LECTURE NOTES

Managerial Support System

Week ke - 2

Decision Support System

LEARNING OUTCOMES

LO1: Describe basic conscept of Decision Support System to

Management.
L01: Mahasiswa mampu mendeskripsikan konsep dasar di dalam
sistem pendukung keputusan bagi manajemen.

OUTLINE MATERI :

1. DSS Aplication

2. Components of a DSS

3. Evolution of DSS to BI (Business Intelligence) / Analytics /

Artificial Intelligences
 ISI MATERI

A. DSS Aplication
Sebuah DSS biasanya dibangun untuk mendukung solusi dari
masalah tertentu atau untuk mengevaluasi peluang. Ini adalah
perbedaan utama antara aplikasi DSS dan BI. Dalam artinya, sistem
business intelligence (BI) memantau situasi dan mengidentifikasi
masalah dan/atau peluang menggunakan metode analitik. Pelaporan
memainkan peran utama di BI; pengguna umumnya harus
mengidentifikasi apakah situasi tertentu memerlukan perhat ian dan
kemudian dapat diterapkan metode analitis. Sekali lagi, meskipun
model dan akses data (umumnya melalui data warehouse) termasuk
dalam BI, DSS mungkin memiliki database sendiri dan dikembangkan
untuk memecahkan masalah tertentu atau serangkaian masalah dan
oleh karena itu disebut aplikasi DSS.
DSS adalah pendekatan (atau metodologi) untuk mendukung
pengambilan keputusan. Ini menggunakan sistem informasi berbasis
komputer / computer-based information system (CBIS) yang
interaktif, fleksibel, dan dapat disesuaikan. dikembangkan secara
khusus untuk mendukung solusi untuk manajemen tidak terstruktur
tertentu masalah. Ini menggunakan data, menyediakan antarmuka
pengguna yang mudah, dan dapat menggabungkan keputusan
wawasan pembuatnya sendiri. Selain itu, DSS mencakup model dan
dikembangkan (mungkin dengan pengguna akhir) melalui proses
interaktif dan berulang. Itu dapat mendukung semua fase keputusan
membuat dan mungkin termasuk komponen pengetahuan. Akhirnya,
DSS dapat digunakan oleh pengguna tunggal atau dapat berbasis Web
untuk digunakan oleh banyak orang di beberapa lokasi.

Managerial Support System

• Jelaskan DSS Aplication ?
• Jelaskan Kunci dari karakteristik
dan kemampuan DSS ?

Gambar 2.1 Key Characteristics and Capabilities of DSS.

THE CHARACTERISTICS AND CAPABILITIES OF DSS. Pada

Gambar 2.1 merupakan himpunan yang ideal, definisi DSS dijelaskan
dan diilustrasikan dalam kasus aplikasi. Kunci dari karakteristik dan
kemampuan DSS adalah sebagai berikut:
1. Mendukung pengambil keputusan, terutama dalam situasi semi
terstruktur dan tidak terstruktur, dengan: menyatukan penilaian
manusia dan informasi terkomputerisasi. Masalah seperti itu tidak
dapat diselesaikan (atau tidak dapat diselesaikan dengan mudah)
oleh sistem komputerisasi lainnya atau melalui penggunaan
metode atau alat kuantitatif standar. Umumnya, masalah ini

Managerial Support System

 mendapatkan struktur saat DSS dikembangkan. Bahkan beberapa
masalah terstruktur telah diselesaikan oleh DSS.
2. Mendukung semua level manajerial, mulai dari eksekutif puncak
hingga manajer lini.
3. Mendukung individu maupun kelompok. Masalah yang kurang
terstruktur sering membutuhkan keterlibatan individu dari
berbagai departemen dan tingkat organisasi atau bahkan dari
organisasi yang berbeda. DSS mendukung tim virtual melalui
kolaborasi alat web. DSS telah dikembangkan untuk mendukung
kerja individu dan kelompok juga untuk mendukung pengambilan
keputusan individu dan kelompok pembuat keputusan yang
bekerja secara mandiri.
4. Mendukung keputusan yang saling bergantung dan/atau ber-
urutan. Keputusan dapat dibuat sekali, beberapa kali, atau
berulang kali.
5. Mendukung semua fase proses pengambilan keputusan: kecer-
dasan, desain, pilihan, dan penerapan.
6. Mendukung berbagai proses dan gaya pengambilan keputusan.
7. Bersifat fleksibel, sehingga pengguna dapat menambah,
menghapus, menggabungkan, mengubah, atau mengatur ulang
elemen dasar. Pengambil keputusan harus reaktif, mampu
menghadapi perubahan kondisi dengan cepat, dan mampu
mengadaptasi DSS untuk memenuhi perubahan ini. Ini juga
fleksibel karena bisa mudah dimodifikasi untuk memecahkan
masalah lain yang serupa.
8. Mudah digunakan, memiliki kemampuan grafis yang kuat, dan
bahasa yang interaktif antarmuka manusia-mesin dapat sangat
meningkatkan efektivitas DSS. Paling baru Aplikasi DSS

