Kelompok
•
Jatwoko
(292487)
•
Rita Wirya Saputra
(295402)
•
Silviani Esther Rumagit (295611)
•
Bahar Ipomiarto
(295399)
•
Wawan Nurmansyah
(295404)
Matakuliah : Model dan Sistem Informasi Dosen Pengampuh : Dra. Susi Daryanti, M.Sc
sumber
Introduction to information systems james A. O’Brien (tenth edition) Essentials for the internetworked E-Business Enterprise
-PENJELASAN
Model Teknik Analisis
KETERANGAN TAMBAHAN
Perbandingan MIS & DSS Metode Penyajian Pengetahuan
Pengolahan Analitis
Secara On-Line Memenuhi DSS Marketing Komponen Web yang
DaftarDaftar Rujukan RujukanDaftar Rujukan
E-Business
Pendukung Keputusandalam E-Bisnis Teknologi Kecerdasan Buatan dalam E-Bisnis
Section I Section II
Kerangka Kerja DS
(Decision Support) MIS Kekurangan Sistem Pakar
TPS MIS DSS EIS
SISTEM PENDUKUNG KEPUTUSAN DALAM E-BISNIS Latar Belakang
Kebijakan konvensional Perubahan kondisi pasar Kebutuhan pelanggan
Dukungan E-Bisnis dan E-Commerce pada perusahaan memerlukan sistem informasi yang mengandung banyak informasi dan kebutuhan pembuat keputusan bagi para manager dan business professional.
Kebutuhan Nilai E-Commerce
Tanggapan pendukung keputusan E-Bisnis
Sistem Informasi Manajemen
(
Management Information Systems
)
Sistem Informasi Manajemen
Operational Management
Lapor
an
-lapor
an
Penjelasan detailOperational Management Decisions Tactical Management Decisions Strategic Management Decisions
MIS
DSS
EIS
TPS
Menu UtamaKebutuhan Informasi Bagi Pembuat Keputusan Berdasar Hierarki Manajerial
Jenis laporan manajemen
•
Laporan berkala terjadwal (
Periodic Scheduled
Reports
),
•
Laporan penerimaan (
Exception Reports
),
•
Laporan permintaan dan tanggapan (
Demand
Reports and Responses
),
Online Analytical Processing (OLAP)
Manajer
dan
analis
memeriksa
dan
memanipulasi data secara interaktif untuk
mendukung pembuatan keputusan dan analisa
bisnis. Analisa meliputi hubungan kompleks
diantara sejumlah besar data yang tersimpan
dalam database multidimensi.
Komponen Web yang Memenuhi DSS Marketing
Data Mining menganalisa sejumlah besar data historical yang telah dipersiapkan untuk menganalisa dalam data warehouse.
Data mining
Data Mining Merupakan proses menemukan hubungan
dalam data yang tidak diketahui oleh pengguna, menyajikan
dalam bentuk yang mudah dipahami sehingga hubungan
tersebut
dapat
dijadikan
sebagai
dasar
pengambilan
keputusan.
Cara
melakukan
data
mining
:
verifikasi
hipotesis
(hypotesis
verification)
dan
penemuan
pengetahuan (knowledge discovery)
DSS (Decision Support Systems)
Sistem informasi berbasiskan komputerisasi interaktif
yang mengggunakan perangkat lunak DSS dan berdasar
model serta database untuk menyediakan bentuk
informasi yang mendukung keputusan. Keputusan yang
berupa semistruktur dan tidak terstruktur yang dihadapi
oleh Manager.
