MAKALAH

“DECISION SUPPORT SYSTEM”

Disusun Untuk Memenuhi Tugas Manajemen Sistem Informasi

Dosen Pengampu:
Rano Wijaya S.E., M.Si., M.Fin.

Disusun oleh:
KELOMPOK 4
Ikhlasul Amal C1C115081
Indra Sujana Zairin C1C115082
Juorgie Pratama C1C115083
Kukuh Dwi Atmojo C1C115084
Mas Hendra Ramadhani C1C115086
Meditia Monica Putri C1C115088
Mira Mahrisa C1C115089
Muhammad Habibullah Fauzi C1C115092
Mulia Sabah C1C115101
Putri Noorkhaliza C1C115108
Riyaldi Khairiannor C1C115110
Sallis Sofianti Ajizah C1C115111
Siti Alfiah C1C115112
Vania Claressy Tangkilisan C1C115115
Ahmad Dimyati C1C115201
Andi Nur Ramadhan C1C115203
Bagas Putra Sudibyo C1C115204

UNIVERSITAS LAMBUNG MANGKURAT

FAKULTAS EKONOMI DAN BISNIS

JURUSAN S1 AKUNTANSI

2018
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah Yang Maha Esa karena dengan
rahmat, karunia, serta taufik dan hidayah-Nya penulis dapat menyelesaikan makalah
tentang “Decision Support System” ini dengan baik, meskipun terdapat banyak
kekurangan di dalamnya. Penulis juga mengucapkan terima kasih kepada Bapak Rano
Wijaya S.E., M.Si., M.Fin selaku dosen mata kuliah Manajemen Sistem Informasi
yang telah memberikan tugas ini.

Penulis sangat berharap makalah ini dapat berguna dalam rangka menambah
wawasan dan pengetahuan mengenai “Decision Support System”. Penulis juga
menyadari sepenuhnya bahwa di dalam makalah ini terdapat kekurangan dan jauh
dari kata sempurna. Oleh sebab itu, penulis berharap adanya kritik, saran dan usulan
demi perbaikan makalah yang telah dibuat di masa yang akan datang, mengingat
tidak ada sesuatu yang sempurna tanpa saran yang membangun.

Semoga makalah sederhana ini dapat dipahami bagi siapapun yang

membacanya. Sebelumnya penulis mohon maaf apabila terdapat kesalahan kata-kata
yang kurang berkenan dan penulis memohon kritik dan saran yang membangun demi
perbaikan makalah ini di waktu yang akan datang.

Banjarmasin, 7 November 2018

Penulis
 DAFTAR ISI

KATA PENGANTAR ........................................................................................ i

DAFTAR ISI ....................................................................................................... ii

BAB I PENDAHULUAN
1.1 Latar Belakang .................................................................................. 1
1.2 Rumusan Masalah ............................................................................. 2
1.3 Tujuan Penulisan ............................................................................... 3

BAB II PEMBAHASAN
2.1 ............................................................................................................ 5
2.2 ...................................................................................................... .... 5
2.3 ........................................................................................................... 6
2.4 ........................................................................................................... 7
2.5 ............................................................................................................ 8

BAB III PENUTUP

3.1 ........................................................................................................... 15
3.2 ........................................................................................................... 15

DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Manajer membuat banyak keputusan untuk mengatasi masalah, Penyelesaian
masalah dicapai melalul empat tahapan dasar dan mempergunakan kerangka
berplkir seperti model sistem perusahaan yang umum dan medel lingkungan.
Dengan mengikut pendekatan sistem untuk menyelesaikan masalah, manaje
melihat sistem secara keseluruhan. Proses pemecahan masalah terdiri atas
empat elemen dasar: standar informasi, batasan, dan solusi alternatif. Jika
proses inl dilkuti, pemilihan alternatif yang terbaik tidak selalu dicapai melalui
analisis logis saja, dan penting untuk membedakan antara permasalahan dan
gejala.
Masalah memiliki struktür yang beragam, dan keputusan untuk
menyelesaikannya dapat terprogram maupun tidak terprogram. Konsep sistem
pendukung pengambilan keputusan (decision support system- DSS) awałnya
ditujukan pada masalah-masalah yang setengah tarstruktur. Output DSS yang
pertama terdiri atas laporan dan output dari model matematika Kemudian,
kapabilitas pemecahan masalah kelompok ditambahkan, dikuti dengan
kecerdasan buatan (artificial intelligence dan pamrosesan analitis oniline (on-
line analytical processing-OLAP).
Model matematika dapat dikfasifikasikan dalam berbagai cara, dan
penggunannya disebut simulasi. Lembar kerja elektronik (spreadsheet)
merupakan alat yang baik untuk membuat model matematika. Lembar kerja ini
dapat digunakan bak untuk model statik dan dinamik dan membuat manajer
dapat memainkan permainan "bagaimana jika" (what-it game).
Kecerdasan buatan dapat menjadi salah satu koroponen DSS. Dengan
menambahkan basis pengetabuan dan mesin inferensi, DSS dapat memberikan
saran solusi masalah kepada manajer. Jika groupware ditambahkan ke DSS,
maka DSS tersebut akan menjadi sistem pendukung pengambilan kepatusan
 kelompok (group decision support system -GDSS). GDSS dapat diletakkan di
beberapa tempat yang berbeda agar kondusif terhadap pemecahan masalah
keiompok.

1.2 Rumusan Masalah

1.3 Tujuan Penulisan
 BAB II

PEMBAHASAN

2.1 Pembuatan Keputusan

Secara sederhana, SIM sebenarnya adalah sistem yang memberikan informasi
untuk digunakan dalam pembuatan keputusan guna menyelesaikan masalah
bagi para penggunanya.

Pemecahan Masalah dan Pembuatan Keputusan

Pemecahan masalah (problem solving) terdiri atas respons terhadap hal
yang berjalan dengan baik, serta terhadap hal yang berjalan dengan buruk
dengan cara mendefinisikan masalah (problem) sebagai kondisi atau peristiwa
yang berbahaya atau dapat membahayakan perusahaan, atau yang bermanfaat
atau dapat memberi manfaat. Telah dijelaskan bahwa dalam proses
penyelesaian masalah manajer terlibat dalam pembuatan keputusan (decision
making), yaitu tindakan memilih di antara berbagai alternatif solusi pemecahan
masalah. Keputusan (decision) didefinisikan sebagai tindakan pilihan dan
sering kali perlu untuk mengambil banyak keputusan dalam proses pemecahan
satu masalah saja.

Fase Pemecahan masalah

Empat tahapan dari Herbert A. Simon. Menurut Simon, orang yang

memecahkan masalah terlibat dalam:

 Aktivitas intelijen. Mencari di sekitar lingkungan kondisi yang harus

dipecahkan.

