penerapan sistem penunjang keputusan dalam dunia nyata

SPK adalah sistem berbasis komputer yang membantu pengambil keputusan dalam memecahkan masalah semi-terstruktur atau tidak terstruktur dengan:

Mengolah data,

Menyediakan simulasi atau analisis,

Memberikan rekomendasi atau alternatif keputusan terbaik.

SPK tidak menggantikan manusia, tetapi mendukung dan memperkuat kualitas keputusan

1. Assoc Prof. DR. Hetty Rohayani. AH, ST, M.Kom
Bengkulu, 26 MEI 2025
PenerapanDecision Support System di
Dunia Nyata: Peluangdan Tantangan
BagiMahasiswaInformatika

3. Penelitian-Publikasi:
2025,ModificationofWeightedAggregatedSumProduct
AssessmentMethodtoImproveObjectiveWeightingAccuracy
inMulti-CriteriaDecisionMaking,JointJournalofNovelCarbon
ResourceSciencesandGreenAsiaStrategy(KyushuUniversity),Q3.
2025,BestHotelSelectionDecisionSupportSystemusing
MOORAMethod,JournalOfInformaticsMangementAnd
InformationTechnology,S5.
2024,AnalisisPenjualanFrozenFoodYangPalingBanyak
DiminatiMenggunakanMetodeK-Means,BulletinOfComputer
ScienceResearch,S5.
2024,ImplementasiKombinasiMetodeROCdanMAUTDalam
MenentukanAplikasiChattingTerbaik,JournalOfComputing
AndInformaticsResearch,S5.
2024,ImplementationofDataMiningforPredictingStudent
GraduationUsingK-NearestNeighborMethodatJambi
MuhammadiyahUniversity,IndonesianJournalofArtifial
IntelligenceandDataMining,S3.

5. Pengantar Decision Support System (DSS)
Peluang bagi Mahasiswa Informatika
TantanganMahasiswadalamPenerapan
DSS
Penerapan DSS di Dunia Nyata01 02
03 04
Decision Support System (DSS)

6. 01
Pengantar Decision
Support System (DSS)

7. DSS adalah sistem berbasis
komputer yang membantu
manajer dan pengambil
keputusan dalam melakukan
analisis dan membuat pilihan
yang lebih baik.
Pengertian DSS
DSS dapat meningkatkan efisiensi
dan efektivitas pengambilan
keputusan dengan menyediakan
informasi yang relevan dan
analisis yang mendalam untuk
berbagai situasi.
Manfaat DSS dalam Pengambilan
Keputusan
KomponenutamaDSS terdiridari
data, model, dan antarmuka
penggunayang bekerjasecara
sinergisuntukmendukungproses
pengambilankeputusan.
Komponen Utama DSS
Definisi dan Konsep DSS

8. DSS memiliki beberapa karakteristik penting seperti interaktivitas,
dukungan analitis, dan kemampuan untuk mengelola kompleksitas data,
yang membantu pengambilan keputusan efektif.
Karakteristik Utama DSS
Sistem Informasi Lainnya biasanya bertugas dalam pengumpulan dan
penyajian data, sedangkan DSS lebih fokus pada pemodelan dan analisis
untuk mendukung keputusan.
Perbedaan antara DSS dan Sistem Informasi Lainnya
KarakteristikDSS

9. Perkembangan DSS di
Berbagai Sektor
Evolusi Teknologi DSS
Evolusi DSS dimulai dari sistem manual hingga teknologi informasi modern,
mengintegrasikan algoritma canggih dan teknik analisis data untuk keputusan
yang lebih baik.
DSS telah berkembang pesat dalam berbagai sektor seperti kesehatan, keuangan,
dan manufaktur, memberikan keunggulan kompetitif melalui keputusan yang
berbasis data.
Sejarah Singkat DSS

10. Basis data dalam DSS adalah kumpulan data yang
relevan yang digunakan untuk analisis dan laporan,
memfasilitasi pengambilan keputusan yang lebih baik
dengan informasi yang akurat.
Basis Data
Model ini terdiri dari alat dan teknik yang digunakan
untuk menganalisis data, termasuk algoritma dan
simulasi yang mendukung proses pengambilan
keputusan.
Model Pengambilan Keputusan
Komponen DSS

