DECISION SUPPORT SYSTEM (DSS)
Marimin
[email protected]
1
SISTEM INFORMASI BERBASIS KOMPUTER (Computer Based Information Systems-CBIS) • ES
: Expert System (Sistem Pakar)
• DSS : Decision Support Systems ((Sistem Penunjang j g Keputusan) p ) • MIS : Management Information System (Sistem Informasi Manajemen) • DBMS: Data Based Management Systems (Sistem Manajemen Basis Data) • EDP : Electronic Data Processing (Pengolahan Data Elektronik) • IS
: Information Systems (Sistem Informasi) 2
Directive
EIS
ES DSS
Strategic
Tactic
IS DBMS
O Operasional i l
MIS
EDP
Posisi ES/ES pada Sistem Informasi (IS)
3
D fi i i Si Definisi Sistem P Penunjang j K Keputusan (SPK/DSS) Merupakan alat manajemen yang terdiri dari komponen basis data, basis model dan user interface yang berbasis komputer yang dapat digunakan untuk menyelesaikan masalah dan membantu tugas-tugas pengambilan keputusan. DSS mendukung pengambilan keputusan kompleks dengan penekanan pada efektifitas (Turban, 1998)
4
FOUR MAJOR DSS CHARACTERISTICS 1. Incorporate both data and model 2 Assist Manager in semi 2. semistructured/unstructured design making process 3. Support rather than replace managerial judgment 4. Improve effectiveness rather than efficiency
5
DSS STRUCTURE Data; External and Internal
Other Computerb based dS Systems t
Model Based Management
Data Based Management
Dialog Management
Manager (User) and Tasks 6
SAMPLE OF DECISION AREA • Industrial I d t i l planning l i • Municipal waste control • Water allocation and usage • Budged allocation • Seat allocation of a general election • Strategy for ICT development • .… 7
DBMS Function
Data - ICT Profile - Population Profile
- Input Data Extraction
DBMS
policy y - ICT p
- Edit - Sort - Integrated
MBMS Dialog Management System
User
ICT Prediction Population Dynamic Model Financial Analysis Model
MCDM
Figure : DSS for ICT Development
8
DBMS Function
Data - Jenis bencana - Profile bencana
- Input Data Extraction
DBMS
p g p y & C wil - Topography
- Edit - Sort - Integrated
- Peta d cara evakuasi
MBMS Dialog Management System
Prediksi Model mitigasi d pencegahan Model penanganan
User
Model pemulihan
Figure : DSS untuk mitigasi dan penanganan bencana
9
Data
Model
Sistem Manajemen Basis Data
Pengetahuan
Data Penduduk
Sub Model Estimasi Pemilih
Sistem Manajemen Basis Pengetahuan g
Data Partai
• Akuisi Pengetahuan Data Wilayah Administrasi
Sistem Manajemen Basis Model
• Konseptualisasi Pengetahuan • Representasi Pengetahuan
Sub Model Penetapan p Anggota gg DPR Sub Model Penetapan Anggota DPRD
Data KPU
Sub Model Alokasi S b d Sumberdaya
Data Pemilih
Sub Model Pemilihan Mobilisasi Sumberdaya
Data Anggaran
Mekanisme Inferensi
Sub Model Pemilihan Presiden
Data PEMILU
Sistem Pengolahan Terpusat
Sistem Manajemen Dialog Pengguna
Sistem Pendukung Keputusan bagi KPU
10
Data
Model
Sistem Si t Manajemen M j Basis Data
Sistem Si t Manajemen M j Basis Model
Pengetahuan
Data Komoditas Hortikultura
Sub Model Pemilihan Komoditas Unggulan
Sistem Manajemen Basis Pengetahuan
Data Produk Agroindustri
Sub Model Pemilihan Produk Unggulan
• Akuisi Pengetahuan
Data Potensi Lokasi Agroindustri
• Konseptualisasi Pengetahuan • Representasi Pengetahuan
Sub Model Sistem Pakar Lokasi Agroindustri Unggulan
Data Produksi dan Konsumsi Komoditas
Sub Model Prakiraan Ketersediaan Bahan Baku
Data Pertumbuhan Penduduk
Sub Model Kelayakan Finansial Agroindustri
Data Biaya Agroindustri
Mekanisme Inferensi
Data Strategi Pengembangan Agroindustri
Sub Model Strategi P Pengembangan b Agroindustri A i d ti
Sistem Pengolahan Terpusat
Sistem Manajemen Dialog Pengguna
