SISTEM PENDUKUNG KEPUTUSAN
PENGAMBILAN KEPUTUSAN
Keputusan dibuat untuk memecahkan masalah. Keputusan merupakan rangkaian tindakan dasar yang perlu diikuti dalam memecahkan masalah untuk menghindari atau mengurangi dampak negatif, atau untuk memanfaatkan kesempatan
1. Jenis – jenis keputusan menurut Simon.
Herbert A. Simon seorang ahli manajemen pemenang Nobel mengatakan bahwa keputusan berada pada suatu rangkaian kesatuan, dengan keputusan terprogram pada satu ujungnya dan keputusan tak terprogram pada ujung yang lain.
Simon menjelaskan bahwa dua jenis keputusan tersebut hanyalah ujung- ujung hitam dan putih dari rangkaian kesatuan dan bahwa di dunia nyata sebagian besar kelabu. Namun, konsep keputusan terprogram dan tak terprogram penting karena masing – masing memerlukan teknik yang berbeda.
2. Tahap – tahap pengambilan keputusan Menurut Simon.
i) Kegiatan intelijen, mengamati lingkungan mencari kondisi – kondisi yang perlu diperbaiki.
ii) Kegiatan merancang, menemukan, mengembangkan dan menganalisi berbagai alternative tindakan yang mungkin.
iii) Kegiatan memilih, memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia.
iv) Kegiatan menelaah, menilai pilihan – pilihan yang lalu.
KONSEP DSS
Konsep DSS dimulai pada akhir tahun 1960-an dengan time sharing komputer. Untuk pertama kalinya seseorang dapat berinteraksi langsung dengan komputer tanpa harus melalui spesialis informasi.
Diciptakannya istilah DSS
Oleh G. Anthony Gorry dan Michael S. Scott Morton, keduanya professor MIT. Mereka merasa perlunya suatu kerangka kerja untuk mengarahkan aplikasi computer kepada pengambilan keputusan manajemen dan mengembangkan apa yang telah dikenal sebagai Garry & Scout Morton Grid.
Garry & Scott Morton memasukkan jenis – jenis masalah bisnis ke dalam matriks mereka. Sebagai contoh, piutang dagang dipecahkan oleh manajer di tingkat pengendalian operasional yang membuat keputusan terstruktur.
Garry & Scout awalnya menggunakan istilah DSS hanya untuk aplikasi computer yang didedikasikan untuk dukungan keputusan – baik sekarang maupun masa depan.
Jenis – jenis DSS menurut Alter
Pada tahun 1976, Steven L. Alte, saat itu mahasiswa tingkat doctor di MIT, dengan berdasarkan kerangka kerja Gorry dan Scott Morton melakukan penelitian atas 56 sistem pendukung keputusan. Penelitian ini memungkinkannya pengembangan suatu taksonomi dari enam jenis DSS yang didasarkan pada tingkat dukungan pemecahan masalah.
Penelitian Alter penting karena dua alasan. Pertama, penelitian ini didukung oleh konsep mengembangkan system untuk menangani keputusan – keputusan tertentu. Kedua, menjelaskan bahwa LSS tidak terbatas pada pendekatan yang lebih eksotik dari database query dan pembuatan model keputusan tetapi dapat juga mencakup pelaporan periodik.
TUJUAN DSS
Perintis DSS yang lain di MIT, Peter G.W. Keen, bekerjasama dengan Scott Morton untuk mendefinisikan tiga tujuan yang harus dicapai DSS. Mereka percaya bahwa DSS harus :
• Membantu manajer membuat keputusan untuk memecahkan masalah semi terstruktur.
• Mendukung penilaian manajer bukan mencoba menggantikannya.
• Meningkatkan evektifitas pengambilan keputusan manajer daripada efisiensinya.
Tujuan ini berhubungan dengan tiga prinsip dasar dari konsep DSS yaitu :
Struktur masalah
Sulit untuk menemukan masalah yang sepenuhnya terstruktur atau tidak terstruktur. Sebagian besar bersifat semi- terstruktur – area kelabu simon. Ini berarti bahwa DSS diarahkan pada area tempat sebagian besar masalah berada.
Dukungan keputusan
DSS tidak dimaksudkan untuk menggantikan manajer. Manajer dan komputer bekerja sama sebagai tim pemecahan masalah yang berada di area semi – terstruktur yang luas.
