Ringkasan Mata Kuliah KECERDASAN BISNIS

Kupas Tuntas Kuliah Jurusan Sistem Informasi

BI-1 sampai BI 3: Buku Suplemen

BI-4: Spreadsheet untuk analisis data dan visualisasi data 
Contoh Visualisasi Data

Dataset untuk belajar analisis data bisa menggunakan AI seperti Gemini. Ekspor ke Google Sheet. Kemudian Download menjadi file MS Excel.

BI-5: Melanjutkan analisis data sederhana ke visualisasi data

BI-6: Visualisasi Data dan Brainstorming Materi BI menggunakan AI 
a. Menjelaskan konsep BI dan peranannya: Definisi, tujuan, siklus BI

b. Menjelaskan komponen BI dan arsitektur: Data source, ETL, warehouse, OLAP
*Menjelaskan proses ETL: Extract, Transform, Load

BI-7: Presentasi Contoh Kasus Analisis Data dan Visualisasi Data
AI:  
Mengolah data dengan query SQL (Query untuk analitik)
Menggunakan tools visualisasi BI (Power BI/Tableau dasar)
Menganalisis data dengan dashboard BI (Filter, KPI, grafik interaktif)

 **

Memahami konsep data warehouse: Star schema, snowflake schema 

 

BI-8: UTS

BI-9: Bab 8 dan 9 serta Latihan Dasar Power BI menggunakan AI (bisa juga python) tapi harus benar-benar memahami yang dicontohkan di Excel

Gunakan akun institusi/kampus 

BI-10: Latihan sederhana analisis data dan visualisasi data menggunakan Microsoft Excel melibatkan Gemini (AI)

 

Referensi:

Buku Suplemen

Buku Ajar BI (mahasiswa juga diarahkan mencari minimal 1 referensi e-book) 

 

**

Ringkasan Bahan Ajar BI 

BAGIAN I: FONDASI DAN KONSEP DASAR

Bab 1: Pengenalan Business Intelligence (BI)

“Mengubah Tumpukan Data Menjadi Tambang Emas Keputusan”

1.1 Apa Itu Business Intelligence? Bayangkan Anda adalah manajer sebuah minimarket. Setiap hari ada ribuan struk belanja. Jika struk itu hanya ditumpuk, itu hanyalah sampah kertas. Namun, jika Anda tahu bahwa setiap hari Sabtu sore penjualan susu bayi meningkat 40%, Anda bisa membuat promo khusus di hari itu. Itulah Kecerdasan Bisnis (BI).

Secara teknis, BI adalah payung besar yang mencakup arsitektur, alat (tools), dan metodologi yang mengubah data mentah menjadi informasi bermakna untuk mendukung keputusan bisnis yang tepat.

1.2 Mengapa Mahasiswa Sistem Informasi Harus Paham BI?

Di era sekarang, perusahaan tidak butuh orang yang hanya bisa mengetik data. Mereka butuh orang yang bisa "membaca" data. BI memberikan kemampuan bagi Anda untuk:

• Menjelaskan apa yang telah terjadi (Analisis Deskriptif).
• Memberikan rekomendasi strategis bagi pimpinan perusahaan.

1.3 Sejarah Singkat: Dari Kertas ke Awan (Cloud) Dahulu, laporan bisnis dibuat manual dan butuh waktu berminggu-minggu. Sekarang, dengan BI, manajer bisa melihat laporan penjualan detik ini juga melalui HP mereka. Evolusi ini terjadi karena kemajuan teknologi penyimpanan data (Data Warehouse) dan kecepatan internet.

 

Bab 2: Sistem Informasi dalam Proses Bisnis

“Data Primer: Bahan Bakar di Balik Keputusan Cerdas”

2.1 Peran SI sebagai Sumber Data Sistem Informasi (SI) adalah "indera" bagi perusahaan. Setiap kali kasir men-scan barang atau Anda mengisi form pendaftaran online, SI sedang menangkap data. Tanpa SI yang baik, tidak akan ada data untuk diolah oleh BI.

