Implementasi Security Data Mining

 

Ada kemajuan luar biasa dalam teknologi jaringan, penyimpanan, dan prosesor, serta peningkatan berbagi data antarorganisasi. Akibatnya, ada pertumbuhan eksplosif dalam volume data digital, di antaranya sebagian besar dikumpulkan oleh organisasi untuk tujuan keamanan.

Ini memerlukan penggunaan keamanan data mining untuk menganalisis data digital untuk menemukan pengetahuan yang dapat ditindaklanjuti. Yang dimaksud dapat ditindaklanjuti adalah pengetahuan baru ini meningkatkan indikator kinerja utama organisasi, memungkinkan pengambilan keputusan yang lebih baik untuk manajer organisasi, dan memberikan hasil yang terukur dan nyata. Alih-alih penambangan data berbasis data teoretis murni, berbasis domain yang lebih praktis data mining diperlukan untuk menemukan pengetahuan yang dapat ditindaklanjuti.

Tujuan sebagai makalah survei yaitu untuk menentukan domain keamanan data mining oleh organisasi menggunakan studi kasus yang diterbitkan dari berbagai keamanan lingkungan. Meskipun setiap keamanan lingkungan mungkin memiliki persyaratan uniknya sendiri, pada bab ini berbagi prinsip yang sama untuk beroperasi dengan baik.

Kontribusi utama berfokus pada cara-cara untuk merekayasa resistensi gangguan untuk aplikasi keamanan data mining algoritma matematika di program komputer yang melakukan keamanan data mining. Dengan ketahanan terhadap kerusakan, organisasi menerapkan keamanan data mining dapat mencapai akurasi yang lebih baik untuk organisasi, privasi untuk individu dalam data, dan kerahasiaan antara organisasi yang bagikan hasilnya.

Bab ini ditulis untuk khalayak umum yang memiliki sedikit latar belakang teoritis dalam data mining, tetapi tertarik pada aspek praktik keamanan data mining berasumsi bahwa pembaca mengetahui atau pada akhirnya akan membaca tentang proses data mining yang melibatkan langkah-langkah yang teratur dan saling bergantung. Langkah-langkah tersebut terdiri dari pra-pemrosesan, integrasi, seleksi, dan transformasi data; penggunaan umum data mining algoritma  (seperti klasifikasi, pengelompokan, dan aturan asosiasi); hasil pengukuran dan interpretasi.

1.1  Keamanan Data Mining

Keamanan adalah kondisi terlindung dari bahaya atau kerugian. Tapi lebih tepatnya Definisi keamanan dalam bab ini adalah penggunaan tindakan pencegahan untuk mencegah tindakan yang disengaja dan perilaku musuh yang tidak beralasan.

Keamanan data mining adalah suatu bentuk penanggulangan dalam penggunaan data skala besar analitik untuk secara dinamis mendeteksi sejumlah kecil musuh yang terus-menerus berubah. Ini mencakup pengamanan terkait data dan hasil. Penambangan data keamanan relevan di berbagai domain seperti keuangan, asuransi, kesehatan, perpajakan, jaminan sosial, e-commerce, hanya untuk beberapa nama. Ini adalah istilah kolektif untuk deteksi penipuan, kejahatan, terorisme, kejahatan keuangan, spam, dan intrusi jaringan. Selain itu, ada bentuk lain dari aktivitas permusuhan seperti deteksi online game, pelanggaran data, phishing, dan plagiarisme. Perbedaan antara keamanan data mining dan penipuan data mining yang pertama berkonsentrasi pada musuh dalam jangka panjang, bukan untuk keuntungan jangka pendek.

1.2  Masalah Khusus

Konsep masalah khusus untuk keamanan data mining, yaitu:

a.      Ketahanan dalam sistem keamanan adalah kemampuan untuk menurunkan dengan anggun saat di bawah serangan paling nyata. Sistem keamanan membutuhkan "pertahanan mendalam" dengan banyak, sekuensial, dan lapisan pertahanan independen untuk menutupi berbagai jenis serangan, dan untuk menghilangkan contoh yang jelas-jelas sah.

Sistem keamanan merupakan kombinasi dari pendekatan manual dan pendekatan otomatis termasuk pencocokan daftar hitam dan keamanan data mining algoritma. Dasar pendekatan otomatis mencakup aturan kode keras seperti pencocokan nama dan alamat pribadi, dan menetapkan batas harga dan jumlah.

Salah satu pendekatan otomatis yang umum dikenal adalah pencocokan penipuan. Penipuan yang diketahui biasanya dicatat dalam daftar hitam yang diperbarui secara berkala. Selanjutnya saat ini klaim/aplikasi/transaksi/akun/urutan dicocokkan Daftar hitam. Ini memiliki manfaat dan kejelasan dari belakang karena pola sering ulangi sendiri. Namun, ada dua masalah utama yang diketahui dalam penipuan. Pertama, mereka tidak tepat waktu karena penundaan waktu yang lama yang memberikan peluang bagi para penipu. Kedua, pencatatan fraud terlalu manual.

b.      Adaptasi untuk keamanan data mining algoritma, akun untuk perilaku penipuan morphing sebagai upaya untuk mengamati penipuan mengubah perilakunya. Dalam praktiknya, untuk deteksi penipuan yang ditumpangkan telekomunikasi, ada aturan penipuan dari data dan aturan berlabel setiap akun telepon yang dikloning pilihan untuk menutupi sebagian besar akun. Untuk deteksi kelainan, setiap penipuan yang dipilih aturan diterapkan dalam bentuk monitor (jumlah dan durasi panggilan) ke harian penggunaan yang sah dari setiap akun. StackGuard adalah penyusun sederhana yang hampir menghilangkan serangan buffer overflow hanya dengan penalti kecepatan sedang. Untuk memberikan respons adaptif terhadap instrusi, StackGuard beralih antara versi MemGuard yang lebih efektif dan versi Canary yang lebih efisien.

