DECISION SUPPORT SYSTEM (DSS)
description
Transcript of DECISION SUPPORT SYSTEM (DSS)
2
SISTEM INFORMASI BERBASIS KOMPUTER (Computer Based Information Systems-CBIS)
• ES : Expert System (Sistem Pakar)
• DSS : Decision Support Systems(Sistem Penunjang Keputusan)
• 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)
3
Directive
Strategic
Tactic
Operasional
ES
DBMS
IS
EIS
MIS
Posisi ES/ES pada Sistem Informasi (IS)
DSS
EDP
4
Definisi Sistem Penunjang Keputusan (SPK/DSS)
Merupakan alat manajemen yang terdiri dari komponen
basis data, basis model dan user interface yang berbasis
komputer yang dapat digunakan untuk memecahkan
masalah dan membantu tugas-tugas pengambilan
keputusan. DSS mendukung pengambilan keputusan
kompleks dengan penekanan pada efektifitas (Turban,
1998)
5
FOUR MAJOR DSS CHARACTERISTICS
1. Incorporate both data and model
2. Assist Manager in semi-structured/unstructured
design making process
3. Support rather than replace managerial
judgment
4. Improve effectiveness rather than efficiency
6
DSS STRUCTURE
Data; External and
Internal
Data Based Management
Dialog Management
Model Based Management
Other Computer-
based Systems
Manager (User) and Tasks
7
SAMPLE OF DECISION AREA
• Industrial planning
• Municipal waste control
• Water allocation and usage
• Budged allocation
• Seat allocation of a general election
• Strategy for ICT development
• .…
8
Data
- ICT Profile
- Population Profile
- ICT policy
Data Extraction DBMS
DBMS Function
- Input
- Edit
- Sort
- Integrated
MBMS
ICT Prediction
Population Dynamic Model
Financial Analysis Model
MCDM
Dialog Management
System
User
Figure : DSS for ICT Development
9
Data
- Profile wisata
- Profile infrastruktur
- Profile masyarakat
- Policy pemerintah
- Profile wisatawan
- Profile fasilitas wisata
Data Extraction DBMS
DBMS Function
- Input
- Edit
- Sort
- Integrated
MBMS
Pengembangan Prod
Segmentasi
Lokasi wisata
Strategi
Dialog Management
System
User
Figure : DSS strategi pengembangan pariwisata
10Sistem Pendukung Keputusan bagi KPU
Sistem Manajemen Basis Pengetahuan
• Akuisi Pengetahuan
• Konseptualisasi Pengetahuan
• Representasi Pengetahuan
Mekanisme Inferensi
Model
Sistem Pengolahan Terpusat
Sistem Manajemen Dialog
PengetahuanSistem Manajemen
Basis Data
Data KPU
Data Penduduk
Data Partai
Data Pemilih
Data PEMILU
Data Anggaran
Data Wilayah Administrasi
Data
Pengguna
Sistem Manajemen Basis Model
Sub Model Penetapan Anggota DPRD
Sub Model Estimasi Pemilih
Sub Model Penetapan Anggota DPR
Sub Model Alokasi Sumberdaya
Sub Model Pemilihan Presiden
Sub Model Pemilihan Mobilisasi Sumberdaya
11Konfigurasi EMS Agroindustri
Sistem Manajemen Basis Pengetahuan
• Akuisi Pengetahuan
• Konseptualisasi Pengetahuan
• Representasi Pengetahuan
Mekanisme Inferensi
Model
Sistem Pengolahan Terpusat
Sistem Manajemen Dialog
PengetahuanSistem Manajemen
Basis Data
Data Produksi dan Konsumsi Komoditas
Data KomoditasHortikultura
Data ProdukAgroindustri
Data Pertumbuhan Penduduk
Data Strategi Pengembangan Agroindustri
Data Biaya Agroindustri
Data Potensi Lokasi Agroindustri
Data
Pengguna
Sistem Manajemen Basis Model
Sub Model Sistem Pakar Lokasi Agroindustri Unggulan
Sub Model Pemilihan Komoditas Unggulan
Sub Model Pemilihan Produk Unggulan
Sub Model Prakiraan Ketersediaan Bahan Baku
Sub Model Strategi Pengembangan Agroindustri
Sub Model Kelayakan Finansial Agroindustri
12
DSS/EMS SOURCES OF REFERENCES
1. Decision Support System Journal
2. Data and Knowledge Engineering Journal
3. Expert Systems with Application Journal
4. Systems Research and Behavioral Science Journal
5. Books in DSS and Expert System
13
METODOLOGI
METODAPendekatan
Sistem
• Analasis Kebutuhan• Formulasi
Permasalahan• Identifikasi Sistem
Pemilihan Jenis wisataIndeks kinerja
Pengembangan produk wisata
