Kesimpulan Kecerdasan Buatan

Sistem Cerdas merupakan bagian dari bidang Artificial Intelligence sebuah Rekayasa Cerdas untuk pengembangan berbagai metode bekemampuan tinggi yang diilhami oleh fenomena alam untuk menyelesaikan berbagai masalah kompleks di dunia nyata.

Bidang minat sistem cerdas (SC) mempersiapkan dan menjawab kebutuhan akan tenaga-tenaga kerja profesional di bidang sistem cerdas yang mampu menghasilkan sistem dan perangkat lunak berbasis algoritma cerdas, baik inter maupun multi disipliner. Dengan kemampuan analisis dan teknis sehingga menghasilkan karya innovatif dan teruji, baik di tingkat nasional maupun internasional.

Artificial Intelligence (AI) kini telah menjadi bagian dalam keseharian kita. Walaupun mungkin masih butuh bertahun-tahun untuk bisa merasakan seorang asisten robot yang membantu pekerjaan kantor kita, tetapi AI kini telah memiliki dampak yang cukup signifikan di berbagai lini kehidupan kita.

          Ramalan cuaca, penyaring e-mail spam, prediksi di mesin pencari, sampai Siri dan Cortana, adalah beberapa contoh dari penggunaan AI di keseharian kita. Apa yang menjadi kesamaan pada sejumlah teknologi tadi adalah algoritma khusus yang memungkinkan teknologi ini dapat bereaksi serta merespon secara real time.

Karakteristik

1. Memiliki fasilitas informasi yang handal.
2. Mudah dimodifikasi.
3. Dapat digunakan dalam berbagai jenis komputer.
4. Memiliki kemampuan untuk belajar dan beradaptasi.
5. Berkerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.

Definisi agen cerdas

Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia). Umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis.

Konsep Agen Cerdas.

1. Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.
2. Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan, serta berbagai motor sebagai aktuator.
3. Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.
4. Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

Contoh Agent Cerdas

Contoh agent :

Contoh yang pertama yaitu, robot pengambil suku cadang merupakan sebuah agent robot yang membantu mengambil sukucandang

Performance Measure : Persentase suku cadang di tempat yang benar

Environment                : Sabuk konveyor, tempat pengumpulan suku cadang

Actuator                       : Lengan dan tangan robot

Sensor                         : Kamera, sensor di lengan robot

Definisi dan contoh agen cerdas

Pengertian Agen Cerdas

Pengertian Agen Cerdas, Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia). Umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis.

Konsep Agen Cerdas.

1.Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

2.Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan, serta berbagai motor sebagai aktuator.

3.Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

4.Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator: tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

Contoh Agent Cerdas

Contoh agent :

 Contoh yang pertama yaitu, robot pengambil suku cadang merupakan sebuah agent robot yang membantu mengambil sukucandang

  Performance Measure        : Persentase suku cadang di tempat yang benar

  Environment                      : Sabuk konveyor, tempat pengumpulan suku cadang

  Actuator                             : Lengan dan tangan robot

  Sensor                                : Kamera, sensor di lengan robot

Contoh kedua Robot yang dapat menyapu halaman rumah sendiri.

  Performance measurement : cepat, bersih, menghemat tenaga.

  Environment : rumah, dan halaman luar(lingkungan luar).

  Actuators : lengan dan tangan robot.

  Sensors : Kamera (yang berada dimata robot).

Contoh ketiga yaitu, Medical Diagnosis system  sebuah agent medical diagnosis system yang mendiagnosa pasien secara otomatis.

  Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.

  Environment: pasien, rumah sakit, suster, dokter,dll.  

  Actoators: layar monitor (test, diagnosa).

  Sensors: keyboard (masukkan gejala penyakit).

http://riansetyawan72.blogspot.com/2017/10/definisi-dan-konsep-agent-serta-contoh.html

https://layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/

Membuar garis horizontal mengunakan OpenGL

Artificial Intelligence (AI)

ARTIFICIAL INTELLIGENT

Artificial Intelligence (AI) kini telah menjadi bagian dalam keseharian kita. Walaupun mungkin masih butuh bertahun-tahun untuk bisa merasakan seorang asisten robot yang membantu pekerjaan kantor kita, tetapi AI kini telah memiliki dampak yang cukup signifikan di berbagai lini kehidupan kita.

