adilaafifah84.files.wordpress.com · Web viewDengan DSS yang mapan, kemampuan ditambahkan untuk...

BAB 11 DECISION SUPPORT SYSTEM

Chapter 11Decision Support System

Adila Afifah Rizki

1206262512

Departemen Teknik Industri

Fakultas Teknik

Universitas Indonesia

2015

BAB 11

MANAGEMENT INFORMATION SYSTEM


SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

Tujuan Belajar:

Setelah mempelajari bab ini, Anda diharapkan:

Memahami dasar-dasar pembuatan keputusan dan pemecahan masalah

Mengetahui bagaimana dimulainya konsep sistem pendukung keputusan

(decision support system – DSS)

Mengetahui dasar-dasar pemodelan matematika

Mengetahui bagaimana cara menggunakan lembar kerja elektronik sebagai

model matematika

Mengetahui bagaimana kecerdasan buatan muncul sebagai salah satu aplikasi

computer dan mengetahui area utamanya

Mengenal empat bagian dasra sari sistem pakar

Mengethui apa yang dimaksud dengan sistem pendukung pegambilan

keputusan kelompok (group decision support system – GDSS) dan berbagai

lingkungan yang berbeda dimana sistem ini dapat digunakan.

PENDAHULUAN



Manajer membuat banyak keputusan untuk mengatasi masalah. Penyelesaian masalah

dicapai dengan empat tahapan dasar dan menggunakan kerangka berpikir sebagai

model sistem umum dari sebuah perusahaan dan model lingkungan. Dengan

menggunakan pendekatan sistem untuk mengatasi suatu masalah, manajer melihat

sistem secara keseluruhan.

Proses pemecahan masalah terdiri dari empat elemen dasar: standar, informasi,

batasan, dan solusi alternatif. Jika proses ini diikuti, pemilihan alternative yang

terbaik tidak selalu dicapai dengann analisis logis saja dan ini penting untuk

membedakan permasalahan dan gejala.

Masalah dapat bervariasi dalam struktur, dan keputusan untuk menyelesaikan masalah

dapat terprogram ataupun tidak terprogram. Konsep Decision Support System (DSS)

awalnya ditujukan untuk masalah semi-stuktur. Hasil awal dari DSS terdiri dari

laporan dan keluaran dari model matematika. Kemudian, kemampuan dari

sekelompok penyelesaian masalah ditambahkan yang diikuti dengan kecerdasan

buatan dan on-line analytical processing (OLAP).

Model matematika dapat diklasifikasi kedalam beberapa cara dan penggunaan dari

model matematika ini disebut simulasi. Lembar kerja elektronik merupakan alat

pemodelan matematika yang baik. Lembar kerja elektronik dapat digunakan baik

untuk model statis dan dinamis dan memungkinan majer untuk memainkan permainan

“what-if”.

Kecerdasan buatan dapat menjadi salah satu komponen dari DSS. Dengan

menambahkan pengetahuan dasar dan mesin inferensi, DSS dapat menawarkan

penyelesaian masalah kepada manajer.

Ketika groupware ditambahbakan kedalam DSS, DSS menjadi sebuah group decision

support system (GDSS). GDSS dapat diletakkan di beberapa tempat yang berbeda

agar kondusif terhadap pemecahan masalh kelompok.



APA YANG DISEBUT DECISION MAKING (MEMBUAT KEPUTUSAN)

Sampai saat ini, kami sudah menelaah hampir semua buku mangament information

systems (MIS). Bagaimanapun juga, terlepas dari segala embel-embel, MIS adalah

sistem yang menyediakan informasi untuk para pengguna dalam membuat keputusan

dalam rangka menyelesaikan masalah secara sederhana.

Walaupun tidak secara jelas, kami sudah menjabarkan membuat keputusan dan

menyelesaikan masalah sebagai tema dalam bahasan ini. Kami sudah membedakan

penyelesaian masalah dengan membuat keputusan, menghadirkan langkah-langkah

dalam menyelesaikan masalah, menjabarkan dua kerangka kerja yang berguna dalam

penyelesaian masalah, dan menghadirkan pendekatan sistem sebagai dasar dari

seluruh penyelesaian masalah.

Penyelesaian Masalah dan Membuat Keputusan

Pada bab 1, kami menjabarkan peran dari informasi dalam manajemen penyelesaian

masalah. Membedakan antara penyelesaian masalah dan membuat keputusan.

Kami mengetahui bahwa penyelesaian masalah terdiri dari respon terhadap sesuatu

yang berjalan lancar maupun tidak dengan mendefinisikan masalah sebuagai suatu

keadaan yang berbahaya atau berpotensi berbahaya dalam sebuah perusahaan atau

menguntukan ataupun berpotensi menguntungkan. Kami juga menegetahui bahwa

selama proses penyelesaian masalah para manajer terlibat dalam membuat keputusan,

sebuah tindakan memilih solusi alternative dari sebuah masalah. Kami mendefinisikan

bahwa keputusan adalah sebagai tindakan terpilih dan disadari bahwa seringkali

dibutuhkan untuk membuat beberapa keputusan dalam proses memecahkan sebuah

masalah.

Tahapan Penyelesaian Masalah

Pada bab 1, kami juga menjabarkan proses penyelesaian masalah dengan menjabarkan

empat fase dasar menurut Herbert A. Simon. Menurut Herbert A. Simon, para

penyelesai masalah terlibat dalam:



Kegiatan intelijensi, mencari lingkungan atau bidang yang membutuhkan

solusi

Kegiatan desain, menciptakan, mengembangkan, dan menganalisis

kemungkinan tindakan terhadap masalah.

Kegiatan pemilihan, memilih beberapa tindakan dari beberapa kemungkinan

tindakan yng ada.

Kegiatan mengualas, menilai pilihan yang dibuat

Kami juga mengetahui bahwa dalm melakukan kegiatan diatas, penyelesai masalah

harus memiliki informasi, dan kami mengilustrasikan pada gambar 1.13

Kerangka Kerja Penyelesaian Masalah

Pada bab 2, kami menghadirkan dua kerangka kerja yang dapat digunakan dalam

penyelesaian masalah, general system model dalam perusahaan dan eight-element

environmental model. Kami mengilustrasikan generl system model dalam gambar 2.1

dan menghadirkannya sebagai kerangka kerja dari sebuah perusaah sebagai sistem.,

mengidentifikasi elemen penting yang harus ada dan aliran data, informasi dan

keputusan yang menghubungkan tiap elemen. Kami mengilustrasikan environmental

model pada gambar 2.2 dan merekomdasikan penggunaanya dalam memeahami

lingkungan perusahaan dan interaksi antara perusahaan dan maisng-masing elemen

dalam hal aliran sumber daya.

Pendekatan Sistem

Hal yang paling sulit dari penyelesaian masalah ada pada bab 7, ketika kami

menghadirkan pendeketan sistem, beberpa langkah dikelompokkan kedalam 3 fase –

usaha persiapan, definisi, dan solusi. Kami mengilustrasikan pendekatan pada gambar

7.1 dan merekomendasikan penggunaan general system model dalam sisi penglihatan

perusahaan sebagai sistem dan environmental model dalam mengenali lingkungan

sistem. Kami juga merekomendasikan elemen sistem dianalisis dalam urutan tertentu

dan mengilustrasikan urutan tersebut dalam gambar 7.3

Pentingnya “Systems View”



Dalam menggunakan general systems model dan environmental model sebagai dasar

dari penyelesaian masalah, kita menggunakan systems view, dimana operasi bisnis

sebagai sistem yang melekat dengan penyesuaian lingkungan. Ini merupakan cara

berfikir abstrak, namun memiliki nilai potensi terhapda manajer. Systems view:

1. Mencegah manajer dari kesulitan akan kompleksitas struktur organisasi dan

detail pekerjaan.

