Dashboard / My courses / ATA 2020/2021|3KA29|Sistem Penunjang Keputusan *|KUWAT SETIYANTO / [24 Mei] Ujian Tengah Semester (UTS)
/ [ATA 2020/2021] Soal UTS Sistem Penunjang Keputusan
Question 1
Berikan contoh aplikasi Sistem Penunjang Keputusan, metode yang digunakan dan alur kerjanya!
Not answered
Marked out of
20.00
Question 2 Kontrol terhadap analisis anggaran, peramalan jangka pendek dan laporan personalia, merupakan manajerial kontrol
Not answered dengan tipe keputusan
Marked out of
2.00 Select one:
a. Unstructured
b. Semi Structured
c. Structured
d. Mixture
Question 3 Pada proses pemodelan pengambilan keputusan, yang tidak termasuk Design Phase yaitu
Not answered
b. pengembangan
c. pemodelan
d. pembuatan
Question 4 Berikut ini yang bukan karakteristik dan kemampuan ideal dari suatu DSS adalah
Not answered
b. Support intelligence
1
Online
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 1/11
24/5/2021 1 pesan baru
c. Derajat pembaruan
The correct answer is: merekomendasikan tetapi tidak membuat suatu pilihan
Question 8 Pada metode pencarian blind search terdapat dua metode pencarian, yaitu
Not answered
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 2/11
24/5/2021 1 pesan baru
b. Meningkatkan produktivitas
c. Meningkatkan resiko
Question 10 Problem yang masih kabur dan cukup kompleks yang tidak ada solusi langsung bisa dipakai, merupakan tipe keputusan
Not answered
b. Structured
c. Unstructured
d. Semi Structured
Question 11 Kontrol terhadap perencanaan Research and Development, pengenbangan teknologi baru dan perencanaan Social
Not answered Responsibility, merupakan strategi perencanaan dengan tipe keputusan
Marked out of
2.00 Select one:
a. Structured
b. Semi Structured
c. Mixture
d. Unstructured
b. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya
c. Manipulasi model lebih mudah dilakukan daripada bila diterapkan pada sistem nyata
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 3/11
24/5/2021 1 pesan baru
Question 13 Bentuk report Design Phase, dimana kinerja saat ini dirangkum oleh penyedia ekspektasi oleh pengguna laporan adalah
Not answered
b. Confirmation
c. Prediction
d. Comparison
The correct answer is: DSS utamanya berhubungan dengan sistem yang tertutup
Question 15 Pada Choise Phase proses pemodelan pengambilan keputusan, terdapat dua pendekatan pencarian pilihan yaitu
Not answered
Question 16 Bentuk report Design Phase, dimana laporan memiliki perbandingan eksplisit dengan ekspektasi kinerja saat ini adalah
Not answered
b. Confirmation
c. Comparison
d. Prediction
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 4/11
24/5/2021 1 pesan baru
Question 17 DSS selalu bisa beradaptasi sepanjang masa. Pengambil keputusan harus reaktif, mampu mengatasi perubahan kondisi
Not answered secepatnya dan beradaptasi untuk membuat DSS selalu bisa menangani perubahan ini. Pernyataan tersebut pengertian
Marked out of dari
2.00
Select one:
a. Evolutionary usage
b. Ease to use
d. Effectiveness
Question 18 Pernyataan yang benar mengenai DSS dibanding MIS, yaitu DSS
Not answered
The correct answer is: Faktor-faktor yang mempengaruhi suatu keputusan makin banyak
Question 20 Sistem sangat tergantung pada lingkungannya dan sistem ini menerima input dari lingkungannya dan bisa juga
Not answered memberikan outputnya kembali ke lingkungan tersebut. Merupakan jenis sistem
Marked out of
2.00 Select one:
a. Proses Sistem
b. Sistem Terbuka
c. Sistem Model
d. Sistem Tertutup
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 5/11
24/5/2021 1 pesan baru
b. Model menjadikan percobaan dari suatu sistem lebih lama dan mahal
c. Pengambilan keputusan melibatkan 4 fase utama: intelligence, design, implementation dan controlling
The correct answer is: Pemecahan masalah juga mengacu pada evaluasi peluang
Question 22 Kontrol terhadap pembangunan pabrik baru, Merger dan akuisisi, perencanaan produk baru, perencanaan kompensasi
Not answered dan perencanaan asuransi kualitas , merupakan strategi perencanaan dengan tipe keputusan
Marked out of
2.00 Select one:
a. Unstructured
b. Structured
c. Semi Structured
d. Mixture
Question 23 Berikut ini bukan proses yang terjadi pada pemodelan adalah
Not answered
c. Simulasi
d. Solusi
Question 24 Problem yang rutin, berulang dan memiliki pemecahan yang standar berdasarkan analisa kuantitatif, merupakan tipe
Not answered keputusan
Marked out of
2.00 Select one:
a. Semi Structured
b. Mixture
c. Structured
d. Unstructured
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 6/11
24/5/2021 1 pesan baru
Question 26 Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakan
Not answered representasi simbolis dari kenyata. Merupakan model
Marked out of
2.00 Select one:
a. Analog
b. Kuantitatif
c. Matematis
d. Scale
Question 27 Pernyataan yang benar mengenai MIS dibanding DSS, yaitu MIS
Not answered
The correct answer is: Aplikasi dikembangkan menggunakan spesifikasi yang dirumuskan di depan
The correct answer is: Kemahiran yang didapat dari pengalaman yang bertambah
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 7/11
24/5/2021 1 pesan baru
Question 29 Dukungan DSS disediakan untuk berbagai level manajerial yang berbeda, mulai dari pimpinan puncak sampai manajer
Not answered lapangan. Pernyataan tersebut merupakan pengertian dari
Marked out of
2.00 Select one:
a. Interdependent or sequential decision
Question 30 Kontrol terhadap negosiasi, perekrutan eksekutif, pembelian hardware dan melobi, merupakan manajerial kontrol dengan
Not answered tipe keputusan
Marked out of
2.00 Select one:
a. Unstructured
b. Structured
c. Semi Structured
d. Mixture
Question 31 Proses pemodelan trial and error dengan sistem nyata dapat dilakukan jika
Not answered
The correct answer is: Kesalahan yang terjadi hanya berpengaruh kecil
b. Mixture
c. Unstructured
d. Structured
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 8/11
24/5/2021 1 pesan baru
Question 33 Manajemen adalah proses dalam mengatur pemakaian [BLANK] yang ada untuk mendapatkan keluaran yang sesuai
Not answered dengan tujuan organisasi.
Marked out of
2.00 Select one:
a. staff
b. hardware
c. sumber daya
d. software
Question 34 Pada proses pemodelan pengambilan keputusan, yang tidak termasuk Intellegence Phase yaitu
Not answered
b. Kepemilikan masalah
c. Penggabungan masalah
d. Klasifikasi masalah
Question 35 Tingkat produktivitas manajer tergantung dari kemampuan manajer mengeksekusi fungsi
Not answered
b. eksekutif
c. controlling
d. oerganizing
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 9/11
24/5/2021 1 pesan baru
Question 37 Kontrol terhadap pemilihan sampul majalah, pembelian software dan persetujuan pinjaman, merupakan operasional
Not answered kontrol dengan tipe keputusan
Marked out of
2.00 Select one:
a. Structured
b. Unstructured
c. Semi Structured
d. Mixture
Question 38 Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. GUI pada OOPL adalah contoh dari model ini.
Not answered Merupakan model
Marked out of
2.00 Select one:
a. Matematis
b. Analog
c. Iconic
d. Kuantitatif
Question 39 Kontrol terhadap piutang dagang dan pesanan masuk, merupakan operasional kontrol dengan tipe keputusan
Not answered
b. Semi Structured
c. Mixture
d. Unstructured
Question 40 Bentuk report Design Phase, dimana bentuknya ramalan kinerja masa depan, prediksi berdasarkan anggaran, prediksi
Not answered berdasarkan musiman, ramalan kinerja saat ini sampai akhir adalah
Marked out of
2.00 Select one:
a. Confirmation
b. Prediction
c. Summarization
d. Comparison
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 10/11
24/5/2021 1 pesan baru
Question 41 Kontrol terhadap penjadwalan produksi dan kontrol persediaan, merupakan operasional kontrol dengan tipe keputusan
Not answered
b. Semi Structured
c. Unstructured
d. Structured
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=3454643&cmid=590669 11/11
Nama : PRISSILA VIOLETA ESTRADA
Kelas : 3KA22
NPM : 15118605
Pilihan Ganda :
4. Tipe Keputusan dengan karakteristik problem yang rutin, berulang dan memiliki
pemecahan yang standar berdasarkan analisa kuantitatif merupakan tipe
keputusan….
a. Unstructured c. Structured
b. Semi Structured d. Unstructured and Semi Structured
10. Keuntungan dari Simulasi dalam Mmanagement Support System (MSS), kecuali:
a. Teori simulasi relatif mudah dan bisa langsung diterapkan
b. Model simulasi mudah untuk menggabungkan Berbagai hubungan
dasar dan ketergantungannya
c. Model simulasi dibangun untuk berbagai permasalahan, dan bisa
menyelesaikan semua macam permasalahan.
d. Modelnya dibangun berdasarkan perspektif manajer dan berada dalam
struktur keputusannya
16. Komponen teknologi dari SPK kelompok yang paling khusus adalah :
a. Hardware
b. Prosedur
c. Software khusus mendukung kelompok
d. Orang
18. Fasilitas dasar yang TIDAK terdapat dalam software SPK khusus adalah:
a. Word processing c. Bantuan online
b. Prompt d. Fasilitas pembelajaran
19. Dalam teknologi SPK kelompok, system meeting elektronik TIDAK terdiri dari:
a. Computer conference dan audio c. File server
b. Video teleconference d. Ruang keputusan
20. Persyaratan jika SPK akan menjadi SPK kelompok KECUALI :
a. Penambahan kemampuan komunikasi
b. Peningkatan fasilitas fisik
c. Peningkatan base model untuk voting, ranking dan sebagainya
d. Instalasi permanen di vendor
23. Serangkaian pengujian tersimulasi terhadap setiap fasilitas software SPK yang
komprehensif disebut:
a. Benchmark simulation c. Software evaluation
b. Benchmark evaluation d. Software benchmark
User Akses
Ada 2 (dua) tipe user akses yang dapat digunakan pada Aplikasi SPK Metode AHP
ini, yaitu:
Administrator
User akses dengan hak akses yang paling tinggi pada aplikasi spk metode ahp.
