Disusun Oleh :
43219010119
PRODI AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MERCU BUANA
2020
KATA PENGANTAR
Dengan mengucapkan puji syukur kehadirat Tuhan Yang Maha esa, yang telah
memberikan kekuatan dan petunjuk sehingga penulis dapat menyusun artikel ini
dengan sebaik- baiknya, yang berjudul “Implementasi Aplikasi Sistem Pengambilan
Keputusan” disusun dalam rangka memenuhi salah satu mata kuliah Sistem Informasi
Manajemen yang diampu oleh Bapak Yananto Mihadi Putra, SE., M.Si.
Artikel ini berisi tentang hal-hal yang berkaitan dengan bagaimana suatu
perusahaan mampu mengimplementasikan aplikasi pengambilan keputusan dimana
dalam artikel ini akan dibahas bagaimana suatu perusahaan dalam mengambil
keputusan untuk kepentingan bersama. Meski telah disusun secara maksimal, namun
penulis sebagai manusia biasa menyadari bahwa artikel ini masih jauh dari kata
sempurna. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun
dari pembaca sekalian.
Besar harapan penulis, semoga artikel ini dapat menjadi sarana membantu
pembaca dalam mencari sumber referensi mengenai Implementasi Aplikasi Sistem
Pengambilan Keputusan.
Jika ke-emapat proses ini diikuti, pemilihan alternatif yang terbaik tidak selalu dicapai
melalui analisis logis saja dan penting untuk membedakan antara permasalahan dan
gejala.
Masalah memiliki struktur yang beragam dan keputusan untuk menyelesaikannya dapat
terprogram maupun tidak terprogram. Konsep sistem pendukung pengambilan
keputusan (decision support system-DSS) awalnya ditujukan pada masalah-masalah
yang setengah terstruktur. Output DSS yang pertama terdiri atas laporan dan output
dari model matematika. Kemudian, kapabilitas pemecahan masalah kelompok
ditambahkan, diikuti dengan kecerdasan buatan (artifical intellgence) dan pemrosesan
analitis oniline (on-line analytical processing- OLAP).
Kecerdasan buatan dapat menjadi salah satu komponen DSS. Dengan menambahkan
basis pengetahuan dan mesin inferensi, DSS dapat memberikan saran solusi masalah
kepada manajer. Jika groupware ditambahkan ke DSS, maka DSS tersebut akan
menjadi sistem pendukung pengambilan keputusan kelompok (group decision support
system-GDSS). GDSS dapat
diletakkan di beberapa tempat yang berbeda agar kondusif terhadap pemecahan
masalah kelompok.
PEMBAHASAN
Pemecahan masalah (problem solving) terdiri atas respons terhadap hal yang
berjalan dengan baik, serta terhadap hal yang berjalan dengan buruk dengan cara
mendefinisikan masalah (problem) sebagai kondisi atau peristiwa yang berbahaya atau
dapat membahayakan perusahaan, atau yang bermanfaat atau dapat memberi
manfaat. Dalam proses penyelesaian masalah manajer terlihat dalam pembuatan
keputusan (decision making), yaitu tindakan memilih di antara berbagai alternatif solusi
pemecahan masalah. Keputusan (decision) didefinisikan sebagai tindakan pilihan dan
sering kali perlu untuk mengambil banyak keputusan dalam proses pemecahan satu
masalah saja.
Dalam menggunakan model sistem umum dan model lingkungan sebagai dasar
pemecahan masalah, cara pandang sistem (systems view) yang memandang
operasional usaha sebagai sistem
yang menjadi bagian dari lingkungan yang lebih luas. Ini merupakan cara pemikiran
yang abstrak, namun memiliki nilai yang potensial untuk manajer. Cara pandang
secara sistem akan :
Perbedaan antara keadaan saat ini dengan keadaan yang diinginkan disebut
dengan kriteria solusi (solution criterion), atau apa yang harus terjadi agar situasi saat
ini berubah menjadi situasi yang diinginkan. Tentu saja, jika situasi saat ini
menunjukkan tingkat kinerja yang lebih tinggi dibandingkan dengan keadaan yang
diinginkan, maka tugas yang harus dilakukan bukanlah menyamakan keadaan saat ini.
