Kapita Selekta Sistem InformasiMata kuliah Konsep Sistem Informasi

Daftar Isi

1 Sistem informasi 11.1 Tujuan Sistem Informasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Komponen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.3 Kampus dengan jurusan Sistem Informasi di Indonesia . . . . . . . . . . . . . . . . . . . . . . . 21.4 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Sistem informasi manajemen 42.1 Pengertian Menurut Para Ahli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42.2 Proses Manajemen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.3 Bagian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.4 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.5 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3 Sistem informasi akuntansi 63.1 Sistem Informasi Manajemen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63.2 Cara Kerja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.3 Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.4 Komponen Sistem Informasi Akuntansi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

4 Sistem pendukung keputusan 84.1 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

5 Sistem informasi eksekutif 95.1 Sejarah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95.2 Komponen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

5.2.1 Perangkat Keras (Hardware) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105.2.2 Perangkat Lunak (Software) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105.2.3 Pengguna Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105.2.4 Telekomunikasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5.3 Aplikasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105.3.1 Manufaktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115.3.2 Pemasaran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115.3.3 Keuangan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

5.4 Keuntungan dan Kerugian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

i

ii DAFTAR ISI

5.4.1 Keuntungan dari EIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115.4.2 Kerugiaan dari EIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

5.5 Tren Masa Depan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125.6 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

6 Sistem pemrosesan transaksi 136.1 Sejarah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136.2 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

7 Manajemen hubungan pelanggan 147.1 Sasaran dan Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147.2 Fungsi-fungsi dalam CRM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147.3 Mengimplementasikan CRM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157.4 Permasalahan Implementasi CRM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

8 Perencanaan sumber daya perusahaan 168.1 Sejarah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168.2 Karakter Sistem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

8.2.1 Modul ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168.2.2 Keuntungan penggunaan ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178.2.3 Keuntungan yg bisa diukur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

8.3 Memilih ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178.3.1 Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178.3.2 Suksesor Penerapan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188.3.3 Analisa Strategi Usaha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188.3.4 Analisa Sumberdaya Manusia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188.3.5 Analisa Infrastruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198.3.6 Analisa Perangkat Lunak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

8.4 Penerapan ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198.4.1 Gagalnya ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198.4.2 Tanda-tanda kegagalan ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198.4.3 Software ERP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

9 Manajemen pengetahuan 229.1 Pengertian Manajemen Pengetahuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239.2 Knowledge Management System Conceptual Model . . . . . . . . . . . . . . . . . . . . . . . . . 239.3 Sistem Pakar (Expert System) dalam Knowledge Management . . . . . . . . . . . . . . . . . . . 249.4 Tipe Proyek Manajemen Pengetahuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

9.4.1 1. Menciptakan simpanan pengetahuan . . . . . . . . . . . . . . . . . . . . . . . . . . . 269.4.2 2. Meningkatkan akses terhadap pengetahuan dan transfer atasnya . . . . . . . . . . . . . 269.4.3 3. Menyuburkan lingkungan pengetahuan . . . . . . . . . . . . . . . . . . . . . . . . . . 269.4.4 4. Mengelola pengetahuan sebagai suatu aset . . . . . . . . . . . . . . . . . . . . . . . . 26

9.5 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

DAFTAR ISI iii

9.6 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279.7 Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

9.7.1 Buku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279.7.2 Artikel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

10 Sistem informasi geografis 3010.1 Pengertian menurut para ahli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3010.2 Sejarah perkembangan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3110.3 Komponen Sistem Informasi Geografis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

10.3.1 Perangkat Keras (hardware) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3310.3.2 Perangkat Lunak (software) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3310.3.3 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3310.3.4 Manusia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3310.3.5 Metode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

10.4 Ruang Lingkup Sistem Informasi Geografis (SIG) . . . . . . . . . . . . . . . . . . . . . . . . . . 3410.5 Manfaat SIG di berbagai bidang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

10.5.1 Manajemen tata guna lahan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3510.5.2 Inventarisasi sumber daya alam . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3510.5.3 Untuk pengawasan daerah bencana alam . . . . . . . . . . . . . . . . . . . . . . . . . . . 3510.5.4 Bagi perencanaan Wilayah dan Kota . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

10.6 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3610.7 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

11 Sistem manajemen sumber daya manusia 3711.1 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

12 Algoritma 3812.1 Asal kata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3812.2 Definisi informal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3812.3 Formalisasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

12.3.1 Menggambarkan algoritma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4012.4 Implementasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4012.5 Algoritma komputer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4012.6 Contoh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

12.6.1 Contoh Algoritma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4212.6.2 Algoritma Euclid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4212.6.3 Menguji algoritma Euclid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4312.6.4 Menghitung dan meningkatkan algoritma Euclid . . . . . . . . . . . . . . . . . . . . . . . 44

12.7 Analisis Algoritma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4412.7.1 Formal lawan empiris . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

12.8 Klasifikasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4512.9 Paradigma secara rancangan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

iv DAFTAR ISI

12.9.1 Permasalahan optimisasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4612.9.2 Berdasarkan bidang kajian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4712.9.3 Berdasarkan kompleksitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4712.9.4 Berdasarkan tipe evaluatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

12.10Algoritma berkelanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4812.11Isu legalitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4812.12Etimologi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4912.13Sejarah: Perkembangan dari kata “algoritma” . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

12.13.1 Asal mula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4912.13.2 Simbol diskrit dan yang dapat dibedakan . . . . . . . . . . . . . . . . . . . . . . . . . . 4912.13.3 Manipulasi simbol sebagai “penampung” bilangan: aljabar . . . . . . . . . . . . . . . . . 4912.13.4 Rancangan mekanis dengan tingkat diskrit . . . . . . . . . . . . . . . . . . . . . . . . . . 5012.13.5 Matematika selama abad 19 sampai pertengahan abad 20 . . . . . . . . . . . . . . . . . . 5012.13.6 Emil Post (1936) dan Alan Turing (1936-37, 1939) . . . . . . . . . . . . . . . . . . . . . 5112.13.7 J. B. Rosser (1939) dan S. C. Kleene (1943) . . . . . . . . . . . . . . . . . . . . . . . . . 5212.13.8 Sejarah setelah 1950 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

12.14Lihat juga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5312.15Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5312.16Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5712.17Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

13 Struktur data 6513.1 Daftar struktur data umum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

14 Basis data 6614.1 Lingkungan basis data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6914.2 Tahapan perancangan basis data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6914.3 Bahasa pada basis data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7014.4 Perangkat lunak basis data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7014.5 Rujukan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7114.6 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

15 Gudang data 7215.1 Karakteristik gudang data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7215.2 Peralatan gudang data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7215.3 Rujukan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7215.4 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

16 Penggalian data 7416.1 Proses Pencarian Pola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7416.2 Latar belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7416.3 Teknik Penggalian Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7516.4 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

DAFTAR ISI v

16.5 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7616.6 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7616.7 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

17 Pusat data 7817.1 Perancangan Pusat Data yang Ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7917.2 Servis Utama pada Data Center . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7917.3 Tier pada Data Center . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8017.4 Next Generation Data Center . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8017.5 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

18 Komputasi awan 8218.1 Sejarah Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

18.1.1 Tahun 1960 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8318.1.2 Tahun 1995 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8418.1.3 Akhir Era −90 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8418.1.4 Tahun 2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8418.1.5 2005 - Sekarang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

18.2 Manfaat Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8418.3 Layanan Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

18.3.1 Infrastructure as a Service (IaaS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8518.3.2 Platform as a Service (PaaS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8518.3.3 Software as a Service (SaaS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

18.4 Metoda dan Implementasi Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8518.4.1 Metoda atau Cara Kerja Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . 8518.4.2 Implementasi Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

18.5 Masalah yang dihadapi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8618.6 Contoh Komputasi Awan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

18.6.1 Google Drive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8718.6.2 Windows Azure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

18.7 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8918.8 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

19 Internet of Things 9019.1 Definisi Orisinil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9019.2 Definisi Alternatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9019.3 Keunikan Pengalamatan Suatu Benda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9119.4 Cara Kerja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9119.5 Karakteristik dan Trends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9119.6 Pembagian Internet of Things/M2M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9219.7 Teknologi Pengimplementasian Internet of Things . . . . . . . . . . . . . . . . . . . . . . . . . . 95

19.7.1 Kode Batang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

vi DAFTAR ISI

19.7.2 Kode QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9619.7.3 Identifikasi Frekuensi Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

19.8 Metode dan Pengimplementasian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9719.9 Manfaat Internet of Things . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9819.10Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9819.11Pranala Luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

20 Big data 10020.1 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

21 Green computing 102

22 IF - 05 Green Computing 103

23 Latar Belakang Green Computing 104

24 Penerapan Green Computing 105

25 Contoh Produk Green Computing 10725.1 Pranala Luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

26 E-Business 10826.1 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

26.1.1 Wikibooks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

27 Perdagangan elektronik 10927.1 Sejarah dan Perkembangan E-Commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10927.2 Model-Model E-Commerce di Indonesia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10927.3 Kunci Sukses dalam E-Commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11027.4 Memulai Perdagangan Elekronik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

27.4.1 Sebagai penjual atau pedagang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11127.4.2 Sebagai pembeli atau konsumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

27.5 Masalah E-Commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11227.6 Aplikasi bisnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11227.7 Perusahaan terkenal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11227.8 Kecocokan barang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11227.9 Lihat pula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11227.10Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11327.11Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

28 Pemerintahan elektronik 11428.1 Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11428.2 Pelaksanaannya di Indonesia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11428.3 Kendala . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11528.4 Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

DAFTAR ISI vii

28.5 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

29 Tata kelola teknologi informasi 11629.1 Bacaan lanjutan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11629.2 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

30 Audit teknologi informasi 11730.1 Pranala luar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11730.2 Text and image sources, contributors, and licenses . . . . . . . . . . . . . . . . . . . . . . . . . . 118

30.2.1 Text . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11830.2.2 Images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11930.2.3 Content license . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

Bab 1

Sistem informasi

Sistem Informasi (SI) [1] adalah kombinasi dari teknologi informasi dan aktivitas orang yangmenggunakan teknologiitu untuk mendukung operasi dan manajemen.[2] Dalam arti yang sangat luas, istilah sistem informasi yang seringdigunakan merujuk kepada interaksi antara orang, proses algoritmik, data, dan teknologi. Dalam pengertian ini,istilah ini digunakan untuk merujuk tidak hanya pada penggunaan organisasi teknologi informasi dan komunikasi(TIK), tetapi juga untuk cara di mana orang berinteraksi dengan teknologi ini dalam mendukung proses bisnis.[3]

Ada yangmembuat perbedaan yang jelas antara sistem informasi, dan komputer sistemTIK, dan proses bisnis. Sisteminformasi yang berbeda dari teknologi informasi dalam sistem informasi biasanya terlihat seperti memiliki komponenTIK. Hal ini terutama berkaitan dengan tujuan pemanfaatan teknologi informasi. Sistem informasi juga berbeda dariproses bisnis. Sistem informasi membantu untuk mengontrol kinerja proses bisnis.[4]

Alter berpendapat untuk sistem informasi sebagai tipe khusus dari sistem kerja. Sistem kerja adalah suatu sistem dimana manusia dan/atau mesin melakukan pekerjaan dengan menggunakan sumber daya untuk memproduksi produktertentu dan/atau jasa bagi pelanggan. Sistem informasi adalah suatu sistem kerja yang kegiatannya ditujukan untukpengolahan (menangkap, transmisi, menyimpan, mengambil, memanipulasi dan menampilkan) informasi.[5]

Dengan demikian, sistem informasi antar-berhubungan dengan sistem data di satu sisi dan sistem aktivitas di sisi lain.Sistem informasi adalah suatu bentuk komunikasi sistem di mana data yang mewakili dan diproses sebagai bentukdari memori sosial. Sistem informasi juga dapat dianggap sebagai bahasa semi formal yang mendukung manusiadalam pengambilan keputusan dan tindakan.Sistem informasi merupakan fokus utama dari studi untuk disiplin sistem informasi dan organisasi informatika.[6]

Sistem informasi adalah gabungan yang terorganisasi dari manusia, perangkat lunak, perangkat keras, jaringan ko-munikasi dan sumber data dalam mengumpulkan, mengubah, dan menyebarkan informasi dalam organisasi.[7]

Sistem informasi adalah suatu sistem di dalam suatu organisasi yangmempertemukan kebutuhan pengolahan transaksiharian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihakluar tertentu dengan laporan-laporan yang diperlukan.[8]

Sistem informasi adalah kumpulandari sub-sub sistem baik phisik maupun non phisik yang saling berhubungan satusama lain dan bekerja sama secara harmonis untuk mencapai satu tujuan yaitu mengolah data menjadi informasi yangberguna.[9]

1.1 Tujuan Sistem Informasi

Tujuan dari sistem informasi adalah menghasilkan informasi. Sistem informasi adalah data yang diolah menjadi ben-tuk yang berguna bagi para pemakainya. Data yang diolah saja tidak cukup dapat dikatakan sebagai suatu informasi.Untuk dapat berguna, maka informasi harus didukung oleh tiga pilar sebagai berikut: tepat kepada orangnya ataurelevan (relevance), tepat waktu (timeliness), dan tepat nilainya atau akurat (accurate). Keluaran yang tidak didukungoleh tiga pilar ini tidak dapat dikatakan sebagai informasi yang berguna, tetapi merupakan sampah (garbage).

1

2 BAB 1. SISTEM INFORMASI

1.2 Komponen

Komponen prosedur dalam SI berkaitan dengan prosedur manual dan prosedur berbasis komputer serta standar untukmengolah data menjadi informasi yang berguna. Suatu prosedur adalah urutan langkah yang dilakukan untuk menye-lesaikan satu atau lebih aktivitas pengolahan informasi. Pengolahan informasi ini dapat dikerjakan dengan pengguna,atau kombinasi pengguna dan staff TI. Suatu bisnis terdiri dari berbagai macam prosedur yang digabungkan secaralogis untuk membentuk suatu sistem. Sebagai contoh sistem yang umumnya ada dalam suatu organisasi adalah sistempenggajian, personalia, akuntansi, dan gudang.Ini terdiri dari komputer, instruksi, fakta yang tersimpan, manusia dan prosedur.SI dapat dikategorikan dalam empat bagian:

1. Sistem Informasi Manajemen

2. Sistem pendukung keputusan

3. Sistem Informasi Eksekutif

4. Sistem Pemrosesan Transaksi

1.3 Kampus dengan jurusan Sistem Informasi di Indonesia

Beberapa kampus di Indonesia telah menawarkan Jurusan Sistem Informasi baik setara D3, D4, S1 dan S2. Beberapadiantaranya adalah

1. Universitas Bina Nusantara (S1, S2 Regular/Online)

2. Universitas Komputer Indonesia (S1)

3. Institut Teknologi Sepuluh Nopember (S1, S2)

4. Universitas Indonesia (S1)

5. Universitas Diponegoro (S2)

6. Universitas Komputer Indonesia (S1,S2)

7. Sekolah Tinggi Teknik Surabaya (S1)

8. Universitas Telkom (S1)

9. STMIK PPKIA Pradnya Paramita Malang (S1)

10. Universitas Gunadarma (S1, S2)

11. Universitas Brawijaya (S1)

12. Universitas Islam Negeri Sultan Syarif Kasim (S1)

13. Universitas Merdeka Pasuruan (S1)

14. Universitas Bina Nusantara (S1)

15. Universitas Andalas (S1)

16. Universitas Pembangunan Nasional “Veteran” Jakarta (D3, S1)

17. Stmik Indonesia Padang (S1)

18. Universitas Putra Indonesia “YTPK” Padang (S1)

19. Universitas Multimedia Nusantara (S1)

20. Institut Teknologi Harapan Bangsa (S1)

1.4. REFERENSI 3

1.4 Referensi[1] “Definition of Application Landscape”. Software Engineering for Business Information Systems (sebis). Jan 21, 2009.

Diakses tanggal January 14, 2011.

[2] SEI Report, “Glossary”

[3] Kroenke, D M. (2008). Experiencing MIS. Prentice-Hall, Upper Saddle River, NJ

[4] O'Brien, J A. (2003). Introduction to information systems: essentials for the e-business enterprise. McGraw-Hill, Boston,MA

[5] Alter, S. The Work System Method: Connecting People, Processes, and IT for Business Results. Works System Press, CA

[6] Beynon-Davies P. (2009:34). Management Information Systems. Palgrave, Basingstoke

[7] James A. O’Brien (2007:45)Management Information Systems - 10th edition.Palgrave, Basingstoke

[8] Laudon, Kenneth C.; Laudon, Jane P. (2007:42)Sistem Informasi Manajemen. Palgrave, Basingstoke

[9] 9 Susanto, Azhar. 2004. Sistem Informasi Manajemen Konsep dan Pengembangannya. Bandung: Lingga Jati.

Bab 2

Sistem informasi manajemen

Sistem informasi manajemen atau SIM (bahasa Inggris: management information system, MIS) adalah sistem per-encanaan bagian dari pengendalian internal suatu bisnis yang meliputi pemanfaatan manusia, dokumen, teknologi,dan prosedur oleh akuntansi manajemen untuk memecahkan masalah bisnis seperti biaya produk, layanan, atau suatustrategi bisnis. Sistem informasi manajemen dibedakan dengan sistem informasi biasa karena SIM digunakan untukmenganalisis sistem informasi lain yang diterapkan pada aktivitas operasional organisasi. Secara akademis, istilah iniumumnya digunakan untuk merujuk pada kelompok metode manajemen informasi yang bertalian dengan otomasiatau dukungan terhadap pengambilan keputusan manusia, misalnya sistem pendukung keputusan, sistem pakar, dansistem informasi eksekutif.

2.1 Pengertian Menurut Para Ahli

• Bodnar dan Hopwood ; bukuAccounting Information System : Kumpulan perangkat keras dan perangkat lunakyang dirancang untuk mentransformasikan data dalam bentuk informasi yang berguna.

• Turban, McLean, dan Waterbe ; buku Information Technology for Management Making Connection for Stra-tegies Advantages : Sistem yang mengumpulkan, memproses, menyimpan, menganalisa, dan menyebarkaninformasi untuk tujuan yang spesifik.

• L. James Havery ; Sistem merupakan prosedur logis dan rasional guna melakukan atau merancang suatu rang-kaian komponen yang berhubungan satu sama lain.

• Ludwig Von Bartalanfy ; Sistem merupakan seperangkat unsur yang saling terikat dalam suatu antar relasi diantara unsur-unsur tersebut dengan lingkungan.

• O’brien ; Sistem adalah sekelompok komponen yang saling berhubungan, bekerja sama untuk mencapai tujuanbersama dengan menerima input serta menghasilkan output dalam transformasi yang teratur.

• Azhar Susanto ; Sistem adalah kumpulan/group dari sub sistem/bagian/komponen apapun baik fisik maupunnon fisik yang saling berhubungan satu sama lain dan bekeaan, pengendalian, pengevaluasian, dan perbaikanberkelanjutan.

• Menyediakan informasi untuk pengambilan keputusan.

Ketiga tujuan tersebutmenunjukkan bahwamanajer dan pengguna lainnya perlumemiliki akses ke informasi akuntansimanajemen dan mengetahui bagaimana cara menggunakannya. Informasi akuntansi manajemen dapat membantumereka mengidentifikasi suatu masalah, menyelesaikan masalah, dan mengevaluasi kinerja (informasi akuntansi di-butuhkan dan dipergunakan dalam semua tahap manajemen, termasuk perencanaan, pengendalian dan pengambilankeputusan).

4

2.2. PROSES MANAJEMEN 5

2.2 Proses Manajemen

Proses manajemen didefinisikan sebagai aktivitas-aktivitas:

• Perencanaan, formulasi terinci untuk mencapai suatu tujuan akhir tertentu adalah aktivitas manajemen yangdisebut perencanaan. Oleh karenanya, perencanaan mensyaratkan penetapan tujuan dan identifikasi metodeuntuk mencapai tujuan tersebut.

• Pengendalian, perencanaan hanyalah setengah dari pertempuran. Setelah suatu rencana dibuat, rencana terse-but harus diimplementasikan, dan manajer serta pekerja harus memonitor pelaksanaannya untuk memastikanrencana tersebut berjalan sebagaimana mestinya. Aktivitas manajerial untuk memonitor pelaksanaan rencanadan melakukan tindakan korektif sesuai kebutuhan, disebut kebutuhan.

• Pengambilan Keputusan, proses pemilihan di antara berbagai alternative disebut dengan proses pengambilankeputusan. Fungsi manajerial ini merupakan jalinan antara perencanaan dan pengendalian. Manajer harusmemilih di antara beberapa tujuan dan metode untuk melaksanakan tujuan yang dipilih. Hanya satu daribeberapa rencana yang dapat dipilih. Komentar serupa dapat dibuat berkenaan dengan fungsi pengendalian.

Menurut Francisco Proses Manajemen adalah suatu proses Penukaran terhadap nilai dan jasa

2.3 Bagian

SIM merupakan kumpulan dari sistem informasi:

• Sistem informasi akuntansi (accounting information systems), menyediakan informasi dan transaksi keuangan.• Sistem informasi akademik (academic information systems), menyediakan informasi tentang proses pendidikanyang sedang berjalan di suatu akademi/sekolah/perguruan.

• Sistem informasi pemasaran (marketing information systems), menyediakan informasi untuk penjualan, pro-mosi penjualan, kegiatan-kegiatan pemasaran, kegiatan-kegiatan penelitian pasar dan lain sebagainya yangberhubungan dengan pemasaran.

• Sistem informasi manajemen persediaan (inventory management information systems).• Sistem informasi personalia (personal information systems).• Sistem informasi distribusi (distribution information systems).• Sistem informasi pembelian (purchasing information systems).• Sistem informasi kekayaan (treasury information systems).• Sistem informasi analisis kredit (credit analysis information systems).• Sistem informasi penelitian dan pengembangan (research and development information systems).• Sistem informasi analisis software

• Sistem informasi teknik (engineering information systems).• Sistem informasi Rumah Sakit (Hospital information systems).

2.4 Lihat pula• Sistem informasi pembelian

2.5 Pranala luar• http://www.slideshare.net/AfdanPMIKabBogor/sistem-informasi-manajemen-40557380

Bab 3

Sistem informasi akuntansi

Definisi Sistem Informasi AkuntansiSistem adalah sekelompok unsur yang erat berhubungan satu dengan lainnya yang berfungsi bersama-sama untukmencapai tujuan tertentu. Biasanya dibuat untuk menangani sesuatu yang berulang kali atau yang secara rutin terjadi.

Informasi adalah data yang berguna yang diolah sehingga dapat dijadikan sebagai dasar untuk mengambil keputus-an yang tepat. Karakteristik informasi yang realible harus memenuhi syarat relevan, tepat waktu, akurat dan lengkap.

Sistem Informasi adalah sebuah sistem yang memproses data dan transaksi guna menghasilkan informasi yang ber-mafaat untuk merencanakan, mengendalikan, dan mengoperasikan bisnis.

Sistem Informasi Akuntansi (SIA) adalah sebuah sistem informasi yang menangani segala sesuatu yang berkenaandengan Akuntansi. Akuntansi sendiri sebenarnya adalah sebuah sistem informasi. Fungsi penting yang dibentuk SIApada sebuah organisasi antara lain :

• Mengumpulkan dan menyimpan data tentang aktivitas dan transaksi.• Memproses data menjadi informasi yang dapat digunakan dalam proses pengambilan keputusan.• Melakukan kontrol secara tepat terhadap aset organisasi.

Subsistem SIA memproses berbagai transaksi keuangan dan transaksi nonkeuangan yang secara langsung memenga-ruhi pemrosesan transaksi keuangan.SIA terdiri dari 3 subsistem:

• Sistem pemrosesan transaksi

mendukung proses operasi bisnis harian.

• Sistem buku besar/ pelaporan keuangan

• Sistem Penutupan dan pembalikan. Merupakan pembalikan dan penutupan dari laporan yang dibuat denganjurnal pembalik dan jurnal penutup

menghasilkan laporan keuangan, seperti laporan laba/rugi, neraca, arus kas, pengembalian pajak,dll..

3.1 Sistem Informasi Manajemen

Sistem Informasi Manajemen memproses berbagai transaksi non-keuangan yang tidak bisa diproses oleh Sistem In-formasi Akuntansi. Bagaimana pun juga sistem informasi manajemen di laksanakan dengan kerja bersama. Dengan

6

3.2. CARA KERJA 7

mendukung semua ide dari masing-masing group yang melakukan kerja di lapangan dan bagaimana kita memberikansemangat yang tinggi buat karyawan.

3.2 Cara Kerja

Untuk memahami bagaimana SIA bekerja, perlu untuk menjawab beberapa pertanyaan sebagai berikut :

• Bagaimana mengoleksi data yang berkaitan dengan aktivitas dan transaksi organisasi?

• Bagaimana mentransformasi data kedalam informasi sehingga manajemen dapat menggunakan untuk menja-lankan organisasi?

• Bagaimana menjamin ketersediaan, keandalan, keakuratan informasi ?

3.3 Manfaat

Sebuah SIA menambah nilai dengan cara:

• Menyediakan informasi yang akurat dan tepat waktu sehingga dapat melakukan aktivitas utama pada valuechain secara efektif dan efisien.

• Meningkatkan kualitas dan mengurangi biaya produk dan jasa yang dihasilkan

• Meningkatkan efisiensi

• Meningkatkan kemampuan dalam pengambilan keputusan

• Meningkatkan sharing knowledge

• menambah efisiensi kerja pada bagian keuangan

3.4 Komponen Sistem Informasi Akuntansi• Manusia adalah pelaku yang menjalankan sistem

• Transaksi merupakan objek dari sistem informasi akuntansi sebagai masukan, lalu diproses sehingga mengha-silkan informasi

• Prosedur adalah langkah-langkah yang harus ditempuh dalam melakukan transaksi atau kegiatan perusahaan.

• Dokumen yaitu berupa formulir yang digunakan sebagai sarana pencatatan pada saat transaksi

• Peralatan adalah suatu alat atau sarana yang digunakan dalam melakukan pencatatan pada sistem informasiyang bersangkutan.

Bab 4

Sistem pendukung keputusan

Sistem pendukung keputusan (Inggris: decision support systems disingkat DSS) adalah bagian dari sistem in-formasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untukmendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusandari masalah semi-terstruktur yang spesifik.Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang berkemampuan mendukung analisis adhoc data, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan, dan digunakan padasaat-saat gfhtidak biasa.Tahapan SPK:

• Definisi masalah

• Pengumpulan data atau elemen informasi yang relevan

• pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan

• menentukan alternatif-alternatif solusi (bisa dalam persentase)

Tujuan dari SPK:

• Membantu menyelesaikan masalah semi-terstruktur

• Mendukung manajer dalam mengambil keputusan suatu masalah

• Meningkatkan efektifitas bukan efisiensi pengambilan keputusan

Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Sys-tems, Fuzzy Logic, dll.

4.1 Pranala luar• (en) Department of Social and Decision Sciences - Carnegie Mellon University

• (en) Elsevier DSS Publications

• (en) DSSAT4 - University of Hawaii

8

Bab 5

Sistem informasi eksekutif

Sistem Informasi Eksekutif (EIS)adalah salah satu jenis manajemen sistem informasi untuk memudahkan danmendukung keterangan dan pembuatan keputusan yang dibutuhkan eksekutif senior dengan menyediakan kemudah-an akses terhadap informasi baik dari dalam maupun dari luar yang relevan dengan tujuan organisasi. Ini biasanyadipertimbangkan sebagai bentuk dari sistem pendukung keputusan (SPK).EIS menekankan kepada tampilan gambar dan interface yang mudah digunakan oleh pengguna. EIS menawarkanlaporan yang kuat dan kemampuan menelusuri. Secara umum, EIS adalah perusahaan lebar SPK yang membantupara eksekutif menganalisa, membandingkan, dan menyoroti variabel penting sehingga mereka dapat memonitorkinerja dan mengidentifikasi kesempatan dan masalah. EIS dan teknologi gudang data berkumpul di pasar.Akhir-akhir ini, istilah EIS telah kehilangan kepopuleran dalam mendukung inteligensi bisnis (dengan sub area la-poran, analitik, dan dasbor digital.

5.1 Sejarah

Dulu, sistem informasi eksekutif adalah program dasar dari komputer bingkai utama. Tujuannya untuk memaketdata perusahaan dan menyediakan kinerja penjualan atau statistik riset pasar ntuk pembuat keputusan, seperti direk-tur pemasaran, pejabat eksektif, yang tidak terlalu mengenal komputer. Tujuannya adalah untuk mengembangkanaplikasi komputer yang disorot informasi untuk memenuhi kebutuhan para eksekutif senior. Biasanya, EIS hanyamenyediakan data yang mendukung tingkat keputusan eksekutif, tidak semua data perusahan.Sekarang, penerapan EIS tidak hanya dalam hirarki korporasi yang khas, tetapi juga di tingkat perusahaan yang le-bih rendah. Seperti beberapa klien layanan perusahaan mengadopsi sistem informasi terbaru perusahaan, karyawandapat menggunakan komputer pribadi mereka untuk mendapatkan akses ke data perusahaan dan mengidentifikasiinformasi yang relevan dengan pengambilan keputusan mereka. Pengaturan ini menyediakan informasi yang relevandan atas dan tingkat lebih rendah di perusahaan.

5.2 Komponen

Komponen EIS biasanya dikategorikan sebagai:

• Hardware

• Software

• User Interface

• Telekomunikasi

9

10 BAB 5. SISTEM INFORMASI EKSEKUTIF

5.2.1 Perangkat Keras (Hardware)

Ketika membicarakan tentang perangkat keras komputer dalam lingkunagn EIS, kita harus fokus pada perangkatkeras yang dibutuhkan para eksekutif. Para eksekutif harus diutamakan dan kebutuhannya harus ditentukan sebelumperangkat keras dapat dipilih. Perangkat keras dasar yang dibutuhkan untuk suatu EIS ada empat komponen:

1. Perangkat masukan data. Perangkat ini memungkinkan eksekutif untuk masuk, memverifikasi dan memper-barui data segera.

2. Unit Pemroses Sentral (UPS), penting karena akan mengontrol komponen sistem komputer lain.

3. File penyimpan data. Para eksekutif dapat menggunakan ini untuk menyimpan informasi bisnis yang berguna,dan bagian ini juga membantu eksekutif untuk mencari sejarah informasi bisnis dengan mudah.

4. Perangkat output, yang memberikan rekaman visual atau permanen bagi para eksekutif untuk menyimpan ataumembaca. Perangkat ini mengacu pada perangkat keluaran gambar seperti monitor atau printer

Selain itu, dengan munculnya jaringan area lokal (LAN), beberapa produk EIS untuk jaringan workstation menjaditersedia. Sistem ini memerlukan sedikit dukungan dan perangkat keras komputer yang kurang mahal. Mereka jugameningkatkan akses informasi EIS ke lebih banyak perusahaan pengguna.

5.2.2 Perangkat Lunak (Software)

Memilih perangkat lunak yang tepat sangat penting untuk EIS yang efektif. Oleh karena itu, komponen perangkatlunak dan bagaimana mereka mengintegrasikan data ke dalam satu sistem itu penting. Suatu EIS meliputi empatkomponen perangkat lunak:

1. Teks mendasari perangkat lunak, dokumen ini biasanya berbasis teks.

2. Database, heterogen database pada berbagai platform komputer vendor khusus dan terbuka membantu paraeksekutif dalam mengakses data baik internal maupun eksternal.

3. Berbasis grafis, grafis dapat mengubah volume teks dan statistik menjadi informasi visual untuk eksekutif.Jenis grafis yang khas: grafis seri waktu, diagram sebar, peta, grafis gerak, grafik urutan dan berorientasiperbandingan grafik (yaitu, grafik batang).

4. Basis model-model EIS mengandung statistik rutin dan khusus, keuangan, dan lain analisis kuantitatif.

5.2.3 Pengguna Interface

EIS harus efisien untuk mengambil data yang relevan bagi para pengambil keputusan, sehingga user interface sangatpenting. Beberapa jenis antarmuka dapat tersedia untuk struktur EIS, laporan terjadwal pertanyaan/jawaban, menudidorong, perintah bahasa, bahasa alam, dan input/output.

5.2.4 Telekomunikasi

Desentralisasi menjadi tren saat ini di perusahaan, telekomunikasi akan memainkan peran penting dalam sistem in-formasi jaringan. Transmisi data dari satu tempat ke yang lain telah menjadi penting untuk membangun jaringanyang handal. Selain itu, telekomunikasi dalam EIS dapat mempercepat kebutuhan atas akses ke data terdistribusi.

5.3 Aplikasi

EIS membantu eksekutif menemukan data yang sesuai dengan kriteria yang ditetapkan pengguna dan mempromosik-an informasi berbasis wawasan dan pemahaman. Tidak seperti presentasi sistem informasi manajemen tradisional,EIS dapat membedakan antara data penting dan data yang jarang digunakan, dan melacak berbagai kunci penting

5.4. KEUNTUNGAN DAN KERUGIAN 11

kegiatan untuk para eksekutif, baik yang sangat membantu dalam mengevaluasi jika perusahaan adalah pertemuantujuan perusahaan. Setelah menyadari keuntungannya, orang telah menerapkan EIS di banyak wilayah, terutama,manufaktur, pemasaran dan daerah keuangan.

5.3.1 Manufaktur

Manufaktur adalah transformasi bahan baku menjadi barang jadi untuk dijual, atau proses menengah melibatkanproduksi atau menyelesaikan semi manufaktur. Ini adalah industri dengan cabang yang luas dan produksi sekunder.Kontrol operasional manufaktur berfokus pada operasi sehari-hari, dan ide utama dari proses ini adalah efektivitasdan efisiensi.

5.3.2 Pemasaran

Dalam sebuah organisasi, eksekutif pemasaran bertugas mengelola sumber-sumber pemasaran yang tersedia untukmenciptakan masa depan yang lebih efektif. Untuk ini, mereka perlu membuat penilaian tentang risiko dan ketida-kpastian proyek dan dampaknya pada perusahaan dalam jangka pendek maupun jangka panjang. Untuk membantueksekutif pemasaran dalam membuat keputusan pemasaran yang efektif, EIS dapat diterapkan. EIS menyediakanprediksi penjualan, yang dapat memungkinkan para pemimpin pasar untuk membandingkan penjualan dengan pen-jualan masa lalu. EIS juga menawarkan pendekatan harga produk, yang ditemukan dalam analisis usaha. Eksekutifpasar dapat mengevaluasi harga yang terkait dengan persaingan dengan hubungan kualitas produk dengan harga yangdikenakan. Singkatnya, paket perangkat lunak EIS memungkinkan eksekutif pemasaran untuk memanipulasi datadengan mencari tren, melakukan audit terhadap data penjualan dan menghitung total, rata-rata, perubahan, varians,atau rasio.

5.3.3 Keuangan

Analisis keuangan adalah salah satu langkah yang paling penting untuk perusahaan sekarang. Eksekutif perlu meng-gunakan rasio keuangan dan analisis arus kas untuk memperkirakan tren dan membuat keputusan investasi modal.EIS mengintegrasikan perencanaan atau anggaran dengan kontrol pelaporan kinerja, dan hal ini dapat sangat mem-bantu untuk membiayai eksekutif. EIS fokus pada kinerja akuntabilitas keuangan, dan mengakui pentingnya biayastandar dan penganggaran fleksibel dalam mengembangkan kualitas informasi disediakan untuk semua tingkat ek-sekutif.

5.4 Keuntungan dan Kerugian

5.4.1 Keuntungan dari EIS

• Penggunaan yang mudah untuk eksekutif tingkat tinggi , pengalaman luas komputer tidak diperlukan dalamoperasi

• Menyediakan pengiriman tepat waktu dari ringkasan informasi perusahaan

• Informasi yang disediakan lebih mudah dipahami

• EIS menyediakan pengiriman tepat waktu informasi. Manajemen dapat membuat keputusan segera.

• Meningkatkan informasi pelacakan

• Menawarkan efisiensi untuk pengambil keputusan

12 BAB 5. SISTEM INFORMASI EKSEKUTIF

5.4.2 Kerugiaan dari EIS

• Tergantung sistem

• Fungsi terbatas, dengan desain

• Informasi yang berlebihan untuk beberapa manajer

• Sulit untuk mengukur manfaat

• Biaya operasional tinggi

• Sistem dapat menjadi lambat, besar dan sulit untuk dikelola

• Perlu proses internal yang baik untuk pengelolaan data

• Kurang dapat diandalkan dan pengamanan data yang kurang

5.5 Tren Masa Depan

Sistem info eksekutif masa depan tidak terikat oleh sistem komputer mainframe. Tren eksekutif ini gratis dari be-lajar sistem operasi komputer yang berbeda, dan secara substansial mengurangi biaya operasional. Karena tren initermasuk menggunakan aplikasi perangkat lunak yang ada, eksekutif tidak perlu belajar bahasa baru atau khususuntuk paket EIS.

5.6 Referensi[1]

[1] https://en.wikipedia.org/wiki/Executive_information_system

Bab 6

Sistem pemrosesan transaksi

Sistem Pemrosesan Transaksi atau Transaction Processing System adalah bagian dari sistem informasi yang me-rupakan sebuah sistem yang menjalankan dan mencatat transaksi rutin harian yang diperlukan untuk menjalankanbisnis. Contohnya adalah seperti memasukkan pesanan penjualan, pemesanan hotel,penggajian , pencatatan karya-wan dan pengiriman.[1]

Tujuan utama dari sistem pada tingkat ini adalah untuk menjawab pertanyaan rutin dan melacak arus transaksi yangmelalui organisasi. Pada tingkat operasional, tugas, sumber daya, dan tujuan ditentukan sebelumnya dan sangatterstruktur. Keputusan untuk memberikan kredit kepada pelanggan, contohnya, dilakukan oleh pengawas tingkatyang lebih rendah sesuai dengan kriteria yang telah ditetapkan sebelumnya. Yang harus ditentukan adalah apakahpelanggan memenuhi kriteria. [1]

Manajer butuh sistem untuk memonitor status operasional internal dan hubungan perusahaan dengan lingkunganeksternal. Sistem Pemrosesan Transaksi juga merupakan pembuat utama informasi bagi jenis sistem lainnya.SistemPemrosesan transaksi seringkali sangat penting bagi bisnis sehingga kegagalan sistem selama beberapa jam dapatmengakibatkan kejatuhan perusahaan dan mungkin perusahaan lain yang berhubungan dengannya.[1]

6.1 Sejarah

Sistem pemrosesan transaksi pertama adalah sistem American Airlines SABRE, Yang mulai beroperasi pada tahun1960. Dirancang untuk memproses hingga 83.000 transaksi per hari, sistem berlari pada dua IBM 7090 komputer.SABRE bermigrasi ke IBM System / 360 komputer pada tahun 1972, dan menjadi produk IBM pertama sebagaiProgram control Airline (ACP) dan kemudian sebagai Transaction Processing Facility (TPF). Selain penerbanganTPF digunakan oleh bank-bank besar, perusahaan kartu kredit, dan jaringan hotel.[2]

Hewlett-Packard sistem Non Stop (sebelumnya Tandem NonStop) adalah hardware dan software sistem yang diran-cang untuk Online Transaction Processing (OLTP) diperkenalkan pada tahun 1976. Sistem yang dirancang untukproses transaksi dan memberikan tingkat ekstrim ketersediaan dan integritas data.[2]

6.2 Referensi[1] Kenneth C. Laudon dan Jane P. Laudon. Sistem Informasi Manajemen, Buku 1 (edisi 10). Jakarta: Salemba Empat.

[2] Transaction Processing System. https://en.wikipedia.org/wiki/Transaction_processing_system#History''.

13

Bab 7

Manajemen hubungan pelanggan

Pengertian lain mengatakan bahwa ia adalah sebuah sistem informasi yang terintegrasi yang digunakan untuk me-rencanakan, menjadwalkan, dan mengendalikan aktivitas-aktivitas prapenjualan dan pascapenjualan dalam sebuahorganisasi. CRM melingkupi semua aspek yang berhubungan dengan calon pelanggan dan pelanggan saat ini, ter-masuk di dalamnya adalah pusat panggilan (call center), tenaga penjualan (sales force), pemasaran, dukungan teknis(technical support) dan layanan lapangan (field service).

7.1 Sasaran dan Tujuan

Sasaran utama dari CRM adalah untuk meningkatkan pertumbuhan jangka panjang dan profitabilitas perusahaanmelalui pengertian yang lebih baik terhadap kebiasaan (behavior) pelanggan. CRM bertujuan untuk menyediakanumpan balik yang lebih efektif dan integrasi yang lebih baik dengan pengendalian return on investment (ROI) di areaini.Otomasi Tenaga Penjualan (Sales force automation/SFA), yang mulai tersedia pada pertengahan tahun 80-an adalahkomponen pertama dari CRM. SFA membantu para sales representative untuk mengatur account dan track oppor-tunities mereka, mengatur daftar kontak yang mereka miliki, mengatur jadwal kerja mereka, memberikan layanantraining online yang dapat menjadi solusi untuk training jarak jauh, serta membangun dan mengawasi alur penjualanmereka, dan juga membantu mengoptimalkan penyampaian informasi dengan news sharing.SFA, pusat panggilan(bahasa inggris:call center) dan operasi lapangan otomatis ada dalam jalur yang sama dan masuk pasaran pada akhirtahun 90-an mulai bergabung dengan pasar menjadi CRM. Sama seperti ERP (bahasa Inggris:Enterprise ResourcePlanning), CRM adalah sistem yang sangat komprehensif dengan banyak sekali paket dan pilihan.Merujuk kepada Glen Petersen, penulis buku “ROI: Building the CRM Business Case,” sistem CRM yang palingsukses ditemukan dalam organisasi yang menyesuaikan model bisnisnya untuk profitabilitas, bukan hanya merancangulang sistem informasinya.CRM mencakup metoda dan teknologi yang digunakan perusahaan untuk mengelola hubungan mereka dengan pe-langgan. Informasi yang disimpan untuk setiap pelanggan dan calon pelanggan dianalisa dan digunakan untuk tujuanini. Proses otomasi dalam CRM digunakan untuk menghasilkan personalisasi pemasaran otomatis berdasarkan in-formasi pelanggan yang tersimpan di dalam sistem.

7.2 Fungsi-fungsi dalam CRM

Sebuah sistem CRM harus bisa menjalankan fungsi:

• Mengidentifikasi faktor-faktor yang penting bagi pelanggan.

• Mengusung falsafah customer-oriented (customer centric)

• Mengadopsi pengukuran berdasarkan sudut pandang pelanggan

• Membangun proses ujung ke ujung dalam melayani pelanggan

14

7.3. MENGIMPLEMENTASIKAN CRM 15

• Menyediakan dukungan pelanggan yang sempurna

• Menangani keluhan/komplain pelanggan

• Mencatat dan mengikuti semua aspek dalam penjualan

• Membuat informasi holistik tentang informasi layanan dan penjualan dari pelanggan.

7.3 Mengimplementasikan CRM

Customer relationship management adalah strategi tingkat korporasi, yang berfokus pada pembangunan dan pe-meliharaan hubungan dengan pelanggan. Beberapa paket perangkat lunak telah tersedia dengan pendekatan yangberbeda-beda terhadap CRM. Bagaimanapun, CRM bukanlah teknologi itu sendiri, tapi ia adalah pendekatan holis-tik terhadap falsafah organisasi, yang menekankan hubungan yang erat dengan pelanggan. CRM mengurus filosofiorganisasi pada semua tingkatan, termasuk kebijakan dan proses, customer service, pelatihan pegawai, pemasaran,dana manajemen sistem dan informasi. Sistem CRM mengintegrasikan pemasaran, penjualan, dan customer servicedari ujung ke ujung.

