Decision Support Systems: Untuk Individual, Kelompok, dan Organisasi

Menurut Turban, Sistem Pendukung Keputusan (Decision Support Systems-DSS)adalah system informasi berbasis komputer yang menggabungkan model dan data guna menyelesaikan masalah semiterstruktur dan beberapa masalah tak terstruktur dengan keterlibatan pengguna secara luas.
DSS menerapkan model matematika dan memiliki kemampuan khusus yang terkait yaitu analisis sensitivitas dimana dua tipe yang popular adalah : analisis what-if dan analisis pencarian tujuan :

• Analisis Sensitivitas. Adalah studi mengenai dampak dan perubahan pada satu atau beberapa bagian dari suatu model terhadap bagian lainnya.
• Analisis What-if. Adalah studi mengenai dampak suatu perubahan dalam asumsi (data yang dimaksudkan) pada solusi yang diusulkan.
• Analisis Pencarian Tujuan. Adalah studi yang beusaha mencari nilai masukan yang dibutuhkan untuk mencapai tingkat hasil yang diharapkan.
• DSS mempunyai kemampuan :
• DSS memberi dukungan bagi pengambil keputusan pada semua tingkat manajemen, baik individu maupun kelompok, terutama dalam situasi semitrestruktur dan terstruktur, dengan menyatukan penilaian manusia dan informasi objektif.
• DSS mendukung beberapa keputusan yang saling berkaitan dan atau berurutan.
• DSS mendukung semua tahap dalam proses pengambilan keputusan-intelegensi, desain, pilihan, dan implementasi-serta berbagai proses dan gaya pengambilan keputusan.
• DSS dapat diadaptasikan oleh pengguna sepanjang waktu untuk menghadapi kondisi yang berubah-ubah.
• DSS mudah untuk dikonstruksi dan digunakan dalam banyak kasus.
• DSS mendorong pembelajaran, yang mengarah ke permintaan baru dan penyempurnaan aplikasi yang ada saat ini, yang mengarah ke pembelajaran tambahan dan seterusnya.
• DSS biasanya menggunakan model kuantitatif (satndar dan atau yang disesuaikan).
• DSS tingkat lanjut dilengkapi dengan komonen manajemen yang memungkinan solusi yang efisien dan efektif untuk masalah yang sangat rumit.
• DSS dapat disebarkan untuk digunakan melalui Web.
• DSS memungkinkan pelaksanaan analisis sensitivitas secara mudah.

Setiap DSS terdiri atas minimal subsistem manajemen data, subsistem manajemen model, antarmuka penguna, pengguna akhir. Beberapa DSS lanjut mempunyai subsistem berbasis pengetahuan.

• Subsistem manajemen data. Berisi semua data yang mengalir dari berbagai sumber. Data biasanay diekstraksi sebelum dimasukkan ke basis data DSS atau gudang data.
• Subsistem manajemen model. Berisi model yang lengkap dan blok bangunan yang diperlukan untuk mengembangkan aplikasi DSS. Ini mencakup piranti lunak standar dengan model keuangan, statistic dan ilmu manajemen, atau model kuantitatif lainnya. Subsistem manajemen model juga berisi semua model khusus yang ditulis untuk DSS tertentu. Model ini memberikan kemampuan analisis bagi system.
• Antarmuka pengguna. Istilah antarmuka pengguna mencakup semua aspek komunikasi antara pengguna dan DSS. Antarmuka pengguna menyediakan banyak daya, fleksibilitas, dan kemudahan pemakaian dari DSS.
• Pengguna. Orang yang menghadapi masalah atau keputusan yang harus didukung oleh DSS disebut pengguna, manajer, atau pengambil keputusan. DSS mempunyai dua kelompok pengguna : manajer dan staf ahli (seperti analis keuangan, perencana produksi, dan peneliti pasar)
• Subsistem berbasis pengetahuan. Menyediakan keahlian yang diharapkan untuk menyelesaikan beberapa aspek dari masalah atau dapat menyediakan pengetahuan yang dapat memperkuat operasi dari komponen DSS lainnya.

