Jawaban Quis online Sistem Pendukung Keputusan

Nama: NURMARLINA SIREGAR
Npm : 1111621
Kelas :TI-M1113
Semester: VI (Enam)

JAWABAN:

Pembobotan:

No	Nama	C1	C2	C3	C4
1	Joko	3	3	3	2
2	Widodo	3	3	2	2
3	Simamora	2	4	1	1
4	Susilawati	1	4	2	1
5	Dian	1	3	4	2
6	Roma	2	2	4	2
7	Hendro	4	2	3	2

BOBOT : [ 4, 4, 5, 3]
 

 

 

Untuk Perangkingan:                          

V1= 3(0,75)+3(0,6)+3(1)+2(1)= 9,05                                                                        

V2= 3(0,75)+3(0,6)+2(1,5)+2(1)= 9,05                       

V3= 2(0,5)+4(0,8)+1(3)+1(0,5)= 7,7

V4= 1(0,25)+4(0,8)+2(1,5)+1(0,5)= 6,95                                                                                 

V5= 1(0,25)+3(0,6)+4(0,75)+2(1)= 7,05

V6= 2(0,5)+2(0,4)+4(0,75)+2(1)= 6,8

V7= 4(1)+2(0,4)+3(1)+2(1)= 9,8

Jadi,yang mendapatkan beasiswa adalah:

Hendro( 9,8 ), Joko( 9,05 ), Widodo( 9,05 ), Simamora( 7,7 ), Dian( 7,05 ).            

SISTEM PENDUKUNG KEPUTUSAN

1.  SISTEM PENDUKUNG KEPUTUSAN / DESIGN SUPPORT SYSTEM (DSS)

Keputusan merupakan tindakan atau rangkaian tindakan yang harus diikuti untuk memecahkan suatu masalah.

Jenis – jenis keputusan menurut Simon :

• Keputusan merupakan bagian dari suatu rangkaian proses pengambilan keputusan.
• Keputusan yang terstruktur atau terprogram berasal dari permasalahan dan kejadian-kejadian yang terstruktur.
• Keputusan yang tidak terstruktur atau terprogram berasal dari permasalahan atau kejadian yang tidak terstruktur.

Istilah SPK/DSS pertama kali dikemukakan oleh G. Anthony Gorry dan Michael S. Scoot Morton pada tahun 1971, keduanya merupakan profesor MIT, USA . Saat itu mereka merasakan perlunya suatu pemikiran untuk mengarahkan penggunaan aplikasi komputer untuk membantu pengambilan keputusan yang dilakukan oleh manajemen berdasarkan kepada konsep Simon mengenai keputusan yang terstruktur dan tidak terstruktur juga berdasarkan kepada konsep Robert N. Anthony tentang tingkat-tingkatan manajemen.

DSS : suatu sistem berbasis komputer inter-aktif yang membantu pengambil keputusan memanfaatkan data dan model untuk me-nyelesaikan masalah unstructured. (Scott Morton, 1971)

DSS menggabungkan sumber daya intelek-tual manusia dng kemampuan komputer, un-tuk meningkatkan kualitas keputusan. Ia me-rupakan sistem pendukung berbasis kompu-ter bagi pengambil keputusan manajemen untuk menyelesaikan masalah semi-structured (Keen and Scott Morton, 1978).

Manfaat yang didapat :

• Keputusan yang berkualitas
• Peningkatan komunikasi
• Cost reduction
• Peningkatan produktivitas
• Penghematan waktu
• Peningkatan kepuasan karyawan dan pelanggan

ALASAN MENGAPA DSS DIBUTUHKAN

1. Ekonomi tidak stabil
2. Kesulitan untuk mendeteksi sasaran bisnis yang beragam
3. Meningkatnya kompetisi
4. Electronic commerce
5. Sistem yang ada tidak mendukung pengambilan keputusan
6. Departemen IS terlalu sibutk
7. Kebutuhan akan analisis khusus
8. Kebutuhan informasi yang akurat
9. Kebutuhan informasi yang baru dan tepat waktu
10. Penghematan biaya
11. End-user computing

2.  KONSEP DSS

Konsep H.A Simon :

1. Keputusan terprogram : Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak . Bersifat rutin, berulang-ulang.
2. Keputusan tidak terprogram : Mengenai masalah khusus, khas, tidak biasa. Kebijakan yang ada belum menjawab. Misalnya Pengalokasian sumber daya.

