NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan
-
Upload
purnama-merindu -
Category
Documents
-
view
3.364 -
download
1
Transcript of NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan
![Page 1: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/1.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
1
NOTA CBSS 4103
SISTEM SOKONGAN KEPUTUSAN
Bab 1 – 9
SEMESTER SEPTEMBER 2007
Empunya ;
Kariah Hj Supertan
![Page 2: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/2.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
2
TAJUK 1 : HUMAN AND MANAGERIAL DECISIONTAJUK 1 : HUMAN AND MANAGERIAL DECISIONTAJUK 1 : HUMAN AND MANAGERIAL DECISIONTAJUK 1 : HUMAN AND MANAGERIAL DECISION----MAKINGMAKINGMAKINGMAKING
Manusia dan Pengurusan Pembuatan KeputusanManusia dan Pengurusan Pembuatan KeputusanManusia dan Pengurusan Pembuatan KeputusanManusia dan Pengurusan Pembuatan Keputusan
Pengenalan:Pengenalan:Pengenalan:Pengenalan:
Pengurus bertanggungjawab di mana mereka perlu ambil tindakan bagi pihak organisasi
seperti memperuntukkan sumber, merundingkan perjanjian, mengawasi prestasi organisasi
dan membetulkan penyimpangan drp perancangan
1.11.11.11.1 Pengenalan Kpd Pembuatan KeputusanPengenalan Kpd Pembuatan KeputusanPengenalan Kpd Pembuatan KeputusanPengenalan Kpd Pembuatan Keputusan
Eleanor RooseEleanor RooseEleanor RooseEleanor Roosevelt: velt: velt: velt:
“ Somewhere along the line of development we really are, and then we make our real decision
for which we are responsible. Make that decision primarily for yourseft because you can never
really live anyone else’s life.”
Di mana sahaja di sepanjang garis pembangunan kita menemui apa yg kita ada, dan
kemudiannya kita membuat keputusan kita yg sebenar utk yang kita dipertanggungjawabkan.
Membuat keputusan itu terutamanya utk diri kita sebab kamu sebenarnya tidak akan hidup
dlm kehidupan individu yang lain”
Keputusan ( Decision) : Keputusan ( Decision) : Keputusan ( Decision) : Keputusan ( Decision) :
• Kesimpulan atau pilihan alasan di kalangan pelbagai alternatif / pilihan.
• Kita membuat sebilangan keputusan, keputusan peribadi adalah seperti keputusan
perniagaan dalam kehidupan kita
Keputusan Keputusan Keputusan Keputusan termasuklah:termasuklah:termasuklah:termasuklah:
• Apa yg perlu dipakai untuk ke pejabat
• Ke mana nak pergi semasa cuti sekolah
• Insuran nyawa yang manakah untuk di beli
• Berapa ramai tutor utk diambil bagi kursus computer
Setiap keputusan dibina oleh:Setiap keputusan dibina oleh:Setiap keputusan dibina oleh:Setiap keputusan dibina oleh:
• Kenyataan keputusan
• Himpunan alternatif2
• Himpunan kriteria2
![Page 3: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/3.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
3
Teknik beTeknik beTeknik beTeknik berkesan utk membuat keputusan:rkesan utk membuat keputusan:rkesan utk membuat keputusan:rkesan utk membuat keputusan:
Arsham, 2005Arsham, 2005Arsham, 2005Arsham, 2005 : keputusan membabitkan tiga langkah:
• Pengiktirafan ke atas keperluan: ketidakpuas hati dgn diri sendiri ( kekosongan /
keperluan )
• Keputusan kpd perubahan ( utk mengisi kekosongan / keperluan )
• Kesedaran dedikasi kpd melaksana keputusan
Membuat Keputusan bermaksud :Membuat Keputusan bermaksud :Membuat Keputusan bermaksud :Membuat Keputusan bermaksud :
Turban, 2005Turban, 2005Turban, 2005Turban, 2005 : Proses daripada kewarasan dikalangan alternatif-alternatif yang dapat
digunakan utk tujuan mengenai penyempurnaan satu tujuan / tujuan-tujuan
Harris, 1998Harris, 1998Harris, 1998Harris, 1998: kajian dalam mengenalpasti dan memilih alternatif berdasarkan nilai-nilai dan
keutamaan-keutamaan drp pembuat keputusan dan proses yg mencukupi mengurangkan
keadaan yg tidak menentu dan keraguan mengenai alternatif-alternatif utk membenarkan satu
pilihan yg munasabah untuk dibuat drp kalangan mereka.
Arsham, H., 2005Arsham, H., 2005Arsham, H., 2005Arsham, H., 2005 : model/contoh/jenis membuat keputusan mungkin membenarkan untuk
hanya tiga sistem unik semasa membuat keputusan:
• IndividualismeIndividualismeIndividualismeIndividualisme : yg mana ketidaksamaan akses (perolehan), menikmati pertandingan,
dan pengenalpastian dgn kuasa dan individu yang betul
• KolaborasiKolaborasiKolaborasiKolaborasi : yang mana menganggap semua manusia mempunyai kepentingan bersama,
menaikkan usaha kolaborasi dan kenalpasti dgn demokrasi yang tidak terbatas
• Kuasa dan KewibawaanKuasa dan KewibawaanKuasa dan KewibawaanKuasa dan Kewibawaan : yang mana menghormati kuasa dan pengenalpastian dgn
kawalan hak/ kewibawaan
Alternatif : keputusan yang wujud boleh di bina / buat
Harris, 1998 : JenisHarris, 1998 : JenisHarris, 1998 : JenisHarris, 1998 : Jenis----Jenis Keputusan ;Jenis Keputusan ;Jenis Keputusan ;Jenis Keputusan ;
• Decisions Whether ( Keputusan Sama Ada )
• Decisions Which ( Keputusan Yang Mana )
• Contingent Decisions ( Kontinjen Keputusan – yang mungkin berlaku / kebetulan )
![Page 4: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/4.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
4
Latihan 1Latihan 1Latihan 1Latihan 1
1. Apakah Keputusan?
KeputusanKeputusanKeputusanKeputusan adalah bentuk-bentuk tindakan yang diambil untuk menyelesaikan masalah
2. Perbezaan antara Decision Whether dan Contingent Decisions?
Decision WhetherDecision WhetherDecision WhetherDecision Whether Contingent DecisionsContingent DecisionsContingent DecisionsContingent Decisions
Ya atau Tidak Keputusan yang telah dibuat tetapi memegangnya
sehingga menjumpai situasi yang sesuai
Keputusan mesti dibuat sebelum
memilih altirnatif
Cth : Saya akan membeli kereta jika saya
memperoleh harga yang berpatutan
Cth: Saya patut membeli kereta
baru
1.21.21.21.2 Pengurus dan Pembuatan KeputusanPengurus dan Pembuatan KeputusanPengurus dan Pembuatan KeputusanPengurus dan Pembuatan Keputusan
Pengurus adalah pembuat keputusan
Minztberg, 1980Minztberg, 1980Minztberg, 1980Minztberg, 1980 : pengurus melaksanakan 10 peranan yang boleh diklasifikasikan kpd 3
kategori utama :
• InterpersonalInterpersonalInterpersonalInterpersonal
• InformationalInformationalInformationalInformational
• DecisionalDecisionalDecisionalDecisional
10 peranan pengurusan oleh Minztberg, 1980 :10 peranan pengurusan oleh Minztberg, 1980 :10 peranan pengurusan oleh Minztberg, 1980 :10 peranan pengurusan oleh Minztberg, 1980 :
InterpersonalInterpersonalInterpersonalInterpersonal
Figurehead
(boneka)
kepala simbolik bertanggungjawab untuk melaksanakan beberapa
tugas rutin berbentuk perundangan/sosial.
Leader
(pemimpin)
Bertanggungjawab untuk memotivasikan dan menggerakkan semua
kaki tangan dan juga bertanggungjawab tentang tugas-tugas
berkaitan dengan staf, latihan dan hubungan
Liaison
(perhubungan)
Mengekalkan rangkaian bina sendiri dengan pihak-pihak luar serta
pemberi-pemberi maklumat
InformationalInformationalInformationalInformational
Monitor
(pengawas)
Mencari dan menerima pelbagai maklumat khusus untuk membina
pemahaman yang menyeluruh tentang organisasi dan persekitarannya
Disseminator
(penyebar)
Menyebar maklumat yang diterima dari pihak luar atau daripada
kakitangan sendiri kepada ahli-ahli maklumat luaran/dalaman
organisasi
![Page 5: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/5.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
5
Spokesperson
(jurucakap)
Menyebarkan maklumat kepada pihak-pihak luar tentang polisi-
polisi, plan-plan, juga bertindak sebagai pakar tentang industri
organisasi
DecisionalDecisionalDecisionalDecisional
Entrepreneur
(pengusaha)
mencari organisasi dan persekitaran untuk peluang dan permulaan
memantapkan projek utk membawa kepada perubahan; menyelia
reka bentuk drp projek tertentu
Disturbance
Handler
(penyelesai
gangguan)
Bertanggungjawab untuk membetulkan perkhidmatan apabila
organisasi menghadapi gangguan yang tidak dijangka atau penting
Resource Allocator
(peruntukan
sumber)
Bertanggungjawab utk peruntukan sumber organisasi drp semua
jenis kesan dalam membuat atau menerima semua keputusan
organisasi yang penting.
Negotiator
(perunding)
Bertanggunghjawab utk mempersembahkan organisasi pada
perundingan
Keputusan boleh diklasifikasikan selaras dgn tingkat organisasi
Anthony, 1965 :Anthony, 1965 :Anthony, 1965 :Anthony, 1965 :
strategic planningstrategic planningstrategic planningstrategic planning ( ( ( ( perancangan strategicperancangan strategicperancangan strategicperancangan strategic ) ) ) ) adalah dibuat pada tahap atas pengurusan
organisasi, dan membuat keputusan utk mengesan keseluruhan organisasi. Ia melibatkan
pembuatan keputusan dalam menentukan objektif-objektif, menubuhkan dasar,
menguntukkan sumber-sumber, mengawal pelaksanaan organisasi dan menilai pelaburan.
Perancangan Strategik
Kawalan Pengurusan
Pelaksanaan Operasi
Kawalan Operasi
![Page 6: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/6.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
6
Management controlManagement controlManagement controlManagement control ( Kawalan Pengurusan ) ( Kawalan Pengurusan ) ( Kawalan Pengurusan ) ( Kawalan Pengurusan ), or tactical decisiontactical decisiontactical decisiontactical decision ( keputu ( keputu ( keputu ( keputusan taktikal )san taktikal )san taktikal )san taktikal ), adalah
dibuat oleh pengurus-pengurus pertengahan,termasuk proses keputusan yang berkaitan
dengan pemerolehan dan guna sumber. Ia memberi kesan pada sebahagian organisasi utk satu
masa terhad pada masa depan..
Operational control Operational control Operational control Operational control ( Kawalan ( Kawalan ( Kawalan ( Kawalan Operasi )Operasi )Operasi )Operasi ) dikaitkan dengan keberkesanan
tindakan-tindakan organisasi, mengawal kualiti produk / servis dan menilai terhadap
keperluan-keperluan product/servis....
Operational performance Operational performance Operational performance Operational performance ( Pelaksanaan Operasi ) ( Pelaksanaan Operasi ) ( Pelaksanaan Operasi ) ( Pelaksanaan Operasi ) melibatkan pembuatan keputusan hari ke hari
di unit-unit fungsian. Keputusan dibuat untuk dilaksanakan keputusan strategic, taktik
fungsian dan aktiviti operasi. Dengan setiap tahap drp keputusan organisasi, keputusan
klasifikasi kajian berstruktur, semi struktur dan tidak berstruktur
Structured decisStructured decisStructured decisStructured decisions ions ions ions (keputusan distrukturkan) adalah lazim dan berulang. seperti
keputusan tersedia untuk dihasilkan prosedur pengendaliannya.Sebagai mana yang berlaku,
Kita tidak perlu memikirkan dari mula bagaimana untuk menanganinya.
unstructured decisions unstructured decisions unstructured decisions unstructured decisions (keputusan yang tidak diprogramkan) adalah kompleks dan sukar
ditemui. Seperti keputusan yang tidak dipastikan atau kaedah cut and dried untuk
menanganinya. Seperti tidak pernah wujud sebelumnya. Mungkin juga lebih penting , oleh itu
perlu menjadi rawatan kebiasaan
SemiSemiSemiSemi----structured decision structured decision structured decision structured decision adalah mempunyai jumlah aspek berstruktur yang banyak tetapi
tidak boleh dilengkapkan (Mallach, 2000).
1.31.31.31.3 Proses Pembuatan KeputusanProses Pembuatan KeputusanProses Pembuatan KeputusanProses Pembuatan Keputusan
Simon (1960),Simon (1960),Simon (1960),Simon (1960), proses terdiri daripada tiga fasa : intelligenceintelligenceintelligenceintelligence (kepintaran) (kepintaran) (kepintaran) (kepintaran), design, design, design, design (rekabentuk) (rekabentuk) (rekabentuk) (rekabentuk)
dan dan dan dan choice choice choice choice (pilihan) (pilihan) (pilihan) (pilihan) Proses tersebut melibatkan penemuan masalah untuk diselesaikan.
Proses ini adalah aliran berterusan daripada satu fasa ke fasa yang lain. Walau bagaimana pun
pada mana-mana fasa, boleh berpatah-balik ke fasa sebelumnya. Setiap keputusan haruslah
melibatkan semua fasa, seminima mungkin.
![Page 7: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/7.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
7
Penekanan atas setiap fasa berbeza daripada suatu keputusan kpd dua yang lain:
a. sifat semulajadi keputusan mungkin memerlukan pembuat keputusan utk menyediakan
masa yg lebih dalam satu fasa atau yang lainnya
b. pembuat keputusan mungkin memberi penekanan ke atas satu fasa / yang lain,
bergantung ke atas cara kelakuannya
1.3.11.3.11.3.11.3.1 Fasa Intelligence ( Fasa Intelligence ( Fasa Intelligence ( Fasa Intelligence ( Fasa KecerdasanFasa KecerdasanFasa KecerdasanFasa Kecerdasan ) ) ) )
- fasa pertama dalam proses membuat keputusan
- pembuat keputusan perlu mengenalpasti dan menyatakan masalah atau keadaan yang
memerlukan penyelesaian
- aktiviti penelitian / pengimbasan mungkin dilakukan secara berkala atau secara
berterusan
- untuk melaksanakan aktiviti, pembuat keputusan hendaklah meninjau objektif
organisasi, menyelidik dan teliti prosedur, dan memahami data yang relevan
- memahami mengapakah terjadinya masalah, di manakah ianya berlaku, dan apakah
kesannya (Laudon and Laudon, 1999).
- Produk akhir fasa ini ialah kenyataan masalah (problem statementproblem statementproblem statementproblem statement.)
![Page 8: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/8.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
8
(a) Find the ProblemFind the ProblemFind the ProblemFind the Problem ( Dapatkan M ( Dapatkan M ( Dapatkan M ( Dapatkan Masalah )asalah )asalah )asalah )
- mulakan fasa kecerdasan dengan mengenalpastinya matlamat organisasi dan objektif
- Tentukan sama ada matlamat dan objektif telah dipenuhi atau tidak
- Masalah-masalah timbul sekiranya terdapat rasa tdk puas hati dgn cara yang dilakukan
- ketidakpuasan hati adalah perbezaan antara apa yang diinginkan dan apa yang berlaku
atau tidak berlaku.
- menilai kewujudan masalah, tahap produktiviti pengelolaan harus diawasi dan analisis
(Turban et al., 2005).
- Jika sesuatu masalah benar-benar wujud, seseorang harus mendapatkan tanda-tanda
bermasalah, menentukan betapa penting bermasalah dan menyatakan masalah dengan
jelas.
(b) Classify ProblemClassify ProblemClassify ProblemClassify Problem ( Mengkelaskan Masalah ) ( Mengkelaskan Masalah ) ( Mengkelaskan Masalah ) ( Mengkelaskan Masalah )
- utk mengkelaskan masalah ke dalam kategori yang boleh ditakrifkan
- Pendekatan terbaik , khaskan masalah mengikut tahap structuredness ( berstruktur)
- Menurut Simon (1977), terdapat dua situasi ekstrem tentang strukturan penyelesaian
masalah : masalah berstruktur dan bukan berstruktur.
- Masalah bukan berstruktur dan semi berstruktur berkecenderungan kpd mendapatkan
struktur sebagai proses penyelesaian keluar.
(c) Decompose ProblemDecompose ProblemDecompose ProblemDecompose Problem ( Penguraian Masalah ) ( Penguraian Masalah ) ( Penguraian Masalah ) ( Penguraian Masalah )
- utk mengawal masalah yg kompleks, masalah perlu dibahagikan kpd sub-masalah
- su-masalah mudah diuruskan
- penyelesaian sub-masalah sederhana membantu dalam penyelesaian masalah- masalah
kompleks
- bila masalah terdiri drp sub-masalah berstruktur dan tidak berstruktur, masalah itu dgn
sendirinya semi-berstruktur
- pendekatan penghuraian memudahkan komunikasi dikalangan orang yang terlibat dalam
proses penyelesaian masalah .
(d) Establish Problem OwnershipEstablish Problem OwnershipEstablish Problem OwnershipEstablish Problem Ownership ( Buktikan Pemilik Masalah ) ( Buktikan Pemilik Masalah ) ( Buktikan Pemilik Masalah ) ( Buktikan Pemilik Masalah )
- setiap masalah yang dikesan, mesti dipunyai oleh sebarang individu atau mana-mana
jabatan dalam organisasi
![Page 9: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/9.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
9
- individu atau kumpulan dalam organisasi mesti mempunyai masalah sepertimana yang
organisasi bersetuju untuk bertenggungjawab utk menyelesaikan masalah atau
mempunyai kemampuan utk menyelasaikan masalah
Fasa ini berakhir dengan kenyataan masalah formal (formal problem statementformal problem statementformal problem statementformal problem statement.)
- Sekiranya pembuat keputusan organisasinya tidak mampu utk menyelasaikan masalah,
ianya akan menyatakan bahawa masalah itu tidak dipunyai oleh sesiapa
- keadaan tersebut tidak mencetuskan fasa seterusnya terhadap proses penyelesaian
masalah.
Exercise 1.3Exercise 1.3Exercise 1.3Exercise 1.3
What do you think executives in many organisations are paid to do? To
think or to do routine tasks? Explain. Sebagai tugasan harian agar proses pembuatan
keputusan dan penyelasaian masalah lebih memuaskan dan efektif.
1.3.21.3.21.3.21.3.2 Fasa Reka BentukFasa Reka BentukFasa Reka BentukFasa Reka Bentuk
- melibatkan membangunkan dan menganalisis haluan yg boleh berlaku daripada aksi
kepada menyelesaikan masalah.
- Dicadangkan keputusan kepada masalah atau alternatif yg dibangunkan
- Pembuat keputusan perlu melakukan kajian yang banyak alternatif yg sedia ada
- Objektif drp keputusan yang akan dibuat mestilah jelas dan mudah dikenalpasti.
a. Bina Model Sistema. Bina Model Sistema. Bina Model Sistema. Bina Model Sistem
Model SistemModel SistemModel SistemModel Sistem : memudahkan gambaran atau memisahkan sistem atau masalah
Pembolehubah:Pembolehubah:Pembolehubah:Pembolehubah:
i. Keputusan Berubah ( Decision Variables ) : menjelaskan alternatif-alternatif pembuat
keputusan mesti dipilih diantaranya
ii. Hasil berubah atau set daripada hasil pembolehubah-pembolehubah : menjelaskan sasaran
drp pembuatan keputusan
iii. pembolehubah tidak terkawal : penjelasan ttg persekitaran spt keadaan ekonomi
Proses pemodelan akan menentukan pembolehubah dan mengukuhkan hubungan di antara
pembolehubah yg mungkin eujud dalam situasi masalah.
![Page 10: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/10.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
10
b. Set Kriteria Untuk Pemilihanb. Set Kriteria Untuk Pemilihanb. Set Kriteria Untuk Pemilihanb. Set Kriteria Untuk Pemilihan
� menentukan criteria dlm menerima pendekatan penyelesaian
� bagaimana pembuat keputusan mengutarakan objektif pembuatan keputusannya
� bagaimana objektif2 digabungkan ke dlm model
c. Menjana Alternatifc. Menjana Alternatifc. Menjana Alternatifc. Menjana Alternatif
- ketersediaan dan kos drp maklumat dan juga ketersediaan drp kepakaran dalam kawasan
masalah
- Cth: sesi ‘brainstorming’ : disokong dgn perisian brainstorming elektronik utk mendapatkan
alternatif.
- hasil drp setiap alternatif yg dicadangkan mestilah dibuktikan
d. Meramal dan Mengukur Hasild. Meramal dan Mengukur Hasild. Meramal dan Mengukur Hasild. Meramal dan Mengukur Hasil
- dalam mendapatkan hasil yang diramalkan drp setiap alternative yg dicadangkan
membolehkan pembuat keputusan untuk menentukan alternative yang manakah akan
bersesuaian dgn penyelesaian yang memuaskan
- hasil drp setiap alternative boleh dihuraikan dalam sasaran organisasi,
- hasil seperti memaksimakan keuntungan boleh diukr dalam Ringgit Malaysia
- hasil drp kepuasan pelanggan boleh diukur melalui jumlah aduan atau kedudukan daripada
kajian atau tinjauan
1.3.31.3.31.3.31.3.3 Fasa PilihanFasa PilihanFasa PilihanFasa Pilihan : : : :
- pembuat keputusan membuat keputusannya
- terdiri drp pencarian, penilaian dan perakuan daripada penyelesaian yang memuaskan kpd
binaan model dlm fasa reka bentuk
- akhirnya : keputusan akan dilaksanakan
a. Mena. Mena. Mena. Menilai / Mentafsir Alternatifilai / Mentafsir Alternatifilai / Mentafsir Alternatifilai / Mentafsir Alternatif
- menyelesaikan model menghasilkan keputusan yang diperakukan kepada masalah yang
nyata.
- penyelesaian yang dicadangkan diaplikasikan kpd model utk diuji kebolehlaksanaannya
- Utk menyelesaikan model yg dibina pada fasa reka bentuk, alternatif-alternatif perlu
dinilaikan.
- untuk melakukan penilaian kpd alternative, pembuat keputusan perlu data yang luas ke atas
pelbagai alternative dan peralatan analisis data. Ini untuk menjelaskan ke semua kos, akibat
dan kesempatan/peluang. ( Laudon and Laudon, 1999Laudon and Laudon, 1999Laudon and Laudon, 1999Laudon and Laudon, 1999 )
![Page 11: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/11.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
11
b. Memilih Penyelesaian Yang Terbaikb. Memilih Penyelesaian Yang Terbaikb. Memilih Penyelesaian Yang Terbaikb. Memilih Penyelesaian Yang Terbaik
- keputusan yg baik perlulah dipilih berdasarkan situasi yang wujud pada ketika ini. dan juga
keadaan yang diharapkan dan dijangkakan pada masa penyelesaian akan dilaksanakan
sebenarnya. ( Marakas, 2003)
- penyelesaian model masalah tidak sama seperti menyelasaikan masalah nyata, ianya
memberikan idea drp kebolehlaksanaan penyelasaian yg dicadangkan ke atas masalah nyata.
Masalah perlu dipertimbangkan utk penyelasaian yang berjaya, hanya jika peyelesaian yang
diperakukan dilaksanakan dengan jayanya.
1.41.41.41.4 Bentuk / Gaya KeputusanBentuk / Gaya KeputusanBentuk / Gaya KeputusanBentuk / Gaya Keputusan : : : : menjelaskan mengenai cara / gaya pembuat keputusan
membuat keputusan
a. Konteks Masalaha. Konteks Masalaha. Konteks Masalaha. Konteks Masalah
- merujuk kepada daya bahawa bertindak kepada pembuat keputusan siapa yang bertindak
dlm membuat keputusan
- Kuasa drp organisasi dan persekitaran termasuklahperaturan kerajaan, teknologi baru, dan
persaingan pasaran
- kuasa drp sifat individu mengandungi set kemahiran, motivasi, dan kebolehan
- pembuat keputusan mestilah mampu utk mengimbangi semua kuasa ini semasa proses
membuat keputusan.
b. Persepsi b. Persepsi b. Persepsi b. Persepsi ( Tanggapan )( Tanggapan )( Tanggapan )( Tanggapan )
- merujuk kpd persepsi drp pembuat keputusan
- pembuat keputusan membawa kecondongan individu kpd konteks masalah
- masalah mestilah bersesuaian dgn realiti
- dlm menentukan pendekatan pembuat keputusan utk menyelesaikan masalah dan sama ada
pendekatan itu efektif, kecondongan persepsi akan berkait dgn konteks masalah
c. Nilai Personalc. Nilai Personalc. Nilai Personalc. Nilai Personal
- merujuk kpd nilai personal pembuat keputusan
- Nilai terdiri drp pandangan dan kepercayaan adalah diperolehi pada umur awal dan
kebiasaannya kekuatan berterusan keseluruhan hayat seseorang.
- nilai ini memandu ke arah pertimbangan seseorang, tindakan dan melihat kepada
penghasilannya.
Mereka bentuk DSS yang berjaya; Mereka bentuk DSS yang berjaya; Mereka bentuk DSS yang berjaya; Mereka bentuk DSS yang berjaya;
� system tersebut mestilah mantap situasi keputusan dan juga gaya/bentuk keputusannya.
� Sistem hendaklah fleksibel dan boleh disesauikan kpd pengguna yang berbeza.
![Page 12: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/12.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
12
Carl JungCarl JungCarl JungCarl Jung : dgn Skim Menkelasifikasikan Bentuk Keputusan;
� Mengkelaskan bentuk keputusan menggunakan dua bahagian komponen iaitu Kerumitan
Kognitif ( Cognitive Complexity ) dan Orientasi Nilai ( Value Orientation )
� Kedua-dua bahagian ini seterusnya digunakan utk mengenal empat kategori yang
berkesan iaitu analitikal, direktif (arahan), konseptual ( bergagasan ) dan perilaku (
behavioural )
1.51.51.51.5 Keberkesanan KeputusanKeberkesanan KeputusanKeberkesanan KeputusanKeberkesanan Keputusan : : : : merujuk kepada keberhasilan dalam menghasilkan keputusan
yang diingini dan dikehendaki
Marakas, 2003Marakas, 2003Marakas, 2003Marakas, 2003 : keputusan yang baik adalah hasil keputusan yang baik dalam pencapaian drp
objektif yang memberikan peningkatan terhadap perlunya keputusan dalam batasan dan
kekangan yang dikenakan oleh konteks masalah.
Kita membuat keputusan yg baik jika kita menyelesaikan masalah tanpa menyebabkan
masalah-masalah lain.
Masalah adalah, kita perlu menunggu dan melihat selepas kita membuat keputusan utk melihat
jika ianya adalah keputusan yang baik
Decision Forces ( Daya / kuasa Keputusan ):Decision Forces ( Daya / kuasa Keputusan ):Decision Forces ( Daya / kuasa Keputusan ):Decision Forces ( Daya / kuasa Keputusan ):
(a) Personal and Emotional Forces ( Daya Emosi dan Personal )Personal and Emotional Forces ( Daya Emosi dan Personal )Personal and Emotional Forces ( Daya Emosi dan Personal )Personal and Emotional Forces ( Daya Emosi dan Personal )
- terdiri drp perasaan, kesihatan, keselamatan, penghargaan, kekecewaan, kebimbangan,
segala yang bermakna,dan limitasi kognitif
- mempunyai kesan ke atas proses memutuskan alternative yang sesuai.
- minda manusia mempunyai had dalam kemampuan utk menyimpan dan memproses
pengetahuan.
- kajian membuktikan bahawa minda manusia mempunyai kemampuan yang terhad utk
memproses pengetahuan.
(b) Economic/Environmental Forces ( Daya Persekitaran / Ekonomi )Economic/Environmental Forces ( Daya Persekitaran / Ekonomi )Economic/Environmental Forces ( Daya Persekitaran / Ekonomi )Economic/Environmental Forces ( Daya Persekitaran / Ekonomi )
- terdiri drp sumber-sumber, polisi kerajaan, tekanan ruang pasaran yang kompetitif,
kemajuan teknologi, dan permintaan rakan kongsi
- pembuat keputusan perlu mengambil daya/kuasa ini ke dalam keterangannya.
- individu atau kombinasi drp kuasa-kuasa akan membentuk keputusan akhir.
![Page 13: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/13.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
13
(c) Organisational Forces ( Daya Organisasi )Organisational Forces ( Daya Organisasi )Organisational Forces ( Daya Organisasi )Organisational Forces ( Daya Organisasi )
- terdiri drp polisi dan prosedur, budaya organisasi dan koordinasi penstafan.
- jika organisasi menyemai budaya tidak menerima idea baru kpd organisasi, keputusan yang
akan dibuat oleh pihak atasan dan juga pekerja bawahan akan terjejas/ tergendala
(d) Contextual and Emergent ForcesContextual and Emergent ForcesContextual and Emergent ForcesContextual and Emergent Forces ( Kuasa Baru dan Meng( Kuasa Baru dan Meng( Kuasa Baru dan Meng( Kuasa Baru dan Mengikut Konteks )ikut Konteks )ikut Konteks )ikut Konteks )
- asas drp konteks masalah itu sendiri
- beberapa contoh drp isu-isu dikaitkan kpd kuasa/ daya adalah kemhiran, motivasi, persepsi,
dan yang paling utama ialah keperluan masa
- batasan masa mencipta ketegangan dan tekanan ke atas pembuat keputusan
- pembuat keputusan mampu utk mengatasi dgn semua kuasa/daya, had masa tidak akan
menghasilkan dlm keputusan yang kualiti yg rendah.
Utk memperoleh keputusan yg efektif, pembuat keputusan mestilah mengimbangi kuasa-
kuasa tersebut.
