Sistem Pendukung Keputusan Materi Pertemuan Over View

1.    Kumpulkan materi yang berkaitan dengan kerja manajer, kebutuhan akan dukungan terkomputerisasi dan peran sistem pendukung keputusan dalam memberi referensi tersebut.

PENDUKUNG MANAJEMEN DAN PENGAMBILAN KEPUTUSAN

Pembahasan ini bertujuan untuk menjelaskan dukungan komputer dan web bagi pengambil keputusan manajerial. Pembahasan akan dimulai dengan menjelaskan mengapa dukungan terkomputerisasi diperlukan. Kemudian akan disajikan konsep dan metologi DSS (Decision Suport System) yang terkomputerisasi untuk mendukung individu, kelompok, dan seluruh organisasi. Selanjutnya akan diperkenalkan beberapa jenis sistem inteligen dan perannya dalam mendukung keputusan.

A. MANAJER DAN PENGAMBILAN KEPUTUSAN

Manajemen adalah proses untuk mencapai tujuan organisasi melalui penggunaan sumber daya (orang, uang, energi, materi, ruang, dan waktu). Sumber daya ini dianggap masukan (input); pencapaian tujuan dianggap sebagai hasil (output) dari proses ini. Manajer mengawasi proses ini dalam usaha untuk mengoptimalkannya. Keberhasilan manajer sering diukur dengan rasio antara masukan dan hasil yang menjadi tanggung jawabnya. Rasio ini adalah indikasi dari produktivitas organisasi.

1.Pekerjaan Manajer

Untuk memahami bagaimana sistem informasi mendukung manajer, pertama-tama perlu dijelaskan sedikit mengenai pekerjaan manajer. Secara umum, manajer mempunyai tiga peran utama:

a.Peran Interpersonal; figur yang ditiru, pemimpin, penghubung.

b.Peran Informasi; pengawas, penyebar informasi, juru bicara.

c.Proses Peran Pengambil Keputusan; wirausaha, orang yang menangani masalah, 

   penentu alokasi sumber daya, negosiator.

2.Pengambilan Keputusan

Keputusan mengacu pada pilihan yang dibuat dari dua alternatif atau lebih. Keputusan beraneka ragam dan dibuat secara berkelanjutan baik oleh individu maupun oleh kelompok. Ketika membuat keputusan, baik yang berupa organisasional maupun personal, pengambil keputusan melalui proses sistematik. Adapun proses yang dilalui antara lain:

a.Intelegensi

b.Desain

c.Pilihan

d.Implementasi

Proses pengambilan keputusan dimulai dari tahap intelegensi, dimana manajer memeriksa situasi dan mengidentifikasi serta mendefinisikan masalah. Dalam tahap desain, pengambil keputusan membentuk sebuah model yang menyederhanakan masalah. Model ini kemudian divalidasi dan pengambil keputusan menetapkan kriteria untuk evaluasi solusi potensi alternatif yang teridentifikasi. Tahap pilihan mencakup pemilihan solusi yang diuji di atas kertas. Setelah solusi yang diusulkan ini tampak layak, kita siap ke tahap terakhir –implementasi. Implementasi yang sukses menghasilkan penyelesaian dari masalah awal atau peluang. Kegagalan menyebabkan kembali ke tahap sebelumnya.

3.        Pembuatan Model dan Model

Model (dalam pengambilan keputusan) adalah representasi yang diharapkan, atau abstraksi dari realitas. Disederhanakan karena realitas terlalu rumit untuk ditiru secara persis, dan karena banyak dari kerumitannya yang sebenarnya tidak relevan dengan masalah tertentu. Dengan pembuatan model, kita dapat melakukan eksperimen virtual dan analisis terhadap realitas itu sendiri.

Manfaat dari pembuatan model dalam pembuatan keputusan adalah

·Biaya dari eksperimen virtual jauh lebih rendah daripada biaya eksperimen yang dilakukan dengan sistem yang nyata.

