tugas sim kelas malam

7/29/2019 Tugas Sim Kelas Malam

1/18

PETUNJUK :

1. Masing masing mahasiswa memilih 1 jenis kasus yang

diperkirakan mudah.

2. Buatkan slide presentasi untuk menjawab pertanyaan

pertanyaan kasus yang ada.

3. Slide presentasi jawaban di kirim ke e-mail :

[email protected]

4. Slide di buat dalam format ppt (power point) dan di

kumpulkan pada hari minggu 30 September 2007 paling

lambat pukul 20:00 WIB.

5. Selain berisi jawaban atas pertanyaan pertanyaan

yang ada, slide presentasi juga harus berisikan latar

belakang masalah dan landasan teori yang dibutuhkan.

6. Selasa 02 Oktober 2007, presentasi dimulai.

2
mailto:[email protected]:[email protected]


2/18

Aplikasi Kasus 1.1

ABB Automation membuat keputusan yang lebih cepat & lebih

baik dengan menggunakan SPK

Pengantar

ABB adalah suatu pemimpin global di teknologi yang memungkinkan

pelanggan utilitas dan industri untuk meningkatkan performa sementara

mengurangi dampak lingkungan. ABB memiliki 152.000 karyawan di lebih dari

100 negara. Ia terus menerus mengembangkan solusi teknologi otomasi baru

untuk membantu para pelanggannya mengoptimalisasi produktivitas mereka.

Solusi ini meliputi simulasi, strategi kontrol dan optimalisasi, interaksi antara

orang & mesin, perangkat lunak embeded, mechatronik, monitoing &

diagnosis. Tujuannya adalah untuk mengembangkan suatu arsitektur TI

industrial umum untuk solusi real-time pada lintas perusahaan bisnis.

Solusi SPKABB memiliki keahlian untuk mengembangkan sistem yang telah disebutkan,

dan ia telah mengembangkan satu sistem untuk ia gunakan sendiri di divisi

tekstilnya. SPK ABB Automation menangkap dan mengelola informasi dari

paket Range MES milik ABB yang digunakan oleh para menejr untuk

menganalisis & mengambil keputusan. Tujuan utama SPK adalah

memberikan kepada para manajer teknologi dan peralatan untuk data

warehousing, data mining & dukungan keputusan yang secara ideal

memimpin kepada pengambilan keputusan yang lebih baik & lebih cepat.

Sistem ini memberikan :

Penyimpanan data produksi dari sistem kontrol terdistribusi (DCS

Distributed Control System) pada suatu datawarehouse.

Data capture tanpa merusak perangkat keras sistem kontrol.

Akses site-wide ke data untuk dukungan keputusan melalui alat

visualisasi data (antar muka berbasis Web) yang dengan mudah

digunakan oleh staf non teknis.

3


3/18

Pre-configured windows untuk data (untuk query terstruktur)

Kapailitas untuk mengakses data untuk laporan ad hoc & analisis data.

Akses ke data operasi real-time (untuk analisis)

Detail SPK & Kegunaanya

SPK memberikan metode untuk menyimpan (warehousing) secara fleksibel &

menganalisis data penting. SPK merupakan bagian dari Managerial

Supervisory Control System (MSCS) & meringkas data untuk setiap area

proses di dalam pabrik. Selain SPK, MSCS juga memasukkan lot-tracking,

history, & data proses. SPK memiliki arsitektur yang fleksibel & dapat diakses

yang memfasilitasi pembuatan laopran, mencari informasi & menyimpan datasecara fleksibel & mudah diakses. Dashboard berbasis Web (portal informasi

perusahaan) digunakan untuk melihat data warehouse, status sistem produksi

(efisiensi keseluruhan & setiap lot serta summary data) dapat dimonitor

secara grafis & mendekati real-time. Kegagalan peralatan, produksi yang

tidak memenuhi kualitas standar, & penyebab penyebab terjadinya hal

tersebut dapat diidentifikasi & diperbaiki dengan cepat. Perbaikan perbaikan

terhadap proses dilacak. Analisis dilakukan melalui teknologi data mining &

OLAP dengan mengakses ndata produksi dari data warehouse. Konsumsi

sumber daya, energi, & faktor faktor produksi lainnya juga dimonitor.

