Disusun oleh:
– January Rizcky Fadjarina NIM – 041914353027
– Vania Intar Zerlinda NIM – 041914353001
– Erakusari Dheni Ristanti NIM – 041914353014
– Yanuar Fajar Nugroho NIM – 041914353013
Manajemen
informasi
Kelincaha
Informasi
n Layanan
Pengelola
Tambaha
an
n Cloud
Pusat
Perusaha
Data,
an
Cloud
Arsitektur
Komputas
dan Data
i, dan
Pemerinta
Virtualisa
han
si
Informasi
Sistem:
Dasar-
dasar
Informasi Pengelolaan
– Manajemen Informasi
– Pengumpulan
– Proses
– Konsolidasi
– Penyimpan -> Silo Data
– Pengamanan data
Contoh KPI: rasio saat ini; perputaran hutang dagang; margin laba bersih; pengikut baru per minggu; biaya per
timbal; status pemesanan.
– Alasan kekurangan informasi masih – Manfaat nyata dari manajemen
menjadi masalah informasi
– Silo Data – Meningkatkan kualitas keputusan
– Kehilangan data yang dilewati – Meningkatkan akurasi dan
– Antarmuka yang dirancang dengan keandalan prediksi manajemen
buruk – Mengurangi risiko ketidakpatuhan
– Format data tidak standar – Mengurangi waktu dan biaya
– Tidak bisa mengenai target bergerak
Perusahaan Arsitektur dan Data
Pemerintahan
– Fokus Strategis
– Kompleksitas sistem TI
– Penjajaran bisnis yang buruk
– Manfaat EA untuk Bisnis dan TI – Komponen EA
– Memotong biaya TI; meningkatkan produktivitas – Bisnis Arsitektur
dengan informasi, wawasan, dan ide
– Aplikasi Arsitektur
– Menentukan daya saing, fleksibilitas, dan TI ekonomi
– Data Arsitektur
– Menyelaraskan kemampuan TI dengan strategi bisnis
– Teknis Arsitektur
untuk tumbuh, berinovasi, dan menanggapi
permintaan pasar
– Mengurangi risiko sistem pembelian atau
pembangunan dan aplikasi perusahaan
Tata Kelola Data di Seluruh Perusahaan
People
Sistem Pemrosesan Transaksi Batch v. Pemrosesan Real-Time
(TPS) Online
– Transaksi internal: berasal atau terjadi di – Pemrosesan Batch: mengumpulkan
dalam organisasi (penggajian, pembelian, dll.). semua transaksi untuk sementara waktu
– Transaksi eksternal: berasal dari luar periode, kemudian memproses data dan
organisasi (pelanggan, pemasok, dll.). memperbarui penyimpanan data.
– Meningkatkan penjualan, kepuasan pelanggan, – OLTP: memproses setiap transaksi saat
dan mengurangi banyak jenis kesalahan data itu terjadi.
lainnya yang berdampak pada masalah – Biaya pemrosesan batch kurang dari
keuangan. OLTP, tetapi mungkin saja tidak akurat
dari penundaan pembaruan.
Sistem Informasi Manajemen (SIM)
– Pusat Data
– Sejumlah besar server jaringan digunakan untuk penyimpanan, pemrosesan, manajemen, distribusi, dan
pengarsipan data, sistem, lalu lintas Web, layanan, dan aplikasi perusahaan.
– Bisnis yang Bergantung pada Data
– Uber (layanan memanggil mobil)
– WhatsApp (layanan pesan teks smartphone)
– Pusat Data Terpadu
– Solusi tunggal Cisco mengintegrasikan komputasi, penyimpanan, jaringan, virtualisasi , dan manajemen
menjadi platform tunggal (terpadu).
– Virtualisasi memberikan fleksibilitas TI lebih besar dan menghemat biaya :
– Akses instan ke data kapan saja di mana saja dan dalam format apa saja dan Merespon lebih cepat untuk
mengubah kebutuhan data analitik
– Apa itu “Cloud"?
