SISTEM PAKAR

SISTEM PAKAR

• Pendahuluan
Subsistem CBIS yang menarik paling banyak perhatian dari ilmuwan computer dan spesialis informasi adalah sistem pakar.sistem pakar adalah suatu sabset dari kecerdasan buatan atau AL.Sistem pakar memiliki potensi untuk memperluas kemampuan pemecahan masalah manajer melebihi kemampuan normalnya.Sistem pakar terdiri dari 4 bagian utama yaitu user interface,knowledge base,inference engine,development engine.Knowledge base menggunakan aturan untuk mengekspresikan logika masalah yang pemecahannya dibantu oleh sistem pakar.Inference engine menggunakan penalaran yang serupa dengan manusia dalam mengolah isi dari knowledge base.Development engine terdiri dari bahasa pemograman yang disebut shell sistem pakar.prototyping sangat cocok digunakan dalam sistem pakar.Elemen kritis dalam sistem pakar,seperti halnya dalam semua subsistem CBIS,adalah user interface.
• Kecerdasan Buatan atau AL
Kecerdasan buatan atau AL adalah kegiatan menyediaakan mesin seperti computer dengan kemampuan untuk menampilkan perilaku yang dianggap cerdas jika itu diamati pada manusia.AL menggambarkan aplikasi computer tercanggih saat ini,dengan mencoba menyerupai beberapa jenis penalaran manusia.
-Area AL
Sistem pakar juga dikenal sebagai sistem berbasis pengetahuan adalah progam computer yang mencoba untuk mewakili pengetahuaan dari pakar manusia dalam bentuk heuristic.Istilah heuristic diturunkan dari akar kata yunani yang sama dengan kata eureka yang berarti menemukan.Heuristic karenanya merupakan suatu rule of thumb atau suatu aturan dugaan yang baik. Selain sistem pakar,AL mencakup kerja dalam area berikut:
-Jaringan saraf adalah model sistem saraf manusia yang sangat disederhanakan yang menunjukan kemampuan seperti belajar,generalisasi,abstraksi.Kemampuan ini memungkinkan model untuk memelajari perilaku manusia.
-Sistem persepsi menggunakan citra visual dan sinyal suara untuk menginstruksikan computer atau alat lain seperti robot.
-Belajar meliputi semua kegiatan yang memungkinkan computer atau alat lain untuk memperoleh pengetahuaan sebagai tambahan dari apa yang telah dimasukan ke dalam memori oleh pembuatnya atau pemogramnya.
-Robotik terdiri dari alat yang dikendalikan computer yang meniru aktivitas gerak manusia.
-Perangkat keras AL mencakup alat fisik yang membantu aplikasi AL.
-Pemrosesan bahasa ilmiah memungkinkan pemakai untuk berkomunikasi dengan computer dalam bahasa seperti spanyol,jerman,jepang,cina,inggris,perancis.
-Tiap area ini memiliki potensi untuk digunakan dalam memecahkan masalah bisnis,tapi sejauh ini keunggulan utama ada dalam bentuk sistem pakar.

• Daya Tarik Sistem Pakar
-Bagaimana sistem pakar berbeda dari DSS
Sistem pakar sangat serupa dengan DSS karena keduanya dimaksudkan untuk menyediakan dukungan pemecahan masalah tingkat tinggi untuk pemakaiannya.Namun kedua sistem CBIS itu berbeda dalam 2 cara utama.Pertama,DSS terdiri dari routines yang mencerminkan cara yang diyakini manajer untuk memecahkan masalah,seperti halnya gaya dan kemampuan manajer.Sistem pakar,sebaliknya,menawarkan kesempatan untuk membuat keputusan yang melebihi kemampuan manajer.Perbedaan kedua antara sistem pakar dan DSS adalah kemampuan sistem pakar untuk menjelaskan alur penalarannya dalam mencapai suatu pemecahan tertentu.Sangat sering,penjelasan mengenai cara pemecahan diperoleh lebih berharga dari pemecahan itu sendiri.

• Model Sistem Pakar
Model sistem pakar terdiri dari empat bagian utama yaitu user interface memungkinkan pemakai untuk berinteraksi dengan sistem pakar. knowledge base menyimpan akumulasi pengetahuan dari masalah tertentu yang akan diselesaikan.Inference engine menyediakan kemampuan penalaran yang menafsirkan isi knowledge base.Pakar dan analisis sistem menggunakan development engine untuk menciptakan sistem pakar.
• User Interface
User interface memungkinkan manajer untuk memasukan intruksi dan informasi kedalam sistem pakar dan menerima informasi dari sistem pakar.Intruksi tersebut menentukan parameter yang mengarahkan sistem pakar melalui proses penalaran.Informasi itu berbentuk nilai yang diberikan pada variabel tertentu.
-Input sistem pakar
manajer dapat menggunakan 4 metode input yaitu menu,perintah,bahasa ilmiah,customized interfaces.
-output sistem pakar
sistem pakar dirancang untuk menyarankan pemecahan.Pemecahan ini dilengkapi dengan penjelasan.Ada dua jenis penjelasan;
1.Penjelasan dari pertanyaan.Manajer mungkin menginginkan penjelasan sementara sistem pakar melakukan penalarannya.
2 Penjelasan dari penyelesaian masalah.Setelah sistem pakar memberikan suatu pemecahan masalah,manajer dapat meminta penyelesaian mengenai bagaimana itu dicapai.Sistem pakar akan menampilkan tiap langkah langkah penalaran yang menuju pada penyelesaian.