Secara teori, dalam deteksi spam, musuh belajar bagaimana menghasilkan lebih banyak kesalahan negatif dari pengetahuan sebelumnya, observasi, dan eksperimen. Permainan teori diadaptasi untuk secara otomatis mempelajari kembali algoritme yang diawasi yang sensitif terhadap biaya mengingat strategi optimal musuh yang sensitif terhadap biaya. Ini mendefinisikan musuh dan pengklasifikasi strategi optimal dengan membuat beberapa asumsi yang valid.

c.  Kualitas data sangat penting untuk keamanan data mining algoritma melalui penghapusan kesalahan data. HESPERUS memfilter duplikat yang telah dimasukkan kembali karena kesalahan manusia atau karena alasan lain. Ini juga menghilangkan redundan atribut yang memiliki banyak nilai yang hilang, dan masalah lainnya. Pra-pemrosesan data untuk deteksi penipuan sekuritas termasuk konsolidasi yang diketahui dan teknik pembentukan tautan untuk menghubungkan orang dengan lokasi kantor, menyimpulkan asosiasi berdasarkan riwayat pekerjaan, dan teknik normalisasi berdasarkan ruang dan waktu untuk membuat label kelas yang sesuai.

1.3  Masalah Umum

Konsep masalah umum untuk keamanan data mining, yaitu:

a.      Data pribadi versus data perilaku

Data pribadi berkaitan dengan orang alami yang teridentifikasi. Di sisi lain, data perilaku yang berkaitan dengan perilaku orang dalam keadaan tertentu. Data di sini mengacu dalam bentuk teks, karena data gambar dan video berada di luar jangkauan. Sebagian besar aplikasi menggunakan data perilaku tetapi beberapa, seperti HESPERUS menggunakan data pribadi. HESPERUS menemukan pola penipuan aplikasi kartu kredit. Mendeteksi tiba-tiba dan lonjakan tajam duplikat dalam waktu yang singkat, perilaku relatif normal.

b.      Data tidak terstruktur versus data terstruktur

Data tidak terstruktur yaitu tidak dalam format tabel atau dibatasi, sementara data terstruktur tersegmentasi ke dalam atribut di mana masing-masing memiliki format yang ditetapkan. Dalam bab ini aplikasi berikutnya, sebagian besar menggunakan data terstruktur tetapi beberapa, seperti dalam perangkat lunak plagarisme menggunakan data tidak terstruktur. Data tidak terstruktur diubah menjadi sidik jari - kgram yang dipilih dan di-hash (menggunakan 0 mod p atau menampi) dengan informasi posisi - untuk mendeteksi salinan perangkat lunak. Beberapa masalah yang dibahas dalam makalah ini termasuk dukungan untuk berbagai format input, filter kode yang tidak perlu, dan presentasi hasil.

c.       Aplikasi real-time versus retrospektif

Aplikasi real-time memproses peristiwa saat terjadi dan perlu ditingkatkan pertumbuhan data. Sebaliknya, proses aplikasi retrospektif peristiwa setelah terjadi dan sering digunakan untuk melakukan audit dan tes stres. Aplikasi deteksi kejahatan keuangan waktu nyata – Sekuritas Observasi, Analisis Berita, dan Regulasi (SONAR), dan retrospektif aplikasi deteksi penipuan manajerial – SHERLOCK.

Secara real-time, SONAR memantau pasar saham utama untuk perdagangan dengan menggunakan informasi yang bersifat material, dan penipuan representasi yang salah oleh pengarang berita. SONAR menambang untuk hubungan eksplisit dan implisit di antara entitas dan peristiwa, menggunakan teks mining, regresi statistik, inferensi berbasis aturan, ketidakpastian.

Dalam retrospeksi, SHERLOCK menganalisis buku besar - daftar formal dari akun jurnal dalam bisnis yang digunakan untuk persiapan laporan keuangan dan pajak pengajuan - untuk penyimpangan yang berguna untuk auditor dan penyidik. SHERLOCK mengekstrak beberapa lusin atribut penting untuk deteksi dan klasifikasi outlier. Beberapa keterbatasan yang dinyatakan dalam makalah termasuk data yang sulit untuk pra-proses, memiliki satu set kecil buku besar penipuan yang diketahui sementara sebagian besar tidak berlabel, dan hasilnya sulit untuk ditafsirkan.

d.      Aplikasi tanpa pengawasan versus aplikasi yang diawasi

Aplikasi yang tidak diawasi tidak menggunakan label kelas biasanya penugasan dari catatan ke kategori tertentu dan lebih cocok untuk penggunaan waktu yang sebenarnya. Sebuah diawasi aplikasi menggunakan label kelas dan biasanya untuk penggunaan retrospektif. Deteksi penipuan klik dan deteksi penipuan manajemen aplikasi menggunakan perilaku, data terstruktur. Menggunakan data klik pengguna pada iklan web menganalisis permintaan menggunakan analisis berpasangan tanpa pengawasan dengan aturan asosiasi. Menggunakan perusahaan publik data akun, gunakan pohon keputusan yang diawasi untuk mengklasifikasikan waktu dan atribut rekan, dan menerapkan regresi logistik terawasi untuk setiap deret waktu daun.

