Dokumen tersebut membahas tentang sistem pakar dan pendukung keputusan (decision support system/DSS). Sistem pakar adalah sistem informasi yang mengandung pengetahuan dari pakar untuk digunakan dalam konsultasi, sedangkan DSS dibuat untuk membantu pengambilan keputusan manajer. Dokumen ini juga menjelaskan komponen utama sistem pakar dan DSS serta teknik representasi pengetahuan dan inferensi pada sistem pakar.

1. TUGAS
SISTEM INFORMASI MANAJEMEN
JURNAL KE - 1
NAMA : AYANG DINDA LESTARI 11142716
PRENDHIN 11141608
ADIB SUBEKTI 11142029
RAHMAT ALAMSYAH 11141028
KELAS : 11.1D.24
TUGAS : KELOMPOK

2. SISTEM PAKAR
Sistem Pakar(dalam bahasa Inggris :expert system) adalah sistem informasi yang berisi
dengan pengetahuan dari pakar sehingga dapat digunakan untuk konsultasi. Pengetahuan dari
pakar di dalam sistem ini digunakan sebagi dasar oleh Sistem Pakar untuk menjawab
pertanyaan (konsultasi).
Kepakaran (expertise) adalah pengetahuan yang ekstensif dan spesifik yang diperoleh melalui
rangkaian pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat
mengambil keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam
memecahkan problem yang kompleks. Kepakaran mempunyai sifat berjenjang, pakar top
memiliki pengetahuan lebih banyak daripada pakar yunior. Tujuan Sistem Pakar adalah untuk
mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain (yang bukan
pakar).
Sistem pakar adalah suatu program komputer yang mengandung pengetahuan dari satu atau
lebih pakar manusia mengenai suatu bidang spesifik. Jenis program ini pertama kali
dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970-an dan
diterapkan secara komersial selama 1980-an. Bentuk umum sistem pakar adalah suatu
program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya
diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis
matematis dari masalah tersebut. Tergantung dari desainnya, sistem pakar juga mampu
merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi.
Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan.
 Ciri-Ciri Sistem Pakar
Sistempakaryang baikharusmemenuhi ciri-ciri sebagaiberikut:
• Memiliki informasiyanghandal.
• Mudah dimodifikasi.
• Dapat digunakandalamberbagai jeniskomputer.
• Memiliki kemampuanuntukbelajarberadaptasi.
 Kelebihan Sistem Pakar
Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara
lain :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk
keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reliabilitas.
10. Meningkatkan kapabilitas sistem komputer.

3. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan
mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan
 Kelemahan Sistem Pakar
Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan,
antara lain :
1. Biaya yang diperlukan untuk membuat dan memeliharanya relatif mahal karena
diperlukan banyak data.
2. Perlu admin khusus yang selalu update informasi dalam bidang yang sesuai dengan
sistem pakar.
3. Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan perangkat
lunak konvensional.
4. Susah di kembangkan.
5. Membutuhkan waktu yang lama.
6. Sistem pakar tidak 100% bernilai benar
 Alasan Pengembangan Sistem Pakar, sistem pakar sendiri dikembangkan lebih lanjut
dengan alasan :
• Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
• Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
• Seorang pakar akan pensiun atau pergi.
• Seorang pakar adalah mahal.
• Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat.
 Modul Penyusun Sistem Pakar
Menurut Staugaard (1987) suatu sistem pakar disusun oleh tiga modul utama yaitu :
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode) Sistem berada pada
modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan
pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan
dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung
antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan
oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi
dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.

4. 3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh system (bagaimana suatu
keputusan dapat diperoleh).
~ Struktur Sistem Pakar, komponen utama pada struktur sistem pakar menurut
Hu et al (1987) meliputi:
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi
pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah
informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan
suatu fakta baru dari fakta yang sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk
memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang
tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan
kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai
solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran
dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact
Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan
dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia,
sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian
berfungsi sebagai panduan arah dalam melakukan prose penalaran. Terdapat tiga tehnik
pengendalian yang sering digunakan, yaitu forward chaining, backward chaining, dan
gabungan dari kedua teknik pengendalian tersebut.
3. Basis Data (Data Base)
Basis data terdiri atas semua fakta yang diperlukan, dimana fakta fakta tersebut digunakan
untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua
fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh
pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk
menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.
Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan
yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui
relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu
knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem
pakarnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam
pengembangan suatu sistem pakar, yaitu
a. Rule-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rules). Bentuk
representasi ini terdiri atas premise dan kesimpulan.
b. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame.

