Anda di halaman 1dari 15

TUGAS SISTEM INFORMASI MANAJEMEN

BAB 11 SISTEM PENDUKUNG PENGAMBILAN


KEPUTUSAN
JAYANTO SAPUTRA (31408193)

Pembuatan Keputusan

Sistem Informasi Manajemen adalah system yang memberikan informasi untuk


digunakan dalam pembuatan keputusan guna menyelesaikan masalah bagi para
penggunanya. Secara langsung SIM berkaitan dengan menbuat keputusan dan pemecahan
masalah.

Pemecahan masalah dan pembuatan keputusan

Pemecahan masalah (problem solving) terdiri atas respon respon hal yang berjalan
dengan baik,serta mendefinisikanmasalah terhadap hal yang buruk sebagai kondisi atau
peristiwa yang berbahaya atau membahayakan perusahaan.
Pembuatan keputusan adalah tindakan yang memilih diantara berbagai alternative solusi
pemecahan masalah. Keputusan didefinisikan sebagai tindakan pilihan dan sering kali
perlu untuk mengambil banyak keputusan dalam proses pemecahan satu masalah saja.

Fase Pemecahan Masalah

Menurut Herbert A. Simon, terdapat 4 tahapan dalam proses pemecahan masalah. Orang
yang memecahkan masalah terlibat dalam:
o Aktivitas Intelijen: Mencari di sekitar lingkungan kondisi yang harus
dipecahkan
o Aktivitas Perancangan: Menemukan, mengembangkan, dan menganalisis
tindakan-tindakan yang mungkin dilakukan.
o Aktivitas Pemilihan: Memilih tindakan tertentu dari beberapa yang
tersedia.
o Aktivitas Pengkajian: Memeriksa pilihan-pilihan yang lalu.

Pentingnya Cara Pandang Sistem

Dalam menggunakan model sistem umum dan model lingkungan sebagai dasar
pemecahan masalah, dari cara pandang system maka dapat memandang operasional
usaha sebagai system yang menjadi bagian dari lingkungan yang lebih luas
Ini merupakan cara pemikiran yang abstrak tetapi memiliki nilai potensial untuk manajer.
Cara pandang secara system akan:
1. Mencegah manajer agar tidak bingung karena kompleksitas struktur
organisasi dan detail pekerjaan.
2. Menekankan pentingnya memiliki tujuan yang baik.
3. Menekankan pentingnya semua bagian organisasi untuk bekerja sama.
4. Mengangkat hubungan antara organisasi dengan lingkungannya.
5. Menempatkan nilai tinggi pada informasi yang didapat dari input yang
hanya dapat dicapai melalui sistem perputaran tertutup.

Membangun Konsep

Dengan pemahaman mengenai dasar konsep pemecahan masalah ini, kita


sekarang dapat menggambarkan bagaimana konsep ini diterapkan ke dalam sistem
pendukung keputusan
Elemen Proses Pemecahan Masalah

Kebanyakan masalah yang dipecahkan manajer dapat dianggap sebagai


permasalah sistem. Contoh: perusahaan sebagai suatu system tidak berfungsi
sebagaimana mestinya. Atau terdapat masalah dengan system persediaan, system komisi
penjualan dan seterusnya. Solusi masalah system adalah solusi yang membuat system
tersebut memenuhi kebutuhannya dengan baik, seperti yang dicerminkan dalam standar
kinerja system. Standar ini menggambarkan situasi yang di inginkan (Desired State),
yakni apa yang harus dicapai system tersebut sekarang ini. Jika dua keadaan ini berbeda,
maka ada masalah yang menjadi penyebabnya dan harus dipecahkan. Perbedaan tersebut
disebut dengan criteria solusi atau apa yang harus terjadi agar situasi ini berubah menjadi
situasi yang diinginkan.
Tanggung jawab seorang manajer adalah mengidentifikasi solusi alternative, yang selalu
ada. Hal ini merupakan satu langkah apabila dari penyelesaian masalah kpmputer tidak
dapat banyak membantu. Dalam kasusu ini manajer harus mengandalkan kemampuan
dan pengalaman sendiridengan tanpa bantuan computer. Seperti contohnya mengambil
input dari luar atau dalam perusahaan.
Setelah alternative diidentifikasi, system informasi dapat digunakan untuk
mengevaluasinya. Dari evaluasi tersebut harus mempertimbangkan batasan yang ada,
baik internal maupun lingkungan. Batasan internal biasanya berbentuk sumber daya
yang terbatas yang ada dalam perusahaan. Contoh unit TI tidak dapat merancang CRM
karena kurangnya keahlian dalam OLAP. Batasan lingkungan berbentuk tekanan dari
berbagai elemen lingkungan yang membatasi aliran sumber daya dari dan keluar
perusahaan. Contoh: peningkatan suku bunga oleh federal reserve board yang
meningkatkan biaya ekspansi.
Jika hal ini dapat dikumpulkan dari semua elemen maka para manajer dapat memahami
dan sekaligus menemukan solusi dari masalah tersebut.
Memilih Solusi yang Terbaik

