Bab 1 – 9
Empunya ;
Kariah Hj Supertan
1
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Pengenalan:
Pengurus bertanggungjawab di mana mereka perlu ambil tindakan bagi pihak organisasi
seperti memperuntukkan sumber, merundingkan perjanjian, mengawasi prestasi organisasi
dan membetulkan penyimpangan drp perancangan
Roosevelt:
Eleanor Roose velt:
“ Somewhere along the line of development we really are, and then we make our real decision
for which we are responsible. Make that decision primarily for yourseft because you can never
really live anyone else’s life.”
Di mana sahaja di sepanjang garis pembangunan kita menemui apa yg kita ada, dan
kemudiannya kita membuat keputusan kita yg sebenar utk yang kita dipertanggungjawabkan.
Membuat keputusan itu terutamanya utk diri kita sebab kamu sebenarnya tidak akan hidup
dlm kehidupan individu yang lain”
Keputusan ( Decision) :
• Kesimpulan atau pilihan alasan di kalangan pelbagai alternatif / pilihan.
• Kita membuat sebilangan keputusan, keputusan peribadi adalah seperti keputusan
perniagaan dalam kehidupan kita
Keputusan termasuklah:
• Apa yg perlu dipakai untuk ke pejabat
• Ke mana nak pergi semasa cuti sekolah
• Insuran nyawa yang manakah untuk di beli
• Berapa ramai tutor utk diambil bagi kursus computer
2
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Teknik berkesan
berkesan utk membuat keputusan:
Arsham, 2005 : keputusan membabitkan tiga langkah:
• Pengiktirafan ke atas keperluan: ketidakpuas hati dgn diri sendiri ( kekosongan /
keperluan )
• Keputusan kpd perubahan ( utk mengisi kekosongan / keperluan )
• Kesedaran dedikasi kpd melaksana keputusan
Harris, 1998: kajian dalam mengenalpasti dan memilih alternatif berdasarkan nilai-nilai dan
keutamaan-keutamaan drp pembuat keputusan dan proses yg mencukupi mengurangkan
keadaan yg tidak menentu dan keraguan mengenai alternatif-alternatif utk membenarkan satu
pilihan yg munasabah untuk dibuat drp kalangan mereka.
Jenis-
Harris, 1998 : Jenis -Jenis Keputusan ;
• Decisions Whether ( Keputusan Sama Ada )
• Decisions Which ( Keputusan Yang Mana )
• Contingent Decisions ( Kontinjen Keputusan – yang mungkin berlaku / kebetulan )
3
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Latihan 1
1. Apakah Keputusan?
Keputusan adalah bentuk-bentuk tindakan yang diambil untuk menyelesaikan masalah
Interpersonal
Figurehead kepala simbolik bertanggungjawab untuk melaksanakan beberapa
(boneka) tugas rutin berbentuk perundangan/sosial.
Leader Bertanggungjawab untuk memotivasikan dan menggerakkan semua
(pemimpin) kaki tangan dan juga bertanggungjawab tentang tugas-tugas
berkaitan dengan staf, latihan dan hubungan
Liaison Mengekalkan rangkaian bina sendiri dengan pihak-pihak luar serta
(perhubungan) pemberi-pemberi maklumat
Informational
Monitor Mencari dan menerima pelbagai maklumat khusus untuk membina
(pengawas) pemahaman yang menyeluruh tentang organisasi dan persekitarannya
Disseminator Menyebar maklumat yang diterima dari pihak luar atau daripada
(penyebar) kakitangan sendiri kepada ahli-ahli maklumat luaran/dalaman
organisasi
4
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Perancangan Strategik
Kawalan Pengurusan
Kawalan Operasi
Pelaksanaan Operasi
strategic planning ( perancangan strategic ) adalah dibuat pada tahap atas pengurusan
organisasi, dan membuat keputusan utk mengesan keseluruhan organisasi. Ia melibatkan
pembuatan keputusan dalam menentukan objektif-objektif, menubuhkan dasar,
menguntukkan sumber-sumber, mengawal pelaksanaan organisasi dan menilai pelaburan.
5
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Management control ( Kawalan Pengurusan ),
) or tactical decision ( keputusan
keputusan taktikal ),
) adalah
dibuat oleh pengurus-pengurus pertengahan,termasuk proses keputusan yang berkaitan
dengan pemerolehan dan guna sumber. Ia memberi kesan pada sebahagian organisasi utk satu
masa terhad pada masa depan..
Structured decisions
decisions (keputusan distrukturkan) adalah lazim dan berulang. seperti
keputusan tersedia untuk dihasilkan prosedur pengendaliannya.Sebagai mana yang berlaku,
Kita tidak perlu memikirkan dari mula bagaimana untuk menanganinya.
unstructured decisions (keputusan yang tidak diprogramkan) adalah kompleks dan sukar
ditemui. Seperti keputusan yang tidak dipastikan atau kaedah cut and dried untuk
menanganinya. Seperti tidak pernah wujud sebelumnya. Mungkin juga lebih penting , oleh itu
perlu menjadi rawatan kebiasaan
Semi-
Semi-structured decision adalah mempunyai jumlah aspek berstruktur yang banyak tetapi
tidak boleh dilengkapkan (Mallach, 2000).
Proses ini adalah aliran berterusan daripada satu fasa ke fasa yang lain. Walau bagaimana pun
pada mana-mana fasa, boleh berpatah-balik ke fasa sebelumnya. Setiap keputusan haruslah
melibatkan semua fasa, seminima mungkin.
6
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Penekanan atas setiap fasa berbeza daripada suatu keputusan kpd dua yang lain:
7
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
(a) Find the Problem ( Dapatkan Masalah
Masalah )
- setiap masalah yang dikesan, mesti dipunyai oleh sebarang individu atau mana-mana
jabatan dalam organisasi
8
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
- individu atau kumpulan dalam organisasi mesti mempunyai masalah sepertimana yang
organisasi bersetuju untuk bertenggungjawab utk menyelesaikan masalah atau
mempunyai kemampuan utk menyelasaikan masalah
Exercise 1.3
What do you think executives in many organisations are paid to do? To
think or to do routine tasks? Explain. Sebagai tugasan harian agar proses pembuatan
keputusan dan penyelasaian masalah lebih memuaskan dan efektif.
Pembolehubah:
9
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
b. Set Kriteria Untuk Pemilihan
c. Menjana Alternatif
- ketersediaan dan kos drp maklumat dan juga ketersediaan drp kepakaran dalam kawasan
masalah
- Cth: sesi ‘brainstorming’ : disokong dgn perisian brainstorming elektronik utk mendapatkan
alternatif.
- hasil drp setiap alternatif yg dicadangkan mestilah dibuktikan
a. Menilai
Menilai / Mentafsir Alternatif
- menyelesaikan model menghasilkan keputusan yang diperakukan kepada masalah yang
nyata.
- penyelesaian yang dicadangkan diaplikasikan kpd model utk diuji kebolehlaksanaannya
- Utk menyelesaikan model yg dibina pada fasa reka bentuk, alternatif-alternatif perlu
dinilaikan.
- untuk melakukan penilaian kpd alternative, pembuat keputusan perlu data yang luas ke atas
pelbagai alternative dan peralatan analisis data. Ini untuk menjelaskan ke semua kos, akibat
dan kesempatan/peluang. ( Laudon and Laudon, 1999 )
10
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
b. Memilih Penyelesaian Yang Terbaik
- keputusan yg baik perlulah dipilih berdasarkan situasi yang wujud pada ketika ini. dan juga
keadaan yang diharapkan dan dijangkakan pada masa penyelesaian akan dilaksanakan
sebenarnya. ( Marakas, 2003)
- penyelesaian model masalah tidak sama seperti menyelasaikan masalah nyata, ianya
memberikan idea drp kebolehlaksanaan penyelasaian yg dicadangkan ke atas masalah nyata.
Masalah perlu dipertimbangkan utk penyelasaian yang berjaya, hanya jika peyelesaian yang
diperakukan dilaksanakan dengan jayanya.
1.4 Bentuk / Gaya Keputusan : menjelaskan mengenai cara / gaya pembuat keputusan
membuat keputusan
a. Konteks Masalah
- merujuk kepada daya bahawa bertindak kepada pembuat keputusan siapa yang bertindak
dlm membuat keputusan
- Kuasa drp organisasi dan persekitaran termasuklahperaturan kerajaan, teknologi baru, dan
persaingan pasaran
- kuasa drp sifat individu mengandungi set kemahiran, motivasi, dan kebolehan
- pembuat keputusan mestilah mampu utk mengimbangi semua kuasa ini semasa proses
membuat keputusan.
b. Persepsi ( Tanggapan )
- merujuk kpd persepsi drp pembuat keputusan
- pembuat keputusan membawa kecondongan individu kpd konteks masalah
- masalah mestilah bersesuaian dgn realiti
- dlm menentukan pendekatan pembuat keputusan utk menyelesaikan masalah dan sama ada
pendekatan itu efektif, kecondongan persepsi akan berkait dgn konteks masalah
c. Nilai Personal
- merujuk kpd nilai personal pembuat keputusan
- Nilai terdiri drp pandangan dan kepercayaan adalah diperolehi pada umur awal dan
kebiasaannya kekuatan berterusan keseluruhan hayat seseorang.
- nilai ini memandu ke arah pertimbangan seseorang, tindakan dan melihat kepada
penghasilannya.
11
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Carl Jung : dgn Skim Menkelasifikasikan Bentuk Keputusan;
Marakas, 2003 : keputusan yang baik adalah hasil keputusan yang baik dalam pencapaian drp
objektif yang memberikan peningkatan terhadap perlunya keputusan dalam batasan dan
kekangan yang dikenakan oleh konteks masalah.
Kita membuat keputusan yg baik jika kita menyelesaikan masalah tanpa menyebabkan
masalah-masalah lain.
Masalah adalah, kita perlu menunggu dan melihat selepas kita membuat keputusan utk melihat
jika ianya adalah keputusan yang baik
12
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
(c) Organisational Forces ( Daya Organisasi )
- terdiri drp polisi dan prosedur, budaya organisasi dan koordinasi penstafan.
- jika organisasi menyemai budaya tidak menerima idea baru kpd organisasi, keputusan yang
akan dibuat oleh pihak atasan dan juga pekerja bawahan akan terjejas/ tergendala
Power (2002) menyenaraikan beberapa halangan utk mengawal kpd keputusan yg berkesan;
iaitu
(iii) Improper Use of Decision Aids ( Janggal Dalam Mengguna Bantuan Keputusan)
- kesempurnaan dan ketepatan maklumat dlm DSS tidak terjamin
- DSS mestilah di rekabentuk utk membekalkan kesan yg positif ke atas tingkahlaku
keputusan individu atau kumpulan
- Bila dan bagaimana DSS akan digunakan dlm proses membuat keputusan juga perlu jelas
sebelum direkabentuk dan diimplementasikan
13
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
1.6 Rangka Kerja untuk Sokongan Keputusan
Cadangan Gorry dan Scott Morton (1971) selepas kombinasi dgn Simon (1977) dan Anthony
(1965)
Structured ( berstruktur ): keputusan ditumpukan ke atas rutin (perkara biasa ) dan masalah-
masalah yang berulang. Satu piawai keputusan diwujudkan bagi menyelasaikan masalah itu.
Bantuan teknologi yang boleh digunakan untuk menyokong pembuatan keputusan ialah Sistem
Maklumat Pengurusan (MIS), Model Sains Pengurusan (MSM), dan pemprosesan data.
Anthony’s
Anthony’s (1965) taksonomi aktiviti pengurusan : perancangan strategic, kawalan pengurusan
dan kawalan pengoperasian ditunjukkan pada separuh kedua lingkungan rangka kerja
Strategic planning ( Perancangan Strategik ) : menentukan matlamat dan polisi jangka panjang
utk peruntukan sumber. Lazimnya, ianya adalah diperbuat pada tahap atas pengurusan
organisasi
Management control,
control tactical ( Kawalan Pengurusan ) : memastikan penyempurnaan daripada
matlamat organisasi secara guna yang cekap sumber pemerolehan. Berbeza dengan
perancangan yang strategik, pengurusan kawalan menumpukan kepada matlamat untuk satu
masa terhad.Ia yang Lazimnya dibuat oleh pengurus-pengurus pertengahan
14
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Operational control ( Kawalan Operasi )laksanakan
) tugas khusus dengan efisien dan efektif.Ia
membataskan dalam aktiviti-aktiviti yang mempunyai tugas dan matlamat yang boleh
ditakrifkan dalam perancangan yang strategik dan pengawalan pengurusan.. Kawalan jenis ini
diuruskan oleh pengurus tahap rendah
pengurusan
Management Science ( MS ) : Sains pengurusan adalah disiplin yang menggunakan analisis
kuantitatif (matematik) dan kaedah analisis lain utk membantu membuat keputusan bisnes
yang lebih baik
- jelas bagaimanakah teknologi DSS yg khusus memberi sokongan kpd aktiviti bersama-sama
dgn setiap fasa bagi proses membuat-keputusan ( kecerdasan, reka bentuk dan pilihan).