7.4 Permasalahan Implementasi CRM

Naiknya pendapatan, kepuasan konsumen, dan lebih sedikitnya biaya operasi adalah beberapa keuntungan dari tek-nologi pada sebuah perusahaan. Namun implementasi akan turun drastis jika salah satu dari aspek ini diabaikan:

• Perencanaan: Langkah awal akan bisa dengan mudah gagal jika usaha untuk memilih dan meluncurkan per-angkat lunak tidak maksimal.

• Integrasi: Integrasi dengan kebutuhan konsumen akan memenuhi kebutuhan yang amat penting, yaitu pening-katan proses menyangkut klien/konsumen. Perusahaan yang memberi sedikit atau tidak ada integrasi samasekali dengan konsumen, akan membuat kepuasan konsumen menurun secara drastis.

• Pemecahan Masalah: menyingkirkan metode pemecahan masalah yang dipusatkan pada satu pihak. Para ahlimenyarakan perusahaan2 agar meningkatkan integrasi dengan konsumen. Metode pemecahan masalah yangbersifat sentralis harus dibuang demi berbagi informasi tentang pemasaran, penjualan, dan servis.

Bab 8

Perencanaan sumber daya perusahaan

Perencanaan sumber daya perusahaan, atau sering disingkat ERP dari istilah bahasa Inggrisnya, enterprise reso-urce planning, adalah sistem informasi yang diperuntukkan bagi perusahan manufaktur maupun jasa yang berperanmengintegrasikan dan mengotomasikan proses bisnis yang berhubungan dengan aspek operasi, produksi maupundistribusi di perusahaan bersangkutan.

8.1 Sejarah

ERP berkembang dari Manufacturing Resource Planning (MRP II) yang ber-evolusi dari Material Requirement Plan-ning (MRP) yang berkembang sebelumnya. Sistem ERP secara modular biasanya menangani proses manufaktur, lo-gistik, distribusi, persediaan (inventory), pengapalan, invoice, dan akuntansi perusahaan. Ini berarti bahwa sistem ininanti akan membantu mengontrol aktivitas bisnis seperti penjualan, pengiriman, produksi, manajemen persediaan,manajemen kualitas, dan sumber daya manusia.

8.2 Karakter Sistem

ERP sering disebut sebagai Back Office System yang mengindikasikan bahwa pelanggan dan publik secara umumtidak dilibatkan dalam sistem ini. Berbeda dengan Front Office System yang langsung berurusan dengan pelangganseperti sistem untuk e-Commerce, Customer Relationship Management (CRM), e-Government dan lain-lain.

8.2.1 Modul ERP

Secara modular, software ERP biasanya terbagi atas modul utama yakni Operasi serta modul pendukung yakni Fi-nansial dan akuntasi serta Sumber Daya Manusia

Modul Operasi

• General Logistics, Sales and Distribution, Materials Management, Logistics Execution, Quality Management,Plant Maintenance, Customer Service, Production Planning and Control, Project System, Environment Mana-gement

Modul Finansial dan Akuntansi

• General Accounting, Financial Accounting, Controlling, Investment Management, Treasury, Enterprise Con-trolling,

16

8.3. MEMILIH ERP 17

Modul Sumber Daya Manusia

• PersonnelManagement, Personnel TimeManagement, Payroll, Training and EventManagement, OrganizationalManagement, Travel Management

8.2.2 Keuntungan penggunaan ERP

1. mengapa kita perlu ERP ; karena banyak berbagai keuntungan semisal di bawah ini;

Integrasi data keuangan

Untuk mengintegrasikan data keuangan sehingga top management bisa melihat dan mengontrol kinerja keuanganperusahaan dengan lebih baik

Standarisasi Proses Operasi

Menstandarkan proses operasi melalui implementasi best practice sehingga terjadi peningkatan produktivitas, penu-runan inefisiensi dan peningkatan kualitas produk

Standarisasi Data dan Informasi

Menstandarkan data dan informasi melalui keseragaman pelaporan, terutama untuk perusahaan besar yang biasanyaterdiri dari banyak business unit dengan jumlah dan jenis bisnis yg berbeda-beda.

8.2.3 Keuntungan yg bisa diukur

• Penurunan inventori

• Penurunan tenaga kerja secara total

• Peningkatan service level

• Peningkatan kontrol keuangan

• Penurunan waktu yang di butuhkan untuk mendapatkan informasi

8.3 Memilih ERP

8.3.1 Latar Belakang

• Investasi ERP sangat mahal dan pilihan ERP yang salah bisa menjadi mimpi buruk.

• ERP yang berhasil digunakan oleh sebuah perusahaan tidak menjadi jaminan berhasil di perusahaan yang lain.

• Perencanaan harus dilakukan untuk menyeleksi ERP yg tepat.

• Bahkan dalam beberapa kasus yang ekstrem, evaluasi pilihan ERP menghasilkan rekomendasi untuk tidakmembeli ERP, tetapi memperbaiki Business Process yang ada.

• Tidak ada ‘keajaiban’ dalam ERP software. Keuntungan yang didapat dari ERP adalah hasil dari persiapan danimplementasi yang efektif.

• Tidak ada software atau sistem informasi yang bisa menutupi business strategy yang cacat dan business processyang ‘parah’.

Secara singkat, tidak semua ERP sama kemampuannya dan memilih ERP tidaklah mudah (paling tidak, tidaklahsederhana), dan memilih ERP yang salah akan menjadi bencana yang mahal

18 BAB 8. PERENCANAAN SUMBER DAYA PERUSAHAAN

8.3.2 Suksesor Penerapan

Syarat sukses memilih ERP Pengetahuan dan Pengalaman

• Pengetahuan adalah pengetahuan tentang bagaimana cara sebuah proses seharusnya dilakukan, jika segalasesuatunya berjalan lancar

• Pengalaman adalah pemahaman terhadap kenyataan tentang bagaimana sebuah proses seharusnya dikerjakandengan kemungkinan

• Pengalaman tanpa pengetahuan bisa menyebabkan terulangnya atau terakumulasinya kesalahan dan kekeliruankarena tidak dibekali dengan pemahaman yg cukup. Kesalahan ini muncul atau terjadi karena ERP adalah se-buah best practice dari standar bisnis. Seharusnya pengetahuan pada fungsi-fungsi yang tersedia dalam aplikasicukup tinggi sehingga tidak menerapkan (implementation) dengan cara yang keliru. Kesalaahan dalam imple-mentasi akan menjadi masalah serius bagi usaha peningkatan kinerja usaha.

Pemilihan Metodologi

Metodologi yang berkaitan dengn ERP an munculnya permasalahan

• Pengetahuan tanpa pengalaman menyebabkan orang membuat perencanaan yang terlihat sempurna tetapi ke-mudian terbukti tidak bisa diimplementasikan

• Ada struktur proses seleksi yang sebaiknya dilakukan untuk memenuhi kebutuhan perusahaan dalam memilihERP

• Proses seleksi tidak harus selalu rumit agar efektif. Yang penting organized, focused dan simple• Proses seleksi ini biasanya berkisar antara 5-6 bulan sejak dimulai hingga penandatanganan order pembelianERP

• Berikut ini adalah akivitas yang sebaiknya dilakukan sebagai bagian dari proses pemilihan software ERP:analisis strategi bisnis, analisis sumber daya manusia, analisis infrastruktur dan analisis software

8.3.3 Analisa Strategi Usaha• Bagaimana level kompetisi di pasar dan apa harapan dari customers?• Adakah keuntungan kompetitif yang ingin dicapai?• Apa strategi bisnis perusahaan dan objectives yang ingin dicapai?• Bagaimana proses bisnis yang sekarang berjalan vs proses bisnis yang diinginkan?• Adakah proses bisnis yang harus diperbaiki?• Apa dan bagaimana prioritas bisnis yang ada dan adakah rencana kerja yang disusun untuk mencapai objektifdan prioritas tersebut?

• Target bisnis seperti apa yang harus dicapai dan kapan?

8.3.4 Analisa Sumberdaya Manusia• Bagaimana komitment top management terhadap usaha untuk implementasi ERP?• Siapa yang akan mengimplementasikan ERP dan siapa yg akan menggunakannya?• Bagaimana komitmen dari tim implementasi?• Apa yang diharapkan para calon user terhadap ERP?• Adakah ERP champion yang menghubungkan top management dengan tim?• Adakah konsultan dari luar yang disiapkan untuk membantu proses persiapan?

8.4. PENERAPAN ERP 19

8.3.5 Analisa Infrastruktur

• Bagaimanakah kelengkapan infrastruktur yang sudah ada (overall networks, permanent office systems, com-munication system dan auxiliary system)

• Seberapa besar budget untuk infrastruktur?

• Apa infrastruktur yang harus disiapkan?

8.3.6 Analisa Perangkat Lunak

• Apakah perangkat lunak tersebut cukup fleksibel dan mudah disesuaikan dengan kondisi perusahaan?

• Apakah ada dukungan layanan dari penyedia, tidak hanya secara teknis tapi juga untuk kebutuhan pengem-bangan sistem di kemudian hari

• Seberapa banyak waktu untuk implementasi yang tersedia

• Apakah perangkat lunak memiliki fungsi yang bisa meningkatkan proses bisnis perusahaan

8.4 Penerapan ERP

Berikut ini adalah ringkasan poin-poin yg bisa digunakan sebagai pedoman pada saat implementasi ERP:

• ERP adalah bagian dari infrastruktur perusahaan, dan sangat penting untuk kelangsungan hidup perusahaan.Semua orang dan bagian yang akan terpengaruh oleh adanya ERP harus terlibat dan memberikan dukungan

• ERP ada untuk mendukung fungsi bisnis dan meningkatkan produktivitas, bukan sebaliknya. Tujuan imple-mentasi ERP adalah untuk meningkatkan daya saing perusahaan

• Pelajari kesuksesan dan kegagalan implementasi ERP, jangan berusaha membuat sendiri praktik implementasiERP. Ada metodologi tertentu untuk implementasi ERP yang lebih terjamin keberhasilannya

8.4.1 Gagalnya ERP

• Waktu dan biaya implementasi yang melebihi anggaran

• Pre-implementation tidak dilakukan dengan baik

• Strategi operasi tidak sejalan dengan business process design dan pengembangannya

• Orang-orang tidak disiapkan untuk menerima dan beroperasi dengan sistem yang baru

• Kurangnya edukasi dalam tahap implementasi akan memberikan kesulitan bagi user yang justru akan mem-perlambat proses bisnis

8.4.2 Tanda-tanda kegagalan ERP

Kegagalan ERP biasanya ditandai oleh adanya hal-hal sebagai berikut:

• Kurangnya komitmen top management

• Kurangnya pendefinisian kebutuhan perusahaan (analisis strategi bisnis)

• Cacatnya proses seleksi software (tidak lengkap atau terburu-buru memutuskan)

• Kurangnya sumber daya (manusia, infrastruktur dan modal)

• Kurangnya ‘buy in’ sehingga muncul resistensi untuk berubah dari para karyawan

20 BAB 8. PERENCANAAN SUMBER DAYA PERUSAHAAN

• Kesalahan penghitungan waktu implementasi

• Tidak cocoknya software dgn business process

• Kurangnya training dan pembelajaran

• Cacatnya project design & management

• Kurangnya komunikasi

• Saran penghematan yang menyesatkan

8.4.3 Software ERP

Beikut adalah software ERP yang saat ini beredar, baik yang berlisensi bayar maupun open source

• INTACS Dynamics

• Acumatica

• Dynamics AX

• Compiere

• Averill AllStock

• ORACLE

• JDE

• BAAN

• MFGPro

• Protean

• Magic

• RUN System

• SAP

• SolFina

• Onesoft

• IFS

• AGRESSO

• BOSERP

• EuClid System

• Mincom Ellipse

• Axapta

• SPIN - Datadigi Indonesia

• WD ERP-SYS

• IES

• Orlansoft

• Sisinusa

8.4. PENERAPAN ERP 21

• Colibris Indonesia

• OpenERP

• BizBoss

• Microsoft Dynamics NAV

• Cyber Cycle

• QAD

Bab 9

Manajemen pengetahuan

Manajemen Pengetahuan (Inggris: Knowledge management) adalah kumpulan perangkat, teknik, dan strategi un-tuk mempertahankan, menganalisis, mengorganisasi, meningkatkan, dan membagikan pengertian dan pengalaman.Pengertian dan pengalaman semacam itu terbangun atas pengetahuan, baik yang terwujudkan dalam seorang indivi-du atau yang melekat di dalam proses dan aplikasi nyata suatu organisasi. Fokus dari MP adalah untuk menemukancara-cara baru untuk menyalurkan data mentah ke bentuk informasi yang bermanfaat, hingga akhirnya menjadi pe-ngetahuan.Cut Zurnali (2008) mengemukakan istilah knowledge management pertama sekali digunakan oleh Wiig pada tahun1986, saat menulis buku pertamanya mengenai topik Knowledge Management Foundations yang dipublikasikan padatahun 1993. Akhir-akhir ini, konsep knowledge management mendapat perhatian yang luas. Hal ini menyatakansecara tidak langsung proses pentransformasian informasi dan intellectual assets ke dalam enduring value. Knowledgemanagement merupakan kekhususan organisasi (organization-specific), ketika perhatian dasarnya adalah ekploitasidan pengembangan organizational knowledge assets kepada tujuan-tujuan organisasi selanjutnya. Knowledge mana-gement bukan merupakan sesuatu yang lebih baik (better things), tapi untuk mengetahui bagaimana mengerjakansesuatu dengan lebih baik (things better).Kegiatan manajemen pengetahuan (MP) ini biasanya dikaitkan dengan tujuan organisasi semisal untuk mencapaisuatu hasil tertentu seperti pengetahuan bersama, peningkatan kinerja, keunggulan kompetitif, atau tingkat inovasiyang lebih tinggi. Pada umumnya, motivasi organisasi untuk menerapkan MP antara lain:

• Membuat pengetahuan terkait pengembangan produk dan jasa menjadi tersedia dalam bentuk eksplisit

• Mencapai siklus pengembangan produk baru yang lebih cepat

• Memfasilitasi dan mengelola inovasi dan pembelajaran organisasi

• Mendaya-ungkit keahlian orang-orang di seluruh penjuru organisasi

• Meningkatkan keterhubungan jejaring antara pribadi internal dan juga eksternal

• Mengelola lingkungan bisnis dan memungkinkan para karyawan untuk mendapatkan pengertian dan gagasanyang relevan terkait pekerjaan mereka

• Mengelola modal intelektual dan aset intelektual di tempat kerja

Pengetahuan bukanlah sekadar informasi. Pengetahuan bersarang bukan di wadah tempat disimpannya informasi (se-misal basis data), melainkan berada di pengguna informasi bersangkutan. Terdapat beberapa hal yang membedakanantara pengetahuan, informasi, dan data. Memahami beda antara ketiganya sangatlah penting dalam memahami MP.Transfer pengetahuan (salah satu aspek dari manajemen pengetahuan) dalam berbagai bentuk, telah sejak lama di-lakukan. Contohnya adalah melalui diskusi sepadan dalam kerja, magang, perpustakaan perusahaan, pelatihan pro-fesional, dan program mentoring. Walaupun demikian sejak akhir abad ke-20, teknologi tambahan telah diterapkanuntuk melakukan tugas ini, seperti basis pengetahuan, sistem pakar, dan repositori pengetahuan.

22

9.1. PENGERTIAN MANAJEMEN PENGETAHUAN 23

9.1 Pengertian Manajemen Pengetahuan

Mengutip pendapat Henczel dalam Singh (2007), Cut Zurnali mengemukakan bahwa untuk mendefinisikan kno-wledge benar-benar sulit sebagaimana menggabungkan banyak intangibles seperti pengalaman (experience), intuisi(intuition), pertimbangan (judgement), keahlian (skill), dan pelajaran yang dipelajari (lessons learned), yang seca-ra potensial memperbaiki berbagai tindakan. Knowledge merupakan keadaan kognitif pikiran yang dicapai denganmenggabungkan pemahaman dan kognisi (understanding and cognition). Hal ini sering ditunjukkan sebagai penyu-sunan dan pendokumentasian knowledge seperti patents, databases, manuals, reports, procedures, dan white papers.Terdapat beberapa definisi manajemen pengetahuan, yang dirangkum Singh dalam Cut Zurnali (2008), yaitu:

1. Menurut Dimttia dan Oder (2001), manajemen pengetahuan adalah mengenai penggalian dan pengorganisa-sian pengetahuan untuk mengembangkan organisasi yang menguntungkan dan lebih efisien. Secara terperinciDimttia dan Oder memaparkan bahwa manajemen pengetahuan merupakan proses menangkap keahlian kolek-tif organisasional, di mana pun pengetahuan tersebut berada, baik di dalam database, pada paper-paper, ataudi kepala orang, dan kemudian mendistribusikan pengetahuan tersebut ke mana pun agar dapat menghasilkanpencapaian yang terbesar.

2. Menurut Wiig (1999), manajemen pengetahuan adalah bangunan sistematis, eksplisit dan disengaja, pem-baharuan, dan aplikasi pengetahuan untuk memaksimalkan efektivitas yang berkenaan dengan pengetahuanorganisasi dan pengembalian kembali aset pengetahuan organisasi.

3. Menurut Townley (2001), manajemen pengetahuan adalah seperangkat proses menciptakan dan berbagi pe-ngetahuan ke seluruh organisasi untuk mengoptimalkan pencapaian misi dan tujuan organisasi. Jadi, mana-jemen pengetahuan adalah mengenai meningkatkan penggunaan pengetahuan organisasional melalui praktik-praktik manajemen informasi dan pembelajaran organisasi untuk mencapai keunggulan kompetetitif dalampengambilan keputusan.

9.2 Knowledge Management System Conceptual Model

Berdasarkan pendapat-pendapat Denise (2007), Nonaka and Takeuchi (1995), Sarvary (1999), Choo (1998), Da-venport et al. (1998), dan Zarifian (1999), Cut Zurnali (2008) mencoba mengungkap model konseptual sistemknowledge management. Model yang dikemukakan memperhitungkan pengetahuan individual (individual knowle-dge) sebagai starting point bagi penciptaan pengetahuan keorganisasian . Dan sejak informasi telah menjadi bahandasar (raw material) dari pegangan pengetahuan individual, maka ia merupakan landasan dasar dari organisasi pe-ngetahuan (knowledge organization). Cut Zurnali (2008) menambahkan bahwa pengetahuan individual yang munculmerupakan kombinasi dari informasi, interpretasi, refleksi, dan pengalaman dalam sebuah konteks yang pasti (cer-tain context). Selanjutnya perlu dipertimbangkan juga pentingnya mengaitkan informasi baru dengan pengetahuanyang ada.Oleh sebab itu, menurut Cut Zurnali (2008), pengetahuan individual diciptakan ketika informasi berjalan melaluiproses internal yang mencakup interpretasi, refleksi dan menghubungkan informasi baru dengan pengetahuan yangada pada individu sehingga dapat diaplikasikan ke dalam situasi atau konteks baru. Agar mendorong individu memp-roses informasi untuk menciptakan pengetahuan, maka setiap proses pembelajaran harus punya arti. Sebuah sudutpandang yang jelas dari pengetahuan untuk dikembangkan merupakan sebuah keharusan untuk menstimulasi komi-tmen pada penciptaan dan pengoperasian pengetahuan tersebut. Pandangan bersama bekerja sebagai sebuah “mentalmap” yang menuntun para individu dalam tiga area yang berkorelasi, yaitu:

1. The world in which they live (dunia tempat mereka hidup);

2. The world in which they must live (dunia tempat mereka harus hidup); dan

3. Knowledge that needs to be developed in order to follow the pathway between these two worlds (pengetahuanyang perlu untuk dikembangkan agar untuk mengikuti lorong antara kedua dunia tempat mereka hidup dandunia tempat mereka harus hidup).

Lebih lanjut Cut Zurnali (2008) menambahkan bahwa untuk menciptakan pengetahuan organisasional maka penge-tahuan individual (yang terdiri dari dua dimensi: a tacit dimension dan an explicit dimension) harus dieksternalisasik-an. Penciptaan pengetahuan organisasional terjadi melalui konversi yang dikombinasikan dari setiap kedua dimensi,

24 BAB 9. MANAJEMEN PENGETAHUAN

jadi mempromosikan pembelajaran kelompok dan penyebaran kepada seluruh level organisasional. Proses pentran-sformasian informasi ke dalam pengetahuan ditempatkan dalam tingkat internal individual, mencakup reflection,interpretation dan connection untuk later practical experimentation dalam konteks tepat.Usaha keras organisasi untuk mengumpulkan dan menyediakan informasi tidak menjamin pemrosesan dan aksesindividual, oleh karena itu, tindakan yang menstimulasi akses dan menyebabkan pemrosesan informasi merupak-an dasar dalam perputaran setiap tindakan praktis ke dalam perilaku alamiah untuk dimasukkan ke dalam sebuahbudaya organisasional (the organisational culture). Pengetahuan individual harus ditransfer kepada individu dankelompok lain agar dapat mempromosikan pengetahuan organisasional. Untuk ditransfer, pengetahuan harus dieks-ternalisasikan dengan memilikinya dan diinternalisasikan dengan kekurangannya, dengan penerapan utamanya padatacit knowledge, sehinggai para kompetitor sulit menirunya. Nonaka and Takeuchi (1995) dalam Cut Zurnali (2008)menyatakan, transformasi pengetahuan individual ke dalam pengetahuan organisasional terjadi melalui sosialisasi(socialization), eksternalisasi (externalization), internalisasi (internalization) dan kombinasi (combination). Oleh ka-rena itu setiap proses dapat menempatkan transformasi pengetahuan tersebut dari orang ke orang dan dari kelompokke kelompok.Oleh karena itu menurut Cut Zurnali (2008) tujuan dari knowledge management adalah untuk mengimplementasikantindakan agar dapat memasok landasan pengetahuan organisasional yang untuk selanjutnya dapat mempromosikanpencapaian dari proses ketika landasan dari model konseptual knowledge management ditujukan. Menurut Cut Zur-nali (2008), Model konseptual knowledge management menyajikan enam phase dari pelajaran pengetahuan yaitu:

1. Penciptaan arti atau visi bersama dari tujuan pengembangan pengetahuan;

2. Penyediaan informasi;

3. Penginduksian pemrosesan internal bagi penciptaan pengetahuan individual;

4. Pengkonversian pengetahuan individual ke dalam pembelajaran kelompok;

5. Penyebaran pengetahuan ke level organisasional lainnya; dan

6. Pengaplikasian pengetahuan secara praktis

Menurut Cut Zurnali (2008), cakupan yang muncul dari knowledge management secara luas memfokuskan pada tigaarus utama: Landasan pengetahuan (the nature of knowledge), aspek-aspek manajerial dan organisasional dari imple-mentasinya (the organizational and managerial aspects of its implementation), dan cara dan maksud penciptaan danpenggunaan sistem pengelolaan pengetahuan (the ways and means of creating and utilizing knowledge managementSystems).Mengacu pada pendapat Nonaka and Takeuchi (1995), Day (2005), Jashapara (2005), dan Gupta, et. al.(2005), CutZurnali menambahkan bahwa arus the nature of knowledge diterima sebagai perbedaan antara eksplisit dan impli-sit dari pengetahuan. Porsi yang baik dari penelitian dalam knowledge management mengonsentrasikan pada caraketika organisasi dapat mengekstrak dan menggunakan implicit knowledge. Arus aplikasi dan pengimplementasi-an manajerial dan organisasional pengetahuan dalam organisasi juga telah menaruh perhatian para periset. Sedikitmodel yang diajukan menggambarkan aliran pengetahuan dalam pengaturan organisasional.Berdasarkan pendapat-pendapat Holsapple and Jones (2004, 2005), Rubenstein and Geisler (2003), dan Muthusamyand Palanisamy (2004), Cut Zurnali (2008) mengemukakan bahwa model rantai pengetahuan yang lebih advan-ce yang menggambarkan aktivitas primer dan sekunder dari pengetahuan. Aktivitas primer meliputi, pembelian,penyeleksian, penghasilan, dan pengeluaran pengetahuan sedangkan aktivitas sekunder mencakup, pengukuran, pe-ngontrolan, pengkoordinasiaan, dan kepemimpinan pengetahuan. Dalam model yang dikemukakan, disajikan usahapengombinasian kedua kategori ini dari manfaat aktivitas organisasi dengan meningkatkan daya saing dalam ling-kungan organisasi. Arus ke tiga, memfokuskan pada penciptaan, pengimplementasian dan penggunaan knowledgemanagement systems, dipandang secara utama sebagai sebuah topik organisasi dari adopsi dan adaptasi, aliran pene-litian ini juga mencakup pengujian pertambahan nilai dari adopsi dan pemanfaatan knowledge management systems.

9.3 Sistem Pakar (Expert System) dalam Knowledge Management

Sistem pakar (expert system) merupakan salah satu teknologi andalan dalam knowledge management, terutama me-lalui empat alur skema penerapan atau aplikasi dalam suatu organisasi, yaitu:

9.3. SISTEM PAKAR (EXPERT SYSTEM) DALAM KNOWLEDGE MANAGEMENT 25

1. Case-based reasoning (CBR) yang merupakan representasi knowledge berdasarkan pengalaman, termasuk ka-sus dan solusinya;

2. Rule-based reasoning (RBR) mengandalkan serangkaian aturan-aturan yang merupakan representasi dari kno-wledge dan pengalaman karyawan/manusia dalam memecahkan kasus-kasus yang rumit yang sedang dihadapi;

3. Model-based reasoning (MBR)melalui representasi knowledge dalam bentuk atribut, perilaku, antar hubunganmaupun simulasi proses terbentuknya knowledge;

4. Constraint-satisfaction reasoning yang merupakan kombinasi antara Rule-based reasoning (RBR) dan Model-based reasoning (MBR).

Di dalam konfigurasi yang demikian, dimungkinkan pengembangan knowledge management di salah satu unit orga-nisasi dokumentasi dan informasi dalam bentuk:

1. Proses mengoleksi, mengorganisasikan, mengklasifikasikan, dan mendiseminasikan (menyebarkan) knowle-dge ke seluruh unit kerja dalam suatu organisasi agar knowledge tersebut berguna bagi siapapun yang memer-lukannya,

2. Kebijakan, prosedur yang dipakai untuk mengoperasikan database dalam suatu jaringan intranet yang selaluup-to-date,

3. Menggunakan ICT (Information and Communication Technology) yang tepat untuk menangkap knowledgeyang terdapat di dalam pikiran individu sehingga knowledge itu bisa dengan mudah digunakan bersama dalamsuatu organisasi,

4. Adanya suatu lingkungan untuk pengembangan aplikasi sistem pakar (expert systems);

5. Analisis informasi dalam databases, data mining atau data warehouse sehingga hasil analisis tersebut dapatsegera diketahui dan dipakai oleh lembaga,

6. Mengidentifikasi kategori knowledge yang diperlukan untuk mendukung lembaga, mentransformasikan basisknowledge ke basis yang baru,

7. Mengkombinasikan pengindeksan, pencarian knowledge dengan pendekatan semantics atau syntacs,

8. Mengorganisasikan dan menyediakan know-how yang relevan, kapan, dan bila mana diperlukan, mencakupproses, prosedur, paten, bahan rujukan, formula, best practices, prediksi dan cara-cara memecahkan masa-lah. Secara sederhana, intranet, groupware, atau bulletin boards adalah sarana yang memungkinkan lembagamenyimpan dan mendesiminasikan knowledge,

9. Memetakan knowledge (knowledge mapping) pada suatu organisasi baik secara on-line atau off-line, pelatihan,dan perlengkapan akses ke knowledge.

Birkinsaw dalam Cut Zurnali (2008) juga menggaris bawahi tiga keadaan yang sangat memengaruhi berhasil atautidaknya knowledge management yaitu:

1. Penerapannya tidak hanya menghasilkan knowledge baru, tetapi juga untuk mendaur-ulang knowledge yangsudah ada.

2. Teknologi informasi belum sepenuhnya bisa menggantikan fungsi-fungsi jaringan sosial antar anggota organi-sasi.

3. Sebagian besar organisasi tidak pernah tahu apa yang sesungguhnyamereka ketahui, banyak knowledge pentingyang harus ditemukan lewat upaya-upaya khusus, padahal knowledge itu sudah dimiliki sebuah organisasi sejaklama.

Dengan demikian, knowledge management akan membuat berbagi informasi (shared information) tersebut menjadibermanfaat. Knowledge management termasuk strategi dari tanggung jawab dan tindak lanjut (commitment), baikuntuk meningkatkan efektivitas organisasi maupun untuk meningkatkan peluang/kesempatan.Tujuan dari knowledge management adalah meningkatkan kemampuan organisasi untuk melaksanakan proses intilebih efisien. Davenport et.al (1988) dalam Cut Zurnali (2008) menjelaskan sasaran umum dari sistem knowledgemanagement dalam praktik adalah sebagai berikut:

26 BAB 9. MANAJEMEN PENGETAHUAN

1. Menciptakan knowledge: Knowledge diciptakan seiring dengan manusia menentukan cara baru untuk mela-kukan sesuatu atau menciptakan know-how. Kadang-kadang knowledge eksternal dibawa ke dalam organisa-si/institusi;

2. Menangkap knowledge: Knowledge baru diidentifikasikan sebagai bernilai dan direpresentasikan dalam suatucara yang masuk akal dan dapat dicerna;

3. Menjaring knowledge: Knowledge baru harus ditempatkan dalam konteks agar dapat ditindaklanjuti. Hal inimenunjukkan kedalaman manusia (kualitas tacit) yang harus ditangkap bersamaan dengan fakta explicit;

4. Menyimpan knowledge: Knowledge yang bermanfaat harus dapat disimpan dalam format yang baik dalampenyimpanan knowledge, sehingga orang lain dalam organisasi dapat mengaksesnya atau menggunakannya;

5. Mengolah knowledge: Sebagaimana sebuah perpustakaan (library), knowledge harus dibuat up-to-date. Haltersebut harus di review untuk menjelaskan apakah knowledge tersebut relevan atau akurat.

6. Menyebarluaskan knowledge: Knowledge harus tersedia dalam format yang bermanfaat untuk semua orangatau anggota dalam organisasi yang memerlukan knowledge tersebut, di mana pun dan tersedia setiap saat.

9.4 Tipe Proyek Manajemen Pengetahuan

Studi yang dilakukan oleh Davenport (Davenport & De Long 1999) mengidentifikasi empat tipe besar proyek ma-najemen pengetahuan terkait pada titik tekan yang dimilikinya:

9.4.1 1. Menciptakan simpanan pengetahuan

Penekanannya adalah pada menangkap pengetahuan dan untuk memperlakukan pengetahuan sebagai suatu entitasyang terpisah dari orang-orang yang menciptakan dan menggunakannya. Maka yang dilakukan adalah membuatdokumen yang berisi pengetahuan yang telah direkam dan menyimpannya di suatu simpanan di mana dia bisa denganmudah diakses.

9.4.2 2. Meningkatkan akses terhadap pengetahuan dan transfer atasnya

Menekankan pada aktivitas penyediaan akses ke pengetahuan atau memfasilitasi transfer pengetahuan antar indi-vidu. Dalam hal ini, kesulitannya biasanya terletak pada bagaimana menemukan orang dengan pengetahuan yangdibutuhkan dan lalu secara efektif mentransfernya ke orang lainnya. Hal ini juga akan tergantung pada peningkatankapabilitas teknologi organisasi bersangkutan. Aktivitas dari proyek ini biasanya berbasis komunal, semisal ber-bentuk: komunitas online atau komunitas tatap muka, workshop, seminar, sistem konferensi video desktop, scandokumen dan perangkat berbagi lainnya.

9.4.3 3. Menyuburkan lingkungan pengetahuan

Proyek ini terkait aktivitas membangun lingkungan berkontribusi untuk penciptaan, penyebaran, dan penggunaanpengetahuan yang lebih efektif. Aktivitas yang tercakup di sini semisal pembentukan kesadaran dan pembudayaanperhatian terkait pentingnya berbagi pengetahuan. Termasuk juga di dalamnya adalah bagaimana mengubah perilakudan memberikan insentif untuk berbagi pengetahuan.

9.4.4 4. Mengelola pengetahuan sebagai suatu aset

Fokusnya di sini adalah pada memperlakukan pengetahuan sebagaimana aset lain di neraca keuangan. Namun si-fat pengetahuan yang tidak secara konkret berwujud memang membuatnya sangat susah untuk ditransformasi dandiestimasi dalam konteks finansial.

9.5. LIHAT PULA 27

9.5 Lihat pula

• Modal intelektual

• Pengetahuan

9.6 Referensi

• Davenport, T; De Long, D (1999). “Successful Knowledge Management Projects”. The Knowledge Manage-ment Yearbook 1999-2000.

9.7 Bacaan lanjutan

9.7.1 Buku

• Bhagat, P. M. (2005), Pattern Recognition in Industry, Elsevier, ISBN 0-08-044538-1.

• Boisot, M. (1998), Knowledge Assets, Oxford, ISBN 0-19-829086-1.

• Bontis, N. (2002), World Congress on Intellectual Capital Readings, Elsevier Butterworth-Heinemann , ISBN0-7506-7475-X.

• Callaghan, J. (2002), Inside Intranets & Extranets: KnowledgeManagement and the Struggle for Power, PalgraveMacmillan, ISBN 0-333-98743-8.

• Choo, C. & Bontis, N. (2002), The Strategic Management of Intellectual Capital and Organizational Knowledge, Oxford University Press, ISBN 0-19-513866-X.

• Clare, M. and Detore A. (2000), Knowledge Assets Professional’s Guide to Valuation and Financial Manage-ment, Apsen Publishers, ISBN 0-15-607000-6.

• Collison, C. & Parcell, G (2004), Learning to Fly - Practical Knowledge Management From Leading andLearning Organizations, Capstone Publishing, ISBN 1-84112-509-1

• Cross, R. and Parker, A. (2004), The Hidden Power Of Social Networks, Harvard Business School Press,Boston, Mass, ISBN 1-59139-270-5.

• Davenport, T. and Prusak, L. (1997),Working Knowledge, Harvard 1998, ISBN 0-87584-655-6.

• Drucker P. F., D. Garvin, D. Leonard, S. Straus and J. S. Brown (1998),Harvard Business Review on KnowledgeManagement, HBS Press, ISBN 0-87584-881-8.

• Edvinsson, L. and Malone, M. (1997), Intellectual Capital: Realising Your Company’s True Value by Findingits Hidden Brainpower. New York: HarperBusiness, ISBN 0-88730-841-4.

• Dixon, N. M. (2000), Common Knowledge: How Companies Thrive by Sharing What They Know, HarvardBusiness School Press, Boston, MA, ISBN 0-87584-904-0.

• Becerra-Fernandez, I., A. González and R. Sabherwal (2004), Knowledge Management: Challengers, Solutionsand Technologies, ISBN 0-13-101606-7.

• Garvin, D. A. (2000), Learning in Action: A Guide to Putting the Learning Organization to Work, HarvardBusiness School Press, Boston, MA, ISBN 1-57851-251-4.

• Easterby-Smith, M. and M. A. Lyles (editors). (2003). The Blackwell Handbook of Organizational Learningand Knowledge Management, Oxford, Blackwell Publishing, ISBN 0-631-22672-9.

• Malhotra, Y. (2000), Knowledge Management and Virtual Organizations, Idea Group Publishing, Hershey, PA,ISBN 1-878289-73-X.

28 BAB 9. MANAJEMEN PENGETAHUAN

• Malhotra, Y. (2001), KnowledgeManagement and Business Model Innovation, Idea Group Publishing, Hershey,PA, ISBN 1-878289-98-5.

• Nonaka, I. and Takeushi, H. (1995), The Knowledge-Creating Company, New York: Oxford University Press.

• Frid, R. (2004), Frid Framework for Enterprise Knowledge Management: A Common KM Framework for theGovernment of Canada, IUniverse Publishing, ISBN 0-595-30699-3.

• O'Dell, C. and C. J. Grayson Jr. (1998), If Only We KnewWhat We Know: The Transfer of Internal Knowledgeand Best Practice, Free Press, New York, ISBN 0-684-84474-5.

• Polanyi, M. (1967), The Tacit Dimension, Doubleday, Garden City, NY, ISBN 0-385-06988-X.

• Rumizen, M. C. (2001), Complete Idiot’s Guide to Knowledge Management, Alpha, ISBN 0-02-864177-9.

• Schwartz, D, editor (2005), Encyclopedia of Knowledge Management, Idea Group Reference, ISBN 1-59140-574-2.

• Stankosky, M., editor (2004), Creating the Discipline of Knowledge Management: The Latest in UniversityResearch, Butterworth-Heinemann, ISBN 0-7506-7878-X

• Sveiby, K. E. (1997), The New Organizational Wealth: Managing & Measuring Knowledge-Based Assets,Berrett-Koehler, ISBN 1-57675-014-0.

• Suresh, J. K. and Mahesh, K. (2006), Ten Steps to Maturity in Knowledge Management: Lessons in Economy,Chandos, Oxford, UK, ISBN 1-84334-130-1.

• Stewart, T. (1997) Intellectual Capital: The NewWealth of Organisations,New York: Doubleday, ISBN 0-385-48228-0.

• Tiwana, A. (2002), The Knowledge Management Toolkit: Orchestrating IT, Strategy, and Knowledge Platforms(2nd Edition), Upper Saddle River, NJ: Prentice Hall, 2002, ISBN 0-13-009224-X.

• Wissensmanagement Forum (Hg.): An Illustrated Guide to Knowledge Management, Graz 2002, URL: http://www.wm-forum.org

9.7.2 Artikel

• Bontis, N., Dragonetti, N., Jacobsen, K. and G. Roos. (1999) “The Knowledge Toolbox: A review of the toolsavailable to measure and manage intangible resources”, European Management Journal, 17, 4, 391-402.

• Bontis, N. (1999). “Managing Organizational Knowledge by Diagnosing Intellectual Capital: Framing andadvancing the state of the field”, International Journal of Technology Management,18, 5/6/7/8, 433-462.

• Bontis, N. (2002). “The rising star of the Chief Knowledge Officer”, Ivey Business Journal, March/April,20-25.

• Cut Zurnali (2008), http://www.modusaceh.com/html/read/opini/297/membangun-universitas-berkelas-dunia.html/

• Hansen, M. R., N. Nohria and T. Tierney (1999). 'What’s your strategy for managing knowledge?' HarvardBusiness Review (March-April).

• Powell, J and Swart, J (2005) “This is what the fuss is about"- a systemic modeling for organizational knowing, Journal of Knowledge Management Vol . 9 no. 2 pp 45-58

• Powell, J and Swart, J (2005) “Men and Measures” - capturing knowledge requirement in firms through qua-litative system modeling, Journal of Operational Research.

• Snowden, D J. “Complex Acts of Knowing: Paradox and Descriptive Self-Awareness.” Journal of KnowledgeManagement, Special Issue 6, no. 2 (2002): 100-11.

• Swart, J (2006) “Intellectual Capital” : Disentangling an enigmatic concept, Journal of Intellectual Capital Vol7 No 2 pp 136-159 .

9.7. BACAAN LANJUTAN 29

• Wilson, T.D. (2002) “The nonsense of 'knowledge management'" Information Research, 8(1), paper no. 144

• Bellenger, Gene (2002) “Emerging Perspectives”, Systems Thinking Knowledge Management - Emerging Per-spectives

• Ekbia, H. and Hara, N. (2004) The Quality of Evidence in Knowledge Management Literature: the GuruVersion.

• Knorr-Siedow, T. (2005) Knowledge management and enhanced policy application; in: Van Kempen, R. etalter: Restructuring large housing estates in Europe, Bristol, pp 321-341

• Woinowska, A (2007) Knowledge management in a production enterprise

Bab 10

Sistem informasi geografis

Sistem Informasi Geografis (bahasa Inggris: Geographic Information System disingkatGIS) adalah sistem informa-si khusus yang mengelola data yang memiliki informasi spasial (bereferensi keruangan). Atau dalam arti yang lebihsempit, adalah sistem komputer yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan menam-pilkan informasi berefrensi geografis, misalnya data yang diidentifikasi menurut lokasinya, dalam sebuah database.Para praktisi juga memasukkan orang yang membangun dan mengoperasikannya dan data sebagai bagian dari sistemini.Teknologi Sistem Informasi Geografis dapat digunakan untuk investigasi ilmiah, pengelolaan sumber daya, perencanaanpembangunan, kartografi dan perencanaan rute. Misalnya, SIG bisa membantu perencana untuk secara cepat menghi-tung waktu tanggap darurat saat terjadi bencana alam, atau SIG dapat digunaan untuk mencari lahan basah (wetlands)yang membutuhkan perlindungan dari polusi.

10.1 Pengertian menurut para ahli• Menurut Aronaff (1989)

SIG adalah sistem informasi yang didasarkan pada kerja komputer yang memasukkan, mengelola, memanipulasi danmenganalisa data serta memberi uraian.

• Menurut Burrough (1986)

SIG merupakan alat yang bermanfaat untuk pengumpulan, penimbunan, pengambilan kembali data yang diinginkandan penayangan data keruangan yang berasal dari kenyataan dunia.

• Menurut Kang-Tsung Chang (2002)

SIG sebagai a computer system for capturing, storing, querying, analyzing, and displaying geographic data.

• Menurut Murai (1999)

SIG sebagai sistem informasi yang digunakan untuk memasukkan, menyimpan, memanggil kembali, mengolah,menganalisis dan menghasilkan data bereferensi geografis atau data geospatial, untuk mendukung pengambilan ke-putusan dalam perencanaan dan pengelolaan penggunaan lahan, sumber daya alam, lingkungan, transportasi, fasilitaskota, dan pelayanan umum lainnya.

• Menurut Marble et al (1983)

SIG merupakan sistem penanganan data keruangan.

• Menurut Bernhardsen (2002)

30

10.2. SEJARAH PERKEMBANGAN 31

SIG sebagai sistem komputer yang digunakan untuk memanipulasi data geografi. Sistem ini diimplementasikan de-ngan perangkat keras dan perangkat lunak komputer yang berfungsi untuk akusisi dan verifikasi data, kompilasi data,penyimpanan data, perubahan dan pembaharuan data, manajemen dan pertukaran data, manipulasi data, pemang-gilan dan presentasi data serta analisa data

• Menurut Gistut (1994)

SIG adalah sistem yang dapat mendukung pengambilan keputusan spasial dan mampu mengintegrasikan deskripsi-deskripsi lokasi dengan karakteristik-karakteristik fenomena yang ditemukan di lokasi tersebut. SIG yang lengkapmencakupmetodologi dan teknologi yang diperlukan, yaitu data spasial perangkat keras, perangkat lunak dan strukturorganisasi

• Menurut Berry (1988)

SIG merupakan sistem informasi, referensi internal, serta otomatisasi data keruangan.

• Menurut Calkin dan Tomlison (1984)

SIG merupakan sistem komputerisasi data yang penting.

• Menurut Linden, (1987)

SIG adalah sistem untuk pengelolaan, penyimpanan, pemrosesan (manipulasi), analisis dan penayangan data secaraspasial terkait dengan muka bumi.

