Database, Sistem Informasi,, SPK, Kecerdasaan Buatan (AI) dan Expert System

Database

Sejarah Database

Pengertian Database

            Database adalah kumpulan dari data-data yang membentuk suatu berkas (file) yang saling berhubungan (relation) dengan tatcara yang tertentu untuk membentuk data baru atau informasi. Atau basis data (database) merupakan kumpulan dari data yang saling berhubungan (relasi) antara satu dengan yang lainnya yang diorganisasikan berdasarkan skema atau struktur tertentu. Pada komputer, basis data disimpan dalam perangkat hardware penyimpan, dan dengan software tertentu dimanipulasiunruk kepentingan atau keguanaan tertentu. Hubungan atau relasi data biasanya ditunjukkan dengan kunci (key) dari tiap file yang ada. Data merupakan fakta atau nilai (value) yang tercatat atau merepresentasikan deskripsi dari suatu objek. Data yang merupakan fakta yang tercatat dan selanjutnya dilakukan pengolahan (proses) menjadi bentuk yang berguna atau bermanfaat bagi pemakainya akan membentuk apa yang disebut informasi. (Wikipedia)

Sejarah Database

Tahun 1960

            Dari awal penggunaan komputer, penyimpanan dan manipulasi data merupakan focus utama aplikasi. Pada awal tahun 1960, Charles Bachman diperusahaan General Electric mendesain generasi pertama DBMS yang disebut Penyimpanan Data Terintegrasi (Integrated Data Store). Dasar untuk model data jaringan dibentuk lalu distandardisasi oleh Conference on Data System Language (CODASYL). Kemudian, Bachman menerima ACM Turing Award (Penghargaan semacam nobel pada ilmu komputer ) di tahun 1973.

            Pada akhir tahun 1960-an, IBM mengembangkan system manajemen informasi (Information Manajemen System) DBMS. IMS dibentuk dari representasi data pada kerangka kerja yang disebut model data hierarki. Dalam waktu yang sama, hasil kerja sama antara IBM dengan perusahaan penerbangan Amerika mengembangkan system SABRE. System SABRE memungkinkan user mengakses data yang sama pada jaringan computer.

Tahun 1970

            Pada tahun 1970, Edgar Codd di laboratorium penelitian di San Jose mengusulkan suatu representasi data baru yang disebut model data relational. Pada tahun 1980, model relasional menjadi paradigm DBMS paling dominan. Bahasa query SQL dikembangkan untuk basisdata relasional sebagai bagian proyek Sistem R dari IBM. SQL di standardisasi di akhir tahun 1980 dan SQL-92 diadopsi oleh American National Standards Institute (ANSI) dan International Standards Organization (ISO). Program yang digunakan untuk eksekusi bersamaan dalam basisdata disebut transaksi. User menulis programnya, dan bertanggung jawab menjalankan program secara bersamaan terhadap DBMS. Pada tahun 1999, James Gray memenangkan Turing award untuk kontribusinya pada manajemen transaksi dalam DBMS.

Tahun 1980

            Pada akhir tahun 1980 dan permulaan tahun 1990, banyak bidang system basisdata dikembangkan. Penelitian dibidang basisdata meliputi bahasa query yang powerful, model data yang lengkap, dan penekanan pada dukungan analisis data yang kompleks semua bagian organisasi. Beberapa vendor (misalnya IBM, DB2, Oracle8, dan Informix UDS) memperluas sistemnya dengan kemampuan menyimpan tipe data baru misalnya image dan text serta kemampuan query yang kompleks. System khusus dikembangkan banyak vendor untuk membuat data warehouse dan mengonsolidasi data beberapa basisdata.

            Suatu fenomena menarik adalah munculnya enterprice resource planning (ERP) dan management resource planning (MRP), yang menambah lapisan substansial dari fitur berorientasi aplikasi pada DBMS utama. Paket yang digunakan secara luas meliputi Baan, Oracle, PeopleSoft, SAP, dan Siebel. Paket tersebut mengidentifikasi kumpulan tugas umum (misalnya manajemen inventori, perencanaan sumber daya manusia, dan analisis keuangan) yang dihadapi oleh sejumlah besar organisasi dan menyediakan lapisan aplikasi umum untuk melaksanakan tugas. Data disimpan dalam DBMS relasional. Kemudian, lapisan aplikasi dapat disesuaikan pada perusahaan berbeda sehingga biaya keseluruhan perusahaan menjadi lebih rendah disbanding biaya pembuatan lapisan aplikasi dari awal. Lebih jauh, DBMS memasuki dunia internet. Saat generasi pertama, web site menyimpan datanya secara ekskulisif dalam file system operasi. Pada saat ini, DBMS dapat digunakan untuk menyimpan data yang dapat diakese melalui web browser. Query dapat dibuat melalui form web dan format jawabannya dengan menggunakan markup language semisal HTML untuk mempermudah tampilan pada browser. Semua vendor basisdata menambah fitur ini untuk DBMS mereka.

