Hallo shareaddict, masih pada serial book chapter Decision Making. Kali ini, yuk belajar lebih tahu mengenai tool populer Pohon Keputusan. Sebelum masuk ke pembahasan utama, yuk lihat gambaran umum model Pohon Keputusan beserta keterangannya berikut ini.

Keterangan: C = Situasi yang dapat dikontrol oleh pengambil keputusan; E = Situasi yang tidak dapat dikontrol oleh pengambil keputusan

Definisi Pohon Keputusan

Secara konsep, Pohon Keputusan merupakan salah satu teknik dari Analisis Keputusan (Decision Analysis). Terdapat banyak definisi teknis yang bisa ditemukan dalam berbagai sumber mengenai pohon keputusan karena beragamnya aplikasi pohon keputusan ini pada berbagai jenis proses dan industri yang berbeda-beda. Definisi yang paling sederhana mengenai apa itu Pohon Keputusan, adalah diagram analisis yang dapat membantu pengambil keputusan ketika menghadapi beberapa opsi dengan cara memproyeksikan hasil yang mungkin terjadi.  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

Definisi teknis yang diambil dari beberapa buku Manajemen Operasional, bahwa Pohon Keputusan merupakan  “Model alternatif pilihan yang tersedia bagi pengambil keputusan, beserta kemungkinan konsekuensinya.” Pohon keputusan dapat digunakan saat membuat berbagai pilihan, mulai dari keputusan yang paling sederhana sampai yang sangat yang rumit. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. 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.

Manfaat  dan Kelebihan Pohon Keputusan

Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk menyederhanakan proses pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga pengambil keputusan akan lebih mudah menginterpretasikan solusi dari permasalahan

Terdapat beberapa keuntungan menggunakan pohon keputusan, di antaranya adalah:

  • Menghilangkan perhitungan-perhitungan yang tidak dibutuhkan. Sample yang diuji hanya berdasarkan kriteria atau kelas tertentu.
  • Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
  • 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 menghindari munculnya permasalahan dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
  • Bersifat fleksibel, 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

Keterbatasan dan Kekurangan Pohon Keputusan

Seperti halnya alat bantu umumnya, pohon keputusan juga mempunyai kekurangan, antara lain:

  • Terjadi overlap dalam menggunakan kelas-kelas dan kriteria yang digunakan dalam jumlah besar. 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.

 

Nah teknis pengerjaannya kan menyusul pada postingan berikutnya yah, happy sharing. Jangan lupa untuk mebaca materi Pengambilan Keputusan lainnya, seperti:

Mengapa Pengambilan Keputusan dalam Bisnis itu Penting?