• Knowledge Base
Knowledge base memuat fakta fakta yang menjelaskan area masalah dan juga teknik menerangkan masalah yang menjelaskan bagaimana fakta fakta tersebut cocok satu dengan yang lain dalam urutan yang logis.Istilah problem domain digunakan untuk menjelaskan area masalah.
-Aturan
Teknik menerangkan masalah yang paling popular adalah penggunaan aturan.Aturan menentukan apa yang harus dilakukan dalam situasi tertentu dan terdiri dari 2 bagian:suatu kondisi yang mungkin benar,mungkin tidak dan tindakan yang harus diambil jika kondisinya benar.Semua aturan yang ada dalam sistem pakar disebut perangkat aturan. -Jaringan Aturan Variabel sasaran digunakan untuk menjelaskan solusi itu yang dapat berupa nilai perhitungan ,objek tertentu,tindakan yang harus diambil,atau rekomendasi lainnya.Hiraki tingkat atas mungkin pula meliputi kesimpulan berganda,menunjukan kemungkinan lebih dari satu solusi.
-Masalah pemilihan aturan
Kesulitan utama dalam menggunakan aturan untukmenggambarkan pengetahuan adalah memilih aturan aturan itu secara efisien dari knowledge base.Aturan aturan tersebut digambarkan oleh lingkaran,segi empat dibawah lingkaran itu adalah kondisi,dan tanda panah yang mengarah keatas menunjukan tindakan atau kesimpulan.Tugasnya adalah mengkondisikan sistem pakar sehingga sistem pakar dapat mempertimbangkan hanya subset aturan yang sesuai saja.Beberapa teknik dapat digunakan, tapi yang paling langsung adalah pemakai memasukan parameter yang mendekati pilihan aturan.

• Inference Engine
Inference Engine adalah bagian dari sistem pakar yang melakukan penalaran dengan menggunakan isi dari knowledge base berdasarkan urutan tertentu.Selama konsultasi, Inference Engine menguji aturan aturan dari knowledge base satu demi satu dan saat kondisi aturan itu benar tindakan tertentu diambil.Dua metode utama telah dibuat bagi inference engine untuk menguji aturan:penalaran maju dan penalaran mundur.
-Penalaran Maju Dalam penalaran maju disebut juga forward chaining,aturan aturan diuji satu demi satu dalam aturan tertentu.Urutan itu mungkin berupa urutan pemasukan aturan kedalam perangkat aturan atau dapat juga urutan lain yang di tentukan oleh pemakai.Saat tiap aturan diuji sistem pakar berusaha mengevaluasi apakah kondisinya benar atau salah.Evaluasi Aturab jika kondisinya betul,aturan itu ditembakkan dan aturan berikutnya diuji.Saat kondisinya salah aturan itu tidak ditembakkan dan aturan berikutnya diuji.
-Proses penalaran berulang Proses pengujian aturan satu demi satu berlanjut sampai satu putaran lengkap melalui seluruh perangkat aturan. -Penalaran Mundur
Dalam penalaran mundur disebut juga backward chaining,inference engine memilih suatu aturan dan menganggapnya sebagai masalah yang harus diselesaikan.

• Membandingkan Penalaran Maju dan Mundur
Penalaran mundur bergerak lebih cepat dari penalaran maju karena penalaran mundur tidak harus mempertimbangkan semua aturan dan tidak membuat beberapa putaran melalui perangkat aturan.Penalaran mundur sangat sesuai jika:Terdapat variabel sasaran berganda,Terdapat banyak aturan,Semua atau hampir semua aturan tidak harus diuji dalam proses mencapai pemecahan.
• Development Engine
Komponen utama keempat dari sistem pakar adalah development engine yang digunakan untuk menciptakan sistem pakar.Pada dasarnya proses ini melibatkan pembuatan perangkat aturan.Ada 2 pendekatan dasar:bahasa pemrogaman dan shell sistem pakar.
-Bahasa Pemrogaman
Anda dapat menciptakan sistem pakar dengan menggunakan bahasa pemrogaman apapun,namun ada 2 yang sangat cocok dengan representasi simbolis dari knowledge base yaitu lips dan prolog.
-Shell sistem pakar
Shell sistem pakar adalah prosesor siap pakai yang dapat disesuaikan untuk problem domain tertentu melalui penambahan knowledge base yang sesuai.Dalam banyak kasus shell dapat memproduksi sistem pakar lebih cepat dan lebih mudah dari pada pemrogaman.Shell komersil pertama adalah KEE yaitu knowledge engineering environment.KEE dirancang untuk digunakan pada computer yang khusus dirancang untuk bahasa lips. -Peran sistem analisis
Istilah knowledge engineer telah digunakan untuk menjelaskan orang yang bekerja dengan pakar dalam merancang sistem pakar.Selain keahlian yang digunakan dalam mengembangkan aplikasi computer konvensiona,analisis itu harus;1.Mengerti bagaimana pakar menerapkan pengetahuaan mereka dalam memecahkan masalah.2.Mampu mengesktrasi penjelasan mengenai pengetahuaan dari pakar.Sebenarnya kedua keahlian ini cocok untuk merancang subsistem CBIS jenis apapun.

