-
PENUNJANG KEPUTUSAN dan KECERDASAN BUATAN
disusun sebagai syarat memenuhi tugas mata kuliah sistem informasi
disusun oleh :
Achmad Faozi 005131121003
Mochamad Faisal Efendi 005131121059
Muhamad Fahmi 005131121064
Rachmat Martua Hasibuan 005131121077
FAKULTAS TEKNIK INFORMATIKA
STMIK ERESHA
BOGOR
2014
-
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah SWT karena dengan rahmat dan
hidayah-Nyalah penyusun dapat menyelesaikan makalah yang berjudul
penunjang keputusan dan kecerdasan buatan.
Makalah ini disusun dengan tujuan memenuhi salah satu tugas mata kuliah Sistem
Informasi Manajemen. Untuk itu penyusun sangat berterima kasih kepada semua
pihak yang telah membantu dalam penyusunan makalah ini, terutama kepada
dosen mata kuliah Sistem Informasi Manajemen yang telah memberikan
bimbingannya sehingga makalah ini dapat diselesaikan tepat pada waktunya.
Penyusun sangat mengetahui bahwa makalah ini jauh dari kesempurnaan, oleh
karena itu penyusun mohon kritik dan saran yang membangun agar penyusun
dapat menyusunnya kembali dengan lebih baik.
Semoga makalah ini dapat bermanfaat bagi semua pihak.
Bogor, Mei 2014
Penyusun
-
DAFTAR ISI
Cover ..............................................................................................................
Judul ...............................................................................................................
Kata Pengantar ................................................................................................ i
Daftar Isi ......................................................................................................... ii
BAB 1 PENDAHULUAN
1.1 Latar Belakang .......................................................................................... 1
1.2 Rumusan Masalah ..................................................................................... 1
1.3 Tujuan Pembelajaran ................................................................................. 1
BAB 2 PEMBAHASAN
2.1 Pendukung Keputusan Dalam Bisnis ......................................................... 3
2.1.1 Kualitas Informasi ............................................................................ 4
2.1.2 Struktur Keputusan ........................................................................... 5
2.1.3 Tren Pendukung Keputusan .............................................................. 7
2.1.4 Sistem Informasi Manajemen ........................................................... 8
2.1.5 Pemprosesan Analisis Online ............................................................ 10
2.1.6 Sistem Pendukung Keputusan ........................................................... 11
2.1.7 Komponen DSS ................................................................................ 12
2.1.8 Sistem Visualisasi dan Informasi Geografis ...................................... 13
2.1.9 Penggunaan Sistem Pendukung Keputusan ....................................... 13
2.1.10 Analisi Jika-Maka ........................................................................... 14
2.1.11 Analisis Sensitivitas ........................................................................ 14
2.1.12 Analisis Pencarian Sasaran ............................................................. 15
2.1.13 Analisis Optimisasi ......................................................................... 16
2.1.14 Sistem Informasi Eksekutif ............................................................. 16
2.1.15 Sistem Manajemen Pengetahuan ..................................................... 16
2.2 Kecerdasan Buatan dan Teknologi Dalam Bisnis ....................................... 17
2.2.1 Ruang Lingkup Kecerdasan Buatan .................................................. 18
2.2.2 Sistem Pakar (Expert System) ........................................................... 20
-
2.2.3 Pengembangan Sistem Pakar ............................................................ 21
2.2.4 Jaringan Saraf Tiruan (Neural Network) ........................................... 22
2.2.5 Logika Fuzzy .................................................................................... 22
2.2.6 Algoritma Genetika .......................................................................... 23
2.2.7 Realita Virtual .................................................................................. 23
BAB 3 PENUTUP
3.1 Simpulan ................................................................................................... 25
Daftar Pustaka ................................................................................................. 26
-
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Informasi di dalam sebuah perusahaan adalah sangat penting untuk
mendukung kelangsungan perkembangan sebuah perusahaan, sehingga
terdapat alasan bahwa informasi sangat dibutuhkan bagi sebuah perusahaan.
Apabila kurangnya mendapatkan informasi, dalam waktu tertentu perusahaan
akan mengalami ketidakmampuan mengontrol sumber daya, sehingga dalam
mengambil keputusan-keputusan strategis sangat terganggu, yang pada
akhirnya akan mengalami kemunduran dan kekalahan dalam bersaing dengan
lingkungan pesaingnya.
Disamping itu, sistem informasi yang dimiliki seringkali tidak dapat
bekerja dengan baik. Masalah utamanya adalah bahwa sistem informasi
tersebut terlalu banyak informasi yang tidak bermanfaat. Memahami konsep
dasar informasi adalah sangat penting dalam mendesain sebuah sistem
informasi yang efektif (effective business system). Menyiapkan langkah atau
metode dalam menyediakan informasi yang berkualitas adalah tujuan dalam
mendesain sistem baru.
1.2 Rumusan Masalah
1. Apakah pengertian sistem pendukung keputusan ?
2. Apa saja kriteria sistem pendukung keputusan ?
3. Apa saja karakteristik dan kemampuan sistem pendukung keputusan ?
4. Apakah keuntungan sistem pendukung keputusan ?
5. Komponen Sistem Pendukung Keputusan
1.3 Tujuan Pembelajaran
1. Mengidentifikasi perubahan yang terjadi dalam bentuk dan penggunaan
pendukung keputusan dalam bisnis.
2. Mengidentifikasi peran dan pelaporan alternatif sistem informasi
manajemen.
-
3. Menjelaskan bagaimana pengolahan analisis online dapat memenuhi
kebutuhan informasi kunci dari manajer.
4. Menjelaskan dukungan konsep sistem pengambilan keputusan dan
bagaimana hal itu berbeda dari manajemen tradisional infor-sistem
informasi.
