Anda di halaman 1dari 128

Kapita Selekta Sistem Informasi

Mata kuliah Konsep Sistem Informasi

Daftar Isi
1

Sistem informasi

1.1

Tujuan Sistem Informasi

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Komponen

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Kampus dengan jurusan Sistem Informasi di Indonesia

. . . . . . . . . . . . . . . . . . . . . . .

1.4

Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sistem informasi manajemen

2.1

Pengertian Menurut Para Ahli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Proses Manajemen

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3

Bagian

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4

Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.5

Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sistem informasi akuntansi

3.1

Sistem Informasi Manajemen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2

Cara Kerja

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3

Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4

Komponen Sistem Informasi Akuntansi

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sistem pendukung keputusan

4.1

Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sistem informasi eksekutif

5.1

Sejarah

5.2

Komponen

5.3

5.4

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.2.1

Perangkat Keras (Hardware) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

5.2.2

Perangkat Lunak (Software) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

5.2.3

Pengguna Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

5.2.4

Telekomunikasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

Aplikasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

5.3.1

Manufaktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

5.3.2

Pemasaran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

5.3.3

Keuangan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

Keuntungan dan Kerugian

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i

11

ii

DAFTAR ISI
5.4.1

Keuntungan dari EIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

5.4.2

Kerugiaan dari EIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

5.5

Tren Masa Depan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

5.6

Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

Sistem pemrosesan transaksi

13

6.1

Sejarah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

6.2

Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

Manajemen hubungan pelanggan

14

7.1

Sasaran dan Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

7.2

Fungsi-fungsi dalam CRM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

7.3

Mengimplementasikan CRM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

7.4

Permasalahan Implementasi CRM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

Perencanaan sumber daya perusahaan

16

8.1

Sejarah

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

8.2

Karakter Sistem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

8.2.1

Modul ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

8.2.2

Keuntungan penggunaan ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

8.2.3

Keuntungan yg bisa diukur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

Memilih ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

8.3.1

Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

8.3.2

Suksesor Penerapan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

8.3.3

Analisa Strategi Usaha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

8.3.4

Analisa Sumberdaya Manusia

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

8.3.5

Analisa Infrastruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

8.3.6

Analisa Perangkat Lunak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

Penerapan ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

8.4.1

Gagalnya ERP

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

8.4.2

Tanda-tanda kegagalan ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

8.4.3

Software ERP

20

8.3

8.4

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Manajemen pengetahuan

22

9.1

Pengertian Manajemen Pengetahuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

9.2

Knowledge Management System Conceptual Model . . . . . . . . . . . . . . . . . . . . . . . . .

23

9.3

Sistem Pakar (Expert System) dalam Knowledge Management

. . . . . . . . . . . . . . . . . . .

24

9.4

Tipe Proyek Manajemen Pengetahuan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

9.5

9.4.1

1. Menciptakan simpanan pengetahuan

. . . . . . . . . . . . . . . . . . . . . . . . . . .

26

9.4.2

2. Meningkatkan akses terhadap pengetahuan dan transfer atasnya

. . . . . . . . . . . . .

26

9.4.3

3. Menyuburkan lingkungan pengetahuan . . . . . . . . . . . . . . . . . . . . . . . . . .

26

9.4.4

4. Mengelola pengetahuan sebagai suatu aset

. . . . . . . . . . . . . . . . . . . . . . . .

26

Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

DAFTAR ISI

iii

9.6

Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

9.7

Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

9.7.1

Buku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

9.7.2

Artikel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

10 Sistem informasi geogras

30

10.1 Pengertian menurut para ahli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

10.2 Sejarah perkembangan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

10.3 Komponen Sistem Informasi Geogras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

10.3.1 Perangkat Keras (hardware) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

10.3.2 Perangkat Lunak (software)

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

10.3.3 Data

10.3.4 Manusia

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

10.3.5 Metode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

34

10.4 Ruang Lingkup Sistem Informasi Geogras (SIG) . . . . . . . . . . . . . . . . . . . . . . . . . .

34

10.5 Manfaat SIG di berbagai bidang

34

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10.5.1 Manajemen tata guna lahan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

10.5.2 Inventarisasi sumber daya alam . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

10.5.3 Untuk pengawasan daerah bencana alam . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

10.5.4 Bagi perencanaan Wilayah dan Kota . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

10.6 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

10.7 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

11 Sistem manajemen sumber daya manusia


11.1 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12 Algoritma
12.1 Asal kata

37
37
38

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12.2 Denisi informal

38

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

12.3 Formalisasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39

12.3.1 Menggambarkan algoritma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

12.4 Implementasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

12.5 Algoritma komputer

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

12.6 Contoh

12.6.1 Contoh Algoritma

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

12.6.2 Algoritma Euclid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

12.6.3 Menguji algoritma Euclid

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

12.6.4 Menghitung dan meningkatkan algoritma Euclid . . . . . . . . . . . . . . . . . . . . . . .

44

12.7 Analisis Algoritma

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12.7.1 Formal lawan empiris

44

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

44

12.8 Klasikasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

45

12.9 Paradigma secara rancangan

46

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

iv

DAFTAR ISI
12.9.1 Permasalahan optimisasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

12.9.2 Berdasarkan bidang kajian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

12.9.3 Berdasarkan kompleksitas

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

12.9.4 Berdasarkan tipe evaluatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

12.10Algoritma berkelanjutan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

12.11Isu legalitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

12.12Etimologi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

12.13Sejarah: Perkembangan dari kata algoritma

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

12.13.1 Asal mula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

12.13.2 Simbol diskrit dan yang dapat dibedakan

49

. . . . . . . . . . . . . . . . . . . . . . . . . .

12.13.3 Manipulasi simbol sebagai penampung bilangan: aljabar

. . . . . . . . . . . . . . . . .

49

12.13.4 Rancangan mekanis dengan tingkat diskrit . . . . . . . . . . . . . . . . . . . . . . . . . .

50

12.13.5 Matematika selama abad 19 sampai pertengahan abad 20 . . . . . . . . . . . . . . . . . .

50

12.13.6 Emil Post (1936) dan Alan Turing (1936-37, 1939) . . . . . . . . . . . . . . . . . . . . .

51

12.13.7 J. B. Rosser (1939) dan S. C. Kleene (1943) . . . . . . . . . . . . . . . . . . . . . . . . .

52

12.13.8 Sejarah setelah 1950 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

12.14Lihat juga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

12.15Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

12.16Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

12.17Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

13 Struktur data

65

13.1 Daftar struktur data umum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


14 Basis data

65
66

14.1 Lingkungan basis data

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14.2 Tahapan perancangan basis data

69

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

69

14.3 Bahasa pada basis data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

70

14.4 Perangkat lunak basis data

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

70

14.5 Rujukan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

71

14.6 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

71

15 Gudang data

72

15.1 Karakteristik gudang data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

72

15.2 Peralatan gudang data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

72

15.3 Rujukan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

72

15.4 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

73

16 Penggalian data

74

16.1 Proses Pencarian Pola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

74

16.2 Latar belakang

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

74

16.3 Teknik Penggalian Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

75

16.4 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

76

DAFTAR ISI

16.5 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

76

16.6 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

76

16.7 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

77

17 Pusat data

78

17.1 Perancangan Pusat Data yang Ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

79

17.2 Servis Utama pada Data Center . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

79

17.3 Tier pada Data Center . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

80

17.4 Next Generation Data Center

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

80

17.5 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

81

18 Komputasi awan

82

18.1 Sejarah Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

83

18.1.1 Tahun 1960 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

83

18.1.2 Tahun 1995 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

18.1.3 Akhir Era 90 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

18.1.4 Tahun 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

18.1.5 2005 - Sekarang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

18.2 Manfaat Komputasi Awan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

18.3 Layanan Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

18.3.1 Infrastructure as a Service (IaaS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

18.3.2 Platform as a Service (PaaS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

18.3.3 Software as a Service (SaaS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

18.4 Metoda dan Implementasi Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

18.4.1 Metoda atau Cara Kerja Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . .

85

18.4.2 Implementasi Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

86

18.5 Masalah yang dihadapi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

86

18.6 Contoh Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87

18.6.1 Google Drive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87

18.6.2 Windows Azure

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

88

18.7 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

89

18.8 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

89

19 Internet of Things

90

19.1 Denisi Orisinil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

90

19.2 Denisi Alternatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

90

19.3 Keunikan Pengalamatan Suatu Benda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

19.4 Cara Kerja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

19.5 Karakteristik dan Trends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

19.6 Pembagian Internet of Things/M2M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

92

19.7 Teknologi Pengimplementasian Internet of Things . . . . . . . . . . . . . . . . . . . . . . . . . .

95

19.7.1 Kode Batang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

95

vi

DAFTAR ISI
19.7.2 Kode QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

96

19.7.3 Identikasi Frekuensi Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

96

19.8 Metode dan Pengimplementasian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

97

19.9 Manfaat Internet of Things . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

19.10Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

19.11Pranala Luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

99

20 Big data

100

20.1 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101


21 Green computing

102

22 IF - 05 Green Computing

103

23 Latar Belakang Green Computing

104

24 Penerapan Green Computing

105

25 Contoh Produk Green Computing

107

25.1 Pranala Luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107


26 E-Business

108

26.1 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108


26.1.1 Wikibooks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
27 Perdagangan elektronik

109

27.1 Sejarah dan Perkembangan E-Commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109


27.2 Model-Model E-Commerce di Indonesia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
27.3 Kunci Sukses dalam E-Commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
27.4 Memulai Perdagangan Elekronik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
27.4.1 Sebagai penjual atau pedagang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
27.4.2 Sebagai pembeli atau konsumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
27.5 Masalah E-Commerce
27.6 Aplikasi bisnis

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

27.7 Perusahaan terkenal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112


27.8 Kecocokan barang

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

27.9 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112


27.10Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
27.11Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
28 Pemerintahan elektronik

114

28.1 Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114


28.2 Pelaksanaannya di Indonesia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
28.3 Kendala . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
28.4 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

DAFTAR ISI

vii

28.5 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115


29 Tata kelola teknologi informasi

116

29.1 Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116


29.2 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
30 Audit teknologi informasi

117

30.1 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117


30.2 Text and image sources, contributors, and licenses . . . . . . . . . . . . . . . . . . . . . . . . . . 118
30.2.1 Text . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
30.2.2 Images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
30.2.3 Content license . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

Bab 1

Sistem informasi
Sistem Informasi (SI) [1] adalah kombinasi dari teknologi informasi dan aktivitas orang yang menggunakan teknologi
itu untuk mendukung operasi dan manajemen.[2] Dalam arti yang sangat luas, istilah sistem informasi yang sering
digunakan merujuk kepada interaksi antara orang, proses algoritmik, data, dan teknologi. Dalam pengertian ini,
istilah ini digunakan untuk merujuk tidak hanya pada penggunaan organisasi teknologi informasi dan komunikasi
(TIK), tetapi juga untuk cara di mana orang berinteraksi dengan teknologi ini dalam mendukung proses bisnis.[3]
Ada yang membuat perbedaan yang jelas antara sistem informasi, dan komputer sistem TIK, dan proses bisnis. Sistem
informasi yang berbeda dari teknologi informasi dalam sistem informasi biasanya terlihat seperti memiliki komponen
TIK. Hal ini terutama berkaitan dengan tujuan pemanfaatan teknologi informasi. Sistem informasi juga berbeda dari
proses bisnis. Sistem informasi membantu untuk mengontrol kinerja proses bisnis.[4]
Alter berpendapat untuk sistem informasi sebagai tipe khusus dari sistem kerja. Sistem kerja adalah suatu sistem di
mana manusia dan/atau mesin melakukan pekerjaan dengan menggunakan sumber daya untuk memproduksi produk
tertentu dan/atau jasa bagi pelanggan. Sistem informasi adalah suatu sistem kerja yang kegiatannya ditujukan untuk
pengolahan (menangkap, transmisi, menyimpan, mengambil, memanipulasi dan menampilkan) informasi.[5]
Dengan demikian, sistem informasi antar-berhubungan dengan sistem data di satu sisi dan sistem aktivitas di sisi lain.
Sistem informasi adalah suatu bentuk komunikasi sistem di mana data yang mewakili dan diproses sebagai bentuk
dari memori sosial. Sistem informasi juga dapat dianggap sebagai bahasa semi formal yang mendukung manusia
dalam pengambilan keputusan dan tindakan.
Sistem informasi merupakan fokus utama dari studi untuk disiplin sistem informasi dan organisasi informatika.[6]
Sistem informasi adalah gabungan yang terorganisasi dari manusia, perangkat lunak, perangkat keras, jaringan komunikasi dan sumber data dalam mengumpulkan, mengubah, dan menyebarkan informasi dalam organisasi.[7]
Sistem informasi adalah suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi
harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak
luar tertentu dengan laporan-laporan yang diperlukan.[8]
Sistem informasi adalah kumpulandari sub-sub sistem baik phisik maupun non phisik yang saling berhubungan satu
sama lain dan bekerja sama secara harmonis untuk mencapai satu tujuan yaitu mengolah data menjadi informasi yang
berguna.[9]

1.1 Tujuan Sistem Informasi


Tujuan dari sistem informasi adalah menghasilkan informasi. Sistem informasi adalah data yang diolah menjadi bentuk yang berguna bagi para pemakainya. Data yang diolah saja tidak cukup dapat dikatakan sebagai suatu informasi.
Untuk dapat berguna, maka informasi harus didukung oleh tiga pilar sebagai berikut: tepat kepada orangnya atau
relevan (relevance), tepat waktu (timeliness), dan tepat nilainya atau akurat (accurate). Keluaran yang tidak didukung
oleh tiga pilar ini tidak dapat dikatakan sebagai informasi yang berguna, tetapi merupakan sampah (garbage).
1

BAB 1. SISTEM INFORMASI

1.2 Komponen
Komponen prosedur dalam SI berkaitan dengan prosedur manual dan prosedur berbasis komputer serta standar untuk
mengolah data menjadi informasi yang berguna. Suatu prosedur adalah urutan langkah yang dilakukan untuk menyelesaikan satu atau lebih aktivitas pengolahan informasi. Pengolahan informasi ini dapat dikerjakan dengan pengguna,
atau kombinasi pengguna dan sta TI. Suatu bisnis terdiri dari berbagai macam prosedur yang digabungkan secara
logis untuk membentuk suatu sistem. Sebagai contoh sistem yang umumnya ada dalam suatu organisasi adalah sistem
penggajian, personalia, akuntansi, dan gudang.
Ini terdiri dari komputer, instruksi, fakta yang tersimpan, manusia dan prosedur.
SI dapat dikategorikan dalam empat bagian:
1. Sistem Informasi Manajemen
2. Sistem pendukung keputusan
3. Sistem Informasi Eksekutif
4. Sistem Pemrosesan Transaksi

1.3 Kampus dengan jurusan Sistem Informasi di Indonesia


Beberapa kampus di Indonesia telah menawarkan Jurusan Sistem Informasi baik setara D3, D4, S1 dan S2. Beberapa
diantaranya adalah
1. Universitas Bina Nusantara (S1, S2 Regular/Online)
2. Universitas Komputer Indonesia (S1)
3. Institut Teknologi Sepuluh Nopember (S1, S2)
4. Universitas Indonesia (S1)
5. Universitas Diponegoro (S2)
6. Universitas Komputer Indonesia (S1,S2)
7. Sekolah Tinggi Teknik Surabaya (S1)
8. Universitas Telkom (S1)
9. STMIK PPKIA Pradnya Paramita Malang (S1)
10. Universitas Gunadarma (S1, S2)
11. Universitas Brawijaya (S1)
12. Universitas Islam Negeri Sultan Syarif Kasim (S1)
13. Universitas Merdeka Pasuruan (S1)
14. Universitas Bina Nusantara (S1)
15. Universitas Andalas (S1)
16. Universitas Pembangunan Nasional Veteran Jakarta (D3, S1)
17. Stmik Indonesia Padang (S1)
18. Universitas Putra Indonesia YTPK Padang (S1)
19. Universitas Multimedia Nusantara (S1)
20. Institut Teknologi Harapan Bangsa (S1)

1.4. REFERENSI

1.4 Referensi
[1] Denition of Application Landscape. Software Engineering for Business Information Systems (sebis). Jan 21, 2009.
Diakses tanggal January 14, 2011.
[2] SEI Report, Glossary
[3] Kroenke, D M. (2008). Experiencing MIS. Prentice-Hall, Upper Saddle River, NJ
[4] O'Brien, J A. (2003). Introduction to information systems: essentials for the e-business enterprise. McGraw-Hill, Boston,
MA
[5] Alter, S. The Work System Method: Connecting People, Processes, and IT for Business Results. Works System Press, CA
[6] Beynon-Davies P. (2009:34). Management Information Systems. Palgrave, Basingstoke
[7] James A. OBrien (2007:45)Management Information Systems - 10th edition.Palgrave, Basingstoke
[8] Laudon, Kenneth C.; Laudon, Jane P. (2007:42)Sistem Informasi Manajemen. Palgrave, Basingstoke
[9] 9 Susanto, Azhar. 2004. Sistem Informasi Manajemen Konsep dan Pengembangannya. Bandung: Lingga Jati.

Bab 2

Sistem informasi manajemen


Sistem informasi manajemen atau SIM (bahasa Inggris: management information system, MIS) adalah sistem perencanaan bagian dari pengendalian internal suatu bisnis yang meliputi pemanfaatan manusia, dokumen, teknologi,
dan prosedur oleh akuntansi manajemen untuk memecahkan masalah bisnis seperti biaya produk, layanan, atau suatu
strategi bisnis. Sistem informasi manajemen dibedakan dengan sistem informasi biasa karena SIM digunakan untuk
menganalisis sistem informasi lain yang diterapkan pada aktivitas operasional organisasi. Secara akademis, istilah ini
umumnya digunakan untuk merujuk pada kelompok metode manajemen informasi yang bertalian dengan otomasi
atau dukungan terhadap pengambilan keputusan manusia, misalnya sistem pendukung keputusan, sistem pakar, dan
sistem informasi eksekutif.

2.1 Pengertian Menurut Para Ahli


Bodnar dan Hopwood ; buku Accounting Information System : Kumpulan perangkat keras dan perangkat lunak
yang dirancang untuk mentransformasikan data dalam bentuk informasi yang berguna.
Turban, McLean, dan Waterbe ; buku Information Technology for Management Making Connection for Strategies Advantages : Sistem yang mengumpulkan, memproses, menyimpan, menganalisa, dan menyebarkan
informasi untuk tujuan yang spesik.
L. James Havery ; Sistem merupakan prosedur logis dan rasional guna melakukan atau merancang suatu rangkaian komponen yang berhubungan satu sama lain.
Ludwig Von Bartalanfy ; Sistem merupakan seperangkat unsur yang saling terikat dalam suatu antar relasi di
antara unsur-unsur tersebut dengan lingkungan.
Obrien ; Sistem adalah sekelompok komponen yang saling berhubungan, bekerja sama untuk mencapai tujuan
bersama dengan menerima input serta menghasilkan output dalam transformasi yang teratur.
Azhar Susanto ; Sistem adalah kumpulan/group dari sub sistem/bagian/komponen apapun baik sik maupun
non sik yang saling berhubungan satu sama lain dan bekeaan, pengendalian, pengevaluasian, dan perbaikan
berkelanjutan.
Menyediakan informasi untuk pengambilan keputusan.
Ketiga tujuan tersebut menunjukkan bahwa manajer dan pengguna lainnya perlu memiliki akses ke informasi akuntansi
manajemen dan mengetahui bagaimana cara menggunakannya. Informasi akuntansi manajemen dapat membantu
mereka mengidentikasi suatu masalah, menyelesaikan masalah, dan mengevaluasi kinerja (informasi akuntansi dibutuhkan dan dipergunakan dalam semua tahap manajemen, termasuk perencanaan, pengendalian dan pengambilan
keputusan).
4

2.2. PROSES MANAJEMEN

2.2 Proses Manajemen


Proses manajemen didenisikan sebagai aktivitas-aktivitas:
Perencanaan, formulasi terinci untuk mencapai suatu tujuan akhir tertentu adalah aktivitas manajemen yang
disebut perencanaan. Oleh karenanya, perencanaan mensyaratkan penetapan tujuan dan identikasi metode
untuk mencapai tujuan tersebut.
Pengendalian, perencanaan hanyalah setengah dari pertempuran. Setelah suatu rencana dibuat, rencana tersebut harus diimplementasikan, dan manajer serta pekerja harus memonitor pelaksanaannya untuk memastikan
rencana tersebut berjalan sebagaimana mestinya. Aktivitas manajerial untuk memonitor pelaksanaan rencana
dan melakukan tindakan korektif sesuai kebutuhan, disebut kebutuhan.
Pengambilan Keputusan, proses pemilihan di antara berbagai alternative disebut dengan proses pengambilan
keputusan. Fungsi manajerial ini merupakan jalinan antara perencanaan dan pengendalian. Manajer harus
memilih di antara beberapa tujuan dan metode untuk melaksanakan tujuan yang dipilih. Hanya satu dari
beberapa rencana yang dapat dipilih. Komentar serupa dapat dibuat berkenaan dengan fungsi pengendalian.
Menurut Francisco Proses Manajemen adalah suatu proses Penukaran terhadap nilai dan jasa

2.3 Bagian
SIM merupakan kumpulan dari sistem informasi:
Sistem informasi akuntansi (accounting information systems), menyediakan informasi dan transaksi keuangan.
Sistem informasi akademik (academic information systems), menyediakan informasi tentang proses pendidikan
yang sedang berjalan di suatu akademi/sekolah/perguruan.
Sistem informasi pemasaran (marketing information systems), menyediakan informasi untuk penjualan, promosi penjualan, kegiatan-kegiatan pemasaran, kegiatan-kegiatan penelitian pasar dan lain sebagainya yang
berhubungan dengan pemasaran.
Sistem informasi manajemen persediaan (inventory management information systems).
Sistem informasi personalia (personal information systems).
Sistem informasi distribusi (distribution information systems).
Sistem informasi pembelian (purchasing information systems).
Sistem informasi kekayaan (treasury information systems).
Sistem informasi analisis kredit (credit analysis information systems).
Sistem informasi penelitian dan pengembangan (research and development information systems).
Sistem informasi analisis software
Sistem informasi teknik (engineering information systems).
Sistem informasi Rumah Sakit (Hospital information systems).

2.4 Lihat pula


Sistem informasi pembelian

2.5 Pranala luar


http://www.slideshare.net/AfdanPMIKabBogor/sistem-informasi-manajemen-40557380

Bab 3

Sistem informasi akuntansi


Denisi Sistem Informasi Akuntansi
Sistem adalah sekelompok unsur yang erat berhubungan satu dengan lainnya yang berfungsi bersama-sama untuk
mencapai tujuan tertentu. Biasanya dibuat untuk menangani sesuatu yang berulang kali atau yang secara rutin terjadi.
Informasi adalah data yang berguna yang diolah sehingga dapat dijadikan sebagai dasar untuk mengambil keputusan yang tepat. Karakteristik informasi yang realible harus memenuhi syarat relevan, tepat waktu, akurat dan lengkap.
Sistem Informasi adalah sebuah sistem yang memproses data dan transaksi guna menghasilkan informasi yang bermafaat untuk merencanakan, mengendalikan, dan mengoperasikan bisnis.
Sistem Informasi Akuntansi (SIA) adalah sebuah sistem informasi yang menangani segala sesuatu yang berkenaan
dengan Akuntansi. Akuntansi sendiri sebenarnya adalah sebuah sistem informasi. Fungsi penting yang dibentuk SIA
pada sebuah organisasi antara lain :
Mengumpulkan dan menyimpan data tentang aktivitas dan transaksi.
Memproses data menjadi informasi yang dapat digunakan dalam proses pengambilan keputusan.
Melakukan kontrol secara tepat terhadap aset organisasi.
Subsistem SIA memproses berbagai transaksi keuangan dan transaksi nonkeuangan yang secara langsung memengaruhi pemrosesan transaksi keuangan.
SIA terdiri dari 3 subsistem:
Sistem pemrosesan transaksi
mendukung proses operasi bisnis harian.
Sistem buku besar/ pelaporan keuangan
Sistem Penutupan dan pembalikan. Merupakan pembalikan dan penutupan dari laporan yang dibuat dengan
jurnal pembalik dan jurnal penutup
menghasilkan laporan keuangan, seperti laporan laba/rugi, neraca, arus kas, pengembalian pajak,dll.
.

3.1 Sistem Informasi Manajemen


Sistem Informasi Manajemen memproses berbagai transaksi non-keuangan yang tidak bisa diproses oleh Sistem Informasi Akuntansi. Bagaimana pun juga sistem informasi manajemen di laksanakan dengan kerja bersama. Dengan
6

3.2. CARA KERJA

mendukung semua ide dari masing-masing group yang melakukan kerja di lapangan dan bagaimana kita memberikan
semangat yang tinggi buat karyawan.

3.2 Cara Kerja


Untuk memahami bagaimana SIA bekerja, perlu untuk menjawab beberapa pertanyaan sebagai berikut :
Bagaimana mengoleksi data yang berkaitan dengan aktivitas dan transaksi organisasi?
Bagaimana mentransformasi data kedalam informasi sehingga manajemen dapat menggunakan untuk menjalankan organisasi?
Bagaimana menjamin ketersediaan, keandalan, keakuratan informasi ?

3.3 Manfaat
Sebuah SIA menambah nilai dengan cara:
Menyediakan informasi yang akurat dan tepat waktu sehingga dapat melakukan aktivitas utama pada value
chain secara efektif dan esien.
Meningkatkan kualitas dan mengurangi biaya produk dan jasa yang dihasilkan
Meningkatkan esiensi
Meningkatkan kemampuan dalam pengambilan keputusan
Meningkatkan sharing knowledge
menambah esiensi kerja pada bagian keuangan

3.4 Komponen Sistem Informasi Akuntansi


Manusia adalah pelaku yang menjalankan sistem
Transaksi merupakan objek dari sistem informasi akuntansi sebagai masukan, lalu diproses sehingga menghasilkan informasi
Prosedur adalah langkah-langkah yang harus ditempuh dalam melakukan transaksi atau kegiatan perusahaan.
Dokumen yaitu berupa formulir yang digunakan sebagai sarana pencatatan pada saat transaksi
Peralatan adalah suatu alat atau sarana yang digunakan dalam melakukan pencatatan pada sistem informasi
yang bersangkutan.

Bab 4

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 spesik.
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 gfhtidak biasa.
Tahapan SPK:
Denisi masalah
Pengumpulan data atau elemen informasi yang relevan
pengolahan data menjadi informasi baik dalam bentuk laporan grak maupun tulisan
menentukan alternatif-alternatif solusi (bisa dalam persentase)
Tujuan dari SPK:
Membantu menyelesaikan masalah semi-terstruktur
Mendukung manajer dalam mengambil keputusan suatu masalah
Meningkatkan efektitas bukan esiensi pengambilan keputusan
Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Articial Intelligence, Expert Systems, Fuzzy Logic, dll.

4.1 Pranala luar


(en) Department of Social and Decision Sciences - Carnegie Mellon University
(en) Elsevier DSS Publications
(en) DSSAT4 - University of Hawaii

Bab 5

Sistem informasi eksekutif


Sistem Informasi Eksekutif (EIS)adalah salah satu jenis manajemen sistem informasi untuk memudahkan dan
mendukung keterangan dan pembuatan keputusan yang dibutuhkan eksekutif senior dengan menyediakan kemudahan akses terhadap informasi baik dari dalam maupun dari luar yang relevan dengan tujuan organisasi. Ini biasanya
dipertimbangkan sebagai bentuk dari sistem pendukung keputusan (SPK).
EIS menekankan kepada tampilan gambar dan interface yang mudah digunakan oleh pengguna. EIS menawarkan
laporan yang kuat dan kemampuan menelusuri. Secara umum, EIS adalah perusahaan lebar SPK yang membantu
para eksekutif menganalisa, membandingkan, dan menyoroti variabel penting sehingga mereka dapat memonitor
kinerja dan mengidentikasi kesempatan dan masalah. EIS dan teknologi gudang data berkumpul di pasar.
Akhir-akhir ini, istilah EIS telah kehilangan kepopuleran dalam mendukung inteligensi bisnis (dengan sub area laporan, analitik, dan dasbor digital.

5.1 Sejarah
Dulu, sistem informasi eksekutif adalah program dasar dari komputer bingkai utama. Tujuannya untuk memaket
data perusahaan dan menyediakan kinerja penjualan atau statistik riset pasar ntuk pembuat keputusan, seperti direktur pemasaran, pejabat eksektif, yang tidak terlalu mengenal komputer. Tujuannya adalah untuk mengembangkan
aplikasi komputer yang disorot informasi untuk memenuhi kebutuhan para eksekutif senior. Biasanya, EIS hanya
menyediakan data yang mendukung tingkat keputusan eksekutif, tidak semua data perusahan.
Sekarang, penerapan EIS tidak hanya dalam hirarki korporasi yang khas, tetapi juga di tingkat perusahaan yang lebih rendah. Seperti beberapa klien layanan perusahaan mengadopsi sistem informasi terbaru perusahaan, karyawan
dapat menggunakan komputer pribadi mereka untuk mendapatkan akses ke data perusahaan dan mengidentikasi
informasi yang relevan dengan pengambilan keputusan mereka. Pengaturan ini menyediakan informasi yang relevan
dan atas dan tingkat lebih rendah di perusahaan.

5.2 Komponen
Komponen EIS biasanya dikategorikan sebagai:
Hardware
Software
User Interface
Telekomunikasi
9

10

BAB 5. SISTEM INFORMASI EKSEKUTIF

5.2.1

Perangkat Keras (Hardware)

Ketika membicarakan tentang perangkat keras komputer dalam lingkunagn EIS, kita harus fokus pada perangkat
keras yang dibutuhkan para eksekutif. Para eksekutif harus diutamakan dan kebutuhannya harus ditentukan sebelum
perangkat keras dapat dipilih. Perangkat keras dasar yang dibutuhkan untuk suatu EIS ada empat komponen:
1. Perangkat masukan data. Perangkat ini memungkinkan eksekutif untuk masuk, memverikasi dan memperbarui data segera.
2. Unit Pemroses Sentral (UPS), penting karena akan mengontrol komponen sistem komputer lain.
3. File penyimpan data. Para eksekutif dapat menggunakan ini untuk menyimpan informasi bisnis yang berguna,
dan bagian ini juga membantu eksekutif untuk mencari sejarah informasi bisnis dengan mudah.
4. Perangkat output, yang memberikan rekaman visual atau permanen bagi para eksekutif untuk menyimpan atau
membaca. Perangkat ini mengacu pada perangkat keluaran gambar seperti monitor atau printer
Selain itu, dengan munculnya jaringan area lokal (LAN), beberapa produk EIS untuk jaringan workstation menjadi
tersedia. Sistem ini memerlukan sedikit dukungan dan perangkat keras komputer yang kurang mahal. Mereka juga
meningkatkan akses informasi EIS ke lebih banyak perusahaan pengguna.

5.2.2

Perangkat Lunak (Software)

Memilih perangkat lunak yang tepat sangat penting untuk EIS yang efektif. Oleh karena itu, komponen perangkat
lunak dan bagaimana mereka mengintegrasikan data ke dalam satu sistem itu penting. Suatu EIS meliputi empat
komponen perangkat lunak:
1. Teks mendasari perangkat lunak, dokumen ini biasanya berbasis teks.
2. Database, heterogen database pada berbagai platform komputer vendor khusus dan terbuka membantu para
eksekutif dalam mengakses data baik internal maupun eksternal.
3. Berbasis gras, gras dapat mengubah volume teks dan statistik menjadi informasi visual untuk eksekutif.
Jenis gras yang khas: gras seri waktu, diagram sebar, peta, gras gerak, grak urutan dan berorientasi
perbandingan grak (yaitu, grak batang).
4. Basis model-model EIS mengandung statistik rutin dan khusus, keuangan, dan lain analisis kuantitatif.

5.2.3

Pengguna Interface

EIS harus esien untuk mengambil data yang relevan bagi para pengambil keputusan, sehingga user interface sangat
penting. Beberapa jenis antarmuka dapat tersedia untuk struktur EIS, laporan terjadwal pertanyaan/jawaban, menu
didorong, perintah bahasa, bahasa alam, dan input/output.

5.2.4

Telekomunikasi

Desentralisasi menjadi tren saat ini di perusahaan, telekomunikasi akan memainkan peran penting dalam sistem informasi jaringan. Transmisi data dari satu tempat ke yang lain telah menjadi penting untuk membangun jaringan
yang handal. Selain itu, telekomunikasi dalam EIS dapat mempercepat kebutuhan atas akses ke data terdistribusi.

5.3 Aplikasi
EIS membantu eksekutif menemukan data yang sesuai dengan kriteria yang ditetapkan pengguna dan mempromosikan informasi berbasis wawasan dan pemahaman. Tidak seperti presentasi sistem informasi manajemen tradisional,
EIS dapat membedakan antara data penting dan data yang jarang digunakan, dan melacak berbagai kunci penting

5.4. KEUNTUNGAN DAN KERUGIAN

11

kegiatan untuk para eksekutif, baik yang sangat membantu dalam mengevaluasi jika perusahaan adalah pertemuan
tujuan perusahaan. Setelah menyadari keuntungannya, orang telah menerapkan EIS di banyak wilayah, terutama,
manufaktur, pemasaran dan daerah keuangan.

5.3.1

Manufaktur

Manufaktur adalah transformasi bahan baku menjadi barang jadi untuk dijual, atau proses menengah melibatkan
produksi atau menyelesaikan semi manufaktur. Ini adalah industri dengan cabang yang luas dan produksi sekunder.
Kontrol operasional manufaktur berfokus pada operasi sehari-hari, dan ide utama dari proses ini adalah efektivitas
dan esiensi.

5.3.2

Pemasaran

Dalam sebuah organisasi, eksekutif pemasaran bertugas mengelola sumber-sumber pemasaran yang tersedia untuk
menciptakan masa depan yang lebih efektif. Untuk ini, mereka perlu membuat penilaian tentang risiko dan ketidakpastian proyek dan dampaknya pada perusahaan dalam jangka pendek maupun jangka panjang. Untuk membantu
eksekutif pemasaran dalam membuat keputusan pemasaran yang efektif, EIS dapat diterapkan. EIS menyediakan
prediksi penjualan, yang dapat memungkinkan para pemimpin pasar untuk membandingkan penjualan dengan penjualan masa lalu. EIS juga menawarkan pendekatan harga produk, yang ditemukan dalam analisis usaha. Eksekutif
pasar dapat mengevaluasi harga yang terkait dengan persaingan dengan hubungan kualitas produk dengan harga yang
dikenakan. Singkatnya, paket perangkat lunak EIS memungkinkan eksekutif pemasaran untuk memanipulasi data
dengan mencari tren, melakukan audit terhadap data penjualan dan menghitung total, rata-rata, perubahan, varians,
atau rasio.

5.3.3

Keuangan

Analisis keuangan adalah salah satu langkah yang paling penting untuk perusahaan sekarang. Eksekutif perlu menggunakan rasio keuangan dan analisis arus kas untuk memperkirakan tren dan membuat keputusan investasi modal.
EIS mengintegrasikan perencanaan atau anggaran dengan kontrol pelaporan kinerja, dan hal ini dapat sangat membantu untuk membiayai eksekutif. EIS fokus pada kinerja akuntabilitas keuangan, dan mengakui pentingnya biaya
standar dan penganggaran eksibel dalam mengembangkan kualitas informasi disediakan untuk semua tingkat eksekutif.

5.4 Keuntungan dan Kerugian


5.4.1

Keuntungan dari EIS

Penggunaan yang mudah untuk eksekutif tingkat tinggi , pengalaman luas komputer tidak diperlukan dalam
operasi
Menyediakan pengiriman tepat waktu dari ringkasan informasi perusahaan
Informasi yang disediakan lebih mudah dipahami
EIS menyediakan pengiriman tepat waktu informasi. Manajemen dapat membuat keputusan segera.
Meningkatkan informasi pelacakan
Menawarkan esiensi untuk pengambil keputusan

12

BAB 5. SISTEM INFORMASI EKSEKUTIF

5.4.2

Kerugiaan dari EIS

Tergantung sistem
Fungsi terbatas, dengan desain
Informasi yang berlebihan untuk beberapa manajer
Sulit untuk mengukur manfaat
Biaya operasional tinggi
Sistem dapat menjadi lambat, besar dan sulit untuk dikelola
Perlu proses internal yang baik untuk pengelolaan data
Kurang dapat diandalkan dan pengamanan data yang kurang

5.5 Tren Masa Depan


Sistem info eksekutif masa depan tidak terikat oleh sistem komputer mainframe. Tren eksekutif ini gratis dari belajar sistem operasi komputer yang berbeda, dan secara substansial mengurangi biaya operasional. Karena tren ini
termasuk menggunakan aplikasi perangkat lunak yang ada, eksekutif tidak perlu belajar bahasa baru atau khusus
untuk paket EIS.

5.6 Referensi
[1]

[1] https://en.wikipedia.org/wiki/Executive_information_system

Bab 6

Sistem pemrosesan transaksi


Sistem Pemrosesan Transaksi atau Transaction Processing System adalah bagian dari sistem informasi yang merupakan sebuah sistem yang menjalankan dan mencatat transaksi rutin harian yang diperlukan untuk menjalankan
bisnis. Contohnya adalah seperti memasukkan pesanan penjualan, pemesanan hotel,penggajian , pencatatan karyawan dan pengiriman.[1]
Tujuan utama dari sistem pada tingkat ini adalah untuk menjawab pertanyaan rutin dan melacak arus transaksi yang
melalui organisasi. Pada tingkat operasional, tugas, sumber daya, dan tujuan ditentukan sebelumnya dan sangat
terstruktur. Keputusan untuk memberikan kredit kepada pelanggan, contohnya, dilakukan oleh pengawas tingkat
yang lebih rendah sesuai dengan kriteria yang telah ditetapkan sebelumnya. Yang harus ditentukan adalah apakah
pelanggan memenuhi kriteria. [1]
Manajer butuh sistem untuk memonitor status operasional internal dan hubungan perusahaan dengan lingkungan
eksternal. Sistem Pemrosesan Transaksi juga merupakan pembuat utama informasi bagi jenis sistem lainnya.Sistem
Pemrosesan transaksi seringkali sangat penting bagi bisnis sehingga kegagalan sistem selama beberapa jam dapat
mengakibatkan kejatuhan perusahaan dan mungkin perusahaan lain yang berhubungan dengannya.[1]

6.1 Sejarah
Sistem pemrosesan transaksi pertama adalah sistem American Airlines SABRE, Yang mulai beroperasi pada tahun
1960. Dirancang untuk memproses hingga 83.000 transaksi per hari, sistem berlari pada dua IBM 7090 komputer.
SABRE bermigrasi ke IBM System / 360 komputer pada tahun 1972, dan menjadi produk IBM pertama sebagai
Program control Airline (ACP) dan kemudian sebagai Transaction Processing Facility (TPF). Selain penerbangan
TPF digunakan oleh bank-bank besar, perusahaan kartu kredit, dan jaringan hotel.[2]
Hewlett-Packard sistem Non Stop (sebelumnya Tandem NonStop) adalah hardware dan software sistem yang dirancang untuk Online Transaction Processing (OLTP) diperkenalkan pada tahun 1976. Sistem yang dirancang untuk
proses transaksi dan memberikan tingkat ekstrim ketersediaan dan integritas data.[2]

6.2 Referensi
[1] Kenneth C. Laudon dan Jane P. Laudon. Sistem Informasi Manajemen, Buku 1 (edisi 10). Jakarta: Salemba Empat.
[2] Transaction Processing System. https://en.wikipedia.org/wiki/Transaction_processing_system#History''.

13

Bab 7

Manajemen hubungan pelanggan


Pengertian lain mengatakan bahwa ia adalah sebuah sistem informasi yang terintegrasi yang digunakan untuk merencanakan, menjadwalkan, dan mengendalikan aktivitas-aktivitas prapenjualan dan pascapenjualan dalam sebuah
organisasi. CRM melingkupi semua aspek yang berhubungan dengan calon pelanggan dan pelanggan saat ini, termasuk di dalamnya adalah pusat panggilan (call center), tenaga penjualan (sales force), pemasaran, dukungan teknis
(technical support) dan layanan lapangan (eld service).

7.1 Sasaran dan Tujuan


Sasaran utama dari CRM adalah untuk meningkatkan pertumbuhan jangka panjang dan protabilitas perusahaan
melalui pengertian yang lebih baik terhadap kebiasaan (behavior) pelanggan. CRM bertujuan untuk menyediakan
umpan balik yang lebih efektif dan integrasi yang lebih baik dengan pengendalian return on investment (ROI) di area
ini.
Otomasi Tenaga Penjualan (Sales force automation/SFA), yang mulai tersedia pada pertengahan tahun 80-an adalah
komponen pertama dari CRM. SFA membantu para sales representative untuk mengatur account dan track opportunities mereka, mengatur daftar kontak yang mereka miliki, mengatur jadwal kerja mereka, memberikan layanan
training online yang dapat menjadi solusi untuk training jarak jauh, serta membangun dan mengawasi alur penjualan
mereka, dan juga membantu mengoptimalkan penyampaian informasi dengan news sharing.SFA, pusat panggilan
(bahasa inggris:call center) dan operasi lapangan otomatis ada dalam jalur yang sama dan masuk pasaran pada akhir
tahun 90-an mulai bergabung dengan pasar menjadi CRM. Sama seperti ERP (bahasa Inggris:Enterprise Resource
Planning), CRM adalah sistem yang sangat komprehensif dengan banyak sekali paket dan pilihan.
Merujuk kepada Glen Petersen, penulis buku ROI: Building the CRM Business Case, sistem CRM yang paling
sukses ditemukan dalam organisasi yang menyesuaikan model bisnisnya untuk protabilitas, bukan hanya merancang
ulang sistem informasinya.
CRM mencakup metoda dan teknologi yang digunakan perusahaan untuk mengelola hubungan mereka dengan pelanggan. Informasi yang disimpan untuk setiap pelanggan dan calon pelanggan dianalisa dan digunakan untuk tujuan
ini. Proses otomasi dalam CRM digunakan untuk menghasilkan personalisasi pemasaran otomatis berdasarkan informasi pelanggan yang tersimpan di dalam sistem.

7.2 Fungsi-fungsi dalam CRM


Sebuah sistem CRM harus bisa menjalankan fungsi:
Mengidentikasi faktor-faktor yang penting bagi pelanggan.
Mengusung falsafah customer-oriented (customer centric)
Mengadopsi pengukuran berdasarkan sudut pandang pelanggan
Membangun proses ujung ke ujung dalam melayani pelanggan
14

7.3. MENGIMPLEMENTASIKAN CRM

15

Menyediakan dukungan pelanggan yang sempurna


Menangani keluhan/komplain pelanggan
Mencatat dan mengikuti semua aspek dalam penjualan
Membuat informasi holistik tentang informasi layanan dan penjualan dari pelanggan.

