A Look Toward The Future Decision Suppor

Machine Translated by Google
Masalah Khusus
Pandangan Menuju Masa Depan: Pendukung Keputusan

Penelitian Sistem Hidup dan Sehat
Universitas
Negeri Bryan Hosack
Illinois bhosack@ilstu.edu
Dianne Hall
Universitas
Auburn halldia@auburn.edu
David Paradice
Florida State University
dparadice@cob.fsu.edu
James F. Courtney
Universitas Teknologi
Louisiana courtney@LaTech.edu
Abstrak
Informasi
Asosiasi
Jurnal Sistem
Komentar ini mengkaji pentingnya sejarah dukungan keputusan untuk bidang sistem informasi (IS) dari sudut pandang empat peneliti yang
bekerja selama beberapa dekade penelitian sistem pendukung keputusan (DSS). Mengingat sudut pandang generasi yang unik ini, kami
menyajikan perubahan dan dampak penelitian DSS serta pertimbangan masa depan untuk dukungan keputusan di bidang IS. Kami
berpendapat bahwa area DSS tetap vital karena teknologi telah berkembang dan pemahaman kami tentang proses pengambilan keputusan
semakin dalam.
Pekerjaan DSS selama beberapa tahun terakhir telah memberikan kontribusi yang luas dan mendalam untuk penelitian pengambilan
keputusan; tantangannya sekarang adalah memahami semuanya dengan menempatkannya dalam konteks yang dapat dipahami dan dengan
menerapkan analisis kami pada isu-isu relevan yang muncul di masa depan. Salah satu hasil utama dari komentar ini adalah identifikasi tren
masa depan dalam penelitian DSS dan apa yang dapat dipelajari oleh pengguna outlet DSS baru ini dari masa lalu. Tren mencakup
peningkatan dampak komputasi sosial dan seluler pada penelitian DSS, serta DSS manajemen pengetahuan dan sistem pendukung
negosiasi yang mengalihkan fokus untuk memberikan dukungan yang lebih berpusat pada pelanggan dan pasar.
Kata kunci: Sejarah Sistem Pendukung Keputusan, Pengambilan Keputusan, Model Keputusan, Masa Depan DSS, Riset DSS, Level
Keputusan, Ruang Lingkup Keputusan.
* Detmar Straub adalah editor senior penerima. Artikel ini diserahkan pada tanggal 21 Januari 2011 dan mengalami dua kali
revisi.
Volume 13, Edisi Khusus, hlm. 315-340, Mei 2012
Volume 13 ÿ Edisi Khusus

Pandangan Menuju Masa Depan: Sistem Pendukung Keputusan

Penelitian itu Hidup dan Sehat
1. Perkenalan
Selama empat dekade terakhir, sistem pendukung keputusan (DSS) telah dikembangkan untuk memfasilitasi pengambilan
keputusan yang lebih baik untuk keputusan terstruktur, semi-terstruktur, dan tidak terstruktur yang sulit dan kompleks.
Menggunakan DSS dalam tugas pengambilan keputusan terstruktur memungkinkan pengguna untuk memahami
sejumlah besar parameter dan hubungan yang stabil namun tetap membatasi kemampuan pembuat keputusan untuk
memproses semua aspek keputusan. Dalam tugas pengambilan keputusan semi-terstruktur dan tidak terstruktur, DSS
masih menangani sejumlah besar parameter dan hubungan, tetapi juga berusaha mengurangi efek dari beberapa
parameter dan hubungan yang tidak diketahui atau bergeser pada keputusan. Karena umur panjang DSS sebagai topik
penelitian, kita dapat melihat DSS sebagai bidang dewasa di mana banyak pertanyaan penelitian yang signifikan telah
terjawab. Sehingga menjadi daerah yang sulit untuk dipublikasikan. Memang, Arnott dan Pervan (2008) mempertanyakan
vitalitas penelitian DSS. Kami, penulis analisis ini, berpendapat bahwa penelitian DSS masih hidup dan sehat dalam
domain penelitian sistem informasi (IS). Kami yakin bahwa DSS saat ini relevan, jika tidak lebih, daripada sebelumnya.
Komentar ini akan mengkaji kepentingan historis dukungan keputusan untuk bidang IS dari sudut pandang empat peneliti
yang bekerja selama beberapa dekade penelitian DSS. Mengingat sudut pandang "generasional" yang unik ini , kami
menyajikan evolusi dan dampak penelitian DSS serta pertimbangan masa depan untuk penelitian pendukung keputusan
di bidang IS.
DSS telah menjadi paradigma dalam penelitian IS hampir sejak awal konsep bidang IS (Power, 2002). Banyak isu yang
dipelajari pada masa-masa awal DSS, seperti penataan informasi (misalnya, Gorry & Scott-Morton, 1971) dan antarmuka
pengguna (misalnya, Mason & Mitroff, 1973; Newell & Simon, 1972), masih ada sampai sekarang . kami memperluas
DSS dengan peramalan berbasis data, analitik real-time, dan alat manajemen kinerja yang disediakan oleh intelijen bisnis
dan sistem analitik (Watson, 2005).
Memberikan pandangan yang dapat digunakan tentang isi data (Gopal, Marsden, & Vanthienen, 2011; Pracht, 1986)
dan memastikan bahwa pembuat keputusan dapat memperoleh wawasan dari pertanyaan ad hoc mereka (Bousequet,
Fomin, & Drillion, 2011; Paradice & Courtney, 1987) adalah contoh dari fokus pendukung keputusan yang tetap penting
dan relevan di bidang IS selama bertahun-tahun. Faktanya, sifat pendukung keputusan yang ada di mana-mana – mulai
dari membantu penyewa film online memutuskan apa yang akan ditonton atau mengarahkan konsumen online untuk
mengevaluasi produk yang sesuai dengan preferensi pribadi mereka – menyediakan banyak ruang masalah yang matang
untuk penelitian. Tujuan dari makalah ini adalah untuk menempatkan penggunaan baru DSS ini dalam konteks penelitian
DSS sebelumnya dan mengidentifikasi tren untuk penelitian DSS baru berdasarkan analisis ini.
Saat ini penelitian DSS telah memperluas fokusnya untuk melayani semakin banyak disiplin referensi. Hal ini dapat
dilihat dalam kutipan makalah mani oleh Shim et al. (2002) dalam jurnal Sistem Pendukung Keputusan dan Perdagangan
Elektronik yang membahas evolusi dan masa depan teknologi pendukung keputusan. Makalah ini telah dirujuk lebih dari
500 kali menurut Google Scholar.
Kutipan ini telah muncul di berbagai jurnal termasuk Fisika dan Kimia Bumi, Pemodelan dan Perangkat Lunak Lingkungan,
Lingkungan dan Perencanaan, Jurnal Riset Operasional Eropa, Jurnal Internasional Komunikasi Seluler, Transaksi IEEE
tentang Manajemen Rekayasa, Monografi Komunikasi, Pasar Elektronik, Otomasi dalam Konstruksi, Pemodelan
Matematika dan Komputer, Informatika untuk Perawatan Kesehatan dan Sosial, MIS Quarterly, dan banyak lainnya.
Jurnal DSS&EC telah diterbitkan sejak tahun 1985 dan saat ini menghasilkan empat volume setahun yang terdiri dari
sekitar 50 makalah. Dalam analisis kutipan artikel jurnal DSS dari tahun 1985 hingga 1993, Holsapple, Johnson,
Manakyan, dan Tanner (1995) menjelaskan Sistem Pendukung Keputusan (judul asli DSS&EC) sebagai jurnal yang
mapan (pada waktu itu di tahun ke-10). publikasi), di antara lima jurnal teratas di bidang komputasi bisnis, tempat
terkemuka penelitian DSS, dan satu dengan kebijakan editorial yang berfokus pada penelitian DSS (Holsapple et al.,
1995; Chen, 2011). Pencarian cepat di Google Scholar menunjukkan bahwa istilah DSS, atau sistem pendukung
keputusan, muncul dalam literatur akademik 284 kali pada tahun 1970-an, 5.190 kali pada tahun 1980-an, 17.600 kali
pada dekade terakhir abad sebelumnya, dan 34.500 kali pada abad sebelumnya. dekade pertama abad ini. Ini jelas
menunjukkan minat yang meningkat pada konsep tersebut. Sementara beberapa makalah ini mungkin mempertanyakan
relevansi berkelanjutan dari konsep DSS, kami menduga (tanpa membaca semuanya) bahwa kebanyakan dari mereka
tidak mengajukan pertanyaan ini. Mengingat luas dan dalamnya pekerjaan DSS itu
316 Jurnal Asosiasi Sistem Informasi Vol. 13, Edisi 5, hlm. 315-340, Mei 2012
Hosack dkk. / DSS – Pandangan Menuju Masa Depan
telah terjadi, tantangannya adalah untuk memahami semuanya dengan menempatkannya dalam konteks yang dapat
dipahami, dan kemudian menerapkan hasil analisis kami pada isu-isu relevan yang muncul di masa depan.
Untuk menjawab tantangan ini dengan sebaik-baiknya, kami membahas konteks sejarah penelitian DSS di bagian kedua
makalah ini. Pada bagian ketiga, kami meninjau keadaan DSS saat ini dan mengidentifikasi tren yang muncul dari penelitian
DSS baru. Terakhir, kami membahas arah penelitian masa depan untuk DSS dalam konteks apa yang dapat dipelajari dari
masa lalu.
2. Perspektif Historis tentang DSS Peran penting yang dimainkan