Herry Mintzberg telah mengidentifikasikan tiga pendekatan dalam pemilihan


solusi yang terbaik, yaitu:
1. Analisis: Evaluasi atas pilihan-pilihan secara sistematis, dengan
mempertimbangkan konsekuensi pilihan-pilihan tersebut pada tujuan
organisasi.
2. Penilaian: Proses pemikiran yang dilakukan oleh seorang manajer.
3. Penawaran: Negosiasi antara beberapa manajer.

Permasalahan Versus Gejala

Kita harus mengetahui perbedaan antara masalah dan gejala masalah. Jika tidak
maka akan menyita banyak waktu dan uang untuk penyelesaiannya. Gejala adalah suatu
kondisi yang dihasilkan oleh masalah. Hal ini perlu untuk diketahui karena sering kali
para manajer melihat gejala bukan masalah.

Struktur Permasalahan

Seorang manajer dapat memahami suatu masalah lebih baik dai yang lain.
Pemahaman tersebut berupa banyaknya persediaan yang harus di pesan dan pembuata
model matematika yang disebut EOQ dapat memberi tahu masalah tersebut dapat
diselesaikan. Masalah terstruktur (Structured Problem) adalah suatu masalah yang
terdiri atas unsur dan hubungan antara berbagai elemen yang semuanya dipahami oleh
orang yang memecahkan masalah. Tetapi sering kali para manajer tidak mengetahui
penyelesaian masalah yang lain yakni masalah semi terstruktur (Unstructured Problem)
adalah masalah yang tidak memiliki elemen atau hubungan antar elemen yang dipahami
oleh orang yang memecahkan masalah. Masalah semiterstruktur (Semistructured
Problem) adalah masalah yang terdiri dari beberapa elemen atau hubungan yang
dipahami oleh si pemecah masalah dan beberapa yang tidak dapat dipahami.

Jenis Keputusan

Keputusan juga memiliki pengklasifikasian yakni keputusan terprogram dan


yang tidak terprogram. Kepetusan terprogram (Programmed Decision) adalah keputusan
yang memiliki sifat repetitive dan rutin dalam hal prosedur tertentu digunakan untuk
menanganinya sehingga keputusan tersebut tidak perlu dianggap baru setiap kali terjadi.
Keputusan yang tidak terprogram (Nonprogrammed Decision) adalah keputusan yang
memiliki sifat baru, tidak terstruktur dan penuh konsekuensi. Tidak terdapat metode yang
pasti untuk menangani masalah yang belum pernah muncul sebelumnya.

Sistem Pendukung Pengambilan Keputusan

Decision Support System-DSS, adalah suatu istilah yang digunakan untuk


mendeskripsikan system yang didesain untuk membantu manajer dalam memecahkan
masalah tertentu. DSS tidak pernah ditujukan untuk menyelesaikan masalah tanpa
bantuan dari manajer. Ide dasarnya ialah agar manajer dan computer dapat bekeja sama
dalam penyelesaian masalah. Karena permasalah memiliki dua kategori yaitu masalah
terstruktur yang penyelesaiannya menggunakan computer sedangkan masalah yang tidak
terstruktur penyelesaiannya melalui manajer (manusia).