11. DSS Berbasis Data
DSS berbasis data fokus pada pengumpulan,
penyimpanan, dan pemrosesan data untuk
analisis, memungkinkan pengguna menarik
wawasan dari informasi yang tersedia.
DSS Berbasis Model
DSS berbasis model menggunakan representasi
matematis atau simulasi untuk membantu
pengguna mengevaluasi berbagai pilihan yang
mungkin tersedia dalam pengambilan keputusan.
DSS Berbasis Pengetahuan
DSS berbasis pengetahuan memanfaatkan basis
pengetahuan dan aturan untuk memberikan
rekomendasi dan mendukung keputusan
berdasarkan pengalaman dan data historis.
Jenis-jenis DSS

12. Pengumpulan Data
Prosespengumpulan datamelibatkan
pengumpulan informasidariberbagai
sumber yang diperlukan untuk
mendukung analisisdanpemodelan
dalamDSS.
Analisis dan Pemodelan
Analisisdanpemodelanadalahtahap
dimanadatayangtelahdikumpulkan
dianalisis menggunakan model
matematika ataustatistikuntuk
menghasilkan rekomendasi bagi
pengambilkeputusan.
Proses Kerja DSS

13. 02
Penerapan DSS di
Dunia Nyata

14. Analisis Pasar
Analisispasarmenggunakan DSSmembantu perusahaan
memahami trenkonsumen,mengidentifikasipeluangbaru,dan
mengoptimalkan strategipemasaran untukmencapaitarget
yangdiinginkan.
Manajemen Rantai Pasokan
DSSdalam manajemen rantaipasokan memungkinkan
perusahaanuntukmelakukanperencanaanyanglebihbaik,
pengendalianinventaris,danpeningkatanefisiensioperasional
melaluianalisisdatayangakurat.
Sektor Bisnis

15. 01
02
Pengambilan Keputusan Medis
DSS mendukung dokter dalam pengambilan
keputusan medis dengan menyediakan data klinis,
analisis risiko, dan rekomendasi berbasis bukti, yang
meningkatkan kualitas perawatan pasien.
Manajemen Rumah Sakit
Dalam manajemen rumah sakit, DSS membantu
meningkatkan efisiensi operasional, pengelolaan staf,
dan alur pasien, sehingga meningkatkan layanan
tanpa mengorbankan kualitas.
Sektor Kesehatan

16. 01
Penilaian Kinerja Siswa
DSS dapat digunakan untuk mengolah data
kinerja siswa, mengidentifikasi area yang
perlu diperbaiki, dan merancang instruksi
yang lebih efektif untuk membantu siswa
mencapai potensi penuh.
02
Perencanaan Kurikulum
Dengan DSS, perencanaan kurikulum menjadi
lebih strategis, memungkinkan pendidik untuk
menyesuaikan materi ajar dengan
kebutuhan siswa dan perkembangan terbaru
dalam pendidikan.
Sektor Pendidikan

17. 03
Peluang bagi
Mahasiswa
Informatika

18. Part 01 Part 02
Meningkatkan Keterampilan
Pemecahan Masalah
Penerapan DSS membantu
mahasiswa mengembangkan
pendekatan sistematis dalam
menyelesaikan masalah nyata,
meningkatkan kemampuan kritis
dan logika dalam pengambilan
keputusan yang kompleks.
Memahami Data dengan
Lebih Baik
DSS memungkinkan mahasiswa
untuk menganalisis dan
menginterpretasi data dengan lebih
efisien, memberikan wawasan
mendalam yang dapat diandalkan
untuk membuat keputusan
informasional yang lebih baik.
Peningkatan Kemampuan Analitis

