Anda di halaman 1dari 24

SISTEM INFORMASI dan KEPUTUSAN

Nadia Fadhilah Riza (13406069)

LABORATORIUM SISTEM INFORMASI DAN KEPUTUSAN


Fakultas Teknik Industri
Institut Teknologi Bandung
2008
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

BAB I
ANALISIS PERANCANGAN SISTEM INFORMASI

1.1 Sejarah Sistem Informasi


Studi sistem informasi merupakan sub-disiplin dari ilmu komputer dalam usaha untuk
memahami pengelolaan teknologi dalam organisasi. Sistem informasi berkembang dalam
bidang manajemen utama, sehingga menjadi area penting dari penelitian dalam studi
manajemen. Börje Langefors memperkenalkan konsep "Sistem Informasi" pada
International Conference on Information Processing and Computer Science di New York pada
tahun 1965.

1.2 Sistem Informasi


1.2.1 Pengertian Sistem Informasi
Sistem informasi adalah:
“A collection of methods, practices, algorithms and methodologies that transforms
data into information and knowledge desired by, and useful for, individual and group
users in organizations and other entities.”

1.2.2 Elemen dari Sistem Informasi


Berikut ini adalah elemen yang terdapat dalam sistem informasi:
 User yang menggunakan dan berinteraksi langsung dengan sistem informasi
 Sistem Perangkat Keras
 Sistem Jaringan Komputer
 Sistem Perangkat Lunak (untuk client maupun server)
 Sistem Basis Data
 Interaksi Antara Manusia dengan Komputer (Interaksi User dengan komputer)
 Prosedur Operasi
 Prosedur Pemeliharaan
 Pengolahan Data non komputer

1.3 Perancangan Sistem Informasi


1.3.1 Tipe Sistem Informasi
 Transaction Processing System (TPS)
Merupakan aktifitas pemasukan data pada level operasi awal.
Keuntungan menggunakan TPS:
o Dibutuhkan sebagai bahan mentah dari sistem lain
o Biaya dengan mudah dapat diketahui

2|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

 Management Information System (MIS)


Membuat pelaporan pada manajemen organisasi/perusahaan dengan menggunakan
data dari TPS

Petunjuk dalam mengembangkan Pelaporan MIS:

 Decision Support System (DSS)


Sistem komputer pada level manajemen yang menggabungkan data, model, dan
software yang user friendly untuk membuat keputusan (yang semi-terstuktur
ataupun tidak terstruktur).

Berikut ini level dalam pembuatan keputusan:

 Expert System (ES)


“A knowledge-based information system that uses its knowledge about a specific,
complex application area to act as an expert consultant to end users.”

Berikut ini adalah komponen dalam ES:


o Knowledge Base
Adalah pengetahuan dasar yang mengandung pengetahuan yang
dibutuhkan dalam mengimplementasikan pekerjaan.

3|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

Tipe dasar dari pengetahuan:


Factual knowledge
Fakta atau informasi yang mendeskripsikan spesifik subyek
Heuristics
Aturan dalam mengaplikasikan fakta dan atau membuat
inferences.
o Inference Engine
Mesin inference memberikan kapabilitas kepada ES. Mesin inference
memproses pengetahuan yang berhubungan dengan permasalahan.
o User Interface
Interaksi antara pemakai (manusia) dengan komputer.

Keuntungan penggunaan ES:


o Mempercepat dan mengkonsistensikan kemampuan dari suatu bisnis.
o Memberikan pengetahuan organisasional
o Dapat memecahkan permasalahan dalam pengetahuan yang terbatas

Kelemahan ES:
o Tidak dapat digunakan pada semua situasi, yaitu permasalahan yang
membutuhkan basis pengetahuan yang luas
o Sulit dan mahal untuk dikembangkan

 Executive Support System (ESS)


“Strategic informastion system designed for unstructured decision making trough
advanced graphics and communications.”

Keuntungan menggunakan ESS:


o Fleksibel
o Dapat digunakan untuk menganalisis dan membandingkan trend yang
dihasilkan
o Penggunaan grafik membantu dalam mengetahui situasi lebih lanjut
o Dapat digunakan untuk memonitor performansi
o Tidak berpengaruh terhadap waktu

Dalam data digital digunakan:


o Business Intelligence
Informasi mengenai salespeople, distributor, dan retailer.
o Monitoring Performance
Balanced scorecard yang memberikan perspektif mengenai customer,
proses internal, pembelajaran, dan pertumbuhan bisnis.

