TUGAS

SISTEM INFORMATIKA DAN MANAJEMEN

BISNIS

DSS, ESS dan ISS

Nama : Victor Yang
NPM: 1706010100032
DSS, ESS dan ISS
Administrasi Bisnis
FISIP UNPAD

A. Decision Support System (DSS

Sistem pendukung keputusan

Sebuah sistem pendukung keputusan ( DSS ) adalah sebuah komputer berbasis sistem
informasi yang mendukung bisnis atau organisasi pengambilan keputusan kegiatan. DSS melayani
manajemen, operasi, dan tingkat perencanaan dan membantu organisasi untuk membuat
keputusan, yang mungkin berubah dengan cepat dan tidak mudah ditentukan di muka.
DSS termasuk sistem berbasis pengetahuan . Sebuah DSS yang dirancang dengan baik adalah sebuah
sistem interaktif berbasis perangkat lunak dimaksudkan untuk membantu pengambil keputusan
kompilasi informasi yang berguna dari kombinasi data mentah, dokumen, pengetahuan pribadi, atau
model bisnis untuk mengidentifikasi dan memecahkan masalah dan membuat keputusan.
Informasi yang khas aplikasi dukungan keputusan mungkin mengumpulkan dan sekarang adalah:

persediaan aset informasi (termasuk legacy dan sumber data relasional, kubus, gudang
data , dan data mart ),

perbandingan angka penjualan antara satu periode dan berikutnya,

proyeksi pendapatan angka berdasarkan asumsi penjualan produk.

Sejarah
Menurut Keen yang (1978), konsep pendukung keputusan telah berkembang dari dua bidang utama
penelitian: Penelitian teoritis pengambilan keputusan organisasi dilakukan diCarnegie Institute of
Technology selama 1950-an dan awal 1960-an, dan pekerjaan teknis pada sistem komputer
interaktif, terutama dilakukan di Massachusetts Institute of Technologypada tahun 1960. Hal ini
dianggap bahwa konsep DSS menjadi area penelitian sendiri di tengah 1970-an, sebelum
memperoleh intensitas selama tahun 1980. Di tengah dan akhir 1980,sistem informasi
eksekutif (EIS), sistem pendukung keputusan kelompok (GDSS), dan sistem pendukung keputusan
organisasi (ODSS) berevolusi dari pengguna tunggal dan model berorientasi DSS.
Menurut Sol (1987) definisi dan ruang lingkup DSS telah bermigrasi selama bertahun-tahun. Pada
1970-an DSS digambarkan sebagai "sistem berbasis komputer untuk membantu pengambilan
keputusan". 1970-an gerakan DSS mulai berfokus pada "interaktif berbasis komputer sistem yang
membantu pengambil keputusan memanfaatkan basis data dan model untuk memecahkan masalah
sakit-terstruktur". Pada 1980-an DSS harus menyediakan sistem "menggunakan teknologi yang
sesuai dan tersedia untuk meningkatkan efektivitas kegiatan manajerial dan profesional", dan akhir
1980-an DSS menghadapi tantangan baru terhadap desain workstation yang cerdas.
Pada tahun 1987 Texas Instruments menyelesaikan pengembangan Sistem Gerbang Tugas Tampilan
(GADS) untuk United Airlines . Sistem pendukung keputusan ini dikreditkan dengan signifikan
mengurangi penundaan perjalanan dengan membantu pengelolaan operasi darat di
berbagai bandara , dimulai dengan Bandara Internasional O'Hare di Chicago dan Stapleton Bandara
di Denver Colorado .

