SISTEM INFORMASI MANAJEMEN 8 / E

Raymond McLeod, Jr. dan George Schell

Bab 13
Sistem Pendukung Keputusan

13-1
Hak Cipta 2001 Prentice-Hall, Inc.
 Jenis-Jenis Keputusan Simon

 Keputusan terprogram
– berulang dan rutin
– memiliki prosedur yang pasti
 Keputusan yang tidak terprogram
– Novel dan tidak terstruktur
– Tidak ada metode potong-dan-kering untuk
menangani masalah
 Jenis ada pada kontinum
13-2
 Fase Pemecahan Masalah Simon
 Intelijen
– Mencari lingkungan untuk kondisi yang membutuhkan solusi
 Rancangan
– Menemukan, mengembangkan, dan menganalisis tindakan
yang mungkin dilakukan
 Pilihan
– Memilih tindakan dari yang tersedia
 Ulasan
– Menilai pilihan masa lalu

13-3
 Definisi Sistem Pendukung
Keputusan (DSS)
Definisi umum - sebuah sistem yang menyediakan
kemampuan pemecahan masalah dan komunikasi
untuk masalah yang terstruktur
Definisi spesifik - sebuah sistem yang mendukung
manajer tunggal atau kelompok manajer yang relatif
kecil yang bekerja sebagai tim penyelesaian masalah
dalam solusi masalah terstruktur dengan memberikan
informasi atau membuat saran mengenai spesifik
keputusan.
13-4
 Konsep DSS
 Gorry dan Scott Morton menciptakan ungkapan 'DSS' pada
tahun 1971, sekitar sepuluh tahun setelah MIS menjadi
populer
 Jenis keputusan dalam hal struktur masalah
– Masalah terstruktur dapat diselesaikan dengan algoritma dan
aturan keputusan
– Masalah yang tidak terstruktur tidak memiliki struktur dalam
fase Simon
– Masalah semi-terstruktur memiliki fase terstruktur dan tidak
terstruktur

13-5
 Kotak Gorry dan Scott Morton
Tingkat manajemen
Operasional Pengelolaan Strategis
kontrol kontrol perencanaan
Tersusun Akun Analisis anggaran - Armada tanker
piutang biaya rekayasa campuran
Derajat Pesanan masuk Jangka pendek Gudang dan
masalah peramalan lokasi pabrik
struktur Inventaris
kontrol

Terstruktur Produksi Analisis varian -

penjadwalan Merger dan
anggaran keseluruhan
akuisisi
Tunai Anggaran
pengelolaan Baru produk
persiapan perencanaan
PERT / BIAYA Penjualan dan
Tidak terstruktur sistem Perencanaan R&D
produksi

13-6
 Jenis DSS Alter
 Pada 1976 Steven Alter, seorang mahasiswa
doktoral yang dibangun di atas kerangka kerja
Gorry dan Scott-Morton
– Menciptakan taksonomi dari enam jenis DSS
– Berdasarkan studi terhadap 56 DSS
 Mengklasifikasikan DSS berdasarkan “tingkat
dukungan pemecahan masalah.”

13-7
 Tingkat DSS Alter
 Tingkat dukungan pemecahan masalah dari
terendah ke tertinggi
– Pengambilan elemen informasi
– Pengambilan file informasi
– Pembuatan laporan dari banyak file
– Estimasi konsekuensi keputusan
– Usulkan keputusan
– Membuat keputusan

13-8
 Pentingnya Studi Alter

 Mendukung konsep pengembangan sistem yang

menangani keputusan tertentu
 Menjelaskan bahwa DSS tidak perlu dibatasi
untuk jenis aplikasi tertentu

13-9
 Jenis DSS Alter

Tingkat
dukungan
pemecah
Ambil Analisis Siapkan Perkirakan Usulkan Membuat an
elemen seluruh laporan konsekuensi keputusan keputusan masalah
informasi file dari keputusan-ces
banyak file

Tingkat kerumitan
Sedikit Banyak
sistem penyelesaian
masalah
13-10
 Tiga Tujuan DSS
1. Membantu memecahkan masalah semi-
terstruktur
2. Mendukung, bukan mengganti, manajer
3. Berkontribusi pada efektivitas keputusan, dan
bukannya efisiensi