Model DSS

Model ini menghasilkan laporan khusus dan berskala serta output dari model matematika
ketika pertama kali dirancang. Laporan tersebut khusus berisikan respons terhadap
permintaan ke basis data. Setelah DSS diterapkan dengan baik maka kemampuan yang
memungkinkan para pemecah masalah untuk bekerja sama dalam kelompok ditambahkan
dalam model tersebut. Penambahan peranti lunak groupware memungkinkan system
tersebut berfungsi sebagai system pendukung pengambilan keputusan kelompok.
Kemampuan kecerdasan buatan juga telah ditambahkan beserta kemampuan untuk
terlibat dalam OLAP.

Permodelan Matematika

Model adalah abstraksi dari sesuatu. Model mewakili suatu objek atau aktivitas,
yang disebut entitas. Biasanya manajer menggunakan ini untuk mewakili permasalahan
yang harus diselesaikan. Ada 4 Jenis Model yakni: fisik, naratif, grafis dan matematis.
1. Model Fisik: Merupakan gambaran tiga dimensi entitasnya. Model fisik dibuat
untuk mencapai tujuan yang tidak dapat dipenuhi oleh benda sesungguhnya.
2. Model Naratif: Menggambarkan entitas dengan kata-kata yang terucap atau
tertulis. Pendengar atau pembaca dapat memahami entitas tersebut dari
naratifnya. Semua komunikasi bisnis adalah model naratif, sehingga membuat
model naratif jenis model yang paling populer.
3. Model Grafis: Menggambarkan entitas dengan abstraksi garis, simbol atau
bentuk. Grafis ini sangat popular di dalam bisnis – Economic Order Quantity
(jumlah penawaran optimum penambahan stok yang harus dipesan dari
pemasok)
4. Model Matematis: Setiap rumus atau persamaan matematika adalah model
matematis. Kebanyakan model matematika yang digunakan manajer bisnis
sama kompleksnya dengan yang digunakan untuk menghitung EOQ.
Penggunaan Model

Keempat model memberikan pemahaman dan memfasilitasi komunikasi. Selain


itu, model matematis memiliki kemampuan prediktif.
Memberikan Pengertian: Model biasanya lebih sederhana dibandingkan
entitasnya, entitas adalah objek atau proses.entitas dapat mudah dipahami jika berbagai
elemen dan hubungan yang terdapat didalamnya ditampilkan secara lebih sederhana.
Setelah model yang sederhana dapat dipahami, model tersebut secara bertahap dapat
dibuat lebih kompleks sehingga dapat mewakili entitasnya secara lebih kompleks. Tetapi
model tersebut tidak dapat benar-benar berlaku seperti entitas sesungguhnya.
Memfasilitasi Komunikasi: Keempat jenis model dapat mengkomunikasikan
informasi secara akurat dan cepat kepada orang-orang yang memahami makna bentuk,
kata-kata, grafis dan matematis.
Memprediksi Masa Depan: Ketepatan yang ditunjukkan model matematis untuk
mewakili entitasnya merupakan kemampuan yang tidak terdapat pada model lain. Model
ini dapat memprediksi apa yang akan terjadi dalam masa depan, namun tidak sepenuhnya
akurat.

Kelas Model Matematis

Model matematis dapat diklasifikasikan ke dalam tiga dimensi: pengaruh waktu, tingkat
keyakinan dan kemampuan untuk mencapai optimisasi.
Model Statis atau Dinamis: Model Statis tidak melibatkan waktu sebagai salah satu
variabel. Dengan kata lain bersifat seperti cuplikan keadaan. Model yang melibatkan
waktu sebagai salah satu variabel yang disebut model dinamis. Model ini
menggambarkan perilaku entitas seiring dengan waktu, seperti gambar bergerak atau
film.
Model Probabilitas atau Deterministik: Probabilitas adalah kesempatan bahwa sesuatu
akan terjadi. Probabilitas berkisar dari 0,00-1,00. Model yang melibatkan probabilitas
disebut Model Probabilitas dan jika tidak adalah Model Deterministik.
Model Optimisasi atau Suboptimisasi: Adalah model yang memilih solusi terbaik dari
berbagai alternatif yang ditampilkan. Model Suboptimisasi sering disebut model
pemuas memungkinkan seorang manajer untuk memasukkan seperangkat keputusan.