Dimulai pada sekitar tahun 1990, data warehousing dan on-line pengolahan analisis (OLAP) mulai
memperluas bidang DSS. Sebagai pergantian milenium mendekat, baru aplikasi berbasis Web analitis
diperkenalkan.
Munculnya teknologi pelaporan yang lebih baik dan lebih baik telah melihat DSS mulai muncul
sebagai komponen penting dari manajemen desain. Contoh ini dapat dilihat dalam jumlah intens
diskusi tentang DSS di lingkungan pendidikan.
DSS juga memiliki koneksi lemah ke antarmuka pengguna paradigma hypertext . Baik University of
Vermont PROMIS sistem (untuk membuat keputusan medis) dan Carnegie MellonZog / KMS sistem
(untuk militer dan pengambilan keputusan bisnis) adalah sistem pendukung keputusan yang juga
adalah terobosan besar dalam penelitian antarmuka pengguna.Selanjutnya,
meskipun hypertext peneliti umumnya telah peduli dengan informasi yang berlebihan , peneliti
tertentu, terutama Douglas Engelbart , telah difokuskan pada pengambil keputusan khususnya

taksonomi
Seperti dengan definisi, tidak ada universal diterima taksonomi DSS baik. Penulis yang berbeda
mengusulkan klasifikasi yang berbeda. Menggunakan hubungan dengan pengguna sebagai kriteria,
Haettenschwiler membedakan pasif , aktif , dan DSS kooperatif . Sebuah DSS pasif adalah sistem
yang membantu proses pengambilan keputusan, tetapi tidak dapat membawa keluar saran
keputusan eksplisit atau solusi. Sebuah DSS aktif bisa membawa keputusan saran atau
solusi. Sebuah DSS koperasi memungkinkan pengambil keputusan (atau penasihat nya) untuk
memodifikasi, lengkap, atau memperbaiki saran keputusan yang diberikan oleh sistem, sebelum
mengirim mereka kembali ke sistem untuk validasi. Sistem lagi meningkatkan, melengkapi, dan
menyempurnakan saran dari pembuat keputusan dan mengirim mereka kembali kepadanya untuk
validasi. Seluruh proses kemudian mulai lagi, sampai solusi konsolidasi yang dihasilkan.
Taksonomi lain untuk DSS telah dibuat oleh Daniel Power. Menggunakan mode bantuan sebagai
kriteria, Power membedakan komunikasi berbasis DSS , data-driven DSS , DSS dokumen-didorong , driven DSS pengetahuan , dan Model-driven DSS .

Sebuah DSS komunikasi-didorong mendukung lebih dari satu orang bekerja pada tugas
bersama; contoh termasuk alat yang terintegrasi seperti Microsoft NetMeeting atau Groove

Sebuah data-driven DSS atau data-berorientasi DSS menekankan akses dan manipulasi
dari time series data perusahaan internal dan, kadang-kadang, data eksternal.

Sebuah dokumen-driven DSS mengelola, mengambil, memanipulasi dan informasi tidak

terstruktur dalam berbagai format elektronik.

Sebuah DSS berbasis pengetahuan khusus menyediakan pemecahan masalah keahlian

disimpan sebagai fakta, aturan, prosedur, atau struktur serupa.

Sebuah model-driven DSS menekankan akses dan manipulasi optimasi, statistik keuangan,,
atau simulasi model. Model-driven DSS menggunakan data dan parameter yang disediakan
oleh pengguna untuk membantu pembuat keputusan dalam menganalisa situasi, mereka

tidak selalu data-intensif. Dicodess adalah contoh dari open source model-driven generator
DSS.
Tiga komponen dasar dari sebuah DSS arsitektur adalah:
1. dengan basis data (atau basis pengetahuan ),
2. para model yang (yaitu, konteks keputusan dan kriteria pengguna), dan
3. di user interface .
Para pengguna sendiri juga komponen penting dari arsitektur.