            Manajemen basisdata mempertimbangkan pentingnya suatu data bersifat online dan dapat diakses melalui jaringan computer. Saat ini, bidang seperti ini diwujudkan dalam basisdata multimedia, video unteraktif, perpustakaan digital, proyek ilmuwan seperti proyek pemetaan, proyek system obeservasi bumi milik NASA, dan lain sebagainya (Ramakrishnan and Gehrke, 2003).

Konsep Database

Konsep dasar dari database adalah kumpulan dari catatan-catatan, atau potongan dari pengetahuan. Sebuah database memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di dalamnya: penjelasan ini disebut skema. Skema menggambarkan objek yang diwakili suatu database, dan hubungan di antara objek tersebut. Ada banyak cara untuk mengorganisasi skema, atau memodelkan struktur database, ini dikenal sebagai database model atau model data. Model yang umum digunakan sekarang adalah model relasional, yang menurut istilah yaitu mewakili semua informasi dalam bentuk tabel-tabel yang saling berhubungan dimana setiap tabel terdiri dari baris dan kolom (definisi yang sebenarnya menggunakan terminologi matematika). Dalam model ini, hubungan antar tabel diwakili dengan menggunakan nilai yang sama antar tabel. Model yang lain seperti model hierarkis dan model jaringan menggunakan cara yang lebih eksplisit untuk mewakili hubungan antar tabel.

Bila terdapat file yang tidak dapat dipadukan atau dihubungkan dengan file yang lainnya, berarti file tersebut bukanlah kelompok dari satu database, melainkan membentuk satu database sendiri.Database juga merupakan landasan bagi pembuatan dan pengembangan program aplikasi. Oleh sebab itu, database harus dibuat sedemikian rupa sehingga pembuatan program lebih mudah dan cepat.

Database merupakan salah satu komponen yang penting dalam sistem informasi, karena merupakan basis dalam menyediakan informasi bagi para pemakai. Penerapandatabase dalam sistem informasi disebut dengan database system. Sistem databaseadalah suatu sistem informasi yang mengintegrasikan kumpulan dari data yang saling berhubungan satu dengan yang lainnya. Databse terdiri dari data yang akan digunakan atau diperuntukkan terhadap banyak user, dari masing-masing user akan menggunakan data tersebut sesuai dengan tugas dan fungsinya.

Adapun hierarki data adalah:

a.       Database adalah kumpulan dari beberapa file atau tabel yang saling berhubungan antara file yang satu dengan yang lainnya.

b.      File adalah kumpulan dari record yang saling berkaitan dan memiliki format field yang sama dan sejenis.

c.        Record adalah kumpulan dari field yang menggambarkan satu unit data individu tertentu.

d.      Field adalah suatu atribut dari record yang menunjukkan suatu item dari sebuah field.

e.       Byte adalah atribut dari field yang berupa karakter yang membentuk nilai dari sebuah field.

f.        Bit adalah bagian terkecil dari data secara keseluruhan, yaitu berupa karakter ASCII nol atau satu yang merupakan komponen byte.

Struktur Database

            Istilah database digunakan secara tidak tepat oleh sebagian orang. ketidak-tepatan ini tidak mempengaruhi komunikasi diantara sebagian besar professional bisnis, tetapi saat mempeljari struktur dan konsep database, mahasiswa harus mengetahui makna yang lebih tepat. Istilah Database mengacu pada semua data yang disimpan pada sumber daya berbasis computer milik organisasi. Sistem manajemen Database (database management system-DBMS) adalah suatu aplikasi perangkat lunak yang menyimpan struktur database, data itu sendiri, hubungan antar-data didalam database, maupun formulir dan laporan yang berhubungan dengan database..

Macam-macam Struktur Database

1. Struktur Database Hierarkis

Struktur Database Hierarkis (Hierarchical Database Structure), yaitu struktur kelompok data, subkelompok data dan subkelompok yang lebih kecil lagi menyerupai cabang-cabang pohon. Seperti cabang-cabang pohon, untuk pindah dari suatu catatan di suatu cabang kesuatu catatan di cabang lain, system manajemen database harus kembali ketempat asal percabangan itu. Struktur hierarkis memanfaatkan sumber daya computer secara efisien saat sebagian besar catatan dalam database akan digunakan dalam aplikasi.

2. Sruktur Database Jaringan

Struktur database jaringan (network database structure) memungkinkan satu
Catatan tertentu menunjuk pada catatan lain dalam database . Subkomite Database
Task Group CODASYL mengeluarkan spesifikasi struktur database jaringan pada
Tahun 1971.
Jaringan memecahkan masalah keharusan untuk kembali ke tempat asal
percabangan database. Secara konseptual, tiap catatan dalam database dapat
memiliki penunjuk ke tiap catatan lain di dalam database.

3. Struktur Database Relational

Struktur system manajemen relational merupakan system yang menyerupai
Table-tabel, dan merupakan format yang dapat dipahami secara cepat oleh
Manajer dan/atau staf professional.

Daftar Terbatas Penjual Sistem Manajemen Database Relational :
1. IBM
2. Informix Software, Inc.
3. Microso
4. Oracle Corporation
5. Sybase

Keunggulan DBMS (Database Management System)

Dengan menggunakan sistem manajemen basis data penyimpanan data menjadi lebih baik selain itu juga memiliki banyak kelebihan diantaranya.

