BAB II LANDASAN
TEORI
2.1
MANAJEMEN SISTEM INFORMASI
2.1.1
DEFINISI MANAJEMEN SISTEM INFORMASI
Manajemen
Sistem Informasi
adalah
kunci
dari
bidang
yang
menekankan
financial dan personal
manajemen.
“Sistem Informasi” dapat berguna dari beberapa
elemen teknologi yang berbasis komputer yang saling berinteraksi dan bekerja sama
berdasarkan
suatu
prosedur
kerja (
aturan
kerja
)
yang telah
ditetapkan,
dimana
memproses dan mengolah data menjadi suatu bentuk informasi yang dapat digunakan
dalam mendukung keputusan.
2.1.2
TIPE SISTEM INFORMASI
Pada masa saat ini banyak perusahaan pada umumnya berdasarkan pada
internet, data warehouse, atau sistem operasional organisasi sudah berbasiskan web (
web-base),
dan masih banyak lagi teknologi berbasis lain yang banyak dibicarakan
pada
saat
ini
dalam ruang
lingkup
Teknologi
Informasi.
Sebagai
contohnya
Management
Information
System (
MIS
),
Decision
Support
System
(
DSS
),
Enterprise Resource Planning ( ERP ), Expert System ( ES ), dan
Customer
Relationship Management ( CRM ).
Management
Information
System
(
MIS
)
sebuah
kumpulan
dari
berbagai
macam
subsistem – subsistem yang saling berhubungan dan bekerja satu sama lain,
7
|
8
mengolah data
menjadi informasi
yang bisa digunakan oleh
manajemen
tingkat atas
yang
dapat
membantu
mengambil
keputusan perusahaan. Informasi
yang
diberikan
biasanya
sudah
melewati
tahapan
pengolahan pada
sebelumnya
karena
informasi
tersebut sudah berbentuk
laporan. Dan
laporan secara periodik
itu dapat membantu
para
manager
untuk
mengambil
keputusan
secara tepat sasaran. Biasanya laporan
tersebut lebih rinci dan lengkap setiap transaksinya.
Decision
Support
System
(
DSS
)
berbasiskan
Sistem computer
yang
membantu para pengguna dalam kegiatan penilaian dan pemilihan. Decision Support
System menyediakan penyimpanan data dan pencariannya, tetapi juga meningkatkan
akses informasi tradisional dan
fungsi lainnya dengan dukungan
untuk
membangun
model dan model-base reasoning. Mereka
mendukung penyusunan, pemodelan, dan
pemecahan masalah. (Druzdzel & Flynn, 2002).
Enterprise
Resource
Planning
(
ERP
)
mengintegrasikan
sistem perangkat
lunak
bisnis
utama
dan
proses
manajemen
di
dalam dan di
luar batas perusahaan.
Sedangkan nilai bisnis dari implementasi
ERP
telah
banyak
diperdebatkan
dalam
perdagangan TI berkala dalam bentuk diskusi atau studi kasus kualitatif rinci, ada
sedikit bukti besar sampel statistik yang mengadopsi ERP dan apakah manfaat dari
implementasi ERP melebihi biaya (dan risiko ). (Hitt, wu, & ZHOU, 2002).
Expert System ( ES ) Adalah sistem berbasis ilmu pengetahuan didesain untuk
meniru kemampuan pengambilan keputusan. Tugas khusus ES berbasis ilmu
pengetahuan menjadi sumber alternatif kemampuan pengambilan keputusan bagi
organisasi untuk digunakan, bukan mengandalkan keahlian hanya satu atau beberapa
orang yang memenuhi syarat untuk membuat keputusan tertentu. Sebuah ES berbasis
|
9
pengetahuan untuk menangkap penalaran dari orang tertentu untuk masalah tertentu.
Biasanya pakar / sistem berbasis pengetahuan dirancang dan dikembangkan untuk
menangkap
langkah, tetapi penting pengambilan keputusan
yang
terjadi di banyak
organisasi. Ahli / sistem berbasis pengetahuan sering dikhawatirkan menjadi
"pengganti" untuk pengambil keputusan. Namun, dalam banyak organisasi sistem ini
digunakan untuk "membebaskan" pembuat keputusan untuk menangani isu-isu yang
lebih kompleks dan penting
yang dihadapi organisasi. (Pomykalski, Truszkowski,
&
Brown, 1999).
Customer Relationship Management ( CRM ) adalah strategi manajemen yang
menyatukan
teknologi
informasi
dengan pemasaran.
CRM
berasal
dari
Amerika
Serikat pada tahun 1990-an sampai saat ini, telah diterima di sejumlah besar
perusahaan di seluruh dunia. Di sisi lain, beberapa orang memiliki pendapat negatif
dari CRM; (Ueno, 2006).
2.2 BUSINESS INTELLIGENCE
2.2.1 DEFINISI BUSINESS INTELLIGENCE
Business Intelligence (BI) yang paling sering adalah tentang menghindari
kejutan dan meminimalkan eksposur risiko. Tujuan penting dan perlu strategis
defensif
ini adalah
manfaat
paling
umum dan
mudah
dipahami
program
intelijen
sebuah perusahaan bisnis, dengan nilai yang dirasakan tertinggi untuk para eksekutif.
(Schmidt, Michalewicz, Michalewicz, & Chiriac, 2007).
|
![]() 10
Sementara "Business Intelligence" sering didefinisikan sebagai sebuah
kategori
dari
teknologi
program aplikasi
untuk
mengumpulkan,
menyimpan,
dan
menyediakan akses ke data dengan "adaptive Business Intelligence" dapat
didefinisikan
sebagai
penggunaan
teknik prediksi
dan
teknik
optimisasi
untuk
membangun system pengambilan keputusan secara mandiri" (Frates & Sharp, 2005).
2.2.2
STRUKTUR & KOMPONEN BUSINESS INTELLIGENCE
Struktur dan komponen yang dalam sebuah Business Intelligence Framework
(Dyk & Conradie, 2007) :
Gambar 2.1 Business Intelligence Framework (Dyk & Conradie, 2007)
Dapat
kita
lihat
dari gambar diatas aliran data
dari
awalnya hingga
pemrosesan
baik
dari sistem operasional (
ERP,
SIS, CMS,
dsb
)
maupun
sistem
manual yang selanjutnya akan diproses di Extract, Transform, Load ( ETL ) menuju
|
11
ke data
warehouse,
yaitu
tempat
penyimpanan khusus
untuk
database
yang telah
dipersiapkan sebebelumnya untuk membantu aplikasi pengambilan keputusan.
2.2.3
BUSINESS ANALYTICS
Dirancang khusus untuk segmen pasar menengah dan perusahaan terus
berkembang,
Business Analytics membantu memungkinkan anda dan karyawan
Bisnis Analytics memberikan Anda kekuatan dan kontrol kebutuhan anda atas bisnis
Anda tanpa pelatihan yang ekstensif atau gangguan yang tidak semestinya. Business
Analytics
tidak
memerlukan
jangka
waktu yang
panjang
implementasi, dan standar
pertanyaan dan built-in fungsi berarti Anda dapat mulai memetik manfaat dari
intelijen bisnis lebih cepat.
