JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
SURAKARTA
2015
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Decision Support System (DSS) memiliki arti dalam bahasa Indonesia adalah
sistem penunjang keputusan. Sistem Penunjan Keputusan/Decission Suport System
(DSS) adalah sebuah sistem informasi terkomputerisasi yang mendukung para pengambil
keputusan untuk mengambil sebuah keputusan berdasarkan data yang telah di analisa.
Sistem Penunjang Keputusan (DSS) digunakan untuk mengumpulkan data, membentuk
data dan menganalisa data, dan mengambil sebuah keputusan berdasarkan data atau
membangun sebuah strategi dari analisa data yang dilakukan (yang kemudian
ditampilkan dalam sebuah bentuk laporan), namun tidak mempengaruhi terhadap
komputer, basis data atau manusia penggunanya.
Suatu Sistem Penunjang Keputusan (DSS) yang dirancang adalah suatu sistem
berbasis perangkat lunak (software) yang dimaksudkan untuk membantu para pengambil
keputusan dalam mengkompilasi data mentah, dokumen, pengetahuan pribadi, dan/atau
model bisnis untuk mengidentifikasi dan memecahkan berbagai masalah dan mengambil
sebuah keputusan yang tepat.
Business Intelligence (BI) adalah sebuah teknik mencari, menggali, dan
menganalisis data bisnis, kemudian diolah menjadi informasi atau wawasan yang dapat
dijadikan bahan pertimbangan untuk mengambil keputusan. Hasil keluaran dari BI dapat
berupa representasi lampau, keadaan saat ini, maupun forecast asa depan dari suatu
bisnis.
Dewasa ini banyak sekali software DSS dan BI yang dapat digunakan, di antaranya
adalah D-Sight dan datapine. Baik D-Sight maupun datapine, telah digunakan secara
global oleh perusahaan maupun organisasi, meskipun keduanya masih terbilang
perusahaan atau startup yang masih muda. Lalu, apa saja fitur dan kelebihan yang
ditawarkan kedua produk tersebut sehingga banyak perusahaan tertarik menggunakan
software mereka? Oleh karena itu melalui makalah ini, Penulis akan menyajikan review
dan analisis mengenai kedua produk tersebut.
B. RUMUSAN MASALAH
1. Bagaimana review product DSS : D-Sight?
2. Bagaimana review product BI : datapine?
C. TUJUAN
1. Mengetahui review product DSS : D-Sight.
2. Mengetahui review product BI : datapine.
BAB II
ISI
A. REVIEW PRODUCT DECISION SUPPORT SYSTEM : D-SIGHT
1. Detail Produk D-Sight
a. Deskripsi Produk
D-Sight merupakan perusahaan muda dan tim inovatif yang terdiri dari para
marketer, developer, designer dan ahli pemecahan masalah secara kreatif, yang
berkeinginan dalam menghasilkan solusi software pembuat keputusan(decisionmaking) yang terbaik. Perusahaan ini berdiri pada tahun 2010, dengan kepala
cabang yang terletak pada Brussels di Belgia.
D-Sight membangun solusi software yang berbeda-beda dimana
keseluruhannya bertujuan mendukung perbedaan proses pengambilan
keputusan(decision making) yang kompleks. Keseluruhan produk didistribusikan
pada model Software as a Service(SAS). Produk ini digunakan dalam lingkup
industri yang luas seperti energi, sumber daya alam, kimia dan farmasi, NGO dan
publik, dan lain-lain. produk D-Sight yang kami gunakan adalah yang berjenis
web-based, versi trial.
D-Sight memiliki 3 buah produk unggulan yaitu sebagai berikut.
D-Sight Portofolio adalah platform Project Portofolio Management (PPM)
yang berfokus disekitar tahap awal pengambilan keputusan. D-Sight Portofolio
mengijinkan para user untuk melakukan:
Mengumpulkan dan memusatkan data untuk permintaan projek dan
membangun business-case
Memprioritaskan
proposal
projek
dan
mengevaluasi
pengurutan/penggolongannya
Mengalokasikan sumber daya untuk proposal yang mana menambah jumlah
yang paling banyak untuk organisasi, sehingga akan mengoptimalkan
portofolio projek.
D-Sight Sourching adalah platform perencanaan sumber daya untuk
menstandarisasi dan membenarkan proses pemilihan supplier.
