Sistem Pendukung Keputusan

Pengertian Sistem Pendukung Keputusan

Menurut Raymond McLeod (1998), Sistem Pendukung Keputusan adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus dipecahkan oleh manager pada berbagai tingkatan. Menurut Litle, Sistem Pendukung Keputusan adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur dengan menggunakan data dan model. Menurut Alter dalam Kusrini (2007), DSS merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat.

Mintzberg terkenal dengan teorinya mengenai peranan managerial, teori ini mengemukakan sepuluh peranan managerial yang terbagi dalam tiga kategori, yaitu: interpersonal, informasional, desisional. Peranan informasonal mengemukakan bahwa manager mengumpulkan dan menyebarkan informasi, dan peranan desisional mengemukakan bahwa manager menggunakan informasi dalam pembuatan berbagai jenis keputusan. Ada empat peranan desisional menurut mintzberg :

1.      Pengusaha, ketika manager berperan sebagai pengusaha (entrepreneur) maka peningkatan hal ini yang bersifat permanent diabadikan sebagai organisasi.

2.      Orang yang menangani gangguan, ketika menajer berperan sebagai orang yang menangani gangguan (disturbace handler), maka ia akan memecahkan masalah yang belum di antisipasi. Ia membuat keputusan untuk merespon gangguan yang timbul seperti perubahan ekonomi, ancaman dari pesaing, dan adanya peraturan pajak baru.

3.       Pengalokasi sumber, dengan peranan sebagai pengalokasi sumber (resorce alocator), manager diharapkan mampu menentukan pembagian sumber organisasi kepada berbagai unit yang ada misalnya pembuatan keputusan untuk menetapkan anggaran operasi tahunan.

4.      Negosiator, dalm peran sebagai negosiator (negotiator), manager mengatasi perselisihan yang muncul dalam perusahaan dan perselisihan yang terjadi antara perusahaan dan lingkungannya. Contohnya melakukan negosiasi kontrak baru dengan serikat pekerja.

Secara Umum, Sistem Pendukung Keputusan adalah sebuah sistem yang mampu memberikan kemampuan, baik kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah semi terstruktur. Sedangkan secara Khusus, Sistem Pendukung Keputusan adalah sebuah sistem yang mendukung kerja seorang manager maupun sekelompok manager dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu.

Istilah Sistem Pendukung Keputusan (Sistem Pendukung Keputusan) atau Decision Support Systems (DSS) pada awalnya diciptakan oleh dua professor di MIT (Anthony Gorry dan Michael S.Morton) pada tahun 1971, keduanya merupakan profesor MIT, USA . Saat itu mereka merasakan perlunya suatu pemikiran untuk mengarahkan penggunaan aplikasi komputer untuk membantu pengambilan keputusan yang dilakukan oleh manajemen berdasarkan kepada konsep Simon mengenai keputusan yang terstruktur dan tidak terstruktur juga berdasarkan kepada konsep Robert N. Anthony tentang tingkat-tingkatan manajemen.

Menurut mereka DSS harus diarahkan untuk mendukung manajemen pada masalah-masalah yang semi-structured (semi-terstruktur), yaitu masalah yang memiliki informasi kurang lengkap sehingga para manager ragu dalam mengambil keputusan. DSS akan memberi dukungan atau alternatif penyelesaian sehingga para manager dapat menguji alternatif ini untuk memilih mana yang terbaik. (Akib, 2009).

Arsitektur Sistem Pendukung Keputusan

Karakteristik Sistem Pendukung Keputusan

Karakteristik dari Sistem Pendukung Keputusan adalah sebagai berikut:

1.      Mendukung pengambilan keputusan untuk membahas masalah-masalah terstruktur, semi struktur, dan tidak terstruktur

2.      Output ditujukan bagi personil organisasi dalam semua tingkatan

3.      Mendukung di semua fase proses pengambilan keputusan: intelegensi, desain, pilihan.

4.      Adanya interface manusia atau mesin, dimana manusia (user) tetap mengontrol proses pengambilan keputusan

5.      Menggunakan model-model metematis dan statistik yang sesuai dengan pembahasan

6.      Memiliki kemampuan dialog untuk memperoleh informasi sesuai dengan kebutuhan

7.      Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan sistem

8.      Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen

9.      Pendekatan easy to use. Ciri suatu Sistem Pendukung Keputusan yang efektif adalah kemudahannya untuk digunakan dan memungkinkan keleluasaan pemakai untuk memilih atau mengembangkan pendekatan-pendekatan baru dalam membahas masalah yang dihadapi

10.  Kemampuan sistem untuk beradaptasi secara cepat, dimana pengambil keputusan dapat menghadapi masalah-masalah baru dan pada saat yang sama dapat menanganinya dengan cara mengadaptasikan sistem terhadap kondisi-kondisi perubahan yang terjadi (Turban dkk, 2005).

