Implementasi Sistem Pengambilan Keputusan Dalam Berbagai Aspek Kehidupan

      I.  PENDAHULUAN

Salah satu jenis sebuah system aplikasi yang banyak digunakan dalam berbagai bidang adalah Decision Support System atau disingkat DSS. DSS merupakan suatu system informasi yang diharapkan dapat membantu manajemen dalam proses pengambilan keputusan . Dalam hal ini, kata kunci yang perlu diperhatikan adalah keberadaan DSS bukan untuk menggantikan tugas-tugas manager namun sebagai sarana penunjang manager dalam mengambil keputusan [1]. Definisi DSS adalah 1) system tambahan, 2) mampu mendukung analisis data secara ad hoc dan pemodelan keputusan, 3) berorientasi pada perencanaan masa depan, dan 4) digunakan pada interval yang tak teratur atau tak terencanakan. Definisi lain menyebutkan bahwa istilah DSS mengacu pada “situasi dimana system final dapat dikembangkan hanya melalui adaptive proses pembelajaran dan evolusi sehingga dapat diartikan bahwa DSS sebagai hasil dari pengembangan proses dimana user DSS, DSS builder dan DSS itu sendiri semuanya bisa saling mempengaruhi [2]. Pada dasarnya DSS merupakan sebuah system dimana dapat membantu seorang manager untuk mengambil keputusan secara tepat dan akurat karena DSS telah didukung oleh kemampuan menganalisis yang cermat berdsarkan data-data dan metodologi yang tepat. Selian itu output yang dihasilkan oleh DSS dapat disajikan dengan lebih jelas, terperinci dan dapat melibatkan multimedia berupa grafik. Dalam penerapannya DSS dapat diaplikasikan dalam berbagai bidang, yaitu bidang pendidikan, social, ekonomi, kesehatan dan sebagainya.

DSS bukan merupakan hal baru dalam teknologi informasi, sistem pengambilan keputusan pertama kali dikembangkan pada tahun 1960an dimana implementasi DSS dalam bentuk sistem komputer interaktif yang dilakukan di Massachutts Institute of Technology[3]. Sistem pengambilan keputusan diperlukan karena pemikiran manusia terbatas dalam penyimpanan, manusia memiliki keterbatasan dalam pengambilan keputusan dan kolaborasi dengan yang lain dimana akan dapat menghasilkan kemungkinan solusi yang lebih luas. Sehingga dalam penerapannya sistem pengambilan keputusan hanya bertugas membantu user dalam mengambil keputusan karena keputusan terkahir ada pada keputusan user. Implementasi sistem pendukung keputusan dapat diterapkan dalam beberapa aspek kehidupan dengan tujuan untuk meningkatkan efektivitas dan efisiensi user dalam mengambil keputusan. DSS merupakan system yang didesain untuk mendukung pengambilan keputusan managerial pada program yang tidak terstruktur. Selain itu DSS dibangun untuk mendukung solusi atau untuk evaluasi peluang dan metodologi yang digunakan adalah dengan tujuan untuk pengambilan keputusan.

II.      LANDASAN TEORI

Sistem pendukung keputusan atau Decision Support System (DSS) merupakan suatu system berbasis komputer  dimana dapat melakukan pengolahan dan menjadi informasi bagi user sebagai pendukung user dalam pengambilan keputusan dalam suatu organisasi atau perusahaan. System pendukung keputusan di rancang dengan tujuan untuk dapat meningkatkan efektivitas dalam pengambilan keputudan. Dalam hal ini terdapat beberapa tipe keputusan yaitu keputusan terstruktur, keputusan semi terstruktur dan keputusan tidak terstuktur.

Penambahan terbaru pada konsep DSS adalah system penunjang keputusan kelompok (group decision Support System- GDSS). GDSS berusaha memperbaiki komunikasi diantara para anggota kelompok dengan menyediakan lingkungan yang mendukung dimana dapat mendukung pengambilan keputusan dengan menyediakan perangkat lunak GDSS yang disebut dengan perangkat kelompok (groupware).

