BAB I PENDAHULUAN A. Latar Belakang
Proses pengambilan keputusan telah dianggap sebagai hal kritis di perusahaan yang dicapai melalui pengalaman (knowldege). Tetapi, dengan semakin bertumbuhnya tingkat kerumitan dari bisnis tersebut telah membuat proses pengambilan keputusan tersebut menjadi lebih sulit. Hal itu disebabkan semakin banyaknya alternatif keputusan yang ada, semakin besar pengaruh sebuah keputusan di dalam perusahaan dan semakin tidak tentunya perubahan yang mungkin terjadi di lingkungan perusahaan. Butuh suatu sistem pendukung keputusan dimana sistem tersebut dapat memberikan informasi mengenai keputusan yang terbaik berdasarkan informasi yang didapatkan.
Ketika sebuah perusahaan berimigrasi ke sistem model e-business yang responsif, mereka melakukan investasi pada kerangka kerja aplikasi pendukung keputusan berdasarkan data yang membantu mereka merespon secara cepat perubahan pada kondisi pasar dan kebutuhan pelanggan. Agar lebih memudahkan jalan bisnisnya maka perusahaan membutuhkan sistem informasi yang dapat mendukung kebutuhan pengambilan keputusan dan berbagai informasi dari manajer dan praktisi bisnis.
B. Rumusan Masalah
Berdasarkan uraian dari permasalahan diatas maka rumusan masalahnya ialah :
1. Apakah ada perubahan yang terjadi pada bentuk dan penggunaan pendukung keputusan dalam bisnis ?
2. Apakah peran dan alternatif pelaporan sistem informasi manajemen itu? 3. Bagaimana proses analitis online dapat memenuhi kebutuhan informasi
utama dari para manajer ?
4. Bagaimanakah konsep system pendukung keputusan dan bagaimana pula perbedaannya dengan system informasi manajemen tradisional ? 5. Apa itu Sistem Informasi Eksekutif, Portal Informasi Perusahaan serta
Sistem Manajemen Pengetahuan ?
6. Bagaimanakah penggunaan jaringan syaraf, fuzzy logic,algoritma genetis,realitas virtual dan agen yang cerdas dalam bisnis ?
7. Bagaimana system pakar dapat digunakan dalam pengambilan keputusan bisnis ?
C. Tujuan Penulisan
1. Mengindentifikasi perubahan yang terjadi dalam bentuk dan penggunaan pendukung keputusan di dalam bisnis.
2. Mengidentifikasi peran dan alternatif pelaporan sistem informasi manajemen.
3. Mendeskripsikan bagaimana pemprosesan analitis online dapat memenuhi kebutuhan informasi utama daripara manajer.
4. Menjelaskan konsep system pendukung keputusan dan perbedaannya dengan sistem informasi manajemen tradisional.
5. Menjelaskan bagaimana sistem informasi berikut ini dapat mendukung kebutuhan informasi dari eksekutif, manajer dan praktisi bisnis :
c. Sistem manajemen pengetahuan
6. Mengidentifikasi bagaimana jaringan syaraf, fuzzy logic,algoritma genetis,realitas virtual dan agen yang cerdas dapat digunakan dalam bisnis.
BAB II PEMBAHASAN 2.1 Tren Pendukung Keputusan
Penggunaan sistem informasi untuk mendukung pengambilan keputusan bisnis telah menjadi salah satu tujuan utama dari penggunaan teknologi. Akan tetapi selama tahun 1990-an, baik peneliti akademik maupun praktisi bisnis mulai melaporkan bahwa focus manajerial tradisional yang berasal dari sistem informasi manajemen yang klasik (1960-an), sistem pendukung keputusan (1970-an), sistem informasi eksekutif (1980) terus meluas. Kecepatan perkembangan teknologi informasi seperti hardware computer dan paket software, jaringan klien/server dan versi computer jaringan dari software DSS/EIS membuat pendukung keputusan tersedian bagi menejamen tingkat bawah, serta bagi individu nonmanajerial dan tim mandiridari praktisi bisnis
Tren ini telah mengalami percepatan seiring dengan pertumbuhan yang sangat cepat dari internet serta intranet dan ekstranet dari perusahaan yang menggunakan Internet dan pemilik kepentingan. Inisiatif e-bussines dan e-commerce yang sedang diimplemetasikan oleh banyak perusahaan juga memperluas ekspektasi serta pengguna informasi dan pendukung keputusan dari karyawan, manajer, pelanggan, pamasok, dan mitra bisnis lainnya. Gambar di bawah mengilustrasikan bahwa semua pemilik kepentingan dalam bisnis mengharapkan akses yang mudah dan instan ke informasi dan analisis data mandiri berbasis Web. Bisnis saat ini menanggapi dengan bebagai teknik analisis berbasis Web yang proaktif dan pribadi untuk mendukung persyaratan pengambilan keputusan dari semua konstituen mereka.
pengiriman informasi “kelas eksekutif” dan alat software pendukung keputusan oleh manajemen tingkat yang lebih rendah dan oleh individu dan tim praktisi bisnis. Selain itu, ekspansi yang dramatis ini telah membuka pintu ke penggunaan alat seperti kecerdasan bisnis oleh pemasok, pelanggan, dan pemilik kepentingan bisnis lainnya dari suatu perusahaan untuk manajemen hubungan pelanggan, manajemen rantai pasokan, dan aplikasi e-bussines lainnya.
2.2 Sistem Informasi Manajemen
memiliki ide yang baik untuk informasi mengenai hasil penjualan agar mereka dapat mengelola kinerja penjualan dengan efektif.