 Aktivitas perancangan. Menemukan, mengembangkan, dan menganalisis

tindakan- tindakan yang mungkin dilakukan.

 Aktivitas pemilihan. Memilih tindakan tertentu dari beberapa yang tersedia.

  Aktivitas pengkajian. Memeriksa pilihan-pilihan yang lalu.

Pentingnya Cara Pandang Sistem

Dalam menggunakan model sistem umum dan model lingkungan sebagai

dasar pemecahan masalah, kita mengambil cara pandang sistem (systems view),
yang memandang operasional usaha sebagai sistem yang menjadi bagian dari
lingkungan yang lebih luas. Ini merupakan cara pemikiran yang abstrak, namun
memiliki nilai yang potensial untuk manajer. Cara pandang secara sistem 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

2.2 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

Beberapa elemen harus tersedia jika seorang manajer sedang terlibat dalam
pemecahan masalah. Elemen-elemen ini ditunjukkan dalam Figur 11.1.
 Kebanyakan masalah yang dipecahkan manajer dapat dianggap sebagai
permasalahan sistem. Sebagai contoh, perusahaan sebagai suatu sistem tidak
berfungsi sebagaimana mestinya. Atau, terdapat masalah dengan sistem
persediaan, sistem komisi penjualan, dan seterusnya. Solusi masalah sistem
adalah solusi yang membuat sistem tersebut memenuhi tujuannya dengan
paling baik, seperti yang dicerminkan dalam standar kinerja sistem. Standar ini
menggambarkan situasi yang diinginkan (desired state)-apa yang harus dicapai
sistem tersebut. Sebagai tambahan, manajer tersebut harus memiliki informasi
yang menggambarkan k sekarang ini. Jika dua keadaan ini berbeda, maka ada
masalah yang menjadi penyebabnya dan harus dipecahkan. eadaan saat ini
(current state)-apa yang dicapai sistem tersebut.

Perbedaan antara keadaan saat ini dengan keadaan yang diinginkan disebut
dengan kriteria solusi (solution criterion), atau apa yang harus terjadi agar
situasi saat ini berubah menjadi situasi yang diinginkan. Tentu saja, jika situasi
saat ini menunjukkan tingkat kinerja yang lebih tinggi dibandingkan dengan
keadaan yang diinginkan, maka tugas yang harus dilakukan bukanlah
menyamakan keadaan saat ini. Melainkan, tugas yang harus dilakukan adalah
menjaga agar situasi saat ini tetap berada pada tingkatan yang lebih tinggi. Jika
kinerja tingkat tinggi dapat dipertahankan, maka situasi yang diinginkan harus
ditingkatkan. Tanggung jawab manajer adalah mengidentifikasi solusi
alternatif, yang selalu ada.

Setelah berbagai alternatif didentifikasi, sistem informasi dapat digunakan

untuk mengevaluasinya. Evaluasi ini harus mempertimbangkan batasan
(constraint) yang ada, yang dapat berasal baik dari internal maupun lingkungan.
Batasan internal (internal constraint) biasanya berbentuk sumber daya yang
terbatas yang ada di dalam perusahaan. Sebagai contoh, unit TI tidak dapat
merancang sistem CRM karena kurangnya keahlian dalam OLAP Batasan
lingkungan (environmental constraint) berbentuk tekanan dari berbagai elemen
lingkungan yang membatasi aliran sumber daya dari dan keluar perusahaan.
Salah satu contoh adalah peningkatan suku bunga oleh Federal Reserve Board
yang meningkatkan biaya ekspansi pabrik. Jika semua elemen ini dapat
dikumpulkan dan manajer dapat memahaminya, solusi masalah dapat
ditemukan.

Memilih Solusi yang Terbaik

Pemilihan solusi yang terbaik dapat dicapai dengan berbagai cara. Herry
Mintzberg, seorang ahli teori manajemen, telah mengidentifikasi tiga
pendekatan:

 Analisis—evaluasi atas pilhan-pilihan secara sistematis, dengan

mempetimbangkan konsekuensi pilihan-pilihan tersebut pada tujuan
organisasi. Salah satu contohnya adalah pertimbangan yang dilakukan oleh
para anggota komite pengawas SIM untuk memutuskan pendekatan mana
yang harus diambil dalam mengimplementasikan sistem informasi
eksekutif.
 Penilaian—proses pemikiran yang dilakukan oleh seoran manajer. Sebagai
contoh, manajer produksi menerapkan pengalaman dan intuisi dalam
mengevaluasi gambar pabrik baru yang diusulkan dari model matematika.
 Penawaran—negoisasi antara beberapa manajer. Salah satu contoh adalah
proses memberi dan menerima yang berlangsung antara para anggota
komite eksekutif mengenai pasar yang mana yang harus dimasuki
selanjutnya. Di sinilah tempat di mana pengaruh politik dalam perusahaan
dapat terlihat dengan jelas.

Permasalahan versus Gejala

Penting bagi kita untuk memahami perbedaan antara masalah dan gejala dari
suatu masalah. Jika tidak demikian, kita dapat menghabiskan banyak waktu dan
uang untuk menyelesaikan permasalahan yang salah atau sesuatu yang
sesungguhnya bukanlah suatu masalah. Gejala (symptom) adalah kondisi yang
dihasilkan masalah. Sering kali seorang manajer melihat gejala dan bukan
masalah.

Seorang dokter mengikuti proses yang sama untuk menilik gejala-gejala dan
menemukan penyebab dari suatu penyakit (“apa yang menyebabkan Anda
kurang bersemangat?”). seorang manajer menghadapi tugas yang sama ketika
menghadapi gejala seperti rendahnya keuntungan. Sesuatu telah menyebabkan
keuntungan menjadi rendah. Masalahnya adalah penyebab dari keuntungan
yang rendah. Bahkan, kita dapat memandang suatu masalah sebagai penyebab
permasalahan atau penyebab kesempatan.

Stuktur Permasalahan

Seorang manajer dapat memahami beberapa masalah lebih baik

dibandingkan yang lain. Masalah mengenai berapa banyak persediaan yang
harus dipesan merupakan sebuah contoh permasalahan yang dapat dipahami
dengan baik oleh seorang manajer. Bahkan, model matematika yang disebut
formula EOQ (economic order quantity) dapat memberitahu bagaimana
masalah tersebut harus diselesaikan. Masalah seperti ini disebut masalah
terstruktur (strucktured problem) karena terdiri atas unsur dan hubungan
antara berbagai elemen yang semuanya dipahami oleh orang yang memecahkan
masalah.