Kerangka Pembangunan
DSS adalah sistem tidak sepenuhnya berbeda dari sistem lain dan memerlukan pendekatan yang
terstruktur. Seperti kerangka kerja meliputi orang, teknologi, dan pendekatan pembangunan.
Tingkat teknologi DSS (dari hardware dan software) dapat meliputi:
1. Aplikasi yang sebenarnya yang akan digunakan oleh pengguna. Ini adalah bagian dari aplikasi
yang memungkinkan pembuat keputusan untuk membuat keputusan dalam bidang masalah
tertentu. Pengguna dapat bertindak atas masalah itu.
2. Generator berisi Perangkat Keras / lingkungan perangkat lunak yang memungkinkan orang
untuk dengan mudah mengembangkan aplikasi DSS spesifik. Tingkat ini membuat kasus
penggunaan alat-alat atau sistem seperti Crystal, AIMMS , dan iThink .
3. Peralatan mencakup perangkat keras tingkat yang lebih rendah / perangkat lunak. DSS
generator termasuk bahasa khusus, fungsi perpustakaan dan modul menghubungkan
Sebuah pendekatan pembangunan iteratif memungkinkan untuk DSS yang akan diubah dan didesain
ulang pada berbagai interval. Setelah sistem tersebut dirancang, maka akan perlu diuji dan direvisi
untuk hasil yang diinginkan.

Klasifikasi
Ada beberapa cara untuk mengklasifikasikan aplikasi DSS. Tidak setiap DSS cocok rapi ke dalam salah
satu kategori, tetapi mungkin campuran dari dua atau lebih arsitektur.
Holsapple dan Whinston mengklasifikasikan DSS ke dalam enam kerangka berikut: Teks-berorientasi
DSS, Database-oriented DSS, Spreadsheet-oriented DSS, Solver-oriented DSS, Rule-oriented DSS, dan
DSS Compound.
Sebuah DSS senyawa adalah klasifikasi yang paling populer untuk DSS. Ini adalah sistem hibrida yang
mencakup dua atau lebih dari lima struktur dasar yang dijelaskan oleh Holsapple dan Whinston.
Dukungan yang diberikan oleh DSS dapat dipisahkan menjadi tiga yang berbeda, saling kategori :
Dukungan Pribadi, Dukungan Grup, dan Dukungan Organisasi.
Komponen DSS dapat diklasifikasikan sebagai:

1. Input: Faktor, nomor, dan karakteristik untuk menganalisa

2. Pengguna Pengetahuan dan Keahlian: Masukan membutuhkan analisis manual oleh
pengguna
3. Output: Transformasi data dari mana DSS "keputusan" yang dihasilkan
4. Keputusan: Hasil yang dihasilkan oleh DSS berdasarkan kriteria pengguna
DSS yang melakukan dipilih kognitif pengambilan keputusan fungsi dan didasarkan pada kecerdasan
buatan atau agen cerdas teknologi yang disebut Sistem Pendukung Keputusan Cerdas (IDSS).
Bidang baru lahir dari rekayasa Keputusan memperlakukan keputusan itu sendiri sebagai obyek
rekayasa, dan menerapkan prinsip-prinsip rekayasa seperti Desain dan jaminan Kualitasuntuk
representasi eksplisit dari unsur-unsur yang membentuk keputusan.

Manfaat
1. Meningkatkan efisiensi pribadi
2. Mempercepat proses pengambilan keputusan
3. Meningkatkan kendali organisasi
4. Mendorong eksplorasi dan penemuan pada bagian dari pembuat keputusan
5. Mempercepat pemecahan masalah dalam sebuah organisasi
6. Memfasilitasi komunikasi interpersonal
7. Mempromosikan pembelajaran atau pelatihan
8. Menghasilkan bukti baru untuk mendukung keputusan
9. Menciptakan keunggulan kompetitif dalam persaingan
10. Mengungkapkan pendekatan baru untuk berpikir tentang masalah ruang
11. Membantu mengotomatiskan proses manajerial