Manajer dan pengambil keputusan bisnis lainnya menggunakan SIM untuk memperoleh informasi mengenai tempat kerja mereka yang berjaringan yang mendukung aktivitas pengambilan keputusan mereka. Informasi ini dapat berbentuk laporan periodik, pengecualian, dan permintaan dan tanggapan langsung dari permintaan. Browser web, program aplikasi dan software manajemen database menyediaakan akses ke informasi di intranet dan database operasional lainnya di dalam organisasi. Database operasional dipertahankan oleh sistem pemrosesan informasi. Data mengenai lingkungan bisnis diperoleh di internet atau database ekstranet jika diperlukan.
2.3 Alternatif Pelaporan Manajemen
Sistem informasi manajemen menyediakan berbagai produk infromasi bagi manajer. Ada empat alternatif pelaporan utama yang disediakan oleh sistem ini.
Laporan Terjadwal Secara Periodik. Bentuk tradisonal penyediaan informasi bagi manajer dengan menggunakan format yang telah ditentukan dan menyediakan informasi secara rutin kepada manajer. Contoh lapran terjadwal secara periodik adalah laporan analisis penjualan harian dan mingguan dan laporan keuangan bulanan.
dengan respon yang cepat ke permintaan manajer dan analis, sehingga proses analisis atau pengambilan keputusan tidak terganggu.
Pemrosesan analitis online melibatkan beberapa oprasional analitis dasar, termasuk konsolidasi, “penggalian (drill-down)”, dan “pengirisan dan pemotongan (slicing dan dicing).”
Konsolidasi. Konsolidasi melibatkan pengumpulan data. Hal ini melibatkan pengumpulan sederhana atau pengelompokan yang rumitdengan melibatkan data yang saling berhubungan. Misalnya data kantor penjualan dapat dikumpulkan ke wilayah, dan wilayah, dan wilayah ke regional.
Penggalian. OLAP dapat bergerak ke arah kebalikan dan secara otomatis menampilkan rincinan data yang telah dikonsolidasikan. Ini disebut penggalian. Misalnya, penjualan menurut produk individual atau staf penjualan yang menghasilkan total penjualanregional dapat dengan mudah diakses.
2.4 Sistem Pendukung Keputusan
Sistem pendukung keputusan (decision support system-DSS) adalah sistem informasi berbasis komputer yang menyediakan dukungan informasi yang interaktif bagi manajer dan praktisi bisnis selama proses pengambilan keputusan. Sistem pendukung keputusan menggunakan (1) model analisis (2) database khusus (3) penilaian dan pandangan pembuat keputusan, dan (4) proses pemodelan berbasis komputer yang interaktif untuk mendukung pembuatan keputusan bisnis yang semiterstruktur dan tak terstruktur.
Contoh. Satu contoh mungkin akan membuat hal ini lebih jelas. Manajer pnejualan biasanya bergantung pada sistem informasi manajemen untuk membuat laporan analisis penjualan. Laporan ini berisi angka kinerja penjualan menurut lini produk, tenaga penjual, wilayah penjualan, dan lain – lain. Di lain pihak, sistem pendukung keputusan juga akan secara interaktif menunjukkan kepada manajer penjualan pengaruh berbagai faktor (seperti pengeluaran promosi dan kompensasi tenaga penjual) terhadap kinerja penjualan. DSS dapat menggunakan beberapa kriteria (seperti margin kotor yang diharapkan dan pangsa pasar) untuk mengevaluasi dan mengurutkan beberapa kombinasi alternatif dari faktor – faktor kinerja penjualan.
Komponen DSS
Berbeda dengan sistem informasi manajemen, sistem pendukung keptusan begantung pada basis model (model basic) dan databse sebagai sumber daya sistem yang vital. Basis model DSS adalah komponen software yang terdiri dari model – model yang digunakan dalam rutinitas komputasional dan analitis secara matematis menyatakan hubungan antar variabel. Misalnya, program spreasheet dapat berisi model yang menyatakan hubungan akuntansi sederhana antara berbagai variabel, seperti pendapatan – beban = laba. Atau basis model DSS dapat mencangkup model – model dan teknik analitis yang digunakan untuk menyatakan hubungan yang jauh lebih kompleks. Misalnya, DSS dapat mencngkup model pemrograman linear, model peramalan regresi ganda, dan model nilai sekarangpenganggaran modal. Model – model seperti ini dapat disimpan dala bentuk template atau model spreasheet, atau program statistik dan matematis serta modul program.
Paket software terpadu yang mendukung jenis keputusan tertentu. Software DSS biasanya terdiri atas rutinitas pemodelan analitis yang telah dibangun dan memungkinkan anda untuk membangun model anda. Banyak paket DSS yang saat ini tersedia dalam mikrokoputer dan versi berbasis web. Tentu saja, paket preasheet elektronik juga menyediakan bebrapa bangunan model (model spreasheet) dan pemodelan analitis (analisis pencarian sasaran dan jika-maka) yang ditawarkan oleh software DSS yang berdaya lebih tinggi.
Sistem Visualisasi Data dan Informasi Geografis
adalah DSS yang menggunakan database geografis untuk membuat dan menampilkan peta dan tampilan grafis lainnya yang mendukung keputusan mengenai distribusi geografis orang – orang dan sumber daya lainnya. Banyak perusahaan yang menggunakan teknologi GIS bersama dengan alat sistem penempatan global (Global Positioning System-GPS) untuk membantu mereka untuk memilih lokasi toko ritel yang baru, mengoptimalkan rute distribusi, atau menganalisis demografi pasar sasaran mereka. Misalnya, seperti perusahaan Levi Strauss, Arby’s, Consolidated Rail, dan Federal Expres menggunakan paket GIS untuk memadukan peta, grafik, dan data geografis lainnya dengan data bisnis dari spreasheet dan paket statistik. Software GIS seperti Mapinfo dan GIS atlas digunakan dalam banyak aplikasi GIS.
