Anda di halaman 1dari 14

1.

1 Mengorganisasikan Data dalam Lingkungan File Tradisional


Sebuah sistem inforamsi yang efektif menyediakan informasi yang akurat, tepat
waktu, dan relevan bagi penggunanya. Informasi yang akurat adalah bebas dari kesalahan
juga informasi dikomunikasikan dengan tepat waktu maka dapat digunakan sebagai
pengambilan keputusan sesuai kebutuhan pengguna. Informasi yang tepat waktu adalah
tersedia bagi pembuat keputusan ketika diperlukan. Informasi yang relevan adalah yang
bermanfaat dan tepat untuk jenis pekerjaan dan dapat digunakan sebagai pengambilan
keputusan atas informasi tersebut.
1.1.1 Istilah dan Konsep dalam Pengorganisasian File
Sistem komputer mengorganisasikan data dalam sebuah hirarki yang dimulai
dengan bit, bytes dan berkembang menjadi fields, records, files dan databases.
1) Bit : Unit terkecil data yang ditangani oleh komputer. Bit (binary digit) diwakili
0 atau 1.
2) Byte : Sekelompok bit yang mewakili satu karakter tunggal yang dapat
berbentuk huruf, angka atau simbol lain. Terdiri dari 8 bit.
3) Character : Diwakili oleh 1 byte untuk setiap huruf.
4) Data : Fakta yang mewakili event yang terjadi dalam organisasi atau lingkungan
fisik sebelum diorganisasikan dan diubah ke dalam bentuk yang dapat dipahami
dan digunakan oleh manusia (Laudon, 2000).
5) Entity : Seseorang, tempat, sesuatu atau peristiwa yang tersimpan dalam
informasi.
6) Field / Attribute / Data Element : Sekelompok karakter yang dimasukkan pada
suatu kata, kelompok kata, atau nomor yang lengkap (seperti nama atau usia).
Setiap karakteristik yang menjelaskan entity tertentu disebut atribut.
7) Record : Sekelompok field yang berhubungan seperti nama mahasiswa, mata
kuliah yang diambil, tanggal dan nilai.
8) File : Sekelompok record yang sama jenisnya.
9) Database : Kumpulan data yang diorganisasikan untuk melayani berbagai
aplikasi dalam satu waktu dengan menyimpan dan mengelola data sehingga
dapat muncul dalam satu tempat.

1
10) Key Field : Field yang berfungsi untuk mengidentifikasi record sehingga record
dapat dipanggil, diperbarui atau disortir.
1.1.2 Masalah-Masalah dalam Lingkungan Data Tradisional
Pada kebanyakan organisasi file data dan sistem cenderung bertumbuh secara
mandiri tanpa rencana menyeluruh untuk perusahaan. Setiap aplikasi tentu saja
membutuhkan file dan program komputernya sendiri untuk dapat bekerja. Dapat
melalui pendekatan tradisional terhadap pemrosesan suatu informasi, sebagai
contoh aplikasi yang menggunakan pendekatan tradisional :
1) Departemen SDM mempunyai file master personalia, file penggajian, file
asuransi kesehatan, file pensiun, file daftar alamat.
2) Departemen Keuangan mempunyai file penggajian, file pensiun, file daftar
utama karyawan untuk kegiatan pembayaran gaji.
Masalah-masalah yang ada dalam lingkungan data dtradisional, yaitu :
1) Redudansi dan Inkonsistensi Data
Redudansi data merupakan adanya duplikasi data dalam beberapa file data
yang sama disimpan di dalam lebih dari satu tempat atau lokasi. Redundasi data
terjadi kelompok yang berbeda di dalam suatu orgainisasi mengumpulkan
potongan data yang sama secara independen dan menyimpannya secara
independen juga. Redundasi data menghabiskan tempat penyimpanan data dan
menimbulkan inkonsistensi data, dalam arti atribut yang sama mungkin nilai
yang berbeda. Misalnya, dalam contoh yaitu :
a. Didalam sistem yang menggunakan input indentitas mahasiswa tapi di
sistem yang lain menginputnya menggunakan indentitas saja.
b. Pada sistem pengkodean yang berbeda , misanya pada toko pakaian
menggunakan kode yang berbeda pada penjualan, persediaan, dan sistem
produksi dengan kode yang digunakan untuk mengkode ukuran pakaian
yang dijual kepelanggan.
2) Ketergantungan Program Data
Ketergantungan program data mengacu pada pasangan data yang
tersimpan dalam file dan program tertentu. Perubahan pada suatu program, juga