Power (2002)Power (2002)Power (2002)Power (2002) menyenaraikan beberapa halangan utk mengawal kpd keputusan yg berkesan;
iaitu
(i) Tradition and BiasTradition and BiasTradition and BiasTradition and Bias ( Tradisi dan Berat sebelah ) ( Tradisi dan Berat sebelah ) ( Tradisi dan Berat sebelah ) ( Tradisi dan Berat sebelah )
- akan mempengaruhi / menyusur ke dalam proses membuat keputusan, persoalan yg tepat ke
atas keputusan
- bimbang drp perubahan dan takut gagal atau disebabkan oleh tradisi
- tradisi adalah set adat resam atau kelaziman didikan drp satu generasi kepada yang lain.
- menyebabkan pembuat keputusan enggan utk merubah gaya pemikirannya yang boleh
digunakannya dalam sitasi / keadaan yang baru.
(ii) Lack of Knowledge ( Kekurangan Pengetahuan )(ii) Lack of Knowledge ( Kekurangan Pengetahuan )(ii) Lack of Knowledge ( Kekurangan Pengetahuan )(ii) Lack of Knowledge ( Kekurangan Pengetahuan )
- menawan pengalaman dan pengetahuan keputusan, terutamanya utk mengulang situasi
boleh mengurangkan halangan ini
(iii) Improper Use of Decision Aids ( Janggal Dalam Mengguna Bantuan Keputusan)(iii) Improper Use of Decision Aids ( Janggal Dalam Mengguna Bantuan Keputusan)(iii) Improper Use of Decision Aids ( Janggal Dalam Mengguna Bantuan Keputusan)(iii) Improper Use of Decision Aids ( Janggal Dalam Mengguna Bantuan Keputusan)
- kesempurnaan dan ketepatan maklumat dlm DSS tidak terjamin
- DSS mestilah di rekabentuk utk membekalkan kesan yg positif ke atas tingkahlaku
keputusan individu atau kumpulan
- Bila dan bagaimana DSS akan digunakan dlm proses membuat keputusan juga perlu jelas
sebelum direkabentuk dan diimplementasikan
![Page 14: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/14.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
14
1.61.61.61.6 Rangka Kerja untuk Sokongan KeputusanRangka Kerja untuk Sokongan KeputusanRangka Kerja untuk Sokongan KeputusanRangka Kerja untuk Sokongan Keputusan
Cadangan Gorry dan Scott Morton (1971)Gorry dan Scott Morton (1971)Gorry dan Scott Morton (1971)Gorry dan Scott Morton (1971) selepas kombinasi dgn Simon (1977) dan Anthony
(1965)
StructuredStructuredStructuredStructured ( berstrukturberstrukturberstrukturberstruktur ): keputusan ditumpukan ke atas rutin (perkara biasa ) dan masalah-
masalah yang berulang. Satu piawai keputusan diwujudkan bagi menyelasaikan masalah itu.
Bantuan teknologi yang boleh digunakan untuk menyokong pembuatan keputusan ialah Sistem
Maklumat Pengurusan (MIS), Model Sains Pengurusan (MSM), dan pemprosesan data.
UnstructuredUnstructuredUnstructuredUnstructured ( ( ( ( Tidak BerstrukturTidak BerstrukturTidak BerstrukturTidak Berstruktur ) ) ) ) : keputusan bermatlamat pada masalah-masalah kelihatan
tdk jelas dan kompleks.Tiada kaedah penyelesaian yang standard.Contoh-contoh masalah
unstructured berdasarkan pada pengambilan kakitangan untuk mempromosikan, memilih satu
set projek-projek yang baru dan perancangan untuk penambahbaikan perkhidmatan.
Sebahagian daripada masalah ini diskong oleh teknologi seperti Sistem-sistem Pakar (ES) ,
Sistem Sokongan Kumpulan( GSS ) dan Sistem Pengurusan Pengetahuan ( KMS ).Walau
bagaimanapun, gerak hati manusia selalunya asas kepada membuat keputusan.
SemiSemiSemiSemi----structuredstructuredstructuredstructured ( Semi BerstrukturSemi BerstrukturSemi BerstrukturSemi Berstruktur ): Penyelesai keputusan kombinasi drp masalah berstruktur
dan tidak berstruktur. Kedua-dua piawai keputusan dan pertimbangan manusia diperlukan
bagi keputusan itu. DSS menawarkan model untuk sebahagian masalah berstruktur. Teknologi
boleh ini meningkatkan mutu bagi maklumat yang mana keputusan diasaskan melalui
penyediaan satu set penyelesaian pilihan juga kesan yang berpotensi
AnthonyAnthonyAnthonyAnthony’s (1965) taksonomi aktiviti pengurusan’s (1965) taksonomi aktiviti pengurusan’s (1965) taksonomi aktiviti pengurusan’s (1965) taksonomi aktiviti pengurusan : perancangan strategic, kawalan pengurusan
dan kawalan pengoperasian ditunjukkan pada separuh kedua lingkungan rangka kerja
Strategic planningStrategic planningStrategic planningStrategic planning ( Perancangan Strategik ) ( Perancangan Strategik ) ( Perancangan Strategik ) ( Perancangan Strategik ) : : : : menentukan matlamat dan polisi jangka panjang
utk peruntukan sumber. Lazimnya, ianya adalah diperbuat pada tahap atas pengurusan
organisasi
Management controlManagement controlManagement controlManagement control, tacticaltacticaltacticaltactical ( Kawalan Pengurusan )( Kawalan Pengurusan )( Kawalan Pengurusan )( Kawalan Pengurusan ) : memastikan penyempurnaan daripada
matlamat organisasi secara guna yang cekap sumber pemerolehan. Berbeza dengan
perancangan yang strategik, pengurusan kawalan menumpukan kepada matlamat untuk satu
masa terhad.Ia yang Lazimnya dibuat oleh pengurus-pengurus pertengahan
![Page 15: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/15.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
15
Operational control Operational control Operational control Operational control ( Kawalan Operasi )( Kawalan Operasi )( Kawalan Operasi )( Kawalan Operasi )laksanakan tugas khusus dengan efisien dan efektif.Ia
membataskan dalam aktiviti-aktiviti yang mempunyai tugas dan matlamat yang boleh
ditakrifkan dalam perancangan yang strategik dan pengawalan pengurusan.... Kawalan jenis ini
diuruskan oleh pengurus tahap rendah
Management Science ( MS )Management Science ( MS )Management Science ( MS )Management Science ( MS ) : Sains pengurSains pengurSains pengurSains pengurusanusanusanusan adalah disiplin yang menggunakan analisis
kuantitatif (matematik) dan kaedah analisis lain utk membantu membuat keputusan bisnes
yang lebih baik
1.71.71.71.7 Proses Pembuatan Keputusan vs Sokongan DSS Proses Pembuatan Keputusan vs Sokongan DSS Proses Pembuatan Keputusan vs Sokongan DSS Proses Pembuatan Keputusan vs Sokongan DSS
- jelas bagaimanakah teknologi DSS yg khusus memberi sokongan kpd aktiviti bersama-sama
dgn setiap fasa bagi proses membuat-keputusan ( kecerdasan, reka bentuk dan pilihan).
- DSS tidak boleh menukarkan pembuat keputusan
- ini tidak bermakna utk menyokong semua aspek yang perlu ditangani dalam proses
membuat-keputusan
- boleh memberi pembuat keputusan dengan sokongan yang difokuskan kepada satu atau
lebih aktiviti dalam proses membuat keputusan
Marakas (2003 )Marakas (2003 )Marakas (2003 )Marakas (2003 ) senaraikan jenis-jenis yg biasa dlm menyokong bahawa DDS boleh
membekalkan:
� meneroka perspektif yang berbagai daripada konteks keputusan
� menghasilkan alternatif-alternatif berkualiti tinggi dan pelbagai untuk pertimbangan.
� Meneroka dan menguji pelbagai strategi penyelesaian masalah
� Pemudahcara brainstorming dan lain-lain teknik penyelesaian masalah yang kreatif
� Meneroka senario analisis yg pelbagai untuk memberikan konteks keputusan
� Menambahkan kemampuan pembuat keputusan utk menangani masalah yang kompleks
� mempertingkatkan masa tindak balas daripada pembuat keputusan
� melemahkan semangat pembuat keputusan dan pemilihan alternatif.
![Page 16: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/16.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
16
Sokongan DSS
Penerangan Penerangan Penerangan Penerangan SSSSokongan DSS:okongan DSS:okongan DSS:okongan DSS:
(a) Menyokong kpd Fasa Kecerdasan (a) Menyokong kpd Fasa Kecerdasan (a) Menyokong kpd Fasa Kecerdasan (a) Menyokong kpd Fasa Kecerdasan
• mengenalpasti masalah dan peluang
• menginterpretasikan maklumat
• menghasilkan laporan
( EIS : Enterprise Information System, ( EIS : Enterprise Information System, ( EIS : Enterprise Information System, ( EIS : Enterprise Information System, DM: DM: DM: DM: Data Mining, Data Mining, Data Mining, Data Mining, KMS : Knowledge Management System, KMS : Knowledge Management System, KMS : Knowledge Management System, KMS : Knowledge Management System,
GDSS, ES: Expert System, WebGDSS, ES: Expert System, WebGDSS, ES: Expert System, WebGDSS, ES: Expert System, Web----based OLAP Tools )based OLAP Tools )based OLAP Tools )based OLAP Tools )
(b) (b) (b) (b) Menyokong kepada Fasa Reka bentukMenyokong kepada Fasa Reka bentukMenyokong kepada Fasa Reka bentukMenyokong kepada Fasa Reka bentuk
• menghasilkan alternatif / pilihan
• membincangkan kriteria daripada pilihan dan kepentingan relatifnya
.... ramalan kejadian-kejadian masa hadapan menggunakan alternatif-alternatif yg perbagai.
( DSS, ES, KMS, DM, CRM : Customer Relationship Management, SCM: Supply Chain ( DSS, ES, KMS, DM, CRM : Customer Relationship Management, SCM: Supply Chain ( DSS, ES, KMS, DM, CRM : Customer Relationship Management, SCM: Supply Chain ( DSS, ES, KMS, DM, CRM : Customer Relationship Management, SCM: Supply Chain
Management, ERP: Enterprise Resources Planning, )Management, ERP: Enterprise Resources Planning, )Management, ERP: Enterprise Resources Planning, )Management, ERP: Enterprise Resources Planning, )
(c) (c) (c) (c) Menyokong kpd Fasa PilihanMenyokong kpd Fasa PilihanMenyokong kpd Fasa PilihanMenyokong kpd Fasa Pilihan
Untuk mengenalpasti alternatif / pilihan yang memuaskan
( DSS, KMS, CRM, ERP, SCM, ES, GDSS )( DSS, KMS, CRM, ERP, SCM, ES, GDSS )( DSS, KMS, CRM, ERP, SCM, ES, GDSS )( DSS, KMS, CRM, ERP, SCM, ES, GDSS )
![Page 17: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/17.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
17
GLOSARI:GLOSARI:GLOSARI:GLOSARI:
Artificial Neural Network – rangkaian drp pemproses mudah direkabentuk utk meniru fungsi otak manusia. Peranannya utk melatih rangkaian utk mengecam gaya dan belajar drp contoh. Customer Relationship Management (CRM) – maklumat industri untuk metodologi, perisian, dan kemampuan internet biasa yang menolong syarikat menguruskan hubungan pelanggan dalam cara yang diuruskan. Data Mining ( Perlombongan Data ) – proses menganalisis data utk mengenalpasti gaya atau hubungannya dalam pangkalan data. Decision Support System (DSS) – system berdasarkan computer yang interaktif bertujuan utk menolong pembuat keputusan menggunakan data dan model kpd mengenalpasti dan menyelesaikan masalah dan membuat keputusan. Enterprise Information System (EIS) – aplikasi yang mengandungi system sedia ada organisasi / syarikat untuk mengendalikan maklumat organisasi. – ianya termasuklah Sistem Perancangan Sumber Enterprise (ERP), kerangka utama Sistem Pemprosesan Transaksi, Sistem Pangkalan Data Legasi. Enterprise Resource Planning (ERP) – tempoh industri untuk set aktiviti yg luas disokong oleh perisian aplikasi pelbagai modu yang menolong pengeluar atau lain-lain bisnes mengurus bahagian-bahagian yang penting dalam bisnesnya, termasuklah perancangan produk, sebahagian penjualan, inventori penyenggaraan, interaksi dgn pembekal, membekalkan servis pelanggan dan menjejaki pesanan. Executive Information System (EIS) – system berkomputer bertujuan untuk memperlengkapkan maklumat semasa dan sesuai untuk menyokong eksekutif membuat keputusan kepada pengurus menggunakan system rangkaian – penegasan adalah atas paparan grafik dan mudah utk menggunakan antaramuka yang memaparkan maklumat drp pangkalan data korporat Expert System (ES) – system yang berkelakuan yang kebanyakannya sama dengan pakar dalam pengetahuan yang tertentu seperti pengetahuan mengenai bidang khusus, memahami masalah dgn bidangnya dan kemhiran menyelesaikannya. Group Decision Support System (GDSS) – sistem maklumat yang direkabentuk untuk menjelaskan kepada sokongan komukasi kumpulan dan proses keputusan. Knowledge Management System (KMS) – dihasilkan system hypermedia untuk menguruskan pengetahuan dalam organisasi, digunakan untuk mensistematikkan kekuatan kepakaran dan maklumat kpd memantapkan efisiensi, sambutan, kompetensi dan inovasi organisasi On-line Analytical Processing (OLAP)– perisian utk memanipulasi pelbagai dimensi data drp pelbagai sumber yang boleh disimpan pada gudang data. Analisis data mungkin termasuklah pra-takrifan statistik deskriptif , pengguna mentakrif pernyataan yg dilaksanakan bertentangan dgn data atau model dicipta berpandukan datauser defined. Supply Chain Management (SCM) – sstem yang dilayan dgn perancangan dan pelaksanaan isu-isu yang terbabit dalam pengurusan rantaian bekalan – adalah konsep yang luas drp logistic – mempunyai 3 sasaran utama : kurang inventori, tambah kelajuan transaksi melalui pertukaran data dalam masa nyata dan menambahkan jualan melalui pelaksanaan keperluan pelanggan yang lebih berkesan.
![Page 18: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/18.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
18
TAJUK 2 : DSS : TOOL FOR DECISION SUPPORTTAJUK 2 : DSS : TOOL FOR DECISION SUPPORTTAJUK 2 : DSS : TOOL FOR DECISION SUPPORTTAJUK 2 : DSS : TOOL FOR DECISION SUPPORT
( DSS : ALATAN UNTUK SOKONGAN KEPUTUSAN )( DSS : ALATAN UNTUK SOKONGAN KEPUTUSAN )( DSS : ALATAN UNTUK SOKONGAN KEPUTUSAN )( DSS : ALATAN UNTUK SOKONGAN KEPUTUSAN )
2.1 : Konsep DSS2.1 : Konsep DSS2.1 : Konsep DSS2.1 : Konsep DSS
Turban dan Aronson (1998)Turban dan Aronson (1998)Turban dan Aronson (1998)Turban dan Aronson (1998) : sebarang atau setiap system perkomputeran digunakan untuk
menyokong pembuatan keputusan.
Little (1970) : Little (1970) : Little (1970) : Little (1970) :
Berdasarkan model set prosedur untuk memproses data dan pertimbangan kpd membantu
pengurus untuk membuat keputusan
Moore dan Chang (1980): Moore dan Chang (1980): Moore dan Chang (1980): Moore dan Chang (1980):
Sistem yang boleh ditambah yang mampu menyokong analisis ad-hoc dan memodelkan
keputusan yang diorientasikan ke arah perancangan masa depan dan digunakan pada masa
yang tidak dirancang atau tidak tersusun.
Bonczek et al. (1980) : Bonczek et al. (1980) : Bonczek et al. (1980) : Bonczek et al. (1980) :
Sistem berasaskan komputer yang terdiri daripada tiga komponen interaktif :
� sistem bahasa dan mekanisma utk memperlengkapkan komunikasi di antara pengguna
dan komponen-komponen DSS yang lain
� sistem pengetahuan dan gudang daripada pengetahuan domain masalah yang
dirangkumkan dalam DSS sama ada data atau prosedur
� sistem pemprosesan masalah
Keen (1980), Keen (1980), Keen (1980), Keen (1980),
Produk drp proses pembangunan dlm mana pengguna DSS, Pembina DSS dan DSS itu sendiri
yang semuanya mampu mempengerahui di antara satu sama lain, mengeluarkan keputusan
dlm evolusi system dan contoh penggunaanya.
Berdasarkan modul :Berdasarkan modul :Berdasarkan modul :Berdasarkan modul :
Sistem maklumat berasaskan computer yang mempunyai tujuan utama untuk
memperlengkapkan pembuat-pembuat keputusan dengan maklumat untuk dibergantungkan
dalam aktiviti daripada pembuatan keputusan. Ianya dilakukan melalui kelengkapan set
peralatan, data, model, dan lain-lain sumber yang mana diperlukan oleh pembuat keputusan
utk memantapkan keberkesanan menghasilkan keputusan dalam menyelesaikan masalah
separa berstruktur dan tidak berstruktur.
![Page 19: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/19.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
19
2.2 Konfigurasi DSS2.2 Konfigurasi DSS2.2 Konfigurasi DSS2.2 Konfigurasi DSS
- konfigurasi bergantung kepada situasi drp pengurusan keputusan dan teknologi yang
spesifik yang digunakan untuk menyokongnya
a. Data
b. Model
c. Antaramuka Pengguna
d. Pengetahuan
2.3 Ciri2.3 Ciri2.3 Ciri2.3 Ciri----Ciri dan Kebolehan DSSCiri dan Kebolehan DSSCiri dan Kebolehan DSSCiri dan Kebolehan DSS
a. memeperlengkapkan sokongan kepada pembuat keputusan terutamanya dalam situasi
semi-struktur dan tidak berstruktur melalui pemberian bersama-sama keputusan atau
pertimbangan manusia dan pengkomputeran
b. menyokong kepada keberkesanan proses pembuatan keputusan ( ketepatan, kekal,
kualiti ) lebih tepat drp keefisienannya ( kos drp pembuatan keputusan)
c. memudahkan pemprosesan keputusan
d. mampu untuk menyokong pelbagai pemprosesan pembuatan keputusan dan bentuk /
gaya
e. menyokong pembuat keputusan tetapi tidak boleh menggantikan mereka. Pembuat
keputusan mengawal sepenuhnya semua langkah dalam proses pembuatan keputusan
dalam menyelasaikan masalah.
f. Memperlengkapkan sokongan kpd pelbagai tahap pengurusan
g. Memperlengkapkan sokongan kpd individu dan kumpulan
h. Penekanan fleksibiliti dan kebolehsesuaian utk disesuaikan dgn perubahan masa, dalam
persekitaran dan pendekatan membuat keputusan oleh pengguna ( fleksibel, boleh
tambah, padam, gabung, ubah dan mengatur semula elemen-elemen.
i. Memfokuskan kepada masa depan yang mesra pengguna, berkemampuan grafik yg
tinggi, dan interaktif antaramuka manusia dan mesin
j. Kebiasaannya sebagai model penggunaan untuk menganalisis situasi pembuatan
keputusan . Kemampuan pemodelan membolehkan pengujian dengan strategi yg
berbeza di bawah konfigurasi yg berbeza.
k. Boleh dioperasikan sebagai alatan tetap yang digunakan oleh setiap individu pembuat
keputusan dalam satu lokasi atau boleh diagihkan ke seluruh organisasi dan beberapa
organisasi sepanjang rantaian bekalan. Ianya juga boleh diintegrasikan dgn lain-lain DSS
atau aplikasi dan boleh diagihkan secara dalaman dan luaran menggunakan rangkaian
dan teknologi web.
![Page 20: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/20.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
20
2.4 2.4 2.4 2.4 Komponen DSSKomponen DSSKomponen DSSKomponen DSS
a. Komponen Pengurusan Data : a. Komponen Pengurusan Data : a. Komponen Pengurusan Data : a. Komponen Pengurusan Data :
- mendapatkan semula, menyimpan, dan menguruskan data yang relevan untuk konteks
keputusan yang khusus
- menyediakan fungsi keselamatan, prosedur intergriti (ketulusan) data, dan pentadbiran
data umum yang disekutukan dgn menggunakan DSS
- semua tugas diuruskan oleh beberapa komponen ( pangkalan data, Sistem Pengurusan
Pangkalan Data :DBMS, gudang data dan kemudahan pertanyaan data )
b. Komponen Pengurusan Model :b. Komponen Pengurusan Model :b. Komponen Pengurusan Model :b. Komponen Pengurusan Model :
- membekalkan kemampuan menganalisis untuk DSS
- membenarkan penemuan, storan, dan aktiviti organisasi digabungkan dgn pelbagai
model ( kewangan, statistic, sains pengurusan, dan lain-lain model kuantitatif )
- boleh disambungkan kpd perkongsian atau storan model luaran
- mengandungi pangkalan model, system pengurusan pangkalan model, gudang model,
pemproses pelaksanaan model dan pemproses sintesis model.
c. Komponen Berdasarkan Pengetahuan :c. Komponen Berdasarkan Pengetahuan :c. Komponen Berdasarkan Pengetahuan :c. Komponen Berdasarkan Pengetahuan :
- membekalkan ‘otak’ untuk menambahkan kecerdasan pembuatan keputusan
- boleh dihubungkan dgn gudang pengetahuan organisasi ( pangkalan pengetahuan
organisasi )
- disamping menyokong lain-lain komponen atau sub sistem , komponen ini boleh
bertindak secara bebas
d. Komponen Antaramuka Pengguna :d. Komponen Antaramuka Pengguna :d. Komponen Antaramuka Pengguna :d. Komponen Antaramuka Pengguna :
- membolehkan komunikasi antara pengguna dan DSS
- mesti membolehkan kemudahan akses dan manipulasi data, model dan memproses
komponen DSS
- rekabentuk dan pelaksanaannya adalah elemen penting dalam kefungsian DSS
- adalah penting utk pertimbangkan peranan pengguna utk memastikan keberkesanan
DSS
- Domain pengetahuan pengguna, cara penggunaan dan set kemahiran adalah elemen
yang diperlukan dalam menggunakan DSS kepada konteks keputusan yang berjaya (
Pengguna mengawal DSS )
![Page 21: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/21.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
21
2.5 Sub Sistem Pengurusan Data2.5 Sub Sistem Pengurusan Data2.5 Sub Sistem Pengurusan Data2.5 Sub Sistem Pengurusan Data
� Pangkalan dataPangkalan dataPangkalan dataPangkalan data : koleksi drp data yang dihubungkaitkan, diuruskan, dan disimpan kpd
membenarkan kpd memudahkan dapatan semula data. Strukturnya mestilah bersesuaian
dgn keperluan organisasi.
Data DalamanData DalamanData DalamanData Dalaman : datangnya drp pelbagai unit bisnes dr organisasi
Data LuaranData LuaranData LuaranData Luaran : termasuklah peraturan kerajaan, data pekerjaan, kadar jenayah, geopolitik,
ekonomi, dan sebagainya
� System Pengurusan Pangkalan DataSystem Pengurusan Pangkalan DataSystem Pengurusan Pangkalan DataSystem Pengurusan Pangkalan Data : (DBMS) � cipta, akses dan kemaskini pangkalan
data
Fungsinya : Definisi Data, Manipulasi Data, Ketulusan / Integrity Data, Kawalan Akses,
Kawalan Persetujuan ( Concurrency) dan Mendapatkan Kembali transaksi.
EkstraksiEkstraksiEkstraksiEkstraksi ( rentapan) : proses menawan data daripada pelbagai sumber
� Fasiliti PertanyaanFasiliti PertanyaanFasiliti PertanyaanFasiliti Pertanyaan
- utk bina dan guna DSS pengguna perlu utk akses dan manipulasi dan pertanyaan data
- dijalankan oleh fasiliti pertanyaan yang akan menentukan bagaimana utk memenuhi
semua permintaan
- menggunakan Bahasa Pertanyaan Berstruktur (SQL)
- kepentingan : memilih dan memanipulasikan operasi iaitu mampu utk mengikuti arahan
computer spt Mencari keputusan peperiksaan pelajar pada tahun 2004
� Direktori DataDirektori DataDirektori DataDirektori Data : merujuk kpd catalog drp semua data yang tersedia dalam pangkalan
data
- terdiri drp definisi data
- berfungsi untuk menjawab soalan mengenai ketersediaan item data, sumbernya, dan
maksud yang tepat
- sokongan drp direktori adalah penting dalam fasa kecerdasan proses membuat
keputusan
- ianya memudahkan dlm mengimbas data dan pengenalpastian kawasan atau peluang
masalah
- membenarkan tambahan kemasukan baru, memadamkan kemasukan dan dapatkan
kembali maklumat dlm objek yg spesifik.
![Page 22: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/22.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
22
Latihan 2.1Latihan 2.1Latihan 2.1Latihan 2.1
1. Apakah ekstraksi
- proses menawan data daripada pelbagai sumber
2. Apakah fungsi fasiliti pertanyaan
- menentukan bagaimana utk memenuhi semua permintaan
3. Apakah fungsi direktori data
- berfungsi untuk menjawab soalan mengenai ketersediaan item data, sumbernya, dan
maksud yang tepat
2.62.62.62.6 Model PenguModel PenguModel PenguModel Pengurusan Subrusan Subrusan Subrusan Sub----sistemsistemsistemsistem
- terdiri daripada :
� model asas ( model base )
� sistem pengurusan model asas ( model base management system :MBMS)
� direktori model ( model directory )
� pelaksanaan, integrasi, dan pemprosesan arahan model ( model execution,
integration and command processor )
a)a)a)a) Model Model Model Model AsasAsasAsasAsas
- modelmodelmodelmodel � bentuk yg dipermudahkan daripada beberapa acara/peristiwa sebenar
- terdapat empat kategori iaitu:
� Model Strategik
� Model Taktikal
� Model Pengoperasian
� Model Analitikal
b)b)b)b) Sistem Pengurusan Asas ModelSistem Pengurusan Asas ModelSistem Pengurusan Asas ModelSistem Pengurusan Asas Model
- mengurus pelbagai peralatan analitikal DSS
- boleh berubah dlm nombor, saiz dan kompleksiti
- Fungsinya:
� Memodelkan bahasa : utk cipta model keputusan mula dari asas atau drp model sedia
ada – mekanisma utk link dgn pelbagai model kpd membenarkan utk pemprosesan
berturutan atau pertukaran data
� Model Perpustakaan : simpan dan uruskan semua model dan penyelasaian algoritma utk
mudah akses dan manipulasi
![Page 23: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/23.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
23
� Model manipulasi : mengurus dan selenggara model asas dgn fungsi yg sama dgn apa yg
didapati dlm DBMS spt run, stor, pertanyaan, padam, link dll)
c)c)c)c) Direktori ModelDirektori ModelDirektori ModelDirektori Model : katalog drp semua model dan lain-lain perisian dalam model asas.
- terdiri drp definisi model, dan fungsi utama utk menjawab soalan mengenai
ketersediaan, dan kebolehan model
d)d)d)d) Pelaksanaan, Integrasi dan PemprosePelaksanaan, Integrasi dan PemprosePelaksanaan, Integrasi dan PemprosePelaksanaan, Integrasi dan Pemprosesan Arahan Modelsan Arahan Modelsan Arahan Modelsan Arahan Model
Pelaksanaan ModelPelaksanaan ModelPelaksanaan ModelPelaksanaan Model : proses menguruskan larian sebenar dalam model
Integrasi ModelIntegrasi ModelIntegrasi ModelIntegrasi Model : menggabungkan operasi drp beberapa model apabila diperlukan atau
intergrasi DSS dgn aplikasi yang lain
Pemprosesan Arahan ModelPemprosesan Arahan ModelPemprosesan Arahan ModelPemprosesan Arahan Model : digunakan utk menerima dan menginterpretasikan arahan
daripada pengguna melalui antaramuka pengguna dan mengarahkannya ke dalam MBMS,
pelaksanaan model atau fungsi intergrasi.
2.7. Sub2.7. Sub2.7. Sub2.7. Sub----Sistem Pengurusan Berdasarkan PengetahuanSistem Pengurusan Berdasarkan PengetahuanSistem Pengurusan Berdasarkan PengetahuanSistem Pengurusan Berdasarkan Pengetahuan
- adalah ‘otak’ dalam DSS
- data dan model dioperasikan secara bersama dgn sub-sistem berdasarkan pengetahuan
utk membekalkan pengguna dgn aplikasi yg berguna yang menyokong konteks
keputusan di tangan mereka.
- Membekalkan kepakaran yang perlu utk menyelasaikan beberapa aspek yg kompleks
masalah berstruktur atau tidak berstruktur
- Mengandungi satu atau lebih system kecerdasan
- Membekalkan pengetahuan yang boleh menambahkan operasi ke atas lain-lain
komponen DSS
PengetahuanPengetahuanPengetahuanPengetahuan ( knowledge ) : peraturan, heuristik (menyiasat) , sempadan, desakan, hasil
terdahulu, dan lain-lain yg berkaitan pengetahuan yg boleh diprogramkan ke dalam DSS atau
diperolehi oleh DSS melalui penggunaan berulang.
![Page 24: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/24.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
24
Skop Kandungan Maklumat:Skop Kandungan Maklumat:Skop Kandungan Maklumat:Skop Kandungan Maklumat:
Komponen DSSKomponen DSSKomponen DSSKomponen DSS Skop drp Kandungan MaklumatSkop drp Kandungan MaklumatSkop drp Kandungan MaklumatSkop drp Kandungan Maklumat
Asas Pengetahuan Spesifik kpd badang masalah
Pangkalan Data Tidak terhad kpd perincian bidang penyelesaian
masalah
Asas Model Tidak terhad kpd perincian bidang penyelesaian
masalah
Asas pengetahuan DSS mengandungi paling banyak pengetahuan yg diperlukan oleh pakar
tertentu seperti:
- Huraian pelbagai objek atau entity dan hubungannya
- Huraian pelbagai strategi penyelesaian masalah atau tingkahlaku
- Desakan hubungan domain, keadaan tidak menentu dan kemungkinan
Pengetahuan dalam asas pengetahuan boleh diklasifikasikan kpd :
a) FaktaFaktaFaktaFakta (facts ) : apa yang diketahui adalah benar pada ketika itu?
b) HipotisisHipotisisHipotisisHipotisis : peraturan atau hubungan yg dipercayai yg wujud di antara fakta.