• Menurut Alter

SIG adalah sistem informasi yangmendukung pengorganisasian data, sehingga dapat diakses denganmenunjuk daerahpada sebuah peta.

• Menurut Prahasta

SIG merupakan sejenis software yang dapat digunakan untuk pemasukan, penyimpanan, manipulasi, menampilkan,dan keluaran informasi geografis berikut atribut-atributnya.

• Menurut Petrus Paryono

SIG adalah sistem berbasis komputer yang digunakan untuk menyimpan, manipulasi dan menganalisis informasigeografi.Dari definisi-definisi di atas dapat disimpulkan bahwa SIG merupakan pengelolaan data geografis yang didasarkanpada kerja komputer (mesin).

10.2 Sejarah perkembangan

35000 tahun yang lalu, di dinding gua Lascaux, Perancis, para pemburu Cro-Magnon menggambar hewan mangsamereka, dan juga garis yang dipercaya sebagai rute migrasi hewan-hewan tersebut. Catatan awal ini sejalan dengandua elemen struktur pada sistem informasi gegrafis modern sekarang ini, arsip grafis yang terhubung ke databaseatribut.Pada tahun 1700-an teknik survey modern untuk pemetaan topografis diterapkan, termasuk juga versi awal pemetaantematis, misalnya untuk keilmuan atau data sensus.Awal abad ke-20 memperlihatkan pengembangan “litografi foto” dimana peta dipisahkan menjadi beberapa lapis-an (layer). Perkembangan perangkat keras komputer yang dipacu oleh penelitian senjata nuklir membawa aplikasipemetaan menjadi multifungsi pada awal tahun 1960-an.

32 BAB 10. SISTEM INFORMASI GEOGRAFIS

Tahun 1967 merupakan awal pengembangan SIG yang bisa diterapkan di Ottawa, Ontario oleh Departemen Energi,Pertambangan dan Sumber Daya. Dikembangkan oleh Roger Tomlinson, yang kemudian disebut CGIS (CanadianGIS - SIG Kanada), digunakan untuk menyimpan, menganalisis dan mengolah data yang dikumpulkan untuk In-ventarisasi Tanah Kanada (CLI - Canadian land Inventory) - sebuah inisiatif untuk mengetahui kemampuan lahandi wilayah pedesaan Kanada dengan memetakaan berbagai informasi pada tanah, pertanian, pariwisata, alam be-bas, unggas dan penggunaan tanah pada skala 1:250000. Faktor pemeringkatan klasifikasi juga diterapkan untukkeperluan analisis.

GIS dengan gvSIG.

CGIS merupakan sistem pertama di dunia dan hasil dari perbaikan aplikasi pemetaan yang memiliki kemampuantimpang susun (overlay), penghitungan, pendijitalan/pemindaian (digitizing/scanning), mendukung sistem koordinatnational yang membentang di atas benua Amerika, memasukkan garis sebagai arc yang memiliki topologi dan me-nyimpan atribut dan informasi lokasional pada berkas terpisah. Pengembangnya, seorang geografer bernama RogerTomlinson kemudian disebut “Bapak SIG”.CGIS bertahan sampai tahun 1970-an dan memakan waktu lama untuk penyempurnaan setelah pengembangan awal,dan tidak bisa bersaing denga aplikasi pemetaan komersil yang dikeluarkan beberapa vendor seperti Intergraph.Perkembangan perangkat keras mikro komputer memacu vendor lain seperti ESRI, CARIS, MapInfo dan berhasilmembuat banyak fitur SIG, menggabung pendekatan generasi pertama pada pemisahan informasi spasial dan atri-butnya, dengan pendekatan generasi kedua pada organisasi data atribut menjadi struktur database. Perkembanganindustri pada tahun 1980-an dan 1990-an memacu lagi pertumbuhan SIG pada workstation UNIX dan komputerpribadi. Pada akhir abad ke-20, pertumbuhan yang cepat di berbagai sistem dikonsolidasikan dan distandarisasikanmenjadi platform lebih sedikit, dan para pengguna mulai mengekspor menampilkan data SIG lewat internet, yangmembutuhkan standar pada format data dan transfer.Indonesia sudah mengadopsi sistem ini sejak Pelita ke-2 ketika LIPI mengundang UNESCO dalam menyusun “Kebi-jakan dan Program Pembangunan Lima Tahun Tahap Kedua (1974-1979)" dalam pembangunan ilmu pengetahuan,teknologi dan riset.Jenjang pendidikan SMU/senior high school melalui kurikulum pendidikan geografi SIG dan penginderaan jauh telahdiperkenalkan sejak dini. Universitas di Indonesia yang membuka program Diploma SIG ini adalah D3 PenginderaanJauh dan Sistem Informasi Geografi, Fakultas Geografi, Universitas GadjahMada, tahun 1999. Sedangkan jenjang S1dan S2 telah ada sejak 1991 dalam Jurusan Kartografi dan Penginderaan Jauh, Fakultas Geografi, Universitas GadjahMada. Penekanan pengajaran pada analisis spasial sebagai ciri geografi. Lulusannya tidak sekadar mengoperasikansoftware namun mampu menganalisis dan menjawab persoalan keruangan. Sejauh ini SIG sudah dikembangkanhampir di semua universitas di Indonesia melalui laboratorium-laboratorium, kelompok studi/diskusi maupun matapelajaran.

10.3. KOMPONEN SISTEM INFORMASI GEOGRAFIS 33

10.3 Komponen Sistem Informasi Geografis

Komponen-komponen pendukung SIG terdiri dari lima komponen yang bekerja secara terintegrasi yaitu perangkatkeras (hardware), perangkat lunak (software), data, manusia, dan metode yang dapat diuraikan sebagai berikut:

10.3.1 Perangkat Keras (hardware)

Perangkat keras SIG adalah perangkat-perangkat fisik yang merupakan bagian dari sistem komputer yang mendukunganalisis geografi dan pemetaan. Perangkat keras SIGmempunyai kemampuan untuk menyajikan citra dengan resolusidan kecepatan yang tinggi serta mendukung operasioperasi basis data dengan volume data yang besar secara cepat.Perangkat keras SIG terdiri dari beberapa bagian untuk menginput data, mengolah data, dan mencetak hasil proses.Berikut ini pembagian berdasarkan proses :

• Input data: mouse, digitizer, scanner

• Olah data: harddisk, processor, RAM, VGA Card

• Output data: plotter, printer, screening.

10.3.2 Perangkat Lunak (software)

Perangkat lunak digunakan untuk melakukan proses menyimpan, menganalisa, memvisualkan data-data baik dataspasial maupun non-spasial. Perangkat lunak yang harus terdapat dalam komponen software SIG adalah:

• Alat untuk memasukkan dan memanipulasi data SIG

• Data Base Management System (DBMS)

• Alat untuk menganalisa data-data

• Alat untuk menampilkan data dan hasil analisa

10.3.3 Data

Pada prinsipnya terdapat dua jenis data untuk mendukung SIG yaitu :

• Data Spasial

Data spasial adalah gambaran nyata suatu wilayah yang terdapat di permukaan bumi. Umumnya direpresentasikanberupa grafik, peta, gambar dengan format digital dan disimpan dalam bentuk koordinat x,y (vektor) atau dalambentuk image (raster) yang memiliki nilai tertentu.

• Data Non Spasial (Atribut)

Data non spasial adalah data berbentuk tabel dimana tabel tersebut berisi informasi- informasi yang dimiliki olehobyek dalam data spasial. Data tersebut berbentuk data tabular yang saling terintegrasi dengan data spasial yang ada.

10.3.4 Manusia

Manusia merupakan inti elemen dari SIG karena manusia adalah perencana dan pengguna dari SIG. Pengguna SIGmempunyai tingkatan seperti pada sistem informasi lainnya, dari tingkat spesialis teknis yang mendesain dan meng-elola sistem sampai pada pengguna yang menggunakan SIG untuk membantu pekerjaannya sehari-hari.

34 BAB 10. SISTEM INFORMASI GEOGRAFIS

10.3.5 Metode

Metode yang digunakan dalam SIG akan berbeda untuk setiap permasalahan. SIG yang baik tergantung pada aspekdesain dan aspek realnya.

10.4 Ruang Lingkup Sistem Informasi Geografis (SIG)

Pada dasarnya pada SIG terdapat lima (5) proses yaitu:

• Input Data

Proses input data digunakan untuk menginputkan data spasial dan data non-spasial. Data spasial biasanya berupa petaanalog. Untuk SIG harus menggunakan peta digital sehingga peta analog tersebut harus dikonversi ke dalam bentukpeta digital dengan menggunakan alat digitizer. Selain proses digitasi dapat juga dilakukan proses overlay denganmelakukan proses scanning pada peta analog.

• Manipulasi Data

Tipe data yang diperlukan oleh suatu bagian SIG mungkin perlu dimanipulasi agar sesuai dengan sistem yang diper-gunakan. Oleh karena itu SIG mampu melakukan fungsi edit baik untuk data spasial maupun non-spasial.

• Manajemen Data

Setelah data spasial dimasukkan maka proses selanjutnya adalah pengolahan data non-spasial. Pengolaha data non-spasial meliputi penggunaan DBMS untuk menyimpan data yang memiliki ukuran besar.

• Query dan Analisis

Query adalah proses analisis yang dilakukan secara tabular. Secara fundamental SIG dapat melakukan dua jenisanalisis, yaitu:

• • Analisis Proximity

Analisis Proximity merupakan analisis geografi yang berbasis pada jarak antar layer. SIG menggunakan proses bu-ffering (membangun lapisan pendukung di sekitar layer dalam jarak tertentu) untuk menentukan dekatnya hubunganantar sifat bagian yang ada.

• • Analisis Overlay

Overlaymerupakan proses penyatuan data dari lapisan layer yang berbeda. Secara sederhana overlay disebut sebagaioperasi visual yang membutuhkan lebih dari satu layer untuk digabungkan secara fisik.

• Visualisasi

Untuk beberapa tipe operasi geografis, hasil akhir terbaik diwujudkan dalam peta atau grafik. Peta sangatlah efektifuntuk menyimpan dan memberikan informasi geografis.

10.5 Manfaat SIG di berbagai bidang

10.5. MANFAAT SIG DI BERBAGAI BIDANG 35

10.5.1 Manajemen tata guna lahan

Pemanfaatan dan penggunaan lahan merupakan bagian kajian geografi yang perlu dilakukan dengan penuh pertim-bangan dari berbagai segi. Tujuannya adalah untuk menentukan zonifikasi lahan yang sesuai dengan karakteristiklahan yang ada. Misalnya, wilayah pemanfaatan lahan di kota biasanya dibagi menjadi daerah pemukiman, industri,perdagangan, perkantoran, fasilitas umum,dan jalur hijau. SIG dapat membantu pembuatan perencanaan masing-masing wilayah tersebut dan hasilnya dapat digunakan sebagai acuan untuk pembangunanutilitas-utilitas yang di-perlukan. Lokasi dari utilitas-utilitas yang akan dibangun di daerah perkotaan (urban) perlu dipertimbangkan agarefektif dan tidak melanggar kriteria-kriteria tertentuyang bisa menyebabkan ketidakselarasan. Contohnya, pemba-ngunan tempat sampah. Kriteria-kriteria yang bisa dijadikan parameter antara lain: di luar area pemukiman, beradadalam radius 10 meter dari genangan air, berjarak 5 meter dari jalan raya, dan sebagainya. Dengan kemampuan SIGyang bisa memetakan apa yang ada di luar dan di dalam suatu area, kriteria-kriteriaini nanti digabungkan sehinggamemunculkan irisan daerah yang tidak sesuai, agak sesuai, dan sangat sesuai dengan seluruh kriteria. Di daerah pe-desaan (rural) manajemen tata guna lahan lebih banyak mengarah ke sektor pertanian. Dengan terpetakannya curahhujan, iklim, kondisitanah, ketinggian, dan keadaan alam, akan membantu penentuan lokasi tanaman, pupuk yangdipakai, dan bagaimana proses pengolahan lahannya. Pembangunan saluran irigasi agar dapat merata dan minimalbiayanya dapat dibantu dengan peta sawah ladang, peta pemukiman penduduk, ketinggian masing-masing tempat danpeta kondisi tanah. Penentuan lokasi gudang dan pemasaran hasil pertanian dapat terbantu dengan memanfaatkanpeta produksi pangan, penyebarankonsumen, dan peta jaringan transportasi. Selain untuk manajemen pemanfaatanlahan, SIG juga dapat membantu dalam hal penataan ruang. Tujuannya adalah agar penentuan pola pemanfaatanruang disesuaikan dengan kondisi fisik dan sosial yang ada, sehingga lebih efektif dan efisien. Misalnya penataanruang perkotaan, pedesaan, permukiman,kawasan industri, dan lainnya.

10.5.2 Inventarisasi sumber daya alam

Secara sederhana manfaat SIG dalam data kekayaan sumber daya alamialah sebagai berikut:

• Untuk mengetahui persebaran berbagai sumber daya alam, misalnya minyak bumi, batubara, emas, besi danbarang tambang lainnya.

• Untuk mengetahui persebaran kawasan lahan, misalnya:

1. Kawasan lahan potensial dan lahan kritis;

2. Kawasan hutan yang masih baik dan hutan rusak;

3. Kawasan lahan pertanian dan perkebunan;

4. Pemanfaatan perubahan penggunaan lahan;

5. Rehabilitasi dan konservasi lahan.

10.5.3 Untuk pengawasan daerah bencana alam

Kemampuan SIG untuk pengawasan daerah bencana alam, misalnya:

• Memantau luas wilayah bencana alam;

• Pencegahan terjadinya bencana alam pada masa datang;

• Menyusun rencana-rencana pembangunan kembali daerah bencana;

• Penentuan tingkat bahaya erosi;

• Prediksi ketinggian banjir;

• Prediksi tingkat kekeringan.

36 BAB 10. SISTEM INFORMASI GEOGRAFIS

10.5.4 Bagi perencanaan Wilayah dan Kota

• Untuk bidang sumber daya, seperti kesesuaian lahan pemukiman, pertanian, perkebunan, tata guna lahan,pertambangan dan energi, analisis daerah rawan bencana.

• Untuk bidang perencanaan ruang, seperti perencanaan tata ruang wilayah, perencanaan kawasan industri, pasar,kawasan permukiman, penataan sistem dan status pertahanan.

• Untuk bidang manajemen atau sarana-prasarana suatu wilayah, seperti manajemen sistem informasi jaringanair bersih, perencanaan dan perluasan jaringan listrik.

• Untuk bidang pariwisata, seperti inventarisasi pariwisata dan analisis potensi pariwisata suatu daerah.

• Untuk bidang transportasi, seperti inventarisasi jaringan transportasi publik, kesesuaian rute alternatif, peren-canaan perluasan sistem jaringan jalan, analisis kawasan rawan kemacetan dan kecelakaaan.

• Untuk bidang sosial dan budaya, seperti untuk mengetahui luas dan persebaran penduduk suatu wilayah, meng-etahui luas dan persebaran lahan pertanian serta kemungkinan pola drainasenya, pendataan dan pengembanganpusat-pusat pertumbuhan dan pembangunan pada suatu kawasan, pendataan dan pengembangan pemukimanpenduduk, kawasan industri, sekolah, rumah sakit, sarana hiburan dan perkantoran.

10.6 Lihat pula• GPS

• Pelacak kendaraan

10.7 Pranala luar• - Program Diploma Sistem Informasi Geografis dan Penginderaan Jauh UGM

• Buana Katulistiwa (BK)

• Geografiana - Situs Geografi Populer Indonesia

• Planet GIS Indonesia - Kumpulan Blog GIS/Geo di Indonesia

• Forum Remote Sensing dan GIS Indonesia

• Open GIS Consortium - Konsorsium SIG Terbuka

• FreeGIS - Software bebas dan data gratis

• Konsultan GIS PBB Jasa Pemetaan

• Software Gis GIS Indonesia

• Contoh Makalah Sistem Informasi Geografis Paper Underground

Bab 11

Sistem manajemen sumber daya manusia

Sistem Manajemen Sumber Daya Manusia (SMSDM/HRMS), Sistem Informasi Sumber Daya Manusia(SISDM/HRIS) merupakan sebuah bentuk interseksi/pertemuan antara bidang ilmu manajemen sumber daya ma-nusia (MSDM) dan teknologi informasi. sistem ini menggabungkan MSDM sebagai suatu disiplin yang utamanyamengaplikasikan bidang teknologi informasi ke dalam aktivitas-aktivitas MSDM seperti dalam hal perencanaan,dan menyusun sistem pemrosesan data dalam serangkaian langkah-langkah yang terstandarisasi dan terangkum da-lam aplikasi perencanaan sumber daya perusahaan/enterprise resource planning (ERP). Secara keseluruhan sistemERP bertujuan mengintegrasikan informasi yang diperoleh dari aplikasi-aplikasi yang berbeda ke dalam satu sistembasisdata yang bersifat universal. Keterkaitan dari modul kalkulasi finansial dan modul MSDMmelalui satu basisdatayang sama merupakan hal yang sangat penting yang membedakannya dengan bentuk aplikasi lain yang pernah dibuatsebelumnya, menjadikan aplikasi ini lebih fleksibel namun juga lebih kaku dengan aturan-aturannya.

11.1 Pranala luar• (Inggris) Management Research on EHRMS

• (Inggris) EHRMS News

37

Bab 12

Algoritma

Dalam matematika dan ilmu komputer, algoritma adalah prosedur langkah-demi-langkah untuk penghitungan. Al-goritma digunakan untuk penghitungan, pemrosesan data, dan penalaran otomatis.Algoritma adalah metode efektif diekspresikan sebagai rangkaian terbatas [1] dari instruksi-instruksi yang telah di-definisikan dengan baik [2] untuk menghitung sebuah fungsi.[3] Dimulai dari sebuah kondisi awal dan input awal(mungkin kosong),[4] instruksi-instruksi tersebut menjelaskan sebuah komputasi yang, bila dieksekusi, diproses le-wat sejumlah urutan kondisi terbatas [5] yang terdefinisi dengan baik, yang pada akhirnya menghasilkan “keluaran”[6] dan berhenti di kondisi akhir. Transisi dari satu kondisi ke kondisi selanjutnya tidak harus deterministik; beberapaalgoritma, dikenal dengan algoritma pengacakan, menggunakan masukan acak.[7]

Walaupun algorism-nya al-Khawarizmi dirujuk sebagai aturan-aturan melakukan aritmetika menggunakan bilanganHindu-Arab dan solusi sistematis dan persamaan kuadrat, sebagian formalisasi yang nantinya menjadi algoritmamo-dern dimulai dengan usaha untuk memecahkan permasalahan keputusan (Entscheidungsproblem) yang diajukan olehDavid Hilbert pada tahun 1928. Formalisasi selanjutnya dilihat sebagai usaha untuk menentukan "penghitungan efek-tif" [8] atau “metode efektif"; [9] formalisasi tersebut mengikutkan Godel-Herbrand-Kleene fungsi rekursif-nya KurtGodel - Jacques Herbrand - Stephen Cole Kleene pada tahun 1930, 1934, dan 1935, kalkulus lambda-nya AlonzoChurch pada tahun 1936, "Formulasi 1"-nya Emil Post pada tahun 1936, dan Mesin Turing-nya Alan Turing padatahun 1936-7 dan 1939. Dari definisi formal dari algoritma di atas, berkaitan dengan konsep intuituf, masih tetapada masalah yang menantang. [10]

12.1 Asal kata

'Algoritma' muncul dari 'Algoritmi', bentuk Latin dari al-Khwarizmi, matematikawan, ahli astronomi, dan ahli geo-grafi dari Persia.[11][12]

12.2 Definisi informal

Definisi informalnya bisa berarti “sekumpulan aturan yang secara tepat menentukan seurutan operasi”. [13] yangmengikutkan semua program komputer, termasuk program yang tidak melakukan perhitungan numerik. Secaraumum, sebuah program hanyalah sebuah algoritma jika ia akan berhenti nantinya. [14]

Sebuah contoh prototipikal dari suatu algoritma adalah algoritma Euclid untukmenentukan bilangan pembagi terbesardari dua integer; sebagai contohnya (ada contoh yang lain) dijelaskan dengan diagram alur di atas dan sebagai contohdi bagian lanjut.Boolos & Jeffrey (1974, 1999) memberikan sebuah makna informal dari kata algoritma dalam persamaan berikut:

Tidak ada manusia yang dapat menulis begitu cepat, atau begitu lama, atau begitu kecil (“kecil,dan lebih kecil tanpa batas ... anda mungkin mencoba menulis di atas molekul, atom, elektron”) untukmencatat semua anggota dari kumpulan bilangan tak terbatas dengan menuliskan namanya, bergantian,dalam suatu notasi. Tapi manusia bisa melakukan sesuatu yang sama bergunanya, pada kasus kumpulan

38

12.3. FORMALISASI 39

bilangan tak terbatas: Mereka dapat memberikan instruksi jelas untuk menentukan anggota ke-n dariset, untuk n terbatas acak. Instruksi tersebut diberikan secara eksplisit, dalam bentuk yang dapat diikutioleh mesin penghitung, atau oleh manusia yang mampu melakukan hanya operasi-operasi dasar dengansimbol-simbol. [15]

Suatu “bilangan tak-terbatas” adalah bilangan yang elemen-elemenya bisa berkorespondensi satu-ke-satu dengan in-teger. Maka, Boolos dan Jeffrey mengatakan bahwa sebuah algoritma berarti instruksi bagi sebuah proses yang“membuat” keluaran integer dari sebuah “masukan” acak integer yang, secara teori, bisa sangat besar. Maka sebuahalgoritma dapat berupa persamaan aljabar seperti y = m + n -- dua variabel masukanm dan n yang menghasikan ke-luaran y. Tapi berbagai penulis yang mencoba mendefinisikan persamaan tersebut mengatakan bahwa kata algoritmamengandung lebih dari itu, sesuatu yang kurang lebih (untuk contoh penjumlahan):

Instruksi rinci dan tepat (dalam bahasa yang dipahami oleh “komputer”) [16] untuk proses yang cepat,efisien, “baik” [17] yangmenentukan “pergerakan” dari “komputer” (mesin atau manusia, dibekali denganinformasi dan kemampuan internal yang dibutuhkan) [18] untuk menemukan, dekode, dan kemudianmengolah masukan integer/simbol m dan n, simbol + dan = ... dan “secara efektif” [19] menghasilkan,dalam waktu yang “masuk akal”,[20] keluaran integer y pada tempat dan format tertentu.

Konsep dari algoritma juga digunakan untuk mendefinisikan notasi dari desidabilitas. Notasi tersebut adalah pusatuntuk menjelaskan bagaimana sistem formal berasal dari sejumlah kecil aksioma dan aturan. Dalam logika, waktudari sebuah algoritma untuk selesai tidak dapat dihitung, karena tidak berelasi dengan dimensi fisik kita. Dari ketida-kpastian tersebut, yang mengkarakteristikan pekerjaan yang sedang berjalan, timbulah ketidak-tersediannya definisialgoritma yang sesuai dengan konkret (pada tingkat tertentu) dan penggunaan secara abstrak dari istilah tersebut.

12.3 Formalisasi

Algoritma sangat penting bagi cara komputer mengolah data. Banyak program komputer mengandung algoritmamemberikan rincian pada instruksi khusus yang komputer harus lakukan (dengan urutan tertentu) untuk menjalankanpekerjaan tertentu, seperti menghitung gaji karyawan atau mencetak kartu rapor siswa. Maka, sebuah algoritma bisadianggap sebagai urutan operasi yang bisa disimulasikan oleh sebuah sistemTuring-lengkap. Penulis yangmendukungtesis ini termasuk Minsky (1967), Savage (1987), dan Gurevich (2000):

Minsky: “Tapi kita juga menjaga, dengan Turing ... bahwa setiap prosedur yang “secara alami”disebut efektif, bisa dinyatakan oleh mesin (sederhana). Walaupun tampaknya ekstrim, alasan tersebut... sukar disanggah”. [21]

Gurevich: "... argumen informal Turing untuk menyokong tesis ini membenarkan tesis yang lebihkuat: setiap algoritma bisa disimulasikan oleh sebuah mesin Turing ... menurut Savage [1987], sebuahalgoritma adalah sebuah proses penghitungan yang ditentukan oleh sebuah mesin Turing”. [22]

Biasanya, bila sebuah algoritma dihubungkan dengan pengolahan informasi, data dibaca dari sumber masukan, dituliske perangkat keluaran, dan/atau disimpan untuk pengolahan selanjutnya. Data simpanan dianggap sebagai bagian darikeadaan internal dari entitas yang melakukan algoritma. Pada praktiknya, keadaan tersebut disimpan pada satu ataulebih struktur data.Untuk beberapa proses komputasi, algoritma harus ditentukan secara teliti: dijabarkan dengan cara ia bakal berlakuuntuk semua kemungkinan yang dapat timbul. Yaitu, setiap langkah tambahan harus secara sistematis dihadapi,kasus-per-kasus; Kriteria bagi setiap kasus harus jelas (dan bisa dihitung).Karena sebuah algoritma adalah kumpulan dari langkah-langkah yang tepat, urutan dari komputasi selalu pentingbagi berfungsinya algoritma. Instruksi biasanya diasumsikan terdaftar secara eksplisit, dan dijelaskan dimulai “dariatas” dan terus “ke bawah”, sebuah gambaran yang dijelaskan secara formal oleh alur kontrol

Sejauh ini, diskusi tentang formalisasi algoritma telah mengasumsikan premis dari pemrograman imperatif. Halini merupakan konsepsi umum, yang mencoba menjelaskan sebuah pekerjaan dalam makna diskrit dan “mekanis”.Keunikan dari konsepsi formalisasi algoritma adalah operasi penetapan, mengatur nilai dari sebuah variabel. Iaberasal dari intuisi "ingatan" sebagai kertas buram. Contoh operasi penetapan tersebut ada di bawah.Untuk konsepsi yang lain dari apa yangmembentuk sebuah algoritma lihat pemrograman fungsional dan pemrogramanlogika.

40 BAB 12. ALGORITMA

12.3.1 Menggambarkan algoritma

Algoritma dapat digambarkan dengan banyak notasi, termasuk bahasa alamiah, pseudokode, diagram alur, bagandrakon, bahasa pemrograman atau tabel kontrol (diproses oleh penerjemah). Ekspresi bahasa alamiah terhadap algo-ritma condong lebih banyak dan rancu, dan jarang digunakan untuk algoritma yang kompleks dan teknis. Pseudoko-de, diagram alur, bagan drakon, dan tabel kontrol adalah cara yang terstruktur untuk menggambarkan algoritma yangmencegah banyaknya kerancuan pada pernyataan-pernyataan bahasa alamiah. Bahasa pemrograman ditujukan untukmengekspresikan algoritma dalam sebuah bentuk yang dapat dieksekusi oleh komputer, tapi sering kali digunakansebagai suatu cara untuk menentukan atau mendokumentasikan algoritma.Ada banyak macam kemungkinan representasi dan seseorang dapat mengekspresikan sebuah program mesin Turingsebagai urutan dari tabel-tabel mesin (lihat lebih lanjut di mesin kondisi-terbatas, tabel transisi kondisi dan tabelkontrol), sebagai diagram alur dan bagan drakon (lihat lebih lanjut di diagram kondisi), atau sebagai bentuk kodemesin atau kode assembly dasar yang dikenal “kumpulan lipat empat” (lihat lebih lanjut di mesin Turing).Representasi dari algoritma dapat dikelompokan ke dalam tiga tingkatan dari deskripsi mesin Turing: [23]

1 Deskripsi tingkat-tinggi "... ditujukan untuk menjelaskan algoritma, menghiraukan rincian implementasi. Padatingkat ini kita tidak perlu menyebutkan bagaimana mesin mengatur perangkat pita atau kepala pita rekam.”

2 Deskripsi implementasi "... digunakan untuk menjelaskan cara mesin Turing menggunakan kepalanya dan caramenyimpan data. Pada tingkat ini kita tidak memberikan secara rinci kondisi atau fungsi transisi.”

3 Deskripsi formal Lebih rinci, “tingkat paling rendah”, menjelaskan “tabel kondisi” dari mesin Turing.

Sebagai contoh dari algoritma sederhana “Penjumlahan m+n” dijelaskan dalam tiga tingkatan tersebut lihat contohalgoritma.

12.4 Implementasi

Kebanyakan algoritma ditujukan untuk diimplementasikan sebagai program komputer. Namun, algoritma juga di-implementasikan dengan tujuan lain, seperti dalam jaringan saraf biologis (sebagai contohnya, otak manusia yangmengimplementasikan aritmatika atau sebuah serangga yang melihat makanan), dalam sirkuit elektris, atau dalamsebuah perangkat mekanis.

12.5 Algoritma komputer

Dalam sistem komputer, sebuah algoritma pada dasarnya adalah instansi dari logika ditulis dalam perangkat lunakoleh pengembang perangkat lunak supaya efektif untuk komputer yang “ditargetkan” untuk mesin tertentu untukmenghasilkan keluaran dari masukan yang diberikan (kemungkinan nul).Program yang “elegan” (padat), program yang “baik” (cepat): Pernyataan dari “sederhana dan elegan” muncul secarainformal dalam buku Knuth dan dalam Chaitin:

Knuth: "... kita menginginkan algoritma yang baik dalam definisi estetika sederhana. Salah satu kriteri-anya ... adalah waktu yang dibutuhkan untuk berjalannya algoritma ... Kriteria yang lain adalah adaptasidari algoritma ke komputer, kesederhanaan dan elegan, dll” [24]

Chaitin: "... sebuah program adalah 'elegan, maksud saya adalah ia merupakan program terkecil untukmenghasilkan keluaran.” [25]

Chaitin membuka definisinya dengan: “Saya akan perlihatkan bahwa anda tidak dapat membuktikan sebuah programadalah 'elegan'"—bukti tersebut akan menyelesaikan permasalahan perhentian (ibid).Algoritma terhadap fungsi yang dapat dihitung oleh algoritma: Untuk sebuah fungsi bisa ada beberapa algoritma. Halini benar, bahkan tanpa mengembangkan kumpulan instruksi yang ada bagi programmer. Rogers mengamati bahwa“Sangat ... penting untuk membedakan antara pengertian algoritma, misalnya prosedur dan pernyataan fungsi yang

12.5. ALGORITMA KOMPUTER 41

dihitung oleh algoritma, misalnya pemetaan hasil dari prosedur. Fungsi yang sama bisa memiliki beberapa algoritmaberbeda”. [26]

Sayangnya ada pertukaran antara kebaikan (kecepatan) dan elegan (kepadatan) -- sebuah program yang elegan bi-sa melakukan lebih banyak langkah untuk menyelesaikan sebuah komputasi daripada yang kurang elegan. Sebuahcontoh yang menggunakan algoritma Euclid bisa dilihat di bawah.Komputer (dan komputor), model dari komputasi: Sebuah komputer (atau manusia “komputor” [27] ) adalah tipeterbatas dari mesin, sebuah “perangkat mekanis deterministik diskrit” [28] yang secara buta mengikuti instruksinya[29]. Model primitif dari Melzak dan Lambek [30] mereduksi pemikiran tersebut menjadi empat elemen: (i) diskrit,lokasi yang bisa dibedakan, (ii) diskrit, penghitung yang tak bisa dibedakan [31] (iii) sebuah agen, dan (iv) sebuahdaftar instruksi yang efektif relatif terhadap kemampuan dari agen. [32]

Minsky menjelaskan variasi yang lebih sesuai dari model “abacus"-nya Lambek dalam “Basis Komputabilitas PalingSederhana”. [33] Mesin Minsky memproses secara berurutan lewat lima (atau enam tergantung bagaimana seseorangmenghitungnya) instruksi kecuali baik sebuah kondisi IF-THENGOTO atau GOTO tak bersyarat mengubah alur pro-gram keluar dari urutan. Selain HALT, mesin Minsky mengikutkan tiga operasi penetapan (penggantian, substitusi):[34] ZERO (misalnya, isi dari lokasi diganti oleh 0: L ← 0), SUCCESSOR (misalnya, L ← L+1), dan DECREMENT(misalnya, L ← L-1). [35] Jarang seorang programer harus menulis “kode” dengan kumpulan instruksi terbatas. TapiMinsky memperlihatkan (sebagaimana Melzak dan Lambek) bahwa mesinnya adalah Turing komplit dengan hanyaempat tipe instruksi utama: GOTO kondisional, GOTO tak bersyarat, penetapan/penggantian/substitusi, dan HALT.[36]

Simulasi dari sebuah algoritma: bahasa komputer (komputor): Knuth menganjurkan pembaca bahwa “cara terbaikuntuk belajar algoritma dalah mencobanya ... langsung ambil pulpen dan kertas dan bekerja lewat contoh”. [37] Lalubagaimana dengan simulasi atau eksekusi yang sebenarnya? Programmer harus menerjemahkan algoritma ke dalambahasa yang mana simulator/komputer/komputor dapat mengeksekusi secara efektif. Stone memberikan contoh darihal ini: saat menghitung akar dari persamaan kuadrat si komputor harus tahu bagaimana mendapatkan akar kua-drat. Jika tidak maka supaya algoritma dapat efektif ia harus menyediakan sejumlah aturan untuk mengekstrak akarkuadrat. [38]

Hal ini berarti programer harus tahu sebuah “bahasa” yang efektif relatif terhadap target pada agen komputasi (kom-puter/komputor).Lalu model apa yang seharusnya digunakan untuk simulasi? Van Emde Boas mengamati “bahkan bila kita menda-sari teori kompleksitas dengan mesin abstrak bukannya mesin kongkrit, kesembarangan dari pemilihan model masihtetap ada. Pada titik itulah mulainya pemikiran simulasi". [39] Bila kecepatan yang dihitung, jumlah instruksi ber-pengaruh. Sebagai contohnya, subprogram dalam algoritma Euclid untuk menghitung sisa akan berjalan lebih cepatjika programmer memiliki instruksi “modulus” (sisa pembagian) bukannya dengan pengurangan (atau lebih parah:hanya “penurunan”).Pemrograman terstuktur, struktur kanonikal: Menurut Tesis Church-Turing setiap algoritma bisa dihitung dengansebuah model yang dikenal Turing komplit, dan menurut demonstrasi Minsky kekomplitan Turing membutuhkan ha-nya empat tipe instruksi—GOTO bersyarat, GOTO tak bersyarat, penetapan, HALT. Kemeny dan Kurtz mengamatibahwa saat penggunaan GOTO tak bersyarat yang “tak disiplin” dan IF-THEN GOTO bersyarat bisa menghasilkan"kode spageti" seorang programer bisa menulis program terstruktur menggunakan instruksi tersebut; di lain sisi “jugamemungkinkan, dan tidak begitu sulit, untuk menulis sebuah program terstruktur yang buruk dalam sebuah bahasaterstruktur”. [40] Tausworthe menambahkan tiga struktur kanon Bohm-Jacopini: [41] SEQUENCE, IF-THEN-ELSE,danWHILE-DO, dengan dua lagi: DO-WHILE dan CASE. [42] Keuntungan dari program terstruktur adalah ia cocokdengan pembuktian kebenaran menggunakan induksi matematika. [43]

Simbol diagram alur [44]: Pembantu grafik yang disebut diagram alur memberikan suatu cara untuk menjelaskan danmendokumentasikan sebuah algoritma (dan program komputer). Seperti alur program dari mesin Minsky, sebuahdiagram alur selalu mulai dari atas dan terus ke bawah. Simbol utamanya hanya 4: arah panah memperlihatkan alurprogram, segi empat (SEQUENCE, GOTO), wajik (IF-THEN-ELSE), dan titik (OR). Struktur kanonikal Bohm-Jacopini dibuat dari bentuk-bentuk primitif tersebut. Sub-struktur bisa “bersarang” dalam segi empat hanya jikajalan keluar tunggal terjadi pada super-struktur. Simbol dan penggunaannya untuk membangun struktur kanonikaldiperlihatkan dalam diagram.

42 BAB 12. ALGORITMA

12.6 Contoh

12.6.1 Contoh Algoritma

Salah satu dari algoritma sederhana adalah menemukan bilangan terbesar dalam sebuah deretan angka (tak berurut).Solusinya membutuhkan pemeriksaan setiap angka dalam deret, tapi hanya sekali. Dari hal ini munculah algoritmasederhana, yang bisa dinyatakan dalam kalimat bahasa deskripsi tingkat-tinggi, sebagai:Deskripsi tingkat-tinggi:

1. Jika tidak ada angka dalam deret makan tidak ada bilangan terbesar.

2. Asumsikan item pertama dalam deret adalah yang terbesar.

3. Untuk setiap sisa angka dalam deret, jika angka tersebut besar dari angka terbesar sekarang, anggap angkatersebut menjadi yang terbesar dalam deret.

4. Bila tidak ada lagi angka yang tersisa pada deret untuk diperiksa, anggap angka terbesar sekarang menjadiangka yang terbesar dalam deret.

Deskripsi (Quasi-)formal: Ditulis dalam kalimat yang lebih dekat dengan bahasa tingkat-tinggi dari program kom-puter, berikut ini adalah kode formal dari algoritma dalam pseudokode atau kode pijin:Algoritma LargestNumber Masukan: Deret angka L. Keluaran: Angka terbesar dalam daftar L. terbesar ← L ᵤuntuk setiap item dalam L, lakukan jika item > terbesar, maka terbesar ← item kembalikan terbesar

• "←" adalah singkatan untuk “diubah menjadi”. Misalnya, "terbesar← item" artinya nilai dari terbesar diubah menjadi nilaidari item.

• "kembalikan" mengakhiri algoritma dan mengeluarkan nilai kembalian.

12.6.2 Algoritma Euclid

Algoritma Euclid muncul sebagai Proposisi II dalam Book VII (“Elementary Number Theory”) dari Elements. [45]

Euclid mengajukan permasalahan: “Ambil dua angka bukan prima, untuk mencari bilangan pembagi terbesar”. Diamenentukan “Sebuah angka [merupakan] besaran yang terdiri dari unit-unit": angka penghitung, integer positif ke-cuali 0. Dan “mengukur” adalah menempatkan ukuran panjang terkecil s dengan tepat (q kali) di antara ukuranterpanjang l sampai sisa r lebih kecil dari panjang terkecil s. [46] Dalam dunia modern, sisa r = l - q*s, q sebagaihasil bagi, atau sisa r adalah “modulus”, bagian sisa-integer yang tersisa setelah pembagian. [47]

Supaya metode Euclid berhasil, panjang awalnya harus memenuhi dua kebutuhan: (i) panjangnya tidak 0, DAN (ii)hasil pengurangan harus “lebih”, sebuah pengujian harus menjamin bahwa bilangan terkecil dari dua angka adalahhasil pengurangan dari yang terbesar (cara lain, keduanya bisa sama sehingga pengurangan menghasilkan 0).Pembuktian asli Euclid mengikutkan kebutuhan yang ketiga: kedua panjang bukanlah bilangan prima. Euclid me-nentukan hal ini supaya dia bisa membentuk sebuah bukti reductio ad absurdum bahwa dua pembagi dua angkaadalah yang terbesar. [48] Walau algoritma Nicomachus sama dengan Euclid, bila kedua bilangan prima maka meng-hasilkan angka “1” untuk bilangan pembagi terbesar. Jadi untuk lebih jelasnya algoritma berikut adalah algoritmaNicomachus.

Contoh

Bahasa komputer untuk algoritma Euclid

Hanya beberapa tipe instruksi yang dibutuhkan untuk mengeksekusi algoritma—beberapa tes logika (GOTO bersya-rat), GOTO tak bersyarat, penetapan (penggantian), dan pengurangan.

• Sebuah lokasi disimbolkan dengan huruf besar, misalnya, S, A, dll.

• Kuantitas beragam (angka) dalam sebuah lokasi ditulis dengan huruf kecil dan (biasanya) dihubungkan dengannama lokasi. Sebagai contohnya, lokasi L pada awal bisa mengandung angka l = 3009.

12.6. CONTOH 43

Program yang kurang elegan (inelegan) untuk algoritma Euclid

Algoritma berikut disebut sebagai versi Euclid dan Nichomachus 4-langkah-nya Knuth, tapi bukannya menggunakanpembagi untuk menentukan sisa ia menggunakan pengurangan berturut-turut dari panjang terkecil s dari sisa panjangr sampai r kurang dari s. Deskripsi tingkat-tinggi, diperlihatkan dengan tulisan tebal, diadaptasi dari Knuth 1973:2-4:INPUT:1 [Kedalam dua lokasi L dan S taruh angka l dan s yang merepresentasikan kedua panjang]: INPUT L, S 2 [InisialisasiR: buat supaya sisa panjang r sama dengan panjang awal l] R ← LE0: [Pastikan r ≥ s.]3 [Pastikan angka terkecil dari kedua angka ada dalam S dan yang terbesar di R]: IF R > S THEN isi dari L adalahangka terbesar jadi lewati langkah 4, 5 dan 6: GOTO step 6 ELSE tukar isi R dan S. 4 L ← R (langkah pertama iniberlebih, tapi berguna untuk diskusi nanti). 5 R ← S 6 S ← LE1: [Cari sisa]: Sampai sisa panjang r di R kurang dari panjang terkecil s pada S, kurangi angka s dalam S berulangkali dari sisa panjang r dalam R.7 IF S > R THEN selesai mengukur jadi GOTO 10 ELSE ukur lagi, 8 R ← R - S 9 [Pengulangan-sisa]: GOTO 7.E2: [Apakah sisa 0?]: APAKAH (i) pengukuran terakhir adalah sama dan sisa di R adalah 0 program dapat berhenti,ATAU (ii) algoritma harus terus jalan: hasil pengukuranmeninggalkan sisa di R kurang dari angka pengukuran dalamS.10 IF R = 0 THEN selesai jadi GOTO langkah 15 ELSE lanjut ke langkah 11,E3: [Interchange s dan r]: Sulitnya algoritma Euclid. Menggunakan sisa r untuk mengukur angka terkecil sebe-lumnya s:; L sebagai lokasi sementara.11 L ← S 12 R ← S 13 S ← L 14 [Ulang proses pengukuran]: GOTO 7OUTPUT:15 [Selesai. S berisi faktor persekutuan terbesar]: PRINT SDONE:16 HALT, END, STOP.

Program elegan untuk algoritma Euclid

Versi algoritma Euclid berikut hanya membutuhkan 6 instruksi inti untuk melakukan 13 langkah pada solusi “ine-legan"; parahnya, “inelegan” membutuhkan tipe instruksi lebih banyak. Diagram alur dari “elegan” bisa dilihat padabagian atas artikel ini. Dalam bahasa Basic (tak terstruktur) langkahnya diberi nomor, dan instruksi LET [] = []adalah instruksi penetapan disimbolkan dengan ←.5 REMAlgoritma Euclid untuk faktor persekuturan terbesar 6 PRINT “Masukan dua integer besar dari 0” 10 INPUTA,B 20 IF B=0 THEN GOTO 80 30 IF A > B THEN GOTO 60 40 LET B=B-A 50 GOTO 20 60 LET A=A-B 70GOTO 20 80 PRINT A 90 ENDBagaimana cara kerja “Elegan” : Sebagai pengganti “pengulangan Euclid” luar, “Elegan” mengulang antara dua pe-ngulangan, pengulangan A > B yang menghitung A ← A - B, dan pengualang B ≤ A yang menghitung B ← B - A.Hal ini bekerja karena, saat yang dikurang M lebih kecil pengurang S ( Selisih = pengurang - yang_di_kurang ),yang_dikurang bisa menjadi s (panjang pengukuran yang baru) dan pengurang bisa menjadi r yang baru (panjangyang akan diukur); dengan kata lain “arti” dari pengurangan dibalik.