- DSS tidak boleh menukarkan pembuat keputusan
- ini tidak bermakna utk menyokong semua aspek yang perlu ditangani dalam proses
membuat-keputusan
- boleh memberi pembuat keputusan dengan sokongan yang difokuskan kepada satu atau
lebih aktiviti dalam proses membuat keputusan
Marakas (2003 ) senaraikan jenis-jenis yg biasa dlm menyokong bahawa DDS boleh
membekalkan:
15
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Sokongan DSS
16
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
GLOSARI:
Artificial Neural Network – rangkaian drp pemproses mudah direkabentuk utk meniru fungsi otak manusia.
Peranannya utk melatih rangkaian utk mengecam gaya dan belajar drp contoh.
Customer Relationship Management (CRM) – maklumat industri untuk metodologi, perisian, dan kemampuan
internet biasa yang menolong syarikat menguruskan hubungan pelanggan dalam cara yang diuruskan.
Data Mining ( Perlombongan Data ) – proses menganalisis data utk mengenalpasti gaya atau hubungannya
dalam pangkalan data.
Decision Support System (DSS)– system berdasarkan computer yang interaktif bertujuan utk menolong
pembuat keputusan menggunakan data dan model kpd mengenalpasti dan menyelesaikan masalah dan membuat
keputusan.
Enterprise Information System (EIS) – aplikasi yang mengandungi system sedia ada organisasi / syarikat untuk
mengendalikan maklumat organisasi. – ianya termasuklah Sistem Perancangan Sumber Enterprise (ERP),
kerangka utama Sistem Pemprosesan Transaksi, Sistem Pangkalan Data Legasi.
Enterprise Resource Planning (ERP) – tempoh industri untuk set aktiviti yg luas disokong oleh perisian aplikasi
pelbagai modu yang menolong pengeluar atau lain-lain bisnes mengurus bahagian-bahagian yang penting dalam
bisnesnya, termasuklah perancangan produk, sebahagian penjualan, inventori penyenggaraan, interaksi dgn
pembekal, membekalkan servis pelanggan dan menjejaki pesanan.
Executive Information System (EIS) – system berkomputer bertujuan untuk memperlengkapkan maklumat
semasa dan sesuai untuk menyokong eksekutif membuat keputusan kepada pengurus menggunakan system
rangkaian – penegasan adalah atas paparan grafik dan mudah utk menggunakan antaramuka yang memaparkan
maklumat drp pangkalan data korporat
Expert System (ES) – system yang berkelakuan yang kebanyakannya sama dengan pakar dalam pengetahuan
yang tertentu seperti pengetahuan mengenai bidang khusus, memahami masalah dgn bidangnya dan kemhiran
menyelesaikannya.
Group Decision Support System (GDSS)– sistem maklumat yang direkabentuk untuk menjelaskan kepada
sokongan komukasi kumpulan dan proses keputusan.
Knowledge Management System (KMS) – dihasilkan system hypermedia untuk menguruskan pengetahuan
dalam organisasi, digunakan untuk mensistematikkan kekuatan kepakaran dan maklumat kpd memantapkan
efisiensi, sambutan, kompetensi dan inovasi organisasi
On-line Analytical Processing (OLAP)– perisian utk memanipulasi pelbagai dimensi data drp pelbagai sumber
yang boleh disimpan pada gudang data. Analisis data mungkin termasuklah pra-takrifan statistik deskriptif ,
pengguna mentakrif pernyataan yg dilaksanakan bertentangan dgn data atau model dicipta berpandukan datauser
defined.
Supply Chain Management (SCM) – sstem yang dilayan dgn perancangan dan pelaksanaan isu-isu yang
terbabit dalam pengurusan rantaian bekalan – adalah konsep yang luas drp logistic – mempunyai 3 sasaran
utama : kurang inventori, tambah kelajuan transaksi melalui pertukaran data dalam masa nyata dan
menambahkan jualan melalui pelaksanaan keperluan pelanggan yang lebih berkesan.
17
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
TAJUK 2 : DSS : TOOL FOR DECISION SUPPORT
( DSS : ALATAN UNTUK SOKONGAN KEPUTUSAN )
Turban dan Aronson (1998) : sebarang atau setiap system perkomputeran digunakan untuk
menyokong pembuatan keputusan.
Little (1970) :
Berdasarkan model set prosedur untuk memproses data dan pertimbangan kpd membantu
pengurus untuk membuat keputusan
Keen (1980),
Produk drp proses pembangunan dlm mana pengguna DSS, Pembina DSS dan DSS itu sendiri
yang semuanya mampu mempengerahui di antara satu sama lain, mengeluarkan keputusan
dlm evolusi system dan contoh penggunaanya.
Berdasarkan modul :
18
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
2.2 Konfigurasi DSS
- konfigurasi bergantung kepada situasi drp pengurusan keputusan dan teknologi yang
spesifik yang digunakan untuk menyokongnya
a. Data
b. Model
c. Antaramuka Pengguna
d. Pengetahuan
2.3 Ciri-
Ciri-Ciri dan Kebolehan DSS
19
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
2.4 Komponen DSS
20
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
2.5 Sub Sistem Pengurusan Data
Pangkalan data : koleksi drp data yang dihubungkaitkan, diuruskan, dan disimpan kpd
membenarkan kpd memudahkan dapatan semula data. Strukturnya mestilah bersesuaian
dgn keperluan organisasi.
System Pengurusan Pangkalan Data : (DBMS) cipta, akses dan kemaskini pangkalan
data
Fungsinya : Definisi Data, Manipulasi Data, Ketulusan / Integrity Data, Kawalan Akses,
Kawalan Persetujuan ( Concurrency) dan Mendapatkan Kembali transaksi.
Fasiliti Pertanyaan
- utk bina dan guna DSS pengguna perlu utk akses dan manipulasi dan pertanyaan data
- dijalankan oleh fasiliti pertanyaan yang akan menentukan bagaimana utk memenuhi
semua permintaan
- menggunakan Bahasa Pertanyaan Berstruktur (SQL)
- kepentingan : memilih dan memanipulasikan operasi iaitu mampu utk mengikuti arahan
computer spt Mencari keputusan peperiksaan pelajar pada tahun 2004
Direktori Data : merujuk kpd catalog drp semua data yang tersedia dalam pangkalan
data
- terdiri drp definisi data
- berfungsi untuk menjawab soalan mengenai ketersediaan item data, sumbernya, dan
maksud yang tepat
- sokongan drp direktori adalah penting dalam fasa kecerdasan proses membuat
keputusan
- ianya memudahkan dlm mengimbas data dan pengenalpastian kawasan atau peluang
masalah
- membenarkan tambahan kemasukan baru, memadamkan kemasukan dan dapatkan
kembali maklumat dlm objek yg spesifik.
21
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Latihan 2.1
1. Apakah ekstraksi
- proses menawan data daripada pelbagai sumber
2. Apakah fungsi fasiliti pertanyaan
- menentukan bagaimana utk memenuhi semua permintaan
3. Apakah fungsi direktori data
- berfungsi untuk menjawab soalan mengenai ketersediaan item data, sumbernya, dan
maksud yang tepat
- terdiri daripada :
model asas ( model base )
sistem pengurusan model asas ( model base management system :MBMS)
direktori model ( model directory )
pelaksanaan, integrasi, dan pemprosesan arahan model ( model execution,
integration and command processor )
a) Model Asas
- model bentuk yg dipermudahkan daripada beberapa acara/peristiwa sebenar
- terdapat empat kategori iaitu:
Model Strategik
Model Taktikal
Model Pengoperasian
Model Analitikal
22
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Model manipulasi : mengurus dan selenggara model asas dgn fungsi yg sama dgn apa yg
didapati dlm DBMS spt run, stor, pertanyaan, padam, link dll)
c) Direktori Model : katalog drp semua model dan lain-lain perisian dalam model asas.
- terdiri drp definisi model, dan fungsi utama utk menjawab soalan mengenai
ketersediaan, dan kebolehan model
23
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Skop Kandungan Maklumat:
Asas pengetahuan DSS mengandungi paling banyak pengetahuan yg diperlukan oleh pakar
tertentu seperti:
a) Fakta (facts ) : apa yang diketahui adalah benar pada ketika itu?
b) Hipotisis : peraturan atau hubungan yg dipercayai yg wujud di antara fakta.
2.8 Sub-
Sub-Sistem Antaramuka Pengguna
Antaramuka Pengguna : semua aspek drp komunikasi antara pengguna dan DSS atau sistem
sokongan lain.
24
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
a) Sistem Pengurusan Antaramuka Pengguna (UIMS) : perisian yang menguruskan sub-
sistem antaramuka pengguna
Action Language ( Bahasa Aksi ) : komponen yang mengendalikan pengguna secara terus
aktiviti dialog dgn DSS
Presentation Language ( Bahasa Persembahan ) : apa yang pengguna sebenarnya lihat, dengar
dan pengalaman semasa menggunakan DSS
2.9 Pengguna
25
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Intermediary (pengantara) : analisis yang membolehkan pengurus utk mendapatkan manfaat
DSS tanpa pengurus perlu untuk berinteraksi secara terus dgn system.
Jenis-
Jenis-Jenis Pengantara ( Turban et al., 2005 ) :
a) membantu staf ( staff assistants ) : mereka berpengetahuan dlm mengurus masalah dan
guna teknologi sokongan keputusan
b) pakar perkakas pengguna ( expert tool users ) : mereka berkemahiran dlm mengguna
satu / lebih kepakaran perkakasan penyelesaian masalah
c) pakar analisis bisnes ( business (system) analysts ) : mereka mempunyai pengetahuan
yang umum drp kawasan aplikasi, pendidikan pentadbiran bisnes formal dan
menggunakan perkakasan pembangunan DSS
d) Fasilitator dalam system sokongan kumpulan : mereka mengurus dan memandu
penggunaan perisian utk menyokong pekerja yg berkerja dalam kumpulan, juga
memengelolakan sesi kerja kumpulan
GLOSARI
Data : fakta mentah atau fakta yg belum diproses utk menyatakan maknanya kepada
pengguna akhir
Maklumat : data yang digubahkan dlm bentuk yang penuh bermakna, terdiri drp data yang
ditranformasikan dan memudahkan pembuatan keputusan
Pengantara : individu yang menggunakan computer utk memenuhi permintaan yang dibuat
oleh orang lain
Pengetahuan : item data dan atau maklumat yg diuruskan dan diproses untuk menyampaikan
pemahaman, pengalaman, mengumpulkan pembelajaran, dan kepakaran yg boleh
diaplikasikan kpd masalah semasa / aktiviti
26
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
UJIAN 1
4. Pangkalan data menyimpan data drp pelbagai sumber. Apakah sumber-sumber yang
mungkin drp pungutan data pangkalan data ?
Data Dalaman : datangnya drp pelbagai unit bisnes dr organisasi
Data Luaran : termasuklah peraturan kerajaan, data pekerjaan, kadar jenayah, geopolitik,
ekonomi, dan sebagainya
5. Terdapat empat kategori model dalam model asas (model base). Satu daripadanya ialah
model taktikal. Jelaskan model taktikal dgn contohnya.
6. A model is constructed to enable the study and develop a better understanding of the event
or process, without having to actually experience or recreate the event under study.
( dibuat untuk membolehkan kajian dan membangun pemahaman lebih baik daripada
peristiwa/ kejadian atau proses tanpa perlu mempunyai pengalaman sebenarnya atau untuk
mencipta semula peristiwa itu di bawah kajian)
27
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
7. The major functions of MBMS are modeling language,
language model library and model
manipulation.
8. In a users interface system, a component that handles users’ direct dialogue activities with
the DSS is known as action language.
language
Kraemer dan King, 1988 : Kepercayaan dalam kecekapan drp kerja kumpulan adalah kukuh
melalui penyelidikan pada tahun 1930s yang menunjukkan kumpulan boleh menyelesaikan
masalah dalam jumlah yang besar dan dengan kepantasan yang lebih besar daripada
menyisihkan indidividu.
