Nota_versi_bm_modul_cbss4103_-_bab1_-_bab_9_sistem_sokongan_keputusan

CBSS4103 SISTEM SOKONGAN KEPUTUSAN

NOTA CBSS 4103 SISTEM SOKONGAN KEPUTUSAN

Bab 1 – 9 SEMESTER SEPTEMBER

2007

Empunya ; Kariah Hj Supertan

1

CBSS4103 SISTEM SOKONGAN KEPUTUSAN TAJUK 1 : HUMAN AND MANAGERIAL DECISIONDECISION-MAKING Manusia dan Pengurusan Pembuatan Keputusan Pengenalan: Pengurus bertanggungjawab di mana mereka perlu ambil tindakan bagi pihak organisasi seperti memperuntukkan sumber, merundingkan perjanjian, mengawasi prestasi organisasi dan membetulkan penyimpangan drp perancangan 1.1

Pengenalan Kpd Pembuatan Keputusan

Roosevelt: Eleanor Roose velt: “ Somewhere along the line of development we really are, and then we make our real decision for which we are responsible. Make that decision primarily for yourseft because you can never really live anyone else’s life.” Di mana sahaja di sepanjang garis pembangunan kita menemui apa yg kita ada, dan kemudiannya kita membuat keputusan kita yg sebenar utk yang kita dipertanggungjawabkan. Membuat keputusan itu terutamanya utk diri kita sebab kamu sebenarnya tidak akan hidup dlm kehidupan individu yang lain” Keputusan ( Decision) : •

Kesimpulan atau pilihan alasan di kalangan pelbagai alternatif / pilihan.

•

Kita membuat sebilangan keputusan, keputusan peribadi adalah seperti keputusan perniagaan dalam kehidupan kita

Keputusan termasuklah: •

Apa yg perlu dipakai untuk ke pejabat

•

Ke mana nak pergi semasa cuti sekolah

•

Insuran nyawa yang manakah untuk di beli

•

Berapa ramai tutor utk diambil bagi kursus computer

Setiap keputusan dibina oleh: •

Kenyataan keputusan

•

Himpunan alternatif2

•

Himpunan kriteria2

2

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Teknik berkesan berkesan utk membuat keputusan:

Arsham, 2005 : keputusan membabitkan tiga langkah: •

Pengiktirafan ke atas keperluan: ketidakpuas hati dgn diri sendiri ( kekosongan / keperluan )

•

Keputusan kpd perubahan ( utk mengisi kekosongan / keperluan )

•

Kesedaran dedikasi kpd melaksana keputusan

Membuat Keputusan bermaksud :

Turban, 2005 : Proses daripada kewarasan dikalangan alternatif-alternatif yang dapat digunakan utk tujuan mengenai penyempurnaan satu tujuan / tujuan-tujuan

Harris, 1998: kajian dalam mengenalpasti dan memilih alternatif berdasarkan nilai-nilai dan keutamaan-keutamaan drp pembuat keputusan dan proses yg mencukupi mengurangkan keadaan yg tidak menentu dan keraguan mengenai alternatif-alternatif utk membenarkan satu pilihan yg munasabah untuk dibuat drp kalangan mereka.

Arsham, H., 2005 : model/contoh/jenis membuat keputusan mungkin membenarkan untuk hanya tiga sistem unik semasa membuat keputusan: •

Individualisme : yg mana ketidaksamaan akses (perolehan), menikmati pertandingan, dan pengenalpastian dgn kuasa dan individu yang betul

•

Kolaborasi : yang mana menganggap semua manusia mempunyai kepentingan bersama, menaikkan usaha kolaborasi dan kenalpasti dgn demokrasi yang tidak terbatas

•

Kuasa dan Kewibawaan : yang mana menghormati kuasa dan pengenalpastian dgn kawalan hak/ kewibawaan

Alternatif : keputusan yang wujud boleh di bina / buat

JenisHarris, 1998 : Jenis -Jenis Keputusan ; •

Decisions Whether ( Keputusan Sama Ada )

•

Decisions Which ( Keputusan Yang Mana )

•

Contingent Decisions ( Kontinjen Keputusan – yang mungkin berlaku / kebetulan )

3

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Latihan 1 1. Apakah Keputusan? Keputusan adalah bentuk-bentuk tindakan yang diambil untuk menyelesaikan masalah 2. Perbezaan antara Decision Whether dan Contingent Decisions? Decision Whether Ya atau Tidak

Contingent Decisions Keputusan yang telah dibuat tetapi memegangnya sehingga menjumpai situasi yang sesuai

Keputusan mesti dibuat sebelum

Cth : Saya akan membeli kereta jika saya

memilih altirnatif

memperoleh harga yang berpatutan

Cth: Saya patut membeli kereta baru 1.2

Pengurus dan Pembuatan Keputusan

Pengurus adalah pembuat keputusan Minztberg, 1980 : pengurus melaksanakan 10 peranan yang boleh diklasifikasikan kpd 3 kategori utama : •

Interpersonal

•

Informational

•

Decisional

10 peranan pengurusan oleh Minztberg, 1980 : Interpersonal Figurehead

kepala simbolik bertanggungjawab untuk melaksanakan beberapa

(boneka)

tugas rutin berbentuk perundangan/sosial.

Leader

Bertanggungjawab untuk memotivasikan dan menggerakkan semua

(pemimpin)

kaki tangan dan juga bertanggungjawab tentang tugas-tugas berkaitan dengan staf, latihan dan hubungan

Liaison

Mengekalkan rangkaian bina sendiri dengan pihak-pihak luar serta

(perhubungan)

pemberi-pemberi maklumat Informational

Monitor

Mencari dan menerima pelbagai maklumat khusus untuk membina

(pengawas)

pemahaman yang menyeluruh tentang organisasi dan persekitarannya

Disseminator

Menyebar maklumat yang diterima dari pihak luar atau daripada

(penyebar)

kakitangan sendiri kepada ahli-ahli maklumat luaran/dalaman organisasi

4

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Spokesperson

Menyebarkan maklumat kepada pihak-pihak luar tentang polisi-

(jurucakap)

polisi, plan-plan, juga bertindak sebagai pakar tentang industri organisasi Decisional

Entrepreneur

mencari organisasi dan persekitaran untuk peluang dan permulaan

(pengusaha)

memantapkan projek utk membawa kepada perubahan; menyelia reka bentuk drp projek tertentu

Disturbance

Bertanggungjawab untuk membetulkan perkhidmatan apabila

Handler

organisasi menghadapi gangguan yang tidak dijangka atau penting

(penyelesai gangguan) Resource Allocator

Bertanggungjawab utk peruntukan sumber organisasi drp semua

(peruntukan

jenis kesan dalam membuat atau menerima semua keputusan

sumber)

organisasi yang penting.

Negotiator

Bertanggunghjawab utk mempersembahkan organisasi pada

(perunding)

perundingan

Keputusan boleh diklasifikasikan selaras dgn tingkat organisasi Anthony, 1965 :

Perancangan Strategik

Kawalan Pengurusan

Kawalan Operasi

Pelaksanaan Operasi

strategic planning ( perancangan strategic ) adalah dibuat pada tahap atas pengurusan organisasi, dan membuat keputusan utk mengesan keseluruhan organisasi. Ia melibatkan pembuatan keputusan dalam menentukan objektif-objektif, menubuhkan dasar, menguntukkan sumber-sumber, mengawal pelaksanaan organisasi dan menilai pelaburan.

5

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Management control ( Kawalan Pengurusan ), ) or tactical decision ( keputusan keputusan taktikal ), ) adalah dibuat oleh pengurus-pengurus pertengahan,termasuk proses keputusan yang berkaitan dengan pemerolehan dan guna sumber. Ia memberi kesan pada sebahagian organisasi utk satu masa terhad pada masa depan.. Operational control ( Kawalan Operasi ) dikaitkan dengan keberkesanan tindakan-tindakan organisasi, mengawal kualiti produk / servis dan menilai terhadap keperluan-keperluan product/servis.. Operational performance ( Pelaksanaan Operasi ) melibatkan pembuatan keputusan hari ke hari di unit-unit fungsian. Keputusan dibuat untuk dilaksanakan keputusan strategic, taktik fungsian dan aktiviti operasi. Dengan setiap tahap drp keputusan organisasi, keputusan klasifikasi kajian berstruktur, semi struktur dan tidak berstruktur Structured decisions decisions (keputusan distrukturkan) adalah lazim dan berulang. seperti keputusan tersedia untuk dihasilkan prosedur pengendaliannya.Sebagai mana yang berlaku, Kita tidak perlu memikirkan dari mula bagaimana untuk menanganinya. unstructured decisions (keputusan yang tidak diprogramkan) adalah kompleks dan sukar ditemui. Seperti keputusan yang tidak dipastikan atau kaedah cut and dried untuk menanganinya. Seperti tidak pernah wujud sebelumnya. Mungkin juga lebih penting , oleh itu perlu menjadi rawatan kebiasaan SemiSemi-structured decision adalah mempunyai jumlah aspek berstruktur yang banyak tetapi tidak boleh dilengkapkan (Mallach, 2000). 1.3

Proses Pembuatan Keputusan

Simon (1960), proses terdiri daripada tiga fasa : intelligence (kepintaran), (kepintaran), design (rekabentuk) dan choice (pilihan) Proses tersebut melibatkan penemuan masalah untuk diselesaikan. Proses ini adalah aliran berterusan daripada satu fasa ke fasa yang lain. Walau bagaimana pun pada mana-mana fasa, boleh berpatah-balik ke fasa sebelumnya. Setiap keputusan haruslah melibatkan semua fasa, seminima mungkin.

6

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Penekanan atas setiap fasa berbeza daripada suatu keputusan kpd dua yang lain: a. sifat semulajadi keputusan mungkin memerlukan pembuat keputusan utk menyediakan masa yg lebih dalam satu fasa atau yang lainnya b. pembuat keputusan mungkin memberi penekanan ke atas satu fasa / yang lain, bergantung ke atas cara kelakuannya

1.3.1 Fasa Intelligence ( Fasa Kecerdasan ) -

fasa pertama dalam proses membuat keputusan

-

pembuat keputusan perlu mengenalpasti dan menyatakan masalah atau keadaan yang memerlukan penyelesaian

-

aktiviti penelitian / pengimbasan mungkin dilakukan secara berkala atau secara berterusan

-

untuk melaksanakan aktiviti, pembuat keputusan hendaklah meninjau objektif organisasi, menyelidik dan teliti prosedur, dan memahami data yang relevan

-

memahami mengapakah terjadinya masalah, di manakah ianya berlaku, dan apakah kesannya (Laudon and Laudon, 1999).

-

Produk akhir fasa ini ialah kenyataan masalah (problem problem statement.) statement

7

CBSS4103 SISTEM SOKONGAN KEPUTUSAN (a) Find the Problem ( Dapatkan Masalah Masalah ) -

mulakan fasa kecerdasan dengan mengenalpastinya matlamat organisasi dan objektif

-

Tentukan sama ada matlamat dan objektif telah dipenuhi atau tidak

-

Masalah-masalah timbul sekiranya terdapat rasa tdk puas hati dgn cara yang dilakukan

-

ketidakpuasan hati adalah perbezaan antara apa yang diinginkan dan apa yang berlaku atau tidak berlaku.

-

menilai kewujudan masalah, tahap produktiviti pengelolaan harus diawasi dan analisis (Turban et al., 2005).

-

Jika sesuatu masalah benar-benar wujud, seseorang harus mendapatkan tanda-tanda bermasalah, menentukan betapa penting bermasalah dan menyatakan masalah dengan jelas.

(b) Classify Problem ( Mengkelaskan Masalah ) -

utk mengkelaskan masalah ke dalam kategori yang boleh ditakrifkan

-

Pendekatan terbaik , khaskan masalah mengikut tahap structuredness ( berstruktur)

-

Menurut Simon (1977), terdapat dua situasi ekstrem tentang strukturan penyelesaian masalah : masalah berstruktur dan bukan berstruktur.

-

Masalah bukan berstruktur dan semi berstruktur berkecenderungan kpd mendapatkan struktur sebagai proses penyelesaian keluar.

(c) Decompose Problem ( Penguraian Masalah ) -

utk mengawal masalah yg kompleks, masalah perlu dibahagikan kpd sub-masalah

-

su-masalah mudah diuruskan

-

penyelesaian sub-masalah sederhana membantu dalam penyelesaian masalah- masalah kompleks

-

bila masalah terdiri drp sub-masalah berstruktur dan tidak berstruktur, masalah itu dgn sendirinya semi-berstruktur

-

pendekatan penghuraian memudahkan komunikasi dikalangan orang yang terlibat dalam proses penyelesaian masalah .

(d) Establish Problem Ownership ( Buktikan Pemilik Masalah ) -

setiap masalah yang dikesan, mesti dipunyai oleh sebarang individu atau mana-mana jabatan dalam organisasi

8

CBSS4103 SISTEM SOKONGAN KEPUTUSAN -

individu atau kumpulan dalam organisasi mesti mempunyai masalah sepertimana yang organisasi bersetuju untuk bertenggungjawab utk menyelesaikan masalah atau mempunyai kemampuan utk menyelasaikan masalah

Fasa ini berakhir dengan kenyataan masalah formal (formal formal problem statement.) statement -

Sekiranya pembuat keputusan organisasinya tidak mampu utk menyelasaikan masalah, ianya akan menyatakan bahawa masalah itu tidak dipunyai oleh sesiapa

-

keadaan tersebut tidak mencetuskan fasa seterusnya terhadap proses penyelesaian masalah.

Exercise 1.3 What do you think executives in many organisations are paid to do? To think or to do routine tasks? Explain. Sebagai tugasan harian agar proses pembuatan keputusan dan penyelasaian masalah lebih memuaskan dan efektif. 1.3.2 Fasa Reka Bentuk -

melibatkan membangunkan dan menganalisis haluan yg boleh berlaku daripada aksi kepada menyelesaikan masalah.

-

Dicadangkan keputusan kepada masalah atau alternatif yg dibangunkan

-

Pembuat keputusan perlu melakukan kajian yang banyak alternatif yg sedia ada

-

Objektif drp keputusan yang akan dibuat mestilah jelas dan mudah dikenalpasti.

a. Bina Model Sistem Model Sistem : memudahkan gambaran atau memisahkan sistem atau masalah Pembolehubah: i. Keputusan Berubah ( Decision Variables ) : menjelaskan alternatif-alternatif pembuat keputusan mesti dipilih diantaranya ii. Hasil berubah atau set daripada hasil pembolehubah-pembolehubah : menjelaskan sasaran drp pembuatan keputusan iii. pembolehubah tidak terkawal : penjelasan ttg persekitaran spt keadaan ekonomi Proses pemodelan akan menentukan pembolehubah dan mengukuhkan hubungan di antara pembolehubah yg mungkin eujud dalam situasi masalah.

9

CBSS4103 SISTEM SOKONGAN KEPUTUSAN b. Set Kriteria Untuk Pemilihan
menentukan criteria dlm menerima pendekatan penyelesaian
bagaimana pembuat keputusan mengutarakan objektif pembuatan keputusannya
bagaimana objektif2 digabungkan ke dlm model c. Menjana Alternatif - ketersediaan dan kos drp maklumat dan juga ketersediaan drp kepakaran dalam kawasan masalah - Cth: sesi ‘brainstorming’ : disokong dgn perisian brainstorming elektronik utk mendapatkan alternatif. - hasil drp setiap alternatif yg dicadangkan mestilah dibuktikan d. Meramal dan Mengukur Hasil - dalam mendapatkan hasil yang diramalkan drp setiap alternative yg dicadangkan membolehkan pembuat keputusan untuk menentukan alternative yang manakah akan bersesuaian dgn penyelesaian yang memuaskan - hasil drp setiap alternative boleh dihuraikan dalam sasaran organisasi, - hasil seperti memaksimakan keuntungan boleh diukr dalam Ringgit Malaysia - hasil drp kepuasan pelanggan boleh diukur melalui jumlah aduan atau kedudukan daripada kajian atau tinjauan 1.3.3 Fasa Pilihan : - pembuat keputusan membuat keputusannya - terdiri drp pencarian, penilaian dan perakuan daripada penyelesaian yang memuaskan kpd binaan model dlm fasa reka bentuk - akhirnya : keputusan akan dilaksanakan a. Menilai Menilai / Mentafsir Alternatif - menyelesaikan model menghasilkan keputusan yang diperakukan kepada masalah yang nyata. - penyelesaian yang dicadangkan diaplikasikan kpd model utk diuji kebolehlaksanaannya - Utk menyelesaikan model yg dibina pada fasa reka bentuk, alternatif-alternatif perlu dinilaikan. - untuk melakukan penilaian kpd alternative, pembuat keputusan perlu data yang luas ke atas pelbagai alternative dan peralatan analisis data. Ini untuk menjelaskan ke semua kos, akibat dan kesempatan/peluang. ( Laudon and Laudon, 1999 )

10

CBSS4103 SISTEM SOKONGAN KEPUTUSAN b. Memilih Penyelesaian Yang Terbaik - keputusan yg baik perlulah dipilih berdasarkan situasi yang wujud pada ketika ini. dan juga keadaan yang diharapkan dan dijangkakan pada masa penyelesaian akan dilaksanakan sebenarnya. ( Marakas, 2003) - penyelesaian model masalah tidak sama seperti menyelasaikan masalah nyata, ianya memberikan idea drp kebolehlaksanaan penyelasaian yg dicadangkan ke atas masalah nyata. Masalah perlu dipertimbangkan utk penyelasaian yang berjaya, hanya jika peyelesaian yang diperakukan dilaksanakan dengan jayanya. 1.4

Bentuk / Gaya Keputusan : menjelaskan mengenai cara / gaya pembuat keputusan membuat keputusan

a. Konteks Masalah - merujuk kepada daya bahawa bertindak kepada pembuat keputusan siapa yang bertindak dlm membuat keputusan - Kuasa drp organisasi dan persekitaran termasuklahperaturan kerajaan, teknologi baru, dan persaingan pasaran - kuasa drp sifat individu mengandungi set kemahiran, motivasi, dan kebolehan - pembuat keputusan mestilah mampu utk mengimbangi semua kuasa ini semasa proses membuat keputusan. b. Persepsi ( Tanggapan ) - merujuk kpd persepsi drp pembuat keputusan - pembuat keputusan membawa kecondongan individu kpd konteks masalah - masalah mestilah bersesuaian dgn realiti - dlm menentukan pendekatan pembuat keputusan utk menyelesaikan masalah dan sama ada pendekatan itu efektif, kecondongan persepsi akan berkait dgn konteks masalah c. Nilai Personal - merujuk kpd nilai personal pembuat keputusan - Nilai terdiri drp pandangan dan kepercayaan adalah diperolehi pada umur awal dan kebiasaannya kekuatan berterusan keseluruhan hayat seseorang. - nilai ini memandu ke arah pertimbangan seseorang, tindakan dan melihat kepada penghasilannya. Mereka bentuk DSS yang berjaya;
system tersebut mestilah mantap situasi keputusan dan juga gaya/bentuk keputusannya.
Sistem hendaklah fleksibel dan boleh disesauikan kpd pengguna yang berbeza.

11

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Carl Jung : dgn Skim Menkelasifikasikan Bentuk Keputusan;
Mengkelaskan bentuk keputusan menggunakan dua bahagian komponen iaitu Kerumitan Kognitif ( Cognitive Complexity ) dan Orientasi Nilai ( Value Orientation )
Kedua-dua bahagian ini seterusnya digunakan utk mengenal empat kategori yang berkesan iaitu analitikal, direktif (arahan), konseptual ( bergagasan ) dan perilaku ( behavioural ) 1.5

Keberkesanan Keputusan : merujuk kepada keberhasilan dalam menghasilkan keputusan yang diingini dan dikehendaki

Marakas, 2003 : keputusan yang baik adalah hasil keputusan yang baik dalam pencapaian drp objektif yang memberikan peningkatan terhadap perlunya keputusan dalam batasan dan kekangan yang dikenakan oleh konteks masalah. Kita membuat keputusan yg baik jika kita menyelesaikan masalah tanpa menyebabkan masalah-masalah lain. Masalah adalah, kita perlu menunggu dan melihat selepas kita membuat keputusan utk melihat jika ianya adalah keputusan yang baik Decision Forces ( Daya / kuasa Keputusan ): (a) Personal and Emotional Forces ( Daya Emosi dan Personal ) - terdiri drp perasaan, kesihatan, keselamatan, penghargaan, kekecewaan, kebimbangan, segala yang bermakna,dan limitasi kognitif - mempunyai kesan ke atas proses memutuskan alternative yang sesuai. - minda manusia mempunyai had dalam kemampuan utk menyimpan dan memproses pengetahuan. - kajian membuktikan bahawa minda manusia mempunyai kemampuan yang terhad utk memproses pengetahuan. (b) Economic/Environmental Forces ( Daya Persekitaran / Ekonomi ) - terdiri drp sumber-sumber, polisi kerajaan, tekanan ruang pasaran yang kompetitif, kemajuan teknologi, dan permintaan rakan kongsi - pembuat keputusan perlu mengambil daya/kuasa ini ke dalam keterangannya. - individu atau kombinasi drp kuasa-kuasa akan membentuk keputusan akhir.

