Tugas Artikel Ilmiah " Sistem Pengambilan Keputusan" Disusun Oleh : Mega Nurastuti - 43219110270 Universitas Mercu Buana Jakarta

1. TUGAS ARTIKEL ILMIAH
“ Sistem Pengambilan Keputusan”
Disusun Oleh : Mega Nurastuti
Nim : 43219110270
Universitas Mercu Buana Jakarta
Fakultas Ekonomi dan Bisnis
Program Studi Akuntansi

2. PENDAHULUAN
Peran manajer dalam membuat banyak keputusan bertujuan untuk mengatasi masalah.
Penyelesaian masalah dicapai melalui empat tahapan dasar dan mempergunakan kerangka
berpikir seperti model sistem perusahaan yang umum dan model lingkungan. Dengan
mengikuti pendeketan sistem untuk menyelesaikan masalah, manajer melihat sistem secara
keseluruhan.
Ke empat elemen dasar Proses pemecahan masalah tersebut terdiri atas:
1) standar,
2) informasi,
3) batasan, dan
4) solusi alternatif.
Jika ke-emapat proses ini diikuti, pemilihan alternatif yang terbaik tidak selalu dicapai melalui
analisis logis saja dan penting untuk membedakan antara permasalahan dan gejala.
Masalah memiliki struktur yang beragam dan keputusan untuk menyelesaikannya dapat
terprogram maupun tidak terprogram. Konsep sistem pendukung pengambilan keputusan
(decision support system-DSS) awalnya ditujukan pada masalah-masalah yang setengah
terstruktur. Output DSS yang pertama terdiri atas laporan dan output dari model
matematika. Kemudian, kapabilitas pemecahan masalah kelompok ditambahkan, diikuti
dengan kecerdasan buatan (artifical intellgence) dan pemrosesan analitis oniline (on-line
analytical processing-OLAP).
Model matematika dapat diklasifikasikan dalam berbagai cara, dan penggunaannya
disebut simulasi. Lembar kerja elektronik (spreadsheet) merupakan alat yang baik untuk
membuat model matematika. Lembar kerja ini dapat digunakan baik untuk model statik dan
dinamik dan membuat manajer dapat memainkan permainan “bagaimana jika” (what-if-
game).

3. Kecerdasan buatan dapat menjadi salah satu komponen DSS. Dengan menambahkan basis
pengetahuan dan mesin inferensi, DSS dapat memberikan saran solusi masalah kepada
manajer.
Jika groupware ditambahkan ke DSS, maka DSS tersebut akan menjadi sistem pendukung
pengambilan keputusan kelompok (group decision support system-GDSS). GDSS dapat
diletakkan di beberapa tempat yang berbeda agar kondusif terhadap pemecahan masalah
kelompok.

4. ABSTRAK
Decision support systems (DSS) atau bisa juga disebut Sistem pendukung
keputusan adalah sistem berbasis software yang dimaksudkan untuk membantu
manajer dalam pengambilan keputusan dengan mengakses sejumlah besar informasi yang
dihasilkan dari berbagai sistem informasi terkait yang terlibat dalam proses bisnis
organisasi, seperti sistem automatis kantor, sistem pemrosesan transaksi, dan lain-lain . DSS
menggunakan ringkasan informasi, pengecualian, pola, dan tren menggunakan model
analisis. Sistem pendukungkeputusan membantudalampembuatankeputusan namun tidak
harus memberikan keputusan itu sendiri. Para pengambil keputusan mengumpulkan
informasi yang berguna dari data mentah, dokumen, pengetahuan pribadi, dan / atau model
bisnis untuk mengidentifikasi dan memecahkan masalah dan membuat keputusan.

5. LITERATUR TEORI
Sistem pendukung keputusan adalah bagian dari sistem informasi berbasis komputer
(termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk
mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga
dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk
mengambil keputusan dari masalah semi-terstruktur yang spesifik. Menurut Moore and
Chang, SPK atau DSS dapat digambarkan sebagai sistem yang berkemampuan
mendukung analisis ad hoc data, dan pemodelan keputusan, berorientasi keputusan,
orientasi perencanaan masa depan, dan digunakan pada saat-saat tidak biasa.
Tahapan DSS:
 Definisi masalah
 Pengumpulan data atau elemen informasi yang relevan
 Pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan
 Menentukan alternatif-alternatif solusi (bisa dalam persentase)
Tujuan dari DSS:
 Membantu menyelesaikan masalah semi-terstruktur
 Mendukung manajer dalam mengambil keputusan suatu masalah
 Meningkatkan efektivitas bukan efisiensi pengambilan keputusan
Dalam pemrosesannya, DSS dapat menggunakan bantuan dari sistem lain seperti Artificial
Intelligence, Expert Systems, Fuzzy Logic, dll.

6. PEMBAHASAN
Pemecahan Masalah dan Pembuatan Keputusan
SIM adalah sistem yang memberikan informasi untuk digunakan dalam pembuatan
keputusan guna menyelesaikan masalah bagi para penggunanya.
Pemecahan masalah (problem solving) terdiri atas respons terhadap hal yang berjalan
dengan baik, serta terhadap hal yang berjalan dengan buruk dengan cara mendefinisikan
masalah (problem) sebagai kondisi atau peristiwa yang berbahaya atau dapat
membahayakan perusahaan, atau yang bermanfaat atau dapat memberi manfaat. Dalam
proses penyelesaian masalah manajer terlihat dalam pembuatan keputusan (decision
making), yaitu tindakan memilih di antara berbagai alternatif solusi pemecahan masalah.
Keputusan (decision) didefinisikan sebagai tindakan pilihan dan sering kali perlu untuk
mengambil banyak keputusan dalam proses pemecahan satu masalah saja.
Fase Pemecahan masalah
Menurut Simon, orang yang memecahkan masalah terlibat dalam :
· Aktivitas Intelijen. Mencari di sekitar lingkungan kondisi yang harus dipecahkan.
· Aktivitas perancangan. Menemukan, mengembangkan, dan menganalisis
tindakan-tindakan yang mungkin dilakukan.
· Aktivitas pemilihan. Memilih tindakan tertentu dari beberapa yang tersedia.
· Aktivitas Pengkajian. Memeriksa pilihan-pilihan yang lalu.

