BINUS University

FM-BINUS-AA-FPU-78/V2R0
BINUS University
Academic Career: Class Program:

Undergraduate / Master / Doctoral *) International/Regular/Smart Program/Global Class*)
Mid Exam Final Exam Term : Odd/Even/Short *)

Short Term Exam Others Exam :
Kemanggisan Alam Sutera Bekasi Academic Year :

Senayan Bandung Malang 2020 / 2021
Faculty / Dept. : School of Information Systems Deadline Day / Date : Sabtu, 24 Juli 2021
/ Information Systems Time : 13.00
Code - Course : ISYS6283 – Business Intelligence Class : All
Lecturer : Team Exam Typ : Online
) Strikethrough the unnecessary items
The penalty for CHEATING is DROP OUT!!!
Ketentuan umum:
General Rules:
1. Mohon untuk membaca instruksi soal dibawah ini sebaik mungkin.
Please read the exam instruction carefully
2. Mohon tidak melakukan copy-paste (plagiarism). Tindakan Plagiarism = Mencontek.
Please do not copy-paste (plagiarism). Plagiarism = Cheating
Lihat poster dibawah ini:
Look at this poster below:
Verified by,
Richard, S.Kom., M.M. (D5053) and sent to Department/Program on Jun 16, 2021
Page 1 of 4
3. Mohon perhatikan deadline waktu penyerahan jawaban ujian sesuai dengan jadwal di
binusmaya.
Please pay attention to the deadline of exam answer submission according to Binusmaya
4. Mohon mengerjakan ujian ini secara INDIVIDU, bukan berkelompok.
Please do this exam INDIVIDUAL not in GROUP
5. Tidak ada dispensasi jika mengumpulkan jawaban melewati deadline (TANGGAL dan
WAKTU) yang telah ditentukan di Binusmaya dengan alasan apapun. Mahasiswa
diharapkan tidak mengumpulkan jawaban mendekati deadline
There is no dispensation if you submit the answer over the deadline (DATE and TIME)
specified in Binusmaya for any reason. Students are not expected to submit answers
near the deadline.
6. Setelah file jawaban di upload, mohon pastikan kembali dengan cara mendownload
kembali jawabannya sesuai dengan matakuliahnya.
After the answer file is uploaded, please make sure it again by downloading the answer
according to the course.
7. Setelah file jawaban diupload, mohon untuk melakukan screenshot layar hasil
upload jawaban dan pastikan terdapat icon waiting
After the answer file has been uploaded, please take a screenshot of the uploaded
answer screen and make sure there is a waiting icon
LEARNING OUTCOMES
LO 1: Explain the motivations, concepts, methods, and methodologies for decision support
systems, business intelligence, and analytics
LO 2: Recognize the new technology trends as the enablers of the modern-day business
analytics and intelligence for decision support
LO 3: Analyze how organizations employed business analytics and intelligence to make
decisions or gain a competitive edge
LO 4: Identify Decision Support Opportunities that are supported by business analytics
and intelligence
Soal Essay & Kasus Kecil No. 1 (Nilai : 15) – LO 1 & LO 4

1. Sebuah startup “BeanKop” telah berdiri dari 3(tiga) tahun lalu dengan bisnis utamanya
adalah memasok biji kopi dari Indonesia Timur khususnya dari NTT & NTB untuk café-
cafe di Jabodetabek. Disamping sebagai pemasok biji kopi ke café, “BeanKop” juga
menjual biji kopi secara retail via online dengan berbagai merek dan beragam jenis
kemasan. Untuk lebih mengoptimalkan bisnisnya manajemen “BeanKop” memutuskan
untuk membangun DSS (Decision Support System) berbasis IT.
Pertanyaan :
a. Berikan penjelasan apa potensi keuntungan dan juga potensi kerugian apabila
“BeanKop” membangun DSS ?
b. Apabila “BeanKop” membangun DSS, berikan gambaran secara detail 2 (dua)
contoh penerapan DSS untuk “BeanKop” yang dapat digunakan oleh manajemen
untuk dapat meningkatkan kualitas pengambilan keputusan di internal “BeanKop”.
Verified by,
Page 2 of 4
c. Jelaskan dan berikan gambaran tahapan-tahapan apa saja yang harus dilakukan
dalam membangun DSS untuk “BeanKop”.
Soal Essay & Kasus Kecil No. 2 (Nilai : 20) – LO 2 & LO 3

a. Berikan penjelasan secara detail mengenai gambar dibawah ini :
b. Jelaskan apa yang dimaksud dengan Social Media Analytic ?

c. Berkaitan dengan Social Media Analytic, berikan penjelasan mengenai pentingnya
Social Media Analytic untuk pemerintah daerah (kabupaten/kota/provinsi) di
Indonesia saat ini
d. Jelaskan yang dimaksud dengan Optimization & Simulation dan berikan contoh dari
penerapan Optimization & Simulation pada dunia bisnis.
Soal ke 2 : Studi Kasus (50%)- LO 2 & LO 3

PT. XYZ adalah perusahaan yang mengelola fasilitas dan asset (Asset & Facility Management)
untuk 15 gedung milik sebuah Kementrian yang ada di 7 kota besar, Jakarta, Surabaya ,
Semarang dan Bandung, Yogyakarta, Medan dan Makassar. Seluruh data asset & fasilitas dan
proses maintenancemya telah tercatat dengan baik pada aplikasi Asset & Facility Management
System yang telah diimplementasikan dalam waktu 5(lima) tahun.
Dengan semakin banyaknya peralatan, asset dan fasilitas yang ditangani dan kompleksitasnya
operasional yang dijalankan, aplikasi yang saat ini dijalankan sudah saatnya untuk dapat
ditingkatkan sekaligus juga dapat memanfaatkan data-data yang telah terkumpul selama
penerapan sistem yang sudah berjalan 5(lima) tahun, agar data yang semakin besar dapat lebih
berguna.
Pertanyaan :
1. Berikan pendapat Anda, apakah PT. XYZ sudah layak/belum layak untuk menerapkan
data mining dan berikan alasannya secara detil. `(10%)
Verified by,
Page 3 of 4
2. Dengan dataset yang Anda buat (silahkan membuat dataset sesuai dengan asumsi
Anda) berkaitan dengan data Asset dari kasus diatas, berikan contoh pemrosesan
dalam data mining dengan menggunakan salah satu metode (Estimasi, prediksi,
klasifikasi, klastering atau asosiasi) , apabila memungkinkan silahkan Anda
menggunakan software tools untuk melakukan pemrosesan dalam data mining
(misalkan : Excel , Rapidminer Studio, dll) dan hasilnya tampilkan dalam bentuk data
visualization hasil pemrosesan tersebut. (30%)
3. Dari data-data yang dimiliki oleh PT. XYZ tersebut, berikan contoh 3(tiga) hasil
pengolahan dengan menggunakan konsep data mining yang merupakan peningkatan
dari sistem informasi yang telah berjalan saat ini.(10%)
Soal No.3 (Nilai : 15) - LO 2 & LO 4

Buatlah video dengan memilih salah satu dari materi dibawah ini :
1. Internet of Things dan hubungannya dengan BigData
2. Cloud Computing dan Business Analytics
3. Issues of Legalty, Privacy, and Ethics
4. Data Mining & Data Science
Catatan :
 Video dalam Bahasa Indonesia
 Durasi video antara : 5 (lima) s/d 10 menit
 Anda sebagai pemateri/presenter dan materi yang akan disajikan dalam video silahkan
Anda cari selengkap mungkin dari berbagai sumber
 Video di unggah di youtube
 Anda hanya memberikan link dari video yang telah Anda unggah di youtube
 Pastikan link yang Anda berikan tidak missing link dan video tersebut dapat dijalankan
dengan baik pada saat dinilai.
 Kesalahan yang menyebabkan video tidak bisa ditampilkan pada saat penilaian
(karena sebab apapun) ,maka penilaian untuk Soal No.3 diberikan nilai 0 (Nol).
Verified by,
Page 4 of 4
LEMBAR JAWABAN
Nama: Jenifir March

