management support systemelearning.amikompurwokerto.ac.id/index.php/download/... · tabel...

STMIK AMIKOM PURWOKERTO

ABDUL AZIS, M.KOM

Management Support System


ABDUL AZIS, M.KOM

• Mahasiswa mampu menjelaskan tahapan-tahapan dalam pemodelan Management Support System.

• Mahasiswa mampu melakukan pemodelan Management Support System.

9/5/2017 2

Kompetensi Dasar


ABDUL AZIS, M.KOM

• Turban, Efraim; Aronson, Jay, E.; Liang, Ting-Peng. 2005. Decision Support Systems and Intelligent Systems. International Edition, Edisi 7. New Jersey: Pearson Prentice-Hall Education International.

9/5/2017 3

Referensi Utama


ABDUL AZIS, M.KOM

Pemodelan

• Pemodelan merupakan suatu upaya untuk melakukan analisis sistem dengan cara meniru bentuk nyata-nya daripada melakukannya pada sistem nyata.


ABDUL AZIS, M.KOM

Alasan Penggunaan Model

• Manipulasi model (seperti mengubah variabel) akan lebih mudah dilakukan daripada melakukan-nya pada sistem nyata.

• Model dapat menghemat waktu. • Biaya untuk menganalisis model jauh lebih

murah jika dibandingkan dengan mengaplikasikannya pada sistem nyata.

• Resiko kesalahan pada bentuk model dengan melakukan trial & error (coba-coba) jauh lebih rendah jika dibandingkan dengan melakukannya pada sistem nyata.


ABDUL AZIS, M.KOM

Alasan Penggunaan Model

• Lingkungan bisnis yang banyak mengandung ketidakpastian.

• Model matematika dapat menganalisis kemungkinan solusi dalam jumlah yang lebih banyak bahkan tidak terbatas.

• Model meningkatkan pembelajaran & pelatihan.

• Model-model dan metode-metode untuk mendapatkan solusi telah tersedia di web.

• Ada beberapa Java applet (atau pemrograman web lainnya) yang tersedia untuk menyelesaikan model-model tersebut.


ABDUL AZIS, M.KOM

Pemodelan

• Pemodelan pada SPK mencakup beberapa isu, antara lain: – Identifikasi masalah dan analisis lingkungan

– Identifikasi variabel

– Forecasting

– Penggunaan beberapa model keputusan

– Seleksi kategori model yang sesuai

– Manajemen model

– Pemodelan berbasis pengetahuan


ABDUL AZIS, M.KOM

Identifikasi Masalah

• Pada tahap ini akan dilakukan pengawasan, pelacakan, dan interpretasi terhadap informasi-informasi yang telah terkumpul.

• Pada bagian ini perlu juga diidentifikasi budaya organisasi dan proses pengambilan keputusan.

• Analisis dilakukan dengan mempertimbangkan tahapan sbb: – Analisis proses bisnis yang terjadi. – Analisis penyebab masalah.


ABDUL AZIS, M.KOM

Analisis Proses Bisnis

• Proses bisnis (business process) adalah urutan tugas atau aktivitas yang dilakukan oleh orang atau sumber daya lain dalam rangka menyelesaikan tujuan organisasi (Magal SR, 2009).

• Proses bisnis dapat dideskripsikan dengan berbagai cara, seperti:

– Blok diagram.

– Diagram aktivitas.

– Flowchart, dll.


ABDUL AZIS, M.KOM

Analisis Proses Bisnis

• Analisis proses bisnis dilakukan dalam rangka:

– Memahami budaya organisasi.

– Mengumpulkan informasi

– Melacak dimungkinkannya masalah yang timbul dalam organisasi


ABDUL AZIS, M.KOM 9/5/2017 12

Costomer service

Packaging unit,

Pengecekan barcode

Courrier unit

Pengantaran paket ke alamat tujuan,

Pencatatan identitas penerima

Menerbitkan NOA

Picking unit

Menjemput paket dari bandara

Frontliner

Penerimaan order konsumen,

Pemberian AWB,

Pencatatan identitas pengirim, tujuan, paket

Frontliner

Pengambilan paket secara

langsung oleh konsumen

Laporan-laporan

Konsumen

(pengirim)

Konsumen

(penerima)

Warehouse acceptance unit

Breakdown (mensortir) paket

Picking unit

Mengantar paket ke bandara

Atau agen tujuan

Database

server

Warehouse acceptance

Unit

Pengecekan barcode

Mensortir paket berdasarkan tujuan

Alur proses

Arus informasi

Sumber: Inasari


ABDUL AZIS, M.KOM

Analisis Penyebab Masalah

• Untuk mendapatkan solusi yang optimum, perlu dicari penyebab suatu masalah.