4|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

o Enterprise Wide Reporting & Analysis

1.3.2 Tahapan dalam Analisis Perancangan Sistem Informasi


Berikut ini adalah garis besar tahapan Analisis Perancangan Sistem Informasi:
 Analisis Sistem organisasi. Tujuannya untuk:
o mengidentifikasi Core business dari organisasi
o mengidentifikasi Aktivitas yang mengelola Core business
o mengidentifikasi Resources Utama dari Core business tersebut
o mengidentifikasi konteks dari Sistem informasi yang mendukung
pengelolaan Aktivitas, Resources Utama maupun Core Business
o mengidentifikasi kebutuhan informasi bagi perancangan Sistem
informasi
 Analisis dan Perancangan Sistem Informasi. Tujuannya untuk:
o membangun arsitektur sistem informasi
o mengidentifikasi konteks Sistem Perangkat Lunak dan Sistem Basis Data
(jika analisis dilakukan oleh ahli informatika)
o mengidentifikasi konteks dan spesifikasi elemen lainnya (Sistem
Perangkat Keras, Sistem Jaringan Komputer, dan lainnya).
o mengidentifikasi fungsionalitas dari calon aplikasi Perangkat Lunak
o mengidentifikasi entitas data yang relevan dari calon sistem basis data
 Analisis dan Perancangan Sistem Perangkat Lunak
o mengikuti tahapan Software Engineering (RPL)
Contoh: Waterfall, Prototyping, Incremental Iterative, Spiral.
o Tujuannya adalah untuk membangun software (sistem perangkat lunak)

5|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

 Analisis dan Perancangan Sistem Basis Data


o Ikuti tahapan Perancangan Basis Data (Pemodelan Konseptual, Logika,
dan Fisik dari Basis Data).
o Tujuannya adalah untuk membangun Sistem Basis Data yang terpusat
ataupun yang tersebar.

1.3.3 Pengembangan Sistem Informasi


“Aktivitas untuk menghasilkan sistem informasi berbasis komputer yang digunakan
untuk menyelesaikan permasalahan organisasi/perusahaan dengan memanfaatkan
kesempatan yang ada.”

Prinsip dasar pengembangan sistem:


 Pemilik dan pemakai sistem terlibat dalampengembangan sistem informasi
 Gunakan pendekatan pemecahan masalah
 Tentukan tahapan analisis pengembangan
 Tetapkan standar pengembangan dan pendokumentasian yang konsisten
 Justifikakasi sistem sebagai investasi
 Jangan takut membatalkan atau merubah lingkup pekerjaan
 Bagisistem menjadi subsistem yang lebih kecil
 Rancang sistem untuk pertumbuhan dan perubahan

1.4 Aplikasi dan Penerapan Pengguanaan Sistem Informasi


1.4.1 Aplikasi Penggunaan Sistem Informasi
Berikut ini beberapa contoh vendor software aplikasi sistem informasi:
 Baan
 J.D. Edwards
 Oracle
 PeopleSoft
 SAP AG

1.4.2 Penerapan Penggunaan Sistem Informasi


Sistem informasi berkaitan dengan pengembangan, penggunaan, dan manajemen dalam
infrastruktur informasi teknologi organisasi. Pada era informasi, tujuan perusahaan telah
berubah dari product-oriented menjadi knowledge-oriented, dimana terjadi persaingan
proses dan inovasi (bukannya produk) pada pasar sekarang ini. Performansi keberhasilan
telah berubah dari tingkat kualitas dan kuantitas produk menjadi proses produksi dalam
pembuatan produk, serta pelayanan yang diberikan perusahaan kepada customernya.

Aset terbesar perusahaan adalah informasi yang dimiliki, dalam bentuk orang, pengalaman,
inovasi, paten, copyrights, dan strategi penjulan. Studi sistem informasi bertujuan untuk

6|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

mengetahui alasan dan bagaimana teknologi dapat digunakan dalam alur informasi suatu
organisasi/perusahaan.

Dewasa ini, sistem informasi sudah banyak digunakan dalam berbagai aspek kehidupan
masyarakat, seperti:
 Sistem informasi akuntansi
 Sistem informasi bisnis dan manajemen
 Sistem informasi rumah sakit
 Sistem informasi pendidikan
 Sistem informasi hotel
 Sistem informasi deteksi bencana
 Dan lainnya.

7|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

BAB II
SISTEM PENDUKUNG KEPUTUSAN

2.1 Sejarah Sistem Pendukung Keputusan


Berdasarkan kesamaan bidang, konsep pendukung keputusan telah berevolusi dari dua bidang
utama penelitian:
 kajian teoretis dalam organisasi pengambilan keputusan
dilakukan di Carnegie Institute of Technology pada akhir tahun 1950-an dan awal tahun
1960-an.
 teknis bekerja pada sistem komputer interaktif
dilakukan di Massachusetts Institute of Technology pada tahun 1960-an.

Pada pertengahan dan akhir tahun 1980-an, Executive Information System (EIS), Group Decision
Support System (GDSS), dan Organizational Decision Support System (ODSS) berkembang dari
satu user dan model-orientasi DSS. Dewasa ini, web-aplikasi berbasis analisis diperkenalkan.

