A Transaction Processing System To be considered a transaction processing system the computer must pass the ACID test.From a technical perspective, a Transaction Processing System (or Transaction Processing Monitor) monitors transaction programs, a special kind of programs. The essence of a transaction program is that it manages data that must be left in a consistent state. E.g. if an electronic payment is made, the amount must be either both withdrawn from one account and added to the other, or none at all. In case of a failure preventing transaction completion, the partially executed transaction must be 'rolled back' by the TPS. While this type of integrity must be provided also for batch transaction processing, it is particularly important for online processing: if e.g. an airline seat reservation system is accessed by multiple operators, after an empty seat inquiry, the seat reservation data must be locked until the reservation is made, otherwise another user may get the impression a seat is still free while it is actually being booked at the time. Without proper transaction monitoring, double bookings may occur. Other transaction monitor functions include deadlock detection and resolution (deadlocks may be inevitable in certain cases of cross-dependence on data), and transaction logging (in 'journals') for 'forward recovery' in case of massive failures.Transaction Processing is not limited to application programs. The 'journaled file system' provided with IBMs AIX Unix operating system employs similar techniques to maintain file system integrity, including a journal
Selasa, 23 September 2008
Enterprise Resource Planning
ERP (Enterprise Resource Planning) System adalah sistem informasi yang diperuntukkan bagi perusahan manufaktur maupun jasa yang berperan mengintegrasikan dan mengotomasikan proses bisnis yang berhubungan dengan aspek operasi, produksi maupun distribusi di perusahaan bersangkutan. ERP berkembang dari Manufacturing Resource Planning (MRP II) dimana MRP II sendiri adalah hasil evolusi dari Material Requirement Planning (MRP) yang berkembang sebelumnya. Sistem ERP secara modular biasanya mengangani proses manufaktur, logistik, distribusi, persediaan (inventory), pengapalan, invoice dan akunting perusahaan. Ini berarti bahwa sistem ini nanti akan membantu mengontrol aktivitas bisnis seperti penjualan, pengiriman, produksi, manajemen persediaan, manajemen kualitas dan sumber daya manusia.
ERP sering disebut sebagai Back Office System yang mengindikasikan bahwa pelanggan dan publik secara umum tidak dilibatkan dalam sistem ini. Berbeda dengan Front Office System yang langsung berurusan dengan pelanggan seperti sistem untuk e-Commerce, Costumer Relationship Management (CRM), e-Government dan lain-lain.Modul ERPSecara modular, software ERP biasanya terbagi atas modul utama yakni Operasi serta modul pendukung yakni Finansial dan Akunting serta Sumber Daya Manusia:1. Modul OperasiGeneral Logistics, Sales and Distribution, Materials Management, Logistics Execution, Quality Management, Plant Maintenance, Customer Service, Production Planning and Control, Project System, Environment Management.2. Modul Financial & AkuntansiGeneral Accounting, Financial Accounting, Controlling, Investment Management, Treasury, Enterprise Controlling.3. Modul Sumber Daya ManusiaPersonnel Management, Personnel Time Management, Payroll, Training and Event Management, Organizational Management, Travel Management.Manfaat Menggunakan ERPBerikut ini adalah sebagian kecil manfaat dengan diaplikasikannya ERP bagi perusahaan:1. Integrasi data keuanganUntuk mengintegrasikan data keuangan sehingga top management bisa melihat dan mengontrol kinerja keuangan perusahaan dengan lebih baik.2. Standarisasi Proses OperasiMenstandarkan proses operasi melalui implementasi best practice sehingga terjadi peningkatan produktivitas, penurunan inefisiensi dan peningkatan kualitas produk.3. Standarisasi Data dan InformasiMenstandarkan data dan informasi melalui keseragaman pelaporan, terutama untuk perusahaan besar yang biasanya terdiri dari banyak business unit dengan jumlah dan jenis bisnis yg berbeda-beda.Tips memilih ERPBerikut adalah beberapa tips bagaimana cara memilih ERP yang sesuai bagi perusahaan:1. Knowledge & ExperienceKnowledge adalah pengetahuan tentang bagaimana cara sebuah proses seharusnya dilakukan, jika segala sesuatunya berjalan lancer. Experience adalah pemahaman terhadap kenyataan tentang bagaimana sebuah proses seharusnya dikerjakan dengan kemungkinan munculnya permasalahan. Knowledge tanpa experience menyebabkan orang membuat perencanaan yang terlihat sempurna tetapi kemudian terbukti tidak bisa diimplementasikan. Experience tanpa knowledge bisa menyebabkan terulangnya atau terakumulasinya kesalahan dan kekeliruan karena tidak dibekali dengan pemahaman yg cukup.2. Selection MethodologyAda struktur proses seleksi yang sebaiknya dilakukan untuk memenuhi kebutuhan perusahaan dalam memilih ERP. Proses seleksi tidak harus selalu rumit agar efektif. Yang penting organized, focused dan simple. Proses seleksi ini biasanya berkisar antara 5-6 bulan sejak dimulai hingga penandatanganan order pembelian ERP. Berikut ini adalah akivitas yg sebaiknya dilakukan sebagai bagian dari proses pemilihan software ERP: analisa strategi bisnis, analisa sumber daya manusia, analisa infrastruktur dan analisa software.3. Analisa Business Strategy- Bagaimana level kompetisi di pasar dan apa harapan dari customers?- Adakah keuntungan kompetitif yang ingin dicapai?- Apa strategi bisnis perusahaan dan objectives yang ingin dicapai?- Bagaimana proses bisnis yang sekarang berjalan vs proses bisnis yang diinginkan?- Adakah proses bisnis yang harus diperbaiki?- Apa dan bagaimana prioritas bisnis yang ada dan adakah rencana kerja yang disusun untuk mencapai objektif dan prioritas tersebut?- Target bisnis seperti apa yang harus dicapai dan kapan?4. Analisa People- Bagaimana komitment top management thd usaha untuk implementasi ERP?- Siapa yg akan mengimplementasikan ERP dan siapa yg akan menggunakannya?- Bagaimana komitmen dari tim implementasi?- Apa yg diharapkan para calon user thd ERP?- Adakah ERP champion yg menghubungkan top management dgn tim?- Adakah konsultan dari luar yg disiapkan untuk membantu proses persiapan?5. Analisa Infrastruktur- Bagaimanakah kelengkapan infrastruktur yang sudah ada (overall networks, permanent office systems, communication system dan auxiliary system)?- Seberapa besar budget untuk infrastruktur?- Apa infrastruktur yang harus disiapkan?6. Analisa Software- Apakah software tsb cukup fleksibel dan mudah disesuaikan dengan kondisi perusahaan?- Apakah ada dukungan service dari supplier, tidak hanya secara teknis tapi juga untuk kebutuhan pengembangan sistem di kemudian hari?- Seberapa banyak waktu untuk implementasi yg tersedia?- Apakah software memiliki fungsi yang bisa meningkatkan proses bisnis perusahaan?Implementasi ERPBerikut ini adalah ringkasan poin-poin yg bisa digunakan sebagai pedoman pada saat implementasi ERP:1. ERP adalah bagian dari infrastruktur perusahaan, dan sangat penting untuk kelangsungan hidup perusahaan. Semua orang dan bagian yang akan terpengaruh oleh adanya ERP harus terlibat dan memberikan dukungan terhadap jalannya ERP.2. ERP ada untuk mendukung fungsi bisnis dan meningkatkan produktivitas, bukan sebaliknya. Tujuan implementasi ERP adalah untuk meningkatkan daya saing perusahaan.3. Pelajari kesuksesan dan kegagalan implementasi ERP, jangan berusaha membuat sendiri praktek implementasi ERP. Ada metodologi tertentu untuk implementasi ERP yang lebih terjamin keberhasilannya.Penyebab Gagalnya ERP- Waktu dan biaya implementasi yang melebihi anggaran- Pre-implementation tidak dilakukan dengan baik- Strategi operasi tidak sejalan dengan business process design dan pengembangannya- Orang-orang tidak disiapkan untuk menerima dan beroperasi dengan sistem yang baruTanda-tanda kegagalan ERPKegagalan ERP biasanya ditandai oleh adanya hal-hal sebagai berikut:- Kurangnya komitmen top management- Kurangnya pendefinisian kebutuhan perusahaan (analisa strategi bisnis)- Cacatnya proses seleksi software (tidak lengkap atau terburu-buru memutuskan)- Kurangnya sumber daya (manusia, infrastruktur dan modal)- Kurangnya ‘buy in’ sehingga muncul resistensi untuk berubah dari para karyawan- Kesalahan penghitungan waktu implementasi- Tidak cocoknya software dgn business process- Kurangnya training dan pembelajaran- Cacatnya project design & management- Kurangnya komunikasi- Saran penghematan yang menyesatkan