5. Menjelaskan bagaimana sistem informasi berikut dapat mendukung
kebutuhan informasi eksekutif, manajer, dan profesional bisnis:
a. Sistem informasi eksekutif
b. Informasi perusahaan portal
c. Sistem manajemen pengetahuan
6. Identifikasi bagaimana saraf jaringan, logika fuzzy, genetik algoritma,
virtual reality, dan agen cerdas dapat digunakan dalam bisnis.
7. Berikan contoh dari beberapa sistem pakar cara dapatdigunakan dalam
situasi pengambilan keputusan bisnis.
-
BAB 2
PEMBAHASAN
2.1 Pendukung Keputusan dalam Bisnis
Agar sukses dalam bisnis saat ini, perusahaan membutuhkan system
informasi yang dapat mendukung kebutuhan pengambilan keputusan dan berbagai
informasi dari manajer dan praktisi bisnis. Internet, intranet dan teknologi
informasi lainnya yang berbasis Web dalam mendukung aktivitas pengambilan
keputusan dari setiap manajer dan pekerja yang berpengetahuan dalam bisnis.
Infromasi, Keputusan, dan Manajemen Jenis informasi yang dibutuhkan oleh
pengambil keputusan di dalam suatu perusahaan berhubungan langsung dengan
tingkat pengambilan keputusan manajemen dan jumlah struktur dalam situasi
keputusan yang mereka hadapi. Kerangka kerja Piramida Manajerial klasik masih
dapat diterapkan saat ini pada organisasi yang dirampingkan dan didatarkan atau
struktur organisasi nonhierarkis. Tingkat pengambilan keputusan manajemen
masih ada, namun ukuran, bentuk, dan pesertanya terus berubah seiring dengan
evolusi struktur organisasi saat ini. Jadi, tingkat pengambilan keputusan
manajemen yang harus didukung oleh teknologi infomasi dalam organisasi yang
sukses adalah :
-
Gambar 1 Diagram Kebutuhan informasi para pengambil keputusan
a. Manajemen Strategis. Umumnya, dewan direksi dan komite eksekutif
yang terdiri dari CEO dan eksekutif atas mengembangkan tujuan umum
organisasi, strategi, kebijakan, dan tujuan sebagai bagian dari proses
perencanaan strategis. Mereka juga mengawasi kinerja strategis organisasi
dan arah keseluruhannya dalam lingkungan politik, ekonomi, dan bisnis
yang kompetitif.
b. Manajemen Taktis. Semakin banyak praktisi bisnis dalam tim mandiri
serta manajer unit bisnis yang mengembangkan rencana jangka pendek
dan jangka menengah, jadwal, dan anggaran serta menentukan kebijakan,
prosedur, dan tujuan bisnis untuk subunit mereka di perusahaan. Mereka
juga mengalokasikan sumber daya dan mengawasi kinerja sub unit
organisasi mereka, termasuk departemen, divisi, tim proses, tim proyek,
dan kelompok kerja lainnya.
c. Manajemen Operasional. Anggota tim mandiri atau manajer operasional
mengembangkan rencana jangka pendek seperti jadwal produksi
mingguan. Mereka mengarahkan penggunaan sumebr daya dan kinerja
tugas berdasarkan prosedur dan sesuai dengan anggaran dan jadwal yang
mereka tetapkan untuk tim tersebut dan kelompok kerja di organisasi.
2.1.1 Kualitas Informasi
Apa karateristik yang akan membuat produk informasi bernilai
dan bermanfaat bagi Anda? Salah satu cara untuk menjawab pertanyaan
penting ini adalah dengan menguji karateristik atau atribut Kualitas
Informasi. Informasi yang kuno, tidak akurat, atau sulit dipahami tidak
akan sangat berarti, berguna atau bernilai bagi Anda dan praktisi bisnis
lainnya. Kita memerlukan informasi berkualitas tinggi, yaitu produk
informasi yang memiliki karateristik, atribut, atau kualitas yang
membuat informasi lebih bernilai. Informasi perlu dipandang memiliki
tiga dimensi: waktu, isi, dan bentuk. Gambar dibawah ini meringkas
atribut yang penting dari kualitas informasi dan mengelompokkannya ke
dalam tiga dimensi tersebut.
-
Gambar 2 Atribut yang harus ada dalam informasi produk berkualitas
tinggi
2.1.2 Struktur Keputusan
Keputusan yang dibuat pada tingkat manajemen operasional
cenderun lebih terstruktur, sedangkan keputusan pada tingkat taktis lebih
semiterstruktur, dan keputusan pada tingkat strategis lebih tak
terstruktur. Keputusan yang terstruktur melibatkan situsi di mana
prosedur yang diikuti ketika keputusan diperlukan, dapat disebutkan
lebih awal. Keputusan tak terstruktur melibatkan situasi keputusan di
mana tidak mungkin menentukan lebih awal mengenai prosedur
keputusan yang harus diikuti. Akan tetapi, kebanyakan keputusan
bersifat semiterstruktur.
Contoh struktur keputusan dan tingkat manajemen.
Maksudnya, beberapa prosedur keputusan dapat ditentukan, namun tidak
cukup untuk mengarah ke suatu keputusan yang direkomendasikan.
-
Misalnya, keputusan mengenai peluncuran layanan e-commerce yang
baru atau membuat perubahan besar mengnai tunjangan karyawan akan
berada pada jangkuan tak terstruktur hinggan semiterstruktur. Gambar
berikut menyediakan berbagai contoh keputusan bisnis menurut jenis
terstruktur keputusan dan tingkat manajemen. Perbedaan utama dalam
keputusan kemampuan dukungan informasi manajemen sistem dan
keputusan mendukung sistem.