Tahapan Pengambilan Keputusan

1. Kegiatan intelligen, mengamati lingkungan mencari kondisi-kondisi yang perlu diperbaiki.
2. Kegiatan merancang, menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan yang mungkin.
3. Kegiatan memilih, memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia.
4. Kegiatan menelaah, menilai pilihan-pilihan yang lalu.

Tujuan SPK

1. Membantu manajemen membuat keputusan untuk memecahkan masalah semi terstruktur.
2. Mendukung penilaian manajer bukan mencoba menggantikannya.
3. Meningkatkan efektifitas pengambilan keputusan manager.

Macam – Macam Metode Sisem Penunjang Keputusan

1. Metode Sistem pakar
2. Metode Regresi linier
3. Metode B/C Ratio
4. Metode AHP
5. Metode IRR
6. Metode NPV
7. Metode FMADM
8. Metode SAW

3.  Pengertian Metode AHP

Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, member nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. 

Metode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. (Saaty, 1993).

Proses hierarki adalah suatu model yang memberikan kesempatan bagi perorangan atau kelompok untuk membangun gagasan-gagasan dan mendefinisikan persoalan dengan cara membuat asumsi mereka masing-masing dan memperoleh pemecahan yang diinginkan darinya. Ada dua alasan utama untuk menyatakan suatu tindakan akan lebih baik dibanding tindakan lain. Alasan yang pertama adalah pengaruh-pengaruh tindakan tersebut kadang-kadang tidak dapat dibandingkan karena sutu ukuran atau bidang yang berbeda dan kedua, menyatakan bahwa pengaruh tindakan tersebut kadang-kadang saling bentrok, artinya perbaikan pengaruh tindakan tersebut yang satu dapat dicapai dengan pemburukan lainnya. Kedua alasan tersebut akan menyulitkan dalam membuat ekuivalensi antar pengaruh sehingga diperlukan suatu skala luwes yang disebut prioritas.

4.  Prinsip Dasar dan Aksioma AHP

AHP didasarkan atas 3 prinsip dasar yaitu:

a.  Dekomposisi

Dengan prinsip ini struktur masalah yang kompleks dibagi menjadi bagian-bagian secara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk yang paling sederhana struktur akan dibandingkan tujuan, kriteria dan level alternatif. Tiap himpunan alternatif mungkin akan dibagi lebih jauh menjadi tingkatan yang lebih detail, mencakup lebih banyak kriteria yang lain. Level paling atas dari hirarki merupakan tujuan yang terdiri atas satu elemen. Level berikutnya mungkin mengandung beberapa elemen, di mana elemen-elemen tersebut bisa dibandingkan, memiliki kepentingan yang hampir sama dan tidak memiliki perbedaan yang terlalu mencolok. Jika perbedaan terlalu besar harus dibuatkan level yang baru.

b.  Perbandingan penilaian/pertimbangan (comparative judgments).

Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen yang ada dengan tujuan menghasilkan skala kepentingan relatif dari elemen. Penilaian menghasilkan skala penilaian yang berupa angka. Perbandingan berpasangan dalam bentuk matriks jika dikombinasikan akan menghasilkan prioritas.

c.  Sintesa Prioritas

Sintesa prioritas dilakukan dengan mengalikan prioritas lokal dengan prioritas dari kriteria bersangkutan di level atasnya dan menambahkannya ke tiap elemen dalam level yang dipengaruhi kriteria. Hasilnya berupa gabungan atau dikenal dengan prioritas global yang kemudian digunakan untuk memboboti prioritas lokal dari elemen di level terendah sesuai dengan kriterianya.

