Desain basisdata adalah organisasi data menurut model database. Perancang menentukan data apa yang harus disimpan dan bagaimana elemen data saling berhubungan. Dengan informasi ini, mereka dapat mulai menyesuaikan data dengan model database. Sistem manajemen basis data mengelola data yang sesuai.

Desain basis data melibatkan pengklasifikasian data dan pengidentifikasian hubungan timbal balik. Representasi teoritis dari data ini disebut ontologi. Ontologi adalah teori di balik desain database.

Menentukan data yang akan disimpan

Dalam sebagian besar kasus, orang yang melakukan desain database adalah orang dengan keahlian di bidang desain database, bukan keahlian dalam domain dari mana data yang akan disimpan diambil mis. informasi keuangan, informasi biologis, dll. Oleh karena itu, data yang akan disimpan dalam database harus ditentukan melalui kerja sama dengan orang yang memang memiliki keahlian dalam domain tersebut, dan siapa yang mengetahui data apa yang harus disimpan dalam sistem.

Proses ini adalah salah satu yang umumnya dianggap sebagai bagian dari analisis kebutuhan, dan membutuhkan keterampilan dari desainer database untuk memperoleh informasi yang dibutuhkan dari mereka yang memiliki pengetahuan domain. Ini karena mereka yang memiliki pengetahuan domain yang diperlukan seringkali tidak dapat mengungkapkan dengan jelas apa persyaratan sistem mereka untuk database karena mereka tidak terbiasa berpikir dalam hal elemen data diskrit yang harus disimpan. Data yang akan disimpan dapat ditentukan dengan Spesifikasi Kebutuhan.

Menentukan hubungan data

Setelah perancang basis data mengetahui data yang akan disimpan di dalam basis data, mereka kemudian harus menentukan di mana ketergantungan berada di dalam data. Terkadang ketika data diubah, Anda dapat mengubah data lain yang tidak terlihat. Misalnya, dalam daftar nama dan alamat, dengan asumsi situasi di mana beberapa orang dapat memiliki alamat yang sama, tetapi satu orang tidak dapat memiliki lebih dari satu alamat, alamat tergantung pada nama. Ketika diberikan nama dan daftar alamat dapat ditentukan secara unik; namun, kebalikannya tidak berlaku - ketika diberi alamat dan daftar, nama tidak dapat ditentukan secara unik karena banyak orang dapat tinggal di sebuah alamat. Karena sebuah alamat ditentukan oleh sebuah nama, sebuah alamat dianggap bergantung pada sebuah nama.

(CATATAN: Kesalahpahaman yang umum adalah bahwa model relasional disebut demikian karena menyatakan hubungan antara elemen data di dalamnya. Ini tidak benar. Model relasional dinamakan demikian karena didasarkan pada struktur matematika yang dikenal sebagai hubungan.)

Menyusun data secara logis

Setelah hubungan dan ketergantungan di antara berbagai bagian informasi telah ditentukan, dimungkinkan untuk mengatur data ke dalam struktur logis yang kemudian dapat dipetakan ke dalam objek penyimpanan yang didukung oleh sistem manajemen basis data. Dalam kasus database relasional, objek penyimpanan adalah tabel yang menyimpan data dalam baris dan kolom. Dalam database Object, objek penyimpanan berhubungan langsung dengan objek yang digunakan oleh bahasa pemrograman berorientasi objek yang digunakan untuk menulis aplikasi yang akan mengelola dan mengakses data. Hubungan dapat didefinisikan sebagai atribut dari kelas objek yang terlibat atau sebagai metode yang beroperasi pada kelas objek.

Cara pemetaan ini umumnya dilakukan sedemikian rupa sehingga setiap kumpulan data terkait yang bergantung pada satu objek, apakah nyata atau abstrak, ditempatkan dalam sebuah tabel. Hubungan antara objek-objek dependen ini kemudian disimpan sebagai link antara berbagai objek.

Setiap tabel dapat mewakili implementasi dari objek logis atau hubungan yang menggabungkan satu atau lebih instance dari satu atau lebih objek logis. Hubungan antar tabel kemudian dapat disimpan sebagai tautan yang menghubungkan tabel anak dengan orang tua. Karena hubungan logis yang kompleks itu sendiri adalah tabel, mereka mungkin akan memiliki tautan ke lebih dari satu induk.

Diagram ER (model hubungan entitas)

Contoh diagram Entity-relationship

Desain database juga menyertakan diagram ER (entity-relationship model). Diagram ER adalah diagram yang membantu merancang database dengan cara yang efisien.

Atribut dalam diagram ER biasanya dimodelkan sebagai oval dengan nama atribut, dihubungkan dengan entitas atau relasi yang memuat atribut tersebut.

Model ER umumnya digunakan dalam desain sistem informasi; misalnya, mereka digunakan untuk menggambarkan kebutuhan informasi dan/atau jenis informasi yang akan disimpan dalam database selama fase desain struktur konseptual.[3]

Saran proses desain untuk Microsoft Access

Tentukan tujuan database - Ini membantu mempersiapkan langkah-langkah selanjutnya.

Temukan dan atur informasi yang diperlukan - Kumpulkan semua jenis informasi untuk dicatat dalam database, seperti nama produk dan nomor pesanan.

Bagi informasi ke dalam tabel - Bagi item informasi menjadi entitas atau subjek utama, seperti Produk atau Pesanan. setiap mata pelajaran kemudian menjadi sebuah tabel.

Ubah item informasi menjadi kolom - Putuskan informasi apa yang perlu disimpan di setiap tabel. Setiap item menjadi bidang, dan ditampilkan sebagai kolom dalam tabel. Misalnya, tabel Karyawan mungkin menyertakan bidang seperti Nama Belakang dan Tanggal Sewa.

Tentukan kunci utama - Pilih kunci utama setiap tabel. Kunci utama adalah kolom, atau kumpulan kolom, yang digunakan untuk mengidentifikasi setiap baris secara unik. Contohnya mungkin ID Produk atau ID Pesanan.

Mengatur hubungan tabel - Lihat setiap tabel dan putuskan bagaimana data dalam satu tabel terkait dengan data di tabel lain. Tambahkan bidang ke tabel atau buat tabel baru untuk memperjelas hubungan, jika perlu.

Perbaiki desain - Analisis desain untuk kesalahan. Buat tabel dan tambahkan beberapa catatan data sampel. Periksa apakah hasil datang dari tabel seperti yang diharapkan. Lakukan penyesuaian pada desain, sesuai kebutuhan.

Terapkan aturan normalisasi - Terapkan aturan normalisasi data untuk melihat apakah tabel terstruktur dengan benar. Buat penyesuaian pada tabel, sesuai kebutuhan.

Normalisasi

Di bidang desain basis data relasional, normalisasi adalah cara sistematis untuk memastikan bahwa struktur basis data cocok untuk kueri tujuan umum dan bebas dari karakteristik tertentu yang tidak diinginkan—anomali penyisipan, pembaruan, dan penghapusan yang dapat menyebabkan hilangnya integritas data.

Bagian standar dari panduan desain database adalah bahwa desainer harus membuat desain yang sepenuhnya dinormalisasi; denormalisasi selektif selanjutnya dapat dilakukan, tetapi hanya untuk alasan kinerja. Trade-off adalah ruang penyimpanan vs kinerja. Semakin dinormalisasi desainnya, semakin sedikit redundansi data yang ada (dan oleh karena itu, dibutuhkan lebih sedikit ruang untuk disimpan), namun, pola pengambilan data umum sekarang mungkin memerlukan penggabungan, penggabungan, dan pengurutan yang kompleks untuk terjadi - yang memakan lebih banyak data membaca, dan menghitung siklus. Beberapa disiplin pemodelan, seperti pendekatan pemodelan dimensi untuk desain gudang data, secara eksplisit merekomendasikan desain yang tidak dinormalisasi, yaitu desain yang sebagian besar tidak mematuhi 3NF. Normalisasi terdiri dari bentuk normal yaitu 1NF,2NF,3NF,BOYCE-CODD NF (3.5NF),4NF dan 5NF

Database dokumen mengambil pendekatan yang berbeda. Sebuah dokumen yang disimpan dalam database seperti itu, biasanya akan berisi lebih dari satu unit data yang dinormalisasi dan seringkali juga hubungan antar unit. Jika semua unit data dan hubungan yang bersangkutan sering diambil bersama-sama, maka pendekatan ini mengoptimalkan jumlah pengambilan. Ini juga menyederhanakan bagaimana data direplikasi, karena sekarang ada unit data yang dapat diidentifikasi dengan jelas yang konsistensinya mandiri. Pertimbangan lain adalah bahwa membaca dan menulis satu dokumen dalam database tersebut akan memerlukan satu transaksi - yang dapat menjadi pertimbangan penting dalam arsitektur Microservices. Dalam situasi seperti itu, seringkali, sebagian dokumen diambil dari layanan lain melalui API dan disimpan secara lokal untuk alasan efisiensi. Jika unit data akan dibagi di seluruh layanan, maka membaca (atau menulis) untuk mendukung konsumen layanan mungkin memerlukan lebih dari satu panggilan layanan, dan ini dapat mengakibatkan pengelolaan beberapa transaksi, yang mungkin tidak disukai.