12.6.3 Menguji algoritma Euclid

Apakah algoritma berjalan seperti yang penulis inginkan? Beberapa kasus uji cukup menentukan fungsi inti. Sumberpertama [49] menggunakan 3009 dan 884. Knuth menyarankan 40902, 24140. Kasus menarik lainnya yaitu duaangka relatif prima 14157 dan 5950.Tapi kasus pengecualian harus teridentifikasi dan diuji. Apakah “inelegan” berjalan benar saat R > S, S > R, R = S?Sama juga dengan “Elegan": B > A, A > B, A = B? (Semuanya benar). Apa yang terjadi bila salah satu bilangan nol,atau keduanya nol? (“Inelegan” terus berjalan pada kedua kasus; “elegan” terus berjalan saat A = 0.) Apa yang terjadi

44 BAB 12. ALGORITMA

bila angka negatif dimasukan? Angka desimal? Bila angka masukan, misalnya domain dari fungsi yang dihitung olehalgoritma/program, mengikutkan hanya integer positif termasuk 0, maka kegagalan pada nol mengindikasikan bahwaalgoritma (dan program instansiasinya) adalah sebuah fungsi parsial bukannya fungsi total. Kesalahan yang terkenalkarena eksepsi adalah kegagalan roket Ariane V.Bukti dari kebenaran program menggunakan induksi matematika: Knuth mendemonstrasikan penggunaan induksimatematika untuk versi “pengembangan” dari algoritma Euclid, dan dia mengajukan “metode umum yang digunakanuntuk membuktikan validitas dari setiap algoritma.” [50] Tausworthe mengajukan bahwa sebuah pengukuran darikompleksitas dari sebuah program adalah panjang dari pembuktian kebenarannya. [51]

12.6.4 Menghitung dan meningkatkan algoritma Euclid

Elegan (kepadatan) lawan kebaikan (kecepatan): Dengan hanya 6 instruksi dasar, “Elegan” adalah jelas pemenang di-bandingkan dengan instruksi “inelegan” dengan 13 instruksi. Namun, “inelegan” lebih cepat (ia sampai pada HALTdengan langkah lebih sedikit). Analisis algoritma [52] mengindikasikan kenapa hal tersebut terjadi: “Elegan” me-lakukan pengujian kondisi dua kali disetiap pengulangan pengurangan, sementara “inelegan” hanya sekali. Bilaalgoritma (biasanya) membutuhkan banyak pengulangan, secara rata-rata lebih banyak waktu yang terbuang saatmelakukan tes “B = 0?" yang hanya diperlukan saat sisa sudah dihitung.Bisakah algoritma ditingkatkan?: Bila programmer sudah menilai sebuah program “cocok” dan “efektif”—yaitu, iamenghitung fungsi yang ditujukan oleh penulisnya—maka pertanyaannya menjadi, bisakah ditingkatkan?Kepadatan dari “inelegan” bisa ditingkatkan dengan menghilangkan 5 langkah. Tapi Chaitin membuktikan bahwamemadatkan algoritma tidak bisa diotomatiskan dengan algoritma generalisasi; [53] tapi, ia bisa dilakukan secaraheuristik, misalnya dengan pencarian menyeluruh (contohnya bisa ditemukan di Berang sibuk), coba dan gagal, ke-cerdasan, kedalaman, penggunaan penalaran induktif, dll. Bisa diamati bahwa langkah 4, 5, dan 6 diulang padalangkah 11, 12, dan 13. Pembandingan dengan “Elegan” menyediakan petunjuk langkah-langkah tersebut denganlangkah 2 dan 3 dapat dihilangkan. Hal ini mereduksi jumlah instruksi dasar dari 13 menjadi 8, yang membuatnya“lebih elegan” dari “Elegan” dengan 9 langkah.Kecepatan “Elegan” bisa ditingkatkan dengan memindahkan tes B=0? keluar dari pengulangan. Perubahan ini me-merlukan penambahan 3 instruksi (B=0?, A=0?, GOTO). Sekarang “Elegant” menghitung contoh-angka lebih cepat;untuk setiap angka pada A, B dan R, S hal ini selalu merupakan kasus yang membutuhkan analisis yang mendalam.

12.7 Analisis Algoritma

Sangat penting untuk mengetahui berapa banyak sumber tertentu (seperti waktu dan tempat penyimpanan) seca-ra teoritis diperlukan untuk sebuah algoritma. Metode-metode telah dikembangkan untuk analisis algoritma untukmendapatkan jawaban kuantitatif (estimasi); sebagai contohnya, algoritma pengurutan di atas memerlukan waktuO(n), menggunakan notasi O besar dengan n sebagai panjang deret (yang akan diurut). Setiap saat algoritma ha-nya perlu mengingat dua nilai: nilai terbesar yang ditemukan, dan posisinya sekarang dideretan input. Oleh karenaitu dikatakan memiliki kebutuhan ruang O(1), jika ruang yang dibutuhkan untuk menyimpan angka masukan tidakdihitung, atau O(n) jika dihitung.Algoritma berbeda mungkin menyelesaikan pekerjaan yang sama dengan kumpulan instruksi yang berbeda denganwaktu, ruang, atau 'usaha' lebih sedikit atau banyak dari yang lain. Sebagai contohnya, algoritma pencairan binaribiasanya mengungguli pencarian berderet secara paksa bila digunakan untuk tabel pencarian pada deret terurut.

12.7.1 Formal lawan empiris

Analisis dan kajian algoritma adalah bidang dari ilmu komputer, dan biasanya dilakukan secara abstrak tanpa meng-gunakan bahasa pemrograman tertentu atau implementasi. Dalam artian, analisis algoritma mirip dengan bidangmatematika lainnya yang mana fokus pada properti yang mendasari algoritma dan bukan pada implementasi ter-tentu. Biasanya pseudokode digunakan pada analisis karena merupakan representasi paling umum dan sederhana.Namun, pada akhirnya, kebanyakan algoritma diimplementasikan di perangkat keras / lunak tertentu dan efisiensialgoritmik mereka akhirnya diuji menggunakan kode yang sebenarnya. Untuk solusi dari sebuah masalah, efisiensidari algoritma tertentu mungkin tidak terlalu berpengaruh (kecuali n sangat besar) tapi bagi algoritma yang dirancang

12.8. KLASIFIKASI 45

untuk kecepatan interaktif, komersial, atau penggunaan ilmiah jangka panjang ia bisa saja kritikal. Meningkatkan ndari kecil ke n yang besar biasanya menunjukan ketak efisienan algoritma yang tidak berbahaya.Pengujian empiris berguna karena bisa membuka interaksi tak terduga yang mempengaruhi performa. Benchmarkbisa digunakan untuk membandingkan potensi kenaikan sebelum/sesudah algoritma setelah optimisasi program di-lakukan.

Efisiensi eksekusi

Untuk menggambarkan kemungkinan potensi peningkatan bahkan pada algoritma yang sudah teruji, inovasi terbaru,berkaitan dengan algoritma FFT (banyak digunakan di bidang pemrosesan gambar), bisa menurunkan waktu pemro-sesan dengan faktor sampai 1.000 untuk aplikasi seperti pencitraan medis. [54] Secara umum, peningkatan kecepatanbergantung pada properti khusus dari permasalahan, yang mana sangat umum pada aplikasi praktis. [55] Percepatandengan tingkat seperti itu membolehkan perangkat komputasi yang sering menggunakan pemrosesan gambar (sepertikamera digital dan peralatan medis) menghabiskan daya yang lebih sedikit.

12.8 Klasifikasi

Salah satu cara mengklasifikasikan algoritma yaitu dengan cara implementasi.

Rekursi atau iterasi Sebuah algoritma rekursi yaitu algoritma yang memanggil dirinya sendiri berulang kali sam-pai kondisi tertentu tercapai, ini merupakan metode umum bagi pemrograman fungsional. Algoritma iteratifmenggunakan konstruksi berulang seperti pengulangan dan terkadang struktur data tambahan seperti tumpukanuntuk menyelesaikan permasalahan. Beberapa permasalahan secara alami cocok dengan satu implementa-si atau lainnya. Sebagai contoh, Menara Hanoi dikenal dengan implementasi rekursif. Setiap versi rekursifmemiliki kesamaan (tapi bisa lebih atau kurang kompleks) dengan versi iteratif, dan sebaliknya.

Logical Sebuah algoritma bisa dilihat sebagai logika deduksi terkontrol. Pernyataan ini diekspresikan sebagai: Al-goritma = logika + kontrol.[56] Komponen logika mengekspresikan aksioma yang bisa digunakan dalamkomputasi dan komponen kontrol menentukan cara deduksi digunakan pada aksioma. Ini merupakan dasardari paradigma pemrograman logika. Dalam bahasa pemrograman logika murni komponen kontrol adalahtetap dan algoritma ditentukan dengan memberikan hanya komponen logikanya. Daya tarik dari pendekatanini adalah semantik elegan: sebuah perubahan dalam aksioma memiliki perubahan dalam algoritma.

Serial, paralel atau terdistribusi Algoritma biasanya dibicarakan dengan asumsi bahwa komputer menjalankansatu instruksi algoritma setiapwaktu. Komputer tersebut terkadang disebut dengan komputer serial. Rancanganalgoritma untuk lingkungan tersebut disebut dengan algoritma serial, terbalik dengan algoritma paralel ataualgoritma terdistribusi. Algoritma paralel memanfaatkan arsitektur komputer yang mana beberapa prosesorbisa mengerjakan masalah di waktu yang sama, selain itu algoritma terdistribusi memanfaatkan banyak mesinyang terhubung dengan jaringan. Algoritma paralel atau terdistribusi membagi permasalahan menjadi banyaksub-masalah simetris atau asimetris dan mengumpulkan hasilnya kembali. Konsumsi sumber pada algoritmatersebut tidak hanya perputaran prosesor disetiap prosesor tapi juga daya komunikasi antara prosesor. Algo-ritma pengurutan bisa diparalelkan secara efisien, tapi biaya komunikasinya sangat mahal. Algoritma iteratifsecara umum bisa diparalelkan. Beberapa permasalahan tidak ada algoritma paralelnya, dan disebut denganpermasalahan serial lahiriah.

Deterministik atau non-deterministik Algoritma deterministik menyelesaikan masalah dengan keputusan yangtepat disetiap langkah dari algoritma sedangkan algoritma non-deterministik menyelesaikan masalah lewatpenerkaan walaupun penerkaan biasanya lebih akurat dengan menggunakan heuristik.

Tepat atau perkiraan Bila banyak algoritma sampai pada solusi yang tepat, algoritma perkiraan mencari sebuahperkiraan yang terdekat dengan solusi benarnya. Perkiraan bisa menggunakan baik strategi deterministik atauacak. Algoritma seperti itu memiliki nilai guna untuk banyak permasalahan sulit.

Algoritma quantum Berjalan di model realistik dari komputasi quantum. Istilah ini biasanya digunakan untukalgoritma yang tampak pada dasarnya quantum, atau menggunakan beberapa fitur penting komputasi quantumseperti superposisi quantum atau belitan quantum.

46 BAB 12. ALGORITMA

12.9 Paradigma secara rancangan

Cara lain mengklasifikasikan algoritma adalah dengan metodologi rancangannya atau paradigma. Ada sejumlah para-digma, tiap-tiapnya berbeda dari yang lain. Lebih lanjut, setiap kategori tersebut mengikutkan banyak tipe algoritmayang berbeda. Beberapa paradigma umum termasuk:

Pencarian paksa atau pencarian mendalam Ini merupakan metoda naif mencoba setiap kemungkinan solusi un-tuk melihat yang terbaik.[57]

Membagi dan menaklukan (Divide and conqueror) Algoritma bagi dan takluk secara berulang mereduksi instan-si jumlah masalah menjadi satu atau lebih kecil instasi masalah yang sama (biasanya secara rekursif) sampaiinstansi cukup kecil diselesaikan dengan mudah. Salah satu contoh bagi dan takluk adalah pengurutan ga-bung. Pengurutan dapat dilakukan disetiap segmen data setelah membagi data menjadi segmen-segmen danurutan seluruh data bisa didapat pada fase takluk dengan menggabungkan segmen-segmen. Variasi sederha-na dari bagi-dan-takluk disebut algoritma kurang dan takluk, yang menyelesaikan sub-masalah yang samadan menggunakan solusi dari sub-masalah tersebut untuk menyelesaikan masalah yang lebih besar. Bagi dantakluk membagi permasalahan menjadi banyak sub-masalah dan sehingga tahap takluk lebih kompleks da-ripada algoritma kurang-dan-taklukan. Sebuah contoh dari algoritma kurang-dan-taklukan adalah algoritmapencarian binari.

Pencarian dan enumerasi Banyak masalah (seperti bermain catur) bisa dimodelkan sebagai masalah dalam grafik.Sebuah algoritma eksplorasi grafik menentukan aturan-aturan untuk bergerak disekitar grafik dan bergunabagi masalah tersebut. Kategori ini juga mengikutkan algoritma pencarian, enumerasi batas dan cabang danbacktracking.

Algoritma pengacakan Algoritma ini membuat pilihan secara acak (atau pseudo-acak). Ia sangat berguna un-tuk menemukan solusi perkiraan untuk masalah dimana solusi yang pasti tidak praktis (lihat metode heuris-tik di bawah). Untuk beberapa masalah, diketahui bahwa perkiraan tercepat harus mengikutkan beberapapengacakan.[58] Apakah algoritma pengacakan dengan kompleksitas waktu polinomial bisa menjadi algoritmatercepat untuk beberapa masalah masih menjadi pertanyaan terbukan yang dikenal sebagai Masalah P versusNP. Ada dua kelas besar dari algoritma ini:

1. Algoritma Monte Carlo mengembalikan jawaban yang benar dengan probabilitas-tinggi. Misalnya, RP adalahsub-klas dari algoritma ini yang berjalan dalam waktu polinomial)

2. Algoritma Las Vegas selalu mengembalikan jawaban yang benar, tapi waktu prosesnya adalah hanya terikatsecara probabilistik, misalnya ZPP.

Reduksi Teknik ini menyelesaikan masalah sulit dengan mengubahnya menjadi permasalahan yang lebih diketahuiyang mana kita (berharap) memiliki algoritma asimptotikal optimal. Tujuannya yaitu untuk menemukan se-buah algoritma reduksi yang kompleksitasnya tidak didominasi oleh algoritma hasil reduksi. Sebagai contoh,algoritma seleksi untuk menemukan rata-rata dalam daftar tak terurut mengikutkan mengurutkan daftar (ba-gian yang paling mahal) dan menarik elemen paling tengah dalam daftar terurut (bagian yang paling mudah).Teknik ini juga diketahui dengan ubah dan taklukan.

12.9.1 Permasalahan optimisasi

Pemrograman Linear Saat mencari solusi optimal terhadap sebuah fungsi linear yang terikat persamaan lineardan ketidaksamaan konstrain, batasan dari permasalahan bisa digunakan secara langsung untuk menghasilk-an solusi optimal. Ada algoritma yang dapat memecahkan setiap permasalahan dalam kategori ini, sepertialgoritma simpleks yang terkenal.[59] Permasalahan yang dapat diselesaikan dengan pemrograman linear ter-masuk permasalahan alur maksimum untuk grafik terarah). Jika sebuah masalah sebagai tambahan membu-tuhkan satu atau lebih jawaban haruslah integer maka ia diklasifikan dalam pemrograman integer. Algoritmapemrograman linear dapat menyelesaikan masalah seperti itu jika dapat dibuktikan bahwa semua batasanuntuk nilai integer adalah tidak benar, yaitu solusi memenuhi batasan tersebut. Pada kasus umum, algoritmayang dikhususkan atau algoritma yang menemukan solusi perkiraan digunakan, bergantung pada kesulitan daripermasalahan.

12.9. PARADIGMA SECARA RANCANGAN 47

Pemrograman dinamis Bila sebuah masalah memperlihatkan substruktur optimal, artinya solusi optimal terha-dap sebuah masalah bisa direkonstruksi dari solusi optimal ke sub-masalah, dan submasalah tumpang-tindih,artinya sub-masalah yang sama digunakan untuk menyelesaikan banyak instasi masalah berbeda, pendekat-an tercepat disebut pemrograman dinamis menghindari penghitungan solusi yang telah dikomputasi. Sebagaicontoh, algoritma Floyd-Warshall, jalan terpendek ke tujuan dari sebuah vertex dalam grafik berbobot bisa di-temukan dengan menggunakan jalan terpendek ke tujuan dari semua simpul yang berdekatan. Pemrogramandinamis dan memoisasi berpadanan. Perbedaan utama antara pemrograman dinamis dan bagi-dan-taklukanadalah submasalah kurang lebih independen dalam bagi-dan-taklukan, sementara submasalah tumpang tindikdalam pemrograman dinamis. Perbedaaan antara pemrograman dinamis dan rekursi langsung adalah dalam'caching' atau memoisasi dari pemanggialan rekursif. Saat submasalah independen dan tidak ada pengulangan,memoisasi tidak membantu sama sekali; makanya pemrograman dinamis bukalanh solusi untuk semua per-masalahan kompleks. Dengan menggunakan memoisasi atau tabel dari submasalah yang telah diselesaikan,pemrograman dinamis mereduksi eksponensial dari banyak permasalahan menjadi kompleksitas polinomial.

Metode rakus Sebuah algoritma rakus mirip dengan algoritma pemrograman dinamis, tapi perbedaannya adalahsolusi dari submasalah tidak harus diketahui pada setiap tahap; melainkan pilihan yang “rakus” bisa dibuatdengan melihat apa yang terbaik untuk saat tersebut. Metoda rakus mengembangkan solusi dengan kemung-kinan keputusan yang terbaik (bukan dengan keputusan yang ada) pada tahap algoritmis berdasarkan optimasilokal yang ada sekarang dan keputusan yang terbaik (bukan semua kemungkinan keputusan) yang dibuat padalangkah sebelumnya. Algoritma ini tidak terlalu mendalam, dan tidak memberikan jawaban yang akurat terha-dap banyak permasalahan. Tapi bila ia bekerja, ia menjadi metoda yang paling cepat. Algoritma rakus palingterkenal adalah menemukan rentang pohon minimal seperti pada Pohon Huffman, Kruskal, Prim, Sollin.

Metode heuristik Dalam masalah optimisasi, algoritma heuristik bisa digunakan untuk menemukan suatu solusiyang terdekat dengan solusi optimal jika seandainya menemukan solusi optimal tidak praktis. Algoritma inibekerja dengan mendekati sedikit demi sedikit ke solusi optimal saat ia berjalan. Secara prinsipnya, jikadijalankan tanpa batas waktu, ia akan menemukan solusi optimal. Kebaikan mereka adalah mereka dapat me-nemukan suatu solusi sangat dekat dengan solusi optimal dalam waktu yang relatif sangat pendek. Algoritmatersebut termasuk pencarian lokal, pencarian tabu, simulasi pelunakan, dan algoritma genetik. Beberapa darimereka, seperti simuasi pelunakan, adalah algoritma non-deterministik sementara yang lainnya, seperti pen-carian tabu, adalah deterministik. Saat batas dari galat dari solusi non-optimal diketahui, algoritma kemudiadikategorikan sebagai algoritma pendekatan.

12.9.2 Berdasarkan bidang kajian

Setiap bidang sains memiliki permasalahannya sendiri dan membutuhkan algoritma yang efisien. Masalah yangberkaitan di satu bidang terkadang dipelajari bersama. Beberapa contoh yaitu algoritma pencarian, algoritma peng-gabungan, algoritma numerik, algoritma grafik, algoritma deret, algoritma komputasi geometri, algoritma kombina-torial, algoritmas medis, mesin belajar, kriptografi, algoritma kompresi data dan teknik penguraian.Terkadang bidang-bidang tersebut saling tumpang tindih, dan perkembangan algoritma di satu bidang bisa mening-katkan bidang lainnya yang terkadang tidak berkaitan. Sebagai contohnya, pemrograman dinamis ditemukan untukoptimisasi konsumsi sumber daya dalam industri, tapi sekarang digunakan untuk menyelesaikan sejumlah besar per-masalahan dalam banyak bidang.

12.9.3 Berdasarkan kompleksitas

Algoritma bisa diklasifikasikan berdasarkan jumlah waktu yang dibutuhkan untuk selesai dibandingkan dengan ukur-an inputnya. Ada berbagai varietas: beberapa algoritma selesai dalam waktu linear relatif terhadap ukuran input,beberapa selesai dalam jumlah waktu yang eksponensial atau lebih buruh, dan beberapa berhenti. Sebagai tambah-an, beberapa masalah bisa memiliki berbagai algoritma dengan kompleksitas yang berbeda, sementara permasalahanyang lain bisa saja tidak memiliki algoritma atau tidak diketahui algoritmanya yang efisien. Ada juga pemetaan daribeberapa algoritma terhadap permasalahan lain. Karena itu, lebih cocok untuk mengklasifikasikan permasalahan itusendiri bukannya algoritma menjadi kelas-kelas yang sama berdasarkan kompleksitas dari kemungkinan algoritmaterbaik baginya.Burgin (2005, p. 24) menggunakan definisi algoritma secara umum yang melonggarkan kebutuhan bersama yangkeluaran dari algoritma yang menjalankan sebuah fungsi harus ditentukan setelah sejumlah langkah. Dia mendefi-

48 BAB 12. ALGORITMA

nisikan kelas super-rekursif dari algoritma sebagai “sebuah kelas algoritma yang mana memungkinkan untuk meng-hitung fungsi yang tidak bisa dihitung oleh mesin Turing manapun” (Burgin 2005, p. 107). Hal ini berkaitan dekatdengan kajian dari metode hiperkomputasi.

12.9.4 Berdasarkan tipe evaluatif

Untuk menjaga keseimbangan saat mengintegrasikan mesin ke dalam masyarakat, seseorang bisa mengklasifikasikanalgoritma berdasarkan tipe dari evaluasi yang mereka lakukan. Sejumlah filsuf telah berhipotesis bahwa masyarakatdiuntungkan dari keragaman evaluatif seperti mereka diuntungkan keragaman jender dan tipe darah (misalnya, Dean2012, Sober &Wilson 1998) Hertzke &McConkey 1998, dan Bellah 1985). Teknologi dapat mengancam ekosistemmoral tersebut seperi spesies invasif jika ia mengganggu campuran keragaman. Wallach & Allen (2008) mengklasi-fikasikan algoritma pembuat-keputusan menjadi tiga tipe evaluatif: Algoritma bottom-up membuat penilaian tidakterprediksi bagi pemrogram (misalnya, perangkat lunak yang berevolusi). Yang lainnya (top-down) dibagi menjadideontologikal (yang dapat bergantung pada implementasi aturan pemrograman) lawan consequensialis (yang meng-andalkan pada memaksimalkan perkiraan pemrograman). Sebagai contohnya, sebuah kalkulator standar termasukdeontologikal, sementara mesin pembelajaran untuk perdagangan saham termasuk consequensialis.Santos-Lang mengganti nama deontologikal dan consequensialis menjadi kelas “institusional” dan “negosiator” de-ngan tujuan untuk menghindari implikasi bahwa semua teori-teori etika deontologikal dan consequensialis bisa di-implementasikan sebagai algoritma, dan membagi kelas bottom-up menjadi "pengganggu" (algoritma yang tidakterprediksi karena menggunakan generator pengacakan) lawan "relasional" (algoritma yang tidak terprediksi kare-na efek jaringan). Seorang mutator dalam komputasi evolusioner bisa menjadi contoh dari pengganggu, sementarakelas 3 atau 4 dari otomata sellular adalah contoh dari mesin relasional. Santos-Lang mencatat bahwa algoritmaterkadang memiliki subkomponen dari tipe lainnya. Sebagai contohnya, negosiator perdagangan saham bisa meng-implementasikan sebuah algoritma genetik, dan memiliki mutator pengganggu, dan mutator bisa memiliki subkom-ponen institusional dan relasional, semua komputasi adalah relasional pada tingkat di jajaran kimiawi (Santos-Lang2014).

12.10 Algoritma berkelanjutan

Kata sifat “berkelanjutan” bila diterapkan pada kata “algoritma” bisa berarti:

• Sebuah algoritma beroperasi pada data yang merepresentasikan kuantitas yang berkelanjutan, walaupun datatersebut direpresentasikan oleh pendekatan diskrit—seperti algoritma yang dipelajari dalam analisis numerik;atau

• Sebuah algoritma dalam bentuk dari persamaan diferensial yang beroperasi secara berkelanjutan terhadap data,berjalan dalam sebuah komputer analog.

[60]

12.11 Isu legalitas

Lihat pula: Paten perangkat lunak untuk pendahuluan umum dari paten pada perangkat lunak, termasukalgoritma untuk diimplementasikan pada komputer.

Algoritma biasanya tidak dipatenkan. Di Amerika Serikat, sebuah klaim yang terdiri hanya dari manipulasi sederhanadari konsep abstrak, angka, atau sinyal tidak berarti suatu “process” (SPTO 2006), dan oleh karena itu algoritma tidakbisa dipatenkan (sebagaimana dalam Gottschalk v. Benson). Namun, penerapan praktis dari algoritma terkadangdipatenkan. Sebagai contohnya, dalam Diamond v. Diehr, aplikasi dari algoritma umpan-balik sederhana untukmembantu dalam menyembuhkan karet sintetis dianggap dapat dipatenkan. Mematenkan perangkat lunak sangatkontroversial, dan ada paten yang mengikutkan algoritma yang sangat dikritisi, terutama algoritma kompresi data,seperti Format Grafiknya Unisys.Sebagai tambahan, beberapa algoritma kriptografi memiliki batasan ekspor (lihat ekspor dari kriptografi).

12.12. ETIMOLOGI 49

12.12 Etimologi

Kata “Algoritma”, atau "Algorisma" pada versi penulisan lain, datang dari nama al-Khwarizmi. dieja dalamArab klasiksebagai Al-Khwarithmi. Al-khwarizmi (bahasa Persia: ,خوارزمي 780-850) adalah matematikawan, ahli astronomi, ahligeografi dari Persia dan sarjana House of Wisdom di Baghdad, yang arti namanya “penduduk asli Khwarezm", sebuahkota yang merupakan bagian dari Wilayah Iran pada masanya dan sekarang Uzbekistan. [11] [12] Sekitar tahun 825,dia menulis risalah dalam bahasa Arab, yang diterjemahkan dalam Latin pada abad ke-12 dengan judul Algoritmi denumero Indorum. Judul ini artinya “Algoritmi pada bilangan India”, di mana “Algoritmi” adalah pelatinan penerjemahdari nama Al-Khwarizmi. [61] Al-Khwarizmi dulunya adalah matematikawan yang paling banyak dibaca di Eropapada akhir Abad Pertengahan, pada umum lewat bukunya yang lain, Aljabar. [62] Pada akhir abad pertengahan,algorismus, perubahan dari namanya, berarti “sistem bilangan desimal” yang masih merupakan arti dari kata Inggrismoderen algorism. Pada abad ke-17 Prancis kata tersebut berubah, tapi tidak maknanya, menjadi algorithme. Inggrismengadopsi Prancis setelahnya, tapi tidak pada akhir abad ke-19 lah “Algorithm” mengambil makna dari kata Inggrismasa sekarang. [63]

Etimologi alternatif mengklaim asal mulanya dari istilah algebra (aljabar) dari makna abad pertengahan “aritmati-ka Arab” dan arithmos istilah Yunani untuk angka (yang secara harfiah berarti “bilangan Arab” atau “perhitunganArab”). Karya algoritma Al-Kharizmi bukan berbentuk seperti pada masa modern sekarang tapi sebagai tipe da-ri pengulangan kalkulus (disini disebutkan bahwa karya fundamentalnya yang dikenal sebagai algebra pada awalnyaberjudul "Buku Ringkasan tentang Kalkulasi dengan Penyempurnaan dan Pengimbangan" menjelaskan tipe-tipe daripengulangan perhitungan dan persamaan kuadrat). Dalam makna tersebut, algoritima dikenal di Eropa jauh sebe-lum Al-Kharizmi. Algoritma paling tua yang dikenal sekarang adalah Algoritma Euklid (lihat juga Pengembanganalgoritma Euklid). Sebelum ditemukan istilah algorithm orang Yunani menyebutnya anthyphairesis secara harfi-ah berarti anti-substraksi atau substraksi timbal-balik (untuk bacaan lebih lanjut disini dan ini. Algoritma dikenaloleh orang Yunani berabad sebelum [64] Euclid. Bukannya kata algebra orang Yunani menggunakan istilah arith-metica(ἀριθμητική, yaitu dalam karya Diophantus yang dikenal "bapak dari Aljabar" - lihat juga artikel Wikipediapersamaan Diophantine dan Eudoxos).

12.13 Sejarah: Perkembangan dari kata “algoritma”

12.13.1 Asal mula

Kata algoritma datang dari namamatematikawan Persia abad ke-9AbuAbdullahMuhammad ibnuMusaAl-Khwarizmi,yang hasil kerjanya dibangun dari matematikawan India abad ke-7 Brahmagupta. Kata algorisma awalnya menga-cu hanya pada aturan-aturan dalam melakukan aritmetika menggunakan bilangan Hindu-Arab namun berkembanglewat penerjemahan Latin Eropa dari nama Al-Khwarizmi menjadi algoritma pada abad ke-18. Penggunaan katatersebut berkembang mengikutkan semua prosedur untuk menyelesaikan masalah atau melakukan unit kegiatan. [65]

12.13.2 Simbol diskrit dan yang dapat dibedakan

Penanda-penghitung: Untuk mencatat hewan gembalaan, kumpulan biji dan uang mereka orang dahulu menggu-nakan penghitung: akumulasi batu atau tanda yang ditoreh pada tongkat, atau membuat simbol diskrit di kerang.Sampai orang Babilonia dan Mesir menggunakan tanda dan simbol, pada akhirnya bilangan Roma dan abakus ber-kembang (Dilson, p. 16-41). Penanda penghitung muncul dalam sistem bilangan operan aritmetika digunakan dalammesin Turing dan komputasi mesin Post-Turing.

12.13.3 Manipulasi simbol sebagai “penampung” bilangan: aljabar

Karya dari Geometer Yunani kuno (algoritma Euklid), matematikawan India Brahmagupta, dan matematikawanPersia Al-Khwarizmi (yang darinya isitlah "algorism" dan “algoritma” diturunkan), dan matematikawan Eropa Baratmemuncak dalam notasi Leibniz dari rasiosinator kalkulus (sekitar 1680-an):

Abad yang baik dan setengah lebih maju dari masanya, Leibniz mengajukan logika aljabar, sebuahaljabar yang akan menentukan aturan-aturan untuk memanipulasi konsep logika dengan cara yang alja-bar biasa menentukan aturan untuk manipulasi angka.[66]

50 BAB 12. ALGORITMA

12.13.4 Rancangan mekanis dengan tingkat diskrit

Jam: Bolter memuji penemuan jam gaya-berat sebagai “Kunci penemuan dari Eropa pada Abad Pertengahan", khu-susnya pada ambang pelarian [67] yang menyediakan kita dengan tik dan tak dari jam mekanis. “Mesin otomatisyang akurat” [68] mengarah langsung pada "otomata mekanis” dimulai pada abad ke-13 dan terakhir pada “mesinkomputasi” -- motor berbeda dan motor analitik dari Charles Babbage dan bangsawan Ada Lovelace, pertengahanabad ke-19. [69] Lovelace dikreditkan sebagai yang pertama menciptakan algoritma yang ditujukan untuk diproses dikomputer—motor analitis Babbage, perangkat pertama yang dianggap komputer Turing-sempurna sebenarnya buk-an hanya sebuah kalkulator—dan terkadang dikenal “programmer pertama dalam sejarah”, walaupun implementasipenuh dari perangkat Babbage kedua tidak terealisasi sampai beberapa dekade setelah masanya.Mesin logika 1870 - Stanley Jevons “sempoa logika” dan “mesin logika” : Masalah teknisnya adalah untuk mereduksipersamaan boolean bila ditampilkan dalam sebuah bentuk yang pada masa sekarang dikenal sebagai pemetaan Kar-naugh. Jevons (1880) pertama menjelaskan “sempoa” sederhana dari “potongan kayu dilengkapi dengan penyemat,dibuat supaya bagian atau kelas kombinasi logika manapun dapat dipilih secara mekanis ... Baru-baru ini Saya telahmereduksi sistem menjadi bentuk yang secara sempurna mekanis, dan membuatnya mewujudkan keseluruhan prosesinferensi tak langsung dalam apa yang disebut sebuahMesin Logika" Mesinnya dilengkapi dengan “beberapa tangkaikayu yang bisa dipindahkan” dan “di bawah ada 21 kunci seperti pada piano [dll] ...”. Dengan mesin ini dia dapatmenganalis sebuah "silogisme atau argumen logika sederhana apapun”. [70]

Mesin tenun Jacquard, kartu berlobangnya Hollerith, telegraf dan telepon -- penyiaran elektromekanis: Bell dan Newe-ll (1971) mengindikasikan bahwa mesin tenun Jacquard (1801), pelopor dari kartu Hollerith (kartu berlobang, 1887),dan “teknologi alih telepon” adalah akar dari sebuah pohon yang mengarah pada perkembangan dari komputer perta-ma. [71] Pada pertengahan abad ke-19 telegraf, pelopor dari telepon, digunakan diseluruh dunia, pengkodean diskritdan pembedaan huruf sebagai “titik dan strip”. Pada akhir abad ke-19 pita telegraf (sekitar 1870-an) digunakan,sebagaimana juga kartu Hollerith pada sensus Amerika 1890. Kemudian muncullah teleprinter (sekitar 1910-an)dengan kerta-berlobang menggunakan kode Baudot di pita.Jaringan alih-telepon dari penyiaran elektromekanis (ditemukan 1835) adalah karya dair George Stibitz (1937), pe-nemu dari perangkat penghitungan digital. Saat bekerja di laboratorium Bell, dia mengamati “beratnya” penggunaankalkulator mekanis dengan geligi. “Dia pulang ke rumah pada suatu malam 1937 berniat untuk menguji idenya ...Saat mengatik selesai, Stibitz telah membangun perangkat hitung digital”. [72]

Davis (2000) mengamati pentingnya penyiaran elektromekanis (dengan “keadaan binari"-nya buka dan tutup):

Hanya dengan perkembangan, dimulai sejak 1930-an, dari kalkulator elektromekanis menggunakanpenggantian elektris, sehingga mesin yang dibuat memiliki ruang lingkup yang dibayangkan Babbage.”[73]

12.13.5 Matematika selama abad 19 sampai pertengahan abad 20

Simbol dan aturan: Dengan cepat berkembangnya matematika dari George Boole (1847, 1854), Gottlob Frege(1897), dan Giuseppe Peano (1888-1889) mereduksi aritmetika menjadi serangkaian simbol dimanipulasi olehaturan-aturan. The Principles of arithmetic, presented by a new method-nya Peano (1888) adalah “usaha pertamamengaksiomakan matematika dalam sebuah bahasa simbolik”. [74]

Tapi Heijenoort memberi pujian pada Frege (1879): Frege “merupakan karya tulis paling penting mengenai logika.... yang mana kita lihat sebuah "'bahasa formula', yaitu sebuah lingua characterica, sebuah bahasa ditulis dengansimbol-simbol khusus, “untuk berpikir murni”, yaiut, bebas dari hiasan retorikal ... dibangun dari simbol-simboltertentu yang dimanipulasi menurut aturan-aturan terbatas”. [75] Karya dari Frege lebih lanjut disederhanakan dandiperkuat oleh Alfred North Whitehead dan Bertrand Russell dalam Principia Mathematical (1910-1913).Paradoks: Pada masa yang sama sejumlah paradoks yang mengganggu muncul dalam literatur, pada khususnyaparadoks Burali-Forti (1987), paradoks Russell (1902-03), dan Paradoks Richard. [76] Hasilnya mengarah ke ma-kalah Kurt Godel (1931) -- dia secara khusus merujuk paradoks pembohong—yang mereduksi aturan dari rekursipada angka.Penghitungan Efektif: Dalam usaha untuk menyelesaikan permasalahan keputusan yang didefinisikan oleh Hilbert ta-hun 1928, matematikawan pertama mendefinisikan apa arti dari “metoda efektif” atau “kalkulasi efektif” (misalnya,sebuah kalkulasi yang akan sukses). Dalam waktu yang cepat hal berikut muncul: kalkulus-λ oleh Alonzo Church,Stephen Kleene, dan J.B. Rosser [77] definisi dari “rekursi umum” yang benar-benar diasah dari karya Godel ber-dasarkan saran dari Jacquard Herbrand (cf. kuliah Godel di Princeton tahun 1934) dan penyederhaan selanjutnya

12.13. SEJARAH: PERKEMBANGAN DARI KATA “ALGORITMA” 51

oleh Kleene. [78] Church membuktikan [79] bahwa permasalahan keputusan tidak terpecahkan, definisi Emil Posttentang penghitungan efektif yaitu sebagai pekerja yang tanpa berpikir mengikuti suatu daftar instruksi untuk berge-rak ke kiri atau kanan lewat sederetan ruangan dan bersamaan dengan itu bisa menandai atau menghapus kertas ataumengamati kertas dan membuat pilihan ya-tidak tentang instruksi selanjutnya. [80] Pembuktian Alan Turing bahwapermasalahan keputusan tidak terpecahkan dengan menggunakan “sebuah mesin [otomatis]"-nya [81] dengan efekyang mirip dengan “formulasi"-nya Post, definisi J. Barkley Rosser tentang “metoda efektif” dalam makna “sebuahmesin”. [82] Proposal S. C. Kleene dari pelopor "Tesis Church" yang disebutnya “Thesis I”, [83] dan beberapa tahunkemudian Kleene menamakan tesisnya “Tesis Church” [84] dan mengajukan “Tesis Turing”. [85]

12.13.6 Emil Post (1936) dan Alan Turing (1936-37, 1939)

Berikut adalah kebetulan yang luar biasa dari dua orang yang tidak saling mengenal tapi mendeskripsikan sebuahproses orang-sebagai-komputer mengerjakan perhitungan—dan mereka menghasilkan definisi yang mirip.Emil Post (1936) mendeskripsikan aksi dari sebuah “komputer” (manusia) sebagai berikut:

"... dua konsep ikut serta: yaitu sebuah simbol ruang dimana pekerjaan yang mengarah dari masalah kejawaban dilakukan, dan sekumpulan arahan yang baku dan tidak bisa diubah.

Simbol ruangnya yaitu

“sederetan dua arah tak terbatas dari ruang atau kotak... penyelesai masalah atau pekerja harus berjalandan bekerja di simbol ruang ini, dengan bisanya [si pekerja] masuk, dan beroperasi dengan satu kotakdalam satu waktu... sebuah kotakmemiliki dua kemungkinan kondisi, yaitu, kosong atau belum ditandai,dan dengan adanya tanda tunggal disana, katakanlah garis vertikal.

“Satu kotak dibiarkan dan disebut sebagai titik awal. ...sebuah masalah tertentu diberikan dalam bentuksimbolik dengan sejumlah kotak terbatas [yaitu, INPUT] ditandai dengan coretan. Begitu juga jawa-bannya [yaitu, OUTPUT] diberikan dalam bentuk simbolik dari suatu konfigurasi dari kotak-kotak yangditandai....

“Sekumpulan arahan bisa digunakan untuk permasalahan umum menentukan proses determistik saatditerapkan pada setiap masalah tertentu. Proses ini hanya berhenti bila datang arahan dengan tipe (C )[yaitu, STOP]".[86] Lihat lebih lanjut pada mesin post-Turing Karya Alan Turing [87] mendahului karyadari Stibitz (1937); tidak diketahui apakah Stibitz mengetahui karya Turing. Biografinya Turing perca-ya bahwa Turing menggunakan model seperti-mesin-ketik diturunkan dari ketertarikannya pada masamuda: “Alan memiliki impian menemukan mesin ketik pada saat muda; Ibu Turing memiliki sebuahmesin ketik; dan dia mungkin memulainya dengan menanyakan pada dirinya sendiri apa maksudnya de-ngan menyebut sebuah mesin ketik dengan 'mekanikal'".[88] Dengan lazimnya kode Morse dan telegraf,mesin pita telegraf, dan mesin-ketik jarak jauh pada waktu itu kita bisa menyimpulkan bahwa semuaitu memberikan pengaruh.

Turing—model dari komputasinya sekarang dikenal dengan mesin Turing—memulai, sebagaimana Post, dengananalisis dari komputer manusia yang ia sederhanakan menjadi sekumpulan gerakan dasar sederhana dan “keadaanpikiran”. Tapi dia terus maju selangkah ke depan dan membuat sebuah mesin sebagai model dari komputasi angka.[89]

“Menghitung biasanya dilakukan dengan menulis simbol tertentu di atas kertas. Misalkan kertas terse-but dibagi menjadi segi empat seperti buku aritmatika anak-anak.... Saya asumsikan bahwa komputasidilakukan pada kertas satu dimensi, yaitu, di pita yang dibagi dalam persegi. Juga misalkan bahwajumlah simbol yang akan dicetak terbatas....

“Perilaku dari komputer disetiap waktu ditentukan oleh simbol yang diobservasinya, dan “keadaanpikiran"-nya pada waktu tersebut. Juga bisa diasumsikan bahwa ada batas B sebagai jumlah simbolatau persegi yang mana komputer dapat amati dalam satu waktu. Jika ia ingin mengamati lebih, ia ha-rus menggunakan pengamatan beriringan. Kita juga memisalkan bahwa jumlah keadaan pikiran yangdiperlukan disini adalah terbatas...

52 BAB 12. ALGORITMA

“Mari kita bayangkan bahwa operasi yang dilakukan oleh komputer akan dipecah menjadi 'operasi-operasi sederhana' yang sangat mendasar sehingga tidak mudah membayangkannya untuk dibagi lebihjauh.” [90]

Reduksi Turing menghasilkan hal berikut:

“Operasi sederhana haruslah mengikutkan:

"(a) Perubahan dari simbol pada salah satu persegi yang sedang diamati"(b) Perubahan dari salah satu persegi diamati terhadap persegi lainnya di antara L persegidari salah satu yang sebelumnya diamati.

“Bisa saja beberapa dari perubahan tersebut menyebabkan perubahan keadaan pikiran. Operasi tunggal paling umumoleh karena itu harus diambil jadi salah satu hal berikut:

"(A) Suatu kemungkinan perubahan (a) dari simbol bersamaan dengan suatu perubahan darikeadaan pikiran."(B) Suatu kemungknian perubahan (b) dari persegi yang diamati, bersama dengan kemung-kinan perubahan dari keadaan pikiran”

“Kita sekarangmungkin sudah bisamembentuk sebuahmesin untukmelakukan pekerjaan dari komputertersebut.” [90]

Beberapa tahun kemudian, Turing mengembangkan analisanya (tesis, secara definisi) dengan ekspresi kuat berikut:

“Sebuah fungsi dikatakan “bisa dihitung secara efektif” jika nilainya bisa ditemukan dengan proses yangmurni mekanis.

