Sunday, April 10, 2016

Perancangan SPK Mengikuti Langkah SDLC

Sistem Development Life Cycle (SDLC)
SDLC adalah penerapan pendekatan sistem untuk pengembangan sistem atau sub-sistem informasi berbasis komputer. SDLC terdiri dari serangkaian tugas yang erat mengikuti langkah-langkah pendekatan sistem. Karena tugas-tugas tersebut mengikuti pola yang teratur dan dilakukan secara top-down, SDLC sering disebut sebagai pendekatan air terjun (waterfall approach) bagi pengembang dan penggunaan sistem. Suatu SDLC tradisional terdiri dari empat fase pokok yaitu, perencanaan, analisis, rancangan, dan penerapan (McLeod, 2004).

Tahapan-tahapan pada SDLC :

  1.  Perencanaan Fase perencanaan adalah sebuah proses dasar untuk memahami mengapa sebuah sistem harus dibangun. Pada fase ini diperlukan analisa kelayakan dengan mencari data atau melakukan proses information gathering kepada pengguna.
  2.   Analisa Fase analisa adalah sebuah proses investigasi terhadap sistem yang sedang berjalan dengan tujuan untuk mendapatkan jawaban mengenai pengguna sistem, cara kerja sistem dan waktu penggunaan sistem. Dari proses analisa ini akan didapatkan cara untuk membangun sistem baru.
  3. Rancangan Fase perancangan merupakan proses penentuan cara kerja sistem dalam hal architechture design, interface design, database dan spesifikasi file, dan program design. Hasil dari proses perancangan ini akan didapatkan spesifikasi sistem.
  4. Implementasi Fase implementasi adalah proses pembangunan dan pengujian sistem, instalasi sistem, dan rencana dikungan sistem.

MANFAAT DARI SIKLUS HIDUP PENGEMBANGAN SYSTEM (SDLC) :
1.     Meningkatkan proses,
2.     Mengurasngi kesalahan saat pengkodea,
3.     Serangan berkurang,
4.     Fitur-fitur yang tidak di gunakan di nonaktifkan secara default,
5.     Meminimumkan penggunaan hak,
6.     Melindungi dan membentengi mendeteksi penyumpanan dan menggatur,

7.     Terdapat diagram yang menunjukan manfaatsubstansial dari tahap design yang mana dapat digunakan untuk merancang seluruh tampilan dan dokumentasinya.

PEMBAHASAN
         Dalam dunia otomotif yang begitu ramai banyak pilihan merek dan jenis mobil di era sekarang ini dengan perkembagan teknologi yang pesat pemasaran dalam online pun cukup menjanjikan karena hampir semua orang memiliki akses untuk online . maka di buatlah situs ini agar  dapat memudahkan dalam menemukan mobil impian dengan  bajet terbatas.

PERANCANGAN
berikut struktur organisasi pemasaran mobil .
Menggunakan sistem Client-Server, dengan bagan seperti dibawah ini :
  • Penjual mobil ——— Prospek customer ——Data Customer,
  • Informasi Mobil——- unit prospek customer——-Data Sales,
  • Perusahaan  ——-informasi prusahaan——Inventory Data.

PERENCANAAN :
  1. Feasibilities studies perusahaan  otomotif ini diharapkan akan lebih jelas dalam tujuan penjualan mobil.
  2. System Investigation memudahkan dalam memenukan jaringan untuk mengakses keperusahan tersebut dengan begitu pengguna dapat langsung mengdapatkan pelayanan jika tejadi sesuatu masalah dengan mobil tersebut.

Analisa Teknologi : Dari sisi perusahaan disini dia meminta untuk dalam peroses hal yang tidak di ingini atau masalah di perlukan teknologi informasi yang menunjang tujuan pemasaran mobil tersebut.

Analisa Informasi : Untuk data static berupa profil perusahaan, visi dan misi, sejarah perusahaan, dan latar belakang perusahaan. Sedangkan untuk data dynamic yakni data yang berubah seketika dalam setiap periode (hari atau jam). Data dynamic yang dimaksud berupa informasi stok barang, informasi harga barang, informasi berita, dan lain-lain.

Analisa Pengguna : Di sini custmer lebih dapat terjamin dari sisi layanan dan informasi yang di dapatnya.

