SISTEM INFORMASI MANAJEMEN

“ Dasar Intelegensi Bisnis : Database dan Manajemen Informasi ”

Dosen Pengampu : Ni Putu Santi Suryantini, S.E., M.M.

Oleh :

Kelompok 2

Ni Komang Wahyuni (1707522090)

Ni Komang Ayu Yogi Pertiwi (1707522096)

Ni Putu Sri Damayanti (1707522105)

Anak Agung Mirah Pradnyaswari (1707522106)

PROGRAM STUDI MANAJEMEN NON REGULER

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA

2019
 PEMBAHASAN

6. 1 MENGELOLA DATA DALAM LINGKUNGAN FILE TRADISIONAL

Sistem informasi yang efektif memberikan informasi yang akurat, tepat waktu, dan relevan
kepada pengguna. Informasi yang akurat bebas dari kesalahan. Informasi tepat waktu ketika
tersedia untuk pengambil keputusan ketika dibutuhkan. Informasi relevan ketika bermanfaat dan
sesuai untuk jenis pekerjaan dan keputusan yang membutuhkannya.
Anda mungkin terkejut mengetahui bahwa banyak bisnis tidak memiliki informasi yang tepat
waktu, akurat, atau relevan karena data dalam sistem informasi mereka tidak tertata dan dikelola
dengan buruk. Itu sebabnya manajemen data sangat penting. Untuk memahami masalah ini, mari
kita lihat bagaimana sistem informasi mengatur data dalam file komputer dan metode tradisional
manajemen file.

A. Persyaratan dan Konsep Organisasi File

Sistem komputer mengatur data dalam hierarki yang dimulai dengan bit dan byte dan berlanjut
ke bidang, catatan, file, dan basis data (lihat Gambar 6-1). Sedikit mewakili unit data terkecil yang
dapat ditangani oleh komputer. Sekelompok bit, disebut byte, mewakili karakter tunggal, yang
dapat berupa huruf, angka, atau simbol lain. Pengelompokan karakter menjadi kata, grup kata, atau
angka lengkap (seperti nama atau usia seseorang) disebut bidang. Sekelompok bidang terkait,
seperti nama siswa, kursus yang diambil, tanggal, dan kelas, terdiri dari catatan : sekelompok
catatan dengan tipe yang sama disebut file.
Sebagai contoh, catatan pada Gambar 6-1 dapat merupakan file kursus siswa. Sekelompok file
terkait membuat database. File kursus siswa yang diilustrasikan pada Gambar 6-1 dapat
dikelompokkan dengan file pada sejarah pribadi siswa dan latar belakang keuangan untuk
membuat database siswa.
Catatan menggambarkan suatu entitas. Entitas adalah orang, tempat, benda, atau peristiwa di
mana kami menyimpan dan mengelola informasi. Setiap karakteristik atau kualitas yang
menggambarkan entitas tertentu disebut atribut. Misalnya, Student_ID, Kursus, Tanggal, dan
Kelas adalah atribut entitas COURSE. Nilai spesifik yang dimiliki atribut ini dapat ditemukan di
bidang catatan yang menjelaskan entitas COURSE.