pengambilan keputusan dalam manajemen kembali setidaknya ke buku klasik Perilaku Administratif Herbert Simon
(Simon, 1947). Pentingnya yang dikaitkan Simon dengan pengambilan keputusan diilustrasikan dalam pengantar The New
Science of Management Decision, di mana dia menulis: "Saya akan merasa nyaman untuk mengambil kebebasan ringan
dengan bahasa Inggris dengan menggunakan 'pengambilan keputusan' seolah-olah itu sinonim. dengan ÿmengelola'ÿ
(1960, hal. 1).
Model pilihan desain-intelijen Simon dari proses pengambilan keputusan telah banyak digunakan dalam literatur DSS
(misalnya, Abdolmohammadi, 1987; Courtney, 2001; Gorry & Scott-Morton, 1971; Hall & Paradice, 2005; Pomerol & Adam,
2005). Dia menciptakan istilah ÿrasionalitas terbatasÿ (bahwa pembuat keputusan mungkin rasional tetapi terbatas
dalam kemampuan pemrosesan kognitif ketika dihadapkan dengan masalah yang kompleks) dan ÿmemuaskanÿ
(bahkan jika keputusan optimal dicari, rasionalitas terbatas dan informasi terbatas dapat menghasilkan menerima
solusi yang ÿcukup baikÿ). Banyak penelitian DSS telah dirancang untuk mengatasi keterbatasan pemecah masalah
manusia ini.
Tahun 1960-an melihat meluasnya penggunaan komputasi mainframe; aplikasi utamanya dalam bisnis adalah untuk
mengotomatiskan pemrosesan transaksi rutin. Komputer ini berukuran besar, mahal, dan memiliki banyak kebutuhan
khusus sehubungan dengan perawatannya. Salah satu penulis kami mengingat sebuah ruangan yang penuh dengan
peralatan komputasi yang berjalan dengan susah payah untuk membuat tabulasi data dan menyajikan laporan sederhana.
Kapasitas komputer itu jauh lebih kecil dari kapasitas perangkat seluler biasa saat ini. Ini adalah zaman yang ditandai
dengan pengambilan keputusan terpusat dan pemrosesan batch. Model komputer sulit dikembangkan. Orang-orang
membutuhkan keterampilan pemrograman komputer khusus untuk menulis program yang akan mengambil data input, yang
harus dikodekan dengan cermat pada kartu kertas atau pita kertas, memproses data dengan cara yang tetap, dan
menghasilkan serangkaian laporan yang tetap. Perubahan pada bagian mana pun dari proses ini, apakah itu penambahan
item data baru, perhitungan baru, atau item baru untuk dilaporkan, memerlukan campur tangan ahli pemrograman.
Perubahan seperti itu membutuhkan waktu yang cukup lama untuk diterapkan sehingga kebutuhan akan perubahan
mungkin tidak terwujud dalam perubahan aktual pada sistem selama sebulan. Setelah proses rutin ini diimplementasikan,
efisiensi besar dapat diperoleh, tetapi ada rasa frustrasi seputar ketidakmampuan untuk melakukan "analisis
skenario" secara tepat waktu dalam lingkungan bisnis yang semakin dinamis.
Komputer mini muncul pada awal hingga pertengahan 1970-an. Mereka lebih kecil, lebih murah daripada mainframe, dan
memiliki lebih sedikit kebutuhan perawatan khusus. Dengan demikian, mereka dapat dibeli oleh masing-masing departemen
dalam organisasi, yang mengarah ke lingkungan komputasi terdistribusi dan akhirnya ke proses pengambilan keputusan
yang terdesentralisasi. Pada awalnya, bidang fungsional tipe teknik dan analitik (misalnya pemeliharaan, penelitian dan
pengembangan, dan perencanaan) membeli komputer ini karena para insinyur dan spesialis lainnya memiliki keahlian
untuk membangun model khusus mereka sendiri untuk mendukung kebutuhan pengambilan keputusan mereka. Relatif
cepat, bagaimanapun, area bisnis fungsional lainnya dalam organisasi membeli sumber daya komputasi mereka sendiri
dan mulai mengembangkan sistem mereka sendiri untuk mendukung operasi mereka - dan operasi ini belum tentu dilayani
dengan baik oleh sistem berorientasi pemrosesan transaksi lama yang dijalankan pada mainframe perusahaan.
Ketika perusahaan mulai memanfaatkan sumber daya komputasi terdistribusi seperti itu, area baru penelitian pengambilan
keputusan yang dibantu komputer mulai berkembang di dunia akademis. Sistem yang lebih fleksibel dan lebih murah ini
memungkinkan para peneliti untuk mengatasi konsep keputusan (baru) Simon (1960) sebagai lawan dari masalah
terprogram (rutin). Ini membentuk dasar utama untuk makalah Gorry dan Scott Morton (1971) di Sloan Management
Review yang merupakan yang pertama menggunakan
istilah "sistem pendukung keputusan" dan membedakan DSS dari sistem informasi manajemen. Menurut definisi
mereka, DSS berurusan dengan masalah semi-terstruktur dan tidak terstruktur, sementara SI berkaitan dengan masalah
yang kurang kritis dan terstruktur seperti yang didukung oleh sistem pemrosesan transaksi.
Namun seiring berjalannya sejarah, DSS dapat dilihat masih mendukung keputusan yang mungkin dulunya tidak
terstruktur dan sekarang, karena peningkatan pemahaman, menjadi lebih terstruktur.
Pada tahun 1970-an, penekanan pada DSS muncul dari kebutuhan akan dukungan pengambilan keputusan yang lebih
baik karena keputusan semi-terstruktur dan tidak terstruktur yang sulit dan kompleks menjadi area utama penelitian di
bidang IS (Power, 2003). Gorry dan Scott-Morton menunjukkan bahwa, sampai saat mereka menulis, penelitian SI
sebagian besar telah berurusan dengan keputusan terstruktur: Area SDS [sistem keputusan terstruktur] mencakup
hampir semua dari apa yang disebut Sistem Informasi Manajemen (IS ) dalam literatur- bidang yang hampir tidak ada
hubungannya dengan manajer nyata atau informasiÿ (1971, hal. 61). Gagasan mereka yang belum pernah ada
sebelumnya tentang penggunaan teknologi untuk membantu memecahkan masalah secara interaktif dan membantu
dalam pengambilan keputusan menarik para peneliti dari penelitian IS tradisional dan bidang lain untuk bekerja pada
paradigma baru ini, membutuhkan perubahan dalam pemikiran tentang bagaimana IS dilihat dan digunakan.
Penelitian DSS pada akhir 1970-an cukup bervariasi. Salah satu penulis ingat bekerja dengan seorang profesor di
bidang teknik industri untuk mengembangkan DSS untuk mendukung ÿScrabble by mailÿ (ditulis dalam APL)
sementara juga bekerja dengan seorang profesor di sekolah bisnis pada sistem yang dapat digunakan mahasiswa bisnis
untuk membuat strategi yang lebih baik. keputusan saat berpartisipasi dalam kelas yang menggunakan game simulasi
bisnis (ditulis dalam FORTRAN).
Secara umum, peneliti teknik, riset operasi, dan ilmu komputer berfokus pada masalah teknis dan komputasi yang terkait
dengan pembuatan model dan manipulasi data, sementara peneliti IS di sekolah bisnis berfokus pada pemodelan
keputusan dan kemanjuran pembuat keputusan. Pada tahun 1970-an, DSS muncul sebagai sebuah ide, tetapi pekerjaan
lebih lanjut perlu dilakukan untuk mengembangkan definisi dan kerangka kerja yang dijelaskan oleh Gorry dan Scott-
Morton (1971). Tujuan dasar dari pekerjaan DSS awal adalah untuk mengintegrasikan kemajuan yang dibuat dalam
manajemen basis data dengan yang dibuat dalam ilmu manajemen dan analisis keputusan untuk membantu manajer
menganalisis masalah keputusan nyata. Karya konseptual awal tentang paradigma yang muncul dapat dilihat dalam
karya sintesis Alter (1977) dan Sage (1981), studi oleh Bonczek, Holsapple, dan Whinston (1980), dan kerangka kerja
yang dikembangkan oleh Sprague (1980). Selain itu, dalam pekerjaan tambahan, Bonczek et al. (1981) memberikan
landasan teoretis yang ketat untuk penelitian DSS berdasarkan logika formal dan teori himpunan.
Ketika digabungkan, pekerjaan yang dilakukan oleh para peneliti ini membentuk kerangka umum dan landasan teoretis
yang mendefinisikan DSS dan memberi para peneliti masa depan sebuah paradigma umum untuk mempelajari sistem
pendukung keputusan. Ini adalah saat penelitian IS benar-benar memimpin industri.
Produk populer seperti IFPS (sistem perencanaan keuangan interaktif), digunakan di banyak program MBA pada masa
itu, dan SIMPLAN dikembangkan oleh akademisi atau bekerja sama erat dengan mereka. Pekerjaan oleh Bonczek et al.
(1981) memberikan cetak biru untuk pembangunan sistem nyata dan digunakan oleh tim pengembangan salah satu alat
pendukung keputusan interaktif paling awal dalam industri utilitas listrik (Taylor et al., 1981). Namun, terlepas dari
keberhasilan praktis ini, Sprague mengakui adanya krisis dalam DSS pada saat itu dengan menunjukkan kesulitan
dalam mendefinisikan DSS. Dia menulis: ÿMasalah definisi yang serius adalah bahwa kata-kata tersebut memiliki
ÿvaliditas intuitif' tertentu; setiap sistem yang mendukung keputusan, dengan cara apapun, adalah 'sistem pendukung
keputusan' ÿ (1980, p. 2).
Pada saat itulah Sprague dan Carlson (1982) memberikan definisi populer tentang DSS sebagai " Sistem berbasis
komputer interaktif untuk membantu pengambil keputusan menggunakan data dan model untuk memecahkan masalah
yang tidak terstruktur " (penekanan pada aslinya). Kata kunci yang ditekankan di sini penting karena alasan berikut.
Sebagian besar sistem komputer sebelum tahun 1970-an hanya berjalan dalam mode batch, yang berarti bahwa
pengguna harus mengirimkan program ke komputer mainframe yang berjalan hingga selesai tanpa campur tangan dan interaksi pengguna.
Namun, sifat DSS telah bergeser untuk menggabungkan lebih dari sekedar data dan model tradisional, termasuk aturan
bisnis, gambar, dokumen, video, dan banyak lagi (Power, 2002).
Interaktivitas penting dalam kemajuan DSS karena analis dan manajer sekarang dapat menjalankan model dan analisis
"bagaimana jika" dan menganalisis data secara real time. Pendekatan ini ternyata jauh lebih unggul dalam
pemecahan masalah karena pembuat keputusan dapat berkonsentrasi pada suatu masalah dan menjelajahinya
Jurnal Asosiasi Sistem Informasi Vol. 13, Edisi 5, hlm. 315-340, Mei 2012 318
secara interaktif. Pembuat keputusan tidak lagi dipaksa menunggu berjam-jam atau berhari-hari untuk mendapatkan
kembali hasil dari analisis berbasis komputer, menginterpretasikan hasil tersebut, dan kemudian menyerahkan analisis
lain dan menunggu berjam-jam atau berhari-hari lagi. Interaksi dekat antara manajer dan perangkat lunak mendorong
Keen dan Wagner (1979) untuk merujuk alat seperti IFPS sebagai sistem pendukung pikiran eksekutif.
Kata kunci “bantuan” penting karena peneliti DSS hanya berusaha membantu manajer dalam mengambil keputusan,
bukan menggantikannya, seperti kasus sistem pakar dalam ilmu komputer. Sistem ini mencoba meniru para ahli dan
membuat keputusan sebaik atau lebih baik dari yang mereka lakukan.
Gagasan untuk mengintegrasikan data dan model penting karena sebelum gerakan DSS, mereka yang bekerja dalam
ilmu manajemen sedang mengembangkan model untuk menganalisis masalah organisasi, tetapi mereka jarang benar-
benar memiliki data untuk menggunakan model tersebut pada masalah nyata. Namun, teknologi di arena basis data
berkembang, dan peneliti ilmu komputer mengembangkan teknik untuk mengatur dan memanipulasi data dalam jumlah
besar dengan lebih baik. Peneliti DSS berfokus pada pengintegrasian penelitian basis data yang terjadi dalam ilmu
komputer sehingga pengambil keputusan manajerial dapat membuat keputusan yang lebih baik.
Dalam karyanya tentang DSS pada akhir 1970-an, Alter (1980) membahas apa yang dia temukan sebagai efek tak
terduga dari DSS yang dipelajari: komunikasi interpersonal. Studinya menunjukkan bahwa pengguna mengadaptasi
DSS sebagai alat persuasi atau negosiasi. Dari perspektif persuasi, DSS digunakan untuk menunjukkan secara
kuantitatif bahwa aktivitas yang diinginkan bermanfaat (ofensif) bagi organisasi atau bahwa aktivitas yang tidak
diinginkan tidak bermanfaat (defensif). Dari perspektif negosiasi, DSS memungkinkan organisasi untuk membakukan
kosa kata dan mekanik di seluruh area fungsional. Cukup dengan mengurangi ketidakkonsistenan atau kesalahpahaman
memungkinkan komunikasi dan negosiasi berlangsung lebih efektif di seluruh organisasi. Meskipun penggunaan ini
tampak cukup normal saat ini, kita harus menyadari bahwa DSS yang dianalisis pada saat itu adalah untuk tujuan
pengambilan keputusan, bukan analisis data. Pengguna yang melakukan tugas ini menyadari bahwa data yang tersedia
melalui DSS memiliki karakteristik dan kegunaan lain dan mampu menyesuaikan DSS dengan kebutuhan mereka.
Dengan demikian, konsep asli dalam penelitian dan praktik DSS terkait dengan teknologi dalam bentuk interaktivitas
dan komunikasi, dan dengan pembuat keputusan yang dihadapkan pada apa yang akan kita sebut masalah yang tidak
terstruktur. Para peneliti DSS menggabungkan evolusi teknologi dalam bentuk sistem basis data, model, dan komputasi
terdistribusi dengan fokus pada masalah tidak terstruktur yang sebenarnya dihadapi oleh pembuat keputusan. Dengan
melakukan itu, mereka membantu manajer menganalisis model keputusan dalam situasi yang disebut Simon (1960)
tidak terprogram dan yang disebut Gorry dan Scott Morton (1971) semi-terstruktur atau tidak terstruktur. Karena
penelitian DSS telah berkembang selama beberapa dekade, rangkaian evolusi teknologi ini dikombinasikan dengan
pemahaman yang berkembang tentang proses pengambilan keputusan dan kebutuhan untuk mengatasi ketidakpastian
yang meningkat dalam struktur masalah yang terjadi berulang kali dan tampaknya masih menjadi kasus saat ini.
Penelitian DSS tahun 1980-an mencerminkan evolusi teknologi lain yang dikombinasikan dengan pemahaman yang
berkembang tentang proses pengambilan keputusan. Pengenalan IBM PC pada tahun 1981 melegitimasi komputer
mikro sebagai sumber daya komputasi bisnis. Terminal "bodoh" yang terhubung ke komputer mainframe atau
komputer mini diganti dengan komputer mikro yang mampu menjalankan program secara independen dari sumber daya
komputasi perusahaan yang lebih besar. Produk perangkat lunak awal adalah Lotus 1-2-3, sebuah aplikasi spreadsheet,
yang disebut-sebut sebagai bantuan pendukung keputusan revolusioner di awal 1980-an. Dikombinasikan dengan
Wordstar IBM, seorang manajer memiliki kemampuan untuk bekerja secara interaktif dengan data dan menyiapkan
laporan tanpa meninggalkan mejanya dan tanpa campur tangan spesialis pemrograman.
Kombinasi mikrokomputer dan spreadsheet ini mengarah pada pengembangan model keputusan skala kecil yang digunakan
untuk mendukung pengambilan keputusan area individu dan fungsional. Beberapa peneliti DSS berfokus pada proses yang
mendasari pengembangan model (Paradice & Courtney, 1986), sementara yang lain berfokus pada masalah manajemen model
(Blanning, 1986; Konsynski & Dolk, 1982).
Di dunia korporat, tumbuh kesadaran bahwa kemajuan teknologi ini menimbulkan masalah bagi proses pengambilan
keputusan di tingkat korporat. Komputasi terdistribusi dan (relatif)
kemudahan pembuatan model memungkinkan area fungsional yang berbeda untuk membangun model situasi
masalah yang mencerminkan perspektif masalah mereka. Dengan demikian, para pembuat keputusan tiba di
pertemuan dengan analisis situasi masalah yang bertentangan. Evolusi teknologi lain dan penelitian tambahan akan
diperlukan untuk membahas cara terbaik untuk mendukung sifat berorientasi kelompok dari banyak proses
pengambilan keputusan perusahaan. Dengan demikian, fokus banyak peneliti beralih ke studi tentang proses
pengambilan keputusan kelompok. Para peneliti mengejar penelitian DSS kelompok (GDSS) dengan semangat
selama ini, didukung oleh beberapa hibah besar dari industri. Mereka juga menjelajahi konsep "ruang perang"
pengambilan keputusan dan belajar banyak tentang nuansa proses pengambilan keputusan kelompok.
Pekerjaan awal GDSS berkisar terutama mendukung manajer yang ditempatkan bersama dengan memberikan
dukungan komputer (misalnya, spreadsheet, dukungan curah pendapat, dukungan pembuatan ide, dan kemampuan
pemungutan suara) selama pertemuan tradisional. Salah satu lingkungan penelitian GDSS paling awal dikembangkan
di SMU, dan Gray et al. (1981) mempresentasikan makalah tentangnya pada Konferensi Internasional pertama
tentang Sistem Pendukung Keputusan pada tahun 1981. Seiring perkembangan teknologi, co-location menjadi tidak
diperlukan, dan GDSS berbasis konferensi video dikembangkan (Gray, 2008). Selama waktu ini, beberapa disertasi
Ph.D berfokus pada efek terkait TI dari penggunaan GDSS seperti kualitas pengambilan keputusan (misalnya,
Gallupe, 1985; Lewis, 2006), serta pada proses kelompok itu sendiri, menguji efek seperti kepuasan. (misalnya,
Applegate, 1986), perilaku pemimpin (misalnya, Zigurs, 1987), dan konflik kelompok (misalnya, Gallupe, 1985).
Peneliti yang sudah mapan mulai menyusun kerangka kerja untuk penelitian GDSS (misalnya, Dennis, George,
Jessup, Nunamaker, & Vogel, 1988; DeSanctis & Gallupe, 1987; Huber, 1984), dan menganalisis prosesnya
(misalnya, Briggs, De Vreede, & Nunamaker , 2003; Nunamaker, Briggs, Mittleman, Vogel, & George, 1996;
Nunamaker, Dennis, Valacich, Vogel, & George, 1991; Siegel, Dubrovsky, Kiesler, & McGuire, 1986).
Bersamaan dengan proliferasi perangkat mikro-komputasi dalam organisasi adalah pengembangan jaringan area
lokal. Dengan demikian, evolusi teknologi lainnya terungkap bergandengan tangan dengan pemahaman yang lebih
dalam tentang proses pengambilan keputusan kelompok. Kali ini, konsep GDSS berkembang menjadi Computer
Supported Cooperative Work (CSCW). Dengan cara ini, para peneliti menyadari bahwa pembuat keputusan tidak
hanya berkumpul untuk membuat keputusan (seperti yang didukung dalam konteks ruang perang keputusan), tetapi
juga sering bekerja secara kolaboratif dari waktu ke waktu dalam proyek dan masalah.
Ada beberapa diskusi dalam literatur mengenai apakah sistem pendukung keputusan kelompok (GDSS), sistem
pendukung kelompok (GSS), dan kerja kolaboratif yang didukung komputer (CSCW) adalah sama. Coleman (1997)
menggambarkan GDSS dari CSCW dengan menyatakan bahwa tujuan GDSS adalah membuat keputusan,
sedangkan tujuan CSCW adalah bekerja menuju solusi masalah. Perbedaan antara GDSS dan GSS lebih sulit;
misalnya, Dennis, Wixom, & Vandenberg (2001) menggunakan istilah tersebut dalam karya mereka dan
mereferensikan karya lain sebagai GSS yang sebelumnya disebut GDSS. Salah satu alasan yang disarankan oleh
Turban, Sharda, dan Delen (2011) untuk istilah GSS adalah bahwa GSS melampaui dukungan keputusan untuk
memasukkan dukungan tidak langsung seperti komunikasi, kegiatan perencanaan, pembuatan ide, diskusi,
negosiasi, dan tugas lain yang diperlukan untuk suatu kelompok. bekerja sama untuk secara efektif membuat
keputusan atau memecahkan masalah.
Terlepas dari perbedaan konsep dan terminologi tersebut, banyaknya kegiatan penelitian pada periode ini
memunculkan kebutuhan akan jurnal khusus. Pada tahun 1985, DSS menambahkan karakteristik lain untuk diterima
sebagai penelitian SI arus utama dengan memperkenalkan jurnal spesifiknya sendiri, awalnya berjudul Sistem
Pendukung Keputusan, tetapi diberi judul ulang pada tahun 1999 sebagai Sistem Pendukung Keputusan dan
Perdagangan Elektronik. Jurnal ini masih dianggap sebagai jurnal penelitian IS teratas (Holsapple & O'Leary,
2009; Hu & Chen, 2011). Pada tahun 1992, penelitian CSCW menjadi area penelitian lintas disiplin dengan jurnalnya
sendiri, Computer Supported Cooperative Work. Dengan pengakuan yang lebih besar bahwa keputusan eksekutif
memiliki karakter strategis yang berbeda dari keputusan manajemen menengah yang lebih taktis, jenis DSS baru
dikembangkan untuk keputusan eksekutif yang kompleks, yang disebut sistem informasi eksekutif (EIS). EIS
terutama dikembangkan untuk mendukung pengambilan keputusan tingkat eksekutif individu (Watson, Rainer, &
Houdeshel, 1992) tetapi diikuti oleh teknologi yang diarahkan pada kemampuan analitik strategis di seluruh
perusahaan. Pada awal 1990-an, gudang data menjadi bidang penelitian baru dalam studi DSS (misalnya, Codd,
1993; Inmon, 1992). Menurut Gray dan Watson (1996), gudang data adalah area lain di mana DSS
paradigma dapat diterapkan dan dikembangkan. Ledakan Internet dan Web pada akhir 1990-an dan awal 2000-an
semakin memperluas kebutuhan akan dukungan keputusan yang layak dan fleksibel. Evolusi teknologi ini menimbulkan
harapan bahwa layanan bisnis akan tersedia sepanjang hari, setiap hari. Sekarang, konsumen dan karyawan tingkat
bawah memiliki lebih banyak data yang tersedia untuk dianalisis saat membuat keputusan dan, dengan demikian,
banyak tanggung jawab pengambilan keputusan sering kali didorong ke bawah dalam hierarki organisasi atau bahkan
ke konsumen dan pemangku kepentingan lainnya.
Dalam dekade terakhir, Shim et al. (2002) menetapkan agenda untuk melanjutkan pengembangan paradigma DSS,
membangun tradisi karya Blanning (1983) dan Keen (1987) yang memprediksi arah penelitian DSS. Makalah
semacam itu menunjukkan keterbukaan bidang yang berkelanjutan seiring dengan kemajuan teknologi dan bidang
yang terus berkembang. Courtney (2001) menunjukkan bahwa ÿcara yang lebih efektif harus ditemukan untuk
mendukung rangkaian luas pengetahuan yang akan dibutuhkan dalam situasi masa depan yang sangat saling
berhubungan dan jahat iniÿ (hal. 36). Seruannya untuk penggabungan DSS dan sistem manajemen pengetahuan
menciptakan teka-teki baru yang harus dipecahkan dalam paradigma DSS yang mungkin memerlukan penelitian dan
pengembangan lanjutan. Pengakuan lain dari aliran penelitian ini terlihat dalam karya Benyon, Rasmequan, dan Russ
(2002) dan Bolloju, Khalifa, dan Turban (2002).
Arnott dan Pervan (2005, 2008) melacak evolusi DSS pribadi ke DSS kelompok, yang mengarah ke sistem berbasis
negosiasi. Menurut analisis mereka, sistem informasi eksekutif muncul dari GDSS dan mengarah ke pergudangan
data dan pemrosesan analitik online, penambangan data, dan alat intelijen bisnis. DSS cerdas dan sistem berbasis
pengetahuan tumbuh dari upaya menerapkan konsep dari kecerdasan buatan dan sistem pakar ke masalah DSS.
Power (2003) menambahkan sistem berbasis dokumen ke arena ini, dengan tepat menunjukkan bahwa teknologi
informasi saat ini dapat memanipulasi data teks, grafik, audio, dan video hampir sama tangkasnya dengan menangani
data numerik dan melakukan komputasi. Di DSSResources.com, Power mendefinisikan DSS sebagai ÿ… sistem
atau subsistem berbasis komputer interaktif yang dimaksudkan untuk membantu pengambil keputusan
menggunakan teknologi komunikasi, data, dokumen, pengetahuan, dan/atau model untuk mengidentifikasi dan
memecahkan masalah, menyelesaikan tugas proses keputusan, dan mengambil keputusanÿ.
Meskipun DSS telah menjadi konsep yang sukses yang telah diimplementasikan dalam beberapa bentuk selama
empat dekade terakhir, itu tidak selalu memberikan hasil yang sukses. Banyak kegagalan disebabkan oleh desain
yang buruk, kurangnya keterlibatan pemegang saham, atau implementasi yang buruk (Arnott & Dodson, 2008). Jika
kegagalan terutama karena kurangnya penggunaan, penerapan yang tidak tepat, atau hasil yang buruk (atau tidak
ada), ini, meskipun mengganggu, mungkin tidak menimbulkan konsekuensi khusus. Dalam sebuah studi di arena
pertanian, para peneliti menemukan bahwa DSS tidak digunakan secara luas di kalangan petani dan produsen
terutama karena kurangnya pendidikan atau kesalahpahaman tentang DSS itu sendiri (Newman, Lynch, & Plummer,
2000). Oleh karena itu, para ahli pertanian yang telah mengadopsi DSS melihat manfaat, dan mereka yang tidak,
atau melakukan tetapi tidak menggunakannya secara tepat, tidak melihat manfaat tetapi merasakan sedikit
kerugian. Di sisi lain, ketika anggota organisasi menjadi tergantung pada sistem informasi, khususnya sistem yang
harus menyediakan data yang akurat dan tepat waktu untuk mendasari keputusan, hasil yang buruk mungkin memiliki
jangkauan yang jauh, terkadang konsekuensi bencana.
Selain itu, DSS terbaik tidak dapat mengatasi pengambilan keputusan manajerial yang buruk. Bencana pesawat ulang-
alik Challenger adalah salah satu peristiwa tersebut. Pada tahun 1986, Challenger meledak sesaat setelah diluncurkan,
menewaskan semua penumpang. Kegagalan GDSS yang digunakan antara NASA dan Thiokol (produsen cincin
ÿOÿ SRB), dan keputusan yang dihasilkan untuk meluncurkan yang didasarkan pada informasi yang buruk, sebagian
besar dipersalahkan atas bencana tersebut (Laporan Komisi Kepresidenan, 1986). Namun, Richard Feynman,
fisikawan pemenang penghargaan Nobel di Komisi, menunjukkan bahwa manajemen NASA melebih-lebihkan
ÿkeandalan produknya, sampai ke titik fantasiÿ (Feynman, 1999, hlm . 155). Tidak ada sistem yang dapat
mengatasi rintangan seperti itu. Seperti yang dinyatakan Feynman dalam kalimat terakhir laporannya, "Untuk
teknologi yang berhasil, realitas harus lebih diutamakan daripada hubungan masyarakat, karena alam tidak dapat dibodohi".
DSS juga disalahkan atas kegagalan keuangan. Black Monday, yang terjadi pada 19 Oktober 1987, dipersalahkan
pada asuransi portofolio dan perdagangan pemrograman, keduanya alat otomatis yang menggunakan indeks saham
berjangka sebagai dasar perdagangan (Young 1989). Pengkambinghitaman ini mengabaikan fakta bahwa manusia
memungkinkan alat otomatis ini mendominasi lantai perdagangan dan tidak membatasi penggunaannya dalam situasi
kritis atau menyediakan kemampuan override manusia.
Kita dapat menyimpulkan dari sejarah singkat ini bahwa penelitian dan praktik DSS telah berkembang seiring dengan
teknologi informasi. Seperti yang ditunjukkan Orlikowski (1992), teknologi memainkan peran ganda dalam memungkinkan
dan membatasi aktivitas manusia. Manusia hanya dapat melakukan apa yang layak dengan sumber daya teknologi.
Dengan demikian, konsep DSS untuk mendukung pemecahan masalah manusia yang terkonsentrasi tidak benar-benar
layak sampai kita dapat berinteraksi dengan komputer. TI tidak dapat mendukung kelompok sampai infrastruktur jaringan
tersedia. DSS berbasis pengetahuan tidak layak sampai AI dan konsep sistem pakar dikembangkan. Karena teknologi
informasi tampaknya berkembang secara eksponensial dan ada di mana-mana, kami yakin peluang untuk DSS akan
semakin luas. Sebagai contoh singkat, berikut adalah beberapa kutipan dari siaran pers bersama dari IBM dan WellPoint,
pemegang lisensi independen dari Blue Cross and Blue Shield Association dan penyedia manfaat perawatan
kesehatan utama, terkait dengan teknologi Watson IBM yang awalnya dikembangkan untuk memutar televisi populer
permainan Bahaya.
INDIANAPOLIS dan ARMONK, NY, - 12 Sep 2011: WellPoint, Inc. (NYSE: WLP), dan IBM (NYSE: IBM)
hari ini mengumumkan kesepakatan untuk membuat aplikasi komersial pertama dari teknologi IBM Watson.
Berdasarkan perjanjian tersebut, WellPoint akan mengembangkan dan meluncurkan solusi berbasis Watson
untuk membantu meningkatkan perawatan pasien melalui pemberian perawatan kesehatan berbasis bukti
terkini untuk jutaan orang Amerika. IBM akan mengembangkan teknologi perawatan kesehatan dasar
Watson yang akan menjalankan solusi WellPoint.
Kemampuan Watson untuk menganalisis makna dan konteks bahasa manusia, dan dengan cepat
memproses sejumlah besar informasi untuk menyarankan pilihan yang ditargetkan pada keadaan pasien,
dapat membantu pengambil keputusan, seperti dokter dan perawat, dalam mengidentifikasi kemungkinan
diagnosis dan pilihan pengobatan untuk mereka. pasien," kata IBM dan WellPoint ("WellPoint and IBM",
2011, penekanan ditambahkan).
Orang mungkin bertanya bagaimana kemajuan teknologi seperti Watson digabungkan dengan umur panjang paradigma
penelitian DSS untuk memengaruhi bidang yang berubah dengan cepat seperti IS? Bagian selanjutnya membahas di
mana keadaan penelitian DSS saat ini sesuai dengan penelitian IS saat ini dan berfokus pada mengelaborasi apa yang
sebenarnya dicakup oleh DSS.
3. Kondisi Saat Ini dan Arah Penelitian DSS di Masa Depan