-Proses Pengembangan Sistem
- Memulai proses pengembangan tugas analisis sistem dalam langkah 1 adalah mempelajari problem domain dan menentukan apakah pekerjaan pengembangan harus dilanjutkan.jika ya,analisis menjadi cukup tahu tentang problem domain untuk melanjutkan proyek.Mengembangkan prototype sistem pakar. langkah 2 analisis dan pakar mengikuti pendekatan sistem dengan pertama tama mendefinisikan masalah,langkah 3 mereka menentukan perangkat aturan dan menyatukan aturan aturan itu dalam prototype,langkah 4 analisis dan pakar menguji prototype dan jika pengujian tidak berjalan baik prototype diperbaiki,dimulai lagi dengan langkah 2,jika pengujian berjalan sepeti yang diharapkan,analisis dan pakar menambahkan user interface pada langkah 5.langkah 5 Partisipasi pemakai,langkah 6 dilakukan pengujian.jika pebgujian berjalan baik pemakai dapat menggunakan sistem pakar dalam langkah 7,sistem pakar harus dipelihara seperti subsistem CBIS lain dan hal ini dilakukan pada langkah 8. -Knowledge Base Knowledge base sistem pakar terdiri dari 2 komponen:1.aturan aturan yang mencerminkan logika persetujuan kredit.2.model matematika yang menentukan batas kredit. -User Interface Saat inference engine bergerak melalui perangkat aturan dengan penalaran maju,analisis kredit diminta untuk membuat perbandingan pasangannya.

• Keuntungan dan Kerugian sistem pakar
-Keuntungan Sistem pakar
bagi manajer Manajer yang menggunakan sistem pakar diharapkan dapat membuat keputusan yang lebih baik dengan mempertimbangkan lebih banyak alternative,menerapkan tingkat logika yang lebih tinggi dalam mengevaluasi alternative,memiliki lebih banyak waktu untuk evaluasi dan mencapai konsistensi dalam keputusan yang di capai.

-Keuntungan sistem pakar bagi perusahaan
1.Kinerja perusahaan yang lebih baik karena manajer perusahaan memiliki kemampuan yang lebih luas dalam memecahkan masalah melalui penggunaan sistem pakar,mekanisme pengendaliaan perusahaan meningkat.Perusahaan lebih mampu memenuhi tujuannya.

2.Mempertahankan pengendalian atas pengetahuan perusahaan sistem pakar memberikan kesempatan untuk membuat pengetahuan pegawai yang berpengalaman tersedia untuk pegawai yang baru dan kurang berpengalaman serta menyimpan pengetahuan itu dalam perusahaan lebih lama bahkan setelah pegawai itu berhenti.
-Kerugian sistem akar Dua karakterristik sistem pakar membatasi kemampuannya sebagai alat pemecah masalah bisnis.
1.Sistem pakar tidak dapat menangani pengetahuaan yang tidak konsisten.
2.Sistem pakar tidak dapat menerapkan penilaian dan intuisi yang kita kenal sebagai unsure penting dari pemecahan masalah saat kita membahasnya dalam pendekatan sistem.

• Jaringan Saraf
Walau sistem pakar telah berhasil diterapkan pada banyak masalah bisnis,ada beberapa kesulitan yang sangat menghambat pengembangannya.Kesulitan itu adalah:1.Antrian knowledge engineering-waktu dan tenaga yang sangat banyak diperlukan untuk menyarikan pengetahuan pakar dan menerjemahkannya kedalam aturan IF/THEN yang mendasari sistem pakar.2.Antrian pemograman-kesulitan memprogam sistem dan memelihara kode.3.Masalah belajar-ketidakmampuan sistem pakar untuk menggunakan belajar induktif dan penilaian untuk beradaptasi pada hubungan hubungan yang berubah dalam lingkungan keputusan.Rancangan jaringan saraf terdiri dari usaha para ilmuwan untuk membuat model intuisi tersebut.Tujuan dari rancangan jaringan saraf adalah mensimulasikan proses belajar adaptif biologis,walau dalam skala yang sangat sederhana. -Perbandingan biologis Rancangan jaringan saraf diinspirasikan oleh rancangan fisik otak manusia.Komponen otak yang menyediakan kemampuan pengolahan informasi adalah neuron,yang terdiri dari 3 wilayah dasar yaitu
1.Dendrit.
Dendrit membentuk pohon dendrite,suatu wilayah menyerupai cabang yang sangat halus sari serat serat tipis di sekeliling tubuh sel.Dendrit merupakan komponen input dari sel.Dendrit menerima impuls elektrokimia yang di bawa dari axon neuron neuron di sebelahnya.
2.Axon.
axon merupakan serat panjang yang membawa sinyal dari soma.
3.Soma.
Soma adalah komponen prosesor dari neuron.Soma pada dasarnya adalah alat penjumlahan yang dapat berespon pada total inputnya dalam jangka waktu singkat.

