RINGKASAN MATERI SPK SAYA., HEHEHE

DECISION ANALYSIS

Ø  Topik pengambilan keputusan yang paling menarik adalah decision tree (pohon keputusan).

Ø  BREAKEVEN/COST-VOLUME ANALYSIS

•       Dalam menyusun perencanaan penjualan, manajemen membutuhkan informasi

–      Tingkat penjualan berapa yang harus dicapai agar diperoleh laba

–      Pada tingkat penjualan berapa dicapai dicapai titik impas

–      Tingkat penjualan berapa perusahaan akan menderita kerugian.

•       Alat bantu yang digunakan manajemen adalah analisis Breakeven Analysis (Cost vs Revenue), merupakan bagian dari Cost-Volume Analysis (CVA).

•       Dalam analisis Breakeven hanya ada satu biaya tetap, satu biaya variabel, dan satu pendapatan per unit.

•       Titik impas (Breakeven Point) menunjukkan volume atau Pendapatan yang hanya bisa menutup total cost.

TEKNIK PERAMALAN KUALITATIF & KUANTITATIF (Cont’d)

•       Peramalan kuantitatif menggunakan data historis dan hubungan kausal (sebab-akibat) untuk meramalkan permintaan yang akan datang.

•       Model seri waktu (time series)

–      Peramalan dengan penghalusan/pemulusan (smoothing): rata-rata bergerak dan penghalusan eksponensial

–      Dekomposisi (trend, season, cyclic, random); metode box jenkins (autoregressive integrated moving average, ARIMA).

•       Model kausal, yakni (1) analisis regresi, seperti: regresi linier, curvilinier, dan variabel bebas kualitatif; Structural Equation Modeling (SEM).

TAHAP PERAMALAN

–      Menentukan penggunaan peramalan itu, apa tujuannya.

–      Memilih hal-hal yang akan diramal.

–      Menentukan horison waktunya, jangka pendek/panjang.

–      Memilih model peramalannya.

–      Mengumpulkan data yang dibutuhkan untuk membuat ramalan.

–      Membuat ramalan.

–      Menerapkan hasilnya.

PERAMALAN TUGAS MENANTANG

•       Asumsi yang beralasan mempengaruhi ketepatan peramalan yang dibuat manajer.

•       Tidak ada metode peramalan yang sempurna untuk semua kondisi.

•       Sekali ditemukan pendekatan yang memuaskan, manajer masih harus terus memantau dan mengawasi ramalan-ramalannya agar tidak menambah kesalahan.

•       Peramalan adalah bagian dari tugas manajemen yang menantang sekaligus prestesius.

DEFINISI DATA WAREHOUSE

data warehouse adalah database yang saling bereaksi yang dapat digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant,tidak berubah yang digunakan untuk membantu para pengambil keputusan.

Data Warehouse Berorientasi Subjek

Data warehouse diorganisasikan oleh “data subyek” yang terkait dengan semua bagian organisasi / perusahaan.

o    Customer, Claim, Shipment, Product

Ini mungkin bertolak belakang dengan sebagian besar sistem OLTP yang berorientasi proses.

o    OLTP = Online Transaction Processing

Data Warehouse Terintegrasi

• Data di dalam warehouse distruktur berdasarkan model korporasi secara keseluruhan melewati batas fungsional dari kebiasaan yang ada.
• Ini mencakup standar penamaan, sistem pengukuran dan perulangan.

Data Warehouse Time Variant

• Data di dalam data warehouse mempunyai karakter khusus berupa time-series dalam bentuk data historical.
• Data terdiri dari suatu seri dari “pemotretan” keadaan yang ditandai dengan waktu dan nilai data pada saat “pemotretan” tersebut
• Ini dapat digunakan untuk melakukan tren analisis dari data tersebut.

