SYSTEM (BIS)
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
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
2. TINJAUAN LITERATUR
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
Menurut Bataweel (2015), karakteristik penting Business Intelligence dapat dibagi menjadi sebagai
berikut:
2. Keterikatan pada model factual dan mathematical dalam penyediaan keputusan yang reliable
4. Pengumpulan data secara progresif pada analisis sekuensial dalam menghasilan sebuah
solusi.
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),
2. Design data model – Desain data model logis berdasarkan persyaratan bisnis dalam
3. Design physical schema – Skema desain struktur data warehouse dan konten didalamnya
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.
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
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
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
3) Load – Data yang sudah diproses dimasukkan ke dalam data warehouse, yang mana
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
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
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
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
pembayaran dan informasi yang membantu wajib bayar untuk membayar billing tersebut dalam
format Nomor Transaksi Penerimaan Negara (NTPN) (Ernanto, 2018). Mekanisme pembayaran
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.
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
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
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
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.
Direktorat BNPB. (2017). Mekanisme Pembayaran PNPB Melalui SIMPONI [Image]. Direktorat
BNPB
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
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.