B. Masalah Dengan Lingkungan File Tradisional

Di sebagian besar organisasi, sistem cenderung tumbuh secara mandiri tanpa rencana di
seluruh perusahaan. Akuntansi, keuangan, manufaktur, sumber daya manusia, dan penjualan dan
pemasaran semuanya mengembangkan sistem mereka sendiri dan file data. Gambar 6-2
mengilustrasikan pendekatan tradisional untuk pemrosesan informasi.
 Setiap aplikasi, tentu saja, membutuhkan file sendiri dan program komputer sendiri untuk
beroperasi. Misalnya, area fungsional sumber daya manusia mungkin memiliki file master
personel, file penggajian, file asuransi kesehatan, file pensiun, file milis, dan sebagainya hingga
puluhan, mungkin ratusan, file dan program ada. Di perusahaan secara keseluruhan, proses ini
menyebabkan beberapa file master dibuat, dipelihara, dan dioperasikan oleh divisi atau
departemen yang terpisah. Seiring proses ini berlangsung selama 5 atau 10 tahun, organisasi ini
dibebani dengan ratusan program dan aplikasi yang sangat sulit untuk dipelihara dan dikelola.
Masalah yang dihasilkan adalah redundansi dan inkonsistensi data, ketergantungan program-data,
tidak fleksibel, keamanan data yang buruk, dan ketidakmampuan untuk berbagi data di antara
aplikasi.
 Redundansi dan Inkonsistensi Data
Redundansi data adalah adanya data duplikat di banyak file data sehingga data yang sama
disimpan di lebih dari tempat atau lokasi. Redundansi data terjadi ketika kelompok yang berbeda
dalam suatu organisasi secara independen mengumpulkan potongan data yang sama dan
menyimpannya secara independen satu sama lain. Redundansi data menyia-nyiakan sumber daya
penyimpanan dan juga menyebabkan inkonsistensi data, di mana atribut yang sama mungkin
memiliki nilai yang berbeda. Misalnya, dalam contoh entitas COURSE yang diilustrasikan dalam
Gambar 6-1, Tanggal dapat diperbarui di beberapa sistem tetapi tidak di yang lain. Atribut yang
sama, Student_ID, mungkin juga memiliki nama yang berbeda di sistem yang berbeda di seluruh
organisasi. Beberapa sistem mungkin menggunakan Student_ID dan yang lain mungkin
menggunakan ID, misalnya.
Kebingungan tambahan mungkin timbul dari penggunaan sistem pengkodean yang berbeda
untuk mewakili nilai untuk suatu atribut. Misalnya, sistem penjualan, inventaris, dan manufaktur
pengecer pakaian mungkin menggunakan kode yang berbeda untuk mewakili ukuran pakaian. Satu
sistem mungkin menyatakan ukuran pakaian sebagai "ekstra besar," sedangkan yang lain mungkin
menggunakan kode "XL" untuk tujuan yang sama. Kebingungan yang dihasilkan akan
menyulitkan perusahaan untuk membuat manajemen hubungan pelanggan, manajemen rantai
pasokan, atau sistem perusahaan yang mengintegrasikan data dari berbagai sumber.

 Ketergantungan Program-Data
Program-data dependence mengacu pada penggandengan data yang disimpan dalam file dan
program khusus yang diperlukan untuk memperbarui dan memelihara file-file tersebut sehingga
perubahan dalam program memerlukan perubahan pada data. Setiap program komputer tradisional
harus menggambarkan lokasi dan sifat data yang digunakannya. Dalam lingkungan file tradisional,
setiap perubahan dalam program perangkat lunak dapat memerlukan perubahan dalam data yang
diakses oleh program itu. Satu program dapat dimodifikasi dari kode ZIP lima digit menjadi
sembilan digit. Jika file data asli diubah dari kode ZIP lima digit menjadi sembilan digit, maka
program lain yang membutuhkan kode ZIP lima digit tidak akan lagi berfungsi dengan baik.
Perubahan semacam itu dapat membutuhkan biaya jutaan dolar untuk diterapkan dengan benar.
 Kurang Fleksibilitas
Sistem file tradisional dapat mengirimkan laporan terjadwal rutin setelah upaya pemrograman
yang ekstensif, tetapi tidak dapat mengirimkan laporan ad hoc atau menanggapi persyaratan
informasi yang tidak diantisipasi secara tepat waktu. Informasi yang dibutuhkan oleh permintaan
ad hoc ada di suatu tempat dalam sistem tetapi mungkin terlalu mahal untuk diambil. Beberapa
programmer mungkin harus bekerja selama berminggu-minggu untuk mengumpulkan item data
yang diperlukan dalam file baru.
 Keamanan Buruk
Karena ada sedikit kontrol atau pengelolaan data, akses ke dan penyebaran informasi mungkin
di luar kendali. Manajemen mungkin tidak memiliki cara untuk mengetahui siapa yang mengakses
atau bahkan membuat perubahan pada data organisasi.
 Kurangnya Berbagi dan Ketersediaan Data
Karena potongan-potongan informasi dalam file yang berbeda dan bagian yang berbeda dari
organisasi tidak dapat saling terkait satu sama lain, maka hampir tidak mungkin informasi
dibagikan atau diakses pada waktu yang tepat. Informasi tidak dapat mengalir dengan bebas
melintasi area fungsional yang berbeda atau bagian organisasi yang berbeda. Jika pengguna
menemukan nilai yang berbeda dari informasi yang sama di dua sistem yang berbeda, mereka
mungkin tidak ingin menggunakan sistem ini karena mereka tidak dapat mempercayai keakuratan
data mereka.

