Sim Bab11

TUGAS SISTEM INFORMASI MANAJEMEN BAB 11 SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN JAYANTO SAPUTRA (31408193)

Pembuatan Keputusan Sistem Informasi Manajemen adalah system yang memberikan informasi untuk digunakan dalam pembuatan keputusan guna menyelesaikan masalah bagi para penggunanya. Secara langsung SIM berkaitan dengan menbuat keputusan dan pemecahan masalah.

Pemecahan masalah dan pembuatan keputusan Pemecahan masalah (problem solving) terdiri atas respon respon hal yang berjalan dengan baik,serta mendefinisikanmasalah terhadap hal yang buruk sebagai kondisi atau peristiwa yang berbahaya atau membahayakan perusahaan. Pembuatan keputusan adalah tindakan yang memilih diantara berbagai alternative solusi pemecahan masalah. Keputusan didefinisikan sebagai tindakan pilihan dan sering kali perlu untuk mengambil banyak keputusan dalam proses pemecahan satu masalah saja.

Fase Pemecahan Masalah Menurut Herbert A. Simon, terdapat 4 tahapan dalam proses pemecahan masalah. Orang yang memecahkan masalah terlibat dalam:

o Aktivitas Intelijen: Mencari di sekitar lingkungan kondisi yang harus dipecahkan o Aktivitas Perancangan: Menemukan, mengembangkan, dan menganalisis tindakan-tindakan yang mungkin dilakukan. o Aktivitas Pemilihan: Memilih tindakan tertentu dari beberapa yang tersedia. o Aktivitas Pengkajian: Memeriksa pilihan-pilihan yang lalu.

Pentingnya Cara Pandang Sistem Dalam menggunakan model sistem umum dan model lingkungan sebagai dasar pemecahan masalah, dari cara pandang system maka dapat memandang operasional usaha sebagai system yang menjadi bagian dari lingkungan yang lebih luas Ini merupakan cara pemikiran yang abstrak tetapi memiliki nilai potensial untuk manajer. Cara pandang secara system akan: 1. Mencegah manajer agar tidak bingung karena kompleksitas struktur organisasi dan detail pekerjaan. 2. Menekankan pentingnya memiliki tujuan yang baik. 3. Menekankan pentingnya semua bagian organisasi untuk bekerja sama. 4. Mengangkat hubungan antara organisasi dengan lingkungannya. 5. Menempatkan nilai tinggi pada informasi yang didapat dari input yang hanya dapat dicapai melalui sistem perputaran tertutup.

Membangun Konsep Dengan pemahaman mengenai dasar konsep pemecahan masalah ini, kita sekarang dapat menggambarkan bagaimana konsep ini diterapkan ke dalam sistem pendukung keputusan

Elemen Proses Pemecahan Masalah Kebanyakan masalah yang dipecahkan manajer dapat dianggap sebagai permasalah sistem. Contoh: perusahaan sebagai suatu system tidak berfungsi sebagaimana mestinya. Atau terdapat masalah dengan system persediaan, system komisi penjualan dan seterusnya. Solusi masalah system adalah solusi yang membuat system tersebut memenuhi kebutuhannya dengan baik, seperti yang dicerminkan dalam standar kinerja system. Standar ini menggambarkan situasi yang di inginkan (Desired State), yakni apa yang harus dicapai system tersebut sekarang ini. Jika dua keadaan ini berbeda, maka ada masalah yang menjadi penyebabnya dan harus dipecahkan. Perbedaan tersebut disebut dengan criteria solusi atau apa yang harus terjadi agar situasi ini berubah menjadi situasi yang diinginkan. Tanggung jawab seorang manajer adalah mengidentifikasi solusi alternative, yang selalu ada. Hal ini merupakan satu langkah apabila dari penyelesaian masalah kpmputer tidak dapat banyak membantu. Dalam kasusu ini manajer harus mengandalkan kemampuan dan pengalaman sendiridengan tanpa bantuan computer. Seperti contohnya mengambil input dari luar atau dalam perusahaan. Setelah