Kreamer dan King , pg 117 , “Pembuat keputusan mendapati mereka berhadapan dengan
pertambahan bilangan mesyuarat yang panjang diperlukan untuk membincangkan isu-isu
berisi maklumat tetapi pembuat keputusan pada permulaannya adalah untuk bertahan
menghadiri mesyuarat-mesyuarat seumpama itu kerana mereka mengambil masa ketenangan
daripada aktiviti-aktiviti lain yang penting. Kerugian drp produktiviti dalam kumpulan pembuat
keputusan kerana perbincangan dikuasai oleh sesetengah individu-individu ahli berstatus
rendah, kepada golongan Status yang tinggi, tekanan kumpulan dipandu kepada memastikan
daripada pemikiran, salah komunikasi di kalangan ahli-ahli, biasa, dan kekurangan masa
diperuntukkan dalam menerokai masalah dan penjanaan alternative”
28
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Faktor-
Faktor-Faktor Penting GDSS:
i. Keperluan drp keputusan yang datang drp satu kumpulan : kerana tidak semua kaki
tangan mempunyai pengalaman yang mencukupi untuk membuat keputusan drp
masalah tertentu ( biasanya guna teknik brainstorming )
ii. Keperluan untuk mendengar setiap idea ahli-ahli :
iii. Keperluan untuk berkomunikasi dalam persekitaran yang disebarkan:
usaha yang mula-mula untuk menghasilkan drp keinginan kepada menggunakan konsep
sistem sokongan keputusan untuk melingkungi kumpulan pembuatan keputusan.
GDSS boleh ditakrifkan sebagai teknologi yang menolong dan menyokong sekumpulan drp
pembuat keputusan dalam tempoh merekabentuk, menstruktur atau memodelkan hasil yang
diperlukan dalam sebarang organisasi. Ianya juga menyesuaiakan perkakasan yang diperlukan
oleh ahli-ahli untuk berkomunikasi di antara mereka.
Power & Power (2001) : GDSS adalah terlalu diskriptif dan mentakrifkan sebagai kepelbagaian
system yang menggunakan penghuraian infrastruktur komunikasi dan heuristic dan model
kuantitatif untuk menyokong membuat keputusan. GDSS mestilah interaktif, system
berasaskan computer yang menolong satu pasukan ( kumpulan) pembuat keputusan untuk
menyelasaikan masalah-masalah dan membuat pilihan untuk diputuskan.
3.2.1 Ciri-
Ciri-Ciri Utama GDSS
a. ialah satu sistem direkabentuk secara khusus, tidak hanya tatarajah terhadap
komponen-komponen sistem yang sedia ada
b. direkabentuk dengan sasran drp menyokong kumpulan-kumpulan drp pembuat
keputusan dalam kerja mereka, haruslah membaiki proses membuat keputusan dan hasil
keputusan drp kumpulan-kumpulan yang boleh wujud sekiranya GDSS itu tidak
memperkenalkan.
29
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
c. Mudah untuk dipelajari dan digunakan. Ianya menyesuaiakn pengguna-pengguna dgn
tahap pengetahuan yang berbeza-beza berkenaan computer dan menyokong keputusan
d. Mingkin spesifik ( direkabentuk untuk satu jenis atau kelas masalah ) atau umum (
direkabentuk utk pelbagai tahap kumpulan keputusan organisasi
e. Mengandungi mekanisma yang terbina di dalamnya yang menawarkan pembangunan drp
tingkahlaku kumpulan yg negative seperti konflik dalaman, salah komunikasi atau
pemikiran kumpulan
Pakej Sosio Teknikal : dalam konteks GDSS bermaksud bahawa tidak kedua-dua kumpulan
ditentukan oleh teknologi GDSS ataupun teknologi GDSS ditentukan oleh kumpulan
a. Perkakasan ( Hardware )
b. Perisian ( software )
- kekunci yang membezakan teknologikal masa depan GDSS dan mungkin digunakan
untuk menyokong memproses maklumat secara umum, memodelkan keputusan, atau
komunikasi
30
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
e. People ( Manusia )
Terdiri drp peserta-peserta dalam kumpulan dan staf sokongan yang memudahkan aktiviti
kumpulan
3.3.1 Jenis-
Jenis-Jenis Kolaborasi
a) Sama Masa / Sama tempat : semua ahli menghadiri mesyuarat pada masa yang sama dan
tempat di bilik mesyuarat
b) Sama Masa / berbeza Tempat : pengurus di cawangan mengadakan mesyuarat dalam
masa yang sama
c) Berbeza masa / sama tempat : yang mempunyai masa kerja secara bergilir, oleh itu
mesyuarat/ taklimat diadakan pada masa yang berbeza
d) Berbeza masa / berbeza tempat : organisasi antarabangsa di mana berbeza tempat dan
zon waktu
3.4.2 Persidangan
Persidangan Elektronik
a. Papan Putih : aplikasi yang membenarkan pengguna untuk secara kolaborasi membuat
lukisan mudah atau kompleks
31
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Papan putih berkongsi aplikasi : papan putih yang akan ‘run’ aplikasi computer dalam
tetingkap, yang boleh dilihat oleh semua peserta
b. Persidangan Telefon : atau telesidang adalah teknologi yang digunakan sebagai satu cara
drp komunikasi untuk dua atau lebih orang dalam lokasi yang berbeza pada masa yang
sama.
Persidangan Video Pelbagai Point : persidangan melibatkan lebih daripada dua tempat
- merujuk kepada susunan fizikal untuk menggunakan GDSS dalam teknologi tinggi, bilik
persidangan elektronik, dan setiap peserta mempunyai stesen kerja sendiri.
Sistem
Sistem menyediakan tiga kelebihan melebihi mesyuarat lisan atau konvensional:
Ciri-
Ciri-Ciri Bilik
Bilik Keputusan:
32
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
3.5 Groupware
a. Lotus Notes
b. GroupSystem and VisionQuest
c. Netcape Collabra Server and TCBWorks
3.6 Pembelajaran
Pembelajaran Jarak Jauh
- di mana melakukan kerja secara maya daripada rumah atau mana-mana tempat .
Organisasi Maya : organisasi yang menggunakan teknologi untuk membentuk secara maya
ruang kerja untuk sesiapa yang terlibat dalam transaksi syarikat seperti pekerja, pembekal,
pelanggan dll
Ruang Kerja Maya Secara Kolaborasi
Kolaborasi ( Collaborative Virtual Workspace – CVW )
33
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
34
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.1.2 Kelemahan SDLC
- tidak sesuai untuk system yang berubah secara pantas
- persetujuan pengguna pada langkah pertama, apabila berlaku perubahan, proses
pembangunan keseluruhan akan dimulakan semula
- mungkin menyebabkan pertambahan dalam kos pembangunan
- kurangnya pengantara komunikasi antara pengguna dan pembangun
- pengguna sukar untuk bercakap apa yang mereka perlu dalam system, semasa analisis
system menghasilkan seratus muka surat drp penjelasan teknikal yang sukar untuk
mendapatkan dan dibaca
- kurangnya kesesuaian
- tidak sesuai untuk pembangunan ad-hoc DSS
4.2 Prototaip
- mengekalkan langkah-langkah pembangunan SDLC tetapi ianya dikembangkan
berdasarkan reaksi kepada kekurangan dalam SDLC
- analisis system duduk bersama keupayaan pengguna dan membangunkan system agar
muncul kepada kerja menggunakan sebarang perkakasan seperti 4GLs ( Fourth
Generation Languages ) yang menyokong pembangunan pantas.
- Muncul seperti produk akhir tetapi mengetepikan memeriksa kesalahan, akses kepada
pangkalan data nyata, menghubung kepada rangkaian nyata dan kebanyakannya
digunakan oleh keseluruhan masa pembangunan
35
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Terdapat 2 pendekatan prototaip:
a) prototaip buang ( throwaway ) : kurang sesuai untuk pembangunan DSS terutamanya
yang melibatkan pembelian/pemerolehan kepada gudang data hos dan menaiktaraf
platform baru. Ianya akan menambahkan kos pembangunan dan pengimplementasian
b) Prototaip Penjelajahan ( berevolusi ) lebih sesuai untuk DSS . Prototaip akan menjadi
asas kepada aplikasi dan bersambung untuk mengguna perkakasan pembangunan
tahap tinggi. Ini sesuai kepada fakta bahawa masa adalah penting dalam
pembangunan DSS dan kebiasannya pengurus perlu DSS secepat yang mungkin.
Kekurangan:
Kekurangan menambahkan penjadualan pembangunan system DSS terutamanya melalui
pendekatan pakai buang atau memilih perkakasan yang salah dalam cara yang salah.
Pembangun mesti memahami batasan drp pakej skrin, 4GLs dan sebarang perkakasan
pembangunan pantas.
Kelebihan : individu yang memerlukan sokongan komputer akan terlibat dalam menciptanya.
Kadang kala keputusan pembangunan cepat dan jimat kos. Pembangun akan mengawal semua
situasi dan pilihan penyelesaian.
Kekurangan:
Kekurangan kurangnya keghairahan untuk pembangunan drp DSS yang kompleks.
36
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.4 Proses Pembangunan DSS
- keunikan pembangunan DSS adalah terdapatnya masalah separa struktur dan tidak
berstruktur.
- selalunya menjadi masalah untuk mendapatkan keperluan pengguna yang lengkap dan tepat
37
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.4.2 Mengenalpasti Objektif dan Sumber-
Sumber-sumber
Di samping itu, mesti juga menentukan peranan yang dituntut drp DSS yang akan dijangka
untuk dimainkan bersama-sama kontek masalah yang dikenalpasti. Cth: meningkatkan
kreativiti pengguna, imaginasi atau tanggapan, menyelesaikan atau membantu dalam
menyelesaikan masalah, menyediakan pembantu dalam menasihati, analisis atau menilai.
Akhir sekali ; hendaklah menyenaraikan set objektif yang disekutukan dgn sumber-sumber
yang mungkin yang diperlukan untuk membangunkan DSS. Objektif kemudiannya dianalisa
yang boleh diakses secara tepat dan menjadikan objektif yang tepat drp DSS bersama-sama
konteks masalah organisasi. Pengenalpastian ini seperti penentuan awal drp kebolehlaksanaan
dgn mengambil kira kpd sumber-sumber yang dikawalkan.
38
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.4.3 Analisis Sistem
- untuk menghasilkan dalam perincian set keperluan DSS yang akan dijadikan isu.
Dikategorikan kepada 3 jenis keperluan:
Keperluan Fungsian.
- keperluan memerikan spesifikasi daripada kapasiti simpanan DSS, mengingat kembali,
dan pengeluaran pengetahuan yang berguna kepada konteks masalah.
- Misalnya, satu keperluan menerangkan keupayaan daripada keutamaan DSS untuk
menyimpan berjenis-jenis jualan keluaran unjuran, dan anggaran kesan-kesan terhadap
isi padu jualan daripada perubahan satu atau lebih membuat anggapan tersembunyi atau
berubah yang terlibat di dalamnya.
Keperluan Antaramuka
- Antara muka memainkan peranan penting dlm menghasilkan kualiti dan penggunaan
penuh DSS.
- Keperluan antara muka memfokuskan kepada kebolehan komunikasi DSS di konteks
bermasalah.
- Pembangun perlu mengenal pasti berbagai saluran dan kaedah-kaedah komunikasi yang
akan diperoleh disediakan oleh DSS dan Syarat-syarat itu untuk boleh digunakan
dibawanya. Ia mungkin melibatkan mengenal pasti menu struktur laporan ruang hubung
kait milik dan bentuk output
- pembangun perlu juga mengenal pasti berbagai jenis permintaan yang mungkin
diperoleh DSS oleh pembuat keputusan
- ruang hubung kait itu perlu menyediakan satu graf misalnya yang sepatutnya dapat
dapat menunjukkan syarikat unjuran Keluaran jualan kepelbagaian.Graf ini boleh
digunakan oleh decision-makers untuk meramalkan belanjawan syarikat.
Keperluan Penyelarasan
39
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.4.4 Rekabentuk Sistem
- langkah ini mengguna keperluan pengguna drp fasa sebelumnya untuk mencipta
pelbagai proses komponen model system dan data mahupun interaksi seperti model
DFD, ERD, rekabentuk pangkalan data, rekabentuk arkitektur
- DSS perlu kepada penentuan komponen fizikal, struktur dan platform pembangunan
Beberapa aktiviti
aktiviti implementasi DSS:
40
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.5 Menggunakan Pendekatan Berorientasikan Keputusan Dalam Proses Pembangunan DSS
Penjana DSS ( Generator ) adalah : Aplikasi sistem yang menghapuskan perlunya kepada
pemprograman yang mengandungi beribu-ribu garisan daripada penkodan.Ia adalah satu
perisian perkakas yang menyediakan fungsi kepada pembangun untuk memudahkan
membangunkan DSSnya sendiri.