Tahap desain dari informasi di atas perusahaan menginginkan data prospek customer  maka perlu di perhatikan adalah :
Record Data Pelanggan : "Nama , alamat, no tlpon dan keterangan unit yang di cari".
Record Unit : Nama barang , tahun dan pajak karena disini unit bukan hanya yang baru secoud juga masuk, 
Record Stock Data Barang : Nama unit, tahun, warna, pajak, dan km.

selanjutnya masuk ketahapan implemtasi uji coba dan tahap perawatan.



Saturday, April 2, 2016

Studi Kasus Penerapan Sistem Pengambilan Keputusan Dengan AHP ( Analytic Hierarchy Process )




       
AHP (Analytic Hierarchy Process) merupakan salah satu teknik dalam pengambilan keputusan.  Dalam mengambil keputusan, kita mempunyai kriteria sebagai dasar penilaian, dan kita juga akan dihadapkan dengan lebih dari satu alternative pilihan.  Jika alternative pilihan tersebut hanya ada dua, mungkin masih mudah buat kita untuk memilih, akan tetapi jika alternative pilihan tersebut banyak, maka cukup sulit bagi kita untuk memutuskannya.  AHP merupakan teknik yang dikembangkan untuk membantu mengatasi kesulitan ini.  Dalam AHP, semua alternative plilihan diadu satu lawan satu, seperti pada pertandingan sepak bola dengan system setengah kompetisi.  Skor dari masing-masing pasangan kemudian ditabulasi untuk dihitung total skor untuk masing-masing alternative.  Ada satu kelemahan dalam AHP, yaitu bisa terjadi kita tidak konsisten dalam memberi bobot, apalagi kalau item/pasangannya banyak.  Tetapi jangan kuatir karena ada alat/tool untuk mengeceknya.