D-Sight Collaborative Decision-Making(CDM) adalah software pengambil
keputusan yang menawarkan pendekatan terstruktur untuk keputusan
kelompok berbasiskan data.
Berikut ini merupakan daftar versi dan fitur yang dirilis selama tahun 2015.
2015-03-30: Version 4.10.2
D-Sight Portfolio: Fix bug when submitting a project request without filling all
fields
All versions: Fix an issue when requesting a report with ".pdf" in its name
All versions: Fix an issue when failing to modify a utility function
All versions: Fix an issue when requesting a non existing qualitative scale
D-Sight Portfolio: Fix bug with multiple "Next step" link on evaluation page
D-Sight Portfolio: Fix bug with long criteria names in transposed evaluation
table preventing to input values
All versions: Add timeout on long calculations to ensure that users are
informed in case of error
All versions: Update documentation
b. Profil Vendor
Nama
Industry
Founded
Headquarters
Website
D-Sight
Enterprise Software
2010
Brussels, Belgium
www.d-sight.com
Facebook
Twitter
Linkedin
D-Sight
https://www.facebook.com/DSight
@d_sight
https://twitter.com/d_sight
https://www.linkedin.com/company/d-sight
d. Sejarah Produk
D-Sight mengembangkan solusi perangkat lunak pengambilan keputusan
kolaboratif untuk membantu bisnis dan organisasi membuat keputusan yang lebih
baik dan lebih cepat. Quantin Hayez mendirikan D-Sight sebagai perusahaan spinoff dari Universit Libre de Bruxelles pada usia 25. Ia mengembangkan produk
pertama, D-Sight Desktop, saat bekerja sebagai peneliti di Teknik Komputer dan
Keputusan departemen universitas. Dia saat ini memimpin kegiatan penjualan dan
pemasaran D-Sight dan mengelola pengembangan produk.
Quantin mencakup tantangan kewirausahaan dan mencintai teknologi baru.
Tujuannya tidak hanya untuk mengubah D-Sight ke pemain nomor satu di ceruk
pasar ini, tetapi juga untuk meningkatkan seluruh dunia pengambilan keputusan.
Dari web www.eu-startups.com dijelaskan bahwa Startup yang berbasis di
Brussels D-Sight telah mengumpulkan lebih dari 1 juta euro dalam pendanaan.
Modal akan digunakan untuk melanjutkan pembangunan pengambilan keputusan
berbasis platform cloud D-Sight dan untuk penetrasi pasar Uni Eropa, fokus pada
Inggris dan Perancis.
Keberhasilan pendanaan D-Sight Seri A menunjukkan peningkatan minat
investor institusi dalam alat untuk mendukung data-driven pengambilan keputusan.
Alat umum pendukung keputusan D-Sight digunakan secara global oleh organisasi
termasuk UNESCO dan WTO. Perusahaan muda sudah melayani lebih dari 70
pelanggan di lebih dari 45 negara. D-Sight didirikan pada tahun 2010.Berikut
gambar beberapa logo perusahaan yang pernah menggunakan dan bekerjasama
dengan D-sight.
juga menyediakan simulasi jika salah satu atau beberapa kondisi kriteria diubah
dengan memberikan good enough solution. Termasuk ke dalam model predictive
karena D-Sight juga menyediakan what-if-analysis yang memungkinkan user untuk
melakukan analisis terhadap suatu pengembangan business process. Selain itu, DSight termasuk ke dalam Dynamic model karena kondisi parameter dapat diubah
ubah.
Metode analisis yang digunakan untuk mengambil keputusan :
MCDA
Metodelogi yang digunakan dalam platform-platform tersebut adalah MultiCriteria Decision Analysis(MCDA). Metode MCDA adalah metode yang
digunakan untuk menimbang faktor yang berpengaruh yang lebih dari satu dalam
proses pengambilan keputusannya. Metode ini mengintegrasikan informasi yang
kuantitatif dan kualitatif dan memungkinkan untuk membuat informasi daripada
murni intuitif.
AHP
Metode AHP dikembangkan oleh Thomas L. Saaty dan digunakan untuk
menyelesaikan masalah yang kompleks dalam situasi yang tidak terstruktur
menjadi bagian bagian komponen. Metode AHP merupakan pendekatan
pengambilan keputusan dengan multiple criteria yang disusun dalam struktur
hirarki (Saaty,1990). Kelebihan metode ini dibanding metode pengambilan
keputusan yang lain adalah metode AHP dapat menggunakan parameter kualitatif
dan kuantitatif.