Users
User akses yang dapat mengolah data-data sistem pendukung keputusan.
Sistem Penunjang Keputusan, Pertemuan Ke-9
KECERDASAN BISNIS
Data Warehouse, Data Mart, OLAP, dan Data Mining
Data Warehouse
Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu
yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal)
yang menjadi perhatian penting bagi manajemen dalam organisasi dan ditujukan untuk
keperluan analisis dan pelaporan manajemen dalam rangka pengambilan keputusan
Data warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk
melaksanakan pemrosesan transaksi
Data warehouse hanya berisi informasi-informasi yang relevan bagi kebutuhan pemakai
yang dipakai untuk pengambilan keputusan
Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh
manajer data warehouse dan disimpan dalam basis data tersendiri.
Selanjutnya, perangkat lunak seperti OLAP dan data mining dapat digunakan oleh
pemakai untuk mengakses data warehouse
Sumber
Data
Operasional
1 Perangkat EIS
Perangkat pelaporan
Perangkat
pengembangan
Manajer aplikasi
Sumber
Data
Data Warehouse
Operasional
2
OLAP
Sumber
Data Data
Eksternal Warehouse
Data Mining
Halaman 1
Sistem Penunjang Keputusan, Pertemuan Ke-9
Sifat Data Warehouse
Multidimensional yang berarti bahwa terdapat banyak lapisan kolom dan baris (Ini
berbeda dengan tabel pada model relasional yang hanya berdimensi dua)
Berdasarkan susunan data seperti itu, amatlah mudah untuk memperoleh jawaban atas
pertanyaan seperti: Berapakah jumlah produk 1 terjual di Jawa Tengah pada tahun n-3?
Ta hun n-4
Tahunn-3
T ahun n-2
Tahunn-1
J awa T engah
JawaBara t
Produk3
Produk2
Produk1
Mengingat sistem data warehouse memerlukan pemrosesan data dengan volume yang
besar, sistem ini biasa diterapkan dengan menggunakan teknologi pemrosesan SMP
(Symmetric Multiprocessing) dan MPP (Multiple Parallel Processing)
Data warehouse dapat dibangun sendiri dengan menggunakan perangkat pengembangan
aplikasi ataupun dengan menggunakan perangkat lunak khusus yang ditujukan untuk
menangani hal ini
Beberapa contoh perangkat lunak yang digunakan untuk administrasi dan manajemen
data warehouse:
HP Intelligent Warehouse (Hewlett Packard)
FlowMark (IBM)
SourcePoint (Software AG)
Petunjuk Membangun DW
Menentukan misi dan sasaran bisnis bagi pembentukan data warehouse
Mengidentifikasi data dari basis data operasional dan sumber lain yang diperlukan bagi
data warehouse
Menentukan item-item data dalam perusahaan dengan melakukan standarisasi penamaan
data dan maknanya
Merancang basis data untuk data warehouse
Membangun kebijakan dalam mengarsipkan data lama sehingga ruang penyimpanan tak
menjadi terlalu besar dan agar pengambilan keputusan tidak menjadi terlalu lamban.
Menarik data produksi (operasional) dan meletakkan ke basis data milik data warehouse
Data Mart
Bagian dari data warehouse yang mendukung kebutuhan pada tingkat departemen atau
fungsi bisnis tertentu dalam perusahaan. Karakteristik yang membedakan data mart dan
data warehouse adalah sebagai berikut (Connolly, Begg, Strachan 1999).
Halaman 2
Sistem Penunjang Keputusan, Pertemuan Ke-9
OLAP
OnLine Analytical Processing
Suatu jenis pemrosesan yang memanipulasi dan menganalisa data bervolume besar dari
berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi.
Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut
ukuran
Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut
ukuran adalah jumlah barang
Kemampuan OLAP
Konsolidasi melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat
dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau
menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan
untuk menyatakan konsolidasi
Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang
memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail
Slicing and dicing (atau dikenal dengan istilah pivoting) menjabarkan pada kemampuan
untuk melihat data dari berbagai sudut pandang
Triwulan Negara
Provinsi
Nama Hari Bulan
Kota
Tanggal
Kecamatan
Software OLAP
Express Server (Oracle)
PowerPlay (Cognos Software)
Metacube (Informix/Stanford Technology Group)
HighGate Project (Sybase)
Halaman 3
Sistem Penunjang Keputusan, Pertemuan Ke-9
Data Mining
Perangkat lunak yang digunakan untuk menemukan pola-pola tersembunyi maupun
hubungan-hubungan yang terdapat dalam basis data yang besar dan menghasilkan aturan-
aturan yang digunakan untuk memperkirakan perilaku di masa medatang
Data mining sering dikatakan berurusan dengan penemuan pengetahuan dalam basis
data. Suatu aturan yang dihasilkan oleh data mining misalnya seperti berikut :
Kebanyakan pembeli mobil Forsa adalah wanita berusia di atas 30 tahun .
Halaman 4
Sistem Penunjang Keputusan, Pertemuan Ke-9
RINGKASAN
DATA WAREHOUSE (GUDANG DATA)
Gudang data adalah basis data yang menyimpan data yang sekarang dan terdahulu yang
mungkin diminati oleh para pembuat keputusan di seluruh perusahaan.
Data dari banyaknya transaksi
Gudang data menggabungkan basis data operasional yang berbeda.
DATA MART
Adalah subset dari gudang data yang didalamnya terdapat ringkasan yang diberikan
kepada pengguna tertentu.
DATA MINING
Adalah usaha untuk penggalian data yang tidak dapat diperoleh melalui pelaporan dan
OLAP karena pola dan hubungannya tersembunyi.
Referensi
http://images.tyascatur.multiply.multiplycontent.com/attachment/0/ShZXPQoKCpcAAF5OT@c
1/DATAWAREHOUSE.ppt?nmid=245743065
Halaman 5
Sistem Penunjang Keputusan, Pertemuan Ke-8
MANAJEMEN PENGETAHUAN
Pengantar
Pengetahuan dipandang sebagai sebuah komoditi atau sebuah aset intelektual
Karakteristik pengetahuan:
1. Penggunaan pengetahuan tidak akan menghabiskannya
2. Perpindahan pengetahuan tidak akan menghilangkannya
3. Pengetahuan itu berlimpah, tetapi kemampuan terbatas untuk menggunakannya
4. Banyak pengetahuan berharga hilang begitu saja
Halaman 1
Sistem Penunjang Keputusan, Pertemuan Ke-8
2. Explicit knowledge
Pengetahuan yang telah ditangkap dan dinyatakan dalam kata-kata, teks,
maupun gambar
Telah ada dalam bentuk konkrit/nyata
Dapat dikodifikasi/formulasi
Dikonversikan ke tacit dengan pemahaman dan penyerapan
Misalnya dokumen, database, materi audio visual dll
Model lain adalah yang dikemukakan oleh ahli lain yang membagi model manajemen
pengetahuan menjadi dua dimensi, sebagai berikut
Halaman 2
Sistem Penunjang Keputusan, Pertemuan Ke-8
Dimensi pertama (bawah) terdiri dari aktifitas-aktifitas yang sangat penting bagi proses
penciptaan pengetahuan dan inovasi seperti :
knowledge exchange,
knowledge capture,
knowledge reuse, dan
knowledge internalization.
Sedangkan dimensi kedua (atas) terdiri dari elemen yang memungkinkan atau
mempengaruhi aktifitas penciptaan pengetahuan, yaitu:
Strategy penyelarasan strategi organisasi dengan strategi KMS.
Measurement pengukuran yang diambil untuk menentukan apakah terjadi
perbaikan KM atau ada manfaat yang telah diambil.
Policy aturan tertulis atau petunjuk-petunjuk yang telah dibuat oleh organisasi.
Content bagian dari knowledge-base organisasi yang ditangkap secara elektronik.
Process proses-proses yang digunakan oleh knowledge worker organsisasi dalam
rangka mencapai misi dan tujuan organisasi.
Technology teknologi informasi yang memfasilitasi proses identifikasi, penciptaan,
dan difusi pengetahuan diantara elemen-elemen organisasi di seluruh bagian
organisasi. Peran penting teknologi dalam KMS adalah memperluas jangkauan dan
meningkatkan kecepatan transfer pengetahuan. Peran ini sangat tergantung pada
dua aspek yang paling banyak mendukung, yaitu penyimpanan dan komunikasi.
Culture lingkungan dan konteks yang di dalamnya proses-proses KM harus terjadi
(sering disebut dengan istilah nilai, norma, dan praktek).
Teknologi tidak saja terbatas pada perangkat keras (alat) dan perangkat lunak
(program), tetapi juga mengikutsertakan manusia serta tujuan yang ditentukan, nilai
yang digunakan untuk membuat pilihan pelaksanaan, dan kriteria penilaian yang
digunakan untuk memutuskan apakah manusia mengendalikan teknologi atau tidak.
Yang termasuk teknologi informasi adalah antara lain:
(1) telekomunikasi,
(2) sistem komunikasi optik,
(3) sistem pita-video dan cakram video,
(4) komputer, termasuk visi komputer, lingkungan data dan sistem pakar,
(5) mikrobentuk,
(6) komunikasi suara dengan bantuan komputer,
(7) jaringan kerja data,
(8) surat elektronik, dan (videoteks dan teleteks.
Halaman 3
Sistem Penunjang Keputusan, Pertemuan Ke-8
Keberadaan teknologi informasi mampu menawarkan berbagai metode, antara lain :
1. Metode dan tools untuk merekam pengetahuan termasuk komputer, media simpan
seperti pita magnetis dan cakram atau disc. Pencarian data teks lengkap
memungkinkan pemakai menelusuri direktori, ensiklopedia, data statistik, dan
keuangan yang terbacakan mesin. Ini semua dipermudah dengan tersedianya media
simpan optik.
2. Metode menyimpan rekaman (record) mengenai berbagai kegiatan termasuk
perangkat keras komputer seperti media simpan, yang dilengkapi perangkat lunak
untuk merancang bangun, menciptakan, dan menyunting data, spreadsheet, dan
perangkat lunak sejenis.
3. Metode untuk mengindeks dokumen dan informasi termasuk berbagai teknik
pembuatan indeks berbantuan komputer serta berkas (files) khusus untuk
memudahkan menemukan dokumen berdasarkan istilah atau kondisi istilah dalam
berkas. Pangkalan data bibliografis yang besar yang memudahkan menemukan
dokumen yang memenuhi syarat tertentu (misalnya berdasarkan pengarang atau
subjek), kini berkembang dengan katalog sehingga membantu menentukan lokasi
dokumen.
