Wr.Wb
Tugas
mandiri
• Semakin tak terstruktur suatu situasi, maka akan solusinya akan lebih
spesifik. ES dibuat untuk menyerupai seorang pakar/ahli.
• ES adalah paket hardware dan software yang digunakan sebagai pengambil
keputusan dan/atau pemecahan masalah; yang dapat mencapai level yang
setara atau kadang malah melebihi seorang pakar/ahli, pada satu area
masalah yang spesifik dan biasanya lebih sempit.
• Merupakan cabang dari aplikasi Artificial Intelligence (AI).
• Ide dasarnya sederhana. Kepakaran ditransfer dari seorang pakar ke
komputer. Pengetahuan ini lalu disimpan disitu dan user dapat meminta
saran spesifik yang dibutuhkannya. Komputer dapat mencari, mengolah dan
menampilkan kesimpulan yang spesifik. Dan seperti seorang pakar, saran
tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut
penjelasannya yang berisi logika penalaran di balik saran itu.
Neural Computing (Artificial Neural Network)
• Karakteristik MIS
• Karakteristik Operation Research/Management
Science.
• Karakteristik DSS
• Relasi antara EDP, MIS, and DSS
Hubungan antara Decision Support-Expert System
Category Task
Transaction Keep inventory of personnel. Prepare payroll; compute salaries and
Processing incentive plans.
Management Prepare summary reports (e.g., average salaries in each department).
Information System Conduct performance tracking of employees, labor budget. Do
preparation, monitoring, and analysis. Perform short-term scheduling.
Match positions and candidates.
Monitor positions control systems. Do fringe benefits monitoring and
control.
Decision Prepare special reports (e.g., safety records, equal opportunity
Support Systems achievements). Do long-range planning for human resources. Design a
compensation plan. Provide quantitative support of labor-management
negotiation.
Expert Systems Obtain advice on legal and tax implications during management labor
negotiations. Develop a social responsibility plan. Select training media.
Design comprehensive training programs. Help in selecting new employees.
Category Task
Office Automation Do online job interviews and recruiting, schedule meetings, maintain
mailing lists, schedule training, use for electronic mail, receive labor news
and
statistics online, prepare training materials.
Executive Exists at the corporate level only. Will measure key performance
Information System indicators of the department (such as dollar per employee).
Group DSS Can be used for supporting the process of making controversial major
decisions (e.g., personnel policies).
Neural Computing Screen applicants for jobs. Analyze reasons why people leave the company
(find patterns).
Computer-Based Information Systems di Departemen
Personalia
Category Task
Transaction Keep inventory of personnel. Prepare payroll; compute salaries and
Processing incentive plans.
Management Prepare summary reports (e.g., average salaries in each department).
Information System Conduct performance tracking of employees, labor budget. Do
preparation, monitoring, and analysis. Perform short-term scheduling.
Match positions and candidates.
Monitor positions control systems. Do fringe benefits monitoring and
control.
Decision Prepare special reports (e.g., safety records, equal opportunity
Support Systems achievements). Do long-range planning for human resources. Design a
compensation plan. Provide quantitative support of labor-management
negotiation.
Expert Systems Obtain advice on legal and tax implications during management labor
negotiations. Develop a social responsibility plan. Select training media.
Design comprehensive training programs. Help in selecting new employees.
Category Task
Office Automation Do online job interviews and recruiting, schedule meetings, maintain
mailing lists, schedule training, use for electronic mail, receive labor news
and
statistics online, prepare training materials.
Executive Exists at the corporate level only. Will measure key performance
Information System indicators of the department (such as dollar per employee).
Group DSS Can be used for supporting the process of making controversial major
decisions (e.g., personnel policies).
Neural Computing Screen applicants for jobs. Analyze reasons why people leave the company
(find patterns).
BAB 2
PENGAMBILAN KEPUTUSAN, SISTEM, PEMODELAN,
DAN DUKUNGAN
SISTEM
• Sistem adalah kumpulan dari obyek-obyek seperti orang, resources, konsep, dan
prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu
tujuan.
• Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface.