2. Menyadarkan perlunya memiliki tujuan yang baik

3. Menekankan pentingnya kerjasama seluruh orang dalam organisasi.

4. Mengakui adanya hubungan organisasi dengan lingkungannya.

5. Menempatkan nilai yang tinggi pada umpan balik informasi yang hanya dapat

dicapai dengan closed-loop system

Jika kamu bertanya kepada manajer apakah mereka memiliki systems view, kamu

mungkin akan mendapatkan jawaban tidak atau “saya tidak tahu, saya tidak pernah

terlalu memikirkan itu.” Bagaimanapun, mereka lebih sering mengenali definisi dan

solusi dari pendekatan sistem sebagai suatu hal yang mereka lakukan dan mengenali 5

poin dari systems view sebagai tujuan yang mereka coba untuk capai.

MERANCANG KONSEP

Dengan pemahaman dari pentingnya penyelesaian masalah, kami sekarang dapat

menjabarkan bagaimana penyelesaian masalah diaplikasikan dalam DSS.

Elemen dari Proses penyelesaian masalah

Beberapa elemen harus ada jika manajer untuk secara sukses terlibat dalam

penyelesaian masalah. Elemen-elemen ini ditampilkan pada gambar 11.1



Kebanyakan masalah yang para manajer atasi dapat dianggap sebagai sistem

permasalahan. Sebagai contoh, perusahaan sebagai sistem tidek berfungsi

sebagaimana yang dimaksud. Atau, ada masalah dengan sistem persediaan barang,

sistem komisi penjualan, dll. Solusi dari sitem permalasahan adalah sesuatu yang

paling memungkinkan sistem mencapai tujuan, sebagaimana yang ditunjukan dalam

standar performa sistem. Standar ini menjabarkan keadaan yang diinginkan – apa

yang harus sistem itu capai. Dengan kata lain, manajer harus memiliki informasi yang

menggambarkan keadaan sekarang – apa yang sistem capai sekarang. Jika dua

keadaan berbeda, beberapa masalah merupakan penyebabnya dan harus diselesaikan.

Perbedaan antara keadaan sekarang dan yang diinginkan menggambarkan kriteria

solusi, atau apa yang diperlukan untuk membawa keadaan sekarang menjadi keadaan

yang diinginkan. Tentunya, jika keadaan sekarang merepresentasikan level performa

yang lebih tinggi dari keadaan yang diinginkan, tugasnya bukan untuk membawa

keadaan sekarang kepada keadaan yang diinginkan. Sebaliknya, menjaga keadaan

sekarang agar tetap di level yang lebih tinggi. Jika level performa yang lebih tinggi

dapat dicapai, maka keadaan yang diinginkan dapat dicapai.

Merupakan tanggung jawab manajer untuk mengidentifikasi solusi alternatif, dimana

solusi alternatif pasti selalu ada. Ini merupkan salah satu langkah dari proses

penyelesaian masalah yang dapat dibantu dengan computer. Manajer biasanya

mengandalkan pengalaman pribadi mereka atau mendapatkan bantuan prosesor



informasi dari ‘non-komputer’, seperti masukan dari bgian dalam maupun luar

organisasi.

Sekalinya alternatif teridentifikasi, sistem informasi dapat digunakan untuk

mengevaluasi. Evaluasi ini harus mempertimbangkan segala hambatan yang mungkin

terjadi, baik dari internal maupun lingkungan. Hambatan internal berupa suatu bentuk

terbatasnya sumber daya yang ada dalam perusahaan. Sebagai contoh, unit IT tidak

dapat mengembangkan sistem CRM karena kurangnya akan ahli OLAP. Hambatan

lingkungan berupa suatu bentuk tekanan dari berbagai macam elemen lingkungan

yang membatasi aliran sumber daya kedalam maupun keluar perusahaan. Salah satu

contohnya, peningkatan suku bunga oleh Federal Resource Board yang membuat

biaya dari ekspansi pabrik diluar jangkauan.

Ketika seluruh elemen ini ada dan manajer mengetahuinya, solusi masalah

akan tercipta.

Memilih Solusi Terbaik

Pemilihan solusi terbaik dapat dicapai dengan cara-cara yang berbeda. Henry

Mintzberg, seorang teoris manajemen telah mengidentifikasi tiga pendekatan:

Analisis – sebuah evaluasi sistematik terhapdap pilihan yang ada,

mempertimbangkan konsekuensi terhadap tujuan organisasi. Sebuah contoh

dapat dipertimbangkan oleh anggota panitia MIS untuk memutuskan

pendekatan apa yang akan di implementasikan kedalam sistem informasi

Penilaian – proses mental dari seorang manajer. Sebagai contoh, manajer

manufaktur menerapkan pengalaman dan intuisi dalam mengevaluasi tata letak

pabrik yang baru menggunakan model matimatik

Penawaran – negosiasi antara beberapa manajer. Salah satu contoh adalah

proses memberi dan menerima yang berlangsung antar para anggota komite

eksekuif mengenai pasar mana yang harus dimasuki selanjutnya. Ini dimana

keterlibatan nyata dari perusahaan politik biasanya akan terlihat jelas.



Buku ini menekankan kepada analisis. Bagaimanapun, mempertimbangkan dan tawar-

menawar tidak dapat diabaikan. Ketiganya kemungkinan terlibat dalam pemilihan

alternative untuk menyelesaikan masalah penting.

Permasalahan Vs. Gejala Masalah

Penting untuk mengetahui perbadaan antara masalah dan gejala masalah. Jika tidak,

kamu akan menghabiskan banyak waktu dan uang berkutat dalam masalh yang salah

atau sesuatu yang sebenarnya bukan masalah. Sebuah gejala masalah adalah kondisi

yang dihasilkan oleh masalah. Seringkali manajer melihat gejala, bukan masalah asli.

Sorang dokter medis mengikuti proses ini untuk mengurutkan gejala untuk

menemukan penyebab penyakit (“apa yang menyebabkan akmu kekurangan energi?”)

. seorang manajer menghadapi tugas yang sama ketika berhadapan dengan gejala

seperti rendahnya profit. Sesuatu menyebabkan rendahnya profit. Masalah nya adalah

penyebab dari rendahnya profit. Pada nyatanya, bagus untuk berfikir masalah sebagai

penyebab kekacauan atau penyebab dari kesempatan.

Struktur Permasalahan

Seorang manajer mungkin lebih mengerti permasalahan yang ada lebih baik dari yang

lain. Masalah dari penambahan stok untuk memesan kembali adalah contoh

permasalahn yang sangat dimengerti seorang manajer. Pada nyatanya, model

matematik bernama EOQ (economic order quantity) menentukan bagaimana sebuah

masalah diselesaikan. Seperti masalh ang disebut masalah terstruktur karena terdiri

dari elemen dan hubungan antar elemen, yang semuanya dimengerti oleh penyelesai

masalah.

Bagaimanapun, tidak semua masalah dimengerti oleh manajer. Masalah ini disebut

permasalahan tidak terstruktur. Permasalahan tidak terstruktur merupakan suatu

masalah yang tidak memiliki elemen atau hubungan antar elemen yang dimengerti

oleh penyelesai masalah. Contoh dari masalah tidak terstruktur adalah memutuskan

film apa yang membuat kamu merasa sangat senang. Manajer bisnis seringkali

bingung untuk mendefiniskan masalh dengan cara terstruktur.



Sebenarnya, beberapa masalah dalam organisasi terkadang sangat terstruktur atau

tidak terstruktur sama sekali. Kebanyakan masalah adalah ketika manajer memiliki

sedikit pemahaman dari elemen dan hubungannya. Masalah yang semi-terstruktur

adalah masalah yang terdiri dari beberapa elemen atau hubungan yang beberapa

dimengerti oleh penyelesai masalah dan beberapa lainnya tidak dimengerti.