Hasil

SPK memungkinkan pengguna membuat keputusan untuk operasi yang lebih

konsisten & lebih efisien, & untuk memonitor & mengelola biaya produksi

produk produk high-quality. SPK memberikan display data pengoperasian

yang mendekati real-time, merinci rentang dimana proses berhenti &

downtime yang terkait dengan kejadian tersebut, untuk mengeliminasi

penyebab utama terjadinya downtime. Tantangan mendasar adalah

meningkatkan manajemen proses pemanufakturan dengan mendongkrak

kuaqntitas data produksi yang tersedia. SPK memberikan kepada manajer

akses tingkat pabrik ke data produksi plant-floor yang memimpin kepada

keputusan yang lebih jelas / pasti & profit yang meningkat.

4


4/18

Pertanyaan Kasus

1. Sebutkan model, data, & komponen antarmuka SPK ABB.

2. Teknologi SPK apa yang digunakan oleh ABB untuk

meningkatkan produktivitas

3. Bagaimana ABB Automation menggunakan SPK untuk

membuat keputusan yang lebih cepat & lebih baik ?

4. Mengapa keputusan yang lebih ceat & lebih baik, bukan yang

lainnya ?

5. Perhatikan ulasan SPK pada bagian ini : apa artinya

mendongkrak data produksi untuk meningkatkan manajemen proses

pemanufakturan ?

5


5/18

Aplikasi Kasus 2.1

Key Grip memilih Proyek Film menggunakan Proses Hierarki

Analitik *

Pendahuluan

Di dalam industri gambar hidup, para pekerja menilai grip sebagai otot

cerdas. Grip bertanggung jawab mengatur cahaya, kamera dan materi lain

pada set. Bagaimanapun, tidak hanya otot yang diperlukan. Grip harus

mampu membuat keputusan seperti bagaimana melakukan setup yang paling

baik, yang dapat sangat kompleks. Sesungguhnya, banyak grip memiliki gelar

B.A atau M.A di bidang teater. Key Grip bertanggung jawab untuk semua grip

pada set, dan pada dasarnya terhadap manajer mereka, juga pada hubungan

antara grip lain dan perusahaan produksi. Perhatian utama Key Grip adalah

keselamatan set.

Charles N. Seabrook, dari Charlestoa, Carolina Selatan, adalah Key

Grip, sebuah pekerjaan penting dalam industri pembuatan film. Charles

berkecimpung di bisnis ini selama hampir 20 tahun dan memiliki reputasi

terkenal. Dia salah satu Key Grip terbaik. Konsekuensinya, ia sering

mempunyai masalah untuk memutuskan tawaran pekerjaan yang mana (film)

yang ia terima. Bahkan ketika tidak ada penawaran bersaing, ia kadang

kadang harus memutuskan ya atau tidak mengerjakan suatu pekerjaan

tertentu.

Analitical Hierarchy Process (AHP) (Forman dan Selly, 2001; Saaty,

1999) adalah suatu metode yang unggul untuk memilihi aktivitas yang

bersaing dengan menggunakan kriteria khusus. Kriteria dapat bersifat

kuantitatif atau kualitatif, dan bahkan kriteria kuantitatif ditangani dengan

struktur kesukaan pengambil keputusan dari pada berdasarkan angka. Untuk

mengembangkan sebuah SPK yang digunakan untuk memecahkan masalah

(institusional) Seabrook yang terjadi berulang ulang, kami mengembangkan

6


6/18

sebuah model AHP dalam Expert Choice (Expert Choice, Inc; demo yang

dapat di download tersedia di expertchoice.com). Pendekatan pengambilan

keputusan memenuhi model empat fase dari Simon. Kami memutuskan untuk

menggunakan Ratings Module dari Expert Choice untuk merumuskan sebuah

model untuk membantu Seabrook mngambil keputusan.