• Diagram tulang ikan (Fishbone Diagram) adalah diagram yang digunakan untuk menganalisis masalah dengan cara mengkategorikan penyebab utama yang sangat potensial dalam memunculkan permasalahan tersebut.

• Diagram tulang ikan disebut juga Diagram Ishikawa atau Sebab-Akibat (cause-effect)


ABDUL AZIS, M.KOM

Analisis Penyebab Masalah

• Diagram Tulang Ikan:


ABDUL AZIS, M.KOM

Identifikasi Variabel

• Pada tahap ini akan diidentifikasi variabel-variabel yang relevan.

• Untuk kepentingan tersebut, dapat digunakan alat bantu seperti:

– Influence Diagram

– Bayesian Networks

untuk menunjukkan relasi antar variabel-variabel tersebut.


ABDUL AZIS, M.KOM

Influence Diagram

• Influence diagram adalah representasi grafis dari suatu model keputusan yang digunakan untuk membantu perancangan model (terutama model matematis), pengembangan dan pemahaman (Turban, 2005).

• Kata influence merujuk pada ketergantungan suatu variabel pada tingkatan tertentu terhadap variabel yang lainnya.


ABDUL AZIS, M.KOM

Influence Diagram

• Simbol yang digunakan (Lumina, 2010):

– Empat Persegipanjang, variabel keputusan, yang masih dapat dikendalikan oleh pengambil keputusan.

– Oval, chance variable, yang mengandung ketidakpastian dan tidak dapat dikendalikan secara langsung oleh pengambil keputusan.

– Empat Persegipanjang bersudut tumpul, variabel umum yang dapat berupa fungsi.

– Segienam, variabel tujuan (hasil), yang menunjukkan hasil terbaik.


ABDUL AZIS, M.KOM

Influence Diagram

Variabel Keputusan Chance Variable

Variabel Umum Variabel Tujuan


ABDUL AZIS, M.KOM

Influence Diagram

A B

• Variabel A mempengaruhi B


ABDUL AZIS, M.KOM

Influence Diagram: Contoh…

• Penentuan kapasitas produksi dan biaya produksi.

Kapasitas

Produk

Permintaan PasarPermintaan Pasar

Persediaan Barang

di Gudang

Keuangan

Biaya per

Tenaga Kerja

Harga Bahan BakuHarga Bahan Baku

Total Biaya

Tenaga Kerja

Jumlah

Tenaga Kerja

Biaya

Produksi

Operasional alatOperasional alat


ABDUL AZIS, M.KOM


• Pimpinan perusahaan ingin memilih alternatif terbaik berdasarkan beberapa kriteria yang ada, yaitu:

– Harga;

– Daya dukung terhadap produktivitas perusahaan;

– Nilai investasi dalam 10 tahun ke depan; dan

– Ketersediaan barang.


ABDUL AZIS, M.KOM


HargaHarga

Besar InvestasiBesar Investasi

Jenis Barang

Ketersediaan BarangKetersediaan Barang

Daya Dukung terhadap

Produktivitas Perusahaan

Daya Dukung terhadap

Produktivitas Perusahaan

Tingkat Kepentingan

Harga

Tingkat Kepentingan

Nilai Investasi

Tingkat Kepentingan

Ketersediaan Barang

Tingkat Kepentingan

Daya Dukung

Nilai

Daya Dukung

Nilai

Ketersediaan Barang

Nilai

Besar Investasi

Nilai

Harga

Nilai

Preferensi

Barang


ABDUL AZIS, M.KOM

Jaringan Bayes

• Jaringan Bayes (Bayesian Network) adalah model grafis yang menunjukkan hubungan probabilitas antar variabel yang berkepentingan dalam sistem.

• Jaringan Bayes dapat digunakan untuk menunjukkan hubungan sebab-akibat.


ABDUL AZIS, M.KOM

Jaringan Bayes: Contoh

Penentuan Jenis Hunian


ABDUL AZIS, M.KOM

Jaringan Bayes: Contoh

Penentuan Resiko Stroke


ABDUL AZIS, M.KOM

Forecasting

• Apabila suatu keputusan diambil, maka akibatnya akan dirasakan di kemudian hari.