7.3 Mengimplementasikan CRM


Customer relationship management adalah strategi tingkat korporasi, yang berfokus pada pembangunan dan pemeliharaan hubungan dengan pelanggan. Beberapa paket perangkat lunak telah tersedia dengan pendekatan yang
berbeda-beda terhadap CRM. Bagaimanapun, CRM bukanlah teknologi itu sendiri, tapi ia adalah pendekatan holistik terhadap falsafah organisasi, yang menekankan hubungan yang erat dengan pelanggan. CRM mengurus loso
organisasi pada semua tingkatan, termasuk kebijakan dan proses, customer service, pelatihan pegawai, pemasaran,
dana manajemen sistem dan informasi. Sistem CRM mengintegrasikan pemasaran, penjualan, dan customer service
dari ujung ke ujung.

7.4 Permasalahan Implementasi CRM


Naiknya pendapatan, kepuasan konsumen, dan lebih sedikitnya biaya operasi adalah beberapa keuntungan dari teknologi pada sebuah perusahaan. Namun implementasi akan turun drastis jika salah satu dari aspek ini diabaikan:
Perencanaan: Langkah awal akan bisa dengan mudah gagal jika usaha untuk memilih dan meluncurkan perangkat lunak tidak maksimal.
Integrasi: Integrasi dengan kebutuhan konsumen akan memenuhi kebutuhan yang amat penting, yaitu peningkatan proses menyangkut klien/konsumen. Perusahaan yang memberi sedikit atau tidak ada integrasi sama
sekali dengan konsumen, akan membuat kepuasan konsumen menurun secara drastis.
Pemecahan Masalah: menyingkirkan metode pemecahan masalah yang dipusatkan pada satu pihak. Para ahli
menyarakan perusahaan2 agar meningkatkan integrasi dengan konsumen. Metode pemecahan masalah yang
bersifat sentralis harus dibuang demi berbagi informasi tentang pemasaran, penjualan, dan servis.

Bab 8

Perencanaan sumber daya perusahaan


Perencanaan sumber daya perusahaan, atau sering disingkat ERP dari istilah bahasa Inggrisnya, enterprise resource planning, adalah sistem informasi yang diperuntukkan bagi perusahan manufaktur maupun jasa yang berperan
mengintegrasikan dan mengotomasikan proses bisnis yang berhubungan dengan aspek operasi, produksi maupun
distribusi di perusahaan bersangkutan.

8.1 Sejarah
ERP berkembang dari Manufacturing Resource Planning (MRP II) yang ber-evolusi dari Material Requirement Planning (MRP) yang berkembang sebelumnya. Sistem ERP secara modular biasanya menangani proses manufaktur, logistik, distribusi, persediaan (inventory), pengapalan, invoice, dan akuntansi perusahaan. Ini berarti bahwa sistem ini
nanti akan membantu mengontrol aktivitas bisnis seperti penjualan, pengiriman, produksi, manajemen persediaan,
manajemen kualitas, dan sumber daya manusia.

8.2 Karakter Sistem


ERP sering disebut sebagai Back Oce System yang mengindikasikan bahwa pelanggan dan publik secara umum
tidak dilibatkan dalam sistem ini. Berbeda dengan Front Oce System yang langsung berurusan dengan pelanggan
seperti sistem untuk e-Commerce, Customer Relationship Management (CRM), e-Government dan lain-lain.

8.2.1

Modul ERP

Secara modular, software ERP biasanya terbagi atas modul utama yakni Operasi serta modul pendukung yakni Finansial dan akuntasi serta Sumber Daya Manusia

Modul Operasi
General Logistics, Sales and Distribution, Materials Management, Logistics Execution, Quality Management,
Plant Maintenance, Customer Service, Production Planning and Control, Project System, Environment Management

Modul Finansial dan Akuntansi


General Accounting, Financial Accounting, Controlling, Investment Management, Treasury, Enterprise Controlling,
16

8.3. MEMILIH ERP

17

Modul Sumber Daya Manusia


Personnel Management, Personnel Time Management, Payroll, Training and Event Management, Organizational
Management, Travel Management

8.2.2

Keuntungan penggunaan ERP

1. mengapa kita perlu ERP ; karena banyak berbagai keuntungan semisal di bawah ini;
Integrasi data keuangan
Untuk mengintegrasikan data keuangan sehingga top management bisa melihat dan mengontrol kinerja keuangan
perusahaan dengan lebih baik
Standarisasi Proses Operasi
Menstandarkan proses operasi melalui implementasi best practice sehingga terjadi peningkatan produktivitas, penurunan inesiensi dan peningkatan kualitas produk
Standarisasi Data dan Informasi
Menstandarkan data dan informasi melalui keseragaman pelaporan, terutama untuk perusahaan besar yang biasanya
terdiri dari banyak business unit dengan jumlah dan jenis bisnis yg berbeda-beda.

8.2.3

Keuntungan yg bisa diukur

Penurunan inventori
Penurunan tenaga kerja secara total
Peningkatan service level
Peningkatan kontrol keuangan
Penurunan waktu yang di butuhkan untuk mendapatkan informasi

8.3 Memilih ERP


8.3.1

Latar Belakang

Investasi ERP sangat mahal dan pilihan ERP yang salah bisa menjadi mimpi buruk.
ERP yang berhasil digunakan oleh sebuah perusahaan tidak menjadi jaminan berhasil di perusahaan yang lain.
Perencanaan harus dilakukan untuk menyeleksi ERP yg tepat.
Bahkan dalam beberapa kasus yang ekstrem, evaluasi pilihan ERP menghasilkan rekomendasi untuk tidak
membeli ERP, tetapi memperbaiki Business Process yang ada.
Tidak ada keajaiban dalam ERP software. Keuntungan yang didapat dari ERP adalah hasil dari persiapan dan
implementasi yang efektif.
Tidak ada software atau sistem informasi yang bisa menutupi business strategy yang cacat dan business process
yang parah.
Secara singkat, tidak semua ERP sama kemampuannya dan memilih ERP tidaklah mudah (paling tidak, tidaklah
sederhana), dan memilih ERP yang salah akan menjadi bencana yang mahal

18

BAB 8. PERENCANAAN SUMBER DAYA PERUSAHAAN

8.3.2

Suksesor Penerapan

Syarat sukses memilih ERP Pengetahuan dan Pengalaman


Pengetahuan adalah pengetahuan tentang bagaimana cara sebuah proses seharusnya dilakukan, jika segala
sesuatunya berjalan lancar
Pengalaman adalah pemahaman terhadap kenyataan tentang bagaimana sebuah proses seharusnya dikerjakan
dengan kemungkinan
Pengalaman tanpa pengetahuan bisa menyebabkan terulangnya atau terakumulasinya kesalahan dan kekeliruan
karena tidak dibekali dengan pemahaman yg cukup. Kesalahan ini muncul atau terjadi karena ERP adalah sebuah best practice dari standar bisnis. Seharusnya pengetahuan pada fungsi-fungsi yang tersedia dalam aplikasi
cukup tinggi sehingga tidak menerapkan (implementation) dengan cara yang keliru. Kesalaahan dalam implementasi akan menjadi masalah serius bagi usaha peningkatan kinerja usaha.
Pemilihan Metodologi
Metodologi yang berkaitan dengn ERP an munculnya permasalahan
Pengetahuan tanpa pengalaman menyebabkan orang membuat perencanaan yang terlihat sempurna tetapi kemudian terbukti tidak bisa diimplementasikan
Ada struktur proses seleksi yang sebaiknya dilakukan untuk memenuhi kebutuhan perusahaan dalam memilih
ERP
Proses seleksi tidak harus selalu rumit agar efektif. Yang penting organized, focused dan simple
Proses seleksi ini biasanya berkisar antara 5-6 bulan sejak dimulai hingga penandatanganan order pembelian
ERP
Berikut ini adalah akivitas yang sebaiknya dilakukan sebagai bagian dari proses pemilihan software ERP:
analisis strategi bisnis, analisis sumber daya manusia, analisis infrastruktur dan analisis software

8.3.3

Analisa Strategi Usaha

Bagaimana level kompetisi di pasar dan apa harapan dari customers?


Adakah keuntungan kompetitif yang ingin dicapai?
Apa strategi bisnis perusahaan dan objectives yang ingin dicapai?
Bagaimana proses bisnis yang sekarang berjalan vs proses bisnis yang diinginkan?
Adakah proses bisnis yang harus diperbaiki?
Apa dan bagaimana prioritas bisnis yang ada dan adakah rencana kerja yang disusun untuk mencapai objektif
dan prioritas tersebut?
Target bisnis seperti apa yang harus dicapai dan kapan?

8.3.4

Analisa Sumberdaya Manusia

Bagaimana komitment top management terhadap usaha untuk implementasi ERP?


Siapa yang akan mengimplementasikan ERP dan siapa yg akan menggunakannya?
Bagaimana komitmen dari tim implementasi?
Apa yang diharapkan para calon user terhadap ERP?
Adakah ERP champion yang menghubungkan top management dengan tim?
Adakah konsultan dari luar yang disiapkan untuk membantu proses persiapan?

8.4. PENERAPAN ERP

8.3.5

19

Analisa Infrastruktur

Bagaimanakah kelengkapan infrastruktur yang sudah ada (overall networks, permanent oce systems, communication system dan auxiliary system)
Seberapa besar budget untuk infrastruktur?
Apa infrastruktur yang harus disiapkan?

8.3.6

Analisa Perangkat Lunak

Apakah perangkat lunak tersebut cukup eksibel dan mudah disesuaikan dengan kondisi perusahaan?
Apakah ada dukungan layanan dari penyedia, tidak hanya secara teknis tapi juga untuk kebutuhan pengembangan sistem di kemudian hari
Seberapa banyak waktu untuk implementasi yang tersedia
Apakah perangkat lunak memiliki fungsi yang bisa meningkatkan proses bisnis perusahaan

8.4 Penerapan ERP


Berikut ini adalah ringkasan poin-poin yg bisa digunakan sebagai pedoman pada saat implementasi ERP:
ERP adalah bagian dari infrastruktur perusahaan, dan sangat penting untuk kelangsungan hidup perusahaan.
Semua orang dan bagian yang akan terpengaruh oleh adanya ERP harus terlibat dan memberikan dukungan
ERP ada untuk mendukung fungsi bisnis dan meningkatkan produktivitas, bukan sebaliknya. Tujuan implementasi ERP adalah untuk meningkatkan daya saing perusahaan
Pelajari kesuksesan dan kegagalan implementasi ERP, jangan berusaha membuat sendiri praktik implementasi
ERP. Ada metodologi tertentu untuk implementasi ERP yang lebih terjamin keberhasilannya

8.4.1

Gagalnya ERP

Waktu dan biaya implementasi yang melebihi anggaran


Pre-implementation tidak dilakukan dengan baik
Strategi operasi tidak sejalan dengan business process design dan pengembangannya
Orang-orang tidak disiapkan untuk menerima dan beroperasi dengan sistem yang baru
Kurangnya edukasi dalam tahap implementasi akan memberikan kesulitan bagi user yang justru akan memperlambat proses bisnis

8.4.2

Tanda-tanda kegagalan ERP

Kegagalan ERP biasanya ditandai oleh adanya hal-hal sebagai berikut:


Kurangnya komitmen top management
Kurangnya pendenisian kebutuhan perusahaan (analisis strategi bisnis)
Cacatnya proses seleksi software (tidak lengkap atau terburu-buru memutuskan)
Kurangnya sumber daya (manusia, infrastruktur dan modal)
Kurangnya buy in sehingga muncul resistensi untuk berubah dari para karyawan

20

BAB 8. PERENCANAAN SUMBER DAYA PERUSAHAAN


Kesalahan penghitungan waktu implementasi
Tidak cocoknya software dgn business process
Kurangnya training dan pembelajaran
Cacatnya project design & management
Kurangnya komunikasi
Saran penghematan yang menyesatkan

8.4.3

Software ERP

Beikut adalah software ERP yang saat ini beredar, baik yang berlisensi bayar maupun open source
INTACS Dynamics
Acumatica
Dynamics AX
Compiere
Averill AllStock
ORACLE
JDE
BAAN
MFGPro
Protean
Magic
RUN System
SAP
SolFina
Onesoft
IFS
AGRESSO
BOSERP
EuClid System
Mincom Ellipse
Axapta
SPIN - Datadigi Indonesia
WD ERP-SYS
IES
Orlansoft
Sisinusa

8.4. PENERAPAN ERP


Colibris Indonesia
OpenERP
BizBoss
Microsoft Dynamics NAV
Cyber Cycle
QAD

21

Bab 9

Manajemen pengetahuan
Manajemen Pengetahuan (Inggris: Knowledge management) adalah kumpulan perangkat, teknik, dan strategi untuk mempertahankan, menganalisis, mengorganisasi, meningkatkan, dan membagikan pengertian dan pengalaman.
Pengertian dan pengalaman semacam itu terbangun atas pengetahuan, baik yang terwujudkan dalam seorang individu atau yang melekat di dalam proses dan aplikasi nyata suatu organisasi. Fokus dari MP adalah untuk menemukan
cara-cara baru untuk menyalurkan data mentah ke bentuk informasi yang bermanfaat, hingga akhirnya menjadi pengetahuan.
Cut Zurnali (2008) mengemukakan istilah knowledge management pertama sekali digunakan oleh Wiig pada tahun
1986, saat menulis buku pertamanya mengenai topik Knowledge Management Foundations yang dipublikasikan pada
tahun 1993. Akhir-akhir ini, konsep knowledge management mendapat perhatian yang luas. Hal ini menyatakan
secara tidak langsung proses pentransformasian informasi dan intellectual assets ke dalam enduring value. Knowledge
management merupakan kekhususan organisasi (organization-specic), ketika perhatian dasarnya adalah ekploitasi
dan pengembangan organizational knowledge assets kepada tujuan-tujuan organisasi selanjutnya. Knowledge management bukan merupakan sesuatu yang lebih baik (better things), tapi untuk mengetahui bagaimana mengerjakan
sesuatu dengan lebih baik (things better).
Kegiatan manajemen pengetahuan (MP) ini biasanya dikaitkan dengan tujuan organisasi semisal untuk mencapai
suatu hasil tertentu seperti pengetahuan bersama, peningkatan kinerja, keunggulan kompetitif, atau tingkat inovasi
yang lebih tinggi. Pada umumnya, motivasi organisasi untuk menerapkan MP antara lain:
Membuat pengetahuan terkait pengembangan produk dan jasa menjadi tersedia dalam bentuk eksplisit
Mencapai siklus pengembangan produk baru yang lebih cepat
Memfasilitasi dan mengelola inovasi dan pembelajaran organisasi
Mendaya-ungkit keahlian orang-orang di seluruh penjuru organisasi
Meningkatkan keterhubungan jejaring antara pribadi internal dan juga eksternal
Mengelola lingkungan bisnis dan memungkinkan para karyawan untuk mendapatkan pengertian dan gagasan
yang relevan terkait pekerjaan mereka
Mengelola modal intelektual dan aset intelektual di tempat kerja
Pengetahuan bukanlah sekadar informasi. Pengetahuan bersarang bukan di wadah tempat disimpannya informasi (semisal basis data), melainkan berada di pengguna informasi bersangkutan. Terdapat beberapa hal yang membedakan
antara pengetahuan, informasi, dan data. Memahami beda antara ketiganya sangatlah penting dalam memahami MP.
Transfer pengetahuan (salah satu aspek dari manajemen pengetahuan) dalam berbagai bentuk, telah sejak lama dilakukan. Contohnya adalah melalui diskusi sepadan dalam kerja, magang, perpustakaan perusahaan, pelatihan profesional, dan program mentoring. Walaupun demikian sejak akhir abad ke-20, teknologi tambahan telah diterapkan
untuk melakukan tugas ini, seperti basis pengetahuan, sistem pakar, dan repositori pengetahuan.
22

9.1. PENGERTIAN MANAJEMEN PENGETAHUAN

23

9.1 Pengertian Manajemen Pengetahuan


Mengutip pendapat Henczel dalam Singh (2007), Cut Zurnali mengemukakan bahwa untuk mendenisikan knowledge benar-benar sulit sebagaimana menggabungkan banyak intangibles seperti pengalaman (experience), intuisi
(intuition), pertimbangan (judgement), keahlian (skill), dan pelajaran yang dipelajari (lessons learned), yang secara potensial memperbaiki berbagai tindakan. Knowledge merupakan keadaan kognitif pikiran yang dicapai dengan
menggabungkan pemahaman dan kognisi (understanding and cognition). Hal ini sering ditunjukkan sebagai penyusunan dan pendokumentasian knowledge seperti patents, databases, manuals, reports, procedures, dan white papers.
Terdapat beberapa denisi manajemen pengetahuan, yang dirangkum Singh dalam Cut Zurnali (2008), yaitu:
1. Menurut Dimttia dan Oder (2001), manajemen pengetahuan adalah mengenai penggalian dan pengorganisasian pengetahuan untuk mengembangkan organisasi yang menguntungkan dan lebih esien. Secara terperinci
Dimttia dan Oder memaparkan bahwa manajemen pengetahuan merupakan proses menangkap keahlian kolektif organisasional, di mana pun pengetahuan tersebut berada, baik di dalam database, pada paper-paper, atau
di kepala orang, dan kemudian mendistribusikan pengetahuan tersebut ke mana pun agar dapat menghasilkan
pencapaian yang terbesar.
2. Menurut Wiig (1999), manajemen pengetahuan adalah bangunan sistematis, eksplisit dan disengaja, pembaharuan, dan aplikasi pengetahuan untuk memaksimalkan efektivitas yang berkenaan dengan pengetahuan
organisasi dan pengembalian kembali aset pengetahuan organisasi.
3. Menurut Townley (2001), manajemen pengetahuan adalah seperangkat proses menciptakan dan berbagi pengetahuan ke seluruh organisasi untuk mengoptimalkan pencapaian misi dan tujuan organisasi. Jadi, manajemen pengetahuan adalah mengenai meningkatkan penggunaan pengetahuan organisasional melalui praktikpraktik manajemen informasi dan pembelajaran organisasi untuk mencapai keunggulan kompetetitif dalam
pengambilan keputusan.

9.2 Knowledge Management System Conceptual Model


Berdasarkan pendapat-pendapat Denise (2007), Nonaka and Takeuchi (1995), Sarvary (1999), Choo (1998), Davenport et al. (1998), dan Zarian (1999), Cut Zurnali (2008) mencoba mengungkap model konseptual sistem
knowledge management. Model yang dikemukakan memperhitungkan pengetahuan individual (individual knowledge) sebagai starting point bagi penciptaan pengetahuan keorganisasian . Dan sejak informasi telah menjadi bahan
dasar (raw material) dari pegangan pengetahuan individual, maka ia merupakan landasan dasar dari organisasi pengetahuan (knowledge organization). Cut Zurnali (2008) menambahkan bahwa pengetahuan individual yang muncul
merupakan kombinasi dari informasi, interpretasi, reeksi, dan pengalaman dalam sebuah konteks yang pasti (certain context). Selanjutnya perlu dipertimbangkan juga pentingnya mengaitkan informasi baru dengan pengetahuan
yang ada.
Oleh sebab itu, menurut Cut Zurnali (2008), pengetahuan individual diciptakan ketika informasi berjalan melalui
proses internal yang mencakup interpretasi, reeksi dan menghubungkan informasi baru dengan pengetahuan yang
ada pada individu sehingga dapat diaplikasikan ke dalam situasi atau konteks baru. Agar mendorong individu memproses informasi untuk menciptakan pengetahuan, maka setiap proses pembelajaran harus punya arti. Sebuah sudut
pandang yang jelas dari pengetahuan untuk dikembangkan merupakan sebuah keharusan untuk menstimulasi komitmen pada penciptaan dan pengoperasian pengetahuan tersebut. Pandangan bersama bekerja sebagai sebuah mental
map yang menuntun para individu dalam tiga area yang berkorelasi, yaitu:
1. The world in which they live (dunia tempat mereka hidup);
2. The world in which they must live (dunia tempat mereka harus hidup); dan
3. Knowledge that needs to be developed in order to follow the pathway between these two worlds (pengetahuan
yang perlu untuk dikembangkan agar untuk mengikuti lorong antara kedua dunia tempat mereka hidup dan
dunia tempat mereka harus hidup).
Lebih lanjut Cut Zurnali (2008) menambahkan bahwa untuk menciptakan pengetahuan organisasional maka pengetahuan individual (yang terdiri dari dua dimensi: a tacit dimension dan an explicit dimension) harus dieksternalisasikan. Penciptaan pengetahuan organisasional terjadi melalui konversi yang dikombinasikan dari setiap kedua dimensi,

24

BAB 9. MANAJEMEN PENGETAHUAN

jadi mempromosikan pembelajaran kelompok dan penyebaran kepada seluruh level organisasional. Proses pentransformasian informasi ke dalam pengetahuan ditempatkan dalam tingkat internal individual, mencakup reection,
interpretation dan connection untuk later practical experimentation dalam konteks tepat.
Usaha keras organisasi untuk mengumpulkan dan menyediakan informasi tidak menjamin pemrosesan dan akses
individual, oleh karena itu, tindakan yang menstimulasi akses dan menyebabkan pemrosesan informasi merupakan dasar dalam perputaran setiap tindakan praktis ke dalam perilaku alamiah untuk dimasukkan ke dalam sebuah
budaya organisasional (the organisational culture). Pengetahuan individual harus ditransfer kepada individu dan
kelompok lain agar dapat mempromosikan pengetahuan organisasional. Untuk ditransfer, pengetahuan harus dieksternalisasikan dengan memilikinya dan diinternalisasikan dengan kekurangannya, dengan penerapan utamanya pada
tacit knowledge, sehinggai para kompetitor sulit menirunya. Nonaka and Takeuchi (1995) dalam Cut Zurnali (2008)
menyatakan, transformasi pengetahuan individual ke dalam pengetahuan organisasional terjadi melalui sosialisasi
(socialization), eksternalisasi (externalization), internalisasi (internalization) dan kombinasi (combination). Oleh karena itu setiap proses dapat menempatkan transformasi pengetahuan tersebut dari orang ke orang dan dari kelompok
ke kelompok.
Oleh karena itu menurut Cut Zurnali (2008) tujuan dari knowledge management adalah untuk mengimplementasikan
tindakan agar dapat memasok landasan pengetahuan organisasional yang untuk selanjutnya dapat mempromosikan
pencapaian dari proses ketika landasan dari model konseptual knowledge management ditujukan. Menurut Cut Zurnali (2008), Model konseptual knowledge management menyajikan enam phase dari pelajaran pengetahuan yaitu:
1. Penciptaan arti atau visi bersama dari tujuan pengembangan pengetahuan;
2. Penyediaan informasi;
3. Penginduksian pemrosesan internal bagi penciptaan pengetahuan individual;
4. Pengkonversian pengetahuan individual ke dalam pembelajaran kelompok;
5. Penyebaran pengetahuan ke level organisasional lainnya; dan
6. Pengaplikasian pengetahuan secara praktis
Menurut Cut Zurnali (2008), cakupan yang muncul dari knowledge management secara luas memfokuskan pada tiga
arus utama: Landasan pengetahuan (the nature of knowledge), aspek-aspek manajerial dan organisasional dari implementasinya (the organizational and managerial aspects of its implementation), dan cara dan maksud penciptaan dan
penggunaan sistem pengelolaan pengetahuan (the ways and means of creating and utilizing knowledge management
Systems).
Mengacu pada pendapat Nonaka and Takeuchi (1995), Day (2005), Jashapara (2005), dan Gupta, et. al.(2005), Cut
Zurnali menambahkan bahwa arus the nature of knowledge diterima sebagai perbedaan antara eksplisit dan implisit dari pengetahuan. Porsi yang baik dari penelitian dalam knowledge management mengonsentrasikan pada cara
ketika organisasi dapat mengekstrak dan menggunakan implicit knowledge. Arus aplikasi dan pengimplementasian manajerial dan organisasional pengetahuan dalam organisasi juga telah menaruh perhatian para periset. Sedikit
model yang diajukan menggambarkan aliran pengetahuan dalam pengaturan organisasional.
Berdasarkan pendapat-pendapat Holsapple and Jones (2004, 2005), Rubenstein and Geisler (2003), dan Muthusamy
and Palanisamy (2004), Cut Zurnali (2008) mengemukakan bahwa model rantai pengetahuan yang lebih advance yang menggambarkan aktivitas primer dan sekunder dari pengetahuan. Aktivitas primer meliputi, pembelian,
penyeleksian, penghasilan, dan pengeluaran pengetahuan sedangkan aktivitas sekunder mencakup, pengukuran, pengontrolan, pengkoordinasiaan, dan kepemimpinan pengetahuan. Dalam model yang dikemukakan, disajikan usaha
pengombinasian kedua kategori ini dari manfaat aktivitas organisasi dengan meningkatkan daya saing dalam lingkungan organisasi. Arus ke tiga, memfokuskan pada penciptaan, pengimplementasian dan penggunaan knowledge
management systems, dipandang secara utama sebagai sebuah topik organisasi dari adopsi dan adaptasi, aliran penelitian ini juga mencakup pengujian pertambahan nilai dari adopsi dan pemanfaatan knowledge management systems.

9.3 Sistem Pakar (Expert System) dalam Knowledge Management


Sistem pakar (expert system) merupakan salah satu teknologi andalan dalam knowledge management, terutama melalui empat alur skema penerapan atau aplikasi dalam suatu organisasi, yaitu:

9.3. SISTEM PAKAR (EXPERT SYSTEM) DALAM KNOWLEDGE MANAGEMENT

25

1. Case-based reasoning (CBR) yang merupakan representasi knowledge berdasarkan pengalaman, termasuk kasus dan solusinya;
2. Rule-based reasoning (RBR) mengandalkan serangkaian aturan-aturan yang merupakan representasi dari knowledge dan pengalaman karyawan/manusia dalam memecahkan kasus-kasus yang rumit yang sedang dihadapi;
3. Model-based reasoning (MBR) melalui representasi knowledge dalam bentuk atribut, perilaku, antar hubungan
maupun simulasi proses terbentuknya knowledge;
4. Constraint-satisfaction reasoning yang merupakan kombinasi antara Rule-based reasoning (RBR) dan Modelbased reasoning (MBR).
Di dalam kongurasi yang demikian, dimungkinkan pengembangan knowledge management di salah satu unit organisasi dokumentasi dan informasi dalam bentuk:
1. Proses mengoleksi, mengorganisasikan, mengklasikasikan, dan mendiseminasikan (menyebarkan) knowledge ke seluruh unit kerja dalam suatu organisasi agar knowledge tersebut berguna bagi siapapun yang memerlukannya,
2. Kebijakan, prosedur yang dipakai untuk mengoperasikan database dalam suatu jaringan intranet yang selalu
up-to-date,
3. Menggunakan ICT (Information and Communication Technology) yang tepat untuk menangkap knowledge
yang terdapat di dalam pikiran individu sehingga knowledge itu bisa dengan mudah digunakan bersama dalam
suatu organisasi,
4. Adanya suatu lingkungan untuk pengembangan aplikasi sistem pakar (expert systems);
5. Analisis informasi dalam databases, data mining atau data warehouse sehingga hasil analisis tersebut dapat
segera diketahui dan dipakai oleh lembaga,
6. Mengidentikasi kategori knowledge yang diperlukan untuk mendukung lembaga, mentransformasikan basis
knowledge ke basis yang baru,
7. Mengkombinasikan pengindeksan, pencarian knowledge dengan pendekatan semantics atau syntacs,
8. Mengorganisasikan dan menyediakan know-how yang relevan, kapan, dan bila mana diperlukan, mencakup
proses, prosedur, paten, bahan rujukan, formula, best practices, prediksi dan cara-cara memecahkan masalah. Secara sederhana, intranet, groupware, atau bulletin boards adalah sarana yang memungkinkan lembaga
menyimpan dan mendesiminasikan knowledge,
9. Memetakan knowledge (knowledge mapping) pada suatu organisasi baik secara on-line atau o-line, pelatihan,
dan perlengkapan akses ke knowledge.
Birkinsaw dalam Cut Zurnali (2008) juga menggaris bawahi tiga keadaan yang sangat memengaruhi berhasil atau
tidaknya knowledge management yaitu:
1. Penerapannya tidak hanya menghasilkan knowledge baru, tetapi juga untuk mendaur-ulang knowledge yang
sudah ada.
2. Teknologi informasi belum sepenuhnya bisa menggantikan fungsi-fungsi jaringan sosial antar anggota organisasi.
3. Sebagian besar organisasi tidak pernah tahu apa yang sesungguhnya mereka ketahui, banyak knowledge penting
yang harus ditemukan lewat upaya-upaya khusus, padahal knowledge itu sudah dimiliki sebuah organisasi sejak
lama.
Dengan demikian, knowledge management akan membuat berbagi informasi (shared information) tersebut menjadi
bermanfaat. Knowledge management termasuk strategi dari tanggung jawab dan tindak lanjut (commitment), baik
untuk meningkatkan efektivitas organisasi maupun untuk meningkatkan peluang/kesempatan.
Tujuan dari knowledge management adalah meningkatkan kemampuan organisasi untuk melaksanakan proses inti
lebih esien. Davenport et.al (1988) dalam Cut Zurnali (2008) menjelaskan sasaran umum dari sistem knowledge
management dalam praktik adalah sebagai berikut:

26

BAB 9. MANAJEMEN PENGETAHUAN


1. Menciptakan knowledge: Knowledge diciptakan seiring dengan manusia menentukan cara baru untuk melakukan sesuatu atau menciptakan know-how. Kadang-kadang knowledge eksternal dibawa ke dalam organisasi/institusi;
2. Menangkap knowledge: Knowledge baru diidentikasikan sebagai bernilai dan direpresentasikan dalam suatu
cara yang masuk akal dan dapat dicerna;
3. Menjaring knowledge: Knowledge baru harus ditempatkan dalam konteks agar dapat ditindaklanjuti. Hal ini
menunjukkan kedalaman manusia (kualitas tacit) yang harus ditangkap bersamaan dengan fakta explicit;
4. Menyimpan knowledge: Knowledge yang bermanfaat harus dapat disimpan dalam format yang baik dalam
penyimpanan knowledge, sehingga orang lain dalam organisasi dapat mengaksesnya atau menggunakannya;
5. Mengolah knowledge: Sebagaimana sebuah perpustakaan (library), knowledge harus dibuat up-to-date. Hal
tersebut harus di review untuk menjelaskan apakah knowledge tersebut relevan atau akurat.
6. Menyebarluaskan knowledge: Knowledge harus tersedia dalam format yang bermanfaat untuk semua orang
atau anggota dalam organisasi yang memerlukan knowledge tersebut, di mana pun dan tersedia setiap saat.

9.4 Tipe Proyek Manajemen Pengetahuan


Studi yang dilakukan oleh Davenport (Davenport & De Long 1999) mengidentikasi empat tipe besar proyek manajemen pengetahuan terkait pada titik tekan yang dimilikinya:

9.4.1

1. Menciptakan simpanan pengetahuan

Penekanannya adalah pada menangkap pengetahuan dan untuk memperlakukan pengetahuan sebagai suatu entitas
yang terpisah dari orang-orang yang menciptakan dan menggunakannya. Maka yang dilakukan adalah membuat
dokumen yang berisi pengetahuan yang telah direkam dan menyimpannya di suatu simpanan di mana dia bisa dengan
mudah diakses.

9.4.2

2. Meningkatkan akses terhadap pengetahuan dan transfer atasnya

Menekankan pada aktivitas penyediaan akses ke pengetahuan atau memfasilitasi transfer pengetahuan antar individu. Dalam hal ini, kesulitannya biasanya terletak pada bagaimana menemukan orang dengan pengetahuan yang
dibutuhkan dan lalu secara efektif mentransfernya ke orang lainnya. Hal ini juga akan tergantung pada peningkatan
kapabilitas teknologi organisasi bersangkutan. Aktivitas dari proyek ini biasanya berbasis komunal, semisal berbentuk: komunitas online atau komunitas tatap muka, workshop, seminar, sistem konferensi video desktop, scan
dokumen dan perangkat berbagi lainnya.

9.4.3

3. Menyuburkan lingkungan pengetahuan

Proyek ini terkait aktivitas membangun lingkungan berkontribusi untuk penciptaan, penyebaran, dan penggunaan
pengetahuan yang lebih efektif. Aktivitas yang tercakup di sini semisal pembentukan kesadaran dan pembudayaan
perhatian terkait pentingnya berbagi pengetahuan. Termasuk juga di dalamnya adalah bagaimana mengubah perilaku
dan memberikan insentif untuk berbagi pengetahuan.

9.4.4

4. Mengelola pengetahuan sebagai suatu aset

Fokusnya di sini adalah pada memperlakukan pengetahuan sebagaimana aset lain di neraca keuangan. Namun sifat pengetahuan yang tidak secara konkret berwujud memang membuatnya sangat susah untuk ditransformasi dan
diestimasi dalam konteks nansial.

9.5. LIHAT PULA

27

9.5 Lihat pula


Modal intelektual
Pengetahuan

9.6 Referensi
Davenport, T; De Long, D (1999). Successful Knowledge Management Projects. The Knowledge Management Yearbook 1999-2000.

9.7 Bacaan lanjutan


9.7.1

Buku

Bhagat, P. M. (2005), Pattern Recognition in Industry, Elsevier, ISBN 0-08-044538-1.


Boisot, M. (1998), Knowledge Assets, Oxford, ISBN 0-19-829086-1.
Bontis, N. (2002), World Congress on Intellectual Capital Readings, Elsevier Butterworth-Heinemann , ISBN
0-7506-7475-X.
Callaghan, J. (2002), Inside Intranets & Extranets: Knowledge Management and the Struggle for Power, Palgrave
Macmillan, ISBN 0-333-98743-8.
Choo, C. & Bontis, N. (2002), The Strategic Management of Intellectual Capital and Organizational Knowledge
, Oxford University Press, ISBN 0-19-513866-X.
Clare, M. and Detore A. (2000), Knowledge Assets Professionals Guide to Valuation and Financial Management, Apsen Publishers, ISBN 0-15-607000-6.
Collison, C. & Parcell, G (2004), Learning to Fly - Practical Knowledge Management From Leading and
Learning Organizations, Capstone Publishing, ISBN 1-84112-509-1
Cross, R. and Parker, A. (2004), The Hidden Power Of Social Networks, Harvard Business School Press,
Boston, Mass, ISBN 1-59139-270-5.
Davenport, T. and Prusak, L. (1997), Working Knowledge, Harvard 1998, ISBN 0-87584-655-6.
Drucker P. F., D. Garvin, D. Leonard, S. Straus and J. S. Brown (1998), Harvard Business Review on Knowledge
Management, HBS Press, ISBN 0-87584-881-8.
Edvinsson, L. and Malone, M. (1997), Intellectual Capital: Realising Your Companys True Value by Finding
its Hidden Brainpower. New York: HarperBusiness, ISBN 0-88730-841-4.
Dixon, N. M. (2000), Common Knowledge: How Companies Thrive by Sharing What They Know, Harvard
Business School Press, Boston, MA, ISBN 0-87584-904-0.
Becerra-Fernandez, I., A. Gonzlez and R. Sabherwal (2004), Knowledge Management: Challengers, Solutions
and Technologies, ISBN 0-13-101606-7.
Garvin, D. A. (2000), Learning in Action: A Guide to Putting the Learning Organization to Work, Harvard
Business School Press, Boston, MA, ISBN 1-57851-251-4.
Easterby-Smith, M. and M. A. Lyles (editors). (2003). The Blackwell Handbook of Organizational Learning
and Knowledge Management, Oxford, Blackwell Publishing, ISBN 0-631-22672-9.
Malhotra, Y. (2000), Knowledge Management and Virtual Organizations, Idea Group Publishing, Hershey, PA,
ISBN 1-878289-73-X.

28

BAB 9. MANAJEMEN PENGETAHUAN


Malhotra, Y. (2001), Knowledge Management and Business Model Innovation, Idea Group Publishing, Hershey,
PA, ISBN 1-878289-98-5.
Nonaka, I. and Takeushi, H. (1995), The Knowledge-Creating Company, New York: Oxford University Press.
Frid, R. (2004), Frid Framework for Enterprise Knowledge Management: A Common KM Framework for the
Government of Canada, IUniverse Publishing, ISBN 0-595-30699-3.
O'Dell, C. and C. J. Grayson Jr. (1998), If Only We Knew What We Know: The Transfer of Internal Knowledge
and Best Practice, Free Press, New York, ISBN 0-684-84474-5.
Polanyi, M. (1967), The Tacit Dimension, Doubleday, Garden City, NY, ISBN 0-385-06988-X.
Rumizen, M. C. (2001), Complete Idiots Guide to Knowledge Management, Alpha, ISBN 0-02-864177-9.
Schwartz, D, editor (2005), Encyclopedia of Knowledge Management, Idea Group Reference, ISBN 1-59140574-2.
Stankosky, M., editor (2004), Creating the Discipline of Knowledge Management: The Latest in University
Research, Butterworth-Heinemann, ISBN 0-7506-7878-X
Sveiby, K. E. (1997), The New Organizational Wealth: Managing & Measuring Knowledge-Based Assets,
Berrett-Koehler, ISBN 1-57675-014-0.
Suresh, J. K. and Mahesh, K. (2006), Ten Steps to Maturity in Knowledge Management: Lessons in Economy,
Chandos, Oxford, UK, ISBN 1-84334-130-1.
Stewart, T. (1997) Intellectual Capital: The New Wealth of Organisations, New York: Doubleday, ISBN 0-38548228-0.
Tiwana, A. (2002), The Knowledge Management Toolkit: Orchestrating IT, Strategy, and Knowledge Platforms
(2nd Edition), Upper Saddle River, NJ: Prentice Hall, 2002, ISBN 0-13-009224-X.
Wissensmanagement Forum (Hg.): An Illustrated Guide to Knowledge Management, Graz 2002, URL: http:
//www.wm-forum.org

9.7.2

Artikel

Bontis, N., Dragonetti, N., Jacobsen, K. and G. Roos. (1999) The Knowledge Toolbox: A review of the tools
available to measure and manage intangible resources, European Management Journal, 17, 4, 391-402.
Bontis, N. (1999). Managing Organizational Knowledge by Diagnosing Intellectual Capital: Framing and
advancing the state of the eld, International Journal of Technology Management,18, 5/6/7/8, 433-462.
Bontis, N. (2002). The rising star of the Chief Knowledge Ocer, Ivey Business Journal, March/April,
20-25.
Cut Zurnali (2008), http://www.modusaceh.com/html/read/opini/297/membangun-universitas-berkelas-dunia.
html/
Hansen, M. R., N. Nohria and T. Tierney (1999). 'Whats your strategy for managing knowledge?' Harvard
Business Review (March-April).
Powell, J and Swart, J (2005) This is what the fuss is about"- a systemic modeling for organizational knowing
, Journal of Knowledge Management Vol . 9 no. 2 pp 45-58
Powell, J and Swart, J (2005) Men and Measures - capturing knowledge requirement in rms through qualitative system modeling, Journal of Operational Research.
Snowden, D J. Complex Acts of Knowing: Paradox and Descriptive Self-Awareness. Journal of Knowledge
Management, Special Issue 6, no. 2 (2002): 100-11.
Swart, J (2006) Intellectual Capital : Disentangling an enigmatic concept, Journal of Intellectual Capital Vol
7 No 2 pp 136-159 .

9.7. BACAAN LANJUTAN

29

Wilson, T.D. (2002) The nonsense of 'knowledge management'" Information Research, 8(1), paper no. 144
Bellenger, Gene (2002) Emerging Perspectives, Systems Thinking Knowledge Management - Emerging Perspectives
Ekbia, H. and Hara, N. (2004) The Quality of Evidence in Knowledge Management Literature: the Guru
Version.
Knorr-Siedow, T. (2005) Knowledge management and enhanced policy application; in: Van Kempen, R. et
alter: Restructuring large housing estates in Europe, Bristol, pp 321-341
Woinowska, A (2007) Knowledge management in a production enterprise

Bab 10

Sistem informasi geogras


Sistem Informasi Geogras (bahasa Inggris: Geographic Information System disingkat GIS) adalah sistem informasi khusus yang mengelola data yang memiliki informasi spasial (bereferensi keruangan). Atau dalam arti yang lebih
sempit, adalah sistem komputer yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan menampilkan informasi berefrensi geogras, misalnya data yang diidentikasi menurut lokasinya, dalam sebuah database.
Para praktisi juga memasukkan orang yang membangun dan mengoperasikannya dan data sebagai bagian dari sistem
ini.
Teknologi Sistem Informasi Geogras dapat digunakan untuk investigasi ilmiah, pengelolaan sumber daya, perencanaan
pembangunan, kartogra dan perencanaan rute. Misalnya, SIG bisa membantu perencana untuk secara cepat menghitung waktu tanggap darurat saat terjadi bencana alam, atau SIG dapat digunaan untuk mencari lahan basah (wetlands)
yang membutuhkan perlindungan dari polusi.

10.1 Pengertian menurut para ahli


Menurut Arona (1989)
SIG adalah sistem informasi yang didasarkan pada kerja komputer yang memasukkan, mengelola, memanipulasi dan
menganalisa data serta memberi uraian.
Menurut Burrough (1986)
SIG merupakan alat yang bermanfaat untuk pengumpulan, penimbunan, pengambilan kembali data yang diinginkan
dan penayangan data keruangan yang berasal dari kenyataan dunia.
Menurut Kang-Tsung Chang (2002)
SIG sebagai a computer system for capturing, storing, querying, analyzing, and displaying geographic data.
Menurut Murai (1999)
SIG sebagai sistem informasi yang digunakan untuk memasukkan, menyimpan, memanggil kembali, mengolah,
menganalisis dan menghasilkan data bereferensi geogras atau data geospatial, untuk mendukung pengambilan keputusan dalam perencanaan dan pengelolaan penggunaan lahan, sumber daya alam, lingkungan, transportasi, fasilitas
kota, dan pelayanan umum lainnya.
Menurut Marble et al (1983)
SIG merupakan sistem penanganan data keruangan.
Menurut Bernhardsen (2002)
30

10.2. SEJARAH PERKEMBANGAN

31

SIG sebagai sistem komputer yang digunakan untuk memanipulasi data geogra. Sistem ini diimplementasikan dengan perangkat keras dan perangkat lunak komputer yang berfungsi untuk akusisi dan verikasi data, kompilasi data,
penyimpanan data, perubahan dan pembaharuan data, manajemen dan pertukaran data, manipulasi data, pemanggilan dan presentasi data serta analisa data
Menurut Gistut (1994)
SIG adalah sistem yang dapat mendukung pengambilan keputusan spasial dan mampu mengintegrasikan deskripsideskripsi lokasi dengan karakteristik-karakteristik fenomena yang ditemukan di lokasi tersebut. SIG yang lengkap
mencakup metodologi dan teknologi yang diperlukan, yaitu data spasial perangkat keras, perangkat lunak dan struktur
organisasi
Menurut Berry (1988)
SIG merupakan sistem informasi, referensi internal, serta otomatisasi data keruangan.
Menurut Calkin dan Tomlison (1984)
SIG merupakan sistem komputerisasi data yang penting.
Menurut Linden, (1987)
SIG adalah sistem untuk pengelolaan, penyimpanan, pemrosesan (manipulasi), analisis dan penayangan data secara
spasial terkait dengan muka bumi.
Menurut Alter
SIG adalah sistem informasi yang mendukung pengorganisasian data, sehingga dapat diakses dengan menunjuk daerah
pada sebuah peta.
Menurut Prahasta
SIG merupakan sejenis software yang dapat digunakan untuk pemasukan, penyimpanan, manipulasi, menampilkan,
dan keluaran informasi geogras berikut atribut-atributnya.
Menurut Petrus Paryono
SIG adalah sistem berbasis komputer yang digunakan untuk menyimpan, manipulasi dan menganalisis informasi
geogra.
Dari denisi-denisi di atas dapat disimpulkan bahwa SIG merupakan pengelolaan data geogras yang didasarkan
pada kerja komputer (mesin).