Cara kerja DSS adalah ketika pengguna mendapatkan masalah bisnis, masalah tersebut dievaluasi. Sistem DSS kemudian dikonstruksi. Pengguna DSS mendapatkan data dari gudang data, basis data, dan smber data lainnya. Pengetahuan dapat juga dikumpulkan dari basis pengetahuan perusahaan. Semakin banyak masalah yang diselesaikan, semakin banyak pengetahuan yang terkumpul dalam basis pengetahuan organisasi.

Gambar 1 : cara kerja DSS

Visualisasi Spreadsheet. Spreadsheet adalah tools untuk end-user yang banyak digunakan dalam aplikasi DSS. Excel menawarkan matematikal, statistical, laporan, query (termasuk what-if analisis dan goal-seeking) dan DSS tools yang lain.
Microsoft excel telah digunakan secara luas sebagai alat yang mudah dan powerful untuk form manipulasi data. Excel telah memasukkan alat kalkulasi data sederhana yang sekarang digunakan sebagai alat yang canggih dan fleksibel untuk mengumpulkan, menganalisis, meringkas data dari berbagai sumber.

DSS Kelompok. Pengambilan keputusan sering merupakan proses bersama. Ketika kelompok pengambil keputusan dibantu secara elektronik, bantuan tersebut disebut pembuat keputusan kelompok. Ada dua kelompok yang dapat dibantu : kelompok “satu ruangan” yang anggotanya berada di satu tempat (misalnya ruang rapat) dan kelompok virtual yang anggotanya berada di lokasi berbeda-beda.
DSS Kelompok adalah system berbasis computer interaktif yang memfasilitasi usaha kelompok untuk menemukan solusi atas masalah semiterstruktur dan masalah terstruktur. Tujuan dari DSS Kelompok adalah mendukung proses untuk mencapai keputusan.

DSS Organisasi (ODDS) adalah system yang berfokus pada tugas atau kegiatan organisasional yang melibatkan urutan operasi dan pengambil keputusan, seperti mengembangkan rencana pemasaran divisi atau menyusun anggaran modal. Setiap kegiatan individual harus berhubungan erat dengan pekerjaan orang lain. Dukungan computer utamanya dipandang sebagai sarana untuk memperbaiki komunikasi dan koordinasi selain untuk penyelesaian masalah.

Ada tiga karakteristik utama DSS Organisasi yaitu : (1) ODDS mempengaruhi beberapa unit organisasional atau masalah perusahaan, (2) ODDS memotong fungsi-fungsi organisasional atau lapisan hierarkis, (3) ODDS melibatkan teknologi berbasis computer dan biasanya mencakup teknologi komunikasi, (4) ODDS sering berinteraksi atau berintegrasi dengan system informasi perusahaan seperti system informasi eksekutif.

Sistem informasi eksekutif yang juga disebut sebagai system pendukung eksekutif adalah teknologi berbasis computer yang disesain untuk merespons kebutuhan khusus dari eksekutif. Sistem informasi eksekutif melayani kebutuhan informasi dari eksekutif tingkat atas dengan menyediakan akses yang cepat terhadap informasi dan akses langsung ke laporan manajemen. Sistem informasi eksekutif sangat mudah digunakan dan didukung oleh grafis, serta menyediakan kemampuan pelaporan pengecualian.