sumber:http://rsteve.sitompul.net/index.php?/archives/210-ERP-Solusi-Terpadu-Sistem-Informasi.html
ERP sering disebut sebagai Back Office System yang mengindikasikan bahwa pelanggan dan publik secara umum tidak dilibatkan dalam sistem ini. Berbeda dengan Front Office System yang langsung berurusan dengan pelanggan seperti sistem untuk e-Commerce, Costumer Relationship Management (CRM), e-Government dan lain-lain.Modul ERPSecara modular, software ERP biasanya terbagi atas modul utama yakni Operasi serta modul pendukung yakni Finansial dan Akunting serta Sumber Daya Manusia:1. Modul OperasiGeneral Logistics, Sales and Distribution, Materials Management, Logistics Execution, Quality Management, Plant Maintenance, Customer Service, Production Planning and Control, Project System, Environment Management.2. Modul Financial & AkuntansiGeneral Accounting, Financial Accounting, Controlling, Investment Management, Treasury, Enterprise Controlling.3. Modul Sumber Daya ManusiaPersonnel Management, Personnel Time Management, Payroll, Training and Event Management, Organizational Management, Travel Management.Manfaat Menggunakan ERPBerikut ini adalah sebagian kecil manfaat dengan diaplikasikannya ERP bagi perusahaan:1. Integrasi data keuanganUntuk mengintegrasikan data keuangan sehingga top management bisa melihat dan mengontrol kinerja keuangan perusahaan dengan lebih baik.2. Standarisasi Proses OperasiMenstandarkan proses operasi melalui implementasi best practice sehingga terjadi peningkatan produktivitas, penurunan inefisiensi dan peningkatan kualitas produk.3. Standarisasi Data dan InformasiMenstandarkan data dan informasi melalui keseragaman pelaporan, terutama untuk perusahaan besar yang biasanya terdiri dari banyak business unit dengan jumlah dan jenis bisnis yg berbeda-beda.Tips memilih ERPBerikut adalah beberapa tips bagaimana cara memilih ERP yang sesuai bagi perusahaan:1. Knowledge & ExperienceKnowledge adalah pengetahuan tentang bagaimana cara sebuah proses seharusnya dilakukan, jika segala sesuatunya berjalan lancer. Experience adalah pemahaman terhadap kenyataan tentang bagaimana sebuah proses seharusnya dikerjakan dengan kemungkinan munculnya permasalahan. Knowledge tanpa experience menyebabkan orang membuat perencanaan yang terlihat sempurna tetapi kemudian terbukti tidak bisa diimplementasikan. Experience tanpa knowledge bisa menyebabkan terulangnya atau terakumulasinya kesalahan dan kekeliruan karena tidak dibekali dengan pemahaman yg cukup.2. Selection MethodologyAda struktur proses seleksi yang sebaiknya dilakukan untuk memenuhi kebutuhan perusahaan dalam memilih ERP. Proses seleksi tidak harus selalu rumit agar efektif. Yang penting organized, focused dan simple. Proses seleksi ini biasanya berkisar antara 5-6 bulan sejak dimulai hingga penandatanganan order pembelian ERP. Berikut ini adalah akivitas yg sebaiknya dilakukan sebagai bagian dari proses pemilihan software ERP: analisa strategi bisnis, analisa sumber daya manusia, analisa infrastruktur dan analisa software.3. Analisa Business Strategy- Bagaimana level kompetisi di pasar dan apa harapan dari customers?- Adakah keuntungan kompetitif yang ingin dicapai?- Apa strategi bisnis perusahaan dan objectives yang ingin dicapai?- Bagaimana proses bisnis yang sekarang berjalan vs proses bisnis yang diinginkan?- Adakah proses bisnis yang harus diperbaiki?- Apa dan bagaimana prioritas bisnis yang ada dan adakah rencana kerja yang disusun untuk mencapai objektif dan prioritas tersebut?- Target bisnis seperti apa yang harus dicapai dan kapan?4. Analisa People- Bagaimana komitment top management thd usaha untuk implementasi ERP?- Siapa yg akan mengimplementasikan ERP dan siapa yg akan menggunakannya?- Bagaimana komitmen dari tim implementasi?- Apa yg diharapkan para calon user thd ERP?- Adakah ERP champion yg menghubungkan top management dgn tim?- Adakah konsultan dari luar yg disiapkan untuk membantu proses persiapan?5. Analisa Infrastruktur- Bagaimanakah kelengkapan infrastruktur yang sudah ada (overall networks, permanent office systems, communication system dan auxiliary system)?- Seberapa besar budget untuk infrastruktur?- Apa infrastruktur yang harus disiapkan?6. Analisa Software- Apakah software tsb cukup fleksibel dan mudah disesuaikan dengan kondisi perusahaan?- Apakah ada dukungan service dari supplier, tidak hanya secara teknis tapi juga untuk kebutuhan pengembangan sistem di kemudian hari?- Seberapa banyak waktu untuk implementasi yg tersedia?- Apakah software memiliki fungsi yang bisa meningkatkan proses bisnis perusahaan?Implementasi ERPBerikut ini adalah ringkasan poin-poin yg bisa digunakan sebagai pedoman pada saat implementasi ERP:1. ERP adalah bagian dari infrastruktur perusahaan, dan sangat penting untuk kelangsungan hidup perusahaan. Semua orang dan bagian yang akan terpengaruh oleh adanya ERP harus terlibat dan memberikan dukungan terhadap jalannya ERP.2. ERP ada untuk mendukung fungsi bisnis dan meningkatkan produktivitas, bukan sebaliknya. Tujuan implementasi ERP adalah untuk meningkatkan daya saing perusahaan.3. Pelajari kesuksesan dan kegagalan implementasi ERP, jangan berusaha membuat sendiri praktek implementasi ERP. Ada metodologi tertentu untuk implementasi ERP yang lebih terjamin keberhasilannya.Penyebab Gagalnya ERP- Waktu dan biaya implementasi yang melebihi anggaran- Pre-implementation tidak dilakukan dengan baik- Strategi operasi tidak sejalan dengan business process design dan pengembangannya- Orang-orang tidak disiapkan untuk menerima dan beroperasi dengan sistem yang baruTanda-tanda kegagalan ERPKegagalan ERP biasanya ditandai oleh adanya hal-hal sebagai berikut:- Kurangnya komitmen top management- Kurangnya pendefinisian kebutuhan perusahaan (analisa strategi bisnis)- Cacatnya proses seleksi software (tidak lengkap atau terburu-buru memutuskan)- Kurangnya sumber daya (manusia, infrastruktur dan modal)- Kurangnya ‘buy in’ sehingga muncul resistensi untuk berubah dari para karyawan- Kesalahan penghitungan waktu implementasi- Tidak cocoknya software dgn business process- Kurangnya training dan pembelajaran- Cacatnya project design & management- Kurangnya komunikasi- Saran penghematan yang menyesatkan
sumber:http://rsteve.sitompul.net/index.php?/archives/210-ERP-Solusi-Terpadu-Sistem-Informasi.html
Intelegent Artifical
KECERDASAN buatan (artificial intelligence)
merupakan inovasi baru di bidang ilmu pengetahuan. Mulai ada sejak muncul komputer modern, yakni pada 1940 dan 1950. Ini kemampuan mesin elektronika baru menyimpan sejumlah besar info, juga memproses dengan kecepatan sangat tinggi menandingi kemampuan manusia.