          Ramalan cuaca, penyaring e-mail spam, prediksi di mesin pencari, sampai Siri dan Cortana, adalah beberapa contoh dari penggunaan AI di keseharian kita. Apa yang menjadi kesamaan pada sejumlah teknologi tadi adalah algoritma khusus yang memungkinkan teknologi ini dapat bereaksi serta merespon secara real time.

Definisi AI

·       “Kecerdasan buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang –dalam pandangan manusia adalah– cerdas”
– H. A. Simon (1987)

·       “Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia”
– Rich and Knight (1991)

Dari beberapa definisi diatas maka dapat disimpulkan bahwa AI (Artificial Intelligence) atau kecerdasan buatan merupakan sebuah teknologi komputer atau mesin yang memiliki kecerdasan layaknya manusia. 

Sejarah

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas ” pada 1943 yang meletakkan fondasi untuk jaringan saraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “kecerdasan buatan” pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan saraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Pada tahun 1980-an, jaringan saraf digunakan secara meluas dengan algoritme perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Pada tahun 1982, para ahli fisika seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan saraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritme pembelajaran propagansi balik (Back-Propagation learning). Algoritme ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

contoh ai

·       Dalam bidang industri

Keberadaannya AI sendiri juga sangat membantu dalam bidang industri seperti halnya pemanfaatan robot yang digunakan dalam merangkai sebuah mesin sehingga mampu memberikan kemudahan dan keamanan terhadap pengelola.

·       Ok, Google

Ok, Google, Merupakan sebuah perintah suara yang memungkinkan pengguna smartphone agar dapat lebih cepat melakukan sebuah pencarian melalui Google. Selain itu, fitur ini juga memiliki banyak kemampuan, seperti membuat panggilan mengatur alarm, membuka aplikasi dan banyak lainnya.

Sumber

https://id.techinasia.com/artificial-intelligence-masa-depan-evolusi-manusia

https://rifqifai.com/mengenal-apa-itu-ai-artificial-intelligence-kecerdasan-buatan/

Sistem cerdas

Sistem cerdas

Definisi.

Sistem Cerdas merupakan bagian dari bidang Ilmu Komputer/Informatika dan Rekayasa Cerdas untuk pengembangan berbagai metode bekemampuan tinggi yang diilhami oleh fenomena alam untuk menyelesaikan berbagai masalah kompleks di dunia nyata. Masalah-masalah kompleks tersebut juga bisa  berkaitan dengan pengolahan big data dan perancangan embedded systems.

Bidang minat sistem cerdas (SC) mempersiapkan dan menjawab kebutuhan akan tenaga-tenaga kerja profesional di bidang sistem cerdas yang mampu menghasilkan sistem dan perangkat lunak berbasis algoritma cerdas, baik inter maupun multi disipliner. Dengan kemampuan analisis dan teknis sehingga menghasilkan karya innovatif dan teruji, baik di tingkat nasional maupun internasional.

Karakteristik sistem cerdas

Ø  Memiliki fasilitas informasi yang handal.

Ø  Mudah dimodifikasi.

Ø  Dapat digunakan dalam berbagai jenis komputer.

Ø  Memiliki kemampuan untuk belajar dan beradaptasi.

Ø  Berkerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.

Contoh aplikasi sistem cerdas

Penerapan dalam kehidupan sehari – hari adalah PT KAI Commuter Jabodetabek (KCJ) yang mulai mengoperasikan mesin tiket atau vending machine di sejumlah stasiun. Vending machine merupakan suatu alat atau mesin yang menjual tiket  secara otomatis atau online. Vending Machine tidak membutuhkan tenaga operator untuk menjual barang, kita dapat memilih sendiri tiket kereta yang kita inginkan. 

