Pertemuan 1 Sistem Pendukung Keputusan (SPK) Dicition Support System (DSS)Tipe-tipe keputusan
1.Keputusan terprogram (struktur)
- Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak
- Bersifat rutin, berulang-ulang
2.Keputusan tak terprogram (tidak terstruktur)
- Mengenai masalah khusus, khas, tidak biasa
- Kebijakan yang ada belum menjawab
- Mis. Pengalokasian sumber daya
Teknik Keputusan Terprogram
1.Tradisional
- Kebiasaan
- Mengikuti prosedur baku
- Saluran informasi disusun dengan baik
2.Modern
- Menggunakan teknik “operation research”:
- Formula matematika
- Simulasi komputer
- Berdasarkan pengolahan data berbantu komputer
Teknik Keputusan Tak Terprogram
1.Tradisional
- Kebijakan intuisi berdasarkan kreativitas
- Coba-coba
- Seleksi dan latihan para pelaksana
2.Modern
- Teknik pemecahan masalah yang diterapkan pada :
- Latihan pembuatan keputusan
- Penyusunan program komputer empiris
SPK bersifat karaktristiknya :
- dalam situasi semiterstruktur atau terstruktur yang dilakukan secara bersama-sama antara keputusan dari pengambil keputusan dengan informasi terkomputerisasi.
- Dukungan untuk semua level menejerial, mulai dari eksekutif tingkat atas sampai kelas manajer
- Dukungan untuk semua individu dalam kelompok
- Keputusan dapat diambil sekali, beberapa kali atau berulang
- Mendukung dalam semua tahap proses pengambilan keputusan
- Mendukung dalam beberapa model pengambilan keputusan
- Bersifat adaptif dan fleksibel
- Mudah dan nyaman digunakan
- Meningkatkan efektivitas pengambilan keputusan
- Dikendalikan sepenuhnya oleh pengambil keputusan selama proses penyelesaian masalah
- Sistem dapat dikembangkan dengan mudah
- Memiliki kemampuan untuk menganalisis situasi pengambilan keputusan
- Memiliki kemampuan untuk mengakses data dari berbagai sumber, berbagai format, tipe, dll
- Dapat digunakan sebagai perangkat yang bersifat standalone, terintegrasi atau berbasis web
Kategori SPK
Turban (2005) mengkategorikan model sistem pendukung keputusan dalam tujuh model, yaitu:
1.Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.
- Model ini akan melakukan pencarian terhadap solusi terbaik dari sejumlah alternatif.
- Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan tabel keputusan atau pohon keputusan.
2.Model optimasi dengan algoritma.
- Model ini akan melakukan pencarian terhadap solusi terbaik dari banyak alternatif.
- Proses pencarian dilakukan tahap demi tahap.
- Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan linear programming atau model matematika yang lainnya, atau menggunakan model jaringan.
3.Model optimasi dengan formula analitik.
- Model ini akan melakukan pencarian terhadap solusi hanya dengan satu langkah melalui rumus tertentu.
- Model seperti ini banyak dijumpai pada masalah-masalah inventory.
4.Model simulasi.
- Model ini akan melakukan pencarian terhadap solusi cukup baik atau solusi terbaik pada beberapa alternatif yang akan diuji dalam penelitian.
- Model ini lebih banyak digunakan untuk beberapa tipe simulasi.
5.Model heuristik.
- Model ini akan melakukan pencarian terhadap solusi yang cukup baik melalui serangkaian aturan (rules).
- Model ini lebih banyak direpresentasikan dengan menggunakan pemrograman heuristik atau sistem pakar
6.Model prediktif.
- Model ini akan melakukan prediksi untuk masa depan apabila diberikan skenario tertentu.
- Model ini lebih banyak direpresentasikan dengan menggunakan model peramalan (forecasting) atau analisis Makov
7.Model-model yang lainnya.
- Model ini akan menyelesaikan kasus what-if menggunakan formula tertentu.
- Model ini lebih banyak digunakan pada pemodelan keuangan atau konsep antrian.
Komponen DSS
1.Haag, dkk (2000)
- Manajemen data (internal atau eksternal)
- Manajemen model (merepresentasikan kejadian, fakta, atau situasi)
- Manajemen antarmuka (menghubungkan antara pengguna dan sistem)
2.Power (2002)
- Antarmuka
- Basisdata (internal atau eksternal)
- Model & peralatan analisis (algoritma untuk membuat keputusan berdasarkan informasi pada basisdata yang direpresentasikan dalam bentuk tabel atau graf)
- Arsitektur DSS dan jaringan.
3.Hättenschwiler (1999)
- User dengan perbedaan hak akses & fungsi dalam pengambilan keputusan
- Konteks keputusan
- Target sistem yang menggambarkan keutamaan preferensi
- Basis pengetahuan (sumber data eksternal, basisdata pengetahuan, data warehouses dan meta-databases, metode & model matematis, prosedur, inferensi, program administratif, dan sistem pelaporan
- Lingkungan kerja untuk persiapan, analisis, dan dokumentasi alternatif.
4.Marakas (1999)
- Sistem manajemen data
- Sistem manajemen model
- Knowledge engine
- Antarmuka
5.Pengguna
- Holsapple dan Whinston (1996)
- Text-oriented DSS,
- Database-oriented DSS,
- Spreadsheet-oriented DSS,
- Solver-oriented DSS,
- Rule-oriented DSS, dan
- Compound DSS.
6. Haag (2004)
- Manajemen Model
- Manajemen Data
- Manajemen antarmuka
7.Turban, dkk (2005)
- Manajemen data
- Manajemen model
- Model-model eksternal
- Subsistem berbasis pengetahuan
- Antarmuka pengguna
a.Subsistem Manajemen Data
- DSS database
- Database Management Syst
- Data dictionary
- Query facility
b.Subsistem Manajemen Model (MMS)
- Subsistem manajemen model, merupakan paket perangkat lunak yang berisi statistik, ilmu manajemen, atau model kuantitatif lainnya yang mampu memberikan kapabilitas analitik bagi sistem.
c.Subsistem User Interface
- Subsistem antarmuka, yang digunakan oleh pengguna untuk berkomunikasi dengan sistem.
- Untuk sistem berbasis web, web browser digunakan untuk keperluan tersebut
d.Subsistem manajemen berbasis pengetahuan
- Subsistem manajemen berbasis pengetahuan, yang digunakan untuk mendukung subsistem-subsistem yang lainnya.
- Beberapa metode dalam kecerdasan buatan dapat digunakan untuk keperluan tersebut.
Kapabilitas DSS
- Secara umum, DSS harus memiliki kemampuan untuk:
- Digunakan dengan mudah
- Mengakses berbagai sumber, tipe dan format data untuk berbagai permasalahan
- Mengakses berbagai kemampuan analisis dengan beberapa saran dan panduan.
Kemampuan Antarmuka
- Berbagai format dan peralatan output
- Berbagai peralatan input dari pengguna
- Berbagai gaya dialog
- Mendukung komunikasi antar pengguna dan pengembang
- Mendukung pengetahuan dari penguna
- Tersedia dialog untuk capture, penyimpanan dan analisis
- Dukungan dialog yang fleksibel & adaptif.
Kemampuan Data
- Data dengan berbagai tipe & format
- Ekstraksi, capture dan integrasi
- Fungsi akses data
- Fungsi manajemen basisdata
- Tersedianya berbagai cara pandang data secara logis
- Dokumentasi data
- Melakukan tracking terhadap penggunaan data
- Mendukung fleksibilitas dan adaptasi data
Kemampuan Model
- Kepustakaan model terkait aturan basis model
- Fasilitas pembangun model
- Manipulasi model
- Fungsi manajemen basis model
- Dokumentasi model
- Tracking penggunaan model
- Dukungan terhadap fleksibilitas & adaptasi model
Pertemuan ke-2 PENGAMBILAN KEPUTUSAN, SISTEM, PEMODELAN, DAN DUKUNGAN
Pengambilan keputusan adalah proses pemilihan, diantara pelbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran.
4 fase: (1) intelligence, (2) design, (3) choice, and (4) implementation. Fase 1 sampai 3 merupakan dasar pengambilan keputusan, yang diakhiri dengan suatu rekomendasi.
Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4).
Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan-kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada.
DSS, GDSS, EIS, dan ES melibatkan satu istilah: 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.
- Input adalah semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer.
- Proses adalah proses transformasi elemen-elemen dari input menjadi output.
- Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.
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 berbagai elemen yang terletak di luar input, output, atau pun proses. Namun, mereka dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini, maka elemen tersebut harus dimasukkan sebagai bagian dari environment. Contoh: sosial, politik, hukum, aspek fisik, dan ekonomi.
Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Sistem ada di dalam boundary, dimana environment ada di luarnya. Bisa secara fisik, misal: sistem adalah sebuah departemen di Gedung C; atau non fisik, misal: suatu sistem di batasi oleh waktu tertentu.
Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Sistem ini secara penuh mandiri, tak tergantung sama sekali.
Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Sistem ini menerima input (informasi, energi, material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut
Model
Karekteristik utama dari DSS adalah adanya kemampuan pemodelan.
Model adalah representasi sederhana atau penggambaran dari kenyataan.
Terdapat 3 jenis model:
1. Iconic (Scale). Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. GUI pada OOPL adalah contoh dari model ini.
2. Analog. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.
3. Matematis (Kuantitatif). Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog, karena kalau pun bisa akan memakan waktu lama dan sulit. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.
Keuntungan Model
Di bawah ini adalah alasan utama mengapa MSS menggunakan model:
1. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya.
2. Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.
3. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi.
4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.
5. Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.
6. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan-kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. Dengan adanya komunikasi dan teknologi canggih sekarang ini, manajer akan seringkali memiliki alternatif-alternatif pilihan.
7. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.
Proses Pemodelan
Berikut ini adalah proses yang terjadi pada pemodelan:
- Trial and error dengan sistem nyata. Tapi ini tak berjalan bila:
1. Terlalu banyak alternatif untuk dicoba.
2. Akibat samping dari error yang terjadi besar pengaruhnya.
3. Lingkungan itu sendiri selalu berubah.
- Simulasi.
- Optimisasi
- Heuristic.
- Proses pengambilan keputusan.
Intellegence Phase.
Proses yang terjadi pada fase ini adalah:
- Menemukan masalah.
- Klasifikasi masalah.
- Penguraian masalah.
- Kepemilikan masalah.
Design 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, yaitu:
- Komponen-komponen model.
- Struktur model.
- Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
- Pengembangan (penyediaan) alternatif.
- Prediksi hasil.
- Pengukuran hasil.
- Skenario.
Prinsip Pemilihan
Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
Ada 2 tipe prinsip pemilihan, Normatif dan Deskriptif.
1. Model Normatif.
Mengimplikasikan bahwa alternatif yang terpilih adalah yang terbaik dari semua alternatif yang mungkin. Untuk mendapatkannya, harus mengecek semua alternatif dan membuktikan bahwa satu yang terpilih adalah benar-benar yang terbaik. Proses ini disebut dengan Optimisasi (bisa dilihat di bawah). Pada operasionalnya, optimisasi dapat dicapai dalam 1 diantara 3 cara:
- Dapatkan level tertinggi pada tujuan yang ingin dicapai (maksimalisasi) dari kumpulan resource yang ada. Sebagai contoh, alternatif mana yang akan menghasilkan profit maksimal dari investasi $1,000,000.
- Temukan alternatif dengan rasio tertinggi (maksimalisasi) pada tujuan biaya yang ingin dicapai (misal profit per dollar investasi), atau dengan kata lain memaksimalisasikan produktivitas.
- Temukan alternatif dengan biaya terendah (atau resource lain) yang dapat memenuhi level tujuan yang dibutuhkan (minimalisasi). Sebagai contoh, jika tugasnya adalah membangun suatu produk dengan spesifikasi tertentu, metode mana yang akan bisa mewujudkannya dengan biaya terendah?
Teori keputusan Normatif didasarkan pada asumsi berikut ini:
- Manusia berpikiran ekonomis dalam hal memaksimalkan tujuannya; sehingga pengambil keputusan akan berpikir rasional.
- Dalam pengambilan keputusan, semua alternatif dari tindakan dan konsekuensinya, atau paling tidak probabilitas dan nilai dari konsekuensi tersebut, sudah diketahui.
- Pengambil keputusan mempunyai tugas atau acuan yang memungkinkan mereka meranking konsekuensi analisis yang diinginkan.
Skenario.
Skenario memegang peranan yang penting dalam MSS, karena:
- Membantu mengidentifikasi pelbagai kesempatan potensial dan/atau daerah permasalahan.
- Menyediakan fleksibelitas dalam perencanaan.
- Mengidentifikasi titik puncak perubahan yang seharusnya dimonitor manajer.
- Membantu memvalidasi asumsi dasar yang digunakan dalam pemodelan.
- Membantu untuk meneliti sensitivitas dari solusi yang ditawarkan dalam perubahan yang terjadi pada skenario.
Evaluasi: Multiple Goals, Analisis Sensitivitas, “What-If,” dan Pencarian Tujuan.
Multiple Goals.