Managerial Support System

 menggunakan antarmuka berbasis Web atau antarmuka platform
seluler.
9. Meningkatkan efektivitas pengambilan keputusan (misalnya,
akurasi, ketepatan waktu, kualitas) daripada efisiensinya
(misalnya, biaya pengambilan keputusan). Ketika DSS digunakan,
pengambilan keputusan seringkali membutuhkan waktu lebih
lama, tetapi keputusannya lebih baik.
10. Memberikan kontrol penuh oleh pengambil keputusan atas
semua langkah pengambilan keputusan proses dalam
memecahkan suatu masalah. DSS secara khusus bertujuan untuk
mendukung, bukan untuk menggantikan, pengambil keputusan.
11.Memungkinkan pengguna akhir untuk mengembangkan dan
memodifikasi sistem sederhana sendiri. Lebih besar sistem dapat
dibangun dengan bantuan dari spesialis SI. Paket spreadsheet
telah digunakan dalam mengembangkan sistem yang lebih
sederhana. OLAP dan perangkat lunak penambangan data dalam
hubungannya dengan gudang data memungkinkan pengguna
untuk membangun cukup besar, DSS yang kompleks.
12.Menyediakan model yang umumnya digunakan untuk
menganalisis situasi pengambilan keputusan. Kemampuan
pemodelan memungkinkan eksperimen dengan strategi yang
berbeda di bawah kondisi yang berbeda konfigurasi.
13. Menyediakan akses ke berbagai sumber data, format, dan jenis,
termasuk GIS, multimedia, dan data berorientasi objek.
14. Dapat digunakan sebagai alat yang berdiri sendiri yang digunakan
oleh pembuat keputusan individu dalam satu lokasi atau
didistribusikan ke seluruh organisasi dan di beberapa organisasi
sepanjang rantai pasokan. Dapat diintegrasikan dengan DSS

Managerial Support System

 dan/atau aplikasi lain, dan dapat didistribusikan secara internal
dan eksternal, menggunakan jaringan dan Web teknologi.
Karakteristik dan kemampuan kunci DSS ini memungkinkan
pengambil keputusan untuk membuat keputusan yang lebih baik,
keputusan yang lebih konsisten pada waktu yang tepat, dan
mereka disediakan oleh DSS utama komponen.

B. Components of a Decision Support System

Aplikasi DSS dapat terdiri dari subsistem manajemen data,
manajemen model subsistem, subsistem antarmuka pengguna,
dan subsistem manajemen berbasis pengetahuan. Kami
menunjukkan ini pada Gambar 2.2.
1. The Data Management Subsystem.
Subsistem manajemen data mencakup database yang berisi
data yang relevan untuk situasi dan dikelola oleh perangkat lunak
yang disebut sistem manajemen basis data (DBMS). DBMS
• Jelaskan Kunci dari karakteristik dan
kemampuan DSS ?
digunakan sebagai istilah tunggal dan jamak (sistem dan sistem),

• Jelaskan elemen-elemen
manajemen data subsistem ?
seperti banyak lainnya singkatan dalam teks ini. Subsistem
manajemen data dapat saling berhubungan dengan data warehouse
perusahaan, tempat penyimpanan data pengambilan keputusan
perusahaan yang relevan.
Biasanya, data disimpan atau diakses melalui database Web
server, manajemen data subsistem terdiri dari elemen-elemen
berikut:
• Basis data DSS
• Sistem manajemen basis data
• Direktori data
• Fasilitas kueri
Banyak dari BI atau aplikasi analitik deskriptif memperoleh
kekuatannya dari sisi manajemen data dari subsistem.