12

CBSS4103 SISTEM SOKONGAN KEPUTUSAN (c) Organisational Forces ( Daya Organisasi ) - terdiri drp polisi dan prosedur, budaya organisasi dan koordinasi penstafan. - jika organisasi menyemai budaya tidak menerima idea baru kpd organisasi, keputusan yang akan dibuat oleh pihak atasan dan juga pekerja bawahan akan terjejas/ tergendala (d) Contextual and Emergent Forces ( Kuasa Baru dan Mengikut Mengikut Konteks ) - asas drp konteks masalah itu sendiri - beberapa contoh drp isu-isu dikaitkan kpd kuasa/ daya adalah kemhiran, motivasi, persepsi, dan yang paling utama ialah keperluan masa - batasan masa mencipta ketegangan dan tekanan ke atas pembuat keputusan - pembuat keputusan mampu utk mengatasi dgn semua kuasa/daya, had masa tidak akan menghasilkan dlm keputusan yang kualiti yg rendah. Utk memperoleh keputusan yg efektif, pembuat keputusan mestilah mengimbangi kuasakuasa tersebut. Power (2002) menyenaraikan beberapa halangan utk mengawal kpd keputusan yg berkesan; iaitu (i) Tradition and Bias ( Tradisi dan Berat sebelah ) - akan mempengaruhi / menyusur ke dalam proses membuat keputusan, persoalan yg tepat ke atas keputusan - bimbang drp perubahan dan takut gagal atau disebabkan oleh tradisi - tradisi adalah set adat resam atau kelaziman didikan drp satu generasi kepada yang lain. - menyebabkan pembuat keputusan enggan utk merubah gaya pemikirannya yang boleh digunakannya dalam sitasi / keadaan yang baru. (ii) Lack of Knowledge ( Kekurangan Pengetahuan ) - menawan pengalaman dan pengetahuan keputusan, terutamanya utk mengulang situasi boleh mengurangkan halangan ini (iii) Improper Use of Decision Aids ( Janggal Dalam Mengguna Bantuan Keputusan) -

kesempurnaan dan ketepatan maklumat dlm DSS tidak terjamin

-

DSS mestilah di rekabentuk utk membekalkan kesan yg positif ke atas tingkahlaku keputusan individu atau kumpulan

-

Bila dan bagaimana DSS akan digunakan dlm proses membuat keputusan juga perlu jelas sebelum direkabentuk dan diimplementasikan

13

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 1.6

Rangka Kerja untuk Sokongan Keputusan

Cadangan Gorry dan Scott Morton (1971) selepas kombinasi dgn Simon (1977) dan Anthony (1965) Structured ( berstruktur ): keputusan ditumpukan ke atas rutin (perkara biasa ) dan masalahmasalah yang berulang. Satu piawai keputusan diwujudkan bagi menyelasaikan masalah itu. Bantuan teknologi yang boleh digunakan untuk menyokong pembuatan keputusan ialah Sistem Maklumat Pengurusan (MIS), Model Sains Pengurusan (MSM), dan pemprosesan data. Unstructured ( Tidak Berstruktur ) : keputusan bermatlamat pada masalah-masalah kelihatan tdk jelas dan kompleks.Tiada kaedah penyelesaian yang standard.Contoh-contoh masalah unstructured berdasarkan pada pengambilan kakitangan untuk mempromosikan, memilih satu set projek-projek yang baru dan perancangan untuk penambahbaikan perkhidmatan. Sebahagian daripada masalah ini diskong oleh teknologi seperti Sistem-sistem Pakar (ES) , Sistem Sokongan Kumpulan( GSS ) dan Sistem Pengurusan Pengetahuan ( KMS ).Walau bagaimanapun, gerak hati manusia selalunya asas kepada membuat keputusan. SemiSemi-structured ( Semi Berstruktur ): Penyelesai keputusan kombinasi drp masalah berstruktur dan tidak berstruktur. Kedua-dua piawai keputusan dan pertimbangan manusia diperlukan bagi keputusan itu. DSS menawarkan model untuk sebahagian masalah berstruktur. Teknologi boleh ini meningkatkan mutu bagi maklumat yang mana keputusan diasaskan melalui penyediaan satu set penyelesaian pilihan juga kesan yang berpotensi Anthony’s Anthony’s (1965) taksonomi aktiviti pengurusan : perancangan strategic, kawalan pengurusan dan kawalan pengoperasian ditunjukkan pada separuh kedua lingkungan rangka kerja Strategic planning ( Perancangan Strategik ) : menentukan matlamat dan polisi jangka panjang utk peruntukan sumber. Lazimnya, ianya adalah diperbuat pada tahap atas pengurusan organisasi Management control, control tactical ( Kawalan Pengurusan ) : memastikan penyempurnaan daripada matlamat organisasi secara guna yang cekap sumber pemerolehan. Berbeza dengan perancangan yang strategik, pengurusan kawalan menumpukan kepada matlamat untuk satu masa terhad.Ia yang Lazimnya dibuat oleh pengurus-pengurus pertengahan

14

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Operational control ( Kawalan Operasi )laksanakan tugas khusus dengan efisien dan efektif.Ia ) membataskan dalam aktiviti-aktiviti yang mempunyai tugas dan matlamat yang boleh ditakrifkan dalam perancangan yang strategik dan pengawalan pengurusan.. Kawalan jenis ini diuruskan oleh pengurus tahap rendah Management Science ( MS ) : Sains pengur pengurusan usan adalah disiplin yang menggunakan analisis kuantitatif (matematik) dan kaedah analisis lain utk membantu membuat keputusan bisnes yang lebih baik 1.7

Proses Pembuatan Keputusan vs Sokongan DSS

- jelas bagaimanakah teknologi DSS yg khusus memberi sokongan kpd aktiviti bersama-sama dgn setiap fasa bagi proses membuat-keputusan ( kecerdasan, reka bentuk dan pilihan). - DSS tidak boleh menukarkan pembuat keputusan - ini tidak bermakna utk menyokong semua aspek yang perlu ditangani dalam proses membuat-keputusan - boleh memberi pembuat keputusan dengan sokongan yang difokuskan kepada satu atau lebih aktiviti dalam proses membuat keputusan Marakas (2003 ) senaraikan jenis-jenis yg biasa dlm menyokong bahawa DDS boleh membekalkan:
meneroka perspektif yang berbagai daripada konteks keputusan
menghasilkan alternatif-alternatif berkualiti tinggi dan pelbagai untuk pertimbangan.
Meneroka dan menguji pelbagai strategi penyelesaian masalah
Pemudahcara brainstorming dan lain-lain teknik penyelesaian masalah yang kreatif
Meneroka senario analisis yg pelbagai untuk memberikan konteks keputusan
Menambahkan kemampuan pembuat keputusan utk menangani masalah yang kompleks
mempertingkatkan masa tindak balas daripada pembuat keputusan
melemahkan semangat pembuat keputusan dan pemilihan alternatif.

15

CBSS4103 SISTEM SOKONGAN KEPUTUSAN

Sokongan DSS

Penerangan Sokongan DSS: (a) Menyokong kpd Fasa Kecerdasan • mengenalpasti masalah dan peluang • menginterpretasikan maklumat • menghasilkan laporan ( EIS : Enterprise Information System, DM: Data Mining, KMS : Knowledge Management System, GDSS, ES: Expert System, WebWeb-based OLAP Tools ) (b) Menyokong kepada Fasa Reka bentuk • menghasilkan alternatif / pilihan • membincangkan kriteria daripada pilihan dan kepentingan relatifnya . ramalan kejadian-kejadian masa hadapan menggunakan alternatif-alternatif yg perbagai. ( DSS, ES, KMS, DM, CRM : Customer Relationship Management, SCM: Supply Chain Management, ERP: Enterprise Resources Planning, ) (c) Menyokong kpd Fasa Pilihan Untuk mengenalpasti alternatif / pilihan yang memuaskan ( DSS, KMS, CRM, ERP, SCM, ES, GDSS )

16

CBSS4103 SISTEM SOKONGAN KEPUTUSAN GLOSARI: Artificial Neural Network – rangkaian drp pemproses mudah direkabentuk utk meniru fungsi otak manusia. Peranannya utk melatih rangkaian utk mengecam gaya dan belajar drp contoh. Customer Relationship Management (CRM) – maklumat industri untuk metodologi, perisian, dan kemampuan internet biasa yang menolong syarikat menguruskan hubungan pelanggan dalam cara yang diuruskan. Data Mining ( Perlombongan Data ) – proses menganalisis data utk mengenalpasti gaya atau hubungannya dalam pangkalan data. Decision Support System (DSS)– system berdasarkan computer yang interaktif bertujuan utk menolong pembuat keputusan menggunakan data dan model kpd mengenalpasti dan menyelesaikan masalah dan membuat keputusan. Enterprise Information System (EIS) – aplikasi yang mengandungi system sedia ada organisasi / syarikat untuk mengendalikan maklumat organisasi. – ianya termasuklah Sistem Perancangan Sumber Enterprise (ERP), kerangka utama Sistem Pemprosesan Transaksi, Sistem Pangkalan Data Legasi. Enterprise Resource Planning (ERP) – tempoh industri untuk set aktiviti yg luas disokong oleh perisian aplikasi pelbagai modu yang menolong pengeluar atau lain-lain bisnes mengurus bahagian-bahagian yang penting dalam bisnesnya, termasuklah perancangan produk, sebahagian penjualan, inventori penyenggaraan, interaksi dgn pembekal, membekalkan servis pelanggan dan menjejaki pesanan. Executive Information System (EIS) – system berkomputer bertujuan untuk memperlengkapkan maklumat semasa dan sesuai untuk menyokong eksekutif membuat keputusan kepada pengurus menggunakan system rangkaian – penegasan adalah atas paparan grafik dan mudah utk menggunakan antaramuka yang memaparkan maklumat drp pangkalan data korporat Expert System (ES) – system yang berkelakuan yang kebanyakannya sama dengan pakar dalam pengetahuan yang tertentu seperti pengetahuan mengenai bidang khusus, memahami masalah dgn bidangnya dan kemhiran menyelesaikannya. Group Decision Support System (GDSS)– sistem maklumat yang direkabentuk untuk menjelaskan kepada sokongan komukasi kumpulan dan proses keputusan. Knowledge Management System (KMS) – dihasilkan system hypermedia untuk menguruskan pengetahuan dalam organisasi, digunakan untuk mensistematikkan kekuatan kepakaran dan maklumat kpd memantapkan efisiensi, sambutan, kompetensi dan inovasi organisasi On-line Analytical Processing (OLAP)– perisian utk memanipulasi pelbagai dimensi data drp pelbagai sumber yang boleh disimpan pada gudang data. Analisis data mungkin termasuklah pra-takrifan statistik deskriptif , pengguna mentakrif pernyataan yg dilaksanakan bertentangan dgn data atau model dicipta berpandukan datauser defined. Supply Chain Management (SCM) – sstem yang dilayan dgn perancangan dan pelaksanaan isu-isu yang terbabit dalam pengurusan rantaian bekalan – adalah konsep yang luas drp logistic – mempunyai 3 sasaran utama : kurang inventori, tambah kelajuan transaksi melalui pertukaran data dalam masa nyata dan menambahkan jualan melalui pelaksanaan keperluan pelanggan yang lebih berkesan.

17

CBSS4103 SISTEM SOKONGAN KEPUTUSAN TAJUK 2 : DSS : TOOL FOR DECISION SUPPORT ( DSS : ALATAN UNTUK SOKONGAN KEPUTUSAN ) 2.1 : Konsep DSS Turban dan Aronson (1998) : sebarang atau setiap system perkomputeran digunakan untuk menyokong pembuatan keputusan. Little (1970) : Berdasarkan model set prosedur untuk memproses data dan pertimbangan kpd membantu pengurus untuk membuat keputusan Moore dan Chang (1980): Sistem yang boleh ditambah yang mampu menyokong analisis ad-hoc dan memodelkan keputusan yang diorientasikan ke arah perancangan masa depan dan digunakan pada masa yang tidak dirancang atau tidak tersusun. Bonczek et al. (1980) : Sistem berasaskan komputer yang terdiri daripada tiga komponen interaktif :
sistem bahasa dan mekanisma utk memperlengkapkan komunikasi di antara pengguna dan komponen-komponen DSS yang lain
sistem pengetahuan dan gudang daripada pengetahuan domain masalah yang dirangkumkan dalam DSS sama ada data atau prosedur
sistem pemprosesan masalah Keen (1980), Produk drp proses pembangunan dlm mana pengguna DSS, Pembina DSS dan DSS itu sendiri yang semuanya mampu mempengerahui di antara satu sama lain, mengeluarkan keputusan dlm evolusi system dan contoh penggunaanya. Berdasarkan modul : Sistem maklumat berasaskan computer yang mempunyai tujuan utama untuk memperlengkapkan pembuat-pembuat keputusan dengan maklumat untuk dibergantungkan dalam aktiviti daripada pembuatan keputusan. Ianya dilakukan melalui kelengkapan set peralatan, data, model, dan lain-lain sumber yang mana diperlukan oleh pembuat keputusan utk memantapkan keberkesanan menghasilkan keputusan dalam menyelesaikan masalah separa berstruktur dan tidak berstruktur.

18

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 2.2 Konfigurasi DSS -

konfigurasi bergantung kepada situasi drp pengurusan keputusan dan teknologi yang spesifik yang digunakan untuk menyokongnya

a. Data b. Model c. Antaramuka Pengguna d. Pengetahuan 2.3 CiriCiri-Ciri dan Kebolehan DSS a. memeperlengkapkan sokongan kepada pembuat keputusan terutamanya dalam situasi semi-struktur dan tidak berstruktur melalui pemberian bersama-sama keputusan atau pertimbangan manusia dan pengkomputeran b. menyokong kepada keberkesanan proses pembuatan keputusan ( ketepatan, kekal, kualiti ) lebih tepat drp keefisienannya ( kos drp pembuatan keputusan) c. memudahkan pemprosesan keputusan d. mampu untuk menyokong pelbagai pemprosesan pembuatan keputusan dan bentuk / gaya e. menyokong pembuat keputusan tetapi tidak boleh menggantikan mereka. Pembuat keputusan mengawal sepenuhnya semua langkah dalam proses pembuatan keputusan dalam menyelasaikan masalah. f. Memperlengkapkan sokongan kpd pelbagai tahap pengurusan g. Memperlengkapkan sokongan kpd individu dan kumpulan h. Penekanan fleksibiliti dan kebolehsesuaian utk disesuaikan dgn perubahan masa, dalam persekitaran dan pendekatan membuat keputusan oleh pengguna ( fleksibel, boleh tambah, padam, gabung, ubah dan mengatur semula elemen-elemen. i. Memfokuskan kepada masa depan yang mesra pengguna, berkemampuan grafik yg tinggi, dan interaktif antaramuka manusia dan mesin j. Kebiasaannya sebagai model penggunaan untuk menganalisis situasi pembuatan keputusan . Kemampuan pemodelan membolehkan pengujian dengan strategi yg berbeza di bawah konfigurasi yg berbeza. k. Boleh dioperasikan sebagai alatan tetap yang digunakan oleh setiap individu pembuat keputusan dalam satu lokasi atau boleh diagihkan ke seluruh organisasi dan beberapa organisasi sepanjang rantaian bekalan. Ianya juga boleh diintegrasikan dgn lain-lain DSS atau aplikasi dan boleh diagihkan secara dalaman dan luaran menggunakan rangkaian dan teknologi web.

19

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 2.4 Komponen DSS a. Komponen Pengurusan Data : -

mendapatkan semula, menyimpan, dan menguruskan data yang relevan untuk konteks keputusan yang khusus

-

menyediakan fungsi keselamatan, prosedur intergriti (ketulusan) data, dan pentadbiran data umum yang disekutukan dgn menggunakan DSS

-

semua tugas diuruskan oleh beberapa komponen ( pangkalan data, Sistem Pengurusan Pangkalan Data :DBMS, gudang data dan kemudahan pertanyaan data )

b. Komponen Pengurusan Model : -

membekalkan kemampuan menganalisis untuk DSS

-

membenarkan penemuan, storan, dan aktiviti organisasi digabungkan dgn pelbagai model ( kewangan, statistic, sains pengurusan, dan lain-lain model kuantitatif )

-

boleh disambungkan kpd perkongsian atau storan model luaran

-

mengandungi pangkalan model, system pengurusan pangkalan model, gudang model, pemproses pelaksanaan model dan pemproses sintesis model.

c. Komponen Berdasarkan Pengetahuan : -

membekalkan ‘otak’ untuk menambahkan kecerdasan pembuatan keputusan

-

boleh dihubungkan dgn gudang pengetahuan organisasi ( pangkalan pengetahuan organisasi )

-

disamping menyokong lain-lain komponen atau sub sistem , komponen ini boleh bertindak secara bebas

d. Komponen Antaramuka Pengguna : -

membolehkan komunikasi antara pengguna dan DSS

-

mesti membolehkan kemudahan akses dan manipulasi data, model dan memproses komponen DSS

-

rekabentuk dan pelaksanaannya adalah elemen penting dalam kefungsian DSS

-

adalah penting utk pertimbangkan peranan pengguna utk memastikan keberkesanan DSS

-

Domain pengetahuan pengguna, cara penggunaan dan set kemahiran adalah elemen yang diperlukan dalam menggunakan DSS kepada konteks keputusan yang berjaya ( Pengguna mengawal DSS )

20

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 2.5 Sub Sistem Pengurusan Data
Pangkalan data : koleksi drp data yang dihubungkaitkan, diuruskan, dan disimpan kpd membenarkan kpd memudahkan dapatan semula data. Strukturnya mestilah bersesuaian dgn keperluan organisasi. Data Dalaman : datangnya drp pelbagai unit bisnes dr organisasi Data Luaran : termasuklah peraturan kerajaan, data pekerjaan, kadar jenayah, geopolitik, ekonomi, dan sebagainya
System Pengurusan Pangkalan Data : (DBMS)  cipta, akses dan kemaskini pangkalan data Fungsinya : Definisi Data, Manipulasi Data, Ketulusan / Integrity Data, Kawalan Akses, Kawalan Persetujuan ( Concurrency) dan Mendapatkan Kembali transaksi. Ekstraksi ( rentapan) : proses menawan data daripada pelbagai sumber
Fasiliti Pertanyaan -

utk bina dan guna DSS pengguna perlu utk akses dan manipulasi dan pertanyaan data

-

dijalankan oleh fasiliti pertanyaan yang akan menentukan bagaimana utk memenuhi semua permintaan

-

menggunakan Bahasa Pertanyaan Berstruktur (SQL)

-

kepentingan : memilih dan memanipulasikan operasi iaitu mampu utk mengikuti arahan computer spt Mencari keputusan peperiksaan pelajar pada tahun 2004


Direktori Data : merujuk kpd catalog drp semua data yang tersedia dalam pangkalan data -

terdiri drp definisi data

-

berfungsi untuk menjawab soalan mengenai ketersediaan item data, sumbernya, dan maksud yang tepat

-

sokongan drp direktori adalah penting dalam fasa kecerdasan proses membuat keputusan

-

ianya memudahkan dlm mengimbas data dan pengenalpastian kawasan atau peluang masalah

-

membenarkan tambahan kemasukan baru, memadamkan kemasukan dan dapatkan kembali maklumat dlm objek yg spesifik.

21

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Latihan 2.1 1. Apakah ekstraksi -

proses menawan data daripada pelbagai sumber

2. Apakah fungsi fasiliti pertanyaan -

menentukan bagaimana utk memenuhi semua permintaan

3. Apakah fungsi direktori data -

berfungsi untuk menjawab soalan mengenai ketersediaan item data, sumbernya, dan maksud yang tepat

2.6 -

Model Pengurusan Pengurusan SubSub-sistem terdiri daripada :  model asas ( model base )  sistem pengurusan model asas ( model base management system :MBMS)  direktori model ( model directory )  pelaksanaan, integrasi, dan pemprosesan arahan model ( model execution, integration and command processor )

a)

Model Asas -

model  bentuk yg dipermudahkan daripada beberapa acara/peristiwa sebenar

-

terdapat empat kategori iaitu:  Model Strategik  Model Taktikal  Model Pengoperasian  Model Analitikal

b)

Sistem Pengurusan Asas Model -

mengurus pelbagai peralatan analitikal DSS

-

boleh berubah dlm nombor, saiz dan kompleksiti

-

Fungsinya:


Memodelkan bahasa : utk cipta model keputusan mula dari asas atau drp model sedia ada – mekanisma utk link dgn pelbagai model kpd membenarkan utk pemprosesan berturutan atau pertukaran data
Model Perpustakaan : simpan dan uruskan semua model dan penyelasaian algoritma utk mudah akses dan manipulasi

22

CBSS4103 SISTEM SOKONGAN KEPUTUSAN
Model manipulasi : mengurus dan selenggara model asas dgn fungsi yg sama dgn apa yg didapati dlm DBMS spt run, stor, pertanyaan, padam, link dll) c)

Direktori Model : katalog drp semua model dan lain-lain perisian dalam model asas.

-

terdiri drp definisi model, dan fungsi utama utk menjawab soalan mengenai

ketersediaan, dan kebolehan model d)

Pelaksanaan, Integrasi dan Pemprosesan Pemprosesan Arahan Model

Pelaksanaan Model : proses menguruskan larian sebenar dalam model Integrasi Model : menggabungkan operasi drp beberapa model apabila diperlukan atau intergrasi DSS dgn aplikasi yang lain Pemprosesan Arahan Model : digunakan utk menerima dan menginterpretasikan arahan daripada pengguna melalui antaramuka pengguna dan mengarahkannya ke dalam MBMS, pelaksanaan model atau fungsi intergrasi. 2.7. SubSub-Sistem Pengurusan Berdasarkan Pengetahuan -

adalah ‘otak’ dalam DSS

-

data dan model dioperasikan secara bersama dgn sub-sistem berdasarkan pengetahuan utk membekalkan pengguna dgn aplikasi yg berguna yang menyokong konteks keputusan di tangan mereka.

-

Membekalkan kepakaran yang perlu utk menyelasaikan beberapa aspek yg kompleks masalah berstruktur atau tidak berstruktur

-

Mengandungi satu atau lebih system kecerdasan

-

Membekalkan pengetahuan yang boleh menambahkan operasi ke atas lain-lain komponen DSS

Pengetahuan ( knowledge ) : peraturan, heuristik (menyiasat) , sempadan, desakan, hasil terdahulu, dan lain-lain yg berkaitan pengetahuan yg boleh diprogramkan ke dalam DSS atau diperolehi oleh DSS melalui penggunaan berulang.

23

CBSS4103 SISTEM SOKONGAN KEPUTUSAN

Skop Kandungan Maklumat: Komponen DSS

Skop drp Kandungan Maklumat

Asas Pengetahuan

Spesifik kpd badang masalah

Pangkalan Data

Tidak terhad kpd perincian bidang penyelesaian masalah

Asas Model

Tidak terhad kpd perincian bidang penyelesaian masalah

Asas pengetahuan DSS mengandungi paling banyak pengetahuan yg diperlukan oleh pakar tertentu seperti: -

Huraian pelbagai objek atau entity dan hubungannya

-

Huraian pelbagai strategi penyelesaian masalah atau tingkahlaku

-

Desakan hubungan domain, keadaan tidak menentu dan kemungkinan

Pengetahuan dalam asas pengetahuan boleh diklasifikasikan kpd : a) Fakta (facts ) : apa yang diketahui adalah benar pada ketika itu? b) Hipotisis : peraturan atau hubungan yg dipercayai yg wujud di antara fakta.