Segmentasi Klustering
Regresi LinierKetersediaan SDM
Strategi Pengembangan Pariwista
Kelayakan Bisnis Wisata
AHP
Kelayakan Finansial
MULAI
14
SISTEM PAKAR
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 Tujuan Pengembangan
1. Mempermudah kerja tenaga ahli
2. Mengganti tenaga ahli
3. Menggabungkan kemampuan tenaga ahli
4. Training tenaga ahli
5. Mengurangi resiko pada pekerjaan yang berbahaya
6. Menyediakan ahli pada bidang pekerjaan “kering”
15
Components of Expert SystemsThe Expert SystemThe Expert System
KnowledgeBase
User Workstation
ExpertAdvice User
InterfacePrograms
UserInterfacePrograms
InferenceEngine
Program
InferenceEngine
Program
Expert System DevelopmentExpert System Development
Workstation
KnowledgeEngineering
KnowledgeAcquisition
Program
KnowledgeAcquisition
Program
Expert and/orKnowledge Engineer
16
Tabel : Perbedaan perangkat lunak sistem pakar dengan
perangkat lunak konvensional
Perangkat Lunak Konvensional Perangkat Lunak Sistem Pakar
- Menyajikan dan menggunakan data
- Menyajikan dan menggunakan pengetahuan
- Bersifat algoritmitik - Bersifat Heuristik
- Proses Repetitif - Proses Inferensi
- Memanipulasi secara efektif basis data
-Memanipulasi secara efektif basis pengetahuan
- Berorientasi pada pengolahan bilangan
-Berorientasi pada pengolahan simbolik
17
Expert Systems Example
DENDRAL, mass spectrometer interpreterMYCIN, modeling medical expertPROSPECTOR, mining explorationM1, computer designerRECSEL, recruitment and selection…
18
APLIKASI SISTEM PAKAR DI BIDANG MANAJERIAL
1. Analisis
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
3. Integrasi
- Prediksi perkembangan nilai saham pada bursa efek
19
Metoda penelitian : mengggunakan pendekatan sistem
Tahapan pelaksanaan penelitian ini adalah :
1. Pengumpulan data
a. kajian pustaka
b. observasi lapang
c. wawancara dengan pakar
2. Perancangan sistem
a. Sistem Manajemen Basis Data
b. Sistem Manajemen Basis Model
c. Sistem Manajemen Basis Pengetahuan
3. Implementasi
4. Verifikasi
20
Implementasi
Pengumpulan DataTATA
LAKSANA
Pengembangan SistemBasis
Pengetahuan
Mekanisme
Inferensi
Integrasi Sistem
Basis Data
Basis Model
Verifikasi
Telaah Literatur
• Pustaka• Jurnal• Laporan
ObservasiLapang
Wawancara dengan Pakar
21
Penentuan Proritas Komoditas UnggulanDengan Metode MPE
Input Data
• Kriteria Pemilihan• Pembobotan Kriteria• Alternatif Komoditas• Penilaian Komoditas
terhadap kriteria
OUTPUT
Urutan Prioritas Komoditas Unggulan
Edit/Tambah/ Hapus Data
• Kriteria Pemilihan• Pembobotan Kriteria• Alternatif Komoditas• Penilaian Komoditas terhadap kriteria
1. Sub Model Pemilihan Komoditas Unggulan
22
VERIFIKASI dan PEMBAHASAN
A. Sub Model Pemilihan Komoditas Unggulan
• Penentuan Kriteria dan Pembobotan
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. Kesempatan Untuk Diversifakasi Produk 0,0841 2
6. Intensifikasi Dan Ekstensifikasi 0,2180 4
7. Kebijakan Pemerintah 0,0556 1
23
• Penentuan Alternatif Komoditas Hortikultura Unggulan
Jambu Biji, Pisang, Mangga dan Tomat
• Penilaian Komoditas terhadap Kriteria
• Hasil Analisis dengan Metode MPE :
PRIORTAS KOMODITAS NILAI MPE
1 Pisang 536.858
2 Mangga 120.983
3 Jambu Biji 120.786
4 Tomat 49.847
24
B. Sub Model Pemilihan Produk Unggulan• Penentuan Kriteria dan Pembobotan
No.KRITERIA
BOBOT (pairwise)
BOBOT (faktor konversi =
20)
1. Kontinuitas Bahan Baku 0,2038 4
2. Peluang Pasar 0,2850 6
3. Nilai Tambah Produk 0,1047 2
4. Teknologi Yang Sudah Dipakai 0,1503 3
5. Penyerapan Tenaga Kerja 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
25
• 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
26
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 CikalongkulonPrioritas 2. Kecamatan Karang TengahPrioritas 3. Kecamatan Sindang BarangPrioritas 4. Kecamatan Mande.
