webtmzaini
Dapat menerapkan konsep Sistem Penunjang Keputusan secara luas dalam kegiatan organisasi khususnya di lingkungan masysrakat.
Ketrampilan Khusus
Mampu melakukan kegiatan perencanaan dalam pengambilan keputusan atas kegiatan baik analisa awal dan hasil analisa dalam ingkup tingkatan level manajemen.
Mampu menganalis analisis kegiatan yang dilakukan dalam pengambilan keputusan dalam lingkup manajemen.
Mampu melakukan pengendalian terhadap kegiatan atas pengambilan keputusan oleh tingkatan level manajemen.
Capaian Pembelajaran Matakuliah (CPMK)
Dapat menerapkan konsep Sistem Penunjang Keputusan secara luas dalam kegiatan organisasi khususnya di lingkungan masysrakat.
Ketrampilan Khusus
1. Mampu melakukan kegiatan perencanaan dalam pengambilan keputusan atas kegiatan baik analisa awal dan hasil analisa dalam ingkup tingkatan level manajemen.
2. Mampu menganalis analisis kegiatan yang dilakukan dalam pengambilan keputusan dalam lingkup manajemen.
3. Mampu melakukan pengendalian terhadap kegiatan atas pengambilan keputusan oleh tingkatan level manajemen.
4. Mampu mengimplementasikan kasus terkait dss dalam penyelesaian masalah menggunakan aplikasi
[1]. Turban, E, dkk, 2003, Decision Support System and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas) Jilid 1, Penerbit Andi Offset, Yogyakarta.
[2] Zaini, TM, 2019, Sistem Penunjang Keputusan, Bandarlampung.
[3] Khoirudin, Akhmad Arwan, 2008, SNATI, Sistem Pendukung Keputusan Penentuan Kelayakan Calon Rintisan Sekolah Bertaraf Internasional Dengan Metode Fuzzy Associative Memory. Jurusan Teknik Informatika, Fakultas Teknik Industri, Universitas Islam Indonesia.
[4] https://jurnal.unikom.ac.id/..c/data/jurnal/volume-11-2/02-miu-11-2-sri-dewi,pdf/pdf/02-miu-11-2-sri-dewi.pdf
[5] Diana, Metode & Aplikasi Sistem Penunjang Keputusan
[6] Basuki, Ari, Sistem Penunjang Keputusan
[7] Purnomo, Dian Eko Hari. 2017. “PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PENILAIAN KINERJA KARYAWAN DENGAN METODE WEIGHTED PRODUCT (WP) PADA BAGIAN PRODUKSI DI PT.XYZ”. Malang : IEJST (Industrial Engineering Journal of The University of Sarjanawiyata Tamansiswa) Vol. 1 No.1, Desember 2017 IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520
TEORI
SESI 7-8 | PENGAMBILAN KEPUTUSAN
Materi ini membahas tentang :
1. Pengambilan Keputusan dan Pendukung Terkomputerisasi
2. Tipe Keputusan | Youtube
3. Alat Bantu Pengambilan Keputusan
4. Peran Manajer Menurut Mintzberg’s
Pembuatan keputusan adalah penentuan serangkaian kegiatan untuk mencapai hasil yang diinginkan. Dalam kehidupan manajer dipenuhi dengan serangkaian pembuatan atau pengambilan keputusan-keputusan, baik mengenai masalah yang besar maupun kecil dalam suatu perusahaan. Pembuatan keputusan ini tidak hanya dilakukan oleh manajer puncak, tetapi juga manajer menengah dan lini pertama.
Pembuatan keputusan merupakan bagian kunci kegiatan manajer, yang memainkan peranan penting, terutama bila manajer melaksanakan fungsi perencanaan. Karena perencanaan menyangkut keputusan-keputusan sangat penting dan jangka panjang yang dapat dibuat oleh manajer. Pembuatan keputusan menggambarkan proses melalui serangkaian kegiatan dipilih sebagai penyelesaian suatu masalah tertentu. George P. Huber membedakan pembuatan keputusan dari pembuatan pilihan (choice making) dan dari pemecahan masalah (problem solving).
