PAPER SISTEM INFORMASI MANAJEMEN (SIM) – BUSINESS INTELLIGENT

SYSTEM (BIS)

Muhammad Azka Prasetya

1. PENDAHULUAN

Di era digital, semakin maraknya pemanfaatan data telah memaksa perusahaan untuk

memanfaatkan teknologi dan data dalam melakukan operasi bisnis. Dalam industry revolusi 4.0.,

peran data semakin penting dalam menentukan proses pembuatan keputusan dalam memuaskan

kepentingan konsumen. Big Data, misalnya, merupakan informasi-informasi yang signifikan bagi

perusahaan untuk mencapai konsumen dan mendesain strategi apa yang digunakan untuk mencapai

kelompok pembeli tersebut. Penggunaan data dan teknologi dalam strategi perusahaan merupakan

apa yang dapat disebut sebagai business intelligence.

Business intelligence system (BIS) merupakan sebuah sistem informasi (information system) yang

memfasilitasi proses business intelligence tersebut. Dalam BIS, aktivitas business intelligence

menggabungkan peran pengumpulan dan penyimpanan data serta knowledge management secara

analitik dalam menyajikan informasi internal yang lengkap untuk suatu proses pembuatan

keputusan (Negash, 2004). BIS memiliki peranan fungsi dalam memilah, menyimpan, dan

mengirimkan data untuk diterjemahkan menjadi informasi yang berguna pada proses pengambilan

keputusan,

Dalam revolusi industry 4.0., BIS merupakan sebuah sistem yang wajib dimiliki oleh sebuah

perusahaan. Di saat teknologi membantu perusahaan untuk mengetahui preferensi dan keinginan

konsumen, BIS membantu menyajikan informasi tentang pelanggan kepada perusahaan sehingga

perusahaan dapat mendesain strategi apa yang tepat untuk menggaet konsumen hingga eksekusi

strategi tersebut. Perkembangan teknologi membuat BIS semakin penting bagi perusahaan dalam

mendapatkan konsumen sebanyak-banyaknya untuk memastikan keberlangsungan perusahaan

dalam operasinya. Melalui perkembangan teknologi, penggunaan BIS tidak terbatas pada

perusahaan swasta saja namun juga lembaga pemerintahan.

2. TINJAUAN LITERATUR

2.1. Business Intelligence

Business Intelligence dapat didefinisikan sebagai proses analisis data, masa kini maupun historis,

dalam pengambilan keputusan dan peningkatan keuntungan perusahaan (OmniSci, n.d.). Dalam

business intelligence, data yang dikumpulkan akan diolah untuk disimpan dan dikirim ke

manajemen atas untuk mendesain strategi untuk meningkatkan pemasaran dan mengundang

konsumen. Melalui business intelligence, proses pengumpulan data yang penting bagi pembuatan

keputusan dapat berlangsung cepat sehingga suatu perusahaan dapat langsung menggunakan data

tersebut di saat diperlukan (Negash, 2004).

Menurut Bataweel (2015), karakteristik penting Business Intelligence dapat dibagi menjadi sebagai

berikut:

1. Proses data secara cepat dan bertahap apapun kapasitasnya

2. Keterikatan pada model factual dan mathematical dalam penyediaan keputusan yang reliable

3. Analisis aspek-aspek yang berpengaruh pada sebuah organisasi

4. Pengumpulan data secara progresif pada analisis sekuensial dalam menghasilan sebuah

solusi.