Bagaimana pengetahuan diperolehi dan ditemui: a) Perolehan Pengetahuan (knowledge acquisition) bagaimana semua pengetahuan diperlukan dibawa ke dalam DSS – kepakaran b) Penemuan Pengetahuan (knowledge retrieval) Enjin Penyimpulan adalah sebahagian komponen pangkalan pengetahuan yang memudahkan proses dapatkan kembali pengetahuan. 2.8

SubSub-Sistem Antaramuka Pengguna

Antaramuka Pengguna : semua aspek drp komunikasi antara pengguna dan DSS atau sistem sokongan lain.

24

CBSS4103 SISTEM SOKONGAN KEPUTUSAN a)

Sistem Pengurusan Antaramuka Pengguna (UIMS) : perisian yang menguruskan sub-

sistem antaramuka pengguna -

membekalkan antaramuka pengguna bergrafik

-

membenarkan pengguna mengguna pelbagai peranti input

-

persembahkan data dlm pelbagai format dan melalui pelbagai peranti

-

menyimpan data input dan output

-

menyokong komunikasi di antara pengguna dan pembangun DSS

-

menyediakan fleksibeliti dan kebolehsesuaian kpd penyesuaian masalah dan teknologi yg berbeza

-

interaksi dlm berbilang gaya/bentuk dialog yg berbeza

-

menjejaki penggunaan dialog utk memantapkan system dialog

b)

Proses Antaramuka Pengguna

-

pengguna berkomunikasi dgn computer melalui bahasa aksi yg diproses oleh UIMS

-

komponen antaramuka pengguna termasuk pemproses bahasa sebenar

-

pengguna juga boleh guna objek standard seperti menu, butang dan pencarian internet melalui Antaramuka Pengguna Bergrafik (GUI)

-

UIMS membolehkan pengguna utk berinteraksi dgn pengurusan data dan sub-sistem pengurusan model

Action Language ( Bahasa Aksi ) : komponen yang mengendalikan pengguna secara terus aktiviti dialog dgn DSS Presentation Language ( Bahasa Persembahan ) : apa yang pengguna sebenarnya lihat, dengar dan pengalaman semasa menggunakan DSS 2.9

Pengguna

Pengguna : individu yg bertanggungjawab utk membuat keputusan, membekalkan kepakaran dalam pembangunan dan menggunakan DSS – boleh jadi individu atau kumpulan Kategori Pengguna DSS: a) menggunakan computer secara kerap apabila melakukan tugasan harian seperti analisis kewangan, perancangan pengeluaran dan kajian pasaran b) mengharapkan utk menggunakan system mesra pengguna

25

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Intermediary (pengantara) : analisis yang membolehkan pengurus utk mendapatkan manfaat DSS tanpa pengurus perlu untuk berinteraksi secara terus dgn system.

JenisJenis -Jenis Pengantara ( Turban et al., 2005 ) : a) membantu staf ( staff assistants ) : mereka berpengetahuan dlm mengurus masalah dan guna teknologi sokongan keputusan b) pakar perkakas pengguna ( expert tool users ) : mereka berkemahiran dlm mengguna satu / lebih kepakaran perkakasan penyelesaian masalah c) pakar analisis bisnes ( business (system) analysts ) : mereka mempunyai pengetahuan yang umum drp kawasan aplikasi, pendidikan pentadbiran bisnes formal dan menggunakan perkakasan pembangunan DSS d) Fasilitator dalam system sokongan kumpulan : mereka mengurus dan memandu penggunaan perisian utk menyokong pekerja yg berkerja dalam kumpulan, juga memengelolakan sesi kerja kumpulan GLOSARI Data : fakta mentah atau fakta yg belum diproses utk menyatakan maknanya kepada pengguna akhir Ekstrak : utk menangkap/menawan data drp pelbagai sumber, mensintesisikannya, meringkaskannya, menentukan yang mana di antaranya relevan dan mengendalikannya Maklumat : data yang digubahkan dlm bentuk yang penuh bermakna, terdiri drp data yang ditranformasikan dan memudahkan pembuatan keputusan Pengantara : individu yang menggunakan computer utk memenuhi permintaan yang dibuat oleh orang lain Pengetahuan : item data dan atau maklumat yg diuruskan dan diproses untuk menyampaikan pemahaman, pengalaman, mengumpulkan pembelajaran, dan kepakaran yg boleh diaplikasikan kpd masalah semasa / aktiviti

26

CBSS4103 SISTEM SOKONGAN KEPUTUSAN UJIAN 1 1. Berikan definisi DSS mengikut pemahaman anda sendiri. sistem berkomputer yang interaktif yang bertujuan utk menolong pembuat keputusan menggunakan data dan model dan mengenalpasti dan menyelesaikan masalah-masalah dan membuat keputusan yang memuaskan 2. Apakah komponen utama DSS? Pengurusan data, pengurusan model, pengurusan berdasarkan pengetahuan, dan antaramuka pengguna 3. Apakah fungsi utama DBMS ? Definisi data, manipulasi data, integriti data, kawalan akses, kawalan Persetujuan ( Concurrency) dan Mendapatkan Kembali transaksi. 4. Pangkalan data menyimpan data drp pelbagai sumber. Apakah sumber-sumber yang mungkin drp pungutan data pangkalan data ? Data Dalaman : datangnya drp pelbagai unit bisnes dr organisasi Data Luaran : termasuklah peraturan kerajaan, data pekerjaan, kadar jenayah, geopolitik, ekonomi, dan sebagainya 5. Terdapat empat kategori model dalam model asas (model base). Satu daripadanya ialah model taktikal. Jelaskan model taktikal dgn contohnya. Model Taktikal menyokong pengurusan pertengahan dalam memperuntukkan dan mengawal sumber organisasi. Model ini menggunakan peralatan untuk membuat pelan sebulan ke dua tahun seperti Perancangan Keperluan Tenaga Buruh, Perancangan Promosi Jualan dan Belanjawan Penting. Model ini biasanya digunakan utk sub-sistem organisasi seperti Jabatan Akauntan. Contoh: IMERYS menggunakan model taktikal DSS utk menentukan berapa banyak tanah liat yg boleh dihasilkan utk memenuhi jangkaan permintaan di pasaran. 6. A model is constructed to enable the study and develop a better understanding of the event or process, without having to actually experience or recreate the event under study. ( dibuat untuk membolehkan kajian dan membangun pemahaman lebih baik daripada peristiwa/ kejadian atau proses tanpa perlu mempunyai pengalaman sebenarnya atau untuk mencipta semula peristiwa itu di bawah kajian)

27

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 7. The major functions of MBMS are modeling language, language model library and model manipulation. 8. In a users interface system, a component that handles users’ direct dialogue activities with the DSS is known as action language. language

TOPIK 3 : Sistem Sokongan Sokongan Keputusan Kumpulan ( GDSS ) 3.1

Bantuan Untuk Membuat Sokongan Kumpulan

Kraemer dan King, 1988 : Kepercayaan dalam kecekapan drp kerja kumpulan adalah kukuh melalui penyelidikan pada tahun 1930s yang menunjukkan kumpulan boleh menyelesaikan masalah dalam jumlah yang besar dan dengan kepantasan yang lebih besar daripada menyisihkan indidividu. Kreamer dan King , pg 117 , “Pembuat keputusan mendapati mereka berhadapan dengan pertambahan bilangan mesyuarat yang panjang diperlukan untuk membincangkan isu-isu berisi maklumat tetapi pembuat keputusan pada permulaannya adalah untuk bertahan menghadiri mesyuarat-mesyuarat seumpama itu kerana mereka mengambil masa ketenangan daripada aktiviti-aktiviti lain yang penting. Kerugian drp produktiviti dalam kumpulan pembuat keputusan kerana perbincangan dikuasai oleh sesetengah individu-individu ahli berstatus rendah, kepada golongan Status yang tinggi, tekanan kumpulan dipandu kepada memastikan daripada pemikiran, salah komunikasi di kalangan ahli-ahli, biasa, dan kekurangan masa diperuntukkan dalam menerokai masalah dan penjanaan alternative” GDSS boleh membantu mengurangkan masalah-masalah ini dengan menyediakan terminal komputer peribadi untuk setiap peserta, skrin paparan umum bagi semua, kebolehan pengkomputeran dan komunikasi yang membenarkan bagi mencapai pangkalan data dan berkomunikasi dengan ketua kumpulan dan paparan awam dan perisian untuk pemprosesan perkataan, akses data dan pengurusan, grafik dan kawalan untuk membenarkan komunikasi dengan lain-lain atau kumpulan.

28

CBSS4103 SISTEM SOKONGAN KEPUTUSAN FaktorFaktor-Faktor Penting GDSS: i.

Keperluan drp keputusan yang datang drp satu kumpulan : kerana tidak semua kaki tangan mempunyai pengalaman yang mencukupi untuk membuat keputusan drp masalah tertentu ( biasanya guna teknik brainstorming )

ii.

Keperluan untuk mendengar setiap idea ahli-ahli :

iii.

Keperluan untuk berkomunikasi dalam persekitaran yang disebarkan:

Pengurus perlu belajar keperluan dri kumpulan pembuat keputusan GDSS boleh digunakan untuk menyokong proses membuat keputusan yang boleh meningkatkan prestasi kumpulan dan proses membuat keputusan 3.2

Gambaran GDSS


usaha yang mula-mula untuk menghasilkan drp keinginan kepada menggunakan konsep sistem sokongan keputusan untuk melingkungi kumpulan pembuatan keputusan. GDSS boleh ditakrifkan sebagai teknologi yang menolong dan menyokong sekumpulan drp pembuat keputusan dalam tempoh merekabentuk, menstruktur atau memodelkan hasil yang diperlukan dalam sebarang organisasi. Ianya juga menyesuaiakan perkakasan yang diperlukan oleh ahli-ahli untuk berkomunikasi di antara mereka. Power & Power (2001) : GDSS adalah terlalu diskriptif dan mentakrifkan sebagai kepelbagaian system yang menggunakan penghuraian infrastruktur komunikasi dan heuristic dan model kuantitatif untuk menyokong membuat keputusan. GDSS mestilah interaktif, system berasaskan computer yang menolong satu pasukan ( kumpulan) pembuat keputusan untuk menyelasaikan masalah-masalah dan membuat pilihan untuk diputuskan. 3.2.1 CiriCiri-Ciri Utama GDSS a. ialah satu sistem direkabentuk secara khusus, tidak hanya tatarajah terhadap komponen-komponen sistem yang sedia ada b. direkabentuk dengan sasran drp menyokong kumpulan-kumpulan drp pembuat keputusan dalam kerja mereka, haruslah membaiki proses membuat keputusan dan hasil keputusan drp kumpulan-kumpulan yang boleh wujud sekiranya GDSS itu tidak memperkenalkan.

29

CBSS4103 SISTEM SOKONGAN KEPUTUSAN c. Mudah untuk dipelajari dan digunakan. Ianya menyesuaiakn pengguna-pengguna dgn tahap pengetahuan yang berbeza-beza berkenaan computer dan menyokong keputusan d. Mingkin spesifik ( direkabentuk untuk satu jenis atau kelas masalah ) atau umum ( direkabentuk utk pelbagai tahap kumpulan keputusan organisasi e. Mengandungi mekanisma yang terbina di dalamnya yang menawarkan pembangunan drp tingkahlaku kumpulan yg negative seperti konflik dalaman, salah komunikasi atau pemikiran kumpulan 3.2.2 Komponen GDSS Pakej Sosio Teknikal : dalam konteks GDSS bermaksud bahawa tidak kedua-dua kumpulan ditentukan oleh teknologi GDSS ataupun teknologi GDSS ditentukan oleh kumpulan a. -

Perkakasan ( Hardware ) terdiri drp fasiliti persidangan ( bilik computer) , sumber-sumber computer, fasiliti telekomunikasi, pencetak dan kelengkapan audio visual.

b. -

Perisian ( software ) kekunci yang membezakan teknologikal masa depan GDSS dan mungkin digunakan untuk menyokong memproses maklumat secara umum, memodelkan keputusan, atau komunikasi

Perisian Pemodelan Keputusan : khususnya bertujuan untuk membantu kumpulan membuat keputusan dan termasuk pemodelan bahasa seperti SIMSCRIPT dan dinamo. Perisian Komunikasi : khususnya bertujuan untuk menyokong aspek kolaborasi drp kumpulan kerja dan termasuk perkakasan untuk teks, data, suara, dan transmisi video ( contohnya: papan putih elektronik, system pengurusan aliran kerja, emel, vmel, persidangan computer/audio/video c. Organizationware : terdiri drp data organisasi, idea ( contohnya: pendapat, atau pertimbangan, proses kumpulan, prosedur pengurusan untuk kolaborasi kerja kumpulan.

30

CBSS4103 SISTEM SOKONGAN KEPUTUSAN e. People ( Manusia ) Terdiri drp peserta-peserta dalam kumpulan dan staf sokongan yang memudahkan aktiviti kumpulan 3.3 -

Kerja Koperatif Koperatif Disokong Komputer ( ComputerComputer-Supported Cooperative Work – CSCW) merujuk kepada aplikasi drp teknologi barangan kumpulan ( groupware ) yang membenarkan kolaborasi kumpulan

-

menghendaki semua ahli menjadi mempersembahkan secara serentak, aktiviti khusus yang merangkumi tukar fail dalam talian untuk ahli kumpulan, celoteh ( chat ), berkongsi papan putih dan juga persembahan audio dan persidangan video.

-

Sebarang pemberitahuan atau pengumuman boleh dibuat melalui emel

-

Objektif utama CSCW adalah untuk menyediakan aplikasi kerja kumpulan, yang memerlukan pelbagai pengguna akses dan kawal aplikasi dan koordinasi drp semua aktiviti pengguna

-

CSCW juga dikenali sebagai Sistem Sokongan Kumpulan ( GSS ) atau groupware

3.3.1 JenisJenis-Jenis Kolaborasi a) Sama Masa / Sama tempat : semua ahli menghadiri mesyuarat pada masa yang sama dan tempat di bilik mesyuarat b) Sama Masa / berbeza Tempat : pengurus di cawangan mengadakan mesyuarat dalam masa yang sama c) Berbeza masa / sama tempat : yang mempunyai masa kerja secara bergilir, oleh itu mesyuarat/ taklimat diadakan pada masa yang berbeza d) Berbeza masa / berbeza tempat : organisasi antarabangsa di mana berbeza tempat dan zon waktu 3.4

Perkakasan Menyokong Kumpulan

3.4.1 Emel, Senarai Mail, dan Kumpulan Baru -

digunakan utk komunikasi

3.4.2 Persidangan Persidangan Elektronik a. Papan Putih : aplikasi yang membenarkan pengguna untuk secara kolaborasi membuat lukisan mudah atau kompleks

31

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Papan putih berkongsi aplikasi : papan putih yang akan ‘run’ aplikasi computer dalam tetingkap, yang boleh dilihat oleh semua peserta b. Persidangan Telefon : atau telesidang adalah teknologi yang digunakan sebagai satu cara drp komunikasi untuk dua atau lebih orang dalam lokasi yang berbeza pada masa yang sama. c. Persidangan Video : perkakasan interaktif yang menggabungkan penggunaan video, computer, dan teknologi komunikasi untuk membenarkan manusia dalam lokasi berbeza untuk bertemu secara bersemuka untuk mengawal persidangan dalam masa yang sebenar. Persidangan Video Pelbagai Point : persidangan melibatkan lebih daripada dua tempat d. Perkakasan Berbual ( Chatting ) spt Yahoo Messenger, Skype 3.4.3 Decision Room (Bilik Keputusan) -

merujuk kepada susunan fizikal untuk menggunakan GDSS dalam teknologi tinggi, bilik persidangan elektronik, dan setiap peserta mempunyai stesen kerja sendiri.

Sistem Sistem menyediakan tiga kelebihan melebihi mesyuarat lisan atau konvensional: a. transkrip penuh dijana secara automatic drp interaksi peserta b. semua peserta mungkin bercakap pada sekali sahaja c. input semua peserta melalui system adalah tanpa nama CiriCiri-Ciri Bilik Bilik Keputusan: a. setiap peserta mempunyai stesen kerja computer b. Ketua / Fasilitator mengkoordinasi mesyuarat c. Bilik mempunyai skrin paparan yang membolehkan semua peserta melihatnya d. Computer dirangkaikan dan arkitektur pelanggan/pelayan digunakan e. Perisian khusus sedia digunakan kepada semua peserta

32

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 3.5 -

Groupware program aplikasi yang membantu sekumpulan manusia ( pelbagai pengguna ) dalam lokasi yang diagihkan secara geografik

a. Lotus Notes b. GroupSystem and VisionQuest c. Netcape Collabra Server and TCBWorks 3.6

Pembelajaran Pembelajaran Jarak Jauh

E-Lerning ( Pembelajaran Elektronik ) : pembelajaran yang tidak memerlukan pelajar untuk hadir secara fizikal dalam lokasi yang sama dgn pensyarah / tutor 3.7 -

Rauang Kerja Maya ( Virtual Workplace ) di mana melakukan kerja secara maya daripada rumah atau mana-mana tempat .

Organisasi Maya : organisasi yang menggunakan teknologi untuk membentuk secara maya ruang kerja untuk sesiapa yang terlibat dalam transaksi syarikat seperti pekerja, pembekal, pelanggan dll Ruang Kerja Maya Secara Kolaborasi Kolaborasi ( Collaborative Virtual Workspace – CVW ) -

prototaip kolaborasi persekitaran computer , direka untuk menyokong sementara dan secara geografi disebarkan kerja kumpulan.

33

CBSS4103 SISTEM SOKONGAN KEPUTUSAN TOPIK 4 : PEMBINAAN DSS ( Constructing DSS ) 4.1

System Development Life Life Cycle (SDLC)

-

dikenali sebagai model air terjun yang berdasarkan siri-siri langkah yang formal

-

pendekatan yang popular untuk pembangunan system maklumat

-

setiap langkah akan berakhir dgn penulisan dokumen yang perlu ditinjau semula atau diperakui sebelum ke langkah seterusnya

-

pengguna dan pembangun akan menilai semula dokumen

-

pengguna akan terlibat sama dalam langkah awal dan akhir dalam menentukan keperluan dan mengesahkan system untuk menepati keinginan mereka

-

bahagian tengah melibatkan perlakuan tugas teknikal oleh pembangun yang biasanya analisis system

4.1.1 Kelebihan SDLC -

memaparkan proses langkah demi langkah agar dapat membenarkan pembangun lain untuk mengikuti dan memahaminya dgn mudah

-

baik untuk penyenggaraaan kerana ianya mudah didokumentasikan

-

memastikan tiada kawasan penting yang akan terlepas drp pemerhatian

-

mempunyai hubungan kontrak yang formal antara pembangun dan pengguna

34

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.1.2 Kelemahan SDLC -

tidak sesuai untuk system yang berubah secara pantas

-

persetujuan pengguna pada langkah pertama, apabila berlaku perubahan, proses pembangunan keseluruhan akan dimulakan semula

-

mungkin menyebabkan pertambahan dalam kos pembangunan

-

kurangnya pengantara komunikasi antara pengguna dan pembangun

-

pengguna sukar untuk bercakap apa yang mereka perlu dalam system, semasa analisis system menghasilkan seratus muka surat drp penjelasan teknikal yang sukar untuk mendapatkan dan dibaca

-

kurangnya kesesuaian

-

tidak sesuai untuk pembangunan ad-hoc DSS

4.2 -

Prototaip mengekalkan langkah-langkah pembangunan SDLC tetapi ianya dikembangkan berdasarkan reaksi kepada kekurangan dalam SDLC

-

analisis system duduk bersama keupayaan pengguna dan membangunkan system agar muncul kepada kerja menggunakan sebarang perkakasan seperti 4GLs ( Fourth Generation Languages ) yang menyokong pembangunan pantas.

-

Muncul seperti produk akhir tetapi mengetepikan memeriksa kesalahan, akses kepada pangkalan data nyata, menghubung kepada rangkaian nyata dan kebanyakannya digunakan oleh keseluruhan masa pembangunan

35

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Terdapat 2 pendekatan prototaip: a)

prototaip buang ( throwaway ) : kurang sesuai untuk pembangunan DSS terutamanya yang melibatkan pembelian/pemerolehan kepada gudang data hos dan menaiktaraf platform baru. Ianya akan menambahkan kos pembangunan dan pengimplementasian

b)

Prototaip Penjelajahan ( berevolusi ) lebih sesuai untuk DSS . Prototaip akan menjadi asas kepada aplikasi dan bersambung untuk mengguna perkakasan pembangunan tahap tinggi. Ini sesuai kepada fakta bahawa masa adalah penting dalam pembangunan DSS dan kebiasannya pengurus perlu DSS secepat yang mungkin.

Kelebihan dan Kekurangan Pendekatan Prototaip: Kelebihan : jelas menunjukkan bahawa pendekatan ini memantapkan komunikasi antara pengguna dan pembangun. Sistem yang dicadangkan akan menepeti kehendak pengguna Kekurangan: Kekurangan menambahkan penjadualan pembangunan system DSS terutamanya melalui pendekatan pakai buang atau memilih perkakasan yang salah dalam cara yang salah. Pembangun mesti memahami batasan drp pakej skrin, 4GLs dan sebarang perkakasan pembangunan pantas. 4.3 -

Pembangunan Pengguna Akhir Akhir memberikan tanggungjawab sepenuhnya kepada pengguna sebagai pembuat keputusan membangunkan system

-

platform persekitaran pembangunan dibangunkan dalam cara yang seperti yang mampudiusahakan oleh pengguna akhir untuk membangunkan DSS mereka sendiri

-

biasanya disekutukan dgn mikrokomputer

-

perkakasan pembangunan pengguna akhir yang popular ialah lembaran kerja seperti Lotus 123 dan Microsoft Excel

-

selepas analisis, pembuat keputusan memilih penyelesaian alternatif terbaik yang bertepatan dgn keperluan bisnes mereka.

Kelebihan dan Kekurangan: Kelebihan : individu yang memerlukan sokongan komputer akan terlibat dalam menciptanya. Kadang kala keputusan pembangunan cepat dan jimat kos. Pembangun akan mengawal semua situasi dan pilihan penyelesaian. Kekurangan: Kekurangan kurangnya keghairahan untuk pembangunan drp DSS yang kompleks.

