Professional Documents
Culture Documents
Sistem Sokongan
Keputusan
7-1
Copyright 2001 Prentice-Hall, Inc.
Jenis-jenis Keputusan
Keputusan yang teratur
– berulang dan rutin
– mempunyai prosedur yang jelas
Keputusan yang tidak teratur
– Baru, ganjil dan tidak berstruktur
– Tiada kaedah tertentu untuk mengatasi masalah
Keputusan kebanyakannya di antara teratur
dan tidak teratur.
13-2
Fasa-fasa Penyelesaian Masalah
Maklumat
– Mencari di persekitaran keadaan-keadaan untuk
keputusan tertentu
Rekabentuk
– Mencipta, membangunkan, dan menganalisa tindakan-
tindakan yang wajar
Pilihan
– Memilih satu tindakan
Mengkaji Semula
– Menilai pilihan lepas
13-3
Definisi Sistem Sokongan
Keputusan (DSS)
Definisi Am – satu sistem yang menyediakan
kebolehan komunikasi dan kemudahan
penyelesaian masalah separa berstruktur.
Definisi Khusus – satu sistem yang menyokong
seorang pengurus atau sekumpulan pengurus yang
menyelesaikan masalah separa berstruktur dengan
menyediakan maklumat atau memberikan usulan-
ususan tentang keputusan tertentu.
13-4
Konsep DSS
Gorry dan Scott Morton mencipta perkataan ‘DSS’
pada 1971, kira-kira 10 tahun selepas MIS menjadi
popular.
Jenis keputusan adalah bergantung kepada struktur
masalah:
– Masalah Berstruktur, boleh diselesaikan dengan
menggunakan alkhwarizmi dan pepokok keputusan.
– Masalah Tidak Berstruktur, tidak ada fasa yang
berstruktur.
– Masalah Separa Struktur, sebahagian daripada fasa
berstruktur.
13-5
The Gorry and Scott Morton Grid
Management levels
Operational Management Strategic
control control planning
Structured Accounts Budget analysis-- Tanker fleet
receivable engineered costs mix
Degree of Order entry Short-term Warehouse and
problem forecasting factory location
structure Inventory
control
13-6
Jenis-jenis DSS oleh Alter
Pada 1976, Steven Alter, mengkaji rangka
kerja Gorry and Scott-Morton
– Mencipta satu klasifikasi jenis-jenis DSS
– Bedasarkan kajian terhadap 56 DSS
Mengelaskan DSS berdasarkan “degree of
problem solving support.”
13-7
Paras DSS oleh Alter
Paras sokongan penyelesaian masalah daripada
terendah hingga ke tertinggi
– Capaian unsur-unsur maklumat
– Capaian fail-fail maklumat
– Penciptaan laporan berdasarkan lebih daripada satu fail
– Jangkaan akibat keputusan
– Cadangan keputusan
– Membuat keputusan
13-8
Kepentingan Kajian Alter
13-9
Alter’s DSS Types
Degree
of
problem
Retrieve Analyze Prepare Estimate Propose Make solving
information entire reports decision decisions decisions support
elements files from consequen-
multiple ces
files
Degree of
Little Much
complexity of the
problem-solving
system 13-10
Tiga Objektif DSS
1. Membantu dalam menyelesaikan masalah
separa berstruktur.
2. Memberi sokongan, bukan menggantikan
pengurus.
3. Menyumbang kepada efektif dan bukannya
menumpukan kepada efisyen.