Selama evolusinya, area DSS telah bermigrasi dari perspektif teknologi murni ke perspektif yang menggabungkan seluruh
informasi dan pengetahuan (Courtney, 2001). Seperti yang dinyatakan Courtney, sekadar memahami bahwa informasi
dan pengetahuan harus diakui dalam suatu sistem tidak sama dengan memahami cara melakukannya.
Sejak pekerjaan ini, orang lain telah mengusulkan sistem yang menggabungkan pendukung keputusan di berbagai arena
di luar disiplin berbasis teknologi. Daftarnya sangat luas dan hanya sedikit yang dicantumkan di sini untuk tujuan ilustrasi:
pengelolaan sumber daya air (Kolkman, Kok, & van der Veen, 2005; Mysiak, Guipponi, & Rosato, 2005), ilmu lingkungan
(Mcintosh, Jeffrey, Lemon, & Winder, 2005), manajemen darurat (Vaught et al., 2006; Wickramasinghe, Bali, & Naguib,
2006; Wickramasinghe & Bali, 2008), dan kedokteran (Richardson, Courtney, & Haynes, 2006). Bahkan sulit untuk mulai
melacak semua area di mana penelitian DSS sekarang telah menyebar, jadi tujuan kami adalah untuk menunjukkan
contoh beberapa disiplin referensi yang sekarang secara aktif meneliti DSS dan menggambarkan bagaimana tren
penelitian di masa depan dapat mengacu pada sejarah DSS. penelitian di bidang SI.
DSS, misalnya, paling sering berfokus pada keputusan yang tidak terstruktur, dan tren ini berlanjut hingga hari ini.
Meskipun kita memiliki teknologi yang lebih baik dan lebih cepat, jumlah data dan informasi yang akan diproses telah
meningkat pada tingkat yang paling tidak mempertahankan tingkat "tidak terstruktur" yang setara dengan
keputusan historis. Pengambilan keputusan dalam konteks ini semakin dikacaukan oleh kecepatan pengambilan
keputusan; alih-alih memiliki minggu atau hari, bisnis dan organisasi mungkin memiliki menit atau detik.
Arnott dan Pervan (2005) memberikan titik awal yang kuat untuk menganalisis penelitian DSS dalam konteks
ini dalam analisis komprehensif mereka tentang keadaan penelitian DSS saat ini hingga pertengahan dekade
terakhir. Mereka membangun sejarah landasan teori DSS, mengidentifikasi tujuh subbidang, tiga di antaranya
paling aktif dalam dekade terakhir (Gambar 1). Kami sekarang mengintegrasikan tren saat ini dan kemungkinan
studi DSS di masa depan ke dalam permadani penelitian DSS mereka (Gambar 1).
Gambar 1. Timeline DSS Arnott dan Pervan (2005).
3.1. Contoh Penelitian Saat Ini Sebagai catatan

Gambar 1, tiga bidang utama berasal dari tahun 1990-an: DSS berbasis manajemen pengetahuan, pergudangan
data, dan sistem pendukung negosiasi. Pada bagian di bawah ini, kami memberikan contoh pekerjaan sejak
2005 untuk menunjukkan bahwa DSS benar-benar hidup dan sehat hingga saat ini.
DSS berbasis manajemen pengetahuan (KMDSS) adalah sistem yang memfasilitasi pengambilan keputusan
di seluruh dan di antara organisasi dengan komponen tambahan dari fungsi manajemen pengetahuan. Fungsi
tersebut meliputi penyimpanan, manipulasi, pengambilan, transfer, dan penggunaan pengetahuan sehingga
individu dan memori organisasi mendapat manfaat (Arnott & Pervan, 2008). Mengingat bahwa salah satu
penekanannya adalah pada dukungan pembuat keputusan terdistribusi, sistem ini juga dapat mencakup
dukungan kelompok dan atau fungsi kolaboratif. Namun, penekanan penelitian bukan pada kelompok,
melainkan pada fungsi pengetahuan dari sistem tersebut (Arnott & Pervan, 2005).
Sekitar waktu kerangka kerja Arnott dan Pervan (2005), Nemati, Steiger, Iyer, & Herschel (2002)
mengembangkan konsep gudang pengetahuan. Menyadari bahwa dukungan keputusan adalah kebutuhan
operasional yang kritis untuk sebuah organisasi, dan bahwa pekerja pengetahuan membutuhkan dukungan
data untuk membuat keputusan, mereka mengembangkan arsitektur yang menggabungkan aspek manajemen
pengetahuan, dukungan keputusan, kecerdasan buatan, dan pergudangan data. Tidak lama setelah itu, Cil,
Alpturk, dan Yazgan (2005) mengusulkan sebuah kerangka berdasarkan usulan Courtney (2001)
perluasan DSS dengan peningkatan pengetahuan dan kemampuan bertanya. Sistem mereka berbeda dari
Nemati et al. (2002) bahwa fokusnya adalah pada proses pengambilan keputusan untuk mengembangkan
pengetahuan melalui berbagai interpretasi perspektif daripada memfasilitasi akses ke pengetahuan.
Pada tahun 2006, konsep DSS berbasis pengetahuan bergerak melampaui landasan akademik dan menuju
aplikasi praktis. OR/ MS Hari ini menyarankan bahwa praktisi harus mempertimbangkan untuk beralih dari DSS
tradisional menuju DSS berbasis pengetahuan yang memungkinkan penangkapan pengetahuan aktif yang tidak
hanya meningkatkan kemampuan pengambilan keputusan tetapi juga memungkinkan pandangan ke depan untuk
keputusan strategis (Lewis, 2006). Clark, Jones, dan Armstrong (2007) mengemukakan model konseptual untuk
sistem pendukung manajemen (MSS) yang dirancang untuk mendukung pengambilan keputusan dan sistem
pendukung manajerial secara luas. Model ini berupaya memaksimalkan potensi teknologi yang berkembang
dengan menggabungkan manajemen pengetahuan, pendukung keputusan, sistem informasi eksekutif, dan intelijen bisnis.
Baru-baru ini, penelitian semacam itu terus berlanjut dengan penekanan pada konteks yang berbeda. Sebagai
contoh, Zavadskas, Kaklauskas, Raslanas, dan Galiniene (2008) menangkap dan membagi pengetahuan diam-
diam dan eksplisit dalam DSS cerdas berbasis web yang dirancang untuk industri real estate. Saad dan Chakhar
(2009) mengembangkan DSS berbasis pengetahuan untuk mendukung proses pengambilan keputusan Simon
untuk masalah yang tidak terstruktur dalam industri otomotif. Database penemuan pengetahuan (KDD) telah
digunakan dengan DSS untuk mengilustrasikan pentingnya pendekatan pengembangan berbasis pengembang
dan berbasis pengguna dalam konteks industri kesehatan (Ayed, Ltifi, Kolski, & Alimi, 2010). Baru-baru ini, aplikasi
penggunaan narasi tidak terstruktur dalam penalaran berbasis narasi untuk organisasi layanan sosial (Wang &
Cheung, 2011) dan kemajuan dalam transfer pengetahuan dan pembandingan dalam industri pertanian (van
Leeuwen et al., 2011) telah dipublikasikan.
Batang berikutnya pada Gambar 1 adalah pergudangan data. Perhatikan bahwa salah satu item penelitian dari
atas, yaitu Nemati et al. (2002), secara khusus berdasarkan gudang data. Faktanya, banyak dari database/
penyimpanan data/basis pengetahuan yang terlibat dalam penelitian KMDSS berputar di sekitar penyimpanan data
besar yang, atau setidaknya mendekati, gudang data. Sebagaimana didefinisikan oleh Arnott dan Pervan (2005,
2008), gudang data adalah sistem yang menyediakan infrastruktur untuk menyediakan data bagi para pengambil keputusan.
Karena penelitian gudang data agak tua, saat ini banyak penelitian yang berorientasi pada aplikasi praktis.
Misalnya, DSS berdasarkan gudang data untuk pemilihan lokasi bangunan dikembangkan oleh Ahmad, Azhar, dan
Lukauskis (2004), dan sistem untuk keputusan perencanaan kesehatan yang diuntungkan dari alat gudang data
tambahan (OLAP) (Tremblay, Fuller, Berndt, & Studnicki, 2007).
Para peneliti telah memeriksa pengawasan bioterorisme (Berndt et al., 2007) dan gudang data metode
penyembuhan modern dan tradisional (Lin, Lin, Lin, & Yang, 2009; Zhou et al., 2010), serta keputusan pengiriman
dana (Wang & Kuo, 2010) dan logistik (Ehmke, Grosshans, Mattfeld, & Smith, 2011). Namun, beberapa penelitian
dasar masih dilakukan. Mazon dan Trujillo (2008) menyelidiki kerangka kerja arsitektur berbasis model untuk
pengembangan gudang data, sementara Ariyachandra dan Watson (2010) menyelidiki faktor organisasi mana
yang mendorong keputusan pemilihan arsitektur gudang data. Isu yang dipertimbangkan organisasi saat membuat
keputusan gudang data dianalisis oleh Ramamurthy, Sen, dan Sinha (2008), dan pertanyaan tentang bagaimana
mengurutkan fakta yang diambil dari gudang dipertimbangkan oleh Perez, Berlanga, dan Aramburu (2009).
Batang ketiga dari model Arnott dan Pervan (2005) adalah sistem pendukung negosiasi (NSS). NSS adalah
sistem kelompok dimana fokus utamanya adalah fasilitasi negosiasi (Arnott & Pervan, 2005, 2008).
NSS, yang dibangun di atas penelitian sistem pakar, memiliki sejarah puluhan tahun yang dapat dilihat dalam
karya penulis seperti Kersten (Kersten & Lo, 2003; Kersten & Noronha, 1993; Matwin, Szpakowicz, Koperczak,
Kersten, & Michalowski , 1989) atau Bui (Bui & Gachet, 2005; Bui & Shakun, 1996) dan rekan penulisnya. Penelitian
di bidang ini berasal dari penelitian yang lebih tua dari KMDSS atau penelitian gudang data. Penelitian saat ini
terutama berorientasi pada peningkatan proses atau aplikasi, atau mengembangkan penggunaannya dalam
konteks baru, dan sebagian besar terletak pada teknologi agen.
Kuula dan Stam (2008) mengembangkan NSS menggunakan algoritme yang berbeda dari algoritme frontier Pareto
tradisional yang biasanya digunakan dalam sistem ini. Rios dan Insua (2009) menyarankan penggunaan diagram
pengaruh untuk menyusun masalah keputusan (walaupun kedua belah pihak tidak selalu setuju dengan preferensi
dan keyakinan). Li dan Sheng (2011) mengembangkan model untuk melatih agen perangkat lunak untuk bernalar
di bawah ketidakpastian selama negosiasi harga dalam sistem pakar. Cabang lain dari penelitian ini tidak meneliti
teknologi, tetapi sisi manusia dari negosiasi dan/atau interaksi. Misalnya, Lee dan Kwon (2010) melihat apa yang
menyebabkan pengguna menerima sistem negosiasi.
Tinjauan singkat penelitian dari tahun 2005 ini menunjukkan bahwa garis di antara batangnya kabur. Ada tumpang
tindih yang jelas antara penelitian KMDSS dan gudang data; dukungan negosiasi, sementara penelitiannya agak
terfokus pada bidang kecerdasan buatan, juga perlu memanfaatkan data dan pengetahuan dalam suatu organisasi
untuk kemanjurannya. Pindah ke masa depan, batang ini berubah.
3.2. Kembali ke Masa Depan Model

