Pengertian Manajemen Sistem Informasi dan Macam-Macam Contohnya.

Manfaat Manajemen Layanan Sistem Informasi

Berikut adalah manfaat Manajemen Layanan Sistem Informasi bagi Lingkungan Sekitar:

1. Menambah kecepatan akses/aksesibilitas data yang tersaji tepat waktu dan akurat bagi para pengguna Manajemen Layanan Sistem Informasi tersebut tanpa adanya suatu perantara sistem informasi.
2. Menjamin tersedianya keterampilan dan kualitas dalam memanfaatkan sistem informasi secara baik dan benar.
3. Mengidentifikasikan kebutuhan-kebutuhan akan keterampilan pendukung sistem informasi.
4. Menetapkan investasi yang akan diarahkan pada sistem informasi.

            Jadi, kesimpulan yang dapat diambil menurut saya, manfaat Manajemen Layanan Sistem Informasi dalam lingkungan sekitar adalah untuk mempermudah masyarakat dalam menggunakan layanan sistem informasi yang nantinya akan digunakan dalam persaingan antar bisnis suatu perusahaan.

Berikut framework yang dapat mengimplementasikan teori-teori Manajemen Sistem Informasi :

1. Enterprise Resource Planning (ERP)

Sistem ERP ini biasanya digunakan oleh sejumlah perusahaan besar dalam mengelola manajemen dan melakukan pengawasan yang saling terintegrasi terhadap unit bidang kerja Keuangan, Accounting, Sumber Daya Manusia, Pemasaran, Operasional, dan Pengelolaan Persediaan. 

2. Supply Chain Management (SCM)

Sistem SCM ini sangaat bermanfaat bagi pihak manajemen dimana data data yang disajikan terintegrasi mengenai manajemen suplai bahan baku, mulai dari pemasok, produsen, pengecer hingga konsumen akhir.

3. Transaction Processing System (TPS)

TPS ini berguna untuk proses data dalam jumlah yang besar dengan transaksi bisnis yang rutin. Program ini biasa diaplikasikan untuk manajemen gaji dan inventaris. Contohnya adalah aplikasi yang digunakan untuk Bantuan Keuangan Desa Pemprov Jawa Timur.

4. Office Automation System (OAS)

Sistem aplikasi ini berguna untuk melancarkan komunikasi antar departemen dalam suatu perusahaan dengan cara mengintegrasikan server-server komputer pada setiap user di perusahaan. Contohnya adalah email.

5. Knowledge Work System (KWS)

Sistem informasi KWS ini mengintegrasikan satu pengetahuan baru ke dalam organisasi. Dengan ini, diharapkan para tenaga ahli dapat menerapkannya dalam pekerjaan mereka.

6. Informatic Management System (IMS)

IMS berfungsi untuk mendukung spektrum tugas-tugas dalam organisasi, yang juga dapat digunakan untuk membantu menganalisa pembuatan keputusan. Sistem ini juga dapat menyatukan beberapa fungsi informasi dengan program komputerisasi, seperti e-procurement.

7. Decision Support System (DSS)

Sistem ini membantu para manajer dalam mengambil keputusan dengan cara mengamati lingkungan dalam perusahaan. Contohnya, Link Elektronik di sekolah Tunas Bangsa, yang mengamati jumlah pendapatan atau pendaftaran siswa baru setiap tahun.

8. Expert System (ES) dan Artificial Intelligent (A.I.)

Sistem ini pada dasarnya menggunakan kecerdasan buatan untuk menganalisa pemecahan masalah dengan menggunakan pengetahuan tenaga ahli yang telah diprogram ke dalamnya. Contohnya, sistem jadwal mekanik.

9. Group Decision Support System (GDSS) dan Computer-Support Collaborative Work System (CSCWS)

Serupa dengan DSS, tetapi GDSS mencari solusi lewat pengumpulan pengetahuan dalam satu kelompok, bukan per individu. Biasanya berbentuk kuesioner, konsultasi, dan skenario. Contohnya adalah e-government.

