EXECUTIVE INFORMATION SYSTEMS

(BUSINESS INTELLIGENCE)

DISUSUN OLEH:

SYAFIRA ALEYDA MAZAYA (20312378)

DHIRA AYU PUTRI AGUSTIN (20312382)

FATHIA ANNISA FAZENY (20312460)

JURUSAN AKUNTANSI

FAKULTAS BISNIS DAN EKONOMI

UNIVERSITAS ISLAM INDONESIA

YOGYAKARTA

2022/2023
DAFTAR ISI
BAGIAN I .................................................................................................................................................... 3

PENGANTAR ............................................................................................................................................. 3

1.1 Latar Belakang .................................................................................................................................. 3

1.2 Tujuan ................................................................................................................................................ 3

BAGIAN II .................................................................................................................................................. 4

PENJELASAN ............................................................................................................................................ 4

2.1 Pengertian Intelegensi Bisnis ........................................................................................................... 4

2.2 Tujuan dari Intelegensi Bisnis .......................................................................................................... 4

2.3 Metodologi Intelegensi Bisnis........................................................................................................... 4

2.4 Alat dari Intelegensi Bisnis ............................................................................................................... 5

2.5 Faktor-Faktor Kegagalan dan Kesuksesan Intelegensi Bisnis .................................................... 10

2.6 Intelegensi Bisnis dan SIstem Pendukung Keputusan ................................................................. 11

BAGIAN III ............................................................................................................................................... 13

KESIMPULAN ......................................................................................................................................... 13

REFERENSI .............................................................................................................................................. 14
 BAGIAN I

PENGANTAR
1.1 Latar Belakang
Executive Information System (EIS) atau Bisnis Intelligence (BI) dapat ditarik dari
perkembangan teknologi informasi yang semakin pesat dan tuntutan bisnis yang semakin
meningkat. Dengan menggunakan EIS atau BI, perusahaan dapat mengumpulkan,
mengintegrasikan, dan menganalisis data dari berbagai sumber untuk membantu manajemen
dalam membuat keputusan yang tepat dan strategis. Selain itu, EIS atau BI juga dapat
membantu perusahaan dalam mengoptimalkan kinerja operasional dan meningkatkan efisiensi
bisnis. Tidak hanya itu, EIS atau BI dapat membantu manajer dan eksekutif dalam memperoleh
informasi yang dibutuhkan untuk mengambil keputusan yang lebih tepat waktu dan lebih
berdasarkan data. Dengan EIS atau BI, manajer dan eksekutif dapat mengidentifikasi peluang
baru, menganalisis risiko, dan mengoptimalkan proses bisnis. Sistem ini dapat membantu
organisasi untuk meningkatkan efisiensi dan efektivitas bisnis, sehingga dapat memaksimalkan
keuntungan dan mengurangi biaya.
Dengan demikian, pemahaman yang mendalam tentang EIS atau BI akan membantu
organisasi untuk mengambil keputusan yang lebih tepat waktu dan lebih berdasarkan data,
sehingga dapat memaksimalkan keuntungan dan memperkuat keunggulan bisnis.

1.2 Tujuan
Makalah ini dibuat agar mengetahui bagaimana penerapan Executive Information System (Business
Intelligence). Di dalam makalah ini, kami juga memberikan metode, alat, karakteristik serta
implementasi dari Executive Information Systems (Business Intellegence) agar pembaca dapat lebih
memahami bagaimana proses kerja dari Executive Information Systems (Business Intellegence).
Tujuan lain dari makalah ini juga untuk memenuhi tugas kelompok yang diberikan oleh Bapak Dekar
Urumsyah, S.E., S.Si., M.Com., Ph.D. dalam mata kuliah Sistem Pengambilan Keputusan (SPK).
 BAGIAN II
PENJELASAN
2.1 Pengertian Intelegensi Bisnis
Menurut para ahli Intelegensi Bisnis sendiri memiliki beberapa pengertian, menurut
Zeng et al. (2006) menyatakan bahwa intelegensi bisnis merupakan proses pengumpulan,
perawatan dan penyebaran informasi yang memiliki tujuan tersendiri yaitu untuk membantu
mereka membuat keputusan bisnis yang lebih baik.

