Kelompok Jatwoko (292487) Rita Wirya Saputra (295402) Silviani Esther Rumagit (295611) Bahar Ipomiarto (295399) Wawan Nurmansyah (295404)

Transkripsi

1 Matakuliah Dosen Pengampuh : Model dan Sistem Informasi : Dra. Susi Daryanti, M.Sc Kelompok Jatwoko (292487) Rita Wirya Saputra (295402) Silviani Esther Rumagit (295611) Bahar Ipomiarto (295399) Wawan Nurmansyah (295404)

2 - sumber Introduction to information systems james A. O Brien (tenth edition) Essentials for the internetworked E-Business Enterprise

3 Section I E-Business Section II Pendukung Keputusan dalam E-Bisnis Teknologi Kecerdasan Buatan dalam E-Bisnis KETERANGAN TAMBAHAN PENJELASAN 8 elemen lingkungan Kerangka Kerja DS (Decision Support) Model Teknik Analisis Pengolahan Analitis Secara On-Line TPS MIS DSS EIS MIS Perbandingan MIS & DSS Komponen Web yang Memenuhi DSS Marketing Kekurangan Sistem Pakar Metode Penyajian Pengetahuan DaftarDaftar Rujukan RujukanDaftar Rujukan

4 SISTEM PENDUKUNG KEPUTUSAN DALAM E-BISNIS Latar Belakang Kebijakan konvensional Perubahan kondisi pasar Kebutuhan pelanggan Kebutuhan Nilai E-Commerce Tanggapan pendukung keputusan E-Bisnis Dukungan E-Bisnis dan E-Commerce pada perusahaan memerlukan sistem informasi yang mengandung banyak informasi dan kebutuhan pembuat keputusan bagi para manager dan business professional.

5 Sistem Informasi Manajemen (Management Information Systems) Sistem Informasi Manajemen Laporan - laporan Operational Management Penjelasan detail

6 TPS DSS Operational Management Decisions Tactical Management Decisions Strategic Management Decisions MIS EIS JENIS INFORMASI DAN PENGAMBILAN KEPUTUSAN Menu Utama

7 Kebutuhan Informasi Bagi Pembuat Keputusan Berdasar Hierarki Manajerial Piramida Kerangka Kerja Manajerial

8 Jenis laporan manajemen Laporan berkala terjadwal (Periodic Scheduled Reports), Laporan penerimaan (Exception Reports), Laporan permintaan dan tanggapan (Demand Reports and Responses), Laporan khusus (Push Reporting),

9 Online Analytical Processing (OLAP) Manajer dan analis memeriksa dan memanipulasi data secara interaktif untuk mendukung pembuatan keputusan dan analisa bisnis. Analisa meliputi hubungan kompleks diantara sejumlah besar data yang tersimpan dalam database multidimensi.

10 Komponen Web yang Memenuhi DSS Marketing Menu Utama

11 Data mining Data Mining Merupakan proses menemukan hubungan dalam data yang tidak diketahui oleh pengguna, menyajikan dalam bentuk yang mudah dipahami sehingga hubungan tersebut dapat dijadikan sebagai dasar pengambilan keputusan. Cara melakukan data mining : verifikasi hipotesis (hypotesis verification) dan penemuan pengetahuan (knowledge discovery) Data Mining menganalisa sejumlah besar data historical yang telah dipersiapkan untuk menganalisa dalam data warehouse.

12 DSS (Decision Support Systems) Sistem informasi berbasiskan komputerisasi interaktif yang mengggunakan perangkat lunak DSS dan berdasar model serta database untuk menyediakan bentuk informasi yang mendukung keputusan. Keputusan yang berupa semistruktur dan tidak terstruktur yang dihadapi oleh Manager. Model Analisis DSS vs MIS DSS menggunakan : Analisis Model * Spesialis DataBase * Pembuatan Keputusan * Interaktif *

13 Contoh Aplikasi E-Bisnis Pendukung Keputusan (Pegawai, Manager, Pelanggan, Penyalur, Patner Bisnis) Customer Relationship Management Supply Chain Management Knowledge/ Innovation Management Enterprise Performance Monitoring Simulation : What-If Scenario Analysis

14 Contoh kasus E-bisnis dan Pendukung Keputusan: * AmeriKing,Inc. menggunakan teknologi internet dan intranet untuk merubah sistem informasi tradisional bagi informasi manajerial dan pendukung keputusan. EIP (Enterprise Information Portal) merupakan portal bagi pihak manajemen AmeriKing dapat mengakses informasi produk dari beragam sumber tanpa melihat adanya beragam versi aplikasi.