6. 2PENDEKATAN DATABASE UNTUK MANAJEMEN DATA

Teknologi database memotong banyak masalah organisasi file tradisional. Definisi database
yang lebih ketat adalah kumpulan data yang diorganisasikan untuk melayani banyak aplikasi
secara efisien dengan memusatkan data dan mengendalikan data yang berlebihan. Alih-alih
menyimpan data dalam file terpisah untuk setiap aplikasi, data disimpan agar tampak oleh
pengguna hanya disimpan di satu lokasi. Layanan database tunggal beberapa aplikasi. Misalnya,
alih-alih perusahaan menyimpan data karyawan dalam sistem informasi dan file terpisah
personalia, penggajian, dan tunjangan, perusahaan dapat membuat database sumber daya manusia
tunggal yang sama.

A. Sistem Manajemen Database

Database management system (DBMS) adalah perangkat lunak yang memungkinkan
organisasi memusatkan data, mengelolanya secara efisien, dan menyediakan akses ke data yang
disimpan oleh program aplikasi. DBMS bertindak sebagai antarmuka antara program aplikasi dan
file data fisik. Ketika program aplikasi meminta item data, seperti gaji kotor, DBMS menemukan
item ini dalam database dan menyajikannya ke program aplikasi. Menggunakan file data
tradisional, programmer harus menentukan ukuran dan format setiap elemen data yang digunakan
dalam program dan kemudian memberitahu komputer di mana mereka berada.
 DBMS meringankan programmer atau pengguna akhir dari tugas memahami di mana dan
bagaimana data sebenarnya disimpan dengan memisahkan pandangan logis dan fisik data.
Pandangan logis menyajikan data karena mereka akan dirasakan oleh pengguna akhir atau spesialis
bisnis, sedangkan pandangan fisik menunjukkan bagaimana data sebenarnya diatur dan terstruktur
pada media penyimpanan fisik.
Perangkat lunak manajemen database membuat database fisik tersedia untuk berbagai
pandangan logis yang diperlukan oleh pengguna. Misalnya, untuk database sumber daya manusia
yang diilustrasikan dalam Gambar 6-3, spesialis tunjangan mungkin memerlukan pandangan yang
terdiri dari nama karyawan, nomor jaminan sosial, dan cakupan asuransi kesehatan. Anggota
departemen penggajian mungkin membutuhkan data seperti nama karyawan, nomor jaminan
sosial, gaji kotor, dan gaji bersih. Data untuk semua tampilan ini disimpan dalam database tunggal,
di mana mereka dapat lebih mudah dikelola oleh organisasi.