·Model memungkinkan kompresi waktu simulasi. Bertahun-tahun operasi dapat disimulasi dalam hitungan detik pada waktu komputer.

·Manipulasi model (dengan menggunakan variabel) jauh lebih mudah daripada manipulasi sistem nyata.

·Lingkungan saat ini dipenuhi ketidakpastian. Pembuatan model memungkinkan manajer untuk menghadapi ketidakpastian dengan memperkenalkan banyak kemungkinan dan menghitung risiko yang ada dalam tindakan tertentu.

4.Mengapa Manajer Membutuhkan TI

Sulit untuk membuat keputusan yang baik tanpa informasi yang valid dan relevan. Informasi yang dibutuhkan untuk setiap tahap dan aktivitas dalam proses pengambilan keputusan. Meskipun informasi banyak tersedia, pengambilan keputusan menjadi semakin sulit karena kecenderungan sebagai berikut:

· Jumlah alternatif yang perlu dipertimbangkan semakin meningkat, karena inovasi dalam teknologi, perbaikan komunikasi, perkembangan pasar global, dan pengunaan internet dan e-business. Kunci dari pengambilan keputusan yang baik adalah menggali dan membandingkan berbagai alternatif yang relevan. Semakin banyak alternatif yang ada, semakin banyak pencarian dengan bantuan komputer dan perbandingan yang dibutuhkan.

· Biasanya, keputusan harus dibuat di bawah tekanan waktu. Seringkali tidak mungkin untuk memproses informasi yang dibutuhkan secara manual untuk mendapatkan hasil yang cepat dan efektif.

· Karena peningkatan ketidakpastian dalam lingkungan keputusan, keputusan menjadi semakin rumit. Biasanya perlu untuk melakukan analisis yang  canggih untuk dapat membuat keputusan yang baik. Analisis semacam ini memerlukan penggunaan model.

· Sering perlu untuk mengakses secara cepat mengakses informasi yang jauh, berkomunikasi dengan ahli atau melakukan sesi pengambilan keputusan kelompok, semuanya tanpa pengeluaran yang besar.

 

5.Kerangka Kerja Untuk Analisis Keputusan Terkomputerisasi

Untuk memahami sistem pendukung manajemen dengan lebih baik, keputusan perlu diklasifikasikan dalam dua dimensi utama: struktur masalah dan sifat keputusan.

Dimensi pertama adalah struktur masalah, dimana proses pengambilan keputusan berada dalam urutan mulai dari keputusan yang tidak terstruktur hingga keputusan sangat terstruktur. Keputusan terstruktur mengacu pada masalah yang rutin dan berulang dimana solusi standarnya ada. Dalam masalah yang terstruktur, tiga tahap proses keputusan yang pertama (intelegensi, desain, dan pilihan) memiliki urutan tertentu, dan prosedur untuk mendapatkan solusi terbaik diketahui.

Di sisi lain dari kompleksitas masalah adalah keputusan tak terstruktur. Ini adalah masalah yang rumit dan membingungkan dimana tidak ada solusi yang langsung tersedia. Masalah yang terstruktur tidak memiliki urutan tertentu dalam intelegensi, desain, dan pilihan. Dalam amsalah semacam ini, intuisi manusia sering memainkan peran penting dalam pengambilan keputusan.

Di antara masalah terstruktur dan tak terstruktur terdapat masalah semiterstruktur, dimana hanya beberapa tahap proses keputusan yang terstruktur.

Dimensi kedua dari pendukung keputusan adalah sifat keputusan. Ada tiga kategori utama dalam semua keputusn manajerial; (1) pengendalian operasional pelaksanaan tugas tertentu secara efisien dan efektif;  (2) pengendalian manajemen- akuisisi dan penggunaan sumber daya secara efisien dalam mencapai tujuan organisasi; (3) pencarian strategis tujuan jangka panjang dan kebijakan untuk pertumbuhan dan alokasi sumber daya.