Sistem pendukung keputusan (Decision Support System – DSS) dimiliki oleh bidang multi-disiplin
ilmu, termasuk (namun tidak secara eksklusif) database penelitian, kecerdasan buatan, interaksi
manusia-komputer, simulasi metode, rekayasa perangkat lunak, dan telekomunikasi.

2.2 Sistem Pendukung Keputusan


2.2.1 Pengertian Sistem Pendukung Keputusan
Pengertian dari Sistem Pendukung Keputusan adalah:
“A specific class of computerized information system that supports business and
organizational decision-making activities.”

2.2.2 Tujuan Sistem Pendukung Keputusan


Berikut ini adalah tujuan dari sistem pendukung keputusan:
 membantu manajer organisasi/perusahaan membuat keputusan dalam
memecahkan masalah
 mendukung (bukan menggantikan) hasil penilaian manajer
 meningkatkan efektifitas (bukan efisiensi) pengambilan keputusan yang dilakukan
manajer organisasi/perusahaan

2.2.3 Karakteristik Sistem Pendukung Keputusan yang Baik


Sprague and Carlson mendefinisikan sistem pendukung keputusan yang baik, sebagai sistem
yang memiliki lima karakteristik utama berikut ini (Sprague et al., 1993):
 Sistem yang berbasis komputer
 Dipergunakan untuk membantu para pengambil keputusan

8|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

 Untuk memecahkan masalah rumit yang “mustahil” dilakukan dengan kalkulasi


manual
 Melalui cara simulasi yang interaktif
 Data dan model analisis sebagai komponen utama

2.2.4 Komponen pada Sistem Pendukung Keputusan


Komponen pada DSS:
o DSS Database : Current data from applications or groups
o DSS Software System : Tools for data analysis
o Model : Representation of a problem
o User Interface : How user enters problem & receives answers

2.2.5 Sistem Pendukung Keputusan dan Knowledge Management


Berikut ini adalah perbedaam antara system pendukung keputusan dengan manajemen
pengetahuan:

9|24
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

2.3 Perancangan Sistem Pendukung Keputusan


2.3.1 Taksonomi Sistem Pendukung Keputusan
 Sistem Pendukung Keputusan Berdasarkan Hubungan dengan Pemakai:
o Passive DSS
Sistem yang membantu proses pengambilan keputusan, tetapi tidak dapat
menghasilkan keputusan eksplisit (berupa saran atau solusi).
o Active DSS
Sistem pendukung keputusan yang dapat menghasilkan keputusan nyata
(berupa saran atau solusi).
o Cooperative DSS
Sistem pengambilan keputusan yang memungkinkan pengambil keputusan
untuk mengubah, melengkapi, atau memperbaiki saran yang diberikan oleh
sistem, sebelum mengirimkannya kembali ke sistem untuk divalidasi.

 Sistem Pendukung Keputusan Berdasarkan Modus Data:


o Model-driven DSS
Sistem pendukung keputusan yang menekankan pada akses dan manipulasi
statistik, keuangan, optimasi, atau model simulasi. Model-driven DSS
menggunakan data dan parameter yang diberikan oleh pemakai untuk
membantu pengambil keputusan dalam menganalisis situasi.
Contoh: Dicodess (open source model-driven DSS generator)
o Communication-driven DSS
Sistem pendukung keputusan yang mendukung lebih dari satu operator
bekerja pada pekerjaan bersama.
Contoh : Microsoft’s Netmeeting, Groove
o Data-driven DSS
Sistem pendukung keputusan yang berorientasi untuk menekankan akses
dan memanipulasi serangkaian waktu internal organisasi/perusahaan dan
data eksternal.
o Document-driven DSS
Sistem pendukung keputusan yang mengelola, menerima, dan
memanipulasi googling informasi dalam berbagai format elektronik.
o Knowledge-driven DSS
Sistem pendukung keputusan yang menyediakan khusus masalah keahlian,
yang disimpan sebagai fakta, peraturan, dan prosedur dalam struktur.

 Sistem Pendukung Keputusan Berdasarkan Ruang Lingkupnya:


o Enterprise-wide DSS
Sistem pendukung keputusan yang terhubung ke gudang data warehouse
yang besar dan melayani banyak manajer di organisasi/perusahaan.
o Desktop DSS
Sistem pengambilan keputusan yang kecil, dapat dijalan pada setiap
personal computer manajer.