2
mempengaruhi perubahan file dan data. Karena file merupakan kumpulan data
yang telah dikumpulkan.
3) Kurangnya Fleksibilitas
Sistem file tradisional bisa menimbulkan banyak laporan rutin terjadwal
setelah dilakukan banyak perubahan pemograman, sebab pengguna tidak bisa
membuat laporan yang bersifat instan atau merespon prasyarat-prasyarat
informasi yang tak terantisipasi sebelumnya secara cepat. Ketergantungan
program data mengacu pada penggabungan dari data yang disimpan dalam file
dan program khusus yang diperlukan untuk memperbaharui dan memelihara file
tersebut sehingga perubahan program memerlukan perubahan terhadap data.
Setiap program komputer tradisional harus menggambarkan lokasi dan sifat
data dimana itu bekerja. Dalam lingkungan file tradisional, setiap perubahan
dalam program perangkat lunak dapat memerlukan perubahan dalam data yang
diakses oleh program itu. Salah satu program dapat dimodifikasi dari lima digit
untuk ZIP kode sembilan digit. Jika file asli diubah dari lima digit untuk ZIP
kode sembilan digit, maka program lain yang dibutuhkan kode ZIP lima digit
tidak lagi bekerja dengan baik. Perubahan tersebut bisa menghabiskan biaya
jutaan dolar untuk menerapkan dengan benar.
4) Sistem Keamanan yang Buruk
Kendali pada data dan pengelolaan yang kurang, akses dan penyebaran
dari suatu informasi mungkin dapat dilakukan. Oleh karena itu kurang bisa
mengendalikan atau mengelola data, maka aktivitas akses dan penyebaran
informasinya tidak bisa terkuasai dengan baik. Manajemen tidak bisa
mengetahui dengan pasti siapa yang mengakses atau bahkan membuat
perubahan pada data organisasi. Tidak setiap pemakai sistem basis data
diperbolehkan untuk mengakses semua data, misalnya data mengenai gaji
pegawai hanya boleh dibuka oleh bagian keuangan dan personalia, sedang
bagian gudang tidak diperkenankan untuk membukanya.
5) Kekurangan Ketersediaan dan Pendistribusian Data
Akses data yang tidak fleksibel dalam sebuah sistem yang simpang siur
membuat kesulitan untuk mendapatkan informasi. Informasi tidak bisa mengalir