 

B. SISTEM PENDUKUNG KEPUTUSAN

Secara umum, sistem pendukung keputusan (Decision Support System-DSS) didefinisikan sebagai sistem informasi berbasis komputer yang menggabungkan model dan data guna menyelesaikan masalah semiterstruktur dan beberapa masalah tak testruktur dengan keterlibatan pengguna secara luas.

1. Karakteristik dan Kemampuan DSS

Kebanyakan DSS memiliki beberapa atribut yang ditunjukkan berikut ini:

· DSS memerikan dukungan bagi pengambil keputusan pada semua tingkat manajemen, baik individu maupun kelompok, terutama dalam situasi semistruktur dan takterstruktur dengan menyatukan penilaian manusia dan informasi subjektif.

·  DSS mendukung beberapa keputusan yang saling berkaitan dan/atau berurutan.

· DSS mendukung semua tahap dalam proses pengambilan keputusan serta berbagai proses dan gaya pengambilan keputusan.

· DSS dapat diadaptasikan oleh pengguna sepanjang waktu untuk menghadapi kondisi yang berubah-ubah.

·  DSS mudah untuk dikonstruksi dan digunakan dalam banyak kasus.

· DSS mendorong pembelajaran yang mengarah pada permintaan baru dan penyempurnaan aplikasi yang ada saat ini, yang megarah pada pembelajaran tambahan dan seterusnya.

·           DSS biasanya menggunakan model kuantitatif.

·           DSS tingkat lanjut dilengkapi dengan komponen manajemen pengetahuan yang memungkinkan solusi yang efisien dan efektif untuk masalah yang sangat rumit.

·           DSS dapat disebarkan untuk digunakan melalui web

·           DSS memungkinkan pelaksanaan analisis sensitivitas secara mudah.

DSS juga menerapkan model matematika dan memiliki kemampuan khusus dan dapat diaplikasikan ke beberapa model analisis

·           Analisis Sensitivitas (sensitivity analysis) adalah studi mengenai dampak dari perubahan pada satu (atau beberapa) bagian dari suatu model terhadap bagian lainnya.

Analisis sentivitas sangat bermanfaat dalam DSS karena membuat sistem fleksibel dan dapat diadaptasi ke kondisi yang berubah-ubah dan terhadap berbagai persyaratan yang muncul dalam situasi pengambilan keputusan. Analisis ini memberikan pemahaman yang lebih baik mengena model dan masalah inti yang dideskripsikannya. Analisis ini dapat meningkatkan kepercayaan pengguna terhadap model, khususnya ketika model tidak terlalu sensitive terhadap perubahan. Model sensitive berarti bahwa perubahan kecil dalam kondisi menghasilkan solusi yang berbeda. Dalam model non-sensitif, perubahan dalam kondisi tidak mengubah secara signifikan solusi yang direkomendasikan. Ini berarti bahwa ksempatan bagi suatu solusi untuk berhasil sangat tinggi.

·           Analisis What-if. Pembangunan model harus membuat prediksi dan asumsi mengenai data yang dimasukkan, banyak diantaranya didasari oleh penilaian dari masa depan yang tidak pasti. Hasilnya bergantung kepada asumsi ini, yang seringkali bersifat subjektif, yang dibuat oleh beberapa orang saja. Analisis what-if berusaha memeriksa dampak suatu perubahan data dalam asumsi yang diusulkan.

·           Analisis Pencarian Tujuan. Mewakili pendekatan solusi “arah-kebalikan”. Analisis ini berusaha mencari nilai masuka yang dibutuhkan untuk mencapai tingkat hasil yang diharapkan.

2.        Struktur dan Komponen DSS

Setiap DSS terdiri atas minimal subsistem manajemen data, subsistem manajemen model, antarmuka pengguna, dan pengguna akhir.