e.      Maksimum versus tidak ada interaksi pengguna

Interaksi pengguna maksimum diperlukan jika konsekuensinya untuk pelanggaran keamanan. Interaksi pengguna mengacu pada kemampuan untuk mudah membubuhi keterangan, menambahkan atribut, atau mengubah bobot atribut atau untuk memungkinkan lebih baik pemahaman dan penggunaan skor (atau aturan). Tidak ada interaksi pengguna yang mengacu pada sepenuhnya aplikasi otomatis. Deteksi penipuan telekomunikasi visual menggabungkan deteksi pengguna denganprogram komputer. Ini secara fleksibel mengkodekan data menggunakan warna, posisi, ukuran dan karakteristik visual lainnya dengan beberapa tampilan dan level yang berbeda.

 

2.1  Ketahanan terhadap Kerusakan

Gambar memberikan penjelasan visual tentang solusi ketahanan terhadap kerusakan dalam keamanan data mining. Masalah datang dari data adversaries, internal adversaries, dan external musuh dalam bentuk organisasi lain yang berbagi data atau hasil. Solusinya dapat diringkas sebagai ketahanan terhadap kerusahan yang menangani sebagian besar jenis musuh dan membuatnya lebih banyak sulit bagi musuh untuk memanipulasi atau menghindari keamanan data mining. Rekomendasi data yang andal sebagai input, algoritme deteksi kelainan sebagai proses privasi dan kerahasiaan menjaga hasil sebagai output untuk meningkatkan ketahanan kerusakan.

 

2.2  Data yang dapat diandalkan

Data yang dapat diandalkan bukan hanya data yang berkualitas tapi juga bisa dipercaya dan memberikan hasil yang sama, bahkan dengan manipulasi musuh.

•        Data yang tidak dapat dipalsukan dapat dilihat sebagai atribut yang dihasilkan secara tidak sadar yang didasarkan pada pengaturan waktu informasi username dan password. Sebagai faktor otentikasi, berbasis ritme pola pengetikan murah, mudah diterima oleh sebagian besar pengguna dan dapat digunakan di luar keyboard. Namun, ada masalah kebijakan dan privasi.

•        Data yang stabil mencakup hubungan komunikasi antara musuh di mana tautan tersebut berada sudah tersedia. Dengan menautkan akun ponsel menggunakan jumlah dan durasi panggilan untuk membentuk Community Of Interest (COI), dua karakteristik yang berbeda penipu dapat ditentukan. Akun telepon palsu ditautkan sebagai penipu menelepon satu sama lain atau nomor telepon yang sama, dan perilaku panggilan penipuan dari penipuan yang diketahui tercermin dalam beberapa akun telepon baru. Data yang stabil dapat berasal dari ekstraksi atribut di mana atribut tidak langsung tersedia atau ketika ada terlalu banyak atribut. Untuk menemukan yang baru, sebelumnya executable berbahaya yang tidak terlihat dan membedakannya dari program yang tidak berbahaya, ada ekstraksi atribut dari berbagai informasi seperti Dynamically Linked Panggilan perpustakaan, string yang dapat dicetak berurutan, dan urutan byte.

•        Data yang tidak jelas mengacu pada atribut dengan distribusi karakteristik. Untuk intrusi deteksi, atribut ini menggambarkan lalu lintas jaringan, seperti riwayat rata-rata alamat Internet Protocol (IP) sumber dan tujuan, nomor port sumber dan tujuan, jenis protokol, jumlah byte per langkah, dan waktu yang berlalu antar paket. Selain itu, lebih banyak atribut seperti itu berasal dari data router, seperti Central Processing Unit (CPU), penggunaan memori, dan volume lalu lintas.

Dalam pencurian identitas online, setiap serangan phishing memiliki beberapa tahapan mulai dari: pengiriman serangan hingga akhir penerimaan uang. Intinya di sini adalah untuk mengumpulkan dan data mining yang tidak jelas dari tahap yang paling tidak diharapkan oleh musuh.

 

Perkembangan teknologi informasi saat ini memungkinkan penyimpanan data dalam skala yang sangat besar. Perkembangan ini telah merambah ke berbagai bidang, termasuk perbankan, sehingga pemanfaatan teknologi informasi di lembaga keuangan sudah tidak asing lagi di kalangan masyarakat luas. Data mining merupakan kegiatan yang meliputi pengumpulan dan pemakaian data historis untuk menemukan keteraturan, pola, atau hubungan dalam data berukuran besar. Dengan memanfaatkan data nasabah dan data pinjaman, data mining dapat membantu keputusan strategis dalam memprediksi kelayakan pinjaman untuk nasabah di sebuah lembaga keuangan. Algoritma yang digunakan untuk membangun decision tree yaitu algoritma ID3 (Iterative Dichotomizer 3). Algoritma ID3 digunakan untuk mengkategorikan data menjadi beberapa kelas. Dari hasil percobaan dengan 20 data baru dihasilkan akurasi sebesar 85%. Hasil yang diperoleh dapat digunakan sebagai bahan masukan bagi instansi terkait dalam uji kelayakan pinjaman dari nasabahnya

 

Pada era sekarang data mining sudah menjadi suatu hal yang penting bagi para perusahaan,pemerintahan,dll.