10 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

2.3.2 Kerangka Perancangan Sistem Pendukung Keputusan


Sprague and Watson (1993) membagi tingkatan kerangka utama kerja sebagai berikut:
 Technology Level
Tingkat hardware dan software DSS oleh Sprague:
o Level 1 – Specific DSS
Merupakan bagian dari aplikasi yang digunakan pemakai,
memungkinkan pengambil keputusan untuk membuat keputusan dalam
objek masalah tertentu. Pemakai dapat bertindak atas masalah khusus.
o Level 2 – DSS Generator
Lingkungan hardware/software yang memungkinkan orang dengan
mudah mengembangkan aplikasi DSS spesifik. Digunakannya alat
kasus/sistem seperti Crystal, AIMMS, Ithink dan Clementine.
o Level 3 – DSS Tools
Berisi tingkat hardware/software yang lebih rendah. Generator DSS
mengandung bahasa khusus, fungsi perpustakaan, dan menghubungkan
modul.
 People Involved
Sprague menyarankan peran yang terlibat dalam pembangunan khas siklus DSS:
o The end-user
o An intermediary
o DSS developer
o Technical supporter
o Systems Expert
 Developmental
Pendekatan pembangunan untuk DSS sistem harus dilakukan berulang. Hal ini
memungkinkan aplikasi untuk berubah dan didesain ulang dalam berbagai
interval waktu. Masalah awal digunakan untuk mendesain sistem, kemudian
diuji dan direvisi untuk memastikan hasil yang diinginkan dicapai.

2.3.3 Klasifikasi Aplikasi Sistem Pendukung Keputusan


 Klasifikasi Aplikasi Sistem Pendukung Keputusan menurut Holsapple and Whinston:
o Text-oriented DSS
o Database-oriented DSS
o Spreadsheet-oriented DSS
o Solver-oriented DSS
o Rule-oriented DSS
o Compund DSS

 Klasifikasi Aplikasi Sistem Pendukung Keputusan berdasarkan Dukungan yang


Diberikan:
o Dukungan perseorangan
o Dukungan grup
o Dukungan oraganizasional

11 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

2.4 Penggunaan Sistem Pendukung Keputusan


2.4.1 Aplikasi Sistem Pendukung Keputusan
Berikut ini adalah contoh penggunaan aplikasi sistem pendukung keputusan:

2.4.2 Penerapan Sistem Pendukung Keputusan


Penerapan sistem pendukung keputusan dalam berbagai bidang:
 Sistem Pendukung Keputusan Klinis
Digunakan dalam diagnosa medis.

 Perbankan
Petugas bank melakukan verifikasi terhadap pinjaman kredit dari pemohon

 Bisnis dan Manajemen


o Perusahaan engineering yang memiliki tawaran pada beberapa proyek dan
ingin mengetahui kemampuan bersaing dengan biaya yang dimiliki
o Executive dashboard dan performansi bisnis lainnya yang memungkinkan
dilakukannya pengambilan keputusan secara cepat, mengidentifikasi trend
negatif, dan pengalokasian sumber bisnis yang lebih baik.

 Produksi pertanian
Paket DSSAT4 yang dikembangkan melalui bantuan keuangan dari USAID selama
tahun 1980-an dan 1990-an, telah memungkinkan penilaian cepat dari beberapa
sistem produksi pertanian di seluruh dunia. Hal ini digunakan untuk
memudahkan pengambilan keputusan di tingkat kebijakan dan peternakan.

 Sistem Perkeretaapian
Canadian National Railway melakukan tes pada peralatannya secara teratur
dengan menggunakan sistem pendukung keputusan. Masalah yang dihadapi
oleh setiap kereta api (yaitu rel yang rusak atau aus) dapat menghasilkan
ratusan derailments per tahun. Dengan menggunakan DSS, Canadian National
Railway dikelola untuk mengurangi insiden derailments disaat perusahaan lain
mengalami peningkatan.

12 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

 Akademik
Diterapkan dalam proses pengambilan keputusan:
o Penerimaan mahasiswa baru
o Evaluasi prestasi akademik
o Penentuan mahasiswa berprestasi

 Produksi perusahaan
Diterapkan dalam perhitungan:
o Kapasitas produksi
o Kebutuhan kapasitas akan pesanan
o Kemampuan memenuhi pesanan

2.4.3 Keuntungan Penggunaan Sistem Pendukung Keputusan


Berikut ini keuntungan yang didapatkan dengan menggunakan sistem pendukung
keputusan:
 Meningkatkan efisiensi pribadi
 Mempercepat pemecahan masalah
 Memfasilitasi komunikasi interpersonal
 Mempromosikan pembelajaran atau pelatihan
 Menaikkan kontrol organisasi/perusahaan
 Menghasilkan data baru yang mendukung keputusan
 Menciptakan keunggulan kompetitif melalui kompetisi
 Mendorong eksplorasi dan penemuan pada pengambilan keputusan
 Menunjukkan pendekatan baru untuk berfikir tentang ruang lingkup masalah

13 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

BAB III
DATA WAREHOUSE

3.1 Sejarah Data Warehouse


Pada akhir tahun 1980-an, data warehouse dibedakan dari database komputer. Pada saat itu,
data warehouse dikembangkan untuk mengetahui perkembangan demand, yang tidak bisa
dipenuhi sistem informasi, sebagai dasar informasi dan analisis bagi manajemen.

