SISTEM INFORMASI

MANAJEMEN

SISTEM
PENDUKUNG
KEPUTUSAN
(SPK)
Disusun Oleh
 Icha Adelika Dian A.  (2013002003)
 M. Ari Wibowo  (2013002004)
 Tri Hadi Santoso  (2013002005)
 Nurul Aini  (2013002006)
 Fitria Abda Rohmana  (2013002008)
 Miftahuddin  (2013002009)
 Kurnia Nurmazita  (2013002010)
 Ratih Susilawati  (2013002011)
 Sri Musiyam  (2013002012)
 Wahyu Pangesti  (2013002013)
 Kholilah  (2013002014)
Tujuan Pembelajaran
 Memahami dasar-dasar pengambilan
keputusan & pemecahan masalah .
 Tahu bagaimana konsep sistem
pendukung keputusan ( DSS ) berasal
.
 Mengetahui dasar-dasar pemodelan
matematika .
 Tahu bagaimana menggunakan
lembar kerja elektronik (spreadsheet)
sebagai model matematika .
Lanjutan
 Mengetahui bagaimana kecerdasan
buatan muncul sebagai aplikasi
komputer & tahu area utamanya .
 Mengenal empat bagian dasar sistem
pakar .
 Tahu apa kelompok sistem pendukung
keputusan ( GDSS ) & pengaturan
lingkungan yang berbeda yang dapat
digunakan .
Pemecahan Masalah dan
Pembuatan Keputusan
 Pemecahan masalah terdiri dari respon
terhadap hal-hal berjalan dengan baik & juga
untuk hal-hal yang akan buruk dengan cara
mendefinisikan masalah .
 Masalah adalah suatu kondisi atau peristiwa
yang berbahaya atau berpotensi
membahayakan perusahaan atau yang
menguntungkan atau berpotensi
menguntungkan .
 Pengambilan keputusan adalah tindakan
memilih dari alternatif solusi pemecahan
masalah .
 Keputusan adalah tindakan yang dipilih
dalam pemecahan masalah .
Fase Pemecahan Masalah
 Herbert Simon, empat tahap dasar :
 Fase intelijen - Mencari lingkungan
kondisi yang harus dipecahkan.
 Kegiatan desain - Menciptakan ,
mengembangkan , & menganalisis
kemungkinan jalannya tindakan .
 Kegiatan pemilihan - Memilih tindakan
tertentu dari yang tersedia .
 Kegiatan Pengkajian - Menilai pilihan
terakhir.
Kerangka & Pendekatan Sistem
 Kerangka pemecahan masalah
 Sistem umum model perusahaan .
 Model delapan - elemen lingkungan .
 Pendekatan sistem untuk pemecahan
masalah , melibatkan serangkaian
langkah dikelompokkan menjadi tiga
fase - upaya persiapan, upaya definisi
, & upaya pemecahan .
 Pentingnya Caran Pandang
Sistem
 Cara Pandang Sistem, yang memandang operasional
usaha sebagai sistem tertanam dalam pengaturan
lingkungan yang lebih besar ; ini merupakan cara
pemikiran abstrak; Nilai potensi untuk manajer antara
lain :
◦ Mencegah manajer tidak bingung dalam kompleksitas
struktur organisasi & rincian pekerjaan.
◦ Menekankan perlunya memiliki tujuan yang baik .
◦ Menekankan pentingnya semua bagian dari organisasi
untuk bekerja sama .
◦ Mengangkat hubungan antara organisasi dengan
lingkungannya .
◦ Menempatkan nilai tinggi pada informasi yang didapat
dari input yang hanya dapat dicapai melalui sistem
perputaran tertutup
 Membangun Konsep
 Elemen fase pemecahan masalah .
◦ Situasi yang diinginkan - apa sistem harus dicapai.
◦ Keadaan saat ini - apa sistem dicapai sistem sekarang
.
◦ Kriteria solusi - perbedaan antara keadaan saat ini &
keadaan yang diinginkan .
 Kendala.
◦ Internal yang mengambil bentuk sumber daya yang
terbatas yang ada dalam perusahaan .
◦ Lingkungan berupa tekanan dari berbagai elemen
lingkungan yang membatasi aliran sumber daya ke &
dari perusahaan .
