Review Literatur - Decision Support and Bussiness Intelligence Systems 9th edition oleh Efraim Turban

Rifki Irawan - P056120222.41E
Mahasiswa Pascasarjana MB IPB
 
2.   Pembuatan Keputusan, Sistem, Pemodelan, and Dukungan (Decision Support, Systems, Modeling, and Support)

2.1.    Pemodelan Keputusan pada HP Menggunakan Spreadsheet

Beberapa hal penting yang disampaikan dalam menyediakan dukungan keputusan pada suatu organisasi yang berskala besar adalah:

a.       Pembuat keputusan perlu untuk memiliki pemahaman yang baik mengenai masalah yang akan diteliti sebelum membangun model keputusannya.

b.       Sebuah model keputusan boleh mungkin tidak diperlukan untuk mengatasi masalah.

c.       Sebelum membuat perangkat yang baru, pembuat keputusan harus mengeksplorasi penggunaan kembali perangkat yang ada saat ini.

d.       Tujuan dari pembangunan model yaitu untuk memperoleh wawasan yang lebih baik terhadap masalah.

e.       Rencana implementasi harus dikembangkan bersama dengan model.

2.2.    Pembuatan Keputusan: Pendahuluan dan Definisi

Aspek dari pembuatan keputusan yang penting untuk dimengerti agar dapat mengembangkan dukungan komputer yang efektif meliputi hal berikut ini:

a.       Karakteristik dari pembuatan keputusan, seperti groupthink, experimentation, dan information overload.

b.       Decision styles dari para pembuat keputusan.

c.       Tujuan dari para pembuat keputusan.

d.       Disiplin keilmuan pendukung, gaya dan bagaimana mereka berhubungan dengan karakteristik pribadi dari pembuat keputusan, dan sifat keterlibatan kelompok dalam keputusan.

e.       Rasionalitas pembuat keputusan. Seorang pembuat keputusan seharusnya tidak hanya menerapkan alat teknologi informasi secara sporadis. Sebaliknya, pembuat keputusan mendapat dukungan melalui pendekatan rasional yang menyederhanakan realitas dan menyediakan cara yang relatif cepat dan murah mempertimbangkan berbagai program alternatif tindakan untuk tiba di terbaik atau solusi yang baik untuk masalah ini.

Lingkungan bisnis saat ini sangat dinamis. Sementara keputusan sedang dibuat, perubahan mungkin terjadi dalam lingkungan pengambilan keputusan. Perubahan tersebut dapat membatalkan asumsi keputusan yang didasarkan sebelumnya. Ada tekanan waktu dari perubahan yang sama dalam lingkungan pengambilan keputusan, dapat mempengaruhi kualitas keputusan dengan menerapkan tekanan waktu pada pengambil keputusan. Lingkungan bisnis yang cepat berubah sering membutuhkan keputusan cepat, yang sebenarnya bisa merugikan kualitas keputusan. Biaya tinggi dan waktu yang lama dalam mengumpulkan informasi serta menganalisis masalah. Sulitnya menentukan kapan harus berhenti dan membuat keputusan, mungkin kurangnya informasi yang cukup untuk membuat keputusan cerdas, dan sebaliknya kemungkinan ketersediaan terlalu banyaknya informasi (information overload).

Identifikasi persamaan dan perbedaan antara membuat keputusan individu versus kelompok:

a.       Pengambil keputusan individu membutuhkan akses data dan para ahli yang dapat memberikan saran, sementara basis kelompok membutuhkan alat kolaborasi dalam berkomunikasi satu dengan yang lainnya.

b.       Seringnya pertentangan tujuan dalam pengaturan pengambilan keputusan kelompok, tetapi tidak dalam basis individu.

c.       Kelompok dapat menjadi ukuran variabel, mungkin termasuk orang-orang dari departemen yang berbeda, atau bahkan dari organisasi yang berbeda. Individu dalam berkolaborasi mungkin memiliki gaya kognitif, tipe kepribadian, dan gaya pengambilan keputusan yang berbeda. Beberapa friksi terjadi, sedangkan hal lain dapat saling membantu.

d.       Konsensus dapat menjadi masalah politik yang sulit dalam pengambilan keputusan kelompok, yang tidak menjadi masalah dalam pengambilan keputusan individu.

Untuk alasan tersebut, pembuatan keputusan kelompok dapat lebih rumit daripada membuat keputusan individu.

Dalam perbedaan konsep antara pengambilan keputusan dan pemecahan masalah, beberapa orang menganggap pengambilan keputusan sebagai tiga langkah pertama dalam pemecahan masalah. Sedangkan pihak lainnya menggunakan istilah secara bergantian. Mereka yang membedakan menganggap bahwa pengambilan keputusan merupakan proses pembuatan rekomendasi, sedangkan pemecahan masalah meliputi pelaksanaan rekomendasi dan mungkin memantau dampaknya untuk menentukan apakah atau tidak masalah telah dipecahkan. Sebagian ahli pada subjek tersebut tidak setuju untuk membedakan antara dua konsep itu.

Gaya pengambilan keputusan adalah cara dimana seorang pengambil keputusan berpikir dan bereaksi terhadap masalah. Hal ini penting untuk mempertimbangkan karena gaya keputusan yang berbeda membutuhkan berbagai jenis dukungan.

2.3.    Model Keputusan

Kategori model yang dapat berguna dalam bisnis meliputi model ikonik (skala, fisik), model analog, model mental, dan model matematik (kuantitatif). Jenis lain dari model, seperti model fashion atau model data yang digunakan dalam analisis sistem dan desain, tidak relevan dengan konteks ini, tetapi berbagi konsep yang mendasari mewakili beberapa aspek dari suatu sistem nyata, memiliki keuntungan lebih untuk tujuan tertentu dan kurang fitur yang akan memungkinkan mereka untuk menggantikannya. Keuntungan model matematika dalam pembuatan keputusan adalah sebagai berikut di bawah ini :

a.       Model manipulasi (mengubah variabel keputusan atau lingkungan) jauh lebih mudah daripada memanipulasi sistem nyata. Eksperimentasi adalah mudah dan tidak mengganggu operasi harian organisasi. Matematika model menggambarkan parameter mereka dalam bentuk angka-angka di atas kertas atau data dalam komputer, yang dapat diubah dengan mudah tanpa mempengaruhi operasi dari sistem nyata.

b.       Model memungkinkan kompresi waktu. Tahun beroperasi dapat disimulasikan dalam hitungan menit atau detik waktu komputer. Bagian kedua dari pernyataan ini adalah khusus tentang model matematika. Namun, jenis lain dari model memungkinkan kompresi waktu juga. Sebagai contoh, sebuah model mental yang mengatakan "jika aku makan makanan ini, saya akan mendapatkan reaksi alergi" mengarah ke keputusan untuk menghindarinya jauh lebih cepat, serta lebih menyakitkan, selain itu akan mencicipi.