Ciri dan Kemampuan Sistem Pendukung Keputusan


Komponen Arsitektur SPK

1.      Komponen Data

a.       Sumber data

b.      Kontribusi vendor

2.      Komponen Dialog

a.       Knowledge Base

b.      Bahasa Tindakan

c.       Bahasa Representasi

3.      Komponen Model

a.       Model Optimasi

b.      Model Deskriptif

c.       Model Probabilistik dan Model Deterministik

Jenis-Jenis Sistem Pendukung Keputusan

Usaha berikutnya dalam mendefinisikan konsep DSS dilakuikan oleh Steven L. Alter. Alter melakukan study terhadap 56 sistem penunjang keputusan yang digunakan pada waktu itu, study tersebut memberikan pengetahuan dalam mengidentifikasi enam jenis DSS, yaitu :

1.      Retrive information element (memanggil elemen informasi).

2.      Analyze entries fles (mengenali semua file).

3.      Prepare reports form multiple files (laporan standar dari beberapa file).

4.      Estimate decisions qonsquences (meramalkan akibat dari keputusan).

5.      Propose decision (menawarkan keputusan ).

6.      Make decisions (membuat keputusan).

Tujuan Sistem Pendukung Keputusan

Tujuan utama sistem pendukung keputusan bukanlah proses pengambilan keputusan seefisien mungkin, tetapi seefektif mungkin. Sistem Pendukung Keputusan digunakan sebagai alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas para pengambil keputusan, namun tidak untuk menggantikan penilaian para pengambil keputusan. Sistem Pendukung Keputusan ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau untuk keputusan-keputusan yang sama sekali tidak dapat didukung oleh algoritma. Sistem Pendukung Keputusan meluas dengan cepat, dari sekadar alat pendukung personal menjadi komoditas yang dipakai bersama (Turban dkk, 2005).

Persoalan pengambilan keputusan, pada dasarnya adalah bentuk pemilihan dari berbagai alternatif tindakan yang mungkin dipilih yang prosesnya melalui mekanisme tertentu, dengan harapan akan menghasilkan sebuah keputusan yang terbaik. Sistem Pendukung Keputusan dapat memberikan dukungan dalam membuat keputusan dalam semua tingkatan level manajemen, baik individual maupun grup, terutama dalam situasi semi terstruktur dan tidak terstruktur, membawa kepada keputusan bersama dan informasi yang objektif. (Turban, 2004).

Tujuan dari pembuatan sistem pendukung keputusan yaitu (Turban, 2004):

1.      Membantu manager membuat keputusan untuk memecahkan masalah yang sepenuhnya terstruktur dan tidak terstruktur.

2.      Mendukung penilaian manager bukan mencoba menggantikannya.

Sistem pendukung keputusan tidak dimaksudkan untuk menggantikan manager. Komputer dapat diterapkan dalam menyelesaikan masalah yang terstruktur. Untuk masalah yang tidak terstruktur, manager bertanggung jawab menerapkan penilaian, dan melakukan analisis.komputer dan manager berkerjasama sebagai tim pemecahan masalah dalam memecahkan masalah yang berada di area semi terstruktur.

3.      Meningkatkan efektivitas pengambilan keputusan manager dari pada efisiensinya.

Cara Penggunaan Informasi Dari Sistem Pendukung Keputusan

Pada dasarnya dua pengguna informasi dari DSS oleh manager, yaitu untuk mendefinisikan masalah dan memecahkan masalah tersebut. Pendefinisian masalah adalah usaha definisi dari pendekatan sistem. Ia juga berkaitan dengan fase intelegensi yang di kemukakan oleh Simon. Selanjutnya manager menggunakan informasi untuk memecahkan masalah yang telah diidentifikasi. Hal ini merupakan usaha pemecahan menurut poendekatan sistim dan berkaitan denga fase disain dan pemilihan. Pada umumnya, lapaoran berkala dan khusus digunakan terutama dalam usaha definisi, dan simulasi dalam usaha pemecahan Laporan berkala dapat di rancang untuk menidentifikasi masalah atau masalah yang kemungkinan besar akan muncul, manager juga melakukan query terhadap database untuk menemukan masalah atau mempelajari lebih jauh lagi mengenai masalah yang telah diidentifikasi. Simulasi dapat juga membuka masalah yang tersembunyi, karna kelemahan cenderung akan kelihatan menonjol ketika operasi perusahaan diubah secara matematis. Laporan berkala dan khusus dapat juga membantu manager untuk memecahkan masalah dengan cara mengidentifikasi keputusan alternatif, mengevaluasi dan memilih alternatif tersebut, dan memberikan informasi lanjutan.