41
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.6 Perkakasan Pembangunan DSS
Marakas (1999) dan Turban (2001) menkelaskan perkakasan pembangunan kepada tiga tahap
teknologi, iaitu;
a) Perkakasan penting DSS : adalah yang terrendah drp teknologi DSS, ia menyediakan asas
pembangunan sama ada untuk penjana DSS atau aplikasi DSS spesifik. Contohnya, bahasa
pemprograman, grafik, penyunting, system pertanyaan pangkalan data, kod dan bilangan
penjana rawak
b) Penjana DSS : adalah pakej perkakasan / perisian yang menyediakan set kebolehan untuk
membangunkan DSS spesifik dgn cepat, mudah dan murah. Microsoft Excel adalah pakej
spreadsheet mudah
Kelebihan : keselesaan/ kesenangan- perkakasan yang diintergrasikan yang menyediakan
kefungsian utk mencipta pemodelan keputusan, rekabentuk dan penjanaan laporan dan
persembahan grafik dan mengurus berdasarkan data asas, tanpa mempunyai masalah
mengintergrasikan antara perkakasan pelbagai seperti mengimport dan mengeksport data.
c) DSS Spesifik:
Spesifik digunakan untuk pengetahuan domain tertentu, yang pembuat keputusan
menghadapi banyak masalah
42
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4.7 Isu-
Isu-Isu pembangunan DSS
Isu-Isu Penerangan
Funding ( Dana ) Kunci pembangunan DSS ( penganjur ) boleh jadi pembuat
keputusan, organisasi, penganjur eksekutif
Kenalpasti Ketua Ketua projek ditugaskan berdasarkan saiz projek, yang mengawal
Projek selia semua projek dari awal hingga akhir
Pasukan Projek Yang memberi sokongan, bantuan, pengurus projek, pengguna,
Pembina DSS, sokongan teknikal
Sumber Dalaman
vs sumber luaran
Menentukan Perlu dispesifikasikan bagi projek besar, perlu ada perancangan
Arkitektur DSS teliti
43
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
TAJUK 5 : DATA DRIVEN DSS ( Pemacu Data DSS )
- DSS digunakan untuk membuat keputusan pada tahap pengurusan strategic dan taktikal
- Keberkesanan DSS bergantung kepada kualiti data yang dikumpulan pada tahap
pengoperasian
- Data Opresai dan data DSS mempunyai tujuan yang berbeza
Perbezaan Data Pengoperasian dan Data DSS mengikut Rob and Coronel, 2004:
44
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Perbezaan di antara Data Operasi dan Data DSS menandakan keperluan drp pangkalan data
DSS
Gudang Data : menjadikan sumber data utama untuk sistem sokongan keputusan yang moden
– memperoleh data drp pelbagai pengkalan data pengoperasian ( sumber luaran )
Data di dalam Gudang Data diuruskan dalam format dan struktur yang memudahkan ekstraksi
data, analisis data dan membuat keputusan.
( Mallach, 2000 )
Gudang Data : pangkalan data yang besar yang terkandung maklumat bisnes yang
membolehkan pengguna akhir mendapatkannya.
Bill Inmon : gudang data adalah pangkalan data yang diintergrasikan, diorientasikan subjek,
perpezaan masa, dan tidak berubah / meruap yang membekalkan sokongan kepada
pembuatan keputusan.
45
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Komponen Definisi
Intergrated Format biasa memperjelaskan semua entity bisnes, elemen data, ciri-ciri
( Penggabungan) data, dan keseluruhan matrik bisnes organisasi
Subject-oriented Data di dalam di dalam Gudang Data diuruskan dan diringkaskan oleh tajuk-
tajuk seperti Jualan, Pemasaran dan kewangan. Setiap tajuk mengandungi
subjek spesifik spt produk, pelanggan dan kawasan
Time-variant Data di dalam Gudang Data memaparkan aliran data melalui masa. Apabila
data jualan mingguan yang sebelumnya dimasukkan ked lm Gudang Data,
keseluruhan jumlah bersandarkan mingguan, bulanan, tahunan dan lain-lain
utk produk, pelanggan dan lain-lain pembolehubah akan juga dikemaskini
Non-volatile Data di dalam Gudang Data tidak boleh diubah, data baru selalu ditambah
( Tidak Berubah ) dan gudang data selalu meningkat.disebabkan tiada perubahan pada data
dibenarkan apabila data disimpan dgn betul, persekitaran data secara
relatifnya statik
Ciri-
Ciri-Ciri Perbezaan Pangkalan Data Pengoperasian dan Gudang Data
Ciri-
Ciri-Ciri Pangkalan Data Gudang Data
Pengoperasian
Bagaimana ianya Satu aplikasi / kawasan berbagai kawasan subjek pada satu
dibina? subjek pada suatu waktu
waktu
Data kebiasaan? Mesti dinormalkan Tidak dinormalkan . Data boleh dan
untuk sokong proses selalu berlebihan
bisnes
Kawasan sokongan Operasi bisnes hari ke Sokongan keputusan untuk aktiviti
hari pengurusan
Masa penahanan data Penahanan adalah Masa penahanan tidak ditentukan,
perlu utk menemui mesti membenarkan laporan historical,
keperluan opreasi perbandingan dan analisis
harian
Ketersediaan Data Memerlukan Ketersediaan segera kurangkan kritikal
ketersediaan yang
tinggi dan segera
Saiz data Sama kpd saiz harian Lebih besar drp saiz transaksi harian
biasa drp transaksi biasa terutamanya siri data set data
operasi
46
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Untuk membina gudang data data diekstrak daripada pelbagai sumber dan kemudiannya
diubah dan diintergrasikan sebelum diisikan ke dalam gudang data.
Adalah sukar untuk mencipta kualiti gudang data yang tinggi, ianya bergantung kepada fakta
data tersebut yang diambil drp perbagai sumber yang menggunakan format data dan struktur
yang berbeza.
- kandungan gudang data akan tidak berguna jika pengguna tidak mampu mencari
jawapan kepada persoalan mereka
47
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
2 pendekatan yang boleh digunakan utk memahami data dalam gudang data:
Analisis yang diautomasikan atau data mining ( pencarian data ) computer melakukan semua
kerja pengguna hanya memberitahu computer apa yang dikhendaki utk dicari daripada
analisis itu.
5.3.1 User-
User-guided Analysis ( On-
On-line Analytical Processing : OLAP)
a) Konsep
On-
On-line Analytical Processing ( Pemprosesan Analitikal Atas Talian ) merujuk kepada cara
operasi di mana data di dalam gudang data dipotong dan dibahagikan kpd soalan jawapan
Selepas analisis keputusan drp soalan contoh, pengguna melihat kepada perician yang lebih
luas sehingga keputusan yang diingini dibina.
48
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Pendse (2004) meringkaskan beberapa definisi dan cirri-ciri OLAP kepada 5 kata kunci iaitu:
- Data diproses dan dipaparkan sebagai sebahagian drp struktur pelbagai dimensi
- Data boleh dipaparkan sebagai data yang berhubung dgn data yang lain
- Cth: analisis pengurusan hotel ingin melihat bagaimana jualan hotel berkaitan kpd
Negara pelanggan dan bulanan ( figure 5.2 ms 111 )
49
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
ii) Menyediakan Sokongan Pangkalan Data Lanjutan
Keutamaannya ialah:
- capaian kpd jenis-jenis perbezaan yang banyak drp DBMS : fail lengkap dan pelbagai
sumber data
- capaian kpd data gudang data yang dikumpulkan dan perincian pangkalan data
pengoperasian
- memberi keutamaan kepada navigasi data yang dilanjutkan seperti latih tubi
- tindakbalas pertanyaan yang cepat
- memetakan permintaan pengguna utk menyesuaikan sumber data dan kemudiannya utk
menyesuaikan bahasa capaian data
- sokongan pangkalan data yang terlalu luas
50
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
- ROLAP terkandung data yang terperinci dan data yang diringkaskan dan membolehkan
pengguna melatih tubi set data yang luas.
- ROLAP trade-off ( tidak melakukan ) antara fleksibiliti dan perlakuan
- Vendor boleh membina perkakasan mudah alih dan mudah diskalakan sesuai kpd fakta
yang mengimplementasikan ROLAP dgn menggunakan perkakasan pengurusan yang
tahan lasak dan antara muka Bahasa Pertanyaan Berstruktur yang terbuka (SQL)
- ROLAP memerlukan bilangan yang besar jadual hubungan utk mengendalikan data yang
bersaiz besar dan hubungan dimensional.
- Jadual perlu disatukan dan indek perlu dicipta utk mengurus dan membenarkan analisis
data multidimensional.
Data Mining proses yang ekstrak maklumat drp pangkalan data yang mana pengguna tidak
tahu kewujudannya ( perlombongan data )
- proses ini menemui maklumat di dalam gudang data supaya pertanyaan dan laporan
tidak boleh didedahkan dengan berkesan
- Data Mining merujuk kepada mencari bentuk / pola dalam data dan peraturan
penyimpanan drp bentuk yang dikenali (bentuk ini boleh jadi peraturan, daya tarikan,
pertalian, aliran atau model ramalan )
- Data mining digunakan untuk mendapatkan pengetahuan dalam pangkalan data.
- Menggunakan data di dalam gudang data , data mining boleh menyediakan jawapan kpd
soalan mengenai organisasi supaya pembuat keputusan tidak terfikir dahulunya untuk
Tanya
Data item-item mengenai benda, peristiwa, aktiviti dan transaksi yang direkodkan,
diklasifikasi dan disimpan tetapi tidak memberikan makna yang spesifik
51
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Pengetahuan terdiri daripada item data dan/atau maklumat yang diuruskan dan diproses
untuk menyampaikan pemahaman, pengalaman, dikumpulkan pembelajaran dan kepakaran
supaya boleh digunakan kepada masalah atau aktiviti semasa.
i) Klasifikasi
- pendekatan untuk mendapatkan peraturan agar mentakrifkan jika sesuatu item itu
dipunyai subset tertentu atau kelas drp data.
- Mensasarkan utk menentukan kelas sebagai betul/tepat , boleh berlaku kpd rekod yang
tak kelihatan sebelumnya
- Teknik ini sesuai dgn data mutlak atau campuran drp kesinambungan data mutlak dan
numeric
- Cth: Insuran yang manakah tuntutan semasanya di dalam proses adalah palsu
v) Regression ( Kemerosotan )
- digunakan utk memetakan data kepada jangkaan nilai
- Mengambil set data numeric dan bangunkan formula metamatik agar data lebih mantap
- untuk jangka tingkahlaku masa depan, data baru dimasukkan ke dalam formula
Pembangun
52
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
- bertugas dgn baik dgn data kuantitatif yang berterusan
- Cth: menjangka amaun jualan produk baru berdasarkan ke atas perbelanjaan pengiklanan
Teknologi Deskripsi
Analisis Kaedah ini termasuklah pengunduran linear dan bukan linear, titik
Statistik penganggaran, Teorem Bayes’s ( agihan kebarangkalian), perkaitan
dan anlisis kelompok. Teknologi ini lazimnya digunakan oleh
sekutuan dan jujukan
Rangkaian Teknologi ini bekerja secara serupa untuk bagaimana sel saraf otak
Nauron manusia berungsi. Ianya memerlukan untuk memeriksa amaun yang
besar drp data historical kepada mengenali bentuk-bentuk. Cthnya:
kita boleh lihat menerusi pangkalan data yang besar untuk kenalpasti
potensi pelanggan untuk peroduk baru. Teknologi ini lazimnya
digunakan oleh klasifikasi dan kluster ( pengelompokan)
Algoritma Teknologi ini adalah satu contoh drp teknologi pembelajaran mesin.
Genetik Ianya mampu utk memperolehi makna drp data yang rumit dan tidak
tepat. Ia bekerja ke atas prinsip utk perluasan drp kesudahan yang
berkemungkinan. Dgn memberikan bilangan yang mantap /tetap drp
kesudahan yang berkemungkinan , teknologi ini cuba memperoleh
keputusan yang terbaik dan baru. Teknologi ini lazimnya digunakan
oleh sekutuan dan kluster ( pengelompokan)
Pokok Struktur berupabentuk pokok yang memmaparkan set drp keputusan.