13-11
A DSS Model
Environment
Individual Other
problem group
solvers members
Report GDSS
Mathematical GDSS
writing software
Models software
software
Database
Decision
support
system
Environment
Data Communication Information
Legend:
13-12
Kandungan Pangkalan Data
Terdiri daripada 3 subsistem aplikasi
– Report writers
» Special reports
» Periodic reports
» COBOL or PL/I
» DBMS
– Model Matematik
» Simulasi
» Special modeling languages
– Groupware atau GDSS
13-13
GDSS
Sistem berasaskan komputer yang menyokong
individu berkumpulan bekerja dan menyediakan
platform dalam persekitaran perkongsian
Digunakan dalam penyelesaian masalah
Bidang berkenaan:
– Electronic meeting system (EMS)
– Computer-supported cooperative work (CSCW)
– Group support system (GSS)
– Groupware
13-14
Bagaimana GDSS Membantu
Penyelesaian Masalah
Meningkatkan komunikasi
Memperbaiki fokus perbincangan
Mengurangkan masa terluang
13-15
Keadaan GDSS
Synchronous exchange
– Ahli berjumpa dalam masa yang sama
– Cth: mesyuarat
Asynchronous exchange
– Ahli berjumpada pada masa yang berbeza
– Cth: E-mail
13-16
Jenis-jenis GDSS
Decision rooms
– Small groups face-to-face
– Parallel communication
– Anonymity
Local area decision network
– Members interact using a LAN
Legislative session
– Large group interaction
Computer-mediated conference
– Permits large, geographically dispersed group interaction
13-17
Group Size and Location Determine
GDSS Environmental Settings
GROUP SIZE
Smaller Larger
13-18
Groupware
Fungsi
– E-mail
– FAX
– Voice messaging
– Internet access
Lotus Notes
– Produk groupware yang popular
– Mengendali data penting pengurus
13-19
Main Groupware Functions
IBM TeamWARE Lotus Novell
Function Workgroup Office Notes GroupWise
Electronic mail X X X X
FAX X X O X
Voice messaging O X
Internet access X X O X
Bulletin board system X 3 O
Personal calendaring X X 3 X
Group calendaring X X O X
Electronic conferencing O X 3 3
Task management X X 3 X
Desktop video conferencingO
Database access O X 3
Workflow routing O X 3 X
Reengineering O X 3
Electronic forms O 3 3 O
Group documents O X X O
X = standard feature O = optional feature 3 = third party offering
13-20
Kecerdasan Buatan (AI)
13-21
Sejarah AI
Sejarah:
– John McCarthy mencipta istilah, AI, pada 1956,
pada persidangan di Dartmouth College.
– Logic Theorist adalah aturcara AI yang pertama
– General problem solver (GPS)
2 dekad yg lepas
– Pembangunan MIS and DSS.
13-22
Areas of Artificial Intelligence
Expert
systems AI
hardware
Robotics
Natural
language Perceptive
systems
Neural (vision,
networks hearing)
Learning
Artificial Intelligence
13-23
Expert Systems
Aplikasi komputer yang menukarkan
pengetahuan manusia kepada kod komputer
dalam bentuk heuristics
2 perbezaan daripada DSS
– 1. Boleh meningkatkan kebolehan pengurus
dalam menyelesaikan masalah.
– 2. Boleh memberikan penjelasan bagaimana
keputusan tersebut dicapai.
13-24
Instructions & Solutions &
Knowledge
User information explanations
User
interface
Know-
Inference Problem
ledge
engine Domain
base
Development
engine
Expert
system
Model Expert
System
Expert and
knowledge engineer 13-25
Model Expert System
User interface
– Allows user to interact with system
Knowledge base
– Houses accumulated knowledge
Inference engine
– Provides reasoning
– Interprets knowledge base
Development engine
– Creates expert system
13-26
User Interface
Pengguna memasukkan:
– Arahan
– Maklumat } Menus, commands, natural language, GUI
13-27
Knowledge Base
13-28
A Rule Set That
Conclusion Produces One Final
Conclusion
Conclusion
Conclusion
13-30
Inference Engine
Melaksanakan penakulan (reasoning)
berdasarkan pengetahuan dalam aturan
tertentu.
2 kaedah utama dalam menggunakan syarat
– 1. Forward reasoning (data driven)
– 2. Reverse reasoning (goal driven)
13-31
Forward Reasoning
(Forward Chaining)
Syarat dinilai sebagai:
– (1) true, (2) false, (3) unknown
Syarat dinilai dalam proses yang berulang
Jika tiada syarat yang boleh dinilai, proses
penakulan berhenti walaupun matlamat
tidak tercapai.