Definisi Pengambilan Keputusan

Proses pemilihan beberapa alternatif aksi yang bertujuan untuk memenuhi/menyelesaikan satu atau beberapa sasaran atau permasalahan, termasuk juga penyelidikan mengenai kesempatan-kesempatan yang ada. Aktivitas manajemen berupa pemilihan tindakan dari sekumpulan alternatif yang telah dirumuskan sebelumnya untuk memecahkan suatu masalah atau suatu konflik dalam manajemen Kerangka dasar pengambilan keputusan managerial dalam tipe keputusan dibagi menjadi :

1.      Keputusan Terstruktur (structured decision)

Keputusan terstrukut (structured decision) adalah keputusan yang berulang – ulang dan rutin, sehingga dapat diprogram. Keputusan terstruktur terjadi dan dilakukan terutama pada manajemen tingkat bawah. Contoh dari keputusan tipe ini misalnya adalah keputusan pemesanan barang, keputusan penagihan piutang dan lain sebagainya.

2.      Keputusan Tidak Terstruktur (unstructured decision)

Keputusan Tidak Terstruktur (unstructured decision) adalah keputusan yang tidak terjadi berulang – ulang dan tidak selalu terjadi. Keputusan ini terjadi di manajemen tingkat atas. Informasi untuk pengambilan keputusan tidak terstruktur tidak mudah untuk didapatkan dan tidak mudah tersedia dan biasanya berasal dari lingkungan luar. Pengalaman manager merupakan hal yang sangat penting di dalam pengambilan keputusan tidak terstruktur. Keputusan untuk bergabung dengan perusahaan lain adalah contoh keputusan tidak terstruktur yang jarang terjadi.

3.      Keputusan Semi Terstruktur (semi – structured decision)

Keputusan Semi Terstruktur (semi – structured decision) adalah keputusan yang sebagian dapat diprogram, sebagian berulang-ulang dan rutin dan sebagian tidak struktur. Keputusan tipe ini seringnya bersifat rumit dan membutuhkan perhitungan – perhitungan serta analisis yang terperinci. Contoh dari keputusan tipe ini misalnya adalah keputusan membeli sistem komputer yang lebih canggih. Contoh yang lainnya misalnya adalah keputusan alokasi dana promosi.

Jenis-jenis keputusan menurut HERBERT A. SIMON :

1.      Keputusan Terprogram, bersifat berulang dan rutin, sedemikian sehingga suatu prosedur pasti telah dibuat untuk menanganinya.

2.      Keputusan Tak Terprogram, bersifat baru, tidak terstruktur dan jarang konsekuen. Tidak ada metode yang pasti untuk menangani masalah ini.

KONSEP SIMON tentang tahap-tahap pengambilan keputusan digunakan untuk menentukan struktur masalah seperti dibawah ini:

1.      Masalah terstruktur - Merupakan masalah yang memiliki struktur pada tiga tahap pertama model Simon.

2.      Masalah tidak terstruktur - merupakan masalah yang sama sekali tidak memiliki struktur pada salah satu tahapan proses pengambilan keputusan Simon.

3.      Masalah semi terstruktur - merupakan masalah yang dapat menggunakan satu atau dua tahapan Simon.

Tahapan Proses Pengambilan Keputusan

Tahapan proses pengambilan keputusan terdiri dari langkah-langkah sebagai berikut:

1.      Tahap Penelusuran (Intellegence)

Tahap ini merupakan proses penelusuran, mengamati lingkungan mencari kondisi-kondisi yang perlu diperbaiki, pendeteksian dari lingkup problematika serta proses pengenalan masalah. Data yang diperoleh diproses dan diuji dalam rangka mengidentifikasikan masalah.

2.      Tahap Perancangan (Design)

Tahap ini merupakan proses menemukan, mengembangkan dan menganalisis tindakan yang mungkin dilakukan. Hal ini meliputi pemahaman terhadap masalah dan menguji solusi yang layak.

3.      Tahap Pemilihan (Choice)

Pada tahap dibuat suatu keputusan yang nyata dan diambil suatu komitmen untuk mengikuti suatu tindakan tertentu, memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia.

4.      Tahap Implementasi (Implementation)

Pada tahap ini dibuat suatu solusi yang direkomendasikan dapat bekerja atau implementasi solusi yang diusulkan untuk suatu masalah.

