Mata Kuliah : Kapita Selekta

KAPITA SELEKTA

Kualitas Sistem Informasi :

-          Akurat

-          Tepat Pada Waktunya

-          Relevan

Penyebab Perlunya Sistem Informasi

-          Adanya Masalah,contohnya

a.      Keluhan dari pelanggan

b.      Delivery yang sering tertunda

c.       Pembayaran gaji terlambat

d.      Timbulnya tagihan telepon yang dobel

Hal yang diharapkan dari S.I :

-          1. Perfomansi

-          2. Informasi

-          3. Ekonomis

-          4. Control

-          5. Efisiensi

-          6. Service

Prinsip Sistem Informasi

-          a. Sistem yang dikembangkan adalah untuk manajemen

-          b. Sistem yang dikembangkan adalah investasi modal besar

-          c. Sistem yang dikembangkan memerlukan orang terdidik.

-          d. Proses pengembangan sistem tidak harus urut.

-          e. Jangan takut membatalkan proyek

-          f. Dokumentasi harus ada

Model Pengembangan Sistem Informasi

1.      Sistem siklus hidup

            Aplikasi yang dikembangkan memiliki karakteristik :

l  menerapkan pendekatan sistem & terstruktur melalui tahapan

l  aplikasi meliputi sistem skala besar

l  butuh resources & alokasi waktu yang panjang

l  rancangan mengarah pada sistem terintegrasi

2.      Prototype

            Aplikasi yang dikembangkan memiliki karakteristik :

l  masalah tidak terstruktur, perubahan dari waktu ke waktu

l  interaksi user tinggi

l  waktu penyelesaian cepat

l  Estimasi life time pendek

l  perilaku user sukar ditebak

PROTOTYPE

l  Keuntungan prototype :

l  waktu penyelesaian aplikasi cepat

l  interaksi user tinggi, respon atas sistem lebih dini

l  efesien untuk alokasi biaya dan SDM pengelola

l  Kerugian atas prototype :

l  rancangan sistem kurang baik

l  kesulitan menggali potensi dari prototype

      Fungsi Utama system Informasi

1.      Cost center

2.      Profit center

3.      Invesment Center

4.      Service Centre

    Strategi Penggabungan S.I

1.      Full Migration

2.      Interfacing

3.      The Best of Breed

DATA WAREHOUSE

Mengapa Data Warehouse diperlukan ?

Perspektif Bisnis :

l  Suatu keputusan yang dibuat secara cepat dan akurat memerlukan ketersediaan data

l  Pengguna adalah pakar-pakar bisnis bukan seorang profesional dibidang komputer

l  Kini kompetisi yang ketat, berada pada bisnis intelejen dan nilai tambah dari informasi

Perspektif IT :

l  Harga Komputer kecepatan tinggi yang memiliki kecenderungan semakin

l  Harga Storage yang semakin murah

l  Bandwidth jaringan yang semakin lebar sedangkan harga cenderung turun

l  Semakin berkembangnya cara kerja kolaborasi

Definisi :

Data Warehouse:

–        Suatu tempat penyimpanan  untuk pengumpulan, standarisasi dan me-resume data transaksi dari suatu organisasi operasi

–        Menyediakan history infomasi

–        Menyediakan mekanisme yang memisahkan data operational dan informasi processing

–        Digunakan untuk dasar dalam mengambil keputusan dan bersifat terbuka

–        Dapat terdiri lebih dari satu database

Fungsi :

–        Management Information System

l  Informasi untuk manajemen disemua lini

–        Decision Support System

l  Data, media, tools, information

–        Executive Information System

       Long term & strategic information

Komponen :

1. Sumber Data
2. Penyimpanan Metadata
3. Teknologi Database yang digunakan di Warehouse
4. Data query, reporting, analysis, dan mining tools
5. Administrator Data Warehouse
6. Sistem Dilevery Informasi

DATA MINNING

Definisi :

Data Mining adalah proses yang memperkerjakan satu atau lebih teknik-teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowlidge) secara otomatis

Data mining merupakan proses iteratif dan interaktif untuk menemukan pola atau model yang sahih, baru, bermanfaat dan dapat dimengerti dalam suatu database yang sangat besar (massive database)

¨  Sahih : dapat digeneralisasi utnuk masa yang akan datang

¨  Baru : apa yang tidak sedang diketahui

¨  Bermanfaat : dapat digunakan untuk melakukan suatu tindakan

¨  Iteratif : memerlukan sejumlah proses yang diulang

¨  Interaktif : memerlukan interaksi manusia dalam prosesnya

Operasi Data Mining

n  Prediksi (prediction driven)

¨  Validasi hipotesis

¨  Querying dan pelaporan (misal, spreadsheet dan pivot tables)

¨  Analisis multidimensi, OLAP

¨  Analisis statistik

n  Penemuan (discovery driven)

¨  Analisis data eksplorasi

¨  Pemodelan prediktif

¨  Segmentasi database

¨  Analisa keterkaitan (link analysis)

¨  Deteksi deviasi

Proses Data mining

n  Memahami domain aplikasi

¨  Pengetahuan awal, sasaran penguna

n  Membuat target dataset

¨  Pemilihan data, fokus pada subset data

n  Pembersihan dan transformasi data

¨  Eliminasi derau, outliers, missing values

¨  Pemilihan fitur, reduksi dimensi

n  Penggunaan algoritma data mining

¨  Asosiasi, sekuensial, klassifikasi, klaterisasi, dll.

n  Interpretasi, evaluasi dan visualisasi pola

¨  Ada sesuatu yang baru dan menarik ?

¨  Lakukan iterasi jika diperlukan

Teknik-Teknik Data Mining

n  Kaidah asosiasi (Association rules)

¨  Mendeteksi kumpulan-kumpulan attribut yang muncul bersamaan (co-occur) dalam frekuensi yang sering, dan membentuk sejumlah kaidah dari kumpulan-kumpulan tersebut.

¨  Contoh, 90% dari orang yang berbelanja di suatu supermarket yang membeli roti juga memberli selai, dan 60% dari semua orang yang berbelanja membeli keduanya.

n  Pencarian pola sekuensial (Sequence Mining)

¨  Mencari urutan sejumlah events yang secara umum terjadi bersama-sama.

                      Contoh, dalam satu set urutan-urutan DNA, ACGTC diikuti oleh GTCA setelah   suatu celah selebar 9 dengan probabilitas sebesar 30%.