Apa kecerdasan buatan itu? Bagian dari ilmu pengetahuan komputer ini khusus ditujukan dalam perancangan otomatisasi tingkah laku cerdas dalam sistem kecerdasan komputer. Sistem memperlihatkan sifat-sifat khas yang dihubungkan dengan kecerdasan dalam kelakuan atau tindak-tanduk yang sepenuhnya bisa menirukan beberapa fungsi otak manusia, seperti pengertian bahasa, pengetahuan, pemikiran, pemecahan masalah, dan lain sebagainya.
Kecerdasan buatan mungkin satu dari perkembangan yang paling penting di abad ini. Hal ini akan memengaruhi kehidupan negara-negara yang memainkan peranan penting dalam perkembangan kecerdasan buatan, yang kemudian muncul sebagai negara-negara adikuasa.
Pentingnya kecerdasan buatan menjadi nyata bagi negara-negara yang berperan sejak tahun 1970. Para pemimpin negara yang mengakui potensialnya kecerdasan buatan mengharap mendapat persetujuan jangka panjang untuk sumber-sumber yang memerlukan dana intensif.
Jepang adalah yang pertama kali melakukan itu. Negara ini mengembangkan program yang sangat berambisi dalam penelitian kecerdasan buatan.
Sebagai bidang ilmu pengetahuan komputer, kecerdasan buatan sebenarnya sudah mulai diselidiki pada 1930-an dan 1940-an. Waktu itu banyak cendekiawan mengembangkan ide-ide baru mengenai komputasi. Logika matematika selanjutnya menjadi bidang aktif dari penyelidikan kecerdasan buatan, karena sistem logika deduktif telah berhasil diimplementasikan dalam program-program komputer.
Seorang ahli matematika bernama Alan Turing, yang memiliki sumbangan besar dalam pengembangan teori kemampuan penghitungan (computability), bergumul dengan pertanyaan apakah sebuah mesin dapat berpikir atau tidak. Uji yang dilakukan adalah dengan mengukur kinerja (performance) mesin cerdas. Uji Alan Turing menjadi dasar bagi banyak strategi yang digunakan dengan menilai program-program kecerdasan buatan.
Awalnya, kecerdasan buatan hanya ada di universitas-universitas dan laboratorium penelitian, dan hanya sedikit produk yang dihasilkan dan dikembangkan. Menjelang akhir 1970-an dan 1980-an, mulai dikembangkan secara penuh dan hasilnya berangsur-angsur dipublikasikan di khalayak umum.
Permasalahan di dalam kecerdasan buatan akan selalu bertambah dan berkembang seiring dengan laju perkembangan zaman menuju arah globalisasi dalam setiap aspek kehidupan manusia, yang membawa persoalan-persoalan yang semakin beragam pula. Bidang-bidang yang hampir bersangkutan dengan kecerdasan buatan termasuk keahlian teknik atau teknik mesin, terutama listrik dan teknik mekanik, bahasa, psikologi, ilmu kognitif, dan filosofi. Robotik juga dianggap oleh beberapa peneliti sebagai cabang kecerdasan buatan, tapi yang ini tidak umum.
Dibandingkan dengan program konvensional, program kecerdasan buatan lebih sederhana dalam pengoperasiannya, sehingga banyak membantu pemakai. Program konvensional dijalankan secara prosedural dan kaku, rangkaian tahap solusinya sudah didefinisikan secara tepat oleh pemrogramnya. Sebaliknya, pada program kecerdasan buatan untuk mendapatkan solusi yang memuaskan dilakukan pendekatan trial and error, mirip seperti apa yang dilakukan oleh manusia. Program konvensional tidak dapat menarik kesimpulan seperti halnya pada program kecerdasan buatan kendati dengan informasi-informasi yang terbatas.
Buku Kecerdasan Buatan yang ditulis Andri Kristanto, dosen Ilmu Komputer Universitas Widya Dharma Klaten, cocok dan layak untuk dibaca para mahasiswa jurusan teknik informatika, manajemen informatika, ilmu komputer, atau jurusan lain yang sesuai.
sumber:http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1130607775
merupakan inovasi baru di bidang ilmu pengetahuan. Mulai ada sejak muncul komputer modern, yakni pada 1940 dan 1950. Ini kemampuan mesin elektronika baru menyimpan sejumlah besar info, juga memproses dengan kecepatan sangat tinggi menandingi kemampuan manusia.
Apa kecerdasan buatan itu? Bagian dari ilmu pengetahuan komputer ini khusus ditujukan dalam perancangan otomatisasi tingkah laku cerdas dalam sistem kecerdasan komputer. Sistem memperlihatkan sifat-sifat khas yang dihubungkan dengan kecerdasan dalam kelakuan atau tindak-tanduk yang sepenuhnya bisa menirukan beberapa fungsi otak manusia, seperti pengertian bahasa, pengetahuan, pemikiran, pemecahan masalah, dan lain sebagainya.
Kecerdasan buatan mungkin satu dari perkembangan yang paling penting di abad ini. Hal ini akan memengaruhi kehidupan negara-negara yang memainkan peranan penting dalam perkembangan kecerdasan buatan, yang kemudian muncul sebagai negara-negara adikuasa.
Pentingnya kecerdasan buatan menjadi nyata bagi negara-negara yang berperan sejak tahun 1970. Para pemimpin negara yang mengakui potensialnya kecerdasan buatan mengharap mendapat persetujuan jangka panjang untuk sumber-sumber yang memerlukan dana intensif.
Jepang adalah yang pertama kali melakukan itu. Negara ini mengembangkan program yang sangat berambisi dalam penelitian kecerdasan buatan.