Konfigurasi EMS Agroindustri
11
DSS/EMS SOURCES OF REFERENCES 1 Decision 1. D i i Support S t System S t Journal J l 2. Data and Knowledge Engineering Journal 3. Expert Systems with Application Journal 4 Systems 4. S t R Research h and dB Behavioral h i l Science S i Journal J l 5. Books in DSS and Expert System
12
METODOLOGI METODA
MULAI
Pendekatan Sistem Pemilihan Komoditas Unggulan Pemilihan Produk Unggulan
• Analasis Kebutuhan • Formulasi Permasalahan • Identifikasi Sistem AHP MPE
Lokasi Agroindustri g
Sistem Pakar
Ketersediaan Bahan Baku
Regresi Linier
Kelayakan Agroindustri Strategi Pengembangan Agroindustri Hortikultura
B/C Ratio, ,NPV, IRR dan PBP AHP
13
SISTEM PAKAR 9 Definisi Sistem Pakar adalah Sistem Perangkat Lunak Komputer yang menggunakan ilmu, fakta, dan teknik berfikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan
9 Tujuan Pengembangan 1. Mempermudah kerja tenaga ahli 2. Mengganti tenaga ahli 3 Menggabungkan kemampuan tenaga ahli 3. 4. Training tenaga ahli 5. Mengurangi resiko pada pekerjaan yang berbahaya 6. Menyediakan ahli pada bidang pekerjaan “kering”
14
Components of Expert Systems The Expert System Expert Ad i Advice
User
User Interface Programs
Inference Engine Program
Knowledge Base
Workstation
Expert System Development Knowledge Engineering
Knowledge Acquisition Program Workstation
Expert and/or Knowledge Engineer 15
Tabel : Perbedaan perangkat llunak nak sistem pakar dengan perangkat lunak konvensional Perangkat Lunak Konvensional
Perangkat Lunak Sistem S Pakar
- Menyajikan dan menggunakan data
- Menyajikan dan menggunakan pengetahuan
- Bersifat algoritmitik
- Bersifat Heuristik
- Proses P Repetitif R titif
- Proses P I f Inferensi i
- Memanipulasi secara efektif basis data
- Memanipulasi secara efektif basis pengetahuan
- Berorientasi pada pengolahan bilangan
- Berorientasi pada pengolahan simbolik 16
Expert Systems Example DENDRAL, mass spectrometer iinterpreter DENDRAL MYCIN, modeling medical expert p PROSPECTOR, miningg exploration M1, computer designer RECSEL, recruitment and selection …
17
APLIKASI SISTEM PAKAR DI BIDANG MANAJERIAL 1 A 1. Analisis li i a. Interprestasi - Analisa pasar untuk komoditi tertentu - Identifikasi media iklan yang sesuai - Identifikasi kebutuhan pelatihan b. Diagnostik - Diagnosa kelesuan perusahaan dan usaha penyembuhan 2. Sintesa - Penarikan tenaga kerja - Strategi Penentuan harga - Strategi pengembangan produk g 3. Integrasi - Prediksi perkembangan nilai saham pada bursa efek
18
9 Metoda penelitian : mengggunakan ggg pendekatan p sistem 9Tahapan pelaksanaan penelitian ini adalah : 1. Pengumpulan data a. kajian pustaka b. observasi lapang c wawancara dengan pakar c. 2. Perancangan sistem a. Sistem Manajemen Basis Data b. Sistem Manajemen Basis Model c. Sistem Manajemen Basis Pengetahuan 3 Implementasi 3. 4. Verifikasi
19
Pengumpulan ngumpu an Data TATA LAKSANA
Telaah Literatur • Pustaka • Jurnal • Laporan
Observasi Lapang p g
Wawancara dengan Pakar
Pengembangan Sistem Basis Data
Basis Model
Basis Pengetahuan
Mekanisme Inferensi
Integrasi Sistem
Implementasi Verifikasi 20
1. Sub Model Pemilihan Komoditas Unggulan
Edit/Tambah/ Hapus Data • Kriteria Pemilihan • Pembobotan Kriteria • Alternatif Komoditas • Penilaian Komoditas terhadap kriteria
Input Data • Kriteria Pemilihan • Pembobotan Kriteria • Alternatif Komoditas • Penilaian Komoditas p kriteria terhadap
Penentuan Proritas Komoditas Unggulan Dengan Metode MPE
OUTPUT Urutan Prioritas Komoditas Unggulan
21
VERIFIKASI dan PEMBAHASAN A. Sub Model Pemilihan Komoditas Unggulan
• Penentuan Kriteria dan Pembobotan N No.