Aplikasi
Sebagaimana disebutkan di atas, ada kemungkinan teoritis membangun sistem seperti itu dalam
setiap domain pengetahuan.
Salah satu contoh adalah sistem pendukung keputusan klinis untuk diagnosis medis . Contoh lain
termasuk seorang petugas pinjaman bank memverifikasi kredit pemohon pinjaman atau sebuah
perusahaan rekayasa yang memiliki tawaran pada beberapa proyek dan ingin tahu apakah mereka
dapat bersaing dengan biaya mereka.
DSS banyak digunakan dalam bisnis dan manajemen. dashboard Eksekutif dan software bisnis
lainnya memungkinkan kinerja lebih cepat pengambilan keputusan, identifikasi tren negatif, dan
alokasi sumber daya bisnis yang lebih baik.
Sebuah daerah berkembang dari aplikasi DSS, konsep, prinsip, dan teknik dalam produksi pertanian ,
pemasaran untuk pembangunan berkelanjutan . Sebagai contoh, paket DSSAT4, yang dikembangkan
melalui dukungan finansial dari USAID selama 80 dan 90-an, telah memungkinkan penilaian cepat
dari beberapa sistem produksi pertanian di seluruh dunia untuk memfasilitasi pengambilan
keputusan di pertanian dan tingkat kebijakan. Namun demikian, banyak kendala untuk adopsi sukses
di DSS di bidang pertanian.
DSS adalah juga lazim dalam pengelolaan hutan di mana kerangka perencanaan jangka waktu
tuntutan persyaratan tertentu. Semua aspek pengelolaan hutan, dari log, penjadwalan panen
transportasi untuk perlindungan keberlanjutan dan ekosistem telah ditangani oleh DSSS
modern. Sebuah daftar lengkap dan diskusi dari semua sistem yang tersedia dalam pengelolaan
hutan sedang disusun di bawah BIAYA tindakan Forsys
Sebuah contoh yang spesifik menyangkut Kereta Api Nasional Kanada sistem, yang tes peralatan
secara teratur menggunakan sistem pendukung keputusan. Sebuah masalah yang dihadapi oleh
setiap kereta api adalah rel usang atau rusak, yang dapat mengakibatkan ratusan derailments per
tahun. Dalam DSS, CN berhasil menurunkan kejadian derailments pada saat yang sama perusahaan
lain yang mengalami kenaikan.

Contoh Sistem Pendukung

Keputusan untuk Waduk Hari
John .

This is a DSS for Oracle data

cleansing in a nutshell.

decision support system

(DSS) for manufacturing

B. Executive Support System (ESS)

Sistem informasi eksekutif
Sebuah sistem informasi eksekutif (EIS) adalah tipe sistem manajemen informasi ditujukan untuk
memfasilitasi dan mendukung informasi dan pengambilan keputusan kebutuhan dari eksekutif
senior dengan menyediakan akses mudah ke informasi internal dan eksternal yang relevan untuk
memenuhi tujuan strategis dari organisasi . Hal ini biasanya dianggap sebagai bentuk khusus
dari sistem pendukung keputusan (DSS)
Penekanan dari EIS adalah pada tampilan grafis dan mudah digunakan antarmuka
pengguna . Mereka menawarkan laporan kuat dan drill-down kemampuan. Pada umumnya, EIS
adalah perusahaan lebar DSS yang membantu eksekutif tingkat atas menganalisis, membandingkan,
dan tren penting sorot dalam variabel sehingga mereka dapat memonitor kinerja dan
mengidentifikasi kesempatan dan masalah. EIS dan data pergudangan teknologi yang berkumpul di
pasar.
Dalam beberapa tahun terakhir, masa EIS yang telah kehilangan ketenaran di sokong dari intelijen
bisnis (dengan area sub pelaporan, analisis , dan dashboard digital , v.gr.MicroStrategy ).