Alur/ proses pemilihan alternative dalam pengambilan keputusan terdiri dari langkah-langkah sebagai berikut : [3]

a.    Tahap Penelusuran (Intelligence Phase)

Pada tahap ini saran ditentukan dan dilakukan pencarian prosedur, pengumpulan data, identifikasi masalah, identifikasi kepemilikan masalah, klasifikasi masalah, hingga terbentuk pernyataan masalah. Kepemilikan masalah berkaitan dengan bagian apa yang akan dibangun dan apa tugas dari system pendukung keputusan yang akan dibuat sehingga model tersebut relevan dengan kebutuhan pemilik.

b.    Tahap Perancangan (Design Phase)

Tahap Proses pengambilan keputusan setelah tahap intelligence dilakukan, pada tahap ini diformulasikan model yang akan digunkan dan kriteria-kriteria yang ditentukan, mencari alternative model yang bisa menyelesaikan permasalahan. Kemudian mempredksi keluaran yang mungkin serta menentukan variable-variabel model.

c.    Tahap Pilihan (Choice Phase)

Pada tahap design menentukan alternative model beserta variable-variabelnya, maka pada tahap ini akan dilakukan pemilihan model beserta solusi dari model tersebut. Selanjutnya dilakukan analisis sensitivitas, yakni dengan menggantikan beberapa variable.

d.    Tahap Implementasi (Implementation Phase)

Tahap ini merupakan proses pelaksaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan. 

III.    PEMBAHASAN

Sistem pendukung keputusan dalam hal ini dapat di implementasikan dalam beberapa aspek. Implementasi tersebut antara lain:

A.   Sistem pendukung keputusan Pemilihan Makalah Seminar Terbaik (Studi Kasus : Seminar Riset Teknologi dan Informasi STMIK AKAKOM). [4]

     Pemilihan makalah seminar terbaik merupakan salah satu bentuk apresiasi yang dapat diberikan oleh penyelenggara seminar kepada penyusun sebuah karya tulis. Terdapat beberapa pertimbangan dalam menyeleksi selain jumlah halaman, perbedaan gaya penilaian para reviewer, keragaman dan kompleksitas berbagai ilmu, objektivitas penilaian menjadi tantangan bagi penyelenggara seminar dalam memilih karya tulias terbaik dengan tujuan semua keputusan yang diambil dapat menghasilkan sebuah karya tulis yang terbaik dan dapat diterima oleh semua pihak. Dalam hal ini pembuatan aplikasi system pendukunge keputusan digunakan untuk memilih seminar terbaik dengan model keputusan yang dibentuk dari metode kuantitatif dan metode profilr matching. Beberapa kriteria amakalah terbaik yang digunakan di dalamnya terdapat unsur keterkaitan tema, bidang, penerimaan makalah dan presentasi. Selain mengakomodasi berbagai unsur yang digunkan, model yang dibentuk harus juga mengakomodasi perbedaan gaya penilaian dari para reviewer dan keragaman serta kompleksitas dari berbagai bidang kajian.

B. Desain dan implementasi dari DSS berbasis web dalam online Shopping Mall [5]

     Online shopping mall merupakan sebuah saluran pemasaran pertama yang muncul dengan didukung system berbasis web pendukung keputusan (DSS) dalam web 2.0 dengan tujuan dibangun untuk memudahkan pelanggan untuk berbagi profil pribadi dan komentar. System yang dibuat dirancang untuk mengelompokkan pelanggan dari produk masing-masing dan menghasilkan beberapa asosiasi aturan antara pelanggan dan produk.

Untuk melakukan pemesanan user dapat mengunjungi dalam dua lapisan DSS yaitu internal dan eksternal. Apabila user menggunakan lapisan eksternal yang pertmana maka hasil pencarian mengarahkan user untuk mengunjungi DSS internal maupun halaman detail produk. Output yang dihasilkan adalah input dari system yang telah diproses. Eksternal dari DSS dapat diartikan sebagai himpunan dari search engine seperti Google, Bing, dll. Dalam hal ini pencarian yang digunakan dari search engine menggunakan algoritma untuk memproses hasil dari input yang telah diproses.