Skema konseptual

Desain fisik

Desain fisik database menentukan konfigurasi fisik database pada media penyimpanan. Ini termasuk spesifikasi rinci elemen data, tipe data, opsi pengindeksan dan parameter lain yang berada dalam kamus data DBMS. Ini adalah desain rinci dari sebuah sistem yang mencakup modul & spesifikasi hardware & software database dari sistem. Beberapa aspek yang dibahas pada lapisan fisik:

• Keamanan - pengguna akhir, serta keamanan administratif.
• Replikasi - bagian data apa yang disalin ke database lain, dan seberapa sering. Apakah ada banyak master, atau satu?
• Ketersediaan tinggi - apakah konfigurasi aktif-pasif, atau aktif-aktif, topologi, skema koordinasi, target keandalan, dll semua harus ditentukan.
• Partisi - jika database didistribusikan, maka untuk satu entitas, bagaimana data didistribusikan di antara semua partisi database, dan bagaimana kegagalan partisi diperhitungkan.
• Skema pencadangan dan pemulihan.

Pada tingkat aplikasi, aspek lain dari desain fisik dapat mencakup kebutuhan untuk mendefinisikan prosedur tersimpan, atau tampilan kueri yang terwujud, kubus OLAP, dll.

 

Sumber Artikel: en.wikipedia.org

Inteligensi Bisnis (IB) adalah sekumpulan teknik dan alat untuk mentransformasi dari data mentah menjadi informasi yang berguna dan bermakna untuk tujuan analisis bisnis. Teknologi IB dapat menangani data yang tak terstruktur dalam jumlah yang sangat besar untuk membantu mengidentifikasi, mengembangkan, dan selain itu membuat kesempatan strategi bisnis yang baru. Tujuan dari IB yaitu untuk memudahkan interpretasi dari jumlah data yang besar tersebut. Mengidentifikasi kesempatan yang baru dan mengimplementasikan suatu strategi yang efektif berdasarkan wawasan dapat menyediakan bisnis suatu keuntungan pasar yang kompetitif dan stabilitas jangka panjang.

Teknologi IB menyediakan riwayat, pandangan sekarang dan prediksi dari operasi bisnis. Fungsi-fungsi umum dari teknologi inteligensi bisnis adalah pelaporan, pemrosesan analisis daring, analitis, penggalian data, penggalian proses, pemrosesan kejadian kompleks, manajemen performansi bisnis, pengukuran, penggalian teks, analitis prediktif dan analitis preskriptif.

IB dapat digunakan untuk mendukung sejumlah besar keputusan bisnis mulai dari operasi sampai strategis. Keputusan operasi termasuk penempatan dan harga produk. Keputusan strategis termasuk prioritas, tujuan dan arah pada tingkat yang lebih luas. Pada semua kasus, IB lebih efektif bila digabungkan dengan data yang didapat dari pasar tempat perusahaan beroperasi (data eksternal) dengan data dari sumber internal bisnis perusahaan seperti data operasi dan finansial (data internal). Bila digabungkan, data eksternal dan internal bisa menyediakan gambaran yang lebih lengkap, yang efeknya, menciptakan "inteligensi" yang tidak dapat diturunkan dari kumpulan data tunggal manapun.

Komponen

Inteligensi Bisnis dibangun dari sejumlah komponen termasuk:

• Alokasi dan agregasi multidimensi
• Denormalisasi, penandaan dan standardisasi
• Pelaporan seketika dengan peringatan analitis
• Sebuah metode antarmuka terhadap sumber data tak terstruktur
• Perkiraan konsolidasi grup, anggaran dan perpindahan (pegawai)
• Inferensi statistik dan simulasi probabilitas
• Optimisasi kunci indikasi performansi
• Pengontrolan versi dan manajemen proses
• Manajemen item terbuka

Sejarah

Istilah "Inteligensi Bisnis" awalnya ditemukan oleh Richar Millar Devens dalam "Cyclopedia of Commercial and Business Anecdotes" pada tahun 1865. Devens menggunakan istilah tersebut untuk menjelaskan bagaimana seorang bankir, Sir Henry Furnese, mendapatkan profit dengan memainkan informasi tentang lingkungannya, sebelum kompetitornya. "Sepanjang Holandia, Flanders, Prancis, dan Jerman, dia memelihara rentetan inteligensi bisnis yang komplet dan sempurna. Berita-berita dari banyak pertempuran pertama kali diterima olehnya, dan jatuhnya Namur menambah keuntungannya, berkat penerimaan paling awal dari berita." (Devens, (1865), p. 210). Kemampuan untuk mengumpulkan dan bereaksi berdasarkan informasi yang diterima, suatu kemampuan yang Furnese sangat handal, sampai sekarang masih menjadi jantung dari IB.

Dalam artikel tahun 1958, peneliti dari IBM Hans Peter Luhn menggunakan istilah inteligensi bisnis. Dia menggunakan definisi kamus Webster tentang inteligensi: "kemampuan untuk memahami hubungan mendalam dari fakta yang ada dengan suatu cara sebagai panduan aksi terhadap tujuan yang diinginkan." 

Inteligensi bisnis seperti yang dipahami sekarang dikatakan telah berkembang dari Sistem Pendukung Keputusan (SPK) yang mulai dari tahun 1960-an dan berkembang sepanjang pertengahan 1980-an. SPK berasal dari model dibantu-komputer yang dibuat untuk membantu dalam pembuatan keputusan dan perencanaan. Dari SPK, gudang data, Sistem Informasi Eksekutif, OLAP dan inteligensi bisnis muncul menjadi fokus pada akhir 80-an.

Pada tahun 1988, konsorsium Itali-Belanda-Prancis-Inggris melaksanakan pertemuan internasional tentang Analisis Data Ragamcara di Roma. Tujuan utamanya yaitu untuk mereduksi beragam dimensi menjadi satu atau dua (dengan mendeteksi pola pada data) yang dapat dipresentasikan pada pembuat-keputusan manusia.

Pada tahun 1989, Howard Dresner (kemudian sebagai analis Gartner Group) mengajukan "inteligensi bisnis" sebagai istilah umum untuk menjelaskan "konsep dan metode untuk meningkatkan pembuatan keputusan bisnis dengan menggunakan sistem bantu berdasar-fakta. Baru pada akhir 1990-an penggunaan ini menyebar luas.

Gudang Data (Data Warehouse)

Seringkali aplikasi IB menggunakan data yang dikumpulkan dari suatu gudang data (GD) atau dari pasar data, dan konsep dari IB dan GD terkadang digabungkan sebagai "IB/GD" (atau "BI/DW")  atau "IBGD". Suatu gudang data mengandung salinan dari data analitis yang memfalisitasi pendukungan keputusan. Namun, tidak semua layanan gudang data untuk inteligensi bisnis, tidak juga semua aplikasi inteligensi bisnis membutuhkan sebuah gudang data.

Untuk membedakan antara konsep dari inteligensi bisnis dan gudang data, Forrester Research mendefinisikan inteligensi bisnis dengan satu atau dua cara:

1. Menggunakan definisi luas: "Inteligensi Bisnis adalah suatu kumpulan metodologi, proses, arsitektur, dan teknologi yang mengubah data mentah menjadi informasi yang bermakna dan berguna digunakan untuk mendapatkan strategi yang lebih efektif dan taktis, dan wawasan operasional dan pengambilan-keputusan."  Di bawah definisi ini, inteligensi bisnis juga mengikutkan teknologi seperti integrasi data, kualitas data, penggudangan data, manajemen data-master, analitis konten dan teks, dan banyak lainnya yang terkadang pasar menyatukannya ke segmen "Manajemen Informasi"". Oleh karena itu, Forrester mengacu pada persiapan data dan penggunaan data sebagai dua bagian yang terpisah tetapi pada segmen yang berkaitan dekat dari susunan arsitektur inteligensi-bisnis.
2. Forrester mendefinisikan pasar inteligensi-bisnis yang lebih kecil sebagai, "... mengacu hanya pada lapisan paling atas dari susunan arsitektural IB seperti pelaporan, analitis dan dasbor." 

Perbandingan dengan inteligensi kompetitif

Walaupun istilah inteligensi bisnis terkadang sinonim untuk inteligensi kompetitif (karena keduanya mendukung pembuatan keputusan), IB menggunakan teknologi, proses, dan aplikasi untuk menganalisis data terstruktur dan proses bisnis yang umumnya internal; sementara inteligensi kompetitif mengumpulkan, menganalisis dan menyebarluaskan informasi dengan fokus topik pada pesaing perusahaan. Jika dipahami secara luas, inteligensi bisnis bisa mengikutkan bagian dari inteligensi kompetitif.

Jenis elemen dalam inteligensi bisnis

• Data dari lingkungan bisnis: Bisnis harus berurusan dengan data terstruktur dan tidak terstruktur dari banyak sumber, termasuk data besar. Data perlu diintegrasikan dan diorganisasikan sehingga dapat dianalisis dan digunakan oleh pembuat keputusan manusia.
• Infrastruktur intelijen bisnis: Landasan dasar yang mendasari BI adalah kuat

sistem basis data yang menangkap semua data yang relevan untuk mengoperasikan bisnis. Data dapat disimpan dalam database transaksional atau digabungkan dan diintegrasikan ke dalam gudang data perusahaan, serangkaian mart data yang saling terkait, atau platform analitik.