Keputusan Teknologi ini membina model ramalan melalui memecahkan set data
ke bawah secara terpisah atau kumpulan kecil. Ianya bekerja drp
mengeneralisasikan maklumat kepada menambahkan lebih maklumat
yang spesifik. Ianya mengandungi nod dasar atau induk yang diikuti
oleh nod-nod. Setiap nod dilabelkan dengan soalan. Lengkungan atau
keluk disekutukan dgn setiap nod memepersembahkan semua
tindakbalas yang berkemungkinan atau kesudahan.
5.4 Visualilasi
Visualilasi Data
53
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Turban et al. (2005) : visualisasi data adalah seperti teknologi yang menyokong visualisasi dan
kadang-kadang adalah interpretasi drp data dan maklumat pada beberapa point di sepanjang
rantaian pemprosesan data.
- menunjukkan secara visual hubungan antara data dan bentuk yang tidak dapat dilihat
dalam media berita.Ianya membahagikan maklumat ke dalam band-band.Apabila band-
band ini dipersembahkan bersama-sama , ianya menampakkan bentuk yang mendasari
dalam laporan berita merentasi budaya dan segmen berita dalam perubahan yang
berterusan disekeliling glob ( Weskamp, 2003 )
i. Warna : bahagian berita yang berbeza menggunakan warna asas yang berbeza .
Kebanyakan berita terkini menunjukkan warna-warna yang cerah sementara yang
lebih tua nampaknya gelap
ii. Bentuk ( Shape ) : setiap bahagian dipaparkan dgn bentuk segi empat
iii. Saiz : saiz segi empat adalah nisbah kpd perkaitan drp berita-berita
iv. setiap bahagian daripada berita menunjukkan tekstur tajuk berita dengan mudah
dibaca
b) TableLens
54
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
c) AVS Software ( Perisian AVS )
- adalah perisian visualisasi data dibekalkan oleh Advand Visual System (AVS)
- adalah teknik visualisasi data yang tidak terhad
GLOSARI
Data : fakta mentah atau fakta yang belum diproses utk menyatakan maknanya kpd
pengguna akhir.
Ekstraksi Data : komponen yang digunakan utk ekstrak dan mengesahkan data yang diambil
drp pangkalan data operasi dan sumber data luaran
( Penyaringan Data )
Model Data : memepersembahkan, biasanya grafik drp struktur data dunia nyata yang
kompleks. digunakan dalam fasa reka bentuk pangkalan data daripada kitar hayat
pangkalan data.
Pangkalan Data : struktur computer yang menyimpan koleksi drp hubungan data
Drill Down : utk menghuraikan data ke dalam komponen yang lebih atom spt data pada tahap
rendah drp pengumpulan.
Maklumat : data yang disusun dalam bentuk yang bermakna mengandungi data yang
ditransformasi dan memudahkan membuat keputusan
Pengetahuan : item data atau maklumat diuruskan dan diproses kpd menyatakan
pemahaman, pengalaman, dihimpunkan pembelajaran dan kepakaran agar boleh
digunakan untuk masalah dan aktiviti semasa
Pernormalan : proses yang menentukan atribut kepada entity alam begitu rupa dengan
kelewahan data dikurangkan atau disingkirkan
55
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Ujian 1
Data adalah fakta mentah atau fakta yang belum diproses utk menyatakan
maknanya kpd pengguna akhir. Cthnya: Senarai pelajar yang mempunyai Nama,
Nombor Matrik,Jantina, Alamat
Maklumat adalah data yang disusun dalam bentuk yang bermakna
mengandungi data yang ditransformasi dan memudahkan membuat keputusan
Pengetahuan adalah item data atau maklumat diuruskan dan diproses kpd
menyatakan pemahaman, pengalaman, dihimpunkan pembelajaran dan kepakaran
agar boleh digunakan untuk masalah dan aktiviti semasa
Gudang Data : pangkalan data yang besar yang terkandung maklumat bisnes yang
membolehkan pengguna akhir mendapatkannya.
Data di dalam Gudang Data diuruskan dalam format dan struktur yang memudahkan ekstraksi
data, analisis data dan membuat keputusan.
Pangkalan data : koleksi drp data yang dihubungkaitkan, diuruskan, dan disimpan utk
membenarkan kpd memudahkan dapatan semula data. Strukturnya mestilah bersesuaian dgn
keperluan organisasi
56
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
MOLAP ( MultiDimensional OLAP)
- MOLAP menyediakan kefungsian OLAP melalui penggunaan pangkalan data
multidimensional
- Data yang disimpan boleh dipaparkan dlm data 3D / data kiub
- Data kiub boleh digunakan kpd kiub n-dimensi / hiperkiub
- Data kiub adalah static , tidak boleh diubah dan mesti dicipta sebelum boleh digunakan
- Pertanyaan hanya boleh dibuat pada pra-cipta kiub dgn kenalpasti pemotongan (axes)
Data Mining – proses menganalisis data utk mengenalpasti gaya atau hubungannya dalam
pangkalan data.
Data Mining proses yang ekstrak maklumat drp pangkalan data yang mana pengguna tidak
tahu kewujudannya
Teknolgi : Analisis Statistik, Rangkaian Neural, Algoritma Genetik dan Pokok Keputusan
Model ( dalam konteks DSS ) adalah seperti pemproses yang membenarkan DSS untuk
memproses dengan berkesan input untuk menghasilkan jawapannya kepada pengguna.
Model-
Model-Driven (MDDSS) bergantung banyak kepada model sesetengah untuk menghasilkan atau
mempamerkan hasilnya menjadi pengguna akhir
6.1.1 Jenis-
Jenis-Jenis Model
a) Model Ikonik ( Skala ) : jenis drp tranformasi linear yang mentransform konfigurasi drp objek
seperti replica fizikal system dalam skala yang berbeza drp objek asal 2D / 3D
b) Model Analog : adalah model yang mempersembahkan tingkahlaku drp system yang hampir
sama dgn persembahan system yang betul. 2D carta atau gambarajah
57
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
c) Model Matematik ( Kuantitatif ) : persembahan yang abstrak drp situasi masalah yang wujud
menggunakan bahasa matematik untuk menerangkan tingkahlaku system seperti
pengurusan, biological, ekonomik, fizik atau kewangan graf atau carta
Model dalam Subsistem Pengurusan Model boleh diklasifikasikan kpd empat kategori utama
iaitu :
Kategori Model:
58
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Faktor Deskripsi
Membuat tahap untuk dipastikan bahawa sesetengahnya keputusannya ialah
keputusan di penting, oleh itu tidak wajar untuk di ubah.- diandaikan
bawah kepastian pengetahuan yg lengkap telah tersedia, pembuat keputusan tahu
akibatnya atau hasil drp setiap arah untuk tindakan. Model
berdasarkan andaian adalah mudah utk bekerja dgn dan boleh
menghasilkan penyelesaian yg optima
Membuat Ketidakpastian bermaksud syak/was-was: kenyataan yg tidak
keputusan di pasti. Keadaan, peristiwa, akibat atau suasana yang terhad, nilai
bawah ketidak atau akibatnya adalah tidak boleh diramalkan atau dijangka. Di dlm
pastian situasi ini, beberapa hasil boleh berlaku utk setiap arah tindakan.
Analisis DSS, semestinya cuba utk menjauhi andaian yang tidak
perlu kerana ianya amat sukar utk modelkan situasi sedemikian.
Kita harus cuba utk memperolehi maklumat yang lebih, dgn itu
masalah akan di modelkan andaian situasi risiko. Perbezaan utk
membuat keputusan di bawah risiko, kita tidak jangka/ tahu
kemungkinan atau peluang drp kejadian drp hasil yang boleh
berlaku.
59
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Faktor Deskripsi
Membuat Risiko adalah berkenaan dgn kehilangan / kekurangan. – Risiko
keputusan juga dikenali sebagai kerangkalian / stokastik situasi membuat
dibawah risiko keputusan. Risiko boleh diukur. Analisis risiko boleh
( Analisis Risiko) dipersembahkan melalui menghitung nilai yang dijangka drp setiap
alternatif dan memilih satu drp nilai yang dijangka. Beberapa
teknik boleh digunakan utk tangani analisis risiko. Analisis ‘What-
if’ adalah kemahiran drp pertanyaan dan manipulasi Model Driven
DSS utk menentukan apakah kesan yang akan merubah
kebanyakan data input atau pembolehubah bebas.
Deardof, 2001 :
Model Statik ekstrak drp proses melalui keseimbangan atau kekuatan optimum dicapai hanya
melebihi masa, mahupun kebergantungan daripada pembolehubah-pembolehubah dalam
model itu sendiri ke atas perubahan masa lalu atau pd masa depan.
Pengesahan Model adalah proses dalam membandingkan output model dengan tingkahlaku
sebenar drp fenomena yang dimodelkan.
60
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Kitar Hayat Pemodelan :
61
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.4 Gambarajah Influence ( Pengaruh )
- pengurus biasanya suka melihat hasil yang mudah untuk difahami, senang digunakan dan
tidak memerlukan banyak klasifikasi.
Howard and Matheson (1998); Influence Diagram (ID) perkakasan formal untuk model
keputusan masalah untuk pembuat keputusan dan analisis
Carta Alir ( Flowchart) persembahan grafik yang digunakan untuk paparkan aliran
pengaturcaraan semasa proses analisis dan reka bentuk
Influence Diagram (ID)
(ID teknik pemodelan yang digunakan apabila membuat pengaturcaraan
– ianya digunakan untuk memetakan rekabentuk model dengan persembahan grafik drp model
digunakan untuk membantu di dalam rekabentuk model, pembangunan dan pemahaman
Pemodelan ID Diskripsi
a) Certain - Anak Panah = pengaruh (influence)
Influence - Pembolehubah disambungkan oleh anak panah yang
(Pengaruh menunjukkan arah/arahan drp pengaruh.
Tertentu) - anak panah pengaruh bermakna bahawa itu nilai daripada
pembolehubah mempengaruhi dalam set pertama dan digunakan
b) Uncertain menentukan tahap pembolehubah yang dipengaruhinya.
Influence - certain influence dgn anak panah lurus
- uncertain influence dgn anak panah tidak lurus
62
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.4.1 Certain Influence ( Relationship) : Pengaruh Yang Pasti ( hubungan)
Bayaran
Bayar Muka Bulanan
6.4.2 Certainty Influence with Random (Risk) Variable ( Pengaruh Kepastian dengan
Pembolehubah Rawak ( Risiko)
Belanja Pendapatan
Berubah
Menjelaskan garis lurus drp pengaruh antaranya menunjukkan bahawa jika tahap drp Belanja
Berubah dijumpai , Pendapatan akan diketahui juga.
6.4.3
6.4.3 Uncertainty (Risk) Relationship ( Hubungan Ketidakpastian ( Risiko ) )
Situasi penting di mana kewakan dalam pembolehubah adalah wajar kedua-duanya untuk
kerawakan dalam mempengaruhi pembolehubah dan pengaruh tidakpasti.
63
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.4.4 Uncertainty (Risk) Relationship with Random Variable ( Hubungan Ketidakpastian (Risiko)
dengan Pembolehubah Rawak)
~ Penyerahan
Permintaan
Kos Cukai
Harga Produk
64
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.5 Analisis Keputusan
Whitepaper (2000) : merupakan jalan mudah bagi mewakili dan memproses klasifikasi
pengetahuan / pengalaman. RM40,000
Sewaan Baru
Ganjaran
RM 80,000
Pasaran Baik (0.4)
RM 85,000
Izin sendiri
OK (0.8)
RM 100,000
Gagal (0.2)
-RM20,000
65
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.5.3 Payoff Table ( Jadual Ganjaran )
Analisis Keputusan adalah proses agar membolehkan pembuat keputusan untuk memahami
hakikat daripada situasi dan risiko-risiko dan membenarkan pembuat keputusan untuk
memutuskan sedikit dan kebanyakan pilihan daripada set daripada alternatif keputusan yang
boleh berlaku.
a. hanya seorang individu yang bakal dilantik sebagai pembuat keputusan Cthnya, CEO,
COO atau pengurus syarikat
b. bilangan yang terhad drp peristiwa yang mungkin berlaku ( masa depan ) adalah
dipanggil ‘States of Nature’ ( set drp scenario yang boleh berlaku )
c. bilangan yang terhad drp alternatif keputusan yang mungkin berlaku ( cthnya, tindakan )
adalah tersedia untuk pembuat keputusan
d. Ganjaran ( pulangan atau hasil drp keputusan ) adalah elemen bila mana kombinasi yang
berbeza drp keputusan dan ‘state of nature’ ( ketidakpastian) menghasilkan ganjaran
yang berbeza. Ganjaran biasanya dipaparkan dalam jadual. Dalam analisis keputusan
ganjaran dipaparkan melalui nilai positif (+) untuk pendapatan bersih, gaji, atau
keuntungan dan nilai negatif (-) untuk belanjawan, kos, atau kerugian bersih
analisis memerlukan ketelitian yang lebih kerana ianya bukannya mudah untuk membentuk
matrik tersebut. Kesilapan yang biasa dalam analisis keputusan ialah :
i. salah tanggapan
ii. tidak mempunyai tanggapan yang tepat drp kemungkinan
iii. bergantung kepada jangkaan
iv. susah dalam mengukur fungsi utility
v. kesilapan ramalan
66
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Komponen drp model kemungkinan
Peristiwa
Model
Tindakan Matematik Ganjaran ( ulangan )
Turban et.al (2004) seperti satu langkah mudah untuk mengurus maklumat dalam cara yang
sistematik.