Data Warehouse Not Volatile

• Data warehouse tidak diupdate secara terus menerus seperti dalam sebuah sistem OLTP
• Data di dalam data warehouse secara periodik di-upload dalam jangka waktu yang sama (misalnya setiap sore atau setiap tanggal 1)

Goals Data Warehouse

• Menyediakan akses pada data perusahaan atau organisasi
• Data di dalam sebuah warehouse bersifat konsisten
• Satu versi dari kebenaran
• Data warehouse adalah tempat dimana data yang telah digunakan dipublikasikan
• Kualitas data di dalam data warehouse adalah kritikal
• “Kualitas –-ketepatan untuk suatu tujuan”

Cakupan DATA WAREHOUSE

Data Mart

Bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan

On-Line Analytical Processing (OLAP)

Pemrosesan database yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang berukuran besar.

On-Line Transaction Processing (OLTP)

Merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari

Dimension Table

Tabel yang berisikan kategori dengan ringkasan data detail yang dapat dilaporkan. Seperti laporan laba pada tabel fakta  dapat dilaporkan sebagai dimensi waktu(yang berupa perbulan, perkwartal dan pertahun).

Fact Table

Merupakan tabel yang umumnya mengandung angka dan data history dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign key(kunci asing) yang merupakan primary key (kunci utama) dari beberapa dimension table yang berhubungan

Sistem pendukung Keputusan

Merupkan sistem yang menyediakan informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.

Keuntungan yang didapatkan dengan menggunakan data warehouse tersebut dibawah ini (Ramelho).

Ø  Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.

Ø  Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.

Ø  Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse.

Ø  Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.

Ø  Kemampuan untuk mengakses data yang besar

Ø  Kemampuan untuk memiliki data yang konsistent

Ø  Kemampuan kinerja analisa yang cepat

Ø  Mengetahui adanya hasil yang berulang-ulang

Ø  Menemukan adanya celah pada business knowledge atau business process.

Ø  Mengurangi biaya administrasi

Ø  Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.

Sifat Data Warehouse

Multidimensional yang berarti bahwa terdapat banyak lapisan kolom dan baris (Ini berbeda dengan tabel pada model relasional yang hanya berdimensi dua)

Berdasarkan susunan data seperti itu, amatlah mudah untuk memperoleh jawaban atas pertanyaan seperti: “Berapakah jumlah produk 1 terjual di Jawa Tengah pada tahun n-3?”

Data Warehouse Architecture

•       Arsitektur

–      Virtual (query driven)

–      Terpusat (centralized)

–      Tersebar (federated)

Centralized vs Federated

•       Terpusat (pendekatan Top-Down):

–      Ideal tetapi membutuhkan waktu pengembangan yang lama dan skala proyek yang besar

–      Resiko kegagalan proyek pengambangan tinggi

•       Tersebar (pendekatan Bottom-Up):

–      Memungkinkan prioritasi, pengembangan bertahap sambil mendaki learning curve

–      Dibutuhkan koordinasi melalui team yang mengatur standarisasi kode, penamaan, dan definisi data.

Penggunaan Data Warehouse di Indonesia

•       Biro Pusat Statistik

•       Perbankan (BRI, BNI, dll)

•       PT Asuransi Allianz Utama Indonesia

•       PT. Astra International

•       dan lain-lain...

Extraction Transformation Loading

q  Tujuan ETL:

•          Mengumpulkan, menseleksi, mengolah dan menggabungkan data relevan dari berbagai sumber untuk disimpan dalam Data Warehouse.

q  Hasil ETL: Data yang memenuhi kriteria DW

•          Historis, terpadu, terangkum, statis, dan memiliki struktur yang dirancang untuk keperluan analisa.

q  Bagian terpenting:

•          menyerap 50%-70% total kerja proyek Data Warehousing

ETL Problems

q  Sumber-sumber data umumnya sangat bervariasi (heterogeneous):

•          Platform mesin dan Operating System yang berlainan

•          Mungkin melibatkan sistem kuno dengan teknologi basis data yang sudah ketinggalan jaman

•          Mutu data yang berbeda-beda

•          Aplikasi sumber data mungkin menggunakan nilai data (representasi) internal yang sulit dimengerti

•          Inkonsistensi definisi data, dan tidak adanya mekanisme/prosedur penyeragaman.