36

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.4 -

Proses Pembangunan DSS keunikan pembangunan DSS adalah terdapatnya masalah separa struktur dan tidak berstruktur.

Terdapat enam langkah : a) diagnosis masalah b) kenalpasti objektif dan sumber c) analisis system d) rekabentuk system e) pembinaan f) implementasi - selalunya menjadi masalah untuk mendapatkan keperluan pengguna yang lengkap dan tepat 4.4.1 Diagnosis Masalah -

hampir sama dgn fasa definisi masalah

-

bertanggung jawab bagi menilai sifat organisasi dan menghasilkan dokumentasi yang menggambarkan konteks masalah dan persekitaran organisasi yang memerlukan sokongan keputusan yang kemudiannya ditempatkan dalam laporan kebolehlaksanaan saringan

-

melihat kpd peluang drp sokongan keputusan untuk pengenalpastian masalah dalam lingkungan organisasi

-

analisis system hendaklah mempunyai kepakaran dan sedia mengetahui dlm DSS, oleh itu membolehkan sokongan yang padu kpd pengurus utk mengenalpasti masalah organisasi.

37

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.4.2 Mengenalpasti Objektif dan SumberSumber-sumber -

peluang kepada sokongan keputusan hendaklah dikenalpastikan seperti objektif kekunci keputusan yang perlu disokong

-

sumber-sumber tersedia yang menyokong pembangunan DSS seperti perkakas, perisian, teknologi semasa dan pengetahuan yang mesti dibina perlulah dikenalpasti

-

analisis system atau pereka bentuk mesti berhati-hati mengenalpasti objektif DSS

Objektif hendaklah menjelaskan fungsi drp cadangan DSS berdasarkan: a.

jenis-jenis pengetahuan

b.

kapasiti pengetahuan untuk disediakan kepada pembuat keputusan

c.

ciri-ciri pelaksanaan umum bagi system

Di samping itu, mesti juga menentukan peranan yang dituntut drp DSS yang akan dijangka untuk dimainkan bersama-sama kontek masalah yang dikenalpasti. Cth: meningkatkan kreativiti pengguna, imaginasi atau tanggapan, menyelesaikan atau membantu dalam menyelesaikan masalah, menyediakan pembantu dalam menasihati, analisis atau menilai. i.

menambahkan kongsian pasaran untuk produk sarung tangan

ii.

memantapkan/ mempertingkatkan kualiti drp material mentah khusus melalui lebih daripada 12 peratus

iii.

memantapkan kualiti drp membina keputusan bersama-sama organisasi

Akhir sekali ; hendaklah menyenaraikan set objektif yang disekutukan dgn sumber-sumber yang mungkin yang diperlukan untuk membangunkan DSS. Objektif kemudiannya dianalisa yang boleh diakses secara tepat dan menjadikan objektif yang tepat drp DSS bersama-sama konteks masalah organisasi. Pengenalpastian ini seperti penentuan awal drp kebolehlaksanaan dgn mengambil kira kpd sumber-sumber yang dikawalkan.

38

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.4.3 Analisis Sistem -

untuk menghasilkan dalam perincian set keperluan DSS yang akan dijadikan isu.

Dikategorikan kepada 3 jenis keperluan: Keperluan Fungsian. -

keperluan memerikan spesifikasi daripada kapasiti simpanan DSS, mengingat kembali, dan pengeluaran pengetahuan yang berguna kepada konteks masalah.

-

Misalnya, satu keperluan menerangkan keupayaan daripada keutamaan DSS untuk menyimpan berjenis-jenis jualan keluaran unjuran, dan anggaran kesan-kesan terhadap isi padu jualan daripada perubahan satu atau lebih membuat anggapan tersembunyi atau berubah yang terlibat di dalamnya.

Keperluan Antaramuka -

Antara muka memainkan peranan penting dlm menghasilkan kualiti dan penggunaan penuh DSS.

-

Keperluan antara muka memfokuskan kepada kebolehan komunikasi DSS di konteks bermasalah.

-

Pembangun perlu mengenal pasti berbagai saluran dan kaedah-kaedah komunikasi yang akan diperoleh disediakan oleh DSS dan Syarat-syarat itu untuk boleh digunakan dibawanya. Ia mungkin melibatkan mengenal pasti menu struktur laporan ruang hubung kait milik dan bentuk output

-

pembangun perlu juga mengenal pasti berbagai jenis permintaan yang mungkin diperoleh DSS oleh pembuat keputusan

-

ruang hubung kait itu perlu menyediakan satu graf misalnya yang sepatutnya dapat dapat menunjukkan syarikat unjuran Keluaran jualan kepelbagaian.Graf ini boleh digunakan oleh decision-makers untuk meramalkan belanjawan syarikat.

Keperluan Penyelarasan -

Keperluan ini menghuraikan penyelarasan daripada peristiwa yang berkaitan dengan persembahkan proses membuat keputusan,

-

memudahkan kemasukan ke maklumat yang yang berkaitan serta penyatupadukan pelbagai perkakas pemodelan yang terkandung dalam DSS

-

Dalam kaedah yang sama dengan teknik scenario yang memerihalkan tentang keperluan drp satu acara untuk dijadikan sebelum tindakan boleh dilaksanakan.Misalnya, keperluan mengemaskinikan angka sebenar unjuran jualan untuk tempoh fiskal sebelum sebelum ahli baru proses unjuran masa hadapan.

39

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.4.4 Rekabentuk Sistem -

langkah ini mengguna keperluan pengguna drp fasa sebelumnya untuk mencipta pelbagai proses komponen model system dan data mahupun interaksi seperti model DFD, ERD, rekabentuk pangkalan data, rekabentuk arkitektur

-

DSS perlu kepada penentuan komponen fizikal, struktur dan platform pembangunan

4.4.5 Pembinaan ( Construction ) -

mengandungi penjanaan kod yang menggunakan sebarang bahasa pemprograman yang diikuti oleh pengujian system

-

fasa ini bertanggungjawab untuk membina system menurut kepada perkakasan yang diputuskan dalam fasa rekabentuk

-

pembinaan menggunakan pendekatan prototaip interaktif yang membenarkan untuk system kecil menjadi lebih baik berdasarkan maklumbalas drp pengujian dan penglibatan pengguna dan dgn itu ianya akan diimplementasikan ke dalam system sebenar

4.4.6 Implementasi / Pelaksanaan -

untuk uji, menilai dan menggunakan system DSS

-

semua kefungsian DSS mesti bertepatan dgn darjah kepuasan drp pengguna

-

ujian system hendaklah memenuhi objektif pembuat keputusan

-

sebarang pengubahsuaian boleh dilaksanakan melalui pergi semula kepada langkah reka bentuk

Beberapa aktiviti aktiviti implementasi DSS: i.

memperoleh dan memasang perkakasan DSS

ii.

memasang DSS dan membuatkannya dilarikan (runs) dalam perkakasan yang dicadangkannya

iii.

menyediakan pengguna akses kepada system

iv.

mencipta dan mengemaskini pangkalan data

40

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.5

Menggunakan Pendekatan Berorientasikan Keputusan Dalam Proses Pembangunan DSS

4.5.1 Orientasi Keputusan Untuk Diagnosis Masalah -

diagnosis masalah melibatkan menentukan potensi DSS untuk kenalpasti konteks masalah did lm organisasi

-

perlu memahami domain masalah, di mana mencukupi mempunyai beberapa pengetahuan umum domain masalah dan/ atau kepakaran domain

-

pembangun perlu berpengetahuan tinggi terutamanya di sekeliling masalah

4.5.2 Orientasi Keputusan Untuk Mengenalpasti Objektif dan Sumber Sumber-Sumber - pembangun mesti memahami kontek masalah dan kenalpasti keperluan pengguna DSS 4.5.3 Analisis Sistem Strategik Berorientasi Keputusan dan Reka Bentuk Marakas menkelaskan pelbagai pendekatan untuk pembangunan DSS i.

pengprograman dilanggani DSS : membangunkan system sama ada menggunakan bahasa pemprograman tujuan umum (GPL) spt C, Java atau Pascal atau melalui Bahasa Generasi Keempat (4GLs) seperti VB, Visual C++, Power Builder atau ASP

ii.

mengguna penjana DSS

Penjana DSS ( Generator ) adalah : Aplikasi sistem yang menghapuskan perlunya kepada pemprograman yang mengandungi beribu-ribu garisan daripada penkodan.Ia adalah satu perisian perkakas yang menyediakan fungsi kepada pembangun untuk memudahkan membangunkan DSSnya sendiri. Contoh : Excel, Lotus 123, atau Quattro Pro 4.5.3 Rekabentuk Sisten Berorientasikan Berorientasikan Keputusan

41

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.6

Perkakasan Pembangunan DSS

Marakas (1999) dan Turban (2001) menkelaskan perkakasan pembangunan kepada tiga tahap teknologi, iaitu; a)

Perkakasan penting DSS : adalah yang terrendah drp teknologi DSS, ia menyediakan asas

pembangunan sama ada untuk penjana DSS atau aplikasi DSS spesifik. Contohnya, bahasa pemprograman, grafik, penyunting, system pertanyaan pangkalan data, kod dan bilangan penjana rawak b)

Penjana DSS : adalah pakej perkakasan / perisian yang menyediakan set kebolehan untuk

membangunkan DSS spesifik dgn cepat, mudah dan murah. Microsoft Excel adalah pakej spreadsheet mudah Kelebihan : keselesaan/ kesenangan- perkakasan yang diintergrasikan yang menyediakan kefungsian utk mencipta pemodelan keputusan, rekabentuk dan penjanaan laporan dan persembahan grafik dan mengurus berdasarkan data asas, tanpa mempunyai masalah mengintergrasikan antara perkakasan pelbagai seperti mengimport dan mengeksport data. c)

DSS Spesifik: Spesifik digunakan untuk pengetahuan domain tertentu, yang pembuat keputusan

menghadapi banyak masalah Kriteria untuk penjana DSS yang perlu dipertimbangkan: i.

fungsi-fungsi pengurusan data

ii.

fungsi-fungsi pengurusan model

iii.

kebolehan antaramuka pengguna

iv.

kesesuaian dan darjah kebolehsambungan

v.

ketersediaan perkakasan dan platform

vi.

kos

vii.

kualiti dan ketersediaan sokongan vendor

42

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 4.7

IsuIsu-Isu pembangunan DSS

4.7.1 Pengurusan Projek DSS Isu-Isu

Penerangan

Funding ( Dana )

Kunci pembangunan DSS ( penganjur ) boleh jadi pembuat keputusan, organisasi, penganjur eksekutif

Kenalpasti Ketua

Ketua projek ditugaskan berdasarkan saiz projek, yang mengawal

Projek

selia semua projek dari awal hingga akhir

Pasukan Projek

Yang memberi sokongan, bantuan, pengurus projek, pengguna, Pembina DSS, sokongan teknikal

Sumber Dalaman vs sumber luaran Menentukan

Perlu dispesifikasikan bagi projek besar, perlu ada perancangan

Arkitektur DSS

teliti

4.7.2 Isu-Isu Pelaksanaan DSS

Tanggungjawab ketua projek DSS : i.

diagnosis masalah, menghasilkan kajian kebolehlaksanaan, mentakrifkan objektif dan skop projek

ii.

apabila projek diluluskan, ketua projek perlu untuk membangunkan satu metodologi pembangunan DSS yang bersesuaian dan menentukan pasukan projek

iii.

mengenalpasti tugas-tugas yang mesti dilengkapkan dan sumber-sumber yang diperlukan

iv.

menyampaikan kemajuan projek

v.

mentakrifkan pelan projek dan mengurus aktiviti-aktiviti setiap hari yang disekutukan kepada projek

vi.

menkoordinasikan sumber projek, baget, laporan status, tugasan keperluan perubahan, hubungan dgn vendor, penganjur dan staf MIT

43

CBSS4103 SISTEM SOKONGAN KEPUTUSAN TAJUK 5 : DATA DRIVEN DSS ( Pemacu Data DSS ) 5.1 Pengenalan Kepada Gudang Data ( Data Warehouse) -

DSS digunakan untuk membuat keputusan pada tahap pengurusan strategic dan taktikal

-

Keberkesanan DSS bergantung kepada kualiti data yang dikumpulan pada tahap pengoperasian

-

Data Opresai dan data DSS mempunyai tujuan yang berbeza

Perbezaan Data Pengoperasian dan Data DSS mengikut Rob and Coronel, 2004: Data Operasi

Data DSS

Data Currency

Menjelaskan transaksi yg

Menjelaskan data pengoperasian pada titik yang

Keluasan /

dilakukan

ditetapkan spt penjualan produk mingguan

Transaction

Dicirikan melalui transaksi

Dicirikan dgn transaksi pertanyaan, memerlukan

Type

yang dikemaskini

sebuah ringkasan pada masa tertentu dan

Sifat Semasa Data

( Jenis

dimuatkan drp data pengoperasian

Transaksi ) Summarisation Menjelaskan maklumat

Tidak mempunyai perincian drp setiap transaksi

Level

mengenai transaksi yang

pengoperasian tetapi menjelaskan ringkasan

( Tahap

ditetapkan dan disimpan

transaksi

Sebuah

dalam banyak jadual.

Ringkasan) System transaksi hubungan

Bukan pernormalan, bukannya kemaskini

Data Model

memerlukan struktur

transaksi , tetapi kebolehan pertanyaan,

(Model Data)

pernormalan, banyak jadual

mempunyai banyak jadual dan setiapnya

dihasilkan dgn setiap jadual

mengandungi bilangan atribut yang besar

terdiri bilangan minimum atribut Query Activity

Skop yang sempit, rendah

Skopnya luas, terlalu kompleks dan rendah

( Aktiviti

kompleksiti dan kelajuan

kelajuan kritikal.

Pertanyaan )

kritikal

Data Volumes

Drp 100 MB kpd GB

( Saiz Data Data )

100MB kpd Terabait, data disimpan dlm struktur bukan pernormalan dan demikian itu memaparkan kelewahan dan penyalinan data, data yang sama disimpan dlm cara yang berbeza utk persembahkan penggambaran yang berbeza

44

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Perbezaan di antara Data Operasi dan Data DSS menandakan keperluan drp pangkalan data DSS Berdasarkan keperluan maklumat yg kompleks dan peningkatan permintaan untuk analisis data yang terbaik, mereka memulakan penciptaan gedung data jenis baru iaitu Gudang Data ( Data Warehouse ) Gudang Data : menjadikan sumber data utama untuk sistem sokongan keputusan yang moden – memperoleh data drp pelbagai pengkalan data pengoperasian ( sumber luaran ) Data di dalam Gudang Data diuruskan dalam format dan struktur yang memudahkan ekstraksi data, analisis data dan membuat keputusan. 5.2 Konsep Gudang Data ( Mallach, 2000 ) Gudang Data : pangkalan data yang besar yang terkandung maklumat bisnes yang membolehkan pengguna akhir mendapatkannya.

Gudang Data mungkin mengandungi , contohnya: a) maklumat jualan oleh produk, wilayah/kawasan, dan jangka masa b) maklumat penggunaan kad kredit melalui pendapatan pemegang kad, umur, jantina, dan status perkahwinan c) maklumat tuntutan insuran melalui bandaraya, umur, jantina, pekerjaan dan jenis polisi Bill Inmon : gudang data adalah pangkalan data yang diintergrasikan, diorientasikan subjek, perpezaan masa, dan tidak berubah / meruap yang membekalkan sokongan kepada pembuatan keputusan.

45

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Komponen

Definisi

Intergrated

Format biasa memperjelaskan semua entity bisnes, elemen data, ciri-ciri

( Penggabungan)

data, dan keseluruhan matrik bisnes organisasi

Subject-oriented

Data di dalam di dalam Gudang Data diuruskan dan diringkaskan oleh tajuktajuk seperti Jualan, Pemasaran dan kewangan. Setiap tajuk mengandungi subjek spesifik spt produk, pelanggan dan kawasan

Time-variant

Data di dalam Gudang Data memaparkan aliran data melalui masa. Apabila data jualan mingguan yang sebelumnya dimasukkan ked lm Gudang Data, keseluruhan jumlah bersandarkan mingguan, bulanan, tahunan dan lain-lain utk produk, pelanggan dan lain-lain pembolehubah akan juga dikemaskini

Non-volatile

Data di dalam Gudang Data tidak boleh diubah, data baru selalu ditambah

( Tidak Berubah )

dan gudang data selalu meningkat.disebabkan tiada perubahan pada data dibenarkan apabila data disimpan dgn betul, persekitaran data secara relatifnya statik

CiriCiri-Ciri Perbezaan Pangkalan Data Pengoperasian dan Gudang Data CiriCiri-Ciri

Pangkalan Data

Gudang Data

Pengoperasian Bagaimana ianya

Satu aplikasi / kawasan berbagai kawasan subjek pada satu

dibina?

subjek pada suatu

waktu

waktu Data kebiasaan?

Mesti dinormalkan

Tidak dinormalkan . Data boleh dan

untuk sokong proses

selalu berlebihan

bisnes Kawasan sokongan Masa penahanan data

Operasi bisnes hari ke

Sokongan keputusan untuk aktiviti

hari

pengurusan

Penahanan adalah

Masa penahanan tidak ditentukan,

perlu utk menemui

mesti membenarkan laporan historical,

keperluan opreasi

perbandingan dan analisis

harian Ketersediaan Data

Memerlukan

Ketersediaan segera kurangkan kritikal

ketersediaan yang tinggi dan segera Saiz data

Sama kpd saiz harian

Lebih besar drp saiz transaksi harian

biasa drp transaksi

biasa terutamanya siri data set data

operasi

46

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Diintergrasikan

Semua elemen data

data yang serupa akan mempunyai

mempunyai definasi

definisi dan perwakilan yang berbeza

dan perwakilan biasa Berorientasikan objek

Perbezaan masa

Tidak meruap

Data disimpan

Data disimpan dgn orientasi subjek

berorientasikan

yang menyediakan paparan yang

fungsuan atau

berbeza drp data dan bantu pembuat

berorientasikan proses

keputusan

Data direkodkan

Dimensi masa digunakan untuk

seperti transaksi

memudahkan analisis data dan

semasa.

perbandingan masa

Kemaskini data adalah

Data tidak boleh diubah, persekitaran

kerap. Persekitaran

data adalah tetap statik

data adalah cair. Untuk membina gudang data  data diekstrak daripada pelbagai sumber dan kemudiannya diubah dan diintergrasikan sebelum diisikan ke dalam gudang data. Adalah sukar untuk mencipta kualiti gudang data yang tinggi, ianya bergantung kepada fakta data tersebut yang diambil drp perbagai sumber yang menggunakan format data dan struktur yang berbeza. Penciptaan Gudang Data Drp Pangkalan Data Pengoperasian Pangkalan Data Pengoperasian

Ekstraksi Data

Gudang Data

Ekstrak Penapis Perubahan Intergrasi Klasifikasi Pengumpulan Ringkasan

Diintergrasikan Berorientasikansubjek Perbezaan masa Tidak meruap

5.3 Kandungan Analisis Gudang Data -

kandungan gudang data akan tidak berguna jika pengguna tidak mampu mencari jawapan kepada persoalan mereka

47

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 2 pendekatan yang boleh digunakan utk memahami data dalam gudang data: i.

analisis berpandukan pengguna

Pengguna tanya soalan  komputer akan mencari jawapan Selepas jawapan didapati  pengguna akan tanya seterusnya sehingga mencapai tahap yang diingini drp pemahaman ke atas data. ii.

analisis aktif

Analisis yang diautomasikan atau data mining ( pencarian data )  computer melakukan semua kerja  pengguna hanya memberitahu computer apa yang dikhendaki utk dicari daripada analisis itu. 5.3.1 UserUser-guided Analysis ( OnOn-line Analytical Processing : OLAP) a) Konsep OnOn-line Analytical Processing ( Pemprosesan Analitikal Atas Talian ) merujuk kepada cara operasi di mana data di dalam gudang data dipotong dan dibahagikan kpd soalan jawapan Selepas analisis keputusan drp soalan contoh, pengguna melihat kepada perician yang lebih luas sehingga keputusan yang diingini dibina.

48

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Pendse (2004) meringkaskan beberapa definisi dan cirri-ciri OLAP kepada 5 kata kunci iaitu: Fast Analysis of Shared Multidimensional Information ( FASMI ) Kata Kunci

Deskripsi

Fast

Menghantar kebanyakan balasan kpd pengguna dgn kira-kira 5 saat,

( Cepat )

dgn analisis mudah tidak lebih drp 1 saat dan beberapa analisis mengambil lebih 20 saat. Masa depan nya masih membangunkan teknologi seperti kelajuan adalah kebanyakannya disedut oleh masalah teknikal dengan produk OLAP

Analysis

Mesti membenarkan pengguna untuk melakukan analisis mudah, ianya

(Analisis)

harus mampu untuk mengendalikan apa-apa logik bisnes dan analisis statistik yang diperlukan oleh aplikasi dan pengguna. Pengguna dan aplikasi mestilah disediakan dgn ciri-ciri semua keperluan analisis seperti perubahan struktur multidimensi ad-hoc, pertukaran mata wang, mewaspada kelainan, dan banyak lagi tanpa mempunyai program. Sebagai mencirikan analisis mungkin disediakan dalam perkakasan kepunyaaan vendor atau rangkaikan dalam produk luaran

Shared

Mestilah dilengkap dgn kawalan keselamatan untuk kerahsiaan, ianya

( Dikongsi)

juga haruslah serentak mengunci pengemaskinian untuk mengawal pelbagai tulisan dan capaian kemaskini

Multidimensional Keperluan paling mustahak, mesti membenarkan paparan ( Pelbagai

multidimensi data

Dimensi) Information

Merujuk kpd semua data dan maklumat yang diperlukan, di mana saja

( Maklumat )

ia adalah dan walau bagaimanapun kebanyakannya berkaitan bagi permohonan. Ini mentakrifkan berapa banyak data input yang system OLAP boleh kendalikan.

i) Menggunakan Teknik Analisis Analisis Data Pelbagai Dimensi -

Data diproses dan dipaparkan sebagai sebahagian drp struktur pelbagai dimensi

-

Data boleh dipaparkan sebagai data yang berhubung dgn data yang lain

-

Cth: analisis pengurusan hotel ingin melihat bagaimana jualan hotel berkaitan kpd Negara pelanggan dan bulanan ( figure 5.2 ms 111 )

49

CBSS4103 SISTEM SOKONGAN KEPUTUSAN ii) Menyediakan Sokongan Pangkalan Data Lanjutan

Keutamaannya ialah: -

capaian kpd jenis-jenis perbezaan yang banyak drp DBMS : fail lengkap dan pelbagai sumber data

-

capaian kpd data gudang data yang dikumpulkan dan perincian pangkalan data pengoperasian

-

memberi keutamaan kepada navigasi data yang dilanjutkan seperti latih tubi

-

tindakbalas pertanyaan yang cepat

-

memetakan permintaan pengguna utk menyesuaikan sumber data dan kemudiannya utk menyesuaikan bahasa capaian data

-

sokongan pangkalan data yang terlalu luas

iii) Menyediakan Antaramuka Pengguna Akhir Mudah untuk Digunakan -

semua perkakasan disediakan dalam OLAP boleh diakses dengan mudah.