- digunakan untuk model logik yang komplikated (rumit )
- seperti struktur kawalan yang dipelajari dlm kursus pengaturcaraan seperti kenyataan if-
if-
then-
then-else dan switch-
switch-case
- Kenyataan di dalam Jadual Keputusan adalah conditions ( syarat/keadaan) dan actions
(tindakan)
67
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.6 Kaedah / Cara Menyelesaikan Masalah
Kenyataan awal
Pendekatan untuk mencari, bergantung kpd jenis masalah untuk diselesaikan dan jenis
pendekatan pemodelan :
68
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.6.1 Teknik Analitikal
Analitikal
Giliran ( queue) adalah senarai di mana nod-nod selalunya ditambahkan kpd penghujung
senarai tetapi dipindahkan drp hadapan
69
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6.6.3 Heuristic Search ( Penyelidikan / Pencarian Heuristik )
6.7 Sistem
Sistem Pemodelan
70
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
GLOSARI
Decision Support ( Sokongan keputusan) : penggunaan data, model dan analisis utk memberi
pemahaman yang membantu membuat keputusan
Management Science ( Sains Pengurusan ) : aplikasi yang sistematik drp proses pemodelan
kepada situasi pengurusan
Model Base ( Pangkalan Data ) : koleksi drp jenis-jenis model yang diisikan dalam media
storan elektronik dan boleh dicapai kpd pengguna dan program
Physical Model ( Model Fizikal ) : model seperti model kereta yang komponennya adalah
artifak fizikal drp ciri-ciri entity sebenar.
Problem ( Masalah ) : penerangan mengenai sesuatu yang boleh dilakukan dengan keadaan
Ujian 1
1. Apakah Sistem Pengurusan Pangkalan Model?
Sistem Pengurusan Pangkalan Model ialah mengurus pelbagai peralatan analitikal DSS, boleh
membezakan dlm nombor, saiz dan kompleksiti. Fungsi utamanya:
Memodelkan bahasa : utk cipta model keputusan mula dari asas atau drp model sedia
ada – mekanisma utk link dgn pelbagai model kpd membenarkan utk pemprosesan
berturutan atau pertukaran data
Model Perpustakaan : simpan dan uruskan semua model dan penyelasaian algoritma utk
mudah akses dan manipulasi
Model manipulasi : mengurus dan selenggara model asas dgn fungsi yg sama dgn apa yg
didapati dlm DBMS spt run, stor, pertanyaan, padam, link dll)
71
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
2. Jelaskan mengapakah menyelesaikan masalah di bawah ketidak pastian kadang-kala
melibatkan pengandaian bahawa masalah itu perlu diselesaikan di bawah keadaan drp risiko?
Analisis DSS, semestinya cuba utk menjauhi andaian yang tidak perlu kerana ianya amat sukar
utk modelkan situasi sedemikian. Kita harus cuba utk memperolehi maklumat yang lebih, dgn
itu masalah akan di modelkan andaian situasi risiko. Perbezaan utk membuat keputusan di
bawah risiko, kita tidak jangka/ tahu kemungkinan atau peluang drp kejadian drp hasil yang
boleh berlaku.
Pengenalan
Turban & Aronson (2001) menegaskan bahawa satu drp ciri-ciri utama DSS adalah
mengambilkira sekurang-kurangnya satu model.
Model Analitikal dan Matematik adalah komponen dominan ( paling utama ) dalam Model-
Model-
Driven DSS (MDSS) kerana model-model digunakan oleh pembuat keputusan untuk memahami
sifat-sifat semulajadi masalah.
Pembuat keputusan boleh menjalankan ujian dan analisis ke atas model drp kenyataan sebenar
lebih tepat drp system yang nyata.
Apabila membuat keputusan terlalu kompleks dan kepentingannya pada tonggak terlalu
berisiko, kerapkalinya tidak pasti apa untuk diputuskan.
- sering ke teknik sokongan keputusan yang tidak formal seperti bertanya kepada rakan-
rakan
- proses membuat keputusan mudah yang dihasilkan model keputusan dgn hanya dua
alternatif, dikenali sebagai Manicheanism
Manicheanism
Manicheanism membahagikan semua/ setiap satu dalam dunia ke dalam diskret (berlainan)
atau polar yang bertentangan seperti baik atau/dan buruk.
72
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Decision Science ( DS ) yang juga dikenali Operations Research (OR), Quantitative Analysisi
(QA), dan Management Science (MS) adalah sains membuat keputusan.
Quantitative Analysisi (QA) atau OR/MS adalah aplikasi drp kaedah membuat keputusan kepada
membuat keputusan.
Kuantitatif bermaksud yang pendekatan ini berdasarkan pemodelan matematik. Ianya adalah
pendekatan sains untuk automasi kongsian drp membuat keputusan pengurusan.
Model adalah pemisahan atau ringkasan / synopsis drp situasi keputusan dunia nyata.
Paling meluas digunakan model-model ialah bahasa percakapan atau dikenali sebagai model
naratif.
Contohnya : laporan verbal, atau penulisan dokumen adalah model tengah/pusat untuk
kesedaran.
73
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
c) Pemodelan
- Pemodelan melibatkan perubahan masalah bisnes ke dalam struktur prototaip yang
bersesuaian seperti model matematik.
- Proses perubahan melibatkan pemprosesan dan pemanipulasian data mentah ke dalam
maklumat yang lebih bermakna
- model matematik diubahkan ke dalam versi elektronik atau model computer
menggunakan sama ada pakej perisian statistic, perisian ramalan, pakej pemodelan atau
perkakasan pengguna akhir seperti Microsoft Excel
- adalah perlu untuk ‘customize’ model-model menggunakan perkakasan dan bahasa
pengaturcaraan seperti C++, Java atau Visual Basic.
d) Peranan Model-
Model-Model Matematik
- Model Matematik digunakan untuk analisis
- nilai drp kekunci pembolehubah atau parameter model boleh diubahkan berulang-ulang
- Perubahan dibuat untuk menunjukkan perubahan dan ketidakpastian dalam sebarang situasi
keputusan seperti pemintaan dan penawaran, system penggiliran, pengeluaran, ekonomi, kos
dan faedah dan sebagainya
- Output atau keputusan daripada menggunakan model masih perlu dianalisis dan dinilai oleh
pembuat keputusan kerana MDDSS bukanlah system pembuatan keputusan, ianya hanya
menyokong proses pembuatan keputusan oleh manusia
e) Pangkalan Model
- keperluan untuk pembuat keputusan akses kepada pelbagai model dan menbantu dalam
membuat keputusan.
74
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
7.2.1 Klasifikasi Model Matematik
Marakas , 1999:
Jenis-
Jenis-Jenis Model Ciri-
Ciri-Ciri
Simulation - gabungkan ketidakpastian ke dalam strukturnya. Sekurang-
( Simulasi ) kurangnya satu drp pembolehubah adalah tidakpasti dan
dijelaskan oleh beberapa fungsi kemungkinan
- bila membina model stokastik , pembuat keputusan mengagih
nilai input drp satu atau lebih pembolehubah disekitar beberapa
nilai bermakna dan pembolehubah output ambil bentuk drp
pengagihan frekuensi lebih drp nilai set diskret
- teknik pemodelan stokastik termasuklah teori permainan, teori
giliran, pengunduran linear, analisis siri masa, analisis laluan,
dan pengunduran logistic atau analisis logik.
Deterministic - digunakan apabila konteks masalah adalah hibrik (kepelbagaian)
( Ketentuan ) ; yang bermaksud beberapa komponen kontek keputusan adalah
berketentuan, beberapa lagi stokastik, dan beberapa lagi
gabungan kedua-duanya.
- Dibangunkan utk membenarkan kombinasi pelbagai model
- Menguruskan satu atau lebih eksperimen yang menguji pelbagai
keputusan hasil drp kombinasi pemodelan sub-sistem ke dalam
persekitaran dinamik
- Mencontohi reality
- Model simulasi biasa adalah pemodelan pengeluaran,
pengangkutan dan logistic dan ekonomik
Domain Specific - pembolehubah hanya mengambil satu nilai pada sebarang masa
Domain Tertentu / pengambilan
Khusus - model berketentuan termasuklah pengaturcaraan linear,
pengaturcaraan bukan linear, persamaan-perbezaan
Stochastic - set drp teknik pemodelan matematik abstrak dibangunkan untuk
( Stokastik) melayan satu medan tertentu
- Cthnya: model pembekalan dan permintaan adalah model unik
digunakan oleh para ekonomi. Lain-lain domain yang dikenali
sebagai penyelidikan operasi, sosiologi, ekologi, perubatan, dan
meteorology yang dibangunkan dgn teknik pemodelan abstrak
tersendiri.
75
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
7.2.2 Komponen Drp Model Matematik
Hubungan
Matematik
Contoh Pembolehubah:
76
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
b) Parameter atau
atau Pembolehubah Tidak Dapat Dikawal ( Uncontrollable Variables or
Parameter )
77
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
c) Pembolehubah Hasil Yang Sederhana ( Intermediate Result Variables )
adalah satu analisis yang dijalankan untuk mencapai kesan bagi perubahan di dalam data
input atau parameter pada pembolehubah hasil.
Cth: Apakah kesan drp perubahan dalam harga petrol dan disel kpd keuntungan bersih runcit.
Analisis Sensitiviti adalah amat penting dlm DSS kerana ianya menyediakan pemahaman yang
terbaik drp model keputusan
Analisis Mencari Sasaran menghitung nilai-nilai drp input-input yang mustahak untuk
menghasilkan tahap yang diingini ke atas output ( sasaran )
7.4 Deterministic Model ( Model Penentuan ) : break even point ( meleraikan titik yg rata )
Break – Even – Point ( BEPs) ialah titik jumlah jualan di mana jumlah keseluruhan pendapatan
dan Jumlah keseluruhan perbelanjaan ialah sama ; yang di mana terdapat untung tidak juga
hilang
- untuk produk, jenama atau syarikat adalah titik di mana jumlah keseluruhan pendapatan
sama jumlah keseluruhan kos.
78
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
7.4.1 Spreadsheet Based BEP
- teori pengurusan berbaris adalah penting untuk mencipta jadual, rekabentuk kerja,
pengurusan inventori dsbnya
- teori berbaris : kajian drp menunggu barisan satu drp yang tertua dan paling meluas
digunakan teknik analisis kuantitatif.
7.5.1 Ciri-
Ciri-Ciri Sistem Berbaris
a) Ciri-
Ciri-Ciri Ketibaan/Kedatangan
Ketibaan/Kedatangan
i. saiz drp penduduk : saiz penduduk dipertimbangkan kepada sama ada unlimited (
tidak terhad ) ; infinite ( tidak tentu ) atau limited ( terhad ) : finite ( terhad ) Cth :
Unlimite kereta yang tiba di pondok rehat lebuhraya PLUS; Limited pengguna
siberkafe terhad kpd bilangan PC
ii. corak kedatangan pada system : pelanggan sama ada tiba di kemudahan
Perkhidmatan mengikut jadual ( Cth: Pensyarat sediakan jadual hanya seorang pelajar
diberi nasihat setiap setengah jam ) atau kedatangan secara rawak. Kekerapan
masalah-masalah giliran, Jumlah kedatangan boleh dianggarkan bagi setiap unit bagi
sesuatu masa boleh dijangkakan oleh pengagihan kemungkinan dikenali sebagai
pengagihan poisson.
poisson
iii. Akhlak atau tingkahlaku kedatangan : Kita perlu membuat anggapan ke arah tingkah
laku orang yang menunggu baris. - perlu mengandaikan bahawa pelanggan tidak
keberatan atau mungkin janji. Balking ( keberatan / tidak mahu tunggu ) , Renege (
seseorang itu menunggu dalam barisan, tetapi beberapa minit kemudian mengambil
keputusan untuk meninggalkan barisan )
b. Ciri-
Ciri-Ciri Menunggu Dalam Barisan
- jarak masa barisan menunggu sama ada terhad atau tidak terhad
- disiplin barisan menunggu ( First-In-First-Out : FIFO ) atau ( First-In-Last-Out) , ianya
bergantung kepada situasi.