Simulasi

Tindakan yang menggunakan model adalah simulasi. Simulasi terjadi dalam


scenario tertentu dan memprediksi dampak keputusan orang yang memecahkan masalah
tersebut.
Istilah Skenario digunakan untuk menggambarkan kondisi yang mempengaruhi simulasi.
Elemen data yangyang menentukan skenario adalah elemen data skenario.
Variabel Keputusan Nilai input yang dimasukkan manajer untuk mengukur dampak
pada entitas.

Teknik Simulasi

Manajer biasanya melakukan model optimisasi hanya sekali. Model ini menghasilkan
solusi yang terbaik sehingga menggunakan solusi tertentu dan variabel-variabel
keputusan. Namun penting juga untuk menjalankan model suboptimasi berulang kal,
guna mencari kombinasi variabel keputusan yang menghasilkan hasil yang memuaska.
Proses pengulangan tersebut disebut permainan bagaimana jika (what-if game).

Contoh Permodelan

Eksekutif perusahaan dapat menggunakan model matematis untuk membuat


beberapa keputusan kunci. Para eksekutif ini dapat menyimulasikan dampak dari:
 Harga Produk
 Jumlah investasi pabrik
 Jumlah yang akan diinvestasikan dalam aktivitas pemasaran
 Jumlah yang akan diinvestasikan dalam penelitian dan pengembangan

Kelebihan dan Kelemahan Permodelan

Manajer yang menggunakan model matematika bisa mendapatkan manfaat


melalui hal-hal berikut:
o Proses permodelan dapat menjadi pengalaman belajar. Manajer akan
selalu mempelajari sesuatu yang baru mengenai system sesungguhnya
melalui setiap model pemodelan.
o Kecepatan proses simulasi memungkinkan sejumlah besar alternative
dapat dipertimbangkan dengan cara memberikan kemampuan untuk
mngevaluasi dampak keputusan dalam waktu yang singkat. Hanya dalam
beberapa menit, kita dapat menyimulasikan beberapa bulan, kuartal atau
tahunan operasional perusahaan.
o Model memberikan kemampuan prediksi.
o Model tidak semahal upaya uji coba
Sedangkan kelemahan dari model ini adalah:
• Kesulitan untuk membuat model sistem bisnis akan menghasilkan model
yang tidak mencakup semua pengaruh terhadap entitas.
• Kemampuan matematis tingkat tinggi dibutuhkan untuk merancang model
yang lebih kompleks. Selain itu, kemampuan semacam ini juga diperlukan
untuk menginterpretasikan output dengan baik.
Permodelan Matematika Menggunaka Lembar Kerja Elektronik

Terobosan teknologi yang memungkinkan para pemecah persoalan untuk


menyusun model matematikan dan tidak sekedar hanya mengandalkan spesialis informasi
atau ilmuwan manajemen adalah lembar kerja elektronik. Ketika lembar kerja
(spreadsheet) ini hadir, tampak jelas bahwa teknologi ini akan menjadi alat yang baik
untuk membuat model matematika.

Kapabilitas Permodelan Statis

Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk digunakan
dalam model statis.

Kapabilitas Permodelan Dinamis

Lembar kerja sangat sesuai untuk digunakan sebagai model dinamis. Kolom-
kolom yang tersedia sangat sesuai untuk periode waktu.

Memainkan Peranan “Bagaimana Jika”

Lembar kerja ini juga berguna untuk memainkan permainan “bagaimana jika”,
dimana pemecah masalah memanipulasi satu atau lebih variable untuk melihat dampak
dari hasil simulasi.
Antarmuka Model Lembar Kerja

Ketika menggunakan lembar kerja sebagai model matematika, pengguna dapat


memasukkan data membuat perubahan secara langsung pada sel-sel lembar kerja atau
dapat menggunakan antarmuka pengguna grafis. Salah satu cara pembuatan yang dapat
dilakukan adalah pengguna dapat menyusun lembar kerja dan meminta bantuan seorang
spesialis informasi untuk menambahkan antarmuka.