• Perangkat analisis bisnis: Seperangkat alat perangkat lunak digunakan untuk menganalisis data dan menghasilkan laporan, merespons pertanyaan yang diajukan manajer, dan melacak kemajuan bisnis dengan menggunakan indikator kinerja utama.
• Pengguna dan metode manajerial: perangkat keras dan lunak BI hanya sepintar manusia yang menggunakannya. Manajer memaksakan urutan pada analisis data dengan menggunakan berbagai metode manajerial yang menentukan tujuan bisnis strategis dan menentukan bagaimana kemajuan akan diukur. Ini termasuk manajemen kinerja bisnis dan pendekatan balanced scorecard yang berfokus pada indikator kinerja utama, dengan perhatian khusus kepada pesaing.
• Platform pengiriman — MIS, DSS, ESS: Hasil dari BI dan analitik disampaikan kepada manajer dan karyawan dalam berbagai cara, tergantung pada apa yang perlu mereka ketahui untuk melakukan pekerjaan mereka. MIS, sistem pendukung pengambilan keputusan (DSS), dan sistem dukungan eksekutif (ESS), memberikan informasi dan pengetahuan kepada orang dan tingkat yang berbeda di perusahaan — karyawan operasional, manajer menengah, dan eksekutif senior. Di masa lalu, sistem ini tidak dapat dengan mudah berbagi data dan dioperasikan sebagai sistem independen. Saat ini, intelijen bisnis dan alat analisis dapat mengintegrasikan semua informasi ini dan membawanya ke desktop manajer atau platform seluler.
• Interaksi antar pengguna: Pelaku bisnis sering belajar lebih cepat dari representasi visual data daripada dari laporan kering dengan kolom dan baris informasi. Suite perangkat lunak analitik bisnis saat ini dilengkapi alat visualisasi data, seperti grafik kaya, bagan, dasbor, dan peta. Mereka juga dapat mengirimkan laporan tentang ponsel dan tablet serta di portal web perusahaan. Perangkat lunak BA menambahkan kemampuan untuk memposting informasi di Twitter, Facebook, atau media sosial internal untuk mendukung pengambilan keputusan dalam pengaturan grup online daripada dalam pertemuan facetoface.

Perbandingan dengan analitis bisnis

Inteligensi bisnis dan analitis bisnis terkadang digunakan bergantian, tetapi ada definisi alternatif. Salah satu definisi membedakan keduanya, menyatakan bahwa istilah inteligensi bisnis mengacu pada mengoleksi data bisnis untuk menemukan informasi terutama lewat mengajukan pertanyaan, laporan, dan proses analitis daring. Analitis bisnis, di sisi lain, menggunakan alat statistik dan kuantitatif untuk pemodelan yang prediktif dan bisa dijelaskan.

Dalam definisi alternatif, Thomas Davenport, profesor manajemen dan teknologi informasi di Babson College berargumen bahwa inteligensi bisnis seharusnya dibagi menjadi querying, pelaporan, Pemrosesan analitis daring (Online analytical processing - OLAP), sebuah alat "peringatan", dan analitis bisnis. Dalam definisi ini, analitis bisnis adalah bagian dari IB yang berfokus pada statistik, prediksi, dan optimisasi, bukan melaporkan fungsionalitas. 

Aplikasi dalam sebuah perusahaan

Inteligensi bisnis bisa diterapkan untuk tujuan bisnis berikut, dengan tujuan untuk mendapatkan nilai bisnis.

1. Perkiraan - program yang membuat hierarki dari metrik performansi (lihat juga Model Referensi Metrik) dan pengukuran yang menginformasikan pimpinan bisnis tentang progres kearah tujuan bisnis (manajemen proses bisnis).
2. Analitis - program yang membuat proses kuantitatif supaya sebuah bisnis mencapai keputusan yang optimal dan melakukan penemuan pengetahuan bisnis. Biasanya mengikutkan: penggalian data, penggalian proses, analisis statistik, analitis prediksi, pemodelan prediksi, pemodelan proses bisnis, silsilah data, pemrosesan kejadian kompleks dan analitis preskriptif.
3. Pelaporan/pelaporan perusahaan - program yang membangun infrastruktur untuk laporan strategis untuk melayani manajemen strategis dari suatu bisnis, bukan pelaporan operasional. Seringkali mengikutkan visualisasi data, sistem informasi eksekutif dan OLAP.
4. Kolaborasi/platform kolaborasi - program yang membuat wilayah yang berbeda (baik dalam dan luar bisnis) bekerja sama lewat berbagi data dan pertukaran data elektronik.
5. Manajemen pengetahuan - program yang membuat data perusahaan diarahkan oleh strategi dan praktik untuk mengidentifikasi, membuat, merepresentasikan, menyalurkan, dan mengadopsi wawasan dan pengalaman yang benar-benar berpengetahuan bisnis. Manajemen pengetahuan mengarah ke manajemen pembelajaran dan penyesuaian peraturan.

Sebagai tambahan dari yang di atas, inteligensi bisnis bisa menyediakan pendekatan pro-aktif, seperti fungsi peringatan yang secara langsung mengingatkan pengguna jika suatu kondisi tertentu tercapai. Sebagai contohnya, jika suatu metrik bisnis melampaui batas yang telah ditentukan, metrik tersebut akan diwarnai dalam laporan standar, dan ahli analis bisnis diperingatkan lewat email atau layanan pengawasan lainnya. Proses ini membutuhkan pengaturan data, yang seharusnya ditangani oleh ahlinya.

Prioritas proyek

Akan sangat sulit untuk menyediakan kasus bisnis yang positif untuk inisiatif inteligensi bisnis, dan terkadang proyek tersebut harus diprioritaskan lewat inisiatif strategis. Proyek IB bisa mendapatkan prioritas tinggi dalam organisasi jika manajer mempertimbangkan hal-hal berikut:

• Seperti yang dijelaskan oleh Kimball  manajer IB harus menentukan keuntungan yang jelas seperti mengeliminasi biaya dari memproduksi laporan terdahulu.
• Akses data untuk seluruh organisasi harus dipaksa. Dengan cara ini bahkan keuntungan kecil, seperti hematnya waktu beberapa menit, membuat perbedaan jika dikalikan dengan jumlah pekerja dalam seluruh organisasi.
• Seperti yang dijelaskan oleh Ross, Weil dan Roberson untuk Arsitektur Perusahaan, manajer harus mempertimbangkan untuk membiarkan proyek BI diarahkan oleh inisiatif bisnis lainnya dengan kasus bisnis yang lebih bagus. Untuk mendukung pendekatan ini, organisasi harus memiliki arsitektur bisnis yang dapat menentukan proyek bisnis yang sesuai.
• Menggunakan suatu metodologi yang terstruktur dan kuantitatif untuk menciptakan prioritas yang dapat dipertahankan sejajar dengan kebutuhan sebenarnya dari organisasi, seperti matriks keputusan berbobot.

Faktor sukses dari implementasi

Menurut Kimball dkk., ada tiga wilayah kritis yang mana organisasi harus miliki sebelum mulai melakukan proyek IB:

1. Tingkat komitmen dan dukungan proyek dari senior manajemen
2. Tingkat kebutuhan bisnis untuk menciptakan sebuah implementasi IB
3. Jumlah dan kualitas dari data bisnis yang ada.

Dukungan bisnis

Komitmen dan dukungan dari senior manajemen menurut Kimball dkk., adalah kriteria yang paling penting dalam penilaian.^[21] Hal ini dikarenakan memiliki manajemen yang mendukung kuat membantu melewati permasalahan yang dihadapi dalam proyek. Namun, seperti yang Kimball dkk. katakan: "Bahkan rancangan sistem GD/IB yang paling elegan pun tidak dapat mengatasi minimnya dukungan [manajemen] bisnis".

Sangatlah penting bahwa personil yang berpartisipasi dalam proyek memiliki visi dan ide tentang keuntungan dan kerugian dari implementasi sistem IB. Dukungan bisnis yang baik harus memiliki pengaruh kuat dalam organisasi dan harus berhubungan baik dalam organisasi. Ideal bila pendukung bisnis menuntut tetapi juga harus mampu bersikap realistik dan suportif jika implementasi menghadapi keterlambatan atau kekurangan. Sokongan manajemen juga harus mampu mengasumsikan akuntabilitas dan bertanggung jawab terhadap kegagalan dan kemunduran dari proyek. Dukungan dari berbagai anggota manajemen memastikan proyek tidak gagal jika salah seorang keluar dari grup utama. Namun, banyaknya manajer yang bekerja sama dalam proyek bisa juga berarti akan adanya kepentingan berbeda yang mencoba menarik proyek ke arah yang berbeda, seperti jika suatu departemen menginginkan pengaruh penggunaan yang lebih kuat pada sisinya. Masalah ini bisa diatasi dengan analisis yang spesifik dari awal terhadap wilayah bisnis yang menguntungkan implementasi kesemuanya. Semua pemegang saham dalam proyek harus berpartisipasi dalam analisis dengan tujuan supaya mereka merasakan kepemilikan dari proyek dan untuk menemukan kesamaan.

