VISUALISASI INFORMASI – 3 SKS Tujuan :
PROYEK PENGEMBANGAN SISTEM INFORMASI- 3 SKS Tujuan:
- Peserta mata kuliah akan dapat memahami bagaimana merencanakan proyek teknologi informasi
Materi:
- Kaitan manajemen Proyek dan Teknologi Informasi
Struktur organisasi; Manajemen Stakeholder, Tahapan Proyek dan life cycle proyek; Keadaan proyek teknologi informasi; Keterampilan manajer proyek. - Pengelompokkan proses manajemen proyek: contoh kasus kelompok proses
manajemen proyek (initating, planning, Executuing, Controlling, and Closing Procesess); Metodologi manajemen pengembangan proyek teknologi informasi; Contoh kasus: proyekmenejemenproyek JDW Consulting (project initiation, project planing, projen execution, project controlling, project closing)
- Manajemen Pengintergasian Proyek
Merencanakan pengembangan proyek; merencanakan pelaksanaan proyek; mengontrol perubahan yang telah di intreggras; menggunakan software untuk membantu pengintegrasian proyek.
- Memperlakukan Batasan Proyek
Project initiation: perencanaan strategis dan pemilihan proyek (NPV, ROL Payback Analysis); Perencanaan dan batasan dan peryataan batasan; Pendifinisian
batasan dan merinci struktur pekerjaan; Verifikasi batasan dan mengontrol batasan.
- Manajemen waktu pada proyek
Pentingnya jadwal proyek; Aktivitas definisi; Aktifitas pengurutan; aktivitas estimasi durasi; Membuat jadwal; Mengontrol Perubahan Jadwal Proyek; menggunakan software untuk pengelolaan waktu proyek.
- Manajemen Kualitas Proyek
Perencanaan Kualitas; jaminankualitas; mengontrol Kualitas; alat dan teknik untuk mengontrol kualitas; manajemen kualitas modern; meningkatkan Kualitas Proyek Teknologi Informasi;Menggunakansoftware untuk membantu manajemen kualitas proyek.
- Pengelolaan SDM Proyek
Pentingnya manajemen SDM; Kunci mengatur orang; Perencanaan pengorganisasian; Recruitment staff; Membangun team; Menggunakan software yntuk membantu pengelolaan SDM.
- Manajemen Komunikasi Proyek
Pentingnya manajemen komunikasi proyek; Merencanakan komunikasi; Distribusi informasi; Laporan pelaksanaan; Pelaporan akhir; Usulan untuk peningkatan komunikasi proyek; Menggunakan software untuk memebantu komunikasi proyek.
- Manajemen Resiko Proyek
Pentingnya manajemen resiko proyek; Perencana manajemen resiko; Identifikasi resiko; Analisa resiko kualitatif; Analisa resiko kuantitatif; Antisipasi resiko; Mengendalikan dan memonitor resiko; Menggunakan software untuk membantu manajemen resiko proyek; Hasil dari manajemen proyek yang baik.
- Manajemen Memperoleh Proyek
Pentingnya manajemen memperoleh proyek; Cara Mendapatkan Proyek; Proposal Proyek; Administrasi kontrak.
Prasyarat : Analisis dan Desain Sistem Informasi SISTEM PENDUKUNG KEPUTUSAN- 3 SKS Tujuan :
- Peserta mata kuliah dapat memahami dasar-dasar sistem pendukung keputusan (decision support system/DSS), manfaat dan limitasi penggunaannya.
- Peserta mata kuliah dapat memahami elemen dan kerangka kerja dari proses pembuatan keputusan.
- Peserta mata kuliah dapat memahami aktifitas-aktifitas pembuatan keputusan dalam sebuah organisasi.
- Peserta mata kuliah dapat memahami bagaimana mendesain, mambangun, mengimplementasikan dan mengintegrasikan DSS.
Materi:
Definisi, Sejarah DSS, Manajemen data dan model,basis pengetahuan DSS, Antar-muka pengguna, Pengguna DSS, Kategori dan Kelas DSS.
- Keputusan dan Pembuat Keputusan
Siapa yang disebut pembuat keputusan, Style keputusan, Efektifitas keputusan, Tipologi dari keputusan, Teori keputusan dan pemodelan Simon untuk menyelesaikan persoalan, Pembuatan keputusan yang rasional, Batasan rasionalitas, Proses pemilihan, proses kognitif, bias dan heuristik dalam pembuatan keputusan, Efektifitas dan efisiensi.
- Keputusan dalam Organisasi
Memahami organisasi, Kultur organisasional, Kekuasaan dan Politik, Dukungan terhadap proses pembuatan keputusan organisasional.
- Pendukung Keputusan Kelompok dan Teknologi Groupware
Pembuatan keputusan kelompok, Persoalan dengan kelompok, Teknologi dukungan MDM, mengelola aktivitas MDM, Tempat kerja virtual.
- Sistem Informasi Eksekutif (Executive Information System/EIS)
Apa yang dimaksud dengan EIS? Sejarah EIS, Mengapa eksekutif puncak begitu berbeda, Komponen EIS, membuat EIS dapat bekerja, pembuatan keputusan eksekutif dan EIS masa depan.