Kecerdasan Buatan

Dalam bentuk aslinya, DSS menekankan penggunaan permodelan matematika


dan pengajuan permintaan ke basis data. kemudian, perancang DSS mulai menyadari
kebutuhan untuk menggabungkannya dengan kecerdasan buatan. Kecerdasan buatan
(Artificial Intelligence) adalah aktivitas penyediaan mesin seperti computer dengan
kemampuan untuk menampilkan perilaku yang akan dianggap sama cerdasnya dengan
manusia.

Sejarah AI

Pada tahun 1956, bibit AI pertama kali disebar hanya 2 tahun setelah General
Electric menerapkan computer yang pertama kali digunakan untuk penggunaan bisnis.
Istilah kecerdasan buatan pertama kali dibuat oleh John McCarthy sebagai tema dalam
suatu konferensi yang dilaksanakan di Darmouth College. Namun seiring dengan
berjalannya waktu akhirnya dapat membuahkan hasil dan AI telah menjadi wilayah
aplikasi yang solid.
Wilayah AI

AI diterapkan di dunia bisnis dalam bentuk system pakar, jaringan saraf tiruan,
algoritme genetik dan agen cerdas.
Sistem Pakar: Adalah program komputer yang berusaha untuk mewakili pengetahuan
keahlian manusia dalam bentuk heuristik. Heuristik adalah aturan yang menjadi patokan
atau aturan untuk menebak dengan baik.
Jaringan Saraf Tiruan: Meniru fisiologi otak manusia. Jaringan ini mampu menemukan
dan memberdakan pola, sehingga membuatnya amat berguna dalam bisnis di wilayah
pengenalan karakter optis.
Algoritme Genetik: Menerapkan proses yang terkuat yang selamat untuk
memungkinkan para pemecah masalah agar menghasilkan solusi masalah yang semakin
baik.
Agen Cerdas: Digunakan untuk melakukan tugas yang berkaitan dengan komputer yang
berulang-ulang.

Daya Tarik Sistem Pakar

Sistem pakar menawarkan yang unik sebagai system pendukung keputusan.


Pertama, system pakar memberikan kesempatan untuk membuat keputusan yang melebihi
kemampuan seorang manajer. Sistem pakar tersebut dapat menjelaskan alasannya hingga
menuju ke suatu keputusan. Sering kali, penjelasan mengenai bagaimana solusi tersebut
dicapai lebih berharga daripada solusi itu sendiri.
Konfigurasi Sistem Pakar

Sistem pakar terdiri atas empat bagian utama: antarmuka pengguna, basis
pengetahuan, mesin antarmuka, dan mesin pengembangan.
Antarmuka Pengguna: Memungkinkan manajer untuk memasukkan instruksi dan
informasi ke dalam sistem pakar dan menerima informasi dari sistem tersebut. Instruksi
ini menentukan parameter yang megarahkan sistem pakat dalam proses pemikirannya.
Sistem pakar didesain untuk merekomendasikan solusi. Solusi ini kemudian dilengkapi
dengan penjelasan.
Basis Pengetahuan: berisikan fakta yang menggambarkan masalah serta teknik
penggambaran pengetahuan yang menjelaskan bagaimana fakta bersentuhan secara logis.
Istilah domain masalah digunakan untuk menggambarkan are permasalahan.
Mesin Inferensi: bagian dari sistem pakar yang melakukan pemikiran dengan cara
menggunakan isi basis pengetahuan dalam urutan tertentu.
Mesin Pengembangan: Komponen utama yang keempat dari sistem pakar adalah mesin
pengembangan, yang digunakan untuk membuat sistem pakar. Ada 2 pendekatan dasar
yang tersedia: bahasa pemrograman dan kerangka sistem pakar.