Berdasarkan studi Keen dan Scott-Morton

13-11
Model DSS
Lingkungan
Hidup
Individu Lain
masalah
pemecah kelompok
anggota

Melaporkan GDSS
Matematis GDSS
penulisan perangkat lunak
Model perangkat lunak
perangkat lunak

Basis
data

Keputusan
dukung
sistem
Lingkungan Hidup
Data Komunikasi Informasi
Legenda:
13-12
 Isi Basis Data
 Digunakan oleh Tiga Subsistem Perangkat Lunak
– Laporkan penulis
» Laporan khusus
» Laporan berkala
» COBOL atau PL / I
» DBMS
– Model matematika
» Simulasi
» Bahasa pemodelan khusus
– Groupware atau GDSS

13-13
Sistem Pendukung Keputusan Grup
 Sistem berbasis komputer yang mendukung kelompok
orang yang terlibat dalam tugas bersama (atau tujuan)
dan yang menyediakan antarmuka ke lingkungan
bersama.
 Digunakan dalam pemecahan masalah
 Area terkait
– Sistem pertemuan elektronik (EMS)
– Kerja kooperatif yang didukung komputer (CSCW)
– Sistem dukungan kelompok (GSS)
– Groupware

13-14
 Bagaimana GDSS Berkontribusi
untuk Pemecahan Masalah
 Peningkatan komunikasi
 Fokus diskusi yang lebih baik
 Lebih sedikit waktu terbuang

13-15
 Pengaturan Lingkungan GDSS
 Pertukaran sinkron
– Anggota bertemu pada saat bersamaan
– Rapat komite adalah contohnya
 Pertukaran asinkron
– Anggota bertemu di waktu yang berbeda
– Email adalah contohnya
 Partisipasi yang lebih seimbang.
13-16
 Jenis GDSS
 Ruang keputusan
– Kelompok kecil berhadapan muka
– Komunikasi paralel
– Anonimitas
 Jaringan keputusan area lokal
– Anggota berinteraksi menggunakan LAN
 Sesi legislatif
– Interaksi kelompok besar
 Konferensi yang dimediasi komputer
– Mengizinkan interaksi kelompok yang besar dan tersebar secara geografis

13-17
 Ukuran Grup dan Lokasi Tentukan
Pengaturan Lingkungan GDSS
KELOMPOK
UKURAN
Lebih kecil Lebih besar

Tatap muka Keputusan Legislatif

wajah
Kamar Sidang
ANGGOTA
KEDEKATAN Area lokal Komputer-
Bubar Keputusan Dimediasi
Jaringan Konferensi

13-18
 Groupware
 Fungsi
– Surel
– FAX
– Olahpesan suara
– Akses internet
 Lotus Notes
– Produk groupware populer
– Menangani data yang penting bagi manajer
13-19
 Fungsi Groupware Utama
IBM TeamWARE Teratai Novell
Fungsi Kelompok kerja Kantor Catatan GroupWise
Electronic mail X X X X
FAX X X O X
Voice messaging O X
Internet access X X O X
Bulletin board system X 3 O
Personal calendaring X X 3 X
Group calendaring X X O X
Electronic conferencing O X 3 3
Task management X X 3 X
Desktop video conferencingO
Database access O X 3
Workflow routing O X 3 X
Reengineering O X 3
Electronic forms O 3 3 O
Group documents O X X O
X = fitur standar O = fitur opsional 3 = penawaran pihak ketiga
13-20
 Kecerdasan Buatan (AI)

Aktivitas menyediakan mesin seperti

komputer dengan kemampuan untuk
menampilkan perilaku yang akan
dianggap cerdas jika diamati pada
manusia.

13-21
 Sejarah AI
 Sejarah awal
– John McCarthy menciptakan istilah, AI, pada tahun 1956,
di konferensi Dartmouth College.
– Logic Theorist (program AI pertama). Herbert Simon
berperan)
– Pemecah masalah umum (GPS)
 2 dekade terakhir
– Penelitian telah mengambil kursi belakang untuk
pengembangan MIS dan DSS

13-22
Bidang Kecerdasan Buatan

Ahli
sistem AI
perangkat keras
Robotika
Alam
bahasa Tanggap
sistem
Neural (penglihatan,
jaringan pendengaran)
Belajar

Kecerdasan buatan
13-23
 Banding Sistem Pakar
 Program komputer yang mengkode
pengetahuan para ahli manusia dalam bentuk
heuristik
 Dua perbedaan dari DSS
– 1. Memiliki potensi untuk memperluas kemampuan
pemecahan masalah manajer
– 2. Kemampuan untuk menjelaskan bagaimana solusi
itu tercapai