-

Kebanyakan keutamaan antaramuka dalam OLAP adalah satu yang sudah menjadi kebiasaan kepada pengguna

iv) Sokongan Arkitektur Pelayan/Pelanggan -

system OLAP boleh dibahagikan kedalam beberapa komponen

-

semua komponen boleh ditempatkan ke dalam computer yang sama atau diagihkan di antara sebilangan computer

b) OLAP Hubungan dan OLAP Multidimensi -

data multidimensional mesti digunakan untuk OLAP

-

terdapat dua pendekatan untuk cara data multidimensional boleh disimpan dan diuruskan dan membenarkan pengguna utk menguruskan analisis.

i. OLAP Hubungan ( ROLAP : Relational OLAP ) -

menyediakan kefungsian OLAP melalui penggunaan pangkalan data hubungan, perkakasan pertanyaan utk simpanan dan analisis data multidimensional

-

organisasi yang sedang menggunakan pangkalan data hubungan, akan mudah menyambung hubungan tradisional DBMS ( RDBMS) dgn beberapa keutamaan spt keyakinan bahasa capaian data dan perlakuan pertanyaan untuk data multidimensional dan kemampuan utk sokongan pangkalan data yang lebih besar.

50

CBSS4103 SISTEM SOKONGAN KEPUTUSAN -

ROLAP terkandung data yang terperinci dan data yang diringkaskan dan membolehkan pengguna melatih tubi set data yang luas.

-

ROLAP trade-off ( tidak melakukan ) antara fleksibiliti dan perlakuan

-

Vendor boleh membina perkakasan mudah alih dan mudah diskalakan sesuai kpd fakta yang mengimplementasikan ROLAP dgn menggunakan perkakasan pengurusan yang tahan lasak dan antara muka Bahasa Pertanyaan Berstruktur yang terbuka (SQL)

-

ROLAP memerlukan bilangan yang besar jadual hubungan utk mengendalikan data yang bersaiz besar dan hubungan dimensional.

-

Jadual perlu disatukan dan indek perlu dicipta utk mengurus dan membenarkan analisis data multidimensional.

ii. Multidimensional OLAP ( MOLAP ) -

MOLAP menyediakan kefungsian OLAP melalui penggunaan pangkalan data multidimensional

-

Data yang disimpan boleh dipaparkan dlm data 3D / data kiub

-

Data kiub boleh digunakan kpd kiub n-dimensi / hiperkiub

-

Data kiub adalah static , tidak boleh diubah dan mesti dicipta sebelum boleh digunakan

-

Pertanyaan hanya boleh dibuat pada pra-cipta kiub dgn kenalpasti pemotongan (axes)

5.3.2 Analisis Diautomasikan ( Data Mining ) Data Mining  proses yang ekstrak maklumat drp pangkalan data yang mana pengguna tidak tahu kewujudannya ( perlombongan data ) -

proses ini menemui maklumat di dalam gudang data supaya pertanyaan dan laporan tidak boleh didedahkan dengan berkesan

-

Data Mining merujuk kepada mencari bentuk / pola dalam data dan peraturan penyimpanan drp bentuk yang dikenali (bentuk ini boleh jadi peraturan, daya tarikan, pertalian, aliran atau model ramalan )

-

Data mining digunakan untuk mendapatkan pengetahuan dalam pangkalan data.

-

Menggunakan data di dalam gudang data , data mining boleh menyediakan jawapan kpd soalan mengenai organisasi supaya pembuat keputusan tidak terfikir dahulunya untuk Tanya

Data  item-item mengenai benda, peristiwa, aktiviti dan transaksi yang direkodkan, diklasifikasi dan disimpan tetapi tidak memberikan makna yang spesifik

51

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Pengetahuan  terdiri daripada item data dan/atau maklumat yang diuruskan dan diproses untuk menyampaikan pemahaman, pengalaman, dikumpulkan pembelajaran dan kepakaran supaya boleh digunakan kepada masalah atau aktiviti semasa. b) Teknik Data Mining  utk mengenalpasti bentuk dalam data i) Klasifikasi -

pendekatan untuk mendapatkan peraturan agar mentakrifkan jika sesuatu item itu dipunyai subset tertentu atau kelas drp data.

-

Mensasarkan utk menentukan kelas sebagai betul/tepat , boleh berlaku kpd rekod yang tak kelihatan sebelumnya

-

Teknik ini sesuai dgn data mutlak atau campuran drp kesinambungan data mutlak dan numeric

-

Cth: Insuran yang manakah tuntutan semasanya di dalam proses adalah palsu

ii) Clustering ( Pengelompokan ) -

mengenalpasti kumpulan drp item-item agar serupa di antara satu sama lain

-

semua item dalam satu kluster berkongsi ciri-ciri tertentu

-

boleh digunakan bila ianya sukar utk mentakrifkan ciri-ciri atau parameter ( sempadan) drp kelas

iii) Association ( Persekutuan / Asosiasi ) -

mengenalpasti hubungan di antara peristiwa supaya berlaku pada satu masa

-

mendapati peraturan tanggungan agar dapat meramalkan kejadian daripada satu item berdasarkan ke atas kejadian drp item-item lain.

iv) Sequencing ( Pejujukan ) -

serupa dgn teknik persekutuan kecuali agar hubungan berlaku melebihi tempoh masa.

-

Cth: utk meramal stok perlakuan / pelaksanaan, berdasarkan siri/rangkaian drp pendahuluan peristiwa

v) Regression ( Kemerosotan ) - digunakan utk memetakan data kepada jangkaan nilai - Mengambil set data numeric dan bangunkan formula metamatik agar data lebih mantap - untuk jangka tingkahlaku masa depan, data baru dimasukkan ke dalam formula Pembangun

52

CBSS4103 SISTEM SOKONGAN KEPUTUSAN - bertugas dgn baik dgn data kuantitatif yang berterusan - Cth: menjangka amaun jualan produk baru berdasarkan ke atas perbelanjaan pengiklanan c) Algoritma / Teknologi Data Mining Teknologi

Deskripsi

Analisis

Kaedah ini termasuklah pengunduran linear dan bukan linear, titik

Statistik

penganggaran, Teorem Bayes’s ( agihan kebarangkalian), perkaitan dan anlisis kelompok. Teknologi ini lazimnya digunakan oleh sekutuan dan jujukan

Rangkaian

Teknologi ini bekerja secara serupa untuk bagaimana sel saraf otak

Nauron

manusia berungsi. Ianya memerlukan untuk memeriksa amaun yang besar drp data historical kepada mengenali bentuk-bentuk. Cthnya: kita boleh lihat menerusi pangkalan data yang besar untuk kenalpasti potensi pelanggan untuk peroduk baru. Teknologi ini lazimnya digunakan oleh klasifikasi dan kluster ( pengelompokan)

Algoritma

Teknologi ini adalah satu contoh drp teknologi pembelajaran mesin.

Genetik

Ianya mampu utk memperolehi makna drp data yang rumit dan tidak tepat. Ia bekerja ke atas prinsip utk perluasan drp kesudahan yang berkemungkinan. Dgn memberikan bilangan yang mantap /tetap drp kesudahan yang berkemungkinan , teknologi ini cuba memperoleh keputusan yang terbaik dan baru. Teknologi ini lazimnya digunakan oleh sekutuan dan kluster ( pengelompokan)

Pokok

Struktur berupabentuk pokok yang memmaparkan set drp keputusan.

Keputusan

Teknologi ini membina model ramalan melalui memecahkan set data ke bawah secara terpisah atau kumpulan kecil. Ianya bekerja drp mengeneralisasikan maklumat kepada menambahkan lebih maklumat yang spesifik. Ianya mengandungi nod dasar atau induk yang diikuti oleh nod-nod. Setiap nod dilabelkan dengan soalan. Lengkungan atau keluk disekutukan dgn setiap nod memepersembahkan semua tindakbalas yang berkemungkinan atau kesudahan.

5.4 Visualilasi Visualilasi Data -

merujuk kepada aktiviti yang melalui minda manusia.

-

Keputusan daripada visualisation ialah wawasan dan pemahaman

53

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Turban et al. (2005) : visualisasi data adalah seperti teknologi yang menyokong visualisasi dan kadang-kadang adalah interpretasi drp data dan maklumat pada beberapa point di sepanjang rantaian pemprosesan data. 5.4.1 Perkakasan Visualisasi Data a) Newsmap ( Peta Berita ) -

menunjukkan secara visual hubungan antara data dan bentuk yang tidak dapat dilihat dalam media berita.Ianya membahagikan maklumat ke dalam band-band.Apabila bandband ini dipersembahkan bersama-sama , ianya menampakkan bentuk yang mendasari dalam laporan berita merentasi budaya dan segmen berita dalam perubahan yang berterusan disekeliling glob ( Weskamp, 2003 )

( Dursteler, 2005 ) Newsmap menggunakan beberapa pembolehubah visual untuk menvisualkan kod setiap lapisan berita: i.

Warna : bahagian berita yang berbeza menggunakan warna asas yang berbeza . Kebanyakan berita terkini menunjukkan warna-warna yang cerah sementara yang lebih tua nampaknya gelap

ii.

Bentuk ( Shape ) : setiap bahagian dipaparkan dgn bentuk segi empat

iii.

Saiz : saiz segi empat adalah nisbah kpd perkaitan drp berita-berita

iv.

setiap bahagian daripada berita menunjukkan tekstur tajuk berita dengan mudah dibaca

b) TableLens -

adalah kit pembangunan perisian (SDK)

-

membenarkan pengaturcara untuk intergrasi teknik analisis data visual dipatenkan ke dalam aplikasi perisian dan laman web

Menggunakan beberapa ciri-ciri kekunci pengguna akhir spt: -

Sort ( isih )melalui klik atas kolum

-

Rearrange (susun semula) kolum melalui drag and drop

-

Promote ( Naikkan / Promosi ) kolum kpd cipta subgroup

-

Focus melalui klik ke atas sel atau klik dan heret kepada focus seluruh baris atau berbilang baris

-

Filter ( penapis ): subset kpd mewujudkan set data kecil yang khusus

-

Spotlight data ( Data Tumpuan Utama ) : utk menjejaki perincian maklumat yang di isihkan

54

CBSS4103 SISTEM SOKONGAN KEPUTUSAN c) AVS Software ( Perisian AVS ) -

adalah perisian visualisasi data dibekalkan oleh Advand Visual System (AVS)

-

adalah teknik visualisasi data yang tidak terhad

GLOSARI Data

: fakta mentah atau fakta yang belum diproses utk menyatakan maknanya kpd pengguna akhir.

Ekstraksi Data : komponen yang digunakan utk ekstrak dan mengesahkan data yang diambil drp pangkalan data operasi dan sumber data luaran ( Penyaringan Data ) Model Data : memepersembahkan, biasanya grafik drp struktur data dunia nyata yang kompleks.  digunakan dalam fasa reka bentuk pangkalan data daripada kitar hayat pangkalan data. Pangkalan Data : struktur computer yang menyimpan koleksi drp hubungan data Drill Down : utk menghuraikan data ke dalam komponen yang lebih atom spt data pada tahap rendah drp pengumpulan. Maklumat

: data yang disusun dalam bentuk yang bermakna  mengandungi data yang

ditransformasi dan memudahkan membuat keputusan Pengetahuan

: item data atau maklumat diuruskan dan diproses kpd menyatakan

pemahaman, pengalaman, dihimpunkan pembelajaran dan kepakaran agar boleh digunakan untuk masalah dan aktiviti semasa Pernormalan : proses yang menentukan atribut kepada entity alam begitu rupa dengan kelewahan data dikurangkan atau disingkirkan

55

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Ujian 1

1.

Takrifkan data, maklumat dan pengetahuan. Kenalpasti dua contoh.

Data adalah fakta mentah atau fakta yang belum diproses utk menyatakan maknanya kpd pengguna akhir. Cthnya: Senarai pelajar yang mempunyai Nama, Nombor Matrik,Jantina, Alamat Maklumat adalah data yang disusun dalam bentuk yang bermakna  mengandungi data yang ditransformasi dan memudahkan membuat keputusan Pengetahuan adalah item data atau maklumat diuruskan dan diproses kpd menyatakan pemahaman, pengalaman, dihimpunkan pembelajaran dan kepakaran agar boleh digunakan untuk masalah dan aktiviti semasa

2.

Apakah perbezaan antara gudang data dengan pangkalan data?

Gudang Data : pangkalan data yang besar yang terkandung maklumat bisnes yang membolehkan pengguna akhir mendapatkannya. Data di dalam Gudang Data diuruskan dalam format dan struktur yang memudahkan ekstraksi data, analisis data dan membuat keputusan. Pangkalan data : koleksi drp data yang dihubungkaitkan, diuruskan, dan disimpan utk membenarkan kpd memudahkan dapatan semula data. Strukturnya mestilah bersesuaian dgn keperluan organisasi

3.

Huraikan ROLAP dan MOLAP?

ROLAP: ( Relational OLAP ) -

menyediakan kefungsian OLAP melalui penggunaan pangkalan data hubungan, perkakasan pertanyaan utk simpanan dan analisis data multidimensional

-

terkandung data yang terperinci dan data yang diringkaskan dan membolehkan pengguna melatih tubi set data yang luas.

-

ROLAP trade-off ( tidak melakukan ) antara fleksibiliti dan perlakuan

-

ROLAP memerlukan bilangan yang besar jadual hubungan utk mengendalikan data yang bersaiz besar dan hubungan dimensional.

56

CBSS4103 SISTEM SOKONGAN KEPUTUSAN MOLAP ( MultiDimensional OLAP) -

MOLAP menyediakan kefungsian OLAP melalui penggunaan pangkalan data multidimensional

-

Data yang disimpan boleh dipaparkan dlm data 3D / data kiub

-

Data kiub boleh digunakan kpd kiub n-dimensi / hiperkiub

-

Data kiub adalah static , tidak boleh diubah dan mesti dicipta sebelum boleh digunakan

-

Pertanyaan hanya boleh dibuat pada pra-cipta kiub dgn kenalpasti pemotongan (axes)

4. Takrifkan Data Mining dan senaraikan teknologi utamanya. Data Mining – proses menganalisis data utk mengenalpasti gaya atau hubungannya dalam pangkalan data. Data Mining  proses yang ekstrak maklumat drp pangkalan data yang mana pengguna tidak tahu kewujudannya Teknolgi : Analisis Statistik, Rangkaian Neural, Algoritma Genetik dan Pokok Keputusan

TAJUK 6 : ANALISIS DAN PEMODELAN 6.1 Pengurusan Model Model ( dalam konteks DSS ) adalah seperti pemproses yang membenarkan DSS untuk memproses dengan berkesan input untuk menghasilkan jawapannya kepada pengguna. ModelModel-Driven (MDDSS) bergantung banyak kepada model sesetengah untuk menghasilkan atau mempamerkan hasilnya menjadi pengguna akhir 6.1.1 JenisJenis-Jenis Model a) Model Ikonik ( Skala ) : jenis drp tranformasi linear yang mentransform konfigurasi drp objek seperti replica fizikal system dalam skala yang berbeza drp objek asal  2D / 3D b) Model Analog : adalah model yang mempersembahkan tingkahlaku drp system yang hampir sama dgn persembahan system yang betul.  2D carta atau gambarajah

57

CBSS4103 SISTEM SOKONGAN KEPUTUSAN c) Model Matematik ( Kuantitatif ) : persembahan yang abstrak drp situasi masalah yang wujud  menggunakan bahasa matematik untuk menerangkan tingkahlaku system seperti pengurusan, biological, ekonomik, fizik atau kewangan  graf atau carta 6.2 Kategori Model Keputusan Model dalam Subsistem Pengurusan Model boleh diklasifikasikan kpd empat kategori utama iaitu : Jenis Model

Sokongan

Contoh Keputusan Keputusan

Strategik

Pengurusan Atasan

Merancang utk penggabungan dan

(CEO,CFO,dan CIO)

pemerolehan. Pemilihan lokasi cawangan baru/kilang. Berani mengusahakan e-bisnes Bajet istimewa/ tidak rutin

Taktikal

Pengurusan

Memilih vendor utk perkhidmatan pelayan

Pertengahan (

syarikat.

Pengurus Unit /

Merancang promosi jualan.

Jabatan )

Menentukan susun atur kilang. Bajet modal rutin.

Operasional Pengurusan yang

Menjadualkan kakitangan.

menyokong aktiviti

Mejadualkan pengeluaran.

rutin

Kawalan inventori (menentukan kuantiti pesanan yg ekonomik)

Analitikal

Semua tahap

Kawalan kualiti. Diguna kpd melakukan beberapa analisis data. Cth: Data Mining dan Sains Pengurusan – strategic / taktikal

Kategori Model: Kategori

Objektif dan Proses

Teknik Pewakilan

Pengoptimuman drp

Dapatkan keputusan yang

Jadual Keputusan dan Pokok

masalah dgn alternatif

baik drp jumlah yang kecil

Keputusan

yg banyak

drp alternatif

Pengoptimuman

Dapatkan keputusan yang

Linear dan lain-lain model

melalui algoritma

baik

Pengaturcaraan matematik dan model rangkaian

58

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Kategori

Objektif dan Proses

Teknik Pewakilan

Pengoptimuman

Dapatkan keputusan terbaik

Beberapa model inventori

melalui Formula

dlm satu langkah

Analitikal

menggunakan formula

Simulasi

Mendapatkan keputusan

Beberapa jenis simulasi

terbaik yg mencukupi atau terbaik dikalangan alternatif yang diperiksa melalui penggunaan ekperimen. Heuristik

dapatkan keputusan baik yg

Pengaturcaraan heuristic dan

mencukupi menggunakan

system pakar

peraturan Model-Model Lain

Mendapatkan ‘apa-jika’

Pemodelan kewangan dan

menggunakan formula

garis menunggu

Model Ramalan

Model ramalan dan analisis Markov

Faktor Memilih Model Faktor

Deskripsi

Membuat

tahap untuk dipastikan bahawa sesetengahnya keputusannya ialah

keputusan di

penting, oleh itu tidak wajar untuk di ubah.- diandaikan

bawah kepastian

pengetahuan yg lengkap telah tersedia, pembuat keputusan tahu akibatnya atau hasil drp setiap arah untuk tindakan. Model berdasarkan andaian adalah mudah utk bekerja dgn dan boleh menghasilkan penyelesaian yg optima

Membuat

Ketidakpastian bermaksud syak/was-was: kenyataan yg tidak

keputusan di

pasti. Keadaan, peristiwa, akibat atau suasana yang terhad, nilai

bawah ketidak

atau akibatnya adalah tidak boleh diramalkan atau dijangka. Di dlm

pastian

situasi ini, beberapa hasil boleh berlaku utk setiap arah tindakan. Analisis DSS, semestinya cuba utk menjauhi andaian yang tidak perlu kerana ianya amat sukar utk modelkan situasi sedemikian. Kita harus cuba utk memperolehi maklumat yang lebih, dgn itu masalah akan di modelkan andaian situasi risiko. Perbezaan utk membuat keputusan di bawah risiko, kita tidak jangka/ tahu kemungkinan atau peluang drp kejadian drp hasil yang boleh berlaku.

59

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Faktor

Deskripsi

Membuat

Risiko adalah berkenaan dgn kehilangan / kekurangan. – Risiko

keputusan

juga dikenali sebagai kerangkalian / stokastik situasi membuat

dibawah risiko

keputusan. Risiko boleh diukur. Analisis risiko boleh

( Analisis Risiko)

dipersembahkan melalui menghitung nilai yang dijangka drp setiap alternatif dan memilih satu drp nilai yang dijangka. Beberapa teknik boleh digunakan utk tangani analisis risiko. Analisis ‘Whatif’ adalah kemahiran drp pertanyaan dan manipulasi Model Driven DSS utk menentukan apakah kesan yang akan merubah kebanyakan data input atau pembolehubah bebas.

6.2.1 Analisis Statik dan Dinamik Turban & Aronson, 1998: Analisis Statik  model yang memaparkan penggambaran tunggal drp situasi dalam jarak atau jeda tunggal Deardof, 2001 : Model Statik ekstrak drp proses melalui keseimbangan atau kekuatan optimum dicapai hanya melebihi masa, mahupun kebergantungan daripada pembolehubah-pembolehubah dalam model itu sendiri ke atas perubahan masa lalu atau pd masa depan. Analisis Dinamik  model agar suatu masa bergantung kepada model. -

digunakan untuk menilai situasi atau scenario agar merubah masa yang berlebihan.

-

Ianya penting kerana memaparkan aliran dan bentuk keperluan, pengeluaran atau jualan yang melebihi masa.

6.3 Membina Model Pengesahan Model  adalah proses dalam membandingkan output model dengan tingkahlaku sebenar drp fenomena yang dimodelkan.