• Sistem terdiri dari: Input, Proses, dan Output.
• Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang
memperhitungkan output atau kinerja sistem. Dari informasi ini, pengambil
keputusan, yang bertindak sebagai pengontrol, bisa memutuskan untuk memodifikasi
input, atau proses, atau malah keduanya.
• Environment/lingkungan dari sistem terdiri dari pelbagai elemen yang terletak di luar
input, output, atau pun proses.
• Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya.
• Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat
kemandirian dari sistem.
• Sistem terbuka (Open System) sangat tergantung pada lingkungannya.
• 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi
•
Perbedaan antara sistem inventory tertutup dan terbuka:
Constant demand, constant per-unit cost, constant lead time. Variable demand influenced by many factors;
cost can be changed any day; lead time varies and is
difficult to predict.
Vendors and users are excluded from the analysis. Vendors and users are being considered.
Weather and other environmental factors are ignored. Weather conditions could determine both demand and
lead time.
Model
Intellegence Phase
• Tahap ini meliputi pembuatan, pengembangan, dan analisis hal-hal yang mungkin
untuk dilakukan. Termasuk juga disini pemahaman masalah dan pengecekan solusi
yang layak. Juga model dari masalahnya dirancang, dites, dan divalidasi.
• Tugas-tugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan
Prinsip Pemilihan
Nilai dari pelbagai alternatif dapat dilihat pada pencapain tujuan. Terkadang suatu hasil
dinyatakan secara langsung dengan istilah tujuan itu sendiri. Sebagai contoh, profit
adalah hasil, dimana maksimalisasi profit adalah tujuan, dan keduanya dinyatakan dalam
istilah dollar. Pada kasus lain suatu hasil dapat dinyatakan dalam istilah lain yang
berbeda dengan tujuan.
• Skenario
• Skenario mungkin
The Choice Phase
Pelbagai metode yang menangani tujuan yang jamak dapat digunakan pada saat bekerja
dengan MSS. Umumnya adalah:
• Penggunaan teori utilitas.
• Goal Programming.
• Pernyataan goal sebagai constraint, menggunakan linear programming.
• Penggunaan point system.
Faktor Kritis Sukses
Critical Succes Factors (CSF) berhubungan dengan “Choice”. Merupakan teknis diagnostik
untuk mengidentifikasi faktor-faktor yang kritis terhadap pencapaian tujuan organisasi.
Semua pihak eksekutif terlibat di sini.
Sekali faktor ini ditentukan maka mudah mengidentifikasi kesenjangan informasi, untuk
menemukan kembali faktor-faktor kritis mana yang belum didukung oleh sistem informasi
yang sekarang.
implementasi
Implementasi dari solusi masalah yang ditawarkan adalah mengawali hal yang baru, atau
dalam bahasa modern – pengenalan perubahan.
Bagaimana Keputusan itu Didukung?
Cognition adalah aktifitas suatu individu dalam mengatasi perbedaan antara cara
pandangnya dari dalam lingkungan dan apa yang memang benar-benar ada dalam
lingkungan itu. Dengan kata lain, kemampuan untuk mempersepsi dan memahami
informasi.
BAB 3
DECISION SUPPORT SYSTEMS
Pengertian
Definisi awalnya adalah suatu sistem yang ditujukan untuk mendukung manajemen
pengambilan keputusan.
Sistem berbasis model yang terdiri dari prosedur-prosedur dalam pemrosesan data dan
pertimbangannya untuk membantu manajer dalam mengambil keputusan. Agar berhasil
mencapai tujuannya maka sistem tersebut harus:
(1) sederhana,
(2) robust,
(3) mudah untuk dikontrol,
(4) mudah beradaptasi,
(5) lengkap pada hal-hal penting,
(6) mudah berkomunikasi dengannya.
Karakteristik dan Kemampuan DSS
Komponen DSS
1. Data Management. Termasuk database, yang mengandung data yang relevan untuk
pelbagai situasi dan diatur oleh software yang disebut Database Management Systems
(DBMS).
2. Model Management. Melibatkan model finansial, statistikal, management science,
atau pelbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu
kemampuan analitis, dan manajemen software yang diperlukan.