What-if-analysis
What-if-analysis adalah metode terstruktur untuk menentukan hal hal apa yang
bisa salah dan menilai kemungkinan dan konsekuensi dari situasi yang terjadi.
Jawaban utnuk pertanyaan pertanyaan ini membentuk suatu dasar untuk
membuat penilaian dan menentukan tindakan yang tepat untuk antisipasi risiko
yang tidak dapat diterima.
Sensitivity analysis
Sensitivity analysis merupakan analisis yang dilakukan utnuk mengetahui akibat
dari perubahan parameter produksi terhadap perubahan kinerja dan hasil atau
keuntungan.
3. Contoh Skenario
Secara umum, tahap tahap dalam membuat keputusan menggunakan software DSight adalah.
Alternatives
Alternatives merupakan tahap paling awal. Pada tahap ini akan diinputkan
alternative pilihan-pilihan yang tersedia.
Criteria
Criteria merupakan tahap peng-inputan keriteria atau faktor-faktor yang
mempengaruhi dalam pembentukan keputusan.
Users
Users merupakan tahap pemberian hak akses penggunaan fitur yang ada pada
software D-Sight.
Weights
Weights merupakan tahap pemberian bobot kriteria peniliaian dalam bentuk
persentase.
Parameters
Parameters merupakan tahap pemberian parameter pada masing-masing kriteria.
Adapun beberapa bagian parameter yang dapat diubah-ubah adalah sebagai
berikut.
Type: Kolom ini merupakan jenis evaluasi yang akan digunakan untuk
mencetak alternatif. Anda dapat memilih antara membuat perbandingan
Berpasangan (metode PROMETHEE) atau menggunakan fungsi utilitas. Untuk
pengenalan singkat tentang cara kerjanya, silakan kunjungi halaman pengantar
pemodelan preferensi.
Function: (modus Berpasangan saja) ini menunjukkan fungsi preferensi
PROMETHEE yang terkait dengan kriteria.
Indifference Threshold: (modus Berpasangan saja): Hal ini menunjukkan
ambang ketidakpedulian fungsi preferensi.
Preference Threshold: (modus Berpasangan saja) ini menunjukkan ambang
preferensi fungsi preferensi.
Qualitative Scale: Secara default, skala kuantitatif (numerik). Anda dapat
menambahkan skala kualitatif baru dengan mengklik "Tambah Skala Kualitatif"
link di menu sebelah kiri.
Decimals: Anda dapat memilih jumlah desimal yang akan ditampilkan dalam
sel Evaluasi. Hal ini tidak relevan jika skala tidak Numerik.
Unit: Kolom ini merupakan unit kriteria. Sel ini mungkin kosong.
Evaluations
Evaluations merupakan tahap pemberian bobot nilai untuk keseluruhan kriteria
yang telah ditentukan sebelumnya.
Analysis
Analysis merupakan tahap menganalisa data yang telah dimasukkan. Pada tahap
ini data yang telah dianalisa akan ditampilkan. Data yang ditampilkan tersebut
dapat diubah-ubah secara langsung untuk mengetahui kemungkinankemungkinan yang ada. Pada tahap ini juga akan dijelaskan proses penilaian
keputusan yang dilakukan oleh aplikasi.
Contoh scenario yang kami buat adalah sistem penunjang keputusan untuk memilih
motor dengan mempertimbangkan lima parameter. Pertama tama, kita tentukan
terlebih dahulu alternatif pilihan motor. Ada 6 ilihan yang tersedia, yaitu Kawasaki
Pulsar 200NS, New Vixion Lighting, Honda CB150R, Satria FU 150, Honda CBR,
dan Honda Tiger Revo.
Pada tahap keduan, kita tentukan kriteria yang akan menjadi bahan pertimbangan
dalam mengambil keputusan. Kriteria yang dipilih adalah harga, konsumsi bahan
bakar, power, berat, dan torsi maksimum.
Pada tahap ketiga, menambahkan user yang terlibat dalam project. Ada beberapa jenis
user yang tugasnya seperti berikut.
Pada tahap keempat, memberi bobot pada setiap kriteria. Kami memakai normal
distribution, sehingga total jumlah bobot untuk ecology, performance, dan harga
adalah 100%.