alternative

diidentifikasi,

system

informasi

dapat

digunakan

untuk

mengevaluasinya. Dari evaluasi tersebut harus mempertimbangkan batasan yang ada, baik internal maupun lingkungan. Batasan internal biasanya berbentuk sumber daya yang terbatas yang ada dalam perusahaan. Contoh unit TI tidak dapat merancang CRM karena kurangnya keahlian dalam OLAP. Batasan lingkungan berbentuk tekanan dari berbagai elemen lingkungan yang membatasi aliran sumber daya dari dan keluar perusahaan. Contoh: peningkatan suku bunga oleh federal reserve board yang meningkatkan biaya ekspansi. Jika hal ini dapat dikumpulkan dari semua elemen maka para manajer dapat memahami dan sekaligus menemukan solusi dari masalah tersebut.

Memilih Solusi yang Terbaik Herry Mintzberg telah mengidentifikasikan tiga pendekatan dalam pemilihan solusi yang terbaik, yaitu: 1. Analisis: Evaluasi atas pilihan-pilihan secara sistematis, dengan mempertimbangkan konsekuensi pilihan-pilihan tersebut pada tujuan organisasi. 2. Penilaian: Proses pemikiran yang dilakukan oleh seorang manajer. 3. Penawaran: Negosiasi antara beberapa manajer.

Permasalahan Versus Gejala Kita harus mengetahui perbedaan antara masalah dan gejala masalah. Jika tidak maka akan menyita banyak waktu dan uang untuk penyelesaiannya. Gejala adalah suatu kondisi yang dihasilkan oleh masalah. Hal ini perlu untuk diketahui karena sering kali para manajer melihat gejala bukan masalah.

Struktur Permasalahan Seorang manajer dapat memahami suatu masalah lebih baik dai yang lain. Pemahaman tersebut berupa banyaknya persediaan yang harus di pesan dan pembuata model matematika yang disebut EOQ dapat memberi tahu masalah tersebut dapat diselesaikan. Masalah terstruktur (Structured Problem) adalah suatu masalah yang terdiri atas unsur dan hubungan antara berbagai elemen yang semuanya dipahami oleh orang yang memecahkan masalah. Tetapi sering kali para manajer tidak mengetahui penyelesaian masalah yang lain yakni masalah semi terstruktur (Unstructured Problem) adalah masalah yang tidak memiliki elemen atau hubungan antar elemen yang dipahami oleh orang yang memecahkan masalah. Masalah semiterstruktur (Semistructured

Problem) adalah masalah yang terdiri dari beberapa elemen atau hubungan yang dipahami oleh si pemecah masalah dan beberapa yang tidak dapat dipahami.

Jenis Keputusan Keputusan juga memiliki pengklasifikasian yakni keputusan terprogram dan yang tidak terprogram. Kepetusan terprogram (Programmed Decision) adalah keputusan yang memiliki sifat repetitive dan rutin dalam hal prosedur tertentu digunakan untuk menanganinya sehingga keputusan tersebut tidak perlu dianggap baru setiap kali terjadi. Keputusan yang tidak terprogram (Nonprogrammed Decision) adalah keputusan yang memiliki sifat baru, tidak terstruktur dan penuh konsekuensi. Tidak terdapat metode yang pasti untuk menangani masalah yang belum pernah muncul sebelumnya.

Sistem Pendukung Pengambilan Keputusan Decision Support System-DSS, adalah suatu istilah yang digunakan untuk mendeskripsikan system yang didesain untuk membantu manajer dalam memecahkan masalah tertentu. DSS tidak pernah ditujukan untuk menyelesaikan masalah tanpa bantuan dari manajer. Ide dasarnya ialah agar manajer dan computer dapat bekeja sama dalam penyelesaian masalah. Karena permasalah memiliki dua kategori yaitu masalah terstruktur yang penyelesaiannya menggunakan computer sedangkan masalah yang tidak terstruktur penyelesaiannya melalui manajer (manusia).