Menurut Stackowiak et al. (2007), Intelegensi binsis merupakan Sebagian proses

pengambilan data dalam jumlah besar, menganalisis data itu, dan menyajikan serangkaian
laporan tingkat tinggi yang memadatkan esensi data tersebut kedalam dasar tindakan bisnis,
memungkinkan manajemen membuat keputusan bisnis harian yang mendasar.

Menurut Cui et al. (2007) memandang intelegensi bisnis sebagai cara dan metode untuk
meningkatkan kinerja bisnis dengan memberikan bantuan bagi para pembuat keputusan untuk
memungkinkan mereka memiliki informasi yang dapat ditindaklanjuti.

2.2 Tujuan dari Intelegensi Bisnis

Tujuan dari intelegensi bisnis menurut Ranjan (2009) adalah untuk menunjukkan
(konsep, komponen, Teknik dan keuntungan intelegensi bisnis):

1. Kemampuan perusahaan
2. Kondisi pasar, trend masa depan, informasi demografis dan ekonomi.
3. Perubahan perilaku pelanggan dan pola pengeluaran pelanggan.
4. Lingkungan sosial, peraturan, dan politik.
5. Posisi perusahaan dibandingkan dengan para pesaingnya.
6. Apa yang dilakukan perusahaan lain di pasar.

2.3 Metodologi Intelegensi Bisnis

Tuncay dan Belgin (2014) menyatakan, bahwa metodologi intelegensi bisnis biasanya
digunakan untuk mencapai tujuan bisnis, yaitu meningkatkan kinerja organisasi dengan cara:
 • Kegiatan Pengukuran
Pada kegiatan pengukuran digunakan untuk menentukan metrik kinerja dan
menginformasikan manajer tentang kemajuan kinerja menuju tujuan bisnis. Kegiatan –
kegiatan ini merupakan bagian dari metodologi manajemen kinerja perusahaan yang
mencakup seperangkat alat seperti ortal, kartuskor atau dasbor.
• Kegiatan Analisis
Pada kegiatan analisis dilakukan untuk mengembangkan proses kuantiatif untuk
pengambilan keputusan yang potensial dan untuk melakukan penemuan pengetahuan
bisnis. Kegiatan ini melibatkan alat-alat seperti data mining, teknik analisis statistik yang
memprediksi atau memberikan langkah-langkah kepastian pada fakta, perkiraan, analitik
prediktif, pemodelan prediktif dan pemodelan proses bisnis.
• Kegiatan Pelaporan
Pada Kegiatan Pelaporan dilakukan untuk mengembangkan infrastruktur khusus untuk
melayani mekanisme pengambilan keputusan strategis suatu bisnis. Kegiatan ini
melibatkan alat-alat seperti visualisasi dan OLAP.
• Kegiatan Kolaborasi
Pada Kegiatan Kolaborasi ini menyediakan berbagai pihak untuk bekerja bersama melalui
bebrbagai data dan pertukaran data elektronik.
• Kegiatan Manajemen Pengetahuan
Pada Kegiatan Manajemen Pengetahuan membuat data bisnis didorong melalui strategi
dan praktik untuk mengidentifikasi, membuat, mewakili, mendistribusikan dan
memungkinkan adopsi pengalaman yang merupakan pengetahuan bisnis sejati.

2.4 Alat dari Intelegensi Bisnis

Fungsi dasar dari alat intelegensi bisnis dapat diringkas sebagai alat untuk
menyimpan, mengintegrasikan dan Menyusun data, permintaan informasi dan pelaporan.
OLAP (Outline Analytical Processing)

OLAP dapat didefinisikan sebagai analisis terprogram dari data warehouse atau
data mart untuk menghasilkan inteligensi bisnis yang dapat ditindaklanjuti untuk
memberikan pandangan atau ringkasan data bisnis dan digunakan untuk pelaporan,
analisis, pemodelan, dan perencanaan yang bertujuan untuk mengoptimalkan bisnis.