Namun, manajer tersebut mungkin sama sekali tidak dapat memahamai

masalah yang lain. Masalah ini disebut dengan masalah yang tidak terstruktur
(unstructured problem) adalah msalah yang tidak memiliki elmeen atau
hubungan antar elemen yang dipahami oleh orang yang memecahkan masalah.
Salah satu contoh dari masalah yang tidak terstruktur adalah memutuskan film
yang mana yang paling kita sukai. Manajer bisnis sering kali tidak memiliki
perangkat yang cukup untuk mendefinisikan masalah seperti ini dengan cara
yang terstruktur.

Kebanyakan masalah adalah permasalahan dimana manajer memiliki

pemahaman yang kurang sempurna akan berbagai elemen dan hubungan
diantaranya. Masalah semiterstruktur (semistrucktured problem) adalah
masalah yang terdiri atas beberapa elemen atau hubungan yang dipahami oleh
si pemecah masalah dan beberapa yang tidak dapat dipahami. Salah contoh
adalah pemilihan lokasi untuk membangun sebuah pabrik baru. Beberapa
elemen, seperti harga tanah, pajak, dan biaya-biaya untuk mrngirimkan bahan
baku, dapat diukur dengan tingkat ketepatan yang tinggi. Tetapi elemen-elemen
lain, seperti bahaya dari lingkungan dan perilaku masyarakat sekitar, sulit untuk
diidentifikasi dan diukur.

Setelah prosedur ditentukan, komputer dapat memecahkan masalah yang

terstruktur tanpa keterlibatan manajer. Namun, manajer sering kali harus
melakukan semua pekerjaan untuk memecahkan masalah yang tidak terstruktur.
Dalam wilayah masalah semiterstruktur yang luas, manajer dan komputer dapat
bekerja sama dalam menemukan solusi.
 Jenis keputusan

Selain memberikan tahap-tahap pemecahan masalah, Herbert A. Simon juga

menemukan metode untuk mengkalsifikasikan keputusan. Ia percaya bahwa
keputusan terletak pada suatu kontinum, dengan keputusan yang terprogram
pada satu sisi dan keputusan yang tidak terprogram disisi yang lain. Keputusan
terporgram (programmed decision) bersifat “repetitif dan rutin, dalam hal
prosedur tertentu digunakan untuk menanganinya sehingga keputusan tersebut
tidak perlu dianggap de novo (baru) setiap kali terjadi”. Keputusan yang tidak
terprogram (nonprogrammed decision) bersifat “baru, tidak terstruktur, dan
penuh konsekuensi. Tidak terdapat metode yang pasti untuk menangani
masalah seperti ini karena masalah tersebut belum pernah muncul sebelumnya,
atau karena sifat dan strukturnya sulit dijelaskan dan kompleks, atau karena
masalah tersebut demikian penting sehingga memerlukan penanganan khusus”.

Simon menjelaskan bahwa dua jenis keputusan tersebut hanyalah merupakan

gambaran hitam putih dari kontinum tersebut dan bahwa kebanykan masalah
terletak di wilayah abu-abu. Namun, konsep keputusan terprogram dan tidak
terprogram penting untuk diketahui, karena masing-masing harus ditangani
dengan tekhnik yang berbeda.

2.3 Sistem Pendukung Pengambilan Keputusan

Istilah sistem pendukung pengambilan keputusan (decision support
system, DSS) tetap digunakan untuk mendeskripsikan sistem yang didesain
untuk membantu manajer memecahkan masalah tertentu. Penekannya terletak
pada kata membantu. DSS tidak pernah ditujukan untuk menyelesaikan maslaah
tanpa bantuan dari manajer. Ide dasarnya adalah agar manajer dan komputer
dapat bekerja sama untuk memecahkan masalah tersebut. Jenis masalah yang
dapat diselesaikan adalah masalah yang semiterstruktur. Komputer yang dapat
 menyelesaikan bagian terstruktur, dan manajer dapat menyelesaikan bagian
yang tidak terstruktur.

2.4 Pemodelan Matematika

Model adalah abstraksi 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 disebut dengan entitas.
Jenis model
Terdapat empat jenis dasar model: fisik, naratif, grafis, dan matematis.
Model fisik (physical model) merupakan gambaran tiga dimensi entitasnya.
Model fisik yang digunakan di dunia bisnis mencakup model skala untuk pusat
perbelanjaan dan prototipe mobil baru. Model fisik dibuta untuk mencapai
tujuan yang tidak dapat dipenuhi oleh benda sesungguhnya. Sebagai contoh,
model fisik memungkinkan desainer untuk mengevaluasi desain objek, seperti
pesawat terbang, dan membuat perubahan-perubahan sebelum konstruksi
sesungguhnya. Ini akan menghemat waktu dan uang.
Model Naratif, salah satu model yang menggambarkan entitas dengan kata-
kata yang terucap atau tertulis. Pendengar atau pembaca dapat memahami
entitas tersebut dari naratifnya.
Model Grafis, salah satu model yang menggambarkan entitasnya dengan
abstraksi garis, simbol, atau bentuk. Model grafis juga digunakan dalam sistem
informasi.
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:

2𝑃𝑆
EOQ - √ 𝑀
dimana P adalah biaya pembelian per unit (dalam dolar), S adalah penjualan per
tahun (dalam unit), dan M adalah biaya penyimpanan tahunan per unit (dalam
dolar).

Penggunaan Model
Keempat jenis model memberikan pemahaman dan memfasilitasi komunikasi.
Selain itu, model matematis memiliki kemampuan prediktif.
Model Pengertian Model biasanya lebih sederhana dibandingkan entitasnya
– entitas adalah objek atau proses. Entitas dapat lebih mudah dimengerti jika
berbagai elemen dan hubungan yang terdapat di dalamnya ditampilkan secara
lebih sederhana.
Memfasilitasi Komunikasi Keempat jenis model dapat mengomunikasikan
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. Namun bukan berarti akurat 100 persen. Karena asumsi biasanya
harus dibuat berdasarkan banyaknya data yang dimasukkan ke dalam model
tersebut, manajer harus menggunakan penilaian dan intuisi dalam mengevaluasi
outputnya.

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. Model ini berkenaan dengan situasi pada waktu tertentu.
Model dinamis adalah model yang melibatkan waktu sebagai salah satu
variabel.
Model Profabilitas atau Deterministik Cara lain untuk mengklasifikasikan
beragam model didasarkan pada apakah suatu formula melibatkan profitabilitas
atau tidak. Profitabilitas adalah kesempatan bahwa sesuatu akan terjadi. Model
yang melibatkan profitabilitas adalah model profitabilitas. Jika tidak, maka
model tersebut adalah model deterministik.
Model Optimisasi atau Suboptimisasi Model optimisasi adalah model
yang memilih solusi terbaik dari berbagai alternatif yang ditampilkan. Model
suboptimisasi, yang seringkali di sebut model pemuas, memungkinkan seorang
manajer untuk memasukkan seperangkat keputusan.