Sensor Panas Tubuh

Ketika seseorang berada di depan sensor panas tubuh, maka sensor panas tubuh akan menghitung panjang gelombang yang dihasilkan oleh tubuh manusia tersebut. Ketika orang tersebut berada dalam keadaan diam, maka panjang gelombang yang dihasilkan berupa panjang gelombang yang konstan dan menyebabkan energi panas yang dihasilkan digambarkan hampir sama dengan kondisi lingkungan di sekitarnya. Ketika orang tersebut melakukan gerakan, maka panjang gelombang yang dihasilkan berupa panjang gelombang yang bervariasi sehingga menghasilkan panas yang berbeda dengan kondisi lingkungan di sekitarnya. Panas yang dihasilkan ini akan dideteksi oleh sensor dan dilanjutkan dengan reaksi untuk membuka pintu otomatis.

Sumber

http://mcs.filkom.ub.ac.id/unit/prodi/milkom/read/sistem-cerdas/9bb562462baa03

https://sabrinaoctaviani.wordpress.com/2016/11/14/contoh-sistem-cerdas-dalam-kehidupan-sehari-hari/

Sistem penunjang keputusan (SPK)

Sistem penunjang keputusan adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur.Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan.

 Enterprise Resources Planning (ERP)

 ERP adalah Sistem Perencanaan Sumber Daya Perusahaan adalah aplikasi perangkat lunak komputer yang terintegrasi dan menyeluruh.

Secara arsitektural dikembangkan berdasarkan modul-modul fungsional yang meliputi seluruh aspek sumber daya di dalam sebuah perusahaan/organisasi.

Secara historis, ERP berasal dari metamorfosis dari MRP (Manufacturing Resources Planning)yang diarahkan untuk kelompok usaha manufaktur.

Seiring dengan perkembangan teknologi, manajerial dan bisnis maka MRP pun berubah menjadi ERP. Istilah ERP sendiri diperkenalkan pertama kali oleh Gartner Group.

ERP berfungsi memadukan berbagai sistem informasi yang tersebar di masing-masing departemen (unit fungsional) di sebuah lembaga.

Dengan adanya sistem yang terpadu tersebut maka masing-masing unit fungsional dalam lembaga tersebut dapat saling berbagi data dan informasi yang pada akhirnya meningkatkan sinergi antar elemen di perusahaan yang menerapkannya.

 penerapan ERP di PLN

bentuk riil PLN dari rencana ERP adalah mengembangkan IT secara bertahap ditubuh PLN, seperti membangun sistem informasi secara on-line menghubungkan kantor pusat dan kantor cabang yang centralized serta membangun sistem jaringan yang handal untuk mendukung pembangunan Sistem tersebut.

Pada tahap awal penerapan ERP, PLN menerapkan di tiga bidang yaitu: divisi keuangan, divisi logistik dan divisi sumberdaya manusia. Ujicoba Pilot project dilakukan di kantor PLN distribusi Jakarta Raya & Tangerang, distribusi Bali, dan kantor Penyaluran dan Pusat Pengaturan Beban Jawa-Bali.

Dengan pertimbangan khusus, PLN memilih SAP sebagai paket perangkat lunak ERP, dan bekerja sama dengan Accenture sebagai perusahaan konsultan penerapan ERP. Bisnis Proses PLN yang sangat spesifik dan berbeda dari perusahaan listrik di dunia yang lain, maka beberapa modul pada sistem ERP perlu di sesuaikan dengan kebutuhan dari PLN itu sendiri.

Elemen-Elemen Sistem Penunjang Keputusan 

Subsistem Manajemen Data

Subsistem Manajemen Data memasukkan satu database yang berisi data yang relevan untuk situasi dan kondisi. Dikelola oleh perangkat lunak yang disebut Sistem Manajemen Database (DBMS/Data Management System). Subsistem manajemen data bisa diinterkoneksikan dengan data warehouse perusahaan, suatu repository untuk data perusahaan yang relevan dengan pengambilan keputusan. Subsistem manajemen data terdiri dari elemen-elemen berikut ini:

• Sistem Pendukung Keputusan Database

Database adalah kumpulan data yang saling terkait dan diorganisasi untuk memenuhi kebutuhan perusahaan, dan dapat digunakan oleh lebih dari satu orang dengan lebih dari satu aplikasi. Pada beberapa sistem pendukungkeputusan data ditempatkan pada data warehouse melalui sebuah web server database. Beberapa database dapat digunakan pada satu aplikasi sistem pendukung keputusan dan tergantung pada sumber data. Pengguna menggunakan sebuah browser web untuk mengakses database. Data pada sistem pendukung keputusandiekstrak dari sumber data internal dan eksternal, juga dari data personal milik satu atau lebih pengguna. Hasil ekstraksi ditempatkan pada database khusus atau pada data warehouse perusahaan.

