TUGAS INDIVIDU SISTEM INFORMASI MANAJEMEN

Andy Wijaya (04) Kelas 8A, Diploma IV STAN 134060018259 andywijayaa@gmail.com

DATA MINING - KNOWLEDGE DISCOVERY IN DATABASE (KDD) PADA BADAN PENGAWASAN KEUANGAN DAN PEMBANGUNAN I. Pendahuluan Data merupakan salah satu hal utama yang dikaji dalam masalah teknologi informasi dan komunikasi. Penggunaan dan pemanfaatan data sudah mencakup banyak aspek. Berikut adalah pembahasan definisi data berdasarkan berbagai sumber. Data menggambarkan sebuah representasi fakta yang tersusun secara terstruktur. Selain deskripsi dari sebuah fakta, data dapat pula merepresentasikan suatu objek. Dengan demikian dapat dijelaskan kembali bahwa data merupakan suatu objek, kejadian, atau fakta yang terdokumentasikan dengan memiliki kodifikasi terstruktur untuk satu atau beberapa entitas. Oleh karena itu, agar data yang dipersembahkan dapat digunakan sebagai dasar dalam pengambilan keputusan, dibutuhkan suatu sistem pengelolaan data yang mengolah data dasar menjadi informasi yang dapat berguna bagi manajemen. Atas dasar alasan inilah suatu institusi melaksanakan manajemen data. Manajemen data adalah bagian dari manajemen sumber daya informasi yang mencakup semua kegiatan yang memastikan bahwa sumber daya informasi yang akurat, mutakhir, aman dari gangguan dan tersedia bagi pemakai, serta mencerminkan secara akurat sistem fisik/infrastruktur yang mensupport suatu institusi.

II.

Definisi Data Mining Berdasarkan para ahli teknologi informasi dan komunikasi, terdapat beberapa definisi data mining. Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan potensial dan berguna yang bermanfaat yang tersimpan di dalam database besar (Turban et al, 2005). Data mining merupakan analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang

berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data (Larose, 2006). Berdasarkan definisi di atas, ada beberapa poin penting dari definisi data mining yaitu : 1. Data mining merupakan suatu proses otomatis terhadap data yang sudah ada. 2. Data yang akan diproses berupa data yang sangat besar. 3. Tujuan data mining adalah mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang bermanfaat. Hubungan yang dicari dalam data mining dapat berupa hubungan antara dua atau lebih dalam satu dimensi. Misalnya dalam dimensi produk, dapat di lihat keterkaitan pembelian suatu produk dengan produk yang lain. Selain itu, hubungan juga dapat dilihat antara dua atau lebih atribut dan dua atau lebih objek. Istilah data mining dan Knowledge Discovery in Database (KDD) sering kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain. Dan salah satu tahapan dalam keseluruhan proses KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai berikut : 1. Data Selection Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional 2. Pre-processing/Cleaning Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi). 3. Transformation Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data. 4. Data mining Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. 5. Interpretation/Evalution Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini mencakup

pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya

III. Data mining, KDD dan Sistem Informasi pada BPKP Unit tempat saya bekerja sebelumnya adalah BPKP Perwakilan Provinsi Sulawesi Selatan, namun saya tidak akan membahas terkait dengan fase mengenai pengelolaan data di BPKP Perwakilan Provinsi Sulawesi Selatan, karena pada umumnya implementasi sistem informasi pada BPKP dilaksanakan secara menyeluruh yang dikoordinir oleh Pusat Informasi Pengawasan BPKP Pusat, oleh karena itu saya akan membahas hanya terbatas pada kegiatan Pusat Informasi Pengawasan dalam memenuhi kebutuhan manajemen sumber daya informasi BPKP secara keseluruhan. Implementasi teknologi informasi pada BPKP telah berlangsung cukup lama, yaitu sejak berdiri pada tahun 1983, sebelum Pusat Informasi Pengawasan dibentuk tahun 2001. Pada tahun-tahun awal berdirinya BPKP, teknologi informasi telah digunakan untuk mengkoordinasikan perencanaan, tata-usaha pengawasan, dan administrasi temuan beserta tindak-lanjutnya. Dimulai dari pembuatan aplikasi Tata Usaha Kegiatan Pengawasan I (TKP I) yang berbasis Basic kemudian berkembang menjadi Foxbase (1990) dan selanjutnya dikenal akrab sebagai aplikasi Program Kerja Pengawasan Tahunan (PKPT) sampai dengan dibentuknya portal dashboard pimpinan (2012) yang digunakan sebagai dasar dalam pengambilan kebijakan pada tingkat stratejik instansi. Berdasarkan Keputusan Sekretaris Utama nomor KEP-34/SU/IP/2006 pada tahun 2006, diperkenalkanlah BPKP Enterprise System (BEST) yang mengacu pada Extended Enterprise System (XES) Murrel G. Shield (2001) dan konsep Knowledge Discovery in Database (KDD) tersebut di atas. BEST merupakan suatu framework pengembangan sistem informasi BPKP yang terdiri dari :