Dalam bidang keuangan,data mining sangat penting untuk para pemerintah dan perusahaan-perusahaan yang mengatur data yang jumlahnya sangat besar.tidak heran apabila data-data yang masuk ada data yang tidak berguna dan data-data yang mungkin saja dimanipulasi tanpa diketahui jejaknya.Tak heran banyak kecurangan-kecurangan seperti koruptor dan penjahat yang memanipulasi laporan data keuangan perusahaan-perusahaan besar untuk keuntungan mereka sendiri.

Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan,  machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban dkk. 2005) .

Data mining dapat dijadikan priortias utama dalam analisis. Effort utama adalah mengumpulkan data,membersihkan (cleaning) dan organize dengan banyak teknik dan malukan intepretasi dan mendapatkan informasi yang terkandung. Banyak sekali teknik yang dapat digunakan seperti decision tree sebuah teknik dalam data mining untuk klasifikasi, regresi untuk mengukur dan mengetahui hubungan antara variabel atau masalah, klaster untuk mengelompokkan data yang memiliki karakteristik yang sama, association rule mining atau juga disebut basket analysis yang digunakan pada industry retail untuk melihat asosiasi dari data dan paling utama adalah melakukan visualisasi dari data untuk melihat kesimpulan dri permasalahan. Banyak sekali ribuan kemungkinan yang mampu digunakan pada data mining dan melakukan analisis prediktif.

Dalam konteks utilitas bisnis dari hasil dari sebuah analisis dapat diapplikasikan dengan baik. Oleh karena itu yang membedakan data mining dari analisis statistik tidak begitu banyak jumlah data yang kita gunakan dalam menganalisis atau metode yang kita gunakan tetapi kita bahwa mengintegrasikan apa yang kita ketahui tentang database, sarana analisis dan pengetahuan bisnis. Untuk menerapkan metodologi data mining berarti menyusul terpadu proses metodologis yang melibatkan menerjemahkan kebutuhan bisnis ke dalam masalah yang harus dianalisis, mengambil database yang diperlukan untuk melaksanakan analisis, dan menerapkan teknik statistik diimplementasikan dalam algoritma komputer dengan tujuan akhir dari pencapaian hasil penting berguna untuk mengambil keputusan strategis. Keputusan strategis tersebut akan sendiri dibuat guna memenuhi kebutuhan pengukuran baru dan akibatnya pada kebutuhan bisnis. Data mining tidak hanya tentang penggunaan algoritma komputer atau statistik. Teknik tersebut juga sebuah  proses intelijen bisnis yang dapat digunakan bersama-sama denganapa yang disediakan oleh teknologi informasi untuk mendukung keputusan perusahaan.Data mining juga bukan hanya analisis dari sebuah data. Namun juga sebuah integrase dari hasil untuk mendukung pada keputusan bisnis dalam perusahaan. Dalam pengetahuan bisnis. Melakukan ekstraksi dari permasalahan kepada keputusan bisnis kita dituntut untuk dapat membuat sebuah analisis yang tajam dan dapat menghasilkan keputusan yang baik. Model yang telah didapat dari  sebuah analsis dari dataset tersebut juga diharapkan mampu meningkatkan profit perusahaan.Melihat dari manfaat yang bisa didapat dari data mining. Sangat krusial untuk melakukan implementasi proses dengan benar.  Inklusi dari proses data mining terhadap permasalahan perusahaan harus dilakukan dengan baik, juga memperhatikan realitas dari sebuah metode untuk menyelesaikan permasalahan tersebut.

 

1. PEMBANGUNAN APLIKASI PENDETEKSIAN FRAUD PADA PAJAK MENGGUNAKAN DECISION TREE

Pajak merupakan kontribusi wajib kepada negara yang terutang oleh orang pribadi atau badan yang bersifat memaksa berdasarkan Undang-Undang, dengan tidak mendapatkan imbalan secara langsung dan digunakan untuk keperluan negara bagi sebesar-besarnya kemakmuran rakyat.Dalam konsep Data Mining, fraud merupakan sebuah kejadian yang ditemukan pada anomali data dan pattern. Dari keseluruhan dataset normal, jumlah fraud lebih sedikit dari keseluruhan total dataset normal, hal ini menjadi kendala tersendiri dalam pendeteksian, yang menyebabkan fraud sulit untuk dideteksi sehingga menyebabkan kerugian cukup besar. Dengan semakin berkembangnya dunia teknologi informasi maka fraud semakin berkembang luas sehingga menyebabkan kerugian finansial yang sangat besar. Maka diperlukan fraud detection. Adapun teknik-teknik yang digunakan untuk fraud detection adalah teknik statistik, kecerdasan buatan(artificial intelligent) maupun teknik Data Mining.Salah satu metode atau teknik Data Mining dalam melakukan fraud detection yang digunakan adalah Decision Tree.

Decision Tree merupakan salah satu model prediksi yang mana bisa mempresentasikan baik model klasifikasi maupun regresi.Decision Tree memiliki beberapa kelebihan yaitu, membutuhkan sedikit persiapan data, mampu mengolah data numerik maupun kategorikal, menggunakan mode whitebox, memungkinkan untuk memvalidasi model dengan menggunakan uji statistik, dan menghasilkan performansi yang baik jika menggunakan dataset yang besar.

Berdasarkan hasil pengujian yang dilakukan bisa disimpulkan bahwa :

a. Metode Decision Tree dengan menggunakan algoritma C4.5 dapat diimplementasikan dalam pembangunan aplikasi klasifikasi fraud detection yang mana menghasilkan rata-rata persentase akurasi yaitu 99,51% dari skenario pengujian yang dilakukan menggunakan dataset yang telah disiapkan.

b.  Data mentah dari pembayaran pajak restoran maupun rumah makan yang direkap tidak dapat digunakan secara langsung untuk melakukan fraud detection, dikarenakan tipe data pajak yang bersifat continous dan acak, serta tidak cocok untuk studi kasus yang dijabarkan, sehingga diperlukan preprocessing data terlebih dahulu agar data dapat digunakan dalam proses data mining.