3
dengan lancar ke semua wilayah fungsional atau ke bagian-bagian dalam
organisasi. Karena potongan informasi dalam file yang berbeda dan bagian
yang berbeda dari organisasi tidak dapat berhubungan satu sama lain, maka
hampir tidak mungkin untuk informasi dapat dibagikan atau diakses tepat
waktu. Informasi tidak bisa mengalir bebas melintasi area fungsional yang
berbeda atau berbagai bagian organisasi lain. Jika pengguna menemukan nilai
yang berbeda dari bagian informasi yang sama dalam dua sistem yang berbeda,
mereka mungkin tidak ingin menemukan masalah ini karena mereka akan
meragukan keakuratan data.
1.2 Pendekatan Database untuk Pengelolaan Data
Teknologi database banyak menyelesaikan masalah-masalah pada organisasi yang
menggunakan sistem file tradisional. Definisi yang lebih jelas mengenai database adalah
sekumpulan data yang diorganisasikan untuk melayani berbagai aplikasi secara efisien
dengan memusatkan data dan mengurangi penggandaan data. Ketimbang menyimpan
data pada file-file yang terpisah untuk setiap aplikasi, data yang dimunculkan kepada
pengguna, berasal dari satu lokasi penyimpanan saja. Database tunggal yang melayani
banyak aplikasi, sebagai contoh suatu perusahaan ketimbang menyimpan data
pegawainya pada sistem informasi dan file yang berbeda untuk data pribadi, penggajian
dan tunjangan, perusahaan dapat menciptakan database sumber daya manusia tunggal.
1.2.1 Sistem Manajemen Database
Sistem manajemen database adalah perangkat lunak yang memungkinkan
suatu organisasi memusatkan data, mengelola secara efisien, dan menyediakan
akses terhadap data yang disimpan oleh program aplikasi. Database manajemen
sistem bertindak sebagai antar muka antara program aplikasi dan file data secara
fisik. Ketika program aplikasi meminta suatu item data, seperti gaji bruto database
manajemen sistem akan menemukan item data tersebut pada database dan
menampilkannya lewat program aplikasi. Dengan menggunakan file-file data
tradisional program menspesifikasikan ukuran dan format dari setiap elemen data
yang digunakan dalam sebuah program, kemudian menginformasikannya ke
komputer dimana lokasi mereka.

4
Database manajemen sistem meringankan pekerjaan pemrogram dan
pengguna dengan cara memahami dengan cara dimana dan bagaiamana suatu data
disimpan dengan memberikan tampilan terpisah pada data fisik dan data logis.
Tampilan data logis menampilkan data sesuai apa yang diharapkan atau
dibayangkan oleh pengguna akhir ataupun spesialis bisnis, dimana tampilan data
fisik menampilkan bagaimana sesungguhnya suatu data diorganisasikan dan
strukturisasi pada media penyimpanan media fisik. Perangkat lunak database
manajemen sistem memungkinkan database fisik dapat diakses secara logis oleh
pengguna akhir.
1) Bagaimana DBMS Menyelesaikan Masalah-Masalah pada Lingkungan File
Tradisional
DBMS mengurangi redudansi (ganda) dan inskonsistensi data dengan
meminimalisasi file-file yang terialisasi yang berisi data sama. Mungkin
DBMS tidak dapat menghilangkan redudansi data secara keseluruhan pada
suatu organisasi, namun mereka dapat meminimalkannya. Meskipun satu
organisasi memiliki data ganda, namun dengan menggunakan DBMS,
inkonsistensi data tersebut.
2) DBMS Relasional
Jenis DBMS yang paling populer bagi PC ataupun mainframe saat ini
adalah relasional DBMS. DBMS relasional menampilkan data menjadi tabel
dua dimensi. Tabel juga dapat sebagai file. Microsoft DBMS relasional untuk
sistem PC, dimana DB2 , orade data dan microsoft SQL server adalah DBMS
relasional untuk komputer berukuran sedang dan besar seperti mainframe.
MySQL adalah DBMS open source yang terkenal, sedangkan database lite
adalah DBMS untuk perangkat komputasi mobile.
3) Operasi DBMS Relasional
Tabel database relasional dapat dikombinasikan dengan mudah untuk
mengirimkan data yang diperlukan pengguna, yang disediakan oleh dua tabel
yang saling berbagi elemen data.