• Oleh karena itu, perlu dipertimbangkan adanya peramalan (forecasting) untuk memprediksi kemungkinan yang akan terjadi.


ABDUL AZIS, M.KOM

Penggunaan Beberapa Model

• Suatu sistem pendukung keputusan dapat terdiri-atas beberapa model.

• Masing-masing model merepresentasikan bagian yang berbeda dari masalah pengambilan keputusan.


ABDUL AZIS, M.KOM

Seleksi Kategori Model

• Turban (2005) mengkategorikan model sistem pendukung keputusan dalam tujuh model, yaitu: – Model optimasi untuk masalah-masalah dengan

alternatif-alternatif dalam jumlah relatif kecil. – Model optimasi dengan algoritma. – Model optimasi dengan formula analitik. – Model simulasi. – Model heuristik. – Model prediktif. – Model-model yang lainnya.


ABDUL AZIS, M.KOM

Kategori SPK (1)

• Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam jumlah relatif kecil.

– Model ini akan melakukan pencarian terhadap solusi terbaik dari sejumlah alternatif.

– Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan tabel keputusan atau pohon keputusan.

– Multi-Attribute Decision Making merupakan model ini.


ABDUL AZIS, M.KOM

Tabel Keputusan

• Pada tabel keputusan, nilai kebenaran suatu kondisi diberikan berdasarkan nilai logika dari setiap atribut Ek.

• Hanya ada dua nilai kebenaran, yaitu Ek = benar atau Ek = salah.

• Secara umum, tabel keputusan berbentuk:

D = E {E1, E2, ..., EK}

dengan D adalah nilai kebenaran suatu kondisi, dan Ei adalah nilai kebenaran atribut ke-i (i = 1, 2, ... K).


ABDUL AZIS, M.KOM

Tabel Keputusan: Contoh

Variabel Logika

Ekspresi Logika

E1 Memiliki IPK > 3,00

E2 Minimal tengah duduk di semester 3

E3 Nilai matakuliah algoritma pemrograman = A

E4 Nilai matakuliah kecerdasan buatan = A

E5 Nilai matakuliah basisdata = A

E6 Nilai matakuliah grafika komputer = A

E7 Nilai matakuliah jaringan komputer = A

E8 Nilai matakuliah informatika kedokteran minimal B

Ekspresi logika


ABDUL AZIS, M.KOM

Tabel Keputusan: Contoh

No Atribut*

Laboratorium E1 E2 E3 E4 E5 E6 E7 E8

1 Y Y Y Pemrograman & Informatika Teori

2 Y Y Komputasi & Sist. Cerdas

3 Y Y Y Sistem Informasi & RPL

4 Y Y Grafika & Multimedia

5 Y Y Y Sistem & Jaringan Komp.

6 Y Y Y Informatika Kedokteran





ABDUL AZIS, M.KOM

Pohon Keputusan: Contoh

• Pohon keputusan adalah salah satu metode penyelesaian masalah keputusan dengan cara merepresentasikan pengetahuan dalam bentuk pohon.

• Suatu pohon memiliki conditional node yang menunjukkan kebenaran suatu ekspresi atau atribut.

• Conditional node tersebut memberikan beberapa kemungkinan nilai, dapat berupa nilai boolean (Benar atau Salah), atau beberapa alternatif nilai yang mungkin dimiliki oleh suatu atribut, misal untuk atribut Harga (murah, normal, mahal).


ABDUL AZIS, M.KOM

Pohon Keputusan: Contoh

Tekanan darah

TINGGI TIA

Tinggi Normal

Ya Tidak

TINGGI Merokok

Ya

RENDAH

Tidak

Obesitas

TINGGI

Ya

RENDAH

Tidak


ABDUL AZIS, M.KOM

Multi-Attribute Decision Making (MADM)

• Secara umum, model Multi-Attribute Decision Making (MADM) dapat didefinisikan sebagai berikut (Zimermann, 1991): – Misalkan A = {ai | i = 1,...,m} adalah himpunan

alternatif-alternatif keputusan dan C = {cj | j = 1,..., n} adalah himpunan tujuan yang diharapkan, maka akan ditentukan alternatif x0 yang memiliki derajat harapan tertinggi terhadap tujuan–tujuan yang relevan cj.


ABDUL AZIS, M.KOM


• Janko (2005) memberikan batasan tentang adanya beberapa fitur umum yang akan digunakan dalam MADM, yaitu: – Alternatif, adalah obyek-obyek yang berbeda dan

memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.