15 SIG & DVS sistem informasi geografi merupakan kategori khusus DSS yang mengintegrasikan grafis pada komputer dengan fitur DSS lainnya. DSS ini menggunakan database geografis untuk membangun dan menampilkan peta pendukung keputusan-keputusan yang mempengaruhi distribusi orang dan sumber daya lain. Perangkat yang digunakan global positioning system (GPS).

16 Contoh Aplikasi laporan GIS

17 Sistem Informasi Eksekutif (Executive Information Systems) Sistem Informasi Eksekutif (EIS) adalah sistem informasi yang menggabungkan banyak fitur dari sistem informasi manajemen dan dukungan sistem keputusan. Sistem informasi ini dibentuk untuk menjawab informasi strategis pada top manajemen atas kinerja perusahaan secara keseluruhan dimana hasilnya dapat disebarkan pada tingkat manajemen yang lebih rendah.

18 Contoh bentuk tampilan informasi Sistem Informasi Eksekutif

19 Contoh kasus Sistem Informasi Eksekutif Conoco KeyCorp Menu Utama

20 AI ( Artificial Intelligent )

21 AI ( Artificial Intelligent ) / Kecerdasan Buatan Tujuan dari kecerdasan buatan adalah pengembangan fungsi komputer standar sehingga dapat berkemampuan layaknya manusia seperti melihat, mendengar, berbicara, merasakan, bergerak, belajar, berpikir dan memecahkan masalah.

22 AI ( Artificial Intelligent ) dalam E-Bisnis Teknologi kecerdasan buatan merupakan aplikasi yang membentuk hubungan baru antara pengguna, komputer, pengetahuan dan dunia secara fisik. Kecerdasan buatan memungkinkan aplikasi bekerja dalam penyebaran dan pengambilan informasi, pola database, desain produk, manufaktur, inspeksi, pelatihan, dukungan pengguna, perencanaan operasi, penjadwalan sumber daya, dan manajemen sumber daya kompleks.

23 Pohon AI Teknologi kecerdasan buatan termasuk jaringan saraf, logika samar, algoritma genetika, virtual reality, intelligent agent.

24 Contoh AI dalam E-Bisnis JCPenney merupakan salah satu perusahaan besar yang bergantung pada EchoMail dalam mengotomatisisasi tampilan dan jawaban berbagai yang diterima melalui website dari pelanggan.

25 Jaringan Syaraf (Neural Network) NN merupakan Sistem komputasi yang mirip dengan jaringan otak dari element pemrosesan yang saling berhubungan, yang disebut neuron.

26 Contoh kasus Jaringan Syaraf di E-bisnis Jaringan neural pada infoseek, perusahaan Infoseek ini telah mengembangkan suatu jasa untuk tujuan pemasaran dengan menampilkan iklan pada mesin pencari (search-engine) mereka sehingga menjadi daya tarik bagi pengguna yang memanfaatkan internet pada setiap aktifitas pencarian yang dilakukannya. Pelayanan menggunakan teknologi jaringan neural ini dilakukan software Aptex yang mengamati semua aktifitas pengguna setiap kali mereka mengunjungi mesin pencari Infoseek untuk melakukan pencarian.

27 Logika Samar (Fuzzy Logic) Logika samar menggunakan perkiraan aturan untuk menyelesaikan masalah dimana data tidak lengkap dan menimbulkan keraguan. Kebalikan dari sistem berdasarkan logika tegas adalah sistem yang tidak hanya mewakili suatu yang kecil dan besar, tetapi benar-benar nilai yang sebenarnya. Didalam aplikasi bisnis kecerdasan buatan nilai ini disebut logika Fuzy. Logika Fuzzy adalah suatu cara penalaran yang menyerupai penalaran manusia sejak awal dengan mempertimbangkan nilai kedekatan dan kesimpulan (bukan logika jelas) berdasarkan data tidak sempurna atau rancu (data tidak jelas) bentuknya adalah crisp data dan tidak hanya bernilai benar atau salah.