Alat Pengambilan Keputusan

1.      Transaction Processing Systems (TPS)

2.      Management Information Systems (MIS)

3.      Office Automation Systems (OAS)

4.      Decision Support Systems (DSS)

5.      Group DSS (GDSS)

6.      Expert Systems (ES)

7.      Executive Information Systems (EIS)

8.      Artificial Neural Network (ANN)

Laporan

1.       Laporan berkala dan khusus

Laporan berkala atau periodic report yaitu laporan yang dibuat menurut jadwal tertentu contohnya adalah analis penjualan terhadap pelanggan perbulan dan laporan khusus atau special report yaitu laporan yang di buat ketika laporan dibuat ketika sesuatu yang tidak seperti biasanya terjadi contohnya laporan mengenai kecelakaan. Dalam penggunaannya laporan berkala dan khusus bersifat lengkap atau ringkas.

2.      Laporan lengkap dan ringkas

Laporan lengkap atau detail report yaitu laporan yang memberikan spesifikasi mengenai setiap tindakan atau transaksi dan baris yang mewakili tindakan atau transaksi disebut baris lengkap atau detail line sedangkan laporan ringkas atau summary report yaitu laporan yang menyertakan baris yang mewakili beberapa tindakan atau transaksi. Baris laporan biasanya di cetak dalam beberapa ururtan tertentu, field yang berada dalam record data, yang disebut key field atau control field digunakan untuk mengurutkan record sebelum laporan tersebut dicetak. Yang paling sering digunakan ialah Ascending sequence (urutan naik) disini nilai field control terendah (no pelanggan 0001 atau nama Aardbverk) didaftar pertama kali, dan nilai tertinggi (no 9999 atau zikmund) di daftar paling akhir.

Penggabungan Manajemen Dengan Pengecualian Ke Dalam Laporan

Kegunaan laporan sebagai alat pemecah masalah dapat ditingkatkan dengan menggabungkan manajemen dan pengecualian. Hal ini dapat dilakukan dengan empat cara :

1.      Menggunakan urutan laporan untuk menyorot pengecualian.

2.      Membuat laporan hanya jika terjadi pengecualian.

3.      Mengelompokan pengecualian bersama.

4.      Menunjukan varian dari norma.

Pemodelan Sistem Pendukung Keputusan

Karakteristik utama dari sistem pendukung keputusan adalah memasukkan sedikitnya satu model. Ide dasarnya adalah melakukan analisis sistem pendukung keputusan pada sebuah model realitas, dari pada analisis pada sistem nyata itu sendiri.

Definisi Model

Model adalah abstrak dari sesuatu; ia mewakili beberapa fenomena, yaitu objek dan aktivitas. Fenomena itu disebut entity. Contohnya jika sebuah model mewakili perusahaan maka perusahaan itu disebut entity-nya.

Menurut Raymond McLeod, Jr (McLeod, 1998) adalah penyederhanaan (abstraction) dari sesuatu. Sedangkan menurut Efraim Turban (Turban, 1998) adalah sebuah representasi atau abstraksi realitas yang disederhanakan. Karena realitas terlalu kompleks untuk ditiru secara tepat dan karena banyak dari kompleksitas itu sebenarnya tidak relevan dalam penyelesaian masalah yang spesifik. Representasi sistem atau masalah berdasarkan model dapat dilakukan dengan berbagai macam tingkat abstraksi, oleh karenanya model diklasifikasikan menjadi tiga kelompok menurut tingkat

abstraksinya, antara lain model iconik (skala), model analog, dan model matematik.

Model Iconik (Skala)

Sebuah model iconik, model abstraksi terkecil adalah replika fisik sebuah sistem, biasanya pada suatu skala yang berbeda dari aslinya. Model iconik dapat muncul pada tiga dimensi (miniatur maket), sebagaimana pesawat terbang, mobil, jembatan, atau alur produksi. Photografi adalah jenis model skala iconik yang lain, tetapi hanya dalam dua dimensi.

Model Analog

Sebuah model yang tidak tampak mirip dengan model aslinya, tetapi bersifat seperti sistem aslinya. Model analog lebih abstrak dari model iconik dan merupakan perpresentasi simbolik dari realitas. Model ini biasanya berbentuk bagan atau diagram 2 dimensi, dapat berupa model fisik, tetapi bentuk model berbeda dari bentuk sistem nyata. Berikut beberapa contoh lain :

1.      Bagan organisasi yang menggambarkan hubungan struktur otoritas, dan tanggung jawab.

2.      Sebuah peta dimana warna yang berbeda menunjukkan obyek yang berbeda misalnya sungai atau pegunungan.

3.      Bagan pasar modal yang menunjukkan pergerakan harga saham.

4.      Cetak biru dari sebuah mesin atau rumah.

Model Matematik (Quantitatif)

Kompleksitas hubungan pada banyak sistem organisasional tidak dapat disajikan secara model icon atau model analog, atau representasi semacam itu malah dapat menimbulkan kesulitan dan membutuhkan banyak waktu dalam pemakaiannya. Oleh karena itu model yang tepat dideskripsikan dengan model matematis. Sebagian besar analisis sistem pendukung keputusan dilakukan secara numerik dengan model matematis atau model quantitatif yang lain.