Managerial Support System

 Gambar 2.2 Schematic View of DSS
2. The Model Management Subsystem
Subsistem manajemen model adalah komponen yang
mencakup keuangan, statistik, ilmu manajemen, atau model
kuantitatif lain yang menyediakan analisis sistem kemampuan
dan manajemen perangkat lunak yang sesuai. Bahasa pemodelan
untuk membangun kustom model juga disertakan. Software ini
sering disebut sebagai model base management sistem
(MBMS). Komponen ini dapat dihubungkan ke penyimpanan
perusahaan atau eksternal dari model. Metode solusi model dan
sistem manajemen diimplementasikan dalam pengembangan
Web sistem (seperti Java) untuk dijalankan di server aplikasi.
Manajemen model subsistem dari DSS terdiri dari elemen-
elemen berikut:
• Model dasar
• MBMS
• Bahasa pemodelan

Managerial Support System

 • Direktori model
• Eksekusi model, integrasi, dan command processor
Karena DSS terlibat dengan masalah semi-terstruktur atau tidak
terstruktur, seringkali diperlukan untuk menyesuaikan model,
menggunakan alat dan bahasa pemrograman. Beberapa contoh
dari ini adalah bahasa .NET Framework, C++, dan Java.
Perangkat lunak OLAP juga dapat digunakan untuk bekerja
dengan model dalam analisis data. Bahkan bahasa untuk simulasi
seperti Arena dan paket statistik seperti SPSS menawarkan alat
pemodelan yang dikembangkan melalui penggunaan bahasa
pemrograman berpemilik. Untuk DSS kecil dan menengah atau
lebih murah yang kompleks, spreadsheet (misalnya, Excel)
biasanya digunakan.

3. The User Interface Subsystem

Pengguna berkomunikasi dengan dan memerintahkan DSS
melalui subsistem antarmuka pengguna. Pengguna dianggap
sebagai bagian dari sistem. Peneliti menegaskan bahwa beberapa
keunikan kontribusi DSS berasal dari interaksi intensif antara
komputer dan pengambil keputusan. Antarmuka pengguna yang
sulit adalah salah satu alasan utama manajer tidak menggunakan
komputer dan analisis kuantitatif sebanyak mungkin, mengingat
ketersediaan teknologi ini. Browser Web menyediakan GUI yang
familiar dan konsisten struktur untuk banyak DSS di tahun 2000-
an. Untuk DSS yang digunakan secara lokal, spreadsheet juga
menyediakan: antarmuka pengguna yang akrab. Web browser
telah diakui sebagai GUI DSS yang efektif karena fleksibel,
mudah digunakan, dan pintu gerbang ke hampir semua sumber
informasi yang diperlukan dan data. Pada dasarnya, browser Web

Managerial Support System

telah mengarah pada pengembangan portal dan dashboard, yang
front end banyak DSS.
Pertumbuhan eksplosif dalam perangkat portabel, termasuk
smartphone dan tablet, telah mengubah antarmuka pengguna DSS
juga. Perangkat ini memungkinkan input tulisan tangan atau input
yang diketik dari keyboard internal atau eksternal. Beberapa
antarmuka pengguna DSS menggunakan natural masukan bahasa
(yaitu, teks dalam bahasa manusia) sehingga pengguna dapat
dengan mudah mengekspresikan diri dengan cara yang berarti.
Input ponsel melalui layanan pesan singkat (SMS) atau chatbots
menjadi lebih umum untuk setidaknya beberapa aplikasi tipe DSS
konsumen. Misalnya, seseorang dapat mengirim permintaan SMS
untuk mencari topik apa pun ke GOOGL (46645). Kemampuan
seperti itu paling berguna dalam menemukan bisnis, alamat, atau
telepon terdekat angka, tetapi juga dapat digunakan untuk banyak
tugas pendukung keputusan lainnya. Sebagai contoh, pengguna
dapat menemukan definisi kata dengan memasukkan kata
"define" diikuti dengan kata, seperti "tentukan ekstenuasi."
Beberapa kemampuan lainnya termasuk
• Pencarian harga: “Harga iPhone X 64GB.”
• Konversi mata uang: “10 dolar AS dalam euro.”
• Skor olahraga dan waktu pertandingan: Cukup masukkan nama
tim (“NYC Giants”), dan Google SMS akan mengirimkan skor
pertandingan terbaru serta tanggal dan waktu pertandingan
berikutnya.
Jenis kemampuan pencarian berbasis SMS ini juga
tersedia untuk mesin pencari lainnya seperti mesin pencari
Microsoft Bing. Dengan munculnya smartphone seperti iPhone
Apple dan smartphone Android dari banyak vendor, banyak
perusahaan yang mengembangkan aplikasi untuk memberikan

