Kelebihan dan Kelemahan Pemodelan Manajer yang menggunakan model matematika bias mendapatkan manfaat melalui halhal berikut

: 1. Proses pemodelan dapat menjadi pengalaman belajar 2. Kecepatan Proses simulasi memungkinkan sejumlah besar alternative dapat dipertimbangkan dengan cara memberikan kemampuan untuk mengevaluasi dampak keputusan dalam waktu yang singkat. 3. Model memberikan kemampuan prediksi (pandangan ke masa yang akan datang) yang tidak dapat diberikan oleh metode penyedia informasi lain. 4. Model tidak semahal upaya uji coba. Kelebihan pemodelan ini dapat berkurang karena dua kelemahan dasar, yaitu: 1. Kesulitan untuk membuat model sistem bisnis akan menghasilkan model yang tidak mencakup semua pengaruh terhadap entitas. 2. Kemampuan matematis tingkat tinggi dibutuhkan untuk merancang model yang lebih kompleks. Selain itu, kemampuan semacam ini juga diperlukan untuk menginterprestasikan output dengan baik. PEMODELAN ELEKTRONIK Terobosan teknologi yang memungkinkan para pemecah persoalan untuk menyususn model matematika dan tidak sekedar hanya mengandalkan spesialis informasi atau ilmuwan manajemen adalah lembar kerja elektronik. a. Kapabilitas Pemodelan Statis Baris dan kolom dari lembar kerja elektronik membuatnya ideal untuk digunakan dalam model statis. Model ini merupakan model yang amat sederhana, di mana satu-satunya matematika yang dibutuhkan adalah pengurangan pengeluaran sebenarnya dari pengeluaran yang dianggarkan untuk menghasilkan varian. b. Kapabilitas Pemodelan Dinamis Lembar kerja sangat sesuai digunakan sebagai model dinamis. Model ini juga merupakan model yang sangat sederhana, dengan kas akhir dihitung dengan menambahkan kas di awal dan kas masuk lalu mengurangi kas keluar. c. Memainkan PermainanBagaimana Jika MATEMATIKA MENGGUNAKAN LEMBAR KERJA

Lembar kerja ini juga berguna untuk memainkan permainan bagaimana jika, di mana pemecah masalah memanipulasi satu atu lebih variabel untuk melihat dampak dari hasil simulasi. d. Antarmuka Model Lembar Kerja Ketika menggunakan lembar kerja sebagai model matematika, pengguna dapat memasukkan data atau membuat perubahan secara langsung pada sel-sel lembar kerja atau dapat menggunakan antarmuka pengguna grafis. Antarmuka dapat dipersiapkan menggunakan bahasa pemrograman seperti Visual Basic dan kemungkinan besar membutuhkan keahlian seorang spesialis informasi. KECERDASAN BUATAN Kecerdasan buatan (artifical intelligence - AI) adalah aktivitas penyediaan mesin seperti komputer dengan kemampuan untuk menampilkan perilaku yang akan dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan oleh manusia. a. Sejarah AI Bibit AI pertama kali disebar hanya du tahun setelah General Electric menerapkan komputer yang pertama kali digunakan untuk penggunaan bisnis. Tahun itu adalah tahun 1956, dan istilah kecerdasan buatan pertama kali dibuat oleh John McCarthy sebagai tema suatu konferensi yang dilaksanakan di Dartmouth College. Pada tahun yang sama, program komputer AI pertama yang disebut Logic Theorist, diumumkan. Kemampuan logic theorist yang terbatas untuk berfikir mendorong para ilmuwan untuk merancang program lain yang disebut General Problem Solver (GPS), yang ditujukan untuk digunakan dalam memecahkan segala macam masalah. Proyek ini ternyata membuat para ilmuwan yang pertama kali menyusun program ini kewalah, dan riset AI dikalahkan oleh aplikasi-aplikasi komputer yang tidak terlalu ambisisus seperti SIM dan DSS. Namun seiring waktu, riset yang terus-menerus akhirnya membuahkan hasil, dan AI telah menjadi wilayah aplikasi komputer yang solid. b. Wilayah AI Sistem Pakar Adalah program komputer yang berusaha untuk mewakili pengetahuan keahlian manusia dalam bentuk heuristik. Heuristik adalah aturan yang AI diterapkan di dunia bisnis dalam bentuk :

menjadi patokan atau aturan untuk menebak dengan baik. Sistem pakar dirancang oleh spesialis informasi (yang sering kali disebut insnyur pengetahuan (knowledge engineer)) yang mmemiliki keahlian khusus dalam bidang kecerdasan buatan. Jaringan Saraf Tiruan Jaringan saraf tiruan meniru fisiologi otak manusia. Jaringan ini mampu menemukan dan membedakan pola, sehingga membuatnya amat berguna dalam bisnis di wilayah pengenalan suara dan pengenalan karakter optis Alogaritme Genetik Alogaritme genetik menerapkan proses yang terkuat yang selamat untuk memungkinkan para pemecah masaalah agar menghasilkan solusi masalah yang semakin lebih baik. Agen Cerdas Agen cerdas digunakan untuk melakukan tugas yang berkaitan dengan komputer yang berulang-ulang. c. keputusan. Sistem pakar memberikan kesempatan untuk membuat keputusan yang melebihi kemampuan seorang manajer. Sistem pakar tersebut dapaat menjelaskan alasannya hingga menuju ke suatu keputusan. Sering kali, penjelasan mengenai nagaimana solusi tersebut dicapai lebih barharga dibandingkan solusi itu sendiri. d. Konfigurasi Sistem Pakar Antarmuka Pengguna Antar muak pengguna memungkinkan manajer untuk memasukkan instruksi dan informasi ke dalam sistem pakar dan menerima informasi dari sistem tersebut. Instruksi ini menentukan parameter yang Sistem pakar terdiri atas 4 bagian utama, yaitu : Daya Tarik Sistem Pakar Sistem pakar menawarkan kemampuan yang unik sebagai sistem pendukung