Arnott dan Pervan (2005) memberikan dasar untuk memahami penelitian DSS seperti saat ini. Namun, kami
percaya bahwa melihat ke depan tanpa menyadari masa lalu dapat menyebabkan kita kehilangan poin yang
menonjol dan menarik. Kami telah menjelaskan sebelumnya bahwa banyak isu utama dalam penelitian DSS awal
(misalnya, representasi informasi, tantangan pengguna) masih ada sampai sekarang. Melihat ke belakang untuk
mendapatkan perspektif, kami memilih untuk menggunakan karya Alter sebagai dasar dari isu-isu kunci yang muncul
dari dekade pertama penelitian DSS. Sebuah bagian yang ditulis oleh editor serial Peter Keen dan Charles Stabell,
dari kata pengantar buku Alter , Sistem Pendukung Keputusan: Praktik Saat Ini dan Tantangan Berkelanjutan (1980),
menjadi perhatian khusus. Berbicara tentang label seri pendukung keputusan, mereka mengatakan: "Istilah ini
berfungsi untuk menyoroti perlunya konsep dan metodologi untuk mengeksploitasi setiap teknologi yang
tersedia" (Alter, 1980, p.ix, penekanan ditambahkan).
Apa masalah tetap dalam DSS? Selama beberapa tahun terakhir, penelitian telah berkembang dan menyusut antara
aspek perilaku pendukung keputusan dan sisi teknis. Penekanan pada simulasi, pemodelan, pemrosesan keputusan
otomatis, dan sejenisnya sering menghilangkan anggota organisasi dari pertimbangan dalam proses dan mendukung
gagasan bahwa sistem pendukung keputusan adalah konsep teknologi, bukan organisasi. Penekanan yang berubah
ini mungkin menjadi bagian dari alasan di balik ketidakkonsistenan penggunaan istilah dalam pers populer, dengan
istilah seperti intelijen bisnis, sistem pendukung keputusan, dan analitik bisnis yang digunakan. Alter (2004)
membahas poin ini ketika dia menyatakan: "Pendukung keputusan bukan tentang alat itu sendiri, melainkan
tentang membuat keputusan yang lebih baik dalam sistem kerja dalam organisasi" (hal. 320). Dia menyarankan
bahwa sebagian besar sistem kerja menyertakan elemen dukungan untuk pengambilan keputusan dan, oleh karena
itu, mengadopsi istilah "dukungan keputusan dalam sistem kerja" (hal. 326) mungkin lebih berguna.
Pada akhirnya, agar penelitian terus menghasilkan ide yang berarti bagi organisasi, peneliti masa depan harus
berusaha untuk mengintegrasikan evolusi teknologi ke dalam konsep pendukung keputusan organisasi sambil
memahami bahwa teknologi, proses pengambilan keputusan, dan dukungan organisasi adalah fokus penelitian yang
berbeda. Saat kita memasuki dekade berikutnya dari penelitian DSS, kategori yang diambil dari penelitian Alter
(1980) masih relevan. Masih ada sistem berorientasi data dan model; sistem laci file (ÿkabinet fileÿ mekanis)
masih merupakan sarana penyimpanan dan pengambilan data primer.
Apakah data disimpan dalam database, gudang data, basis pengetahuan, atau jenis penyimpanan yang belum
ditentukan, itu adalah fasilitasi interaksi dengan data yang telah, sedang, dan akan menjadi penting. Dalam
pengertian ini, isu-isu masa lalu masih mendorong masa depan DSS, tetapi setiap era baru penelitian DSS berkaitan
dengan teknologi yang lebih baru dan pemahaman yang lebih besar tentang proses pengambilan keputusan. Alter
(2004) kemudian menyarankan sembilan kategori besar penelitian masa depan potensial di bawah saran dukungan
sistem kerjanya. Ini termasuk proses bisnis, peserta, informasi, teknologi, produk dan layanan, pelanggan,
infrastruktur, lingkungan, dan strategi. Kategori-kategori ini telah diselidiki, dan akan terus diselidiki seiring
berkembangnya penelitian DSS.
Daripada menyelidiki pelanggan lokal, teknologi sekarang memungkinkan kami untuk menyelidiki pelanggan global.
Pengambil keputusan yang berada di ruangan yang sama sekarang dapat ditempatkan di mana saja di dunia.
Infrastruktur mainframe dan terminal telah digantikan oleh komputasi awan. Dalam setiap kasus, teknologi apa pun
yang tersedia digunakan; fasilitasi proses pendukung keputusan adalah apa yang menarik untuk bergerak ke masa
depan.
Dalam bukunya, Alter (1980) berbicara tentang tren masa depan. Bisa ditebak, di antara tren tersebut adalah
perkembangan hardware dan software. Seperti Alter pada tahun 1980, sulit bagi kami untuk memprediksi di mana
pertemuan perangkat keras dan perangkat lunak dalam beberapa dekade mendatang. Di ambang revolusi komputer
pribadi pada saat bukunya dibuat, Alter mencatat bahwa perkembangan seperti itu mungkin akan mengubah DSS.
Itu, tentu saja, membawa konsep DSS lebih dekat ke pengguna, dengan lebih banyak informasi, analitik yang lebih
kuat, grafik yang lebih baik, antarmuka yang lebih bisa digunakan, dan respons yang lebih cepat. Sekarang kita berada di tepi
revolusi berikutnya, langkah penuh ke komputasi seluler dan cloud. Namun, tidak seperti perpindahan ke komputer
pribadi, teknologi baru ini dan paket perangkat lunak terkait berubah saat kita berinteraksi dengan data. Seorang
wiraniaga sekarang dapat menjalankan analitik penjualan di gudang klien, namun datanya tampak tidak
berbeda dengan saat dijalankan di PC di kantor wiraniaga. Itu mungkin berasal dari berbagai sumber di
ÿawanÿ dan ÿdihaluskanÿ menggunakan berbagai teknologi untuk mengakomodasi berbagai tipe data baru,
seperti item berita, blog, entri wiki, dan/atau video. Faktanya, kecepatannya mungkin agak berkurang karena sifat
teknologi seluler, tetapi mungkin masih cukup cepat untuk mendukung proses pengambilan keputusan. Teknologi
telah memungkinkan model bisnis berubah, dan meratakan beberapa bidang permainan, tetapi pada akhirnya
kompleksitas keputusan dan apa yang diperlukan untuk mendukungnya telah meningkat, bukan berkurang, oleh
kemajuan tersebut.
Pada tahun 1980, Alter juga mencatat beberapa kecenderungan masa depan sehubungan dengan anggota
organisasi. Salah satunya adalah individu (pada saat itu) menjadi lebih nyaman dengan komputer, sehingga
mengurangi ketidakpastian yang menyertai DSS dalam organisasi. Yang kedua adalah bahwa siswa datang (pada
waktu itu) ke dalam organisasi yang memiliki pendidikan yang mencakup komputasi pada tingkat tertentu,
sehingga tidak hanya membawa kenyamanan dan pemahaman tentang komputer, tetapi kadang-kadang keahlian dalam komputasi.
Sebagian besar orang yang memasuki dunia kerja saat ini tidak mengingat era di mana komputer bukan bagian
dari rutinitas sehari-hari; banyak yang berpengalaman dalam seni ponsel pintar dan media sosial. Meskipun hal
ini tidak serta merta membuat konsep DSS menjadi lebih sulit, hal ini membuat desain dan implementasi sistem
untuk mendukung pengambilan keputusan menjadi lebih sulit, karena beberapa tempat pengiriman harus
dipertimbangkan. Memang, banyak karyawan sekarang membawa teknologi pribadi mereka ke tempat kerja (iPad)
untuk mendukung proses pengambilan keputusan mereka. Penelitian DSS di masa depan harus menggabungkan
alat pendukung keputusan pribadi maupun institusional.
Studi Alter (1980) terutama menemukan efisiensi melalui otomatisasi tugas administrasi (dengan demikian
membebaskan waktu untuk individu) dan melalui ekspedisi pemecahan masalah. Khususnya, perputaran tugas
yang lebih cepat diaktifkan, akurasi dan konsistensi ditingkatkan, dan DSS memberikan keuntungan dalam
penataan masalah. Dalam perekonomian saat ini, masalah apa pun penuh dengan ketidakpastian. Bahkan
masalah rutin dari tahun lalu, seperti inventaris apa yang akan disimpan untuk masa liburan, memiliki ketidakpastian
ketika kepercayaan konsumen naik dan turun dalam lingkungan ekonomi yang tidak pasti. Mengembangkan
struktur masalah akan terus menjadi masalah bagi peneliti DSS mendatang. Pada hari-hari awal DSS, data yang
diambil DSS terutama bersifat organisasional. Namun, sekarang, DSS dan rekannya harus mengambil data dari
kumpulan informasi yang jauh lebih besar. Tidak hanya aspek teknis tentang bagaimana menemukan, mengekstrak,
mengubah, membersihkan, dan memuat data ke dalam sistem, tetapi ada hal-hal yang lebih praktis tentang data
apa yang dicari dan dikumpulkan, seberapa sering mendapatkannya, bagaimana cara mendapatkannya. mengukur
keakuratan dan relevansinya, dan bagaimana melindungi sistem organisasi selama proses ini.
Sementara banyak penelitian menunjukkan bahwa luas dan dalamnya informasi diperlukan untuk hasil keputusan
yang baik (misalnya, Kim, Hahn, & Hahn, 2000), ada juga kebutuhan untuk menyusun informasi yang tersedia
bagi pembuat keputusan dengan cara yang mendukung keputusan. proses tanpa mengakibatkan informasi yang
berlebihan. Hall dan Davis (2005) mengusulkan model pengambilan keputusan berbasis perspektif yang
mengembangkan dan mensintesis perspektif. Model tersebut tidak hanya memengaruhi konteks keputusan saat
ini, tetapi menumbuhkan memori organisasi, dan memperluas model mental bersama organisasi .
Ini dimasukkan ke dalam pengetahuan dan basis data, memberikan informasi yang diperlukan untuk gudang data
mendukung keputusan dan negosiasi.
Jelas, DSS masih hidup dan sehat dan masa depannya cerah. Masih banyak yang harus dilakukan, dan, seperti
yang terjadi di masa lalu, bidang ini akan terus mengalami pasang surut dengan evolusi teknologi. Tugas di masa
depan adalah untuk memahami pervasiveness teknologi dalam kehidupan anggota organisasi dan sepenuhnya
memahami cara terbaik untuk merancang proses yang menggunakan kemampuan teknologi untuk mempromosikan
peningkatan hasil organisasi. Kami percaya bahwa masa depan menyimpan sejumlah potensi, sebuah tema yang
akan kami uraikan selanjutnya.
4. Tren Masa Depan