c.       Biaya analisis pemodelan jauh lebih sedikit daripada biaya percobaan serupa yang dilakukan pada sistem nyata. Hal ini karena model ini biasanya lebih murah daripada sistem nyata, kompresi waktu mengurangi biaya waktu-terkait seperti personel, dan bisnis tidak menjalankan risiko operasi gangguan sementara alternatif diselidiki dalam model.

d.       Biaya rendah selama percobaan trial-and-error jika model yang digunakan. Hal ini karena kesalahan hanya mempengaruhi model sja, bukan sistem yang berjalan.

e.       Lingkungan bisnis melibatkan ketidakpastian. Dengan pemodelan, manajer dapat memperkirakan risiko dari tindakan-tindakan tertentu. Model matematika memungkinkan pengambil keputusan untuk memvariasikan parameter seperti tingkat inflasi, harga minyak atau pertumbuhan permintaan; untuk mencerminkan semua skenario masa depan yang menarik.

f.        Model matematika memungkinkan analisis yang sangat besar, kadang-kadang tak terbatas, jumlah solusi yang mungkin. Bahkan dalam masalah sederhana, manajer sering memiliki sejumlah besar alternatif dari yang untuk memilih. Manfaat ini secara eksplisit tentang model matematika.

g.       Model meningkatkan dan memperkuat pembelajaran dan pelatihan. Pengoperasian model matematika dapat diamati dan dikaji, variabel berubah untuk melihat efek dari perubahan tersebut, dan kesalahan sengaja dibuat untuk belajar bagaimana memperbaikinya.

h.       Model dan metode solusi yang tersedia melalui Web. Kebanyakan model yang tersedia melalui Web adalah model matematika.

i.        Ada banyak applet Java dan program web lainnya yang siap memecahkan model. Hal ini berlaku dari model matematika, tetapi umumnya bukan dari jenis lain.

Model mental, yang biasanya digunakan ketika keputusan sebagian besar melibatkan faktor-faktor kualitatif, dapat membantu kerangka situasi pengambilan keputusan dan bekerja melalui skenario untuk mempertimbangkan risiko dan manfaat dari keputusan alternatif.

Alat teknologi informasi modern dapat menyajikan faktor-faktor kualitatif bersama dengan analisis faktor kuantitatif, sehingga pengambil keputusan dapat mempertimbangkan baik bersama-sama dan menggunakan informasi kualitatif untuk membimbing mereka ke analisis kuantitatif yang paling berguna.

2.4.    Fase Proses Pembuatan Keputusan

Empat fase Simon (1977) mengenai pengambilan keputusan adalah intelijen, desain, pemilihan, dan implementasi. Fase intelijen meliputi pengumpulan informasi dengan memeriksa realitas, kemudian mengidentifikasi dan mendefinisikan masalah. Pada fase ini kepemilikan masalah juga harus terbentuk. Desain terdiri dari penentuan alternatif dan evaluasi. Jika evaluasi memerlukan pembangunan model, maka dilakukan pada fase ini juga. Fase pemilihan meliputi pemilihan solusi tentatif dan menguji validitasnya. Fase implementasi keputusan menjalankan solusi yang terpilih.

Masalah yang yang terjadi sepanjang proses pembuatan keputusan adalah perbedaan negatif yang terjadi diantara para pembuat keputusan. Hal ini dapat diakibatkan dari perubahan dalam ekspektasi pembuat keputusan atau dari perubahan situasi. Harapan bisa dinaikkan, menciptakan ketidaksesuaian itu, dengan melihat bagaimana pesaing telah meningkatkan operasi mereka. Situasi bisa berubah dalam banyak cara: biaya yang lebih tinggi, pangsa pasar yang lebih rendah, dan sebagainya.

2.5.    Pembuatan Keputusan: Fase Intelijen

Masalah timbul dari ketidakpuasan terhadap sesuatu hal yang terjadi. Ini merupakan perbedaan atau kesenjangan antara apa yang diinginkan dengan apa yang terjadi. Gejala adalah bagaimana masalah memanifestasikan dirinya. Contoh bisnis: harga tinggi (masalah) dan tingkat persediaan yang belum terjual tinggi (gejala). Lain adalah varians kualitas pada produk (gejala) dan buruk dikalibrasi atau usang manufaktur peralatan (masalah).

Klasifikasi masalah memungkinkan pengambil keputusan untuk menggunakan alat-alat yang telah dikembangkan untuk menangani masalah dalam kategori tersebut, bahkan mungkin termasuk pendekatan solusi standar.

Dekomposisi masalah berarti membagi masalah yang kompleks menjadi bagian yang lebih detil. Hal ini membantu memecahkan masalah karena bagian yang lebih kecil menjadi lebih sederhana, terstruktur, memungkinkan pengambil keputusan dengan mudah untuk memusatkan perhatian mereka pada bagian sulit yang tersisa. Dekomposisi dapat memfasilitasi komunikasi antar pengambil keputusan.

Penetapan kepemilikan masalah (problem ownership) sangat penting dalam proses pengambilan keputusan. Kepemilikan berarti memiliki kewenangan, dan mengambil tanggung jawab dari pemecahan. Kurangnya kepemilikan masalah berarti seseorang tidak melakukan pekerjaannya, atau bahwa masalah yang dihadapi belum diidentifikasi sebagai milik siapa pun. Pemecahan masalah tidak dapat diselesaikan sampai tanggung jawab kepemilikan ditetapkan.

2.6.    Pembuatan Keputusan: Fase Desain

Optimasi mengacu pada yang "terbaik". Untuk mencapai itu, semua alternatif harus dipertimbangkan, dan yang optimal harus menjadi yang terbaik. Suboptimisasi adalah optimalisasi subsistem, tanpa mempertimbangkan dampaknya terhadap bagian lain dari sistem secara keseluruhan. Hal yang optimal dapat terjadi untuk bagian dari sistem (atau organisasi), mungkin tidak untuk seluruh sistem (atau organisasi).

Dalam pengambilan keputusan terdapat dua pendakatan yaitu pendekatan normatif dan deskriptif. Pendekatan normatif menggunakan model mengenai “apa yang seharusnya dilakukan”. Model-model preskriptif sering dikembangkan dengan memanfaatkan metode optimasi. Pendekatan deskriptif menggunakan model yang memungkin seorang pembuat keputusan melakuan skenario “what-if”. Ini biasanya merupakan model simulasi.

Pembuatan keputusan rasional mengikuti asumsi ekonomi rasionalitas. Seorang pembuat keputusan rasional menunjukkan perilaku tertentu diasumsikan: (1) Manusia adalah makhluk ekonomi, yang bertujuan untuk memaksimalkan pencapaian tujuan, (2) untuk situasi pengambilan keputusan, semua program yang layak alternatif tindakan dan konsekuensi mereka, atau setidaknya probabilitas dan nilai-nilai konsekuensi diketahui, dan (3) pengambil keputusan memiliki perintah atau preferensi yang memungkinkan mereka untuk peringkat keinginan semua konsekuensi analisis dari terbaik sampai terburuk. Menjadi pembuat keputusan rasional berarti membuat keputusan sesuai dengan asumsi tersebut.