4. Metode mengkomunikasikan pengetahuan termasuk :
a. sistem pos elektronik untuk transmisi teks memo dan surat dokumen ;
b. system transmisi faksimili (facsimile) untuk transmisi dokumen jarak jauh
berdasarkan prinsip fotokopi. Ini sama saja dengan fotokopi jarak jauh ;
c. majalah elektronik sebagai sarana komunikasi kegiatan dan hasil penelitian ;
d. telekonferensi artinya pertemuan jarak jauh, masing-masing peserta berada di
berbagai tempat, saling berkomunikasi serta terlihat wajah masing-masing ;
dan
e. jaringan komunikasi data untuk mengkomunikasikan data.
Sementara itu, ketika teknologi jaringan dan telekomunikasi semakin maju, maka boleh
dikatakan bahwa teknologi pengelolaan pengetahuan mengalami pertumbuhan sangat
dinamik. Seperti dikatakan Jablonski, Horn, dan Schlundt (2001), manajemen
pengetahuan kini berdiri di atas tiga kaki yaitu :
Intelegensi buatan (artificial intelligence) yang membantu mengekstraksi informasi
dari berbagai sumber untuk disimpan di knowledge base. Sebuah knowledge base
memiliki format yang bisa ditelusur dan diakses sesuai keperluan pemakai.
Pendekatannya berdasarkan asumsi bahwa knowledge base bisa dipisahkan dari
knowledge carriers.
Manajemen dokumen (document management) untuk menyimpan dan mengelola
berbagai tipe dokumen di dalam satu pusat. Pemanfaatannya adalah melalui
metadata.
Teknologi jaringan komputer dan hypertext yang memungkinkan berbagai dokumen
dihubungkan, sedangkan pencariannya didukung oleh search engine.
Majunya Teknologi Informasi (TI) memang bisa memacu efisiensi dan efektifitas
organisasi. Karena dirasa banyak manfaatnya bagi organisasi, sehingga usaha-usaha
untuk lebih memaksimalkan TI terus berkembang. Bagi mereka, TI telah menjadi bagian
yang tak terpisahkan dan merupakan infrastruktur yang penting bagi organisasi atau
organisasi dalam memberikan nilai tambah atau keuntungan kompetitif.
Halaman 4
PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN
Pendahuluan.
Membangun sebuah DSS, apalagi yang besar, merupakan proses yang rumit.
Melibatkan hal-hal: teknis (hardware, jaringan) dan perilaku (interaksi manusia-
mesin, dampak DSS pada individu).
Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE
TOOLs).
Strategi Pengembangan.
1. Tulis DSS dengan bahasa pemrograman umum: Pascal, Delphi, C, C++, C#, Java,
dan lainnya.
2. Menggunakan 4GL: data-oriented language, spreadsheets, dan financial-oriented
language.
3. Menggunakan DSS Generator: Excel, Lotus 1-2-3, Quattro Pro, Express. Generator
lebih efisien dari 4GL tapi ini tergantung juga pada batasannya.
4. Menggunakan DSS Generator khusus (domain specific): Commander FDC untuk
budgeting & financial analysis, EFPM untuk kalangan perguruan tinggi.
5. Mengembangkan DSS dengan metodologi CASE. Memiliki jaminan kualitas yang
memadai.
6. Untuk DSS yang kompleks, bisa mengintegrasikan pendekatan-pendekatan di atas.
http://exonous.typepad.com/mis/2004/02/systems_develop.html
http://www.albany.edu/acc/courses/fall97/acc681/ch7.html
Pendekatan Prototyping Evolusioner.
Pendekatan prototyping disebut juga proses evolusioner (evolutionary process),
proses berulang (iterative process), atau cukup disebut prototyping saja. Nama
lainnya adalah middle-out process (proses sementara), adaptive design (desain
adaptif) dan incremental design (desain berkelanjutan).
Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional
(analisis, desain, konstruksi, dan implementasi) ke dalam 1 langkah yang diulang-
ulang.
Proses berulang terdiri dari 4 tugas, seperti di bawah ini:
1. Memilih submasalah penting yang akan dibangun pertama kali.
2. Mengembangkan sistem yang kecil, tapi berguna, dalam membantu
pengambil keputusan.
3. Mengevaluasi sistem terus menerus.
4. Menghaluskan, mengembangkan, dan memodifikasi sistem secara berulang.
DSS Generator.
DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1
program.
Di bawah ini adalah program-program yang merupakan bahan baku bagi paket
terintegrasi:
Spreadsheet.
Manajemen Data.
Pengolah kata.
Komunikasi.
Grafis bisnis.
Kalender (manajemen waktu).
Desk management.
Manajemen projek.
Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3, Microsoft Excel.
Pemilihan DSS Generator dan Tool Software Lainnya.
Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan
menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan, (2)
hardware seperti apakah yang dipakai untuk menjalankannya, (3) sistem operasi seperti
apa yang akan digunakan, (4) jaringan seperti apakah yang akan dipakai untuk
menjalankannya.
Dengan kemampuan PC yang luar biasa sekarang ini, software DSS lebih banyak
ditemui pada jenis komputer mikro. Kemudian dengan adanya program-program
berbasis Windows, membuat DSS menjadi lebih disukai karena kemudahan
penggunaannya.
Pemilihan Software.
Tool software dasar yang patut dipertimbangkan adalah:
Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan
fasilitas pemilihan data setiap saat.
Bahasa penghasil grafis.
Bahasa pemodelan.
Bahasa analisis data statistikal umum.
Bahasa khusus yang lain (misal: untuk membangun simulasi).
Bahasa pemrograman (generasi ketiga).
Tool pemrograman berorientasi objek.
Tool pembangun ES.
Jaringan.
CASE tools.
Kesimpulan.
DSS dikembangkan dengan proses pengembangan yang unik berdasarkan
prototyping.
Langkah utamanya adalah: perencanaan, riset, analisis, desain, konstruksi,
implementasi, perawatan, dan adaptasi.
Pendekatan berulang (prototyping) paling umum digunakan dalam DSS, karena
kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses.
DSS dapat dibangun oleh tim maupun individu.
Pembangunan DSS dengan tim mengikuti proses terstruktur, termasuk
perencanaan, pemilihan software yang sesuai (generator jika dibutuhkan), dan
hardware.
Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan
personal yang dilakukan oleh individu.
Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu
penyelesaiannya singkat, familiar dengan kebutuhannya, biaya rendah, dan
implementasinya lebih mudah.
Pengembangan DSS berbasis user bisa juga berkualitas rendah, karena itu kontrol
yang cukup dapat memperbaiki situasi tersebut.
Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan
tool-tool pengembangan 4GL tak terintegrasi.
Terdapat banyak sekali tool dan generator di pasaran. Pemilihan yang sesuai untuk
membangun DSS tertentu haruslah didesain dengan cermat.
Banyak DSS dibangun dalam lingkungan Windows. Windows membuatnya mungkin
untuk membangun DSS dengan cepat dan murah.
PEMODELAN DAN MANAJEMEN MODEL
1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel.
Model ini merupakan preprogram dalam tool software pengembangan DSS.
3. Model optimasi yang dibuat menggunakan model management science yang disebut
pendekatan Linear Programming dalam rangka menentukan pemilihan media. Untuk
menggunakan model ini, DSS perlu antarmuka untuk berhubungan dengan software
yang lain.
Pohon Keputusan.
Alternatif penampilan tabel keputusan adalah pohon keputusan. Pohon keputusan
memiliki 2 keuntungan: pertama, menggambarkan secara grafis hubungan dari
masalah, dan kedua, dapat berhubungan dengan situasi yang lebih kompleks dalam
bentuk yang lebih kompak (misal masalah investasi dengan periode waktu yang lebih
banyak).
Metode mengatasi resiko yang lain.
Misalnya: simulasi, certainty factors, dan fuzzy logic.
Optimasi dengan Pemrograman Matematis.
Pemrograman matematis.
Digunakan untuk membantu menyelesaikan masalah manajerial, untuk mengalokasikan
resources yang terbatas (misal tenaga kerja, modal, mesin, atau air) diantara sekian
banyak aktivitas untuk mengoptimalkan tujuan yang ditetapkan.
Karakteristik.
1. Sejumlah tertentu resources ekonomi tersedia untuk dialokasi.
2. Resources digunakan dalam produksi produk atau service.
3. Ada 2 atau lebih cara bagaimana resources digunakan. Masing-masingnya
disebut dengan solusi atau program.
4. Setiap aktivitas (produk atau service) dimana resources digunakan disitu
memberikan hasil tertentu sesuai tujuan yang telah ditetapkan.
5. Pengalokasian ini biasanya dibatasi oleh Berbagai batasan dan kebutuhan yang
disebut dengan constraints (batasan).
Asumsi.
1. Hasil dari Berbagai alokasi yang berbeda dapat dibandingkan; sehingga, mereka
dapat diukur dengan unit yang sama (seperti dolar atau utilitas).
2. Hasil dari Berbagai alokasi berdiri sendiri dibandingkan dengan alokasi yang lain.
3. Hasil total adalah penjumlahan dari semua hasil yang diperoleh dari aktivitas-
aktivitas yang berbeda.
4. Semua data diketahui dengan certainty.
5. Resources digunakan menurut perilaku ekonomi.
Tujuannya adalah untuk meminimalkan biaya total dari formula yang dibutuhkan untuk
menghasilkan 1 drum cat. Jika biaya Alpha adalah 45 cent per ounce, dan jika x 1 ounce
digunakan dalam setiap drum, maka biaya per drum adalah 45x 1. Serupa dengan itu,
untuk Beta biayanya adalah 12x 2. Biaya totalnya menjadi, 45x 1 + 12x 2, dan fungsi tujuan
kita, adalah untuk meminimisasikan hal-hal di atas berdasarkan batasan di bawah ini:
1. Untuk membuat tingkat brilliance paling tidak 300 derajat dalam setiap drum. Karena
setiap ounce Alpha atau Beta meningkatkan derajat kecerahan (brightness) 1
derajat, maka terjadilah hubungan berikut:
2. Untuk membuat level hue paling tidak 250 derajat, efek dari Alpha (sendirian) pada
hue dapat ditulis sebagai berikut:
Decision Variables.
Variabel-variabel dimana nilainya tak diketahui dan yang sedang dicari. Biasanya
ditandai dengan x 1, x 2, dan lain-lain.