Permasalahan manajemen yang lain yang harus dihadapi sebelum memulai implementasi yaitu jika pendukung bisnis terlalu agresif. Jika individu manajemen terbawa oleh kemungkinan-kemungkinan penggunaan IB dan mulai menginginkan implementasi GD atau IB untuk memasukan beberapa kumpulan data yang berbeda yang pada tahap perencanaan awal tidak diikutkan. Namun, karena implementasi tambahan dari data tambahan bisa menambah jumlah waktu dari rencana semula, akan lebih bijak untuk memastikan orang dari manajemen sadar dari aksi mereka.

Kebutuhan bisnis

Karena keterkaitan yang dekat dengan senior manajemen, hal penting yang harus diperhatikan sebelum proyek dimulai adalah apakah ada kebutuhan bisnis dan apakah jelas keuntungan bisnis dengan melakukan implementasi. Kebutuhan dan keuntungan dari implementasi terkadang diarahkan oleh kompetisi dan keinginan untuk mendapatkan keuntungan di pasar. Alasan lain untuk pendekatan berbasis-bisnis untuk implementasi IB adalah akuisisi organisasi lain untuk memperbesar organisasi awal terkadang menguntungkan untuk mengimplementasikan GD atau IB dengan tujuan untuk membuat pengawasan yang lebih.

Perusahaan yang mengimplementasikan IB biasanya organisasi yang besar dan multinasional dengan cabang yang beragam. Solusi IB yang dirancang baik menyediakan pandangan konsolidasi dari kunci data bisnis yang tidak ada di tempat lainnya di dalam organisasi, memberikan manajemen visibilitas dan kontrol terhadap pengukuran yang sebelumnya tidak ada.

Jumlah dan kualitas dari data yang ada

Tanpa data yang cukup, atau dengan kualitas data yang kecil, setiap implementasi IB akan gagal: tidak penting seberapa bagus dukungan manajemen atau motivasi berbasis-bisnis. Sebelum implementasi sebaiknya dilakukan pemrofilan data terlebih dahulu. Analisis ini mengidentifikasi "isi, konsistensi dan struktur [...]"  dari data. Hal ini sebaiknya dilakukan seawal mungkin dalam proses dan jika analis memperlihatkan bahwa datanya kurang, tangguhkan proyek untuk sementara sambil departemen IT memikirkan bagaimana mengumpulkan data secara benar.

Saat merencanakan untuk kebutuhan-kebutuhan data bisnis dan inteligensi bisnis, selalu disarankan untuk mempertimbangkan skenario tertentu yang berlaku untuk organisasi tertentu, dan kemudian memilih fitur-fitur inteligensi bisnis yang cocok untuk skenario tersebut.

Terkadang, skenario berkembang di sekitar proses-proses bisnis yang berbeda, tiap-tiapnya dibangun dari satu atau lebih sumber data. Sumber-sumber tersebut digunakan oleh fitur-fitur yang menggambarkan data tersebut sebagai informasi untuk pengetahuan pekerja, yang selanjutnya beraksi terhadap informasi tersebut. Kebutuhan bisnis dari organisasi untuk setiap proses bisnis yang diadopsi bergantung pada langkah-langkah penting dari inteligensi bisnis. Langkah-langkah penting dari inteligensi bisnis ini mengikutkan, tetapi tidak terbatas pada, hal-hal berikut:

1. Langsung ke sumber data untuk mengumpulkan data yang dibutuhkan
2. Mengubah data bisnis menjadi informasi dan berikan secara tepat
3. Query dan analisis data
4. Beraksi terhadap data yang terkumpulkan

Aspek kualitas dalam inteligensi bisnis harus mencakup semua proses dari sumber data sampai pelaporan akhir. Pada setiap langkah, gerbang kualitas-nya berbeda:

1. Sumber data:
   • Standardisasi data: agar data dapat dibandingkan (unit yang sama, pola yang sama, dsb.)
   • Manajemen Master Data: referensial yang unik
2. Penyimpanan data operasional:
   • Pembersihan data: mendeteksi dan mengoreksi data yang salah
   • Pemrofilan data: memeriksa nilai yang salah atau kosong
3. Gudang data:
   • Kelengkapan: memeriksa apakah semua data telah dimuat
   • Integritas referensial: unik dan referensial terhadap semua sumber
   • Konsistensi antara sumber: memeriksa data konsolidasi terhadap sumber
4. Pelaporan:
   • indikator keunikan: hanya satu kamus indikator yang dibagikan
   • Akurasi formula: formula pelaporan lokal harus dihindari atau diperiksa

Aspek pengguna

Beberapa pertimbangan harus dibuat dengan tujuan supaya sukses mengintegrasikan penggunaan dari sistem inteligensi bisnis dalam sebuah perusahaan. Pada akhirnya sistem IB harus diterima dan digunakan oleh pengguna supaya bernilai bagi perusahaan.Jika usabilitas dari sistem sangat buruk, para pengguna bisa frustasi dan menghabiskan banyak waktu memahami bagaimana cara menggunakan sistem atau mungkin tidak benar-benar bisa menggunakan sistem. Jika sistem tidak memberikan nilai tambah bagi misi pengguna, mereka tidak menggunakannya.

Untuk meningkatkan penerimaan pengguna terhadap suatu sistem IB, disarankan untuk mengkonsultasikan pengguna bisnis pada tahap awal siklus GD/IB, sebagai contohnya pada fase pengumpulan kebutuhan. Hal ini bisa menyediakan wawasan terhadap proses bisnis dan apa yang pengguna butuhkan dari sistem IB. Ada beberapa metode untuk mengumpulkan informasi ini, seperti kuesioner dan sesi wawancara.

Saat mengumpulkan kebutuhan dari pengguna bisnis, departemen IT lokal juga harus diikutkan untuk menentukan sampai mana kemungkinan memenuhi kebutuhan bisnis berdasarkan data yang ada.

Menggunakan pendekatan berpusat pada pengguna selama tahap perancangan dan pengembangan bisa meningkatkan kesempatan adopsi bagi pengguna sistem IB.

Selain berfokus pada pengalaman user yang diberikan oleh aplikasi IB, juga memungkinkan memotivasi pengguna menggunakan sistem dengan menambahkan elemen kompetisi. Kimball  menyarankan mengimplementasikan suatu fungsi pada portal situs IB di mana laporan tentang penggunaan sistem bisa ditemukan. Dengan melakukan hal tersebut, manajer bisa melihat bagaimana departemennya bekerja dan membandingkan dirinya dengan yang lainnya dan hal ini bisa memacu mereka untuk mendorong staf mereka menggunakan sistem IB lebih sering.

Dalam sebuah artikel tahun 2007, H. J. Watson memberikan sebuah contoh bagaimana elemen kompetitif dapat berguna sebagai sebuah insentif. Watson menjelaskan bagaimana suatu pusat panggilan mengimplementasikan dasbor performansi untuk semua agen panggilan, dengan bonus insentif perbulan dikaitkan dengan metrik performansi. Juga, agen dapat membandingkan performansi mereka dengan anggota tim lainnya. Implementasi dari tipe pengukuran performansi ini dan kompetensi secara signifikan meningkatkan performansi agen.

Kesempatan sukses untuk IB dapat ditingkatkan dengan mengikutkan senior manajemen untuk membantu membuat IB sebagai bagian dari kultur organisasi, dan dengan menyediakan pengguna dengan alat-alat yang berguna, pelatihan, dan dukungan. Pelatihan mendorong lebih banyak orang menggunakan aplikasi IB.

Menyediakan bantuan pengguna sangat diperlukan untuk menjaga sistem IB dan menyelesaikan permasalahan pengguna. Dukungan pengguna dapat diikutkan dengan berbagai cara, sebagai contohnya dengan membuat sebuah situs. Situs tersebut harus memiliki isi yang bagus dan alat untuk mencari informasi yang diperlukan. Lebih lanjut, dukungan helpdesk bisa digunakan. Help desk bisa dijalankan oleh pengguna ahli atau tim proyek GD/IB.

Portal IB

Sebuah portal Inteligensi Bisnis (portal IB) adalah akses antarmuka utama untuk aplikasi gudang data (GD) dan Inteligensi Bisnis (IB). Portal IB adalah impresi pertama bagi pengguna dari sistem GD/IB. Biasanya berbentuk aplikasi peramban, di mana pengguna memiliki akses ke semua layanan sistem GD/IB, laporan dan fungsi analitis lainnya. Portal IB harus diimplementasikan supaya mudah digunakan bagi pengguna aplikasi GD/IB untuk melakukan panggilan terhadap fungsionalitas dari aplikasi.

Fungsi utama dari portal IB adalah untuk menyediakan sebuah sistem navigasi dari aplikasi GD/IB. Hal ini berarti portal harus diimplementasikan supaya pengguna memiliki akses terhadap semua fungsi dari aplikasi GD/IB.

Cara paling umum untuk merancang portal adalah dengan menyesuaikannya dengan proses bisnis dari organisasi di mana aplikasi GD/IB dirancang, dengan cara tersebut portal dapat disesuaikan dengan kebutuhan penggunannya.

Portal IB harus mudah digunakan dan dipahami, dan jika bisa memiliki tampilan yang sama dengan aplikasi lainnya atau isi situs dari aplikasi organisasi GD/IB yang dirancang (konsistensi).

Berikut ini adalah daftar fitur yang diperlukan bagi portal web secara umum dan portal IB secara khusus:

Terpakai

Pengguna harus dengan mudah menemukan apa yang mereka butuhkan dalam alat IB.