Kriteria

Langkah pertama kami adalah mewawancarai Seabrook berkenaan

dengan aspek aspek umum kehidupan profesinya dan bagaimana ia

mengam il keputusan. Kemudian kami mewawancarainya untuk menetapkan

kriteria penting untuk pemilihan kerja. Pada awalnya ia menyatakan delapan

kriteria potensial berikut ini :

Lokasi pembuatan film.

Jarak dari rumah Seabrook di Charleston, Carolina Selatan

Lama waktu jauh dari keluarga.

Seabrook mengutamakan keluarga dan lebih senang tidak menghabiskan

banyak waktu di luar rumah.

Reputasi perusahaan produksi.

Perusahaan yang memprduksi film mempunyai bagian penting dalam hal

seberapa baik orang orang mendapatkan set dan seberapa baik film itu

diorganisasi.

Anggaran film.

Jika sebuah film memiliki anggaran yang rendah, ada masalah untuk

mendapatkan peralatan dan ada ketidakpuasan di antara kru film.

Honor.

Jelas honor per jam yang dibayarkan kepada Seabrook merupakan

prioritas tinggi.

Keterlibatan kelompok.

Jka kelompok dilibatkan dalam film, maka kondisi kerja biasanya lebih baik

dan yang lebih penting, bonus pekerja akan dibayarkan.

Ada best boydengan kualitas baik.

7


7/18

Best boy adalah asisten key grip dan banyak terlibat dalam sejumlah

besar kertas kerja yang diperlukan pada set. Memiliki best boyyang andal

sangat krusial bagi film. Akan tetapi, nantinya kami mempelajari bahwa

kriteria ini tidak perlu karena Seabrook tidak menerima film jika best boy

yang bekerja untuknya, Jack Gilchrist, tidak ada.

Kualitas dari grip yang tersedia untuk direkrut.

Sebuah film sering berfungsi sebagai perusahaan virtual dengan individu

individu yang punya kualifikasi secara teknis yang direkrut untuk

melakukan pekerjaan pekerjaan tertentu. Jika yang tersedia adalah grip

dengan kompotensi rendah, maka tugas key grip menjadi jauh lebih sulit.

Setelah diskusi lebih lanjut, kriteria berkurang menjadi lima kriteria

yang dapat dikelola, dimana klaifikasi definisi untuk masing - masing

kriteria tersebut kemudian dikembangkan. Lima kriteria tersebut antara

lain adalah :

Lokasi pembuatan film.

Mengimplikasikan bahwa ini akan menjadi waktu dimana ia jauh dari

keluarga, karena jarak dari rumah menentukan lama waktu ia jauh dari

keluarga.

Honor.

Kondisi kerja.

Faktor ini melibatkan berapa besar anggaran dan berapa banyak hari oer

minggu dan jam per hari yang diperlukan. Karena hal ini juga menentukan

berapa banyak lembur yang diperlukan, maka ini sangat erat kaitannya

dengan honor.

Keterlibatan kelompok.

Reputasi peusahaan produksi.

Perhatikan bahwa dalam mengembangkan kriteria, kami tidak

mendiskusikan pilihan alternatif spesifik.

AHP : Model dan Pengembangan Expert Choice

Struktur sebuah model AHP sebagaimana diterapkan di Expert Choice

adalah model dari sebuah pohon terbalik. Ada suatu tujuan tunggal di puncak

pohon yang mewakili tujuan dari masalah pengambilan keputusan. 100 %

8


8/18

bobot keputusan ada pada titik ini. Tepat dibawah tujuan adalah titik daun

yang menunjukkan semua kriteria, baik kualitiatif maupun kuantitatif. Bobot

tujuan harus dibagi di antara titik titik kriteria berdasarkan rating. Ada

beberapa metode yang dipasang kedalam Expert Choice untuk melakukan

hal tersebut. Semua didasarkan dengan membandingkan semua pasangan

kriteria untuk enentapkan distribusi / penyebaran bobot tersebut.