2.2 Memanfaatkan Data Primer Mahasiswa tidak perlu takut dengan rumus yang rumit. Fokuslah pada Data Primer: data yang dihasilkan langsung dari operasional organisasi.

• Contoh: Data transaksi harian, data stok barang, dan data profil pelanggan.
• Pentingnya Data Primer: Jika data yang masuk salah (garbage in), maka hasil analisisnya pun akan salah (garbage out).

2.3 Memahami Arsitektur BI Tanpa Ribet

Anda tidak harus jadi ahli server. Cukup pahami bahwa data mengalir dari:

1. Sumber Data: Aplikasi atau database harian.
2. ETL (Extract, Transform, Load): Proses "cuci data" agar bersih dan siap dianalisis.
3. Data Warehouse: Gudang besar tempat data disimpan.

 

Bab 3: Data dan Efektivitas Organisasi

“Melihat Pola Masa Depan dengan Regresi Linier Sederhana”

3.1 Bagaimana Data Membuat Organisasi Lebih Efektif? Organisasi yang efektif tidak bergerak berdasarkan "perasaan" pimpinan, tapi berdasarkan bukti angka. BI membantu organisasi mengukur kinerja secara objektif.

3.2 Mengenal Teknik Perkiraan Tren Salah satu cara BI membantu bisnis adalah dengan melakukan prediksi. Salah satu alat termudahnya adalah Regresi Linier.

• Apa itu Regresi Linier? Bayangkan ini seperti menarik garis lurus di antara titik-titik data masa lalu untuk menebak arah masa depan.
• Contoh Sederhana: Jika setiap kenaikan biaya iklan Rp1 juta selalu diikuti kenaikan penjualan 10 unit, maka kita bisa memprediksi berapa penjualan jika iklan naik Rp5 juta.

3.3 Analisis Historis, Prediktif, dan Preskriptif

• Historis: Apa yang terjadi kemarin?
• Prediktif: Apa yang kira-kira terjadi besok?
• Preskriptif: Apa yang sebaiknya kita lakukan sekarang?

---

Motivasi Belajar Minggu Ini:

"Anda tidak perlu menjadi seorang programmer jenius untuk sukses di bidang BI. Anda hanya perlu memiliki rasa ingin tahu yang besar terhadap data dan keberanian untuk menemukan pola di balik angka-angka tersebut."

 

BAGIAN II: ARSITEKTUR DAN ANALISIS DATA

Bab 4: Pemodelan Proses Bisnis

“Memotret Alur Kerja Sebelum Mengolah Data”

4.1 Apa itu Proses Bisnis? Sebelum kita bicara data, kita harus paham bagaimana bisnis berjalan. Proses bisnis adalah kumpulan aktivitas yang saling terkait untuk menghasilkan produk atau layanan.

• Contoh: Di sebuah kampus, proses bisnisnya mulai dari pendaftaran mahasiswa, perkuliahan, hingga kelulusan.

4.2 Menangkap Data dari Proses Nyata Mahasiswa tidak perlu pusing memikirkan kode database yang rumit. Tugas Anda adalah menjadi "detektif data". Identifikasi di titik mana sebuah data dihasilkan. Jika ada transaksi penjualan di kasir, maka di sanalah data primer Anda berasal.

 

Bab 5: Arsitektur BI dan Teknologi Terkait

“Gudang Data: Tempat Segala Informasi Berkumpul”

5.1 Mengenal Data Warehouse Data Warehouse adalah sebuah basis data pusat yang dirancang khusus untuk analisis, bukan untuk transaksi harian. Bayangkan ini seperti perpustakaan besar di mana semua buku (data) sudah dikelompokkan dengan rapi agar mudah dicari.