7. Pendekatan dan Pentingnya Cara Pandang Sistem
Pendekatan sistem yaitu sederetan langkah yang dikelompokkan ke dalam tiga tahap
upaya persiapan, upaya pendefinisian, dan upaya pemecahan.
Dalam menggunakan model sistem umum dan model lingkungan sebagai dasar
pemecahan masalah, cara pandang sistem (systems view) yang memandang operasional
usaha sebagai sistem yang menjadi bagian dari lingkungan yang lebih luas. Ini merupakan
cara pemikiran yang abstrak, namun memiliki nilai yang potensial untuk manajer. Cara
pandang secara sistem akan :
a. Mencegah manajer agar tidak bingung karena kompleksitas struktur organisasi dan
detail pekerjaan.
b. Menekankan pentingnya memiliki tujuan yang baik.
c. Menekankan pentingnya semua bagian organisasi untuk bekerja sama.
d. Mengangkat hubungan antara organisasi dengan lingkungannya.
e. Menempatkan nilai tinggi pada informasi yang didapat dari input yang hanya dapat
dicapai melalui sistem perputaran tertutup.
Membangun Konsep dan Elemen Proses Pemecahan Masalah
Kebanyakan masalah yang dipecahkan manajer dapat dianggap sebagai permasalahan
sistem. Sebagai contoh, perusahaan sebagai suatu sistem tidak berfungsi sebagaimana
mestinya. Atau, terdapat masalah dengan sistem persediaan, sistem komisi penjualan, dan
seterusnya. Solusi masalah sistem adalah solusi yang membuat sistem tersebut memenuhi
tujuannya dengan paling baik, seperti yang dicerminkan dalam standar kinerja sistem.
Standar ini menggambarkan situasi yang diinginkan (desired state) apa yang harus dicapai
sistem tersebut. Sebagai tambahan, manajer tersebut harus memiliki informasi yang
menggambarkan keadaan saat ini (current state) apa yang dicapai sistem tersebut sekarang

8. ini. Jika dua keadaan ini berbeda, maka ada masalah yang menjadi penyebabnya dan harus
dipecahkan.
Perbedaan antara keadaan saat ini dengan keadaan yang diinginkan disebut dengan
kriteria solusi (solution criterion), atau apa yang harus terjadi agar situasi saat ini berubah
menjadi situasi yang diinginkan. Tentu saja, jika situasi saat ini menunjukkan tingkat kinerja
yang lebih tinggi dibandingkan dengan keadaan yang diinginkan, maka tugas yang harus
dilakukan bukanlah menyamakan keadaan saat ini. Melainkan, tugas yang harus dilakukan
adalah menjaga agar situasi saat ini tetap berada pada tingkatan yang lebih tinggi. Jika
kinerja tingkat tinggi dapat dipertahankan, maka situasi yang diinginkan harus ditingkatkan.
Tanggung jawab manajer adalah mengidentifikasi solusi alternatif, yang selalu ada. Ini
merupakan satu langkah dari proses penyelesaian masalah di mana komputer tidak terlalu
banyak membantu. Manajer biasanya mengandalkan pengalaman sendiri atau mencari
bantuan dari pemroses informasi nonkomputer, seperti input dari pihak lain baik di dalam
maupun di luar perusahaan.
Setelah berbagai alternatif diidentifikasi, sistem informasi dapat digunakan untuk
mengevaluasinya. Evaluasi ini harus mempertimbangkan batasan (constraint) yang ada,
yang dapat berasal baik dari internal maupun lingkungan. Batasan internal (internal
constraint) biasanya berbentuk sumber daya yang terbatas yang ada di dalam perusahaan.
Sebagai contoh, unit TI tidak dapat merancang sistem CRM karena kurangnya keahlian
dalam OLAP. Batasan lingkungan (environmental constraint) berbentuk tekanan dari
berbagai elemen lingkungan yang membatasi aliran sumber daya dari dan keluar
perusahaan. Salah satu contoh adalah peningkatan suku bunga oleh Federal Reserve Board
yang meningkatkan biaya ekspansi pabrik.

9. a. Memilih Solusi yang Terbaik
Pemilihan solusi yang terbaik dapat dicapai dengan berbagai cara. Herry Mintzberg,
seorang ahli teori manajemen, telah mengidentifikasi tiga pendekatan :
· Analisis
Evaluasi atas pilihan-pilihan secara sistematis, dengan mempertimbangkan
konsekuensi pilihan-pilihan tersebut pada tujuan organisasi.
Salah satucontohnya adalahpertimbangan yang dilakukan oleh para anggota komite
pengawas SIM untuk memutuskan pendekatan mana yang harus diambil dalam
mengimplementasikan sistem informasi eksekutif.
· Penilaian
Proses pemikiran yang dilakukan oleh seorang manajer. Sebagai contoh, manajer
produksi menerapkan pengalaman dan intuisi dalam mengevaluasi gambar pabrik
baru yang diusulkan dari model matematika.
· Penawaran
Negosiasi antara beberapa manajer. Salah satu contoh adalah proses memberi dan
menerima yang berlangsung antara para anggota komite eksekutif mengenai pasar
yang mana yang harus dimasuki selanjutnya. Di sinilah tempat di mana pengaruh
politik dalam perusahaan dapat dilihat dengan jelas.
b. Permasalahan versus Gejala
Penting bagi kita untuk memahami perbedaan antara masalah dan gejala dari suatu
masalah. Jika tidak demikian, kita dapat menghabiskan banyak waktu dan uang untuk
menyelesaikan permasalahan yang salah atau sesuatu yang sesungguhnya bukanlah suatu