        Untuk lebih mempermudah, maka penjelasan mengenai AHP ini akan dilakukan melalui  pembahasan sebuah contoh penggunaannya.  Kita ambil suatu contoh berikut: 
Dalam memilih istri, Si Bangbang mempunyai 3 kriteria, yaitu istrinya harus cantik, memiliki tingkat pendidikan yang tinggi dan berasal dari keluarga yang kaya.  Saat ini Bangbang memiliki 3 orang pacar, yang dipacarinya secara bergantian, FitriYayu, dan Grace.  Oleh sebab itu dalam menentukan calon istrinya bangbang memilih menggunakan metoda AHP ini.
        Yang pertama yang dilakukan Bangbang adalah menentukan bobot untuk ketiga kriteria, mana yang paling penting.  Ketiga kriteria tersebut di-adu satu lawan satu, yang dalam terminologi AHP disebut pair-wise comparation. Seperti dibawah ini:
  • Cantik lebih penting 2 kali dari pendidikan.
  • Cantik lebih penting 3 kali dari kaya, dan
  • Pendidikan lebih penting 1.5 kali dari kaya.
Selanjutnya hasil pair-wire comparation ini oleh dibuat ke dalam tabulasi, yang dalam istilah AHP disebut sebagai pair comparation matrix, seperti terlihat pada gambar berikut.
null
Dari gambar diatas, Prioity Vector (kolom paling kanan) menunjukan bobot dari masing-masing kriteria, jadi dalam hal ini cantik merupakan bobot tertinggi/terpenting menurut Bangbang, disusul pendidikan dan yang terakhir adalah kaya.  Bagaimana cara membuat matrix ini?:
  • Hasil pair wise comparation diatas diisi pada sel berwarna putih (bagian kanan atas matrix),  dengan aturan  baris vs kolom.  Jadi angka 2 (cantik lebih penting 2 kali dari pendidikan) diisi pada sel yang merupakan perpotongan antara baris cantik dan kolom pendidikan.  Angka 3 (Cantik lebih penting 3 kali dari kaya) diisi pada sel yang merupakan perpotongan antara baris cantik dan kolom kaya.  Begitu juga dengan angka 1.5(Pendidikan lebih penting 1.5 kali dari kaya) diisi pada sel yang merupakan perpotongan antara baris pendidikan dan kolom kaya.  Sampai disini semua sel di kanan atas matrix (sel berlatar belakang Putih) terisi.  Pada sel dengan baris dan kolom sama (Cantik-Cantik atau Pendidikan-Pendidikan atau Kaya-Kaya), sel berlatar belakang Hijau diisi dengan angka 1.  Kemudian sel pada bagian Kiri bawah matrix (berlatar belakang Abu-Abu) diisi dengan angka kebalikan dari sel disebelah Kiri atas.  Jadi pada sel Pendidikan-Cantik diisi dengan angka 1/2, yaitu kebalikan dari angka yang berada pada sel Cantik-Pendidikan, dstnya.
  • Baris Jumlah (baris paling bawah) merupakan penjumlahan dari semua angka yang ada pada baris diatasnya dalam satu kolom.
  • Kolom Priority Vector, merupakan hasil penjumlahan dari semua sel disebelah Kirinya (pada baris yang sama) setelah terlebih dahulu dibagi dengan sel Jumlah yang ada dibawahnya, kemudian hasil penjumlahan tersebut dibagi dengan angka 3 (angka 3 karena kriterianya ada 3, yaitu Cantik, Pendidikan dan Kaya).   berikut contoh sederhanya, angka 0.5455 pada sel yang merupakan perpotongan antara baris Cantik dan kolom Priority diperoleh dari 1/3x(1/1.8333+2/3.6667+3/5.500).  Angka 0.2727 pada sel yang merupakan perpotongan antara baris Pendidikan dan kolom Priority diperoleh dari 1/3x(0.5/1.8333+1/3.6667+1.5/5.500).  Angka 0.1818 pada sel yang merupakan perpotongan antara baris Kaya dan kolom Priority diperoleh dari 1/3x(0.33/1.8333+0.6667/3.67+1/5.500).
Sekarang timbul pertanyaan, kenapa hanya untuk memberi bobot pada kriteria kok memerlukan langkah dan perhitungan yang rumit ??  kalau jumlah kriterianya hanya tiga, memang  terasa terlalu ruwet, tidak sebanding dengan keuntungan yang diperoleh.  Akan tetapi kalau jumlah kriterianya banyak maka walaupun agak ruwet tetapi cara ini sangat membantu.  Selain itu, sebenarnya perhitungan ini juga dimaksud menyamakan rentang/skala bobot untuk setiap pasangan, atau dalam bahwa AHP disebut normalized.
Setelah Bangbang mendapatkan bobot untuk setiap kriteria (yang ada pada kolom Priority  Vector), maka selanjutnya dia mau mengecek apakah bobot yang dia dibuat konsisten atau tidak.  Untuk hal ini, yang pertama yang dilakukan adalah menghitung Pricipal Eigen Value (lmax) matrix diatas dengan cara menjumlahkan  hasil perkalian antara sel pada baris jumlah dan sel pada kolom Priority Vector, sbb: 1.8333×0.5455+3.6667×0.2727+5.5×0.1818=3.  Kemudian Bangbang menghitung Consistency Index (CI), dengan rumus CI = (lmax-n)/(n-1) dengan n adalah jumlah kriteria (dalam hal ini 3), jadi CI = (3-3)/(3-1)=0/2=0.  CI sama dengan nol berarti pembobotan yang dilakukan sangat konsisten.  Untuk pembobotan dengan jumlah kriteria yang cukup banyak (diatas 5 kriteria), pembobotan yang konsisten (CI=0) seperti ini sangat sulit dicapai.  Oleh karena itu, pada batas tertentu HPS masih mau menerima ketidak konsistenan ini.  Batas toleransi ketidak konsistenan ditentukan oleh nilai Random Consistency Index (CR) yang diperoleh dengan rumus CR=CI/RI, nilai RI bergantung pada jumlah kriteria seperti pada tabel berikut:
 null
Jadi untuk n=3, RI=0.58. 
Jika hasil perhitungan  CR lebih kecil atau sama dengan 10% ,  ketidak konsistenan masih bisa diterima, sebaliknya jika lebih besar dari 10%, tidak bisa diterima.
Sampai disini, Bangbang sudah memiliki bobot untuk setiap kriterianya.  Selanjutnya dia mau menilai ketiga pacarnya berdasarkan ketiga kriteria tersebut.  Pertama, Bangbang akan menilai siapa dari ketiga pacarnya tersebut yang paling cantik. Dia berencana dalam kencan minggu depan akan digunakan untuk melakukan hal ini.  Pada akhir minggu, setelah kencan tersebut, dia berhasil memetakan hasil penilaiannya dalam bentuk pair-wire comparation berikut:
  • Yayu 4 kali lebih cantik dari Grace.
  • Yayu 3 kali lebih cantik dari Fitri.
  • Grace 1/2 kali lebih cantik dari Fitri.
Pair-wire comparation matrix-nya adalah sbb:
 null
Arti dari tabel ini adalah dari ketiga pacar Bangbang, yang paling cantik adalah Yayu dengan skor 0.6276 (dalam skala 1), disusul Fitri dengan skor 0.2395 dan Grace dengan skor 0.1373. Perhatikan, nilai CI adalah 0.01 yang berarti pembobotan yang dibuat Bangbang tidak terlalu konsisten (ayo, siapa yang bisa nebak kenapa tidak konsisten?), namun karena nilai CR=2.2% lebih kecil dari 10%, maka ketidak konsistenan ini masih bisa diterima.
Selanjutnya Bangbang akan menilai tingkat pendidikan dari ketiga pacarnya.  Penilaian ini bagi Bangbang tidak sulit karena sejak awal berpacaran Bangbang sudah tahu bahwa Si Yayu yang sehari-hari bekerja sebagai kasir di sebuah toko swalayan hanya tamatan SMA.  Grace yang menduduki salah satu direksi di perusahaan keluarganya adalah lulusan S1 ekonomi dari salah satu perguruan tinggi negeri di Jakarta. Sedangkan Fitri adalah teman kuliahnya di program paska sarjana salah satu perguruan tinggi di Bandung.  Bangbang memberi bobot pendidikan untuk ketiga pacarnya sbb:
  • Tingkat pendidikan Yayu 1/3 Grace.
  • Tingkat pendidikan Yayu 1/4 Fitri.
  • Tingkat pendidikan Grace 1/2 Yayu.
Pair-wire comparation matrix-nya adalah sbb:

null 
Dari tabel ini terlihat bahwa Fitri yang mahasiswa S2 mendapat nilai tertinggi yaitu 0.5571 disusul Grace dengan nilai 0.3202 dan terakhir  Yayu dengan nilai 0.1226.  Sekali lagi terlihat bahwa pembobotan ini tidak konsisten, namun masih bisa diterima karena nilai CR masih dibawah 10%.
Yang terakhir Bangbang akan menilai kekayaan dari ketiga pacarnya.  Ini juga tidak sulit bagi Bangbang, dan hasilnya adalah sbb:
  • Bobot kekayaan Yayu 1/100 kali bobot kekayaan Grace.
  • Bobot kekayaan Yayu 1/10 kali bobot kekayaan Fitri.
  • Bobot kekayaan Grace 10 kali bobot kekayaan Fitri.
Pair-wire comparation matrix-nya adalah sbb:
 null
Jadi hasil penilaian Bangbang adalah grace yang paling kaya dengan skor 0.9009, disusul Fitri dengan skor 0.0901 dan yang terakhir Yayu dengan skor 0.0090.  Pada pembobotan kali ini Bangbang sangat konsisten, ini terlihat dari nilai CI=0.
Setelah mendapatkan bobot untuk ketiga kriteria dan skor untuk masing-masing kriteria bagi ketiga pacarnya, maka langkah terakhir adalah menghitung total skor untuk ketiga pacarnya.  Untuk itu Bangbang akan merangkum semua hasil penilaiannya tersebut dalam bentuk tabel yang disebut Overall composite weight, seperti berikut.
null
Cara mengisi tabel ini adalah sbb:
  • Kolom Weight diambil dari kolom Priority Vektor dalam matrix Kriteria.
  • Ketiga kolom lainnya (Yayu, Grace dan Fitri) diambil dari kolom Priority Vector ketiga matrix CantikPendidikan dan Kekayaan.
  • Baris Composite Weight diperoleh dari jumlah hasil perkalian sel diatasnya dengan weight.  Composite weight untuk Yayu = 0.5455×0.6232+0.2727×0.1226+0.1818×0.0090=0.3750.  Composite weight untuk Grace = 0.5455×0.1373+0.2727×0.3202+0.1818×0.9009=0.3260.  Composite weight untuk Fitri = 0.5455×0.2395+0.2727×0.5571+0.1818×0.0901=0.2990.
Dari tabel diatas dapat disimpulkan bahwa Yayu mempunyai skor yang paling tinggi yaitu 0.3750, disusul Grace dengan skor 0.3260 dan yang terakhir Fitridengan skor 0.2990.  AKhirnya Bangbang akan memilih Yayu sebagai istrinya.