 

2. MENDETEKSI KECURANGAN PADA TRANSAKSI KARTU KREDIT UNTUK VERIFIKASI TRANSAKSI MENGGUNAKAN METODE SVM

Kartu kredit merupakan salah satu metode pembayaran yang sangat populer dan banyak digunakan pada transaksi online. Sejalan dengan banyaknya pengguna kartu kredit dan bahkan menjadi metode pembyaran sehari-hari, keamanan dalam mem-verifikasi setiap transaksi juga sangat penting untuk ditingkatkan.Metode keamanan pada transaksi kartu kredit terus dikembangkan guna mengurangi kecurangan dan penipuan yang terjadi. Metode data mining merupakan salah satu yang dapat membantu dalam pendeteksian kecurangan yang terjadi dengan mengenali pola tranksaksi (pattern).Salah satu metode data mining yang populer adalah support vector machine (SVM) yang masuk dalam metode klasifikasi.

SVM adalah metode yang berakar dari teori pembelajaran statistik. Cara kerja SVM adalah mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas data pada input space. Berdasarkan hasil pengujian yang bisa disimpulkan bahwa :

Hasil uji coba pada desain SPPK yang diusulkan, sistem dapat mendeteksi data outlier yang dijadikan sebagai kecurangan (fraud). Hasil deteksi tersebut yang akan menjadi data yang akan dikirimkan pada pihak perbankan sebagai notifikasi kecurangan. Data training yang masih relatif sedikit kurang bisa mengambarkan tingakatan akurasi dan kecepatan.

Itulah implementasi data mining keuangan dengan menggunakan fraud detection.masing-masing menggunakan metode dan tools yang sesuai dengan kebutuhan dari data mining tergantung dari masalah dan perusahaannya.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Sumber Referensi:

https://www.neliti.com/publications/90063/implementasi-data-mining-untuk-memprediksi-kelayakan-permintaan-pinjaman-nasabah

http://rezzyekocaraka.com/2017/02/24/data-mining-untuk-permasalahan-bisnis-dan-keuangan/

https://www.kompasiana.com/tezasn/5ca8e28ba8bc15341e6c1b93/implementasi-data-mining-untuk-permasalahan-keuangan?page=3&page_images=1

 

 

 

 

 

 

 

 

 

 

SUMBER DAYA MANUSIA YANG BERKUALITAS

Pengertian Sumber Daya Manusia menurut Para Ahli

Beberapa ahli telah merumuskan arti dari sumber daya manusia (SDM) yaitu sebagai berikut.

1. Sonny Sumarsono

Sonny Sumarsono (2003) mengartikan bahwa sumber daya manusia mempuyai beberapa pengertian yaitu sumber daya manusia adalah usaha kerja yang bermanfaat bagi keberlangsungan produksi. Sedangkan makna yang kedua, sumber daya manusia merupakan kelompok manusia yang terdiri dari manusia yang memiliki kemampuan untuk memberikan jasa.

2. M.T.E Hariandja

Sumber daya manusia oleh Hariandja dimaknai sebagai salah satu faktor penting bagi sebuah perusahaan selain faktor modal. Faktor sumber daya manusia ini dianggap penting karena membutuhkan pengelolaan yang baik dalam rangka peningkatan mutu organisasi maupun perusahaan.

3. Mathis dan Jackson

Menurut Mathis dan Jackson (2006),sumber daya manusia merupakan suatu rancangan berbagai sistem formal dalam perusahaan maupun organisasi yang berfungsi untuk menjaga agar penggunaan bakat dan minat manusia dapat digunakan untuk mencapai tujuan organisasi atau perusahaan tersebut secara efektif dan efisien.

4. Hasibuan

Sumber daya manusia menurut Hasibuan adalah manusia yang mempunyai kemampuan terpadu yang dicirikan dengan pola pikir dan daya fisik yang baik. Perilaku dan watak sumber daya manusia berasal dari lingkungannya sedangkan prestasi dan motivasi kerja berasal dari keinginan dirinya sendiri.

5. Ermaya

Pengertian sumber daya manusia menurut Ermaya adalah suatu faktor utama yang penting dalam tiap proses pembangunan negara, perusahaan, maupun organisasi. Di dalam pembangunan ini sumber daya manusia memberi pengaruh yang bermanfaat sehingga harus diatur dan dijaga. Peran yang dimiliki sumber daya manusia ada dua yaitu sebagai objek serta subjek dari proses pembangunan.

6. Abdurrahmant Fathoni

Abdurrahmant Fathoni mengartikan sumber daya manusia sebagai kekayaan atau modal suatu negara yang penting bagi segala aktivitas manusia sehingga mencapai tujuan yang ingin dicapai. Untuk itu, diperlukan analisis pengembangan dengan metode yang sesuai dengan memperhatikan beberapa unsur seperti waktu, skill (kemampuan), dan daya yang dimiliki oleh setiap manusia.

7. Gouzali Syadam

Gouzali Syadam mengartikan sumber daya manusia sebagai human resource yang merupakan sumber utama dalam proses kegiatan di lingkungan sekitar. Beberapa ahli menyampaikan bahwa sumber daya manusia adalah sekelompok tenaga kerja yang memberikan daya dan upayanya kepada sebuah organisasi maupun perusahaan secara luas.