NIM: 2301882092
Kelas: LA11
Soal Essay & Kasus Kecil No. 1

a. Berikan penjelasan apa potensi keuntungan dan juga potensi kerugian apabila “BeanKop”
membangun DSS?
Decision Support System (DSS) merupakan sistem pendukung keputusan yang merupakan bagian
dari sistem informasi berbasis komputer yang digunakan untuk mendukung bisnis atau kegiatan
pengambilan keputusan dalam suatu organisasi atau perusahaan. Tujuan dari DSS itu sendiri yaitu
untuk melayani manajemen, operasi, tingkat perencanaan organisasi, meningkatkan efektifitas
dalam pengambilan keputusan dan membantu orang membuat keputusan tentang masalah yang
mungkin berubah dengan cepat dan tidak mudah untuk diselesaikan.
Berdasarkan kasus pada startup “BeanKop”, mereka membangun DSS berbasis IT untuk
mengoptimalkan bisnis manajemen dari “BeanKop” yang bergerak sebagai pemasok kopi ke café
dan juga menjual kopi secara retail via online. Dalam membangun DSS, tentunya akan terdapat
potensi keuntungan dan potensi kerugian yang dapat dialami oleh “BeanKop”.
Adapun potensi keuntungannya, yaitu:
1. Meningkatkan efektivitas pengambilan keputusan
Keuntungan pertama yang didapatkan “BeanKop” jika membangun DSS yaitu pengambilan
keputusan yang lebih efektif. Hal ini dikarenakan DSS akan melakukan lebih banyak analisis
terhadap berbagai keputusan yang mungkin digunakan untuk menyelesaikan suatu masalah
sehingga pengambilan keputusan yang dihasilkan juga akan lebih efektif dan menghasilkan
keputusan yang lebih baik. Misalnya: “BeanKop” mengalami permasalahan di mana kualitas
biji kopi dari Indonesia Timur sedang tidak baik sehingga “BeanKop” harus mencari alternatif
pemasok lain yang mampu menyediakan kualitas biji kopi yang sama. Dalam pengambilan
keputusan terkait biji kopi mana yang akan dipilih, jika menggunakan DSS, maka DSS akan
memberikan analisis terkait biji kopi yang memiliki kualitas yang sama dengan biji kopi yang
berasal dari Indonesia Timur serta memberikan rekomendasi biji kopi yang dapat dipilih dengan
merincikan berbagai aspek terkait biji kopi yang bersangkutan. Hal ini dapat meningkatkan
efektivitas pengambilan keputusan karena “BeanKop” tidak perlu lagi mencari secara manual
mengenai informasi-informasi mengenai biji kopi karena DSS berbasis IT telah melakukan hal
tersebut secara otomatis sampai memberikan rekomendasi pengambilan keputusan yang dapat
diambil oleh pihak “BeanKop”
2. Keunggulan kompetitif/competitive advantages

Competitive advantages berarti kemampuan yang diperoleh melalui karakteristik dan sumber
daya suatu perusahaan untuk memiliki kinerja yang lebih tinggi dibandingkan perusahaan lain
pada industri atau pasar yang sama. Competitive advantages berasal dari kemampuan
perusahaan untuk memanfaatkan kekuatan internalnya untuk merespon peluang lingkungan
eksternal sambil menghindari ancaman eksternal dan kelemahan internal. Jika “BeanKop”
membangun DSS untuk bisnisnya, maka “BeanKop” akan lebih mampu bersaing dengan bisnis-
bisnis yang bergerak di bidang yang sama bahkan “BeanKop” dapat juga memiliki kinerja yang
lebih tinggi dibandingkan dengan perusahaan lain karena dengan menggunakan DSS, maka
Verified by,
Page 5 of 4
semua masalah terkait pengambilan keputusan akan diselesaikan oleh DSS dan tidak
membutuhkan waktu yang lama sehingga “BeanKop” dapat meningkatkan kinerja bisnisnya
dan memberikan tingkat kepuasan yang lebih tinggi dibandingkan dengan bisnis lainnya.
3. Meningkatkan komunikasi antar pengambil keputusan

Membangun DSS untuk “BeanKop” dapat meningkatkan komunikasi dan kolaborasi antar
pengambil keputusan. Keuntungan ini dapat diperoleh jika dalam DSS yang dibangun oleh
“BeanKop” menggunakan kategori Communications-driven and group DSS di mana DSS ini
menggunakan komputer, kolaborasi, dan teknologi komunikasi untuk mendukung tugas
kelompok yang dapat melibatkan pengambilan keputusan.
4. Meningkatkan akurasi data dan data sharing

DSS mampu meningkatkan akurasi data dan data sharing bagi “BeanKop” di mana DSS
berbasis data dan model dapat mengakses data historis dan keluaran sistem dapat mendorong
pengambilan keputusan berbasis fakta. Jika pengambilan keputusan yang dilakukan berdasarkan
fakta, maka keputusan atas penyelesaian masalah yang dihasilkan oleh “BeanKop” akan
memiliki kualitas yang baik.
5. Meningkatkan kepuasan pengambil keputusan

Dikarenakan DSS mampu memberikan data yang akurat dan mampu melakukan data sharing,
maka pengambilan keputusan yang akan dihasilkan oleh DSS juga akan berdasarkan fakta. Hal
ini tentunya akan menghasilkan juga keputusan yang tepat dan akurat yang dapat mengatasi
permasalahan yang dihadapi oleh “BeanKo” secara tepat sasaran. Jika keputusan yang
dihasilkan oleh DSS mampu menyelesaikan masalah yang dihadapi, maka pengambil keputusan
akan merasa puas atas keputusan yang diambilnya dan merasa puas karena dapat menyelesaikan
permasalahan yang ada dengan mudah, efektif, dan tidak memakan waktu yang lama.
6. Meningkatkan kontrol manajemen dan kinerja

DSS berbasis data akan membuat data trasaksi bisnis tersedia untuk pemantauan kinerja. Lalu
sistem juga dapat meningkatkan pemahaman manajemen tentang operasi bisnis. Hal ini
memudahkan “BeanKop” untuk melakukan pematauan dan kontrol terhadap manajemen dan
kinerja dari bisnisnya sehingga jika adanya penurunan kinerja dapat diketahui lebih dini dan
dapat segera diperbaiki.
7. Sebagai penambah sudut pandang dan pembelajaran organisasi

DSS dapat memberikan pembelajaran konsep baru dan pengembangan pemahaman faktual yang
lebih baik tentang bisnis dan lingkungan pengambilan keputusan. Penggunaan DSS juga dapat
dalam hal ini juga dapat membantu “BeanKop” untuk memberikan pelatihan bagi karyawan
barunya karena beberapa DSS dapat dijadikan sebagai alat pelatihan yang diakui bagi karyawan
baru sehingga mereka memiliki pandangan dan pembelajaran mengenai sistem pengambilan
keputusan.
8. Mengurangi cycle time/waktu siklus

Waktu siklus di sini mengacu pada waktu yang berlalu dari saat proses keputusan dimulai
sampai selesai. Pada poin ini, jika “BeanKop” membangun DSS bagi bisnisnya maka saat
“BeanKop” dihadapkan sebuah masalah yang mengharuskan adanya pengambilan keputusan,
maka DSS akan memberikan pengambilan keputusan secara tepat waktu sehingga menghemat
waktu pengambilan keputusan.
Verified by,
Page 6 of 4
9. Mengurangi biaya decision proses
DSS mengurangi biaya pengambilan keputusan dengan menurutkan biaya infrastruktur dan
teknologi. Dengan adanya DSS berbasis IT yang dibangun di “BeanKop”, maka dapat
membantu manajer secara proaktif membuat keputusan yang terinformasi dan dapat
ditindaklanjuti, serta meningkatkan kinerja di seluruh proses bisnis. DSS juga dapat
meningkatkan kelincahan, membantu manajer bergerak dengan cepat dan mudah untuk
menanggapi pelanggan dan pemasok.
Di samping potensi keuntungan yang didapat, DSS juga memiliki potensi kerugian yang dapat
dialami oleh “BeanKop” jika membangun DSS untuk bisnisnya, yaitu:
1. Asumsi Relevansi
Hal ini berarti “BeanKop” akan berasumsi bahwa topik-topik yang dapat ditangani oleh DSS
terkomputerisasi adalah isu-isu yang paling relevan. Asumsi ini terkadang salah. Jadi ada
bahaya bahwa “BeanKop” akan menggunakan DSS secara tidak tepat. Pelatihan tentang
tujuan dan penggunaan sistem adalah satu-satunya cara untuk menghindari masalah potensial
ini.
2. Keyakinan Palsu pada Objectivitas