Kaya isi

Portal tidak hanya alat pencetakan laporan, ia harus berisi fungsi lebih seperti saran, bantuan, informasi pendukung dan dokumentasi.

Bersih

Portal harus dirancang supaya mudah dipahami dan tidak terlalu kompleks sehingga membingungkan pengguna

Terbaru

Portal harus diperbarui secara teratur.

Interaktif

Portal harus diimplementasikan supaya mudah bagi pengguna menggunakan fungsinya dan mendorong mereka menggunakan portal. Skalabilitas dan kostumisasi membuat pengguna dapat menyesuaikan portal sesuai kebutuhan mereka.

Berorientasi nilai

Sangat penting bahwa pengguna merasakan bahwa aplikasi GD/IB memiliki sumber nilai yang patut dipakai.

Pangsa pasar

Ada sejumlah vendor inteligensi bisnis, terkadang dikategorikan menjadi vendor independen "murni" dan gabungan "megavendor" yang memasuki pasar lewat tren baru  akuisisi dalam industri IB.

Beberapa perusahaan yang mengadopsi perangkat lunak IB memutuskan untuk memilih dari penawaran produk yang terpisah (tapi yang terbaik) dibandingkan membeli satu solusi yang terintegrasi secara komprehensif (layanan penuh).

Spesifik-industri

Pertimbangan khusus untuk sistem inteligensi bisnis harus dilakukan pada sektor-sektor tertentu seperti regulasi bank pemerintahan. Informasi yang dikumpulkan oleh institusi bank dan dianalisis dengan perangkat lunak IB harus dilindungi dari grup atau individu tertentu, dan tersedia penuh untuk grup atau individu lainnya. Oleh karena itu solusi IB harus sensitif terhadap kebutuhan tersebut dan cukup fleksibel untuk beradaptasi terhadap regulasi baru dan perubahan terhadap hukum yang ada.

Data semi-terstruktur dan tak terstruktur

Bisnis menciptakan sejumlah besar informasi berharga dalam bentuk surel, memo, catatan dari pusat panggilan, berita, grup pengguna, percakapan, laporan, halaman situs, presentasi, berkas gambar, berkas video, dan berita dan materi pemasaran. Menurut Merrill Lynch, lebih dari 85% dari informasi bisnis ada dalam bentuk tersebut. Tipe informasi seperti ini disebut data semi terstruktur atau tak terstruktur. Bagaimanapun juga, organisasi sering kali hanya menggunakan dokumen-dokumen itu sekali saja.

Manajemen dari data semi terstruktur dikenal sebagai masalah utama yang tak terpecahkan dalam industri teknologi informasi.^[Menurut proyeksi dari Gartner (2003), pegawai kantor menghabiskan 30 sampai 40 persen waktunya mencari, menemukan dan menilai data tak terstruktur. IB menggunakan data semi struktur dan tak terstruktur, tetapi yang pertama lebih mudah dicari, dan yang terakhir berisi informasi yang sangat besar dibutuhkan untuk analisis dan pembuatan keputusan. Karena kesulitan pada pencarian, penemuan dan penilaian yang baik dari data semi terstruktur dan tak terstruktur, organisasi mungkin tidak menggunakan informasi yang luas tersebut, yang bisa mempengaruhi keputusan tertentu, pekerjaan atau proyek. Hal ini akhirnya mengarah pada buruknya informasi pembuatan keputusan.

Oleh karena itu, saat merancang solusi GD/IB, masalah tertentu yang berhubungan dengan data semi terstruktur dan tak terstruktur haruslah ditangani sebagaimana halnya dengan data terstruktur.

Data tak terstruktur terhadap data semi-terstruktur

Data tak terstruktur dan semi terstruktur memiliki makna yang berbeda bergantung pada konteksnya. Pada konteks sistem database relasional, data tak terstruktur tidak dapat disimpan dalam susunan kolom dan baris yang terprediksi. Salah satu tipe dari data tak terstruktur biasanya disimpan dalam BLOB (binary large object), tipe data penampung-semua yang ada di hampir semua sistem manajemen database relasional. Data tak terstruktur juga bisa mengacu pada pola kolom berulang yang tidak teratur atau acak yang beragam disetiap baris dalam berkas atau dokumen.

Kebanyakan tipe data seperti itu, seperti surel, berkas teks, presentasi, berkas gambar, dan berkas video memenuhi standar yang memberikan kemungkinan adanya metadata. Metadata bisa mengikutkan informasi seperti penulis dan waktu dibuat, dan itu bisa disimpan dalam database relasional. Oleh karena itu, akan lebih akurat berbicara tentang hal ini sebagai dokumen atau data semi-terstruktur, tetapi tampaknya belum ada konsensus tertentu yang telah tercapai.

Data tak terstruktur juga bisa menjadi pengetahuan yang pengguna bisnis miliki tentang tren bisnis di masa depan. Peramalan bisnis secara alami menyesuaikan dengan sistem IB karena pengguna bisnis berpikir tentang bisnis mereka dalam makna keseluruhan. Menangkap pengetahuan bisnis yang mungkin hanya ada dalam pikiran pengguna bisnis menyediakan nilai data paling penting untuk sebuah solusi IB yang komplet.

Masalah dengan data semi-terstruktur atau tak-terstruktur

Ada beberapa tantangan dalam mengembangkan IB dengan data semi-terstruktur. Menurut Inmon dan Nesavich, beberapa diantaranya yaitu:

1. Secara fisik mengakses data tekstual tak-terstruktur - data tak terstruktur disimpan dalam berbagai format.
2. Terminologi - Di antara peneliti dan analis, ada kebutuhan untuk mengembangkan termilogi yang standar.
3. Volume data - Sebagaimana yang dinyatakan sebelumnya, sampai 85% dari semua data yang ada adalah semi-terstruktur. Gabungkan hal tersebut dengan kebutuhan untuk analisis semantik dan kata-per-kata.
4. Pencarian dari data tekstual tak-terstruktur - Pencarian sederhana pada beberapa data, misalnya apel, menghasilkan tautan yang memiliki acuan terhadap istilah yang dicari. Sebagai contoh: "suatu pencarian dilakukan untuk istilah tindak pidana. Dalam pencarian sederhana, istilah tindak pidana digunakan, dan di mana pun ada suatu acuan ke kata tindak pidana, sampai pada dokumen tak terstruktur. Tapi pencarian yang sederhana adalah kasar. Ia tidak menemukan referensi ke kriminal, aksi pembakaran, pembunuhan, penggelapan, kematian karena tabrakan, dan lainnya, walaupun jenis kejahatan ini adalah tipe dari tindak pidana."

Penggunaan metadata

Untuk menangani masalah pencarian dan penilaian dari data, sangat diperlukan untuk mengetahui tentang isinya. Hal ini bisa dilakukan dengan menambahkan konteks lewat penggunaan metadata. Banyak sistem telah menggunakan metadata (misalnya, nama berkas, penulis, ukuran, dll), tetapi yang lebih berguna tentu metadata tentang apa yang ada dalam isi—misalnya, kesimpulan, topik, orang atau perusahaan yang disebutkan. Dua teknologi dirancang untuk menghasilkan metadata tentang yaitu kategorisasi otomatis dan ekstraksi informasi.

Masa depan

Tulisan Gartner tahun 2009 memprediksikan  perkembangan berikut dalam pasar inteligensi bisnis:

• Karena kurangnya informasi, proses, dan perangkat, selama 2012, lebih dari 35 persen dari top 5000 perusahaan global secara regular gagal membuat keputusan yang berwawasan tentang perubahan signifikan dalam pasar dan bisnis mereka.
• Pada 2012, unit-unit bisnis akan mengontrol paling kurang 40 persen dari anggaran total untuk inteligensi bisnis.
• Pada 2012, sepertiga dari aplikasi analitis yang digunakan untuk proses bisnis akan diberikan dalam bentuk aplikasi butiran-kasar mashup.

Laporan khusus Information Management tahun 2009 memprediksi tren teratas dari IB: "komputasi hijau, jasa jaringan sosial, visualisasi data, IB seluler, analitis prediktif, aplikasi komposit, komputasi awan dan multi-sentuh.". Penelitian yang dilakukan tahun 2014 mengindikasikan bahwa karyawan lebih mungkin memiliki akses ke, dan lebih mungkin lagi terlibat dengan, perangkat IB berbasis-awan daripada perangkat tradisional.

Tren IB lainya termasuk hal-hal berikut:

• Produk SOA-IB pihak ketiga yang menangani masalah ETL yang besar.
• Perusahaan menerapkan pemrosesan dalam memory, pemrosesan 64-bit, dan pra-paket aplikasi IB analitis.
• Aplikasi operasional memiliki komponen IB, dengan peningkatan pada waktu respon, skala, dan konkurensi.
• Analitis IB yang tepat atau mendekati seketika adalah ekpektasi dasar.
• Perangkat lunak sumber-berbuka IB menggantikan penawaran dari vendor.

Jalur penelitian yang lain mengikutkan pengkajian gabungan dari IB dan data tak pasti. Dalam konteks ini, data yang digunakan tidak diasumsikan harus tepat, akurat dan komplet. Melainkan, data dianggap tidak pasti dan karenanya ketidakpastian ini disebarkan ke hasil yang dikeluarkan oleh IB.