Sistem Visualiasi Data (data visualization system – DVS) menunkukkan data yang rumit dengan menggunakan bentuk grafis tiga dimensi yang interaktif, seperti bagan, grafik, dan peta. Alat DVS membantu pemakai untuk secara interaktif mengurutkan, membagi, menggabungkan, dan mengatur dalam bentuk grafis. Hal ini membantu pemakai untuk menentukan pola, hubungan, dan anomali dalam data ilmiah atau bisnis dalam penemuan pengetahuan secara interaktif dan proses pendukung keputusan. Aplikasi bisnis seperti penambangan data biasanya menggunakan grafik interaktif yang memungkinkan pemakai menggali data secara langsung dan memanipulasi data model bisnis untuk membantu menjelaskan maknanya untuk mengambil keputusan bisnis.
2.4.1 Penggunaan Sistem Pendukung Keputusan
Jenis Permodelan Analitis Aktivitas dan Contoh
Analisis jika-maka(what-if) Mengamati bagaimana perubahan terhadap variable tertentu mempengaruhi variable lainnya
Contoh : Bagaimana jika kita memotong biaya iklan sebesar 10% ? Apa yang akan terjadi pada penjualan ?
Analisis Sensitivitas Mengamati bagaimana perubahan yang berulang-ulang terhadap suatu variable mempengaruhi variable lainnya.
Analisis sensitivitas digunakan ketika pengambil keputusan tidak yakin dengan asumsi yang dibuat dalam memperkirakan nilai beberapa variabel utama.
Contoh : Mari kita potong biaya iklan sebanyak Rp 1.000 secara
pengeluaran hingga hasil Rp 2.000.000 tersebut tercapai.
Analisis Optimisasi Menemukan nilai optimum untuk variabel tertentu, yang diberikan batasan tertentu.
Optimisasi umumnya dapat dicapai dengan menggunakan software seperti Solver dalam Ms Excel dan paket software lainnya untuk teknik optimasi seperti pemrograman linier. Contoh : Menetukan tingkat laba tertinggi yang dapat dicapai dengan mengubah nilai sumber pendapatan dan pengeluaran, namun perubahan dapat terbatas seperti kapasitas proses produksi / batasan pembiayaan.
Tabel 1 : Aktivitas dan contoh jenis utama pemodelan analitis
2.4.2 Penambangan Data untuk Pendukung Keputusan
Tujuan utama dari penambangan data adalah untuk menyediakan pendukung keputusan bagi manajer atau praktisi bisnis melalui proses yang kadang-kadang disebut penemuan pengetahuan (knowledge discovery).
Software penambang data dapat berupa Attar Software yang digunakan untuk menemukan cara yang lebih baik dalam mengatur tata letak ruang kerja atau penempatan produk di toko.
Sistem informasi eksekutif adalah sistem informasi yang menyediakan fasilitas yang fleksibel bagi manajer dan eksekutif dalam mengakses informasi eksternal dan internal yang berguna untuk mengidentifikasi masalah atau mengenali peluang. Pemakai yang awam dengan komputerpun tidak sulit mengoperasikannya karena sistem dilengkapi dengan antarmuka yang sangat memudahkan pemakai untuk menggunakannya (user-friendly).
Tahap penggunanan Sistem Informasi Eksekutif :
Karakteristik Sistem Informasi Eksekutif (EIS) antara lain : 1. Dapat digunakan untuk meringkas, menapis, dan memperoleh
detil data.
2. Menyediakan analisis kecenderungan (trend analysis), pelaporan perkecualian, dan kemampuan drill-down.
3. Dapat digunakan untuk mengakses dan memadukan data internal dan eksternal.
4. Mudah digunakan dan terkadang tidak perlu atau hanya perlu sedikit pelatihan untuk menggunakannya.
5. Dapat digunakan secara langsung oleh eksekutif tanpa perantara.
6. Menyajikan informasi dalam bentuk teks, grafik, dan table. 7. Terkadang dilengkapi fasilitas komunikasi elektronis (e-mail
(spreadsheet, bahasa query, dan DSS), dan perangkat produktivitas pribadi (seperti kalendar elektronis).
2.5.2 Portal Perusahaan dan Pendukung Keputusan
Portal Informasi Perusahaan andalah interface berbasis Web dan perpaduan SIM,DSS,EIS dan teknologi lainnya yang dibuat secara khusus untuk intranet perusahaan yang memberikan kemudahaan akses bagi para pemakai ke berbagai layanan, database, dan aplikasi bisnis internal maupun eksternal.
Manfaat bisnis yang dapat dirasakan dari sistem ini adalah:
a. Mencangkup penyediaan informasi yang lebih selektif dan spesifik bagi pemakai bisnis
b. Penyediaan berita bisnis dan industri
c. Penyediaan akses yang lebih baik ke data perusahaan untuk pelanggan, pemasok atau mitra bisnis tertentu
d. Membantu menghindari akses bisnis berlebihan yang dilakukan oleh karyawan serta membantu para karyawan untuk lebih mudah menerima atau mendapatkan informasi dan layanan yang mereka butuhkan sehingga akan berpengaruh pada produktifitas tenaga kerja perusahaan.
2.5.3 Sistem Manajemen Pengetahuan
Sistem Manajemen Pengetahuan (knowledge manajemen systems) diperkenalkan sebagai penggunaan teknologi informasi untuk membantu mengumpulkan, mengatur dan saling berbagi pengetahuan bisnis di dalam organisasi.
menyebarkan pengetahuan yang dapat mendukung pengambilan keputusan bisnis oleh manajer dan praktisi bisnis.