3. Communication (dialog subsystem). User dapat berkomunikasi dan memberikan
perintah pada DSS melalui subsistem ini. Ini berarti menyediakan antarmuka.
4. Knowledge Management. Subsistem optional ini dapat mendukung subsistem lain
atau bertindak sebagai komponen yang berdiri sendiri.
The Data Management Subsystem
• Orang yang berhadapan dengan masalah atau keputusan dimana DSS didesain untuk
mendukungnya disebut dengan user, manajer, atau pengambil keputusan.
• DSS memiliki 2 klas user: manajer dan staf spesialis.
Mode perantara masih sering ditemui dalam penggunaan DSS, maka dari itu
terdapat beberapa tipe perantara yang merefleksikan pelbagai dukungan yang
berbeda terhadap manajer:
1. Staff assistant
2. Expert tool
3. Business (system) analyst
4. Facilitator in Group DSS
Hardware dan Software DSS
1. Time-sharing Network.
2. Mainframe, Workstation, Mini, atau Personal Computer.
3. Distributed DSS.
1. Time-sharing Network.
2. Mainframe, Workstation, Mini, atau Personal Computer.
3. Distributed DSS.
DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan
data dalam skala yang lebih besar, struktur file yang kompleks, pengambilan,
pengubahan dan penampilan data secara cepat, dan keamanan data yang lebih baik dari
sekedar database biasa.
Software Database.
1. Procedural Languages
2. Nonprocedural Fourth-generation Language (4GLs
3. Problem-oriented Language
Fourth-generation Systems
DBMS yang digunakan sebagai tool pengembangan dari suatu DSS, biasanya ditulis dalam
4GL dan diintegrasikan dengan pelbagai elemen yang lain.
Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer
mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. FGS yang
lengkap mempunyai pelbagai fitur yang membuat user mudah berkomunikasi dengan
komputer, dan buat pembangun DSS membuatnya mudah membangun suatu DSS.
Struktur Database dan SQL
1. Relational Database.
2. Hierarchical.
3. Network.
4. SQL.
Object-oriented Database
Aplikasi MSS yang kompleks, misalnya yang melibatkan CIM (Computer Integrated
Manufacturing) membutuhkan akses ke data yang kompleks, yang melibatkan gambar-
gambar dan relasi yang juga kompleks.
Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang
melayani bermacam-macam kebutuhan suatu enterprise. Ini adalah kerangka kerja
berbasis teknologi yang terdiri dari pelbagai aplikasi, hardware, databases, jaringan, dan
tool-tool manajemen, dan biasanya berasal dari pelbagai vendor.
Konsep Information Warehouse (IW)
IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada
suatu suatu enterprise, sampai saat dibutuhkan; yang selama ini belum bisa dilakukan
oleh user MSS. IW adalah sekumpulan DBMS, interface, tool, dan pelbagai fasilitas yang
mengatur dan menyampaikan informasi yang handal, tepat waktu, akurat, dan mudah
dimengerti dalam pengambilan keputusan bisnis.
Arsitektur Client/Server
Arsitektur yang mencoba untuk mengorganisasi PC, LAN, dan mainframe, ke dalam sistem
yang fleksibel, efektif, dan efisien.
Aplikasi client/server dibagi menjadi 4 kategori:
• Aplikasi pesan, seperti e-mail.
• Penyebarluasan suatu database diantara pelbagai jaringan komputer.
• Sharing/pemakaian bersama pada file/peralatan lain, atau remote akses komputer.
• Pemrosesan aplikasi intensif dimana job dibagi dalam pelbagai task, masing-
masingnya dikerjakan pada komputer yang berbeda.
Multidimensionality
Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. Tapi
perlu diingat, pendekatan ini harus dibayar dengan hal-hal berikut:
• Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan
dengan database relasional yang sudah diringkaskan.
• Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan
dengan produk relasional standar.
• Waktu proses pemanggilan databasenya membutuhkan resources dan waktu,
tergantung pada volume data dan jumlah dimensinya.
• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database
relasional.