Performance
Dari segi performance dapat diketahui bahwa dengan menggunakan sistem basis data dapat menyimpan file berukuran besar, sekaligus juga membuat lebih efisien dan praktis.

Integritas
Dengan penggunaan DBMS integritas data menjadi lebih terjamin. Masalah redudansi sering terjadi dalam DBMS. Redudansi adalah kejadian berulangnya data atau kumpulan data yang sama dalam sebuah database yang mengakibatkan pemborosan media penyimpanan.

Independensi
Perubahan struktur database dimungkinkan terjadi tanpa harus mengubah aplikasi yang mengaksesnya sehingga pembuatan antarmuka ke dalam data akan lebih mudah dengan penggunaan DBMS.

Sentralisasi/Pusatdata
Data yang terpusat akan mempermudah pengelolaan database. kemudahan di dalam melakukan bagi pakai dengan DBMS dan juga kekonsistenan data yang diakses secara bersama-sama akan lebiih terjamin dari pada data disimpan dalam bentuk file atau worksheet yang tersebar.

Sekuritas/KeamananData
DBMS memiliki sistem keamanan yang lebih fleksibel daripada pengamanan pada file sistem operasi. Keamanan dalam DBMS akan memberikan keluwesan dalam pemberian hak akses kepada pengguna.

Walupun manfaat serta keunggulan yang diberikan apabila menggunakan sistem manajemen basis data sangat besar namun tidak dipungkiri bahwa setiap sistem memiliki sebuah kelemahan. Kelemahan yang sampai saat ini dirasakan para pengguna sistem basis data yaitu biaya yang relatif besar. Untuk itu yang harus diperhatikan sebelum membuat dan menggunakan sistem manajemen basis data adalah sebagai berikut.

Kelemahan DBMS (Database Management System)

§  Biaya & Harga DBMS yang Tinggi & Mahal Kebutuhan untuk medapatkan perangkat lunak dan perangkat keras yang tepat cukup mahal, termasuk biaya pemeliharaan dan sumber daya  manusia yang mengelola basis data tersebut.

§  Memerlukan suatu skill tertentu untuk bisa melakukan administrasi dan manajemen database agar dapat diperoleh struktur dan relasi data yang optimal

§  Sangat kompleks. Sistem basis data lebih kompleks dibandingkan dengan proses berkas, sehingga dapat mudah terjadinya kesalahan dan semakin sulit dalam pemeliharaan data.

§  Resiko data yang terpusat. Data yang terpusat dalam satu lokasi dapat beresiko  kehilangan data selama proses aplikasi.

§  Konversi dari sistem lama ke sistem DBMS terkadang sangat mahal, disamping biaya pengadaan perangkat keras dan perangkat lunak, diperlukan pula biaya pelatihan.

§  Membutuhkan media penyimpanan yang besar baik eksternal (disk) maupun internal (memory) agar DBMS dapat bekerja cepat dan efisien.

  §  Membutuhkan memory komputer yang besar.

  §  Membutuhkan spesifikasi hardware yang tinggi / khusus.

  §  Membutuhkan waktu yang lama untuk konversi sistem.

  §  Terkadang kinerja DBMS low performance.

  §  Resiko kegagalan cukup tinggi

Dengan mempelajari keunggulan dan kelemahan sistem manajemen basis data diatas maka akan menjadi lebih mudah untuk memilih sistem yang tepat.

Peranan database dan DBMS dalam memecahkan masalah dalam Psikologi

Peranan DATABASE :

Menentukan kebutuhan data dengan mengikuti pendekatan berorientasi masalah atau pendekatan model perusahaan.

Peranan DBMS :

         a. Data yang berulang dalam bentuk multifile duplikat maupun data duplikat dalam satufile.

         b. Data dan program menyatu.

         c. Kebutuhan untuk mengintegrasikan data dari file-file.

         d. Kebutuhan untuk memperoleh data secara cepat.

         e. Kebutuhan untuk membuat data dengan aman.

Database tidak harus berupa sekumpulan data yang sangat banyak dan kompleks, namun bisa terdiri dari puluhan data saja. Pada beberapa database sederhana, sebuahsoftware word processing (Word)  bisa digunakan untuk menampung dan mengorganisir data tersebut. Atau jika database terdiri dari data yang bersifat angka dan diperlukan perhitungan lanjutan, pengolahan bisa dilakukan dengan software spreadsheet (Excel). Pada prinsipnya software seperti Word ataupun Excel bisa berfungsi seperti layaknya sebuah database yang representatif.

Manfaat dalam Psikologi

Dalam bidang psikologi, khususnya pada bidang Psikologi Industri dan Organisasi penggunaan database sangatlah dibutuhkan agar dapat memudahkan pihak HRD untuk melihat atau mengecek data-data yang diperlukan dari seorang pegawai atau calon pegawai diantara 1000 pegawai yang ada.

Dalam ruang lingkup sekolah, database sangat dibutuhkan, terlenih lagi bagi psikolog yang mengatasi anak-anak yang sering bolos disekolah. Dengan database, dapat memudahkan psikolog untuk mencari beberapa anak yang sering bolos di sekolah dari ratusan yang ada.