Sebagai bidang ilmu pengetahuan komputer, kecerdasan buatan sebenarnya sudah mulai diselidiki pada 1930-an dan 1940-an. Waktu itu banyak cendekiawan mengembangkan ide-ide baru mengenai komputasi. Logika matematika selanjutnya menjadi bidang aktif dari penyelidikan kecerdasan buatan, karena sistem logika deduktif telah berhasil diimplementasikan dalam program-program komputer.
Seorang ahli matematika bernama Alan Turing, yang memiliki sumbangan besar dalam pengembangan teori kemampuan penghitungan (computability), bergumul dengan pertanyaan apakah sebuah mesin dapat berpikir atau tidak. Uji yang dilakukan adalah dengan mengukur kinerja (performance) mesin cerdas. Uji Alan Turing menjadi dasar bagi banyak strategi yang digunakan dengan menilai program-program kecerdasan buatan.
Awalnya, kecerdasan buatan hanya ada di universitas-universitas dan laboratorium penelitian, dan hanya sedikit produk yang dihasilkan dan dikembangkan. Menjelang akhir 1970-an dan 1980-an, mulai dikembangkan secara penuh dan hasilnya berangsur-angsur dipublikasikan di khalayak umum.
Permasalahan di dalam kecerdasan buatan akan selalu bertambah dan berkembang seiring dengan laju perkembangan zaman menuju arah globalisasi dalam setiap aspek kehidupan manusia, yang membawa persoalan-persoalan yang semakin beragam pula. Bidang-bidang yang hampir bersangkutan dengan kecerdasan buatan termasuk keahlian teknik atau teknik mesin, terutama listrik dan teknik mekanik, bahasa, psikologi, ilmu kognitif, dan filosofi. Robotik juga dianggap oleh beberapa peneliti sebagai cabang kecerdasan buatan, tapi yang ini tidak umum.
Dibandingkan dengan program konvensional, program kecerdasan buatan lebih sederhana dalam pengoperasiannya, sehingga banyak membantu pemakai. Program konvensional dijalankan secara prosedural dan kaku, rangkaian tahap solusinya sudah didefinisikan secara tepat oleh pemrogramnya. Sebaliknya, pada program kecerdasan buatan untuk mendapatkan solusi yang memuaskan dilakukan pendekatan trial and error, mirip seperti apa yang dilakukan oleh manusia. Program konvensional tidak dapat menarik kesimpulan seperti halnya pada program kecerdasan buatan kendati dengan informasi-informasi yang terbatas.
Buku Kecerdasan Buatan yang ditulis Andri Kristanto, dosen Ilmu Komputer Universitas Widya Dharma Klaten, cocok dan layak untuk dibaca para mahasiswa jurusan teknik informatika, manajemen informatika, ilmu komputer, atau jurusan lain yang sesuai.
sumber:http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1130607775
Decision support system
Definition
Decision Support Systems (DSS) are a specific class of computerized information system that supports business and organizational decision-making activities. A properly-designed DSS is an interactive software-based system intended to help decision makers compile useful information from raw data, documents, personal knowledge, and/or business models to identify and solve problems and make decisions.
Typical information that a decision support application might gather and present would be:
an inventory of all of your current information assets (including legacy and relational data sources, cubes, data warehouses, and data marts),
comparative sales figures between one week and the next,
projected revenue figures based on new product sales assumptions;
the consequences of different decision alternatives, given past experience in a context that is described.
A brief history
In the absence of an all-inclusive definition, we focus on the history of DSS (see also Power). According to Keen, the concept of decision support has evolved from two main areas of research: the theoretical studies of organizational decision making done at the Carnegie Institute of Technology during the late 1950s and early 1960s, and the technical work on interactive computer systems, mainly carried out at the Massachusetts Institute of Technology in the 1960s. It is considered that the concept of DSS became an area of research of its own in the middle of the 1970s, before gaining in intensity during the 1980s. In the middle and late 1980s, executive information systems (EIS), group decision support systems (GDSS), and organizational decision support systems (ODSS) evolved from the single user and model-oriented DSS. Beginning in about 1990, data warehousing and on-line analytical processing (OLAP) began broadening the realm of DSS. As the turn of the millennium approached, new Web-based analytical applications were introduced.
It is clear that DSS belong to an environment with multidisciplinary foundations, including (but not exclusively) database research, artificial intelligence, human-computer interaction, simulation methods, software engineering, and telecommunications.
DSS also have a weak connection to the user interface paradigm of hypertext. Both the University of Vermont PROMIS system (for medical decision making) and the Carnegie Mellon ZOG/KMS system (for military and business decision making) were decision support systems which also were major breakthroughs in user interface research. Furthermore, although hypertext researchers have generally been concerned with information overload, certain researchers, notably Douglas Engelbart, have been focused on decision makers in particular.
Taxonomies
As with the definition, there is no universally-accepted taxonomy of DSS either. Different authors propose different classifications. Using the relationship with the user as the criterion, Haettenschwiler differentiates passive, active, and cooperative DSS. A passive DSS is a system that aids the process of decision making, but that cannot bring out explicit decision suggestions or solutions. An active DSS can bring out such decision suggestions or solutions. A cooperative DSS allows the decision maker (or its advisor) to modify, complete, or refine the decision suggestions provided by the system, before sending them back to the system for validation. The system again improves, completes, and refines the suggestions of the decision maker and sends them back to her for validation. The whole process then starts again, until a consolidated solution is generated.
Using the mode of assistance as the criterion, Power differentiates communication-driven DSS, data-driven DSS, document-driven DSS, knowledge-driven DSS, and model-driven DSS.
A model-driven DSS emphasizes access to and manipulation of a statistical, financial, optimization, or simulation model. Model-driven DSS use data and parameters provided by users to assist decision makers in analyzing a situation; they are not necessarily data-intensive. Dicodess is an example of an open source model-driven DSS generator.
A communication-driven DSS supports more than one person working on a shared task; examples include integrated tools like Microsoft's NetMeeting or Groove
A data-driven DSS or data-oriented DSS emphasizes access to and manipulation of a time series of internal company data and, sometimes, external data.
A document-driven DSS manages, retrieves, and manipulates unstructured information in a variety of electronic formats.
A knowledge-driven DSS provides specialized problem-solving expertise stored as facts, rules, procedures, or in similar structures.
Using scope as the criterion, Power differentiates enterprise-wide DSS and desktop DSS. An enterprise-wide DSS is linked to large data warehouses and serves many managers in the company. A desktop, single-user DSS is a small system that runs on an individual manager's PC.
Architectures
This article may require cleanup to meet Wikipedia's quality standards.Please improve this article if you can. (December 2007)
Once again, different authors identify different components in a DSS. For example, Sprague and Carlson identify three fundamental components of DSS: (a) the database management system (DBMS), (b) the model-base management system (MBMS), and (c) the dialog generation and management system (DGMS).
Haag et al. describe these three components in more detail:
The Data Management Component stores information (which can be further subdivided into that derived from an organization's traditional data repositories, from external sources such as the Internet, or from the personal insights and experiences of individual users); the Model Management Component handles representations of events, facts, or situations (using various kinds of models, two examples being optimization models and goal-seeking models); and the User Interface Management Component is, of course, the component that allows a user to interact with the system.