Taylor, Dillon, dan Van Wingen (2010) menyatakan bahwa penelitian IS dari tahun 1985 sampai 2005 menunjukkan evolusi yang
bergerak maju dalam enam cara: penelitian sistem antar-bisnis, strategi IS, aplikasi Internet, penelitian tematik IS, penelitian metode
kualitatif, dan, paling penting dari perspektif kami, kerja kelompok dan penelitian pendukung keputusan. Mereka mencatat bahwa
kesinambungan penelitian selama 30 tahun terakhir menunjukkan bahwa posisinya kuat sebagai subbidang khusus dari disiplin IS.
Kami berpendapat bahwa ini benar karena sulit, jika bukan tidak mungkin, untuk memisahkan proses pengambilan keputusan dari
proses pengelolaan. Memang, kita melihat DSS hari ini masih mendukung Mintzberg (1971, 1973) empat peran pengambilan
keputusan manajemen: pengusaha, penangan gangguan, pengalokasi sumber daya, dan negosiator.
Holsapple dan Whinston (1996) menegaskan bahwa pandangan fungsional klasik manajemen (misalnya, Fayol, 1949; Urwick,
1943) tidak menonjolkan pengambilan keputusan atau penanganan pengetahuan yang diperlukan.
Meskipun demikian, fungsi-fungsi (misalnya, koordinasi, pengorganisasian, komando, perencanaan, dll.) tentunya merupakan
aktivitas berbasis pengetahuan yang membutuhkan bukan hanya satu tetapi serangkaian keputusan yang seringkali saling berhubungan.
Meskipun fungsi manajerial mungkin tidak berubah sejak penelitian manajemen awal (penelitian Fayol pertama kali muncul
pada tahun 1916), teknologi yang tersedia untuk mendukungnya telah tersedia. Perangkat lunak manajemen proyek, perangkat
lunak pelaporan pengecualian, sistem kolaborasi/koordinasi, dan lain-lain telah membebaskan manajer dari aspek teknis dari fungsi-
fungsi ini, yang memungkinkan mereka untuk fokus pada akuisisi pengetahuan, analisis, dan fungsi pengambilan keputusan yang
lebih menantang yang melekat pada masing-masing fungsi.
Pada bagian terakhir ini kita membahas tren masa depan dengan memperluas model Arnott dan Pervan (2005) dan dengan
menggabungkan pergerakan dan tren saat ini dalam teknologi. Ada pergeseran lanjutan dari membangun sistem ke mengonfigurasi
solusi yang disampaikan langsung atau gabungan layanan dan aliran data yang disatukan untuk memenuhi kebutuhan mendesak,
pribadi atau organisasi, di semua tren.
4.1. KMDSS dan Gudang Data

Kami memperkirakan bahwa aliran penelitian KMDSS dan pergudangan data akan bergabung, dan fokusnya akan menggabungkan
cara yang lebih baik untuk memungkinkan anggota organisasi berinteraksi dengan informasi yang tersedia, di mana pun dan kapan
pun tersedia. Ini mungkin menjadi bidang penelitian yang paling aktif, karena merupakan yang paling komprehensif. Terbukti dalam
penelitian saat ini yang dibahas di atas bahwa tren seperti itu sudah berlangsung. Ketika kompleksitas pengambilan keputusan
meningkat dan ketersediaan informasi meningkat, akan ada kebutuhan infrastruktur data yang lebih besar dan berbasis analitis
untuk diselaraskan dengan pengetahuan dan teknologi pendukung keputusan. Pendapat kami adalah bahwa penggabungan tren
seperti itu sudah terjadi dan didukung oleh penggunaan alat oleh perusahaan seperti Netflix, Amazon, dan Google (algoritme
peringkat, paling sesuai), yang semuanya berharap untuk meningkatkan pendapatan melalui penyediaan pengalaman pelanggan
yang memanfaatkan data untuk membantu pelanggan membuat keputusan berdasarkan informasi dan pengetahuan.
Sebagian besar data yang dikelola organisasi ini, seperti film, citra satelit, informasi spasial, dan data di media sosial, tidak sesuai
dengan persyaratan database relasional yang sangat terstruktur . Penelitian tentang database "NoSQL" (tidak hanya SQL)
dapat memberikan cara yang jauh lebih fleksibel untuk menyimpan dan mengakses data daripada yang telah tersedia di masa lalu.
Memang, Amazon dan Google sudah memiliki database seperti itu (Leavitt, 2010), dan Oracle baru-baru ini mengumumkan perilisan
paket NoSQL (Jackson, 2011). Infrastruktur ini akan memungkinkan integrasi berbagai jenis informasi dalam sistem manajemen
pengetahuan yang dibangun di atas gudang data.
Penggabungan pergudangan data dengan DSS manajemen pengetahuan menunjukkan sintesis upaya yang berpusat pada
pelanggan (Alter, 2007) dan dirancang untuk memberikan informasi tepat waktu untuk keputusan waktu nyata berdasarkan
kecepatan yang dituntut oleh teknologi yang berkembang sekarang. Di masa lalu, mengembangkan gudang data/solusi intelijen
bisnis dapat memakan waktu bertahun-tahun, tetapi dengan bundel peralatan saat ini, seluruh organisasi dapat memiliki banyak
pengetahuan di ujung jarinya dalam hitungan detik. Pandangan pengambilan keputusan yang berpusat pada pelanggan ini terkait
erat dengan penggunaan jejaring sosial dan bagaimana hal itu menjadi faktor dalam pengambilan keputusan seseorang .
Konsumen sekarang mempertimbangkan berapa banyak Facebook ÿsukaÿ produk atau layanan mungkin atau tweet saat
ini tentang acara atau restoran sebelum membuat keputusan tentang suatu produk atau layanan.
Pengambilan keputusan pelanggan selanjutnya didorong oleh kemampuan teknologi seluler untuk memberikan
informasi cepat tentang berbagai topik hampir di mana saja, secara instan. Faktanya, salah satu organisasi lokal
yang ditemui oleh salah satu penulis menawarkan iPad sebagai bagian dari pengalaman berbelanja di dalam toko
sehingga pelanggan dapat membandingkan harga pesaing. Gambar 2 meringkas ekstensi kami untuk Arnott dan
Pervan (2005), menambahkan konteks komputasi sosial dan seluler yang sekarang harus dipertimbangkan di seluruh penelitian DSS.
Gambar 2. Timeline Arnott dan Pervan (2005) yang Diperbarui dan Diperpanjang
Meningkatkan informasi yang tersedia untuk KMDSS melalui kemampuan gudang data mungkin berguna bagi industri
keamanan. Sementara sistem informasi umumnya dapat digunakan untuk mendeteksi penyusupan, DSS telah
dikembangkan untuk tujuan perencanaan keamanan informasi. El-Gayar dan Fritz (2010) telah mengembangkan
sebuah sistem yang mendekati masalah perencanaan keamanan informasi dengan menggunakan metodologi
pengambilan keputusan multikriteria, suatu pendekatan yang membutuhkan sejumlah besar informasi yang bersifat
faktual dan kontekstual. Sistem mereka menggunakan filosofi berbagai perspektif untuk mendukung keputusan
seperti yang pertama kali dikembangkan oleh Churchman (1971) dan diperluas oleh Courtney (2001) dan Hall and
Paradice (2005). DSS juga telah dikembangkan yang membantu menghitung tindakan pencegahan mana yang paling
efektif selama serangan. DSS ini membantu pengguna dengan menganalisis langkah-langkah yang mengurangi
tingkat tingkat ancaman ketidakpastian, biaya penanggulangan, dan kehilangan aset (Rees, Deane, Rakes, & Baker,
2011). DSS lain membantu bisnis menentukan apakah memperoleh informasi pelanggan adalah investasi yang
berharga mengingat sifat aset yang tidak stabil (Lee, Kauffman, & Sougstaf, 2011). Pemrograman genetik dapat
digunakan untuk meningkatkan deteksi intrusi (Hansen, Lowry,
Meservy, & McDonald, 2007). Dengan demikian, perhatian yang meningkat terhadap semua aspek keamanan data
cocok untuk penelitian DSS baru.
Seseorang dapat melanjutkan hampir tanpa batas waktu dengan penggunaan baru untuk data dan DSS yang
ditingkatkan pengetahuannya. Seperti yang telah terjadi selama empat dekade, DSS telah menjadi yang terdepan tidak
hanya dalam teknologi baru, tetapi juga cara baru untuk mengatasi masalah dan proses bisnis yang ada. Misalnya,
DSS baru-baru ini dikembangkan untuk arsitek perumahan pedesaan di Iran (Habib, Sartipipour, Garakani, &
Rahimbakhsh, 2011). DSS juga telah dikembangkan dan digunakan selama beberapa waktu untuk membantu investor
mengembangkan dan memelihara portofolio investasi yang menguntungkan, dimulai dengan sistem perencanaan
keuangan interaktif yang diluncurkan pada tahun 1978 (Weber, 2008). Umumnya, DSS memoderasi pertukaran antara
risiko dan imbalan dalam transaksi portofolio (misalnya, Dong, Du, Lai, & Wang, 2004) dengan memeriksa data dan
melakukan perhitungan atau simulasi secara cepat dan akurat. Baru-baru ini, terutama dengan munculnya investor
individu yang membutuhkan dukungan, konseptualisasi aplikasi keuangan seluler telah dimulai. Burstein dan Holsapple
(2008) meninjau pendekatan yang tersedia untuk aplikasi semacam itu, mengembangkan manajer akun seluler
prototipe yang disebut iAccountsMgr. Konsep ini memadukan kebutuhan investor keuangan yang cerdas (seperti data
real-time dan kualitas informasi keputusan) dengan kebutuhan seluler para eksekutif sibuk saat ini. Pemindaian
cepat layanan berita pada bulan Oktober 2011 menunjukkan pengembangan DSS untuk pemilihan rig pengeboran
(www.worldoil.com), sistem pendukung yang dirancang bagi pemasar untuk lebih memahami pengguna Facebook
(www.microstrategy.com), dan manajemen halaman kereta api sistem (www.ubisense.net). Sifat DSS adalah untuk
terus meningkatkan proses pengambilan keputusan yang pada gilirannya meningkatkan efisiensi organisasi.
Data dan DSS yang ditingkatkan pengetahuan akan terus menjadi aliran utama penelitian hingga ke masa depan.
Peluang penelitian di masa depan mencakup pemahaman yang lebih baik tentang kompleksitas pengambilan keputusan
di lingkungan yang sangat tidak pasti saat ini, cara terbaik untuk menyeimbangkan kecepatan dan luasnya
informasi yang tersedia dengan keterbatasan kognitif prosesor manusia, penerapan DSS dalam konteks baru, dan
penyempurnaan kerangka kerja yang ada dan algoritma. Mengingat bahwa banyak penelitian dalam pergudangan data
berorientasi teknis, ada ruang untuk mengeksplorasi algoritme yang ditingkatkan untuk pengambilan/penyortiran/
manipulasi data, pemeringkatan, proses ekstraksi/transformasi/pemuatan (ETL), dan inovasi teknis lainnya untuk
meningkatkan efisiensi dalam gudang, serta interaksi gudang dengan fasilitas lain seperti DSS, KM, dan sistem
kolaboratif.
4.2. Dukungan Keputusan Media Sosial

Tren masa depan kedua kami adalah media sosial sebagai sarana pendukung keputusan. Kami memisahkan domain
ini karena unik, "canggih", dan, oleh karena itu, kemungkinan besar akan mendominasi dekade berikutnya.
Selain itu, ini terutama merupakan domain perilaku, bukan domain teknis. Jejaring sosial secara masuk akal memperluas
sistem dukungan kelompok, tetapi alih-alih melakukan brainstorming persyaratan organisasi, pengguna dapat
melakukan brainstorming entitas yang lebih berorientasi sosial seperti popularitas film atau restoran. Ini sering dilakukan
melalui proses pemungutan suara atau proses menyukai halaman di Facebook atau komentar yang diposting secara publik.
Negosiasi dapat dilakukan di, atau didukung oleh, media sosial, seperti di sejumlah game dalam Facebook di mana
pemain harus melakukan barter untuk produk dan layanan.
Namun, media sosial bukan hanya sekedar hiburan. Media sosial dapat dan digunakan di arena organisasi untuk
membantu konsumen membuat keputusan produk atau layanan yang terinformasi; ini adalah model bisnis yang relatif
baru yang belum dieksplorasi secara memadai. Media sosial juga menyediakan dasar untuk pengambilan keputusan
organisasi menggunakan pembangkitan ide dan alat peringkat seperti yang disediakan oleh Spigot (www.spigot.com).
Khususnya, aplikasi jejaring sosial mulai terlihat di bidang pengambilan keputusan yang kritis. Misalnya, jejaring sosial
telah dibahas sebagai alat untuk mendukung pengambilan keputusan percontohan (Scott, 2011) atau pengambilan
keputusan dalam perawatan kesehatan (Griffin & de Leastar, 2009). Salah satu penulis saat ini memiliki mahasiswa
pascasarjana yang mengerjakan sistem untuk mengintegrasikan umpan langsung dari Twitter dan Facebook untuk
memberikan informasi terkini kepada tim tanggap darurat. Sistem ini menggunakan kombinasi algoritme dan data
terstruktur yang secara tradisional membentuk DSS tetapi menambahkan teknologi yang berkembang dari Sistem
Informasi Geografis dan media sosial ke dalam model dan informasi yang membantu pengambilan keputusan.
The Weather Channel (www.weather.com) menangkap umpan media sosial secara online sehingga orang dapat dengan cepat
melihat tren cuaca di seluruh negeri. Penelitian terbaru telah mengeksplorasi hubungan antara jenis kelamin, usia, dan
kecenderungan anggota situs jejaring sosial untuk dipengaruhi oleh iklan melalui tempat tersebut (Taylor, Lewin, & Strutton,
2011). Masing-masing contoh ini menunjukkan bahwa media sosial adalah teknologi yang tersebar luas yang telah diterima oleh
organisasi sebagai platform yang layak; persis apa potensi dan keterbatasannya adalah sesuatu yang dapat dieksplorasi oleh
penelitian di masa depan.
Salah satu bidang penelitian yang telah menjadi tema berkelanjutan di seluruh penelitian DSS (dan organisasi) yang akan memiliki
kepentingan khusus untuk media sosial adalah kepercayaan. Para peneliti telah lama menyelidiki hubungan antara kepercayaan
dan sistem informasi. Pentingnya media sosial adalah pengembangan langkah-langkah kepercayaan untuk e-commerce yang
dilakukan oleh McKnight, Choudhury, dan Kacmar (2002). Namun, penelitian terbaru menunjukkan bahwa apa yang kami pikir kami
ketahui tentang kepercayaan pada artefak sistem informasi mungkin tidak berlaku untuk media sosial. Orang cenderung melekatkan
karakteristik sosial pada artefak IS (Al-Natour, Benbasat, & Cenfetelli, 2011). Karena banyak pengguna media sosial berkomunikasi
terutama dengan individu melalui jaringan orang yang mereka kenal secara pribadi (misalnya, Ellison, Steinfield, & Lampe, 2007),
gagasan mempercayai media sosial itu sendiri (yaitu artefak) mungkin tidak begitu penting. kepada anggota seperti kepercayaan
pada teman-teman anggota. Kolek dan Saunders (2008) menemukan bahwa sangat sedikit pengguna Facebook (11 persen)
membatasi akses ke profil mereka, dan Tow, Dell, dan Venable (2010) menemukan bahwa sebagian besar pengguna Facebook di
Australia membocorkan informasi pribadi. Ini menunjukkan bahwa peneliti masa depan harus menyelidiki jenis kepercayaan apa
yang akan memengaruhi pembuat keputusan di arena media sosial, dan, sebagai aliran tambahan yang diberikan penelitian
Tow, bagaimana meningkatkan privasi dan keamanan di hadapan pengguna yang tampaknya acuh tak acuh.
Area lain dari media sosial adalah dunia/komunitas virtual. Second Life dan komunitas serupa lainnya digunakan tidak hanya oleh
individu sebagai permainan hobi, tetapi juga oleh bisnis sebagai test bed dan sebagai alat pelatihan (misalnya, Condic, 2009).
Militer telah mempertimbangkannya untuk pelatihan dan perekrutan (Cacas, 2010). Popularitas situs-situs ini tidak diragukan lagi,
tetapi apakah mereka benar-benar menciptakan nilai bisnis masih kurang jelas. Peran identitas dalam pengambilan keputusan di
lingkungan ini ikut berperan, seperti halnya pertanyaan apakah orang membuat keputusan yang berbeda (dan membutuhkan jenis
pendukung keputusan yang berbeda) sebagai avatar yang bukan representasi akurat dari diri mereka sendiri. Bidang perhatian
lainnya adalah bagaimana membuat orang terlibat dalam komunitas ini. Porter, Donthu, MacElroy, dan Wydra (2011) menyatakan
bahwa keterikatan dan pemberdayaan diperlukan untuk memperoleh perilaku kooperatif dan menarik dari anggota masyarakat.
Menariknya, kepercayaan memainkan peran besar dalam temuan ini.
4.3. Komputasi Seluler