KRITERIA
BOBOT AHP
BOBOT (faktor konversi = 20)
1.
Potensi Komoditas
0,2755
6
2.
Nilai Ekonomis
0,1417 ,
3
3.
Keterkaitan Dengan Pendapatan Rakyat
0,0742
1
4.
Penyebaran Lokasi
0,1509
3
5 5.
Kesempatan Untuk Diversifakasi Produk
0 0841 0,0841
2
6.
Intensifikasi Dan Ekstensifikasi
0,2180
4
7.
Kebijakan Pemerintah
0,0556
1
22
• Penentuan Alternatif Komoditas Hortikultura Unggulan Jambu Biji, Pisang, Mangga dan Tomat • Penilaian Komoditas terhadap Kriteria • Hasil Analisis dengan Metode MPE : PRIORTAS 1 2 3 4
KOMODITAS Pisang Mangga Jambu Biji Tomat
NILAI MPE 536.858 120 983 120.983 120.786 49.847
23
B. Sub Model Pemilihan Produk Unggulan gg • Penentuan Kriteria dan Pembobotan No.
KRITERIA
BOBOT (pairwise)
BOBOT (faktor konversi = 20)
1.
Kontinuitas Bahan Baku
0,2038
4
2 2.
Peluang Pasar
0 2850 0,2850
6
3.
Nilai Tambah Produk
0,1047
2
4.
Teknologi Yang Sudah Dipakai
0,1503
3
5 5.
P Penyerapan Tenaga T Kerja K j
0 0427 0,0427
1
6.
Dampak Ganda Terhadap Produk Lain
0,0668
1
7.
Dampak Lingkungan
0,0663
1
8.
Kondisi Agroindustri Saat Ini
0,0537
1
9.
Kebijakan Pemerintah
0,0267
1
24
• Penentuan Alternatif Produk Unggulan dari Komoditas unggulan terpilih Kripik Pisang, Sale pisang, Sari Buah Pisang dan Tepung Pisang • Penilaian Produk terhadap Kriteria • Hasil Analisis dengan Metode MPE : PRIORTAS
PRODUK
NILAI MPE
1
Sale Pisang
538.431
2
Kripik Pisang
269.134
3
Sari Buah Pisang
124.805
4
Tepung Pisang
53.489 25
C. Sub Model Sistem Pakar Lokasi Agroindustri Unggulan Mempunyai 2 cara Penggunaan
• Konsultasi • Analisis
pengguna dapat berdialog dengan sistem mengenai lokasi agroindustri unggulan Menganalisis Data Lokasi yang terdapat dalam Basis Data
Hasil Analisis Data dari 24 Kecamatan di Kab. Cianjur menunjukkan prioritas Lokasi yang menjadi unggulan untuk Agroindustri sale pisang yaitu : Prioritas 1. Kecamatan Cikalongkulon Prioritas 2. Kecamatan Karang Tengah g Barang g Prioritas 3. Kecamatan Sindang Prioritas 4. Kecamatan Mande. 26
D. Sub Model Prakiraan Ketersediaan Bahan Baku • Data ata Yang a g Tersedia e sed a : Data Produksi Pisang (1998-2001) Tahun
Produksi (ton)
1998
343 520 343.520
1999
310.590
2000
399.381
2001
631 687 631.687
Prakiraan Produksi tahun 2002 dengan analisis regresi adalah 659.618 ton (Y = 95329,3 X + 182971,3 dan R2 = 0,7207)
Data jumlah Penduduk (1998-2001) Tahun
Penduduk
1998
1.812.936
1999
1.830.786
2000
1.832.468
2001
1.946.405
Prakiraan Jumlah Penduduk tahun 2002 dengan analisis regresi adalah 1.956.171 jiwa (Y = 40208,9X + 1755126,5 dan R2 = 0,7207)
27
