelas yang dimiliki oleh suatu data baru tertentu.
Sebuah model keputusan terdiri dari sekumpulan aturan untuk membagi jumlah populasi yang heterogen menjadi lebih kecil, lebih  homogen dengan memperhatikan pada variabel tujuannya. Sebuah model keputusan mungkin dibangun dengan saksama secara manual atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi (Kusrini, 2009).
Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari tiap-tiap record terhadap kategori-kategori tersebut atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel continue meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini.
Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalm pembentukan pohon keputusan. Misalkan untuk menentukan main tenis, kriteria yang diperhatikan adalah cuaca, angin, dan temperatur. Salah satu atribut merupakan atribut yang menyatakan data solusi per item data yang disebut target atribut. Atribut memliki nilai-nilai yang dinamakan dengan instance. Misalkan atribut cuaca mempunyai instance berupa cerah, berawan dan hujan (Basuki dan Syarif, 2003). Proses pada pohon keputusan adalah mengubah bentuk data (tabel) menjadi model pohon, mengubah model pohon menjadi rule, dan menyederhanakan rule (Basuki dan Syarif, 2003).
Dalam membangun decision tree menggunakan algoritma ID3 atau C4.5, yang diperkenalkan dan dikembangkan pertama kali oleh Ros Quinlan yang merupakan singkatan dari Iteractive Dichotomiser 3 atau Induction of Decision 3.  algoritma ID3 membentuk pohon keputusan dengan metode divide and conquer data secara rekursif dari atas ke bawah.
 Strategi pembentukan decision tree dengan algoritma ID3  adalah:        
  1. Pohon dimulai sebagai node tunggal (akar/root ) yang merepresentasikan semua data.
  2. Sesudah node root dibentuk, maka data pada node akar akan diukur dengan information gain untuk dipilih atribut mana yang akan dijadikan atribut pembaginya.
  3. Sebuah cabang dibentuk dari atribut yang dipilih menjadi pembagi dan data akan didistribusikan ke dalam cabang masing-masing.
  4. Algoritma ini akan terus menggunakan proses yang sama atau bersifat rekursif untuk dapat membentuk sebuah decision tree. ketika sebuah atribut telah dipilih menjadi node pembagi atau cabang, maka atribut tersebut tidak diikutkan lagi dalam penghitungan nilai information gain.
  5. Proses pembagian rekursif akan berhenti jika salah satu dari kondisi di bawah ini terpenuhi:
    1. Semua data dari anak cabang telah termasuk dalam kelas yang sama.
    2. Semua atribut telah dipakai, tetapi masih tersisa data dalam kelas yang berbeda. Dalam kasus ini, diambil data yang mewakili kelas terbanyak untuk dijadikan label kelas.
    3. Tidak terdapat data pada anak cabang yang baru. Dalam kasus ini, node daun akan dipilih pada cabang sebelumnya dan diambil data yang mewakili kelas terbanyak untuk dijadikan label kelas.
2.7Analisis Pohon Keputusan
Pada saat membuat pohon keputusan, harus dipastikan bahwa semua alternatif dan kondisi alami berada di kondisi yang benar dan logis, serta semua alternatif yang mungkin dan kondisi alami telah disertakan. Notasi yang disertakan adalah :
1.      Istilah :
Ø  Alternatif : sebuah tindakan atau strategi yang dapat dipilih oleh seorang pengambil keputusan
Ø  Kondisi Alami : sebuah kejadian atau situasi dimana pengambil keputusan hanya memiliki sedikit kendali, atau tidak sama sekali


2.      Simbol yang digunakan dalam pohon keputusan
Ø  Kotak :  sebuah titik keputusan dimana terdapat satu alternatif atau lebih yang dapat dipilih
Ø  Lingkaran : Sebuah titik kondisi alami dimana kondisi alami mungkin dapat terjadi
Diagram pohon sering kali membantu dalam memahami dan menyelesaikan persoalan probabilitas. Diagram pohon biasanya digambarkan dalam lambang yang baku. Dimulai dengan sebuah nokhtah kemudian dibuat cabang-cabang sebanyak peristiwa yang mungkin dapat dihasilkan. Menganalisis masalah dengan pohon keputusan mencakup 5 hal, yaitu
1)      Mendefinisikan Masalah
2)      Menggambar Pohon Keputusan
3)      Menentukan peluang untuk kondisi ilmiah
4)      Memperkirakan imbalan bagi setiap kombinasi alternatif keputusan dan kondisi ilmiah yang mungkin
5)      Menyelesaikan masalah dengan menghitung EMV bagi setiap kondisi ilmiah, ini dilakukan dengan menghitung dari belakang kedepan, yaitu dari sisi kanan pohon ke sebelah kirinya.
EMV (Extected Monetary Value) adalah nilai harapan moneter yang diharapkan dari sebuah veriabel yang memiliki beberapa kemungkinan kondisi alamiah yang berbeda, masing masing dengan peluang tersendiri. Saat peluang diketahui, nilai maximax dan maximin menyatakan skenario perencanaan kasus terbaik dan kasus terburuk. EMV sebuah alternatif merupakan jumlah semua keuntungan alternatif, yang masing masing memberikan bobot kemungkinan terjadinya.
EMV (Alternatif) = (Hasil kondisi alamiah 1) x (Kemungkinan terjadi kondisi alamiah 1) + (Hasil kondisi alamiah 2) x (Kemungkinan terjadi kondisi alamiah 2) + …. + (Hasil kondisi alamiah terakhir) x (Kemungkinan terjadi kondisi alamiah terakhir)