Desain untuk layanan jejaring sosial secara umum berdasarkan karakteristik web 2.0 dimana mempertimbangkan beberapa aspek, antara lain pengalaman pengguna, konstruktif komentar, umpan balik dan kemudahan dalam mengakses. Dalam paper ini mengubah aspek menjadi item yang parktis, antara lain:

• One-stop shopping, customer dapat memilih produk dari took yang berbeda dimana aliran proses pemesanan adalah balck-box. Untuk pusat perbelanjaan menyediakan akses pembelian dengan semua produk. Karena gudang dari produk tersebut berbeda dalam penyebaran dan pengiriman, CommercePro akan membagi satu pemesan menjadi sub-order.
• Presentasi produk dengan pencarian yang cepat.
• Berbagai pemasaran dalam jejaring social. Dalam hal ini memanfaatkan strategi bisnis dimana memanfaatkan pelanggan untuk menyebarkan informasi mengenai produk yang ditawarkan dengan memberikan poin atau bonus kepada pelanggan pertama yang menyebarkan.
• Menggunakan Cookies untuk menyimpan profil pelanggan. Cookie digunakan untuk menyimpan profil pelanggan di terminal client.
•  Mengoptimalkan cache dimana memiliki fungsi untuk meningkatkan kecepatan halaman presentasi dan mengurangi beban kerja dari server.

 C.  Sistem Pendukung Keputusan untuk Penyedia Sanitasi Darurat [6].

    Penyedia sanitasi sangat dibutuhkan saat darurat karena dianggap dapat menolong nyawa seseorang karena tanpa akses sanitasi seseorang dapat terinfeksi penyakit yang menjaring usus. Dalam penelitian ini mengembangkan system pendukung keputusan untuk merencanakan respons sanitasi yang tersedia dalam keadaan darurat. Alternatif yang disarankan dalam DSS didasarkan pada konsep rantai sanitasi dengan mempertimbangkan langkah-langkah yang berbeda dalam pengelolaan hasil sanitasi dari toilet atau tempat pembuangan yang aman dari kotoran. DSS pada layer pertama merupakan teknologi sanitasi dari user dengan memberikan input dan DSS memberikan hasil sanitasi yang tersisa dengan memberikan informasi mengenai tempat sanitasi yang layak kemudian akan dihubungkan menjadi rantai evaluasi dimana masing-masing teknologi informasi dalam rantai akan dievaluasi pada system penilaian. Tahap pada penelitian ini yaitu seleksi dari teknologi sanitasi yang tersedia untuk sebuah sanitasi darurat, mendefinisikan kriteria dari proses seleksi, mengembangkan konseptual faremwork DSS dan computer programming. 

D.  Sistem Pendukung Keputusan untuk Perumahan Sementara Pasca-Bencana [7]

  Gempa yang terjadi pada tahun 1994 mengakibatkan pengungsi hamper 10.000 keluarga dan mengahncurkan transportasi utama di Southern California. Badai Katrina mengakibatkan krisis perumahan nasional terbesar sejak 1930 Dust Bowl dimana telah menghancurkan lebih dari 300.000 rumah dan meninggalkan lebih dari satu juta orang mencari perlindungan pasca bencana. Bencana numerous terkecil setiap tahun seperti tornado, kosta atau banjir besar dan gempa bumi yang menghancurkan rumah-rumah meskipun terjadi pada skala yang kecil. Mengatur tempat hunian bagi korban bencana merupakan prioritas utama setelah kebutuhan darurat seperti makanan dan perawatan medis setelah terpenuhi. Keluarga yang mengungsi tidak hanya sementara dalam waktu singkat namun dalam waktu yang lebih lama dengan diiringi dengan kenaikan biaya, keterlibatan pemerintah dan harapan para korban bencana.

   Pada awal tahun 2009, FEMA dirilis sebagai Strategi Nasional penanggulangan bencana pertama dimana mengusulkan untuk meningkatkan perencanaan dan menguraikan prinsip-prinsip kunci dan kebijakan membimbing korban pasca terjadi bencana, sementa perumahan mengalami perbaikan. Beberapa penelitian telah membahas menenai alokasi yang optimal dari perumahan sementara dimana focus masalah utama yaitu pemilihan kapasitas yang memadai dari rumah yang tersedia. Begian masalah kedua lainnya pemilihan rumah untuk individu atau keluarga dimana dipilihkan dalam fase unit sehingga pendidikan, kesehatan dan kebutuhan social-ekonomi dapat terpenuhi. Dalam paper ini mengusulkan suatu system pendukung keputusan untuk menugaskan keluarga dan unit rumah yang akan diselesaikan sesuai dengan kebutuhan. Dalam paper ini mengembangkan model integer programming dengan tujuan yaitu menegmbangkan rancana perumahan yang seimbang dan menggunakan model untuk evaluasi tiga heuristic yang bisa diterapkan dalam system. Dalam hal ini menggunakan prototype untuk menggambarkan model dan mengevaluasi heuristic dan untuk menunjukkan kesesuaian dalam mengembangkan rekomendasi perumahan real-time realistis. 

