Management Decision Support and Intelligent Systems Antonius Rachmat C, S.Kom, M.Cs
Data, informasi, dan pengetahuan
Piramida Pengetahuan
Jenis keputusan • Terstruktur (terprogram) – Dibuat berdasarkan kebiasaan, aturan, prosedur, tertulis ataupun tidak – Biasanya bersifat rutin dan berulang-ulang – Bisa dibuat dgn metode matematis dan alat bantu komputer
• Tidak terstruktur (tidak terprogram) – – – –
Mengenai masalah khusus, khas, tidak biasa Karena kebijakan yg ada belum menjawab Misal: pengalokasian sumber daya Bisa dibuat dgn teknik heuristik
4 FASE PEMBUATAN KEPUTUSAN (menurut Herbert A. Simon) a. INTELLIGENCE ACTIVITY – mencari lingkungan kondisi untuk mencari solusi b. DESIGN ACTIVITY - menemukan, mengembangkan & menganalisis berbagai jenis tindakan pemecahan masalah c. CHOICE ACTIVITY - memilih jenis tindakan tertentu yang tersedia fase sebelumnya. d. REVIEW ACTIVITY- memeriksa pilihan yang dibuat
Information characteristics Karakteristik Operational • • • • • • •
Akurasi Detail Time Use Source Scope Sifat
High Detail Now Frequent Internal Sempit Kuantitatif
Strategic Low Agregasi Future Infrequent External Luas Kualitatif
Decision Process
Decision Complexity
Chapter 12
Decision Support Systems • Computer tool that helps people make better decisions & faster • Leaves the human in control of decision making • Istilah DSS muncul pertama kali tahun 1971oleh G. Anthony Gorry dan Michael S. Scott
Definitions of a Decision Support System General definition - a system providing both problem-solving and communications capabilities for semistructured problems – A semistructured decision is one which is partially programmable, but still requires human judgment
Specific definition - a system that supports a single manager or a relatively small group of managers working as a problem-solving team in the solution of a semistructured problem by providing information or making suggestions concerning specific decisions.
Using DSS • What-if Analysis – End user makes changes to variables, or relationships among variables, and observes the resulting changes in the values of other variables
• Sensitivity Analysis – Value of only one variable is changed repeatedly and the resulting changes in other variables are observed
Using DSS • Goal-Seeking – Set a target value for a variable and then repeatedly change other variables until the target value is achieved
• Optimization – Goal is to find the optimum value for one or more target variables given certain constraints – One or more other variables are changed repeatedly until the best values for the target variables are discovered
Examples of Situations in which DSSs may be used • Help medical personnel in a hospital setting to consider various diagnoses and treatment plans, • Help engineers to analyze, develop and compare solution options, • Help military planners to generate alternative plans of military maneuvers, • Help search and rescue workers to prioritize which of many critical activities to attend next.
The DSS Focuses on Semistructured Problems
Computer Solution
Structured
Manager + Computer (DSS) Solution
Semistructured
Manager Solution
Unstructured
DEGREE OF PROBLEM STRUCTURE
Analytic and Heuristic Decision Making Analytic Decision Maker
Heuristic Decision Maker
Learns by analyzing
Learns by acting
Uses step-by-step procedure Values quantitative information and models Builds mathematical models and algorithms Seeks optimal solution
Uses trial and error Values experience Relies on common sense Seeks completely satisfying solution
Kecil
Derajat Kompleksitas Problem Solving
Besar
Tipe-tipe DSS menurut STEVEN L. ALTER
Derajat Problem Solving Support
Analisis Retrieve Seluruh elemen File informasi
Propose Perkira- Decision Siapkan kan Make Report KonseDecision dari kuensi Multiple Keputu Files san
ENAM TIPE DSS menurut STEVEN L. ALTER Bentuk special report sbg respons terhadap query database, serta laporan berkala (periodic report): • Tipe 1 DSS: dukungan support paling kecil; – (retrieve) elemen informasi, mis.: – Query ke database untuk gambaran penjualan dari salah satu marketing regions.
• Tipe 2 DSS: dukungan support sedikit lebih besar; – menganalisis seluruh file, mis.: – Query ke database utk special report dr data pd file inventory, atau laporan payroll bulanan dr file payroll.