Pihak “BeanKop” yang menggunakan DSS terkomputerisasi mungkin tidak lebih objektif atau
bersifat subjectif dan tidak lebih rasional dalam pengambilan keputusannya. Misalnya dalam
sebuah pengambilan keputusan oleh “BeanKop”, ia tidak lagi mempertimbangkan hal-hal lain
dan langsung menggunakan keputusan yang dihasilkan oleh DSS karena dianggap dan
diyakini sudah pasti menghasilkan keputusan yang benar sebenarnya mungkin saja keputusan
yang dihasilkan akan memberikan kerugian bagi pihak lainnya karena tidak mengabaikan
beberapa pertimbangan yang ada.
3. Informasi yang Belebih

Hal ini dapat terjadi jika DSS yang dibangun oleh “BeanKop” dirancang dengan buruk
sehingga meningkatkan beban informasi. Namun jika rancangan DSS tersebut dikaji ulang dan
diperbaiki, maka potensial ini dapat teratasi karena meskipun beban informasi yang berlebihan
dapat menjadi masalah, DSS yang dirancang dengan baik dapat membantu untuk mengatur
dan menggunakan informasi. Pengembang perlu mencoba mengukur beban informasi yang
dibuat oleh suatu sistem pengambil keputusan sehingga dapat dilakukan monitoring jika
terjadi atau menghasilkan informasi berlebih.
4. Mengesampingkan Tanggung Jawab

Dikarenakan DSS tidak membuat keputusan yang buruk, maka kebanyakan orang akan
membangun sistem dan memilih untuk menggunakannya. Sayangnya beberapa orang
membelokkan tanggung jawab pribadi dan menyalahkan DSS jika terjadi kesalahan dalam
pengambilan keputusan. DSS adalah perantara antara orang-orang yang membangun sistem
dan orang-orang yang menggunakan sistem. Tanggung jawab yang terkait dengan
pengambilan keputusan menggunakan DSS berada pada orang yang membangun sistem dan
mereka yang menggunakannya.
5. Terlalu Berfokus pada Pengambilan Keputusan

Menerapkan DSS dapat memperkuat perspektif pengambilan keputusan yang rasional dan
menekankan pentingnya proses pengambilan keputusan. Dalam banyak situasi, “BeanKop”
perlu memeriksa konteks pengambilan keputusan yang lebih luas dan faktor sosial, politik,
dan emosional yang memengaruhi keberhasilan bisnisnya. Mereka harus memeriksa kapan
Verified by,
Page 7 of 4
dan dalam keadaan apa dukungan keputusan harus dibangun dan digunakan. Mereka juga
harus terus mengetahui apakah situasi keputusan sesuai untuk menggunakan jenis pendukung
keputusan apa pun.
6. Pengurangan Status
Hal ini merupakan kekhawatiran bagi karyawan yang bekerja di “BeanKop” khususnya yang
berperan dalam pengambilan keputusan. Mereka khawatir bahwa menggunakan DSS akan
mengurangi status mereka dan memaksa mereka untuk melakukan pekerjaan administrasi
biasa.
7. Pemindahan Kekuasaan
DSS yang digerakkan oleh pengetahuan dan otomatisasi keputusan dapat dianggap sebagai
pengalihan otoritas keputusan dari sumber daya manusia ke program perangkat lunak. Hal ini
menjadi kekhawatiran bagi karyawan yang bekerja di “BeanKop” bahwa tugas yang biasanya
mereka lakukan akan digantikan oleh sistem perangkat lunak DSS.
8. Efek Tak Terduga

Efek tak terduga ini dapat dikatakan seperti beberapa DSS akan mengurangi tingkat
keterampilan yang dibutuhkan untuk melakukan tugas keputusan. Beberapa DSS membebani
pembuat keputusan dengan informasi dan sebenarnya mengurangi efektivitas pengambilan
keputusan.
9. Sulitnnya pemodelan sistem bisnis dan akan menghasilkan model yang tidak dapat
menangkap semua pengaruh dari entity.
10. Dibutuhkan keterampilan matematika yang tinggi untuk menggembangkan model yang
lebih kompleks secara pribadi
b. Apabila “BeanKop” membangun DSS, berikan gambaran secara detail 2 (dua) contoh penerapan
DSS untuk “BeanKop” yang dapat digunakan oleh manajemen untuk dapat meningkatkan kualitas
pengambilan keputusan di internal “BeanKop”.
Gambaran detail mengenai 2 contoh penerapan DSS untuk “BeanKop” yang dapat digunakan oleh
manajemen untuk meningkatkan kualitas pengambilan keputusan di internal “BeanKop”, yaitu:
1. Penerapan DSS untuk pengambilan keputusan dalam menentukan kualitas biji kopi
sehingga “BeanKop” dapat memasok biji kopi untuk café di Jabodetabek dengan kualitas
yang baik dan unggul.
Menentukan biji kopi berkualitas harus tepat sesuai dengan standar dan kriteria yang sudah
ditetapkan. Dalam membuat keputusan penentuan biji kopi berkualitas, diperlukan sebuah
sistem yang tepat untuk menganalisa permasalahan, keakuratan, dalam penyelesaian dan
efisiensi penyajian data. Salah satu sistem yang tepat sesuai dengan permasalahan tersebut yaitu
sistem pendukung keputusan (DSS). Pada contoh penerapan ini pemanfaatan DSS sangat tepat
karena mampu melakukan seleksi terhadap alternatif terbaik dari sejumlah alternatif, dalam hal
Verified by,
Page 8 of 4
ini alternatif yang dimaksudkan yaitu daerah-daerah selain NTB & NTT yang mampu
menghasilkan panen biji kopi yang memenuhi kriteria-kriteria yang diinginkan. Dengan adanya
DSS ini, proses penentuan kualitas biji kopi menjadi lebih akurat dan memberi kemudahan bagi
“BenKop” dalam menentukan biji kopi berkualitas sehingga memberi kepuasan kepada café
yang memasok biji kopi dengannya. Kategori DSS yang dapat digunakan, yaitu Document-
driven DSS yang dapat membantu dalam mengelola halaman web dan dokumen tidak
terstruktur dalam hal ini dokumen atau informasi terkait dengan biji-biji kopi yang memiliki
kualitas baik. Sebuah DSS berbasis dokumen mengintegrasikan berbagai teknologi
penyimpanan dan pengolahan untuk menyediakan pengambilan dokumen lengkap dan analisis.
Web menyediakan akses ke database dokumen yang besar termasuk database dokumen
hypertext, gambar, suara dan video untuk mendukung pengambilan keputusan yang tepat.
2. Penerapan DSS dalam pembuatan layanan BenKop care-service untuk penjualan retail
via online dan kegiatan memasok ke café di Jabodetabek.
Pembuatan layanan ini dilakukannya untuk mempermudah “BenKop” dalam pengambilan
keputusan yang cepat dan akurat yang diambil berdasarkan data dan fakta yang berada di
lapangan. Layanan ini akan dapat membantu evaluasi pemilihan biji kopi yang digunakan untuk
memasok café di Jabodetabek dan dijual secara retail via online karena layanan BenKop care-
service ini berfungsi juga untuk menjalin hubungan antara “BenKop” dengan café-café dan
customernya. Dengan adanya BenKop care-service, “BenKop” dapat mengetahui saran-saran
yang diberikan oleh customer dan café-café untuk mengembangkan bisnisnya terkait apa saja
yang harus dilakukan oleh system management “BenKop” itu sendiri. Penerapan DSS ini juga
membantu “BenKop” untuk dapat cepat menanggapi keluhan-keluhan pelanggan dan
pengambilan perusahaan pun akan lebih efektif dan efisien. Tidak hanya itu, penerapan DSS ini
juga memberikan keuntungan bagi 2 pihak, baik dari pihak “BenKop” maupun dari pihak
customer atau café-café yang memasok biji kopi dari “BenKop”. Keuntungan dari sisi customer
dan café yaitu dengan menggunakan DSS, customer atau café-café dapat menyampaikan
keluhan-keluhan kepada “BenKop” secara langsung. Sedangkan dari sisi “BenKop”, DSS
memberikan keuntungan yaitu, saran-saran dan keluhan yang diberikan oleh customer atau
café-café dapat langsung ditanggapi secara tepat dan cepat sehingga “BenKop” dapat
mengevaluasi kekurangan-kekurangan yang ada dan segera memperbaikinya. Biasanya kategori
DSS yang digunakan, yaitu Web-based DSS karena layanan ini menghasilkan suatu design
interface yang di dalamnya customer/café dapat menyampaikan saran dan keluhan yang
nantinya akan ditanggapi kembali oleh “BenkKop”.
Verified by,
Page 9 of 4
c. Jelaskan dan berikan gambaran tahapan-tahapan apa saja yang harus dilakukan dalam membangun
DSS untuk “BeanKop”.
Dalam membantu proses pengambilan keputusan yang dilakukan oleh “BenKop” terdapat 4 tahap
atau fase yang dilakukan untuk mebangun DSS, yaitu:
1. Tahap Intelligence (Pemahaman)
Kegiatan yang dicakup umumnya akan menekan pada identifikasi situasi dan juga peluang serta
masalah yang ada. Intelligence pada DSS ini terdiri dari pemberdayaan lingkungan baik itu
secara terus-menerus ataupun dengan selang waktu tertentu. Beberapa kegiatan yang tergolong
dalam tahapan intelligence ini adalah mengidentifikasi masalah atau peluang, klasifikasi
masalah, dan juga kepemilikan suatu masalah.
Pada kasus “BeanKop” di tahapan ini dilakukan oleh “BeanKop” yaitu memahami
permasalahan yang dihadapi terkait proses bisnis yang ternyata dianggap sebagai sebuah
kondisi yang akan digunakan untuk meminta adanya suatu pengambilan keputusan. Misalnya:
Pada tahap intelligence ini akan ditemukan suatu kondisi di mana dalam pemilihan biji kopi
memerlukan pengambilan keputusan yang tepat sehingga biji kopi yang dipilih memiliki
kualitas yang baik dan mampu memberikan kepuasan kepada customer/café-café yang
menerima pasokan biji kopi dari “BeanKop”. Pada tahap intelligence ini juga menentukan
terkait model DSS apa yang cocok digunakan untuk masalah yang ada.
2. Tahap Design (Perancangan)