According to Power, academics and practitioners have discussed building DSS in terms of four major components: (a) the user interface, (b) the database, (c) the model and analytical tools, and (d) the DSS architecture and network.
Hättenschwiler identifies five components of DSS:
(a) users with different roles or functions in the decision making process (decision maker, advisors, domain experts, system experts, data collectors),
(b) a specific and definable decision context,
(c) a target system describing the majority of the preferences,
(d) a knowledge base made of external data sources, knowledge databases, working databases, data warehouses and meta-databases, mathematical models and methods, procedures, inference and search engines, administrative programs, and reporting systems, and
(e) a working environment for the preparation, analysis, and documentation of decision alternatives.
arakas proposes a generalized architecture made of five distinct parts:
(a) the data management system,
(b) the model management system,
(c) the knowledge engine,
(d) the user interface, and
(e) the user(s).
Development Frameworks
DSS systems are not entirely different from other systems and require a structured approach. A framework was provided by Sprague and Watson (1993). The framework has three main levels. 1. Technology levels 2. People involved 3. The developmental approach
Technology Levels
Sprague has suggested that there are three levels of hardware and software that has been proposed for DSS.
a) Level 1 – Specific DSS
This is the actual application that will be used to by the user. This is the part of the application that allows the decision maker to make decisions in a particular problem area. The user can act upon that particular problem.
b) Level 2 – DSS Generator
This level contains Hardware/software environment that allows people to easily develop specific DSS applications. This level makes use of case tools or systems such as Crystal, AIMMS, iThink and Clementine.
c) Level 3 – DSS Tools
Contains lower level hardware/software. DSS generators including special languages, function libraries and linking modules
People Involved
Sprague suggests there are 5 roles involved in a typical DSS development cycle.
a) The end user.
b) An intermediary.
c) DSS developer
d) Technical supporter
e) Systems Expert
Developmental
The developmental approach for a DSS system should be strongly iterative. This will allow for the application to be changed and redesigned at various intervals. The initial problem is used to design the system on and then tested and revised to ensure the desired outcome is achieved.
Classifying DSS
There are several ways to classify DSS applications. Not every DSS fits neatly into one category, but a mix of two or more architecture in one.
Holsapple and Whinston classify DSS into the following six frameworks: Text-oriented DSS, Database-oriented DSS, Spreadsheet-oriented DSS, Solver-oriented DSS, Rule-oriented DSS, and Compound DSS.
A compound DSS is the most popular classification for a DSS. It is a hybrid system that includes two or more of the five basic structures described by Holsapple and Whinston.
The support given by DSS can be separated into three distinct, interrelated categories: Personal Support, Group Support, and Organizational Support.
Additionally, the build up of a DSS is also classified into a few characteristics. 1) inputs: this is used so the DSS can have factors, numbers, and characteristics to analyze. 2) user knowledge and expertise: This allows the system to decide how much it is relied on, and exactly what inputs must be analyzed with or without the user. 3) outputs: This is used so the user of the system can analyze the decisions that may be made and then potentially 4) make a decision: This decision making is made by the DSS, however, it is ultimately made by the user in order to decide on which criteria it should use.
DSSs which perform selected cognitive decision-making functions and are based on artificial intelligence or intelligent agents technologies are called Intelligent Decision Support Systems (IDSS).
Applications
As mentioned above, there are theoretical possibilities of building such systems in any knowledge domain.
One example is the Clinical decision support system for medical diagnosis. Other examples include a bank loan officer verifying the credit of a loan applicant or an engineering firm that has bids on several projects and wants to know if they can be competitive with their costs.
DSS is extensively used in business and management. Executive dashboard and other business performance software allow faster decision making, identification of negative trends, and better allocation of business resources.
A growing area of DSS application, concepts, principles, and techniques is in agricultural production, marketing for sustainable development. For example, the DSSAT4 package, developed through financial support of USAID during the 80's and 90's, has allowed rapid assessment of several agricultural production systems around the world to facilitate decision-making at the farm and policy levels. There are, however, many constraints to the successful adoption on DSS in agriculture.
A specific example concerns the Canadian National Railway system, which tests its equipment on a regular basis using a decision support system. A problem faced by any railroad is worn-out or defective rails, which can result in hundreds of derailments per year. Under a DSS, CN managed to decrease the incidence of derailments at the same time other companies were experiencing an increase.
DSS has many applications that have already been spoken about. However, it can be used in any field where organization is necessary. Additionally, a DSS can be designed to help make decisions on the stock market, or deciding which area or segment to market a product toward.
Benefits of DSS
Improves personal efficiency
Expedites problem solving
Facilitates interpersonal communication
Promotes learning or training
Increases organizational control
Generates new evidence in support of a decision
Creates a competitive advantage over competition
Encourages exploration and discovery on the part of the decision maker
Reveals new approaches to thinking about the problem space
sumber: http://en.wikipedia.org/wiki/Decision_support_system
Decision Support Systems (DSS) are a specific class of computerized information system that supports business and organizational decision-making activities. A properly-designed DSS is an interactive software-based system intended to help decision makers compile useful information from raw data, documents, personal knowledge, and/or business models to identify and solve problems and make decisions.
Typical information that a decision support application might gather and present would be:
an inventory of all of your current information assets (including legacy and relational data sources, cubes, data warehouses, and data marts),
comparative sales figures between one week and the next,
projected revenue figures based on new product sales assumptions;
the consequences of different decision alternatives, given past experience in a context that is described.
A brief history
In the absence of an all-inclusive definition, we focus on the history of DSS (see also Power). According to Keen, the concept of decision support has evolved from two main areas of research: the theoretical studies of organizational decision making done at the Carnegie Institute of Technology during the late 1950s and early 1960s, and the technical work on interactive computer systems, mainly carried out at the Massachusetts Institute of Technology in the 1960s. It is considered that the concept of DSS became an area of research of its own in the middle of the 1970s, before gaining in intensity during the 1980s. In the middle and late 1980s, executive information systems (EIS), group decision support systems (GDSS), and organizational decision support systems (ODSS) evolved from the single user and model-oriented DSS. Beginning in about 1990, data warehousing and on-line analytical processing (OLAP) began broadening the realm of DSS. As the turn of the millennium approached, new Web-based analytical applications were introduced.
It is clear that DSS belong to an environment with multidisciplinary foundations, including (but not exclusively) database research, artificial intelligence, human-computer interaction, simulation methods, software engineering, and telecommunications.
DSS also have a weak connection to the user interface paradigm of hypertext. Both the University of Vermont PROMIS system (for medical decision making) and the Carnegie Mellon ZOG/KMS system (for military and business decision making) were decision support systems which also were major breakthroughs in user interface research. Furthermore, although hypertext researchers have generally been concerned with information overload, certain researchers, notably Douglas Engelbart, have been focused on decision makers in particular.
Taxonomies
As with the definition, there is no universally-accepted taxonomy of DSS either. Different authors propose different classifications. Using the relationship with the user as the criterion, Haettenschwiler differentiates passive, active, and cooperative DSS. A passive DSS is a system that aids the process of decision making, but that cannot bring out explicit decision suggestions or solutions. An active DSS can bring out such decision suggestions or solutions. A cooperative DSS allows the decision maker (or its advisor) to modify, complete, or refine the decision suggestions provided by the system, before sending them back to the system for validation. The system again improves, completes, and refines the suggestions of the decision maker and sends them back to her for validation. The whole process then starts again, until a consolidated solution is generated.