Data dipping ini memiliki juga nama lain: Business Intelligence Systems, end-user data access, dan
data access and reporting tools. Contoh produknya:
• Excel (dari Microsoft), diperkuat dengan Q&E (dari Q&E Corp.).
• Visual Basic (dari Microsoft).
• Lotus 1-2-3 (dari Lotus Development Corp., sekarang dibeli Microsoft), diperkuat dengan
DataLens.
• LightShip (dari Pilot Software).
• Personal Access (dari Spinnaker Corp.).
• Quest (dari Gupta Corp.).
• Forest and Trees (dari Channel Computing, sekarang merupakan divisi dari Trinzic Corp.).
Intelligent Database
Teknologi AI, khususnya ES, dapat mempermudah manajemen database. Salah satu cara
untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan
penyediaan kemampuan inferencing. Pendekatan ini disebut dengan intelligent database.
Di bawah ini terdapat diagramnya:
BAB 5
PEMODELAN DAN MANAJEMEN MODEL
Pemodelan dalam MSS
Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model:
1. Model statistik (analisis regresi),
2. Model finansial.
3. Model optimasi
• Analisis statis
• Analisis dinamis
• Model certainty (kepastian). Mudah untuk bekerja dengan model ini dan dapat
menghasilkan solusi yang optimal.
• Uncertainty (ketidakpastian). Umumnya memang diusahakan sebisa mungkin
menghindari uncertainty ini. Dibutuhkan informasi lebih banyak sehingga masalah
dapat diproses dengan resiko yang dapat dihitung.
• Risk (Resiko). Kebanyakan keputusan bisnis dibuat dibawah asumsi resiko tertentu.
Analisis Keputusan dari Sedikit Alternatif
1) Tabel keputusan
2) Pohon Keputusan
3) Multiple Goals
1) Pemrograman matematis
2) Linear Programming (LP)
3) Perumusan Umum dan Istilah
Simulasi
Metodologi Simulasi.
1. Definisi masalah.
2. Membangun model simulasi.
3. Testing dan validasi model.
4. Desain percobaan.
5. Melakukan percobaan.
6. Evaluasi hasil.
7. Implementasi.
Analisis Keputusan dari Sedikit Alternatif
1) Tabel keputusan
2) Pohon Keputusan
3) Multiple Goals
1) Pemrograman matematis
2) Linear Programming (LP)
3) Perumusan Umum dan Istilah
Simulasi
Metodologi Simulasi.
Tipe simulasi :
1. Definisi masalah.
• Simulasi Probabilistik
2. Membangun model simulasi.
• Simulasi bergantung waktu (time dependent)
3. Testing dan validasi model.
vs simulasi tak bergantung waktu (time
4. Desain percobaan.
independent).
5. Melakukan percobaan.
• Simulasi visual
6. Evaluasi hasil.
7. Implementasi.
Pemrograman Heuristic
Metodologi.
Pendekatan lojik heuristic melibatkan hal-hal berikut:
• Skema klasifikasi yang mengenalkan struktur ke dalam permasalahan.
• Analisis karakteristik dari elemen-elemen masalah.
• Aturan-aturan untuk seleksi elemen dari setiap kategori untuk mendapatkan strategi
pencarian yang efisien.
• Aturan-aturan untuk seleksi lebih lanjut, bila diperlukan.
• Fungsi tujuan yang digunakan untuk mengecek kelayakan solusi pada setiap tahapan
seleksi atau pencarian.
Diagram ini menyajikan pernyataan grafis dari suatu model, merupakan sarana
komunikasi visual ke pembuat model. Juga menyediakan kerangka kerja untuk
menyatakan sifat alamiah sesungguhnya dari hubungan diantara model MSS. Istilah
influence (pengaruh) mengacu pada ketergantungan variabel pada level variabel lainnya.
Diagram ini memetakan semua variabel dalam permasalahan manajemen.
Forecasting (Peramalan)
Sebagai contoh software forecasting adalah: SPSS, SAS System, Forecast Master, dll.
Pemodelan Nonkuantitatif
Pendekatan pemodelan yang dibahas sampai saat ini berpusat pada model kuantitatif.