Menurut kajian dari Aberdeen Group, ada peningkatan ketertarikan dalam IB Software-as-a-Service (SaaS - Perangkat lunak sebagai jasa) selama beberapa tahun terakhir, dengan dua kali lipat organisasi menggunakan pendekatan ini setahun lalu - 15% pada tahun 2009 dibandingkan 7% pada tahun 2008.

Sebuah artikel oleh Chris Kanaracus menunjukan pertumbuhan data yang sama dari firma penelitian IDC, yang memprediksi pasar IB SaaS akan tumbuh 22 persen setiap tahun sampai 2013 berkat meningkatnya kecanggihan produk, anggaran IT yang ketat, dan faktor lainnya.

 

Sumber: Wikipedia

Sistem informasi manajemen atau management information system (MIS) adalah sistem informasi yang digunakan untuk pengambilan keputusan, dan untuk koordinasi, kontrol, analisis, dan visualisasi informasi dalam suatu organisasi. Studi tentang sistem informasi manajemen melibatkan orang, proses dan teknologi dalam konteks organisasi.

Dalam pengaturan perusahaan, tujuan akhir dari penggunaan sistem informasi manajemen adalah untuk meningkatkan nilai dan keuntungan bisnis.

Sejarah

Meskipun dapat diperdebatkan bahwa sejarah sistem informasi manajemen sudah ada sejak perusahaan menggunakan buku besar untuk melacak akuntansi, sejarah modern MIS dapat dibagi menjadi lima era yang awalnya diidentifikasi oleh Kenneth C. Laudon dan Jane Laudon dalam mani mereka. buku ajar Sistem Informasi Manajemen.

• Era Pertama – Komputer mainframe dan komputer mini
• Era Kedua – Komputer pribadi
• Era Ketiga – Jaringan klien/server
• Era Keempat – Komputasi perusahaan
• Era Kelima – Komputasi awan

Era pertama (komputer mainframe dan komputer mini) diperintah oleh IBM dan komputer mainframe mereka yang menyediakan perangkat keras dan perangkat lunak. Komputer-komputer ini sering menempati seluruh ruangan dan membutuhkan tim untuk menjalankannya. Sebagai teknologi maju, komputer ini mampu menangani kapasitas yang lebih besar dan karena itu mengurangi biaya mereka. Komputer mini yang lebih kecil dan lebih terjangkau memungkinkan bisnis yang lebih besar untuk menjalankan pusat komputasi mereka sendiri di rumah / di tempat / di tempat.

Era kedua (komputer pribadi) dimulai pada tahun 1965 ketika mikroprosesor mulai bersaing dengan mainframe dan komputer mini dan mempercepat proses desentralisasi daya komputasi dari pusat data besar ke kantor yang lebih kecil. Pada akhir 1970-an, teknologi komputer mini memberi jalan kepada komputer pribadi dan komputer yang relatif murah menjadi komoditas pasar massal, memungkinkan bisnis untuk memberikan akses kepada karyawan mereka ke daya komputasi yang sepuluh tahun sebelumnya akan menelan biaya puluhan ribu dolar. Proliferasi komputer ini menciptakan pasar yang siap untuk interkoneksi jaringan dan mempopulerkan Internet. (Mikroprosesor pertama — perangkat empat bit yang ditujukan untuk kalkulator yang dapat diprogram — diperkenalkan pada tahun 1971, dan sistem berbasis mikroprosesor tidak tersedia selama beberapa tahun. MITS Altair 8800 adalah sistem berbasis mikroprosesor pertama yang umum dikenal, diikuti dengan cermat oleh Apple I dan II. Dapat diperdebatkan bahwa sistem berbasis mikroprosesor tidak membuat terobosan signifikan dalam penggunaan komputer mini sampai tahun 1979, ketika VisiCalc mendorong rekor penjualan Apple II yang dijalankannya. IBM PC yang diperkenalkan pada tahun 1981 lebih luas cocok untuk bisnis, tetapi keterbatasannya membatasi kemampuannya untuk menantang sistem komputer mini hingga mungkin akhir 1980-an hingga awal 1990-an.)

Era ketiga (jaringan klien/server) muncul ketika kompleksitas teknologi meningkat, biaya menurun, dan pengguna akhir (sekarang karyawan biasa) membutuhkan sistem untuk berbagi informasi dengan karyawan lain dalam suatu perusahaan. Komputer di jaringan umum berbagi informasi di server. Hal ini memungkinkan ribuan bahkan jutaan orang mengakses data secara bersamaan di jaringan yang disebut sebagai Intranet.

Era keempat (komputasi perusahaan) yang dimungkinkan oleh jaringan berkecepatan tinggi, mengkonsolidasikan aplikasi perangkat lunak khusus departemen asli ke dalam platform perangkat lunak terintegrasi yang disebut sebagai perangkat lunak perusahaan. Platform baru ini mengikat semua aspek perusahaan bisnis bersama-sama menawarkan akses informasi yang kaya yang mencakup struktur manajemen yang lengkap.

Teknologi

Istilah sistem informasi manajemen (SIM), sistem manajemen informasi (IMS), sistem informasi (IS), perencanaan sumber daya perusahaan (ERP), ilmu komputer, teknik komputer listrik, dan manajemen teknologi informasi (TI) sering membingungkan. MIS adalah bagian hierarki dari sistem informasi. MIS lebih berfokus pada organisasi yang mempersempit pemanfaatan teknologi informasi untuk meningkatkan nilai bisnis. Ilmu komputer lebih berfokus pada perangkat lunak dengan aplikasi yang dapat digunakan dalam MIS.[9] Teknik komputer listrik berfokus pada produk terutama berurusan dengan arsitektur perangkat keras di belakang sistem komputer. Perangkat lunak ERP adalah bagian dari MIS dan manajemen TI mengacu pada manajemen teknis departemen TI yang mungkin mencakup MIS.

Karir di MIS berfokus pada pemahaman dan memproyeksikan penggunaan praktis dari sistem informasi manajemen. Ini mempelajari interaksi, organisasi dan proses antara teknologi, orang dan informasi untuk memecahkan masalah.

Pengelolaan

Sementara sistem informasi manajemen dapat digunakan oleh setiap dan setiap tingkat manajemen, keputusan sistem mana yang akan diterapkan umumnya jatuh pada chief information officer (CIO) dan chief technology officer (CTO). Petugas ini umumnya bertanggung jawab atas strategi teknologi keseluruhan organisasi termasuk mengevaluasi bagaimana teknologi baru dapat membantu organisasi mereka. Mereka bertindak sebagai pengambil keputusan dalam proses implementasi SIM baru.

Setelah keputusan dibuat, direktur TI, termasuk direktur MIS, bertanggung jawab atas implementasi teknis sistem. Mereka juga bertanggung jawab untuk menerapkan kebijakan yang mempengaruhi MIS (baik kebijakan spesifik baru yang diturunkan oleh CIO atau CTO atau kebijakan yang menyelaraskan sistem baru dengan kebijakan TI organisasi secara keseluruhan). Mereka juga berperan untuk memastikan ketersediaan data dan layanan jaringan serta keamanan data yang terlibat dengan mengkoordinasikan kegiatan TI.

Setelah implementasi, pengguna yang ditugaskan akan memiliki akses yang sesuai ke informasi yang relevan. Penting untuk dicatat bahwa tidak semua orang yang memasukkan data ke dalam SIM harus berada di level manajemen. Merupakan praktik umum untuk memasukkan input ke MIS oleh karyawan non-manajerial meskipun mereka jarang memiliki akses ke laporan dan platform pendukung keputusan yang ditawarkan oleh sistem ini.

Jenis

Berikut ini adalah jenis sistem informasi yang digunakan untuk membuat laporan, mengekstrak data, dan membantu dalam proses pengambilan keputusan manajer tingkat menengah dan operasional.

• Sistem pendukung keputusan (SPK) adalah aplikasi program komputer yang digunakan oleh manajemen menengah dan atas untuk mengumpulkan informasi dari berbagai sumber untuk mendukung pemecahan masalah dan pengambilan keputusan. Sebuah DSS digunakan sebagian besar untuk masalah keputusan semi-terstruktur dan tidak terstruktur.
• Sistem informasi eksekutif (EIS) adalah alat pelaporan yang menyediakan akses cepat ke laporan ringkasan yang berasal dari semua tingkat dan departemen perusahaan seperti akuntansi, sumber daya manusia, dan operasi.
• Sistem informasi pemasaran adalah Sistem Informasi manajemen yang dirancang khusus untuk mengelola aspek pemasaran bisnis.
• Sistem informasi akuntansi berfokus pada fungsi akuntansi.
• Sistem manajemen sumber daya manusia digunakan untuk aspek personalia.
• Sistem otomatisasi kantor (OAS) mendukung komunikasi dan produktivitas di perusahaan dengan mengotomatiskan alur kerja dan menghilangkan kemacetan. OAS dapat diterapkan pada setiap dan semua tingkat manajemen.
• Sistem Manajemen Informasi Sekolah (SIMS) mencakup administrasi sekolah, sering kali termasuk materi pengajaran dan pembelajaran.
• Perangkat lunak perencanaan sumber daya perusahaan (ERP) memfasilitasi aliran informasi antara semua fungsi bisnis di dalam batas-batas organisasi dan mengelola koneksi ke pemangku kepentingan luar.
• Basis data lokal, dapat berupa alat kecil yang disederhanakan untuk manajer dan dianggap sebagai versi tingkat dasar atau dasar dari MIS.