Using the mode of assistance as the criterion, Power differentiates communication-driven DSS, data-driven DSS, document-driven DSS, knowledge-driven DSS, and model-driven DSS.
A model-driven DSS emphasizes access to and manipulation of a statistical, financial, optimization, or simulation model. Model-driven DSS use data and parameters provided by users to assist decision makers in analyzing a situation; they are not necessarily data-intensive. Dicodess is an example of an open source model-driven DSS generator.
A communication-driven DSS supports more than one person working on a shared task; examples include integrated tools like Microsoft's NetMeeting or Groove
A data-driven DSS or data-oriented DSS emphasizes access to and manipulation of a time series of internal company data and, sometimes, external data.
A document-driven DSS manages, retrieves, and manipulates unstructured information in a variety of electronic formats.
A knowledge-driven DSS provides specialized problem-solving expertise stored as facts, rules, procedures, or in similar structures.
Using scope as the criterion, Power differentiates enterprise-wide DSS and desktop DSS. An enterprise-wide DSS is linked to large data warehouses and serves many managers in the company. A desktop, single-user DSS is a small system that runs on an individual manager's PC.
Architectures
This article may require cleanup to meet Wikipedia's quality standards.Please improve this article if you can. (December 2007)
Once again, different authors identify different components in a DSS. For example, Sprague and Carlson identify three fundamental components of DSS: (a) the database management system (DBMS), (b) the model-base management system (MBMS), and (c) the dialog generation and management system (DGMS).
Haag et al. describe these three components in more detail:
The Data Management Component stores information (which can be further subdivided into that derived from an organization's traditional data repositories, from external sources such as the Internet, or from the personal insights and experiences of individual users); the Model Management Component handles representations of events, facts, or situations (using various kinds of models, two examples being optimization models and goal-seeking models); and the User Interface Management Component is, of course, the component that allows a user to interact with the system.
According to Power, academics and practitioners have discussed building DSS in terms of four major components: (a) the user interface, (b) the database, (c) the model and analytical tools, and (d) the DSS architecture and network.
Hättenschwiler identifies five components of DSS:
(a) users with different roles or functions in the decision making process (decision maker, advisors, domain experts, system experts, data collectors),
(b) a specific and definable decision context,
(c) a target system describing the majority of the preferences,
(d) a knowledge base made of external data sources, knowledge databases, working databases, data warehouses and meta-databases, mathematical models and methods, procedures, inference and search engines, administrative programs, and reporting systems, and
(e) a working environment for the preparation, analysis, and documentation of decision alternatives.
arakas proposes a generalized architecture made of five distinct parts:
(a) the data management system,
(b) the model management system,
(c) the knowledge engine,
(d) the user interface, and
(e) the user(s).
Development Frameworks
DSS systems are not entirely different from other systems and require a structured approach. A framework was provided by Sprague and Watson (1993). The framework has three main levels. 1. Technology levels 2. People involved 3. The developmental approach
Technology Levels
Sprague has suggested that there are three levels of hardware and software that has been proposed for DSS.
a) Level 1 – Specific DSS
This is the actual application that will be used to by the user. This is the part of the application that allows the decision maker to make decisions in a particular problem area. The user can act upon that particular problem.
b) Level 2 – DSS Generator
This level contains Hardware/software environment that allows people to easily develop specific DSS applications. This level makes use of case tools or systems such as Crystal, AIMMS, iThink and Clementine.
c) Level 3 – DSS Tools
Contains lower level hardware/software. DSS generators including special languages, function libraries and linking modules
People Involved
Sprague suggests there are 5 roles involved in a typical DSS development cycle.
a) The end user.
b) An intermediary.
c) DSS developer
d) Technical supporter
e) Systems Expert
Developmental
The developmental approach for a DSS system should be strongly iterative. This will allow for the application to be changed and redesigned at various intervals. The initial problem is used to design the system on and then tested and revised to ensure the desired outcome is achieved.
Classifying DSS
There are several ways to classify DSS applications. Not every DSS fits neatly into one category, but a mix of two or more architecture in one.
Holsapple and Whinston classify DSS into the following six frameworks: Text-oriented DSS, Database-oriented DSS, Spreadsheet-oriented DSS, Solver-oriented DSS, Rule-oriented DSS, and Compound DSS.
A compound DSS is the most popular classification for a DSS. It is a hybrid system that includes two or more of the five basic structures described by Holsapple and Whinston.
The support given by DSS can be separated into three distinct, interrelated categories: Personal Support, Group Support, and Organizational Support.
Additionally, the build up of a DSS is also classified into a few characteristics. 1) inputs: this is used so the DSS can have factors, numbers, and characteristics to analyze. 2) user knowledge and expertise: This allows the system to decide how much it is relied on, and exactly what inputs must be analyzed with or without the user. 3) outputs: This is used so the user of the system can analyze the decisions that may be made and then potentially 4) make a decision: This decision making is made by the DSS, however, it is ultimately made by the user in order to decide on which criteria it should use.
DSSs which perform selected cognitive decision-making functions and are based on artificial intelligence or intelligent agents technologies are called Intelligent Decision Support Systems (IDSS).
Applications
As mentioned above, there are theoretical possibilities of building such systems in any knowledge domain.
One example is the Clinical decision support system for medical diagnosis. Other examples include a bank loan officer verifying the credit of a loan applicant or an engineering firm that has bids on several projects and wants to know if they can be competitive with their costs.
DSS is extensively used in business and management. Executive dashboard and other business performance software allow faster decision making, identification of negative trends, and better allocation of business resources.
A growing area of DSS application, concepts, principles, and techniques is in agricultural production, marketing for sustainable development. For example, the DSSAT4 package, developed through financial support of USAID during the 80's and 90's, has allowed rapid assessment of several agricultural production systems around the world to facilitate decision-making at the farm and policy levels. There are, however, many constraints to the successful adoption on DSS in agriculture.
A specific example concerns the Canadian National Railway system, which tests its equipment on a regular basis using a decision support system. A problem faced by any railroad is worn-out or defective rails, which can result in hundreds of derailments per year. Under a DSS, CN managed to decrease the incidence of derailments at the same time other companies were experiencing an increase.
DSS has many applications that have already been spoken about. However, it can be used in any field where organization is necessary. Additionally, a DSS can be designed to help make decisions on the stock market, or deciding which area or segment to market a product toward.
Benefits of DSS
Improves personal efficiency
Expedites problem solving
Facilitates interpersonal communication
Promotes learning or training
Increases organizational control
Generates new evidence in support of a decision
Creates a competitive advantage over competition
Encourages exploration and discovery on the part of the decision maker
Reveals new approaches to thinking about the problem space
sumber: http://en.wikipedia.org/wiki/Decision_support_system
Senin, 22 September 2008
TenTanG siSTem InFOrmASi AkunTAnsi
Sistem Informasi Akuntansi (SIA) adalah sebuah Sistem Informasi yang menangani segala sesuatu yang berkenaan dengan Akuntansi.
Akuntansi sendiri sebenarnya adalah sebuah Sistem Informasi. Fungsi penting yang dibentuk SIA pada sebuah organisasi antara lain :
Mengumpulkan dan menyimpan data tentang aktivitas dan transaksi.