Dengan demikian, sistem informasi harus dirancang untuk menghasilkan
berbagai produk informasi untuk memenuhi kebutuhan pengambil
keputusan yang berubah-ubah di dalam organisasi. Misalnya, pengambil
keputusan pada tingkat manajemen strategis dapat menggunakan sistem
keputusan (detection support system-DSS) untuk mendapatkan laporan
yang tak terjadwal, adalah hoc, dan lebih ringkas, peramalan, dan
kecerdasan eksternal untuk mendukung perencanaan mereka yang lebih
tak terstruktur dan tanggung jawab pembuatan kebijakan. Di sisi lain,
pengambil keputusan pada tingkat manajemen operasional dapat
bergantung pada sistem informasi manajemen untuk menyediakan
laporan internal yang telah ditentukan sebelumnya dengan penekan pada
perbandingan data yang lama dan yang sekarang guna mendukung
-
tanggung jawab mereka yang lebih terstruktur untuk operasional sehari-
hari.
2.1.3 Tren Pendukung Keputusan
Penggunaan sistem informasi untuk mendukung pengambilan
keputusan bisnis telah menjadi salah satu tujuan utama dari penggunan
teknologi. Akan tetapi, selama tahun 1990-an, baik peneliti akademik
maupun praktisi bisnis melaporkan bahwa fokus manajerial tradisional
yang berasal dari sistem informasi manajemen yang klasik (1960-an),
sistem pendukung keputusan (1970-an), sistem informasi eksekutif
(1980) terus meluas. Kecepatan perkembangan teknologi informasi
seperti hardware komputer, dan paket software DSS/EIS membuat
pendukung keputusan tersedia bagi manajemen tingkat bawah, serta bagi
individu nonmanajerial dan tim mandiri dari praktisi bisnis. Tren ini
telah mengalami percepatan seiring dengan pertumbuhan yang sangat
cepat dari Internet serta intranet dan ekstranet dari perusahaan yang
menggunakan Internet dan pemilik kepentingannya. Inisiatif e-business
dan ecommerce yang sedang diimplementasikan oleh banyak perusahaan
juga memperluas ekspektasi serta penggunaan informasi dan pendukung
keputusan dari karyawan, manajer, pelanggan, pemasok, dan mitra
bisnis lainnya. Semua pemilik kepentingan dalam bisnis mengharapkan
akses yang mudah dan instan ke informasi dan analisis data mandiri
berbasis Web yang proaktif dan pribadi untuk mendukung persyaratan
pengambilan keputusan dari semua konstituen mereka. Jadi,
pertumbuhan ekstranet dan intrnet korporat, serta Internet, telah
mempercepat pengembangan dan penggunaan pengiriman informasi
kelas eksekutif dan alat software pendukung keputusan oleh
manajemen dari tingkat yang lebih rendah dan oleh individu dan tim
praktisi bisnis. Selain itu, ekspansi yang dramatis ini telah membuka
pintu ke penggunaan alat seperti kecerdasan bisnis (business
intellegence-BI) oleh pemasok, pelanggan, dan pemilik kepentingan
bisnis lainnya dari suatu perusahaan untuk manajemen hubungan
-
pelanggan, manajemen rantai pasokan, dan aplikasi e-business lainnya.
Beberapa teknologi informasi utama yang dibuat secara khusus, pribadi,
dan berbasis Web untuk menyediakan infomasi bisnis utama dan alat
analisis untuk manajer, praktisi bisnis, dan pemilik kepentingan bisnis.
Gambar 3 Bisnis intelejen aplikasi didasarkan pada personalisasi dan Web
informasi
2.1.4 Sistem Informasi Manajemen
Sistem Informasi Manajemen adalah jenis awal dari sistem
informasi yang dikembangkan untuk mendukung pengambilan
keputusan manajerial. SIM mengahsilkan prosuk informasi yang
mendukung banyak kebutuhan pengambilan keputusan harian dari para
manajer dan praktisi bisnis. Manajer dan pengambilan keputusan bisnis
lainnya menggunakan SIM untuk memeproleh informasi mengenai
tempat kerja mereka yang berjaringan yang mendukung aktivitas
pengambilan keputusan mereka. Informasi ini dapat berbentuk laporan
periodik, pengecualian, dan permintaan. Browser Web, program aplikasi,
dan software manajemen database menyediakan akses ke informasi di
intranet dan database operasional lainnya di dalam organisasi. Database
operasional dipertahankan oleh sistem pemrosesan informasi. Data
mengenai lingkungan bisnis diperoleh dari Intranet atau database
ekstranet jika diperlukan. Alternatif Pelaporan Manajemen SIM
-
menyediakan berbagai produk informasi bagi para manajer. Ada empat
alternatif pelaporan utama yang disediakan oleh sistem ini yaitu:
a. Laporan Terjadwal secara Periodik (Periodic Scheduled
Reports). Bentuk tradisional penyediaan informasi bagi
manajer dengan menggunakan format yang telah ditentukan
dan menyediakan informasi secara rutin kepada manajer.
Contoh laporan terjadwal secara periodik adalah laporan
analisis penjualan harian dan mingguan dan laporan keuangan
bulanan.
b. Laporan Pengecualian (Exeption Reports). Dalam beberapa
kasus, laporan dibuat hanya jika terjadi kondisi pengecualian.
Dalam kasus lainnya, laporan dibuat secara periodik namun
hanya berisi informasi mengenai kondisi pengecualian tersebut.
Misalnya, manajer kredit dapat diberi laporan yang hanya berisi
informasi mengenai pelanggan yang melewati batas kreditnya.