Bagaimana pengetahuan diperolehi dan ditemui:
a) Perolehan Pengetahuan (knowledge acquisition)a) Perolehan Pengetahuan (knowledge acquisition)a) Perolehan Pengetahuan (knowledge acquisition)a) Perolehan Pengetahuan (knowledge acquisition)
bagaimana semua pengetahuan diperlukan dibawa ke dalam DSS – kepakaran
b) Penemuan Pengetahuan (knowledge retrieval)b) Penemuan Pengetahuan (knowledge retrieval)b) Penemuan Pengetahuan (knowledge retrieval)b) Penemuan Pengetahuan (knowledge retrieval)
Enjin Penyimpulan adalah sebahagian komponen pangkalan pengetahuan yang memudahkan
proses dapatkan kembali pengetahuan.
2.82.82.82.8 SubSubSubSub----Sistem Antaramuka PenggunaSistem Antaramuka PenggunaSistem Antaramuka PenggunaSistem Antaramuka Pengguna
Antaramuka PenggunaAntaramuka PenggunaAntaramuka PenggunaAntaramuka Pengguna : semua aspek drp komunikasi antara pengguna dan DSS atau sistem
sokongan lain.
![Page 25: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/25.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
25
a)a)a)a) Sistem Pengurusan Antaramuka Pengguna (UIMS)Sistem Pengurusan Antaramuka Pengguna (UIMS)Sistem Pengurusan Antaramuka Pengguna (UIMS)Sistem Pengurusan Antaramuka Pengguna (UIMS) : perisian yang menguruskan sub-
sistem antaramuka pengguna
- membekalkan antaramuka pengguna bergrafik
- membenarkan pengguna mengguna pelbagai peranti input
- persembahkan data dlm pelbagai format dan melalui pelbagai peranti
- menyimpan data input dan output
- menyokong komunikasi di antara pengguna dan pembangun DSS
- menyediakan fleksibeliti dan kebolehsesuaian kpd penyesuaian masalah dan teknologi
yg berbeza
- interaksi dlm berbilang gaya/bentuk dialog yg berbeza
- menjejaki penggunaan dialog utk memantapkan system dialog
b)b)b)b) Proses Antaramuka PenggunaProses Antaramuka PenggunaProses Antaramuka PenggunaProses Antaramuka Pengguna
- pengguna berkomunikasi dgn computer melalui bahasa aksi yg diproses oleh UIMS
- komponen antaramuka pengguna termasuk pemproses bahasa sebenar
- pengguna juga boleh guna objek standard seperti menu, butang dan pencarian internet
melalui Antaramuka Pengguna Bergrafik (GUI)
- UIMS membolehkan pengguna utk berinteraksi dgn pengurusan data dan sub-sistem
pengurusan model
Action Language ( Bahasa Aksi )Action Language ( Bahasa Aksi )Action Language ( Bahasa Aksi )Action Language ( Bahasa Aksi ) : komponen yang mengendalikan pengguna secara terus
aktiviti dialog dgn DSS
Presentation Language ( Bahasa Persembahan )Presentation Language ( Bahasa Persembahan )Presentation Language ( Bahasa Persembahan )Presentation Language ( Bahasa Persembahan ) : apa yang pengguna sebenarnya lihat, dengar
dan pengalaman semasa menggunakan DSS
2.92.92.92.9 PenggunaPenggunaPenggunaPengguna
PenggunaPenggunaPenggunaPengguna : individu yg bertanggungjawab utk membuat keputusan, membekalkan kepakaran
dalam pembangunan dan menggunakan DSS – boleh jadi individu atau kumpulan
Kategori Pengguna DSS:Kategori Pengguna DSS:Kategori Pengguna DSS:Kategori Pengguna DSS:
a) menggunakan computer secara kerap apabila melakukan tugasan harian seperti
analisis kewangan, perancangan pengeluaran dan kajian pasaran
b) mengharapkan utk menggunakan system mesra pengguna
![Page 26: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/26.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
26
Intermediary (pengantara)Intermediary (pengantara)Intermediary (pengantara)Intermediary (pengantara) : analisis yang membolehkan pengurus utk mendapatkan manfaat
DSS tanpa pengurus perlu untuk berinteraksi secara terus dgn system.
JenisJenisJenisJenis----Jenis Pengantara ( Turban et al., 2005 ) :Jenis Pengantara ( Turban et al., 2005 ) :Jenis Pengantara ( Turban et al., 2005 ) :Jenis Pengantara ( Turban et al., 2005 ) :
a) membantu staf ( staff assistants )membantu staf ( staff assistants )membantu staf ( staff assistants )membantu staf ( staff assistants ) : mereka berpengetahuan dlm mengurus masalah dan
guna teknologi sokongan keputusan
b) pakar perkakas pengguna ( expert tool users )pakar perkakas pengguna ( expert tool users )pakar perkakas pengguna ( expert tool users )pakar perkakas pengguna ( expert tool users ) : mereka berkemahiran dlm mengguna
satu / lebih kepakaran perkakasan penyelesaian masalah
c) pakar analisis bisnes ( business (system) analysts )pakar analisis bisnes ( business (system) analysts )pakar analisis bisnes ( business (system) analysts )pakar analisis bisnes ( business (system) analysts ) : mereka mempunyai pengetahuan
yang umum drp kawasan aplikasi, pendidikan pentadbiran bisnes formal dan
menggunakan perkakasan pembangunan DSS
d) Fasilitator dalam system sokongan kumpulanFasilitator dalam system sokongan kumpulanFasilitator dalam system sokongan kumpulanFasilitator dalam system sokongan kumpulan : mereka mengurus dan memandu
penggunaan perisian utk menyokong pekerja yg berkerja dalam kumpulan, juga
memengelolakan sesi kerja kumpulan
GLOSARIGLOSARIGLOSARIGLOSARI
DataDataDataData : fakta mentah atau fakta yg belum diproses utk menyatakan maknanya kepada
pengguna akhir
EkstrakEkstrakEkstrakEkstrak : utk menangkap/menawan data drp pelbagai sumber, mensintesisikannya,
meringkaskannya, menentukan yang mana di antaranya relevan dan mengendalikannya
MaklumatMaklumatMaklumatMaklumat : data yang digubahkan dlm bentuk yang penuh bermakna, terdiri drp data yang
ditranformasikan dan memudahkan pembuatan keputusan
PengantaraPengantaraPengantaraPengantara : individu yang menggunakan computer utk memenuhi permintaan yang dibuat
oleh orang lain
PengetahuanPengetahuanPengetahuanPengetahuan : item data dan atau maklumat yg diuruskan dan diproses untuk menyampaikan
pemahaman, pengalaman, mengumpulkan pembelajaran, dan kepakaran yg boleh
diaplikasikan kpd masalah semasa / aktiviti
![Page 27: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/27.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
27
UJIAN 1UJIAN 1UJIAN 1UJIAN 1
1. Berikan definisi DSS mengikut pemahaman anda sendiri.
sistem berkomputer yang interaktif yang bertujuan utk menolong pembuat keputusan
menggunakan data dan model dan mengenalpasti dan menyelesaikan masalah-masalah dan
membuat keputusan yang memuaskan
2. Apakah komponen utama DSS?
Pengurusan data, pengurusan model, pengurusan berdasarkan pengetahuan, dan antaramuka
pengguna
3. Apakah fungsi utama DBMS ?
Definisi data, manipulasi data, integriti data, kawalan akses, kawalan Persetujuan (
Concurrency) dan Mendapatkan Kembali transaksi.
4. Pangkalan data menyimpan data drp pelbagai sumber. Apakah sumber-sumber yang
mungkin drp pungutan data pangkalan data ?
Data DalamanData DalamanData DalamanData Dalaman : datangnya drp pelbagai unit bisnes dr organisasi
Data LuaranData LuaranData LuaranData Luaran : termasuklah peraturan kerajaan, data pekerjaan, kadar jenayah, geopolitik,
ekonomi, dan sebagainya
5. Terdapat empat kategori model dalam model asas (model base). Satu daripadanya ialah
model taktikal. Jelaskan model taktikal dgn contohnya.
Model TaktikalModel TaktikalModel TaktikalModel Taktikal menyokong pengurusan pertengahan dalam memperuntukkan dan mengawal
sumber organisasi. Model ini menggunakan peralatan untuk membuat pelan sebulan ke dua
tahun seperti Perancangan Keperluan Tenaga Buruh, Perancangan Promosi Jualan dan
Belanjawan Penting. Model ini biasanya digunakan utk sub-sistem organisasi seperti Jabatan
Akauntan. Contoh: IMERYS menggunakan model taktikal DSS utk menentukan berapa banyak
tanah liat yg boleh dihasilkan utk memenuhi jangkaan permintaan di pasaran.
6. A modelmodelmodelmodel is constructed to enable the study and develop a better understanding of the event
or process, without having to actually experience or recreate the event under study.
( dibuat untuk membolehkan kajian dan membangun pemahaman lebih baik daripada
peristiwa/ kejadian atau proses tanpa perlu mempunyai pengalaman sebenarnya atau untuk
mencipta semula peristiwa itu di bawah kajian)
![Page 28: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/28.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
28
7. The major functions of MBMS are modeling languagemodeling languagemodeling languagemodeling language, model library and model model model model
manipulation.manipulation.manipulation.manipulation.
8. In a users interface system, a component that handles users’ direct dialogue activities with
the DSS is known as action languageaction languageaction languageaction language.
TOPIK 3 : Sistem SokongTOPIK 3 : Sistem SokongTOPIK 3 : Sistem SokongTOPIK 3 : Sistem Sokongan Keputusan Kumpulan ( GDSS )an Keputusan Kumpulan ( GDSS )an Keputusan Kumpulan ( GDSS )an Keputusan Kumpulan ( GDSS )
3.13.13.13.1 Bantuan Untuk Membuat Sokongan KumpulanBantuan Untuk Membuat Sokongan KumpulanBantuan Untuk Membuat Sokongan KumpulanBantuan Untuk Membuat Sokongan Kumpulan
Kraemer dan King, 1988Kraemer dan King, 1988Kraemer dan King, 1988Kraemer dan King, 1988 : Kepercayaan dalam kecekapan drp kerja kumpulan adalah kukuh
melalui penyelidikan pada tahun 1930s yang menunjukkan kumpulan boleh menyelesaikan
masalah dalam jumlah yang besar dan dengan kepantasan yang lebih besar daripada
menyisihkan indidividu.
Kreamer dan King , pg 117Kreamer dan King , pg 117Kreamer dan King , pg 117Kreamer dan King , pg 117 , “Pembuat keputusan mendapati mereka berhadapan dengan
pertambahan bilangan mesyuarat yang panjang diperlukan untuk membincangkan isu-isu
berisi maklumat tetapi pembuat keputusan pada permulaannya adalah untuk bertahan
menghadiri mesyuarat-mesyuarat seumpama itu kerana mereka mengambil masa ketenangan
daripada aktiviti-aktiviti lain yang penting. Kerugian drp produktiviti dalam kumpulan pembuat
keputusan kerana perbincangan dikuasai oleh sesetengah individu-individu ahli berstatus
rendah, kepada golongan Status yang tinggi, tekanan kumpulan dipandu kepada memastikan
daripada pemikiran, salah komunikasi di kalangan ahli-ahli, biasa, dan kekurangan masa
diperuntukkan dalam menerokai masalah dan penjanaan alternative”
GDSS boleh membantu mengurangkan masalah-masalah ini dengan menyediakan terminal
komputer peribadi untuk setiap peserta, skrin paparan umum bagi semua, kebolehan
pengkomputeran dan komunikasi yang membenarkan bagi mencapai pangkalan data dan
berkomunikasi dengan ketua kumpulan dan paparan awam dan perisian untuk pemprosesan
perkataan, akses data dan pengurusan, grafik dan kawalan untuk membenarkan komunikasi
dengan lain-lain atau kumpulan.
![Page 29: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/29.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
29
FaktorFaktorFaktorFaktor----Faktor Penting GDSS:Faktor Penting GDSS:Faktor Penting GDSS:Faktor Penting GDSS:
i. Keperluan drp keputusan yang datang drp satu kumpulan : kerana tidak semua kaki
tangan mempunyai pengalaman yang mencukupi untuk membuat keputusan drp
masalah tertentu ( biasanya guna teknik brainstorming )
ii. Keperluan untuk mendengar setiap idea ahli-ahli :
iii. Keperluan untuk berkomunikasi dalam persekitaran yang disebarkan:
Pengurus perlu belajar keperluan dri kumpulan pembuat keputusan
GDSS boleh digunakan untuk menyokong proses membuat keputusan yang boleh
meningkatkan prestasi kumpulan dan proses membuat keputusan
3.23.23.23.2 Gambaran GDSSGambaran GDSSGambaran GDSSGambaran GDSS
� usaha yang mula-mula untuk menghasilkan drp keinginan kepada menggunakan konsep
sistem sokongan keputusan untuk melingkungi kumpulan pembuatan keputusan.
GDSSGDSSGDSSGDSS boleh ditakrifkan sebagai teknologi yang menolong dan menyokong sekumpulan drp
pembuat keputusan dalam tempoh merekabentuk, menstruktur atau memodelkan hasil yang
diperlukan dalam sebarang organisasi. Ianya juga menyesuaiakan perkakasan yang diperlukan
oleh ahli-ahli untuk berkomunikasi di antara mereka.
Power & Power (2001)Power & Power (2001)Power & Power (2001)Power & Power (2001) : GDSS adalah terlalu diskriptif dan mentakrifkan sebagai kepelbagaian
system yang menggunakan penghuraian infrastruktur komunikasi dan heuristic dan model
kuantitatif untuk menyokong membuat keputusan. GDSS mestilah interaktif, system
berasaskan computer yang menolong satu pasukan ( kumpulan) pembuat keputusan untuk
menyelasaikan masalah-masalah dan membuat pilihan untuk diputuskan.
3.2.13.2.13.2.13.2.1 CiriCiriCiriCiri----Ciri Utama GDSSCiri Utama GDSSCiri Utama GDSSCiri Utama GDSS
a. ialah satu sistem direkabentuk secara khusus, tidak hanya tatarajah terhadap
komponen-komponen sistem yang sedia ada
b. direkabentuk dengan sasran drp menyokong kumpulan-kumpulan drp pembuat
keputusan dalam kerja mereka, haruslah membaiki proses membuat keputusan dan hasil
keputusan drp kumpulan-kumpulan yang boleh wujud sekiranya GDSS itu tidak
memperkenalkan.
![Page 30: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/30.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
30
c. Mudah untuk dipelajari dan digunakan. Ianya menyesuaiakn pengguna-pengguna dgn
tahap pengetahuan yang berbeza-beza berkenaan computer dan menyokong keputusan
d. Mingkin spesifik ( direkabentuk untuk satu jenis atau kelas masalah ) atau umum (
direkabentuk utk pelbagai tahap kumpulan keputusan organisasi
e. Mengandungi mekanisma yang terbina di dalamnya yang menawarkan pembangunan drp
tingkahlaku kumpulan yg negative seperti konflik dalaman, salah komunikasi atau
pemikiran kumpulan
3.2.23.2.23.2.23.2.2 Komponen GDSSKomponen GDSSKomponen GDSSKomponen GDSS
Pakej Sosio Teknikal : dalam konteks GDSS bermaksud bahawa tidak kedua-dua kumpulan
ditentukan oleh teknologi GDSS ataupun teknologi GDSS ditentukan oleh kumpulan
a.a.a.a. Perkakasan ( Hardware )Perkakasan ( Hardware )Perkakasan ( Hardware )Perkakasan ( Hardware )
- terdiri drp fasiliti persidangan ( bilik computer) , sumber-sumber computer, fasiliti
telekomunikasi, pencetak dan kelengkapan audio visual.
b.b.b.b. Perisian ( software )Perisian ( software )Perisian ( software )Perisian ( software )
- kekunci yang membezakan teknologikal masa depan GDSS dan mungkin digunakan
untuk menyokong memproses maklumat secara umum, memodelkan keputusan, atau
komunikasi
Perisian Pemodelan KeputusanPerisian Pemodelan KeputusanPerisian Pemodelan KeputusanPerisian Pemodelan Keputusan : khususnya bertujuan untuk membantu kumpulan membuat
keputusan dan termasuk pemodelan bahasa seperti SIMSCRIPT dan dinamo.
Perisian KomunikasiPerisian KomunikasiPerisian KomunikasiPerisian Komunikasi : khususnya bertujuan untuk menyokong aspek kolaborasi drp
kumpulan kerja dan termasuk perkakasan untuk teks, data, suara, dan transmisi video (
contohnya: papan putih elektronik, system pengurusan aliran kerja, emel, vmel,
persidangan computer/audio/video
c.c.c.c. OrganizationwareOrganizationwareOrganizationwareOrganizationware : terdiri drp data organisasi, idea ( contohnya: pendapat, atau
pertimbangan, proses kumpulan, prosedur pengurusan untuk kolaborasi kerja kumpulan.
![Page 31: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/31.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
31
e.e.e.e. People ( Manusia ) People ( Manusia ) People ( Manusia ) People ( Manusia )
Terdiri drp peserta-peserta dalam kumpulan dan staf sokongan yang memudahkan aktiviti
kumpulan
3.33.33.33.3 Kerja KopeKerja KopeKerja KopeKerja Koperatif Disokong Komputer ( Computerratif Disokong Komputer ( Computerratif Disokong Komputer ( Computerratif Disokong Komputer ( Computer----Supported Cooperative Work Supported Cooperative Work Supported Cooperative Work Supported Cooperative Work –––– CSCW) CSCW) CSCW) CSCW)
- merujuk kepada aplikasi drp teknologi barangan kumpulan ( groupware ) yang
membenarkan kolaborasi kumpulan
- menghendaki semua ahli menjadi mempersembahkan secara serentak, aktiviti khusus
yang merangkumi tukar fail dalam talian untuk ahli kumpulan, celoteh ( chat ), berkongsi
papan putih dan juga persembahan audio dan persidangan video.
- Sebarang pemberitahuan atau pengumuman boleh dibuat melalui emel
- Objektif utama CSCW adalah untuk menyediakan aplikasi kerja kumpulan, yang
memerlukan pelbagai pengguna akses dan kawal aplikasi dan koordinasi drp semua
aktiviti pengguna
- CSCW juga dikenali sebagai Sistem Sokongan Kumpulan ( GSS ) atau groupware
3.3.13.3.13.3.13.3.1 JenisJenisJenisJenis----Jenis KolaborasiJenis KolaborasiJenis KolaborasiJenis Kolaborasi
a) Sama Masa / Sama tempat : semua ahli menghadiri mesyuarat pada masa yang sama dan
tempat di bilik mesyuarat
b) Sama Masa / berbeza Tempat : pengurus di cawangan mengadakan mesyuarat dalam
masa yang sama
c) Berbeza masa / sama tempat : yang mempunyai masa kerja secara bergilir, oleh itu
mesyuarat/ taklimat diadakan pada masa yang berbeza
d) Berbeza masa / berbeza tempat : organisasi antarabangsa di mana berbeza tempat dan
zon waktu
3.43.43.43.4 Perkakasan Menyokong KumpulanPerkakasan Menyokong KumpulanPerkakasan Menyokong KumpulanPerkakasan Menyokong Kumpulan
3.4.13.4.13.4.13.4.1 Emel, Senarai Mail, dan Kumpulan Baru Emel, Senarai Mail, dan Kumpulan Baru Emel, Senarai Mail, dan Kumpulan Baru Emel, Senarai Mail, dan Kumpulan Baru
- digunakan utk komunikasi
3.4.23.4.23.4.23.4.2 PersidangaPersidangaPersidangaPersidangan Elektronikn Elektronikn Elektronikn Elektronik
a. Papan PutihPapan PutihPapan PutihPapan Putih : aplikasi yang membenarkan pengguna untuk secara kolaborasi membuat
lukisan mudah atau kompleks
![Page 32: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/32.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
32
Papan putih Papan putih Papan putih Papan putih berkongsiberkongsiberkongsiberkongsi aplikasi aplikasi aplikasi aplikasi : papan putih yang akan ‘run’ aplikasi computer dalam
tetingkap, yang boleh dilihat oleh semua peserta
b. Persidangan TelefonPersidangan TelefonPersidangan TelefonPersidangan Telefon : atau telesidang adalah teknologi yang digunakan sebagai satu cara
drp komunikasi untuk dua atau lebih orang dalam lokasi yang berbeza pada masa yang
sama.
c. Persidangan VideoPersidangan VideoPersidangan VideoPersidangan Video : perkakasan interaktif yang menggabungkan penggunaan video,
computer, dan teknologi komunikasi untuk membenarkan manusia dalam lokasi berbeza
untuk bertemu secara bersemuka untuk mengawal persidangan dalam masa yang
sebenar.
Persidangan Video Pelbagai PointPersidangan Video Pelbagai PointPersidangan Video Pelbagai PointPersidangan Video Pelbagai Point : persidangan melibatkan lebih daripada dua tempat
d.d.d.d. Perkakasan Berbual ( Chatting ) spt Yahoo Messenger, SkypePerkakasan Berbual ( Chatting ) spt Yahoo Messenger, SkypePerkakasan Berbual ( Chatting ) spt Yahoo Messenger, SkypePerkakasan Berbual ( Chatting ) spt Yahoo Messenger, Skype
3.4.33.4.33.4.33.4.3 Decision Room (Bilik Keputusan)Decision Room (Bilik Keputusan)Decision Room (Bilik Keputusan)Decision Room (Bilik Keputusan)
- merujuk kepada susunan fizikal untuk menggunakan GDSS dalam teknologi tinggi, bilik
persidangan elektronik, dan setiap peserta mempunyai stesen kerja sendiri.
SisSisSisSistem menyediakan tiga kelebihan melebihi mesyuarat lisan atau konvensional:tem menyediakan tiga kelebihan melebihi mesyuarat lisan atau konvensional:tem menyediakan tiga kelebihan melebihi mesyuarat lisan atau konvensional:tem menyediakan tiga kelebihan melebihi mesyuarat lisan atau konvensional:
a. transkrip penuh dijana secara automatic drp interaksi peserta
b. semua peserta mungkin bercakap pada sekali sahaja
c. input semua peserta melalui system adalah tanpa nama
CiriCiriCiriCiri----Ciri BiliCiri BiliCiri BiliCiri Bilik Keputusan:k Keputusan:k Keputusan:k Keputusan:
a. setiap peserta mempunyai stesen kerja computer
b. Ketua / Fasilitator mengkoordinasi mesyuarat
c. Bilik mempunyai skrin paparan yang membolehkan semua peserta melihatnya
d. Computer dirangkaikan dan arkitektur pelanggan/pelayan digunakan
e. Perisian khusus sedia digunakan kepada semua peserta
![Page 33: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/33.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
33
3.53.53.53.5 GroupwareGroupwareGroupwareGroupware
- program aplikasi yang membantu sekumpulan manusia ( pelbagai pengguna ) dalam
lokasi yang diagihkan secara geografik
a. Lotus Notes
b. GroupSystem and VisionQuest
c. Netcape Collabra Server and TCBWorks
3.63.63.63.6 PembelPembelPembelPembelajaran Jarak Jauhajaran Jarak Jauhajaran Jarak Jauhajaran Jarak Jauh
EEEE----LerningLerningLerningLerning ( Pembelajaran Elektronik ) : pembelajaran yang tidak memerlukan pelajar untuk
hadir secara fizikal dalam lokasi yang sama dgn pensyarah / tutor
3.73.73.73.7 Rauang Kerja Maya ( Virtual Workplace )Rauang Kerja Maya ( Virtual Workplace )Rauang Kerja Maya ( Virtual Workplace )Rauang Kerja Maya ( Virtual Workplace )
- di mana melakukan kerja secara maya daripada rumah atau mana-mana tempat .
Organisasi MayaOrganisasi MayaOrganisasi MayaOrganisasi Maya : organisasi yang menggunakan teknologi untuk membentuk secara maya
ruang kerja untuk sesiapa yang terlibat dalam transaksi syarikat seperti pekerja, pembekal,
pelanggan dll
Ruang Kerja Maya Secara KolaboRuang Kerja Maya Secara KolaboRuang Kerja Maya Secara KolaboRuang Kerja Maya Secara Kolaborasi ( Collaborative Virtual Workspace rasi ( Collaborative Virtual Workspace rasi ( Collaborative Virtual Workspace rasi ( Collaborative Virtual Workspace –––– CVW ) CVW ) CVW ) CVW )
- prototaip kolaborasi persekitaran computer , direka untuk menyokong sementara dan
secara geografi disebarkan kerja kumpulan.
![Page 34: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/34.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
34
TOPIK 4 : PEMBINAAN DSS ( Constructing DSS )TOPIK 4 : PEMBINAAN DSS ( Constructing DSS )TOPIK 4 : PEMBINAAN DSS ( Constructing DSS )TOPIK 4 : PEMBINAAN DSS ( Constructing DSS )
4.14.14.14.1 System Development LifSystem Development LifSystem Development LifSystem Development Life Cycle (SDLC)e Cycle (SDLC)e Cycle (SDLC)e Cycle (SDLC)
- dikenali sebagai model air terjun yang berdasarkan siri-siri langkah yang formal
- pendekatan yang popular untuk pembangunan system maklumat
- setiap langkah akan berakhir dgn penulisan dokumen yang perlu ditinjau semula atau
diperakui sebelum ke langkah seterusnya
- pengguna dan pembangun akan menilai semula dokumen
- pengguna akan terlibat sama dalam langkah awal dan akhir dalam menentukan
keperluan dan mengesahkan system untuk menepati keinginan mereka
- bahagian tengah melibatkan perlakuan tugas teknikal oleh pembangun yang biasanya
analisis system
4.1.14.1.14.1.14.1.1 Kelebihan SDLCKelebihan SDLCKelebihan SDLCKelebihan SDLC
- memaparkan proses langkah demi langkah agar dapat membenarkan pembangun lain
untuk mengikuti dan memahaminya dgn mudah
- baik untuk penyenggaraaan kerana ianya mudah didokumentasikan
- memastikan tiada kawasan penting yang akan terlepas drp pemerhatian
- mempunyai hubungan kontrak yang formal antara pembangun dan pengguna
![Page 35: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/35.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
35
4.1.24.1.24.1.24.1.2 Kelemahan SDLCKelemahan SDLCKelemahan SDLCKelemahan SDLC
- tidak sesuai untuk system yang berubah secara pantas
- persetujuan pengguna pada langkah pertama, apabila berlaku perubahan, proses
pembangunan keseluruhan akan dimulakan semula
- mungkin menyebabkan pertambahan dalam kos pembangunan
- kurangnya pengantara komunikasi antara pengguna dan pembangun
- pengguna sukar untuk bercakap apa yang mereka perlu dalam system, semasa analisis
system menghasilkan seratus muka surat drp penjelasan teknikal yang sukar untuk
mendapatkan dan dibaca
- kurangnya kesesuaian
- tidak sesuai untuk pembangunan ad-hoc DSS
4.24.24.24.2 PrototaipPrototaipPrototaipPrototaip
- mengekalkan langkah-langkah pembangunan SDLC tetapi ianya dikembangkan
berdasarkan reaksi kepada kekurangan dalam SDLC
- analisis system duduk bersama keupayaan pengguna dan membangunkan system agar
muncul kepada kerja menggunakan sebarang perkakasan seperti 4GLs ( Fourth
Generation Languages ) yang menyokong pembangunan pantas.
- Muncul seperti produk akhir tetapi mengetepikan memeriksa kesalahan, akses kepada
pangkalan data nyata, menghubung kepada rangkaian nyata dan kebanyakannya
digunakan oleh keseluruhan masa pembangunan
![Page 36: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/36.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
36
Terdapat 2 pendekatan prototaip:Terdapat 2 pendekatan prototaip:Terdapat 2 pendekatan prototaip:Terdapat 2 pendekatan prototaip:
a) prototaip buang ( throwaway ) : kurang sesuai untuk pembangunan DSS terutamanya
yang melibatkan pembelian/pemerolehan kepada gudang data hos dan menaiktaraf
platform baru. Ianya akan menambahkan kos pembangunan dan pengimplementasian
b) Prototaip Penjelajahan ( berevolusi ) lebih sesuai untuk DSS . Prototaip akan menjadi
asas kepada aplikasi dan bersambung untuk mengguna perkakasan pembangunan
tahap tinggi. Ini sesuai kepada fakta bahawa masa adalah penting dalam
pembangunan DSS dan kebiasannya pengurus perlu DSS secepat yang mungkin.
Kelebihan dan Kekurangan Pendekatan Prototaip:Kelebihan dan Kekurangan Pendekatan Prototaip:Kelebihan dan Kekurangan Pendekatan Prototaip:Kelebihan dan Kekurangan Pendekatan Prototaip:
KelebihanKelebihanKelebihanKelebihan : jelas menunjukkan bahawa pendekatan ini memantapkan komunikasi antara
pengguna dan pembangun. Sistem yang dicadangkan akan menepeti kehendak pengguna
KekuranganKekuranganKekuranganKekurangan: menambahkan penjadualan pembangunan system DSS terutamanya melalui
pendekatan pakai buang atau memilih perkakasan yang salah dalam cara yang salah.
Pembangun mesti memahami batasan drp pakej skrin, 4GLs dan sebarang perkakasan
pembangunan pantas.
4.34.34.34.3 Pembangunan Pengguna AkhPembangunan Pengguna AkhPembangunan Pengguna AkhPembangunan Pengguna Akhiriririr
- memberikan tanggungjawab sepenuhnya kepada pengguna sebagai pembuat keputusan
membangunkan system
- platform persekitaran pembangunan dibangunkan dalam cara yang seperti yang
mampudiusahakan oleh pengguna akhir untuk membangunkan DSS mereka sendiri
- biasanya disekutukan dgn mikrokomputer
- perkakasan pembangunan pengguna akhir yang popular ialah lembaran kerja seperti
Lotus 123 dan Microsoft Excel
- selepas analisis, pembuat keputusan memilih penyelesaian alternatif terbaik yang
bertepatan dgn keperluan bisnes mereka.
