IMPLEMENTASI APLIKASI SISTEM PENGAMBILAN KEPUTUSAN

TUGAS PERTEMUAN KE-13
MATA KULIAH SISTEM INFORMASI MANAJEMEN
IMPLEMENTASI APLIKASI SISTEM PENGAMBILAN KEPUTUSAN
Dosen pengampu : Bpk. Yananto Mihadi Putra, SE, M. Si
DISUSUN OLEH :
Siti Aisyah Maudina 43217120099
FAKULTAS EKONOMI DAN BISNIS
JURUSAN AKUNTANSI
MERCU BUANA MENTENG
2021

 Abstrak (Ringkasan Artikel)
Meningkatnya pengguna teknologi informasi, khususnya internet telah
membawa setiap orang dapat melaksanakan berbagai aktifitas dengan lebih
akurat, berkualitas, dan cepat. Setiap organisasi dapat memanfaatkan
internet dan jaringan teknologi informasi untuk menjalankan berbagai
aktivitasnya secara elektronis. Para Manajer di berbagai organisasi juga
diharapkan dapat dengan mudah untuk menganalisis kinerjanya secara
konstan dan konsisten dengan pemanfaatan teknologi informasi yang tersedia.
Pemanfaatan teknologi informasi ini dikaitkan dengan pentingnya dalam
proses pengambilan keputusan manajemen. Dapat kita ketahui bahwa masih
kurangnya organisasi baik pada sektor publik maupun organisasi pada sektor
swasta yang menerapkan sistem informasi manajemen dalam pengambilan
keputusan, khususnya pada organisasi pemerintah daerah.
Kata Kunci: teknologi, DSS, informasi.
 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).
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.

 Literatur Teori
1.1 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.
1.2 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.
2. 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.
3. 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 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.
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 satu contohnya adalah pertimbangan 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 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 terstruktur atau benar-benar tidak terstruktur. 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.
Setelah prosedur ditentukan, 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 prosedur tertentu 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.”
4. 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.

Sejak 1971, DSS telah menjadi jenis sistem informasi yang paling sukses dan
kini menjadi aplikasi komputer untuk pemecahan masalah yang paling
produktif.
5. Model DSS
Ketika DSS untuk pertama kalinya dirancang, model ini menghasilkan
laporan khusus dan berkala serta output dari model matematika. Laporan
khusus ini berisikan respons terhadap permintaan ke basis data. Setelah DSS
diterapkan dengan baik, kemampuan yang memungkinkan para pemecah
masalah untuk bekerja sama dalam kelompok ditambahkan ke dalam model
tersebut. Penambahan peranti lunak groupware memungkinkan sistem
tersebut untuk berfungsi sebagai sistem pendukung pengambilan keputusan
kelompok (group decision support system-GDSS). Yang terbaru, kemampuan
kecerdasan buatan juga telah ditambahkan beserta kemampuan untuk terlibat
dalam OLAP.
a . Pemodelan Matematika
Model adalah abstraksi dari sesuatu. Model mewakili suatu objek atau
aktivitas, yang disebut entitas (entity). Manajer menggunakan model untuk
mewakili permasalahan yang harus diselesaikan. Objek atau aktivitas yang
menyebabkan masalah disebut dengan entitas.
b. 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 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 (narrative model) yang menggambarkan
entitas dengan kata-kata yang terucap atau tertulis. Pendengar
atau pembaca dapat memahami entitas tersebut dari naratifnya.
Semua komunikasi bisnis adalah model naratif, sehingga membuat
model naratif jenis model yang paling populer.
3. Model Grafis
Jenis model lain yang terus digunakan adalah model grafis. Model
grafis (graphic model) menggambarkan entitasnya dengan
abstraksi garis, 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.
Beberapa model matematika menggunakan ratusan atau bahkan
ribuan 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.
a) 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.
b) Memfasilitasi Komunikasi
Keempat jenis model dapat mengomunikasikan informasi secara akurat dan
cepat kepada orang-orang yang memahami makna bentuk, kata-kata, grafis,
dan matematis.
c) 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 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.
a) 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.
b) 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.
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.
7. 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.
7.1 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.
7.2 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.
7.3 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.
· 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.
7.4 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.
7.5 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.
1. Kapabilitas Pemodelan Statis
Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk
digunakan dalam model statis.
2. Kapabilitas Pemodelan Dinamis
Lembar kerja sangat sesuai untuk digunakan sebagai model dinamis. Kolom-
kolom yang tersedia amat sesuai untuk periode waktu.
7.6 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.