13-24
 Instruksi & Solusi &
Pengetahuan
informasi penjelasan
Pengg
una
Pengguna
antarmuka

Tahu-
Kesimpulan Masalah
langkan
mesin Domain
mendas
arkan
Pengembangan
mesin
Ahli
sistem
Seorang ahli
Model sistem
Insinyur ahli dan
pengetahuan 13-25
 Model Sistem Pakar
 Antarmuka pengguna
– Mengizinkan pengguna berinteraksi dengan sistem
 Dasar pengetahuan
– Rumah mengumpulkan pengetahuan
 Mesin kesimpulan
– Memberikan alasan
– Menafsirkan basis pengetahuan
 Mesin pengembangan
– Menciptakan sistem pakar

13-26
 Antarmuka pengguna

 Pengguna masuk:
– Instruksi
– Informasi } Menu, perintah, bahasa alami, GUI

 Sistem pakar menyediakan:

– Solusi
– Penjelasan dari
» Pertanyaan
» Solusi masalah

13-27
 Dasar pengetahuan

 Deskripsi domain masalah

 Aturan
– Teknik representasi pengetahuan
– Logika 'JIKA: KEMUDIAN'
– Jaringan aturan
» Level terendah memberikan bukti
» Level teratas menghasilkan 1 atau lebih kesimpulan
» Kesimpulan disebut variabel Tujuan.

13-28
 Aturan Mengatur Itu
Kesimpulan Menghasilkan Satu Final
Kesimpulan

Kesimpulan
Kesimpulan

Bukti Bukti Bukti Bukti

Bukti Bukti Bukti Bukti

13-29
 Pemilihan Aturan

 Memilih aturan untuk menyelesaikan masalah

secara efisien itu sulit
 Beberapa tujuan dapat dicapai hanya dengan
beberapa aturan; aturan 3 dan 4
mengidentifikasi burung

13-30
 Mesin Inferensi
 Melakukan penalaran dengan menggunakan isi
basis pengetahuan dalam urutan tertentu
 Dua pendekatan dasar untuk menggunakan
aturan
– 1. Forward reasoning (didorong data)
– 2. Penalaran terbalik (goal driven)

13-31
 Forward Reasoning
(Forward Chaining)
 Aturan dievaluasi sebagai:
– (1) benar, (2) salah, (3) tidak diketahui
 Evaluasi aturan adalah proses berulang
 Ketika tidak ada lagi aturan yang bisa dipecat,
proses penalaran berhenti bahkan jika suatu
tujuan belum tercapai
Mulai dengan input dan
bekerja ke solusi
13-32
Aturan 1 Maju
T
JIKA
SEBUAH Aturan 7 Pemikiran
MAKA B
Aturan 2
F
JIKA B ATAU D
MAKA K
Aturan 10
JIKA K DAN
Proses
JIKA C T L THEN N
MAKA D
T
Aturan 3 Aturan 8 Aturan 12
T T
JIKA M JIKA E JIKA N ATAU O
MAKA E MAKA L MAKA P
T
Aturan 4
T
JIKA K
Legenda:
MAKA F
Aturan Pertama lulus
Aturan 5 Aturan 11
T 9 JIKA (F DAN H) T
JIKA G JIKA (F DAN H) JIKA M
ATAU
ATAUJJ
MAKA H TIDAK Lulus kedua
MAKA
MAKAMM T
Aturan 6
F Lulus ketiga
JIKA SAYA
MAKA J
13-33
Membalikkan Langkah Penalaran
(Backward Chaining)
 Bagilah masalah menjadi submasalah
 Cobalah untuk menyelesaikan satu submasalah
 Lalu coba yang lain

Mulailah dengan
solusi dan kembali
ke input

13-34
 Langkah 4 Lima Masalah Pertama
Aturan 1
JIKA LALU
Langkah 3 Diidentifikasi
B Aturan 7 Langkah 2
T
JIKA B ATAU D Aturan 10
MAKA K Langkah 1
Aturan 2 T JIKA K DAN L Aturan 12
JIKA C MAKA N
JIKA N ATAU O
MAKA D
MAKA P
Langkah 5
Aturan 3 Aturan 8
JIKA M JIKA E
MAKA E MAKA L