– Atribut, sering juga disebut sebagai karakteristik, komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan.


ABDUL AZIS, M.KOM


– Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.

– Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria, W = (w1, w2, ..., wn). Pada MADM akan dicari bobot kepentingan dari setiap kriteria.

– Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen xij, yang merepresentasikan rating dari alternatif Ai (i=1,2,...,m) terhadap kriteria Cj (j=1,2,...,n).


ABDUL AZIS, M.KOM


• Masalah MADM adalah mengevaluasi m alternatif Ai (i=1,2,...,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya.

• Kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu: – Kriteria keuntungan adalah kriteria yang nilainya akan

dimaksimumkan, misalnya: keuntungan, IPK (untuk kasus pemilihan mahasiswa berprestasi), dll.

– Kriteria biaya adalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli, biaya produksi, dll.


ABDUL AZIS, M.KOM


• Pada MADM, matriks keputusan setiap alternatif terhadap setiap atribut, X, diberikan sebagai:

dengan xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j.

• Nilai bobot yang menunjukkan tingkat kepentingan relatif setiap atribut, diberikan sebagai, W:

W = {w1, w2, ..., wn}

mn2m1m

n22221

n11211

xxx

xxx

xxx

X


ABDUL AZIS, M.KOM


• Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan.

• Masalah MADM diakhiri dengan proses perankingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan preferensi yang diberikan (Yeh, 2002).

• Pada MADM, umumnya akan dicari solusi ideal. • Pada solusi ideal akan memaksimumkan semua kriteria

keuntungan dan meminimumkan semua kriteria biaya.


ABDUL AZIS, M.KOM


Masalah

Kriteria-1 (C1)

Kriteria-2 (C2)

Kriteria-m (Cn)

. . .

Alternatif-1 (A1)

Alternatif-2 (A2)

Alternatif-n (Am)

. . .


ABDUL AZIS, M.KOM

Kategori SPK (2)

• Model optimasi dengan algoritma.

– Model ini akan melakukan pencarian terhadap solusi terbaik dari banyak alternatif.

– Proses pencarian dilakukan tahap demi tahap.

– Teknik-teknik untuk penyelesaian masalah ini antara lain dengan menggunakan linear programming atau model matematika yang lainnya, atau menggunakan model jaringan.


ABDUL AZIS, M.KOM

Optimasi - contoh

• Maksimumkan 50x1 + 10x2

• dengan batasan:

– 5 x1 + 7 x2 50

– 3 x1 + 5 x2 30

– x1, x2 > 0


ABDUL AZIS, M.KOM

Kategori SPK (3)

• Model optimasi dengan formula analitik.

– Model ini akan melakukan pencarian terhadap solusi hanya dengan satu langkah melalui rumus tertentu.

– Model seperti ini banyak dijumpai pada masalah-masalah inventory.


ABDUL AZIS, M.KOM

Kategori SPK (4)

• Model simulasi.

– Model ini akan melakukan pencarian terhadap solusi cukup baik atau solusi terbaik pada beberapa alternatif yang akan diuji dalam penelitian.

– Model ini lebih banyak digunakan untuk beberapa tipe simulasi.


ABDUL AZIS, M.KOM

Kategori SPK (5)

• Model heuristik.

– Model ini akan melakukan pencarian terhadap solusi yang cukup baik melalui serangkaian aturan (rules).

– Model ini lebih banyak direpresentasikan dengan menggunakan pemrograman heuristik atau sistem pakar


ABDUL AZIS, M.KOM

Kategori SPK (6)

• Model prediktif.

– Model ini akan melakukan prediksi untuk masa depan apabila diberikan skenario tertentu.

– Model ini lebih banyak direpresentasikan dengan menggunakan model peramalan (forecasting) atau analisis Makov


ABDUL AZIS, M.KOM

Kategori SPK (7)

• Model-model yang lainnya.

– Model ini akan menyelesaikan kasus what-if menggunakan formula tertentu.

– Model ini lebih banyak digunakan pada pemodelan keuangan atau konsep antrian.


ABDUL AZIS, M.KOM

Kategori Model

• Model statis umumnya memberikan asumsi adanya operasi perulangan dengan menggunakan kondisi yang identik.

• Model dinamik (time-dependent) merepresentasikan skenario yang senantiasa berubah dari waktu ke waktu.


ABDUL AZIS, M.KOM

Manajemen Model

• Untuk menjaga integritas dan aplikabilitasnya, model perlu dikelola sebaik mungkin.