• Sistem Saraf Buatan
Sistem saraf buatan atau ANS yang merupakan subjek penelitian saat ini bukanlah duplikat persis dari sistem biologis otak manusia tetapi ANS melakukan kemampuan seperti generalisasi,belajar,abstraksi dan bahkan intuisi.Fungsi transfer adalah hubungan antara output dari jumlah tertimbang dengan nilai asal sel.Jika jumlah tertimbang melebihi nilai asalnya neuron itu menembak.neuron neuron sederhana ini dikombinasikan untuk membentuk ANS berlapis lapis yang disebut perceptron berlapis lapis.Perceptron berlapis lapis adalah feedforward network yang berarti arus data bergerak hanya satu arah dari lapisan input ke lapisan output. -Menempatkan sistem saraf buatan dalam perspektif Kemampuan untuk belajar berdasarkan adaptasi adalah factor utama yang membedakan ANS dari aplikasi sistem akar.
• Multimedia dalam CBIS
-Sistem multimedia
1.Input multimedia 2.output multimedia
-Aplikasi multi media dalam bisnis Tiap aplikasi dalam tiap subsistem CBIS merupakan pemakai potensial multimedia ,sehingga terdapat peluang untuk memperluas output konvensional melebihi cetakan dan tampilan.berikut ini adalah beberapa contoh gagasan:aplikasi SIA,aplikasi SIM dan DSS,aplikasi otomatisasi kantor.
-Karakteristik sistem pakar yang merupakan prospek multimedia terbaik. Identifikasi karakteristik aplikasi sistem pakar yang harus dipertimbangkan untuk multimedia:1.kata kata tidak cukup untuk menjelaskan dengan mudah dan memadai atribut masalah dan solusi.2.problem domain sempit dan terdefinisi baik.3.jumlah knowledge base dibatasi sampai 100 aturan atau kurang.4.problem domain relative stabil sepanjang waktu.5.tersedia kasus pengujian untuk mengakses fungsionalitas sistem. -langkah langkah dalam mengembangkan sistem multimedia adalah mendefinisikan masalah,merancang konsep,merancang isi,menulis naskah,merancang grafik,memproduksi sistem,melakukan tes pemakai,menggunakan sistem,memelihara sistem.


PENGAMBILAN KEPUTUSAN

Keputusan keputusan dibuat untuk memecahkan masalah. Dalam usaha untukmemecahkan masalah, pemecah masalah mungkin membuat banyak keputusan. Keputusan merupakan rangkaian tindakan yang perlu diikuti dalam memecahkan masalah untuk menghindari atau mengurangi dampak negative, atau untuk memanfaatkan kesempatan.

A. Jenis-jenis keputusan menurut Simon
Menurut Herbert A.Simon, ahli manajemen pemenang Nobel dari Carnagie-Mellom University, keputusan berada pada suatu rangkaian kesatuan(continuum), dengan keputusan terprogram pada ujung yang lain. Keputusan terprogram bersifat “ berulang dan rutin, sedemikina hingga suatu prosedur pasti telah dibuat untuk menanganinya sehingga keputusan tersebut tidak perlu dilakukan de nevo (sebagai suatu yang baru) tiap kali terjadi. Keputusan tak terprogram bersifat “baru, tidak terstruktur dan jarang konsekuen. Tidak ada metode yang pasti untuk menangani masalah ini karena belum pernah ada sebelumnya, atau karena sifat dan struktur persisnya tak terlihat atau rumit, atau bkarena begitu pentingnya sehingga memerlukan perlakuan yang sangat khusus.
Simon menjelaskan bahwa dua jenis keputusan tersebut hanyalah ujung ujung hitam dan putih dari rangkaian kesatuan(continuum), dan bahwa didunia nyata sebagian besar kelabu. Namun konsep keputusan ter program dan tak terprogram penting karena masing masing memerlukan teknik yang berbeda.