Fungsi Sumber Daya Manusia

Beberapa sumber daya manusia dijelaskan secara lengkap yaitu sebagai berikut.

1. Sebagai Tenaga Kerja

Tenaga kerja disebut juga ‘man power’ merupakan seluruh penduduk yang memiliki usia siap kerja (produktif). Tenaga kerja mempunyai kemampuan untuk memberikan jasa setiap satuan waktu yang berguna untuk menghasilkan produk berupa barang maupun jasa yang dapat bermanfaat bagi dirinya sendiri atau orang lain

2. Sebagai Tenaga Ahli

sumber daya manusia dapat berfungsi sesuai bidang dan kemampuannya salah satunya adalah sebagai tenaga ahli bagi suatu perusahaan atau negara.

3. Sebagai Pemimpin

sumber daya manusia yang mempunyai kapasitas lebih besar dengan skill dan pengalaman yang mumpuni dapat berfungsi sebagai pemimpin bagi suatu golongan, perusahaan, maupun organisasi.

4. Sebagai Tenaga Usahawan

sumber daya manusia yang dapat menjadi tenaga usahawan adalah mereka yang dapat melaksanakan pekerjaan yang berhubungan dengan kemandirian dalam rangka menciptakan suatu produk baru yang bermanfaat bagi orang banyak maupun lingkungannya.

5. Berfungsi dalam Pengembangan IPTEK

sumber daya manusia juga mempunyai fungsi utama dalam penemuan dan pengembangan ilmu sehingga dapat digunakan untuk kemajuan dirinya sendiri, lingkungan, dan orang lain termasuk perusahaan ataupun organisasi.

Sifat-sifat SDM berkualitas

1. Ulet

Seseorang yang tak gampang putus asa. Jadi akan terus menerus berusaha mencari penyelesaian, diiringi dengan sikap tekun, keuletan tersebut akan membawa orang tersebut pada sebuah dedikasi pekerjaan yang bermutu dan berkualitas. Di mana ini tentu saja akan membawa dampak positif pada perusahaan tempat pegawai tersebut bekerja.

2. Tekun

Seseorang yang memiliki kemampuan untuk memfokuskan perhatian mereka pada sesuatu yang sedang mereka kerjakan. Harap Anda ketahui, bahwa tidak semua orang bisa memiliki kemampuan ini. Ketekunan itu sendiri, akan menciptakan sesuatu, sebab manusia atau SDM berkualitas tak akan berhenti jika mereka belum membuahkan sesuatu yang positif untuk perusahaan atau tempat organisasi di mana mereka bekerja.

3. Inovatif

Selain tekun dan ulet, sifat ketiga ini juga penting untuk masuk dalam kategori SDM berkualitas. SDM yang berkualitas itu bukanlah seorang pegawai yang cepat puas dengan apa yang mereka gapai, namun merupakan seorang manusia unggul, yakni manusia kreatif, yang senantiasa aktif dalam mencari berbagai hal yang baru. Tentunya yang bersifat positif dan mendukung pekerjaan mereka untuk mencapai hasil yang lebih baik lagi, bukan penurunan kinerja.

4. Jujur

Sifat keempat ini sangatlah penting. Banyak SDM yang harus diberhentikan secara sepihak oleh perusahaan karena tidak memenuhi poin keempat ini, bahkan harus berurusan dengan hukum. Kejujuran ini, lebih luas, bukan hanya bagi orang lain namun juga bagi diri sendiri. Di mana kejujuran pada orang lain yakni harus bisa bekerja sama, dilandasi oleh rasa saling percaya. Kejujuran pada perusahaan, bekerja dengan baik dan sesuai aturan yang berlaku. Namun juga harus jujur terhadap kemampuan mereka sendiri, jika seorang SDM jujur terhadap apa yang bisa mereka perbuat serta apa yang tak dapat mereka perbuat, maka orang tersebut akan mendapatkan tanggung jawab pekerjaan yang sesuai. Dan tidak menutup kemungkinan untuk berkembang ke depannya.

5. Dedikasi

Walaupun terlihat sepele, namun dedikasi ini juga sifat yang penting yang harus dimiliki oleh SDM berkualitas. Seorang yang unggul wajib untuk memiliki rasa pengabdian pada tugas serta pekerjaan mereka. Di mana mereka harus mempunyai visi yang jauh ke depan. Seseorang dengan dedikasi yakni seorang yang disiplin, sebab akan fokus pada apa yang mau mereka wujudkan. Jika dilihat dari sisi profesionalitas, maka memiliki arti tidak bekerja setengah-setengah.

 sumber:

https://jagad.id/sumber-daya-manusia-materi-pengertian-fungsi-dan-contoh/

https://tulisanterkini.com/artikel/artikel-ilmiah/9188-karakteristik-ideal-sumber-daya-manusia-berkualitas.html

FUNGSI MANAJEMEN PT INDOSAT

FUNGSI MANAJEMEN

PT INDOSAT TBK

            PT Indosat berdiri  pada tahun 1967 sebagai salah satu perusahaan penanaman modal asing di Indonesia. Indosat mengoperasikan pertama kali sistem komunikasi satelit internasional, sehingga teknologi muktahir telah menjadi bagian dari keberadaan Indosat. Dengan tujuan menguasai kemajuan dari teknologi, Indosat bertekad memastikan keunggulan dalam persaingan di masa mendatang. 1980 Indosat semakin berkembang menjadi perusahaan telekomunikasi internasional pertama yang dibeli dan dimiliki secara 100% oleh pemerintah Indonesia. 1994 Menjadi perusahaan publik, Indosat juga mendaftarkan sahamnya di Bursa Efek Indonesia dan Bursa Efek New York.