Managerial Support System

 keputusan pembelian mendukung. Misalnya, aplikasi Amazon
memungkinkan pengguna untuk mengambil gambar item apa pun
di toko (atau di mana pun) dan kirimkan ke Amazon.com.
Algoritme pemahaman grafis Amazon.com mencoba
mencocokkan gambar dengan produk nyata di basis datanya dan
mengirimi pengguna halaman yang mirip dengan halaman info
produk Amazon.com, memungkinkan pengguna untuk melakukan
perbandingan harga dalam waktu nyata. Jutaan aplikasi lain telah
dikembangkan yang menyediakan konsumen dukungan untuk
pengambilan keputusan dalam mencari dan memilih
toko/restoran/penyedia layanan berdasarkan lokasi, rekomendasi
dari orang lain. Contoh input suara yang dapat digunakan untuk
tujuan umum DSS adalah aplikasi Apple’s Siri dan layanan
Google Now dari Google. Sebagai contoh, pengguna dapat
memberikan kode posnya dan mengatakan "pengiriman pizza".
Perangkat ini menyediakan hasil pencarian dan bahkan dapat
melakukan panggilan ke bisnis.

4. The Knowledge-Based Management Subsystem

Banyak pengembangan antarmuka pengguna terkait erat
dengan kemajuan besar baru dalam sistem berbasis pengetahuan.
Subsistem manajemen berbasis pengetahuan dapat mendukung
semua dari subsistem lain atau bertindak sebagai komponen
independen. Ini memberikan kecerdasan untuk menambah
pembuat keputusan sendiri atau untuk membantu memahami
permintaan pengguna sehingga memberikan menjawab. Hal ini
dapat saling berhubungan dengan gudang pengetahuan organisasi
(bagian dari KMS), yang terkadang disebut basis pengetahuan
organisasi, atau terhubung ke ribuan dari sumber pengetahuan
eksternal. Banyak metode kecerdasan buatan telah diterapkan

Managerial Support System

 dalam sistem pembelajaran generasi sekarang dan mudah
diintegrasikan ke dalam komponen DSS lainnya. Salah satu DSS
berbasis pengetahuan yang paling banyak dipublikasikan adalah
Watson IBM, yang diperkenalkan dalam sketsa pembukaan dan
akan dijelaskan lebih rinci nanti.
Bagian ini telah membahas sejarah dan perkembangan
Sistem Pendukung Keputusan secara singkat. Pada bagian
berikutnya kita membahas evolusi dukungan ini untuk intelijen
bisnis, analitik, dan ilmu data.

C. Evolution of computerized decision support to business

intelligence/analytics/data science
Timeline pada Gambar 2.3 menunjukkan terminologi yang
digunakan untuk menggambarkan analitik sejak tahun 1970-an.
Selama tahun 1970-an, fokus utama sistem informasi
pengambilan keputusan adalah menyediakan laporan terstruktur dan
berkala yang dapat digunakan oleh seorang manajer dalam
pengambilan keputusan. Perusahaan mulai membuat laporan rutin
tentang apa yang terjadi pada periode sebelumnya (misalnya hari, ,
minggu, bulan, kuartal). Dengan mengetahui apa yang terjadi di masa
lampau dan setiap periode, membantu para manajer untuk lebih
memahami dan mengatasi kebutuhan dan tantangan perusahaan yang
terus berkembang. Sistem informasi dalam periode 1970an disebut
management information systems (MIS) / sistem informasi
manajemen (SIM). kemudian, Scott-Morton First merumuskan
konsep-konsep kunci DSS. Dia mendefinisikan DSS sebagai "sistem
berbasis komputer interaktif, yang membantu pengambil keputusan
menggunakan data dan model untuk memecahkan masalah yang tidak
terstruktur" (Gorry dan Scott-Morton, 1971). Berikut ini adalah
definisi DSS klasik lainnya dari Keen dan Scott-Morton (1978):

Managerial Support System

 Sistem pendukung keputusan (DSS) menghubungkan sumber daya
intelektual individu dengan kemampuan komputer untuk
meningkatkan kualitas keputusan. DSS Ini adalah sistem pendukung
berbasis komputer untuk pengambil keputusan manajemen yang
berurusan dengan masalah semi-terstruktur.