7.7 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.
7.8 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.
7.9 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.
7.10 Wilayah AI

AI diterapkan di dunia bisnis dalam bentuk sistem pakar, jaringan saraf
tiruan, algoritme genetik, dan agen cerdas.
1. 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 memungkinkan sistem pakar untuk
berfungsi sedemikian rupa agar 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.
2. 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.
3. 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.

4. Agen Cerdas
Agen Cerdas (intelligent agent) digunakan untuk melakukan tugas yang
berkaitan dengan 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.
1.1 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.
1.2 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.
· 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 penggunaan aturan. Aturan (rule) menentukan apa yang harus
dilakukan 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 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, kebanyakan minat untuk
menerapkan sistem pakar ke masalah bisnis melibatkan penggunaan
kerangka.
Salah satu contoh domain masalah yang menggunakan kerangka
sistem pakar adalah komputer bantuan pelanggan. Ketika sistem pakar
bantuan pelanggan digunakan, 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.
8. 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.

8.1 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.
8.2 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.
8.3 Letak Lingkungan GDSS
GDSS membantu pemecahan masalah dengan 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.
8.4 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 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.
8.5 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.
8.6 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.
8.7 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.
8.8 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 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
untuk menyelesaikan masalah. Ketika manajer menggunakan sistem pakar,
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 tingkat
dukungan keputusan yang semula tidak dibayangkan oleh para visioner DSS.
 Pembahasan

Sistem Pendukung Pengambilan Keputusan/Decision-Support Systems
(DSS)
Sistem pendukung pengambilan keputusan kelompok (DSS) adalah sistem
berbasis komputer yang interaktif, yang membantu pengambil keputusan
dalam menggunakan data dan model untuk menyelesaikan masalah yang
tidak terstruktur. Sistem pendukung ini membantu pengambilan keputusan
manajemen dengan menggabungkan data, model-model dan alat-alat analisis
yang komplek, serta perangkat lunak yang akrab dengan tampilan pengguna
ke dalam satu sistem yang memiliki kekuatan besar (powerful) yang dapat
mendukung pengambilan keputusan yang semi atau tidak terstruktur. DSS
menggabungkan sumber daya intelektual seorang individu dengan
kemampuan komputer dalam rangka meningkatkan kualitas pengambilan
keputusan. DSS diartikan sebagai tambahan bagi para pengambil keputusan,
untuk memperluas kapabilitas, namun tidak untuk menggantikan
pertimbangan manajemen dalam pengambilan keputusannya.
Dalam suatu penelitiannya Steven S. Alter mengembangkan satu taksonomi
dari enamjenis DSS yang didasarkan pada tingkat dukungan pemecahan
masalah. Jenis DSS yang memberikan dukungan yang sedikit lebih tinggi
memungkinkan baginya menganalisis seluruh isi file mengenai tingkat
penyerapan anggaran pada unit-unit lain yang terkait. Contohnya adalah
laporan gaji bulanan pegawai yang disiapkan dari file gaji.
DSS juga memungkinkan para manajer untuk melihat dampak-dampak yang
mungkin timbul dari berbagai keputusan yang diambil yang disebut model
yang dapat memperkirakan dampak sebuah keputusan. DSS dimaksudkan
untuk melengkapi sistem informasi manajemen dalam meningkatkan
pengambilan keputusan. Sistem informasi manajemen terutama menyajikan
informasi mengenai kinerja aktivitas untuk membantu manajemen memonitor
dan mengendalikan kegiatan. Format atau bentuk dari pelaporan-pelaporan
ini umumnya sudah ditentukan sebelumnya (baku). Kadangkala laporan
sistem informasi manajemen ini merupakan laporan eksepsi (exception
reports), yaitu hanya menyoroti kondisi-kondisi yang khusus. Sistem informasi
manajemen yang tradisional umumnya menyajikan pelaporan yang tercetak
(hard copy reports).
Ada dua tipe DSS yang dikenal, yaitu : Model-driven DSS dan Data-driven
DSS.
 Model-driven DSS merupakan suatu sistem yang berdiri sendiri terpisah
dari system informasi organisasi secara keseluruhan. DSS ini sering
dikembangkan langsung oleh masing-masing pengguna dan tidak
langsung dikendalikan dari divisi sistem informasi. Kemampuan analisis
dari DSS ini umumnya dikembangkan berdasarkan model atau teori yang

