BAB II TINJAUAN PUSTAKA

perpustakaan.uns.ac.id

digilib.uns.ac.id

BAB II TINJAUAN PUSTAKA

2.1 Landasan Teori 2.1.1 Executive Information System (EIS) Executive Information System (EIS) adalah sebuah sistem penunjang keputusan yang dibangun secara khusus untuk manajer atau eksekutif perusahaan, dalam fungsinya sebagai pembuat keputusan tertinggi dalam perusahaan. Sedangkan menurut Turban (2002), sebuah Executive Information System (EIS) adalah sebuah teknologi yang di desain untuk memenuhi kebutuhan spesifik dari eksekutif perusahaan. Keterkaitan EIS dengan eksekutif perusahaan disini adalah dalam menetapkan keputusan strategis perusahaan. Disini EIS diharapkan dapat menampilkan informasi tentang kondisi perusahaan yang didapat dari hasil analisa dan pengolahan data, sehingga eksekutif dapat meneliti, membandingkan, dan menyoroti kecenderungan pada variabel penting untuk dapat memonitor kinerja dan mengidentifikasi masalah serta peluang daripada harus mengecek keseluruhan data yang ada pada perusahaan. (Azad, 2012) EIS memiliki beragam kemampuan dan manfaat. Turban (2002) menyampaikan ada beberapa kemampuan umum yang biasa terdapat pada EIS: Drill Down: Memungkinkan user untuk mendapatkan detail dari informasi yang ada. Cricital Success Factor dan Key Performance Indicator: Terdapat faktor-faktor yang perlu dipertimbangkan untuk mencapai tujuan organisasi. Status Access: Mengakses data atau laporan terbaru kapan saja. Trend Analysis: Analisis pola data untuk mengetahui adanya trend naik atau turun.

6


7 digilib.uns.ac.id

2.1.2 Dashboard Menurut Adam (2005), Dashboard adalah suatu perangkat yang dibangun untuk memberikan kontrol terhadap manajemen suatu perusahaan. Disini Dashboard memberikan kontrol penuh terhadap keadaan yang terjadi di perusahaan yang membutuhkan perhatian lebih dari eksekutif. Dashboard juga menampilkan data secara real time kepada eksekutif dan melakukan kontrol terhadap suatu proses dengan akurasi dan ketepatan yang baik. Sedangkan menurut Alexander (2010), Dashboard adalah sebuah gambaran visual yang dapat memberikan tampilan sekilas tentang faktorfaktor kunci yang relevan dengan suatu tujuan atau proses bisnis. Dashboard terdiri dari tiga atribut kunci yaitu, tampilan data secara grafik, menampilkan data yang relevan dengan tujuan Dashboard, dan berisi kesimpulan standar yang menjadi tujuan Dashboard dan membebaskan pengguna dari melakukan analisisnya sendiri. Adam (2005) juga menjabarkan tentang beberapa hal penting yang perlu diperhatikan dalam pembangunan sebuah Dashboard: Terbatasnya perhatian Mengingat keterbatasan perhatian yang dimiliki eksekutif, maka indikator yang ditampilkan pada Dashboard harus sesuai dengan tujuan awal pembangunan Dashboard. Pengukuran kinerja Pengukuran yang digunakan untuk memonitor indikator sangatlah krusial. Kegunaan dan keefektifan dari Dashboard sangat tergantung pada ketepatan data yang digunakan dan penyampaian perhitungan yang disajikan untuk eksekutif. Pelatihan pengguna Adalah sangat penting bagi eksekutif untuk memahami bagaimana data disajikan dalam Dashboard dan algoritma yang perlu dijalani untuk mendapatkan hasil yang disajikan. Dan eksekutif pun perlu tau tentang bagaimana data tersebut dikumpulkan dan apa saja kekurangan yang ada.


8 digilib.uns.ac.id

Tampilan Dashboard Tampilan dari Dashboard akan sangat mempengaruhi tentang cara pemahamam eksekutif akan informasi yang disajikan. Dalam proses membangun sebuah Dashboard, sangatlah penting untuk menentukan tujuan utama yang akan dicapai. Tujuan ini biasanya akan disesuaikan dengan tujuan utama perusahaan, namun mengingat yang akan menggunakan adalah seorang eksekutif, maka sangatlah penting untuk mencari tahu apa sajakah kebutuhan eksekutif yang ingin dipenuhi dalam Dashboard ini. Maka perlu ditetapkan terlebih dahulu Key Performance Indicator dan Key Result Indicator sebagai dasar dalam pengembangan Dashboard ini.

