1801442092
Tugas Personal 3
Minggu ke 5
PT. Brenz Indonesia (BRENZ), merupakan salah satu perusahaan yang bergerak dibidang
pembuatan aplikasi sistem. Anda dikontrak menjadi salah satu System Analyst (SA) oleh
BRENZ. Saat ini BRENZ mempunyai beberapa client yang diantaranya bergerak dibidang
keuangan perbankan. Salah satu client yaitu Bank Mandiri. Bank Mandiri saat ini sudah
memiliki Data Warehouse. Namun DW belum digunakan secara maksimal, artinya dalam
pengambilan keputusan tidak berdasarkan informasi yang valid dan akurat. Manajemen masih
menggunakan insting dalam mengambil keputusannya. Oleh karena itu anda ditugaskan untuk
mengubah perilaku manajemen tsb. Salah satu keputusan yang ingin diambil adalah Bank
Mandiri ingin membuat sebuah produk baru yang dapat menambah dan meningkatkan
pendapatan. Oleh karena itu diperlukannya penelitian dan Data Mining untuk menentukan
Produk Baru itu. Sebagai SA, BRENZ meminta anda untuk membuat presentasi kepada
manajemen Bank Mandiri yang isinya sebagai berikut:
a. Menjelaskan Keuntungan-keuntungan yang didapatkan perusahaan dalam penerapan BI.
b. Gambaran mengenai arsitektur OLTP, Data Warehouse dan BI yang akan dibangun.
Operasional system masuk ke dalam software untuk data acquisition di dalam tier satu,
data warehouse masuk ke tier kedua, dan tier yang ketiga didalam nya terdapat
DSS/BI/BA engine. Keuntungan dari arsitektur three-tier ini adalah pemisahan fungsi
dari data warehouse, yang membuat resource menjadi tidak terbatas dan membuat
pemrosesan di data mart akan lebih mudah.
c. Jenis Teknik Data Mining yang akan anda gunakan dan contoh penerapannya.
Untuk kasus pada soal, saya sebagai seorang system analyst akan menggunakan teknik
Clustering. Teknik ini merupakan pengelompokan kumpulan data menjadi beberapa
ROBBY HSKI GINTING
1801442092
kelompok sehingga objek didalam satu kelompok memiliki banyak kesamaan dan
memiliki banyak perbedaan dengan objek di kelompok lain.
Perbedaan dan persamaan nya biasanya berdasarkan nilai atribut dari objek tersebut dan
dapat juga berupa perhitungan jarak.
Untuk contoh penerapan nya pada kasus diatas, clustering dapat mengatur banyak
customer ke dalam banyak group, seperti mengelompokkan customer ke dalam beberapa
cluster dengan kesamaan karakteristik yang kuat. Dengan demikian perusahaan tersebut
dengan mudah bisa mengambil keputusan dengan pertimbangan pertimbangan yang
disajikan oleh system.
Reference
1. http://cacm.acm.org/magazines/2011/8/114953-an-overview-of-business-intelligence-
technology/fulltext
2. http://queens.db.toronto.edu/~papaggel/courses/csc309/docs/lectures/web-
architectures.pdf
3. http://www-
users.cs.umn.edu/~kumar/dmbook/dmslides/chap8_basic_cluster_analysis.pdf