Efektifitas Keputusan
Manfaat utama DSS adalah pengambilan keputusan yang lebih baik. Ketika membuat keputusan, manajer tidak selalu mencapai yang terbaik. Namun, dalam banyak kasus manajer lah yang harus memutuskan alternative mana yang terbaik . Manajer menggunakan pertimbangan dalam menentukan kapan suatu keputusan akan berkontribusi pada suatu solusi masalah.
MODEL DSS
1) Perangkat Lunak penulis Laporan menghasilkan laporan periodik maupun khusus.
2) Model matematika menghasilkan informasi sebagai hasil dari simulasi yang melibatkan salah satu atau beberapa komponen dari sistem fisik perusahaan, atau berbagai aspek operasinya.
3) Groupware memungkinkan beberapa pemecahan masalah bekerjasama sebagai satu kelompok, mencapai solusi. Dalam situasi tertentu seperti inilah istilah GDSS, atau sistem pendukung keputusan kelompok, digunakan. Para anggota kelompok saling berkomunikasi baik secara langsung maupun melalui groupware.
SISTEM PENDUKUNG KEPUTUSAN KELOMPOK
Sudah merupakan suatu kenyataan bahwa manajer jarang memecahkan masalah sendirian.
• Konsep GDSS , merupakan suatu system berbasis computer yang mendukung kelompok – kelompok orang yang terlibat dalam suatu tugas (atau tujuan ) bersama yang menyediakan interface bagi suatu lingkungan yang digunakan bersama. Perangkat lunak yang digunakan dalam lingkungan ini disebut groupware.
• Bagaimana GDSS berkontribusi pada pemecahan masalah. Asumsi yang mendasari GDSS adalah komunikasi yang lebih baik memungkinkan keputusan yang lebih baik. Komunikasi yang baik adalah komunikasi yang berfokus pada masalah, sehingga menghemat waktu. Waktu yang dihemat dapat digunakan untuk mengidentifikasi lebih banyak alternative.
• Pengaturan Lingkungan GDSS , GDSS berkontribusi pada pemecahan masalah yang meyediakan suatu pengaturan yang mendukung komunikasi. Empat kemungkinan pengaturan GDSS yang didasarkan pada ukuran kelompok dan lokasi para anggotanya;
• Ruang keputusan, merupakan pengaturan untuk rapat kelompok kecil secara tatap muka. Di tengah ruang terdapat konsol fasilitator. Fasilitator adalah orang yang tugas utamanya menjaga diskusi tetap pada alurnya. Dua sifat GDSS yang unik adalah komunikasi parallel dan anonimitas.
(1) Komunikasi paralel adalah; saat semua peserta menulis pendapat yang bersamaan .
(2) Anonimitas adalah; saat tak seorangpun mengetahui siapa yang menulis suatu pendapat tertentu, memungkinkan peserta menuliskan apa yang benar – benar dipikirkannya tanpa khawatir diejek oleh anggota kelompok anggota yang lain.
• Jaringan Keputusan Setempat, jika kelompok kecil tidak mungkin bertemu secara tatap muka, para anggota dapat berinteraksi melalui jaringan setempat atau LAN.
• Pertemuan Legislatif, jika kelompok terlalu besar untuk ruang keputusan, pertemuan legislative diperlukan. Pendekatan lain adalah fasilitator menentukan bahan apa yang ditampilkan pada layar untuk dilihat oleh kelompok.
• Konferensi Bermedia Komputer, beberapa aplikasi kantor virtual memungkinkan komunikasi antara kelompok – kelompok besar dengan anggota yang tersebar secara geografis. Ini merupakan aplikasi yang dikenal bersama sebagai konferensi jarak jauh; dan meliputi konferensi komputer, konferensi audio dan video.
GROUPWARE
Groupware dapat melakukan beragam fungsi. Fungsi – fungsi tersebut di dukung oleh empat produk groupware yang popular;
Lotus Notes
Dengan konfigurasi asli, Lotus Notes menawarkan sedikit fungsi dasar. Bahkan, hanya surat elektronik dan dokumen kelompok yang disertakan sebagai standar.
Kunci utama keberhasilan Notes adalah kenyataan bahwa Notes merupakan salah satu produk groupware pertama yang ada di pasar dan ia mendapat dukungan kuat dari Lotus dan IBM. Kunci lainnya dalah Notes berfungsi manangani tugas dasar komunikasi baik perusahaan besar maupun perusahaan kecil.