Analisis multiple goal melibatkan kesulitan-kesulitan di bawah ini:
1. Biasanya sulit untuk mendapatkan statemen eksplisit dari tujuan organisasi.
2. Beberapa partisipan memandang kepentingan (prioritas) dari pelbagai goal dengan cara yang berbeda-beda.
3. Pengambil keputusan merubah kepentingan yang dijadikan tujuan seiring dengan berjalannya waktu atau untuk situasi pengambilan keputusan yang berbeda.
4. Goal dan subgoal dipandang secara berbeda pada level organisasi yang berbeda-beda dan pada departemen yang berbeda pula.
5. Goal itu sendiri bersifat dinamis dalam menghadapi perubahan di organisasi dan lingkungannya.
6. Hubungan antara pelbagai alternatif dan akibatnya pada tujuan sulit untuk dikuantifikasikan.
7. Permasalahan yang kompleks dipecahkan oleh kelompok-kelompok pengambil keputusan.
Analisis Sensitivitas.
Mengecek hubungan antara:
- Efek dari ketidakpastian dalam memperkirakan variabel eksternal.
- Efek dari interaksi yang berbeda diantara pelbagai variabel.
- Banyaknya keputusan yang dihasilkan pada kondisi yang berubah-ubah.
- Akibat perubahan di variabel eksternal (uncontrollable) dan parameter pada variabel hasil.
- Akibat perubahan di variabel keputusan pada variabel hasil.
- Revisi model untuk mengeliminasi sensitivitas yang terlalu besar.
- Penambahan detil mengenai pelbagai variabel atau skenario yang sensitif.
- Perolehan perkiraan yang lebih baik dari variabel eksternal yang sensitif.
- Perubahan sistem di dunia nyata untuk mengurangi sensitivitas aktual.
- Menghadapi dunia nyata yang sensitif (dan lalu rapuh), memonitor hasil aktual secara terus menerus dan hati-hati.
Dua tipe analisis sensitivitas:
1. Automatic Sensitivity Analysis. Terdapat model kuantitatif standar seperti linear programming. Sebagai contoh, hal ini bisa memberitahu manajer pada range mana variabel input yang pasti (misal, unit cost) berbeda, tanpa menimbulkan akibat yang signifikan pada solusi yang ditawarkan. Biasanya terbatas pada satu perubahan di saat yang bersamaan, dan hanya untuk variabel yang pasti. Namun demikian hal ini sangat berguna disebabkan kemampuannya yang cepat untuk menentukan range dan batas (dan dengan atau tanpa perubahan kecil pada hasil komputasinya).
2. Trial and Error. Akibat perubahan pada satu/beberapa variabel dapat ditentukan melalui pendekatan trial-and-error. Kita dapat melakukan perubahan pada input data dan mencoba kembali pemecahan masalah. Dengan mengulang hal ini beberapa kali, solusi yang makin lama makin baik akan ditemukan. 2 pendekatan metode ini adalah: “what-if” dan goal seeking.
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.
Proses pengambilan keputusan memang dikendalikan oleh manusia, tapi hal ini dapat berkembang jika didukung oleh komputer.
Dukungan pada Choice Phase.
Suatu DSS menurut definisinya adalah merekomendasikan tetapi tidak membuat suatu pilihan. Sebagai tambahan untuk menggunakan model yang secara cepat mengidentifikasi alternatif terbaik atau “good enough”, DSS dapat mendukung choice phase melalui analisis “what-if” dan goal-seeking. Skenario-skenario yang berbeda dapat dites untuk pilihan yang diinginkan yang bisa memperkuat keputusan akhir.
Sedangkan suatu ES dapat digunakan untuk membantu solusi yang diharapkan sebagai rekomendasi pada solusi yang layak.
Dukungan pada Implementasi Keputusan
Pada fase ini ternyata keuntungan yang didapat dari DSS juga sepenting atau malah lebih penting dibandingkan penggunaan DSS pada fase-fase sebelumnya.
Keuntungannya adalah dalam memberikan ketajaman dan detil dari analisis dan output yang dihasilkan.
Untuk ES, jelas implementasi keputusan di dukung olehnya. Kelebihan ES yaitu ia dapat berfungsi sebagai sistem penasehat berkaitan dengan implementasi masalah ini. Terakhir ES menyediakan training yang menjadikan segala yang diimplementasikan lebih mudah dan mulus.
Human Cognition Manusia dan Gaya Keputusan.
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.
Cognitive style mengacu pada proses subyektif dimana individu mempersepsi, mengorganisasi, dan mengubah informasi selama proses pengambilan keputusan. Gaya ini mulai dari yang paling heuristic sampai yang paling analitis, sehingga banyak kombinasinya.
Gaya Keputusan.
Perilaku pengambil keputusan berpikir dan bereaksi terhadap suatu masalah, bagaimana mereka mempersepsi, respon pemahamannya, nilai-nilai dan kepercayaan yang dianut, berbeda-beda dari satu individu ke individu yang lain dan juga dari situasi ke situasi yang lain. Sehingga tiap orang akan membuat keputusan yang berbeda-beda.
Perilaku bagaimana manajer mengambil keputusan (dan bagaimana mereka berinteraksi dengan orang lain) menjelaskan gaya keputusan mereka. Bisa autocratic atau malah democratic; ada juga yang consultative (dengan orang atau group lain) serta yang lain heuristic.
Pertemuan 3 MANAJEMEN DATA
Sumber Data
sumber data adalah dari: internal, eksternal, dan personal.
- Internal. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. Data ini mengenai orang, produk, services, dan proses. Contoh: data mengenai karyawan dan penggajiannya.
- Eksternal. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. Bentuknya bisa berupa CD-ROM, film, musik, atau suara. Juga gambar, diagram, atlas, dan televisi.
- Personal. Para pakar dapat memberikan kontribusinya pada MSS untuk perbagai aplikasi tertentu. Contoh: perkiraan penjualan atau opini mengenai kompetitor
Pengumpulan dan Permasalah
Metode pengumpulan data mentah bisa menggunakan cara:
- Manual. Contoh: metode time studies (selama observasi), survey (menggunakan kuisoner), observasi (misal dengan menggunakan kamera video), meminta pendapat pakar (misal dengan mewawancarainya).
- Instrumen dan sensor. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi.
Database dan Manajemen Database
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
Procedural Languages. Contoh: BASIC, COBOL, FORTRAN, dan Pascal. Diikuti dengan Object-oriented Language: C++, Delphi, Java, C#, PHP, dll.
Nonprocedural Fourth-generation Language (4GLs). Bahasa utama dalam kebanyakan generator DSS dan pelbagai tool MSS lainnya.
Problem-oriented Language. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar.
4GLs memiliki keuntungan:
Result-oriented.
- Meningkatkan produktivitas paling sedikit 5 kali lipat sampai sekitar 300 kali lipat untuk pelbagai aktivitas.
- Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara, sebab 4GLs dirancang baik untuk spesialis maupun end-user.
- Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. Sehingga merupakan tool pengembangan yang efektif.
- Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun, dan dibangunnya itu adalah dari sekedar konsep kasar.
- Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS; sebagai contoh, satu DBMS dapat dibuat dengan 4GL.
- Sebagai suatu MSS generator untuk membangun aplikasi tertentu.
- Sebagai tool ideal untuk pusat informasi (Information Centers).
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.
Relasi diantara pelbagai record individu yang tersimpan dalam database dapat dinyatakan dengan pelbagai struktur lojikal. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya.
Relational Database.
Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari, data mudah dikembangkan atau diubah, dan mudah diakses dalam pelbagai format tanpa perlu mengantisipasinya pada waktu awal mendesain dan mengembangkannya.
Hierarchical.
Menyusun item data dalam gaya top-down, membuat link lojikal diantara item data yang berelasi. Sehingga mirip seperti pohon, atau bagan organisasi.
Network.
Struktur ini mengijinkan link yang kompleks, termasuk koneksi rumit diantara item-item yang berelasi. Struktur ini disebut dengan model CODASYL. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item.
Aplikasi Database dan Spreadsheet.
Hal utama yang ada di DMBS adalah manajemen data, yaitu untuk membuat, menghapus, mengubah, dan menampilkan data. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report.
Program spreadsheet berhubungan dengan aspek pemodelan DSS. Ini membantu membuat dan mengatur model, menampilkan kalkulasi berulang pada variabel yang berhubungan, serta melibatkan faktor-faktor matematis, statistik dan keuangan
Enterprise DS dan Information Warehouse
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
Keuntungan dari enterprise computing adalah:
Menyediakan pelayanan yang responsif dan handal secara kontinyu.
Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. Proses penyatuan ini dapat mencegah pelbagai aplikasi kritis dan mengembangkan misi yang sudah ada.
Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat, tanpa mengganggu ketersediaan sistem dan jaringan.
Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin.
Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional sistem berkurang seiring dengan pertumbuhan enterprise.
Keamanan jaringan dan data meningkat.
Konsep Information Warehouse (IW).
IW adalah sekumpulan DBMS, interface, tool, dan berbagai 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. Dicirikan oleh:
Client-nya adalah PC atau workstation, dihubungkan ke jaringan, yang digunakan untuk mengakses resources jaringan.
User dihubungkan oleh interface ke Client. Umumnya menggunakan GUI.
Pada sistem client/server terdapat pelbagai client, masing-masing dengan interface user sendiri-sendiri. Client ini saling berbagi resources yang disediakan server.
Server adalah mesin yang melayani client dengan pelbagai pelayanan seperti database, tempat penyimpanan yang besar, atau pelayanan komunikasi ke jaringan.
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.
Ringkasan data dapat diorganisasi dalam pelbagai cara untuk kepentingan analisis dan presentasi
3 faktor dalam multidimensionality: dimensi, ukuran, dan waktu.
Contoh dimensi: produk, salespeople (orang-orang bagian penjualan), segmen pasar, unit bisnis, lokasi gegrafis, jalur distribusi, negara, atau industri.
Contoh ukuran: uang, sales volume (volume penjualan), keuntungan penyimpanan, aktual vs perkiraan.
Contoh waktu: harian, mingguan, bulanan, caturwulan, atau tahunan
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.
Pengaksesan Data: Da
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.
PEMODELAN DAN MANAJEMEN MODEL
Pemodelan dalam MSS.
1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel. Model ini merupakan preprogram dalam tool software pengembangan DSS.
2. Model finansial untuk pengembangan laporan pemasukan dan proyeksi data finansial untuk beberapa tahun. Model ini semi terstruktur dan ditulis dalam bahasa khusus DSS yang disebut dengan IFPS.
3. Model optimasi yang dibuat menggunakan model management science yang disebut pendekatan Linear Programming dalam rangka menentukan pemilihan media. Untuk menggunakan model ini, DSS perlu antarmuka untuk berhubungan dengan software yang lain.
aspek2 dalam pemodelan
- Identifikasi masalah dan analisis lingkungan.
- Identifikasi variabel.
- Perkiraan (forecasting).
- Model.
- Manajemen model.
Model Statis dan Dinamis.
1.Analisis statis. Model statis mengambil satu kejadian saja dalam suatu situasi. Selama kejadian tersebut semuanya terjadi dalam 1 interval, baik waktunya sebentar atau lama. Diasumsikan adanya stabilitas disini.
2.Analisis dinamis. Model dinamis digunakan untuk mengevaluasi skenario yang berubah tiap saat. Model ini tergantung pada waktu. Dapat menunjukkan tren dan pola pada waktu tertentu.
Certainty, Uncertainty, dan Resiko.
1.Model certainty (kepastian). Mudah untuk bekerja dengan model ini dan dapat menghasilkan solusi yang optimal.
2.Uncertainty (ketidakpastian). Umumnya memang diusahakan sebisa mungkin menghindari uncertainty ini. Dibutuhkan informasi lebih banyak sehingga masalah dapat diproses dengan resiko yang dapat dihitung.
3.Risk (Resiko). Kebanyakan keputusan bisnis dibuat dibawah asumsi resiko tertentu.
Optimasi dengan Pemrograman Matematis.
Pemrograman matematis.
Digunakan untuk membantu menyelesaikan masalah manajerial, untuk mengalokasikan resources yang terbatas (misal tenaga kerja, modal, mesin, atau air) diantara sekian banyak aktivitas untuk mengoptimalkan tujuan yang ditetapkan.
Karakteristik.
1. Sejumlah tertentu resources ekonomi tersedia untuk dialokasi.
2. Resources digunakan dalam produksi produk atau service.
3. Ada 2 atau lebih cara bagaimana resources digunakan. Masing-masingnya disebut dengan solusi atau program.
4. Setiap aktivitas (produk atau service) dimana resources digunakan disitu memberikan hasil tertentu sesuai tujuan yang telah ditetapkan.
5. Pengalokasian ini biasanya dibatasi oleh pelbagai batasan dan kebutuhan yang disebut dengan constraints (batasan).
Perumusan Umum dan Istilah.
a.Decision Variables.
- Variabel-variabel dimana nilainya tak diketahui dan yang sedang dicari. Biasanya ditandai dengan x1, x2, dan lain-lain.
b.Objective Function (Fungsi Tujuan).
Pernyataan matematis, merupakan fungsi linier, menunjukkan hubungan diantara decision variables dan satu tujuan (atau objective) yang dicari. Jika melibatkan tujuan yang banyak (multiple goals), terdapat 2 pendekatan:
1. Memilih tujuan utama yang memiliki level maksimal/minimal.
2. Memindahkan tujuan-tujuan yang lain ke dalam contraint (batasan), yang harus dipenuhi.
c.Optimasi.