10.2 Sejarah perkembangan


35000 tahun yang lalu, di dinding gua Lascaux, Perancis, para pemburu Cro-Magnon menggambar hewan mangsa
mereka, dan juga garis yang dipercaya sebagai rute migrasi hewan-hewan tersebut. Catatan awal ini sejalan dengan
dua elemen struktur pada sistem informasi gegras modern sekarang ini, arsip gras yang terhubung ke database
atribut.
Pada tahun 1700-an teknik survey modern untuk pemetaan topogras diterapkan, termasuk juga versi awal pemetaan
tematis, misalnya untuk keilmuan atau data sensus.
Awal abad ke-20 memperlihatkan pengembangan litogra foto dimana peta dipisahkan menjadi beberapa lapisan (layer). Perkembangan perangkat keras komputer yang dipacu oleh penelitian senjata nuklir membawa aplikasi
pemetaan menjadi multifungsi pada awal tahun 1960-an.

32

BAB 10. SISTEM INFORMASI GEOGRAFIS

Tahun 1967 merupakan awal pengembangan SIG yang bisa diterapkan di Ottawa, Ontario oleh Departemen Energi,
Pertambangan dan Sumber Daya. Dikembangkan oleh Roger Tomlinson, yang kemudian disebut CGIS (Canadian
GIS - SIG Kanada), digunakan untuk menyimpan, menganalisis dan mengolah data yang dikumpulkan untuk Inventarisasi Tanah Kanada (CLI - Canadian land Inventory) - sebuah inisiatif untuk mengetahui kemampuan lahan
di wilayah pedesaan Kanada dengan memetakaan berbagai informasi pada tanah, pertanian, pariwisata, alam bebas, unggas dan penggunaan tanah pada skala 1:250000. Faktor pemeringkatan klasikasi juga diterapkan untuk
keperluan analisis.

GIS dengan gvSIG.

CGIS merupakan sistem pertama di dunia dan hasil dari perbaikan aplikasi pemetaan yang memiliki kemampuan
timpang susun (overlay), penghitungan, pendijitalan/pemindaian (digitizing/scanning), mendukung sistem koordinat
national yang membentang di atas benua Amerika, memasukkan garis sebagai arc yang memiliki topologi dan menyimpan atribut dan informasi lokasional pada berkas terpisah. Pengembangnya, seorang geografer bernama Roger
Tomlinson kemudian disebut Bapak SIG.
CGIS bertahan sampai tahun 1970-an dan memakan waktu lama untuk penyempurnaan setelah pengembangan awal,
dan tidak bisa bersaing denga aplikasi pemetaan komersil yang dikeluarkan beberapa vendor seperti Intergraph.
Perkembangan perangkat keras mikro komputer memacu vendor lain seperti ESRI, CARIS, MapInfo dan berhasil
membuat banyak tur SIG, menggabung pendekatan generasi pertama pada pemisahan informasi spasial dan atributnya, dengan pendekatan generasi kedua pada organisasi data atribut menjadi struktur database. Perkembangan
industri pada tahun 1980-an dan 1990-an memacu lagi pertumbuhan SIG pada workstation UNIX dan komputer
pribadi. Pada akhir abad ke-20, pertumbuhan yang cepat di berbagai sistem dikonsolidasikan dan distandarisasikan
menjadi platform lebih sedikit, dan para pengguna mulai mengekspor menampilkan data SIG lewat internet, yang
membutuhkan standar pada format data dan transfer.
Indonesia sudah mengadopsi sistem ini sejak Pelita ke-2 ketika LIPI mengundang UNESCO dalam menyusun Kebijakan dan Program Pembangunan Lima Tahun Tahap Kedua (1974-1979)" dalam pembangunan ilmu pengetahuan,
teknologi dan riset.
Jenjang pendidikan SMU/senior high school melalui kurikulum pendidikan geogra SIG dan penginderaan jauh telah
diperkenalkan sejak dini. Universitas di Indonesia yang membuka program Diploma SIG ini adalah D3 Penginderaan
Jauh dan Sistem Informasi Geogra, Fakultas Geogra, Universitas Gadjah Mada, tahun 1999. Sedangkan jenjang S1
dan S2 telah ada sejak 1991 dalam Jurusan Kartogra dan Penginderaan Jauh, Fakultas Geogra, Universitas Gadjah
Mada. Penekanan pengajaran pada analisis spasial sebagai ciri geogra. Lulusannya tidak sekadar mengoperasikan
software namun mampu menganalisis dan menjawab persoalan keruangan. Sejauh ini SIG sudah dikembangkan
hampir di semua universitas di Indonesia melalui laboratorium-laboratorium, kelompok studi/diskusi maupun mata
pelajaran.

10.3. KOMPONEN SISTEM INFORMASI GEOGRAFIS

33

10.3 Komponen Sistem Informasi Geogras


Komponen-komponen pendukung SIG terdiri dari lima komponen yang bekerja secara terintegrasi yaitu perangkat
keras (hardware), perangkat lunak (software), data, manusia, dan metode yang dapat diuraikan sebagai berikut:

10.3.1

Perangkat Keras (hardware)

Perangkat keras SIG adalah perangkat-perangkat sik yang merupakan bagian dari sistem komputer yang mendukung
analisis geogra dan pemetaan. Perangkat keras SIG mempunyai kemampuan untuk menyajikan citra dengan resolusi
dan kecepatan yang tinggi serta mendukung operasioperasi basis data dengan volume data yang besar secara cepat.
Perangkat keras SIG terdiri dari beberapa bagian untuk menginput data, mengolah data, dan mencetak hasil proses.
Berikut ini pembagian berdasarkan proses :
Input data: mouse, digitizer, scanner
Olah data: harddisk, processor, RAM, VGA Card
Output data: plotter, printer, screening.

10.3.2

Perangkat Lunak (software)

Perangkat lunak digunakan untuk melakukan proses menyimpan, menganalisa, memvisualkan data-data baik data
spasial maupun non-spasial. Perangkat lunak yang harus terdapat dalam komponen software SIG adalah:
Alat untuk memasukkan dan memanipulasi data SIG
Data Base Management System (DBMS)
Alat untuk menganalisa data-data
Alat untuk menampilkan data dan hasil analisa

10.3.3

Data

Pada prinsipnya terdapat dua jenis data untuk mendukung SIG yaitu :
Data Spasial
Data spasial adalah gambaran nyata suatu wilayah yang terdapat di permukaan bumi. Umumnya direpresentasikan
berupa grak, peta, gambar dengan format digital dan disimpan dalam bentuk koordinat x,y (vektor) atau dalam
bentuk image (raster) yang memiliki nilai tertentu.
Data Non Spasial (Atribut)
Data non spasial adalah data berbentuk tabel dimana tabel tersebut berisi informasi- informasi yang dimiliki oleh
obyek dalam data spasial. Data tersebut berbentuk data tabular yang saling terintegrasi dengan data spasial yang ada.

10.3.4

Manusia

Manusia merupakan inti elemen dari SIG karena manusia adalah perencana dan pengguna dari SIG. Pengguna SIG
mempunyai tingkatan seperti pada sistem informasi lainnya, dari tingkat spesialis teknis yang mendesain dan mengelola sistem sampai pada pengguna yang menggunakan SIG untuk membantu pekerjaannya sehari-hari.

34

BAB 10. SISTEM INFORMASI GEOGRAFIS

10.3.5

Metode

Metode yang digunakan dalam SIG akan berbeda untuk setiap permasalahan. SIG yang baik tergantung pada aspek
desain dan aspek realnya.

10.4 Ruang Lingkup Sistem Informasi Geogras (SIG)


Pada dasarnya pada SIG terdapat lima (5) proses yaitu:
Input Data
Proses input data digunakan untuk menginputkan data spasial dan data non-spasial. Data spasial biasanya berupa peta
analog. Untuk SIG harus menggunakan peta digital sehingga peta analog tersebut harus dikonversi ke dalam bentuk
peta digital dengan menggunakan alat digitizer. Selain proses digitasi dapat juga dilakukan proses overlay dengan
melakukan proses scanning pada peta analog.
Manipulasi Data
Tipe data yang diperlukan oleh suatu bagian SIG mungkin perlu dimanipulasi agar sesuai dengan sistem yang dipergunakan. Oleh karena itu SIG mampu melakukan fungsi edit baik untuk data spasial maupun non-spasial.
Manajemen Data
Setelah data spasial dimasukkan maka proses selanjutnya adalah pengolahan data non-spasial. Pengolaha data nonspasial meliputi penggunaan DBMS untuk menyimpan data yang memiliki ukuran besar.
Query dan Analisis
Query adalah proses analisis yang dilakukan secara tabular. Secara fundamental SIG dapat melakukan dua jenis
analisis, yaitu:

Analisis Proximity

Analisis Proximity merupakan analisis geogra yang berbasis pada jarak antar layer. SIG menggunakan proses buering (membangun lapisan pendukung di sekitar layer dalam jarak tertentu) untuk menentukan dekatnya hubungan
antar sifat bagian yang ada.

Analisis Overlay

Overlay merupakan proses penyatuan data dari lapisan layer yang berbeda. Secara sederhana overlay disebut sebagai
operasi visual yang membutuhkan lebih dari satu layer untuk digabungkan secara sik.
Visualisasi
Untuk beberapa tipe operasi geogras, hasil akhir terbaik diwujudkan dalam peta atau grak. Peta sangatlah efektif
untuk menyimpan dan memberikan informasi geogras.

10.5 Manfaat SIG di berbagai bidang

10.5. MANFAAT SIG DI BERBAGAI BIDANG

10.5.1

35

Manajemen tata guna lahan

Pemanfaatan dan penggunaan lahan merupakan bagian kajian geogra yang perlu dilakukan dengan penuh pertimbangan dari berbagai segi. Tujuannya adalah untuk menentukan zonikasi lahan yang sesuai dengan karakteristik
lahan yang ada. Misalnya, wilayah pemanfaatan lahan di kota biasanya dibagi menjadi daerah pemukiman, industri,
perdagangan, perkantoran, fasilitas umum,dan jalur hijau. SIG dapat membantu pembuatan perencanaan masingmasing wilayah tersebut dan hasilnya dapat digunakan sebagai acuan untuk pembangunanutilitas-utilitas yang diperlukan. Lokasi dari utilitas-utilitas yang akan dibangun di daerah perkotaan (urban) perlu dipertimbangkan agar
efektif dan tidak melanggar kriteria-kriteria tertentuyang bisa menyebabkan ketidakselarasan. Contohnya, pembangunan tempat sampah. Kriteria-kriteria yang bisa dijadikan parameter antara lain: di luar area pemukiman, berada
dalam radius 10 meter dari genangan air, berjarak 5 meter dari jalan raya, dan sebagainya. Dengan kemampuan SIG
yang bisa memetakan apa yang ada di luar dan di dalam suatu area, kriteria-kriteriaini nanti digabungkan sehingga
memunculkan irisan daerah yang tidak sesuai, agak sesuai, dan sangat sesuai dengan seluruh kriteria. Di daerah pedesaan (rural) manajemen tata guna lahan lebih banyak mengarah ke sektor pertanian. Dengan terpetakannya curah
hujan, iklim, kondisitanah, ketinggian, dan keadaan alam, akan membantu penentuan lokasi tanaman, pupuk yang
dipakai, dan bagaimana proses pengolahan lahannya. Pembangunan saluran irigasi agar dapat merata dan minimal
biayanya dapat dibantu dengan peta sawah ladang, peta pemukiman penduduk, ketinggian masing-masing tempat dan
peta kondisi tanah. Penentuan lokasi gudang dan pemasaran hasil pertanian dapat terbantu dengan memanfaatkan
peta produksi pangan, penyebarankonsumen, dan peta jaringan transportasi. Selain untuk manajemen pemanfaatan
lahan, SIG juga dapat membantu dalam hal penataan ruang. Tujuannya adalah agar penentuan pola pemanfaatan
ruang disesuaikan dengan kondisi sik dan sosial yang ada, sehingga lebih efektif dan esien. Misalnya penataan
ruang perkotaan, pedesaan, permukiman,kawasan industri, dan lainnya.

10.5.2

Inventarisasi sumber daya alam

Secara sederhana manfaat SIG dalam data kekayaan sumber daya alamialah sebagai berikut:
Untuk mengetahui persebaran berbagai sumber daya alam, misalnya minyak bumi, batubara, emas, besi dan
barang tambang lainnya.
Untuk mengetahui persebaran kawasan lahan, misalnya:
1. Kawasan lahan potensial dan lahan kritis;
2. Kawasan hutan yang masih baik dan hutan rusak;
3. Kawasan lahan pertanian dan perkebunan;
4. Pemanfaatan perubahan penggunaan lahan;
5. Rehabilitasi dan konservasi lahan.

10.5.3

Untuk pengawasan daerah bencana alam

Kemampuan SIG untuk pengawasan daerah bencana alam, misalnya:


Memantau luas wilayah bencana alam;
Pencegahan terjadinya bencana alam pada masa datang;
Menyusun rencana-rencana pembangunan kembali daerah bencana;
Penentuan tingkat bahaya erosi;
Prediksi ketinggian banjir;
Prediksi tingkat kekeringan.

36

BAB 10. SISTEM INFORMASI GEOGRAFIS

10.5.4

Bagi perencanaan Wilayah dan Kota

Untuk bidang sumber daya, seperti kesesuaian lahan pemukiman, pertanian, perkebunan, tata guna lahan,
pertambangan dan energi, analisis daerah rawan bencana.
Untuk bidang perencanaan ruang, seperti perencanaan tata ruang wilayah, perencanaan kawasan industri, pasar,
kawasan permukiman, penataan sistem dan status pertahanan.
Untuk bidang manajemen atau sarana-prasarana suatu wilayah, seperti manajemen sistem informasi jaringan
air bersih, perencanaan dan perluasan jaringan listrik.
Untuk bidang pariwisata, seperti inventarisasi pariwisata dan analisis potensi pariwisata suatu daerah.
Untuk bidang transportasi, seperti inventarisasi jaringan transportasi publik, kesesuaian rute alternatif, perencanaan perluasan sistem jaringan jalan, analisis kawasan rawan kemacetan dan kecelakaaan.
Untuk bidang sosial dan budaya, seperti untuk mengetahui luas dan persebaran penduduk suatu wilayah, mengetahui luas dan persebaran lahan pertanian serta kemungkinan pola drainasenya, pendataan dan pengembangan
pusat-pusat pertumbuhan dan pembangunan pada suatu kawasan, pendataan dan pengembangan pemukiman
penduduk, kawasan industri, sekolah, rumah sakit, sarana hiburan dan perkantoran.

10.6 Lihat pula


GPS
Pelacak kendaraan

10.7 Pranala luar


- Program Diploma Sistem Informasi Geogras dan Penginderaan Jauh UGM
Buana Katulistiwa (BK)
Geograana - Situs Geogra Populer Indonesia
Planet GIS Indonesia - Kumpulan Blog GIS/Geo di Indonesia
Forum Remote Sensing dan GIS Indonesia
Open GIS Consortium - Konsorsium SIG Terbuka
FreeGIS - Software bebas dan data gratis
Konsultan GIS PBB Jasa Pemetaan
Software Gis GIS Indonesia
Contoh Makalah Sistem Informasi Geogras Paper Underground

Bab 11

Sistem manajemen sumber daya manusia


Sistem Manajemen Sumber Daya Manusia (SMSDM/HRMS), Sistem Informasi Sumber Daya Manusia
(SISDM/HRIS) merupakan sebuah bentuk interseksi/pertemuan antara bidang ilmu manajemen sumber daya manusia (MSDM) dan teknologi informasi. sistem ini menggabungkan MSDM sebagai suatu disiplin yang utamanya
mengaplikasikan bidang teknologi informasi ke dalam aktivitas-aktivitas MSDM seperti dalam hal perencanaan,
dan menyusun sistem pemrosesan data dalam serangkaian langkah-langkah yang terstandarisasi dan terangkum dalam aplikasi perencanaan sumber daya perusahaan/enterprise resource planning (ERP). Secara keseluruhan sistem
ERP bertujuan mengintegrasikan informasi yang diperoleh dari aplikasi-aplikasi yang berbeda ke dalam satu sistem
basisdata yang bersifat universal. Keterkaitan dari modul kalkulasi nansial dan modul MSDM melalui satu basisdata
yang sama merupakan hal yang sangat penting yang membedakannya dengan bentuk aplikasi lain yang pernah dibuat
sebelumnya, menjadikan aplikasi ini lebih eksibel namun juga lebih kaku dengan aturan-aturannya.

11.1 Pranala luar


(Inggris) Management Research on EHRMS
(Inggris) EHRMS News

37

Bab 12

Algoritma
Dalam matematika dan ilmu komputer, algoritma adalah prosedur langkah-demi-langkah untuk penghitungan. Algoritma digunakan untuk penghitungan, pemrosesan data, dan penalaran otomatis.
Algoritma adalah metode efektif diekspresikan sebagai rangkaian terbatas [1] dari instruksi-instruksi yang telah didenisikan dengan baik [2] untuk menghitung sebuah fungsi.[3] Dimulai dari sebuah kondisi awal dan input awal
(mungkin kosong),[4] instruksi-instruksi tersebut menjelaskan sebuah komputasi yang, bila dieksekusi, diproses lewat sejumlah urutan kondisi terbatas [5] yang terdenisi dengan baik, yang pada akhirnya menghasilkan keluaran
[6]
dan berhenti di kondisi akhir. Transisi dari satu kondisi ke kondisi selanjutnya tidak harus deterministik; beberapa
algoritma, dikenal dengan algoritma pengacakan, menggunakan masukan acak.[7]
Walaupun algorism-nya al-Khawarizmi dirujuk sebagai aturan-aturan melakukan aritmetika menggunakan bilangan
Hindu-Arab dan solusi sistematis dan persamaan kuadrat, sebagian formalisasi yang nantinya menjadi algoritma modern dimulai dengan usaha untuk memecahkan permasalahan keputusan (Entscheidungsproblem) yang diajukan oleh
David Hilbert pada tahun 1928. Formalisasi selanjutnya dilihat sebagai usaha untuk menentukan "penghitungan efektif" [8] atau metode efektif"; [9] formalisasi tersebut mengikutkan Godel-Herbrand-Kleene fungsi rekursif-nya Kurt
Godel - Jacques Herbrand - Stephen Cole Kleene pada tahun 1930, 1934, dan 1935, kalkulus lambda-nya Alonzo
Church pada tahun 1936, "Formulasi 1"-nya Emil Post pada tahun 1936, dan Mesin Turing-nya Alan Turing pada
tahun 1936-7 dan 1939. Dari denisi formal dari algoritma di atas, berkaitan dengan konsep intuituf, masih tetap
ada masalah yang menantang. [10]

12.1 Asal kata


'Algoritma' muncul dari 'Algoritmi', bentuk Latin dari al-Khwarizmi, matematikawan, ahli astronomi, dan ahli geogra dari Persia.[11][12]

12.2 Denisi informal


Denisi informalnya bisa berarti sekumpulan aturan yang secara tepat menentukan seurutan operasi. [13] yang
mengikutkan semua program komputer, termasuk program yang tidak melakukan perhitungan numerik. Secara
umum, sebuah program hanyalah sebuah algoritma jika ia akan berhenti nantinya. [14]
Sebuah contoh prototipikal dari suatu algoritma adalah algoritma Euclid untuk menentukan bilangan pembagi terbesar
dari dua integer; sebagai contohnya (ada contoh yang lain) dijelaskan dengan diagram alur di atas dan sebagai contoh
di bagian lanjut.
Boolos & Jerey (1974, 1999) memberikan sebuah makna informal dari kata algoritma dalam persamaan berikut:
Tidak ada manusia yang dapat menulis begitu cepat, atau begitu lama, atau begitu kecil (kecil,
dan lebih kecil tanpa batas ... anda mungkin mencoba menulis di atas molekul, atom, elektron) untuk
mencatat semua anggota dari kumpulan bilangan tak terbatas dengan menuliskan namanya, bergantian,
dalam suatu notasi. Tapi manusia bisa melakukan sesuatu yang sama bergunanya, pada kasus kumpulan
38

12.3. FORMALISASI

39

bilangan tak terbatas: Mereka dapat memberikan instruksi jelas untuk menentukan anggota ke-n dari
set, untuk n terbatas acak. Instruksi tersebut diberikan secara eksplisit, dalam bentuk yang dapat diikuti
oleh mesin penghitung, atau oleh manusia yang mampu melakukan hanya operasi-operasi dasar dengan
simbol-simbol. [15]
Suatu bilangan tak-terbatas adalah bilangan yang elemen-elemenya bisa berkorespondensi satu-ke-satu dengan integer. Maka, Boolos dan Jerey mengatakan bahwa sebuah algoritma berarti instruksi bagi sebuah proses yang
membuat keluaran integer dari sebuah masukan acak integer yang, secara teori, bisa sangat besar. Maka sebuah
algoritma dapat berupa persamaan aljabar seperti y = m + n -- dua variabel masukan m dan n yang menghasikan keluaran y. Tapi berbagai penulis yang mencoba mendenisikan persamaan tersebut mengatakan bahwa kata algoritma
mengandung lebih dari itu, sesuatu yang kurang lebih (untuk contoh penjumlahan):
Instruksi rinci dan tepat (dalam bahasa yang dipahami oleh komputer) [16] untuk proses yang cepat,
esien, baik [17] yang menentukan pergerakan dari komputer (mesin atau manusia, dibekali dengan
informasi dan kemampuan internal yang dibutuhkan) [18] untuk menemukan, dekode, dan kemudian
mengolah masukan integer/simbol m dan n, simbol + dan = ... dan secara efektif [19] menghasilkan,
dalam waktu yang masuk akal,[20] keluaran integer y pada tempat dan format tertentu.
Konsep dari algoritma juga digunakan untuk mendenisikan notasi dari desidabilitas. Notasi tersebut adalah pusat
untuk menjelaskan bagaimana sistem formal berasal dari sejumlah kecil aksioma dan aturan. Dalam logika, waktu
dari sebuah algoritma untuk selesai tidak dapat dihitung, karena tidak berelasi dengan dimensi sik kita. Dari ketidakpastian tersebut, yang mengkarakteristikan pekerjaan yang sedang berjalan, timbulah ketidak-tersediannya denisi
algoritma yang sesuai dengan konkret (pada tingkat tertentu) dan penggunaan secara abstrak dari istilah tersebut.

12.3 Formalisasi
Algoritma sangat penting bagi cara komputer mengolah data. Banyak program komputer mengandung algoritma
memberikan rincian pada instruksi khusus yang komputer harus lakukan (dengan urutan tertentu) untuk menjalankan
pekerjaan tertentu, seperti menghitung gaji karyawan atau mencetak kartu rapor siswa. Maka, sebuah algoritma bisa
dianggap sebagai urutan operasi yang bisa disimulasikan oleh sebuah sistem Turing-lengkap. Penulis yang mendukung
tesis ini termasuk Minsky (1967), Savage (1987), dan Gurevich (2000):
Minsky: Tapi kita juga menjaga, dengan Turing ... bahwa setiap prosedur yang secara alami
disebut efektif, bisa dinyatakan oleh mesin (sederhana). Walaupun tampaknya ekstrim, alasan tersebut
... sukar disanggah. [21]
Gurevich: "... argumen informal Turing untuk menyokong tesis ini membenarkan tesis yang lebih
kuat: setiap algoritma bisa disimulasikan oleh sebuah mesin Turing ... menurut Savage [1987], sebuah
algoritma adalah sebuah proses penghitungan yang ditentukan oleh sebuah mesin Turing. [22]
Biasanya, bila sebuah algoritma dihubungkan dengan pengolahan informasi, data dibaca dari sumber masukan, ditulis
ke perangkat keluaran, dan/atau disimpan untuk pengolahan selanjutnya. Data simpanan dianggap sebagai bagian dari
keadaan internal dari entitas yang melakukan algoritma. Pada praktiknya, keadaan tersebut disimpan pada satu atau
lebih struktur data.
Untuk beberapa proses komputasi, algoritma harus ditentukan secara teliti: dijabarkan dengan cara ia bakal berlaku
untuk semua kemungkinan yang dapat timbul. Yaitu, setiap langkah tambahan harus secara sistematis dihadapi,
kasus-per-kasus; Kriteria bagi setiap kasus harus jelas (dan bisa dihitung).
Karena sebuah algoritma adalah kumpulan dari langkah-langkah yang tepat, urutan dari komputasi selalu penting
bagi berfungsinya algoritma. Instruksi biasanya diasumsikan terdaftar secara eksplisit, dan dijelaskan dimulai dari
atas dan terus ke bawah, sebuah gambaran yang dijelaskan secara formal oleh alur kontrol
Sejauh ini, diskusi tentang formalisasi algoritma telah mengasumsikan premis dari pemrograman imperatif. Hal
ini merupakan konsepsi umum, yang mencoba menjelaskan sebuah pekerjaan dalam makna diskrit dan mekanis.
Keunikan dari konsepsi formalisasi algoritma adalah operasi penetapan, mengatur nilai dari sebuah variabel. Ia
berasal dari intuisi "ingatan" sebagai kertas buram. Contoh operasi penetapan tersebut ada di bawah.
Untuk konsepsi yang lain dari apa yang membentuk sebuah algoritma lihat pemrograman fungsional dan pemrograman
logika.

40

BAB 12. ALGORITMA

12.3.1

Menggambarkan algoritma

Algoritma dapat digambarkan dengan banyak notasi, termasuk bahasa alamiah, pseudokode, diagram alur, bagan
drakon, bahasa pemrograman atau tabel kontrol (diproses oleh penerjemah). Ekspresi bahasa alamiah terhadap algoritma condong lebih banyak dan rancu, dan jarang digunakan untuk algoritma yang kompleks dan teknis. Pseudokode, diagram alur, bagan drakon, dan tabel kontrol adalah cara yang terstruktur untuk menggambarkan algoritma yang
mencegah banyaknya kerancuan pada pernyataan-pernyataan bahasa alamiah. Bahasa pemrograman ditujukan untuk
mengekspresikan algoritma dalam sebuah bentuk yang dapat dieksekusi oleh komputer, tapi sering kali digunakan
sebagai suatu cara untuk menentukan atau mendokumentasikan algoritma.
Ada banyak macam kemungkinan representasi dan seseorang dapat mengekspresikan sebuah program mesin Turing
sebagai urutan dari tabel-tabel mesin (lihat lebih lanjut di mesin kondisi-terbatas, tabel transisi kondisi dan tabel
kontrol), sebagai diagram alur dan bagan drakon (lihat lebih lanjut di diagram kondisi), atau sebagai bentuk kode
mesin atau kode assembly dasar yang dikenal kumpulan lipat empat (lihat lebih lanjut di mesin Turing).
Representasi dari algoritma dapat dikelompokan ke dalam tiga tingkatan dari deskripsi mesin Turing:

[23]

1 Deskripsi tingkat-tinggi "... ditujukan untuk menjelaskan algoritma, menghiraukan rincian implementasi. Pada
tingkat ini kita tidak perlu menyebutkan bagaimana mesin mengatur perangkat pita atau kepala pita rekam.
2 Deskripsi implementasi "... digunakan untuk menjelaskan cara mesin Turing menggunakan kepalanya dan cara
menyimpan data. Pada tingkat ini kita tidak memberikan secara rinci kondisi atau fungsi transisi.
3 Deskripsi formal Lebih rinci, tingkat paling rendah, menjelaskan tabel kondisi dari mesin Turing.
Sebagai contoh dari algoritma sederhana Penjumlahan m+n dijelaskan dalam tiga tingkatan tersebut lihat contoh
algoritma.

12.4 Implementasi
Kebanyakan algoritma ditujukan untuk diimplementasikan sebagai program komputer. Namun, algoritma juga diimplementasikan dengan tujuan lain, seperti dalam jaringan saraf biologis (sebagai contohnya, otak manusia yang
mengimplementasikan aritmatika atau sebuah serangga yang melihat makanan), dalam sirkuit elektris, atau dalam
sebuah perangkat mekanis.

12.5 Algoritma komputer


Dalam sistem komputer, sebuah algoritma pada dasarnya adalah instansi dari logika ditulis dalam perangkat lunak
oleh pengembang perangkat lunak supaya efektif untuk komputer yang ditargetkan untuk mesin tertentu untuk
menghasilkan keluaran dari masukan yang diberikan (kemungkinan nul).
Program yang elegan (padat), program yang baik (cepat): Pernyataan dari sederhana dan elegan muncul secara
informal dalam buku Knuth dan dalam Chaitin:
Knuth: "... kita menginginkan algoritma yang baik dalam denisi estetika sederhana. Salah satu kriterianya ... adalah waktu yang dibutuhkan untuk berjalannya algoritma ... Kriteria yang lain adalah adaptasi
dari algoritma ke komputer, kesederhanaan dan elegan, dll [24]
Chaitin: "... sebuah program adalah 'elegan, maksud saya adalah ia merupakan program terkecil untuk
menghasilkan keluaran. [25]
Chaitin membuka denisinya dengan: Saya akan perlihatkan bahwa anda tidak dapat membuktikan sebuah program
adalah 'elegan'"bukti tersebut akan menyelesaikan permasalahan perhentian (ibid).
Algoritma terhadap fungsi yang dapat dihitung oleh algoritma: Untuk sebuah fungsi bisa ada beberapa algoritma. Hal
ini benar, bahkan tanpa mengembangkan kumpulan instruksi yang ada bagi programmer. Rogers mengamati bahwa
Sangat ... penting untuk membedakan antara pengertian algoritma, misalnya prosedur dan pernyataan fungsi yang

12.5. ALGORITMA KOMPUTER

41

dihitung oleh algoritma, misalnya pemetaan hasil dari prosedur. Fungsi yang sama bisa memiliki beberapa algoritma
berbeda. [26]
Sayangnya ada pertukaran antara kebaikan (kecepatan) dan elegan (kepadatan) -- sebuah program yang elegan bisa melakukan lebih banyak langkah untuk menyelesaikan sebuah komputasi daripada yang kurang elegan. Sebuah
contoh yang menggunakan algoritma Euclid bisa dilihat di bawah.
Komputer (dan komputor), model dari komputasi: Sebuah komputer (atau manusia komputor [27] ) adalah tipe
terbatas dari mesin, sebuah perangkat mekanis deterministik diskrit [28] yang secara buta mengikuti instruksinya
[29]
. Model primitif dari Melzak dan Lambek [30] mereduksi pemikiran tersebut menjadi empat elemen: (i) diskrit,
lokasi yang bisa dibedakan, (ii) diskrit, penghitung yang tak bisa dibedakan [31] (iii) sebuah agen, dan (iv) sebuah
daftar instruksi yang efektif relatif terhadap kemampuan dari agen. [32]
Minsky menjelaskan variasi yang lebih sesuai dari model abacus"-nya Lambek dalam Basis Komputabilitas Paling
Sederhana. [33] Mesin Minsky memproses secara berurutan lewat lima (atau enam tergantung bagaimana seseorang
menghitungnya) instruksi kecuali baik sebuah kondisi IF-THEN GOTO atau GOTO tak bersyarat mengubah alur program keluar dari urutan. Selain HALT, mesin Minsky mengikutkan tiga operasi penetapan (penggantian, substitusi):
[34]
ZERO (misalnya, isi dari lokasi diganti oleh 0: L 0), SUCCESSOR (misalnya, L L+1), dan DECREMENT
(misalnya, L L-1). [35] Jarang seorang programer harus menulis kode dengan kumpulan instruksi terbatas. Tapi
Minsky memperlihatkan (sebagaimana Melzak dan Lambek) bahwa mesinnya adalah Turing komplit dengan hanya
empat tipe instruksi utama: GOTO kondisional, GOTO tak bersyarat, penetapan/penggantian/substitusi, dan HALT.
[36]

Simulasi dari sebuah algoritma: bahasa komputer (komputor): Knuth menganjurkan pembaca bahwa cara terbaik
untuk belajar algoritma dalah mencobanya ... langsung ambil pulpen dan kertas dan bekerja lewat contoh. [37] Lalu
bagaimana dengan simulasi atau eksekusi yang sebenarnya? Programmer harus menerjemahkan algoritma ke dalam
bahasa yang mana simulator/komputer/komputor dapat mengeksekusi secara efektif. Stone memberikan contoh dari
hal ini: saat menghitung akar dari persamaan kuadrat si komputor harus tahu bagaimana mendapatkan akar kuadrat. Jika tidak maka supaya algoritma dapat efektif ia harus menyediakan sejumlah aturan untuk mengekstrak akar
kuadrat. [38]
Hal ini berarti programer harus tahu sebuah bahasa yang efektif relatif terhadap target pada agen komputasi (komputer/komputor).
Lalu model apa yang seharusnya digunakan untuk simulasi? Van Emde Boas mengamati bahkan bila kita mendasari teori kompleksitas dengan mesin abstrak bukannya mesin kongkrit, kesembarangan dari pemilihan model masih
tetap ada. Pada titik itulah mulainya pemikiran simulasi". [39] Bila kecepatan yang dihitung, jumlah instruksi berpengaruh. Sebagai contohnya, subprogram dalam algoritma Euclid untuk menghitung sisa akan berjalan lebih cepat
jika programmer memiliki instruksi modulus (sisa pembagian) bukannya dengan pengurangan (atau lebih parah:
hanya penurunan).
Pemrograman terstuktur, struktur kanonikal: Menurut Tesis Church-Turing setiap algoritma bisa dihitung dengan
sebuah model yang dikenal Turing komplit, dan menurut demonstrasi Minsky kekomplitan Turing membutuhkan hanya empat tipe instruksiGOTO bersyarat, GOTO tak bersyarat, penetapan, HALT. Kemeny dan Kurtz mengamati
bahwa saat penggunaan GOTO tak bersyarat yang tak disiplin dan IF-THEN GOTO bersyarat bisa menghasilkan
"kode spageti" seorang programer bisa menulis program terstruktur menggunakan instruksi tersebut; di lain sisi juga
memungkinkan, dan tidak begitu sulit, untuk menulis sebuah program terstruktur yang buruk dalam sebuah bahasa
terstruktur. [40] Tausworthe menambahkan tiga struktur kanon Bohm-Jacopini: [41] SEQUENCE, IF-THEN-ELSE,
dan WHILE-DO, dengan dua lagi: DO-WHILE dan CASE. [42] Keuntungan dari program terstruktur adalah ia cocok
dengan pembuktian kebenaran menggunakan induksi matematika. [43]
Simbol diagram alur [44] : Pembantu grak yang disebut diagram alur memberikan suatu cara untuk menjelaskan dan
mendokumentasikan sebuah algoritma (dan program komputer). Seperti alur program dari mesin Minsky, sebuah
diagram alur selalu mulai dari atas dan terus ke bawah. Simbol utamanya hanya 4: arah panah memperlihatkan alur
program, segi empat (SEQUENCE, GOTO), wajik (IF-THEN-ELSE), dan titik (OR). Struktur kanonikal BohmJacopini dibuat dari bentuk-bentuk primitif tersebut. Sub-struktur bisa bersarang dalam segi empat hanya jika
jalan keluar tunggal terjadi pada super-struktur. Simbol dan penggunaannya untuk membangun struktur kanonikal
diperlihatkan dalam diagram.

42

BAB 12. ALGORITMA

12.6 Contoh
12.6.1

Contoh Algoritma

Salah satu dari algoritma sederhana adalah menemukan bilangan terbesar dalam sebuah deretan angka (tak berurut).
Solusinya membutuhkan pemeriksaan setiap angka dalam deret, tapi hanya sekali. Dari hal ini munculah algoritma
sederhana, yang bisa dinyatakan dalam kalimat bahasa deskripsi tingkat-tinggi, sebagai:
Deskripsi tingkat-tinggi:
1. Jika tidak ada angka dalam deret makan tidak ada bilangan terbesar.
2. Asumsikan item pertama dalam deret adalah yang terbesar.
3. Untuk setiap sisa angka dalam deret, jika angka tersebut besar dari angka terbesar sekarang, anggap angka
tersebut menjadi yang terbesar dalam deret.
4. Bila tidak ada lagi angka yang tersisa pada deret untuk diperiksa, anggap angka terbesar sekarang menjadi
angka yang terbesar dalam deret.
Deskripsi (Quasi-)formal: Ditulis dalam kalimat yang lebih dekat dengan bahasa tingkat-tinggi dari program komputer, berikut ini adalah kode formal dari algoritma dalam pseudokode atau kode pijin:
Algoritma LargestNumber Masukan: Deret angka L. Keluaran: Angka terbesar dalam daftar L. terbesar L
untuk setiap item dalam L, lakukan jika item > terbesar, maka terbesar item kembalikan terbesar
"" adalah singkatan untuk diubah menjadi. Misalnya, "terbesar item" artinya nilai dari terbesar diubah menjadi nilai
dari item.

"kembalikan" mengakhiri algoritma dan mengeluarkan nilai kembalian.

12.6.2

Algoritma Euclid

Algoritma Euclid muncul sebagai Proposisi II dalam Book VII (Elementary Number Theory) dari Elements. [45]
Euclid mengajukan permasalahan: Ambil dua angka bukan prima, untuk mencari bilangan pembagi terbesar. Dia
menentukan Sebuah angka [merupakan] besaran yang terdiri dari unit-unit": angka penghitung, integer positif kecuali 0. Dan mengukur adalah menempatkan ukuran panjang terkecil s dengan tepat (q kali) di antara ukuran
terpanjang l sampai sisa r lebih kecil dari panjang terkecil s. [46] Dalam dunia modern, sisa r = l - q*s, q sebagai
hasil bagi, atau sisa r adalah modulus, bagian sisa-integer yang tersisa setelah pembagian. [47]
Supaya metode Euclid berhasil, panjang awalnya harus memenuhi dua kebutuhan: (i) panjangnya tidak 0, DAN (ii)
hasil pengurangan harus lebih, sebuah pengujian harus menjamin bahwa bilangan terkecil dari dua angka adalah
hasil pengurangan dari yang terbesar (cara lain, keduanya bisa sama sehingga pengurangan menghasilkan 0).
Pembuktian asli Euclid mengikutkan kebutuhan yang ketiga: kedua panjang bukanlah bilangan prima. Euclid menentukan hal ini supaya dia bisa membentuk sebuah bukti reductio ad absurdum bahwa dua pembagi dua angka
adalah yang terbesar. [48] Walau algoritma Nicomachus sama dengan Euclid, bila kedua bilangan prima maka menghasilkan angka 1 untuk bilangan pembagi terbesar. Jadi untuk lebih jelasnya algoritma berikut adalah algoritma
Nicomachus.
Contoh
Bahasa komputer untuk algoritma Euclid
Hanya beberapa tipe instruksi yang dibutuhkan untuk mengeksekusi algoritmabeberapa tes logika (GOTO bersyarat), GOTO tak bersyarat, penetapan (penggantian), dan pengurangan.
Sebuah lokasi disimbolkan dengan huruf besar, misalnya, S, A, dll.
Kuantitas beragam (angka) dalam sebuah lokasi ditulis dengan huruf kecil dan (biasanya) dihubungkan dengan
nama lokasi. Sebagai contohnya, lokasi L pada awal bisa mengandung angka l = 3009.

12.6. CONTOH

43

Program yang kurang elegan (inelegan) untuk algoritma Euclid


Algoritma berikut disebut sebagai versi Euclid dan Nichomachus 4-langkah-nya Knuth, tapi bukannya menggunakan
pembagi untuk menentukan sisa ia menggunakan pengurangan berturut-turut dari panjang terkecil s dari sisa panjang
r sampai r kurang dari s. Deskripsi tingkat-tinggi, diperlihatkan dengan tulisan tebal, diadaptasi dari Knuth 1973:2-4:
INPUT:
1 [Kedalam dua lokasi L dan S taruh angka l dan s yang merepresentasikan kedua panjang]: INPUT L, S 2 [Inisialisasi
R: buat supaya sisa panjang r sama dengan panjang awal l] R L
E0: [Pastikan r s.]
3 [Pastikan angka terkecil dari kedua angka ada dalam S dan yang terbesar di R]: IF R > S THEN isi dari L adalah
angka terbesar jadi lewati langkah 4, 5 dan 6: GOTO step 6 ELSE tukar isi R dan S. 4 L R (langkah pertama ini
berlebih, tapi berguna untuk diskusi nanti). 5 R S 6 S L
E1: [Cari sisa]: Sampai sisa panjang r di R kurang dari panjang terkecil s pada S, kurangi angka s dalam S berulang
kali dari sisa panjang r dalam R.
7 IF S > R THEN selesai mengukur jadi GOTO 10 ELSE ukur lagi, 8 R R - S 9 [Pengulangan-sisa]: GOTO 7.
E2: [Apakah sisa 0?]: APAKAH (i) pengukuran terakhir adalah sama dan sisa di R adalah 0 program dapat berhenti,
ATAU (ii) algoritma harus terus jalan: hasil pengukuran meninggalkan sisa di R kurang dari angka pengukuran dalam
S.
10 IF R = 0 THEN selesai jadi GOTO langkah 15 ELSE lanjut ke langkah 11,
E3: [Interchange s dan r]: Sulitnya algoritma Euclid. Menggunakan sisa r untuk mengukur angka terkecil sebelumnya s:; L sebagai lokasi sementara.
11 L S 12 R S 13 S L 14 [Ulang proses pengukuran]: GOTO 7
OUTPUT:
15 [Selesai. S berisi faktor persekutuan terbesar]: PRINT S
DONE:
16 HALT, END, STOP.
Program elegan untuk algoritma Euclid
Versi algoritma Euclid berikut hanya membutuhkan 6 instruksi inti untuk melakukan 13 langkah pada solusi inelegan"; parahnya, inelegan membutuhkan tipe instruksi lebih banyak. Diagram alur dari elegan bisa dilihat pada
bagian atas artikel ini. Dalam bahasa Basic (tak terstruktur) langkahnya diberi nomor, dan instruksi LET [] = []
adalah instruksi penetapan disimbolkan dengan .
5 REM Algoritma Euclid untuk faktor persekuturan terbesar 6 PRINT Masukan dua integer besar dari 0 10 INPUT
A,B 20 IF B=0 THEN GOTO 80 30 IF A > B THEN GOTO 60 40 LET B=B-A 50 GOTO 20 60 LET A=A-B 70
GOTO 20 80 PRINT A 90 END
Bagaimana cara kerja Elegan: Sebagai pengganti pengulangan Euclid luar, Elegan mengulang antara dua pengulangan, pengulangan A > B yang menghitung A A - B, dan pengualang B A yang menghitung B B - A.
Hal ini bekerja karena, saat yang dikurang M lebih kecil pengurang S ( Selisih = pengurang - yang_di_kurang ),
yang_dikurang bisa menjadi s (panjang pengukuran yang baru) dan pengurang bisa menjadi r yang baru (panjang
yang akan diukur); dengan kata lain arti dari pengurangan dibalik.

