(TM3-STI(D1041151008_Amsar)

PENERAPAN  ERP  DAN  BI

1.         ERP ( Enterprise Resource Planning )

Perencanaan  sumber daya  perusahaan, atau  sering disingkat ERP dari istilah bahasa Inggrisnya, (enterprise resource planning), adalah sistem informasi yang diperuntukkan bagiperusahan  manufaktur  maupun  jasa yang berperan mengintegrasikan dan mengotomasikan proses bisnis yang berhubungan dengan aspekoperasi, produksi maupun distribusi di perusahaan  bersangkutan.

Keuntungan ERP :

a)            Integrasi data keuangan

b)            Standarisasi Proses Operasi

c)            Standarisasi Data danInformasi

d)            Keuntungan  yg  bisadiukur

e)            Penurunan  inventori

f)             Penurunan  tenaga  kerja  secara total

g)            Peningkatan service level

h)            Peningkatan  kontrol  keuangan

i)             Penurunan  waktu yang di butuhkan  untuk  mendapatkan  informasi

Contoh  Penerapan  ERP

Ø  ERP PADA PT. SEMEN GRESIK

v  IMPLEMENTASI ERP PADA PT. SEMEN GRESIK

PT. Semen Gresik adalah perusahaan bergerak di industri semen, yang didirikan sejak tahun 1957. Pada bulan Juni tahun 2001, ERP mulai diaplikasikan untuk mendukung bisnis proses yang ada di Semen Gresik dengan penerapan pertama kali dilakukan di bagian finansial. Dengan berjalannya waktu, implementasi dilakukan di bagian penjualan dan kemudian di bagian manufakturing.

Ada beberapa hal yang melatar belakangi Semen Gresik untuk mengimplementasikan ERP (Garside, 2004), yaitu :

a.       Kebutuhan ‘Back Bone System’ yang kuat dan mampu memberikan informasi yang relevan dan tepat waktu.

b)      Kebutuhan integrasi sistem informasi Semen Gresik Group (SSG) guna mendapatkan sinergi yang lebih optimal. Faktor-faktor yang mendorong adanya kebutuhan integrasi tersebut diantaranya adalah :

c)      Bergabungnya Semen Tonasa dan Padang sebagai subsidiary Semen Gresik (distributor) Semen Gresik tersebar di wilayah Jawa-Bali sehingga membutuhkan sistem tersentralisasi untuk pengiriman ordernya agar order dapat segera diproses dan dipenuhi.

d)      Jaringan distribusi Semen Gresik memiliki dua pabrik, dua puluh tiga gudang penyangga, seratus dua puluh distributor dan empat puluh Ekspeditur. Order dari distributor dapat dipenuhi dari pabrik maupun gudang penyangga sehingga perlu sistem informasi yang terintegrasi diantara pabrik, gudang dan distributor.

e)      Jaringan pengiriman semen sangat kompleks dan melibatkan Ekspeditur untuk menyelenggarakan jasa transportasi di Semen Gresik, menyebabkan kebutuhan untuk mengintegrasikan informasi-informasi yang berkaitan dengan pengiriman barang terutama dengan pihak Ekspeditur.

Semen Gresik sebenarnya telah menggunakan aplikasi buatan sendiri (in-house development) berbasis program Foxbase dan database Sybase sejak 1989. Sayangnya, aplikasi-aplikasi yang digunakan hanya untuk menunjang operasional bisnis di tingkat departemen/bagian, dan belum terintegrasi antara satu dan lainnya.Dalam perjalanannya, sistem tersebut tidak bisa mengakomodasi kebutuhan perusahaan -- khususnya para user -- yang dari waktu ke waktu terus berkembang.Jadi, perkembangannya di-drive oleh para user.

Dan dalam praktiknya, tenaga TI memang bisa mengembangkan sesuai kebutuhan mereka.Karena itu, manajemen PT. Semen Gresik akhirnya memutuskan mencari solusi baru yang lebih powerful dan bisa terintegrasi dari hulu ke hilir.Manajemen Grup Semen Gresik sangat berkeinginan memiliki sistem informasi yang bisa dipakai untuk menunjang aspek operasional, taktis bahkan strategis. Sistem itu juga harus mampu menciptakan kemudahan, kecepatan dan kenyamanan bagi mata rantai bisnis di lingkungan perusahaan: pemasok, pelanggan, tiap departemen dan unit-unit di lingkungan Grup Semen Gresik, serta stakeholder lainnya. Untuk merealisasikannya, pada Oktober 2000 dibentuklah Tim Proyek Sistem Informasi Grup Semen Gresik.

v  PROSES IMPLEMENTASI ERP PADA PT. SEMEN GRESIK

Berikut ini adalah tugas Tim Proyek Sistem Informasi Grup Semen Gresik :

1.      Mendefinisikan rencana proyek yang realistis dan melaksanakan perubahan proses bisnis sesuai tujuan perusahaan.

2.      Melaksanakan tahap-tahap pengembangan dan penerapan sistem dengan sebaik-baiknya, sesuai dengan target waktu yang ditentukan.

3.      Mengusulkan penunjukan konsultan dan penetapan platform Sistem Informasi Perusahaan.

4.      Menyusun rencana anggaran dan melaporkan realisasi biaya proyek.

5.      Melaksanakan pengadaan barang dan jasa dalam batas-batas tertentu yang ditetapkan oleh direksi.

6.      Membuat laporan manajemen secara berkala dan menyusun dokumentasi proyek.

Setelah melalui proses cukup panjang -- memakan waktu hampir 1,5 tahun -- Semen Gresik akhirnya memutuskan memakai solusi ERP JD Edwards. Alasannya, solusi ini merupakan solusi Best Practice, serta cukup fleksibel dan mudah diimplementasikan. Bahkan, beberapa pemain semen terbesar di dunia menggunakan solusi ini, seperti Lafarge, Cemplank, Argos, Cockburn Cement, Cruz Azul, Calme Cementi, Ferrobeton.Sebelum diimplementasi, Tim Proyek meneliti lebih jauh calon user (stakeholder analysis) selama hampir empat bulan. Salah satu tujuannya: mengetahui sejauh mana tanggapan dan apresiasi mereka terhadap sistem baru yang akan segera diimplementasi.