Aturan Legenda:
11 Masalah untuk
JIKA (F DAN H) JIKA MM diselesaikan
Aturan 9 ATAU J JIKA
TIDAK
TIDAK
MAKA M
13-35
 Empat Masalah Selanjutnya
Langkah 8 Teridentifikasi Aturan 12

Aturan 4
Jika N Atau O
Lalu P T
Jika K
Lalu F
T
Langkah 7 Langkah 6
Langkah 9
Aturan 5
Jika G JIKA (F Dan Jika M
Lalu H H) Tidak
T Atau J T T
Lalu M
Aturan 9 Aturan 11 Legenda:
Aturan 6 Masalah untuk
diselesaikan
Jika saya
Lalu J 13-36
Forward Versus Reverse Reasoning
 Reverse reasoning lebih cepat dari forward
reasoning
 Reverse reasoning berfungsi paling baik dalam
kondisi tertentu
– Beberapa variabel sasaran
– Banyak aturan
– Semua atau sebagian besar aturan tidak harus
diperiksa dalam proses mencapai solusi
13-37
 Mesin Pengembangan
 Bahasa pemrograman
– Pelat
– Prolog
 Cangkang sistem pakar
– Prosesor siap pakai yang dapat disesuaikan dengan
domain masalah tertentu
 Case-based reasoning (CBR)
 Pohon keputusan

13-38
 Keuntungan Sistem Pakar
 Untuk para manajer
– Pertimbangkan lebih banyak alternatif
– Terapkan logika tingkat tinggi
– Memiliki lebih banyak waktu untuk mengevaluasi aturan
keputusan
– Logika yang konsisten
 Untuk perusahaan
– Kinerja yang lebih baik dari tim manajemen
– Simpan sumber pengetahuan perusahaan

13-39
 Kekurangan Sistem Pakar

 Tidak bisa menangani pengetahuan yang tidak

konsisten
 Tidak bisa menerapkan penilaian atau intuisi

13-40
 Kunci Pengembangan ES yang
Sukses
 Mengkoordinasikan pengembangan ES dengan perencanaan
strategis
 Mendefinisikan masalah dengan jelas dan memahami domain
masalah
 Berikan perhatian khusus pada kelayakan etis dan hukum
sistem yang diusulkan
 Memahami kekhawatiran dan harapan pengguna tentang sistem
 Gunakan teknik manajemen yang dirancang untuk
mempertahankan pengembang

13-41
 Jaringan Saraf Tiruan

 Model matematika otak manusia

– Mensimulasikan cara neuron berinteraksi
memproses data dan belajar dari pengalaman
 Pendekatan bottom-up untuk memodelkan
intuisi manusia

13-42
 Otak Manusia

 Neuron - pengolah informasi

– Input - dendrit
– Memproses - soma
– Output - akson
 Neuron terhubung oleh sinaps

13-43
Neuron Biologis Sederhana

Soma
Jalan Aksonal
(prosesor)
(keluaran)

Sinaps
Akson

Dendrit
(memasukkan)

13-44
 Evolusi Buatan
Sistem Saraf (ANS)
 Fungsi neuron matematika McCulloch-Pitts
(akhir 1930-an) adalah titik awal
 Hukum belajar Hebb (awal 1940-an)
 Neurokomputer
– Marvin Minsky's Snark (awal 1950-an)
– Rosenblatt's Perceptron (pertengahan 1950-an)

13-45
 Metodologi saat ini

 Model matematika tidak menduplikasi otak

manusia, tetapi menunjukkan kemampuan yang
sama
 Jaringan yang kompleks
 Pelatihan berulang
– ANS “belajar” dengan contoh

13-46
 Neuron Buatan Tunggal
y1 w1

y2 w2

y3 w3

y
wn-1

yn-1 13-47
 DI DI
LUAR1 LUARn

Lapisa
Multi-Layer
n
Input
Perceptron

Y1 Yn2

OutputL
ayer

DI1 DIn
13-48
 Sistem Berbasis Pengetahuan
dalam Perspektif
 Banyak yang telah dicapai dalam jaring saraf
dan sistem pakar
 Masih banyak pekerjaan
 Kemampuan sistem untuk meniru kecerdasan
manusia terlalu terbatas dan dianggap primitif

13-49
 Ringkasan [lanjutan]

 AI
– Jaringan saraf
– Sistem pakar
 Keterbatasan dan janji

13-50