ada dan kemudian dikombinasikan dengan tampilan pengguna yang
membuat modelini mudah untuk digunakan. Contoh dari model-driven
DSS ini yang dipergunakan diperusahaan pelayaran yaitu voyage
estimating decision support systems.
 Data-driven DSS, menganalisis sejumlah besar data yang ada atau
tergabung di dalam sistem informasi organisasi. DSS ini membantu untuk
proses pengambilan keputusan dengan memungkinkan para pengguna
untuk mendapatkan informasi yang bermanfaat dari datayang tersimpan
di dalam database yang besar. Decision Support Systems meliputi
berbagai komponen yang termuat di dalam sistem pendukung ini, yaitu:
1. DSS database : Kumpulan data berjalan atau historis dari sejumlah
aplikasi yang digunakan untuk menanyakan dan menganalisis data.
Database ini dapat berupa PC database atau massive database.
2. DSS software system : Kumpulan dari perangkat lunak yang digunakan
untuk menganalisis data, seperti: On-Line Analytical Processing (OLAP)
tools, datamning tools. Model ini dapat berupa model fisik (model
rancangan ruang kerja, taman, dan model pesawat terbang), model
perhitungan matematika (seperti: persamaan, alogaritma, anuitas, cicilan
bunga kredit), atau model verbal (seperti: deskripsi suatu prosedur untuk
penulisan suatu perintah kerja/order).
Group Decision Support System (GDSS)
Decision Support Sistem (DSS) atau SPK (Sistem Penunjang Keputusan)
Interaktif sistem berbasis komputer yang ditujukan untuk membantu
pengambil keputusan menggunakan data untuk mengidentifikasi dan
memecahkan masalah dan membuat keputusan. Yaitu: Pembanding/heuristik
dan model matematika. Suatu sistem berbasis komputer yang menyediakan
informasi pemecahan masalah maupun kemampuan komunikasi dalam
memecahkan masalah.
Group Decision Support System (GDSS)
Sebuah interaktif, system berbasis komputer yang memfasilitasi penyelesaian
masalah yang tidak terstruktur dengan serangkaian pembuat keputusan
bekerja bersama sebagai sebuah kelompok. Terutama kelompok manajer,
dalam menganalisa situasi masalah dan dalam pengambilan keputusan
kelompok melakukan tugas. Sistem Pendukung Keputusan kelompok yang
berusaha memperbaiki komunikasi di antara para anggota kelompok dengan
menyediakan lingkungan yang mendukung dan mendukung para pengambil
keputusan dengan perangkat lunak GDSS yang disebut groupware.