Fokus utama konsep DSS adalah komputer harus digunakan untuk mendukung manajer tertentu dalam membuat keputusan tertentu dalam memecahkan masalah tertentu.
Kata kunci dalam DSS adlah Keputusan
Kata kunci dalam GDSS adalah Komunikasi
KECERDASAN BUATAN
Kecerdasan buatan (artificial inteligency) atau AI, adalah kegiatan memberikan pada mesin seperti komputer kemampuan untuk menampilkan perilaku yang dianggap cerdas jika itu diamati oleh para manusia . AI menggambarkan aplikasi komputer tercanggih, yang mencoba menyerupai beberapa jenis penalaran manusia.
Sejarah AI
Tahun 1956 istilah kecerdasan buatan dibuat oleh John McCarthy sebagai tema suatu konferensi yang diadakan di Darthmouth College. Pada tahun yang sama program komputer AI yang pertama diumumkan kemampuan terbatas untuk melakukan penalaran mendorong para peneliti untuk mengembangkan program lain yang disebut General Problem Solver, yang dimaksudkan untuk memecahkan segala jenis masalah tugas itu ternyata terlalu besar untuk ditangani para perintis awal.
Area AI
AI sedang diterapkan di bidang bisnis dalam bentuk sistem yang berbasis pengetahuan (knowledge based – sistem) yang menggunakan pengetahuan manusia untuk memecahkan masalah. Yang paling popular adalah Sistem Pakar; yaitu program komputer yang mencoba untuk mewakili pengetahuan dari pakar manusia dalam bentuk heuristic (menemukan; bahasa yunani)
Selain sistem pakar, AI mencakup kerja dalam areal berikut;
• Jaringan saraf; adalah model system saraf manusia yang sangat disederhanakan yang menunjukkan kemampuan seperti belajar, generalisasi, abstraksi.
• Sistem persepsi; menggunakan citra visual dan sinyal suara untuk menginstruksikan computer atau alat lain, seperti robot.
• Belajar; meliputi semua kegiatan yang memungkinkan computer yang lain memperoleh pengetahuan sebagai tambahan dari apa yang telah dimasukkan ke dalam memori oleh pemrogramnya.
• Robotic; terdiri atas alat yang dikendalikan komputer yang meniru aktivitas manusia.
• Perangkat Keras AI; mencakup alat fisik yang membantu aplikasi AI.
• Pemrosesan Bahasa Alamiah; memungkinkan pemakai untuk berkomunikasi dengan komputer dalam barbagai bahasa dan memungkinkan komputer memeriksa ejaan dan tata bahasa.
DAYA TARIK SISTEM PAKAR
Konsep sistem pakar didasrkan pada asumsi bahwa pengetahuan pakar dapat ditangkap dalam penyimpanan komputer dan kemudian diterapkan oleh orang lain saat dibutuhkan.
Sistem pakar menawarkan kemampuan unik yaitu;
• Kesempatan untuk membuat keputusan yang melebihi kemampuan manajer
• Menjelaskan alur penalaran dalam mencapai suatu pemecahan tertentu.
MODEL SISTEM PAKAR
Terdiri dari 4 bagian utama;
1) User interface; memungkinkan pemakai untuk berinteraksi dengan sistem pakar.
2) Knowledge base; mempunyai akumulasi pengetahuan dari masalah tertentu yang akan diselesaikan.
3) Interface Engine; menyediakan kemampuan penalaran yang menafsirkan isi knowledge base.
4) Development Engine; untuk menciptakan sistem pakar.
KEUNTUNGAN SISTEM PAKAR
1) Keuntungan Bagi Manajer
a) Mempertimbangkan Lebih Banyak Alternative
b) Menerapkan Logika Yang Lebih Tinggi
c) Menyediakan Lebih Banyak Waktu Untuk Mengevaluasi Hasil Keputusan
d) Membuat Keputusan Yang Lebih Konsisten
2) Keuntungan Bagi Perusahaan
a) Kinerja Perusaan Yang Lebih Baik
b) Mempertahankan Pengendalian Atas Pengetahuan Perusahaan
KERUGIAN SISTEM PAKAR
Dua karakteristik system pakar membatasi kemampuannya sebagai alat pencegah masalah bisnis.
1) Pertama, system pakar tidak dapat menangani penegetahuan yang tidak konsisten. Ini merupakan kerugian nyata karena, dalam bisnis, hanya sedikit yang tetap sepanjang waktu karena berubah – ubahnya kinerja manusia.