Simulasi
Tindakan menggunakan model disebut dengan simulasi (simulation). Simulasi
terjadi dalam skenario tertentu dan memprediksi dampak keputusan orang yang
memecahkan masalah tersebut.
Skenario Istilah skenario digunakan untuk menggambarkan kondisi yang
memengaruhi simulasi. Elemen data yang menentukan skenario ini adalah
elemen data skenario. Model ini dapat didesain sedemikian rupa sehingga
elemen data skenario berbentuk variabel, sehingga memungkinkan penentuan
nilai-nilai yang berbeda.
Variabel Keputusan Nilai input yang dimasukkan manajer untuk mengukur
dampak pada entitas disebut variabel keputusan (decision variable).

Teknik Simulasi
Manajer biasanya melakukan model optimisasi hanya sekali. Model ini
menghasilkan solusi yang terbaik menggunakan skenario tertentu dan variabel-
variabel keputusan. Namun, penting juga untuk menjalankan model
suboptimisasi berulang kali, guna mencari kombinasi variabel keputusan yang
menghasilkan hasil yang memuaskan. Proses pengulangan untuk mencoba
beragam alternatif keputusan ini disebut permainan bagaimana jika (what-if
game).

Format Output Simulasi

 Melibatkan berbagai elemen skenario dan variabel keputusan pada layar atau
halaman yang sama seperti output merupakan praktik yang baik. Dengan letak
seperti ini, akan jelas input mana yang menghasilkan output.

Contoh Pemodelan

Eksekutif perusahaan dapat menggunakan model matematis unutk membuat

beberapaa keputusan kunci. Para eksekutif ini dapat menyimpulkan dampak
dari :

 Harga produk
 Jumlah investasi pabrik yang dibutuhkan untuk menyediakan kapasitas
untuk memproduksi produk
 Jumlah yang akan di investasikan dalam aktivitas pemasaran, seperti iklan
dan penjualan langsung
 Jumlah yang akan diinvestasikan dalam penelitian dan pengembangan

Selain itu para eksekutif tersebut ingin menyimulasikan empat kuartal aktivitas
dan menghasilkan dua laporan

1. Laporan oprasional yang mencakup nilai-nilai moneter seperti potensi

pasar dan kapasitas pabrik serta
2. Laporan pendapatan yang mencerminkan hasil secara moneter

Input model

Figur 11.6 menunjukkan layar input yang digunakan untuk memasukkan

elemen data skenario untuk kuartal sebelumnya. Beberapa elemen tersebut
berhubungan dengan perusahaan kapasitas pabrik, jumlah unit yang diproduksi,
nilai nominal bahan baku, dan seterusnya. Elmen yang lain yang berhubungan
dengan pengaruh dari lingkungan perusahaan indeks ekonomi, indeks musiman,
harga kompetitor, dan pemasaran competitor.
 Figur 11.7 menunjukkan elemen skenario untuk kuartal berikutnya. Para
eksekutif memberi tahu berapa kuartal yang akan disimulasikan. Kemudian
mereka memasukkan estimasi indeks ekonomi dan musiman serta untuk harga
dan pemasaran kompetitor.

Figur 11.6 layar input model untuk memasukan data scenario untuk kuartal
sebelumnya
Figure 11.7 layar input model untuk memasukan data scenario untuk kuartal
selanjutnya

Figur 11.8 rangkuman output dari model

Di bagian bawah layar, para eksekutif memasukkan empat jenis keputusan

Harga (price) $12.00; Investasi pabrik (Plant investment) $100.000; pemasaran
(Marketing)$1,000; penelitian dan pengembangan(R&D) $0], dengan spasi di
sebelah kanan di mana laba setelah pajak yang dihasilkan akan ditampilkan.
Layar ini dapat mengakomodasi keputusan untuk empat kuartal. Layar ini
menunjukkan nilai awal untuk kuartal yang belum disimulasikan.

Output Model

Aktivitas kuartal selanjutnya (kuartal 1) sudah disimulasikan, dan laba

setelah pajak ditunjukkan pada layar. Para eksekutif mempelajari angka ini dan
membuat keputusan.
Figur 11.9 laporan hasil operasional menunjukan hasil non moneter
darisimulasi

Kelebihan dan Kelemahan Pemodelan

Manajer yang menggunakan model matematika bisa mendapatkan manfaat

melalui hal-hal berikut:

 Proses pemodelan dapat menjadi pengalaman belajar. Manajer akan selalu

mempelajari sesuatu yng baru mengenai system sesungguhnya melalui
setiap proyek pemodelan
 Kecepatan proses simulasi memungkinkan sejumlah besar alternative dapat
dipertimbangkan dengan cara memberikan kemampuan untuk
mengevaluasi dampak keputusan dalam waktu yang singkat. Hanya dalam
beberapa menit, kita dapat menyimulasikan beberapa bulan, kuartal, atau
tahunan operasional perusahaan
 Seperti yang telah dibahas sebelumnya, model memberikn kemampuan
prediksi pandangan ke masa depan yang tidak dapat diberikan oleh metode
penyedia informasi lain
 Model tidak semahal upaya uji coba. Proses pemodelan memang mahal
jika dilihat dari masa perancangan dan biaya peranti keras dan peranti
 lunak yang dibutuhkan untuk melakukan simulasi, namun biaya ini tidak
setinggi biaya yang terjadi jika keputusan yang buruk diimplementasikan di
dunia nyata.

Kelemahan Permodelan:

 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.

2.5 Permodelan Matematika Menggunakan Lembar Kerja Elektronik

Terobosan teknologi yang memungkinkan para pemecah persoalan untuk
menyusun model matematika dan tidak sekedar hanya mengandalkan spesialis
informasi atau ilmuwan manajemen adalah lembar kerja elektronik. Sebelum
adanya lembar kerja (spreadsheet), model matematika di program dalam bahasa
pemrograman teknis seperti fortran atau APL, yang berada diluar kompetensi
para pemecah masalah yang tidak memiliki latar belakang komputer.

Kapabilitas Pemodelan Statis

Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk
digunakan dalam mode statis. Figur 11.11 menunjukkan anggaran operasional
dalam bentuk laporan berbentuk tabel dengan kolom untuk pengeluaran yang
dianggarkan, pengeluaran sebenarnya, dan varian. Baris digunakan untuk
pengeluaran. Ini merupakan model yang amat sederhana, di mana satu-satunya
matematika yang dibutuhkan adalah pengurangan pengeluaran sebenarnya dari
pengeluaran yang dianggarkan untuk menghasilkan varian.
Figur 11.11 Baris dan Kolom Lembar Kerja Memberikan Format untuk
Laporan Berbentuk Kolom

Kapabilitas Pemodelan Dinamis

Lembar kerja sangat sesuai untuk digunakan sebagai model dinamis. Kolom-
kolom yang tersedia amat sesuai untuk periode waktu, seperti yang
diilustrasikan dalam figur 11.12. di sini, kolom mewakili bulan. Model ini juga
merupakan model yang sangat sederhana, dengan kas akhir dihitung dengan
menambahkan kas di awal dan kas masuk lalu mengurangi kas keluar. Simulasi
bulanan ini bersifat kumulatif, dengan kas akhir satu bulan menjadi kas awal
bulan berikutnya.