Area ketiga kami yang kami lihat sebagai tren masa depan adalah komputasi seluler. Ini adalah bidang yang lebih teknis dan
menggabungkan semua bentuk penelitian DSS sebelumnya. Komputasi seluler adalah fasilitator yang menyediakan sarana bagi
pengguna untuk berinteraksi dengan sistem yang ada, terlepas dari lokasi pengguna atau sistem. Seperti media sosial, komputasi
seluler menjadi luas sebagai teknologi dan sering tertanam di lingkungan pengguna. Misalnya, unit GPS yang ditempatkan di
kendaraan transportasi terus memantau posisi kendaraan dan sering menyiarkan posisi tersebut ke stasiun pemantauan sehingga
perusahaan dapat melacak armadanya, atau agar kendaraan yang hilang atau dicuri dapat ditemukan.
Unit-unit ini tidak hanya menyampaikan informasi seperti lokasi, tetapi dapat merekam informasi saat kendaraan melaju, seperti
jarak, kecepatan, waktu berhenti, dan sebagainya. Seiring waktu, organisasi dapat mengembangkan rata-rata rute yang dapat
digunakan untuk memprediksi kebutuhan dan standarisasi pengiriman.
Perangkat seluler menyediakan platform baru untuk DSS yang menantang pendekatan tradisional terhadap DSS. Ukuran,
kecepatan, dan jangkauan data yang dikombinasikan dengan dukungan yang terus tersedia memperkenalkan keunggulan teknologi
yang substansial untuk pengambilan keputusan. Perangkat seluler menangkap data gambar dan memungkinkan pemantauan atau
pemutakhiran data secara real-time dari lapangan, yang, pada gilirannya, dapat diumpankan kembali ke dalam lingkaran keputusan.
Komputasi seluler memiliki kompleksitas yang akan membutuhkan beberapa pekerjaan mendasar. Meskipun teknologinya ada,
membangun jembatan yang akan menghubungkan pengguna ke sumber daya bisa jadi sulit. Dengan demikian, akan ada minat
untuk mengembangkan teknologi dan penggunaan teknologi. Neyem, Ochoa, dan Pino (2011) mengembangkan sistem untuk
mengkoordinasikan sistem kolaboratif yang dirancang
khusus untuk aplikasi mobile. Desain mereka mengatasi kesulitan yang dihadirkan oleh sistem terpusat yang digunakan
oleh aplikasi non-seluler ke aplikasi seluler.
Lainnya sedang mencari cara untuk menggunakan teknologi seluler untuk membuat kehidupan konsumen atau anggota
organisasi lebih ditingkatkan. Sense Networks (www.sensenetworks.com) adalah perusahaan yang memanfaatkan
penambangan realitas (subset dari penambangan data) untuk menggunakan indikator lokasi seperti yang dipancarkan
oleh GPS untuk mengumpulkan aktivitas. Bisnis dapat melacak aktivitas pelanggan (macrosense), atau individu dapat
bergabung dengan grup yang sering berada di lokasi yang sama (Citysense). Dengan nada yang sama, Path Intelligence
(www.pathintelligence.com) membuat database pejalan kaki.
4.4. Sistem Pendukung Negosiasi

Kami melihat dukungan negosiasi semakin penting. Holsapple dan Whinston (1996) juga mendefinisikan NSS sebagai
yang, terlepas dari fitur lainnya, dirancang dengan tujuan utama fasilitasi negosiasi. Jauh dari sekadar menyediakan
dan memesan informasi, atau memfasilitasi komunikasi atau koordinasi, negosiasi adalah konteks yang kompleks
dengan banyak masalah. Diantaranya adalah masalah negosiasi, peserta, kelompok atau organisasi, strategi negosiasi,
aturan, apakah negosiasi diharapkan sumbang atau harmonis, dan lain sebagainya. NSS ini, kemudian, merupakan
campuran dari karakteristik teknis dan psikologis. Aspek teknis seperti analisis risiko dapat digunakan untuk mengatasi
aspek psikologis seperti keengganan terhadap ketidakpastian.
Dengan demikian, berdasarkan definisi NSS Holsapple dan Whinston (1996), kami mengusulkan tren penggabungan
pergudangan data dengan NSS seperti yang saat ini terlihat di Ebay untuk negosiasi pribadi atau pekerja lini
menggunakan intelijen bisnis dalam transaksi sehari-hari (yaitu, panggilan asuransi pusat memberikan kutipan). Area
baru penelitian DSS dapat berkembang seputar teknologi jejaring sosial dan peningkatan penggunaan teknologi seluler
untuk mengakses data untuk keperluan bisnis dan pribadi.
4.5. Realisasi Historis Ekspansi ke area
baru pendukung keputusan konsumen dan pasar serta dukungan keputusan pribadi mungkin merupakan realisasi
dari sistem pendukung keputusan "manusia" yang diusulkan oleh Holsapple dan Whinston (1996), yang membandingkan
apa yang seharusnya dapat dilakukan oleh DSS hubungannya dengan apa yang dapat dilakukan oleh orang yang
mendukung pembuat keputusan. Disebut pada satu waktu sebagai sistem pendukung keputusan manusia (HDSS)
(Huber, 1980), orang ini mendukung pembuat keputusan dengan menanggapi permintaan, memproses informasi,
meringkas laporan, menyimpan, mengambil, dan mentransfer pengetahuan, dan sebagainya. Sistem ini menegaskan
bahwa mesin dan manusia berbeda pada dua tingkatan utama. Pertama, manusia mampu belajar, baik melalui pelatihan
maupun pengalaman, sedangkan mesin pada zaman itu belajar melalui pemrograman. Kedua, manusia mampu
berbicara, yang disertai dengan nuansa, infleksi, dan semantik yang tidak tersedia untuk mesin pada zaman itu. Sistem
ini juga menegaskan bahwa teknologi dapat menutup celah tersebut melalui, antara lain, penggunaan kecerdasan
buatan untuk meniru perilaku manusia. Evolusi teknologi ke titik Watson, dibahas sebelumnya, menunjukkan bahwa
pengembangan " HDSS elektronik" bisa jadi di masa depan untuk penelitian DSS.
Saat kami menanggapi permintaan rapat dalam perangkat lunak kalender kami atau pengingat bip untuk ini atau itu,
tampaknya kami memasukkan lebih banyak elemen "bantuan manusia" ke dalam kehidupan sehari-hari, terutama
karena perangkat lunak pengenalan suara semakin banyak digunakan (misalnya, iPhone Apple 4S), tren dukungan
ini hanya akan terus bertambah.
4.6. Ringkasan Trending

Holsapple dan Whinston (1996) membahas bagaimana konteks keputusan mempengaruhi pengambilan keputusan.
Contohnya termasuk tingkat manajemen pembuat keputusan, apakah pengaturannya sudah mapan atau muncul, dan
desain organisasi. Mereka menyimpulkan bahwa jenis dukungan yang tersedia bagi pembuat keputusan (yaitu, DSS)
itu sendiri merupakan sebuah konteks. Mengingat anggapan kami bahwa teknologi telah berevolusi untuk memasukkan
mereka yang memungkinkan anggota organisasi untuk berinteraksi dengan data organisasi dari mana saja (komputasi
mobile) dan melampaui batas-batas tradisional organisasi (media sosial), poin terakhir ini sama pentingnya saat ini
seperti ketika ditulis. pada tahun 1996. Lebih lanjut, hal ini mendukung pendapat kami bahwa penelitian DSS akan
berkembang lebih sedikit seiring dengan perkembangan teknologi, tetapi lebih sejalan dengan perkembangan teknologi.
bagaimana teknologi yang ada, dalam segala bentuknya, dapat diposisikan dengan baik dalam mendukung manajemen
pengetahuan dan dukungan keputusan.
Gambar 2 menunjukkan ekstensi kami ke garis waktu DSS, tetapi juga menambahkan pergeseran konteks yang telah
diperkenalkan oleh komputasi seluler dan sosial di semua aspek DSS. Memindahkan penelitian DSS ke masa depan
akan mengharuskan para peneliti mulai bekerja untuk mengintegrasikan proses kompleks pemikiran manusia dan
perilaku manusia dengan kebutuhan bisnis dan dukungan teknologi. Meskipun sederhana untuk dikatakan, belajar
untuk "tidak berpikir" untuk bergerak maju itu sendiri merupakan tugas yang sulit. Saat kami bergerak maju dalam
penelitian DSS, adopsi teknologi baru hanyalah sebagian kecil dari proses. Diperlukan penggunaan metodologi baru
dan kreatif, meminjam kerangka kerja dari disiplin ilmu lain, dan mundur cukup jauh untuk melihat gambaran keseluruhan.
Mengutip kata-kata Churchman (1971), kita harus menantang pengetahuan yang ada tentang apa itu DSS dan
tempatnya dalam pengambilan keputusan, dan bekerja untuk memperbaiki ukuran yang telah kita definisikan DSS.
5. Kesimpulan Tafsir
sejarah ini kurang preskriptif dibandingkan karya lainnya; ini menyoroti banyaknya penelitian DSS dan peluang kolaborasi
yang saat ini ada atau berada dalam jangkauan kami dalam waktu dekat mengingat tren yang diidentifikasi dan
ditunjukkan pada Gambar 2.
Sementara kami setuju dengan penilaian Arnott dan Pervan (2005, 2008) bahwa telah terjadi penurunan jumlah publikasi
di lapangan, analisis kami menunjukkan bahwa DSS mempertahankan vitalitas yang mudah terlihat dalam kutipan
penelitian DSS dan pertumbuhan penggunaan yang berkelanjutan dalam industri. Dapat juga dikatakan bahwa
penurunan publikasi penelitian DSS dapat dikaitkan dengan sifat percabangan bidang DSS. Saat penelitian membahas
topik khusus, seperti pergudangan data atau manajemen pengetahuan, pengambilan keputusan dan dukungan
keputusan mungkin tidak disebutkan secara eksplisit. Namun, penelitian dalam topik khusus ini, setelah ditinjau lebih
lanjut, dapat disaring menjadi sistem yang mendukung beberapa bentuk pengambilan keputusan.
Dengan demikian, kami menyarankan agar model yang diusulkan oleh Arnott dan Pervan (2005, 2008) dapat diperluas
untuk mencakup media sosial, aplikasi web yang membantu konsumen membuat keputusan, dan layanan seluler yang
menyediakan data real-time, di antara area lainnya. Cabang-cabang DSS baru ini menunjukkan peningkatan dukungan
keputusan di mana-mana di outlet pribadi dan organisasi di luar IS. Setiap penurunan yang dirasakan dalam minat
penelitian DSS dalam IS dihasilkan dari fokus yang lebih sempit pada DSS yang tertanam sebagai konseptualisasi lama
dari pengembangan sistem "dari awal" tradisional untuk mendukung pengambilan keputusan, daripada
menangkap rentang yang lebih luas dari penelitian DSS yang telah menyebar ke bidang referensi sebagai ÿbolt-onÿ
layanan, fungsi, atau widget yang sekarang mendukung pengambilan keputusan.
Berdasarkan penilaian dari keadaan penelitian DSS saat ini, peneliti IS dapat menggunakan fokus ini pada bidang
dukungan tertentu untuk merancang dan menguji sistem holistik yang menggabungkan semua kategori. Mengingat
berbagai keputusan yang dihadapi pengguna setiap hari, peluang penelitian untuk memahami interaksi manusia-teknis
yang diuraikan dalam tren di atas hampir tidak terbatas. Ditambah dengan kebutuhan untuk meningkatkan fleksibilitas
dalam sistem untuk menangani preferensi pengguna dan faktor lingkungan yang berubah dengan cepat, rentang
penelitian DSS dapat mencakup penelitian perilaku sosial hingga penelitian yang sangat teknis. Penyerapan kebutuhan
pengambilan keputusan lintas disiplin penelitian juga terbukti.
Kebutuhan yang berkelanjutan untuk memasangkan pendekatan IS tradisional dengan DSS dengan bidang baru yang
membutuhkan dukungan keputusan sangat penting. Pasangan ini selanjutnya menetapkan bidang IS sebagai disiplin
referensi dan menggambarkan kebutuhan kolaborasi penelitian IS di luar lapangan.
Namun, model ini tidak hanya cocok untuk peneliti DSS. Siapa pun yang tertarik untuk mendukung proses pengambilan
keputusan dapat menggunakan kategori yang sama untuk fokus pada kompleksitas tidak hanya dukungan teknologi,
tetapi juga dukungan perilaku dan prosedural. Mereka dalam bisnis dapat menggunakannya untuk memperluas
pemahaman mereka tentang sifat kompleks pengambilan keputusan dalam organisasi dan untuk mengalokasikan
sumber daya secara tepat untuk memberikan dukungan bagi pengambilan keputusan yang kreatif dan inovatif.
Penelitian DSS harus terus berkembang dan tidak diragukan lagi dapat bertahan selama bertahun-tahun yang akan datang;
namun demikian, kita tidak boleh melupakan masa lalu dan pentingnya penelitian masa lalu yang dapat menginformasikan
inovasi DSS di masa depan. Sejarah singkat ini memberikan perspektif multi-generasi yang unik yang dirancang untuk
merangsang penelitian dan pertumbuhan IS baru dan berfungsi untuk mengingatkan kita untuk sesekali melihat ke masa lalu
untuk melihat beberapa manfaat di masa depan.
Ucapan Terima Kasih Para penulis

