Information Systems vs Computer Science
Disiplin Ilmu,
Metode Penelitian,
Computing
Method
Wawan Laksito YS, S.Si,
M.Kom
1
IEEE/ACM Computing Curricula 2005
Computer
Engineering (CE)
Information
Computer
Science (CS
pengembangan sistem
terintegrasi
konsep computing d
(software dan hardware)
analisa kebutuhan dan
pengembangan softw
proses bisnis
Computer Engineer serta desain sistem
System (IS)
Computer Scient
Software
Engineering (S
System Analyst
Information
Technology (IT)
pengembangan dan pengelolaan
infrastruktur IT
Network Engineer
pengembangan softwa
dan pengelolaan tahapa
SDLC
Software Engineer
2
Information Systems vs Computer
Science
Information
Systems (IS):
IS, IT
Computer
Science (CS):
CS, CE, SE
aspek manajemen, organisasi
dan pemanfaatan
metode computing
aspek teknis dari
metode computing
3
Interaksi Sistem Pada Penelitian
SI
Lingkungan kajian dan perspektif
dalam penelitian sistem informasi
tidak hanya menguji sistem teknologi,
atau sistem sosial, atau bahkan duaduanya, tetapi penelitian dalam bidang
ini juga menginvestigasi fenomena
yang muncul ketika kedua
sistem
berinteraksi
4
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 :
– E-Government (E-Precurement, E-Budgeting, EMonitoring, dll)
• Berikan Contoh lainnya ??
5
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
6
Masalah dan Metode
• Setelah proses objektifkasi masalah
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-ofthe-art) didapat dari paper journal (tahun
terakhir)
Contoh Pilihan Algoritma atau
Metode
1.
2.
3.
4.
5.
6.
Neural Network
Support Vector Machine
Naive Bayes
K-Nearest Neighbor
CART
Linear Discriminant
Analysis
7. Agglomerative Clustering
8. Support Vector Regression
9. Expectation Maximization
10. C4.5
11. K-Means
8
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
TEMA PENELITIAN
• Teknik Informatika
• Sistem Informasi
9
Data Mining
Tema Penelitian
Teknik Informatika
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
10
Soft Computing
Tema Penelitian
Teknik Informatika
1. Fuzzy Logic
2. Fuzzy Inference System
3. Neural Network
4. Neuro-Fuzzy
5. Genetic Algorithm
11
Image Processing
Tema Penelitian
Teknik Informatika
1. Image Restoration
2. Image Compression
3. Biometrics:
– Face/Fingerprint/Iris Identifcation
4. Real Application:
1. Car Plate Identifcation
2. Vehicle Motion Detection
12
Software
Engineering
•
•
•
•
•
Tema Penelitian
Teknik Informatika
Software Process Improvement
Software Quality Prediction
Service Oriented Architecture
Autonomic Computing
Soft Computing and its Applications
in Software Engineering
13
m
e
T
k
S
a
s
p
ri
I
S
i
• 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)
14
Analisis dan Pengembangan
Sistem
Tema Penelitian
Sistem Informasi
Planni
ng
Imple
menta
tion
Maintena
nce
Plan
Analys
is
Design
15
Analisis dan Pengembangan Sistem
TEMA
METODE/
FRAMEWORK
Tema Penelitian
Sistem Informasi
PERANGKAT/
IMPLEMENTASI
Audit Sistem Informasi
(Penilaian untuk
rekomendasi)
COBIT
ITIL
CMMI
COSO
eSAC
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
16
Analisis dan Pengembangan Sistem
TEMA
METODE/
FRAMEWORK
Enterprise Architecture
Planning
(metode yang digunakan
untuk membangun sebuah
arsitektur
informasi/”blueprint” SI)
Zachman Framework
Data Warehouse
(suatu sistem komputer
untuk mengarsipkan dan
menganalisis data historis
suatu organisasi)
OLAP
ETL
TOGAF Architecture
Development Method
Tema Penelitian
Sistem Informasi