Perangkat lunak juga menyediakan sebuah ukuran inkonsistensi dari

perbandingan tersebut. Jadi, jika pengambil keputusan menyukai kriteria 1

sampai kriteria 2 pada suatu tingkat preferensi tertentu (katakanlah, moderat)

dan membandingkan kriteria 1 ke kriteria 3 secara identik, kemudian untuk

konsistensi pengambil keputusan akan membandingkan kriteria 2 dan 3

sebagai preferensi seimbang, setelah pengambil keputusan menyelesaikan

perbandingan, bobot masalah pengambilan keputusan dibagi di antara kriteria

sesuai dengan struktur preferensi yang dihasilkan dari perbandingan

pasangan kriteria. Expert Choice menyediakan rasion inkonsistensi yang

mengindikasikan seberapa konsisten pengambil keputusan dalam membuat

pertimbangan.

Ada 2 cara untuk membangun model, jika masalah adalah khusus

(terjadi satu kali) dan disana ada sedikit alternatif (katakanlah 7 atau 5).

Kemudian pengambil keputusan memasukkan titik pilihan (alternatif) di bawah

ukuran yang pertama dan mereplikasikannya untuk semua kelompok (kriteria

lain). Kemudian pengambil keputusan membandingkan pilihan pilihan di

bawah kriteria pertama, kriteria kedua, dan seterusnya sampai semua

dibandingkan. Dari setiap pasangan perbandingan, Expert Choice membagi

bobot masalah di bawah kriteria spesifik di antara berbagai pilihan dan

menghitung rasio inkonsistensi di dalam kriteria. Setelah semua pilihan

dibandingkan, hasilnya disatukan. Pilihan dengan bobot paling besar menjadi

pilihan cerdas, dan rasio inkonsistensi mengindikasikan seberapa besar

keputusan tersebut dapat dipercaya (0 menunjukkan konsisitensi sempurna; 1

menunjukkan inkonsistensi sempurna).

Jika masalah berulang ata ada banyak alternatif untuk dipilih, maka

model rating dapat digunakan. Titik daun dibawah setiap kriteria menunjukkan

skala untuk setiap kriteria. Sebagai contoh, kondisi kerja boleh jadi ditandai

sempurna, baik, sedang/cukup, atau buruk. Pengambil keputusan

9


9/18

membandingkan skala tersebut seperti membandingkan plihan. Skala

sempurna berarti pilihan tersebut lebih disukaibaik; skala baik berarti

sedang / cukup; dan skala sedang berarti pilihan tersebut buruk. Bobot

karakterisasi nantinya menetapkan sebuah skala untuk sebuah proyek film

khusus.

Setelah semua kriteria mempunyai skala masing masing dan

diberbandingkan secara berpasangan. Kemudian, beralih ke model rating,

dimana masing masing pilihan diwakili oleh baris suatu kerangka seperti

spreedsheet dan suatu kolom mewakili masing masing kriteria. Pengambil

keputusan kemudian mengklik pada rating yang sesuai untuk masing

masing kriteria pada masing masing film. Setelah semua rating kriteria

dipilih, maka kemudian nilai untuk alternatif dihitung

Dengan Ijin dari Expert Choice Inc.

Gambar 2.2. Model Expert Choice menunjukkan kriteria & skala rating

Pengambil keputusan dapat memutuskan untuk menerima film hanya jika nilai

nilainya melebihi tingkat minimum, atau menyortir pilihan dan memilih rating

paling tinggi. Tidak perduli metode mana yang digunakan, AHP, sebagaimana

diimplementasikan kedalam Expert Choice pada dasarnya, mengekstrai

10


10/18

fungsi utilitas dari pengambil keputusan melalui preferensi preferensi

mereka

.


Gambar 2.3. Hasil Expert Choice dari sepasang perbandingan kriteria

11


11/18


Gambar 2.4. Model rating Expert Choice dengan contoh hasil pengambilan

keputusan dunia nyata

Membangun Model

Tujuan dan 5 kriteria dimasukkan ke dalam model Expert Choice dan

ditentukanlah sebuah skala rating untuk setiap kriteria. Seabrook Screenshot

pada gambar 2.2 menunjukkan tujuan (film mana yang dipilih ?) , lima kriteria

dan skala untuk masing masing kriteria.