Walau sangat mudah menangkap ide ini, namun ia membutuhkan beberapa definisi matematikan terbatas yang bisadiekspresikan . . . [dia mendiskusikan sejarah dari definisi seperti di atas dengan menghormati Godel, Herbrand,Kleen, Church, Turing dan Post] ... Kita mungkin gunakan pernyataan tersebut secara harfiah, memahami murnidengan proses mekanis yang mana dapat dilakukan oleh sebuah mesin. Memungkinkan untuk memberikan deskri-psi matematis, dalam beberapa bentuk normal, dari struktur mesin tersebut. Perkembangan dari ide ini mengarahpada definisi penulis dari sebuah fungsi yang dapat dihitung, dan untuk mengidentifikasi komputibilitas † denganpenghitungan yang efektif . . . .

"† Kita boleh menggunakan ekspresi “fungsi hitung” untuk mengartikan sebuah fungsi yangdapat dihitung oleh sebuah mesin, dan kita biarkan “secara efektif dapat dihitung” mengacupada ide intuitif tanpa definisi tertentu dengan salah satu dari definisi tersebut”.[91]

12.13.7 J. B. Rosser (1939) dan S. C. Kleene (1943)

J. Barkley Rosser mendefinisikan 'metoda [matematis] efektif' dengan cara berikut (kemiringan ditambahkan):

"'Metoda efektif' disebut sebagai metode yang spesial yang mana setiap langkahnya secara tepat di-tentukan dan pasti menghasilkan jawaban dalam sejumlah langkah yang terbatas. Dengan pengertiankhusus ini, tiga definisi berbeda telah diajukan sampai sekarang. [catatan kakinya #5; lihat diskusinyadi bawah]. Yang paling sederhana (karena Post dan Turing) menyatakan intinya bahwa sebuah metodaefektif menyelesaikan sekumpulan permasalahan hanya ada jika seseorang bisa membuat sebuah mesinyang akan menyelesaikan setiap masalah dari sekumpulan masalah tanpa campur tangan manusia ke-cuali memasukan pertanyaan dan (nantinya) membaca jawabannya. Ketiga definisi tersebut sama, jaditidak masalah yang mana yang digunakan. Lebih lanjut, fakta bahwa ketiganya sama adalah argumenyang sangat kuat untuk kebenaran dari salah satunya.” (Rosser 1939:225-6)

12.14. LIHAT JUGA 53

Catatan kaki Rosser #5 merujuk karya dari (1) Church dan Kleene dan definisi dari definabiliti-λ, secara khususChurchmenggunakannya dalamAnUnsolvable Problem of Elementary Number Theory-nya (1936); (2) Herbrand danGodel dan penggunaan rekursi mereka terutama Godel menggunakannya dalam makalah terkenalnya On FormallyUndecidable Propositions of Principia Mathematica and Related Systems I (1931); dan (3) Post (1936) dan Turing(1936-7) dalam model mekanisme komputasi mereka.Stephen C. Kleene didefinisikan sebagai “Thesis I"-nya yang terkenal yang dikenal sebagai tesis Church-Turing. Tapidia melakukan hal tersebut dalam konteks berikut (penebalan dari aslinya):

“12. Teori-teori algoritma... Dalam menyiapkan sebuah teori algoritma yang komplit, apa yang kitalakukan adalahmendeskripsikan sebuah prosedur, yang dapat dilakukan untuk setiap kumpulan nilai darivariabel-variabel tunggal, yang mana prosedur berhenti dan dengan cara tersebut dari hasilnya kita bisamembaca sebuah jawaban tertentu, “ya” atau tidak”, untuk pertanyaan “apakah nilai predikat benar?""(Kleene 1943:273)

12.13.8 Sejarah setelah 1950

Sejumlah usaha telah diarahkan untuk memperbaiki lebih lanjut definisi dari “algoritma”, dan aktivitas tersebut masihterus berjalan karena isu-isu yang mengelilinginya, terutama, fondasi matematika (khususnya tesis Church-Turing)dan filsafat pikiran (khususnya argumen menyangkut kecerdasan buatan). Lebih lanjut, lihat karakterisasi algoritma.

12.14 Lihat juga• Mesin abstrak

• Rekayasa algoritma

• Komposisi algoritmik

• Sintesis algoritmik

• Algoritma trading

• Sampah masuk, sampah keluar

• Pendahuluan untuk Algoritma

• Daftar topik algoritma umum

• Daftar publikasi penting dalam ilmu komputer teoritis - Algoritma

• Numerical Mathematics Consortium

• Teori komputasi

• Teori komputabilitas• Teori kompleksitas Komputasi

12.15 Referensi[1] “Setiap algoritma klasik, misalnya, bisa dijelaskan dengan sejumlah kata bahasa Inggris yang terbatas” (Rogers 1987:2).

[2] Telah didefinisikan terhadap agen yang menjalankan algoritma tersebut: “Ada agen komputasi, biasanya manusia, yang bisaberaksi terhadap instruksi dan melakukan komputasi” (Rogers 1987:2).

[3] “Sebuah algoritma adalah sebuah prosedur untuk menghitung sebuah fungsi (terhadap beberapa notasi terpilih integer) ...batasan ini (terhadap fungsi bilangan) tanpa kehilangan generalisasi”, (Rogers 1987:1).

[4] Sebuah algoritma memiliki input nol atau lebih, yaitu, kuantitas yang diberikan padanya sejak awal sebelum algoritmadijalankan” (Knuth 1973:5).

54 BAB 12. ALGORITMA

[5] “Sebuah prosedur yang memiliki semua karakteristik dari sebuah algoritma kecuali prosedur yang tidak memiliki keter-batasan bisa disebut sebagai sebuah 'metode komputasi'" (Knuth 1973:5).

[6] “Sebuah algoritma memiliki satu atau lebih keluaran, yaitu kuantitas yang memiliki relasi tertentu terhadap masukan”(Knuth 1973:5).

[7] Apakah sebuah proses dengan proses-proses bagian dalam yang acak (tidak termasuk masukan) adalah sebuah algoritmaatau bukan masih diperdebatkan. Rogers beropini bahwa: “sebuah komputasi dilakukan dengan sebuah gaya diskrit ber-tahap, tanpa menggunakan metode-metode berkelanjutan atau perangkat analog ... dijalakan terus secara deterministik,tanpa menggunakan metode-metode atau perangkat acak, misalnya, dadu” Rogers 1987:2

[8] Kleene 1943 dalam Davis 1965:274

[9] Rosser 1939 dalam Davis 1965:225

[10] Moschovakis, Yiannis N. (2001). “What is an algorithm?". Di Engquist, B.; Schmid, W. Mathematics Unlimited — 2001and beyond. Springer. pp. 919–936 (Part II). ISBN 9783540669135.

[11] Hogendijk, Jan P. (1998). “al-Khwarzimi”. Pythagoras 38 (2): 4–5. ISSN 0033-4766.

[12] Oaks, Jeffrey A. “Was al-Khwarizmi an applied algebraist?". University of Indianapolis. Diakses tanggal 2008-05-30.

[13] Stone 1973:4

[14] Stone secara sederhana membutuhkan “harus berhenti dalam sejumlah langkah” (Stone 1973:7-8).

[15] Boolos and Jeffrey 1974, 1999:19

[16] cf Stone 1972:5

[17] Knuth 1973:7 menyatakan: “Pada praktiknya kita tidak hanya menginginkan algoritma, kita menginginkan algoritam yangbaik ... salah satu kriteria dari kebaikannya adalah lama waktu yang digunakan untuk menjalankan algoritma ... kriterialainnya adalah kemampuan adaptasi dari algoritma ke komputer, kesederhanaan dan elegan, dll.”

[18] cf Stone 1973:6

[19] Stone 1973:7-8 menyatakan bahwa harus ada, "... sebuah prosedur yang robot [yaitu komputer] bisa ikuti supaya da-pat menentukan secara tepat bagaimana mengikuti instruksi tersebut.” Stone menambahkan keterbatasan dari proses, dankepastian (tidak memiliki kerancuan pada instruksi) pada definisi tersebut.

[20] Knuth, loc. cit

[21] Minsky 1967:105

[22] Gurevich 2000:1, 3

[23] Sipser 2006:157

[24] Knuth 1973:7

[25] Chaitin 2005:32

[26] Rogers 1987:1-2

[27] Dalam esainya “Calculations by Man and Machine: Conceptual Analysis” Seig 2002:390 memuji perbedaan ini oleh RobinGandy, cf Wilfred Seig, dll., 2002 Reflections on the foundations of mathematics: Essays in honor of Solomon Feferman,Association for Symbolic Logic, A. K Peters Ltd, Natick, MA.

[28] cf gandy 1980:126, robin gandy church’s thesis and principles for mechanisms appearing on pp. 123–148 in j. barwise etal. 1980 the kleene symposium, north-holland publishing company.

[29] Sebuah “robot": “Sebuah komputer adalah sebuah robot yang melakukan setiap tugas yang dapat dijelaskan sebagai urutandari instruksi.” cf Stone 1972:3

[30] “abacus"-nya Lambek adalah “sejumlah lokasi tak terbatas yang bisa dihitung (lubang, kabel, dll.) berikut dengan perse-diaan penghitung yang tak terbatas (kerikil, remah roti, dll). Lokasinya bisa dibedakan, penghitungnya tidak”. Lubangnyamemiliki kapasitas tak terbatas, dan digerakan oleh agen yang memahami dan mampu menjalankan sejumlah instruksi”(Lambek 1961:295). Lambek mengacu Melzak yang mendefinisikan mesin-Q nya sebagai “sejumlah lokasi yang besartanpa batas ... persediaan penghitung yang tanpa batas yang terdistribusi di antara lokasi-lokasi tersebut, sebuah program,dan sebuah operator yang tujuan satu-satunya yaitu menjalankan program.” (Melzak 1961:283). B-B-J (loc. cit.) menam-bahkan syarat bahwa lubang tersebut “mampu menyimpan sejumlah batu” (p. 46). Melzak dan Lambek muncul di TheCanadian Mathematical Bulletin, vol. 4, no. 3, September 1961.

12.15. REFERENSI 55

[31] Jika tidak ada kebingungan yang dihasilkan, kata “penghitung” bisa dihiraukan, dan sebuah lokasi bisa dikatakan meng-andung sebuah “angka”.

[32] “Kita mengatakan bahwa instruksi adalah efektif bila ada sebuah prosedur yang robot dapat ikuti supaya dapat menentukansecara tepat bagaimana mematuhi instruksi.” (Stone 1972:6)

[33] cf Minsky 1967: Chapter 11 “Computer models” and Chapter 14 “Very Simple Bases for Computability” pp. 255–281 inparticular

[34] cf Knuth 1973:3.

[35] Tapi selalu diikuti oleh IF-THEN untuk menghindari pengurangan yang tidak sesuai.

[36] Namun, beberapa instruksi penetapan berbeda (misalnya, DECREMENT, INCREMENT, dan ZERO/CLEAR/EMPTYuntuk mesin Minsky) juga dibutuhkan untuk kekomplitan-Turing; spesifikasi lengkapnya tergantung kepada perancang.GOTO tak bersyarat cukup mudah; ia dapat dibentuk dengan menginisialisasi suatu lokasi tertentu dengan nol, misalnya,instruksi “Z ← 0"; oleh karena itu instruksi IF Z=0 THEN GOTO xxx adalah tak bersyarat.

[37] Knuth 1973:4

[38] Strone 1972:5. Metode untuk mendapatkan akar tidaklah biasa: lihat Metoda untuk menghitung akar kuadrat.

[39] Leeuwen, Jan (1990). Handbook of Theoretical Computer Science: Algorithms and complexity. Volume A. Elsevier. p. 85.ISBN 978-0-444-88071-0.

[40] John G. Kemeny and Thomas E. Kurtz 1985 Back to Basic: The History, Corruption, and Future of the Language, Addison-Wesley Publishing Company, Inc. Reading, MA, ISBN 0-201-13433-0.

[41] Tausworthe 1977:101

[42] Tausworthe 1977:142

[43] Knuth 1973 bagian 1.2.1, dikembangkan oleh Tausworthe 1977 di halaman 100ff dan Bab 9.1

[44] cf Tausworthe 1977

[45] Heath 1908:300; Hawking’s Dover 2005 edisi diambil dari Heath.

[46] "'Biarkan CD, mengukur BF, meninggalkan FA kurang darinya.' Hal ini merupakan singkatan cerdik untuk mengatakan,ukur pada BA panjang yang sama dengan CD sampai titik F sehingga sisa panjang FA kurang dari CD; dengan kata lain,misalkan BF adalah yang kelipatan terbesar dari CD yang terdapat dalam BA” (Heath 1908:297)

[47] Untuk percobaan moden menggunakan pembagian dalam algoritma lihat Hardy dan Wright 1979:180, Knuth 1973:2 (Vo-lume 1), ditambah diskusi tentang algoritma Euclid dalam Knuth 1969:293-297 (Volume 2).

[48] Euclid mengungkapkan pertanyaan ini dalam Proposisi 1 nya.

[49] “Euclid’s Elements, Book VII, Proposition 2”. Aleph0.clarku.edu. Diakses tanggal May 20, 2012.

[50] Knuth 1973:13-18. Dia memuji “formulasi pembuktian-algoritma dalam makan asersi dan induksi” kepada R. W. Floyd,Peter Naur, C. A. R. Hoare, H. H. Goldstine dan J. von Neumann. Tausworth 1977 meminjam contoh Euclid Knuth danmengembangkan metoda Knuth di bab 9.1 dari Formal Proofs (pages 288–298).

[51] Tausworthe 1997:294

[52] cf Knuth 1973:7 (Vol. I), and his more-detailed analyses on pp. 1969:294-313 (Vol II).

[53] Kesalahan terjadi saat sebuah algoritmamencobamemadatkan dirinya sendiri. Keberhasilan akanmemecahkan permasalahanperhentian.

[54] Gillian Conahan (January 2013). “Better Math Makes Faster Data Networks”. discovermagazine.com.

[55] HaithamHassanieh, Piotr Indyk, Dina Katabi, and Eric Price , "ACM-SIAM SymposiumOnDiscrete Algorithms (SODA), Kyoto, January 2012. Lihat juga sFFT Web Page.

[56] Kowalski 1979

[57] Carroll, Sue; Daughtrey, Taz (July 4, 2007). Fundamental Concepts for the Software Quality Engineer. American Societyfor Quality. pp. 282 et seq. ISBN 978-0-87389-720-4.

56 BAB 12. ALGORITMA

[58] Misalnya, volume dari suatu politop kompleks (dijelaskan menggunakan sebuah keanggotaan oracle) dapat diperkirakansampai keakuratan yang tinggi dengan mengacak algoritma waktu polinomial, bukan dengan deterministik; lihat Dyer,Martin; Frieze, Alan; Kannan, Ravi (January 1991), “A Random Polynomial-time Algorithm for Approximating the Vo-lume of Convex Bodies”, J. ACM (New York, NY, USA: ACM) 38 (1): 1–17, doi:10.1145/102782.102783.

[59] George B. Dantzig and Mukund N. Thapa. 2003. Linear Programming 2: Theory and Extensions. Springer-Verlag.

[60] Tsypkin (1971). Adaptation and learning in automatic systems. Academic Press. p. 54. ISBN 978-0-08-095582-7.

[61] Brezina, Corona (2006). Al-Khwarizmi: The Inventor Of Algebra. The Rosen Publishing Group. ISBN 978-1-4042-0513-0.

[62] Foremost mathematical texts in history, according to Carl B. Boyer.

[63] Etymology of algorithm at Dictionary.Reference.com

[64] Becker O (1933). “Eudoxus-Studien I. Eine voreuklidische Proportionslehre und ihre Spuren bei Aristoteles und Euklid”.Quellen und Studien zur Geschichte der Mathematik B 2: 311–333.

[65] “History of Algorithms and Algorithmics”. Scriptol.com. Diakses tanggal November 7, 2012.

[66] Davis 2000:18

[67] Bolter 1984:24

[68] Bolder 1984:26

[69] Bolter 1984:33–34, 204–206.

[70] All quotes fromW. Stanley Jevons 1880 Elementary Lessons in Logic: Deductive and Inductive, Macmillan and Co., Londonand New York. Republished as a googlebook; cf Jevons 1880:199–201. Louis Couturat 1914 the Algebra of Logic, TheOpen Court Publishing Company, Chicago and London. Republished as a googlebook; cf Couturat 1914:75–76 gives afew more details; interestingly he compares this to a typewriter as well as a piano. Jevons states that the account is to befound at Jan . 20, 1870 The Proceedings of the Royal Society.

[71] Bell and Newell diagram 1971:39, cf. Davis 2000

[72] • Melina Hill, Valley News Correspondent, A Tinkerer Gets a Place in History, Valley News West Lebanon NH, Thur-sday March 31, 1983, page 13.

[73] Davis 2000:14

[74] van Heijenoort 1967:81ff

[75] van Heijenoort’s commentary on Frege’s Begriffsschrift, a formula language, modeled upon that of arithmetic, for purethought in van Heijenoort 1967:1

[76] Dixon 1906, cf. Kleene 1952:36–40

[77] cf. footnote in Alonzo Church 1936a in Davis 1965:90 and 1936b in Davis 1965:110

[78] Kleene 1935–6 in Davis 1965:237ff, Kleene 1943 in Davis 1965:255ff

[79] Church 1936 in Davis 1965:88ff

[80] cf. “Formulation I”, Post 1936 in Davis 1965:289–290

[81] Turing 1936–7 in Davis 1965:116ff

[82] Rosser 1939 in Davis 1965:226

[83] Kleene 1943 in Davis 1965:273–274

[84] Kleene 1952:300, 317

[85] Kleene 1952:376

[86] Turing 1936–7 in Davis 1965:289–290

[87] Turing 1936 in Davis 1965, Turing 1939 in Davis 1965:160

[88] Hodges, p. 96

[89] Turing 1936–7:116

[90] Turing 1936–7 in Davis 1965:136

[91] Turing 1939 in Davis 1965:160

12.16. BACAAN LANJUTAN 57

12.16 Bacaan lanjutan• Axt, P. (1959) On a Subrecursive Hierarchy and Primitive Recursive Degrees, Transactions of the American

Mathematical Society 92, pp. 85–105

• Bell, C. Gordon and Newell, Allen (1971), Computer Structures: Readings and Examples, McGraw-Hill BookCompany, New York. ISBN 0-07-004357-4.

• Bellah, Robert Neelly (1985). Habits of the Heart: Individualism and Commitment in American Life. Berkeley:University of California Press. ISBN 978-0-520-25419-0.

• Blass, Andreas; Gurevich, Yuri (2003). “Algorithms: A Quest for Absolute Definitions” (PDF). Bulletin ofEuropean Association for Theoretical Computer Science 81. Includes an excellent bibliography of 56 references.

• Boolos, George; Jeffrey, Richard (1974, 1999). Computability and Logic (4th ed.). Cambridge UniversityPress, London. ISBN 0-521-20402-X.: cf. Chapter 3 Turing machineswhere they discuss “certain enumerablesets not effectively (mechanically) enumerable”.

• Burgin, Mark (2004). Super-Recursive Algorithms. Springer. ISBN 978-0-387-95569-8.

• Campagnolo, M.L., Moore, C., and Costa, J.F. (2000) An analog characterization of the subrecursive functions.In Proc. of the 4th Conference on Real Numbers and Computers, Odense University, pp. 91–109

• Church, Alonzo (1936a). “An Unsolvable Problem of Elementary Number Theory”. The American Journalof Mathematics 58 (2): 345–363. doi:10.2307/2371045. JSTOR 2371045. Reprinted in The Undecidable, p.89ff. The first expression of “Church’s Thesis”. See in particular page 100 (The Undecidable) where he definesthe notion of “effective calculability” in terms of “an algorithm”, and he uses the word “terminates”, etc.

12.17 Pranala luar• (Indonesia) Pengertian Algoritma

• (Inggris) Hazewinkel, Michiel, ed. (2001), “Algorithm”, Encyclopedia of Mathematics, Springer, ISBN 978-1-55608-010-4

• (Inggris) Algorithms di Proyek Direktori Terbuka

• (Inggris) Eric W. Weisstein, Algorithm di MathWorld.

• (Inggris) Dictionary of Algorithms and Data Structures—National Institute of Standards and Technology

• (Inggris) Algorithms and Data Structures by Dr Nikolai Bezroukov

58 BAB 12. ALGORITMA

Diagram alur dari sebuah algoritma (Algoritma Euclid) untuk menghitung faktor persekutuan terbesar (f.p.k.) dari dua angka adan b dalam lokasi bernama A dan B. Algoritma dijalankan dengan pengurangan berturut-turut dalam dua pengulangan: JIKApengujian B >= A menghasilkan “ya” (atau benar) (lebih akuratnya angka b dalam lokasi B lebih besar atau sama dengan angka adalam lokasi A) MAKA, algoritma menentukan B← B - A (artinya angka b - amenggantikan b sebelumnya). Hal yang sama, JIKAA > B, MAKA A ← A - B. Proses tersebut berhenti saat (isi dari) B adalah 0, menghasilkan f.p.k. dalam A. (Algoritma tersebutdiambil dari Scott 2009:13; simbol dan gaya penggambaran dari Tausworthe 1977).

12.17. PRANALA LUAR 59

Contoh diagram alur dari struktur Bohm-Jacopini: URUTAN (segi empat), WHILE-DOdan IF-THEN-ELSE. Ketiga struktur dibentukdari kondisi primitif GOTO ( IF test=true THEN GOTO step xxx ) (wajik), GOTO tak bersyarat (segi empat), berbagai operatorpenetapan (segi empat), dan HALT (bujursangkar). Memasukan struktur tersebut ke dalam blok-penetapan menghasilkan diagramyang kompleks (cf Tausworthe 1977:100,114).

60 BAB 12. ALGORITMA

Animasi dari algoritma quicksort mengurutkan larik dari nilai acak. Batang merah menandakan elemen pivot; pada awal animasi,elemen paling kanan dipilih sebagai pivot.

12.17. PRANALA LUAR 61

Contoh diagram dari algoritma Euclid dari T.L. Health 1908 dengan rincian tambahan. Euclid tidak sampai pada penghitunganketiga dan tidak memberikan contoh numeris. Nocomachus memberikan contoh dari 49 dan 21: “Saya mengurangi yang kecil dariyang besar; 28 adalah yang kiri; kemudian saya kurangi lagi 21 (hal ini memungkinkan); tersisa 7, tapi 7 tidak bisa dikurangidari 7.” Heath berkomentar bahwa, “Kalimat terakhir terdengar aneh, tapi maknanya sangat jelas, begitu juga makna dari kalimattentang mengakhiri 'dengan satu dan angka yang sama'."(Heath 1908:300).

62 BAB 12. ALGORITMA

Ekspresi grafik dari algoritma Euclid menggunakan contoh dengan 1599 dan 650.1599 = 650*2 + 299 650 = 299*2 + 52 299 = 52*5 + 39 52 = 39*1 + 13 39 = 13*3 + 0

12.17. PRANALA LUAR 63

“Inelegan” adalah terjemahan dari versi Knuth terhadap algoritma berdasarkan pengulangan-sisa mengganti pembagian (atau in-struksi “modulus”). Diambil dari Knuth 1973:2-4. Bergantung pada kedua angka “Inelegan” bisa menghitung f.p.k dengan sedikitlangkah daripada “elegan”.

64 BAB 12. ALGORITMA

Patung Alan Turing di Taman Bletchley.

Bab 13

Struktur data

Dalam istilah ilmu komputer, sebuah struktur data adalah cara penyimpanan, penyusunan dan pengaturan data didalam media penyimpanan komputer sehingga data tersebut dapat digunakan secara efisien.Dalam teknik pemrograman, struktur data berarti tata letak data yang berisi kolom-kolom data, baik itu kolom yangtampak oleh pengguna (user) ataupun kolom yang hanya digunakan untuk keperluan pemrograman yang tidak tam-pak oleh pengguna. Setiap baris dari kumpulan kolom-kolom tersebut dinamakan catatan (record). Lebar kolomuntuk data dapat berubah dan bervariasi. Ada kolom yang lebarnya berubah secara dinamis sesuai masukan daripengguna, dan juga ada kolom yang lebarnya tetap. Dengan sifatnya ini, sebuah struktur data dapat diterapkan untukpengolahan database (misalnya untuk keperluan data keuangan) atau untuk pengolah kata (word processor) yang ko-lomnya berubah secara dinamis. Contoh struktur data dapat dilihat pada berkas-berkas lembar-sebar (spreadsheet),pangkal-data (database), pengolahan kata, citra yang dipampat (dikompres), juga pemampatan berkas dengan tekniktertentu yang memanfaatkan struktur data.

13.1 Daftar struktur data umum1. Larik

2. Senarai

3. Tumpukan

4. Antrean

5. Pohon

65

Bab 14

Basis data

Pangkalan data[1] atau basis data (bahasa Inggris: database), atau sering pula dieja basisdata, adalah kumpulaninformasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu programkomputer untuk memperoleh informasi dari basis data tersebut. Perangkat lunak yang digunakan untuk mengeloladan memanggil kueri (query) basis data disebut sistemmanajemen basis data (database management system, DBMS).Sistem basis data dipelajari dalam ilmu informasi.Istilah “basis data” berawal dari ilmu komputer. Meskipun kemudian artinya semakin luas, memasukkan hal-hal diluar bidang elektronika, artikel ini mengenai basis data komputer. Catatan yang mirip dengan basis data sebenarnyasudah ada sebelum revolusi industri yaitu dalam bentuk buku besar, kuitansi dan kumpulan data yang berhubungandengan bisnis.Konsep dasar dari basis data adalah kumpulan dari catatan-catatan, atau potongan dari pengetahuan. Sebuah basisdata memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di dalamnya: penjelasan ini disebut skema.Skemamenggambarkan objek yang diwakili suatu basis data, dan hubungan di antara objek tersebut. Ada banyak carauntuk mengorganisasi skema, atau memodelkan struktur basis data: ini dikenal sebagai model basis data atau modeldata. Model yang umum digunakan sekarang adalah model relasional, yang menurut istilah layman mewakili semuainformasi dalam bentuk tabel-tabel yang saling berhubungan di mana setiap tabel terdiri dari baris dan kolom (definisiyang sebenarnya menggunakan terminologi matematika). Dalam model ini, hubungan antar tabel diwakili dengamenggunakan nilai yang sama antar tabel. Model yang lain seperti model hierarkis dan model jaringan menggunakancara yang lebih eksplisit untuk mewakili hubungan antar tabel.Istilah basis data mengacu pada koleksi dari data-data yang saling berhubungan, dan perangkat lunaknya seharusnyamengacu sebagai sistem manajemen basis data (database management system/DBMS). Jika konteksnya sudah jelas,banyak administrator dan programer menggunakan istilah basis data untuk kedua arti tersebut.Jadi secara konsep basis data atau database adalah kumpulan dari data-data yang membentuk suatu berkas (file)yang saling berhubungan (relation) dengan tatcara yang tertentu untuk membentuk data baru atau informasi. Ataubasis data (database) merupakan kumpulan dari data yang saling berhubungan (relasi) antara satu dengan yang la-innya yang diorganisasikan berdasarkan skema atau struktur tertentu. Pada komputer, basis data disimpan dalamperangkat hardware penyimpan, dan dengan software tertentu dimanipulasiunruk kepentingan atau keguanaan ter-tentu. Hubungan atau relasi data biasanya ditunjukkan dengan kunci (key) dari tiap file yang ada. Data merupakanfakta atau nilai (value) yang tercatat atau merepresentasikan deskripsi dari suatu objek. Data yang merupakan fak-ta yang tercatat dan selanjutnya dilakukan pengolahan (proses) menjadi bentuk yang berguna atau bermanfaat bagipemakainya akan membentuk apa yang disebut informasi. Bentuk informasi yang kompleks dan teritegrasi dan pe-ngolahan sebuah database dengan komputer akan digunakan untuk proses pengambilan keputusan pada manajemenakan membenuk Sistem Informasi Manajemen (SIM), data dalam basis data merupan item terkecil dan terpentinguntuk membangun basis data yang baik dan valid. Data dalam basis data bersifat integrated dan shared:

• Terpadu (integrated), berkas-berkas data yang ada pada basis data saling terkait (terjadi dependensi data);

• Berbagi data (shared), data yang sama dapat dipakai oleh sejumlah pengguna dalam waktu yang bersamaan.Sering dinamakan sebagi sistem multiuser

Data merupakan suatu sumber yang sangat berguna bagi hampir disemua organisasi. Dengan tersedianya data yangmelimpah, maka masalah pengaturan data secara efektif menjadi suatu hal yang sangat penting dalam pengembangan

66

67

sistem informasi manajemen. Oleh karena itu, tujuan dari diadakannya pengaturan data adalah sebagai berikut:

• Menyediakan penyimpanan data untuk dapat digunakan oleh organisasi saat sekarang dan masa akan datang.

• Sebagai cara pemasukan data sehingga sehingga memudahkan tugas operator dan menyangkut pula waktu yangdiperlukan oleh pemakai untuk mendapatkan data serta hak-hak yang dimiliki terhadap data yang ditangani

• Pengendalian data untuk setiap siklus agar data selalu up to date dan dapat mencerminkan perubahan spesifikyang terjadi di setiap sistem.

• Pengamanan data terhadap kemungkinan penambahan, modifikasi, pencurian, dan gangguan-gangguaan lain.

Suatu bangunan basis data memiliki jenjang sebagai berikut:

• Karakter, merupakan bagian data terkecil yang berupa angka, huruf, atau karakter khusus yang membentuksebuah item data atau field. Contoh A,B,X,Y,2,1,2,9,0,=,<,> dan sebagainya.

• Field/item, merupakan representasi suatu atribut dan record (rekaman/tupel) yang sejenis yang menunjukkansuatu item dari data. Contoh field nama (berisi data nama-nama pegawai), field departemen (berisi data bagianatau spesifikasi pekerjaan), dan lain sebagainya.

• Record/rekaman/tupel: Kumpulan dari field membentuk suatu record atau rekaman. Record menggambarkansuatu unit data individu yang tertentu. Contoh: file pegawai, dimana tiap-tiap recordnya berisi kumpulan datanama, alamat, departemen, yang dapat mewakili tiap-tiap data.

• File, merupakan kumpulan dari record-record yang menggambarkan satu kesatuan data yang sejenis. Con-toh file pegawai berisi data tentang semua yang berhubungan dengan pegawai seperti nama pegawai, alamatpegawai, departemen, yang dapat mewakili tiap-tiap data.

• Database, merupakan kumupan dari file atau tabel yang membentuk suatu database. Contoh database pegawaiPT Maju Terus terdiri atas file pegawai, file gaji, file golongan, dan sebagainya.

Dalam satu file terdapat record-record yang sejenis, sama besar, sama bentuk, yang merupakan satu kumpulan en-titas yang seragam. Satu record terdiri dari field yang saling berhubungan menunjukkan bahwa field tersebut dalamsatu pengertian yang lengkap dan direkam dalam satu record Setiap nilai atau isis field memiliki kapasitas ruangatau lebar yang sama. Jenis isi data sebuah field harus sesuai dengan tipe datanya. Nama sebuah file harus meng-gambarkan isi dari data file tersebut. Untuk melengkapi definisi tentang file, dalam database dikenal nama entitas(entity) dan atribut. Entetis adalah orang, tempat, kejadian, atau konsep yang informasinya direkam. setiap entitasmemiliki atribut atau sebutan untuk mewakili suatu entitas. Sebagai contoh dalam sistem perkuliahan; mahasiwa,matakuliah, pembayaran, dosen adalah sebagai entitas. Sedangkan entitas mahasiswa memiliki atribut nomor induk,nama, jurusan, dan sebagainya. Atau dari contoh diatas entitasnya adalah pegawai, ang memilik atribut NIP, nama,alamat, tgl_lahir, jns_kel Sistem basis data merupakan perpaduan antara basis data dan sistem manajemen basisdata (SMBD). Database yang kompleks dan disertai dengan teknik pendokumentasian dan prosedur manipulasinyaakan membentuk Sistem Manajemn Basis Data (Database Management System-DBMS). Singkatnya DBMS adalahdatabase dan program untuk mengaksesnya.Definisi diatas dapat menggambarkan pada kita bahwa basis data mempunyai beberapa kriteria penting, yaitu:

• Berorientasi data dan bukan berorientasi program.

• Dapat digunakan oleh beberapa program aplikasi tanpa perlu mengubah basis datanya.

• Dapat dikembangkan dengan mudah, baik volume maupun strukturnya.

• Dapat memenuhi kebutuhan sistem-sistem baru secara mudah.

• Dapat digunakan dengan cara-cara yang berbeda.

Komponen-komponen sistem basis data adalah:

• Hardware, sebagai pendukung operasi pengolahan data seperti CPU, memori, disk, terminal, dan sebagainya.

68 BAB 14. BASIS DATA

• Software sistem operasi , (Windows 9x, Windows 2000/XP, Linux, Unix.)

• Software pengelola basis data (DBMS) seperti MS-Access, SQL, Oracle.

• Software program aplikasi misalnya Visual Basic, Delphi, Visual Foxpro.

• Basis data (semua data yang diperlukan, dipelihara, dikelola oleh sistem Basis Data)

• Pemakai/pengguna basis data (user).

Pengguna (user) basis data meliputi:

• Database Administrator, yaitu pengguna yang memiliki kewenangan sebagai pusat pengendali seluruh sistembaik basis data maupun program-program yang mengaksesnya, menentukan pola struktur basis data, memo-difikasi, membagi tugas pengolahan dan memberikan orientasi tertentu, dan sebagainya.

• Aplication Programmers, yaitu programmer aplikasi yang berinteraksi dengan sistem melalui pemanggilanData Manipulation Language (DML) yang dimasukkan ke dalam program yang tulis.

• Sophisticated Users, yaitu pengguna yang berintraksi dengan sistem tapa harus menuliskan sendiri program-nya, tetapi diganti dengan melakukan permintaan (request) dalam bentuk bahasa query basis data. Sepertimenggunakan MS-Accsess, SQL, dan sebagainya.

• Specialized Users, yaitu pengguna yang menuliskan program aplikasi basis data khusus yang tidak sesuai de-ngan framework pemrosesan data tradisional. Contoh: sistem pakar, multimedia, dan sebagainya.

• Naive Users, yaitu kebanyakan pengguna yang berintraksi dengan sistem dengan cara memanggil salah satuprogram aplikasi yang telah disediakan. Contoh: operator pada bagian teller, personalia, dan sebagainya.

PERAN BASIS DATA Basis data penting dalam pengolaan data dalam menggunakan komputer, karena bebrapaalasan yaitu:

• Sebagai komponen utama atau penting dalam sistem informasi, karena merupakan dasar dalam menyediakaninformasi.

• Menentukan kualitas informasi yang cepat, akurat, relevan, sehingga informasi yang disajikan tidak basi. In-formasi dapat dikatakan bernilai bila manfaatnya lebih efektif dibandingkan dengan biaya mendapatkannya.

Penyusunan suatu database digunakan untuk mengatasi masalah-masalah pada penyusunan data. Manfaat yang di-peroleh dari penyusunan database yaitu untuk:

• Mengatasi kerangkapan (redundancy) data. Penyimpanan data yang sama pada beberapa tempat selain bisameyulitkan pemakai tentang aktualisasi data juga memboroskan tempat penyimpanan, maka basis data akanmendeteksi dan menghindari jika terjadi kerangkapan data.

• Menghindari terjadinya inkonsistensi data. Akibat lain jika terjadi kerangkapan data, maka jika terjadi peru-bahan pada data yang satu sedangkan yang lain tidak dirubah akan terjadi ketidakonsistenan data. Untuk itudatabase akan menyesuaikan terhadap data yang sama apabila terjadi perubahan, jika semua data akan selaluter-update

• Mengatasi kesulitan dalam mengakses data. Memudahkan jika suatu saat akan diambil atau dicetak data yangmemiliki kriteria tertentu, misalnya pada tanggal tertentu, alamat tertentu, jumlah tertentu, dan sebagainya.

• Menyusun format yang standar dari sebuah data. Dta ayang sama pada file yang berbeda harus memiliki formatdata berupa tipe dan jangkauannya harus sama. Kedidaksamaan format data akan mengakibatkan sulit atautidak bisanya pengaksesan data yang lain.

• Penggunaan oleh banyak pemakai (multiple user). Sebuah database bisa dimanfaatkan sekaligus secara bersamaoleh banyak pengguna (multiuser)

• Melakukan perlindungan dan pengamanan data (data security). Setiap data hanya bisa diakses atas dimanipulasioleh pihak yang diberi otoritas dengan memberikan login dan password terhadap masing-masing data.

14.1. LINGKUNGAN BASIS DATA 69

• Menyusun integritas dan independensi data. Basis data merupakan data kompleks yang bisa diintegrasikan,sehingga kita bisa memanipulasi untuk mendapatkan berbagai bentuk lembar kerja dan laporan yang kitainginkan. Namun demikian masing-masing data tidak saling tergantung terhadap data yang lain. Data-datadalam database bisa saling berdiri sendiri.

ABSTRAKSI DATA Kegunaan utama sistem basis data adalah agar pemakai mampu menyusun suatu pandangan(view) abstraksi data. Hal ini bertujuan untuk menyederhanakan intraksi antara pengguna dengan sistemnya dan basisdata dapat mempresentasikan pandangan yang berbeda kepada para pengguna, programmer, dan administratornya.Karena tidak semua pengguna basis data terlatih dengan baik dan penggunanya terbagi dalam berbagai tingkatan,maka kompleksitas basis data akan tersembbunyi dari para pengguna melalui beberapa level abstraksi data. Ketikamemandang basis data, pemakai dapat dikelompokkan menjadi 3 tingkatan (level) yaitu:

• Level Fisik (physical view/internal view). Merupakan tingkatan terendah dalam abstraksi data yang menun-jukkan bagaimana data disimpan dalam kondisi sebenarnya. Level ini merupakan bentuk paling kompleks,dimana struktur data level terendah digambarkan pada level ini.

• Level Konseptual. Merupakan level yang menggambarkan data apa yang sebenarnya (secara fungsional) di-simpan dalam basis data, beserta relasi yang terjadi antara data. Level ini menggambarkan keseluruhan data-base, dimana administrator basis data (DBA) membangun dan mengolah basis data, sedangkan pemakai tidakmemperdulikan kerumitan dalam struktur level fisik lagi. Contohnya: pengguna akan mengetahui bahwa pen-jualan disimpan didalam tabel barang, produksi, keuangan, marketing.

• Level Pandangan Pemakai. Merupakan level dengan tingkatan tertinggi, yang menggambarkan hanya satubagian dari keseluruhan database. Beberapa pengguna basis data tidak membutuhkan semua isi basis datamisalkan bagian personalia hanya membutuhkan data file karyawan dan gaji, tidak membutuhkan data filegudang, transaksi barang masuk.

Level abstraksi data tersebut bisa memberikan gambaran atau pandangan mengenai arsitektur Database ManagementSystem (DBMS), yang akan menambah pengertian mengenai independensi data (data independence) Independensi datadapat dibagi menjadi dua bagian yaitu:

1. Physical Data Independence

Kemampuan untuk mengubah pola fisik database tanpa mengakibatkan suatu aplikasi program ditulis kembali. Mo-difikasi pada level fisik biasanya pada saat meningkatkan daya guna.

1. Logical Data Independenceata model Data model merupakan kumpulan konsep yang dapat digunakakn untukmenggambar struktur data. Struktur basis data meliputi tipe data, hubungan, dan beberapa syarat yang harusdipenuhi basis data.

14.1 Lingkungan basis data

Lingkungan basis data adalah sebuah habitat di mana terdapat basis data untuk bisnis. Dalam lingkungan basis data,pengguna memiliki alat untuk mengakses data. Pengguna melakukan semua tipe pekerjaan dan keperluan merekabervariasi seperti menggali data (data mining), memodifikasi data, atau berusaha membuat data baru. Masih dalamlingkungan basis data, pengguna tertentu tidak diperbolehkan mengakses data, baik secara fisik maupun logis. (Koh,2005, dalam Janner Simarmata & Imam Paryudi 2006: 33).

14.2 Tahapan perancangan basis data

Perancangan basis data merupakan upaya untuk membangun sebuah basis data dalam suatu lingkungan bisnis. Untukmembangun sebuah basis data terdapat tahapan-tahapan yang perlu kita lalui yaitu:

1. Perencanaan basis data

70 BAB 14. BASIS DATA

2. Mendefinisikan sistem

3. Analisis dan mengumpulkan kebutuhan

4. Perancangan basis data

5. Perancangan aplikasi

6. Membuat prototipe

7. Implementasi

8. Konversi data

9. Pengujian

10. Pemeliharaan operasional

14.3 Bahasa pada basis data

Terdapat dua jenis bahasa komputer yang digunakan saat kita ingin membangun dan memanipulasi sebuah basis data,yaitu:

1. Data Definition Language (DDL)

2. Data Manipulation Language (DML)

14.4 Perangkat lunak basis data

Perangkat lunak basis data yang banyak digunakan dalam pemrograman dan merupakan perangkat basis data arastinggi (high level):

• Microsoft SQL Server

• Oracle

• Sybase

• Interbase

• XBase

• Firebird

• MySQL

• PostgreSQL

• Microsoft Access

• dBase III

• Paradox

• FoxPro

• Visual FoxPro

• Arago

• Force

• Recital

14.5. RUJUKAN 71

• dbFast

• dbXL

• Quicksilver

• Clipper

• FlagShip

• Harbour

• Visual dBase

• Lotus Smart Suite Approach

• db2

• MongoDB

Selain perangkat lunak di atas, terdapat juga perangkat lunak pemrograman basis data aras rendah (low level), diantaranya:

• Btrieve

• Tsunami Record Manager

14.5 Rujukan[1] Badan Bahasa

14.6 Lihat pula• Daftar basis data terbesar di dunia

Bab 15

Gudang data

Gudang data (Bahasa Inggris: data warehouse) adalah suatu sistem komputer untuk mengarsipkan dan menganalisisdata historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatuorganisasimenyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang datamenurut jadwalteratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleksdan analisis (contohnya penambangan data, data mining) terhadap informasi tersebut tanpa membebani sistem yangoperasional.

15.1 Karakteristik gudang data

Sistem basis data ini memiliki karakteristik yang membuatnya berbeda dengan basis data yang lainnya. Terdapat 4karakteristik yang menjadi ciri khas dari basis data ini, yaitu:

1. Berorientasi kepada subjek

2. Data yang dimiliki terintegrasi

3. Data yang disimpan bersifat tetap

4. Dibuat dalam rentang waktu tertentu

15.2 Peralatan gudang data

Peralatan gudang data (Bahasa Inggris: data warehouse appliance) berfungsi untuk ekstraksi data, pembersihan data,dan transformasi data, yakni terdiri dari:

• Generator kode (Code generator)

• Alat replikasi database ( Database data replication tools)

• Mesin transformasi dinamis (Dynamic transformation engines)

15.3 Rujukan• William H. Inmon, Richard D. Hackathorn: Using the Data Warehouse, John Wiley & Son’s, ISBN 0-471-05966-8

• Pyle, Dorian. Business Modeling and Data Mining. Morgan Kaufmann, 2003. ISBN 1-55860-653-X

• Ralph Kimball, Margy Ross: The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling(Second Edition), John Wiley & Sons, ISBN 0-471-20024-7

72

15.4. PRANALA LUAR 73

• Stephen Haag, Maeve Cummings, Donald J. McCubbery, Alain Pinsonneault,Richard Donvan:ManagementsInformation System for the Information Age, Third Canadian Edition, McGraw-Hill Ryerson, ISBN 0-07-095569-7

• Darmawikarta, Djoni. Dimensional Data Warehousing with MySQL. BrainySoftware. ISBN 0-9752128-2-6

15.4 Pranala luar• (Inggris) Data Management And Warehousing knowledge base

• (Inggris) Data Warehousing Development Process on gantthead.com

• (Inggris) Information Tecnology Data Warehouse

• (Inggris) Data Warehousing Gotchas

• (Inggris) ODP - Data Warehouse Resources

• (Inggris) ODP - Data Warehouse Articles

• (Inggris) SDN - Business Intelligence on the SAP Developer Network

Bab 16

Penggalian data

Penggalian data (bahasa Inggris: data mining) adalah ekstraksi pola yang menarik dari data dalam jumlah besar [1].Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna.Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepasti-an tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi eksaknyaberbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, danintelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak (misalnya data yang diperolehdari sistem basis data perusahaan, e-commerce, data saham, dan data bioinformatika), tapi tidak tahu pola apa yangbisa didapatkan.