E.   Sistem Pendukung Keputusan Berbasis Pengetahuan untuk identifikasi Sidik Jari secara adaptif dengan menggunakan umpan balik yang relevan  [8].

    Dalam paper ini menggunakan umpan balik yang relevan dalam system sidik jari. Dua keterbatasan utama dalam system yaitu kinerja system sangat tergantung pada fitur sidik jari yang dipilih untuk di identifikasi dan keakuratan algoritma pencocokan pola yang mendasari serta tidak ada mekanisme yang efektif untuk meningkatkan permintaan yang akan dating melalui pengetahuan yang telah diperoleh oleh pengguna saat melakukan pemeriksaan sidik jari. Umpan balik relevansi. Teknik interaksi antara manusia dengan computer untuk mengkap dan menggunakan kembali pengetahuai pengguna telah dipelajari secara ekstensif dalam system pengambilan dokumen berbasis teks dan system temu kembali citra berbasis konten namun untuk identifikasi tanggal dilakukan sidik jari sangat jarang dilakukan. Dengan memanfaatkan relvansi secara umpan balik, paper ini menyajikan centric pengguna dan kerangka adaptif yang memungkinkan penegtahuan penguji dengan finger print yang akan diambil dan digunakan kembali untuk meningkatkan keputusan yang akan dating. Hasil yang didapatkan adalah sebuah system pendukung keputusan  berbasis pengetahuan dengan menyediakan pemeriksaan dengan menampilkan visualisasi intuitif untuk menganalisis hubungan antara gambar dalam database sidik jari dan relevansi secara umpan balik untuk menghasilkan overlay ruang. Hal ini berfungsi untuk mencerminkan pengetahuan yang diambil dari pengguna. Percobaan secara empiris menyatakan bahwa kemampuan pendekatan ini digunakan untuk meningkatkan akurasi permintaan dalam identifikasi sidik jari dibandingkan dengan arsitektur pengolahan data statis system. 

Desain arsitektur dalam kerangka system dibagi menjadi tiga, antara lain: 1) Pendaftaran dan basis data sidik jari berbasis modul, 2) Modul antarmuka pengguna secara grafis untuk menangkap umpan balik yang relevan dan visualisasi basis data. 3) ruang modul generasi semantic yang menciptakan dan memperbarui overlay ruang semantic yang digunakan untuk identifikasi sidik jari secara adaptif. Pendaftaran dan modul basis data dalam sidik jari dirancang untuk menyediakan fungsi yang diperlukan dalam modul yang sama dengan system pencocokan sidik jari. Modul menyediakan mekanisme penting dimana modul DSS lain akan berinteraksi untuk melakukan tugas dan mengakses data. Grafis dari antarmuka modul memungkinkan pengguna dalam visualisasi gambar peta basis data dengan menyediakan cara yang efisien untuk menganalisis antara entry sidik jari dalam database. 

F.    Sistem Pendukung Keputusan dengan Fuzzy untuk Irigasi dan Konservasi air di Bidang Pertanian [9]

   Dalam agriculture kebutuhan utama dari konsumen adalah air, dalam hal ini layanan web telah dikembangkan untuk mempermudah para petani dalam mengelola kebutuhan air dimana layanan web yang disediakan difasilitasi dengan otomatisasi dalam irgasi yang dibutuhkan oleh petani. System yang dikembangkan menggunakan fuzzy untuk meningkatkan irigasi, mengingat informasi tentang tanaman dan situs karakteristik. Hal ini menggabungkan model prediktif dari kelembapan tanah dan system inferensi komputasi dengan tindakan untuk irigasi yang paling tepat. Tiga jenis tanaman yang digunakan untuk menguji system yaitu jagung, kiwi dan kentang. Fuzzy Decision Support System (FDSS) lebih menguntungkan dibandingkan dengan model pertanian yang ada dan database (IRRINET). Sensitivitas FDSS diuji dengan curah hujan secara acak dan juga dalam hal ini diperpanjang dalam penghematan air.