Data Internal
Data yang sumbernya berasal terutama dari sistem pemrosesan transaksi dari dalam organisasi. Contoh umum seperti upah/gaji bulanan, jadwal pemeliharaan mesin, alokasi anggaran, perkiraan terhadap penjualan yang akan datang, biaya produksi, rencana rekruitmen pegawai baru masa mendatang, dan lain-lain.

Data Eksternal
Data yang sumbernya dari luar sistem organisasi, seperti data industri, data riset pemasaran, data sensus, data tenaga kerja regional, regulasi pemerintah, jadwal tarif pajak, data ekonomi dalam negeri, dan lain-lain. Data tersebut dapat berasal dari lembaga pemerintah, asosiasi perdagangan, perusahaan riset pasar, dan lain-lain.

Data Privat
Meliputi petunjuk-petunjuk yang digunakan oleh pengambil keputusan khusus dan penilaian terhadap data dan atau situasi spesifik.

Ekstraksi
Data ekstraksi merupakan hasil kombinasi data dari berbagai sumber termasuk sumber internal dan eksternal.

• Sistem Manajemen Database

Database dibuat, diakses, dan diperbaharui oleh sebuah DBMS. Kebanyakan sistem pendukung keputusandibuat dengan sebuah DBMS relasional yang menyediakan berbagai kapabilias.

• Direktori Data

Direktori data merupakan katalog dari semua data yang berada di dalam database. Direktori ini digunakan untuk mendukung fase intelegensi dari proses pengambilan keputusan karena membantu memindai data dan menidentifikasi area masalah atau peluang-peluang. Direktori ini sama seperti semua katalog lainnya, mendukung penambahan entri baru, menghapus entri, dan mendapatkan kembali informasi mengenai objek-objek khusus yang ada di dalam database.

• Query Facility

Membangun dan menggunakan sistem pendukung keputusan sering memerlukan akses, manipulasi dan query data. Tugas-tugas tersebut dilakukan oleh query facility, menerima permintaan untuk data dari komponensistem pendukung keputusan lain, menentukan bagaimana permintaan dapat dipenuhi (konsultasi dengan direktori data jika perlu), memformulasi permintaan dengan detail, dan mengembalikan hasilnya depada pemberi permintaan.
Contoh Elemen Sistem penunjang keputusan :  

• Model base.
• Model base management system.
• Modeling language.
• Model directory.
• Model execution, integration, and command.

Elemen-elemen tersebut ditunjukkan secara skematis pada gambar di bawah ini

sumber:
http://cheesterzone.blogspot.com/2011/11/pengertian-sistem-penunjang-keputusan.html
http://www.setiabudi.name/archives/389

Apa itu Cloud Mining

Apa itu CloudMining? CloudMining, adalah sebuah penyedia layanan untuk bisa menambang Bitcoin. Dengan layanan ini, pengguna Bitcoin bisa membeli kontrak untuk menyewa perangkat yang dimiliki oleh pihak yang memberikan layanan cloud mining tersebut dengan jangka waktu tertentu.

Cloud Mining banyak bermunculan lantaran dalam menambang Bitcoin memang dibutuhkan perangkat yang bisa bekerja secara maksimal. Terlebih jika tidak demikian, akan memakan waktu yang cukup lama dan lebih besar pengeluaran untuk biaya listrik dan biaya internet.

Dengan membeli kontrak cloud mining ini, pengguna Bitcoin tidak perlu repot lagi untuk mengurus perangkat ataupun membeli alat pertambangan sendiri. Umumnya, kontrak cloud mining tersebut dalam bentuk saham atau juga share per GHS.

Saat ini, cukup banyak layanan cloud mining. Dengan itu, pengguna Bitcoin harus lebih berhati-hati dalam memilih tempat dia akan membeli kontrak cloud mining tersebut. Banyak terjadi, cloud mining abal-abal yang sudah memakan korban dengan kedok cloud mining ini.