Manusia pada umumnya memiliki keterbatasan yang mencegah dari hal-hal yang benar-benar rasional. Skala evaluasi individu untuk biaya dan manfaat dari keputusan mungkin nonlinier dan mungkin tidak mengikuti orang-orang dari organisasi. Karakteristik individu dapat mengakibatkan terbatasnya rasionalitas.

Skenario adalah pernyataan asumsi tentang lingkungan operasi dari sistem tertentu dalam waktu tertentu. Ini menggambarkan konfigurasi sistem. Dengan mengubah skenario dan mengukur tingkat pencapaian tujuan, adalah mungkin untuk membandingkan alternatif di bawah berbagai kondisi.

Beberapa kesalahan dalam pengambilan keputusan dapat dikaitkan dengan gagasan pengambilan keputusan berdasarkan intuisi. Jelaskan apa yang dimaksud dengan hal ini dan bagaimana kesalahan tersebut bisa terjadi. Secara umum, orang memiliki kecenderungan untuk mengukur ketidakpastian dan risiko buruk. Mereka cenderung percaya diri dan memiliki ilusi kontrol dalam pengambilan keputusan. Pendekatan ini dapat menghemat waktu jika intuisi seorang pembuat keputusan yang selaras dengan situasi dari pengalaman yang luas, tetapi dapat menyebabkan kesalahan jika diterapkan pada situasi yang asing. Seorang eksekutif yang telah membuat sukses keputusan intuitif dimasa lalu bahkan mungkin tidak menyadari bahwa pengalamannya tidak berlaku untuk yang baru, tetapi terlihat serupa situasinya.

2.7.    Pembuatan Keputusan: Fase Pemilihan

Sebuah prinsip pilihan adalah kriteria yang digunakan untuk menggambarkan penerimaan pendekatan solusi. Dengan kata lain, itu adalah dasar untuk memutuskan apakah satu pendekatan atau yang lain lebih unggul. Sebuah prinsip pilihan yang umum: yaitu, berlaku untuk banyak kemungkinan dalam situasi pengambilan keputusan. Tahap pilihan pengambilan keputusan aktual menggunakan satu atau lebih prinsip pilihan, yang dipilih selama fase keputusan atau sebelum itu, untuk memilih alternatif dalam situasi tertentu.

Fase pemilihan merupakan titik waktu ketika keputusan benar-benar dibuat. Hal itu disebabkan karena salah satu dari alternatif yang ada dibuat. Pada fase ini biasanya digunakan mencakup lebih dari satu titik waktu. Ini juga mencakup perbandingan yang mengarah pada penilaian ketahanan dan konsekuensi merugikan yang mungkin menyebabkan pembuat keputusan untuk memilih alternatif yang kurang diinginkan dibawah kondisi ideal tapi juga lebih cenderung mengarah pada bencana dalam keadaan lain.

Analisis sensitivitas menentukan bagaimana alternatif merespon perubahan kecil dalam parameter input. Sebuah alternatif yang muncul terbaik untuk set nominal parameter mungkin menghasilkan hasil yang jauh lebih buruk untuk perubahan kecil di dalamnya. Alternatif lain, yang mungkin tidak semenarik jika semua parameter memiliki nilai nominal, mungkin akan lebih kuat-yaitu, tidak mungkin menurunkan sebanyak jika mereka berangkat dari nilai-nilai. Karena itu merupakan pilihan yang lebih baik dalam praktek, karena beberapa variasi statistik dalam nilai-nilai ini hanya untuk diharapkan.

2.8.    Pembuatan Keputusan: Fase Implementasi

Implementasi didefinisikan sebagai awal dari sebuah tatanan yang baru, pengenalan perubahan, menempatkan solusi yang direkomendasikan untuk dilaksanakan.

Sistem Pendukung Keputusan (SPK) mendukung pelaksanaan keputusan melalui komunikasi, penjelasan, dan pembenaran. Dalam keputusan keuangan, misalnya, SPK akan mencakup tidak hanya tujuan keuangan rinci dan kebutuhan untuk jangka pendek uang tunai, tetapi juga akan memberikan perhitungan, hasil antara, dan statistik yang digunakan untuk menentukan angka agregat. Hal ini juga menyampaikan kepada bawahan bahwa pembuat keputusan memiliki pemikiran melalui asumsi dibalik sebagai tujuan keputusan dan serius tentang pentingnya mereka. Akhirnya, memungkinkan orang untuk menjelaskan dan membenarkan saran dan pendapat mereka dengan dukungan grafis.

2.9.    Bagaimana Keputusan Didukung

Teknologi dan alat bantu keputusan dapat membantu dalam setiap tahapan proses pembuatan keputusan,

a.       Fase Intelijen: Kebutuhan utama pendukung keputusan untuk tahap kecerdasan adalah kemampuan untuk memindai sumber informasi eksternal dan peluang serta masalah internal kemudian menafsirkan hasil. Alat Web dan sumber yang sangat berguna untuk pemindaian lingkungan.

Dukungan terhadap keputusan bisnis dapat menggunakan teknologi intelijen berupa data mining dan OLAP untuk mengidentifikasi hubungan antara kegiatan dan faktor lainnya. Sistem informasi geografis ( GIS ) dapat dimanfaatkan baik sebagai berdiri sendiri atau terintegrasi dengan sistem ini, sehingga pengambil keputusan dapat menentukan peluang dan masalah dalam arti spasial.

Aspek lain dari mengidentifikasi masalah internal dan peluang yang memantau operasi. Kegiatan usaha pemantauan, proses bisnis manajemen dan produk manajemen siklus hidup memberikan kemampuan tersebut. Rutin dan ad-hoc laporan juga dapat membantu: laporan rutin dapat dirancang untuk membantu dalam masalah menemukan dengan membandingkan harapan dengan kinerja saat ini dan proyeksi.

b.       Tahap desain: Tahap ini menghasilkan program alternatif tindakan, menyepakati kriteria pilihan dan bobot mereka, dan peramalan konsekuensi dari berbagai alternatif. Beberapa kegiatan ini dapat menggunakan model standar seperti model keuangan dan peramalan. Entah model standar atau khusus dapat menghasilkan alternatif untuk masalah terstruktur. OLAP dan perangkat lunak data mining berguna dalam mengidentifikasi hubungan untuk digunakan dalam model tersebut. Sebuah sistem pakar dapat membantu dengan metode kualitatif serta dengan keahlian yang dibutuhkan dalam memilih analisis kuantitatif dan model peramalan.