12.6.3

Menguji algoritma Euclid

Apakah algoritma berjalan seperti yang penulis inginkan? Beberapa kasus uji cukup menentukan fungsi inti. Sumber
pertama [49] menggunakan 3009 dan 884. Knuth menyarankan 40902, 24140. Kasus menarik lainnya yaitu dua
angka relatif prima 14157 dan 5950.
Tapi kasus pengecualian harus teridentikasi dan diuji. Apakah inelegan berjalan benar saat R > S, S > R, R = S?
Sama juga dengan Elegan": B > A, A > B, A = B? (Semuanya benar). Apa yang terjadi bila salah satu bilangan nol,
atau keduanya nol? (Inelegan terus berjalan pada kedua kasus; elegan terus berjalan saat A = 0.) Apa yang terjadi

44

BAB 12. ALGORITMA

bila angka negatif dimasukan? Angka desimal? Bila angka masukan, misalnya domain dari fungsi yang dihitung oleh
algoritma/program, mengikutkan hanya integer positif termasuk 0, maka kegagalan pada nol mengindikasikan bahwa
algoritma (dan program instansiasinya) adalah sebuah fungsi parsial bukannya fungsi total. Kesalahan yang terkenal
karena eksepsi adalah kegagalan roket Ariane V.
Bukti dari kebenaran program menggunakan induksi matematika: Knuth mendemonstrasikan penggunaan induksi
matematika untuk versi pengembangan dari algoritma Euclid, dan dia mengajukan metode umum yang digunakan
untuk membuktikan validitas dari setiap algoritma. [50] Tausworthe mengajukan bahwa sebuah pengukuran dari
kompleksitas dari sebuah program adalah panjang dari pembuktian kebenarannya. [51]

12.6.4

Menghitung dan meningkatkan algoritma Euclid

Elegan (kepadatan) lawan kebaikan (kecepatan): Dengan hanya 6 instruksi dasar, Elegan adalah jelas pemenang dibandingkan dengan instruksi inelegan dengan 13 instruksi. Namun, inelegan lebih cepat (ia sampai pada HALT
dengan langkah lebih sedikit). Analisis algoritma [52] mengindikasikan kenapa hal tersebut terjadi: Elegan melakukan pengujian kondisi dua kali disetiap pengulangan pengurangan, sementara inelegan hanya sekali. Bila
algoritma (biasanya) membutuhkan banyak pengulangan, secara rata-rata lebih banyak waktu yang terbuang saat
melakukan tes B = 0?" yang hanya diperlukan saat sisa sudah dihitung.
Bisakah algoritma ditingkatkan?: Bila programmer sudah menilai sebuah program cocok dan efektifyaitu, ia
menghitung fungsi yang ditujukan oleh penulisnyamaka pertanyaannya menjadi, bisakah ditingkatkan?
Kepadatan dari inelegan bisa ditingkatkan dengan menghilangkan 5 langkah. Tapi Chaitin membuktikan bahwa
memadatkan algoritma tidak bisa diotomatiskan dengan algoritma generalisasi; [53] tapi, ia bisa dilakukan secara
heuristik, misalnya dengan pencarian menyeluruh (contohnya bisa ditemukan di Berang sibuk), coba dan gagal, kecerdasan, kedalaman, penggunaan penalaran induktif, dll. Bisa diamati bahwa langkah 4, 5, dan 6 diulang pada
langkah 11, 12, dan 13. Pembandingan dengan Elegan menyediakan petunjuk langkah-langkah tersebut dengan
langkah 2 dan 3 dapat dihilangkan. Hal ini mereduksi jumlah instruksi dasar dari 13 menjadi 8, yang membuatnya
lebih elegan dari Elegan dengan 9 langkah.
Kecepatan Elegan bisa ditingkatkan dengan memindahkan tes B=0? keluar dari pengulangan. Perubahan ini memerlukan penambahan 3 instruksi (B=0?, A=0?, GOTO). Sekarang Elegant menghitung contoh-angka lebih cepat;
untuk setiap angka pada A, B dan R, S hal ini selalu merupakan kasus yang membutuhkan analisis yang mendalam.

12.7 Analisis Algoritma


Sangat penting untuk mengetahui berapa banyak sumber tertentu (seperti waktu dan tempat penyimpanan) secara teoritis diperlukan untuk sebuah algoritma. Metode-metode telah dikembangkan untuk analisis algoritma untuk
mendapatkan jawaban kuantitatif (estimasi); sebagai contohnya, algoritma pengurutan di atas memerlukan waktu
O(n), menggunakan notasi O besar dengan n sebagai panjang deret (yang akan diurut). Setiap saat algoritma hanya perlu mengingat dua nilai: nilai terbesar yang ditemukan, dan posisinya sekarang dideretan input. Oleh karena
itu dikatakan memiliki kebutuhan ruang O(1), jika ruang yang dibutuhkan untuk menyimpan angka masukan tidak
dihitung, atau O(n) jika dihitung.
Algoritma berbeda mungkin menyelesaikan pekerjaan yang sama dengan kumpulan instruksi yang berbeda dengan
waktu, ruang, atau 'usaha' lebih sedikit atau banyak dari yang lain. Sebagai contohnya, algoritma pencairan binari
biasanya mengungguli pencarian berderet secara paksa bila digunakan untuk tabel pencarian pada deret terurut.

12.7.1

Formal lawan empiris

Analisis dan kajian algoritma adalah bidang dari ilmu komputer, dan biasanya dilakukan secara abstrak tanpa menggunakan bahasa pemrograman tertentu atau implementasi. Dalam artian, analisis algoritma mirip dengan bidang
matematika lainnya yang mana fokus pada properti yang mendasari algoritma dan bukan pada implementasi tertentu. Biasanya pseudokode digunakan pada analisis karena merupakan representasi paling umum dan sederhana.
Namun, pada akhirnya, kebanyakan algoritma diimplementasikan di perangkat keras / lunak tertentu dan esiensi
algoritmik mereka akhirnya diuji menggunakan kode yang sebenarnya. Untuk solusi dari sebuah masalah, esiensi
dari algoritma tertentu mungkin tidak terlalu berpengaruh (kecuali n sangat besar) tapi bagi algoritma yang dirancang

12.8. KLASIFIKASI

45

untuk kecepatan interaktif, komersial, atau penggunaan ilmiah jangka panjang ia bisa saja kritikal. Meningkatkan n
dari kecil ke n yang besar biasanya menunjukan ketak esienan algoritma yang tidak berbahaya.
Pengujian empiris berguna karena bisa membuka interaksi tak terduga yang mempengaruhi performa. Benchmark
bisa digunakan untuk membandingkan potensi kenaikan sebelum/sesudah algoritma setelah optimisasi program dilakukan.
Esiensi eksekusi
Untuk menggambarkan kemungkinan potensi peningkatan bahkan pada algoritma yang sudah teruji, inovasi terbaru,
berkaitan dengan algoritma FFT (banyak digunakan di bidang pemrosesan gambar), bisa menurunkan waktu pemrosesan dengan faktor sampai 1.000 untuk aplikasi seperti pencitraan medis. [54] Secara umum, peningkatan kecepatan
bergantung pada properti khusus dari permasalahan, yang mana sangat umum pada aplikasi praktis. [55] Percepatan
dengan tingkat seperti itu membolehkan perangkat komputasi yang sering menggunakan pemrosesan gambar (seperti
kamera digital dan peralatan medis) menghabiskan daya yang lebih sedikit.

12.8 Klasikasi
Salah satu cara mengklasikasikan algoritma yaitu dengan cara implementasi.
Rekursi atau iterasi Sebuah algoritma rekursi yaitu algoritma yang memanggil dirinya sendiri berulang kali sampai kondisi tertentu tercapai, ini merupakan metode umum bagi pemrograman fungsional. Algoritma iteratif
menggunakan konstruksi berulang seperti pengulangan dan terkadang struktur data tambahan seperti tumpukan
untuk menyelesaikan permasalahan. Beberapa permasalahan secara alami cocok dengan satu implementasi atau lainnya. Sebagai contoh, Menara Hanoi dikenal dengan implementasi rekursif. Setiap versi rekursif
memiliki kesamaan (tapi bisa lebih atau kurang kompleks) dengan versi iteratif, dan sebaliknya.
Logical Sebuah algoritma bisa dilihat sebagai logika deduksi terkontrol. Pernyataan ini diekspresikan sebagai: Algoritma = logika + kontrol.[56] Komponen logika mengekspresikan aksioma yang bisa digunakan dalam
komputasi dan komponen kontrol menentukan cara deduksi digunakan pada aksioma. Ini merupakan dasar
dari paradigma pemrograman logika. Dalam bahasa pemrograman logika murni komponen kontrol adalah
tetap dan algoritma ditentukan dengan memberikan hanya komponen logikanya. Daya tarik dari pendekatan
ini adalah semantik elegan: sebuah perubahan dalam aksioma memiliki perubahan dalam algoritma.
Serial, paralel atau terdistribusi Algoritma biasanya dibicarakan dengan asumsi bahwa komputer menjalankan
satu instruksi algoritma setiap waktu. Komputer tersebut terkadang disebut dengan komputer serial. Rancangan
algoritma untuk lingkungan tersebut disebut dengan algoritma serial, terbalik dengan algoritma paralel atau
algoritma terdistribusi. Algoritma paralel memanfaatkan arsitektur komputer yang mana beberapa prosesor
bisa mengerjakan masalah di waktu yang sama, selain itu algoritma terdistribusi memanfaatkan banyak mesin
yang terhubung dengan jaringan. Algoritma paralel atau terdistribusi membagi permasalahan menjadi banyak
sub-masalah simetris atau asimetris dan mengumpulkan hasilnya kembali. Konsumsi sumber pada algoritma
tersebut tidak hanya perputaran prosesor disetiap prosesor tapi juga daya komunikasi antara prosesor. Algoritma pengurutan bisa diparalelkan secara esien, tapi biaya komunikasinya sangat mahal. Algoritma iteratif
secara umum bisa diparalelkan. Beberapa permasalahan tidak ada algoritma paralelnya, dan disebut dengan
permasalahan serial lahiriah.
Deterministik atau non-deterministik Algoritma deterministik menyelesaikan masalah dengan keputusan yang
tepat disetiap langkah dari algoritma sedangkan algoritma non-deterministik menyelesaikan masalah lewat
penerkaan walaupun penerkaan biasanya lebih akurat dengan menggunakan heuristik.
Tepat atau perkiraan Bila banyak algoritma sampai pada solusi yang tepat, algoritma perkiraan mencari sebuah
perkiraan yang terdekat dengan solusi benarnya. Perkiraan bisa menggunakan baik strategi deterministik atau
acak. Algoritma seperti itu memiliki nilai guna untuk banyak permasalahan sulit.
Algoritma quantum Berjalan di model realistik dari komputasi quantum. Istilah ini biasanya digunakan untuk
algoritma yang tampak pada dasarnya quantum, atau menggunakan beberapa tur penting komputasi quantum
seperti superposisi quantum atau belitan quantum.

46

BAB 12. ALGORITMA

12.9 Paradigma secara rancangan


Cara lain mengklasikasikan algoritma adalah dengan metodologi rancangannya atau paradigma. Ada sejumlah paradigma, tiap-tiapnya berbeda dari yang lain. Lebih lanjut, setiap kategori tersebut mengikutkan banyak tipe algoritma
yang berbeda. Beberapa paradigma umum termasuk:
Pencarian paksa atau pencarian mendalam Ini merupakan metoda naif mencoba setiap kemungkinan solusi untuk melihat yang terbaik.[57]
Membagi dan menaklukan (Divide and conqueror) Algoritma bagi dan takluk secara berulang mereduksi instansi jumlah masalah menjadi satu atau lebih kecil instasi masalah yang sama (biasanya secara rekursif) sampai
instansi cukup kecil diselesaikan dengan mudah. Salah satu contoh bagi dan takluk adalah pengurutan gabung. Pengurutan dapat dilakukan disetiap segmen data setelah membagi data menjadi segmen-segmen dan
urutan seluruh data bisa didapat pada fase takluk dengan menggabungkan segmen-segmen. Variasi sederhana dari bagi-dan-takluk disebut algoritma kurang dan takluk, yang menyelesaikan sub-masalah yang sama
dan menggunakan solusi dari sub-masalah tersebut untuk menyelesaikan masalah yang lebih besar. Bagi dan
takluk membagi permasalahan menjadi banyak sub-masalah dan sehingga tahap takluk lebih kompleks daripada algoritma kurang-dan-taklukan. Sebuah contoh dari algoritma kurang-dan-taklukan adalah algoritma
pencarian binari.
Pencarian dan enumerasi Banyak masalah (seperti bermain catur) bisa dimodelkan sebagai masalah dalam grak.
Sebuah algoritma eksplorasi grak menentukan aturan-aturan untuk bergerak disekitar grak dan berguna
bagi masalah tersebut. Kategori ini juga mengikutkan algoritma pencarian, enumerasi batas dan cabang dan
backtracking.
Algoritma pengacakan Algoritma ini membuat pilihan secara acak (atau pseudo-acak). Ia sangat berguna untuk menemukan solusi perkiraan untuk masalah dimana solusi yang pasti tidak praktis (lihat metode heuristik di bawah). Untuk beberapa masalah, diketahui bahwa perkiraan tercepat harus mengikutkan beberapa
pengacakan.[58] Apakah algoritma pengacakan dengan kompleksitas waktu polinomial bisa menjadi algoritma
tercepat untuk beberapa masalah masih menjadi pertanyaan terbukan yang dikenal sebagai Masalah P versus
NP. Ada dua kelas besar dari algoritma ini:
1. Algoritma Monte Carlo mengembalikan jawaban yang benar dengan probabilitas-tinggi. Misalnya, RP adalah
sub-klas dari algoritma ini yang berjalan dalam waktu polinomial)
2. Algoritma Las Vegas selalu mengembalikan jawaban yang benar, tapi waktu prosesnya adalah hanya terikat
secara probabilistik, misalnya ZPP.
Reduksi Teknik ini menyelesaikan masalah sulit dengan mengubahnya menjadi permasalahan yang lebih diketahui
yang mana kita (berharap) memiliki algoritma asimptotikal optimal. Tujuannya yaitu untuk menemukan sebuah algoritma reduksi yang kompleksitasnya tidak didominasi oleh algoritma hasil reduksi. Sebagai contoh,
algoritma seleksi untuk menemukan rata-rata dalam daftar tak terurut mengikutkan mengurutkan daftar (bagian yang paling mahal) dan menarik elemen paling tengah dalam daftar terurut (bagian yang paling mudah).
Teknik ini juga diketahui dengan ubah dan taklukan.

12.9.1

Permasalahan optimisasi

Pemrograman Linear Saat mencari solusi optimal terhadap sebuah fungsi linear yang terikat persamaan linear
dan ketidaksamaan konstrain, batasan dari permasalahan bisa digunakan secara langsung untuk menghasilkan solusi optimal. Ada algoritma yang dapat memecahkan setiap permasalahan dalam kategori ini, seperti
algoritma simpleks yang terkenal.[59] Permasalahan yang dapat diselesaikan dengan pemrograman linear termasuk permasalahan alur maksimum untuk grak terarah). Jika sebuah masalah sebagai tambahan membutuhkan satu atau lebih jawaban haruslah integer maka ia diklasikan dalam pemrograman integer. Algoritma
pemrograman linear dapat menyelesaikan masalah seperti itu jika dapat dibuktikan bahwa semua batasan
untuk nilai integer adalah tidak benar, yaitu solusi memenuhi batasan tersebut. Pada kasus umum, algoritma
yang dikhususkan atau algoritma yang menemukan solusi perkiraan digunakan, bergantung pada kesulitan dari
permasalahan.

12.9. PARADIGMA SECARA RANCANGAN

47

Pemrograman dinamis Bila sebuah masalah memperlihatkan substruktur optimal, artinya solusi optimal terhadap sebuah masalah bisa direkonstruksi dari solusi optimal ke sub-masalah, dan submasalah tumpang-tindih,
artinya sub-masalah yang sama digunakan untuk menyelesaikan banyak instasi masalah berbeda, pendekatan tercepat disebut pemrograman dinamis menghindari penghitungan solusi yang telah dikomputasi. Sebagai
contoh, algoritma Floyd-Warshall, jalan terpendek ke tujuan dari sebuah vertex dalam grak berbobot bisa ditemukan dengan menggunakan jalan terpendek ke tujuan dari semua simpul yang berdekatan. Pemrograman
dinamis dan memoisasi berpadanan. Perbedaan utama antara pemrograman dinamis dan bagi-dan-taklukan
adalah submasalah kurang lebih independen dalam bagi-dan-taklukan, sementara submasalah tumpang tindik
dalam pemrograman dinamis. Perbedaaan antara pemrograman dinamis dan rekursi langsung adalah dalam
'caching' atau memoisasi dari pemanggialan rekursif. Saat submasalah independen dan tidak ada pengulangan,
memoisasi tidak membantu sama sekali; makanya pemrograman dinamis bukalanh solusi untuk semua permasalahan kompleks. Dengan menggunakan memoisasi atau tabel dari submasalah yang telah diselesaikan,
pemrograman dinamis mereduksi eksponensial dari banyak permasalahan menjadi kompleksitas polinomial.
Metode rakus Sebuah algoritma rakus mirip dengan algoritma pemrograman dinamis, tapi perbedaannya adalah
solusi dari submasalah tidak harus diketahui pada setiap tahap; melainkan pilihan yang rakus bisa dibuat
dengan melihat apa yang terbaik untuk saat tersebut. Metoda rakus mengembangkan solusi dengan kemungkinan keputusan yang terbaik (bukan dengan keputusan yang ada) pada tahap algoritmis berdasarkan optimasi
lokal yang ada sekarang dan keputusan yang terbaik (bukan semua kemungkinan keputusan) yang dibuat pada
langkah sebelumnya. Algoritma ini tidak terlalu mendalam, dan tidak memberikan jawaban yang akurat terhadap banyak permasalahan. Tapi bila ia bekerja, ia menjadi metoda yang paling cepat. Algoritma rakus paling
terkenal adalah menemukan rentang pohon minimal seperti pada Pohon Human, Kruskal, Prim, Sollin.
Metode heuristik Dalam masalah optimisasi, algoritma heuristik bisa digunakan untuk menemukan suatu solusi
yang terdekat dengan solusi optimal jika seandainya menemukan solusi optimal tidak praktis. Algoritma ini
bekerja dengan mendekati sedikit demi sedikit ke solusi optimal saat ia berjalan. Secara prinsipnya, jika
dijalankan tanpa batas waktu, ia akan menemukan solusi optimal. Kebaikan mereka adalah mereka dapat menemukan suatu solusi sangat dekat dengan solusi optimal dalam waktu yang relatif sangat pendek. Algoritma
tersebut termasuk pencarian lokal, pencarian tabu, simulasi pelunakan, dan algoritma genetik. Beberapa dari
mereka, seperti simuasi pelunakan, adalah algoritma non-deterministik sementara yang lainnya, seperti pencarian tabu, adalah deterministik. Saat batas dari galat dari solusi non-optimal diketahui, algoritma kemudia
dikategorikan sebagai algoritma pendekatan.

12.9.2

Berdasarkan bidang kajian

Setiap bidang sains memiliki permasalahannya sendiri dan membutuhkan algoritma yang esien. Masalah yang
berkaitan di satu bidang terkadang dipelajari bersama. Beberapa contoh yaitu algoritma pencarian, algoritma penggabungan, algoritma numerik, algoritma grak, algoritma deret, algoritma komputasi geometri, algoritma kombinatorial, algoritmas medis, mesin belajar, kriptogra, algoritma kompresi data dan teknik penguraian.
Terkadang bidang-bidang tersebut saling tumpang tindih, dan perkembangan algoritma di satu bidang bisa meningkatkan bidang lainnya yang terkadang tidak berkaitan. Sebagai contohnya, pemrograman dinamis ditemukan untuk
optimisasi konsumsi sumber daya dalam industri, tapi sekarang digunakan untuk menyelesaikan sejumlah besar permasalahan dalam banyak bidang.

12.9.3

Berdasarkan kompleksitas

Algoritma bisa diklasikasikan berdasarkan jumlah waktu yang dibutuhkan untuk selesai dibandingkan dengan ukuran inputnya. Ada berbagai varietas: beberapa algoritma selesai dalam waktu linear relatif terhadap ukuran input,
beberapa selesai dalam jumlah waktu yang eksponensial atau lebih buruh, dan beberapa berhenti. Sebagai tambahan, beberapa masalah bisa memiliki berbagai algoritma dengan kompleksitas yang berbeda, sementara permasalahan
yang lain bisa saja tidak memiliki algoritma atau tidak diketahui algoritmanya yang esien. Ada juga pemetaan dari
beberapa algoritma terhadap permasalahan lain. Karena itu, lebih cocok untuk mengklasikasikan permasalahan itu
sendiri bukannya algoritma menjadi kelas-kelas yang sama berdasarkan kompleksitas dari kemungkinan algoritma
terbaik baginya.
Burgin (2005, p. 24) menggunakan denisi algoritma secara umum yang melonggarkan kebutuhan bersama yang
keluaran dari algoritma yang menjalankan sebuah fungsi harus ditentukan setelah sejumlah langkah. Dia mende-

48

BAB 12. ALGORITMA

nisikan kelas super-rekursif dari algoritma sebagai sebuah kelas algoritma yang mana memungkinkan untuk menghitung fungsi yang tidak bisa dihitung oleh mesin Turing manapun (Burgin 2005, p. 107). Hal ini berkaitan dekat
dengan kajian dari metode hiperkomputasi.

12.9.4

Berdasarkan tipe evaluatif

Untuk menjaga keseimbangan saat mengintegrasikan mesin ke dalam masyarakat, seseorang bisa mengklasikasikan
algoritma berdasarkan tipe dari evaluasi yang mereka lakukan. Sejumlah lsuf telah berhipotesis bahwa masyarakat
diuntungkan dari keragaman evaluatif seperti mereka diuntungkan keragaman jender dan tipe darah (misalnya, Dean
2012, Sober & Wilson 1998) Hertzke & McConkey 1998, dan Bellah 1985). Teknologi dapat mengancam ekosistem
moral tersebut seperi spesies invasif jika ia mengganggu campuran keragaman. Wallach & Allen (2008) mengklasikasikan algoritma pembuat-keputusan menjadi tiga tipe evaluatif: Algoritma bottom-up membuat penilaian tidak
terprediksi bagi pemrogram (misalnya, perangkat lunak yang berevolusi). Yang lainnya (top-down) dibagi menjadi
deontologikal (yang dapat bergantung pada implementasi aturan pemrograman) lawan consequensialis (yang mengandalkan pada memaksimalkan perkiraan pemrograman). Sebagai contohnya, sebuah kalkulator standar termasuk
deontologikal, sementara mesin pembelajaran untuk perdagangan saham termasuk consequensialis.
Santos-Lang mengganti nama deontologikal dan consequensialis menjadi kelas institusional dan negosiator dengan tujuan untuk menghindari implikasi bahwa semua teori-teori etika deontologikal dan consequensialis bisa diimplementasikan sebagai algoritma, dan membagi kelas bottom-up menjadi "pengganggu" (algoritma yang tidak
terprediksi karena menggunakan generator pengacakan) lawan "relasional" (algoritma yang tidak terprediksi karena efek jaringan). Seorang mutator dalam komputasi evolusioner bisa menjadi contoh dari pengganggu, sementara
kelas 3 atau 4 dari otomata sellular adalah contoh dari mesin relasional. Santos-Lang mencatat bahwa algoritma
terkadang memiliki subkomponen dari tipe lainnya. Sebagai contohnya, negosiator perdagangan saham bisa mengimplementasikan sebuah algoritma genetik, dan memiliki mutator pengganggu, dan mutator bisa memiliki subkomponen institusional dan relasional, semua komputasi adalah relasional pada tingkat di jajaran kimiawi (Santos-Lang
2014).

12.10 Algoritma berkelanjutan


Kata sifat berkelanjutan bila diterapkan pada kata algoritma bisa berarti:
Sebuah algoritma beroperasi pada data yang merepresentasikan kuantitas yang berkelanjutan, walaupun data
tersebut direpresentasikan oleh pendekatan diskritseperti algoritma yang dipelajari dalam analisis numerik;
atau
Sebuah algoritma dalam bentuk dari persamaan diferensial yang beroperasi secara berkelanjutan terhadap data,
berjalan dalam sebuah komputer analog.
[60]

12.11 Isu legalitas


Lihat pula: Paten perangkat lunak untuk pendahuluan umum dari paten pada perangkat lunak, termasuk
algoritma untuk diimplementasikan pada komputer.
Algoritma biasanya tidak dipatenkan. Di Amerika Serikat, sebuah klaim yang terdiri hanya dari manipulasi sederhana
dari konsep abstrak, angka, atau sinyal tidak berarti suatu process (SPTO 2006), dan oleh karena itu algoritma tidak
bisa dipatenkan (sebagaimana dalam Gottschalk v. Benson). Namun, penerapan praktis dari algoritma terkadang
dipatenkan. Sebagai contohnya, dalam Diamond v. Diehr, aplikasi dari algoritma umpan-balik sederhana untuk
membantu dalam menyembuhkan karet sintetis dianggap dapat dipatenkan. Mematenkan perangkat lunak sangat
kontroversial, dan ada paten yang mengikutkan algoritma yang sangat dikritisi, terutama algoritma kompresi data,
seperti Format Graknya Unisys.
Sebagai tambahan, beberapa algoritma kriptogra memiliki batasan ekspor (lihat ekspor dari kriptogra).

12.12. ETIMOLOGI

49

12.12 Etimologi
Kata Algoritma, atau "Algorisma" pada versi penulisan lain, datang dari nama al-Khwarizmi. dieja dalam Arab klasik
sebagai Al-Khwarithmi. Al-khwarizmi (bahasa Persia: , 780-850) adalah matematikawan, ahli astronomi, ahli
geogra dari Persia dan sarjana House of Wisdom di Baghdad, yang arti namanya penduduk asli Khwarezm", sebuah
kota yang merupakan bagian dari Wilayah Iran pada masanya dan sekarang Uzbekistan. [11] [12] Sekitar tahun 825,
dia menulis risalah dalam bahasa Arab, yang diterjemahkan dalam Latin pada abad ke-12 dengan judul Algoritmi de
numero Indorum. Judul ini artinya Algoritmi pada bilangan India, di mana Algoritmi adalah pelatinan penerjemah
dari nama Al-Khwarizmi. [61] Al-Khwarizmi dulunya adalah matematikawan yang paling banyak dibaca di Eropa
pada akhir Abad Pertengahan, pada umum lewat bukunya yang lain, Aljabar. [62] Pada akhir abad pertengahan,
algorismus, perubahan dari namanya, berarti sistem bilangan desimal yang masih merupakan arti dari kata Inggris
moderen algorism. Pada abad ke-17 Prancis kata tersebut berubah, tapi tidak maknanya, menjadi algorithme. Inggris
mengadopsi Prancis setelahnya, tapi tidak pada akhir abad ke-19 lah Algorithm mengambil makna dari kata Inggris
masa sekarang. [63]
Etimologi alternatif mengklaim asal mulanya dari istilah algebra (aljabar) dari makna abad pertengahan aritmatika Arab dan arithmos istilah Yunani untuk angka (yang secara harah berarti bilangan Arab atau perhitungan
Arab). Karya algoritma Al-Kharizmi bukan berbentuk seperti pada masa modern sekarang tapi sebagai tipe dari pengulangan kalkulus (disini disebutkan bahwa karya fundamentalnya yang dikenal sebagai algebra pada awalnya
berjudul "Buku Ringkasan tentang Kalkulasi dengan Penyempurnaan dan Pengimbangan" menjelaskan tipe-tipe dari
pengulangan perhitungan dan persamaan kuadrat). Dalam makna tersebut, algoritima dikenal di Eropa jauh sebelum Al-Kharizmi. Algoritma paling tua yang dikenal sekarang adalah Algoritma Euklid (lihat juga Pengembangan
algoritma Euklid). Sebelum ditemukan istilah algorithm orang Yunani menyebutnya anthyphairesis secara harah berarti anti-substraksi atau substraksi timbal-balik (untuk bacaan lebih lanjut disini dan ini. Algoritma dikenal
oleh orang Yunani berabad sebelum [64] Euclid. Bukannya kata algebra orang Yunani menggunakan istilah arithmetica(, yaitu dalam karya Diophantus yang dikenal "bapak dari Aljabar" - lihat juga artikel Wikipedia
persamaan Diophantine dan Eudoxos).

12.13 Sejarah: Perkembangan dari kata algoritma


12.13.1

Asal mula

Kata algoritma datang dari nama matematikawan Persia abad ke-9 Abu Abdullah Muhammad ibnu Musa Al-Khwarizmi,
yang hasil kerjanya dibangun dari matematikawan India abad ke-7 Brahmagupta. Kata algorisma awalnya mengacu hanya pada aturan-aturan dalam melakukan aritmetika menggunakan bilangan Hindu-Arab namun berkembang
lewat penerjemahan Latin Eropa dari nama Al-Khwarizmi menjadi algoritma pada abad ke-18. Penggunaan kata
tersebut berkembang mengikutkan semua prosedur untuk menyelesaikan masalah atau melakukan unit kegiatan. [65]

12.13.2

Simbol diskrit dan yang dapat dibedakan

Penanda-penghitung: Untuk mencatat hewan gembalaan, kumpulan biji dan uang mereka orang dahulu menggunakan penghitung: akumulasi batu atau tanda yang ditoreh pada tongkat, atau membuat simbol diskrit di kerang.
Sampai orang Babilonia dan Mesir menggunakan tanda dan simbol, pada akhirnya bilangan Roma dan abakus berkembang (Dilson, p. 16-41). Penanda penghitung muncul dalam sistem bilangan operan aritmetika digunakan dalam
mesin Turing dan komputasi mesin Post-Turing.

12.13.3

Manipulasi simbol sebagai penampung bilangan: aljabar

Karya dari Geometer Yunani kuno (algoritma Euklid), matematikawan India Brahmagupta, dan matematikawan
Persia Al-Khwarizmi (yang darinya isitlah "algorism" dan algoritma diturunkan), dan matematikawan Eropa Barat
memuncak dalam notasi Leibniz dari rasiosinator kalkulus (sekitar 1680-an):
Abad yang baik dan setengah lebih maju dari masanya, Leibniz mengajukan logika aljabar, sebuah
aljabar yang akan menentukan aturan-aturan untuk memanipulasi konsep logika dengan cara yang aljabar biasa menentukan aturan untuk manipulasi angka.[66]

50

BAB 12. ALGORITMA

12.13.4

Rancangan mekanis dengan tingkat diskrit

Jam: Bolter memuji penemuan jam gaya-berat sebagai Kunci penemuan dari Eropa pada Abad Pertengahan", khususnya pada ambang pelarian [67] yang menyediakan kita dengan tik dan tak dari jam mekanis. Mesin otomatis
yang akurat [68] mengarah langsung pada "otomata mekanis dimulai pada abad ke-13 dan terakhir pada mesin
komputasi -- motor berbeda dan motor analitik dari Charles Babbage dan bangsawan Ada Lovelace, pertengahan
abad ke-19. [69] Lovelace dikreditkan sebagai yang pertama menciptakan algoritma yang ditujukan untuk diproses di
komputermotor analitis Babbage, perangkat pertama yang dianggap komputer Turing-sempurna sebenarnya bukan hanya sebuah kalkulatordan terkadang dikenal programmer pertama dalam sejarah, walaupun implementasi
penuh dari perangkat Babbage kedua tidak terealisasi sampai beberapa dekade setelah masanya.
Mesin logika 1870 - Stanley Jevons sempoa logika dan mesin logika: Masalah teknisnya adalah untuk mereduksi
persamaan boolean bila ditampilkan dalam sebuah bentuk yang pada masa sekarang dikenal sebagai pemetaan Karnaugh. Jevons (1880) pertama menjelaskan sempoa sederhana dari potongan kayu dilengkapi dengan penyemat,
dibuat supaya bagian atau kelas kombinasi logika manapun dapat dipilih secara mekanis ... Baru-baru ini Saya telah
mereduksi sistem menjadi bentuk yang secara sempurna mekanis, dan membuatnya mewujudkan keseluruhan proses
inferensi tak langsung dalam apa yang disebut sebuah Mesin Logika" Mesinnya dilengkapi dengan beberapa tangkai
kayu yang bisa dipindahkan dan di bawah ada 21 kunci seperti pada piano [dll] .... Dengan mesin ini dia dapat
menganalis sebuah "silogisme atau argumen logika sederhana apapun. [70]
Mesin tenun Jacquard, kartu berlobangnya Hollerith, telegraf dan telepon -- penyiaran elektromekanis: Bell dan Newell (1971) mengindikasikan bahwa mesin tenun Jacquard (1801), pelopor dari kartu Hollerith (kartu berlobang, 1887),
dan teknologi alih telepon adalah akar dari sebuah pohon yang mengarah pada perkembangan dari komputer pertama. [71] Pada pertengahan abad ke-19 telegraf, pelopor dari telepon, digunakan diseluruh dunia, pengkodean diskrit
dan pembedaan huruf sebagai titik dan strip. Pada akhir abad ke-19 pita telegraf (sekitar 1870-an) digunakan,
sebagaimana juga kartu Hollerith pada sensus Amerika 1890. Kemudian muncullah teleprinter (sekitar 1910-an)
dengan kerta-berlobang menggunakan kode Baudot di pita.
Jaringan alih-telepon dari penyiaran elektromekanis (ditemukan 1835) adalah karya dair George Stibitz (1937), penemu dari perangkat penghitungan digital. Saat bekerja di laboratorium Bell, dia mengamati beratnya penggunaan
kalkulator mekanis dengan geligi. Dia pulang ke rumah pada suatu malam 1937 berniat untuk menguji idenya ...
Saat mengatik selesai, Stibitz telah membangun perangkat hitung digital. [72]
Davis (2000) mengamati pentingnya penyiaran elektromekanis (dengan keadaan binari"-nya buka dan tutup):
Hanya dengan perkembangan, dimulai sejak 1930-an, dari kalkulator elektromekanis menggunakan
penggantian elektris, sehingga mesin yang dibuat memiliki ruang lingkup yang dibayangkan Babbage.
[73]

12.13.5

Matematika selama abad 19 sampai pertengahan abad 20

Simbol dan aturan: Dengan cepat berkembangnya matematika dari George Boole (1847, 1854), Gottlob Frege
(1897), dan Giuseppe Peano (1888-1889) mereduksi aritmetika menjadi serangkaian simbol dimanipulasi oleh
aturan-aturan. The Principles of arithmetic, presented by a new method-nya Peano (1888) adalah usaha pertama
mengaksiomakan matematika dalam sebuah bahasa simbolik. [74]
Tapi Heijenoort memberi pujian pada Frege (1879): Frege merupakan karya tulis paling penting mengenai logika.
... yang mana kita lihat sebuah "'bahasa formula', yaitu sebuah lingua characterica, sebuah bahasa ditulis dengan
simbol-simbol khusus, untuk berpikir murni, yaiut, bebas dari hiasan retorikal ... dibangun dari simbol-simbol
tertentu yang dimanipulasi menurut aturan-aturan terbatas. [75] Karya dari Frege lebih lanjut disederhanakan dan
diperkuat oleh Alfred North Whitehead dan Bertrand Russell dalam Principia Mathematical (1910-1913).
Paradoks: Pada masa yang sama sejumlah paradoks yang mengganggu muncul dalam literatur, pada khususnya
paradoks Burali-Forti (1987), paradoks Russell (1902-03), dan Paradoks Richard. [76] Hasilnya mengarah ke makalah Kurt Godel (1931) -- dia secara khusus merujuk paradoks pembohongyang mereduksi aturan dari rekursi
pada angka.
Penghitungan Efektif: Dalam usaha untuk menyelesaikan permasalahan keputusan yang didenisikan oleh Hilbert tahun 1928, matematikawan pertama mendenisikan apa arti dari metoda efektif atau kalkulasi efektif (misalnya,
sebuah kalkulasi yang akan sukses). Dalam waktu yang cepat hal berikut muncul: kalkulus- oleh Alonzo Church,
Stephen Kleene, dan J.B. Rosser [77] denisi dari rekursi umum yang benar-benar diasah dari karya Godel berdasarkan saran dari Jacquard Herbrand (cf. kuliah Godel di Princeton tahun 1934) dan penyederhaan selanjutnya

12.13. SEJARAH: PERKEMBANGAN DARI KATA ALGORITMA

51

oleh Kleene. [78] Church membuktikan [79] bahwa permasalahan keputusan tidak terpecahkan, denisi Emil Post
tentang penghitungan efektif yaitu sebagai pekerja yang tanpa berpikir mengikuti suatu daftar instruksi untuk bergerak ke kiri atau kanan lewat sederetan ruangan dan bersamaan dengan itu bisa menandai atau menghapus kertas atau
mengamati kertas dan membuat pilihan ya-tidak tentang instruksi selanjutnya. [80] Pembuktian Alan Turing bahwa
permasalahan keputusan tidak terpecahkan dengan menggunakan sebuah mesin [otomatis]"-nya [81] dengan efek
yang mirip dengan formulasi"-nya Post, denisi J. Barkley Rosser tentang metoda efektif dalam makna sebuah
mesin. [82] Proposal S. C. Kleene dari pelopor "Tesis Church" yang disebutnya Thesis I, [83] dan beberapa tahun
kemudian Kleene menamakan tesisnya Tesis Church [84] dan mengajukan Tesis Turing. [85]

12.13.6

Emil Post (1936) dan Alan Turing (1936-37, 1939)

Berikut adalah kebetulan yang luar biasa dari dua orang yang tidak saling mengenal tapi mendeskripsikan sebuah
proses orang-sebagai-komputer mengerjakan perhitungandan mereka menghasilkan denisi yang mirip.
Emil Post (1936) mendeskripsikan aksi dari sebuah komputer (manusia) sebagai berikut:
"... dua konsep ikut serta: yaitu sebuah simbol ruang dimana pekerjaan yang mengarah dari masalah ke
jawaban dilakukan, dan sekumpulan arahan yang baku dan tidak bisa diubah.
Simbol ruangnya yaitu
sederetan dua arah tak terbatas dari ruang atau kotak... penyelesai masalah atau pekerja harus berjalan
dan bekerja di simbol ruang ini, dengan bisanya [si pekerja] masuk, dan beroperasi dengan satu kotak
dalam satu waktu... sebuah kotak memiliki dua kemungkinan kondisi, yaitu, kosong atau belum ditandai,
dan dengan adanya tanda tunggal disana, katakanlah garis vertikal.
Satu kotak dibiarkan dan disebut sebagai titik awal. ...sebuah masalah tertentu diberikan dalam bentuk
simbolik dengan sejumlah kotak terbatas [yaitu, INPUT] ditandai dengan coretan. Begitu juga jawabannya [yaitu, OUTPUT] diberikan dalam bentuk simbolik dari suatu kongurasi dari kotak-kotak yang
ditandai....
Sekumpulan arahan bisa digunakan untuk permasalahan umum menentukan proses determistik saat
diterapkan pada setiap masalah tertentu. Proses ini hanya berhenti bila datang arahan dengan tipe (C )
[yaitu, STOP]".[86] Lihat lebih lanjut pada mesin post-Turing Karya Alan Turing [87] mendahului karya
dari Stibitz (1937); tidak diketahui apakah Stibitz mengetahui karya Turing. Biogranya Turing percaya bahwa Turing menggunakan model seperti-mesin-ketik diturunkan dari ketertarikannya pada masa
muda: Alan memiliki impian menemukan mesin ketik pada saat muda; Ibu Turing memiliki sebuah
mesin ketik; dan dia mungkin memulainya dengan menanyakan pada dirinya sendiri apa maksudnya dengan menyebut sebuah mesin ketik dengan 'mekanikal'".[88] Dengan lazimnya kode Morse dan telegraf,
mesin pita telegraf, dan mesin-ketik jarak jauh pada waktu itu kita bisa menyimpulkan bahwa semua
itu memberikan pengaruh.
Turingmodel dari komputasinya sekarang dikenal dengan mesin Turingmemulai, sebagaimana Post, dengan
analisis dari komputer manusia yang ia sederhanakan menjadi sekumpulan gerakan dasar sederhana dan keadaan
pikiran. Tapi dia terus maju selangkah ke depan dan membuat sebuah mesin sebagai model dari komputasi angka.
[89]

Menghitung biasanya dilakukan dengan menulis simbol tertentu di atas kertas. Misalkan kertas tersebut dibagi menjadi segi empat seperti buku aritmatika anak-anak.... Saya asumsikan bahwa komputasi
dilakukan pada kertas satu dimensi, yaitu, di pita yang dibagi dalam persegi. Juga misalkan bahwa
jumlah simbol yang akan dicetak terbatas....
Perilaku dari komputer disetiap waktu ditentukan oleh simbol yang diobservasinya, dan keadaan
pikiran"-nya pada waktu tersebut. Juga bisa diasumsikan bahwa ada batas B sebagai jumlah simbol
atau persegi yang mana komputer dapat amati dalam satu waktu. Jika ia ingin mengamati lebih, ia harus menggunakan pengamatan beriringan. Kita juga memisalkan bahwa jumlah keadaan pikiran yang
diperlukan disini adalah terbatas...

