BAB I

PENDAHULUAN

1.1. LATAR BELAKANG

Manajer membuat banyak keputusan untuk mengatasi masalah.

Penyelesaian masalah dicapai melalui empat tahapan dasar dan
mempergunakan kerangka berpikir seperti model sistem perusahaan yang
umum dan model lingkungan. Dengan mengikuti pendekatan sistem
untuk menyelesaikan masalah, manajer melihat sistem secara
menyeluruh.
Proses pemecahan masalh terdiri atas empat elemen dasar, yaitu:
standar, informasi, batasan, dan solusi alternatif. Jika proses ini diikuti,
pemilihan alternatif yang terbaik tidak dicapai melalui analisis logis saja,
dan penting untuk membedakan antara permasalahan dan gejala.
Masalah memiliki strukrur yang beragam, dan keputusan untuk
menyelesaikannya dapat terprogram maupun tidak terprogram. Konsep
sistem pendukung pengambilan keputusan (decision support system-DSS)
awalnya ditujukan pada masalah-masalah yang setengah terstruktur.
Output DSS yang pertama terdiri atas laporan dan output dari model
matematika. Kemudian, kapabilitas pemecahan masalah kelompok
ditambahkan, diikuti dengan kecerdasan buatan (artifical inteligence) dan
pemprosesan analitis online (on-line analytical processing-OLAP).
Model matematika dapat diklasifikasikan dalam berbagai cara, dan
penggunaannya disebut simulasi. Lembar kerja elektronik (spreadsheet)
merupakan alat yang baik untuk membuat model matematika. Lembar
kerja ini dapat digunakan baik untuk model statik dan dinamik dan
membuat manajer dapat memainkan permainan what-if
Kecerdasan buatan dapat menjadi salah satu komponen DSS.
Dengan menambahkan basis pengetahuan dan mesin inferensi, DSS dapat
memberikan saran solusi masalah kepada manajer.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 1

1.2. Rumusan Masalah

Rumusan masalah dari pembuatan makalah ini adalah sebagai berikut :

1. Bagaimana konsep dan definisi DDS ?

2. Bagaimana permodelan dalam DDS ?
3. Bagaimana kecerdasan buatan ?
4. Bagaimana sistem pakar ?
5. Bagaimana sistem saraf buatan ?

1.3. Tujuan

Tujuan dari pembuatan makalah ini adalah sebagai berikut :

1. Mengetahui kensep dan difinisi DDS

2. Mengetahui permodelan dalam DDS
3. Mengetahui kecerdasan buatan
4. Mengetahui sistem pakar
5. Mengetahui sistem saraf buatan

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 2

 BAB II
PEMBAHASAN

2.1 Konsep Dasar dan Definisi DSS

DSS pertama kali dirancang sebagai salah satu cara untuk

menyelesaikan masalah yang telah menyulitkan pemrosesan computer
pada awal tahun 1970-an. Program ini ditunjukan untuk membantu
seorang manajer untuk menyelesaikan masalah yang semiterstruktur.
Kemudian DSS diperluas sehingga mencakup pemrosesan secara
kelompok (mencapai GDSS), kecerdasan buatan, dan OLAP.

System pendukung pengambilan keputusan kelompok (group

decision support system-GDSS) adalah system berbasis computer yang
membantu sekelompok orang melakukan tugas (atau mencapai tujuan)
yang sama dan memberikan antarmuka untuk digunakan bersama.
Hal yang perlu ditekankan di sini adalah bahwa keberadaan DSS
bukan untuk menggantikan tugas-tugas manajer, tetapi untuk menjadi
sarana penunjang (tools) bagi mereka. DSS sebenarnya merupakan
implementasi teori-teori pengambilan keputusan yang telah diperkenalkan
oleh ilmu-ilmu seperti operation research dan management science. Hanya
bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah
yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya
untuk mencari nilai minimum, maksimum, atau optimum), saat ini
komputer PC telah menawarkan kemampuannya untuk menyelesaikan
persoalan yang sama dalam waktu relatif singkat.

2.2 Permodelan Dalam DDS

Ketika DDS untuk pertama kalinya dirancang, model ini

memghasilkan laporan khusus dan berkala serta output dari model

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 3

matematika. Laporan khusus ini berisikan respons terhadap permintaan ke
basis data. Setelah DDS diterapkan dengan baik, kemampun yang
meungkinkan para pemecah masalah untuk bekerjasama dalam kelompok
ditambahkan dalam model tersebut. Penambahan peranti lunak group ware
memungkinkan system tersebut untuk berfungsi sebagai system
pendukung pengambilan keputusan kelompok (group decision support
system-GDSS). Yang terbaru, kemampuan kecerdasan juga telah
ditambahkan beserta kemampuan untuk terlibat dalam OLAP.