Dalam database terdapat istilah “attribute” Sebutan untuk mewakili sebuah entity(Suatu kumpulan orang, tempat, kejadian, aktifitas atau bagian yang terdapat dalam sebuah organisasi atau informasi yang akan direkam). Misalkan, seorang mahasiswa atau siswa dapat dilihat atributnya, misalnya npm, nama, alamat, hobby dan lain-lain. Atribute juga disebut data elemen, data field atau data item. Ini juga merupakan salah satu pemanfaatan data base untuk lingkup Psikologi, karena salah satu bidang profesi Psikologi adalahSchool Psychologist, misalkan pada suatu organisasi pendidikan terdapat siswa yang sedang mengalami masalah sering terlambat datang kesekolah, maka tugas seorang psikolog adalah mengetahui data awal siswa tersebut yang dimiliki sekolah, setelah itu baru dapat memikirkan langkah atau treatment apa yang baik digunakan. Dan masih banyak lagi pemanfaatan yang dapat dirasakan dengan penggunaan data base lainnya, dalam bidang Psikologi maupun bidang lainnya.

Sumber : http://informatika.web.id/sejarah-basis-data.htm

              http://mtechnology14.blogspot.com/2016/11/pengertian-dan-sejarah-data-base.html

              https://www.maxandro.com/2016/03/kelebihan-dan-kelemahan-dbms-database.html

                             Santoso, S & Susanto, B. 2000. Aplikasi Access dalam Pengolaan Data Personalia. Jakarta : PT. Elex Media Komputindo.

                             http://arum05.wordpress.com/2011/04/27/manfaat-database-dalam-psikologi/

                             http://ageng05.blogspot.com/2011/04/kaitan-database-dengan-psikologi.html

                             http://wartawarga.gunadarma.ac.id/2011/05/manfaat-database/

                             http://wartawarga.gunadarma.ac.id/2011/04/database-dan-psikologi/

                             http://shantiwidyakusuma.blogspot.com/2010/11/penjelasan-data-dan-peranan-database.html

                             http://ninda-psikologi.blogspot.com/2011/04/sip-data-base-dan-psikologi.html

            http://wartawarga.gunadarma.ac.id/2009/12/struktur-database/

Sistem Informasi Manajemen dan Sistem Penunjang Keputusan

Sistem Informasi Manajemen

         

          Manajemen sendiri mencakup proses perencanaan, pengorganisasian, pengawasan, pengarahan, dan lain-lain, dalam suatu organisasi. Sedangkan, informasi dalam satu organisasi adalah data yang diolah sedemikian rupa sehingga memiliki nilai dan arti bagi organisasi.

Dengan ini, dapat disimpulkan bahwa Sistem Informasi Manajemen (SIM) merupakan sistem yang mengolah serta mengorganisasikan data dan informasi yang berguna untuk mendukung pelaksanaan tugas dalam suatu organisasi.

        Konsep Sistem Informasi Organisasional

                  Pada dasarnya konsep system organisasional ini memiliki hubungan antara system dan organisasi. Bagaimana system tersebut dapat bisa terorganisasi dengan baik. Sistem itu sendiri adalah seperangkat komponen yang saling berhubungan dan saling bekerjasama untuk mencapai beberapa tujuan. Sistem informasi adalah kumpulan hardware dan soft ware komputer, prosedur, dokumentasi, formulir dan orang yang bertanggungjawab untuk memperoleh, menggerakkan, manajemen, distribusi data dan informasi. Proses yang harus diikuti dalam pengembangan suatu sistem yang baik disebut sistem Analysis and Design.

      Model Sistem Informasi Manajemen

                Gambar diatas mendefinisikan model dari sitem infoprmasi manajemen (SIM)

        SISTEM PENUNJANG KEPUTUSAN 

    

            Definisi

  

     Model pengambilan keputusan menurut  Herbert A. Simon  adalah dimulai pada tahap penyelidikan yaitu mempelajari lingkungan atas kondisi yang memerlukan keputusan. Data mentah diperoleh, diolah, dan diuji untuk dijadikan petunjuk yang dapat mengidentifikasi persoalan. Digunakan sebagai dasar untuk menjelaskan proses pengambilan keputusan.  Tahap berikutnya adalah perancangan mengembangkan, dan menganalisis arah tindakan yang mungkin. Hal ini meliputi proses-proses untuk memahami persoalan, menghasilkan pemecahan, dan menguji kelayakan pemecahan tersebut.  Tahap berikutnya adalah pemilihan yaitu memilih arah tindakan tertentu dari semua alternatif yang ada, selanjutnya pilihan ditentukan dan dilaksanakan.

Jadi proses pengambilan keputusan dapat dianggap sebagai sebuah arus dari penyelidikan sampai perancangan dan kemudian pada pemilihan. Tetapi pada setiap tahap hasilnya mungkin dikembalikan ke tahap sebelumnya untuk dimulai lagi. Jadi tahapan tersebut merupakan unsur-unsur sebuah proses berkesinambung. Sebagai contoh, pilihan mungkin menolak semua dan kembali ke tahap perancangan untuk menerbitkan pemecahan tambahan alternatif dan kembali ke tahap perancangan untuk menerbitkan pemecahan tambahan.