Kelebihan dan Kekurangan:Kelebihan dan Kekurangan:Kelebihan dan Kekurangan:Kelebihan dan Kekurangan:
KelebihanKelebihanKelebihanKelebihan : individu yang memerlukan sokongan komputer akan terlibat dalam menciptanya.
Kadang kala keputusan pembangunan cepat dan jimat kos. Pembangun akan mengawal semua
situasi dan pilihan penyelesaian.
KekuranganKekuranganKekuranganKekurangan: kurangnya keghairahan untuk pembangunan drp DSS yang kompleks.
![Page 37: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/37.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
37
4.44.44.44.4 Proses Pembangunan DSSProses Pembangunan DSSProses Pembangunan DSSProses Pembangunan DSS
- keunikan pembangunan DSS adalah terdapatnya masalah separa struktur dan tidak
berstruktur.
Terdapat enam langkah :Terdapat enam langkah :Terdapat enam langkah :Terdapat enam langkah :
a) diagnosis masalah
b) kenalpasti objektif dan sumber
c) analisis system
d) rekabentuk system
e) pembinaan
f) implementasi
- selalunya menjadi masalah untuk mendapatkan keperluan pengguna yang lengkap dan tepat
4.4.14.4.14.4.14.4.1 Diagnosis MasalahDiagnosis MasalahDiagnosis MasalahDiagnosis Masalah
- hampir sama dgn fasa definisi masalah
- bertanggung jawab bagi menilai sifat organisasi dan menghasilkan dokumentasi yang
menggambarkan konteks masalah dan persekitaran organisasi yang memerlukan
sokongan keputusan yang kemudiannya ditempatkan dalam laporan kebolehlaksanaan
saringan
- melihat kpd peluang drp sokongan keputusan untuk pengenalpastian masalah dalam
lingkungan organisasi
- analisis system hendaklah mempunyai kepakaran dan sedia mengetahui dlm DSS, oleh
itu membolehkan sokongan yang padu kpd pengurus utk mengenalpasti masalah
organisasi.
![Page 38: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/38.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
38
4.4.24.4.24.4.24.4.2 Mengenalpasti Objektif dan SumberMengenalpasti Objektif dan SumberMengenalpasti Objektif dan SumberMengenalpasti Objektif dan Sumber----sumbersumbersumbersumber
- peluang kepada sokongan keputusan hendaklah dikenalpastikan seperti objektif kekunci
keputusan yang perlu disokong
- sumber-sumber tersedia yang menyokong pembangunan DSS seperti perkakas, perisian,
teknologi semasa dan pengetahuan yang mesti dibina perlulah dikenalpasti
- analisis system atau pereka bentuk mesti berhati-hati mengenalpasti objektif DSS
Objektif hendaklah menjelaskan fungsi drp cadangan DSS berdasarkan:Objektif hendaklah menjelaskan fungsi drp cadangan DSS berdasarkan:Objektif hendaklah menjelaskan fungsi drp cadangan DSS berdasarkan:Objektif hendaklah menjelaskan fungsi drp cadangan DSS berdasarkan:
a. jenis-jenis pengetahuan
b. kapasiti pengetahuan untuk disediakan kepada pembuat keputusan
c. ciri-ciri pelaksanaan umum bagi system
Di samping itu, mesti juga menentukan peranan yang dituntut drp DSS yang akan dijangka
untuk dimainkan bersama-sama kontek masalah yang dikenalpasti. Cth: meningkatkan
kreativiti pengguna, imaginasi atau tanggapan, menyelesaikan atau membantu dalam
menyelesaikan masalah, menyediakan pembantu dalam menasihati, analisis atau menilai.
i. menambahkan kongsian pasaran untuk produk sarung tangan
ii. memantapkan/ mempertingkatkan kualiti drp material mentah khusus melalui lebih
daripada 12 peratus
iii. memantapkan kualiti drp membina keputusan bersama-sama organisasi
Akhir sekali ; hendaklah menyenaraikan set objektif yang disekutukan dgn sumber-sumber
yang mungkin yang diperlukan untuk membangunkan DSS. Objektif kemudiannya dianalisa
yang boleh diakses secara tepat dan menjadikan objektif yang tepat drp DSS bersama-sama
konteks masalah organisasi. Pengenalpastian ini seperti penentuan awal drp kebolehlaksanaan
dgn mengambil kira kpd sumber-sumber yang dikawalkan.
![Page 39: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/39.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
39
4.4.3 4.4.3 4.4.3 4.4.3 Analisis SistemAnalisis SistemAnalisis SistemAnalisis Sistem
- untuk menghasilkan dalam perincian set keperluan DSS yang akan dijadikan isu.
Dikategorikan kepada 3 jenis keperluan:
Keperluan Fungsian.Keperluan Fungsian.Keperluan Fungsian.Keperluan Fungsian.
- keperluan memerikan spesifikasi daripada kapasiti simpanan DSS, mengingat kembali,
dan pengeluaran pengetahuan yang berguna kepada konteks masalah.
- Misalnya, satu keperluan menerangkan keupayaan daripada keutamaan DSS untuk
menyimpan berjenis-jenis jualan keluaran unjuran, dan anggaran kesan-kesan terhadap
isi padu jualan daripada perubahan satu atau lebih membuat anggapan tersembunyi atau
berubah yang terlibat di dalamnya.
Keperluan AntaramukaKeperluan AntaramukaKeperluan AntaramukaKeperluan Antaramuka
- Antara muka memainkan peranan penting dlm menghasilkan kualiti dan penggunaan
penuh DSS.
- Keperluan antara muka memfokuskan kepada kebolehan komunikasi DSS di konteks
bermasalah.
- Pembangun perlu mengenal pasti berbagai saluran dan kaedah-kaedah komunikasi yang
akan diperoleh disediakan oleh DSS dan Syarat-syarat itu untuk boleh digunakan
dibawanya. Ia mungkin melibatkan mengenal pasti menu struktur laporan ruang hubung
kait milik dan bentuk output
- pembangun perlu juga mengenal pasti berbagai jenis permintaan yang mungkin
diperoleh DSS oleh pembuat keputusan
- ruang hubung kait itu perlu menyediakan satu graf misalnya yang sepatutnya dapat
dapat menunjukkan syarikat unjuran Keluaran jualan kepelbagaian.Graf ini boleh
digunakan oleh decision-makers untuk meramalkan belanjawan syarikat.
Keperluan PenyelarasanKeperluan PenyelarasanKeperluan PenyelarasanKeperluan Penyelarasan
- Keperluan ini menghuraikan penyelarasan daripada peristiwa yang berkaitan dengan
persembahkan proses membuat keputusan,
- memudahkan kemasukan ke maklumat yang yang berkaitan serta penyatupadukan
pelbagai perkakas pemodelan yang terkandung dalam DSS
- Dalam kaedah yang sama dengan teknik scenario yang memerihalkan tentang keperluan
drp satu acara untuk dijadikan sebelum tindakan boleh dilaksanakan.Misalnya, keperluan
mengemaskinikan angka sebenar unjuran jualan untuk tempoh fiskal sebelum sebelum
ahli baru proses unjuran masa hadapan.
![Page 40: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/40.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
40
4.4.44.4.44.4.44.4.4 Rekabentuk SistemRekabentuk SistemRekabentuk SistemRekabentuk Sistem
- langkah ini mengguna keperluan pengguna drp fasa sebelumnya untuk mencipta
pelbagai proses komponen model system dan data mahupun interaksi seperti model
DFD, ERD, rekabentuk pangkalan data, rekabentuk arkitektur
- DSS perlu kepada penentuan komponen fizikal, struktur dan platform pembangunan
4.4.54.4.54.4.54.4.5 Pembinaan ( Construction )Pembinaan ( Construction )Pembinaan ( Construction )Pembinaan ( Construction )
- mengandungi penjanaan kod yang menggunakan sebarang bahasa pemprograman yang
diikuti oleh pengujian system
- fasa ini bertanggungjawab untuk membina system menurut kepada perkakasan yang
diputuskan dalam fasa rekabentuk
- pembinaan menggunakan pendekatan prototaip interaktif yang membenarkan untuk
system kecil menjadi lebih baik berdasarkan maklumbalas drp pengujian dan
penglibatan pengguna dan dgn itu ianya akan diimplementasikan ke dalam system
sebenar
4.4.64.4.64.4.64.4.6 Implementasi / PelaksanaanImplementasi / PelaksanaanImplementasi / PelaksanaanImplementasi / Pelaksanaan
- untuk uji, menilai dan menggunakan system DSS
- semua kefungsian DSS mesti bertepatan dgn darjah kepuasan drp pengguna
- ujian system hendaklah memenuhi objektif pembuat keputusan
- sebarang pengubahsuaian boleh dilaksanakan melalui pergi semula kepada langkah reka
bentuk
Beberapa aktBeberapa aktBeberapa aktBeberapa aktiviti implementasi DSS:iviti implementasi DSS:iviti implementasi DSS:iviti implementasi DSS:
i. memperoleh dan memasang perkakasan DSS
ii. memasang DSS dan membuatkannya dilarikan (runs) dalam perkakasan yang
dicadangkannya
iii. menyediakan pengguna akses kepada system
iv. mencipta dan mengemaskini pangkalan data
![Page 41: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/41.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
41
4.54.54.54.5 Menggunakan Pendekatan Menggunakan Pendekatan Menggunakan Pendekatan Menggunakan Pendekatan Berorientasikan Keputusan Dalam Proses Pembangunan DSSBerorientasikan Keputusan Dalam Proses Pembangunan DSSBerorientasikan Keputusan Dalam Proses Pembangunan DSSBerorientasikan Keputusan Dalam Proses Pembangunan DSS
4.5.14.5.14.5.14.5.1 Orientasi Keputusan Untuk Diagnosis MasalahOrientasi Keputusan Untuk Diagnosis MasalahOrientasi Keputusan Untuk Diagnosis MasalahOrientasi Keputusan Untuk Diagnosis Masalah
- diagnosis masalah melibatkan menentukan potensi DSS untuk kenalpasti konteks
masalah did lm organisasi
- perlu memahami domain masalah, di mana mencukupi mempunyai beberapa
pengetahuan umum domain masalah dan/ atau kepakaran domain
- pembangun perlu berpengetahuan tinggi terutamanya di sekeliling masalah
4.5.24.5.24.5.24.5.2 Orientasi Keputusan Untuk Mengenalpasti Objektif dan SumberOrientasi Keputusan Untuk Mengenalpasti Objektif dan SumberOrientasi Keputusan Untuk Mengenalpasti Objektif dan SumberOrientasi Keputusan Untuk Mengenalpasti Objektif dan Sumber----SumberSumberSumberSumber
- pembangun mesti memahami kontek masalah dan kenalpasti keperluan pengguna DSS
4.5.34.5.34.5.34.5.3 Analisis Sistem Strategik Berorientasi Keputusan dan Reka BentukAnalisis Sistem Strategik Berorientasi Keputusan dan Reka BentukAnalisis Sistem Strategik Berorientasi Keputusan dan Reka BentukAnalisis Sistem Strategik Berorientasi Keputusan dan Reka Bentuk
MarakasMarakasMarakasMarakas menkelaskan pelbagai pendekatan untuk pembangunan DSS
i. pengprograman dilanggani DSS : membangunkan system sama ada menggunakan
bahasa pemprograman tujuan umum (GPL) spt C, Java atau Pascal atau melalui Bahasa
Generasi Keempat (4GLs) seperti VB, Visual C++, Power Builder atau ASP
ii. mengguna penjana DSS
Penjana DSSPenjana DSSPenjana DSSPenjana DSS ( Generator ) ( Generator ) ( Generator ) ( Generator ) adalah : Aplikasi sistem yang menghapuskan perlunya kepada
pemprograman yang mengandungi beribu-ribu garisan daripada penkodan.Ia adalah satu
perisian perkakas yang menyediakan fungsi kepada pembangun untuk memudahkan
membangunkan DSSnya sendiri.
Contoh : Excel, Lotus 123, atau Quattro Pro
4.5.34.5.34.5.34.5.3 Rekabentuk Sisten BRekabentuk Sisten BRekabentuk Sisten BRekabentuk Sisten Berorientasikan Keputusanerorientasikan Keputusanerorientasikan Keputusanerorientasikan Keputusan
![Page 42: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/42.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
42
4.64.64.64.6 Perkakasan Pembangunan DSSPerkakasan Pembangunan DSSPerkakasan Pembangunan DSSPerkakasan Pembangunan DSS
Marakas (1999) dan Turban (2001)Marakas (1999) dan Turban (2001)Marakas (1999) dan Turban (2001)Marakas (1999) dan Turban (2001) menkelaskan perkakasan pembangunan kepada tiga tahap
teknologi, iaitu;
a) Perkakasan penting DSSPerkakasan penting DSSPerkakasan penting DSSPerkakasan penting DSS : adalah yang terrendah drp teknologi DSS, ia menyediakan asas
pembangunan sama ada untuk penjana DSS atau aplikasi DSS spesifik. Contohnya, bahasa
pemprograman, grafik, penyunting, system pertanyaan pangkalan data, kod dan bilangan
penjana rawak
b) Penjana DSSPenjana DSSPenjana DSSPenjana DSS : adalah pakej perkakasan / perisian yang menyediakan set kebolehan untuk
membangunkan DSS spesifik dgn cepat, mudah dan murah. Microsoft Excel adalah pakej
spreadsheet mudah
Kelebihan : keselesaan/ kesenangan- perkakasan yang diintergrasikan yang menyediakan
kefungsian utk mencipta pemodelan keputusan, rekabentuk dan penjanaan laporan dan
persembahan grafik dan mengurus berdasarkan data asas, tanpa mempunyai masalah
mengintergrasikan antara perkakasan pelbagai seperti mengimport dan mengeksport data.
c) DSS SpesifikDSS SpesifikDSS SpesifikDSS Spesifik: digunakan untuk pengetahuan domain tertentu, yang pembuat keputusan
menghadapi banyak masalah
Kriteria untuk penjana DSS yang perlu dipertimbangkan:
i. fungsi-fungsi pengurusan data
ii. fungsi-fungsi pengurusan model
iii. kebolehan antaramuka pengguna
iv. kesesuaian dan darjah kebolehsambungan
v. ketersediaan perkakasan dan platform
vi. kos
vii. kualiti dan ketersediaan sokongan vendor
![Page 43: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/43.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
43
4.74.74.74.7 IsuIsuIsuIsu----Isu pembangunan DSSIsu pembangunan DSSIsu pembangunan DSSIsu pembangunan DSS
4.7.14.7.14.7.14.7.1 Pengurusan Projek DSSPengurusan Projek DSSPengurusan Projek DSSPengurusan Projek DSS
Isu-Isu Penerangan
Funding ( Dana ) Kunci pembangunan DSS ( penganjur ) boleh jadi pembuat
keputusan, organisasi, penganjur eksekutif
Kenalpasti Ketua
Projek
Ketua projek ditugaskan berdasarkan saiz projek, yang mengawal
selia semua projek dari awal hingga akhir
Pasukan Projek Yang memberi sokongan, bantuan, pengurus projek, pengguna,
Pembina DSS, sokongan teknikal
Sumber Dalaman
vs sumber luaran
Menentukan
Arkitektur DSS
Perlu dispesifikasikan bagi projek besar, perlu ada perancangan
teliti
4.7.2 Isu-Isu Pelaksanaan DSS
Tanggungjawab ketua projek DSS :Tanggungjawab ketua projek DSS :Tanggungjawab ketua projek DSS :Tanggungjawab ketua projek DSS :
i. diagnosis masalah, menghasilkan kajian kebolehlaksanaan, mentakrifkan objektif dan
skop projek
ii. apabila projek diluluskan, ketua projek perlu untuk membangunkan satu metodologi
pembangunan DSS yang bersesuaian dan menentukan pasukan projek
iii. mengenalpasti tugas-tugas yang mesti dilengkapkan dan sumber-sumber yang
diperlukan
iv. menyampaikan kemajuan projek
v. mentakrifkan pelan projek dan mengurus aktiviti-aktiviti setiap hari yang disekutukan
kepada projek
vi. menkoordinasikan sumber projek, baget, laporan status, tugasan keperluan perubahan,
hubungan dgn vendor, penganjur dan staf MIT
![Page 44: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/44.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
44
TAJUK 5 : DATA DRIVEN DSS ( Pemacu Data DSS )TAJUK 5 : DATA DRIVEN DSS ( Pemacu Data DSS )TAJUK 5 : DATA DRIVEN DSS ( Pemacu Data DSS )TAJUK 5 : DATA DRIVEN DSS ( Pemacu Data DSS )
5.1 Pengenalan Kepada Gudang Data ( Data Warehouse)5.1 Pengenalan Kepada Gudang Data ( Data Warehouse)5.1 Pengenalan Kepada Gudang Data ( Data Warehouse)5.1 Pengenalan Kepada Gudang Data ( Data Warehouse)
- DSS digunakan untuk membuat keputusan pada tahap pengurusan strategic dan taktikal
- Keberkesanan DSS bergantung kepada kualiti data yang dikumpulan pada tahap
pengoperasian
- Data Opresai dan data DSS mempunyai tujuan yang berbeza
Perbezaan Data Pengoperasian dan Data DSS mengikut Rob and Coronel, 2004:
Data OperasiData OperasiData OperasiData Operasi Data DSSData DSSData DSSData DSS
Data CurrencyData CurrencyData CurrencyData Currency
Keluasan / Keluasan / Keluasan / Keluasan /
Sifat Semasa Sifat Semasa Sifat Semasa Sifat Semasa
DataDataDataData
Menjelaskan transaksi yg
dilakukan
Menjelaskan data pengoperasian pada titik yang
ditetapkan spt penjualan produk mingguan
Transaction Transaction Transaction Transaction
TypeTypeTypeType
( Jenis ( Jenis ( Jenis ( Jenis
Transaksi )Transaksi )Transaksi )Transaksi )
Dicirikan melalui transaksi
yang dikemaskini
Dicirikan dgn transaksi pertanyaan, memerlukan
sebuah ringkasan pada masa tertentu dan
dimuatkan drp data pengoperasian
Summarisation Summarisation Summarisation Summarisation
LevelLevelLevelLevel
( Tahap ( Tahap ( Tahap ( Tahap
Sebuah Sebuah Sebuah Sebuah
Ringkasan)Ringkasan)Ringkasan)Ringkasan)
Menjelaskan maklumat
mengenai transaksi yang
ditetapkan dan disimpan
dalam banyak jadual.
Tidak mempunyai perincian drp setiap transaksi
pengoperasian tetapi menjelaskan ringkasan
transaksi
Data Model Data Model Data Model Data Model
(Model Data)(Model Data)(Model Data)(Model Data)
System transaksi hubungan
memerlukan struktur
pernormalan, banyak jadual
dihasilkan dgn setiap jadual
terdiri bilangan minimum
atribut
Bukan pernormalan, bukannya kemaskini
transaksi , tetapi kebolehan pertanyaan,
mempunyai banyak jadual dan setiapnya
mengandungi bilangan atribut yang besar
Query ActivityQuery ActivityQuery ActivityQuery Activity
( Aktiviti ( Aktiviti ( Aktiviti ( Aktiviti
Pertanyaan )Pertanyaan )Pertanyaan )Pertanyaan )
Skop yang sempit, rendah
kompleksiti dan kelajuan
kritikal
Skopnya luas, terlalu kompleks dan rendah
kelajuan kritikal.
Data VolumesData VolumesData VolumesData Volumes
( Saiz Da( Saiz Da( Saiz Da( Saiz Data )ta )ta )ta )
Drp 100 MB kpd GB 100MB kpd Terabait, data disimpan dlm struktur
bukan pernormalan dan demikian itu
memaparkan kelewahan dan penyalinan data,
data yang sama disimpan dlm cara yang berbeza
utk persembahkan penggambaran yang berbeza
![Page 45: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/45.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
45
Perbezaan di antara Data Operasi dan Data DSS menandakan keperluan drp pangkalan data
DSS
Berdasarkan keperluan maklumat yg kompleks dan peningkatan permintaan untuk analisis
data yang terbaik, mereka memulakan penciptaan gedung data jenis baru iaitu Gudang Data (
Data Warehouse )
Gudang DataGudang DataGudang DataGudang Data : menjadikan sumber data utama untuk sistem sokongan keputusan yang moden
– memperoleh data drp pelbagai pengkalan data pengoperasian ( sumber luaran )
Data di dalam Gudang Data diuruskan dalam format dan struktur yang memudahkan ekstraksi
data, analisis data dan membuat keputusan.
5.25.25.25.2 Konsep Gudang DataKonsep Gudang DataKonsep Gudang DataKonsep Gudang Data
( Mallach, 2000 )
Gudang DataGudang DataGudang DataGudang Data : pangkalan data yang besar yang terkandung maklumat bisnes yang
membolehkan pengguna akhir mendapatkannya.
Gudang Data mungkin mengandungi , contohnya:Gudang Data mungkin mengandungi , contohnya:Gudang Data mungkin mengandungi , contohnya:Gudang Data mungkin mengandungi , contohnya:
a) maklumat jualan oleh produk, wilayah/kawasan, dan jangka masa
b) maklumat penggunaan kad kredit melalui pendapatan pemegang kad, umur, jantina, dan
status perkahwinan
c) maklumat tuntutan insuran melalui bandaraya, umur, jantina, pekerjaan dan jenis polisi
Bill Inmon : gudang data adalah pangkalan data yang diintergrasikan, diorientasikan subjek,
perpezaan masa, dan tidak berubah / meruap yang membekalkan sokongan kepada
pembuatan keputusan.
![Page 46: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/46.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
46
KomponenKomponenKomponenKomponen DefinisiDefinisiDefinisiDefinisi
Intergrated
( Penggabungan)
Format biasa memperjelaskan semua entity bisnes, elemen data, ciri-ciri
data, dan keseluruhan matrik bisnes organisasi
Subject-oriented Data di dalam di dalam Gudang Data diuruskan dan diringkaskan oleh tajuk-
tajuk seperti Jualan, Pemasaran dan kewangan. Setiap tajuk mengandungi
subjek spesifik spt produk, pelanggan dan kawasan
Time-variant Data di dalam Gudang Data memaparkan aliran data melalui masa. Apabila
data jualan mingguan yang sebelumnya dimasukkan ked lm Gudang Data,
keseluruhan jumlah bersandarkan mingguan, bulanan, tahunan dan lain-lain
utk produk, pelanggan dan lain-lain pembolehubah akan juga dikemaskini
Non-volatile
( Tidak Berubah )
Data di dalam Gudang Data tidak boleh diubah, data baru selalu ditambah
dan gudang data selalu meningkat.disebabkan tiada perubahan pada data
dibenarkan apabila data disimpan dgn betul, persekitaran data secara
relatifnya statik
CiriCiriCiriCiri----Ciri Perbezaan Pangkalan Data Pengoperasian dan Gudang DataCiri Perbezaan Pangkalan Data Pengoperasian dan Gudang DataCiri Perbezaan Pangkalan Data Pengoperasian dan Gudang DataCiri Perbezaan Pangkalan Data Pengoperasian dan Gudang Data
CiriCiriCiriCiri----CiriCiriCiriCiri Pangkalan Data Pangkalan Data Pangkalan Data Pangkalan Data
PengoperasianPengoperasianPengoperasianPengoperasian
Gudang DataGudang DataGudang DataGudang Data
Bagaimana ianya
dibina?
Satu aplikasi / kawasan
subjek pada suatu
waktu
berbagai kawasan subjek pada satu
waktu
Data kebiasaan? Mesti dinormalkan
untuk sokong proses
bisnes
Tidak dinormalkan . Data boleh dan
selalu berlebihan
Kawasan sokongan Operasi bisnes hari ke
hari
Sokongan keputusan untuk aktiviti
pengurusan
Masa penahanan data Penahanan adalah
perlu utk menemui
keperluan opreasi
harian
Masa penahanan tidak ditentukan,
mesti membenarkan laporan historical,
perbandingan dan analisis
Ketersediaan Data Memerlukan
ketersediaan yang
tinggi dan segera
Ketersediaan segera kurangkan kritikal
Saiz data Sama kpd saiz harian
biasa drp transaksi
operasi
Lebih besar drp saiz transaksi harian
biasa terutamanya siri data set data
![Page 47: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/47.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
47
Diintergrasikan Semua elemen data
mempunyai definasi
dan perwakilan biasa
data yang serupa akan mempunyai
definisi dan perwakilan yang berbeza
Berorientasikan objek Data disimpan
berorientasikan
fungsuan atau
berorientasikan proses
Data disimpan dgn orientasi subjek
yang menyediakan paparan yang
berbeza drp data dan bantu pembuat
keputusan
Perbezaan masa Data direkodkan
seperti transaksi
semasa.
Dimensi masa digunakan untuk
memudahkan analisis data dan
perbandingan masa
Tidak meruap Kemaskini data adalah
kerap. Persekitaran
data adalah cair.
Data tidak boleh diubah, persekitaran
data adalah tetap statik
Untuk membina gudang data � data diekstrak daripada pelbagai sumber dan kemudiannya
diubah dan diintergrasikan sebelum diisikan ke dalam gudang data.
Adalah sukar untuk mencipta kualiti gudang data yang tinggi, ianya bergantung kepada fakta
data tersebut yang diambil drp perbagai sumber yang menggunakan format data dan struktur
yang berbeza.
Penciptaan Gudang Data Drp Pangkalan Data PengoperasianPenciptaan Gudang Data Drp Pangkalan Data PengoperasianPenciptaan Gudang Data Drp Pangkalan Data PengoperasianPenciptaan Gudang Data Drp Pangkalan Data Pengoperasian
5.3 Kandungan Analisis Gudang Data5.3 Kandungan Analisis Gudang Data5.3 Kandungan Analisis Gudang Data5.3 Kandungan Analisis Gudang Data
- kandungan gudang data akan tidak berguna jika pengguna tidak mampu mencari
jawapan kepada persoalan mereka
Pangkalan Data Pengoperasian
Ekstraksi Data
Ekstrak Penapis
Perubahan Intergrasi Klasifikasi
Pengumpulan Ringkasan
Gudang Data
Diintergrasikan Berorientasikan-
subjek Perbezaan masa Tidak meruap
![Page 48: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/48.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
48
2 pendekatan yang boleh digunakan utk memahami data dalam gudang data:
i.i.i.i. analisis berpandukan penggunaanalisis berpandukan penggunaanalisis berpandukan penggunaanalisis berpandukan pengguna
Pengguna tanya soalan � komputer akan mencari jawapan
Selepas jawapan didapati � pengguna akan tanya seterusnya sehingga mencapai tahap yang
diingini drp pemahaman ke atas data.
ii.ii.ii.ii. analisis aktifanalisis aktifanalisis aktifanalisis aktif
Analisis yang diautomasikan atau data mining ( pencarian data ) � computer melakukan semua
kerja � pengguna hanya memberitahu computer apa yang dikhendaki utk dicari daripada
analisis itu.
5.3.1 User5.3.1 User5.3.1 User5.3.1 User----guided Analysis ( Onguided Analysis ( Onguided Analysis ( Onguided Analysis ( On----line Analytical Processing : OLAP) line Analytical Processing : OLAP) line Analytical Processing : OLAP) line Analytical Processing : OLAP)
a) Konsepa) Konsepa) Konsepa) Konsep
OnOnOnOn----line Analytical Processing ( Pemprosesan Analitikal Atas Talian ) line Analytical Processing ( Pemprosesan Analitikal Atas Talian ) line Analytical Processing ( Pemprosesan Analitikal Atas Talian ) line Analytical Processing ( Pemprosesan Analitikal Atas Talian ) merujuk kepada cara
operasi di mana data di dalam gudang data dipotong dan dibahagikan kpd soalan jawapan
Selepas analisis keputusan drp soalan contoh, pengguna melihat kepada perician yang lebih
luas sehingga keputusan yang diingini dibina.
![Page 49: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/49.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
49
Pendse (2004)Pendse (2004)Pendse (2004)Pendse (2004) meringkaskan beberapa definisi dan cirri-ciri OLAP kepada 5 kata kunci iaitu:
FFFFast AAAAnalysis of SSSShared MMMMultidimensional IIIInformation ( FASMIFASMIFASMIFASMI )
Kata KunciKata KunciKata KunciKata Kunci DeskripsiDeskripsiDeskripsiDeskripsi
Fast
( Cepat )
Menghantar kebanyakan balasan kpd pengguna dgn kira-kira 5 saat,
dgn analisis mudah tidak lebih drp 1 saat dan beberapa analisis
mengambil lebih 20 saat. Masa depan nya masih membangunkan
teknologi seperti kelajuan adalah kebanyakannya disedut oleh masalah
teknikal dengan produk OLAP
Analysis
(Analisis)
Mesti membenarkan pengguna untuk melakukan analisis mudah, ianya
harus mampu untuk mengendalikan apa-apa logik bisnes dan analisis
statistik yang diperlukan oleh aplikasi dan pengguna. Pengguna dan
aplikasi mestilah disediakan dgn ciri-ciri semua keperluan analisis
seperti perubahan struktur multidimensi ad-hoc, pertukaran mata
wang, mewaspada kelainan, dan banyak lagi tanpa mempunyai
program. Sebagai mencirikan analisis mungkin disediakan dalam
perkakasan kepunyaaan vendor atau rangkaikan dalam produk luaran
Shared
( Dikongsi)
Mestilah dilengkap dgn kawalan keselamatan untuk kerahsiaan, ianya
juga haruslah serentak mengunci pengemaskinian untuk mengawal
pelbagai tulisan dan capaian kemaskini
Multidimensional
( Pelbagai
Dimensi)
Keperluan paling mustahak, mesti membenarkan paparan
multidimensi data
Information
( Maklumat )
Merujuk kpd semua data dan maklumat yang diperlukan, di mana saja
ia adalah dan walau bagaimanapun kebanyakannya berkaitan bagi
permohonan. Ini mentakrifkan berapa banyak data input yang system
OLAP boleh kendalikan.
i) Menggunakan Teknik Ai) Menggunakan Teknik Ai) Menggunakan Teknik Ai) Menggunakan Teknik Analisis Data Pelbagai Dimensinalisis Data Pelbagai Dimensinalisis Data Pelbagai Dimensinalisis Data Pelbagai Dimensi
- Data diproses dan dipaparkan sebagai sebahagian drp struktur pelbagai dimensi
- Data boleh dipaparkan sebagai data yang berhubung dgn data yang lain
- Cth: analisis pengurusan hotel ingin melihat bagaimana jualan hotel berkaitan kpd
Negara pelanggan dan bulanan ( figure 5.2 ms 111 )
![Page 50: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/50.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
50
ii) Menyediakan Sokongan Pangkalan Data Lanjutanii) Menyediakan Sokongan Pangkalan Data Lanjutanii) Menyediakan Sokongan Pangkalan Data Lanjutanii) Menyediakan Sokongan Pangkalan Data Lanjutan
Keutamaannya ialah:
- capaian kpd jenis-jenis perbezaan yang banyak drp DBMS : fail lengkap dan pelbagai
sumber data
- capaian kpd data gudang data yang dikumpulkan dan perincian pangkalan data
pengoperasian
- memberi keutamaan kepada navigasi data yang dilanjutkan seperti latih tubi
- tindakbalas pertanyaan yang cepat
- memetakan permintaan pengguna utk menyesuaikan sumber data dan kemudiannya utk
menyesuaikan bahasa capaian data
- sokongan pangkalan data yang terlalu luas
iii) Menyediakan Antaramuka Pengguna Akhir Mudah untuk Digunakaniii) Menyediakan Antaramuka Pengguna Akhir Mudah untuk Digunakaniii) Menyediakan Antaramuka Pengguna Akhir Mudah untuk Digunakaniii) Menyediakan Antaramuka Pengguna Akhir Mudah untuk Digunakan
- semua perkakasan disediakan dalam OLAP boleh diakses dengan mudah.