Berdasarkan gambar 2.3 maka dapat dijelaskkan tentang arsitektur OLAP, sebagai berikut:

1. Mengumpulkan data transaksi.

2. Setiap data transaksui akan ditransper ke kubus data OLAP.
3. Pada kubus data OLAP yang akan dipeoses atau di olah menjadi bentuk alat persentasi.
4. Dan pada alat persentasi itulah para pihak pengambil keputusan dapat melihat persentasi dari
setiap data transaksi yang yang sudah diolah di kubus OLAP.
 Data Mining

Data Mining telah dikembangkan untuk mengeksplorasi dan menganalisis data

dalam jumlah besar guna menemukan pola dan aturan yang bermakna dengan cara otomatis
atau semi otomatis. Data Mining digunakan untuk menemukan dan mengekstraksi
pengetahuan yang bermakna di data warehouse perusahaan yang dapat mendukung
keputusan bisnis. Data Mining adalah alat pelengkap Teknik analisis data lainnya seperti
statistic, OLAP, spreadsheet, dan akses data dasar. Data mining menemukan pola dan
hubungan dalam data dan dianggap sebagai tahap inti dari penemuan pengetahuan dalam
basis data.

Data Warehouse

Data Warehouse atau Gudang data adalah disiplin ilmu yang menghasilkan aplikasi
yang menyediakan kemampuan pendukung keputusan, memungkinkan akses yang siap ke
informasi bisnis, dan menciptakan wawasan bisnis dengan menggunakan penyimpanan
data tunggal, lengkap, dan konsisten yang diperoleh dari berbagai sumber, dioptimalkan
untuk distribusi dan tersedia bagi pengguna akhir dengan cara yang dapat mereka pahami
dan gunakan dalam konteks bisnis.

Karakteristik Data Warehouse

Berikut ini karakteristik dasardari Data Warehouse (Inmon, 2005):

• Berorientasi pada subyek, Orientasi subyek memungkinkan pengguna untuk menentukan

tidak hanya bagaimana kinerja bisnis mereka, tetapi juga mengapa.
• Tertintegrasi, Gudang data harus menempatkan data dari sumber yang berbeda ke dalam
format yang konsisten.
• Varian Waktu, Data tidak selalu memberikan status saat ini (kecuali dalam sistem waktu
nyata). Mereka mendeteksi tren, penyimpangan, dan hubungan jangka panjang untuk
perkiraan dan perbandingan, yang mengarah ke pengambilan keputusan. Setiap Gudang
Datamemiliki kualitas temporal. Waktu adalah salah satu dimensi penting yang harus
didukung oleh semua Gudang Data.
• Tidak mudah menguap, setelah data dimasukkan ke dalam gudang data, pengguna tidak
dapat mengubah atau memperbarui data.
 • Berbasis web, gudang data biasanya dirancang untuk menyediakan lingkungan komputasi
yang efisien, aplikasi berbasis web.
• Relasional/multidimensi, gudang data menggunakan struktur relasional atau struktur
multidimensi.
• Server klien, gudang data menggunakan arsitektur klien/server untuk menyediakan akses
mudah bagi pengguna akhir.
• Waktu sebenarnya, gudang data yang lebih baru menyediakan akses data dan kemampuan
analisis secara real-time atau aktif.
• Sertakan metadata, sebuah gudang data berisi metadata (data tentang data) tentang
bagaimana data diatur dan bagaimana menggunakannya secara efektif.

Perbedaan Karakteristik Data Warehouse traditional dan modern

Big Data

Menurut Koscielnakdan Puto (2015),Big Data merupakan sejumlah besar data tidak teratur, yang
dikumpulkan oleh berbagai jenis bisnis dan organisasi Negara; data ini termasuk kategori yang
berbeda, tidak teratur, tidak dikategorikan, sehingga sulit untuk menerapkannya dan, secara
bersamaan, digunakan dalam proses pengambilan keputusan.
Teknologi Big Data

Adapun penggunaan Big Data dalam perusahaan terdiri dari (Sun & Heller, 2012):