Hasilnya, beberapa calon user di sejumlah departemen memang ada yang menunjukkan resistensi terhadap perubahan, namun secara umum banyak yang menerima terhadap solusi ini.Proses selanjutnya adalah perusahaan membeli beberapa perangkat hardware yang mendukungnya. Pada saat yang hampir bersamaan, perusahaan membangun jaringan LAN/WAN ke seluruh cabang hingga ke gudang-gudang yang tersebar di beberapa lokasi dan proses ini saja memakan waktu hingga dua tahun.

Proses implementasi modul-modul ERP ini, dimulai pada November 2000. Modul Maintenance, Inventory dan Purchasing bisa go live Oktober 2001. Menyusul kemudian modul Finance pada Januari 2002, dan terakhir modul Sales Order & Transportation bisa diselesaikan pada Juli 2002.Proses impelementasinya dilakukan secara bertahap atas pertimbangan efektivitas. Pada fase ini, Semen Gresik dibantu oleh konsultan Berca HardayaPerkasa dan Praweda. Ada sekitar 60 orang yang terlibat pada fase ini: 10 tenaga TI, dan sisanya terdiri dari para user dari berbagai departemen. Hal yang paling rumit terjadi adalah pada saat implementasi modul Sales Order & Transportation karena untuk modul ini, para user-nya tidak hanya dari kalangan internal, tapi juga berbagai mitra bisnis, seperti para buyer (distributor), toko-toko, dan perusahaan ekspeditur/transporter (pengangkut semen) yang jumlahnya sekitar 100 dan tersebar dari Serang, Madura hingga Bali. Sehingga kendalanya justru terletak pada sisi SDM-nya, bukan pada sistemnya. Oleh karena itu, sebelum implementasi, dilakukan proses sosialisasi. Antara lain, dengan mengumpulkan seluruh distributor dan memberikan briefing kepada mereka. Setelah proses implementasi selesai, dilanjutkan dengan tahap internalisasi (bersifat teknis): tim TI Semen Gresik mendatangi para distributor di tiap daerah satu per satu.PT. Semen Gresik harus mengeluarkan dana sekitar Rp 46 miliar lebih. Namun, biaya sebesar itu tidak hanya diperuntukkan bagi pembangunan sistem dan infrastruktur di Semen Gresik, tapi juga mencakup Semen Padang dan Semen Tonasa.

Anggaran Implementasi ERP di Grup Semen Gresik:

1.      Perangkat lunak JD Edwards termasuk lisensi: Rp 7,3 miliar.

2.      Perangkat keras (server & client), Database dan Jaringan: Rp 30 miliar.

3.      Jasa Konsultan: Rp 5,2 miliar.

4.      Pendidikan dan Latihan: Rp 2,9 miliar.

5.      Umum & Administrasi: Rp 800 juta.

6.      Tata Ruang: Rp 400 juta.

Dalam mengimplementasikan ERP di Semen Gresik, beberapa aspek teknis yang dilakukan oleh departemen Information Technology (IT) diantaranya :

1.      Mengimplementasikan sofware J.D.Edwards

2.      Membangun sistem jaringan komputer (LAN/WAN)

3.      Membangun infrastruktur server dan database

4.      Membangun tata ruang sistem informasi

5.      Menyusun dokumentasi sistem.

Sedangkan aspek non teknis yang dipertimbangkan oleh departemen IT pada khususnya serta perusahaan pada umumnya dalam menyongsong implementasi ERP adalah :

1.      Komitmen manajemen agar implementasi berhasil sehingga yang dipertimbangkan tidak lagi apakah Software tersebut yang ”The Best”.

2.      Proses mapping dilakukan karena bisnis proses J.D.Edwards ternyata tidak sama dengan bisnis proses yang dijalankan Semen Gresik. Dari proses mapping ini ada dua kemungkinan yaitu bisnis proses semen Gresik mengikuti J.D.Edwards atau sebaliknya. Tahap selanjutnya yang dilakukan adalah mengkaji efek dalam jangka panjang dan pendek terhadap pemilihan bisnis proses yang akan dipakai. Sebagai contoh proses pengadaan barang diputuskan oleh Semen Gresik untuk mengikuti bisnis proses J.D.Edwards.

3.      Perubahan bisnis proses dan implementasi ERP menyebabkan perubahan-perubahan dalam struktur organisasi berupa bertambahnya job discription dan unit-unit kerja baru yang berfungsi untuk mendukung implementasi ERP.

4.      Aplikasi ”Change Management” untuk mengelola perubahan-perubahan yang terjadi dengan adanya implementasi ERP.

Kendala-kendala dalam Implementasi ERP

Beberapa kendala yang dihadapi oleh pihak Semen Gresik dalam implementasi dikategorikan menjadi 3 aspek :

1.      Teknis, diantaranya masalah bahasa dan perubahan dari model hard copy menjadi model display. Penggunaan Software ERP menuntut terminologi istilah yang sama sehingga istilah-istilah dalam produksi, penjualan, dan lain-lain yang digunakan di Semen Gresik harus dirubah sesuai istilah-istilah dalam ERP yang berbahasa Inggris. Pengambilan keputusan yang dilakukan oleh pihak manajemen secara tradisional dilakukan dengan menggunakan model hard copy dimana Manajer menandatangani tumpukan kertas yang dimejanya dipaksa untuk membuka komputer karena proses Approval dilakukan melalui media tersebut (model display).

2.      Budaya, implementasi ERP yang berbasis penggunaan teknologi menuntut perubahan-perubahan yang harus dilakukan karyawan diantaranya harus aware terhadap penggunaan software tersebut (sebagai contoh selalu update data).