Contohnya, pemilihan lokasi untuk membangun pabrik manufaktur. Beberapa elemen,

seperti harga tanah, pajak, dan biaya pengiriman bahan mentah dapat dihitung dengan

presisi yang cukup tinggi. Elemen lain seperti bencana alam dan prtilaku penduduk

lokal sulit untuk diidentifikasi dan pdiperkirakan.

Setelah prosedur dirancang, komputer dapat memecahkan masalah terstruktur tanpa

keterlibatan manajer. Bagaimanapun, manajer seringkali harus melakukan semua

pekerjaan untuk menyelesaikan masalah tidak terstruktur. Dalam wilayah masalah

semiterstruktur yang luas, manajer computer dapat bekerja sama dalam menemukan

solusi.

Namun, manajer sering kali harus melakukan semua pekerjaan untuk memecahkan masalah yang tidak

terstruktur. Dalam wilayah masalah semiterstruktur yang luas, manajer dan komputer dapat bekerja sama

dalam menemukan solusi.

Jenis Keputusan

Selain memberikan tahap-tahap pemecahan masalah, Herbert A. Simon juga menemukan

metode untuk mengklasifikasikan keputusan. la percaya bahwa keputusan terletak pada

suatu kontinum, dengan keputusan yang terprogram pada satu sisi dan keputusan yang

tidak terprogram di sisi yang lain. 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." Keputusan

yang tidak terprogram (nonprogrammed decision) bersifat "baru, tidak terstruktur, dan

penuh konsekuensi. Tidak terdapat metode yang pasti untuk menangani masalah seperti

ini karena masalah tersebut belum pernah muncul sebelumnya, atau karena sifat dan

strukturnya sulit dijelaskan dan kompleks, atau karena masalah tersebut demikian penting

sehingga memerlukan penanganan khusus."



Simon menjelaskan bahwa dua jenis keputusan tersebut hanyalah merupakan

gambaran hitam putih dari kontinum tersebut dan bahwa kebanyakan masalah terletak

di wilayah abu-abu. Namun, konsep keputusan terprogram dan tidak terprogram penting

untuk diketahui, karena masing-masing harus ditangani dengan teknik yang berbeda.

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

Pada 10 tahun pertama, penggunaan komputer di dunia usaha terbatas pada pemrosesan

transaksi. Pada pertengahan 1960-an, konsep SIM muncul setelah ditemukannya

kebutuhan untuk menyediakan informasi kepada para manajer. Pendekatan SIM

amatlah luas, dan berusaha untuk memberikan informasi kepada semua manajer di

perusahaan untuk digunakan dalam penyelesaian semua permasalahan. Ini merupakan

upaya yang amat ambisius, dan banyak sistem gagal untuk memenuhi ekspektasi.

Dua profesor MIT, G. Anthony Gorry dan Michael S. Scott-Morton, percaya bahwa

sistem informasi yang berfokus pada masalah tertentu yang ditemui manajer tertentu

akan memberikan dukungan yang lebih baik. Mereka menggambarkan konsep mereka

dalam artikel yang berjudul "A Framework for Management Information Systems,"

yang diterbitkan pada tahun 1971 di Sloan Management Review. Inti dari konsep

mereka adalah tabel yang disebut grid Gorry dan Scott-Morton. Grid ini, yang

diilustrasikan dalam Figur 11.2. mengklasifikasikan masalah ke dalam struktur

permasalahan dan tingkat manajemen. Gorry dan Scott-Morton menggunakan Istilah-

istilah yang dibuat oleh Robert N. Anthony untuk tingkatan-tingkatan dalam grid

tersebut. Anthony menyebut tingkat yang paling atas tingkat perencanaan strategis,

tingkat tengah tingkat pengendalian manajemen, dan tingkat yang paling rendah

tingkat pengendalian operasional.



Gambar 11.2 The Gorry and Scott-Morton Grid

Sel-sel di grid tersebut berisikan contoh masalah yang umum ditemui dalam tingkatan

manajemen dan struktur masalah yang bersangkutan. Pada waktu itu, masalah-masalah

di atas garis putus-pums horizontal telah dapat ditangani komputer. Istilah sistem

keputusan terstruktur (structured decision system—SDS) digunakan untuk

mendeskripsikan sistem¬sistem yang mampu menyelesaikan masalah yang

teridentifikasi. Masalah-masalah di bawah garis menyulitkan pemrosesan komputer,

dan Gorry dan Scott-Morton menggunakan 1stilah sistem pendukung pengambilan

keputusan (decision support system—DSS) untuk menggambarkan sistem yang dapat

memberikan dukungan yang dibutuhkan.

Nama Sistem pendukung keputusan (DSS) terjebak dan menjadi biasa untuk

menggambarkan sebuah sistem yang dirancang untuk membantu manajer tertentu

memecahkan suatu masalah tertentu. Penekanan terdapat pada kata bantuan. DSS

tidak pernah dimaksudkan untuk memecahkan masalah tanpa bantuan manajer.

Pemikirannyanya adalah bahwa manajer dan komputer akan bekerja sama untuk

memecahkan masalah. Jenis masalah yang akan dipecahkan adalah masalah

semiterstruktur. Komputer akan membahas bagian terstruktur. dan manajer akan

membahas bagian yang tidak terstruktur. Gorry dan Scott-Morton mencapai lebih dari

yang mereka tetapkan untuk dilakukan. Seperti dibuktikan oleh judul artikel mereka,

mereka berusaha untuk menambah konsep MIS. Sebaliknya, mereka mengidentifikasi



jenis baru dari sistem informasi. Sejak tahun 1971, DSS telah menjadi jenis yang

paling sukses dari sistem informasi dan sekarang merupakan aplikasi yang paling

produktif dari komputer untuk pemecahan masalah.

Model DSS

Gambar 113 adalah model DSS. Gambar ini menunjukkan, dengan cara kiri ke kanan,

bagaimana konsep berkembang dari waktu ke waktu. Seperti yang dipahami awalnya

tentang DSS, itu menghasilkan laporan periodik dan khusus dan output dari model

matematika. Laporan khusus terdiri dari tanggapan terhadap database queries. Dengan

DSS yang mapan, kemampuan ditambahkan untuk mengizinkan pemecah masalah

untuk bekerja dalam kelompok. Penambahan perangkat lunak groupware

memungkinkan sistem untuk berfungsi sebagai sistem pendukung keputusan

kelompok atau group decision support system (GDSS). Baru-baru ini. kemampuan

kecerdasan buatan telah ditambahkan, bersama dengan kemampuan untuk terlibat

dalam OLAP. Kami menjelaskan OLAP dalam Bab 8 ketika kita membahas data

warehousing, dan kami tidak akan mengulangi materi itu di sini. Dalam sisa bab ini.

kita akan membahas model matematika dan kecerdasan buatan.

PEMODELAN MATEMATIKA

Model adalah abstraksi dari sesuatu. Ini mewakili beberapa objek atau kegiatan, yang

disebut entitas. Manajer menggunakan model untuk mewakili masalah yang harus

dipecahkan. Objek atau kegiatan yang menimbulkan masalah adalah entitas.

Jenis Model

Ada empat jenis dasar model; fisik, naratif, grafis, matematika.

MODEL FISIK

Model fisik adalah representasi tiga dimensi dari entitasnya. Model fisik yang

digunakan dalam dunia bisnis meliputi model skala pusat perbelanjaan dan prototipe

mobil baru. Model fisik memiliki tujuan yang tidak dapat dipenuhi oleh hal yang

nyata. Sebagai contoh, model fisik memungkinkan desainer untuk mengevaluasi

desain sebuah objek, seperti pesawat terbang, dan membuat perubahan sebelum

konstruksi objek sebenarnya. Hal ini menghemat waktu dan uang.