 Bagaimana DBMS Memecahkan Masalah Lingkungan File Tradisional

DBMS mengurangi redundansi dan inkonsistensi data dengan meminimalkan file yang
terisolasi di mana data yang sama diulang. DBMS mungkin tidak memungkinkan organisasi untuk
menghilangkan redundansi data sepenuhnya, tetapi dapat membantu mengendalikan redundansi.
Bahkan jika organisasi mempertahankan beberapa data yang berlebihan, menggunakan DBMS
menghilangkan ketidakkonsistenan data karena DBMS dapat membantu organisasi memastikan
bahwa setiap kemunculan data yang berlebihan memiliki nilai yang sama. DBMS memisahkan
program dan data, memungkinkan data untuk berdiri sendiri. Akses dan ketersediaan informasi
akan meningkat dan biaya pengembangan dan pemeliharaan program berkurang karena pengguna
dan pemrogram dapat melakukan permintaan data khusus dalam database. DBMS memungkinkan
organisasi untuk mengelola data, penggunaannya, dan keamanan secara terpusat.
 DBMS Relasional
DBMS kontemporer menggunakan model basis data yang berbeda untuk melacak entitas,
atribut, dan hubungan. Jenis DBMS yang paling populer saat ini untuk PC dan juga untuk
komputer yang lebih besar dan mainframe adalah DBMS relasional. Database relasional
merepresentasikan data sebagai tabel dua dimensi (disebut relasi). Tabel dapat disebut sebagai file.
Setiap tabel berisi data tentang suatu entitas dan atributnya. Microsoft Access adalah DBMS
relasional untuk sistem desktop, sedangkan DB2, Oracle Database, dan Microsoft SQL Server
adalah DBMS relasional untuk mainframe besar dan komputer kelas menengah. MySQL adalah
DBMS open-source yang populer, dan Oracle Database Lite adalah DBMS untuk perangkat
komputasi genggam kecil.
Mari kita lihat bagaimana database relasional mengatur data tentang pemasok dan suku
cadang (lihat Gambar 6-4). Basis data memiliki tabel terpisah untuk entitas SUPPLIER dan tabel
untuk BAGIAN entitas. Setiap tabel terdiri dari kisi kolom dan baris data. Setiap elemen data
individu untuk setiap entitas disimpan sebagai bidang terpisah, dan setiap bidang mewakili atribut
untuk entitas itu. Bidang dalam basis data relasional juga disebut kolom. Untuk entitas SUPPLIER,
nomor identifikasi pemasok, nama, jalan, kota, negara bagian, dan kode ZIP disimpan sebagai
bidang terpisah dalam tabel SUPPLIER dan setiap bidang mewakili atribut untuk entitas
SUPPLIER.
Informasi aktual tentang pemasok tunggal yang berada di tabel disebut baris. Baris biasanya
disebut sebagai catatan, atau dalam istilah yang sangat teknis, sebagai tupel. Data untuk BAGIAN
entitas memiliki tabel tersendiri. Bidang untuk Supplier_Number dalam tabel SUPPLIER secara
unik mengidentifikasi setiap catatan sehingga catatan dapat diambil, diperbarui, atau disortir dan
itu disebut bidang kunci. Setiap tabel dalam database relasional memiliki satu bidang yang
ditetapkan sebagai kunci utamanya. Bidang kunci ini adalah pengidentifikasi unik untuk semua
informasi di setiap baris tabel dan kunci utama ini tidak dapat diduplikasi.
 Supplier_Number adalah kunci utama untuk tabel SUPPLIER dan Part_Number adalah kunci
utama untuk tabel PART. Perhatikan bahwa Supplier_Number muncul di tabel SUPPLIER dan
PART. Di tabel SUPPLIER, Supplier_Number adalah kunci utama. Ketika bidang
Supplier_Number muncul di tabel PART itu disebut kunci asing dan pada dasarnya adalah bidang
pencarian untuk mencari data tentang pemasok bagian tertentu.
 Operasi DBMS Relasional
Tabel database relasional dapat digabungkan dengan mudah untuk mengirimkan data yang
dibutuhkan oleh pengguna, asalkan dua tabel berbagi elemen data umum. Misalkan kita ingin
menemukan dalam database ini nama-nama pemasok yang dapat memberi kita nomor bagian 137
atau nomor bagian 150. Kita akan memerlukan informasi dari dua tabel: tabel SUPPLIER dan
tabel PART. Perhatikan bahwa kedua file ini memiliki elemen data bersama : Supplier_Number.
Dalam database relasional, tiga operasi dasar, seperti yang ditunjukkan pada Gambar 6-5,
digunakan untuk mengembangkan set data yang berguna: pilih, bergabung, dan proyek. Operasi
pilih membuat subset yang terdiri dari semua catatan dalam file yang memenuhi kriteria yang
dinyatakan. Pilih menciptakan, dengan kata lain, bagian dari baris yang memenuhi kriteria tertentu.
Dalam contoh kami, kami ingin memilih catatan (baris) dari tabel PART di mana Part_Number
sama dengan 137 atau 150. Operasi gabungan menggabungkan tabel relasional untuk memberikan
pengguna informasi lebih banyak daripada yang tersedia di tabel individual. Dalam contoh kami,
kami ingin bergabung dengan tabel PART yang disingkat sekarang (hanya bagian 137 atau 150
yang akan disajikan) dan tabel SUPPLIER menjadi satu tabel baru.
Operasi proyek membuat subset yang terdiri dari kolom dalam sebuah tabel, memungkinkan
pengguna untuk membuat tabel baru yang hanya berisi informasi yang diperlukan. Dalam contoh
kami, kami ingin mengekstrak dari tabel baru hanya kolom berikut: Part_Number, Part_Name,
Supplier_Number, dan Supplier_Name.
 DBMS Berorientasi Objek
Banyak aplikasi saat ini dan di masa depan membutuhkan database yang dapat menyimpan
dan mengambil tidak hanya angka dan karakter terstruktur tetapi juga gambar, gambar, foto, suara,
dan video gerak penuh. DBMS yang dirancang untuk mengatur data terstruktur ke dalam baris dan
kolom tidak cocok untuk menangani aplikasi berbasis grafis atau multimedia. Database
berorientasi objek lebih cocok untuk tujuan ini.
DBMS berorientasi objek menyimpan data dan prosedur yang bertindak atas data tersebut
sebagai objek yang dapat diambil dan dibagi secara otomatis. Sistem manajemen basis data
berorientasi objek (OODBMS) menjadi populer karena dapat digunakan untuk mengelola berbagai
komponen multimedia atau applet Java yang digunakan dalam aplikasi Web, yang biasanya
mengintegrasikan potongan-potongan informasi dari berbagai sumber.
Meskipun database berorientasi objek dapat menyimpan jenis informasi yang lebih kompleks
daripada DBMS relasional, mereka relatif lambat dibandingkan dengan DBMS relasional untuk
memproses sejumlah besar transaksi. Sistem DBMS objek-relasional hybrid sekarang tersedia
untuk memberikan kemampuan DBMS berorientasi objek dan relasional.
 Database di Cloud
Misalkan perusahaan Anda ingin menggunakan layanan cloud computing. Apakah ada cara
untuk mengelola data di cloud ? Jawabannya adalah "Ya" yang berkualifikasi. Penyedia komputasi
awan menawarkan layanan manajemen basis data, tetapi layanan ini biasanya memiliki
fungsionalitas yang lebih rendah daripada rekan di tempat mereka. Saat ini,
 Basis data di Cloud