- LP berusaha untuk mendapatkan nilai maksimal atau minimal dari fungsi tujuan.
d.Coeeficients (Koefisien) dari Objective Function.
- Menyatakan tingkat/derajat dimana nilai dari fungsi tujuan meningkat atau menurun dengan memasukkan dalam solusi satu unit dari setiap decision variables.
e.Constraints (batasan).
- Maksimalisasi atau minimalisasi dilakukan berdasarkan batasan-batasan tertentu. Sehingga, LP dapat didefinisikan sebagai permasalahan optimasi terbatasi. Batasan dinyatakan dalam bentuk pertidaksamaan (atau terkadang persamaan).
f.Koefisien Input-Output (Teknologi)
- Koefisien dari variabel batasan disebut dengan koefisien input-output. Ini mengindikasikan tingkat pemakaian atau penggunaan resource. Ditampilkan pada sisi kiri batasan.
g.Capacities (kapasitas).
- Kapasitas (atau ketersediaan) dari pelbagai resources, biasanya dinyatakan dengan batas atas atau batas bawah, berada pada sisi kanan batasan. Sisi kanan juga menyatakan kebutuhan minimum.
Simulasi.
Dalam MSS artinya adalah teknik untuk melakukan percobaan (seperti misalnya “what-if”) dengan komputer digital pada suatu model dari sistem manajemen.
Karakteristik Utama
- simulasi bukanlah sejenis model biasa
-simulasi adalah teknik untuk melaksanakan percobaan
- Simulasi lebih bersifat deskriptif (menjelaskan) daripada tool normatif
- Simulasi digunakan bilamana permasalahan yang ada terlalu kompleks/sulit
Keuntungan Simulasi:
1. Teori simulasi relatif mudah dan bisa langsung diterapkan.
2. Model simulasi mudah untuk menggabungkan berbagai hubungan dasar dan ketergantungannya.
3. Simulasi lebih bersifat deskriptif daripada normatif
4. Modelnya dibangun berdasarkan perspektif manajer dan berada dalam struktur keputusannya
5. Simulasi dapat mengatasi variasi yang berbeda-beda dalam pelbagai jenis masalah
6. Sebagai sifat alamiah simulasi, kita dapat menghemat waktu
Kerugian Simulasi:
1. Tak menjamin solusi yang optimal.
2. Membangun model simulasi seringkali memakan waktu lama dan membutuhkan biaya.
3. Solusi dan inferensi dari satu kasus simulasi biasanya tak bisa ditransfer ke permasalahan yang lain.
4. Simulasi terkadang begitu mudah diterima oleh manajer sehingga solusi analitis yang dapat menghasilkan solusi optimal malah sering dilupakan.
Tipe Simulasi
- Simulasi Probabilistik. Satu atau lebih independent variable-nya (misal, kebutuhan dalam masalah inventory) probabilistik, mengandung bilangan acak. Sehingga ini mengikutsertakan distribusi probabilitas tertentu
- Simulasi bergantung waktu (time dependent) vs simulasi tak bergantung waktu (time independent).
- Simulasi visual. Penampilan hasil simulasi secara grafis terkomputerisasi
Percobaan dalam Simulasi (Probabilistik).
Proses percobaan dalam simulasi melibatkan 8 langkah, termasuk di dalamnya apa yang disebut dengan prosedur Monte Carlo:
1. Menentukan ukuran (ukuran-ukuran) kinerja sistem yang diinginkan. Jika perlu, tulislah dalam bentuk persamaan.
2. Gambarkan sistem dan dapatkan distribusi probabilitas dari elemen probabilistik yang relevan dari sistem.
3. Rancang bangunlah distribusi probabilistik kumulatif untuk setiap elemen stokastik.
4. Tentukan representasi bilangan yang berhubungan dengan distribusi probabilistik kumulatif.
5. Untuk setiap elemen probabilistik, ambil satu contoh acak (keluarkan bilangan secara acak atau ambil satu dari tabel bilangan acak).
6. Catat ukuran kinerja dan varian-nya.
7. Jika diinginkan hasil yang stabil, ulangi langkah 5 dan 6 sehingga ukuran kinerja sistem “stabil”.
8. Ulangi langkah 5-7 untuk pelbagai alternatif. Berikan nilai ukuran kinerjanya dan confidence interval-nya, berdasarkan pada alternatif yang diinginkan
Prosedure Monte Carlo bukanlah model simulasi, walaupun ia hampir menjadi sinonim dengan simulasi probabilistik. Prosedur tersebut melibatkan langkah 3 sampai langkah 6 dalam proses ini. Yaitu, prosedure yang menghasilkan pengamatan acak dari variabel-variabel yang penting.
Pemrograman Heuristic.
Pendekatan yang melibatkan cara heuristic (role of thumb, aturan jempol) yang dapat menghasilkan solusi yang layak dan cukup baik pada pelbagai permasalahan yang kompleks. Cukup baik (good enough) biasanya dalam jangkauan 90 sampai dengan 99.99 persen dari solusi optimal sebenarnya.
Metodologi.
Pendekatan lojik heuristic melibatkan hal-hal berikut:
1. Skema klasifikasi yang mengenalkan struktur ke dalam permasalahan.
2. Analisis karakteristik dari elemen-elemen masalah.
3. Aturan-aturan untuk seleksi elemen dari setiap kategori untuk mendapatkan strategi pencarian yang efisien.
4. Aturan-aturan untuk seleksi lebih lanjut, bila diperlukan.
5. Fungsi tujuan yang digunakan untuk mengecek kelayakan solusi pada setiap tahapan seleksi atau pencarian
Kapan Menggunakan Heuristic:
1. Input data tidak pasti atau terbatas.
2. Kenyataan yang ada terlalu kompleks sehingga model optimasi menjadi terlalu disederhanakan.
3. Metode yang handal dan pasti tak tersedia.
4. Waktu komputasi untuk optimasi terlalu lama.
5. Adanya kemungkinan untuk meningkatkan efisiensi proses optimasi (misal, dengan memberikan solusi awal yang baik menggunakan heuristic)
6. Masalah-masalah yang diselesaikan seringkali (dan berulang-ulang) dan menghabiskan waktu komputasi.
7. Permasalahan yang kompleks yang tidak ekonomis untuk optimasi atau memakan waktu terlalu lama dan heuristic dapat meningkatkan solusi yang tak terkomputerisasi.
8. Di saat pemrosesan simbolik lebih banyak dilibatkan daripada pemrosesan numerik (dalam ES)
Keuntungan Heuristic:
1. Mudah dimengerti dan kemudian mudah diimplementasikan.
2. Membantu dalam melatih orang sehingga kreatif dan dapat digunakan untuk masalah yang lain.
3. Menghemat waktu perumusan.
4. Menghemat pemrograman dan kebutuhan penyimpanan pada komputer.
5. Menghemat waktu pemrosesan komputer yang tak perlu (kecepatan!).
6. Seringkali menghasilkan pelbagai solusi yang dapat diterima
Influence Diagram (Diagram Pengaruh).
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).
Model forecasting merupakan bagian integral dari kebanyakan MSS. Forecasting digunakan untuk memperkirakan nilai variabel model, demikian juga hubungan logika model, pada suatu waktu tertentu di masa mendatang
Metode Forecasting
- Judgment method. Didasarkan pada pertimbangan subyektif dan opini dari seorang pakar, lebih daripada data yang ada
- Counting methods. Melibatkan pelbagai eksperimen atau survey dari contoh data, dengan mencoba menggeneralisasi keseluruhan pasar
- Time-series analysis. Time-series adalah sekumpulan nilai dari variabel bisnis atau ekonomi, diukur pada serangkaian selang waktu tertentu
- Association or causal methods. Menyertakan analisis data untuk mencari asosiasi data dan, jika mungkin, menemukan hubungan sebab-akibat
- Sebagai contoh software forecasting adalah: SPSS, SAS System, Forecast Master, dll
Bahasa Pemodelan dan Spreadsheet.
Model dapat ditulis dalam pelbagai bahasa pemrograman, utamanya bahasa pemodelan. Bahasa pemrograman yang biasa dipakai: C, C++ dan turunannya seperti Java, PHP, C#, dan lain-lain. Demikian juga semua bahasa visual yang ada sekarang: Visual C++, Delphi, VB, dan lain-lain. Kemudian pada level yang lebih sederhana kita bisa menggunakan software spreadsheet (lembar kerja), misalnya Excel
Pemodelan Finansial dan Perencanaannya.
Kebanyakan aplikasi DSS berhubungan dengan analisis finansial dan/atau perencanaannya. Pemodelan finansial berorientasi pada model aljabar, rumus-rumus ditulis dalam persamaan. Sedangkan spreadsheet menuliskan modelnya dengan orientasi komputasi atau kalkulasi
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
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
MBMS yang efektif akan membuat aspek struktur dan algoritma dari organisasi model dan memproses data yang berhubungan, yang tak perlu ditampakkan kepada user
Kemampuan MBMS
1. Kontrol. Baik untuk sistem yang otomatis maupun manual.
2. Fleksibelitas. Mudah menghadapi perubahan.
3. Umpan balik. Selalu up-to-date, bersifat kekinian.
4. Antarmuka. User merasa nyaman dan mudah menggunakan.
5. Pengurangan redundansi. Model yang di-share dapat mengurangi penyimpanan yang redundan.
6. Peningkatan konsistensi. Mengatasi data yang berbeda atau versi model yang berbeda
MEMBANGUN DSS
Melibatkan hal-hal : teknis (hardware, software) dan perilaku (interaksi manusia-mesin, dampak DSS pada individu.
Strategi Pengembangan
1.Tulis DSS dengan bahasa pemrograman umum : Pascal, Delphi, Java, C++ dll.
2.Menggunakan 4GL : financial-oriented language, data-oriented language.
3.Menggunakan DSS Generator : Excell.
4.Menggunakan DSS Generator khusus
5.Mengembangkan DSS dengan metodologi CASE
Level Teknologi
Kerangka kerja untuk memahami konstruksi DSS mengidentifikasi 3 level teknologi DSS : Specific DSS, DSS-generation, dan DSS tools.
1.Specific DSS (DSS applications).
“Final Product” atau aplikasi DSS yang nyata-nya menyelesaikan pekerjaan yang kita inginkan disebut dengan specific DD (SDSS). Contoh : SDSS untuk menganalisis joint venture.
2.DSS Generators (atau Engines).
adalah software pengembangan terintegrasi yang menyediakan sekumpulan kemampuan untuk membangun specific DSS secara cepat, tak mahal, dan mudah. Contoh : Microsoft Excel.
3,DSS Tools.
Level terendah dari teknologi DSS adalah software utility atau tools. Elemen ini membantu pengembangan baik DSS generators atau SDSS.Contoh : grafis (hardware dan software), editors, query systems, random number generator, dan spreadsheets.
Proses Pengembangan DSS
-Perencanaan.
Merumuskan kerangka dan ruang lingkup SPK, persyaratan unjuk kerja , dan memilih konsep-konsep & menganalisis model pembuatan keputusan yang relevan dengan tujuan SPK. Langkah ini menentukan pemilihan jenis SPK yang akan dirancang dan metode pendekatan yang dipergunakan.
-Penelitian.
Berhubungan dengan pencarian data serta sumber daya yang tersedia
-Analisis & Perancangan konsep.
Penentuan teknik pendekatan yang akan dilakukan serta sumber daya yang dibutuhkan
-Perancangan.
Melakukan perancangan ketiga subsistem utama SPK yaitu subsistem database, model dan Dialog.
-Konstruksi.
Merupakan kelanjutan dari perancangan dimana ketiga subsistem yang telah dirancang digabungkan menjadi suatu SPK
-Implementasi.
Menerapkan SPK yang dibangun. Pada tahap dilakukan testing, evaluasi, penampilan, orientasi, pelatihan dan penyebaran
-Pemeliharaan.
Tahapan yang dilakukan terus menerus untuk mempertahankan keandalan sistem
-Adaptasi.
Melakukan pengulangan terhadap tahapan diatas sebagai tanggapan terhadap perubahan kebutuhan “pemakai”.
2. Prototipe
- Suatu metode dalam pengembangan sistem yang menggunakan pendekatan untuk membuat sesuatu program dengan cepat dan bertahap sehingga segera dapat dievaluasi oleh pemakai
- Hal ini berbeda dengan pendekatan SDLC tradisional (konvensional) yang lebih banyak menghabiskan waktu untuk menghasilkan spesifikasi yang sangat rinci sebelum pemakai dapat mengevaluasi sistem
- Mengingat kebanyakan pemakai mengalami kesulitan dalam memahami spesifikasi sistem berakibat bahwa pemakai tidak begitu paham sampai pengujian dilakukan
- Selain itu, prototipe membuat proses pengembangan sistem informasi menjadi lebih cepat dan lebih mudah, terutama pada kedaaan kebutuhan pemakai sulit untuk diidentifikasi.