MODEL NARATIF



Salah satu jenis model yang manajer gunakan sehari-hari adalah model naratif, yang

mana menggambarkan entitas dengan kata-kata lisan atau tertulis. Pendengar atau

pembaca dapat memahami entitas dari naratif. Semua komunikasi bisnis adalah model

naratif, yang membuat model naratif jenis yang paling populer model.

Gambar 11.3 Model DSS yang menggabungkan Group Decision Support, OLAP dan

Artificial Intelligence/ kecerdasan buatan.

MODEL GRAFIS

Tipe lain dari model yang digunakan konstan adalah model grafis. Sebuah model

grafis mewakili entitasnya dengan abstraksi garis, simbol, atau bentuk. Model grafis

pada Gambar 11.4 menggambarkan salah satu konsep yang paling populer di dalam

bisnis – economic order quantity. Economic order quantity (EOQ) adalah jumlah

optimum penambahan stock untuk memesan dari pemasok. EOQ menyeimbangkan

biaya pembelian stock dan biaya pemeliharaan sampai digunakan atau dijual. Garis

yang miring ke bawah dari kiri pada gambar merupakan biaya pembelian unit, yang

menurun sebagai jumlah pesanan meningkat. Garis yang bergerak naik dari kiri ke

kanan mewakili bagaimana kenaikan biaya pemeliharaan secara linear dengan



meningkatnya jumlah pesanan. Kedua biaya ditambahkan bersama-sama untuk

menghasilkan kurva biaya total. Titik rendah pada kurva total cost merepresentasikan

EOQ tersebut. Model grafis juga digunakan dalam desain sistem informasi. Banyak

dari alat-alat yang digunakan oleh system developer adalah grafis. Entity-relationship

diagram. class diagram, and data flow diagram adalah contohnya.

MODEL MATEMATIKA

Setiap rumus atau persamaan matematika adalah model matematika. Banyak model

matematika yang digunakan manajer bisnis tidak lebih kompleks daripada yang

digunakan untuk menghitung EOQ:

di mana P adalah unit biaya pembelian (dalam dolar), S adalah penjualan tahunan

(dalam unit), dan M adalah biaya pemeliharaan tahunan per unit (dalam dolar). Biaya

pemeliharaan mencakup semua biaya yang dikeluarkan dalam menyimpan item,

seperti asuransi, pembusukan, dan kerugian akibat pencurian.

Beberapa model matematika menggunakan ratusan atau bahkan ribuan persamaan.

Sebagai contoh, sebuah model perencanaan keuangan yang dikembangkan oleh Sun

Oil Company pada tahun-tahun awal nya MIS digunakan sekitar 2.000 persamaan.

Model besar semacam ini cenderung rumit dan sulit untuk digunakan. Kecenderungan

saat ini adalah menuju penggunaan model yang lebih kecil.

Penggunaan Model

Keempat jenis model memberikan pemahaman dan memfasilitasi komunikasi. Selain

itu, model matematika memiliki kemampuan prediktif.

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 dapar benar-benar berlaku seperti entitas sesungguhnya.



MEMFASILITASI KOMUNIKASI Keempat jenis model dapat mengomunikasikan

informasi secara akurat dan cepat kepada orang-orang yang memahami makna

bentuk, kata-kata, grafis, dan matematika.

MEMPREDIKSI MASA DEPAN Ketepatan yang ditunjukkan model matematika

untuk mcwakili entitasnya merupakan kemampuan yang tidak terdapat pada model

lain. Model matematika dapat memprediksi apa yang akan terjadi di masa depan,

namun tidak 100 persen akurat. Tidak ada model yang sebaik itu. Karena asumsi

biasanya harus dibuat berdasarkan banyaknya data yang dimasukkan ke dalam model

tersebut, manajer harus menggunakan penilaian dan intuisi dalam mengevaluasi

outputnya.

Kelas Model Matematika

Model matematika dapat diklasifikasikan ke dalam tiga dimensi: pengaruh waktu,

tingkat keyakinan, dan kemampuan untuk mencapai optimisasi.

MODEL STATIS ATAU DINAMIS 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.

Sebuah model yang menjadikan waktu sebagai variabel adalah sebuah model dinamis.

Model ini merepresentasikan tingkah laku dan kebiasaan dari entitas seperti sebuah

motion picture.

Model probabilistik atau deterministik. Cara lain untuk mengklasifikasikan model

adalah berdasarkan probabilitasnya. Probabilitas adalah peluang suatu kejadian akan

terjadi. Intervalnya adalah dari 0 sampai 1. Sebuah model yang menyertakan

probabilitas disebut model probabilistik dan sebaliknya disebut model deterministik.

Model optimasi atau suboptimasi. Sebuah model optimasi adalah model yang

memilih solusi terbaik di antara alternatif lainnya. Sedangkan sebuah model



suboptimasi adalah model yang menyediakan opsi-opsi keputusan dan keputusan

akhir diambil oleh pengambil keputusan.

Sebuah model dapat diklasifikasikan menjadi tiga dimensi. Sebagai contoh, EOQ

merupakan model statis, deterministik, dan model optimasi.

Simulasi

Tindakan untuk menjalankan model disebut simulasi. Simulasi memiliki beberapa

skenario dan memprediksi efek dari keputusan sang pegambil keputusan.

Skenario model. Kata skenario digunakan untuk mendeskripsikan kondisi yang

memengaruhi sebuah simulasi. Contoh, jika anda mensimulasikan sebuah sistem

inventory, seperti yang ditunjukkan oleh gambar 11.5, skenario menspesifikkan

balance saat awal dan unit yang terjual perhari. Elemen data yang menyusun skenario

disebut scenario data elements.

Variabel keputusan. Nilai input yang dimasukkan oleh manajer untuk mengukur

dampak pada entitas disebut decision variables. Pada gambar 11.5, decision variables

nya adalah order quantity, reorder point, dan lead time.

Teknik Simulasi

Manajer biasanya mengeksekusi sebuah model optimasi hanya sekali. Namun, perlu

untuk mengeksekusi sebuah model suboptimasi terus menerus, mencari kombinasi

decision variables yang menghasilkan keluaran yang memuaskan. Proses iterasi

tersebut adalah what-if game.

Format Output Simulasi

Menyertakan elemen skenario dan decision variable pada layar yanf sama sebagai

output merupakan praktik yang baik, seperti dalam gambar 11.5. Dengan layout

seperti itu, maka akan selalu jelas input mana yang memproduksi output yang

berkaitan.

Contoh Modelling

Sebuah perusahaan mungkin menggunakan sebuah matematika untuk membuat

beberapa keputusan penting. Mungkin perusahaan tersebut ingin mensimulasikan efek

dari :

Harga produk

Jumlah investasi pabrik yang dibutuhkan untuk menyediakan kapasitas

produksi yang dibutuhkan



Jumlah yang harus diinvestasikan dalam aktivitas marketing, seperti iklan dan

personal selling

Jumlah yang harus diinvestasikan dalam penelitian dan pengembangan

Lebih jauh lagi, perusahaan ingin dapat untuk mensimulasikan empat kuarter aktivitas

dan menghasilkan dua laporan. 1) sebuah operating statement yang menyertakan nilai

nonmoneter seperti potensi pasar (permintaan) dan kapasitas pabrik dan 2) sebuah

income statement yang merefleksikan keuangan perusahaan.

Gambar 11.5. Skenario dan decision variables dari sebuah simulasi

Model Input

Gambar 11.6 menunjukkan layar input yang digunakan untuk memasukkan elemen

data skenario. Beberapa elemen berhubungan dengan prusahaan seperti kapasitas

pabrik, unit yang diproduksi, nilai bahan baku, dll. Elemen lain berkaitan dengan

pengaruh lingkungan sepeti indeks ekonomi, indeks seasonal, harga kompetitor, dan

marketing kompetitor.