Reference :
[1] https://www.dosenpendidikan.co.id/pengambilan-keputusan/
[2] http://etheses.uin-malang.ac.id/1772/5/09410127_Bab_2.pdf
[3] https://www.gurupendidikan.co.id/teknik-pengambil-keputusan/
[4] https://docplayer.info/52187837-Pengambilan-keputusan-materi-ke-6.html
[5] https://lms.darmajaya.ac.id/pluginfile.php/158147/mod_book/intro/Sesi%203-4_MSS_%20%281%29.ppt
MATERI | LMSKerangka Dukungan Keputusan | PDF
SESI 9-10 | KONSEP SPK
Materi ini membahas tentang :
1. Proses Pengambilan Keputusan
2. Model Alternatif Pengambilan Keputusan
3. Model Keputusan
4. Pembuat Keputusan
5. Metodologi Pendukung Keputusan
[1] https://www.slideserve.com/myrrh/sistem-pendukung-keputusan
[2] https://www.coursehero.com/file/52165696/dss-Pert1ppt/
[3] https://docplayer.info/72983425-Konsep-dasar-sistem-pendukung-keputusan-spk.html
“Proses pengambilan keputusan” adalah serangkaian langkah sistematis yang dilakukan untuk memilih satu alternatif tindakan terbaik di antara beberapa pilihan yang ada, guna memecahkan suatu masalah atau mencapai tujuan tertentu.
Tahapan proses pengambilan keputusan:
1. Identifikasi Masalah (Menentukan masalah utama yang harus diselesaikan)
2. Pengumpulan Data dan Informasi (Mengumpulkan informasi yang relevan agar keputusan didasarkan pada fakta, bukan asumsi).
3. Identifikasi Alternatif Solusi (Menentukan berbagai pilihan tindakan yang mungkin dilakukan).
4. Evaluasi Alternatif (Menilai kelebihan dan kekurangan dari setiap alternatif berdasarkan kriteria tertentu seperti biaya, waktu, dampak, dan efektivitas).
5. Pemilihan Alternatif Terbaik (Memilih solusi yang paling sesuai dengan tujuan dan sumber daya yang tersedia).
6. Implementasi Keputusan (Melaksanakan keputusan yang telah dipilih dengan perencanaan dan pengawasan yang baik.).
7. Evaluasi dan Umpan Balik (Menilai hasil keputusan yang diambil, apakah sudah mencapai tujuan atau perlu revisi).
SESI 11-12 | TPS (Transaction Processing System)
Materi ini membahas tentang :
1. Komponen DSS
2. Database
3. Klasifikasi DSS
4. Kapabilitas DSS
5. Sub System DSS
DSS (Decision Support System) atau Sistem Pendukung Keputusan memiliki beberapa komponen utama yang bekerja bersama untuk membantu pengambil keputusan dalam memilih alternatif terbaik berdasarkan data dan analisis. yaitu:
1. Database Management System (DBMS) – Subsistem Data (Komponen ini menyimpan dan mengelola data yang dibutuhkan dalam pengambilan keputusan).
2. Model Management System (MBMS) – Subsistem Model
Berisi kumpulan model matematis, statistik, atau simulasi yang digunakan untuk menganalisis data dan menghasilkan alternatif keputusan. Bisa berupa model analisis tren, prediksi, optimasi, atau simulasi. Memungkinkan pengguna menjalankan what-if analysis (analisis jika-seandainya). Contoh: Model prediksi untuk memperkirakan peningkatan jumlah pengunjung setelah menambah fitur baru pada museum digital.
4. Knowledge Management (atau Knowledge-Based Subsystem)
Komponen tambahan yang menyimpan pengetahuan, aturan, dan pengalaman untuk membantu pengguna dalam mengambil keputusan yang lebih baik.Dapat berbentuk basis pengetahuan (knowledge base) atau AI-based reasoning system. Sering diintegrasikan dengan sistem pakar (expert system). Contoh: Sistem DSS yang dapat memberikan rekomendasi otomatis: “Jika tingkat interaksi pengunjung turun lebih dari 20%, pertimbangkan menambahkan konten video interaktif.”
5. Software dan Hardware Support
Hardware: komputer, server, jaringan, dan perangkat input-output.
Software: sistem operasi, DBMS, tools analisis data, aplikasi DSS, dan perangkat AI pendukung.
SESI 13-14 | ARCHITECTURE DSS
Materi ini membahas tentang :
1. Manajemen Database
2. Software Database
3. Jenis dan Gaya Keputusan
Jenis Keputusan
Jenis keputusan dapat diklasifikasikan berdasarkan berbagai sudut pandang, seperti : tingkat struktur, fungsi manajerial, dan sifat masalahnya.
Berdasarkan Tingkat Struktur Masalah
-Keputusan Terstruktur (Structured Decision) : Bersifat rutin,berulang, prosedural dapat diotmatisasi
-Keputusan Semi Terstruktur (Semi-Structured Decision): dapat dikuantifikasi, sebagian lagi memerlukan pertimbangan manusia.