Dengan berkembangnya teknologi dan kebutuhan pemakai meningkat, data warehouse telah
mengalami tingkatan perkembangan sebagai berikut:
 Offline Operational Database
Data warehouse dikembangkan dengan menduplikatkan database dari sistem
operasional ke server yang offline. Pemrosesan hasil data tidak memberikan
pengaruh pada performansi sistem operasional.
 Offline Data Warehouse
Data warehouse dapat diperbaharui pada waktu yang tetap (setiap hari, setiap
minggu, atau setiap bulan) dari sistem operasional dan hasilnya disimpan dalam
sebuah struktur data hasil yang terintegrasi.
 Real Time Data Warehouse
Data warehouse diperbaharui pada setiap waktu transaksi atau kegiatan yang
dilakukan sistem operasi, seperti perintah, pengiriman, pembukuan.
 Integrated Data Warehouse
Data warehouse digunakan untuk memasukkan kegiatan atau transaksi yang sudah
berlalu ke dalam sistem operasi yang digunakan dalam kegiatan sehari-hari
organisasi/perusahaan.

3.2 Data Warehouse


3.2.1 Pengertian Data Warehouse
Kata ‘Data Warehouse’ pertama kali digunakan Bill Inmon pada tahun 1990:
“A warehouse is a subject-oriented, integrated, time variant, and non-volatile collection
of data in support of management’s decision making process.”

Data warehouse dapat didefinisikan dengan asumsi implisit:


 Database yang mendukung sistem pendukung keputusan dan di-maintain secara
terpisah dari database operasional organisasi/perusahaan.
 Database yang mendukung pemrosesan informasi dengan menyediakan
platform yang terintegrasi dan data historis untuk melakukan analisis.

14 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

3.2.2 Karakteristik Data Warehouse


Berikut ini adalah karakteristik dari data warehouse:
 Subject-oriented
Data warehouse didesain secara khusus dari database transaksional berdasarkan
keperluan organisasi/perusahaan (misal data warehouse untuk customer, sales,
dan lainnya). Hanya data yang diperlukan yang dimasukkan kedalam database.
 Integrated
Untuk mendapatkan informasi yang diinginkan, data dalam data warehouse
dibangun dari beberapa jenis sistem yang ada dalam organisasi/perusahaan.
Kemudian data tersebut ditransformasi dan disimpan ke dalam data warehouse,
berupa data yang terintegrasi sehingga hanya ada satu atribut data dengan
format dan satuan unit yang sama.
 Time Variant
Setiap data yang dimasukkan ke dalam data warehouse memiliki dimensi waktu.
Dimensi waktu ini digunakan sebagai pembanding dalam perhitungan untuk
menghasilkan laporan yang diinginkan. Dengan menggunakan dimensi waktu,
akan adanya data yang memiliki kecenderungan (trend) dan pola.
 Non-volatile
Pada database transaksional, operasi yang dilakukan adalah operasi update
(insert, delete, dan update). Sedangkan dalam data warehouse, operasi ini tidak
digunakan. Data disimpan ke dalam data warehouse pada periode waktu
tertentu setelah dilakukan beberapa perhitungan (calculation) dan rangkuman
(summary).

3.2.3 Data Warehouse dan Sistem Operasi


Berikut ini perbedaan antara data warehouse dan sistem operasi:

15 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

3.3 Perancangan Data Warehouse


3.3.1 Perancangan dalam Data Warehouse
Data warehouse memberi informasi mengenai model alur data pada sistem operasi
(informasi skala besar) ke sistem pengambilan keputusan (informasi skala kecil). Dalam
organisasi/perusahaan besar, dapat terjadi permintaan informasi yang sama oleh pemakai
yang berbeda. Informasi ini kemudian digunakan untuk kebutuhan yang berbeda, sehingga
membutuhkan pengolahan data yang berbeda.

Lapisan penghubung dalam perancangan data warehouse:


 Operational Database Layer : sumber data bagi data warehouse.
 Informational Access Layer : data diakses untuk dilaporkan dan dianalisis
 Data Access Layer : gabungan operational dan informational layer
 Metadata Layer : penyimpanan hasil data

3.3.2 Penyimpanan Data


Pendekatan yang digunakan dalam penyimpanan data:
 Pendekatan dimensional
Dalam pendekatan dimensional, data transaksi dibagi menjadi
o tabel fakta (data numerik pada transakasi)
Tabel fakta berisi fakta numerik yang memiliki ciri-ciri panjang, kurus,
dan besar, serta sering berubah dan berguna untuk mengukur
(measure).
Contoh: jumlah barang yang dipesan, harga pembayaran produk
o tabel dimensi (informasi pendukung yang memberikan gambaran
terhadap fakta)
Tabel dimensi berisi kolom yang bersifat desktiptif, kecil, pendek, dan
lebar yang berguna untuk menyaring data dan didasarkan pada atribut
dimensi.
Contoh: tanggal pemesanan, nama customer, nomor produk