• Tipe 3 DSS: dukungan lebih besar; – menyiapkan report dari berbagai file, mis.: – Laporan income statement dan analisis penjualan produk berdasarkan pelanggan (customer).
Tiga tipe DSS terakhir melibatkan penggunaan model matematik. • Tipe 4 DSS: DSS dengan berbagai efek kemungkinan keputusan, yaitu model yang dapat menduga konsekuensi keputusan (estimate decision consequences). Misal: • Manajer menginput harga pada suatu model harga untuk melihat efeknya terhadap keuntungan bersih (what if) – Model akan memberikan respons: Apabila harga direndahkan menjadi $25, maka keuntungan bersih akan meningkat sebesar $5,000. model tidak bisa menetapkan apakah $25 adalah the best price, model hanya memberikan kemungkinan yang akan terjadi bila suatu keputusan dibuat.
• Model analisis resiko: model yang menggunakan dugaan distribusi peluang untuk setiap faktor kunci (sensitivity)
• Tipe 5 DSS: model yang menawarkan keputusan (propose decision), misal: • manajer manufacturing memasukkan data tentang pabrik dan peralatan ===> dengan model pemrograman linear akan dihasilkan output layout yang paling efisien. (max-min)
• Tipe 6 DSS: dukungan penuh membuatkan keputusan (make decisions) untuk manajer, misal: • Pemodelan komputer untuk penentuan diagnosa apakah suatu kredit diterima atau tidak • Untuk ini diperlukan kepercayaan dari manajemen terhadap model yang dipakai.
TUJUAN DSS (Peter G.W. Keen & Scott Morton) a. Membantu manajer membuat keputusan untuk menangani masalah semi terstruktur, b. Mendukung pertimbangan manajer, bukan sebagai pengganti pertimbangan manajer, c. Meningkatkan efektifitas manajer dalam membuat keputusan (bukan efisiensi).
DSS capabilities
Structure and Components of DSSs • Data management subsystem berisi seluruh data dari berbagai resources. • Model management subsystem berisi model dan building blocks yang dibutuhkan untuk membangun DSS • User interface berisi seluruh aspek komunikasi antara user dan DSS • Users adalah orang yang berhadapan dgn DSS, sebagai penginput masalah ataupun penerima output keputusan • Knowledge-based subsystems menyediakan pengetahuan dan pakar untuk masalah tertentu
DSS process & components
Organizational Decision Support System (ODSS) • Organizational Decision Support System (ODSS) is a DSS that focuses on an organizational task or activity involving a sequence of operations and decision makers and provides the following: – It affects several organizational units or corporate problems; – It involves computer-based and (usually) communications technologies.
Executive Information (Support) Systems • Executive information system (EIS) also known as an executive support system (ESS), is a computer-based technology designed specifically for the information needs of top executives and provides for: – – – –
Rapid access to timely information; Direct access to management reports; Very user friendly and supported by graphics. Exception reporting – reporting of only the results that deviate from a set of standards. – Drill down reporting – investigating information in increasing detail. – Easily connected within online information services and e-mail. – Include analysis support, communications, office automation and intelligence support.
DSS -> Business Intelligence
Basic BI components.
BI Dashboard capabilities
Dashboard
Definisi Sistem Cerdas • Sistem Cerdas = bidang ilmu komputer yang meneliti dan mempelajari bagaimana agar komputer dapat bertindak dan mengerjakan pekerjaan seperti yang dilakukan oleh manusia. • Awalnya komputer hanya mesin hitung • Intinya pada bagaimana komputer bisa “menalar”
Intelligence Systems processes Knowledge acquisition (from experts or other sources) Knowledge representation (organized as rules or frames in the computer) Knowledge inferencing is performed in a component called the inference engine of the ES and results in the recommendation. Knowledge transfer to the user (the expert’s knowledge has been transferred to users).