Tahap desaign adalah proses penemuan atau pengembangan serta menganalisis tindakan yang
memang harus dilakukan atau mengembangkan dan menganalisis alternatif tindakan yang
memungkinkan dari solusi. Dalam fase ini terdapat pemahaman pada masalah dan juga menguji
solusi yang memang menjanjikan. Beberapa contoh dari kegiatan fase desain ini adalah memilih
suatu prinsip pilihan, menghasilkan ataupun mengembangkan pilihan, dan juga menghitung
seluruh hasil akhirnya. Pada tahap design ini, akan dikembangkan berbagai alternatif yang dapat
digunakan untuk menyelesaikan masalah yang dihadapi oleh “BeanKop”. Misalnya:
berdasarkan masalah yang dihadapi terkait dengan pemilihan kualitas biji kopi, maka pada
tahap design ini akan dikembangkan altenatif-alternatif terkait daerah-daerah yang dapat
menghasilkan biji kopi dengan kualitas yang baik selain NTT & NTB.
3. Tahap Choice (Pemilihan)

Tahapan choice adalah suatu kegiatan dalam mengambil keputusan secara lebih kritis. Dalam
tahapan ini, perusahaan ataupun organisasi akan membuat suatu keputusan yang nyata dan juga
mengambil komitmen guna mengikuti tindakan tertentu. Tahapan choice ini mencakup evaluasi,
pencarian, dan juga rekomendasi pada solusi yang lebih sesuai untuk model. Solusi untuk
model ini adalah berbagai kumpulan yang spesifik bagi sejumlah variabel keputusan pada suatu
alternatif yang memang sudah terpilih.
Pada tahap ini, alternatif yang telah dikembangkan pada tahapan sebelumnya akan dilakukan
evaluasi, pencarian, dan memberikan rekomendasi altenatif yang sesuai untuk menyelesaikan
permasalahan dari “BeanKop”. Misalnya: Dari tahap sebelumnya dihasilkan list-list dari daerah
yang mampu memberikan kualitas biji kopi dengan kualitas yang baik. Dari list-list daerah
tersebut akan dievaluasi hingga akhirnya akan diberikan rekomendasi alternatif terbaik yang
Verified by,
Page 10 of
akan mendukung pengambilan keputusan yang dapat menyelesaikan dan menjawab
permasalahan yang ada pada tahap pertama.
4. Tahap Implementation (Implementasi)

Tahap implementasi adalah inisiasi terhadap pengendalian pada perubahan suatu bisnis. Tahap
implementasi ini akan terasa sedikit sulit untuk didefinisikan karena memiliki rangkaian proses
yang panjang. Namun yang pasti pada tahap implementasi ini dilakukan agar bisa memastikan
solusi yang sudah dipilih dan direkomendasikan bisa bekerja dengan baik atau secara singkat
tahapan ini merupakan tahapan yang memakai tindakan yang dipilih dalam tindakan situasi
pengambilan keputusan.
Berdasarkan penjelasan di atas, maka pada tahap ini “BenKop” menggunakan rekomendasi
yang telah dipilih pada tahap sebelumnya untuk dijadikan sebagai pengambilan keputusan.
Misalnya: Dari tahap sebelumnya didapatkan hasil bahwa daerah Papua merupakan daerah yang
paling direkomendasikan terkait kualitas biji kopi yang dihasilkan selain daerah NTB & NTT
sehingga di tahap impelemntasi ini berarti “BeanKop” mengambil keputusan bahwa mereka
akan memasok biji kopi dari Papua juga untuk café-café di Jabodetabek.
Selain 4 tahapan di atas, saya juga akan memberikan tahapan lagi yang lebih menjelaskan tahapan
di atas secara lebih detail, yaitu:
1. Perencanaan: Merumuskan kerangka dan ruang lingkup DSS, persyaratan kerja , dan memilih
konsep-konsep & menganalisis model pembuatan keputusan yang relevan dengan tujuan DSS.
Langkah ini menentukan pemilihan jenis DSS yang akan dirancang dan metode pendekatan yang
dipergunakan.
2. Penelitian: Berhubungan dengan pencarian data serta sumber daya yang tersedia
3. Analisis & Perancangan konsep: Penentuan teknik pendekatan yang akan dilakukan serta sumber
daya yang dibutuhkan. Pendekatan ini meliputi Communication-driven DSS, Data-driven DSS,
Document-driven DSS, Knowledge-driven DSS, dan Model-driven DSS.
4. Perancangan: Melakukan perancangan ketiga subsistem utama SPK yaitu subsistem database, model
dan Dialog.
5. Konstruksi merupakan kelanjutan dari perancangan dimana ketiga subsistem yang telah dirancang
digabungkan menjadi suatu DSS
6. Implementasi: Menerapkan DSS yang dibangun. Pada tahap dilakukan testing, evaluasi, penampilan,
orientasi, pelatihan dan penyebaran
7. Pemeliharaan: Tahapan yang dilakukan terus menerus untuk mempertahankan keandalan sistem
8. Adaptasi: Melakukan pengulangan terhadap tahapan diatas sebagai tanggapan terhadap perubahan
kebutuhan pemakai/user dalam hal ini Startup “BeanKop”.
Verified by,
Page 11 of
Soal Essay & Kasus Kecil No. 2