5. c. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data
yang terdiri dari data dan metoda (proses).
d. Case-Base Reasoning
Pengetahuan direpresentasikan dalam bentuk kesimpulan kasus (cases).
Inferencing dengan Rule : Forward dan Backward Chaining
Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan dalam
mekanisme search (pencarian). Dapat pula mengecek semua rule pada knowledge base dalam
arah forward maupun backward. Proses pencarian berlanjut sampai tidak ada rule yang dapat
digunakan atau sampai sebuah tujuan (goal) tercapai. w:st=”on”Ada dua metode inferencing
dengan rules, yaitu forward chaining atau data-driven dan backward chaining atau goal-
driven.
a. Backward chaining
• Menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi
(hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif)
dari ekspektasi tersebut.
• Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan
backward chaining.
b. Forward chaining
• Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari
suatu masalah kepada solusinya.
• Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert
konklusi.
• Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang
tersedia dan baru konklusi diperoleh.
• Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward
chaining.
JURNAL TENTANG KEPUTUSAN / RESUME DSS
DSS menurut Moore and Chang,SPK dapat digunakan sebagai system yang
berkemampuan mendukun analisis ad hoc data,dan permodelan
keputusan,berorientasi keputusan,berorientasi keputusan,perencanaan masa
depan,dan digunakan pada saat-saat yang tidak biasa.
System pendukung keputusan (DSS) dibuat sebagai suatu cara untuk
memenuhi kebutuhan seorang manajer dalam membuat keputusan yang spesifik
dalam pemecahan masalah yang spesifik pula.
Tahapan dalam pengambilan keputusan
 Tahap pemahaman

6.  Tahap perancangan
 Tahap pemilihan
 Tahap penerapan
Tahap Pemahaman
Sebuah proses pemahaman terhadap masalah dengan mengidentifikasi dan
mempelajari masalah terhadap lingkungan yang memerlukan data,mengolah
data,mengujinya,menjadikan petunjuk dalam menemukan pokok masalah,mencari
solusi,bergerak dari tingkat system ke subsistem.
Tahap Perancangan
Sebuah proses pengembangan,analisis dan pencarian alternative tindakan atau
solusi yang mungkin untuk di ambil / dilakukan ,identifikasi dan mengevaluasi
alternative.
Tahap Pemilihan
Sebuah proses pemilihan salah satu alternative solusi yang dimunculkan pada tahap
perancangan untuk menentukan arah tindakan dengan memperhatikan criteria-kriteria
berdasar tujuan yang dapat dicapai pada tahap berikutnya,memilih solusi terbaik.
Tahap Penerapan
Sebuah proses untuk melaksanakan dan menerapkan alternative tindakan yang dipilih
untuk menyelesaikan permasalahan yang telah di identifikasi,menerapkan solusi dan
membuat tindak lanjut.
Jenis Keputusan
 Keputusan Tak Terprogram
 Keputusan Terprogram
 Keputusan Semi Terprogram
Jenis Masalah
 Masalah tersrtuktur yaitu pemahaman,perancangan dan pemilihan
 Masalah tidak terstruktur
 Masalah semi terstruktur

7. DSS (Decision Suport System)
Pengembanag DSS berawal pada akhir tahun 1960-an dengan adanya pengguna
computer,secara time-sharing (berdasarkan pembagian waktu). Pada mulanya
seseorang dapat berinteraksi langsung dengan computer tanpa harus melalui
spesialis informasi. Timesharing membuka peluang baru dalam penggunaan
computer.
Tidak sampai tahun 1971, ditemukan istilah DSS, G Anthony Gorry dan Michael S.
Scott Morton yang keduanya frofesor MIT, bersama-sama menulis artikel dalam jurnal
yang berjudul “A Framework for Management Information System” mereka merasakan
perlunya ada kerangka untuk menyalurkan aplikasi computer terhadap pembuatan
keputusan manajemen. Gorry dan Scott Morton mendasarkan kerangka kerjanya
pada jenis keputusan menurut Simon dan tingkat manajemen dari Robert N. Anthony.
Anthony menggunakan istilahStrategic palnning, managemen control dan operational
control (perencanaan strategis,control manajemen, dan control manajemen).
Keharusan dari DSS
 Membantu manajer dalam membuat keputusan untuk memecahkan masalah semi
terstruktur
 Mendukung penilaian manajer
 Meningkatkan efektivitas pengambilan keputusan manajer dari hanya sekedar
efisiensi
Model DSS
Terdapat database,yang isinya digunakan oleh:
 Perangkat lunak penulisan laporan,menghasilkan laporan periodic maupun khusus
 Model matematika,menghasilkan informasi sebagai hasil dari simulasi yang
melibatkan satu atau beberapa komponen
Cara Penggunaan Informasi Dari DSS
Pada dasarnya dua pengguna informasi dari DSS oleh manajer, yaitu
untukmendefinisikan masalah dan memecahkan masalah tersebut. Pendefinisian
masalahadalah usaha definisi dari pendekatan system. Ia juga berkaitan dengan fase
intelegensi yang di kemukakan oleh simon. Selanjutnya manjer menggunakan
informasi untuk memecahkan masalah yang telah diidentifikasi. Hal ini merupakan