Pemodelan Matematika

Model adalah abtraksi dari sesuatu. Model mewakili suatu

objek atau aktivitas, yang disebut entitas (entity). Manajer
menggunakan model untuk mewakili permasalahan yang harus
diselesaikan. Objek atau aktivitas yang menyebabkan masalah tersebut
dengan entitas.

Jenis model

Terdapat empat jenis model : fisik, naratif, grafis dan sistematis.

a. Model fisik (physical model) merupakan gambaran tiga dimensi

entitasnya. Model fisik yang digunakan didunia bisnis mencangkup
model skala untuk pusat perbelanjaan dan prototype mobil baru.
b. Model naratif. Merupakan gambaran entitas dengan kata-kata yang
terucap atau tertulis.
c. Model grafis Merupakan gambaran entitas dengan abstraksi garis,
simbol atau bentuk.
d. Model matematis. Setiap rumus atau persamaan matematika adalah
model matematis. Kebanaykan model matematika yang digunakan
manajer bisnis sama kompleksnya dengan yang digunakan untuk
menghitung EOQ.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 4

 Penggunaan model

a. Memberikan pengertian model biasanya lebih sederhana

dibandingkan entitasnya. Entitas adalah objek atau proses, entitas
dapat lebih mudah dimengerti jika berbagai elemen dan hubungan
yang terdapat didalamnya ditampilkan secara sederhana.
b. Memfasilitasi komunikasi keempat jenis model ini dapat
mengomunikasikan informasi secara akurat dan cepat kepada
orang-orang yang memahami makna bentuk, kata-kata, grafis dan
matematis.
c. Memprediksi masa depan ketepatan yang ditunjukan model
matematis untuk mewakili entitasnya merupakan kemampuan yang
tidak terdapat pada model lain. Model matematis dapat
memprediksi apa yang terjadi dimasa depan, namun tidak 100%
akurat.

Kelas model matematis

Model matematis dapat diklasifikasikan dalam tiga dimensi yaitu :

a. Model statis atau dinamis model statis tidak melibatkan waktu

sebagai salah satu variable. Model ini berkenan dengan situasi pada
waktu tertentu. Dengan kata lain, bersifat sebagi cuplikan keadaan.
Model yang melibatkan waktu sebagi salah satu variable disebut
model dinamis. Model ini menggambarkan perilaku entitas seiring
dengan waktu, seperti gambar bergerak atau flim.
b. Model probalitas atau deterministic probabilitas (probability)
adalah kesempatan bahwa sesuatu akan terjadi. Probabilitas
berkisar dari 0,00 (untuk sesutau yang tidak meimiliki kesempatan
yang terjadi) hingga 1,00 (untuk sesuatu yang pasti terjadi). Model
yang melibatkan probabilitas disebut model probabilitas. Jika
tidak maka model tersebut adalah model deterministic.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 5

 c. Model optimasi atau suboptimasi modelo ptimasi adalah model
yang memilih solusi terbaik dari berbagai alternative yang
ditampilkan. Sedangkan model sub optimasi yang sering kali
disebut model pemuas (satisficing model), memungkinkan seorang
manajer unutuk memasukan seperangkat keputusan.

Simulasi

Tindakan menggunakan model disebut dengan simulasi

(simulation). Simulasi terja didalam scenario tertentu dan
memperediksi dampak keputusan orang yang memcahkan masalah
tersebut.

a. Skenario (Scenario) digunakan untuk menggambarkan kondisi

yang memengaruhi simulasi. Elemen data yang menentukan
scenario ini disebut elemen data scenario.
b. Variable keputusan nilai input yang dimasukan manejer untuk
mengukur dampak pada entitas disebut variable keputusan.

Teknik simulasi

Manajer biasanya melakukan model optimasihanya sekali.

Model ini menghasilkan solusi yang terbaik menggunakan scenario
tertentu dan variabel-variabel keputusan. Namun, penting juga untuk
menjalankan model sub optimasi berulang kali, guna mencari
kombinasi variable keputusan yang menghasilkan hasil yang
memuaskan. Proses pelanggan untuk mencoba beragam alternative
keputusan ini disebut permainan bagaimana jika (what-if game).

