Yono Cahyono M.Kom, Dosen Teknik Informatika , Universitas Pamulang
Fenomena missing value dalam data sering dianggap masalah teknis biasa, padahal dampaknya sangat besar terhadap kualitas hasil pengambilan keputusan. Dalam konteks Sistem Pendukung Keputusan Multikriteria (SPK/MCDM), data yang tidak lengkap dapat menyebabkan bias penilaian, ketidaktepatan peringkat alternatif, hingga menghasilkan keputusan yang kurang objektif. Hal ini menjadi perhatian penting di era transformasi digital ketika berbagai institusi mulai mengandalkan data sebagai dasar evaluasi dan rekomendasi keputusan.
Menurut Yono Cahyono, persoalan missing value tidak boleh dipandang sekadar kekurangan data, tetapi sebagai tantangan utama dalam menjaga kualitas sistem pengambilan keputusan berbasis komputasi. Banyak penelitian SPK berfokus pada metode perangkingan seperti SAW, TOPSIS, MOORA, atau ARAS, namun belum banyak yang memberi perhatian serius terhadap proses prapengolahan data (data preprocessing), khususnya penanganan data hilang sebelum proses perhitungan dilakukan.
Dalam praktiknya, data yang hilang dapat muncul karena kesalahan input, kegagalan sensor, data survei yang tidak lengkap, atau inkonsistensi proses pengumpulan data. Jika kondisi tersebut diabaikan, maka hasil rekomendasi sistem dapat menjadi tidak stabil dan menurunkan tingkat kepercayaan pengguna terhadap sistem. Oleh sebab itu, pendekatan penanganan missing value seperti mean imputation, KNN imputation, hingga metode berbasis machine learning mulai menjadi bagian penting dalam pengembangan SPK modern.
Sebagai akademisi di bidang Teknik Informatika, Universitas Pamulang melalui pemikiran Yono Cahyono menekankan bahwa kualitas keputusan sangat ditentukan oleh kualitas data awal. Sistem yang cerdas tidak hanya mampu melakukan perhitungan multikriteria, tetapi juga harus mampu mengelola ketidaklengkapan data secara adaptif dan sistematis. Dengan demikian, penelitian mengenai integrasi metode imputasi data dengan SPK menjadi peluang besar untuk menghasilkan sistem rekomendasi yang lebih akurat, transparan, dan reliabel.
Ke depan, isu missing value diprediksi akan menjadi salah satu fokus penting dalam pengembangan kecerdasan buatan dan sistem pendukung keputusan. Dunia akademik perlu mendorong penelitian yang tidak hanya mengejar akurasi metode perangkingan, tetapi juga memperhatikan kualitas data yang digunakan. Sebab pada akhirnya, keputusan terbaik hanya dapat dihasilkan dari data yang diproses dengan pendekatan yang tepat.
Yono Cahyono M.Kom, Dosen Teknik Informatika , Universitas Pamulang