a. Berikan penjelasan secara detail mengenai gambar dibawah ini:
Gambar di atas menjelaskan mengenai text analytics dengan nama lain text mining. Lalu
text mining itu sendiri memiliki 4 komponen atau 4 bagian/Related Application Areas, yaitu
Information Retrieval, Natural Language Processing, Data Mining, dan Web Mining. Keempat
komponen atau bagian tersebut memiliki contoh dari masing-masing komponennya. Lalu dibagian
bawah lingkaran terdapat bidang-bidang ilmu berpengaruh dalam proses Text Mining. Text
Mining berdasarkan gambar di atas merupakan gabungan dari IR + NLP + Data Mining + Web
Mining. Berikut penjelasan secara lebih detail terkait gambar di atas:
Text Analytics atau yang biasa disebut dengan Text Mining adalah penerapan konsep dan
teknik data mining untuk mencari pola dalam teks, yaitu proses penganalisisan teks guna
menyarikan informasi yang bermanfaat untuk tujuan tertentu. Berdasarkan ketidakteraturan
struktur data teks, maka proses text mining memerlukan beberapa tahap awal yang pada intinya
adalah mempersiapkan agar teks dapat diubah menjadi lebih terstruktur. Tujuan dari text mining
adalah untuk mendapatkan informasi yang berguna dari sekumpulan dokumen. Jadi, sumber data
yang digunakan pada text mining adalah kumpulan teks yang memiliki format yang tidak
terstruktur atau minimal semi terstruktur. Adapun tugas khusus dari text mining antara lain yaitu
pengkategorisasian teks (text categorization) dan pengelompokan teks text clustering).
Setelah mengetahui mengenai text mining, maka selanjutnya akan membahas mengenai
keempat bagian lingkaran yang termasuk dalam text mining seperti gambar di atas.
 Information Retrieval
Information Retrieval (IR) adalah pekerjaan untuk menemukan dokumen yang relevan dengan
kebutuhan informasi yang dibutuhkan oleh user. Contoh sistem IR yang paling popular adalah
search engine pada World Wide Web. Seorang pengguna Web bisa menginputkan query berupa
kata apapun ke dalam sebuah search engine dan melihat hasil dari pencarian yang
relevan. Berdasarkan gambar di atas, terdapat contoh dari Information Retrieval, yaitu:
a. Document Matching
b. Link Analysis
Link Analysis adalah teknik analisis data yang digunakan dalam teori jaringan yang
digunakan untuk mengevaluasi hubungan atau koneksi antara node jaringan. Hubungan ini
Verified by,
Page 12 of
dapat antara berbagai jenis objek (node), termasuk orang, organisasi dan bahkan transaksi.
c. Search Engines
Search Engine adalah sebuah program komputer tertentu yang khusus difungsikan untuk
membantu pengguna dalam mencari berkas-berkas yang tersimpan dalam layanan World
Wide Web atau news group pada sejumlah jaringan komputer server
 Natural Language Processing

Natural Language Processing (NLP) merupakan salah satu cabang ilmu AI yang berfokus
pada pengolahan bahasa natural. Bahasa natural adalah bahasa yang secara umum digunakan
oleh manusia dalam berkomunikasi satu sama lain. Bahasa yang diterima oleh komputer butuh
untuk diproses dan dipahami terlebih dahulu supaya maksud dari user bisa dipahami dengan
baik oleh komputer.
Ada berbagai terapan aplikasi dari NLP. Diantaranya:
a. Chatbot (aplikasi yang membuat user bisa seolah-olah melakukan komunikasi dengan
computer)
b. Stemming atau Lemmatization (pemotongan kata dalam bahasa tertentu menjadi bentuk
dasar pengenalan fungsi setiap kata dalam kalimat)
c. Summarization (ringkasan dari bacaan)
d. Translation Tools (menterjemahkan bahasa) dan aplikasi-aplikasi lain yang memungkinkan
komputer mampu memahami instruksi bahasa yang diinputkan oleh user
e. POS Tagging (proses memberi label pada setiap kata dalam kalimat dengan POS atau
tagyang sesuai dengan kelas kata seperti kata kerja, kata keterangan, kata sifat, dan lainnya)
f. Word Disambiguation (masalah terbuka pemrosesan bahasa alami berupa proses
identifikasi makna kata polisemi yang digunakan pada suatu kalimat. Penyelesaian masalah
ini antara lain berdampak terhadap relevansi mesin pencari,
pemecahan anafora, koherensi atau kepaduan, serta inferensi atau penyimpulan)
 Data Mining
Data mining adalah ekstraksi atau pemahaman pattern yang menarik pada data, atau dapat juga
diartikan sebagai serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data
berupa pengetahuan yang selama ini tidak diketahui secara manual. Data mining juga berarti
proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik
atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi.
Tujuan dilakukannya data mining adalah menemukan hubungan atau pola yang mungkin
memberikan indikasi yang bermanfaat.
Data mining mempunyai fungsi yang penting untuk membantu mendapatkan informasi yang
berguna serta meningkatkan pengetahuan bagi pengguna. Berikut adalah fungsi dari data
mining:
a. Generalisasi
o Karakterisasi = mendeskripsikan suatu class dari ciri-ciri atau atributnya
o Diskriminasi = karakteristik yang membedakan antar class
b. Asosiasi dan korelasi / mining frequent pattern
Mendeskripsikan hubungan antar atribut.
c. Classification dan Regression:
o Classification = Dari ciri-ciri akan menghasilkan label
o Regression = Lebih ke ciri-cirinya, dan yang dicari adalah nominal value
Verified by,
Page 13 of
d. Cluster analysis
Data untuk melatih mesin tidak ada label. Digunakan untuk klasifikasi preposisi,
termasuk unsupervised learning.
e. Outlier analysis
Transaksi normal jumlahnya banyak sekali, mendeteksi terjadinya keanehan atau masalah
pada transaksi (mendeteksi anomaly/ kejadian tidak biasa).
 Web Mining
Web mining adalah ekstraksi pola-pola penting dan bermanfaat namun tersimpan secara
implisit pada kumpulan data yang relatif besar pada layanan world wide web. Web mining
teridiri atas tiga bagian yaitu:
a. Web content mining adalah suatu proses otomatis untuk menemukan informasi yang berguna
dari dokumen atau data. Pada prinsipnya teknik ini mengekstraksi kata kunci yang
terkandung pada dokumen. Isi data web antara lain dapat berupa teks, citra, audio, video,
metadata, dan hyperlink. Ada dua strategi yang umum digunakan: pertama langsung
melakukan mining terhadap data, dan kedua melakukan pencarian serta mengimprove hasil
pencarian seperti layaknya search engine.
b. Web struncture mining dikenal juga sebagai web log mining adalah teknik yang digunakan
untuk menemukan struktur link dari hyperlink dan membangun rangkuman website dan
halaman web. Salah satu manfaatnya adlah untuk menentukan pagerank pada suatu
halaman web.
c. Web usage mining adalah teknik untuk mengenali perilaku pelanggan dan struktur web
melalui informasi yang diperoleh dari log, click stream, cookies, dan query. Berbagai tool
yang sudah ada antara lain WebLogMiner yang melakukan mining terhadap data log. Teknik
yang lebih canggih digunakan untuk melakukan OLAP. Manfaat web usage mining adalah
untuk kustomosasi halaman berdasarkan profil pengguna, menentukan ketertarikan
pelanggan terhadap produk tertentu, dan menentukan target market yang sesuai.
Bidang-bidang yang mempengaruhi dalam proses text mining:

a. Statistics
Statistik adalah komponen data mining yang menyediakan alat dan teknik analitik untuk
menangani sejumlah besar data. Ini adalah ilmu belajar dari data dan mencakup segala sesuatu
mulai dari mengumpulkan dan mengatur hingga menganalisis dan menyajikan data.
b. Machine Learning
Machine Learning adalah mesin yang dikembangkan untuk bisa belajar dengan sendirinya
tanpa arahan dari penggunanya. Pembelajaran mesin dikembangkan berdasarkan disiplin ilmu
lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan
menganalisa data tanpa perlu di program ulang atau diperintah. Dalam hal ini machine
learning memiliki kemampuan untuk memperoleh data yang ada dengan perintah ia sendiri.
ML juga dapat mempelajari data yang ada dan data yang ia peroleh sehingga bisa melakukan
tugas tertentu. Tugas yang dapat dilakukan oleh ML pun sangat beragam, tergantung dari apa
yang ia pelajari.
c. Management Science
Management Science adalah suatu ilmu yang menggunakan aplikasi matematika dalam
penyelesain masalah yang dihadapi seorang manager yang dijelaskan sebagai filosofi dan logika
untuk melakukan pemecahan masalah tersebut.
Verified by,
Page 14 of
d. Artificial Intelligence
Artificial Intelligence adalah salah satu bagian dari ilmu komputer yang mempelajari
bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia, bahkan bisa lebih baik daripada yang dilakukan manusia.
e. Computer Science
Computer science merupakan ilmu yang mempelajari tentang komputer dan sistem komputasi.
b. Jelaskan apa yang dimaksud dengan Social Media Analytic?