52

BAB 12. ALGORITMA


Mari kita bayangkan bahwa operasi yang dilakukan oleh komputer akan dipecah menjadi 'operasioperasi sederhana' yang sangat mendasar sehingga tidak mudah membayangkannya untuk dibagi lebih
jauh. [90]

Reduksi Turing menghasilkan hal berikut:


Operasi sederhana haruslah mengikutkan:
"(a) Perubahan dari simbol pada salah satu persegi yang sedang diamati
"(b) Perubahan dari salah satu persegi diamati terhadap persegi lainnya di antara L persegi
dari salah satu yang sebelumnya diamati.
Bisa saja beberapa dari perubahan tersebut menyebabkan perubahan keadaan pikiran. Operasi tunggal paling umum
oleh karena itu harus diambil jadi salah satu hal berikut:
"(A) Suatu kemungkinan perubahan (a) dari simbol bersamaan dengan suatu perubahan dari
keadaan pikiran.
"(B) Suatu kemungknian perubahan (b) dari persegi yang diamati, bersama dengan kemungkinan perubahan dari keadaan pikiran
Kita sekarang mungkin sudah bisa membentuk sebuah mesin untuk melakukan pekerjaan dari komputer
tersebut. [90]
Beberapa tahun kemudian, Turing mengembangkan analisanya (tesis, secara denisi) dengan ekspresi kuat berikut:
Sebuah fungsi dikatakan bisa dihitung secara efektif jika nilainya bisa ditemukan dengan proses yang
murni mekanis.
Walau sangat mudah menangkap ide ini, namun ia membutuhkan beberapa denisi matematikan terbatas yang bisa
diekspresikan . . . [dia mendiskusikan sejarah dari denisi seperti di atas dengan menghormati Godel, Herbrand,
Kleen, Church, Turing dan Post] ... Kita mungkin gunakan pernyataan tersebut secara harah, memahami murni
dengan proses mekanis yang mana dapat dilakukan oleh sebuah mesin. Memungkinkan untuk memberikan deskripsi matematis, dalam beberapa bentuk normal, dari struktur mesin tersebut. Perkembangan dari ide ini mengarah
pada denisi penulis dari sebuah fungsi yang dapat dihitung, dan untuk mengidentikasi komputibilitas dengan
penghitungan yang efektif . . . .
" Kita boleh menggunakan ekspresi fungsi hitung untuk mengartikan sebuah fungsi yang
dapat dihitung oleh sebuah mesin, dan kita biarkan secara efektif dapat dihitung mengacu
pada ide intuitif tanpa denisi tertentu dengan salah satu dari denisi tersebut.[91]

12.13.7

J. B. Rosser (1939) dan S. C. Kleene (1943)

J. Barkley Rosser mendenisikan 'metoda [matematis] efektif' dengan cara berikut (kemiringan ditambahkan):
"'Metoda efektif' disebut sebagai metode yang spesial yang mana setiap langkahnya secara tepat ditentukan dan pasti menghasilkan jawaban dalam sejumlah langkah yang terbatas. Dengan pengertian
khusus ini, tiga denisi berbeda telah diajukan sampai sekarang. [catatan kakinya #5; lihat diskusinya
di bawah]. Yang paling sederhana (karena Post dan Turing) menyatakan intinya bahwa sebuah metoda
efektif menyelesaikan sekumpulan permasalahan hanya ada jika seseorang bisa membuat sebuah mesin
yang akan menyelesaikan setiap masalah dari sekumpulan masalah tanpa campur tangan manusia kecuali memasukan pertanyaan dan (nantinya) membaca jawabannya. Ketiga denisi tersebut sama, jadi
tidak masalah yang mana yang digunakan. Lebih lanjut, fakta bahwa ketiganya sama adalah argumen
yang sangat kuat untuk kebenaran dari salah satunya. (Rosser 1939:225-6)

12.14. LIHAT JUGA

53

Catatan kaki Rosser #5 merujuk karya dari (1) Church dan Kleene dan denisi dari denabiliti-, secara khusus
Church menggunakannya dalam An Unsolvable Problem of Elementary Number Theory-nya (1936); (2) Herbrand dan
Godel dan penggunaan rekursi mereka terutama Godel menggunakannya dalam makalah terkenalnya On Formally
Undecidable Propositions of Principia Mathematica and Related Systems I (1931); dan (3) Post (1936) dan Turing
(1936-7) dalam model mekanisme komputasi mereka.
Stephen C. Kleene didenisikan sebagai Thesis I"-nya yang terkenal yang dikenal sebagai tesis Church-Turing. Tapi
dia melakukan hal tersebut dalam konteks berikut (penebalan dari aslinya):
12. Teori-teori algoritma... Dalam menyiapkan sebuah teori algoritma yang komplit, apa yang kita
lakukan adalah mendeskripsikan sebuah prosedur, yang dapat dilakukan untuk setiap kumpulan nilai dari
variabel-variabel tunggal, yang mana prosedur berhenti dan dengan cara tersebut dari hasilnya kita bisa
membaca sebuah jawaban tertentu, ya atau tidak, untuk pertanyaan apakah nilai predikat benar?""
(Kleene 1943:273)

12.13.8

Sejarah setelah 1950

Sejumlah usaha telah diarahkan untuk memperbaiki lebih lanjut denisi dari algoritma, dan aktivitas tersebut masih
terus berjalan karena isu-isu yang mengelilinginya, terutama, fondasi matematika (khususnya tesis Church-Turing)
dan lsafat pikiran (khususnya argumen menyangkut kecerdasan buatan). Lebih lanjut, lihat karakterisasi algoritma.

12.14 Lihat juga


Mesin abstrak
Rekayasa algoritma
Komposisi algoritmik
Sintesis algoritmik
Algoritma trading
Sampah masuk, sampah keluar
Pendahuluan untuk Algoritma
Daftar topik algoritma umum
Daftar publikasi penting dalam ilmu komputer teoritis - Algoritma
Numerical Mathematics Consortium
Teori komputasi
Teori komputabilitas
Teori kompleksitas Komputasi

12.15 Referensi
[1] Setiap algoritma klasik, misalnya, bisa dijelaskan dengan sejumlah kata bahasa Inggris yang terbatas (Rogers 1987:2).
[2] Telah didenisikan terhadap agen yang menjalankan algoritma tersebut: Ada agen komputasi, biasanya manusia, yang bisa
beraksi terhadap instruksi dan melakukan komputasi (Rogers 1987:2).
[3] Sebuah algoritma adalah sebuah prosedur untuk menghitung sebuah fungsi (terhadap beberapa notasi terpilih integer) ...
batasan ini (terhadap fungsi bilangan) tanpa kehilangan generalisasi, (Rogers 1987:1).
[4] Sebuah algoritma memiliki input nol atau lebih, yaitu, kuantitas yang diberikan padanya sejak awal sebelum algoritma
dijalankan (Knuth 1973:5).

54

BAB 12. ALGORITMA

[5] Sebuah prosedur yang memiliki semua karakteristik dari sebuah algoritma kecuali prosedur yang tidak memiliki keterbatasan bisa disebut sebagai sebuah 'metode komputasi'" (Knuth 1973:5).
[6] Sebuah algoritma memiliki satu atau lebih keluaran, yaitu kuantitas yang memiliki relasi tertentu terhadap masukan
(Knuth 1973:5).
[7] Apakah sebuah proses dengan proses-proses bagian dalam yang acak (tidak termasuk masukan) adalah sebuah algoritma
atau bukan masih diperdebatkan. Rogers beropini bahwa: sebuah komputasi dilakukan dengan sebuah gaya diskrit bertahap, tanpa menggunakan metode-metode berkelanjutan atau perangkat analog ... dijalakan terus secara deterministik,
tanpa menggunakan metode-metode atau perangkat acak, misalnya, dadu Rogers 1987:2
[8] Kleene 1943 dalam Davis 1965:274
[9] Rosser 1939 dalam Davis 1965:225
[10] Moschovakis, Yiannis N. (2001). What is an algorithm?". Di Engquist, B.; Schmid, W. Mathematics Unlimited 2001
and beyond. Springer. pp. 919936 (Part II). ISBN 9783540669135.
[11] Hogendijk, Jan P. (1998). al-Khwarzimi. Pythagoras 38 (2): 45. ISSN 0033-4766.
[12] Oaks, Jerey A. Was al-Khwarizmi an applied algebraist?". University of Indianapolis. Diakses tanggal 2008-05-30.
[13] Stone 1973:4
[14] Stone secara sederhana membutuhkan harus berhenti dalam sejumlah langkah (Stone 1973:7-8).
[15] Boolos and Jerey 1974, 1999:19
[16] cf Stone 1972:5
[17] Knuth 1973:7 menyatakan: Pada praktiknya kita tidak hanya menginginkan algoritma, kita menginginkan algoritam yang
baik ... salah satu kriteria dari kebaikannya adalah lama waktu yang digunakan untuk menjalankan algoritma ... kriteria
lainnya adalah kemampuan adaptasi dari algoritma ke komputer, kesederhanaan dan elegan, dll.
[18] cf Stone 1973:6
[19] Stone 1973:7-8 menyatakan bahwa harus ada, "... sebuah prosedur yang robot [yaitu komputer] bisa ikuti supaya dapat menentukan secara tepat bagaimana mengikuti instruksi tersebut. Stone menambahkan keterbatasan dari proses, dan
kepastian (tidak memiliki kerancuan pada instruksi) pada denisi tersebut.
[20] Knuth, loc. cit
[21] Minsky 1967:105
[22] Gurevich 2000:1, 3
[23] Sipser 2006:157
[24] Knuth 1973:7
[25] Chaitin 2005:32
[26] Rogers 1987:1-2
[27] Dalam esainya Calculations by Man and Machine: Conceptual Analysis Seig 2002:390 memuji perbedaan ini oleh Robin
Gandy, cf Wilfred Seig, dll., 2002 Reections on the foundations of mathematics: Essays in honor of Solomon Feferman,
Association for Symbolic Logic, A. K Peters Ltd, Natick, MA.
[28] cf gandy 1980:126, robin gandy churchs thesis and principles for mechanisms appearing on pp. 123148 in j. barwise et
al. 1980 the kleene symposium, north-holland publishing company.
[29] Sebuah robot": Sebuah komputer adalah sebuah robot yang melakukan setiap tugas yang dapat dijelaskan sebagai urutan
dari instruksi. cf Stone 1972:3
[30] abacus"-nya Lambek adalah sejumlah lokasi tak terbatas yang bisa dihitung (lubang, kabel, dll.) berikut dengan persediaan penghitung yang tak terbatas (kerikil, remah roti, dll). Lokasinya bisa dibedakan, penghitungnya tidak. Lubangnya
memiliki kapasitas tak terbatas, dan digerakan oleh agen yang memahami dan mampu menjalankan sejumlah instruksi
(Lambek 1961:295). Lambek mengacu Melzak yang mendenisikan mesin-Q nya sebagai sejumlah lokasi yang besar
tanpa batas ... persediaan penghitung yang tanpa batas yang terdistribusi di antara lokasi-lokasi tersebut, sebuah program,
dan sebuah operator yang tujuan satu-satunya yaitu menjalankan program. (Melzak 1961:283). B-B-J (loc. cit.) menambahkan syarat bahwa lubang tersebut mampu menyimpan sejumlah batu (p. 46). Melzak dan Lambek muncul di The
Canadian Mathematical Bulletin, vol. 4, no. 3, September 1961.

12.15. REFERENSI

55

[31] Jika tidak ada kebingungan yang dihasilkan, kata penghitung bisa dihiraukan, dan sebuah lokasi bisa dikatakan mengandung sebuah angka.
[32] Kita mengatakan bahwa instruksi adalah efektif bila ada sebuah prosedur yang robot dapat ikuti supaya dapat menentukan
secara tepat bagaimana mematuhi instruksi. (Stone 1972:6)
[33] cf Minsky 1967: Chapter 11 Computer models and Chapter 14 Very Simple Bases for Computability pp. 255281 in
particular
[34] cf Knuth 1973:3.
[35] Tapi selalu diikuti oleh IF-THEN untuk menghindari pengurangan yang tidak sesuai.
[36] Namun, beberapa instruksi penetapan berbeda (misalnya, DECREMENT, INCREMENT, dan ZERO/CLEAR/EMPTY
untuk mesin Minsky) juga dibutuhkan untuk kekomplitan-Turing; spesikasi lengkapnya tergantung kepada perancang.
GOTO tak bersyarat cukup mudah; ia dapat dibentuk dengan menginisialisasi suatu lokasi tertentu dengan nol, misalnya,
instruksi Z 0"; oleh karena itu instruksi IF Z=0 THEN GOTO xxx adalah tak bersyarat.
[37] Knuth 1973:4
[38] Strone 1972:5. Metode untuk mendapatkan akar tidaklah biasa: lihat Metoda untuk menghitung akar kuadrat.
[39] Leeuwen, Jan (1990). Handbook of Theoretical Computer Science: Algorithms and complexity. Volume A. Elsevier. p. 85.
ISBN 978-0-444-88071-0.
[40] John G. Kemeny and Thomas E. Kurtz 1985 Back to Basic: The History, Corruption, and Future of the Language, AddisonWesley Publishing Company, Inc. Reading, MA, ISBN 0-201-13433-0.
[41] Tausworthe 1977:101
[42] Tausworthe 1977:142
[43] Knuth 1973 bagian 1.2.1, dikembangkan oleh Tausworthe 1977 di halaman 100 dan Bab 9.1
[44] cf Tausworthe 1977
[45] Heath 1908:300; Hawkings Dover 2005 edisi diambil dari Heath.
[46] "'Biarkan CD, mengukur BF, meninggalkan FA kurang darinya.' Hal ini merupakan singkatan cerdik untuk mengatakan,
ukur pada BA panjang yang sama dengan CD sampai titik F sehingga sisa panjang FA kurang dari CD; dengan kata lain,
misalkan BF adalah yang kelipatan terbesar dari CD yang terdapat dalam BA (Heath 1908:297)
[47] Untuk percobaan moden menggunakan pembagian dalam algoritma lihat Hardy dan Wright 1979:180, Knuth 1973:2 (Volume 1), ditambah diskusi tentang algoritma Euclid dalam Knuth 1969:293-297 (Volume 2).
[48] Euclid mengungkapkan pertanyaan ini dalam Proposisi 1 nya.
[49] Euclids Elements, Book VII, Proposition 2. Aleph0.clarku.edu. Diakses tanggal May 20, 2012.
[50] Knuth 1973:13-18. Dia memuji formulasi pembuktian-algoritma dalam makan asersi dan induksi kepada R. W. Floyd,
Peter Naur, C. A. R. Hoare, H. H. Goldstine dan J. von Neumann. Tausworth 1977 meminjam contoh Euclid Knuth dan
mengembangkan metoda Knuth di bab 9.1 dari Formal Proofs (pages 288298).
[51] Tausworthe 1997:294
[52] cf Knuth 1973:7 (Vol. I), and his more-detailed analyses on pp. 1969:294-313 (Vol II).
[53] Kesalahan terjadi saat sebuah algoritma mencoba memadatkan dirinya sendiri. Keberhasilan akan memecahkan permasalahan
perhentian.
[54] Gillian Conahan (January 2013). Better Math Makes Faster Data Networks. discovermagazine.com.
[55] Haitham Hassanieh, Piotr Indyk, Dina Katabi, and Eric Price , "ACM-SIAM Symposium On Discrete Algorithms (SODA)
, Kyoto, January 2012. Lihat juga sFFT Web Page.
[56] Kowalski 1979
[57] Carroll, Sue; Daughtrey, Taz (July 4, 2007). Fundamental Concepts for the Software Quality Engineer. American Society
for Quality. pp. 282 et seq. ISBN 978-0-87389-720-4.

56

BAB 12. ALGORITMA

[58] Misalnya, volume dari suatu politop kompleks (dijelaskan menggunakan sebuah keanggotaan oracle) dapat diperkirakan
sampai keakuratan yang tinggi dengan mengacak algoritma waktu polinomial, bukan dengan deterministik; lihat Dyer,
Martin; Frieze, Alan; Kannan, Ravi (January 1991), A Random Polynomial-time Algorithm for Approximating the Volume of Convex Bodies, J. ACM (New York, NY, USA: ACM) 38 (1): 117, doi:10.1145/102782.102783.
[59] George B. Dantzig and Mukund N. Thapa. 2003. Linear Programming 2: Theory and Extensions. Springer-Verlag.
[60] Tsypkin (1971). Adaptation and learning in automatic systems. Academic Press. p. 54. ISBN 978-0-08-095582-7.
[61] Brezina, Corona (2006). Al-Khwarizmi: The Inventor Of Algebra. The Rosen Publishing Group. ISBN 978-1-4042-05130.
[62] Foremost mathematical texts in history, according to Carl B. Boyer.
[63] Etymology of algorithm at Dictionary.Reference.com
[64] Becker O (1933). Eudoxus-Studien I. Eine voreuklidische Proportionslehre und ihre Spuren bei Aristoteles und Euklid.
Quellen und Studien zur Geschichte der Mathematik B 2: 311333.
[65] History of Algorithms and Algorithmics. Scriptol.com. Diakses tanggal November 7, 2012.
[66] Davis 2000:18
[67] Bolter 1984:24
[68] Bolder 1984:26
[69] Bolter 1984:3334, 204206.
[70] All quotes from W. Stanley Jevons 1880 Elementary Lessons in Logic: Deductive and Inductive, Macmillan and Co., London
and New York. Republished as a googlebook; cf Jevons 1880:199201. Louis Couturat 1914 the Algebra of Logic, The
Open Court Publishing Company, Chicago and London. Republished as a googlebook; cf Couturat 1914:7576 gives a
few more details; interestingly he compares this to a typewriter as well as a piano. Jevons states that the account is to be
found at Jan . 20, 1870 The Proceedings of the Royal Society.
[71] Bell and Newell diagram 1971:39, cf. Davis 2000
[72]

Melina Hill, Valley News Correspondent, A Tinkerer Gets a Place in History, Valley News West Lebanon NH, Thursday March 31, 1983, page 13.

[73] Davis 2000:14


[74] van Heijenoort 1967:81
[75] van Heijenoorts commentary on Freges Begrisschrift, a formula language, modeled upon that of arithmetic, for pure
thought in van Heijenoort 1967:1
[76] Dixon 1906, cf. Kleene 1952:3640
[77] cf. footnote in Alonzo Church 1936a in Davis 1965:90 and 1936b in Davis 1965:110
[78] Kleene 19356 in Davis 1965:237, Kleene 1943 in Davis 1965:255
[79] Church 1936 in Davis 1965:88
[80] cf. Formulation I, Post 1936 in Davis 1965:289290
[81] Turing 19367 in Davis 1965:116
[82] Rosser 1939 in Davis 1965:226
[83] Kleene 1943 in Davis 1965:273274
[84] Kleene 1952:300, 317
[85] Kleene 1952:376
[86] Turing 19367 in Davis 1965:289290
[87] Turing 1936 in Davis 1965, Turing 1939 in Davis 1965:160
[88] Hodges, p. 96
[89] Turing 19367:116
[90] Turing 19367 in Davis 1965:136
[91] Turing 1939 in Davis 1965:160

12.16. BACAAN LANJUTAN

57

12.16 Bacaan lanjutan


Axt, P. (1959) On a Subrecursive Hierarchy and Primitive Recursive Degrees, Transactions of the American
Mathematical Society 92, pp. 85105
Bell, C. Gordon and Newell, Allen (1971), Computer Structures: Readings and Examples, McGraw-Hill Book
Company, New York. ISBN 0-07-004357-4.
Bellah, Robert Neelly (1985). Habits of the Heart: Individualism and Commitment in American Life. Berkeley:
University of California Press. ISBN 978-0-520-25419-0.
Blass, Andreas; Gurevich, Yuri (2003). Algorithms: A Quest for Absolute Denitions (PDF). Bulletin of
European Association for Theoretical Computer Science 81. Includes an excellent bibliography of 56 references.
Boolos, George; Jerey, Richard (1974, 1999). Computability and Logic (4th ed.). Cambridge University
Press, London. ISBN 0-521-20402-X.: cf. Chapter 3 Turing machines where they discuss certain enumerable
sets not eectively (mechanically) enumerable.
Burgin, Mark (2004). Super-Recursive Algorithms. Springer. ISBN 978-0-387-95569-8.
Campagnolo, M.L., Moore, C., and Costa, J.F. (2000) An analog characterization of the subrecursive functions.
In Proc. of the 4th Conference on Real Numbers and Computers, Odense University, pp. 91109
Church, Alonzo (1936a). An Unsolvable Problem of Elementary Number Theory. The American Journal
of Mathematics 58 (2): 345363. doi:10.2307/2371045. JSTOR 2371045. Reprinted in The Undecidable, p.
89. The rst expression of Churchs Thesis. See in particular page 100 (The Undecidable) where he denes
the notion of eective calculability in terms of an algorithm, and he uses the word terminates, etc.

12.17 Pranala luar


(Indonesia) Pengertian Algoritma
(Inggris) Hazewinkel, Michiel, ed. (2001), Algorithm, Encyclopedia of Mathematics, Springer, ISBN 9781-55608-010-4
(Inggris) Algorithms di Proyek Direktori Terbuka
(Inggris) Eric W. Weisstein, Algorithm di MathWorld.
(Inggris) Dictionary of Algorithms and Data StructuresNational Institute of Standards and Technology
(Inggris) Algorithms and Data Structures by Dr Nikolai Bezroukov

58

BAB 12. ALGORITMA

12.17. PRANALA LUAR

59

60

BAB 12. ALGORITMA

Animasi dari algoritma quicksort mengurutkan larik dari nilai acak. Batang merah menandakan elemen pivot; pada awal animasi,
elemen paling kanan dipilih sebagai pivot.

12.17. PRANALA LUAR

61

Contoh diagram dari algoritma Euclid dari T.L. Health 1908 dengan rincian tambahan. Euclid tidak sampai pada penghitungan
ketiga dan tidak memberikan contoh numeris. Nocomachus memberikan contoh dari 49 dan 21: Saya mengurangi yang kecil dari
yang besar; 28 adalah yang kiri; kemudian saya kurangi lagi 21 (hal ini memungkinkan); tersisa 7, tapi 7 tidak bisa dikurangi
dari 7. Heath berkomentar bahwa, Kalimat terakhir terdengar aneh, tapi maknanya sangat jelas, begitu juga makna dari kalimat
tentang mengakhiri 'dengan satu dan angka yang sama'."(Heath 1908:300).

62

Ekspresi grak dari algoritma Euclid menggunakan contoh dengan 1599 dan 650.
1599 = 650*2 + 299 650 = 299*2 + 52 299 = 52*5 + 39 52 = 39*1 + 13 39 = 13*3 + 0

BAB 12. ALGORITMA

12.17. PRANALA LUAR

63

64

Patung Alan Turing di Taman Bletchley.

BAB 12. ALGORITMA

Bab 13

Struktur data
Dalam istilah ilmu komputer, sebuah struktur data adalah cara penyimpanan, penyusunan dan pengaturan data di
dalam media penyimpanan komputer sehingga data tersebut dapat digunakan secara esien.
Dalam teknik pemrograman, struktur data berarti tata letak data yang berisi kolom-kolom data, baik itu kolom yang
tampak oleh pengguna (user) ataupun kolom yang hanya digunakan untuk keperluan pemrograman yang tidak tampak oleh pengguna. Setiap baris dari kumpulan kolom-kolom tersebut dinamakan catatan (record). Lebar kolom
untuk data dapat berubah dan bervariasi. Ada kolom yang lebarnya berubah secara dinamis sesuai masukan dari
pengguna, dan juga ada kolom yang lebarnya tetap. Dengan sifatnya ini, sebuah struktur data dapat diterapkan untuk
pengolahan database (misalnya untuk keperluan data keuangan) atau untuk pengolah kata (word processor) yang kolomnya berubah secara dinamis. Contoh struktur data dapat dilihat pada berkas-berkas lembar-sebar (spreadsheet),
pangkal-data (database), pengolahan kata, citra yang dipampat (dikompres), juga pemampatan berkas dengan teknik
tertentu yang memanfaatkan struktur data.

13.1 Daftar struktur data umum


1. Larik
2. Senarai
3. Tumpukan
4. Antrean
5. Pohon

65

Bab 14

Basis data
Pangkalan data[1] atau basis data (bahasa Inggris: database), atau sering pula dieja basisdata, adalah kumpulan
informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program
komputer untuk memperoleh informasi dari basis data tersebut. Perangkat lunak yang digunakan untuk mengelola
dan memanggil kueri (query) basis data disebut sistem manajemen basis data (database management system, DBMS).
Sistem basis data dipelajari dalam ilmu informasi.
Istilah basis data berawal dari ilmu komputer. Meskipun kemudian artinya semakin luas, memasukkan hal-hal di
luar bidang elektronika, artikel ini mengenai basis data komputer. Catatan yang mirip dengan basis data sebenarnya
sudah ada sebelum revolusi industri yaitu dalam bentuk buku besar, kuitansi dan kumpulan data yang berhubungan
dengan bisnis.
Konsep dasar dari basis data adalah kumpulan dari catatan-catatan, atau potongan dari pengetahuan. Sebuah basis
data memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di dalamnya: penjelasan ini disebut skema.
Skema menggambarkan objek yang diwakili suatu basis data, dan hubungan di antara objek tersebut. Ada banyak cara
untuk mengorganisasi skema, atau memodelkan struktur basis data: ini dikenal sebagai model basis data atau model
data. Model yang umum digunakan sekarang adalah model relasional, yang menurut istilah layman mewakili semua
informasi dalam bentuk tabel-tabel yang saling berhubungan di mana setiap tabel terdiri dari baris dan kolom (denisi
yang sebenarnya menggunakan terminologi matematika). Dalam model ini, hubungan antar tabel diwakili denga
menggunakan nilai yang sama antar tabel. Model yang lain seperti model hierarkis dan model jaringan menggunakan
cara yang lebih eksplisit untuk mewakili hubungan antar tabel.
Istilah basis data mengacu pada koleksi dari data-data yang saling berhubungan, dan perangkat lunaknya seharusnya
mengacu sebagai sistem manajemen basis data (database management system/DBMS). Jika konteksnya sudah jelas,
banyak administrator dan programer menggunakan istilah basis data untuk kedua arti tersebut.
Jadi secara konsep basis data atau database adalah kumpulan dari data-data yang membentuk suatu berkas (le)
yang saling berhubungan (relation) dengan tatcara yang tertentu untuk membentuk data baru atau informasi. Atau
basis data (database) merupakan kumpulan dari data yang saling berhubungan (relasi) antara satu dengan yang lainnya yang diorganisasikan berdasarkan skema atau struktur tertentu. Pada komputer, basis data disimpan dalam
perangkat hardware penyimpan, dan dengan software tertentu dimanipulasiunruk kepentingan atau keguanaan tertentu. Hubungan atau relasi data biasanya ditunjukkan dengan kunci (key) dari tiap le yang ada. Data merupakan
fakta atau nilai (value) yang tercatat atau merepresentasikan deskripsi dari suatu objek. Data yang merupakan fakta yang tercatat dan selanjutnya dilakukan pengolahan (proses) menjadi bentuk yang berguna atau bermanfaat bagi
pemakainya akan membentuk apa yang disebut informasi. Bentuk informasi yang kompleks dan teritegrasi dan pengolahan sebuah database dengan komputer akan digunakan untuk proses pengambilan keputusan pada manajemen
akan membenuk Sistem Informasi Manajemen (SIM), data dalam basis data merupan item terkecil dan terpenting
untuk membangun basis data yang baik dan valid. Data dalam basis data bersifat integrated dan shared:
Terpadu (integrated), berkas-berkas data yang ada pada basis data saling terkait (terjadi dependensi data);
Berbagi data (shared), data yang sama dapat dipakai oleh sejumlah pengguna dalam waktu yang bersamaan.
Sering dinamakan sebagi sistem multiuser
Data merupakan suatu sumber yang sangat berguna bagi hampir disemua organisasi. Dengan tersedianya data yang
melimpah, maka masalah pengaturan data secara efektif menjadi suatu hal yang sangat penting dalam pengembangan
66

67
sistem informasi manajemen. Oleh karena itu, tujuan dari diadakannya pengaturan data adalah sebagai berikut:
Menyediakan penyimpanan data untuk dapat digunakan oleh organisasi saat sekarang dan masa akan datang.
Sebagai cara pemasukan data sehingga sehingga memudahkan tugas operator dan menyangkut pula waktu yang
diperlukan oleh pemakai untuk mendapatkan data serta hak-hak yang dimiliki terhadap data yang ditangani
Pengendalian data untuk setiap siklus agar data selalu up to date dan dapat mencerminkan perubahan spesik
yang terjadi di setiap sistem.
Pengamanan data terhadap kemungkinan penambahan, modikasi, pencurian, dan gangguan-gangguaan lain.
Suatu bangunan basis data memiliki jenjang sebagai berikut:
Karakter, merupakan bagian data terkecil yang berupa angka, huruf, atau karakter khusus yang membentuk
sebuah item data atau eld. Contoh A,B,X,Y,2,1,2,9,0,=,<,> dan sebagainya.
Field/item, merupakan representasi suatu atribut dan record (rekaman/tupel) yang sejenis yang menunjukkan
suatu item dari data. Contoh eld nama (berisi data nama-nama pegawai), eld departemen (berisi data bagian
atau spesikasi pekerjaan), dan lain sebagainya.
Record/rekaman/tupel: Kumpulan dari eld membentuk suatu record atau rekaman. Record menggambarkan
suatu unit data individu yang tertentu. Contoh: le pegawai, dimana tiap-tiap recordnya berisi kumpulan data
nama, alamat, departemen, yang dapat mewakili tiap-tiap data.
File, merupakan kumpulan dari record-record yang menggambarkan satu kesatuan data yang sejenis. Contoh le pegawai berisi data tentang semua yang berhubungan dengan pegawai seperti nama pegawai, alamat
pegawai, departemen, yang dapat mewakili tiap-tiap data.
Database, merupakan kumupan dari le atau tabel yang membentuk suatu database. Contoh database pegawai
PT Maju Terus terdiri atas le pegawai, le gaji, le golongan, dan sebagainya.
Dalam satu le terdapat record-record yang sejenis, sama besar, sama bentuk, yang merupakan satu kumpulan entitas yang seragam. Satu record terdiri dari eld yang saling berhubungan menunjukkan bahwa eld tersebut dalam
satu pengertian yang lengkap dan direkam dalam satu record Setiap nilai atau isis eld memiliki kapasitas ruang
atau lebar yang sama. Jenis isi data sebuah eld harus sesuai dengan tipe datanya. Nama sebuah le harus menggambarkan isi dari data le tersebut. Untuk melengkapi denisi tentang le, dalam database dikenal nama entitas
(entity) dan atribut. Entetis adalah orang, tempat, kejadian, atau konsep yang informasinya direkam. setiap entitas
memiliki atribut atau sebutan untuk mewakili suatu entitas. Sebagai contoh dalam sistem perkuliahan; mahasiwa,
matakuliah, pembayaran, dosen adalah sebagai entitas. Sedangkan entitas mahasiswa memiliki atribut nomor induk,
nama, jurusan, dan sebagainya. Atau dari contoh diatas entitasnya adalah pegawai, ang memilik atribut NIP, nama,
alamat, tgl_lahir, jns_kel Sistem basis data merupakan perpaduan antara basis data dan sistem manajemen basis
data (SMBD). Database yang kompleks dan disertai dengan teknik pendokumentasian dan prosedur manipulasinya
akan membentuk Sistem Manajemn Basis Data (Database Management System-DBMS). Singkatnya DBMS adalah
database dan program untuk mengaksesnya.
Denisi diatas dapat menggambarkan pada kita bahwa basis data mempunyai beberapa kriteria penting, yaitu:
Berorientasi data dan bukan berorientasi program.
Dapat digunakan oleh beberapa program aplikasi tanpa perlu mengubah basis datanya.
Dapat dikembangkan dengan mudah, baik volume maupun strukturnya.
Dapat memenuhi kebutuhan sistem-sistem baru secara mudah.
Dapat digunakan dengan cara-cara yang berbeda.
Komponen-komponen sistem basis data adalah:
Hardware, sebagai pendukung operasi pengolahan data seperti CPU, memori, disk, terminal, dan sebagainya.

68

BAB 14. BASIS DATA


Software sistem operasi , (Windows 9x, Windows 2000/XP, Linux, Unix.)
Software pengelola basis data (DBMS) seperti MS-Access, SQL, Oracle.
Software program aplikasi misalnya Visual Basic, Delphi, Visual Foxpro.
Basis data (semua data yang diperlukan, dipelihara, dikelola oleh sistem Basis Data)
Pemakai/pengguna basis data (user).

Pengguna (user) basis data meliputi:


Database Administrator, yaitu pengguna yang memiliki kewenangan sebagai pusat pengendali seluruh sistem
baik basis data maupun program-program yang mengaksesnya, menentukan pola struktur basis data, memodikasi, membagi tugas pengolahan dan memberikan orientasi tertentu, dan sebagainya.
Aplication Programmers, yaitu programmer aplikasi yang berinteraksi dengan sistem melalui pemanggilan
Data Manipulation Language (DML) yang dimasukkan ke dalam program yang tulis.
Sophisticated Users, yaitu pengguna yang berintraksi dengan sistem tapa harus menuliskan sendiri programnya, tetapi diganti dengan melakukan permintaan (request) dalam bentuk bahasa query basis data. Seperti
menggunakan MS-Accsess, SQL, dan sebagainya.
Specialized Users, yaitu pengguna yang menuliskan program aplikasi basis data khusus yang tidak sesuai dengan framework pemrosesan data tradisional. Contoh: sistem pakar, multimedia, dan sebagainya.
Naive Users, yaitu kebanyakan pengguna yang berintraksi dengan sistem dengan cara memanggil salah satu
program aplikasi yang telah disediakan. Contoh: operator pada bagian teller, personalia, dan sebagainya.
PERAN BASIS DATA Basis data penting dalam pengolaan data dalam menggunakan komputer, karena bebrapa
alasan yaitu:
Sebagai komponen utama atau penting dalam sistem informasi, karena merupakan dasar dalam menyediakan
informasi.
Menentukan kualitas informasi yang cepat, akurat, relevan, sehingga informasi yang disajikan tidak basi. Informasi dapat dikatakan bernilai bila manfaatnya lebih efektif dibandingkan dengan biaya mendapatkannya.
Penyusunan suatu database digunakan untuk mengatasi masalah-masalah pada penyusunan data. Manfaat yang diperoleh dari penyusunan database yaitu untuk:
Mengatasi kerangkapan (redundancy) data. Penyimpanan data yang sama pada beberapa tempat selain bisa
meyulitkan pemakai tentang aktualisasi data juga memboroskan tempat penyimpanan, maka basis data akan
mendeteksi dan menghindari jika terjadi kerangkapan data.
Menghindari terjadinya inkonsistensi data. Akibat lain jika terjadi kerangkapan data, maka jika terjadi perubahan pada data yang satu sedangkan yang lain tidak dirubah akan terjadi ketidakonsistenan data. Untuk itu
database akan menyesuaikan terhadap data yang sama apabila terjadi perubahan, jika semua data akan selalu
ter-update
Mengatasi kesulitan dalam mengakses data. Memudahkan jika suatu saat akan diambil atau dicetak data yang
memiliki kriteria tertentu, misalnya pada tanggal tertentu, alamat tertentu, jumlah tertentu, dan sebagainya.
Menyusun format yang standar dari sebuah data. Dta ayang sama pada le yang berbeda harus memiliki format
data berupa tipe dan jangkauannya harus sama. Kedidaksamaan format data akan mengakibatkan sulit atau
tidak bisanya pengaksesan data yang lain.
Penggunaan oleh banyak pemakai (multiple user). Sebuah database bisa dimanfaatkan sekaligus secara bersama
oleh banyak pengguna (multiuser)
Melakukan perlindungan dan pengamanan data (data security). Setiap data hanya bisa diakses atas dimanipulasi
oleh pihak yang diberi otoritas dengan memberikan login dan password terhadap masing-masing data.

14.1. LINGKUNGAN BASIS DATA

69

Menyusun integritas dan independensi data. Basis data merupakan data kompleks yang bisa diintegrasikan,
sehingga kita bisa memanipulasi untuk mendapatkan berbagai bentuk lembar kerja dan laporan yang kita
inginkan. Namun demikian masing-masing data tidak saling tergantung terhadap data yang lain. Data-data
dalam database bisa saling berdiri sendiri.
ABSTRAKSI DATA Kegunaan utama sistem basis data adalah agar pemakai mampu menyusun suatu pandangan
(view) abstraksi data. Hal ini bertujuan untuk menyederhanakan intraksi antara pengguna dengan sistemnya dan basis
data dapat mempresentasikan pandangan yang berbeda kepada para pengguna, programmer, dan administratornya.
Karena tidak semua pengguna basis data terlatih dengan baik dan penggunanya terbagi dalam berbagai tingkatan,
maka kompleksitas basis data akan tersembbunyi dari para pengguna melalui beberapa level abstraksi data. Ketika
memandang basis data, pemakai dapat dikelompokkan menjadi 3 tingkatan (level) yaitu:
Level Fisik (physical view/internal view). Merupakan tingkatan terendah dalam abstraksi data yang menunjukkan bagaimana data disimpan dalam kondisi sebenarnya. Level ini merupakan bentuk paling kompleks,
dimana struktur data level terendah digambarkan pada level ini.
Level Konseptual. Merupakan level yang menggambarkan data apa yang sebenarnya (secara fungsional) disimpan dalam basis data, beserta relasi yang terjadi antara data. Level ini menggambarkan keseluruhan database, dimana administrator basis data (DBA) membangun dan mengolah basis data, sedangkan pemakai tidak
memperdulikan kerumitan dalam struktur level sik lagi. Contohnya: pengguna akan mengetahui bahwa penjualan disimpan didalam tabel barang, produksi, keuangan, marketing.
Level Pandangan Pemakai. Merupakan level dengan tingkatan tertinggi, yang menggambarkan hanya satu
bagian dari keseluruhan database. Beberapa pengguna basis data tidak membutuhkan semua isi basis data
misalkan bagian personalia hanya membutuhkan data le karyawan dan gaji, tidak membutuhkan data le
gudang, transaksi barang masuk.
Level abstraksi data tersebut bisa memberikan gambaran atau pandangan mengenai arsitektur Database Management
System (DBMS), yang akan menambah pengertian mengenai independensi data (data independence) Independensi data
dapat dibagi menjadi dua bagian yaitu:
1. Physical Data Independence
Kemampuan untuk mengubah pola sik database tanpa mengakibatkan suatu aplikasi program ditulis kembali. Modikasi pada level sik biasanya pada saat meningkatkan daya guna.
1. Logical Data Independenceata model Data model merupakan kumpulan konsep yang dapat digunakakn untuk
menggambar struktur data. Struktur basis data meliputi tipe data, hubungan, dan beberapa syarat yang harus
dipenuhi basis data.

14.1 Lingkungan basis data


Lingkungan basis data adalah sebuah habitat di mana terdapat basis data untuk bisnis. Dalam lingkungan basis data,
pengguna memiliki alat untuk mengakses data. Pengguna melakukan semua tipe pekerjaan dan keperluan mereka
bervariasi seperti menggali data (data mining), memodikasi data, atau berusaha membuat data baru. Masih dalam
lingkungan basis data, pengguna tertentu tidak diperbolehkan mengakses data, baik secara sik maupun logis. (Koh,
2005, dalam Janner Simarmata & Imam Paryudi 2006: 33).

14.2 Tahapan perancangan basis data


Perancangan basis data merupakan upaya untuk membangun sebuah basis data dalam suatu lingkungan bisnis. Untuk
membangun sebuah basis data terdapat tahapan-tahapan yang perlu kita lalui yaitu:
1. Perencanaan basis data

70

BAB 14. BASIS DATA


2. Mendenisikan sistem
3. Analisis dan mengumpulkan kebutuhan
4. Perancangan basis data
5. Perancangan aplikasi
6. Membuat prototipe
7. Implementasi
8. Konversi data
9. Pengujian

10. Pemeliharaan operasional

14.3 Bahasa pada basis data


Terdapat dua jenis bahasa komputer yang digunakan saat kita ingin membangun dan memanipulasi sebuah basis data,
yaitu:
1. Data Denition Language (DDL)
2. Data Manipulation Language (DML)

14.4 Perangkat lunak basis data


Perangkat lunak basis data yang banyak digunakan dalam pemrograman dan merupakan perangkat basis data aras
tinggi (high level):
Microsoft SQL Server
Oracle
Sybase
Interbase
XBase
Firebird
MySQL
PostgreSQL
Microsoft Access
dBase III
Paradox
FoxPro
Visual FoxPro
Arago
Force
Recital

14.5. RUJUKAN

71

dbFast
dbXL
Quicksilver
Clipper
FlagShip
Harbour
Visual dBase
Lotus Smart Suite Approach
db2
MongoDB
Selain perangkat lunak di atas, terdapat juga perangkat lunak pemrograman basis data aras rendah (low level), di
antaranya:
Btrieve
Tsunami Record Manager

14.5 Rujukan
[1] Badan Bahasa

14.6 Lihat pula


Daftar basis data terbesar di dunia

Bab 15

Gudang data
Gudang data (Bahasa Inggris: data warehouse) adalah suatu sistem komputer untuk mengarsipkan dan menganalisis
data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu
organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal
teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleks
dan analisis (contohnya penambangan data, data mining) terhadap informasi tersebut tanpa membebani sistem yang
operasional.

15.1 Karakteristik gudang data


Sistem basis data ini memiliki karakteristik yang membuatnya berbeda dengan basis data yang lainnya. Terdapat 4
karakteristik yang menjadi ciri khas dari basis data ini, yaitu:
1. Berorientasi kepada subjek
2. Data yang dimiliki terintegrasi
3. Data yang disimpan bersifat tetap
4. Dibuat dalam rentang waktu tertentu

15.2 Peralatan gudang data


Peralatan gudang data (Bahasa Inggris: data warehouse appliance) berfungsi untuk ekstraksi data, pembersihan data,
dan transformasi data, yakni terdiri dari:
Generator kode (Code generator)
Alat replikasi database ( Database data replication tools)
Mesin transformasi dinamis (Dynamic transformation engines)

15.3 Rujukan
William H. Inmon, Richard D. Hackathorn: Using the Data Warehouse, John Wiley & Sons, ISBN 0-47105966-8
Pyle, Dorian. Business Modeling and Data Mining. Morgan Kaufmann, 2003. ISBN 1-55860-653-X
Ralph Kimball, Margy Ross: The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling
(Second Edition), John Wiley & Sons, ISBN 0-471-20024-7
72

15.4. PRANALA LUAR

73

Stephen Haag, Maeve Cummings, Donald J. McCubbery, Alain Pinsonneault,Richard Donvan:Managements


Information System for the Information Age, Third Canadian Edition, McGraw-Hill Ryerson, ISBN 0-07095569-7
Darmawikarta, Djoni. Dimensional Data Warehousing with MySQL. BrainySoftware. ISBN 0-9752128-2-6

15.4 Pranala luar


(Inggris) Data Management And Warehousing knowledge base
(Inggris) Data Warehousing Development Process on gantthead.com
(Inggris) Information Tecnology Data Warehouse
(Inggris) Data Warehousing Gotchas
(Inggris) ODP - Data Warehouse Resources
(Inggris) ODP - Data Warehouse Articles
(Inggris) SDN - Business Intelligence on the SAP Developer Network

Bab 16

Penggalian data
Penggalian data (bahasa Inggris: data mining) adalah ekstraksi pola yang menarik dari data dalam jumlah besar [1] .
Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna.
Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun denisi eksaknya
berbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, dan
intelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak (misalnya data yang diperoleh
dari sistem basis data perusahaan, e-commerce, data saham, dan data bioinformatika), tapi tidak tahu pola apa yang
bisa didapatkan.