Sebuah sistem manajemen pengetahuan, dapat dikonsultasikan untuk menentukan apakah suatu masalah telah ditemukan sebelumnya, atau jika ada ahli di tangan untuk memberikan pemahaman yang cepat dan jawaban . Sistem CRM, sistem manajemen pendapatan, ERP, dan software SCM berguna dalam memberikan model proses bisnis yang dapat menguji asumsi dan skenario .

c.       Fase Pemilihan : Selain menyediakan model yang cepat mengidentifikasi alternatif terbaik atau cukup baik, SPK dapat mendukung tahap pilihan melalui “what-if” dan tujuan mencari analisis . Skenario yang berbeda dapat diuji untuk opsi yang dipilih untuk memperkuat keputusan akhir . Sebuah sistem manajemen pengetahuan membantu pengalaman masa lalu mengidentifikasi serupa, CRM , ERP, dan sistem SCM dapat menguji dampak dari setiap pilihan. Jika sebuah kelompok membuat keputusan, sistem pendukung kelompok dapat memberikan dukungan untuk mengarah pada consensus.

d.       Fase Implementasi : SPK dapat digunakan dalam pelaksanaan kegiatan seperti komunikasi keputusan, penjelasan, dan pembenaran. Semua tahapan proses pengambilan keputusan dapat didukung oleh membaiknya komunikasi dengan komputasi kolaboratif melalui GSS dan KMS. Sistem komputerisasi dapat memfasilitasi komunikasi dengan membantu orang menjelaskan dan membenarkan saran dan pendapat mereka.

Pelaksanaan Keputusan ini juga dapat didukung oleh sistem pakar yang dapat digunakan sebagai sistem penasehat mengenai masalah pelaksanaan seperti penanganan resistensi terhadap perubahan.

Dampak sepanjang rantai nilai biasanya diidentifikasi oleh BAM, BPM, SCM, dan sistem ERP . Sistem CRM melaporkan dan memperbarui catatan internal berdasarkan dampak pelaksanaan. Input ini kemudian digunakan untuk mengidentifikasi masalah dan peluang baru-kembali ke fase intelijen.

Teknologi baru dapat memberikan dukungan pengambilan keputusan. Dengan perkembangan mobile commerce, lebih banyak perangkat personal (personal digital assistant, ponsel, komputer tablet, komputer laptop) dapat mengakses sumber-sumber informasi, dan pengguna dapat merespon sistem dengan informasi terkini, upaya kolaborasi, dan keputusan. Hal ini dapat membantu penjual, misalnya, menjadi lebih efektif dengan mengakses CRM mereka saat di jalan. Akses konstan ke data perusahaan, persediaan dan sebaliknya, hanya bisa membantu mereka dalam pekerjaan mereka. Perangkat nirkabel yang mengambil kepentingan yang lebih besar dalam perusahaan, umumnya dengan mengakses server Web khusus yang menyediakan data dan komunikasi langsung ke perangkat m-commerce.

Chapter 3.

3.      Konsep Sistem Pendukung Keputusan, Metodologi, dan Teknologi: An Overview

3.1.       Sistem Pendukung Keputusan Penyembuhan untuk Kesehatan

Dalam studi kasus ini keputusan ini melibatkan eksekutif senior dalam suatu organisasi. Pengambil keputusan dalam kasus ini adalah CFO sistem rumah sakit , kepala eksekutif keperawatan, manajer unit, dan direktur sumber daya manusia. Ini semua adalah eksekutif senior. Para Perencana Model Lab memberikan informasi para pengambil keputusan yang diperlukan untuk membuat keputusan tentang bagaimana untuk melanjutkan.

Jenis parameter keputusan yang digunakan dalam membuat keputusan ini  ialah: Model ini disusun atas dasar dua minggu dalam rangka untuk memasukkan jumlah jam kerja inti dan staf darurat, dengan lag dari 12 minggu untuk pelatihan karyawan baru. Model dasar meliputi setiap rumah sakit dalam sistem kesehatan, node untuk seluruh sistem kesehatan, node untuk variabel sumber daya manusia, dan simpul untuk penyesuaian yang berbeda untuk menjelaskan perilaku karyawan baru. Variabel dalam model ini terutama kuantitatif dan meliputi:

•      Jumlah jam menuntut untuk musim flu 2009

•      Jumlah jam dari musim flu 2008

•      Jumlah jam dari musim flu 2008 setelah karyawan baru

•      Gap antara jam diminta dan jam aktual dari 2008

•      Gap antara jam diminta dan jam aktual dari 2008 setelah karyawan baru

•      Jumlah karyawan yang dibutuhkan untuk memenuhi permintaan

•      Karyawan yang tersisa Jumlah untuk memenuhi permintaan setelah karyawan baru

Alat pemodelan lain dapat digunakan untuk mengembangkan model  yang umum digunakan yaitu Microsoft Excel. Karena DSS menangani masalah semi-terstruktur atau tidak terstruktur, itu sering perlu untuk menyesuaikan model, menggunakan tool pemrograman dan bahasa. Beberapa contoh ini. Bahasa Framework, C + +, dan Java. OLAP perangkat lunak juga dapat digunakan untuk bekerja dengan model dalam analisis data.

Ada beberapa parameter yang dipertimbangkan oleh pemodel dalam studi kasus ini , apa situasi lain bisa model proyeksi staf termasuk, Situasi lain yang model proyeksi staf dapat mencakup adalah:

•      Jenis keterampilan yang diharapkan atau tingkat keahlian yang diperlukan tergantung pada   perawatan kesehatan darurat

•      Ketersediaan jam lembur untuk menutupi meningkatnya permintaan

•      Periode permintaan rendah atau lebih rendah

•      Penggunaan metode perekrutan secara online

Model ini contoh yang baik dari DSS karena:

•        mendukung masalah semi-terstruktur

•        manajer dukungan di semua tingkat

•        interaktif, mudah digunakan

•        manusia mengendalikan proses

•        relatif mudah untuk mengembangkan

•        efektif dan efisien

•        beradaptasi dan fleksibel

3.2.       Konfigurasi DSS

1.             Tiga komponen utama adalah: data, model , dan user interface .

2.             Data mengacu pada informasi yang dibutuhkan untuk membuat keputusan, biasanya disimpan dalam database, dan bagaimana data tersebut diatur dan dikelola oleh DBMS .

3.             Model mengacu pada model yang digunakan untuk menganalisis data dan memprediksi hasil keputusan, serta perangkat lunak yang digunakan untuk mengelola penggunaan model dalam DSS.

4.             User interface mengacu pada cara seorang manajer atau pengetahuan pekerja dapat menggunakan sistem untuk mendukung pengambilan keputusan nya membuat kebutuhan tanpa harus menjadi ahli dalam teknologi.

5.             Data subjektif dapat dimanfaatkan dalam DSS dalam terang situasi yang digambarkan dalam contoh sketsa pembukaan .  Data subyektif dapat dimanfaatkan dengan menggunakan " apa - jika" skenario untuk menguji dampak dari nilai-nilai.

6.             Model memainkan peran kunci dalam DSS . Paket spreadsheet seperti Excel termasuk built -in model untuk situasi umum , terutama keuangan . Misalnya, Model Excel pembayaran hipotek dapat memberitahu pembeli rumah potensial apa pembayaran bulanan akan untuk hipotek dari pokok yang diberikan , istilah , dan tingkat suku bunga . Jika angka ini terlalu tinggi pembeli kemudian dapat menemukan rumah lebih murah atau lebih besar uang muka , memotong biaya lain untuk membelinya , mempertimbangkan memperluas pembayaran selama jangka panjang , atau mungkin mengeksplorasi pilihan lain.