- Perspektif Sistem dari DSS
Review pengertian sistem, DSS dalam kontek sistem-sistem informasi, issu kualitas informasi dalam desain DSS, Mendefinisikan arsitektur sistem informasi DSS, Peran dari internet dalam pengembangan dan penggunaan DSS.
- merancang dan membangun DSS ; strategi analisis dan desain DSS, pengembangan DSS, berbagai fasilitas (tools) untuk pengembangan DSS, isu antar muka pengguna DSS.
- Mengimplementasikan dan mengintegrasikan DSS; implementasi DSS, evaluasi system,pentingnya integrasi.
- Pembuatan keputusan yang kreatif dan menyelesaikan persoalan ; apa yang dimaksud dengan kreatifitas,definisi kreatifitas,kejadian kreatifitas,teknik-teknik penyelesaian persoalan yang kreatif,kreatifitas dan peran dari teknologi.
- Agen software intelijen,bots,delegasi dan peranan; dunia delegasi ddan peranan, apa yang dimaksud dengan intelligent software afgent, intelligent software agent ini e-business, merancang dan mengembangkan intelligent software agent, masa depan intelligent software agent.
- Pendudkung keputusan pada abad 21; DSS pada masa kini dan masa silam, masa depan DSS, masa depan system pakar dan kecerdasan buatan, masa depan EIS, masa depan intelligent software agent dan delegation, beberapa pemikiran akhir untuk masa depan teknologi DSS
Prasyarat : data warehousing dan OLAP DATA MINING – 3 SKS
- dapat memahami konsep data mining dan memahami bagaimana data mining dapat diaplikasikan untuk mengatasi berbagai persoalan nyata.
- Dapat mengaplikasikan teknik-teknik berbasis statistic dan non-statistik untuk mengevaluasi hasil-hasil sesi data mining.
- Dapat memahami beberapa teknik data mining dan mengetahui kapan masng-masing teknik harus digunakan.
Materi :
- introduksi ; apa yang memotivasi data mining dan mengapa data mining menjadi penting,definisi data mining; jenis data dimana data mining dapat digunakan; basis data relasional, data warehouse,basis data transaksi, system basis data lanjut; fungsi data mining; deskrip kelas/konsep, karateristik dan diskriminasi,analisis asosiasi,, klasifikasi dan prediksi,analisis klaster,analisis outlier,dan analisis evolusi; klasifikasi system data mining,isu utama dalam data mining.
- Praproses data ; mengapa diperlukan praproses data ; pembersihan data; nilai-nilai yang hilang, data derau, data yang inkonsisten; integrasi dan transformasi data ; integrasi data, transformasi data ; reduksi data;aggregasi kubus data, reduksi dimensi, kompresi data, reduksi jumlah; diskretisasi dan konsep pembangkitan hirarki; diskretisasi dan konsep pembangkitan hirarki untuk data numeric, konsep pemabangkitan hirarki untuk data kategorikal.
- Deskripsi konsep : karateristik dan komparasi ; apa yang dimaksud dengan deskripsi konsep;generalisasi dan karateristik yang didasarkan pada rangkuman; induksi berorientasi atribut, implementasi induksi berorientasi atribut, presentasi generalisasi turunan; karateristik analitik ;analisis relevanci atribut,metode metode analisis relevansi atribut;penggalian komparasi kelas;penggalian ukuran ukuran statistic deskriptif.
- Penggalian kaida-kaidah asosiasi ; penggalian kaidah-kaidah asosiasi ; analisis keranjang pasar,konsep dasar; penggalian kaidah asosiasi Boolean berdimensi tunggal dari basis data transaksi;penggalian kaidah asosiasi bertingkat banyak dari basis data transaksi;penggalian kaidah asosiasi multidimensi dari basis data relasional data data ware house; dari penggalian asosiasi ke analisis korelasi; penggalian asosiasi bersyarat.
- Klasifikasi data prediksi ; perbedaa klasifikasi dan prediksi; isu mengenai klasifikasi dan prediksi;klasifikasi dengan menggunakan induksi pohon keputusan; klasifikasi Bayesian; klasifikasi menggunakan probgasibalik; beberapa metode klasifikasi k-nearest neighbor clasiffier, case-based reasoning, algoritma genetika, pendekatan menggunakan himpunan fuzzy; prediksi ;regresi linier dan multiple regression; keakuratan pengklasifikasi; mengestimasi akurasi pengklasifikasi; meningkatkan akurasi pengklasifikasi.
- Analisis klaster ; apa yang dimaksud dengan analisis klaster; jenis-jenis data dalam analisis klaster; kategorisasi metode klasterisasi utama; metode-metode partisi;metode-metode-metode-metode hirarki; metode-metode-metode-metode yang didasarkan pada densitas; metode-metode yang didasrkan pada grif; metode-metode klasterisasi
yang didasarkan pada model; analisi outlier;deteksi outlier yang didasrkan pada statistic, deteksi outlier yang didasarkan pada konsep jarak, deteksi outlier yang didasarkan pada konsep deviasi.
- Penggalian jenis-jenis data yang komplek ; analisis multidimensi dan penggalian deskriptif untuk objek-objek data yang komplek; penggalian basis data special; penggalian data multimedia; penggalian data time-series dan data sekuensial;penggalian basis data teks; penggalian worl wide web.
Prasyarat : system intelegensia
PERENCANAAN STRATEGIS SISTEM INFORMASI – 3 SKS