16.1 Proses Pencarian Pola


Penggalian data adalah salah satu bagian dari proses pencarian pola. Berikut ini urutan proses pencarian pola:
1. Pembersihan Data: yaitu menghapus data pengganggu (noise) dan mengisi data yang hilang.
2. Integrasi Data: yaitu menggabungkan berbagai sumber data.
3. Pemilihan Data: yaitu memilih data yang relevan.
4. Transformasi Data: yaitu mentransformasi data ke dalam format untuk diproses dalam penggalian data.
5. Penggalian Data: yaitu menerapkan metode cerdas untuk ekstraksi pola.
6. Evaluasi pola: yaitu mengenali pola-pola yang menarik saja.
7. Penyajian pola: yaitu memvisualisasi pola ke pengguna.

16.2 Latar belakang


Perkembangan yang pesat di bidang pengumpulan data dan teknologi penyimpanan di berbagai bidang, menghasilkan
basis data yang terlampau besar. Namun, data yang dikumpulkan jarang dilihat lagi, karena terlalu panjang, membosankan, dan tidak menarik. Seringkali, keputusan -yang katanya berdasarkan data- dibuat tidak lagi berdasarkan
data, melainkan dari intuisi para pembuat keputusan. Sehingga, lahirlah cabang ilmu penggalian data ini.
Analisis data tanpa menggunakan otomasi dari penggalian data adalah tidak memungkinkan lagi, kalau 1) data terlalu
banyak, 2) dimensionalitas data terlalu besar, 3) data terlalu kompleks untuk dianalisis manual (misalnya: data time
series, data spatiotemporal, data multimedia, data streams).
74

16.3. TEKNIK PENGGALIAN DATA

75

16.3 Teknik Penggalian Data


Pada dasarnya penggalian data dibedakan menjadi dua fungsionalitas, yaitu deskripsi dan prediksi. Berikut ini beberapa fungsionalitas penggalian data yang sering digunakan:
Karakterisasi dan Diskriminasi: yaitu menggeneralisasi, merangkum, dan mengkontraskan karakteristik data.
Penggalian pola berulang: yaitu pencarian pola asosiasi (association rule) atau pola intra-transaksi, atau pola
pembelian yang terjadi dalam satu kali transaksi.
Klasikasi: yaitu membangun suatu model yang bisa mengklasikasikan suatu objek berdasar atribut-atributnya.
Kelas target sudah tersedia dalam data sebelumnya, sehingga fokusnya adalah bagaimana mempelajari data
yang ada agar klasikator bisa mengklasikasikan sendiri.
Prediksi: yaitu memprediksi nilai yang tidak diketahui atau nilai yang hilang, menggunakan model dari klasikasi.
Penggugusan/Cluster analysis: yaitu mengelompokkan sekumpulan objek data berdasarkan kemiripannya.
Kelas target tidak tersedia dalam data sebelumnya, sehingga fokusnya adalah memaksimalkan kemiripan intrakelas dan meminimalkan kemiripan antarkelas.
Analisis outlier: yaitu proses pengenalan data yang tidak sesuai dengan perilaku umum dari data lainnya.
Contoh: mengenali noise dan pengecualian dalam data.
Analisis trend dan evolusi: meliputi analisis regresi, penggalian pola sekuensial, analisis periodisitas, dan analisis berbasis kemiripan.
Berikut ini adalah 10 algoritma penggalian data yang paling populer berdasarkan konferensi ICDM '06, semua algoritma dinominasikan oleh para pemenang ACM KDD Innovation Award dan IEEE ICDM Research Contributions
Award [2] :
1. C4.5 (61 suara) [3]
2. k-Means (60 suara):[4]
3. SVM (58 suara):[5]
4. Apriori (52 suara):[6]
5. EM (48 suara):[7]
6. PageRank (46 suara):[8]
7. AdaBoost (45 suara):[9]
8. kNN (45 suara):[10]
9. Naive Bayes (34 suara):[11]
Berikut ini adalah yang hanya masuk nominasi:
CART:[12]
FP-Tree:[13]
HITS:[14]
BIRCH:[15]
GSP:[16]
PrexSpan:[17]
CBA:[18]
Finding Reduct:[19]
gSpan:[20]

76

BAB 16. PENGGALIAN DATA

16.4 Lihat pula


Penambangan teks
Analitika

16.5 Referensi
[1] http://www.amazon.com/Data-Mining-Concepts-Techniques-Management/dp/1558609016/qid=1278582726
[2] http://www.cs.uvm.edu/~{}icdm/algorithms/ICDM06-Panel.pdf
[3] Quinlan, J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann., 1993.
[4] MacQueen, J. B., Some methods for classication and analysis of multivariate observations, in Proc. 5th Berkeley Symp.
Mathematical Statistics and Probability, 1967.
[5] Vapnik, V. N. 1995. The Nature of Statistical Learning Theory. Springer-Verlag.
[6] Rakesh Agrawal and Ramakrishnan Srikant. Fast Algorithms for Mining Association Rules. In VLDB '94.
[7] McLachlan, G. and Peel, D. (2000). Finite Mixture Models. J. Wiley, New York.
[8] Brin, S. and Page, L. 1998. The anatomy of a large-scale hypertextual Web search engine. In WWW-7, 1998.
[9] Freund, Y. and Schapire, R. E. 1997. A decision-theoretic generalization of on-line learning and an application to boosting.
J. Comput. Syst. Sci. 55, 1 (Aug. 1997), 119-139.
[10] Hastie, T. and Tibshirani, R. 1996. Discriminant Adaptive Nearest Neighbor Classication. TPAMI. 18(6).
[11] Hand, D.J., Yu, K., 2001. Idiots Bayes: Not So Stupid After All? Internat. Statist. Rev. 69, 385-398.
[12] L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classication and Regression Trees. Wadsworth, 1984.
[13] Han, J., Pei, J., and Yin, Y. 2000. Mining frequent patterns without candidate generation. In SIGMOD '00.
[14] Kleinberg, J. M. 1998. Authoritative sources in a hyperlinked environment. SODA, 1998.
[15] Zhang, T., Ramakrishnan, R., and Livny, M. 1996. BIRCH: an ecient data clustering method for very large databases.
In SIGMOD '96.
[16] Srikant, R. and Agrawal, R. 1996. Mining Sequential Patterns: Generalizations and Performance Improvements. In Proceedings of the 5th International Conference on Extending Database Technology, 1996.
[17] J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal and M-C. Hsu. PrexSpan: Mining Sequential Patterns
Eciently by Prex-Projected Pattern Growth. In ICDE '01.
[18] Liu, B., Hsu, W. and Ma, Y. M. Integrating classication and association rule mining. KDD-98.
[19] Zdzislaw Pawlak, Rough Sets: Theoretical Aspects of Reasoning about Data, Kluwer Academic Publishers, Norwell, MA,
1992.
[20] Yan, X. and Han, J. 2002. gSpan: Graph-Based Substructure Pattern Mining. In ICDM '02.

16.6 Referensi
Pang-Ning Tan, Michael Steinbach and Vipin Kumar, Introduction to Data Mining (2005), ISBN 0-321-321367 (companion book site)
Kurt Thearling, An Introduction to Data Mining (also available is a corresponding online tutorial)
Richard O. Duda, Peter E. Hart, David G. Stork, Pattern Classication, Wiley Interscience, ISBN 0-471-056693, (see also Powerpoint slides)
Phiroz Bhagat, Pattern Recognition in Industry, Elsevier, ISBN 0-08-044538-1

16.7. PRANALA LUAR

77

Ian Witten and Eibe Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations (2000), ISBN 1-55860-552-5, (see also Free Weka software)
Yike Guo and Robert Grossman, editors: High Performance Data Mining: Scaling Algorithms, Applications
and Systems, Kluwer Academic Publishers, 1999.
Dean W. Abbott, I. Philip Matkovsky, and John Elder IV, Ph.D. An Evaluation of High-end Data Mining
Tools for Fraud Detection published a comparative analysis of major high-end data mining software tools that
was presented at the 1998 IEEE International Conference on Systems, Man, and Cybernetics, San Diego, CA,
October 12-14, 1998.
Mierswa, Ingo and Wurst, Michael and Klinkenberg, Ralf and Scholz, Martin and Euler, Timm: YALE: Rapid
Prototyping for Complex Data Mining Tasks, in Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD-06), 2006.
Mark F. Hornick, Erik Marcade, Sunil Venkayala: Java Data Mining: Strategy, Standard, And Practice: A
Practical Guide for Architecture, Design, And Implementation (Broch)

16.7 Pranala luar


(Inggris) Data Mining Program, University of Central Florida
(Inggris) Andrew Moore of Carnegie Mellons tutorials
(Inggris) A Master thesis dealing with the use of datamining in banking

Bab 17

Pusat data

Rak-rak server dan tampilan tipikal suatu pusat data.

Pusat data (Bahasa Inggris: data center) adalah suatu fasilitas yang digunakan untuk menempatkan sistem komputer
dan komponen-komponen terkaitnya, seperti sistem telekomunikasi dan penyimpanan data. Fasilitas ini biasanya
mencakup juga catu daya redundan atau cadangan, koneksi komunikasi data redundan, pengontrol lingkungan (mis.
AC, ventilasi), pencegah
Berdasarkan fungsinya, data center dibagi menjadi 2 kategori umum yaitu:
1. Internet Data Center : hanya untuk mendukung aplikasi terkait dengan Internet saja, biasanya dibangun dan
dioperasikan oleh service provider atau perusahaan yang memiliki model bisnis berdasarkan pada Internet
commerce.
2. Corporate/Enterprise Data Center : mendukung semua fungsi yang memungkinkan berbagai model bisnis
78

17.1. PERANCANGAN PUSAT DATA YANG IDEAL

79

berjalan pada layanan Internet, intranet, dan keduanya.

17.1 Perancangan Pusat Data yang Ideal


Kriteria perancangan sebuah data center secara umum antara lain adalah:
Ketersediaan
Data center diciptakan untuk mampu memberikan operasi yang berkelanjutan dan terus-menerus bagi suatu
perusahaan baik dalam keadaan normal maupun dalam keadaan terjadinya suatu kerusakan yang berarti atau
tidak. Data center harus dibuat sebisa mungkin mendekati zero-failure untuk seluruh komponennya.
Scalability dan Flexibility
Data center harus mampu beradaptasi dengan pertumbuhan kebutuhan yang cepat atau ketika adanya servis
baru yang harus disediakan oleh data center tanpa melakukan perubahan yang cukup berarti bagi data center
secara keseluruhan.
Security
Data center menyimpan berbagai aset perusahaan yang berharga, oleh karenanya sistem keamanan dibuat seketat mungkin baik pengamanan secara sik maupun pengamanan non-sik.
Kriteria tersebut diaplikasikan pada beberapa aspek berikut:

17.2 Servis Utama pada Data Center


Servis Utama Data Center
Infrastruktur yang Menjamin Kelangsungan Bisnis
Aspek-aspek yang mendukung kelangsungan bisnis ketika terjadi suatu kondisi kritis terhadap data center. Aspekaspek tersebut meliputi kriteria pemilihan lokasi data center, kuantikasi ruang data center, laying-out ruang dan
instalasi data center, sistem elektrik yang dibutuhkan, pengaturan infrastruktur jaringan yang scalable, pengaturan
sistem pendingan dan re suppression
Infrastruktur Keamanan Data Center
Terdiri dari sistem pengamanan sik dan non-sik pada data center. Fitur sistem pengamanan sik meliputi akses
user ke data center berupa kunci akses memasuki ruangan (kartu akses atau biometrik) dan segenap petugas keamanan yang mengawasi keadaan data center (baik di dalam maupun di luar), pengamanan sik juga dapat diterapkan
pada seperangkat infrastruktur dengan melakukan penguncian dengan kunci gembok tertentu. Pengamanan non sik
dilakukan terhadap bagian software atau sistem yang berjalan pada perangkat tersebut, antara lain dengan memasang
beberapa perangkat lunak keamanan seperti access control list, rewall, IDS dan host IDS, tur-tur keamanan pada
Layer 2 (datalink layer) dan Layer 3 (network layer) disertai dengan manajemen keamanan.
Optimasi Aplikasi
Akan berkaitan dengan layer 4 (transport layer) dan layer 5 (session layer) untuk meningkatkan waktu respon suatu
server. Layer 4 adalah layer end-to-end yang paling bawah antara aplikasi sumber dan tujuan, menyediakan endto-end ow control, end-to-end error detection and correction, dan mungkin juga menyediakan congestion control
tambahan. Sedangkan layer 5 menyediakan riteri dialog (siapa yang memiliki giliran berbicara/mengirim data), token
management (siapa yang memiliki akses ke resource bersama) serta sinkronisasi data (status terakhir sebelum link
putus). Berbagai isu yang terkait dengan hal ini adalah load balancing, caching, dan terminasi SSL, yang bertujuan
untuk mengoptimalkan jalannya suatu aplikasi dalam suatu sistem.

80

BAB 17. PUSAT DATA

Infrastruktur IP
Infrastruktur IP menjadi servis utama pada data center. Servis ini disediakan pada layer 2 dan layer 3. Isu yang harus
diperhatikan terkait dengan layer 2 adalah hubungan antara ladang server dan perangkat layanan, memungkinkan
akses media, mendukung sentralisasi yang reliable, loop-free, predictable, dan scalable. Sedangkan pada layer 3, isu
yang terkait adalah memungkinkan fast-convergence routed network (seperti dukungan terhadap default gateway).
Kemudian juga tersedia layanan tambahan yang disebut [[Intelligent Network Services]], meliputi tur-tur yang
memungkinkan application services network-wide, tur yang paling umum adalah mengenai QoS (Quality of Services),
multicast (memungkinkan kemampuan untuk menangani banyak user secara konkuren), private LANS dan policybased routing.
Storage
Terkait dengan segala infrastruktur penyimpanan. Isu yang diangkat antara lain adalah arsitektur SAN, bre channel
switching, replikasi, backup serta archival.

17.3 Tier pada Data Center


Perancangan data center berangkat dari kebutuhan yang ada, untuk kemudian didenisikan berbagai perlengkapan
IT yang diperlukan beserta pemilihan teknologi berbarengan dengan perencanaan infrastruktur data center yang lain.
Ada 4 tier dalam perancangan data center yang setiap tiernya menawarkan tingkat availabilitas yang berbeda disesuaikan dengan kebutuhan suatu data center menurut TIA 942 (Telecommunication Industry Association). Berikut
diberikan tabel spesikasi setiap tier pada data center:
Pengertian N di atas mengacu kepada cacah komponen yang diperlukan agar seluruh pusat data dapat beroperasi pada
beban penuh. Sebagai contoh, apabila pusat data pada beban penuh memerlukan 5 unit AC, maka pusat data tier4
mempersyaratkan total 2(5+1)=12 unit AC, 7 diantaranya sebagai cadangan. Untuk tier3, maka hanya diperlukan
6 unit AC, hanya 1 sebagai cadangan.

17.4 Next Generation Data Center


Next generation data center menjadi isu utama pada data center dalam beberapa tahun ke depan untuk memenuhi
kebutuhan perusahaan yang meningkat pesat. Next generation data center akan bersifat service-oriented. Langkah
yang dilakukan untuk menuju Next generation data center antara lain adalah:
1. Konsolidasi, mengandung pengertian sentralisasi dan standardisasi dari semua perangkat yang ada sehingga
menghasilkan suatu jaringan yang cerdas.
2. Virtualisasi, mengatur sumber daya agar lebih esien dan menjadi independen dari infrastruktur sik.
3. Otomatisasi, melakukan provisioning yang dinamis dan manajemen informasi untuk mencapai ketahanan
bisnis.
4. Business Continuance
5. Green Data Center, yang bertujuan meningkatkan esiensi pemakaian daya, karena konsumsi daya pusat data
sudah sangat signikan.
Layer-layer yang terdapat pada next generation data center tidak jauh berbeda dengan aspek yang terdapat pada data
center umumnya, yaitu:

Data Center Facilities meliputi bangunan gedung yang menjamin kelangsungan bisnis saat terjadi bencana,
esiensi energi, esiensi pendingin udara dan sistem cabling.
Data Center Infrastructure meliputi virtualisasi berbagai infrastruktur yaitu storage, server, jaringan, dan layanan jaringan.

17.5. PRANALA LUAR

81

Data Center Applications and OS meliputi integrasi aplikasi dan OS menjadi suatu infrastruktur yang tervirtualisasi.
Data Center Management meliputi provisioning, adaptibility, troubleshooting, dan visibility.
Data Center Business Process meliputi operasi data center yang bersatu padu, perubahan proses dan tim, serta
tingkat keterbacaan operasi, integrasi server, storage,dan jaringan.

17.5 Pranala luar


Advantages to Host a Data Center in India?
Lawrence Berkeley Lab - Research, development, demonstration, and deployment of energy-ecient technologies and practices for data centers
Data Center Journal - The Industry Resource for Data Center Information related to IT, Facilities and Design
Data Center in India Providing Seamless Connectivity
Data Center Map
Data Center Indonesia

Bab 18

Komputasi awan

Peladen

Aplikasi

Laptop
50

5
4
3
2
1
0

67 8

40

60

Desktop

70
80
90

30

100

20

110

10
0

120

NE WS

12345

Pemantauan

Kolaborasi
Komunikasi

Konten

Keuangan

Platform (Serambi)
Identitas
Penyimpanan Objek

'Runtime'

Antrian
Basis Data

Infrastruktur
Komputer
Penyimpanan Blok

Ponsel

Jaringan
Tablet

Komputasi awan
Diagram konsepsual dari Komputasi awan

Komputasi awan (bahasa Inggris: cloud computing) adalah gabungan pemanfaatan teknologi komputer ('komputasi')
dan pengembangan berbasis Internet ('awan'). Awan (cloud) adalah metafora dari internet, sebagaimana awan yang
sering digambarkan di diagram jaringan komputer. Sebagaimana awan dalam diagram jaringan komputer tersebut,
awan (cloud) dalam Cloud Computing juga merupakan abstraksi dari infrastruktur kompleks yang disembunyikannya.[1]
Ia adalah suatu metoda komputasi di mana kapabilitas terkait teknologi informasi disajikan sebagai suatu layanan
(as a service), [2] sehingga pengguna dapat mengaksesnya lewat Internet (di dalam awan) [3] tanpa mengetahui apa
82

18.1. SEJARAH KOMPUTASI AWAN

83

yang ada didalamnya, ahli dengannya, atau memiliki kendali terhadap infrastruktur teknologi yang membantunya.[4]
Menurut sebuah makalah tahun 2008 yang dipublikasi IEEE Internet Computing Cloud Computing adalah suatu
paradigma di mana informasi secara permanen tersimpan di server di internet dan tersimpan secara sementara di
komputer pengguna (client) termasuk di dalamnya adalah desktop, komputer tablet, notebook, komputer tembok,
handheld, sensor-sensor, monitor dan lain-lain.[5]
Komputasi awan adalah suatu konsep umum yang mencakup SaaS, Web 2.0, dan tren teknologi terbaru lain yang
dikenal luas, dengan tema umum berupa ketergantungan terhadap Internet untuk memberikan kebutuhan komputasi
pengguna. Sebagai contoh, Google Apps menyediakan aplikasi bisnis umum secara daring yang diakses melalui suatu
penjelajah web dengan perangkat lunak dan data yang tersimpan di server. Komputasi awan saat ini merupakan trend
teknologi terbaru, dan contoh bentuk pengembangan dari teknologi Cloud Computing ini adalah iCloud [6]

18.1 Sejarah Komputasi Awan


Pada tahun 50-an, Cloud Computing memiliki konsep yang mendasar. Ketika komputer mainframe yang tersedia
dalam skala yang besar dalam dunia pendidikan dan perusahaan dapat diakses melalui komputer terminal disebut dengan Terminal Statis. Terminal tersebut hanya dapat digunakan untuk melakukan komunikasi tetapi tidak memiliki
kapasitas pemrosesan internal. Agar penggunaan mainframe yang relatif mahal menjadi esien maka mengembangkan akses sik komputer dari pembagian kinerja CPU. Hal ini dapat menghilangkan periode tidak aktif pada
mainframae, memungkinkan untuk kembali pada investasi. Hinga pertengahan tahun 70-an dikenal dengan RJE
remote proses Entry Home Job yang berkaitan besar dengan IBM dan DEC Mainframe.
Tahun 60-an, John McCarthy berpendapat bahwa Perhitungan suatu hari nanti dapat diatur sebagai utilitas publik.
Di buku Douglas Parkhill, The Challenge of the Computer Utility menunjukkan perbandingan idustri listrik dan
penggunaan pada listrik di masyarakat umum dan pemerintahan dalam penyediaan cloud computing. Ketika Ilmuan
Herb Grosch mendalilkan bahwa seluruh dunia akan beroperasi pada terminal bodah didukung oleh sekitar 15 pusat
data yang besar. Karena komputer ini sangat canggih, banyak perusahaan dan entitas lain menyediakan sendiri
kemampuan komputasi melalui berbagai waktu danbeberapa organisasi, seperti GE GEISCO, Anak perusahaan IBM
Biro Corporation, Tymshare, CSS Nasional, Data Dial, Bolt, dan Beranek and Newman.
Tahun 90-an, perusahaan telekomunikasi mulai menawarkan VPN layanan jaringan pribadi dengan kualitas sebanding pelayanannya, tapi dengan biaya yang lebih rendah. Karena merasa cocok dengan hal tersebut untuk menyeimbangkan penggunaan server, mereka dapat menggunakan bandwidth jaringan secara keseluruhan. Lalu menggunakan
simbol awan sebagai penunjuk titik demarkasi antara penyedia dan pengguna yang saling bertanggung jawab. Cloud
computing memperluas batas iniuntuk menutup server serta infrastruktur jaringan.
Sejak Tahun 2000, Amazon sebagai peran penting dalam semua pengembangan cloud computing dengan memodernisasi pusat data, seperti jaringan komputer yang menggunakan sesedikit 10% dari kapasitas mereka pada satu
waktu. Setelah menemukan asitektur awan baru, mengalami peningkatan esiensi internal sedikit bergerak capat
Tim Dua-Pizza(Tim kecil untuk memberi makan dengan dua pizza) dapat menambahkan tur baru dengan cepat
dan lebih mudah. Kemudian Amazon mulai mengembangkan produk baru sebagai penyedia cloud computing untuk
pelanggan eksternalm dan meluncurkan Amzaon Web Service (AWS) tahun 2006.
Awal tahun 2008, Eucalypus menjadi yang pertama open source, AWS API Platform yang kompatibel menyebarkan
awan swasta. Open Nebula ditingkatkan dalam proyek Eropa Reservoir Komisi yang sudah didanai. Pada tahun yang
sama, agar difokuskan pada penyediaan jaminan kualitas layanan (seperti yang dipersyaratkan oleh aplikasi interaktif
real-time) untuk infrastruktur berbasis cloud dalam rangka IRMOS Eropa Proyek yang didanai Komisi. Pertengahan
2008, Gartner melihat kesempatan untuk membentuk hubungan antara konsumen layanan TI, mereka menggunakan
layanan TI dan menjualnya. Dan mengamati bahwa Organisasi layanan TI yang beralih dari perangkat keras milik
perusahaan dan aset perangkat lunak untuk digunakan layanan berbasis model sehingga pergeseran diproyeksikan
untuk komputasi.....akan menghasilkan pertumbuhan dramatis dalam produk IT di beberapadaerahdan pengurangan
yang signikan di daerah lain..
Tanggal 1 Maret 2011,IBM mengumumkan SmartCloud kerangka IBM Smarter Planet untuk mendukung. Di antara
berbagai komponen dasar Smarter Computing, cloud computing adalah bagian yang paling penting.

18.1.1

Tahun 1960

John McCarthy, Pakar Komputasi dan kecerdasan buatan dari MIT. Suatu hari nanti, komputasi akan menjadi

84

BAB 18. KOMPUTASI AWAN

Infrastruktur publik seperti halnya listrik dan telepon.[7] Ini adalah sebuah ide yang mengawali suatu bentuk komputasi yang kita kenal dengan istilah Komputasi awan.

18.1.2

Tahun 1995

Larry Ellison, pendiri perusahaan Oracle. Network Computing Ide ini sebenarnya cukup unik dan sedikit menyindir
perusahaan Microsoft pada saat itu. Intinya, kita tidak harus menanam berbagai perangkat lunak kedalam PC
pengguna, mulai dari sistem operasi hingga perangkat lunak lainya. Cukup dengan koneksi dengan server dimana
akan disediakan sebuah environment yang mencakup berbagai kebutuhan PC pengguna.
Pada era ini juga wacana Network Computing cukup populer. Banyak perusahaan yang menggalang sistem ini
contohnya Sun Mycrosystem dan Novell Netware. Disayangkan kualitas jaringan komputer saat itu masih belum
memadai, penggunapun cenderung memilih PC karena cenderung lebih cepat.

18.1.3

Akhir Era 90

Lahir konsep ASP (Application Service Provider) yang ditandai dengan kemunculan perusahaan pusat pengolahan
data. Ini merupakan sebuah perkembangan pada kualitas jaringan komputer. Akses untuk pengguna menjadi lebih
cepat.

18.1.4

Tahun 2000

Marc Benio, mantan wakil presiden perusahaan Oracle. salesforce.com ini merupakan sebuah perangkat lunak
CRM dengan basis SaaS (Software as a Service). Tak disangka gebrakan ini mendapat tanggapan hebat. Sebagai
suksesor dari visi Larry Ellison, boss-nya. Dia memiliki sebuah misi yaitu The End of Software.

18.1.5

2005 - Sekarang

Cloud Computing sudah semakin meningkat popularitasnya, dari mulai penerapan sistem, pengunaan nama, dll.
Amazon.com dengan EC2 (Elastic Computer Cloud); Google dengan Google App. Engine; IBM dengan Blue Cord Initiative; dsb. Perhelatan cloud computing meroket sebagaimana berjalanya waktu. Sekarang, sudah banyak
sekali pemakaian sistem komputasi itu, ditambah lagi dengan sudah meningkatnya kualitas jaringan komputer dan
beragamnya gadget yang ada. Contoh dari pengaplikasianya adalah Evernote, Dropbox, Google Drive, Sky Drive,
Youtube, Scribd, dll.

18.2 Manfaat Komputasi Awan


Dari penjelasan tentang cloud computing diatas, ada banyak manfaat yang bisa kita ambil dari cloud
computing, yaitu :
Skalabilitas, yaitu dengan cloud computing kita bisa menambah kapasitas penyimpanan data kita tanpa harus
membeli peralatan tambahan, misalnya hardisk dll. Kita cukup menambah kapasitas yang disediakan oleh
penyedia layanan cloud computing.
Aksesibilitas, yaitu kita bisa mengakses data kapanpun dan dimanapun kita berada, asal kita terkoneksi dengan
internet, sehingga memudahkan kita mengakses data disaat yang penting.
Keamanan, yaitu data kita bisa terjamin keamanan nya oleh penyedia layanan cloud computing, sehingga bagi
perusahaan yang berbasis IT, data bisa disimpan secara aman di penyedia cloud computing. Itu juga mengurangi biaya yang diperlukan untuk mengamankan data perusahaan.
Kreasi, yaitu para user bisa melakukan/mengembangkan kreasi atau project mereka tanpa harus mengirimkan
project mereka secara langsung ke perusahaan, tapi user bisa mengirimkan nya lewat penyedia layanan cloud
computing.
Kecemasan, ketika terjadi bencana alam data milik kita tersimpan aman di cloud meskipun hardisk atau gadget
kita rusak

18.3. LAYANAN KOMPUTASI AWAN

85

18.3 Layanan Komputasi Awan


18.3.1

Infrastructure as a Service (IaaS)

Infrastructure as a Service adalah layanan komputasi awan yang menyediakan infrastruktur IT berupa CPU, RAM,
storage, bandwith dan kongurasi lain. Komponen-komponen tersebut digunakan untuk membangun komputer virtual. Komputer virtual dapat diinstal sistem operasi dan aplikasi sesuai kebutuhan. Keuntungan layanan IaaS ini
adalah tidak perlu membeli komputer sik sehingga lebih menghemat biaya. Kongurasi komputer virtual juga bisa
diubah sesuai kebutuhan. Misalkan saat storage hampir penuh, storage bisa ditambah dengan segera. Perusahaan
yang menyediakan IaaS adalah Amazon EC2, TelkomCloud dan BizNetCloud.

18.3.2

Platform as a Service (PaaS)

Platform as a Service adalah layanan yang menyediakan computing platform. Biasanya sudah terdapat sistem operasi,
database, web server dan framework aplikasi agar dapat menjalankan aplikasi yang telah dibuat. Perusahaan yang
menyediakan layanan tersebutlah yang bertanggung jawab dalam pemeliharaan computing platform ini. Keuntungan
layanan PaaS ini bagi pengembang adalah mereka bisa fokus pada aplikasi yang mereka buat tanpa memikirkan
tentang pemeliharaan dari computing platform. Contoh penyedia layanan PaaS adalah Amazon Web Service dan
Windows Azure.

18.3.3

Software as a Service (SaaS)

Software as a Service adalah layanan komputasi awan dimana kita bisa langsung menggunakan aplikasi yang telah
disediakan. Penyedia layanan mengelola infrastruktur dan platform yang menjalankan aplikasi tersebut. Contoh
layanan aplikasi email yaitu gmail, yahoo dan outlook sedangkan contoh aplikasi media sosial adalah twitter, facebook
dan google+. Keuntungan dari layanan ini adalah pengguna tidak perlu membeli lisensi untuk mengakses aplikasi
tersebut. Pengguna hanya membutuhkan perangkat klien komputasi awan yang terhubung ke internet. Ada juga
aplikasi yang mengharuskan pengguna untuk berlangganan agar bisa mengakses aplikasi yaitu Oce 365 dan Adobe
Creative Cloud.

18.4 Metoda dan Implementasi Komputasi Awan


18.4.1

Metoda atau Cara Kerja Komputasi Awan

Berikut merupakan cara kerja penyimpanan data dan replikasi data pada pemanfaatan teknologi cloud computing.
Dengan Cloud Computing komputer lokal tidak lagi harus menjalankan pekerjaan komputasi berat untuk menjalankan
aplikasi yang dibutuhkan, tidak perlu menginstal sebuah paket perangkat lunak untuk setiap komputer, kita hanya
melakukan installasi operating system pada satu aplikasi[8] . Jaringan komputer yang membentuk awan (internet)
menangani mereka sebagai gantinya. Server ini yang akan menjalankan semuanya aplikasi mulai dari e-mail, pengolah
kata, sampai program analisis data yang kompleks. Ketika pengguna mengakses awan (internet) untuk sebuah website
populer, banyak hal yang bisa terjadi. Pengguna Internet Protokol (IP) misalnya dapat digunakan untuk menetapkan
dimana pengguna berada (geolocation). Domain Name System (DNS) jasa kemudian dapat mengarahkan pengguna
ke sebuah cluster server yang dekat dengan pengguna sehingga situs bisa diakses dengan cepat dan dalam bahasa lokal
mereka. Pengguna tidak login ke server, tetapi mereka login ke layanan mereka menggunakan id sesi atau cookie yang
telah didapatkan yang disimpan dalam browser mereka. Apa yang user lihat pada browser biasanya datang dari web
server. Webservers menjalankan perangkat lunak dan menyajikan pengguna dengan cara interface yang digunakan
untuk mengumpulkan perintah atau instruksi dari pengguna (klik, mengetik, upload dan lain-lain) Perintah-perintah
ini kemudian diinterpretasikan oleh webservers atau diproses oleh server aplikasi. Informasi kemudian disimpan
pada atau diambil dari database server atau le server dan pengguna kemudian disajikan dengan halaman yang telah
diperbarui. Data di beberapa server disinkronisasikan di seluruh dunia untuk akses global cepat dan juga untuk
mencegah kehilangan data.
Web service telah memberikan mekanisme umum untuk pengiriman layanan, hal ini membuat service-oriented architecture (SOA) ideal untuk diterapkan. Tujuan dari SOA adalah untuk mengatasi persyaratan yang bebas digabungkan, berbasis standar, dan protocol-independent distributed computing. Dalam SOA, sumber daya perangkat

86

BAB 18. KOMPUTASI AWAN

lunak yang dikemas sebagai layanan, yang terdenisi dengan baik, modul mandiri yang menyediakan fungsionalitas bisnis standar dan konteks jasa lainnya. Kematangan web service telah memungkinkan penciptaan layanan yang
kuat yang dapat diakses berdasarkan permintaan, dengan cara yang seragam.

18.4.2

Implementasi Komputasi Awan

Ada tiga poin utama yang diperlukan dalam implementasi cloud computing, yaitu :
Computer front end
Biasanya merupakan computer desktop biasa.
Computer back end
Computer back end dalam skala besar biasanya berupa server computer yang dilengkapi dengan data center dalam
rak-rak besar. Pada umumnya computer back end harus mempunyai kinerja yang tinggi, karena harus melayani
mungkin hinggga ribuan permintaan data.
Penghubung antara keduanya
Penghubung keduanya bisa berupa jaringan LAN atau internet.
Implementasi Cloud Computing dalam pemerintahan (E-Goverment)
Cloud Computing dalam pemerintahan (E-Goverment) dapat mendongkrak kinerja khususnya dalam bidang pemerintahan. E-Goverment dapat membantu para sta di bidang pemerintahan untuk memberikan pelayanan yang lebih
baik ke masyarakat. Pemerintah dalam negara Indonesia telah menggunakan cloud computing. Contoh pertama yaitu sebagai penyediaan sumber informasi. Badan Pengkajian Dan Penerapan Teknologi (BPPT) telah menyediakan
layanan Cloud Computing sebagai layanan jasa alih daya pengelolaan TIK untuk instansi pemerintah. Layanan ini
bertujuan untuk dapat mewujudkan percepatan e-government, karena memungkinkan pengguna pemerintah berkonsentrasi dalam memberikan layanan dan tidak dipusingkan dengan kongurasi maupun pemeliharan perangkat
teknologi informasi.

18.5 Masalah yang dihadapi


Dunia komputasi awan merupakan dunia baru karena tidak semua orang mengetahui teknologi baru tersebut. Karena masih baru tersebut muncul beberapa masalah dalam pengenalannya ke dunia luar. Contohnya komputasi awan
merupakan sarana penyimpanan data melalui jaringan internet maka internet wajib bagi pemakai komputasi awan
apabila terjadi masalah dalam internet maka akan menyebabkan komputer tersebut menjadi lambat karena proses
yang terlalu lama. Masalah lain adalah jika suatu perusahaan menggunakan komputasi awan dalam penyimpanan
datanya maka akan sangat tergantung pada vendor (penyedia layanan komputasi awan) karena perusahaan tersebut
tidak mempunyai server langsung dalam komputasi awan dan juga apabila vendor mempunyai layanan backup yang
buruk atau server pada vendor rusak akan menyebabka kerugian besar pada perusahaan tersebut karena semua data
yang tersimpan pada vendor akan mengalami masalah. Jika ingin menggunakan komputasi awan juga harus tersedia
bandwidth yang besar karena data yang keluar masuk dalam sebuah akun tidak sedikit, maka dari itu dibutuhkan
bandwidth yang berukuran besar agar mampu menampung data yang ditransfer. Masalah keamanan dan privasi
menjadi masalah baru karena jika kita sudah meletakkan suatu data dalam internet maka itu bisa dilihat oleh masyarakat luas apabila data tersebut sangat rahasia maka bisa menyebabkan kefatalan dalam mengelola sesuatu. Selain itu
belum banyak dukungan dari berbagai pihak karena beberapa masalah dalam komputasi awan. Beberapa masalah
yang timbul disebabkan karena masih barunya teknologi komputasi awan dalam penyimpanan sebuah data dalam
internet. Masalah lain yang dapat timbul selain diatas adalah dengan banyak para peretas yang muncul dari berbagai
dunia dalam meretas internet membuat vendor harus berhati-hati dalam mengelola sumber daya yang dipakai dalam
komputasi awan.

18.6. CONTOH KOMPUTASI AWAN

18.6 Contoh Komputasi Awan


18.6.1

Google Drive

Google Drive adalah layanan penyimpanan Online yang dimiliki Google. Google Drive diluncurkan
pada tanggal 24 April 2012. Sebenarnya Google Drive merupakan pengembangan dari Google Docs.
Google Drive memberikan kapasitas penyimpanan sebesar 5GB kepada setiap penggunanya. Kapasitas
tersebut dapat ditambahkan dengan melakukan pembayaran atau pembelian Storage. Penyimpanan le
di Google Drive dapat memudahkan pemilik le dapat mengakses le tersebut kapanpun dan dimanapun
dengan menggunakan komputer desktop, laptop, komputer tablet ataupun smartphone. File tersebut juga
dapat dengan mudah dibagikan dengan orang lain untuk berbagi pakai ataupun melakukan kolaborasi
dalam pengeditan.

Fitur-tur Google Drive


Penyimpanan gratis sebesar 5GB
Google Drive memberikan fasilitas penyimpanan sebesar 5GB kepada penggunanya dengan cuma-cuma
untuk menyimpan dokumen, baik berupa gambar, video, musik, ataupun le-le lain.
Memungkinkan membuat dokumen
Pada tur ini Google Drive memungkinkan para penggunanya untuk membuat dokumen, seperti mengolah data, mengolah angka, membuat presentasi, form dan dokumen lainnya.
Berbagi le
Google Drive memudahkan untuk berbagi le dengan orang lain, dan juga memudahkan orang lain untuk
melakukan pengeditan terhadap le yang kita buat.
Terintegrasi dengan layanan Google lainnya
Para pengguna layanan Google lainnya akan merasakan kemudahan dalam memanagement le dari Google Drive. Karena Google Drive secara otomatis terintegrasi dengan layanan google lainnya.
Fasilitas pencarian
Google Drive memberikan layanan pencarian yang lebih baik dan lebih cepat untuk para penggunanya
dengan menggunakan kata kunci tertentu. Google Drive juga dapat mengenali gambar atau teks dari
dokumen hasil scan.
Menampilkan berbagai le
Lebih dari 30 type le yang dapat dibuka dan ditampilkan oleh Google Drive, termasuk le video, le
image, dan lain-lain tanpa mengharuskan pengguna untuk mengunduh dan menginstal software yang
sesuai dengan tipe atau ekstensi le tersebut.
Menjalankan aplikasi
Google Drive juga mempunyai kemampuan untuk membuat, menjalankan dan membagi le aplikasi
favorit yang dimiliki oleh pengguna.

87

88

BAB 18. KOMPUTASI AWAN

18.6.2

Windows Azure

Windows Azure adalah sistem operasi yang berbasis komputasi awan, dibuat oleh Microsoft untuk mengembangkan dan mengatur aplikasi serta melayani sebuah jaringan global dari Microsoft Data Centers.
Windows Azure yang mendukung berbagai macam bahasa dan alat pemograman. Sistem operasi ini
dirilis pada 1 Februari 2010.

Fitur-tur Windows Azure


Layanan Infrastruktur
Windows Azure menyediakan infrastruktur dengan skala yang sesuai dengan kebutuhan. Baik dalam
membuat aplikasi baru atau menjalankan aplikasi yang telah disediakan.
Kembangkan dan Lakukan Percobaan
Windows Azure memungkinkan pengguna untuk melakukan pengembangan aplikasi dan langsung melakukan percobaan pada aplikasi tersebut secara cepat.
Big Data
Windows Azure menyediakan kapasitas data yang besar. Kapasitas ini didukung oleh Apache Hadoop.
Aplikasi Mobile
Windows Azure memberikan kemudahan dalam pembuatan aplikasi mobile. Aplikasi yang telah dibuat
dan dapat langsung dimasukan ke penyimpanan komputasi awan.
Media
Layanan Media Windows Azure memperbolehkan untuk mengembangkan solusi penyebaran media,
yang mana bisa menampilkan media dari Adobe Flash, Android, iOS, Windows, dan platform lainnya
Aplikasi Web
Windows Azure menawarkan keamanan dan eksibilitas pengembangan, penyebaran, dan pilihan skala
untuk berbagai macam ukuran aplikasi web.
Penyimpanan, Pencadangan, dan Pemulihan
Windows Azure menyediakan penyimpanan, pencadangan, dan solusi pemulihan data apapun.
Identitas dan Manajemen Akses
Windows Azure Active Directory memberikan layanan pengamanan pada identitas perusahaan. Serta
melakukan manajemen pada banyak pengguna di sebuah perusahaan.
Integrasi
Windows Azure memperbolehkan pengguna untuk membawa seluruh aplikasi, data, perangkat, mitra
ke perangkat lokal dan ke awan.
Manajemen Data
Windows Azure menyediakan solusi yang tepat untuk kebutuhan data pengguna.