- Kebanyakan keutamaan antaramuka dalam OLAP adalah satu yang sudah menjadi
kebiasaan kepada pengguna
iv) Sokongan Arkitektur Pelayan/Pelangganiv) Sokongan Arkitektur Pelayan/Pelangganiv) Sokongan Arkitektur Pelayan/Pelangganiv) Sokongan Arkitektur Pelayan/Pelanggan
- system OLAP boleh dibahagikan kedalam beberapa komponen
- semua komponen boleh ditempatkan ke dalam computer yang sama atau diagihkan di
antara sebilangan computer
b) OLAP b) OLAP b) OLAP b) OLAP Hubungan dan OLAP MultidimensiHubungan dan OLAP MultidimensiHubungan dan OLAP MultidimensiHubungan dan OLAP Multidimensi
- data multidimensional mesti digunakan untuk OLAP
- terdapat dua pendekatan untuk cara data multidimensional boleh disimpan dan
diuruskan dan membenarkan pengguna utk menguruskan analisis.
i. OLAP Hubungan ( ROLAP : Relationali. OLAP Hubungan ( ROLAP : Relationali. OLAP Hubungan ( ROLAP : Relationali. OLAP Hubungan ( ROLAP : Relational OLAP ) OLAP ) OLAP ) OLAP )
- menyediakan kefungsian OLAP melalui penggunaan pangkalan data hubungan,
perkakasan pertanyaan utk simpanan dan analisis data multidimensional
- organisasi yang sedang menggunakan pangkalan data hubungan, akan mudah
menyambung hubungan tradisional DBMS ( RDBMS) dgn beberapa keutamaan spt
keyakinan bahasa capaian data dan perlakuan pertanyaan untuk data multidimensional
dan kemampuan utk sokongan pangkalan data yang lebih besar.
![Page 51: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/51.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
51
- ROLAP terkandung data yang terperinci dan data yang diringkaskan dan membolehkan
pengguna melatih tubi set data yang luas.
- ROLAP trade-off ( tidak melakukan ) antara fleksibiliti dan perlakuan
- Vendor boleh membina perkakasan mudah alih dan mudah diskalakan sesuai kpd fakta
yang mengimplementasikan ROLAP dgn menggunakan perkakasan pengurusan yang
tahan lasak dan antara muka Bahasa Pertanyaan Berstruktur yang terbuka (SQL)
- ROLAP memerlukan bilangan yang besar jadual hubungan utk mengendalikan data yang
bersaiz besar dan hubungan dimensional.
- Jadual perlu disatukan dan indek perlu dicipta utk mengurus dan membenarkan analisis
data multidimensional.
ii. Multidimensional OLAP ( MOLAP )ii. Multidimensional OLAP ( MOLAP )ii. Multidimensional OLAP ( MOLAP )ii. Multidimensional OLAP ( MOLAP )
- MOLAP menyediakan kefungsian OLAP melalui penggunaan pangkalan data
multidimensional
- Data yang disimpan boleh dipaparkan dlm data 3D / data kiub
- Data kiub boleh digunakan kpd kiub n-dimensi / hiperkiub
- Data kiub adalah static , tidak boleh diubah dan mesti dicipta sebelum boleh digunakan
- Pertanyaan hanya boleh dibuat pada pra-cipta kiub dgn kenalpasti pemotongan (axes)
5.3.25.3.25.3.25.3.2 Analisis Diautomasikan (Analisis Diautomasikan (Analisis Diautomasikan (Analisis Diautomasikan ( Data Mining ) Data Mining ) Data Mining ) Data Mining )
Data MiningData MiningData MiningData Mining � proses yang ekstrak maklumat drp pangkalan data yang mana pengguna tidak
tahu kewujudannya ( perlombongan data )
- proses ini menemui maklumat di dalam gudang data supaya pertanyaan dan laporan
tidak boleh didedahkan dengan berkesan
- Data Mining merujuk kepada mencari bentuk / pola dalam data dan peraturan
penyimpanan drp bentuk yang dikenali (bentuk ini boleh jadi peraturan, daya tarikan,
pertalian, aliran atau model ramalan )
- Data mining digunakan untuk mendapatkan pengetahuan dalam pangkalan data.
- Menggunakan data di dalam gudang data , data mining boleh menyediakan jawapan kpd
soalan mengenai organisasi supaya pembuat keputusan tidak terfikir dahulunya untuk
Tanya
DataDataDataData � item-item mengenai benda, peristiwa, aktiviti dan transaksi yang direkodkan,
diklasifikasi dan disimpan tetapi tidak memberikan makna yang spesifik
![Page 52: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/52.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
52
PengetahuanPengetahuanPengetahuanPengetahuan � terdiri daripada item data dan/atau maklumat yang diuruskan dan diproses
untuk menyampaikan pemahaman, pengalaman, dikumpulkan pembelajaran dan kepakaran
supaya boleh digunakan kepada masalah atau aktiviti semasa.
b) Teknik Data Miningb) Teknik Data Miningb) Teknik Data Miningb) Teknik Data Mining � utk mengenalpasti bentuk dalam data
i) Klasifikasii) Klasifikasii) Klasifikasii) Klasifikasi
- pendekatan untuk mendapatkan peraturan agar mentakrifkan jika sesuatu item itu
dipunyai subset tertentu atau kelas drp data.
- Mensasarkan utk menentukan kelas sebagai betul/tepat , boleh berlaku kpd rekod yang
tak kelihatan sebelumnya
- Teknik ini sesuai dgn data mutlak atau campuran drp kesinambungan data mutlak dan
numeric
- Cth: Insuran yang manakah tuntutan semasanya di dalam proses adalah palsu
ii) Clustering ( Pengelompokan )ii) Clustering ( Pengelompokan )ii) Clustering ( Pengelompokan )ii) Clustering ( Pengelompokan )
- mengenalpasti kumpulan drp item-item agar serupa di antara satu sama lain
- semua item dalam satu kluster berkongsi ciri-ciri tertentu
- boleh digunakan bila ianya sukar utk mentakrifkan ciri-ciri atau parameter ( sempadan)
drp kelas
iii) Association ( Persekutuan / Asosiasi )iii) Association ( Persekutuan / Asosiasi )iii) Association ( Persekutuan / Asosiasi )iii) Association ( Persekutuan / Asosiasi )
- mengenalpasti hubungan di antara peristiwa supaya berlaku pada satu masa
- mendapati peraturan tanggungan agar dapat meramalkan kejadian daripada satu item
berdasarkan ke atas kejadian drp item-item lain.
iv) Sequencing ( Pejujukan )iv) Sequencing ( Pejujukan )iv) Sequencing ( Pejujukan )iv) Sequencing ( Pejujukan )
- serupa dgn teknik persekutuan kecuali agar hubungan berlaku melebihi tempoh masa.
- Cth: utk meramal stok perlakuan / pelaksanaan, berdasarkan siri/rangkaian drp
pendahuluan peristiwa
v) Regressionv) Regressionv) Regressionv) Regression ( Kemerosotan ) ( Kemerosotan ) ( Kemerosotan ) ( Kemerosotan )
- digunakan utk memetakan data kepada jangkaan nilai
- Mengambil set data numeric dan bangunkan formula metamatik agar data lebih mantap
- untuk jangka tingkahlaku masa depan, data baru dimasukkan ke dalam formula
Pembangun
![Page 53: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/53.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
53
- bertugas dgn baik dgn data kuantitatif yang berterusan
- Cth: menjangka amaun jualan produk baru berdasarkan ke atas perbelanjaan pengiklanan
c) Algoritma / Teknologi Data Miningc) Algoritma / Teknologi Data Miningc) Algoritma / Teknologi Data Miningc) Algoritma / Teknologi Data Mining
TeknologiTeknologiTeknologiTeknologi DeskripsiDeskripsiDeskripsiDeskripsi
Analisis
Statistik
Kaedah ini termasuklah pengunduran linear dan bukan linear, titik
penganggaran, Teorem Bayes’s ( agihan kebarangkalian), perkaitan
dan anlisis kelompok. Teknologi ini lazimnya digunakan oleh
sekutuan dan jujukan
Rangkaian
Nauron
Teknologi ini bekerja secara serupa untuk bagaimana sel saraf otak
manusia berungsi. Ianya memerlukan untuk memeriksa amaun yang
besar drp data historical kepada mengenali bentuk-bentuk. Cthnya:
kita boleh lihat menerusi pangkalan data yang besar untuk kenalpasti
potensi pelanggan untuk peroduk baru. Teknologi ini lazimnya
digunakan oleh klasifikasi dan kluster ( pengelompokan)
Algoritma
Genetik
Teknologi ini adalah satu contoh drp teknologi pembelajaran mesin.
Ianya mampu utk memperolehi makna drp data yang rumit dan tidak
tepat. Ia bekerja ke atas prinsip utk perluasan drp kesudahan yang
berkemungkinan. Dgn memberikan bilangan yang mantap /tetap drp
kesudahan yang berkemungkinan , teknologi ini cuba memperoleh
keputusan yang terbaik dan baru. Teknologi ini lazimnya digunakan
oleh sekutuan dan kluster ( pengelompokan)
Pokok
Keputusan
Struktur berupabentuk pokok yang memmaparkan set drp keputusan.
Teknologi ini membina model ramalan melalui memecahkan set data
ke bawah secara terpisah atau kumpulan kecil. Ianya bekerja drp
mengeneralisasikan maklumat kepada menambahkan lebih maklumat
yang spesifik. Ianya mengandungi nod dasar atau induk yang diikuti
oleh nod-nod. Setiap nod dilabelkan dengan soalan. Lengkungan atau
keluk disekutukan dgn setiap nod memepersembahkan semua
tindakbalas yang berkemungkinan atau kesudahan.
5.4 Vis5.4 Vis5.4 Vis5.4 Visualilasi Dataualilasi Dataualilasi Dataualilasi Data
- merujuk kepada aktiviti yang melalui minda manusia.
- Keputusan daripada visualisation ialah wawasan dan pemahaman
![Page 54: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/54.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
54
Turban et al. (2005) : visualisasi data adalah seperti teknologi yang menyokong visualisasi dan
kadang-kadang adalah interpretasi drp data dan maklumat pada beberapa point di sepanjang
rantaian pemprosesan data.
5.4.1 Perkakasan Visualisasi Data5.4.1 Perkakasan Visualisasi Data5.4.1 Perkakasan Visualisasi Data5.4.1 Perkakasan Visualisasi Data
a) Newsmap ( Peta Berita ) a) Newsmap ( Peta Berita ) a) Newsmap ( Peta Berita ) a) Newsmap ( Peta Berita )
- menunjukkan secara visual hubungan antara data dan bentuk yang tidak dapat dilihat
dalam media berita.Ianya membahagikan maklumat ke dalam band-band.Apabila band-
band ini dipersembahkan bersama-sama , ianya menampakkan bentuk yang mendasari
dalam laporan berita merentasi budaya dan segmen berita dalam perubahan yang
berterusan disekeliling glob ( Weskamp, 2003 )
( Dursteler, 2005Dursteler, 2005Dursteler, 2005Dursteler, 2005 ) NewsmapNewsmapNewsmapNewsmap menggunakan beberapa pembolehubah visual untuk
menvisualkan kod setiap lapisan berita:
i. Warna : bahagian berita yang berbeza menggunakan warna asas yang berbeza .
Kebanyakan berita terkini menunjukkan warna-warna yang cerah sementara yang
lebih tua nampaknya gelap
ii. Bentuk ( Shape ) : setiap bahagian dipaparkan dgn bentuk segi empat
iii. Saiz : saiz segi empat adalah nisbah kpd perkaitan drp berita-berita
iv. setiap bahagian daripada berita menunjukkan tekstur tajuk berita dengan mudah
dibaca
b) TableLensb) TableLensb) TableLensb) TableLens
- adalah kit pembangunan perisian (SDK)
- membenarkan pengaturcara untuk intergrasi teknik analisis data visual dipatenkan ke
dalam aplikasi perisian dan laman web
Menggunakan beberapa ciri-ciri kekunci pengguna akhir spt:
- SortSortSortSort ( isih )melalui klik atas kolum
- RearrangeRearrangeRearrangeRearrange (susun semula) kolum melalui drag and drop
- PromotePromotePromotePromote ( Naikkan / Promosi ) kolum kpd cipta subgroup
- FocusFocusFocusFocus melalui klik ke atas sel atau klik dan heret kepada focus seluruh baris atau
berbilang baris
- FilterFilterFilterFilter ( penapis ): subset kpd mewujudkan set data kecil yang khusus
- Spotlight dataSpotlight dataSpotlight dataSpotlight data ( Data Tumpuan Utama ) : utk menjejaki perincian maklumat yang di
isihkan
![Page 55: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/55.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
55
c) AVS Software ( Perisian AVS )c) AVS Software ( Perisian AVS )c) AVS Software ( Perisian AVS )c) AVS Software ( Perisian AVS )
- adalah perisian visualisasi data dibekalkan oleh Advand Visual System (AVS)
- adalah teknik visualisasi data yang tidak terhad
GLOSARIGLOSARIGLOSARIGLOSARI
DataDataDataData : fakta mentah atau fakta yang belum diproses utk menyatakan maknanya kpd
pengguna akhir.
Ekstraksi DataEkstraksi DataEkstraksi DataEkstraksi Data : komponen yang digunakan utk ekstrak dan mengesahkan data yang diambil
drp pangkalan data operasi dan sumber data luaran
( Penyaringan Data )
Model DataModel DataModel DataModel Data : memepersembahkan, biasanya grafik drp struktur data dunia nyata yang
kompleks. � digunakan dalam fasa reka bentuk pangkalan data daripada kitar hayat
pangkalan data.
Pangkalan DataPangkalan DataPangkalan DataPangkalan Data : struktur computer yang menyimpan koleksi drp hubungan data
Drill DownDrill DownDrill DownDrill Down : utk menghuraikan data ke dalam komponen yang lebih atom spt data pada tahap
rendah drp pengumpulan.
MaklumatMaklumatMaklumatMaklumat : data yang disusun dalam bentuk yang bermakna � mengandungi data yang
ditransformasi dan memudahkan membuat keputusan
PengetahuanPengetahuanPengetahuanPengetahuan : item data atau maklumat diuruskan dan diproses kpd menyatakan
pemahaman, pengalaman, dihimpunkan pembelajaran dan kepakaran agar boleh
digunakan untuk masalah dan aktiviti semasa
PernormalanPernormalanPernormalanPernormalan : proses yang menentukan atribut kepada entity alam begitu rupa dengan
kelewahan data dikurangkan atau disingkirkan
![Page 56: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/56.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
56
Ujian 1 Ujian 1 Ujian 1 Ujian 1
1. Takrifkan data, maklumat dan pengetahuan. Kenalpasti dua contoh.
DataDataDataData adalah fakta mentah atau fakta yang belum diproses utk menyatakan
maknanya kpd pengguna akhir. Cthnya: Senarai pelajar yang mempunyai Nama,
Nombor Matrik,Jantina, Alamat
MaklumatMaklumatMaklumatMaklumat adalah data yang disusun dalam bentuk yang bermakna �
mengandungi data yang ditransformasi dan memudahkan membuat keputusan
Pengetahuan Pengetahuan Pengetahuan Pengetahuan adalah item data atau maklumat diuruskan dan diproses kpd
menyatakan pemahaman, pengalaman, dihimpunkan pembelajaran dan kepakaran
agar boleh digunakan untuk masalah dan aktiviti semasa
2. Apakah perbezaan antara gudang data dengan pangkalan data?
GudangGudangGudangGudang Data Data Data Data : pangkalan data yang besar yang terkandung maklumat bisnes yang
membolehkan pengguna akhir mendapatkannya.
Data di dalam Gudang Data diuruskan dalam format dan struktur yang memudahkan ekstraksi
data, analisis data dan membuat keputusan.
Pangkalan Pangkalan Pangkalan Pangkalan datadatadatadata : koleksi drp data yang dihubungkaitkan, diuruskan, dan disimpan utk
membenarkan kpd memudahkan dapatan semula data. Strukturnya mestilah bersesuaian dgn
keperluan organisasi
3. Huraikan ROLAP dan MOLAP?
ROLAP: ( Relational OLAP )ROLAP: ( Relational OLAP )ROLAP: ( Relational OLAP )ROLAP: ( Relational OLAP )
- menyediakan kefungsian OLAP melalui penggunaan pangkalan data hubungan,
perkakasan pertanyaan utk simpanan dan analisis data multidimensional
- terkandung data yang terperinci dan data yang diringkaskan dan membolehkan
pengguna melatih tubi set data yang luas.
- ROLAP trade-off ( tidak melakukan ) antara fleksibiliti dan perlakuan
- ROLAP memerlukan bilangan yang besar jadual hubungan utk mengendalikan data yang
bersaiz besar dan hubungan dimensional.
![Page 57: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/57.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
57
MOLAP ( MultiDimensional OLAP)MOLAP ( MultiDimensional OLAP)MOLAP ( MultiDimensional OLAP)MOLAP ( MultiDimensional OLAP)
- MOLAP menyediakan kefungsian OLAP melalui penggunaan pangkalan data
multidimensional
- Data yang disimpan boleh dipaparkan dlm data 3D / data kiub
- Data kiub boleh digunakan kpd kiub n-dimensi / hiperkiub
- Data kiub adalah static , tidak boleh diubah dan mesti dicipta sebelum boleh digunakan
- Pertanyaan hanya boleh dibuat pada pra-cipta kiub dgn kenalpasti pemotongan (axes)
4. Takrifkan Data Mining dan senaraikan teknologi utamanya.
Data Mining Data Mining Data Mining Data Mining – proses menganalisis data utk mengenalpasti gaya atau hubungannya dalam
pangkalan data.
Data MiningData MiningData MiningData Mining � proses yang ekstrak maklumat drp pangkalan data yang mana pengguna tidak
tahu kewujudannya
Teknolgi : Analisis Statistik, Rangkaian Neural, Algoritma Genetik dan Pokok Keputusan
TAJUK 6 : ANALISIS DAN PEMODELANTAJUK 6 : ANALISIS DAN PEMODELANTAJUK 6 : ANALISIS DAN PEMODELANTAJUK 6 : ANALISIS DAN PEMODELAN
6.1 Pengurusan Model6.1 Pengurusan Model6.1 Pengurusan Model6.1 Pengurusan Model
ModelModelModelModel ( dalam konteks DSS ) adalah seperti pemproses yang membenarkan DSS untuk
memproses dengan berkesan input untuk menghasilkan jawapannya kepada pengguna.
ModelModelModelModel----DrivenDrivenDrivenDriven (MDDSS) bergantung banyak kepada model sesetengah untuk menghasilkan atau
mempamerkan hasilnya menjadi pengguna akhir
6.1.1 Jenis6.1.1 Jenis6.1.1 Jenis6.1.1 Jenis----Jenis ModelJenis ModelJenis ModelJenis Model
a) Model IkonikModel IkonikModel IkonikModel Ikonik ( Skala ) : jenis drp tranformasi linear yang mentransform konfigurasi drp objek
seperti replica fizikal system dalam skala yang berbeza drp objek asal � 2D / 3D
b) Model AnalogModel AnalogModel AnalogModel Analog : adalah model yang mempersembahkan tingkahlaku drp system yang hampir
sama dgn persembahan system yang betul. � 2D carta atau gambarajah
![Page 58: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/58.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
58
c) Model MatematikModel MatematikModel MatematikModel Matematik ( Kuantitatif ) : persembahan yang abstrak drp situasi masalah yang wujud
� menggunakan bahasa matematik untuk menerangkan tingkahlaku system seperti
pengurusan, biological, ekonomik, fizik atau kewangan � graf atau carta
6.2 Kategori Model Keputusan6.2 Kategori Model Keputusan6.2 Kategori Model Keputusan6.2 Kategori Model Keputusan
Model dalam Subsistem Pengurusan Model boleh diklasifikasikan kpd empat kategori utama
iaitu :
Jenis ModelJenis ModelJenis ModelJenis Model SokonganSokonganSokonganSokongan Contoh KeputContoh KeputContoh KeputContoh Keputusanusanusanusan
Strategik Pengurusan Atasan
(CEO,CFO,dan CIO)
Merancang utk penggabungan dan
pemerolehan.
Pemilihan lokasi cawangan baru/kilang.
Berani mengusahakan e-bisnes
Bajet istimewa/ tidak rutin
Taktikal Pengurusan
Pertengahan (
Pengurus Unit /
Jabatan )
Memilih vendor utk perkhidmatan pelayan
syarikat.
Merancang promosi jualan.
Menentukan susun atur kilang.
Bajet modal rutin.
Operasional Pengurusan yang
menyokong aktiviti
rutin
Menjadualkan kakitangan.
Mejadualkan pengeluaran.
Kawalan inventori (menentukan kuantiti
pesanan yg ekonomik)
Analitikal Semua tahap Kawalan kualiti.
Diguna kpd melakukan beberapa analisis data.
Cth: Data Mining dan Sains Pengurusan –
strategic / taktikal
Kategori Model: Kategori Model: Kategori Model: Kategori Model:
KategoriKategoriKategoriKategori Objektif dan ProsesObjektif dan ProsesObjektif dan ProsesObjektif dan Proses Teknik PewakilanTeknik PewakilanTeknik PewakilanTeknik Pewakilan
Pengoptimuman drp
masalah dgn alternatif
yg banyak
Dapatkan keputusan yang
baik drp jumlah yang kecil
drp alternatif
Jadual Keputusan dan Pokok
Keputusan
Pengoptimuman
melalui algoritma
Dapatkan keputusan yang
baik
Linear dan lain-lain model
Pengaturcaraan matematik
dan model rangkaian
![Page 59: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/59.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
59
KategoriKategoriKategoriKategori Objektif dan ProsesObjektif dan ProsesObjektif dan ProsesObjektif dan Proses Teknik PewakilanTeknik PewakilanTeknik PewakilanTeknik Pewakilan
Pengoptimuman
melalui Formula
Analitikal
Dapatkan keputusan terbaik
dlm satu langkah
menggunakan formula
Beberapa model inventori
Simulasi Mendapatkan keputusan
terbaik yg mencukupi atau
terbaik dikalangan alternatif
yang diperiksa melalui
penggunaan ekperimen.
Beberapa jenis simulasi
Heuristik dapatkan keputusan baik yg
mencukupi menggunakan
peraturan
Pengaturcaraan heuristic dan
system pakar
Model-Model Lain Mendapatkan ‘apa-jika’
menggunakan formula
Pemodelan kewangan dan
garis menunggu
Model Ramalan Model ramalan dan analisis
Markov
Faktor Memilih ModelFaktor Memilih ModelFaktor Memilih ModelFaktor Memilih Model
FaktorFaktorFaktorFaktor DeskripsiDeskripsiDeskripsiDeskripsi
Membuat
keputusan di
bawah kepastian
tahap untuk dipastikan bahawa sesetengahnya keputusannya ialah
penting, oleh itu tidak wajar untuk di ubah.- diandaikan
pengetahuan yg lengkap telah tersedia, pembuat keputusan tahu
akibatnya atau hasil drp setiap arah untuk tindakan. Model
berdasarkan andaian adalah mudah utk bekerja dgn dan boleh
menghasilkan penyelesaian yg optima
Membuat
keputusan di
bawah ketidak
pastian
Ketidakpastian bermaksud syak/was-was: kenyataan yg tidak
pasti. Keadaan, peristiwa, akibat atau suasana yang terhad, nilai
atau akibatnya adalah tidak boleh diramalkan atau dijangka. Di dlm
situasi ini, beberapa hasil boleh berlaku utk setiap arah tindakan.
Analisis DSS, semestinya cuba utk menjauhi andaian yang tidak
perlu kerana ianya amat sukar utk modelkan situasi sedemikian.
Kita harus cuba utk memperolehi maklumat yang lebih, dgn itu
masalah akan di modelkan andaian situasi risiko. Perbezaan utk
membuat keputusan di bawah risiko, kita tidak jangka/ tahu
kemungkinan atau peluang drp kejadian drp hasil yang boleh
berlaku.
![Page 60: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/60.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
60
FaktorFaktorFaktorFaktor DeskripsiDeskripsiDeskripsiDeskripsi
Membuat
keputusan
dibawah risiko
( Analisis Risiko)
Risiko adalah berkenaan dgn kehilangan / kekurangan. – Risiko
juga dikenali sebagai kerangkalian / stokastik situasi membuat
keputusan. Risiko boleh diukur. Analisis risiko boleh
dipersembahkan melalui menghitung nilai yang dijangka drp setiap
alternatif dan memilih satu drp nilai yang dijangka. Beberapa
teknik boleh digunakan utk tangani analisis risiko. Analisis ‘What-
if’ adalah kemahiran drp pertanyaan dan manipulasi Model Driven
DSS utk menentukan apakah kesan yang akan merubah
kebanyakan data input atau pembolehubah bebas.
6.2.1 Analisis Statik dan Dinamik6.2.1 Analisis Statik dan Dinamik6.2.1 Analisis Statik dan Dinamik6.2.1 Analisis Statik dan Dinamik
Turban & Aronson, 1998:Turban & Aronson, 1998:Turban & Aronson, 1998:Turban & Aronson, 1998:
Analisis StatikAnalisis StatikAnalisis StatikAnalisis Statik � model yang memaparkan penggambaran tunggal drp situasi dalam jarak atau
jeda tunggal
Deardof, 2001 :Deardof, 2001 :Deardof, 2001 :Deardof, 2001 :
Model Statik ekstrak drp proses melalui keseimbangan atau kekuatan optimum dicapai hanya
melebihi masa, mahupun kebergantungan daripada pembolehubah-pembolehubah dalam
model itu sendiri ke atas perubahan masa lalu atau pd masa depan.
Analisis DinamikAnalisis DinamikAnalisis DinamikAnalisis Dinamik � model agar suatu masa bergantung kepada model.
- digunakan untuk menilai situasi atau scenario agar merubah masa yang berlebihan.
- Ianya penting kerana memaparkan aliran dan bentuk keperluan, pengeluaran atau jualan
yang melebihi masa.
6.3 Membina Model6.3 Membina Model6.3 Membina Model6.3 Membina Model
Pengesahan ModelPengesahan ModelPengesahan ModelPengesahan Model � adalah proses dalam membandingkan output model dengan tingkahlaku
sebenar drp fenomena yang dimodelkan.
![Page 61: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/61.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
61
Kitar Hayat Pemodelan :Kitar Hayat Pemodelan :Kitar Hayat Pemodelan :Kitar Hayat Pemodelan :
TugasTugasTugasTugas SasaranSasaranSasaranSasaran MekanismaMekanismaMekanismaMekanisma
Mengenalpasti Masalah Kenyataan masalah
tepat,jelas
Proses penghujahan
Mencipta Model Kenyataan drp model
diperlukan utk
menjelaskan masalah
secara matematik
Formulasasi
Intergrasi
Modifikasi dan Pemilihan Model
Komposisi
Implementasi Model Pernyataan
kebolehlaksanaan
komputer daripada
model
Pembangunan Program Ad-hoc
Mengguna bahasa pengkhususan
tahap tinggi.
Mengguna model pengkhususan
penjana program
Pengesahan Model Maklumbalas drp
pengesah
Analisis simbolik drp atribut seperti
dimensi dan peraturan sintaks unit
Penyelesaian Model Maklum balas drp
penyelesai
Pelaksanaan dan penjilidan
Penyelesai penjujukan dan
pelaksanaan skrip kawalan
Interpretasi Model Model Kefahaman
Model Mengawas silap
Model analisis
keputusan
Analisis Struktur
Analisis Sensitiviti
Penyenggaraan Model Menyemak kenyataan
masalah dan model utk
menggambarkan
perubahan/tanggapan
Penyebaran simbolik drp perubahan
struktur
Keselamatan / Versi
Model
Menyenggara dgn
betul dan konsisten,
Versi-versi model,
Memastikan
kekuasaan/hak utk
akses
Versi
Kaedah Kawalan Akses
![Page 62: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/62.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
62
6.4 Gambarajah Influence ( Pengaruh )6.4 Gambarajah Influence ( Pengaruh )6.4 Gambarajah Influence ( Pengaruh )6.4 Gambarajah Influence ( Pengaruh )
- pengurus biasanya suka melihat hasil yang mudah untuk difahami, senang digunakan dan
tidak memerlukan banyak klasifikasi.