Akses
Informasi. Business Analytics memungkinkan untuk mendapatkan
pandangan 360 derajat kinerja bisnis anda.
Business Analytics tidak hanya
menghasilkan sebuah gambaran singkat dari data bisnis anda seperti yang Anda
inginkan disajikan, tetapi juga memastikan bahwa setiap orang dalam organisasi anda
menggunakan data up-to-date yang sama untuk memperoleh wawasan bisnis untuk
membuat keputusan strategis dan operasional. (Product : Microsoft , 2007).
2.2.4
DATA MINING
Data mining adalah proses analisis
terhadap data dengan penekanan
menemukan
informasi
yang
tersembunyi pada sejumlah besar data yang disimpan
ketika menjalankan bisnis perusahaan.
|
12
Teknik data mining
merupakan implementasi
yang khusus dengan algoritma,
yang
digunakan
pada
operasi
data
mining.
Ada
Enam
teknik
umum data
mining
(Miranda, 2008) :
•
Association
Digunakan untuk
mengenali kelakuan dari kejadian – kejadian
khusus atau proses. Link asosiasi muncul pada setiap kejadian.
•
Sequence
Mirip dengan association,
namun
menghubungkan
kejadian
–
kejadian sepanjang waktu dan menentukan keterhubungan antara
item untuk sepanjang waktu
•
Classification
Melihat pada kelakuan dan atribut dari kelompok yang telah
didefinisikan
•
Cluster
Dapat
digunakan
untuk
menganalisis pengelompokan berbeda
terhadap data. Mirip dengan klasifikasi, namun pengelompokan
belum didefinisikan sebelum dijalankannya tool data mining
•
Regression ( forcasting )
Menggunakan
nilai
dari
data
yang diketahui
untuk
memperkirakan
nilai
dimasa
depan
atau kejadian masa depan
berdasarkan
kecenderungan sejarah dan static.
|
13
•
Time series
Perbedaan
dengan
regresi
adalah
bahwa
time
series
hanya
memperkirakan data yang bergantung pada waktu.
2.2.5
DATA MART
Koleksi bidang studi yang diselenggarakan
untuk
mendukung
keputusan
berdasarkan kebutuhan
departemen
tertentu. Keuangan
memiliki
data
mart
mereka,
pemasaran memilikinya, dan penjualan memilikinya dan seterusnya. Dan data mart
untuk
pemasaran
hanya
samar-samar
menyerupai
data
mart
orang
lain.
Mungkin,
yang paling penting (Inmon, 1999) masing-masing departemen memiliki perangkat
keras,
perangkat
lunak,
data
dan
program yang
merupakan
data
mart.
Setiap
departemen memiliki
interpretasi sendiri tentang seperti apa data mart harus terlihat
dan ciri khas data mart masing-masing departemen dan spesifikasi untuk kebutuhan
sendiri. Serupa dengan data
warehouse, data mart
berisi data operasional yang
membantu para
ahli bisnis
untuk
menyusun strategi berdasarkan
analisis
tren
masa
lalu dan pengalaman. Perbedaan utama adalah bahwa penciptaan data mart
didasarkan pada kebutuhan khusus, standar untuk kelompok tertentu dan konfigurasi
dalam memilih data. Akan ada beberapa data mart di dalam perusahaan. Sebuah data
mart dapat mendukung fungsi bisnis tertentu, proses bisnis atau unit bisnis. (Sahay &
Ranjan, 2008).
|
14
2.2.6
QUERY AND REPORTING TOOLS
Online
Analytical
Processing
(OLAP)
menyediakan multidimensi,
peringkasan data bisnis dan digunakan untuk pelaporan, analisis, pemodelan, dan
perencanaan
untuk
mengoptimalkan
bisnis. Teknik
OLAP
dan
alat-alatnya
dapat
digunakan
untuk bekerja dengan
gudang data atau data
mart
yang dirancang
untuk
sistem intelijen
perusahaan
canggih.
Sistem proses
queries
ini
dibutuhkan
untuk
menemukan
tren
dan
menganalisis
faktor-faktor
kritis.
Pelaporan perangkat lunak
menghasilkan pandangan keseluruhan data agar bagian manajemen tahu tentang
keadaan bisnis mereka. Alat-alat BI lain yang digunakan untuk menyimpan dan
menganalisis data, seperti data mining dan gudang data, sistem pendukung keputusan
dan peramalan; gudang dokumen dan manajemen dokumen; manajemen
pengetahuan, pemetaan, visualisasi informasi,
dan
dash boarding,
sistem
informasi
manajemen,
sistem informasi
geografis;
analisis
kecenderungan; software
sebagai
layanan. (Sahay & Ranjan, 2008).
2.2.7
DATA SOURCE
Pada
awal
tahapan
pembuatan
Business
Intelligence diperlukan
sebuah
data source dan mengintergrasikan sumber data tersebut ke berbagai macam –
macam sumber lainnya baik itu sumber utama maupun sumber sekunder, yang mana
data
tersebut
harus
bersifat
heterogen
dalam sumber
dan
tipenya.
Sumbernya
kebanyakan
berasal
dari
data
yang
termasuk
sistem operasional,
tetapi
bisa
juga
berasal dari dokumen yang
tidak berstruktur seperti email
atau data yang diperoleh
dari penyedia lainya. (Gultom, 2009)
|
15
2.2.8
BUSINESS PERFORMANCE MANAGEMENT
Business
Performance
Management
(BPM) memungkinkan organisasi
untuk secara efektif memantau, mengendalikan, dan mengelola pelaksanaan inisiatif
strategis.
BPM
menjembatani
kesenjangan
antara
strategi
dan
eksekusi.
Dua
langkah
pertama
strategi
ini
dan
perencanaan, sedangkan dua terakhir melibatkan
pelaksanaan strategi dan tindakan. Dengan empat langkah, kerangka bergerak setiap
orang
dalam organisasi
dalam arah
yang
sama.
Hal
ini
memungkinkan
organisasi
untuk berfokus pada proses inti beberapa yang mendorong nilai bisnis. Akibatnya,
organisasi dapat mengabaikan banyak proses yang hanya menghasilkan kegiatan dan
tidak berkontribusi terhadap kesehatan jangka panjang perusahaan.
BPM
memiliki
cakupan yang
lebih
luas yang terfokus
pada
keseluruh
kegiatan perusahaan. Karena data yang disimpan dan dianalisis umumnya historikal,
kebanyakan aplikasi BI digunakan untuk
mendukung
keputusan
dan
pengambilan
keputusan. (Frolick & Ariyachandra, 2006)
Salah
satu
tantangan
terbesar
untuk
deploying BPM
adalah
memilih
tindakan yang tepat untuk melayani sebagai indikator kinerja utama. Bagian berikut
membahas tantangan untuk metrik mengembangkan dan menyajikan satu metodologi
yang mungkin untuk pengukuran kinerja.
|
16
2.2.9
KATEGORI BUSINESS INTELLIGENCE
Business analytic / Business Intelligence dapat dikategorikan
menjadi 3
kategori utama :
1. Information and knowledge discovery
Information
and knowledge
discovery
berperan sebagai sarana observasi
dari informasi yang ada untuk meramalkan
hal yang akan
terjadi di akan
datang atau untuk menemukan peluang baru yang selama ini tak terlihat.