AHP didasarkan atas 3 aksioma utama yaitu :

1. Aksioma Resiprokal >> Aksioma ini menyatakan jika PC (EA,EB) adalah sebuah perbandingan berpasangan antara elemen A dan elemen B, dengan memperhitungkan C sebagai elemen parent, menunjukkan berapa kali lebih banyak properti yang dimiliki elemen A terhadap B, maka PC (EB,EA)= 1/ PC (EA,EB). Misalnya jika A 5 kali lebih besar daripada B, maka B=1/5 A.
2. Aksioma Homogenitas>> Aksioma ini menyatakan bahwa elemen yang dibandingkan tidak berbeda terlalu jauh. Jika perbedaan terlalu besar, hasil yang didapatkan mengandung nilai kesalahan yang tinggi. Ketika hirarki dibangun, kita harus berusaha mengatur elemen-elemen agar elemen tersebut tidak menghasilkan hasil dengan akurasi rendah dan inkonsistensi tinggi.
3. Aksioma Ketergantungan>> Aksioma ini menyatakan bahwa prioritas elemen dalam hirarki tidak bergantung pada elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip komposisi hirarki.

5.  Kelebihan dan Kekurangan dalam Metode AHP

a. Kelebihan

1. Struktur yang berhierarki sebagai konskwensi dari kriteria yang dipilih sampai pada sub-sub kriteria yang paling dalam.
2. Memperhitungkan validitas sampai batas toleransi inkonsentrasi sebagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan.
3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan.

Metode “pairwise comparison” AHP mempunyai kemampuan untuk memecahkan masalah yang diteliti multi obyek dan multi kriteria yang berdasar pada perbandingan preferensi dari tiap elemen dalam hierarki. Jadi model ini merupakan model yang komperehensif. Pembuat keputusan menetukan pilihan atas pasangan perbandingan yang sederhana, membengun semua prioritas untuk urutan alternatif. “ Pairwaise comparison” AHP mwenggunakan data yang ada bersifat kualitatif berdasarkan pada persepsi, pengalaman, intuisi sehigga dirasakan dan diamati, namun kelengkapan data numerik tidak menunjang untuk memodelkan secara kuantitatif.

b. Kelemahan

1. Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.
2. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk.

6.  Tahapan Dalam Metode AHP

Langkah-langkah AHP

Langkah – langkah dan proses Analisis Hierarki Proses (AHP) adalah sebagai berikut :

1. Memdefinisikan permasalahan dan penentuan tujuan. Jika AHP digunakan untuk memilih alternatif atau menyusun prioriras alternatif, pada tahap ini dilakukan pengembangan alternatif.
2. Menyusun masalah kedalam hierarki sehingga permasalahan yang kompleks dapat ditinjau dari sisi yang detail dan terukur.
3. Penyusunan prioritas untuk tiap elemen masalah pada hierarki. Proses ini menghasilkan bobot atau kontribusi elemen terhadap pencapaian tujuan sehingga elemen dengan bobot tertinggi memiliki prioritas penanganan. Prioritas dihasilkan dari suatu matriks perbandinagan berpasangan antara seluruh elemen pada tingkat hierarki yang sama.
4. Melakukan pengujian konsitensi terhadap perbandingan antar elemen yang didapatan pada tiap tingkat hierarki.

Sedangkan langkah-langkah “pairwise comparison” AHP adalah

1. Pengambilan data dari obyek yang diteliti.
2. Menghitung data dari bobot perbandingan berpasangan responden dengan metode “pairwise comparison” AHP berdasar hasil kuisioner.
3. Menghitung rata-rata rasio konsistensi dari masing-masing responden.
4. Pengolahan dengan metode “pairwise comparison” AHP.
5. Setelah dilakukan pengolahan tersebut, maka dapat disimpulkan adanya konsitensi dengan tidak, bila data tidak konsisten maka diulangi lagi dengan pengambilan data seperti semula, namun bila sebaliknya maka digolongkan data terbobot yang selanjutnya dapat dicari nilai beta (b).

Sistem Pendukung Keputusan ( SPK )

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur [10].
Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa difinisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya oleh Man dan Watson yang memberikan definisi sebagai berikut, SPK merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur. [10]
Karakteristik dan Nilai Guna

Karakteristik sistem pendukung keputusan adalah [10]:

1. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi.
2. Dalam proses pengolahannya, sistem pendukung keputusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi.
3. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah.
4. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi.