Melainkan, tugas yang harus dilakukan adalah menjaga agar situasi saat ini tetap
berada pada tingkatan yang lebih tinggi. Jika kinerja tingkat tinggi dapat dipertahankan,
maka situasi yang diinginkan harus ditingkatkan.
Tanggung jawab manajer adalah mengidentifikasi solusi alternatif, yang selalu ada.
Ini merupakan satu langkah dari proses penyelesaian masalah di mana komputer tidak
terlalu banyak membantu. Manajer biasanya mengandalkan pengalaman sendiri atau
mencari bantuan dari pemroses informasi nonkomputer, seperti input dari pihak lain
baik di dalam maupun di luar perusahaan.
Pemilihan solusi yang terbaik dapat dicapai dengan berbagai cara. Herry Mintzberg,
seorang ahli teori manajemen, telah mengidentifikasi tiga pendekatan :
· Analisis
Salah satu contohnya adalah pertimbangan yang dilakukan oleh para anggota
komite pengawas SIM untuk memutuskan pendekatan mana yang harus diambil
dalam mengimplementasikan sistem informasi eksekutif.
· Penilaian
· Penawaran
Negosiasi antara beberapa manajer. Salah satu contoh adalah proses memberi
dan menerima yang berlangsung antara para anggota komite eksekutif
mengenai pasar yang mana yang harus dimasuki selanjutnya. Di sinilah tempat
di mana pengaruh politik dalam perusahaan dapat dilihat dengan jelas.
Penting bagi kita untuk memahami perbedaan antara masalah dan gejala dari suatu
masalah. Jika tidak demikian, kita dapat menghabiskan banyak waktu dan uang untuk
menyelesaikan permasalahan yang salah atau sesuatu yang sesungguhnya bukanlah
suatu masalah. Gejala (symptom) adalah kondisi yang dihasilkan masalah. Sering kali
seorang manajer melihat gejala dan bukan masalah.
c. Struktur Permasalahan
Model matematika yang disebut formula EOQ (economic order quantity) dapat
memberitahu bagaimana masalah tersebut harus diselesaikan. Masalah seperti ini
disebut masalah terstruktur (structured problem) karena terdiri atas unsur dan
hubungan antara berbagai elemen yang semuanya dipahami oleh orang yang
memecahkan masalah.
Masalah yang tidak terstruktur (unstructured problem) adalah masalah yang tidak
memiliki elemen atau hubungan antarelemen yang dipahami oleh orang yang
memecahkan masalah. Salah satu contoh dari masalah yang tidak terstruktur adalah
memutuskan film yang mana yang paling
kita sukai. Manajer bisnis sering kali tidak memiliki perangkat yang cukup untuk
mendefinisikan masalah seperti ini dengan cara yang terstruktur.
Beberapa elemen, seperti harga tanah, pajak, dan biaya-biaya untuk mengirimkan
bahan baku, dapat diukur dengan tingkat ketepatan yang tinggi. Tetapi elemen-elemen
lain, seperti bahaya dari lingkungan dan perilaku masyarakat sekitar, sulit untuk
diidentifikasi dan diukur.
d. Jenis Keputusan
· Keputusan terprogram (programmed decision) bersifat “repetitif dan rutin, dalam hal
prosedur tertentu digunakan untuk menanganinya sehingga keputusan tersebut tidak
perlu dianggap de novo (baru) setiap kali terjadi.”
Sejak 1971, DSS telah menjadi jenis sistem informasi yang paling sukses dan kini
menjadi aplikasi komputer untuk pemecahan masalah yang paling produktif.