16.1 Proses Pencarian Pola

Penggalian data adalah salah satu bagian dari proses pencarian pola. Berikut ini urutan proses pencarian pola:

1. Pembersihan Data: yaitu menghapus data pengganggu (noise) dan mengisi data yang hilang.

2. Integrasi Data: yaitu menggabungkan berbagai sumber data.

3. Pemilihan Data: yaitu memilih data yang relevan.

4. Transformasi Data: yaitu mentransformasi data ke dalam format untuk diproses dalam penggalian data.

5. Penggalian Data: yaitu menerapkan metode cerdas untuk ekstraksi pola.

6. Evaluasi pola: yaitu mengenali pola-pola yang menarik saja.

7. Penyajian pola: yaitu memvisualisasi pola ke pengguna.

16.2 Latar belakang

Perkembangan yang pesat di bidang pengumpulan data dan teknologi penyimpanan di berbagai bidang, menghasilkanbasis data yang terlampau besar. Namun, data yang dikumpulkan jarang dilihat lagi, karena terlalu panjang, mem-bosankan, dan tidak menarik. Seringkali, keputusan -yang katanya berdasarkan data- dibuat tidak lagi berdasarkandata, melainkan dari intuisi para pembuat keputusan. Sehingga, lahirlah cabang ilmu penggalian data ini.Analisis data tanpa menggunakan otomasi dari penggalian data adalah tidak memungkinkan lagi, kalau 1) data terlalubanyak, 2) dimensionalitas data terlalu besar, 3) data terlalu kompleks untuk dianalisis manual (misalnya: data timeseries, data spatiotemporal, data multimedia, data streams).

74

16.3. TEKNIK PENGGALIAN DATA 75

16.3 Teknik Penggalian Data

Pada dasarnya penggalian data dibedakan menjadi dua fungsionalitas, yaitu deskripsi dan prediksi. Berikut ini be-berapa fungsionalitas penggalian data yang sering digunakan:

• Karakterisasi dan Diskriminasi: yaitu menggeneralisasi, merangkum, dan mengkontraskan karakteristik data.

• Penggalian pola berulang: yaitu pencarian pola asosiasi (association rule) atau pola intra-transaksi, atau polapembelian yang terjadi dalam satu kali transaksi.

• Klasifikasi: yaitumembangun suatumodel yang bisamengklasifikasikan suatu objek berdasar atribut-atributnya.Kelas target sudah tersedia dalam data sebelumnya, sehingga fokusnya adalah bagaimana mempelajari datayang ada agar klasifikator bisa mengklasifikasikan sendiri.

• Prediksi: yaitu memprediksi nilai yang tidak diketahui atau nilai yang hilang, menggunakan model dari klasi-fikasi.

• Penggugusan/Cluster analysis: yaitu mengelompokkan sekumpulan objek data berdasarkan kemiripannya.Kelas target tidak tersedia dalam data sebelumnya, sehingga fokusnya adalah memaksimalkan kemiripan in-trakelas dan meminimalkan kemiripan antarkelas.

• Analisis outlier: yaitu proses pengenalan data yang tidak sesuai dengan perilaku umum dari data lainnya.Contoh: mengenali noise dan pengecualian dalam data.

• Analisis trend dan evolusi: meliputi analisis regresi, penggalian pola sekuensial, analisis periodisitas, dan ana-lisis berbasis kemiripan.

Berikut ini adalah 10 algoritma penggalian data yang paling populer berdasarkan konferensi ICDM '06, semua algo-ritma dinominasikan oleh para pemenang ACM KDD Innovation Award dan IEEE ICDM Research ContributionsAward [2]:

1. C4.5 (61 suara) [3]

2. k-Means (60 suara):[4]

3. SVM (58 suara):[5]

4. Apriori (52 suara):[6]

5. EM (48 suara):[7]

6. PageRank (46 suara):[8]

7. AdaBoost (45 suara):[9]

8. kNN (45 suara):[10]

9. Naive Bayes (34 suara):[11]

Berikut ini adalah yang hanya masuk nominasi:

• CART:[12]

• FP-Tree:[13]

• HITS:[14]

• BIRCH:[15]

• GSP:[16]

• PrefixSpan:[17]

• CBA:[18]

• Finding Reduct:[19]

• gSpan:[20]

76 BAB 16. PENGGALIAN DATA

16.4 Lihat pula• Penambangan teks

• Analitika

16.5 Referensi[1] http://www.amazon.com/Data-Mining-Concepts-Techniques-Management/dp/1558609016/qid=1278582726

[2] http://www.cs.uvm.edu/~{}icdm/algorithms/ICDM06-Panel.pdf

[3] Quinlan, J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann., 1993.

[4] MacQueen, J. B., Some methods for classification and analysis of multivariate observations, in Proc. 5th Berkeley Symp.Mathematical Statistics and Probability, 1967.

[5] Vapnik, V. N. 1995. The Nature of Statistical Learning Theory. Springer-Verlag.

[6] Rakesh Agrawal and Ramakrishnan Srikant. Fast Algorithms for Mining Association Rules. In VLDB '94.

[7] McLachlan, G. and Peel, D. (2000). Finite Mixture Models. J. Wiley, New York.

[8] Brin, S. and Page, L. 1998. The anatomy of a large-scale hypertextual Web search engine. In WWW-7, 1998.

[9] Freund, Y. and Schapire, R. E. 1997. A decision-theoretic generalization of on-line learning and an application to boosting.J. Comput. Syst. Sci. 55, 1 (Aug. 1997), 119-139.

[10] Hastie, T. and Tibshirani, R. 1996. Discriminant Adaptive Nearest Neighbor Classification. TPAMI. 18(6).

[11] Hand, D.J., Yu, K., 2001. Idiot’s Bayes: Not So Stupid After All? Internat. Statist. Rev. 69, 385-398.

[12] L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classification and Regression Trees. Wadsworth, 1984.

[13] Han, J., Pei, J., and Yin, Y. 2000. Mining frequent patterns without candidate generation. In SIGMOD '00.

[14] Kleinberg, J. M. 1998. Authoritative sources in a hyperlinked environment. SODA, 1998.

[15] Zhang, T., Ramakrishnan, R., and Livny, M. 1996. BIRCH: an efficient data clustering method for very large databases.In SIGMOD '96.

[16] Srikant, R. and Agrawal, R. 1996. Mining Sequential Patterns: Generalizations and Performance Improvements. In Pro-ceedings of the 5th International Conference on Extending Database Technology, 1996.

[17] J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal and M-C. Hsu. PrefixSpan: Mining Sequential PatternsEfficiently by Prefix-Projected Pattern Growth. In ICDE '01.

[18] Liu, B., Hsu, W. and Ma, Y. M. Integrating classification and association rule mining. KDD-98.

[19] Zdzislaw Pawlak, Rough Sets: Theoretical Aspects of Reasoning about Data, Kluwer Academic Publishers, Norwell, MA,1992.

[20] Yan, X. and Han, J. 2002. gSpan: Graph-Based Substructure Pattern Mining. In ICDM '02.

16.6 Referensi• Pang-Ning Tan,Michael Steinbach andVipinKumar, Introduction toDataMining (2005), ISBN0-321-32136-7 (companion book site)

• Kurt Thearling, An Introduction to Data Mining (also available is a corresponding online tutorial)

• RichardO. Duda, Peter E. Hart, DavidG. Stork, Pattern Classification, Wiley Interscience, ISBN 0-471-05669-3, (see also Powerpoint slides)

• Phiroz Bhagat, Pattern Recognition in Industry, Elsevier, ISBN 0-08-044538-1

16.7. PRANALA LUAR 77

• Ian Witten and Eibe Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Imple-mentations (2000), ISBN 1-55860-552-5, (see also Free Weka software)

• Yike Guo and Robert Grossman, editors: High Performance Data Mining: Scaling Algorithms, Applicationsand Systems, Kluwer Academic Publishers, 1999.

• Dean W. Abbott, I. Philip Matkovsky, and John Elder IV, Ph.D. An Evaluation of High-end Data MiningTools for Fraud Detection published a comparative analysis of major high-end data mining software tools thatwas presented at the 1998 IEEE International Conference on Systems, Man, and Cybernetics, San Diego, CA,October 12-14, 1998.

• Mierswa, Ingo and Wurst, Michael and Klinkenberg, Ralf and Scholz, Martin and Euler, Timm: YALE: RapidPrototyping for Complex Data Mining Tasks, in Proceedings of the 12th ACM SIGKDD International Confe-rence on Knowledge Discovery and Data Mining (KDD-06), 2006.

• Mark F. Hornick, Erik Marcade, Sunil Venkayala: “Java Data Mining: Strategy, Standard, And Practice: APractical Guide for Architecture, Design, And Implementation” (Broché)

16.7 Pranala luar• (Inggris) Data Mining Program, University of Central Florida

• (Inggris) Andrew Moore of Carnegie Mellons tutorials

• (Inggris) A Master thesis dealing with the use of datamining in banking

Bab 17

Pusat data

Rak-rak server dan tampilan tipikal suatu pusat data.

Pusat data (Bahasa Inggris: data center) adalah suatu fasilitas yang digunakan untuk menempatkan sistem komputerdan komponen-komponen terkaitnya, seperti sistem telekomunikasi dan penyimpanan data. Fasilitas ini biasanyamencakup juga catu daya redundan atau cadangan, koneksi komunikasi data redundan, pengontrol lingkungan (mis.AC, ventilasi), pencegahBerdasarkan fungsinya, data center dibagi menjadi 2 kategori umum yaitu:

1. Internet Data Center : hanya untuk mendukung aplikasi terkait dengan Internet saja, biasanya dibangun dandioperasikan oleh service provider atau perusahaan yang memiliki model bisnis berdasarkan pada Internetcommerce.

2. Corporate/Enterprise Data Center : mendukung semua fungsi yang memungkinkan berbagai model bisnis

78

17.1. PERANCANGAN PUSAT DATA YANG IDEAL 79

berjalan pada layanan Internet, intranet, dan keduanya.

17.1 Perancangan Pusat Data yang Ideal

Kriteria perancangan sebuah data center secara umum antara lain adalah:

• KetersediaanData center diciptakan untuk mampu memberikan operasi yang berkelanjutan dan terus-menerus bagi suatuperusahaan baik dalam keadaan normal maupun dalam keadaan terjadinya suatu kerusakan yang berarti atautidak. Data center harus dibuat sebisa mungkin mendekati zero-failure untuk seluruh komponennya.

• Scalability dan FlexibilityData center harus mampu beradaptasi dengan pertumbuhan kebutuhan yang cepat atau ketika adanya servisbaru yang harus disediakan oleh data center tanpa melakukan perubahan yang cukup berarti bagi data centersecara keseluruhan.

• SecurityData center menyimpan berbagai aset perusahaan yang berharga, oleh karenanya sistem keamanan dibuat se-ketat mungkin baik pengamanan secara fisik maupun pengamanan non-fisik.

Kriteria tersebut diaplikasikan pada beberapa aspek berikut:

17.2 Servis Utama pada Data Center

• Servis Utama Data Center

Infrastruktur yang Menjamin Kelangsungan Bisnis

Aspek-aspek yang mendukung kelangsungan bisnis ketika terjadi suatu kondisi kritis terhadap data center. Aspek-aspek tersebut meliputi kriteria pemilihan lokasi data center, kuantifikasi ruang data center, laying-out ruang daninstalasi data center, sistem elektrik yang dibutuhkan, pengaturan infrastruktur jaringan yang scalable, pengaturansistem pendingan dan fire suppression

Infrastruktur Keamanan Data Center

Terdiri dari sistem pengamanan fisik dan non-fisik pada data center. Fitur sistem pengamanan fisik meliputi aksesuser ke data center berupa kunci akses memasuki ruangan (kartu akses atau biometrik) dan segenap petugas kea-manan yang mengawasi keadaan data center (baik di dalam maupun di luar), pengamanan fisik juga dapat diterapkanpada seperangkat infrastruktur dengan melakukan penguncian dengan kunci gembok tertentu. Pengamanan non fisikdilakukan terhadap bagian software atau sistem yang berjalan pada perangkat tersebut, antara lain dengan memasangbeberapa perangkat lunak keamanan seperti access control list, firewall, IDS dan host IDS, fitur-fitur keamanan padaLayer 2 (datalink layer) dan Layer 3 (network layer) disertai dengan manajemen keamanan.

Optimasi Aplikasi

Akan berkaitan dengan layer 4 (transport layer) dan layer 5 (session layer) untuk meningkatkan waktu respon suatuserver. Layer 4 adalah layer end-to-end yang paling bawah antara aplikasi sumber dan tujuan, menyediakan end-to-end flow control, end-to-end error detection and correction, dan mungkin juga menyediakan congestion controltambahan. Sedangkan layer 5 menyediakan riteri dialog (siapa yang memiliki giliran berbicara/mengirim data), tokenmanagement (siapa yang memiliki akses ke resource bersama) serta sinkronisasi data (status terakhir sebelum linkputus). Berbagai isu yang terkait dengan hal ini adalah load balancing, caching, dan terminasi SSL, yang bertujuanuntuk mengoptimalkan jalannya suatu aplikasi dalam suatu sistem.

80 BAB 17. PUSAT DATA

Infrastruktur IP

Infrastruktur IP menjadi servis utama pada data center. Servis ini disediakan pada layer 2 dan layer 3. Isu yang harusdiperhatikan terkait dengan layer 2 adalah hubungan antara ladang server dan perangkat layanan, memungkinkanakses media, mendukung sentralisasi yang reliable, loop-free, predictable, dan scalable. Sedangkan pada layer 3, isuyang terkait adalah memungkinkan fast-convergence routed network (seperti dukungan terhadap default gateway).Kemudian juga tersedia layanan tambahan yang disebut [[Intelligent Network Services]], meliputi fitur-fitur yangmemungkinkan application services network-wide, fitur yang paling umum adalah mengenaiQoS (Quality of Services),multicast (memungkinkan kemampuan untuk menangani banyak user secara konkuren), private LANS dan policy-based routing.

Storage

Terkait dengan segala infrastruktur penyimpanan. Isu yang diangkat antara lain adalah arsitektur SAN, fibre channelswitching, replikasi, backup serta archival.

17.3 Tier pada Data Center

Perancangan data center berangkat dari kebutuhan yang ada, untuk kemudian didefinisikan berbagai perlengkapanIT yang diperlukan beserta pemilihan teknologi berbarengan dengan perencanaan infrastruktur data center yang lain.Ada 4 tier dalam perancangan data center yang setiap tiernya menawarkan tingkat availabilitas yang berbeda dise-suaikan dengan kebutuhan suatu data center menurut TIA 942 (Telecommunication Industry Association). Berikutdiberikan tabel spesifikasi setiap tier pada data center:Pengertian N di atas mengacu kepada cacah komponen yang diperlukan agar seluruh pusat data dapat beroperasi padabeban penuh. Sebagai contoh, apabila pusat data pada beban penuh memerlukan 5 unit AC, maka pusat data tier−4mempersyaratkan total 2(5+1)=12 unit AC, 7 diantaranya sebagai cadangan. Untuk tier−3, maka hanya diperlukan6 unit AC, hanya 1 sebagai cadangan.

17.4 Next Generation Data Center

Next generation data center menjadi isu utama pada data center dalam beberapa tahun ke depan untuk memenuhikebutuhan perusahaan yang meningkat pesat. Next generation data center akan bersifat service-oriented. Langkahyang dilakukan untuk menuju Next generation data center antara lain adalah:

1. Konsolidasi, mengandung pengertian sentralisasi dan standardisasi dari semua perangkat yang ada sehinggamenghasilkan suatu jaringan yang cerdas.

2. Virtualisasi, mengatur sumber daya agar lebih efisien dan menjadi independen dari infrastruktur fisik.

3. Otomatisasi, melakukan provisioning yang dinamis dan manajemen informasi untuk mencapai ketahananbisnis.

4. Business Continuance

5. Green Data Center, yang bertujuan meningkatkan efisiensi pemakaian daya, karena konsumsi daya pusat datasudah sangat signifikan.

Layer-layer yang terdapat pada next generation data center tidak jauh berbeda dengan aspek yang terdapat pada datacenter umumnya, yaitu:

• Data Center Facilities meliputi bangunan gedung yang menjamin kelangsungan bisnis saat terjadi bencana,efisiensi energi, efisiensi pendingin udara dan sistem cabling.

• Data Center Infrastructure meliputi virtualisasi berbagai infrastruktur yaitu storage, server, jaringan, dan la-yanan jaringan.

17.5. PRANALA LUAR 81

• Data Center Applications and OS meliputi integrasi aplikasi dan OS menjadi suatu infrastruktur yang tervirtu-alisasi.

• Data Center Management meliputi provisioning, adaptibility, troubleshooting, dan visibility.

• Data Center Business Process meliputi operasi data center yang bersatu padu, perubahan proses dan tim, sertatingkat keterbacaan operasi, integrasi server, storage,dan jaringan.

17.5 Pranala luar• Advantage’s to Host a Data Center in India?

• Lawrence Berkeley Lab - Research, development, demonstration, and deployment of energy-efficient techno-logies and practices for data centers

• Data Center Journal - The Industry Resource for Data Center Information related to IT, Facilities and Design

• Data Center in India – Providing Seamless Connectivity

• Data Center Map

• Data Center Indonesia

Bab 18

Komputasi awan

Tablet

Desktop

Peladen

Laptop

Ponsel

KomputerPenyimpanan Blok

Jaringan

Infrastruktur

Platform (Serambi)

Aplikasi

NEWS

Konten Komunikasi

Penyimpanan Objek

Kolaborasi

Identitas

0

10

20

30

4050 60

7080

90

100

110

12021

123450

3456 7 8

EF

Pemantauan

Komputasi awan

'Runtime'Antrian

Basis Data

Keuangan

Diagram konsepsual dari Komputasi awan

Komputasi awan (bahasa Inggris: cloud computing) adalah gabungan pemanfaatan teknologi komputer ('komputasi')dan pengembangan berbasis Internet ('awan'). Awan (cloud) adalah metafora dari internet, sebagaimana awan yangsering digambarkan di diagram jaringan komputer. Sebagaimana awan dalam diagram jaringan komputer tersebut,awan (cloud) dalamCloudComputing jugamerupakan abstraksi dari infrastruktur kompleks yang disembunyikannya.[1]Ia adalah suatu metoda komputasi di mana kapabilitas terkait teknologi informasi disajikan sebagai suatu layanan(as a service), [2] sehingga pengguna dapat mengaksesnya lewat Internet (“di dalam awan”) [3] tanpa mengetahui apa

82

18.1. SEJARAH KOMPUTASI AWAN 83

yang ada didalamnya, ahli dengannya, atau memiliki kendali terhadap infrastruktur teknologi yang membantunya.[4]Menurut sebuah makalah tahun 2008 yang dipublikasi IEEE Internet Computing “Cloud Computing adalah suatuparadigma di mana informasi secara permanen tersimpan di server di internet dan tersimpan secara sementara dikomputer pengguna (client) termasuk di dalamnya adalah desktop, komputer tablet, notebook, komputer tembok,handheld, sensor-sensor, monitor dan lain-lain.”[5]

Komputasi awan adalah suatu konsep umum yang mencakup SaaS, Web 2.0, dan tren teknologi terbaru lain yangdikenal luas, dengan tema umum berupa ketergantungan terhadap Internet untuk memberikan kebutuhan komputasipengguna. Sebagai contoh, Google Apps menyediakan aplikasi bisnis umum secara daring yang diakses melalui suatupenjelajah web dengan perangkat lunak dan data yang tersimpan di server. Komputasi awan saat ini merupakan trendteknologi terbaru, dan contoh bentuk pengembangan dari teknologi Cloud Computing ini adalah iCloud [6]

18.1 Sejarah Komputasi Awan

Pada tahun 50-an, Cloud Computing memiliki konsep yang mendasar. Ketika komputer mainframe yang tersediadalam skala yang besar dalam dunia pendidikan dan perusahaan dapat diakses melalui komputer terminal disebut de-ngan Terminal Statis. Terminal tersebut hanya dapat digunakan untuk melakukan komunikasi tetapi tidak memilikikapasitas pemrosesan internal. Agar penggunaan mainframe yang relatif mahal menjadi efisien maka mengem-bangkan akses fisik komputer dari pembagian kinerja CPU. Hal ini dapat menghilangkan periode tidak aktif padamainframae, memungkinkan untuk kembali pada investasi. Hinga pertengahan tahun 70-an dikenal dengan RJEremote proses Entry Home Job yang berkaitan besar dengan IBM dan DEC Mainframe.Tahun 60-an, John McCarthy berpendapat bahwa “Perhitungan suatu hari nanti dapat diatur sebagai utilitas publik.”Di buku Douglas Parkhill, The Challenge of the Computer Utility menunjukkan perbandingan idustri listrik danpenggunaan pada listrik di masyarakat umum dan pemerintahan dalam penyediaan cloud computing. Ketika IlmuanHerb Grosch mendalilkan bahwa seluruh dunia akan beroperasi pada terminal bodah didukung oleh sekitar 15 pusatdata yang besar. Karena komputer ini sangat canggih, banyak perusahaan dan entitas lain menyediakan sendirikemampuan komputasi melalui berbagai waktu danbeberapa organisasi, seperti GE GEISCO, Anak perusahaan IBMBiro Corporation, Tymshare, CSS Nasional, Data Dial, Bolt, dan Beranek and Newman.Tahun 90-an, perusahaan telekomunikasi mulai menawarkan VPN layanan jaringan pribadi dengan kualitas seban-ding pelayanannya, tapi dengan biaya yang lebih rendah. Karena merasa cocok dengan hal tersebut untuk menyeim-bangkan penggunaan server, mereka dapat menggunakan bandwidth jaringan secara keseluruhan. Lalu menggunakansimbol awan sebagai penunjuk titik demarkasi antara penyedia dan pengguna yang saling bertanggung jawab. Cloudcomputing memperluas batas iniuntuk menutup server serta infrastruktur jaringan.Sejak Tahun 2000, Amazon sebagai peran penting dalam semua pengembangan cloud computing dengan memo-dernisasi pusat data, seperti jaringan komputer yang menggunakan sesedikit 10% dari kapasitas mereka pada satuwaktu. Setelah menemukan asitektur awan baru, mengalami peningkatan efisiensi internal sedikit bergerak capat“Tim Dua-Pizza”(Tim kecil untuk memberi makan dengan dua pizza) dapat menambahkan fitur baru dengan cepatdan lebih mudah. Kemudian Amazon mulai mengembangkan produk baru sebagai penyedia cloud computing untukpelanggan eksternalm dan meluncurkan Amzaon Web Service (AWS) tahun 2006.Awal tahun 2008, Eucalypus menjadi yang pertama open source, AWS API Platform yang kompatibel menyebarkanawan swasta. Open Nebula ditingkatkan dalam proyek Eropa Reservoir Komisi yang sudah didanai. Pada tahun yangsama, agar difokuskan pada penyediaan jaminan kualitas layanan (seperti yang dipersyaratkan oleh aplikasi interaktifreal-time) untuk infrastruktur berbasis cloud dalam rangka IRMOS Eropa Proyek yang didanai Komisi. Pertengahan2008, Gartner melihat kesempatan untuk membentuk hubungan antara konsumen layanan TI, mereka menggunakanlayanan TI dan menjualnya. Dan mengamati bahwa “Organisasi layanan TI yang beralih dari perangkat keras milikperusahaan dan aset perangkat lunak untuk digunakan layanan berbasis model sehingga pergeseran diproyeksikanuntuk komputasi.....akan menghasilkan pertumbuhan dramatis dalam produk IT di beberapadaerahdan penguranganyang signifikan di daerah lain.”.Tanggal 1 Maret 2011,IBMmengumumkan SmartCloud kerangka IBM Smarter Planet untuk mendukung. Di antaraberbagai komponen dasar Smarter Computing, cloud computing adalah bagian yang paling penting.

18.1.1 Tahun 1960

John McCarthy, Pakar Komputasi dan kecerdasan buatan dari MIT. “Suatu hari nanti, komputasi akan menjadi

84 BAB 18. KOMPUTASI AWAN

Infrastruktur publik seperti halnya listrik dan telepon.”[7] Ini adalah sebuah ide yang mengawali suatu bentuk kom-putasi yang kita kenal dengan istilah Komputasi awan.

18.1.2 Tahun 1995

Larry Ellison, pendiri perusahaanOracle. “NetworkComputing” Ide ini sebenarnya cukup unik dan sedikit menyindirperusahaan Microsoft pada saat itu. Intinya, kita tidak harus “menanam” berbagai perangkat lunak kedalam PCpengguna, mulai dari sistem operasi hingga perangkat lunak lainya. Cukup dengan koneksi dengan server dimanaakan disediakan sebuah environment yang mencakup berbagai kebutuhan PC pengguna.Pada era ini juga wacana “Network Computing” cukup populer. Banyak perusahaan yang menggalang sistem inicontohnya Sun Mycrosystem dan Novell Netware. Disayangkan kualitas jaringan komputer saat itu masih belummemadai, penggunapun cenderung memilih PC karena cenderung lebih cepat.

18.1.3 Akhir Era −90

Lahir konsep ASP (Application Service Provider) yang ditandai dengan kemunculan perusahaan pusat pengolahandata. Ini merupakan sebuah perkembangan pada kualitas jaringan komputer. Akses untuk pengguna menjadi lebihcepat.

18.1.4 Tahun 2000

Marc Benioff, mantan wakil presiden perusahaan Oracle. “salesforce.com” ini merupakan sebuah perangkat lunakCRM dengan basis SaaS (Software as a Service). Tak disangka gebrakan ini mendapat tanggapan hebat. Sebagaisuksesor dari visi Larry Ellison, boss-nya. Dia memiliki sebuah misi yaitu “The End of Software”.

18.1.5 2005 - Sekarang

Cloud Computing sudah semakin meningkat popularitasnya, dari mulai penerapan sistem, pengunaan nama, dll.Amazon.com dengan EC2 (Elastic Computer Cloud); Google dengan Google App. Engine; IBM dengan Blue Co-rd Initiative; dsb. Perhelatan cloud computing meroket sebagaimana berjalanya waktu. Sekarang, sudah banyaksekali pemakaian sistem komputasi itu, ditambah lagi dengan sudah meningkatnya kualitas jaringan komputer danberagamnya gadget yang ada. Contoh dari pengaplikasianya adalah Evernote, Dropbox, Google Drive, Sky Drive,Youtube, Scribd, dll.

18.2 Manfaat Komputasi AwanDari penjelasan tentang cloud computing diatas, ada banyak manfaat yang bisa kita ambil dari cloudcomputing, yaitu :

• Skalabilitas, yaitu dengan cloud computing kita bisa menambah kapasitas penyimpanan data kita tanpa harusmembeli peralatan tambahan, misalnya hardisk dll. Kita cukup menambah kapasitas yang disediakan olehpenyedia layanan cloud computing.

• Aksesibilitas, yaitu kita bisa mengakses data kapanpun dan dimanapun kita berada, asal kita terkoneksi denganinternet, sehingga memudahkan kita mengakses data disaat yang penting.

• Keamanan, yaitu data kita bisa terjamin keamanan nya oleh penyedia layanan cloud computing, sehingga bagiperusahaan yang berbasis IT, data bisa disimpan secara aman di penyedia cloud computing. Itu juga mengu-rangi biaya yang diperlukan untuk mengamankan data perusahaan.

• Kreasi, yaitu para user bisa melakukan/mengembangkan kreasi atau project mereka tanpa harus mengirimkanproject mereka secara langsung ke perusahaan, tapi user bisa mengirimkan nya lewat penyedia layanan cloudcomputing.

• Kecemasan, ketika terjadi bencana alam data milik kita tersimpan aman di cloud meskipun hardisk atau gadgetkita rusak

18.3. LAYANAN KOMPUTASI AWAN 85

18.3 Layanan Komputasi Awan

18.3.1 Infrastructure as a Service (IaaS)

Infrastructure as a Service adalah layanan komputasi awan yang menyediakan infrastruktur IT berupa CPU, RAM,storage, bandwith dan konfigurasi lain. Komponen-komponen tersebut digunakan untuk membangun komputer vir-tual. Komputer virtual dapat diinstal sistem operasi dan aplikasi sesuai kebutuhan. Keuntungan layanan IaaS iniadalah tidak perlu membeli komputer fisik sehingga lebih menghemat biaya. Konfigurasi komputer virtual juga bisadiubah sesuai kebutuhan. Misalkan saat storage hampir penuh, storage bisa ditambah dengan segera. Perusahaanyang menyediakan IaaS adalah Amazon EC2, TelkomCloud dan BizNetCloud.

18.3.2 Platform as a Service (PaaS)

Platform as a Service adalah layanan yang menyediakan computing platform. Biasanya sudah terdapat sistem operasi,database, web server dan framework aplikasi agar dapat menjalankan aplikasi yang telah dibuat. Perusahaan yangmenyediakan layanan tersebutlah yang bertanggung jawab dalam pemeliharaan computing platform ini. Keuntunganlayanan PaaS ini bagi pengembang adalah mereka bisa fokus pada aplikasi yang mereka buat tanpa memikirkantentang pemeliharaan dari computing platform. Contoh penyedia layanan PaaS adalah Amazon Web Service danWindows Azure.

18.3.3 Software as a Service (SaaS)

Software as a Service adalah layanan komputasi awan dimana kita bisa langsung menggunakan aplikasi yang telahdisediakan. Penyedia layanan mengelola infrastruktur dan platform yang menjalankan aplikasi tersebut. Contohlayanan aplikasi email yaitu gmail, yahoo dan outlook sedangkan contoh aplikasi media sosial adalah twitter, facebookdan google+. Keuntungan dari layanan ini adalah pengguna tidak perlu membeli lisensi untuk mengakses aplikasitersebut. Pengguna hanya membutuhkan perangkat klien komputasi awan yang terhubung ke internet. Ada jugaaplikasi yang mengharuskan pengguna untuk berlangganan agar bisa mengakses aplikasi yaitu Office 365 dan AdobeCreative Cloud.

18.4 Metoda dan Implementasi Komputasi Awan

18.4.1 Metoda atau Cara Kerja Komputasi Awan

Berikut merupakan cara kerja penyimpanan data dan replikasi data pada pemanfaatan teknologi cloud computing.DenganCloudComputing komputer lokal tidak lagi harusmenjalankan pekerjaan komputasi berat untukmenjalankanaplikasi yang dibutuhkan, tidak perlu menginstal sebuah paket perangkat lunak untuk setiap komputer, kita hanyamelakukan installasi operating system pada satu aplikasi[8]. Jaringan komputer yang membentuk awan (internet)menanganimereka sebagai gantinya. Server ini yang akanmenjalankan semuanya aplikasi mulai dari e-mail, pengolahkata, sampai program analisis data yang kompleks. Ketika pengguna mengakses awan (internet) untuk sebuah websitepopuler, banyak hal yang bisa terjadi. Pengguna Internet Protokol (IP) misalnya dapat digunakan untuk menetapkandimana pengguna berada (geolocation). Domain Name System (DNS) jasa kemudian dapat mengarahkan penggunake sebuah cluster server yang dekat dengan pengguna sehingga situs bisa diakses dengan cepat dan dalam bahasa lokalmereka. Pengguna tidak login ke server, tetapi mereka login ke layanan mereka menggunakan id sesi atau cookie yangtelah didapatkan yang disimpan dalam browser mereka. Apa yang user lihat pada browser biasanya datang dari webserver. Webservers menjalankan perangkat lunak dan menyajikan pengguna dengan cara interface yang digunakanuntuk mengumpulkan perintah atau instruksi dari pengguna (klik, mengetik, upload dan lain-lain) Perintah-perintahini kemudian diinterpretasikan oleh webservers atau diproses oleh server aplikasi. Informasi kemudian disimpanpada atau diambil dari database server atau file server dan pengguna kemudian disajikan dengan halaman yang telahdiperbarui. Data di beberapa server disinkronisasikan di seluruh dunia untuk akses global cepat dan juga untukmencegah kehilangan data.Web service telah memberikan mekanisme umum untuk pengiriman layanan, hal ini membuat service-oriented ar-chitecture (SOA) ideal untuk diterapkan. Tujuan dari SOA adalah untuk mengatasi persyaratan yang bebas diga-bungkan, berbasis standar, dan protocol-independent distributed computing. Dalam SOA, sumber daya perangkat

86 BAB 18. KOMPUTASI AWAN

lunak yang dikemas sebagai “layanan,” yang terdefinisi dengan baik, modul mandiri yang menyediakan fungsionali-tas bisnis standar dan konteks jasa lainnya. Kematangan web service telah memungkinkan penciptaan layanan yangkuat yang dapat diakses berdasarkan permintaan, dengan cara yang seragam.

18.4.2 Implementasi Komputasi Awan

Ada tiga poin utama yang diperlukan dalam implementasi cloud computing, yaitu :

• Computer front end

Biasanya merupakan computer desktop biasa.

• Computer back end

Computer back end dalam skala besar biasanya berupa server computer yang dilengkapi dengan data center dalamrak-rak besar. Pada umumnya computer back end harus mempunyai kinerja yang tinggi, karena harus melayanimungkin hinggga ribuan permintaan data.

• Penghubung antara keduanya

Penghubung keduanya bisa berupa jaringan LAN atau internet.

Implementasi Cloud Computing dalam pemerintahan (E-Goverment)

Cloud Computing dalam pemerintahan (E-Goverment) dapat mendongkrak kinerja khususnya dalam bidang peme-rintahan. E-Goverment dapat membantu para staff di bidang pemerintahan untuk memberikan pelayanan yang lebihbaik ke masyarakat. Pemerintah dalam negara Indonesia telah menggunakan cloud computing. Contoh pertama ya-itu sebagai penyediaan sumber informasi. Badan Pengkajian Dan Penerapan Teknologi (BPPT) telah menyediakanlayanan Cloud Computing sebagai layanan jasa alih daya pengelolaan TIK untuk instansi pemerintah. Layanan inibertujuan untuk dapat mewujudkan percepatan e-government, karena memungkinkan pengguna pemerintah ber-konsentrasi dalam memberikan layanan dan tidak dipusingkan dengan konfigurasi maupun pemeliharan perangkatteknologi informasi.

18.5 Masalah yang dihadapi

Dunia komputasi awan merupakan dunia baru karena tidak semua orang mengetahui teknologi baru tersebut. Kare-na masih baru tersebut muncul beberapa masalah dalam pengenalannya ke dunia luar. Contohnya komputasi awanmerupakan sarana penyimpanan data melalui jaringan internet maka internet wajib bagi pemakai komputasi awanapabila terjadi masalah dalam internet maka akan menyebabkan komputer tersebut menjadi lambat karena prosesyang terlalu lama. Masalah lain adalah jika suatu perusahaan menggunakan komputasi awan dalam penyimpanandatanya maka akan sangat tergantung pada vendor (penyedia layanan komputasi awan) karena perusahaan tersebuttidak mempunyai server langsung dalam komputasi awan dan juga apabila vendor mempunyai layanan backup yangburuk atau server pada vendor rusak akan menyebabka kerugian besar pada perusahaan tersebut karena semua datayang tersimpan pada vendor akan mengalami masalah. Jika ingin menggunakan komputasi awan juga harus tersediabandwidth yang besar karena data yang keluar masuk dalam sebuah akun tidak sedikit, maka dari itu dibutuhkanbandwidth yang berukuran besar agar mampu menampung data yang ditransfer. Masalah keamanan dan privasimenjadi masalah baru karena jika kita sudah meletakkan suatu data dalam internet maka itu bisa dilihat oleh masya-rakat luas apabila data tersebut sangat rahasia maka bisa menyebabkan kefatalan dalam mengelola sesuatu. Selain itubelum banyak dukungan dari berbagai pihak karena beberapa masalah dalam komputasi awan. Beberapa masalahyang timbul disebabkan karena masih barunya teknologi komputasi awan dalam penyimpanan sebuah data dalaminternet. Masalah lain yang dapat timbul selain diatas adalah dengan banyak para peretas yang muncul dari berbagaidunia dalam meretas internet membuat vendor harus berhati-hati dalam mengelola sumber daya yang dipakai dalamkomputasi awan.

18.6. CONTOH KOMPUTASI AWAN 87

18.6 Contoh Komputasi Awan

18.6.1 Google Drive

Google Drive adalah layanan penyimpanan Online yang dimiliki Google. Google Drive diluncurkanpada tanggal 24 April 2012. Sebenarnya Google Drive merupakan pengembangan dari Google Docs.Google Drive memberikan kapasitas penyimpanan sebesar 5GB kepada setiap penggunanya. Kapasitastersebut dapat ditambahkan dengan melakukan pembayaran atau pembelian Storage. Penyimpanan filedi Google Drive dapat memudahkan pemilik file dapat mengakses file tersebut kapanpun dan dimanapundenganmenggunakan komputer desktop, laptop, komputer tablet ataupun smartphone. File tersebut jugadapat dengan mudah dibagikan dengan orang lain untuk berbagi pakai ataupun melakukan kolaborasidalam pengeditan.

Fitur-fitur Google Drive

• Penyimpanan gratis sebesar 5GB

Google Drive memberikan fasilitas penyimpanan sebesar 5GB kepada penggunanya dengan cuma-cumauntuk menyimpan dokumen, baik berupa gambar, video, musik, ataupun file-file lain.

• Memungkinkan membuat dokumen

Pada fitur ini Google Drive memungkinkan para penggunanya untuk membuat dokumen, seperti meng-olah data, mengolah angka, membuat presentasi, form dan dokumen lainnya.

• Berbagi file

Google Drivememudahkan untuk berbagi file dengan orang lain, dan jugamemudahkan orang lain untukmelakukan pengeditan terhadap file yang kita buat.

• Terintegrasi dengan layanan Google lainnya

Para pengguna layanan Google lainnya akan merasakan kemudahan dalam memanagement file dari Go-ogle Drive. Karena Google Drive secara otomatis terintegrasi dengan layanan google lainnya.

• Fasilitas pencarian

Google Drive memberikan layanan pencarian yang lebih baik dan lebih cepat untuk para penggunanyadengan menggunakan kata kunci tertentu. Google Drive juga dapat mengenali gambar atau teks daridokumen hasil scan.

• Menampilkan berbagai file

Lebih dari 30 type file yang dapat dibuka dan ditampilkan oleh Google Drive, termasuk file video, fileimage, dan lain-lain tanpa mengharuskan pengguna untuk mengunduh dan menginstal software yangsesuai dengan tipe atau ekstensi file tersebut.

• Menjalankan aplikasi

Google Drive juga mempunyai kemampuan untuk membuat, menjalankan dan membagi file aplikasifavorit yang dimiliki oleh pengguna.

88 BAB 18. KOMPUTASI AWAN

18.6.2 Windows Azure

WindowsAzure adalah sistem operasi yang berbasis komputasi awan, dibuat olehMicrosoft untukmeng-embangkan dan mengatur aplikasi serta melayani sebuah jaringan global dari Microsoft Data Centers.Windows Azure yang mendukung berbagai macam bahasa dan alat pemograman. Sistem operasi inidirilis pada 1 Februari 2010.

Fitur-fitur Windows Azure

• Layanan Infrastruktur

Windows Azure menyediakan infrastruktur dengan skala yang sesuai dengan kebutuhan. Baik dalammembuat aplikasi baru atau menjalankan aplikasi yang telah disediakan.

• Kembangkan dan Lakukan Percobaan

Windows Azure memungkinkan pengguna untuk melakukan pengembangan aplikasi dan langsung me-lakukan percobaan pada aplikasi tersebut secara cepat.

• Big Data

Windows Azure menyediakan kapasitas data yang besar. Kapasitas ini didukung oleh Apache Hadoop.

• Aplikasi Mobile

Windows Azure memberikan kemudahan dalam pembuatan aplikasi mobile. Aplikasi yang telah dibuatdan dapat langsung dimasukan ke penyimpanan komputasi awan.

• Media

Layanan Media Windows Azure memperbolehkan untuk mengembangkan solusi penyebaran media,yang mana bisa menampilkan media dari Adobe Flash, Android, iOS, Windows, dan platform lainnya

• Aplikasi Web

Windows Azure menawarkan keamanan dan fleksibilitas pengembangan, penyebaran, dan pilihan skalauntuk berbagai macam ukuran aplikasi web.

• Penyimpanan, Pencadangan, dan Pemulihan

Windows Azure menyediakan penyimpanan, pencadangan, dan solusi pemulihan data apapun.

• Identitas dan Manajemen Akses

Windows Azure Active Directory memberikan layanan pengamanan pada identitas perusahaan. Sertamelakukan manajemen pada banyak pengguna di sebuah perusahaan.

• Integrasi

Windows Azure memperbolehkan pengguna untuk membawa seluruh aplikasi, data, perangkat, mitrake perangkat lokal dan ke awan.

• Manajemen Data

Windows Azure menyediakan solusi yang tepat untuk kebutuhan data pengguna.

18.7. REFERENSI 89

18.7 Referensi[1] The Internet Cloud

[2] Gartner Says Cloud Computing Will Be As Influential As E-business

[3] What’s the difference Between Cloud Computing and SaaS?

[4] Distinguishing Cloud Computing from Utility Computing

[5] ORGs for Scalable, Robust, Privacy-Friendly Client Cloud Computing

[6] http://www.bhinekanews.com/2014/05/sejarah-icloud.html

[7] Simson Garfinkel (3 October 2011). [“The Cloud Imperative”]. Technology Review (MIT). Retrieved 31 May 2013.

[8]

18.8 Pranala luar• Memahami SaaS Cloud Computing, Journal Information Technology of Bunda Mulia University

• Pengembangan Elemen Cloud Computing dalam Sistem Teknologi Informasi

• Buku Teknologi Cloud Computing

• iCloud Pengembangan dari Cloud Computing

• Detikinet, Momentum bisnis cloud computing

• Detikinet, Cloud computing Indonesia butuh edukasi

• Detikinet, Komputasi awan hibrid

• Vivanews, komputasi awan semakin menarik

• TheNISTDefinition of Cloud Computing. PeterMell and Timothy Grance, NIST Special Publication 800-145(September 2011). National Institute of Standards and Technology, U.S. Department of Commerce.

• Guidelines on Security and Privacy in Public Cloud Computing. Wayne Jansen and Timothy Grance, NISTSpecial Publication 800-144 (December 2011). National Institute of Standards and Technology, U.S. Depar-tment of Commerce.