10. masalah. Gejala (symptom) adalah kondisi yang dihasilkan masalah. Sering kali seorang
manajer melihat gejala dan bukan masalah.
c. Struktur Permasalahan
Model matematika yang disebut formula EOQ (economic order quantity) dapat
memberitahu bagaimana masalah tersebut harus diselesaikan. Masalah seperti ini disebut
masalah terstruktur (structured problem) karena terdiri atas unsur dan hubungan antara
berbagai elemen yang semuanya dipahami oleh orang yang memecahkan masalah.
Masalah yang tidak terstruktur (unstructured problem) adalah masalah yang tidak memiliki
elemen atau hubungan antarelemen yang dipahami oleh orang yang memecahkan masalah.
Salah satu contoh dari masalah yang tidak terstruktur adalah memutuskan film yang mana
yang paling kita sukai. Manajer bisnis sering kali tidak memiliki perangkat yang cukup untuk
mendefinisikan masalah seperti ini dengan cara yang terstruktur.
Sebenarnya, hanya sedikit permasalahan dalam suatu organisasi yang benar-benar
terstrukturataubenar-benartidakterstruktur.Kebanyakan masalah adalah permasalahan di
mana manajer memiliki pemahaman yang kurang sempurna akan berbagai elemen dan
hubungan di antaranya. Masalah semiterstruktur (semistructured problem) adalah masalah
yang terdiri atas beberapa elemen atau hubungan yang dipahami oleh si pemecah masalah
dan beberapa yang tidak dapat dipahami. Salah satu contoh adalah pemilihan lokasi untuk
membangun sebuah pabrik baru.
Beberapa elemen, seperti harga tanah, pajak, dan biaya-biaya untuk mengirimkan bahan
baku, dapat diukur dengan tingkat ketepatan yang tinggi. Tetapi elemen-elemen lain, seperti
bahaya dari lingkungan dan perilaku masyarakat sekitar, sulit untuk diidentifikasi dan diukur.

11. Setelah prosedurditentukan,komputer dapat memecahkan masalah yang terstruktur tanpa
keterlibatan manajer. Namun, manajer sering kali harus melakukan semua pekerjaan untuk
memecahkan masalah yang tidak terstruktur. Dalam wilayah masalah semiterstruktur yang
luas, manajer dan komputer dapat bekerja sama dalam menemukan solusi.
d. Jenis Keputusan
Selain memberikan tahap-tahap pemecahan masalah, Herbert A.Simon juga menemukan
metode untuk mengklasifikasikan keputusan, yaitu :
· Keputusan terprogram (programmed decision) bersifat “repetitif dan rutin, dalam hal
prosedurtertentu digunakan untuk menanganinya sehingga keputusan tersebut tidak perlu
dianggap de novo (baru) setiap kali terjadi.”
· Keputusan yang tidak terprogram (nonprogrammed decision) bersifat “baru, tidak
terstruktur, dan penuh konsekuensi. Tidak terdapat metode yang pasti untuk menangani
masalah seperti ini karena masalah tersebut belum pernah muncul sebelumnya, atau karena
sifat dan strukturnya sulit dijelaskan dan kompleks, atau karena masalah tersebut demikian
penting sehingga memerlukan penanganan khusus.”
Sistem Pendukung Pengambilan Keputusan
Istilah sistem keputusan terstruktur (structured decision system-SDS) digunakan untuk
mendeskripsikan sistem-sistem yang mampu menyelesaikan masalah yang teridentifikasi.
Masalah-masalah di bawah garis menyulitkan pemrosesan komputer, dan Gorry dan Scott-
Morton menggunakan istilah sistem pendukung pengambilan keputusan (decision support
system-DSS) untuk menggambarkan sistem yang dapat memberikan dukungan yang
dibutuhkan.

12. Sejak 1971, DSS telah menjadi jenis sistem informasi yang paling sukses dan kini menjadi
aplikasi komputer untuk pemecahan masalah yang paling produktif.
Model DSS
Ketika DSS untukpertama kalinya dirancang,model ini menghasilkanlaporankhususdan
berkalaserta outputdari model matematika. Laporankhususini berisikan responsterhadap
permintaan ke basis data. Setelah DSS diterapkan denganbaik, kemampuanyang
memungkinkanpara pemecah masalah untukbekerja sama dalam kelompok ditambahkan
ke dalammodel tersebut. Penambahanperanti lunakgroupwarememungkinkansistem
tersebutuntukberfungsi sebagai sistem pendukungpengambilankeputusankelompok
(groupdecision supportsystem-GDSS). Yang terbaru,kemampuan kecerdasanbuatanjuga
telah ditambahkanbeserta kemampuanuntukterlibat dalam OLAP.
 Pemodelan Matematika
Model adalahabstraksidari sesuatu.Model mewakili suatuobjek atau aktivitas,yang
disebut entitas (entity). Manajer menggunakanmodeluntukmewakili permasalahanyang
harusdiselesaikan. Objek atauaktivitas yang menyebabkan masalah disebut denganentitas.
 Jenis Model
Terdapat empat jenis dasar model, yaitu :
1. Model Fisik (Physical model)
Merupakan gambaran tiga dimensi entitasnya. Model fisik yang digunakan di dunia bisnis
mencakup model skala untuk pusat perbelanjaan dan prototipe mobil baru.
Model fisik dibuat untuk mencapai tujuan yang tidak dapat dipenuhi oleh benda
sesungguhnya. Sebagai contoh, model fisik memungkinkan desainer untuk mengevaluasi