Gambar 11.7 menunjukkan elemen skenario untuk kuarter selanjutnya. Perusahaan

mengindikasikan sampai berapa kuarter simulasi akan berlangsung. Kemudian

mereka mengestimasi faktor-faktor lingkugan yang telah disebutkan sebelumnya.

Pada posisi bawah layar, perusahaan memasukkan empat keputusan (harga $12;

investasi pabrik $100.000; marketing $1.000; R&D $0), dengan ruang pada bagian

kanan di mana menghasilkan keuntungan setelah pajak.

Gambar 11.6. Sebuah model layar input untuk memasukkan data skenario

Gambar 11.7 Sebuah model layar input untuk memasukkan data skenario pada kuarter

selanjutnya



Output Model

Aktivitas kuarter selanjutnya (quarter 1) adalah simualsi, dan keuntungan setelah

pajak ditampilkan pada layar. Perusahaan mempelajari gambar dan memutuskan dari

sekian pilihan solusi untuk digunakan pada kuarter 2. Keputusan tersebut dimasukkan,

dan simulasi diulangi kembali. Proses ini terus berlangsung hingga keempat kuarter

disimulasikan. Pada tahap ini, layar akan muncul sebagaimana pada gambar 11.8.

Perusahaan dapat memperoleh output yang lebih detail dalam formulir hardcopy.

Operating statement pada gambar 11.9 dan income statement pada gambar 11.10

adalah sebagai berikut.

Gambar 11.8. Ringkasan output dari model



Gambar 11.9. Operating statement

Keuntungan dan Kerugian dari Modeling

Keuntungan dari modeling adalah :

Proses modeling dapat menjadi pengalaman belajar.

Kecepatan dari proses simulasi memungkinkan adanya pertimbangan dalam

memilih alternatif dengan jumlah besar dalam waktu singkat.

Model menyedikan kemampuan prediksi.

Model lebih murah dibandingkan metode trial dan error.

Namun dua dasar kerugian modeling adalah :

Tingkat kesulitan dari memodelkan sebuah sistem bisnis akan membuat model

yang tidak menagkap seluruh pengaruh entitas.

Membutuhkan kemampuan matematika tingkat tiggi.

Gambar 11.10. Income Statement

PEMODELAN MATEMATIKA MENGGUNAKAN LEMBAR KERJA

ELEKTRONIK

Terobosan teknologi yang menungkinkan para pemecah persoalan untuk menyusun

model matematika dan tidak sekedar hanya mengandalkan spesialis informasi atau MANAGEMENT INFORMATION SYSTEM


ilmuwan manajemen adalah lembar keria elektronlk. Sebelum adanya lembar kerja

(spreadshret), model matematika diprograrn dalam bahasa pemrograman teknis seperi

Fortran atau APL, yang berada di luar kompetensi para pemecah masalah yang tidak

memiliki latar belakang komputer. Ketika spreadsheet hadir tampak jelas bahwa

teknologi ini akan menjadi alat yang baik untuk membuat model matematika.

Kapabilitas Pemodelan Statis

Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk digunakan

dalam model statis. Figur 11.11 menunjukkan anggaran operasional dalam bentuk

laporan berbentuk tabel dengan kolom untuk pengeluaran yang dianggarkan,

pengeluaran sebenarnya, dan varian. Baris digunakan untuk pengeluaran. Inl

merupakan model yang amat sederhana, di mana satu-satunya matematika yang

dibutuhkan adalah pengurangan pengeluaran sebenarnya dari pengeluaran yang

dianggarkan untuk menghaslikan varian. Model ini melaporkan status anggaran

operasional pada suatu waktu—yaitu minggu yang berakhir tanggal 25 luni.

Kapabilitas Pemodelan Dinamis

Lembar kerja sangat sesuai untuk digunakan sebagal model dinamis. Kolom-kolom

yang tersedia amat sesuai untuk periode waktu, seperti yang diilustrasikan dalam

Figur 11.12. Disini kolom mewakili bulan. Model ini juga merupakan model yang

sangat sederhana dengan uang tunai akhir dihitung dengan menambahkan uang tunai

awal dengan saldo uang tunai. Simulasi perbulan kumulatif, dengan saldo akhir dalam

sebulan menjadi saldo awal bulan berikutnya. Model aliran kan ini melaporkan

bagaimana aliran kas masuk dan keluar selama 6 bulan.



Bermain Permainan “What-if”

Lembar kerja juga meminjamkan dirinya untuk bermain permainan “what-if”, dimana

pemecah masalah memanipulasi satu atau lebih variable untuk melihat efek pada hasil

simulasi. Sebagai contoh, dalam anggaran pengoperasian dalam Figur 11.11, pemecah

masalah dapat membuat perubahan pada actual salaries (mungkin meningkatkan

mereka sebesar 10% untuk mensimulasi efek dari kenaikan pembayaran) dan melihat

efek pada variasi gaji dan keseluruhan variasi. Pada model aliran kas dalam Figur

11.12, manajer keuangan dapat memanipulasi uang masuk dan keluar untuk melihat

efeknya.

Spreadsheet Model Interface

Ketika menggunakan lembar kerja sebagai model matematis, pengguna dapat

memasukan data atau membuat perubahan secara langsung pada sel lembar kerja atau

dapat menggunakan antarmuka pengguna grafis. Model penetapan harga yang

digambarkan lebih awal dan diilustrasikan dalam Figur 11.6 hingga 11.10 dapat

disusun menggunakan lembar kerja dan antarmuka pengguna grafis. Antarmuka

semacam ini dapat dipersiapkan menggunakan bahasa pemrograman seperti Visual

Basic dan kemungkinan besar membutuhkan keahlian seorang spesialis Informasi.

Salah satu cara pembuatan yang dapat dilakukan adalah pengguna dapat menyusun

lembar kerja dan meminta bantuan seorang spesialis informasi untuk menambahkan

antarmuka.

KECERDASAN BUATAN

Dalam bentuk aslinya, DSS menekankan penggunaan pemodelan matematika dan

pengajuan permintaan ke basis data. Tidak lama kemudian, para perancang DSS

mulai menyadari kebutuhan untuk menggabungkannya dengan kecerdasan buatan.

Kecerdasan buatan (arttficiat intelltgence—Al)adalah aktivitas penyediaan mesin

seperti komputer dengan kemampuan untuk menampilkan perilaku yang akan

dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan oleh MANAGEMENT INFORMATION SYSTEM


manusia.' Al merupakan aplikasi komputer yang paling canggih karena aplikasi ini

berusaha mencontoh cara pemikiran manusia.

Sejarah Al

Bibit Al pertama kali disebar hanya 2 tahun setelah General Electric menerapkan

komputer yang pertama kali digunakan untuk penggunaan bisnis. Tahun itu adalah

tahun 1956, dan istilah kecerdasan buatan pertama kali dibuat oleh fohn McCarthy

sebagai tema suatu konferensi yang dilaksanakan di Dartmouth College. Pada tahun

yang sama, program komputer Al 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.

Wilayah Al

Al diterapkan di dunia bisnis dalam bentuk sistem pakar, jaringan saraf tiruan,

algoritme genetik, dan agen cerdas.a

SISTEM PAKAR Sistem pakar (expert system) 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 algoritma 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 konsisten 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.

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.

ALOGARITMA GENETIK Algoritma genetik (genetic algorithms)

menerapkan proses "yang terkuat yang selamat" untuk memungkinkan para pemecah

masalah agar menghasilkan solusi masalah yang semakin baik. Sebagai contoh, bankir

investasi dapat menggunakannya untuk memilih portfolio investasi yang terbaik bagi

kliennya.