5
4) Database Non Relasional dan Database pada Sistem Cloud Computing
Sistem manajemen database non-relasional (non relational database
management system) menggunakan model data yang lebih fleksibel dan
dirancang untuk mengelola data berukuran besar yang didistribusikan pada
banyak perangkat serta mempermudah dalam meningkatkan atau menurunkan
skalabilitas. Mereka sangat berguna untuk menangani permintaan-permintaan
data sederhana pada data terstruktur maupun yang tidak memiliki volume
besar, seperti web, media sosial, grafis , dan bentuk-bentuk data lainnya yang
sulit dianalisis menggunakan perangkat tradisional berbasis SQL.
Beberapa jenis database NoSQL, masing-masing memiliki fitur teknis dan
perlakuan yang berbeda. Database oracle NoSQL salah satu contohnya adalah
simple DB buatan amazon, salah satu layanan web yang beroprasi pada sistem
cloud computing. Simple DB menyediakan layanan web dengan tampilan
yang mudah dipahami untuk menciptakan dan menyimpan rangkaian
data,menganalis data dengan mudah,dan mengembalikan hasilnya. Tidak
perlu mendefinisikan terlebih dahulu kedalam database struktur formal atau
mengubah definisi apabila ada data baru yang masuk.
Amazon dan penyedia layanan cloud computing lainnya juga
menyediakanDBMS relasional. Relational Database Service (RDS) amazon
menawarkan mySQL, SQL server, ataupun oracle database sebagai mesin
pencari database. Besarnya pembayaran bergantung pada jumlah penggunaan.
Oracle memiliki database cloud service menggunakan relasional oracle
database , sedangkan microsoft SQL azure database adalah layanan database
relasional berbasis cloud computing yang beroprasi pada microsoft SQL
server DBMS. Layanan manajemen data berbasis cloud computing memiliki
daya tarik tersendiri bagi organisasi kecil dan menengah yang baru memulai
bisnisnya dengan menawarkan harga yang terjangkau, ketimbang produk
database dalam perusahaan.

6
1.2.2 Kapabilitas Sistem Manajemen Database
DBMS selalu menyertakan perangkat untuk mengorganisasikan, mengelola
data pada database. Hal yang penting adalah bahasa untuk mendefinisikan data
dan bahasa untuk memanipulasi data atau memodifikasi data. DBMS memiliki
kapabilitas definisi data (data defination) untuk mensfesifikasikan konten
database. Definisi data digunakan untuk membuat tabel database ini akan
didokumentasikan dalam kamus data. Kamus data (data dictionary) adalah file
manual ataupun otomatis yang menyimpan definisi-definisi elemen data berikut
karakteristik mereka.
1) Meminta Data dan Melaporkan
DBMS menyertakan perangkat untuk mengakses dan memanipulasi
informasi database. Sebagian besar DBMS memiliki bahasa tersendiri yang
disebut bahasa manipulasi data yang digunakan untuk menambah, mengubah,
menghapus data pada database. Bahasa ini mengandung perintah yang
memungkinkan pengguna pemograman untuk mengekstrak atau menyaring
data dari database untuk memenuhi kebutuhan informasi dan mengembangkan
aplikasi. Bahasa manipulasi data yang paling mutakhir saat ini adalah
structured query language atau SQL.
1.2.3 Merancang Database
Untuk merancang database harus memahami hubungan antar data, jenis data
yang dikelola pada database, database memerlukan rancangan konsep maupun
fisik. Rancangan konseptual atau logis dari suatu database adalah model abstrak
database dari perspektif organisasi bisnis, dimana rancangan fisik menunjukan
bagaimana database dirancang lewat akses langsung perangkat penyimpanan.
1) Normalisasi dan Diagram Relasi Entitas
Rancangan konseptual suatu database menggambarkan bagaimana
elemen-elemen data pada database dikelompokkan. Proses perancangan
tersebut mengidentifikasi hubungan data-data ganda dan pengelompokkan
elemen-elemen data yang diperlukan untuk program aplikasi yang spesifik.
Sekelompok data diorganisasikan, diperbaiki, dan didistribusikan dengan
lancar , sampai hubungan logis diantara seluruh data pada database tampak

