Berbagi Ilmu

Jumat, 26 Juni 2015

Website yang dapat memberi solusi

Mesran.Blogspot.Net merupakan salah satu website yang berguna untuk belajar bahasa pemrograman. Pada mesran.net terdiri beberapa artikel diantaranya artikel mengenai tips tips belajar bahasa pemrograman serta beberapa bahasa pemrograman salah satunya Visual Basic dot Net serta program berorientasi Database . Maka Dari itu kepada teman teman yang ingin belajar bahasa programan tidak ada salahnya coba kunjungi website Mesran.net

Pemodelan Dalam Sistem Pendukung Keputusan (SPK)

Defenisi Model
Menurut Raymond McLeod, Jr (McLeod, 1998) adalah penyederhanaan (abstraction)dari sesuatu. Sedangkan menurut Efraim
Turban (Turban, 1998) adalah sebuah representasi atau abstraksi realitas yang disederhanakan. Karenarealitas terlalu kompleks untuk ditiru secara tepat dan karena banyak dari kompleksitas itu sebenarnya tidak relevan dalam penyelesaian masalah yang spesifik.

Representasi sistem atau masalah berdasarkan model dapat dilakukan dengan berbagai macam tingkat abstraksi, oleh karenanya model diklasifikasikan menjadi tiga kelompok menurut tingkat abstraksinya, antara lain (Turban, 1998) :

Model Iconik (Skala)

Sebuah model iconik, model abstraksi terkecil adalah replika fisik sebuah sistem, biasanya pada suatu skala yang berbeda dari aslinya. Model iconik dapat muncul pada tiga dimensi (miniatur maket), sebagaimana pesawat terbang, mobil, jembatan, atau alur produksi. Photografi adalah jenis model skala iconik yang lain, tetapi hanya dalam dua dimensi.

Model Analog

Sebuah model yang tidak tampak mirip dengan model aslinya, tetapi bersifat seperti sistem aslinya. Model analog lebih abstrak dari model iconik dan merupakan perpresentasi simbolik dari realitas. Model ini biasanya berbentuk bagan atau diagram 2 dimensi, dapat berupa model fisik, tetapi bentuk model berbeda dari bentuk sistem nyata.

Berikut beberapa contoh lain :

Bagan organisasi yang menggambarkan hubungan struktur otoritas, dan tanggung jawab.

ƒ Sebuah peta dimana warna yang berbeda menunjukkan obyek yang berbeda misalnya sungai atau pegunungan.

ƒ Bagan pasar modal yang menunjukkan pergerakan harga saham.

ƒ Cetak biru dari sebuah mesin atau rumah.

Model Matematik (Quantitatif)

Kompleksitas hubungan pada banyak sistem organisasional tidak dapat disajikan secara model icon atau model analog, atau representasi semacam itu malah dapat menimbulkan kesulitan dan membutuhkan banyak waktu dalam pemakaiannya. Oleh karena itu model yang tepat dideskripsikan dengan model matematis. Sebagian besar analisis sistem pendukung keputusan dilakukan secara numerik dengan model matematis atau model quantitatif yang lain.

Manfaat Model

Sistem pendukung manajemen (Management Support System – MMS) menggunakan model karena :

Model memungkinkan penghematan waktu. Waktu operasi yang bertahun-tahun dapat disimulasikan dalam beberapa menit atau detik denganmenggunakan komputer.

Manipulasi model (perubahanvariabel-variabel atau lingkungan) adalah jauh lebih mudah daripada memanipulasi sistem nyata. Oleh karenanya eksperimentasi lebih mudah dilakukan dan tidak menggangguoperasi organisasi sehari – hari.

ƒBiaya analitis pemodelan jauh lebih murah jika dibandingkan dengan biaya eksperimen yangsama yang dilakukan pada sistem nyata.

Biaya dari kesalahan yang dibuat selama eksperimen trial-anderror jauh lebih murah jika digunakan model dibandingkan dengan sistem nyata.

ƒModel meningkatkan dan memperkuat pembelajaran dan pelatihan.

Metode Profile Matching (GAP)

Metode Profile Matching

Profile matching merupakan suatu proses yang sangat penting dalam manajemen SDM dimana terlebih dahulu ditentukan kompetensi (kemampuan) yang diperlukan oleh suatu jabatan. Kompetensi/kemampuan tersebut haruslah dapat dipenuhi oleh pemegang/calon pemegang jabatan.