Memproses data menjadi into informasi yang dapat digunakan dalam proses pengambilan keputusan.
Melakukan kontrol secara tepat terhadap aset organisasi.
Cara Kerja
Untuk memahami bagaimana SIA bekerja, perlu untuk menjawab beberapa pertanyaan sebagai berikut :
Bagaimana mengoleksi data yang berkaitan dengan aktivitas dan transaksi organisasi?
Bagaimana mentransformasi data kedalam informasi sehingga manajemen dapat menggunakan untuk menjalankan organisasi?
Bagaimana menjamin ketersediaan, keandalan, keakuratan informasi ?
Bagaimana menjamin ketersediaan, keandalan, keakuratan informasi ?
Manfaat
Sebuah SIA menambah nilai dengan cara:
Menyediakan informasi yang akurat dan tepat waktu sehingga dapat melakukan aktivitas utama pada value chain secara efektif dan efisien.
Meningkatkan kualitas dan mengurangi biaya produk dan jasa yang dihasilkan
Meningkatkan efisiensi
Meningkatkan kemampuan dalam pengambilan keputusan
Meningkatkan sharing knowledge
menambah efisiensi kerja pada bagian keuangan
sumber:"http://id.wikipedia.org/wiki/Sistem_informasi_akuntansi"
Akuntansi sendiri sebenarnya adalah sebuah Sistem Informasi. Fungsi penting yang dibentuk SIA pada sebuah organisasi antara lain :
Mengumpulkan dan menyimpan data tentang aktivitas dan transaksi.
Memproses data menjadi into informasi yang dapat digunakan dalam proses pengambilan keputusan.
Melakukan kontrol secara tepat terhadap aset organisasi.
Cara Kerja
Untuk memahami bagaimana SIA bekerja, perlu untuk menjawab beberapa pertanyaan sebagai berikut :
Bagaimana mengoleksi data yang berkaitan dengan aktivitas dan transaksi organisasi?
Bagaimana mentransformasi data kedalam informasi sehingga manajemen dapat menggunakan untuk menjalankan organisasi?
Bagaimana menjamin ketersediaan, keandalan, keakuratan informasi ?
Bagaimana menjamin ketersediaan, keandalan, keakuratan informasi ?
Manfaat
Sebuah SIA menambah nilai dengan cara:
Menyediakan informasi yang akurat dan tepat waktu sehingga dapat melakukan aktivitas utama pada value chain secara efektif dan efisien.
Meningkatkan kualitas dan mengurangi biaya produk dan jasa yang dihasilkan
Meningkatkan efisiensi
Meningkatkan kemampuan dalam pengambilan keputusan
Meningkatkan sharing knowledge
menambah efisiensi kerja pada bagian keuangan
sumber:"http://id.wikipedia.org/wiki/Sistem_informasi_akuntansi"
TenTanG siSTem InFOrmASi maNAjemEn
Sistem Informasi Manajemen merupakan sistem informasi yang menghasilkan hasil keluaran (output) dengan menggunakan masukan (input) dan berbagai proses yang diperlukan untuk memenuhi tujuan tertentu dalam suatu kegiatan manajemen.
Tujuan Umum
Menyediakan informasi yang dipergunakan di dalam perhitungan harga pokok jasa, produk, dan tujuan lain yang diinginkan manajemen.
Menyediakan informasi yang dipergunakan dalam perencanaan, pengendalian, pengevaluasian, dan perbaikan berkelanjutan.
Menyediakan informasi untuk pengambilan keputusan.
Ketiga tujuan tersebut menunjukkan bahwa manajer dan pengguna lainnya perlu memiliki akses ke informasi akuntansi manajemen dan mengetahui bagaimana cara menggunakannya. Informasi akuntansi manajemen dapat membantu mereka mengidentifikasi suatu masalah, menyelesaikan masalah, dan mengevaluasi kinerja (informasi akuntansi dibutuhkan dam dipergunakan dalam semua tahap manajemen, termasuk perencanaan, pengendalian dan pengambilan keputusan).
Proses Manajemen
Proses manajemen didefinisikan sebagai aktivitas-aktivitas:
Perencanaan, formulasi terinci untuk mencapai suatu tujuan akhir tertentu adalah aktivitas manajemen yang disebut perencanaan. Oleh karenanya, perencanaan mensyaratkan penetapan tujuan dan identifikasi metode untuk mencapai tujuan tersebut.
Pengendalian, perencanaan hanyalah setengah dari peretempuran. Setelah suatu rencana dibuat, rencana tersebut harus diimplementasikan, dan manajer serta pekerja harus memonitor pelaksanaannya untuk memastikan rencana tersebut berjalan sebagaimana mestinya. Aktivitas manajerial untuk memonitor pelaksanaan rencana dan melakukan tindakan korektif sesuai kebutuhan, disebut kebutuhan.
Pengambilan Keputusan, proses pemilihan diantara berbagai alternative disebut dengan proses pengambilan keputusan. Fungsi manajerial ini merupakan jalinan antara perencanaan dan pengendalian. Manajer harus memilih diantara beberapa tujuan dan metode untuk melaksanakan tujuan yang dipilih. Hanya satu dari beberapa rencana yang dapat dipilih. Komentar serupa dapat dibuat berkenaan dengan fungsi pengendalian.
Bagian
SIM merupakan kumpulan dari sistem informasi:
Sistem informasi akuntansi (accounting information systems), menyediakan informasi dan transaksi keuangan.
Sistem informasi pemasaran (marketing information systems), menyediakan informasi untuk penjualan, promosi penjualan, kegiatan-kegiatan pemasaran, kegiatan-kegiatan penelitian pasar dan lain sebagainya yang berhubungan dengan pemasaran.
Sistem informasi manajemen persediaan (inventory management information systems).
Sistem informasi personalia (personnel information systems).
Sistem informasi distribusi (distribution information systems).
Sistem informasi pembelian (purchasing information systems).
Sistem informasi kekayaan (treasury information systems).
Sistem informasi analisis kredit (credit analysis information systems).
Sistem informasi penelitian dan pengembangan (research and development information systems).
Sistem informasi analisis software
Sistem informasi teknik (engineering information systems).
sumber:http://id.wikipedia.org/wiki/Sistem_Informasi_Manajemen
Tujuan Umum
Menyediakan informasi yang dipergunakan di dalam perhitungan harga pokok jasa, produk, dan tujuan lain yang diinginkan manajemen.
Menyediakan informasi yang dipergunakan dalam perencanaan, pengendalian, pengevaluasian, dan perbaikan berkelanjutan.
Menyediakan informasi untuk pengambilan keputusan.
Ketiga tujuan tersebut menunjukkan bahwa manajer dan pengguna lainnya perlu memiliki akses ke informasi akuntansi manajemen dan mengetahui bagaimana cara menggunakannya. Informasi akuntansi manajemen dapat membantu mereka mengidentifikasi suatu masalah, menyelesaikan masalah, dan mengevaluasi kinerja (informasi akuntansi dibutuhkan dam dipergunakan dalam semua tahap manajemen, termasuk perencanaan, pengendalian dan pengambilan keputusan).