2.1.3 Key Performance Indicator (KPI) Cox (2003) menyatakan, KPI adalah himpunan dari data pengukuran yang digunakan untuk menilai kinerja dari organisasi. Sedangkan menurut Alexander (2010), sebuah KPI adalah indikator yang menggambarkan tingkatan dari kinerja dalam menyelesaikan sebuah tugas yang dianggap penting dalam operasi sehari-hari. Penilaian akan muncul di sekitar KPI, bahwa akan terlihat kinerja-kinerja yang berjalan diluar norma yang membutuhkan perhatian dan intervensi. Walaupun nantinya pengukuran dalam Dashboard tidak akan secara langsung disebut KPI, namun keduanya memiliki tujuan yang sama yaitu menarik perhatian pada masalah yang muncul.

2.1.4

Key Result Indicator (KRI) KRI adalah indikator yang menunjukan hasil dari apa yang sudah

dilakukan perusahaan, sehingga terlihat apakah telah berjalan dengan baik atau tidak (Parmenter, 2010). KRI sering disalahartikan dengan KPI, KRI mencangkup periode yang lebih lama dari KPI (bulanan, tahunan), tetapi tidak menyarankan tindakan atas hasil yang ditampilkan. Berikut akan

9 digilib.uns.ac.id


ditampilkan perbedaan KRI dan KPI berdasarkan penelitian Parmenter (2010) dalam Tabel 2.1: Tabel 2.1 KPI dan KRI

KRI Dapat berupa finansial dan

KPI Berupa pengukuran nonfinansial

nonfinansial Tidak dapat membantu eksekutif

Membantu eksekutif untuk dapat

dalam memahami apa yang perlu

memahami dan mengetahui

diperbaiki

tindakan apa yang perlu dilakukan

Adalah hasil kinerja dari berbagai

Memiliki pengaruh positif

aktivitas dalam beberapa

terhadap beberapa pengukuran

pengukuran

kinerja

Biasanya ditampilkan dalam

Biasanya ditampilkan dalam layar

bentuk grafik yang mencangkup

yang berupa hasil dari kinerja

aktifitas selama setahun atau lebih

sehingga eksekutif dapat memberikan arahan secara langsung

KPI perlu mendapat pantauan langsung dari eksekutif perusahaan dikarenakan KPI dapat menyampaikan apa yang terjadi pada kondisi perusahaan sehingga eksekutif dapat melakukan tindakan untuk mengatasi hal tersebut.

2.1.5.

Metode Forecasting

Forecasting atau dalam bahasa indonesia disebut peramalan, adalah suatu metode untuk memprediksi kejadian yang akan datang berdasarkan pada data masa lalu. Hanke (2005) menjelaskan, penggunaan peramalan saat ini sangatlah penting bagi setiap eksekutif perusahaan untuk dapat membangun keputusan yang benar. Dengan semakin berkembangan teknologi komputer, saat ini setiap eksekutif dapat melakukan analisis data untuk tujuan peramalan dengan mudah. Namun pemahaman akan metode ini sangatlah


10 digilib.uns.ac.id

penting, karena penggunaan peramalan yang tidak akurat akan menyebabkan keputusan yang buruk. Penerapan metode peramalan pada data dilakukan dalam beberapa tahap (Hanke, 2005), yang pertama adalah klasifikasi pola data. Pola data dapat dikelompokkan menjadi empat, yaitu: 1. Horizontal, ketika data observasi berubah-ubah pada tingkatan atau rata-rata konstan. 2. Trend, ketika data observasi naik atau menurun secara konsisten selama jangka waktu tertentu. 3. Cyclical, ketika data observasi naik atau menurun tidak pada periode tetap, ditandai dengan fluktuasi bergelombang di sekitar garis trend. 4. Seasonal, ketika observasi dipengaruhi oleh faktor musiman, seperti data naik atau menurun pada bulan atau tahun tertentu. Pada tahap kedua dilakukan penyelidikan pola data dengan analisis autocorrelation. Analisis autocorrelation digunakan untuk mencari korelasi antara variabel dengan lagged (ketinggalan) satu periode atau lebih dengan dirinya sendiri dihitung dengan menggunakan persamaan 2.1.

(2.1) Keterangan : rk = koefisien autocorrelation untuk lag pada periode k = nilai rata-rata dari series yt = observasi pada waktu periode t yt-k = observasi pada waktu periode t-k