7
jelas. Untuk menggunakan model database relasional secara efektif, kelompok
data yang rumit harus disederhanakan untuk meminimalisasi elemen-elemen
data yang ganda serta hubungan-hubungan jamak yang janggal. Proses
menciptakan struktur data yang ringkas, stabil, serta fleksibel dan adaptatif
dari kelompok-kelompok data yang rumit dinamakan normalisasi.
1.3 Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis Dan Pengambilan
Keputusan
Organisasi bisnis menggunakan database mereka untuk memantau transaksi dasar,
seperti membayar pemasok, memproses pesanan, memantau pelanggan, serta menggaji
karyawan. Akan tetapi, mereka juga membutuhkan database untuk menyediakan
informasi guna menjalankan bisnisnya dengan lebih efisien, serta membantu manajer dan
karyawan membuat keputusan yang lebih baik. Jika suatu perusahaan ingin mengetahui
produkmana yang paling popular, atau pelanggan mana yang paling mendatangkan
banyak keuntungan, jawabannya terdapat pada data.
1.3.1 Tantangan dalam Menangani Besarnya Volume Data
Data besar (big data) tidak mengacu pada jumlah tertentu, namun biasanya
mengacu pada data di kisaran petabyte dan exabyte dengan kata lain, miliaran
hingga triliunan rekaman, semuanya berasal dari sumber yang berbeda. Data besar
diproduksi dalam jumlah jauh lebih banyak dan jauh lebih cepat daripada data
tradisional. Bisnis tertarik pada data yang besar karena mereka dapat
mengungkapkan lebih banyak pola dan anomali yang menarik daripada kumpulan
data yang lebih kecil, yang berpotensi memberikan wawasan baru tentang perilaku
pelanggan, pola cuaca, aktivitas pasar keuangan, atau fenomena lainnya. Namun,
untuk memperoleh nilai bisnis dari data ini, organisasi membutuhkan teknologi dan
alat baru yang mampu mengelola dan menganalisis data non-tradisional beserta
data perusahaan tradisional mereka.
1.3.2 Infrastruktur Intelejen Bisnis
Kebutuhan akan data yang berkapabilitas besar memerlukan infrastruktur
bisnis yang terkini dan memiliki rangkian perangkat untuk memperoleh informasi-
informasi yang diperlukan dari berbagai jenis data yang berbeda dalam organisasi.
Kemampuan-kemampuan tersebut meliputi :

8
1) Data Warehouse dan Data Mart
Data warehouse adalah data yang menyimpan data historis dan data terkini
yang berpengaruh bagi kepentingan pengambilan keputusan di seluruh
perusahaan. Data historis dan data terkini dikombinasikan dengan data sumber
eksternal, serta mengoreksi data yang tidak akurat dan kurang lengkap sekaligus
memperbaiki susunan data bagi kepentingan pelaporan dan analisi data bagi
pihak manajemen sebelum dimasukkan ke dalam data warehouse. Data mart
adalah bagian dari data warehouse yang diringkas atau dikhususkan untuk
penanganan jenis-jenis data tertentu pada database yang terpisah untuk
kelompok pengguna yang telah ditentukan.
2) Hadoop
Hadoop adalah kerangka kerja open-source yang dikelola oleh Apache
Software Foundation yang memungkinkan pendistribusian prosesdata
berkapasitas besar secara pararel pada komputer-komputer berbiaya terjangkau.
Hadoop memecah masalah data besar tersebut menjadi bagian-bagian yang
lebih kecil, kemudian mendistribusikannya keribuan titik pemrosesan komputer
yang berbiaya terjangkau, lalu mengombinasikan hasilnya menjadi rangkaian
data yang lebih kecil untuk mempermudah proses analisis. Hadoop terdiri atas
Hadoop Distributed File System (HDFS) untuk penyimpanan file data dan
MapReduce untuk pemrosesan data paralel dengan tampilan grafis tinggi.
3) Komputasi Dalam Memori
Cara lainnya untuk memfasilitasi analisis data yang besar adalah dengan
menggunakan komputasi dalam memori, yang sangat mengandalkan pada
memori utama komputer untuk data penyimpanan. Para pengguna akan
mengakses data yang disimpan dalam memori system utama, dengan demikian
dapat menghilangkan kemacetan dari mengambil dan membaca data dalam
suatu database tradisional, berdasarkan pada disk dan secara dramatis akan
mempersingkat waktu tunggu atas permintaan. Pada pemrosesan dalam memori
akan memungkinkan bagi serangkaian data yang sangat besar, sebesar ukuran
data mart atau data warehouse yang kecil, untuk meletakkan seluruhnya dalam
memori. Perhitungan bisnis yang rumit yang biasanya memerlukan waktu