Pelaporan pengecualian mengurangi kelebihan informasi,
sehingga tidak perlu memberikan seluruh laporan aktivitas
bisnis secara rinci bagi pengambil keputusan.
c. Laporan Permintaan dan Tanggapan (Demand reports and
Renponses). Informasi tersedia kapanpun manajer
menginginkannya. Misalnya, browser Web dan bahasa
permintaan DBMS serta penghasil laporan (reports generator)
memungkinkan manajer di tempat kerja komputer untuk
memperoleh tanggapan langsung atau menemukan dan
mendapatkan laporan tertentu sebagai hasil dari permintaan
informasi yang mereka butuhkan. Jadi, manajer tidak harus
menunggu laporan periodik untuk tiba sesuai yang
dijadwalkan.
d. Pelaporan Dorong (Push Reporting). Informasi didorong ke
manajer di tempat kerja berjaringan. Jadi, banyak perusahaan
sedang menggunakan software penyiaran Web (webcasting)
-
untuk menyiarkan laporan secara selektif dan informasi lainnya
ke komputer berjaringan milik para manajer atau pakar melalui
intranet perusahaan.
2.1.5 Pemprosesan Analisis Online
Pemrosesan Analisis Online atau Online Analytical Processing-
OLAP memungkinkan manajer dan analis secara interakfit menguji dan
memanipulasi sejumlah besar data yang rinci dan terkonsolidasi dari
banyak perspektif. OLAP mencakup analisis hubungan yang rumit
antara ribuan atau bahkan jutaan data yang disimpan dalam data mart,
gudang data, dan database Multidimensi lainnya untuk menemukan pola,
tren, dan kondisi pengecualian.
Sesi OLAP dilakukan secara online dan langsung, dengan respons
yang cepat ke permintaan manajer dan analis, sehingga proses analisis
atau pengambilan keputusan tidak terganggu. Pemrosesan analitis online
melibatkan beberapa operasional analitis dasar, termasuk konsolidasi,
drill down (penggalian), slicing and dicing (pengirisan dan
pemotongan)
a. Konsolidasi. Konsolidasi melibatkan pengumpulan data. Hal
ini dapat melibatkan pengumpulan sederhana atau
pengelompokan yang rumit dengan melibatkan data yang
saling berhubungan. Misalnya data kantor penjualan dapat
dikumpulkan ke wilayah, dan wilayah ke regional.
b. Penggalian. OLAP dapat bergerak ke arah kebalikan dan
secara otomatis menampilkan rincian data yang telah
dikonsolidasikan. Ini disebut penggalian. Misalnya, penjualan
menurut prduk individual atau staf penjualan yang
menghasilkan total penjualan regional dapat dengan mudah
diakses.
c. Pengirisan dan Pemotongan. Pengirisan dan pemotongan
merujuk pada kemampuan untuk melihat database dari
penjualan dapat menunjukkan semua penjualan dari satu jenis
-
prosuk secara regional. Irisan yang lain dapat menunjukkan
semua penjualan menurut saluran penjualan dari setiap produk.
Pengirisan dan pemotongan sering dilakukan sejalan dengan
sumbu waktu untuk menganalisis tren dan menemukan pola
berbasis waktu pada data.
Gambar 4 Pengolahan analisis online mungkin membutuhkan penggunaan server
khusus dan database multidimensi.
2.1.6 Sisitem Pendukung Keputusan
Sistem Pendukung Keputusan (Decision Support System-DSS)
adalah sistem informasi berbasis komputer yang menyediakan dukungan
informasi yang inetraktif bagi manajer dan praktisi bisnis selama proses
pengambilan keputusan. Sistem pendukung keputusan menggunakan:
1. Model analitis
2. Database khusus
3. Penilaian dan pandangan pembuat keputusan
4. Proses pemodelan berbasis komputer yang interaktif untuk
mendukung pembuatan keputusan bisnis yang semiterstruktur
dan tak terstruktur.
Sistem DSS didesain sebagai sistem respons cepat dan ad-hoc
yang diawali dan dikendalikan oleh pengambil keputusan bisnis. Sistem
pendukung keputusan dapat secara langsung mendukung jenis keputusan
-
khusus dan gaya pengambilan keputusan pribadi serta kebutuhan
eksekutif, manajer, dan praktisi bisnis secara individual.
2.1.7 Komponen DSS
Berbeda dengan SIM, Sistem Pendukung Keputusan bergantung
pada Model Bases (basis model) dan database sebagai sumber daya
sistem yang vital. Basis model dss adalah komponen software yang trdiri
dari model-model yang digunakan dalam rutinitas komputasional dan
analitis yang secara matematis menyatakan hubungan antarvariabel.
DSS dapat mencakup model pemrograman linear, model
peramalan regresi ganda, dan model nilai sekarang penganggaran modal.
Modelmodel seperti ini dapat disimpan dalam bentuk Template atau
model Spreadsheet, atau program statistik dan matematis serta modul
program.
Gambar 5 Komponen DSS yang dapat di implementasikan di marketing berbasis
web.
Paket software DSS dapat mengombinasikan komponen model
untuk membuat model terpadu yang mendukung jenis keputusan
tertentu. Software DSS biasanya terdiri atas rutinitas pemodelan analitis
-
yang telah dibangun dan juga memungkinkan Anda untuk membangun
model Anda. Banyak paket DSS yang saat ini tersedia dalam mikro
komputer dan versi berbasis Web. Tentu saja, paket Spreasheet
elektronik juga menyediakan beberapa bangunan model spreasheet dan
pemodelan analitis yang ditawarkan oleh software DSS yang berdaya
lebih tinggi.