- Prototipe dapat dibuat dengan menggunakan perangkat-perangkat, misalnya Visual BASIC dan PowerBuilder, ataupun DBMS (Database Management System) seperti Microsoft Access, sehingga pembuatan program dapat dilakukan dengan cepat
Sasaran Prototipe :
- Mengurangi waktu sebelum pemakai melihat sesuatu yang konkret dari usaha pengembangan sistem
- Menyediakan umpan balik yang cepat dari pemakai kepada pengembang
- Membantu menggambarkan kebutuhan pemakai dengan kesalahan yang lebih sedikit
- Meningkatkan pemahaman pengembang dan pemakai terhadap sasaran yang seharusnya dicapai oleh sistem
- Menjadikan keterlibatan pemakai sangat berarti dalam analisis dan desain sistem
Kelebihan Prototipe
- Pendefinisian kebutuhan pemakai menjadi lebih baik karena keterlibatan pemakai yang lebih intensif
- Meningkatkan kepuasan pemakai dan mengurangi risiko pemakai tidak menggunakan sistem mengingat keterlibatan mereka yang sangat tinggi sehingga sistem memenuhi kebutuhan mereka dengan lebih baik
- Mempersingkat waktu pengembangan
- Memperkecil kesalahan disebabkan pada setiap versi prototipe, kesalahan segera terdeteksi oleh pemakai
- Pemakai memiliki kesempatan yang lebih banyak dalam meminta perubahan-perubahan
- Menghemat biaya (menurut penelitian, biaya pengembangan dapat mencapai 10% hingga 20% dibandingkan kalau menggunakan SDLC tradisional)
kelemahan prototipe
- Prototipe hanya bisa berhasil jika pemakai bersungguh-sungguh dalam menyediakan waktu dan pikiran untuk menggarap prototipe
- Kemungkinan dokumentasi terabaikan karena pengembang lebih berkonsentrasi pada pengujian dan pembuatan prototipe
- Mengingat target waktu yang pendek, ada kemungkinan sistem yang dibuat tidak lengkap dan bahkan sistem kurang teruji
- Jika terlalu banyak proses pengulangan dalam membuat prototipe, ada kemungkinan pemakai menjadi jenuh dan memberikan reaksi yang negatif
- Apabila tidak terkelola dengan baik, prototipe menjadi tak pernah berakhir. Hal ini disebabkan permintaan terhadap perubahan terlalu mudah untuk dipenuhi
Prototipe baik dipakai pada keadaan
1.Sistem mempunyai resiko tinggi
-Tidak jelas permasalahannya
-Tidak jelas kebutuhan & keinginan
-Tidak pasti ada yang ingin dilakukan
2.Perancangan Dialog User - Komputer
-Bagiamana membuat dialog yg. baik, ramah, mudah ?
3.Sistem diminati oleh banyak pemakai
-Mencari kesepakatan
-Basis untuk menyamakan persepsi
4.User ingin cepat selesai
-User tidak sabar menunggu
-Prototipe segera memperlihatkan bentuk kerja sistem
5.Masa pakai singkat
-Sistem hanya dipakai beberapa kali saja
6.Ingin menunjukkan inovasi
-Pengembangan dapat menunjukkan kecanggihan
-Sistem cepat terlihat (mungkin juga cepat selesai)
7.Kebutuhan berubah-ubah
-User sulit menjelaskan kebutuhan
-Menjadi keadaan yang paling umum untuk memakai prototyping
Pengembangan DSS Berbasis User
Pengembangan DSS berbasis user adalah pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang di luar wilayah sistem informasi formal.
Keuntungan bila user sendiri yang membangun DSS :
- Waktu penyelesaian singkat
- Masalah implementasi DSS dapat dikurangi
- Biayanya sangat rendah
Resikony adalah :
- Kualitasnya bisa tak terjaga.
- Resiko potensial kualitas dapat diklasifikasi dalam 3 katagori: (a) tool dan fasilitas dibawah standar (b) resiko yang berhubungan dengan proses pengembangan (contoh : pengembangan sistem yang mnghasilkan hasil yang salah), dan (c) resiko manajemen data (misal : kehilangan data).
Fleksibilitas dalam DSS
Hal-hal yang menyebabkan kebutuhan akan fleksibilitas dalam DSS :
- Tak seorang pun, baik user maupun pembangun DSS, yang mampu untuk menentukan kebutuhan fungsional seluruhnya.
- User tak tahu, atau tak dapat mengungkapkan, apa yang mereka mau dan butuhkan
- Konsep user mengenai tugas, dan persepsi dari sifat dasar masalah, berubah pada saat sistem dipakai.
- Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula.
- Solusi yang diturunkan melaluii DSS bersifat subyektif.
- Terdapat berbagai vriasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS
Ringkasnya ada 2 alasan utama adanya fleksibilitas dalam DSS :
- DSS harus berevolusi atau berkembang untuk mencapai desain operasional, sebab tak seorangpun yang bisa memperkirakan atau mengantisipasi apa yang dibutuhkan secara lengkap.
- Sistem jarang mencapai hasil final; ia harus sering diubah untuk mengantisipasi perubahan dalam hal : masalah, user dan lingkungan. Faktor-faktor ini memang sering berubah-ubah. Perubahan yang terjadi haruslah mudah untuk dilakukan.
Jenis Fleksibilitas dalam DSS
1.Fleksibilitas menyelesaikan.
Kemampuan fleksibilitas dalam menampilkan aktivitas intelligence, design, dan choice dan dalam menjelajah perbagai alternatif memandang atau menyelesaikan suatu masalah. Contoh : kemampuan “what-if”.
2.Fleksibilitas memodifikasi.
Kemampuan memodifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda, atau pada perluasan masalah. Fleksibilitas ini diatur oleh user / pengembang DSS.
3.Fleksibilitas mengadaptasi.
Level ketiga dalam hal mengadaptasi prubahan yang harus dilakukan pada berbagai DSS tertentu. Ini diatur oleh pembangun DSS.
4.Fleksibilitas berevolusi.
Adalah kemampuan dari DSS dan DSS Generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu.
GROUP DECISION SUPPORT SYSTEMS (GDSS)
Group Decision Support System (GDSS) adalah sistem yang digunakan oleh sekelompok orang untuk mencari penyelesaian masalah dengan menggunakan teknologi komunikasi, komputasi dan dukungan keputusan.
Situasi Pengambilan Keputusan pada GDSS
- Proses pengambilan keputusan dalam suatu kelompok dapat terjadi pada situasi yang mana:
- setiap individu dicirikan oleh persepsi, sikap, dan motivasi pengambil keputusan itu sendiri;
- siapa yang akan mengakui atau menerima permasalahan secara umum (domain); dan
- usaha untuk mendapatkan keputusan kolektif.
- Proses pengambilan keputusan dapat dilakukan dalam kerangka yang lebih fleksibel.
- Fleksibilitas ini salah satunya ditunjukkan dengan kemampuannya dalam mensimulasikan proses pengambilan keputusan dengan konsistensi yang bersifat kabur (Kickert, 1978).
Karakteristik GDSS
- Rancangan khusus: komunikasi yang efektif & group decision making
- Mudah digunakan
- Fleksibel: mengakomodasi perbedaan perspektif
- Anonymous input: tidak mengekspos nama individu
- Parallel communication
- Decision-making support
- Mengurangi kelakuan kelompok yang bersifat negatif: dibutuhkan fasilitator.
- Automated record keeping
Keuntungan GDSS
- Adanya komunikasi secara pararel antar anggota kelompok.
- Menawarkan kesempatan yang sama untuk memberikan ide dan opini.
- Mengeliminasi adanya dominasi dari sebagian anggota kelompok.
- Dapat diketahui dengan cepat adanya kesetujuan dan ketidaksetujuan terhadap opini dalam anggota kelompok.
- Membantu mengatur jadwal pertemuan
- Menyediakan kapabilitas dokumentasi otomatis secara efektif.
Pengaruh GDSS dalam kelompok
- GDSS menitikberatkan pada perbaikan kerja anggota kelompok atau penyelesaian masalah dalam kelompok.
- GDSS meningkatkan kualitas dalam perbaikan proses pengambilan keputusan kelompok.
- GDSS meningkatkan pencapaian konsensus.
Level Group Decision Supp
Level Group Decision Support
Level 1 GDSS – menyediakan fitur-fitur teknis yang bertujuan untuk mengurangi adanya kendala komunikasi seperti voting dan pertukaran pesan.
Level 2 GDSS – menyediakan pemodelan keputusan dan teknik-teknik pengambilan keputusan kelompok yang bertujuan untuk mengurangi adanya ketidakpastian yang terjadi dalam proses pengambilan keputusan kelompok.
Level 3 GDSS – machine-induced group communication patterns dan dapat juga berisi saran-saran dalam menyeleksi dan menyusun aturan yang dapat diaplikasikan selama pertemuan.
Ada 3 faktor yang perlu diperhatikan dalam merancang GDSS:
- Ukuran kelompok
- Adanya atau ketiadaannya interaksi secara tatap muka.
- Tugas yang akan dihadapi oleh kelompok.
Fitur-fitur Dasar GDSS
- Pembentukan, modifikasi dan penyimpanan file data & teks bagi anggota kelompok.
- Pemrosesan kata (word processing) untuk memformat dan mengedit teks.
- Fasilitas pembelajaran.
- Fasilitas Help secara online
- Worksheets, spreadsheets, decision trees, dan lain-lain yang membutuhkan display secara grafis.
- Manajemen basisdata
Fitur-fitur Kelompok
- Rangkuman ide atau hasil pemungutan suara anggota kelompok baik secara numeris maupun grafis.
- Menu untuk input teks, data atau pemungutan suara untuk anggota kelompok.
- Program untuk prosedur-prosedur kelompok tertentu.
- Metode untuk menganalisis interaksi atau pendapat awal.
- Transmisi teks dan data dalam anggota kelompok
Clinical Group DSS - Konsensus
Cara memperoleh konsensus:
1.Voting
2.Agregasi
- Ordered Weighted Averaging (OWA)
- Induced Ordered Weighted Averaging (IOWA)
- Importance Induced Ordered Weighted Averaging (I-IOWA)
- Consistency Induced Ordered Weighted Averaging (C-IOWA)
Tipologi Fasilitas GDSS
Delivery modes:
- Dilakukan instalasi secara permanen pada lokasi user.
- Dilakukan instalasi secara portable (on-call basis).
- Dilakukan instalasi secara permanen pada vendor.
- Fasilitas dirancang dan disediakan oleh perusahan komersial.
Executive Information System
Definisi EIS
Rockart and De Long (1988):
EIS adalah sistem berbasis komputer yang:
- Melayani kebutuhan informasi top executive
- Mampu melakukan akses cepat untuk ketepatan informasi dan akses langsung guna pelaporan manajemen
- Perlu “user friendly” dengan dukungan grafis dan kelengkapan exception report serta berkemampuan “drill down” (memecah “data” menjadi lebih detil untukidentifikasi masalah)
- Mudah dihubungkan dengan pelayanan informasi secara on line dan dengan e-mail
Watson, Houdeshel & Rainer
EIS adalah sistem berbasis komputer untuk mendukung manajer puncak dalam mengakses informasi (dalam dan luar) secara mudah dan relevan dengan CSF (Critical Success Factor)
Faktor-faktor yang diidentifikasikan Watson mengapa perlu EIS
Eksternal:
- Meningkatnya kompetisi
- Cepatnya perubahan lingkungan
- Kebutuhan untuk lebih proaktif
- Kebutuhan untuk akses database external
- Meningkatnya regulasi pemerintah
Internal:
- Kebutuhan ketepatan waktu informasi
- Kebutuhan memperbaiki informasi
- Kebutuhan akses data operasional
- Kebutuhan kecepatan pemutahiran aktifitas
- Kebutuhan meningkatkan efektifitas
- Kebutuhan mengidentifikasi kecenderungan historis
- Kebutuhan akses ke database korporat
- Kebutuhan meningkatkan keakuratan informasi
Karakteristik EIS
- Mendukung aktifitas manajer yang tidak terstruktur dibandingdengan problem keputusan spesifik dan berulang
- Mendukung executive terutama pada tahap pengambilan keputusan intelligence dengan teknik analisa data secara komprehensif
- User friendly interface, mudah, dan intuitive untuk digunakan
- Berorientasi pada masa yang akan datang dengan perilaku organisasi yang lalu
- Utamanya menggunakan data, bukan model serta diarahkandengan menggunakan teknologi IT yang mutakhir
- Secara khusus ada pelacakan CSF, exception reporting, drill down,atau drill cross investigation dan analisa trend
- Berfokus pada identifikasi masalah
- Menggunakan database secara luas
- Dapat dibentuk menjadi gaya pengambilan keputusan individu
Hal-hal yang penting berkaitan dengan karakteristik
Drill down
• CSF:
– Key problem narrative
– Highlight chart
– Top level financial
– Key factor KPI (Key Performance Indicator)
– Responsibility report
• Status access
• Analysis:
– Dengan fungsi
– Diintegrasikan dengan produk DSS
• Exception reporting
• Navigational of information
Kriteria Perancangan EIS
- Orientasi grafik
- Variabel bisnis yang mengidentifikasikan perubahan
-Menggunakan konsep agregasi dan deagregasi data
- untuk berbagai variasi jenis/ ukuran
- User interface mudah dan menarik (multimedia)
- EIS secara spesifik memudahkan akses informasi extern dan intern dan menampilkan dengan menarik, sangat jarang adanya pengambilan keputusan, seandainya ada hanya yang instan
1.Keputusan terprogram (struktur)
- Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak
- Bersifat rutin, berulang-ulang
2.Keputusan tak terprogram (tidak terstruktur)
- Mengenai masalah khusus, khas, tidak biasa
- Kebijakan yang ada belum menjawab
- Mis. Pengalokasian sumber daya
Teknik Keputusan Terprogram
1.Tradisional
- Kebiasaan
- Mengikuti prosedur baku
- Saluran informasi disusun dengan baik
2.Modern
- Menggunakan teknik “operation research”:
- Formula matematika
- Simulasi komputer
- Berdasarkan pengolahan data berbantu komputer
Teknik Keputusan Tak Terprogram
1.Tradisional
- Kebijakan intuisi berdasarkan kreativitas
- Coba-coba
- Seleksi dan latihan para pelaksana
2.Modern
- Teknik pemecahan masalah yang diterapkan pada :
- Latihan pembuatan keputusan
- Penyusunan program komputer empiris
SPK bersifat karaktristiknya :
- dalam situasi semiterstruktur atau terstruktur yang dilakukan secara bersama-sama antara keputusan dari pengambil keputusan dengan informasi terkomputerisasi.