Seperti contohnya pada OLAP memungkinkan analisis untuk melakukan
proses slice
dan
dice data,
mengamati
grafik
dan
table
yang dihasilkan
dari dimensi yang sedang diawasi. Lain
halnya dengan data mining yang
menerapkan model statisik dan deterministic dan metode kecerdasan
buatan terhadap data untuk mengidentifikasi relasi tersembunyi atau
menemukan
pengetahuan
di
antara
berbagai
macam data
atau elemen.
Selain kedua contoh diatas : ad hoc and reports, text mining, web mining,
search engines.
2. Decision Support dan Intelligent System
Semua
manajer
dan
eksekutif
memerlukan
sistem BI
untuk
menunjang
kinerja
terutama dalam pengambilan keputusan atau pada tahap strategis.
Namun perlu diperhatikan beberapa manajer akan kesulitan bila
berhadapan dengan data yang tak relevan atau aplikasi terlalu sulit untuk
digunakan. Mendistribusikan informasi dari analisis ke perusahaan
|
17
merupakan tantangan besar. Isu penting dari sistem BI adalah menemukan
keperluan bisnis, bila sistem tidak
menyediakan
informasi
yang berguna,
maka hal itu dianggap tak berguna.
Decision
Support
dan Intelligent
System
berperan
sebagai
penyedia
informasi yang dibutuhkan oleh manajer/eksekutif dengan representasi
visual yang mudah dimengerti dan informatif. Informasi yang dihasilkan
lalu digunakan oleh para manajer dan eksekutif untuk pengambilan
keputusan atau merencanakan strategi perusahaan.
3. Visualization
Visualization merupakan
teknologi
yang
mendukung
tampilan
atau
terjemahan data dan informasi pada beberapa hal proses data. Hal tersebut
termasuk
gambar
digital,
geographic information,
graphical
user
interfaces,
multidimensions,
tables and
graphs,
virtual
reality,
three
dimensional
presentation,
dan
animation. Aplikasi
visualization
menawarkan kemampuan untuk dapat mengeksplorasi sendiri oleh
pengguna dan analisis visual sejumlah besar data.
2.2.10 MANFAAT BUSINESS INTELLIGENCE
BI
merupakan
keuntungan
untuk
perusahaan apapun BI menarik bersamaan
sejumlah besar
informasi
real time dari sistem
heterogen
yang berbeda dan
menyuling mereka ke dalam pandangan fokus bisnis. kemudian BI kemampuan real-
time bahkan dapat membuat lebih mudah bagi perusahaan untuk bekerja secara
|
18
langsung dengan pelanggan. Pelanggan
mungkin di telepon atau
situs
mengunjungi
web e-commerce hanya beberapa menit, yang membatasi waktu dan jumlah informasi
perusahaan
harus membuat keputusan yang berhubungan dengan penjualan. Namun,
baru BI pendekatan dapat memproses informasi yang cukup cepat untuk membuat
keputusan tersebut.
Setiap
organisasi
yang
berhasil
mengintegrasikan
BI
ke
dalam
proses bisnis
dapat
mencapai return
yang
signifikan
pada
investasi. Ini adalah pernyataan yang
paling diperdebatkan. Beberapa organisasi mungkin melihatnya berbeda. Biaya
menjalankan
sebuah
gudang
data
yang
besar
untuk
mendukung
sistem
BI
masih
tinggi
untuk
banyak organisasi.
Sekarang
perhitungan sistem BI laba atas investasi
sulit
karena BI
memberikan
wawasan
yang
terkait
dengan
bisnis
daripada
link
langsung ke penjualan atau penghematan biaya.
Namun
manfaat BI tidak datang tanpa
usaha. Dari perspektif organisasi,
unit
bisnis yang terkena dampak proyek BI harus erat terlibat dan berkomitmen untuk
proyek. Demikian juga, manajemen harus memiliki pemahaman yang mendalam
tentang
nya proses bisnis dan jelas
menetapkan tujuan
yang akan dicapai. Akhirnya,
platform teknologi
untuk
BI
harus
mampu
memberikan
informasi
mengenai
permintaan, pada titik keputusan operasional, dengan biaya yang efektif.
Dalam melaksanakan pekerjaanya
sehari
–
hari,
seluruh
level
dari
suatu
organisasi (mulai dari pegawai atau bawahan sampai dengan manajemen tingkat atas)
selalu berkaitan dan membutuhkan akses data dan informasi. BI mempermudah
seluruh level pegawai dalam mengakses data dan informasi yang diperlukan sehingga
membantu
suatu
keputusan.
Jika seperti
ini
tercapai,
maka
misi dan
strategi
|
![]() 19
organisasi yang sudah ditetapkan dapat lebih mudah terlaksana terpantau tingkat
pencapaiannya
BI tidak selalu harus mengubah atau menggantikan sistem informasi yang
sudah
digunakan
sebelumnya.
Sebaiknya, BI hanya menambahkan layanan pada
sistem –
sistem tersebut
sehingga
data
dan
informasi
yang
sudah
ada
dapat
menghasilkan informasi yang komprehensif dan memiliki kegunaan yang lebih baik.
2.2.11 PENDEKATAN IMPLEMENTASI BUSINESS INTELLIGENCE
Pada
tahap
pendekatan
implementasi
ini
ada
beberapa
tahapan
yang
harus
di
lewati
untuk
mulai
dari
identifikasi
awal penentuan bahan yang diperlukan hingga
deployment yang akan dijelaskan ditiap – tiap langkahnya. Seperti gambar dibawah
ini.
Gambar 2.2 Business Intelligence Project Roadmap (Moss & Atre, 2003)
Ada 6 stage dalam pendekatan implentasi Business Intelligence
dan didalam
stage tersebut dibagi – bagi lagi menurut langkah – langkah yang ada, sebagai berikut
(Moss & Atre, 2003) :
|
20
2.2.11.1
Stage 1. Justifiaction
Menilai kebutuhan bisnis yang menimbulkan proyek rekayasa baru.
Step 1. Business Case Assessment
Masalah usaha atau peluang bisnis didefinisikan dan solusi BI diusulkan.
Setiap
rilis aplikasi
BI
harus
dikenakan
biaya
justifikasi
dan
jelas
harus
mendefinisikan manfaat baik memecahkan masalah bisnis atau mengambil
keuntungan dari peluang bisnis.
2.2.11.2
Stage 2. Planning
Mengembangkan rencana strategis dan taktis,
yang merencanakan bagaimana
proyek rekayasa akan tercapai dan disebarkan.
Step 2: Enterprise Infrastructure Evaluation
Karena aplikasi
BI merupakan
inisiatif lintas-organisasi, sebuah
infrastruktur
perusahaan harus diciptakan untuk mendukung mereka. Beberapa komponen
infrastruktur
mungkin
sudah
berada
di
tempat
sebelum proyek
BI
pertama
diluncurkan. Komponen
infrastruktur lain mungkin harus dikembangkan dari
waktu ke waktu sebagai bagian dari proyek
BI. Infrastruktur perusahaan
memiliki dua komponen:
|
21
1. Infrastruktur teknis, yang meliputi hardware, software,
middleware,
sistem manajemen
database,
sistem
operasi,
komponen
jaringan, repositori meta data, utilitas, dan sebagainya.