Teknik pendekatan dimensional yang digunakan untuk membuat data


warehouse:
o Skema bintang (star schema)
Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta
(fact table) di pusat bintang dengan beberapa tabel dimensi
(dimensional tables) yang mengelilinginya. Semua tabel dimensi
berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa key
yang merupakan kunci indek individual dalam tabel dimensi.
o Skema bola salju (snowflake Schema)
Skema bola salju merupakan perluasan dari skema bintang dengan
tambahan beberapa tabel dimensi yang tidak berhubungan secara
langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan
dengan tabel dimensi yang lain.

16 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

o Fact constellations
Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu
atau beberapa tabel dimensi secara bersama-sama sehingga jika
digambarkan akan terlihat seperti sekumpulan bintang. Skema ini juga
dikenal dengan galaxy schema.

 Pendekatan penormalan
Pendekatan penormalan dilakukan dengan mengikuti Aturan Penormalan Codd.
Dibutuhkan tabel yang berisi data umum setiap kategori (seperti data customer,
data produk, data keuangan).

3.3.3 Metodologi
Metode yang digunakan dalam perancangan data warehouse:
 Bottom-up Design
Implementasi bottom up dimulai dengan membangun data mart untuk
menyelesaikan suatu permasalahan tertentu tanpa menunggu dari
pengembangan infrastruktur yang telah lengkap. Ketika ada permasalahan yang
lain, maka akan dibuatkan data mart baru. Begitu juga seterusnya. Selanjutnya
bermacam-macam data mart tersebut digabungkan menjadi sebuah data
warehouse.
 Top-down Design
Langkah awal implementasi data warehouse dengan pendekatan top down
adalah membangun sebuah data warehouse pada semua data perusahaan,
setelah itu dilanjutkan dengan membangun data mart yang berisi data
warehouse khusus yang merupakan bagian dari data warehouse yang dibangun
sebelumnya.
 Hybrid Design
Metode ini menggabungkan keuntungan dari kecepatan perputaran waktu dari
bottom-up design dan kekonsistensian luasnya aktifitas data dari top-down
design.

17 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

3.4 Penggunaan Data Warehouse


3.4.1 Aplikasi dan Penerapan Penggunaan Data Warehouse
Berikut ini adalah tools yang digunakan dalam data warehouse:

3.4.2 Keuntungan
Keuntungan yang didapat dengan menggunakan data warehouse:
 Data warehouse memberikan informasi model data yang umum pada semua jenis
data yang dibutuhkan, sehingga pelaporan dan analisis informasi menjadi lebih
mudah (dibandingkan jika diberikan banyak model data untuk menerima informasi).
 Memberikan informasi data yang luas (banyak) pada pemakai.
 Cepat dalam memasukkan data ke data warehouse
 Informasi yang ada dalam data warehouse dikontrol oleh pemakai data warehouse,
sehingga informasi dalam data warehouse dapat disimpan dengan aman.
 Data warehouse dapat menerima data tanpa memperlambat kerja sistem operasi.
 Data warehouse dapat digunakan dalam berbagai operasi secara palalel.
 Data warehouse memfasilitasi sistem pengambil keputusan dengan laporan hasil
trend data, laporan data pengecualian, dan laporan yang menunjukkan performansi
sebenarnya terhadap tujuan.

3.4.3 Kerugian
Kerugian yang didapat dengan menggunakan data warehouse :
 Penggunaan data warehouse membutuhkan biaya yang besar (terutama biaya
perawatannya)
 Data warehouse dapat dengan cepat tidak berlaku lagi (terhadap permasalahan
yang ada).
 Adanya garis pembatas antara data warehouse dan sistem operasi.

18 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

BAB IV
DATA MINING

4.1 Latar Belakang Data Mining


Sorang analis harus memisahkan informasi yang berguna dari keseluruhan data yang dimiliki
yang tersimpan dalam basis data. Dalam dunia modern terjadi penambahan jumlah data, karena
telah dilakukan pengumpulan data selama bertahun-tahun (berupa data pembelian, data
penjualan, data nasabah, data transaksi lainnya perusahaan). Dibutuhkan komputer untuk
memasukkan data-data tersebut menjadi data elektronik, yaitu dengan menggunakan aplikasi
komputer yang digunakan untuk menangani transaksi sehari-hari (berupa On-Line Transaction
Processing). Data yang dipisahkan dari keseluruhan data yang dimiliki (dapat berupa basis data
atau lainnya) itu harus diubah menjadi informasi dan knowledge agar berguna.