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.

Daya Tarik Sistem Pakar

Sistem pakar menawarkan kemampuan yang unik sebagai sistem pendukung

keputusan. Pertama, sistem pakar memberikan kesempatan untuk membuat keputusan

yang melebihi kemampuan seorang manajer. Sebagai contoh, seorang karyawan

investasi baru di bank dapat menggunakan suatu sistem pakar yang didesain oleh

seorang ahli keuangan dan, dengan dem ikian, menggabungkan pengetahuan ahli

tersebut ke dalam keputusan investasinya. Kedua, sistem pakar tersebut dapat

menjelaskan alasannya hingga menuju ke suatu keputusan. Sering kali, penjelasan

mengenai bagaimana solusi tersebut dicapai lebih berharga dibandingkan solusi itu

sendiri.

Konfigurasi Sistem Pakar



Sebuah sistem pakar terdiri dari 4 bagian utama: antarmuka pengguna, dasar

pengetahuan, mesin keputusan, dan mesin pengembangan. Hal ini diilustrasikan

dalam Figur 11.13.

User Interface Antarmuka pengguna mengijinkan manajer untuk mendalami

instruksi dan informasi menjadi sistem pakar dan untuk menerima infromasi berasal

dar itu. Instruksi-instruksi menspesifikan parameter yang memandu sistem pakar

melalui proses alasannya. Informasi input dalam bentuk nilai ditugaskan ke variable-

variabel.

Sistem pakar didesain untuk merekomendasikan solusi. Solusi-solusi ini ditambahkan

dengan penjelasan. Terdapat dua tipe penjelasan: penjelasan dari pertanyaan yang

manajer tanyakan dan penjelasan dari solusi masalah.

Dasar Pengetahuan Dasar Pengetahuan mengandung kedua fakta yang

mendeskripsikan area masalah dan teknik representasi pengetahuan yang

mendeskripsikan bagaimana fakta cocok dengan fungsi logic. Syarat domain

digunakan untuk mendeskripsikan area masalah.

Teknik representasi pengetahuan popular adalah penggunaan aturan. Aturan

menspesifikasi apa yang harus dilakukan dalam situasi yang diberikan dan

mengandung dua bagian: sebuah kondisi yang mungkin atau tidak mungkin benar dan

sebuah aksi yang harus diambil ketika kondisi benar. Contoh aturannya:

If Economic Inde > 1.20 dan Seasonal.Index > 1.30 Then Sales.Outlook =

‘EXCELLENT’

Keseluruhan aturan terkandung dalam sistem pakar yang disebut kumpulan aturan.

Kumpulan aturan dapat bermacam-macam dari suatu jumlah atau aturan untuk sistem

pakar yang sederhana hingga 10,000 aturan yang kompleks.



THE INFERENCE

ENGINE - Mesin

inferensi adalah bagian

dari sistem pakar yang melakukan penalaran dengan menggunakan isi basis

pengetahuan dalam urutan tertentu. Selama konsultasi, mesin inferensi memeriksa

aturan basis pengetahuan satu per satu, dan ketika kondisi aturan itu benar, tindakan

tertentu diambil. Dalam terminologi sistem pakar. aturan dipecat bila tindakan

diambil.

Proses pemeriksaan satu aturan demi terus sampai lulus lengkap telah dilakukan

melalui seluruh set aturan. Lebih dari satu lulus biasanya diperlukan untuk

memberikan nilai pada solusi masalah, yang disebut variabel tujuan. Melewati

berlanjut selama mungkin untuk aturan lira. Bila tidak ada lagi aturan bisa dipecat,

proses penalaran berhenti.

THE DEVELOPMENT ENGINE - komponen utama keempat dari sistem pakar

adalah mesin pengembangan, yang digunakan untuk membuat sistem pakar. Ada dua

pendekatan dasar: bahasa pemrograman dan kerang sistem pakar. Sebuah shell sistem

pakar adalah prosesor siap pakai yang dapat disesuaikan dengan domain masalah

tertentu melalui penambahan basis pengetahuan yang tepat. Saat ini, sebagian besar



kepentingan dalam menerapkan sistem pakar untuk masalah bisnis melibatkan

penggunaan kerang.

Contoh dari domain masalah yang cocok untuk shell sistem pakar adalah dukungan

komputer help-desk. Ketika sistem pakar help-desk digunakan, baik pengguna atau

anggota staf help-desk berkomunikasi langsung dengan sistem, dan sistem mencoba

untuk menyelesaikan masalah. Salah satu uji tingkat kecanggihan kecerdasan buatan

adalah apakah pengguna dapat deter¬mine jika mereka berinteraksi dengan manusia

atau komputer. Tes ini bernama Turing Test, untuk menghormati salah satu pelopor

besar dalam ilmu komputer. Alan Turing. Sebuah tanda dari sistem pakar yang baik

adalah jika pengguna tidak menyadari bahwa dia sedang berkomunikasi langsung

dengan komputer.

Sistem pakar help-desk menggunakan berbagai teknik representasi pengetahuan.

Sebuah pendekatan yang populer disebut berbasis kasus penalaran (CIFIR).

Pendekatan ini menggunakan data historis sebagai dasar untuk mengidentifikasi

masalah dan merekomendasikan solusi. Beberapa sistem menggunakan pengetahuan

dinyatakan dalam bentuk pohon keputusan. struktur jaringan seperti yang

memungkinkan pengguna untuk kemajuan dari akar melalui jaringan cabang dengan

menjawab pertanyaan yang berkaitan dengan masalah. Jalan mengarah pengguna

untuk solusi pada akhir cabang.

Kerang sistem pakar telah membawa kecerdasan buatan dalam jangkauan perusahaan

yang tidak memiliki sumber daya yang diperlukan untuk mengembangkan sistem

mereka sendiri dengan menggunakan bahasa pemrograman. Di wilayah bisnis. kerang

sistem pakar adalah cara yang paling populer bagi perusahaan untuk menerapkan

sistem berbasis pengetahuan.

GROUP DECISION SUPPORT SYSTEMS

Sudah menjadi fakta yang diterima bahwa manajer jarang memecahkan masalah

sendirian. Komite, tim proyek, dan satuan tugas yang ada di banyak perusahaan

adalah contoh yang baik dari kelompok pendekatan untuk pemecahan masalah.



Menyadari fakta ini, pengembang sistem telah mengadaptasi DSS untuk memecahkan

masalah kelompok.

Konsep GDSS

Sebuah sistem pendukung keputusan kelompok (GDSS) adalah "suatu sistem berbasis

komputer yang mendukung kelompok-kelompok orang yang terlibat dalam tugas

umum (atau tujuan) dan yang menyediakan interface ke lingkungan bersama?"

"Istilah lainnya juga telah diciptakan untuk menggambarkan penerapan teknologi

informasi untuk pengaturan grup. Istilah-istilah ini termasuk sistem pendukung

kelompok (GSS). komputer. pekerjaan didukung koperasi (CSCW), dukungan kerja

kolaboratif terkomputerisasi, dan sistem pertemuan elektronik (EMS), Perangkat

lunak yang digunakan dalam pengaturan ini telah diberi nama groupware.

Bagaimana GDSS Berkontribusi pada Pemecahan Masalah

Asumsi yang mendasari GDSS adalah bahwa peningkatan komunikasi membuat

keputusan yang lebih baik mungkin. Peningkatan komunikasi dicapai dengan menjaga

diskusi kelompok terfokus pada masalah, sehingga dalam waktu kurang terbuang.

Waktu yang diperoleh dapat dikhususkan untuk diskusi yang lebih menyeluruh dari

masalah. sehingga memberikan kontribusi untuk definisi masalah yang lebih baik.