Gambar 2.3 Evolution of Decision Support, Business Intelligence,

Analytics, and AI.
Pada awalnya analisis data, seringnya diperoleh dari pakar
• jelaskan perkembangan BI domain menggunakan proses manual (yaitu wawancara dan survei)
berdasarkan waktu? untuk membangun model matematika atau berbasis pengetahuan
• fitur apa yang membedakan
untuk memecahkan masalah optimasi terbatas. Idenya adalah untuk
antar waktu
melakukan yang terbaik dengan sumber daya yang terbatas. Model
perkembangannya?
pendukung keputusan seperti itu biasanya disebut sebagai riset
operasi (OR). Masalah yang terlalu kompleks untuk diselesaikan
secara optimal (menggunakan teknik pemrograman matematis linier
atau nonlinier) diatasi dengan menggunakan metode heuristik seperti
model simulasi.

Managerial Support System

 Pada akhir 1970-an dan awal 1980-an, selain model OR
telah matang yang digunakan di banyak industri dan sistem
pemerintahan, serangkaian model baru dan menarik telah muncul
yaitu sistem pakar (Expert System) berbasis aturan (ES). Sistem ini
menangkap pengetahuan para ahli dalam format yang dapat diproses
oleh komputer (melalui serangkaian aturan atau heuristik if-then-else)
sehingga dapat digunakan untuk konsultasi dengan cara yang sama
seperti ahli domain akan menyusun masalah dan untuk meresepkan
solusi yang paling mungkin. ES memungkinkan untuk membuat
• Apa contoh aplikasi dalam
keahlian yang langka tersedia di mana dan saat dibutuhkan, dengan
bentuk expert system?
menggunakan DSS "cerdas".
• Apa kaitan antara Decision
Suport System dengan
Tahun 1980-an melihat perubahan signifikan dalam cara
expert System? organisasi merekam data terkait bisnis. Praktik lama adalah memiliki
• Kapan dimulainya beberapa sistem informasi terputus-putus yang dirancang untuk
penggunaan database pada menangkap data transaksi dari unit atau fungsi organisasi yang
sistem informasi berbeda. Pada 1980-an, sistem (akuntansi, pemasaran dan penjualan,
management?
keuangan, manufaktur) diintegrasikan sebagai sistem informasi
• Kapan lahirnya ERP?
tingkat perusahaan yang sekarang biasa kita sebut sebagai sistem
• Apa komponen sistem yang
Enterprise Resource Planning (ERP). Skema representasi data yang
diintegrasikan ke dalam
lama, sebagian besar berurutan dan tidak standar digantikan oleh
ERP?
sistem manajemen basis data relasional (RDBMS). Sistem ini
memungkinkan untuk meningkatkan penangkapan dan penyimpanan
data dan hubungan antara bidang data organisasi, sekaligus
mengurangi replikasi informasi secara signifikan. Kebutuhan akan
sistem RDBMS dan ERP muncul ketika integritas dan konsistensi
data menjadi masalah, yang secara signifikan menghambat efektivitas
praktik bisnis. Dengan ERP, semua data dari setiap sudut perusahaan
dikumpulkan dan diintegrasikan ke dalam jadwal yang konsisten
sehingga setiap bagian organisasi memiliki akses ke satu-satunya
versi kebenaran kapan dan di mana diperlukan. Seiring dengan