·           Subsistem Manajemen Data. Sama dengan manajemen data lainnya, subsistem manajemen data berisi semua data yang mengalir dari beberapa sumber. Data biasanya diekstraksi sebelum dimasukkan ke dalam basis data DSS atau gudng data.

·           Subsistem Manajemen Model. Berisi model yang lengkap dan blok bangunan yang diperlukan untuk mengembangkan aplikasi DSS. Ini mencakup pirant lunak standar dengan model keuangan, statistic, dan ilmu manajemen atau model kuantitatif lainya. Subsistem manajemen model juga berisi semua model yang ditulis untuk DSS tertentu.

·           Antarmuka Pengguna. Istilah antarmuka pengguna mencakup semua aspek komunikasi antara pengguna dan DSS. Antarmuka pengguna menyediakan banyak daya, fleksibilitas, dan kemudahan pemakaian dari DSS.

·           Pengguna. Orang yang menghadapi masalah atau keputusan yang harus didukung oleh DSS disebut pengguna, manajer, atau pengambil keputusan. DSS mempunyai dua kelompok pengguna, manajer dan staf ahli.

·           Subsistem Berbasis Pengetahuan. Banyak masalah takterstruktur dan semiterstruktur yang sangat rumit sehingga memerlukan keahlian untuk mendapatkan solusinya. Keahlian semacam ini dapat disediakan oleh sistem berbasis pengetahuan.

3.        Cara Kerja DSS

Ketika pengguna mendapatkan masalah bisnis, dia mengevaluasinya. Sistem DSS kemudian dikonstruksi. Pengguan DSS mendapatkan data mereka dari gudang data, basis data, dan sumber data lainnya. Data ini dimasukkan ke dalam DSS. Pengetahuan dapat juga didapat dari basis pengetahuan perusahaan. Semakin banyak masalah yang dihadapi, semakin banyak pengetahuan yang terkumpul dalam basis pengetahuan organisasi.

C.SISTEM PENDUKUNG KEPUTUSAN PERUSAHAAN DAN EKSEKUTIF

Ada dua jenis perusahaan yang diuraikan disini, sistem yang mendukung seluruh tujuan organisasional, dan sistem yang mendukung keputusan yang dibuat oleh manajer dan eksekutif.

1.        DSS Organisasional

DSS organisasional (Organizational Decision Support System-ODSS) adalah sistem yang berfokus pada tugas atau kegiatan organsasional yang melibatkan urutan operasi dan pengambil keputusan, seperti mengembangkan rencana pemasaran divisi atau menyusun anggaran modal.

Ada tiga karakteristik utama dari ODSS: (1) ODSS mempengaruhi beberapa unit organisasional atau masalah perusahaan, (2) ODSS memotong fungsi-fungsi organisasional atau lapisan hierarki, (3) ODSS melibatkan teknologi berbasis komputer dan biasanya mencakup teknologi informasi.

2.        Sistem Pendukung Informasi Eksekutif

Sebagian besar DSS personal mendukung pekerjaan profesional dan manajer tingkat mnengah. DSS organisasional menyediakan dukungan utamanya bagi perencana, analisis peneliti, dan beberapa manajer. Agar manajer dapat digunakan oleh manajer tingkat atas, DSS tersebut harus memenuhi kebutuhan eksekutif. Sistem Informasi Eksekutif (Executive Information System- EIS), yang disebut juga Sistem Pendukung Eksekutif (Executive Support System- ESS), adalah teknologi berbasis komputer yang didesain untuk merespon kebutuhan khusus dari eksekutif.

EIS melayani kebutuhan informasi dari eksekutif tingkat atas atau dengan menyediakan akses yang cepat terhadap informasi dan akses langsung ke laporan manajemen. EIS sangat mudah digunakan dan didukung oleh grafis, serta menyediakan kemampuan pelaporan pengecualian dan mengali (meneliti informasi secara terperinci).