2.
Nonteknis infrastruktur, yang mencakup meta data standar, data-
penamaan standar-standar, logis model data perusahaan (berkembang),
metodologi,
pedoman,
prosedur
pengujian, perubahan-pengendalian
proses, prosedur untuk manajemen
isu dan penyelesaian sengketa, dan
sebagainya.
Step 3: Project Planning
Keputusan BI mendukung proyek-proyek sangat dinamis. Perubahan ruang
lingkup,
staff,
anggaran,
teknologi,
perwakilan bisnis, dan sponsor dapat
berdampak pada keberhasilan proyek. Oleh karena itu, perencanaan proyek
harus rinci, dan kemajuan aktual harus diawasi dengan ketat dan dilaporkan.
2.2.11.3
Stage 3. Business Analysis
Menunjukan analisis yang dirinci mengenai masalah bisnis atau peluang
usaha untuk mendapatkan pemahaman yang kuat tentang persyaratan bisnis
untuk solusi potensial (produk).
|
22
Step 4: Project Requirements Definition
Mengelola lingkup proyek merupakan salah satu tugas yang paling sulit pada
proyek BI decision-support. Keinginan untuk memiliki segala sesuatu secara
instan sulit untuk dibatasi, tetapi membatasi keinginan yang merupakan salah
satu aspek yang paling penting dari
negosiasi persyaratan untuk setiap
pengiriman.
Tim proyek
harus
mengharapkan
persyaratan
untuk
berubah
selama
siklus
pembangunan
sebagai orang
bisnis
yang
mempelajari
lebih
banyak tentang kemungkinan dan keterbatasan teknologi BI selama proyek.
Step 5: Data Analysis
Tantangan
terbesar
untuk
semua proyek BI
decision-support adalah
kualitas
dari
sumber
data.
Pembangunan
kebiasaan
buruk
selama
beberapa
dekade
sulit untuk dihilangkan, dan kerusakan yang diakibatkan dari kebiasaan buruk
yang sangat mahal, memakan waktu, dan tidak menarik untuk ditemukan dan
benar. Selain itu, analisis data di masa
lalu
dibatasi dengan pandangan satu
baris bisnis dan tidak pernah konsolidasi atau berdamai dengan tampilan lain
dalam organisasi.
Langkah
ini
mengambil
persentase
yang
signifikan
dari
waktu yang diberikan untuk jadwal keseluruhan proyek.
Step 6: Application Prototyping
Analisis kiriman
fungsional, yang selalu disebut system analysis, paling baik
dilakukan
melalui
prototipe
sehingga
dapat
dikombinasikan
dengan
desain
|
23
aplikasi. Alat Baru dan bahasa pemrograman memungkinkan pengembang
untuk relatif cepat membuktikan atau menyangkal suatu konsep atau ide.
Prototyping
juga
memungkinkan
para pebisnis
untuk
melihat
potensi
dan
batas-batas
teknologi,
yang
memberikan
mereka kesempatan
untuk
menyesuaikan kebutuhan proyek mereka dan harapan mereka.
Step 7: Meta Data Repository Analysis
Memiliki alat yang lebih berarti memiliki meta data yang lebih teknis di
samping
data
bisnis
meta,
yang
biasanya
ditangkap
dalam alat
teknik
komputer-dibantu perangkat lunak (CASE) pemodelan. Data meta teknis
perlu dipetakan ke data bisnis meta, dan semua meta data harus disimpan
dalam repositori meta data. Repositori
meta data dapat dilisensi (dibeli) atau
dibangun.
Dalam kedua
kasus,
persyaratan
untuk
jenis
meta
data
untuk
menangkap dan menyimpan harus didokumentasikan dalam suatu model meta
logis. Ketika lisensi sebuah repositori
meta
data
produk,
persyaratan
didokumentasikan pada
model
meta
logis harus dibandingkan dengan model
meta vendor, jika disediakan. Selain itu, persyaratan untuk mengirimkan meta
data
kepada
masyarakat
bisnis
harus dianalisis (misalnya, fungsi bantuan
online
2.2.11.4
Stage 4. Design
Menyusun sebuah produk yang memecahkan masalah bisnis atau
memungkinkan peluang bisnis.
|
24
Step 8: Database Design
Satu atau lebih BI target database akan menyimpan data bisnis dalam bentuk
rinci atau gabungan, tergantung pada persyaratan pelaporan dari komunitas
bisnis.
Tidak
semua persyaratan pelaporan
yang strategis,
dan
tidak
semua
dari mereka adalah multidimensi. Skema database Desain harus sesuai dengan
kebutuhan akses informasi komunitas bisnis.
Step 9: Extract/Transform/Load Design
Proses ETL adalah proses yang paling rumit dari seluruh proses proyek BI
decision-support.
Itu
juga
merupakan
salah
satu
paling
menarik.
Windows
ETL pengolahan (windows batch) biasanya kecil, namun rendahnya kualitas
sumber data biasanya memerlukan banyak waktu untuk menjalankan program
transformasi
dan
pembersihan.
Menyelesaikan
proses
ETL
dalam window
batch yang tersedia merupakan tantangan bagi kebanyakan organisasi.
Step 10: Meta Data Repository Design
Jika
repositori
meta
data yang
berlisensi,
maka
kemungkinan
besar
harus
ditingkatkan dengan fitur yang telah didokumentasikan pada model meta logis
tetapi
tidak disediakan oleh produk.
Jika
repositori
meta
data
sedang
dibangun, keputusan harus dibuat apakah meta data desain database repositori
akan menjadi entitas-hubungan yang didasarkan atau berorientasi objek.
Dalam kedua kasus, desain harus memenuhi persyaratan model meta logis.
|
25
2.2.11.5
Stage 5. Construction
Membangun produk, yang seharusnya memberikan pengembalian investasi
dalam jangka waktu yang telah ditetapkan.
Step 11: Extract/Transform/Load Development
Alat yang tersedia untuk proses ETL, beberapa canggih dan beberapa
sederhana. Tergantung pada persyaratan untuk pembersihan data dan
transformasi data yang dikembangkan pada Step 5, Analisis Data, dan Step 9,
ETL Desain, alat ETL mungkin atau mungkin bukan solusi terbaik. Dalam
kedua kasus, preprocessing data dan menulis ekstensi untuk melengkapi
kemampuan alat ETL sering diperlukan.
Step 12: Application Development
Setelah upaya prototipe telah dipersatukan persyaratan fungsional,
pembangunan akses dan analisis aplikasi bisa dimulai. Mengembangkan
aplikasi dapat menjadi masalah sederhana menyelesaikan sebuah prototipe
operasional,
atau
dapat
menjadi
lebih
terlibat
dalam usaha
pengembangan
dengan, akses
yang
lebih kuat dan alat analisis yang berbeda. Dalam kedua
kasus,
kegiatan
aplikasi
front-end pengembangan biasanya dilakukan secara
paralel dengan kegiatan pembangunan ETL back-end dan meta data
pengembangan repositori.
|
26
Step 13: Data Mining
Banyak organisasi
tidak
menggunakan
lingkungan
BI
decision
support
mereka sepenuhnya. Aplikasi BI sering terbatas pada laporan pra tertulis,
beberapa di antaranya bahkan bukan jenis laporan baru tetapi pengganti dari
laporan lama.