3.      Politik, kendala yang menghambat implementasi berasal dari dalam tubuh departemen IT sendiri dan dari luar departemen. Sebagian besar karyawan IT merasa pekerjaannya akan hilang karena digantikan oleh sistem tersebut. Hal ini dikarenakan sebelum penerapan sistem ERP, bagian IT inilah yang bertanggung jawab untuk membuat aplikasi-aplikasi sesuai dengan kebutuhan user di semua departemen.Beberapa karyawan di luar departemen IT juga merasa terancam dengan berkurangnya kekuasaan karena sebagian pekerjaan akan dilakukan oleh software ERP.Dengan alasan politis tertentu, beberapa unit kerja yang sebenarnya bisa dihapus dengan penerapan J.D.Edwards tidak dapat dilakukan.Keengganan user atau karyawan departemen lain pada saat diimplementasikan software karena adanya unsur ”ketidakpercayaan” terhadap departemen IT. Ketidakpercayaan tersebut timbul karena ketakutan bahwa data-data atau laporan-laporan rahasia mereka akan diketahui oleh bagian IT selaku administrator. Untuk mengatasi kendala tersebut, ada beberapa hal yang telah dilakukan pihak Semen Gresik : Implementasi Change Acceleration Project (CAP) untuk mengelola perubahan-perubahan yang terjadi dalam implementasi ERP, Pendekatan dengan user sebelum penerapan sistem ERP melalui presentasi-presentasi untuk menunjukkan kelebihan-kelebihan implementasi sistem tersebut dan Pengembangan Sistem Recovery dalam Implementasi ERP.

v  HASIL IMPLEMENTASI ERP

Dengan implementasi yang telah dilaksanakan di Semen Gresik ada beberapa perbaikan yang diperoleh diantaranya :

1.      Mempercepat proses order dari distributor sehingga membantu meningkatkan penjualan semen.

2.      Mempercepat waktu pembuatan laporan keuangan, dari sebelumnya per tanggal lima belas menjadi tanggal lima sudah tercetak semua laporan.

3.      Meningkatkan keakuratan informasi

4.      Proses bisnis yang berlangsung di perusahaannya jauh lebih efisien. Semua proses bisnis di berbagai departemen sudah bisa dilakukan secara cepat dan tepat.

5.      Dari sisi produktivitas karyawan, terjadi peningkatan yang mengacu pada survei internal perusahaan, setelah 6 bulan sistem baru itu go live, umumnya user mengaku puas.

v  KESIMPULAN

Implementasi ERP di Semen Gresik jelas memerlukan perubahan-perubahan budaya organisasi terutama dikaitkan dengan cara bekerja, misalnya karyawan dituntut terus menerus untuk meng-update data karena informasinya diberikan oleh sistem ini harus bersifat real time. Dengan berjalannya waktu ternyata pihak Semen Gresik dapat melakukan perubahan budaya organisasi sehingga user lebih siap dalam mengoperasikan sistem yang baru.

Implementasi ERP di Semen Gresik dapat dilihat bahwa perusahaan tersebut telah mengelola perubahan-perubahan dengan cukup baik, terbukti dengan dilakukannya aktivitas berikut :

1.      Mengelola perubahan-perubahan yang terjadi sebagai akibat implementasi dengan mengadopsi CAP.

2.      Melakukan pendekatan-pendekatan kepada departemen yang akan diimplementasi untuk mendapatkan komitmen. Komitmen ini sangat penting untuk meyakinkan bahwa mereka akan menggunakan dan mendukung sistem ERP.

Dari pembahasan diatas, ada satu faktor penting lagi yang membawa kesuksesan implementasi ERP di Semen Gresik yaitu komitmen manajemen, dimana dari awal pihak manajemen sudah mempunyai inisiatif untuk menerapkan sistem ini.

Dengan menerapkan ERP, maka perusahaan harus memilih antara merubah bisnis proses yang dimilikinya untuk menyesuaikan dengan sistem ERP atau sebaliknya. Agar dapat memilih, perusahaan yang akan mengimplementasikan ERP tentunya harus sudah mempunyai bisnis proses sehingga dapat membandingkan dengan bisnis proses dari sistem ERP. Dari perbandingan tersebut, jika bisnis proses yang dimiliki perusahaan sudah matang maka tidak banyak perubahan yang dilakukan. Semen Gresik memutuskan untuk beberapa bisnis proses ada yang mengikuti sistem J.D.Edwards dan ada yang tidak.

Dari pembahasan yang telah dilakukan, dapat disimpulkan beberapa faktor kunci kesuksesan implementasi ERP di Semen Gresik, yaitu : bisnis proses yang matang, manajemen perubahan yang baik, komitmen mulai dari level manajemen sampai ke user, dan perubahan budaya organisasi. PT. Semen Gresik berhasil mengintegrasikan perubahan dengan mempertimbangkan business process, people dan IT.

  

Ø   Penerapan ERP  Pada PLN

Untuk mensejajarkan diri dengan perusahaan-perusahaan penyedia listrik tingkat dunia, PT PLN (persero) mengimplementasikan Enterprise Resource Planning (ERP), sistem yang mengintegrasikan seluruh elemen-elemen pada perusahaan termasuk unit-unit bisnis yang diakomodasikan oleh IT. Penerapan ERP ini diharapkan akan meningkatkan kompetensi perusahaan dan secara otomatis akan meningkatkan pelayanan. Penerapan ERP ini akan mengintegrasikan seluruh kantor PLN baik pusat maupun daerah secara on-line, dan seluruh kantor PLN tersebut akan terstandarisasi.
Dengan penerapan ERP di lingkungan perusahaan, maka setiap pegawai diharuskan untuk beradaptasi dengan perubahan sistem yang terjadi. Pengimplementasian ERP jelas akan merubah pola kerja suatu perusahaan.

Strategi Bisnis PT PLN (persero)

Ide penerapan ERP di PT PLN (persero) telah direncanakan dengan sangat matang seperti dikemukakan oleh Direktur Strategi Teknologi Informasi PT. PLN (persero) , "penerapan ERP dan rencana kerja PLN sejalan dan telah tertuang di dalam sinkronisasi IT master plan dan strategi bisnis PLN" .
ERP merupakan satu kesatuan dengan Strategi Utama PLN dalam membenahi operasional perusahaan secara keseluruhan. Penerapan ERP saat ini masih bersifat Pilot Project dan baru dilaksanakan di empat unit yaitu: Kantor pusat PLN di jakarka, Kantor Distribusi Bali, kantor distribusi Jakarta Raya dan Tangerang, dan P3B Jawa Bali.
"Go-Live" ERP tahap I di PT PLN (persero) dilakukan pada tanggal 29 Desember 2005, terutama diterapkan modul-modul untuk menunjang bisnis proses di bagian Sumber Daya Manusia(SDM) seperti manajemen organisasi, administrasi kepegawaian, penggajian dan waktu kerja karyawan.
Penerapan ERP akan mendahulukan kantor yang telah menerapkan sistem pelayanan pelanggan terlebih dahulu, karena PLN sangat concern atas pelayanan pelanggan. jadi, integrasi antar sistem ini akan dilakukan lebih dulu di Jawa Barat, Jawa Tengah dan Jawa Timur, karena di daerah-dareah tersebut yang paling siap akan penerpan integrasi antar sistem tersebut.

