Management Support System

STMIK AMIKOM PURWOKERTO

Management Support System

ABDUL AZIS, M.KOM


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

9/5/2017 2 ABDUL AZIS, M.KOM


Referensi Utama • 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 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


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


Frontliner Penerimaan order konsumen, Pemberian AWB, Konsumen (pengirim) Pencatatan identitas pengirim, tujuan, paket

Warehouse acceptance Unit Pengecekan barcode Mensortir paket berdasarkan tujuan

Laporan-laporan

Database server

Costomer service

Konsumen (penerima)

Picking unit Mengantar paket ke bandara Atau agen tujuan

Packaging unit, Pengecekan barcode

Frontliner Pengambilan paket secara langsung oleh konsumen

Warehouse acceptance unit Breakdown (mensortir) paket

Picking unit Menjemput paket dari bandara Alur proses Arus informasi

Courrier unit Pengantaran paket ke alamat tujuan, Pencatatan identitas penerima Menerbitkan NOA

9/5/2017

Sumber: Inasari 12

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 variabelvariabel yang relevan. • Untuk kepentingan tersebut, dapat digunakan alat bantu seperti: – Influence Diagram – Bayesian Networks

untuk menunjukkan relasi antar variabelvariabel 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

Variabel Umum

Chance Variable

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. Harga Bahan Baku Harga Bahan Baku

Keuangan Biaya per Tenaga Kerja

Persediaan Barang di Gudang

Total Biaya Tenaga Kerja

Kapasitas Produk

Biaya Produksi

Jumlah Tenaga Kerja

Permintaan Pasar Permintaan Pasar

Operasional alat Operasional alat

ABDUL AZIS, M.KOM


Influence Diagram: Contoh… • 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


Influence Diagram: Contoh… Harga Harga

Nilai Harga

Tingkat Kepentingan Harga

Besar Investasi Besar Investasi

Nilai Besar Investasi

Tingkat Kepentingan Nilai Investasi

Jenis Barang

Ketersediaan Barang Ketersediaan Barang

Nilai Preferensi Barang

Nilai Ketersediaan Barang

Tingkat Kepentingan Ketersediaan Barang

Daya Dukung terhadap Daya Dukung terhadap Produktivitas Perusahaan Produktivitas Perusahaan

Nilai Daya Dukung

Tingkat Kepentingan Daya Dukung

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 Ekspresi logika 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 ABDUL AZIS, M.KOM


Tabel Keputusan: Contoh No

Atribut* E1

E2

E3

1

Y

Y

Y

2

Y

3

Y

4

Y

5

Y

6

Y

7

Y

8

Y

9

Y

E4

E5

E6

E7

E8

Laboratorium Pemrograman & Informatika Teori

Y

Y

Komputasi & Sist. Cerdas

Y

Sistem Informasi & RPL Y

Y

Grafika & Multimedia Y

Y

Y Y Y

Sistem & Jaringan Komp. Y

Informatika Kedokteran

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

Normal

TINGGI

TIA Ya

Tidak

TINGGI

Merokok Ya

Obesitas Ya

TINGGI

Tidak

RENDAH

Tidak

RENDAH

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


Multi-Attribute Decision Making (MADM) • 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


Multi-Attribute Decision Making (MADM) – 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


Multi-Attribute Decision Making (MADM) • 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


Multi-Attribute Decision Making (MADM) • Pada MADM, matriks keputusan setiap alternatif terhadap setiap atribut, X, diberikan sebagai:

 x 11 x 21  X     x m1

x 12 x 22  x m2

 x 1n   x 2 n      x mn 

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} ABDUL AZIS, M.KOM


Multi-Attribute Decision Making (MADM) • 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


Multi-Attribute Decision Making (MADM) Masalah

Kriteria-1 (C1)

Kriteria-2 (C2)

Alternatif-1 (A1)

Alternatif-2 (A2)

...

...

Kriteria-m (Cn)

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 masalahmasalah 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


6. Jawaban

5. Model terpilih

4. Informasi yang dibutuhkan

Manajemen Data

2. Pertanyaan

3. Pemilihan model

Manajemen Model

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?

Manajemen Antarmuka

1. Masalah

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

What – If Models

Organizational Information

Optimization Models

External Information

Goal-seeking Models

Personal Information

Statistical Models

ABDUL AZIS, M.KOM

STMIK AMIKOM PURWOKERTO Sistem berbasis komputer lainnya

Internet, intranet, ekstranet

Data: eksternal dan internal Manajemen data

Manajemen model

Model-model eksternal

Subsistem berbasis pengetahuan Antarmuka pengguna

Basis pengetahuan terorganisasi

Manajer (pengguna) 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 DSS database Elemenelemen pada subsistem manajemen data

Database Management System

Data dictionary Query facility

ABDUL AZIS, M.KOM

STMIK AMIKOM PURWOKERTO Basis pengetahuan terorganisasi

Sumber data eksternal

Sumber data internal

Ekstraksi

Query facility

Data dictionary

DSS database

Database management system: Retrieval, Inquiry, Update, Report generation, Delete

Data pribadi, private Data warehouse perusahaan Manajemen antarmuka Manajemen model

Subsistem berbasis pengetahuan

ABDUL AZIS, M.KOM


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

ABDUL AZIS, M.KOM

STMIK AMIKOM PURWOKERTO Model • Strategik, taktik, operasional. • Statistik, keuangan, teknik, akuntansi, dll. • Blok-blok pembentukan model.

Model dictionary

Manajemen Model • Model creation, using subroutine, building blocks. • Generation new routines and reports • Model updating & changing. • Data manipulation.

Manajemen data

Manajemen antarmuka

Data dictionary

Subsistem berbasis pengetahuan ABDUL AZIS, M.KOM


Subsistem User Interface • Subsistem antarmuka, yang digunakan oleh pengguna untuk berkomunikasi dengan sistem. • Untuk sistem berbasis web, web browser digunakan untuk keperluan tersebut.

ABDUL AZIS, M.KOM

STMIK AMIKOM PURWOKERTO Manajemen data & DBMS

Subsistem berbasis pengetahuan

Manajemen model & MBMS

User Interface Management System (UIMS) Natural Language Processor

INPUT Action Languages

OUTPUT Display Languages

PC display

Printer, Plotter

User ABDUL AZIS, M.KOM


Subsistem Manajemen berbasis Pengetahuan • Subsistem manajemen berbasis pengetahuan, yang digunakan untuk mendukung subsistemsubsistem yang lainnya. • Beberapa metode dalam kecerdasan buatan dapat digunakan untuk keperluan tersebut.

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.

ABDUL AZIS, M.KOM

Management Support System

Recommend Documents