Optimasi.
LP berusaha untuk mendapatkan nilai maksimal atau minimal dari fungsi tujuan.
Constraints (batasan).
Maksimalisasi atau minimalisasi dilakukan berdasarkan batasan-batasan tertentu.
Sehingga, LP dapat didefinisikan sebagai permasalahan optimasi terbatasi. Batasan
dinyatakan dalam bentuk pertidaksamaan (atau terkadang persamaan).
Capacities (kapasitas).
Kapasitas (atau ketersediaan) dari Berbagai resources, biasanya dinyatakan dengan
batas atas atau batas bawah, berada pada sisi kanan batasan. Sisi kanan juga
menyatakan kebutuhan minimum.
Contoh.
Contoh dari perumusan umum dan istilah ini diterapkan pada blending problem
sebelumnya. Temukan x 1 dan x 2 (decision variables) yang akan meminimisasikan nilai
dari fungsi tujuan linier:
Simulasi.
Dalam MSS artinya adalah teknik untuk melakukan percobaan (seperti misalnya what-
if ) dengan komputer digital pada suatu model dari sistem manajemen.
Karakteristik Utama.
Pertama, simulasi bukanlah sejenis model biasa; model umumnya merepresentasikan
kenyataan, sedangkan simulasi biasanya menirukan kenyataan tersebut. Singkatnya, ini
berarti ada sedikit penyederhanaan kenyataan dalam model simulasi dibandingkan
dengan jenis model lainnya.
Kedua, simulasi adalah teknik untuk melaksanakan percobaan. Artinya, simulasi
melibatkan testing pada nilai-nilai tertentu dari decision atau uncontrollable variables
yang ada pada model dan mengamati akibatnya pada variabel output.
Simulasi lebih bersifat deskriptif (menjelaskan) daripada tool normatif; sehingga tak ada
pencarian otomatis untuk solusi optimal. Lebih dari itu, simulasi menjelaskan dan/atau
memperkirakan karakteristik sistem tertentu pada Berbagai keadaan yang berbeda-
beda. Sekali karakteristik ini diketahui, alternatif terbaik dari alternatif yang ada dapat
dipilih.
Simulasi digunakan bilamana permasalahan yang ada terlalu kompleks/sulit bila
diselesaikan dengan teknik optimasi numerik (misalnya LP). Kompleksitas disini berarti
bahwa permasalahan tadi tak bisa dirumuskan untuk optimasinya atau perumusannya
terlalu kompleks.
Keuntungan Simulasi:
1. Teori simulasi relatif mudah dan bisa langsung diterapkan.
2. Model simulasi mudah untuk menggabungkan Berbagai hubungan dasar dan
ketergantungannya.
3. Simulasi lebih bersifat deskriptif daripada normatif. Ini mengijinkan manajer untuk
menanyakan jenis pertanyaan what-if . Sehingga, manajer yang memiliki
pendekatan trial-and-error dalam menyelesaikan masalah dapat melakukannya lebih
cepat dan murah, dengan resiko yang lebih kecil, menggunakan bantuan simulasi
dan komputer (sebagai pembanding adalah pendekatan trial-and-error dalam sistem
nyata).
4. Model simulasi yang akurat membutuhkan knowledge yang dalam dari suatu
masalah, yang memaksa MSS builder untuk selalu berkomunikasi dengan manajer.
5. Modelnya dibangun berdasarkan perspektif manajer dan berada dalam struktur
keputusannya.
6. Model simulasi dibangun untuk satu permasalahan tertentu, dan biasanya tak bisa
menyelesaikan permasalahan yang lain.
7. Simulasi dapat mengatasi variasi yang berbeda-beda dalam Berbagai jenis masalah
seperti halnya inventory dan staffing, demikian juga pada fungsi tingkat tinggi
manajerial seperti rencana jangka panjang. Sehingga ungkapan untuknya adalah
selalu ada jika manajer sedang membutuhkannya.
8. Manajer dapat melakukan eksperimen dengan Berbagai variabel yang berbeda
untuk menentukan mana yang penting, dan dengan Berbagai alternatif yang berbeda
untuk mencari yang terbaik.
9. Simulasi secara umum mengijinkan kita memasukkan kompleksitas kehidupan nyata
dari suatu masalah; penyederhanaan tak diperlukan disini. Sebagai contoh, simulasi
dapat memanfaatkan distribusi probabilitas kehidupan nyata daripada mengira-ira
distribusi teoritis.
10.Sebagai sifat alamiah simulasi, kita dapat menghemat waktu.
11.Mudah untuk mendapatkan Berbagai pengukuran kinerja yang berbeda-beda secara
langsung dari simulasi.
Kerugian Simulasi:
1. Tak menjamin solusi yang optimal.
2. Membangun model simulasi seringkali memakan waktu lama dan membutuhkan
biaya.
3. Solusi dan inferensi dari satu kasus simulasi biasanya tak bisa ditransfer ke
permasalahan yang lain.
4. Simulasi terkadang begitu mudah diterima oleh manajer sehingga solusi analitis
yang dapat menghasilkan solusi optimal malah sering dilupakan.
Metodologi Simulasi.
Definisi masalah.
Membangun model simulasi.
Testing dan validasi model.
Desain percobaan.
Melakukan percobaan.
Evaluasi hasil.
Implementasi.
Tipe Simulasi.
Simulasi Probabilistik. Satu atau lebih independent variable-nya (misal, kebutuhan
dalam masalah inventory) probabilistik, mengandung bilangan acak. Sehingga ini
mengikutsertakan distribusi probabilitas tertentu. 2 yang dikenal: distribusi diskrit dan
distribusi kontinyu. Distribusi diskrit melibatkan situasi dimana terdapat sejumlah
tertentu kejadian (atau variabel) yang dapat diamati pada sejumlah nilai tertentu.
Distribusi kontinyu mengacu pada situasi dimana terdapat kemungkinan jumlah
kejadian yang tak terbatas, yang mengikuti fungsi densitas tertentu, misal distribusi
normal. Di bawah ini dijelaskan bedanya:
Simulasi bergantung waktu (time dependent) vs simulasi tak bergantung waktu
(time independent). Time independent mengacu pada situasi dimana tak penting
kita mengetahui secara pasti kejadian yang terjadi. Time dependent sebaliknya,
adalah penting mengetahui secara presisi kejadian-kejadiannya.
Prosedure Monte Carlo bukanlah model simulasi, walaupun ia hampir menjadi sinonim
dengan simulasi probabilistik. Prosedur tersebut melibatkan langkah 3 sampai langkah 6
dalam proses ini. Yaitu, prosedure yang menghasilkan pengamatan acak dari variabel-
variabel yang penting.
Pemrograman Heuristic.
Pendekatan yang melibatkan cara heuristic (role of thumb, aturan jempol) yang dapat
menghasilkan solusi yang layak dan cukup baik pada Berbagai permasalahan yang
kompleks. Cukup baik (good enough) biasanya dalam jangkauan 90 sampai dengan
99.99 persen dari solusi optimal sebenarnya.
Metodologi.
Pendekatan lojik heuristic melibatkan hal-hal berikut:
1. Skema klasifikasi yang mengenalkan struktur ke dalam permasalahan.
2. Analisis karakteristik dari elemen-elemen masalah.
3. Aturan-aturan untuk seleksi elemen dari setiap kategori untuk mendapatkan strategi
pencarian yang efisien.
4. Aturan-aturan untuk seleksi lebih lanjut, bila diperlukan.
5. Fungsi tujuan yang digunakan untuk mengecek kelayakan solusi pada setiap
tahapan seleksi atau pencarian.
Keuntungan Heuristic:
1. Mudah dimengerti dan kemudian mudah diimplementasikan.
2. Membantu dalam melatih orang sehingga kreatif dan dapat digunakan untuk
masalah yang lain.
3. Menghemat waktu perumusan.
4. Menghemat pemrograman dan kebutuhan penyimpanan pada komputer.
5. Menghemat waktu pemrosesan komputer yang tak perlu (kecepatan!).
6. Seringkali menghasilkan Berbagai solusi yang dapat diterima.
Kesimpulan.
Model memainkan peranan yang utama dalam DSS. Terdiri dari beberapa jenis.
Manajemen model adalah konsep yang serupa dengan manajemen data.
Model bisa berupa statis (cuplikan singkat situasi) atau dinamis.
Analisis dilakukan baik pada kondisi certainty/kepastian (yang paling diinginkan
memang ini), resiko, atau uncertainty (dihindari sebisanya).
Tool utama dalam optimasi adalah pemrograman matematis.
LP adalah tool paling sederhana dari pemrograman matematis. Ia mencoba mencari
alokasi optimal dari resources yang terbatas pada batasan-batasan (constraints)
yang ada.
Bagian utama dari LP adalah objective function, decision variables, dan constraints.
Simulasi banyak digunakan dalam pendekatan DSS yang melibatkan eksperimen
dengan model yang diasumsikan merupakan pencerminan kenyataan yang
sebenarnya.
Simulasi dapat dilakukan untuk situasi yang kompleks, yang tak bisa dilakukan oleh
teknik optimasi biasa. Tapi tak ada jaminan untuk mendapatkan solusi optimal.
Pemrograman heuristic adalah penyelesaian masalah menggunakan rule of thumb.
Sistem Penunjang Keputusan, Pertemuan Ke-2
Sistem.
Sistem adalah kumpulan dari obyek-obyek seperti orang, resources, konsep, dan prosedur yang
ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan.
Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface.
Input adalah semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk
ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer.
Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.
Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang
memperhitungkan output atau kinerja sistem. Dari informasi ini, pengambil keputusan, yang
bertindak sebagai pengontrol, bisa memutuskan untuk memodifikasi input, atau proses, atau
malah keduanya.
Environment/lingkungan dari sistem terdiri dari pelbagai elemen yang terletak di luar input, output,
atau pun proses. Namun, mereka dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu
elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak
mungkin memanipulasi elemen ini, maka elemen tersebut harus dimasukkan sebagai bagian dari
environment. Contoh: sosial, politik, hukum, aspek fisik, dan ekonomi.
Noviyanto, ST Halaman 1
Sistem Penunjang Keputusan, Pertemuan Ke-2
Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Sistem ini menerima input
(informasi, energi, material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke
lingkungan tersebut.
Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. Ini mengacu pada hasil atau
output dari suatu sistem. Doing the right thing.
Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan; sebagai
contoh, seberapa banyak
Model.