5.2 Proses ETL: Si "Pencuci Data" ETL adalah singkatan dari Extract, Transform, Load.

• Extract: Mengambil data dari berbagai sumber (Excel, database, web).
• Transform: Membersihkan data. Jika ada nama "Budi" dan "budi", kita seragamkan agar sistem tidak bingung.
• Load: Memasukkan data yang sudah bersih ke dalam Data Warehouse.

 

Bab 6: Visualisasi Data dan Desain Dashboard

“Bercerita Melalui Gambar dan Grafik”

6.1 Mengapa Harus Visual? Otak manusia lebih cepat menangkap pola melalui gambar daripada deretan angka di tabel Excel. Visualisasi data membantu pimpinan melihat "kesehatan" perusahaan dalam hitungan detik.

6.2 Prinsip Desain Dashboard yang Efektif Dashboard yang baik adalah yang sederhana.

• KPI (Key Performance Indicators): Tampilkan angka paling penting di posisi paling atas.
• Interaktivitas: Gunakan fitur filter agar pengguna bisa melihat data berdasarkan wilayah atau waktu tertentu.

 

BAGIAN III: MANAJEMEN PENGETAHUAN DAN STRATEGI

Bab 7: Knowledge Management (KM) dalam BI

“Mengelola Otak Organisasi”

7.1 Dari Data ke Kebijaksanaan BI bukan hanya tentang angka, tapi tentang pengetahuan (knowledge). KM adalah cara organisasi menangkap, menyimpan, dan membagikan pengetahuan agar tidak hilang saat karyawan berhenti bekerja.

7.2 Knowledge Creation & Dissemination

• Creation: Bagaimana kita menciptakan wawasan baru dari hasil analisis BI.
• Dissemination: Bagaimana wawasan tersebut disebarkan ke tim yang tepat agar bisa langsung dipraktekkan.

 

Bab 8: Perencanaan Strategis Sistem Informasi

“Menghitung Untung Rugi Teknologi”

8.1 Investasi SI: Bukan Sekadar Beli Komputer Membangun sistem BI butuh biaya besar. Mahasiswa Sistem Informasi harus bisa menjelaskan secara ekonomi apakah sistem ini akan menguntungkan (Cost-Benefit Analysis).

8.2 Enterprise Architecture (EA) EA adalah cetak biru (blueprint) yang menyelaraskan antara strategi bisnis dengan teknologi informasi. Tujuannya agar teknologi yang dibeli benar-benar mendukung visi perusahaan, bukan hanya sekadar mengikuti tren.

 

Motivasi Belajar Minggu Ini:

"Visualisasi data adalah seni berbicara tanpa suara. Anda tidak perlu jago coding untuk membuat dashboard yang indah; Anda hanya perlu memahami siapa yang akan membaca laporan Anda dan masalah apa yang ingin mereka selesaikan."

Catatan Tambahan:

Secara logis dan kronologis dalam alur kerja data (data pipeline), analisis data dilakukan terlebih dahulu, baru kemudian disusul oleh visualisasi data.

Namun, dalam praktiknya, keduanya sering kali membentuk siklus yang berulang. Berikut adalah penjelasannya:

 

1. Alur Standar: Analisis -> Visualisasi

Ini adalah pendekatan yang paling umum untuk kebutuhan pelaporan atau pengambilan keputusan (seperti contoh desain Mobile BI yang kita bahas sebelumnya).

• Langkah 1 (Analisis): Anda mengumpulkan data mentah, membersihkannya, lalu menghitung angka-angka penting (misalnya: mencari rata-rata, total, atau tren). Di tahap ini, Anda sudah tahu "apa yang terjadi," tapi masih dalam bentuk tabel atau angka.
• Langkah 2 (Visualisasi): Anda mengambil hasil analisis tersebut dan mengubahnya menjadi grafik (chart). Tujuannya agar orang lain (atau Anda sendiri) bisa melihat kesimpulan analisis tersebut dengan cepat.

 

2. Pengecualian: Visualisasi untuk Analisis (EDA)

Ada kalanya visualisasi dilakukan di tengah-tengah proses analisis. Ini disebut dengan Exploratory Data Analysis (EDA).