Payback
sebenarnya
berasal dari informasi
yang
tersembunyi
dalam data organisasi, yang dapat ditemukan hanya dengan alat data mining.
Step 14: Meta Data Repository Development
Jika keputusan dibuat untuk membangun
meta data repositori daripada
melisensi
satu,
sebuah
tim terpisah
biasanya
diisi
dengan
proses
pembangunan.
Hal
ini
menjadi
proyek
yang
cukup besar
dalam proyek
BI
secara keseluruhan.
2.2.11.6
Stage 6. Deployment
Melaksanakan atau menjual produk jadi, kemudian mengukur efektivitas
untuk menentukan apakah solusi memenuhi, melebihi, atau gagal untuk
memenuhi hasil yang diharapkan dari investasi.
Step 15: Implementation
Setelah
tim telah
menguji secara
menyeluruh semua komponen dari aplikasi
BI, tim mengeluarkan basis data dan aplikasi. Pelatihan
ini dijadwalkan bagi
staf bisnis dan stakeholder lainnya
yang akan
menggunakan aplikasi BI dan
|
27
meta data repositori. Fungsi dukungan dimulai, yang meliputi operasi help
desk, menjaga database target BI, penjadwalan dan menjalankan pekerjaan
batch ETL, memantau kinerja, dan database tuning.
Step 16: Release Evaluation
Dengan konsep
rilis aplikasi, sangat penting
untuk mendapatkan keuntungan
dari pelajaran yang dipetik dari proyek
sebelumnya.
Setiap
MDP,
biaya
overruns, perselisihan, dan resolusi sengketa harus diperiksa, dan penyesuaian
proses
harus
dibuat
sebelum rilis
berikutnya
dimulai.
Setiap
alat,
teknik,
pedoman, dan proses yang tidak bermanfaat perlu dievaluasi ulang dan
disesuaikan, bahkan mungkin dibuang.
2.3
OLAP ( Online Analytical Processing )
2.3.1
DEFINISI OLAP ( Online Analytical Processing )
OLAP teknologi yang sangat baik bagi
pelaksanaan
konsolidasi
data
keuangan,
lebih baik dan
mudah digunakan
untuk suatu tujuan dari SQL
misalnya.
Tetapi alat atau produk yang melakukan konsolidasi tidak termasuk dalam alat OLAP
atau produk, tak peduli betapa efisien dan elegan itu mereka melakukan konsolidasi.
(Baragoin, Bercianos, Komel, Robinson, Sawa, & Schuinder, 2001)
Tujuan dari sebuah OLAP adalah untuk menyimpan data sedemikian rupa
sehingga pengguna akhir dapat memilah dan dan membagi data melalui struktur
penyimpanan itu sendiri, dan sangat memudahkan untuk mengakses data yang sangat
|
28
cepat. Dimensinya
mengacu pada bagaimana data disusun dan biasanya terdiri dari
bidang karakter yang mengambarkan data tersebut. (Nelson, 2008)
2.3.2
KEUNTUNGAN OLAP ( Online Analytical Processing )
Sukses
aplikasi
OLAP
meningkatkan produktivitas manajer bisnis,
pengembang, dan keseluruhan organisasi. Fleksibilitas yang melekat pada sistem
OLAP berarti pengguna bisnis aplikasi OLAP dapat menjadi lebih mandiri. Manajer
tidak lagi tergantung pada TI untuk melakukan perubahan skema, untuk menciptakan
gabungan.
OLAP
memungkinkan
manajer
untuk
menangani
masalah
model
yang
tidak mungkin menggunakan sistem flexible yang kurang dengan waktu respon yang
panjang dan tidak konsisten. Kemudian lebih bisa mengontrol waktu dan akses yang
tepat terhadap informasi strategis yang seimbang untuk menciptakan efektifitas dalam
pengambilan keputusan. (White Paper : OLAP Council, 1997)
Pengembang IT juga mendapatkan keuntungan dari menggunakan
perangkat lunak OLAP. Meskipun dimungkinkan untuk membangun perangkat lunak
OLAP
sistem
menggunakan
software
yang
dirancang
untuk
memproses transaksi
atau data koleksi, tentu sangat tidak efisien dalam penggunaan waktu. Dengan
menggunakan perangkat lunak dirancang khusus untuk OLAP, pengembang dapat
mengirimkan aplikasi lebih cepat untuk pengguna bisnis, menyediakan layanan yang
lebih baik. pengiriman cepat aplikasi yang juga mengurangi aplikasi backlog.
Sebagai
hasilnya, IT mendapatkan keuntungan yakni lebih mandiri tanpa
melepaskan kontrol atas integritas data. IT juga menyadari operasi yang lebih efisien
melalui OLAP. Dengan menggunakan perangkat lunak yang dirancang untuk OLAP,
|
29
IT mengurangi drag query dan
lalu lintas jaringan pada
sistem transaksi atau
Data
Gudang. Terakhir, dengan menyediakan kemampuan untuk memodelkan masalah-
masalah bisnis nyata dan penggunaan yang lebih efisien sumber daya manusia, OLAP
memungkinkan organisasi secara keseluruhan untuk merespon lebih cepat tuntutan
pasar.
Cepat
tanggap
pada
tuntutan pasar sehingga
mendapatkan
hasil
pendapatan
ditingkatkan dan profitabilitas.
2.4 DATA WAREHOUSE
2.4.1 DEFINISI DATA WAREHOUSE
Data warehouse adalah tempat di mana sumber data transaksional secara
khusus terstruktur untuk kinerja yang diminta dan analisis dan kemudahan
penggunaan. Sebuah data mart adalah subset logis dan fisik dari gudang data. Sebuah
data mart yang dirancang dengan baik akan cukup fleksibel ketika dihadapkan
dengan permintaan pengguna yang tak terduga dan didasarkan pada (rinci atau
granular) data yang paling atom yang tersedia. Setiap data mart berisi setidaknya satu
"fakta"
-
sebuah
pengukuran
kinerja
usaha, biasanya
numerik
dan
aditif,
yang
disimpan dalam tabel fakta.
Karakteristik dari data warehouse menurut pendapat (Inmon, 2005) yaitu :
•
Subject oriented
Sistem operasi secara klasik diorganisasikan sekitar aplikasi
fungsional
dari
perusahaan.
Untuk
perusahaan asuransi,
aplikasinya
dapat
berupa
|
![]() 30
auto,
health,
life,
dan casuality.
Area
subyek
utama
dari
perusahaan
asuransi
dapat
berupa customer,
policy,
premium,
dan
claim.
Untuk
perusahaan, area subyek utama dapat berupa product, order, vendor, bill
of material, dan raw goods. Untuk pedagang eceran, area subyek utama
dapat berupa product, sale, vendor.