B. Tahap tahap pengambilan keputusan menurut Simon
Sumbangan simon yang lain adalah penjelasannya mengenai 4 tahap yang dilalui manajer saat memecahkan masalah. Tahap tahap Simon itu adalah:
• Kegiatan Intelijen Mengamati lingkungan mencari kondisi kondisi yang perlu diperbaiki.
• Kegiatan Merancang Menemukan, mengembangkan dan menganalisis berbagai alternative tindakan yang mungkin.
• Kegiatan Memililh Memilih satu rangkaian tindakan tertentu dari beberapa yang tesedia.
• Kegiatan menelaah Menilai penilaian penilaian yang lalu.

Empat tahap simon ini berhubungan langsung dengan langkah langkah dari pendekatan system. Para manajer mengikuti pola ini secara khusus atau umum ketika mereka memecahkan permasalahan yang menghadang unit mereka. Para spesialis informasi juga mengikuti pola ini ketika mereka terlibat dalam pengembangan system.

KONSEP DSS
Konsep DSS dimulai pada akhir tahun 1960-an dengan timesharing komputer. Untuk pertama kalinya seseotrang dapat berinteraksi langsung dengan komputer tanpa harus melalui spesialis informasi.


 Diciptakannya istilah DSS
Baru pada tahun 1971, istilah DSS diciptakan oleh G.Anthony Corry dan Michael S.Scoot Morton, kedua professor MIT3 . Gorry dan Scott Morton menggambarkan jenis jenis keputusan menurut struktur masalah, dari terstruktur hingga tidak terstruktur. Tahap tahap pengambialn keputusan Simon digunakan untuk menentukan struktur masalah. Masalah terstruktur merupakan suatu masalah yang memiliki struktur pada tahap pertama Simon yaitu intelijen, rancangan dan pilihan. Jadi dapat dibuat algoritma atau aturan keputusan yang mamungkinkan masalah diidentifikasi dan dimengerti berbagai solusi alternative diidentifikasi atau dievaliasi serta solusi dipilih. Masalah tak terstruktur sebaliknya merupakan masalah yang sama sekali tidak memiliki struktur pada tiga tahap Simon diatas. Masalah semi-terstruktur merupakan masalah yang memiliki struktur hanya pada satu atau dua tahap simon.
Gorry dan Scott Morton awalnya menggunakan istilah DSS hanya untuk aplikasi computer masa depan. Selanjutnya istilah tersebut diterapkan pada semua aplikasi computer yang didedikasikan untuk dukungan keputusan –baik sekarang maupu masa depan.

 Jenis jenis DSS Menurut Alter
Steven L.Alter seorang mahasiswa yingkat doctor di MIT dengan berdasarkan rangka kerja Gorry dan Scoot Morton melakukan penelitian atas 56 sistem pendukung keputusan. Jenis yang memberikan dukungan paling sedikit adalah jenis yang memungkinkan manajer mengambil elemen elemen informasi. Dukungan yang sedikit lebih diberikan oleh DSS yang memungkinkan manajer menganalisis semua file. Manajer dapat bertanya pada database mengenai suatu laporan khusus yang menggunakan data dari file persediaan. Dukungan yang lebih lagi diberikan oleh system yang menyiapkan laporan dari berbagai file.
Ketiga jenis pertama DSS ini memberikan dukungan dalam bentuk laporan khusus sebagai jawaban atas database query dan laporan periodik. Tiga jenis terakhir DSS melibatkan penggunaan model matematika. DSS yang memungkinkan manajer melihat dampak dampak yang mungkin dari berbagai keputusan adalah model yang dapat memperkirakan akibat keputusan. Mungkin manajer memasukkan suatu harga kedalam model penentuan harga untuk melihat dampaknya pada laba bersih. Model ini juga memungkinkan pemakai untuk menentukan probabilitas subjective.
Jenis DSS Alter yang memberikan paling banyak adalah jenis yang dapat membuat keputusan untuk manajer. Alter menggunakan contoh suatu model computer yang menentukan premi asuransi. Manajer asuransi sangat yakin pada model tersebut sehingga mereka membiarkannya membuat keputusan keputusan tertentu. Penelitian Alter penting karena dua alasan. Pertama penelitian itu didukung oleh konsep pengembangan system untuk menangani keputusan keputusan tertentu. Kedua menjelaskan bahwa DSS tidak terbatas pada pendekatan yang lebih eksotik dari database query dan pembuatan model keputusan tetapi dapat juga mencakup pelaporan periodic.

 Tujuan DSS
Perintis DSS yang lain di MIT, Peter G.W.Keen bekerja sama dengan Scoot Morton untuk mendefinisikan tiga tujuan yang harus dicapai DSS. Mereka percaya DSS harus :
• Membantu manajer membuat keputusan untuk memecahkan masalah semi terstruktur.
• Mendukung penilaian manajer bukan mencoba menggantikan.
• Meningkatkan efektifitas pengambilan keputusan manajer daripada efisiennya.

Tujuan tujuan ini berhubungan dengan tiga prinsip dasar dari konsep DSS struktur masalah, dukungan keputusan dan efektifitas keputusan.