Sejarah
Secara tradisional, sistem informasi eksekutif dikembangkan seperti mainframe komputer berbasis
program. Tujuannya adalah untuk paket data perusahaan dan untuk menyediakan kinerja penjualan
atau statistik riset pasar untuk pembuat keputusan, seperti petugas keuangan , direktur pemasaran,
dan petugas eksekutif pemimpin , yang belum tentu kenal baik dengan komputer. Tujuannya adalah
untuk mengembangkan aplikasi komputer itu akan menyoroti keterangan untuk memenuhi
kebutuhan eksekutif senior '. Biasanya, sebuah EIS menyediakan data yang hanya akan perlu untuk
mendukung keputusan level eksekutif dari pada data bagi seluruh perusahaan.
Hari ini, aplikasi dari EIS tidak hanya pada hirarki perusahaan, tetapi juga pada komputer pribadi
pada jaringan area lokal . EIS sekarang seberangi platform perangkat keras komputer dan
mengintegrasikan informasi yang tersimpan di mainframe, sistem komputer pribadi, dan
minicomputer. Sebagai beberapa perusahaan jasa klien mengadopsi sistem informasi perusahaan
yang terakhir, karyawan dapat menggunakan komputer pribadi mereka untuk mendapatkan akses ke
data perusahaan dan memutuskan data yang adalah relevan untuk pembuatan keputusan
mereka. Susunan ini membuat semua pengguna mampu untuk menyesuaikan akses mereka ke
perusahaan sesuai data dan menyediakan informasi yang relevan ke tingkat kedua atas dan bawah
dalam perusahaan.

Komponen
Komponen dari sebuah EIS dapat diklasifikasikan sebagai:
Hardware
Ketika berbicara tentang perangkat keras untuk satu lingkungan EIS, kita harus fokus pada perangkat
keras yang memenuhi kebutuhan eksekutif. Eksekutif harus diletakkan yang pertama dan kebuthan

eksekutif harus didefinisikan sebelum perangkat keras dapat dipilih. Perangkat keras komputer dasar
diperlukan untuk suatu EIS meliputi empat komponen:
1. Input data-entri perangkat. Perangkat ini memungkinkan eksekutif untuk memasuki,
verifikasi, dan memperbarui data segera;
2. Unit pengolah pusat ( CPU ), yang merupakan kernel karena ini mengontrol komponen mesin
komputer yang lain;
3. File penyimpanan Data. Eksekutif dapat menggunakan bagian ini untuk menyimpan
keterangan bisnis berguna, dan bagian ini juga membantu eksekutif mencari keterangan
informasi bisnis historis dengan mudah;
4. Perangkat output, yang memberikan rekaman visual atau permanen untuk eksekutif
menyimpan atau membaca. Perangkat ini mengacu pada perangkat output visual seperti
monitor atau printer.
Selain itu, dengan munculnya jaringan area lokal ( LAN ), beberapa produk EIS workstation jaringan
menjadi tersedia. Sistem ini memerlukan dukungan dan hardware komputer tidak begitu
mahal. Mereka juga meningkatkan akses informasi EIS untuk banyak pengguna lebih dalam
perusahaan.
Software
Memilih perangkat lunak yang tepat adalah penting untuk merancang sebuah EIS yang efektif. ] Oleh
karena itu, komponen perangkat lunak dan bagaimana mereka mengintegrasikan data ke dalam satu
sistem yang sangat penting. Perangkat lunak dasar yang diperlukan untuk suatu EIS meliputi empat
komponen:
1. Teks dasar perangkat lunak. Bentuk yang paling umum dari teks mungkin
mendokumentasikan;
2. Database. Database heterogen bercokol pada berbagai platform komputer vendor tertentu
dan buka akses eksekutif pertolongan data baik internal dan eksternal;
3. Dasar grafis. Grafis dapat mengarahkan volume dari teks dan statistik ke dalam keterangan
visuil untuk eksekutif. Jenis grafis yang khas adalah: bagan gugus berkala, diagram
pencar , peta , grafis gerak, bagan urutan, dan perbandingan berorientasi grafik (yaitu, bar
chart );
4. Model dasar. Model EIS berisi analisis rutin dan khusus kuantitatif statistik, keuangan, dan
lainnya.

Antarmuka pengguna
`EIS` membutuhkan efisiensi untuk mendapatkan kembali data relevan untuk pembuat keputusan,
sehingga user interface sangat penting. Beberapa jenis pertemuan dapat tersedia dengan struktur
EIS, seperti laporan terjadwal, pertanyaan / jawaban, pandu menu, bahasa perintah, bahasa alami,
dan input / output.