13. desain objek, seperti pesawat terbang, dan membuat perubahan-perubahan sebelum
konstruksi sesungguhnya. Ini akan menghemat waktu dan uang.
2. Model Naratif
Salah satu jenis model yang digunakan oleh manajer setiap hari adalah model naratif
(narrativemodel) yang menggambarkanentitasdengan kata-katayang terucapatau 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
Jenis model lain yang terus digunakan adalah model grafis. Model grafis (graphic model)
menggambarkanentitasnyadengan abstraksigaris, simbol, atau bentuk.Jumlah pemesanan
ekonomis (economic order quantity-EOQ) adalah jumlah optimum penambahan stok yang
harus dipesan dari pemasok. EOQ menyeimbangkan biaya pembelian stok dan biaya untuk
menyimpannya hingga stok tersebut digunakan atau dijual.
Model grafis juga digunakan dalam desain sistem informasi. Kebanyakan perangkat yang
digunakan oleh pengembang sistem bersifat grafis. Diagram relasi entitas, diagram kelas,
dan diagram aliran data merupakan beberapa contoh.
4. Model Matematis
Setiap rumus atau persamaan matematika adalah model matematis (mathematical model).
Kebanyakan model matematika yang digunakan manajer bisnis sama kompleksnya dengan
yang digunakan untuk menghitung EOQ.
Biaya penyimpanan mencakup semua biaya yang terjadi dalam penyimpanan barang, seperti
asuransi, kerusakan, dan kehilangan karena pencurian.

14. Beberapa model matematika menggunakanratusanataubahkanribuan persamaan. Sebagai
contoh, model perencanaan keuangan yang dirancang Sun Oil Company pada tahun-tahun
pertama penggunaan SIM-nya menggunakan sekitar 2.000 persamaan. Model besar seperti
ini cenderung lamban dan sulit untuk digunakan. Tren yang berlangsung saat ini adalah
penggunaan model yang lebih kecil.
a. Penggunaan Model
Keempat jenis 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 lebih mudah dimengerti jika berbagai elemen dan hubungan yang terdapat di
dalamnya 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 hanya dapat mewakili
entitasnya. Model tersebut tidak dapat benar-benar berlaku seperti entitas sesungguhnya.
 Memfasilitasi Komunikasi
Keempat jenis model dapat mengomunikasikan 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 merupakan kemampuan yang
tidak terdapat pada model lain. Model matematis dapat memprediksi apa yang akan terjadi
di masa depan, namun tidak 100 persen akurat. Tidak ada model yang sebaik itu. Karena

15. asumsi biasanya harus dibuat berdasarkan banyaknya data yang dimasukkan ke dalam
model tersebut, manajer harus menggunakan penilaian dan intuisi dalam mengevaluasi
outputnya.
b. 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 (static model) tidak melibatkan waktu sebagai salah satu variabel. Model ini
berkenaan dengan situasi pada waktu tertentu. Dengan kata lain, bersifat seperti cuplikan
keadaan. Model yang melibatkan waktu sebagai salah satu variabel disebut model dinamis
(dynamic model). Model ini menggambarkan perilaku entitas seiring dengan waktu, seperti
gambar bergerak atau film.
 Model Probabilitas atau Deterministik
Cara lain untuk mengklasifikasikan beragam model didasarkan pada apakah suatu formula
melibatkan probabilitas atau tidak. Probabilitas (Probability) adalah kesempatan bahwa
sesuatu akan terjadi. Probabilitas berkisar dari 0,00 (Untuk sesuatu yang tidak memiliki
kesempatan terjadi) hingga 1,00 (untuk sesuatu yang pasti terjadi). Model yang melibatkan
probabilitas disebut model probabilitas (probability model). Jika tidak, maka model tersebut
adalah model deterministik (deterministic model).
c. Model Optimisasi atau Suboptimisasi
Model optimisasi (optimizing model) adalah model yang memilih solusi terbaik dari
berbagai alternatif yang ditampilkan. Agar suatu model dapat melakukan hal ini, masalah
tersebut harus terstruktur dengan amat baik.

16. Model Suboptimisasi (suboptimizing model) yang sering kali disebut model pemuas
(satisficing model) memungkinkan seorang manajer untuk memasukkan seperangkat
keputusan. Setelah langkah ini diselesaikan, model tersebut akan memproyeksikan hasil.
Simulasi
Tindakan menggunakan model disebut dengan simulasi (simulation). Simulasi terjadi
dalam skenario tertentu dan memprediksi dampak keputusan orang yang memecahkan
masalah tersebut.
Skenario istilah skenario (scenario) digunakan untuk menggambarkan kondisi yang
memengaruhi simulasi. Elemen data yang menentukan skenario ini disebut elemen data
skenario (scenario data element). Model ini dapat didesain sedemikian rupa sehingga
elemen data skenario berbentuk variabel, sehingga memungkinkan penetuan nilai-nilai yang
berbeda.
Variabel Keputusan dan Teknik Simulasi
Nilai input yang dimasukkan manajer untuk mengukur dampak pada entitas disebut
variabel keputusan (decision variable). Manajer biasanya melakukan model optimisasi hanya
sekali. Model ini menghasilkan solusi yang terbaik menggunakan skenario tertentu dan
variabel-variabel keputusan. Namun, penting juga untuk menjalankan model suboptimisasi
berulang kali, guna mencari kombinasi variabel keputusan yang menghasilkan hasil yang
memuaskan. Proses perulangan untuk mencoba beragam alternatif keputusan ini disebut
permainan bagaimana jika (what-if game). Setiap kali model tersebut dijalankan, hanya satu
dari beragam variabel keputusan yang harus diubah agar pengaruhnya dapat terlihat.
Dengan cara ini, pemecah masalah secara sistematis dapat menemukan kombinasi
keputusan yang akan menghasilkan solusi masalah.