• IT logsAnalytics - penyimpanan Log jangka panjang, digunakan untuk analisa proses

sistem yang sedang berjalan untuk mencegah dan menanggulangi kegagalan dalam
sistem,menggunakan hasil analisa log untuk menemukan danmenentukan secara pasti
kegagalan apa yang terjadi didalamsistem, menyiapkan langkah-langkah pasti yang dapat
digunakan sebagai solusi masalah sistem.
• FraudDetectionPattern- banyak digunakan dalam bidang keuangan atau dimana saja
transaksi finansial terlibat, Memaksimalkan penggunaan data-data yang ada untuk
memberikan kemampuan untuk mendeteksi fraud Ketika transaksi sedang berlangsung.
• The Social Media Pattern- penggunaan Big Data untuk analisis media sosial dan sentimen
pelanggan, memberikan kemampuan bagi perusahan untuk mengetahui keinginan
customer secara luas, mendapatkan feedback secara langsung, dan mengenali langsung
dampak sentimen terhadap penjualan, serta efektivitas dan penerimaan pelanggan terhadap
pemasaran yang dilakukan.
• The Callcentre Mantra-penyimpanan hasil perbincangan atau laporan customer dalam
bentuk text yang kemudian digunakan sebagai data untuk analisa masalah yang dihadapi
Data Mart

Pada Data Mart dirancang untuk memfasilitasi analisis data pengguna akhir. Data mart
adalah kumpulan bidang studi yang diorganisir untuk mendukung keputusan berdasarkan
kebutuhan departemen tertentu. Data mart dapat mendukung fungsi bisnis tertentu, proses bisnis,
atau unit bisnis. Masing-masing departemen memiliki perangkat keras, perangkat lunak, data, dan
program yang merupakan data mart. Mirip dengan gudang data, data mart berisi data operasional
yang membantu para pakar bisnis untuk membuat strategi berdasarkan analisis tren dan
pengalaman masa lalu. Perbedaan utama adalah bahwa pembuatan data mart didasarkan pada
kebutuhan spesifik yang telah ditentukan.

ETL (Extraction Transformation Load)

Konsep ini merupakan seperangkat alat yang digunakan untuk mengekstrak, mengubah
dan memat data dalam sistem intelegensi bisnis. Alat-alat ini bertanggung jawab untuk mentransfer
data dari sistem dan internet ke Gudang data.

Hubungan Data Warehouse, Data Mining dan Big Data

Hubungan Data Warehouse, Data Mining dan Big Data, bahwa penambangan data (data
mining) untuk menghasilkan rekomendasi yang komprehensif dalam menunjang keputusan
strategis dapat dilakukan jika tersedia suatu Data Warehouse ataupun Big Data.

2.5 Faktor-Faktor Kegagalan dan Kesuksesan Intelegensi Bisnis

Faktor-Faktor Kegagalan dalam Tahap Inisiatif Intelegensi Bisnis Adapun faktor-faktor yang
sering menyebabkan kegagalan pada saat ingin berinisiatif merancang intelegensi bisnis adalah
sebagai berikut:

a. Kurang mengakui intelegensi bisnis sebagai inisiatif bisnis lintas organisasi dan tidak
memahami bahwa inisiatif lintas organisasi berbeda dari solusi mandiri.
b. Sponsor bisnis yang tidak terlibat atau sponsor bisnis yang memiliki sedikit atau tanpa
otoritas karena posisi level rendah mereka dalam organisasi.
c. Perwakilan bisnis yang tidak tersedia atau tidak bersedia.
d. Kurangnya staf yang terampil dan tersedia, serta pemanfaatan staf yang kurang optimal.
e. Tidak ada konsep rilis perangkat lunak (tidak ada metode pengembangan berulang).
 f. Tidak ada apresiasi terhadap dampak data kotor pada profitabilitas bisnis.
g. Tidak ada pemahaman tentang perlunya dan penggunaan meta data.

Faktor-Faktor Kegagalan dalam Tahap Awal Memulai Intelegensi Bisnis

Kegagalan dalam tahap awal memulai intelegensi bisnis juga sering dialami oleh pelaku bisnis.
Hal tersebut biasanya didasari karena:

a. Tampilan dalam sistem rumit dan tidak mudah digunakan.

b. Biaya kepemilikan terlalu tinggi.
c. Penyebaran dan pemeliharaan sulit.
d. Kurangnya infrastruktur yang dapat diperluas dan dapat diukur.
e. Data yang mendasarinya tidak bisa dipercaya.