 Ketika
semua elemen ini ada & manajer
memahami mereka , solusi untuk masalah ini
adalah mungkin!
Gambar 11.1 Elemen Proses
Pemecahan Masalah
Memilih Solusi Terbaik
 Henry Mintzberg , manajemen teori ,
telah mengidentifikasi tiga pendekatan
:
 Analisis - evaluasi sistematis pilihan .
 Penghakiman - proses pemikiran
seorang manajer tunggal .
 Penawaran - negosiasi antara
beberapa manajer .
Permasalahan vs. Gejala
 Gejala adalah suatu kondisi yang dihasilkan
oleh masalah .
 Masalah terstruktur terdiri dari unsur-unsur &
hubungan antara unsur-unsur , yang
semuanya dipahami oleh pemecah masalah .
 Masalah tidak terstruktur adalah masalah
yang tidak mengandung unsur atau
hubungan antara unsur-unsur yang dipahami
oleh pemecah masalah .
 Masalah semiterstruktur adalah masalah
yang terdiri atas beberapa elemen atau
hubungan yang dipahami oleh pemecah
masalah & beberapa yang tidak dapat
dipahami.
Jenis-jenis Keputusan
 Keputusan terprogram adalah "
berulang-ulang & rutin , sejauh bahwa
prosedur yang pasti telah bekerja untuk
menangani mereka sehingga mereka
tidak harus diperlakukan de novo (
seperti baru ) setiap kali terjadi.
 Keputusan tidak terprogram adalah "
baru , tidak terstruktur , & penuh
konsekuensi . Tidak ada metode yang
pasti untuk penanganan masalah karena
sifat & strukturnya sulit dipahami atau
kompleks , karena masalah itu sangat
penting sehingga membutuhkan
penanganan khusus."
 Sistem Pendukung
Keputusan
 Gorry & Scott Morton (1971 ) mengemukakan bahwa sistem
informasi yang difokuskan pada masalah tunggal yang
dihadapi oleh manajer tunggal akan memberikan dukungan
yang lebih baik .
 Sentral untuk konsep mereka adalah tabel , yang disebut
Gorry - Scott Morton grid ( Gambar 11.2 ) yang
mengklasifikasikan masalah dalam hal struktur masalah &
tingkat manajemen .
 Tingkat atas disebut tingkat perencanaan strategis , tingkat
menengah - tingkat pengendalian manajemen , & tingkat
yang lebih rendah - tingkat pengendalian operasional .
 Gorry & Scott Morton juga menggunakan istilah sistem
pendukung keputusan ( DSS ) untuk menggambarkan sistem
yang dapat memberikan dukungan yang diperlukan
Gambar 11.2 Gorry & Scott -
Morton Grid
Model DSS
 Awalnya DSS dikandung untuk menghasilkan
laporan periodik & khusus & output dari
model matematika .
 Kemampuan ditambahkan untuk
mengizinkan pemecah masalah untuk
bekerja dalam kelompok .
 Penambahan groupware memungkinkan
sistem berfungsi sebagai sistem pendukung
keputusan kelompok ( GDSS ) .
 Baru-baru ini , kecerdasan buatan ( AI )
kemampuan telah ditambahkan , bersama
dengan kemampuan untuk terlibat dalam
program analisis online ( OLAP )
Gambar 11.3 DSS Model yang
Menggabungkan GDSS , OLAP ,
& AI
Pemodelan Matematika
 Model adalah abstraksi dari sesuatu . Ini
merupakan beberapa objek atau kegiatan , yang
disebut entitas .
 Ada empat jenis dasar model :
◦ Model fisik adalah gambaran tiga dimensi dari entitas
tersebut.
◦ Model naratif , yang menggambarkan entitas dengan
kata-kata lisan atau tertulis .
◦ Model grafis mewakili entitas dengan abstraksi garis ,
simbol , atau bentuk ( Gambar 11.4 ) .
Kuantitas pesanan ekonomi ( EOQ ) adalah jumlah
optimum dari penambahan saham untuk memesan
dari pemasok .
Model matematika adalah rumus matematika atau
persamaan .