2.1.8 Sistem Visualisasi dan Informasi Geografis
Geographic Information System-GIS (sistem informasi geografis)
dan Data Visualization System-DVS (sistem visalisasi data) adalah
kategori khusus dari DSS yang memadukan grafis komputer dengan
fitur DSS lainnya. Sistem informasi geografis adalah DSS yang
menggunakan database geografis untuk membuat dan menampilkan peta
dan tampilan grafis lainnya yang mendukung keputusan mengenai
distribusi geografis sumber daya lainnya. Banyak perusahaan yang
menggunakan teknlogi GIS bersama dengan Global Positioning
System-GPS (sistem penempatan global) untuk membantu mereka
memilih lokasi toko ritel yang baru, mengoptimakan rute disribusi, atau
menganalisis demografi pasar sasaran mereka. Aplikasi bisnis seperti
penambangan data biasanya menggunakan grafik inetraktif yang
memungkinkan pemakai menggali data secara langsng dan
memanipulasi data model bisnis untuk membantu menjelaskan
maknanya untuk pengambilan keputusan bisnis.
2.1.9 Penggunaan Sistem Pendukung Keputusan
Penggunaan Decision Support System-DSS (sistem pendukung
keputusan) melibatkan proses Analytical Modelling (pemodelan analitis)
yang interaktif. Misalnya, penggunaan paket software DSS untuk
pendukung keputusan dapat menghasilkan berbagai tampilan sebagai
respons terhadap alternatif perubahan jika-maka yang dimasukkan oleh
manajer.
Hal ini berbeda dari respons permintaan dari sistem informasi
manajemen, karena pengambil keputusan tidak meminta infomasi yang
-
telah ditentukan sebelumnya. Sebaliknya, mereka mengeksplorasi
alternatif yang memungkinkan. Jadi, mereka tidak perlu menentukan
kebutuhan informasi mereka di depan. Melainkan, mereka menggunakan
DSS untuk menemukan informasi yang mereka butuhkan untuk
membantu mereka membuat keputusan. Itu adalah inti dari konsep sistem
pendukung keputusan. Penggunaan sistem pendukung keputusan
melibatkan empat jenis dasar aktivitas pemodelan analitis:
1. Analisi jika-maka
2. Analisis sensitivitas
3. Analisis pencarian sasaran
4. Analisis optimisasi
2.1.10 Analisis Jika-Maka
Analisis What-if (jika-maka), seorang pemakai akhir membuat
perubahan terhadap variabel, atau hubungan antarvariabel, dan
mengamati perubahan yang dihasilkan dalam nilai variabel lainnya.
Misalnya, jika Anda menggunakan spreasheet, anda mungkin mengubah
jumlah pendapatan (variabel) atau rumus tarif pajak (hubungan
antravariabel) dalam model spreasheet keuangan sederhana. Kemudian
Anda dapat meminta program spreasheet untuk secara instan menghitung
ulang semua variable yang terpengaruh di dalam spreasheet. Pemakai
manajerial akan sangat tertarik dalam mengamati dan mengevaluasi
perubahan yang terjadi terhadap nilai di spreasheet, khususnya variabel
seperti laba bersih. Bagi banyak manajer, laba bersih adalah contoh
bottom-line (garis dasar), yaitu faktor kunci dalam membuat keputusan
apapun. Analisis seperti ini akan diulangi hingga manajer pusat dengan
apa yang ditunjukkan oleh hasilnya mengenai pengaruh berbagai
keputusan yang mungkin dilakukan.
2.1.11 Analisis Sensitivitas
Analisis Sensitivitas adalah kasus khusus dari analisis jika-maka.
Umumnya, nilai dari satu variabel diubah berulang-ulang dan hasil
perubahan pada variabel lainnya diamati.
-
Jadi, analisis sensitivitas sebenarnya adalah kasus analisis jika-
maka yang melibatkan perubahan yang berulang-ulang terhadap satu
variabel. Beberapa pkaet DSS secara otomatis membuat perubahan kecil
ke satu variabel ketika diminta melakukan analisis sensitivitas.
Umumnya, analisis sensitivitas digunaka ketika pengambil keputusan
tidak yakin dengan asumsi yang dibuat dalam memperkirakan nilai
beberapa variabel utama.
Dalam contoh spreasheet, nilai pendapatan dapat diubah secara
berulang-ulang dengan peningkatan kecil, dan pengaruhnya terhadap
variabel spreasheet lainnya diamati dan dievaluasi. Hal ini akan
membantu manajer memahami dampak berbagai tingkat pendapatan
etrhadap faktor-faktor lain yang terlibat dalam keputusan yang
dipertimbangkan.
2.1.12 Analisis Pencarian Sasaran
Goal Seeing (analisis pencarian sasaran) membalikkan arah
analisis yang dilakukan dalam jika-maka dan sensivitas. Analisis ini tidak
mengamati bagaimana perubahan satu variabel mempengaruhi variabel
lainnya. Analisis pencarian sasaran yang juga disebut How Can
(bagaimana bisa) menetapkan nilai sasaran (tujuan umum) untuk satu
variabel dan kemudian secara berulang-ulang mengubah variabel lainnya
hingga nilai sasarn tercapai.
Mislanya, Anda dapat menentukan nilai sasaran $2 juta untuk laba
bersih bagi suatu bisnis. Kemudian Anda dapat secara berulang-ulang
mengubah nilai pendapatan dan pengeluaran dalam model spreasheet
hingga hasil $2 juta tercapai. Jadi, Anda akan menemukan berapa jumlah
pendapaatan atau tingkat pengeluaran yang perlu dicapai oleh suatu bisnis
untuk mencapai sasaran laba bersih $2 juta. Dengan demikian, bentuk
pemodelan analisis ini akan membantu menjawab pertanyaan,
Bagaimana kita bisa mencapai laba bersih $2 juta?, bukan pertanyaan,
Apa yang terjadi jika kita mengubah pendapatan dan pengeluaran?
-
Jadi, analisis pencarian sasaran adalah salah satu metode penting dari
pendukung keputusan.