10. Executive Support System (ESS)

Sistem ini membantu manajer dalam berinteraksi dengan lingkungan perusahaan dengan berpegang pada grafik dan pendukung komunikasi lainnya.

sumber : 
https://shavirapv.wordpress.com/2017/03/19/pengertian-manfaat-dan-peranan-manajemen-layanan-sistem-informasi-bagi-lingkungan-sekitar/

http://www.kotepoke.org/2011/09/pengertian-manajemen-sistem-informasi.html

http://www.ekoonomi.com/2016/09/sistem-informasi-manajemen.html

http://www.kembar.pro/2016/01/pengertian-fungsi-dan-contoh-sistem-informasi-manajemen.html

Heuristic Search

Heuristic Search adalah pencarian bersyarat (terbimbing). Artinya, solusi yang diperoleh adalah solusi yang terbaik, bukan solusi sekali ketemu. Bagian-bagiannya adalah [masalah]-[pencarian]-[syarat]-[solusi]. Misal contoh masalah pada kasus di atas, Ambillah kelereng merah yang tidak pecah dan tidak lonjong. Sehingga ketika ketemu kelereng merah dan ada pecahnya, itu masih bukan solusi karena tidak sesuai dengan syarat (tidak pecah dan tidak lonjong).

Algoritma Generate and Test

Algoritma Generate and Test merupakan algoritma paling sederhana dalam teknik pencarian heuristik. Dalam Generate and Test, terdapat dua prosedur penting yaitu

generate (membangkitkan) yaitu membangkitkan semua solusi yang mungkin dan

test (pengetesan) yaitu menguji solusi yang dibangkitkan tersebut. Algoritma Generate and Test menggabungkan algoritma DFS dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju state awal.

Algoritma Generate and Test adalah sebagai berikut :

1. Bangkitkan sebuah solusi yang mungkin

2.Menguji tiap-tiap node yang merupakan solusi dengan cara membandingkan node tersebut dengan node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan.

3. Jika solusi telah ditemukan, maka keluar dari sistem. Jika belum menemukan solusi, maka kembali ke langkah 1.

PENGGUNAAN METODE HILL CLIMBING UNTUK PENCARIAN SEKOLAH DASARDI KECAMATAN CIMAHI TENGAH

Pada pembutan perangkat lunak ini digunakan metode Hill Climbing, metode Hill Climbing yaitu metode yang hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya.
Adapun tujuan dari perancangan sistem yang baru adalah sebagai berikut :

1. Dengan metode Hill Climbing pencarian sekolah dilakukan dengan criteria jumlah siswa sehingga pencarian akan lebih optimal.
2. Dengan adanya metode Hill Climbing dapat membantu dalam pencarian sekolah dengan cepat dan tepat.
3. Mencari jumlah siswa dan rute tercepat untuk menuju sekolah.

Landasan Teori
Dalam ilmu komputer, sebuah algoritma pencarian dijelaskan secara luas adalah sebuah algoritma yang menerima masukan berupa sebuah masalah dan menghasilkan sebuah solusi untuk masalah tersebut, yang biasanya didapat dari evaluasi beberapa kemungkinan solusi.
Metode Hill Climbing Search adalah suatu metode untuk mencari dan menentukan rute yang paling singkat dengan memperkecil jumlah kota atau tempat yang disinggahi dengan menggunakan cara heuristic. Cara kerjanya adalah menentukan langkah berikutnya dengan menempatkan node yang akan muncul sedekat mungkin dengan sasarannya (“Kusumadewi, 2010”).
Use Case Diagram
Use case diagram menggambarkan fungsionalitas yang diharapkan dari sistem dan merepersentasikan interaksi antara actor dengan sistem.
Activity Diagram
Pada sub bab berikut ini akan dimodelkan aliran kegiatan yang terjadi dalam perangkat lunak kompresi data yang digambarkan dalam Activity
Diagram dan secara garis besar adalah untuk memodelkan aliran kerja (workflow) atau aktivitas dan operasi dari perangkat lunak kompresi data.
Class Diagram
Class diagram adalah suatu diagram yang menyediakan sekumpulan class objek antar muka interface dan relasinya, dan juga untuk memodelkan database logic.
Perancangan Antar Muka
Perancangan antarmuka ini bertujuan untuk memberikan gambaran mengenai bentuk antarmuka dari perangkat lunak yang akan digunakan oleh Pengguna untuk berinteraksi dengan perangkat lunak. Rancangan antarmuka ini mempertimbangkan berbagai kemudahan dan fungsionalitas dari perangkat lunak itu sendiri.
Penjelasan Antar muka Pencarian Rute

1. Pilih Kriteria yaitu untuk menentukan kriteria pencarian sekolah.
2. Pilih lokasi awal yaitu untuk menentukan lokasi awal pengguna untuk menuju sekolah tujuan.
3. Tombol cari rute untuk masuk ke form peta yang menampilkan rute perjalan yang harus di lewati.