Formula to Compute Economic
Order Quantity (EOQ)
Figure 11.4 Graphical Model of
EOQ
Penggunaan Model
 Memberikan Pengertian: Setelah model
sederhana dipahami , secara bertahap dapat
dibuat lebih kompleks sehingga lebih akurat
mewakili entitas tersebut.
 Memfasilitasi Komunikasi : Semua empat jenis
model dapat mengkomunikasikan informasi
secara cepat dan akurat .
 Memprediksi Masa Depan : Model matematika
dapat memprediksi apa yang mungkin terjadi di
masa depan tapi manajer harus menggunakan
penilaian & intuisi dalam mengevaluasi output .
 Sebuah model matematika dapat diklasifikasikan
dalam tiga dimensi : pengaruh waktu , tingkat
kepastian , & kemampuan untuk mencapai
optimasi .
Kelas Model Matematika
 Model statis tidak termasuk waktu sebagai
variabel , tetapi penawaran hanya dengan titik
waktu tertentu .
 Model dinamis termasuk waktu sebagai variabel ;
itu merupakan perilaku entitas dari waktu ke
waktu .
 Model probabilistik meliputi probabilitas . Jika
tidak , itu adalah model deterministik .
◦ Probabilitas adalah kemungkinan bahwa sesuatu
akan terjadi .
 Mengoptimalkan model adalah salah satu yang
memilih solusi terbaik di antara alternatif .
 Suboptimizing Model tidak mengidentifikasi
keputusan yang akan menghasilkan hasil terbaik
tapi daun tugas yang ke manajer .
Simulasi
 Tindakan menggunakan model disebut simulasi
sedangkan skenario digunakan untuk menggambarkan
kondisi yang mempengaruhi simulasi .
 Misalnya, jika Anda simulasi sistem persediaan, seperti
yang ditunjukkan pada Gambar 11.5 , skenario
menentukan saldo awal & unit penjualan harian .
 Model dapat dirancang sehingga elemen data skenario
berbentuk variabel , sehingga memungkinkan nilai yang
berbeda yang akan ditugaskan .
 Input nilai manajer memasuki untuk mengukur
dampaknya terhadap entitas yang dikenal sebagai
variabel keputusan .
 Gambar 11.5 memberikan contoh variabel keputusan
seperti kuantitas pesanan , titik pemesanan kembali , &
lead time.
Figure 11.5 Scenario Data &
Decision Variables from a
Simulation
Simulasi Teknik & Format
simulasi output
 Manajer biasanya menjalankan model
mengoptimalkan hanya sekali.
 Setiap kali model dijalankan , hanya
satu variabel keputusan harus diubah
, sehingga pengaruhnya dapat dilihat .
 Dengan cara ini , masalah pemecah
sistematis menemukan kombinasi
keputusan yang mengarah ke solusi
yang diinginkan .
Contoh Pemodelan
 Eksekutif Sebuah perusahaan dapat menggunakan
model matematika untuk membantu dalam membuat
keputusan penting & untuk mensimulasikan efek dari :
◦ Harga produk ;
◦ Jumlah investasi tanaman ;
◦ Jumlah yang akan diinvestasikan dalam kegiatan
pemasaran ;
◦ Jumlah yang akan diinvestasikan dalam penelitian
dan pengembangan.
 Selanjutnya , eksekutif ingin mensimulasikan 4/4
kegiatan & menghasilkan 2 laporan : pernyataan
operasi & laporan laba rugi .
Gambar 11.6 Model Masukan
Layar untuk Memasuki Skenario
Data Sebelum
Gambar 11.7 Model Masukan
Layar untuk Memasuki Skenario
Data untuk Berikutnya
Model Output
 Kegiatan kuartal berikutnya ( Quarter 1 )
disimulasikan , & laba setelah pajak ditampilkan
di layar .
 Para eksekutif kemudian mempelajari gambar &
memutuskan pada set keputusan yang akan
digunakan dalam Quarter 2.
 Keputusan-keputusan ini dimasukkan & simulasi
diulang . Proses ini berlanjut sampai semua
empat kuartal telah disimulasikan . Pada titik ini
layar memiliki penampilan yang ditunjukkan pada
Gambar 11.8 .
 Pernyataan operasi pada Gambar 11.9 & laporan
laba rugi pada Gambar 11.10 ditampilkan pada
layar terpisah .
