Disiplin Ilmu, Metode Penelitian, Computing Method

Presentasi berjudul: "Disiplin Ilmu, Metode Penelitian, Computing Method"— Transcript presentasi:

1 Disiplin Ilmu, Metode Penelitian, Computing Method
Wawan Laksito YS, S.Si, M.Kom

2 IEEE/ACM Computing Curricula 2005
Computer Engineering (CE) pengembangan sistem terintegrasi (software dan hardware) Computer Engineer Computer Science (CS) konsep computing dan pengembangan software Computer Scientist Information System (IS) analisa kebutuhan dan proses bisnis serta desain sistem System Analyst Information Technology (IT) pengembangan dan pengelolaan infrastruktur IT Network Engineer Software Engineering (SE) pengembangan software dan pengelolaan tahapan SDLC Software Engineer

3 Information Systems vs Computer Science
Systems (IS): IS, IT aspek manajemen, organisasi dan pemanfaatan 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 : E-Government (E-Precurement, E-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 artificial 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 masalah (algoritmik)

7 Masalah dan Metode Setelah proses objektifikasi 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-of-the-art) didapat dari paper journal (tahun terakhir)

8 Contoh Pilihan Algoritma atau Metode
Object-Oriented Programming Contoh Pilihan Algoritma atau Metode Self-Organizing Map FP-Growth A Priori Logistic Regression Random Forest K-Medoids Radial Basis Function Fuzzy C-Means K* Support Vector Clustering OneR Neural Network Support Vector Machine Naive Bayes K-Nearest Neighbor CART Linear Discriminant Analysis Agglomerative Clustering Support Vector Regression Expectation Maximization C4.5 K-Means

9 TEMA PENELITIAN Teknik Informatika Sistem Informasi

10 Tema Penelitian Teknik Informatika
Data Mining Estimasi (Estimation) Neural Network, Multiple Linear Regression, dsb Prediksi (Prediction): Neural Network, Multiple Linear Regression, SVM, dsb Klasifikasi (Classification): CART, K-NN, ID3, C4.5, dsb Pengelompokan (Clustering): K-Means, Fuzzy C-Means, SOM, K-Medoids, dsb Asosiasi (Association): Apriori, FP-Growth, dsb

11 Tema Penelitian Teknik Informatika
Soft Computing Tema Penelitian Teknik Informatika Fuzzy Logic Fuzzy Inference System Neural Network Neuro-Fuzzy Genetic Algorithm

12 Tema Penelitian Teknik Informatika
Image Processing Tema Penelitian Teknik Informatika Image Restoration Image Compression Biometrics: Face/Fingerprint/Iris Identification Real Application: Car Plate Identification Vehicle Motion Detection

13 Tema Penelitian Teknik Informatika
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

14 Tema Skripsi SI Analisis dan Pengembangan Sistem
Evaluasi Sistem Informasi Audit Sistem Informasi Analisa Kinerja Sistem Enterprise Architecture Planning Data Warehouse Tema Skripsi SI Sistem Penunjang Keputusan (Decision Support System ) Pengelompokan ( Clustering ) Klasifikasi ( classification ) Estimasi (Estimation) Prediksi/Peramalan (Prediction/Forecasting) Asosiasi ( Association ) Sistem Informasi Geografis (SIG)

15 Analisis dan Pengembangan Sistem
Tema Penelitian Sistem Informasi Planning Analysis Design Implementation Maintenance Plan

16 Analisis dan Pengembangan Sistem
Tema Penelitian Sistem Informasi TEMA METODE/FRAMEWORK PERANGKAT/ IMPLEMENTASI Audit Sistem Informasi (Penilaian untuk rekomendasi) COBIT ITIL CMMI COSO eSAC Quasioner /Excel/SPSS Bahasa Pemrograman Evaluasi Sistem Informasi (Mencari pokok permasalahan) TAM (Technology Acceptance Model) EUCS (End User Computing Satisfaction) UTAUT (Unified Theory of Acceptance and Use of Technology) Metode Zahman Metode Togaf Metode Kesuksesan Sistem Analisis Kinerja Sistem (Pengukuran keberhasilan kinerja SI) Balanced scorecard

17 Analisis dan Pengembangan Sistem
Tema Penelitian Sistem Informasi TEMA METODE/FRAMEWORK PERANGKAT/ IMPLEMENTASI 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 Database yang mendukung data Warehouse (SQL Server,oracle,PENTAHO)

18 Analisis dan Pengembangan Sistem
Tema Penelitian Sistem Informasi Pengambilan Data : Quasioner Perhitungan rata-rata menggunakan aturan perhitungan COBIT Hasil dan Rekomendasi Dimasukkan Aturan : COBIT Framework Ms. Excel SPSS Bahasa Pemrograman

19 Tema Penelitian Sistem Informasi - DSS
Data Mining Semi-Supervised Learning Supervised Learning Unsupervised Learning Dengan “guru” Dataset : Attribute+Class Mencari “Pola” Dataset : Attributetdk ada class estimation prediction/forecasting classification clustering Tema Penelitian Sistem Informasi - DSS

20 Tema Penelitian Sistem Informasi - DSS
Algoritma Tema Penelitian Sistem Informasi - DSS Estimation (Estimasi): Linear Regression, Neural Network, Support Vector Machine, etc Prediction/Forecasting (Prediksi/Peramalan): Classification (Klasifikasi): Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant Analysis, Logistic Regression, etc Clustering (Klastering): K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc Association (Asosiasi): FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc

21 Tema Penelitian Sistem Informasi - DSS
Evaluasi Tema Penelitian Sistem Informasi - DSS Estimation: Error: Root Mean Square Error (RMSE), MSE, MAPE, etc Prediction/Forecasting (Prediksi/Peramalan): Error: Root Mean Square Error (RMSE) , MSE, MAPE, etc Classification: Confusion Matrix: Accuracy ROC Curve: Area Under Curve (AUC) Clustering: Internal Evaluation: Davies–Bouldin index, Dunn index, External Evaluation: Rand measure, F-measure, Jaccard index, Fowlkes–Mallows index, Confusion matrix Association: Lift Charts: Lift Ratio Precision and Recall (F-measure)

22 Tema penelitian Sistem Informasi
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

23 Tema penelitian Sistem Informasi
Sub Tema Pengelompokan ( Clustering ) Klasifikasi ( classification ) Pengelompokan/klasifikasi pelanggan/user perusahaan. Misal : Nasabah, Sub Distributor, Pelanggan Toko, Karyawan untuk JOBDES Pengelompokan/klasifikasi hasil produk Misal : Produk perkebunan berdasar kualitas Pengelompokan/klasifikasi Lokasi Pengelompokan/klasifikasi Budgeting

24 Tema penelitian Sistem Informasi
Sub Tema Estimasi (Estimation) Prediksi/Peramalan (Prediction/Forecasting) Asosiasi ( Association ) Ramalan jumlah penjualan produk Prediksi Penerimaan Siswa/Mahasiswa/Karyawan/Keuntungan 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
Sub Tema Sistem Penunjang Keputusan (DSS) Hibrid System dengan SIG : SIG+SPK, SIG+Clasification, 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 clasification maupun clustering tinggal melihat dataset Tidak selalu harus :TOPSIS,WP,SAW,AHP