Atau. waktu yang diperoleh dapat digunakan dalam mengidentifikasi alternatif yang

lebih daripada yang mungkin digunakan. Evaluasi alternatif yang lebih meningkatkan

kemungkinan solusi yang baik.



Pengaturan Lingkungan GDSS

GDSS memberikan kontribusi untuk pemecahan masalah dengan menyediakan

pengaturan yang kondusif untuk komunikasi. Gambar 11.14 menunjukkan empat

pengaturan GDSS passible berdasarkan situs kelompok dan di mana para anggota

busur berada. Dalam setiap pengaturan. anggota kelompok dapat bertemu pada saat

yang sama atau pada waktu yang berbeda. Ketika anggota bertemu pada waktu yang

sama • disebut pertukaran sinkron. Contohnya adalah pertemuan komite. Ketika

anggota bertemu pada waktu yang berbeda, hal itu disebut pertukaran asinkron.

Contohnya adalah komunikasi bolak-balik menggunakan e-mail.

DECISION ROOM - Sebuah ruang keputusan adalah pengaturan untuk kelompok-

kelompok kecil orang bertemu muka dengan muka. Ruangan kontribusi untuk

komunikasi melalui kombinasi perabot, peralatan, dan tata letak. Peralatan tersebut

dapat mencakup kombinasi dari workstation, mikrofon pick-up audio. kamera video,

dan layar display yang besar. Di tengah ruangan adalah konsol fasilitator. Fasilitator

adalah orang yang tugas utama adalah untuk menjaga diskusi di trek.

Berdasarkan pengaturan yang ditetapkan untuk setiap sesi, mengetik-in pesan satu

anggota kelompok untuk anggota lain dapat ditampilkan pada layar besar untuk

seluruh kelompok untuk melihat. Bahan lain yang berkaitan dengan diskusi juga dapat

ditampilkan dari media seperti gambar PowerPoint, videotap, slide warna, dan

transparansi.

Dua fitur GDSS unik busur komunikasi paralel dan anonimitas. Komunikasi paralel

adalah ketika semua peserta memasukkan komentar pada saat yang sama, dan

anonimitas adalah ketika tidak ada orang yang dapat memberitahu yang masuk

komentar tertentu. Anonimitas memungkinkan peserta untuk memasukkan apa yang

sesungguhnya mereka pikirkan tanpa takut ejekan dari anggota kelompok lainnya.

Juga, memungkinkan setiap ide untuk dievaluasi pada manfaatnya daripada yang

ditawarkan itu.

LOCAL AREA DECISION NETWORK - Bila tidak mungkin bagi kelompok-

kelompok kecil orang untuk bertemu muka dengan TACE, para anggota dapat



berinteraksi melalui LAN. Seorang anggota memasuki komentar di workstation dan

memandang komentar-komentar dari anggota lain di layar.

LEGISLATIVE SESSION - Ketika kelompok terlalu besar untuk ruang keputusan,

sesi legislatif diperlukan. Ukuran besar memaksakan kendala tertentu pada

komunikasi. Entah kesempatan untuk partisipasi yang sama oleh masing-masing

anggota akan dihapus atau kurang waktu yang tersedia. Pendekatan lain adalah untuk

fasilitator untuk memutuskan materi yang ditampilkan pada layar untuk kelompok

untuk melihat.

COMPUTER-MEDIATED CONFERENCE - Beberapa aplikasi kantor virtual

memungkinkan komunikasi antara kelompok-kelompok besar dengan anggota secara

geografis. Aplikasi ini secara kolektif dikenal sebagai aplikasi telekonferensi., Dan

mereka termasuk conferencing komputer, audio conferencing, dan konferensi video.

MENEMPATKAN DSS DALAM PERSPEKTIF

Kita telah melihat bagaimana cakupan dukungan keputusan yang diberikan oleh DSS

telah berkembang pesat sejak Gorry dan Scott-Morton pertama kali ide untuk

mengatasi masalah semiterstruktur. Perluasan ruang lingkup adalah bukti keberhasilan

yang DSS telah menikmati. Konsep ini telah bekerja dengan baik sehingga para

pengembang terus memikirkan fitur baru untuk menggabungkan.

Ketika kecerdasan buatan ditambahkan, itu benar-benar mengubah karakter DSS.

Seseorang pernah membahas perbedaan antara DSS dan sistem pakar dengan

menjelaskan bahwa ketika seorang manajer menggunakan DSS, ia duduk di

workstation dan memutuskan bagaimana menggunakan tampilan informasi untuk

memecahkan masalah. Ketika manajer menggunakan sistem pakar. manajer duduk di

ruang kerja, tapi konsultan duduk di sebelah manajer, giv¬ing saran tentang cara

untuk memecahkan masalah. Kecerdasan buatan memungkinkan DSS untuk pro¬vide

tingkat dukungan keputusan yang awalnya tidak dimaksudkan oleh visioner DSS

awal.



GDSS Kemampuan mapan. Faktanya. mungkin ada banyak aplikasi GDSS hari ini

daripada yang DSS. Sejauh OLAP pergi, itu baru ke TKP, dan itu akan menarik untuk

diikuti perkembangannya.

HIGHLIGHTS

RINGKASAN

Manajer membuat beberapa keputusan dalam proses pemecahan masalah. Dalam

memecahkan suatu masalah. manajer pergi melalui serangkaian empat kegiatan:

intelijen. desain, pilihan, dan ulasan. Dalam mengambil pandangan sistem dan

mengikuti pendekatan sistem. manajer dapat menggunakan model sistem umum

perusahaan dan model lingkungan. Tujuan mengambil pandangan sistem adalah untuk

memungkinkan organisasi untuk bekerja sebagai sistem yang efisien dan efektif.

Proses pemecahan masalah terdiri dari beberapa elemen kunci. Standar dan informasi

memberikan keadaan yang diinginkan dan kondisi saat ini. masing-masing, dan MANAGEMENT INFORMATION SYSTEM

Pemeliharaan prediktif adalah nama yang diberikan untuk aktivitas memprediksi kapan mesin akan gagal dan melakukan pemeliharaan di atasnya sesaat sebelum waktu itu untuk mencegah kegagalan. Ini adalah ide yang baik, tapi satu yang tidak mudah untuk melakukannya. Akan Tetapi. SKF di Swedia telah mengembangkan DSS dengan kemampuan berbasis pengetahuan untuk melakukan hal itu.

SKF memproduksi bantalan, yang digunakan dalam berbagai jenis mesin, dan perusahaan telah menangkap sekitar 20 persen dari pasar dunia. SKF menjadi tertarik dalam pemeliharaan prediktif sebagai cara untuk menghasilkan kecerdasan yang dapat digunakan di seluruh proses desain. Setelah mengabdikan 2 tahun ke cess pr pembangunan. hasilnya adalah suatu sistem pendukung keputusan yang bernama bakat.

aptitude menggunakan data dari database yang berisi hampir 100 tahun data operasional yang dikumpulkan dari ratusan ribu mesin yang digunakan di seluruh dunia. Tambahan lagi. Data yang diperoleh dari busur real-time pelaporan kondisi mesin. Ketersediaan seperti sumber data yang kaya memungkinkan sistem untuk menghubungkan data kegagalan untuk bagaimana bagian-bagian yang dirakit dan bagaimana mereka mungkin gagal di masa depan. Heine Bloch. seorang insinyur konsultasi, dijelaskan versi awal DSS digunakan dalam pemeliharaan prediktif sebagai membutuhkan seorang insinyur untuk memasukkan semua data yang tersedia untuk masalah mesin tertentu (misalnya, segel bocor). Tapi. insinyur tidak memiliki semua data yang diperlukan untuk menjawab semua pertanyaan dari sistem. Akibatnya, sistem akan datang ke beberapa solu¬tion mencerahkan seperti "Anda memiliki masalah segel."Sumber data yang kuat dari bakat diharapkan untuk memungkinkannya untuk menentukan kapan komponen telah gagal dalam pelayanan. Hal ini akan memungkinkan insinyur desain SKF untuk

Sumber data yang kuat dari bakat diharapkan untuk memungkinkannya untuk menentukan kapan komponen telah gagal dalam pelayanan. Hal ini akan memungkinkan insinyur desain SKF untuk fokus pada elemen kunci yang memiliki dampak terbesar pada biaya siklus hidup dan menciptakan desain yang meningkatkan keandalan mesin.

