Information Systems vs Computer Science

(1)

Wawan Laksito YS, S.Si,

M.Kom

Disiplin Ilmu,

Metode Penelitian,

Computing

Method

(2)

IEEE/ACM Computing Curricula 2005

Computer

Engineering (CE)

pengembangan sistem

terintegrasi

(software dan hardware)

Computer Engineer

Computer

Engineering (CE)

pengembangan

sistem

terintegrasi

(software dan hardware)

Computer Engineer

Information

System (IS)

analisa kebutuhan dan

proses bisnis

serta desain sistem

System Analyst

Information

System (IS)

analisa kebutuhan dan

proses bisnis

serta desain sistem

System Analyst

Information

Technology (IT)

pengembangan dan pengelolaan

infrastruktur IT

Network Engineer

Information

Technology (IT)

pengembangan dan pengelolaan

infrastruktur

IT

Network Engineer

Computer

Science (CS)

konsep computing dan

pengembangan software

Computer Scientist

Computer

Science (CS)

konsep computing

dan

pengembangan

software

Computer Scientist

Software

Engineering (SE)

pengembangan software

dan pengelolaan tahapan

SDLC

Software Engineer

Software

Engineering (SE)

pengembangan software

dan pengelolaan tahapan

SDLC

Software Engineer

(3)

Information Systems vs Computer

Science

Information

Systems (IS):

IS, IT

aspek manajemen, organisasi

dan pemanfaatan

metode computing

Information

Systems (IS):

IS, IT

aspek manajemen, organisasi

dan pemanfaatan

metode computing

Computer

Science (CS):

CS, CE, SE

aspek teknis dari

metode computing

Computer

Science (CS):

CS, CE, SE

aspek teknis dari

metode computing

(4)

Interaksi Sistem Pada Penelitian

SI

Lingkungan kajian dan perspektif

dalam penelitian sistem informasi

tidak hanya menguji sistem teknologi,

atau sistem sosial, atau bahkan

dua-duanya, tetapi penelitian dalam bidang

ini juga menginvestigasi fenomena

yang muncul ketika kedua sistem

berinteraksi

(5)

Contoh Interaksi SI dengan Bidang Lain

• _{Ekonomi Pemasaran :}

–

E-Commerce,

–

Pengaruh TI pada perilaku konsumen, periklanan,

dsb,

• _{Pendidikan :}

–

Pemanfaatan Multimedia, E-Learning, Computer

Base Test.

–

Pengaruh TI pada prestasi belajar,

–

Pemanfaatan Internet untuk Distance Learning,

• _{Administrasi Pemerintahan :}

–

Government (Precurement, Budgeting,

E-Monitoring, dll)

• _{Berikan Contoh lainnya ??}

(6)

Method Itu Makhluk Apa?

• Ingat kembali

seluruh mata kuliah yang kita

pelajari :

–

_{information theory, bahasa formal dan automata}

–

_{artifcial intelligence, decision support system}

–

_{software engineering, database}

–

_{algoritma dan struktur data, sistem operasi, dsb}

• Bila

mata kuliah

itu menunjukkan satu

disiplin

ilmu

computing

• Maka computing approach adalah

teori,

model,

atau

metode

yang terdapat di dalam

mata kuliah

• Computing approach berisi

tahapan/urutan

yang sistematis untuk menyelesaikan

(7)

Masalah dan Metode

• _{Setelah proses}

_{objektifkasi masa}

_lah

penelitian, tahap berikutnya adalah

menemukan cara pemecahan

masalah

tersebut

• _{Metode computing dipilih secara cermat}

berdasarkan hasil studi literatur yang telah

dilakukan

• _{Pengetahuan dasar tentang metode}

computing didapat dari

buku textbook

,

sedangkan perkembangan ilmunya (

state-of-the-art

) didapat dari

paper journal

(tahun

(8)

Contoh Pilihan Algoritma atau

Metode

1. Neural Network

2. Support Vector Machine

3. Naive Bayes

4. K-Nearest Neighbor

5. CART

6. Linear Discriminant

Analysis

7. Agglomerative Clustering

8. Support Vector Regression

9. Expectation Maximization

10.C4.5

11.K-Means

12.Self-Organizing Map

13.FP-Growth

14.A Priori

15.Logistic Regression

16.Random Forest

17.K-Medoids

18.Radial Basis Function

19.Fuzzy C-Means

20.K*

21.Support Vector

Clustering

22.OneR

(9)

TEMA PENELITIAN

• _{Teknik Informatika}

• _{Sistem Informasi}

(10)