2.1.13 Analisis Optimisasi
Analisis optimisasi adalah perluasan yang lebih rumit dari analisis
pencarian sasaran. Sasarannya bukan nilai sasaran tertentu untuk suatu
variabel, melainkan untuk mencari nilai optimium untuksatu atau
beberapa variabel diubah secara berulang-ulang, berdasarkan batasan
tertentu, hingga nilai terbaik untuk variable sasaran ditemukan.
Misalnya, anda dapat mencoba menentukan tingkat laba tertinggi yang
dapat dicapai dengan mengubah nilai sumber pendapatan tertentu dan
kategori pengeluaran. Perubahan pada variabel tersebut dapat terikat pada
batasan seperti kapasitas proses produksi atau batasan pembiayaan yang
tersedia. Optimisasi umumnya dicapai dengan menggunakan software
seperti Solver dalam Microsoft Excel dan paket software lainnya untuk
teknik optimisasi seperti pemrograman linear.
2.1.14 Sistem Informasi Eksekutif
Executive Information Systems-EIS adalah sistem informasi yang
menggabungkan berbagai fitur sistem informasi manajemen dan sistem
pendukung keputusan. Ketika pertama kali dikembangkan, fokusnya
adalah untuk memenuhi kebutuhan informasi strategis manajemen
tingkat atas. Jadi, tujuan pertama dari sistem informasi eksekutif adalah
untuk menyediakan akses informasi yang mudah dan cepat kepada
eksekutif tingkat atas mengenai Critical Success Factors-CSF
(faktorfaktor penentu keberhasilan) perusahaan, yaitu faktor- faktor
utama yang penting untuk mencapai tujuan strategis organisasi. Misalnya,
para eksekutif di jaringan toko ritel akan memepertimbangkan faktor-
faktor seperti hasil penjualan e-commerce dan tradisional, atau bauran
lini produksinya sebagi faktor penentu untuk tetap bertahan dan sukses.
2.1.15 Sistem Manajemen Pengetahuan
Knowledge Management Systems-KMS (sistem manajemen
pengetahuan) sebagai penggunaan teknologi informasi untuk membantu
-
mengumpulkan, mengatur, dan saling berbagi pengetahuan bisnis di
dalam organisasi. Di banyak organisasi, database hipermedia di situs Web
intranet korporat telah menjadi basis pengetahuan untuk penyimpanan
dan penyebaran pengetahuan bisnis. Pengetahuan ini sering berbentuk
best practise, kebijakan, dan solusi bisnis di tingkat proyek, tim, unit
bisnis, dan tingkat perusahaan.
2.2 Kecerdasan Buatan dan Teknologi Dalam Bisnis
Kecerdasan buatan (Artificial Inteligence/AI) dipraktekkan dalam bisnis
dengan berbagai cara. Kecerdasan Buatan /AI sendir merupakan ranah teknologi
dan sains yang berasal dari ilmu komputer, biologu, psikologi, ilmu bahasa,
matematika dan ke-teknikan (enginering).Dengan kehadiran kecerdasan buatan
tersebut komputer diharapkan memiliki kemampuan untuk berfikir sebaik
mungkin seperti halnya manusia. Komputer juga didorong mampu berfungsi
layaknya kecerdasan manusia sebagaimana.
Beberapa atribut perilaku cerdas. AI mencoba untuk menduplikasi kemampuan ini
dalam sistem berbasis komputer.
Kehadiran teknologi kecerdasan buatan sempat diragukan
kemampuannya ketika pertama kali dicetuskan pada tahun 1950an. Banyak pakar
dengan berbagai latar belakan mempertanyakan kemampuan dari kecerdasan
buatan tersebut. Alan Turing, sebagai pelopor kecerdasan buatan kala itu
mengajukan metode untuk mengetahui sejauh mana kemampuan komputer dalam
-
berfikir layaknya manusia. Walaupun penelitian serupa terus dikembangkan, hal
tersebut belum dapat meredam berbagai kritik dan keraguan atas teknologi
kecerdasan buatan. Salah satu metode turunan dari Turin adalah CAPTCHA
(Completely Automated Public Turing test to tell Computer and Human Apart).
Test CAPTCHA tersebut pada mulanya berupa serangkaian proses yang
diciptakan oleh manusia untuk mengetes komputer, namun saat ini digunakan
sebaliknya yaitu diciptakan (create) oleh komputer untuk mengetes manusia.
Karena komputer pada umumnya tidak dapat lolos dari tes CAPTCHA, sehingga
bisa dipastikan bahwa yang bisa melalui tersebut adalah manusia. Praktek
semacam ini banyak diimplementasikan pada transaksi melalui Web.
2.2.1 Ruang Lingkup Kecerdasan Buatan
Ruang lingkup utama dari kecerdasan buatan yang terdiri dari tiga
aspek utama yaitu kognitif, robotik dan natural interface, walaupun
dimungkinkan adanya aspek lain dan adanya tumpang tindih antar aspek.
Gambar 6 Atribut utama kecerdasan buatan.
Perhatikan bahwa banyak aplikasi AI dapat dikelompokkan
menjadi tiga bidang utama yaitu kognitif ilmu pengetahuan, robotika, dan
-
interface alami. Untuk itu diperlukan pembahasan terperinci dari tiga
aspek tersebut sebagai berikut:
1. Kognitif, merupakan area kecerdasan buatan yang bersumber
dari ilmu biologi, neurologi, psikologi matematik dan berbagai
disiplin lainnya. Aspek ini berfokus pada upaya bagaimana
otak manusia bekerja untuk berfikir dan belajar serta berbasis
pada penelitian tentang bagaimana manusia memproses
informasi.