Model Analisis DSS vs MIS
DSS menggunakan : Analisis Model * Spesialis DataBase * Pembuatan Keputusan * Interaktif *
Contoh Aplikasi E-Bisnis Pendukung Keputusan
(
Pegawai, Manager, Pelanggan, Penyalur, Patner Bisnis
)
Supply Chain Management Enterprise Performance Monitoring Simulation : What-If Scenario Analysis Knowledge/ Innovation Management Customer Relationship Management
Contoh kasus E-bisnis dan Pendukung Keputusan:
* AmeriKing,Inc. menggunakan teknologi
internet dan intranet untuk merubah sistem
informasi tradisional bagi informasi manajerial
dan pendukung keputusan. EIP (Enterprise
Information Portal) merupakan portal bagi
pihak manajemen AmeriKing dapat mengakses
informasi produk dari beragam sumber tanpa
melihat adanya beragam versi aplikasi.
SIG & DVS
sistem informasi geografi merupakan kategori khusus DSS
yang mengintegrasikan grafis pada komputer dengan fitur
DSS lainnya. DSS ini menggunakan
database geografis
untuk membangun dan menampilkan peta pendukung
keputusan-keputusan yang mempengaruhi distribusi orang
dan sumber daya lain. Perangkat yang digunakan
global
positioning system
(GPS).
Con
toh
Aplika
si
lapora
n
GIS
Sistem Informasi Eksekutif
(Executive Information Systems)
Sistem Informasi Eksekutif (EIS) adalah sistem informasi yang
menggabungkan banyak fitur dari sistem informasi manajemen
dan dukungan sistem keputusan. Sistem informasi ini dibentuk
untuk menjawab informasi strategis pada top manajemen atas
kinerja perusahaan secara keseluruhan dimana hasilnya dapat
disebarkan pada tingkat manajemen yang lebih rendah.
Contoh kasus Sistem Informasi Eksekutif
Conoco
KeyCorp
Tujuan dari kecerdasan buatan adalah pengembangan
fungsi komputer standar sehingga dapat berkemampuan
layaknya manusia seperti melihat, mendengar, berbicara,
merasakan, bergerak, belajar, berpikir dan memecahkan
masalah.
Teknologi kecerdasan buatan merupakan aplikasi yang
membentuk hubungan baru antara pengguna, komputer,
pengetahuan dan dunia secara fisik. Kecerdasan buatan
memungkinkan
aplikasi bekerja dalam penyebaran dan
pengambilan informasi, pola database, desain produk,
manufaktur, inspeksi, pelatihan, dukungan pengguna,
perencanaan operasi, penjadwalan sumber daya, dan
manajemen sumber daya kompleks.
P
ohon AI
Teknologi kecerdasan buatan termasuk jaringan saraf, logika samar, algoritma genetika, virtual reality, intelligent agent.
Contoh AI dalam E-Bisnis
JCPenney merupakan salah
satu perusahaan besar yang
bergantung pada EchoMail
dalam
mengotomatisisasi
tampilan
dan
jawaban
berbagai email yang diterima
melalui
website
dari
pelanggan.
NN merupakan Sistem komputasi yang mirip dengan jaringan otak
dari element pemrosesan yang saling berhubungan, yang disebut
neuron .
Jaringan neural pada infoseek, perusahaan Infoseek ini telah
mengembangkan suatu jasa untuk tujuan pemasaran dengan
menampilkan iklan pada mesin pencari (search-engine) mereka
sehingga menjadi daya tarik bagi pengguna yang memanfaatkan internet pada setiap aktifitas pencarian yang dilakukannya. Pelayanan menggunakan teknologi jaringan neural ini dilakukan software Aptex
yang mengamati semua aktifitas pengguna setiap kali mereka
mengunjungi mesin pencari Infoseek untuk melakukan pencarian.
Logika Samar (Fuzzy Logic)
Logika Fuzzy adalah suatu cara penalaran yang menyerupai penalaran manusia sejak awal dengan mempertimbangkan nilai kedekatan dan kesimpulan (bukan logika jelas) berdasarkan data tidak sempurna atau rancu (data tidak jelas) bentuknya adalah crisp data dan tidak hanya bernilai benar atau salah.