Social Media Analytic adalah metode analisa untuk melihat respon dan opini pelanggan terhadap
produk atau jasa perusahaan. Solusi ini digunakan untuk melihat respons atau opini pelanggan dan
juga mengukur campaign yang sedang dilakukan perusahaan dengan cara menarik data dari semua
channel baik dari media cetak maupun media sosial seperti Instagram, Twitter, Facebook, dan
sebagainya sesuai kebutuhan perusahaan dengan tujuan memberikan laporan secara komprehensif
mengenai brand sentiment, analisa kompetitor, customer insight, dan sebagainya. Tools yang
digunakan untuk mengukur dampak dari social media, yaitu descriptive analytics, social netwoek
analysis, dan advanced analytics.
Best practice/langkah utama dari Social Media Analytic:

 Menganalisa sentimen pada level pengguna individual.
 Analisis kualitatif dan kuantitatif dari sebuah brand.
 Mengukur tingkat emosi pelanggan
 Memetakan semua pendukung potensial, kelompok fanatik, netral dan potential haters.
 Mengukur sentimen pelanggan pada topik yang terkait (dari semua channel media sosial).
 Seleksi data yang tak terbatas.
 Mengatur kata kunci negatif dan positif dalam berbagai bahasa.
 Pandangan kualitatif dan kuantitatif dalam penulisan laporan.
 Mengukur sentimen pelanggan dari campaign pemasaran.
 Mengukur tingkat responsif pelanggan dari sebuah promosi dalam periode tertentu.
c. Berkaitan dengan Social Media Analytic, berikan penjelasan mengenai pentingnya Social Media
Analytic untuk pemerintah daerah (kabupaten/kota/provinsi) di Indonesia saat ini.
Pemerintah daerah di Indonesia saat ini sedang berfokus untuk menekan jumlah penyebaran virus
COVID-19. Media social dalam hal ini memegang peranan penting dalam menyebarkan informasi
yang disampaikan kepada public. Selain itu pemerintah daerah juga memanfaatkan social media
untuk melihat respons dan opini masyarakat terkait pemberlakuan kebijakan yang dilaksanakan di
daerahnya sebagai contoh, pemerintah daerah Jakarta dapat menggunakan social media analytics
untuk mengetahui opini dan respons masyarakat Jakarta terkait kebijakan PPKM Darurat. Hal ini
membuat Social Media Analytic menjadi penting untuk dilakukan karena diperolehnya opini dan
respons masyarakat terkait pemberlakuan kebijakan yang sedang dijalankan, maka pemerintah
Verified by,
Page 15 of
daerah dapat mengidentifikasi apakah kebijakan yang diberlakukan sekarang ini menghasilkan
impresi yang positif atau sebaliknya sehingga hasil dari impresi ini dapat dijadikan bahan evaluasi
bagi pemerintah daerah untuk menetapkan kebijakan lainnya di masa yang akan datang. Proses
identifikasi ini menggunakan data dari semua channel baik dari media cetak maupun media sosial
seperti Instagram, Twitter, Facebook, dan sebagainya sesuai kebutuhan pemerintah daerah dengan
tujuan memberikan laporan terkait social media analytic yang telah dilakukan. Selain itu,
pentingnya Social Media Analytics bagi pemerintah daerah yaitu pemerintah daerah dapat
mengukur perkembangan social media dan keefektifan social media dalam menyampaikan
berbagai informasi terkait keadaan Indonesia saat ini sehingga pemerintah daerah dapat
memastikan bahwa apakah penggunaan social media mampu memberikan informasi yang akurat
atau tidak di masa sekarang ini.
d. Jelaskan yang dimaksud dengan Optimization & Simulation dan berikan contoh dari penerapan
Optimization & Simulation pada dunia bisnis.
Optimization adalah proses mengidentifikasi dan menerapkan metode baru yang membuat bisnis
lebih efisien dan hemat biaya. Contoh optimization antara lain:
 Memperkenalkan metode, praktik, dan sistem baru yang mengurangi waktu penyelesaian
 Mengurangi biaya sambil meningkatkan kinerja
 Otomatisasi tugas yang berulang
 Teknik pembelajaran mesin yang meningkatkan pengoperasian peralatan
 Meningkatkan penjualan melalui peningkatan kepuasan pelanggan
 Mengurangi semua jenis pemborosan seperti waktu yang terbuang, produksi sisa dan pekerjaan
yang berulang.
Simulation is a model or representative example of something.
Tugas pengambilan keputusan memerlukan pemilihan di antara berbagai alternatif. Ada
beberapa metode yang akan membantu proses pengambilan keputusan ini, diantaranya adalah
Optimization dan Simulation Kedua metode, Simulation atau Optimization, telah digunakan di
banyak industri seperti energi, keuangan, manufaktur, transportasi, dan medis, untuk membantu
mereka dalam pengambilan keputusan strategis, taktis, dan operasional. Satu hal yang perlu diingat
adalah bahwa kedua metode ini adalah dua hal yang berbeda. Ada kasus di mana Simulation lebih
cocok dan ada kasus di mana Optimization lebih baik, atau dalam beberapa kasus keduanya dapat
digunakan bersama-sama. Namun dalam banyak kasus, istilah Simulation dan Optimization
disalahgunakan.
Menurut Chong dan Zak (2010), teori dan metode Optimization berurusan dengan
pemilihan alternatif terbaik dalam arti fungsi tujuan yang diberikan. Dalam Optimization,
hanya menghasilkan satu solusi. Optimization cenderung diterapkan untuk menyelesaikan
masalah taktis/operasional dan di mana masalahnya tidak terlalu kompleks. Salah satu
penerapan Optimization adalah dalam penganggaran, dimana pengguna ingin
meminimalkan biaya atau memaksimalkan utilitas.
Sedangkan Simulation menggunakan model numerik untuk memasukkan input yang
diinginkan sehingga dapat menunjukkan bagaimana input mempengaruhi output sistem.
Dengan menggunakan Simulation, memungkinkan pengguna untuk mengajukan banyak
pertanyaan “bagaimana jika” tentang perubahan dalam sistem mereka tanpa benar-benar
mengubah sistem itu sendiri. Area aplikasinya sangat banyak, beberapa di antaranya untuk
merancang dan menganalisis sistem manufaktur, mengevaluasi sistem atau taktik militer,
memutuskan kebijakan pesanan, menganalisis sistem keuangan atau ekonomi, dll.
Verified by,
Page 16 of
Kedua metode tersebut memiliki kelebihan dan kekurangan masing-masing dibandingkan