5. Model DSS
Ketika DSS untuk pertama kalinya dirancang, model ini menghasilkan laporan
khusus dan berkala serta output dari model matematika. Laporan khusus ini berisikan
respons terhadap permintaan ke basis data. Setelah DSS diterapkan dengan baik,
kemampuan yang memungkinkan para pemecah masalah untuk bekerja sama dalam
kelompok ditambahkan ke dalam model tersebut. Penambahan peranti lunak
groupware memungkinkan sistem tersebut untuk berfungsi sebagai sistem pendukung
pengambilan keputusan kelompok (group decision support system-GDSS). Yang
terbaru, kemampuan kecerdasan buatan juga telah ditambahkan beserta kemampuan
untuk terlibat dalam OLAP.
a . Pemodelan Matematika
Model adalah abstraksi dari sesuatu. Model mewakili suatu objek atau aktivitas,
yang disebut entitas (entity). Manajer menggunakan model untuk mewakili
permasalahan yang harus diselesaikan. Objek atau aktivitas yang menyebabkan
masalah disebut dengan entitas.
b. Jenis Model
Model fisik dibuat untuk mencapai tujuan yang tidak dapat dipenuhi oleh
benda sesungguhnya. Sebagai contoh, model fisik memungkinkan desainer
untuk mengevaluasi desain objek, seperti pesawat terbang, dan membuat
perubahan- perubahan sebelum konstruksi sesungguhnya. Ini akan
menghemat waktu dan uang.
2. Model Naratif
Salah satu jenis model yang digunakan oleh manajer setiap hari adalah
model naratif (narrative model) yang menggambarkan entitas dengan kata-
kata yang terucap atau tertulis. Pendengar atau pembaca dapat memahami
entitas tersebut dari naratifnya. Semua komunikasi bisnis adalah model
naratif, sehingga membuat model naratif jenis model yang paling populer.
3. Model Grafis
Jenis model lain yang terus digunakan adalah model grafis. Model grafis
(graphic model) menggambarkan entitasnya dengan abstraksi garis, simbol,
atau bentuk. Jumlah pemesanan ekonomis (economic order quantity-EOQ)
adalah jumlah optimum penambahan stok yang harus dipesan dari pemasok.
EOQ
menyeimbangkan biaya pembelian stok dan biaya untuk menyimpannya
hingga stok tersebut digunakan atau dijual.
4. Model Matematis
a. Penggunaan Model
a) Memberikan pengertian.
Model biasanya lebih sederhana dibandingkan entitasnya. Entitas adalah objek atau
proses. Entitas dapat lebih mudah dimengerti jika berbagai elemen dan hubungan yang
terdapat di dalamnya ditampilkan secara lebih sederhana. Setelah model yang
sederhana dapat dipahami, model tersebut secara bertahap dapat dibuat lebih
kompleks sehingga dapat mewakili entitasnya secara lebih kompleks. Tetapi, model
tersebut hanya dapat mewakili entitasnya. Model tersebut tidak dapat benar-benar
berlaku seperti entitas sesungguhnya.
b) Memfasilitasi Komunikasi
Keempat jenis model dapat mengomunikasikan informasi secara akurat dan cepat
kepada orang- orang yang memahami makna bentuk, kata-kata, grafis, dan matematis.
Model matematis dapat diklasifikasikan ke dalam tiga dimensi : pengaruh waktu, tingkat
keyakinan, dan kemampuan untuk mencapai optimisasi.
Model Statis (static model) tidak melibatkan waktu sebagai salah satu variabel. Model
ini berkenaan dengan situasi pada waktu tertentu. Dengan kata lain, bersifat seperti
cuplikan keadaan. Model yang melibatkan waktu sebagai salah satu variabel disebut
model dinamis
(dynamic model). Model ini menggambarkan perilaku entitas seiring dengan waktu,
seperti gambar bergerak atau film.
Cara lain untuk mengklasifikasikan beragam model didasarkan pada apakah suatu
formula melibatkan probabilitas atau tidak. Probabilitas (Probability) adalah kesempatan
bahwa sesuatu akan terjadi. Probabilitas berkisar dari 0,00 (Untuk sesuatu yang tidak
memiliki kesempatan terjadi) hingga 1,00 (untuk sesuatu yang pasti terjadi). Model yang
melibatkan probabilitas disebut model probabilitas (probability model). Jika tidak, maka
model tersebut adalah model deterministik (deterministic model).