            Fungsi manajemen terbagi 4 yaitu planning, organizing, actuating ,controlling. Penjelasan mengenai fungsi manajemen PT Indosat Tbk sebagai berikut :

1.      PLANNING (Perencanaan)

            Perencanaan  perusahaan harus disesuaikan dengan kondisi perusahaan yang ada. Sebelum melakukan analisis pada perencanaan strategi, digunakan analisa SWOT umtuk mengetahui kondisi perusahaan. 

·         Strengths (kekuatan), yaitu :

§  Adanya hak duopoli

§  Pengalaman dalam mengelola bisnis telekomunikasi internasional

§  Rangkaian produk dan jasa yang luas

§  Memiliki teknologi yang mutakhir

§  Kualitas produk dan jasa

§  Adanya citra perusahaan yang baik

·         Weakness

§  Kurangnya keinginan bersaing secara ketat karena adanya hak duopoli yang dimiliki.

·         Opportunities (kesempatan) yang dimiliki perusahaan, yaitu :

§  Besarnya pasar domestik yang belum tergarap

§  Perluasan bisnis baru yang mencakup core bisnis yang cukup menguntungkan

§  Bisnis telekomunikasi global yang menjanjikan. 

·         Threats (Ancaman) untuk perusahaan adalah 

§  Masuknya pendatang baru terutama dari luar negri sehubungan dengan berakhirnya hak duopoli yang dimiliki 

§  Adanya kompetisi global yang memasuki pasar domestic

§  Krisis ekonomi yang melanda Indonesia.

           

            Pada business focus re-ngineering, indosat fokus pada segmen seluler. Sedangkan pada restrukturisasi organisasi, indosat melakukan implementasi integrasi operasi satelindo dan IM3 melalui Indosat’s Cellular Integration Team, yakni satu jaringan, satu keputusan manajemen dan financial, serta sentralisasi manajemen. Disini ditekankan indosat sebagai operating seluler dan bukan sebagai holding company. Strategi-strategi ini dilihat sebagai target jangka panjang PT Indosat.

2.      ORGANIZING  (Pengorganisasian)

            Dalam sebuah perusahaan pasti memiliki struktur organisasi yang jelas dimana struktur organisasi sangat diperlukan untuk kepentingan perusahan untuk mencapai tujuan perusahaan itu. Seperti yang dikemukakan oleh Jennifer M. George and Gary Jones, struktur organisasi adalah sistem formal yang berhubungan dengan tugas dan pelaporan yang mengendalikan, mengkoordinasikan dan memotivasi pekerja sehingga mereka dapat bekerja sama untuk mencapai tujuan orgasnisasi.

             Maka dari itu berikut adalah struktur organisasi pada PT. Indosat, Tbk :

     Dari struktur organisasi diatas kita dapat melihat bahwa PT. Indosat membuat struktur organisasi nya sesuai dengan bidang nya masing-masing, dimana setiap divisi dapat menyelesaikan masalah di bidangnya dengan pengambilan keputusan yang baik. Dari pengambilan keputusan yang baik akan membuat perusahaan ini dapat bertahan sampai sekarang dari presiden direktur dibagi menjadi beberapa cabang direktur dan dibagi bagi sesuai dengan divisi-divisi nya. yang memiliki tugas sesuai dengan bidangnya.

Infrastruktur Perusahaan

            Indosat sebagai penyedia jasa telekomunikasi, jangakauan serta mutu dari jaringan dan infrastruktur adalah faktor kunci dalam memberikan data lebih cepat dan memberikan pengalaman pelanggan yang lebih baik, pada tahun 2013 agar tidak kalah bersaing dalam jangka panjang Indosat membelanjakan modal sebesar Rp. 9.322,4 miliar dengan tujuan meningkatkan jaringan, kapasitas dan layanan bagi pelanggan maupun sistem pendukung internal. Indosat juga memperbarui perangkat dan menambah BTS nya mencapai 24.280 BTS untuk kebutuhan pelanggan korporasi maupun ritel.

3.      ACTUATING (Pengarahan)

Pelaksanaan Pengendalian Perusahaan pada PT. Indosat, Tbk di pegang oleh Direktur Utama dibantu tujuh Direktur yang masing-masing membawahi satu direktorat. Dalarn satu direktorat terbagi lagi menjadi beberapa Group, masing-masing dikepalai oleh seorang Group Head (GH). Setiap Group Head membawahi beberapa Divisi yang dikepalai oleh seorang Division Head (DH), dibantu oleh beberapa Manager yang masing-masing membawahi suatu Bagian. Ada pula beberapa fungsi/tugas untuk setiap divisi yang meliputi:

§  Direktur Utama, bertugas memimpin, mengawasi, mengkoordinasi tugas-tugas dan PT Indosat sesuai peraturan perundang-undangan yang berlaku.

§  Wakil Direktur Utama, bertugas membantu dalam pelaksanaan menjalankan roda perusahaan.

§  Direktur, bertugas mengkoordinasi, melaksanakan pengawasan terhadap unit pelaksanaan operasional yang dibawahinya.