Cara Meningkatkan Kesuksesan Intelegensi Bisnis

Masalah inti yang pelu ditangani untuk menigkatkan kinerja dan penerimaan inisiatif
intelegensi bisnis adalah sebagia berikut:

1. Menyelaraskan intelegensi bisnis dengan bisnis.

2. Intelegensi bisnis tidak boleh jika hanya didorong teknologi informasi.
3. Menjaga data dengan benar.
4. Gunakan metodologi proyek yang baik.
5. Menggabungkan intelegensi bisnis dengan alat pengukuran kinerja perusahaan lainnya.

2.6 Intelegensi Bisnis dan SIstem Pendukung Keputusan

Pada generasi berikutnya dari aplikasi DSS berkembang menjadi sistem intelegensi bisnis.
Aplikasi ini memberi pengguna kemampuan untuk dengan mudah mengekstraksi data dari satu
atau lebih sumber dan subjek yang berbeda. Sebagai contoh, pengguna dapat menelusuri laporan
laba rugi bergerak dari penjualan bersih kepenjualan dengan produk kepenjualan dengan
produk/wilayah dan akhirnya kepenjualan dengan produk/wilayah/pelanggan.

Penerapan Big Data dalam Intelegensi Bisnis

Perangkat lunak intelegensi bisnis modern biasanya menawarkan kemudahan bagi

pengguna, memungkinkan mereka untuk terhubung keberbagai sumber data, serta tampilan antar
muka bagi pengguna sederhana, membuat alat ini cocok untuk merancang, membuat,
menyebarkan dan mengelola big data di organisasi. Penggunaan dapat terhubung ke berbagai
sumber data, termasuk sistem seperti SAP, Hadoop, database NoSQL, platform Cloud dan gudang
data yang lebih konvensional. EIS atau BI dapat menyediakan informasi tentang kinerja bisnis, tren
pasar, pelanggan, dan operasi bisnis secara keseluruhan. Dengan EIS atau BI, manajer dan eksekutif dapat
mengidentifikasi peluang baru, menganalisis risiko, dan mengoptimalkan proses bisnis.
 BAGIAN III
KESIMPULAN

Executive Information System (EIS) atau Bisnis Intelligence (BI) merupakan teknologi
informasi yang dapat membantu perusahaan untuk mengumpulkan, mengintegrasikan, dan
menganalisis data dari berbagai sumber untuk membantu manajemen dalam membuat keputusan
yang tepat dan strategis. Terdapat beberapa alat dari Bisnis Intelligence (BI) yaitu OLAP, Data
Mining, Data Warehouse, Big Data, Data Mart, ETL. Tidak hanya alat yang digunakan dalam
penerapan teknologi informasi ini. terdapat juga karakteristik serta faktor-faktor yang
mempengaruhi kesuksesan dan kegagalan pada Executive Information Systems (Business
Intellegence).

Dengan demikian, pengetahuan tentang konsep, pemanfaatan dan aplikasi EIS atau BI
dalam konteks bisnis merupakan kontribusi penting dalam meningkatkan pemahaman dan
penggunaan teknologi informasi dalam konteks bisnis dan mempercepat pengambilan
keputusan yang tepat dan strategis. Tidak hanya itu, teknologi yang digunakan dalam EIS atau
BI, termasuk alat analisis data dan metode visualisasi yang digunakan untuk menghasilkan
informasi yang lebih akurat dan mudah dimengerti.
 REFERENSI
Dekar Urumsah (2020), Sistem Pendukung Keputusan Bisnis.

Turban Aronson Liang (2005), Decision Support Systems and Intelligent Systems, 7th Ed.

http://library.binus.ac.id/eColls/eThesisdoc/Bab2/BOL-S2-2016-
00087%20FILE%20TESIS%20Bab%20II.pdf

https://www.academia.edu/36875258/BUSINESS_INTELLIGENCE