Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

1 DECISION SUPPORT SYSTEM (DSS) AND EXPERT MANAGEMENT SYSTEM (EMS) Prof. Dr. Ir. Marimin, M.Sc.

Presentasi serupa


Presentasi berjudul: "1 DECISION SUPPORT SYSTEM (DSS) AND EXPERT MANAGEMENT SYSTEM (EMS) Prof. Dr. Ir. Marimin, M.Sc."— Transcript presentasi:

1 1 DECISION SUPPORT SYSTEM (DSS) AND EXPERT MANAGEMENT SYSTEM (EMS) Prof. Dr. Ir. Marimin, M.Sc.

2 2 Note : MIS: Management Information System DSS: Decision Support System SOP: Standard Operation Procedure MES: Monitoring and Evaluation System INFORMATION DECISION ALTERNATIVE DATA ACTION DECISION MIS NUMBER/ TERMS SOP DSS MES Information Cycle

3 3 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)

4 4 Directive Strateg ic Tactic Operasional ES DBMS IS EIS MIS Posisi ES/ES pada Sistem Informasi (IS) DSS EDP

5 5 System Definition Element (E 1 ) E2E2 E3E3 E5E5 E4E4 Sub Goal Goal System Characteristic -Goal Oriented -Holistic Not Partial -Effectiveness Not Efficiency

6 6 System Classification Matrix SystemInputProcessOutput Analysis  ? Design  ?  Control?  Industrial promotion is a system…….? Institutions information system is a system ……?

7 7 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)

8 8 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

9 9 DSS STRUCTURE Data; External and Internal Data Based Management Dialog Management Model Based Management Other Computer- based Systems Manager (User) and Tasks

10 10 SAMPLE OF DECISION AREA Eutrofication control Municipal waste control Industrial planning Water allocation and usage Budged allocation Seat allocation of a general election ……

11 11 Frame work of Lake/Reservoirs Water Quality Management L/RDM Policy Concept of Water Recourses Availability/Supply Balance Dynamic Approach Concept of Water Use (Demand/ Efficiency) Water Resources Technology Water Use Technology Water Resources Development & Management Quantity -Surface -Ground Water Quality -Instream -Offtream Location -Insite -Outside Insite Period -Development Operations Investment Concept Balanced Ability to Pay Concept Sectoral Development & Management - Domestic - Industrial Agriculture - Energy - Tourism - Transportation - Ecology Integrated Conjective People

12 12 Recourses Potential Demand/Sectoral Programs (Quantity and Quality) Water Use Priority Setting Regional Characteristic (Including People’s Motivation & Willingness) WRDM Planning Constraints Increasing Water Demand Conflict Between Users Environmental Degrading Depletion of Available Water Funding Involvement of Private etc. Water Allocation (Issuance of License) Regional Development Plan Spatial Master Plan WATER RESOURCES DEVELOPMENT MANAGEMENT (WRDM)

13 13 DSS for Eutrophication Control Data DBMS Profile of Lake Profile of in flow Profile of Utilization Model MBMS Time Series Model Optimization Model Multi criteria Decision Making CPS DMS Users

14 14 Elaborate DSS for Eutrophication Control DBMS Profile of Lake - Profile of in flow - Profile of utilization -

15 15 MBMS Time Series Model - Optimization Model - MCDM Model -

16 16 DSS for Lake/Reservoirs Water Quality Evaluation and Treatment Diagnose of - Pollution level * highly polluted * polluted * unpolluted Treatment - Suggestion for treatment

17 17 Data -Waste Profile -Population -Compost Industry Profile Data Extraction DBMS DBMS Function -Input -Edit -Sort -Integrated MBMS Waste Prediction Population Dynamic Model Financial Analysis Model MCDM Dialog Management System User Figure : DSS for municipal waste control

18 18 ARTIFICIAL INTELIGENCE/ KECERDASAN BUATAN A.Pengolahan Bahasa Natural B.Pengembangan robot C.SISTEM PAKAR 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

19 19 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

20 20 Table : Differences between ES and DSS DSSES ObjectiveAssist human decision makerReplicate (mimic) human advisers and replace them Who makes the recommendations (decision)? The human and/or the systemThe system Major orientationDecision makingTransfer of expertise (human- machine-human) and rendering of advice Major query directionHuman queries the machineHuman queries the human Nature of supportPersonal, groups, and institutional Personal (mainly), and groups Manipulation methodNumericalSymbolic Characteristics of problem area Complex, integrated, wideNarrow domain Type of problemAd hoc, uniqueRepetitive Contents of databaseFactual knowledgeProcedural and factual knowledge Reasoning capabilityNoYes, limited Explanation capabilityLimitedYes

