Management Decision Support. Antonius Rachmat C, S.Kom, M.Cs

Teks penuh

(1)

Management Decision Support

and Intelligent Systems

and Intelligent Systems

(2)
(3)
(4)

Jenis keputusan

• Terstruktur (terprogram)

– Dibuat berdasarkan kebiasaan, aturan, prosedur, tertulis ataupun tidak

– Biasanya bersifat rutin dan berulang-ulang

– Bisa dibuat dgn metode matematis dan alat bantu – Bisa dibuat dgn metode matematis dan alat bantu

komputer

• Tidak terstruktur (tidak terprogram)

– Mengenai masalah khusus, khas, tidak biasa – Karena kebijakan yg ada belum menjawab – Misal: pengalokasian sumber daya

(5)

4 FASE PEMBUATAN KEPUTUSAN

(menurut Herbert A. Simon)

a.

INTELLIGENCE ACTIVITY – mencari lingkungan

kondisi untuk mencari solusi

b. DESIGN ACTIVITY - menemukan,

mengembangkan & menganalisis berbagai jenis

tindakan pemecahan masalah

tindakan pemecahan masalah

c. CHOICE ACTIVITY - memilih jenis tindakan

tertentu yang tersedia fase sebelumnya.

d. REVIEW ACTIVITY- memeriksa pilihan yang

dibuat

(6)

Information characteristics

Karakteristik Operational

Strategic

• Akurasi

High

Low

• Detail

Detail

Agregasi

• Time

Now

Future

• Time

Now

Future

• Use

Frequent

Infrequent

• Source

Internal

External

• Scope

Sempit

Luas

(7)
(8)

Decision Complexity

(9)

Decision Support Systems

• Computer tool that helps people make

better decisions & faster

• Leaves the human in control of decision

making

making

• Istilah DSS muncul pertama kali tahun

1971oleh G. Anthony Gorry dan Michael

S. Scott

(10)

Definitions of a Decision

Support System

General definition -

a system providing both

problem-solving and communications capabilities

for semistructured problems

– A semistructured decision is one which is partially programmable, but still requires human judgment programmable, but still requires human judgment

Specific definition -

a system that supports a

single manager or a relatively small group of

managers working as a problem-solving team in

the solution of a semistructured problem by

providing information or making suggestions

concerning specific decisions.

(11)

Using DSS

• What-if Analysis

– End user makes changes to variables, or

relationships among variables, and observes

the resulting changes in the values of other

the resulting changes in the values of other

variables

• Sensitivity Analysis

– Value of only one variable is changed

repeatedly and the resulting changes in other

variables are observed

(12)

Using DSS

• Goal-Seeking

– Set a target value for a variable and then

repeatedly change other variables until the

target value is achieved

target value is achieved

• Optimization

– Goal is to find the optimum value for one or

more target variables given certain constraints

– One or more other variables are changed

repeatedly until the best values for the target

variables are discovered

(13)

Examples of Situations in which

DSSs may be used

• Help

medical personnel

in a hospital

setting to consider various diagnoses and

treatment plans,

• Help

engineers

to analyze, develop and

compare solution options,

compare solution options,

• Help

military planners

to generate

alternative plans of military maneuvers,

• Help

search and rescue workers

to

prioritize which of many critical activities

(14)

Manager + Computer (DSS) Solution Computer Solution Manager Solution

The DSS Focuses on Semistructured Problems

The DSS Focuses on Semistructured Problems

Solution

Structured Semistructured Unstructured DEGREE OF PROBLEM STRUCTURE

(15)

Analytic and Heuristic Decision

Making

Analytic Decision Maker Heuristic Decision Maker Learns by analyzing Learns by acting

Uses step-by-step procedure

Uses trial and error procedure

Values quantitative information and models

Values experience Builds mathematical

models and algorithms

Relies on common sense

Seeks optimal solution Seeks completely satisfying solution

(16)

Siapkan Perkira-kan Propose Decision Make D e ra ja t P ro b le m S o lv in g S u p p o rt Retrieve elemen informasi Analisis Seluruh File Siapkan Report dari Multiple Files kan Konse-kuensi Keputu san Make Decision Derajat Kompleksitas Problem Solving Kecil Besar

Tipe-tipe DSS menurut STEVEN L. ALTER

D e ra ja t P ro b le m S o lv in g S u p p o rt

(17)

ENAM TIPE DSS menurut STEVEN L. ALTER

ENAM TIPE DSS menurut STEVEN L. ALTER

Bentuk special report sbg respons terhadap query database, serta laporan berkala (periodic report):

• Tipe 1 DSS: dukungan support paling kecil;

– (retrieve) elemen informasi, mis.:

– Query ke database untuk gambaran penjualan dari salah satu marketing regions.

• Tipe 2 DSS: dukungan support sedikit lebih besar; • Tipe 2 DSS: dukungan support sedikit lebih besar;

– menganalisis seluruh file, mis.:

– Query ke database utk special report dr data pd file inventory, atau laporan payroll bulanan dr file payroll.