5. Penyimpanan data secara elektronik di gudang data

6. Implementasi online analytical processing (OLAP) dalam menjawab pertanyaan dan

mendukung pengambilan keputusan

7. Proses data mining untuk memilah data yang telah diinterpretasi dan dikumpulkan
 Gambar 1. Siklus Business Intelligence (Tan, 2015)

Adapun siklus aktivitas dalam Business Intelligence, seperti yang digambarkan oleh Tan (2015),

dapat dijelaskan sebagai berikut:

1. Analyze business requirements - Analisa persyaratan bisnis untuk kepentingan analisis

2. Design data model – Desain data model logis berdasarkan persyaratan bisnis dalam

menentukan informasi yang ingin dianalisis dan hubungan antar data

3. Design physical schema – Skema desain struktur data warehouse dan konten didalamnya

4. Build the data warehouse- Perwujudan fisik dari data warehouse

5. Create the Project Structure- Perwujudan metadata dan integrasinya ke dalam data

warehouse

6. Develop the BI Objects- Penyusunan objek dan tatap muka dalam business intelligence
 7. Administer and Maintain the Project- Memanajemen, memonitor, dan meningkatkan kinerja

business intelligence.

2.2 Business Intelligence System

Sistem yang memfasilitasi business intelligence dapat disebut sebagai Business Intelligence System

(BIS). BIS dapat didefinisikan sebagai sistem yang terdiri dari elemen organisasional dan teknikal

untuk menyajikan data yang memungkinkan analisis, penyimpanan, dan pelaporan dalam proses

pembuatan keputusan serta menyokong manajemen guna meningkatkan kinerja perusahaan (Trieu,

2016). BIS memiliki peranan fungsi dalam memilah, menyimpan, dan mengirimkan data historis

untuk diterjemahkan menjadi informasi yang berguna. Dalam BIS, aktivitas business intelligence

menggabungkan peran pengumpulan dan penyimpanan data serta knowledge management secara

analitik dalam menyajikan informasi internal yang lengkap untuk suatu proses pembuatan

keputusan (Negash, 2004).

Menurut Lloyd (2011), BIS mempunyai empat komponen utama yang dijabarkan dibawah ini:

1. Data warehouse- Data warehouse merupakan ‘gudang’ sistem yang menyimpan data dalam

jumlah besar untuk kemudian diproses dan dianalisa (David, 2020). Dalam data warehouse,

data disusun secara terorganisasi dan divalidasi sehingga memungkinkan analisa data

sebelum digunakan untuk pembuatan keputusan (Cody et al., 2002 ; Lloud, 2011). Data

warehouse dapat berwujud penyimpanan secara fisik maupun cloud yang mana dapat

meminimalisir kehilangan data.

2. ETL - Extract, Transform, and Load merupakan perangkat sistem yang mengekstrak data

untuk segera diolah dan dioptimasisasi untuk fungsi pelaporan dan analisis sebelum dikirim

ke data warehouse (“ETL: Extract Transform and Load”, n.d.). Menurut Lloyd (2011),

proses ekstrak data yang terjadi di ETL dapat dijelaskan sebagai berikut:

1) Extract – Data diambil dari satu maupun bermacam-macam sumber yang berbeda
 2) Transform – Perangkat mengubah data yang diekstrak untuk diubah menjadi data

yang kompatibel dengan data warehouse

3) Load – Data yang sudah diproses dimasukkan ke dalam data warehouse, yang mana

ETL akan memuat data warehouse tersebut,

3. OLAP – Online Analytical Processing (OLAP) merupakan sebuah perangkat dalam fungsi

pencarian data (data discovery) secara optimal dalam fungsi analisis dan perkiraan. Dalam

OLAP, proses pencarian data dilakukan secara optimal melalui penyusunan pertanyaan oleh

SQL secara otomatis (Olszak & Ziemba dalam Lloyd, 2011).

4. Data Mining – Data mining terdiri dari proses penyusunan pola, generalisasi, regularitas,

dan persyaratan dari suatu sumber data (Lloyd, 2011). Dalam data mining, dapat ditemukan

pola baru yang bersumber dari banyak data di database melalui algoritma untuk

mengekstrak informasi yang berarti (Bhojani & Bhatt, 2016).

3. METODOLOGI

Penelitian ini merupakan penelitian dengan metode deskriptif yang bertumpu pada tinjauan literatur.