21 21 Expert Management System (EMS) Structure Data; External and Internal Other Computer- based Systems Data Management Dialog Management Model Management Manager (User) and Tasks Knowledge Management Knowledge Source Experts Report

22 22 EMS for Eutrophication Control Data DBMS Profile of Lake Profile of in flow Profile of Utilization Model MBMS Time Series Model Optimization Model Multi criteria Decision Making CPS DMS KBMS Expert Judgment Qualitative Information Knowledge Users

23 23 Konfigurasi EMS Industri Hortikultura Sistem Manajemen Basis Pengetahuan Akuisi Pengetahuan Konseptualisasi Pengetahuan Representasi Pengetahuan Mekanisme Inferensi Model Sistem Pengolahan Terpusat Sistem Manajemen Dialog Pengetahuan Sistem Manajemen Basis Data Data Produksi dan Konsumsi Komoditas Data Komoditas Hortikultura Data Produk Agroindustri Data Pertumbuhan Penduduk Data Strategi Pengembangan Agroindustri Hortikultura 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 Hortikultura Sub Model Kelayakan Finansial Agroindustri

24 24 Konfigurasi Model SiMPATi 2002 Sistem Manajemen Basis Pengetahuan Akuisi Pengetahuan Konseptualisasi Pengetahuan Representasi Pengetahuan Mekanisme Inferensi Model Sistem Pengolahan Terpusat Sistem Manajemen Dialog Pengetahuan Sistem Manajemen Basis Data Data Produksi dan Konsumsi Komoditas Data Komoditas Hortikultura Data Produk Agroindustri Data Pertumbuhan Penduduk Data Strategi Pengembangan Agroindustri Hortikultura 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 Hortikultura Sub Model Kelayakan Finansial Agroindustri

25 25 Sistem Pendukung Keputusan bagi KPU Sistem Manajemen Basis Pengetahuan Akuisi Pengetahuan Konseptualisasi Pengetahuan Representasi Pengetahuan Mekanisme Inferensi Model Sistem Pengolahan Terpusat Sistem Manajemen Dialog Pengetahuan Sistem 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

26 26 METODOLOGI METODA Pendekatan Sistem Analasis Kebutuhan Formulasi Permasalahan Identifikasi Sistem Pemilihan Komoditas Unggulan AHP MPE Pemilihan Produk Unggulan Lokasi AgroindustriSistem Pakar Regresi Linier Ketersediaan Bahan Baku Strategi Pengembangan Agroindustri Hortikultura Kelayakan Agroindustri AHP B/C Ratio,,NPV, IRR dan PBP MULAI

27 27 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

28 28 Implementasi Pengumpulan Data TATA LAKSANA Pengembangan Sistem Basis Pengetahuan Mekanisme Inferensi Integrasi Sistem Basis Data Basis Model Verifikasi Telaah Literatur Pustaka Jurnal Laporan Observasi Lapang Wawancara dengan Pakar

29 29 Penentuan Proritas Komoditas Unggulan Dengan 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

30 30 VERIFIKASI dan PEMBAHASAN A. Sub Model Pemilihan Komoditas Unggulan Penentuan Kriteria dan Pembobotan No.KRITERIA BOBOT Pairwise BOBOT (faktor konversi = 20) 1.Potensi Komoditas0, Nilai Ekonomis0, Keterkaitan Dengan Pendapatan Rakyat0, Penyebaran Lokasi0, Kesempatan Untuk Diversifakasi Produk0, Intensifikasi Dan Ekstensifikasi0, Kebijakan Pemerintah0,05561

31 31 Penentuan Alternatif Komoditas Hortikultura Unggulan Jambu Biji, Pisang, Mangga dan Tomat Penilaian Komoditas terhadap Kriteria Hasil Analisis dengan Metode MPE : PRIORTASKOMODITASNILAI MPE 1Pisang Mangga Jambu Biji Tomat49.847