60

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Kitar Hayat Pemodelan : Tugas

Sasaran

Mekanisma

Mengenalpasti Masalah

Kenyataan masalah

Proses penghujahan

tepat,jelas Mencipta Model

Implementasi Model

Kenyataan drp model

Formulasasi

diperlukan utk

Intergrasi

menjelaskan masalah

Modifikasi dan Pemilihan Model

secara matematik

Komposisi

Pernyataan

Pembangunan Program Ad-hoc

kebolehlaksanaan

Mengguna bahasa pengkhususan

komputer daripada

tahap tinggi.

model

Mengguna model pengkhususan penjana program

Pengesahan Model Penyelesaian Model

Maklumbalas drp

Analisis simbolik drp atribut seperti

pengesah

dimensi dan peraturan sintaks unit

Maklum balas drp

Pelaksanaan dan penjilidan

penyelesai

Penyelesai penjujukan dan pelaksanaan skrip kawalan

Interpretasi Model

Model Kefahaman

Analisis Struktur

Model Mengawas silap

Analisis Sensitiviti

Model analisis keputusan Penyenggaraan Model

Menyemak kenyataan

Penyebaran simbolik drp perubahan

masalah dan model utk struktur menggambarkan perubahan/tanggapan Keselamatan / Versi

Menyenggara dgn

Versi

Model

betul dan konsisten,

Kaedah Kawalan Akses

Versi-versi model, Memastikan kekuasaan/hak utk akses

61

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.4 Gambarajah Influence ( Pengaruh ) - pengurus biasanya suka melihat hasil yang mudah untuk difahami, senang digunakan dan tidak memerlukan banyak klasifikasi. Howard and Matheson (1998); Influence Diagram (ID)  perkakasan formal untuk model keputusan masalah untuk pembuat keputusan dan analisis Carta Alir ( Flowchart)  persembahan grafik yang digunakan untuk paparkan aliran pengaturcaraan semasa proses analisis dan reka bentuk Influence Diagram (ID) (ID  teknik pemodelan yang digunakan apabila membuat pengaturcaraan – ianya digunakan untuk memetakan rekabentuk model dengan persembahan grafik drp model digunakan untuk membantu di dalam rekabentuk model, pembangunan dan pemahaman Pemodelan ID

Diskripsi

a) Certain

- Anak Panah = pengaruh (influence)

Influence

- Pembolehubah disambungkan oleh anak panah yang

(Pengaruh

menunjukkan arah/arahan drp pengaruh.

Tertentu)

- anak panah pengaruh bermakna bahawa itu nilai daripada pembolehubah mempengaruhi dalam set pertama dan digunakan

b) Uncertain

menentukan tahap pembolehubah yang dipengaruhinya.

Influence

- certain influence dgn anak panah lurus - uncertain influence dgn anak panah tidak lurus

Bayar Muka

Pembolehubah keputusan dipaparkan oleh segi empat Pembuat keputusan berkuasa utk kawal lain-lain pembolehubah Notasi bulatan adalah paparan seperti tidak dapat dikawal atau

cukai

pengantara pembolehubah. Simbol itu mentakrifkan pembolehubah yang mana tidak pasti dan pembuat keputusan tidak boleh kawalnya secara terus Bulat bujur menandakan atribut atau keputusan pembolehubah

Bayaran Bulanan

62

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.4.1 Certain Influence ( Relationship) : Pengaruh Yang Pasti ( hubungan) -

ID memaparkan arahan drp pengaruh (hubungan) antara pembolehubah dengan anak panah

-

Anak panah lurus  pengaruh tertentu mungkin digunakan walaupun pengaruh pembolehubah adalah pembolehubah rawak

Bayar Muka

Bayaran Bulanan

6.4.2 Certainty Influence with Random (Risk) Variable ( Pengaruh Kepastian dengan Pembolehubah Rawak ( Risiko) -

perlu membezakan situasi yang mana semua ketidakpastian dalam pembolehubah adalah wajar untuk ketidakpastian dalam pembolehubah terdahulu ( tiada garis beralun pada anak panah) drp pembolehubah yang diketahui dengan kepastian perlu pengaruh ketidakpastian ke atas yang lain ( anak panah tidak lurus )

Belanja Berubah

Pendapatan

Menjelaskan garis lurus drp pengaruh antaranya menunjukkan bahawa jika tahap drp Belanja Berubah dijumpai , Pendapatan akan diketahui juga. 6.4.3 6.4.3 Uncertainty (Risk) Relationship ( Hubungan Ketidakpastian ( Risiko ) ) Situasi penting di mana kewakan dalam pembolehubah adalah wajar kedua-duanya untuk kerawakan dalam mempengaruhi pembolehubah dan pengaruh tidakpasti.

Harga Kereta

Jualan Kereta

Memilih harga untuk model baru Proton adalah pembolehubah keputusan

63

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.4.4 Uncertainty (Risk) Relationship with Random Variable ( Hubungan Ketidakpastian (Risiko) dengan Pembolehubah Rawak)

~ Permintaan

Penyerahan

Pembolehubah Permintaan dan Penyerahan akan menjadi ketidakpastian kerana mempengaruhi pembolehubah adalah rawak atau pengaruh adalah rawak. Untuk itu, tidak ditandakan Penyerahan dengan tilde (~) . Tilde hanya digunakan ke atas pembolehubah di mana dimulakan kerawakan. 6.4.5 Influence Diagram Examples ( Contoh Gambarajah Influence Influence )

Tahap Usaha

Gred

CGPA

Tukar Loan

Peringatan Tunai

Kos Cukai Kerajaan = 0.005 ( Harga Produk ) Harga Produk = RM 15 + Cukai Kerajaan

Kos Cukai

Harga Produk

64

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.5

Analisis Keputusan

 disiplin daripada menilai alternatif-alternatif kompleks dari segi nilai-nilai dan ketidakpastian 6.5.1 Decision Trees ( Pokok Keputusan ) Whitepaper (2000) : merupakan jalan mudah bagi mewakili dan memproses klasifikasi pengetahuan / pengalaman.

RM40,000

Pasaran buruk (0.6)

Sewaan Baru Ganjaran

Pasaran Baik (0.4) Bina semula

RM 80,000

Tiada Risiko

RM 85,000 Izin sendiri

OK (0.8)

RM 100,000

Gagal (0.2) -RM20,000

65

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.5.3 Payoff Table ( Jadual Ganjaran ) Analisis Keputusan adalah proses agar membolehkan pembuat keputusan untuk memahami hakikat daripada situasi dan risiko-risiko dan membenarkan pembuat keputusan untuk memutuskan sedikit dan kebanyakan pilihan daripada set daripada alternatif keputusan yang boleh berlaku.

Elemen drp masalah analisi keputusan ialah: a.

hanya seorang individu yang bakal dilantik sebagai pembuat keputusan Cthnya, CEO, COO atau pengurus syarikat

b.

bilangan yang terhad drp peristiwa yang mungkin berlaku ( masa depan ) adalah dipanggil ‘States of Nature’ ( set drp scenario yang boleh berlaku )

c.

bilangan yang terhad drp alternatif keputusan yang mungkin berlaku ( cthnya, tindakan ) adalah tersedia untuk pembuat keputusan

d.

Ganjaran ( pulangan atau hasil drp keputusan ) adalah elemen bila mana kombinasi yang berbeza drp keputusan dan ‘state of nature’ ( ketidakpastian) menghasilkan ganjaran yang berbeza. Ganjaran biasanya dipaparkan dalam jadual. Dalam analisis keputusan ganjaran dipaparkan melalui nilai positif (+) untuk pendapatan bersih, gaji, atau keuntungan dan nilai negatif (-) untuk belanjawan, kos, atau kerugian bersih

analisis memerlukan ketelitian yang lebih kerana ianya bukannya mudah untuk membentuk matrik tersebut. Kesilapan yang biasa dalam analisis keputusan ialah : i.

salah tanggapan

ii.

tidak mempunyai tanggapan yang tepat drp kemungkinan

iii.

bergantung kepada jangkaan

iv.

susah dalam mengukur fungsi utility

v.

kesilapan ramalan

66

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Komponen drp model kemungkinan Peristiwa

Model Matematik

Tindakan

Ganjaran ( ulangan )

6.5.4 Jadual Keputusan Turban et.al (2004)  seperti satu langkah mudah untuk mengurus maklumat dalam cara yang sistematik. -

digunakan untuk model logik yang komplikated (rumit )

-

seperti struktur kawalan yang dipelajari dlm kursus pengaturcaraan seperti kenyataan ififthenthen-else dan switchswitch-case

-

Kenyataan di dalam Jadual Keputusan adalah conditions ( syarat/keadaan) dan actions (tindakan) Penyelesaian Masalah Pencetak

Condition Dokumen tidak boleh dicetak

Y

Y Y

Y

Pencetakan lambat

-

-

-

N Y

Y

Font hilang / tidak seperti dipaparan

-

-

-

N Y

N Y

Actions

N N N N N N N

skrin Periksa kabel power

X

Periksa / tukar kabel pencetak-

X

X

X

X

X

X

komputer Pastikan driver pencetak diinstal Periksa /tukar katrij powder

X

X

67

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.6

Kaedah / Cara Menyelesaikan Masalah

Tiga Kenyataan Drp Penyelesaian Masalah Kenyataan Mustahil / gagal

Dalam pencarian langkah2 untuk kenyataan penyelesaian, kenyataan2 dgn terdapat kenyataan dengan kepunyaan tersebut bahawa jika pernah dipertemukan, penyelesaian masalah adalah dipertimbangan kegagalan

Kenyataan Penyelesaian / sasaran

Kenyataan di mana permulaan episod yang disediakan drp penyelesaian masalah

Kenyataan awal

Kenyataan di mana permulaan episod yang disediakan drp penyelesaian masalah

Pendekatan untuk mencari, bergantung kpd jenis masalah untuk diselesaikan dan jenis pendekatan pemodelan : a. Optimisation / Analytical Technique ( Teknik Analitikal / Pengoptimistik ) b. Blind Search ( Penyelidikan / Pencarian Rabun ) c. Heuristic Search ( Penyelidikan / Pencarian Heuristik )

68

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.6.1 Teknik Analitikal Analitikal -

menggunakan formula matematik untuk mendapatkan penyelesaian optima bagi menjangkakan laporan/keputusan.

-

Yang digunakan terutamanya untuk menyelasaikan masalah berstruktur seperti penganggaran, peramalan, analisis siri-masa dan pemodelan

-

Penganggaran, peramalan dan analisis siri-masa biasanya berdasarkan teknik pengunduran linear

-

Perkakasan EIS/DSS menyokong pemodelan umumnya menyediakan penganggaran, simulasi dan teknik peramalan agar operasi ke atas pembolehubahn nonlinear

-

Peramalan dan analisis bersiri-masa berbeza drp teknik penganggaran mudah dalam pada itu trend masa depan atau terdahulu dijangka berdasarkan data historical

-

Apabila masalah tidak berstruktur ( terlalu kompleks) , pendekatan pencarian/penyelidikan heuristic dan blind digunakan

6.6.2 Blind Search ( Penyelidikan / Pencarian Rabun ) -

juga dipanggil pencarian tidak dimaklumkan (uninformed search ) adalah pencarian/penyelidikan yang tiada maklumat mengenai domainya

-

hanya boleh lakukan ialah mengenali kenyataan bukan sasaran daripada kenyataan sasaran.

-

Algoritma drp pencarian kelebaran pertama (Breadth-First Search-BFS) melibatkan penggunaan giliran / barisan untuk pencarian.

Giliran ( queue)  adalah senarai di mana nod-nod selalunya ditambahkan kpd penghujung senarai tetapi dipindahkan drp hadapan

69

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 6.6.3 Heuristic Search ( Penyelidikan / Pencarian Heuristik ) -

algoritma atau perisian merupakan cawangan kecerdasan tiruan yang menggunakan heuristik, ( peraturan kewarasan daripada pengalaman untuk selesaikan masalah )

6.7 -

Sistem Sistem Pemodelan sistem komputer yang menerima model keperluan pengguna, menterjemahkannya ke dalam bentuk yang boleh diterima untuk penyelesai, memohon penyelesai dan terjemahkan output drp penyelesai semula ke dalam bentuk yang boleh diinterpretasikan oleh pemodel

70

CBSS4103 SISTEM SOKONGAN KEPUTUSAN GLOSARI Decision Support ( Sokongan keputusan)

: penggunaan data, model dan analisis utk memberi

pemahaman yang membantu membuat keputusan Management Science ( Sains Pengurusan ) : aplikasi yang sistematik drp proses pemodelan kepada situasi pengurusan Model : persembahan drp beberapa aspek yang reality Model Base ( Pangkalan Data ) : koleksi drp jenis-jenis model yang diisikan dalam media storan elektronik dan boleh dicapai kpd pengguna dan program Modelling Language ( Bahasa Pemodelan ) : notasi kebolehlaksanaan komputer formal yang boleh digunakan untuk menjelaskan konsep yang abstrak drp rangka kerja. Parameter

: pembolehubah yang nilainya tidak ditentukan oleh pembuat keputusan

Physical Model ( Model Fizikal )

: model seperti model kereta yang komponennya adalah

artifak fizikal drp ciri-ciri entity sebenar. Problem ( Masalah )

: penerangan mengenai sesuatu yang boleh dilakukan dengan keadaan

Ujian 1 1. Apakah Sistem Pengurusan Pangkalan Model? Sistem Pengurusan Pangkalan Model ialah mengurus pelbagai peralatan analitikal DSS, boleh membezakan dlm nombor, saiz dan kompleksiti. Fungsi utamanya:
Memodelkan bahasa : utk cipta model keputusan mula dari asas atau drp model sedia ada – mekanisma utk link dgn pelbagai model kpd membenarkan utk pemprosesan berturutan atau pertukaran data
Model Perpustakaan : simpan dan uruskan semua model dan penyelasaian algoritma utk mudah akses dan manipulasi
Model manipulasi : mengurus dan selenggara model asas dgn fungsi yg sama dgn apa yg didapati dlm DBMS spt run, stor, pertanyaan, padam, link dll)

71

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 2. Jelaskan mengapakah menyelesaikan masalah di bawah ketidak pastian kadang-kala melibatkan pengandaian bahawa masalah itu perlu diselesaikan di bawah keadaan drp risiko? Analisis DSS, semestinya cuba utk menjauhi andaian yang tidak perlu kerana ianya amat sukar utk modelkan situasi sedemikian. Kita harus cuba utk memperolehi maklumat yang lebih, dgn itu masalah akan di modelkan andaian situasi risiko. Perbezaan utk membuat keputusan di bawah risiko, kita tidak jangka/ tahu kemungkinan atau peluang drp kejadian drp hasil yang boleh berlaku.

TAJUK 7 : QUANTITATIVE ANALYSIS AND MODELLING ( Pemodelan dan Analisis Kuantitatif ) Pengenalan Turban & Aronson (2001) menegaskan bahawa satu drp ciri-ciri utama DSS adalah mengambilkira sekurang-kurangnya satu model. Model Analitikal dan Matematik adalah komponen dominan ( paling utama ) dalam ModelModelDriven DSS (MDSS) kerana model-model digunakan oleh pembuat keputusan untuk memahami sifat-sifat semulajadi masalah. Pembuat keputusan boleh menjalankan ujian dan analisis ke atas model drp kenyataan sebenar lebih tepat drp system yang nyata. 7.1

Model Keputusan

Apabila membuat keputusan terlalu kompleks dan kepentingannya pada tonggak terlalu berisiko, kerapkalinya tidak pasti apa untuk diputuskan. -

sering ke teknik sokongan keputusan yang tidak formal seperti bertanya kepada rakanrakan

-

proses membuat keputusan mudah yang dihasilkan model keputusan dgn hanya dua alternatif, dikenali sebagai Manicheanism

Manicheanism Manicheanism membahagikan semua/ setiap satu dalam dunia ke dalam diskret (berlainan) atau polar yang bertentangan seperti baik atau/dan buruk.

72

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Decision Science ( DS ) yang juga dikenali Operations Research (OR), Quantitative Analysisi (QA), dan Management Science (MS) adalah sains membuat keputusan. Quantitative Analysisi (QA) atau OR/MS adalah aplikasi drp kaedah membuat keputusan kepada membuat keputusan. Kuantitatif bermaksud yang pendekatan ini berdasarkan pemodelan matematik. Ianya adalah pendekatan sains untuk automasi kongsian drp membuat keputusan pengurusan. 7.2

Model Matematik

a) Apakah itu Model? Model adalah pemisahan atau ringkasan / synopsis drp situasi keputusan dunia nyata. b) Matematik Sebagai Bahasa Universal Drp Pemodelan Paling meluas digunakan model-model ialah bahasa percakapan atau dikenali sebagai model naratif. Contohnya : laporan verbal, atau penulisan dokumen adalah model tengah/pusat untuk kesedaran. Model Verbal adalah terjemahan daripada model mental - Ianya menjelaskan semua hubungan kefungsian antara pembolehubah dalam laluan perkataan - Percakapan dan penulisan dokumen adalah seperti transkrip temu ramah, kajian kes, manual dan lain-lain model. - Pembinaan model melibatkan pembahagian yang terbaik drp model verbal. - Disebabkan drp anekaragam dan batasan manusia drp komunikasi dan kemahiran menulis, para saintis menggunakan matematik dan logik bagi membolehkan manusia utk menyatakan dan seterusnya berkomunikasi dgn efektif idea-idea mereka. - Matematik adalah hanya bahasa yang dikongsi oleh semua manusia tanpa mempedulikan bangsa, budaya dan jenis jantina.

73

CBSS4103 SISTEM SOKONGAN KEPUTUSAN c) Pemodelan -

Pemodelan melibatkan perubahan masalah bisnes ke dalam struktur prototaip yang

bersesuaian seperti model matematik. -

Proses perubahan melibatkan pemprosesan dan pemanipulasian data mentah ke dalam

maklumat yang lebih bermakna -

model matematik diubahkan ke dalam versi elektronik atau model computer

menggunakan sama ada pakej perisian statistic, perisian ramalan, pakej pemodelan atau perkakasan pengguna akhir seperti Microsoft Excel - adalah perlu untuk ‘customize’ model-model menggunakan perkakasan dan bahasa pengaturcaraan seperti C++, Java atau Visual Basic. d) Peranan ModelModel-Model Matematik - Model Matematik digunakan untuk analisis - nilai drp kekunci pembolehubah atau parameter model boleh diubahkan berulang-ulang - Perubahan dibuat untuk menunjukkan perubahan dan ketidakpastian dalam sebarang situasi keputusan seperti pemintaan dan penawaran, system penggiliran, pengeluaran, ekonomi, kos dan faedah dan sebagainya - Output atau keputusan daripada menggunakan model masih perlu dianalisis dan dinilai oleh pembuat keputusan kerana MDDSS bukanlah system pembuatan keputusan, ianya hanya menyokong proses pembuatan keputusan oleh manusia e) Pangkalan Model - keperluan untuk pembuat keputusan akses kepada pelbagai model dan menbantu dalam membuat keputusan.

74

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 7.2.1 Klasifikasi Model Matematik Marakas , 1999: JenisJenis-Jenis Model Simulation

CiriCiri-Ciri -

( Simulasi )

gabungkan ketidakpastian ke dalam strukturnya. Sekurangkurangnya satu drp pembolehubah adalah tidakpasti dan dijelaskan oleh beberapa fungsi kemungkinan

-

bila membina model stokastik , pembuat keputusan mengagih nilai input drp satu atau lebih pembolehubah disekitar beberapa nilai bermakna dan pembolehubah output ambil bentuk drp pengagihan frekuensi lebih drp nilai set diskret

-

teknik pemodelan stokastik termasuklah teori permainan, teori giliran, pengunduran linear, analisis siri masa, analisis laluan, dan pengunduran logistic atau analisis logik.

Deterministic

-

( Ketentuan )

digunakan apabila konteks masalah adalah hibrik (kepelbagaian) ; yang bermaksud beberapa komponen kontek keputusan adalah berketentuan, beberapa lagi stokastik, dan beberapa lagi gabungan kedua-duanya.

-

Dibangunkan utk membenarkan kombinasi pelbagai model

-

Menguruskan satu atau lebih eksperimen yang menguji pelbagai keputusan hasil drp kombinasi pemodelan sub-sistem ke dalam persekitaran dinamik

-

Mencontohi reality

-

Model simulasi biasa adalah pemodelan pengeluaran, pengangkutan dan logistic dan ekonomik

Domain Specific

-

Domain Tertentu / Khusus

pembolehubah hanya mengambil satu nilai pada sebarang masa pengambilan

-

model berketentuan termasuklah pengaturcaraan linear, pengaturcaraan bukan linear, persamaan-perbezaan

Stochastic

-

( Stokastik)

set drp teknik pemodelan matematik abstrak dibangunkan untuk melayan satu medan tertentu

-

Cthnya: model pembekalan dan permintaan adalah model unik digunakan oleh para ekonomi. Lain-lain domain yang dikenali sebagai penyelidikan operasi, sosiologi, ekologi, perubatan, dan meteorology yang dibangunkan dgn teknik pemodelan abstrak tersendiri.

75

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 7.2.2 Komponen Drp Model Matematik Terdiri daripada tiga komponen iaitu: a. Decision Variables ( Pembolehubah Keputusan ) b. Uncontrollable Variables ( Pembolehubah Tidak Tidak Dapat Dikawal ) – ‘and’ / ‘or’ parameter. c. Result ( outcome ) Variables ( Pembolehubah Hasil / Keputusan )

Hubungan Matematik

Pembolehubah Keputusan

Pembolehubah Tidak Dapat Dikawal

Pembolehubah Hasil

Contoh Pembolehubah: Bidang

Pembolehubah

Pembolehubah

Pembolehubah & Parameter

Keputusan

Hasil

Tidak Dapat dikawal

Pelaburan

Alternatif

Keuntungan

Kadar inflasi

Kewangan

Pelaburan.

kesemuanya.

Kadar asas.

Amaun

Kadar pulangan.

Persaingan.

pelaburan.

Ganjaran

Jangkamasa

perkongsian.

labor.

Tahap kecairan

Bila melabur. Pembuatan

Apa yang

Kos

Kapasiti mesin.

dihasilkan.

kesemuanya.

Teknologi.

Jumlah hasilan

Tahap kualiti.

Sifat dan material

Tahap inventori

Pekerja

Sumber harga

Program pampas

Kepuasan.

an.

76

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Bidang

Pembolehubah

Pembolehubah

Pembolehubah & Parameter

Keputusan

Hasil

Tidak Dapat dikawal

Pemilihan kereta

Jenis kereta.

Bayaran bulanan

Kadar cukai

keluarga.