Model Statis dan Dinamis

Model statis ialah model yang tidak memasukkan waktu sebagai variabelnya. Ia berkaitan dengan situasi pada pada suatu saat tertentu sedangkan model dinamis ialah model yang memasukan waktu sebagai variabel, model ini mewakili tingkah laku entity sepanjang waktu.

Model Probabilitik dan Deterministik

Model probabilitas adalah model tentang adanya peluang akan terjadi sesuatu. Probabilitas mempunyai jangkauan 0,00 (untuk sesuatu yang tidak punya peluang) dan 1,00 (untuk sesuatu yang nyata-nyata terjadi). Sedangkan model deterministik ialah kebalikan dari model probabilitas.

Model Optimisasi dan Suboptimisasi

Model optimisasi adalah model yang menentukan pemecahan terbaik diantara altermatif yang ada. Agar supaya model tersebut dapat melakukan hal ini, masalah harus terstruktur dengan baik. Sedangkan model suboptimisasi yang seringkali disebut satisficing model ialah model yang memungkinkan manager untuk melakukan serangkaian keputusan, dan model tersebut akan memproyeksikan penyelesaian. Model ini tidak mengidentifikasikan keputusan yang akan mennghasilkan penyelesaian yang terbaik, namun menyerahkan tugas tersebut kepada manager.

Simulasi

Simulasi atau pemodelan ialah proses dari sebuah model yang mewakili entitynya. Skenario, digunakan untuk menjelaskan setting tempat terjadinya simulasi. Variable keputusan, nilai input yang dimasukan manager untuk mengukur dampak terhadap entity.

Keuntungan dan Kerugian Pemodelan

Manager yang menggunakan model matematis dapat memperoleh keuntungan sebagai berikut :

1.      Proses pemodelan menjadi pengalaman belajar.

2.      Kecepatan simulasi memberikan kemampuan bagi kita untuk mengevaluasi dampak keputusan dalam jangka waktu yang singkat.

3.      Model memberikan daya peramalan.

4.      Model membutuhkan biaya yang lebih murah daripada metode trial-and-error.

Sedangkan kerugian model adalah sebagai berikut:

1.      Sulitnya pemodelan sistem bisnis dan akan menghasilkan model yang tidak dapat menangkap semua pengaruh pada entity.

2.      Dibutuhkan keterampilan matematika yang tinggi untuk menggembangkan model yang lebih kompleks secara pribadi.

Grafik Komputer

Setiap manager pada umumnya harus mempunyai kemampuan membuat grafik. Namun demikian, pada kenyatannya, riset menyatakan bahwa penggunan grafik ternyata tidak selalu lebih baik dari pada pengguna table. Grafik nampaknya lebih baik dalam situasi tertentu, seperti :

1.      Mencari ringkasan data yang cepat.

2.      Mendeteksi trend masa lalu.

3.      Membandingkan point dan pola variable yang berbeda.

4.      Meramal aktivitas masa mendatang.

5.      Mencari kesan yang relatif sederhana dari sejumlah besar informasi yang ada.

Bahasa Generasi Keempat

Sofware dimasukan kedalam perpustakaan software DSS untuk menghasilkan tiga jenis output. Pada mulanya, satu-satunya cara ialah dengan mengkode program dengan bahasa pemograman. Dengan munculnya trend end-user computing, maka lahirlah bahasa yang baru yang dinamakan fourth-generatioan language (bahasa generasi keempat) atau 4GL.

1.      Bahasa Pemodelan

Bahasa pemodelan atau modeling language dibuat untuk membuat tugas pembentukan model menjadi lebih mudah dari pada menggunakan bahasa berorientasi salah satu bahasa pemodelan yang pertama adalah GPSS (General Purpose Simulation System) yang dikembangkan IBM pada awal tahun 1960-an.

2.      Bahasa Tingkat Sangat Tinggi

Very high level language atau bahasa tingkat sangat tinggi biasanya digunakan untuk menjelaskan bahasa pemograman, seperti APL, yang menawarkan kesingkatan dan daya di atas dan melebihi apa yang bisa dilakukan oleh bahasa konversional.