Pada tahap kelima, mengatur kriteria parameter. Pada tahap ini setiap kriteria diberi
keterangan minimize atau maximize. Semakin rendah harga, maka semakin baik
(semakin dipilih), sehingga diberi keterangan minimize. Semakin besar power, maka
semakin baik, sehingga diberi keterangan maximize.
Pada tahap keenam, kita memasukkan data untuk setiap kriteria dan alternatif. Data
data tersebut kita peroleh dari berbagai situs sebagai berikut.
http://pertamax7.com/2014/12/23/honda-verza-paling-irit-bahan-bakar-all-new-cbr150r-palingboros-menurut-komparasi-otomotifnet/#more-251721
https://jurigkamera.wordpress.com/2013/07/12/perbandingan-harga-power-torsi-top-speeddan-konsumsi-bahan-bakar-kawasaki-bajaj-pulsar-200nsdengan-motor-sekelasnya/
http://otosister.com/harga-motor-honda/
http://www.kawasaki-motor.co.id/product-detail/pulsar-200ns-1#bigimg-2
http://ridertua.com/2011/02/09/daftar-tabel-top-speed-sepeda-motor-lengkap/
http://ridertua.com/2011/02/08/daftar-tabel-konsumsi-bbm-sepeda-motor-lengkap/
http://motorcomcom.blogspot.com/2014/03/harga-motor-satria-fu.html?m=1
https://rooveg.files.wordpress.com/2014/01/picture1.jpg?w=1675&h=707
Hasil :
Langkah terakhir, melihat hasil analisis D-Sight yang disajikan dalam bantuk grafik.
Dari gambar di atas, dapat kita ambil kesimpulan bahwa D-Sight menyarankan kita
untuk memilih Satria FU 150, karena mempunyai skor yang paling tinggi, yaitu 69,48.
Pada tahap ini kita juga dapat melakukan simulasi, ketika suatu keadaan berubah,
maka akan ditampilkan hasil yang berbeda pula.
pengurangan kehilangan air untuk kota Kampala dan membuat rencana strategis kami
sukses. "Harrison Mutekanga / UNESCO-IHE.
Salah satu perusahaan yang pernah bekerjasama adalah Ecorem S.A.
Perusahaan ini merupakan sebuah perusahaan independen, multidisiplin konsultasi
dan khusus dalam menangani berbagai aspek lingkungan. ECOREM S.A. didirikan
dan dikembangkan di sekitar pendekatan multidisiplin yang terintegrasi dan selalu
mencari solusi yang dibuat khusus untuk berbagai masalah. Amandine dHaese selaku
coordinator and team leader of the SEE project di perusahaan Ecorem S.A
mengatakan Dengan menggunakan D-Sight untuk penilaian lingkungan alternatif
proyek, kami mampu mengikuti proses secara otomatis, sehingga secara signifikan
mengurangi durasi analisis. Selain itu, alat visual memungkinkan kita untuk dengan
mudah berinteraksi dengan pengambil keputusan dan karena itu membantu mereka
memahami dan menerima hasilnya. D-Sight menyediakan dukungan nyata bagi
pengambilan keputusan yang memungkinkan kita untuk obyektif memilih pilihan
terbaik. Dari pendapat Amandine, jelas bahwa D-sight telah berhasil membantu
perusahaan Ecorem S.A. dalam mengatasi masalah dan menentukan solusi terhadap
masalah lingkungan.
Kerjasama dengan Ecorem menjadi salah satu study case untuk D-sight yang
diberi judul D-Sight's solutions for environmental studies. Dalam study case ini
menunjukkan bagaimana multi-kriteria analisis software dari D-sight yang digunakan
untuk mengukur luas jalur air yang menghubungkan Seine-Scheldt Timur di wilayah
Walloon Region. Ecorem memilih menggunakan solusi D-sight untuk melaksanakan
evaluasi dan perbandingan alternatif proyek karena banyaknya kriteria yang terlibat
dalam penilaian lingkungan. Hasil yang didapat Ecorem sangat terbantu dengan solusi
D-sight ini.
B. REVIEW PRODUCT BUSINESS INTELLIGENCE : DATAPINE
1. Detail Produk Datapine
http://www.datapine.com/
datapine
www.facebook.com/datapine
@datapine
Twitter
https://twitter.com/datapine
https://www.linkedin.com/company/datapine-businessanalytics
LinkedIn
https://plus.google.com/+Datapine/about
Google +
Datapine mempunyai dua founder yaitu, Jakob Rehermann dan Martin
Blumenau, yang keduanya bertindak sebagai managing partner.