19. Mahasiswa akan belajar bahasa pemrograman yang relevan dan teknik analisis
data, yang sangat penting dalam merancang solusi teknologi yang efektif dan
efisien.
Pemrograman dan Analisis Data
Pelatihan dalam pembelajaran mesin dan kecerdasan buatan memungkinkan
mahasiswa untuk memahami cara mengembangkan algoritma yang dapat
belajar dari data dan meningkatkan sistem.
Pembelajaran Mesin dan AI
Keterampilan yang Diperoleh

20. Mahasiswa diharapkan untuk menciptakan proyek Sistem Pendukung Keputusan (DSS)
yang menangani masalah nyata, sehingga meningkatkan keterampilan analitis dan
problem solving.
Proyek DSS untuk Studi Kasus
Kolaborasi antara mahasiswa dan industri memberikan wawasan yang nyata tentang
praktik terbaik dan tantangan yang dihadapi di lapangan, mendukung pengembangan
keterampilan praktis.
Kolaborasi dengan Industri
Inovasi dalam Proyek Akademik

21. Permintaan Pasar Kerja untuk Skil DSS
Di era digital saat ini, keterampilan DSS sangat dicari
oleh perusahaan, memberikan mahasiswa
keunggulan kompetitif dalam melamar pekerjaan di
berbagai sektor industri.
Jenis Pekerjaan yang Terkait dengan DSS
Mahasiswa dapat mengeksplorasi berbagai karir
seperti analis data, pengembang sistem informasi,
atau konsultan bisnis yang semuanya memanfaatkan
DSS dalam tugas sehari-harinya.
Peluang Karir di Bidang DSS

22. Peluang Kerja di Sektor Teknologi
Lulusan Informatika memiliki banyak
peluang karier di sektor teknologi,
termasuk peran dalam pengembangan
perangkat lunak dan analisis data yang
menyediakan kontribusi signifikan.
Peran Konsultan DSS
Sebagai konsultan DSS, individu bertugas
membantu organisasi dalam
pengambilan keputusan berbasis data,
memberikan nilai tambah melalui analisis
mendalam dan rekomendasi strategis.
PeluangKarierdi BidangDSS

23. 01. 02.
Kursus Online tentang DSS
Terdapat banyak kursus online yang menawarkan
pembelajaran tentang DSS, memungkinkan
mahasiswa untuk belajar fleksibel sesuai dengan
kebutuhan dan waktu yang tersedia.
Pembelajaran Praktis melalui Proyek
Implementasi proyek nyata dalam pembelajaran
DSS memberikan mahasiswa kesempatan untuk
menerapkan teori dan mengasah keterampilan
praktis melalui pengalaman langsung.
Pendidikan dan Pelatihan

24. 04
Tantangan
Mahasiswadalam
PenerapanDSS

25. Tanggung Jawab
Pengambilan Keputusan
DSS dapat mempengaruhi
keputusan penting; oleh karena itu,
penting untuk menetapkan
tanggung jawab pada pengguna
terkait akibat dari keputusan yang
diambil berdasarkan sistem ini.
Privasi dan Keamanan Data
Dalam penggunaan DSS, penting
untuk menjaga privasi dan
keamanan data, terutama
mengenai bagaimana informasi
dikumpulkan, disimpan, dan
diproses.
Tantangan Etika

26. 1
2
Persaingan global semakin meningkat dengan
penerapan DSS, mendorong profesional untuk terus
belajar dan beradaptasi agar tetap relevan di pasar
kerja yang kompetitif.
Persaingan Global
Kesenjangan keterampilan di antara tenaga kerja
menjadi tantangan, di mana banyak individu mungkin
tidak memiliki keterampilan teknis yang diperlukan
untuk menggunakan DSS secara efektif.
Kesenjangan Keterampilan
Tantangan Profesional

27. Resistensiterhadapperubahan seringkaliterjadi
ketikaorganisasiberusahamengimplementasikan
DSS.Karyawanmungkinmerasaterancamolehcara
kerjabarudanlebihmemilihmetodelama.
Resistensi terhadap Perubahan
Keterampilanpenggunayangtidakmemadaidapat
menghambat penerapanDSS.Tanpapelatihanyang
tepat,pengguna mungkin kesulitandalam
mengoperasikansistembaruyangkompleks.
Keterampilan Pengguna yang Tidak
Memadai
Penerimaan Teknologi

