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:
Strategi pembentukan decision tree dengan algoritma ID3 adalah:
- Pohon dimulai sebagai node tunggal (akar/root ) yang merepresentasikan semua data.
- Sesudah node root dibentuk, maka data pada node akar akan diukur dengan information gain untuk dipilih atribut mana yang akan dijadikan atribut pembaginya.
- Sebuah cabang dibentuk dari atribut yang dipilih menjadi pembagi dan data akan didistribusikan ke dalam cabang masing-masing.
- 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.
- Proses pembagian rekursif akan berhenti jika salah satu dari kondisi di bawah ini terpenuhi:
- Semua data dari anak cabang telah termasuk dalam kelas yang sama.
- 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.
- 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)
|
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)
|
Rp.
14.000,-
Harga
turun Rp. 10.000,-
|
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
http://kur2003.if.itb.ac.id/file/pohon.pdf
http://thesonofdevil.wordpress.com/2009/12/07/pohon-keputusan/
http://www.informatika.org/~rinaldi/Matdis/2006-2007/Makalah/Makalah0607-122.pdf
http://thesonofdevil.wordpress.com/2009/12/07/pohon-keputusan/
http://www.informatika.org/~rinaldi/Matdis/2006-2007/Makalah/Makalah0607-122.pdf
https://veriyenpaone.blogspot.co.id/2012/11/makalah-pohon-keputusan_18.html
How to play slot machines in Las Vegas | DrmCDC
BalasHapusCasino 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.
kak 0,5 nya dapat dari mana?
BalasHapus