32 32 B. Sub Model Pemilihan Produk Unggulan Penentuan Kriteria dan Pembobotan No.KRITERIA BOBOT Pairwise BOBOT (faktor konversi = 20) 1.Kontinuitas Bahan Baku0, Peluang Pasar0, Nilai Tambah Produk0, Teknologi Yang Sudah Dipakai0, Penyerapan Tenaga Kerja0, Dampak Ganda Terhadap Produk Lain0, Dampak Lingkungan0, Kondisi Agroindustri Saat Ini0, Kebijakan Pemerintah0,02671

33 33 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 : PRIORTASPRODUKNILAI MPE 1Sale Pisang Kripik Pisang Sari Buah Pisang Tepung Pisang53.489

34 34 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-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 Cikalongkulon Prioritas 2. Kecamatan Karang Tengah Prioritas 3. Kecamatan Sindang Barang Prioritas 4. Kecamatan Mande.

35 35 D. Sub Model Prakiraan Ketersediaan Bahan Baku Data Yang Tersedia : Data Produksi Pisang ( ) Prakiraan Produksi tahun 2002 dengan analisis regresi adalah ton (Y = 95329,3 X ,3 dan R 2 = 0,7207) TahunProduksi (ton) Data jumlah Penduduk ( ) TahunPenduduk Prakiraan Jumlah Penduduk tahun 2002 dengan analisis regresi adalah jiwa (Y = 40208,9X ,5 dan R 2 = 0,7207)

36 36 Konsumsi Rata-rata = 18 kg per kapita per tahun Konsumsi untuk Agroindustri yang ada = ton Penjualan ke Luar daerah = 60 % dari produksi Hasi Analisis : Prakiraan Produksi Prakiraan Konsumsi Kebutuhan Bahan Baku Status Ketersediaan Tersedia Hasil Analisis sistem menunjukkan untuk suatu agroindustri dengan kapasitas produksi 365 ton/tahun ketersediaan bahan baku diperkirakan masih mencukupi

37 37 E. Sub Model Kelayakan Finansial Agroindustri Asumsi yang digunakan : Verifikasi  kelayakan agroindustri Sale Pisang Umur Proyek10 Tahun Jumlah Produksi (Produk/Tahun) Persentase Terjual90 % Harga Jual ProdukRp 2.500,- Bunga Bank saat ini18 % Persentase Produksi Tahun I70 % Tahun II85 % Tahun III s/d Tahun X100 % Perawatan 2%, Penyusutan 10 %, Asuransi 0,5 %, Pajak Bangunan 2 %

38 38 LAYAK Hasil Analisis : Kriteria Kelayakan Keadaan Normal Terjadi 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 ,-Rp ,-Rp ,-Rp ,- BEPRp , ,-Rp , ,- ROI20,47 %8,43 %15,33 %3,8 % B/C Ratio1,21,081,151,04 NPVRp ,-Rp ,-Rp ,-(Rp ,-) IRR47,47 %22,44 %38,56 %11,66 % PBP2,5 Tahun4,25 Tahun2,92 Tahun6,03 Tahun TIDAK LAYAK

39 39 F. Sub Model Strategi Pengembangan Agroindustri Hortikultura Teknik Pengambilan Keputusan yang digunakan adalah Proses Hirarki Analitik Hasil Analisis : NoFAKTORBobot AHPPrioritas 1 Sumberdaya Manusia (SDM) 0, Sumberdaya Alam (SDA) 0, Modal 0, Pemasaran 0, Sarana dan Prasarana 0, Kebijakan Pemerintah 0,20152 Prioritas Faktor

40 40 Prioritas Aktor NoAKTORBobot AHPPrioritas 1Pemerintah0, Petani0, Pengusaha0, Pemerintah0, Perbankan0, Pedagang0,13995 NoTujuanBobot AHPPrioritas 1Perluasan Lapangan Pekerjaan0, Perluasan Pasar0, Peningkatan Daya Saing0, Peningkatan Pendapatan0, Pembangunan Daerah0,11855 Prioritas Tujuan NoAlternatif TindakanBobot AHPPrioritas 1 Mempertahankan dan Memperkuat Agroindustri yang telah ada 0, Menciptakan suasana yang medukung tumbuhnya Agroindustri Baru 0,54101 Prioritas Alternatif Tindakan

41 41 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 %)


Download ppt "1 DECISION SUPPORT SYSTEM (DSS) AND EXPERT MANAGEMENT SYSTEM (EMS) Prof. Dr. Ir. Marimin, M.Sc."

Presentasi serupa


Iklan oleh Google