Menurut Selwyn Piramuthu dan Michael J Shaw dalam makalahnya “Learning-enhanced adaptive DSS: a Design Science perspective”, Simon mengklasifikasikan keputusan sebagai terstruktur (Programmable, rutin) atau tidak terstruktur (nonprogrammable) berdasarkan proses pengambilan keputusan. Sebuah proses bisa tidak terstruktur karena tujuan yang kurang jelas, ketidakpastian, sesuatu yang baru,kendala waktu, kurangnya domain penting dari pengetahuan, ruang pencarian yang luas, kebutuhan data yang tidak bisa diukur, dll Karena terdiri dari prosedur pengambilan keputusan yang jelas, sebuah skenario pengambilan keputusan terstruktur bisa didekati menggunakan algoritma dan aturan keputusan.
Situasi pengambilan keputusan semi- terstruktur dan tidak terstruktur membutuhkan lebih dari sekedar deterministik algoritma / tools standar. dari sekedar deterministik algoritma / tools standar. DSS adalah alat pendukung yang digunakan oleh pengambil keputusan terutama untuk masalah semi-terstruktur dan tidak terstruktur. DSS tools menjangkau seluruh spektrum dari membantu dalam ''what-if?'' analisis dengan perangkat berbasis pengetahuan kompleks yang dapat digunakan untuk mengotomatisasi sistem.
Kebanyakan lingkungan pembuatan keputusan kenyataannya tidak statis. DSS tradisional statis (pasif) dalam arti hanya beroperasi pada input data yang terstandar atau didefinisikan dengan jelas menggunakan seperangkat rutinitas pre-programmed dan hanya merespon untuk seperangkat input pre-specified dari pengguna. Hal ini pada dasarnya mengurangi kemampuan DSS untuk memberikan dukungan keputusan hanya pada situasi masalah yang terdefinisi dengan baik, jelas, dan terstruktur, sementara pengguna mengharapkan bahwa DSS ini dapat menangani masalah tidak terstruktur dalam lingkungan yang dinamis, tidak pasti, dan manajemen yang semakin kompleks dengan lebih mudah Oleh karena itu, dengan menggunakan alat statis dalam lingkungan yang selalu berubah dinamis menghasilkan keputusan yang buruk
Kesenjangan antara harapan dan apa yang diberikan ini terjadi sampai sistem berbasis pengetahuan menjadi populer. Hal ini terjadi ketika DSS yang adaptif (atau, aktif) ikut bermain. DSS aktif, proaktif dan mampu menangani situasi pengambilan keputusan yang kompleks, tidak terstruktur yang melibatkan ambiguitas.
DSS yang adaptif, idealnya DSS yang adaptif harus dapat mendukung pengambilan keputusan yang adaptif terhadap perubahan baik pada preferensi pengguna maupun lingkungan. Dinamika perubahan dapat memiliki sumber-sumber yang berbeda, termasuk masalah lingkungan, preferensi pengguna termasuk perubahan dalam kriteria kinerja serta apakah harus proaktif atau reaktif terhadap situasi pengambilan keputusan di masa depan. DSS yang adaptif juga harus mampu menangani masalah secara proaktif dan reaktif meski proaktif itu sulit dalam sejumlah besar skenario dunia nyata.
Kerangka DSS adaptif berbasis pengetahuan dianggap dalam makalah ini mampu berkembang di lingkungan dengan dinamika yang disebutkan di atas. Ini juga merupakan artefak kerangka kerja generik , sesuai dengan pengertian ilmu desain, instansiasi itu dapat dikembangkan untuk spesifik aplikasi untuk memecahkan masalah yang ada di dunia nyata.
Selain itu, sesuai dengan mandat ilmu desain, kerangka kerja generik dianggap dapat digunakan untuk memecahkan masalah-masalah penting dengan cara-cara yang unik atau inovatif atau memecahkan masalah secara lebih efektif dan efisien.
DSS adaptif dengan pembelajaran. Kerangka kerja generik dari DSS adaptif berisi empat komponen utama yang bekerja bersama untuk secara efektif memberikan kemampuan adaptasi : Pembelajaran, Pemecahan masalah, Simulasi, dan Evaluasi kinerja. Keempat komponen tersebut secara sinergis bekerja sama untuk memberikan kerangka kerja yang bermanfaat dari penggabungan kekuatan masing- masing komponen.