ingin mengucapkan terima kasih kepada editor senior dan reviewer yang memberikan saran kritis pada versi
sebelumnya dari makalah yang terbukti sangat berharga dalam membentuk dan memfokuskan naskah akhir.
Referensi
Abdolmohammadi, M. (1987). Pendukung keputusan dan sistem pakar dalam audit: Tinjauan dan
arah penelitian. Akuntansi dan Riset Bisnis, 17(66), 173-185.
Ahmad, I., Azhar, S., & Lukauskis, P. (2004). Pengembangan sistem pendukung keputusan menggunakan
pergudangan data untuk membantu bangunan/pengembang dalam pemilihan lokasi. Otomasi dalam
Konstruksi, 13(4), 525-542.
Al-Natour, S., Benbasat, I., & Cenfetelli, R. (2011). Adopsi asisten belanja online:
Kesamaan yang dirasakan sebagai anteseden untuk keyakinan evaluatif. Jurnal Asosiasi Sistem
Informasi, 12(5), 347-374.
Alter, SL (1977). Sebuah taksonomi sistem pendukung keputusan. Tinjauan Manajemen Sloan, 19(1), 39-
56.
Alter, SL (1980). Sistem pendukung keputusan: Praktek saat ini dan tantangan yang berkelanjutan. Filipina: Addison-
Wesley.
Alter, SL (2004). Pandangan sistem kerja DSS dalam dekade keempatnya. Sistem Pendukung Keputusan, 38(3),
2004, 319-327
Alter, SL (2007). Sistem yang berpusat pada pelanggan: Pandangan multidimensi. Prosiding Web 2007,
Lokakarya Keenam tentang eBusiness, Montreal, Kanada, 130-141.
Applegate, LM (1986). Generasi ide dalam perencanaan organisasi (Disertasi PhD tidak dipublikasikan).
Universitas Arizona.
Ariyachandra, T., & Watson, H. (2010). Faktor organisasi kunci dalam pemilihan arsitektur gudang data. Sistem
Pendukung Keputusan, 49(2), 200-212.
Arnott, D., & Pervan, G. (2005). Analisis kritis terhadap penelitian Sistem Pendukung Keputusan. Jurnal dari
Teknologi Informasi, 20(2), 67-87.
Arnott, DR, & Dodson, G. (2008). Kegagalan sistem pendukung keputusan. Dalam F. Burstein & CW
Holsapple (Eds.), Handbook on decision support system (Vol. 1, pp. 763-790). Berlin: Springer.
Arnott, D., & Pervan, G. (2008). Delapan isu kunci untuk disiplin sistem pendukung keputusan. Sistem Pendukung
Keputusan, 44(3), 657–672.
Ayed, MB, Ltifi, H., Kolski, C., & Alimi, A. (2010). Pendekatan yang berpusat pada pengguna untuk desain dan
implementasi DSS berbasis KDD: Studi kasus dalam domain kesehatan. Sistem Pendukung Keputusan,
50(1), 64-78.
Benyon, M., Rasmequan, S., & Russ, S. (2002). paradigma baru untuk dukungan keputusan berbasis
komputer. Sistem Pendukung Keputusan, 33(2), 127-142.
Berndt, D., Fisher, J., Craighead, J., Hevner, A., Luther, S., & Studnicki, J. (2007). Peran pergudangan data dalam
pengawasan bioterorisme. Sistem Pendukung Keputusan, 43(4), 1383-1304
Blanning, RW (1983). Apa yang terjadi di DSS? Antarmuka, 13(5), 71-80.
Blanning, RW (1986). Pendekatan entitas-hubungan untuk manajemen model. Sistem Pendukung Keputusan,
2(1), 65-72.
Bolloju, N., Khalifa, M., & Sorban, E. (2002). Mengintegrasikan manajemen pengetahuan ke dalam perusahaan
lingkungan untuk generasi pendukung keputusan berikutnya. Sistem Pendukung Keputusan, 33(2),
163-176.
Bonczek, RH, Holsapple, CW, & Whinston, AB (1980). Arah masa depan untuk mengembangkan keputusan
sistem pendukung. Ilmu Keputusan, 11(4), 616-631.
Bonczek, RH, Holsapple, CW, & Whinston, AB (1981). Dasar-dasar sistem pendukung keputusan. New
York: Pers Akademik.
Bousequet, F., Fomin, VV, & Drillion, D. (2011). Pengembangan standar antisipatif dan
intelijen kompetitif. Jurnal Internasional Penelitian Kecerdasan Bisnis, 2(1), 16-30.
Briggs, RO, De Vreede, G., & Nunamaker, Jr., JF (2003). Rekayasa kolaborasi dengan thinklets untuk mengejar
kesuksesan berkelanjutan dengan sistem dukungan kelompok. Jurnal Sistem Informasi Manajemen, 19(4),
31-64.
Bui, TX, & Shakun, MF (1996). Proses negosiasi, desain sistem evolusioner, dan
PERUNDING. Keputusan dan Negosiasi Kelompok, 5(4-6), 339-353.
Bui, TX, & Gachet, A. (2005). Layanan web untuk negosiasi dan tawar-menawar di pasar elektronik:
Persyaratan desain dan kerangka implementasi. Prosiding Konferensi Internasional Hawaii Tahunan ke-38
tentang Ilmu Sistem, AS, 1, 38-48.
Burstein, F., & Holsapple, CW (Eds.) (2008). Handbook tentang Sistem Pendukung Keputusan (Vol. 1 & 2).
Berlin: Springer.
Cacas, M. (2010). FBI memperluas penggunaan dunia maya. FederalNewsRadio. com. Diakses 30 Oktober 2011,
dari http://www.federalnewsradio.com/?nid=697&sid=1957088
Chen, H. (2011). Editorial: Sains desain, tantangan besar, dan dampak sosial. ACM
Transaksi pada Sistem Informasi Manajemen, 2(1), 1-10.
Pendeta, CW (1971). Desain sistem bertanya: Konsep dasar sistem dan
organisasi. New York, NY: Basic Books, Inc.
Cil, I., Alpturk, O., & Yazgan, H. (2005). Kerangka kerja sistem kolaboratif baru berdasarkan beberapa
pendekatan perspektif: InteliTeam. Sistem Pendukung Keputusan, 39(4), 619-641.
Clark, TD, Jones, MC, & Armstrong, CP (2007). Struktur dinamis sistem pendukung manajemen: Pengembangan teori,
fokus penelitian, dan arah. MIS Triwulanan, 31(3), 579-615.
Codd, EF (1993). Menyediakan OLAP (pemrosesan analitik online) untuk analis pengguna: Mandat TI.
Palo Alto, CA: EF Codd.
Coleman, D. (Ed.). (1997). Groupware: Strategi kolaboratif untuk LAN dan intranet perusahaan.
Upper Saddle River, NJ: Prentice Hall.
Condic, K. (2009). Menggunakan Second Life sebagai alat pelatihan di perpustakaan akademik. Referensi
Pustakawan, 50(4), 333-345.
Courtney, JF (2001). Pengambilan keputusan dan manajemen pengetahuan dalam bertanya organisasi:
Menuju paradigma pengambilan keputusan baru untuk DSS. Sistem Pendukung Keputusan, 31(1), 17-38.
Dennis, AR, George, JF, Jessup, LM, Nunamaker, Jr., JF, & Vogel, DR (1988). Teknologi informasi untuk mendukung
pertemuan elektronik. MIS Triwulanan, 12(4), 591-624.
Dennis, AR, Wixom, B., H., & Vandenberg, RJ (2001). Memahami efek kecocokan dan apropriasi
dalam sistem pendukung kelompok melalui meta-analisis. MIS Kuartalan, 25(2), 167-193.
DeSanctis, G. dan Gallupe, RB (1987) Dasar untuk studi sistem pendukung keputusan kelompok.
Ilmu Manajemen, 33(5), 589-609.
Dong, J., Du, H., Lai, K., & Wang, S. (2004). Sistem pendukung keputusan berbasis XML: Studi kasus untuk
pemilihan portofolio. Jurnal Internasional Teknologi Informasi & Pengambilan Keputusan, 3(4), 651-662.
Ehmke, J., Grosshans, D., Mattfeld, D., & Smith, L. (2011). Analisis interaktif peristiwa diskrit
sistem logistik dengan dukungan gudang data. Komputer di Industri, 62(6), 578-586.
El-Gayar, OF, & Fritz, BD (2010). Sistem pendukung keputusan multiperspektif berbasis web untuk
perencanaan keamanan informasi. Sistem Pendukung Keputusan, 50(1), 43-54.
Ellison, N., Steinfield, C., & Lampe, C. (2007). Manfaat Facebook ÿtemanÿ: Menjelajahi hubungan antara
penggunaan jejaring sosial online oleh mahasiswa dan modal sosial.
Jurnal Komunikasi Mediasi Komputer, 12(4).
Fayol, H. (1949). Manajemen umum dan industri. London: Pitman.
Feynman, RP (1999). Kesenangan menemukan sesuatu: Karya pendek terbaik dari Richard P.
Feynman. Cambridge: Penerbitan Perseus.
Gallupe, RB (1985). Dampak kesulitan tugas pada penggunaan pertemuan pendukung keputusan kelompok
(Disertasi Ph.D. tidak diterbitkan). Universitas Minnesota.
Gopal, R., Marsden, JR, & Vanthienen, J., (2011). Penambangan informasi — refleksi atas kemajuan terkini dan
jalan ke depan dalam penambangan data, teks, dan media. Sistem Pendukung Keputusan, 51(4),
727-731.
Gorry, GA, & Scott-Morton, MS (1971), Kerangka kerja untuk sistem informasi manajemen. Tinjauan Manajemen Sloan,
13(1), 50-70.
Gray, P. (2008). Sifat sistem pendukung keputusan kelompok. Dalam F. Burstein & CW Holsapple (Eds.),
Handbook on decision support system (Vol. 1, pp. 371-389). Berlin: Springer.
Gray, P., Berry, NW, Aronofsky, JS, Helmer, O., Kane, GR, & Perkins, TE (1981). Proyek ruang keputusan SMU.
Dalam D. Young & PGW Keen (Eds.), Transaksi Konferensi Internasional Pertama tentang Sistem
Pendukung Keputusan (hlm. 122-129). Providence: Institut Ilmu Manajemen.
Gray, P., & Watson, HJ (1996). DSS baru: Gudang data, OLAP, MDD, dan KDD.
Prosiding Konferensi Amerika tentang Sistem Informasi, Phoenix, Arizona.
Griffin, L., & de Leaster, E. (2009). Layanan kesehatan jejaring sosial. Lokakarya Internasional ke-6 IEEE tentang
Teknologi Mikro dan Nano yang Dapat Dipakai untuk Kesehatan yang Dipersonalisasi (pHealth) (hlm. 75-78).
Habib, F., Sartipipour, M. , Garakani, S., & Rahimbakhsh, F. (2011). Menginvestigasi aplikasi dari
Metode DSS untuk arsitek di daerah pedesaan Iran (kasus yang diuji di Desa Baba-Pashman, Provinsi
Lorestan). Jurnal Internasional Penelitian Akademik, 3(1), 800-807.
Hall, DJ, & Davis, (2005). Melibatkan berbagai perspektif: Model pengambilan keputusan berbasis nilai.
Sistem Pendukung Keputusan, 43(4), 1588-1604.
Hall, DJ, & Paradice, D. (2005). Fondasi filosofis untuk sistem manajemen pengetahuan berorientasi
pembelajaran untuk mendukung keputusan. Sistem Pendukung Keputusan, 39(3), 445-461.
Hansen, JV, Lowry, PB, Meservy, RD, & McDonald, DM (2007). Pemrograman genetik untuk pencegahan
cyberterrorismn melalui deteksi intrusi yang dinamis dan berkembang, Sistem Pendukung Keputusan,
43(4), 2007, 1362-1374.
Holsapple, CW, Johnson, LE, Manakyan, H., & Tanner, J. (1995). Penilaian empiris dan kategorisasi jurnal yang
relevan dengan penelitian DSS. Sistem Pendukung Keputusan, 14(4), 359- 367.
Holsapple, C., & O'Leary, D. (2009). Berapa dan dimana? Universitas swasta versus negeri'
pola publikasi dalam disiplin sistem informasi. Jurnal Masyarakat Amerika untuk Ilmu dan Teknologi Informasi,
60(2), 318-331.
Holsapple, CW, & Whinston, AB (1996). Sistem pendukung keputusan: Pendekatan berbasis pengetahuan.
St. Paul, MN: Barat.
Hu, P., & Chen, H. (2011). Menganalisis produktivitas dan dampak peneliti sistem informasi : Perspektif pada
indeks H. Transaksi ACM pada Sistem Informasi Manajemen, 2(2).
Artikel: 7.
Huber, G. (1980). Kontribusi ilmu organisasi untuk desain sistem pendukung keputusan. Dalam G. Fick & RH Sprague
(Eds.), Sistem pendukung keputusan: Masalah dan tantangan. London: Pergamon Press.
Huber, GP (1984). Masalah dalam desain sistem pendukung keputusan kelompok. MIS Kuartalan, 8(3),
195-204
Inmon, WH (1992). Membangun gudang data. New York, NY: Wiley.
Jackson, J. (2011). Oracle meluncurkan basis data NoSQL. Penasihat PC. Diterima dari
http://www.pcadvisor.co.uk/news/small-business/3312953/Oracle-launches-nosql-database Keen, PGW
(1987). Sistem pendukung keputusan: Dekade berikutnya. Sistem Pendukung Keputusan, 3(3),
253-265.
Tertarik, PGW, & Wagner, GR (1979). DSS: Sistem pendukung pikiran eksekutif. Datamasi, 25(12), 117-122.
Kersten, GE, & Noronha, S. (1999). Negosiasi melalui World Wide Web: Sebuah studi lintas budaya pengambilan
keputusan. Keputusan dan Negosiasi Kelompok, 8(3), 251-279.
Kersten, GE, & Lo, G. (2003). Aspire: Sistem pendukung negosiasi terintegrasi dan agen perangkat lunak untuk
negosiasi e-bisnis. Jurnal Internasional Internet dan Manajemen Perusahaan, 1(3), 293-315.
Kim, J., Hahn, J., & Hahn, H. (2000). Bagaimana kita memahami sistem dengan (begitu) banyak diagram?
Proses integrasi kognitif dalam penalaran diagramatik. Penelitian Sistem Informasi, 11(3), 284-303.
Kolek, EA, & Saunders, D. (2008). Pengungkapan online: Pemeriksaan empiris sarjana
profil facebook. Jurnal NASPA, 40(1), 15-25.
Kolkman, MJ, Kok, M., & van der Veen, A. (2005). Pemetaan model mental sebagai alat baru untuk menganalisis
penggunaan informasi dalam pengambilan keputusan dalam pengelolaan air terpadu. Fisika dan Kimia
Bumi, 30(4-5), 317-332.
Konsynski, B., & Dolk, D. (1982). Abstraksi pengetahuan dalam manajemen model. DSS-82
Transaksi, 187-202.
Kuula, M., & Stam, A. (2008). Metode win-win untuk dukungan negosiasi multi-pihak. Transaksi Internasional
dalam Riset Operasional, 15(6), 717-737.
Leavitt, N. (2010). Akankah database NoSQL memenuhi janjinya? Komputer, 43(2), 2-14.
Lee, Y., Kauffman, R., & Sougstad, R. (2011). Investasi perusahaan yang memaksimalkan laba dalam
keamanan informasi pelanggan. Sistem Pendukung Keputusan, 51(4), 904-920.
Lee, K., & Kwon, S. (2010). Pengaruh kausalitas pada sistem pendukung negosiasi. Jurnal dari
Sistem Informasi Komputer, 50(4), 39-49.
Lewis, B. (2006) Pergeseran ke sistem pendukung keputusan berbasis pengetahuan. ORMS Hari ini. Diakses 27
Oktober 2011, dari www.orms-today.org/orms-10-06/viewpoint.html Li, J., & Sheng,
Z. (2011). Model multi-agen untuk penalaran Informasi Ketidakpastian dalam Rantai Pasokan. Jurnal Riset Produksi
Internasional, 49(19), 5737-5753.
Lin, C., Lin, C., Lin, B., & Yang, M.-C. (2008). Sebuah sistem pendukung keputusan untuk meningkatkan dokter
perilaku resep. Sistem Pakar dengan Aplikasi, 36(4), 7975-7984.
Mason, R. & Mitroff, I., (1973). Sebuah program penelitian untuk sistem informasi manajemen.
Ilmu Manajemen, 19(5), 475-487.
Matwin, S., Szpakowicz, S., Koperczak, Z., Kersten, GE, & Michalowski, W. (1989). Negoplan: shell sistem pakar
untuk dukungan negosiasi. Pakar IEEE, 4(4), 50-62.
Mazon, J.-N., & Trujillo, J. (2008). Pendekatan MDA untuk pengembangan gudang data.
Sistem Pendukung Keputusan, 45(1), 41-58.
McIntosh, B., Jeffrey, P., Lemon, M., & Winder, N. (2005). Pada desain model berbasis komputer untuk ilmu lingkungan
terpadu. Manajemen Lingkungan, 35(6), 741-752.
McKnight, DH, Choudhury, V., & Kacmar, C. (2002). Mengembangkan dan memvalidasi langkah-langkah kepercayaan
untuk e-commerce: Sebuah tipologi integratif. Penelitian Sistem Informasi, 13(3), 334-359.
Mintzberg, H. (1971). Pekerjaan manajerial: Analisis dari observasi. Ilmu Manajemen, 18(2), B97-
B110.
Mintzberg, H. (1973). Sifat Pekerjaan Manajerial. New York: Harper & Baris.
Mysiak, J., Guipponi, C., & Rosato, P. (2005). Menuju pengembangan sistem pendukung keputusan untuk pengelolaan
sumber daya air. Pemodelan dan Perangkat Lunak Lingkungan, 20(2), 203-214.
Nemati, SDM, Steiger, DM, Iyer, LS, & Herschel, RT (2002). Gudang pengetahuan: An
integrasi arsitektur manajemen pengetahuan, dukungan keputusan, kecerdasan buatan, dan pergudangan
data. Sistem Pendukung Keputusan, 33(2), 143-161.
Newell, A., & Simon, H., (1972). Pemecahan masalah manusia. Tebing Englewood, NJ: Prentice Hall.
Newman, S., Lynch, T., & Plummer, A., (2000). Keberhasilan dan kegagalan sistem pendukung keputusan: Belajar
sambil jalan. Masyarakat Ilmu Hewan Amerika, 77, 1-12.
Neyem, A., Ochoa, S., & Pino, J. (2011). Sistem pola untuk mengoordinasikan aplikasi kolaboratif seluler.
Keputusan dan Negosiasi Kelompok, 20(5), 563-592.
Nunamaker, Jr., JF, Dennis, A . R., Valacich, J.S., Vogel, DR, & George, JF (1991). Sistem pertemuan elektronik
untuk mendukung kerja kelompok: Teori dan praktik di Arizona. Komunikasi ACM, 34(7), 40-61.
Nunamaker, Jr., JF, Briggs, RO, Mittleman, D.D, Vogel, DR, & Balthazard, PA (1996).
Pelajaran dari belasan tahun penelitian sistem pendukung kelompok: diskusi temuan laboratorium dan
lapangan. Jurnal Sistem Informasi Manajemen, 13(3), 163-207.
Orlikowski, WJ (1992). Dualitas teknologi: Memikirkan kembali konsep teknologi dalam organisasi. Ilmu
Organisasi, 3(3), 398-427.
Surga, DB & Courtney, JF (1986). Mengontrol bias dalam pernyataan pengguna dalam keputusan ahli
sistem pendukung untuk perumusan masalah. Jurnal Sistem Informasi Manajemen, 3(1), 52-64.
Perez, J., Berlanga, R., & Aramburu, M. (2009). Model relevansi untuk gudang data
dikontekstualisasikan dengan dokumen. Pemrosesan dan Manajemen Informasi, 45(3), 356-367.
Pomerol, JC, & Adam, F. (2005). Tentang warisan Herbert Simon dan kontribusinya pada sistem pendukung
pengambilan keputusan dan kecerdasan buatan. Dalam J. Gupta, G. Forgionne, & M. Mora (Eds.),
Sistem pendukung pengambilan keputusan yang cerdas: Fondasi, aplikasi, dan tantangan (hlm.
25-43). London, Inggris: Springer-Verlag.
Porter, C., Donthu, N., MacElroy, W., & Wydra, D. (2011). Bagaimana mendorong dan mempertahankan keterlibatan
dalam komunitas virtual. Tinjauan Manajemen California, 53(4), 80-110.
Kekuasaan, DJ (2002). Sistem pendukung keputusan: Konsep dan sumber daya untuk manajer. Westport,
CT: Greenwood/Kuorum.
Kekuasaan, DJ (2003). Sejarah singkat sistem pendukung keputusan. DSSResources.com. Diperoleh
21 Januari 2011, dari http://DSSResources.COM/history/dsshistory.html Pracht, WE
(1986) GISMO: Alat penataan masalah dan organisasi pengetahuan visual. Transaksi IEEE pada Sistem, manusia, dan
Sibernetika, 16(2), 265-270.
Ramamurthy, K., Sen, A., & Sinha, A. (2008). Investigasi empiris dari penentu utama adopsi gudang data. Sistem
Pendukung Keputusan, 44(4), 817-841.
Laporan komisi kepresidenan tentang kecelakaan Space Shuttle Challenger, (1986), Washington, DC. Diambil dari http://
history.nasa.gov/rogersrep/genindex.htm Paradice, DB & Courtney, Jr., James
F. (1987). Hubungan kausal dan non-kausal dan konstruksi model dinamis dalam sistem penasehat manajerial. Jurnal
Sistem Informasi Manajemen, 3(4), 40-53.
Rees, LP, Deane, JK, Rakes, TR, & Baker, WH (2011). Dukungan keputusan untuk risiko keamanan siber
perencanaan. Sistem Pendukung Keputusan, 51(3), 493-505.
Richardson, S., Courtney, JF, & Haynes, J. (2006). Prinsip teoritis untuk pengetahuan
desain sistem manajemen: Aplikasi untuk gangguan bipolar pediatrik. Sistem Pendukung Keputusan, 42(3),
1321-1337.
Rios, J., & Insua, D. (2009). Mendukung negosiasi atas diagram pengaruh. Analisis Keputusan, 6(3),
153-171.
Saad, I., & Chakhar, S. (2009). Pendukung keputusan untuk mengidentifikasi pengetahuan penting yang
membutuhkan operasi kapitalisasi. Jurnal Riset Operasional Eropa, 195(3), 889-904.
Sage, AP (1981). Pertimbangan perilaku dan organisasi dalam desain sistem informasi dan proses untuk perencanaan dan
dukungan. Transaksi IEEE pada Sistem, Manusia, dan Sibernetika, 11(9), 640-678.
Scott, DW (2011). Menggunakan media sosial dalam dukungan teknik dan kontrol operasi penerbangan luar angkasa.
Kontrol Otomatis IEEE, 1-14.
Shim, JP, Courtney, JF, Power, DJ, Warkentin, ME, Sharda, R., & Carlsson, C. (2002). Masa lalu, sekarang, dan masa
depan teknologi pendukung keputusan. Sistem Pendukung Keputusan, 33(2), 111-126.
Siegel, J., Dubrovsky, V., Kiesler, S., & McGuire, TW (1986). Mengelompokkan proses di komputer
komunikasi termediasi. Perilaku Organisasi dan Proses Manusia, 37, 157-187.
Simon, HA (1960). Ilmu baru keputusan manajemen. New York, NY: Harper dan Row.
Simon, RA (1947). Perilaku administratif, studi tentang proses pengambilan keputusan dalam organisasi administratif. New
York: The Macmillan Co.
Sprague, Jr., RH (1980). Kerangka kerja untuk pengembangan sistem pendukung keputusan. MIS Triwulanan, 4(4),
1-26.
Sprague, Jr., RH, & Carlson. ED (1982). Membangun sistem pendukung keputusan yang efektif. Englewood
Tebing, NJ: Prentice-Hall, Inc.
Taylor, H., Dillon, S., & Van Wingen, M. (2010). Fokus dan keragaman dalam penelitian sistem informasi: Memenuhi
tuntutan ganda dari disiplin terapan yang sehat. MIS Kuartalan, 34(4), 647-667.
Taylor, LL, Lee, ST, Sustman, JE, Ganz, GL, Maschoff, DC, & J. Audrey (1981). A
model penyaringan untuk perencanaan strategis utilitas. Transaksi IEEE pada Peralatan dan Sistem Daya,
100(8), 4093-4103.
Taylor, DG, Lewin, JE, & Strutton, D. (2011). Teman, penggemar, dan pengikut: Apakah iklan berfungsi di jejaring sosial?
Bagaimana jenis kelamin dan usia membentuk penerimaan. Jurnal Riset Periklanan, 51(1), 258-275
Derek, WN-FH, Dell, P., & Venable, J. (2010). Memahami perilaku keterbukaan informasi di
Pengguna Facebook Australia. Jurnal Teknologi Informasi, 25(2), 126-136.
Tremblay, MC, Fuller, R., Berndt, D., & Studnicki, J. (2007). Melakukan Lebih Banyak dengan lebih banyak informasi:
Mengubah perencanaan layanan kesehatan dengan alat OLAP. Sistem Pendukung Keputusan, 43(4), 1305-
1320.
Sorban, E., Sharda, R., Delen, D. (2011). Sistem pendukung keputusan dan intelijen bisnis (9th
ed.). Upper Saddle River, NJ: Prentice Hall.
Urwick, LF (1943). Unsur administrasi. New York: Harper. van Leeuwen, W., Hutchinson,
C., Drake, S., Doorn, B., Kaupp, V., Haithcoat, T., Likholetov, V.,
Sheffner, E., & Tralli, D. (2011). Peningkatan pembandingan pada sistem pendukung keputusan untuk penilaian
produksi tanaman global. Sistem Pakar dengan Aplikasi, 38(7), 8054-8065.
Vaught, C., Mallett, L., Brnich, MJ Reinke, D., Kowalski-Trakofler, K., & Cole, H. (2006).
Manajemen dan transfer pengetahuan untuk tanggap darurat tambang. Jurnal Internasional Manajemen Darurat,
3(2-3), 178-191.
Wang, W., & Cheung, C. (2011). Penalaran berbasis naratif dengan aplikasi dalam pendukung keputusan untuk
organisasi pelayanan sosial. Sistem Pakar dengan Aplikasi, 38(4), 3336-3345.
Wang, Y.-H., & Kuo, T.-H. (2010). Sistem pendukung manajemen aset dan liabilitas keuangan.
Riset Manajemen Kontemporer, 6(4), 315-340
Watson, H. (2005). Memilah apa yang baru dalam dukungan keputusan. Jurnal Intelijen Bisnis, 10(1),
4-8.
Watson, HJ, Rainer, RK, & Houdeshel, G. (1992). Sistem informasi eksekutif: Kemunculan,
perkembangan, dampak. New York, NY.: Wiley.
Weber, BW (2008). DSS Keuangan: Sistem untuk mendukung keputusan investasi. Di F. Burstein &
CW Holsapple (Eds.), Handbook on decision support systems (Vol. 2, pp. 763-790). Berlin: Springer.
Wickramasinghe, N., & Bali, RK (2008). Mengontrol kekacauan melalui penerapan cerdas
teknologi dan teknik cerdas. Jurnal Internasional Penilaian dan Manajemen Risiko, 10(1-2),
172-182.
Wickramasinghe, N., Bali, RK, & Naguib, RNG (2006). Penerapan manajemen pengetahuan
dan rangkaian intelijen untuk keadaan darurat medis dan skenario bencana. Prosiding Pertemuan
Tahunan ke-28 IEEE tentang Teknik Kedokteran dan Biologi, 5149-5152.
Muda, SD (1989). ÿBlack Mondayÿ dan mereformasi pasar modal. Dalam E. Crane & D. Boaz (Eds.),
An American vision: Policies for the 90s. Washington, DC: Institut Cato.
Zavadskas, EK, Kaklauskas, A., Raslanas, S., & Galiniene, B. (2008). DSS cerdas berbasis web untuk real
estate. Jurnal Internasional Lingkungan dan Polusi, 35(2-4), 250-264.
Zigurs, I. (1987). Pengaruh dukungan berbasis komputer pada upaya dan pola pengaruh dalam pengambilan
keputusan kelompok kecil (disertasi PhD tidak dipublikasikan). Universitas Minnesota, Minnesota.
Zhou, X., Chen, S., Liu, B., Zhang, R., Wang, Y., Li, P., Guo, Y., Zhang, H., Gao, Z., & Yan, X.
(2010). Pengembangan gudang data klinis pengobatan Tiongkok tradisional untuk penemuan
pengetahuan medis dan dukungan keputusan. Kecerdasan Buatan dalam Kedokteran, 48(2-3), 139-
152.
WellPoint dan IBM Mengumumkan Perjanjian untuk Menempatkan Watson Bekerja di Perawatan Kesehatan.
(2011, 12 September). Rilis Berita IBM. Diambil dari http://www-03.ibm.com/press/us/en/pressrelease/
35402.wss
Tentang Penulis
Bryan HOSACK adalah Associate Professor Sistem Informasi di Illinois State University. Dia menerima
gelar doktor di Florida State University di bidang Sistem Informasi Manajemen. Gelar Bachelor of Science
diperolehnya dari Purdue University dan gelar Master of Science dalam Sistem Informasi Manajemen dari
Clarkson University. Penelitiannya telah dipublikasikan di Journal of Informatics Education Research,
Decision Support Systems, dan International Journal of Production Research, serta prosiding konferensi
akademik nasional dan internasional. Minat penelitiannya adalah di bidang sistem pendukung keputusan,
jaminan dan keamanan informasi, pendidikan sistem informasi, dan simulasi pengambilan keputusan TI.
Sebelum mengejar gelar doktor, beliau bekerja di industri manufaktur dan sistem informasi.
Dianne HALL adalah Associate Professor Sistem Informasi Manajemen di Auburn University.
Dia memegang gelar sarjana bisnis dari University of Texas, gelar Master di bidang Administrasi
Bisnis dengan minor di bidang Akuntansi dan minor di bidang Ilmu Komputer, dan gelar doktor di bidang
Manajemen Informasi dan Operasi, keduanya dari Texas A&M University. Karyanya muncul di jurnal
akademis dan praktisi seperti Journal of the Association for Information Systems, Decision Support
Systems, Communications of the Association for Information Systems, International Journal of Physical
Distribution and Logistics Management, International Journal of Logistics Management, Communications
of the Association untuk Mesin Komputasi, dan lain-lain.
Karyanya juga muncul di beberapa buku. Minat penelitiannya saat ini meliputi penerapan teknologi
informasi untuk mendukung manajemen pengetahuan, logistik, perawatan kesehatan, ketahanan rantai
pasokan, perencanaan kontinjensi, dan proses pengambilan keputusan yang lebih baik.
David PARADICE adalah Senior Associate Dean dan Sprint Professor MIS di Florida State University.
Dia telah bekerja sebagai analis programmer dan konsultan dan merupakan anggota tim yang membangun
salah satu DSS interaktif pertama yang digunakan dalam industri utilitas listrik. Dr Paradice telah
menerbitkan banyak artikel dan bab buku yang berfokus pada penggunaan sistem berbasis komputer
untuk mendukung perumusan masalah manajerial. Publikasinya muncul di Journal of MIS, IEEE
Transactions on Systems, Man and Cybernetics, Decision Sciences, Communications of the ACM,
Decision Support Systems, Annals of Operations Research, Journal of Business Ethics, dan jurnal lainnya.
Dia telah aktif di Asosiasi Sistem Informasi Kelompok Minat Khusus untuk Sistem Pendukung Keputusan
dan Federasi Internasional tentang Pemrosesan Informasi Kelompok Kerja TC8 8.3 tentang Sistem
Pendukung Keputusan. Dr. Paradice juga bertugas di beberapa dewan penasehat perusahaan.
James F. COURTNEY adalah McCallister/Humana Eminent Scholar Chair in Information Systems di