1. Infrastruktur Teknikal (Technical Infrastructure) 2. Aplikasi Transaksi (Transaction Application)

3. Aplikasi Lanjutan (Advance Application) 4. Aplikasi Integrasi/Lintas Satker (Integration Application), dan 5. Portal Pimpinan (Executive Portal)
Urgensi dari pengembangan sistem informasi BPKP ini adalah pimpinan BPKP membutuhkan informasi dan data yang telah diolah sedemikian rupa yang akan digunakan dalam pengambilan keputusan dalam waktu yang relatif singkat. Berikut adalah ilustrasi/grafik hubungan antara ke 5 (lima) poin tersebut di atas dan keterkaitannya dengan Data mining Knowledge Discovery in Database.

Portal Pimpinan

Aplikasi Integrasi

Aplikasi Lanjutan

Aplikasi Transaksi

Infrastruktur Teknikal

Saya tidak membahas lebih detail perihal infrastruktur sistem informasi yang telah dibangun oleh BPKP (sudah dibahas pada paper sebelumnya), tetapi langsung membahas komponen-komponen BEST yang disesuaikan dengan komponen-

komponen KDD yang telah disebutkan di atas.

Infrastruktur Teknikal Secara umum pengembangan infrastruktur teknikal merupakan dasar atau fondasi dari empat pengembangan sistem lainnya. Keberhasilan pengembangan pada fondasi ini akan berpengaruh langsung terhadap pengembangan dan proses Data mining KDD berikutnya. Infrastruktur yang mapan akan berimplikasi langsung pada manajemen sumber daya datanya. Aplikasi Transaksi Data Selection Pada aplikasi transaksi ini, data core-activities BPKP dipilah-pilah menjadi beberapa bagian utama yaitu Keuangan, Audit/Evaluasi, Kepegawaian, JFA dan Diklat serta Administrasi Umum. Aplikasi ini mencatat dan menginput segala transaksi dalam

lingkup ke 5 (lima) jenis aktivitas tersebut untuk setiap unit kerja baik pusat maupun di perwakilan (daerah) Aplikasi Lanjutan Pre-Processing/Cleaning Aplikasi lanjutan mencakup Customers/Stakeholders Relationship Management