 Struktur Masalah
Sulit untuk menemukan masalh yang sepenuhnya terstruktur atau tidak terstruktur. Sebagian besar bersifat semi terstruktur –area kelabu simon. Ini berarti bahwa DSS diarahkan pada area tempat sebagian masalah berada.

 Dukungan Masalah
DSS tidak dimaksutkan menggantikan manajer. Gambar diatas menggambarkan hubungan ini antara struktur masalah dengan tingkat dukungan yang dapat disediakan oleh computer. Computer dapat diterapkan pada bagian masalah yang terstruktur, tetapi manajer bertanggung jawab atas bagian yang tak terstruktur –menerapkan rangkaian penilaian atau intuisi dan melakukan analisis. Manajer dan computer bekerjasama sebagai tim pemecah masalah dalam memecahkan masalah yang berada di area semi terstruktur yang luas.

 Efektifitas Keputusan
Tujuan dari DSS bukanlah untuk membuat proses pengambilan keputusan seefisien mungkin. Waktu manajer berharga dan tidak oleh terbuang, tetapi manfaat utama menggunakan DSS adalah keputusan yang baik.
Ketika membuat keputusan, manajer tidak selalu mencoba mencapai yang terbaik. Manajer menggunakan pertimbangan dalam menentukan kapan suatu keputusan akan berkontribusi pada suatu solusi masalah.


 Model DSS
Struktur yang serupa yang dapat digunakan untuk model DSS, seperti pada gambar dibawah ini, data dan informasi dimasukkan ke dalam database dari lingkungan perusahaan. Database juga berisi data yang disediakan oleh SIA. Isi database digunakan oleh tiga subsistem perangkat lunak.
• Perangkat lunak penulisan laporan menghasilkan laporan periodic maupun khusus. Laporan periodic disiapkan sesuai jadwal dan biasanya dihasilkan oleh perangkat lunak yang dikodekan dalam suatu bahasa proseduran seperti COBOL atau PL/I. contohnya adalah analisis penjualan bulanan menurut pelanggan. Laporan khusus disiapkan sebagai jawaban atas kebutuhan informasi yang tak terduga dan berbentuk data base query oleh pemakai yang menggunakan query language dari DBMS atau bahasa computer generasi ke empat. Contohnya adalah laporan kecelakaan.
• Model matematika menghasilkan informasi sebagai hasil dari simulasi yang melibatkan satu atau beberapa komponen dari sistem fisik perusahaan atau berbagai aspek operasinya.
• Perangkat lunak GDSS(group decision support system) memungkan beberapa pemecah masalah bekerja sama sebagai satu kelompok mencapai sousi.

 Pembuatan Model Matematika
Model adalah penyederhanaan dari sesuatu; model menggambarkan fenomena suatu objek atau kegiatan. Fenomena disebut entitas. Jika model menggambarkan suatu perusahaan, perusahaan adalah entitasnya. Jika model menggambarakan fluktuasi volume penjualan perusahaan maka volume menjualan adalah entitasnya.
Model matemetika dapat dikelompokkan menjadi tiga dimensi –pengaruh waktu, tingkat keyakinan dan kemampuan mencapai optimasi.
1. Model statis atau dinamis
Model static menyertakan waktu sebagai variable. Model ini berkaitan dengan suatu situasi pada satu titik waktu tertentu, seperti suatu foto. Model yang menyertakan waktu sebagai variable adalah model dinamis.
2. Model probabilistic atau deterministic
Cara lain mengelompokkan model adalah berdasarkan apakah formulanya mencakup probabilitas. Probabilitas adalah peluang terjadinya sesuatu.probabilitas berkisar antara 0,00(sesuatau yang sama sekali tida mungkin) hingga 1,00 (sesuatu yang pasti). Model yang mencakup probabilitas disebut model probabilitas. Model yang sebaliknya disebut model deterministic.
3. Model optimasi atau subobtimasi
model optimisasi adalah model yang memilih solusi terbaik dari berbagai alternatif. Model suboptimasi sering disebut satisficing model memungkinkan manajer memasukkan serangkaian keputusan dan model akan memproyeksikan hasilnya.

SIMULASI

Tindakan menggunakan model disebut simulasi. Simulasi terjadi dalam suatu pengaturan yang dijelaskan oleh elemen elemen data scenario. Simulasi memperkirakan dampak dari keputusan pemecah masalah.