• Tipe 3 DSS: dukungan lebih besar;

– menyiapkan report dari berbagai file, mis.:

– Laporan income statement dan analisis penjualan produk berdasarkan pelanggan (customer).

(18)

Tiga tipe DSS terakhir melibatkan penggunaan

Tiga tipe DSS terakhir melibatkan penggunaan

model matematik.

model matematik.

• Tipe 4 DSS: DSS dengan berbagai efek kemungkinan

keputusan, yaitu model yang dapat menduga konsekuensi

keputusan (estimate decision consequences). Misal:

• Manajer menginput harga pada suatu model harga untuk melihat efeknya terhadap keuntungan bersih (what if)

– Model akan memberikan respons: Apabila harga – Model akan memberikan respons: Apabila harga

direndahkan menjadi $25, maka keuntungan bersih akan meningkat sebesar $5,000.

model tidak bisa menetapkan apakah $25 adalah the best

price, model hanya memberikan kemungkinan yang akan

terjadi bila suatu keputusan dibuat.

• Model analisis resiko: model yang menggunakan dugaan distribusi peluang untuk setiap faktor kunci (sensitivity)

(19)

• Tipe 5 DSS: model yang menawarkan keputusan (propose decision), misal:

• manajer manufacturing memasukkan data tentang

pabrik dan peralatan ===> dengan model

pemrograman linear akan dihasilkan output layout yang paling efisien. (max-min)

• Tipe 6 DSS: dukungan penuh membuatkan keputusan (make decisions) untuk manajer, misal:

• Pemodelan komputer untuk penentuan diagnosa • Pemodelan komputer untuk penentuan diagnosa

apakah suatu kredit diterima atau tidak

• Untuk ini diperlukan kepercayaan dari manajemen terhadap model yang dipakai.

(20)

TUJUAN DSS

TUJUAN DSS

(Peter G.W. Keen & Scott Morton)

(Peter G.W. Keen & Scott Morton)

a. Membantu manajer membuat keputusan

untuk menangani masalah semi terstruktur,

b. Mendukung pertimbangan manajer, bukan

sebagai pengganti pertimbangan manajer,

c. Meningkatkan efektifitas manajer dalam

c. Meningkatkan efektifitas manajer dalam

(21)
(22)

Structure and Components of

DSSs

• Data management subsystem berisi seluruh data dari berbagai resources.

• Model management subsystem berisi model dan

building blocks yang dibutuhkan untuk membangun DSS • User interface berisi seluruh aspek komunikasi antara

user dan DSS

• User interface berisi seluruh aspek komunikasi antara user dan DSS

• Users adalah orang yang berhadapan dgn DSS,

sebagai penginput masalah ataupun penerima output keputusan

• Knowledge-based subsystems menyediakan pengetahuan dan pakar untuk masalah tertentu

(23)
(24)

Organizational Decision Support

System (ODSS)

• Organizational Decision Support System

(ODSS) is a DSS that focuses on an

organizational task or activity involving a

sequence of operations and decision makers

and provides the following:

and provides the following:

– It affects several organizational units or corporate problems;

– It involves computer-based and (usually) communications technologies.

(25)

Executive Information (Support)

Systems

• Executive information system (EIS) also known as an

executive support system (ESS), is a computer-based

technology designed specifically for the information needs of

top executives and provides for:

– Rapid access to timely information; – Direct access to management reports;

– Very user friendly and supported by graphics. – Very user friendly and supported by graphics.

– Exception reporting – reporting of only the results that deviate from a set of standards.

– Drill down reporting – investigating information in increasing detail.

– Easily connected within online information services and e-mail. – Include analysis support, communications, office automation and

(26)

DSS -> Business Intelligence

(27)
(28)
(29)

Definisi Sistem Cerdas

• Sistem Cerdas = bidang ilmu komputer

yang meneliti dan mempelajari bagaimana

agar komputer dapat bertindak dan

mengerjakan pekerjaan seperti yang

mengerjakan pekerjaan seperti yang

dilakukan oleh manusia.

• Awalnya komputer hanya mesin hitung

• Intinya pada bagaimana komputer bisa

(30)

Intelligence Systems processes

Knowledge

acquisition

(from experts or

other sources)

Knowledge

representation

(organized as

rules or frames in the computer)

rules or frames in the computer)

Knowledge

inferencing

is performed in a

component called the

inference engine

of the

ES and results in the recommendation.

Knowledge

transfer

to the user (the expert’s

knowledge has been transferred to users).