Istilah umum untuk infrastruktur yang menggunakan Internet dan jaringan
pribadi untuk mengakses, berbagi, dan memberikan sumber daya komputasi.
– Pengiriman yang terukur sebagai layanan kepada pengguna akhir sebuah
jaringan.
– Harus didekati dengan ketekunan yang lebih besar daripada keputusan TI lainnya
sebagai teknologi baru termasuk Manajemen dan Layanan Vendor- Perjanjian
Tingkat.
– Tingkatan Jasa Persetujuan
– Perjanjian yang dinegosiasikan antara perusahaan dan penyedia layanan
yang dapat secara legal kontrak yang mengikat atau kontrak informal.
– Tujuannya bukan membangun ketentuan SLA terbaik, tetapi mendapatkan
istilah yang paling berarti bagi bisnis.
Infrastruktur Cloud
– Disediakan berdasarkan permintaan untuk
virtualisasi penyimpanan, virtualisasi
jaringan, dan perangkat keras virtualisasi.
Jenis Cloud
– Private Cloud: Lingkungan penyewa tunggal
dengan keamanan dan kontrol yang lebih kuat
Lapisan perangkat lunak atau virtualisasi membuat
(dipertahankan) untuk industri yang diatur dan data
virtual mesin (VM) di mana CPU, RAM, HD, NIC,
penting.
dan komponen lainnya berperilaku sebagai perangkat
– Public Cloud: Multi-tenant divirtualisasikan keras, tetapi dibuat dengan perangkat lunak.
layanan yang memanfaatkan kumpulan server yang
sama melintasi jaringan publik (didistribusikan).
Ch
ap
te
r2
•Virtualization
Created by a software layer (virtualization layer)
containing its own operating system and
applications as a physical computer.
Software
As a Service
Platform
As a Service
Infrastructure
As a Service
– Karakteristik & Manfaat
– Memori-intensif
– RAM dalam jumlah besar karena massif persyaratan pemrosesan
– Hemat energi
– Pengurangan penggunaan energi hingga 95% per server melalui perangkat
keras yang kurang fisik
– Skalabilitas dan penyeimbangan beban
– Menangani permintaan permintaan dinamis seperti selama Super Bowl atau
World Series
Layanan Cloud Menambah Kelincahan
MANAGEMENT
OBJEK PEMBAHASAN I (PERTAMA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM (DATABASE DAN BIG DATA
MANAGEMENT ANALYTICS
SYSTEM)
ELEKTRONIK
REKAMAN DATA DAN
MANAJEMEN TEKS
MINING
BISNIS
INTELLIGENCE
Database management Systems
DATABASE DATA DATA MART BISNIS DATABASE SISTEM DEKLARATIF ONLINE CENTRALIZED AND DATA KOTOR PRINSIP DATA
MANAJEMEN BAHASA TRANSACTION DISTRIBUTED
• Koleksi set data WAREHOUSE • Data Warehouse INTELLIGENC MANAGEMENT RELATIONAL • Menyederhanakan PROCESSING AND DATABASE
• Lacks integritas / • Prinsip berkurangnya
validasi dan nilai Data
atau catatan yang • Mengintegrasikan skala kecil yang E (BI) SYSTEM (DBMS) akses data dengan ONLINE ANALYTICS ARCHITECTURE mengurangi • Prinsip 90/90
disimpan dalam data dari beberapa mendukung satu • Alat dan teknik yang(DBMS) • Menyediakan akses ke mensyaratkan bahwa PROCESSING • Centralized Database kepercayaan pengguna Penggunaan Data
cara yang database data silo, fungsi atau satu data menggunakan pengguna hanya • Online Transaction Architecture • Incomplete, di luar
memproses data • Mengintegrasikan menentukan data apa
• Prinsip data dalam
sistematis dan mengatur departemen deklaratif bahasa Processing (OLTP) • Kontrol yang lebih konteks, usang, tidak konteks
dan melakukan dengan sistem yang mereka ingin
• Toko data yang mereka untuk • Dirancang untuk baik dari kualitas akurat, tidak dapat
analisis statistik pengumpulan data akses tanpa
dihasilkan oleh analisis kompleks, mengelola data data. diakses, atau
untuk wawasan dan seperti TPS dan mendefinisikan berlebihan
aplikasi bisnis, penemuan bagaimana mereka transaksi, yang tidak • Keamanan yang lebih
penemuan. aplikasi bisnis stabil & memecah baik
sensor, operasi, pengetahuan, dan akan dicapai
dan sistem • Menyimpan data informasi yang • Distributed Database
untuk pendukung • Structured Query
kompleks menjadi
transaksi dalam cara yang Language (SQL) adalah Architecture
keputusan tabel data sederhana • Memungkinkan baik
pengolahan terorganisir contoh dari bahasa untuk menyerang akses lokal dan
(Transaction • Menyediakan deklaratif: SELECT keseimbangan antara
column_name (s) FROM remote.