Dukungan dari SDM

Kesulitan yang paling besar dari penerapan ERP adalah "People." Sesempurna apapun rancangan dan penerapan ERP, tidak akan berguna apabila tidak didukung oleh seluruh pegawai. Dibutuhkan kemauan yang besar dari seluruh pegawai untuk beradaptasi dengan perubahan sistem yang selama ini telah berjalan.menurut ketua tim Change Management Proyek Implementasi ERP, Rully Fasri, kendala terbesar dalam menerapkan ERP adalah merubah pola pikir yang selama ini terbentuk dari seluruh karyawan untuk menerima sebuah perubahan. Tanpa adanya pola pikir yang baru, menurut Rully, ERP tidak akan memberikan manfaat bagi perusahaan.

Pengimplementasian ERP

IT Master Plan PLN dibuat pada tahun 2004, bentuk riil PLN dari rencana tersebut 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.

Tim pembentuk ERP di PLN

            PLN membentuk Tim Imbangan Pilot ERP yang terdiri dari orang-orang yang ahli di bidangnya terutama pada bisnis proses di PLN dan kultur budaya kerjanya. Mereka dituntut untuk bekerja keras dalam melakukan perbahan serta menyediakan waktu untuk melaksanakan proyek tersebut diluar waktu sebagai karyawan.Tim Imbangan ini bertanggung jawab langsung kepada Direksi PLN via Direktur keuangan dan direktur niaga dan pelayanan pelanggan.
Tugas Utama dari Tim Imbangan ini adalah menyukseskan pelaksanaan penerapan ERP di PLN pusat beserta ujicoba pilot project di 3 kantor PLN yang telah disebutkan diatas, dan mempersiapkan kebutuhan akan pengembangan lanjutan yaitu integrasi antar sistem.

Tim ini terdiri atas 2 tim
1. tim Sentral, beroperasi di kantor pusat, beranggotakan atas wakil dari PLN pusat dan unit pilot.
2. Tim Roll-Out, merupakan representasi dari Tim Sentral, yang beranggotakan atas wakil-wakil dari unit PLN yang bekerja di lokasinya masing-masing.

Go-Live Sistem

Ada 3 tahap perencanaan "Go-Live" sistem di PLN
1.tanggal 29 Des 2005, tahap menerapkan sebagian fungsi di bagian unit bisnis SDM seperti seperti penggajian, administrasi, manajemen organisasi, dan manajemen waktu di kantor pusat PLN, PLN distribusi Jakarta Raya & tangerang, bali dan P3B Jawa-Bali.
2.tanggal 1 april 2006, tahap menerapkan fungsi logistik dan keuangan di PLN pusat dan PLN distribusi Bali.
3.tanggal 1 juli 2006, tahap menerapkan fungsi logistik, keuangan dan SDM di PLN distribusi Jakarta Raya & Tangerang dan P3B Jawa-Bali.

Perubahan Utama pada penerapan ERP di PLN

penerapan ERP di PLN sedikit-banyak telah merubah proses bisnis PLN secara keseluruhan terutama di bidang SDM disetiap unit pilot project PLN.
Perubahan tersebut adalah seperti berikut:

> Manajemen Organisasi:
- struktur organisasi dan perinciannya dikelola pada suatu sistem.
- perubahan organisasi harus disetujui dan dikoordinasikan oleh kantor pusat PLN
- jabatan dalam organisasi akan dikelompokkan berdasarkan kesamaan tugas dari jabatan-jabatan di perusahaan.

> Administrasi pegawai
- tanggal pada surat penggajian harus konsisten
- pengelolaan informasi keluhan dan kedisiplinan pegawai dapat dilakukan di dalam sistem
- perpindahan pegawai dapat dimonitor di dalam sistem

> Administrasi Waktu Kerja
- Manajemen data berkaitan dengan waktu kerja pegawai termasuk waktu lembur dan lain sebagainya dilakukan tersentralisasi didalam sistem

> Penggajian
- proses penggajian akan dipusatkan di kantor pusat tiap unit
- data tentang administrasi penggajian di kerjakan di kantor unit bersangkutan
- data tentang penggajian harus diintegrasikan dengan bagian keuangan, agar memudahkan bagian pembukuan untuk mencatat penggajian

ERP dan Strategi Bisnis PLN)

Untuk mendukung Strategi Bisnis PLN, maka diperlukan solusi ERP yang akan diimplementasikan ke seluruh unit PLN.  Hal ini sesuai dengan Perencanaan IT Master Plan PLN (ITMP) dimana ERP merupakan salah satu alat untuk melakukan transformasi PLN menjadi perusahaan listrik kelas dunia yang cost competitive.

Implementasi SAP ERP di PLN

Beberapa hal yang menjadi alasan implementasi SAP ERP di PT. PLN (Persero) antara lain :

1.      PT. PLN (Persero) membutuhkan standarisasi proses bisnis melalui sistem “back office” yang terpadu (integrated system)

2.      Untuk mengadopsi Utility Best Practices

3.      PT. PLN (Persero) Mendapatkan pengoperasian dan mekanisme pengawasan dan pengendalian proses bisnis yang lebih baik dengan adanya sistem “back office” yang standard

4.      Untuk memperoleh akses informasi dari unit-unit bisnis terkait secara real time

5.      Saat ini Implementasi SAP ERP di PT. PLN (Persero) sudah meliputi Kantor Pusat,P3B Jawa Bali,Distribusi Bali, Distribusi Jakarta Raya& Tangerang, Distribusi Jawa Tengah & DI Yogyakarta, Distribusi Jawa Timur, dan Distribusi Jawa Barat & Banten.

