Mengurangi jumlah karyawan dalam organisasi.

Meningkatkan efisiensi dan efektivitas pengambilan Keputusan.

Menggantikan peran manajer sepenuhnya.

Hanya fokus pada pengumpulan data mentah.

Mendesain ulang proses bisnis secara keseluruhan.

Jumlah total output yang dihasilkan.

Jumlah sumber daya yang digunakan.

Rasio antara output (hasil) dan input (sumber daya).

Tingkat kepuasan pelanggan terhadap produk.

Kecepatan penyelesaian tugas oleh karyawan.

Solusi yang belum diimplementasikan.

Pernyataan keadaan yang belum sesuai dengan yang diharapkan.

Model matematika yang kompleks.

Keputusan yang telah diambil oleh manajer

Evaluasi terhadap solusi potensial.

Mengabaikan solusi potensial.

Menunggu masalah terselesaikan dengan sendirinya.

Memilih dan merekomendasikan satu Solusi dari masalah.

Menghindari penggunaan model matematika.

Hanya fokus pada pengumpulan data tanpa evaluasi.

Planning, Execution, Monitoring

Data Collection, Data Analysis, Reporting

Intelligence, Design, Choice

Hardware, Software, Data

Input, Process, Output

Pasar dan Pesaing

Strategi Bisnis

Prosedur (Langkah-langkah operasional)

Laporan Keuangan Tahunan

Struktur Organisasi

Sistem untuk otomatisasi tugas-tugas rutin kantor.

Sistem berbasis komputer untuk membantu manajer menganalisis data semi-terstruktur atau tidak terstruktur.

Database yang menyimpan seluruh data transaksi perusahaan.

Perangkat keras jaringan untuk komunikasi data.

Sistem penggajian karyawan otomatis.

Kaku dan sulit digunakan.

Hanya menggunakan satu sumber data internal.

Mendukung pengambilan keputusan pada level taktis dan strategis.

Fokus utamanya pada data terstruktur saja.

Tidak memerlukan interaksi dengan pengguna.

Untuk mengurangi kebutuhan manajer.

Untuk menangani masalah yang sepenuhnya terstruktur.

Untuk memperlambat proses pengambilan keputusan agar lebih hati-hati.

Untuk meningkatkan kualitas keputusan, misalnya memprediksi tren pasar.

Untuk menggantikan sistem transaksi operasional.

Menggantikan pengambil keputusan sepenuhnya.

Hanya mengumpulkan data tanpa analisis.

Memberikan dukungan dengan memadukan analisis terkomputerisasi dan pertimbangan manusia.

Fokus utama pada peningkatan efisiensi biaya.

Mengelola transaksi harian organisasi.

Kecepatan pemrosesan

Kapasitas penyimpanan

Jumlah pengguna

Efektivitas pengambilan Keputusan

Keamanan data

Mengotomatisasi semua fungsi manajemen.

Membantu manajer memecahkan masalah semi terstruktur dan tidak terstruktur.

Menyediakan laporan standar untuk level operasional.

Mengurangi interaksi antar manajer.

Menghilangkan kebutuhan akan pertimbangan manusia.

SPK menggunakan AI, sedangkan Sistem Pakar tidak.

SPK untuk masalah terstruktur, Sistem Pakar untuk semi-terstruktur.

Sistem Pakar mengadopsi dan memodelkan keahlian manusia khusus, SPK lebih fokus pada dukungan analisis data.

SPK menggantikan manajer, Sistem Pakar mendukung manajer.

Tidak ada perbedaan mendasar antara keduanya.

SIS fokus pada tugas manajerial harian, SPK pada keputusan strategis.

SIS mendukung keputusan dengan dampak strategis jangka panjang, SPK lebih luas cakupannya.

SPK adalah bagian dari SIS.

SIS hanya mengelola data, SPK menganalisis data.

Keduanya memiliki fungsi yang sama persis.

Hanya fokus pada pemodelan keahlian pakar.

Mendukung keputusan strategis jangka panjang saja.

Mengelola transaksi, data, dan informasi untuk mendukung tugas manajerial dan fungsi manajemen.

Dirancang khusus untuk masalah tidak terstruktur.

Berfungsi sebagai alat komunikasi antar departemen.