Processing fasilitas untuk efisiensi transaksi • Gunakan client /
mengakses dan table_name WHERE pengolahan dan
Systems). kondisi server arsitektur
mengelola data permintaan efisiensi. permintaan proses.
• Tidak bisa
dioptimalkan untuk
data mining
• Online Analytics Processing
(OLAP)
• Sebuah cara
mengatur database
bisnis yang besar.
• Terbagi dalam satu
atau lebih tempat
database yang sesuai
dengan cara bisnis
dilakukan
Database management Systems
Gambar 3.12 Suatu perusahaan memiliki data transaksional, guru, dan data analitis.
OBJEK PEMBAHASAN II (KEDUA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM DAN BIG DATA
ANALYTICS
ELEKTRONIK
REKAMAN DATA DAN
MANAJEMEN TEKS
MINING
BISNIS
INTELLIGENCE
Data Warehouse and Big Data Analytics
MARKET SHARE OPERATING HUMAN ENTERPRISE PROSEDUR ACTIVE DATA SUPPORTING REALLY BIG DATA HADOOP AND MAP
• Persentase dari total MARGIN EXPERTISE AND DATA DALAM WAREHOUSE ACTIONS AS • Low-cost sensors collect REDUCE
penjualan di pasar diperoleh
dari merek, produk, atau • Sebuah ukuran persen JUDGMENT WAREHOUSES MEMPERSIAPKA (ADW) WELL AS data in real time in all • Hadoop adalah platform
perusahaan dari pendapatan REQUIRED (EDW) N DATA DARI • Real-time data DECISIONS types of physical things pengolahan Apache yang
perusahaan yang tersisa (machine-generated mana dijelaskan tidak
• Data tidak berharga jika • Data Warehouse yang EDW UNTUK pergudangan (data • Marketing and Sales sensor data):
setelah membayar biaya warehouse) dan analisis ada kondisi Proses
variabel: upah, baku
Anda tidak dapat menarik data bersama ANALISIS • Pricing and Contracts • Regulate temperature Struktur data
menganalisis, sama dari sumber yang • Transform dengan • Forecasting
bahan, dll • Extract dari database and climate • MapReduce
menafsirkan, berbeda dan database standarisasi format, • Sales
• Peningkatan margin yang ditunjuk cleaning data dan
• Detect air particles for memberikan unggulan,
memahami, dan keseluruhan.