Pada dasarnya, pihak penyedia jasa cloud mining tentu akan membunyai bukti fisik perangkat menambang yang digunakan. Sehingga, dengan hal itu, bisa membuktikan pihak penyedian layanan tersebut benar atau tidak.

Selain itu, umumnya situs penyedia layanan cloud mining akan mengenakan biaya pemeliharaan seperti perawatan perangkat, listrik, internet di dalam hasil menambangnya. Tentu, hal ini adalah sebuah kenyataan yang dialami para penambang. Dibutuhkan juga pemeliharaan perangkat dan lain sebagainya. Dalam hal ini, pengguna Bitcoin perlu berhati-hati dengan tawaran-tawaran yang terlalu menggiurkan dengan ROI lebih besar dan lebih cepat, atau yang lainnya.

Pengertian Database

Pengertian Database

Pengertian Database

1. Basis Data dan DBMS.

Basis data (database) adalah kumpulan data yang disimpan secara sistematis di dalam komputer yang dapat diolah atau dimanipulasi menggunakan perangkat lunak (program aplikasi) untuk menghasilkan informasi. Pendefinisian basis data meliputi spesifikasi berupa tipe data, struktur data dan juga batasan-batasan pada data yang akan disimpan.

Basis data merupakan aspek yang sangat penting dalam sistem informasi karena berfungsi sebagai gudang penyimpanan data yang akan diolah lebih lanjut. Basis data menjadi penting karena dapat mengorganisasi data, menghidari duplikasi data, menghindari hubungan antar data yang tidak jelas dan juga update yang rumit.

Proses memasukkan dan mengambil data ke dan dari media penyimpanan data memerlukan perangkat lunak yang disebut dengan sistem manajemen basis data (database management system | DBMS). DBMS merupakan sistem perangkat lunak yang memungkinkan pengguna basis data (database user) untuk memelihara, mengontrol dan mengakses data secara praktis dan efisien.

Dengan kata lain, semua akses ke basis data akan ditangani oleh DBMS. DBMS ini menjadi lapisan yang menghubungkan basis data dengan program aplikasi untuk memastikan bahwa basis data tetap terorganisasi secara konsisten dan dapat diakses dengan mudah.

Ada beberapa fungsi yang harus ditangani DBMS seperti pendefinisian data, menangani permintaan pengguna untuk mengakses data, memeriksa sekuriti dan integriti data yang didefinisikan oleh DBA (Database Administrator), menangani kegagalan dalam pengaksesan data yang disebabkan oleh kerusakan sistem maupun media penyimpanan (disk) dan juga menangani unjuk kerja semua fungsi secara efisien.

Tujuan utama DBMS adalah untuk memberikan tinjauan abstrak data kepada pengguna. Jadi sistem menyembunyikan informasi tentang bagaimana data disimpan, dipelihara dan juga bisa diakses secara efisien. Pertimbangan efisien di sini adalah rancangan struktur data yang kompleks tetapi masih bisa digunakan oleh pengguna awam tanpa mengetahui kompleksitas strukturnya.

Untuk lebih memahami tetang perbedaan basis data dan DBMS, Anda dapat membaca artikel Memahami Basis Data (Database), DBMS dan Program Aplikasi Di MySQL

2. Pembagian basis data.

Menurut jenisnya, basis data dapat dibagi menjadi:

a. Basis data flat-file.

Basis data ini ideal untuk data berukuran kecil dan dapat dirubah dengan mudah. Pada dasarnya, basis data flat-file tersusun dari sekumpulan string dalam satu atau lebih file yang dapat diurai untuk mendapatkan informasi yang disimpan. Basis data flat-file cocok untuk menyimpan daftar atau data yang sederhana dan dalam jumlah kecil. Basis data flat-file akan menjadi sangat rumit apabila digunakan untuk menyimpan data dengan struktur kompleks walaupun dimungkinkan pula untuk itu.

Beberapa kendala dalam menggunakan basis data jenis ini adalah rentan pada korupsi data karena tidak adanya penguncian yang melekat ketika data digunakan atau dimodifikasi dan juga adanya duplikasi data yang mungkin sulit dihindari. Salah satu tipe basis data flat-file adalah file CSV yang menggunakan pemisah koma untuk setiap nilainya.

b. Basis data relasional.