Misalkan perusahaan Anda ingin menggunakan layanan cloud computing. Apakah ada cara
mengatur data di cloud? Jawabannya adalah komputasi awan "Ya" yang berkualifikasi penyedia
menawarkan layanan manajemen basis data, tetapi layanan ini biasanya memiliki fungsionalitas
yang lebih sedikit daripada rekan-rekan mereka di tempat. Saat ini,Basis pelanggan utama untuk
manajemen data berbasis cloud terdiri dari start-up Webfocus atau usaha kecil hingga menengah
yang mencari basis data kemampuan dengan harga lebih rendah daripada DBMS relasional
standar.

Amazon Web Services memiliki basis data non-relasional sederhana yang disebut SimpleDB
dan Layanan Database Relasional, yang didasarkan pada online implementasi DBMS open source
MySQL. Database Relasional Amazon Service (Amazon RDS) menawarkan berbagai kemampuan
MySQL. Harga adalah berdasarkan penggunaan. (Biaya berjalan dari 11 sen per jam untuk
menggunakan basis data kecil 1,7 GB memori server menjadi $ 3,10 per jam untuk database besar
menggunakan 68 GB memori server.) Ada juga biaya untuk volume data yang disimpan, jumlah
permintaan input-output, jumlah data yang ditulis ke database, dan jumlah data yang dibaca dari
database.

Amazon Web Services juga menawarkan pilihan bagi pelanggan Oracle melisensikan Oracle
Database 11g, Oracle Enterprise Manager, dan Oracle Fusion Middleware untuk berjalan di
platform Amazon EC2 (Elastic Cloud Compute). Microsoft SQL Azure Database adalah layanan
basis data relasional berbasis cloud berdasarkan DBMS Microsoft SQL Server. Ini menyediakan
sangat tersedia, scalable layanan basis data yang diselenggarakan oleh Microsoft di cloud.
Database SQL Azure membantu mengurangi biaya dengan mengintegrasikan dengan perangkat
lunak yang ada dan menyediakan simetri dengan basis data lokal dan cloud.

TicketDirect, yang menjual tiket ke konser, acara olahraga, pertunjukan teater, dan film di
Australia dan Selandia Baru, mengadopsi SQL Azure Platform cloud database untuk
meningkatkan manajemen beban sistem puncak selama penjualan tiket utama. Itu memigrasikan
datanya ke database SQL Azure. Oleh pindah ke solusi cloud, TicketDirect dapat meningkatkan
sumber daya komputasi sebagai respons terhadap permintaan waktu nyata sambil menjaga biaya
tetap rendah.