Jakob Rehermann
Dengan pengalaman satu tahun dalam BI-driven consulting, Jakob menjadi otak di
balik datapine dan mengelola produk, strategi, dan hubungan dengan investor.
Martin Blumenau
Dalam mengelola penjualan dan pemasaran, Martin mengetahui segala hal baik di
dalam maupu di luar startup dan mendorong timnya untuk mendapat hasil yang
terbaik.
Web
Facebook
Menghubungkan database kurang dari 10 menit, dengan tidak ada restructuring atau
pun skema analytical database yang diminta.
Dengan mudah mengkombinasikan multiple datasources.
Membangun dan mengeksekusi multidimensional query tanpa membutuhkan stuktur
cube OLAP.
Memperbaiki wawasan Anda dengan data dari Google Analytics, sistem CRM,
maupun file CSV.
Data storage service
Memampukan Anda untuk mengakses database dari jarak jauh dengan kecepatan
tinggi.
Data warehouse datapine berjalan pada server yang kuat dan menggunakan teknologi
memori terbaru untuk pengolahan data yang cepat.
Privasi data adalah yang utama. Semua data disimpan di server dengan tingkat
keamanan yang tinggi, di server center Franfkurt am Main, Jerman.
Dengan lima keunggulan tersebut dilengkapi dengan fitur fitur lainnya,
sebagai salah satu tool Business Intelligence, datapine dapat digunakan oleh semua
perusahaan atau organisasi yang membutuhkan pengambilan keputusan bisnis.
Sebagaimana kita tahu, saat ini hampir semua perusahaan mempunyai data dan dari
data itulah perusahan dapat memperoleh banyak informasi yang bermanfaat bagi
kelangsungan bisnisnya. Ada beberapa bagian atau tim dalam perusahaan yang perlu
untuk mengimplementasikan datapine, seperti tim controlling, sales, marketing,
management, bahkan IT department. Dengan menganalisis data, perusahaan dapat
mengetahui informasi penting mengenai customer maupun segala hal mengenai
bisnisnya. Informasi tersebut kemudian dapat dijadikan bahan pertimbangan untuk
mengambil berbagai keputusan, misal keadaan atau lingkungan bisnis yang berubah,
tren yang baru, membuat inovasi untuk menarik lebih banyak pelanggan, dan lain
lain.
2. Hasil Analisis Produk Datapine
Bagaimana kaitannya dengan Managerial Support System (MSS)?
Kaitan Datapine dengan managerial support system (MSS) adalah Datapine
merupakan produk dari Business Intellegence. Business Intelligence memilki kaitan
dengan MSS yaitu untuk membantu dalam proses mengelola data. BI ada karena
pengambilan keputusan memerlukan data dari BI yang berasal daru kumpulan data
factual, data prencanaan, maupun data prediksi. BI dapat digunakan untuk mendukung
sejumlah besar keputusan bisnis mulai dari operasi sampai strategis. Keputusan
operasi termasuk penempatan dan harga produk. Keputusan strategis termasuk
prioritas, tujuan dan arah pada tingkat yang lebih luas.
Bagaimana kaitannya dengan bagaimana manusia membuat keputusan?
Dalam Pengambilan Keputusan dibagi menjadi tiga fase utama yaitu Fase
Intelligence, Fase Desain dan Fase choice dan ketiga fase ini berlaku untuk decision
making tools/decision maker. Berikut pejelasan ketiga fase tersebut :
Fase Intelligence ialah fase dimana decision maker/tools untuk menganalisa
masalah apa yang dihadapi dan pengumpulan data terkait masalah tersebut.
Fase Design adalah Fase decision maker/tool membuat pilihan alternative ataupun
model yang sesuai untuk memecahkan masalah.
Fase Choice adalah Fase dimana Decision maker untuk menentukan pilihan yang
sesuai yang berasalah dari model/alternative yang telah dibuat.(Turban, 2011).
Datapine membantu untuk membuat keputusan mulai dari fase Intelligence.
Datapine dapat mengumpulkan data dari berbagai sumber data yang berbeda,
kemudian mengintegrasikannya ke dalam satu dashboard yang dapat diakses di
manapun dan kapan pun. Data data ini pun disajikan dalam bentuk grafik atau table
yang interaktif. Hal ini memungkinkan pada decision maker untuk mengerti masalah
yang sebenarnya dihadapi.