Louisiana Tech University. Jim menjabat sebagai Tenneco Professor of Business Administration di Texas
A&M University dan telah menjadi anggota fakultas di University of Central Florida, Texas Tech University
dan Georgia Tech University. Ia memperoleh gelar PhD di bidang Administrasi Bisnis dengan jurusan Ilmu
Manajemen dari University of Texas di Austin pada tahun 1974. Ia telah menerbitkan artikel di sejumlah
jurnal terkemuka, termasuk Ilmu Manajemen, MIS Quarterly, Sistem Pendukung Keputusan, Ilmu
Keputusan, Komunikasi ACM, IEEE Transactions on Systems, Man and Cybernetics, dan Journal of
Management Information Systems. Dia adalah rekan penulis Database Systems for Management
(bersama David Paradice) dan Decision Support Models and Expert Systems (bersama David Olson).
Minat penelitiannya saat ini adalah sistem pendukung keputusan berbasis pengetahuan, sistem informasi
perawatan kesehatan, jaminan informasi dan organisasi bertanya (pembelajaran).

A Look Toward The Future Decision Suppor

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

A Look Toward The Future Decision Suppor

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Pandangan Menuju Masa Depan: Pendukung Keputusan

Volume 13, Edisi Khusus, hlm. 315-340, Mei 2012

Volume 13 ÿ Edisi Khusus

Pandangan Menuju Masa Depan: Sistem Pendukung Keputusan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

2. Perspektif Historis tentang DSS Peran penting yang dimainkan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

3. Kondisi Saat Ini dan Arah Penelitian DSS di Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Gambar 1. Timeline DSS Arnott dan Pervan (2005).

3.1. Contoh Penelitian Saat Ini Sebagai catatan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

3.2. Kembali ke Masa Depan Model

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

4. Tren Masa Depan

4.1. KMDSS dan Gudang Data

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

4.2. Dukungan Keputusan Media Sosial

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

4.3. Komputasi Seluler

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

4.4. Sistem Pendukung Negosiasi

4.5. Realisasi Historis Ekspansi ke area

4.6. Ringkasan Trending

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Ucapan Terima Kasih Para penulis

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

Hosack dkk. / DSS – Pandangan Menuju Masa Depan

James F. COURTNEY adalah McCallister/Humana Eminent Scholar Chair in Information Systems di

Anda mungkin juga menyukai