Keuntungan dan kerugian

Berikut ini adalah beberapa manfaat yang dapat diperoleh dengan menggunakan MIS:

• Meningkatkan efisiensi operasional organisasi, menambah nilai produk yang ada, melahirkan inovasi dan pengembangan produk baru, dan membantu manajer membuat keputusan yang lebih baik.
• Perusahaan dapat mengidentifikasi kekuatan dan kelemahan mereka karena adanya laporan pendapatan, catatan kinerja karyawan, dll. Mengidentifikasi aspek-aspek ini dapat membantu perusahaan meningkatkan proses bisnis dan operasinya.
• Ketersediaan data pelanggan dan umpan balik dapat membantu perusahaan untuk menyelaraskan proses bisnisnya sesuai dengan kebutuhan pelanggannya. Pengelolaan data pelanggan yang efektif dapat membantu perusahaan untuk melakukan kegiatan pemasaran dan promosi secara langsung.
• MIS dapat membantu perusahaan mendapatkan keunggulan kompetitif.
• Laporan MIS dapat membantu pengambilan keputusan serta mengurangi waktu henti untuk item yang dapat ditindaklanjuti.

Beberapa kelemahan sistem MIS:

• Pengambilan dan penyebaran tergantung pada perangkat keras dan perangkat lunak teknologi.
• Potensi informasi yang tidak akurat.

Aplikasi perusahaan

Sistem perusahaan—juga dikenal sebagai sistem perencanaan sumber daya perusahaan (ERP)—menyediakan modul perangkat lunak terintegrasi dan database terpadu yang digunakan personel untuk merencanakan, mengelola, dan mengontrol proses bisnis inti di berbagai lokasi. Modul sistem ERP dapat mencakup keuangan, akuntansi, pemasaran, sumber daya manusia, produksi, manajemen inventaris, dan distribusi.

Sistem manajemen rantai pasokan (SCM) memungkinkan manajemen rantai pasokan yang lebih efisien dengan mengintegrasikan tautan dalam rantai pasokan. Ini mungkin termasuk pemasok, produsen, grosir, pengecer, dan pelanggan akhir.

Sistem manajemen hubungan pelanggan (CRM) membantu bisnis mengelola hubungan dengan pelanggan potensial dan saat ini serta mitra bisnis di seluruh pemasaran, penjualan, dan layanan.

Sistem manajemen pengetahuan (KMS) membantu organisasi memfasilitasi pengumpulan, pencatatan, pengorganisasian, pengambilan, dan penyebaran pengetahuan. Ini mungkin termasuk dokumen, catatan akuntansi, prosedur, praktik, dan keterampilan yang tidak tercatat. Manajemen pengetahuan (KM) sebagai suatu sistem mencakup proses penciptaan dan perolehan pengetahuan dari proses internal dan dunia eksternal. Pengetahuan yang terkumpul dimasukkan ke dalam kebijakan dan prosedur organisasi, dan kemudian disebarluaskan kepada para pemangku kepentingan.

 

Sumber Artikel: en.wikipedia.org

Pendidikan di Indonesia adalah seluruh pendidikan yang diselenggarakan di Indonesia, baik itu secara terstruktur maupun tidak terstruktur. Secara terstruktur, pendidikan di Indonesia menjadi tanggung jawab Kementerian Pendidikan dan Kebudayaan Republik Indonesia (Kemdikbud), dahulu bernama Departemen Pendidikan Nasional Republik Indonesia (Depdiknas). Di Indonesia, semua penduduk wajib mengikuti program wajib belajar pendidikan dasar selama sembilan tahun, enam tahun di sekolah dasar dan tiga tahun di sekolah menengah atas

Saat ini, pendidikan di Indonesia diatur melalui Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional.

Undang-Undang Republik Indonesia Nomor 20 Tahun 2003

Pendidikan di Indonesia terbagi ke dalam tiga jalur utama, yaitu formal, nonformal, dan informal. Pendidikan juga dibagi ke dalam empat jenjang, yaitu anak usia dini, dasar, menengah, dan tinggi.

Sejarah

Belanda memperkenalkan sistem pendidikan formal bagi penduduk Hindia Belanda (cikal bakal Indonesia), meskipun terbatas hanya untuk kalangan tertentu. Sistem yang mereka perkenalkan secara kasar sama saja dengan struktur yang ada sekarang, dengan tingkatan sebagai berikut:

• Europeesche Lagere School (ELS), sekolah dasar bagi pribumi
• Meer Uitgebreid Lager Onderwijs (MULO), sekolah menengah pertama
• Algemeene Middelbare School (AMS), sekolah menengah bawah

Sejak tahun 1930-an, Belanda memperkenalkan pendidikan formal terbatas bagi hampir semua provinsi di Hindia Belanda.

Jenjang

Jenjang pendidikan adalah tahapan pendidikan yang ditetapkan berdasarkan tingkat perkembangan peserta didik, tujuan yang akan dicapai, dan kemampuan yang dikembangkan.

Pendidikan anak usia dini

Mengacu Undang-undang Nomor 20 Tahun 2003, Pasal 1 Butir 14 tentang Sistem Pendidikan Nasional, Pendidikan anak usia dini (PAUD) adalah suatu upaya pembinaan yang ditujukan bagi anak sejak lahir sampai dengan usia enam tahun yang dilakukan melalui pemberian rangsangan pendidikan untuk membantu pertumbuhan dan perkembangan jasmani dan rohani agar anak memiliki kesiapan dalam memasuki pendidikan lebih lanjut.

Pendidikan dasar

Pendidikan dasar merupakan jenjang pendidikan awal selama 9 (sembilan) tahun, yaitu Sekolah Dasar (SD) selama 6 tahun dan Sekolah Menengah Pertama (SMP) selama 3 tahun. Pendidikan dasar merupakan Program Wajib Belajar.

Pendidikan menengah

Pendidikan menengah merupakan jenjang pendidikan setelah pendidikan dasar, yaitu Sekolah Menengah Atas (SMA) maupun Sekolah Menengah Kejuruan (SMK) selama 3 tahun waktu tempuh pendidikan.

Pendidikan Tinggi

Pendidikan tinggi adalah jenjang pendidikan setelah pendidikan menengah yang mencakup program pendidikan diploma, sarjana, magister, dokter, dan spesialis yang diselenggarakan oleh perguruan tinggi.

Jalur pendidikan

Jalur pendidikan adalah wahana yang dilalui peserta didik untuk mengembangkan potensi diri dalam suatu proses pendidikan yang sesuai dengan tujuan pendidikan.

Pendidikan formal

Pendidikan formal merupakan pendidikan yang diselenggarakan di sekolah-sekolah pada umumnya. Jalur pendidikan ini mempunyai jenjang pendidikan yang jelas, mulai dari pendidikan dasar, pendidikan menengah, sampai pendidikan tinggi.

Pendidikan nonformal

Pendidikan nonformal paling banyak terdapat pada usia dini, serta pendidikan dasar. Terdapat pula Taman Pendidikan Al-Qur'an (TPA) yang banyak terdapat di setiap masjid, dan Sekolah Minggu yang terdapat di semua gereja.

Selain itu, ada juga berbagai kursus, diantaranya kursus musik, bimbingan belajar dan sebagainya.

Pendidikan informal

Pendidikan informal adalah jalur pendidikan keluarga dan lingkungan berbentuk kegiatan belajar secara mandiri yang dilakukan secara sadar dan bertanggung jawab.

Jenis

Jenis pendidikan adalah kelompok yang didasarkan pada kekhususan tujuan pendidikan suatu satuan pendidikan.

Pendidikan umum

Pendidikan umum merupakan pendidikan dasar dan menengah yang mengutamakan perluasan pengetahuan yang diperlukan oleh peserta didik untuk melanjutkan pendidikan ke jenjang yang lebih tinggi. Bentuknya: sekolah dasar (SD), sekolah menengah pertama (SMP), dan sekolah menengah atas(SMA).

Pendidikan kejuruan

Pendidikan kejuruan merupakan pendidikan menengah yang mempersiapkan peserta didik terutama untuk bekerja dalam bidang tertentu. Bentuk satuan pendidikannya adalah sekolah menengah kejuruan (SMK), sekolah menengah kejuruan ini memiliki berbagai macam spesialisasi keahlian tertentu.

Pendidikan akademik

Pendidikan akademik merupakan pendidikan tinggi program sarjana dan pascasarjana yang diarahkan terutama pada penguasaan disiplin ilmu pengetahuan tertentu.

Pendidikan profesi

Pendidikan profesi merupakan pendidikan tinggi setelah program sarjana yang mempersiapkan peserta didik untuk memasuki suatu profesi atau menjadi seorang profesional.

Pendidikan vokasi

Pendidikan vokasi merupakan pendidikan tinggi yang mempersiapkan peserta didik untuk memiliki pekerjaan dengan keahlian terapan tertentu maksimal dalam jenjang diploma 4 setara dengan program sarjana (strata 1).

Pendidikan keagamaan

Pendidikan keagamaan merupakan pendidikan dasar, menengah, dan tinggi yang mempersiapkan peserta didik untuk dapat menjalankan peranan yang menuntut penguasaan pengetahuan dan pengalaman terhadap ajaran agama dan/atau menjadi ahli ilmu agama.

