Download Chapter 13

SISTEM MAKLUMAT PENGURUSAN
Sistem Sokongan
Keputusan
Copyright 2001 Prentice-Hall, Inc.
7-1
Jenis-jenis Keputusan

Keputusan yang teratur
– berulang dan rutin
– mempunyai prosedur yang jelas

Keputusan yang tidak teratur
– Baru, ganjil dan tidak berstruktur
– Tiada kaedah tertentu untuk mengatasi masalah

Keputusan kebanyakannya di antara teratur
dan tidak teratur.
13-2
Fasa-fasa Penyelesaian Masalah

Maklumat
–

Rekabentuk
–

Mencipta, membangunkan, dan menganalisa tindakantindakan yang wajar
Pilihan
–

Mencari di persekitaran keadaan-keadaan untuk
keputusan tertentu
Memilih satu tindakan
Mengkaji Semula
–
Menilai pilihan lepas
13-3
Definisi Sistem Sokongan
Keputusan (DSS)
Definisi Am – satu sistem yang menyediakan
kebolehan komunikasi dan kemudahan
penyelesaian masalah separa berstruktur.
Definisi Khusus – satu sistem yang menyokong
seorang pengurus atau sekumpulan pengurus yang
menyelesaikan masalah separa berstruktur dengan
menyediakan maklumat atau memberikan usulanususan tentang keputusan tertentu.
13-4
Konsep DSS


Gorry dan Scott Morton mencipta perkataan ‘DSS’
pada 1971, kira-kira 10 tahun selepas MIS
menjadi popular.
Jenis keputusan adalah bergantung kepada struktur
masalah:
– Masalah Berstruktur, boleh diselesaikan dengan
menggunakan alkhwarizmi dan pepokok keputusan.
– Masalah Tidak Berstruktur, tidak ada fasa yang
berstruktur.
– Masalah Separa Struktur, sebahagian daripada fasa
berstruktur.
13-5
The Gorry and Scott Morton Grid
Management levels
Operational
control
Structured
Degree of
problem
structure
Semistructured
Unstructured
Management
control
Strategic
planning
Accounts
receivable
Budget analysis-engineered costs
Tanker fleet
mix
Order entry
Short-term
forecasting
Warehouse and
factory location
Inventory
control
Production
scheduling
Variance analysis-overall budget
Mergers and
acquisitions
Cash
management
Budget
preparation
New product
planning
PERT/COST
systems
Sales and
production
R&D planning
13-6
Jenis-jenis DSS oleh Alter

Pada 1976, Steven Alter, mengkaji rangka
kerja Gorry and Scott-Morton
– Mencipta satu klasifikasi jenis-jenis DSS
– Bedasarkan kajian terhadap 56 DSS

Mengelaskan DSS berdasarkan “degree of
problem solving support.”
13-7
Paras DSS oleh Alter

Paras sokongan penyelesaian masalah daripada
terendah hingga ke tertinggi
–
–
–
–
–
–
Capaian unsur-unsur maklumat
Capaian fail-fail maklumat
Penciptaan laporan berdasarkan lebih daripada satu fail
Jangkaan akibat keputusan
Cadangan keputusan
Membuat keputusan
13-8
Kepentingan Kajian Alter
Menunjukkan konsep sokongan keputusan
dalam pembangunan sistem
 DSS bukan sekadar aplikasi yang membuat
queri dan model keputusan, tetapi termasuk
laporan berkala.

13-9
Alter’s DSS Types
Retrieve
information
elements
Little
Analyze
entire
files
Prepare
reports
from
multiple
files
Estimate
decision
consequences
Degree of
complexity of the
problem-solving
system
Propose
decisions
Make
decisions
Degree
of
problem
solving
support
Much
13-10
Tiga Objektif DSS
1.Membantu dalam menyelesaikan masalah
separa berstruktur.
2.Memberi sokongan, bukan menggantikan
pengurus.
3.Menyumbang kepada efektif dan bukannya
menumpukan kepada efisyen.
Based on studies of Keen and Scott-Morton
13-11
A DSS Model
Environment
Individual
problem
solvers
Report
writing
software
Other
group
members
GDSS
GDSS
software
software
Mathematical
Models
Database
Decision
support
system
Environment
Legend:
Data
Communication
Information
13-12
Kandungan Pangkalan Data

Terdiri daripada 3 subsistem aplikasi
– Report writers
»
»
»
»
Special reports
Periodic reports
COBOL or PL/I
DBMS
– Model Matematik
» Simulasi
» Special modeling languages
– Groupware atau GDSS
13-13
GDSS



Sistem berasaskan komputer yang menyokong
individu berkumpulan bekerja dan menyediakan
platform dalam persekitaran perkongsian
Digunakan dalam penyelesaian masalah
Bidang berkenaan:
–
–
–
–
Electronic meeting system (EMS)
Computer-supported cooperative work (CSCW)
Group support system (GSS)
Groupware
13-14
Bagaimana GDSS Membantu
Penyelesaian Masalah
Meningkatkan komunikasi
 Memperbaiki fokus perbincangan
 Mengurangkan masa terluang