- Dukungan untuk semua level menejerial, mulai dari eksekutif tingkat atas sampai kelas manajer
- Dukungan untuk semua individu dalam kelompok
- Keputusan dapat diambil sekali, beberapa kali atau berulang
- Mendukung dalam semua tahap proses pengambilan keputusan
- Mendukung dalam beberapa model pengambilan keputusan
- Bersifat adaptif dan fleksibel
- Mudah dan nyaman digunakan
- Meningkatkan efektivitas pengambilan keputusan
- Dikendalikan sepenuhnya oleh pengambil keputusan selama proses penyelesaian masalah
- Sistem dapat dikembangkan dengan mudah
- Memiliki kemampuan untuk menganalisis situasi pengambilan keputusan
- Memiliki kemampuan untuk mengakses data dari berbagai sumber, berbagai format, tipe, dll
- Dapat digunakan sebagai perangkat yang bersifat standalone, terintegrasi atau berbasis web
Kategori SPK
Turban (2005) mengkategorikan model sistem pendukung keputusan dalam tujuh model, yaitu:
1.Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.
- Model ini akan melakukan pencarian terhadap solusi terbaik dari sejumlah alternatif.
- Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan tabel keputusan atau pohon keputusan.
2.Model optimasi dengan algoritma.
- Model ini akan melakukan pencarian terhadap solusi terbaik dari banyak alternatif.
- Proses pencarian dilakukan tahap demi tahap.
- Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan linear programming atau model matematika yang lainnya, atau menggunakan model jaringan.
3.Model optimasi dengan formula analitik.
- Model ini akan melakukan pencarian terhadap solusi hanya dengan satu langkah melalui rumus tertentu.
- Model seperti ini banyak dijumpai pada masalah-masalah inventory.
4.Model simulasi.
- Model ini akan melakukan pencarian terhadap solusi cukup baik atau solusi terbaik pada beberapa alternatif yang akan diuji dalam penelitian.
- Model ini lebih banyak digunakan untuk beberapa tipe simulasi.
5.Model heuristik.
- Model ini akan melakukan pencarian terhadap solusi yang cukup baik melalui serangkaian aturan (rules).
- Model ini lebih banyak direpresentasikan dengan menggunakan pemrograman heuristik atau sistem pakar
6.Model prediktif.
- Model ini akan melakukan prediksi untuk masa depan apabila diberikan skenario tertentu.
- Model ini lebih banyak direpresentasikan dengan menggunakan model peramalan (forecasting) atau analisis Makov
7.Model-model yang lainnya.
- Model ini akan menyelesaikan kasus what-if menggunakan formula tertentu.
- Model ini lebih banyak digunakan pada pemodelan keuangan atau konsep antrian.
Komponen DSS
1.Haag, dkk (2000)
- Manajemen data (internal atau eksternal)
- Manajemen model (merepresentasikan kejadian, fakta, atau situasi)
- Manajemen antarmuka (menghubungkan antara pengguna dan sistem)
2.Power (2002)
- Antarmuka
- Basisdata (internal atau eksternal)
- Model & peralatan analisis (algoritma untuk membuat keputusan berdasarkan informasi pada basisdata yang direpresentasikan dalam bentuk tabel atau graf)
- Arsitektur DSS dan jaringan.
3.Hättenschwiler (1999)
- User dengan perbedaan hak akses & fungsi dalam pengambilan keputusan
- Konteks keputusan
- Target sistem yang menggambarkan keutamaan preferensi
- Basis pengetahuan (sumber data eksternal, basisdata pengetahuan, data warehouses dan meta-databases, metode & model matematis, prosedur, inferensi, program administratif, dan sistem pelaporan
- Lingkungan kerja untuk persiapan, analisis, dan dokumentasi alternatif.
4.Marakas (1999)
- Sistem manajemen data
- Sistem manajemen model
- Knowledge engine
- Antarmuka
5.Pengguna
- Holsapple dan Whinston (1996)
- Text-oriented DSS,
- Database-oriented DSS,
- Spreadsheet-oriented DSS,
- Solver-oriented DSS,
- Rule-oriented DSS, dan
- Compound DSS.
6. Haag (2004)
- Manajemen Model
- Manajemen Data
- Manajemen antarmuka
7.Turban, dkk (2005)
- Manajemen data
- Manajemen model
- Model-model eksternal
- Subsistem berbasis pengetahuan
- Antarmuka pengguna
a.Subsistem Manajemen Data
- DSS database
- Database Management Syst
- Data dictionary
- Query facility
b.Subsistem Manajemen Model (MMS)
- Subsistem manajemen model, merupakan paket perangkat lunak yang berisi statistik, ilmu manajemen, atau model kuantitatif lainnya yang mampu memberikan kapabilitas analitik bagi sistem.
c.Subsistem User Interface
- Subsistem antarmuka, yang digunakan oleh pengguna untuk berkomunikasi dengan sistem.
- Untuk sistem berbasis web, web browser digunakan untuk keperluan tersebut
d.Subsistem manajemen berbasis pengetahuan
- Subsistem manajemen berbasis pengetahuan, yang digunakan untuk mendukung subsistem-subsistem yang lainnya.
- Beberapa metode dalam kecerdasan buatan dapat digunakan untuk keperluan tersebut.
Kapabilitas DSS
- Secara umum, DSS harus memiliki kemampuan untuk:
- Digunakan dengan mudah
- Mengakses berbagai sumber, tipe dan format data untuk berbagai permasalahan
- Mengakses berbagai kemampuan analisis dengan beberapa saran dan panduan.
Kemampuan Antarmuka
- Berbagai format dan peralatan output
- Berbagai peralatan input dari pengguna
- Berbagai gaya dialog
- Mendukung komunikasi antar pengguna dan pengembang
- Mendukung pengetahuan dari penguna
- Tersedia dialog untuk capture, penyimpanan dan analisis
- Dukungan dialog yang fleksibel & adaptif.
Kemampuan Data
- Data dengan berbagai tipe & format
- Ekstraksi, capture dan integrasi
- Fungsi akses data
- Fungsi manajemen basisdata
- Tersedianya berbagai cara pandang data secara logis
- Dokumentasi data
- Melakukan tracking terhadap penggunaan data
- Mendukung fleksibilitas dan adaptasi data
Kemampuan Model
- Kepustakaan model terkait aturan basis model
- Fasilitas pembangun model
- Manipulasi model
- Fungsi manajemen basis model
- Dokumentasi model
- Tracking penggunaan model
- Dukungan terhadap fleksibilitas & adaptasi model
Pertemuan ke-2 PENGAMBILAN KEPUTUSAN, SISTEM, PEMODELAN, DAN DUKUNGAN
Pengambilan keputusan adalah proses pemilihan, diantara pelbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran.
4 fase: (1) intelligence, (2) design, (3) choice, and (4) implementation. Fase 1 sampai 3 merupakan dasar pengambilan keputusan, yang diakhiri dengan suatu rekomendasi.
Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4).
Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan-kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada.
DSS, GDSS, EIS, dan ES melibatkan satu istilah: 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.
- Input adalah semua elemen yang masuk ke sistem. Contohnya adalah bahan baku yang masuk ke pabrik kimia, pasien yang masuk ke rumah sakit, input data ke komputer.
- Proses adalah proses transformasi elemen-elemen dari input menjadi output.
- Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.
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 berbagai elemen yang terletak di luar input, output, atau pun proses. Namun, mereka dapat mempengaruhi kinerja dan tujuan sistem. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini, maka elemen tersebut harus dimasukkan sebagai bagian dari environment. Contoh: sosial, politik, hukum, aspek fisik, dan ekonomi.
Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Sistem ada di dalam boundary, dimana environment ada di luarnya. Bisa secara fisik, misal: sistem adalah sebuah departemen di Gedung C; atau non fisik, misal: suatu sistem di batasi oleh waktu tertentu.
Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Sistem ini secara penuh mandiri, tak tergantung sama sekali.
Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Sistem ini menerima input (informasi, energi, material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut
Model
Karekteristik utama dari DSS adalah adanya kemampuan pemodelan.
Model adalah representasi sederhana atau penggambaran dari kenyataan.
Terdapat 3 jenis model:
1. Iconic (Scale). Replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya. GUI pada OOPL adalah contoh dari model ini.
2. Analog. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.
3. Matematis (Kuantitatif). Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog, karena kalau pun bisa akan memakan waktu lama dan sulit. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.
Keuntungan Model
Di bawah ini adalah alasan utama mengapa MSS menggunakan model:
1. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya.
2. Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.
3. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi.
4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata.
5. Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu.
6. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan-kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. Dengan adanya komunikasi dan teknologi canggih sekarang ini, manajer akan seringkali memiliki alternatif-alternatif pilihan.
7. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.
Proses Pemodelan
Berikut ini adalah proses yang terjadi pada pemodelan:
- Trial and error dengan sistem nyata. Tapi ini tak berjalan bila:
1. Terlalu banyak alternatif untuk dicoba.
2. Akibat samping dari error yang terjadi besar pengaruhnya.
3. Lingkungan itu sendiri selalu berubah.
- Simulasi.
- Optimisasi
- Heuristic.
- Proses pengambilan keputusan.
Intellegence Phase.
Proses yang terjadi pada fase ini adalah:
- Menemukan masalah.
- Klasifikasi masalah.
- Penguraian masalah.
- Kepemilikan masalah.
Design 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, yaitu:
- Komponen-komponen model.
- Struktur model.
- Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
- Pengembangan (penyediaan) alternatif.
- Prediksi hasil.
- Pengukuran hasil.
- Skenario.
Prinsip Pemilihan
Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
Ada 2 tipe prinsip pemilihan, Normatif dan Deskriptif.
1. Model Normatif.
Mengimplikasikan bahwa alternatif yang terpilih adalah yang terbaik dari semua alternatif yang mungkin. Untuk mendapatkannya, harus mengecek semua alternatif dan membuktikan bahwa satu yang terpilih adalah benar-benar yang terbaik. Proses ini disebut dengan Optimisasi (bisa dilihat di bawah). Pada operasionalnya, optimisasi dapat dicapai dalam 1 diantara 3 cara:
- Dapatkan level tertinggi pada tujuan yang ingin dicapai (maksimalisasi) dari kumpulan resource yang ada. Sebagai contoh, alternatif mana yang akan menghasilkan profit maksimal dari investasi $1,000,000.
- Temukan alternatif dengan rasio tertinggi (maksimalisasi) pada tujuan biaya yang ingin dicapai (misal profit per dollar investasi), atau dengan kata lain memaksimalisasikan produktivitas.
- Temukan alternatif dengan biaya terendah (atau resource lain) yang dapat memenuhi level tujuan yang dibutuhkan (minimalisasi). Sebagai contoh, jika tugasnya adalah membangun suatu produk dengan spesifikasi tertentu, metode mana yang akan bisa mewujudkannya dengan biaya terendah?
Teori keputusan Normatif didasarkan pada asumsi berikut ini:
- Manusia berpikiran ekonomis dalam hal memaksimalkan tujuannya; sehingga pengambil keputusan akan berpikir rasional.
- Dalam pengambilan keputusan, semua alternatif dari tindakan dan konsekuensinya, atau paling tidak probabilitas dan nilai dari konsekuensi tersebut, sudah diketahui.
- Pengambil keputusan mempunyai tugas atau acuan yang memungkinkan mereka meranking konsekuensi analisis yang diinginkan.
Skenario.
Skenario memegang peranan yang penting dalam MSS, karena:
- Membantu mengidentifikasi pelbagai kesempatan potensial dan/atau daerah permasalahan.
- Menyediakan fleksibelitas dalam perencanaan.
- Mengidentifikasi titik puncak perubahan yang seharusnya dimonitor manajer.
- Membantu memvalidasi asumsi dasar yang digunakan dalam pemodelan.
- Membantu untuk meneliti sensitivitas dari solusi yang ditawarkan dalam perubahan yang terjadi pada skenario.
Evaluasi: Multiple Goals, Analisis Sensitivitas, “What-If,” dan Pencarian Tujuan.
Multiple Goals.