Data Mining

1. Estimasi (Estimation)

–

_{Neural Network, Multiple Linear Regression,}

dsb

2. Prediksi (Prediction):

–

_{Neural Network, Multiple Linear Regression,}

SVM, dsb

3. Klasifkasi (Classifcation):

–

_{CART, K-NN, ID3, C4.5, dsb}

4. Pengelompokan (Clustering):

–

_{K-Means, Fuzzy C-Means, SOM, K-Medoids, dsb}

5. Asosiasi (Association):

–

_{Apriori, FP-Growth, dsb}

Tema Penelitian Teknik Informatika

(11)

Soft Computing

1. Fuzzy Logic

2. Fuzzy Inference System

3. Neural Network

4. Neuro-Fuzzy

5. Genetic Algorithm

(12)

Image Processing

1. Image Restoration

2. Image Compression

3. Biometrics:

–

_{Face/Fingerprint/Iris Identifcation}

4. Real Application:

1. Car Plate Identifcation

2. Vehicle Motion Detection

(13)

Software

Engineering

• _{Software Process Improvement}

• _{Software Quality Prediction}

• _{Service Oriented Architecture}

• _{Autonomic Computing}

• _{Soft Computing and its Applications}

in Software Engineering

(14)

Tem

a S

kri

ps

i S

I

Tem

a S

kri

ps

i S

I

• Analisis dan Pengembangan

Sistem

–

Evaluasi Sistem Informasi

–

Audit Sistem Informasi

–

Analisa Kinerja Sistem

–

Enterprise Architecture

Planning

–

Data Warehouse

• _{Analisis dan Pengembangan}

Sistem

–

_{Evaluasi Sistem Informasi}

–

_{Audit Sistem Informasi}

–

_{Analisa Kinerja Sistem}

–

_{Enterprise Architecture}

Planning

–

_{Data Warehouse}

• _{Sistem Penunjang Keputusan (Decision Support}

System )

― Pengelompokan ( Clustering )

― Klasifkasi ( classifcation )

― Estimasi (Estimation)

― Prediksi/Peramalan (Prediction/Forecasting)

― Asosiasi ( Association )

― Sistem Informasi Geografs (SIG)

• _{Sistem Penunjang Keputusan (Decision Support}

System )

― Pengelompokan ( Clustering )

― Klasifkasi ( classifcation )

― Estimasi (Estimation)

― Prediksi/Peramalan (Prediction/Forecasting)

― Asosiasi ( Association )

― Sistem Informasi Geografs (SIG)

(15)

Analisis dan Pengembangan

Tema Penelitian Sistem Informasi

(16)

TEMA _FRAMEWORKMETODE/ _IMPLEMENTASIPERANGKAT/

Audit Sistem Informasi

(Penilaian untuk rekomendasi)

Quasioner /Excel/SPSS

Bahasa Pemrograman

Evaluasi Sistem Informasi

(Mencari pokok permasalahan)

COBIT

TAM (Technology Acceptance Model)

EUCS (End User

Computing Satisfaction)

UTAUT (Unifed Theory of Acceptance and Use of Technology)

Metode Zahman Metode Togaf

Metode Kesuksesan Sistem

Quasioner /Excel/SPSS

Bahasa Pemrograman

Analisis Kinerja Sistem

(Pengukuran keberhasilan kinerja SI)

Balanced scorecard

Analisis dan Pengembangan Sistem

_{Sistem Informasi}_{Sistem Informasi}Tema Penelitian Tema Penelitian

(17)

TEMA _FRAMEWORKMETODE/ _IMPLEMENTASIPERANGKAT/

Enterprise Architecture Planning

(metode yang digunakan untuk membangun sebuah arsitektur

informasi/”blueprint” SI)

Zachman Framework

TOGAF Architecture Development Method

Enterprise Architecture Planning(EAP)

Analisis AE

Visio

Data Warehouse

(suatu sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi)

OLAP

ETL AnalisisDatabase yang mendukung data Warehouse (SQL

Server,oracle,PENTAH O)

Analisis dan Pengembangan Sistem

(18)

Penentuan

Variabel/Domain

Pengambilan Data :

Quesioner

Metoda :

-

_COBIT

Framework

-

Hot Fit

Perhitunga

n rata-rata mengguna kan aturan

metoda

Hasil dan Rekomendasi Dimasukkan

Ms. Excel SPSS

Bahasa Pemrogram

an

Audit Tata Kelola

(19)

Point yang akan

dievaluasi : -_Kepuasan -_Perilaku

Perhitunga n Statistik

Hasil dan Rekomendasi

Ms. Excel/ SPSS/PLS/

SAM

Bahasa Pemrogram

an

Evaluasi Kinerja Sistem

19

Pilih Metoda

-Technology Acceptance Model (TAM)