Gambar 2.3 Contoh subject orientation pada Data Warehouse
( Inmon, 2005, p30)
•
Time variant
Dalam
lingkungan
yang
berbeda,
terdapat
juga
time
horizon
yang
berbeda.
Time
horizon
merupakan
parameter
waktu
pada
setiap
|
31
lingkungan. Time horizon pada data yang terdapat pada data warehouse
lebih
lama
dibandingkan
pada
sistem operasional.
Pada
sistem
operasional, time horizon normal terdapat antara 60 – 90 hari, sedangkan
pada data warehouse, time horizon yang
normal
terdapat antara 5 – 10
tahun.
Kesimpulannya,
data
warehouse
berisi
lebih
banyak
kumpulan
data sebelumnya daripada lingkungan yang lain.
Database operational berisi data-data sementara dimana terdapat akurasi
pada saat pengaksesan. Contoh, bank mengetahui seberapa banyak uang
yang di miliki oleh customer pada saat menyimpan pada setiap waktu.
Nilai data sementara akanm ter-update seiring dengan kondisi bisnis
yang berubah. Saldo di bank akan berubah
ketika customer
melakukan
penyimpanan. Data warehouse sama sekali berbeda dengan nilai data
sementara. Data warehouse mempunyai
sejarah atau kumpulan dari
aktivitas dan kejadian.
Struktur
utama
operational
data tidak berisikan
beberapa
elemen
pada
waktu,
seperti
tahun,
bulan,
hari
dan
sebagainya.
Struktur
utama data
warehouse memiliki atau berisi beberapa elemen waktu. Elemen –
elemen waktu dapat ditetapkan dalam beberapa bentuk atau format
seperti detik pada keseluruhan database, dan sebagainya.
•
Non-volatile
Tidak
seperti
halnya
record
pada database
operasional
yang
biasanya
selalu diakses dan dimanipulasi, data pada data warehouse
mempunyai
|
![]() 32
karakteristik yang berbeda. Data pada data warehouse diload dan diakses
oleh user yang bersangkutan, tetapi tidak dapat dan tidak boleh di-update.
Sebagai gantinya, ketika data pada data warehouse di-load, data tersebut
di-load dalam format statis. Nantinya, ketika suatu perubahan terjadi,
record statis baru akan disimpan. Dengan begitu, record lampau dari data
tersebut tetap tersimpan di data warehouse.
Gambar 2.4 Aspek Non-Volatile dari Data Warehouse
(Inmon, 2005, p32)
•
Integrated
Data diambil dari banyak sumber berbeda kemudian dimasukkan
ke
dalam data
warehouse.
Selama
data
diambil,
data
tersebut
diubah,
dilakukan format kembali, diurutkan, diringkas dan seterusnya. Hasilnya,
data
terletak
dalam
data
warehouse
yang
memiliki
pandangan
terpadu
dan terintegrasi.
|
33
Data
yang dimasukkan ke dalam data warehouse dilakukan
dengan berbagai cara yang tidak konsisten pada level aplikasi akan
ditinggalkan. Sebagai contoh, masalah pengkodean gender, ini sedikit
bermasalah
apakah data
dalam
gudang
dikodekan
sebagai
m/f atau
1/0.
Tidak
peduli
bagaimana
metode
atau sumber
aplikasi,
gudang
akan
mengkodekan secara konsisten. Jika data aplikasi dikodekan sebagai x/y
untuk
gender,
ini
akan
diubah
ketika
dipindahkan
ke
dalam gudang.
Pertimbangan
yang
sama
tentang
konsistensi juga diaplikasikan ke
berbagai isu desain aplikasi seperti, peraturan penamaan (naming
conventions), struktur kunci (key structure), pengukuran atribut
(measurement of attributes) dan karakteristik fisik data (physical
characteristics of data).
|
![]() 34
Gambar 2.5 Masalah pada Integrasi
( Inmon, 2005, p31)
2.4.2
TUJUAN DATA WAREHOUSE
Menurut
Kimball
(2002) Adapun
tujuan
dari penggunaan
sebuah
data
warehouse :
•
Data warehouse
harus bisa memberikan kemudahan akses informasi
kepada perusahaan.
•
Data warehouse harus bisa secara konsisten mempresentasikan informasi
perusahaan
•
Data warehouse harus selalu bisa beradaptasi dengan perubahaan.
|
35
•
Data
warehouse harus
memiliki
akses security
yang
tinggi
untuk
melindungi
informasi perusahaan agar tidak
digunakan
oleh
orang
yang
salah
•
Data warehouse harus dipakai sebagai dasar bagi pihak eksekutif
perusahaan dalam meningkatkan kualitas pengambilan keputusan.
2.4.3
KOMPONEN DATA WAREHOUSE
Data warehouse juga memiliki beberapa komponen – komponen terdiri dari :
1. Operational Source System
Komponen ini berfungsi untuk mengambil transaksi bisnis yang
dihasilkan dari operasional perusahaan.
2. Data Staging Area
Komponen ini berfungsi sebagai area penyimpanan sekaligus sebagai area
tempat
melakukan proses extract-transformation-load (ETL) terhadap
data yang diperoleh dari Operational Source System.
3. Data Presentation
Komponen
ini
berfungsi
sebagai
area dimana
data
diorganisasikan,
disimpan, dan disediakan untuk keperluan pencarian langsung oleh
pengguna, report writer, dan aplikasi analisis lainnya.
|
36
4. Data Access Tools
Komponen ini merupakan alat bantu untuk mengakses data yang terdapat pada
area data presentation.
2.4.4
META DATA
Meta data dapat didefinisikan sebagai informasi tetang koleksi atau item
dalam koleksi itu. Item tersebut bisa menjadi topic sebuah manajemen konten,
gambar,
di
galeri
seni,
atau
pekerja
sementara
di
sebuah
agen. Meta data
memungkinkan
kita
untuk
mengelola,
menggunakan,
dan
menemukan
item dalam
koleksi. Meta data dapat menentukan siapa
yang memiliki
akses
untuk
melihat atau
memperbarui topic dalam sistem.
2.5
EXTRACTION, TRANSFORMATION, AND LOADING
Extraction, Transformation, and Loading (ETL) proses yang bertanggung
jawab atas operasi yang terjadi ditahap belakang sebuah arsitektur data warehouse.
Dalam penjelasan tingkat proses ETL, pertama, data diambil dari sumber – sumber
data yang terdapat pada On-Line Transaction Processing (OLTP) atau sistem lainnya,
file dalam bentuk
format apapun, halaman web, berbagai
jenis dokumen (misalnya,
spreadsheet,
dan
dokumen
teks)
atau
bahkan data
yang
datang
secara streaming.