Logika samar menggunakan perkiraan aturan untuk menyelesaikan masalah dimana data tidak lengkap dan menimbulkan keraguan. Kebalikan dari sistem berdasarkan logika tegas adalah sistem yang tidak hanya mewakili suatu yang kecil dan besar, tetapi benar-benar nilai yang sebenarnya. Didalam aplikasi bisnis kecerdasan buatan nilai ini disebut logika Fuzy.
Alasan utama mengapa logika samar digunakan yaitu untuk
memetakan dengan tepat suatu ruang input kedalam suatu
ruang output, beberapa alasan lain diantaranya :
Logika samar memiliki toleransi terhadap data-data yang
tidak tepat Konsep matematika yang mendasari sangat
sederhana dan mudah dimengerti Logika samar sangat
flexibel Dan alasan lainya.
Algoritma genetika adalah kumpulan prosedur komputasional
yang
secara
konseptual
mengikuti
langkah-langkah
yang
diinspirasi oleh evolusi biologis.
Dengan menggunakan
penyeleksian,
pengacakan
dan
fungsi
matematika
untuk
mensimulasikan suatu proses evolusi sebagai solusi terbaik
pemecahan masalah.
VR
adalah cabang dari perkembangan kecerdasan
buatan
yang
ditujukan
sebagai
upaya
untuk
membangun lebih alami, realistis, antara multisensor
manusia
dengan
komputer
dan
memungkinkan
pengguna mengalami lingkungan simulasi komputer
seperti layaknya keberadaan sebenarnya.
Agent cerdas adalah perangkat lunak berbasis pengetahuan mewakili user atau proses dalam memenuhi tugas terpilih yang berulang-ulang. Agent cerdas mempergunakan ini untuk membangun dan sebagai dasar pengetahuan berkaitan dengan seseorang atau proses untuk membuat
keputusan dan memenuhi tugas berbentuk cara yang memenuhi
kebutuhan dari seorang pengguna.
Contohnya penggalian data, dimana penemuan pengetahuan
memungkinkan sistem data warehouse mengidentifikasikan hubungan data yang sebelumnya tidak dikenal.
Sistem Pakar
Sistem
pakar
adalah
sistem
informasi
berbasis
pengetahuan dari seorang pakar yang menggunakan
pengetahuan spesifik untuk bekerja seperti konsultan
bagi penggunanya. Sistem pakar menghasilkan jawaban
dari pertanyaan yang spesifik dengan membuat
penalaran seperti yang dilakukan manusia mengenai
pengetahuan yang ada pada basis pengetahuan.
Salah satu contoh penerapan sistem pakar untuk dunia
periklanan adalah ADCAD (ADvertising Communications
Approach
Designer)
yang
digunakan
oleh
agen
periklanan untuk menentukan objek pasar, memilih
strategi kreatif, dan memilih komunikasi yang efektif.
Kriteria yang harus diperhatikan dalam membangun sistem pakar
•
Domain.
•
Expertise
•
Complexity
•
Structure
•
Availability
QUESTION & SUGGESTION
Contoh Aturan ADCAD
IF ad objective = convey brand image or reinforce
brand image
AND brand purchase motivation
= sensory stimulation AND message
processing motifation = high THEN emotional
tone = elation
IF ad objective = change brand beliefs
AND
message processing motivation = low AND
purchase anxiety = low AND brand use
avoids fearful consequences = yes THEN
emotional tone = high fear.
Metode Penyajian Pengetahuan
Case base reasoning :
Menyajikan pengetahuan dalam bentuk kasus-kasus, misalkan berdasarkan kejadian yang pernah terjadi, atau berdasarkan pengalaman.
Frame-Based Knowledge :
Pengetahuan disajikan dalam bentuk hirarki atau frame jaringan.
Object-based knowledge :
Pengetahuan disajikan dalam bentuk jaringan objek yang disusun dari data dan method atau proses yang dapat dilakukan data tersebut.