28 Alasan utama mengapa logika samar digunakan yaitu untuk memetakan dengan tepat suatu ruang input kedalam suatu ruang output, beberapa alasan lain diantaranya : Logika samar memiliki toleransi terhadap data-data yang tidak tepat Konsep matematika yang mendasari sangat sederhana dan mudah dimengerti Logika samar sangat flexibel Dan alasan lainya.

29 Algoritma Genetik Algoritma genetika adalah kumpulan prosedur komputasional yang secara konseptual mengikuti langkah-langkah yang diinspirasi oleh evolusi biologis. Dengan menggunakan penyeleksian, pengacakan dan fungsi matematika untuk mensimulasikan suatu proses evolusi sebagai solusi terbaik pemecahan masalah.

30 Aplikasi Virtual Reality VR adalah cabang dari perkembangan kecerdasan buatan yang ditujukan sebagai upaya untuk membangun lebih alami, realistis, antara multisensor manusia dengan komputer dan memungkinkan pengguna mengalami lingkungan simulasi komputer seperti layaknya keberadaan sebenarnya.

31 Agent Cerdas Agent cerdas adalah perangkat lunak berbasis pengetahuan mewakili user atau proses dalam memenuhi tugas terpilih yang berulang-ulang. Agent cerdas mempergunakan ini untuk membangun dan sebagai dasar pengetahuan berkaitan dengan seseorang atau proses untuk membuat keputusan dan memenuhi tugas berbentuk cara yang memenuhi kebutuhan dari seorang pengguna. Contohnya penggalian data, dimana penemuan pengetahuan memungkinkan sistem data warehouse mengidentifikasikan hubungan data yang sebelumnya tidak dikenal.

32 Sistem Pakar Sistem pakar adalah sistem informasi berbasis pengetahuan dari seorang pakar yang menggunakan pengetahuan spesifik untuk bekerja seperti konsultan bagi penggunanya. Sistem pakar menghasilkan jawaban dari pertanyaan yang spesifik dengan membuat penalaran seperti yang dilakukan manusia mengenai pengetahuan yang ada pada basis pengetahuan. Metode Penyajian Pengetahuan

33 Contoh Penggunaan Sistem Pakar Salah satu contoh penerapan sistem pakar untuk dunia periklanan adalah ADCAD (ADvertising Communications Approach Designer) yang digunakan oleh agen periklanan untuk menentukan objek pasar, memilih strategi kreatif, dan memilih komunikasi yang efektif.

34 Kriteria yang harus diperhatikan dalam membangun sistem pakar Domain. Expertise Complexity Structure Availability

35 QUESTION & SUGGESTION Menu Utama

36 Contoh Aturan ADCAD IF ad objective = convey brand image or reinforce brand image AND brand purchase motivation = sensory stimulation AND message processing motifation = high THEN emotional tone = elation IF ad objective = change brand beliefs AND message processing motivation = low AND purchase anxiety = low AND brand use avoids fearful consequences = yes THEN emotional tone = high fear.

37 Metode Penyajian Pengetahuan Case base reasoning : Frame-Based Knowledge : Object-based knowledge : Rule base knowledge : Menyajikan pengetahuan dalam bentuk kasus-kasus, misalkan berdasarkan kejadian yang pernah terjadi, atau berdasarkan pengalaman. Pengetahuan disajikan dalam bentuk hirarki atau frame jaringan. Pengetahuan disajikan dalam bentuk jaringan objek yang disusun dari data dan method atau proses yang dapat dilakukan data tersebut. Pengetahuan disajikan dalam bentuk aturan-aturan dan pernyataan dari fakta. Sebuah aturan merupakan pernyataan yang disusun dari premis dan konklusi, seperti: IF (kondisi) THEN (konklusi). Menu Utama Kembali