Group Dukung Systems
Telah datang ke komputer berarti perangkat lunak dan perangkat keras yang
digunakanuntuk mendukung fungsi dan proses kelompok.
Konsep DDS
Tahap-tahap pengambilan keputusan Simon digunakan untuk menentukan
struktur masalah. Masalah terstruktur merupakan suatu masalah yang
memiliki struktur pada tiga tahap pertama Simon yaitu intelijen, rancangan
dan pilihan. Masalah tidak terstruktur merupakan masalah yang sama sekali
tidak memiliki struktur pada tiga tahap Simon. Masalah Semi Terstruktur,
merupakan masalah yang memiliki struktur hanya pada satu atau dua tahap
Simon.
Jenis-jenis DSS menurut Alter :
 Mengambil elemen-elemen informasi (jenis yang memberikan dukungan
paling sedikit)
 Menganalisis seluruh file
 Menyiapkan laporan dari berbagai file
 Memperkirakan akibat keputusan
 Mengusulkan keputusan
 Membuat keputusan (jenis yang paling banyak memberikan dukungan)
Tujuan DSS
 Membantu manajer membuat keputusan untuk memecahkan masalah
 Mendukung penilaian manajer bukan mencoba menggantikannya
 Meningkatkan efektivitas pengambilan keputusan manajer dari pada
efisiensi DSS dan SIM.
 DSS fokus terhadap masalah-masalah semi terstruktur, SIM menyediakan
informasi bagimanajer.
Sistem Pendukung Keputusan Berkelompok (GDSS)
 Konsep GDSS (Group Decision Support System), merupakan sistem
berbasis computer yang mendukung kelompok-kelompok orang yang
terlibat dalam suatu tugas bersama danmenyediakan interface bagi suatu
lingkungan yang digunakan bersama. Istilah lainnya : GSS(group
support system), CSCW (computer support cooperative work),

CCWS(Computerized collaborative work support), EMS (electronic
meeting system). Perangkat lunak yang digunakan disebut groupware.
 GDSS berkontribusi memecahkan masalah. Komunikasi yang lebih baik
memungkinkan keputusan yang lebih baik. GDSS berkontribusi
memecahkan masalah dengan menyediakan suatu pengaturan yang
mendukung komunikasi. Pengaturan Lingkungan GDSS Ruang
Keputusan, merupakan pengaturan untuk rapat kelompok kecil secara
tatap muka. Ruangan tersebut medukung komunikasi melalui kombinasi
perabot, peralatan dan tata letak. Jaringan Keputusan Setempat (LAN),
jika kelompok kecil tidak mungkin bertemu secara tatap muka, maka para
anggota dapat berinteraksi melalui jaringan. Pertemuan Legislatif, jika
kelompok terlalu besar untuk ruang keputusan, maka pertemuan
legislative diperlukan. Konferensi Bermedia Komputer, beberapa aplikasi
kantor virtual memungkinkan komunikasi antara kelompok-kelompok
besar dengan anggota yang tersebar secara geografis.
Kemiripan antara GDSS dan DSS
 Keduanya menggunakan model, data dan perangkat lunak yang user-
friendly
 Keduanya interaktif dengan “bagaimana-jika” kemampuan
 Keduanya menggunakan data internal dan eksternal
 Keduanya memungkinkan pembuat keputusan untuk mengambil peran
aktif
 Keduanya memiliki system fleksibel
 Keduanya memiliki output grafis
Mengapa Menggunakan GDSS?
Manajer tingkat tinggi dapat menghabiskan 80% waktu mereka membuat
keputusan dalam kelompok. Terapan benar, GDSS dapat mengurangi waktu
ini, sampai pada suatu keputusan yang lebih baik lebih cepat. GDSS
menyediakan perangkat keras, perangkat lunak, database dan prosedur
untuk pengambilan keputusan yang efektif.
Sistem Pendukung Pengambilan Keputusan Eksekutif/Executive
Support Systems (ESS)
Dalam sistem pendukung pengambilan keputusan eksekutif istilah executive
supportsystem (ESS) sering dipertukarkan dengan executive information
system (EIS). Namun, ada juga yang membedakan keduanya. Jika dibedakan,
EIS sering didefinisikan sebagai sistem informasi berbasis komputer yang