-End User

Computing (EUC) Satisfaction

-_{Task Technology Fit (TTF)} -

(20)

Data Mining

_{Semi-Supervised Learning}

Supervised

Learning

Unsupervis

ed

Learning

Dengan “guru”

Dataset : Attribute+Class

_{Mencari “Pola”}

Dataset : Attributetdk ada class

estimation

prediction/forecasting

classifcation

clustering

_{Tema Penelitian Sistem}

Informasi - DSS

(21)

Algoritma

1. Estimation

(Estimasi):

– _{Linear Regression, Neural Network, Support Vector Machine,}

etc

2. Prediction/Forecasting

(Prediksi/Peramalan):

– _{Linear Regression, Neural Network, Support Vector Machine,}

etc

3. Classifcation

(Klasifkasi):

– _{Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear}

Discriminant Analysis, Logistic Regression, etc

4. Clustering

(Klastering):

– _{K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy}

C-Means, etc

5. Association

(Asosiasi):

– _{FP-Growth, A Priori, Coefcient of Correlation, Chi Square, etc}

Tema Penelitian Sistem Informasi - DSS

(22)

Evaluasi

1. Estimation:

– Error: Root Mean Square Error (RMSE), MSE, MAPE, etc

2. Prediction/Forecasting (Prediksi/Peramalan):

– Error: Root Mean Square Error (RMSE) , MSE, MAPE, etc

3. Classifcation:

–

_{Confusion Matrix}

:

Accuracy

– ROC Curve: Area Under Curve (AUC)

4. Clustering:

– Internal Evaluation: Davies–Bouldin index, Dunn index,

– _{External Evaluation}_{: Rand measure,}

F-measure

_,_{Jaccard index,}

Fowlkes–Mallows index,

Confusion matrix

5. Association:

– Lift Charts: Lift Ratio

–

_{Precision and}

Recall (F-measure)

Tema Penelitian Sistem Informasi - DSS

(23)

Tema penelitian Sistem Informasi

Tema Sub Tema

• Pengembangan Sistem Informasi

• Evaluasi Sistem Informasi

• Audit Sistem Informasi

• Analisa Kinerja Sistem

• Enterprise Architecture Planning

• Data Warehouse

Pengembangan Sistem Informasi dengan Metode (Data Mining, Pengembangan dan Analisis SI)

Audit dan Evaluasi Sistem Informasi atau Software Perusahaan/Instansi

Pendidikan :

PMB,SIAKAD,SIPERPUS

Pemerintah : WEB Pemerintah, E-KTP

Instansi /Perusahaan :

E-Banking, E-Comerce, E-Learning, REKAMEDIK

(24)

TEMA

• Pengelompokan ( Clustering )

• Klasifkasi ( classifcation )

Pengelompokan/klasifkasi pelanggan/user perusahaan.

Misal : Nasabah, Sub Distributor, Pelanggan Toko, Karyawan untuk JOBDES

Pengelompokan/klasifkasi hasil produk

Misal : Produk perkebunan berdasar kualitas

Pengelompokan/klasifkasi Lokasi Pengelompokan/klasifkasi

Budgeting

Tema penelitian Sistem Informasi

(25)

TEMA

• Estimasi (Estimation)

• Prediksi/Peramalan (Prediction/ Forecasting)

• Asosiasi ( Association )

Ramalan jumlah penjualan produk Prediksi Penerimaan

Siswa/Mahasiswa/Karyawan/Keunt ungan

Prediksi produksi produk Prediksi permintaan produk

Asosiasi penjualan produk (Multi produk)

Asosiasi pelanggan dengan produk : Misal menentukan pelanggan dengan yang dibeli

Note : Prediksi/Peramalan dataset berupa data time series

Tema penelitian Sistem Informasi

(26)

TEMA

• Sistem Penunjang Keputusan (DSS)

• Hibrid System dengan SIG :

• SIG+SPK, SIG+Clasifcation, SIG+prediksi/Peramalan

SPK Pemilihan atau Seleksi, Misal : pegawai,guru,

karyawan,produk

SPK Diagnosa penyakit SPK Kredit

SPK Penentuan Lokasi Hibrid dengan GIS

Misal : Lokasi toko

retail,Pelanggan untuk promosi

NOTE : DSS bisa menggunakan algoritma data mining baik

clasifcation maupun clustering

tinggal melihat dataset

Tidak selalu

harus :TOPSIS,WP,SAW,AHP