• Seringkali, seorang analis melakukan visualisasi cepat (grafik kasar) hanya untuk melihat pola data sebelum melakukan analisis statistik yang lebih dalam.
• Contoh: Sebelum menghitung korelasi antara "ketinggian jalan" dan "tingkat kerusakan", Anda mungkin membuat scatter plot terlebih dahulu untuk melihat apakah ada kecenderungan hubungan secara visual.

 

Perbandingan Sederhana

Tahapan	Peran	Analogi Memasak
Analisis Data	Mengolah bahan mentah menjadi masakan yang matang.	Memotong, menumis, dan membumbui masakan.
Visualisasi Data	Menyajikan masakan di piring agar menarik dan siap disantap.	Penataan piring (plating) dan hiasan agar menggugah selera.

Kesimpulannya:

Anda tidak bisa memvisualisasikan sesuatu yang belum dianalisis (karena tidak ada informasi yang bisa ditampilkan), dan Anda tidak akan bisa melakukan analisis yang bermakna jika data mentahnya tidak diolah terlebih dahulu.

Jadi untuk mahasiswa praktikum nanti, urutannya tetap: Olah datanya dulu di Excel (Analisis), baru klik menu 'Insert Chart' (Visualisasi).

**

BAGIAN III: MANAJEMEN PENGETAHUAN DAN STRATEGI (Lanjutan)

Bab 9: Perencanaan Strategis Sistem Informasi

“Menghitung Nilai Ekonomi dan Fungsi Teknologi”

9.1 Mengapa Perencanaan Itu Penting? Membangun sistem BI bukan sekadar instalasi perangkat lunak. Mahasiswa harus memahami bahwa ada aspek perencanaan strategis yang harus matang agar investasi teknologi tidak sia-sia.

9.2 Analisis Ekonomi dan Fungsional

• Perhitungan Ekonomi: Memahami biaya yang dikeluarkan dibandingkan dengan manfaat (keuntungan) yang akan didapat perusahaan.
• Perhitungan Fungsional: Memastikan fitur-fitur dalam sistem BI benar-benar bisa digunakan oleh karyawan untuk menyelesaikan pekerjaan mereka. 

Bab 10: Enterprise Architecture (EA) dan Cetak Biru

“Mendesain Peta Jalan Teknologi Perusahaan”

10.1 Mengenal Cetak Biru (Blueprint) SI Cetak biru adalah desain menyeluruh yang menjelaskan bagaimana data, aplikasi, dan infrastruktur saling terhubung. Tanpa cetak biru, sistem informasi perusahaan akan berantakan dan sulit diintegrasikan.

10.2 Konsepsi Enterprise Architecture EA membantu organisasi menyelaraskan visi bisnis dengan teknologi. Untuk mahasiswa yang tidak mahir coding, fokuslah pada cara mengorganisir komponen-komponen ini agar sistem bekerja secara harmonis.

Bab 11: Integrasi Analisis Bisnis dengan Strategi

“Menjadikan Data sebagai Penentu Arah Perusahaan”

11.1 Menyelaraskan Data dan Visi Data yang diolah oleh BI harus bisa menjawab pertanyaan strategis perusahaan. Jika visi perusahaan adalah "Menjadi Retail Nomor 1", maka analisis BI harus fokus pada data penjualan dan kepuasan pelanggan.

11.2 Pengambilan Keputusan Strategis Mahasiswa belajar bagaimana mengubah laporan grafik menjadi sebuah rekomendasi tindakan bagi direktur atau pemilik bisnis.

Bab 12: Metrik Kinerja dan Evaluasi Bisnis (KPI)

“Mengukur Keberhasilan dengan Angka yang Tepat”

12.1 Apa Itu KPI (Key Performance Indicators)? KPI adalah alat ukur yang menunjukkan seberapa efektif perusahaan dalam mencapai tujuan bisnis utamanya.