Gambar 1 : Sistem Manajemen Pengetahuan Berbasis Web dalam Bisnis 2.6 Teknologi Kecerdasan Artifisal dalam Bisnis
Teknologi kecerdasan artifisial (artificial intellegence−Al) digunakan dalam berbagai cara untuk memperbaiki pendukung keputusan yang disediakan bagi manajer dan praktisi bisnis dibanyak perusahaan. Misalnya:
Aplikasi berbasisi Al digunakan dalam distribusi dan penelusuran informasi penambangan basis data, desain produk, inspeksi, pelatihan, pendukung pemakai, perencanaan operasi bedah, penjadwalan sumber daya dan sumber daya yang rumit. Bahkan bagi orang yang menjadwalkan, merencanakan, mengalokasi sumber daya, mendesain produk baru, menggunakan internet, mengembangkan software, bertanggung jawab atas kualitas produk, praktisi investasi, mengandalkan TI menggunakan TI, atau bekerja dalam berbagai kapasitas dan arena lainnya.
Kecerdasan artifisial (artificial intellegence−Al) adalah bidang ilmu pengetahuan dan teknologi yang didasari oleh ilmu-ilmu seperti ilmu komputer, biologi, psikologi, linguistic, matematika dan teknik. Tujuandari Al adalah mengembangakan komputer yang dapat berpikir, serta melihat, mendengar, berjalan, dan merencanakan sesuatu. Pendorong utama dari kecerdasan artificial adalah perkembangan sistem computer yang umumnya disosialisasikan dengan kecerdasan manusia, seperti penalaran, pembelajaran dan penyelesaian masalah, seperti yang diringkas pada table 2 berikut.
Atribut Perilaku Cerdas
Berpikiran dan Bernalar
Menggunakan penalaran untuk menyelesaikan masalah
Belajar dan paham pengalaman
Memperoleh dan menerapkan pengetahuan Menampilkan kreativitas dan imajinasi
Mengatasi situasi yang rumit dan membingungkan
Menanggapi situasi baru dengan cepat dan dengan berhasil
Mengenali elemen-elemen yang penting dalam suatu situasi
Mengatasi informasi yang ambigu, tidak lengkap dan salah
Telah banyak terjadi perdebatan serius mengenai kecerdasan artifisial sejak lading ini dimulai pada tahun 1950-an. Bukan hanya mengenai teknologi, namun juga terdapat pertanyaan mengenai moral dan filosofi yang berhubungan dengan kemungkinan adanya mesin yang mampu berpikir dan cerdas. Perintis dari Al ini adalah Alan Turing pada tahun 1950.
dikelompokkan dibawah tiga bidang utama: ilmu kognitif, robotik, dan interface alami, namun klasifikasi ini sering tumpang tindih dengan klasifikasi yang lain juga digunakan. Perhatikan juga bahwa sistem pakar hanya salah satu dari banyak aplikasi penting Al.
Ilmu Kognitif. Bidang kecerdasan artificial ini didasari oleh penelitian di bidang bilogi, neurologi, psikologi, matematika, dan banyak ilmu pengetahuan lainnya. Bidang ini memfokuskan pada penelitian mengenai bagaimana otak manusia bekerja dan bagaimana manusia berfikir dan belajar. Hasil dari penelitian dalam pemrosesan informasi manusia (human information processing) adalah dasar dari pengembangan berbagai aplikasi berbasis komputer dalam kecerdasan artifisial.
Aplikasi dalam bidang ilmu kognitif dari Al mencangkup pengembangan system pakar dan system berbasis pengetahuan lainnya yang menambah basis pengetahuan dan kemampuan penalaran ke sistem
informasi. Selain itu, bidang ini juga mencangkup system belajar adaptif yang dapat memodifikasi perilaku berdaarkan informasi yang diperoleh pada saat beroperasi. Sistem permainan catur adalah contoh klasik dari aplikasi semacam ini, meskipun banyak aplikasi yang diimplementasikan saat ini. Sistem Fuzzy logic dapat memproses data yang tidak lengkap atau ambigu, yaitu data yang kabur/membingungkan (fuzzy data). Jadi, sistem ini dapat menyelesaikan masalah tak terstruktur dengan pengetahuan yang tak lengkap dengan cara mengembangkan jawaban dan inferensi yang mendekati, seperti manusia. solusinya. Ketika jaringan syaraf telah mengenali suatu pola, jaringan tersebut dapat memulai memprogram dirinya sendiri untuk menyelesaikan masalah tersebut secara mandiri. Software alogaritma genetis menggunakan teori Darwin(yang paling kuatlah yang bias bertahan hidup) , pengacakan dan fungsi matematika lainnya untuk mensimulasi proses evolusi yang lebih baik terhadap masalah. Agen yang cerdas menggunakan sistem pakar dan teknologi Al lainnya untuk bertindak sebagai wakil software untuk berbagai aplikasi pemakai terakhir.
Robotik. Al, teknik dan fisiologi adalah ilmu dasar dari robotik. Teknologi ini menghasilkan mesin robot dengan kecerdasan komputer dan dikendalikan oleh komputer dengan kemampuan seperti manusia. Jadi, bidang ini mencangkup aplikasi yang dirancang untuk memberikan kepada robot untuk daya melihat, atau presepsi visual, meraba, atau kemampuan indera peraba, ketangkasan, atau keahlian untuk mengatasi atau memanipulasi sesuatu, daya penggerak, atau kemampuan fisik untuk bergerak dipermukaan apa saja, dan navigasi atau kemampuan untuk mencari arah yang tepat.
robot “memahami” kita dengan mudah. Hal ini mencangkup penelitian dan penegembangan dalam bidang linguistik, psikologi, dan ilmu komputer, dan ilmulain nya, aplikasi penelitian interface alami lainnya mencangkup pengembangan alat multi sensori yang menggunakan berbagai gerakan untuk mengoperasikan komputer. Hal ini berhubungan dengan munculnya bidang aplikasi reakitas virtual.