Start with inputs and
work to solution
13-32
Rule 1 The Forward
T
IF A
THEN B Rule 7 Reasoning
Rule 2
F
IF B OR D
THEN K
Rule 10
IF K AND
Process
IF C T L THEN N
THEN D
T
Rule 3 Rule 8 Rule 12
T T
IF M IF E IF N OR O
THEN E THEN L THEN P
T
Rule 4
T
IF K
Legend:
THEN F
Rule 9 First pass
Rule 5 Rule 11
T IF T
IF G IF(F
(FAND
ANDH)
H) IF M
OR
ORJJ
THEN H THEN O Second pass
THEN
THENMM T
Rule 6
F Third pass
IF I
THEN J
13-33
Reverse Reasoning Steps
(Backward Chaining)
Bahagikan masalah kepada beberapa
submasalah
Cuba selesaikan satu submasalah
Kemudian cuba submasalah seterusnya.
13-34
Step 4 The First Five Problems
Rule 1
IF A THEN
Step 3 Are Identified
B Rule 7 Step 2
T
IF B OR D Rule 10
THEN K Step 1
Rule 2 T IF K AND L Rule 12
IF C THEN N
IF N OR O
THEN D
THEN P
Step 5
Rule 3 Rule 8
IF M IF E
THEN E THEN L
Rule 11 Legend:
Problems to
IF (F AND H) IF M
M be solved
Rule 9 IF
OR J THEN O
THEN O
THEN M
13-35
The Next Four Problems Are
Step 8 Identified Rule 12
Rule 4
If N Or O
Then P T
If K
Then F
T
Step 7 Step 6
Step 9
Rule 5
If G IF (F And H) If M
Then H Or J Then O
T Then M T T
13-37
Development Engine
Programming languages
– Lisp
– Prolog
Expert system shells
– Aplikasi sedia ada yang boleh digunakan untuk
semua domain ES.
Case-based reasoning (CBR)
Decision tree
13-38
Kelebihan Expert System
Kepada pengurus
– Alternatif tambahan
– Menggunakan logik
– Masa yang lebih boleh digunakan untuk
menilai keputusan syarat
– Logik yang konsisten
Kepada syarikat
– Prestasi kumpulan pengurusan meningkat
– Sumber pengetahuan syarikat terpelihara
13-39
Kelemahan Expert System
13-40
Kunci Kejayaan ES
Urus pembangunan ES bersama-sama
perancangan strategik
Jelaskan masalah yang ingin diselesaikan dan
fahamkan domain permasalahan
Beri perhatian kepada isu etika dan perundangan
Fahami perhatian dan harapan pengguna
Gunakan teknik pengurusan untuk mengawal
pembagun sistem
13-41
Neural Networks
13-42
Otak Manusia
13-43
Simple Biological Neurons
Soma
Axonal Paths
(processor)
(output)
Synapse
Axon
Dendrites
(input)
13-44
Evolusi Artificial
Neural Systems (ANS)
McCulloch-Pitts mathematical neuron
function (late 1930s) was the starting point
Hebb’s learning law (early 1940s)
Neurocomputers
– Marvin Minsky’s Snark (early 1950s)
– Rosenblatt’s Perceptron (mid 1950s)
13-45
Metodologi Terkini
13-46
Single Artificial Neuron
y1 w1
y2 w2
y3 w3
y
wn-1
yn-1 13-47
OUT1 OUTn
Input
The Multi-Layer
Layer Perceptron
Y1 Yn2
OutputL
ayer
IN1 INn
13-48
Perspektif Knowledge-based
Systems
Banyak kejayaan yang telah dicapai dalam
bidang neural nets dan expert systems
Masih banyak lagi ruang penyelidikan
13-49
Summary [cont.]
AI
– Neural networks
– Expert systems
Limitations and promise
13-50