Pendekatan Agile Scrum pada Pengembangan Aplikasi Analitik Akademik dan Kemahasiswaan
Abstract
Intisari - Dengan tujuan untuk mengambil keputusan dan kebijakan yang tepat, manajemen perguruan tinggi seringkali memerlukan data. Permasalahan yang seringkali muncul adalah keberadaan data yang tersebar di berbagai aplikasi yang ada. Untuk mendapatkan sudut pandang yang tepat diperlukan analis data yang menguasai keadaan secara luas, meliputi proses bisnis yang terjadi di organisasi berikut berbagai aplikasi yang berjalan di dalamnya. Orang yang mampu menangani masalah itu sangat terbatas atau bahkan tidak ada, padahal kebutuhan data dari manajemen semakin sering terjadi. Permasalahan tersebut dapat diatasi dengan membangun sebuah sistem analitik data yang bekerja pada gudang data (data warehouse). Sehingga di dalam penelitian ini, diusulkan adanya studi desain dan implementasi aplikasi analitik data akademik dan kemahasiswaan. Pemanfaatan gudang data yang ada dapat berupa visualisasi data, pelaporan data, analitik tren, analitik asosiasi, analitik kelompok, sistem pendukung keputusan, sistem peramalan, dan sistem pakar. Pendekatan yang ada menggunakan kerangka kerja Agile Scrum untuk menyiasati sempitnya waktu dan terbatasnya orang. Hasil pengujian menunjukkan aplikasi ini dapat dibangun dengan kerangka kerja tersebut. Aplikasi yang cukup besar dapat dibangun dalam waktu 1 bulan dengan 1 scrum master, 4 programmer dan 2 tester-dokumentator.
Full Text:
PDF (Bahasa Indonesia)References
N. Ngatmari, M. B. Musthafa, C. Rahmad, R. A. Asmara, and F. Rahutomo, “Pemanfaatan Data PDDIKTI sebagai Pendukung Keputusan Manajemen Perguruan Tinggi,†Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, May 2020, doi: 10.25126/jtiik.2020722585.
F. Rahutomo, C. Rahmad, M. B. Musthafa, and N. Ngatmari, “Desain Skema Data Warehouse PDDIKTI sebagai Pendukung Keputusan Perguruan Tinggi,†JURNAL INOVTEK POLBENG - SERI INFORMATIKA, vol. 4, no. 1, 2019.
I. Sommerville, Software Engineering, 9th ed. Harlow, England: Addison-Wesley, 2010.
A. A. Menolli, R. G. Coelho, G. C. Silva, and E. Barbosa, “An Agile Data Warehouse Virtualization Framework for ROLAP Server,†in XVII Brazilian Symposium on Information Systems, 2021. doi: 10.1145/3466933.3466980.
M. Ham et al., “NNStreamer: Efficient and Agile†Development of on-Device AI Systems,†in Proceedings of the 43rd International Conference on Software Engineering: Software Engineering in Practice, 2021, pp. 198–207. doi: 10.1109/ICSE-SEIP52600.2021.00029.
K. Biesialska, X. Franch, and V. Muntés-Mulero, “Big Data analytics in Agile software development: A systematic mapping study,†Inf Softw Technol, vol. 132, p. 106448, Apr. 2021, doi: 10.1016/J.INFSOF.2020.106448.
M. P. Uysal, “Machine Learning and Data Science Project Management From an Agile Perspective: Methods and Challenges,†in Contemporary Challenges for Agile Project Management, V. Naidoo and R. Verma, Eds. Hershey, PA, USA: IGI Global, 2022, pp. 73–88. doi: 10.4018/978-1-7998-7872-8.ch005.
L. López et al., “QaSD: A Quality-aware Strategic Dashboard for supporting decision makers in Agile Software Development,†Sci Comput Program, vol. 202, p. 102568, 2021, doi: https://doi.org/10.1016/j.scico.2020.102568.
A. Mashkoor, T. Menzies, A. Egyed, and R. Ramler, “Artificial Intelligence and Software Engineering: Are We Ready?,†Computer (Long Beach Calif), vol. 55, no. 3, pp. 24–28, 2022, doi: 10.1109/MC.2022.3144805.
S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 3rd ed. Upper Saddle River, NJ, USA: Prentice Hall Press, 2009.
T. M. Mitchell, Machine Learning, 1st ed. New York, NY, USA: McGraw-Hill, Inc., 1997.
E. Turban, J. E. Aronson, T.-P. Liang, and R. Sharda, Decision Support and Business Intelligence Systems (8th Edition). Upper Saddle River, NJ, USA: Prentice-Hall, Inc., 2006.
R. Sharda, D. Delen, and E. Turban, Business Intelligence: A Managerial Perspective on Analytics (3rd Edition), 3rd ed. Upper Saddle River, NJ, USA: Prentice Hall Press, 2013.
J. Han, Data Mining: Concepts and Techniques. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2005.
R. Kimball and M. Ross, The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, 3rd ed. Indianapolis, IN: Wiley, 2013. [Online
DOI: https://doi.org/10.35314/isi.v7i2.2880
Refbacks
- There are currently no refbacks.