8. usaha pemecahan menurut poendekatan sistim dan berkaitan denga fase disain dan
pemilihan.
Pada umumnya, lapaoran berkala dan khusus digunakan terutama dalam
usaha definisi,dan simulasi dalam usaha pemecahan Laporan berkala dapat di
rancang untuk menidentifikasi masalah atau masalah yang kemungkinan besar akan
muncul, manjer juga melakukan query terhadap database untuk menemukan masalah
atau mempelajari lebih jauh lagi mengenai masalah yang telah di identifikasi. Simulasi
dapat juga membuka masalah yang tersembunyi, karna kelemahan cenderung akan
kelihatan menonjol ketika operasi perusahaan diubah secara matematis.
Laporan berkala dan khusus dapat juga membantu manajer untuk
memecahkan masalah dengan cara mengidentifikasi keputusan alternative,
mengevaluasi dan memilih alternative tersebut, dan memberikan informasi lanjutan.
Ada pun contoh dari DSS yang berkaitan dengan tugas kepolisian itu
sendiri yaitu antara lain di bidang pengaman dengan cara memanpaat kan dss yaitu
di bidang pengaman gedung gedung pemerintahan oleh para pendemo karena
kenaikan Bbm, dalam menyusun pengaman gedung tersebut angota kepolisan dari
atas sampai bawah bekerja sama dengan sangat solid,untuk mewujudkan keaman
dan ketertiban ,keselamatan dan kelencaran lalu lintas adalah dengan cara membuat
langkah langkah antipisi pasi lonjakan massa yang semakin membludak ,dan potensi
gangguan kamtibmas yang sangat besar ketika nanti demo sedang
berlangsung,kemanpaatan dss dalam menyusun pola pengamanan dalam unjuk rasa
tersebut akan sangat optimal jika ada data management,model management ,dan
user interfance dalam dss pengaman kantor pemerintahan dapat di kelola dengan
baik dan sangat bagus jika beberapa fungsi di atas tersebut berjalan dengan baik dan
benar tanpa ada kurang satu apa pun ,update dan realistis,ada pun dss sendiri secara
normal atau dengan penjelasan di atas adalah dss memperluas kemapuan
pengambilan keputusan dalam memperotes data atau informasi bagi pemakaian nya
sehingga dss perlu di kembangkan dan di jadikan kemampuan yang wajib di miliki
calon pengambil keputusan agar dapat kelak membantu mengambil keputusan untuk
memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak
terstruktur seperti pola pengaman dlam pengaman gedung pemerintahan tersebut di
atas
Contoh lain nya juga adalah implementasi DSS yang dibahas dalam jurnal ini
adalah sifatnya discrete dan continous yang dikembangkan dalam suatu proyek

9. MARABU. MARABU mengembangkan sebuah web portal berbasis DSS (mereka
menyebutnya dengan agent-based decicion support system MARABU). Agent-based
decicion support system MARABUini terdiri dari: (1) database permodelan, metode
kontrol, dan tools; (2) contoh-contoh kasus yang telah ada dan disimulasikan di masa
lalu; (3) teori-teori yang berhubungan dengan kasus-kasus yang ada; (4) serta web-
portal yang memungkinkan penggunanya untuk menspesifikasikan kebutuhannya,
menampilkan hasil yang diinginkan, serta mengkoneksikan sebuah provider
dengan toolyang terpilih.
Sistem yang diusulkan oleh MARABU bekerja dalam langkah-langkah sebagai
berikut:
1. Data kasus-kasus masa lalu dicari untuk dicocokan dengan spesifikasi dan
persyaratan yang diminta oleh user. Jika terdapat beberapa kasus-kasus yang
memiliki tingkat kecocokan yang mirip dengan spesifikasi yang diminta oleh user maka
akan dipertimbangkan lagi dengan memberikan bobot prioritas.
2. Model dan/atau metode kontrol pada data kasus-kasus masa lalu yang memiliki
tingkat kecocokan yang paling maksimal akan ditawarkan pada user sebagai suatu
solusi.
3. Setelah dipertimbangkan kembali, agen user akan mengirimkan informasi yang
akan digunakan pada tool (peralatan) tertentu yang digunakan oleh provider. Dengan
menggunakan tool tersebut, simulasi model dapat ditampilkan pada user. Setelah
mendapatkan hasil dari simulasi tersebut, maka user dapat menjawab pada DSS,
apakah persyaratan yang dimintanya terhadap permasalahan tersebut telah
terpenuhi.
4. Jawaban yang diberikan oleh user akan meningkatkan kualitas dari case-
based reasoning. Kecocokan setiap kasus harus selalu di-up-date, sehingga jika