Berikutnya dilakukan analisis perbandingan pasangan dan kemudian

menentukan prioritas. Pada titik ini, konferensi lain dengan Seabrook

mengijinkan kami menyesuaikan prioritas. Hasil itunjukkan di dalam

screenshot pada gambar 2.3 dan juga pada bobt dalam titik kriteria pada

gambar 2.4. Perhatikan rasio inkonsistensi keseluruhan sebesar 0.07. Usaha

untuk engurangi jumlah ini mendorong kepada prioritas yang menurut

Seabrook tidak memenuhi referensinya. Karena itu kami kebali kepada nilai

nilai sebelumnya. Umumnya, jika rasio kurang daro 0.1, maka perbandingan

dapat dianggap konsisten.

Berikutnya kami membandingkan pasangan skala rating di bawah

masing masing kriteria. Akhirnya kami beralih ke Ratings Module dan

kembali menghubungi Seabrook untuk mendapatkan satu set data riil

12


12/18

mengenai film yang pernah ia pertimbangkan untuk memvalidasi model. Kami

menyiapkan sebuah bentuk survei untuk Seabrook untuk menilai emapat

pekerjaan terakhir yang telah ditawarkan kepadanya. Survei ini merupakan

survei respon lingkaran koreksi yang cukup sederhana. Data dimasukkan

ke dalam model dengan hasil rating ditunjukkan pada gambar 2.4

Hasil

Judul film dihilangkan untuk kerahasiaan, tetapi hasil sesuai dengan

keputusan Seabrook. Film 1, dengan bobot maksimal hanya 0.279, ditolak

oleh kedua model dan Seabrook. Seabrook menerima ketiga film lainnya dan

sebagai hasilnya merasa bahwa bobot maksimum yang ideal harus mulai dari

0.4 karena rating terendah dari film yang diterima hanya selisih 0.001 dari

nilai tersebut. Tingkat ini dapat berubah ketika Seabrook mengadopsi model

karena akan dapat mempengaruhi model ketika prioritasnya berubah. Satu

bulan seteah mengikuti pengembangan sistem dan model awal, kami

menginstal Expert Choice ke dalam komputer Seabrook dan memberikan

pelatihan untuk memastikan bahwa ia bisa menggunakan model sampai pada

potensi tertingginya. Ia sangat menyukai sistem tersebut dan telah

menggabungkannya ke dalam proses pengambilan keputusan.

Kesimpulan

Charles Seabrook sekarang dapat menggunakan sebuah aplikasi SPK

Khusus yang menyediakan bantuan dalam proses pengambilan keputusan

rasionalnya, untuk menentukan tawaran pekerjaan yang mana yang perlu

diterima atau ditolak. Hingga sekarang, ia menggunakan kriteria yang sama

seperti di dalam model tersebut. Tetapi, ia menggunakan sebuah model

13


13/18

mental di mana sangat sulit untuk mempertimbangkan semua kriteria

sementara menimbang pentingnya maing masing kriteria. Menggunakan

AHP melalui Expert Choice untuk memindahkan preferensi dan

pengetahuannya ke dalam suatu model pengambilan keputusan formal,

memimpin kepada pengambil keputusan yng lebih konsisten dan lebih

berkualitas. Sebelumnya, Seabrook biasanya membuat keputusan

berdasarkan atu faktor yang sangat baik atau sangat jelek. Sekarang ia bisa

membobot nilai penting dari semua faktor dalam sebuah cara yang masuk

akal.

Pertanyaan kasus

1. Menurut anda apakah Seabrook benar benar menggunakan

semua kriteria (8 kriteria) dalam pengambilan keputusannya sebelum SPK

ini dikembangkan ? Mengapa YA atau mengapa TIDAK ? Berapa banyak

informasi yang diperlukan jika ia sedang memilih di antara 12 film dan

menggunakan semua kriteria tersebut ? Apakah ini cara yang cukup baik

untuk bekerja dengan informasi ? Mengapa YA atau mengapa TIDAK ?