Namun demikian, pemodelan dalam MSS mungkin juga melibatkan model nonkuantitatif
(kualitatif). Dalam kebanyakan kasus pemodelan nonkuantitatif dinyatakan dalam rule-
rule (aturan).
Bahasa Pemodelan dan Spreadsheet
Dibandingkan dengan DBMS yang merupakan salah satu komponen dalam DSS (sudah
dibahas pada bagian sebelumnya), tentu ada perbedaan:
Major Advantages (Strong Major Disadvantages (Weak
Points) Points)
Financial Financial reporting (and consolidations Limited sorting with older
Modelling- with some systems) two- dimensional packages
based Forecasting Limited data entry
Generators Sensitivity analysis Limited handling of text with data
Usually easier to Some systems are two-dimensional and
learn for financial require DBMS for consolidations
people
Many built-in financial and statistical
routines
DBMS-based Data (record)- Cumbersome with time-series
Generators oriented Best text problems Cumbersome with
handling Best multidimensional applications
sort/merge (multiple “passes” of the data
Data integrity required)
Strong in ad hoc, unstructured Cumbersome in sensitivity
Model Kuantitatif yang Tersedia
DSS generator memiliki pelbagai model kuantitatif standar dalam pelbagai area, seperti
statistik, analisis keuangan, akunting, dan management science. Model tersebut dapat
dipanggil dengan perintah seperti:
• SQRT: fungsi ini menghitung akar dari bilangan yang bisa saja merupakan bagian dari
model inventory.
• NPV: fungsi ini menghitung net present value dari koleksi cash flow mendatang untuk
suku bunga tertentu. Bisa juga merupakan bagian dari model make-versus-buy.
Banyak sekali di pasaran, pelbagai software yang dapat melakukan perhitungan
kuantitatif ini, misalnya:
• Statistical Packages. Contohnya adalah Excel dan Lotus 1-2-3.
• Management Science Packages. Contohnya: adalah Stratagem
• Financial Modeling. Misalnya: Minitab, SAS, SPPS, Systat, dan lain-lain.
• Decision Analysis and Multiple Criteria Decision-making Packages.
Model Base Structure and Management
Konsep model base management yang dicari untuk paket software yang dimaksud,
dengan kemampuan yang serupa dengan konsep DBMS dalam database. Walaupun begitu
banyak paket DBMS komersial, tak ada model base management menyeluruh saat ini di
pasaran. Kemampuan yang terbatas, yang menjadi kendala dalam paket model
management, diatasi oleh beberapa program spreadsheet dan financia planning-based
DSS generators.
BAB 6
ANTARMUKA USER
Pendahuluan
Antarmuka user mengacu pada fasilitas komunikasi baik software maupun hardware,
antara user dan komputer. Antarmuka user adalah bagian dari bidang yang disebut
interaksi manusia dan komputer, yang mempelajari manusia, teknologi komputer, dan
cara memperlancar hubungan ini. Antarmuka membahas respon/tanggapan, dan
melibatkan pertukaran grafik, akustik, dan tanda-tanda lainnya.
Mode Antarmuka
• Software Grafis.
Manfaat utamanya adalah menampilkan gambar-gambar informasi secara visual pada
layar, printer/plotter, atau keduanya. Contoh: Harvard Graphics, Adobe.
• Peran Komputer Grafis.
Di bawah ini adalah tabel yang menunjukkan keuntungan GUI dibandingkan dengan CUI
(Character User Interface):
• Salah satu pengembangan dalam komputer grafis yang menarik. Teknik ini digunakan
dalam DSS dalam pelbagai manajemen operasi. Nama lainnya adalah penyelesaian
masalah visual interaktif, pemodelan visual interaktif, dan simulasi visual interaktif.
• VIM menggunakan tampilan komputer grafis untuk menyajikan pengaruh dari pelbagai
keputusan manajemen.
• VIM digunakan dengan DSS dalam pelbagai manajemen operasi. Metode ini dijalankan
dengan menggunakan model interaktif visual dari suatu mesin (atau perusahaan) pada
statusnya yang sekarang.