§  Group Head, bertugas:

            Mengarahkan, mengkoordinasi dan mengevaluasi pelaksanaan kerja dan bagian-bagian yang ada dalam group tersebut, Mengevaluasi dan merumuskan kebijakan Direktur yang bersangkutan dan mengimplementasikan pada masing-masing divisi serta menyampaikan alternative penyempurnaan, Mengevaluasi setiap masukan dan usulan yang diterima dari bagian masing-masing Division Head.

§  Division Head, bertugas:

Mengerahkan, mengkoordiansi dan mengevaluasi pelaksanaan kerja dari bagian-bagian yang ada dalam divisi tersebut, Mengevaluasi setiap kebijakan direktur yang bersangkutan dan divisi masing-masing serta menyampaikan alternative penyempumaan, Merumuskan kebijakan direktur ke dalam kegiatan operasional masing-masing divisi, Mengevaluasi setiap masukan dan usulan yang diterima dari bagian masing-masing divisi.

            Dari penjelasan di atas PT Indosat Tbk telah cukup baik dalam mengawasi pelaksanaan Pengendalian dan juga termasuk anggaran, hal ini semakin baik dengan di bentuknya Komite Audit. Komite Audit dari PT Indosat Tbk melaksanakan tugasnya berdasarkan perjanjian tertulis yang disahkan oleh Dewan Komisaris. Berdasarkan perjanjian, Komite harus terdiri atas sekurang-kurangnya satu orang Komisaris Independen dan dua tenaga ahli independen eksternal sebagai anggota. Salah seorang Komisaris Independen diangkat sebagai ketua. 

            Dari analisis diatas dapat disimpulkan, bahwa:

§  Proses pengendalian manajemen PT Indosat Tbk terdiri dari: perencanaan strategi, penyusunan anggaran dan pelaksanaan.

§  PT Indosat Tbk menerapkan strategi bisnis yakni dengan business focus re-engineering dan restrukturisasi organisasi yang berkelanjutan. Pada business focus re-ngineering, indosat focus pada segmen seluler. Sedangkan pada restrukturisasi organisasi, PT Indosat Tbk melakukan implementasi integrasi operasi satelindo dan IM3 melalui Indosat’s Cellular Integration Team.

§  Penyusunan anggaran pendapatan tahunan PT Indosat, Tbk dilakukan oleh bagian penyusunan anggaran, yaitu Group Controlling khususnya pada Divisi Revenue Analysis and Controlling. Divisi ini berada dibawah tanggung jawab dan koordinasi Group Head (GH) Controlling. Divisi ini berfungsi untuk menganalisis dan mengontrol setiap revenue yang ada di PT Indosat, Tbk.

§  Pelaksanaan Pengendalian Perusahaan pada PT. Indosat, Tbk dipegang oleh Direktur Utama dibantu tujuh Direktur yang masing-masing membawahi satu direktorat. Dalarn satu direktorat terbagi lagi menjadi beberapa Group, masing-masing dikepalai oleh seorang Group Head (GH). Setiap Group Head membawahi beberapa Divisi yang dikepalai oleh seorang Division Head (DH), dibantu oleh beberapa Manager yang masing-masing membawahi suatu Bagian.

4.      CONTROLLING (Pengendalian)

            Pada proses pengendalian manajemen, terdapat perbedaan manajer dalam gaya kepemimpinan, kemampuan interpersonal, kemampuan teknis, pengalaman, dan pendekatan dalam pembuatan keputusan.Karena itu, dalam proses pengendalian manajemen terdapat proses interaksi antara manajer dan interaksi antara manajer dengan karyawan. Kegiatan-kegiatan dalam proses pengendalian manajemen formal meliputi penyusunan anggaran, pelaksanaan, dan evaluasi. Dalam analisa akan dibedakan antara proses pengendalian manajemen pada perusahaan dan pengendalian manajemen pada divisi secara khusus.

            Penyusunan anggaran pendapatan tahunan PT Indosat,Tbk dilakukan oleh bagian penyusunan anggaran, yaitu Group Controlling khususnya pada Divisi Revenue Analysis and Controlling. Divisi ini berada dibawah tanggung jawab dan koordinasi Group Head(GH) Controlling. Divisi ini berfungsi untuk menganalisis dan mengontrol setiap revenue yang ada di PT Indosat, Tbk. Divisi Revenue Analysis and Controlling sendiri terbagi menjadi 3 bagian yakni Cellular Revenue Analysis & Controlling, Fixed-MIDI Revenue Analysis & Controlling, Region Revenue Analysis & Controlling.

            Bagian Fixed-MIDI Revenue Analysis & Controlling mempunyai fungsi sebagai berikut :

§  Mengevaluasi dan menganalisis Fixed & MIDI revenue untuk setiap produk dan jasa.

§  Membuat laporan bulanan PT IndosatPCO (Parent Company Only)

§  Melakukan koordinasi dengan departemen lainnya, khususnya untuk implementasi program pada jaringan dan IT yang berhubungan dengan Fixed & MIDI revenue

§  Mengevaluasi dan menjalankan SAP module yang berhubungan dengan Fixed & MIDI revenue

§  Menargetkan revenue untuk "revenue driver Group and analyze" 

§  Menargetkan revenue setting untuk Director KPI dan menyediakan sesuai dengan realisasinya.

SUMBER :

http://rusdiandrianto.blogspot.com/2016/10/manajemen-perusahaan-terbuka-ptindosat.html[ Diaksespada 10 November 2019 ]

http://sukmaimaniati.blogspot.com/2016/10/penerapan-manajemen-pt-indosat-tbk.html[ Diaksespada 10 November 2019 ]

Nama   : Ayu Amelia

NPM   : 21216232

Kelas   : 4EB01