Jenama kereta

Kadar faedah

Harga pembelian Jangkamasa pembayaran. Institusi kewangan Penjadualan

Bilangan pelajar

Kelas

Pensyarah

Jadual kelas

Bilangan dewan kuliah Bilangan kelas

Tempat Masa a)

Pembolehubah Keputusan dan Hasil ( Result & Decision Variables)

Pembolehubah Hasil ( Result Variables )  ialah pembolehubah yang menggambarkan drp keberkesanan sistem dan pembolehubah keputusan yang menghuraikan arah/haluan alternatif drp tindakan. Cth: seseorang memilih kereta, pertamanya membuat keputusan berapa banyak dia perlu bayar sebulan  analisa jenama  menentukan untuk bayar RM900 – RM 1200 sebulan tetapi hanya sanggup bayar 10% drp harga kereta  menentukan pilihan Proton Perdana atau Toyota Altis b)

Parameter atau atau Pembolehubah Tidak Dapat Dikawal ( Uncontrollable Variables or

Parameter )  ialah faktor-faktor mempengaruhi keputusan pembolehubah, tetapi bukan di bawah kawalan drp pembuat keputusan  factor-faktor ini boleh jadi tetap ( parameter ) atau berubah-ubah ( pembolehubah ) Cth: kadar faedah pinjaman kereta, adalah tetap tetapi boleh memilih institusi kewangan yang diingini

77

CBSS4103 SISTEM SOKONGAN KEPUTUSAN c)

Pembolehubah Hasil Yang Sederhana ( Intermediate Result Variables )

 ialah terdapat menggambarkan bahawa keputusan drp hasil yang sederhana Cth: pengurus perlu memutuskan yuran kursus professional ( pembolehubah hasil)  keputusan pengurus akan mempengaruhi keseluruhan drp pelajar yang mendaftar ( hasil pertengahan )  yang kemudiannya menentukan keuntungan bersih ( keputusan akhir ) 7.3 Analisis Sensitiviti  adalah satu analisis yang dijalankan untuk mencapai kesan bagi perubahan di dalam data input atau parameter pada pembolehubah hasil. Cth: Apakah kesan drp perubahan dalam harga petrol dan disel kpd keuntungan bersih runcit. Analisis Sensitiviti adalah amat penting dlm DSS kerana ianya menyediakan pemahaman yang terbaik drp model keputusan

Dua jenis analisis sensitiviti : a. Analisis Sensitiviti Automatik  dilaksanakan dalam implementasi model piawaian ORMS ( Operational Research / Management Science ) seperti pengaturcaraan linear b. Trial and Error ( eksperimen ) belajar drp kesilapan  menggunakan dua jenis eksperimen iaitu ‘what-if’ dan mencari / memperoleh sasaran Analisis ‘What‘What-if’ adalah distrukturkan seperti “ Apa akan berlaku kepada penyelesaian/jawapan jika pembolehubah input atau andaian atau nilai parameter diubah” Analisis Mencari Sasaran  menghitung nilai-nilai drp input-input yang mustahak untuk menghasilkan tahap yang diingini ke atas output ( sasaran ) 7.4

Deterministic Model ( Model Penentuan ) : break even point ( meleraikan titik yg rata )

Break – Even – Point ( BEPs) ialah titik jumlah jualan di mana jumlah keseluruhan pendapatan dan Jumlah keseluruhan perbelanjaan ialah sama ; yang di mana terdapat untung tidak juga hilang -

untuk produk, jenama atau syarikat adalah titik di mana jumlah keseluruhan pendapatan sama jumlah keseluruhan kos.

78

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 7.4.1 Spreadsheet Based BEP 7.5 -

Stochastic Model : Queuing Management ( Pengurusan Bergilir/Berbaris ) teori pengurusan berbaris adalah penting untuk mencipta jadual, rekabentuk kerja, pengurusan inventori dsbnya

-

teori berbaris : kajian drp menunggu barisan  satu drp yang tertua dan paling meluas digunakan teknik analisis kuantitatif.

7.5.1 CiriCiri-Ciri Sistem Berbaris
the arrival ( ketibaan ) atau input untuk menunggu system barisan
the waiting line itself ( menunggu barisan sendiri )
the service facility ( kemudahan perkhidmatan ) a) CiriCiri-Ciri Ketibaan/Kedatangan Ketibaan/Kedatangan i.

saiz drp penduduk : saiz penduduk dipertimbangkan kepada sama ada unlimited ( tidak terhad ) ; infinite ( tidak tentu ) atau limited ( terhad ) : finite ( terhad ) Cth : Unlimite  kereta yang tiba di pondok rehat lebuhraya PLUS; Limited  pengguna siberkafe terhad kpd bilangan PC

ii.

corak kedatangan pada system : pelanggan sama ada tiba di kemudahan Perkhidmatan mengikut jadual ( Cth: Pensyarat sediakan jadual hanya seorang pelajar diberi nasihat setiap setengah jam ) atau kedatangan secara rawak. Kekerapan masalah-masalah giliran, Jumlah kedatangan boleh dianggarkan bagi setiap unit bagi sesuatu masa boleh dijangkakan oleh pengagihan kemungkinan dikenali sebagai pengagihan poisson. poisson

iii.

Akhlak atau tingkahlaku kedatangan : Kita perlu membuat anggapan ke arah tingkah laku orang yang menunggu baris. - perlu mengandaikan bahawa pelanggan tidak keberatan atau mungkin janji. Balking ( keberatan / tidak mahu tunggu ) , Renege ( seseorang itu menunggu dalam barisan, tetapi beberapa minit kemudian mengambil keputusan untuk meninggalkan barisan )

b.

CiriCiri-Ciri Menunggu Dalam Barisan

-

jarak masa barisan menunggu sama ada terhad atau tidak terhad

-

disiplin barisan menunggu ( First-In-First-Out : FIFO ) atau ( First-In-Last-Out) , ianya bergantung kepada situasi.

79

CBSS4103 SISTEM SOKONGAN KEPUTUSAN c.

CiriCiri-Ciri Kemudahan Perkhidmatan

-

tatarajah sistem perkhidmatan

-

corak drp masa perkhidmatan

i)

Contoh tatarajah sistem sistem perkhidmatan

Tatarajah /

Contoh

Konfigurasi Sistem Saluran

Hanya disediakan satu pelayan sahaja. Cth: Kaunter pandu masuk

Tunggal

McDonald’s, hanya mempunyai satu kaunter sahaja

Sistem Perkhidmatan

Mempunyai banyak saluran , cthnya bank ada banyak kaunter

Multi Saluran Sistem Fasa Tunggal

Gerai ‘Mamak’ yang mana individu tersebut yang mengambil pesanan dan juga yang memberikan makanan dan mengambil bil

Sistem Multi Fasa

Pusat kesihatan, kita harus daftar pada kaunter pendaftaran, dan kemudiannya menunggu untuk dipanggil oleh jururawat, berjumpa doctor untuk rawatan, mengambil resit ubat dan seterusnya membayar bil.

80

CBSS4103 SISTEM SOKONGAN KEPUTUSAN ii.

Perkhidmatan Semasa Pengedaran

berapa lama seorang doktor diagnosis seorang pesakit atau berapa lama mekanik memasang radio yang baru di kereta anda, ialah corak ketibaan Pelanggan. Masa Perkhidmatan ialah disebarkan secara rawak 7.5.2 Contoh Pengedaran Poisson kemungkinan k kedatangan masanya t :

λ kadar kedatangan unit semasa t panjangnya tempoh masa e = 2.7182818 k! = k(k-1)(k-2)(k-3)… (3)(2)(1)

P(X) = kemungkinan daripada kedatangan X

7.5.3 Kos dan Keberkesanan Drp Perkhidmatan Chase et.al ( 1998) : Objektif asas drp pengurusan barisan menunggu adalah untuk mengimbangi kos drp barisan menunggu dgn kos untuk menambahkan sumber-sumber yang lebih. Cthnya: Cthnya MobileVending Sdn. Bhd. Membekalkan penjualan perkhidmatan ‘top-up’ untuk syarikat-syarikat telekomunikasi seperti Maxis, Celcom, Digi dan TmNet kepada universitiuniversiti di sekitar Lembah Kelang di mana pelajar-pelajar boleh membeli kad ‘top-up’ daripada mesin-mesin yang disediakan. Dalam pada itu, pihak syarikat perlu membaiki masalah secara berterusan. Mesin mengalami masalah purata 5 kali sejam . Kos masalah ialah RM27/jam bagi setiap mesin dan setiap juruteknik mengambil RM6 sejam. Seorang juruteknik boleh servis mesin dgn purata 7 mesin sejam, diagihkan dgn banyak dan pasukan dri dua pekerja boleh membuat 9 mesin sejam. Situasi keputusan pengurusan adalah untuk mengenalpasti bilangan optimum drp juruteknik untuk servis mesin tersebut.

81

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Purata bilangan mesin dalam system ialah 5/ 7-5 = 5/2 = 2.5 Kos kerosakan/ masalah ( 2.5 X RM27)

= RM 67.50

Buruh ( 1 juruteknik X RM 6)

= RM 6.00

Jumlah

= RM 73.50

7.6 -

Simulasi simulasi adalah satu teknik bagi menjalankan ujikaji yang menguji berbagai hasil daripada kombinasi sub-sistems yang dimodelkan ke dalam persekitaran dinamik.

-

Secara umumnya merujuk kepada teknik untuk meniru perkataan nyata secara matematik, kemudian melakukan ujikaji kepadanya dengan sebuah komputer

7.6.1 Simulasi Monte Carlo -

simulasi ini boleh digunakan apabila satu sistem mengandungi unsur-unsur yang menunjukkan secara kebetulan dalam tingkah lakunya.

-

Asas simulasi ini ialah pengujikajian pada unsur-unsur itu secara kebetulan ( kebarangkalian )melalui pensampelan rawak.

Render & Stair 2000 , lima langkah mudah teknik ‘break down’ : i.

meningkatkan satu pengagihan kemungkinan kpd pembolehubah-pembolehubah penting.

ii.

membina satu pengagihan kemungkinan berganda / kumulatif untuk setiap pembolehubah dalam langkah i

iii.

Menubuhkan jarak/ perbezaan drp bilangan rawak untuk setiap pembolehubah

iv.

Menghasilkan bilangan rawak

v.

Simulasi sebenarnya satu siri ujian.

7.6.2 Kajian Kes Servis Servis Kelisa 7.7

Pengurusan Permintaan / Tuntutan : Peramalan

Peramalan ( forecasting) merupakan jangkaan drp nilai pembolehubah( atau set daripada pembolehubah-pembolehubah ) pada sesetengah titik masa hadapan dalam satu masa.

82

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Render & Stair (2000) memastikan kita bahawa latihan peramalan menyediakan satu bantuan pembuat keputusan dan dalam merancandkan masa depan. Semua latihan ke atas andaian adalah jika kita yang dapat meramalkan apa masa depan akan berlaku, kita boleh menyesuaikan tingkah laku kita sekarang yang lebih baik berbanding sebaliknya dan bila masa depan akan tiba/dating. Terdapat banyak aplikasi untuk peramalan seperti peramalan permintaan untuk produk, peramalan maklumat kewangan seperti kadar faedah, kadar tukaran, harga kongsian, dll

enisJenis -Jenis Yang Berbeza Drp Kaedah Peramalan Kaedah

Deskripsi

Kaedah Kualitatif

Apabila tiada data yang dibenarkan agar boleh digunakan untuk meramalkan masa depan ; ini bermakna tiada model matematik formal. Metodologi ini cuba utk mennerangkan fenomena yang perlu dikaji tanpa menggunakan kaedah kuantitatif. Cthnya: cerita atau petikan daripada perbincangan.

Kaedah Regresi /

Pendekatan analisis data yang digunakan utk meramalkan satu

Pengunduran

pembolehubah melalui pengetahuan satu atau lebih lain-lain pembolehubah. Analisis Regresi digunakan utk jawapan soalan seperti “berapa baik yang dapat saya meramalkan nilai-nilai satu pembolehubah, seperti kekerapan permintaan (Y), oleh mengetahui nilai-nilai drp pembolehubah lain seperti perbelanjaan ke atas pemasaran (bajet) dan atau harga keseluruhan jualan (X)?”

Kaedah Pelbagai

Di mana Terdapat sejumlah kebergantungan pembolehubah-

Persamaan

pembolehubah yang berinteraksi dengan satu sama lain melalui siri persamaan ( seperti dalam Model Ekonomik )

Kaedah Siri Masa

Di mana mempunyai pembolehubah tunggal yang dinamik dan yang nilai masa hadapan berhubungan dalam beberapa segi kepada nilai masa lalunya. ( perubahan sepanjang masa )

7.7.1 Causal Forecasting Methods ( Kesan / Akibat Kaedah Peramalan ) - adalah teknik untuk kita bagi menyiasat satu atau lebih persekutuan pembolehubah dgn pembolehubah yang diramalkan.

83

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Cth: Cth jualan suratkhabat mungkin dikaitkan kpd promosi yang mana adakal bajet pengiklanan adalah strategi yang baik, harganya yang 20 sen lebih murah drp persaingan terdekat dan bahkan isu-isu sensasi dan ekonomi. Jualan suratkhabar dipanggil Dependent Variable ( pembolehubah bergantung ) dan pembolehubah yang lain dikenali pembolehubah tidak bergantung. Oleh itu apabila mendapati pembolehubah dihubungkan, perlulah membina model statistic untuk meramal kepentingan pembolehubah iaitu Jualan. Kebiasaan model akibat kaedah peramalan ialah Analisis Pengunduran 7.8 Kelebihan Pemodelan Matematik a. model boleh menjelaskan kenyataan dengan tepat. Jika diformulakan dgn betul, model boleh menjadi benar-benar tepat dalam mewakili sistem dunia sebenar b. model boleh menolong pembuat keputusan merumuskan masalah-masalah c. model boleh memberi kita pemahaman dan maklumat d. model boleh menjimatkan masa dan wang dalam membuat keputusan dan menyelesaikan masalah. Ia selalunya mengurangkan masa, usaha, dan perbelanjaan untuk menganalisa model e. model mungkin hanya satu cara untuk menyelesaikan beberapa banyak atau masalah yang kompleks dalam gaya semasa. f. Model boleh digunakan untuk komunikasi masalah dan penyelesaian kepada yang lain. Analisis keputusan boleh berkongsi kerjanya dgn lain-lain analisis keputusan. Penyelesaian kpd model matematik boleh diberikan kepada pengurus dan para eksekutif untuk menolong mereka membuat keputusan akhir.

84

CBSS4103 SISTEM SOKONGAN KEPUTUSAN GLOSARI Model Analog : representasi / perwakilan drp satu set hubungan Cth: jangkasuhu atau meter kelajuan dalam kereta Simulasi Monte Carlo : Simulasi bahawa pengujian dgn elemen-elemen kebarangkalian drp system melalui menghasilkan bilangan yang rawak untuk mencipta nilai-nilai untuk keseluruhan elemen. Selang/ Jeda Bilangan Rawak : julat drp bilangan rawak yang ditentukan untuk mewakilkan hasil simulasi yang mungkin. Bilangan/nombor rawak : bilangan / nombor yang digit/angka dipilih selengkapnya pada rawak/sembarangan. Simulasi : teknik analisis kuantitatif yang melibatkan pembinaan model matematik agar mempersembahkan / mewakili situasi dunia nyata. Model itu kemudiannya diujikajikan dgn jangkaan impak / kesan drp pelbagai tindakan dan keputusan Model Simboliok : Perwakilan semua konsep secara matematik

TAJUK 8 : PEMODELAN KEPUTUSAN DGN SPREADSHEET 8.1 -

Spreadsheet Elektronik ( Lembaran Kerja ) pengguna taip maklumat di dalam format kolum yang berasaskan struktur drp spreadsheet perakaunan yang terdiri daripada satu pelapik kolum dan baris

-

program aplikasi yang direka untuk memanipulasi data numeric

-

cth: data kewangan, stok pertukaran dan rekod masa seperti Lotus 1-2-3, MS-Excell dan Corel Quattro Pro

-

aplikasi yang ideal digunakan untuk analisis data tetapi tidak sesuai untuk pengumpulan dan pngurusan data.

-

Untuk kumpul dan uruskan data, cthnya Oracle Performance Manager Data,IBM Red Brick Warehouse atau Microsoft Business Solution Analytics

85

CBSS4103 SISTEM SOKONGAN KEPUTUSAN a) Why Electronic Spreadsheet as a DSS? Kekuatan utama menggunakan spreadsheet seperti Excell untuk menghasilkan DSS adalah sangat istemewa dicipta untuk mengendalikan manipulasi data numeric. Seperti Penjana DSS , ianya membolehkan untuk intergrasi analisis data dan model analisis ( simulasi atau pengoptimaan ) di dalam buku kerja. Excell mempunyai nombor / bilangan yang sangat besar drp fungsi yang terbina di dalamnya untuk kewangan, statistic dan analisis numeric. Kecekepan ini membolehkan lembaran kerja ini menjadi perkakasan penting, efisien dan efektif untuk analisis, perancangan dan pemodelan. Dari segi pedagogi, ianya memberikan peluang untuk melihat aplikasi praktikal untuk benyak model dan pendekatan penyelesaian yang dipelajari sebelum ini. 8.1.1 Komponen Spreadsheet Cell :

a)

-

ianya diwakilkan seperti antara bahagian drp kolum dan baris di dalam spreadsheet

-

pengguna meletakkan data numeric atau teks dalam cell

-

pengguna menulis formula menggunakan fungsi-fungsi untuk manipulasi data

-

susunatur (layout) spreadsheet adalah sama seperti jadual. Label, Nilai dan Formula

Label adalah di dalam cell A1, A2 dan A3 Nilai Numerik adalah B1 dan B2 Formula adalah B3 ; hasil tolak B2 drp B1

86

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Cell Aktif adalah cell yang boleh dimasukkan maklumat yang dihighlight dgn sempadan warna hitam. Kombinasi huruf kolum dan nombor baris seperti B2 adalah Rujukan Cell Garis nipis disekeliling cell dipanggil garisan grid 8.1.2 Data, Graf dan Carta -

berkemampuan membina carta bar dll secara automatic melalui data.

8.1.3 Menambah Formula -

formula boleh ditambahkan secara automatic dan boleh dimanipulasi bagi dihitung secara automatic.

8.2 Latihan 1 : Simulasi Langkah 1 : Reka Lembaran awal dan masukkan formula cell Langkah 2 : Simulasi Langkah 3 : Keputusan ( untuk latihan seterusnya saya tak translate sebab ianya adalah penggunaan Excell ) AddAdd-in : program tambahan yang menambahkan arahan kebiasaan drp ciri-ciri biasa ke dalam Microsoft Office AddAdd-in

Deskripsi

Analisis ToolPak

Menambah kewangan, statistik dan perkakasan dan fungsi analisis kejuruteraan

Analisis ToolPak

Membenarkan pembangun untuk menyiarkan kewangan, statistik

VBA

dan perkakasan dan fungsi analisis kejuruteraan menggunakan Sintaks Analisis ToolPak

Internet Assistant

Membenarkan pembangun untuk menyiarkan data Excell kepada

VBA

web melalui penggunaan Sintaks Pembantu Internet

Looked Wizard

Mencipta formula untuk melihat ke atas data di dalam senarai melalui penggunaan lain-lain nilai yang diketahui di dalam senarai

Solver Add-in

Menghitung penyelesaian kpd scenario ‘what-if’ berdasarkan cell yang boleh diselaraskan dan cell desakan / sekatan

87

CBSS4103 SISTEM SOKONGAN KEPUTUSAN GLOSARI Pembolehubah Keputusan : Di dalam MDDSS , pembolehubah keputusan adalah faktor perubahan dalam model yang ditentukan oleh pembuat keputusan. Julat yang mungkin drp nilai untuk pembolehubah keputusan mengekang pilihan-pilihan drp pembuat keputusan. Pencarian Sasaran : kebolehan drp permintaan perisian komputer apakah nilai-nilai tetap pembolehubah2 yang mesti mempunyai pesanan untuk mencapai sasaran yang diingini. Ianya adalah perkakasan yang menggunakan perhitungan iterative untuk mencari nilai yang diperlukan dalam satu sel. Penggunaan biasa drp sifat pencarian sasaran dalam lembaran kerja adalah menghitung kuantiti pecahan sekata Pengaturcaraan linear : model matematik untuk penyelesaian yang optima drp sumber yang peruntukan masalah. Adalah model biasa yg digunakan dalam MDDSS Pangkalan Model : koleksi drp model-model kuantitatif pra-pengaturcaraan yang diuruskan sebagai unit tunggal ( Cth: statistic, kewangan dan pengoptimuman ) MDDSS ( Model Driven DSS ) : Jenis drp DSS yang menekankan capaian kepada dan manipulasi drp model. Statistik mudah dan perkakasan analitikal menyediakan paling banyak tahap asas daripada kefungsiannya. Cth: statistic, kewangan dan pengoptimuman. MDDSS menggunakan kewangan, statistic, pengoptimuman dan model kepakaran yang kompleks untuk menyediakan sokongan keputusan. MDDSS menggunakan data dan parameter yang disediakan oleh pembuat keputusan kpd membantu pembuat keputusan dalam menganalisa situasi, tetapi tidak selalu data intensif/padat, pangkalan datanya besar yang selalunya tidak diperlukan untuk MDDSS. Perkakasan Pemodelan : Program perisian yang menolong pembangun/pengguna membina model matematik dgn cepat. Cth: Spreadsheet dan bahasa perancangan seperti IFPS Analisis ‘What‘What-if’ : kebolehan drp menanya pakej perisian apakah kesan akan terjadi oleh merubah beberapa data input atau pembolehubah tidak bersandar/ bergantung.

88

CBSS4103 SISTEM SOKONGAN KEPUTUSAN TAJUK 9 : INTELLIGENCE DECISION SUPPORT SYSTEM ( Sistem Sokongan Cerdas Cerdas ) Pengenalan -

kegunaan teknik Kecerdasan Buatan ( Artificial Intelligence : AI ) dalam membuat keputusan terutamanya apabila melibatkan DSS yang kompleks.

-

AI dikaitkan dgn meningkatkan system sokongan keputusan terutamanya melibatkan sekelompok peraturan, pengetahuan, data dan bentuk yang besar dalam proses membuat keputusan.

-

Ini kerana hanya kepekaran yang diperakui/ disahkan sahaja yang boleh membuat keputusan

-

AI boleh menyimpan pengalaman lalu drp kepakaran dan digunakan dalam pembuatan keputusan masa depan, dalam pada itu system secara beransur-ansur dapat menyediakan pembuatan keputusan yang lebih baik.

-

AI menyediakan kebolehan penaakulan dan pembelajaran

-

Kekuatan AI berkemampuan utk membuat peramalan / jangkaan menuruti kepada data lampau yang luas.