Penggunaan kecerdasan buatan dalam aspek ilmu
kognitif dapat dicontohkan sebagai berikut:
penggunaan expert system dan knowledge based
system
sistem logika fuzzy, untuk memproses data yang
tidak lengkap,ambigu dan permasalahan yang
bersifat semi struktural
Jaringan saraf tiruan mampu bekerja dengan
mengenali pola dan mencari solusi dengan pola
tersebut
Algoritma genetika bekerja layaknya teori
Darwin yang dapat mensimulasikan proses
evolusi
Inteligence Agent, menggunakan expert system
dan berbagai teknologi dalam kecerdasan buatan
untuk menggantikan peran manusia dalam bidang
tertentu.
2. Robotik, berdasar pada ilmu keteknikan, psikologi dan
kecerdasan buatan sehingga memungkinkan robot memiliki
daya melihat, menilai sesuatu, meraba dan ketangkasan dalam
menangani atau memanipulasi. Juga dimungkinkan dalam
aktivitas lokomosi dan pergerakan suatu barang dari area satu
ke area lain atau menentukan tujuan pergerakan.
-
3. Natural Interface, Pengembangan natural interface dilandasi
keinginan penggunaan komputer secara alami, sebagai
contohnya adalah pengenalan bahasa alami dan pengenalan
suara. Kedua hal tersebut menjadi objek pengembangan pada
aspek natural interface. Keinginan untuk menjadikan komputer
dan robot mampu memahami bahasa manusia menjadikan
berbagai riset tentang aspek ini berkembang.
2.2.2 Sistem Pakar (Expert System)
Salah satu penggunaan kecerdasan buatan yang paling populer
adalah sistem pakar. Sistem pakar bermula dari sistem informasi
pengetahuan (knowledge based), dan digunakan secara spesifik dan pada
permasalahan yang kompleks guna berperan layakanya konsultan ahli.
Sistem pakar memungkinkan mendukung keputusan karena mampu
memberikan sejumlah alasan terhadap suatu permasalahan yang
membutuhkan pengetahuan tertentu. Sistem pakar memiliki dua
komponen yaitu dasar pengetahuan dan software. Pengetahuan berisi
kejadian atau fakta tentang subjek dan tatacara penilaian terhadap
subjek. Sedangkan sofware memuat program-program untuk melakukan
pendugaan dan media berkomunikasi dengan pengguna. Sistem pakar
bertindak layaknya konsultan. Menanyakan sejumlah pertanyaan kepada
pengguna, melakukan pencarian terhadap pengetahuan dan metode yang
berkaitan dengan pertanyaan kemudian menyusun sejumlah argumen
dan saran terhadap suatu subjek permasalahan. Penggunaan sistem pakar
kini kian meluas ke berbagai bidang profesi seperti mendiagnosa
penyakit, menganalisa kandungan bahan, memberi saran rekomendasi
atas perbaikan, membimbing konsumen atau melakukan perencanaan
keuangan. Sehingga dari sudut pandang bisnis, sistem pakar dapat
dilibatkan dalam proses atau siklus bisnis.
Sistem pakar mendapatkan pengetahuan dari para ahli, dan bisa
melampaui kinerja seorang pakar. Hal tersebut dimungkinkan karena
sistem pakar tidak mengenal lelah, dapat menampung informasi dari
-
banyak pakar dengan sekaligus dan bekerja lebih cepat dan konsisten.
Sistem pakar mampu melestarikan kepakaran seseorang dan
menyimpannya. sehingga perusahaan tidak perlu khawatir kehilangan
pakarnya dikarenakan pakar tersebut berhenti dari perusahaan. Terlebih
lagi, sistem pakar memungkinkan pengetahuan yang dimiliki dan
terekam didalamnya untuk dibagi dan digunakan secara bersama.
Kelemahan dari sistem pakar ada pada ketidakmampuan untuk belajar,
tidak fokus, perawatan dan pengembangan. Sistem pakar hanya dapat
menyelesaikan permasalahan yang spesifik karena keterbatasan bahan
pengetahuan yang dimiliki dan tidak dapat menyelesaikan masalah yang
bersifat subjektif. Sistem pakar mampu menghasilkan analisisis tajam
terhadap objek yang dikuasainya, namun lemah terhadap penunjangan
keputusan yang bersifat subjektif. Secara teknis, perawatan dan
pengemabngan dari sistem pakar membutuhkan biaya yang tidak sedikit.
Juga sistem pakar tidak dapat belajar dari pengetahuan yang dimilikinya
secara mandiri melainkan harus diajarkan.
2.2.3 Pengembangan Sistem Pakar
Expert system shell (ESS) digunakan sebagai alat bantu
pengembangan sistem pakar. Metode tersebut meruapakan cara
termudah untuk mengembangkan sistem tersebut. ESS merupakan paket
software berbasis sistem pakar tanpa fasilitas pemrograman, karena inti
dari sistem pakar adalah pengetahuan. ESS kadang dilengkapi dengan
fitur tambahan seperti editor dan pengolah antar muka. ESS saat ini
semakin mudah digunakan, bahkan pengembang yang tidak memiliki
latar belakang teknologi informasi dapat mengembangkan sistem pakar.
Kemudahan juga diperoleh dari variasi biaya paket software ESS.
Dalam pengembangan sistem pakar dikenal knowledge engineer,
yaitu seseorang yang bertugas memasukkan pengetahuan yang didapat
dari para pakar kedalam sistem. Proses pengambilan pengetahuan
tersebut memerlukan kepakaran tersendiri, oleh karena itu pengetahuan
-
yang telah dimasukkan kedalam sistem oleh engineer harus dites terlebih
dahulu. Posisi knowledge engineer mirip dengan analis sistem informasi.