2. Jelaskan bagamana model dan proses cocok dengan model

pengambilan keputusan empat fase dari Simon !

3. Jelaskan perbedaan antara model AHP standar dengan tujuan

/ kriteria/ pilihan dan model rating AHP dengan tujuan / skala rating /

pilihan !

4. Mengapa lebih sesuai untuk enggunakan pendekatan model

rating dibadingkan dengan model standar ?

14


14/18

5. Bagaimana model AHP Expert Choice membantu Seabrook

dalam menyediakan suatu kerangka kerja yang lebih masuk akal dalam

pengambilan keputusan ?

6. Apakah anda berpikir proyek ini akan sukses jika tim

pengembangan tidak bekerja sama dengan baik dengan pengambil

keputusan ? Mengapa YA atau mengapa TIDAK ?

Aplikasi Kasus 3.1

FedEx, Melacak Pelanggan Bersama dengan Paket

Pengantar

Federal Express Corp. dikenal karena pelacakan paketnya yang berjalan

sepanjang maam. Itulah salah satu hal paling penting yang dilakukan sebuah

perusahaan. Sebenarnya, hanya ada satu hal yang ebih enting bagi FedEx

untuk dilacak-basis pelanggannya. Sampai saat ini, FedEx tidak membuat

para manajer bisnisnya terhubung kepada informasi yag mereka perlukan

utuk memelihara pelanggan yang bergerak cepat.

FedEx punya jaringan sebanyak 46.000 titik perhentian di Amerika

Serikat. Akan tetapi, perusahaan tidak selalu yakin bahwa titik tersebut

berada dilokasi yang tepat (optimal). Pelanggan baru muncul, pelanggan

lama menghilang, dan beberapa pelanggan lama pindah. Saat bisnis

bergerak dari pusat urban ke area bisnis pinggir kota, dan semakin banyak

individu menjadi telecommute (bekerja dirumah menggunaka sebuah

15


15/18

computer dan mengirimkan hasil pekerjaan kepada perusahaan tempat ia

bekerja dengan menggunakan alat telekomunikasi). FedEx menginginkan titik

titiknya, dari pusat layanan yang besar sampai drop box, ditempatkan

dilokasi yang konvenien bagi pelanggan. Akan tetapi, sampai saat ini ara

manajer FedEx tidak punya akses mudah ke lalu lintas informasi mengenai

lokasi perhentiannya.

FedEx punya aplikasi billing dan pelacakan cosmos berbasis

mainframe dan bersifat proprietary. Aplikasi ini mengumpulkan data

operasional yang jumlahnya sangat besar, termasuk dimana paket diterima.

Akan tetapi, analis FedEx tidak dapat dengan mudah mengakses data. Analis

meminta laporan kustom (penggunaan ad hoc) kepada seorang staf dari

delapan programmer, kemudian menunggu sampai 2 minggu lamanyauntuk

mendapatkan laporan tersebut. FedEx menggunakan versi mainframe

database pendukung keputusan FOCUS dari Informtion Builder untuk

menghasilkan laporan. System lama tidak mendukung pengambilan

keputusan yang cepat.

Solusi

FedEx memutuskan untuk memberi analis akses langsung kepada informasi.

Pada bulan Juni, perusahaan menyebarkan versi database FOCUS berbasis

web. System baru berjalan pada intranet perusahaan dan punya database

warehouse self service untuk membntu eksekuti perusahaan membuat

keputusan dalam hitungan menit mengenai dimana harus mencari pusat

layanan dan drop box yang digunakan setiap hari oleh pelanggan. Data di

download dari system mainframe Cosmos ke server WebFOCUS yang

16


16/18

berjalan di windows NT. Analis dapat meng query data dengan menggunakan

satu set laporan yang telah dikonfigurasi sebelumnya (penggunaan

institusional/SPK ready-made) atau dengan membuat query ad hoc mereka

sendiri (penggunaan ad hoc/SPK Custom-made).