17. Contoh Pemodelan
Eksekutif perusahaan dapat menggunakan model matematis untuk membuat beberapa
keputusan kunci. Para eksekutif ini dapat menyimulasikan dampak dari :
· Harga Produk.
· Jumlah investasi pabrik yang dibutuhkan untuk menyediakan kapasitas untuk memproduksi
produk.
· Jumlah yang akan diinvestasikan dalam aktivitas pemasaran, seperti iklan dan penjualan
langsung.
· Jumlah yang akan diinvestasikan dalam penelitian dan pengembangan.
Selain itu, para eksekutif tersebut ingin menyimulasikan empat kuartal aktivitas dan
menghasilkan dua laporan :
1. Laporan operasional yang mencakup nilai-nilai nonmoneter seperti potensi pasar
(permintaan) dan kapasitas pabrik serta,
2. Laporan pendapatan yang mencerminkan hasil secara monoter.
Kelebihan dan kelemahan pemodelan
Manajer yang menggunakan model matematika bisa mendapatkan manfaat melalui hal-hal
berikut :
· Proses pemodelan dapat menjadi pengalaman belajar. Manajer akan selalu mempelajari
sesuatu yang baru mengenai sistem sesungguhnya melalui setiap proyek pemodelan.
· Kecepatan proses simulasi memungkinkan sejumlah besar alternatif dapat
dipertimbangkan dengan cara memberikan kemampuan untuk mengevaluasi dampak
keputusan dalam waktu yang singkat. Hanya dalam beberapa menit, kita dapat
menyimulasikan beberapa bulan, kuartal, atau tahunan operasional perusahaan.
· Seperti yang telah dibahas sebelumnya, model memberikan kemampuan prediksi
pandangan ke masa depan yang tidak dapat diberikan oleh metode penyedia informasi lain.

18. · Model tidak semahal upaya uji coba. Proses pemodelan memang mahal jika dilihat dari
masa perancangan dan biaya peranti keras dan peranti lunak yang dibutuhkan untuk
melakukan simulasi, namun biaya ini tidak setinggi biaya yang terjadi jika keputusan yang
buruk diimplementasikan di dunia nyata
Kelebihan pemodelan ini dapat berkurang karena dua kelemahan dasar :
Kesulitan untuk membuat model sistem bisnis akan menghasilkan model yang tidak
mencakup semua pengaruh terhadap entitas. Sebagai contoh, dalam model yang baru saja
digambarkan, seseorang di perusahaan harus mengestimasikan nilai untuk elemen data
skenario. Selain itu, rumus matematis biasanya hanya merupakan prakiraan atas perilaku
entitas tersebut. Ini berarti bahwa penilaian subjektif yang cukup besar harus diterapkan
dalam mengimplementasikan keputusan yang dibuat berdasarkan hasil simulasi.
Kemampuan matematis tingkat tinggi dibutuhkan untuk merancang model yang lebih
kompleks. Selain itu, kemampuan semacam ini juga diperlukan untuk menginterpretasikan
output dengan baik.
Pemodelan Matematika Menggunakan Lembar Kerja Elektronik
Terobosan teknologi yang memungkinkan para pemecah persoalan untuk menyusun model
matematika dan tidak sekedar hanya mengandalkan spesialis informasi atau ilmuwan
manajemen adalah lembar kerja elektronik. Sebelum adanya lembar kerja (spreadsheet),
model matematika diprogram dalam bahasa teknis seperti Fortran atau API, yang berada di
luar kompetensi para pemecah masalah yang tidak memiliki latar belakang komputer. Ketika
spreadsheet hadir, tampak jelas bahwa teknologi ini akan menjadi alat yang baik untuk
membuat model matematika.
 Kapabilitas Pemodelan Statis

19. Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk digunakan dalam
model statis.
 Kapabilitas Pemodelan Dinamis
Lembar kerja sangat sesuai untuk digunakan sebagai model dinamis. Kolom-kolom yang
tersedia amat sesuai untuk periode waktu.
Memainkan Permainan “Bagaimana Jika”
Lembar kerja ini juga berguna untuk memainkan permainan “bagaimana jika”, di mana
pemecah masalah memanipulasi satu atau lebih variabel untuk melihat dampak dari hasil
simulasi.
Antarmuka Model Lembar Kerja
Ketika menggunakan lembar kerja sebagai model matematika, pengguna dapat
memasukkan data atau membuat perubahan secara langsung pada sel-sel lembar kerja atau
dapat menggunakan antarmuka pengguna grafis.
Kecerdasan Buatan
DSS menekankan penggunaan pemodelan matematika dan pengajuan permintaan ke basis
data. Tidak lama kemudian, para perancang DSS mulai menyadari kebutuhan untuk
menggabungkannya dengan kecerdasan buatan. Kecerdasan buatan (artificial intelligence-
AI) adalah aktivitas penyediaan mesin seperti komputer dengan kemampuan untuk
menampilkan perilaku yang akan dianggap sama cerdasnya dengan jika kemampuan
tersebut ditampilkan oleh manusia. AI merupakan aplikasi komputer yang paling canggih
karena aplikasi ini berusaha mencontoh cara pemikiran manusia.