Kerangka DSS adaptif

• Komponen Pembelajaran. Belajar adalah karakteristik penting dari setiap system cerdas. Tanpa pembelajaran, sistem pasti akan mengulang kesalahan. Sistem berbasis pengetahuan yang tidak memiliki kemampuan pembelajaran pasti akan statis dan dengan demikian menjadi cepat basi dalam hal pengetahuan yang paling dinamis di lingkungan yang memerlukan update basis pengetahuan secara dinamis untuk tetap berjalan.. Komponen Belajar merupakan inti dari kerangka DSS yang adaptif karena merupakan dasar sumber pengetahuan.
• Komponen pemecahan masalah. Kemampuan memecahkan masalah merupakan ciri penting dari DSS adaptif karena merupakan persyaratan untuk mendukung situasi pengambilan keputusan. Karakteristik penting dari komponen pemecahah masalah mencakup kemampuan untuk pembaruan basis pengetahuan perusahaan- menggunakan input dari komponen Pembelajaran, tepatnya meniru dari pengoperasian sistem nyata dalam komputer. Tujuan utama dari komponen Simulasi adalah membantu Proses Pembelajaran mengisi basis pengetahuan dengan pengetahuan yang relevan sebagai dan waktu yang dianggap layak. memanggil pengetahuan yang diperlukan dari-dasar pengetahuan dan menggunakannya untuk memecahkan persoalan pengambilan keputusan masukan dari lingkungan, dan memberikan output solusi yang paling tepat untuk kombinasi antar pengetahuan yang ada dan problem interest.
• Komponen Simulasi. Komponen Simulasi, seperti namanya, digunakan untuk mensimulasikan contoh-contoh pelatihan yang diperlukan untuk digunakan sebagai masukan ke komponen Belajar. Simulasi Sistem adalah
• Komponen Evaluasi Kinerja. Tujuan dari komponen-evaluasi kinerja adalah untuk secara tidak langsung menjaga pengetahuan dasar dalam komponen pemecahan masalah saat ini. Komponen ini bertanggung jawab untuk secara proaktif menjaga pengetahuan-dasar dari menjadi basi. Hal ini terutama dilakukan melalui pemantauan kualitas basis pengetahuan secara tidak langsung melalui kinerja sistem.

Manajer dan Pengambilan Keputusan

Manajemen adalah suatu proses dimana tujuan organisasi dicapai melalui penggunaan sumber daya (orang, uang, energy, materi, ruang, waktu). Sumber daya ini dianggap sebagai input dan pencapaian tujuan dipandang sebagai outputnya. Dalam proses manajemen dibutuhkan seorang manajer untuk mengawasi proses ini dalam upaya untuk mengoptimalkannya. Tugas utama seorang manajer adalah membuat keputusan. Pembuatan keputusan manajerial sering diartikan sama dengan manajemen.

Pengambilan keputusan adalah pilihan di antara beberapa keyakinan atau antara beberapa alternatif untuk melakukan suatu tindakan. Membuat keputusan membutuhkan beberapa langkah. Secara umum, keputusan dimulai dengan analisis situasi saat ini, yang menimbulkan satu atau lebih tujuan. Tujuan mungkin memiliki satu atau lebih kandidat solusi untuk mencapainya. Proses inferensi menghasilkan argumen yang mendukung dan menentang masing-masing kandidat. Pengambilan keputusan kemudian merangking dan mengevaluasi calon berdasarkan argument yang mendasari dan memilih salah satu kandidat sebagai akhir keputusan. Akhirnya, keputusan berkomitmen untuk sebuah keyakinan baru tentang situasi, atau niat untuk bertindak dengan cara tertentu.
Pengambilan keputusan sulit dilakukan tanpa informasi yang valid dan relevan, terlebih lagi dalam lingkungan yang terus berubah. Dalam lingkungan bisnis saat ini sangat sulit atau tidak mungkin melakukan analisis permasalahan yang kompleks tanpa dukungan komputer. Informasi diperlukan untuk setiap tahap dan kegiatan dalam proses pengambilan keputusan. Membuat keputusan dimana pengolahan informasinya dilakukan secara manual adalah sangat sulit karena :