Setiap kali model tersbut dijalankanya, hanya satu dari

beragam variable keputusan yang harus diubah agar pengaruhnya
dapat terlihat. Dengan cara ini pemecah masalah secara sistematis

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 6

 dapat menemukan kombinasi keputusan yang akan menghasilkan
solusi masalah.

Contoh pemodelan

Eksekutif perusahaan dapat menggunakan model matematis

untuk membuat beberapa keputusan kunci. Para eksekutif ini dapat
menyimulasikan dampak dari :

a. Harga produk
b. Jumlah investasi pabrik yang dibutuhkan untuk menyediakan
kapasitas untuk memproduksi produk
c. Jumlah yang akan dinvestasikan dalam aktivitas pemasaran,
seperti iklan dan penjualan langsung
d. Jumlah yang akan diinvestasikan dalam penelitian dan
pengembangan.

Kelebihan dan kelemahan pemodelan

Manajer yang menggunakan model matematika bias

mendapatkan manfaat melalui hal-hal berikut:

a. Proses pemodelan dapat menjadi pengalaman belajar. Manajer

akan selalu mempelajari sesuatu yang baru mengenai system
sesungguhnya melalui setiap proyek pemodelan.
b. Kecepatan proses simulasi memungkinkan sejumlah besar
alternatif dapat dipertimbangkan dengan cara memberikan
kemampuan untuk mengevaluasi dampak keputusan dalam waktu
yang singkat. Hanya dalam bebrapa menit, kita dapat
menyimulasikan beberapa bulan, kuartal atau tahunan operasional
perusahaan

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 7

 c. Seperti yang telah dibahas sebelumnya, model memberikan
kemapuan prediksi-prediksi pandangan kemasa depan yang tidak
dapat diberikan oleh metode penyedia informasi lain.

2.3 Kecerdasan Buatan

Dalam bentuk aslinya, DDS menekankan penggunaan pemodelan

matematika dan pengajuan permintaan ke basis data, tidak lama kemudian
para perancang DDS mulai menyadari kebutuhan untuk
menggabungkanya dengan kecerdasan buatan, kecerdasan buatan
(artificial inteligence-AI ) adalah aktivitas penyediaan mesin seperti
computer dengan kemampuan untuk menampilkan perilaku yang akan
dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan
oleh manusia. AI merupakan aplikasi computer yang paling canggih
karena aplikasi ini berusaha mencontoh cara pemikiran manusia

Sejarah AI

Bibit AI pertama kali disebar hanya 2 tahun setelah General

Electric menerapkan computer yang pertama kali digunakan untuk
penggunaan bisnis. Tahun itu adalah tahun 1956, dan istilah
kecerdasan buatan pertama kali dibuat oleh John McCarthy sebagai
tema suatu konferensi yang dilaksanakan di Darmouth college. Pada
tahun yang sama program computer AI yang pertama disebut Logic
Theorist, diumumkan, kemampuan Logic theorist yang terbatas untuk
berfikir (membuktikan teorema-teorema kalkulus) mendorong para
ilmuan untuk merancang program lain yang disebut General Problem
Solver (GPS), yang ditujukan untuk digunakan dalam memecahkan
segala macam masalah. Proyek ini ternyata membuat para ilmuan yang
pertama kali menyusun program ini kwalahan, dan riset AI dikalahkan
oleh aplikasi-aplikasi computer yang tidak terlalu ambisius seperti SIM
dan DSS. Namun seiring waktu riset yang terus menerus akhirnya

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 8

 membuahkan hasil, dan AI telah menjadi wilayah aplikasi computer
yang solid.

Wilayah AI

AI diterapkan di dunia bisnis dalam bentuk system pakar,

jaringan saraf tiruan, algoritme genetic, dan agen cerda

a. System pakar (Expert System), adalah program computer yang

berusaha untuk mewakili pengetahuan keahlian manusia dalam
bentuk heuristic (aturan yang menjadi patokan atau aturan untuk
menebak dengan baik), karena system pakar berfungsi sebagai
konsultan, tindakan menggunakan aplikasi ini disebut konsultasi
(consultation) karena pengguna berkonsultasi kepada system pakar
untuk mendapatkan saran
b. Jaringan saraf tiruan (neural networks), meniru fisiologi otak
manusia. Jaringan ini mampu menemukan dan membedakan pola,
sehingga membuatnya amat berguna dalam bisnis diwilayah
pengenalan suara dan pengenalan karakter optis.
c. Algoritme genetic (genetic algorithms), menerapkan proses yang
terkuat yang selamat untuk memungkinkan para pemecah masalah
agar menghasilkan solusi masalah yang semakin lebih baik.
d. Agen cerdas (intelligent agent), digunakan untuk melakukan tugas
yang berkaitan dengan computer yang berulang-ulang.