Document Driven

Model Driven

Knowledge Driven

Data Driven

Communication Driven

Data Driven

Document Driven

Model Driven

Knowledge Driven

Communication Driven

Biaya pengembangan yang selalu rendah.

Tidak memerlukan data yang lengkap.

Peningkatan konsistensi dan transparansi dalam pengambilan keputusan.

Hanya cocok untuk masalah yang sangat terstruktur.

Pengambil keputusan menjadi sangat bergantung pada sistem.

Memperlambat siklus pengambilan keputusan.

Tidak mampu menganalisis data kompleks.

Pengambil keputusan mungkin terlalu bergantung pada SPK dan kurang mempertimbangkan faktor eksternal.

Sulit digunakan untuk mendukung keputusan tak terstruktur.

Tidak transparan dalam proses analisisnya.

Hanya yang sepenuhnya terstruktur.

Hanya yang sangat sederhana.

Semi terstruktur dan tak terstruktur.

Rutin dan berulang.

Yang tidak memerlukan data sama sekali.

Adaptasi dan fleksibelitas

Kemudahan penggunaan (User-Friendly)

Keputusan yang saling bergantung dan sekuensial

Mendukung manajer di semua level

Kontrol oleh pengambil keputusan

Fokus pada keefektifan

Mendukung pengambilan Keputusan individu dan kelompok

Adaptasi dan fleksibelitas

Kemudahan pengembangan oleh pengguna Akhir

Akses ke berbagai sumber data

Agar sistem terlihat lebih canggih.

Untuk meningkatkan efektivitas pengguna dalam menggunakan sistem.

Agar hanya ahli IT yang bisa menggunakannya.

Untuk mengurangi biaya perangkat keras.

Agar tidak perlu dukungan grafis.

Sistem sepenuhnya mengontrol keputusan akhir.

Pengguna tidak dapat mengubah proses keputusan.

Pengambil keputusan memiliki kontrol penuh atas langkah-langkah dan fleksibilitas menyesuaikan proses.

Intervensi teknis selalu diperlukan untuk setiap modifikasi.

Sistem hanya dapat digunakan oleh satu orang.

Standlone, terintegrasi, dan berbasis Web

Pemodelan dan analisis

Akses ke berbagai sumber data

Fokus pada keefektifan

Kemudahan penggunaan (User-Friendly)

Specific User System (SUS)

General Purpose Software (GPS)

DSS Generators (DSSG)

Basic Computer Tools (BCT)

Advanced AI Modules (AIM)

Pengguna akhir yang membuat keputusan.

Orang yang bertugas mengembangkan SPK spesifik memanfaatkan kemampuan pembangkit SPK.

Tim teknis yang memelihara database.

Orang yang menerjemahkan kebutuhan manajer ke spesifikasi teknis.

Orang yang mengembangkan teknologi perangkat lunak baru.

Manajemen Data (Database Management)

Manajemen Model (Model Management)

Manajemen Pengetahuan (Knowledge Management)

Antarmuka Pengguna (User Interface)

Subsistem Berbasis Pengetahuan

Menjalankan model analisis.

Berinteraksi dengan pengguna melalui grafis.

Menyimpan data yang relevan dan mengaturnya menggunakan DBMS.

Menyediakan kepakaran khusus seperti Expert System.

Mengelola eksekusi model.

Design, Intelligence, Choice, Implementation

Intelligence, Design, Choice, Implementation

Intelligence, Choice, Design, Implementation

Choice, Design, Intelligence, Implementation

Implementation, Choice, Design, Intelligence

Memilih solusi terbaik.

Menjalankan solusi yang dipilih.

Mengembangkan alternatif tindakan.

Menemukan dan menganalisis masalah (mengumpulkan data, identifikasi, kategorisasi).

Memvalidasi model yang dibuat.

Fase 1: Intelligence

Fase 2: Design

Fase 3: Choice

Fase 4: Implementation

Fase Analisis Pasca-Implementasi

Mengidentifikasi masalah awal.

Membangun hubungan antar variabel.

Mengevaluasi dan memilih alternatif tindakan terbaik berdasarkan kriteria.

Menjalankan solusi dan memantau hasilnya.

Mengumpulkan data dari lingkungan organisasi.