          2. Konsep dasar Pembuatan Keputusan

     Sistem informasi manajemen adalah sistem yang memberikan informasi untuk digunakan dalam pembuatan keputusan guna menyelesaikan masalah bagi para penggunanya.

Perkembangan aplikasi sistem informasi berbasis komputer (Computer Based Information System - CBIS) dalam organisasi telah berkembang dalam model yang dikategorikan sebagai  sistem pemrosesan transaksi (Transaction Processing System - TPS), sistem informasi manajemen (Manajemen Information Sistem - SIM), sistem pendukung  keputusan (Decision Support System  - DSS).  Baik TPS maupun SIM ditunjukkan bagi arus informasi terstruktur untuk menunjang proses organisasional rendah dan menengah. Sistem Pendukung Keputusan (SPK) mempunyai keputusan yang sangat spesifik yakni memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas dalam membuat keputusan yang sangat penting.   SPK atau   Sistem Pendukung Keputusan adalah sistem interaktif yang memberikan akses yang mudah ke model keputusan dan data kepada pemakai, guna menunjang tugas pembuatan keputusan semi terstruktur dan tak terstruktur.

Perbedaan khusus antara TPS dan SIM disatu sisi, dengan SPK di lain sisi, adalah bahwa SPK mempunyai variasi informasi penunjang keputusan tertentu yang berada dalam berbagai bentuk format. Sedangkan dalam TPS dan SIM, informasi yang bersifat tidak fleksibel.  Guna mengevaluasi tingkat dan jenis keterlibatan manajemen yang diperlukan dalam SPK, akan dikemukakan kerangka untuk pengevaluasian model seperti ini. Kerangka ini dihasilkan dari pengkategorisasian proses secara intuitif dan logis maupun dari literatur yang ada. 

3.  Pengambilan  Keputusan

Faktor yang menggerakkan proses pengambilan keputusan dapat berupa ketidakpuasan atas keadaan saat itu atau imbalan yang diharapkan dari keadaan baru. Dalam kasus ketidakpuasan, kekuatan penggerak adalah penemuan sebuah persoalan. Dalam hal imbalan yang diharapkan, adalah hasil pencarian peluang. Cara lain untuk menjelaskan proses pengambilan keputusan adalah dalam arti suatu kegiatan bersinambung yang digerakkan oleh sebuah sasaran mengubah sistem (bisnis, departemen, keluarga dan sebagainya) dari keadaan sekarang menjadi suatu keadaan yang diharapkan atau tujuan mengakibatkan suatu pencarian cara mencapainya. Proses ini sering disebut “analisis cara tujuan” (means-end analysis).

Beberapa model pengambilan keputusan lebih banyak menekankan pada umpan balik hasil keputusan.  Model lainnya dalam menentukan langkah-langkah proses pengambilan keputusan adalah sebagai berikut :

      a.    Pengenalan persoalan atau kebutuhan untuk pengambilan keputusan

      b.    Analisis dan laporan alternatif-alternatif

      c.    Pemilihan di antara alternatif yang ada

      d.    Komunikasi dan pelaksanaan keputusan

      e.    Langkah lanjutan dan umpan balik hasil keputusan.

Kedua model tersebut tidak saling bertentangan. Model Simon pada dasarnya mengatakan bahwa pelaksanaan  adalah keputusan dan bahwa keputusan lain diperlukan untuk langkah selanjutnya. Model Simon ini lebih relevan bagi perancangan sistem informasi manajemen (SIM).
      
 Cara menggunakan informasi dari sistem penunjang keputusan

    Decision Support Systems (DSS) atau Sistem Pendukung Keputusan (SPK) adalah sebuah sistem yang membantu satu atau lebih pengambil keputusan dalam melakukan aktivitas pengambilan keputusan dengan bantuan seperangkat alat yang terorganisir dan disesuaikan dengan struktur dan porsi permasalahan dalam usaha memperbaiki efektivitas akhir dari outcome keputusan.

      Pada    dasarnya         dua      pengguna        informasi         dari      DSS oleh manajer, yaitu         untuk (1) mendefinisikan masalah dan (2) memecahkan masalah tersebut. Pendefinisian masalah adalah usaha definisi dari pendekatan system. Ia juga berkaitandengan fase intelegensi yang dikemukakan oleh Simon. Selanjutnya manajermenggunakan informasi  untuk memecahkan masalah yang telah  diidentifikasi. Hal inimerupakan usaha pemecahan menurut poendekatan sistim dan berkaitan denga fase disain dan pemilihan. Pada umumnya, lapaoran berkala dan khusus digunakan terutamadalam usaha definisi, dan simulasi dalam usaha pemecahan

Laporan berkala dapat di rancang untuk menidentifikasi masalah atau masalah yang kemungkinan besar akan muncul, manjer juga melakukan query terhadap database untuk menemukan masalah atau mempelajari lebih jauh lagi mengenai masalah yang telah di identifikasi. Simulasi dapat juga membuka masalah yang tersembunyi, karenakelemahan cenderung akan kelihatan menonjol ketika operasi perusahaan diubah secara matematis.