2.4 Sistem Pakar

System pakar (Expert System), adalah program computer yang

berusaha untuk mewakili pengetahuan keahlian manusia dalam bentuk
heuristic (aturan yang menjadi patokan atau aturan untuk menebak dengan
baik), karena system pakar berfungsi sebagai konsultan, tindakan
menggunakan aplikasi ini disebut konsultasi (consultation) karena
pengguna berkonsultasi kepada system pakar untuk mendapatkan saran.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 9

 Daya tarik sitem pakar

System pakar menawarkan kemampuan yang unik sebagai

system pendukung keputusan. Pertama, system pakar memberikan
kesempatan untuk membuat keputusan yang melebihi kemampuan
seorang manajer. Kedua, system pakar tersebut dapat menjelaskan
alasannya hingga menuju ke suatu keputusan.

Konfigurasi system pakar

System pakar terdiri atas empat bagian utama yaitu :

a. Antarmuka pengguna, antarmuka pengguna memungkinkan

manajer untuk memasukkan instruksi dan informasi kedalam
system pakar dan menerima informasi dari system tersebut.
Instruksi ini mementukan parameter yang mengarahkan system
pakar dalam proses pemikiranya, input informasi berbentuk nilai
yang dikaitkan dengan variable tertentu.
b. Basis pengetahuan (knowledge basis), berisikan fakta yang
menggambarkan masalah serta teknik penggambaran pengetahuan
yang menjelaskan bagaimana fakta bersentuhan secara logis.
c. Mesin inferensi (inference egine), adalah bagian dari system pakar
yang melakukan pemikiran dengan cara menggunakan isi basis
pengetahuan dalam urutan tertenttu.
d. Mesin pengembangan, merupakan komponen utama untuk
membuat system pakar.

2.5 Sistem Saraf Buatan

Jaringan saraf tiruan (neural networks), meniru fisiologi otak

manusia. Jaringan ini mampu menemukan dan membedakan pola,
sehingga membuatnya amat berguna dalam bisnis diwilayah pengenalan
suara dan pengenalan karakter optis. Jaringan saraf tiruan adalah suatu
sistem pemrosesan informasi yang cara kerjanya memiliki kesamaan

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 10

tertentu dengan jaringan saraf biologis (Fausett, 1994). Jaringan saraf
tiruan dikembangkan sebagai model matematis dari saraf biologis dengan
berdasarkan asumsi bahwa :

a. Pemrosesan terjadi pada elemen-elemen sederhana yang disebut

neuron.
b. Sinyal dilewatkan atar neuron melalui penghubungan.
c. Setiap penghubung memiliki bobot yang akan mengalikan sinyal yang
lewat.
d. Setiap neuron memiliki fungsi aktivasi yang akan menentukan nilai
sinyal output. Jaringan syaraf dapat digolongkan menjadiberbagai jenis
berdasarkan pada arsitekturnya, yaitu pola hubungan antara neuron-
neuron, dan alogaritma trainingnya, yaitu cara penentuan nilai bobot
pada penghubung.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 11

 BAB III
PENUTUP
3.1 Kesimpulan

Para manajer membuat berbagai keputusan dalam proses

pemecahan masalah dimana keputusan tersebut dapat berpengaruh
terhadap perusahaan. Para manajer membuat rangkaian keputusan dalam
proses menyelesaikan suatu masalah melaui empat aktivitas: intelijen,
perancangan, pemilihan dan pengkajian. Tujuan dari mengambil cara
pandang sistem adalah memberikan kesempatan kepada organisasi untuk
bekerja sebagai sistem yang efekif dan efesien.
Proses penyelesaian masalah terdiri atas beberapa elemen
penting. Berbagai standar dan informasi masing-masing memberikan
status yang diinginkan dan status saat ini, dan cara manajer dapat
mempertimbangkan berbagai solusi alternatif sekaligus memikirkan
batasannya. Dengan melaksanakan proses ini, solusi terhadap suatu
masalah dapat dicapai. Pemilihan alternatif yang terbaik dapat dicapai
melaui analisis, penilaian, atau penawaran.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 12

 DAFTAR PUSTAKA

McLeod, Raymond; George P.Schell. Sistem Informasi Manajemen,

Jakarta: PT Indeks. 2007

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN 13