G.   Pengaruh Keputusan Mobile Health Sistem Pendukung pada Diagnosis dan Manajemen Obesitas,  Penggunaan Tembakau, dan Depresi pada Orang Dewasa dan Anak-anak[10]

      Aplikasi mobile health (mhealth) semakin banyak dikembangkan dan telah terintegrasi dalam praktek klinis dan pendidikan, telah digunakan oleh pasien dan konsumen kesehatan secara mandiri atau bekerja sama dengan penyedia layanankesehatan mereka. Dalam paper ini berfokus pada system pendukung keputusan pada mHealth dengan perawatan kesehatan yang professional dan memberikan layanan kemudahan dalam mengakses layanan kesehatan dengan memberikan informasi pada perawatan, meningkatkan skrining, meningkatkan diagnosis, mengurangi kesalahn medis, meningkatkan dokumentasi, meningkatkan arahan dan efisiensi. Penelitian ini lebih diutamakan dalam meningkatkan tingkat diagnostic dengan pelatihan secara acakn mHealth DSS dibandingkan kelompok control untuk obesitas, penggunaan tembakau dan depresi. Dari penelitian yang telah dilakukan ditemukan pasien (N = 34,349) merupakan unit analisis dalam uji coba terkontrol secara acak. NP mahasiswa diberi untuk menerima mHelath DSS untuk 1 dari 3 kondisi. Hasil yang didapat dari penelitan yaitu terdapat pengaruh yang signifikan (P < .0001) pada diagnosis namun efek dari jumlah item rencana perawatan bervariasi.

H.      Sistem Pendukung Keputusan Seleksi Pegawai untuk Promosi Jabatan Struktural Menggunakan Metode ANP dan Topsis (Studi Kasus pada PT. PLN (persero) Distribusi Jawa Tengah dan Daerah Istimewa Yogayakarta)[11]

      PT PLN (persero) merupakan Badan Usaha Milik Negara (BUMN) yang menangani segala aspek kelistrikan diseluruh Indonesia sehingga diperlukan sumberdaya manusia yang baik dan berkulitas. Keputusan untuk memperoleh pegawai pada suatu jabatan penting sebagai pemimpin bukanlah suatu pekerjaan yang mudah, karena hal tersebut dpaat menentukan kesuksesan dari perusahaan dalam mewujudkan visinya. Sistem pendukung keputusan dibutuhkan untuk menentukan urutan pegawai yang sesuai dari beberapa pegawai seleksi yang memenuhi kriteria kompetensi jabatan (SPK). SPK seleksi pegawai untuk promosi jabatan structural ini merupakan metode Analytical Network Process (ANP). Konsep utama ANP adalah influence (pengaruh) untuk menyelesaikan permasalahan saling ketergantungan (dependence) antar alternative atau kriteria, sehingga ANP dapat dimanfaatkan untuk memperoleh bobot kriteria dengan pengaruh interpendence. Selanjutnya, pemanfaatan metode TOPSIS untuk memperoleh pengurutan alternative pegawai. SPK dibangun menggunakan Bahasa pemrograman Java sebagai antarmuka sistemn dan untuk perancangan basis data menggunakan MySQL.

    Hasil dari penelitian yaitu aplikasi yang digunakan dalam seleksi pegawai untuk promosi jabatan structural berdasarkan kriteria-kriteria dari penilaian kompetensi yang telah ditetapkan. Hasil pengujian dari aplikasi dapat memberikan urutan pegawai yang dapat digunakan sebagai alternative keputusan bagi pengambil keputusan.

I.     Sistem Pendukung Keputusan Penentuan Debitur yang memiliki Tunggakan Kredit Menggunakan Metode AHP-TOPSIS (Studi Kasus: BPR Irian Sentosa Cabang Timika)[12]

     Penelitian ini dibuat didasarkan pada kebutuhan Kepala Seksi Kredit dalam menentukan prioritas penagihan tunggakan kredit yang ada di BPR Irian Sentosa Cabang Timika. Keputusan yang tepat terkait hal tersebut merupakan salah satu factor penentu dalam menjaga tingkat kesehatan bank.