18.7. REFERENSI

89

18.7 Referensi
[1] The Internet Cloud
[2] Gartner Says Cloud Computing Will Be As Inuential As E-business
[3] Whats the dierence Between Cloud Computing and SaaS?
[4] Distinguishing Cloud Computing from Utility Computing
[5] ORGs for Scalable, Robust, Privacy-Friendly Client Cloud Computing
[6] http://www.bhinekanews.com/2014/05/sejarah-icloud.html
[7] Simson Garnkel (3 October 2011). [The Cloud Imperative]. Technology Review (MIT). Retrieved 31 May 2013.
[8]

18.8 Pranala luar


Memahami SaaS Cloud Computing, Journal Information Technology of Bunda Mulia University
Pengembangan Elemen Cloud Computing dalam Sistem Teknologi Informasi
Buku Teknologi Cloud Computing
iCloud Pengembangan dari Cloud Computing
Detikinet, Momentum bisnis cloud computing
Detikinet, Cloud computing Indonesia butuh edukasi
Detikinet, Komputasi awan hibrid
Vivanews, komputasi awan semakin menarik
The NIST Denition of Cloud Computing. Peter Mell and Timothy Grance, NIST Special Publication 800-145
(September 2011). National Institute of Standards and Technology, U.S. Department of Commerce.
Guidelines on Security and Privacy in Public Cloud Computing. Wayne Jansen and Timothy Grance, NIST
Special Publication 800-144 (December 2011). National Institute of Standards and Technology, U.S. Department of Commerce.
Cloud Deployment Models
Cloud Computing Benets, risks and recommendation for information security. Daniele Cattedu and Giles
Hobben, European Network and Information Security Agency 2009.
Fighting cyber crime and protecting privacy in the cloud. European Parliament Directorate-General for
Internal Policies. 2012
Cloud Computing: What are the Security Implications?: Hearing before the Subcommittee on Cybersecurity, Infrastructure Protection, and Security Technologies of the Committee on Homeland Security, House of
Representatives, One Hundred Twelfth Congress, First Session, October 6, 2011
PCI Compliant E-Commerce In The Cloud Hosting E-Commerce Based on Cloud Computing
Cloud and Datacenter Solution Hub on Microsoft TechNet
Forbes article: security issues arising from Snowden situation
Windows Azure Homepage
Lebih Jauh Mengenal Cloud Computing

Bab 19

Internet of Things
Internet of Things, atau dikenal juga dengan singkatan' IoT, merupakan sebuah konsep yang bertujuan untuk
memperluas manfaat dari konektivitas internet yang tersambung secara terus-menerus. Adapun kemampuan seperti
berbagi data, remote control, dan sebagainya, termasuk juga pada benda di dunia nyata. Contohnya bahan pangan,
elektronik, koleksi, peralatan apa saja, termasuk benda hidup yang semuanya tersambung ke jaringan lokal dan global
melalui sensor yang tertanam dan selalu aktif.[1]
Pada dasarnya, Internet of Things mengacu pada benda yang dapat diidentikasikan secara unik sebagai representasi virtual dalam struktur berbasis Internet. Istilah Internet of Things awalnya disarankan oleh Kevin Ashton pada
tahun 1999 dan mulai terkenal melalui Auto-ID Center di MIT.Dan kini IoT menjadi salah satu tugas bagi seorang
mahasiswa di sebuah perguruan tinggi. [1]

19.1 Denisi Orisinil


Pada bulan Juni 2009 Ashton berkomentar.
Hari ini komputer dan manusia, hampir sepenuhnya tergantung pada Internet untuk segala informasi
yang semua terdiri dari sekitar 50 petabyte (satu petabyte adalah 1.024 terabyte) data yang tersedia pada
Internet dan pertama kali digagaskan dan diciptakan oleh manusia. Dari mulai mengetik, menekan tombol
rekam, mengambil gambar digital atau memindai kode bar.
Diagram konvensional dari Internet meninggalkan router menjadi bagian terpenting dari semuanya.
Masalahanya adalah orang memiliki waktu, perhatian dan akurasi terbatas. Mereka semua berarti tidak
sangat baik dalam menangkap berbagai data tentang hal di dunia nyata. Dan itu adalah masalah besar.
Dari segi sik dan begitu juga lingkungan kita. Gagasan dan informasi begitu penting, tetapi banyak
lagi hal yang penting. Namun teknologi informasi saat ini sangat tergantung pada data yang berasal dari
orang-orang sehingga komputer kita tahu lebih banyak tentang semua ide dari hal-hal tersebut.
Jika kita memiliki komputer yang begitu banyak tahu tentang semua hal itu. Menggunakan data
yang berkumpul tanpa perlu bantuan dari kita. Kita dapat melacak dan menghitung segala sesuatu dan
sangat mengurangi pemborosan, kerugian, dan biaya. Kita akan mengetahui kapan hal itu diperlukan
untuk mengganti, memperbaiki atau mengingat, dan apakah mereka menjadi terbarui atau melewati yang
terbaik.
Internet of Things memiliki potensi untuk mengubah dunia seperti pernah dilakukan oleh Internet,
bahkan mungkin lebih baik. (Ashton,2009)[2]
Penelitian pada Internet of Things masih dalam tahap perkembangan. Oleh karena itu, tidak ada
denisi standar dari Internet of Things.[1] Terdapat juga berbagai denisi yang dirumuskan oleh peneliti
yang berbeda serta tercantum dalam survei.

19.2 Denisi Alternatif


Casagras (Coordination and support action for global RFID-related activities and standardisation)
90

19.3. KEUNIKAN PENGALAMATAN SUATU BENDA

91

Mendenisakan Internet of Things, sebagai sebuah infrastruktur jaringan global, yang menghubungkan benda-benda
sik dan virtual melalui eksploitasi data capture dan kemampuan komunikasi. Infrastruktur terdiri dari jaringan yang
telah ada dan internet berikut pengembangan jaringannya. Semua ini akan menawarkan identikasi obyek, sensor dan
kemampuan koneksi sebagai dasar untuk pengembangan layanan dan aplikasi ko-operatif yang independen. Ia juga
ditandai dengan tingkat otonom data capture yang tinggi, event transfer, konektivitas jaringan dan interoperabilitas.
SAP (Systeme, Anwendungen und Produkte)
Mendenisikannya bahwa Dunia di mana benda-benda sik diintegrasikan ke dalam jaringan informasi secara berkesinambungan, dan di mana benda-benda sik tersebut berperan aktif dalam proses bisnis. Layanan yang tersedia
berinteraksi dengan obyek pintar melalui Internet, mencari dan mengubah status mereka sesuai dengan setiap informasi yang dikaitkan, disamping memperhatikan masalah privasi dan keamanan.
CORDIS
Rencana aksi untuk Uni Eropa untuk memperkenalkan pemerintahan berdasarkan Internet of Things.
ETP EPOSS
Jaringan yang dibentuk oleh hal-hal atau benda yang memiliki identitas, pada dunia maya yang beroperasi di ruang itu
dengan menggunakan kecerdasan antarmuka untuk terhubung dan berkomunikasi dengan pengguna, konteks sosial
dan lingkungan.

19.3 Keunikan Pengalamatan Suatu Benda


Ide Sebenarnya dari Auto - ID Center berbasis pada Radio Frequency Identication(RFID) dan identikasi yang
unik melalui Electronic Product code namun hal ini telah berkembang menjadi obyek yang memiliki alamat Intenet
protocol(IP) atau Uniform Resource Identier(URI).
Pandangan alternatif , dari dunia Semantic Web , berfokus pada pembuatan segala sesuatu yang berhubungan dengan
RFID dan dihubungkan oleh masing-masing protokol, seperti URI . Obyek itu sendiri terhubung dengan objek lainnya
secara otomatis seperti halnya suatu server terpusat yang terhubung langsung dengan kliennya dan dikendalikan oleh
manusia.
Generasi berikutnya dari aplikasi Internet menggunakan Internet Protocol Version 6 (IPv6) akan mampu berkomunikasi dengan perangkat yang melekat pada hampir semua benda buatan manusia karena ruang alamat yang sangat
besar dari protokol IPv6 . Sistem ini dapat membangun sebuah objek dalam skala yang besar .
Kombinasi ide ini dapat ditemukan dalam arus GS1/EPCglobal EPC Information Services (EPCIS). Sistem ini digunakan untuk mengidentikasi objek mulai dari industri hingga ke logistik pemasaran.

19.4 Cara Kerja


Cara Kerja Internet of Things yaitu dengan memanfaatkan sebuah argumentasi pemrograman yang dimana tiap-tiap
perintah argumennya itu menghasilkan sebuah interaksi antara sesama mesin yang terhubung secara otomatis tanpa
campur tangan manusia dan dalam jarak berapa pun.Internetlah yang menjadi penghubung di antara kedua interaksi
mesin tersebut, sementara manusia hanya bertugas sebagai pengatur dan pengawas bekerjanya alat tersebut secara
langsung.
Tantangan terbesar dalam mengkongurasi Internet of Things ialah menyusun jaringan komunikasinya sendiri, yang
dimana jaringan tersebut sangatlah kompleks, dan memerlukan sistem keamanan yang ketat. Selain itu biaya yang
mahal sering menjadi penyebab kegagalan yang berujung pada gagalnya produksi.

19.5 Karakteristik dan Trends


1.Kecerdasan

92

BAB 19. INTERNET OF THINGS


Kecerdasan intelejensi dan kontrol automatisasi di saat ini merupakan bagian dari konsep asli Internet of Things . Namun, perlu dilakukan riset yang lebih mendalam lagi di dalam penelitian
konsep Internet of Things dan kontrol automatisasi agar pada masa depan Internet of Things akan
menjadi jaringan yang terbuka dan semua perintah dilakukan secara auto - terorganisir atau cerdas ( Web , komponen SOA ) , obyek virtual ( avatar ) dan dapat dioperasikan dengan mudah ,
bertindak secara independen sesuai dengan konteks , situasi atau lingkungan yang dihadapi .

2.Arsitektur
Arsitektur Internet Of Things terdiri atas beberapa jaringan dan sistem yang kompleks serta sekuriti yang sangat ketat , jika ketiga unsur tersebut dapat dicapai , maka kontrol automatisasi di
dalam Internet Of Things dapat berjalan dengan baik dan dapat digunakan dalam jangka waktu
yang lama sehingga mendapatkan prot yang banyak bagi suatu perusahaan , namun dalam membangun ketiga arsitektur itu banyak sekali perusahaan pengembang IOT yang gagal , karena dalam
membangun arsitektur itu membutuhkan waktu yang lama serta biaya yang tidak sedikit.
3.Faktor Ukuran, Waktu dan Ruang
Di dalam membangun Internet Of Things para engineer harus memperhatikan ketiga aspek yaitu
: Ukuran , ruang , dan waktu. Dalam melakukan pengembangan IOT faktor Waktu yang biasanya menjadi kendala.Biasanya dibutuhkan waktu yang lama karena menyusun sebuah jaringan
kompleks di dalam IOT tidak lah mudah dan tidak dapat dilakukan oleh sembarang orang.

19.6 Pembagian Internet of Things/M2M

Peta Pembagian Sektor oleh Beecham Researchs

Diagram di samping merupakan diagram M2M/IoT yang di kemukakan oleh Beecham Researchs dengan sektor
yang sangat luas yang dibagi menjadi 9 bagian.

19.6. PEMBAGIAN INTERNET OF THINGS/M2M

93

Sektor Pembangunan
Sektor Pembangunan ini diatur dalam Komersial / Kelembagaan, meliputi toko-toko dan supermarket, gedung perkantoran dan departemen pemerintah, dan segmen industri, meliputi bangunan pabrik, dan perumahan. Perangkat
yang kemudian dapat dihubungkan untuk memberikan pelayanan kepada pengguna termasuk HVAC, kontrol akses, manajemen pencahayaan,sensor kebakaran, sistem keamanan dan lain-lain yang berada di gedung-gedung dan
fasilitas di kedua segmen. Layanan ini dibangun untuk mengotomatisasi dan bereaksi terhadap kondisi lingkungan.
Sektor Energi
Sektor Energi diatur ke dalam tiga segmen pasar:
1. Pasokan / Permintaan, yang meliputi pembangkit listrik, transmisi / distribusi, kualitas daya dan manajemen
energi. Meliputi pembangkit listrik dari sumber-sumber tradisional - bahan bakar fosil, hidro dan nuklir.
2. Alternatif, meliputi sumber baru termasuk sumber energi terbarukan seperti cahaya, angin, pasang serta
elektrokimia.
3. Minyak / Gas, yang terdiri dari aplikasi dan perangkat yang digunakan untuk mengekstrak dan mengangkut
komoditas ini. Meliputi rig, derek, kepala sumur, pompa dan pipa.
Sektor Rumah Tangga
Sektor rumah tangga saat ini beragam dan cepat berubah, disusun dalam tiga segmen pasar:
1. Infrastruktur, meliputi kabel, akses jaringan dan manajemen energi rumah
2. Kesadaran / Keamanan, meliputi keamanan dan alarm kebakaran rumah, pemantauan lansia (tidak klinis) dan
anak-anak.
3. Kenyamanan / Hiburan, meliputi pengendalian iklim, manajemen pencahayaan, peralatan dan hiburan
Oleh karena itu sektor ini sekarang mencakup eReaders, photoframes Digital, Game konsol serta Cincin / pengering
dan Alarm Rumah.
Sektor Kesehatan
Sektor kesehatan meliputi telemedicine, rumah jompo, dan perawatan kesehatan di rumah termasuk pemantauan
jarak jauh. Misalnya alat pacu jantung jantung ditanamkan untuk orang tua (klinis). Aplikasi ini memberdayakan
pasien dan dokter sama untuk melakukan penelitian yang lebih baik dan pilihan pengobatan. Sektor ini kemudian juga
melacak peralatan Lab, seperti sentrifus, inkubator, freezer dan peralatan tes darah. Ini mencakup segmen berikut:
1. Perawatan meliputi Rumah Sakit, ER, Ponsel POC, Klinik, dll.
2. Dalam vivo(berasal dari Spanyol: vivo[vivo, hidup"]) / rumah meliputi Implan (pacu jantung, dll), Sistem
Pemantauan Rumah.
3. Penelitian yang meliputi Penemuan Obat, Diagnostik dan peralatan Lab.
Sektor Industri
Sektor Industri mencakup pemantauan dan pelacakan aset, yang melibatkan pemantauan diskrit aset atau perangkat
untuk memastikan kinerja uptime, kontrol versi, dan analisis lokasi untuk berbagai proses industri pabrik. Proses ini
tersegmentasi sebagai berikut:
1. cairan

94

BAB 19. INTERNET OF THINGS


2. Konversi / Diskrit meliputi tank, fabrikasi, perakitan / kemasan.
3. Distribusi meliputi infrastruktur / rantai persediaan.
4. Sumber Otomasi meliputi pertanian, irigasi, pertambangan, gudang, pabrik / tanaman.

Sektor Transportasi
Sektor Transportasi dibagi menjadi tiga segmen utama:
1. Kendaraan. Ini termasuk kendaraan telematika, pelacakan dan komunikasi dengan mobil, truk dan trailer.
Kendaraan telematika kemudian memungkinkan layanan seperti navigasi, diagnostik kendaraan, dan pencarian
kendaraan yang dicuri. Daerah yang berhubungan dengan kendaraan lainnya termasuk o-highway (misalnya
konstruksi, pertanian)
2. Non-Kendaraan. Transportasi non-kendaraan termasuk pesawat, kereta api, kapal / perahu dan kontainer
3. Sistem Transportasi. Transportasi Sistem mencakup layanan informasi untuk penumpang , skema pembayaran
jalan, skema parkir, terutama di kota-kota.
Sektor Perdagangan
Sektor perdagangan yang meliputi sistem jaringan dan perangkat yang memungkinkan pengecer untuk memiliki
peningkatan visibilitas rantai pasokan, konsumen dan mengumpulkan informasi produk, meningkatkan kontrol persediaan, mengurangi konsumsi energi, dan penelusuran aset dan keamanan. Ini termasuk angka penjualan peralatan,
Mesin penjual (makanan / minuman, rokok, produk bernilai tinggi seperti CD),alat pembayaran parkir, Peralatan
(pompa bensin, pencuci / pengering, pendingin, pembersih mobil) Layanan, Hiburan (mesin game, sistem suara) dan
Signage / tampilan (billboard, display) serta sistem RFID (penandaan barang), dll. Sektor ini dibagi menjadi tiga
segmen utama:
1. Toko, meliputi supermarket, pusat perbelanjaan, serta situs toko tunggal dan pusat distribusi.
2. Perhotelan meliputi hotel, restoran, bar, kafe dan klub.
3. Khusus meliputi SPBU, game, bowling, bioskop, konser, balap, dan pameran.
Sektor Keamanan
Sektor Keamanan Publik sangat luas dan dibagi menjadi lima segmen:
1. Layanan darurat, meliputi polisi, pemadam kebakaran, jasa ambulans serta kerusakan mobil dan layanan pengaturan. Ini termasuk unit gawat darurat.
2. Infrastruktur Publik, meliputi pemantauan lingkungan termasuk dataran banjir, instalasi pengolahan air. Hal
ini berkaitan dengan iklim dan meteorologi.
3. Pelacakan meliputi manusia (pekerja mandiri, parolees, dll), hewan, pengiriman dan pos, kemasan dan pelacakan bagasi.
4. Peralatan meliputi senjata militer, kendaraan militer, kapal, pesawat dan peralatan lainnya.
5. Pengawasan, meliputi pengawasan tetap (CCTV, Kamera Kecepatan) serta keamanan militer dan radar / satelit.
Sektor Teknologi dan Jaringan
Sektor ini dibagi menjadi dua segmen utama:
1. Jaringan perusahaan, meliputi peralatan kantor seperti mesin fotokopi, printer, mesin cap serta pemantauan
jarak jauh PBXs, IT / komponen pusat data dan komponen jaringan pribadi.
2. Jaringan publik termasuk infrastruktur pembawa seperti menara selular, pusat data publik, sistem pasokan
listrik dan penyejuk ruangan. Kategori ini berbeda dari manajemen fasilitas di sektor pembangunan.

19.7. TEKNOLOGI PENGIMPLEMENTASIAN INTERNET OF THINGS

95

19.7 Teknologi Pengimplementasian Internet of Things


Internet of Things mengacu pada pengidentikasian suatu objek yang direpresentasikan secara virtual di dunia maya
atau Internet. Jadi dapat dikatakan bahwa Internet of Things adalah bagaimana suatu objek yang nyata di dunia ini
digambarkan di dunia maya (Internet). Bahkan salah satu cafe kopi terkenal di Indonesia Starbucks dalam beberapa
tahun ke depan, dilaporkan berencana menghubungkan kulkas dan mesin kopi milik mereka dengan teknologi Internet
of Thing. Sehingga mereka dapat meningkatkan pelayanan mereka dengan mengetahui apa saja yang lebih disukai
konsumen, meramalkan kebutuhan stock barang (kopi,dll), dan masih banyak lainnya dan pada akhirnya esiensi dan
keuntungan akan meningkat. [3] Mari kita bayangkan ketika semua benda, bahkan manusia, hewan dan tumbuhan
dilengkapi dengan alat pengidentikasian, maka mereka bisa dikelola secara esien dengan bantuan komputer. Dan
pengidentikasian tersebut dapat dilakukan dengan beberapa teknologi seperti kode batang (Barcode), Kode QR (QR
Code) dan Identikasi Frekuensi Radio (RFID)

19.7.1

Kode Batang

Contoh kode batang

Kode batang atau lebih dikenal dengan bahasa inggrisnya barcode adalah suatu kumpulan data optik yang dapat dibaca
oleh alat scannernya.[4] Kode batang pada awalnya digunakan untuk otomatisasi pemeriksaan barang di swalayan dan
hingga saat ini kode batang (tipe UPC (Universal Price Codes)) kebanyakan masih digunakan untuk hal tersebut.[5]
Hal ini dikarenakan banyaknya keuntungan yang dapat diambil dari penggunaan kode batang, yaitu :
1. Proses Input Data lebih cepat, karena : Scanner Kode batang dapat membaca / merekam data lebih cepat
dibandingkan dengan melakukan proses input data secara manual.
2. Proses Input Data lebih tepat, karena : Teknologi Kode batang mempunyai ketepatan yang tinggi dalam pencarian data.
3. Proses Input lebih akurat mencari data, karena : Teknologi Kode batang mempunyai akurasi dan ketelitian
yang sangat tinggi.

96

BAB 19. INTERNET OF THINGS


4. Mengurangi Biaya, karena dapat mengindari kerugian dari kesalahan pencatatan data, dan mengurangi pekerjaan yang dilakukan secara manual secara berulang-ulang dan memiliki harga yang lebih murah daripada
RFID.
5. Peningkatan Kinerja Manajemen, karena dengan data yang lebih cepat, tepat dan akurat maka pengambilan
keputusan oleh manajemen akan jauh lebih baik dan lebih tepat, yang nantinya akan sangat berpengaruh dalam
menentukan kebijakan perusahaan.

Prinsip kerja kode batang sangatlah sederhana, yaitu ketika kode batang didekatkan pada scanner atau pemindainya,
maka scannernya akan memancarkan cahaya dan mengidentikasi informasi atau kode yang ada pada kode batang
tersebut.

19.7.2

Kode QR

Contoh proses pengiriman informasi kode QR melalui telepon seluler

Kode QR atau lebih dikenal dengan sebutan QR Code (Quick Response Code) adalah suatu kode batang dua dimensi yang dikembangkan oleh Denso Wave, salah satu divisi pada Denso Corporation yang merupakan perusahaan
jepang. Sesuai namanya Kode QR (Quick Response) diciptakan untuk menyampaikan informasi dengan cepat dan
mendapatkan respons yang cepat pula. Berbeda dengan kode batang, yang hanya menyimpan informasi secara horizontal, kode QR mampu menyimpan informasi secara horizontal dan vertikal, oleh karena itu secara otomatis Kode
QR dapat menampung informasi yang lebih banyak daripada kode batang. Pada zaman sekarang ini kode QR banyak digunakan sebagai alat penaut sik yang dapat menyimpan alamat dan URL, nomer telepon, teks dan sms yang
dapat digunakan pada majalah, surat harian, iklan, pada tanda-tanda bus, kartu nama ataupun media lainnya. Atau
dengan kata lain sebagai penghubung secara cepat konten daring (dalam jaringan/online) dan konten luring (luar
jaringan/oine). Kehadiran kode ini memungkinkan semua orang berinteraksi dengan media yang ditempeli oleh
kode QR, melalui ponsel secara efektif dan esien. Semua orang juga dapat menghasilkan dan mencetak sendiri
kode QR, sehingga orang lain dapat dengan mudah mengakses alamat URL ataupun segala informasi yang disimpan
oleh kode QR tersebut .

19.7.3

Identikasi Frekuensi Radio

Identikasi Frekuensi Radio atau RFID (Radio Frequensi Identity) merupakan salah satu teknologi implementasi
dari Internet of Things. Secara singkatnya, RFID adalah sebuah metode identikasi secara otomatis dengan menggunakan suatu piranti yang disebut RFID tag atau transponder [6] . Pada zaman modern sekarang ini, RFID merupakan
teknologi yang sudah umum (banyak digunakan), dikarenakan kegunaan dan esiensinya dalam mendukung segala
aktivitas kehidupan manusia. Baik pada sektor produksi, distribusi maupun konsumsi. Hal ini dikarenakan label atau
kartu RFID adalah sebuah benda yang bisa dipasang atau dimasukkan di dalam sebuah produk, hewan atau bahkan
manusia dengan tujuan untuk identikasi menggunakan gelombang radio. Sehingga memudahkan penggunanya untuk mendata (mengetahui jumlah maupun keberadaan atau lokasi) barang yang dimilikinya tersebut. Prinsip kerja
RFID sangatlah sederhana yaitu RFIDtag (label RFID) memuat informasi dalam bentuk elektronik dan ketika bertemu dengan RFIDreadernya, informasi itu akan dikirimkan ke RFIDreader dalam bentuk gelombang radio (makanya
disebut Radio Frequensi Identity). Sehingga benda tersebut dapat teridentikasi oleh RFIDreadernya.

19.8. METODE DAN PENGIMPLEMENTASIAN

97

Contoh RFID yang ditempelkan pada sepatu untuk mendeteksi pelari di garis nish

19.8 Metode dan Pengimplementasian


Metode yang digunakan oleh Internet of Things adalah nirkabel atau pengendalian secara otomatis tanpa mengenal jarak. Pengimplementasian Internet of Things sendiri biasanya selalu mengikuti keinginan si developer
dalam mengembangkan sebuah aplikasi yang ia ciptakan, apabila aplikasinya itu diciptakan guna membantu
monitoring sebuah ruangan maka pengimplementasian Internet of Things itu sendiri harus mengikuti alur diagram pemrograman mengenai sensor dalam sebuah rumah, berapa jauh jarak agar ruangan dapat dikontrol,
dan kecepatan jaringan internet yang digunakan. Perkembangan teknologi jaringan dan Internet seperti hadirnya IPv6, 4G, dan Wimax, dapat membantu pengimplementasian Internet of Things menjadi lebih optimal,
dan memungkinkan jarak yang dapat di lewati menjadi semakin jauh, sehingga semakin memudahkan kita
dalam mengontrol sesuatu.
Pengimplementasian Internet of Things terwujud dalam produk Speedy Monitoring. Produk ini diluncurkan
oleh PT Telkom guna menangkap, merekam, dan memonitor suatu ruangan atau area tertentu dengan menggunakan IP Camera yang terhubung ke jaringan Speedy. Kelebihan produk ini adalah kita dapat mengakses
hasil monitoring kamera dan memanajemen sistem ini melalui web browser. Baik melalui desktop maupun
mobile phone. Keistimewaan dari produk Speedy Monitoring adalah tersedianya media penyimpanan yang ditangani secara terpusat sehingga kita hanya perlu menyediakan kamera dan tak perlu repot lagi dengan urusan
penyediaan tempat penyimpanan data dan penyediaan server. Dapat mengawasi dan mengontrol suatu tem-

98

BAB 19. INTERNET OF THINGS


pat dan keadaaan saat kapanpun dan dimanapun adalah idaman. Tentunya dengan IOT mempermudah kita
mengawasi dan mengontrol apapun tanpa terbatas jarak dan waktu (online monitoring), termasuk memonitor
keadaan rumah (home monitoring). Jika Home Monitoring dapat dilakukan dengan mudah, setiap waktu, dan
dari media akses apapun tentunya kita akan merasa aman dan nyaman meninggalkan rumah apalagi dalam
jangka waktu yang lama. Maka dari itu dengan Internet of Things kita dapat mengendalikan segala sesuatu
melalui sebuah perangkat dan mempermudah dalam melakukan segala aktivitas.

19.9 Manfaat Internet of Things


Banyak manfaat yang didapatkan dari internet of things. Pekerjaan yang kita lakukan menjadi cepat, mudah, dan
esien. Kita juga bisa mendeteksi pengguna dimanapun ia berada. Sebagai contoh barcode yang tertera pada sebuah
produk. Dengan barcode tersebut, bisa dilihat produk mana yang paling banyak terjual dan produk mana yang kurang
diminati. Selain itu dengan barcode kita juga bisa memprediksi produk yang stoknya harus ditambah atau dikurangi.
Dengan barcode kita tak perlu susah susah menghitung produk secara manual. Contoh lain saat kita pergi ke
Singapore. Jika kita ingin bepergian menggunakan transportasi umum seperti MRT atau bis kita cukup menggunakan
atau membeli EZ-link card. EZ-link card biasanya dipakai oleh para wisatawan yang mengunjungi Singapore sebagai
pengganti uang untuk membayar jasa transportasi yang telah digunakan. Sedangkan warga negara Singapore sendiri
menggunakan ktp ataupun kartu pelajar sebagai alat membayarnya. Cara ini lebih esien dan cepat ketimbang kita
menggunakan uang tunai. Jika kita menggunakan uang tunai, kita masih harus mengantri untuk membayar, belum
lagi jika kita membayar dengan nilai nominal uang besar, kita harus menunggu untuk mendapatkan uang kembalian
kita.
Aplikasi IoT dalam B2B dan pemerintahan:
Iklan dan pemasaran terhubung. Cisco percaya bahwa kategori ini (Billboards terkoneksi internet) akan menjadi
tiga terbesar kategori IoT, bersamaan dengan smart factories dan sistem pendukung telecommuting.
Sistem pengelolaan sampah. Di Cincinnati, volume sampah masyarakat turun 17% dan volume daur ulang meningkat hingga 49% melalui pemanfaatan program pay as you throw berbasis teknologi IoT untuk memonitor siapa
yang membuang sampah melebihi batas.
Jaringan listrik pintar yang menyesuaikan tarif untuk penggunaan puncak energi. Jaringan listrik ini mewakili
penghematan US$200 miliar hinga US$500 miliar per tahun sampai dengan 2025 berdasarkan McKinsey Global
Institute.
Sistem air cerdas. Kota Doha, Sao Paulo, dan Beijing mengurangi kebocoran air 40-50% dengan meletakkan sensor
pada pompa dan infrastruktur air lainnya.
Penggunaan dalam industri mencakup pabrik dan gudang terhubung, internet yang dikelola jaringan rakitan, dan
sebagainya. [7]

19.10 Referensi
[1] Janssen, Cory. Internet of Things: IoT. Diakses dari situs techopedia pada 9 November 2013
[2] Ashton, Kevin. Internet of Things. Diakses dari situs RFIDJournal pada 9 November 2013
[3] Sekar, Putri. Starbucks Akan Gunakan Mesin Kopi dan Kulkas Cerdas. Diakses dari situs Marketing.co.id pada 9 November
2013.
[4] Barcode. Diakses dari situs Computer Hope pada 9 November 2013
[5] Barcode Technology: What is Barcode?. Diakses dari situs Engineers Garage pada 9 November 2013
[6] Alif, Tauq Alif Kurniawan.RFID: Radio Frequency Identication. Diakses dari Blog Coretan Cempluk pada 9 November
2013
[7] Sekar, Putri. Era Internet of Things. Diakses dari situs Marketing.co.id pada 11 November 2013

19.11. PRANALA LUAR

19.11 Pranala Luar


(Inggris) Oracle IoT yang diatur oracle
(Inggris) Komunitas Internet of Things IEEE yang diatur IEEE
(Inggris) pemetaan di bidang IoT/M2M yang tiatur Beecham Research
(Inggris) grak tentang Internet of Things

99

Bab 20

Big data

Visualisasi suntingan harian di Wikipedia yang dibuat oleh IBM. Teks dan gambar yang ada di Wikipedia hingga beberapa terabita
adalah contoh sederhana mahadata.

Mahadata, lebih dikenal dengan istilah bahasa Inggris big data, adalah istilah umum untuk segala himpunan data
(data set) dalam jumlah yang sangat besar, rumit dan tak terstruktur sehingga menjadikannya sukar ditangani apabila
hanya menggunakan perkakas manajemen basis data biasa atau aplikasi pemroses data tradisional belaka.
Tantangannya meliputi pemerolehan, kurasi, penyimpanan, penelusuran (search), pembagian, pemindahan, analisis,
dan visualisasi data. Tren kian membesarnya himpunan data terjadi akibat bertambahnya informasi dari himpunanhimpunan besar yang saling terkait, dibandingkan dengan himpunan-himpunan kecil lain dengan jumlah total data
yang sama. Korelasi baru dapat ditemukan dalam analisis himpunan data guna mencermati tren bisnis, menentukan
kualitas penelitian, mencegah penyakit, melawan tindak pidana, dan mengetahui kondisi lalu lintas jalan raya secara
waktu nyata"[1] .
100

20.1. REFERENSI

20.1 Referensi
[1] Data, data everywhere. The Economist. 25 Februari 2010. Diakses tanggal 9 Desember 2012.

101

Bab 21

Green computing

102

Bab 22

IF - 05 Green Computing

103

Bab 23

Latar Belakang Green Computing


Latar belakang Istilah adalah green computing muncul tidak hanya seiring dengan meningkatnya biaya energi dan
potensi penyimpanan, tetapi juga karena dampak terhadap lingkungan.
Pengertian dari Green Computing atau Komputasi Hijau itu sendiri yaitu suatu ilmu atau penerapan tentang bagaimana kita menggunakan sumber daya komputer atau perangkat elektronik yang kita miliki secara esien dan ramah
lingkungan. Sasaran utama green computing adalah bumi ini sendiri, manusia, serta laba/keuntungan. Tujuannya
jelas untuk mengurangi penggunaan bahan-bahan yang berbahaya terhadap lingkungan, mengesiensi penggunaan
energi, menyeimbangkan antara teknologi dan lingkungan agar tercipta suatu teknologi yang ramah lingkungan dan
tidak merusak alam atau lingkungan hidup serta menerapkan daur ulang pada bahan-bahan pembuat komputer. Salah
satu langkah yang mudah untuk mengesien kan penggunaan energi adalah penggunaan laptop daripada komputer
pribadi di rumah, secara tidak langsung cara ini dilakukan untuk menghemat energi.
Cikal bakal tercetusnya green computing berasal dari Badan Perlindungan Lingkungan di Amerika yang meluncurkan program Energy Star pada tahun 1992. Energy star itu sendiri ialah sebuah program yang melabeli esiensi
energi pada hardware dan sumber daya komputer yang ramah lingkungan dan hemat energy. Program ini kemudian
menyebar di sekitar Eropa dan Asia.

104

Bab 24

Penerapan Green Computing


Penerapan Green computing memiliki beberapa cara , seperti konsolidasi infrastruktur, penggunaan daya keseluruhan yang lebih rendah, dan pemanfaatan sistem yang lebih optimal untuk melakukan berbagai pola kerja. Ini juga
termasuk merangkul dan mengadopsi bahan berbasis industri-industri terkemuka yang memiliki masalah dengan
dampak pada lingkungan yang hijau. Solusi pada jaringan menurunkan overhead CPU dan meningkatkan pemanfaatan sistem, dengan demikian dampak langsungnya yang dapat dirasakan adalah menurunya tagihan listrik. Contoh
pengaplikasian komputasi hijau yang lain adaah penggunaan CPU dan komputer server yang hemat energi.
Green Computing yang juga bertujuan untuk mencapai kelayakan ekonomi melakukan pengembangan-pengembangan
terhadap praktik produksi ramah lingkungan , komputer hemat energi dan peningkatan prosedur pembuangan serta
daur ulang.
- Untuk mempromosikan konsep green computing,maka ada empat pendekatan yang dilakukan :
1. Green use : Meminimalkan konsumsi listrik perangkat komputer dalam cara yang ramah lingkungan.
2. Green disposal : membuat kembali komputer yang sudah ada atau mendaur ulang perangkat elektronik yang
tidak digunakan.
3. Green design : Merancang komputer yang hemat energi , server , printer, proyektor dan perangkat digital
lainnya.
4. Green Manufactur : Meminimalkan limbah selama proses pembuatan komputer dan mengurangi dampaknya
terhadap lingkungan.
Pemerintah dan pihak yang berwenang pun turut aktif memplokamirkan konsep green computing ini dengan melakukan beberapa program serta membuat peraturan-peraturan untuk menegakkannya.
- Selain itu ada pula beberapa langkah sederhana agar penggunaan komputer lebih ramah lingkungan dan esien
energi. Diantaranya :
1. Menggunakan mode tidur atau hibernasi ketika tidak menggunakan komputer dalam jangka waktu yang lama.
2. Menggunakan monitor layar datar atau LCD, bukan monitor tabung sinar katoda konvensional CRT.
3. Membeli komputer notebook hemat energi, bukan komputer desktop.
4. Mengaktifkan tur manajemen daya untuk kendali konsumsi energi.
5. Mematikan komputer pada akhir penggunaan.
6. Mengisi ulang cartridge printer, bukan membeli lagi yang baru.
7. Memperbaiki perangkat yang ada, bukan langsung mengganti dengan komputer baru.
8. Gunakan metode tanpa kertas untuk berkomunikasi
9. Gunakan komputer yang memenuhi persyaratan energy star
105

106

BAB 24. PENERAPAN GREEN COMPUTING

10. Pilih mematikan monitor daripada menggunakan screen saver


11. Gunakan power saving setting pada laptop
12. Kurangi penggunaan backlight
13. Matikan bluetooth dan wi ketika tidak digunakan
14. Melakukan upgrade RAM laptop daripada membeli laptop baru

Bab 25

Contoh Produk Green Computing


Contoh produk yang sudah menerapkan green computing adalah :
- Komputer hijau lenovo
Sejak Oktober 2011 lalu, Lenovo sudah meluncurkan lima komputer All in One untuk pasar Indonesia. Pihak
Lenovo mengklaim, All in One PC besutan mereka tersebut hanya mengonsumsi daya 150 sampai 180 watt. Type
dari All in One itu sendiri diantaranya edge 91z, edge 71z, B520, B320, dan C320.

25.1 Pranala Luar


http://www.adityarizki.net/2008/12/apa-itu-green-computing/
http://searchdatacenter.techtarget.com/definition/green-computing
http://www.mellanox.com/page/green_computing
http://tekno.kompas.com/read/2012/03/02/20481756/Komputer.Hijau.Lenovo.Hanya.Perlu.150.Watt

107

Bab 26

E-Business
E-bussss (Inggris: Electronic Business, atau E-business") dapat diterjemahkan sebagai kegiatan bisnis yang dilakukan secara otomatis dan semiotomatis dengan menggunakan sistem informasi komputer. Istilah yang pertama kali
diperkenalkan oleh Lou Gerstner, seorang CEO perusahaan IBM ini, sekarang merupakan bentuk kegiatan bisnis
yang dilakukan dengan menggunakan teknologi Internet. E-bisnis memungkinkan suatu perusahaan untuk berhubungan dengan sistem pemrosesan data internal dan eksternal mereka secara lebih esien dan eksibel. E-bisnis juga
banyak dipakai untuk berhubungan dengan suplier dan mitra bisnis perusahaan, serta memenuhi permintaan dan
melayani kepuasan pelanggan secara lebih baik.
Dalam penggunaan sehari-hari, e-bisnis tidak hanya menyangkut e-dagang (perdagangan elektronik atau e-commerce)
saja. Dalam hal ini, e-dagang lebih merupakan sub bagian dari e-bisnis, sementara e-bisnis meliputi segala macam
fungsi dan kegiatan bisnis menggunakan data elektronik, termasuk pemasaran Internet (e-pemasaran). Sebagai bagian dari e-bisnis, e-dagang lebih berfokus pada kegiatan transaksi bisnis lewat www atau Internet. Dengan menggunakan sistem manajemen pengetahuan, e-dagang mempunyai goal untuk menambah revenu dari perusahaan [1]
.
Sementara itu, e-bisnis berkaitan secara menyeluruh dengan proses bisnis termasuk value chain: pembelian secara
elektronik (electronic purchasing), manajemen rantai suplai (supply chain management), pemrosesan order elektronik,
penanganan dan pelayanan kepada pelanggan, dan kerja sama dengan mitra bisnis. E-bisnis memberi kemungkinan
untuk pertukaran data di antara satu perusahaan dengan perusahaan lain, baik lewat web, Internet, intranet, extranet
atau kombinasi di antaranya.

26.1 Referensi
[1] Paul Timmers, (2000), Electronic Commerce - strategies & models for business-to-business trading, pp.31, John Wiley &
Sons, Ltd, ISBN 0-471-72029-1

26.1.1

Wikibooks

E-dagang dan e-bisnis (E-Commerce and E-Business)

108

Bab 27

Perdagangan elektronik
Perdagangan elektronik (bahasa Inggris: electronic commerce atau e-commerce) adalah penyebaran, pembelian,
penjualan, pemasaran barang dan jasa melalui sistem elektronik seperti internet atau televisi, www, atau jaringan
komputer lainnya. E-commerce dapat melibatkan transfer dana elektronik, pertukaran data elektronik, sistem manajemen inventori otomatis, dan sistem pengumpulan data otomatis.
Industri teknologi informasi melihat kegiatan e-commerce ini sebagai aplikasi dan penerapan dari e-bisnis (e-business)
yang berkaitan dengan transaksi komersial, seperti: transfer dana secara elektronik, SCM (supply chain management), pemasaran elektronik (e-marketing), atau pemasaran online (online marketing), pemrosesan transaksi online
(online transaction processing), pertukaran data elektronik (electronic data interchange /EDI), dll.
E-commerce merupakan bagian dari e-business, di mana cakupan e-business lebih luas, tidak hanya sekadar perniagaan tetapi mencakup juga pengkolaborasian mitra bisnis, pelayanan nasabah, lowongan pekerjaan dll. Selain
teknologi jaringan www, e-commerce juga memerlukan teknologi basisdata atau pangkalan data (databases), surat
elektronik (e-mail), dan bentuk teknologi non komputer yang lain seperti halnya sistem pengiriman barang, dan alat
pembayaran untuk e-dagang ini.

27.1 Sejarah dan Perkembangan E-Commerce


E-commerce pertama kali diperkenalkan pada tahun 1994 pada saat pertama kali banner-elektronik dipakai untuk
tujuan promosi dan periklanan di suatu halaman-web (website). Menurut Riset Forrester, perdagangan elektronik
menghasilkan penjualan seharga AS$12,2 miliar pada 2003. Menurut laporan yang lain pada bulan oktober 2006
yang lalu, pendapatan ritel online yang bersifat non-travel di Amerika Serikat diramalkan akan mencapai seperempat
trilyun dolar US pada tahun 2011.
Istilah perdagangan elektronik telah berubah sejalan dengan waktu. Awalnya, perdagangan elektronik berarti pemanfaatan transaksi komersial, seperti penggunaan EDI untuk mengirim dokumen komersial seperti pesanan pembelian atau invoice secara elektronik.
Kemudian dia berkembang menjadi suatu aktivitas yang mempunyai istilah yang lebih tepat perdagangan web
pembelian barang dan jasa melalui World Wide Web melalui server aman (HTTPS), protokol server khusus yang
menggunakan enkripsi untuk merahasiakan data penting pelanggan.
Pada awalnya ketika web mulai terkenal di masyarakat pada 1994, banyak jurnalis memperkirakan bahwa e-commerce
akan menjadi sebuah sektor ekonomi baru. Namun, baru sekitar empat tahun kemudian protokol aman seperti
HTTPS memasuki tahap matang dan banyak digunakan. Antara 1998 dan 2000 banyak bisnis di AS dan Eropa
mengembangkan situs web perdagangan ini.

27.2 Model-Model E-Commerce di Indonesia


1. Iklan Baris, merupakan salah satu bentuk e-commerce yang tergolong sederhana, bisa dianggap sebagai evolusi
dari iklan baris yang biasanya ditemui di koran-koran ke dalam dunia online. Penjual yang menggunakan social
media atau forum untuk beriklan, biasanya tidak bisa langsung menyelesaikan transaksi pada website yang
109

110

BAB 27. PERDAGANGAN ELEKTRONIK


bersangkutan. Namun penjual dan pembeli harus berkomunikasi secara langsung untuk bertransaksi. Contoh
iklan baris: OLX.co.id (sebelumnya Tokobagus), Berniaga, dan FJB-Kaskus.

2. Retail, merupakan jenis e-commerce yang di mana semua proses jual-beli dilakukan melalui sistem yang sudah
diterapkan oleh situs retail yang bersangkutan. Oleh karena itu, kegiatan jual-beli di retail relatif aman, namun
biasanya pilihan produk yang tersedia tidak terlalu banyak, atau hanya fokus ke satu-dua kategori produk.
Contoh retail: Berrybenzka, Zalora, dan Lazada.
3. Marketplace, bisa dianggap sebagai penyedia jasa mall online, namun yang berjualan bukan penyedia website, melainkan anggota-anggota yang mendaftar untuk berjualan di website marketplace yang bersangkutan.
Marketplace umumnya menyediakan lapisan keamanan tambahan untuk setiap transaksi yang terjadi, seperti
sistem pembayaran escrow atau lebih umum dikenal sebagai rekening bersama. Jadi setiap terjadi transaksi di
dalam sistem marketplace tersebut, pihak marketplace akan menjadi pihak ketiga yang menerima pembayaran dan menjaganya hingga produk sudah dikirimkan oleh penjual dan diterima oleh pembeli. Setelah proses
pengiriman selesai, barulah uang pembayaran diteruskan ke pihak penjual.