Model DSS Model ini menghasilkan laporan khusus dan berskala serta output dari model matematika ketika pertama kali dirancang. Laporan tersebut khusus berisikan respons terhadap permintaan ke basis data. Setelah DSS diterapkan dengan baik maka kemampuan yang memungkinkan para pemecah masalah untuk bekerja sama dalam kelompok ditambahkan

dalam model tersebut. Penambahan peranti lunak groupware memungkinkan system tersebut

berfungsi sebagai

system pendukung pengambilan keputusan kelompok.

Kemampuan kecerdasan buatan juga telah ditambahkan beserta kemampuan untuk terlibat dalam OLAP.

Permodelan Matematika Model adalah abstraksi dari sesuatu. Model mewakili suatu objek atau aktivitas, yang disebut entitas. Biasanya manajer menggunakan ini untuk mewakili permasalahan yang harus diselesaikan. Ada 4 Jenis Model yakni: fisik, naratif, grafis dan matematis. 1. Model Fisik: Merupakan gambaran tiga dimensi entitasnya. Model fisik dibuat untuk mencapai tujuan yang tidak dapat dipenuhi oleh benda sesungguhnya. 2. Model Naratif: Menggambarkan entitas dengan kata-kata yang terucap atau tertulis. Pendengar atau pembaca dapat memahami entitas tersebut dari naratifnya. Semua komunikasi bisnis adalah model naratif, sehingga membuat model naratif jenis model yang paling populer. 3. Model Grafis: Menggambarkan entitas dengan abstraksi garis, simbol atau bentuk. Grafis ini sangat popular di dalam bisnis – Economic Order Quantity (jumlah penawaran optimum penambahan stok yang harus dipesan dari pemasok) 4. Model Matematis: Setiap rumus atau persamaan matematika adalah model matematis. Kebanyakan model matematika yang digunakan manajer bisnis sama kompleksnya dengan yang digunakan untuk menghitung EOQ.

Penggunaan Model Keempat model memberikan pemahaman dan memfasilitasi komunikasi. Selain itu, model matematis memiliki kemampuan prediktif. Memberikan Pengertian: Model biasanya lebih sederhana dibandingkan entitasnya, entitas adalah objek atau proses.entitas dapat mudah dipahami jika berbagai elemen dan hubungan yang terdapat didalamnya ditampilkan secara lebih sederhana. Setelah model yang sederhana dapat dipahami, model tersebut secara bertahap dapat dibuat lebih kompleks sehingga dapat mewakili entitasnya secara lebih kompleks. Tetapi model tersebut tidak dapat benar-benar berlaku seperti entitas sesungguhnya. Memfasilitasi Komunikasi: Keempat jenis model dapat mengkomunikasikan informasi secara akurat dan cepat kepada orang-orang yang memahami makna bentuk, kata-kata, grafis dan matematis. Memprediksi Masa Depan: Ketepatan yang ditunjukkan model matematis untuk mewakili entitasnya merupakan kemampuan yang tidak terdapat pada model lain. Model ini dapat memprediksi apa yang akan terjadi dalam masa depan, namun tidak sepenuhnya akurat.

Kelas Model Matematis Model matematis dapat diklasifikasikan ke dalam tiga dimensi: pengaruh waktu, tingkat keyakinan dan kemampuan untuk mencapai optimisasi. Model Statis atau Dinamis: Model Statis tidak melibatkan waktu sebagai salah satu variabel. Dengan kata lain bersifat seperti cuplikan keadaan. Model yang melibatkan waktu sebagai salah satu variabel yang disebut model dinamis. Model ini menggambarkan perilaku entitas seiring dengan waktu, seperti gambar bergerak atau film. Model Probabilitas atau Deterministik: Probabilitas adalah kesempatan bahwa sesuatu akan terjadi. Probabilitas berkisar dari 0,00-1,00. Model yang melibatkan probabilitas disebut Model Probabilitas dan jika tidak adalah Model Deterministik.