Selain membuat bakat tersedia antar-akhirnya. SKF telah membentuk sebuah situs web yang menawarkan APTI-tude untuk insinyur di seluruh dunia secara berlangganan.


manajer mempertimbangkan solusi alternatif sementara mengikuti kendala. Dengan

melakukan proses ini, solusi untuk masalah ini tercapai. Pemilihan alternatif terbaik

dapat dilakukan dengan analisis. penghakiman, dan tawar-menawar.

Gejala busur hanya indikasi masalah, yang dapat terstruktur, tidak terstruktur, atau

sentistructured, tergantung pada proporsi elemen dan hubungan yang diketahui.

Dalam memecahkan masalah ini. manajer dapat membuat keputusan terprogram atau

tidak terprogram. Keputusan terprogram merupakan solusi yang dikenal untuk

bekerja, sedangkan keputusan nonprogranuned merupakan solusi yang disesuaikan

dengan kebutuhan.

DSS awalnya dibayangkan sebagai cara untuk memecahkan masalah yang memiliki

pemrosesan komputer dilewatkan pada awal tahun 1970. Ii dimaksudkan untuk

membantu palungan memecahkan prob¬lems semiterstruktur. Selanjutnya, DSS telah

diperluas untuk mencakup pengolahan kelompok (mencapai GDSS), kecerdasan

buatan, dan 01-AP.

Mereka adalah empat jenis model: fisik. narasi, grafik, dan matematika. Semua

memfasilitasi pemahaman dan komunikasi, tetapi model matematik juga dapat

memprediksi masa depan. Model matematika dapat statis atau dinamis. probabilistik

atau deterministik. dan mengoptimalkan atau sulsoptimizing.The tindakan

menggunakan model disebut simulasi, dan Squires manajer untuk memasukkan

elemen data skenario dan variabel keputusan. Dengan mencoba berbagai dtmisions.

manajer memainkan apa-jika permainan. Pemodelan dapat memberikan pengalaman

belajar, memungkinkan pertimbangan jumlah yang lebih besar dari alternatif,

memprediksi masa depan, dan memungkinkan beberapa masalah yang harus

diselesaikan dengan biaya kurang. Namun, seringkali sulit untuk model sistem bisnis,

dan tingkat tinggi keterampilan matematika yang diperlukan untuk model yang

kompleks. Spreadsheet elektronik dapat digunakan untuk model ukuran yang wajar.

Kecerdasan buatan telah diterapkan dalam bisnis melalui sistem pakar, jaringan saraf,

algoritma genetika, dan agen cerdas. Sistem pakar dapat berfungsi sebagai DSS. Hal

ini membutuhkan basis pengetahuan, yang sering terdiri dari jaringan aturan, dan

mesin inferensi yang dapat menganalisis basis pengetahuan dan memberikan nilai

pada solusi, yang disebut variabel tujuan. Basis pengetahuan berisi pengetahuan yang



dikumpulkan oleh seorang insinyur pengetahuan dari seorang ahli. Sistem pakar dapat

dikembangkan dengan menggunakan bahasa pemrograman atau shell sistem pakar.

Sistem pendukung keputusan kelompok (GDSSs) memfasilitasi pemecahan masalah

dengan menyediakan lingkungan yang kondusif. yang dapat dicapai dalam bentuk

ruang keputusan, jaringan area lokal, sesi legislatif, dan konferensi komputer-

dimediasi.

DSS adalah cara yang tepat untuk menyimpulkan diskusi kita tentang MIS. DSS

dimaksudkan untuk meningkatkan fokus upaya MIS dan akhirnya menjadi sebuah

aplikasi baru dari komputer untuk mendukung pemecahan masalah. Dari semua upaya

untuk menerapkan komputer dalam bisnis sebagai suatu sistem informasi. DSS telah

menjadi yang paling sukses.

Soal

1. What are Simon’s four stages of problem solving ?

2. Which frameworks would you use in applying the systems approach ?

3. What form do both internal and environmental constraints take ?

4. What are the three approaches to selecting the best alternative, according to

Mintzbeng ?

5. What is meant by problem structure ?



6. What MIS weakness did Gorry and Scon-Morton seek to overcome ?

7. How did Gorry and Scott-Morton use the term decision support system ?

8. Name the different outputs from a DSS.

9. What are the four types of models ?

10. What advantages are offered by all types of models

11. How can mathematical models be classified ?

12. What two types of data are entered into a mathematical model to begin the

simulation ?

13. What type of data does the manager manipulate when playing what-if game ?

14. Which of the two mathematical modeling disadvantages were adressed by the

electronic spreadsheet ?

15. What are spreadsheet coulomns used for in a dynamic model ?

16. What are the four main parts of an expert system ?

17. What is goal variable ?

18. Explain the difference between a synchronous and an asynchronous exchange?

19. Why is anonymity important in a GDSS setting ?

Jawaban

1. 4 tahap aktivitas pemecahan masalah menurut Simon adalah intelligence,

design, choice, dan review

2. Menggunkan model sistem general dari perusahaan dan 8 model elemen

lingkungan dalam mengaplikasikan pendekatan sistem

3. Hambatan internal dan environmental berbentuk keterbatasan resource

4. Analysis, judgement, bargaining

5. Kemampuan seorang problem solver untuk mengetahui elemen yang

menyebabkan sebuah masalah dan mengetahui bagaimana relasi antar elemen

tersebut

6. Fokus MIS pada masalah spesifik karena biasanya MIS berfokus pada

semuanya

7. Untuk mendeskripsikan aplikasi komputer yang belum diimplementasikan

pada awal 1970an



8. Periodic dan special reports, output dari model matematika, output dari

groupware, solusi dan penjelasan yang disediakan oleh expert systems, dan

OLAP outputs dari sebuah sistem nanajemen database multidimensi

9. Physical, narrative, graphic, matematika

10. Memfasilitasi untuk mengerti dan komunikasi

11. Statik/dinamis, probabilistik/deterministik, optimasi/suboptimasi

12. Skenario dan data keputusan

13. Data keputusan/decision data

14. Membutuhkan kemampuan matematika tingkat tinggi

15. Periode waktu

16. User interface, a knowledge base, an interference engine, dan sebuah

development engine

17. Solusi masalah yang disediakan oleh expert system, yang dapat ada dalam

bentuk sebuah nilai untuk dipasangkan dengan variabel atau sebuah keputusan

18. Synchronous exchange adalah di mana pengirim dan penerima pesan

berpartisipasi secara aktif dalam satu waktu, contoh panggilan telepon.

Sedangkan asynchronous exchange adalah dimana di mana salah satu pihak

atau kedua-duanya tidak berpartisipasi secara aktif., contoh email

19. Karena anonymity memungkinkan partisipan untuk mennyumbangkan

informasi tanpa takut diidentifikasi oleh member grup lainnya. Situasi ini

sangat bernilai saat beberapa partisipan memiliki pengaruh yang sangat kuat.


adilaafifah84.files.wordpress.com · Web viewDengan DSS yang mapan, kemampuan ditambahkan untuk...

Documents

Transcript of adilaafifah84.files.wordpress.com · Web viewDengan DSS yang mapan, kemampuan ditambahkan untuk...