Karekteristik utama dari DSS adalah adanya kemampuan pemodelan.
Model adalah representasi sederhana atau penggambaran dari kenyataan.
Terdapat 3 jenis model:
1. Iconic (Scale). Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. GUI
pada OOPL adalah contoh dari model ini.
2. Analog. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak
daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Contoh: bagan
organisasi, peta, bagan pasar modal, speedometer.
3. Matematis (Kuantitatif). Kompleksitas hubungan dalam sistem organisasi tak dapat
direpesentasikan dengan Iconic atau Analog, karena kalau pun bisa akan memakan waktu
lama dan sulit. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model
matematis atau model kuantitatif lainnya.
Keuntungan Model.
Di bawah ini adalah alasan utama mengapa MSS menggunakan model:
1. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang
sesungguhnya.
2. Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat disimulasikan
dalam hitungan menit di komputer.
3. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada
sistem nyata. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak
mengganggu jalannya operasi harian organisasi.
4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih
kecil daripada penggunaan model langsung di sistem nyata.
5. Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan pemodelan
menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.
6. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan-
kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. Dengan adanya
komunikasi dan teknologi canggih sekarang ini, manajer akan seringkali memiliki alternatif-
alternatif pilihan.
7. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.
Noviyanto, ST Halaman 2
Sistem Penunjang Keputusan, Pertemuan Ke-2
Proses Pemodelan.
Berikut ini adalah proses yang terjadi pada pemodelan:
Trial and error dengan sistem nyata. Tapi ini tak berjalan bila:
1. Terlalu banyak alternatif untuk dicoba.
2. Akibat samping dari error yang terjadi besar pengaruhnya.
3. Lingkungan itu sendiri selalu berubah.
Simulasi.
Optimisasi
Heuristic.
Intellegence Phase.
Proses yang terjadi pada fase ini adalah:
Menemukan masalah.
Klasifikasi masalah.
Penguraian masalah.
Kepemilikan masalah.
Design Phase.
Tahap ini meliputi pembuatan, pengembangan, dan analisis hal-hal yang mungkin untuk dilakukan.
Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Juga model dari
masalahnya dirancang, dites, dan divalidasi.
Noviyanto, ST Halaman 3
Sistem Penunjang Keputusan, Pertemuan Ke-2
Tugas-tugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan, yaitu:
Komponen-komponen model.
Struktur model.
Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
Pengembangan (penyediaan) alternatif.
Prediksi hasil.
Pengukuran hasil.
Skenario.
Perbedaan antara metode pencarian analitis, Blind, dan Heuristic disajikan pada diagram di bawah
ini:
Noviyanto, ST Halaman 4
Sistem Penunjang Keputusan, Pertemuan Ke-2
Noviyanto, ST Halaman 5
Sistem Penunjang Keputusan, Pertemuan Ke-2
Kesimpulan.
Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen.
Pemecahan masalah juga mengacu pada evaluasi peluang.
Sistem terdiri dari input, output, proses dan pengambil keputusan.
Semua sistem dipisahkan dari lingkungannya dengan suatu batas.
Sistem dapat terbuka, berinteraksi dengan lingkungannya, atau tertutup.
DSS utamanya berhubungan dengan sistem yang terbuka.
Model banyak digunakan dalam MSS; yang bisa dalam bentuk iconic, analog atau matematis.
Model menjadikan percobaan dari suatu sistem lebih cepat dan murah.
Pemodelan dapat menggunakan teknik simulasi, optimisasi, atau heuristic.
Pengambilan keputusan melibatkan 4 fase utama: intelligence, design, choice, dan
implementation.
Pada fase intellegence, masalah (peluang) diidentifikasikan, diklasifikasikan, dan diuraikan
(jika diperlukan).
Pada fase design, suatu model sistem dibuat, kriteria pemilihan ditetapkan, alternatif
dihasilkan, hasil diprediksi, dan metodologi keputusan dibuat.
Pada fase choice, pelbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau
yang cukup baik) dimulai. Pelbagai teknik pencarian disediakan.
Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi
tugas/proses yang diperlukan.
Noviyanto, ST Halaman 6
Sistem Penunjang Keputusan, Pertemuan Ke-7
SIP Merupakan sebuah sistem yang dapat digunakan oleh para Eksekutif dan semua
karyawan.
Tujuan memberikan informasi holistik dari sudut pandang perusahaan sehingga dapat
dijadikan sebagai manajemen sumber daya perusahaan
SIE merupakan sebuah sistem yang hanya dapat digunakan oleh para Eksekutif yang sifatnya
dapat melakukan drill down.
Tujuan melayani kebutuhan informasi bagi para eksekutif puncak
Konsisten, userfriendly, GUI, cepat dan Manajemen yang lebih baik dan
SIE akses langsung terkoneksi ke Data penggunaan sumber web pada
Base/data warehouse tingkat grafis
Mengapa SIE..?
Karena mempunyai manfaat : dapat meningkatkan kuantitas dan kualitas informasi yang tersedia
bagi para eksekutif
Kebutuhan Informasi :
a. informasi yang tepat waktu
b. akses lebih besar ke data operasional
c. informasi relevan yang lebih singkat
d. informasi baru
e. informasi lebih banyak tentang lingkungan eksternal
f. informasi yang lebih kompetitif
g. akses lebih cepat ke database eksternal
h. akses lebih cepat ke informasi
i. mengurangi biaya kertas
Halaman 1
Sistem Penunjang Keputusan, Pertemuan Ke-7
Halaman 2
Sistem Penunjang Keputusan, Pertemuan Ke-7
Halaman 3
TEKNOLOGI KOMPUTASI KOLABORATIF
1. Grup. Istilah grup (atau workgroup kelompok kerja) mengacu pada 2 atau lebih
orang (sampai 25 orang) yang misinya adalah menampilkan task/tugas tertentu dan
bekerja sebagai satu unit. Bisa permanen atau sementara. Bisa pada satu lokasi
atau bermacam lokasi, dapat bekerja pada waktu bersamaan atau waktu yang
berbeda. Dapat berupa komite, panel kaji ulang, gugus tugas, dewan eksekutif, tim,
atau unit permanen.
4. Peningkatan kerja grup. Jika kita dapat mengurangi berbagai fenomena yang
menyebabkan fungsi-fungsi yang tak jalan, keuntungan yang didapat bisa
ditingkatkan. Ilmuwan perilaku, pakar personal, pakar efisiensi, dan yang lain telah
mengembangkan berbagai pendekatan untuk menyelesaikan masalah ini.
Nama yang muncul yang mencakup wilayah ini adalah: Group Support Systems (GSS).
Nama produk software-nya adalah groupware.
GDSS.
GDSS dikenal sebagai bagian dari bidang yang lebih luas yang disebut dengan
GSS atau Electronic Meeting Systems (EMS).
Definisi GSS adalah: satu lingkungan berbasis teknologi informasi yang
mendukung pertemuan grup, yang didistribusikan secara geografis dan tak
permanen. Lingkungan teknologi informasi termasuk, tapi tak terbatas pada,
fasilitas terdistribusi, hardware dan software komputer, teknologi audio dan video,
prosedur, metodologi, bantuan-bantuan, dan grup data teraplikasi. Tugas grup
(group tasks) termasuk, tapi tak terbatas pada, komunikasi, perencanaan,
peneluran ide, penyelesaian masalah, diskusi isu, negosiasi, penyelesaian
konflik, analisis dan desain sistem, dan aktivitas grup bersama-sama seperti
persiapan dokumen dan sharing (saling berbagi).
GSS mendukung banyak task/tugas lebih dari sekedar pengambilan keputusan;
ia berfokus pada proses-proses yang digunakan oleh kelompok kerja.
Groupware.
Mengacu pada produk software yang mendukung grup orang-orang yang bekerja
menyelesaikan tugas atau tujuan yang sama.
Software ini menyediakan mekanisme untuk saling membagi (share) opini dan
sumber daya (resources).
Struktur GDSS pada level 2 ini dapat digambarkan seperti bagan berikut ini:
Teknologi GDSS.
Hardware.
1. PC tunggal.
2. PC dan keypad (papan kunci untuk pemungutan suara).
3. Ruang keputusan.
4. GDSS terdistribusi.
Software.
Software GDSS memiliki paket yang mendukung perseorangan, grup, proses, dan
tugas-tugas khusus.
Komponen software GDSS melibatkan paket khusus untuk meningkatkan proses
pengambilan keputusan dan ia memiliki antarmuka user yang mudah digunakan dan
feksibel.
Software ini mengijinkan individu bekerja sendiri-sendiri; menyediakan juga koleksi
umum teks dan pembuatan file, grafis, lembar kerja, database, dan rutin help pada
terminal perseorangan.
Orang.
Komponen orang dalam GDSS melibatkan anggota grup dan fasilitator yang
bertanggungjawab melancarkan operasi dari teknologi GDSS.
Prosedur.
Komponen terakhir GDSS terdiri dari prosedur-prosedur yang mempermudah operasi
dan menjadikan anggota grup efektik dalam menggunakan teknologi. Prosedur tadi bisa
saja hanya meliputi operasi hardware dan software, atau bisa dikembangkan dengan
menerapkannya pada aturan-aturan yang berkenaan dengan diskusi verbal diantara
anggota dan tahapan-tahapan prosesnya selama pertemuan grup.
Ruang ini dapat didesain dalam berbagai bentuk. Desain umumnya adalah suatu ruang
yang dilengkapi dengan meja-meja besar, biasanya berbentuk U, yang dilengkapi
dengan 12 sampai dengan 30 PC pada meja itu untuk memfasilitasi interaksi tatap muka
diantara partisipan.
Di bawah ini, digambarkan bagan ruangan fasilitas sistem grup GDSS di Universitas
Arizona:
US Air Force
Software GDSS.
Di bawah ini adalah paket software terpadu yang tersedia untuk GDSS dan digunakan
utamanya dalam lingkungan ruang pengambilan keputusan:
1. GroupSystem (dari Ventana Corp.).
2. VisionQuest (dari Collaborative Technologies Corp.).
3. TeamFocus. Dipasarkan oleh IBM di awal 1960-an, merupakan versi awal
GroupSystem.
4. SAMM. Produk dari Universitas Minnesota.
Critical Success Factors (CSF), faktor penentu kesuksesan suatu GDSS adalah:
1. Komitmen organisasi suatu keharusan.
2. Dukungan eksekutif dimana ia diberitahukan informasi yang berkaitan dan ia mau
melakukannya.