2.6.1 Jaringan syaraf (neural network)
Jaringan syaraf adalah sistem komputasi yang dibuat mirip dengan jaringan otak dari elemen pemrosesan yang saling berhubungan, yang disebut neuron. Tentu saja, syaraf yang lebih sederhana dalam arsitektur nya (otak manusia dapat diperkirakan memiliki lebih dari 100 milyar neuron). Akan tetapi, seperti otak prosesor yang saling berhubungan dalam jaringan syaraf beroperasi pararel dan saling berinteraksi secara dinamis. Hal ini memungkikan jaringan untuk “belajar” dari data yang diprosesnya. Jaringan tersebut belajar mengenali pola dan hubungan dalam data yang diprosesnya. Semakin banyak contoh data yang diterimanya sebagai input, semakin baik jaringan tersebut belajar untuk menduplikasi hasil-hasil daricontoh data yang diprosesnya. Jadi, jaringan syaraf akan mengubah kekuatan interaksi antar elemen pemrosesan dalam menanggapi pola yang berubah-ubah pada data dan hasilnya.
2.6.2 System Logika yang Kabur(Fuzzy Logic)
kredit mengenai bisnis yang sedang dievaluasi untuk pemilihan investasi.
Contoh aplikasi fuzzy logic sangat banyak di Jepang, namun jaramg di Amerika Serikat. Amerika Serikat cenderung lebih suka menggunakan solusi al seperti sistem pakar atau jaringan syaraf. Namun Jepang telah mengimplementasikan banyak aplikasi fuzzy logic, khususnya penggunaan Chip mikro prosesor fuzzy logic untuk tujuan khusus, yang disebut kontroler fuzzy logic. Orang Jepang menggunakan kereta bawah tanah, elevator dan mengemudi mobil yang dipandu dan didukung oleh pengontrol proses fuzzy logic yang dibuatoleh Hitachi danTosiba.
2.6.3 Alogoritma Genetis
Penggunaan Alogoritma Genetis merupakan aplikasi yang berkembang dari Al. software alogaritma genetis menggunakan teori Darwin (yang kuatlah yang bias bertahan hidup), pengacakan, dan fungsi matematika lainnya untuk mensimulasi
PeraturanFuzzy Logic Resiko harus diterima
Jika ekuitas utang sangat tinggi maka resiko meningkat secara positif Jika pemasukan meningkat maka resiko nampaknya menurun
Jika persediaan kas rendah hingga sangat rendah maka resiko meningkat secara tajam
Jika PE ratio baik maka resiko umum nya menurun.
Permintaan SOL Fuzzy Logic
proses evolusi yang dapat menghasilkan solusi yang lebih baik terhadap masalah. Alogaritma genetis pertama kali digunakan untuk mensimulasi jutaan tahun evolusi biologi ,geologi, dan ekosistem dalam hanya beberapa menit di komputer.
Alogaritma genetis khususnya berguna untuk situasi dimana ribuan solusi memungkinkan dan harus dievalusi untuk menghasilkan solusi yang optimal. Software alogaritma menggunakan peraturan proses matematis (alogaritma) yang menentukan bagaimana kombinasi komponen proses aatau langkah-langkah dibentuk. Hal ini dapat mencangkup usaha pengacakan kombinasi proses (mutasi), penggabungan dari beberapa prosesor yang baik (crossover),dan memilih proses yang baik dan membuang proses yang buruk(seleksi) untuk menyelesaikan solusi yang lebih baik.
2.6.4 Realitas virtual
muda. Selain itu keadaan semakin menghilangnya kesadaran terhadap pengembangan sumber daya manusia melalui pendidikan tak mustahil "generasi yang hilang" itu suatu saat nanti akan disuguhkan oleh "kiai sejarah" kepada bangsa kita. Tulisan ini akan mencoba mengkaji secara ringkas suatu realitas baru yang mau tak mau, suka tak suka telah masuk dalam kehidupan manusia termasuk masyarakat kita. Realitas baru itu adalah Realitas Virtual.
Apakah Realitas Virtual Dapat Dimanfaatkan untuk Pembelajaran?
pencapaianprestasi.
RV memerlukan analisis dan desain yang teliti agar dapat diimplementasikan secara efektif. Untuk itu dibutuhkan sejumlah teknologi dan suatu rentang kemampuan guna mengembangkan dan menyebarkannya. Tnetu saja juga perlu memahami tentang investasi, perdagangan, resiko sebelum memulai suatu kegiatan (suatu proyek RV). RV kini banyak digunakan dalam berbagai organisasi untuk menyampaikan pemecahan masalah belajar berbasis prestasi. Berbagai teknik telah dikembangkan untuk membantu dalam proses menciptakan belajar berbasis RV. Bagaimanakah RV dapat meningkatkan efektifitas belajar? Untuk menjawabnya perlu dianalisis lebih lanjut hal-hal berikut ini.