3.      Generator aplikasi

Application generator atau generator aplikasi menghasilkan program aplikasi seperti inventarisasi dan penggajian tanpa pemograman.

4.      Penulisan Laporan

Penulisan laporan dirancang secara khusus untuk membuat laporan.

5.      Generator Grafik

Graph generator atau generator grafik yang juga disebut graphics package digunakan untuk menampilkan atau mencetak data dalam berbagai macam bentuk grafik.

6.      Bahasa Query Database

Bahasa yang memungkinkan kita untuk menampilkan data dari berbagai tabel dari beberapa bentuk Kriteria.

Sumber Data

Sumber data terbagi atas tiga, yaitu:

1.      Data Internal

Data internal merupakan data yang berasal dari dalam organisasi. Data internal diperoleh dari sistem proses transaksi perusahaan atau organisasi.

2.      Data Eksternal

Data eksternal merupakan data yang berasal dari luar organisasi, dan harus dimonitor dan ditangkap untuk meyakinkan bahwa data penting tidak terabaikan. Data eksternal diperoleh dari luar organisasi, misalnya data industri, data penelitian pasar, data sensus, data ketenagakerjaan regional, peraturan pemerintah, tarif pajak atau data perekonomian nasional yang dapat diperoleh lewat internet atau komputerisasi online.

3.      Data Ekstraksi

Data ekstraksi merupakan penggabungan dari data internal dan data eksternal. Proses data ekstraksi akan menghasilkan basis data sistem pendukung keputusan. Data ekstraksi meliputi: import file, meringkas, menyaring dan mengkondensasi data yang menghasilkan laporan dari data yang ada di basis data. Proses ekstraksi dikelola dalam DBMS (Database Management System).

Komponen Sistem Pendukung Keputusan

Untuk dapat menerapkan sistem pendukung keputusan ada empat subsistem yang harus disediakan yaitu subsistem manajemen data, subsistem manajemen model, subsistem manajemen pengetahuan dan subsistem antar muka pengguna.

1.      Subsistem manajemen data

Merupakan subsistem yang menyediakan data bagi sistem. Sumber data berasal dari data internal dan data eksternal. Subsistem ini termasuk basis data, berisi data yang relevan untuk situasi dan diatur oleh perangkat lunak yang disebut database management system (DBMS).

2.      Susbsistem manajemen model

Merupakan subsistem yang berfunsi sebagai pengelola berbagai model. Model harus bersifat fleksibel artinya mampu membantu pengguna untuk memodifikasi atau menyempurnakan model, seiring dengan perkembangan pengetahuan. Perangkat lunak ini disebut model base management system (MBMS).

3.      Subsistem manajemen pengetahuan

Sebagai pendukung sembarang subsistem yang lain atau sebagai suatu komponen yang bebas. Subsistem ini berisi data item yang diproses untuk menghasilkan pemahaman, pengalaman, kumpulan pelajaran dan keahlian.

4.      Susbsistem antar muka pengguna

Merupakan fasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Melalui sistem dialog ini sistem diartikulasikan sehingga dapat berkomunikasi dengan sistem yang dirancang atau pengguna dapat berkomunikasi dengan sistem pendukung keputusan dan memerintah sistem pendukung keputusan melalui sistem ini.

Subsistem Manajemen Data

Subsistem manajemen data tersusun dari beberapa elemen struktur subsistem manajemen data, yaitu :

1.      Basis Data Sistem Pendukung Keputusan

Basis data merupakan kumpulan data yang saling berhubungan dan diorganisasikan untuk memenuhi kebutuhan struktur organisasi yang dapat digunakan pada single user dan multiuser. Untuk sistem pendukung keputusan yang besar basis datanya tersimpan dalam data warehouse. Data dalam basis data sistem pendukung keputusan berasal dari sumber data internal dan data eksternal. Data internal diperoleh dari sistem proses transaksi perusahaan atau organisasi. Data eksternal diperoleh dari luar organisasi. Ekstraksi digunakan untuk membangun basis data atau data warehouse sebuah sistem pendukung keputusan perlu untuk mengambil data dari berbagai sumber. Operasi ini disebut ekstraksi, meliputi import file, meringkas, menyaring dan mengkondensasi data yang menghasilkan laporan dari data yang ada di basis data. Proses ekstraksi dikelola dalam DBMS (Database Management System).