Howard and Matheson (1998); Influence Diagram (ID) � perkakasan formal untuk model
keputusan masalah untuk pembuat keputusan dan analisis
Carta Alir ( Flowchart)Carta Alir ( Flowchart)Carta Alir ( Flowchart)Carta Alir ( Flowchart) � persembahan grafik yang digunakan untuk paparkan aliran
pengaturcaraan semasa proses analisis dan reka bentuk
Influence Diagram (IDInfluence Diagram (IDInfluence Diagram (IDInfluence Diagram (ID) � teknik pemodelan yang digunakan apabila membuat pengaturcaraan
– ianya digunakan untuk memetakan rekabentuk model dengan persembahan grafik drp model
digunakan untuk membantu di dalam rekabentuk model, pembangunan dan pemahaman
Pemodelan IDPemodelan IDPemodelan IDPemodelan ID DiskripsiDiskripsiDiskripsiDiskripsi
a) Certain
Influence
(Pengaruh
Tertentu)
b) Uncertain
Influence
- Anak Panah = pengaruh (influence)
- Pembolehubah disambungkan oleh anak panah yang
menunjukkan arah/arahan drp pengaruh.
- anak panah pengaruh bermakna bahawa itu nilai daripada
pembolehubah mempengaruhi dalam set pertama dan digunakan
menentukan tahap pembolehubah yang dipengaruhinya.
- certain influence dgn anak panah lurus
- uncertain influence dgn anak panah tidak lurus
Pembolehubah keputusan dipaparkan oleh segi empat
Pembuat keputusan berkuasa utk kawal lain-lain pembolehubah
Notasi bulatan adalah paparan seperti tidak dapat dikawal atau
pengantara pembolehubah. Simbol itu mentakrifkan
pembolehubah yang mana tidak pasti dan pembuat keputusan
tidak boleh kawalnya secara terus
Bulat bujur menandakan atribut atau keputusan pembolehubah
Bayar Muka
cukai
Bayaran Bulanan
![Page 63: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/63.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
63
6.4.16.4.16.4.16.4.1 Certain Influence ( Relationship) : Pengaruh Yang Pasti ( hubungan)Certain Influence ( Relationship) : Pengaruh Yang Pasti ( hubungan)Certain Influence ( Relationship) : Pengaruh Yang Pasti ( hubungan)Certain Influence ( Relationship) : Pengaruh Yang Pasti ( hubungan)
- ID memaparkan arahan drp pengaruh (hubungan) antara pembolehubah dengan anak
panah
- Anak panah lurus � pengaruh tertentu mungkin digunakan walaupun pengaruh
pembolehubah adalah pembolehubah rawak
6.4.26.4.26.4.26.4.2 Certainty Influence with Random (Risk) Variable ( Certainty Influence with Random (Risk) Variable ( Certainty Influence with Random (Risk) Variable ( Certainty Influence with Random (Risk) Variable ( Pengaruh Kepastian dengan Pengaruh Kepastian dengan Pengaruh Kepastian dengan Pengaruh Kepastian dengan
Pembolehubah Rawak ( Risiko)Pembolehubah Rawak ( Risiko)Pembolehubah Rawak ( Risiko)Pembolehubah Rawak ( Risiko)
- perlu membezakan situasi yang mana semua ketidakpastian dalam pembolehubah
adalah wajar untuk ketidakpastian dalam pembolehubah terdahulu ( tiada garis beralun
pada anak panah) drp pembolehubah yang diketahui dengan kepastian perlu pengaruh
ketidakpastian ke atas yang lain ( anak panah tidak lurus )
Menjelaskan garis lurus drp pengaruh antaranya menunjukkan bahawa jika tahap drp Belanja Belanja Belanja Belanja
BerubahBerubahBerubahBerubah dijumpai , PendapatanPendapatanPendapatanPendapatan akan diketahui juga.
6.46.46.46.4.3 .3 .3 .3 Uncertainty (Risk) Relationship ( Hubungan Ketidakpastian ( Risiko ) )Uncertainty (Risk) Relationship ( Hubungan Ketidakpastian ( Risiko ) )Uncertainty (Risk) Relationship ( Hubungan Ketidakpastian ( Risiko ) )Uncertainty (Risk) Relationship ( Hubungan Ketidakpastian ( Risiko ) )
Situasi penting di mana kewakan dalam pembolehubah adalah wajar kedua-duanya untuk
kerawakan dalam mempengaruhi pembolehubah dan pengaruh tidakpasti.
Memilih harga untuk model baru Proton adalah pembolehubah keputusan
Bayaran Bulanan Bayar Muka
Pendapatan Belanja Berubah
Harga Kereta Jualan Kereta
![Page 64: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/64.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
64
6.4.46.4.46.4.46.4.4 Uncertainty (Risk) Relationship with Random Variable ( Hubungan Ketidakpastian (Risiko) Uncertainty (Risk) Relationship with Random Variable ( Hubungan Ketidakpastian (Risiko) Uncertainty (Risk) Relationship with Random Variable ( Hubungan Ketidakpastian (Risiko) Uncertainty (Risk) Relationship with Random Variable ( Hubungan Ketidakpastian (Risiko)
dengan Pembolehubah Rawak)dengan Pembolehubah Rawak)dengan Pembolehubah Rawak)dengan Pembolehubah Rawak)
Pembolehubah Permintaan dan Penyerahan akan menjadi ketidakpastian kerana mempengaruhi
pembolehubah adalah rawak atau pengaruh adalah rawak. Untuk itu, tidak ditandakan
Penyerahan dengan tilde (~) . Tilde hanya digunakan ke atas pembolehubah di mana dimulakan
kerawakan.
6.4.56.4.56.4.56.4.5 Influence Diagram Examples ( Contoh Gambarajah InfluInfluence Diagram Examples ( Contoh Gambarajah InfluInfluence Diagram Examples ( Contoh Gambarajah InfluInfluence Diagram Examples ( Contoh Gambarajah Influence )ence )ence )ence )
~ Permintaan
Penyerahan
Tahap Usaha Gred Peringatan Tunai Tukar Loan CGPA
Kos Cukai Kerajaan = 0.005 ( Harga Produk ) Harga Produk = RM 15 + Cukai Kerajaan
Kos Cukai
Harga Produk
![Page 65: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/65.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
65
6.56.56.56.5 Analisis KeputusanAnalisis KeputusanAnalisis KeputusanAnalisis Keputusan
� disiplin daripada menilai alternatif-alternatif kompleks dari segi nilai-nilai dan
ketidakpastian
6.5.16.5.16.5.16.5.1 Decision Trees ( Pokok Keputusan )Decision Trees ( Pokok Keputusan )Decision Trees ( Pokok Keputusan )Decision Trees ( Pokok Keputusan )
WhitepaperWhitepaperWhitepaperWhitepaper (2000) : merupakan jalan mudah bagi mewakili dan memproses klasifikasi
pengetahuan / pengalaman.
Sewaan Baru
Izin sendiri
Bina semula
Pasaran Baik (0.4)
RM40,000
Pasaran buruk (0.6)
RM 100,000
-RM20,000
Gagal (0.2)
OK (0.8)
Tiada Risiko
Ganjaran
RM 80,000
RM 85,000
![Page 66: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/66.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
66
6.5.36.5.36.5.36.5.3 Payoff Table ( Jadual Ganjaran )Payoff Table ( Jadual Ganjaran )Payoff Table ( Jadual Ganjaran )Payoff Table ( Jadual Ganjaran )
Analisis KeputusanAnalisis KeputusanAnalisis KeputusanAnalisis Keputusan adalah proses agar membolehkan pembuat keputusan untuk memahami
hakikat daripada situasi dan risiko-risiko dan membenarkan pembuat keputusan untuk
memutuskan sedikit dan kebanyakan pilihan daripada set daripada alternatif keputusan yang
boleh berlaku.
Elemen drp masalah analisi keputusan ialah:Elemen drp masalah analisi keputusan ialah:Elemen drp masalah analisi keputusan ialah:Elemen drp masalah analisi keputusan ialah:
a. hanya seorang individu yang bakal dilantik sebagai pembuat keputusan Cthnya, CEO,
COO atau pengurus syarikat
b. bilangan yang terhad drp peristiwa yang mungkin berlaku ( masa depan ) adalah
dipanggil ‘States of Nature’ ( set drp scenario yang boleh berlaku )
c. bilangan yang terhad drp alternatif keputusan yang mungkin berlaku ( cthnya, tindakan )
adalah tersedia untuk pembuat keputusan
d. Ganjaran ( pulangan atau hasil drp keputusan ) adalah elemen bila mana kombinasi yang
berbeza drp keputusan dan ‘state of nature’ ( ketidakpastian) menghasilkan ganjaran
yang berbeza. Ganjaran biasanya dipaparkan dalam jadual. Dalam analisis keputusan
ganjaran dipaparkan melalui nilai positif (+) untuk pendapatan bersih, gaji, atau
keuntungan dan nilai negatif (-) untuk belanjawan, kos, atau kerugian bersih
analisis memerlukan ketelitian yang lebih kerana ianya bukannya mudah untuk membentuk
matrik tersebut. Kesilapan yang biasa dalam analisis keputusan ialah :
i. salah tanggapan
ii. tidak mempunyai tanggapan yang tepat drp kemungkinan
iii. bergantung kepada jangkaan
iv. susah dalam mengukur fungsi utility
v. kesilapan ramalan
![Page 67: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/67.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
67
Komponen drp model kemungkinanKomponen drp model kemungkinanKomponen drp model kemungkinanKomponen drp model kemungkinan
6.5.46.5.46.5.46.5.4 Jadual KeputusanJadual KeputusanJadual KeputusanJadual Keputusan
Turban et.al (2004)Turban et.al (2004)Turban et.al (2004)Turban et.al (2004) � seperti satu langkah mudah untuk mengurus maklumat dalam cara yang
sistematik.
- digunakan untuk model logik yang komplikated (rumit )
- seperti struktur kawalan yang dipelajari dlm kursus pengaturcaraan seperti kenyataan ifififif----
thenthenthenthen----elseelseelseelse dan switchswitchswitchswitch----casecasecasecase
- Kenyataan di dalam Jadual Keputusan adalah conditionsconditionsconditionsconditions ( syarat/keadaan) dan actionsactionsactionsactions
(tindakan)
Penyelesaian Masalah Pencetak
Dokumen tidak boleh dicetak Y Y Y Y N N N N
Pencetakan lambat - - - N Y Y N N
Font hilang / tidak seperti dipaparan
skrin
- - - N Y N Y N
Periksa kabel power X
Periksa / tukar kabel pencetak-
komputer
X X X
Pastikan driver pencetak diinstal X X X X
ConditionConditionConditionCondition
ActionsActionsActionsActions
Periksa /tukar katrij powder X
Model Matematik Tindakan
Peristiwa
Ganjaran ( ulangan )
![Page 68: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/68.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
68
6.66.66.66.6 Kaedah / Cara Menyelesaikan MasalahKaedah / Cara Menyelesaikan MasalahKaedah / Cara Menyelesaikan MasalahKaedah / Cara Menyelesaikan Masalah
Tiga Kenyataan Drp Penyelesaian Masalah
Pendekatan untuk mencari, bergantung kpd jenis masalah untuk diselesaikan dan jenis
pendekatan pemodelan :
a. Optimisation / Analytical Technique ( Teknik Analitikal / Pengoptimistik )
b. Blind Search ( Penyelidikan / Pencarian Rabun )
c. Heuristic Search ( Penyelidikan / Pencarian Heuristik )
Dalam pencarian langkah2 untuk kenyataan penyelesaian, kenyataan2 dgn terdapat kenyataan dengan kepunyaan tersebut bahawa jika pernah dipertemukan, penyelesaian masalah adalah dipertimbangan kegagalan
Kenyataan di mana permulaan episod yang disediakan drp penyelesaian masalah
Kenyataan Mustahil / gagal
Kenyataan awal
Kenyataan Penyelesaian / sasaran
Kenyataan di mana permulaan episod yang disediakan drp penyelesaian masalah
![Page 69: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/69.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
69
6.6.16.6.16.6.16.6.1 Teknik AnTeknik AnTeknik AnTeknik Analitikalalitikalalitikalalitikal
- menggunakan formula matematik untuk mendapatkan penyelesaian optima bagi
menjangkakan laporan/keputusan.
- Yang digunakan terutamanya untuk menyelasaikan masalah berstruktur seperti
penganggaran, peramalan, analisis siri-masa dan pemodelan
- Penganggaran, peramalan dan analisis siri-masa biasanya berdasarkan teknik
pengunduran linear
- Perkakasan EIS/DSS menyokong pemodelan umumnya menyediakan penganggaran,
simulasi dan teknik peramalan agar operasi ke atas pembolehubahn nonlinear
- Peramalan dan analisis bersiri-masa berbeza drp teknik penganggaran mudah dalam
pada itu trend masa depan atau terdahulu dijangka berdasarkan data historical
- Apabila masalah tidak berstruktur ( terlalu kompleks) , pendekatan
pencarian/penyelidikan heuristic dan blind digunakan
6.6.26.6.26.6.26.6.2 Blind Search ( Penyelidikan / Pencarian Rabun ) Blind Search ( Penyelidikan / Pencarian Rabun ) Blind Search ( Penyelidikan / Pencarian Rabun ) Blind Search ( Penyelidikan / Pencarian Rabun )
- juga dipanggil pencarian tidak dimaklumkan (uninformed search ) adalah
pencarian/penyelidikan yang tiada maklumat mengenai domainya
- hanya boleh lakukan ialah mengenali kenyataan bukan sasaran daripada kenyataan
sasaran.
- Algoritma drp pencarian kelebaran pertama (Breadth-First Search-BFS) melibatkan
penggunaan giliran / barisan untuk pencarian.
Giliran ( queue)Giliran ( queue)Giliran ( queue)Giliran ( queue) � adalah senarai di mana nod-nod selalunya ditambahkan kpd penghujung
senarai tetapi dipindahkan drp hadapan
![Page 70: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/70.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
70
6.6.36.6.36.6.36.6.3 Heuristic Search ( Penyelidikan / Pencarian Heuristik )Heuristic Search ( Penyelidikan / Pencarian Heuristik )Heuristic Search ( Penyelidikan / Pencarian Heuristik )Heuristic Search ( Penyelidikan / Pencarian Heuristik )
- algoritma atau perisian merupakan cawangan kecerdasan tiruan yang menggunakan
heuristik, ( peraturan kewarasan daripada pengalaman untuk selesaikan masalah )
6.7 6.7 6.7 6.7 SistSistSistSistem Pemodelanem Pemodelanem Pemodelanem Pemodelan
- sistem komputer yang menerima model keperluan pengguna, menterjemahkannya ke
dalam bentuk yang boleh diterima untuk penyelesai, memohon penyelesai dan
terjemahkan output drp penyelesai semula ke dalam bentuk yang boleh diinterpretasikan
oleh pemodel
![Page 71: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/71.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
71
GLOSARIGLOSARIGLOSARIGLOSARI
Decision Support ( Sokongan keputusan)Decision Support ( Sokongan keputusan)Decision Support ( Sokongan keputusan)Decision Support ( Sokongan keputusan) : penggunaan data, model dan analisis utk memberi
pemahaman yang membantu membuat keputusan
Management Science ( Sains Pengurusan )Management Science ( Sains Pengurusan )Management Science ( Sains Pengurusan )Management Science ( Sains Pengurusan ) : aplikasi yang sistematik drp proses pemodelan
kepada situasi pengurusan
ModelModelModelModel : persembahan drp beberapa aspek yang reality
Model Base ( Pangkalan Data )Model Base ( Pangkalan Data )Model Base ( Pangkalan Data )Model Base ( Pangkalan Data ) : koleksi drp jenis-jenis model yang diisikan dalam media
storan elektronik dan boleh dicapai kpd pengguna dan program
Modelling Language ( Bahasa Pemodelan Modelling Language ( Bahasa Pemodelan Modelling Language ( Bahasa Pemodelan Modelling Language ( Bahasa Pemodelan )))) : notasi kebolehlaksanaan komputer formal yang
boleh digunakan untuk menjelaskan konsep yang abstrak drp rangka kerja.
ParameterParameterParameterParameter : pembolehubah yang nilainya tidak ditentukan oleh pembuat keputusan
Physical Model ( Model Fizikal )Physical Model ( Model Fizikal )Physical Model ( Model Fizikal )Physical Model ( Model Fizikal ) : model seperti model kereta yang komponennya adalah
artifak fizikal drp ciri-ciri entity sebenar.
Problem ( Masalah )Problem ( Masalah )Problem ( Masalah )Problem ( Masalah ) : penerangan mengenai sesuatu yang boleh dilakukan dengan keadaan
Ujian 1Ujian 1Ujian 1Ujian 1
1. Apakah Sistem Pengurusan Pangkalan Model?
Sistem Pengurusan Pangkalan Model ialah mengurus pelbagai peralatan analitikal DSS, boleh
membezakan dlm nombor, saiz dan kompleksiti. Fungsi utamanya:
� Memodelkan bahasa : utk cipta model keputusan mula dari asas atau drp model sedia
ada – mekanisma utk link dgn pelbagai model kpd membenarkan utk pemprosesan
berturutan atau pertukaran data
� Model Perpustakaan : simpan dan uruskan semua model dan penyelasaian algoritma utk
mudah akses dan manipulasi
� Model manipulasi : mengurus dan selenggara model asas dgn fungsi yg sama dgn apa yg
didapati dlm DBMS spt run, stor, pertanyaan, padam, link dll)
![Page 72: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/72.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
72
2. Jelaskan mengapakah menyelesaikan masalah di bawah ketidak pastian kadang-kala
melibatkan pengandaian bahawa masalah itu perlu diselesaikan di bawah keadaan drp risiko?
Analisis DSS, semestinya cuba utk menjauhi andaian yang tidak perlu kerana ianya amat sukar
utk modelkan situasi sedemikian. Kita harus cuba utk memperolehi maklumat yang lebih, dgn
itu masalah akan di modelkan andaian situasi risiko. Perbezaan utk membuat keputusan di
bawah risiko, kita tidak jangka/ tahu kemungkinan atau peluang drp kejadian drp hasil yang
boleh berlaku.
TAJUK 7 : QUANTITATIVE ANALYSIS AND MODELLINGTAJUK 7 : QUANTITATIVE ANALYSIS AND MODELLINGTAJUK 7 : QUANTITATIVE ANALYSIS AND MODELLINGTAJUK 7 : QUANTITATIVE ANALYSIS AND MODELLING
( Pemodelan dan Analisis Kuantitatif )( Pemodelan dan Analisis Kuantitatif )( Pemodelan dan Analisis Kuantitatif )( Pemodelan dan Analisis Kuantitatif )
PengenalanPengenalanPengenalanPengenalan
Turban & Aronson (2001)Turban & Aronson (2001)Turban & Aronson (2001)Turban & Aronson (2001) menegaskan bahawa satu drp ciri-ciri utama DSS adalah
mengambilkira sekurang-kurangnya satu model.
Model Analitikal dan MatematikModel Analitikal dan MatematikModel Analitikal dan MatematikModel Analitikal dan Matematik adalah komponen dominan ( paling utama ) dalam ModelModelModelModel----
Driven DSS (MDSS)Driven DSS (MDSS)Driven DSS (MDSS)Driven DSS (MDSS) kerana model-model digunakan oleh pembuat keputusan untuk memahami
sifat-sifat semulajadi masalah.
Pembuat keputusan boleh menjalankan ujian dan analisis ke atas model drp kenyataan sebenar
lebih tepat drp system yang nyata.
7.17.17.17.1 Model KeputusanModel KeputusanModel KeputusanModel Keputusan
Apabila membuat keputusan terlalu kompleks dan kepentingannya pada tonggak terlalu
berisiko, kerapkalinya tidak pasti apa untuk diputuskan.
- sering ke teknik sokongan keputusan yang tidak formal seperti bertanya kepada rakan-
rakan
- proses membuat keputusan mudah yang dihasilkan model keputusan dgn hanya dua
alternatif, dikenali sebagai Manicheanism
ManicheaManicheaManicheaManicheanismnismnismnism membahagikan semua/ setiap satu dalam dunia ke dalam diskret (berlainan)
atau polar yang bertentangan seperti baik atau/dan buruk.
![Page 73: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/73.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
73
Decision Science ( DS ) yang juga dikenali Operations Research (OR), Quantitative Analysisi
(QA), dan Management Science (MS) adalah sains membuat keputusan.
Quantitative Analysisi (QA) atau OR/MSQuantitative Analysisi (QA) atau OR/MSQuantitative Analysisi (QA) atau OR/MSQuantitative Analysisi (QA) atau OR/MS adalah aplikasi drp kaedah membuat keputusan kepada
membuat keputusan.
KuantitatifKuantitatifKuantitatifKuantitatif bermaksud yang pendekatan ini berdasarkan pemodelan matematik. Ianya adalah
pendekatan sains untuk automasi kongsian drp membuat keputusan pengurusan.
7.27.27.27.2 Model MatematikModel MatematikModel MatematikModel Matematik
a) Apakah itu Model?a) Apakah itu Model?a) Apakah itu Model?a) Apakah itu Model?
ModelModelModelModel adalah pemisahan atau ringkasan / synopsis drp situasi keputusan dunia nyata.
b) Matematik Sebagai Bahasa Universal Drp Pemodelanb) Matematik Sebagai Bahasa Universal Drp Pemodelanb) Matematik Sebagai Bahasa Universal Drp Pemodelanb) Matematik Sebagai Bahasa Universal Drp Pemodelan
Paling meluas digunakan model-model ialah bahasa percakapan atau dikenali sebagai model
naratif.
Contohnya : laporan verbal, atau penulisan dokumen adalah model tengah/pusat untuk
kesedaran.
Model VerbalModel VerbalModel VerbalModel Verbal adalah terjemahan daripada model mental
- Ianya menjelaskan semua hubungan kefungsian antara pembolehubah dalam laluan
perkataan
- Percakapan dan penulisan dokumen adalah seperti transkrip temu ramah, kajian kes, manual
dan lain-lain model.
- Pembinaan model melibatkan pembahagian yang terbaik drp model verbal.
- Disebabkan drp anekaragam dan batasan manusia drp komunikasi dan kemahiran menulis,
para saintis menggunakan matematik dan logik bagi membolehkan manusia utk menyatakan
dan seterusnya berkomunikasi dgn efektif idea-idea mereka.
- Matematik adalah hanya bahasa yang dikongsi oleh semua manusia tanpa mempedulikan
bangsa, budaya dan jenis jantina.
![Page 74: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/74.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
74
c) Pemodelanc) Pemodelanc) Pemodelanc) Pemodelan
- Pemodelan melibatkan perubahan masalah bisnes ke dalam struktur prototaip yang
bersesuaian seperti model matematik.
- Proses perubahan melibatkan pemprosesan dan pemanipulasian data mentah ke dalam
maklumat yang lebih bermakna
- model matematik diubahkan ke dalam versi elektronik atau model computer
menggunakan sama ada pakej perisian statistic, perisian ramalan, pakej pemodelan atau
perkakasan pengguna akhir seperti Microsoft Excel
- adalah perlu untuk ‘customize’ model-model menggunakan perkakasan dan bahasa
pengaturcaraan seperti C++, Java atau Visual Basic.
d) Peranan Modeld) Peranan Modeld) Peranan Modeld) Peranan Model----Model MatematikModel MatematikModel MatematikModel Matematik
- Model Matematik digunakan untuk analisis
- nilai drp kekunci pembolehubah atau parameter model boleh diubahkan berulang-ulang
- Perubahan dibuat untuk menunjukkan perubahan dan ketidakpastian dalam sebarang situasi
keputusan seperti pemintaan dan penawaran, system penggiliran, pengeluaran, ekonomi, kos
dan faedah dan sebagainya
- Output atau keputusan daripada menggunakan model masih perlu dianalisis dan dinilai oleh
pembuat keputusan kerana MDDSS bukanlah system pembuatan keputusan, ianya hanya
menyokong proses pembuatan keputusan oleh manusia
e) Pangkalan Modele) Pangkalan Modele) Pangkalan Modele) Pangkalan Model
- keperluan untuk pembuat keputusan akses kepada pelbagai model dan menbantu dalam
membuat keputusan.
![Page 75: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/75.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
75
7.2.17.2.17.2.17.2.1 Klasifikasi Model MatematikKlasifikasi Model MatematikKlasifikasi Model MatematikKlasifikasi Model Matematik
Marakas , 1999: Marakas , 1999: Marakas , 1999: Marakas , 1999:
JenisJenisJenisJenis----Jenis ModelJenis ModelJenis ModelJenis Model CiriCiriCiriCiri----CiriCiriCiriCiri
Simulation
( Simulasi )
- gabungkan ketidakpastian ke dalam strukturnya. Sekurang-
kurangnya satu drp pembolehubah adalah tidakpasti dan
dijelaskan oleh beberapa fungsi kemungkinan
- bila membina model stokastik , pembuat keputusan mengagih
nilai input drp satu atau lebih pembolehubah disekitar beberapa
nilai bermakna dan pembolehubah output ambil bentuk drp
pengagihan frekuensi lebih drp nilai set diskret
- teknik pemodelan stokastik termasuklah teori permainan, teori
giliran, pengunduran linear, analisis siri masa, analisis laluan,
dan pengunduran logistic atau analisis logik.
Deterministic
( Ketentuan )
- digunakan apabila konteks masalah adalah hibrik (kepelbagaian)
; yang bermaksud beberapa komponen kontek keputusan adalah
berketentuan, beberapa lagi stokastik, dan beberapa lagi
gabungan kedua-duanya.
- Dibangunkan utk membenarkan kombinasi pelbagai model
- Menguruskan satu atau lebih eksperimen yang menguji pelbagai
keputusan hasil drp kombinasi pemodelan sub-sistem ke dalam
persekitaran dinamik
- Mencontohi reality
- Model simulasi biasa adalah pemodelan pengeluaran,
pengangkutan dan logistic dan ekonomik
Domain Specific
Domain Tertentu /
Khusus
- pembolehubah hanya mengambil satu nilai pada sebarang masa
pengambilan
- model berketentuan termasuklah pengaturcaraan linear,
pengaturcaraan bukan linear, persamaan-perbezaan
Stochastic
( Stokastik)
- set drp teknik pemodelan matematik abstrak dibangunkan untuk
melayan satu medan tertentu
- Cthnya: model pembekalan dan permintaan adalah model unik
digunakan oleh para ekonomi. Lain-lain domain yang dikenali
sebagai penyelidikan operasi, sosiologi, ekologi, perubatan, dan
meteorology yang dibangunkan dgn teknik pemodelan abstrak
tersendiri.
![Page 76: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/76.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
76
7.2.2 Komponen Drp Model Matematik7.2.2 Komponen Drp Model Matematik7.2.2 Komponen Drp Model Matematik7.2.2 Komponen Drp Model Matematik
Terdiri daripada tiga komponen iaitu:
a.a.a.a. Decision Variables ( Pembolehubah Keputusan )Decision Variables ( Pembolehubah Keputusan )Decision Variables ( Pembolehubah Keputusan )Decision Variables ( Pembolehubah Keputusan )
b.b.b.b. Uncontrollable Variables ( Pembolehubah TiUncontrollable Variables ( Pembolehubah TiUncontrollable Variables ( Pembolehubah TiUncontrollable Variables ( Pembolehubah Tidak Dapat Dikawal ) dak Dapat Dikawal ) dak Dapat Dikawal ) dak Dapat Dikawal ) –––– ‘and’ / ‘or’ parameter. ‘and’ / ‘or’ parameter. ‘and’ / ‘or’ parameter. ‘and’ / ‘or’ parameter.
c.c.c.c. Result ( outcome ) Variables ( Pembolehubah Hasil / Keputusan )Result ( outcome ) Variables ( Pembolehubah Hasil / Keputusan )Result ( outcome ) Variables ( Pembolehubah Hasil / Keputusan )Result ( outcome ) Variables ( Pembolehubah Hasil / Keputusan )
Contoh Pembolehubah:Contoh Pembolehubah:Contoh Pembolehubah:Contoh Pembolehubah:
BidangBidangBidangBidang PembolehubahPembolehubahPembolehubahPembolehubah
KeputusanKeputusanKeputusanKeputusan
PembolehubahPembolehubahPembolehubahPembolehubah
HasilHasilHasilHasil
Pembolehubah & Parameter Pembolehubah & Parameter Pembolehubah & Parameter Pembolehubah & Parameter
Tidak Dapat dikawalTidak Dapat dikawalTidak Dapat dikawalTidak Dapat dikawal
Pelaburan
Kewangan
Alternatif
Pelaburan.
Amaun
pelaburan.
Jangkamasa
labor.
Bila melabur.
Keuntungan
kesemuanya.
Kadar pulangan.
Ganjaran
perkongsian.
Tahap kecairan
Kadar inflasi
Kadar asas.
Persaingan.
Pembuatan Apa yang
dihasilkan.
Jumlah hasilan
Tahap inventori
Program pampas
an.
Kos
kesemuanya.
Tahap kualiti.
Pekerja
Kepuasan.
Kapasiti mesin.
Teknologi.
Sifat dan material
Sumber harga
Hubungan Matematik
Pembolehubah Keputusan
Pembolehubah Tidak Dapat Dikawal
Pembolehubah Hasil
![Page 77: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/77.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
77
BidangBidangBidangBidang PembolehubahPembolehubahPembolehubahPembolehubah
KeputusanKeputusanKeputusanKeputusan
PembolehubahPembolehubahPembolehubahPembolehubah
HasilHasilHasilHasil
Pembolehubah & Parameter Pembolehubah & Parameter Pembolehubah & Parameter Pembolehubah & Parameter
Tidak Dapat dikawalTidak Dapat dikawalTidak Dapat dikawalTidak Dapat dikawal
Pemilihan kereta
keluarga.
Jenis kereta.
Jenama kereta
Harga pembelian
Jangkamasa
pembayaran.
Institusi
kewangan
Bayaran bulanan Kadar cukai
Kadar faedah
Penjadualan
Kelas
Bilangan pelajar
Pensyarah
Tempat
Masa
Jadual kelas Bilangan dewan kuliah
Bilangan kelas
a)a)a)a) Pembolehubah KeputusanPembolehubah KeputusanPembolehubah KeputusanPembolehubah Keputusan dan Hasil ( Result & Decision Variables) dan Hasil ( Result & Decision Variables) dan Hasil ( Result & Decision Variables) dan Hasil ( Result & Decision Variables)
Pembolehubah Hasil ( Result Variables ) � ialah pembolehubah yang menggambarkan drp
keberkesanan sistem dan pembolehubah keputusan yang menghuraikan arah/haluan alternatif
drp tindakan.