7.             Rumus Excel juga memungkinkan pengguna untuk membuat berbagai macam model . Sebagai contoh, formula mungkin berhubungan pendapatan perusahaan di tahun n untuk pengeluaran pemasaran pada tahun n - 1 dan pengeluaran R & D di tahun n - 1 dan n - 2 . Menggunakan model keuangan tersebut bisa marah kecenderungan manajemen untuk menangani penurunan pendapatan dengan memotong ini berlebihan .

3.3.       Deskripsi DSS

Sebuah sistem identifikasi untuk dukungan manajer mengambil keputusan di semistructured dan tidak terstruktur di suatu situasi.

“Sebuah sistem informasi yang tujuan utamanya adalah untuk mendukung pekerja pengetahuan membuat keputusan non-structured pada area spesifik” .

Definisi ini lebih dekat dengan yang pertama , tetapi membutuhkan DSS untuk memiliki area aplikasi spesifik . Hal ini tidak memerlukan keputusan untuk menjadi manajerial atau masalah menjadi masalah manajemen .

Akhirnya, secara eksplisit tidak termasuk sistem yang menyediakan beberapa pendukung keputusan sebagai - produk dengan tujuan utama mereka .

DSS adalah pendekatan (atau metodologi) untuk mendukung pengambilan keputusan, yang:

·                Menggunakan interaktif, fleksibel, beradaptasi mampu-komputer sistem informasi berbasis (CBIS)

·                Dikembangkan oleh end user untuk mendukung solusi untuk manajemen non-structured tertentu problem

·                Menggunakan data, model dan pengetahuan bersama dengan (sering grafis, web-based) tampilan antarmuka yang ramah.

·                Menggabungkan wawasan pembuat keputusan sendiri

·                Mendukung semua fase pengambilan keputusan

·                Dapat digunakan oleh pengguna tunggal atau oleh banyak

3.4.       Karakteristik DSS dan Kemampuan

Karakteristik kunci dan kemampuan DSS ditunjukkan pada Gambar  dan diperkuat dalam teks di bawah ini :

•        Dukungan untuk ( terutama) situasi semiterstruktur dan tidak terstruktur , menggabungkan penilaian manusia dengan informasi yang terkomputerisasi .

•        Dukungan untuk semua tingkatan manajerial, dari eksekutif atas ke manajer lini.

•        Dukungan untuk individu dan kelompok.

•        Dukungan untuk keputusan saling tergantung dan / atau berurutan.

•        Mendukung semua empat fase pengambilan keputusan: inteligensi, desain, pilihan, dan implementasi .

•        Dukungan berbagai proses pengambilan keputusan dan gaya .

•        Pengguna dapat menambah, menghapus, menggabungkan, mengubah, atau mengatur ulang elemen dasar, atau memodifikasi mereka untuk memecahkan, masalah serupa lainnya .

•               User-friendly interface. (Aplikasi DSS Paling baru menggunakan antarmuka berbasis web)

•        Meningkatkan efektifitas pengambilan keputusan (akurasi, ketepatan waktu, kualitas) daripada efisiensi.

•        Pembuat Keputusan mengontrol semua langkah dari proses pengambilan keputusan dalam memecahkan suatu masalah .

•         Pengguna akhir dapat mengembangkan dan memodifikasi DSS sederhana dengan sendirinya, DSS yang lebih besar memerlukan IS spesialis.

•        Model umumnya digunakan untuk memungkinkan bereksperimen dengan strategi yang berbeda .

•        Akses ke berbagai sumber data, format , dan jenis , termasuk GIS , multimedia , dan berorientasi objek .

•        Digunakan oleh pengambil keputusan individu atau didistribusikan di seluruh satu atau lebih organisasi

Jenis DSS dapat pengguna akhir berkembang pada spreadsheet, Yang - sederhana mencerminkan keterbatasan spreadsheet sebagai alat pembangunan DSS dan keterbatasan pengguna akhir yang khas dalam mengembangkan sistem informasi yang kompleks .

Penting untuk memasukkan model dalam DSS, Pemodelan kemampuan DSS, yang adalah apa yang membedakan DSS dari MSS lainnya , diperlukan untuk mengaktifkan bereksperimen dengan keputusan yang berbeda di bawah konfigurasi yang berbeda dan asumsi .

·     Bisnis analisis menyiratkan penggunaan model dan data untuk meningkatkan organisasi kinerja dan / atau postur yang kompetitif

·     Web analytics berarti menggunakan analisis bisnis informasi web real-time untuk membantu dalam pengambilan keputusan, sering berhubungan dengan e-Commerce

·     Predictive analytics menjelaskan bisnis metode analisis masalah peramalan dan peluang bukan hanya melaporkan mereka sebagai mereka terjadi.

3.5.       DSS Classifications

·                Lainnya DSS Kategori

·                DSS institusional dan ad-hoc

·                Pribadi, kelompok, dan organisasi dukungan

·                Sistem pendukung individu versus kelompok sistem pendukung (GSS)

·                Sistem custom-made dibandingkan siap pakai sistem

DSS Classifications Holsapple dan Whinston mengklasifikasikan

1.             DSS berorientasi teks

2.             DSS berorientasi basis data.

3.             DSS berorientasi spreadsheet

4.             DSS berorientasi solver

5.             DSS berorientasi aturan (termasuk yang paling berbasis pengetahuan DSS, data mining, manajemen, dan ES aplikasi)

6.             Senyawa DSS

1.      Klasifikasi DSS dari SIGDSS AIS .

•       Komunikasi - driven dan kelompok DSS ( GSS )

•       Data-driven DSS

•       DSS Dokumen -driven

•       DSS Pengetahuan - driven, data mining , dan aplikasi manajemen ES

•       DSS Model -driven

•       DSS Compound , hibrida yang menggabungkan dua atau lebih kategori ini

2.      Dokumen -driven DSS .

Sebuah DSS dokumen -driven bergantung pada pengetahuan coding , analisis , pencarian, dan pengambilan keputusan untuk dukungan . Ini mencakup semua DSS berbasis teks dan paling KMS . DSS Dokumen -driven memiliki penekanan minimal pada model matematika .

3.      Daftar dan membandingkan Holsapple dan Whinston klasifikasi dengan mereka yang SIGDSS AIS

H & W klasifikasi map mudah ke orang-orang dari SIGDSS AIS , sebagai berikut :

·         DSS berorientasi teks • H & W adalah sama seperti AIS SIGDSS dokumen -driven DSS .

·         DSS database berorientasi • H & W adalah AIS SIGDSS data-driven DSS .

·         DSS spreadsheet berorientasi • H & W umumnya bentuk lain dari AIS DSS model-driven , di mana fasilitas spreadsheet yang digunakan untuk membuat dan mengelola model . Karena paket seperti Excel dapat mencakup DBMS dasar atau dapat mudah antarmuka dengan satu , mereka dapat menangani beberapa sifat SIA SIGDSS DSS berorientasi database terutama manipulasi pengetahuan deskriptif .