Data penelitian ini melalui data sekunder yaitu tinjauan atas implementasi SIMPONI pada suatu

jurnal berjudul Pemanfaatan Business Intelligence SIMPONI Dalam Memonitor Realisasi

Penerimaan Negara Bukan Pajak yang ditulis oleh Ernanto (2018).

4. STUDI KASUS BUSINESS INTELLIGENCE SIMPONI

4.1 Latar Belakang

Sistem Informasi PNBP Online (SIMPONI) adalah aplikasi pembayaran Penerimaan Negara Bukan

Pajak (PNPB) dan non anggaran berbasis web yang mengintegrasikan berbagai channel

pembayaran seperti teller, ATM, EDC, dan internet banking (“Aplikasi Simponi”, n.d.).
SIMPONI bekerja melalui perekaman data PNPB yang dimasukkan oleh wajib bayar di website

SIMPONI (www.simponi.kemenkeu.go.id.). Data yang dimasukkan kemudian diubah menjadi kode

pembayaran dan informasi yang membantu wajib bayar untuk membayar billing tersebut dalam

format Nomor Transaksi Penerimaan Negara (NTPN) (Ernanto, 2018). Mekanisme pembayaran

dalam SIMPONI dapat dilihat dalam Gambar 2 dibawah.

Gambar 2. Mekanisme pembayaran PNPB melalui SIMPONI (Direktorat PNPB, 2017)

Melihat dari sifat alamiah sistem informasi tersebut, pengembangan business intelligence SIMPONI

memiliki potensi dalam fungsi pengawasan realisasi PNPB secara efisien. Penelitian yang dilakukan

oleh Ernanto (2018) bermaksud untuk meneliti tingkat akurasi dalam pemanfaatan business

intelligence dalam menyajikan data PNPB secara komparatif dengan proses pelaporan oleh

Kementerian/Lembaga.

4.2 Business Intelligence di SIMPONI

Pemerintah menerapkan Business Intelligence pada SIMPONI untuk mengakomodir proses

pelaporan data secara efisien dan cepat demi memenuhi persyaratan PP No. 1 Tahun 2004 tentang

Tata Cara Penyampaian Rencana dan Laporan Realisasi Penerimaan Negara Bukan Pajak yang

mencantumkan laporan realisasi PNPB secara triwulanan wajib disampaikan paling lambat satu

bulan setelah triwulan yang bersangkutan berakhir. Business Intelligence SIMPONI, pada dasarnya,

merupakan database yang didesain untuk menyajikan data secara cepat, detil, dan dapat

disesuaikan.

Business Intelligence System pada SIMPONI merupakan sistem BI yang dikembangkan oleh

Oracle. Sistem BI milik Oracle memiliki fitur yang mendukung aktivitas BI seperti: Performance

Management Applications, Business Intelligence Foundation, Data Warehousing, Servers and

Storage Systems, Performance Management Applications, dan BI Applications (“Oracle BI

Review”, n.d.). Tampilan BI SIMPONI dapat dilihat pada Gambar 3 sebagai berikut:
 Gambar 3. Tampilan BI SIMPONI (Direktorat PNPB, 2017)

Seperti yang ditampilkan pada Gambar 3, SIMPONI memuat query berupa nominal, jenis PNBP,

akun yang terdaftar, organisasi, tariff pembayaran, waktu pembayaran, dan waktu pembuatan buku.

Data yang dihasilkan oleh BI SIMPONI berupa waktu pembayaran (terbagi menurut tahun, bulan,

atau tanggal), kode akun penerimaan, organisasi, realisasi PNBP, jenis mata uang, dan jenis PNBP.

Hasil penelitian yang dilakukan oleh Ernanto (2018) menunjukkan SIMPONI memiliki akurasi data

yang signifikan sesuai dengan realisasi PNBP yang dilaporkan. Pada data PNPB yang dilaporkan

BPOM dan Kemenpora, misalnya, BI SIMPONI menghasilkan akurasi data masing-masing sebesar

99% dan 99.9%. Tingkat akurasi sangat tinggi ini membuat BI SIMPONI dapat menjalankan fungsi

monitoring pada realisasi PNBP di kedua kementerian tersebut.