Rule base knowledge :
Pengetahuan disajikan dalam bentuk aturan-aturan dan pernyataan dari fakta. Sebuah aturan merupakan pernyataan yang disusun dari premis dan konklusi, seperti: IF (kondisi) THEN (konklusi).
Kembali
Model Teknik Analisis
What-if analisis :
Perubahan pada hubungan variabel antara variabel, dan mengamati perubahan yang dihasilkan dalam nilai variabel lainnya.
Sensitive analisis :
Merupakan kasus khusus dari what-if analisi. Perubahan yang terjadi hanya pada satu variabel yang berulang kali pada waktu yang tidak terencana. Sensitivie analisis digunakan ketika para pembuat keputusan tidak yakin mengenai asumsi yang dibuat dalam mengestimasi nilai variables
Goal seeking :
Kebalikan arah dari penyelesaian analisis dalam what-if & Sensitive analisis. Goal seeking telah memiliki tujuan, pada kriteria variabel yang dapat berubah-ubah sampai menyesuaikan goalnya.
optimasi analisis :
Lebih Komplek dari lanjutan goal-seeking analisis. Menetapkan target pada variabel dengan tujuan untuk menentukan nilai optimum untuk satu atau lebih variabel target, variabel yang berubah berulang kali berhenti sampai variabel target ditemukan.
Kembali
Perbandingan MIS & DSS
MIS DSS
Dukungan informasi unjuk kinerja perusahan menganalisa suatu permasalahan
Bentuk Informasi & Frequensi
Priodik (berkala) sesuai dengan Permintaan dan dapat ditanggapi &
disetujui
Tanggapan Interaktif, berupa pertanya dan tanggapan Format Informasi Tetap, sudah dispesifikasikan sebelumnya Flexibel Metodelogi proses informasi
data dimanipulasi & diekstrak
model analisis data
Kembali
The Firm
Processing
M
I
S
Input: Raw Materials, Supplies, Data, etc.
Output: Products, Services, Information etc.
MIS
Managers, VPs, CEO
Kekurangan Sistem Pakar
Sistem pakar juga mungkin susah dan mahal untuk dibangun dan
dipelihara dengan baik. biaya untuk knowledge engineer, waktu
untuk pakar, software dan hardware yang lebih jika dibandingkan
dengan beberapa aplikasi yang lain.
Sistem pakar juga tidak dapat merawat dirinya sendiri.
Sistem pakar tidak dapat belajar dari pengalaman tetapi harus
diberitahu mengenai pengetahuan yang baru dan dimodifikasi
sebagai pengetahuan baru untuk menyesuaikan dengan subjek
areanya.
Tetapi beberapa kelemahan tersebut dapat ditangani dengan
mengkombinasikan sistem pakar dengan teknologi AI seperti logika
fuzzy dan neural network atau dengan menggunakan peralatan lain
untuk membuat pembuatan dan perawatan lebih mudah.
Kerangka Kerja DS (Decision Support)
http://www.slideshare.net/Mrirfan/decision-support-system-3181481
Sistem Informasi Manajemen merupakan sistem informasi yang
dikembangkan untuk
mendukung pengambilan keputusan
manajerial sehari-hari. Tampilan laporan (prespecified /
tidak
spesifik, berkala, terkadang mendesak) dan perlu mendapat
tanggapan yang memberikan informasi bahwa pengambilan
keputusan
telah
ditetapkan
sesuai
kebutuhan.
Contohnya pembuatan keputusan pada level operational
management dan tactical management
.
Sistem Informasi Manajemen
(
Management Information Systems
)
Tingkat organisasi
Tipe Keputusan Operasional Manajemen strategik
Terstruktur
TPS
-
-Semi terstruktur
-
MIS & DSS
-Tidak terstruktur
-
ESS
JENIS INFORMASI DAN PENGAMBILAN KEPUTUSAN
Keterangan:
TPS (transaction processing systems)
MIS (management information syatem)
DSS (decision support systems)