·        DSS berorientasi solver • H & W memetakan langsung ke AIS model-driven DSS .

·        DSS aturan berorientasi • H & W termasuk SIGDSS paling AIS berbasis pengetahuan DSS , data mining , dan aplikasi manajemen ES .

·        H & W senyawa DSS mengintegrasikan dua atau lebih dari mereka dikutip di atas dan sesuai dengan konsep SIGDSS AIS sama.

4.       Kemampuan DSS institusional dan DSS ad hoc .

Sebuah DSS institusional direncanakan dan dikembangkan untuk menangani keputusan yang berulang . Ini harus memiliki fleksibilitas untuk berurusan dengan keputusan manifestasi yang berbeda , dengan data yang berbeda , dari waktu ke waktu . DSS tersebut cenderung digunakan pada kontrol manajerial dan tingkat operasional .

Sebuah hoc DSS ad dikembangkan untuk menangani masalah satu kali . Masalah tersebut biasanya muncul di tingkat pengendalian strategis dan manajemen . Seperti DSS tidak perlu memiliki derajat yang sama fleksibilitas sebagai DSS institusional untuk mengatasi variasi dalam masalah. Namun, masalah yang tidak diharapkan terjadi masih sering melakukannya , atau ternyata DSS diterapkan untuk masalah lain juga.

5.       Mendefinisikan istilah siap pakai DSS .

Sebuah DSS siap pakai merupakan produk software DSS dirancang untuk digunakan , dengan sedikit modifikasi , oleh beberapa organisasi yang memiliki keputusan sebanding membuat kebutuhan . DSS tersebut sering dirancang untuk industri tertentu ( misalnya, rumah sakit ) atau area fungsional (misalnya , keuangan).

3.6.       Komponen DSS

1.       Komponen utama adalah: pengelolaan data , model manajemen , antarmuka pengguna dan basis pengetahuan .

•         Manajemen data mencakup sistem manajemen database dan satu atau lebih database .

•         Manajemen Model meliputi model dan sistem manajemen mereka.

•         User interface mencakup bi-directional komunikasi manusia -komputer dan manajemen.

•         Pengetahuan dasar mencakup peningkatan kecerdasan buatan untuk komponen lainnya.

2.     Secara singkat Web dapat digunakan dalam setiap komponen utama DSS .

•        Sistem manajemen database ( DBMS ): Data biasanya disimpan pada server diakses melalui Web.

•        Model dasar sistem manajemen ( MBMS ) : Model dapat disimpan dan diakses secara eksternal melalui Web . Model juga dapat dikembangkan untuk berjalan pada server aplikasi , yang juga diakses melalui Web.

•        User interface sistem dialog : Web browser memberikan , konsisten antarmuka pengguna grafis akrab ( GUI ) struktur.

•        Sistem manajemen berbasis pengetahuan ( KBMS ) : Banyak metode AI telah diimplementasikan dalam sistem berbasis Web , membuat mereka mudah untuk mengintegrasikan dengan komponen DSS lainnya .

3.       Sebuah komponen berbasis pengetahuan dapat membantu masing-masing dari tiga komponen lain dalam cara:

         •        Teknik kecerdasan buatan dapat membantu pengguna dalam menggunakan komponen lain

•        Metode AI dapat membantu secara langsung dalam pengambilan keputusan , misalnya melalui penalaran simbolik .

•        Metode AI juga dapat mengaktifkan pengambilan keputusan otomatis untuk masalah yang cukup terstruktur .

•        Alat seperti sistem pakar dan jaringan saraf dapat lebih akurat daripada metode lain.

4.      Menjelaskan struktur dasar DSS dan komponennya.

•        User interface ( UI ) menghubungkan pengguna ke komponen sistem lainnya .

•        The berbasis pengetahuan subsistem , selain yang terhubung ke pengguna melalui UI , mungkin juga terhubung ke sistem manajemen database untuk memperoleh data yang dibutuhkan , untuk model eksternal , dan basis pengetahuan organisasi .

•        Model manajemen subsistem manajemen link data ke model .

•        Manajemen data , selain koneksi ke manajemen model dan subsistem berbasis pengetahuan telah disebutkan, menghubungkan ke sumber data internal dan eksternal .

•        Model dikendalikan oleh subsistem model manajemen , dapat mengendalikan atau dikendalikan oleh subsistem berbasis pengetahuan , dan berkomunikasi dengan pengguna melalui UI .

•        Seluruh DSS dapat berkomunikasi dengan sistem lain dan jaringan jika diperlukan

3.7.       Data manajemen subsistem

DSS besar umumnya memiliki database mereka sendiri untuk tiga alasan :

•        DSS mungkin harus mengintegrasikan data dari berbagai sumber , yang masing-masing database yang terpisah dan yang tidak dapat digabungkan secara langsung.

•        Struktur database yang terbaik untuk data statis digunakan untuk analisis , dengan pertanyaan jarang terjadi, tetapi kompleks, mungkin tidak cocok untuk data dinamis yang digunakan untuk pemrosesan transaksi dengan sering tapi sederhana query dan update, dan sebaliknya .

•        Berbagi satu database untuk kedua penggunaan dapat menyebabkan masalah kinerja pada beban puncak kali. Memisahkan dari bagian dari komunitas pengguna mungkin lebih ekonomis daripada upgrade perangkat keras yang akan diperlukan .

1.       Persamaan dan perbedaan antara data internal , eksternal , dan swasta .

Kemiripan : Semua jenis ini bisa dalam catatan / lapangan file bentuk - terstruktur, file teks , atau multimedia dari berbagai jenis. Semua bisa obyektif atau subyektif . Semua , atau bisa juga, dikelola oleh subjek DBMS untuk kontrol akses yang sesuai. Semua dapat digunakan untuk mendukung berbagai keputusan . Dan semuanya dapat diakses melalui antarmuka Web-seperti , bahkan jika mereka tidak diakses melalui Web .

Perbedaan : Data internal berasal dari sendiri sistem pemrosesan transaksi organisasi , sedangkan data eksternal berasal dari luar . Data internal biasanya diakses melalui intranet sedangkan data eksternal diakses melalui Internet, meskipun alat ( s ) digunakan dan antarmuka pengguna mungkin mirip atau identik. (Data pribadi subset dari data internal, tunduk pada pembatasan akses yang melampaui keamanan data perusahaan normal. )

2.       Komponen DBMS : fasilitas query, direktori , dan data.

·         Query fasilitas : Menerima permintaan data dari komponen DSS lain, menentukan bagaimana permintaan tersebut dapat dipenuhi , merumuskan basis data akses untuk mengisi mereka, dan mengembalikan hasilnya ke penerbit .

·         Direktori : Tujuan utama dari direktori , dan definisi data yang dikandungnya, adalah untuk menjawab pertanyaan tentang ketersediaan item data , sumber , dan maknanya . Hal ini juga berisi aturan akses bahwa akses pengguna control untuk kolom atau baris dari tabel database tertentu.