PERANGKAT/
IMPLEMENTASI
Analisis
AE
Visio
Enterprise Architecture
Planning(EAP)
Analisis
Database yang
mendukung data
Warehouse (SQL
Server,oracle,PENTAH
O)
17
Tema Penelitian
Sistem Informasi
Audit Tata Kelola
Metoda :
- COBIT
Framework
- Hot Fit
Perhitunga
n rata-rata
mengguna
kan aturan
Dimasukkan metoda
Penentuan
Variabel/Domain
Pengambilan Data :
Quesioner
Ms. Excel
SPSS
Hasil dan
Rekomendasi
Bahasa
Pemrogram
an
18
Tema Penelitian
Sistem Informasi
Evaluasi Kinerja Sistem
Point yang
akan
dievaluasi :
-Kepuasan
-Perilaku
Pilih Metoda
-Technology Acceptance
Model (TAM)
-End User
Computing (EUC) Satisfaction
-Task Technology Fit (TTF)
-Human-OrganizationTechnology (HOT) Fit
Perhitunga
n Statistik
Ms. Excel/
SPSS/PLS/
SAM
Hasil dan
Rekomendasi
Bahasa
Pemrogram
an
19
Data Mining
Supervised
Learning
Semi-Supervised Learning
Unsupervis
ed
Learning
Dengan “guru”
Dataset : Attribute+Class
Mencari “Pola”
Dataset : Attributetdk ada class
estimation
prediction/forecasting
clustering
classifcation
Tema Penelitian Sistem
Informasi - DSS
20
Algoritma
Tema Penelitian Sistem
Informasi - DSS
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 CMeans, etc
5. Association (Asosiasi):
–
FP-Growth, A Priori, Coefcient of Correlation, Chi Square, etc
21
Tema Penelitian Sistem
Informasi - DSS
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,
Fowlkes–Mallows index,
F-measure, Jaccard index,
Confusion matrix
5. Association:
–
Lift Charts: Lift Ratio
– Precision and Recall (F-measure)
22
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, EKTP
Instansi /Perusahaan : EBanking, E-Comerce, E-Learning,
REKAMEDIK
23
Tema penelitian Sistem Informasi
TEMA
Tema
Sub 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
24
Tema penelitian Sistem Informasi
TEMA
Tema
Sub 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
25
Tema penelitian Sistem Informasi
TEMA
Tema
Sub 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
26
Metode Penelitian,
Computing
Method
Wawan Laksito YS, S.Si,
M.Kom
1
IEEE/ACM Computing Curricula 2005
Computer
Engineering (CE)
Information
Computer
Science (CS
pengembangan sistem
terintegrasi
konsep computing d
(software dan hardware)
analisa kebutuhan dan
pengembangan softw
proses bisnis
Computer Engineer serta desain sistem
System (IS)
Computer Scient
Software
Engineering (S
System Analyst
Information
Technology (IT)
pengembangan dan pengelolaan
infrastruktur IT
Network Engineer
pengembangan softwa
dan pengelolaan tahapa
SDLC
Software Engineer
2
Information Systems vs Computer
Science
Information
Systems (IS):
IS, IT
Computer
Science (CS):
CS, CE, SE
aspek manajemen, organisasi
dan pemanfaatan
metode computing
aspek teknis dari
metode computing
3
Interaksi Sistem Pada Penelitian
SI
Lingkungan kajian dan perspektif
dalam penelitian sistem informasi
tidak hanya menguji sistem teknologi,
atau sistem sosial, atau bahkan duaduanya, tetapi penelitian dalam bidang
ini juga menginvestigasi fenomena
yang muncul ketika kedua
sistem
berinteraksi
4
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 :
– E-Government (E-Precurement, E-Budgeting, EMonitoring, dll)
• Berikan Contoh lainnya ??
5
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
6
Masalah dan Metode
• Setelah proses objektifkasi masalah
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-ofthe-art) didapat dari paper journal (tahun
terakhir)
Contoh Pilihan Algoritma atau
Metode
1.
2.
3.
4.
5.
6.