79
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
c. Ciri-
Ciri-Ciri Kemudahan Perkhidmatan
- tatarajah sistem perkhidmatan
- corak drp masa perkhidmatan
Tatarajah / Contoh
Konfigurasi
Sistem Saluran Hanya disediakan satu pelayan sahaja. Cth: Kaunter pandu masuk
Tunggal McDonald’s, hanya mempunyai satu kaunter sahaja
Sistem Perkhidmatan Mempunyai banyak saluran , cthnya bank ada banyak kaunter
Multi Saluran
Sistem Fasa Tunggal Gerai ‘Mamak’ yang mana individu tersebut yang mengambil pesanan
dan juga yang memberikan makanan dan mengambil bil
Sistem Multi Fasa Pusat kesihatan, kita harus daftar pada kaunter pendaftaran, dan
kemudiannya menunggu untuk dipanggil oleh jururawat, berjumpa
doctor untuk rawatan, mengambil resit ubat dan seterusnya membayar
bil.
80
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
ii. Perkhidmatan Semasa Pengedaran
berapa lama seorang doktor diagnosis seorang pesakit atau berapa lama mekanik memasang
radio yang baru di kereta anda, ialah corak ketibaan Pelanggan.
Masa Perkhidmatan ialah disebarkan secara rawak
Chase et.al ( 1998) : Objektif asas drp pengurusan barisan menunggu adalah untuk
mengimbangi kos drp barisan menunggu dgn kos untuk menambahkan sumber-sumber yang
lebih.
Cthnya:
Cthnya MobileVending Sdn. Bhd. Membekalkan penjualan perkhidmatan ‘top-up’ untuk
syarikat-syarikat telekomunikasi seperti Maxis, Celcom, Digi dan TmNet kepada universiti-
universiti di sekitar Lembah Kelang di mana pelajar-pelajar boleh membeli kad ‘top-up’
daripada mesin-mesin yang disediakan. Dalam pada itu, pihak syarikat perlu membaiki
masalah secara berterusan. Mesin mengalami masalah purata 5 kali sejam . Kos masalah ialah
RM27/jam bagi setiap mesin dan setiap juruteknik mengambil RM6 sejam. Seorang juruteknik
boleh servis mesin dgn purata 7 mesin sejam, diagihkan dgn banyak dan pasukan dri dua
pekerja boleh membuat 9 mesin sejam. Situasi keputusan pengurusan adalah untuk
mengenalpasti bilangan optimum drp juruteknik untuk servis mesin tersebut.
81
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Purata bilangan mesin dalam system ialah
5/ 7-5 = 5/2 = 2.5
Kos kerosakan/ masalah ( 2.5 X RM27) = RM 67.50
Buruh ( 1 juruteknik X RM 6) = RM 6.00
Jumlah = RM 73.50
7.6 Simulasi
- simulasi adalah satu teknik bagi menjalankan ujikaji yang menguji berbagai hasil
daripada kombinasi sub-sistems yang dimodelkan ke dalam persekitaran dinamik.
- Secara umumnya merujuk kepada teknik untuk meniru perkataan nyata secara
matematik, kemudian melakukan ujikaji kepadanya dengan sebuah komputer
- simulasi ini boleh digunakan apabila satu sistem mengandungi unsur-unsur yang
menunjukkan secara kebetulan dalam tingkah lakunya.
- Asas simulasi ini ialah pengujikajian pada unsur-unsur itu secara kebetulan
( kebarangkalian )melalui pensampelan rawak.
Render & Stair 2000 , lima langkah mudah teknik ‘break down’ :
Peramalan ( forecasting) merupakan jangkaan drp nilai pembolehubah( atau set daripada
pembolehubah-pembolehubah ) pada sesetengah titik masa hadapan dalam satu masa.
82
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Render & Stair (2000) memastikan kita bahawa latihan peramalan menyediakan satu bantuan
pembuat keputusan dan dalam merancandkan masa depan.
Semua latihan ke atas andaian adalah jika kita yang dapat meramalkan apa masa depan akan
berlaku, kita boleh menyesuaikan tingkah laku kita sekarang yang lebih baik berbanding
sebaliknya dan bila masa depan akan tiba/dating.
Terdapat banyak aplikasi untuk peramalan seperti peramalan permintaan untuk produk,
peramalan maklumat kewangan seperti kadar faedah, kadar tukaran, harga kongsian, dll
enis-
Jenis-Jenis Yang Berbeza Drp Kaedah Peramalan
Kaedah Deskripsi
Kaedah Kualitatif Apabila tiada data yang dibenarkan agar boleh digunakan untuk
meramalkan masa depan ; ini bermakna tiada model matematik
formal. Metodologi ini cuba utk mennerangkan fenomena yang perlu
dikaji tanpa menggunakan kaedah kuantitatif. Cthnya: cerita atau
petikan daripada perbincangan.
Kaedah Regresi / Pendekatan analisis data yang digunakan utk meramalkan satu
Pengunduran pembolehubah melalui pengetahuan satu atau lebih lain-lain
pembolehubah. Analisis Regresi digunakan utk jawapan soalan seperti
“berapa baik yang dapat saya meramalkan nilai-nilai satu
pembolehubah, seperti kekerapan permintaan (Y), oleh mengetahui
nilai-nilai drp pembolehubah lain seperti perbelanjaan ke atas
pemasaran (bajet) dan atau harga keseluruhan jualan (X)?”
Kaedah Pelbagai Di mana Terdapat sejumlah kebergantungan pembolehubah-
Persamaan pembolehubah yang berinteraksi dengan satu sama lain melalui siri
persamaan ( seperti dalam Model Ekonomik )
Kaedah Siri Masa Di mana mempunyai pembolehubah tunggal yang dinamik dan yang
nilai masa hadapan berhubungan dalam beberapa segi kepada nilai
masa lalunya. ( perubahan sepanjang masa )
- adalah teknik untuk kita bagi menyiasat satu atau lebih persekutuan pembolehubah dgn
pembolehubah yang diramalkan.
83
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Cth:
Cth jualan suratkhabat mungkin dikaitkan kpd promosi yang mana adakal bajet pengiklanan
adalah strategi yang baik, harganya yang 20 sen lebih murah drp persaingan terdekat dan
bahkan isu-isu sensasi dan ekonomi. Jualan suratkhabar dipanggil Dependent Variable (
pembolehubah bergantung ) dan pembolehubah yang lain dikenali pembolehubah tidak
bergantung. Oleh itu apabila mendapati pembolehubah dihubungkan, perlulah membina model
statistic untuk meramal kepentingan pembolehubah iaitu Jualan. Kebiasaan model akibat
kaedah peramalan ialah Analisis Pengunduran
a. model boleh menjelaskan kenyataan dengan tepat. Jika diformulakan dgn betul,
model boleh menjadi benar-benar tepat dalam mewakili sistem dunia sebenar
b. model boleh menolong pembuat keputusan merumuskan masalah-masalah
c. model boleh memberi kita pemahaman dan maklumat
d. model boleh menjimatkan masa dan wang dalam membuat keputusan dan
menyelesaikan masalah. Ia selalunya mengurangkan masa, usaha, dan
perbelanjaan untuk menganalisa model
e. model mungkin hanya satu cara untuk menyelesaikan beberapa banyak atau
masalah yang kompleks dalam gaya semasa.
f. Model boleh digunakan untuk komunikasi masalah dan penyelesaian kepada yang
lain. Analisis keputusan boleh berkongsi kerjanya dgn lain-lain analisis keputusan.
Penyelesaian kpd model matematik boleh diberikan kepada pengurus dan para
eksekutif untuk menolong mereka membuat keputusan akhir.
84
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
GLOSARI
Model Analog : representasi / perwakilan drp satu set hubungan Cth: jangkasuhu atau meter
kelajuan dalam kereta
Simulasi Monte Carlo : Simulasi bahawa pengujian dgn elemen-elemen kebarangkalian drp
system melalui menghasilkan bilangan yang rawak untuk mencipta nilai-nilai untuk
keseluruhan elemen.
Selang/ Jeda Bilangan Rawak : julat drp bilangan rawak yang ditentukan untuk mewakilkan
hasil simulasi yang mungkin.
- pengguna taip maklumat di dalam format kolum yang berasaskan struktur drp
spreadsheet perakaunan yang terdiri daripada satu pelapik kolum dan baris
- program aplikasi yang direka untuk memanipulasi data numeric
- cth: data kewangan, stok pertukaran dan rekod masa seperti Lotus 1-2-3, MS-Excell dan
Corel Quattro Pro
- aplikasi yang ideal digunakan untuk analisis data tetapi tidak sesuai untuk pengumpulan
dan pngurusan data.
- Untuk kumpul dan uruskan data, cthnya Oracle Performance Manager Data,IBM Red Brick
Warehouse atau Microsoft Business Solution Analytics
85
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
a) Why Electronic Spreadsheet as a DSS?
Kekuatan utama menggunakan spreadsheet seperti Excell untuk menghasilkan DSS adalah
sangat istemewa dicipta untuk mengendalikan manipulasi data numeric.
Seperti Penjana DSS , ianya membolehkan untuk intergrasi analisis data dan model analisis (
simulasi atau pengoptimaan ) di dalam buku kerja.
Excell mempunyai nombor / bilangan yang sangat besar drp fungsi yang terbina di dalamnya
untuk kewangan, statistic dan analisis numeric.
Kecekepan ini membolehkan lembaran kerja ini menjadi perkakasan penting, efisien dan
efektif untuk analisis, perancangan dan pemodelan.
Dari segi pedagogi, ianya memberikan peluang untuk melihat aplikasi praktikal untuk benyak
model dan pendekatan penyelesaian yang dipelajari sebelum ini.
Cell :
- ianya diwakilkan seperti antara bahagian drp kolum dan baris di dalam spreadsheet
- pengguna meletakkan data numeric atau teks dalam cell
- pengguna menulis formula menggunakan fungsi-fungsi untuk manipulasi data
- susunatur (layout) spreadsheet adalah sama seperti jadual.
86
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Cell Aktif adalah cell yang boleh dimasukkan maklumat yang dihighlight dgn sempadan warna
hitam.
Kombinasi huruf kolum dan nombor baris seperti B2 adalah Rujukan Cell
- formula boleh ditambahkan secara automatic dan boleh dimanipulasi bagi dihitung
secara automatic.
( untuk latihan seterusnya saya tak translate sebab ianya adalah penggunaan Excell )
Add-
Add-in : program tambahan yang menambahkan arahan kebiasaan drp ciri-ciri biasa ke dalam
Microsoft Office
Add-
Add-in Deskripsi
Analisis ToolPak Menambah kewangan, statistik dan perkakasan dan fungsi analisis
kejuruteraan
Analisis ToolPak Membenarkan pembangun untuk menyiarkan kewangan, statistik
VBA dan perkakasan dan fungsi analisis kejuruteraan menggunakan
Sintaks Analisis ToolPak
Internet Assistant Membenarkan pembangun untuk menyiarkan data Excell kepada
VBA web melalui penggunaan Sintaks Pembantu Internet
Looked Wizard Mencipta formula untuk melihat ke atas data di dalam senarai
melalui penggunaan lain-lain nilai yang diketahui di dalam senarai
Solver Add-in Menghitung penyelesaian kpd scenario ‘what-if’ berdasarkan cell
yang boleh diselaraskan dan cell desakan / sekatan
87
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
GLOSARI
Pencarian Sasaran : kebolehan drp permintaan perisian komputer apakah nilai-nilai tetap
pembolehubah2 yang mesti mempunyai pesanan untuk mencapai sasaran yang diingini. Ianya
adalah perkakasan yang menggunakan perhitungan iterative untuk mencari nilai yang
diperlukan dalam satu sel. Penggunaan biasa drp sifat pencarian sasaran dalam lembaran kerja
adalah menghitung kuantiti pecahan sekata
Pengaturcaraan linear : model matematik untuk penyelesaian yang optima drp sumber yang
peruntukan masalah. Adalah model biasa yg digunakan dalam MDDSS
MDDSS ( Model Driven DSS ) : Jenis drp DSS yang menekankan capaian kepada dan manipulasi
drp model. Statistik mudah dan perkakasan analitikal menyediakan paling banyak tahap asas
daripada kefungsiannya. Cth: statistic, kewangan dan pengoptimuman. MDDSS menggunakan
kewangan, statistic, pengoptimuman dan model kepakaran yang kompleks untuk menyediakan
sokongan keputusan. MDDSS menggunakan data dan parameter yang disediakan oleh pembuat
keputusan kpd membantu pembuat keputusan dalam menganalisa situasi, tetapi tidak selalu
data intensif/padat, pangkalan datanya besar yang selalunya tidak diperlukan untuk MDDSS.