• Cloud Deployment Models

• Cloud Computing – Benefits, risks and recommendation for information security. Daniele Cattedu and GilesHobben, European Network and Information Security Agency 2009.

• Fighting cyber crime and protecting privacy in the cloud. European Parliament – Directorate-General forInternal Policies. 2012

• Cloud Computing: What are the Security Implications?: Hearing before the Subcommittee on Cybersecuri-ty, Infrastructure Protection, and Security Technologies of the Committee on Homeland Security, House ofRepresentatives, One Hundred Twelfth Congress, First Session, October 6, 2011

• PCI Compliant E-Commerce In The Cloud Hosting E-Commerce Based on Cloud Computing

• Cloud and Datacenter Solution Hub on Microsoft TechNet

• Forbes article: security issues arising from Snowden situation

• Windows Azure Homepage

• Lebih Jauh Mengenal Cloud Computing

Bab 19

Internet of Things

Internet of Things, atau dikenal juga dengan singkatan' IoT, merupakan sebuah konsep yang bertujuan untukmemperluas manfaat dari konektivitas internet yang tersambung secara terus-menerus. Adapun kemampuan sepertiberbagi data, remote control, dan sebagainya, termasuk juga pada benda di dunia nyata. Contohnya bahan pangan,elektronik, koleksi, peralatan apa saja, termasuk benda hidup yang semuanya tersambung ke jaringan lokal dan globalmelalui sensor yang tertanam dan selalu aktif.[1]

Pada dasarnya, Internet of Things mengacu pada benda yang dapat diidentifikasikan secara unik sebagai represen-tasi virtual dalam struktur berbasis Internet. Istilah Internet of Things awalnya disarankan oleh Kevin Ashton padatahun 1999 dan mulai terkenal melalui Auto-ID Center di MIT.Dan kini IoT menjadi salah satu tugas bagi seorangmahasiswa di sebuah perguruan tinggi. [1]

19.1 Definisi Orisinil

Pada bulan Juni 2009 Ashton berkomentar.

“Hari ini komputer dan manusia, hampir sepenuhnya tergantung pada Internet untuk segala informasiyang semua terdiri dari sekitar 50 petabyte (satu petabyte adalah 1.024 terabyte) data yang tersedia padaInternet dan pertama kali digagaskan dan diciptakan olehmanusia. Dari mulai mengetik, menekan tombolrekam, mengambil gambar digital atau memindai kode bar.

Diagram konvensional dari Internet meninggalkan router menjadi bagian terpenting dari semuanya.Masalahanya adalah orang memiliki waktu, perhatian dan akurasi terbatas. Mereka semua berarti tidaksangat baik dalam menangkap berbagai data tentang hal di dunia nyata. Dan itu adalah masalah besar.

Dari segi fisik dan begitu juga lingkungan kita. Gagasan dan informasi begitu penting, tetapi banyaklagi hal yang penting. Namun teknologi informasi saat ini sangat tergantung pada data yang berasal dariorang-orang sehingga komputer kita tahu lebih banyak tentang semua ide dari hal-hal tersebut.

Jika kita memiliki komputer yang begitu banyak tahu tentang semua hal itu. Menggunakan datayang berkumpul tanpa perlu bantuan dari kita. Kita dapat melacak dan menghitung segala sesuatu dansangat mengurangi pemborosan, kerugian, dan biaya. Kita akan mengetahui kapan hal itu diperlukanuntuk mengganti, memperbaiki atau mengingat, dan apakah mereka menjadi terbarui atau melewati yangterbaik.

Internet of Things memiliki potensi untuk mengubah dunia seperti pernah dilakukan oleh Internet,bahkan mungkin lebih baik. (Ashton,2009)[2]

Penelitian pada Internet of Things masih dalam tahap perkembangan. Oleh karena itu, tidak adadefinisi standar dari Internet of Things.[1] Terdapat juga berbagai definisi yang dirumuskan oleh penelitiyang berbeda serta tercantum dalam survei.”

19.2 Definisi Alternatif

• Casagras (Coordination and support action for global RFID-related activities and standardisation)

90

19.3. KEUNIKAN PENGALAMATAN SUATU BENDA 91

Mendefinisakan Internet of Things, sebagai sebuah infrastruktur jaringan global, yang menghubungkan benda-bendafisik dan virtual melalui eksploitasi data capture dan kemampuan komunikasi. Infrastruktur terdiri dari jaringan yangtelah ada dan internet berikut pengembangan jaringannya. Semua ini akan menawarkan identifikasi obyek, sensor dankemampuan koneksi sebagai dasar untuk pengembangan layanan dan aplikasi ko-operatif yang independen. Ia jugaditandai dengan tingkat otonom data capture yang tinggi, event transfer, konektivitas jaringan dan interoperabilitas.

• SAP (Systeme, Anwendungen und Produkte)

Mendefinisikannya bahwa Dunia di mana benda-benda fisik diintegrasikan ke dalam jaringan informasi secara ber-kesinambungan, dan di mana benda-benda fisik tersebut berperan aktif dalam proses bisnis. Layanan yang tersediaberinteraksi dengan ‘obyek pintar’ melalui Internet, mencari dan mengubah status mereka sesuai dengan setiap in-formasi yang dikaitkan, disamping memperhatikan masalah privasi dan keamanan.

• CORDIS

Rencana aksi untuk Uni Eropa untuk memperkenalkan pemerintahan berdasarkan Internet of Things.

• ETP EPOSS

Jaringan yang dibentuk oleh hal-hal atau benda yang memiliki identitas, pada dunia maya yang beroperasi di ruang itudengan menggunakan kecerdasan antarmuka untuk terhubung dan berkomunikasi dengan pengguna, konteks sosialdan lingkungan.

19.3 Keunikan Pengalamatan Suatu Benda

Ide Sebenarnya dari Auto - ID Center berbasis pada Radio Frequency Identification(RFID) dan identifikasi yangunik melalui Electronic Product code namun hal ini telah berkembang menjadi obyek yang memiliki alamat Intenetprotocol(IP) atau Uniform Resource Identifier(URI).Pandangan alternatif , dari dunia Semantic Web , berfokus pada pembuatan segala sesuatu yang berhubungan denganRFID dan dihubungkan oleh masing-masing protokol, seperti URI . Obyek itu sendiri terhubung dengan objek lainnyasecara otomatis seperti halnya suatu server terpusat yang terhubung langsung dengan kliennya dan dikendalikan olehmanusia.Generasi berikutnya dari aplikasi Internet menggunakan Internet Protocol Version 6 (IPv6) akan mampu berkomu-nikasi dengan perangkat yang melekat pada hampir semua benda buatan manusia karena ruang alamat yang sangatbesar dari protokol IPv6 . Sistem ini dapat membangun sebuah objek dalam skala yang besar .Kombinasi ide ini dapat ditemukan dalam arus GS1/EPCglobal EPC Information Services (EPCIS). Sistem ini di-gunakan untuk mengidentifikasi objek mulai dari industri hingga ke logistik pemasaran.

19.4 Cara Kerja

Cara Kerja Internet of Things yaitu dengan memanfaatkan sebuah argumentasi pemrograman yang dimana tiap-tiapperintah argumennya itu menghasilkan sebuah interaksi antara sesama mesin yang terhubung secara otomatis tanpacampur tangan manusia dan dalam jarak berapa pun.Internetlah yang menjadi penghubung di antara kedua interaksimesin tersebut, sementara manusia hanya bertugas sebagai pengatur dan pengawas bekerjanya alat tersebut secaralangsung.Tantangan terbesar dalam mengkonfigurasi Internet of Things ialah menyusun jaringan komunikasinya sendiri, yangdimana jaringan tersebut sangatlah kompleks, dan memerlukan sistem keamanan yang ketat. Selain itu biaya yangmahal sering menjadi penyebab kegagalan yang berujung pada gagalnya produksi.

19.5 Karakteristik dan Trends

1.Kecerdasan

92 BAB 19. INTERNET OF THINGS

• Kecerdasan intelejensi dan kontrol automatisasi di saat ini merupakan bagian dari konsep asli In-ternet of Things . Namun, perlu dilakukan riset yang lebih mendalam lagi di dalam penelitiankonsep Internet of Things dan kontrol automatisasi agar pada masa depan Internet of Things akanmenjadi jaringan yang terbuka dan semua perintah dilakukan secara auto - terorganisir atau ce-rdas ( Web , komponen SOA ) , obyek virtual ( avatar ) dan dapat dioperasikan dengan mudah ,bertindak secara independen sesuai dengan konteks , situasi atau lingkungan yang dihadapi .

2.Arsitektur

• Arsitektur Internet Of Things terdiri atas beberapa jaringan dan sistem yang kompleks serta se-kuriti yang sangat ketat , jika ketiga unsur tersebut dapat dicapai , maka kontrol automatisasi didalam Internet Of Things dapat berjalan dengan baik dan dapat digunakan dalam jangka waktuyang lama sehingga mendapatkan profit yang banyak bagi suatu perusahaan , namun dalam mem-bangun ketiga arsitektur itu banyak sekali perusahaan pengembang IOT yang gagal , karena dalammembangun arsitektur itu membutuhkan waktu yang lama serta biaya yang tidak sedikit.

3.Faktor Ukuran, Waktu dan Ruang

• Di dalam membangun Internet Of Things para engineer harus memperhatikan ketiga aspek yaitu: Ukuran , ruang , dan waktu. Dalam melakukan pengembangan IOT faktor Waktu yang bia-sanya menjadi kendala.Biasanya dibutuhkan waktu yang lama karena menyusun sebuah jaringankompleks di dalam IOT tidak lah mudah dan tidak dapat dilakukan oleh sembarang orang.

19.6 Pembagian Internet of Things/M2M

Peta Pembagian Sektor oleh Beecham Research’s

Diagram di samping merupakan diagram M2M/IoT yang di kemukakan oleh Beecham Research’s dengan sektoryang sangat luas yang dibagi menjadi 9 bagian.

19.6. PEMBAGIAN INTERNET OF THINGS/M2M 93

Sektor Pembangunan

Sektor Pembangunan ini diatur dalam Komersial / Kelembagaan, meliputi toko-toko dan supermarket, gedung per-kantoran dan departemen pemerintah, dan segmen industri, meliputi bangunan pabrik, dan perumahan. Perangkatyang kemudian dapat dihubungkan untuk memberikan pelayanan kepada pengguna termasuk HVAC, kontrol ak-ses, manajemen pencahayaan,sensor kebakaran, sistem keamanan dan lain-lain yang berada di gedung-gedung danfasilitas di kedua segmen. Layanan ini dibangun untuk mengotomatisasi dan bereaksi terhadap kondisi lingkungan.

Sektor Energi

Sektor Energi diatur ke dalam tiga segmen pasar:

1. Pasokan / Permintaan, yang meliputi pembangkit listrik, transmisi / distribusi, kualitas daya dan manajemenenergi. Meliputi pembangkit listrik dari sumber-sumber tradisional - bahan bakar fosil, hidro dan nuklir.

2. Alternatif, meliputi sumber baru termasuk sumber energi terbarukan seperti cahaya, angin, pasang sertaelektrokimia.

3. Minyak / Gas, yang terdiri dari aplikasi dan perangkat yang digunakan untuk mengekstrak dan mengangkutkomoditas ini. Meliputi rig, derek, kepala sumur, pompa dan pipa.

Sektor Rumah Tangga

Sektor rumah tangga saat ini beragam dan cepat berubah, disusun dalam tiga segmen pasar:

1. Infrastruktur, meliputi kabel, akses jaringan dan manajemen energi rumah

2. Kesadaran / Keamanan, meliputi keamanan dan alarm kebakaran rumah, pemantauan lansia (tidak klinis) dananak-anak.

3. Kenyamanan / Hiburan, meliputi pengendalian iklim, manajemen pencahayaan, peralatan dan hiburan

Oleh karena itu sektor ini sekarang mencakup eReaders, photoframes Digital, Game konsol serta Cincin / pengeringdan Alarm Rumah.

Sektor Kesehatan

Sektor kesehatan meliputi telemedicine, rumah jompo, dan perawatan kesehatan di rumah termasuk pemantauanjarak jauh. Misalnya alat pacu jantung jantung ditanamkan untuk orang tua (klinis). Aplikasi ini memberdayakanpasien dan dokter sama untukmelakukan penelitian yang lebih baik dan pilihan pengobatan. Sektor ini kemudian jugamelacak peralatan Lab, seperti sentrifus, inkubator, freezer dan peralatan tes darah. Ini mencakup segmen berikut:

1. Perawatan meliputi Rumah Sakit, ER, Ponsel POC, Klinik, dll.

2. Dalam vivo(berasal dari Spanyol: vivo[vivo, “hidup"]) / rumah meliputi Implan (pacu jantung, dll), SistemPemantauan Rumah.

3. Penelitian yang meliputi Penemuan Obat, Diagnostik dan peralatan Lab.

Sektor Industri

Sektor Industri mencakup pemantauan dan pelacakan aset, yang melibatkan pemantauan diskrit aset atau perangkatuntuk memastikan kinerja uptime, kontrol versi, dan analisis lokasi untuk berbagai proses industri pabrik. Proses initersegmentasi sebagai berikut:

1. cairan

94 BAB 19. INTERNET OF THINGS

2. Konversi / Diskrit meliputi tank, fabrikasi, perakitan / kemasan.3. Distribusi meliputi infrastruktur / rantai persediaan.4. Sumber Otomasi meliputi pertanian, irigasi, pertambangan, gudang, pabrik / tanaman.

Sektor Transportasi

Sektor Transportasi dibagi menjadi tiga segmen utama:

1. Kendaraan. Ini termasuk kendaraan telematika, pelacakan dan komunikasi dengan mobil, truk dan trailer.Kendaraan telematika kemudian memungkinkan layanan seperti navigasi, diagnostik kendaraan, dan pencariankendaraan yang dicuri. Daerah yang berhubungan dengan kendaraan lainnya termasuk off-highway (misalnyakonstruksi, pertanian)

2. Non-Kendaraan. Transportasi non-kendaraan termasuk pesawat, kereta api, kapal / perahu dan kontainer3. Sistem Transportasi. Transportasi Sistem mencakup layanan informasi untuk penumpang , skema pembayaran

jalan, skema parkir, terutama di kota-kota.

Sektor Perdagangan

Sektor perdagangan yang meliputi sistem jaringan dan perangkat yang memungkinkan pengecer untuk memilikipeningkatan visibilitas rantai pasokan, konsumen dan mengumpulkan informasi produk, meningkatkan kontrol per-sediaan, mengurangi konsumsi energi, dan penelusuran aset dan keamanan. Ini termasuk angka penjualan peralatan,Mesin penjual (makanan / minuman, rokok, produk bernilai tinggi seperti CD),alat pembayaran parkir, Peralatan(pompa bensin, pencuci / pengering, pendingin, pembersih mobil) Layanan, Hiburan (mesin game, sistem suara) danSignage / tampilan (billboard, display) serta sistem RFID (penandaan barang), dll. Sektor ini dibagi menjadi tigasegmen utama:

1. Toko, meliputi supermarket, pusat perbelanjaan, serta situs toko tunggal dan pusat distribusi.2. Perhotelan meliputi hotel, restoran, bar, kafe dan klub.3. Khusus meliputi SPBU, game, bowling, bioskop, konser, balap, dan pameran.

Sektor Keamanan

Sektor Keamanan Publik sangat luas dan dibagi menjadi lima segmen:

1. Layanan darurat, meliputi polisi, pemadam kebakaran, jasa ambulans serta kerusakan mobil dan layanan pe-ngaturan. Ini termasuk unit gawat darurat.

2. Infrastruktur Publik, meliputi pemantauan lingkungan termasuk dataran banjir, instalasi pengolahan air. Halini berkaitan dengan iklim dan meteorologi.

3. Pelacakan meliputi manusia (pekerja mandiri, parolees, dll), hewan, pengiriman dan pos, kemasan dan pela-cakan bagasi.

4. Peralatan meliputi senjata militer, kendaraan militer, kapal, pesawat dan peralatan lainnya.5. Pengawasan, meliputi pengawasan tetap (CCTV, Kamera Kecepatan) serta keamananmiliter dan radar / satelit.

Sektor Teknologi dan Jaringan

Sektor ini dibagi menjadi dua segmen utama:

1. Jaringan perusahaan, meliputi peralatan kantor seperti mesin fotokopi, printer, mesin cap serta pemantauanjarak jauh PBXs, IT / komponen pusat data dan komponen jaringan pribadi.

2. Jaringan publik termasuk infrastruktur pembawa seperti menara selular, pusat data publik, sistem pasokanlistrik dan penyejuk ruangan. Kategori ini berbeda dari manajemen fasilitas di sektor pembangunan.

19.7. TEKNOLOGI PENGIMPLEMENTASIAN INTERNET OF THINGS 95

19.7 Teknologi Pengimplementasian Internet of Things

Internet of Things mengacu pada pengidentifikasian suatu objek yang direpresentasikan secara virtual di dunia mayaatau Internet. Jadi dapat dikatakan bahwa Internet of Things adalah bagaimana suatu objek yang nyata di dunia inidigambarkan di dunia maya (Internet). Bahkan salah satu cafe kopi terkenal di Indonesia “Starbucks” dalam beberapatahun ke depan, dilaporkan berencanamenghubungkan kulkas danmesin kopi milikmereka dengan teknologi Internetof Thing. Sehingga mereka dapat meningkatkan pelayanan mereka dengan mengetahui apa saja yang lebih disukaikonsumen, meramalkan kebutuhan stock barang (kopi,dll), dan masih banyak lainnya dan pada akhirnya efisiensi dankeuntungan akan meningkat. [3] Mari kita bayangkan ketika semua benda, bahkan manusia, hewan dan tumbuhandilengkapi dengan alat pengidentifikasian, maka mereka bisa dikelola secara efisien dengan bantuan komputer. Danpengidentifikasian tersebut dapat dilakukan dengan beberapa teknologi seperti kode batang (Barcode), Kode QR (QRCode) dan Identifikasi Frekuensi Radio (RFID)

19.7.1 Kode Batang

Contoh kode batang

Kode batang atau lebih dikenal dengan bahasa inggrisnya barcode adalah suatu kumpulan data optik yang dapat dibacaoleh alat scannernya.[4] Kode batang pada awalnya digunakan untuk otomatisasi pemeriksaan barang di swalayan danhingga saat ini kode batang (tipe UPC (Universal Price Codes)) kebanyakan masih digunakan untuk hal tersebut.[5]Hal ini dikarenakan banyaknya keuntungan yang dapat diambil dari penggunaan kode batang, yaitu :

1. Proses Input Data lebih cepat, karena : Scanner Kode batang dapat membaca / merekam data lebih cepatdibandingkan dengan melakukan proses input data secara manual.

2. Proses Input Data lebih tepat, karena : Teknologi Kode batang mempunyai ketepatan yang tinggi dalam pen-carian data.

3. Proses Input lebih akurat mencari data, karena : Teknologi Kode batang mempunyai akurasi dan ketelitianyang sangat tinggi.

96 BAB 19. INTERNET OF THINGS

4. Mengurangi Biaya, karena dapat mengindari kerugian dari kesalahan pencatatan data, dan mengurangi pe-kerjaan yang dilakukan secara manual secara berulang-ulang dan memiliki harga yang lebih murah daripadaRFID.

5. Peningkatan Kinerja Manajemen, karena dengan data yang lebih cepat, tepat dan akurat maka pengambilankeputusan oleh manajemen akan jauh lebih baik dan lebih tepat, yang nantinya akan sangat berpengaruh dalammenentukan kebijakan perusahaan.

Prinsip kerja kode batang sangatlah sederhana, yaitu ketika kode batang didekatkan pada scanner atau pemindainya,maka scannernya akan memancarkan cahaya dan mengidentifikasi informasi atau kode yang ada pada kode batangtersebut.

19.7.2 Kode QR

Contoh proses pengiriman informasi kode QR melalui telepon seluler

Kode QR atau lebih dikenal dengan sebutan QR Code (Quick Response Code) adalah suatu kode batang dua di-mensi yang dikembangkan oleh Denso Wave, salah satu divisi pada Denso Corporation yang merupakan perusahaanjepang. Sesuai namanya Kode QR (Quick Response) diciptakan untuk menyampaikan informasi dengan cepat danmendapatkan respons yang cepat pula. Berbeda dengan kode batang, yang hanya menyimpan informasi secara hori-zontal, kode QR mampu menyimpan informasi secara horizontal dan vertikal, oleh karena itu secara otomatis KodeQR dapat menampung informasi yang lebih banyak daripada kode batang. Pada zaman sekarang ini kode QR ba-nyak digunakan sebagai alat penaut fisik yang dapat menyimpan alamat dan URL, nomer telepon, teks dan sms yangdapat digunakan pada majalah, surat harian, iklan, pada tanda-tanda bus, kartu nama ataupun media lainnya. Ataudengan kata lain sebagai penghubung secara cepat konten daring (dalam jaringan/online) dan konten luring (luarjaringan/offline). Kehadiran kode ini memungkinkan semua orang berinteraksi dengan media yang ditempeli olehkode QR, melalui ponsel secara efektif dan efisien. Semua orang juga dapat menghasilkan dan mencetak sendirikode QR, sehingga orang lain dapat dengan mudah mengakses alamat URL ataupun segala informasi yang disimpanoleh kode QR tersebut .

19.7.3 Identifikasi Frekuensi Radio

Identifikasi Frekuensi Radio atau RFID (Radio Frequensi Identifity) merupakan salah satu teknologi implementasidari Internet of Things. Secara singkatnya, RFID adalah sebuah metode identifikasi secara otomatis dengan menggu-nakan suatu piranti yang disebut RFID tag atau transponder [6]. Pada zaman modern sekarang ini, RFID merupakanteknologi yang sudah umum (banyak digunakan), dikarenakan kegunaan dan efisiensinya dalam mendukung segalaaktivitas kehidupan manusia. Baik pada sektor produksi, distribusi maupun konsumsi. Hal ini dikarenakan label ataukartu RFID adalah sebuah benda yang bisa dipasang atau dimasukkan di dalam sebuah produk, hewan atau bahkanmanusia dengan tujuan untuk identifikasi menggunakan gelombang radio. Sehingga memudahkan penggunanya un-tuk mendata (mengetahui jumlah maupun keberadaan atau lokasi) barang yang dimilikinya tersebut. Prinsip kerjaRFID sangatlah sederhana yaitu RFIDtag (label RFID) memuat informasi dalam bentuk elektronik dan ketika berte-mu dengan RFIDreadernya, informasi itu akan dikirimkan ke RFIDreader dalam bentuk gelombang radio (makanyadisebut Radio Frequensi Identifity). Sehingga benda tersebut dapat teridentifikasi oleh RFIDreadernya.

19.8. METODE DAN PENGIMPLEMENTASIAN 97

Contoh RFID yang ditempelkan pada sepatu untuk mendeteksi pelari di garis finish

19.8 Metode dan Pengimplementasian• Metode yang digunakan oleh Internet of Things adalah nirkabel atau pengendalian secara otomatis tanpa meng-enal jarak. Pengimplementasian Internet of Things sendiri biasanya selalu mengikuti keinginan si developerdalam mengembangkan sebuah aplikasi yang ia ciptakan, apabila aplikasinya itu diciptakan guna membantumonitoring sebuah ruangan maka pengimplementasian Internet of Things itu sendiri harus mengikuti alur di-agram pemrograman mengenai sensor dalam sebuah rumah, berapa jauh jarak agar ruangan dapat dikontrol,dan kecepatan jaringan internet yang digunakan. Perkembangan teknologi jaringan dan Internet seperti hadir-nya IPv6, 4G, dan Wimax, dapat membantu pengimplementasian Internet of Things menjadi lebih optimal,dan memungkinkan jarak yang dapat di lewati menjadi semakin jauh, sehingga semakin memudahkan kitadalam mengontrol sesuatu.

• Pengimplementasian Internet of Things terwujud dalam produk Speedy Monitoring. Produk ini diluncurkanoleh PT Telkom guna menangkap, merekam, dan memonitor suatu ruangan atau area tertentu dengan meng-gunakan IP Camera yang terhubung ke jaringan Speedy. Kelebihan produk ini adalah kita dapat mengakseshasil monitoring kamera dan memanajemen sistem ini melalui web browser. Baik melalui desktop maupunmobile phone. Keistimewaan dari produk Speedy Monitoring adalah tersedianya media penyimpanan yang di-tangani secara terpusat sehingga kita hanya perlu menyediakan kamera dan tak perlu repot lagi dengan urusanpenyediaan tempat penyimpanan data dan penyediaan server. Dapat mengawasi dan mengontrol suatu tem-

98 BAB 19. INTERNET OF THINGS

pat dan keadaaan saat kapanpun dan dimanapun adalah idaman. Tentunya dengan IOT mempermudah kitamengawasi dan mengontrol apapun tanpa terbatas jarak dan waktu (online monitoring), termasuk memonitorkeadaan rumah (home monitoring). Jika Home Monitoring dapat dilakukan dengan mudah, setiap waktu, dandari media akses apapun tentunya kita akan merasa aman dan nyaman meninggalkan rumah apalagi dalamjangka waktu yang lama. Maka dari itu dengan Internet of Things kita dapat mengendalikan segala sesuatumelalui sebuah perangkat dan mempermudah dalam melakukan segala aktivitas.

19.9 Manfaat Internet of Things

Banyak manfaat yang didapatkan dari internet of things. Pekerjaan yang kita lakukan menjadi cepat, mudah, danefisien. Kita juga bisa mendeteksi pengguna dimanapun ia berada. Sebagai contoh barcode yang tertera pada sebuahproduk. Dengan barcode tersebut, bisa dilihat produk mana yang paling banyak terjual dan produk mana yang kurangdiminati. Selain itu dengan barcode kita juga bisa memprediksi produk yang stoknya harus ditambah atau dikurangi.Dengan barcode kita tak perlu susah – susah menghitung produk secara manual. Contoh lain saat kita pergi keSingapore. Jika kita ingin bepergian menggunakan transportasi umum seperti MRT atau bis kita cukup menggunakanatau membeli EZ-link card. EZ-link card biasanya dipakai oleh para wisatawan yang mengunjungi Singapore sebagaipengganti uang untuk membayar jasa transportasi yang telah digunakan. Sedangkan warga negara Singapore sendirimenggunakan ktp ataupun kartu pelajar sebagai alat membayarnya. Cara ini lebih efisien dan cepat ketimbang kitamenggunakan uang tunai. Jika kita menggunakan uang tunai, kita masih harus mengantri untuk membayar, belumlagi jika kita membayar dengan nilai nominal uang besar, kita harus menunggu untuk mendapatkan uang kembaliankita.Aplikasi IoT dalam B2B dan pemerintahan:Iklan dan pemasaran terhubung. Cisco percaya bahwa kategori ini (Billboards terkoneksi internet) akan menjaditiga terbesar kategori IoT, bersamaan dengan smart factories dan sistem pendukung telecommuting.

Sistem pengelolaan sampah. Di Cincinnati, volume sampah masyarakat turun 17% dan volume daur ulang me-ningkat hingga 49% melalui pemanfaatan program “pay as you throw” berbasis teknologi IoT untuk memonitor siapayang membuang sampah melebihi batas.Jaringan listrik pintar yangmenyesuaikan tarif untuk penggunaan puncak energi. Jaringan listrik ini mewakilipenghematan US$200 miliar hinga US$500 miliar per tahun sampai dengan 2025 berdasarkan McKinsey GlobalInstitute.Sistem air cerdas. Kota Doha, Sao Paulo, dan Beijing mengurangi kebocoran air 40-50% dengan meletakkan sensorpada pompa dan infrastruktur air lainnya.Penggunaan dalam industri mencakup pabrik dan gudang terhubung, internet yang dikelola jaringan rakitan, dansebagainya. [7]

19.10 Referensi

[1] Janssen, Cory. Internet of Things: IoT . Diakses dari situs techopedia pada 9 November 2013

[2] Ashton, Kevin. Internet of Things. Diakses dari situs RFIDJournal pada 9 November 2013

[3] Sekar, Putri. Starbucks Akan GunakanMesin Kopi dan Kulkas Cerdas. Diakses dari situsMarketing.co.id pada 9 November2013.

[4] Barcode. Diakses dari situs Computer Hope pada 9 November 2013

[5] Barcode Technology: What is Barcode?. Diakses dari situs Engineers Garage pada 9 November 2013

[6] Alif, Taufiq Alif Kurniawan.RFID: Radio Frequency Identification. Diakses dari Blog Coretan Cempluk pada 9 November2013

[7] Sekar, Putri. Era Internet of Things. Diakses dari situs Marketing.co.id pada 11 November 2013

19.11. PRANALA LUAR 99

19.11 Pranala Luar• (Inggris) Oracle IoT yang diatur oracle

• (Inggris) Komunitas Internet of Things IEEE yang diatur IEEE

• (Inggris) pemetaan di bidang IoT/M2M yang tiatur Beecham Research

• (Inggris) grafik tentang Internet of Things

Bab 20

Big data

Visualisasi suntingan harian di Wikipedia yang dibuat oleh IBM. Teks dan gambar yang ada di Wikipedia hingga beberapa terabitaadalah contoh sederhana mahadata.

Mahadata, lebih dikenal dengan istilah bahasa Inggris big data, adalah istilah umum untuk segala himpunan data(data set) dalam jumlah yang sangat besar, rumit dan tak terstruktur sehingga menjadikannya sukar ditangani apabilahanya menggunakan perkakas manajemen basis data biasa atau aplikasi pemroses data tradisional belaka.Tantangannya meliputi pemerolehan, kurasi, penyimpanan, penelusuran (search), pembagian, pemindahan, analisis,dan visualisasi data. Tren kian membesarnya himpunan data terjadi akibat bertambahnya informasi dari himpunan-himpunan besar yang saling terkait, dibandingkan dengan himpunan-himpunan kecil lain dengan jumlah total datayang sama. Korelasi baru dapat ditemukan dalam analisis himpunan data guna “mencermati tren bisnis, menentukankualitas penelitian, mencegah penyakit, melawan tindak pidana, dan mengetahui kondisi lalu lintas jalan raya secarawaktu nyata"[1].

100

20.1. REFERENSI 101

20.1 Referensi[1] “Data, data everywhere”. The Economist. 25 Februari 2010. Diakses tanggal 9 Desember 2012.

Bab 21

Green computing

102

Bab 22

IF - 05 Green Computing

103

Bab 23

Latar Belakang Green Computing

Latar belakang Istilah adalah green computing muncul tidak hanya seiring dengan meningkatnya biaya energi danpotensi penyimpanan, tetapi juga karena dampak terhadap lingkungan.Pengertian dari Green Computing atau Komputasi Hijau itu sendiri yaitu suatu ilmu atau penerapan tentang bagai-mana kita menggunakan sumber daya komputer atau perangkat elektronik yang kita miliki secara efisien dan ramahlingkungan. Sasaran utama green computing adalah bumi ini sendiri, manusia, serta laba/keuntungan. Tujuannyajelas untuk mengurangi penggunaan bahan-bahan yang berbahaya terhadap lingkungan, mengefisiensi penggunaanenergi, menyeimbangkan antara teknologi dan lingkungan agar tercipta suatu teknologi yang ramah lingkungan dantidak merusak alam atau lingkungan hidup serta menerapkan daur ulang pada bahan-bahan pembuat komputer. Salahsatu langkah yang mudah untuk mengefisien kan penggunaan energi adalah penggunaan laptop daripada komputerpribadi di rumah, secara tidak langsung cara ini dilakukan untuk menghemat energi.Cikal bakal tercetusnya green computing berasal dari Badan Perlindungan Lingkungan di Amerika yang melun-curkan program Energy Star pada tahun 1992. Energy star itu sendiri ialah sebuah program yang melabeli efisiensienergi pada hardware dan sumber daya komputer yang ramah lingkungan dan hemat energy. Program ini kemudianmenyebar di sekitar Eropa dan Asia.

104

Bab 24

Penerapan Green Computing

Penerapan Green computing memiliki beberapa cara , seperti konsolidasi infrastruktur, penggunaan daya keseluruh-an yang lebih rendah, dan pemanfaatan sistem yang lebih optimal untuk melakukan berbagai pola kerja. Ini jugatermasuk merangkul dan mengadopsi bahan berbasis industri-industri terkemuka yang memiliki masalah dengandampak pada lingkungan yang hijau. Solusi pada jaringan menurunkan overhead CPU dan meningkatkan pemanfa-atan sistem, dengan demikian dampak langsungnya yang dapat dirasakan adalah menurunya tagihan listrik. Contohpengaplikasian komputasi hijau yang lain adaah penggunaan CPU dan komputer server yang hemat energi.GreenComputing yang juga bertujuan untukmencapai kelayakan ekonomimelakukan pengembangan-pengembanganterhadap praktik produksi ramah lingkungan , komputer hemat energi dan peningkatan prosedur pembuangan sertadaur ulang.- Untuk mempromosikan konsep green computing,maka ada empat pendekatan yang dilakukan :

1. Green use : Meminimalkan konsumsi listrik perangkat komputer dalam cara yang ramah lingkungan.

2. Green disposal : membuat kembali komputer yang sudah ada atau mendaur ulang perangkat elektronik yangtidak digunakan.

3. Green design : Merancang komputer yang hemat energi , server , printer, proyektor dan perangkat digitallainnya.

4. GreenManufactur : Meminimalkan limbah selama proses pembuatan komputer dan mengurangi dampaknyaterhadap lingkungan.

Pemerintah dan pihak yang berwenang pun turut aktif memplokamirkan konsep green computing ini dengan mela-kukan beberapa program serta membuat peraturan-peraturan untuk menegakkannya.- Selain itu ada pula beberapa langkah sederhana agar penggunaan komputer lebih ramah lingkungan dan efisienenergi. Diantaranya :

1. Menggunakan mode tidur atau hibernasi ketika tidak menggunakan komputer dalam jangka waktu yang lama.

2. Menggunakan monitor layar datar atau LCD, bukan monitor tabung sinar katoda konvensional CRT.

3. Membeli komputer notebook hemat energi, bukan komputer desktop.

4. Mengaktifkan fitur manajemen daya untuk kendali konsumsi energi.

5. Mematikan komputer pada akhir penggunaan.

6. Mengisi ulang cartridge printer, bukan membeli lagi yang baru.

7. Memperbaiki perangkat yang ada, bukan langsung mengganti dengan komputer baru.

8. Gunakan metode tanpa kertas untuk berkomunikasi

9. Gunakan komputer yang memenuhi persyaratan energy star

105

106 BAB 24. PENERAPAN GREEN COMPUTING

10. Pilih mematikan monitor daripada menggunakan screen saver

11. Gunakan power saving setting pada laptop

12. Kurangi penggunaan backlight

13. Matikan bluetooth dan wifi ketika tidak digunakan

14. Melakukan upgrade RAM laptop daripada membeli laptop baru

Bab 25

Contoh Produk Green Computing

Contoh produk yang sudah menerapkan green computing adalah :- Komputer “hijau” lenovoSejak Oktober 2011 lalu, Lenovo sudah meluncurkan lima komputer “All in One” untuk pasar Indonesia. PihakLenovo mengklaim, “All in One” PC besutan mereka tersebut hanya mengonsumsi daya 150 sampai 180 watt. Typedari “All in One” itu sendiri diantaranya edge 91z, edge 71z, B520, B320, dan C320.

25.1 Pranala Luar• http://www.adityarizki.net/2008/12/apa-itu-green-computing/

• http://searchdatacenter.techtarget.com/definition/green-computing

• http://www.mellanox.com/page/green_computing

• http://tekno.kompas.com/read/2012/03/02/20481756/Komputer.Hijau.Lenovo.Hanya.Perlu.150.Watt

107

Bab 26

E-Business

E-bussss (Inggris: Electronic Business, atau “E-business") dapat diterjemahkan sebagai kegiatan bisnis yang dila-kukan secara otomatis dan semiotomatis dengan menggunakan sistem informasi komputer. Istilah yang pertama kalidiperkenalkan oleh Lou Gerstner, seorang CEO perusahaan IBM ini, sekarang merupakan bentuk kegiatan bisnisyang dilakukan dengan menggunakan teknologi Internet. E-bisnis memungkinkan suatu perusahaan untuk berhu-bungan dengan sistem pemrosesan data internal dan eksternal mereka secara lebih efisien dan fleksibel. E-bisnis jugabanyak dipakai untuk berhubungan dengan suplier dan mitra bisnis perusahaan, serta memenuhi permintaan danmelayani kepuasan pelanggan secara lebih baik.Dalam penggunaan sehari-hari, e-bisnis tidak hanyamenyangkut e-dagang (perdagangan elektronik atau e-commerce)saja. Dalam hal ini, e-dagang lebih merupakan sub bagian dari e-bisnis, sementara e-bisnis meliputi segala macamfungsi dan kegiatan bisnis menggunakan data elektronik, termasuk pemasaran Internet (e-pemasaran). Sebagai ba-gian dari e-bisnis, e-dagang lebih berfokus pada kegiatan transaksi bisnis lewat www atau Internet. Dengan meng-gunakan sistem manajemen pengetahuan, e-dagang mempunyai goal untuk menambah revenu dari perusahaan [1]

.Sementara itu, e-bisnis berkaitan secara menyeluruh dengan proses bisnis termasuk value chain: pembelian secaraelektronik (electronic purchasing), manajemen rantai suplai (supply chain management), pemrosesan order elektronik,penanganan dan pelayanan kepada pelanggan, dan kerja sama dengan mitra bisnis. E-bisnis memberi kemungkinanuntuk pertukaran data di antara satu perusahaan dengan perusahaan lain, baik lewat web, Internet, intranet, extranetatau kombinasi di antaranya.

26.1 Referensi[1] Paul Timmers, (2000), Electronic Commerce - strategies & models for business-to-business trading, pp.31, John Wiley &

Sons, Ltd, ISBN 0-471-72029-1

26.1.1 Wikibooks

• E-dagang dan e-bisnis (E-Commerce and E-Business)

108

Bab 27

Perdagangan elektronik

Perdagangan elektronik (bahasa Inggris: electronic commerce atau e-commerce) adalah penyebaran, pembelian,penjualan, pemasaran barang dan jasa melalui sistem elektronik seperti internet atau televisi, www, atau jaringankomputer lainnya. E-commerce dapat melibatkan transfer dana elektronik, pertukaran data elektronik, sistem ma-najemen inventori otomatis, dan sistem pengumpulan data otomatis.Industri teknologi informasimelihat kegiatan e-commerce ini sebagai aplikasi dan penerapan dari e-bisnis (e-business)yang berkaitan dengan transaksi komersial, seperti: transfer dana secara elektronik, SCM (supply chain manage-ment), pemasaran elektronik (e-marketing), atau pemasaran online (online marketing), pemrosesan transaksi online(online transaction processing), pertukaran data elektronik (electronic data interchange /EDI), dll.E-commerce merupakan bagian dari e-business, di mana cakupan e-business lebih luas, tidak hanya sekadar per-niagaan tetapi mencakup juga pengkolaborasian mitra bisnis, pelayanan nasabah, lowongan pekerjaan dll. Selainteknologi jaringan www, e-commerce juga memerlukan teknologi basisdata atau pangkalan data (databases), suratelektronik (e-mail), dan bentuk teknologi non komputer yang lain seperti halnya sistem pengiriman barang, dan alatpembayaran untuk e-dagang ini.

27.1 Sejarah dan Perkembangan E-Commerce

E-commerce pertama kali diperkenalkan pada tahun 1994 pada saat pertama kali banner-elektronik dipakai untuktujuan promosi dan periklanan di suatu halaman-web (website). Menurut Riset Forrester, perdagangan elektronikmenghasilkan penjualan seharga AS$12,2 miliar pada 2003. Menurut laporan yang lain pada bulan oktober 2006yang lalu, pendapatan ritel online yang bersifat non-travel di Amerika Serikat diramalkan akan mencapai seperempattrilyun dolar US pada tahun 2011.Istilah “perdagangan elektronik” telah berubah sejalan dengan waktu. Awalnya, perdagangan elektronik berarti pe-manfaatan transaksi komersial, seperti penggunaan EDI untuk mengirim dokumen komersial seperti pesanan pem-belian atau invoice secara elektronik.Kemudian dia berkembang menjadi suatu aktivitas yang mempunyai istilah yang lebih tepat “perdagangan web” —pembelian barang dan jasa melalui World Wide Web melalui server aman (HTTPS), protokol server khusus yangmenggunakan enkripsi untuk merahasiakan data penting pelanggan.Pada awalnya ketikawebmulai terkenal dimasyarakat pada 1994, banyak jurnalismemperkirakan bahwa e-commerceakan menjadi sebuah sektor ekonomi baru. Namun, baru sekitar empat tahun kemudian protokol aman sepertiHTTPS memasuki tahap matang dan banyak digunakan. Antara 1998 dan 2000 banyak bisnis di AS dan Eropamengembangkan situs web perdagangan ini.

27.2 Model-Model E-Commerce di Indonesia

1. Iklan Baris, merupakan salah satu bentuk e-commerce yang tergolong sederhana, bisa dianggap sebagai evolusidari iklan baris yang biasanya ditemui di koran-koran ke dalam dunia online. Penjual yang menggunakan socialmedia atau forum untuk beriklan, biasanya tidak bisa langsung menyelesaikan transaksi pada website yang

109

110 BAB 27. PERDAGANGAN ELEKTRONIK

bersangkutan. Namun penjual dan pembeli harus berkomunikasi secara langsung untuk bertransaksi. Contohiklan baris: OLX.co.id (sebelumnya Tokobagus), Berniaga, dan FJB-Kaskus.

2. Retail, merupakan jenis e-commerce yang di mana semua proses jual-beli dilakukan melalui sistem yang sudahditerapkan oleh situs retail yang bersangkutan. Oleh karena itu, kegiatan jual-beli di retail relatif aman, namunbiasanya pilihan produk yang tersedia tidak terlalu banyak, atau hanya fokus ke satu-dua kategori produk.Contoh retail: Berrybenzka, Zalora, dan Lazada.

3. Marketplace, bisa dianggap sebagai penyedia jasa mall online, namun yang berjualan bukan penyedia web-site, melainkan anggota-anggota yang mendaftar untuk berjualan di website marketplace yang bersangkutan.Marketplace umumnya menyediakan lapisan keamanan tambahan untuk setiap transaksi yang terjadi, sepertisistem pembayaran escrow atau lebih umum dikenal sebagai rekening bersama. Jadi setiap terjadi transaksi didalam sistem marketplace tersebut, pihak marketplace akan menjadi pihak ketiga yang menerima pembayar-an dan menjaganya hingga produk sudah dikirimkan oleh penjual dan diterima oleh pembeli. Setelah prosespengiriman selesai, barulah uang pembayaran diteruskan ke pihak penjual.