9
berjam-jam atau berhari-hari akan dapat diselesaikan dalam hitungan detik,
bahkan dapat diselesaikan menggunakan perangkat genggam.
4) Platform Analitis
Para vendor database komersial telah mengembangkan platform analitis
berkecepatan tinggi yang terspesialisasi dengan menggunakan baik teknologi
terkait maupun yang tidak terkait yang dioptimalkan untuk menganalisis
kumpulan data yang besar. Platform analitis ini, seperti misalnya IBM Netezza
dan Oracle Exadata, menampilkan system perangkat keras-perangkat lunak
yang telah dikonfigurasi sebelumnya, yang secara spesifik dirancang untuk
pemrosesan permintaan dan analitis.
1.3.3 Perangkat Analisis Hubungan Poli Tren
1) Pemrosesan Analisis Online (OLAP)
OLAP mendukung analisis data yang multidimensional yang
memungkinkan bagi para pengguna untuk melihat data yang sama dalam cara-
cara yang berbeda dengan menggunakan banyak dimensi. Masing-masing aspek
dari informasi seperti produk, penetapan harga, biaya, wilayah, atau periode
wakti, mewakili dimensi yang berbeda. OLAP memungkinkan bagi para
pengguna untuk memperoleh jawaban-jawaban secara online atas pertanyaan-
pertanyaan khusus. Tampilan ini memperlihatkan suatu model multidimensional
yang dapat diciptakan untuk mewakili pelanggan, waktu penjualan, dan produk.
2) Data Mining
Data mining memberikan wawasan pada korporat, data yang tidak dapat
diperoleh dengan OLAP dengan menemukan pola-pola yang tersembunyi serta
hubungan dalam database yang benar dan aturan menarik kesimpulan dari
mereka untuk memprediksikan perilaku pada masa yang akan datang. Tipe
informasi yang dapat diperoleh dari data mining yaitu :
a. Asosiasi merupakan kejadian yang dikaitkan dengan suatu peristiwa
tunggal. Contoh : Ketika keripik jagung dibeli, maka minuman cola akan
dibeli sebanyak 65%, tetapi ketika terdapat promosi, maka cola yang dibeli
meningkat mejadi 85%.