Berikut ini tabel perkembangan data mining:

4.2 Data Mining


4.2.1 Pengertian Data Mining
Data mining adalah:
“Proses untuk menemukan interesting knowledge dari sejumlah data yang disimpan
dalam basis data (atau media penyimpanan data lainnya).”

Dengan melakukan pengolahan knowledge pada data mining terhadap sekumpulan data,
akan didapatkan suatu interesting pattern yang dapat disimpan sebagai knowledge baru.
Pattern ini akan digunakan untuk melakukan evaluasi terhadap data-data tersebut, untuk
selanjutnya didapatkan informasi yang diinginkan.

19 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

4.2.2 Cakupan Data Mining


Data mining tidak hanya dapat dilakukan pada data transaksi saja. Penelitian di bidang data
mining saat ini masuk ke dalam sistem database lanjut seperti:
 object oriented database
 image/spatial database
 time-series data/temporal database
 teks (dikenal dengan nama text mining)
 web (dikenal dengan nama web mining)
 multimedia database.

Beberapa penelitian sekarang ini dilakukan untuk memajukan data mining, diantaranya
adalah:
 peningkatan kinerja yang berhubungan dengan data berukuran terabyte
 visualisasi yang lebih menarik untuk pemakai
 pengembangan bahasa query data mining agar sama dengan SQL (Structure
Query Languange)
Hal ini dilakukan agar pemakai dapat melakukan data mining dengan mudah dan cepat serta
mendapatkan hasil yang akurat.

4.2.3 Data Mining dan Analisis Statistikal

4.3 Perancangan Data Mining


4.3.1 Elemen Perancangan Data Mining
Elemen penting dalam perancangan data mining:
 Ekstrak, ubah, dan masukkan data traksaksi ke dalam sistem data warehouse
 Simpan dan atur data dalam sistem database multi dimensi
 Berikan akses data pada analis dan profesinal teknologi informasi

20 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

 Analisis data dengan menggunakan software aplikasi


 Sajikan data dalam format yang dibutuhkan (seperti grafik atau tabel)

4.3.2 Algoritma Data Mining


Berikut ini adalah algoritma data mining yang dapat digunakan:
 Classification Algorithm
Digunakan untuk memprediksi satu atau lebih variabel diskrit, berdasarkan pada
data lain dari set data.
Contoh: Microsoft Decision Tree Algorithm
 Regression Algorithm
Digunakan untuk memprediksi satu atau lebih variabel kontinu (seperti
keuntungan/kerugian), berdasarkan pada data lain dari set data.
Contoh: Microsoft Time Series Algorithm
 Segmentation Algorithm
Digunakan untuk membagi data menjadi grup atau klaster data yang
mempunyai kesamaan sifat.
Contoh: Microsoft Clustering Algorithm
 Association Algorithm
Digunakan untuk mencari korelasi antara data yang berbeda dalam suatu set
data. Biasanya digunakan untuk mencari pola relasi (assocation rule) antar data,
sehingga dapat digunakan dalam analisis pasar.
Contoh: Microsoft Association Algorithm
 Sequence Analysis Algorithm
Digunakan untuk menggabungkan seri data yang berulang (seperti web path
flow).
Contoh: Microsoft Sequence Clustering Algorithm

4.4 Aplikasi dan Penerapan Data Mining


4.4.1 Aplikasi Data Mining
Berikut ini adalah vendor software aplikasi data mining terkemuka tahun 2008 (dipublikasikan
Gartner):
 Angoss Software
 Infor CRM Epiphany
 Potrait Software
 SAS
 G-Stat
 SPSS
 ThinkAnalytics
 Unica
 Viscovery

21 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

4.4.2 Penerapan Data Mining


Berikut ini adalah penerapan data mining dalam berbagai bidang:
Analisa Pasar dan Manajemen
• Menembak target pasar
Data mining dapat melakukan pengelompokan (clustering) model pembeli dan
melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang
diinginkan (seperti kesukaan yang sama, tingkat penghasilan yang sama, kebiasaan
membeli dan karakteristik lainnya).
• Melihat pola beli pemakai dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli seseorang dari waktu ke waktu.
Sebagai contoh, ketika menikah seseorang bisa saja memutuskan pindah dari single
account ke joint account (rekening bersama), dan pola beli-nya berbeda dengan ketika
masih bujangan.
• Cross-Market Analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara penjualan satu produk
dengan produk lainnya. Sebagai contoh, cari pola penjualan CocaCola sehingga dapat
diketahui barang apa saja yang harus disediakan untuk meningkatkan penjualan Coca
Cola.
• Profil Customer
Data mining dapat digunakan ntuk melihat profil customer/pembeli/nasabah sehingga
dapat diketahui kelompok customer tertentu akan membeli produk apa saja.
• Identifikasi Kebutuhan Customer
Dengan data mining dapat diidentifikasi produk apa yang terbaik untuk tiap kelompok
customer dan menyusun faktor-faktor apa saja yang kira-kira dapat menarik customer
baru untuk bergabung/membeli.
• Menilai Loyalitas Customer
VISA Spain International menggunakan data mining untuk melihat kesuksesan program
customer loyalty yang diterapkan.
• Informasi Summary
Data mining dapat dimanfaatkan untuk membuat summary laporan yang bersifat multi-
dimensi dan dilengkapi dengan informasi statistik lainnya.