Analisis multiple goal melibatkan kesulitan-kesulitan di bawah ini:
1. Biasanya sulit untuk mendapatkan statemen eksplisit dari tujuan organisasi.
2. Beberapa partisipan memandang kepentingan (prioritas) dari pelbagai goal dengan cara yang berbeda-beda.
3. Pengambil keputusan merubah kepentingan yang dijadikan tujuan seiring dengan berjalannya waktu atau untuk situasi pengambilan keputusan yang berbeda.
4. Goal dan subgoal dipandang secara berbeda pada level organisasi yang berbeda-beda dan pada departemen yang berbeda pula.
5. Goal itu sendiri bersifat dinamis dalam menghadapi perubahan di organisasi dan lingkungannya.
6. Hubungan antara pelbagai alternatif dan akibatnya pada tujuan sulit untuk dikuantifikasikan.
7. Permasalahan yang kompleks dipecahkan oleh kelompok-kelompok pengambil keputusan.
Analisis Sensitivitas.
Mengecek hubungan antara:
- Efek dari ketidakpastian dalam memperkirakan variabel eksternal.
- Efek dari interaksi yang berbeda diantara pelbagai variabel.
- Banyaknya keputusan yang dihasilkan pada kondisi yang berubah-ubah.
- Akibat perubahan di variabel eksternal (uncontrollable) dan parameter pada variabel hasil.
- Akibat perubahan di variabel keputusan pada variabel hasil.
- Revisi model untuk mengeliminasi sensitivitas yang terlalu besar.
- Penambahan detil mengenai pelbagai variabel atau skenario yang sensitif.
- Perolehan perkiraan yang lebih baik dari variabel eksternal yang sensitif.
- Perubahan sistem di dunia nyata untuk mengurangi sensitivitas aktual.
- Menghadapi dunia nyata yang sensitif (dan lalu rapuh), memonitor hasil aktual secara terus menerus dan hati-hati.
Dua tipe analisis sensitivitas:
1. Automatic Sensitivity Analysis. Terdapat model kuantitatif standar seperti linear programming. Sebagai contoh, hal ini bisa memberitahu manajer pada range mana variabel input yang pasti (misal, unit cost) berbeda, tanpa menimbulkan akibat yang signifikan pada solusi yang ditawarkan. Biasanya terbatas pada satu perubahan di saat yang bersamaan, dan hanya untuk variabel yang pasti. Namun demikian hal ini sangat berguna disebabkan kemampuannya yang cepat untuk menentukan range dan batas (dan dengan atau tanpa perubahan kecil pada hasil komputasinya).
2. Trial and Error. Akibat perubahan pada satu/beberapa variabel dapat ditentukan melalui pendekatan trial-and-error. Kita dapat melakukan perubahan pada input data dan mencoba kembali pemecahan masalah. Dengan mengulang hal ini beberapa kali, solusi yang makin lama makin baik akan ditemukan. 2 pendekatan metode ini adalah: “what-if” dan goal seeking.
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.
Proses pengambilan keputusan memang dikendalikan oleh manusia, tapi hal ini dapat berkembang jika didukung oleh komputer.
Dukungan pada Choice Phase.
Suatu DSS menurut definisinya adalah merekomendasikan tetapi tidak membuat suatu pilihan. Sebagai tambahan untuk menggunakan model yang secara cepat mengidentifikasi alternatif terbaik atau “good enough”, DSS dapat mendukung choice phase melalui analisis “what-if” dan goal-seeking. Skenario-skenario yang berbeda dapat dites untuk pilihan yang diinginkan yang bisa memperkuat keputusan akhir.
Sedangkan suatu ES dapat digunakan untuk membantu solusi yang diharapkan sebagai rekomendasi pada solusi yang layak.
Dukungan pada Implementasi Keputusan
Pada fase ini ternyata keuntungan yang didapat dari DSS juga sepenting atau malah lebih penting dibandingkan penggunaan DSS pada fase-fase sebelumnya.
Keuntungannya adalah dalam memberikan ketajaman dan detil dari analisis dan output yang dihasilkan.
Untuk ES, jelas implementasi keputusan di dukung olehnya. Kelebihan ES yaitu ia dapat berfungsi sebagai sistem penasehat berkaitan dengan implementasi masalah ini. Terakhir ES menyediakan training yang menjadikan segala yang diimplementasikan lebih mudah dan mulus.
Human Cognition Manusia dan Gaya Keputusan.
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.
Cognitive style mengacu pada proses subyektif dimana individu mempersepsi, mengorganisasi, dan mengubah informasi selama proses pengambilan keputusan. Gaya ini mulai dari yang paling heuristic sampai yang paling analitis, sehingga banyak kombinasinya.
Gaya Keputusan.
Perilaku pengambil keputusan berpikir dan bereaksi terhadap suatu masalah, bagaimana mereka mempersepsi, respon pemahamannya, nilai-nilai dan kepercayaan yang dianut, berbeda-beda dari satu individu ke individu yang lain dan juga dari situasi ke situasi yang lain. Sehingga tiap orang akan membuat keputusan yang berbeda-beda.
Perilaku bagaimana manajer mengambil keputusan (dan bagaimana mereka berinteraksi dengan orang lain) menjelaskan gaya keputusan mereka. Bisa autocratic atau malah democratic; ada juga yang consultative (dengan orang atau group lain) serta yang lain heuristic.
Pertemuan 3 MANAJEMEN DATA
Sumber Data
sumber data adalah dari: internal, eksternal, dan personal.
- Internal. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. Data ini mengenai orang, produk, services, dan proses. Contoh: data mengenai karyawan dan penggajiannya.
- Eksternal. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. Bentuknya bisa berupa CD-ROM, film, musik, atau suara. Juga gambar, diagram, atlas, dan televisi.
- Personal. Para pakar dapat memberikan kontribusinya pada MSS untuk perbagai aplikasi tertentu. Contoh: perkiraan penjualan atau opini mengenai kompetitor
Pengumpulan dan Permasalah
Metode pengumpulan data mentah bisa menggunakan cara:
- Manual. Contoh: metode time studies (selama observasi), survey (menggunakan kuisoner), observasi (misal dengan menggunakan kamera video), meminta pendapat pakar (misal dengan mewawancarainya).
- Instrumen dan sensor. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi.
Database dan Manajemen Database
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
Procedural Languages. Contoh: BASIC, COBOL, FORTRAN, dan Pascal. Diikuti dengan Object-oriented Language: C++, Delphi, Java, C#, PHP, dll.
Nonprocedural Fourth-generation Language (4GLs). Bahasa utama dalam kebanyakan generator DSS dan pelbagai tool MSS lainnya.
Problem-oriented Language. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar.
4GLs memiliki keuntungan:
Result-oriented.
- Meningkatkan produktivitas paling sedikit 5 kali lipat sampai sekitar 300 kali lipat untuk pelbagai aktivitas.
- Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara, sebab 4GLs dirancang baik untuk spesialis maupun end-user.
- Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. Sehingga merupakan tool pengembangan yang efektif.
- Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun, dan dibangunnya itu adalah dari sekedar konsep kasar.
- Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS; sebagai contoh, satu DBMS dapat dibuat dengan 4GL.
- Sebagai suatu MSS generator untuk membangun aplikasi tertentu.
- Sebagai tool ideal untuk pusat informasi (Information Centers).
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.
Relasi diantara pelbagai record individu yang tersimpan dalam database dapat dinyatakan dengan pelbagai struktur lojikal. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya.
Relational Database.
Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari, data mudah dikembangkan atau diubah, dan mudah diakses dalam pelbagai format tanpa perlu mengantisipasinya pada waktu awal mendesain dan mengembangkannya.
Hierarchical.
Menyusun item data dalam gaya top-down, membuat link lojikal diantara item data yang berelasi. Sehingga mirip seperti pohon, atau bagan organisasi.
Network.
Struktur ini mengijinkan link yang kompleks, termasuk koneksi rumit diantara item-item yang berelasi. Struktur ini disebut dengan model CODASYL. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item.
Aplikasi Database dan Spreadsheet.
Hal utama yang ada di DMBS adalah manajemen data, yaitu untuk membuat, menghapus, mengubah, dan menampilkan data. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report.
Program spreadsheet berhubungan dengan aspek pemodelan DSS. Ini membantu membuat dan mengatur model, menampilkan kalkulasi berulang pada variabel yang berhubungan, serta melibatkan faktor-faktor matematis, statistik dan keuangan
Enterprise DS dan Information Warehouse
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
Keuntungan dari enterprise computing adalah:
Menyediakan pelayanan yang responsif dan handal secara kontinyu.
Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. Proses penyatuan ini dapat mencegah pelbagai aplikasi kritis dan mengembangkan misi yang sudah ada.
Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat, tanpa mengganggu ketersediaan sistem dan jaringan.
Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin.
Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional sistem berkurang seiring dengan pertumbuhan enterprise.
Keamanan jaringan dan data meningkat.
Konsep Information Warehouse (IW).
IW adalah sekumpulan DBMS, interface, tool, dan berbagai 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. Dicirikan oleh:
Client-nya adalah PC atau workstation, dihubungkan ke jaringan, yang digunakan untuk mengakses resources jaringan.
User dihubungkan oleh interface ke Client. Umumnya menggunakan GUI.
Pada sistem client/server terdapat pelbagai client, masing-masing dengan interface user sendiri-sendiri. Client ini saling berbagi resources yang disediakan server.
Server adalah mesin yang melayani client dengan pelbagai pelayanan seperti database, tempat penyimpanan yang besar, atau pelayanan komunikasi ke jaringan.
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.
Ringkasan data dapat diorganisasi dalam pelbagai cara untuk kepentingan analisis dan presentasi
3 faktor dalam multidimensionality: dimensi, ukuran, dan waktu.
Contoh dimensi: produk, salespeople (orang-orang bagian penjualan), segmen pasar, unit bisnis, lokasi gegrafis, jalur distribusi, negara, atau industri.
Contoh ukuran: uang, sales volume (volume penjualan), keuntungan penyimpanan, aktual vs perkiraan.
Contoh waktu: harian, mingguan, bulanan, caturwulan, atau tahunan
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.
Pengaksesan Data: Da
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.
PEMODELAN DAN MANAJEMEN MODEL
Pemodelan dalam MSS.
1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel. Model ini merupakan preprogram dalam tool software pengembangan DSS.
2. Model finansial untuk pengembangan laporan pemasukan dan proyeksi data finansial untuk beberapa tahun. Model ini semi terstruktur dan ditulis dalam bahasa khusus DSS yang disebut dengan IFPS.
3. Model optimasi yang dibuat menggunakan model management science yang disebut pendekatan Linear Programming dalam rangka menentukan pemilihan media. Untuk menggunakan model ini, DSS perlu antarmuka untuk berhubungan dengan software yang lain.
aspek2 dalam pemodelan
- Identifikasi masalah dan analisis lingkungan.
- Identifikasi variabel.
- Perkiraan (forecasting).
- Model.
- Manajemen model.
Model Statis dan Dinamis.
1.Analisis statis. Model statis mengambil satu kejadian saja dalam suatu situasi. Selama kejadian tersebut semuanya terjadi dalam 1 interval, baik waktunya sebentar atau lama. Diasumsikan adanya stabilitas disini.
2.Analisis dinamis. Model dinamis digunakan untuk mengevaluasi skenario yang berubah tiap saat. Model ini tergantung pada waktu. Dapat menunjukkan tren dan pola pada waktu tertentu.
Certainty, Uncertainty, dan Resiko.
1.Model certainty (kepastian). Mudah untuk bekerja dengan model ini dan dapat menghasilkan solusi yang optimal.
2.Uncertainty (ketidakpastian). Umumnya memang diusahakan sebisa mungkin menghindari uncertainty ini. Dibutuhkan informasi lebih banyak sehingga masalah dapat diproses dengan resiko yang dapat dihitung.
3.Risk (Resiko). Kebanyakan keputusan bisnis dibuat dibawah asumsi resiko tertentu.
Optimasi dengan Pemrograman Matematis.
Pemrograman matematis.
Digunakan untuk membantu menyelesaikan masalah manajerial, untuk mengalokasikan resources yang terbatas (misal tenaga kerja, modal, mesin, atau air) diantara sekian banyak aktivitas untuk mengoptimalkan tujuan yang ditetapkan.
Karakteristik.
1. Sejumlah tertentu resources ekonomi tersedia untuk dialokasi.
2. Resources digunakan dalam produksi produk atau service.
3. Ada 2 atau lebih cara bagaimana resources digunakan. Masing-masingnya disebut dengan solusi atau program.
4. Setiap aktivitas (produk atau service) dimana resources digunakan disitu memberikan hasil tertentu sesuai tujuan yang telah ditetapkan.
5. Pengalokasian ini biasanya dibatasi oleh pelbagai batasan dan kebutuhan yang disebut dengan constraints (batasan).
Perumusan Umum dan Istilah.
a.Decision Variables.
- Variabel-variabel dimana nilainya tak diketahui dan yang sedang dicari. Biasanya ditandai dengan x1, x2, dan lain-lain.
b.Objective Function (Fungsi Tujuan).
Pernyataan matematis, merupakan fungsi linier, menunjukkan hubungan diantara decision variables dan satu tujuan (atau objective) yang dicari. Jika melibatkan tujuan yang banyak (multiple goals), terdapat 2 pendekatan:
1. Memilih tujuan utama yang memiliki level maksimal/minimal.
2. Memindahkan tujuan-tujuan yang lain ke dalam contraint (batasan), yang harus dipenuhi.
c.Optimasi.