Figur 11.12 Kolom Lembar Kerja Amat Baik Digunakan Untuk Periode Waktu
Dalam Model Dinamis
 Memainkan Permainan “Bagaimana Jika”
Lembar kerja ini juga berguna untuk memainkan permainan “bagaimana
jika”, di mana pemecah masalah memanipulasi satu atau lebih variabel untuk
melihat dampak dari hasil simulasi. Sebagai contoh, dalam anggaran
operasional pada figur 11.11 pemecah masalah dapat melakukan perubahan
terhadap gaji sesungguhnya (mungkin menaikkannya sebanyak 10%) dan
melihat dampak varian gaji dan keseluruhan varian. Dalam model aliran kas di
Figur 11.12, manager keuangan dapat memanipulasi angka-angka kas masuk
dan kas keluar untuk melihat dampaknya.

Antarmuka Model Lembar Kerja

Ketika menggunakan lembar kerja sebagai model matematika, pengguna
dapat memasukkan data atau membuat perubahan secara langsung pada sel-sel
lembar kerja atau dapat menggunakan antarmuka pengguna grafis. Antarmuka
semacam ini dapat dipersiapkan menggunakan bahasa pemprogaman seperti
Visual Basic dan kemungkinan besar membutuhkan keahlian seorang spesialis
informasi.

2.6 Kecerdasan Buatan

Kecerdasan buatan (artifficial intelligence-AI) adalah aktivitas penyediaan
mesin seperti komputer dengan kemampuan untuk menampilkan perilaku yang
akan dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan
oleh manusia. AI merupakan aplikasi komputer yang paling canggih karena
aplikasi ini berusaha mencontoh cara pemikiran manusia.
Sejarah AI
Bibit AI pertama kali yaitu 2 tahun setelah General Electric menerapkan
komputer yang pertama kali digunakan untuk pengguna bisnis yaitu tahun
1956, dan kecerdasan buatan pertama kali di buat oleh John McCarthy sebagai
tema suatu konferensi yang dilaksanakan di Dartmouth College. Pada tahun
yang sama, program komputer AI pertama yang disebut Logic Theorist
diumumkan. Kemampuan Logic Theorist yang terbatas untuk berpikir
(membuktikan teorema-teorema kalkulus) mendorong para ilmuwan untuk
merancang program lain yang disebut General Problem Solver (GPS), yang
ditujukan untuk digunakan dalam memecahkan segala macam masalah. Proyek
ini ternyata membuat para ilmuwan yang pertama kali menyusun program ini
kewalahan, dan riset AI dikalahkan oleh aplikasi-aplikasi komputer yang tidak
selalu ambisius seperti SIM dan DSS. Namun seiring waktu, riset yang terus
menerus akhirnya membuahkan hasil, dan AI telah menjadi wilayah aplikasi
komputer yang solid.

Wilayah AI

AI diterapkan di dunia bisnis dalam bentuk sistem pakar, jaringan saraf tiruan,
algoritme genetik, dan agen cerdas.

 Sistem pakar (expert system) adalah program komputer yang berusaha

untuk mewakili pengetahuan keahlian manusia dalam bentuk heuristik.
Sistem pakar dirancang oleh spesialis informasi (yang sering kali disebut
Insinyur pengetahuan (knowledge engineer) yang memiliki keahlian
khusus dalam bidang kecerdasan buatan.
 Jaringan Saraf Tiruan (neural network) menirukan fisiologi otak
manusia. Jaringan ini mampu menemukan dan membedakan pola, sehingga
membuatnya amat berguna dalam bisnis di wilayah pengenalan suara dan
pengenalan karakter optis.
 Algoritme Genetik (genetic algorithms) menerapkan proses “yang terkuat
yang selamat” untuk memungkinkan para pemecah masalah agar
menghasilkan solusi masalah yang semakin lebih baik.
 Agen Cerdas (intelligent agent) digunakan untuk melakukan tugas yang
berkaitan dengan komputer yang berulang-ulang.
Daya Tarik Sistem pakar

Sistem pakar menawarkan kemampuan yang unik sebagail sstem pendukang

keputusan Pertama, sistem pakar memberikan kesempatan untuk membuat
keputusan yanig melebihi kemampuan seorang manajer Sebagai contoh,
seorang karyawan investası baru di bank dapat menggunakan suatu sistem
pakar yang didesain oleh seorang ahli keuangan dan dengan demikian,
menggabungkan pengetahuan ahli tersebot ke dalam keputusan investasinya.
Kedua, sistem pakar tersebut dapat menjelaskan alasannya hingga menuju ke
suatu keputusan. Sering kali penjelasan mengena bagaimana solus tersebut
dicapai Jebih berharga dibandingkan solusi itu sendiri.

Konfigurasi Sistem pakar

Sistem pakar terdiri atas empat bagian utama antarmuka pengguna, basis
pengetahuan antarmuka, dan mesin pengembangan:

Antarmuka Pengguna, Antarmuka penguna memungkinkan manajer

untuk memasukkan instruksi dan informasi ke dalam sistem pakar dan
menerima informasi dari sistem tersebut. Instruksi ini menentukan parameter
yang mengarahkan sistem pakar dalam proses pemikirannya. Input informasi
berbeutuk nilai yang di kaitkan dengan variabel tertentu. Sistem pakar didesain
untuk merekomendasikan solusi. Solusi ini kemudian dilengkapi dengan
penjelasan. Terdapat dua jenis penjelasan: penjelasan dari pertanyaan yang
diberikan manajer dan penjelasan mengenai solusi masalah.

Basis Pengetahuan, Basis pengetahuan (knowledge basis) berisikan fakta

yang menggambarkan masalah serta teknik penggambaran pengetahuan yang
menjelaskan bagaimana fakta bersentuhan secara logis. Istilah domain masalah
(problem domain digunakan untuk menggambarkan area permasalahan. Salah
satu teknik untuk menggambarkan pengetahuan yang populer adalah
penggunaan aturan. Aturan (rule) menentukan apa yang harus dilakukan dalam
suatu situasi dan terdiri atas dua bagian: kondisi yang bisa jadi benar atau salah
dan tindakan yang harus dilakukan jika kondisi itu benar. Contoh aturan adalah:

If Indeks.Ekonomi > 1.20 dan Indeks.Musiman > 1,30 Then Prakiraan

Penjualan = “SANGAT BAIK”

Semua aturan yang ada di dalam sistem pakar disebut set aturan (rule set).
Jumlah aturan dalam set aturan dapat bervariasi dari sekitar selusin peraturan
untuk suatu sisterm pakar sederhana hingga 10.000 peraturan untuk set yang
rumit.