SCENARIO MODEL
Istilah scenario digunakan untuk menjelaskan kondisi yang mempengaruhi simulasi. Elemen elemen data yang menerapkan secenario disebut elemen elemen data scenario. Model dapat dirancang sehingga elemen elemen data scenario merupakan variable, jadi memungkinkan penetapan berbagai nilai.
Variable Keputusan
Nilai nilai input yang manajer masukkan untuk mengukur dampaknya pada entitas dekenal sebagai variable keputusan.
Teknik Simulasi
Manajer biasanya melaksaanakan model optimisasi hanya satu kali; hasilnya adalah solusi terbaik dengan scenario dan variable keputusan tertentu. Namun model sub optimisasi perlu dilakukan beruang ulang, proses pengulangan mencoba berbagai alternative keputusan dikenal sebagai memainkan what-if game.
Format Output Simulasi
Merupakan suatu praktek yang baik untuk menyertakan elemen elemen scenario dan variable variable keputusan pada layer atau halaman yang sama dengan output. Dengan tata letak seperti itu, terlihat jelas input apa yang menghasilkan output tersebut.

KEUNTUNGAN DAN KERUGIAN PEMBUATAN MODEL

 Keuntungan pembuatan model:
• proses pembuatan model dapat menjadi pengalaman pertama. Dapat dipastikan pada setiap proyek model dipelajari sesuatu yang baru mengenai system fisik.
• Kecepatan system simulasi menyediakan kemampuan untuk mengevaluasi dampak keputusan dalam jangka waktu singkat. Dalm hitungan menit dapt dibuat simulasi operasi perusahaan untuk beberapa bulan , kuartal atau tahun.
• Model menyediakan daya prediksi –suatu pandangan kemasa depan –yang dapat disediakan oleh metode penghasil informasi lain.
• Model lebih morah dari pada metode trial and error. Proses pembuatan model memang mahal dalam hal waktu pengembangan serta perangkat lunak dan perangkat keras yang diperlukan untuk simulasi,tetapi biaya tidak setinggi biaya yangn disebabkan keputusan yang buruk.

 Kerugian pembuatan model:
• Kesulitan pembuatan model system bisnis akan menghasilkan suatu model yang tidak menangkap semua pengaruh pada entitas.
• Keahlian matematika tingkat tinggi diperlukan untuk mengembangkan sendiri model model yang lebih kompleks. Keahlian itu juga diperlukan untuk menafsirkan output secara tepat.


GRAFIK KOMPUTER
Hingga awal 1980-an grafik computer dianggapserius sebagai suatu pilihan output untuk SIM dan DSS. Kemudian datanglah computer micro dan lotus. Keberhasilan lotus juga mendorong pemasok lain untuk mengembangkkan perangkat lunak dan perangkat keras grafik. Dalam banyak kasus memang demikian , tetapi keberhasilan tidak selalu dapat dipastikan.

A. Kapan menggunakan grafik???
Sirka L. jarvenpaa dan temannya Gary W. Dickinson sama-sama seorang professor SIM mempelajari keuntungan dan kerugian relative dari output table dan grafik. Berdasarkan temuan mereka mereka menyarankan menggunakan grafik jika :
• Mencari ikhtisar data secara tepat
• Merndeteksi trend dari waktu ke waktu
• Membandingkan berbagai titik dan pola dari berbagai variable
• Meramal (forecasting) kegiatan
• Mancari gambaran yang relative sederhana dari sejumlah besar informasi.




B. Grafik apa saja yang digunakan???
Jarvenpaa dan Dickson juga menawarkan kiat kiat berikut saat memilih antara berbagai jenis grafik:
• Bagan garis atau batang (line or bar chart) dipilih untuk mengiktisarkan data.
• Bagan garis atau kelompok (grouped line or bar chart) dipilih untuk memperlihatkan trend dari waktu ke waktu.
• Bagan batang berkelompok digunakan untuk membandingkan berbagai pola variable.
• Saat membandingkan berbagai variable gunakan batanng horizontal daripada batang vertical.
• Gunakan bagan garis tunggal atau bagan batang untuk membandingkan titik titik data individual antar variable.
• Tempatkan nilai data diatas puncak batang untuk memudahkan pembacaan.

SISTEM PENDUKUNG KEPUTUSAN KELOMPOK

A. Konsep GDSS
Sistem pendukung keputusan kelompok (group decision support sistem ) atau GDSS merupakan suatu system berbasis computer yang mendukung kelompok kelompok orang yang terlibat dalam suatu tugas bersama dan yang menyediakan interface bagi suatu lingkungan yang digunakan bersama. Istilah ini mencangkup group support system GSS, computer supported cooperation work (CSSW), computerized collaborative work support, dan electronic meeting system (EMC). Perangkat lunak yang digunakan dalam lingkungan ini disebut groupware.

B. Bagaimana GDSS Berkontribusi pada Pemecahan Masalah
Asumsi yang mendasari GDSS adalah komunikasi yang lebih baik memungkinkan keputusan yang lebih baik. Komunikasi yang lebih baik tercapai dengan menjaga diskusi terfokus pada masalah, akibatnya mengurangi waktu yang terbuang, dan menggunakanya untuk mencari evaluasi alternative lain yang lebih baik.