27.3 Kunci Sukses dalam E-Commerce

Dalam banyak kasus, sebuah perusahaan e-commerce bisa bertahan tidak hanya mengandalkan kekuatan produksaja, tapi dengan adanya tim manajemen yang handal, pengiriman yang tepat waktu, pelayanan yang bagus, strukturorganisasi bisnis yang baik, jaringan infrastruktur dan keamanan, desain situs web yang bagus, beberapa faktor yangtermasuk:

1. Menyediakan harga kompetitif2. Menyediakan jasa pembelian yang tanggap, cepat, dan ramah.3. Menyediakan informasi barang dan jasa yang lengkap dan jelas.4. Menyediakan banyak bonus seperti kupon, penawaran istimewa, dan diskon.5. Memberikan perhatian khusus seperti usulan pembelian.6. Menyediakan rasa komunitas untuk berdiskusi, masukan dari pelanggan, dan lain-lain.7. Mempermudah kegiatan perdagangan

27.4 Memulai Perdagangan Elekronik

Banyak pertanyaan yang masih mengganjal pada kebanyakan pelaku bisnis konvensional yang akan mengembangkanbisnisnya melalui internet. Yang jelas pelaku bsinis utamanya akan mempertimbangkan untung-ruginya jika bisnisdikembangkan melalui internet. Pertanyaan yang sering muncul misalnya seperti terangkum berikut ini:

• Seberapa besar manfaat (keuntungan) yang diperoleh dari e-commerce ini?• Bagaimana aturan main atau prosedur bisnisnya?• Berapa lama akan berlangsung bisnis dengan cara ini?• Bagaimana dengan resiko yang terjadi• Siapa saja para konsumennya?• Bagaimana jaminan keabsahan dan perlindungan hukum dari transaksi perdangan ini?

Karena e-commerce bisa dilakukan dengan transaksi yangmelampaui batas wilayah negara atau benua yang terkadangkita tidak tahu tempatnya dan bisnis yang dilakukan tidak semata melakukan transaksi jual-beli barang tapi juga jasa.Sungguh sangat riskan sekali terhadap permasalahan yang terjadi jika aturan main yang terjadi tidak jelas dalamskala internasional. Ketika suatu perusahaan telah memutuskan untuk melakukan bisnis lewat internet, ini berartipara eksekutif dalam perusahaan itu sendiri telah memikirkan bahwa manfaat yang didapat akan melebihi dibandingdengan kendala yang akan dihadapi. Ini berarti bahwa pihak manajemen atas mengambil langkah strategi untukmewujudkan komitmen menggunakan perdangan lewat intenet untuk mencapai keunggulan yang strategis.

27.4. MEMULAI PERDAGANGAN ELEKRONIK 111

27.4.1 Sebagai penjual atau pedagang

Langkah awal bagi penjual atau pebisnis yang akan memulai bisnis melalui intenet daalah harus mempertimbangkanbetul apakah memang produk yang ditawarkan atau dijual memang perlu untuk dijual melalui intenet? perlu diperhi-tungkan juga siapa kira-kira konsumen yang akan menggunakan atau membeli produk yang dijual?, sehingga kita bisamemprediksi laku tidaknya produk kita ketika ditawarkan melalui internet. Langkah kedua tentunya jika ditentukanlayak untuk membangun bisnis lewat intenet, harus segera dibangun web. Dalam membangun web ini kita tentukanapakah kita perlu membangun sendiri desain web-nya, apakah perlu menyediakan sendiri infrastrukturnya atau kitamenyewa pada Intenet Service Provider (ISP) atau dengan mendompleng pada situs lain yang sudah memiliki pasaryang terpercaya. Hal tersebut merupakan pertimbangan utama yang harus dijalankan saat memulai membangunsebuah bsinis di internet. Para pengusaha kecil mungkin harus melihat jauh diluar ISP-nya untuk melihat solusi-solusi bisnis yang murah. Contohnya, Forman interactive http://www.formanintraktive.com/ memberikan produkIntenet creator seharga kurang dari AS$150. Software tersebut menggunakan beberapa wizard untuk menolong kitamembuat halaman web yang aman untuk menjual produk kita. Bahkan jika meletakkan halaman tersebut di serverForman , mereka akan membantu menangani pembayaran melalui CheckFree http://checkfree.com/ . Contoh lainadalah milik situs milik Yahoo yaitu http://store.yahoo.com/ yang akan memungkinkan kita untuk membangun sis-tus web untuk berintraksi melalui browser web di rumah kita. Yahoo akan berfungsi sebagai host, biaya disesuaikandengan julah barang yang di jual, yaitu AS$100/bulan untuk toko yang menjual 50 barang, AS$300/bulan untuk tokodengan barang sampai 1000 barang.Sebagai solusi lain, IBM mengemukakan versi terbaru dari Net Commerce untuk AS/400, yang lebih memudahk-an pelanggan berskala kecil dan menengah untuk membangun, menjalankan dan mengelola toko elektroniknya diserver yang andal dan berpengaman (secure). IBM Net Commerce untuk AS/400 versi 3 mendukung lingkung-an e-commerce dari bisnis ke bisnis dan dari bisnis ke konsumen. Net Commerce menyediakan solusi total, daripembuatan katalog dan situs sampai ke pemprosesn pembayaran dan pemenuhan pesanan (order fulfillment). Pe-langgan dapat menghubungkan situs web yang diciptakan menggunakan software server merchant Net Commercedengan sistem-sistem back-end, data korporat ataupun siste-sistem bisnis lainnya seperti Lotus Domino hanya satuserver AS/400. Kemampuan ini memungkinkan pelanggan mengintegrasikan tokko-toko online mereka dengan se-luruh operasi binis mereka, sekaligus menambahkan kapabilitas email, kelompok diskusi, dan bulletin board ke situstersebut. Solusi ini mencakup Store Creation Wizard yang memungkinkan bisnis dengan membangun situs-situs ko-mersial dengan membanru mengatur tampilan navigasi, shopping/buying flow', browsing, registrasi, check out, carapengiriman barang, perhitungan pajak penjualan, serta cara pembayaran. Selain itu tersedia IBM Peyment Serveryang memungkinkan pedagangmenerima bayaran dalam berbagai bentuk elektronik, termasuk dengan menggunakanprotokol SET ( Secure Electronik Transfer ). Sedangkan bagi perusahaan yang membangun sistem sebelumnya, IBMmemberikan solusi dengan software yang ada seperti Lotus Domino dan SAP R/3. IBM Net commerce, yang berbasisDB2 Universal Database, adalah bagian dari keluarga WebSphere, sebuah produk server perdagangan (commerce)yang menciptakan terobosan baru dengan mempermudah para pedagang dalam membangun toko-toko online nerekadengan pengamanan, petani katalog cerdas (intelligent catalogue tools) dan akses ke banyak database.

27.4.2 Sebagai pembeli atau konsumen

Komisi perdagangan Amerika telah mempublikasikan tips-tips bagi konsumen yang berbelanja online yaitu :

• kita harus bisa menemukan kebijakan privacy situs tersebut. Perusahaan tersebut harus memberitahukan kon-sumen informasi apa yang dikumpulkan,, bagimana menggunakanya dan apakah akan menjual/memberikaninformasinya kepada yang lain.

• Simpanlah informasi pribadi kita. Berikan hanya kita tahu siapa yang mengumpulkannnya, mengapa danbagaimana akan digunakan.

• Rahasiakan kata sandi kita.

• Bayarlah dengan kartu kredit. Jika kita tidak mendapatkan barangnya, jangan bayar tagihan kartu kredit ter-sebut.

• Periksalah kebijakan pengiriman dan pengembalian perusahaan tersebut.

• Harus bisa meyakinkan bahwa transaksi pada situs tersebut aman (secure) sebelum kita melakakan pembelian.

112 BAB 27. PERDAGANGAN ELEKTRONIK

27.5 Masalah E-Commerce1. Penipuan dengan cara pencurian identitas dan membohongi pelanggan.

2. Hukum yang kurang berkembang dalam bidang e-commerce ini.

27.6 Aplikasi bisnis

Beberapa aplikasi umum yang berhubungan dengan e-commerce adalah:

• E-mail dan Messaging

• Content Management Systems

• Dokumen, spreadsheet, database

• Akunting dan sistem keuangan

• Informasi pengiriman dan pemesanan

• Pelaporan informasi dari klien dan enterprise

• Sistem pembayaran domestik dan internasional

• Newsgroup

• On-line Shopping

• Conferencing

• Online Banking/internet Banking

• Product Digital/Non Digital

• Online SEO

27.7 Perusahaan terkenal

Perusahaan yang terkenal dalam bidang ini antara lain: eBay, Amazon.com, dan PayPal. Bidang perdagangan elek-tronik di Indonesia sendiri mulai menggeliat sejak hadirnya usaha rintisan yang bergerak di bidang perdaganganelektronik seperti Lazada, bukalapak, tokopedia.

27.8 Kecocokan barang

Ada beberapa barang yang cocok dijual secara elektronik seperti barang elektronik kecil, musik, piranti lunak, foto-grafi, dll. Barang yang tidak cocok seperti barang yang memiliki rasio harga dan berat yang rendah, barang-barangyang perlu dibaui, dipegang, dicicip, dan lain-lain.

27.9 Lihat pula• M-dagang

• L-dagang

• Manajemen

• Pemasaran

• Pertukaran data elektronik

27.10. BACAAN LANJUTAN 113

27.10 Bacaan lanjutan• Chaudhury, Abijit & Jean-Pierre Kuilboer (2002), e-Business and e-Commerce Infrastructure, McGraw-Hill,ISBN 0-07-247875-6

• Seybold, Pat (2001), Customers.com, Crown Business Books (Random House), ISBN 0-609-60772-3

27.11 Pranala luar• (Inggris) US Today: More shoppers proceed to checkout online

Bab 28

Pemerintahan elektronik

Pemerintahan elektronik atau e-government (berasal dari kata Bahasa Inggris electronics government, juga di-sebut e-gov, digital government, online government atau dalam konteks tertentu transformational government) ada-lah penggunaan teknologi informasi oleh pemerintah untuk memberikan informasi dan pelayanan bagi warganya,urusan bisnis, serta hal-hal lain yang berkenaan dengan pemerintahan. e-Government dapat diaplikasikan padalegislatif, yudikatif, atau administrasi publik, untuk meningkatkan efisiensi internal, menyampaikan pelayanan pu-blik, atau proses kepemerintahan yang demokratis. Model penyampaian yang utama adalah Government-to-Citizenatau Government-to-Customer (G2C), Government-to-Business (G2B) serta Government-to-Government (G2G).Keuntungan yang paling diharapkan dari e-government adalah peningkatan efisiensi, kenyamanan, serta aksesibilitasyang lebih baik dari pelayanan publik.

28.1 Manfaat

Disamping prestasi pemerintah dalam penyelenggaraan pemerintah yang lebih baik sejak reformasi, tentunya pene-rapan e-government ini dapat memberikan tambahan manfaat yang lebih kepada masyarakat [1]:

1. Memperbaiki kualitas pelayanan pemerintah kepada para stakeholder-nya (masyarakat, kalangan bisnis, danindustri) terutama dalam hal kinerja efektivitas dan efisiensi di berbagai bidang kehidupan bernegara;

2. Meningkatkan transparansi, kontrol, dan akuntabilitas penyelenggaraan pemerintahan dalam rangka penerapankonsep Good Governance di pemerintahan (bebas KKN);

3. Mengurangi secara signifikan total biaya administrasi, relasi, dan interaksi yang # dikeluarkan pemerintahmaupun stakeholdernya untuk keperluan aktivitas sehari-hari;

4. Memberikan peluang bagi pemerintah untuk mendapatkan sumber-sumber pendapatan baru melalui interak-sinya dengan pihak-pihak yang berkepentingan;

5. Menciptakan suatu lingkungan masyarakat baru yang dapat secara cepat dan tepat menjawab berbagai perma-salahan yang dihadapi sejalan dengan berbagai perubahan global dan trend yang ada; dan

6. Memberdayakan masyarakat dan pihak-pihak lain sebagai mitra pemerintah dalam proses pengambilan ber-bagai kebijakan publik secara merata dan demokratis.

28.2 Pelaksanaannya di Indonesia

Di lihat dari pelaksanaan aplikasi e-government, data dari Depkominfo (2005) menunjukkan bahwa hingga akhirtahun 2005 lalu Indonesia memiliki:[2]

• 564 domain go.id;

• 295 situs pemerintah pusat dan pemda;

114

28.3. KENDALA 115

• 226 situs telah mulai memberikan layanan publik melalui website;

• 198 situs pemda masih dikelola secara aktif.

Beberapa pemerintah daerah (pemda) memperlihatkan kemajuan cukup berarti. Bahkan Pemkot Surabaya sudahmulai memanfaatkan egov untuk proses pengadaan barang dan jasa (e-procurement). Beberapa pemda lain jugaberprestasi baik dalam pelaksanaan egov seperti: Pemprov DKI Jakarta, Pemprov DI Yogyakarta, Pemprov JawaTimur, Pemprov Sulawesi Utara, Pemkot Yogyakarta,Pemkab Banyuasin, Pemkot Bogor, Pemkot Tarakan, PemkabKebumen, Pemkab. Kutai Timur, Pemkab. Kutai Kartanegara, Pemkab Bantul, Pemkab Malang. Memperhatikanberbagai kondisi pelaksanaan program e-gov seperti dibahas dalam di atas, maka langkah untuk merevitalisasi e-govIndonesia sudah tidak bisa ditunda lagi. Banyaknya dana yang sudah dihabiskan tidak sebanding dengan hasil yangdi peroleh. Namun pelaksanaan proses revitalisasi juga tidak bisa dilakukan dengan tergesa-gesa dan tanpa konsepyang jelas.

28.3 Kendala

Salah satu kendala utama dalam pelaksanaan e-government adalah kurangnya ketersediaan infrastruktur telekomuni-kasi. Jaringan telepon masih belum tersedia di berbagai tempat di Indonesia. Biaya penggunaan jasa telekomunikasijuga masih mahal. Harapan kita bersama hal ini dapat diatasi sejalan dengan perkembangan telekomunikasi yangsemakin canggih dan semakin murah. Kendala lainnya adalah masih banyaknya penyelenggara pelayanan publikbaik di pusat maupun daerah yang belum mengakomodir layanan publiknya dengan fasilitas internet. Terutama pa-da institusi pusat dengan unit pelaksana teknisnya dan juga dengan institusi lain dengan item pelayanan yang sama(G2G= government to Government). Dengan kata lain hal ini belum terkoordinir dengan baik dan masih kuatnyakepentingan di masing-masing sektor.

28.4 Referensi[1] http://underground-paper.blogspot.com/2013/04/implikasi-penerapan-e-government.html

[2] http://www.majalaheindonesia.com/nop-des2005_1.htm

28.5 Pranala luar• Makalah Implikasi Penerapan E-Government di Indonesia

• Encyclopedia of Digital Government. Edited by Ari-Veikko Anttiroiko and Matti Mälkiä. Idea Group Refe-rence.

• http://topics.developmentgateway.org/egovernment/rc/filedownload.do~{}itemId=396584

Bab 29

Tata kelola teknologi informasi

Tata kelola teknologi informasi (Bahasa Inggris: IT governance) adalah suatu cabang dari tata kelola perusahaanyang terfokus pada sistem teknologi informasi (TI) serta manajemen kinerja dan risikonya. Meningkatnya minat padatata kelola TI sebagian besar muncul karena adanya prakarsa kepatuhan (seperti Sarbanes-Oxley di Amerika Serikatdan Basel II di Eropa) serta semakin diakuinya kemudahan proyek TI untuk lepas kendali yang dapat berakibat besarterhadap kinerja suatu organisasi.Tema utama diskusi tata kelola TI adalah bahwa teknologi informasi tidak bisa lagi menjadi suatu kotak hitam.Secara tradisional, penanganan pengambilan keputusan kunci di bidang teknologi informasi diberikan kepada paraprofesional TI karena keterbatasan pengalaman teknis eksekutif lain di tingkatan direksi perusahaan serta karenakompleksitas sistem TI itu sendiri. Tata kelola TI membangun suatu sistem yang semua pemangku kepentingan-nya, termasuk direksi dan komisaris serta pengguna internal dan bagian terkait seperti keuangan, dapat memberikanmasukan yang diperlukan untuk proses pengambilan keputusan. Hal ini mencegah satu pihak tertentu, biasanya TI,disalahkan untuk suatu keputusan yang salah. Hal ini juga mencegah munculnya keluhan dari pengguna di belakanghari mengenai sistem yang tak memberikan hasil atau kinerja sesuai yang diharapkan.

29.1 Bacaan lanjutan• Lutchen, M. (2004). Managing IT as a business : a survival guide for CEOs. Hoboken, N.J., J. Wiley., ISBN0-471-47104-6

• March J., Simon H., Organizations, Blackwell Publishers, 1993 (First ed. Wiley, 1958), ISBN 0-631-18631-X

• Van Grembergen W., Strategies for Information technology Governance, IDEA Group Publishing, 2004, ISBN1-59140-284-0

29.2 Pranala luar• The IT Governance Institute

• Informations Systems Audit and Control Association

• IT Infrastructure Library

• ITIL and BS15000 Governance Forum

• Australian Computer Society Governance of ICT Committee

• IT Governance Network

116

Bab 30

Audit teknologi informasi

Audit teknologi informasi (Inggris: information technology (IT) audit atau information systems (IS) audit) adalahbentuk pengawasan dan pengendalian dari infrastruktur teknologi informasi secara menyeluruh. Audit teknologiinformasi ini dapat berjalan bersama-sama dengan audit finansial dan audit internal, atau dengan kegiatan pengawasandan evaluasi lain yang sejenis. Padamulanya istilah ini dikenal dengan audit pemrosesan data elektronik, dan sekarangaudit teknologi informasi secara umum merupakan proses pengumpulan dan evaluasi dari semua kegiatan sisteminformasi dalam perusahaan itu. Istilah lain dari audit teknologi informasi adalah audit komputer yang banyakdipakai untuk menentukan apakah aset sistem informasi perusahaan itu telah bekerja secara efektif, dan integratifdalam mencapai target organisasinya.

30.1 Pranala luar• (en) A career as Information Systems Auditor (Network Magazine)

• (en) IT Auditing: An Adaptive Process

• (en) Federal Financial Institutions Examination Council (FFIEC)

• (en) Information Systems Audit & Control Association (ISACA)

• (en) EC-Council

117

118 BAB 30. AUDIT TEKNOLOGI INFORMASI

30.2 Text and image sources, contributors, and licenses

30.2.1 Text• Sistem informasi Sumber: https://id.wikipedia.org/wiki/Sistem_informasi?oldid=11587460 Kontributor: *drew, Sanko, Borgx, Kem-

bangraps, RobotQuistnix, Stephensuleeman, Borgxbot, IvanLanin, Hengki.s, Blizzard youkai, Thijs!bot, JAnDbot, Dragunova, Tunjung-sekar, Albertus Aditya, VolkovBot, Willy2000, Loveless, SieBot, Aldo samulo, Hysocc, SilvonenBot, WikiDreamer Bot, Luckas-bot,Ogive~idwiki, Ezagren, Xqbot, Rubinbot, Tjmoel, Adi2932, KamikazeBot, Dompusunggu, EmausBot, ZéroBot, AABot, BioPupil, Wi-kitanvirBot, MRFazry, MerlIwBot, Imanuel NS Uen, JohnThorne, Rachmat04, Makecat-bot, Bonaditya, Hatma suryotrisongko, Addbot,Ganesha Ungel, Arif hidayat95, Ign christian, Sdkhadi, Hidayatsrf, Rachmat-bot, Andiraditya, Bagas Chrisara, Myoenoes750816 danPengguna anonim: 82

• Sistem informasi manajemen Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_manajemen?oldid=10489172 Kontributor: Iva-nLanin, Mimihitam, VolkovBot, SieBot, Aldo samulo, Hysocc, ArthurBot, Xqbot, TobeBot, Dinamik-bot, Bozky, TjBot, Kenrick95Bot,ErikvanB, EmausBot, ZéroBot, WikitanvirBot, MRFazry, Mihardifb2004yahoo, Eddy bf, Imanuel NS Uen, Gungmanik, Regifauzi,AvocatoBot, Majilis, Makecat-bot, Bonaditya, Arifin.wijaya, Roy Dhani, Ign christian, Afdan Rojabi dan Pengguna anonim: 30

• Sistem informasi akuntansi Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_akuntansi?oldid=10421669 Kontributor: Haya-busa future, Borgx, Ciko, Borgxbot, Andri.h, -iNu-, Tunjungsekar, Aldo samulo, Kenrick95, Wagino 20100516, Pai Walisongo, Tsabi-taqdam dan Pengguna anonim: 29

• Sistem pendukung keputusan Sumber: https://id.wikipedia.org/wiki/Sistem_pendukung_keputusan?oldid=11356134Kontributor: Ha-yabusa future, Borgx, Borgxbot, JAnDbot, VolkovBot, Aibot, Masgatotkaca, SieBot, Rmamuaya, Alecs.bot, Hysocc, Luckas-bot, Ptbo-tgourou, ArthurBot, Xqbot, EmausBot, WikitanvirBot, MerlIwBot, Bonaditya, Addbot dan Pengguna anonim: 7

• Sistem informasi eksekutif Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_eksekutif?oldid=9997687Kontributor: JohnThor-ne, Ign christian dan Eklima Nur Fatmala

• Sistem pemrosesan transaksi Sumber: https://id.wikipedia.org/wiki/Sistem_pemrosesan_transaksi?oldid=9180933 Kontributor: Com-monsDelinker, Andriana08 dan Sdkhadi

• Manajemen hubungan pelanggan Sumber: https://id.wikipedia.org/wiki/Manajemen_hubungan_pelanggan?oldid=8380013 Kontribu-tor: Borgx, RobotQuistnix, Ferry Zuljanna, IvanLanin, Jagawana, Andri.h, Thijs!bot, JAnDbot, Albertus Aditya, VolkovBot, Aibot,TXiKiBoT, Loveless, SieBot, BOTarate, MelancholieBot, CarsracBot, Luckas-bot, Nallimbot, Ptbotgourou, ArthurBot, Xqbot, AlphBot, EmausBot, 23saputra, TuHan-Bot, ChuispastonBot, WikitanvirBot, Rezabot, Makecat-bot, Hanamanteo, Addbot, Fsantoso danPengguna anonim: 8

• Perencanaan sumber daya perusahaan Sumber: https://id.wikipedia.org/wiki/Perencanaan_sumber_daya_perusahaan?oldid=11336953Kontributor: Bennylin, Rintojiang, Midori, Borgx, RobotQuistnix, Borgxbot, IvanLanin, Wiendietry, Jagawana, Andri.h, Ricky Setia-wan, Gombang, Thijs!bot, JAnDbot, LaninBot, A tumiwa, Dragunova, Mimihitam, Idioma-bot, Albertus Aditya, VolkovBot, Ndrasen,TXiKiBoT, Loveless, SieBot, AlleborgoBot, Sirihkuning, DragonBot, Alexbot, Faren, Hysocc, SilvonenBot, MelancholieBot, Wiki-Dreamer Bot, BoisJoe, Luckas-bot, ArthurBot, Xqbot, Deng2002, D'ohBot, Tjmoel, KamikazeBot, Kenrick95Bot, VoteITP, Emaus-Bot, Iwan Novirion, Adji Kasrinandi, RaymondSutanto, AABot, Vidal~idwiki, PiRSquared17, ArdBot, MerlIwBot, Siblibusro, Majilis,Sony.rachmadi, Satriyo na, Marianskie, BeeyanBot dan Pengguna anonim: 88

• Manajemen pengetahuan Sumber: https://id.wikipedia.org/wiki/Manajemen_pengetahuan?oldid=11506318 Kontributor: Bennylin,Borgxbot, IvanLanin, GilliamJF, Thijs!bot, JAnDbot, Idioma-bot, VolkovBot, TXiKiBoT, SieBot, BodhisattvaBot, Hysocc, CarsracBot,Dede2008, Luckas-bot, Xqbot, EmausBot, ZéroBot, ChuispastonBot, WikitanvirBot, AkhmadGuntar, Averus Kurniawan, Botrie, AyuDini Putri, Ign christian dan Pengguna anonim: 10

• Sistem informasi geografis Sumber: https://id.wikipedia.org/wiki/Sistem_informasi_geografis?oldid=11400616 Kontributor: Robbot,Meursault2004, Acuss, Hayabusa future, Roscoe x, Quistnix, Borgx, RobotQuistnix, YurikBot, Borgxbot, Httsan, Abi26, Jagawana, RickySetiawan, Thijs!bot, JAnDbot, A tumiwa, CommonsDelinker, Idioma-bot, VolkovBot, TXiKiBoT, Masgatotkaca, BotMultichill, SieBot,Quicchote, Srdananjaya, DragonBot, BOTarate, BodhisattvaBot, Hysocc, SpBot, Luckas-bot, Zen04, Xqbot, Rubinbot, Member~idwiki,ButkoBot, Tjmoel, Dinamik-bot, EmausBot, RaymondSutanto, Sazutsu, WikitanvirBot, MerlIwBot, Philip Sugianto, Satria Soeditomo,Denny eR Ge, Zikriaulio, Addbot, Paper underground, Abex888, Bona Kartono, Rip sbull, BeeyanBot, Rachman227 dan Penggunaanonim: 42

• Sistem manajemen sumber daya manusia Sumber: https://id.wikipedia.org/wiki/Sistem_manajemen_sumber_daya_manusia?oldid=11454350 Kontributor: Hayabusa future, Borgx, Jazle, Borgxbot, IvanLanin, VolkovBot, Relly Komaruzaman, EmausBot, AABot, Mer-lIwBot, Ign christian dan Pengguna anonim: 4

• Algoritma Sumber: https://id.wikipedia.org/wiki/Algoritma?oldid=11480460 Kontributor: Meursault2004, AutoHumanTranslation, Ni-kai, Roscoe x, Kisti, Rintojiang, Quistnix, Borgx, Kembangraps, RobotQuistnix, Sentausa, Chobot, YurikBot, Wongiseng, Borgxbot,IvanLanin, Jagawana, Escarbot, Thijs!bot, LaninBot, TottyBot, Reindra, Mimihitam, Albertus Aditya, VolkovBot, TXiKiBoT, Masga-totkaca, Loveless, SieBot, AlleborgoBot, PipepBot, Synthebot, BOTarate, Darkicebot, robot, SilvonenBot, MelancholieBot, Wi-kiDreamer Bot, HerculeBot, Luckas-bot, Ptbotgourou, Relly Komaruzaman, ArthurBot, Xqbot, GhalyBot, ArdWar, BenzolBot, Tjmoel,TobeBot, KamikazeBot, Sulhan, TjBot, Alph Bot, Kenrick95Bot, EmausBot, Ilham151096, JackieBot, Hafidz Jazuli Luthfi, ArdBot, Chu-ispastonBot, WikitanvirBot, Mjbmrbot, Akuindo, Wagino Bot, MerlIwBot, Mahali syarifuddin, Shadow Hawk, Rahmatdenas, Mr.Nice,Pai Walisongo, Rachmat04, Denny eR Ge, Bonaditya, Judhyn, Addbot, Zahratul Rahmi, Idmahardika, Ign christian, Rachmat-bot, Bee-yanBot dan Pengguna anonim: 24

• Struktur data Sumber: https://id.wikipedia.org/wiki/Struktur_data?oldid=11350536 Kontributor: AutoHumanTranslation, *drew, Qu-istnix, Borgx, RobotQuistnix, Chobot, YurikBot, Borgxbot, IvanLanin, Thijs!bot, VolkovBot, TXiKiBoT, YonaBot, Loveless, SieBot,AlleborgoBot, Alexbot, SilvonenBot, Luckas-bot, ArthurBot, Kevdave, Ezagren, Xqbot, FoxBot, EmausBot, ZéroBot, Wagino 20100516,WikitanvirBot, Manubot, MerlIwBot, Addbot, BeeyanBot dan Pengguna anonim: 11

• Basis data Sumber: https://id.wikipedia.org/wiki/Basis_data?oldid=11534402 Kontributor: Robbot, Aurora, *drew, Sabilrd, Rintoji-ang, Borgx, RobotQuistnix, Sentausa, Chobot, RobotJcb, Gpvosbot, Borgxbot, Achmad Junus, IvanLanin, Zakiakhmad, Escarbot, RickySetiawan, Farras, Thijs!bot, JAnDbot, A tumiwa, Dragunova, Lagibete, VolkovBot, Willy2000, TXiKiBoT, Hardikris, Loveless, Le Pied-bot~idwiki, SieBot, Aldo samulo, BodhisattvaBot, Alecs.bot, CarsracBot, FiriBot, Luckas-bot, Relly Komaruzaman, Kevdave, Xqbot,

30.2. TEXT AND IMAGE SOURCES, CONTRIBUTORS, AND LICENSES 119

Rubinbot, Tjmoel, TobeBot, FoxBot, EmausBot, ZéroBot, JackieBot, ChuispastonBot, Dhio270599, PT35Krista, Imanuel NS Uen, PaiWalisongo, BagasAdi, AvocatoBot, Wirasniazaa, Dark azimuth, Rachmat04, BP31Angga, Ign christian, Rrdwnia, Arifys, Rachmat-bot,BeeyanBot dan Pengguna anonim: 35

• Gudang data Sumber: https://id.wikipedia.org/wiki/Gudang_data?oldid=10640728 Kontributor: RobotQuistnix, Borgxbot, IvanLanin,Thijs!bot, Idioma-bot, VolkovBot, TXiKiBoT, Loveless, SieBot, BOTarate, Alecs.bot, MelancholieBot, Luckas-bot, ArthurBot, Xqbot,FoxBot, EmausBot, Manubot, Momazzam dan Pengguna anonim: 2

• Penggalian data Sumber: https://id.wikipedia.org/wiki/Penggalian_data?oldid=8855970Kontributor: Bennylin, RobotQuistnix,Wic2020,Borgxbot, IvanLanin, Thijs!bot, JAnDbot, Mimihitam, Idioma-bot, VolkovBot, TXiKiBoT, Loveless, SieBot, AlleborgoBot, Silvone-nBot, MelancholieBot, CarsracBot, Luckas-bot, Ptbotgourou, Udufruduhu, TobeBot, MastiBot, EmausBot, AABot, JackieBot, Dhanysa-putra, ChuispastonBot, WikitanvirBot, Yanu Tri, JThorneBOT dan Pengguna anonim: 3

• Pusat data Sumber: https://id.wikipedia.org/wiki/Pusat_data?oldid=11533800 Kontributor: Andika, Bennylin, Borgx, Chobot, Bor-gxbot, IvanLanin, Serenity, Thedonz, Idioma-bot, VolkovBot, Njn~idwiki, Loveless, SieBot, Alexbot, Alecs.bot, Hysocc, Luckas-bot,Wikitriple, Ptbotgourou, Relly Komaruzaman, ArthurBot, Xqbot, Merywaty, TjBot, EmausBot, AABot, RedBot, Ronny Wibowo, Le-ifnsn, Bodhost, Onlinesandeep, Praveenganore, Pravinganore dan Pengguna anonim: 8

• Komputasi awan Sumber: https://id.wikipedia.org/wiki/Komputasi_awan?oldid=10317727 Kontributor: Hsbagyo, Borgxbot, Hariadhi,IvanLanin, Escarbot, Gombang, Thijs!bot, TottyBot, Idioma-bot, VolkovBot, TXiKiBoT, Masgatotkaca, Loveless, SieBot, Aldo samu-lo, DragonBot, Alexbot, Darkicebot, Alecs.bot, Hysocc, SilvonenBot, MelancholieBot, Albambot, Luckas-bot, Amirobot, Billinghurst,ArthurBot, Empu, Xqbot, SassoBot, Teddyamry, William Surya Permana, D'ohBot, Adeindarta, Dinamik-bot, TjBot, Alph Bot, Ke-nrick95Bot, EmausBot, Iwan Novirion, JackieBot, RedBot, WikitanvirBot, MRFazry, MerlIwBot, Eddy bf, Saatulihsan, SamJohnston,Herwin.a, AvocatoBot, Andreas Sihono, Ferywardiyanto, Sagita Melati, Agung.C, DeDoHo, SamanthaPuckettIndo, Arry113131206,113130181Ibrahim, 113131200Septian, 113134199Fauzan, Risqi 113134212, Panelrem, Ign christian, Zokisz, Kharisya Ayu dan Peng-guna anonim: 18

• Internet of Things Sumber: https://id.wikipedia.org/wiki/Internet_of_Things?oldid=10406101 Kontributor: Hariadhi, Hack87, Hysocc,Kenrick95Bot, Irvan Ary Maulana, Rotlink, Hanamanteo, SamanthaPuckettIndo, Azmiathallah, IF-05-113131196, IF05113134209, IF-05-113134193, IF05113134154, Akhmad.mizkat dan Pengguna anonim: 3

• Big data Sumber: https://id.wikipedia.org/wiki/Big_data?oldid=11446214 Kontributor: Zakifath, Kevdave, Wagino Bot, Ibensis danPengguna anonim: 1

• Green computing Sumber: https://id.wikipedia.org/wiki/Green_computing?oldid=11472248 Kontributor: Hariadhi, Hysocc, ArdWar,Hima fethus, SamanthaPuckettIndo, 113130195mutiarahns, IF05113130175, IF05113130185, IF37-05 113130214, BeeyanBot danPengguna anonim: 3

• E-Business Sumber: https://id.wikipedia.org/wiki/E-Business?oldid=7067776 Kontributor: Aurora, Borgx, Kembangraps, Borgxbot,Masgatotkaca, Xqbot, EmausBot, JackieBot, MerlIwBot, PamelaCynthia, AvicBot, Botrie dan Pengguna anonim: 3

• Perdagangan elektronik Sumber: https://id.wikipedia.org/wiki/Perdagangan_elektronik?oldid=11535743 Kontributor: Robbot, Auro-ra, Roscoe x, *drew, Bennylin, REX, Borgx, RobotQuistnix, YurikBot, Borgxbot, Jagawana, Ricky Setiawan, Farras, Gombang, Thi-js!bot, JAnDbot, CommonsDelinker, Albertus Aditya, Yussochan, Masgatotkaca, Loveless, SieBot, Aldo samulo, Taman Renyah, Hyso-cc, Luckas-bot, Billinghurst, Relly Komaruzaman, Aris riyanto, Brendanlimn, ArthurBot, Sweater, Xqbot, ArdWar, BenzolBot, Tjmoel,TobeBot, Hanstantra, Dinamik-bot, Agusseka, Akanglilufie, Arisnb, Kenrick95Bot, EmausBot, ZéroBot, 39Agung, RaymondSutanto,Wagino 20100516, WikitanvirBot, Erickjonathanradja, StefanusRA, MerlIwBot, Grahita Indra Wimaya, Rahmatdenas, Imanuel NSUen, Eshaputra, Rezabot, Kwanmr, Pai Walisongo, Ichaljhe, Dhewas, Andreas Sihono, Muhraz, Yanu Tri, Bonaditya, Yudidarsono,IreneGDN, Pancamocha, Luckyblibli, Hanamanteo, Arifin.wijaya, SamanthaPuckettIndo, Senny Ferdian Ciu, Ezyridho, Rwpbsd, As-rofibachtiar, Mardaridhovin, Ign christian, Growfic, Idbisnis, Rrdwnia, Putra8888, Rachmat-bot, BeeyanBot, AH 27, Rifqiabidin danPengguna anonim: 50

• Pemerintahan elektronik Sumber: https://id.wikipedia.org/wiki/Pemerintahan_elektronik?oldid=9490351 Kontributor: Borgx, Robo-tQuistnix, Wic2020, Borgxbot, JAnDbot, VolkovBot, Aibot, Loveless, SieBot, AlleborgoBot, PipepBot, Mike.lifeguard, Herald~idwiki,Luckas-bot, Ptbotgourou, ArthurBot, Xqbot, Kenrick95Bot, EmausBot, MUjA, WikitanvirBot, MerlIwBot, Denny eR Ge, Paper under-ground, Dina Oktavia dan Pengguna anonim: 6

• Tata kelola teknologi informasi Sumber: https://id.wikipedia.org/wiki/Tata_kelola_teknologi_informasi?oldid=6753545 Kontributor:Borgxbot, IvanLanin, VolkovBot, WikiDreamer Bot, Xqbot, BenzolBot, KamikazeBot, EmausBot, ZéroBot, WikitanvirBot, Sayom danPengguna anonim: 1

• Audit teknologi informasi Sumber: https://id.wikipedia.org/wiki/Audit_teknologi_informasi?oldid=6610261 Kontributor: Borgxbot,Thijs!bot, Masgatotkaca, BOTarate, SassoBot, Ver-bot, TjBot, MastiBot, EmausBot, JackieBot dan WikitanvirBot

30.2.2 Images• Berkas:Alan_Turing.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/5/57/Alan_Turing.jpg Lisensi: CC BY 2.0 Kon-

tributor: Alan Turing Pembuat asli: Jon Callas from San Jose, USA• Berkas:Broom_icon.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/2/2c/Broom_icon.svg Lisensi: GPL Kontributor:

http://www.kde-look.org/content/show.php?content=29699 Pembuat asli: gg3po (Tony Tony), SVG version by User:Booyabazooka• Berkas:Cloud_computing-id.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/e/eb/Cloud_computing-id.svgLisensi: Pu-

blic domain Kontributor: Cloud computing.svg Pembuat asli:

• English version: Sam Johnston (Cloud computing.svg)• Berkas:Commons-logo.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/4/4a/Commons-logo.svg Lisensi: Public doma-

in Kontributor: This version created by Pumbaa, using a proper partial circle and SVG geometry features. (Former versions used to beslightly warped.) Pembuat asli: SVG version was created by User:Grunt and cleaned up by 3247, based on the earlier PNG version, createdby Reidab.

120 BAB 30. AUDIT TEKNOLOGI INFORMASI

• Berkas:Computer.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/d/d7/Computer.svg Lisensi: Public domain Kontri-butor: The Tango! Desktop Project Pembuat asli: The people from the Tango! project

• Berkas:Crystal_Clear_app_xmag.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/e/ec/Crystal_Clear_app_xmag.svgLisensi: LGPL Kontributor:

• Crystal_Clear_app_xmag.png Pembuat asli: Crystal_Clear_app_xmag.png: Everaldo Coelho and YellowIcon• Berkas:Disposable_RFID_tag_used_for_race_timing.png Sumber: https://upload.wikimedia.org/wikipedia/commons/2/23/Disposable_

RFID_tag_used_for_race_timing.png Lisensi: Public domain Kontributor: Transferred from en.wikipedia to Commons by Liftarn usingCommonsHelper. Pembuat asli: Tomkarlo di Wikipedia bahasa Inggris

• Berkas:Edit-clear.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/f/f2/Edit-clear.svg Lisensi: Public domain Kontribu-tor: The Tango! Desktop Project Pembuat asli: The people from the Tango! project

• Berkas:Euclid’{}s_algorithm_Book_VII_Proposition_2_2.png Sumber: https://upload.wikimedia.org/wikipedia/commons/8/89/Euclid%27s_algorithm_Book_VII_Proposition_2_2.png Lisensi: CC BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey

• Berkas:Euclid’{}s_algorithm_Inelegant_program_1.png Sumber: https://upload.wikimedia.org/wikipedia/commons/4/49/Euclid%27s_algorithm_Inelegant_program_1.png Lisensi: CC BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey

• Berkas:Euclid’{}s_algorithm_structured_blocks_1.png Sumber: https://upload.wikimedia.org/wikipedia/commons/4/44/Euclid%27s_algorithm_structured_blocks_1.png Lisensi: CC BY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey

• Berkas:Euclid_flowchart_1.png Sumber: https://upload.wikimedia.org/wikipedia/commons/d/d3/Euclid_flowchart_1.pngLisensi: CCBY 3.0 Kontributor: Karya sendiri Pembuat asli: Wvbailey

• Berkas:Euclids-algorithm-example-1599-650.gif Sumber: https://upload.wikimedia.org/wikipedia/commons/e/e1/Euclids-algorithm-example-1599-650.gif Lisensi: CC BY-SA 3.0 Kontributor: Karya sendiri Pembuat asli: Swfung8

• Berkas:Floridaserversfront1.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/5/54/Floridaserversfront1.jpgLisensi: Pu-blic domain Kontributor: No machine-readable source provided. Own work assumed (based on copyright claims). Pembuat asli: Nomachine-readable author provided. SolarKennedy~commonswiki assumed (based on copyright claims).

• Berkas:GvSIG_-_GIS.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/3/33/GvSIG_-_GIS.jpg Lisensi: CC BY 2.5Kontributor: Karya sendiri Pembuat asli: Emilio Gómez Fernández

• Berkas:Internetofthingsmap.png Sumber: https://upload.wikimedia.org/wikipedia/id/6/68/Internetofthingsmap.png Lisensi: Penggu-naan wajar Kontributor: ? Pembuat asli: ?

• Berkas:Merge-arrow.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/a/aa/Merge-arrow.svg Lisensi: Public domainKontributor: ? Pembuat asli: ?

• Berkas:Nuvola_apps_mycomputer.png Sumber: https://upload.wikimedia.org/wikipedia/commons/0/0f/Nuvola_apps_mycomputer.png Lisensi: LGPL Kontributor: http://icon-king.com Pembuat asli: David Vignoni / ICON KING

• Berkas:Question_book-4.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/6/64/Question_book-4.svg Lisensi: CC-BY-SA-3.0 Kontributor: Created from scratch in Adobe Illustrator. Originally based on Image:Question book.png created by User:Equazcion.Pembuat asli: Tkgd2007

• Berkas:Question_book-new.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/9/99/Question_book-new.svgLisensi: CC-BY-SA-3.0 Kontributor: Transferred from en.wikipedia to Commons. Created from scratch in Adobe Illustrator. Based on Image:Question book.png created by User:Equazcion Pembuat asli: Tkgd2007

• Berkas:Silk_Workers.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/8/8b/Silk_Workers.jpgLisensi: CCBY2.0Kon-tributor: Flickr Pembuat asli: Andrew Hitchcock

• Berkas:Sorting_quicksort_anim.gif Sumber: https://upload.wikimedia.org/wikipedia/commons/6/6a/Sorting_quicksort_anim.gif Li-sensi: CC-BY-SA-3.0 Kontributor: originally upload on the English Wikipedia Pembuat asli: Wikipedia:en:User:RolandH

• Berkas:Taggingprozess.jpg Sumber: https://upload.wikimedia.org/wikipedia/commons/6/65/Taggingprozess.jpg Lisensi: CC-BY-SA-3.0 Kontributor: http://mobile-tagging.blogspot.com Pembuat asli: Marvin Hegen

• Berkas:UPC-A-036000291452.png Sumber: https://upload.wikimedia.org/wikipedia/commons/5/5d/UPC-A-036000291452.png Li-sensi: Public domain Kontributor: http://www.barcoderobot.com/upc-a/036000291452/ Pembuat asli: barcoderobot.com

• Berkas:Viegas-UserActivityonWikipedia.gif Sumber: https://upload.wikimedia.org/wikipedia/commons/6/69/Viegas-UserActivityonWikipedia.gif Lisensi: CC BY 2.0 Kontributor: User activity on Wikipedia Pembuat asli: Fernanda B. Viégas

• Berkas:Wikibooks-logo-en-noslogan.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/d/df/Wikibooks-logo-en-noslogan.svg Lisensi: CC BY-SA 3.0 Kontributor: Karya sendiri Pembuat asli: User:Bastique, User:Ramac et al.

• Berkas:Wiktionary-logo-en.svg Sumber: https://upload.wikimedia.org/wikipedia/commons/f/f8/Wiktionary-logo-en.svg Lisensi: Pu-blic domain Kontributor: Vector version of Image:Wiktionary-logo-en.png. Pembuat asli: Vectorized by Fvasconcellos (bicara · kontrib),based on original logo tossed together by Brion Vibber

30.2.3 Content license• Creative Commons Attribution-Share Alike 3.0