Model optimisasi (optimizing model) adalah model yang memilih solusi terbaik
dari berbagai alternatif yang ditampilkan. Agar suatu model dapat melakukan hal ini,
masalah tersebut harus terstruktur dengan amat baik.
7. Simulasi
Nilai input yang dimasukkan manajer untuk mengukur dampak pada entitas disebut
variabel keputusan (decision variable).
Manajer biasanya melakukan model optimisasi hanya sekali. Model ini menghasilkan
solusi yang terbaik menggunakan skenario tertentu dan variabel-variabel keputusan.
Namun, penting juga untuk menjalankan model suboptimisasi berulang kali, guna
mencari kombinasi variabel keputusan yang menghasilkan hasil yang memuaskan.
Proses perulangan untuk mencoba beragam alternatif keputusan ini disebut permainan
bagaimana jika (what-if game).
Setiap kali model tersebut dijalankan, hanya satu dari beragam variabel keputusan
yang harus diubah agar pengaruhnya dapat terlihat. Dengan cara ini, pemecah masalah
secara sistematis dapat menemukan kombinasi keputusan yang akan menghasilkan
solusi masalah.
· Harga Produk.
· Jumlah yang akan diinvestasikan dalam aktivitas pemasaran, seperti iklan dan
penjualan langsung.
· Jumlah yang akan diinvestasikan dalam penelitian dan pengembangan.
Selain itu, para eksekutif tersebut ingin menyimulasikan empat kuartal aktivitas
dan menghasilkan dua laporan :
Manajer yang menggunakan model matematika bisa mendapatkan manfaat melalui hal-
hal berikut :
· Model tidak semahal upaya uji coba. Proses pemodelan memang mahal jika dilihat
dari masa perancangan dan biaya peranti keras dan peranti lunak yang dibutuhkan
untuk melakukan simulasi, namun biaya ini tidak setinggi biaya yang terjadi jika
keputusan yang buruk diimplementasikan di dunia nyata.
7.4 Kelebihan pemodelan ini dapat berkurang karena dua kelemahan dasar :
Kesulitan untuk membuat model sistem bisnis akan menghasilkan model yang
tidak mencakup semua pengaruh terhadap entitas. Sebagai contoh, dalam model yang
baru saja digambarkan, seseorang di perusahaan harus mengestimasikan nilai untuk
elemen data skenario. Selain itu, rumus matematis biasanya hanya merupakan
prakiraan atas perilaku entitas tersebut. Ini berarti bahwa penilaian subjektif yang cukup
besar harus diterapkan dalam mengimplementasikan keputusan yang dibuat
berdasarkan hasil simulasi.
Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk digunakan dalam
model statis.
Lembar kerja ini juga berguna untuk memainkan permainan “bagaimana jika”, di mana
pemecah masalah memanipulasi satu atau lebih variabel untuk melihat dampak dari
hasil simulasi.
7.9 Sejarah AI
Bibit AI pertama kali disebar hanya 2 tahun setelah General Electri menerapkan
komputer yang pertama kali digunakan untuk penggunaan bisnis. Tahun 1956, dan
istilah kecerdasan buatan pertama kali dibuat oleh John McCarthy sebagai tema suatu
konferensi yang dilaksanakan di
Dartmouth College. Pada tahun yang sama, program komputer AI pertama yang
disebut Logic Theorist, diumumkan. Kemampuan Logic Theorist yang terbatas untuk
berpikir (membuktikan teorema-teorema kalkulus) mendorong para ilmuwan untuk
merancang program lain yang disebut General Problem Solver (GPS), yang ditujukan
untuk digunakan dalam memecahkan segala macam masalah. Proyek ini ternyata
membuat para ilmuwan yang pertama kali menyusun program ini kewalahan, dan riset
AI dikalahkan oleh aplikasi-aplikasi komputer yang tidak terlalu ambisius seperti SIM
dan DSS. Namun seiring waktu, riset yang terus-menerus akhirnya membuahkan hasil,
dan AI telah menjadi wilayah aplikasi komputer yang solid.