20. Sejarah AI
Bibit AI pertama kali disebar hanya 2 tahun setelah General Electri menerapkan komputer
yang pertama kali digunakan untuk penggunaan bisnis. Tahun 1956, dan istilah kecerdasan
buatan pertama kali dibuat oleh John McCarthy sebagai tema suatu konferensi yang
dilaksanakan di Dartmouth College. Pada tahun yang sama, program komputer AI pertama
yang disebut Logic Theorist, diumumkan. Kemampuan Logic Theorist yang terbatas untuk
berpikir (membuktikan teorema-teorema kalkulus) mendorong para ilmuwan untuk
merancang program lain yang disebut General Problem Solver (GPS), yang ditujukan untuk
digunakan dalam memecahkan segala macam masalah. Proyek ini ternyata membuat para
ilmuwan yang pertama kali menyusun program ini kewalahan, dan riset AI dikalahkan oleh
aplikasi-aplikasi komputer yang tidak terlalu ambisius seperti SIM dan DSS. Namun seiring
waktu, riset yang terus-menerus akhirnya membuahkan hasil, dan AI telah menjadi wilayah
aplikasi komputer yang solid.
Wilayah AI
AI diterapkan di dunia bisnis dalam bentuk sistem pakar, jaringan saraf tiruan, algoritme
genetik, dan agen cerdas.
Sistem Pakar
Sistem pakar adalah program komputer yang berusaha untuk mewakili pengetahuan
keahlian manusia dalam bentuk heuristik. Istilah heuristik berasal dari kata Yunani eureka,
yang berarti “menemukan.” Heuristik (heuristic) adalah aturan yang menjadi patokan atau
aturan untuk menebak dengan baik.
Heuristik tidak menjamin hasil sebaik algoritme yang biasa didapatkan dalam model
matematika, namun heuristik biasanya menawarkan hasil yang cukup spesifik sehingga
dapat berguna.Heuristik memungkinkansistem pakaruntuk berfungsi sedemikian rupa agar

21. konsistem dengan keahlian manusia, dan menyarankan penggunanya cara memecahkan
masalah. Karena sistem pakar berfungsi sebagai konsultan, tindakan menggunakan aplikasi
ini disebut konsultasi (consultation) karena pengguna berkonsultasi kepada sistem pakar
untuk mendapatkan saran.
Sistem pakar dirancang oleh spesialis informasi (yang sering kali disebut insinyur
pengetahuan (knowledge engineer)) yang memiliki keahlian khusus dalam bidang
kecerdasan buatan. Insinyur pengetahuan amat ahli dalam mendapatkan ilmu dari seorang
ahli.
Jaringan saraf tiruan
Jaringan saraf tiruan (neural networks) meniru fisiologi otak manusia. Jaringan ini mampu
menemukan dan membedakan pola, sehingga membuatnya amat berguna dalam bisnis di
wilayah pengenalan suara dan pengenalan karakter optis.
Algoritme Genetik
Algoritme genetik (genetic algorithms) menerapkan proses “yang terkuat yang selamat”
untuk memungkinkan para pemecah masalah agar menghasilkan solusi masalah yang
semakin lebih baik. Sebagai contoh, bankir investasi dapat menggunakannya untuk memilih
portofolio investasi yang terbaik bagi kliennya.
Agen Cerdas
Agen Cerdas(intelligent agent)digunakanuntukmelakukantugasyang berkaitandengan
komputer yang berulang-ulang. Salah satu contoh adalah penggalian data, di mana
penemuan pengetahuan memungkinkan sistem gudang data untuk mengidentifikasi
hubungan data yang sebelumnya tidak dikenal.

22. Daya Tarik Sistem Pakar
Sistem pakar menawarkan kemampuan yang unik sebagai sistem pendukung keputusan,
yaitu :
1. Sistem pakar memberikan kesempatan untuk membuat keputusan yang melebihi
kemampuan seorang manajer. Sebagai contoh, seorang karyawan investasi baru di bank
dapat menggunakan suatu sistem pakar yang didesain oleh seorang ahli keuangan dan,
dengan demikian, menggabungkan pengetahuan ahli tersebut ke dalam keputusan
investasinya.
2. Sistem pakar tersebut dapat menjelaskan alasannya hingga menuju ke suatu keputusan.
Sering kali, penjelasan mengenai bagaimana solusi tersebut dicapai lebih berharga
dibandingkan solusi itu sendiri.
Konfigurasi Sistem Pakar
Sistem pakar terdiri atas empat bagian utama : antarmuka pengguna, basis pengetahuan,
mesin antarmuka, dan mesin pengembangan.
· Antarmuka Pengguna
Antarmuka pengguna memungkinkan manajer untuk memasukkan instruksi dan
informasi ke dalam sistem pakar dan menerima informasi dari sistem tersebut. Instruksi ini
menentukan parameter yang mengarahkan sistem pakar dalam proses pemikirannya. Input
informasi berbentuk nilai yang dikaitkan dengan variabel tertentu.
Sistem pakar didesain untuk merekomendasikan solusi. Solusi ini kemudian
dilengkapi dengan penjelasan. Terdapat dua jenis penjelasan : Penjelasan dari pertanyaan
yang diberikan manajer dan penjelasan mengenai solusi masalah.