Telekomunikasi
Sebagai desentralisas sedang menjadi tren saat ini di perusahaan, telekomunikasi akan memainkan
peran penting dalam sistem informasi jaringan. Mengirimkan data dari satu tempat ke tempat lain
telah menjadi penting untuk membangun jaringan yang handal. Selain itu, telekomunikasi di daklam
suatu EIS dapat mempercepat kebutuhan untuk mengakses data terdistribusi.

Contoh Aplikasi
EIS perbolehkan eksekutif untuk menemukan suatu data sesuai dengan kriteria didefinisikan
pengguna dan mempromosikan informasi berbasis wawasan dan pemahaman. Tidak seperti
presentasi informasi manajemen sistem tradisional, EIS dapat membedakan antara penting dan
jarang data terpakai, dan jejaki aktivitas berbeda kritis kunci untuk eksekutif, baik yang membantu
dalam mengevaluasi kalau perusahaan sedang menjumpai obyektif perusahaannya. Setelah
menyadari keuntungannya, orang telah menerapkan `EIS` di banyak daerah, terutama, di bidang
manufaktur, pemasaran, dan daerah keuangan.
Manufaktur
Pada dasarnya, manufaktur adalah transformasi bahan baku menjadi barang jadi untuk dijual, atau
proses intermediate menyertakan produksi atau penyelesaian semi-manufactures. Ini adalah cabang
besar industri dan produksi sekunder. Manufaktur berfokus pada kontrol operasional sehari-hari
operasi, dan ide pusat dari proses ini adalah efektivitas dan efisiensi.
Pemasaran
Dalam sebuah organisasi, eksekutif pemasaran peran adalah untuk menciptakan masa depan. Tugas
utama mereka adalah mengelola sumber daya pemasaran tersedia untuk menciptakan masa depan
yang lebih efektif. Untuk ini, mereka memerlukan pertimbangan perbuatan sekitar risiko dan
ketidakpastian dari proyek dan dampaknya pada perusahaan pada jangka dan jangka pendek. Untuk
membantu eksekutif pemasaran di keputusan pemasaran efektif, EIS dapat diterapkan. EIS
menyediakan satu pendekatan untuk peramalan penjualan, yang dapat memungkinkan eksekutif
pasar untuk membandingkan perkiraan penjualan dengan penjualan masa lalu. EIS juga menawarkan
satu pendekatan ke harga produk, yang ditemukan dalam analisis usaha. Eksekutif pasar dapat
mengevaluasi harga sebagai terkait ke kompetisi seiring dengan hubungan dari mutu produk dengan
harga yang dibebankan.Singkatnya, paket perangkat lunak EIS perbolehkan eksekutif pemasaran
untuk memanipulasi data dengan mencari kecenderungan, melakukan audit data penjualan, dan
menghitung total, rata-rata, perubahan, perbedaan, atau rasio.
Keuangan
Satu analisa keuangan adalah salah satu langkah paling penting untuk perusahaan saat ini. Eksekutif
perlu menggunakan rasio keuangan dan analisis arus kas untuk menaksir kecenderungan dan
membuat keputusan modal investasi. EIS adalah pendekatan berorientasi tanggung jawab yang
mengintegrasikan perencanaan atau penganggaran dengan kontrol dari laporan kinerja, dan itu bisa
sangat membantu untuk membiayai eksekutif. Pada dasarnya, EIS fokuskan pada akuntabilitas
kinerja keuangan dan ini mengenali kepentingan dari standar biaya dan penganggaran lentur pada
berkembang mutu dari keterangan menyediakan bagi seluruh level eksekutif.