Bagian Utama Sistem Cerdas • Basis Pengetahuan (Knowledge Based) – Berisi fakta, teori, pemikiran, dan hubungannya
• Motor Inferensi (Inference Engine) – Kemampuan menalar dan menarik kesimpulan Computer
Inputs
Knowledge base
Inference mechanism
Outputs
AI vs Non AI • AI lebih permanen, non AI mudah berubah seturut waktu • AI mudah diduplikasikan dan disebarkan • AI lebih murah dari non AI • AI lebih konsisten dan mudah didokumentasi • AI tidak kreatif • AI tidak dapat menggunakan pengalaman secara langsung • AI terbatas
Metode Penalaran • Forward reasoning (data driven): dimulai dari keadaan awal (dari fakta), kemudian menuju ke arah kesimpulan / tujuan • Backward reasoning (goal driven): dimulai dari tujuan / hipotesa baru dicocokkan dengan keadaan awal / faktafakta
Sistem Pakar • Suatu program AI yang berisi basis pengetahuan dan mesin inferensi • Seperti layaknya seorang pakar • Berfungsi sebagai konsultan • Tidak untuk menggantikan kemampuan seorang pakar • Berisi pengetahuan dari para pakar • Dapat digunakan untuk menjawab pertanyaan, memecahkan masalah dan membuat keputusan
Perbedaan ES dan Pakar • Time: – P:hari kerja; ES: tiap saat
• Geografis: – P:lokal/tertentu; ES: dimana saja
• Keamanan: – P: tdk tergantikan; ES: dapat diganti
• Dapat habis: – P: ya; ES: tidak
• Performa dan kecepatan: – P: variabel; ES: konstan
• Biaya: – P: tinggi; ES: terjangkau
Konsep Dasar ES • Komponen Sistem Pakar: – Pengetahuan Pakar: pengetahuan pada suatu bidang tertentu • Fakta-fakta, teori, prosedur, aturan, strategi, meta knowledge
– Pakar – Pengalihan Pengetahuan: • Tambahan pengetahuan, representasi pengetahuan, inferensi pengetahuan, pengalihan pengetahuan ke user.
– Inferensi: kemampuan menalar – Aturan: dalam bentuk aturan IF-THEN – Fasilitas Penjelasan: penejelasan bagaimana keputusan dibuat – Kemampuan rekomendasi
User
Penjelasan • Knowledge Acusition: penambahan pengetahuan, mengkonstruksi atau memperluas pengetahuan • Knowledge Base: berisi pengetahuan • Inference Engine: program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi dalam basis pengetahuan dan blackboard: – Interpreter: mengeksekusi item-item agenda yang terpilih menggunakan aturan – Scheduler: mengkontrol agenda – Consistency Enforcer: memelihara kekonsistenan dalam merepresentasikan solusi yang bersifat darurat
• Blackboard: area kerja dalam memori yang digunakan dalam kejadian yang sedang berlangsung termasuk keputusan sementara – Plan: bagaimana menghadapi masalah – Agenda: aksi aksi potensial yang sedang menunggu untuk dieksekusi – Solution: calon aksi yang akan dibangkitkan
Penjelasan • Interface: sebagai media komunikasi antara user dan program • Explanation Facility: melacak respon dan memberi penjelasan ttg kelakuan sistem pakar – – – –
Mengapa suatu pertanyaan ditanyakan? Bagaimana konklusi dicapai? Mengapa ada alternatif yang dibatalkan? Rencana apa yang dilakukan mendapatkan solusi?
• Knowledge refinement: mengevaluasi kinerja sistem pakar, apakah pengetahuan tersebut masi cocok untuk digunakan pada masa yang akan datang?
Benefits of Expert Systems • Memungkinkan orang awam dapat mengerjakan pekerjaan para ahli • Bisa melakukan proses berulang secara otomatis • Menyimpan pengetahuan dan keahlian pakar • Meningkatkan output dan produktifitas • Melestarikan keahlian pakar • Dapat beroperasi pada lingkungan berbahaya • Dapat meningkatkan kemampuan sistem komputer • Dapat bekerja dengan informasi yang tidak lengkap • Sebagai media pelengkap dalam pelatihan • Menghemat waktu pengambilan keputusan
Natural Language Processing & Voice Technologies • Natural language processing (NLP): Communicating with a computer in English or whatever language you may speak. • Natural language understanding/speech (voice) recognition: The ability of a computer to comprehend instructions given in ordinary language, via the keyboard or by voice. • Natural language generation/voice synthesis: Technology that enables computers to produce ordinary language, by “voice” or on the screen, so that people can understand computers more easily.
Neural Networks • Neural networks are a system of programs and data structures that approximates the operation of the human brain. • Neural networks are particularly good at recognizing subtle, hidden, and newly emerging patterns within complex data as well as interpreting incomplete inputs.
NEXT • Knowledge Management