·         Data: Ini adalah isi sebenarnya dari database .

3.      Fungsi utama ( kemampuan ) dari DBMS Seperti terdaftar dan dibahas dalam bagian ini , tiga fungsi dasar adalah penyimpanan, pencarian , dan kontrol . DBMS mengelola database untuk mengatur , ekstrak / mengakses, mengubah, menghapus, dan data katalog.

4.       Ekstraksi  adalah proses menangkap data (seringkali dari berbagai sumber), menyaring mereka, meringkas , kondensasi dan reorganisasi data untuk memuat ke dalam database DSS seperti data warehouse .

Beberapa siswa berwenang dapat berkonsultasi menggunakan ekstraksi istilah hanya untuk yang pertama ini , mengacu pada seluruh proses sebagai Ekstraksi, Transformasi dan Load ( ETL ) . Penggunaan ini dicatat pada hal. 99 .

5.       Fungsi dari fasilitas query dalam membangun dan menggunakan DSS , itu sering perlu untuk mengakses , memanipulasi , dan data query. Fasilitas permintaan melakukan tugas-tugas . Ia menerima permintaan data dari komponen DSS lain, menentukan bagaimana permintaan dapat dipenuhi (konsultasi direktori data jika diperlukan) , merumuskan permintaan rinci, dan mengembalikan hasilnya ke penerbit permintaan .

6.       Fungsi dari direktori Ini adalah katalog dari semua data dalam database . Ini mencakup definisi data dan informasi lainnya yang diperlukan untuk memfasilitasi dan mengontrol akses ke data melalui DMBS .

3.8.   Model Manajemen sub sistem

Model diklasifikasikan sebagai strategis, taktis , atau operasional .

Tujuan dari klasifikasi ini adalah untuk menunjukkan pentingnya keputusan tersebut dan menunjukkan apa tingkat manajerial bertanggung jawab untuk pelaksanaannya. Mengetahui jenis model juga memungkinkan orang untuk menarik kesimpulan tentang struktur kemungkinan dan komunitas pengguna tanpa mengetahui lebih banyak tentang hal itu.

Model strategis mendukung perencanaan manajemen puncak strategis , misalnya , pemeriksaan akuisisi , diversifikasi , dan merger .

Model taktis mendukung manajemen terutama tengah dalam alokasi sumber daya dan terkendali. Misalnya, membuat-atau- membeli keputusan atau merancang rencana promosi besar .

Model Operasional mendukung manajer menengah dan supervisor dalam sangat keputusan jangka pendek , misalnya , menilai dampak kemungkinan jadwal alternatif pekerjaan harian dan mingguan .

1.       Beberapa fungsi utama dari MBMS .

Lihat kemas Teks : Wawasan Teknologi 3.6 di Bagian 3.7 , untuk daftar . Ini sejajar dengan sistem manajemen database dalam fungsi dengan menyediakan kemampuan sebanding dengan model manajemen .

2.       Bandingkan fitur dan struktur MBMS kepada mereka dari DBMS .

DBMS mencakup database yang berisi data yang relevan dan dikelola oleh perangkat lunak manajemen database melalui kamus data , didukung oleh permintaan dan pelaporan fasilitas . Informasi ini diambil dari sumber data internal maupun eksternal .

Sejalan dengan itu, MBMS meliputi statistik, ilmu manajemen , atau model kuantitatif lainnya yang memberikan kemampuan analitis sistem , dan model manajemen untuk mengkoordinasikan penggunaannya . Ini berisi model direktori yang sejajar dengan direktori data dari DBMS . Pelaksanaannya Model , integrasi, dan fasilitas pengolahan perintah sesuai dengan permintaan dan pelaporan fasilitas DBMS dalam yang memungkinkan pengguna untuk mengakses model apa pun kebutuhan mereka meminta .

3.       Pemilihan model untuk DSS sulit

Pemilihan model sulit karena membutuhkan keahlian untuk memahami model yang tersedia , daerah mereka penerapan dan kekuatan dan kelemahan mereka .

4.       Komponen pengetahuan membantu dalam pemilihan model

Sebuah komponen pengetahuan dapat membantu dalam pemilihan model dengan menangkap pengetahuan para ahli manusia untuk penerapan model yang berbeda dalam situasi yang berbeda, membuatnya tersedia untuk orang-orang yang memiliki keahlian lebih di daerah ini .

3.9.  The User Interface (Dialog) Subsystem

Komponen Decision Support System (DSS) terdiri atas beberapa hal, yaitu :

a.       Data Management. Termasuk database, yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut Database Management Systems (DBMS).

b.       Model Management. Melibatkan model finansial, statistikal, management science, atau berbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis, dan manajemen software yang diperlukan.

c.       Communication (dialog subsystem). User dapat berkomunikasi dan memberikan perintah pada DSS melalui subsistem ini. Ini berarti menyediakan antarmuka.

d.       Knowledge Management. Subsistem optional ini dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.

Pada bagian ini dijelaskan bahwa sebuah antarmuka pengguna mencakup semua aspek komunikasi antara user dan Decision Support System (DSS) atau Management Support System (MSS). Tujuan mendasarnya adalah untuk mempermudah pengguna dalam mendapatkan bantuan keputusan dari DSS.

Proses antarmuka pengguna mengacu pada aliran informasi (a) dari pengguna ke sistem dan (b) dari sistem ke pengguna. Hal ini ditangani oleh User Interface Management System (UIMS). UIMS memproses perintah pengguna, mengeluarkannya dalam bahasa action apapun yang dibutuhkan, dan mengirimkannya ke data dan subsistem model manajemen. Di arah sebaliknya, menyajikan informasi dari subsistem kepada pengguna. Selebihnya, bahasa action didasarkan pada Web atau sistem operasi konsep GUI. Hal ini juga dapat menggabungkan kemampuan pengolahan bahasa alami.

Gambar 1. Skema Sistem Antarmuka Pengguna

Perangkat dalam web biasanya digunakan didalam antarmuka pengguna karena perangkat tersebut telah menjadi sarana standar bagi para pengguna untuk terhubung ke berbagai jenis perangkat lunak. Perangkat ini memungkinkan pengguna untuk mengakses baik internal (intranet) dan situs eksternal (Internet, extranet), tersedia untuk berbagai perangkat mulai dari ukuran komputer sampai ke ponsel, platform-independen di tingkat laptop/komputer (Windows, Mac OS, Linux) dan juga didukung oleh berbagai macam alat pemecahan masalah lainnya.

Beberapa perkembangan baru dalam antarmuka pengguna adalah pengenalan suara, interpretasi gerakan, input otomatis (misalnya, chip RFID, jaringan sensor), output suara, dan virtual reality.

Dijelaskan pula bahwa empat perkembangan baru dalam DSS, selain perkembangan pada user interface adalah memperbaharui alat atau perangkat Web, pemrosesan paralel untuk meningkatkan skalabilitas, mesin pencari yang lebih baik sebagai salah satu wujud dari peningkatan AI, solusi DSS siap pakai untuk segmen pasar tertentu, peningkatan integrasi dengan komponen yang beragam seperti GIS.

