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
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
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
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
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)
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
13-27
Dasar pengetahuan
13-28
Aturan Mengatur Itu
Kesimpulan Menghasilkan Satu Final
Kesimpulan
Kesimpulan
Kesimpulan
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
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
13-42
Otak Manusia
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
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