2.6.5 Hakekat Realitas Virtual
Seperti telah disebut di atas, RV adalah suatu teknologi berbasis komputer yang memberikan suatu pengalaman realistis, interaktif, atau suatu daya-rasa (sense) tentang sesuatu yang ada ("being there") Menurut Carol Gunther Mohr dkk dalam the ASTD Handbook of Training Design and Delivery (2000) Realitas Virtual adalah: Y Representasi realitas hidup, tiga dimensi dengan komputer grafik yang menggambarkan fungsionalitas obyek lengkap atau lingkungan dan memungkinkan seseorang bergerak di dalam lingkungan tersebut; Y Tanggapan interaktif, serta-merta dan realistik terhadap aksi penggunanya; Y Membawa, melibatkan dalam proses fisik dan menempatkannya pada pusat pengalaman pengguna.
pandang sesuai dengan kegiatan yang dilakukannya. Hal ini memberikan fleksibilitas yang lebih besar dibanding pelatihan berbasis multimedia konvensional, yang dalam pengoperasian program lebih ditetapkan (dibatasi). RV memberikan masukan multi sensor yang memungkinkan pengguna: melihat dan mendengar, menampilkan kegiatan/aksi, menangkap akibat aksi melaui umpan balik yang serta merta, realistis (secara visual dan auditif), serta dalam beberapa kasus pengalaman umpan balik secara real time (senyatanya). Teknologi RV dapat digunakan secara sendiri sebagai lingkungan virtual saja atau terintegrasi dengan suatu aplikasi pelatihan multimedia berbasis komputer seperti animasi video, dan teks. RV sering diterapkan menyimulasikan atau aplikasi berbasis skenario yang memungkinkan pengguna menampilkan kemampuan dan menerapkan pengetahuan sementarabekerja sesuaikecepatan (pacing)-nya sendiri.
2.5.6 Agen yang Cerdas
menekankan otonomi , sehingga lebih memilih cerdas agen otonom jangka. Yang lain (terutama Russell & Norvig (2003) ) perilaku goal-directed dianggap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari ekonomi , ” agen rasional “.
Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , dan versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika , filsafat alasan praktis , serta di banyak inter disiplin er sosio-kognitifpemodelan dan sosial simulasi komputer.
Gambar 3 : Program Otonom
Struktur agen
Sebuah program agen yang sederhana dapat didefinisikan secara matematis sebagai fungsi agen yang memetakan setiap urutan persepsi mungkin untuk tindakan yang mungkin agen dapat melakukan atau untuk suatu elemen, umpan balik koefisien, fungsi atau konstanta yang mempengaruhi tindakan akhirnya:
Para agen program , sebagai gantinya, setiap peta persepsi mungkin untuk tindakan. Russell & Norvig (2003) agen kelompok menjadi lima kelas berdasarkan tingkat kecerdasan dan kemampuan yang dirasakan:
1. sederhana refleks agen 2. model berbasis agen refleks 3. Tujuannya berbasis agen 4. utilitas berbasis agen 5. agen pembelajaran
Refleks model berbasis agen
informasi tambahan melengkapi “World View” model. Berdasarkan refleks agen-model melacak negara dunia sekarang menggunakan internal model .Kemudian memilih tindakan dengan cara yang sama sebagai agen refleks.
Tujuan berbasis agen
Tujuan berbasis model berbasis agen yang menyimpan informasi tentang situasi yang diinginkan. Hal ini memungkinkan agen cara untuk memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara tujuan.
Utility berbasis agen
Agen tujuan berbasis hanya membedakan antara negara-negara tujuan dan negara-negara-negara-negara non-tujuan. Hal ini dimungkinkan untuk menentukan ukuran berapa diinginkan negara tertentu. Langkah ini dapat diperoleh melalui penggunaan fungsi utilitas yang memetakan negara untuk ukuran utilitas negara.
Belajar agen
Belajar memiliki keuntungan bahwa hal itu memungkinkan para agen untuk awalnya beroperasi di lingkungan yang tidak dikenal dan menjadi lebih kompeten dari pengetahuan awal mungkin saja memungkinkan kelas lain dari agen cerdas.
Menurut sumber-sumber lain beberapa sub-agen (belum disebutkan dalam pengobatan ini) yang dapat menjadi bagian dari Agen Cerdas atau Cerdas lengkap Agen dalam diri mereka sendiri adalah:
Keputusan Agen (yang ditujukan untuk membuat keputusan); Input Agen (proses itu dan membuat rasa input sensor –
misalnya jaringan syaraf agen based);
Agen spasial (yang berhubungan dengan dunia nyata (fisik) Agen dunia (yang menggabungkan kombinasi dari semua
kelas-kelas lain dari agen untuk memungkinkan perilaku otonom).
Agen terpercaya – Seorang agen menunjukkan kepribadian melalui penggunaan karakter buatan (agen adalah melekat) untuk interaksi.
Fisik Agen – Agen fisik adalah suatu entitas yang persepsi melalui sensor dan bertindakmelalui aktuator. Temporal Agen – Agen temporal dapat menggunakan
informasi yang disimpan berdasarkan waktu untuk menawarkan instruksi atau tindakan data ke program komputer atau manusia membutuhkan program input dan menjadi persepsi untuk menyesuaikan perilaku berikutnya.
2.7 Sistem Pakar
Ciri-Ciri Sistem Pakar
Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut : • Memiliki informasi yang handal.
• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer. • Memiliki kemampuan untuk belajar beradaptasi.