Managerial Support System

munculnya sistem ERP, atau mungkin karena sistem ini, pelaporan
bisnis menjadi praktik bisnis sesuai permintaan, jika perlu. Pengambil
keputusan dapat memutuskan kapan mereka membutuhkan atau ingin
membuat laporan khusus untuk menyelidiki masalah dan peluang
organisasi.
Pada 1990-an, kebutuhan akan pelaporan yang lebih fleksibel
mengarah pada pengembangan sistem informasi eksekutif (EIS; DSS
yang dirancang dan dikembangkan secara khusus untuk para eksekutif
dan kebutuhan pengambilan keputusan mereka). Sistem ini dirancang
sebagai grafik dashboard dan scorecard sehingga dapat berfungsi
sebagai tampilan yang menarik secara visual sambil berfokus pada
faktor kunci bagi pengambil keputusan untuk melacak indikator
kinerja utama. Untuk mengaktifkan pelaporan yang sangat serbaguna
ini sambil menjaga integritas transaksional dari sistem informasi
bisnis tetap utuh, diperlukan untuk membuat lapisan data tengah, yang
dikenal sebagai Data Warehouse (DW), sebagai repositori untuk
secara khusus mendukung pelaporan bisnis dan pengambilan
keputusan. Dalam waktu yang sangat singkat, sebagian besar
perusahaan besar hingga menengah telah mengadopsi pergudangan
data sebagai platform mereka untuk pengambilan keputusan di
seluruh perusahaan. Dashboard dan scorecard mendapatkan datanya
dari DW dan dengan demikian tidak menghalangi efisiensi sistem
transaksi bisnis yang biasanya disebut sebagai sistem ERP.
Pada tahun 2000-an, DSS yang digerakkan oleh Data
Warehouse disebut sistem Business Intelligence. Karena jumlah data
longitudinal yang dikumpulkan di DW meningkat, demikian pula
kemampuan perangkat keras dan perangkat lunak untuk mengikuti
kebutuhan pembuat keputusan yang berubah dan berkembang dengan
cepat. Karena pasar persaingan global, para pengambil keputusan
membutuhkan informasi terkini dalam format yang sangat mudah

Managerial Support System

dicerna untuk mengatasi masalah bisnis dan memanfaatkan peluang
pasar secara tepat waktu. Karena data dalam DW diperbarui secara
berkala, tidak mencerminkan informasi terbaru. Untuk meningkatkan
masalah latensi informasi ini, vendor DW mengembangkan sistem
untuk memperbarui data lebih sering, yang mengarah ke istilah
pergudangan data waktu nyata dan, lebih realistis, pergudangan data
yang tepat, yang berbeda dari sebelumnya dengan kebijakan
penyegaran data berdasarkan diperlukan kesegaran item data (yaitu
tidak semua item data perlu di-refresh secara real time). DW sangat
besar dan kaya fitur, dan menjadi perlu untuk 'menambang' data bisnis
untuk 'menemukan' nugget pengetahuan baru dan berguna untuk
meningkatkan proses dan praktik bisnis, oleh karena itu istilah
penambangan data dan penambangan teks. Dengan bertambahnya
jumlah dan variasi data, kebutuhan akan penyimpanan yang lebih
besar dan kekuatan pemrosesan yang lebih besar pun muncul.
Sementara perusahaan besar memiliki sumber daya untuk mengatasi
masalah ini, usaha kecil hingga menengah membutuhkan model bisnis
yang lebih dapat dikelola secara finansial. Kebutuhan ini mengarah
pada arsitektur berorientasi layanan dan perangkat lunak dan model
bisnis analitik infrastruktur sebagai layanan. Oleh karena itu,
perusahaan yang lebih kecil memperoleh akses ke analitik saat
dibutuhkan dan hanya membayar untuk apa yang mereka gunakan,
daripada berinvestasi dalam sumber daya perangkat keras dan
perangkat lunak yang mahal secara finansial.
Pada tahun 2010-an, kita melihat perubahan paradigma lain
dalam cara data ditangkap dan digunakan. Sebagian besar karena
meluasnya penggunaan Internet, media baru untuk menghasilkan data
telah muncul. Dari semua sumber data baru (misalnya tag RFID untuk
identifikasi frekuensi radio, pengukur energi digital, log web
clickstream, perangkat rumah pintar, perangkat pemantauan kesehatan