      Laporan berkala dan khusus dapat juga membantu manajer untuk memecahkan masalah dengan cara            mengidentifikasi keputusan alternatif, mengevaluasi dan memilih alternative tersebut, dan memberikan informasi lanjutan.

       Laporan berkala dan khusus

Laporan berkala atau periodic report yaitu laporan yang dibuat menurut jadwal tertentu  contohnya adalah analis penjualan terhadap pelanggan perbulan dan laporan khususatau special report yaitu laporan yang di buat ketika laporan dibuat ketika sesuatu yang  tidak  seperti  biasanya  terjadi  contohnya  laporan  mengenai  kecelakaan.  Dalam penggunaannya laporan berkala dan khusus bersifat lengkap atau ringkas.
Laporan lengkap dan ringkas

Laporan lengkap atau detail report yaitu laporan yang memberikan spesifikasi mengenaisetiap tindakan atau transaksi dan baris yang mewakili tindakan atau transaksi disebutbaris lengkap atau detail line sedangkan laporan ringkas atau summary report yaitu laporan yang menyertakan baris yang mewakili beberapa tindakan atau transaksi.

5.                 Model Sistem Penunjang Keputusan

Sistem Penunjang Keputusan tidak ditekankan untuk membuat keputusan, melainkan melengkapi kemampuan untuk mengolah informasi yang diperlukan untuk membuat keputusan. Dengan kata lain, Sistem Pendukung Keputusan membantu manusia dalam proses membuat keputusan, bukan menggantikan perannya dalam mengambil keputusan.

Keunikan SPK terletak pada dimungkinkannya intuisi dan penilaian pribadi pengambil keputusan untuk turut dijadikan dasar pengambilan keputusan. SPK dirancang secara khusus untuk mendukung seseorang yang harus mengambil keputusan ‐ keputusan tertentu. SPK  merupakan  produk gabungan antara keputusan terstruktur dan tidak terstruktur.

  a.  Masalah Terstruktur, merupakan suatu masalah yang memiliki struktur masalah pada 3 tahap pertama, yaitu intelijen, rancangan dan pilihan.

  b.  Masalah Tak Terstruktur, merupakan masalah yang sama sekali tidak memiliki struktur pada 3 tahap diatas.

  c.  Masalah Semi-Terstruktur, merupakan masalah yang memiliki struktur hanya pada satu atau dua tahap.

sumber :

https://deathneverlost.wordpress.com/2014/10/13/sistem-informasi-manajemen-dan-sistem-penunjang-keputusan/

http://ernaparj.blogspot.com/2015/06/sistem-penunjang-keputusan.html

https://www.google.com/search?q=model+sistem+informasi+manajemen&safe=strict&hl=id&biw=1366&bih=662&tbm=isch&tbo=u&source=univ&sa=X&ved=2ahUKEwiMj4zFzr7eAhWLtI8KHdZJAJ0QsAR6BAgGEAE

KECERDASAN BUATAN (AI) DAN EXPERT SYSTEM

DEFINISI KECERDASAN BUATAN

          Ada beberapa definisi tetang Artificial intelligence (AI, Kecerdasan buatan) menurut beberapa ahli seperti berikut :

·         Minsky, 1989 : Kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia.

·         H. A. Simon, 1987 : Kecerdasan buatan merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas.

·         Ensiklopedi Britannica : Kecedasan buatan sebagai cabang ilmu komputer yang merepresentasi pengetahuan lebih banyak menggunakan symbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau berdasarkan jumlah aturan.

·         Stuart J. Russell & Peter Norvig, 2003 : Kecerdasan buatan adalah perangkat komputer yang dapat memahami lingkungannya dan dapat mengambil tindakan yang memaksimalkan peluang kesuksesan di lingkungan tersebut untuk beberapa tujuan.

SEJARAH KECERDASAN BUATAN

·         Era komputer elektronik (1941)
Ditemukannya pertama kali alat penyimpanan dan pemrosesan informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar pengembangan program yang mengarah ke AI.

Gambar 2.0 : Z3, komputer pertama yang dapat dikendalikan oleh perangkat lunak

·         Masa persiapan AI (1943-1956)
Tahun 1943, Warren McCulloch dan Walter Pitts berhasil membuat suatu model saraf tiruan di mana setiap neuron digambarkan sebagai ‘on’ dan ‘off’. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel saraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana.
Pada tahun 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh terkenal adalah thermostat.
Pada tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang automata, jaringan saraf, dan pembelajaran intelijensia. Mereka mengerjakan proyek ini selama 2 bulan di Universitas Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran, yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai father of Artificial Intelligence/ Bapak Kecerdasan Buatan.