Keuntungan dan kerugian

Keuntungan dari EIS ini

Mudah untuk eksekutif tingkat atas untuk menggunakan, pengalaman komputer luas tidak
diperlukan dalam operasi

Menyediakan pengiriman tepat waktu informasi perusahaan ringkasan

Informasi yang disediakan lebih baik dipahami

Filter data untuk manajemen

Meningkatkan informasi pelacakan

Menawarkan efisiensi untuk pembuat keputusan

Kekurangan dari EIS ini

Tergantung sistem

Terbatas fungsionalitas, dengan desain

Informasi yang berlebihan bagi beberapa manajer

Sulit untuk menghitung manfaat

Tinggi biaya implementasi

Sistem dapat menjadi lambat, besar, dan sulit untuk mengelola

Butuh proses internal yang baik untuk pengelolaan data

Dapat mengakibatkan data yang kurang dapat diandalkan dan kurang aman

CONTOH EIS

C. Intelligent Support System (ISS)

Pengertian
Sistem Pendukung Keputusan Cerdas (IDSS) adalah istilah yang menggambarkan sistem
pendukung keputusan yang membuat ekstensif menggunakan kecerdasan buatan teknik (AI).

Sejarah
Penggunaan teknik AI dalam sistem informasi manajemen memiliki sejarah panjang, memang
istilah-istilah seperti sistem berbasis pengetahuan (KBS) dan sistem cerdas telah digunakan sejak
awal 1980-an untuk menggambarkan komponen sistem manajemen, tetapi istilah "sistem
pendukung keputusan Cerdas" diperkirakan berasal dengan Clyde Holsapple dan Andrew
Whinston pada akhir tahun 1970. sistem manufaktur fleksibel (FMS) dan sistem diagnosa
medis juga dapat dianggap contoh sistem pendukung keputusan cerdas.
Idealnya, sistem dukungan keputusan cerdas harus bersikap seperti seorang konsultan
manusia; mendukung pengambil keputusan dengan mengumpulkan dan menganalisis bukti,
mengidentifikasi dan mendiagnosis masalah, mungkin mengusulkan program aksi dan
mengevaluasi tindakan yang diusulkan. Tujuan dari teknik AI tertanam dalam sistem pendukung
keputusan cerdas untuk memungkinkan tugas ini akan dilakukan oleh komputer, sementara
meniru kemampuan manusia sedekat mungkin.
Banyak IDSS implementasi didasarkan pada sistem pakar , jenis mapan KBS yang menyandikan
perilaku kognitif ahli manusia menggunakan aturan logika predikat dan telah ditunjukkan untuk
melakukan lebih baik daripada para ahli manusia asli dalam beberapa keadaan. Ahli
sistem muncul sebagai aplikasi praktis pada tahun 1980 didasarkan pada penelitian dalam
kecerdasan buatan yang dilakukan selama tahun 1960-an dan awal 1970-an. Mereka biasanya
menggabungkan pengetahuan dari sebuah domain aplikasi tertentu
dengan inferensi kemampuan untuk mengaktifkan sistem untuk mengusulkan keputusan atau
diagnosis. Akurasi dan konsistensi dapat sebanding dengan (atau bahkan melebihi) yang ahli
manusia ketika parameter keputusan terkenal (misalnya jika penyakit yang umum sedang
didiagnosis), namun kinerja dapat menjadi miskin ketika keadaan novel atau pasti muncul.
Beberapa penelitian dalam AI, berfokus pada memungkinkan sistem untuk menanggapi hal baru
dan ketidakpastian dalam cara yang fleksibel lebih mulai digunakan dalam sistem pendukung
keputusan cerdas. Misalnya agen cerdas yang melakukan kompleks tugas kognitif tanpa
membutuhkan intervensi manusia telah digunakan dalam berbagai aplikasi pendukung
keputusan. Kemampuan ini agen cerdas termasuk berbagi pengetahuan , pembelajaran
mesin , data mining , dan otomatis inferensi . Berbagai teknik AI sepertipenalaran berbasis
kasus , set kasar dan kabur logika juga telah digunakan untuk mengaktifkan sistem pendukung
keputusan untuk melakukan yang lebih baik dalam kondisi tidak pasti.

Contoh Aplikatif
A prototype of the hybrid intelligent support system has been produced.

A Framework for Intelligent Decision Support system for Traffic Congestion Management
System