13-15
Keadaan GDSS

Synchronous exchange
– Ahli berjumpa dalam masa yang sama
– Cth: mesyuarat

Asynchronous exchange
– Ahli berjumpada pada masa yang berbeza
– Cth: E-mail
13-16
Jenis-jenis GDSS

Decision rooms
– Small groups face-to-face
– Parallel communication
– Anonymity

Local area decision network
– Members interact using a LAN

Legislative session
– Large group interaction

Computer-mediated conference
– Permits large, geographically dispersed group
13-17
interaction
Group Size and Location Determine
GDSS Environmental Settings
GROUP SIZE
Face-toface
MEMBER
PROXIMITY
Dispersed
Smaller
Larger
Decision
Room
Legislative
Session
Local Area
Decision
Network
ComputerMediated
Conference
13-18
Groupware

Fungsi
–
–
–
–

E-mail
FAX
Voice messaging
Internet access
Lotus Notes
– Produk groupware yang popular
– Mengendali data penting pengurus
13-19
Main Groupware Functions
Function
IBM
TeamWARE Lotus
Workgroup Office
Notes
Electronic mail
X
FAX
X
Voice messaging
Internet access
X
Bulletin board system
Personal calendaring
X
Group calendaring
X
Electronic conferencing
O
Task management
X
Desktop video conferencingO
Database access
O
Workflow routing
O
Reengineering
O
Electronic forms
O
Group documents
O
X = standard feature
O = optional feature
X
X
X
X
X
X
X
X
X
O
O
O
3
3
O
3
3
X
X
X
3
X
3
3
3
3
X
Novell
GroupWise
X
X
X
X
O
X
X
3
X
X
O
O
3 = third party offering
13-20
Kecerdasan Buatan (AI)
Aktiviti menyediakan mesin
seperti komputer kebolehan untuk
menunjukkan sifat cerdas yang
mampu dilaksanakan oleh
manusia.
13-21
Sejarah AI

Sejarah:
– John McCarthy mencipta istilah, AI, pada 1956,
pada persidangan di Dartmouth College.
– Logic Theorist adalah aturcara AI yang pertama
– General problem solver (GPS)

2 dekad yg lepas
– Pembangunan MIS and DSS.
13-22
Areas of Artificial Intelligence
Expert
systems
AI
hardware
Robotics
Natural
language
Learning
Neural
networks
Perceptive
systems
(vision,
hearing)
Artificial Intelligence
13-23
Expert Systems
Aplikasi komputer yang menukarkan
pengetahuan manusia kepada kod komputer
dalam bentuk heuristics
 2 perbezaan daripada DSS

– 1. Boleh meningkatkan kebolehan pengurus
dalam menyelesaikan masalah.
– 2. Boleh memberikan penjelasan bagaimana
keputusan tersebut dicapai.
13-24
User
Instructions &
information
Solutions &
explanations
Knowledge
User
interface
Inference
engine
Expert
system
Development
engine
Expert and
knowledge engineer
Knowledge
base
Problem
Domain
Model Expert
System
13-25
Model Expert System

User interface
– Allows user to interact with system

Knowledge base
– Houses accumulated knowledge

Inference engine
– Provides reasoning
– Interprets knowledge base

Development engine
– Creates expert system
13-26
User Interface

Pengguna memasukkan:
– Arahan
– Maklumat

}
Menus, commands, natural language, GUI
Expert system menyediakan:
– Penyelesaian
– Penerangan
» Soalan
» Penyelesaian masalah
13-27
Knowledge Base
Keterangan tentang domain permasalahan
 Syarat

– Teknik perwakilan pengetahuan
– Logik ‘IF:THEN’
– Rangkaian syarat
» Paras terendah menyediakan bukti
» Paras atas menghasilkan 1 atau lebih kesimpulan
» Kesimpulan teratas dipanggil Goal variable.
13-28
A Rule Set That
Produces One Final
Conclusion
Conclusion
Conclusion
Evidence
Evidence
Conclusion
Evidence
Evidence
Evidence
Evidence
Evidence
Evidence
13-29
Pemilihan Syarat
Memilih syarat untuk menyelesaikan
masalah dengan efisyen adalah sukar
 Sebahagian matlamat boleh dicapai hanya
dengan beberapa syarat.

13-30
Inference Engine
Melaksanakan penakulan (reasoning)
berdasarkan pengetahuan dalam aturan
tertentu.
 2 kaedah utama dalam menggunakan syarat

– 1. Forward reasoning (data driven)
– 2. Reverse reasoning (goal driven)
13-31
Forward Reasoning
(Forward Chaining)

Syarat dinilai sebagai:
– (1) true, (2) false, (3) unknown
Syarat dinilai dalam proses yang berulang
 Jika tiada syarat yang boleh dinilai, proses
penakulan berhenti walaupun matlamat
tidak tercapai.