Sistem Pendukung Pengambilan Keputusan Kelompok

Manajer jarang memecahkan masalah sendirian. Berbagai komite, tim proyek, dan
satuan tugas yang ada di banyak perusahaan merupakan contoh pendekatan kelompok
terhadap pemecahan masalah. Oleh karena itu DSS telah diadaptasi dalam pemecahan
masalah secara kelompok.
Konsep GDDS

Sistem Pendukung Pengambilan Keputusan Kelompok (Group Decision


Support System-GDSS) adalah suatu system berbasis computer yang membantu
sekelompok orang melakukan tugas yang sama dan memberikan antarmuka untuk
digunakan bersama. Istilah ini digunakan untuk menggambarkan aplikasi teknologi
informasi ke dalam situasi kelompok diantaranya adalah GSS (Group Support System),
CSCW (Computer-Supported Cooperative Work), CCWS (Computerized
Collaborative Work Support), dan EMS (Electronic Meeting System). Peranti lunak
yang digunakan dalam situasi-situasi seperti ini diberi nama groupware.

Bagaimana GDSS Membantu Pemecahan Masalah

Asumsi yang mendasari GDSS adalah komunikasi yang lebih baik


memungkinkan dibuatnya keputusan yang lebih baik. Komunikasi yang lebih baik dapat
dicapai dengan menjaga agar diskusi kelompok tetap terfokus pada masalah yang
dibicarakan, sehingga waktu tidak terbuang sia-sia. Ekstra waktu yang dimiliki dapat
digunakan untuk mendiskusikan masalah secara lebih detail, sehinnga dapat diartikan
masalahnya dengan baik. Evaluasi alternatif yang lebih banyak akan meningkatkan
kesempatan mendapatkan solusi yang lebih baik.

Letak Lingkungan GDSS


GDSS membantu menyelesaikan pemecahan masalah dnegan cara menyediakan
lokasi yang kondusif untuk komunikasi. Jika para anggota bertemu dalam waktu yang
bersamaan, maka lokasi ini disebut Synchronous Exchange. Jika para anggota bertemu
dalam waktu yang bersamaan maka lokasi ini disebut pertukaran sinkron
(Asynchronous Exchange). Kalau para anggota bertemu pada waktu yang berbeda-beda,
maka lokasi ini disebut pertukaran asinkron.
Ruang Keputusan: Adalah tempat sekelompok kecil orang yang bertemu langsung. Di
tengah-tengah ruangan terletak konsol fasilitator. Fasilitator adalah seseorang yang tugas
utamanya adalah menjaga diskusi tetap pada jalurnya.
Komunikasi Paralel dan Anonimitas: Komunikasi Paralel terjadi jika semua peserta
memasukkan komentar pada saat bersamaan dan Anonimitas adalah ketika tidak ada
yang mengetahui siapa yang memberikan komentar tertentu.
Jaringan Keputusan Wilayah Lokal: Jika tidak memungkinkan untuk sekelompok
kecil orang untuk bertemu langsung, maka para anggota dapat berinteraksi melalui LAN.
Sesi Legislatif: Jika kelompok orang yang ada terlalu besar untuk suatu ruang keputusan,
maka akan dibutuhkan sesi legislative. Ukuran yang besar akan membatasi komunikasi.
Konferensi Yang Dimediasi Komputer: Beberapa aplikasi virtual memungkinkan
komunikasi antara kelompok-kelompok besar yang mmeiliki anggota yang tersebar di
berbagai wilayah geografis.

Meletakkan DSS Pada Tempatnya

Ketika kecerdasan buatan ditambahkan, fitur ini benar-benar mengubah karakter


DSS. Ketika manajer menggunakan system pakar, manajer duduk di depan computer,
namun seorang konsultan duduk di sebelah manajer dan memberi saran mengenai
bagaimana memecahkan masalah. Kecerdasan buatan memungkinkan DSS untuk
memberikan tingkat dukungan keputusan yang semula tidak dibayangkan oleh para
visioner DSS. Kapabilitas GDSS kini telah terbukti. Bahkan, saat ini banyak aplikasi
GDSS dibandingkan aplikasi DSS. Mengenai OLAP, konsep ini memang baru, namun
akan menarik untuk melihat kemajuannya di masa yang akan datang.