Roll Out ERP

Historical and Plan :

            Awalnya SAP diimplementasikan di PT. PLN (Persero) Kantor Pusat, Distribusi Jakarta Raya & Tangerang, P3B Jawa Bali, dan Distribusi Bali sebagai pilot project.Proyek ini pun berlanjut pada tahun 2007-2008 dengan me-roll out SAP se Jawa Bali dengan implementasi pada Distribusi Jawa Barat & Banten, Distribusi Jawa Tengah & DI Yogyakarta, dan Distribusi Jawa Timur.Untuk ke depannya, PT. PLN (Persero) menjadwalkan roll-out Sumatera dan Sulawesi pada 2010-2013 dan roll-out Kalimantan dan Indonesia Timur pada tahun 2013-2015.

source: http://deniluthfianto.blogspot.co.id/2012/10/contoh-penerapan-erpenterprise-resource.html

2.   BI ( Business intelligence )

BI ( Business intelligence )  adalah proses mengekstrak, transformasi, mengelola, dan menganalisis data bisnis untuk mendukung pengambilan keputusan (Niu). Dalam proses ini pada umumnya melibatkan data set dalam jumlah besar yang tersimpan dalam datawarehouse. Proses business intelligence meliputi lima tahapan :

1.      Pengumpulan data. Sistem business intelligence dapat mengekstrak data dari beberapa sumber data yang berasal dari berbagai unit bisnis seperti pemasaran, produksi, sumber daya manusia, dan keuangan. Data yang sudah diekstrak harus dibersihkan, transformasi, dan terintegrasi untuk dapat dianalisis.

2.      Analisis data. Pada tahapan ini, data dikonversi menjadi informasi atau pengetahuan melalui berbagai macam teknik analisis seperti laporan, visualisasi, dan data mining. Hasil dari proses analisis dapat membantu pihak manajemen untuk memahami situasi dan mengambil keputusan yang lebih baik.

3.      Kesadaran situasi. Kesadaran terhadap situasi dapat memberikan pemahaman yang lebih mendalam terhadap keadaan keputusan saat ini berdasarkan hasil analisis data.

4.      Penilaian resiko. Kesadaran terhadap situasi yang cukup bervariasi dapat membantu manajer untuk memprediksi masa depan, identifikasi ancaman dan peluang, dan merespon sesuai dengan kebutuhan. Saat ini bisnis beroperasi dalam kondisi lingkungan yang kompleks. Pengambilan keputusan bisnis lebih mungkin disertai resiko yang berasal dari lingkungan eksternal dan internal. Sehingga dapat disimpulkan bahwa penilaian resiko merupakan fungsi penting pada sistem business intelligence.

5.      Dukungan pengambilan keputusan.

Tujuan utama dari business intelligence adalah membantu manajer mengambil keputusan dengan bijaksana berdasarkan data bisnis saat ini.

Arsitektur Sistem Business Intelligence

Menurut Inmon (2002) yang dikutip oleh Niu (2009), pada umumnya sistem business intelligenceterdiri dari empat level komponen dan modul manajemen metadata. Arsitektur general dari sistembusiness intelligence terlampir pada gambar 1. Komponen-komponen saling berinteraksi untuk memfasilitasi fungsi dasar business intelligence: mengekstrak data dari sistem operasional perusahaan, menyimpan data yang sudah diekstrak kedalam datawarehouse, dan menarik data yang disimpan untuk berbagai aplikasi analisis bisnis.

·         Level Sistem Operasional.

Sebagai sumber data dari sistem business intelligence, sistem operasional bisnis pada umumnya menggunakan sistem online transaction processing (OLTP) untuk mendukung kegiatan bisnis sehari-hari. Pada umumnya sistem OLTP adalah sistem penerimaan order pelanggan, sistem keuangan, dan sistem sumber daya manusia.

·         Level akuisisi data.

Pada level ini adalah komponen pra proses terdiri dari 3 tahapan yaitu : ekstraksi, transformasi, dan memasukkan (ETL). Sebuah perusahaan memiliki beberapa sistem OLTP yang menghasilkan jumlah data yang sangat besar. Data tersebut pertama kali diekstrak dari sistem OLTP oleh proses ETL dan kemudian ditransformasi sesuai dengan aturan transformasi. Apabila data yang sudah ditransformasi  maka data tersebut dimasukkan ke data warehouse. ETL merupakan komponen dasar dari sistem business intelligence karena kualitas data dari komponen lain tergantung pada proses ETL. Dalam perancangan dan pengembangan ETL, kualitas data, fleksibilitas sistem dan kecepatan proses adalah perhatian utama.

·         Level penyimpanan data.

Data yang telah diproses oleh komponen ETL disimpan dalam data warehouse dimana biasanya diimplementasikan dengan menggunakan tradisional sistem manajemen database (RDMS). RDMSdidesain untuk mendukung proses transaksi, sangat bertolak belakang dengan data warehouseberfokus kepada subyek, varian waktu dan disimpan secara terintegrasi. Skema star dan snowflakemerupakan skema data warehouse yang paling populer. Apapun skema yang dipakai, tipe tabel pada data warehouse adalah fact tables dan dimension tables.

·         Level analitis.

Berdasarkan data warehouse, berbagai macam aplikasi analitikal telah dikembangkan. Sistembusiness intelligence mendukung 2 tipe dasar dalam fungsi analitikal: pelaporan dan online analytical processing (OLAP). Fungsi pelaporan menyediakan manajer berbagai jenis laporan bisnis seperti laporan penjualan, laporan produk, dan laporan sumber daya manusia. Laporan dihasilkan dari menjalankan queries kedalam data warehouse. Data warehouse queries pada umumnya sudah didefinisikan oleh pengembang data warehouse. Laporan yang dihasilkan oleh sistem business intelligence biasanya memiliki format yang statis dan berisi tipe data yang pasti.

Analitikal business intelligence yang paling menjanjikan adalah OLAP. Menurut Codd et al (1993) yang dikutip oleh Niu (2009), OLAP memungkinkan manajer untuk secara efisien mendalami data bisnis dari berbagai dimensi analisis melalui operasi pengirisan, pemotongan dan pendalaman. Sebuah analisis dimensi merupakan perspektif melalui bagaimana data tersebut dipresentasikan, sebagai contoh: tipe produk, lokasi penjualan, waktu dan pelanggan. dibandingkan dengan fungsi laporan, OLAP mendukung analisis data sesuai dengan kebutuhan. OLAP merupakan model datamultidimensional yang dikenal sebagai skema snowflake dan star. Sebagai tambahan dari laporan dan OLAP, terdapat banyak tipe analitikal yang lain yang dapat dibuat berdasarkan sistem data warehouse seperti data mining, executive dashboards, customer relationship management, danbusiness performance management.