28. Ketersediaan Data Berkualitas
Ketersediaandata berkualitasadalahkunciuntuk
keberhasilansistempendukungkeputusan(DSS),
sehinggasulitnyamendapatkan data yang akuratdan
relevandapatmenghambat kinerjaDSS.
Integrasi Teknologi Baru
Integrasi teknologi baru dalam DSS seringkali
menantang, terutama dalam hal adaptasi
sistem yang ada dengan teknologi yang lebih
mutakhir seperti AI dan big data.
Tantangan Teknologi

29. 01.
02.
Keputusan yang Tidak Adil
Keputusan yang dihasilkan oleh DSS kadang-kadang dapat
menciptakan ketidakadilan. Mereka mungkin mencerminkan
bias data yang ada, berpotensi merugikan pihak tertentu
dalam proses pengambilan keputusan.
Perlindungan Data Pribadi
Perlindungan data pribadi menjadi isu penting dalam
penerapan DSS. Organisasi harus memastikan bahwa
data pengguna dilindungi dari akses yang tidak sah
dan penyalahgunaan.
Masalah Etika dan Privasi

30. Biaya Implementasi
Biaya implementasi DSS seringkali tinggi, mencakup investasi
dalam perangkat keras, perangkat lunak, dan pelatihan
pengguna. Hal ini bisa menjadi penghalang bagi banyak
organisasi untuk beralih ke sistem baru.
Ketergantungan pada Data
Sistem DSS sangat bergantung pada data yang
akurat dan terbaru. Kualitas data yang buruk dapat
menghasilkan analisis yang tidak tepat dan
keputusan yang kurang optimal.
Keterbatasan Sistem

31. Studi Kasus dan Implementasi DSS

32. Penerapan DSS di sektor kesehatan membantu dokter dalam pengambilan
keputusan medis yang lebih akurat, meningkatkan diagnosis, dan
merencanakan perawatan pasien dengan lebih baik.
Penerapan di Sektor Kesehatan
Sektor keuangan menggunakan DSS untuk menganalisis risiko,
mengoptimalkan portofolio investasi, dan meningkatkan strategi
pemasaran dengan memanfaatkan data analitik dan prediktif.
Penerapan di Sektor Keuangan
Contoh Penerapan DSS di Industri

33. Pembelajaran dari Kasus Nyata
Studi kasus nyata memberikan pelajaran penting
tentang praktik terbaik dan kesalahan yang harus
dihindari, menjadikan pengalaman tersebut
relevan dan aplikatif bagi mahasiswa.
Keberhasilan dan Kegagalan
Kajian tentang keberhasilan dan kegagalan
implementasi DSS dapat memberikan wawasan
berharga bagi mahasiswa mengenai tantangan
nyata di lapangan dan faktor-faktor yang
menentukan.
Analisis Hasil Implementasi

34. 01
Mahasiswa dianjurkan untuk mengikuti tips dalam membangun proyek DSS, seperti
memahami kebutuhan pengguna dan menerapkan metodologi yang tepat untuk
analisis data.
Tips Membangun Proyek DSS
02
Membangun jaringan dengan profesional di bidang DSS dapat memberikan
mahasiswa akses ke pengalaman industri, peluang mentorship, serta wawasan
tentang perkembangan terkini dalam teknologi.
Jaringan dengan Profesional DSS
Rekomendasi untuk Mahasiswa

35. KategoriSoftware DSS
Kategori
ContohSoftware CocokUntuk
Spreadsheet Excel + Solver Simulasi& analisissederhana
Statistik SPSS, R Analisisdata numerik
Data Mining RapidMiner, Orange Pola daridata besar
Visualisasi Power BI, Tableau Dashboard & pelaporan
Visualisasi MATLAB, Python Optimasi, simulasi, AI
Multikriteria Expert Choice, Super DecisionsAHP, TOPSIS, SAW

36. Email : [email protected]
TerimaKasih