Basis data ini mempunyai struktur yang lebih logis terkait cara penyimpanan. Kata "relasional" berasal dari kenyataan bahwa tabel-tabel yang ada di basis data relasional dihubungkan satu dengan lainnya. Basis data relasional menggunakan sekumpulan tabel dua dimensi yang masing-masing tabel tersusun atas baris (tupel) dan kolom (atribut).

Untuk membuat hubungan antara dua atau lebih tabel, digunakan key (atribut kunci) yaitu primary key di salah satu tabel dan foreign key di tabel yang lain. Saat ini, basis data relasional menjadi pilihan utama karena keunggulannya. Program aplikasi untuk mengakses basis data relasional menjadi lebih mudah dibuat dan dikembangkan dibandingkan dengan penggunaan basis data flat-file.

Beberapa kekurangan yang mungkin dirasakan di basis data jenis ini adalah implementasi yang lebih sulit untuk data dalam jumlah besar dengan tingkat kompleksitasnya yang tinggi. Selain itu, proses pencarian informasi juga menjadi lebih lambat karena perlu menghubungkan tabel-tabel terlebih dahulu apabila datanya tersebar di beberapa tabel.

Namun, terlepas dari beberapa kekurangannya, basis data relasional telah digunakan secara luas. Saat ini, basis data relasional telah banyak dimanfaatkan oleh perusahaan-perusahaan dari skala kecil, menengah hingga besar. Beberapa basis data ternama yang ada saat ini, baik yang berasal dari sumber terbuka (open source) atau yang komersil, adalah juga basis data relasional.

3. Contoh beberapa basis data.

Berikut ini adalah contoh beberapa basis data relasional yang paling banyak digunakan dan sejarahnya:

a. Basis data MySQL.

MySQL merupakan basis data sumber terbuka yang paling popular dan banyak digunakan untuk aplikasi berbasis web seperti website dinamis dan e-commerce. Tahun 2013, MySQL merupakan basis data kedua yang paling banyak digunakan di dunia dan yang pertama untuk basis data sumber terbuka.

Dilihat dari sejarahnya, MySQL dibuat tahun 1995 dan disponsori oleh perusahaan Swedia, MySQL AB. Pengembang platform MySQL adalah Michael Widenius, David Axmark dan Allan Larsson. MySQL dibuat untuk menyediakan opsi pengelolaan data yang efisien, terpercaya dan handal. Pada tahun 2000, platform MySQL berubah menjadi sumber terbuka dan mengikuti ketentuan GPL.

Penggunaan MySQL sebagai basis data utama untuk aplikasi web sering dipadukan dengan PHP sebagai bahasa skrip berorientasi obyek. MySQL adalah salah satu komponen penting dari web service solution stack LAMP (Linux, Apache, MySQL and PHP) yaitu platform pengembangan web sumber terbuka dimana Linux sebagai sistem operasi, Apache sebagai Web Server, MySQL sebagai basis data dan PHP sebagai bahasa skrip.

Apabila Anda membangun blog atau website menggunakan CMS seperti Joomla, Wordpress, Drupal atau Magento, Anda sedang menggunakan MySQL sebagai solusi basis datanya. MySQL juga banyak digunakan oleh perusahaan-perusahaan besar dunia seperti Facebook, Google, Adobe, Alcatel Lucent dan juga Zappos.

Pada Januari 2008, MySQL diakuisisi oleh Sun Microsystems. Pada April 2009, terjadi pencapaian kesepakatan antara Sun Microsystems dan Oracle Corporation terkait pembelian Sun Microsystems beserta hak cipta (copyright) dan merek dagang (trademark) MySQL oleh Oracle. Namun baru pada Januari 2010, MySQL secara resmi diakuisisi oleh Oracle.

Di bawah naungan Oracle Corporation, MySQL tersedia melalui skema lisensi ganda. Anda dapat menggunakan opsi lisensi sumber terbuka (GPL) selama masih mematuhi aturan lisensi tersebut. Jika Anda ingin mendistribusikan aplikasi non-GPL dimana terdapat MySQL di dalamnya, Anda dapat membeli lisensi komersial sebagai gantinya.

b. Basis data Oracle.