·         Manajemen metadata.

Metadata merupakan data khusus mengenai data lain seperti sumber data, penyimpanan data warehouse, peraturan bisnis, otorisasi akses,        dan bagaimana data diekstrak dan ditransformasi.Metadata sangat penting dalam menghasilkan informasi yang akurat, konsisten dan pemeliharaan sistem. Manajemen metadata mempengaruhi semua proses dari perancangan, pengembangan, pengujian, penyebaran dan penggunaan sistem business intelligence.

Gambar 1. Arsitektur sistem business intelligence secara umum

Sumber : Niu, 2009

Contoh  Penerapan  BI

Ø  Business intelligence pada industri perbankan

Penerapan business intelligence pada industri perbankan merupakan kunci sukses dalam mengefisiensikan dan mengefektifkan kegiatan bisnis utama dengan kemampuan dalam mendapatkan, mengelola dan menganalisa data nasabah, produk, layanan, kegiatan operasi, pemasok dan rekan kerja dalam jumlah yang sangat besar. Contoh penerapan business intelligencepada industri perbankan adalah customer relationship management, customer credit analysis, risk management, credit card analysis, customer segmentation, dll (Hair, 2007), (Dan, 2008). Perananbusiness intelligence dalam kegiatan bisnis dapat menyediakan layanan yang lebih personal kepada pelanggan dan secara radikal meningkatkan kualitas servis dari bank tersebut. Pengelola produk perbankan bersaing dalam mendesain produk dan layanan yang dapat menjawab setiap kebutuhan suatu segmen tertentu.

Salah satu penerapan customer credit analysis adalah penerapan model penilaian kredit nasabah (Ince & Aktan, 2009). Penilaian kredit nasabah merupakan kegiatan paling penting untuk mengevaluasi aplikasi pinjaman yang diajukan oleh nasabah. system penilaian kredit digunakan untuk memodelkan potensi resiko dari aplikasi pinjaman, dimana system tersebut memiliki keuntungan karena dapat menangani aplikasi pinjaman dalam jumlah besar dengan cepat tanpa membutuhkan sumber daya yang banyak sehingga dapat menurunkan biaya operasional dan efektif dalam mengurangi penalaran dalam pengambilan keputusan. Dengan persaingan dan pertumbuhan pasar kredit konsumen, para pemain di industri perbankan saling berlomba untuk mengembangkan strategi yang lebih baik berkat bantuan penerapan model penilaian kredit. Tujuan dari penilaian kredit adalah memberikan kemampuan kepada bagian analisa kredit untuk menentukan aplikasi pinjaman nasabah yang diterima dari pihak marketing bank termasuk “kredit yang baik” dimana para nasabah yang termasuk dalam kategori tersebut memiliki kemungkinan yang cukup besar untuk membayar kewajiban finansialnya kepada bank atau “kredit yang jelek” dimana para nasabah yang termasuk dalam kategori tersebut memiliki kemungkinan yang cukup besar untuk memenuhi kewajiban finansialnya. Berdasarkan hasil studi yang dilakukan oleh Huseyin Ince dan Bora Aktan (2009), peneliti membandingkan kinerja dari model penilaian kredit menggunakan pendekatan tradisional dan artificial intelligence (discriminant analysis, logistic regression, neural networks, classification, and regression tree). Penelitian percobaan dengan data riil telah mendemonstrasikan bahwa classification, regression tree, dan neural networks mengalahkan kinerja model penilaian kredit secara tradisional dalam hal prediksi keakuratan dan type II errors.

Analisis terhadap data pelanggan merupakan kunci utama bagi pihak manajemen bank untuk menghasilkan keuntungan yang maksimal. Dengan menggunakan konsep pareto, bahwa dengan mendesain produk dan layanan kepada 20% nasabah dapat memberikan hasil sebesar 80% terhadap keuntungan. Pihak manajemen mempercayai bahwa dengan menganalisa 20% nasabah tersebut merupakan langkah yang efektif dalam meningkatkan keuntungan dan menurunkan biaya operasional. Selain kasus diatas, pihak manajemen bank dapat menganalisis pemasaran kartu, perhitungan harga jual dan tingkat keuntungan terhadap pemillik kartu, deteksi terhadap potensi kecurangan, prediksi manajemen daur hidup nasabah. Segmentasi pelanggan merupakan salah satu strategi pemasaran yang efektif, dengan memahami karakteristik dan kebutuhan setiap segmen nasabah maka pihak manajemen dapat mendesain bagaimana cara memasarkan, harga, kebijakan untuk setiap produk dan layanan sehingga dapat memberikan keuntungan yang maksimal (Mawoli & Abdulsalam, 2012). Dengan penerapan business intelligence dalam proses segmentasi nasabah menjadi lebih mudah karena pihak manajemen dapat dengan mudah mengidentifikasi demografi dan geografi nasabah tetapi pihak manajemen harus meluangkan waktu dan tenaga apabila ingin mengetahui psikografi dan perilaku nasabah dan pihak manajemen perlu mengidentifikasi atribut-atribut yang diperlukan seperti umur, pekerjaan, penghasilan dan jenis kelamin dengan mudah dan pada umumnya dapat diukur dengan RFV (recency, frequency, dan value dari perilaku transaksi mereka) (Sun, 2009), (Lin, Zhu, Yin, & Dong, 2008).

Dapat disimpulkan bahwa untuk memenuhi kebutuhan nasabah yang makin komplek dan efisiensi bisnis proses dengan otomatisasi kegiatan operasional membutuhkan dukungan sistem informasi. Sistem informasi perbankan perlu tetap dikembangkan sehingga dapat memenuhi kebutuhan nasabah dan mengikuti inovasi bisnis, akan tetapi perlu adanya integrasi dengan sistem business intelligence sehingga pihak manajemen mendapatkan informasi yang up-to-date dan insight dari data historis.,

Ø  Business intelligence pada industri retail

Mengamati pertumbuhan industri retail di Indonesia, customer relationship management (CRM)sebagai pemicu utama dalam pelaku bisnis yang cerdik untuk mendesain ulang fokus bisnis mereka pada pelanggan. Perusahaan retail pada umumnya memiliki pelanggan yang besar dan pada umumnya pelanggan memiliki keinginan yang berbeda-beda. Dengan adanya implementasi CRM maka pihak manajemen dapat mengotomatisasi interaksi dengan pelanggan dan tim penjualan serta dapat menganalisis data pelanggan yang diperoleh dari POS transaction, layanan pelanggan, dan lain-lain sehingga pihak manajemen dapat mendapatkan insight terhadap kebutuhan pelanggan dan mengembangkan hubungan one-to-one dengan pelanggan, desain dan kampanye promosi, optimalisasi tata letak produk. Analytical CRM menggunakan business intelligence tools seperti data warehousing, data mining, dan OLAP. 