• Untuk keperluan tersebut dibutuhkan suatu model base management system.

• Model Base Management System (MBMS) merupakan paket perangkat lunak yang dibangun dengan kapabilitas yang mirip dengan DBMS.


ABDUL AZIS, M.KOM

Komponen DSS

• Turban, dkk (2005)

– Manajemen data

– Manajemen model

– Model-model eksternal

– Subsistem berbasis pengetahuan

– Antarmuka pengguna


ABDUL AZIS, M.KOM

Perusahaan membutuhkan beberapa karyawan baru di bagian pengepakan produk. Ada beberapa calon karyawan yang telah mendaftarkan diri. Berapa banyak karyawan yang dibutuhkan? Siapa saja yang layak diterima?

Telah dapat ditentukan jumlah karyawan yang harus diterima beserta nama-nama karyawan yang layak diterima.

Man

aje

men

An

tarm

uka

Man

aje

men

Mo

del

Man

aje

men

Data

Organizational Information

External Information

Personal Information

What – If Models

Optimization Models

Goal-seeking Models

Statistical Models

1. Masalah

2. Pertanyaan

3. Pemilihan

model 4. Informasi

yang dibutuhkan

5. Model terpilih

6. Jawaban

7. Solusi


ABDUL AZIS, M.KOM

Sistem berbasis

komputer

lainnya

Internet,

intranet,

ekstranet

Manajemen data

Manajemen model

Model-model eksternal

Subsistem berbasis pengetahuan

Antarmuka pengguna

Manajer

(pengguna) Basis pengetahuan

terorganisasi

Data: eksternal dan

internal


ABDUL AZIS, M.KOM

Subsistem Manajemen Data (DMS)

• Subsistem manajemen data, terdiri-atas basisdata yang berisi data yang terkait dengan permasalahan yang akan diselesaikan.


ABDUL AZIS, M.KOM

Subsistem Manajemen Data

Elemen-elemen

pada subsistem

manajemen data

DSS database

Database Management System

Data dictionary

Query facility


ABDUL AZIS, M.KOM

Basis pengetahuan terorganisasi

Sumber data eksternal

Sumber data internal

Data pribadi, private

Data warehouse perusahaan

Manajemen antarmuka

Manajemen model

Subsistem berbasis pengetahuan

Ekstraksi

DSS database

Database management system:

Retrieval, Inquiry, Update, Report

generation, Delete

Query facility

Data dictionary


ABDUL AZIS, M.KOM

• Subsistem manajemen model, merupakan paket perangkat lunak yang berisi statistik, ilmu manajemen, atau model kuantitatif lainnya yang mampu memberikan kapabilitas analitik bagi sistem.

Subsistem Manajemen Model (MMS)


ABDUL AZIS, M.KOM

Manajemen data

Manajemen antarmuka

Subsistem berbasis

pengetahuan

Model dictionary

• Strategik, taktik, operasional. • Statistik, keuangan, teknik,

akuntansi, dll. • Blok-blok pembentukan model.

Data dictionary

Model

• Model creation, using subroutine,

building blocks. • Generation new routines and reports • Model updating & changing. • Data manipulation.

Manajemen Model


ABDUL AZIS, M.KOM

• Subsistem antarmuka, yang digunakan oleh pengguna untuk berkomunikasi dengan sistem.

• Untuk sistem berbasis web, web browser digunakan untuk keperluan tersebut.

Subsistem User Interface


ABDUL AZIS, M.KOM

Manajemen data & DBMS

Subsistem berbasis

pengetahuan

Manajemen model & MBMS

Printer, Plotter

User

Natural Language Processor

User Interface Management System (UIMS)

INPUT Action

Languages

OUTPUT Display

Languages

PC display


ABDUL AZIS, M.KOM

• Subsistem manajemen berbasis pengetahuan, yang digunakan untuk mendukung subsistem-subsistem yang lainnya.

• Beberapa metode dalam kecerdasan buatan dapat digunakan untuk keperluan tersebut.

Subsistem Manajemen berbasis Pengetahuan


ABDUL AZIS, M.KOM

Pemodelan Berbasis Pengetahuan

• Sistem berbasis pengetahuan menggunakan sekumpulan aturan dalam menyelesaikan permasalahannya.

• Sistem pakar merupakan salah satu model pendukung keputusan yang bersifat kualitatif.

• Sistem pakar merupakan sistem berbasis pengetahuan.

management support systemelearning.amikompurwokerto.ac.id/index.php/download/... · tabel...

Documents