Model Optimisasi atau Suboptimisasi: Adalah model yang memilih solusi terbaik dari berbagai alternatif yang ditampilkan. Model Suboptimisasi sering disebut model pemuas memungkinkan seorang manajer untuk memasukkan seperangkat keputusan.

Simulasi Tindakan yang menggunakan model adalah simulasi. Simulasi terjadi dalam scenario tertentu dan memprediksi dampak keputusan orang yang memecahkan masalah tersebut. Istilah Skenario digunakan untuk menggambarkan kondisi yang mempengaruhi simulasi. Elemen data yangyang menentukan skenario adalah elemen data skenario. Variabel Keputusan Nilai input yang dimasukkan manajer untuk mengukur dampak pada entitas.

Teknik Simulasi Manajer biasanya melakukan model optimisasi hanya sekali. Model ini menghasilkan solusi yang terbaik sehingga menggunakan solusi tertentu dan variabel-variabel keputusan. Namun penting juga untuk menjalankan model suboptimasi berulang kal, guna mencari kombinasi variabel keputusan yang menghasilkan hasil yang memuaska. Proses pengulangan tersebut disebut permainan bagaimana jika (what-if game).

Contoh Permodelan Eksekutif perusahaan dapat menggunakan model matematis untuk membuat beberapa keputusan kunci. Para eksekutif ini dapat menyimulasikan dampak dari: 

Harga Produk



Jumlah investasi pabrik



Jumlah yang akan diinvestasikan dalam aktivitas pemasaran



Jumlah yang akan diinvestasikan dalam penelitian dan pengembangan

Kelebihan dan Kelemahan Permodelan Manajer yang menggunakan model matematika bisa mendapatkan manfaat melalui hal-hal berikut: o Proses permodelan dapat menjadi pengalaman belajar. Manajer akan selalu mempelajari sesuatu yang baru mengenai system sesungguhnya melalui setiap model pemodelan. o Kecepatan proses simulasi memungkinkan sejumlah besar alternative dapat dipertimbangkan dengan cara memberikan kemampuan untuk mngevaluasi dampak keputusan dalam waktu yang singkat. Hanya dalam beberapa menit, kita dapat menyimulasikan beberapa bulan, kuartal atau tahunan operasional perusahaan. o Model memberikan kemampuan prediksi. o Model tidak semahal upaya uji coba Sedangkan kelemahan dari model ini adalah: •

Kesulitan untuk membuat model sistem bisnis akan menghasilkan model yang tidak mencakup semua pengaruh terhadap entitas.

•

Kemampuan matematis tingkat tinggi dibutuhkan untuk merancang model yang lebih kompleks. Selain itu, kemampuan semacam ini juga diperlukan untuk menginterpretasikan output dengan baik.

Permodelan Matematika Menggunaka Lembar Kerja Elektronik Terobosan teknologi yang memungkinkan para pemecah persoalan untuk menyusun model matematikan dan tidak sekedar hanya mengandalkan spesialis informasi atau ilmuwan manajemen adalah lembar kerja elektronik. Ketika lembar kerja (spreadsheet) ini hadir, tampak jelas bahwa teknologi ini akan menjadi alat yang baik untuk membuat model matematika.

Kapabilitas Permodelan Statis Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk digunakan dalam model statis.

Kapabilitas Permodelan Dinamis Lembar kerja sangat sesuai untuk digunakan sebagai model dinamis. Kolomkolom yang tersedia sangat sesuai untuk periode waktu.

Memainkan Peranan “Bagaimana Jika” Lembar kerja ini juga berguna untuk memainkan permainan “bagaimana jika”, dimana pemecah masalah memanipulasi satu atau lebih variable untuk melihat dampak dari hasil simulasi.

Antarmuka Model Lembar Kerja Ketika menggunakan lembar kerja sebagai model matematika, pengguna dapat memasukkan data membuat perubahan secara langsung pada sel-sel lembar kerja atau dapat menggunakan antarmuka pengguna grafis. Salah satu cara pembuatan yang dapat dilakukan adalah pengguna dapat menyusun lembar kerja dan meminta bantuan seorang spesialis informasi untuk menambahkan antarmuka.