Hasil dari perhitungan autocorrelation akan menunjukan nilai antara -1 sampai 1. Apabila nilai autocorrelation semakin mendekati nol, maka data bersifat random dan tidak memiliki hubungan satu sama lain. Sedangkan



apabila nilai autocorrelation semakin mendekati 1 atau -1 dalam beberapa percobaan lag, maka dapat dinyatakan bahwa data memiliki sifat stasioner. Sebuah data adalah stasioner apabila tidak dipengaruhi waktu dimana data tersebut diambil, sehingga nilai mean dan varians konstan. Jadi data dengan pola musiman atau trend tidak stasioner. Apabila data stasioner, maka peramalan dapat menggunakan metode Naive, Simple Average, Moving Average, Exponential Smoothing. Sedangkan apabila data tidak stasioner dan mengandung trend maka dapat dilakukan peramalan dengan metode Exponential Smoothing, Moving Average, dan . (Hanke, 2005) Pemilihan metode terbaik nantinya akan ditentukan dengan menghitung nilai error terkecil. Perhitungan nilai error akan dilakukan dengan menggunakan beberapa teknik sebagai berikut : 1. mean absolute deviation (MAD) MAD digunakan untuk mengukur keakuratan metode peramalan dengan menghitung rata-rata besaran kesalahan (error) perkiraan. MAD dihitung menggunakan persamaan 2.2.

(2.2) Keterangan: et = yt -

= nilai kesalahan perkiraan pada periode t

= nilai perkiraan pada periode waktu t 2. mean squared error (MSE) MSE digunakan untuk mengukur keakuratan metode peramalan dengan menghitung kuadrat rata-rata besaran kesalahan perkiraan seperti ditulis pada persamaan 2.3.

(2.3) 3. mean absolute percentage error (MAPE)



MAPE memberikan indikasi tentang seberapa besar kesalahan perkiraan jika dibandingkan dengan nilai asli dari series. MAPE dihitung menggunakan persamaan 2.4.

(2.4) 4. mean percentage error (MPE) Jika pendekatan peramalan tidak bias, maka MPE akan menghasilkan nilai yang mendekati nol. Jika hasil dari perhitungan adalah persentase negatif yang besar, maka metode peramalan yang digunakan

konsisten

dilebih-lebihkan.

Jika

hasilnya

adalah

persentase positif yang besar, maka metode peramalan yang digunakan terlalu diabaikan. MPE dihitung menggunakan persamaan 2.5.

(2.5) Pemilihan metode dilakukan dengan difokuskan untuk mencari nilai MSE dan MAPE terkecil. (Hanke, 2005)

2.2 Penelitian Terkait 2.2.1. Pengembangan

Model

Supply

Chain

Control

dengan

Mempertimbangkan Ketetapan Sistem Legalitas Kayu pada Perusahaan Mebel Berorientasi Ekspor (Wiyono, 2013) Penelitian ini membahas tentang perancangan model supply chain control yang sesuai dengan SVLK dan merancang arsitektur aplikasi model bagi perusahaan yang belum memiliki sertifikasi sehingga dapat menjamin legalitas kayu. Pada penelitian ini, dilakukan pemodelan bisnis proses dalam proses pembuatan furniture dari bahan baku hingga barang jadi. Proses pengawasan secara internal dengan memantau penggunaan



kayu, kayu yang terbuang selama produksi, kayu yang disimpan, sampai pada volume barang jadi pada proses akhir. Penelitian ini menghasilkan kesimpulan bahwa terdapat

selisih volume kayu bahan baku dengan

produk furniture jadi sekitar 20%, yang nantinya nilai ini akan digunakan untuk melakukan analisa pengecekan data eksport dan bahan baku.

2.2.2. Pengembangan Metodologi Pembangunan Information Dashboard Untuk Monitoring Kinerja Organisasi (Hariyanti, 2008) Penelitian ini membahas tentang metode pembangunan information Dashboard untuk lingkup organisasi. Information Dashboard menyajikan informasi mengenai Key Performance Indicator Tujuan penggunaan information Dashboard, yaitu untuk mengukur kinerja, memonitor proses yang sedang berjalan, dan memprediksi kondisi di masa mendatang


digilib.uns.ac.id

BAB III METODE PENELITIAN Dalam penelitian ini terdapat beberapa tahap dalam pengerjaan untuk digunakan sebagai awal dalam menyelesaikan penelitian. Acuan ini menjelaskan apa yang harus dilakukan dalam penelitian hingga pembuatan laporan akhir. Tahap-tahap dalam penelitian akan dijalankan sesuai dengan Gambar 3.1 sebagai berikut:

Gambar 3.1 Metodologi Penelitian

3.1 Studi Literatur Merupakan tahap pemahaman teori yang mendasari penelitian. Studi kepustakaan dilakukan untuk mencari jurnal-jurnal, serta buku-buku yang berkaitan dengan ide-ide dan konsep teoritis yang mendasari penelitian ini, seperti Executive Information System, forecasting, dan Dashboard.

3.2 Tahap Pengumpulan Data Pada tahap ini, penulis mengumpulkan data Nilai dan Berat Eksport Furniture tahun 2005-2012 dari Badan Pusat Statistik (BPS), lalu juga digunakan data hasil wawancara sebagai penentu indikator penting pembangunan dashboard.

14

BAB II TINJAUAN PUSTAKA

Recommend Documents