27
D. Sub Model Prakiraan Ketersediaan Bahan Baku
• Data Yang Tersedia :
Data Produksi Pisang (1998-2001)
Prakiraan Produksi tahun 2002 dengan analisis regresi adalah 659.618 ton (Y = 95329,3 X + 182971,3 dan R2 = 0,7207)
Tahun Produksi (ton)
1998 343.520
1999 310.590
2000 399.381
2001 631.687
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)
28
Konsumsi Rata-rata = 18 kg per kapita per tahun Konsumsi untuk Agroindustri yang ada = 125.000 tonPenjualan ke Luar daerah = 60 % dari produksi
Hasi Analisis :
Prakiraan Produksi
Prakiraan Konsumsi
Kebutuhan Bahan Baku
Status Ketersedia
an
659.618 555.982 365 Tersedia
Hasil Analisis sistem menunjukkan untuk suatu agroindustri dengan kapasitas produksi 365 ton/tahun ketersediaan bahan
baku diperkirakan masih mencukupi
29
E. Sub Model Kelayakan Finansial Agroindustri
Asumsi yang digunakan :
Verifikasi kelayakan agroindustri Sale Pisang
Umur Proyek 10 Tahun
Jumlah Produksi (Produk/Tahun) 657000
Persentase Terjual 90 %
Harga Jual Produk Rp 2.500,-
Bunga Bank saat ini 18 %
Persentase Produksi
Tahun I 70 %
Tahun II 85 %
Tahun III s/d Tahun X 100 %
Perawatan 2%, Penyusutan 10 %, Asuransi 0,5 %, Pajak Bangunan 2 %
30
LAYAK
Hasil Analisis :
Kriteria Kelayakan
Keadaan NormalTerjadi Penurunan Harga Jual Produk
(10%)
Terjadi Kenaikan Harga Bahan Baku
(10%)
Terjadi Penurunan Harga Jual Produk
dan Kenaikan Harga Bahan Baku (10%)
Keuntungan Bersih
Rp 2.399.141.750 ,- Rp 987.413.000 ,- Rp 1.876.279.250 ,- Rp 464.550.500 ,-
BEP Rp 8.700.975.105,- 9.670.497.911,- Rp 9.360.472.966,- 10.592.082.846,-
ROI 20,47 % 8,43 % 15,33 % 3,8 %
B/C Ratio 1,2 1,08 1,15 1,04
NPV 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 4,25 Tahun 2,92 Tahun 6,03 Tahun
TIDAKLAYAK
31
F. Sub Model Strategi Pengembangan Agroindustri
Teknik Pengambilan Keputusan yang digunakan adalah Proses Hirarki Analitik
Hasil Analisis :
No FAKTOR Bobot AHPPriorita
s
1 Sumberdaya Manusia (SDM)
0,2879 1
2 Sumberdaya Alam (SDA) 0,1652 3
3 Modal 0,1613 4
4 Pemasaran 0,1213 5
5 Sarana dan Prasarana 0,0628 6
6 Kebijakan Pemerintah 0,2015 2
Prioritas Faktor
32
Prioritas Aktor No AKTOR Bobot AHP Prioritas
1 Pemerintah 0,1762 22 Petani 0,2021 13 Pengusaha 0,1694 44 Pemerintah 0,1823 35 Perbankan 0,1300 66 Pedagang 0,1399 5
No Tujuan Bobot AHP Prioritas
1Perluasan Lapangan Pekerjaan
0,2048 32 Perluasan Pasar 0,2809 13 Peningkatan Daya Saing 0,1414 44 Peningkatan Pendapatan 0,2544 25 Pembangunan Daerah 0,1185 5
Prioritas Tujuan
No Alternatif Tindakan Bobot AHPPriorita