Biasanya, hanya data yang berbeda dari pelaksanaan sebelumnya proses ETL (baru
dimasukan, update, dan menghapus
informasi) harus diambil dari sumber. Setelah
tahap ini data yang diekstraksi akan disebarkan ke daerah yang sangat membutuhkan
|
37
dari data warehouse, yang disebut Data Staging Area (DSA), dimana tranformasi
mereka, homogenisasi, dan pembersihan, berlangsung. Transformasi yang paling
sering digunakan termasuk filter dan cek untuk memastikan bahwa data disebarkan
sesuai
dengan
aturan
data
warehouse
yang
mengintergrasikan
bisnis
dan
kendala
serta
transformasi
skema
yang
memastikan
bahwa
data
yang
sesuai
dengan
skema
data target gudang. Akhirnya,
data
dimuat
ke
data
warehouse dan
semua
pendukungnya (misalkan, data mart dan views). Dalam pengaturan tradisional data
warehouse, proses ETL berkala memperbarui data warehouse selama pemindaian di
level rendah atau bebas, periode operasi perusahaan (misalkan, setiap akhir periode
hari) dan memiliki waktu khusus untuk menyelesaikan. Saat ini, kebutuhan bisnis dan
kebutuhan
untuk
memenuhi real-time data warehouse dan lingkungan sekitar yang
signifikan yang dilihat dari kemajuan teknologi. (Vassiliadis & Simitsis, 2009)
2.6 SWOT ANALISIS
Analisis SWOT
(Strengths,
Weakness
,
Opportunity,
dan Threat) digunakan
sebagai
alat
untuk
membantu
perencanaan strategis
dalam berbagai
jenis
usaha
termasuk dalam industri konstruksi. Sementara masih banyak digunakan, pendekatan
ini telah menyerukan perbaikan untuk membuatnya lebih bermanfaat dalam
manajemen
strategis.
Proyek
ini
dijelaskan
dalam makalah
ini
bertujuan
untuk
mempelajari apakah proses untuk mengkonversi
analisis
SWOT menjadi rencana
strategis bisa dibantu dengan beberapa model rasional kuantitatif sederhana, sebagai
analisis SWOT ditambah. Aturan ini Heuristic membawa ke fokus faktor yang paling
|
38
berpengaruh tentang situasi perencanaan strategis, dan dengan demikian
menginformasikan analisis strategis di
mana pertimbangan khusus harus diberikan
Makalah ini memberikan pendekatan analisis SWOT untuk strategi ditambah untuk
melakukan perencanaan strategis dalam industri konstruksi. Hal ini juga memberikan
kontribusi wawasan segar ke dalam perencanaan
strategis
dengan
memperkenalkan
proses rasional analitik untuk meningkatkan analisis SWOT. (Lu, 2010)
Analisis
lingkungan
industri;
menyajikan informasi yang dibutuhkan untuk
mengidentifikasi peluang dan ancaman yang ada dalam lingkungan perusahaan, fokus
mendasar dalam analsis SWOT. Ini dapat diuraikan sebagai berikut :
•
Strengths
Sumber daya,
keterampilan atau keunggulan
–
keunggulan
lain kreatif
terhadap pesaing dan kebutuhan pasar
yang dilayani atau
ingin dilayani oleh
perusahaan. Kekuatan adalah kompentasi khusus
(
distinctive competence )
yang
memberikan keunggulan komparatif bagi perusahaan dipasar. Kekuatan
dapat terkandung dalam sumber daya keuangan,
citra,
kepemimpinan pasar,
hubungan pembeli – pemasok dan faktor – faktor lain.
•
Weakness
Keterbatasan
atau
kekurangan
dalam sumber
daya,
keterampilan,
dan
kapabilitas yang secara serius menghambat kinerja efektif perusahaan.
Fasilitas, sumber daya keuangan, kapabilitas
manajemen,
keterampilan
pemasaran, dan citra merek dapat merupakan sumber kelemahan.
•
Opportunity
|
39
Situasi penting yang menguntungkan dalam lingkungan perusahaan.
Kecenderungan –
kecenderungan penting merupakan salah satu sumber
peluang. Identifikasi segmen pasar
yang tadinya terabaikan, perubahan pada
situasi
persaingan
atau
peraturan, perubahan
teknologi,
serta
membaiknya
hubungan dengan pembeli atau pemasok dapat memberikan peluang bagi
perusahaan
•
Threat
Situasi
penting
yang
tidak
menguntungkan
dalam lingkungan
perusahaan.
Ancaman merupakan penggangu utama bagi posisi sekarang atau yang
diinginkan perusahaan. Masuknya pesaing baru, lambatnya pertumbuhan
pasar, meningkatkan kekuatan tawar –
menawar pembeli atau pemasok
penting,
perubahan
teknologi,
serta peraturan
baru
atau yang direvisi dapat
menjadi ancaman bagi keberhasilan perusahaan.
Memahami peluang – peluang dan ancaman – ancaman utama yang dihadapi
perusahaan membantu para manajernya untuk mengidentifikasi pilihan –
pilihan strategi yang realistik dan cocok serta menentukan ceruk (niche) yang
paling efektif bagi perusahaan.
Fokus mendasar kedua dalam analisis SWOT adalah identifikasi kekuatan dan
kelemahan
Analisis SWOT dapat digunakan dengan berbagai cara untuk membantu
analisis
strategi.
Cara
paling
lazim
adalah
memanfaatkan
sebagai
kerangka acuan
logis
yang
mendomani
pembahasan
sistematik
tentang situasi
perusahaan.
Sesuatu
|
40
yang oleh manajer lain ancaman. Penilaian yang berbeda mungkin mencerminkan
pertimbangan kekuasaan dalam perusahaan atau sudut pandang factual yang berbeda.
Yang penting adalah bahwa analisis SWOT yang sistematik dapat dilakukan untuk
semua
aspek
situasi
perusahaan.
Sebagai
hasil,
analisis
ini
memberikan
kerangka
yang dinamik dan bermanfaat untuk analisis strategi.
2.7 KOMPETITIF PORTER’S FIVE FORCE MODEL
Model
ini
berusaha
untuk
mengatasi
isu-isu
strategis
kunci
dalam
lingkup
yang
lebih
luas.
Banyak
masalah
yang disebutkan dalam model, termasuk kekuatan
dan pengelolaan kekuatan-kekuatan, yang relevan dengan sektor perbankan serta
layanan lainnya yang berorientasi bisnis. Hasilnya, yang akan diperoleh oleh aplikasi
dari model ini, harus diberi nilai waktu analisis dan review terus menerus diperlukan
untuk
menghindari
menjadi
rabun
atau
usang dengan hasil. Michael Porter
memberikan kerangka bahwa model industri sebagai dipengaruhi oleh lima kekuatan.
(Gabriel, 2006)
• Pendatang Baru
Ini adalah komponen struktural penting dengan industri untuk membatasi atau
melarang masuknya pesaing baru. Komponen utama ekonomi skala (keuntungan dari
pengalaman, belajar dan volume), diferensiasi (citra merek dan loyalitas), persyaratan
modal (pendatang baru akan menghadapi premi risiko), biaya beralih terlibat dengan
pelanggan, akses ke saluran distribusi dan biaya kekurangan (paten, lokasi, subsidi).
|
41
•
Persaingan Antar Industri
Dalam sebagian besar
industri,
terutama
ketika hanya
ada
beberapa
pesaing
utama, persaingan
akan
sangat
cocok dengan
menawarkan
orang
lain.
Agresivitas
akan tergantung terutama pada faktor-faktor seperti jumlah pesaing, pertumbuhan
industri, biaya tetap tinggi, kurangnya diferensiasi, kapasitas ditambah dengan
kenaikan
yang
besar,
keragaman
jenis
pesaing dan pentingnya strategis dari unit
bisnis.