2.      Sistem Manajemen Basis data

Merupakan sistem yang dipergunakan untuk mengintegrasikan beberapa file ke dalam suatu basis data. Basis data dibuat diakses, dan diubah dengan DBMS dan kebanyakan sistem pendukung keputusan dibuat dengan DBMS. Kekuatan sistem pendukung keputusan muncul ketika basis data terintegrasi dengan modelnya. Kemampuan DBMS dalam sistem pendukung keputusan:

a.    Menangkap atau ekstraksi data untuk dimasukkan dalam basis data sistem pendukung keputusan.

b.    Mengupdate (menambah, menghapus, mengubah) data dan file.

c.    Data terhubung dengan dari sumber yang berbeda.

d.    Memperoleh kembali data dari basis data untuk pelaporan

e.    Memiliki pengamanan data dan kemampuan recovery secara menyeluruh.

3.      Fasilitas Query

Fasilitas query memungkinkan untuk akses, manipulasi dan query data. Fasilitas query menerima permintaan data dari komponen sistem pendukung keputusan, menentukan apakah permintaan dapat dipenuhi, memformulasikan permintaan yang dirinci, dan memberikan kembali kepada peminta. Fungsi penting sistem query sistem pendukung keputusan adalah menseleksi dan memanipulasi operasi-operasi.

4.      Direktori Data

Direktori data adalah katalog dari semua data yang ada dalam basis data. Direktori data berisi definisi data dan gunanya terutama untuk menjawab pertanyaan mengenai data yang tersedia, sumbernya dan arti sesungguhnya. Direktori khususnya diperuntukkan mendukung tahap kecerdasan (intelligent phase) pada proses pembuatan keputusan yaitu membantu dalam mengamati data dan mengenali masalah atau kesempatan.

Subsistem Manajemen Model

Subsistem manajemen model dari sistem pendukung keputusan terdiri dari basis model, sistem manajemen basis model, model directory dan model eksekusi, integrasi dan pelaksanaan model.

1.      Basis Model

Basis model adalah berisi model-model yang yang menyediakan kemampuan analisis pada sistem pendukung keputusan. Hal yang membedakan sistem pendukung keputusan dari Computer Base Information System adalah kemampuannya dalam mengubah, menggabungkan, menjalankan dan memeriksa model. Model-model dalam model base dapat dipecah menjadi empat kategori utama yaitu: adalah strategic model, tactical model, operational model, dan building block.

a.    Strategic model, digunakan untuk membantu manager perencana strategik. Pengaruh yang ditimbulkan keputusan-keputusan tersebut pada seluruh organisasi pada tahun-tahun yang akan datang, seperti menentukan tujuan perusahaan, perencanaan merger dan akuisisi, pemilihan lokasi pabrik, analisa dampak lingkungan dan pembelanjaan modal tak rutin. Kebanyakan menggunakan data eksternal.

b.    Tactical model, digunakan untuk mendukung manajemen tingkat menengah dalam membantu mengalokasikan dan mengontrol sumber daya yang dimiliki organisasi. Hal ini bermakna tanggung jawab untuk melaksanakan rencana dan memastikan tercapainya tujuan. Contoh perencanaan kebutuhan tenaga kerja, perencanaan promosi penjualan, layout pabrik, dan pembelanjaan rutin. Cakupan waktunya bervariasi antara 1 bulan hingga kurang dari 2 tahun. Beberapa data eksternal dibutuhkan meski kebutuhan terbesarnya adalah data internal.

c.    Operational model, digunakan untuk mendukung aktifitas kerja sehari-hari dalam organisasi, yaitu tempat berlangsungnya operasi perusahaan atau bertanggung jawab menyelesaikan rencana-rencana yang telah ditetapkan model-model sebelumnya. Contoh penjadwalan produksi, kontrol persediaan. Model yang digunakan untuk membantu mengambil keputusan manager tingkat bawah dengan cakupan waktu harian hingga bulanan. Model ini biasanya menggunakan data internal.

d.    Model building block, digunakan untuk menentukan variabel, parameter dalam model dan dapat digunakan sebagai analisis data, sebagai komponen dari model yang lebih besar. Beberapa building block dalam sistem pendukung keputusan adalah perangkat lunak yang dijual di pasaran.

2.      Sistem Manajemen Basis Model

Merupakan sebuah perangkat lunak dengan fungsi sebagai pembuatan model, pembaruan model, pengubahan model, dan manipulasi data. Sistem manajemen basis model mampu menghubungkan model-model dengan jaringan yang sesuai lewat basis data. Kemampuan yang dimilikinya meliputi :

a.    Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.

b.    Kemampuan untuk mengakses dan meng-integrasikan modelmodel keputusan.

c.    Kemampuan untuk mengelola basis model dengan fungsi manajemen analog dan basis data.