berarti penghasilan lebih • Transform dengan selanjunya integrasi
• Financial contamination kesalahan-toleran pada
menerapkan hasil dalam • Data Warehouse adalah
per dolar dari Penjualan konteks standarisasi format, • Machinery perangkat lunak
merupakan sumber
• Semakin tinggi margin • Data yang perlu cleaning data dan conditions/failures kerangka kerja untuk
utama data untuk • Mereka Menyediakan
operasi, lebih baik selanjutnya integrasi • Engine menulis aplikasi dengan
disiapkan untuk analisis. analisis, pelaporan, dan
• Memuat untuk Data wear/maintenance mudah bahwa proses
• Data Kotor menurunkan Bisnis Intelligence (BI) • Interaksi dengan
Warehouse data dalam jumlah besar
nilai analisis • Tinggi nya biaya yang pelanggan untuk (multi-terabyte data-set)
• Data harus dimasukkan dikeluarkan bisa di menyediakan superior di-paralel pada kelompok
ke dalam konteks yang subsidi dengan • layanan pelanggan. besar (ribuan node) dari
bermakna menggunakan Data • Menanggapi acara komoditas perangkat
Marts bisnis secara real time keras.
dekat.
• Berbagi up-to-date
status data di
kalangan pedagang,
vendor, pelanggan,
dan rekan
Data Warehouse and Big Data Analytics
Data Warehouse and Big Data Analytics
Gambar 3.16 Hasil generate data dari mesin terhadap objek fisik akan berubah menjadi bagian
yang jauh lebih besar dari Big Data dan analisis
OBJEK PEMBAHASAN III (KETIGA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM DAN BIG DATA
ANALYTICS
ELEKTRONIK
REKAMAN DATA AND
MANAJEMEN TEXT
MINING
BUSINESS
INTELLIGENCE
Data and Text Mining
ELEKTRONIK
REKAMAN DATA DAN
MANAJEMEN TEKS
MINING
BISNIS
INTELLIGENCE
Business Intelligence
**The Public key infrastructure (PKI) is the set of hardware, software, policies, processes, and procedures required to create,
manage, distribute, use, store, and revoke digital certificates and public-keys. PKIs are the foundation that enables the use of
technologies, such as digital signatures and encryption, across large user populations. PKIs deliver the elements essential for a
secure and trusted business environment for e-commerce and the growing Internet of Things (IoT)
Business Intelligence
ELEKTRONIK
REKAMAN DATA AND
MANAJEMEN TEXT
(ELECTRONIC MINING
RECORDS
MANAGEMENT)
BUSINESS
INTELLIGENCE
Electronic Records Management
- Research Setting
- Data Collection
- Data Analysis
The Production of Performance
Data
by Sales Managers
Relationship between Sales Managers Interests and Image
The Structuration of the Production of Performance Data
by Sales Managers
Producing Monthly Reports to Give Representations of
Compliance or Overachievement
Shaping Siebel Records to Give off Representations of
Compliance or Overachievement
Using Performance Records and Reports for Impression
Management
The Production Performance Data
by the General Manager
Producing Monthly Reports to Give Representations of
Overachievement
Shaping Siebel Records to Give off Representations of
Overachievement
Using Monthly Unit Reports for Impression
Management
The Dramaturgical Production of Performance Data in the
Sales Manager/General Manager
Relationship
A Dramaturgical Model of the
Production of Performance Data
The Dramaturgical Production of Performance
Records
The Dramaturgical Production of Performance
Reports
The Structuration of the Dramaturgical Production
of Performance Data
The Dramaturgical Production of Performance Data in
the General Manager/Steering
Committee Relationship
The Exploitive Specification of a Dramaturgical Model
of the Production of Performance Data
in the Manager/Leader Relationship
Kesimpulan
Dramaturgical Model dari produksi kinerja data dan
spesifikasi eksploitatif yang disebabkan penelitian di
DeskSales menunjukan bahwa:
Manager dan pemimpin menggunakan sistem informasi
untuk mengatasi ketegangan antara keduanya, dengan:
Memberikan representasi kinerja yang akurat untuk
meningkatkan peluang perusahaan masuk ke dalam pasar,
dan untuk memberikan representasi ideal untuk
meningkatkan peluarng manajer di perusahaan.