Konsumsi Rata Rata-rata rata = 18 kg per kapita per tahun Konsumsi untuk Agroindustri yang ada = 125.000 ton Penjualan ke Luar daerah = 60 % dari produksi Hasi Analisis : Prakiraan Produksi
Prakiraan Konsumsi
Kebutuhan Bahan Baku
Status Ketersediaan
659.618
555.982
365
Tersedia
Hasil Analisis sistem menunjukkan untuk suatu agroindustri dengan kapasitas produksi 365 ton/tahun ketersediaan bahan baku diperkirakan p masih mencukupi p 28
E. Sub Model Kelayakan Finansial Agroindustri Verifikasi Æ kelayakan agroindustri Sale Pisang Asumsi yang digunakan : Umur Proyek Jumlah Produksi (Produk/Tahun)
10 Tahun 657000
Persentase Terjual
90 %
Harga Jual Produk
Rp 2.500,-
B Bunga B Bankk saatt ini i i
18 %
Persentase Produksi Tahun I
70 %
Tahun II
85 %
Tahun III s/d Tahun X Perawatan 2% 2%, Penyusutan 10 % %, Asuransi 0,5 %, Pajak Bangunan 2 %
100 %
29
H il Analisis Hasil A li i : Terjadi Penurunan Harga Jual Produk (10%)
Terjadi Kenaikan Harga Bahan Baku (10%)
Terjadi Penurunan Harga Jual Produk g dan Kenaikan Harga Bahan Baku (10%)
Kriteria Kelayakan
Keadaan Normal
Keuntungan Bersih
Rp 2.399.141.750 ,-
Rp 987.413.000 ,-
Rp 1.876.279.250 ,-
Rp 464.550.500 ,-
BEP
Rp 8 8.700.975.105,700 975 105
9 670 497 911 9.670.497.911,-
Rp 9 9.360.472.966,360 472 966
10 592 082 846 10.592.082.846,-
ROI
20,47 %
8,43 %
15,33 %
3,8 %
1,2
1,08
1,15
1,04
Rp 707.351.542,-
Rp 96.520.164,-
Rp 481.117.698,-
(Rp 129.713.679,-)
IRR
47,47 %
22,44 %
38,56 %
11,66 %
PBP
2 5 Tahun 2,5
4 25 Tahun 4,25
2 92 Tahun 2,92
6 03 Tahun 6,03
B/C Ratio NPV
LAYAK
TIDAK LAYAK30
Prioritas Aktor No 1 2 3 4 5 6
AKTOR Pemerintah Petani Pengusaha Pemerintah Perbankan k Pedagang
Bobot AHP 0,1762 0,2021 0,1694 0,1823 0,1300 0,1399
Prioritas 2 1 4 3 6 5
Prioritas Tujuan No
Tujuan
Bobot AHP
Prioritas
1 2 3 4 5
Perluasan Lapangan Pekerjaan Perluasan Pasar Peningkatan g Daya y Saing g Peningkatan Pendapatan Pembangunan Daerah
0,2048 0,2809 0,1414 , 0,2544 0,1185
3 1 4 2 5
Prioritas Alternatif Tindakan No
Alternatif Tindakan
Bobot AHP
Prioritas
1
Mempertahankan dan Memperkuat Agroindustri g yang y g telah ada
0,4590
2
2
Menciptakan suasana yang medukung tumbuhnya Agroindustri Baru
0,5410
1
32
PENGEMBANGAN AGROINDUSTRI HORTIKULTURA
FOKUS
FAKTOR
Sumberdaya Manusia (28 79 %) (28,79
AKTOR
TUJUAN
ALTERNATIF
Pemerintah (17,62 %)
Perluasan Lapangan Pekerjaan (20,48 %)
Sumberdaya Alam (16 52 %) (16,52
Petani (20,21 %)
Modal (16,13 %)
Pemasaran (12,13 %)
Sarana dan Prasarana (6 28 %) (6,28
Kebijakan Pemerintah (20 15 %) (20,15
Pengusaha (16,94 %)
Koperasi (18,23 %)
Perbankan (13,00 %)