Start with inputs and
work to solution
13-32
Rule 1
IF A
THEN B
Rule 2
T
Rule 7
F
IF B OR D
THEN K
IF C
THEN D
Rule 3
T
Rule 10
IF K AND
L THEN N
The Forward
Reasoning
Process
T
T
IF M
THEN E
Rule 8
Rule 12
T
IF N OR O
THEN P
IF E
THEN L
T
Rule 4
IF K
THEN F
T
Legend:
Rule 9
Rule 5
IF G
THEN H
T
IF (F AND H)
OR J
THEN M
T
First pass
Rule 11
IF M
THEN O
T
Second pass
Rule 6
IF I
THEN J
Third pass
F
13-33
Reverse Reasoning Steps
(Backward Chaining)
 Bahagikan
masalah kepada beberapa
submasalah
 Cuba selesaikan satu submasalah
 Kemudian cuba submasalah seterusnya.
Start with solution
and work back to
inputs
13-34
Step 4
Rule 1
IF A THEN
B
T
Rule 2
Step 3
Rule 7
IF B OR D
THEN K
T
IF C
THEN D
The First Five Problems
Are Identified
Step 2
Rule 10
IF K AND L
THEN N
Step 5
Rule 3
IF N OR O
THEN P
Rule 8
IF M
THEN E
IF E
THEN L
Rule 11
Rule 9
13-35
Step 1
Rule 12
IF (F AND H)
OR J
THEN M
IF M
M
IF
THEN O
THEN
O
Legend:
Problems to
be solved
The Next Four Problems Are
Identified
Step 8
If N Or O
Then P T
Rule 4
If K
Then F
Rule 5
Rule 12
T
Step 7
Step 6
IF (F And H)
Or J
Then M T
If M
Then O
Step 9
If G
Then H
T
Rule 6
If I
Then J
Rule 9
T
Rule 11
Legend:
Problems to
be solved
13-36
Forward Versus Reverse Reasoning
Reverse reasoning lebih pantas daripada
forward reasoning
 Reverse reasoning lebih baik apabila:

– Multiple goal variables
– Many rules
– All or most rules do not have to be examined in
the process of reaching a solution
13-37
Development Engine

Programming languages
– Lisp
– Prolog

Expert system shells
– Aplikasi sedia ada yang boleh digunakan untuk
semua domain ES.
Case-based reasoning (CBR)
 Decision tree

13-38
Kelebihan Expert System


Kepada pengurus
– Alternatif tambahan
– Menggunakan logik
– Masa yang lebih boleh digunakan untuk menilai
keputusan syarat
– Logik yang konsisten
Kepada syarikat
– Prestasi kumpulan pengurusan meningkat
– Sumber pengetahuan syarikat terpelihara
13-39
Kelemahan Expert System
Tidak boleh mengendalikan pengetahuan
yang tidak konsisten
 Tidak boleh memasukkan intuisi

13-40
Kunci Kejayaan ES





Urus pembangunan ES bersama-sama
perancangan strategik
Jelaskan masalah yang ingin diselesaikan dan
fahamkan domain permasalahan
Beri perhatian kepada isu etika dan perundangan
Fahami perhatian dan harapan pengguna
Gunakan teknik pengurusan untuk mengawal
pembagun sistem
13-41
Neural Networks

Model matematik otak manusia
– Simulasi bagaimana neuron berhubung untuk
memproses data dan belajar daripada
pengalaman
13-42
Otak Manusia

Neuron -- the information processor
– Input -- dendrites
– Processing -- soma
– Output -- axon

Neurons are connected by the synapse
13-43
Simple Biological Neurons
Soma
(processor)
Axonal Paths
(output)
Synapse
Axon
Dendrites
(input)
13-44
Evolusi Artificial
Neural Systems (ANS)
McCulloch-Pitts mathematical neuron
function (late 1930s) was the starting point
 Hebb’s learning law (early 1940s)
 Neurocomputers

– Marvin Minsky’s Snark (early 1950s)
– Rosenblatt’s Perceptron (mid 1950s)
13-45
Metodologi Terkini
Model matematik tidak boleh menyaingi
otak manusia tetapi menunjukkan
kebolehan yang setara
 Complex networks
 Repetitious training

– ANS “learns” by example
13-46
Single Artificial Neuron
y1
w1
y2
w2
y3
w3
wn-1
yn-1
y
13-47
OUT1
OUTn
The Multi-Layer
Perceptron
Input
Layer
Y1
Yn2
OutputL
ayer
IN1
INn
13-48
Perspektif Knowledge-based
Systems
Banyak kejayaan yang telah dicapai dalam
bidang neural nets dan expert systems
 Masih banyak lagi ruang penyelidikan

13-49
Summary [cont.]

AI
– Neural networks
– Expert systems

Limitations and promise
13-50