23. · Basis Pengetahuan
Basis pengetahuan (knowledge basis) berisikan fakta yang menggambarkan masalah
serta teknik penggambaran pengetahuan yang menjelaskan bagaimana fakta bersentuhan
secara logis. Istilah domain masalah (problem domain) digunakan untuk menggambarkan
area permasalahan.
Salah satu teknik untuk menggambarkan pengetahuan yang populer adalah
penggunaanaturan.Aturan(rule)menentukanapayang harusdilakukan dalam suatu situasi
dan terdiri atas dua bagian : kondisi yang bisa jadi benar atau salah dan tindakan yang harus
dilakukan jika kondisi itu benar. Contoh aturan adalah :
If Indeks.Ekonomi > 1,20 dan Indeks.Musiman > 1,30 Then Prakiraan.Penjualan = ‘SANGAT
BAIK ‘
Semua aturan yang ada di dalam sistem pakar disebut set aturan (rule set). Jumlah
aturan dalam set aturan dapat bervariasi dari sekitar selusin peraturan untuk suatu sistem
pakar sederhana hingga 10.000 peraturan untuk set yang rumit.
· Mesin Inferensi
Mesin Inferensi (inference engine) adalah bagian dari sistem pakar yang melakukan
pemikiran dengan cara menggunakan isi basis pengetahuan dalam urutan tertentu. Selama
konsultasi, mesin inferensi memeriksa aturan-aturan basis pengetahuan satu demi satu, dan
jika persyaratan satu aturan benar, maka suatu tindakan akan dilaksanakan. Dalam
terminologi sistem pakar, aturan diberhentikan jika tindakan diambil.
Proses pemeriksaan peraturan satu demi satu berlanjut hingga seluruh set aturan
telah dilalui. Lebih dari satu kali pemeriksaan biasanya dibutuhkan untuk memberikan suatu
nilai ke solusi masalah, yang disebut variabel tujuan (goal variable). Pemeriksaan terus

24. berlanjut hingga memungkinkan untuk memberhentikan beberapa aturan. Ketika tidak ada
lagi aturan yang dapat diberhentikan, proses pemikiran dapat berhenti.
· Mesin Pengembangan
Komponen utama yang keempat dari sistem pakar adalah mesin pengembangan,
yang digunakan untuk membuat sistem pakar. Ada dua pendekatan dasar yang tersedia :
bahasa pemrograman dan kerangka sistem pakar.
Kerangka sistem pakar (expert system shell) adalah prosesor siap pakai dan dapat
disesuaikan untuk masalah tertentu dengan cara menambahkan basis pengetahuan yang
sesuai. Kini, kebanyakanminat untukmenerapkansistem pakar ke masalah bisnis melibatkan
penggunaan kerangka.
Salah satucontoh domain masalahyang menggunakankerangka sistem pakar adalah
komputerbantuanpelanggan.Ketika sistem pakar bantuanpelanggandigunakan,pengguna
atau anggota staf bantuan pelanggan berkomunikasi secara langsung dengan sistem, dan
sistem kemudian berusaha menyelesaikan masalah.
Sistem pakar bantuan pelanggan menggunakan beragam teknik penggambaran
pengetahun. Salah satu pendekatan yang populer disebut cara pikir berbasis kasus (case
base reasoning-CBR). Pendekatan ini menggunakan data historis sebagai dasar untuk
mengidentifikasi masalah dan merekomendasikan solusi.
Kerangka sistem pakar telah membuat kecerdasan buatan terjangkau perusahaan-
perusahaan yang tidak memiliki sumber daya yang cukup untuk merancang sistem mereka
sendiri menggunakan bahasa pemrograman. Dalam area bisnis, kerangka sistem pakar
merupakan cara yang paling populer bagi banyak perusahaan untuk menerapkan sistem
berbasis pengetahuan.

25. Sistem Pendukung Pengambilan Keputusan Kelompok
Berbagai komite, tim proyek, dan satuan tugas yang ada di banyak perusahaan
merupakan contoh pendekatan kelompok terhadap pemecahan masalah. Menyadari fakta
ini, para pengembang sistem telah mengadaptasi DSS ke dalam pemecahan masalah secara
kelompok.
 Konsep GDSS
Sistem pendukung pengambilan keputusan kelompok (group decision support
system-GDSS) adalah “sistem berbasis komputer yang membantu sekelompok orang
melakukan tugas (atau mencapai tujuan) yang sama dan memberikan antarmuka untuk
digunakan bersama.” Istilah-istilah lain juga digunakan untuk menggambarkan aplikasi
teknologi informasi ke dalam situasi kelompok. Istilah ini antara lain sistem pendukung
kelompok (group support system-GSS), kerja sama berbantuan komputer (computer-
supported cooperative work-CSCW), dukungan kerja kolaboratif terkomputerisasi
(computerized collaborative work support), dan sistem pertemuan elektronik (electronic
meeting system-EMS). Peranti lunak yang digunakan dalam situasi-situasi 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 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 mendetail, sehingga didapatkan definisi masalah yang lebih baik. Atau, ekstra
waktu yang dimiliki dapat digunakan untuk mengidentifikasi alternatif-alternatif yang
sebelumnya tampak tidak mungkin.Evaluasi alternatif yang lebih banyak akan meningkatkan
kesempatan mendapatkan solusi yang lebih baik.