Oracle merupakan basis data relasional terkemuka yang dimiliki oleh Oracle Corporation. Oracle telah dianggap sebagai basis data terbaik untuk versi basis data komersial. Oracle sendiri tersedia dalam berbagai konfigurasi dengan cakupan tool yang dapat disesuaikan untuk perusahaan skala kecil, menengah hingga besar yang membutuhkan solusi yang terbaik dan tepat dari sebuah basis data untuk keperluan bisnisnya. Oracle dianggap lebih baik untuk masalah kinerja dan skalabilitas dibandingkan dengan basis data komersial lainnya.

Sejarah Oracle dimulai pertama kali pada tahun 1977 ketika versi pertamanya dikembangkan oleh SDL (Software Development Laboratories) yang di dalamnya terdapat Larry Ellison dan dua temannya, Bob Miner dan Ed Oates. Nama Oracle sendiri berasal dari nama kode (code-name) sebuah proyek yang didanai oleh CIA ketika Larry Ellison bekerja di pekerjaan sebelumnya di Ampex.

Pada tahun 1979, versi komersial Oracle tersedia untuk pertama kali, sedangkan versi terkini Oracle adalah Oracle 12c, dimana "c" mengacu pada cloud computing (komputasi awan). Cloud computing merupakan refleksi kerja Oracle untuk memperluas basis datanya yang memungkinkan perusahaan mengkonsolidasi dan mengelola basis data sebagai cloud service.

c. Basis data Microsoft SQL Server.

Dari namanya, Anda bisa menebak dengan mudah siapa pemilik basis data ini. Benar, Microsoft tidak hanya terkenal dengan perangkat lunak sistem operasi Microsot Windows dan Microsoft Windows Server, aplikasi perkantoran Microsoft Office dan programming language suite Microsoft Visual Studio, tetapi juga dengan basis datanya, Microsoft SQL Server.

Microsoft SQL Server adalah basis data relasional yang bersifat komersial. Tidak seperti Microsoft Office Access yang peruntukannya untuk komputer dekstop, Microsoft SQL Server menyediakan layanan pengelolaan basis data untuk kelas perusahaan dan juga alat intelijen bisnis terpadu (integrated business intelligence (BI) tools).

Banyak perusahaan skala kecil, menengah dan besar dalam menjalankan server-nya menggunakan sistem operasi Microsoft Windows Server. Microsoft SQL Server tentu menjadi pilihan bagi pengguna Microsoft Windows Server karena selain mudah digunakan dan faktor ketersediaan, juga telah terintegrasi dengan Microsoft Windows Server.

Versi terbaru yaitu Microsoft SQL Server 2016 tersedia untuk platform on-premises (yang dikelola di server lokal) dan juga sebagai cloud database. Versi terbaru ini juga hadir dengan fitur baru dan sejumlah peningkatan yang akan memberikan terobosan kinerja, keamanan lanjutan serta pelaporan dan analisis terpadu.

Awal sejarah Microsoft SQL Server dimulai ketika Microsoft dan Sybase mengembangkan sistem manajemen basis data yang diberi nama Sybase SQL Server untuk bisa berkompetisi dengan basis data yang sudah ada saat itu seperti IBM dan Oracle. Sybase akan mendapatkan hak penjualan dan keuntungan dari versi produk basis data yang tidak didesain untuk platform Microsoft. Pada tahun 1989, basis data pertama dirilis. Kemudian Sybase menjual hak ciptanya tersebut ke Microsoft dan akhirnya Microsoft memberi nama ulang basis data tersebut menjadi Microsoft SQL Server.

sumber : https://www.termasmedia.com/lainnya/software/69-pengertian-database.html

Apa itu TPS, MIS, DSS, EIS, ESS, OAS, GDSS pada konsep sistem informasi lanjut

• Pengertian Transaction Processing System (TPS)

Transaction Processing System (TPS) adalah sistem informasi yang terkomputerisasi yang dikembangkan untuk memproses data-data dalam jumlah besar untuk transaksi bisnis rutin seperti daftar gaji dan inventarisasi.