• Jumlah alternatif yang harus dipertimbangkan semakin banyak, karena inovasi teknologi, peningkatan dalam hal komunikasi, perkembangan pasar global, serta penggunaan internet dan e-bisnis. Kunci untuk membuat keputusan yang baik adalah untuk mengeksplorasi dan membandingkan alternatif yang relevan. Semakin banyak alternatif, pencarian dan pembandingan dengan bantuan komputer semakin diperlukan.
• Banyak keputusan harus dibuat di bawah tekanan waktu. Proses manual tidak mungkin menghasilkan informasi secara cepat.
• Karena peningkatan fluktuasi dan ketidakpastian dalam lingkungan keputusan, sering diperlukan analisis canggih untuk membuat keputusan. Analisis semacam itu biasanya membutuhkan penggunaan model matematika. Model pengolahan secara manual dapat memakan waktu sangat lama.
• Sering diperlukan untuk mengakses informasi secara cepat dari jarak jauh, konsultasi dengan ahli, atau pengambilan keputusan kelompok, semua tanpa biaya besar. Para pembuat keputusan dapat berada di lokasi yang berbeda, begitu juga informasinya.
• Dalam pembuatan keputusan, organisasi perlu melakukan peramalan harga, pangsa pasar, dan sebagainya. Peramalan yang reliable membutuhkan metode analitis dan statistik.
• Membuat keputusan membutuhkan data, streaming data internet sangat besar dan berkembang sangat cepat. Data berada di banyak tempat dan perlu diintegrasikan.
• Kecenderungan ini menyebabkan kesulitan dalam membuat keputusan, tetapi analisis dengan komputer akan sangat membantu. Sebagai contoh DSS dapat memeriksa berbagai alternatif dengan sangat cepat, memberikan analisis risiko sistematis, dapat dintegrasikan system komunikasi dan database, dan dapat digunakan untuk mendukung kerja kelompok. Dan semua ini dapat dilakukan dengan biaya yang relatif rendah.

Proses pengambilan keputusan melibatkan tugas-tugas tertentu (seperti peramalan dan mengevaluasi alternatif). Proses ini dapat cukup panjang, yang mengganggu untuk seorang manajer sibuk. Otomasi tugas tertentu dapat menghemat waktu, meningkatkan konsistensi, dan memungkinkan pengambilan keputusan yang lebih baik.
Apakah mungkin untuk sepenuhnya mengotomatisasi pekerjaan manajer? Secara umum, telah ditemukan bahwa tugas manajer menengah adalah yang paling mungkin diotomasi. Mid-level manajer membuat membuat keputusan yang cukup rutin, dan ini dapat sepenuhnya otomatis. Manajer yang lebih rendah tidak banyak melakukan pengambilan keputusan. Sebaliknya mereka mengawasi, melatih, dan memotivasi non manajer. Beberapa keputusan rutin mereka, seperti penjadualan dapat otomatis, sedang keputusan yang melibatkan aspek perilaku tidak bias otomatis. Tugas manajer puncak adalah yang paling sedikit rutinitasnya sehingga paling sulit untuk mengotomasi.
Teknologi informasi apa yang tersedia untuk mendukung manajer ? Selain penemuan, alat komunikasi dan kolaborasi yang memberikan dukungan tidak langsung kepada pengambilan keputusan, beberapa tenologi informasi lainnya telah berhasil digunakan untuk mendukung manajer. Web dapat memfasilitasi mereka semua. Secara keseluruhan, mereka disebut sebagai Management Support Systems (MSSs). Yang pertama dari teknologi ini adalah sistem pendukung keputusan, yang telah digunakan sejak pertengahan 1970-an. Mereka menyediakan dukungan terutama untuk analisis, jenis keputusan kuantitatif. Kedua, sistem pendukung eksekutif (perusahaan) merupakan sebuah teknologi yang dikembangkan awalnya di pertengahan 1980-an, terutama untuk mendukung peran informasi eksekutif. Yang ketiga teknologi, sistem pendukung pengambilan keputusan kelompok, mendukung manajer dan staf yang bekerja dalam kelompok. Teknologi keempat adalah sistem cerdas. Keempat teknologi dan varian mereka dapat digunakan secara terpisah, atau mereka dapat dikombinasikan, masing-masing memberikan kemampuan yang berbeda