Analisis Penggunaan Quantitative Risk Management Tools dalam Proyek Big Data oleh Mahasiswa Sistem Informasi Kampus X

pratama

doi:10.33541/mr.v5i1.6285

pratama uinsa

DOI: https://doi.org/10.33541/mr.v5i1.6285

Keywords: Manajemen Risiko, Big Data, Proyek Teknologi Informasi, PMBOK, Simulasi Monte Carlo, Expected Monetary Value, Analisis Sensitivitas

Abstract

Big Data telah menjadi elemen yang penting dalam banyak proyek teknologi informasi, terutama dalam dunia pendidikan tinggi. Proyek-proyek yang melibatkan Big Data sering kali dihadapkan pada risiko yang kompleks, mulai dari risiko teknis, operasiona, hingga risiko yang berhubungan dengan keberhasilan implementasi. Jurusan Sistem Informasi di Kampus X memiliki peran penting dalam mempersiapkan mahasiswa untuk mengelola risiko-risiko ini, dengan menggunakan alat dan teknik analisis risiko kuantitatif. Penelitian ini bertujuan untuk menganalisis penggunaan Quantitative Risk Management Tools dalam proyek-proyek Big Data yang dikerjakan oleh mahasiswa Sistem Informasi. Alat-alat yang diambil dari kerangka kerja PMBOK, seperti Simulasi Monte Carlo, Expected Monetary Value (EMV), dan Analisis Sensitivitas, akan dieksplorasi dalam konteks proyek mahasiswa. Studi ini menyoroti bagaimana penerapan alat-alat tersebut dapat membantu mahasiswa dalam mengukur risiko secara objektif, memahami potensi dampak terhadap proyek, dan mengambil keputusan yang lebih terinformasi. Hasil penelitian ini diharapkan dapat memberikan wawasan lebih mendalam bagi mahasiswa dalam mengelola risiko proyek Big Data dan mempersiapkan mereka menghadapi tantangan di dunia kerja.

References

Project Management Institute. (2017). A Guide to the Project Management Body of Knowledge (PMBOK Guide). Sixth Edition. Project Management Institute.
Alpaydin, E. (2020). Introduction to Machine Learning. MIT Press.
Kerzner, H. (2017). Project Management: A Systems Approach to Planning, Scheduling, and Controlling. John Wiley & Sons.
Chapman, C., & Ward, S. (2011). How to Manage Project Opportunity and Risk: Why Uncertainty Management Can Be a Much Better Approach than Risk Management. John Wiley & Sons.
Aven, T. (2015). Risk Analysis: Assessing Uncertainties Beyond Expected Values and Probabilities. John Wiley & Sons.
Clemen, R. T., & Reilly, T. (2013). Making Hard Decisions with DecisionTools. Cengage Learning.
Hillson, D. (2011). Practical Project Risk Management: The ATOM Methodology. Management Concepts.
Hubbard, D. W. (2014). The Failure of Risk Management: Why It's Broken and How to Fix It. John Wiley & Sons.
Kuechler, W. L., & Vaishnavi, V. (2011). Promoting Relevance in IS Research: An Informal Schema for 'Theory Checking' Stage of Theory Building. Communications of the Association for Information Systems, 28(1), 26-32.
Lamba, H., & Dubey, M. (2016). Big Data in IT Project Management: Challenges and Applications. International Journal of Computer Applications, 141(11), 1-6.
Paté-Cornell, M. E. (2012). On 'Black Swans' and 'Perfect Storms': Risk Analysis and Management When Statistics Are Not Enough. Risk Analysis, 32(11), 1823-1833.
Raz, T., & Michael, E. (2001). Use and Benefits of Tools for Project Risk Management. International Journal of Project Management, 19(1), 9-17.
Schwalbe, K. (2015). Information Technology Project Management (8th ed.). Cengage Learning.
Sommerville, I. (2016). Software Engineering (10th ed.). Pearson.