Monday, March 21, 2016

Subsistem Managemen Model

Subsistem Manajemen Model

Subsistem manajemen model dari Sistem Pendukung Keputusan  terdiri dari elemen-elemen berikut ini :
2.1 Basis Model : Basis model berisi rutin dan statistik khusus, keuangan, forecasting, ilmu manajemen, dan model kuantitatif lainnya yang memberikan kapabilitas analisis pada sebuah sistem pendukung keputusan. Kemampuan untuk invokasi, menjalankan, mengubah, menggabungkan, dan menginspeksi model merupakan suatu kapabilitas kunci dari sistem pendukung keputusan  dan yang membedakan nya dengan CBIS (Komputer Based Information System) lainnya. Model dalam basis model dapat di bagi menjadi empat kategori utama, dan satu kategori pendukung, yaitu :
2.1.1 Strategis
Model strategis di gunakan untuk mendukung manajemen puncak untuk menjalankan tanggung jawab dalan perencanaan strategis

2.1.2 Taktis
Model taktis di gunakan terutama oleh manajemen tingkat menengah, untuk membantu mengalokasikan dan mengontrol sumber daya organisasi.

2.1.3 Operasional
Model ini digunakan untuk mendukung aktivitas kerja harian transaksi organisasi.

2.1.4 Analitik
Model ini digunakan untuk menganalisis data, model ini meliputi model statistik, ilmu manajemen, algoritma data mining, model keuangan, dan lainya.

2.1.5 Blok pembangungan model dan rutin
Selain berisi model strategis, taktis dan operasional, basis model juga berisi blok pembangungan model dan rutin. Contoh-contohnya meliputi satu rutin generator dengan jumlah acak, kurva, atau line-fitting rutin, rutin komputasi present-value, dan analisi regresi. Blok pembangunan ini dapat di gunakan dalam beberapa cara. Dapat di sebarkan untuk aplikasi sebagai analisis data, dapat juga di gunakan sebagai komponen present-value, dan analisis regresi.
2.2  Sistem Manajemen Basis Model
Fungsi perangkat lunak sistem manajemen basis model (MBMS) adalah untuk membuat model dengan menggunakan bahasa pemograman, alat sistem pendukung keputusan  atau subrutin, dan blok pembangunan lainnya; membangkitkan rutin baru dan laporan; pembaruan dan perubahan model; dan manipulasi data model. MBMS mampu mengaitkan model-model dengan link yang tepat melauli sebuah database.
Peran direktori model yang terhubung ke MBMS (lihat gambar) sama dengan direktori database. Direktori model adalah katalog dari semua model dan perangkat lunak lainnya pada basis model. Yang berisi defenisi model dan fungsi utamanya adalah menjawab pertanyaan tentang ketersediaan dan kapabilitas model. Sistem manajemen basis model  (MBMS) berisi beberapa elemen antara lain, yaitu :

2.2. 1. Eksekusi model
Eksekusi model adalah proses mengontrol jalannya model.

2.2.2 Integrasi Model
Model ini mencakup gabungan operasi dari beberapa model saat di perlukan (misalnya mengarahkan output suatu model, katakanlah perkiraan, untuk di proses model lain, misal model perencanaan pemograman linier).

2.2.3 Perintah (Comman Processor Model)
Model ini di gunakan untuk menerima dan menginterpretasikan instruksi-instruksi pemodelan dari komponen antarmuka pengguna dan merutekannya ke MBMS, eksekusi model atau fungsi-fungsi integrasi elemen-elemen tersebut beserta antarmukanya dengan komponen sistem pendukung keputusan.
Defenisi dan fungsi setiap elemennya ditunjukkan pada gambar di bawah ini :

Group Decision Support System (GDSS) Kesimpulan



Kali ini saya akan membahas tentang tugas kuliah saya, yaitu saya harus menyimpulkan sebuah video dari STUDY dimana di website ini, terdapat sebuah lesson yang berjudul :




