SISTEM MAKLUMAT PENGURUSAN

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

Semistructured Production Variance analysis-- Mergers and

scheduling overall budget acquisitions
Cash Budget
management New product
preparation planning
PERT/COST Sales and
Unstructured systems R&D planning
production

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

 Menunjukkan konsep sokongan keputusan

dalam pembangunan sistem
 DSS bukan sekadar aplikasi yang membuat
queri dan model keputusan, tetapi termasuk
laporan berkala.

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.

Based on studies of Keen and Scott-Morton

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

Face-to- Decision Legislative

face
Room Session
MEMBER
PROXIMITY Local Area Computer-
Dispersed Decision Mediated
Network Conference

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)

Aktiviti menyediakan mesin

seperti komputer kebolehan untuk
menunjukkan sifat cerdas yang
mampu dilaksanakan oleh
manusia.

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

 Expert system menyediakan:

– Penyelesaian
– Penerangan
» Soalan
» Penyelesaian masalah

13-27
 Knowledge Base

 Keterangan tentang domain permasalahan

 Syarat
– Teknik perwakilan pengetahuan
– Logik ‘IF:THEN’
– Rangkaian syarat
» Paras terendah menyediakan bukti
» Paras atas menghasilkan 1 atau lebih kesimpulan
» Kesimpulan teratas dipanggil Goal variable.

13-28
 A Rule Set That
Conclusion Produces One Final
Conclusion

Conclusion
Conclusion

Evidence Evidence Evidence Evidence

Evidence Evidence Evidence Evidence

13-29
 Pemilihan Syarat

 Memilih syarat untuk menyelesaikan

masalah dengan efisyen adalah sukar
 Sebahagian matlamat boleh dicapai hanya
dengan beberapa syarat.

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.

Start with solution

and work back to
inputs

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

Rule 9 Rule 11 Legend:

Rule 6 Problems to
be solved
If I
Then J 13-36
Forward Versus Reverse Reasoning
 Reverse reasoning lebih pantas daripada
forward reasoning
 Reverse reasoning lebih baik apabila:
– Multiple goal variables
– Many rules
– All or most rules do not have to be examined in
the process of reaching a solution

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

 Tidak boleh mengendalikan pengetahuan

yang tidak konsisten
 Tidak boleh memasukkan intuisi

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

 Model matematik otak manusia

– Simulasi bagaimana neuron berhubung untuk
memproses data dan belajar daripada
pengalaman

13-42
 Otak Manusia

 Neuron -- the information processor

– Input -- dendrites
– Processing -- soma
– Output -- axon
 Neurons are connected by the synapse

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

 Model matematik tidak boleh menyaingi

otak manusia tetapi menunjukkan
kebolehan yang setara
 Complex networks
 Repetitious training
– ANS “learns” by example

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