Managerial Support System

 yang dapat dipakai), mungkin yang paling menarik dan menantang
adalah jejaring sosial/media sosial. Data tidak terstruktur ini kaya
akan informasi, tetapi analisis sumber data tersebut menimbulkan
tantangan yang signifikan bagi sistem komputer, baik dari perspektif
perangkat lunak maupun perangkat keras. Baru-baru ini, istilah Big
Data telah diciptakan untuk menekankan tantangan yang dibawa oleh
aliran data baru ini kepada kita. Banyak perbaikan di kedua perangkat
keras (misalnya pemrosesan paralel besar-besaran dengan memori
komputasi yang sangat besar dan sistem komputasi multiprosesor
yang sangat paralel) dan perangkat lunak/algoritma (misalnya Hadoop
dengan MapReduce dan NoSQL, Spark) telah dikembangkan untuk
mengatasi tantangan Big Data.
• kapan penggunaan Data Beberapa tahun terakhir dan dekade berikutnya akan
warehouse dilibatkan dalam melihat pertumbuhan yang luar biasa dalam banyak dimensi yang
penggunaan keputusan?
menarik. Analisis streaming dan teknologi sensor, misalnya, telah
• mengapa penggunaan data
memungkinkan IoT. Kecerdasan buatan mengubah bentuk BI dengan
warehouse mengubah
memungkinkan cara baru menganalisis gambar melalui pembelajaran
nama dari DSS ke BI?
mendalam, bukan hanya visualisasi data tradisional. Pembelajaran
• mengapa diciptakan
konsep big data? mendalam dan AI juga membantu menumbuhkan pengenalan suara
• apa yang membedakan dan sintesis ucapan, yang mengarah ke antarmuka baru untuk
antara database, data berinteraksi dengan teknologi. Hampir setengah dari rumah tangga
warehouse dengan big AS sudah memiliki speaker pintar seperti Amazon Echo atau Google
data? Home dan sudah mulai berinteraksi dengan data dan sistem
menggunakan antarmuka suara. Pertumbuhan antarmuka video pada
akhirnya akan memungkinkan interaksi berbasis gerakan dengan
sistem. Semua ini dimungkinkan berkat penyimpanan data berbasis
cloud yang sangat besar dan kemampuan pemrosesan yang luar biasa
cepat. Dan masih ada lagi yang akan datang.
Sulit untuk memprediksi apa yang akan terjadi pada dekade
berikutnya dan seperti apa istilah analitik barunya. Waktu antara

Managerial Support System

pergeseran paradigma baru dalam sistem informasi dan khususnya
dalam analitik menyusut, dan tren ini akan berlanjut di masa
mendatang. Meskipun analitik bukanlah hal baru, ledakan popularitas
sangat baru. Berkat ledakan Big Data baru-baru ini, cara
mengumpulkan dan menyimpan data ini, dan alat perangkat lunak
intuitif, wawasan berbasis data menjadi lebih mudah diakses oleh para
profesional bisnis daripada sebelumnya. Oleh karena itu, di tengah
persaingan global, ada peluang besar untuk membuat keputusan
manajemen yang lebih baik dengan menggunakan data analitik untuk
meningkatkan pendapatan sekaligus mengurangi biaya dengan
membangun produk yang lebih baik, meningkatkan pengalaman
pelanggan dan mendeteksi penipuan. penargetan dan penyesuaian, dan
kembangkan bisnis yang sepenuhnya baru, semuanya dengan
kekuatan analitik dan data. Semakin banyak perusahaan sekarang
mempersiapkan karyawan mereka dengan pengetahuan tentang
analisis bisnis untuk meningkatkan efektivitas dan efisiensi dalam
proses pengambilan keputusan harian mereka.
Bagian selanjutnya berfokus pada kerangka kerja untuk BI.
Sementara kebanyakan orang setuju bahwa BI telah berkembang
menjadi data analitik, banyak vendor dan peneliti masih menggunakan
istilah itu. Jadi paragraf-paragraf berikut memberi penghormatan
kepada sejarah itu dengan berfokus secara khusus pada apa yang
disebut BI. Setelah bagian berikutnya, kami akan memperkenalkan
analitik dan menggunakannya sebagai label untuk mengklasifikasikan
semua konsep terkait.

Managerial Support System

 KESIMPULAN

1. Sebuah DSS biasanya dibangun untuk mendukung solusi dari masalah

tertentu atau untuk mengevaluasi peluang
2. DSS mungkin memiliki database sendiri dan dikembangkan untuk
memecahkan masalah tertentu atau serangkaian masalah dan oleh
karena itu disebut aplikasi DSS
3. Aplikasi DSS dapat terdiri dari subsistem manajemen data,
manajemen model subsistem, subsistem antarmuka pengguna, dan
subsistem manajemen berbasis pengetahuan
4. Subsistem manajemen data mencakup database yang berisi data yang
relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut
sistem manajemen basis data (DBMS).
5. Sejarah perkembangan keputusan management perusahaan dibagi
menjadi 70an dengan MIS, 80an dengan database dan DSS, 90an
ERP, 2000an BI dan Big Data & Analytics.

Managerial Support System

 DAFTAR PUSTAKA

1. Sharda, Ramesh; Delen, Dursun; & Turban, Efraim. (2020).

Analytics, Data Science, & Artificial Intelligence: Systems for
Decision Support. Pearson. ISBN: 978-0-13-519201-6

Managerial Support System