10
b. Dalam sekuen, peristiwa-peristiwa akan dikaitkan berdasarkan waktu.
Contoh : Jika sebuah rumah dibeli, terdapat 65% kemungkinan sebuah
kulkas baru akan dibeli juga dalam dua minggu, dan 45% kemungkinan
sebuah oven akan dibeli dalam waktu sebulan setelah rumah itu dibeli.
c. Klasifikasi membahas pola-pola yang menggambarkan kelompok yang
mana suatu barang dimiliki dengan memeriksa barang yang ada, yang telah
diklasifikasikan dan dengan menarik kesimpulan dari serangkaian aturan.
Contoh : bisnis kartu kredit atau perusahaan telepon akan khawatir
kehilangan para pelanggannya yang loyal. Klasifikasi dapat membantu
untuk menemukan ciri-ciri pelanggan yang memiliki kecenderungan untuk
berhenti dan dapat menyediakan suatu model untuk membantu para manajer
dalam memprediksikan siapakah pelanggan tersebut sehingga para manajer
dapat merancang kampanye-kampanye khusus untuk mempertahankan
pelanggan tersebut.
d. Pengklasteran (clustering) bekerja dengan cara yang sama seperti klasifikasi
ketika tidak ada kelompok yang masih belum didefinisikan. Contoh :
menemukan daya tarik kelompok atas kartu bank atau membagi suatu
database ke dalam kelompok-kelompok pelanggan yang didasarkan pada
demografis dan tipe dari investasi pribadi.
e. Peramalan menggunakan serangkaian nilai yang ada untuk meramalkan
berapa besar dari nilai lainnya. Contoh : peramalan akan menemukan pola-
pola dalam data untuk membantu para manajer dalam mengestimasi nilai
masa mendatang dari variabel-variabel yang terus-menerus, seperti angka
penjualan.
3) Teks Mining dan Web Mining
Perangkat teks mining tersedia untuk membantu bisnis dalam
menganalisis data yang tidak terstruktur. Alat bantu ini dapat mengestrak
elemen-elemen kunci dari rangkaian data yang besar yang tidak terstruktur,
menemukan pola hubungan, dan meringkas informasi.
Web merupakan sumber utama lainnya dari data besar yang tidak
terstruktur untuk mengungkapkan pola, kecenderungan, dan wawasan dalam

11
perilaku konsumen. Web mining merupakan penemuan serta analisis pola dan
informasi yang bermanfaat dari World Wide Web. Bisnis akan beralih kepada
web mining untuk membantu mereka dalam memahami perilaku konsumen,
melakukan evaluasi atas keefektifan situs web tertentu, atau kuantitas dari
keberhasilan suatu kampanye pemasaran.
Web mining akan mencari pola dalam data melalui penelusuran konten,
penelusuran struktur, dan penelusuran penggunaan. Penelusuran konten
merupakan proses untuk mengestrak pengetahuan dari konten dalam laman
web, seperti teks, gambar, audio, dan data video. Penelusuran struktur
memeriksa data yang terkait dengan struktur dari situs web tertenty, seperti
tautan yang menunjuk pada suatu dokumen mengindikasikan popularitas dari
dokumen tersebut, sementara itu, tautan keluar dari suatu dokumen
mengindikasikan pengayaan atau mungkin variasi dari topik yang tercakup
dalam dokumen. Penelusuran penggunaan menelaah data interaksi pengguna
yang dicatat oleh server web kapan pun permintaan dari sumber daya situs web
tersebut diterima.
1.3.4 Database dan Web
Pengguna mengakses situs web peritel melalui internet dengan menggunakan
perangkat lunak browser web pada komputer PC kliennya. Perangkat lunak browser
web akan meminta data dari database organisasi, dengan menggunakan perintah
HTML untuk berkomunikasi dengan server web. Terdapat sejumlah keuntungan
dengan menggunakan web untuk mengakses database internal organisasi. Pertama,
perangkat lunak browser web jauh lebih mudah untuk digunakan daripada
perangkat query yang dimiliki. Kedua, tampilan web membutuhkan sedikit
perubahan atau tidak sama sekali terhadap database internal. Dibutuhkan biaya yang
lebih rendah untuk menambahkan antar muka web di depan sistem yang diwariskan
daripada merancang kembali dan membangun kembali sistem untuk meningkatkan
akses pengguna. Mengakses database perusahaan melalui web menciptakan
efisiensi, peluang, dan model bisnis yang baru. Terdapat banyak database yang
diaktifkan dengan web dalam sektor publik untuk membantu pelanggan dan warga
negara untuk mengakses informasi yang berguna.