Keuntungan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. 2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya. 8. Memiliki kemampuan untuk mengakses pengetahuan. 9. Memiliki reabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambilan keputusan
Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :
2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
3. Sistem Pakar tidak 100% bernilai benar.
Alasan Pengembangan Sistem Pakar, sistem pakar sendiri dikembangkan lebih lanjut dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi. • Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi. • Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
Pengembangan sistem
1. Penilaian (Assessment)
Proses untuk menentukan kalayakan dan justifikasi atas permasalahan yang akan diambil. Setelah itu masalah diperiksa lebih lanjut untuk menentukan tujuan keseluruhan dari proyek. Upaya ini dilakukan untuk menentukan fitur-fitur penting dan ruang lingkup dari proyek, dan juga untuk menetapkan sumber daya yang diperlukan, termasuk diantaranya para pakar dan juga berbagai laporan harus diidentifikasi. Setelah tahap inisialisasi dilakukan persyaratan-persyaratan proyek ditetapkan.
2. Akuisisi pengetahuan
diadakannya pertemuan dengan pakar untuk membahas aspek dari permasalahan.
3. Desain
Pengetahuan yang diperoleh selama tahap akuisisi pengetahuan digunakan sebagai pendekatan dalam merepresentasikan pengetahuan pakar dan strategi pemecahan masalah ke dalam sistem pakar. Selama tahap desain, keseluruhan struktur dan organisasi dari sistem pengetahuan harus ditetapkan. Pada tahap desain, sebuah sistem prototype di bangun. Tujuan dari pembangunan prototype tersebut adalah untuk memberikan pemahaman yang lebih baik atas masalah.
4. Pengujian
Tahap dimana dilakukan pengujian terhadap sistem pakar yang telah dibangun.
5. Dokumentasi
Dokumentasi diperlukan untuk mengkompilasi seluruh informasi proyek ke dalam bentuk dokumen yang dapat memenuhi persyaratan pengguna dan pengembang dari sistem pakar. Dokumentasi dibutuhkan untuk mengakomodasi kebutuhan pengguna yang memenuhi persyaratan yang ditemukan pada sebagian besar proyek perangkat lunak. Dokumentasi tersebut menjelaskan tentang bagaimana mengoperasikan sistem dan menyediakan tutorial dalam mengoperasikan fitur utama dari sistem.
masalah. Hal tersebut ditambahkan pada proyek sebagai pengetahuan yang baru diperoleh.
6. Pemeliharaan
Setelah sistem digunakan dalam lingkungan kerja, maka selanjutnya diperlukan pemeliharaan secara berkala. Pengetahuan itu sifatnya tidak statis melainkan terus tumbuh dan berkembang. Pengetahuan dari sistem perlu diperbaharui dan disempurnakan untuk memenuhi kebutuhan saat ini.
Sew What? merupakan perusahaan penyedia pakaian panggung berbentuk tirai untuk konser, peragaan fashion yang diawali pada bidang pementasan rock and roll. Sew What? didirikan tahun 1992 oleh Megan Duckett, seorang wanita kelahiran Australia dan berbasis di Rancho Dominguez,California. Sew What? berawal dari usaha rumahan (menggunakan dapur dan garasinya untuk membuat tirai pesanan pelanggannya, antara lain Sting, Elton Jhon, dan Madonna), , dan pada akhirnya menjadi perusahaan di tahun 1998. Saat ini, Sew What? menjadi perusahaan terdepan dalam industri penyediaan tirai, karena Megan Duckett melakukannya dengan bekerja keras, pengerjaan yang berkualitas dan menggunakan tehnologi informasi. Tehnologi informasi mempunyai peranan sangat penting dalam kesuksesan menjalankan perusahaanya. Persaingan di dunia bisnis yang tinggi membuat penerapan teknologi informasi menjadi suatu kebijakan proses dan strategi perusahaan dalam tetap menjaga eksistensi perusahaannya dan menjaga loyalitas konsumennya, dimana fungsi dan perannya lebih luas terkait pada visi, misi dan tujuan perusahaan. Peran teknologi informasi dalam keberhasilan bisnis Sew What Inc, adalah sebagai berikut :
· Menunjang Proses Bisnis dan Operasi
Sew What? Inc merupakan suatu bisnis rumahan (homeindustry), dengan adanya pengaplikasian teknologi informasi seperti website memudahlan Sew What? Inc dalam memasarkan produknya ke segala jaringan tanpa batasan wilayah sehingga dapat dikenal secara lebih luas dan mendapatkan konsumen dari seluruh dunia. Karena pada awal perusahaan ini tumbuh , pemasaran yang dilakukan hanya secara konvensional hanya dari mulut ke mulut atau door to door sehingga konsumen yang dimiliki hanya lokal pada satu kawasan saja. Konsumen Sew What? Inc setelah penggunaan website tidak hanya lokal tetapi konsumen pun menjadi lebih besar dan mendunia seperti bintang rock internasional, Gucci, dan majalah Rolling Stone.
keuntungan yang diraihnya. Peningkatan omset ini disebabkan meluasnya konsumen yang dimiliki oleh Sew What? Inc, peningkatan dan perluasan konsumen secara global yang terjadi pada Sew What? Inc. Konsumen Sew What? Inc yang telah menjadi pelanggan tetap dapat menciptakan model yang diinginkan dengan melihat bentuk-bentuk bahan yang ditawarkan oleh Sew What? Inc secara online seperti warna dan kualitas bahan, setelah melihat dan memilih model serta bahan yang diinginkan di website konsumen diberikan estimasi biaya yang dikeluarkan atau konsumen itu dapat mengkalkulasikan sendiri besaran biaya pengukuran proyek, dan diarahkan bagaimana bentuk pemesanan yang akurat. Pengaplikasian website membuat perubahan yang sangat besar untuk Sew What? Inc yaitu merubah Sew What? Inc dari home industry berkembang menjadi perusahaan konveksi yang besar dan memiliki jumlah karyawan yang meningkat lebih besar.