Gambar 2.1 : Nathaniel Rochester

·         Awal perkembangan (1952-1969)
Pada tahun 1958, McCarthy di MIT AI Lab mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP, yang sekarang mendominasi pembuatan program-program AI. Kemudian, McCarthy membuat program yang dinamakan programs with common sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahuan dalam mencari solusi.
Pada tahun 1959, Program komputer General Problem Solver berhasil dibuat oleh Herbert A. Simon, J.C. Shaw, dan Allen Newell. Program ini dirancang untuk memulai penyelesaian masalah secara manusiawi. Pada tahun yg sama Nathaniel Rochester dari IBM dan para mahasiswanya merilis program AI yaitu geometry theorem prover. Program ini dapat mebuktikan suatu teorema menggunakan axioma-axioma yang ada.
Pada tahun 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral tertutup untuk mata kuliah Kalkulus.
Pada tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi geometri yang ada pada tes IQ.

Gambar 2.2 : John Mccarthy

·         Perkembangan AI melambat (1966-1974)
Perkembangan AI melambat disebabkan adanya beberapa kesulitan yang di hadapi seperti  Program-program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan pada subjeknya, banyak terjadi kegagalan pada pembuatan program AI, terdapat beberapa batasan pada struktur dasar yang digunakan untuk menghasilkan perilaku intelijensia.

·         Sistem berbasis pengetahuan (1969-1979)
Pada tahun 1960an, Ed Feigenbaum, Bruce Buchanan, dan Joshua Lederberg merintis proyek DENDRAL yaitu program untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectometer massa. Dari segi diagnosa medis juga sudah ada yang menemukan sistem berbasis Ilmu pengetahuan, yaitu Saul Amarel dalam proyek computer ini biomedicine. Proyek ini diawali dari keinginan untuk mendapatkan diagnosa penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

Gambar 2.3 : Ed Feigenbaum bersama anggota direksi The Computation Center

·         AI menjadi sebuah industry (1980-1988)
Industralisasi AI diawali dengan ditemukannya sistem pakar yang dinamakan R1 yang mampu mengkonfigurasi sistem-sistem komputer baru. Program tersebut mulai dioperasikan di Digital Equipment Corporation (DEC), McDermott, pada tahun 1982. Pada tahun 1986, program ini telah berhasil menghemat US$ 40 juta per tahun.
Pada tahun 1988, kelompok AI di DEC menjalankan 40 sistem pakar. Hampir semua perusahaan besar di USA mempunyai divisi Ai sendiri yang menggunakan ataupun mempelajari sistem pakar. Booming industry Ai juga melibatkan perusahaan-perusahaan besar seperti Carnegie Group, Inference, IntelliCorp, dan Technoledge yang menawarkan software tools untuk membangun sistem pakar. Perusahaan hardware seperti LISP Machines Inc., Texas Instruments, Symbolics, dan Xerox juga turut berperan dalam membangun workstation yang dioptimasi untuk pembangunan program LISP. Sehingga, perusahaan yang sejak tahun 1982 hanya menghasilkan beberapa juta US dollar per tahun meningkat menjadi 2 milyar US dollar per tahun pada tahun 1988.

Gambar 2.4 : PDP 11, Komputer yang dikonfigurasi oleh R1

·         Kembalinya jaringan saraf tiruan (1986 – sekarang)
Meskipun bidang ilmu komputer menolak jaringan saraf tiruan setelah diterbitkannya buku ‘Perceptrons’ karangan Minsky dan Papert, tetapi para ilmuwan masih mempelajari bidang ilmu tersebut dari sudut pandang yang lain, yaitu fisika. Ahli fisika seperti Hopfield (1982) menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikolog, David Rumhelhart dan Geoff Hinton melanjutkan penelitian mengenai model jaringan saraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan algoritma Back-Propagation. Algoritma ini berhasil diimplementasikan ke dalam ilmu bidang komputer dan psikologi.

Sistem Pakar (Expert System) 

           

            adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalahseperti yang biasa dilakukan para ahli.

Sistem Pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyaratkan  (meminjam) pengetahuan dan pengalaman seorang pakar tersebut.

·        

Pengertian SistemPakar menurut para ahli

Menurut Efraim Turban, Sistem Pakar harus mengandung : keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan

 Keahlian adalah suatu kelebihan penguasan pengetahuan di bidang tertentu yang diperoleh dari pelatihan,membaca atau pengalaman.

Sejarah Sistem Pakar

Sistem Pakar dikembangkan pertama kali oleh komunitas AI (Artificial Intellegence) tahun 1960-an. Sistem Pakar  yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon.

Hubungan AI dengan kognisi manusia

               

            Menurut Turban pada tahun 1995, Sistem pakar adalah program komputer yang menirukan seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu. Permasalahan yabng di tanganin seorang pakar jelas bukan hanya alogaritma, namun lebih dari itu seorang pakar biasanya menyelesaikan masalah yang lebih rumit dan pemahamannya sulit utuk di pahami. Sistem pakar juga demikian, bukan hanya berisi alogaritma namun juga pengetahuan dan aturan.