3. Dukungan operasi yang menyediakan umpan balik yang cepat.
4. Ketersediaan fasilitas yang memperhatikan kenyamanan user dan estetika.
5. Kunjungan lapangan timbal balik yang mendeteksi kebutuhan orang-orang yang
memahami lingkungan EMS.
6. Komunikasi dan hubungan yang terjalin selama kunjungan lapangan penting
dalam mengelola tanggapan terhadap pertanyaan-pertanyaan yang timbul.
7. Iterasi cepat dalam perubahan software kritis dalam memenuhi kebutuhan yang
berkembang.
8. Pelatihan untuk orang-orang lapangan pada masalah teknis, fasilitas, dan level end-
user.
9. Transfer kontrol ke orang-orang lapangan.
10.Evaluasi biaya/keuntungan hal krusial dalam mengembangkan EMS pada awal
percobaan.
11.Fleksibelitas penggunaan software hal esensial untuk mempertemukan kebutuhan-
kebutuhan grup yang berkembang.
12.Perencanaan yang sesuai hal yang esensial (saran untuk sesi perencanaan
terstruktur disediakan oleh beberapa vendor).
13.Mempertemukan harapan manajerial indikator tertinggi kesuksesan implementasi
EMS.
14.Antarmuka user yang menggairahkan.
15.Anonymity sangat penting.
16.Facilitation (bantuan-bantuan) sangat penting.
17.Pemilihan task (isu) yang sesuai sangat penting.
Kesimpulan.
Ada banyak keuntungan dengan bekerja secara kelompok/grup ( dua kepala lebih
baik dari satu kepala ), tetapi banyak juga gangguan sehingga menyebabkan proses
ini merugikan.
Terdapat berbagai metode tak terkomputerisasi yang mencoba untuk meningkatkan
proses pengambilan keputusan dalam grup. Metode-metode ini amat tergantung
pada fasilitator dan waktunya bisa lama dan mahal.
Group Support Systems, sistem pertemuan elektronik, Computer-supported
cooperative work, groupware, dan nama-nama lain ditujukan pada sistem dukungan
komputer ke grup.
Komputer dapat mendukung kerja grup dalam banyak cara. Yang menjadi menarik
adalah dalam mendukung keputusan-keputusan yang dibuat oleh grup.
GDSS mencoba mengurangi kerugian-kerugian proses tersebut dan meningkatkan
keuntungan-keuntungan proses.
Ada 4 seting untuk GSS: waktu sama/tempat sama, waktu sama/tempat berbeda,
waktu berbeda/tempat sama, dan waktu berbeda/tempat berbeda.
GDSS level tinggi dapat mendukung pengambilan keputusan dalam rangka
dukungan proses. GDSS level tertinggi mendayagunakan knowledge dalam
hubungannya dengan rule.
Group DSS biasanya disusun dalam LAN dan dikendalikan dalam lingkungan ruang
keputusan.
Software GDSS bersifat umum. Berbagai paket komersial menawarkan kemampuan
yang berbeda-beda.
GDSS bisa gagal dengan mudahnya. Ada banyak faktor penting yang menentukan
kesuksesannya.
Management Support System:
Scope of Coverage
Lingkungan manajemen:
Berubah dengan cepat menjadi makin
kompleks dan besar
Faktor-faktor yang mempengaruhi suatu
keputusan makin banyak
Sulit bergantung pada cara lama (trial &
error, dsb)
Manajer perlu bantuan teknologi komputer
Faktor-faktor yang mempengaruhi
pengambilan keputusan
Intelligence
Pencarian kondisi yang membutuhkan keputusan (cari
informasi, identifikasi objectives)
Design
Mencari, membangun dan menganalisis kemungkinan
solusi (manipulasi informasi, cari alternatif, beri bobot
resiko/ benefit pada alternatif)
Choice
Memilih satu solusi untuk diimplementasikan (pilih yg
paling baik , statistik alternatif, jelaskan, terangkan)
Management Science
SISTEM PENDUKUNG
KEPUTUSAN
BAGIAN II BAB 4
PEMODELAN DAN ANALISIS
Tujuan Pembelajaran
▪ Memahami konsep dasar MSS modeling.
▪ Menjelaskan interaksi MSS models dengan data dan
pengguna.
▪ Memahami berbagai model class yang berbeda.
▪ Menyusun pengambilan keputusan dari beberapa
alternatif.
▪ Mempelajari bagaimana menggunakan spreadsheets
dalam MSS modeling.
▪ Memahami konsep optimization, simulation, dan
heuristics.
▪ Mempelajari untuk menyusun linear program
modeling. 4-2
Tujuan Pembelajaran
▪ Memahami kemampuan linear programming.
▪ Mengkaji metode pencarian untuk MSS models.
▪ Menentukan perbedaan antara algorithms, blind
search, heuristics.
▪ Menangani multiple goals.
▪ Memahami sensitivity, automatic, what-if analysis,
goal seeking.
▪ Mengetahui topik utama dari model management.
4-3
Dupont Simulates Rail Transportation System and
Avoids Costly Capital Expense Vignette
4-5
Contoh yang baik dari model MSS
▪ Model simulasi pada sistem rail DuPont
(opening vignette)
▪ Model restruktur dari optimisasi Supply Chain
dari Procter & Gamble
▪ Pemilihan sebuah supplier pada Scott
Homes dengan AHP
▪ Optimisasi IMERYS dalam Model
produksi lumpur
DSS Models
▪ Algorithm-based models
▪ Statistic-based models
▪ Linear programming models
▪ Graphical models
▪ Quantitative models
▪ Qualitative models
▪ Simulation models
4-7
MSS Modeling
Beberapa isu utama dalam pemodelan meliputi:
▪ Identifikasi masalah dan analisis lingkungan
▪ Identifikasi variabel
▪ Penggunaan banyak model
▪ Kategori model (pilihan yang tepat)
▪ Manajemen model
▪ Pemodelan berbasis pengetahuan
4-8
Identifikasi Masalah
▪ Memahami dan menganalisa lingkungan luar
▪ Business intelligence
▪ Mengidentifikasi variable dan hubungan
▪ Influence diagrams
▪ Cognitive maps
▪ Forecasting
▪ Ditingkatkan dengan e-commerce
▪ Meningkatkan jumlah informasi yang tersedia
melalui teknologi
4-9
Kategori Model
Kategori Proses dan Tujuan Teknik-Teknik
Representatif
Optimalisasi masalah Menemukan solusi terbaik dari sejumlah kecil Tabel keputusan, pohon
dengan sedikit alternatif alternatif keputusan
Optimalisasi via Menentukan solusi terbaik dari sejumlah besar Model pemrograman
Algoritma alternatif dengan menggunakan proses pendekatan matematika linier dan
langkah demi langkah lainnya, model jaringan
Optimalisasi via Menemukan solusi terbaik dalam satu langkah dengan Beberapa model inventori
rumusan analitik menggunakan satu rumus.
Simulasi Menemukan satu solusi yang cukup baik atau yang Beberapa tipe simulasi
terbaik di antara berbagai alternatif yang dipilih
dengan menggunakan eksperimen
Heuristik Menemukan satu solusi yang cukup baik dengan Pemrograman heuristik,
menggunakan aturan-aturan sistem pakar
Model-model prediktif Memprediksi masa depan untuk skenario yang Model Forecasting, analisis
ditentukan Markov
Model-Model Lainnya Memecahkan kasus bagaimana jika dengan Pemodelan keuangan, waiting
menggunakan sebuah rumus lines
4-10
Model Statis dan Dinamik
▪ Model DSS dapat dikalsifikasikan menjadi
model statis dan model dinamis
▪ Analisis satatis pada Model statis mengambil
snapshot tunggal dari suatu situasi
▪ Membuat sendiri atau membeli produk?
▪ Situasi pengambilan keputusan statis diperkiarakan
berulang dengan kondisi identik (seperti pada model
pemrograman linier)
▪ Representasi satatis menganggap bahwa aliran bahan
mentah ke dalam pabrik akan berlangsung terus
menerus dan tidak bervariasi
4-11
Model Statis dan Dinamik
▪ Analisis dinamis pada model dinamis dalam
pembangunan model memakan waktu berbulan-
bulan (tergantung pada waktu) bisa jadi untuk
mengembangkan model statis yang komplek,
berskala besar dan sulit dipecahkan.
▪ Model tersebut merepresentasikan situasi
pengambilan keputusan dunia nyata dan
merepresentasikan sekenario yang berubah
sepanjang waktu. Seperti proyek rugi laba 5 tahun
dimana data input seperti biaya, harga dan kuantitas
yang berubah dari tahun ke tahun
4-12
Static Models
▪ Gambaran sederhana dari situasi
▪ Single interval
▪ Waktu dapat ke depan, pengambilan hanya pada
suatu waktu
▪ Biasanya berulang
▪ Steady state
▪ Optimal operating parameters
▪ Continuous
▪ Unvarying
▪ Primary tool for process design
4-13
Dynamic Model
▪ Merepresentasikan situasi yang kerap berubah
▪ Time dependent
▪ Kondisi yang beragam
▪ Generate dan menggunakan trends
▪ Suatu kejadian mungkin saja tak berulang
▪ Model dinamis penting karena model ini
sepanjang waktu digunakan, serta
merepresentasikan keadaan dan atau
membuat tren dan pola-pola. 4-14
Decision-Making
▪ Certainty (Kepastian)
▪ Diasumsikan sebagai knowledge utuh
▪ Dapat mengetahui semua hasil yang potensial
▪ Mudah digunakan
▪ Dapat menentukan solusi ulang dengan mudah
▪ Sangat kompleks
4-15
PENGAMBILAN KEPUTUSAN
▪ Uncertainty (Ketidak pastian)
▪ Beberapa hasil untuk setiap keputusan
▪ Kemungkinan yang terjadi untuk setiap hasil tidak
dapat diketahui
▪ Informasi yang tidak mencukupi
▪ Membutuhkan resiko dan keinginan untuk
mengambil resiko
▪ Pendekatan Pessimistic/optimistic
4-16
PENGAMBILAN KEPUTUSAN
▪ Probabilistic Decision-Making
▪ Keputusan yang beresiko
▪ Probabilitas dari beberapa hasil yang
memungkinkan bisa saja terjadi
▪ Analisa Resiko
▪ Menghitung nilai untuk setiap alternatif
▪ Memilih nilai terbaik
4-17
Influence Diagrams
▪ Model disajikan dengan grafis
▪ Menyediakan relationship framework
▪ Menguji ketergantungan antar variabel
▪ Semua level disajikan detail
▪ Menunjukkan dampak perubahan
▪ Menunjukkan what-if analysis
4-18
Diagram Pengaruh
Variables:
Hasil (hasil akhir): Yg tidak dapat
Keputusan Lanjutan / final dikontrol /
lanjutan
Sales
Ketidakpastian Price
© 2005 Prentice Hall, Decision Support Systems and Intelligent Systems, 7th Edition, Turban,
Aronson, and Liang 4-20
Diagram pengaruh untuk model laba
Unit
Harga
~
Jumlah yang
digunakan dalam
Unit
Terjual
Pendapa
tan
Iklan
Laba
Biaya
Laba=pendapatan-pengeluaran Unit
Pendapatan=unit terjual*unit harga Pengelu
Unit terjual=0.5*jumlah yang digunakan aran
dalam iklan
Pengeluaran=unit cost*unit terjual Biaya
+ biaya tetap tetap
4-25
4-26
Decision Tables
▪ Analisa keputusan untuk multi kriteria
▪ Meliputi:
▪ Decision variables (alternatif)
▪ Uncontrollable variables (Variabel tak terkontrol)
▪ Result variables (Variabel Hasil)
▪ Menerapkan prinsip-prinsip certainty,
uncertainty, and risk
4-27
Tabel Keputusan
▪ Penggambaran dari beberapa hubungan
▪ Pendekatan multi kriteria
▪ Menunjukkan hubungan yang kompleks
▪ Tidak praktis, bila terlalu banyak alternatif
4-28
MSS Mathematical Models
▪ Menyatukan decision variables, uncontrollable
variables, parameters, dan result variables
▪ Decision variables menggambarkan alternatif pilihan.