Data Extraction

q  Perencanaan ekstraksi data melibatkan identifikasi:

•          Sumber data: sistem OLTP, basis data eksternal, dsb.

•          Metoda ekstraksi

•          Frekuensi ekstraksi

•          Waktu/penjadwalan ekstraksi

•          Tahapan proses ekstraksi

•          Penanganan kejanggalan (anomali) dalam ekstraksi, misal: prosedur operasi manual

DATA MINING

Adalah usaha penggalian data yang tidak dapat diperoleh melalui pelaporan dan OLAP karena pola dan hubungannya tersembunyi.

Jenis Informasinya adalah :

•       Asosiasi (hubungan kejadian)

•       Sekuen (Hubungan berdasar waktu)

•       Klasifikasi (Pengelompokan)

•       Kluster (klasifikasi krn tdk ada kelompok)

• Ramalan

System Development

Life Cycle

Empat fase:

• Perencanan (Planning)
• Analisa (Analysis)
• Desain (Design)
• Implementasi (Implementation)

Berputar

Dapat berpindah ke fase sebelumnya

Waterfall Model

•       Model “lawas”, namun cukup reasonable digunakan ketika kebutuhan sudah dimengerti dengan baik.

•       Kelebihan:

–      Mudah dipahami

–      Model yang paling banyak digunakan

•       Kekurangan:

–      Kesulitan untuk mengakomodasi perubahan setelah proses berjalan.

–      Hanya sesuai ketika kebutuhan sudah dimengerti dengan baik.

–      Sedikit sistem bisnis yang memiliki kebutuhan stabil

Tools

•       Computer-aided software design tools

–      Upper CASE

•       Membuat diagram sistem

–      Lower CASE

•       Mengolah diagram dan kode

–      Integrated CASE

•       Kombinasi

•       RAD design tools

–      Enterprise class repository dan kolaborasi

–      UML modeling

•       Software analisa dan desain

•       Metode debugging

•       Pengujian dan penjaminan kualitas

Successful Project Management

•       Menetapkan dasar proyek

•       Mendefinisian lingkup proyek

•       Menangani perubahan dan perembetan lingkup proyek

•       Mendapat dukungan dari manajemen atas

•       Menetapkan garis waktu, milestone dan biaya yang realistis

•       Melibatkan user

•       Mendokumentasikan segala hal yang terkait dengan proyek

Kegagalan Implementasi

•       Kurang terlibatnya para stakeholder

•       Kebutuhan yang tidak lengkap

•       Lingkup yang merembet

•       Harapan yang tidak realistis

•       Keahlian yang kurang

•       Sumber daya manusia yang tidak sesuai

•       Pesatnya perkembangan teknologi

Gangguan Evolusi

Lingkungan pengembangan :

•       Budaya organisasi

•       Hilangnya dukungan dari manajemen atas

•       Sikap user dan analist

•       Pengalaman user

•       Kemampuan anggota tim pengembang

Proses pengembangan :

•       Pendidikan user, dukungan, keterlibatan, dan pelatihan

Metode Pengembangan Alternatif

•       Paralel Model:

–      Pengembangan di sistem yang berbeda.

•       Rapid Application and Development (RAD) Model:

–      Menitikberatkan aspek guna ulang (reusability) komponen perangkat lunak dengan siklus pengembangan yang sangat pendek.

RAD Model

•       Memanfaatkan aspek guna ulang

•       Merupakan adaptasi dari linear sequential model.