-Keputusan Tidak Terstruktur (Unstructured Decision): Bersifat unik, kompleks, dan membutuhkan intuisi serta penilaian subjektif.
Berdasarkan Tingkatan Manajemen
-Keputusan Operasional : bersifat rutin & jangka pendek. Menentukan jadwal pembersihan koleksi perminggu.
-Keputusan Taktis (Manajerial) :perencanaan dan pengendalian jangka menengah. Menentukan alokasi anggaran untuk pemeliharaan.
-Keputusan Strategis : Bersifat jangka panjang dan berdampak besar. Menetapkan visi pengembangan digital sebagai pusat edukasi
Gaya-Gaya Keputusan
Menurut beberapa pakar (seperti Scott & Bruce, 1995), gaya pengambilan keputusan dibedakan menjadi:
a. Gaya Direktif (Directive Style) : Cepat, tegas, berorientasi pada hasil dan efisiensi., Mengandalkan fakta dan aturan yang jelas. Cocok untuk situasi rutin. contoh : Kepala museum langsung memutuskan penambahan server baru karena data sistem sering overload.
b. Gaya Analitis (Analytical Style): Menyukai analisis mendalam dan pertimbangan banyak alternatif. Cenderung hati-hati dan berbasis data. Contoh: Tim pengembang menganalisis data pengunjung sebelum menentukan fitur baru di website museum.
c. Gaya Konseptual (Conceptual Style) :Berorientasi pada ide-ide besar, kreativitas, dan visi jangka panjang. Melibatkan banyak orang dalam proses berpikir. Contoh: Kurator merancang konsep pameran virtual “Ornamen Lampung Masa Depan” berdasarkan visi budaya dan teknologi.
d. Gaya Perilaku (Behavioral Style): Fokus pada hubungan manusia dan kerja sama tim. Mengutamakan kepuasan dan komunikasi dengan anggota organisasi. Contoh: Manajer proyek meminta masukan dari semua staf sebelum memutuskan perubahan tampilan antarmuka website.
MATERI | LMSKerangka Dukungan Keputusan | PDF
SESI 15-16 | MIS - Intelligent System
Materi ini membahas tentang :
1. Konsep Dasar Sistem dan Informasi
2. Fungsi dan Tujuan SIM
3. Konsep Dasar Sistem Intelijen
4. Jenis-jenis Intelligence System
Intelligence System (Sistem Intelijen) adalah sistem berbasis komputer yang dirancang untuk meniru kecerdasan manusia guna menyelesaikan masalah kompleks, membuat prediksi, dan membantu dalam pengambilan keputusan. Sistem ini menggunakan teknologi seperti kecerdasan buatan (AI), machine learning, data mining, dan analitik data untuk mengumpulkan, menganalisis, serta menghasilkan wawasan dari data yang tersedia. Intelligence System dapat bekerja secara otomatis dan adaptif, serta mampu belajar dari pengalaman atau data sebelumnya (learning system).
Jenis-jenis Intelligence System
PRAKTIKUM
SESI-1
Kontrak Kuliah | Introduction Multi Attribute Decision MakingPenugasan
- Konsep MADM
( Alternatif, Atribut, Konflik antar Kriteria, Bobot keputusan, Matriks keputusan)
- Metode Metode Simple Additive Weighting (SAW) | jurnal
- Percobaan-1 Kasus SAW | Lihat LMS
SESI-2
Simple Additive Weighting (SAW)
- Lanjutan Percobaan-1 Kasus SAW
- Percobaan-2 (MAX dan MIN) | Lihat Rekaman - Lihat LMS
SESI-3
Simple Additive Weighting (SAW)
- Lanjutan Percobaan-2 (MAX dan MIN) | Lihat Rekaman - Lihat LMS
- Memecahkan masalah di lingkungan Anda ( Bagian/Karyawan/Produk = terbaik)
Preferensi untuk alternatif Ai
SESI-4
Weighted Product (WP)
- Percobaan-3 | Kasus skripsi Lihat Rekaman - Lihat LMS
Preferensi untuk alternatif Ai
SESI-5
Weighted Product (WP)
- Percobaan-3 Lanjutan | Lihat Rekaman - Lihat LMS
SESI-7
Presentasi Kelompok
- Link Akses Video di Google Drive | Lihat Rekaman - Lihat LMS
SESI-8
UTS - Ujian Tengah Semester
- SOAL| Lihat LMS
SESI-8
TOPSIS
- Percobaan-4 | Jurnal | Lihat Rekaman - Lihat LMS
SESI-9
TOPSIS
- Percobaan-4 Lanjutan | Lihat Rekaman - Lihat LMS