Mesin inferensi (inference engine) adalah bagian dari sistem pakar yang
melakukan pemikiran dengan cara menggunakan isi basis pengetahuan dalam
urutan tertentu. Selama konsultasi, mesin inferensi memeriksa aturan-aturan
basis pengetahuan satu demi satu, dan jika persyaratan satu aturan benar, maka
suatu tindakan akan dilaksanakan. Dalam terminologi sistem pakar aturan
diberhentikan jika tindakan diambil.

Proses pemeriksan peraturan satu demi satu berlanjut hingga seluruh set
aturan telah dilalui. Lebih dari satu kali pemeriksaan biasanya dibutuhkan untuk
memberikan suatu nilai ke solusi masalah, yang disebut variabel tujuan.
Pemeriksaan terus berlanjut hingga memungkinkan untuk memberhentikan
beberapa aturan. Ketika tidak ada lagi aturan yang dapat diberhentikan, proses
pemikiran dapat berhenti.

Mesin Pengembangan, Komponen utama yang keempat dari sistem pakar

adalah mesin pengembangan.yang digunakan untuk membuat sistem pakar.
Ada dua pendekatan dasar yang tersedia: bahasa pemrograman dan kerangka
sistem pakar. Kerangka sistem pakar (expert system shell) adalah prosesor siap
pakai dan dapat disesuaikan untuk masa tertentu dengan cara menambahkan
basis pengetahuan yang sesuai. Kini, kebanyakan minat untuk menerapkan
sistem pakar ke masalah bisnis melilbatkan penggunan kerangka.
 Salah satu contoh domain masalah yang menggunakan kerangka sistem
pakar dalah komputer bantuan pelanggan. Ketika sistem pakar bantuan
pelanggan digunakan, pengguna atau anggota staf bantuan pelanggan
berkomunikasi secara langsung dengn sistem, dan sistem kemudian berusaha,
menyelesaikan masalah. Salah satu pengujian terhadap kecanggihan kecerdasan
buatan adalah apakah para pengguna dapat mengetahui apakah mereka
berhadapan dengan seorang manusia atau komputer. Ujian ini disebut Uji
Turing. Salah satu tanda sistem pakar yang baik adalah jika si pengguna tidak
menyadari jika ia berkomunikasi langsung dengan sebuah computer.

Sistem pakar bantuan pelanggan menggunakan beragam teknik

penggambaran pengetahuan. Salah satu pendekatan yang populer disebut cara
pikir berbasis kasus (case- based reasoning CBR). Pendekatan ini menggunakan
data historis sebagai dasar untuk mengidentifikasi masalah dan
merekomendasikan solusi. Beberapa sistem menggunakan pengetahuan yang
diekspresikan dalam bentuk pohon keputusan (decision tree), yaltu struktur
seperti jaringan yang memungkinkan penggunanya melangkah dari akar hingga
ke jaringan dahan dengan cara menjawab pertanyan-pertanyaan yang
berhubungan dengan suatu masalah. Perjalanan ini mengarahkan pengguna
hingga tiba ke solusi yang di inginkan di ujung dahan.

Kerangka sistem pakar telah membuat kecerdasan buatan terjangkau

perusahaan- perusahaan yang tidak memiliki sumber daya yang cukup untuk
merancang sistem mereka sendiri menggunakan bahasa pemrograman. Dalam
area bisnis, kerangka sistem pakar merupakan cara yang paling populer bagi
banyak perusahaan untuk menerapkan sistem berbasis pengetahuan.

2.7 Sistem Pendukung Pengambilan Keputusan Kelompok

Telah menjadi fakta umum bahwa para manajer jarang memecahkan masalah
sendirian. Berbagai komite, tim proyek, dan satuan tugas yang ada di banyak
perusahaan merupakan contoh pendekatan kelompok terhadap pemecahan
 masalah. Menyadari fakta ini, para pengembang sistem telah mengadaptasi DSS
ke dalam pemecahan masalah secara kelompok.
Konsep GDSS
Sistem pendukung pengambilan kepufusan kelompok (group decision
support system- GDSS) adalah "sistem berbasis komputer yang membantu
sekelompok orang melakukan tugas (atau mencapai tujuan) yang sama dan
memberikan antarmuka untuk digunakın bersama." Istilah istilah lain juga
digunakan untuk menggambarkan aplikasi teknologi informasi ke dalam situasi
kelompok. Istilah ini antara lain sistem pendukung kelompok group support
system-GSS), kerja sama berbantuan komputer (computer-supported
cooperative work- CSGW), dukungan kerja kolaboratif terkomputerisasi
(computerized collaborative work support), dan sistem pertemuan elektronik
(electronic meeting system-EMS). Peranti lunak yang digunakan dalam situasi
ini diberi nama groupware.

Bagaimana GDSS membantu pemecahan Masalah

Asumsi yang mendisari GDSS adalah komunikasl yang lebih baik m

dibuatnya kepitusan yanglebih baik. Komunlkasi yang lebth balk dicapai de
agar diskusi kelompok tetap terfokus pada masalah yang dibicarakan, sehir
tidak terbuang sla-sia. Ekstra waktu yang dimitlki dapat digunakan untuk a
masalah secara lebih mendetail, sehingga didapatkan definisi masalah yang le
Atau, ekstra waktu yang dimiliki dapat digunakan untuk mengi alternatif yang
sebelumnya tampak tidak mungkin. Evaluasi alternatif yang tehenif akan
meningkatkan kesempatan mendapatkan solusi yang lebih baik. emungkink
dengan menaa ngga wa mendiskug Bagaimana GDSS Membantu Pemecahan
Masalah yang lebih ang lebth banki

2.8 Letak Lingkungan Gdss

GDSS membantu pemecahan masalah dengan cara menyediakan lokasi yang
kondusif untuk komunikasi. Figur 11.4 menunjukkan empat lokasi GDSS
berdasarkan ukuran kelompok dan di mana lokasi para anggota: Pada tiap
lokasi, para anggota kelompok dapat bertemu dalam waktu yang bersamaan
atau waktu yang berbeda. Jika para anggota bertemu pada saat yang bersamaan,
maka lokasi ini disebut pertukaran sinkron (synchronous exchange). Salah satu
contoh adalah pertemuan komite. Jika para anggota bertemu pada waktu
berbeda-beda, maka lokasi ini disebut pertukaran asinkron (asynchronous
exchange). Salah satu contoh adalah saling berbalas komunikasi melalui e-mail.