•       Kelebihan:

–      Waktu pengembangan yang sangat pendek

•       Kekurangan:

–      Hasil mungkin tidak modular

–      Masalah performansi

Unified Model

•       Merupakan proses pengembangan use-case driven, architecture centric, iterative, dan proses inkremental yang selaras dengan Unified Modeling Language (UML)

•       Mencoba untuk memanfaatkan fitur terbaik dari model proses tradisional dan menerapkan fitur-fitur pengembangan PL agile

Metode Pengembangan DSS

•       Prototyping

•       Iterative design

•       Evolutionary development

•       Middle out process

•       Adaptive design

•       Incremental design

Knowledge Management

Proses untuk membantu organisasi dalam mengidentifikasi, memilih, mengorganisasi, dan berbagi informasi.

Memungkinkan pemecahan masalah, pembelajaran dinamis, perencanaan strategis, dan pengambilan keputusan.

Pertukaran nilai dari basis intelektual melalui proses daur ulang.

Pengelolaan ide-ide, informasi, pengetahuan secara aktif dan sistematis dalam organisasi.

Data = kumpulan fakta, ukuran, statistik

Informasi = data yang sudah diolah

Explicit Knowledge

Pengetahuan yang dapat dengan mudah disampaikan kepada pihak lain. Misalnya dalam bentuk dokumen, manual, prosedur, dll.

Tacit Knowledge

Pengetahuan yang sulit untuk dijelaskan atau disampaikan kepada pihak lain, namun dimengerti dengan baik oleh si pemilik. Misal pengetahuan tentang matahari terbit di timur, gula itu manis, dll.

Knowledge Management Systems

Sistem yang menggunakan teknologi untuk mengelola pengetahuan.

Knowledge Management Initiatives

•       Knowledge creation

Memikirkan dan menghasilkan ide baru, aktivitas baru dan inspirasi.

•       Knowledge sharing

Keinginan atau niat untuk menjelaskan kepada pihak lain secara langsung atau melalui media.

•       Knowledge seeking

Menemukan sumber pengetahuan yang baru.

KMS Cycle

• Menciptakan pengetahuan melalui cara baru untuk melakukan sesuatu
• Mengidentifikasi dan menangkap pengetahuan baru
• Menempatkan pengetahuan dalam konteks sehingga dapat digunakan
• Menyimpan pengetahuan di dalam repository
• Mengkaji ulang keakuratan dan relevansi pengetahuan
• Membuat pengetahuan tersedia setiap saat kepada semua pihak yang membutuhkan

Komponen Knowledge Management Systems

•       Teknologi

Komunikasi

Untuk mengakses pengetahuan dan berkomunikasi dengan pihak lain.

Kolaborasi

Melakukan groupwork searah maupun bolak-balik (transaksional)

Penyimpanan dan Pengambilan

Menyimpan, mengambil, dan mengelola pengetahuan baik yang bersifat explicit maupun tacit melalui sistem kolaboratif.

•       Teknologi Pendukung

Artificial intelligence

Expert systems, neural networks, fuzzy logic, intelligent agents

Intelligent Agents

Sistem yang membantu pekerjaan user

Knowledge Discovery

Proses yang digunakan untuk mencari dan mengambil informasi baik dari internal maupun eksternal.

XML

Extensible Markup Language

Integrasi Knowledge Management Systems

Integrasi dengan Enterprise and Information Systems

DSS/BI

Integrasi model dan menggunakannya untuk permasalahan tertentu

Artificial Intelligence

Expert system = if-then-else rules

Natural language processing = understanding searches

Artificial neural networks = understanding text

Artificial intelligence based tools = identify and classify expertise

Database

Mencari pengetahuan di database

CRM

Menyediakan tacit knowledge kepada user

Supply chain management systems

Kombinasi tacit dan explicit knowledge

Corporate intranets and extranets

Pengetahuan mengalir dengan bebas secara dua arah

Menyalurkan pengetahuan saat sistem merasa hal itu dibutuhkan

Mengapa SPK terkomputerisasi diperlukan :

-          Kecepatan komputasi

-          Peningkatan/perbaikan komunikasi

-          Peningkatan produktivitas

-          Dukungan teknis

-          Akses data warehouse

-          Dukung kualitas

-          Berdaya saing

-          Mengatasi keterbatasan kognitif dalam pengolahan dan penyimpanan

-          Sering diukur menggunakan rasio antara output dan input

fase-fase Pengambilan Keputusan

•       Intelligence = kegiatan untuk mengenali masalah, kebutuhan atau kesempatan

•       Design = cara-cara untuk memecahkan masalah / memenuhi kebutuhan

•       Choice = memilih alternatif keputusan yang terbaik

•       Implementasi yang disertai dengan pengawasan dan koreksi yang diperlukan

Komponen-komponen sistem pendukung keputusan.