menyajikan kebutuhan informasi eksekutif puncak. Sistem ini memberikan
akses cepat atas informasi dan laporan manajamen. Di sisi lain, ESS adalah
sistem pendukung komprehensif yang mempunyai kemampuan lebih dari EIS.
ESS menyangkut juga sistem komunikasi, otomatisasi kantor, dukungan
analisis, dan intelejensia.
ESS dibangun terutama untuk menyajikan gambaran operasional suatu
organisasi; melayani kebutuhan informasi eksekutif puncak; menyajikan
tampilan yang akrab di pengguna, sesuai dengan tipe keputusan individu,
menyajikan penelusuran dan pengendalian yang tepat waktu dan efektif;
menyajikan akses cepat atas informasi rinci dengan teks, angka, atau grafik;
mengindentifikasikan masalah; serta menyaring, mengkompres, dan melacak
data dan informasi kritikal. Karakteristik utama yang dimiliki ESS adalah
kemampuan melihat rincian, menginformasikan faktor keberhasilan kritikal
(critical success factors), akses status, analisis, pelaporan eksepsi (exception
reporting), penggunaan warna, navigasi informasi, dan komunikasi.
Sistem Pakar – Expert Systems (ES)
Para ahli atau pakar biasanya memiliki pengetahuan (knowledge) dan
pengalaman khusus untuk masalah tertentu. Mereka paham betul alternatif
pemecahan, kemungkinan keberhasilannya, serta keuntungan dan kerugian
yang mungkin timbul. Mereka biasanya digunakan oleh instansi untuk
memberi nasehat atas masalah tertentu, seperti pada Departemen
Pertahanan masalah pembelian peralatan militer yang teknologinya canggih,
penyelesaian tuntutan pembubaran Bisnis TNI, perampingan/reorganisasi
departemen, dan strategi komunikasi dengan media massa. Makin tidak
terstruktur masalahnya, makin spesialis nasehat yang dibutuhkan dari mereka.
Expert systems (ES) mencoba untuk meniru pengetahuan pakar tersebut.
Sistem ini biasanya digunakan jika organisasi harus memberikan keputusan
atas suatu masalah yang kompleks. Secara khusus, ES adalah paket
komputer untuk memecahkan atau mengambil keputusan atas suatu masalah
spesifik atau terbatas, yang kemampuan pemecahannya dapat sama atau
melebihi suatu tingkat kemampuan seorang pakar. ES bisa dibagi dalam dua
bagian: lingkungan pengembangan (development environment) dan
lingkungan konsultasi (consultation environment). Lingkungan pengembangan
digunakan oleh pengembang ES untuk membangun komponen komponen ES
dan menempatkan pengetahuan (knowledge) pada basis pengetahuan
(knowledge base). Lingkungan konsultansi digunakan oleh non-pakar untuk
memperoleh pengetahuan dan nasehat para pakar yang disimpan di sistem.
Tiga komponen utama yang biasanya ada dalam ES adalah basis
pengetahuan, mesin inferensi (inference engine), dan tampilan pengguna
(user interface). Sistem adalah kumpulan dari elemen-elemen yang

berinteraksi untuk mencapai suatu tujuan tertentu. Keputusan adalah tindakan
pilihan diantara alternatif untuk mencapai suatu tujuan. Sistem pengambilan
keputusan didefinisikan sebagai suatu sistem berbasis komputer yang
interaktif, membantu pengambilan keputusan dengan menggunakan analisis
data-data guna memecahkan masalah. Sistem pengambilan keputusan
muncul pada tahun 1971, sistem ini dikenalkan oleh Michael S. ScottMorton,
G. Athony Gorry dan Peter G.W. Keen dari Massachussets Institute of
Technology(MIT).
Menurut Sudirman dan Widjajani (1996), perkembangan sistem pendukung
keputusan meliputi:
a. Sistem pendukung keputusan kelompok atau Group Decision Support
Systems (GDSS) adalah suatu sistem berbasis komputer untuk
membantu secara interaktif dalam membuat keputusan terhadap
masalah-masalah yang tidak terstruktur bagi kelompok pembuat
keputusan yang bekerja bersama-sama.
b. Sistem pendukung keputusan eksekutif atau excexutive support
systems (ESS) adalah sistem pendukung komprehensif yang
mempunyai kemampuan lebih dari melayani kebutuhan informasi
eksekutif puncak. Sistem ini memberikan akses cepat atas informasi dan
laporan manajemen.
c. Sistem pendukung keputusan organisasi atau organizational decision
support systems.Terdapat empat fase pendekatan formal dari sistem ini,
yaitu dua fase pertama adalah strukturlisasi dan pembentukan kerangka
pengembangan sistem. Fase ketiga merupakan prototype (model atau
simulasi dari semua aspek yang akan dikembangkan). Fase keempat
merupakan implementasi. Dalam manajemen, pengambilan keputusan
memegang peranan yang sangat penting. Oleh karena keputusan yang
diambil oleh seorang manajer merupakan hasil pemikiran akhir yang
harus dilaksanakan oleh bawahannya atau mereka yang bersangkutan
dengan organisasi yang ia pimpin. Penting, oleh karena menyangkut
semua aspek manajemen. Kesalahan dalam mengambil keputusan bisa
merugikan organisasi.
Jenis-Jenis, Tahapan dan Langkah Dalam Proses Pengambilan
Keputusan.
Jenis-jenis Keputusan
Keputusan berdasarkan struktur organisasai
1. Keputusan Administratif adalah keputusan yang diambil oleh seorang
administrator/manajer puncak sebagai pucuk pimpinan organisasi.