Tampilan 3-D.
Dengan tampilan 3D pada VR ini, user melihat layar komputer seakan-akan meruang,
bukan datar lagi (2 dimensi). Demikian juga suara yang terdengar begitu nyata, seperti di
sekitar kita. Jadi dengan teknologi ini, seakang kenyataan sesungguhnya dihadirkan ke
hadapan kita.
Geographical Information Systems (GIS)
NLP adalah aplikasi teknologi AI. Ia mengacu pada komunikasi dengan komputer dalam
bahasa Inggris atau bahasa ibu user yang lainnya. Agar komputer dapat mengerti bahasa
kita, sarananya adalah keyboard dimana kita mengetikkan perintah atau memasukkan
program dalam bahasa pemrograman. Sebagai tanggapan ke user, komputer
menghasilkan simbol atau catatan skrip dari suatu informasi.
Natural Language Processing: Metode
Pengenalan bicara (suara) adalah proses bagaimana komputer mengenali suara manusia
sehari- hari. Jika sistem pengenalan bicara dikombinasikan dengan sistem NLP, hasilnya
adalah suatu sistem yang tak hanya mengenali input suara tapi juga memahami input
suara tersebut.
Pengenalan bicara (suara) adalah proses bagaimana komputer mengenali suara manusia
sehari- hari. Jika sistem pengenalan bicara dikombinasikan dengan sistem NLP, hasilnya
adalah suatu sistem yang tak hanya mengenali input suara tapi juga memahami input
suara tersebut.
• Membangun sebuah DSS, apalagi yang besar, merupakan proses yang rumit.
• Melibatkan hal-hal: teknis (hardware, jaringan) dan perilaku (interaksi manusia-
mesin, dampak DSS pada individu).
• Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs).
Strategi Pengembangan
Tulis DSS dengan bahasa pemrograman umum: Pascal, Delphi, C, C++, C#, Java, dan
lainnya.
Menggunakan 4GL: data-oriented language, spreadsheets, dan financial-oriented
language.
Menggunakan DSS Generator: Excel, Lotus 1-2-3, Quattro Pro, Express. Generator lebih
efisien dari 4GL tapi ini tergantung juga pada batasannya.
Menggunakan DSS Generator khusus (domain specific): Commander FDC untuk budgeting
& financial analysis, EFPM untuk kalangan perguruan tinggi.
Mengembangkan DSS dengan metodologi CASE. Memiliki jaminan kualitas yang memadai.
Untuk DSS yang kompleks, bisa mengintegrasikan pendekatan-pendekatan di atas.
Proses Pengembangan DSS
Proses Pengembangan: Life Cycle vs Prototyping
• Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar,
sistemnya kompleks, dan didesain utama untuk mendukung organisasi. Sistem ini
didesain oleh tim yang terdiri dari user, penghubung (intermediaries), DSS builder,
tenaga ahli, dan pelbagai tool. Pelbagai individu dalam setiap kategori tadi, sehingga
ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu.
Intinya dengan berbasis tim, maka pembangunan DSS menjadi kompleks, lama, dan
prosesnya memakan biaya.
• Pendekatan lainnya adalah membangun DSS berbasiskan user. Dimulai mulai tahun
1980-an, seiring pesatnya perkembangan di bidang PC (Personal Computer), jaringan
komunikasi komputer, berkurangnya biaya hardware maupun software.
• Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur
client/server juga mendukung pengembangan DSS berbasis user.
• Tentu saja kedua pendekatan ini bisa dikombinasikan, untuk mendapat kinerja yang
diinginkan.
Pengembangan DSS Berbasis Tim
• Komputasi End-User
• Pengembangan DSS Berbasis User: Keuntungan dan Resikonya
• Proses Pembuatan
DSS Generator
Pelbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan
menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan,
(2) hardware seperti apakah yang dipakai untuk menjalankannya, (3) sistem
operasi seperti apa yang akan digunakan, (4) jaringan seperti apakah yang akan
dipakai untuk menjalankannya.
GOMAWOYO
WASSALAMUALAIKUM WR.WB