FedEx mengevaluasi beberapa system pendukung keputusan berbasis

web. Ia memilih WebFOCUS terutama karena perusahaan sudah mempunyai

programmer yang berpengalaman dengan FOCUS. Hal ini membantu FedEx

mendapatkan rilis awal dari aplikasi berbasis intranet yang disebarkan hanya

dalam 3 minggu.

Hasil

Aplikasi system endukung keputusan berbasis intranetmembuat perusahaan

ebih mudah untuk mendapatkan pandangan yang lengkap mengenai

perpindahan populasi dan tren pelanggan lainnya, dengan penggabungan

penggunaan data drop point dari perusahaan dengan data demografi yang

dibeli dari vendor. Programmer sebelumnya telah mengembangkan laporan

dari database FOCUS mainframe telah mengintegrasikan data eksternal

dengan data WebFOCUS agar analis dapat mengantisipasi dan dapat

melacak tren pelanggan secara cepat.

Mampu mengantisipasi tren pelanggan merupakan hal kritis tidak

hanya bagi FedEx, tetapi juga bagi perusahaan lain yang bergerak di bisnis

distribusi dan logistic. Saat perusahaan perusahaan seperti FedEx

berusaha menghubungkan layanan distribusinya secara langsung kedalam

operasi rantai persediaan dari pelanggan korporatnya yang besar, maka

17


17/18

mereka perlu memastikan bahwa mereka mempunyai pusat pendukung, truk,

dan orang orang di tempat yang tepat dan di waktu yang tepat.

FedEx memperluas system tersebut dengan beberapa cara. Pertama,

database WebFOCUS diperluas untuk menyimpan data 25 bulan system

lama menyimpan data 3 bulan dari informasi pengiriman histories. Hal ini

meningkatkan kapasitas data warehouse dari 25 juta record menjadi 260 juta

record, yang memerlukan upgrade perangkat keras.

FedEx juga meningkatkan kapabilitas pelaporan system. Perusahaan

sekarang memakai fitur pelaporan terkelola dari WebFOCUS agar analis

dapat menjadwalkan dan membuat laporan lebih awal. FedEx juga menye

barkan aplikasi baru di alat pengembangan Cactus dari Information Builders

agar analis dapat memperbaharui dan meningkatkan data drop point pada

database WebFOCUS, tidak hanya membaca data. Dengan data warehouse

self-service dan peningkatan yang terencana, FedEx akan menangai dengan

lebih baik para pelanggannya yang cepat berpindah pindah.

Menyebarkan kembali aplikasi pendukung keputusan di intranet

membuat akses kepada informasi menjadi lebih cepat. Analis yang

menggunakan WebFOCUS dapat dengan langsung mendapatkan data

pemakaian drop site dari semua PC yang berjalan pada sebuah browser web

dan membuat aporan tampilan di layer mereka hanya dalam hitungan detik,

bukan minggu seperti pada system lama. FedEx dapat lebih aktif mengelola

lokasi pusat pelayanan serta drop pointnya saat populasi berpindah dan

kebiasaan pelanggan berubah. Hasilnya adalah layanan pelanggan menjadi

lebih baik dan biaya operasi pun menjadi lebih rendah.

18


18/18

Selain lebih akurat melacak penggunaan drop point, analis FedEx juga

dapat memperoleh informasi baru mengenai profitabilitas setiap pusat

layanan dan drop box. Melakukan pekerjaan dengan lebih baik membantu

memangkas biaya dan meningkatkan pendapatan.

Pertanyaan Kasus

1. Jelaskan anfaat system FedEx. Manfaat lain apa yang

dapat diperoleh FedEx dengan fitur lain ?

2. Mengapa penting bagi sebuah perusahaan seperti

FedEx untuk mengelola lokasi perhentiannya secara efektif ?

3. Jelaskan manfaat peralihan dari FOCUS ke

WebFOCUS. Apakah menurut anda ini merupakan pendekatan yang tepat

? Mengapa YA dan mengapa TIDAK ?

4. Bagaimana pendekatan FedEx pada kasus ini dapat

diterapkan ke industri lainnya ?

19

tugas sim kelas malam

Documents