3.        Kemampuan dan Karakteristik ESS

ESS bervariasi kemampuan dan manfaatnya. Kemampuan umum dari kebanyakan ESS dapat dilihat sebagai berikut:

·           Kemampuan untuk membuat perincian, di beberapa tingkat dapat dilaksanakan dengan serangkaian menu atau permintaan langsung.

·           Faktor-faktor yang paling penting bagi keberhasilan bisnis. Ini dapat bersifat organisasional, industri, departemen, dan sebagainya.

·           Tren jangka pendek, menengah, dan panjang dari KPI atau metrik, yang diproyeksikan dengan menggunakan metode peramalan.

·           Analisis yang dibuat kapan saja, berdasarkan permintaan dan dengan faktor-faktor atau hubungan yang diinginkan.

·           Laporan yang menunjukkan penyimpangan yang lebih besar daripada batas tertentu. Laporan dapat mencakup penyimpangan saja. Didasari oleh konsep manajemen menurut pengecualian.

D.          SISTEM INTELEGEN DAN INTELEGEN BUATAN

Sistem pendukung inteligen adalah istilah yang menjelaskan berbagai aplikasi komersial dari kecerdasan buatan (artificial intelligence).

1.        Kecerdasan Buatan dan Perilaku inteligen

Kecerdasan buatan adalah subbidang dari ilmu komputer. Kecerdasan buatan berhubungan dengan ide dasar yang meliputi; pertama, mempelajari proses pemikiran manusia, dan kedua menyajikan proses tersebut melalui mesin.

Salah satu definisi yang banyak dipublikasikan mengenai inteligen buatan adalah “perilaku mesin yang, jika dilaksanakan oleh manusia akan dianggap cerdas/intelligent. Jadi apa yang dimaksud dengan perilaku inteligen ? kemampuan berikut ini dipandang sebagai tanda dari intelegen: pembelajaran atau pemahaman dari pengalaman, kejelasan akan pesan-pesan yang ambigu atau kontradiktif, dan respon yang cepat dan berhasil terhadap situasi yang baru.

Tujuan akhir dari intelgen buatan adalah membangun mesin yang akan meniru kecerdasan manusia. Berikut adalah perbandingan antara kecerdasan alami dan kecerdasan buatan:

Kemampuan

Kecerdasan Alami

Kecerdasan Buatan

Penyimpanan Pengetahuan

Mudah hilang dari sudut pandang organisasional

Permanen

Duplikasi dan Penyebaran Pengetahuan

Sulit, mahal dan memerlukan banyak waktu

Mudah, cepat, dan tidak mahal setelah pengetahuan berada di komputer.

Total Biaya Pengetahuan

Dapat berbeda-beda dan tidak konsisten. Kadang-kadang tidak lengkap.

Konsisten dan menyeluruh

Dokumentasi Proses dan Pengetahuan

Sulit, mahal

Cukup mudah, tidak mahal.

Kreativitas

Bias sangat tinggi

Rendah, tidak ada inspirasi.

Penggunaan Pengalaman Indera

Langsung dan banyak kemungkinan

Harus diinterpretasikan dulu, terbatas.

Pola Pengenalan dan Hubungan

Cukup midah dijelaskan

Pembelajaran mesin masih belum sebaik orang dalam kebanyakan hal.

Penalaran

Memanfaatkan konteks pengalaman yang luas

Hanya baik dalam ranah yang sempit, terfokus, dan stabil.

2.        Teknologi AI (artificial intelligence) komersial

Perkembangan mesin yang menampilkan karakteristik intelegen menarik berbagai ilmu pengetahuan dan teknologi mulai dari linguistic hinga matematika. Kecerdasan buatan sebenarnya bukanlah bidang yang komersial. Ini adalah kumpulan konsep dan ide yang sesuai untuk penelitian.

Sistem inteligen utama adalah sistem ahli, pemrosesan bahan alami, pemahaman wicara, robotika, dan sistem sensor, fuzzy logic, komputasi syaraf, visi komputer dan pengenalan latar (scene recognition), dan instruksi yang dibantu komputer (computer aided instruction).