Dengan berbagai karakter khusus diatas, SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah [10]:

1. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.

Di samping berbagai keuntungan dan manfaat seperti dikemukakan diatas, SPK juga memiliki beberapa keterbatasan, diantaranya adalah [10] :

1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).
3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan.
4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya.

Jadi secara dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam proses pengambilan keputusan.
Komponen Sistem Pendukung Keputusan

Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu [10]:

1. Subsistem pengelolaan data (database).
2. Subsistem pengelolaan model (modelbase).
3. Subsistem pengelolaan dialog (userinterface).

Hubungan antara ketiga komponen ini dapat dilihat pada gambar dibawah.

Gambar : Hubungan antara tiga komponen sistem pendukung keputusan

Sub sistem pengelolaan data (database)
Sub sistem pengelolaan data (database) merupakan komponen SPK yang berguna sebagai penyedia data bagi sistem. Data tersebut disimpan dan diorganisasikan dalam sebuah basis data yang diorganisasikan oleh suatu sistem yang disebut dengan sistem manajemen basis data (Database Management System).
Sub sistem pengelolaan model (model base)
Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan model-model keputusan. Model adalah suatu tiruan dari alam nyata. Kendala yang sering dihadapi dalam merancang suatu model adalah bahwa model yang dirancang tidak mampu mencerminkan seluruh variabel alam nyata, sehingga keputusan yang diambil tidak sesuai dengan kebutuhan oleh karena itu, dalam menyimpan berbagai model harus diperhatikan dan harus dijaga fleksibilitasnya. Hal lain yang perlu diperhatikan adalah pada setiap model yang disimpan hendaknya ditambahkan rincian keterangan dan penjelasan yang komprehensif mengenai model yang dibuat.
Subsistem pengelolaan dialog (user interface)
Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan sistem yang terpasang dengan pengguna secara interaktif, yang dikenal dengan subsistem dialog. Melalui subsistem dialog, sistem diimplementasikan sehingga pengguna dapat berkomunikasi dengan sistem yang dibuat.
Fasilitas yang dimiliki oleh subsistem dialog dibagi menjadi tiga komponen [10]:

1. Bahasa aksi (action language), yaitu suatu perangkat lunak yang dapat digunakan oleh user untuk berkomunikasi dengan sistem, yang dilakukan melalui berbagai pilihan media seperti keyboard, joystick dan keyfunction yang lainnya.
2. Bahasa tampilan (display and presentation language), yaitu suatu perangkat yang berfungsi sebagai sarana untuk menampilkan sesuatu. Peralatan yang digunakan untuk merealisasikan tampilan ini diantaranya adalah printer, grafik monitor, plotter, dan lain-lain.
3. Basis pengetahuan (knowladge base), yaitu bagian yang mutlak diketahui oleh pengguna sehingga sistem yang dirancang dapat berfungsi secara interaktif.

Sistem pendukung keputusan

Sistem pendukung keputusan (Inggris: decision support systems disingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.
Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik.
Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis ad hoc data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan pada saat-saat yang tidak biasa.
Tahapan SPK:

• Definisi masalah
• Pengumpulan data atau elemen informasi yang relevan
• pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan
• menentukan alternatif-alternatif solusi (bisa dalam persentase)

Tujuan dari SPK:

• Membantu menyelesaikan masalah semi-terstruktur
• Mendukung manajer dalam mengambil keputusan
• Meningkatkan efektifitas bukan efisiensi pengambilan keputusan

Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dll.

Sistem Pendukung Keputusan (SPK) Metode TOPSIS dengan Excel Spreadsheet

Sistem Pendukung Keputusan (SPK) Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) dengan Excel Spreadsheet adalah Algoritma Sistem Cerdas yang sangat populer di kalangan Akademisi / Mahasiswa di Jurusan Teknik Informatika / Ilmu Komputer seperti halnya SPK dengan Metode WP (Weighted Product) yang pernah kita bahas.