•
Produk Subtitusi
Ini
adalah
produk
atau solusi
yang
pada
dasarnya
melakukan
fungsi
yang
sama tetapi sering didasarkan pada teknologi yang berbeda. Tergantung pada tingkat
abstraksi hampir semuanya dapat pergantian pemain. Pada umumnya satu-satunya
faktor yang benar-benar penting adalah pergeseran dalam teknologi.
•
Kekuatan konsumen
Melalui daya tawar mereka pembeli dapat memaksa pesaing untuk
menurunkan
harga
mereka
atau
memaksa
kualitas
yang
lebih
tinggi
atau
layanan
yang
lebih baik. Faktor
utama
yang
menentukan daya tawar adalah volume (relatif
terhadap penjualan penjual), apakah produk mewakili sebagian besar dari biaya
pembeli
atau
pembelian,
diferensiasi atau
produk
standar,
biaya
switching,
profitabilitas pembeli (maka sensitivitas harga mereka), ancaman
mundur
integrasi,
pentingnya kualitas produk akhir, dan tingkat pengetahuan dan
informasi dari
pembeli permintaan industri, harga pasar aktual dan biaya pemasok.
|
42
•
Kekuatan Pemasok
Pemasok dapat mengerahkan daya tawar mereka atas peserta dengan
mengancam untuk
menaikkan
harga
atau mengurangi
kualitas.
Sebuah
kelompok
pemasok adalah kuat jika mereka lebih terkonsentrasi dari industri mereka menjual,
atau jika kelompok pelanggan tidak penting bagi pemasok, jika produk merupakan
input yang penting bagi bisnis pembeli, atau mereka telah membangun biaya
switching, atau kelompok pemasok menimbulkan ancaman integrasi ke depan.
2.8
PEST ANALISIS
Konteks
eksternal
yang
mempengaruhi keputusan strategis. Hal ini dapat
meliputi pemerintah, pesaing, perubahan teknologi dan sosial dan dinamika pasar
pembeli
dan
pemasok.
Salah
satu
cara
bagi manajer
untuk
menganalisis
eksposur
mereka dari faktor-faktor kontekstual potensial. (Thomas, 2007)
Penjabaran
analisis
PEST
menurut
pengertiannya
masing –
masing
(White
Paper : Chartered Institute of Management Accountants, 2007):
•
Politik
Faktor yang termasuk peraturan pemerintah seperti undang-undang
ketenagakerjaan, peraturan lingkungan dan kebijakan pajak. Faktor-faktor politik
lainnya adalah pembatasan perdagangan dan stabilitas politik.
|
43
•
Ekonomi
Faktor yang mempengaruhi biaya modal dan daya beli dari sebuah organisasi.
Faktor ekonomi meliputi pertumbuhan ekonomi, suku bunga, inflasi dan nilai tukar
mata uang.
•
Sosial
Faktor yang berdampak pada kebutuhan konsumen dan ukuran pasar potensial
untuk barang-barang organisasi dan jasa. Faktor-faktor sosial meliputi pertumbuhan
penduduk, demografi usia dan sikap terhadap kesehatan.
•
Teknologi
Pengaruh hambatan tersebut untuk masuk, membuat atau membeli keputusan
dan
investasi
dalam inovasi,
seperti
otomatisasi,
insentif
investasi
dan
tingkat
perubahan teknologi.
2.9
BI PORTOFOLIO
Mengidentifikasi dan memprioritaskan kesempatan dengan menggunakan
informasi bisnis, analisis bisnis, dan keputusan terstruktur. Tujuan utama adalah
untuk meningkatkan pendapatan / mengurangi biaya sehingga meningkatkan
keuntukan dan menciptakan nilai bisnis. Untuk mencapaian tersebut, ada dua faktor
pendekatan yang terstruktur yang dibutuhkan antara lain (Williams & Williams,
2007) :
• Tujuan Bisnis, strategi, Sasaran, dan bisnis inti yang mendorong keuntungan.
|
![]() 44
• BI aplikasi
yang
akan
meningkatkan efektiviras
dari
proses
–
proses
bisnis
inti.
Gambar 2.6 Business Intelligence Opportunity Map
(Williams, 2007, p33)
2.10
INTERNAL
STRATEGIC
FACTORS
ANALYSIS
SUMMARY ( IFAS )
Merupakan suatu alat yang efektif untuk menyajikan analisa kondisi internal
kedalam matrik yang telah diberi bobot dan rating tertentu untuk mengetahui
seberapa besar kekuatan dan kelemahan yang ada dilingkungan internal perusahaan.
Dimana pemberian bobot dan rating diperoleh dari hasil penyebaran kuesioner yang
telah diolah datanya. (Rohim, 2008)
|
45
2.11
EKSTERNAL STRATEGIC FACTOR ANALYSIS ( EFAS )
Merupakan suatu alat analisa yang menyajikan secara sistimatis, analisa ini
hanya digunakan untuk kondisi eksternal perusahaan
untuk menentukan faktor
peluang
dan
ancaman
yang
dimiliki
oleh
perusahaan. Pada
analisa
ini
cara
penelitiannya sama dengan analisis IFAS. (Rohim, 2008)
2.12
INOVASI PRODUK
Inovasi adalah kompenen penting dari produktivitas bisnis dan kelangsungan
hidup kompetitif. Inovasi teknologi memberikan peluang yang luas untuk pengenalan
jenis
baru
dari
barang
atau
jasa
untuk
pemasaran
eksternal.
Inovasi
proses
peningkatan produksi internal untuk barang atau jasa. Inovasi produk sangat penting
untuk kehidupan organisasi apapun karena dengan inovasi dapat menghasilkan
penamabahan
pendapatan,
demikian
pula inovasi
proses
dapat
meningkatkan
kemampuan
internal
dalam hal
ini
menjaga
atau
meningkatkan.
(Omachonu
&
Einspruch, 2010)
2.13
DIVERSIFIKASI PRODUK
Strategi
diversifikasi
merupakan
pilihan strategik didasarkan
atas
pertimbangan lingkungan eksternal dan sumber daya strategis yang berimplikasi
dalam jangka panjang. Pilihan terhadap strategi diversifikasi apakah
memilih bisnis-
bisnis
yang
berhubungan
(related
business)
atau
bisnis
yang tidak
terkait dengan
bisnis yang sedang digeluti saat ini (unrelated business), masih menjadi perdebatan,
|
46
manakala proses pengambilan keputusan telah melibatkan berbagai tujuan terhadap
berbagai kepentingan (conflict of interest)
misalnya antara
manajemen dan pemilik,
atau diantara lini bisnis, disamping juga melibatkan kesesuaian antara faktor eksternal
dan internal ( fit strategic).
Diversifikasi merupakan suatu pilihan strategik yang merupakan suatu proses
pengambilan
keputusan
didasarkan
atas
pertimbangan
faktor
eksternal
dan
internal
dan
perbedaan
fokus
perhatian
pada
kedua dimensi tersebut akan menyebabkan
perbedaan
dalam orientasi
strategis
yang
dapat
menyebabkan
perbedaan
kinerja.
(Sulastri, 2006).
|