Neural Network
Support Vector Machine
Naive Bayes
K-Nearest Neighbor
CART
Linear Discriminant
Analysis
7. Agglomerative Clustering
8. Support Vector Regression
9. Expectation Maximization
10. C4.5
11. K-Means
8
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
TEMA PENELITIAN
• Teknik Informatika
• Sistem Informasi
9
Data Mining
Tema Penelitian
Teknik Informatika
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
10
Soft Computing
Tema Penelitian
Teknik Informatika
1. Fuzzy Logic
2. Fuzzy Inference System
3. Neural Network
4. Neuro-Fuzzy
5. Genetic Algorithm
11
Image Processing
Tema Penelitian
Teknik Informatika
1. Image Restoration
2. Image Compression
3. Biometrics:
– Face/Fingerprint/Iris Identifcation
4. Real Application:
1. Car Plate Identifcation
2. Vehicle Motion Detection
12
Software
Engineering
•
•
•
•
•
Tema Penelitian
Teknik Informatika
Software Process Improvement
Software Quality Prediction
Service Oriented Architecture
Autonomic Computing
Soft Computing and its Applications
in Software Engineering
13
m
e
T
k
S
a
s
p
ri
I
S
i
• 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)
14
Analisis dan Pengembangan
Sistem
Tema Penelitian
Sistem Informasi
Planni
ng
Imple
menta
tion
Maintena
nce
Plan
Analys
is
Design
15
Analisis dan Pengembangan Sistem
TEMA
METODE/
FRAMEWORK
Tema Penelitian
Sistem Informasi
PERANGKAT/
IMPLEMENTASI
Audit Sistem Informasi
(Penilaian untuk
rekomendasi)
COBIT
ITIL
CMMI
COSO
eSAC
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
16
Analisis dan Pengembangan Sistem
TEMA
METODE/
FRAMEWORK
Enterprise Architecture
Planning
(metode yang digunakan
untuk membangun sebuah
arsitektur
informasi/”blueprint” SI)
Zachman Framework
Data Warehouse
(suatu sistem komputer
untuk mengarsipkan dan
menganalisis data historis
suatu organisasi)
OLAP
ETL
TOGAF Architecture
Development Method
Tema Penelitian
Sistem Informasi
PERANGKAT/
IMPLEMENTASI
Analisis
AE
Visio
Enterprise Architecture
Planning(EAP)
Analisis
Database yang
mendukung data
Warehouse (SQL
Server,oracle,PENTAH
O)
17
Tema Penelitian
Sistem Informasi
Audit Tata Kelola
Metoda :
- COBIT
Framework
- Hot Fit
Perhitunga
n rata-rata
mengguna
kan aturan
Dimasukkan metoda
Penentuan
Variabel/Domain
Pengambilan Data :
Quesioner
Ms. Excel
SPSS
Hasil dan
Rekomendasi
Bahasa
Pemrogram
an
18
Tema Penelitian
Sistem Informasi
Evaluasi Kinerja Sistem
Point yang
akan
dievaluasi :
-Kepuasan
-Perilaku
Pilih Metoda
-Technology Acceptance
Model (TAM)
-End User
Computing (EUC) Satisfaction
-Task Technology Fit (TTF)
-Human-OrganizationTechnology (HOT) Fit
Perhitunga
n Statistik
Ms. Excel/
SPSS/PLS/
SAM
Hasil dan
Rekomendasi
Bahasa
Pemrogram
an
19
Data Mining
Supervised
Learning
Semi-Supervised Learning
Unsupervis
ed
Learning
Dengan “guru”
Dataset : Attribute+Class
Mencari “Pola”
Dataset : Attributetdk ada class
estimation
prediction/forecasting
clustering
classifcation
Tema Penelitian Sistem
Informasi - DSS
20
Algoritma
Tema Penelitian Sistem
Informasi - DSS
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 CMeans, etc
5. Association (Asosiasi):
–
FP-Growth, A Priori, Coefcient of Correlation, Chi Square, etc
21
Tema Penelitian Sistem
Informasi - DSS
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,
Fowlkes–Mallows index,
F-measure, Jaccard index,
Confusion matrix
5. Association:
–
Lift Charts: Lift Ratio
– Precision and Recall (F-measure)
22
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, EKTP
Instansi /Perusahaan : EBanking, E-Comerce, E-Learning,
REKAMEDIK
23
Tema penelitian Sistem Informasi
TEMA
Tema
Sub 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
24
Tema penelitian Sistem Informasi
TEMA
Tema
Sub 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
25
Tema penelitian Sistem Informasi
TEMA
Tema
Sub 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
26