Cth: seseorang memilih kereta, pertamanya membuat keputusan berapa banyak dia perlu
bayar sebulan � analisa jenama � menentukan untuk bayar RM900 – RM 1200 sebulan tetapi
hanya sanggup bayar 10% drp harga kereta � menentukan pilihan Proton Perdana atau Toyota
Altis
b)b)b)b) Parameter ataParameter ataParameter ataParameter atau Pembolehubah Tidak Dapat Dikawal ( Uncontrollable Variables or u Pembolehubah Tidak Dapat Dikawal ( Uncontrollable Variables or u Pembolehubah Tidak Dapat Dikawal ( Uncontrollable Variables or u Pembolehubah Tidak Dapat Dikawal ( Uncontrollable Variables or
Parameter )Parameter )Parameter )Parameter )
� ialah faktor-faktor mempengaruhi keputusan pembolehubah, tetapi bukan di bawah
kawalan drp pembuat keputusan
� factor-faktor ini boleh jadi tetap ( parameter ) atau berubah-ubah ( pembolehubah )
Cth: kadar faedah pinjaman kereta, adalah tetap tetapi boleh memilih institusi kewangan yang
diingini
![Page 78: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/78.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
78
c)c)c)c) Pembolehubah Hasil Yang Sederhana ( Intermediate Result Variables )Pembolehubah Hasil Yang Sederhana ( Intermediate Result Variables )Pembolehubah Hasil Yang Sederhana ( Intermediate Result Variables )Pembolehubah Hasil Yang Sederhana ( Intermediate Result Variables )
� ialah terdapat menggambarkan bahawa keputusan drp hasil yang sederhana
Cth: pengurus perlu memutuskan yuran kursus professional ( pembolehubah hasil) �
keputusan pengurus akan mempengaruhi keseluruhan drp pelajar yang mendaftar ( hasil
pertengahan ) � yang kemudiannya menentukan keuntungan bersih ( keputusan akhir )
7.3 Analisis Sensitiviti7.3 Analisis Sensitiviti7.3 Analisis Sensitiviti7.3 Analisis Sensitiviti
� adalah satu analisis yang dijalankan untuk mencapai kesan bagi perubahan di dalam data
input atau parameter pada pembolehubah hasil.
Cth: Apakah kesan drp perubahan dalam harga petrol dan disel kpd keuntungan bersih runcit.
Analisis SensitivitiAnalisis SensitivitiAnalisis SensitivitiAnalisis Sensitiviti adalah amat penting dlm DSS kerana ianya menyediakan pemahaman yang
terbaik drp model keputusan
Dua jenis analisis sensitiviti :Dua jenis analisis sensitiviti :Dua jenis analisis sensitiviti :Dua jenis analisis sensitiviti :
a. Analisis Sensitiviti AutomatikAnalisis Sensitiviti AutomatikAnalisis Sensitiviti AutomatikAnalisis Sensitiviti Automatik � dilaksanakan dalam implementasi model piawaian ORMS (
Operational Research / Management Science ) seperti pengaturcaraan linear
b. Trial and Error ( eksperimen ) belajar drp kesilapan b. Trial and Error ( eksperimen ) belajar drp kesilapan b. Trial and Error ( eksperimen ) belajar drp kesilapan b. Trial and Error ( eksperimen ) belajar drp kesilapan
� menggunakan dua jenis eksperimen iaitu ‘what-if’ dan mencari / memperoleh sasaran
Analisis ‘WhatAnalisis ‘WhatAnalisis ‘WhatAnalisis ‘What----if’if’if’if’ adalah distrukturkan seperti “ Apa akan berlaku kepada
penyelesaian/jawapan jika pembolehubah input atau andaian atau nilai parameter diubah”
Analisis Mencari SasaranAnalisis Mencari SasaranAnalisis Mencari SasaranAnalisis Mencari Sasaran � menghitung nilai-nilai drp input-input yang mustahak untuk
menghasilkan tahap yang diingini ke atas output ( sasaran )
7.47.47.47.4 Deterministic Model ( Model Penentuan ) : break even point ( meleraikan titik yg rata )Deterministic Model ( Model Penentuan ) : break even point ( meleraikan titik yg rata )Deterministic Model ( Model Penentuan ) : break even point ( meleraikan titik yg rata )Deterministic Model ( Model Penentuan ) : break even point ( meleraikan titik yg rata )
Break Break Break Break –––– Even Even Even Even –––– Point Point Point Point ( BEPs)( BEPs)( BEPs)( BEPs) ialah titik jumlah jualan di mana jumlah keseluruhan pendapatan
dan Jumlah keseluruhan perbelanjaan ialah sama ; yang di mana terdapat untung tidak juga
hilang
- untuk produk, jenama atau syarikat adalah titik di mana jumlah keseluruhan pendapatan
sama jumlah keseluruhan kos.
![Page 79: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/79.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
79
7.4.17.4.17.4.17.4.1 Spreadsheet Based BEPSpreadsheet Based BEPSpreadsheet Based BEPSpreadsheet Based BEP
7.57.57.57.5 Stochastic Model : Queuing Management ( Pengurusan Bergilir/Berbaris )Stochastic Model : Queuing Management ( Pengurusan Bergilir/Berbaris )Stochastic Model : Queuing Management ( Pengurusan Bergilir/Berbaris )Stochastic Model : Queuing Management ( Pengurusan Bergilir/Berbaris )
- teori pengurusan berbaris adalah penting untuk mencipta jadual, rekabentuk kerja,
pengurusan inventori dsbnya
- teori berbaris : kajian drp menunggu barisan � satu drp yang tertua dan paling meluas
digunakan teknik analisis kuantitatif.
7.5.17.5.17.5.17.5.1 CiriCiriCiriCiri----Ciri Sistem BerbarisCiri Sistem BerbarisCiri Sistem BerbarisCiri Sistem Berbaris
� the arrival ( ketibaan ) atau input untuk menunggu system barisan
� the waiting line itself ( menunggu barisan sendiri )
� the service facility ( kemudahan perkhidmatan )
a) Ciria) Ciria) Ciria) Ciri----Ciri KetibaanCiri KetibaanCiri KetibaanCiri Ketibaan/Kedatangan/Kedatangan/Kedatangan/Kedatangan
i. saiz drp penduduk : saiz penduduk dipertimbangkan kepada sama ada unlimited (
tidak terhad ) ; infinite ( tidak tentu ) atau limited ( terhad ) : finite ( terhad ) Cth :
Unlimite � kereta yang tiba di pondok rehat lebuhraya PLUS; Limited � pengguna
siberkafe terhad kpd bilangan PC
ii. corak kedatangan pada system : pelanggan sama ada tiba di kemudahan
Perkhidmatan mengikut jadual ( Cth: Pensyarat sediakan jadual hanya seorang pelajar
diberi nasihat setiap setengah jam ) atau kedatangan secara rawak. Kekerapan
masalah-masalah giliran, Jumlah kedatangan boleh dianggarkan bagi setiap unit bagi
sesuatu masa boleh dijangkakan oleh pengagihan kemungkinan dikenali sebagai
pengagihan poissonpengagihan poissonpengagihan poissonpengagihan poisson.
iii. Akhlak atau tingkahlaku kedatangan : Kita perlu membuat anggapan ke arah tingkah
laku orang yang menunggu baris. - perlu mengandaikan bahawa pelanggan tidak
keberatan atau mungkin janji. Balking ( keberatan / tidak mahu tunggu ) , Renege (
seseorang itu menunggu dalam barisan, tetapi beberapa minit kemudian mengambil
keputusan untuk meninggalkan barisan )
b.b.b.b. CiriCiriCiriCiri----Ciri Menunggu Dalam BarisanCiri Menunggu Dalam BarisanCiri Menunggu Dalam BarisanCiri Menunggu Dalam Barisan
- jarak masa barisan menunggu sama ada terhad atau tidak terhad
- disiplin barisan menunggu ( First-In-First-Out : FIFO ) atau ( First-In-Last-Out) , ianya
bergantung kepada situasi.
![Page 80: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/80.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
80
c.c.c.c. CiriCiriCiriCiri----Ciri Kemudahan PerkhidmatanCiri Kemudahan PerkhidmatanCiri Kemudahan PerkhidmatanCiri Kemudahan Perkhidmatan
- tatarajah sistem perkhidmatan
- corak drp masa perkhidmatan
i)i)i)i) Contoh tatarajah Contoh tatarajah Contoh tatarajah Contoh tatarajah sisisisistem perkhidmatanstem perkhidmatanstem perkhidmatanstem perkhidmatan
Tatarajah / Tatarajah / Tatarajah / Tatarajah /
KonfigurasiKonfigurasiKonfigurasiKonfigurasi
ContohContohContohContoh
Sistem Saluran
Tunggal
Hanya disediakan satu pelayan sahaja. Cth: Kaunter pandu masuk
McDonald’s, hanya mempunyai satu kaunter sahaja
Sistem Perkhidmatan
Multi Saluran
Mempunyai banyak saluran , cthnya bank ada banyak kaunter
Sistem Fasa Tunggal Gerai ‘Mamak’ yang mana individu tersebut yang mengambil pesanan
dan juga yang memberikan makanan dan mengambil bil
Sistem Multi Fasa Pusat kesihatan, kita harus daftar pada kaunter pendaftaran, dan
kemudiannya menunggu untuk dipanggil oleh jururawat, berjumpa
doctor untuk rawatan, mengambil resit ubat dan seterusnya membayar
bil.
![Page 81: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/81.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
81
ii.ii.ii.ii. Perkhidmatan Semasa PengedaranPerkhidmatan Semasa PengedaranPerkhidmatan Semasa PengedaranPerkhidmatan Semasa Pengedaran
berapa lama seorang doktor diagnosis seorang pesakit atau berapa lama mekanik memasang
radio yang baru di kereta anda, ialah corak ketibaan Pelanggan.
Masa Perkhidmatan ialah disebarkan secara rawak
7.5.27.5.27.5.27.5.2 Contoh Pengedaran PoissonContoh Pengedaran PoissonContoh Pengedaran PoissonContoh Pengedaran Poisson
kemungkinan k kedatangan masanya t :
λ kadar kedatangan unit semasa
t panjangnya tempoh masa e = 2.7182818 k! = k(k-1)(k-2)(k-3)… (3)(2)(1)
P(X) = kemungkinan daripada kedatangan X
7.5.37.5.37.5.37.5.3 Kos dan Keberkesanan Drp PerkhidmatanKos dan Keberkesanan Drp PerkhidmatanKos dan Keberkesanan Drp PerkhidmatanKos dan Keberkesanan Drp Perkhidmatan
Chase et.al ( 1998) :Chase et.al ( 1998) :Chase et.al ( 1998) :Chase et.al ( 1998) : Objektif asas drp pengurusan barisan menunggu adalah untuk
mengimbangi kos drp barisan menunggu dgn kos untuk menambahkan sumber-sumber yang
lebih.
CthnyaCthnyaCthnyaCthnya: MobileVending Sdn. Bhd. Membekalkan penjualan perkhidmatan ‘top-up’ untuk
syarikat-syarikat telekomunikasi seperti Maxis, Celcom, Digi dan TmNet kepada universiti-
universiti di sekitar Lembah Kelang di mana pelajar-pelajar boleh membeli kad ‘top-up’
daripada mesin-mesin yang disediakan. Dalam pada itu, pihak syarikat perlu membaiki
masalah secara berterusan. Mesin mengalami masalah purata 5 kali sejam . Kos masalah ialah
RM27/jam bagi setiap mesin dan setiap juruteknik mengambil RM6 sejam. Seorang juruteknik
boleh servis mesin dgn purata 7 mesin sejam, diagihkan dgn banyak dan pasukan dri dua
pekerja boleh membuat 9 mesin sejam. Situasi keputusan pengurusan adalah untuk
mengenalpasti bilangan optimum drp juruteknik untuk servis mesin tersebut.
![Page 82: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/82.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
82
Purata bilangan mesin dalam system ialah
5/ 7-5 = 5/2 = 2.5
Kos kerosakan/ masalah ( 2.5 X RM27) = RM 67.50
Buruh ( 1 juruteknik X RM 6) = RM 6.00
Jumlah = RM 73.50
7.6 7.6 7.6 7.6 SimulasiSimulasiSimulasiSimulasi
- simulasi adalah satu teknik bagi menjalankan ujikaji yang menguji berbagai hasil
daripada kombinasi sub-sistems yang dimodelkan ke dalam persekitaran dinamik.
- Secara umumnya merujuk kepada teknik untuk meniru perkataan nyata secara
matematik, kemudian melakukan ujikaji kepadanya dengan sebuah komputer
7.6.17.6.17.6.17.6.1 Simulasi Monte CarloSimulasi Monte CarloSimulasi Monte CarloSimulasi Monte Carlo
- simulasi ini boleh digunakan apabila satu sistem mengandungi unsur-unsur yang
menunjukkan secara kebetulan dalam tingkah lakunya.
- Asas simulasi ini ialah pengujikajian pada unsur-unsur itu secara kebetulan
( kebarangkalian )melalui pensampelan rawak.
Render & Stair 2000Render & Stair 2000Render & Stair 2000Render & Stair 2000 , lima langkah mudah teknik ‘break down’ :
i. meningkatkan satu pengagihan kemungkinan kpd pembolehubah-pembolehubah
penting.
ii. membina satu pengagihan kemungkinan berganda / kumulatif untuk setiap
pembolehubah dalam langkah i
iii. Menubuhkan jarak/ perbezaan drp bilangan rawak untuk setiap pembolehubah
iv. Menghasilkan bilangan rawak
v. Simulasi sebenarnya satu siri ujian.
7.6.2 Kajian Kes Ser7.6.2 Kajian Kes Ser7.6.2 Kajian Kes Ser7.6.2 Kajian Kes Servis Kelisavis Kelisavis Kelisavis Kelisa
7.77.77.77.7 Pengurusan Permintaan / Tuntutan : PeramalanPengurusan Permintaan / Tuntutan : PeramalanPengurusan Permintaan / Tuntutan : PeramalanPengurusan Permintaan / Tuntutan : Peramalan
Peramalan ( forecasting)Peramalan ( forecasting)Peramalan ( forecasting)Peramalan ( forecasting) merupakan jangkaan drp nilai pembolehubah( atau set daripada
pembolehubah-pembolehubah ) pada sesetengah titik masa hadapan dalam satu masa.
![Page 83: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/83.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
83
Render & Stair (2000)Render & Stair (2000)Render & Stair (2000)Render & Stair (2000) memastikan kita bahawa latihan peramalan menyediakan satu bantuan
pembuat keputusan dan dalam merancandkan masa depan.
Semua latihan ke atas andaian adalah jika kita yang dapat meramalkan apa masa depan akan
berlaku, kita boleh menyesuaikan tingkah laku kita sekarang yang lebih baik berbanding
sebaliknya dan bila masa depan akan tiba/dating.
Terdapat banyak aplikasi untuk peramalan seperti peramalan permintaan untuk produk,
peramalan maklumat kewangan seperti kadar faedah, kadar tukaran, harga kongsian, dll
JJJJenisenisenisenis----Jenis Yang Berbeza Drp Kaedah PeramalanJenis Yang Berbeza Drp Kaedah PeramalanJenis Yang Berbeza Drp Kaedah PeramalanJenis Yang Berbeza Drp Kaedah Peramalan
KaedahKaedahKaedahKaedah DeskripsiDeskripsiDeskripsiDeskripsi
Kaedah Kualitatif Apabila tiada data yang dibenarkan agar boleh digunakan untuk
meramalkan masa depan ; ini bermakna tiada model matematik
formal. Metodologi ini cuba utk mennerangkan fenomena yang perlu
dikaji tanpa menggunakan kaedah kuantitatif. Cthnya: cerita atau
petikan daripada perbincangan.
Kaedah Regresi /
Pengunduran
Pendekatan analisis data yang digunakan utk meramalkan satu
pembolehubah melalui pengetahuan satu atau lebih lain-lain
pembolehubah. Analisis Regresi digunakan utk jawapan soalan seperti
“berapa baik yang dapat saya meramalkan nilai-nilai satu
pembolehubah, seperti kekerapan permintaan (Y), oleh mengetahui
nilai-nilai drp pembolehubah lain seperti perbelanjaan ke atas
pemasaran (bajet) dan atau harga keseluruhan jualan (X)?”
Kaedah Pelbagai
Persamaan
Di mana Terdapat sejumlah kebergantungan pembolehubah-
pembolehubah yang berinteraksi dengan satu sama lain melalui siri
persamaan ( seperti dalam Model Ekonomik )
Kaedah Siri Masa Di mana mempunyai pembolehubah tunggal yang dinamik dan yang
nilai masa hadapan berhubungan dalam beberapa segi kepada nilai
masa lalunya. ( perubahan sepanjang masa )
7.7.17.7.17.7.17.7.1 Causal Forecasting Methods ( Kesan / Akibat Kaedah Peramalan )Causal Forecasting Methods ( Kesan / Akibat Kaedah Peramalan )Causal Forecasting Methods ( Kesan / Akibat Kaedah Peramalan )Causal Forecasting Methods ( Kesan / Akibat Kaedah Peramalan )
- adalah teknik untuk kita bagi menyiasat satu atau lebih persekutuan pembolehubah dgn
pembolehubah yang diramalkan.
![Page 84: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/84.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
84
CthCthCthCth: jualan suratkhabat mungkin dikaitkan kpd promosi yang mana adakal bajet pengiklanan
adalah strategi yang baik, harganya yang 20 sen lebih murah drp persaingan terdekat dan
bahkan isu-isu sensasi dan ekonomi. Jualan suratkhabar dipanggil Dependent Variable (
pembolehubah bergantung ) dan pembolehubah yang lain dikenali pembolehubah tidak
bergantung. Oleh itu apabila mendapati pembolehubah dihubungkan, perlulah membina model
statistic untuk meramal kepentingan pembolehubah iaitu Jualan. Kebiasaan model akibat
kaedah peramalan ialah Analisis Pengunduran
7.8 Kelebihan Pemodelan Matematik7.8 Kelebihan Pemodelan Matematik7.8 Kelebihan Pemodelan Matematik7.8 Kelebihan Pemodelan Matematik
a. model boleh menjelaskan kenyataan dengan tepat. Jika diformulakan dgn betul,
model boleh menjadi benar-benar tepat dalam mewakili sistem dunia sebenar
b. model boleh menolong pembuat keputusan merumuskan masalah-masalah
c. model boleh memberi kita pemahaman dan maklumat
d. model boleh menjimatkan masa dan wang dalam membuat keputusan dan
menyelesaikan masalah. Ia selalunya mengurangkan masa, usaha, dan
perbelanjaan untuk menganalisa model
e. model mungkin hanya satu cara untuk menyelesaikan beberapa banyak atau
masalah yang kompleks dalam gaya semasa.
f. Model boleh digunakan untuk komunikasi masalah dan penyelesaian kepada yang
lain. Analisis keputusan boleh berkongsi kerjanya dgn lain-lain analisis keputusan.
Penyelesaian kpd model matematik boleh diberikan kepada pengurus dan para
eksekutif untuk menolong mereka membuat keputusan akhir.
![Page 85: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/85.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
85
GLOSARIGLOSARIGLOSARIGLOSARI
Model AnalogModel AnalogModel AnalogModel Analog : representasi / perwakilan drp satu set hubungan Cth: jangkasuhu atau meter
kelajuan dalam kereta
Simulasi Monte CarloSimulasi Monte CarloSimulasi Monte CarloSimulasi Monte Carlo : Simulasi bahawa pengujian dgn elemen-elemen kebarangkalian drp
system melalui menghasilkan bilangan yang rawak untuk mencipta nilai-nilai untuk
keseluruhan elemen.
Selang/ Jeda Bilangan RawakSelang/ Jeda Bilangan RawakSelang/ Jeda Bilangan RawakSelang/ Jeda Bilangan Rawak : julat drp bilangan rawak yang ditentukan untuk mewakilkan
hasil simulasi yang mungkin.
Bilangan/nombor rawakBilangan/nombor rawakBilangan/nombor rawakBilangan/nombor rawak : bilangan / nombor yang digit/angka dipilih selengkapnya pada
rawak/sembarangan.
SimulasiSimulasiSimulasiSimulasi : teknik analisis kuantitatif yang melibatkan pembinaan model matematik agar
mempersembahkan / mewakili situasi dunia nyata. Model itu kemudiannya diujikajikan dgn
jangkaan impak / kesan drp pelbagai tindakan dan keputusan
Model SimboliokModel SimboliokModel SimboliokModel Simboliok : Perwakilan semua konsep secara matematik
TAJUK 8 : PEMODELAN KEPUTUSAN DGN SPREADSHEETTAJUK 8 : PEMODELAN KEPUTUSAN DGN SPREADSHEETTAJUK 8 : PEMODELAN KEPUTUSAN DGN SPREADSHEETTAJUK 8 : PEMODELAN KEPUTUSAN DGN SPREADSHEET
8.18.18.18.1 Spreadsheet ElektronikSpreadsheet ElektronikSpreadsheet ElektronikSpreadsheet Elektronik ( Lembaran Kerja ) ( Lembaran Kerja ) ( Lembaran Kerja ) ( Lembaran Kerja )
- pengguna taip maklumat di dalam format kolum yang berasaskan struktur drp
spreadsheet perakaunan yang terdiri daripada satu pelapik kolum dan baris
- program aplikasi yang direka untuk memanipulasi data numeric
- cth: data kewangan, stok pertukaran dan rekod masa seperti Lotus 1-2-3, MS-Excell dan
Corel Quattro Pro
- aplikasi yang ideal digunakan untuk analisis data tetapi tidak sesuai untuk pengumpulan
dan pngurusan data.
- Untuk kumpul dan uruskan data, cthnya Oracle Performance Manager Data,IBM Red Brick
Warehouse atau Microsoft Business Solution Analytics
![Page 86: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/86.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
86
a) Why Electronic Spreadsheet as a DSS?Why Electronic Spreadsheet as a DSS?Why Electronic Spreadsheet as a DSS?Why Electronic Spreadsheet as a DSS?
Kekuatan utama menggunakan spreadsheet seperti Excell untuk menghasilkan DSS adalah
sangat istemewa dicipta untuk mengendalikan manipulasi data numeric.
Seperti Penjana DSS , ianya membolehkan untuk intergrasi analisis data dan model analisis (
simulasi atau pengoptimaan ) di dalam buku kerja.
Excell mempunyai nombor / bilangan yang sangat besar drp fungsi yang terbina di dalamnya
untuk kewangan, statistic dan analisis numeric.
Kecekepan ini membolehkan lembaran kerja ini menjadi perkakasan penting, efisien dan
efektif untuk analisis, perancangan dan pemodelan.
Dari segi pedagogi, ianya memberikan peluang untuk melihat aplikasi praktikal untuk benyak
model dan pendekatan penyelesaian yang dipelajari sebelum ini.
8.1.18.1.18.1.18.1.1 Komponen SpreadsheetKomponen SpreadsheetKomponen SpreadsheetKomponen Spreadsheet
Cell : Cell : Cell : Cell :
- ianya diwakilkan seperti antara bahagian drp kolum dan baris di dalam spreadsheet
- pengguna meletakkan data numeric atau teks dalam cell
- pengguna menulis formula menggunakan fungsi-fungsi untuk manipulasi data
- susunatur (layout) spreadsheet adalah sama seperti jadual.
a)a)a)a) Label, Nilai dan FormulaLabel, Nilai dan FormulaLabel, Nilai dan FormulaLabel, Nilai dan Formula
Label adalah di dalam cell A1, A2 dan A3
Nilai Numerik adalah B1 dan B2
Formula adalah B3 ; hasil tolak B2 drp B1
![Page 87: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/87.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
87
Cell Aktif adalah cell yang boleh dimasukkan maklumat yang dihighlight dgn sempadan warna
hitam.
Kombinasi huruf kolum dan nombor baris seperti B2 adalah Rujukan Cell
Garis nipis disekeliling cell dipanggil garisan grid
8.1.28.1.28.1.28.1.2 Data, Graf dan Carta Data, Graf dan Carta Data, Graf dan Carta Data, Graf dan Carta
- berkemampuan membina carta bar dll secara automatic melalui data.
8.1.38.1.38.1.38.1.3 Menambah FormulaMenambah FormulaMenambah FormulaMenambah Formula
- formula boleh ditambahkan secara automatic dan boleh dimanipulasi bagi dihitung
secara automatic.
8.2 Latihan 1 : Simulasi8.2 Latihan 1 : Simulasi8.2 Latihan 1 : Simulasi8.2 Latihan 1 : Simulasi
Langkah 1 : Reka Lembaran awal dan masukkan formula cell
Langkah 2 : Simulasi
Langkah 3 : Keputusan
( untuk latihan seterusnya saya tak translate sebab ianya adalah penggunaan Excell )
AddAddAddAdd----in in in in : program tambahan yang menambahkan arahan kebiasaan drp ciri-ciri biasa ke dalam
Microsoft Office
AddAddAddAdd----inininin DeskripsiDeskripsiDeskripsiDeskripsi
Analisis ToolPak Menambah kewangan, statistik dan perkakasan dan fungsi analisis
kejuruteraan
Analisis ToolPak
VBA
Membenarkan pembangun untuk menyiarkan kewangan, statistik
dan perkakasan dan fungsi analisis kejuruteraan menggunakan
Sintaks Analisis ToolPak
Internet Assistant
VBA
Membenarkan pembangun untuk menyiarkan data Excell kepada
web melalui penggunaan Sintaks Pembantu Internet
Looked Wizard Mencipta formula untuk melihat ke atas data di dalam senarai
melalui penggunaan lain-lain nilai yang diketahui di dalam senarai
Solver Add-in Menghitung penyelesaian kpd scenario ‘what-if’ berdasarkan cell
yang boleh diselaraskan dan cell desakan / sekatan
![Page 88: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/88.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
88
GLOSARIGLOSARIGLOSARIGLOSARI
Pembolehubah KeputusanPembolehubah KeputusanPembolehubah KeputusanPembolehubah Keputusan : Di dalam MDDSS , pembolehubah keputusan adalah faktor
perubahan dalam model yang ditentukan oleh pembuat keputusan. Julat yang mungkin drp
nilai untuk pembolehubah keputusan mengekang pilihan-pilihan drp pembuat keputusan.
Pencarian SasaranPencarian SasaranPencarian SasaranPencarian Sasaran : kebolehan drp permintaan perisian komputer apakah nilai-nilai tetap
pembolehubah2 yang mesti mempunyai pesanan untuk mencapai sasaran yang diingini. Ianya
adalah perkakasan yang menggunakan perhitungan iterative untuk mencari nilai yang
diperlukan dalam satu sel. Penggunaan biasa drp sifat pencarian sasaran dalam lembaran kerja
adalah menghitung kuantiti pecahan sekata
Pengaturcaraan linearPengaturcaraan linearPengaturcaraan linearPengaturcaraan linear : model matematik untuk penyelesaian yang optima drp sumber yang
peruntukan masalah. Adalah model biasa yg digunakan dalam MDDSS
Pangkalan ModelPangkalan ModelPangkalan ModelPangkalan Model : koleksi drp model-model kuantitatif pra-pengaturcaraan yang diuruskan
sebagai unit tunggal ( Cth: statistic, kewangan dan pengoptimuman )
MDDSS ( Model Driven DSS )MDDSS ( Model Driven DSS )MDDSS ( Model Driven DSS )MDDSS ( Model Driven DSS ) : Jenis drp DSS yang menekankan capaian kepada dan manipulasi
drp model. Statistik mudah dan perkakasan analitikal menyediakan paling banyak tahap asas
daripada kefungsiannya. Cth: statistic, kewangan dan pengoptimuman. MDDSS menggunakan
kewangan, statistic, pengoptimuman dan model kepakaran yang kompleks untuk menyediakan
sokongan keputusan. MDDSS menggunakan data dan parameter yang disediakan oleh pembuat
keputusan kpd membantu pembuat keputusan dalam menganalisa situasi, tetapi tidak selalu
data intensif/padat, pangkalan datanya besar yang selalunya tidak diperlukan untuk MDDSS.
Perkakasan PemodelanPerkakasan PemodelanPerkakasan PemodelanPerkakasan Pemodelan : Program perisian yang menolong pembangun/pengguna membina
model matematik dgn cepat. Cth: Spreadsheet dan bahasa perancangan seperti IFPS
Analisis ‘WhatAnalisis ‘WhatAnalisis ‘WhatAnalisis ‘What----if’if’if’if’ : kebolehan drp menanya pakej perisian apakah kesan akan terjadi oleh
merubah beberapa data input atau pembolehubah tidak bersandar/ bergantung.
![Page 89: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/89.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
89
TAJUK 9 : INTELLIGENCE DECISION SUPPORT SYSTEMTAJUK 9 : INTELLIGENCE DECISION SUPPORT SYSTEMTAJUK 9 : INTELLIGENCE DECISION SUPPORT SYSTEMTAJUK 9 : INTELLIGENCE DECISION SUPPORT SYSTEM
( Sistem Sokongan C( Sistem Sokongan C( Sistem Sokongan C( Sistem Sokongan Cerdas )erdas )erdas )erdas )
PengenalanPengenalanPengenalanPengenalan
- kegunaan teknik Kecerdasan Buatan ( Artificial Intelligence : AI ) dalam membuat
keputusan terutamanya apabila melibatkan DSS yang kompleks.
- AI dikaitkan dgn meningkatkan system sokongan keputusan terutamanya melibatkan
sekelompok peraturan, pengetahuan, data dan bentuk yang besar dalam proses
membuat keputusan.
- Ini kerana hanya kepekaran yang diperakui/ disahkan sahaja yang boleh membuat
keputusan
- AI boleh menyimpan pengalaman lalu drp kepakaran dan digunakan dalam pembuatan
keputusan masa depan, dalam pada itu system secara beransur-ansur dapat
menyediakan pembuatan keputusan yang lebih baik.
- AI menyediakan kebolehan penaakulan dan pembelajaran
- Kekuatan AI berkemampuan utk membuat peramalan / jangkaan menuruti kepada data
lampau yang luas.