s
1Mempertahankan dan Memperkuat Agroindustri yang telah ada
0,4590 2
2Menciptakan suasana yang medukung tumbuhnya Agroindustri Baru
0,5410 1
Prioritas Alternatif Tindakan
33
FOKUS
FAKTOR
AKTOR
TUJUAN
ALTERNATIF
PENGEMBANGAN AGROINDUSTRI HORTIKULTURA
Sumberdaya Manusia(28,79 %)
Sumberdaya Alam
(16,52 %)
Modal(16,13 %)
Pemasaran(12,13 %)
Sarana dan Prasarana(6,28 %)
Kebijakan Pemerintah(20,15 %)
Pemerintah(17,62 %)
Petani(20,21 %)
Pengusaha(16,94 %)
Koperasi(18,23 %)
Perbankan(13,00 %)
Pedagang(13,99 %)
Perluasan Lapangan Pekerjaan(20,48 %)
Perluasan Pasar
(28,09 %)
Peningkatan Daya Saing(14,14 %)
Peningkatan Pendapatan(25,44 %)
Pembangunan Daerah
(11,85 %)
Mempertahankan dan Memperkuat Agroindustri yang telah ada
(45,90 %)
Menciptakan suasana yang medukung tumbuhnya Agroindustri Baru
(54,10 %)
34
Performance Rating Operational
Qualitative Data
Fuzzy Non-Fuzzy
Op. Health Level
F i n a n c i a l
Quantitative Data
Financial Ratios
Fuzzy
35
List of Operational Aspect
Coding
Output data for ANFIS Network
Non-Fuzzy
Fuzzy
Pre-process
List of Financial
1.Ratio computation
2.ANFIS network input
Output
1.Normali
zation
2.Aggre
gation
ANFIS
1.Six layer
2.Neural
input
3.Neural
output
4.Learnin
g
backpro
pagatio
n &
hybrid
1. Single
indicato
r score
2. Inter
indicato
r scorePre-process
Aggregation
Score on
Compan
y
Performa
nce
Suggesti
on &
Recome
ndation
THE COMPANY PERFORMANCE RATING EVALUATION FRAMEWORK
36
37
1. Fuzzy Input2. Fuzzy
Operation3. Implication
Method
If PS is good or EC is good then CashFlow is very good
If PS is good Then Cash Flow is good
4. AggregationMethod
5. Defuzzyfication
If PS is bad or EC is bad thenCash Flow is bad
Legend :PS : Payment SystemEC : Economic Condition
SAMPLE OF THE ISCPE FUZZY INFERENCE MODEL
38
39
40
41
42
Workstations
Barco Projecto
r
White Board
Wall-Mounted Project Screen White
Board
Storage Break Area
Breakout Room
Breakout Room
Breakout Room
Control Room
Figure : Universal of Arizona Small GDSS Facility
Facilitator Console and Network File Server
43
Data base
GDSS Applications Software Model
Base
Processor
User Interface
Group Facilitator
Group Members
I/O Device Public Screen
Gambar: Model GDSS
44
1. Marimin, 2004, Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk, Grassindo, Jakarta.
2. Marimin, 2005, Teknik dan Aplikasi Sistem Pakar dalam Teknologi Manajerial, IPB Press, Bogor
3. Turban, E., 2001, Decision Support System and Intelligent System, Prentice Hall, New Jersey.