2) Kedua, system pakar tak dapat menerapkan penilaian dan intuisi yang merupakan unsur penting saat memecahkan masalah semi – terstruktur atau tidak berstruktur.
KUNCI MENUJU PENGEMBANGAN SISTEM PAKAR YANG STABIL
Lima area dimana proyek pengembangan dapat diperbaiki, menurut Profesor Gill, yaitu:
1) Koordinasikan pengembangan system pakar dengan rencana bisnis strategis untuk sumber daya informasi.
2) Definisikan secara jelas masalah yang akan dipecahkan dan pahami sepenuhnya problem domain.
3) Berikan perhatian khusus pada kelayakan legal (dan etis) dari system yang diusulkan.
4) Pahami sepenuhnya perhatian pemakai tentang proyek pengembangan maupun harapan mereka pada system operasional.
5) Gunakan teknik manajemen yang dirancang untuk menjaga tingkat kelelahan pengembang berada pada batas yang dapat diterima.
Ini adalah unsur – unsur yang harus terdapat dalam tiap proyek pengembangan.
JARINGAN SARAF
Adalah suatu model matematis dari otak manusia yang menstimulasikan cara neuron berinteraksi untuk mengolah data dan belajar dari pengalaman.
Rancangan jaringan saraf adalah suatu pendekatan dari bawah ke atas, karena mencontoh otak fisik dalam menciptakan perilaku cerdas. Lawannya adalah pendekatan dari atas ke bawah yang dikembangkan oleh para pendukung area AI yang lebih tradisional.
Perbandingan Biologis
Neuron terdiri dari 3 wilayah dasar, Dendrit, Soma, dan Axon.
• Dendrit; membentuk pohon dendrit, suatu wilayah menyerupai cabang yang sangat halus dan serat – serat tipis di sekeliling tubuh sel.
• Axon; merupakan serat – serat panjang yang membawa sinyal dari soma. Ujung Axon membelah menjadi suatu struktur menyerupai pohon, dan tiap cabang berakhir di bintil ujung (synapse) kecil yang hamper menyentuh Dendrit dari neuron – neuron lain.
• Soma; adalah komponen prosesor dari neuron. Soma pada dasarnya adalah alat penjumlahan yang dapat berespon pada total input-nya dalam jangka waktu singkat.
Evolusi Sistem Jaringan Saraf Buatan
Walau neuron – neuron sederhana ini tampak sebagai alat perhitungan yang sempurna jika bobot yang tepat digunakan, mereka kekurangan suatu aturan belajar universal. Mereka kekurangan suatu metode untuk menyesuaikan bobot dalam fungsi neuron.
Hukum Belajar Hebb, oleh Donald Hebb yang menyatakan bahwa semakin sering suatu neuron berkontribusi pada penembakan (firing) neuron kedua, semakin efisien refleks dari neuron pertama pada neuron kedua.
Komputer Neuron Pertama atau disebut analog otak manusia berbasis komputer (snark) yang dikembangkan oleh Malvin Minsky pada awal tahun 1950-an. Walau secara teknis Snark berhasil, ia gagal untuk melaksanakan fungsi pengolahan informasi yang berarti.
Sistem Saraf Buatan
Atau ANS (artificial Neural System) yang merupakan subjek penelitian saat ini bukanlah duplikat persis dari sistem biologis otak manusia, tetapi ANS melakukan kemampuan seperti generalisasi, belajar, abstraksi dan bahkan intuisi.
Pelatihan Jaringan
Jaringan saraf tidak diprogram dalam arti tradisional; sebaliknya dilatih sebagai contoh. Latihan ini terdiri dari banyak pengulangan input yang mengungkapkan berbagai hubungan.
Menempatkan Sistem Saraf Buatan Dalam Perspektif
Yang membedakan sistem pakar dan ANS adalah kemampuan untuk belajar beradaptasi. Karena kemampuan belajarnya, ANS terlindung dari kekurangan yang ada pada sistem pakar dalam hal beradaptasi pada lingkungan yang berubah.
MENEMPATKAN SISTEM BERBASIS PENGETAHUAN DALAM PERSPEKTIF
Walau konsep AI telah ada hampir seusia computer, konsep ini masih dalam proses untuk menjadi mapan sebagai komponen CBIS.