mengarahkan sistem pakar dalam proses pemikirannya. Input informasi berbentuk nilai yang dikaitkan dengan variable tertentu. Basis Pengetahuan Berisiskan fakta yang menggambarkan yang masalalah secara teknik fakta penggambaran pengetahuan menjelaskan bagaimana

bersentuhan secara logis. Salah satu teknik untuk menggambarkan pengetahuan yang populer adalah penggunaan aturan. Aturan (Rule) menentukan apa yang harus dilakukan dalam suatu situasi dan terdiri atas dua bagian, yaitu ; kondisi yang bisa jadi benar atau salah dan tindakan yang harus dilakukan jika kondisi itu benar. Mesin Inferensi Merupakan bagian dari sistem pakar yang melakukan pemikiran dengan cara menggunakan isi basis pengetahuan dalam urutan tertentu. Mesin Pengembangan Mesin pengembangan digunakan untuk membuat sistem pakar. Ada dua pendekatan dasar yang tersedia: Bahasa Pemrogaraman Adalah teknik komando/instruksi standar untuk memerintah komputer. Bahasa pemrograman ini merupakan suatu himpunan dari aturan sintaks dan semantik yang dipakai untuk mendefinisikan program komputer. Bahasa ini memungkinkan seorang programmer dapat menentukan secara persis data mana yang akan diolah oleh komputer, bagaimana data ini akan disimpan/diteruskan, dan jenis langkah apa secara persis yang akan diambil dalam berbagai situasi. Kerangka Sistem Pakar Kerangka Sistem Pakar adalah prosesor siap pakai dan dapat diseduaikan untuk masalah tertentu dengan cara menambahkan basis pengetahuan yang sesuai. SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN KELOMPOK

Telah menjadi fakta umum bahwa para manajer jarang memecahkan masalah sendirian. Menyadari fakta ini, para pengembang sistem talah mengadaptasi DSS kedalam pemecahan masalah secara kelompok. a. Konsep GDSS Sistem pendukung pengambilan keputusan kelompok (group decision support system-GDSS) adalah sistem berbasis komputer yang membantu sekelompok orang melakukan tugas (atau mencapai tujuan) yang sama dan memberikan antarmuka untuk digunakan bersama. b. Bagaimana GDSS Membantu Pemecahan Masalah Asumsi yang mendasari GDSS adalah komunikasi yang lebih baik memungkinkan dibuatnya keputusan yang lebih baik. Komunikasi yang lebih baik dicapai dengan menjaga agar diskusi kelompok tetap terfokus pada masalah yang dibicarakan, sehingga waktu tidak terbuang sia-sia. Evaluasi alternatif yang lebih banyak akan meningkatkan kesempatan mendapatkan solusi yang lebih baik. LETAK LINGKUNGAN GDSS GDSS membantu pemecahan masalah dengan cara menyediakan lokasi yang kondusif untuk komunikasi. Jika para anggota bertemu pada saat yang bersamaan, maka lokasi ini disebut pertukaran sinkron (synchronous exchange). Jika para nggota bertemu pada waktu yang berbeda-beda, maka lokasi ini disebut pertukaran asinkron (synchronous exchange). Empat lokasi GDSS berdasarkan ukuran kelompok dan dimana lokasi para anggota: 1. Ruang Keputusan Adalah tempat sekelompok kecil orang yang bertemu langsung. Ruangan ini membantu komunikasi melalui kombinasi perabotan, peralatan, dan tempat. Dalam ruang keputusan ini terdapat Fasilitator yang merupakan seseorang yang tugas utamanya adalah menjaga diskusi tetap pada jalurnya. Dua buah fitur GDSS adalah : Komunikasi Paralel Terjadi ketika semua peserta memasukkan komentar secara bersamaan. Anonimitas

Ketika tidak ada yang dapat mengetahui siapa yang memberikan komentar tertentu. 2. Jaringan Keputusan Wilayah Lokal Jika tidak memungkinkan untuk sekelompok kecil orang untuk bertemu langsung, maka para anggota dapat berinteraksi melalui LAN. Seorang anggota dapat memasukkan komentar ke dalam komputer dan melihat komentar yang diberikan anggota lain pada layar. 3. Sesi Legislatif Jika kelompok yang ada terlalu besaruntuk suatu ruang keputusan, maka akan dibutuhkan sesi legislatif. 4. Konferensi yang Dimediasi Komputer Beberapa aplikasi virtual memungkinkan komunikasi antara kelompok-kelompok besar yang memiliki anggota yang tersebar di berbagai wilayah geografis. Aplikasi ini secara kolektif dikenal sebagai aplikasi konferensi jarak jauh, yang mencakup konferensi komputer, konferensi audio, dan konferensi video. MELETAKKAN GDSS PADA TEMPATNYA Seseorang pernah menggambarkan perbedaan antara DSS dan sistem pakar dengan cara menjelaskan bahwa ketika seorang manajer menggunakan DSS, maka ia duduk di depan komputer dan berusaha menemukan bagaimana cara menggunakan tampilan informasi untuk menyelesaikan masalah. Ketika manajer menggunakan sistem pakar, manajer duduk di depan komputer, namun seorang konsultan duduk di sebelah manajer dan memberi saran mengenai bagaimana memecahkan masalah. Intinya dengan menggunakan DPSS pengambilan keputusan dan pemecahan masalah oleh manajer akan lebih mudah.