7.10 Wilayah AI
AI diterapkan di dunia bisnis dalam bentuk sistem pakar, jaringan saraf tiruan,
algoritme genetik, dan agen cerdas.
1. Sistem Pakar
Sistem pakar adalah program komputer yang berusaha untuk mewakili pengetahuan
keahlian manusia dalam bentuk heuristik. Istilah heuristik berasal dari kata Yunani
eureka, yang berarti “menemukan.” Heuristik (heuristic) adalah aturan yang menjadi
patokan atau aturan untuk menebak dengan baik.
Heuristik tidak menjamin hasil sebaik algoritme yang biasa didapatkan dalam model
matematika, namun heuristik biasanya menawarkan hasil yang cukup spesifik sehingga
dapat berguna. Heuristik memungkinkan sistem pakar untuk berfungsi sedemikian rupa
agar konsistem dengan keahlian manusia, dan menyarankan penggunanya cara
memecahkan masalah. Karena sistem pakar berfungsi sebagai konsultan, tindakan
menggunakan aplikasi ini disebut konsultasi (consultation) karena pengguna
berkonsultasi kepada sistem pakar untuk mendapatkan saran.
Sistem pakar dirancang oleh spesialis informasi (yang sering kali disebut insinyur
pengetahuan (knowledge engineer)) yang memiliki keahlian khusus dalam bidang
kecerdasan buatan. Insinyur pengetahuan amat ahli dalam mendapatkan ilmu dari
seorang ahli.
2. Jaringan saraf tiruan
Jaringan saraf tiruan (neural networks) meniru fisiologi otak manusia. Jaringan ini
mampu menemukan dan membedakan pola, sehingga membuatnya amat berguna
dalam bisnis di wilayah pengenalan suara dan pengenalan karakter optis.
3. Algoritme Genetik
4. Agen Cerdas
Agen Cerdas (intelligent agent) digunakan untuk melakukan tugas yang berkaitan
dengan komputer yang berulang-ulang. Salah satu contoh adalah penggalian data, di
mana penemuan pengetahuan memungkinkan sistem gudang data untuk
mengidentifikasi hubungan data yang sebelumnya tidak dikenal.
Sistem pakar terdiri atas empat bagian utama : antarmuka pengguna, basis
pengetahuan, mesin antarmuka, dan mesin pengembangan.
· Antarmuka Pengguna
· Basis Pengetahuan
Semua aturan yang ada di dalam sistem pakar disebut set aturan (rule set).
Jumlah aturan dalam set aturan dapat bervariasi dari sekitar selusin peraturan untuk
suatu sistem pakar sederhana hingga 10.000 peraturan untuk set yang rumit.
· Mesin Inferensi
Mesin Inferensi (inference engine) adalah bagian dari sistem pakar yang
melakukan pemikiran dengan cara menggunakan isi basis pengetahuan dalam urutan
tertentu. Selama konsultasi, mesin inferensi memeriksa aturan-aturan basis
pengetahuan satu demi satu, dan jika persyaratan satu aturan benar, maka suatu
tindakan akan dilaksanakan. Dalam terminologi sistem pakar, aturan diberhentikan jika
tindakan diambil.
Proses pemeriksaan peraturan satu demi satu berlanjut hingga seluruh set
aturan telah dilalui. Lebih dari satu kali pemeriksaan biasanya dibutuhkan untuk
memberikan suatu nilai ke solusi masalah, yang disebut variabel tujuan (goal variable).
Pemeriksaan terus berlanjut hingga memungkinkan untuk memberhentikan beberapa
aturan. Ketika tidak ada lagi aturan yang dapat diberhentikan, proses pemikiran dapat
berhenti.