EMV = 𝛴(probability X nilai payoff yang diharapkan)

 
 



CONTOH SOAL DAN PEMBAHASAN

1)      Suatu perusahaan akan memutuskan membeli bahan mentah sekarang atau besok.  Masing-masing tindakan memberi hasil yang berbeda. Apabila membeli sekarang, harga bahan per unit Rp. 14.000.  Apabila membeli besok ada dua kemungkinan yang terjadi yaitu harga turun menjadi Rp. 10.000 atau naik menjadi Rp. 20.000 dengan kemungkinan masing-masing 50 %.  Gambarkan pohon keputusannya.
Penyelesaian :
Membuat pohon keputusan (horizontal)
Beli sekarang
 
                       
                                                                                                             Rp. 14.000,-

Harga turun                   Rp. 10.000,-
Beli besok
 
0,5


 


Harga naik                  Rp.20.000,-
0,5

 Simpul keputusan (decision node)                                                              Hasil(outcome)

                                    Cabang kejadian tak pasti (even fork)
Pilih yang mana? Beli sekarang atau beli besok?
Menghitung EMV:
EMV (beli sekarang) = Rp. 14.000,-
EMV (beli besok)        = 𝛴(probability X nilai payoff yang diharapkan)
                                     = (0,5 x Rp. 10.000,-) + (0,5 x Rp. 20.000,-)
                                     = Rp. 15.000,-

Jadi, perusahaan akan memutuskan untuk membeli bahan mentah sekarang dengan biaya Rp. 14.000,-
BAB III
PENUTUP

3.1 Kesimpulan
Kegunaan pohon keputusan yang dapat melihat berbagai macam alternatif keputusan-keputusan yang dapat kita ambil serta mampu memperhitungkan nilai-nilai dari faktor-faktor yang mempengaruhi alternatif-alternatif keputusan tersebut adalah sangat penting dan berguna, karena membuat kita dapat mengetahui alternatif mana yang paling menguntungkan untuk kita ambil.
Pohon keputusan juga dapat dipergunakan untuk memperhitungkan dan melakukan analisa terhadap resiko-resiko yang mungkin muncul dalam suatu alternatif pemilihan keputusan. Selain itu, pohon keputusan juga dapat dipakai untuk memperhitungkan berapa nilai suatu informasi tambahan yang mungkin kita perlukan agar kita dapat lebih mampu dalam membuat suatu pilihan keputusan dari suatu alternatif-alternatif keputusan yang ada.
Dengan melihat kegunaan pohon keputusan dan kemampuannya dalam memperhitungkan berbagai alternatif pemecahan masalah termasuk faktor-faktor yang mempengaruhinya serta nilai resiko dan nilai informasi dalam alternatif keputusan itu, maka jelaslah bahwa pohon keputusan ini dapat menjadi alat bantu yang sangat berguna dalam pengambilan keputusan.
DAFTAR PUSTAKA

Kusrini, 2006, Sistem Pakar Teori dan Aplikasi, Penerbit Andi Offset, Yogyakarta.
Santosa, Budi. 2007. Data Mining : Teknik Pemanfaatan Data untuk keperluan Bisnis. Graha Ilmu. Yogyakarta.
Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. 2004.Introduction to Data Mining.
Website WEKA. http://www.cs.waikato.ac.nz/ml/weka/.
Witten, Ian H. dan Eibe Frank. 2005. Data Mining: Practical machine learning tools and techniques,2nd Edition. Morgan Kaufmann. San Francisco.
http://gusasta.blogspot.co.id/2012/12/pohon-keputusan-pohon-keputusan.htmlyang terkait dengan ini
https://veriyenpaone.blogspot.co.id/2012/11/makalah-pohon-keputusan_18.html



teori keputusan dan pohon keputusan

Komentar

  1. How to play slot machines in Las Vegas | DrmCDC
    Casino 보령 출장마사지 table games are not available 세종특별자치 출장샵 in the Wynn Las 김포 출장마사지 Vegas. If 광주 출장안마 you have a gaming card with these table games, you can play with real 광양 출장안마 people.

    BalasHapus

Posting Komentar