Claim Missing Document
Check
Articles

Found 4 Documents
Search

Menentukan Metode Terbaik Implementasi Enterprise Architecture: Analisis Perbandingan Metode TOGAF dan FEAF Hartawan, Citra Adinda; Ismah, Azmina Zata; Kholisoh, Elis; Mulyanah, Mulyanah; Hasugian, Reny Agustina; Idrus, Ali
INTECH (Informatika dan Teknologi) Vol 5 No 1 (2024): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v5i1.2322

Abstract

This research explores the implementation of Enterprise Architecture (EA) with a focus on two main methods, namely The Open Group Architecture Framework (TOGAF) and the Federal Enterprise Architecture Framework (FEAF). EA implementation is recognized as the key to integrating business strategy and information technology in organizations. TOGAF offers a structured approach with clear phases, while FEAF is more focused on the government sector with more general guidelines. TOGAF is known for its comprehensive coverage and global support, while FEAF has advantages in the United States government context. Comparative analysis identifies the advantages and disadvantages of both. TOGAF has complexities that can be a challenge, while FEAF may be suboptimal for complex private organizations. The research conclusion highlights that the choice of method depends on the needs and context of the organization. TOGAF may be better suited to a structured and comprehensive implementation, while FEAF may be quicker to implement with a more limited focus. This research provides guidance for decision makers in selecting EA methods that suit the unique characteristics and goals of the organization.
Pemanfaatan Big Data dalam Menangani Data Peningkatan Pasien COVID-19 di Indonesia Arisadewo, Lazuardi; Daeng Mappa, Andi Irfan; Kharil Anwar, Muhammad; Hasugian, Reny Agustina
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i1.1319

Abstract

Pada akhir tahun 2019, dunia dihebohkan dengan sebuah kejadian sebuah kasus pneumonia yang teridentifikasi sebagai jenis baru coronavirus yang berasal dari Kota Wuhan, China. Virus ini dapat menyebar pada hewan dan manusia, yang mana virus ini akan menyerang saluran pernafasan hingga dapat menyebabkan Sindrom Pernafasan Akut Berat (SARS). Penyebaran dan peningkatan jumlah kasus COVID-19 terjadi dengan waktu yang sangat cepat dan telah menyebar ke beberapa negara termasuk Indonesia. Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis disimpan dalam bentuk digital. Data medis saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah yang besar tetapi juga bersifat kompleks, variatif, dan aktual. Dengan adanya big data dapat lebih mempermudah para dokter dan suster dalam menangani peningkatan pasien COVID-19 di Indonesia. Selain itu, penggunaan big data dapat mempermudah masyarakat untuk mendapatkan informasi tentang penyebaran COVID-19. Penelitian ini bertujuan guna memahami peranan dan implementasi big data dalam menangani data peningkatan pasien COVID-19 di Indonesia.
Pemanfaatan Big Data dalam Menangani Data Peningkatan Pasien COVID-19 di Indonesia Arisadewo, Lazuardi; Daeng Mappa, Andi Irfan; Kharil Anwar, Muhammad; Hasugian, Reny Agustina
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1205.365 KB) | DOI: 10.54367/jtiust.v6i1.1319

Abstract

Pada akhir tahun 2019, dunia dihebohkan dengan sebuah kejadian sebuah kasus pneumonia yang teridentifikasi sebagai jenis baru coronavirus yang berasal dari Kota Wuhan, China. Virus ini dapat menyebar pada hewan dan manusia, yang mana virus ini akan menyerang saluran pernafasan hingga dapat menyebabkan Sindrom Pernafasan Akut Berat (SARS). Penyebaran dan peningkatan jumlah kasus COVID-19 terjadi dengan waktu yang sangat cepat dan telah menyebar ke beberapa negara termasuk Indonesia. Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis disimpan dalam bentuk digital. Data medis saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah yang besar tetapi juga bersifat kompleks, variatif, dan aktual. Dengan adanya big data dapat lebih mempermudah para dokter dan suster dalam menangani peningkatan pasien COVID-19 di Indonesia. Selain itu, penggunaan big data dapat mempermudah masyarakat untuk mendapatkan informasi tentang penyebaran COVID-19. Penelitian ini bertujuan guna memahami peranan dan implementasi big data dalam menangani data peningkatan pasien COVID-19 di Indonesia.
Menentukan Metode Terbaik Implementasi Enterprise Architecture: Analisis Perbandingan Metode TOGAF dan FEAF Hartawan, Citra Adinda; Ismah, Azmina Zata; Kholisoh, Elis; Mulyanah, Mulyanah; Hasugian, Reny Agustina; Idrus, Ali
INTECH Vol. 5 No. 1 (2024): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v5i1.2322

Abstract

This research explores the implementation of Enterprise Architecture (EA) with a focus on two main methods, namely The Open Group Architecture Framework (TOGAF) and the Federal Enterprise Architecture Framework (FEAF). EA implementation is recognized as the key to integrating business strategy and information technology in organizations. TOGAF offers a structured approach with clear phases, while FEAF is more focused on the government sector with more general guidelines. TOGAF is known for its comprehensive coverage and global support, while FEAF has advantages in the United States government context. Comparative analysis identifies the advantages and disadvantages of both. TOGAF has complexities that can be a challenge, while FEAF may be suboptimal for complex private organizations. The research conclusion highlights that the choice of method depends on the needs and context of the organization. TOGAF may be better suited to a structured and comprehensive implementation, while FEAF may be quicker to implement with a more limited focus. This research provides guidance for decision makers in selecting EA methods that suit the unique characteristics and goals of the organization.