- Menunjang Pengambilan Keputusan Bagi Manajemen Perusahaan
Dengan Website yang makin interaktif manajer dan para pekerja konveksi akan mudah untuk mengelola pesanan, sehingga pesanan akan sampai ditangan pelanggan dengan sangat memuaskan dan tepat waktu. Selain itu penggunaan sistem barcode dalam gudang perusahaannya membuat manajemen dapat memantau persediaan inventorynya di gudang sehingga tidak terjadi penumpukan bahan baku ataupun sebaliknya kekurangan bahan baku , dan dapat menelusuri proses manufaktur, serta berapa lama waktu yang dibutuhkan untuk tiap proses sehingga perusahaan dapat mengeluarkan daftar harga yang semakin akurat. Dan sistem barcode ini membantu manajemen perusahaan dalam melihat ketersediaan dan kebutuhan yang diminta disetiap proses konveksi seperti penerimaan bahan baku kain, pembentukan pola, pemotongan dan penjahitan. Dengan sistem ini akan meningkatkan efisiensi dalam hal penggunaan sumber daya. Sistem ini juga dapat menelusuri progress pesanan individu, sehingga kepuasan pelanggan tetap terjaga dengan status pesanan yang up to dated.
CRM (Customer Relationship Management) merupakan aplikasi yang dapat membantu perusahaan dalam mengelola hubungan dengan pelanggan secara terorganisasi. Dengan CRM, perusahaan dapat memahami kebutuhan dan prilaku konsumen, kepuasan konsumen merupakan hal yang harus dijaga untuk kelangsungan bisnis perusahaan dan loyalitas pun harus dibentuk agar konsumen tidak membandingkan dengan pesaing. Tujuan adanya CRM bagi Sew What? Inc bagi manajemen perusahaan adalah sebagai berikut :
1. Membantu bagian Pemasaran dalam perusahaan untuk dapat mengidentifikasi konsumen yang memiliki loyalitas terbaik terhadap perusahaan dan mendekatkan manajemen dengan konsumen, sehingga dari saran dan keinginan para konsumen ini dapat memberikan strategi promosi yang lebih baik dan bentuk produk yang menjadi favorit oleh konsumen.
2. Membantu Sew What? Inc dalam melakukan perbaikan telesales, pengolahan account, serta pengolahan penjualan dengan pemanfaatan informasi oleh manajemen perusahaan demi meningkatkan omset penjualannya.
3. Menyediakan suatu bentuk hubungan individual dengan konsumen, untuk meningkatkan kepuasan pelanggan dan memaksimalkan keuntungan dengan cara mengidentifikasi konsumen yang memberikan banyak keuntungan bagi perusahaan untuk kemudian perusahaan memberikan layanan terbaiknya kepada konsumen tersebut.
Sebagai Strategi Keunggulan Kompetitif
Dan dengan adanya website membuat Sew What? Inc mendapatkan penghargaan Stevie Award fo Woman in Business dan SMB 20 Award dari PC Magazine, hal ini membuat manajemen dan seluruh karyawannya merasa tersanjung dan lebih percaya diri untuk bersaing dengan kompetitor.
KESIMPULAN
Sistem pendukung keputusan dirancang memiliki sifat yang dinamis dan fleksibel dalam perusahaan. Sistem pendukung keputusan membantu memberikan alternatif-alternatif pada proses pengambilan keputusan, tetapi tidak menggantikan pemakai sebagai pengambil keputusan. Konsep DSS merupakan sebuah sistem interaktif berbasis komputer yang membantu pembuatan keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur.
Selain itu kita juga mendapat penarik kesimpulan dari beberapa bahasan seperti :
1. Komponen dalam Sistem Pendukung Keputusan adalah data management system, model management system, knowledge base, user interface. user(s). sedangkan karakeristiknya adalah kapabilitas interaktif, fleksibilitas, kemampuan berinteraksi dengan model, fleksibilitas output. Penggunaan dalam Sistem Pendukung Keputusan adalah penggunaan empat jenis dasar pemodelan analitis : Analisis Jika – maka (What – If analysis), Analisis Sensitivitas (sensitivity analysis), Analisis pencarian sasaran (goal - seeking analysis), Analisis Optimisasi. (Optimitation analysis).
2. Langkah-langkah dalam Pengambilan Keputusan adalah Proses penelusuran dan pendeteksian (Intelligence),proses menemukan, mengembangkan (Design), proses pemilihan (Choice), pengimplementasian dalam proses pengambilan keputusan (Implementation).
3. Perkembangan Sistem Pendukung Keputusan yang telah diperlengkapi dengan expert system (dibuat berdasarkan teori kecerdasan buatan = artifial intelligence), sehingga keputusan bisnis secara langsung dapat dilakukan oleh komputer, tanpa campur tangan manusia.
Demikian makalah yang kami buat, semoga dapat bermanfaat bagi pembaca. Menyadari bahwa penulis masih jauh dari kata sempurna, kedepannya penulis akan lebih fokus dan details dalam menjelaskan tentang makalah di atas dengan sumber - sumber yang lebih banyak yang tentunga dapat di pertanggung jawabkan.
Apabila ada saran dan kritik yang ingin disampaikan, silahkan sampaikan kepada kami.Apabila terdapat kesalahan mohon dapat memaafkan dan memakluminya, karena kami adalah hamba Allah yang tak luput dari salah dan khilaf.
Arief, Muhammad. Sistem Informasi Manajemen. (online), (www.sinformasi.wordpress.com/bahan-ajar/) ,diakses 1 Februari 2015 O’brien, James. 2005. Pengantar Sistem Informasi (Introduction to
Information System. Jakarta: Salemba Empat.