9.19.19.19.1 Definisi dan Konsep AI (Kecerdasan Buatan ( Artificial Intelligence : AI )Definisi dan Konsep AI (Kecerdasan Buatan ( Artificial Intelligence : AI )Definisi dan Konsep AI (Kecerdasan Buatan ( Artificial Intelligence : AI )Definisi dan Konsep AI (Kecerdasan Buatan ( Artificial Intelligence : AI )
Kecerdasan Buatan ( Artificial Intelligence : AI Kecerdasan Buatan ( Artificial Intelligence : AI Kecerdasan Buatan ( Artificial Intelligence : AI Kecerdasan Buatan ( Artificial Intelligence : AI ) : adalah teknik yang membuat system atau
mesin meniru / mencontohi cara pemikiran manusia.
AI membuatkan system menjadi cerdas seperti mana yang dilakukan oleh manusia
Penyedikan AI Penyedikan AI Penyedikan AI Penyedikan AI
- cuba ditampilkan dengan teknik supaya boleh membuatkan system computer
menyerupai kecerdasan manusia
- mendapatkan secara berterusan ciri-ciri terbaik daripada kecerdasan manusia yang
boleh meniru ke dalam AI
- penyelidikan yang popular adalah robotik
![Page 90: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/90.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
90
Kelebihan AIKelebihan AIKelebihan AIKelebihan AI
- lebih murah drp kecerdasan semulajadi CTH: system pakar diabetes boleh
mengurangkan tugas doktor dalam memberikan nasihat rutin kepada pesakit diabetes.
- Lebih mantap / kekal. Perubahan pekerja pakar akan menyebabkan kemusnahan
kecerdasan asal / kebiasaan dalam syarikat. Menghadapi pekerja baru mungkin tidak
mempunyai kepakaran yang sama.
- Mudah untuk menyalin pakar-pakar. Proses tranformasi drp seorang pakar kepada orang
lain memerlukan masa yang panjang.
- Boleh didokumentasikan – membenarkan proses mengesan aktiviti-aktiviti.
- Kadang-kadang boleh melaksanakan tugas-tugas tertentu lebih cepat drp yang manusia
lakukan.
- Kadang-kadang boleh melakukan/ melaksanakan tugas yang manusia tidak boleh
lakukan.
Mengapakah perlunya elemenMengapakah perlunya elemenMengapakah perlunya elemenMengapakah perlunya elemen----elemen AI dalam implementasi DSS?elemen AI dalam implementasi DSS?elemen AI dalam implementasi DSS?elemen AI dalam implementasi DSS?
- komputer direka untuk melaksanakan tugas drp mudah kepada yang lebih komplekated,
berdasarkan keperluan manusia.
- komputer tidak mampu utk belajar drp pengalaman seperti manusia
- Apabila , keputusan dibuat, komputer tidak hanya memikir atau akses sebarang akibat
keluar daripadanya
- Sasaran AI untuk meningkatkan tingkahlaku mesin, oleh itu elemen kecerdasan boleh
ditanamkan ke dalam komputer semasa proses membuat keputusan dan penyelesaian
masalah
- komputer boleh meniru manusia melalui pengambilan ke dalam setiap akuan faktor yang
ditunjukkan kepadanya
- Penambahan AI, computer boleh belajar drp pengalaman seperti manusia dan kriteria ini
akan membantu membuat keputusan yang terbaik.
![Page 91: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/91.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
91
9.1.19.1.19.1.19.1.1 SomSomSomSome AI Fieldse AI Fieldse AI Fieldse AI Fields ( Beberapa Bidang AI ) ( Beberapa Bidang AI ) ( Beberapa Bidang AI ) ( Beberapa Bidang AI )
a) Pemprosesan Bahasaa) Pemprosesan Bahasaa) Pemprosesan Bahasaa) Pemprosesan Bahasa Asal Asal Asal Asal ( NLP : Natural Language Processing )( NLP : Natural Language Processing )( NLP : Natural Language Processing )( NLP : Natural Language Processing )
- teknologi yang digunakan oleh system yang membenarkan pengguna untuk
berkomunikasi dengan computer menggunakan bahasa asal seperti Bahasa Inggeris
- pengguna boleh berkomunikasi dgn computer seperti berkomunikasi dgn individu lain
- NLP dicipta untuk menyelesaikan masalah pengguna dalam menghadapi cara perlakuan
yang sukar dengan pelbagai istilah, sintaks dan arahan yang diperlukan oleh computer
- Kajian NLP dibahagikan kepada 2 bahagian:
i) kaedah penyiasatan ke atas bagaimana computer boleh memahami arahan-arahan
yang diberikan dalam Bahasa Inggeris Standard
ii) mencipta computer yang menghasilkan ouput dalam Bahasa Inggeris yang biasa, oleh
itu manusia boleh memahami arahan-arahannya dengan mudah
b) Speech Recognition ( Pengecaman Pertuturan )b) Speech Recognition ( Pengecaman Pertuturan )b) Speech Recognition ( Pengecaman Pertuturan )b) Speech Recognition ( Pengecaman Pertuturan )
- menyediakan kemampuan computer untuk mengecam dan memahami bahasa pertuturan
yang melibatkan suara
- system mestilah mampu untuk mengecam pertuturan seseorang dan bertindakbalas
kepada arahan suara
- teknologi ini digunakan dalam pelbagai bidang seperti latihan perubatan untuk
membantu manusia yang hilang pendengaran atau apabila menggunakan katalaluan
dalam aplikasi computer, di mana system akan melihat kepada frekuensi sebenar drp
suara pengguna
- pengecaman pertuturan juga digunakan dalam telefon bimbit, di mana hanya perlu
menyebut nama indivudu yang ingin dipanggil.
c) Expert System ( Sistem Pakar )c) Expert System ( Sistem Pakar )c) Expert System ( Sistem Pakar )c) Expert System ( Sistem Pakar )
- system ini menyimpan kepakaran manusia seperti pengetahuan drp kepakaran tertentu.
- System akan berinteraksi dgn pengguna untuk mendapatkan maklumat dan
menyelesaikan masalah berdasarkan ke atas pengetahuan.
- Rekabentuk system pakar yang terbaik ialah ianya boleh meniru proses pemikiran pakar
semasa menyelesaikan masalah spesifik, contohnya MyCIN ( program interaktif yang
mendiagnosis kesan penyakit tertentu, menentukan terapi antimicrobial dan boleh
menerangkan sebabnya dengan terperinci.
![Page 92: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/92.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
92
d)d)d)d) Fuzzy Logic ( Logik Kabur )Fuzzy Logic ( Logik Kabur )Fuzzy Logic ( Logik Kabur )Fuzzy Logic ( Logik Kabur )
- teknik ini membincangkan dgn kesamaran drp fakta.
- Membincangkan dgn ketidakpastian melalui simulasi proses kuantitatif pemikiran
manusia, membenarkan computer untuk tingkah laku yang kurang secara jelas dan logik
lebih daripada mengalami logik asas nilai ‘true’ atau ‘false’
- Selanjutnya drp Boolean true/false
- Ini akan menokok fakta menjadi betul secara sebahagian atau salah sebahagiannya.
e)e)e)e) Neural Computing ( Pengiraan Saraf )Neural Computing ( Pengiraan Saraf )Neural Computing ( Pengiraan Saraf )Neural Computing ( Pengiraan Saraf )
- menyediakan satu system kecerdasan yang menggunakan arkitektur yang meniru
kefungsian otak manusia dalam terma kemampuan memproses melalui
mentransformasikan ke dalam model matematik.
- Keputusan drp perwakilan pengetahuan dan pemprosesan adalah berdasarkan proses
perbandingan yang amat besar lebih drp proses jujukan tradisional
- Mempunyai kemampuan utk mendapatkan semula amaun yang besar drp maklumat dan
untuk mengecam bentuk berdasarkan pengalaman � system akan boleh meniru
manusia
- Nilai neural computing adalah fakta kegunaan drp bentuk pengecaman , pembelajaran,
kesilapan kesabaran/toleren, generalisasi, kebolehsesuaian, kemampuan peramalan, dan
interpretasi input yang tidak lengkap.
f)f)f)f) Intelligent Agent ( Agen/Wakil Kecerdasan)Intelligent Agent ( Agen/Wakil Kecerdasan)Intelligent Agent ( Agen/Wakil Kecerdasan)Intelligent Agent ( Agen/Wakil Kecerdasan)
agenagenagenagen � program yang akan dibebaskan kepada persekitaran ( seperti rangkaian ) untuk
melakukan tugas tertentu secara automatik.
- kriterianya ialah autonomous ( autonomi ) , ianya bekerja bagi pihak pengguna.
Cth: program anti virus
![Page 93: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/93.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
93
AntivirusAntivirusAntivirusAntivirus � program yang dilarikan dalam sistem komputer ; semasa ianya dilarikan ia
menangkap/ mengesan sesuatu.
- agen kecerdasan bersesuaian untuk persekitaran yang melibatkan pertukaran maklumat
atau data yang cepat
- adalah kebanyakannya keterbatasan kritikal drp internet yang sesuai drp berlebihan
maklumat dan ianya memudahkan perdagangan internet.
Penggunaan teknik agen kecerdasan dalam DSS akan membekalkan maklumat terkini, yang
akan menghasilkan keputusan yang baik untuk membuat keputusan. Beberapa lingkungan drp
agen kecerdasan adalah:
i. penemuan dan pengemudian maklumat terutamanya pencarian maklumat daripada
internet
ii. agen kecerdasan digunakan untuk menyokong pengetahuan pekerja semasa
membuat keputusan
iii. pencarian dan penemuan. Tugas yang kompleks dan rutin drp pendapatan maklumat
drp internet akan boleh diwakilkan kepada agen-agen.
iv. Menyebarkan kepakaran domain, di mana agen pakar dalam domain tertentu boleh
berunding di antara mereka sendiri dalam arahan utk membuat keputusan
9.29.29.29.2 Bagaimana AI Digunakan Dalam DSSBagaimana AI Digunakan Dalam DSSBagaimana AI Digunakan Dalam DSSBagaimana AI Digunakan Dalam DSS
Kawasan Yang Kawasan Yang Kawasan Yang Kawasan Yang
MungkinMungkinMungkinMungkin
PeneranganPeneranganPeneranganPenerangan
Menyokong
Ketidakpastian
- AI berguna utk menyokong analisis ketidakpastian
- Digunakan utk meramalkan keadaan tidak pasti menurut kpd
kepakaran atau amaun yang besar drp data lalu
- Logic fuzzy kepada pengkomputer rangkaian saraf adalah teknik AI
yang berguna utk pakar peramalan ketidakpastian
- Kini, ketidakpastian adalah satu sifat utama drp persekitaran bisnes
moden semasa
- Meramal pembolehubah yang mempengaruhi harga kongsian dalam
pasaran saham yang menggunakan AI untuk analisis ketidakpastian
Menyokong
Antaramuka
Pengguna
- peranan utama dalam melaksanakan DSS
- penggunaan AI seperti pemproses bahasa asal atau teknologi suara
pastinya membuatkan antaramuka lebih mudah dan semulajadi.
- Menambahkan ketepatan mendapatkan data yang berkaitan kepada
isu-isu berisiko tinggi spt jenayah melalui penggunaan ibu jari
- Dlm situasi ini penggunaan bentuk pengecaman adalah penting
![Page 94: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/94.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
94
Kawasan Yang Kawasan Yang Kawasan Yang Kawasan Yang
MungkinMungkinMungkinMungkin
PeneraPeneraPeneraPeneranganngannganngan
Membuat DSS
Cerdas
AI digunakan untuk menyokong pembinaan, penyimpanan dan
pengurusan model-model dalam pelbagai model DSS – kaedah ini
akan meningkatkan kemampuan model-model berdasarkan system
pengurusan
Menyokong
Proses
Keputusan
AI juga boleh digunakan utk menyokong langkah dalam proses
keputusan yang tidak dialamatkan oleh matematik. Cth: melibatkan
pelbagai ciri untuk melibatkan data input yang bersesuaian yang
diperlukan oleh kepakaran.
9.39.39.39.3 Sistem PakarSistem PakarSistem PakarSistem Pakar
Kepakaran � individu dgn kemahiran atau pengetahuan khusus yang akan memberi
pengetahuannya kepada system dengan itu system akan memikir seperti manusia apabila
membuat keputusan.
9.3.19.3.19.3.19.3.1 Arketektur Umum Sistem Pakar : Sistem Berdasarkan PengetahuanArketektur Umum Sistem Pakar : Sistem Berdasarkan PengetahuanArketektur Umum Sistem Pakar : Sistem Berdasarkan PengetahuanArketektur Umum Sistem Pakar : Sistem Berdasarkan Pengetahuan
- dibahagikan kepada ke dalam 2 persekitaran utama :
i. persekitaran pembangunan
ii. persekitaran perundingan ( consultation )
![Page 95: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/95.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
95
a) Persekitaran Pembangunana) Persekitaran Pembangunana) Persekitaran Pembangunana) Persekitaran Pembangunan
- pengetahuan didapati daripada pakar serentak dgn lain-lain maklumat yang
didokumentasikan akan dipindahkan kepada set peraturan oleh jurutera pengetahuan.
- Peraturan akan disimpan dalam pangkalan pengetahuan
b) Pangkalan Pengetahuanb) Pangkalan Pengetahuanb) Pangkalan Pengetahuanb) Pangkalan Pengetahuan
- mengandungi peraturan drp pakar seperti fakta yang berkaitan kepada masalah domain.
c) Enjin Penyimpulanc) Enjin Penyimpulanc) Enjin Penyimpulanc) Enjin Penyimpulan
- digunakan untuk mentadbir peraturan dalam pangkalan pengetahuan semasa proses
membuat keputusan
- enjin akan tadbir peraturan menuruti kepada fakta yang diberikan oleh pengguna dan akan
keluar dengan rumusan
d) Jurutera Pengetahuand) Jurutera Pengetahuand) Jurutera Pengetahuand) Jurutera Pengetahuan
- individu yang memindahkan pengetahuan daripada pakar dan juga daripada maklumat yang
didokumentasikan ( buku dan artikel) kepada peraturan dan fakta yang akan disimpan dalam
pangkalan pengetahuan
e) Persekitaran Perundingane) Persekitaran Perundingane) Persekitaran Perundingane) Persekitaran Perundingan
- pakar dalam masalah domain spesifik akan membantu bukan pakar atau pengguna sasaran.
- perkhidmatan penjelasan akan menjelaskan dgn lebih lanjut secara terperinci bagaimana
system menghasilkan penyelesaian yang biasa.
- Interaksi antara pengguna akhir dan system akan berlaku melalui antaramuka
f) Proses Pembangunanf) Proses Pembangunanf) Proses Pembangunanf) Proses Pembangunan
- diikuti oleh proses pembangunan prototaip pantas semasa pembangunannya
9.3.29.3.29.3.29.3.2 Aplikasi Sistem PakarAplikasi Sistem PakarAplikasi Sistem PakarAplikasi Sistem Pakar
AplikasiAplikasiAplikasiAplikasi PeneranganPeneranganPeneranganPenerangan
R1/XCON - dibangunkan oleh John McDermott pada lewat 70’an
- utk menolong dalam mensetkan konfigurasi dalam system computer
VAX di Digital Equipment Corporation
MYCIN - digunakan dipersekiataran perubatan menggunakan bahasa
pemprograman LISP oleh Edward Shortliffe
- mendiagnosis jangkitan dalam penyakit darah
E-Paddy - system diagnosis dan penasihat dibangunkan oleh sekumpulan
penyelidik di UKM
- system yang meliputi penyakit padi dan diagnosis kawalan perosak
ke atas tanaman padi
![Page 96: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/96.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
96
KategoriKategoriKategoriKategori Generik Drp Sistem Pakar Generik Drp Sistem Pakar Generik Drp Sistem Pakar Generik Drp Sistem Pakar
KategoriKategoriKategoriKategori Tanda / Kedudukan MasalahTanda / Kedudukan MasalahTanda / Kedudukan MasalahTanda / Kedudukan Masalah
Interpretasi penerangan situasi campur tangan daripada pengamatan
Ramalan membuat kesimpulan yang mungkin kesan drp keadaan yang
diberikan.
Diagnosis sistem penyimpulan salah fungsian daripada pemerhatian
Rekabentuk Menyusun atur objek-objek dibawah desakan
Perancangan Membangunkan perancangan untuk mencapai sasaran
Pengawasan membanding pengamatan untuk pelan, melemahkan
pengecualian
Pembetulan Menetapkan penawar untuk salah fungsian
Baiki Melaksanakan pelan untuk pentadbir menolak penawaran
Arahan/Pengajaran diagnosis, membetulkan dan memeriksa pencapaian.
Kawalan Interpretasi, meramal, membaiki dan mengawal tingkahlaku
sistem
9.49.49.49.4 Machine Learning (ML) Mesin PembelajaranMachine Learning (ML) Mesin PembelajaranMachine Learning (ML) Mesin PembelajaranMachine Learning (ML) Mesin Pembelajaran
- membenarkan mesin-mesin untuk belajar atau memperoleh pengetahuan daripada
pengalaman seperti data historical
- DSS dgn ML meniru keputusan terbaik cadangan manusia menuruti kepada pengalaman
lepas.
- DSS terbaik menyediakan keputusan yang betul dan mempengaruhi keputusan yang
betul untuk pengguna
Terdapat 2 jenis ML;Terdapat 2 jenis ML;Terdapat 2 jenis ML;Terdapat 2 jenis ML;
a). Supervised Learning ( Pembelajaran Yang DiAwasi )Supervised Learning ( Pembelajaran Yang DiAwasi )Supervised Learning ( Pembelajaran Yang DiAwasi )Supervised Learning ( Pembelajaran Yang DiAwasi ) : menunjukkan proses drp pembelajaran
yang meransang pengetahuan daripada set data, yang hasil akhirnya adalah diketahui
b). Unsupervised Learning ( Pembelajaran Yang Tidak DiAwasi )Unsupervised Learning ( Pembelajaran Yang Tidak DiAwasi )Unsupervised Learning ( Pembelajaran Yang Tidak DiAwasi )Unsupervised Learning ( Pembelajaran Yang Tidak DiAwasi ) : digunakan untuk
memperolehi pengetahuan daripada set data, yang hasil akhirnya tidak diketahui.
![Page 97: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/97.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
97
Taksonomi Kaedah Pembelajaran:Taksonomi Kaedah Pembelajaran:Taksonomi Kaedah Pembelajaran:Taksonomi Kaedah Pembelajaran:
a. Pembelajaran Induktif
b. Pemikiran Berasaskan Kes
c. Pengiraan Saraf
d. Algoritma Genetik
e. Kluster ( Pengelompokan )
f. Kaedah Statistik
9.59.59.59.5 Rangkaian Saraf Buatan/Tiruan ( ANN : Artificial Neural Network )Rangkaian Saraf Buatan/Tiruan ( ANN : Artificial Neural Network )Rangkaian Saraf Buatan/Tiruan ( ANN : Artificial Neural Network )Rangkaian Saraf Buatan/Tiruan ( ANN : Artificial Neural Network )
- satu drp teknik-teknik AI yang boleh menyokong membuat keputusan
- datangnya daripada tempoh biological, yang merupakan koleksi drp sel saraf yang
membentuk sel otak manusia
- adalah digunakan dalam bentuk pengecaman, generalisasi dan peramalan
- dilatih melalui memaparkan contoh-contoh data atau data historikal secara berulang.
9.5.19.5.19.5.19.5.1 KomKomKomKomponen Asas ANNponen Asas ANNponen Asas ANNponen Asas ANN
- mewakili beberapa saling kaitan perceptron mudah sebagai satu prosedur
mengkomputer selari
- setiap perceptron ( dirujuk kpd ‘nod’ atau ‘neuron’ ) dan hanya boleh dikaitkan dengan
isyarat yang dihantarnya kepada, dan iyarat yang diterimanya drp perceptron lain.
- Setiap perceptron bekerjasama dengan perceptron lain dalam rangkaian yang luas untuk
melaksanakan tugas yang diperlukan
- Cth : di dalam kawasan bisnes, rangkaian saraf boleh digunakan untuk menolong
memutuskan sama ada calon-calon diluluskan untuk pinjaman bank atau ramalan stok
harga pasaran.
a) Perceptrona) Perceptrona) Perceptrona) Perceptron
Perception Tunggal dalam rangkaian � sel saraf menerima beberapa isyarat seperti input
daripada perceptron lain yang disambungkan sama seperti menghantar iyaratnya kepada
perceptron lain dalam rangkaian seperti output. Bagi setiap unit input dalam perceptron (
termasuklah biasan) akan menjadi sepadan dengan pemberat (weight )
![Page 98: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/98.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
98
b)b)b)b) Activation Functions ( Pengaktifan Fungsian )Activation Functions ( Pengaktifan Fungsian )Activation Functions ( Pengaktifan Fungsian )Activation Functions ( Pengaktifan Fungsian )
- akan menentukan isyarat output drp sel saraf
- isyarat output dihitung dihantar kepada sel saraf yang lain seperti input
- ouput akhir boleh jadi nombor nyata atau nombor nyata bersama-sama dengan sela
toleransi ( tolerance interval ) : [ 0 – 1 ] ; atau nombor diskret { 0,1 }, atau { -1, +1 }
- Cth: binary threshold function.
c)c)c)c) Peraturan Pembelajaran untuk membiasakan PemberatPeraturan Pembelajaran untuk membiasakan PemberatPeraturan Pembelajaran untuk membiasakan PemberatPeraturan Pembelajaran untuk membiasakan Pemberat
- mestilah dilatih bagi membiasakan pemberat, yang bermakna rangkaian dihitung
pemberatnya , oleh itu output yang diingini adalah seperti menutup output sebenar
- melatih perceptron memerlukan untuk mengubahsuai pemberat setiap masa perhitungan
dilakukan.
d) d) d) d) ANN dan KlasifikasiANN dan KlasifikasiANN dan KlasifikasiANN dan Klasifikasi
e) e) e) e) Perceptron Pelbagai LapisanPerceptron Pelbagai LapisanPerceptron Pelbagai LapisanPerceptron Pelbagai Lapisan
- sekurang-kurangnya 3 lapisan drp sel saraf ( neuron) : lapisan input dgn unit input,
lapisan tengah juga dikenali lapisan tersembunyi, dan lapisan output dgn unit output
- Unit Input mengambil input terus drp persekitaran seperti papan kekunci, pengesan
dsbnya
- Unit output menghantar output terus kepada persekitaran, manakala lapisan tengah atau
lapisan tersembunyi terdiri drp unit tersembunyi dan tidak secara terus disambungkan
kepada persekitaran
- Setiap neuron disambungkan kepada neuron lain dalam lapisan bersebelahan.
![Page 99: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/99.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
99
9.5.29.5.29.5.29.5.2 ContohContohContohContoh----Contoh Aplikasi menggunakan Teknik ANNContoh Aplikasi menggunakan Teknik ANNContoh Aplikasi menggunakan Teknik ANNContoh Aplikasi menggunakan Teknik ANN
- ANN tidak seperti Sistem Pakar DSS
- Adalah teknik drp AI yang ditanam DSS – sebahagian drp model DSS
Beberapa kawasan masalah di mana ANN digunakan:Beberapa kawasan masalah di mana ANN digunakan:Beberapa kawasan masalah di mana ANN digunakan:Beberapa kawasan masalah di mana ANN digunakan:
a. Menangkap (capture) Fakta Tersembunyi atau Bentuka. Menangkap (capture) Fakta Tersembunyi atau Bentuka. Menangkap (capture) Fakta Tersembunyi atau Bentuka. Menangkap (capture) Fakta Tersembunyi atau Bentuk
- popular dalam lombong data ( data mining ) utk meningkatkan proses menjumpai fakta
tersembunyi atau bentuk daripada simpanan data amat besar
- amat berguna kepada organisasi dalam proses membuat keputusan
b. Membuat Ramalanb. Membuat Ramalanb. Membuat Ramalanb. Membuat Ramalan
- ANN juga digunakan untuk membuat ramalan, membuat keputusan menggunakan data mining
dalam pelbagai kawasan / bidang seperti perubatan, bisnes dan pengangkutan
c. Proses Kelulusanc. Proses Kelulusanc. Proses Kelulusanc. Proses Kelulusan
- ANN juga digunakan dalam proses kelulusan aplikasi kad kredit
- Aplikasi ini mampu utk mengesan sebarang penipuan yang akan dilakukan oleh pemegang kad
- Adalah tidak mudah untuk mengesan penipuan kerana maklumat pengguna amat besat disimpan
dalam pangkalan data yang besar
- ANN digunakan utk meningkatkan proses utk mengesan penipuan-penipuan melalui
mendapatkan bentuk tersembunyi dan menilaikannya dgn maklumat yang disimpan dalam
pangkalan data
- ANN amat berupaya dalam mengendalikan data besar
Penggunaan ANN dalam proses kelulusan adalah:Penggunaan ANN dalam proses kelulusan adalah:Penggunaan ANN dalam proses kelulusan adalah:Penggunaan ANN dalam proses kelulusan adalah:
i. digunakan dalam membuat keputusan penilaian aplikasi pinjaman
ii. digunakan untuk menilai personnel dan calon kerja melalui padanan data personel dgn
keperluan kerja dan kriteria pelaksanaan
iii. digunakan pengesahan tandatangan melalui pemadanan dgn tandatangan sebelumnya
d. Kelasifikasi Drp Data Kompleksd. Kelasifikasi Drp Data Kompleksd. Kelasifikasi Drp Data Kompleksd. Kelasifikasi Drp Data Kompleks
- cth: ANN digunakan dalam Projek Genom Manusia untuk menklaskan DNA badan manusia – ANN
digunakan untuk analisis data mengklaskan gen drp jujukan DNA
![Page 100: NOTA_versi_BM_MODUL_CBSS4103_-_Bab1_-_Bab_9_Sistem_Sokongan_Keputusan](https://reader034.fdokumen.site/reader034/viewer/2022050706/5571f2d149795947648d1c73/html5/thumbnails/100.jpg)
CBSS4103 SISTEM SOKONGAN KEPUTUSAN
100
GLOSARIGLOSARIGLOSARIGLOSARI
Artificial Intelligence ( AI )Artificial Intelligence ( AI )Artificial Intelligence ( AI )Artificial Intelligence ( AI ) : cawangan daripada Sains komputer yang cuba atur cara komputer
memberikan respons seolah-olah industri-industri ini pemikiran ; berkebolehan reasoning,
Menyesuaikan kepada situasi yang baru Dan kemahiran baru pembelajaran
Sistem PakarSistem PakarSistem PakarSistem Pakar : satu SISTEM dengan kepakaran penyelesaian masalah yang khusus.Kepakaran itu terdiri
pengetahuan tentang keterangan domain, pemahaman daripada masalah di dalam domain tersebut
dan kemahiran pada penyelesaian daripada beberapa masalah tersebut.Satu sistem pakar ialah suatu
kelas dari program komputer yang dibuat oleh penyelidik-penyelidik di kecerdasan tiruan.
Fuzzy Logic ( Logik Kabur )Fuzzy Logic ( Logik Kabur )Fuzzy Logic ( Logik Kabur )Fuzzy Logic ( Logik Kabur ) : sebahagian drp kecerdasan tiruan dalam mana hubungan logik analisis
komputer yang mana lebih atau kurang kebenarannya ,
berbeza kepada logik yang biasa di mana hubungan adalah lebih rapuh.
ia adalah tambahan drp teknologi system pakar yang mana peraturan-peraturan itu boleh dgn tidak
tepat. Dgn logik fuzzy ( kabur ) ahli-ahli drp set mempunyai darjah drp keahlian yang julat drp 0-100%.
Cth: kenyataan ‘hari ini adalah terang dgn sinaran matahari’ , mungkin 100% betul jika tiada awan , 80%
betul jika terdapat sedikit awan, 50% betul jika berjerubu, dan 0% betul jika hujan sepanjang hari.
AAAAllllgoritma genetikgoritma genetikgoritma genetikgoritma genetik : adalah satu heuristik yang digunakan untuk mengetahui anggaran penyelesaian
kepada kesukaran untuk menyelesaikan masalah melalui penerapan/ aplikasi daripada prinsip-prinsip
biologi berevolusi dengan komputer sains.
Enjin PenyimpulanEnjin PenyimpulanEnjin PenyimpulanEnjin Penyimpulan adalah sebahagian drp sistem pakar berdasarkan peraturan yang membuat
kesimpulan atau membuat keputusan yang logik. Enjin pembuat kesimpulan cuba memperolehi
jawapan drp pangkalan pengetahuan daripada.Ianya ialah otak sistem pakar yang menyediakan
perkaedahan untuk pemikiran tentang maklumat dalam pangkalan pengetahuan dan bagi membuat
kesimpulan.
Pangkalan PengetahuanPangkalan PengetahuanPangkalan PengetahuanPangkalan Pengetahuan : pengetahuan yang di enkod bagi satu sistem pakar.Dalam sistem pakar
berasaskan peraturan, satu pangkalan pengetahuan biasanya digabung definisi drp sifat-sifat dan
peraturan bersama-sama dengan maklumat kawalan.
Jurutera PengetahuanJurutera PengetahuanJurutera PengetahuanJurutera Pengetahuan : pakar AI yang bertanggungjawab ke atas bidang teknikal dalam membangunkan
suatu sistem pakar.Jurutera Pengetahuan bekerja rapat dengan pakar domain untuk mendapatkan
pengetahuan pakar pangkalan pengetahuan.
Mesin PembelajaranMesin PembelajaranMesin PembelajaranMesin Pembelajaran : keupayaan sebuah mesin untuk memperbaiki prestasinya berdasarkan
keputusan/ hasil yang sebelumnya.
Rangkaian Saraf ( Neural Network )Rangkaian Saraf ( Neural Network )Rangkaian Saraf ( Neural Network )Rangkaian Saraf ( Neural Network ) : rangkaian saraf merupakan pemodelan teknik analitik selepas
proses daripada pembelajaran dalam sistem kognitif dan fungsi neurologi pada otak.Rangkaian saraf
menggunakan satu set data latihan untuk membina peraturan-peraturan yang boleh membuat ramalan
atau pembezaan set data.