Pada fase design, datapine membantu decision maker untuk membuat model
atau planning pemecahan masalah dengan menampilkan informasi yang mungkin
tersembunyi dari sejumlah besar data, melakukan evaluasi terhadap masa lampau,
masa sekarang, ataupun forecast terhadap masa depan. Dengan menggunakan
datapine, kita juga tidak perlu memahami SQL command. Kita dapat
mengoperasikannya hanya dengan drag and drop table / grafik.
Datapine telah menyajikan berbagai alternatif solusi dengan risiko yang
mungkin diakibatkan. Hal ini membuat decision maker dapat membuat keputusan
dengan lebih baik, dalam waktu yang lebih singkat, dan telah mempertimbangkan
berbagai risiko yang mungkin ada. Cara seperti ini akan jauh lebih efektif daripada
menggunakan cara trial and error atau pun sepenuhnya mengandalkan intuisi.
Bagaimana klasifikasi dari MSS tersebut, siapa yang termasuk MSS user dan
bagaimana MSS hardware-nya?
Dilihat dari klasifikasinya, dalam datapine termasuk ke dalam Analysis
Information System.
Dilihat dari segi user, dalam Datapine terdapat 2 user yaitu editor dan admin.
admin pada datapine merupakan user yang dapat mengontrol user lain, proyek, dll.
editor dapat membuat proyek dan mengedit proyek. Dilihat dari pola penggunaan
MSS pada usernya Datapine termasuk dalam pola terminal mode dimana pengambil
keputusan adalah user langsung dari sistem melalui akses online.
Dilihat dari hardware, Datapine sudah berbasis web jadi menurut Turban
Datapine telah masuk ke dalam klasifikasi distributed DSS yang memiliki
keuntungan dalam hal ketersediaan dan aksesnya terhadap data dan model di berbagai
lokasi.
Apa saja komponen yang ada dalam BI tersebut? Apa saja metode yang
digunakan dalam setiap komponen (jika ada)?
c. Dashboard
User dapat mengatur dashboard. Chart-chart yang ditampilkan merupakan hasil
analisa yang dilakukan pada menu analisa sebelumnya. Dashboard dapat
dikelompokkan sesuai kebutuhan dari user. User pun dapat menentukan yang
berhak untuk mengakses dashboard tersebut. Serta didukung oleh visualisasi chart
yang baik. Terdapat 11 bentuk visualisasi chart yang dapat ditampilkan yaitu
(Number, line, column, Bar, Spider web, Pie Table, Area, Stacked Column,
Stacked Column, Stacked bars, scatter Plot). Selain itu user juga dapat mengedit
dan mengatur tampilan dashboard (menambah chart, menambah text, menambah
gambar atau pun widget yang berupa garis)
Setiap blok tulisan/chart dapat diatur tampilan, posisi, ataupun melakukan
duplikasi.
Selain blok tulisan, blok chart juga dapat di ubah tampilannya ataupun diatur
kembali datanya.
3. Contoh Skenario
Pada suatu database suatu perusahaan yang memiliki database berisi catatan penjualan
di perusahaan tersebut. Database perusahaan tersebut memiliki 7 tabel yaitu :
Customer berisi data dari customer perusahaan tersebut, tabel customer ini
memliki 7 attribut (Age, Channel, City, Country, Customer Id, Name dan
Sign_up Date).
Logs berisi data log ketika customer melakukan akses ke web milik perusahaan
ini, tabel ini memiliki 4 attribut ( Customer ID, IP, LogsID dan Logs_Date).
Dari hasil analisa diatas dapat terlihat bagaimana suatu penjualan barang/product.
Secara lebih jelas untuk membaca diagram diatas dapat dibantu dengan tabel
dibawah ini :
Dari diagram spider web diatas dapat dilihat bagaimana penjualan tiap negara
memiliki angka yang berbeda. Pasar penjualan pada seluruh kategori produk
dikuasai oleh EU (Uni Eropa ), kedua oleh Amerika Utara dan terakhir Australia.