Proses Manajemen
Proses manajemen didefinisikan sebagai aktivitas-aktivitas:
Perencanaan, formulasi terinci untuk mencapai suatu tujuan akhir tertentu adalah aktivitas manajemen yang disebut perencanaan. Oleh karenanya, perencanaan mensyaratkan penetapan tujuan dan identifikasi metode untuk mencapai tujuan tersebut.
Pengendalian, perencanaan hanyalah setengah dari peretempuran. Setelah suatu rencana dibuat, rencana tersebut harus diimplementasikan, dan manajer serta pekerja harus memonitor pelaksanaannya untuk memastikan rencana tersebut berjalan sebagaimana mestinya. Aktivitas manajerial untuk memonitor pelaksanaan rencana dan melakukan tindakan korektif sesuai kebutuhan, disebut kebutuhan.
Pengambilan Keputusan, proses pemilihan diantara berbagai alternative disebut dengan proses pengambilan keputusan. Fungsi manajerial ini merupakan jalinan antara perencanaan dan pengendalian. Manajer harus memilih diantara beberapa tujuan dan metode untuk melaksanakan tujuan yang dipilih. Hanya satu dari beberapa rencana yang dapat dipilih. Komentar serupa dapat dibuat berkenaan dengan fungsi pengendalian.
Bagian
SIM merupakan kumpulan dari sistem informasi:
Sistem informasi akuntansi (accounting information systems), menyediakan informasi dan transaksi keuangan.
Sistem informasi pemasaran (marketing information systems), menyediakan informasi untuk penjualan, promosi penjualan, kegiatan-kegiatan pemasaran, kegiatan-kegiatan penelitian pasar dan lain sebagainya yang berhubungan dengan pemasaran.
Sistem informasi manajemen persediaan (inventory management information systems).
Sistem informasi personalia (personnel information systems).
Sistem informasi distribusi (distribution information systems).
Sistem informasi pembelian (purchasing information systems).
Sistem informasi kekayaan (treasury information systems).
Sistem informasi analisis kredit (credit analysis information systems).
Sistem informasi penelitian dan pengembangan (research and development information systems).
Sistem informasi analisis software
Sistem informasi teknik (engineering information systems).
sumber:http://id.wikipedia.org/wiki/Sistem_Informasi_Manajemen
TenTanG siSTem, InFOrmASi, dATa
Sistem
Sistem berasal dari bahasa Latin (systēma) dan bahasa Yunani (sustēma) adalah suatu kesatuan yang terdiri komponen atau elemen yang dihubungkan bersama untuk memudahkan aliran informasi, materi atau energi.
Istilah ini sering dipergunakan untuk menggambarkan suatu set entitas yang berinteraksi, di mana suatu model matematika seringkali bisa dibuat.
Sistem juga merupakan kesatuan bagian-bagian yang saling berhubungan yang berada dalam suatu wilayah serta memiliki item-item penggerak, contoh umum misalnya seperti negara. Negara merupakan suatu kumpulan dari beberapa elemen kesatuan lain seperti provinsi yang saling berhubungan sehingga membentuk suatu negara dimana yang berperan sebagai penggeraknya yaitu rakyat yang berada dinegara tersebut.
Kata "sistem" banyak sekali digunakan dalam percakapan sehari-hari, dalam forum diskusi maupun dokumen ilmiah. Kata ini digunakan untuk banyak hal, dan pada banyak bidang pula, sehingga maknanya menjadi beragam. Dalam pengertian yang paling umum, sebuah sistem adalah sekumpulan benda yang memiliki hubungan di antara mereka.
Elemen dalam sistem
Pada prinsipnya, setiap sistem selalu terdiri atas empat elemen:
Objek, yang dapat berupa bagian, elemen, ataupun variabel. Ia dapat benda fisik, abstrak, ataupun keduanya sekaligus; tergantung kepada sifat sistem tersebut.
Atribut, yang menentukan kualitas atau sifat kepemilikan sistem dan objeknya.
Hubungan internal, di antara objek-objek di dalamnya.
Lingkungan, tempat di mana sistem berada.
Jenis sistem
Ada berbagai tipe sistem berdasarkan kategori:
Atas dasar keterbukaan:
sistem terbuka, dimana pihak luar dapat mempengaruhinya.
sistem tertutup.
Atas dasar komponen:
Sistem fisik, dengan komponen materi dan energi.
Sistem non-fisik atau konsep, berisikan ide-ide.
Sistem juga merupakan kesatuan bagian-bagian yang saling berhubungan yang berada dalam suatu wilayah serta memiliki item-item penggerak, contoh umum misalnya seperti negara. Negara merupakan suatu kumpulan dari beberapa elemen kesatuan lain seperti provinsi yang saling berhubungan sehingga membentuk suatu negara dimana yang berperan sebagai penggeraknya yaitu rakyat yang berada dinegara tersebut.
Kata "sistem" banyak sekali digunakan dalam percakapan sehari-hari, dalam forum diskusi maupun dokumen ilmiah. Kata ini digunakan untuk banyak hal, dan pada banyak bidang pula, sehingga maknanya menjadi beragam. Dalam pengertian yang paling umum, sebuah sistem adalah sekumpulan benda yang memiliki hubungan di antara mereka.
Elemen dalam sistem
Pada prinsipnya, setiap sistem selalu terdiri atas empat elemen:
Objek, yang dapat berupa bagian, elemen, ataupun variabel. Ia dapat benda fisik, abstrak, ataupun keduanya sekaligus; tergantung kepada sifat sistem tersebut.
Atribut, yang menentukan kualitas atau sifat kepemilikan sistem dan objeknya.
Hubungan internal, di antara objek-objek di dalamnya.
Lingkungan, tempat di mana sistem berada.
Jenis sistem
Ada berbagai tipe sistem berdasarkan kategori:
Atas dasar keterbukaan:
sistem terbuka, dimana pihak luar dapat mempengaruhinya.
sistem tertutup.
Atas dasar komponen:
Sistem fisik, dengan komponen materi dan energi.
Sistem non-fisik atau konsep, berisikan ide-ide.
Informasi
Informasi adalah hasil pemrosesan, manipulasi dan pengorganisasian/penataan dari sekelompok data yang mempunyai nilai pengetahuan (knowledge) bagi penggunanya.
Namun demikian istilah ini memiliki banyak arti bergantung pada konteksnya, dan secara umum berhubungan erat dengan konsep seperti arti, pengetahuan, negentropy, komunikasi, kebenaran, representasi, dan rangsangan mental.
Banyak orang meggunakan istilah "era informasi", "masyarakat informasi," dan teknologi informasi, dalam bidang ilmu informasi dan ilmu komputer yang sering disorot, namun kata "informasi" sering dipakai tanpa pertimbangan yang cermat mengenai berbagai arti yang dimilikinya.
Banyak orang meggunakan istilah "era informasi", "masyarakat informasi," dan teknologi informasi, dalam bidang ilmu informasi dan ilmu komputer yang sering disorot, namun kata "informasi" sering dipakai tanpa pertimbangan yang cermat mengenai berbagai arti yang dimilikinya.
Data
Data adalah bentuk jamak dari datum, berasal dari bahasa Latin yang berarti "sesuatu yang diberikan".
Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.
Sumber: http://id.wikipedia.org/wiki/Sistem
Langganan:
Postingan (Atom)