GROUP DECISION SUPPORT SYSTEM ( GDSS )IMPROVING THE GROUP DECISION MAKING ENVIRONMENT
video

Dari video yang sudah kita saksikan sebelumnya, dapat kita lihat, bahwa suatu masalah yang terjadi pada sebuah perusahaan dimana perusahaan tersebut kalah bersaing terhadap sebuah produk, tentu saja harus dicari pemecahan dari masalah itu, dengan mengadakan rapat para redeksi, tentunya hal ini akan membuat banyak hal dikeluarkan, seperti :

  1. Kertas yang penuh dengan data analisis,
  2. Waktu yang ditentukan untuk pertemuan,
  3. Jarak yang mungkin jauh, apabila pihak redaksi dari kantor cabang juga di hadirkan.

Dari permasalahan diatas tentunya akan menyulitkan dan memakan waktu, oleh sebab itu GDSS muncul dengan solusi yang memungkinkan dan meminimalkan hal yang tidak seharusnya dikeluarkan. Dengan adanya GDSS sendiri akan membantu sebuah perusahaan untuk memenukan solusi dari permasalahan yang dihadapi dari berbagai group didalam sebuah organisasi.

GDSS sendiri membantu dengan tampilan software yang interaktif yang memungkinkan grup yang berpartisipasi didalamnya untuk mendapatkan sebuah solusi dari permasalahan yang ada, dan memberikan fitur-fitur seperti :

  1. Video Conference
  2. Group Scheduling
  3. Project Management Software
  4. Collaborative Eletronic Workspace
Kesimpulannya dari GDSS ini mempermudah kita dalam mengambil sebuah keputusan yang kita hadapi secara virtual dengan meminimalkan hal yang tidak seharusnya dikeluarkan, dan mendapatkan solusi secara tepat, dan cepat, dan tentunya lebih praktis

Sumber : Study

Saturday, March 19, 2016

Pengertian DSS ( Desicion Support System )

Pengertian DSS ( Decision Support Systems )
Sistem pendukung keputusan (Inggris: decision support systems disingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.
Dapat juga dikatakan sebagai sistem komputer yang menfghgolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik.
Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis ad hoc data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat-saat tidak biasa.
Sehingga dapat di artikan DSS adalah Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan dalam menggunakan data dan model untuk menyelesaikan masalah.

Pendekatan dalam membangun DSS:

  • DSS dibangun dengan bahasa pemrograman umum seperti visual basic. Jadi, kita membangun dss secara sendiri, baik in-house maupun outsource dari nol.
  • DSS dibangun dengan OLAP dan data warehousenya seperti microsoft SQL Serve. Dengan pendekatan ini kita sudah memanfaatkan fitur-fitur dari aplikasi on-the-shelf, yang ditujukan untuk keperluan DSS. Jadi, dibandingkan dengan pendekatan pertama, cara ini akan lebih singkat dari segi waktu.
  • DSS dibangun dengan DSS Engine seperti Microsoft Excel. Dengan pendekatan ini kita menggunakan aplikasi on-the-shelf yang masuk dalam golongan DSS Engine. Bila pendekatan kedua lebih mengarah ke data management, maka pendekatan ketiga ini lebih mengarah ke model management.
  • DSS dibangun dengan ketiga pendekatan diatas. Pendekatan-pendakatan ini banyak digunakan, sehingga pada komponen managemen kita menggunakan pendekatan kedua, kemudian menggunakan pendekatan ketiga dan user interfacenya kita menggunakan pendekatan pertama. Dalam hal ini pendekatan yang digunakan adalah hubungan antara pendekatan menggunakan OLAP dan data Warehouse dengan pendekatan DSS Engine.

Tahapan DSS:
  • Definisi masalah
  • Pengumpulan data atau elemen informasi yang relevan
  • pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan
  • menentukan alternatif-alternatif solusi (bisa dalam persentase)

Tujuan dari DSS:
  • Membantu menyelesaikan masalah semi-terstruktur
  • Mendukung manajer dalam mengambil keputusan suatu masalah
  • Meningkatkan efektifitas bukan efisiensi pengambilan keputusan
Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dll.


Manfaat dari DSS
  • Keputusan yang berkualitas
  • Peningkatan produktivitas
  • Penghematan waktu
  •  Peningkatan kepuasan karyawan dan pelanggan

Sumber :