Beberapa penggunaan dari analytical CRM adalah customer segmentation, campaign/promotion effectiveness analysis, customer lifetime value, customer loyalty analysis, cross selling, product pricing, and target marketing (Hair, 2007). Beberapa perusahaan retail mulai mengajak para pembeli yang belum menjadi member dengan menerbitkan member card,bekerja sama dengan bank dengan memberikan potongan harga, dll. Pihak manajemen mulai menyadari pentingnya mendapatkan data pelanggan yang komprehensif, dimana data tersebut dapat memberikan informasi seperti karakteristik pelanggan (umur, jenis kelamin, status pernikahan, pendidikan, pekerjaan, pendapatan per bulan), perilaku pelanggan (masukan dari pelanggan terkait produk dan layanan, rekomendasi dari pelanggan terkait produk dan layanan, produk subsitusi yang digunakan oleh pelanggan, loyalitas pelanggan terhadap layanan suatu merk suatu produk) , dan pengeluaran pelanggan (harga pembelian, kuantitas, frekuensi pembelian yang berulang, keinginan pelanggan membeli produk yang lain dan layanan dari produsen tertentu, dll) (Zhou & Lei, 2011). Berdasarkan segmentasi pelanggan yang dilakukan oleh Shuwen Zhou dan Guanghong Lei (2011) dapat disimpulkan bahwa:

1.Kategori 1 merupakan pelanggan-pelanggan yang bekerja di perkantoran sebagai profesional dan manajer dan memiliki pendidikan yang cukup tinggi, memiliki rumah dan mobil. Berdasarkan informasi yang didapat, pelanggan pada kategori ini belum memiliki bayi, pendapatan tahunan tidak terlalu tinggi tetapi mereka menyukai berbelanja terutama “fashion”. Fokus konsumsi pada kategori ini adalah kosmetik yang berkualitas tinggi, CD orisinal, majalah dan produk peralatan rumah tangga pada umumnya. Pada umumnya mereka tidak tertarik membeli makanan dan minuman karena penghasilan yang cukup tinggi. Strategi marketing yang cocok untuk kategori ini adalah memberikan kualitas produk dan layanan yang lebih tinggi untuk menarik pelanggan karena pelanggan yang berada dikategori ini tidak terlalu tertarik dengan potongan harga.

2.Kategori 2 merupakan pelanggan-pelanggan yang bekerja di pabrik sebagai pekerja dan mekanik, dan memiliki penghasilan yang cukup rendah, beberapa memiliki rumah, berbelanja makanan, keperluan rumah tangga, produk balita. sebagian besar merupakan wanita yang suka ke supermarket untuk membeli lebih banyak barang. Pada umumnya mereka tertarik terhadap diskon promosi, sehingga keuntungan tidak terlalu tinggi.

3.Kategori 3 merupakan pelanggan yang memiliki pendidikan rendah, penghasilan rendah yang hampir sama dengan pekerja pabrik. Pada umumnya mereka membeli komoditas lebih banyak pada saat diskon yang cukup besar. Strategi pemasaran untuk kategori ini adalah memberikan diskon promosi terhadap komoditas tersebut sehingga lebih menarik pelanggan.

Table 1. Contoh beberapa tipe dari segmentasi pelanggan supermarket di china

Penerapan business intelligence (BI) dalam area CRM, BI dapat diaplikasikan pada supply chain management (SCM). Dengan menerapkan SCM, manajemen perusahaan dapat mengefisiensikan control terhadap persediaan dan proses pembelian kepada pemasok. Data yang diperoleh pada proses pembelian dan persediaan dapat memberikan berbagai macam insight yang cukup komprehensif terhadap dinamika dalam rantai persediaan. Penerapan data warehouse pada SCM dapat membantu pihak manajemen untuk menganalisis kinerja pemasok, mengontrol tingkat persediaan (safety stock, lot size, dan lead time analysis), pergerakan produk, peramalan permintaan, dll.

Penerapan BI dalam alternative sales channel dapat meningkatkan efektivitas dalam mengelola berbagai jenis distribution channel seperti melalui internet, katalog, dll. Dengan kemajuan teknologi saat ini menyebabkan seorang pelanggan dapat berinteraksi dengan perusahaan melalui berbagaichannel dalam satu periode. Sebagai contoh perkembangan tablet dan smartphone menyebabkan pihak manajemen perlu mengembangkan m-channel­ sehingga dapat memberikan tambahan pilihan kepada pelanggan untuk mengakses perusahaan mereka. Aplikasi dari BI dalam alternative sales channel adalah E-business analysis, web log analysis, referrer analysis, error analysis, keyword analysis, web housting, channel profitability, dan product-channel affinity.