27.3 Kunci Sukses dalam E-Commerce


Dalam banyak kasus, sebuah perusahaan e-commerce bisa bertahan tidak hanya mengandalkan kekuatan produk
saja, tapi dengan adanya tim manajemen yang handal, pengiriman yang tepat waktu, pelayanan yang bagus, struktur
organisasi bisnis yang baik, jaringan infrastruktur dan keamanan, desain situs web yang bagus, beberapa faktor yang
termasuk:
1. Menyediakan harga kompetitif
2. Menyediakan jasa pembelian yang tanggap, cepat, dan ramah.
3. Menyediakan informasi barang dan jasa yang lengkap dan jelas.
4. Menyediakan banyak bonus seperti kupon, penawaran istimewa, dan diskon.
5. Memberikan perhatian khusus seperti usulan pembelian.
6. Menyediakan rasa komunitas untuk berdiskusi, masukan dari pelanggan, dan lain-lain.
7. Mempermudah kegiatan perdagangan

27.4 Memulai Perdagangan Elekronik


Banyak pertanyaan yang masih mengganjal pada kebanyakan pelaku bisnis konvensional yang akan mengembangkan
bisnisnya melalui internet. Yang jelas pelaku bsinis utamanya akan mempertimbangkan untung-ruginya jika bisnis
dikembangkan melalui internet. Pertanyaan yang sering muncul misalnya seperti terangkum berikut ini:
Seberapa besar manfaat (keuntungan) yang diperoleh dari e-commerce ini?
Bagaimana aturan main atau prosedur bisnisnya?
Berapa lama akan berlangsung bisnis dengan cara ini?
Bagaimana dengan resiko yang terjadi
Siapa saja para konsumennya?
Bagaimana jaminan keabsahan dan perlindungan hukum dari transaksi perdangan ini?
Karena e-commerce bisa dilakukan dengan transaksi yang melampaui batas wilayah negara atau benua yang terkadang
kita tidak tahu tempatnya dan bisnis yang dilakukan tidak semata melakukan transaksi jual-beli barang tapi juga jasa.
Sungguh sangat riskan sekali terhadap permasalahan yang terjadi jika aturan main yang terjadi tidak jelas dalam
skala internasional. Ketika suatu perusahaan telah memutuskan untuk melakukan bisnis lewat internet, ini berarti
para eksekutif dalam perusahaan itu sendiri telah memikirkan bahwa manfaat yang didapat akan melebihi dibanding
dengan kendala yang akan dihadapi. Ini berarti bahwa pihak manajemen atas mengambil langkah strategi untuk
mewujudkan komitmen menggunakan perdangan lewat intenet untuk mencapai keunggulan yang strategis.

27.4. MEMULAI PERDAGANGAN ELEKRONIK

27.4.1

111

Sebagai penjual atau pedagang

Langkah awal bagi penjual atau pebisnis yang akan memulai bisnis melalui intenet daalah harus mempertimbangkan
betul apakah memang produk yang ditawarkan atau dijual memang perlu untuk dijual melalui intenet? perlu diperhitungkan juga siapa kira-kira konsumen yang akan menggunakan atau membeli produk yang dijual?, sehingga kita bisa
memprediksi laku tidaknya produk kita ketika ditawarkan melalui internet. Langkah kedua tentunya jika ditentukan
layak untuk membangun bisnis lewat intenet, harus segera dibangun web. Dalam membangun web ini kita tentukan
apakah kita perlu membangun sendiri desain web-nya, apakah perlu menyediakan sendiri infrastrukturnya atau kita
menyewa pada Intenet Service Provider (ISP) atau dengan mendompleng pada situs lain yang sudah memiliki pasar
yang terpercaya. Hal tersebut merupakan pertimbangan utama yang harus dijalankan saat memulai membangun
sebuah bsinis di internet. Para pengusaha kecil mungkin harus melihat jauh diluar ISP-nya untuk melihat solusisolusi bisnis yang murah. Contohnya, Forman interactive http://www.formanintraktive.com/ memberikan produk
Intenet creator seharga kurang dari AS$150. Software tersebut menggunakan beberapa wizard untuk menolong kita
membuat halaman web yang aman untuk menjual produk kita. Bahkan jika meletakkan halaman tersebut di server
Forman , mereka akan membantu menangani pembayaran melalui CheckFree http://checkfree.com/ . Contoh lain
adalah milik situs milik Yahoo yaitu http://store.yahoo.com/ yang akan memungkinkan kita untuk membangun sistus web untuk berintraksi melalui browser web di rumah kita. Yahoo akan berfungsi sebagai host, biaya disesuaikan
dengan julah barang yang di jual, yaitu AS$100/bulan untuk toko yang menjual 50 barang, AS$300/bulan untuk toko
dengan barang sampai 1000 barang.
Sebagai solusi lain, IBM mengemukakan versi terbaru dari Net Commerce untuk AS/400, yang lebih memudahkan pelanggan berskala kecil dan menengah untuk membangun, menjalankan dan mengelola toko elektroniknya di
server yang andal dan berpengaman (secure). IBM Net Commerce untuk AS/400 versi 3 mendukung lingkungan e-commerce dari bisnis ke bisnis dan dari bisnis ke konsumen. Net Commerce menyediakan solusi total, dari
pembuatan katalog dan situs sampai ke pemprosesn pembayaran dan pemenuhan pesanan (order fulllment). Pelanggan dapat menghubungkan situs web yang diciptakan menggunakan software server merchant Net Commerce
dengan sistem-sistem back-end, data korporat ataupun siste-sistem bisnis lainnya seperti Lotus Domino hanya satu
server AS/400. Kemampuan ini memungkinkan pelanggan mengintegrasikan tokko-toko online mereka dengan seluruh operasi binis mereka, sekaligus menambahkan kapabilitas email, kelompok diskusi, dan bulletin board ke situs
tersebut. Solusi ini mencakup Store Creation Wizard yang memungkinkan bisnis dengan membangun situs-situs komersial dengan membanru mengatur tampilan navigasi, shopping/buying ow', browsing, registrasi, check out, cara
pengiriman barang, perhitungan pajak penjualan, serta cara pembayaran. Selain itu tersedia IBM Peyment Server
yang memungkinkan pedagangmenerima bayaran dalam berbagai bentuk elektronik, termasuk dengan menggunakan
protokol SET ( Secure Electronik Transfer ). Sedangkan bagi perusahaan yang membangun sistem sebelumnya, IBM
memberikan solusi dengan software yang ada seperti Lotus Domino dan SAP R/3. IBM Net commerce, yang berbasis
DB2 Universal Database, adalah bagian dari keluarga WebSphere, sebuah produk server perdagangan (commerce)
yang menciptakan terobosan baru dengan mempermudah para pedagang dalam membangun toko-toko online nereka
dengan pengamanan, petani katalog cerdas (intelligent catalogue tools) dan akses ke banyak database.

27.4.2

Sebagai pembeli atau konsumen

Komisi perdagangan Amerika telah mempublikasikan tips-tips bagi konsumen yang berbelanja online yaitu :
kita harus bisa menemukan kebijakan privacy situs tersebut. Perusahaan tersebut harus memberitahukan konsumen informasi apa yang dikumpulkan,, bagimana menggunakanya dan apakah akan menjual/memberikan
informasinya kepada yang lain.
Simpanlah informasi pribadi kita. Berikan hanya kita tahu siapa yang mengumpulkannnya, mengapa dan
bagaimana akan digunakan.
Rahasiakan kata sandi kita.
Bayarlah dengan kartu kredit. Jika kita tidak mendapatkan barangnya, jangan bayar tagihan kartu kredit tersebut.
Periksalah kebijakan pengiriman dan pengembalian perusahaan tersebut.
Harus bisa meyakinkan bahwa transaksi pada situs tersebut aman (secure) sebelum kita melakakan pembelian.

112

BAB 27. PERDAGANGAN ELEKTRONIK

27.5 Masalah E-Commerce


1. Penipuan dengan cara pencurian identitas dan membohongi pelanggan.
2. Hukum yang kurang berkembang dalam bidang e-commerce ini.

27.6 Aplikasi bisnis


Beberapa aplikasi umum yang berhubungan dengan e-commerce adalah:
E-mail dan Messaging
Content Management Systems
Dokumen, spreadsheet, database
Akunting dan sistem keuangan
Informasi pengiriman dan pemesanan
Pelaporan informasi dari klien dan enterprise
Sistem pembayaran domestik dan internasional
Newsgroup
On-line Shopping
Conferencing
Online Banking/internet Banking
Product Digital/Non Digital
Online SEO

27.7 Perusahaan terkenal


Perusahaan yang terkenal dalam bidang ini antara lain: eBay, Amazon.com, dan PayPal. Bidang perdagangan elektronik di Indonesia sendiri mulai menggeliat sejak hadirnya usaha rintisan yang bergerak di bidang perdagangan
elektronik seperti Lazada, bukalapak, tokopedia.

27.8 Kecocokan barang


Ada beberapa barang yang cocok dijual secara elektronik seperti barang elektronik kecil, musik, piranti lunak, fotogra, dll. Barang yang tidak cocok seperti barang yang memiliki rasio harga dan berat yang rendah, barang-barang
yang perlu dibaui, dipegang, dicicip, dan lain-lain.

27.9 Lihat pula


M-dagang
L-dagang
Manajemen
Pemasaran
Pertukaran data elektronik

27.10. BACAAN LANJUTAN

113

27.10 Bacaan lanjutan


Chaudhury, Abijit & Jean-Pierre Kuilboer (2002), e-Business and e-Commerce Infrastructure, McGraw-Hill,
ISBN 0-07-247875-6
Seybold, Pat (2001), Customers.com, Crown Business Books (Random House), ISBN 0-609-60772-3

27.11 Pranala luar


(Inggris) US Today: More shoppers proceed to checkout online

Bab 28

Pemerintahan elektronik
Pemerintahan elektronik atau e-government (berasal dari kata Bahasa Inggris electronics government, juga disebut e-gov, digital government, online government atau dalam konteks tertentu transformational government) adalah penggunaan teknologi informasi oleh pemerintah untuk memberikan informasi dan pelayanan bagi warganya,
urusan bisnis, serta hal-hal lain yang berkenaan dengan pemerintahan. e-Government dapat diaplikasikan pada
legislatif, yudikatif, atau administrasi publik, untuk meningkatkan esiensi internal, menyampaikan pelayanan publik, atau proses kepemerintahan yang demokratis. Model penyampaian yang utama adalah Government-to-Citizen
atau Government-to-Customer (G2C), Government-to-Business (G2B) serta Government-to-Government (G2G).
Keuntungan yang paling diharapkan dari e-government adalah peningkatan esiensi, kenyamanan, serta aksesibilitas
yang lebih baik dari pelayanan publik.

28.1 Manfaat
Disamping prestasi pemerintah dalam penyelenggaraan pemerintah yang lebih baik sejak reformasi, tentunya penerapan e-government ini dapat memberikan tambahan manfaat yang lebih kepada masyarakat [1] :
1. Memperbaiki kualitas pelayanan pemerintah kepada para stakeholder-nya (masyarakat, kalangan bisnis, dan
industri) terutama dalam hal kinerja efektivitas dan esiensi di berbagai bidang kehidupan bernegara;
2. Meningkatkan transparansi, kontrol, dan akuntabilitas penyelenggaraan pemerintahan dalam rangka penerapan
konsep Good Governance di pemerintahan (bebas KKN);
3. Mengurangi secara signikan total biaya administrasi, relasi, dan interaksi yang # dikeluarkan pemerintah
maupun stakeholdernya untuk keperluan aktivitas sehari-hari;
4. Memberikan peluang bagi pemerintah untuk mendapatkan sumber-sumber pendapatan baru melalui interaksinya dengan pihak-pihak yang berkepentingan;
5. Menciptakan suatu lingkungan masyarakat baru yang dapat secara cepat dan tepat menjawab berbagai permasalahan yang dihadapi sejalan dengan berbagai perubahan global dan trend yang ada; dan
6. Memberdayakan masyarakat dan pihak-pihak lain sebagai mitra pemerintah dalam proses pengambilan berbagai kebijakan publik secara merata dan demokratis.

28.2 Pelaksanaannya di Indonesia


Di lihat dari pelaksanaan aplikasi e-government, data dari Depkominfo (2005) menunjukkan bahwa hingga akhir
tahun 2005 lalu Indonesia memiliki:[2]
564 domain go.id;
295 situs pemerintah pusat dan pemda;
114

28.3. KENDALA

115

226 situs telah mulai memberikan layanan publik melalui website;


198 situs pemda masih dikelola secara aktif.
Beberapa pemerintah daerah (pemda) memperlihatkan kemajuan cukup berarti. Bahkan Pemkot Surabaya sudah
mulai memanfaatkan egov untuk proses pengadaan barang dan jasa (e-procurement). Beberapa pemda lain juga
berprestasi baik dalam pelaksanaan egov seperti: Pemprov DKI Jakarta, Pemprov DI Yogyakarta, Pemprov Jawa
Timur, Pemprov Sulawesi Utara, Pemkot Yogyakarta,Pemkab Banyuasin, Pemkot Bogor, Pemkot Tarakan, Pemkab
Kebumen, Pemkab. Kutai Timur, Pemkab. Kutai Kartanegara, Pemkab Bantul, Pemkab Malang. Memperhatikan
berbagai kondisi pelaksanaan program e-gov seperti dibahas dalam di atas, maka langkah untuk merevitalisasi e-gov
Indonesia sudah tidak bisa ditunda lagi. Banyaknya dana yang sudah dihabiskan tidak sebanding dengan hasil yang
di peroleh. Namun pelaksanaan proses revitalisasi juga tidak bisa dilakukan dengan tergesa-gesa dan tanpa konsep
yang jelas.

28.3 Kendala
Salah satu kendala utama dalam pelaksanaan e-government adalah kurangnya ketersediaan infrastruktur telekomunikasi. Jaringan telepon masih belum tersedia di berbagai tempat di Indonesia. Biaya penggunaan jasa telekomunikasi
juga masih mahal. Harapan kita bersama hal ini dapat diatasi sejalan dengan perkembangan telekomunikasi yang
semakin canggih dan semakin murah. Kendala lainnya adalah masih banyaknya penyelenggara pelayanan publik
baik di pusat maupun daerah yang belum mengakomodir layanan publiknya dengan fasilitas internet. Terutama pada institusi pusat dengan unit pelaksana teknisnya dan juga dengan institusi lain dengan item pelayanan yang sama
(G2G= government to Government). Dengan kata lain hal ini belum terkoordinir dengan baik dan masih kuatnya
kepentingan di masing-masing sektor.

28.4 Referensi
[1] http://underground-paper.blogspot.com/2013/04/implikasi-penerapan-e-government.html
[2] http://www.majalaheindonesia.com/nop-des2005_1.htm

28.5 Pranala luar


Makalah Implikasi Penerapan E-Government di Indonesia
Encyclopedia of Digital Government. Edited by Ari-Veikko Anttiroiko and Matti Mlki. Idea Group Reference.
http://topics.developmentgateway.org/egovernment/rc/filedownload.do~{}itemId=396584

Bab 29

Tata kelola teknologi informasi


Tata kelola teknologi informasi (Bahasa Inggris: IT governance) adalah suatu cabang dari tata kelola perusahaan
yang terfokus pada sistem teknologi informasi (TI) serta manajemen kinerja dan risikonya. Meningkatnya minat pada
tata kelola TI sebagian besar muncul karena adanya prakarsa kepatuhan (seperti Sarbanes-Oxley di Amerika Serikat
dan Basel II di Eropa) serta semakin diakuinya kemudahan proyek TI untuk lepas kendali yang dapat berakibat besar
terhadap kinerja suatu organisasi.
Tema utama diskusi tata kelola TI adalah bahwa teknologi informasi tidak bisa lagi menjadi suatu kotak hitam.
Secara tradisional, penanganan pengambilan keputusan kunci di bidang teknologi informasi diberikan kepada para
profesional TI karena keterbatasan pengalaman teknis eksekutif lain di tingkatan direksi perusahaan serta karena
kompleksitas sistem TI itu sendiri. Tata kelola TI membangun suatu sistem yang semua pemangku kepentingannya, termasuk direksi dan komisaris serta pengguna internal dan bagian terkait seperti keuangan, dapat memberikan
masukan yang diperlukan untuk proses pengambilan keputusan. Hal ini mencegah satu pihak tertentu, biasanya TI,
disalahkan untuk suatu keputusan yang salah. Hal ini juga mencegah munculnya keluhan dari pengguna di belakang
hari mengenai sistem yang tak memberikan hasil atau kinerja sesuai yang diharapkan.

29.1 Bacaan lanjutan


Lutchen, M. (2004). Managing IT as a business : a survival guide for CEOs. Hoboken, N.J., J. Wiley., ISBN
0-471-47104-6
March J., Simon H., Organizations, Blackwell Publishers, 1993 (First ed. Wiley, 1958), ISBN 0-631-18631-X
Van Grembergen W., Strategies for Information technology Governance, IDEA Group Publishing, 2004, ISBN
1-59140-284-0

29.2 Pranala luar


The IT Governance Institute
Informations Systems Audit and Control Association
IT Infrastructure Library
ITIL and BS15000 Governance Forum
Australian Computer Society Governance of ICT Committee
IT Governance Network

116

Bab 30

Audit teknologi informasi


Audit teknologi informasi (Inggris: information technology (IT) audit atau information systems (IS) audit) adalah
bentuk pengawasan dan pengendalian dari infrastruktur teknologi informasi secara menyeluruh. Audit teknologi
informasi ini dapat berjalan bersama-sama dengan audit nansial dan audit internal, atau dengan kegiatan pengawasan
dan evaluasi lain yang sejenis. Pada mulanya istilah ini dikenal dengan audit pemrosesan data elektronik, dan sekarang
audit teknologi informasi secara umum merupakan proses pengumpulan dan evaluasi dari semua kegiatan sistem
informasi dalam perusahaan itu. Istilah lain dari audit teknologi informasi adalah audit komputer yang banyak
dipakai untuk menentukan apakah aset sistem informasi perusahaan itu telah bekerja secara efektif, dan integratif
dalam mencapai target organisasinya.

30.1 Pranala luar


(en) A career as Information Systems Auditor (Network Magazine)
(en) IT Auditing: An Adaptive Process
(en) Federal Financial Institutions Examination Council (FFIEC)
(en) Information Systems Audit & Control Association (ISACA)
(en) EC-Council

117

118

BAB 30. AUDIT TEKNOLOGI INFORMASI

30.2 Text and image sources, contributors, and licenses


30.2.1

Text

Sistem informasi Sumber: https://id.wikipedia.org/wiki/Sistem_informasi?oldid=11587460 Kontributor: *drew, Sanko, Borgx, Kembangraps, RobotQuistnix, Stephensuleeman, Borgxbot, IvanLanin, Hengki.s, Blizzard youkai, Thijs!bot, JAnDbot, Dragunova, Tunjungsekar, Albertus Aditya, VolkovBot, Willy2000, Loveless, SieBot, Aldo samulo, Hysocc, SilvonenBot, WikiDreamer Bot, Luckas-bot,
Ogive~idwiki, Ezagren, Xqbot, Rubinbot, Tjmoel, Adi2932, KamikazeBot, Dompusunggu, EmausBot, ZroBot, AABot, BioPupil, WikitanvirBot, MRFazry, MerlIwBot, Imanuel NS Uen, JohnThorne, Rachmat04, Makecat-bot, Bonaditya, Hatma suryotrisongko, Addbot,
Ganesha Ungel, Arif hidayat95, Ign christian, Sdkhadi, Hidayatsrf, Rachmat-bot, Andiraditya, Bagas Chrisara, Myoenoes750816 dan
Pengguna anonim: 82
Sistem informasi manajemen Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_manajemen?oldid=10489172 Kontributor: IvanLanin, Mimihitam, VolkovBot, SieBot, Aldo samulo, Hysocc, ArthurBot, Xqbot, TobeBot, Dinamik-bot, Bozky, TjBot, Kenrick95Bot,
ErikvanB, EmausBot, ZroBot, WikitanvirBot, MRFazry, Mihardifb2004yahoo, Eddy bf, Imanuel NS Uen, Gungmanik, Regifauzi,
AvocatoBot, Majilis, Makecat-bot, Bonaditya, Arin.wijaya, Roy Dhani, Ign christian, Afdan Rojabi dan Pengguna anonim: 30
Sistem informasi akuntansi Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_akuntansi?oldid=10421669 Kontributor: Hayabusa future, Borgx, Ciko, Borgxbot, Andri.h, -iNu-, Tunjungsekar, Aldo samulo, Kenrick95, Wagino 20100516, Pai Walisongo, Tsabitaqdam dan Pengguna anonim: 29
Sistem pendukung keputusan Sumber: https://id.wikipedia.org/wiki/Sistem_pendukung_keputusan?oldid=11356134 Kontributor: Hayabusa future, Borgx, Borgxbot, JAnDbot, VolkovBot, Aibot, Masgatotkaca, SieBot, Rmamuaya, Alecs.bot, Hysocc, Luckas-bot, Ptbotgourou, ArthurBot, Xqbot, EmausBot, WikitanvirBot, MerlIwBot, Bonaditya, Addbot dan Pengguna anonim: 7
Sistem informasi eksekutif Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_eksekutif?oldid=9997687 Kontributor: JohnThorne, Ign christian dan Eklima Nur Fatmala
Sistem pemrosesan transaksi Sumber: https://id.wikipedia.org/wiki/Sistem_pemrosesan_transaksi?oldid=9180933 Kontributor: CommonsDelinker, Andriana08 dan Sdkhadi
Manajemen hubungan pelanggan Sumber: https://id.wikipedia.org/wiki/Manajemen_hubungan_pelanggan?oldid=8380013 Kontributor: Borgx, RobotQuistnix, Ferry Zuljanna, IvanLanin, Jagawana, Andri.h, Thijs!bot, JAnDbot, Albertus Aditya, VolkovBot, Aibot,
TXiKiBoT, Loveless, SieBot, BOTarate, MelancholieBot, CarsracBot, Luckas-bot, Nallimbot, Ptbotgourou, ArthurBot, Xqbot, Alph
Bot, EmausBot, 23saputra, TuHan-Bot, ChuispastonBot, WikitanvirBot, Rezabot, Makecat-bot, Hanamanteo, Addbot, Fsantoso dan
Pengguna anonim: 8
Perencanaan sumber daya perusahaan Sumber: https://id.wikipedia.org/wiki/Perencanaan_sumber_daya_perusahaan?oldid=11336953
Kontributor: Bennylin, Rintojiang, Midori, Borgx, RobotQuistnix, Borgxbot, IvanLanin, Wiendietry, Jagawana, Andri.h, Ricky Setiawan, Gombang, Thijs!bot, JAnDbot, LaninBot, A tumiwa, Dragunova, Mimihitam, Idioma-bot, Albertus Aditya, VolkovBot, Ndrasen,
TXiKiBoT, Loveless, SieBot, AlleborgoBot, Sirihkuning, DragonBot, Alexbot, Faren, Hysocc, SilvonenBot, MelancholieBot, WikiDreamer Bot, BoisJoe, Luckas-bot, ArthurBot, Xqbot, Deng2002, D'ohBot, Tjmoel, KamikazeBot, Kenrick95Bot, VoteITP, EmausBot, Iwan Novirion, Adji Kasrinandi, RaymondSutanto, AABot, Vidal~idwiki, PiRSquared17, ArdBot, MerlIwBot, Siblibusro, Majilis,
Sony.rachmadi, Satriyo na, Marianskie, BeeyanBot dan Pengguna anonim: 88
Manajemen pengetahuan Sumber: https://id.wikipedia.org/wiki/Manajemen_pengetahuan?oldid=11506318 Kontributor: Bennylin,
Borgxbot, IvanLanin, GilliamJF, Thijs!bot, JAnDbot, Idioma-bot, VolkovBot, TXiKiBoT, SieBot, BodhisattvaBot, Hysocc, CarsracBot,
Dede2008, Luckas-bot, Xqbot, EmausBot, ZroBot, ChuispastonBot, WikitanvirBot, AkhmadGuntar, Averus Kurniawan, Botrie, Ayu
Dini Putri, Ign christian dan Pengguna anonim: 10
Sistem informasi geogras Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_geografis?oldid=11400616 Kontributor: Robbot,
Meursault2004, Acuss, Hayabusa future, Roscoe x, Quistnix, Borgx, RobotQuistnix, YurikBot, Borgxbot, Httsan, Abi26, Jagawana, Ricky
Setiawan, Thijs!bot, JAnDbot, A tumiwa, CommonsDelinker, Idioma-bot, VolkovBot, TXiKiBoT, Masgatotkaca, BotMultichill, SieBot,
Quicchote, Srdananjaya, DragonBot, BOTarate, BodhisattvaBot, Hysocc, SpBot, Luckas-bot, Zen04, Xqbot, Rubinbot, Member~idwiki,
ButkoBot, Tjmoel, Dinamik-bot, EmausBot, RaymondSutanto, Sazutsu, WikitanvirBot, MerlIwBot, Philip Sugianto, Satria Soeditomo,
Denny eR Ge, Zikriaulio, Addbot, Paper underground, Abex888, Bona Kartono, Rip sbull, BeeyanBot, Rachman227 dan Pengguna
anonim: 42
Sistem manajemen sumber daya manusia Sumber: https://id.wikipedia.org/wiki/Sistem_manajemen_sumber_daya_manusia?oldid=
11454350 Kontributor: Hayabusa future, Borgx, Jazle, Borgxbot, IvanLanin, VolkovBot, Relly Komaruzaman, EmausBot, AABot, MerlIwBot, Ign christian dan Pengguna anonim: 4
Algoritma Sumber: https://id.wikipedia.org/wiki/Algoritma?oldid=11480460 Kontributor: Meursault2004, AutoHumanTranslation, Nikai, Roscoe x, Kisti, Rintojiang, Quistnix, Borgx, Kembangraps, RobotQuistnix, Sentausa, Chobot, YurikBot, Wongiseng, Borgxbot,
IvanLanin, Jagawana, Escarbot, Thijs!bot, LaninBot, TottyBot, Reindra, Mimihitam, Albertus Aditya, VolkovBot, TXiKiBoT, Masgatotkaca, Loveless, SieBot, AlleborgoBot, PipepBot, Synthebot, BOTarate, Darkicebot,
robot, SilvonenBot, MelancholieBot, WikiDreamer Bot, HerculeBot, Luckas-bot, Ptbotgourou, Relly Komaruzaman, ArthurBot, Xqbot, GhalyBot, ArdWar, BenzolBot, Tjmoel,
TobeBot, KamikazeBot, Sulhan, TjBot, Alph Bot, Kenrick95Bot, EmausBot, Ilham151096, JackieBot, Hadz Jazuli Luth, ArdBot, ChuispastonBot, WikitanvirBot, Mjbmrbot, Akuindo, Wagino Bot, MerlIwBot, Mahali syarifuddin, Shadow Hawk, Rahmatdenas, Mr.Nice,
Pai Walisongo, Rachmat04, Denny eR Ge, Bonaditya, Judhyn, Addbot, Zahratul Rahmi, Idmahardika, Ign christian, Rachmat-bot, BeeyanBot dan Pengguna anonim: 24
Struktur data Sumber: https://id.wikipedia.org/wiki/Struktur_data?oldid=11350536 Kontributor: AutoHumanTranslation, *drew, Quistnix, Borgx, RobotQuistnix, Chobot, YurikBot, Borgxbot, IvanLanin, Thijs!bot, VolkovBot, TXiKiBoT, YonaBot, Loveless, SieBot,
AlleborgoBot, Alexbot, SilvonenBot, Luckas-bot, ArthurBot, Kevdave, Ezagren, Xqbot, FoxBot, EmausBot, ZroBot, Wagino 20100516,
WikitanvirBot, Manubot, MerlIwBot, Addbot, BeeyanBot dan Pengguna anonim: 11
Basis data Sumber: https://id.wikipedia.org/wiki/Basis_data?oldid=11534402 Kontributor: Robbot, Aurora, *drew, Sabilrd, Rintojiang, Borgx, RobotQuistnix, Sentausa, Chobot, RobotJcb, Gpvosbot, Borgxbot, Achmad Junus, IvanLanin, Zakiakhmad, Escarbot, Ricky
Setiawan, Farras, Thijs!bot, JAnDbot, A tumiwa, Dragunova, Lagibete, VolkovBot, Willy2000, TXiKiBoT, Hardikris, Loveless, Le Piedbot~idwiki, SieBot, Aldo samulo, BodhisattvaBot, Alecs.bot, CarsracBot, FiriBot, Luckas-bot, Relly Komaruzaman, Kevdave, Xqbot,

30.2. TEXT AND IMAGE SOURCES, CONTRIBUTORS, AND LICENSES

119

Rubinbot, Tjmoel, TobeBot, FoxBot, EmausBot, ZroBot, JackieBot, ChuispastonBot, Dhio270599, PT35Krista, Imanuel NS Uen, Pai
Walisongo, BagasAdi, AvocatoBot, Wirasniazaa, Dark azimuth, Rachmat04, BP31Angga, Ign christian, Rrdwnia, Arifys, Rachmat-bot,
BeeyanBot dan Pengguna anonim: 35
Gudang data Sumber: https://id.wikipedia.org/wiki/Gudang_data?oldid=10640728 Kontributor: RobotQuistnix, Borgxbot, IvanLanin,
Thijs!bot, Idioma-bot, VolkovBot, TXiKiBoT, Loveless, SieBot, BOTarate, Alecs.bot, MelancholieBot, Luckas-bot, ArthurBot, Xqbot,
FoxBot, EmausBot, Manubot, Momazzam dan Pengguna anonim: 2
Penggalian data Sumber: https://id.wikipedia.org/wiki/Penggalian_data?oldid=8855970 Kontributor: Bennylin, RobotQuistnix, Wic2020,
Borgxbot, IvanLanin, Thijs!bot, JAnDbot, Mimihitam, Idioma-bot, VolkovBot, TXiKiBoT, Loveless, SieBot, AlleborgoBot, SilvonenBot, MelancholieBot, CarsracBot, Luckas-bot, Ptbotgourou, Udufruduhu, TobeBot, MastiBot, EmausBot, AABot, JackieBot, Dhanysaputra, ChuispastonBot, WikitanvirBot, Yanu Tri, JThorneBOT dan Pengguna anonim: 3
Pusat data Sumber: https://id.wikipedia.org/wiki/Pusat_data?oldid=11533800 Kontributor: Andika, Bennylin, Borgx, Chobot, Borgxbot, IvanLanin, Serenity, Thedonz, Idioma-bot, VolkovBot, Njn~idwiki, Loveless, SieBot, Alexbot, Alecs.bot, Hysocc, Luckas-bot,
Wikitriple, Ptbotgourou, Relly Komaruzaman, ArthurBot, Xqbot, Merywaty, TjBot, EmausBot, AABot, RedBot, Ronny Wibowo, Leifnsn, Bodhost, Onlinesandeep, Praveenganore, Pravinganore dan Pengguna anonim: 8
Komputasi awan Sumber: https://id.wikipedia.org/wiki/Komputasi_awan?oldid=10317727 Kontributor: Hsbagyo, Borgxbot, Hariadhi,
IvanLanin, Escarbot, Gombang, Thijs!bot, TottyBot, Idioma-bot, VolkovBot, TXiKiBoT, Masgatotkaca, Loveless, SieBot, Aldo samulo, DragonBot, Alexbot, Darkicebot, Alecs.bot, Hysocc, SilvonenBot, MelancholieBot, Albambot, Luckas-bot, Amirobot, Billinghurst,
ArthurBot, Empu, Xqbot, SassoBot, Teddyamry, William Surya Permana, D'ohBot, Adeindarta, Dinamik-bot, TjBot, Alph Bot, Kenrick95Bot, EmausBot, Iwan Novirion, JackieBot, RedBot, WikitanvirBot, MRFazry, MerlIwBot, Eddy bf, Saatulihsan, SamJohnston,
Herwin.a, AvocatoBot, Andreas Sihono, Ferywardiyanto, Sagita Melati, Agung.C, DeDoHo, SamanthaPuckettIndo, Arry113131206,
113130181Ibrahim, 113131200Septian, 113134199Fauzan, Risqi 113134212, Panelrem, Ign christian, Zokisz, Kharisya Ayu dan Pengguna anonim: 18
Internet of Things Sumber: https://id.wikipedia.org/wiki/Internet_of_Things?oldid=10406101 Kontributor: Hariadhi, Hack87, Hysocc,
Kenrick95Bot, Irvan Ary Maulana, Rotlink, Hanamanteo, SamanthaPuckettIndo, Azmiathallah, IF-05-113131196, IF05113134209, IF05-113134193, IF05113134154, Akhmad.mizkat dan Pengguna anonim: 3
Big data Sumber: https://id.wikipedia.org/wiki/Big_data?oldid=11446214 Kontributor: Zakifath, Kevdave, Wagino Bot, Ibensis dan
Pengguna anonim: 1
Green computing Sumber: https://id.wikipedia.org/wiki/Green_computing?oldid=11472248 Kontributor: Hariadhi, Hysocc, ArdWar,
Hima fethus, SamanthaPuckettIndo, 113130195mutiarahns, IF05113130175, IF05113130185, IF37-05 113130214, BeeyanBot dan
Pengguna anonim: 3
E-Business Sumber: https://id.wikipedia.org/wiki/E-Business?oldid=7067776 Kontributor: Aurora, Borgx, Kembangraps, Borgxbot,
Masgatotkaca, Xqbot, EmausBot, JackieBot, MerlIwBot, PamelaCynthia, AvicBot, Botrie dan Pengguna anonim: 3
Perdagangan elektronik Sumber: https://id.wikipedia.org/wiki/Perdagangan_elektronik?oldid=11535743 Kontributor: Robbot, Aurora, Roscoe x, *drew, Bennylin, REX, Borgx, RobotQuistnix, YurikBot, Borgxbot, Jagawana, Ricky Setiawan, Farras, Gombang, Thijs!bot, JAnDbot, CommonsDelinker, Albertus Aditya, Yussochan, Masgatotkaca, Loveless, SieBot, Aldo samulo, Taman Renyah, Hysocc, Luckas-bot, Billinghurst, Relly Komaruzaman, Aris riyanto, Brendanlimn, ArthurBot, Sweater, Xqbot, ArdWar, BenzolBot, Tjmoel,
TobeBot, Hanstantra, Dinamik-bot, Agusseka, Akanglilue, Arisnb, Kenrick95Bot, EmausBot, ZroBot, 39Agung, RaymondSutanto,
Wagino 20100516, WikitanvirBot, Erickjonathanradja, StefanusRA, MerlIwBot, Grahita Indra Wimaya, Rahmatdenas, Imanuel NS
Uen, Eshaputra, Rezabot, Kwanmr, Pai Walisongo, Ichaljhe, Dhewas, Andreas Sihono, Muhraz, Yanu Tri, Bonaditya, Yudidarsono,
IreneGDN, Pancamocha, Luckyblibli, Hanamanteo, Arin.wijaya, SamanthaPuckettIndo, Senny Ferdian Ciu, Ezyridho, Rwpbsd, Asrobachtiar, Mardaridhovin, Ign christian, Growc, Idbisnis, Rrdwnia, Putra8888, Rachmat-bot, BeeyanBot, AH 27, Rifqiabidin dan
Pengguna anonim: 50
Pemerintahan elektronik Sumber: https://id.wikipedia.org/wiki/Pemerintahan_elektronik?oldid=9490351 Kontributor: Borgx, RobotQuistnix, Wic2020, Borgxbot, JAnDbot, VolkovBot, Aibot, Loveless, SieBot, AlleborgoBot, PipepBot, Mike.lifeguard, Herald~idwiki,
Luckas-bot, Ptbotgourou, ArthurBot, Xqbot, Kenrick95Bot, EmausBot, MUjA, WikitanvirBot, MerlIwBot, Denny eR Ge, Paper underground, Dina Oktavia dan Pengguna anonim: 6
Tata kelola teknologi informasi Sumber: https://id.wikipedia.org/wiki/Tata_kelola_teknologi_informasi?oldid=6753545 Kontributor:
Borgxbot, IvanLanin, VolkovBot, WikiDreamer Bot, Xqbot, BenzolBot, KamikazeBot, EmausBot, ZroBot, WikitanvirBot, Sayom dan
Pengguna anonim: 1
Audit teknologi informasi Sumber: https://id.wikipedia.org/wiki/Audit_teknologi_informasi?oldid=6610261 Kontributor: Borgxbot,
Thijs!bot, Masgatotkaca, BOTarate, SassoBot, Ver-bot, TjBot, MastiBot, EmausBot, JackieBot dan WikitanvirBot

30.2.2

Images

Berkas:Alan_Turing.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/5/57/Alan_Turing.jpg Lisensi: CC BY 2.0 Kontributor: Alan Turing Pembuat asli: Jon Callas from San Jose, USA
Berkas:Broom_icon.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/2/2c/Broom_icon.svg Lisensi: GPL Kontributor:
http://www.kde-look.org/content/show.php?content=29699 Pembuat asli: gg3po (Tony Tony), SVG version by User:Booyabazooka
Berkas:Cloud_computing-id.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/e/eb/Cloud_computing-id.svg Lisensi: Public domain Kontributor: Cloud computing.svg Pembuat asli:
English version: Sam Johnston (Cloud computing.svg)
Berkas:Commons-logo.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/4/4a/Commons-logo.svg Lisensi: Public domain Kontributor: This version created by Pumbaa, using a proper partial circle and SVG geometry features. (Former versions used to be
slightly warped.) Pembuat asli: SVG version was created by User:Grunt and cleaned up by 3247, based on the earlier PNG version, created
by Reidab.

120

BAB 30. AUDIT TEKNOLOGI INFORMASI

Berkas:Computer.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/d/d7/Computer.svg Lisensi: Public domain Kontributor: The Tango! Desktop Project Pembuat asli: The people from the Tango! project
Berkas:Crystal_Clear_app_xmag.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/e/ec/Crystal_Clear_app_xmag.svg
Lisensi: LGPL Kontributor:
Crystal_Clear_app_xmag.png Pembuat asli: Crystal_Clear_app_xmag.png: Everaldo Coelho and YellowIcon
Berkas:Disposable_RFID_tag_used_for_race_timing.png Sumber: https://upload.wikimedia.org/wikipedia/commons/2/23/Disposable_
RFID_tag_used_for_race_timing.png Lisensi: Public domain Kontributor: Transferred from en.wikipedia to Commons by Liftarn using
CommonsHelper. Pembuat asli: Tomkarlo di Wikipedia bahasa Inggris
Berkas:Edit-clear.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/f/f2/Edit-clear.svg Lisensi: Public domain Kontributor: The Tango! Desktop Project Pembuat asli: The people from the Tango! project
Berkas:Euclid{}s_algorithm_Book_VII_Proposition_2_2.png Sumber: https://upload.wikimedia.org/wikipedia/commons/8/89/Euclid%
27s_algorithm_Book_VII_Proposition_2_2.png Lisensi: CC BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey
Berkas:Euclid{}s_algorithm_Inelegant_program_1.png Sumber: https://upload.wikimedia.org/wikipedia/commons/4/49/Euclid%
27s_algorithm_Inelegant_program_1.png Lisensi: CC BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey
Berkas:Euclid{}s_algorithm_structured_blocks_1.png Sumber: https://upload.wikimedia.org/wikipedia/commons/4/44/Euclid%27s_
algorithm_structured_blocks_1.png Lisensi: CC BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey
Berkas:Euclid_flowchart_1.png Sumber: https://upload.wikimedia.org/wikipedia/commons/d/d3/Euclid_flowchart_1.png Lisensi: CC
BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey
Berkas:Euclids-algorithm-example-1599-650.gif Sumber: https://upload.wikimedia.org/wikipedia/commons/e/e1/Euclids-algorithm-example-1599-650.
gif Lisensi: CC BY-SA 3.0 Kontributor: Karya sendiri Pembuat asli: Swfung8
Berkas:Floridaserversfront1.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/5/54/Floridaserversfront1.jpg Lisensi: Public domain Kontributor: No machine-readable source provided. Own work assumed (based on copyright claims). Pembuat asli: No
machine-readable author provided. SolarKennedy~commonswiki assumed (based on copyright claims).
Berkas:GvSIG_-_GIS.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/3/33/GvSIG_-_GIS.jpg Lisensi: CC BY 2.5
Kontributor: Karya sendiri Pembuat asli: Emilio Gmez Fernndez
Berkas:Internetofthingsmap.png Sumber: https://upload.wikimedia.org/wikipedia/id/6/68/Internetofthingsmap.png Lisensi: Penggunaan wajar Kontributor: ? Pembuat asli: ?
Berkas:Merge-arrow.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/a/aa/Merge-arrow.svg Lisensi: Public domain
Kontributor: ? Pembuat asli: ?
Berkas:Nuvola_apps_mycomputer.png Sumber: https://upload.wikimedia.org/wikipedia/commons/0/0f/Nuvola_apps_mycomputer.
png Lisensi: LGPL Kontributor: http://icon-king.com Pembuat asli: David Vignoni / ICON KING
Berkas:Question_book-4.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/6/64/Question_book-4.svg Lisensi: CC-BYSA-3.0 Kontributor: Created from scratch in Adobe Illustrator. Originally based on Image:Question book.png created by User:Equazcion.
Pembuat asli: Tkgd2007
Berkas:Question_book-new.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/9/99/Question_book-new.svg Lisensi: CCBY-SA-3.0 Kontributor: Transferred from en.wikipedia to Commons. Created from scratch in Adobe Illustrator. Based on Image:
Question book.png created by User:Equazcion Pembuat asli: Tkgd2007
Berkas:Silk_Workers.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/8/8b/Silk_Workers.jpg Lisensi: CC BY 2.0 Kontributor: Flickr Pembuat asli: Andrew Hitchcock
Berkas:Sorting_quicksort_anim.gif Sumber: https://upload.wikimedia.org/wikipedia/commons/6/6a/Sorting_quicksort_anim.gif Lisensi: CC-BY-SA-3.0 Kontributor: originally upload on the English Wikipedia Pembuat asli: Wikipedia:en:User:RolandH
Berkas:Taggingprozess.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/6/65/Taggingprozess.jpg Lisensi: CC-BY-SA3.0 Kontributor: http://mobile-tagging.blogspot.com Pembuat asli: Marvin Hegen
Berkas:UPC-A-036000291452.png Sumber: https://upload.wikimedia.org/wikipedia/commons/5/5d/UPC-A-036000291452.png Lisensi: Public domain Kontributor: http://www.barcoderobot.com/upc-a/036000291452/ Pembuat asli: barcoderobot.com
Berkas:Viegas-UserActivityonWikipedia.gif Sumber: https://upload.wikimedia.org/wikipedia/commons/6/69/Viegas-UserActivityonWikipedia.
gif Lisensi: CC BY 2.0 Kontributor: User activity on Wikipedia Pembuat asli: Fernanda B. Vigas
Berkas:Wikibooks-logo-en-noslogan.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/d/df/Wikibooks-logo-en-noslogan.
svg Lisensi: CC BY-SA 3.0 Kontributor: Karya sendiri Pembuat asli: User:Bastique, User:Ramac et al.
Berkas:Wiktionary-logo-en.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/f/f8/Wiktionary-logo-en.svg Lisensi: Public domain Kontributor: Vector version of Image:Wiktionary-logo-en.png. Pembuat asli: Vectorized by Fvasconcellos (bicara kontrib),
based on original logo tossed together by Brion Vibber

30.2.3

Content license

Creative Commons Attribution-Share Alike 3.0