Ukuran Kelompok
Lebih kecil Lebih Besar
Bertemu
Ruang Keputusan Sesi Legislatif
langsung
Kedekatan
Jaringan Keputusan Konferensi yang
Para Anggota
Wilayah Lokal dimediasi computer
Tersebar
Figur 11.14

Ruang Keputusan
Ruang keputusan (decision room) adalah tempat sekelompok kecil orang
yang bertemu langsung. Ruangan ini membantu komunikasi melalui kombinasi
perabotan, peralatan, dan tempat. Peralatan mencakup kombinasi komputer,
mikrofon penangkap suara, kamera vitdeo, dan layar lebar. Di tengah-tengah
ruangan terletak konsol fasilitator. Fasilitator adalah seseorang yang tugas
utamanya adalah menjaga diskusi di jalurnya.
Berdasarkan pengaturan yang ditentukan untuk masing-masing sesi, pesan
yang dimasukkan olch salah seorang anggota kelompok kepada anggota lain
dapat ditampilkan pada layar lebar untuk dilihat seluruh anggota kelompok.
Materi lain yang penting untuk diskusi ini juga dapat ditampilkan dari media
seperti gambar powerpoint, videotape, slide bewarna dan transparansi.
 Dua buah fitur GDSS yang unik adalah komunikasi paralel dan anomalitas.
Komunikasi paralel (parallel communication) terjadi ketika semua peserta
memasukkan komentar pada saat yang bersamaan, dan anonimitas (anonimity)
adalah ketika tidak ada yang dapat mengetahui siapa yang memberikan
komentar tertentu. Anonimitas memungkinkan para peserta untuk mengatakan
apa yang mereka pikirkan tanpa takut diejek oleh anggota kelompok yang lain.
Selain itu, fitur ini memungkinkan masing-masing ide untuk dievaluasi
berdasarkan kelebihannya dan bukan berdasarkan siapa yang memberikannya.
Jaringan Keputusan Wilayah Lokal. Jika tidak memungkinkan untuk
sekelompok kecil orang untuk bertemu langsung, maka para anggota dapat
berinteraksi melalui LAN. Seorang anggota dapat memasukkan komentar ke
dalam komputer dan melihat komentar yang diberikan anggota lain di layar.
Sesi Legislatif. Jika sekelompok yang ada terlalu besar untuk suatu ruang
keputusan, maka akan dibutuhkan sesi legislatif. Ukuran yang besar akan
membatasi komunikasi. Kesempatan partisipasi secara rata oleh semua
angggota kelompok menjadi berkurang atau waktu yang tersedia akan
berkurang. Salah satu solusi untuk masalah ini adalah fasilitator memutuskan
materi mana yang harus ditampilkan di layar untuk dilihat seluruh kelompok.
Koferensi Yang Dimediasi Komputer. Beberapa aplikasi virtual
memungkinkan komunikasi antara kelompok-kelompok besar yang memiliki
anggota yang tersebar di berbagai wilayah geografis. Aplikasi ini secara
kolektif dikenal sebagai aplikasi konferensi jarak jauh, yang mencakup
konferensi komputer, konferensi komputer, konferensi audio, dan konferensi
video.
2.9 Meletakkan DSS pada Tempatnya
Ketika kecerdasan buatan ditambahkan, fitur ini benar-benar mengubah
karakter DSS. Seseorang pernah menggambarkan perbedaan antara DSS dan
sistem pakar dengan cara menjelaskan bahwa ketika seorang manajer
menggunakan DSS, maka ia duduk di depan komputer dan berusaha
menemukan bagaimana cara menggunakan tampilan informasi untuk
 menyelesaikan masalah. Ketika manajer menggunakan sistem pakar, manajer
duduk di depan komputer, 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. Kapasitas GDSS kini
sudah terbukti. Bahkan, saat ini lebih banyak aplikasi GDSS dibandingkan
aplikasi DSS. Mengenai OLAP, konsep ini memang baru, namun akan menarik
untuk melihat kemajuannya di masa yang akan datang.

2.10 Contoh aplikasi yang menggunakan DSS

Berikut adalah beberapa contoh aplikasi yang menggunakan DSS:
1. DSS untuk proses kenaikan jabatan dan perencanaan karir pada PT. X
Salah satu contoh yang akan disorot dalam hal ini adalah cara pemilihan
karyawan yang sesuai dengan kriteria yang ada pada suatu jabatan tertentu.
Oleh karena itu diperlukan suatu sistem pendukung keputusan untuk proses
profile matching dan analisis gap yang dibuat berdasarkan data dan norma-
norma SDM yang terdapat di PT X.
Proses Profile Matching dilakukan untuk menentukan rekomendasi
karyawan dalam Sistem Kenaikan Jabatan dan Perencanaan Karir berdasar
pada 3 aspek yaitu Kapasitas Intelektual, Sikap Kerja dan Perilaku. Hasil
dari proses ini berupa ranking karyawan sebagai rekomendasi bagi
pengambil keputusan untuk memilih karyawan yang cocok pada jabatan
yang kosong tersebut. Software ini dibuat dengan menggunakan Microsoft
Access 2000 untuk database dan Borland Delphi 5 sebagai compiller-nya.
Dari hasil implementasi sistem, disimpulkan bahwa dengan penggunaan
software ini dapat membantu proses pengambilan keputusan terhadap
profile matching proses kenaikan jabatan dan perencanaan karir di PT. X.

2. DSS berbasis spreadsheet untuk menganalisis biaya penyelenggaraan

pendidikan Manajemen lembaga pendidikan memerlukan alat bantu dalam
 perencanaan anggaran yang dapat mensimulasikan pengaruh kebijakan
manajemen terhadap anggaran operasional, dan menghasilkan informasi
keuangan untuk digunakan dalam menetapkan alternatif pemodelan
anggaran yang akan diterapkan.
Sistem Pendukung Keputusan yang digunakan adalah DSS berbasis
spreadsheet yang menggunakan kebijakan manajemen sebagai acuan untuk
menentukan besaran komposisi anggaran operasional pendidikan dari tahun
ke tahun dalam bentuk program Analisis Anggaran.
Manajemen dapat melakukan perubahan atas variabel-variabel
kebijakan berupa jumlah mahasiswa, jumlah dosen, pertumbuhan kelas,
pertumbuhan biaya yang mempengaruhi anggaran penerimaan dan
pengeluaran pada menu proyeksi sehingga didapatkan anggaran proyeksi
dari tahun ke tahun. Setiap efek perubahan atas variabel kebijakan akan
divisualisasikan dalam bentuk grafik.