2. Keputusan Eksekutif adalah keputusan yang diambil oleh manajer eksekutif
( pelaksana ) dalam rangka meneruskan gagasan administrator dalam
fungsinya sebagai koordinator yang mengkoordinasikan para manajer operatif.
3. Keputusan Operatif adalah keputusan yang diambil oleh manajer operatif
dalam rangka pelaksanaan gagasan, arahan, dan panduan manajer eksekutif.
4. Keputusan Teknis. Keputusan ini derajatnya paling rendah yang diambil
oleh para pengawasatau mandor. Sesuai dengan namanya, keputusan ini
mengenai masalah-masalah teknis.Keputusan berdasarkan kondisi dan
situasi
 Keputusan menurut system yaitu model sistem dimana keputusan diambil
sifatnya tertutupdan terbuka.
 Sistem keputusan tertutup (closed decision system). Sistem ini
menganggap bahwa keputusan terisolasikan dari input-input yang
tidak diketahui dari lingkungan.
 Sistem keputusan terbuka (open decision system). Keputusan ini
dipengaruhi oleh lingkungan, dan pada gilirannya proses keputusan
mempengaruhi lingkungan.
 Keputusan menurut urgensi
 Keputusan Vital adalah keputusan yang sangat penting yang
menentukan berhasil tidaknya suatu usaha
 Keputusan penting adalah keputusan yang menghindarkan
kerugian, baik kerugian uang, waktu, benda maupun tenaga.
 Keputusan biasa adalah keputusan yang tidak begitu mendesak,
yang kalau perlu dapatditunda untuk sementara waktu.
 Keputusan formalitas adalah keputusan yang jika dilaksanakan,
tidak menimbulkanakibat apa-apa.3.Keputusan menurut efek
 Keputusan managerial adalah keputusan yang berhubungan
dengan pengelolaan suatupekerjaan, yang diambil untuk
mengakhiri masalah yang berkaitan dengan pengelolaanpekerjaan
tersebut.
 Keputusan teknis adalah keputusan yang diambil untuk
menaggulangi masalah teknispekerjaan.
 Keputusan ekonomis adalah keputusan yang mempunyai
efek ekonomis untuk mengakhiri masalah-masalah ekonomis.