9.1

Definisi dan Konsep AI (Kecerdasan Buatan ( Artificial Intelligence : AI )

Kecerdasan Buatan ( Artificial Intelligence : AI ) : adalah teknik yang membuat system atau mesin meniru / mencontohi cara pemikiran manusia. AI membuatkan system menjadi cerdas seperti mana yang dilakukan oleh manusia Penyedikan AI -

cuba ditampilkan dengan teknik supaya boleh membuatkan system computer menyerupai kecerdasan manusia

-

mendapatkan secara berterusan ciri-ciri terbaik daripada kecerdasan manusia yang boleh meniru ke dalam AI

-

penyelidikan yang popular adalah robotik

89

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Kelebihan AI -

lebih murah drp kecerdasan semulajadi CTH: system pakar diabetes boleh mengurangkan tugas doktor dalam memberikan nasihat rutin kepada pesakit diabetes.

-

Lebih mantap / kekal. Perubahan pekerja pakar akan menyebabkan kemusnahan kecerdasan asal / kebiasaan dalam syarikat. Menghadapi pekerja baru mungkin tidak mempunyai kepakaran yang sama.

-

Mudah untuk menyalin pakar-pakar. Proses tranformasi drp seorang pakar kepada orang lain memerlukan masa yang panjang.

-

Boleh didokumentasikan – membenarkan proses mengesan aktiviti-aktiviti.

-

Kadang-kadang boleh melaksanakan tugas-tugas tertentu lebih cepat drp yang manusia lakukan.

-

Kadang-kadang boleh melakukan/ melaksanakan tugas yang manusia tidak boleh lakukan.

Mengapakah perlunya elemenelemen-elemen AI dalam implementasi DSS? -

komputer direka untuk melaksanakan tugas drp mudah kepada yang lebih komplekated, berdasarkan keperluan manusia.

-

komputer tidak mampu utk belajar drp pengalaman seperti manusia

-

Apabila , keputusan dibuat, komputer tidak hanya memikir atau akses sebarang akibat keluar daripadanya

-

Sasaran AI untuk meningkatkan tingkahlaku mesin, oleh itu elemen kecerdasan boleh ditanamkan ke dalam komputer semasa proses membuat keputusan dan penyelesaian masalah

-

komputer boleh meniru manusia melalui pengambilan ke dalam setiap akuan faktor yang ditunjukkan kepadanya

-

Penambahan AI, computer boleh belajar drp pengalaman seperti manusia dan kriteria ini akan membantu membuat keputusan yang terbaik.

90

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 9.1.1 Some Some AI Fields ( Beberapa Bidang AI ) a) Pemprosesan Bahasa Asal ( NLP : Natural Language Processing ) -

teknologi yang digunakan oleh system yang membenarkan pengguna untuk berkomunikasi dengan computer menggunakan bahasa asal seperti Bahasa Inggeris

-

pengguna boleh berkomunikasi dgn computer seperti berkomunikasi dgn individu lain

-

NLP dicipta untuk menyelesaikan masalah pengguna dalam menghadapi cara perlakuan yang sukar dengan pelbagai istilah, sintaks dan arahan yang diperlukan oleh computer

i)

Kajian NLP dibahagikan kepada 2 bahagian: kaedah penyiasatan ke atas bagaimana computer boleh memahami arahan-arahan yang diberikan dalam Bahasa Inggeris Standard

ii)

mencipta computer yang menghasilkan ouput dalam Bahasa Inggeris yang biasa, oleh itu manusia boleh memahami arahan-arahannya dengan mudah

b) Speech Recognition ( Pengecaman Pertuturan ) -

menyediakan kemampuan computer untuk mengecam dan memahami bahasa pertuturan yang melibatkan suara

-

system mestilah mampu untuk mengecam pertuturan seseorang dan bertindakbalas kepada arahan suara

-

teknologi ini digunakan dalam pelbagai bidang seperti latihan perubatan untuk membantu manusia yang hilang pendengaran atau apabila menggunakan katalaluan dalam aplikasi computer, di mana system akan melihat kepada frekuensi sebenar drp suara pengguna

-

pengecaman pertuturan juga digunakan dalam telefon bimbit, di mana hanya perlu menyebut nama indivudu yang ingin dipanggil.

c) Expert System ( Sistem Pakar ) -

system ini menyimpan kepakaran manusia seperti pengetahuan drp kepakaran tertentu.

-

System akan berinteraksi dgn pengguna untuk mendapatkan maklumat dan menyelesaikan masalah berdasarkan ke atas pengetahuan.

-

Rekabentuk system pakar yang terbaik ialah ianya boleh meniru proses pemikiran pakar semasa menyelesaikan masalah spesifik, contohnya MyCIN ( program interaktif yang mendiagnosis kesan penyakit tertentu, menentukan terapi antimicrobial dan boleh menerangkan sebabnya dengan terperinci.

91

CBSS4103 SISTEM SOKONGAN KEPUTUSAN d)

Fuzzy Logic ( Logik Kabur ) -

teknik ini membincangkan dgn kesamaran drp fakta.

-

Membincangkan dgn ketidakpastian melalui simulasi proses kuantitatif pemikiran manusia, membenarkan computer untuk tingkah laku yang kurang secara jelas dan logik lebih daripada mengalami logik asas nilai ‘true’ atau ‘false’

-

Selanjutnya drp Boolean true/false

-

Ini akan menokok fakta menjadi betul secara sebahagian atau salah sebahagiannya.

e)

Neural Computing ( Pengiraan Saraf ) -

menyediakan satu system kecerdasan yang menggunakan arkitektur yang meniru kefungsian otak manusia dalam terma kemampuan memproses melalui mentransformasikan ke dalam model matematik.

-

Keputusan drp perwakilan pengetahuan dan pemprosesan adalah berdasarkan proses perbandingan yang amat besar lebih drp proses jujukan tradisional

-

Mempunyai kemampuan utk mendapatkan semula amaun yang besar drp maklumat dan untuk mengecam bentuk berdasarkan pengalaman  system akan boleh meniru manusia

-

Nilai neural computing adalah fakta kegunaan drp bentuk pengecaman , pembelajaran, kesilapan kesabaran/toleren, generalisasi, kebolehsesuaian, kemampuan peramalan, dan interpretasi input yang tidak lengkap.

f)

Intelligent Agent ( Agen/Wakil Kecerdasan)

agen  program yang akan dibebaskan kepada persekitaran ( seperti rangkaian ) untuk melakukan tugas tertentu secara automatik. -

kriterianya ialah autonomous ( autonomi ) , ianya bekerja bagi pihak pengguna.

Cth: program anti virus

92

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Antivirus  program yang dilarikan dalam sistem komputer ; semasa ianya dilarikan ia menangkap/ mengesan sesuatu. -

agen kecerdasan bersesuaian untuk persekitaran yang melibatkan pertukaran maklumat atau data yang cepat

-

adalah kebanyakannya keterbatasan kritikal drp internet yang sesuai drp berlebihan maklumat dan ianya memudahkan perdagangan internet.

Penggunaan teknik agen kecerdasan dalam DSS akan membekalkan maklumat terkini, yang akan menghasilkan keputusan yang baik untuk membuat keputusan. Beberapa lingkungan drp agen kecerdasan adalah: i.

penemuan dan pengemudian maklumat terutamanya pencarian maklumat daripada internet

ii.

agen kecerdasan digunakan untuk menyokong pengetahuan pekerja semasa membuat keputusan

iii.

pencarian dan penemuan. Tugas yang kompleks dan rutin drp pendapatan maklumat drp internet akan boleh diwakilkan kepada agen-agen.

iv.

Menyebarkan kepakaran domain, di mana agen pakar dalam domain tertentu boleh berunding di antara mereka sendiri dalam arahan utk membuat keputusan

9.2

Bagaimana AI Digunakan Dalam DSS

Kawasan Yang

Penerangan

Mungkin Menyokong

-

AI berguna utk menyokong analisis ketidakpastian

Ketidakpastian

-

Digunakan utk meramalkan keadaan tidak pasti menurut kpd kepakaran atau amaun yang besar drp data lalu

-

Logic fuzzy kepada pengkomputer rangkaian saraf adalah teknik AI yang berguna utk pakar peramalan ketidakpastian

-

Kini, ketidakpastian adalah satu sifat utama drp persekitaran bisnes moden semasa

-

Meramal pembolehubah yang mempengaruhi harga kongsian dalam pasaran saham yang menggunakan AI untuk analisis ketidakpastian

Menyokong

-

peranan utama dalam melaksanakan DSS

Antaramuka

-

penggunaan AI seperti pemproses bahasa asal atau teknologi suara pastinya membuatkan antaramuka lebih mudah dan semulajadi.

Pengguna -

Menambahkan ketepatan mendapatkan data yang berkaitan kepada isu-isu berisiko tinggi spt jenayah melalui penggunaan ibu jari

-

Dlm situasi ini penggunaan bentuk pengecaman adalah penting

93

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Kawasan Yang

Penerangan Penerangan

Mungkin Membuat DSS

AI digunakan untuk menyokong pembinaan, penyimpanan dan

Cerdas

pengurusan model-model dalam pelbagai model DSS – kaedah ini akan meningkatkan kemampuan model-model berdasarkan system pengurusan

Menyokong

AI juga boleh digunakan utk menyokong langkah dalam proses

Proses

keputusan yang tidak dialamatkan oleh matematik. Cth: melibatkan

Keputusan

pelbagai ciri untuk melibatkan data input yang bersesuaian yang diperlukan oleh kepakaran.

9.3

Sistem Pakar

Kepakaran  individu dgn kemahiran atau pengetahuan khusus yang akan memberi pengetahuannya kepada system dengan itu system akan memikir seperti manusia apabila membuat keputusan. 9.3.1 Arketektur Umum Sistem Pakar : Sistem Berdasarkan Pengetahuan -

dibahagikan kepada ke dalam 2 persekitaran utama : i.

persekitaran pembangunan

ii.

persekitaran perundingan ( consultation )

94

CBSS4103 SISTEM SOKONGAN KEPUTUSAN a) Persekitaran Pembangunan - pengetahuan didapati daripada pakar serentak dgn lain-lain maklumat yang didokumentasikan akan dipindahkan kepada set peraturan oleh jurutera pengetahuan. - Peraturan akan disimpan dalam pangkalan pengetahuan b) Pangkalan Pengetahuan - mengandungi peraturan drp pakar seperti fakta yang berkaitan kepada masalah domain. c) Enjin Penyimpulan - digunakan untuk mentadbir peraturan dalam pangkalan pengetahuan semasa proses membuat keputusan - enjin akan tadbir peraturan menuruti kepada fakta yang diberikan oleh pengguna dan akan keluar dengan rumusan d) Jurutera Pengetahuan - individu yang memindahkan pengetahuan daripada pakar dan juga daripada maklumat yang didokumentasikan ( buku dan artikel) kepada peraturan dan fakta yang akan disimpan dalam pangkalan pengetahuan e) Persekitaran Perundingan - pakar dalam masalah domain spesifik akan membantu bukan pakar atau pengguna sasaran. - perkhidmatan penjelasan akan menjelaskan dgn lebih lanjut secara terperinci bagaimana system menghasilkan penyelesaian yang biasa. - Interaksi antara pengguna akhir dan system akan berlaku melalui antaramuka f) Proses Pembangunan - diikuti oleh proses pembangunan prototaip pantas semasa pembangunannya 9.3.2 Aplikasi Sistem Pakar Aplikasi

Penerangan

R1/XCON

- dibangunkan oleh John McDermott pada lewat 70’an - utk menolong dalam mensetkan konfigurasi dalam system computer VAX di Digital Equipment Corporation

MYCIN

- digunakan dipersekiataran perubatan menggunakan bahasa pemprograman LISP oleh Edward Shortliffe - mendiagnosis jangkitan dalam penyakit darah

E-Paddy

- system diagnosis dan penasihat dibangunkan oleh sekumpulan penyelidik di UKM - system yang meliputi penyakit padi dan diagnosis kawalan perosak ke atas tanaman padi

95

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Kategori Generik Drp Sistem Pakar Kategori

Tanda / Kedudukan Masalah

Interpretasi

penerangan situasi campur tangan daripada pengamatan

Ramalan

membuat kesimpulan yang mungkin kesan drp keadaan yang diberikan.

Diagnosis

sistem penyimpulan salah fungsian daripada pemerhatian

Rekabentuk

Menyusun atur objek-objek dibawah desakan

Perancangan

Membangunkan perancangan untuk mencapai sasaran

Pengawasan

membanding pengamatan untuk pelan, melemahkan pengecualian

Pembetulan

Menetapkan penawar untuk salah fungsian

Baiki

Melaksanakan pelan untuk pentadbir menolak penawaran

Arahan/Pengajaran

diagnosis, membetulkan dan memeriksa pencapaian.

Kawalan

Interpretasi, meramal, membaiki dan mengawal tingkahlaku sistem

9.4 -

Machine Learning (ML) Mesin Pembelajaran membenarkan mesin-mesin untuk belajar atau memperoleh pengetahuan daripada pengalaman seperti data historical

-

DSS dgn ML meniru keputusan terbaik cadangan manusia menuruti kepada pengalaman lepas.

-

DSS terbaik menyediakan keputusan yang betul dan mempengaruhi keputusan yang betul untuk pengguna

Terdapat 2 jenis ML; a). Supervised Learning ( Pembelajaran Yang DiAwasi ) : menunjukkan proses drp pembelajaran yang meransang pengetahuan daripada set data, yang hasil akhirnya adalah diketahui b). Unsupervised Learning ( Pembelajaran Yang Tidak DiAwasi ) : digunakan untuk memperolehi pengetahuan daripada set data, yang hasil akhirnya tidak diketahui.

96

CBSS4103 SISTEM SOKONGAN KEPUTUSAN Taksonomi Kaedah Pembelajaran: a.

Pembelajaran Induktif

b.

Pemikiran Berasaskan Kes

c.

Pengiraan Saraf

d.

Algoritma Genetik

e.

Kluster ( Pengelompokan )

f.

Kaedah Statistik

9.5

Rangkaian Saraf Buatan/Tiruan ( ANN : Artificial Neural Network )

-

satu drp teknik-teknik AI yang boleh menyokong membuat keputusan

-

datangnya daripada tempoh biological, yang merupakan koleksi drp sel saraf yang membentuk sel otak manusia

-

adalah digunakan dalam bentuk pengecaman, generalisasi dan peramalan

-

dilatih melalui memaparkan contoh-contoh data atau data historikal secara berulang.

9.5.1 Komponen Komponen Asas ANN -

mewakili beberapa saling kaitan perceptron mudah sebagai satu prosedur mengkomputer selari

-

setiap perceptron ( dirujuk kpd ‘nod’ atau ‘neuron’ ) dan hanya boleh dikaitkan dengan isyarat yang dihantarnya kepada, dan iyarat yang diterimanya drp perceptron lain.

-

Setiap perceptron bekerjasama dengan perceptron lain dalam rangkaian yang luas untuk melaksanakan tugas yang diperlukan

-

Cth : di dalam kawasan bisnes, rangkaian saraf boleh digunakan untuk menolong memutuskan sama ada calon-calon diluluskan untuk pinjaman bank atau ramalan stok harga pasaran.

a) Perceptron Perception Tunggal dalam rangkaian  sel saraf menerima beberapa isyarat seperti input daripada perceptron lain yang disambungkan sama seperti menghantar iyaratnya kepada perceptron lain dalam rangkaian seperti output. Bagi setiap unit input dalam perceptron ( termasuklah biasan) akan menjadi sepadan dengan pemberat (weight )

97

CBSS4103 SISTEM SOKONGAN KEPUTUSAN

b)

Activation Functions ( Pengaktifan Fungsian ) -

akan menentukan isyarat output drp sel saraf

-

isyarat output dihitung dihantar kepada sel saraf yang lain seperti input

-

ouput akhir boleh jadi nombor nyata atau nombor nyata bersama-sama dengan sela toleransi ( tolerance interval ) : [ 0 – 1 ] ; atau nombor diskret

c)

{ 0,1 }, atau { -1, +1 }

Cth: binary threshold function. Peraturan Pembelajaran untuk membiasakan Pemberat

-

mestilah dilatih bagi membiasakan pemberat, yang bermakna rangkaian dihitung pemberatnya , oleh itu output yang diingini adalah seperti menutup output sebenar

-

melatih perceptron memerlukan untuk mengubahsuai pemberat setiap masa perhitungan dilakukan.

d)

ANN dan Klasifikasi

e)

Perceptron Pelbagai Lapisan -

sekurang-kurangnya 3 lapisan drp sel saraf ( neuron) : lapisan input dgn unit input, lapisan tengah juga dikenali lapisan tersembunyi, dan lapisan output dgn unit output

-

Unit Input mengambil input terus drp persekitaran seperti papan kekunci, pengesan dsbnya

-

Unit output menghantar output terus kepada persekitaran, manakala lapisan tengah atau lapisan tersembunyi terdiri drp unit tersembunyi dan tidak secara terus disambungkan kepada persekitaran

-

Setiap neuron disambungkan kepada neuron lain dalam lapisan bersebelahan.

98

CBSS4103 SISTEM SOKONGAN KEPUTUSAN 9.5.2 ContohContoh-Contoh Aplikasi menggunakan Teknik ANN -

ANN tidak seperti Sistem Pakar DSS

-

Adalah teknik drp AI yang ditanam DSS – sebahagian drp model DSS

Beberapa kawasan masalah di mana ANN digunakan: a. Menangkap (capture) Fakta Tersembunyi atau Bentuk -

popular dalam lombong data ( data mining ) utk meningkatkan proses menjumpai fakta tersembunyi atau bentuk daripada simpanan data amat besar

-

amat berguna kepada organisasi dalam proses membuat keputusan

b. Membuat Ramalan -

ANN juga digunakan untuk membuat ramalan, membuat keputusan menggunakan data mining dalam pelbagai kawasan / bidang seperti perubatan, bisnes dan pengangkutan

c. Proses Kelulusan -

ANN juga digunakan dalam proses kelulusan aplikasi kad kredit

-

Aplikasi ini mampu utk mengesan sebarang penipuan yang akan dilakukan oleh pemegang kad

-

Adalah tidak mudah untuk mengesan penipuan kerana maklumat pengguna amat besat disimpan dalam pangkalan data yang besar

-

ANN digunakan utk meningkatkan proses utk mengesan penipuan-penipuan melalui mendapatkan bentuk tersembunyi dan menilaikannya dgn maklumat yang disimpan dalam pangkalan data

-

ANN amat berupaya dalam mengendalikan data besar

Penggunaan ANN dalam proses kelulusan adalah: i.

digunakan dalam membuat keputusan penilaian aplikasi pinjaman

ii.

digunakan untuk menilai personnel dan calon kerja melalui padanan data personel dgn keperluan kerja dan kriteria pelaksanaan

iii.

digunakan pengesahan tandatangan melalui pemadanan dgn tandatangan sebelumnya

d. Kelasifikasi Drp Data Kompleks -

cth: ANN digunakan dalam Projek Genom Manusia untuk menklaskan DNA badan manusia – ANN digunakan untuk analisis data mengklaskan gen drp jujukan DNA

99

CBSS4103 SISTEM SOKONGAN KEPUTUSAN GLOSARI Artificial Intelligence ( AI ) : cawangan daripada Sains komputer yang cuba atur cara komputer memberikan respons seolah-olah industri-industri ini pemikiran ; berkebolehan reasoning, Menyesuaikan kepada situasi yang baru Dan kemahiran baru pembelajaran Sistem Pakar : satu SISTEM dengan kepakaran penyelesaian masalah yang khusus.Kepakaran itu terdiri pengetahuan tentang keterangan domain, pemahaman daripada masalah di dalam domain tersebut dan kemahiran pada penyelesaian daripada beberapa masalah tersebut.Satu sistem pakar ialah suatu kelas dari program komputer yang dibuat oleh penyelidik-penyelidik di kecerdasan tiruan. Fuzzy Logic ( Logik Kabur ) : sebahagian drp kecerdasan tiruan dalam mana hubungan logik analisis komputer yang mana lebih atau kurang kebenarannya , berbeza kepada logik yang biasa di mana hubungan adalah lebih rapuh. ia adalah tambahan drp teknologi system pakar yang mana peraturan-peraturan itu boleh dgn tidak tepat. Dgn logik fuzzy ( kabur ) ahli-ahli drp set mempunyai darjah drp keahlian yang julat drp 0-100%. Cth: kenyataan ‘hari ini adalah terang dgn sinaran matahari’ , mungkin 100% betul jika tiada awan , 80% betul jika terdapat sedikit awan, 50% betul jika berjerubu, dan 0% betul jika hujan sepanjang hari. Algoritma genetik : adalah satu heuristik yang digunakan untuk mengetahui anggaran penyelesaian kepada kesukaran untuk menyelesaikan masalah melalui penerapan/ aplikasi daripada prinsip-prinsip biologi berevolusi dengan komputer sains. Enjin Penyimpulan adalah sebahagian drp sistem pakar berdasarkan peraturan yang membuat kesimpulan atau membuat keputusan yang logik. Enjin pembuat kesimpulan cuba memperolehi jawapan drp pangkalan pengetahuan daripada.Ianya ialah otak sistem pakar yang menyediakan perkaedahan untuk pemikiran tentang maklumat dalam pangkalan pengetahuan dan bagi membuat kesimpulan. Pangkalan Pengetahuan : pengetahuan yang di enkod bagi satu sistem pakar.Dalam sistem pakar berasaskan peraturan, satu pangkalan pengetahuan biasanya digabung definisi drp sifat-sifat dan peraturan bersama-sama dengan maklumat kawalan. Jurutera Pengetahuan : pakar AI yang bertanggungjawab ke atas bidang teknikal dalam membangunkan suatu sistem pakar.Jurutera Pengetahuan bekerja rapat dengan pakar domain untuk mendapatkan pengetahuan pakar pangkalan pengetahuan. Mesin Pembelajaran : keupayaan sebuah mesin untuk memperbaiki prestasinya berdasarkan keputusan/ hasil yang sebelumnya. Rangkaian Saraf ( Neural Network ) : rangkaian saraf merupakan pemodelan teknik analitik selepas proses daripada pembelajaran dalam sistem kognitif dan fungsi neurologi pada otak.Rangkaian saraf menggunakan satu set data latihan untuk membina peraturan-peraturan yang boleh membuat ramalan atau pembezaan set data.

100