Dalam proses profile matching secara garis besar merupakan proses membandingkan antara kompetensi individu kedalam kompetensi jabatan sehingga dapat diketahui perbedaan kompetensinya (disebut juga gap), semakin kecil gap yang dihasilkan maka bobot nilainya semakin besar yang berarti memiliki peluang lebih besar untuk karyawan menempati posisi tersebut.

Untuk menganalisis karyawan yang sesuai dengan jabatan tertentu dilakukan dengan metode profile matching, dimana dalam proses ini terlebih dahulu menentukan kompetensi (kemampuan) yang diperlukan oleh suatu jabatan. Dalam proses profile matching secara garis besar merupakan proses membandingkan antara kompetensi individu ke dalam kompetensi jabatan sehingga dapat diketahui perbedaan kompetensinya (disebut juga gap)

1. Perhitungan Pemetaan GAP Kompetensi
Setelah proses pemilihan kandidat, proses berikutnya adalah menentukan kandidat mana yang paling cocok menduduki jabatan yang diajukan oleh perusahaan. Dalam kasus ini penulis menggunakan perhitungan pemetaan gap kompetensi dimana yang dimaksud dengan gap disini adalah beda antara profil jabatan dengan profil karyawan atau dapat ditunjukkan pada rumus di bawah ini:

Gap = Profil Karyawan – Profile Jabatan

2. Perhitungan Pemetaan GAP Kompetensi Berdasarkan Aspek-Aspek
Untuk perhitungan pemilihan karyawan pengumpulan gap-gap yang terjadi itu sendiri pada tiap aspeknya mempunyai perhitungan yang berbeda-beda.

Kriteria	Keterangan Sub Kriteria
Aspek Kapasitas Intelektual	CS : Common Sense
	VI : Verbalisasi Ide
	SB : Sistematika Berfikir
	PSR : Penalaran dan Solusi Real
	KN : Konsentrasi
	LP : Logika Praktis
	FB : Fleksibilitas Berfikir
	IK : Imajinasi Kreatif
	ANT : Antisipasi
	IQ : Potensi Kecerdasan
Aspek Sikap Kerja	EP : Energi Psikis
	KTJ : Ketelitian dan Tanggung Jawab
	KH : Kehati-hatian
	PP : Pengendalian Perasaan
	DB : Dorongan Berprestasi
	VP : Vitalitas dan Perencana
Aspek Perilaku	D : Dominance (Kekuasaan)
	I : Influences (Pengaruh)
	S : Steadiness (Keteguhan Hati)
	C : Compliance (Pemenuhan)

Di mana nilai aspek sub kriterianya adalah sebagai berikut :

Nilai Sub Kreteria	1 : Tidak Memenui Syarat
	2 : Kurang
	3 : Cukup
	4 : Baik
	5 : Sangat Baik

1. Perhitungan dan Pengelompokan Core dan Secondary FactorSetelah menentukan bobot nilai gap untuk ketiga aspek yaitu aspek kapasitas intelektual, sikap kerja dan perilaku dengan cara yang sama. Kemudian tiap aspek dikelompokkan menjadi 2 (dua) kelompok yaitu kelompok Core Factor dan Secondary Factor. Untuk perhitungan core factor dapat ditunjukkan pada rumus di bawah ini:

NCF = Σ NC (I, s, p)

Σ IC

Keterangan:

NCF : Nilai rata-rata core factor

NC(i, s, p) : Jumlah total nilai core factor (Intelektual, Sikap kerja, Perilaku)

IC : Jumlah item core factor

Sedangkan untuk perhitungan secondary factor dapat ditunjukkan pada rumus di bawah ini:

NCS = Σ NS (I, s, p)

Σ IS

Keterangan:

NSF : Nilai rata-rata secondary factor

NS(i, s, p) : Jumlah total nilai secondary factor (Intelektual, Sikap kerja, Perilaku)

IS : Jumlah item secondary factor

Metode Weighted Product (WP) dalam Sistem Pendukung Keputusan (SPK)

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 )