Kecerdasan Buatan Dalam bentuk aslinya, DSS menekankan penggunaan permodelan matematika dan pengajuan permintaan ke basis data. kemudian, perancang DSS mulai menyadari kebutuhan untuk menggabungkannya dengan kecerdasan buatan. Kecerdasan buatan (Artificial Intelligence) adalah aktivitas penyediaan mesin seperti computer dengan kemampuan untuk menampilkan perilaku yang akan dianggap sama cerdasnya dengan manusia.

Sejarah AI Pada tahun 1956, bibit AI pertama kali disebar hanya 2 tahun setelah General Electric menerapkan computer yang pertama kali digunakan untuk penggunaan bisnis. Istilah kecerdasan buatan pertama kali dibuat oleh John McCarthy sebagai tema dalam suatu konferensi yang dilaksanakan di Darmouth College. Namun seiring dengan berjalannya waktu akhirnya dapat membuahkan hasil dan AI telah menjadi wilayah aplikasi yang solid.

Wilayah AI AI diterapkan di dunia bisnis dalam bentuk system pakar, jaringan saraf tiruan, algoritme genetik dan agen cerdas. Sistem Pakar: Adalah program komputer yang berusaha untuk mewakili pengetahuan keahlian manusia dalam bentuk heuristik. Heuristik adalah aturan yang menjadi patokan atau aturan untuk menebak dengan baik. Jaringan Saraf Tiruan: Meniru fisiologi otak manusia. Jaringan ini mampu menemukan dan memberdakan pola, sehingga membuatnya amat berguna dalam bisnis di wilayah pengenalan karakter optis. Algoritme

Genetik:

Menerapkan

proses

yang

terkuat

yang

selamat

untuk

memungkinkan para pemecah masalah agar menghasilkan solusi masalah yang semakin baik. Agen Cerdas: Digunakan untuk melakukan tugas yang berkaitan dengan komputer yang berulang-ulang.

Daya Tarik Sistem Pakar Sistem pakar menawarkan yang unik sebagai system pendukung keputusan. Pertama, system pakar memberikan kesempatan untuk membuat keputusan yang melebihi kemampuan seorang manajer. Sistem pakar tersebut dapat menjelaskan alasannya hingga menuju ke suatu keputusan. Sering kali, penjelasan mengenai bagaimana solusi tersebut dicapai lebih berharga daripada solusi itu sendiri.

Konfigurasi Sistem Pakar Sistem pakar terdiri atas empat bagian utama: antarmuka pengguna, basis pengetahuan, mesin antarmuka, dan mesin pengembangan. Antarmuka Pengguna: Memungkinkan manajer untuk memasukkan instruksi dan informasi ke dalam sistem pakar dan menerima informasi dari sistem tersebut. Instruksi ini menentukan parameter yang megarahkan sistem pakat dalam proses pemikirannya. Sistem pakar didesain untuk merekomendasikan solusi. Solusi ini kemudian dilengkapi dengan penjelasan. Basis Pengetahuan: berisikan fakta yang menggambarkan masalah serta teknik penggambaran pengetahuan yang menjelaskan bagaimana fakta bersentuhan secara logis. Istilah domain masalah digunakan untuk menggambarkan are permasalahan. Mesin Inferensi: bagian dari sistem pakar yang melakukan pemikiran dengan cara menggunakan isi basis pengetahuan dalam urutan tertentu. Mesin Pengembangan: Komponen utama yang keempat dari sistem pakar adalah mesin pengembangan, yang digunakan untuk membuat sistem pakar. Ada 2 pendekatan dasar yang tersedia: bahasa pemrograman dan kerangka sistem pakar.

Sistem Pendukung Pengambilan Keputusan Kelompok Manajer jarang memecahkan masalah sendirian. Berbagai komite, tim proyek, dan satuan tugas yang ada di banyak perusahaan merupakan contoh pendekatan kelompok terhadap pemecahan masalah. Oleh karena itu DSS telah diadaptasi dalam pemecahan masalah secara kelompok.