- LP berusaha untuk mendapatkan nilai maksimal atau minimal dari fungsi tujuan.
d.Coeeficients (Koefisien) dari Objective Function.
- Menyatakan tingkat/derajat dimana nilai dari fungsi tujuan meningkat atau menurun dengan memasukkan dalam solusi satu unit dari setiap decision variables.
e.Constraints (batasan).
- Maksimalisasi atau minimalisasi dilakukan berdasarkan batasan-batasan tertentu. Sehingga, LP dapat didefinisikan sebagai permasalahan optimasi terbatasi. Batasan dinyatakan dalam bentuk pertidaksamaan (atau terkadang persamaan).
f.Koefisien Input-Output (Teknologi)
- Koefisien dari variabel batasan disebut dengan koefisien input-output. Ini mengindikasikan tingkat pemakaian atau penggunaan resource. Ditampilkan pada sisi kiri batasan.
g.Capacities (kapasitas).
- Kapasitas (atau ketersediaan) dari pelbagai resources, biasanya dinyatakan dengan batas atas atau batas bawah, berada pada sisi kanan batasan. Sisi kanan juga menyatakan kebutuhan minimum.
Simulasi.
Dalam MSS artinya adalah teknik untuk melakukan percobaan (seperti misalnya “what-if”) dengan komputer digital pada suatu model dari sistem manajemen.
Karakteristik Utama
- simulasi bukanlah sejenis model biasa
-simulasi adalah teknik untuk melaksanakan percobaan
- Simulasi lebih bersifat deskriptif (menjelaskan) daripada tool normatif
- Simulasi digunakan bilamana permasalahan yang ada terlalu kompleks/sulit
Keuntungan Simulasi:
1. Teori simulasi relatif mudah dan bisa langsung diterapkan.
2. Model simulasi mudah untuk menggabungkan berbagai hubungan dasar dan ketergantungannya.
3. Simulasi lebih bersifat deskriptif daripada normatif
4. Modelnya dibangun berdasarkan perspektif manajer dan berada dalam struktur keputusannya
5. Simulasi dapat mengatasi variasi yang berbeda-beda dalam pelbagai jenis masalah
6. Sebagai sifat alamiah simulasi, kita dapat menghemat waktu
Kerugian Simulasi:
1. Tak menjamin solusi yang optimal.
2. Membangun model simulasi seringkali memakan waktu lama dan membutuhkan biaya.
3. Solusi dan inferensi dari satu kasus simulasi biasanya tak bisa ditransfer ke permasalahan yang lain.
4. Simulasi terkadang begitu mudah diterima oleh manajer sehingga solusi analitis yang dapat menghasilkan solusi optimal malah sering dilupakan.
Tipe Simulasi
- Simulasi Probabilistik. Satu atau lebih independent variable-nya (misal, kebutuhan dalam masalah inventory) probabilistik, mengandung bilangan acak. Sehingga ini mengikutsertakan distribusi probabilitas tertentu
- Simulasi bergantung waktu (time dependent) vs simulasi tak bergantung waktu (time independent).
- Simulasi visual. Penampilan hasil simulasi secara grafis terkomputerisasi
Percobaan dalam Simulasi (Probabilistik).
Proses percobaan dalam simulasi melibatkan 8 langkah, termasuk di dalamnya apa yang disebut dengan prosedur Monte Carlo:
1. Menentukan ukuran (ukuran-ukuran) kinerja sistem yang diinginkan. Jika perlu, tulislah dalam bentuk persamaan.
2. Gambarkan sistem dan dapatkan distribusi probabilitas dari elemen probabilistik yang relevan dari sistem.
3. Rancang bangunlah distribusi probabilistik kumulatif untuk setiap elemen stokastik.
4. Tentukan representasi bilangan yang berhubungan dengan distribusi probabilistik kumulatif.
5. Untuk setiap elemen probabilistik, ambil satu contoh acak (keluarkan bilangan secara acak atau ambil satu dari tabel bilangan acak).
6. Catat ukuran kinerja dan varian-nya.
7. Jika diinginkan hasil yang stabil, ulangi langkah 5 dan 6 sehingga ukuran kinerja sistem “stabil”.
8. Ulangi langkah 5-7 untuk pelbagai alternatif. Berikan nilai ukuran kinerjanya dan confidence interval-nya, berdasarkan pada alternatif yang diinginkan
Prosedure Monte Carlo bukanlah model simulasi, walaupun ia hampir menjadi sinonim dengan simulasi probabilistik. Prosedur tersebut melibatkan langkah 3 sampai langkah 6 dalam proses ini. Yaitu, prosedure yang menghasilkan pengamatan acak dari variabel-variabel yang penting.
Pemrograman Heuristic.
Pendekatan yang melibatkan cara heuristic (role of thumb, aturan jempol) yang dapat menghasilkan solusi yang layak dan cukup baik pada pelbagai permasalahan yang kompleks. Cukup baik (good enough) biasanya dalam jangkauan 90 sampai dengan 99.99 persen dari solusi optimal sebenarnya.
Metodologi.
Pendekatan lojik heuristic melibatkan hal-hal berikut:
1. Skema klasifikasi yang mengenalkan struktur ke dalam permasalahan.
2. Analisis karakteristik dari elemen-elemen masalah.
3. Aturan-aturan untuk seleksi elemen dari setiap kategori untuk mendapatkan strategi pencarian yang efisien.
4. Aturan-aturan untuk seleksi lebih lanjut, bila diperlukan.
5. Fungsi tujuan yang digunakan untuk mengecek kelayakan solusi pada setiap tahapan seleksi atau pencarian
Kapan Menggunakan Heuristic:
1. Input data tidak pasti atau terbatas.
2. Kenyataan yang ada terlalu kompleks sehingga model optimasi menjadi terlalu disederhanakan.
3. Metode yang handal dan pasti tak tersedia.
4. Waktu komputasi untuk optimasi terlalu lama.
5. Adanya kemungkinan untuk meningkatkan efisiensi proses optimasi (misal, dengan memberikan solusi awal yang baik menggunakan heuristic)
6. Masalah-masalah yang diselesaikan seringkali (dan berulang-ulang) dan menghabiskan waktu komputasi.
7. Permasalahan yang kompleks yang tidak ekonomis untuk optimasi atau memakan waktu terlalu lama dan heuristic dapat meningkatkan solusi yang tak terkomputerisasi.
8. Di saat pemrosesan simbolik lebih banyak dilibatkan daripada pemrosesan numerik (dalam ES)
Keuntungan Heuristic:
1. Mudah dimengerti dan kemudian mudah diimplementasikan.
2. Membantu dalam melatih orang sehingga kreatif dan dapat digunakan untuk masalah yang lain.
3. Menghemat waktu perumusan.
4. Menghemat pemrograman dan kebutuhan penyimpanan pada komputer.
5. Menghemat waktu pemrosesan komputer yang tak perlu (kecepatan!).
6. Seringkali menghasilkan pelbagai solusi yang dapat diterima
Influence Diagram (Diagram Pengaruh).
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).
Model forecasting merupakan bagian integral dari kebanyakan MSS. Forecasting digunakan untuk memperkirakan nilai variabel model, demikian juga hubungan logika model, pada suatu waktu tertentu di masa mendatang
Metode Forecasting
- Judgment method. Didasarkan pada pertimbangan subyektif dan opini dari seorang pakar, lebih daripada data yang ada
- Counting methods. Melibatkan pelbagai eksperimen atau survey dari contoh data, dengan mencoba menggeneralisasi keseluruhan pasar
- Time-series analysis. Time-series adalah sekumpulan nilai dari variabel bisnis atau ekonomi, diukur pada serangkaian selang waktu tertentu
- Association or causal methods. Menyertakan analisis data untuk mencari asosiasi data dan, jika mungkin, menemukan hubungan sebab-akibat
- Sebagai contoh software forecasting adalah: SPSS, SAS System, Forecast Master, dll
Bahasa Pemodelan dan Spreadsheet.
Model dapat ditulis dalam pelbagai bahasa pemrograman, utamanya bahasa pemodelan. Bahasa pemrograman yang biasa dipakai: C, C++ dan turunannya seperti Java, PHP, C#, dan lain-lain. Demikian juga semua bahasa visual yang ada sekarang: Visual C++, Delphi, VB, dan lain-lain. Kemudian pada level yang lebih sederhana kita bisa menggunakan software spreadsheet (lembar kerja), misalnya Excel
Pemodelan Finansial dan Perencanaannya.
Kebanyakan aplikasi DSS berhubungan dengan analisis finansial dan/atau perencanaannya. Pemodelan finansial berorientasi pada model aljabar, rumus-rumus ditulis dalam persamaan. Sedangkan spreadsheet menuliskan modelnya dengan orientasi komputasi atau kalkulasi
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
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
MBMS yang efektif akan membuat aspek struktur dan algoritma dari organisasi model dan memproses data yang berhubungan, yang tak perlu ditampakkan kepada user
Kemampuan MBMS
1. Kontrol. Baik untuk sistem yang otomatis maupun manual.
2. Fleksibelitas. Mudah menghadapi perubahan.
3. Umpan balik. Selalu up-to-date, bersifat kekinian.
4. Antarmuka. User merasa nyaman dan mudah menggunakan.
5. Pengurangan redundansi. Model yang di-share dapat mengurangi penyimpanan yang redundan.
6. Peningkatan konsistensi. Mengatasi data yang berbeda atau versi model yang berbeda
MEMBANGUN DSS
Melibatkan hal-hal : teknis (hardware, software) dan perilaku (interaksi manusia-mesin, dampak DSS pada individu.
Strategi Pengembangan
1.Tulis DSS dengan bahasa pemrograman umum : Pascal, Delphi, Java, C++ dll.
2.Menggunakan 4GL : financial-oriented language, data-oriented language.
3.Menggunakan DSS Generator : Excell.
4.Menggunakan DSS Generator khusus
5.Mengembangkan DSS dengan metodologi CASE
Level Teknologi
Kerangka kerja untuk memahami konstruksi DSS mengidentifikasi 3 level teknologi DSS : Specific DSS, DSS-generation, dan DSS tools.
1.Specific DSS (DSS applications).
“Final Product” atau aplikasi DSS yang nyata-nya menyelesaikan pekerjaan yang kita inginkan disebut dengan specific DD (SDSS). Contoh : SDSS untuk menganalisis joint venture.
2.DSS Generators (atau Engines).
adalah software pengembangan terintegrasi yang menyediakan sekumpulan kemampuan untuk membangun specific DSS secara cepat, tak mahal, dan mudah. Contoh : Microsoft Excel.
3,DSS Tools.
Level terendah dari teknologi DSS adalah software utility atau tools. Elemen ini membantu pengembangan baik DSS generators atau SDSS.Contoh : grafis (hardware dan software), editors, query systems, random number generator, dan spreadsheets.
Proses Pengembangan DSS
-Perencanaan.
Merumuskan kerangka dan ruang lingkup SPK, persyaratan unjuk kerja , dan memilih konsep-konsep & menganalisis model pembuatan keputusan yang relevan dengan tujuan SPK. Langkah ini menentukan pemilihan jenis SPK yang akan dirancang dan metode pendekatan yang dipergunakan.
-Penelitian.
Berhubungan dengan pencarian data serta sumber daya yang tersedia
-Analisis & Perancangan konsep.
Penentuan teknik pendekatan yang akan dilakukan serta sumber daya yang dibutuhkan
-Perancangan.
Melakukan perancangan ketiga subsistem utama SPK yaitu subsistem database, model dan Dialog.
-Konstruksi.
Merupakan kelanjutan dari perancangan dimana ketiga subsistem yang telah dirancang digabungkan menjadi suatu SPK
-Implementasi.
Menerapkan SPK yang dibangun. Pada tahap dilakukan testing, evaluasi, penampilan, orientasi, pelatihan dan penyebaran
-Pemeliharaan.
Tahapan yang dilakukan terus menerus untuk mempertahankan keandalan sistem
-Adaptasi.
Melakukan pengulangan terhadap tahapan diatas sebagai tanggapan terhadap perubahan kebutuhan “pemakai”.
2. Prototipe
- Suatu metode dalam pengembangan sistem yang menggunakan pendekatan untuk membuat sesuatu program dengan cepat dan bertahap sehingga segera dapat dievaluasi oleh pemakai
- Hal ini berbeda dengan pendekatan SDLC tradisional (konvensional) yang lebih banyak menghabiskan waktu untuk menghasilkan spesifikasi yang sangat rinci sebelum pemakai dapat mengevaluasi sistem
- Mengingat kebanyakan pemakai mengalami kesulitan dalam memahami spesifikasi sistem berakibat bahwa pemakai tidak begitu paham sampai pengujian dilakukan
- Selain itu, prototipe membuat proses pengembangan sistem informasi menjadi lebih cepat dan lebih mudah, terutama pada kedaaan kebutuhan pemakai sulit untuk diidentifikasi.