Penjelasan gambar antar muka Dekompresi

1. Tombol + untuk memperbesar ukuran maps.
2. Tombol – untuk memperkecil ukuran maps.
3. Lokasi awal menunjukan lokasi tempat pengguna berada.
4. Lokasi Tujuan menunjukan tempat tujuan yang akan didatangi / cari.

Daftar Kegiatan
Daftar perencanaan kegiatan pengimplementasian system yang akan dirancang sebagai berikut :

1. Pemilihan Software yang digunakan merupakan tahap awal menentukan kebutuhan apa saja yang diperlukan untuk mengimplementasikan algoritma pada perangkat lunak
2. Instalasi Software yang akan digunakan Notepad++, Xampp, dan Google Chrome

Aktifitas ini dilakukan supaya dapat diketahui perkakas apa saja yang dibutuhkan untuk membuat perangkat lunak

3. Penulisan kode Aplikasi

Penulisan kode program dilakukan secara bertahap Testing dan perbaikan pada perangkat lunak Aktifitas ini dilakukan supaya dapat diketahui perkakas apa saja yang dibutuhkan untuk membuat perangkat lunak.

4. Testing perangkat lunak pada Web Browser Testing terhadap kode program saat program di eksekusi dan ditampilkan ke pengguna dengan ditampilkan pada Google Chrome
5. Perbaikan perangkat lunak setelah Testing Perbaikan aplikasi dilakukan setelah testing dilakukan.

Lingkup dan Batasan Implementasi
Ruang lingkup dan batasan implementasi terdiri dari:

1. Pencarian sekolah hanya di lingkup kecamatan Cimahi Tengah.
2. Fokus pada pencarian sekolah dasar untuk menemukan rute terdekat.
3. Tidak membahas keadaan lalu lintas jalan.
4. Tidak membahas waktu tempuh dengan penggunaan alat transportasi apapun.

Kesimpulan
Setelah dilakukan pembahasan pada bab-bab sebelumnya tentang pemanfaatan algoritma Hill Climbing maka dapat disimpulkan sebagai berikut :

1. Setelah di implementasikan Algoritma Hill Climbing mampu mengoptimalkan pencarian rute terdekat untuk pencarian tempat.
2. Metode Hill Climbing memberikan bobot paling kecil untuk menuju titik arah tujuan.
3. Penerapan metode Hill Climbing berhasil diimplementasiakn untuk mencari rute terdekat menuju sekolah.

sumber

http://e-journal.lpkia.ac.id/files/students/essays/journals/351.pdf

Blind Search : DFS dan BFS

Blind Search merupakan pencarian asal ketemu. Jika solusi sudah ketemu, maka pencarian akan dihentikan. Jika dibuat skemanya, pencarian buta hanya mengenal tiga bagian, [masalah]-[pencarian]-[solusi]. Misalkan dalam kotak ada 3 kelereng warna merah, 3 biru, dan 3 kuning. Masalahnya adalah, ambillah satu kelereng yang berwarna merah. Solusi, setelah melakukan pencarian, kemudian didapat satu kelereng warna merah.

Depth First Search (DFS) Algoritma DFS pertama kali diperkenalkan oleh Tarjan dan Hopcroft 20 tahun lalu. Mereka menunjukkan bagaimana Depth First Search (DFS) merupakan metode pencarian secara mendalam dan bagian dari blind search atau pencarian buta. Pencarian dimulai dari level paling pertama, kemudian dilanjutkan ke anak paling kiri pada level berikutnya. Demikian seterusnya sampai tidak terdapat anak lagi atau level yang paling dalam. Jika pencarian belum menemukan solusi, maka dilakukan penelusuran kembali ke node sebelumnya dan dilanjutkan ke node tetangga. Proses ini diulangi terus hingga menemukan solusi (Kusumadewi, 2003).
Keuntungan Depth First Search

1. Membutuhkan memori yang relatif kecil, karena hanya node – node pada lintasan yang aktif saja yang disimpan.
2. Secara kebetulan metode Depth First Search akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.