(C/SRM), Supply Chain Management (SCM)/National Internal Audit Reporting System (NIARS), Audit Elektronik (e-Audit), Web Murni (Pure Web), Aplikasi Riset, dan aplikasi lainnya, seperti Document Management System (DMS). Proses pembersihan yang dimaksud tidak hanya membuang data yang terinput ganda atau memperbaiki data yang tidak konsisten, tetapi lebih kepada menambahkan informasi tambahan dari data umum pada tahap sebelumnya, misalnya hasil inputan Audit/Evaluasi ditambahkan informasi mengenai temuan/rekomendasi yang dihasilkan, atau jenis sumber dana dari kegiatan yang di audit/evaluasi, dll (SIM-HP). Proses penginputan Audit/Evaluasi dan SIM-HP(Sistem Informasi Hasil Pengawasan) dilakukan pada aplikasi yang terpisah, namun dapat direkonsiliasi secara bulanan. Aplikasi Integrasi Transformasi & Data mining Penggunan aplikasi integrasi diarahkan untuk mengintegrasikan berbagai basisdata yang ada di BPKP, yaitu melalui pemanfaatan data warehouse yang berasal dari tahap sebelumnya. BPKP terdiri dari beberapa unit eselon I yang mempunyai wilayah/lingkup kerja yag berbeda-beda, oleh karena itu data-data dari tahap sebelumnya yang masih bersifat heterogen (campuran antara data dari unit pusat dan perwakilan di daerah) perlu dilakukan transformasi dengan kodefikasi tertentu sesuai dengan kedeputian masingmasing yang berikutnya dilakukan pengelompokan berdasarkan kodefikasi tersebut. Portal Pimpinan Interpretation/Evaluation Dengan adanya data warehouse, diharapkan akan tercipta portal pimpinan. Pengembangan portal pimpinan diarahkan agar pimpinan/eksekutif BPKP dapat langsung mengakses berbagai sistem yang ada secara mudah. Dengan sejenis digital dashboard, berbagai indikator penting di BPKP diharapkan dapat dimonitor secara langsung oleh pimpinan BPKP. Dengan demikian, pimpinan dapat memberikan respon yang cepat terhadap kegiatan stratejik BPKP dengan dukungan data yang akurat, relevan, dan tepat waktu.

IV. Tingkat Kematangan Sistem Informasi BPKP Berdasarkan LAKIP Pusat Informasi Pengawasan Tahun 2012 Nomor LAP90/IP/3/2013 Tanggal 25 Januari 2013, tingkat kematangan sistem informasi BPKP diukur dengan menggunakan model Extended Enterprise Architecture Maturity Model (E2AMM) yng dikembangkan oleh Institute for Enterprise Arcitecture Development (IFEAD) yang membagi enam tingkat kematangan sistem informasi dengan kriteria sebagai berikut :

Pengukuran ini digunakan karena penilaiannya dianggap sederhana dan tingkatannya paling cocok diterapkan untuk menilai tingkat kematangan sistem informasi BPKP sesuai dengan indikator kinerja program ini. Berikut ini adalah nilai/skor dari kematangan sistem informasi BPKP :

Berdasarkan hasil penilaian tingkat kematangan sistem informasi pada tabel di atas, rata-rata tingkat kematangan per kelompok pada tahun 2012 adalah sebesar 72%. Namun bila dibandingkan dengan tahun 2011, terlihat tidak banyak perkembangan tingkat kematangan sistem informasi BPKP. Hal ini disebabkan karena beberapa sistem informasi sampai dengan tahun 2012 statusnya belum berubah dan terdapat sistem informasi baru yang dibangun dengan tingkat kematangan yang masih rendah (Aplikasi Sasaran Kinerja Individu SKI). V. Penutup Dari pembahasan di atas, manajemen data dan data mining sebagai bahan pertimbangan dalam pengambilan keputusan level stratejik sudah menjadi pokok pikiran dan merupakan kegiatan yang sedang difokuskan oleh BPKP sejak tahun 2006 sampai dengan sekarang. Hasil penilaian sendiri atas tingkat kematangan terhadap implikasi dari framework sistem informasi data mining pada tahun 2012 -yang dapat dibilang- dengan skor yang cukup baik (walaupun penilaian dapat dianggap kurang independen) yaitu sebesar 72% mencerminkan bahwa BPKP sangat serius dalam menerapkan e-government dalam pelaksanaan core-activitiesnya. Diharapkan pada periode stratejik yang akan datang (2015-2019), tingkat kematangan sistem informasi BPKP dapat lebih meningkat dari sebelumnya, bahkan jika mungkin BPKP membuat suatu dobrakan/inovasi dalam mendesain sistem informasi sektor pemerintahan khususnya pada bidang pengawasan yang terpadu.

REFERENSI http://pojokgagasan.blogspot.com/2009/07/framework-pengembangan-sistem-informasi.html Rudy M. Harahap. Framework Pengembangan Sistem Informasi Instansi Pemerintah: Studi atas BPKP Enterprise System (BEST).2009 LAKIP Pusat Informasi Pengawasan BPKP 2012 Data mining. Skripsi USU