E.           EXPERT SYSTEM

Ketika organisasi memilih keputusan yang kompleks untuk menyelesaikan suatu masalah, organisasi tersebut sering meminta saran dari ahli. Ahli ini mmeiliki pengetahuan tertentu dan pengalaman dalam masalah tersebut. Mereka sadar akan solusi alternatif, peluang keberhasilan, dan biaya yang mungkin dikeluarkan oleh perusahaan jika masalah tersebut tidak diselesaikan.

Sistem ahli (expert system- ES) adalah usaha untuk meniru seorang ahli dengan menerapkan metologi penalaran atau pengetahuan dalam ranah tertentu. Sistem ahli dapat mendukung pengambil keputusan atau mengganti mereka secara keseluruhan. Sistem ahli adalah teknologi intelegen buatan yang paling banyak diterapkan dan digunakan secara komersial.

Umumnya ES adalah piranti lunak pengambil keputusan yang dapat menjangkau tingkat kinerja yang sebanding dengan ahli di dalam masalah yang khusus dan biasanya sempit. Ide dasar dari ES besifat sederhana: keahlian ditransefer dari seorang ahli ke komputer. Pengetahuan ini kemudian disimpan di dalam komputer dan pengguna dapat meminta komputer menyediakan sarana yang diperlukan. Komputer dapat membuat inferensi dan menarik kesimpulan, kemudian seperti seorang ahli, komputer menawarkan saran atau rekomendasi dan menjelaskan jika perlu logika dari saran tersebut.:

1.        Keahlian dan Pengetahuan

Keahlian adalah pengetahuan yang luas dan sesuai dengan tugas yang diperoleh dari latihan, membaca, dan pengalaman. Ini memungkinkan para ahli untuk membuat keputusan yang lebih baik dan lebih cepat dari para non-ahli dalam menyelesaikan masalah yang rumit. Keahlian memerlukan waktu yang panjang untuk diperoleh dan didistribusikan di dalam organisasi secara tidak merata.

Transfer keahlian dari seorang ahli ke komputer dan kemudian ke pengguna melibatkan empat aktivitas

          i.               Pemerolehan pengetahuan. Pengetahuan diperoleh dari para ahli atau dari sumber-sumber dokumentasi secara tidak merata.

        ii.               Representasi pengetahuan. Pengetahuan yang diperoleh diatur berdasarkan peraturan atau kerangka ddisimpan secara elektronik dalam basis pengetahuan.

      iii.               Inferensi pengetahuan. Dengan adanya keahlian yang diperlukan yang disimpan dalam basis pengetahuan, komputer deprogram agar dapat membuat inferensi. Fungsi penalaran dilaksanakan di dalam komponen yang disebut inference engine yang merupakan otak dari ES.

      iv.               Transfer pengetahuan. Keahlian yang diinferensikan ke pengguna dalam bentuk rekomendasi.

2.        Manfaat dan Kelemahan dari Expert System

Selama beberapa tahun terakhir, teknologi sistem ahli telah berhasil diterapkan dalam ribuan organisasi di seluruh dunia untuk mengatasi masalah-masalah dari penelitian AIDS hingga analisis debu pada pertambangan.

Meskipun memiliki banyak manfaat, metodologi ES tidak selalu bersifat langsung dan efektif. Sistem ahli mungkin tidak dapat mencapai kesimpulan. Misalnya bahkan beberapa ES yang dikembangkan secara penuh tidak dapat memenuhi dua persen dari pesanan yang disajikan bagi mereka. Akhirnya, ES, seperti seorang ahli kadang-kadang menghasilkan rekomendasi yang kurang tepat.

Berikut adalah beberapa manfaat Sistem ahli:

Manfaat

Deskripsi

Peningkatan hasil dan produktivitas

ES dapat mengkonfigurasi komponen untuk setiap pesanan tertentu, sehingga meningkatkan kemampuan produksi.