· Mesin Pengembangan
Kerangka sistem pakar (expert system shell) adalah prosesor siap pakai dan
dapat disesuaikan untuk masalah tertentu dengan cara menambahkan basis
pengetahuan yang sesuai.
Kini, kebanyakan minat untuk menerapkan sistem pakar ke masalah bisnis melibatkan
penggunaan kerangka.
Salah satu contoh domain masalah yang menggunakan kerangka sistem pakar
adalah komputer bantuan pelanggan. Ketika sistem pakar bantuan pelanggan
digunakan, pengguna atau anggota staf bantuan pelanggan berkomunikasi secara
langsung dengan sistem, dan sistem kemudian berusaha menyelesaikan masalah.
Berbagai komite, tim proyek, dan satuan tugas yang ada di banyak perusahaan
merupakan contoh pendekatan kelompok terhadap pemecahan masalah. Menyadari
fakta ini, para pengembang sistem telah mengadaptasi DSS ke dalam pemecahan
masalah secara kelompok.
Dua buah fitur GDSS yang unik adalah komunikasi paralel dan anonimitas.
Komunikasi paralel (parallel communication) terjadi ketika semua peserta memasukkan
komentar pada saat yang bersamaan, dan anonimitas (anonimity) adalah ketika tidak
ada yang dapat mengetahui siapa yang memberikan komentar tertentu. Anonimitas
memungkinkan para peserta untuk mengatakan apa yang mereka pikirkan tanpa takut
diejek oleh anggota kelompok yang lain. Selain itu, fitur ini memungkinkan masing-
masing ide untuk dievaluasi berdasarkan kelebihannya dan bukan berdasarkan siapa
yang memberikannya.
Jika tidak memungkinkan untuk sekelompok kecil orang untuk bertemu langsung,
maka para anggota dapat berinteraksi melalui LAN. Seorang anggota dapat
memasukkan komentar ke dalam komputer dan melihat komentar yang diberikan
anggota lain di layar.
Jika kelompok yang ada terlalu besar untuk suatu ruang keputusan, maka akan
dibutuhkan sesi legislatif. Ukuran yang besar akan membatasi komunikasi. Kesempatan
partisipasi secara rata oleh semua anggota kelompok menjadi berkurang atau waktu
yang tersedia
akan berkurang. Salah satu solusi untuk masalah ini adalah fasilitator memutuskan
materi mana yang harus ditampilkan di layar untuk dilihat seluruh kelompok.
1. Saat ini aplikasi belum sempurna, perlu ada perbaikan pada tampilan-tampilan
sehingga dapat lebih menarik. Misalnya dibuatkan program dalam bentuk menu yang
mempermudah input data oleh pengguna.
2. System yang dibuat dalam bentuk on-line, agar lebih mudah untuk input datanya.
DAFTAR PUSTAKA
Hanifah, S., Sarpingah, S., & Putra, Y. M., (2020). The Effect of Level of
Education, Accounting Knowledge, and Utilization Of Information
Technology Toward Quality The Quality of MSME ’ s Financial Reports.
The 1st Annual Conference Economics, Business, and Social Sciences
(ACEBISS) 2019, 1 (3). https://doi.org/10.4108/eai.3-2-
2020.163573
Herliansyah, Y., Nugroho, L., Ardilla, D., & Putra, Y. M., (2020). The
Determinants of Micro, Small and Medium Entrepreneur (MSME)
Become Customer of Islamic Banks (Religion, Religiosity, and Location
of Islamic Banks ). The 1st Annual Conference Economics, Business,
and Social Sciences (ACEBISS) 2019, 1 , (2).
https://doi.org/10.4108/eai.26-3-2019.2290775
Nugroho, L., Mastur, A.A., Fardinal, F., Putra, Y.M., (2019). Hajj,
Civilization and Islamic Banking Contribution Discourses. Location of
Islamic Banks ). The 1st AnnuaScl Conference Economics,
Business, and Social Sciences (ACEBISS) 2019, 1 (11),
http://dx.doi.org/10.4108/eai.26-3-2019.2290773