Juga dapat dilihat pada diagram produk apa yang paling menonjol disetiap negara
tersebut. Secara lebih jelas hubungan data pada diagram diatas ditampilkan pada
tabel dibawah ini :
Dilihat dari gambar diatas pada Quater 1 tahun 2013 Customer melakukan sign
up didasarkan oleh alasan dll (memiliki luas diagram yang lebih luas
dibandingkan yang lain). Dari digram tersebut decision maker dapat melihat hal
apa yang lebih menarik Customer untuk melakukan sign Up ke web Perusahaan
X. Data secara lengkap dapat dilihat pada tabel dibawah ini :
Berikut ini merupakan contoh study case dari client yang pernah menggunakan
datapine dan berhasil.
a. Lieferando
With its unique combination of scalability, ease-of-use and functionality, datapine
changed the way we analyze our data.
-Kai Hansen, Managing Director Lieferando-
BAB III
PENUTUP
A. KESIMPULAN
Dalam decision support-system yang paling harus diperhatikan adalah ketepatan
dalam kalkulasi, kecepatan dalam kalkulasi dan kemampuan visualiasi laporan yang
dihasilkan berdasarkan data yang telah diinputkan, keseluruhan hal tersebut telah
dimiliki oleh software D-Sight (CDM). Selain kemampuan tersebut D-Sight juga mudah
untuk dioprasionalkan.
Pada tahap analisis software D-Sight mempunyai fitur simulation yang mana
sangat membantu dalam proses mengetahui setiap kemungkinan yang ada. Pada tahap ini
pula diberikan beberapa pilihan analisis yang mana mampu digunakan untuk
membandingkan dari setiap alternative yang ada.
Pengerjaan pengambilan keputusan yang dibentuk dalam sebuah project yang dapat
diisi dengan beberapa orang mampu memberikan ruang bekerja sama dalam proses
mencapai sebuah keputusan. Dalam hal ini juga mampu membuat sebuah proses
pengambilan keputusan bisa menjadi lebih tertata dan sistematis.
Meskipun termasuk startup yang belum lama berdiri, datapine telah memperoleh
banyak pelanggan di seluruh dunia. Hal ini dikarenakan datapine memiliki fitur yang
lengkap, penggunaan yang mudah, dan hasil yang sangat membantu pada decision maker
untuk membuat keputusan bisnis. Bahkan, banyak pelanggan datapine memuji produk ini
karena hasil yang diperoleh maksimal, dengan mempertimbangkan biaya yang
dikeluarkan rendah, tetapi keuntungan yang diperoleh tinggi. Lima keunggulan datapine
antara lain terdapat dalam aspek data discovery, real-time monitoring, data sharing, setup
and connection, dan data storage service.
DAFTAR REFERENSI
1. Anonymous. (2015). D-Sight. http://en.wikipedia.org/wiki/D-Sight, 14 April 2015.
2. Anonymous. D-Sight. http://www.d-sight.com/, 14 April 2015
3. Thomas Ohr. (2014). D-Sight raises 1 million and plans European expansion.
http://www.eu-startups.com/2014/08/belgian-startup-d-sight-raises-e1m-and-planseuropean-expansion/, 14 April 2015.
4. Wang Eric. (2014). Advanced Analytics to Increase Your Efficiency When Making
Decisions D-Sight(CCE). https://www.youtube.com/watch?v=HpLjT6TKWpA, 14 April
2015
5. http://www.eu-startups.com/2014/08/belgian-startup-d-sight-raises-e1m-and-planseuropean-expansion/
Diakses pada tanggal 13 April 2015.
6. http://www.eventbrite.com/e/meet-the-innovators-d-sight-young-innovative-companyaward-winners-2012-tickets-5200853894
Diakses pada tanggal 13 April 2015.
7. http://www.slideshare.net/D-Sight/dsight-pitch-presentation
Diakses pada tanggal 14 April 2015.
8. http://www.d-sight.com/our-customers
Diakses pada tanggal 14 April 2015.
9. https://web.d-sight.com/cdm/en/pages/releases/history
Diakses pada tanggal 14 April 2015.
10. http://www.d-sight.com/industries/
11. Turban, Efraim Et All. Decision Support and Business Intelligence Systems, 9th edition.
2011. Prentice Hall.
12. https://neoindrayana.files.wordpress.com/2013/10/reviewbuku.pdf
Diakses pada tanggal 15 April 2015.
13. www.datapine.com
Diakses pada tanggal 13 April 2015.
14. http://www.datapine.com/customer-success-stories/lieferando
Diakses pada tanggal 14 April 2015.
15. http://www.datapine.com/customer-success-stories/customer-alliance
Diakses pada tanggal 14 April 2015.