Ketika suatu perusahaan memutuskan untuk membuat suatu sistem
pakar, maka diperlukan knowledge engineer dan para ahli. Knowledge
engineer membantu para ahli untuk merancang sistem pakar dengan
bantuan ESS. Para ahli juga menentukan modul dan metode apa yang
digunakan oleh sistem untuk menilai dan menyelesaikan permasalahan
berdasarkan kepakaran. Proses tersebut bisa jadi dilakukan berulang-
ulang agar sistem pakar dapat menyamai output yang dihasilkan oleh
para ahli.
2.2.4 Jaringan Saraf Tiruan (Neural Network)
Neural network merupakan model komputasi yang menyerupai
kerja jejaring interkoneksi pada otak manusia yang disebut neuron.
Seperti halnya kerja otak manusia, jejaring sarat tiruan dapat belajar dari
data-data yang dimasukkan untuk menghasilkan pola dan hubungan
antar data tersebut. Semakin banyak data yang bisa dimasukkan,
semakin bagus output yang dihasilkan karena komputer akan terus
belajar dari data yang baru diinputkan. Sebagai contoh, dari sejumlah
data karakteristik nasabah kredit dan data kualitas pinjaman,
memungkinkan bagi sistem yang bekerja dengan jejaring saraf tiruan
untuk mengenali karakter peminjam seperti apa yang akan berpotensi
masalah, begitu pula sebaliknya. Untuk menghasilkan akurasi yang
tinggi, jejaring saraf tiruan harus terus senantiasa dilatih dengan
menginput sejumlah data dengan beragam variasi karakter.
2.2.5 Logika Fuzzy
Walaupun sederhana namun logika fuzzy merupakan aplikasi
yang sangat serius digunakan sebagai kecerdasan buatan untuk aplikasi
bisnis. Metode fuzzy bekerja layaknya manusia berpendapat, karena
seringkali manusia berpendapat yang sifatnya subjektif. Logika fuzzy
mampu bekerja dengan data yang sifatnya ambigu, tidak tegas dan
-
menghasilkan keputusan yang sifatnya perkiraan dan berada diantara dua
hal yang diperbandingkan.
Bagaimana logika fuzzy dapat menghasilkan output yang sifatnya
tidak presisi? Penjelasannya sebagai berikut: Ketika data yang dinput
bersifat ambigu dan tidak sempurnya, metode fuzzy mampu
menghasilkan kesimpulan dengan cepat namun dapat diterima dari data
tersebut. Sekalipun metode fuzzy bekerja dengan situasi yang tidak
presisi, namun logika fuzzy bukanlah suatu yang sifatnya tidak pasti dan
tidak presisi, karena logika fuzzy mampu memberi ketepatan yang
berguna dalam pengambilan keputusan.
2.2.6 Algoritma Genetika
Penggunaan algoritma genetika saat ini sedang berkembang.
Metode algoritma genetik mengikuti teori seleksi alam Darwin,
pengacakan dan beberapa fungsi matematis untuk mensimulasikan
proses evolusi yanang nantinya dapat berguna bagi keputusan bisnis.
Proses ini dapat menyingkat waktu mengingat proses evolusi yang
terjadi dialam berlangsung ribuan tahun, sedangkan melalui algoritma
genetika proses tersebut dapat berjalan dengan singkat. Penggunaan
algoritma genetika khususnya berguna bagi perusahaan yang telah
memiliki sejumlah solusi yang pernah dipraktekkan namun masih dinilai
perlu untuk memilih mana yang terbaik dari sekian banyak solusi
tersebut.
Algoritma genetik menggunakan sejumlah proses matematis untuk
memilih secara acak (random) dan menseleksi output mana yang baik
dan mana yang lemah sehingga yang tersisa adalah solusi yang paling
baik dan optimal.
2.2.7 Realita Virtual
Realita virtual merupakan simulasi dunia nyata via komputer.
Realita Virtual mengalami peningkatan pengunaan paling cepat
dibanding model kecerdasan buatan lainnya karena lebih natural,
realistik dan melibatkan interaksi antara indra manusia dan antarmuka
-
komputer. Realita Virtual juga sering dikenal dengan telepresence.
Penggunaan multi sensor dalam realita virtual dan memungkinkan
bertinteraksi dengan panca indra lainnya menjadikan pengguna realita
virtual memberikan pengalaman tersendiri bagi pengguna.
Teknologi realita virtual memungkinkan interaksi dan penyajian
data dalam kacamata video, earphone dan sensor-sensor yang
mendeteksi pergerakan sejumlah organ tubuh. Penggunaan teknologi
realita virtual sangat luas seperti teknik CAD (Computer Aided Design),
simulasi penerbangan, diagnosa medis, percobaan ilmiah di bidang fisika
dan biologi, hiburan, demo produk, dan games. Teknik CAD paling
banyak digunakan dalam bisnis. Teknik tersebut memungkinkan
desainer atau arsitek melakukan tes terhadap desain yang telah dibuat
tanpa harus membuat rancangan fisiknya terlebih dahulu. Visualisasi
yang dihasilkan dapat dimanfaatkan oleh praktisi farmasi untuk
mengembangkan bahan pengobatan baru atau menjadi model pengganti
tubuh manusia. Teknologi realita virtual dikatakan telepresence apabila
digunakan oleh seorang atau banyak orang di berbagai tempat secara
bersamaan.
-
BAB 3
PENUTUP
3.1 Simpulan
Sistem informasi manajemen dan sistem pendukung keputusan adalah
aspek desain informatika organisasional yang memberikan pengaruh besar dalam
berlangsungnya kegiatan dalam suatu organisasi /perusahaan. Keduanya memang
memiliki kelebihan dan kekurangan. Tetapi jika kedua hal tersebut diterapkan
dengan baik dalam membangun suatu organisasi, maka orgnisasi tersebut
kemungkinan besar berjalan lancar dan memberikan efisiensi kepada pengelola.
-
DAFTAR PUSTAKA
OBrien, George M. Marakas, (2009), Management Information System 10
Edition by James A