38 Model Teknik Analisis What-if analisis : Sensitive analisis : Goal seeking : optimasi analisis : Perubahan pada hubungan variabel antara variabel, dan mengamati perubahan yang dihasilkan dalam nilai variabel lainnya. Merupakan kasus khusus dari what-if analisi. Perubahan yang terjadi hanya pada satu variabel yang berulang kali pada waktu yang tidak terencana. Sensitivie analisis digunakan ketika para pembuat keputusan tidak yakin mengenai asumsi yang dibuat dalam mengestimasi nilai variables Kebalikan arah dari penyelesaian analisis dalam what-if & Sensitive analisis. Goal seeking telah memiliki tujuan, pada kriteria variabel yang dapat berubah-ubah sampai menyesuaikan goalnya. Lebih Komplek dari lanjutan goal-seeking analisis. Menetapkan target pada variabel dengan tujuan untuk menentukan nilai optimum untuk satu atau lebih variabel target, variabel yang berubah berulang kali berhenti sampai variabel target ditemukan. Menu Utama Kembali

39 Perbandingan MIS & DSS Dukungan informasi Bentuk Informasi & Frequensi Format Informasi Metodelogi proses informasi MIS unjuk kinerja perusahan Priodik (berkala) sesuai dengan Permintaan dan dapat ditanggapi & disetujui Tetap, sudah dispesifikasikan sebelumnya data dimanipulasi & diekstrak DSS menganalisa suatu permasalahan Tanggapan Interaktif, berupa pertanya dan tanggapan Flexibel model analisis data Menu Utama Kembali

40 M I S Input: Raw Materials, Supplies, Data, etc. The Firm Processing MIS Output: Products, Services, Information etc. Managers, VPs, CEO Menu Utama

41 Menu Utama

42 Kekurangan Sistem Pakar Sistem pakar juga mungkin susah dan mahal untuk dibangun dan dipelihara dengan baik. biaya untuk knowledge engineer, waktu untuk pakar, software dan hardware yang lebih jika dibandingkan dengan beberapa aplikasi yang lain. Sistem pakar juga tidak dapat merawat dirinya sendiri. Sistem pakar tidak dapat belajar dari pengalaman tetapi harus diberitahu mengenai pengetahuan yang baru dan dimodifikasi sebagai pengetahuan baru untuk menyesuaikan dengan subjek areanya. Tetapi beberapa kelemahan tersebut dapat ditangani dengan mengkombinasikan sistem pakar dengan teknologi AI seperti logika fuzzy dan neural network atau dengan menggunakan peralatan lain untuk membuat pembuatan dan perawatan lebih mudah. Menu Utama

43 Kerangka Kerja DS (Decision Support) Menu Utama

44

45

46 Sistem Informasi Manajemen (Management Information Systems) Sistem Informasi Manajemen merupakan sistem informasi yang dikembangkan untuk mendukung pengambilan keputusan manajerial sehari-hari. Tampilan laporan (prespecified / tidak spesifik, berkala, terkadang mendesak) dan perlu mendapat tanggapan yang memberikan informasi bahwa pengambilan keputusan telah ditetapkan sesuai kebutuhan. Contohnya pembuatan keputusan pada level operational management dan tactical management. Kembali

47 JENIS INFORMASI DAN PENGAMBILAN KEPUTUSAN Tingkat organisasi Tipe Keputusan Operasional Manajemen strategik Terstruktur TPS - - Semi terstruktur - MIS & DSS - Tidak terstruktur - ESS Keterangan: TPS (transaction processing systems) MIS (management information syatem) DSS (decision support systems) ESS (executive support systems) Menu Utama

48 Masyarakat 8 elemen lingkungan Masy Keuangan Pemerintah Masy Global Pemasok Perusahaan Pelanggan Serikat Buruh Pemilik/ Saham Pesaing Menu Utama

49 Daftar Rujukan 1. Introduction to Information Systems, James A. O Brien, edisi 10, Essentials for the Internetworked E-Business Enterprise 2. Management Information System, Raymond McLeod,Jr dan George P.Schell, Pearson,edisi Decision Support Systems and Intelligent Systems, E.Turban, Jay E.Aronson, Pearson, edisi 7 Menu Utama