Gambar 11.8 Ringkasan Hasil
dari Model
Figure 11.9 Operating Statement
Shows Nonmonetary Results
Figure 11.10 Income Statement
Shows Nonmonetary Results
Kelebihan & Kekurangan
Pemodelan
 keuntungan :
◦ Proses pemodelan adalah pengalaman belajar .
◦ Kecepatan proses simulasi memungkinkan
pertimbangan jumlah yang lebih besar dari alternatif .
◦ Model menyediakan daya prediksi - melihat ke masa
depan - yang tidak ada metode informasi penghasil
lainnya menawarkan .
◦ Model yang lebih murah daripada metode trial - and-
error .
 kekurangan :
◦ Kesulitan pemodelan sistem bisnis akan
menghasilkan model yang tidak menangkap semua
pengaruh pada entitas .
◦ Sebuah tingkat tinggi keterampilan matematika
diperlukan untuk mengembangkan & benar
menginterpretasikan output dari model yang
kompleks .
Pemodelan Matematika
Menggunakan Electronic
Spreadsheets
 Terobosan teknologi yang memungkinkan pemecah
masalah untuk mengembangkan model matematika
mereka sendiri adalah spreadsheet elektronik .
 Model Statis : Gambar 11.11 menunjukkan anggaran
operasional dalam bentuk kolom . Kolom yang untuk :
biaya yang dianggarkan , biaya yang sebenarnya , &
varians , sementara baris digunakan untuk berbagai
pos pengeluaran .
 Sebuah spreadsheet terutama cocok untuk digunakan
sebagai model dinamis . Kolom yang sangat baik untuk
periode waktu , seperti yang diilustrasikan pada
Gambar 11.12 .
 Sebuah spreadsheet juga cocok untuk bermain " apa -
jika " permainan , di mana pemecah masalah
memanipulasi 1 atau lebih variabel untuk melihat efek
pada hasil simulasi .
Figure 11.11 Spreadsheet Rows
& Columns Provide Format for
Columnar Report
Figure 11.12 Spreadsheet
Columns are Excellent for Time
Periods in Dynamic Model
Antarmuka Model Lembar
Kerja
 Bila menggunakan spreadsheet sebagai model
matematika , pengguna dapat memasukkan data
atau membuat perubahan langsung ke sel
spreadsheet.
 Model harga dijelaskan sebelumnya dalam figur 11,6-
11,10 bisa dikembangkan menggunakan spreadsheet
, dan telah antarmuka pengguna grafis
menambahkan
 Antarmuka dapat dibuat dengan menggunakan
bahasa pemrograman seperti Visual Basic dan
kemungkinan akan membutuhkan seorang spesialis
informasi untuk mengembangkan
 Pendekatan pembangunan akan bagi pengguna
untuk mengembangkan spreadsheet dan kemudian
Kecerdasan buatan
 Kecerdasan buatan ( AI ) adalah kegiatan
penyediaan mesin seperti komputer dengan
kemampuan untuk menampilkan perilaku yang akan
dianggap sebagai cerdas jika diamati pada manusia .
 AI sedang diterapkan dalam bisnis dalam sistem
berbasis pengetahuan , yang menggunakan
pengetahuan manusia untuk memecahkan masalah .
 Jenis yang paling populer dari sistem berbasis
pengetahuan adalah sistem pakar , yang merupakan
program komputer yang mencoba untuk mewakili
pengetahuan ahli manusia dalam bentuk heuristik .
 Heuristik ini memungkinkan sistem pakar untuk
berkonsultasi tentang cara untuk memecahkan
masalah : disebut konsultasi - pengguna
Wilayah AI
 Sistem pakar adalah program komputer
yang mencoba untuk mewakili
pengetahuan ahli manusia dalam bentuk
heuristik .
 Heuristik adalah aturan praktis atau
aturan menebak baik .
 Konsultasi adalah tindakan
menggunakan sistem pakar .
 Insinyur pengetahuan memiliki keahlian
khusus di kecerdasan buatan ; mahir
dalam memperoleh pengetahuan dari
ahli.
Lanjutan
 Jaringan saraf meniru fisiologi otak
manusia .
 Algoritma genetika menerapkan "
survival of the fittest " proses untuk
memungkinkan pemecah masalah untuk
menghasilkan solusi masalah yang
semakin baik .