      Penentuan prioritas penagihan tunggakan kredit didasarkan melalui delapan variable kriteria dan dalam penelitian menunjukkan bahwa prioritas penagihan tunggakan kredit dapat ditentukan melalui penggunaan metode Analitycal Hierarchy Process (AHP)  dan metode Technique for Order Preference by Similarity ti Ideal Solution (TOPSIS). SPK dengan Metode ini dapat membantu kepala seksi kredit BPR Irian Sentosa Cabang Timika dengan memantau tunggakan kredit para nasabah.

J.     Sistem Pendukung Keputusan untuk penjadwalan Ambulance [13]

       Dalam paper ini mengkaji beberapa aturan keputusan untuk penjadwalan ambulance. Aturan keputusan penjadwalan menanamkan DED dalam system pendukung keputusan untuk penjadwalan ambulance darurat dengan mempertimbangkan kriteria waktu respon rata-rata dan persentase permintaan ambulance yang menjawab dalam 15 menit, dimana yang biasanya diabaikan dalam penjadwalan manual.

    Tantangan dalam merancang aturan keputusan terletak pada stochastic dan sifat dinamis dari permintaan, proses pemenuhan dan konsisi lalu lintas yang kompleks serta pola tata ruang tergantung waktu dari beberapa parameter sehingga menyulitkan keputusan daalam sebuah masalah. Untuk menggambarkan penggunaan keputusan aturan yang diusulkan dalam prakteknya, simulator dikembangkan untuk melakukan beberapa eksperimen numeric untuk melakukan validasi efektifitas dan efisiensi yang diusulkan dalam pembuatan aturan keputusan.

IV.   KESIMPULAN

Sistem pendukung keputusan atau Decision Support System (DSS) merupakan suatu system berbasis komputer  dimana dapat melakukan pengolahan dan menjadi informasi bagi user sebagai pendukung user dalam pengambilan keputusan dalam suatu organisasi atau perusahaan. Pada dasarnya DSS merupakan sebuah system dimana dapat membantu seorang manager untuk mengambil keputusan secara tepat dan akurat karena DSS telah didukung oleh kemampuan menganalisis yang cermat berdsarkan data-data dan metodologi yang tepat. Selian itu output yang dihasilkan oleh DSS dapat disajikan dengan lebih jelas, terperinci dan dapat melibatkan multimedia berupa grafik. Dalam penerapannya DSS dapat diaplikasikan dalam berbagai bidang, yaitu bidang pendidikan, social, ekonomi, kesehatan dan sebagainya.

V. DAFTAR RUJUKAN

[1]    R. E. Indrajit, “Decision support system,” pp. 1–3.

[2]    J. T. Informatika and F. T. Informasi, “Sistem Pendukung Keputusan Jurusan TekniK Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya,”2002.

[3]    “Sejarah Singkat Sistem Pendukung Keputusan  IT FOR BUSINESS.” .

[4]     W. Setiyaningsih, “.:: Profile Matching ::.,” pp. 1–16, 2013.

[5]     W. Hong, W. Yang, X. Lihua, and M. Li, “Design and implementation of web-based DSS online shopping mall,” 2009 IEEE Int. Conf. Control Autom. ICCA 2009, pp. 1308–1313, 2009.

[6]      F. Zakaria, H. a. Garcia, C. M. Hooijmans, and D. Brdjanovic, “Decision support system for the provision of emergency sanitation,” Sci. Total Environ., vol. 512–513, pp. 645–658, 2015.

[7]     T. R. Rakes, J. K. Deane, L. P. Rees, and G. M. Fetter, “A decision support system for post disaster interim housing,” Decis. Support Syst., vol. 66, pp. 160–169, 2013.

[8]     P. W. Kwan, M. C. Welch, and J. J. Foley, “A knowledge-based Decision Support System for adaptive fingerprint identification that uses relevance feedback,” Knowledge-Based Syst., vol.73, pp. 236–253, 2015.

[9]    E. Giusti and S. Marsili-Libelli, “A Fuzzy Decision Support System for irrigation and water conservation in agriculture,” Environ. Model. Softw., vol. 63, pp. 73–86, 2015.