 Keputusan yuridis adalah keputusan yang bersifat yuridis dan
mempunyai efek yuridis
 Keputusan politis adalah keputusan yang mempunyai efek
pilitis, yang dapat berpengaruh pada bidang politik.
 Kesimpulan
Sistem pendukung keputusan dirancang memiliki sifat yang dinamis dan
fleksibel alamperusahaan. 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-masalahyang bersifat tidak terstruktur dan semi terstruktur. 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.
Keterbatasan sistem pendukung keputusan yaitu hanya bisa menyelesaikan
masalah berdasarkan program yang ditanamkan, tidak dengan hal yang
takterduga seperti manusia
 Daftar Pustaka (Minimal 5, sumber bisa modul, ebook, artikel baik
online maupun offline)
Anggraini, D. (2019). The Effect Accounting Conservatism, Firm Size And
Dividend Policy On Earning Response Coefficient. EPRA International Journal
of Multidisciplinary Research, 4(4), 281-293
Damayanti, K., Fardinal., (2019). The Effect of Information Technology
Utilization, Management Support, Internal Control, and User Competence on
Accounting Information System Quality. Schollars Bulletin, 5(12), 751-758.
Hanifah, S., Sarpingah, S., & Putra, Y. M., (2020). The Effect of Level of
Education, Accounting Knowledge, and Utilization Of Information Technology
Toward Quality The Quality of MSME ’ s Financial Reports. The 1st Annual
Conference Economics, Business, and Social Sciences (ACEBISS) 2019, 1
(3). https://doi.org/10.4108/eai.3-2-2020.163573

Herliansyah, Y., Nugroho, L., Ardilla, D., & Putra, Y. M., (2020). The
Determinants of Micro, Small and Medium Entrepreneur (MSME) Become
Customer of Islamic Banks (Religion, Religiosity, and Location of Islamic
Banks ). The 1st Annual Conference Economics, Business, and Social
Sciences (ACEBISS) 2019, 1 , (2). https://doi.org/10.4108/eai.26-3-
2019.2290775
Kharisma, M., & Faisol, D. A. (2019). Effect of Corporate Social Responsibility
and Company Transparency on Tax Avoidance with Profitability as
Moderating Variables (In Manufacturing Companies That Are Listing on The
Idx 2015-2017 Period). Scholar Bulletin, 5(8), 439-443
Nugroho, L., Mastur, A.A., Fardinal, F., Putra, Y.M., (2019). Hajj, Civilization
and Islamic Banking Contribution Discourses. Location of Islamic Banks ).
The 1st AnnuaScl Conference Economics, Business, and Social Sciences
(ACEBISS) 2019, 1 (11), http://dx.doi.org/10.4108/eai.26-3-2019.2290773
Putra, Y. M., (2018). Sistem Pengambilan Keputusan. Modul Kuliah Sistem
Informasi Manajemen. FEB-Universitas Mercu Buana: Jakarta
Putra, Y. M., (2019). Analysis of Factors Affecting the Interests of SMEs Using
Accounting Applications. Journal of Economics and Business, 2(3), 818-826.
https://doi.org/10.31014/aior.1992.02.03.129
Soelton, M., Ramli, Y., Anggraini, D., & Khosasi, D. (2020). Implementing
Good Corporate Governance to Engage Corporate Social Rerponsibility in
Financial Performance. European Research Studies, 23(1), 239.
Surjandari, D. A., Anggraeni, D., Arlita, D. P., & Purba, R. M. (2019). Analysis
of Non-Financial Determinants of Company Value In Manufacturing
Companies in Indonesia. Jurnal Akuntansi, 23(2), 230-252.
Zamzami, A.H., & Putra, Y. M., (2019). Intensity of Taxpayers Using E-Filing
(Empirical Testing of Taxpayers in Jakarta, Bogor, Depok, Tangerang, and
Bekasi). EPRA International Journal of Multidisciplinary Research (IJMR) 5(7),
154-161.
http://syukronhamdani.blogspot.com/2017/10/makalah-sistem-pengambilan-
keputusan_21.html

IMPLEMENTASI APLIKASI SISTEM PENGAMBILAN KEPUTUSAN

Recommended

Recommended

More Related Content

What's hot

What's hot (16)

Similar to IMPLEMENTASI APLIKASI SISTEM PENGAMBILAN KEPUTUSAN

Similar to IMPLEMENTASI APLIKASI SISTEM PENGAMBILAN KEPUTUSAN (20)

More from SitiAisyahMaudina

More from SitiAisyahMaudina (10)

Recently uploaded

Recently uploaded (20)

IMPLEMENTASI APLIKASI SISTEM PENGAMBILAN KEPUTUSAN