3. DSS untuk penanganan jalan lintas timur sumatera. Jaringan jalan utama di
Pulau Lintas Timur Sumatera dibentuk oleh tiga jalan utama yaitu Lintas
Timur, Lintas Tengah dan Lintas Barat. Pada Jalan Lintas Timur Sumatera,
banyak terdapat ruas jalan dalam kondisi rusak ringan dan rusak berat yang
sewaktu-waktu berpotensi terputus.
Kerusakan jalan yang progresif terjadi karena terlambatnya penanganan
perbaikan dan terbatasnya dana. Selama ini penanganan Jalan Lintas Timur
dilakukan secara manual sehingga diperlukan sistem informasi yang
membantu penanganan dalam hal ini pembuatan Analisis Keputusan.
Aplikasi LTDSS (Lintas Timur Decision Support System) merupakan
aplikasi Decision Support System (DSS) untuk penanganan jalan Lintas
Timur Sumatera. Aplikasi ini dibuat dengan menggunakan Visual Basic
6.0, Ms. Access 2000 dan Crystal Reports 8.5. Aplikasi LTDSS
membutuhkan input berupa data ruas, data seksi, data kondisi, data
lalulintas, data perencanaan serta data biaya. Proses yang dilakukan
 mengacu pada MAK (Metode Analisis Komponen). Output yang
dihasilkan berupa alokasi dana tiap propinsi dan jenis penanganan jalan
untuk tiap ruas serta dapat diketahui umur layan dari jalan yang ditinjau.

4. DSS untuk kelayakan proposal kredit Bank Rakyat Indonesia

Sekarang ini karena banyaknya perusahaan ataupun pengusaha yang
mengajukan kredit ke Bank membuat bank tersebut harus lebih
meningkatkan kualitas pelayanan terhadap nasabah.
Sebagai contoh : pemberian kredit Bank Rakyat Indonesia dimana BRI
memberikan kredit kepada debitur tetapi melalui proses yang harus dilalui.
Penyaluran kredit yang berhasil akan membawa keuntungan yang besar
bagi bank. Oleh karenanya BRI harus benar-benar hati-hati dalam
menyalurkan kreditnya. Sebelum menyalurkan kredit kepada seorang calon
debitor, BRI harus menilai dulu kelayakan proposal kreditnya.
Dengan adanya perkembangan teknologi komputer di bidang sistem
informasi dirancanglah suatu Sistem Pendukung Keputusan Spesifik
(Specific Decision Support Systems) SDSS yang dirancang dengan cara
cepat (Quick Hit) dan pendekatan secara interaktif. Rancangan SDSS
(Specific Decision Support Systems) ini menggunakan perangkat lunak
Clipper 5.2 sebagai DSS Tools atau peralatan DSS-nya. Berdasarkan hasil
uji coba sistem, dapat disimpulkan bahwa aplikasi SDSS ini sangat
membantu dan memudahkan pihak pengambil keputusan dalam tugasnya
menilai kelayakan proposal kredit.

5. DSS untuk peningkatan produktivitas Hotel Bintang 3 di Surabaya

menggunakan AHP dan OMAX produktivitas atau perbandingan antara
input dan output merupakan salah satu alat yang berpengaruh dalam
menentukan profitabilitas dan daya saing dalam perusahaan. Hotel perlu
melakukan pengukuran produktivitas kerja supaya dapat bertahan dan
bersaing dalam efisiensi dan efektivitas dengan hotel-hotel yang lain.
 Berdasarkan permasalahan yang dihadapi tersebut, maka perlu adanya
suatu sistem yang dapat membantu dalam mengukur produktivitas kerja
dari departemen-departemen yang ada. Aplikasi dari sistem tersebut adalah
sebuah aplikasi DSS dengan menggunakan metode Analytical Hierarchy
Proccess (AHP) untuk pembobotan dan Objectives Matrix (OMAX) untuk
pengukuran produktivitas. Hasil dari aplikasi yang dibuat adalah berupa
informasi mengenai kriteria-kriteria apa saja yang mempengaruhi kinerja
hotel.
 BAB III

PENUTUP

3.1 Kesimpulan
Para manajer membuat beragam keputusan dalam proses penyelesaian suatu
masalah. Dalam menyelesaikan masalah, manajer melalui empat aktivitas :
intelijen, perancangan, pemilihan, dan pengkajian. Dalam mengambil cara
pandang sistem dan mengikuti pendekatan sistem, manajer dapat menggunakan
model sistem umum suatu perusahaan atau model lingkungan. Tujuan dari
mengambil cara pandang sistem adalah memberi kesempatan kepada organisasi
untuk bekerja sebagai sistem yang efektif dan efisien.
Proses penyelesaian masalah terdiri atas beberapa elemen penting. Berbagai
standar dan informasi masing-masing memberikan status yang diinginkan dan
status saat ini, dan para 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 melalui analisis, penilaian, atau penawaran.
Gejala hanyalah merupakan indikasi dari suatu masalah, yang bisa jadi
terstruktur , tidak terstruktur, atau semiterstruktur, tergantung pada proporsi
berbagai elemen dan hubungan yang diketahui. Ketika menyelesaikan masalah
ini, manajer dapat membuat keputusan yang terprogram atau tidak terprogram.
Kepeutusan yang terprogram adalah solusi yang diketahui akan berhasil,
sementara keputusan yang tidak terprogram adalan solusi yang dibuat khusus.
DSS pertama kali dirancang sebagai satu cara untuk menyelesaikan masalah
yang telah menyulitkan pemrosesan komputer pada awal tahun 1970-an.
Program ini ditujukan untuk membantu seorang manjaer untuk menyelesaikan
masalah yang semitertstruktur. Kemudian, DSS diperluas sehingga mencakup
pemrosesan secara kelompok (mencapai GDSS), kecerdasan buatan, dan
OLAP.
 Terdapat empat jenis model: fisik, naratif, grafis, dan matematis.
Kesemuanya memungkinkan pemahaman dan komunikasi, tetapi model
mematematis juga dapat memprediksi masa depan. Tindakan menggunakan
model disebut simulasi, dan tindakan ini mengharuskan manajer untuk
memasukkan elemen data skenario dan variabel keputusan. Dengan mencoba
bebagai keputusan, manajer dapat memainkan permainan bagaimana jika.
Sistem pendukung pengambilan keputusan kelompok (group decision
support system—GDSS) memfasilitasi pemecahan masalah dengan cara
memberikan lingkungan yang kondusif, yang dapat dicapai dengan ruang
keputusan, jaringan wilayah lokal, sesi legislatif, dan komferensi yang
dimediasi komputer

3.2 Saran
Demikian makalah yang kami buat, tentunya dalam makalah kami ini
terdapat kekurangan karena terbatasnya pengetahuan yang kami peroleh.
Dengan ini kami mengharapkan kritik dan saran yang membangun demi
sempurnanya makalah Decission Support System (DSS) ini dan kami berharap
makalah ini dapat bermanfaat bagi pembaca dan penulis.
 DAFTAR PUSTAKA

Jr, R. M., & Schell, G. P. (2009). Sistem Informasi Manajemen. Jakarta: Salemba
Empat.