12
1.4 Mengelola Sumber Data
Agar dapat memastikan bahwa data bagi bisnis yang dimilik tetap akurat dan
dapat diandalkan, maka bisnis memerlukan kebijakan dan prosedur khusus untuk
manajemen data.
1.4.1 Menetapkan Kebijakan Informasi
Setiap bisnis, skala besar maupun kecil, emmerlukan kebijakan informasi.
Data perusahaan merupakan sumber daya yang penting. Sangat perlu memiliki
aturan-aturan mengenai bagaimana data diorganisasikan dan dipertahankan, dan
siapa saja yang diizinkan untuk melihat data. Adapun kebijakan informasi dan
administrasi data dalam manajemen informasi yaitu sebagai berikut :
1) Kebijakan informasi (information policy) menentukan aturan organisasi dalam
hal pembagian, penyebaran, perolehan, standardisasi, klasifikasi dan
penyimpanan informasi. Undang-undang kebijakan informasi menjelasakan
prosedur dan akuntabilitas yang spesifik, mengidentifikasi informasi dapat
saling dibagikan oleh pengguna dan unit organisasi, dimana informasi dapat
didistribusikan , dan siapa yang bertagung jawab untuk memperbarui dan
memelihara informasinya. Sebagai contoh , kebijakan informasi umumnya
menetukan bahwa hanya para anggota terpilih dari departemen pengajiaan dan
sumber daya manusia yang memiliki hak untuk mengubah dan melihat data
karyawan yang sensitif, seperti misalnya gaji karyawan atau nomor jaminan
sosianya, dan derpartemen-departemen ini yang bertanggung jawab untuk
memastikan bahwa data karyawan tersebut adalah akurat.
2) Administrasi data (data administration) bertanggung jawab atas kebijakan dan
prosedur yang mengatur data serbagai sumber daya organisasi. Tanggung
jawab tersebut meliputi pengembangan kebijakan informasi, perencanaan
data, pengawasan rancangan database logis,dan pengembangan kamus data,
serta permantauan terhadap spesialis sistem informasi dan kelompok
pengguna akhir dalam menggunakan data.
3) Tata kelola data (data governance). Tata kelola data berkaitan dengan
kebijakan dan proses untuk mengelola ketersediaan, kegunaan, integritas, dan
keamanan dari data yang digunakan dalam suatu perusahaan, dengan

13
penekanan khusus pada dukungan untuk privasi, keamanan, kualitas data, dan
kepatuhan terhadap berbagai aturan pemerintah.
1.4.2 Memastikan Kualitas Data
Database dan kebijakan informasi yang dirancang dengan baik akan
berlanjut pada jaminan bahw aperushaan akan memiliki informasi yang
diperlukannya. Namun, langkah-langkah tambahan harus diambil untuk
emmastikan bahwa data dalam database perushaan akurat dan tetap dapat
diandalkan. Sebelum database baru dipergunakan, maka organisasi perlu
mengidentifikasi dan memperbaiki data yang salah dan menciptakan program-
program yang lebih baik untuk mengedit data ketika databse tersebut mulai
dioperasionalkan. Analisis kualitas data sering dimuali dengan:
1) Audit kualitas data (data quality audit), yang merupakan survei terstruktur
atas keakuratan dan tingkat kelengkapan dari data dalam suatu sistem
informasi . Audit kualitas data dapat siselenggarakan dengan melakukan
survei keseluruhan file data, menyurvei sampel file data, atau menyurvei
pengguna data atas persepsi mereka mengenai kualitas data.
2) Pembersihan data (data cleansing), juga dikenal sebagai data scrubbing,
terdiri atas kegiatan mendeteksi dan mengoreksi data dalam database yang
tidak benar, tidak lengkap, tidak diformat menekan konsistensi siantara
serangkaian data yang berbeda yang berasal dari sistem informasi yang
terpisah. Perangkat lunak pembersihan data yang khusus tersedia untuk
menyurvei file data secara otomatis, memperbaiki kesalahan dalam data,dan
mengintegrasikan data dalam format yang konsisten bagi semua bagian dari
perusahaan.

14