               Sistem pakar biasanya sering digunakan dalam bidang ekonomi, kepentingan bisnis, keungan, tegnologi dan kedokteran. Pada dasarnya sistem pakar di terapkan untuk mendukung aktivitas pemecahan masalah. Ternyata banyak aktivitas pemecahan masalah yang dilakuakn sistem pakar diantaranya decicion makning (pembuat keputusan), knowledge fusing (pemaduan pengetahuan), designing (mendisain), planning (perencanaan), forecasting (perakitan), regulating (pengaturan), controlling(pengendalian), diagnosing (mendiagnosa), prescribing (perumusan), explaining(penjelasan), adbvising (pemberian nasihat), dan tutoring (pelatihan). Selain itu sistem pakar juga bisa menjadi asistem seorang pakar (atau saingan).

.

Artificial Intelligence dan Sistem Pakar ( Eliza, Parry, dan Net Talk)

            Eliza, Parry dan Nettalk adalah beberapa contoh dari chatterbot. Chatterbot merupakan sebuah program komputer yang dirancang untuk menstimulasi percakapan intelektual dengan satu atau lebih manusia secara audio maupun teks. Chatterbot dikategorikan sebagai kecerdasan buatan atau Artificial Intelligence, yang dimanfaatkan untuk tujuan praktis seperti bantuan online, layanan personal, atau diskusi informasi, dengan begitu hal ini dapat dilihat bahwa fungsi program sebagai suatu jenis agen percakapan (conversational agent). Berikut ini adalah penjelasan dari ELIZA, PARRY, dan NET TALK :

 

     ELIZA 

    

      Program yang dipublikasikan oleh Joseph Weizenbaum pada tahun 1966, yang dapat mengelabui pengguna hingga mempercayai bahwa mereka sedang bercakap-cakap dengan manusia nyata. Tujuan dari pembuatan program ini adalah untuk meniru pembicaraan antara seorang psikolog dan pasiennya yang dimana Eliza berperan sebagai psikoterapis dan memberikan saran dan nasihat tentang masalah penggunanya. Kunci metode operasional Eliza melibatkan rekognisi dari isyarat kata-kata atau kalimat input, dan output berupa tanggapan yang telah dipersiapkan atau diprogram, yang dapat meneruskan percakapan dengan suatu cara sehingga tampak bermakna.

·         ·         PARRY

   Parry dibuat pada tahun 1972 oleh psikiatris Kenneth Colby ketika di Universitas Stanford. Parry bertujuan untuk merefleksikan pikiran pasien dengan mental paranoid yang serius. Program ini menjalankan model mentahan dari prilaku schizophrenia paranoid berdasarkan konseptualisasi dan kepercayaan (penilaian tentang konseptualisasi : penerimaan, penolakan, dan netral). Ini juga menggunakan strategi percakapan, lebih serius dan merupakan program lanjutan dari Eliza. 

·              NET TALK

       Connectionism adalah gerakan dalam ilmu kognitif yang berharap untuk menjelaskan kemampuan intelektual manusia menggunakan jaringan syaraf tiruan (juga dikenal sebagai “jaringan syaraf”). Jaringan syaraf disederhanakan model otak terdiri dari sejumlah besar unit (young analog neuron) bersama-sama dengan bobot yang mengukur kekuatan hubungan antara unit. Model ini berat efek dari sinaps yang menghubungkan satu neuron yang lain. Percobaan pada model semacam ini telah menunjukkan kemampuan untuk mempelajari keterampilan seperti pengenalan wajah, membaca, dan deteksi struktur gramatikal sederhana. Connectionists telah membuat kemajuan yang signifikan dalam menunjukkan kekuatan jaringan saraf untuk menguasai tugas-tugas kognitif. Berikut adalah tiga percobaan terkenal yang telah mendorong connectionists untuk percaya bahwa JST model yang baik dari kecerdasan manusia. Salah satu yang paling menarik dari upaya tersebut adalah kerja 1987 Sejnowski dan Rosenberg di jaring yang dapat membaca teks bahasa Inggris disebut NETtalk. Pelatihan ditetapkan untuk NETtalk adalah basis data yang besar terdiri dari teks bahasa Inggris ditambah dengan output yang sesuai fonetik-nya, yang ditulis dalam kode yang cocok untuk digunakan dengan synthesizer pidato. Tape kinerja NETtalk di berbagai tahap pelatihan mendengarkan sangat menarik. Pada awalnya output random noise. Kemudian, bersih suara seperti itu mengoceh, dan kemudian masih seolah-olah itu adalah berbahasa Inggris double-talk (pidato yang dibentuk dari suara yang menyerupai kata dalam bahasa Inggris). Pada akhir pelatihan, NETtalk melakukan pekerjaan yang cukup baik mengucapkan teks diberikan. Selain itu, kemampuan ini generalizes cukup baik untuk teks yang tidak disajikan pada training set.

sumber: http://irmasepta.blogspot.com/2016/11/artificial-intelligence-eliza-parry-net.html

http://ayuinta.blogspot.com/2015/12/sejarah-ai-hubungan-ai-dengan-kognisi.html

https://evangelinosite.wordpress.com/2017/09/28/artificial-intelligence-definisi-sejarah-dan-contoh-kecerdasan-buatan/

http://itdare.blogspot.com/2014/04/sejarah-dan-pengertian-tentang-sistem.html