10. terdapat permasalahan/kasus baru, tingkat validasi solusi yang diberikan oleh agen
akan meningkat.
PENJELASAN TENTANG FUZZY DECESIOM
Fuzzy Logic atau sistem Fuzzy itu Secara garis besar buku Fuzzy Multi-Attribute
Decision Making (Fuzzy MADM) ini berisi tentang aplikasi logika fuzzy untuk
penyelesaian masalah pengambilan keputusan dalam bentuk Multi-Attribute Decision
Making (MADM).. Disamping itu, setiap metode yang dibahas juga disertai dengan
kode program yang ditulis dengan software MATLAB,. dan digunakan baik oleh para
akademisi maupun praktisi yang ingin mengaplikasi sistem cerdas (intelligent system)
fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam
suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian adalah
paper yang dibuat oleh Lofti A Zadeh (1965), dimana Zadeh memperkenalkan teori
yang memiliki obyek-obyek dari himpunan fuzzy yang memiliki batasan yang tidak
presisi dan keanggotaan dalam himpunan fuzzy, dan bukan dalam bentuk logika
benar (true) atau salah (false), tapi dinyatakan dalam derajat (degree). Konsep seperti
ini disebut dengan Fuzziness dan teorinya dinamakan Fuzzy Set Theory. Fuzziness
dapat didefinisikan sebagai logika kabur
berkenaan dengan semantik dari suatu kejadian, fenomena atau pernyataan itu
sendiri. Seringkali ditemui dalam pernyataan yang dibuat oleh seseorang, evaluasi
dan suatu pengambilan keputusan. Sebagai contoh:
1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak
persediaan barang pada akhir minggu ini, kemudian manajer produksi akan
menetapkan jumlah barang yang harus diproduksi esok hari.
2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan
memberikan tip yang sesuai atas baik tidaknya pelayanan yang
diberikan.
3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan, saya
akan mengatur putaran kipas yang ada pada ruangan ini. Universitas Sumatera
UtaraFuzzy system (sistem kabur) didasari atas konsep himpunan kabur yang
memetakan domain input kedalam domain output. Perbedaan mendasar himpunan
tegas dengan himpunan kabur adalah nilai keluarannya. Himpunan tegas hanya
memiliki dua nilai output yaitu nol atau satu, sedangkan himpunan kabur memiliki
banyak nilai keluaran yang dikenal dengan nilai derajat
keanggotaannya. Logika fuzzy adalah peningkatan dari logika Boolean yang

11. berhadapan dengan konsep kebenaran sebagian. Dimana logika klasik (crisp)
menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1,
hitam atau putih, ya atau tidak). Logika fuzzy menggantikan kebenaran Boolean
dengan tingkat kebenaran. Logika fuzzy memungkinkan nilai keanggotaan antara 0
dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistic, konsep
tidak pasti seperti “sedikit”, “lumayan”, dan “sangat”. Logika ini diperkenalkan oleh Dr.
Lotfi Zadeh dari Universitas California, Barkeley pada tahun 1965.
Logika fuzzy telah digunakan pada bidang-bidang seperti taksonomi, topologi,
linguistik, teori automata, teori pengendalian, psikologi, pattern recognition,
pengobatan, hukum, decision analysis, system theory and information retrieval.
Pendekatan fuzzy memiliki kelebihan pada hasil yang terkait dengan sifat kognitif
manusia, khususnya pada situasi yang melibatkan pembentukan konsep, pengenalan
pola, dan pengambilan keputusan dalam lingkungan yang tidak pasti atau tidak jelas.
Ada beberapa alasan digunakanya Fuzzy Logic,diantaranya ialah :
Konsep fuzzy logic mudah dimengerti.,Fuzzy Logic sangat fleksibel.,Fuzzy Logic
memiliki toleransi terhadap data yang tidak tepat.,fuzzy Logic mampu memodelkan
fungsi-fungsi nonlinier yang sangat kompleks.,Fuzzy Logic dapat bekerjasama
dengan teknik-teknik kendali secara konvensional.,Fuzzy Logic didasarkan pada
bahasa alami.Fuzzy Logic dapat membangun dan mengaplikasikan pengalaman-
pengalaman para pakar secara langsung tanpa harus melalui proses latihan.
Jadi fuzzi decision adalah cara yang tepat untuk memetakan suatu ruang input
kedalam suatu ruang output. Titik awal dari konsep modern mengenai
ketidakpastian adalah paper dan selain itu fuzzi decisionbanyak sekali kelebihan nya
dan juga pasti ada ke kurangn nya seperti yang sudah di tulis di atas