Kelemahan Depth First Search

1. Memungkinkan tidak ditemukannya tujuan yang diharapkan.
2. Hanya akan mendapatkan satu solusi pada setiap pencarian.

Sistem yang dibangun untuk menyelesaikan masalah, menggunakan metode pencarian Depth First Search (DFS). DFS akan mencari keseluruhan kemungkinan rute yang dapat terjadi dari data yang tersedia kemudian hasil dari seluruh pencarian akan dibandingkan untuk mendapatkan hasil yang tercepat atau termurah tergantung kondisi yang diinginkan. Pencarian solusi DFS dicirikan dengan simpul-simpul terdalam terlebih dahulu. Pertama simpul awal dibangkitkan, kemudian simpul pada arah kedua, pada simpul arah ketiga dan seterusnya. Jadi pencarian mengikuti sebuah lintasan tunggal mulai dari simpul awal terus menurun kebawah ke simpul-simpul arah bawahnya. Jika pencarian mencapai level terdalam, maka pencarian dilakukan level sebelumnya.
Berikut adalah cara kerja algoritma DFS pada aplikasi pencarian rute bus kota. Contoh kasus yang dijelaskan dimisalkan yaitu rute bus dari palur ke klewer berdasarkan database.
Pengecekan rute ke klewer , dimulai dari titik awal Palur menuju ke titik selanjutnya yaitu
Panggung, pengguna dapat menggunakan bus Atmo dan Damri dan selanjutnya pada titik
Panggung terdapat 2 cabang titik yaitu St.Balapan dan Ps.Gede, maka pengecekan
dilakukan pada node paling kiri dulu, dikarenakan pada titik St. Balapan tidak
ditemukan data Klewer maka kemudian pengecekan rute dilanjutkan pada node
selanjutnya dan jika ditemukan data lokasi sama dengan data lokasi tujuan maka
pencarian dihentikan.

========================================================================

METODE Algoritma Breadth First Search (BFS) atau dikenal juga dengan nama algoritma pencarian melebar adalah sebuah teknik umum yang digunakan untuk melakukan traversal pada graf.

Algoritma ini memerlukan sebuah antrian q untuk menyimpan simpul yang telah dikunjungi. Simpul-simpul ini diperlukan sebagai acuan untuk mengunjungi simpul-simpul yang bertetanggaan dengannya. Tiap simpul yang telah dikunjungi masuk ke dalam antrian hanya satu kali. Algoritma ini juga membutuhkan table Boolean untuk menyimpan simpul yang te lah dikunjungi sehingga tidak ada simpul yang dikunjungi lebih dari satu kali.

Berdasarkan penelitian yang dilakukan oleh Kerstin Klockner, Nadine Wirshum, Anthony Jameson pada makalahnya yang berjudul “Depth- and Breadth-First Processing of Search Result” kita dapat menyimpulkan bahwa pengguna cenderung melakukan pencarian secara strictly depth-first strategy. Yaitu melihat suatu link yang paling atas dari hasil pencarian kemudian mengaksesnya dan terus menelusuri link yang terdapat pada document tersebut yang berkaitan dengan kata kunci yang dicari. Sehingga agar pencarian oleh FTP search lebih efektif perlu ada penyesuaian dengan algoritma mesin pencari. Algoritma yang menurut kami paling sesuai adalah algoritma BFS pada mesin pencari yang akan menampilkan daftar file yang paling dekat relefansinya dengan kata kunci.

Metode FTP search melakukan hal yang sama dengan WebCrawler yaitu mengunjungi setiap server, mencatat link file dan memasukkannya ke dalam basis data. Sehingga file yang paling relevan ditempatkan di bagian paling atas daftar hasil pencarian. Perbedaan dengan web crawler ftp search akan mengelompokkan file-file tersebut berdasarkan server.

Kelebihan metode baru ini bagi pengguna FTP search adalah pengguna akan dapat langsung melihat file yang paling relevan pada bagian atas daftar hasil pencarian dan meminimalisasi pengaksesan lintas server.

sumber

https://www.scribd.com/doc/55693337/Artificial-Neural-Network