Pedagang (13,99 %)
Perluasan Pasar (28,09 %)
Mempertahankan dan Memperkuat Agroindustri yang telah ada (45,90 %)
Peningkatan Daya Saing (14,14 %)
Peningkatan Pendapatan (25,44 %)
Pembangunan Daerah (11,85 %)
Menciptakan suasana yang medukung tumbuhnya Agroindustri Baru (54,10 %)
33
Operational Q lit ti Data Qualitative D t Fuzzy
Non-Fuzzy
Op. p Health Level Financial
Performance Rating F Fuzzy Financial Ratios Quantitative Data 34
THE COMPANY PERFORMANCE RATING EVALUATION FRAMEWORK Coding List of Operation al Aspect
Non-Fuzzy Fuzzy Output data for ANFIS Network
Pre process Pre-process List of Financial
Aggregation
Pre-process
1. Ratio computation 2. ANFIS network input
ANFIS 1. Six layer 2 Neural 2. N l input 3. Neural p output 4. Learnin g backpro pagatio n& hybrid
Output 1. Normali zation
1. Single r score
gation
indicato
Suggesti on &
indicato
2. Inter 2. Aggre
Score on Compan
Recome
y
ndation
Performa
r score nce
35
SAMPLE OF THE ISCPE FUZZY INFERENCE MODEL 1 Fuzzy Input 1.
If P S is good
or
Legend : P S : P aym ent System E C : Econom ic C ondition
3. Im plication M ethod
EC is good then C ash Flow is very good
If P S is good
If PS is bad
2. Fuzzy O peration
Then C ash Flow is good
or
E C is bad then C ash Flow is bad
4. Aggregation M ethod
5 D efuzzyfication 5.
36
37
38
39
40
Wall-Mounted Project Screen
White Board Facilitator Console and Network File Server
White Board Control Room
Breakout Room
Workstation s Breakout Room
Barco Projecto r
Breakout Room
Storage
Break Area
Figure : Universal of Arizona Small GDSS Facility
41
Data base
GDSS Applications Software
Model Base
Processor User Interface G Group Facilitator F ilit t
I/O Device Public Screen
Group Members
Gambar: Model GDSS
42
1 Marimin 1. Marimin, 2004 2004, Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk Grassindo, Majemuk, Grassindo Jakarta. Jakarta 2. Marimin, 2005, Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial Manajerial, IPB Press, Bogor 3 T 3. Turban, b E E., 2001, 2001 D Decision i i S Supportt System and Intelligent System, Prentice Hall New Jersey. Hall, Jersey 43
•
Susun p paper p dengan g topik: p Penerapan p teknik keputusan dalam perumusan strategi pengelolaan usaha
•
Teknik yang dipakai merupakan kombinasi dari 2 teknik yang dibahas dikelas dan dapat ditambahkan dengan teknik lain terkait terkait. Indeks kinerja dan AHP + lain lain.
•
Format paper mengikuti Lampiran 1 atau 3 buku Teknik keputusan p atau Bab VI a,, b,, c atau d buku Sistem pakar.
•
Paper disusun oleh setiap mahasiswa 44