Konsep GDDS Sistem Pendukung Pengambilan Keputusan Kelompok (Group Decision Support System-GDSS) adalah suatu system berbasis computer yang membantu sekelompok orang melakukan tugas yang sama dan memberikan antarmuka untuk digunakan bersama. Istilah ini digunakan untuk menggambarkan aplikasi teknologi informasi ke dalam situasi kelompok diantaranya adalah GSS (Group Support System), CSCW

(Computer-Supported

Cooperative

Work),

CCWS

(Computerized

Collaborative Work Support), dan EMS (Electronic Meeting System). Peranti lunak yang digunakan dalam situasi-situasi seperti ini diberi nama groupware.

Bagaimana GDSS Membantu Pemecahan Masalah Asumsi

yang

mendasari

GDSS

adalah

komunikasi

yang

lebih

baik

memungkinkan dibuatnya keputusan yang lebih baik. Komunikasi yang lebih baik dapat dicapai dengan menjaga agar diskusi kelompok tetap terfokus pada masalah yang dibicarakan, sehingga waktu tidak terbuang sia-sia. Ekstra waktu yang dimiliki dapat digunakan untuk mendiskusikan masalah secara lebih detail, sehinnga dapat diartikan masalahnya dengan baik. Evaluasi alternatif yang lebih banyak akan meningkatkan kesempatan mendapatkan solusi yang lebih baik.

Letak Lingkungan GDSS GDSS membantu menyelesaikan pemecahan masalah dnegan cara menyediakan lokasi yang kondusif untuk komunikasi. Jika para anggota bertemu dalam waktu yang bersamaan, maka lokasi ini disebut Synchronous Exchange. Jika para anggota bertemu dalam waktu yang bersamaan maka lokasi ini disebut pertukaran sinkron (Asynchronous Exchange). Kalau para anggota bertemu pada waktu yang berbeda-beda, maka lokasi ini disebut pertukaran asinkron.

Ruang Keputusan: Adalah tempat sekelompok kecil orang yang bertemu langsung. Di tengah-tengah ruangan terletak konsol fasilitator. Fasilitator adalah seseorang yang tugas utamanya adalah menjaga diskusi tetap pada jalurnya. Komunikasi Paralel dan Anonimitas: Komunikasi Paralel terjadi jika semua peserta memasukkan komentar pada saat bersamaan dan Anonimitas adalah ketika tidak ada yang mengetahui siapa yang memberikan komentar tertentu. Jaringan Keputusan Wilayah Lokal: Jika tidak memungkinkan untuk sekelompok kecil orang untuk bertemu langsung, maka para anggota dapat berinteraksi melalui LAN. Sesi Legislatif: Jika kelompok orang yang ada terlalu besar untuk suatu ruang keputusan, maka akan dibutuhkan sesi legislative. Ukuran yang besar akan membatasi komunikasi. Konferensi Yang Dimediasi Komputer: Beberapa aplikasi virtual memungkinkan komunikasi antara kelompok-kelompok besar yang mmeiliki anggota yang tersebar di berbagai wilayah geografis.

Meletakkan DSS Pada Tempatnya Ketika kecerdasan buatan ditambahkan, fitur ini benar-benar mengubah karakter DSS. Ketika manajer menggunakan system pakar, manajer duduk di depan computer, namun seorang konsultan duduk di sebelah manajer dan memberi saran mengenai bagaimana memecahkan masalah. Kecerdasan buatan memungkinkan DSS untuk memberikan tingkat dukungan keputusan yang semula tidak dibayangkan oleh para visioner DSS. Kapabilitas GDSS kini telah terbukti. Bahkan, saat ini banyak aplikasi GDSS dibandingkan aplikasi DSS. Mengenai OLAP, konsep ini memang baru, namun akan menarik untuk melihat kemajuannya di masa yang akan datang.