3.      Model Directory

Merupakan katalog semua model dalam basis model yang terdiri dari definisi model dengan fungsi utamanya untuk menjawab pertanyaan tentang keberadaan dan kemampuan model dalam basis model

4.      Model Eksekusi, Integrasi Dan Pelaksanaan Model

Model eksekusi berfungsi mengontrol jalannya aktifitas aktual atau nyata dari model. Model integrasi berfungsi menggabungkan operasi beberapa model jika diperlukan misal mengarahkan keluaran satu model untuk diolah oleh model yang lain. Sedangkan model pelaksanaan digunakan untuk menerima dan menerjemahkan instruksi model dari model lain.

Subsistem Antar Muka Pengguna

Antar muka pengguna meliputi semua aspek komunikasi antara pengguna dengan management Support System (MSS). Antar muka pengguna (User Interface) yang tidak nyaman dan terlalu rumit

menyebabkan manager tidak menggunakan komputer meskipun teknologinya sudah tersedia. Komponen dialog adalah perangkat keras dan perangkat lunak yang menyediakan antarmuka pengguna (User Interface) sistem pendukung keputusan. Istilah antarmuka pengguna meliputi semua aspek komunikasi antara pengguna dengan sistem pendukung keputusan. Subsistem dialog diatur oleh perangkat lunak yang disebut sebagai dialog generation and management system (DGMS). DGMS juga sering disebut sebagai user interface management system (UIMS). DGMS memungkinkan pengguna berinteraksi dengan subsistem manajemen model dan manajemen data.

Subsistem Manajemen Pengetahuan

Subsistem ini bersifat optional, dimana beberapa keahlian dapat ditambahkan dengan sistem pakar atau sistem kecerdasan. Sistem pendukung keputusan tingkat lanjut dilengkapi komponen yang disebut knowledge management. Komponen tersebut dapat menambahkan keahlian yang dibutuhkan guna memecahkan beberapa aspek masalah dan memberi pengetahuan yang bisa meningkatkan operasi komponen lain.

Simple Additive Weighting Method (SAW)

Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria (Kusumadewi, 2006). Metode SAW membutuhkan proses normalisasi matrik keputusan ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

Metode SAW mengenal adanya 2 (dua) atribut yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan.  Adapun langkah penyelesaian dalam menggunakannya adalah:

1.      Menentukan alternatif, yaitu Ai.

2.      Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj.

3.      Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria.

4.      Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria.

5.      Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria.

6.      Membuat matrik keputusan yang dibentuk dari tabel rating kecocokan dari setiap alternatif pada setiap kriteria. Nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana, i=1,2,…m dan j=1,2,…n.

7.      Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj.

Jika j adalah kriteria keuntungan (benefit)

Jika j adalah kriteria biaya (cost)

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

a.       Dikatakan kriteria keuntungan apabila nilai memberikan keuntungan bagi pengambil keputusan, sebaliknya kriteria biaya apabila menimbulkan biaya bagi pengambil keputusan.

b.      Apabila berupa kriteria keuntungan maka nilai dibagi dengan nilai dari setiap kolom, sedangkan untuk kriteria biaya, nilai dari setiap kolom dibagi dengan nilai

8.      Hasil dari nilai rating kinerja ternomalisasi (rij) membentuk matrik ternormalisasi (R)

9.      Hasil akhir nilai preferensi (Vi ) diperoleh dari penjumlahan dari perkalian elemen baris matrik ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian eleman kolom matrik (W). Hasil perhitungan nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik (Kusumadewi, 2006).

Fuzzy Multiple Attribute Decision Making

FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria (atribut) tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan (Wibowo S, 2009). Sebagian besar pendeketan FMADM dilakukan melalui 2 langkah, yaitu : pertama, membuat rating pada setiap alternatif berdasarkan agregasi drajat kecocokan pada semua kriteria; kedua melakukan perangkingan alternatif-alternatif keputusan tersebut. Dengan demikian, bisa dikatakan bahwa, masalah FMADM 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. Dimana 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 }

Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolute dari pengambil keputusan. Masalah FMADM diakhiri dengan proses perangkingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan preferensi yang diberikan.(Kusumadewi, 2006)

Multiple Attribute Decision Making

Multiple Attribute Decision Making (MADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pengambil keputusan boleh jadi melihat salah satu atribut sebagai yang mempunyai pengaruh besar dan yang lainya memiliki pengaruh kecil, faktanya jika analisis awalnya dalam pengeliminasian alternatif mengalami kegagalan apapun itu bmembutuhkan kinerja yang minimal. (Kahraman, 2008).

Pada dasarnya, ada 3 (tiga) pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subjektif, pendekatan objektif dan pendekatan integrasi antara subjektif dan objektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subjektif, nilai bobot ditentukan berdasarkan subjektivitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Pada pendekatan objektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektivitas dari pengambil keputusan.