Masalah baru diidentifikasi.

Alternatif solusi dirancang.

Kriteria pemilihan ditetapkan.

Tindakan untuk menjalankan Solusi yang telah dipilih dilakukan dan dievaluasi.

Data relevan dikumpulkan.

Model Criteria Decision Management

Multi Criteria Decision Making

Multiple Choice Decision Model

Managerial Criteria Design Method

Maximum Criteria Determination Method

MADM untuk banyak tujuan, MODM untuk banyak atribut.

MADM memilih alternatif terbaik berdasarkan atribut/kriteria, MODM mengoptimalkan/meminimalkan beberapa tujuan.

MADM menggunakan model linier, MODM menggunakan model non-linier.

MADM hanya untuk data kualitatif, MODM untuk kuantitatif.

Tidak ada perbedaan signifikan antara keduanya.

SMART

SAW

TOPSIS

AHP (Analythic Hierarchy Process)

ELECTRE

GP (Goal Programming)

DEA (Data Envelopment Analysis)

LP (Linear programming)

GA (Genetic Algorithm)

NLP (Non – Linear Programming)

Solusi alternatif yang tersedia.

Tujuan akhir yang ingin dicapai.

Parameter atau tolok ukur sebagai dasar membandingkan alternatif.

Bobot kepentingan setiap alternatif.

Fase implementasi keputusan.

Ilmu tentang penyimpanan data di database.

Bidang ilmu yang menggunakan metode ilmiah untuk mengekstrak pengetahuan dari data terstruktur/tidak terstruktur.

Proses membuat visualisasi data yang menarik.

Hanya studi tentang algoritma machine learning.

Penggunaan statistik untuk analisis deskriptif saja.

Manajemen Proyek dan Komunikasi Bisnis

Statistik, Pembelajaran Mesin (Machine Learning), dan Pengelolahan Data

Desain Grafis dan Pengembangan Web

Rekayasa Perangkat Keras dan Jaringan Komputer

Akuntansi dan Keuangan Perusahaan

Meningkatkan ketergantungan pada intuisi.

Memperlambat proses agar lebih teliti.

Mengurangi bias dan lebih berdasarkan pada fakta (Objektivitas).

Menghilangkan kebutuhan analisis data.

Hanya berguna untuk data kualitatif.

Pengumpulan Data

Pembersihan Data

Defenisi Masalah

Eksplorasi Data

Evaluasi Model

Mengumpulkan data dari berbagai sumber.

Membuat model prediktif.

Menjelajahi pola dalam data.

Menghapus duplikasi, data kosong, atau data yang tidak relevan/salah.

Mengevaluasi kinerja model.

Seberapa sering itemset tersebut muncul dalam transaksi.

Seberapa kuat hubungan antara dua itemset.

Tingkat keuntungan yang dihasilkan oleh itemset.

Probabilitas item Y dibeli jika item X dibeli.

Jumlah total transaksi yang dianalisis.

Menentukan tingkat confidence minimum.

Mengukur kekuatan asosiasi antar item.

Batas minimum frekuensi kemunculan agar suatu itemset dianggap "frequent" atau menarik.

Menghitung jumlah item dalam satu transaksi.

Memvalidasi hasil akhir model.

Seberapa sering X dan Y muncul bersama.

Seberapa sering Y muncul secara keseluruhan.

. Probabilitas Y dibeli, jika X sudah dibeli.

Peningkatan kemungkinan Y dibeli karena X dibeli, dibandingkan jika Y dibeli secara acak.

Frekuensi kemunculan X.

Hanya frekuensi Y.

Hanya confidence dari aturan.

Seberapa besar kemungkinan Y dibeli ketika X dibeli, dibandingkan dengan kemungkinan Y dibeli secara umum (mengukur kekuatan asosiasi melebihi kebetulan).

Jumlah transaksi yang berisi X dan Y.

Jumlah item dalam keranjang belanja.

Hubungannya lemah.

Hubungannya netral atau biasa saja.

Pelanggan yang membeli Susu dan Roti dua kali lebih mungkin membeli Skincare dibandingkan pelanggan biasa (asosiasi sangat kuat).

Skincare tidak pernah dibeli bersama Susu dan Roti.

Confidence aturan ini pasti 100%.