Peningkatan Kualitas

ES dapat menyediakan saran yang konsisten dan mengurangi tingkat kesalahan.

Penangkapan dan penyebaran keahlian yang langka

Keahlian dari berbagai tempat di dunia ini dapat diperoleh dan digunakan.

Operasi dalam lingkungan yang berbahaya

Sensor dapat mengumpulkan dan informasi yang diinterpretasikan oleh ES sehingga pekerja dapat menghindari lingkungan yang panas, lembab, dan beracun.

Aksebilitas ke pengetahuan dan help desk

ES dapat meningkatkan produktivitas dari karyawan help desk, atau bahkan mengotomatiskan fngsi ini.

Keandalan

ES tidak bias menjadi lelah atau bosan, tidak masuk karena sakit, dan sebagainya. Mereka secara konsisten memperhatikan perincian.

Kemampuan untuk bekerja dengan informasi yang tidak lengkap dan tidak pasti

Meskipun dengan jawaban “tidak tahu”, ES dapat menghasilkan jawaban meskipun bukan yang definitive/ pasti.

Provisi pelatihan

Fasilitas penjelasan dari ES dapat menjadi alat pengajaran dan basis pengetahuan bagi orang baru.

Peningkatan kemampuan pengambilan keputusan dan penyelesaian masalah

ES memungkinkan integrasi penilaian ahli ke dalam analisis.

Penurunan waktu pengambilan keputusan

ES biasanya bisa membuat keputusan lebih cepat daripada manusia yang bekerja sendiri.

Pengurangan waktu kerusakan

ES dapat dengan cepat mendiagnosis kesalahan fungsi mesin dan menyarankan langkah-langkah perbaikan.

3.        Komponen Expert system

Berikut ini adalah komponen-komponen dari sistem ahli; basis pengetahuan, mesin inferensi, papan tulis, anarmuka pengguna, dan subsistem penjelasan. Di masa depan, sistem akan mencakup komponen penyempurnaan pengetahuan. Komponen utama dari sistem ahli akan dideskripsikan berikut ini

·                Basis Pengetahuan. Basis pengetahuan berisi pengetahuan yang diperlukan untuk memahami, mermuskan, dan menyelesaikan masalah. Ini mencakup dua elemen dasar (1) fakta-fakta, seperti situasi masalah dan teori dari area masalah. Dan (2) peraturan, yang mengarahkan penggunaan pengeahuan untuk menyelesaikan masalah tertentu dalam ranah tertetu.

·                Mesin Inferensi. Mesin inferensi adalah otak dari ES. Komponen ini intinya adalah program komputer yang menyediakan metodologi untuk penalaran dan peumusan kesimpulan.

·                Antarmuka Pengguna. Antarmuka penguna memungkinkan dialog antara pengguna dengan komputer. Dialog ini paling baik dalam bahasa alami, biasanya dalam format Tanya jawab dan kadang-kadang dilengkapi dengan grafis. Dialog memicu mesin infernsi untuk menyesuaikan gejala masalah dengan pengetahuan dalam basis pengetahuan dan kemudian menghasilkan urutan.

·                Papan Tulis (black board). Papan tulis adalah area memori kerja yang dialokasikan untuk deskripsi masalah saat ini seperti yang ditentukan oleh data masukan.

·                Subsistem Penjelasan. Subsistem penjelasan dapat menelusuri tanggung jawab untuk mencapai kesimpulan dan menjelaskan perilaku ES. Ini secara interaktif menjawab pertanyaan seperti berikut ini: mengapa suatu pertanyaan tertentu diberikan oleh suatu sistem ahli, bagaimana kesimpulan tertentu dicapai, apa rencana untuk mencapai solusi.

Daftar Pustaka

Turban, Efraim. 2005. Information Technology for Management: Transforming Business in The Digital Economy. New York: John Wiley and Sons, Inc.