dengan yang lain. Optimization menawarkan solusi analitik berkualitas tinggi dan aplikasi taktis
dan strategis yang kuat, sedangkan Simulation memiliki keunggulan dengan menawarkan skenario
praktis dengan asumsi minimal dan juga menawarkan kemudahan untuk mengelola parameter
ketidakpastian untuk menghasilkan strategi jangka panjang. Untuk kerugiannya, Optimization
dapat menyederhanakan masalah selama tahap pemodelan dan kurang efektif karena tingkat
parameter ketidakpastian meningkat. Untuk Simulation, perlu melalui proses yang sulit untuk
mendapatkan solusi berkualitas tinggi dan biasanya terkait dengan set data dan proses pemodelan
yang mahal.
Dengan melihat kelebihan dan kekurangan masing-masing metode, dapat diketahui bahwa
tidak ada yang lebih baik dari satu sama lain. Karena metode tersebut perlu diterapkan di tempat
yang sesuai dengan kasus. Untuk masalah yang tidak kompleks, orang cenderung menggunakan
Optimization karena artinya ketidakpastiannya lebih sedikit, tidak perlu membuat mode yang
rumit. Ketika kompleks penuh dengan ketidakpastian, orang cenderung menggunakan metode
Simulation karena metode tersebut dapat mengatasi ketidakpastian.
Contoh penerapan Optimization & Simulation dalam dunia bisnis jasa transportasi:
Peningkatan akan kebutuhan jasa atau barang tertentu akan menyebabkan terjadinya
peningkatan pada kebutuhan jasa transportasi. Angkutan kereta api, sebagai salah satu transportasi
angkutan darat yang mampu mengangkut dalam jumlah lebih banyak, hemat energi, dan tidak
menimbulkan polusi secara berlebihan, harus mampu bersaing dengan transportasi lainnya.
Bersaing dalam artian memberikan peningkatan pelayanan. Beberapa cara yang mungkin
dilakukan adalah dengan meningkatkan jumlah armada angkutan dan melakukan peningkatan
utilitas gerbong. Untuk melakukan peningkatan armada angkut dan peningkatan utilitas, tidak
dapat mengabaikan faktor pendapatan dan pengeluaran yang terjadi dalam proses kegiatan yang
dilakukan.
Hal ini dapat diatasi dengan mengembangkan suatu model Optimization & Simulation
pengoperasian gerbong barang dengan tujuan mencapai tingkat keuntungan optimal tanpa
mengabaikan tingkat kemampuan pelayanannya. Model tersebut kemudian digunakan untuk
menentukan konfigurasi jumlah gerbong optimal yang harus dimiliki sistem dalam melayani
tingkat permintaan tertentu yang ada dalam sistem. Simulation digunakan dalam melakukan
percobaan terhadap sistem yang diamati dengan cara membentuk data permintaan harian,
mengikuti perubahan yang terjadi dalam sistem akibat pergerakan gerbong, menetapkan
status sistem pada akhir proses sebagai status awal sistem pada proses berikutnya.
Optimization berperan dalam menentukan pergerakan gerbong dari suatu stasiun
pemberangkatan dalam berbagai statusnya ke berbagai stasiun tujuan dengan
memperhatikan kendala yang diberikan padanya.
Soal ke 2: Studi Kasus

a. Berikan pendapat Anda, apakah PT. XYZ sudah layak/belum layak untuk menerapkan data mining
dan berikan alasannya secara detil.
Data mining bekerja dengan menggunakan data yang ada dan relevan, data mining
membuat beberapa model untuk mengidentifikasi pola-pola diantara atribut-atribut yang ada di
dalam dataset. Model adalah penyajian matematis (persamaan linear sederhana dan/atau persamaan
kompleks yang sangat tidak linear) yang mengidentifikasi pola-pola diantara berbagai atribut
object (misalnya, pelanggan) yang ada di dalam dataset. Beberapa pola tersebut adalah bersifat
Verified by,
Page 17 of
deskriptif (menjelaskan saling-keterkaitan atau persamaan dan kesamaan diantara berbagai atribut
tersebut), sementara yang lain adalah bersifat prediktif (meprediksi ‘value/hasil’ yang akan terjadi
pada atribut-atribut tertentu). Jenis-jenis pola ini telah diekstraksi dari data secara manual oleh
manusia selama berabad-abad, namun volume data yang terus meningkat di jaman modern telah
menciptakan kebutuhan untuk pendekatan yang lebih otomatis. Karena dataset telah tumbuh baik
dari sisi size dan kompleksitas, analisa data langsung secara manual telah ditingkatkan dengan
menggunakan berbagai tool pemrosesan otomatis yang menggunakan methodologi-methodologi,
metode-metode, dan algoritma-algoritma yang canggih. Perwujudan dari evolusi cara-cara yang
otomatis dan semiotomatis dalam memproses dataset yang sangat besar itulah saat ini secara
umum dianggap sebagai data mining.
Berdasarkan penjelasan di atas, maka menurut pendapat saya PT. XYZ sudah layak untuk
menerapkan data mining karena PT. XYZ memiliki data asset yang sudah terkumpul dalam jumlah
yang besar selama lima tahun dan volume datanya terus meningkat seiring dengan berjalannya
waktu. Data asset nya yang mencakup seluruh data asset & fasilitas dan proses maintenancenya
telah tumbuh dengan baik dari sisi size dan kompleksitasnya karena tercatat dengan baik selama
lima tahun sistem yang sudah berjalan. Dengan mengunakan data-data yang telah terkumpul inilah
PT. XYZ sudah dikatakan layak untuk menerapkan data mining karena data mining itu sendiri
dapat diterapkan jika suatu perusahaan telah memiliki sekumpulan dataset yang nantinya data
tersebut akan dibuat beberapa model untuk mengidentifikasi pola-pola diantara atribut-atribut yang
ada di dalam dataset tersebut. Selain itu, PT. XYZ juga dikatakan layak untuk menerapakan data
mining karena mereka menyadari bahwa semakin banyaknya peralatan, asset dan fasilitas yang
ditangani dan kompleksitasnya operasional yang dijalankan, aplikasi yang saat ini dijalankan
sudah saatnya untuk dapat ditingkatkan sekaligus juga ingin memanfaatkan data-data yang telah
terkumpul selama penerapan sistem yang sudah berjalan 5 tahun. Konsep data mining ini ingin
diterapkan oleh PT. XYZ agar data yang semakin besar dapat lebih berguna.
b. Dengan dataset yang Anda buat (silahkan membuat dataset sesuai dengan asumsi Anda) berkaitan
dengan data Asset dari kasus diatas, berikan contoh pemrosesan dalam data mining dengan
menggunakan salah satu metode (Estimasi, prediksi, klasifikasi, klastering atau asosiasi) , apabila
memungkinkan silahkan Anda menggunakan software tools untuk melakukan pemrosesan dalam
data mining (misalkan: Excel , Rapidminer Studio, dll) dan hasilnya tampilkan dalam bentuk data
visualization hasil pemrosesan tersebut.
PT. XYZ adalah perusahaan yang mengelola fasilitas dan asset (Asset & Facility
Management) untuk 15 gedung milik sebuah Kementrian yang ada di 7 kota besar, Jakarta,
Surabaya, Semarang dan Bandung, Yogyakarta, Medan dan Makassar. Berdasarkan kasus
tersebut, saya akan melakukan penentuan kehandalan utilitas atau status utilitas gedung
yang dikelola oleh PT. XYZ menggunakan konsep data mining dengan metode classification
dengan algotitma decision tree. Hal ini dilakukan untuk menilai apakah gedung-gedung yang
dikelola oleh PT. XYZ telah memiliki tingkat utilitas yang tinggi atau masih terdapat gedung yang
harus di maintenance kembali agar memiliki tingkat utilitas yang tinggi. Sebelum saya membuat
dataset dari asumsi yang saya berikan, saya akan menjelaskan terlebih dahulu mengenai metode
klasifikasi dan decision tree sebagai algoritmanya.
Verified by,
Page 18 of
Classification adalah tugas dalam data mining yang paling umum. Tujuan dari
classification adalah untuk menganalisa data historis yang disimpan dalam database dan secara
otomatis menghasilkan suatu model yang bisa memprediksi perilaku di masa mendatang. Model
induksi ini terdiri dari generalisasi pada baris-baris data yang digunakan untuk pelatihan yang akan
membantu membedakan class-class standar. Harapannya adalah bahwa model tersebut kemudian
bisa digunakan untuk memprediksi class-class dari baris-baris lain yang belum diklasifikasikan dan
dapat secara akurat memprediksi peristiwa-peristiwa aktual mendatang.
Sedangkan decision tree (pohon keputusan) mengklasifikasikan data menjadi jumlah class
yang terbatas berdasarkan nilai-nilai dari variable-variable input. Decision tree pada dasarnya
adalah hirarki dari statement ‘if-then’ dan karena itu jauh lebih cepat dibanding dengan neural
networks. Decision tree paling cocok untuk data kategorikal dan interval. Karena itu, penyatuan
variable-variabel kontinyu ke dalam suatu framework decision tree memerlukan ‘pendiskritan’;
yaitu, dengan mengonversi variable-variabel numerik kontinyu yang memiliki nilai ke beberapa
‘range’ dan kategori.
Metode klasifikasi di sini dilakukan dengan pengklasifikasian pada penilaian keandalan
utilitas/tingkat utilitas gedung dibagi menjadi beberapa atribut meliputi, instalasi
pencegahan kebakaran, transportasi vertical, plambing air bersih, instalasi listrik, tata
udara AC, instalasi penangkal petir, dan instalasi komunikasi sehingga status gedung-
gedung yang dikelola PT. XYZ dapat diklasifikasikan menjadi 3 kelompok, yaitu, High
Utility, Medium Utility, dan Low Utility.
Dataset dari kasus PT. XYZ

