1

DECISION SUPPORT SYSTEM (DSS)

Prof. Dr. Ir. Marimin, M.Sc.

marimin_07@yahoo.com

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.