Ø  Business intelligence pada industri pendidikan

Saat ini penerapan business intelligene pada industri pendidikan masih relatif sedikit apabila dibandingkan dengan industri perbankan, kesehatan, asuransi, dll (Lihua, Yongsheng, & Zhonglei, 2008). Penerapan business intelligence pada industri pendidikan dapat dilakukan pada proses penerimaan mahasiswa baru, manajemen pengajaran, dll (Rebbapragada, Basu, & Semple, 2010), (Liu & Zhang, 2010).  Menurut Rebbapraga (2010), persaingan untuk penerimaan siswa baru semakin ketat setiap tahun dengan sebagian besar kampus menerima aplikasi penerimaan siswa dan makin selektif dalam penerimaannya. Tingkat penerimaan pada kampus ternama mencapai 10% dan ketidakpastian menyebabkan siswa yang memiliki talenta melamar pada sekolah pada lapisan yang berikutnya. Hal ini menyebabkan siswa memasukkan aplikasi ke beberapa sekolah dan setiap sekolah memiliki tenggat waktu yang berbeda. Akibatnya siswa sering menghadapi dilema pada saat mereka kehabisan waktu untuk menerima tawaran dari universitas yang lebih rendah dari prioritas mereka. Tantangan dalam admisi proses adalah proses mengidentifikasi pelamar terbaik meliputi beberapa parameter dan saat kandidat yang diinginkan teridentifikasi maka keputusan untuk menawarkan penawaran serta komposisi dari penawaran tersebut cukup susah. Selain dapat digunakan dalam proses penerimaan mahasiswa, penerapan data mining dapat digunakan untuk mendukung manajemen pengajaran. Setiap universitas mengelola nilai mahasiswa dalam jumlah besar dari berbagai fakultas yang berbeda-beda. Dengan adanya penerapan data warehouse dan menganalisa data tersebut dengan menggunakan berbagai teknik data mining, pihak pengelola fakultas dapat mengeksploitasi berbagai informasi tersembunyi dan dapat melakukan peramalan dan analisis sehingga pengelola fakultas dapat menggunakannya untuk meningkatkan kualitas pengajaran dan pengetahuan.  

Menurut Rebbapragada et al (2010), para peneliti yakin bahwa data mining dan teknik manajemen penghasilan dapat digunakan secara efektif untuk menyelesaikan masalah tersebut. Dengan menggunakan data mining untuk mengembangkan model yang dapat memprediksi kualitas dari pelamar dengan menggunakan data kinerja siswa pada masa lalu berdasarkan kinerja siswa pada tahun pertama dalam hal GPA yang diperoleh  dan beberapa parameter penting yang dikumpulkan dari data pelamar seperti high school GPA, SAT math score, SAT verbal score, strength of curriculum, adjusted GPA, adjusted test scores, subjective score and overall assessment score.Penelitian ini menggunakan metode neural networks karena memiliki kinerja yang lebih baik dibandingkan decision trees, disamping itu kemampuan neural networks dalam beradaptasi dengan perubahan kondisi membuat metode ini cocok dengan konteks penerimaan siswa baru. Model manajemen penghasilan sudah banyak digunakan oleh perusahaan di industri penerbangan dan hotel, teknik ini dapat memaksimalkan penghasilan dengan mengumpulkan harga terbaik untuk setiap bangku/sumber daya meskipun terdapat ketidakpastian terhadap permintaan dimasa yang akan datang. 

 Pada penelitian ini menggunakan model yang dinamis yaitu markovian periods karena memiliki kemampuan untuk menangani permintaan yang datang secara acak. Tabel harga penawaran dapat digunakan sebagai referensi oleh staf admisi untuk menerima atau menolak aplikasi dari calon siswa. Tabel 1 menyediakan asumsi jumlah aplikasi yang diterima setiap minggu untuk tiga kategori selama 4 minggu, jumlah aplikasi tersebut termasuk pelamar yang diterima dan ditolak.  Tabel 2 menunjukkan tabel harga penawaran untuk periode waktu dengan penambahan 4000, setiap pengumpulan 4000 periode sekitar 3.3 hari.

 Tabel 1. Jumlah aplikasi yang diterima setiap minggu

Sumber : Surya Rebbapragada, at all, 2010

Tabel 2. Tabel penawaran harga.

Sumber : Surya Rebbapragada, at all, 2010

Dengan menggunakan pendekatan diatas, pihak universitas dapat langsung mengambil keputusan terhadap semua pendaftaran siswa dan pada saat yang bersamaan dapat memaksimalkan proses penerimaan  dengan menerima mahasiswa terbaik pada kapasitas yang ditawarkan.

Berdasarkan hasil penelitian yang dilakukan oleh Zhiwu Liu dan Xiuzhi Zhang (2010), mereka menganalisis nilai mahasiswa dari beberapa mata kuliah industrial enterprise electrification di sebuah universitas untuk mengetahui koneksi nilai dari beberapa mata kuliah yang berbeda melalui teknikdecision tree. tabel 3 merupakan database nilai mahasiswa berisi no urut mahasiswa, dan hasil dari beberapa mata kuliah utama (fundamental of electrical engineering-FEE, electrical machine and drive-EMD, automatic control principle-ACP,     automatic control system-ACS, and higher mathematic-HM).

Tabel 3. Nilai dari mahasiswa

Sumber : Liu dan Zhang, 2010

Untuk memudahkan untuk melakukan data mining, data pada tabel 3 sebaiknya dirubah dengan kondisi sebagai berikut: jika nilai dibawah 60 maka diisi dengan 0 (tidak lulus) dan jika nilai diatas 60 maka diisi dengan 1 (lulus). Dengan menggunakan algoritma decision tree C4.5,

1.Jika nilai mata kuliah FEE (A) lulus, maka nilai mata kuliah ACS(C1) pada umumnya lulus. Tingkat akurasinya adalah 86.4% dan covering rate untuk jumlah mahasiswa adalah 59.5%.

2.Jika nilai mata kuliah FEE (A) tidak lulus, dan nilai mata kuliah EMD (B) juga tidak lulus, maka nilai mata kuliah ACS (C1) pada umumnya tidak lulus. Tingkat akurasinya adalah 85.7% dan covering rate untuk jumlah mahasiswa adalah 10%.

3.Jika nilai mata kuliah FEE (A) tidak lulus, tetapi nilai mata kuliah EMD (B) lulus, maka nilai ACS (C1) masih bisa lulus. Tingkat akurasinya adalah 81.25% dan covering rate untuk jumlah mahasiswa adalah 30.5%.

Gambar 1. Decision tree untuk mengevaluasi nilai mahasiswa

Sumber : Liu dan Zhang, 2010

Dengan pendekatan diatas dalam mengevaluasi nilai mahasiswa, maka pengelola fakultas dapat melihat hubungan antara kinerja mahasiswa terhadap mata kuliah FEE, ACS, dan EMD. Berdasarkan hasil evaluasi yang telah dilakukan, pengajar mata kuliah EMD perlu memberikan perhatian yang lebih kepada mahasiswa yang tidak lulus EMD dan ACS.

source : http://sis.binus.ac.id/2013/05/27/penerapan-business-intelligence-pada-industri-perbankan-retail-dan-pendidikan/