C. Pengaturan Lingkungan GDSS
GDSS berkontribusi pada pemecahan masalah dengan menyediakan suatu pengaturan yang mendukung komunikasi. Pada tiap keadaan para anggota kelompok dapat bertemu pada waktu yang bersamaan atau pada waktu yang berlainan. Jika para anggta bertemu pada ssaat yang bersamaan disebut synchronous exchange, contohnya adalah rapat komite. Sedangkan yang sebaliknya disebut asynchronous excange , contohnya adalah komunikasi lewat surat elektronik.
Ruang Keputusan merupakan pengaturan untuk rapat kelompok kecil secara tatap muka. Ruangan tersebut mendukung komunikasi melalui kombinasi perabot peralatan dan tata letak. Fasilitator adalah orang yang tugas utamanya menjaga diskusi tetap pada alurnya.
Berdasarkan pengaturan yang ditetapkan untuk tiap pertemuan ,pesan pesan yang dimasukkan satu anggota kelompok untuk anggota lain dapat ditampilkan pada layer besar agar dapat dilihat seluruh kelompok. Bahan lain yang berhubungan dengan diskusi juga dapat ditampilkan dari media seperti video slide dan transparasi.
Jaringan keputusan setempat jika kelompok kecil tidak dapat bertemu secara tatap muka, para anggota dapat berinteraksi melalui jaringan setempat(local area network)atau LAN. Seorang anggota memasukkan pendapat kedalam terminal keyboard dan melihat pendapat pendapat anggota lain di layer.
Pertemuan Legislatif jika kelompok terlalu besar untuk ruang keputusan, pertemuan legislatif( legislatif session ) diperlukan. Karena ukuran terlalu besar mungkin menimbulkan kendala kendala komunikasi atau kurangnya waktu yang tersedia. Pendekatan lain adalah fasilitator menentukan bahan apa yang ditampilkan pada layer untuk dilihat oleh kelompok.
Konferensi Bermedia Komputer beberapa aplikasi otomatisasi kantor (OA) memungkinkan berkomunikasi antara kelompok kelompok besar dengan anggota yang tersebar secara geografis. Ini merupakan aplikasi yang dikenal bersama sebagai konferensi jarak jauh(teleconferencing), meliputi konferensi computer, konferensi audio dan konferensi video.

D. Contoh GDSS:
Dalam pertemuan GDSS umum yang menggunakan GroupSystems dari university of Arizona, suatu kelompok akan bertemu dalam ruang keputusan. Para peserta akan menulis pendapat mengenai suatu topic seperti ”sasaran apa yang perlu dimilikioleh perusahaan kita untuk tahun depan?” dengan menggunakan program Electronic Brainstorming(EBS). Program ini menyediakan komunikasi paralel maupun anonimitas.
Komunikasi parallel adalah saat semua peserta menulis pendapat pada saat yang bersamaan dan anonimitas adalah saat tak seorangpun mengetahui siapa yang menulis suatu pendapat tertentu. Setelah setengah jam menulis berbagai pendapat mengenai topic utama, para anggota kelompok mengumpulkan pendapat pendapat itu kedalam beberapa kategori dengan menggunakan program lain yang disebut idea Organizer.
Akhirnya, para nggota kelompok menggunakan program vote untuk memberi peringkat pada daftar kategori yang diiktisarkan oleh Idea Organiser, menurut criteria tertentu seperti pentingnya bagi keseluruhan perusahaan. Tiap anggota menciptakan daftarnya sendiri dan tidak dipengaruhi oleh peringkat orang lain. Iktisar dari daftar peringkat ini kemudian ditampilkan pada layer umum untuk memberikan gambaran pada kelompok mengenai konsensus mereka pada topic pertemuan.

Menempatkan Pemecahan Masalah Kelompok dalam Perspektif
Usaha mula mula GDSS selama awal tahun 1980-an melibatkan academia dan industri. Salah satu ruang keputusan pertama dibuat di EXECUCOM di Austin, texas dibawah pimpinan pendirinya, Gerald wagner. Tradisi penelitian industri dan akademik berlanjut dengan digunakanya ruang keputusan sehari hari di organisasi bisnis XEROX Palo Alto Researce Center dan di berbagai universitas seperti University of Minesota, University of Georgia dll. Fasilitas universitas biasanya disediakan bagi industri dengan bayaran.
Industri mengakui GDSS sebagai konsep yang bernilai praktis nyat, menjadikan salah satu area pengembangan GDSS yang paling gencar.

E. Peran DSS dalam Pemecahan Masalah
Kita telah melihat pada bab bab sebelumnya bahwa SIM tidak cocok untuk mengidentifikasi masalah dan membantu manajer memahaminya. DSS dapat memperluas dukungan ini melalui langkah langkah selanjutnya dari proses pemecahan masalah. Kemampuan tambahan ini bukan karena pelaratan yang digunakan, karena SIM dan DSS keduanya menggunakan peralatan peralatan yang sama.
Alasan untuk mendukung yang lebih lengkap adalah kenyataan bahwa DSS disesuaikan untuk kebutuhan kebutuhan khusus manajer.