 Agen cerdas yang digunakan untuk
melakukan tugas-tugas yang berkaitan
dengan komputer berulang ; yaitu data
mining .
Konfigurasi Sistem Pakar
 User interface memungkinkan manajer
untuk memasukkan instruksi & informasi
ke dalam sistem pakar & menerima
informasi dari itu .
 Basis pengetahuan mengandung kedua
fakta yang menggambarkan daerah
masalah & teknik representasi
pengetahuan yang menjelaskan
bagaimana fakta-fakta cocok bersama
secara logis .
 Masalah domain digunakan untuk
menjelaskan area masalah .
Sistem Pakar Konfigurasi (
Lanjutan )
 Aturan menentukan apa yang harus
dilakukan dalam situasi tertentu & terdiri dari
dua bagian :
◦ Sebuah kondisi yang mungkin atau mungkin
tidak benar , dan
◦ Suatu tindakan yang harus diambil ketika kondisi
benar .
 Mesin inferensi adalah bagian dari sistem
pakar yang melakukan penalaran dengan
menggunakan isi basis pengetahuan dalam
urutan tertentu .
 Variabel gol menempatkan nilai ke solusi
masalah
Lanjutan
 Sistem shell pakar adalah prosesor siap
pakai yang dapat disesuaikan dengan
domain masalah tertentu melalui
penambahan basis pengetahuan yang tepat .
 Berbasis kasus penalaran ( CBR )
menggunakan data historis sebagai dasar
untuk mengidentifikasi masalah &
merekomendasikan solusi .
 Pohon keputusan adalah struktur jaringan -
seperti yang memungkinkan pengguna untuk
kemajuan dari akar melalui jaringan cabang
dengan menjawab pertanyaan yang
berkaitan dengan masalah .
Figure 11.13 Expert System
Model
Kelompok Sistem Pendukung
Keputusan
 Kelompok sistem pendukung keputusan ( GDSS
) adalah " suatu sistem berbasis komputer yang
mendukung kelompok-kelompok orang yang
terlibat dalam tugas umum ( atau tujuan ) & yang
menyediakan antarmuka untuk lingkungan
bersama " .
 Alias ​sistem pendukung kelompok ( GSS ) , kerja
komputer yang didukung koperasi ( CSCW ) ,
dukungan kerja kolaboratif terkomputerisasi , &
sistem pertemuan elektronik ( EMS ) .
 Groupware perangkat lunak yang digunakan
dalam pengaturan ini .
 Peningkatan komunikasi membuat keputusan
yang lebih baik mungkin.
GDSS Pengaturan
Lingkungan
 Pertukaran sinkron ketika anggota bertemu pada
waktu yang sama .
 Pertukaran Asynchronous ketika anggota bertemu
pada waktu yang berbeda .
 Ruang keputusan adalah pengaturan untuk kelompok
kecil orang bertemu tatap muka .
 Fasilitator adalah orang yang bertugas kepala adalah
untuk menjaga diskusi di trek .
 Komunikasi paralel adalah ketika semua peserta
memasukkan komentar pada saat yang sama , &
 Anonimitas adalah ketika tidak ada orang yang dapat
mengatakan yang masuk komentar tertentu ; peserta
mengatakan apa yang mereka pikirkan benar-benar
tanpa rasa takut .
Figure 11.14 Group Size &
Location Determine DSS
Environmental Settings
Lanjutan
 Jaringan area lokal ketika keputusan tidak
mungkin bagi kelompok-kelompok kecil orang
untuk bertemu tatap muka , para anggota dapat
berinteraksi melalui jaringan area lokal , atau
LAN .
 Sesi legislatif ketika kelompok terlalu besar untuk
ruang keputusan .
◦ Membebankan kendala tertentu pada komunikasi
seperti partisipasi yang sama oleh masing-masing
anggota akan dihapus atau kurang waktu yang
tersedia .
 Konferensi komputer - dimediasi beberapa
aplikasi kantor virtual memungkinkan komunikasi
antara kelompok-kelompok besar dengan
anggota secara geografis .
◦ Aplikasi telekonferensi termasuk konferensi komputer
, audio conferencing , & videoconference