▪ Uncontrollable variables adalah sesuatu yang berada diluar
kemampuan decision-maker.
▪ Faktor tetap adalah parameter.
▪ Intermediate outcomes adalah intermediate result
variables.
▪ Result variables tergantung pada solusi terpilih dan
uncontrollable variables.
4-29
MSS Mathematical Models
▪ Nonquantitative models
▪ Hubungan Simbolis
▪ Hubungan Kualitatif
▪ Hasil akan tergantung pada
▪ Keputusan yang dipilih
▪ Faktor-faktor diluar kemampuan decision maker
▪ Hubungan antar variabel
4-30
Gambaran Umum Quantitative Model
4-31
Variabel Hasil (Result Variables)
Variabel ini merefleksikan efektivitas dari sistem. Variabel hasil tergantung pada
variabel keputusan dan variabel tak terkontrol.
4-32
Contoh
Area Decision Result Variable Uncontrollable
Variable variables and
Parameters
Financial Investment Total profit Inflation rate
investment alternatives and Rate of return Competition
amounts Earning per share
Periode of investment Liquidity level
Timing of investment
4-33
Mathematical Programming
▪ Tools untuk menyelesaikan masalah manajerial
▪ Decision-maker harus mengalokasikan sumber daya
▪ Optimisasi tujuan tertentu
▪ Linear programming
▪ Terdiri dari decision variables, objective function and
coefficients, uncontrollable variables (constraints),
capacities, input and output coefficients
4-34
Multiple Goals
▪ Seringkali manajemen menginginkan beberapa
tujuan yang dapat saling menimbulkan konflik
▪ Sulit menentukan ukuran efektifitas
▪ Metode Penanganan:
▪ Utility theory
▪ Goal programming
▪ Linear programming with goals as constraints
▪ Point system
4-35
Sensitivity, What-if, and Goal Seeking Analysis
▪ Sensitivity
▪ Mengkaji dampak dari perubahan input atau parameter terhadap
solusi
▪ Dapat disesuaikan dan fleksibel
▪ Mengurangi variabel
▪ Otomatis atau trial and error
▪ What-if
▪ Mengkaji solusi berdasarkan pada perubahan variabel atau asumsi
▪ Struktur : “What will happen to the solution if an input variable, an
assumption, or a parameter value is changed?”
▪ Goal seeking
▪ Pendekatan mundur (Backwards approach), dimulai dengan tujuan
▪ Menentukan nilai input yang diperlukan untuk mencapai tujuan
▪ Contoh: Penentuan break-even point
4-36
Search Approaches
▪ Teknik Analisis (algoritma) untuk masalah terstruktur
▪ General, step-by-step search
▪ Mencapai solusi yang optimal
▪ Blind search
▪ Complete enumeration
▪ Semua alternatif dipertimbangkan dan sehingga solusi
optimal dapat ditemukan.
▪ Incomplete/Partial search
▪ Dikerjakan sampai menemukan solusi yang “good
enough”.
▪ Mencapai tujuan tertentu
▪ Mungkin mencapai tujuan yang optimal
4-37
Search Approaches
▪ Heurisitic
▪ Repeated, step-by-step searches
▪ Rule-based, hanya digunakan untuk situasi tertentu
▪ Solusi yang “Good enough” , tetapi, akhirnya mencapai
tujuan yang optimal
▪ Contoh heuristics
▪ Tabu search
▪ Mengingat dan mengarahkan pada pilihan yang lebih berkualitas
▪ Genetic algorithms
▪ Menjalankan solusi dan mutasi secara random
4-38
Proses Pencarian Testing Berhenti Solusi
Menghasilkan
solusi yang Berhenti ketika
Optimalisasi ditingkatkan atau tidak ada Optimal
(Analitis) secara langsung peningkatan yang (terbaik)
mendapatkan mungkin terjadi
solusi terbaik
Enumerasi Perbandingan:
Semua solusi yang
komplet Berhenti ketika Optimal
mungkin telah
(mendalam semua alternatif (terbaik)
diperiksa
lengkap) telah diperiksa
Blind
Search
Memeriksa hanya
PENDEKATAN Perbandingan. Yang terbaik di
beberapa alternatif:
PENCARIAN Pencarian Simulasi:Berhenti antara
Secara sitematis
parsial ketika solusi cukup alternatif yang
membuang solusi
baik diperiksa
inferior
4-40
Simulasi
▪ Probabilistic independent variables
▪ Discrete or continuous distributions
▪ Time-dependent atau time-independent
▪ Visual interactive modeling
▪ Grafis
▪ Decision-makers berinteraksi dengan simulated
model
▪ Dapat digunakan dengan artificial intelligence
▪ Dapat berorientasi obyek
4-41
Proses Simulasi
Masalah dunia
nyata
4-42
Model-Based Management System
4-44
Simulasi
▪ Menelusuri masalah
▪ Mengidentifikasi alternatif solusi
▪ Dapat berorientasi obyek
▪ Meningkatkan proses pengambilan keputusan
▪ Memberikan gambaran dampak dari alternatif
keputusan
4-45
Sistem Pengambilan Keputusan,
Pemodelan dan Pendukung
Ana Kurniawati
Outline
▪ Pengambilan keputusan.
▪ Pendekatan sistem.
▪ Jenis Keputusan
▪ Fase Pengambilan Keputusan Simon.
▪ Model Pengambilan Keputusan
2-47
Pengambilan Keputusan
▪ Keputusan-keputusan dibuat untuk memecahkan
masalah. Dalam usaha memecahkan suatu masalah
mungkin membuat banyak keputusan.
2-48
Sistem
▪ Kumpulan dari objek seperti orang, sumberdaya,
konsep, prosedur, untuk melakukan identifikasi fungsi
atau kegiatan dalam rangka mencapai goal
▪ Struktur
•Input, Proses, Output, Feedback dari output ke decision maker
•Dipisahkan dari lingkungan luar (environment) oleh boundary
• Dikelilingi oleh environment
Environment
2-49
Sistem dan Lingkungan Luarnya
2-50
Jenis-jenis Keputusan
Keputusan
Keputusan
Terprogram Semi Terstruktur Tak Terprogram
:
*Berulang *Baru
dan rutin *Tak terstruktur
*Ada prosedur •Tidak ada metode
, keputusan yang pasti, belum
*Tidak sbg pernah
sesuatu yang ada sebelumnya
baru *Struktur rumit
Atau tak ada
Perbandingan Jenis keputusan
Programmed Decision Nonprogrammed Decision
Masalah Banyak, berulang, rutin. Baru, tak terstruktur.
Kepastian adanya hubungan Ketidakpastian adanya hubungan
sebab – akibat sebab - akibat
Prosedur Tergantung pada kebijakan, Butuh kreativitas, intuisi,
aturan dan prosedur yang toleransi, pemecahan masalah
jelas. secara kreatif
Contoh
4. Implementasi
Tahap pelaksanaan dari keputusan yang telah diambil. Menyusun serangkaian
tindakan yg terencana.
Proses pengambilan keputusan:
INTELLIGENCE
(Penelusuran Lingkup SISTEM INFORMASI MANAJEMEN
Masalah PENGOLAHAN DATA ELEKTRONIK
DESIGN
(Perancangan ,
S
Penyelesaian Masalah)
P
K
IMPLEMENTATION
Proses Pengambilan Keputusan
PENILAIAN ALTERNATIF
IMPLEMENTASI DAN
DAN PENENTUAN
PENGAWASAN
KEPUTUSAN
•Rencana
•Evaluasi dan
Implementasi
Penilaian alternatif
4 •Impelementasi dari Rencana 3
yang ada
yang telah dibuat
•Penentuan Alternatif
•Pengawasan terhadap
yang terbaik
langkah implementasi
Proses Pengambilan Keputusan/
Proses Pemodelan
Fase Pemikiran (Intelligence Phase)
▪ Mengamati lingkungan luar
▪ Menganalisa tujuan organisasi
▪ Mengumpulkan data
▪ Mengidentifikasi masalah
▪ Mengkategorikan masalah
▪ Programmed dan non-programmed
▪ Mendekomposisikan menjadi beberapa bagian kecil
▪ Menentukan siapa yang bertanggung jawab atas
masalah tersebut.
2-59
Fase Perancangan (Design Phase)
▪ Menentukan beberapa rencana alternatif
▪ Menganalisa solusi-solusi yang potensial
▪ Membuat model
▪ Menguji kelayakan
▪ Memvalidasi hasil
▪ Memilih principle of choice
▪ Menentukan tujuan
▪ Memasukkannya kedalam model
▪ Mengevaluasi dan mengambil resiko
▪ Kriteria dan batasan
2-60
Fase Pemilihan
61
Optimasi
Pengertian :
Model normatif dengan menampilkan semua kemungkinan
terbaik.