• Subsistem manajemen data

• Subsistem manajemen model

• Subsistem antarmuka pengguna

• Subsistem manajemen berbasis pengetahuan 

Electronic Commerce

E-commerce

Proses membeli, menjual, transfer, bertukar produk, jasa, atau informasi melalui jaringan komputer.

Beberapa melalui jaringan lokal (LAN), namun sebagian besar berbasis internet.

• Revenue stream baru
• Market exposure, melebarkan jangkauan
• Menurunkan biaya
• Memperpendek waktu product cycle
• Meningkatkan customer loyality
• Meningkatkan value chain

E-commerce Transactions

• Business-to-business (B2B)
• Business-to-consumer (B2C)
• Consumer-to-consumer (C2C)
• Consumer-to-business (C2B)
• Government-to-citizens (G2C)
• Collaborative commerce between partners
• Business to employees
• Intrabusiness/Intraorganizational commerce
• Mobile commerce (M-commerce)

Scope of E-commerce

Aplikasi yang didukung oleh infrastruktur

• Hardware
• Software
• Messaging, multimedia, interfaces, business services
• Networks
• communications

Cakupannya

• Pelaku (people)
• Kebijakan publik dan aturan yang sah
• Pemasaran dan advertising
• Jasa layanan pendukung mulai dari pembayaran hingga pengiriman
• Kemitraan bisnis (partnerships)

Keuntungan E-commerce

• Memperluas pasar secara global
• Memperluas ketersediaan sumber daya
• Memperpendek saluran distribusi pemasaran
• Mengurangi biaya (expense)
• Mengurangi inventory
• Pengiriman informasi yang lebih cepat
• Memungkinkan seseorang untuk bekerja di rumah
• Memfasilitasi jasa pengiriman umum
• Memungkinkan pembelian barang dengan harga lebih murah
• Memungkinkan customization dan personalisasi
• Mengurangi biaya dari konsumen, namun meningkatkan pilihan mereka
• Memungkinkan perbelanjaan dalam 24 jam
• Memungkinkan proses lelang elektronik
• Memungkinkan orang untuk berinteaksi dalam komunitas elektronik

Kekurangan E-commerce

• Rendahnya standar
• Bandwidth yang membengkak
• Kesulitan dalam integrasi
• Memerlukan web-server khusus sebagai tambahan dari network-server
• Akses yang masih mahal
• Permasalahan legalitas sulit dipecahkan
• Kurangnya peraturan pemerintah secara nasional dan internasional
• Metodologi untuk mengukur keuntungan masih sedikit
• Masalah keamanan

DSS dan E-commerce

DSS mendukung e-commerce

• DSS memungkinkan optimalisasi penjadwalan dan transportasi
• Menyesuaikan pembeli dan penjual
• Meningkatkan operasi pemasaran
• Analisa resiko
• Mengoptimalkan pemilihan rute transportasi
• Mendukung operasi B2C
• Pengumpulan data
• Business intelligence

E-commerce memfasilitasi DSS

• Transfer informasi yang efesien
• Meningkatkan proses pengambilan keputusan
• Pengumpulan dan penyimpanan data

E-commerce bekerja dengan DSS

• Manajemen inventory
• Menghasilkan peluang strategis melalui integrasi dengan simulasi DSS
• Aplikasi database pemasaran dan sistem distribusi
• Laporan keuangan
• Transfer dan penyimpanan data untuk analisa BI