- Prototipe dapat dibuat dengan menggunakan perangkat-perangkat, misalnya Visual BASIC dan PowerBuilder, ataupun DBMS (Database Management System) seperti Microsoft Access, sehingga pembuatan program dapat dilakukan dengan cepat
Sasaran Prototipe :
- Mengurangi waktu sebelum pemakai melihat sesuatu yang konkret dari usaha pengembangan sistem
- Menyediakan umpan balik yang cepat dari pemakai kepada pengembang
- Membantu menggambarkan kebutuhan pemakai dengan kesalahan yang lebih sedikit
- Meningkatkan pemahaman pengembang dan pemakai terhadap sasaran yang seharusnya dicapai oleh sistem
- Menjadikan keterlibatan pemakai sangat berarti dalam analisis dan desain sistem
Kelebihan Prototipe
- Pendefinisian kebutuhan pemakai menjadi lebih baik karena keterlibatan pemakai yang lebih intensif
- Meningkatkan kepuasan pemakai dan mengurangi risiko pemakai tidak menggunakan sistem mengingat keterlibatan mereka yang sangat tinggi sehingga sistem memenuhi kebutuhan mereka dengan lebih baik
- Mempersingkat waktu pengembangan
- Memperkecil kesalahan disebabkan pada setiap versi prototipe, kesalahan segera terdeteksi oleh pemakai
- Pemakai memiliki kesempatan yang lebih banyak dalam meminta perubahan-perubahan
- Menghemat biaya (menurut penelitian, biaya pengembangan dapat mencapai 10% hingga 20% dibandingkan kalau menggunakan SDLC tradisional)
kelemahan prototipe
- Prototipe hanya bisa berhasil jika pemakai bersungguh-sungguh dalam menyediakan waktu dan pikiran untuk menggarap prototipe
- Kemungkinan dokumentasi terabaikan karena pengembang lebih berkonsentrasi pada pengujian dan pembuatan prototipe
- Mengingat target waktu yang pendek, ada kemungkinan sistem yang dibuat tidak lengkap dan bahkan sistem kurang teruji
- Jika terlalu banyak proses pengulangan dalam membuat prototipe, ada kemungkinan pemakai menjadi jenuh dan memberikan reaksi yang negatif
- Apabila tidak terkelola dengan baik, prototipe menjadi tak pernah berakhir. Hal ini disebabkan permintaan terhadap perubahan terlalu mudah untuk dipenuhi
Prototipe baik dipakai pada keadaan
1.Sistem mempunyai resiko tinggi
-Tidak jelas permasalahannya
-Tidak jelas kebutuhan & keinginan
-Tidak pasti ada yang ingin dilakukan
2.Perancangan Dialog User - Komputer
-Bagiamana membuat dialog yg. baik, ramah, mudah ?
3.Sistem diminati oleh banyak pemakai
-Mencari kesepakatan
-Basis untuk menyamakan persepsi
4.User ingin cepat selesai
-User tidak sabar menunggu
-Prototipe segera memperlihatkan bentuk kerja sistem
5.Masa pakai singkat
-Sistem hanya dipakai beberapa kali saja
6.Ingin menunjukkan inovasi
-Pengembangan dapat menunjukkan kecanggihan
-Sistem cepat terlihat (mungkin juga cepat selesai)
7.Kebutuhan berubah-ubah
-User sulit menjelaskan kebutuhan
-Menjadi keadaan yang paling umum untuk memakai prototyping
Pengembangan DSS Berbasis User
Pengembangan DSS berbasis user adalah pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang di luar wilayah sistem informasi formal.
Keuntungan bila user sendiri yang membangun DSS :
- Waktu penyelesaian singkat
- Masalah implementasi DSS dapat dikurangi
- Biayanya sangat rendah
Resikony adalah :
- Kualitasnya bisa tak terjaga.
- Resiko potensial kualitas dapat diklasifikasi dalam 3 katagori: (a) tool dan fasilitas dibawah standar (b) resiko yang berhubungan dengan proses pengembangan (contoh : pengembangan sistem yang mnghasilkan hasil yang salah), dan (c) resiko manajemen data (misal : kehilangan data).
Fleksibilitas dalam DSS
Hal-hal yang menyebabkan kebutuhan akan fleksibilitas dalam DSS :
- Tak seorang pun, baik user maupun pembangun DSS, yang mampu untuk menentukan kebutuhan fungsional seluruhnya.
- User tak tahu, atau tak dapat mengungkapkan, apa yang mereka mau dan butuhkan
- Konsep user mengenai tugas, dan persepsi dari sifat dasar masalah, berubah pada saat sistem dipakai.
- Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula.
- Solusi yang diturunkan melaluii DSS bersifat subyektif.
- Terdapat berbagai vriasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS
Ringkasnya ada 2 alasan utama adanya fleksibilitas dalam DSS :
- DSS harus berevolusi atau berkembang untuk mencapai desain operasional, sebab tak seorangpun yang bisa memperkirakan atau mengantisipasi apa yang dibutuhkan secara lengkap.
- Sistem jarang mencapai hasil final; ia harus sering diubah untuk mengantisipasi perubahan dalam hal : masalah, user dan lingkungan. Faktor-faktor ini memang sering berubah-ubah. Perubahan yang terjadi haruslah mudah untuk dilakukan.
Jenis Fleksibilitas dalam DSS
1.Fleksibilitas menyelesaikan.
Kemampuan fleksibilitas dalam menampilkan aktivitas intelligence, design, dan choice dan dalam menjelajah perbagai alternatif memandang atau menyelesaikan suatu masalah. Contoh : kemampuan “what-if”.
2.Fleksibilitas memodifikasi.
Kemampuan memodifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda, atau pada perluasan masalah. Fleksibilitas ini diatur oleh user / pengembang DSS.
3.Fleksibilitas mengadaptasi.
Level ketiga dalam hal mengadaptasi prubahan yang harus dilakukan pada berbagai DSS tertentu. Ini diatur oleh pembangun DSS.
4.Fleksibilitas berevolusi.
Adalah kemampuan dari DSS dan DSS Generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu.
GROUP DECISION SUPPORT SYSTEMS (GDSS)
Group Decision Support System (GDSS) adalah sistem yang digunakan oleh sekelompok orang untuk mencari penyelesaian masalah dengan menggunakan teknologi komunikasi, komputasi dan dukungan keputusan.
Situasi Pengambilan Keputusan pada GDSS
- Proses pengambilan keputusan dalam suatu kelompok dapat terjadi pada situasi yang mana:
- setiap individu dicirikan oleh persepsi, sikap, dan motivasi pengambil keputusan itu sendiri;
- siapa yang akan mengakui atau menerima permasalahan secara umum (domain); dan
- usaha untuk mendapatkan keputusan kolektif.
- Proses pengambilan keputusan dapat dilakukan dalam kerangka yang lebih fleksibel.
- Fleksibilitas ini salah satunya ditunjukkan dengan kemampuannya dalam mensimulasikan proses pengambilan keputusan dengan konsistensi yang bersifat kabur (Kickert, 1978).
Karakteristik GDSS
- Rancangan khusus: komunikasi yang efektif & group decision making
- Mudah digunakan
- Fleksibel: mengakomodasi perbedaan perspektif
- Anonymous input: tidak mengekspos nama individu
- Parallel communication
- Decision-making support
- Mengurangi kelakuan kelompok yang bersifat negatif: dibutuhkan fasilitator.
- Automated record keeping
Keuntungan GDSS
- Adanya komunikasi secara pararel antar anggota kelompok.
- Menawarkan kesempatan yang sama untuk memberikan ide dan opini.
- Mengeliminasi adanya dominasi dari sebagian anggota kelompok.
- Dapat diketahui dengan cepat adanya kesetujuan dan ketidaksetujuan terhadap opini dalam anggota kelompok.
- Membantu mengatur jadwal pertemuan
- Menyediakan kapabilitas dokumentasi otomatis secara efektif.
Pengaruh GDSS dalam kelompok
- GDSS menitikberatkan pada perbaikan kerja anggota kelompok atau penyelesaian masalah dalam kelompok.
- GDSS meningkatkan kualitas dalam perbaikan proses pengambilan keputusan kelompok.
- GDSS meningkatkan pencapaian konsensus.
Level Group Decision Supp
Level Group Decision Support
Level 1 GDSS – menyediakan fitur-fitur teknis yang bertujuan untuk mengurangi adanya kendala komunikasi seperti voting dan pertukaran pesan.
Level 2 GDSS – menyediakan pemodelan keputusan dan teknik-teknik pengambilan keputusan kelompok yang bertujuan untuk mengurangi adanya ketidakpastian yang terjadi dalam proses pengambilan keputusan kelompok.
Level 3 GDSS – machine-induced group communication patterns dan dapat juga berisi saran-saran dalam menyeleksi dan menyusun aturan yang dapat diaplikasikan selama pertemuan.
Ada 3 faktor yang perlu diperhatikan dalam merancang GDSS:
- Ukuran kelompok
- Adanya atau ketiadaannya interaksi secara tatap muka.
- Tugas yang akan dihadapi oleh kelompok.
Fitur-fitur Dasar GDSS
- Pembentukan, modifikasi dan penyimpanan file data & teks bagi anggota kelompok.
- Pemrosesan kata (word processing) untuk memformat dan mengedit teks.
- Fasilitas pembelajaran.
- Fasilitas Help secara online
- Worksheets, spreadsheets, decision trees, dan lain-lain yang membutuhkan display secara grafis.
- Manajemen basisdata
Fitur-fitur Kelompok
- Rangkuman ide atau hasil pemungutan suara anggota kelompok baik secara numeris maupun grafis.
- Menu untuk input teks, data atau pemungutan suara untuk anggota kelompok.
- Program untuk prosedur-prosedur kelompok tertentu.
- Metode untuk menganalisis interaksi atau pendapat awal.
- Transmisi teks dan data dalam anggota kelompok
Clinical Group DSS - Konsensus
Cara memperoleh konsensus:
1.Voting
2.Agregasi
- Ordered Weighted Averaging (OWA)
- Induced Ordered Weighted Averaging (IOWA)
- Importance Induced Ordered Weighted Averaging (I-IOWA)
- Consistency Induced Ordered Weighted Averaging (C-IOWA)
Tipologi Fasilitas GDSS
Delivery modes:
- Dilakukan instalasi secara permanen pada lokasi user.
- Dilakukan instalasi secara portable (on-call basis).
- Dilakukan instalasi secara permanen pada vendor.
- Fasilitas dirancang dan disediakan oleh perusahan komersial.
Executive Information System
Definisi EIS
Rockart and De Long (1988):
EIS adalah sistem berbasis komputer yang:
- Melayani kebutuhan informasi top executive
- Mampu melakukan akses cepat untuk ketepatan informasi dan akses langsung guna pelaporan manajemen
- Perlu “user friendly” dengan dukungan grafis dan kelengkapan exception report serta berkemampuan “drill down” (memecah “data” menjadi lebih detil untukidentifikasi masalah)
- Mudah dihubungkan dengan pelayanan informasi secara on line dan dengan e-mail
Watson, Houdeshel & Rainer
EIS adalah sistem berbasis komputer untuk mendukung manajer puncak dalam mengakses informasi (dalam dan luar) secara mudah dan relevan dengan CSF (Critical Success Factor)
Faktor-faktor yang diidentifikasikan Watson mengapa perlu EIS
Eksternal:
- Meningkatnya kompetisi
- Cepatnya perubahan lingkungan
- Kebutuhan untuk lebih proaktif
- Kebutuhan untuk akses database external
- Meningkatnya regulasi pemerintah
Internal:
- Kebutuhan ketepatan waktu informasi
- Kebutuhan memperbaiki informasi
- Kebutuhan akses data operasional
- Kebutuhan kecepatan pemutahiran aktifitas
- Kebutuhan meningkatkan efektifitas
- Kebutuhan mengidentifikasi kecenderungan historis
- Kebutuhan akses ke database korporat
- Kebutuhan meningkatkan keakuratan informasi
Karakteristik EIS
- Mendukung aktifitas manajer yang tidak terstruktur dibandingdengan problem keputusan spesifik dan berulang
- Mendukung executive terutama pada tahap pengambilan keputusan intelligence dengan teknik analisa data secara komprehensif
- User friendly interface, mudah, dan intuitive untuk digunakan
- Berorientasi pada masa yang akan datang dengan perilaku organisasi yang lalu
- Utamanya menggunakan data, bukan model serta diarahkandengan menggunakan teknologi IT yang mutakhir
- Secara khusus ada pelacakan CSF, exception reporting, drill down,atau drill cross investigation dan analisa trend
- Berfokus pada identifikasi masalah
- Menggunakan database secara luas
- Dapat dibentuk menjadi gaya pengambilan keputusan individu
Hal-hal yang penting berkaitan dengan karakteristik
Drill down
• CSF:
– Key problem narrative
– Highlight chart
– Top level financial
– Key factor KPI (Key Performance Indicator)
– Responsibility report
• Status access
• Analysis:
– Dengan fungsi
– Diintegrasikan dengan produk DSS
• Exception reporting
• Navigational of information
Kriteria Perancangan EIS
- Orientasi grafik
- Variabel bisnis yang mengidentifikasikan perubahan
-Menggunakan konsep agregasi dan deagregasi data
- untuk berbagai variasi jenis/ ukuran
- User interface mudah dan menarik (multimedia)
- EIS secara spesifik memudahkan akses informasi extern dan intern dan menampilkan dengan menarik, sangat jarang adanya pengambilan keputusan, seandainya ada hanya yang instan