• Pengguna Transaction Processing System (TPS)
• Membuat pernyataan konsumen
• Laporan gaji karyawan
• Kwitansi penjualan
• Order pembelian
• Formulir pajak
• Rekening keuangan

• Arsitektur Transaction Processing System (TPS)Berikut ini sebuah contoh arsitektur TPS (Transaction Processing System):
  

Gambar 1 Arsitektur TPS Pada Sebuah Distributor Ban

• Pengertian Management Information System (MIS)

Management Information System (MIS) adalah sebuah sistem atau proses yang menyediakan informasi yang diperlukan untuk mengelola organisasi secara efektif dalam suatu aplikasi sistem informasi yang menyediakan laporan informasi terpadu bagi pihak manajemen.

• Pengguna Management Information System (MIS)
• Survey
• Percobaan Laboratorium
• Studi Kasus
• Model Matematis
• Conseptual Models
• Spekulasi
• Sastra Analisis
• Field Study
• Wawancara
• Penelitian Perpustakaan

• Arsitektur Management Information System (MIS)

Berikut ini sebuah contoh arsitektur MIS (Management Information System):

Gambar 2 Arsitektur MIS (Management Information System)

• Pengertian Decision Support Systems (DSS)

Decision Support Systems (DSS) adalah interaktif sistem informasi berbasis komputer yang menggunakan model keputusan dan database khusus untuk membantu proses pengambilan keputusan bagi manajerial end user.

• Pengguna Decision Support Systems (DSS)
• Retrive information element (memanggil eleman informasi)
• Analyze entries fles (menganali semua file)
• Prepare reports form multiple files (laporan standart dari beberapa files)
• Estimate decisions qonsquences (meramalkan akibat dari keputusan)
• Propose decision (menawarkan keputusan )
• Make decisions (membuat keputusan)

• Arsitektur Decision Support Systems (DSS)

Berikut ini sebuah contoh arsitektur DSS (Decision Support Systems):

Gambar 3 Arsitektur DSS (Decision Support Systems)

• Pengertian Executive Information Systems (EIS) & Executive Support System (ESS)

Executive Information Systems (EIS) adalah salah satu jenis manajemen sistem informasi untuk memudahkan dan mendukung keterangan dan pembuatan keputusan yang dibutuhkan eksekutif senior dengan menyediakan kemudahan akses terhadap informasi baik dari dalam maupun dari luar yang relevan dengan tujuan organisasi.

• Pengguna Executive Information Systems (EIS) & Executive Support System (ESS)
• Penangan masalah
• Entrepreneur
• Manager

• Arsitektur Executive Information Systems (EIS) & Executive Support System (ESS)

Berikut ini sebuah contoh arsitektur EIS (Executive Information Systems) & ESS (Executive Support System) :

Gambar 4  Arsitektur EIS (Executive Information Systems)

• Pengertian Office Automation Systems (OAS)

Office Automation Systems (OAS) mengumpulkan, memproses, menyimpan, dan mengirim data dan informasi dalam bentuk komunikasi kantor elektronik.

• Pengguna Office Automation Systems (OAS)
• Mahasiswa
• Pekerja Kantor
• Dosen
• Dll

• Arsitektur Office Automation Systems (OAS)

Berikut ini sebuah contoh arsitektur OAS (Office Automation Systems):

Gambar 5 Arsitektur OAS (Office Automation Systems)

• Pengertian Group Decision Support System (GDSS)

Group Decision Support System (GDSS) adalah sebuah sistem aplikasi komputer yang interaktif yang memfasilitasi pencapaian solusi dari sebuah problem/permasalahan yang tidak terstruktur dengan seperangkat pembuat keputusan yang bekerja sama sebagai sebuah kelompok.

• Pengguna Group Decision Support System (GDSS)
• Manager

• Arsitektur Group Decision Support System (GDSS)

Berikut ini sebuah contoh arsitektur GDSS (Group Decision Support System):

Gambar 6 Arsitektur GDSS (Group Decision Support System)

• Referensi :

http://ninainas.blogspot.co.id/

http://grace.blogstudent.mb.ipb.ac.id/2010/12/23/penggunaan-sistem-informasi-di-suatu-perusahaan-untuk-menunjang-strategisnya/