(31)

Bagian Utama Sistem Cerdas

• Basis Pengetahuan (Knowledge Based)

– Berisi fakta, teori, pemikiran, dan hubungannya

• Motor Inferensi (Inference Engine)

– Kemampuan menalar dan menarik kesimpulan – Kemampuan menalar dan menarik kesimpulan

Knowledge base Inference mechanism Computer Inputs Outputs

(32)

AI vs Non AI

• AI lebih permanen, non AI mudah berubah

seturut waktu

• AI mudah diduplikasikan dan disebarkan

• AI lebih murah dari non AI

• AI lebih murah dari non AI

• AI lebih konsisten dan mudah didokumentasi

• AI tidak kreatif

• AI tidak dapat menggunakan pengalaman

secara langsung

(33)

Metode Penalaran

• Forward reasoning (data driven): dimulai

dari keadaan awal (dari fakta), kemudian

menuju ke arah kesimpulan / tujuan

• Backward reasoning (goal driven):

• Backward reasoning (goal driven):

dimulai dari tujuan / hipotesa baru

dicocokkan dengan keadaan awal /

fakta-fakta

(34)

Sistem Pakar

• Suatu program AI yang berisi basis

pengetahuan dan mesin inferensi

• Seperti layaknya seorang pakar

• Berfungsi sebagai konsultan

• Berfungsi sebagai konsultan

• Tidak untuk menggantikan kemampuan seorang

pakar

• Berisi pengetahuan dari para pakar

• Dapat digunakan untuk menjawab pertanyaan,

memecahkan masalah dan membuat keputusan

(35)

Perbedaan ES dan Pakar

• Time:

– P:hari kerja; ES: tiap saat • Geografis:

– P:lokal/tertentu; ES: dimana saja • Keamanan:

• Keamanan:

– P: tdk tergantikan; ES: dapat diganti • Dapat habis:

– P: ya; ES: tidak

• Performa dan kecepatan: – P: variabel; ES: konstan • Biaya:

(36)

Konsep Dasar ES

• Komponen Sistem Pakar:

– Pengetahuan Pakar: pengetahuan pada suatu

bidang tertentu

• Fakta-fakta, teori, prosedur, aturan, strategi, meta knowledge – Pakar

– Pengalihan Pengetahuan: – Pengalihan Pengetahuan:

• Tambahan pengetahuan, representasi pengetahuan, inferensi pengetahuan, pengalihan pengetahuan ke user. – Inferensi: kemampuan menalar

– Aturan: dalam bentuk aturan IF-THEN

– Fasilitas Penjelasan: penejelasan bagaimana keputusan dibuat

(37)
(38)

Penjelasan

• Knowledge Acusition: penambahan pengetahuan, mengkonstruksi atau memperluas pengetahuan

• Knowledge Base: berisi pengetahuan

• Inference Engine: program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi dalam basis

pengetahuan dan blackboard:

– Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan – Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan

aturan

– Scheduler: mengkontrol agenda

– Consistency Enforcer: memelihara kekonsistenan dalam merepresentasikan solusi yang bersifat darurat

• Blackboard: area kerja dalam memori yang digunakan dalam

kejadian yang sedang berlangsung termasuk keputusan sementara – Plan: bagaimana menghadapi masalah

– Agenda: aksi aksi potensial yang sedang menunggu untuk dieksekusi – Solution: calon aksi yang akan dibangkitkan

(39)

Penjelasan

• Interface: sebagai media komunikasi antara user

dan program

• Explanation Facility: melacak respon dan

memberi penjelasan ttg kelakuan sistem pakar

– Mengapa suatu pertanyaan ditanyakan? – Mengapa suatu pertanyaan ditanyakan? – Bagaimana konklusi dicapai?

– Mengapa ada alternatif yang dibatalkan?

– Rencana apa yang dilakukan mendapatkan solusi?

• Knowledge refinement: mengevaluasi kinerja

sistem pakar, apakah pengetahuan tersebut

masi cocok untuk digunakan pada masa yang

akan datang?

(40)

Benefits of Expert Systems

• Memungkinkan orang awam dapat mengerjakan pekerjaan para ahli

• Bisa melakukan proses berulang secara otomatis • Menyimpan pengetahuan dan keahlian pakar

• Meningkatkan output dan produktifitas • Melestarikan keahlian pakar

• Melestarikan keahlian pakar

• Dapat beroperasi pada lingkungan berbahaya

• Dapat meningkatkan kemampuan sistem komputer • Dapat bekerja dengan informasi yang tidak lengkap • Sebagai media pelengkap dalam pelatihan

(41)

Natural Language Processing &

Voice Technologies

• Natural language processing (NLP): Communicating with a computer in English or whatever language you may speak.

• Natural language understanding/speech (voice)

recognition: The ability of a computer to comprehend

instructions given in ordinary language, via the keyboard instructions given in ordinary language, via the keyboard or by voice.

• Natural language generation/voice synthesis:

Technology that enables computers to produce ordinary language, by “voice” or on the screen, so that people can understand computers more easily.

(42)

Neural Networks

• Neural networks are a system of programs and

data structures that approximates the operation

of the human brain.

• Neural networks are particularly good at

• Neural networks are particularly good at

recognizing subtle, hidden, and newly emerging

patterns within complex data as well as

(43)

NEXT

• Knowledge Management

Figur

Memperbarui...

Referensi

Memperbarui...

Related subjects :