Terdapat tiga langkah yaitu :
▪ tentukan goal tertinggi, lalu menentukan resources untuk
mencapainya (misalnya, berapakah keuntungan paling
tinggi jika investasi sebesar 10 M)
▪ menemukan alternatif dengan menghitung rasio tertinggi
antara goal terhadap biaya atau memaksimalkan
produktifitas
▪ menemukan alternatif dengan biaya terendah, yang paling
efisien untuk mencapai goal
62
Rasionalisasi
63
Suboptimisasi
64
Model Deskriptif
65
Developing/generate alternatif
66
Fase Implementasi
▪ Melakukan solusi terpilih
▪ Beberapa hambatan:
▪ Berkenaan dengan penolakan untuk melakukan
perubahan
▪ User training
▪ Dukungan dari manajemen yang lebih tinggi
2-67
Penutup
Buku sumber :
Turban Efraim (2005) DSS & Inteligent Systems,
ed. 7,
PHI, chapter 02 hal 36-69
68
Pemodelan SPK
Variabel
Ekspresi Logika
Logika
E1 Memiliki IPK > 3,00
E2 Minimal tengah duduk di semester 3
E3 Nilai matakuliah algoritma pemrograman = A
E4 Nilai matakuliah kecerdasan buatan = A
E5 Nilai matakuliah basisdata = A
E6 Nilai matakuliah grafika komputer = A
E7 Nilai matakuliah jaringan komputer = A
E8 Nilai matakuliah informatika kedokteran minimal B
Atribut*
No Laboratorium
E1 E2 E3 E4 E5 E6 E7 E8
Pemrograman &
1 Y Y Y
Informatika Teori
2 Y Y Komputasi & Sist. Cerdas
3 Y Y Y Sistem Informasi & RPL
4 Y Y Grafika & Multimedia
5 Y Y Y Sistem & Jaringan Komp.
6 Y Y Y Informatika Kedokteran
7 Y Y Y Informatika Kedokteran
8 Y Y Y Informatika Kedokteran
9 Y Y Y Informatika Kedokteran
21 June 25, 2016
Tabel Keputusan
Atribut
Kategori
C1 C2 C3
Sangat Produktif >6 >2 1
Produktif 5 atau 6 2 Tidak
dipertimbangkan
Cukup Produktif 3 atau 4 1 Tidak
dipertimbangkan
Kurang Produktif 1 atau 2 Tidak Tidak
dipertimbangkan dipertimbangkan
Tidak Produktif 0 0 0
5 atau 6 1 atau 2
3 atau 4
Kurang
C2 C2 C2 Produktif C2
>2
2 1 0
Cukup
C3 Produktif
Produktif C3
1 0
Sangat Tidak
Produktif Produktif
27 June 25, 2016
Multi-Attribute Decision Making (MADM)
Secara umum, model Multi-Attribute Decision
Making (MADM) dapat didefinisikan sebagai berikut
(Zimermann, 1991):
Misalkan A = {ai | i = 1,...,n} adalah himpunan alternatif-
alternatif keputusan dan C = {cj | j = 1,..., m} adalah
himpunan tujuan yang diharapkan, maka akan ditentukan
alternatif x0 yang memiliki derajat harapan tertinggi
terhadap tujuan–tujuan yang relevan cj.
Masalah
MASALAH
KRITERIA-1,1 … KRITERIA-n,1 …
PERTEMUAN KE - 5
2
Outline
• PENDAHULUAN
• SIKLUS HIDUP – SDLC TRADISIONAL
• PROTOTYPING METODOLOGI PENGEMBANGAN
• MANAJEMEN PERUBAHAN
• PERANGKAT DAN TINGKAT TEKNOLOGI SPK
• PLATFORM PENGEMBANGAN SPK
• MEMILIH PERANGKAT PENGEMBANGAN SPK
• SPK YANG DIKEMBANGKAN OLEH TIM ATAU
INDIVIDU
• MENGEMBANGKAN SPK BERSAMA
3
PENDAHULUAN
• Pengembangan adalah suatu pendekatan yang sangat rapi
dan berurutan untuk membuat sebuah sistem menjadi
kenyataan. Idealnya, kebutuhan akan beberapa hal
merupakan hal yang mendorong dimulainya proses
pengembangan sistem dan hasilnya adalah sistem yang
lengkap.
• SDLC (Systems Development Life Cycle, Siklus Hidup
Pengembangan Sistem) atau Systems Life Cycle (Siklus
Hidup Sistem), dalam rekayasa sistem dan rekayasa
perangkat lunak, adalah proses pembuatan dan pengubahan
sistem serta model dan metodologi yang digunakan untuk
mengembangkan sistem-sistem tersebut. Konsep ini
umumnya merujuk pada sistem komputer atau informasi.
4
b. Prototiping :
Fase analisis, desain dan implementasi dilakukan secara
bersama dan berulang. Prototipe sistem dikembangkan
dan diperlihatkan dengan cepat kepada para pengguna,
yang inputnya digunakan untuk memperbaiki sistem.
Keuntungan :
Sistem disajikan dengan cepat kepada para pengguna,
sekalipun belum siap untuk pengguna kelembagaan.
Umpan balik diperoleh dan sistempun dapat
dimodifikasi untuk bergerak ke prototipe berikutnya.
Kerugian :
Perubahan dengan cepat dan tidak ada usaha untuk
mengkoreksi keputusan-keputusan desain sejak awal.
12
PERENCANAAN
ANALISIS
DESAIN
IMPLEMENTASI
PROTOTIPE
Prototipe Tidak Oke
Prototipe Oke
KEBUTUHAN SISTEM
13
c. Prototiping Througaway :
Pada pengembangan sistem ini prototipe
dikembangkan untuk membantu
pemahaman lebih lanjut tentang sistem
terutama ketika sistem tidak dipahami
dengan jelas. Prototipe ini dikembangkan
sebagai pilot tes pada flatform
pengembangan yang lebih sederhana
untuk mempelajari persyaratan pengguna
dan sistem akhir guna disebarkan.
14
PERENCANAAN
Desain Prototipe
Oke
ANALISIS DESAIN
DESAIN iMPLEMENTASI
Desain Prototipe
Tidak Oke
IMPLEMENTASI SISTEM
DESAIN
PROTOTIPE
15
MANAJEMEN PERUBAHAN
Implementasi SPK, sangat krusial karena dapat mengubah cara kerja
organisasi. Perubahan kurang disukai bagian dari karyawan dengan berbagai
alasan : ketakutan kehilangan job, kurang komunikasi dengan pemakai,
berubahnya budaya kerja, harapan yang terlalu besar. Teori Lewin-Schein,
menjelaskan cara mengelola harapan dari perubahan.
Teori perubahan Lewin-Schein merupakan panduan yang sangat bagus dan
praktis untuk mempertimbangkan isu-isu yang kompleks. Tiga langkah
dasar adalah :
• Unfreezing : Menciptakan kesadaran akan kebutuhan dan perubahan dan
sebuah iklim yang menerima perubahan
• Moving : Mengubah tekanan dan atau arah kekuatan yang menentukan
kebutuhan atau perubahan awal dengan mengembangkan metode-metode
baru dan membelajari sikap dan perilaku baru
• Refreezing : Memperkuat perubahan yang diinginkan yang telah terjadi
dan membangun sebuah ekuilibrium yang dapat dipelihara dan stabil.
17
1. Hardware
Mulai dari PC, multiprocessor sampai
dengan mainframe
2. Software
Mencakup multiple kriteria
Dibuat in-house, outsource atau
membeli
Software selalu di-update
Harga selalu fluktuatif
Terdapat tool yang berbeda
20
Komputasi End-User
• Pengembangan DSS berbasis user berelasi secara
langsung kepada komputasi end-user.
• Definisinya adalah: pengembangan dan penggunaan
sistem informasi berbasis komputer oleh orang-orang di
luar wilayah sistem informasi formal.
• Definisi ini melibatkan juga manajer dan profesional
yang menggunakan komputer pribadi, pengolah kata
yang digunakan oleh sekretaris, e-mail yang digunakan
oleh CEO, dan sistem time-sharing yang digunakan oleh
ilmuwan dan peneliti.
23
PERTEMUAN KE – 12
2
Pemodelan Cerdas
AI termasuk ke dalam pemodelan cerdas.AI berusaha meniru
kemampuan ini dalam sistem berbasis komputer.
• Berpikir dan bernalar
• Menggunakan penalaran untuk menyelesaikan masalah
• Belajar dan paham dari pengalaman
• Memperoleh dan menerapkan pengetahuan
• Menampilkan kreativitas dan imajinasi
• Mengatasi situasi yang rumit dan membingungkan
• Menanggapi situasi baru dengan cepat dan dengan berhasil
• Mengenali elemen-elemen yang penting dalam suatu situasi
• Mengatasi informasi yang ambigu (bermakna ganda), tidak
lengkap dan salah.
4
Manajemen Model
Subsistem manajemen model. Merupakan paket perangkat
lunak yang memasukkan model keuangan, statistik, ilmu
manajemen, atau model kuantitatif lainnya yang memberikan
kapabilitas analitik dan manajemen perangkat lunak yang
tepat.
• Basis model : Strategis, taktis, operasional. Statistik,
keuangan, pemasaran, ilmu manajemen, akuntansi, teknik,
dsb. Blok pembangun model
• Sistem manajemen basis model : Perintah pemodelan,
creation. Pemerliharaan; update. Antarmuka database.
• Bahasa pemodelan
• Direktori model
• Eksekusi model, integrasi, dan prosesor perintah
5
Contoh :
Sistem penunjang keputusan yang terkomputerisasi di
suatu perusahaan yang memiliki tugas untuk :
• Melakukan komputasi secara cepat dengan biaya yang
rendah.
• Peningkatan / perbaikan komunikasi (kolaborasi
jaringan–web).
• Peningkatan produktivitas.
• Dapat mengakses informasi yang tersimpan dibeberapa
database dan data warehouse.
• Mampu menganalisa berbagai alternatif dan
mengaplikasikan manajemen resiko.
8
• Pengambilan keputusan
Pengambilan Keputusan merupakan tindakan
manajemen dalam pemilihan alternative untuk mencapai
sasaran. Dan Menurut G.R. Terry “Decision making can
be defined as the selection based on some criteria of one
behaviour alternative from two or more possible
alternative” Artinya: Pengambilan keputusan dapat
didefinisikan sebagai pemilihan alternative kelakuan
tertentu dari dua atau lebih alternatif yang ada.
12
Terima Kasih