3.10. The Knowledge-Based Management Subsystem.

Berbagai alat berbasis pengetahuan yang didalamnya memiliki sistem manajemen berbasis pengetahuan ini dapat mencakup sistem pakar, Neural networks, agen cerdas, logika fuzzy, dan penalaran berbasis kasus.

 Sistem pakar, jaringan saraf dan agen cerdas adalah perangkat lunak. Sedangkan logika fuzzy dan penalaran berbasis kasus, sebaliknya, dapat dianggap konsep yang berguna, yang dapat dimasukkan ke dalam alat dari jenis apa pun.

Komponen berbasis pengetahuan dapat menyediakan keahlian yang dibutuhkan untuk memecahkan beberapa aspek dari masalah keputusan atau memberikan pengetahuan untuk meningkatkan operasi komponen DSS lainnya. Sebagai contoh dalam buku tersebut manfaat pertama komponen berbasis pengetahuan adalah, sistem pakar dapat memasukkan aturan untuk membantu memilih jalur terbaik untuk pesawat sehingga tiba di sebuah pangkalan perawatan sebelum layanan 400 jam nya habis, menghilangkan kebutuhan untuk penerbangan yang tidak produktif. Sebagai contoh manfaat kedua, sistem pakar bisa mengetahui urutan terbaik untuk mengolah akses basis data dari query yang kompleks.

3.11. The Decision Support System User

Dua kelas umum dari pengguna DSS diantaranya adalah Manajer yang dibebankan oleh organisasi dengan bantuan DSS dirancang untuk membantu memecahkan masalah, dan spesialis staf, yang membantu mereka menggunakan aspek DSS yang berada di luar kemampuan teknis mereka atau yang membutuhkan waktu mereka lebih banyak.

Empat jenis perantara didalam DSS diantaranya adalah:

•         Asisten Staf yang memiliki pengetahuan khusus tentang masalah manajemen dan beberapa pengalaman dengan teknologi pendukung keputusan.

•        Pengguna alat ahli terampil dalam penerapan satu atau lebih jenis alat pemecahan masalah khusus. Seorang pengguna alat ahli melakukan tugas-tugas yang pemecah masalah tidak memiliki keterampilan atau pelatihan untuk melakukannya.

•        Analis bisnis yang memiliki pengetahuan umum didalam aplikasi, berlatar belakang pendidikan administrasi bisnis formal (tidak dalam ilmu komputer), dan keterampilan yang cukup dalam menggunakan DSS dan alat konstruksi. Mereka biasanya melakukan tugas-tugas seorang manajer.

•        Fasilitator (dalam GSS) mengendalikan dan mengkoordinasikan penggunaan perangkat lunak untuk mendukung pekerjaan orang yang bekerja dalam kelompok. Fasilitator juga bertanggung jawab untuk pelaksanaan sesi workgroup.

Sebagian besar pengguna biasanya sangat mahir dalam pola penggunaan DSS mereka hal ini dikarenakan sebagian besar nilai dari suatu DSS adalah pada kemampuannya untuk mencoba berbagai kombinasi parameter dan membuat penyelidikan secara rinci. Hal ini secara inheren menunjukan proses interaktif yang bekerja lebih baik di bawah kontrol langsung dari pengguna.

3.12. Decision Support System Hardware

Hardware yang digunakan didalam DSS biasanya adalah setiap personal computer (PC), apakah itu menjalankan Windows, Mac OS atau Linux, yang mendukung web browser dapat terhubung ke DSS berbasis Web. Selain itu perangkat mobile termasuk laptop yang menggunakan OS apapun seperti pada PC, PDA (biasanya menjalankan Windows CE atau Palm OS saat ini) dan ponsel.

Hardware DSS dan pilihan perangkat lunak sering didasarkan pada sistem dari perusahaan yang sudah ada hal ini terjadi karena sebagian MSS, termasuk DSS, biasanya menggunakan hardware standar. Mereka biasanya tidak membenarkan akuisisi sistem baru dioptimalkan untuk kebutuhan mereka. Akuisisi baru terbatas pada hardware DSS spesifik dan perangkat lunak, seperti penyimpanan untuk gudang data atau paket perangkat lunak peramalan.

DSS itu sendiri dapat berjalan pada sistem klien, pada server (general purpose atau server aplikasi khusus) atau mainframe. Model yang kompleks biasanya berjalan di hardware yang cepat, yang sebagian besar PC tidak memilikinya.

Web digunakan untuk pengembangan DSS dan penyebarannya dikarenakan hal ini akrab bagi pengguna, mendukung antarmuka browser terkenal dan biasa dipakai secara umum, didukung oleh berbagai perangkat lunak, memfasilitasi komunikasi antara bagian dari DSS yang kemudian ditempatkan pada komputer yang berbeda, dan dapat diakses dari mana pun oleh para pengguna.

3.13. A DSS Modeling Language: Planners Lab

DSS dapat dikembangkan dengan bahasa pemrograman tradisional atau spreadsheet. Untuk mengembangkan bahasa pemrograman tersebut contohnya adalah Java membutuhkan programmer yang handal.

Pada masa awal DSS, satu produk perangkat lunak yang sangat sukses adalah Sistem Perencanaan Keuangan Interaktif (IFPS) dari Execucom Sistem Corporation di Austin, Texas. IFPS merupakan software yang handal untuk perencanaan keuangan. Lebih dari 1500 perusahaan sawasta dan pemerintahan serta 250 universitas di Amerika menggunakan IFPS.

Planners Lab adalah salah satu perangkat lunak yang digunakan untuk membuat dan membangun DSS. Planers Lab memiliki beberapa keunggulan dibandingkan dengan software yang lain diantaranya adalah (1) mudah dalam membangun model berorientasi aljabar, dan (2) sangat mudah memvisualisasikan keluaran model.

                                   Gambar 2. PlannersLab Startup

Perbandingan spreadsheet dengan Planners Lab disajikan dalam tabel berikut:

Spreadsheet	Planners Lab
Mendukung Visualisasi menggunakan grafik seperti bar, grafik garis	Memiliki antarmuka yang dikembangkan untuk mendukung interaksi animasi.
Goal Seek dan What if analysis dapat dilakukan	Memiliki fitur yang mudah untuk mensimulasikan dan memvisualisasikan menggunakan berbagai jenis grafik seperti What If, Goal Seek, grafik batang dll
Pengguna tidak dapat melihat fungsi yang dilakukan dalam spreadsheet	Antarmuka visualisasi intuitif memungkinkan pengguna akhir untuk menguji dan memahami asumsi.

Tabel 1. Perbandingan Spreadsheet dengan Planners Lab

3.14. Resources, Links, and the Teradata University Network Connection

Dalam sub-chapter ini memberikan informasi tentang keberadaan Teradata Iniversity Network Connection yang meberikan banyak informasi dan kasus yang meggunakan atau memanfaatkan DSS.

(Irawan, 2013)