Analisis ‘What-
‘What-if’ : kebolehan drp menanya pakej perisian apakah kesan akan terjadi oleh
merubah beberapa data input atau pembolehubah tidak bersandar/ bergantung.
88
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Pengenalan
Kecerdasan Buatan ( Artificial Intelligence : AI ) : adalah teknik yang membuat system atau
mesin meniru / mencontohi cara pemikiran manusia.
AI membuatkan system menjadi cerdas seperti mana yang dilakukan oleh manusia
Penyedikan AI
- cuba ditampilkan dengan teknik supaya boleh membuatkan system computer
menyerupai kecerdasan manusia
- mendapatkan secara berterusan ciri-ciri terbaik daripada kecerdasan manusia yang
boleh meniru ke dalam AI
- penyelidikan yang popular adalah robotik
89
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Kelebihan AI
- lebih murah drp kecerdasan semulajadi CTH: system pakar diabetes boleh
mengurangkan tugas doktor dalam memberikan nasihat rutin kepada pesakit diabetes.
- Lebih mantap / kekal. Perubahan pekerja pakar akan menyebabkan kemusnahan
kecerdasan asal / kebiasaan dalam syarikat. Menghadapi pekerja baru mungkin tidak
mempunyai kepakaran yang sama.
- Mudah untuk menyalin pakar-pakar. Proses tranformasi drp seorang pakar kepada orang
lain memerlukan masa yang panjang.
- Boleh didokumentasikan – membenarkan proses mengesan aktiviti-aktiviti.
- Kadang-kadang boleh melaksanakan tugas-tugas tertentu lebih cepat drp yang manusia
lakukan.
- Kadang-kadang boleh melakukan/ melaksanakan tugas yang manusia tidak boleh
lakukan.
- komputer direka untuk melaksanakan tugas drp mudah kepada yang lebih komplekated,
berdasarkan keperluan manusia.
- komputer tidak mampu utk belajar drp pengalaman seperti manusia
- Apabila , keputusan dibuat, komputer tidak hanya memikir atau akses sebarang akibat
keluar daripadanya
- Sasaran AI untuk meningkatkan tingkahlaku mesin, oleh itu elemen kecerdasan boleh
ditanamkan ke dalam komputer semasa proses membuat keputusan dan penyelesaian
masalah
- komputer boleh meniru manusia melalui pengambilan ke dalam setiap akuan faktor yang
ditunjukkan kepadanya
- Penambahan AI, computer boleh belajar drp pengalaman seperti manusia dan kriteria ini
akan membantu membuat keputusan yang terbaik.
90
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
9.1.1 Some
Some AI Fields ( Beberapa Bidang AI )
- system ini menyimpan kepakaran manusia seperti pengetahuan drp kepakaran tertentu.
- System akan berinteraksi dgn pengguna untuk mendapatkan maklumat dan
menyelesaikan masalah berdasarkan ke atas pengetahuan.
- Rekabentuk system pakar yang terbaik ialah ianya boleh meniru proses pemikiran pakar
semasa menyelesaikan masalah spesifik, contohnya MyCIN ( program interaktif yang
mendiagnosis kesan penyakit tertentu, menentukan terapi antimicrobial dan boleh
menerangkan sebabnya dengan terperinci.
91
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
agen program yang akan dibebaskan kepada persekitaran ( seperti rangkaian ) untuk
melakukan tugas tertentu secara automatik.
- kriterianya ialah autonomous ( autonomi ) , ianya bekerja bagi pihak pengguna.
92
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Antivirus program yang dilarikan dalam sistem komputer ; semasa ianya dilarikan ia
menangkap/ mengesan sesuatu.
Penggunaan teknik agen kecerdasan dalam DSS akan membekalkan maklumat terkini, yang
akan menghasilkan keputusan yang baik untuk membuat keputusan. Beberapa lingkungan drp
agen kecerdasan adalah:
93
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Kepakaran individu dgn kemahiran atau pengetahuan khusus yang akan memberi
pengetahuannya kepada system dengan itu system akan memikir seperti manusia apabila
membuat keputusan.
94
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
a) Persekitaran Pembangunan
- pengetahuan didapati daripada pakar serentak dgn lain-lain maklumat yang
didokumentasikan akan dipindahkan kepada set peraturan oleh jurutera pengetahuan.
- Peraturan akan disimpan dalam pangkalan pengetahuan
b) Pangkalan Pengetahuan
- mengandungi peraturan drp pakar seperti fakta yang berkaitan kepada masalah domain.
c) Enjin Penyimpulan
- digunakan untuk mentadbir peraturan dalam pangkalan pengetahuan semasa proses
membuat keputusan
- enjin akan tadbir peraturan menuruti kepada fakta yang diberikan oleh pengguna dan akan
keluar dengan rumusan
d) Jurutera Pengetahuan
- individu yang memindahkan pengetahuan daripada pakar dan juga daripada maklumat yang
didokumentasikan ( buku dan artikel) kepada peraturan dan fakta yang akan disimpan dalam
pangkalan pengetahuan
e) Persekitaran Perundingan
- pakar dalam masalah domain spesifik akan membantu bukan pakar atau pengguna sasaran.
- perkhidmatan penjelasan akan menjelaskan dgn lebih lanjut secara terperinci bagaimana
system menghasilkan penyelesaian yang biasa.
- Interaksi antara pengguna akhir dan system akan berlaku melalui antaramuka
f) Proses Pembangunan
- diikuti oleh proses pembangunan prototaip pantas semasa pembangunannya
Aplikasi Penerangan
R1/XCON - dibangunkan oleh John McDermott pada lewat 70’an
- utk menolong dalam mensetkan konfigurasi dalam system computer
VAX di Digital Equipment Corporation
MYCIN - digunakan dipersekiataran perubatan menggunakan bahasa
pemprograman LISP oleh Edward Shortliffe
- mendiagnosis jangkitan dalam penyakit darah
E-Paddy - system diagnosis dan penasihat dibangunkan oleh sekumpulan
penyelidik di UKM
- system yang meliputi penyakit padi dan diagnosis kawalan perosak
ke atas tanaman padi
95
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Kategori Generik Drp Sistem Pakar
a). Supervised Learning ( Pembelajaran Yang DiAwasi ) : menunjukkan proses drp pembelajaran
yang meransang pengetahuan daripada set data, yang hasil akhirnya adalah diketahui
96
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Taksonomi Kaedah Pembelajaran:
a. Pembelajaran Induktif
b. Pemikiran Berasaskan Kes
c. Pengiraan Saraf
d. Algoritma Genetik
e. Kluster ( Pengelompokan )
f. Kaedah Statistik
9.5.1 Komponen
Komponen Asas ANN
a) Perceptron
Perception Tunggal dalam rangkaian sel saraf menerima beberapa isyarat seperti input
daripada perceptron lain yang disambungkan sama seperti menghantar iyaratnya kepada
perceptron lain dalam rangkaian seperti output. Bagi setiap unit input dalam perceptron (
termasuklah biasan) akan menjadi sepadan dengan pemberat (weight )
97
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
- sekurang-kurangnya 3 lapisan drp sel saraf ( neuron) : lapisan input dgn unit input,
lapisan tengah juga dikenali lapisan tersembunyi, dan lapisan output dgn unit output
- Unit Input mengambil input terus drp persekitaran seperti papan kekunci, pengesan
dsbnya
- Unit output menghantar output terus kepada persekitaran, manakala lapisan tengah atau
lapisan tersembunyi terdiri drp unit tersembunyi dan tidak secara terus disambungkan
kepada persekitaran
- Setiap neuron disambungkan kepada neuron lain dalam lapisan bersebelahan.
98
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
9.5.2 Contoh-
Contoh-Contoh Aplikasi menggunakan Teknik ANN
- popular dalam lombong data ( data mining ) utk meningkatkan proses menjumpai fakta
tersembunyi atau bentuk daripada simpanan data amat besar
- amat berguna kepada organisasi dalam proses membuat keputusan
b. Membuat Ramalan
- ANN juga digunakan untuk membuat ramalan, membuat keputusan menggunakan data mining
dalam pelbagai kawasan / bidang seperti perubatan, bisnes dan pengangkutan
c. Proses Kelulusan
- cth: ANN digunakan dalam Projek Genom Manusia untuk menklaskan DNA badan manusia – ANN
digunakan untuk analisis data mengklaskan gen drp jujukan DNA
99
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
GLOSARI
Artificial Intelligence ( AI ) : cawangan daripada Sains komputer yang cuba atur cara komputer
memberikan respons seolah-olah industri-industri ini pemikiran ; berkebolehan reasoning,
Menyesuaikan kepada situasi yang baru Dan kemahiran baru pembelajaran
Sistem Pakar : satu SISTEM dengan kepakaran penyelesaian masalah yang khusus.Kepakaran itu terdiri
pengetahuan tentang keterangan domain, pemahaman daripada masalah di dalam domain tersebut
dan kemahiran pada penyelesaian daripada beberapa masalah tersebut.Satu sistem pakar ialah suatu
kelas dari program komputer yang dibuat oleh penyelidik-penyelidik di kecerdasan tiruan.
Fuzzy Logic ( Logik Kabur ) : sebahagian drp kecerdasan tiruan dalam mana hubungan logik analisis
komputer yang mana lebih atau kurang kebenarannya ,
berbeza kepada logik yang biasa di mana hubungan adalah lebih rapuh.
ia adalah tambahan drp teknologi system pakar yang mana peraturan-peraturan itu boleh dgn tidak
tepat. Dgn logik fuzzy ( kabur ) ahli-ahli drp set mempunyai darjah drp keahlian yang julat drp 0-100%.
Cth: kenyataan ‘hari ini adalah terang dgn sinaran matahari’ , mungkin 100% betul jika tiada awan , 80%
betul jika terdapat sedikit awan, 50% betul jika berjerubu, dan 0% betul jika hujan sepanjang hari.
Algoritma genetik : adalah satu heuristik yang digunakan untuk mengetahui anggaran penyelesaian
kepada kesukaran untuk menyelesaikan masalah melalui penerapan/ aplikasi daripada prinsip-prinsip
biologi berevolusi dengan komputer sains.
Enjin Penyimpulan adalah sebahagian drp sistem pakar berdasarkan peraturan yang membuat
kesimpulan atau membuat keputusan yang logik. Enjin pembuat kesimpulan cuba memperolehi
jawapan drp pangkalan pengetahuan daripada.Ianya ialah otak sistem pakar yang menyediakan
perkaedahan untuk pemikiran tentang maklumat dalam pangkalan pengetahuan dan bagi membuat
kesimpulan.
Pangkalan Pengetahuan : pengetahuan yang di enkod bagi satu sistem pakar.Dalam sistem pakar
berasaskan peraturan, satu pangkalan pengetahuan biasanya digabung definisi drp sifat-sifat dan
peraturan bersama-sama dengan maklumat kawalan.
Jurutera Pengetahuan : pakar AI yang bertanggungjawab ke atas bidang teknikal dalam membangunkan
suatu sistem pakar.Jurutera Pengetahuan bekerja rapat dengan pakar domain untuk mendapatkan
pengetahuan pakar pangkalan pengetahuan.
Rangkaian Saraf ( Neural Network ) : rangkaian saraf merupakan pemodelan teknik analitik selepas
proses daripada pembelajaran dalam sistem kognitif dan fungsi neurologi pada otak.Rangkaian saraf
menggunakan satu set data latihan untuk membina peraturan-peraturan yang boleh membuat ramalan
atau pembezaan set data.
100