• Contoh: Di dunia pendidikan, KPI bisa berupa "Persentase kelulusan mahasiswa tepat waktu".

12.2 Balanced Scorecard Ini adalah metode evaluasi kinerja yang tidak hanya melihat dari sisi keuangan, tapi juga dari sisi pelanggan, proses internal, serta pertumbuhan organisasi.

 

** 

BAGIAN IV: SISTEM CERDAS DAN ETIKA

Bab 13: Dasar Sistem Cerdas

“Mengenal Otak Buatan: Antara Logika dan Probabilitas”

13.1 Apa Itu Sistem Cerdas? Sistem cerdas adalah teknologi yang meniru kemampuan berpikir manusia, seperti belajar dari pengalaman, memecahkan masalah, dan mengenali pola. Di dalam BI, sistem cerdas membantu kita mengolah data yang terlalu besar untuk dihitung secara manual.

13.2 Bermain dengan Probabilitas Dunia bisnis penuh ketidakpastian. Oleh karena itu, sistem cerdas menggunakan teori probabilitas.

• Logika Sederhana: Jika 9 dari 10 pelanggan yang membeli kopi juga membeli gula, maka probabilitasnya adalah 90%. Sistem akan otomatis menyarankan penempatan gula di dekat kopi.

 

Bab 14: Aplikasi AI dalam Bisnis

“AI sebagai Asisten Strategis Anda”

14.1 Optimasi dan Prediksi Sistem cerdas bukan untuk menggantikan manusia, tapi untuk memperkuat kemampuan kita.

• Pencarian & Optimasi: Mencari rute pengiriman barang tercepat agar hemat bensin.
• Prediksi: Memprediksi pelanggan mana yang kira-kira akan berhenti berlangganan bulan depan berdasarkan perilaku mereka.

14.2 Meningkatkan Daya Saing Perusahaan yang menggunakan AI (seperti rekomendasi produk di Netflix atau Shopee) akan jauh lebih unggul karena mereka "mengenal" pelanggan lebih baik daripada kompetitornya.

 

Bab 15: Etika dan Organisasi Pembelajar

“Teknologi Hebat Harus Dibarengi Hati Nurani”

15.1 Etika dalam Kecerdasan Bisnis Data adalah kekuatan, dan kekuatan besar menuntut tanggung jawab besar.

• Privasi: Jangan menggunakan data pribadi pelanggan secara sembarangan.
• Bias: Pastikan sistem tidak mendiskriminasi kelompok tertentu karena kesalahan data masa lalu.

15.2 Menuju Organisasi Pembelajar (Learning Organization) Tujuan akhir dari belajar BI adalah membangun organisasi yang bisa belajar dari data. Organisasi yang sukses adalah organisasi yang berani mengakui kesalahan data, memperbaikinya, dan terus beradaptasi dengan perubahan lingkungan.

 

Motivasi Penutup:

"Kecerdasan Buatan (AI) memang cerdas, tetapi ia tidak memiliki visi. Visi itu ada pada Anda, calon sarjana Sistem Informasi. Gunakan data untuk membantu orang lain, membangun bisnis yang jujur, dan memajukan bangsa."

 

EVALUASI AKHIR & PENILAIAN

Agar Anda sukses dalam mata kuliah ini, berikut adalah pembobotan nilai Anda:

1. Aktivitas Partisipatif (70%): Jangan ragu untuk bertanya dan berdiskusi di kelas!
2. Penilaian Praktikum (20%): Cobalah menggunakan tools BI (seperti Power BI/Tableau) dengan data yang Anda temukan sehari-hari.
3. Tes (10%): Uji pemahaman teori Anda melalui UTS dan UAS.

(Pertemuan 16: Ujian Akhir Semester - Selamat Berjuang!)

"Boleh Konsultasi Masuk Jurusan Sistem Informasi via YouTube: @katabahcom."

Tips Skripsi Program Studi Sistem Informasi