Note: Pada dataset ini jika gedung memiliki fungsi instalasi yang baik setengah lebihnya dari
instalasi yang disebukan, maka gedung tersebut termasuk dalam kategori “High Utility”. Jika
gedung memiliki fungsi instalasi yang baik setengah dari instalasi yang disebukan, maka
gedung termasuk dalam “Medium Utility”. Namun jika gedung memiliki fungsi instalasi
yang baik kurang dari setengah instalasi yang disebukan, maka gedung termasuk dalam
kategori “Low Utility”.
Setelah itu dataset akan diproses kembali menggunakan algoritma dari metode klasifikasi, yaitu
decision tree dengan menggunakan tools rapid miner.
Berikut hasil dari pemrosesan dalam data mining terkait Penentuan Kehandalan Utilitas atau
Status Utilitas Gedung yang dikelola oleh PT. XYZ dalam bentuk Decision Tree.
Verified by,
Page 19 of
Decision Tree di atas menggambarkan status dari utilitas yang dimiliki gedung yang dikelola oleh
PT. XYZ yang diklasifikasinya menjadi beberapa kategori atau atribut. Namun, dikarenakan data
PT. XYZ hanya mengelola sebanyak 15 gedung saja sehingga dataset yang diasumsikan juga
mengikuti jumlah gedung yang dikelola, maka atribut-atribut atau kategori-kategori yang
disebutkan dalam dataset tidak dapat ditampilkan semua pada decision tree karena dalam
pembuatan decision tree menggunakan rapid miner, semakin beragam data yang disajikan semakin
banyak juga percabangan yang ditampilkan pada decision tree.
Penjelasan dari Decision Tree:

 Jika sebuah gedung memiliki fungsi kipas sirkulasi yang baik, fungsi alarm kebakaran yang
baik, dan fungsi sprinkler yang baik, maka gedung tersebut memiliki status “High Utility”
 Jika sebuah gedung memiliki fungsi kipas sirkulasi yang baik, fungsi alarm kebakaran yang
baik, tetapi fungsi sprinkle yang tidak baik, maka gedung memiliki status “Medium Utility”
 Jika sebuah gedung memiliki fungsi kipas sirkulasi yang baik tetapi fungsi alarm kebakaran
yang tidak baik, maka gedung memiliki status “Low Utility”
 Jika sebuah gedung hanya memiliki fungsi kipas sirkulasi yang baik, maka gedung tersebut
telah memiliki status “Medium Utility”
Verified by,
Page 20 of
c. Dari data-data yang dimiliki oleh PT. XYZ tersebut, berikan contoh 3(tiga) hasil pengolahan
dengan menggunakan konsep data mining yang merupakan peningkatan dari sistem informasi yang
telah berjalan saat ini.
Tiga contoh hasil pengolahan dengan menggunakan konsep data mining yang merupakan
peningkatan dari sistem informasi yang telah berjalan saat ini, yaitu:
 Proses data mining dengan menggunakan metode decision tree telah berhasil dilakukan untuk
mengetahui status utilitas dari gedung yang dikelola PT. XYZ. Hasil proses ini menunjukkan
bahwa atribut yang memiliki pengaruh paling tinggi untuk menentukan klasifikasi status utilitas
adalah jumlah instalasi yang dapat berfungsi dengan baik dalam gedung yang dikelola PT.
XYZ. Hasil ini dikatakan peningkatan dari sistem informasi yang telah berjalan saat ini karena
sebelumnya untuk menentukan status utilitas dari gedung yang dikelolanya, PT. XYZ harus
melakukannya secara manual untuk memproses data yang ada. Namun dengan menggunakan
data mining sejumlah data tersebut dapat dilakukan pemrosesan data sehingga menghasilkan
suatu database dan informasi yang sebelumnya belum dapat diketahui oleh PT. XYZ
 Sebelum menggunakan data mining, PT. XYZ dalam hal menetukan jadwal maintenance nya,
mereka membuatkan jadwal secara berkala untuk gedung-gedung yang dikelola tanpa
mengetahui keadaan sebenarnya dari gedung tersebut. Melalui hasil pemrosesan data yang
dimiliki oleh PT. XYZ dengan menggunakan data mining juga dapat membantu PT. XYZ untuk
melalukan kontrol manajemen pada gedungnya, seperti dengan mengetahui status dari utilitas
gedung yang dikelolanya, maka PT. XYZ dapat mengatur gedung mana yang memerlukan
proses maintenance terlebih dahulu sehingga proses maintenance yang dijalankan sesuai dengan
kebutuhan gedung yang dikelolanya.
 Sistem yang digunakan sebelumnya tidak mampu mengelola data dalam jumlah yang besar
sehingga tidak sejalan dengan pertumbuhan data dari PT. XYZ sehingga banyak data yang
hanya tersimpan dan tidak dapat dimanfaatkan secara lebih maksimal hingga akhirnya
informasi yang didapatkan oleh PT. XYZ terkait gedung yang dikelolanya juga menjadi kurang
maksimal. Dengan pengolahan melalui konsep data mining yang mampu mengelola sejumlah
data dalam jumlah yang besar, hasil pengelolahan datanya akan menjadi lebih maksimal
sehingga data-data yang ada dapat dipergunakan secara maksimal dan menghasilkan informasi
yang mungkin belum diketahui sebelumnya. Misalnya: Data-data operasional yang sebelumnya
diolah menggunakan sistem yang lama tidak mampu mengklasifikasikan mana gedung yang
memiliki biaya operasional rendah dan gedung yang memiliki biaya operasional tinggi. Namun
dengan menggunakan konsep data mining, hal ini dapat diklasifikasikan dengan mudah
sehingga anggaran yang dikeluarkan oleh PT. XYZ juga lebih optimal dan sesuai dengan
kebutuhan. Hal ini membantu PT. XYZ dalam hal management control.
Verified by,
Page 21 of
Verified by,
Page 22 of

BINUS University

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

BINUS University

Uploaded by

Copyright:

Available Formats

FM-BINUS-AA-FPU-78/V2R0

Academic Career: Class Program:

Mid Exam Final Exam Term : Odd/Even/Short *)

Kemanggisan Alam Sutera Bekasi Academic Year :

Soal Essay & Kasus Kecil No. 1 (Nilai : 15) – LO 1 & LO 4

Soal Essay & Kasus Kecil No. 2 (Nilai : 20) – LO 2 & LO 3

b. Jelaskan apa yang dimaksud dengan Social Media Analytic ?

Soal ke 2 : Studi Kasus (50%)- LO 2 & LO 3

Soal No.3 (Nilai : 15) - LO 2 & LO 4

Nama: Jenifir March

Soal Essay & Kasus Kecil No. 1

2. Keunggulan kompetitif/competitive advantages

3. Meningkatkan komunikasi antar pengambil keputusan

4. Meningkatkan akurasi data dan data sharing

5. Meningkatkan kepuasan pengambil keputusan

6. Meningkatkan kontrol manajemen dan kinerja

7. Sebagai penambah sudut pandang dan pembelajaran organisasi

8. Mengurangi cycle time/waktu siklus

2. Keyakinan Palsu pada Objectivitas

3. Informasi yang Belebih

4. Mengesampingkan Tanggung Jawab

5. Terlalu Berfokus pada Pengambilan Keputusan

8. Efek Tak Terduga

2. Tahap Design (Perancangan)

3. Tahap Choice (Pemilihan)

4. Tahap Implementation (Implementasi)

Soal Essay & Kasus Kecil No. 2

 Natural Language Processing

Bidang-bidang yang mempengaruhi dalam proses text mining:

b. Jelaskan apa yang dimaksud dengan Social Media Analytic?

Best practice/langkah utama dari Social Media Analytic:

Kedua metode tersebut memiliki kelebihan dan kekurangan masing-masing dibandingkan

Soal ke 2: Studi Kasus

Dataset dari kasus PT. XYZ

Penjelasan dari Decision Tree:

You might also like