Analisa Perusahaan dan Manajemen Resiko


• Perencanaan Keuangan dan Evaluasi Aset
Data Mining dapat digunakan untuk menganalisis dan memprediksi cash flow serta
melakukan contingent claim analysis untuk mengevaluasi aset. Dapat juga dilakukan
analisis trend dengan menggunakan data mining.
• Perencanaan Sumber Daya (Resource Planning)
Dengan melihat summary informasi serta pola pembelanjaan dan pemasukan dari
masing-masing sumber daya, dapat dilakukan perencanaan sumber daya dengan
menggunakan data mining.

22 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

• Persaingan (Competition)
o Banyak perusahaan yang berupaya melakukan competitive intelligence. Data Mining
dapat digunakan untuk memonitor pesaing dan melihat market direction pesaing.
o Dengan data mining dapat dilakukan pengelompokan customer dan pemberian variasi
harga/layanan/bonus untuk masing-masing grup ccustomer.
o Menyusun strategi penetapan harga di pasar yang sangat kompetitif. Hal ini diterapkan
oleh perusahaan minyak REPSOL di Spanyol dalam menetapkan harga jual gas di
pasaran.

Telekomunikasi
Perusahaan telekomunikasi menerapkan data mining untuk melihat jutaan transaksi
yang masuk, transaksi mana yang harus ditangani secara manual (dilayani oleh
operator). Tujuannya adalah menambah layanan otomatis khusus untuk transaksi yang
masih ditangani secara manual. Dengan demikian jumlah operator penerima transaksi
manual bisa ditekan hingga minimal.

Keuangan
Financial Crimes Enforcement Network di Amerika Serikat menggunakan data mining
untuk mendeteksi jumlah transaksi keuangan yang mencurigakan (seperti money
laundry). Hal tersebut akan susah dilakukan jika menggunakan analisis standar.

Asuransi
Australian Health Insurance Commision menggunakan data mining untuk
mengidentifikasi jumlah layanan kesehatan yang sebenarnya tidak perlu tetapi tetap
dilakukan oleh peserta asuransi. Dengan kebijakan tersebut, Australian Health Insurance
Commision dapat menghemat satu juta dollar per tahunnya. Kebijakan ini dapat
diterapkan tidak hanya untuk asuransi kesehatan tetapi juga untuk berbagai jenis
asuransi lainnya.

Olah Raga
IBM Advanced Scout menggunakan data mining untuk menganalisis statistik permainan
NBA (jumlah shots blocked, assists dan fouls) dalam rangka mengetahui keunggulan
bersaing (competitive advantage) antara tim New York Knicks dan Miami Heat.

Astronomi
Jet Propulsion Laboratory (JPL) di Pasadena, California dan Palomar Observatory berhasil
menemukan 22 quasar dengan menggunakan data mining. Hal ini merupakan salah satu
kesuksesan penerapan data mining di bidang astronomi dan ilmu ruang angkasa.

Internet Web Surf-Aid


IBM Surf-Aid menggunakan algoritma data mining untuk mendata jumlah akses halaman
web, khususnya yang berkaitan dengan pemasaran, untuk mengetahui perilaku dan
minat customer, serta melihat keefektifan pemasaran melalui web.

23 | 2 4
Sistem Informasi dan Keputusan Nadia Fadhilah Riza (13406069)

REFERENSI

Handout Kuliah TI-3241 Analisis dan Perancangan Sistem Informasi. Laboratorium Sistem Informasi
dan Keputusan ITB
http://en.wikipedia.org/wiki/Information_system
http://en.wikipedia.org/wiki/Decision_support_system
http://www.informationbuilders.com/decision-support-systems-dss.html
http://student2002.unpar.ac.id/~7302042/DecisionSupportSystem.pdf
http://en.wikipedia.org/wiki/Data_warehouse
http://www.answers.com/topic/data-warehouse
http://www.pravinshetty.com/StudyMaterials/Concepts/dwbasics.pdf
http://en.wikipedia.org/wiki/Data_mining
http://www.thearling.com/text/dmwhite/dmwhite.htm
http://www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies/palace/datamining.htm
http://databases.about.com/od/datamining/a/datamining.htm

24 | 2 4