Pendidikan khusus

Pendidikan khusus merupakan penyelenggaraan pendidikan untuk peserta didik yang berkebutuhan khusus atau peserta didik yang memiliki kecerdasan luar biasa yang diselenggarakan secara inklusif (bergabung dengan sekolah biasa) atau berupa satuan pendidikan khusus pada tingkat pendidikan dasar dan menengah (dalam bentuk sekolah luar biasa/SLB).

Tingkat

Prasekolah

Dari kelahiran sampai usia 3 tahun, kanak-kanak Indonesia pada umumnya tidak memiliki akses terhadap pendidikan formal. Dari usia 3 sampai 4 atau 5 tahun, mereka memasuki taman kanak-kanak. Pendidikan ini tidak wajib bagi warga negara Indonesia, tujuan pokoknya adalah untuk mempersiapkan anak didik memasuki sekolah dasar. Dari 49.000 taman kanak-kanak yang ada di Indonesia, 99,35% diselenggarakan oleh pihak swasta. Periode taman kanak-kanak biasanya dibagi ke dalam "Kelas A" (atau Nol Kecil) dan "Kelas B" (atau Nol Besar), masing-masing untuk periode satu tahun.

Sekolah dasar

Kanak-kanak berusia 6–11 tahun memasuki sekolah dasar (SD) atau madrasah ibtidaiyah (MI). Tingkatan pendidikan ini adalah wajib bagi seluruh warga negara Indonesia berdasarkan konstitusi nasional. Tidak seperti taman kanak-kanak yang sebagian besar di antaranya diselenggarakan pihak swasta, justru sebagian besar sekolah dasar diselenggarakan oleh sekolah-sekolah umum yang disediakan oleh negara (disebut "sekolah dasar negeri" atau "madrasah ibtidaiyah negeri"), terhitung 93% dari seluruh sekolah dasar/madrasah ibtidaiyah yang ada di Indonesia. Sama halnya dengan sistem pendidikan di Amerika Serikat dan Australia, para siswa harus belajar selama enam tahun untuk menyelesaikan tahapan ini. Beberapa sekolah memberikan program pembelajaran yang dipercepat, di mana para siswa yang berkinerja bagus dapat menuntaskan sekolah dasar selama lima tahun saja.

Sekolah menengah pertama

Sekolah menengah pertama (SMP) dan madrasah tsanawiyah (MTs) adalah bagian dari pendidikan dasar di Indonesia. Setelah tamat dari SD/MI, para siswa dapat memilih untuk memasuki SMP atau MTs selama tiga tahun pada kisaran usia 12-14. Setelah tiga tahun dan tamat, para siswa dapat meneruskan pendidikan mereka ke sekolah menengah atas (SMA), sekolah menengah kejuruan (SMK), atau madrasah aliyah (MA).

Sekolah menengah atas

Sebuah sekolah menengah atas negeri di Jakarta

Di Indonesia, pada tingkatan ini terdapat tiga jenis sekolah, yaitu sekolah menengah atas (SMA), sekolah menengah kejuruan (SMK), dan madrasah aliyah (MA). Siswa SMA dipersiapkan untuk melanjutkan pendidikannya di perguruan tinggi, sedangkan siswa SMK dipersiapkan untuk dapat langsung memasuki dunia kerja tanpa melanjutkan ke tahapan pendidikan selanjutnya. Madrasah aliyah pada dasarnya sama dengan sekolah menengah atas, tetapi porsi kurikulum keagamaannya (dalam hal ini Islam) lebih besar dibandingkan dengan sekolah menengah atas.

Jumlah sekolah menengah atas di Indonesia sedikit lebih kecil dari 9.000 buah.

Pendidikan tinggi

Setelah tamat dari sekolah menengah atas atau madrasah aliyah, para siswa dapat memasuki perguruan tinggi. Pendidikan tinggi di Indonesia dibagi ke dalam dua kategori: yakni negeri dan swasta. Kedua-duanya dipandu oleh Kementerian Pendidikan Nasional. Terdapat beberapa jenis lembaga pendidikan tinggi; misalnya universitas, sekolah tinggi, institut, akademi, dan politeknik.

Ada beberapa tingkatan gelar yang dapat diraih di pendidikan tinggi, yaitu Diploma 3 (D3) - Ahli Madya, Diploma 4 (D4) - Sarjana Terapan, Strata 1 (S1 - Sarjana), Strata 2 (S2) - Magister, dan Strata 3 (S3) - Doktor.

Sumber Artikel : Wikipedia

 

Kecerdasan buatan adalah kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau bisa disebut juga intelegensi artifisial (bahasa Inggris: artificial intelligence) atau hanya disingkat AI, didefinisikan sebagai kecerdasan entitas ilmiah. Andreas Kaplan dan Michael Haenlein mendefinisikan kecerdasan buatan sebagai “kemampuan sistem untuk menafsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu melalui adaptasi yang fleksibel”. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam komputer agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer, logika kabur, jaringan saraf tiruan dan robotika. Secara teknis, kecerdasan buatan adalah model statistik yang digunakan untuk mengambil keputusan dengan menggeneralisir karakteristik dari suatu objek berbasis data yang kemudian dipasang di berbagai perangkat elektronik.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, atau membuat permainan catur. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Objek/Muka, bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin dan program komputer untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, sains, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

Kecerdasan buatan ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tetapi juga mengkonstruksinya.

Tidak ada definisi yang memuaskan untuk 'kecerdasan':

kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya

atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan'

Paham Pemikiran

Secara garis besar, AI terbagi ke dalam dua paham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metode-metode yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metode-metodenya meliputi:

1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
2. Petimbangan berdasar kasus
3. Jaringan Bayesian
4. AI berdasar tingkah laku: metode modular pada pembentukan sistem AI secara manual

Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metode-metode pokoknya meliputi:

1. Jaringan Saraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2. Logika kabur: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan Sintasan yang paling layak untuk menghasilkan pemecahan masalah yang lebih baik.

Metode-metode ini terutama dibagi menjadi algoritme evolusioner (misalnya algoritme genetik) dan kecerdasan berkelompok (misalnya algoritme semut)

Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan saraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

Sejarah kecerdasan buatan

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan fondasi untuk jaringan saraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan Uji Turing sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan saraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadang kala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Pada tahun 1980-an, jaringan saraf digunakan secara meluas dengan algoritme perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Pada tahun 1982, para ahli fisika seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan saraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritme pembelajaran propagansi balik. Algoritme ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

Filosofi

Perdebatan tentang AI yang kuat dengan AI yang lemah masih menjadi topik hangat di antara filosof AI. Hal ini melibatkan filsafat budi dan masalah budi-tubuh. Roger Penrose dalam bukunya The Emperor's New Mind dan John Searle dengan eksperimen pemikiran "ruang China" berargumen bahwa kesadaran sejati tidak dapat dicapai oleh sistem logis formal, sementara Douglas Hofstadter dalam Gödel, Escher, Bach dan Daniel Dennett dalam Consciousness Explained memperlihatkan dukungannya atas fungsionalisme. Dalam pendapat banyak pendukung AI yang kuat, kesadaran buatan dianggap sebagai Cawan Suci kecerdasan buatan.

Fiksi sains

Dalam fiksi sains, AI umumnya dilukiskan sebagai kekuatan masa depan yang akan mencoba menggulingkan otoritas manusia seperti dalam HAL 9000, Skynet, Colossus and The Matrix atau sebagai penyerupaan manusia untuk memberikan layanan seperti C-3PO, Data, the Bicentennial Man, the Mechas dalam A.I. atau Sonny dalam I, Robot. Sifat dominasi dunia AI yang tak dapat dielakkan, kadang-kadang disebut "the Singularity", juga dibantah oleh beberapa penulis sains seperti Isaac Asimov, Vernor Vinge dan Kevin Warwick. Dalam pekerjaan seperti manga Ghost in the Shell-nya orang Jepang, keberadaan mesin cerdas mempersoalkan definisi hidup sebagai organisme lebih dari sekadar kategori entitas mandiri yang lebih luas, membangun konsep kecerdasan sistemik yang bergagasan.

Seri televisi BBC Blake's 7 menonjolkan sejumlah komputer cerdas, termasuk Zen (Blake's 7), komputer kontrol pesawat bintang Liberator (Blake's 7); Orac, superkomputer lanjut tingkat tinggi dalam kotak perspex portabel yang mempunyai kemampuan memikirkan dan bahkan memprediksikan masa depan; dan Slave, komputer pada pesawat bintang Scorpio.

 

Sumber Artikel: id.wikipedia.org

Habituasi secara sederhana adalah pembiasaan, atau penyesuaian pada suatu hal. Habituasi merupakan salah satu proses pembelajaran non-asosiatif yang tergolong proses pembelajaran dasar, yakni pada saat stimulus diberikan secara terus-menerus maka respon yang dihasilkan akan mengalami penurunan. Sehingga stimulus tidak akan berasosiasi dengan respon.

Meskipun terjadi penurunan respon pada proses habituasi, efek yang ditimbulkan tidak membahayakan bagi makhluk. Hal ini dikarenakan saat stimulus terus-menerus diberikan pada makhluk tersebut, maka ia akan menyesuaikan diri dengan baik, sehingga respon tidak ditampilkan dan stimulus akan diabaikan

Sumber Artikel : Wikipedia