26.  Letak Lingkungan GDSS
GDSS membantu pemecahan masalahdengan cara menyediakan lokasi yang kondusif
untuk komunikasi. Pada tiap lokasi, para anggota kelompok dapat bertemu dalam waktu
yang bersamaan atau waktu yang berbeda. Jika para anggota bertemu pada saat yang
bersamaan, maka lokasi ini disebut pertukaran sinkron (synchronous exchange). Salah satu
contoh adalah pertemuan komite. Jika para anggota bertemu pada waktu yang berbeda-
beda, maka lokasi ini disebut pertukaran asinkron (asynchronous exchange). Salah satu
contoh adalah saling berbalas komunikasi melalui e-mail.
 Ruang Keputusan
Ruang keputusan (decision room) adalah tempat sekelompok kecil orang yang
bertemu langsung. Ruangan ini membantu komunikasi melalui kombinasi perabotan,
peralatan, dan tempat. Peralatan mencakup kombinasi komputer, mikrofon penangkap
suara, kamera video, dan layar lebar. Di tengah-tengah ruangan terletak konsol fasilitator.
Fasilitator (Facilitator) adalah seseorang yang tugas utamanya adalah menjaga diskusi di
jalurnya.
Berdasarkan pengaturan yang ditentukan untuk masing-masing sesi, pesan yang
dimasukkan oleh salah seorang anggota kelompok kepada anggota lain dapat ditampilkan
pada layar lebar untuk dilihat seluruh anggota kelompok. Materi lain yang penting untuk
diskusi ini juga dapat ditampilkan dari media seperti gambar PowerPoint, videotape, slide
berwarna, dan transparansi.
Dua buah fitur GDSS yang unik adalah komunikasi paralel dan anonimitas. Komunikasi
paralel (parallel communication) terjadi ketika semua peserta memasukkan komentar pada
saat yang bersamaan, dan anonimitas (anonimity) adalah ketika tidak ada yang dapat
mengetahui siapa yang memberikan komentar tertentu. Anonimitas memungkinkan para

27. peserta untuk mengatakan apa yang mereka pikirkan tanpa takut diejek oleh anggota
kelompok yang lain. Selain itu, fitur ini memungkinkan masing-masing ide untuk dievaluasi
berdasarkan kelebihannya dan bukan berdasarkan siapa yang memberikannya.
 Jaringan Keputusan Wilayah Lokal
Jika tidak memungkinkan untuk sekelompok kecil orang untuk bertemu langsung,
maka para anggota dapat berinteraksi melalui LAN. Seorang anggota dapat memasukkan
komentar ke dalam komputer dan melihat komentar yang diberikan anggota lain di layar.
 Sesi Legislatif
Jika kelompok yang ada terlalu besar untuk suatu ruang keputusan, maka akan
dibutuhkan sesi legislatif. Ukuran yang besar akan membatasi komunikasi. Kesempatan
partisipasi secara rata oleh semua anggota kelompok menjadi berkurang atau waktu yang
tersedia akan berkurang. Salah satu solusi untuk masalah ini adalah fasilitator memutuskan
materi mana yang harus ditampilkan di layar untuk dilihat seluruh kelompok.
 Konferensi Yang Dimediasi Komputer
Beberapa aplikasi virtual memungkinkan komunikasi antara kelompok-kelompok
besar yang memiliki anggota yang tersebar di berbagai wilayah geografis. Aplikasi ini secara
kolektif dikenal sebagai aplikasi konferensi jarak jauh, yang mencakup konferensi komputer,
konferensi audio, dan konferensi video.
 Meletakkan DSS pada Tempatnya
Telah dilihat bagaimana cakupan dukungan keputusan yang diberikan oleh DSS telah
meluas dibandingkan ketika Gorry dan Scott-Morton pertama kali mengutarakan ide untuk
mengatasi masalah semiterstruktur. Perluasan cakupan ini merupakan saksi keberhasilan

28. DSS. Konsep ini telah bekerja dengan amat baik sehingga para pengembang terus
memikirkan fitur-fitur baru untuk ditambahkan.
Ketika kecerdasan buatan ditambahkan, fitur ini benar-benar mengubah karakter DSS.
Seseorang pernah menggambarkan perbedaan antara DSS dan sistem pakar dengan cara
menjelaskan bahwa ketika seorang manajer menggunakan DSS, maka ia duduk di depan
komputer dan berusaha menemukan bagaimana cara menggunakan tampilan informasi
untukmenyelesaikan masalah.Ketika manajer menggunakansistempakar, manajer duduk di
depan komputer, namun seorang konsultan duduk di sebelah manajer dan memberi saran
mengenai bagaimana memecahkan masalah. Kecerdasan buatan memungkinkan DSS untuk
memberikan tingkatdukungan keputusan yang semula tidak dibayangkan oleh para visioner
DSS

29. KESIMPULAN
Sistem pendukung keputusan dirancang memiliki sifat yang dinamis dan fleksibel
alam 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.
Sistem pendukung keputusan dirancang memiliki sifat yang dinamis dan fleksibel dalam
perusahaan.Sistem pendukungkeputusanmembantu 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. Keterbatasan
sistem pendukung keputusan yaitu hanya bisa menyelesaikan masalah berdasarkan
program yang ditanamkan, tidak dengan hal yang tak terduga seperti manusia

30. DAFTAR PUSTAKA
Putra, Y. M., (2018). Sistem Pengambilan Keputusan. Modul Kuliah Sistem Informasi
Manajemen. FEB-Universitas Mercu Buana: Jakarta
Arijanto, A., Hikmah, D., & Nashar, Muhammad. (2015). Sistem Informasi Manajemen.
Jakarta: Universitas Mercu Buana. Yogyakarta: Sibuku Media
Mcleod, Raymond. (2004). Sistem Informasi Manajemen, Penerbit Salemba Empat, Jakarta.
McLeod, R., & Schell, G. P. (2007). Management Information Systems. USA: Pearson/Prentice
Hall.
Laudon, K. C., & Laudon, J. P. (2016). Management Information System. Pearson Education
India.
Laudon, K. C., & Laudon, J. P. (2018). Management Information Systems: Managing The
Digital Firm. Pearson.
O'Brien, J. A., & Marakas, G. M. (2006). Management Information Systems (Vol. 6). McGraw-
Hill Irwin.
O'Brien, J. A., & Marakas, G. M. (2005). Introduction to Information Systems (Vol. 13). New
York City, USA: McGraw-Hill/Irwin.