Teori tentang Algoritma SPK dengan Metode TOPSIS ini penulis buatkan dalam bentuk Excel / Spreadsheet sehingga dapat dipelajari cara menghitungnya di Formula yang ada di dokumen Microsoft Excel tersebut. Untuk teorinya mohon dicari sendiri karena penulis memang tidak bisa terlalu mahir dalam menjelaskan Teori TOPSIS ini.

Berikut ini tampilan SPK dengan Metode TOPSIS di Excel / Spreadsheet:

Sedangkan Excel Spreadsheet dalam format Microsoft Excel *.xlsx bisa diwonload disini, jika kesulitan bisa melihat caranya download seperti ini..

Semoga jelas dan bermanfaat.

Penulis tidak bertanggungjawab atas kebenaran rumus atau teori ini, silahkan langsung melihat ke Buku Referensi atau Penemu Rumus ini secara langsung.

Sistem Pendukung Keputusan

Komputer yang dipergunakan untuk memecahkan permasalahan spsesifik, mampu berkomunikasi dalam memecahkan masalah semiterstruktur. Informasi dihasilkan dalam bentuk laporan periodik dan khusus, output dari model matematika dan sistem pakar serta menggunakan beberapa jenis grafik. Komunikasi dilakukan pada saat berbagai kelompok manajer terlibat dalam pemecahan masalah.

Gambar Sistem pendukung keputusan

Perangkat Lunak > menghasilkan laporan periodik ( yang disiapkan sesuai jadwal ) dan laporan khusus ( yang disiapkan sebagai jawaban atas kebutuhan informasi yang tak terduga )

Model matematika > menghasilkan informasi sebagai hasil dari simulasi yang melibatkan satu atau beberapa komponen dari sistem fisik perusahaan atau berbagai aspek operasinya.

Perangkat Lunak Group Decision Support System >  memungkinkan beberapa pemecah masalah bekerja sama dan saling berkomunikasi untuk memperoleh solusi.

OTOMATIS KANTOR

OK > sistem informasi  komputer yang mencakup semua sistem elektronik baik formal maupun informal, sistem formal ialah sistem yang bersifat  prosedural dengan menggunakan dokumentasi, tulisan maupun uraian, sedangkan sistem  informal ialah sistem tidak terencana sehingga tanpa dukungan dokumentasi tetapi cukup dengan lisan. Otomatis kantor berkaitan dengan komunikasi informasi didalam maupun diluar perusahaan, dan kebanyakan dipergunakan oleh orang yang bekerja didalam kantor ( pegawai administrasi, karyawan, sekretaris, profesional, manajer ).

Gambar Sistem otomatis kantor

Informasi dikumpulkan dari sistem fisik perusahaan pada bagian bawah, sedangkan informasi berfungsi sebagai input bagi aplikasi otomatis kantor berbasis komputer seperti pengolah kata, surat elektronik dan konferensi komputer serta memungkinkan pemecah masalah saling berkomunikasi dengan menggunakan komputer mereka masing - masing.

SISTEM PAKAR

Sistem Pakar memiliki potensi untuk memperluas kemampuan pemecahan masalah manajer melebihi kemampuan normalnya. Sistem pakar terdiri dari empat bagian utama : User interface Penggunaan input dan output multimedia yang sekarang mendapatkan perhatian dari pengembang sistem sebagai cara untuk meningkatkan komunikasi antar komputer dan pemakai., Knowledge base menggunakan metode - metode pemecahan masalah dan menggunakan formula untuk mengekspresikan logika masalah, Inference engine menggunakan penalaran menyerupai manusia didalam memformulasikan isi daripada Knowledge base, dan Development engine berisi tentang bahasa pemrograman untuk pengembangan sistem pakar.

Gambar Sistem pakar

Sistem pakar terdiri dari empat bagian antara lain User interface yang memungkinkan pemakai berinteraksi dengan sistem pakar. Knowledge base menyimpan akumulasi pengetahuan dari masalah tertentu yang akan diselesaikan. Inference engine menyediakan kemamapuan penalaran yang menafsirkan isi knowlegde base. Pakar dan analisis sistem menggunakan development engine untuk menciptakan sistem pakar.