5. KESIMPULAN

Perkembangan teknologi telah memperpanjang penggunaan BIS, tidak hanya perusahaan swasta

saja tetapi juga lembaga pemerintahan untuk meningkatkan layanan pemerintahan (government

service) kepada publik. Pemanfaatan data merupakan hal yang penting dalam menentukan proses

pembuatan keputusan dalam strategi memenuhi kepentingan. Dari studi kasus implementasi BI

SIMPONI dalam realisasi penerimaan PNPB, dapat dipelajari bahwa sebuah BI juga harus didesain

untuk menghasilkan data yang real-time sehingga proses pengambilan keputusan tidak terinterupsi.

Melihat potensi keakuratan data di BI SIMPONI pada PNPB dari dua kementerian, terdapat

keperluan untuk memonitor keakuratan data pada data penerimaan pajak dari PNPB dari

kementerian lainnya. Hal ini menekankan pentingnya pemeliharaan sistem BIS dalam hal

keakuratan data.
REFERENCE

Aplikasi Simponi. (n.d.). Kementerian Keuangan Direktorat Jenderal Anggaran .

http://www.anggaran.kemenkeu.go.id/in/post/aplikasi-simponi

Bataweel, Dalal Suliman, "Business Intelligence: Evolution And Future Trends" (2015). Theses.
283.
https://digital.library.ncat.edu/theses/283

Bhojani, Shital & Bhatt, Nirav. (2016). Data Mining Techniques and Trends – A Review.

Cody, W.F., Kreulen, J.T., Krishna, V., & Spangler, W.S. (2002). The integration of business
intelligence and knowledge management. IBM Systems Journal, 41(4), 697-713.

David, M. (2020). How To Use Data Warehouses In Business Intelligence. Chartio.

https://chartio.com/learn/business-intelligence/how-to-use-data-warehouses-in-business-
intelligence/

Direktorat BNPB. (2017). Mekanisme Pembayaran PNPB Melalui SIMPONI [Image]. Direktorat
BNPB

Direktorat BNPB. (2017). Tampilan BI SIMPONI [Image]. Direktorat BNPB

Ernanto, Frenda. (2018). PEMANFAATAN BUSINESS INTELLIGENCE SIMPONI DALAM

MEMONITOR REALISASI PENERIMAAN NEGARA BUKAN PAJAK. JURNAL
MANAJEMEN KEUANGAN PUBLIK. 2. 47. 10.31092/jmkp.v2i1.205.

ETL: Extract Transform and Load. (n.d.). Logi Analytics.

https://www.logianalytics.com/resources/bi-encyclopedia/etl-extract-transform-load/#:~:text=In
%20business%20intelligence%2C%20an%20ETL,extract%2C%20transform%2C%20and%20load.

Lloyd, J. (2011). Identifying Key Components of Business Intelligence Systems And Their Role In
Managerial Decision making. University of Oregon
Negash, Solomon. (2004). Business Intelligence. Communications of the Association for
Information Systems. 13. 10.17705/1CAIS.01315.

Olszak, C.M., & Ziemba, E. (2006). Business intelligence systems in the holistic infrastructure
development supporting decision-making in organizations. Interdisciplinary Journal of Information,
Knowledge and Management, 1, 47- 58. doi:10.1.1.99.8329

Oracle BI Review. (n.d.). Compare Camp. https://comparecamp.com/oracle-bi-review-pricing-pros-

cons-features/

Tan, N.B.D. (2015). SDLC and BILC (Business Intelligence Life Cycle).
http://www.nicobudidarmawan.com/2015/04/sdlc-and-bilc-business-intelligence-life-cycle.html

Trieu, Van-Hau. (2016). Getting Value from Business Intelligence Systems: A Review and Research
Agenda. Decision Support Systems. 93. 10.1016/j.dss.2016.09.019.
Quayle, M. (2006). Purchasing and Supply Chain Management: Strategies and Realities.