Minggu, 31 Mei 2015

Quis Sistem Penddukung Keputusan

Tabel Alternafit setelah dibobotkan

	C1	C2	C3	C4
A1	2	2	3	1
A2	3	3	1	2
A3	2	4	1	2
A4	2	2	2	2
A5	3	4	4	2
A6	2	2	2	2
A7	1	5	5	1

1. X1=

=5,916

= 0,3381

= 0,5071

= 0,3381

= 0,5071

= 0,3381

= 0,169

X2=

= 9,11

= 0,2195

= 0,3293

= 0,4391

= 0,2195

= 0,4391

= 0,3293

= 0,5488

X3=

= 7,746

= 0,3873

= 0,1291

= 0,2582

= 0,5164

= 0,2582

= 0,6455

X4=

= 4,6904

= 0,2132

= 0,4264

= 0,2132

Matrik R

0,3381 0,2195 0,3873 0,2132

0,5071 0,3293 0,1291 0,4264

0,3381 0,4391 0,1291 0,4264

0,3381 0,2195 0,2582 0,4264

0,5071 0,4391 0,5164 0,4264

0,3381 0,3293 0,2582 0,4264

0,169 0,5489 0,6455 0,2132

= 3 * 0,3381 = 1,0143

= 3 * 0,5071 = 1,5213

= 3 * 0,3381 = 1,0143

= 3 * 0,5071 = 2,5213

= 3 * 0,3381 = 1,0143

= 3 * 0,169 = 0,507

= 5 * 0,3873 = 1,0975

= 5 * 0,3293 = 1,6465

= 5 * 0,4391 = 2,1955

= 5 * 0,2195 = 1,0975

= 5 * 0,4391 = 2,1955

= 5 * 0,3293 = 1,6465

= 5 * 0,5488 = 2,7445

= 4 * 0,3873 = 1,5492

= 4 * 0,1291 = 0,5164

= 4 * 0,2582 = 1,0328

= 4 * 0,5164 = 2,0656

= 4 * 0,2582 = 1,0328

= 4 * 0,645 = 2,582

= 4 * 0,2132 = 0,8528

= 4 * 0,4264 = 1,7056

= 4 * 0,2132 = 0,8528

Matrik Y

1,0143 1,0975 1,5492 0,8528

1,5213 1,6465 0,5164 1,7056

1,0143 2,1955 0,5164 1,7056

1,0143 1,0975 1,0328 1,7056

1,5213 2,1955 2,0656 1,7056

1,0143 1,6465 1,0328 1,7056

0,507 2,7445 2,582 0,8528

= max {1,0143 ; 1,5213 ; 1,0143 ; 1,0143 ; 1,5213 ; 1,0143 ; 0,507} = 1,5213

= min {1,0975 ; 1,6465 ; 2,1955 ; 1,0975 ; 2,1955; 1,6465 ; 2,7445} = 1,0975

= min {1,5492 ; 0,5164 ; 0,5164 ; 1,0328 ; 2,0656 ; 1,0328 ; 2,582} = 0,5164

= max { 0,8528 ; 1,7056 ; 1,7056 ; 1,7056 ; 1,7056 ; 1,7056 ; 0,8528 } = 1,7056

= { 1,5213 ; 1,0975; 0,5164 ; 1,7056}

= min {1,0143 ; 1,5213 ; 1,0143 ; 1,0143 ; 1,5213 ; 1,0143 ; 0,507} = 0,507

= max {1,0975 ; 1,6465 ; 2,1955 ; 1,0975 ; 2,1955 ; 1,6465 ; 2,7445} = 2,7445

= max {1,5492 ; 0,5164 ; 0,5164 ; 1,0328 ; 2,0656 ; 1,0328 ; 2,582} = 2,582

= min { 0,8528 ; 1,7056 ; 1,7056 ; 1,7056 ; 1,7056 ; 1,7056 ; 0,8528 } = 0,8528

= { 0,507 ; 2,7445; 2,582 ; 0,8528}

=1,4321

=0,547

=1,2094

=0,7237

=1,8988

=0,9084

=2,9556

=2,0092

=2,7015

=2,3070

=2,4222

=1,4470

=2,0881

= 0,5839

= 0,8316

= 0,6561

= 0,7699

= 0,4325

= 0,6969

= 0

jadi kriteria yang tertinggi untuk mendapatkan BLT adalah V2 atau yang bernama hendrico