B. Kapabilitas Sistem Manajemen Database

DBMS mencakup kemampuan dan alat untuk mengatur, mengelola, dan mengakses data dalam
database. Yang paling penting adalah bahasa definisi datanya, kamus data, dan bahasa manipulasi
data. DBMS memiliki kemampuan definisi data untuk menentukan struktur konten dari database.
Ini akan digunakan untuk membuat tabel database dan untuk mendefinisikan karakteristik bidang
di setiap tabel. Informasi ini tentang database akan didokumentasikan dalam kamus data. Kamus
data adalah otomatis atau file manual yang menyimpan definisi elemen data dan karakteristiknya.

Microsoft Access memiliki kemampuan kamus data yang belum sempurna yang ditampilkan
informasi tentang nama, deskripsi, ukuran, jenis, format, dan properti lainnya dari setiap bidang
dalam tabel (lihat Gambar 6-6). Kamus data untuk perusahaan besar database dapat menangkap
informasi tambahan, seperti penggunaan, kepemilikan (siapa dalam organisasi bertanggung jawab
untuk memelihara data), otorisasi; keamanan, dan individu, fungsi bisnis, program, dan
melaporkan itu gunakan setiap elemen data.

 Meminta dan pelaporan

 Permintaan dan Pelaporan DBMS mencakup alat untuk mengakses dan memanipulasi
informasi dalam database. Sebagian besar DBMS memiliki bahasa khusus yang disebut bahasa
manipulasi data yang digunakan untuk menambah, mengubah, menghapus, dan mengambil data
dalam database. Bahasa ini berisi perintah yang mengizinkan pengguna akhir dan pemrograman
spesialis untuk mengekstrak data dari database untuk memenuhi permintaan informasi dan
mengembangkan aplikasi. Bahasa manipulasi data yang paling menonjol saat ini adalah Bahasa
Query Terstruktur, atau SQL. Gambar 6-7 menggambarkan query SQL itu

Microsoft Access memiliki kemampuan kamus data yang belum sempurna yang menampilkan
informasi tentang ukuran, format, dan karakteristik lain dari setiap bidang dalam basis data. Yang
ditampilkan di sini adalah informasi yang disimpan dalam tabel Supllier. Ikon kunci kecil di
sebelah kiri Supplier Number menunjukkan bahwa itu adalah bidang kunci.
Pengguna DBMS untuk komputer besar dan menengah, seperti DB2, Oracle, atau SQL Server,
akan menggunakan SQL untuk mengambil informasi yang mereka butuhkan dari basis data.

Microsoft Access juga menggunakan SQL, tetapi ia menyediakan set sendiri alat yang mudah
digunakan untuk query database dan untuk mengatur data dari database menjadi lebih banyak
laporan yang dipoles. Di Microsoft Access, Anda akan menemukan fitur yang memungkinkan
pengguna untuk membuat kueri dengan mengidentifikasi tabel dan bidang yang mereka inginkan
dan hasilnya, dan kemudian memilih baris dari database yang memenuhi kriteria tertentu.Tindakan
ini selanjutnya diterjemahkan ke dalam perintah SQL. Gambar 6-8 mengilustrasikan caranya.
Permintaan yang sama dengan permintaan SQL untuk memilih bagian dan pemasok dibangun
menggunakan alat pembuat kueri Microsoft. Microsoft Access dan DBMS lainnya mencakup
kemampuan untuk pembuatan laporan sehingga data yang menarik dapat ditampilkan secara lebih
terstruktur. Crystal Reports adalah yang biasa digunakan dalam pembuat laporan untuk DBMS
perusahaan besar, meskipun juga dapat digunakan dengan Mengakses. Access juga memiliki
kemampuan untuk mengembangkan aplikasi sistem desktop. Ini termasuk alat untuk membuat
layar entri data, laporan, dan pengembangan logika untuk memproses transaksi.

C. Desain Database

Untuk membuat database, Anda harus memahami hubungan antara data, jenis data yang akan
dipertahankan dalam basis data, bagaimana datanya digunakan, dan bagaimana organisasi perlu
berubah untuk mengelola data dari perspektif seluruh perusahaan. Database membutuhkan desain
konseptual dan desain fisik. Desain konseptual, atau logis, dari database adalah abstrak model
database dari perspektif bisnis, sedangkan desain fisik menunjukkan bagaimana database
sebenarnya diatur pada perangkat penyimpanan akses-langsung.

 Diagram Normalisasi dan Entitas-Hubungan

Perancangan basis data konseptual menjelaskan bagaimana elemen data dalam database harus
dikelompokkan. Proses desain mengidentifikasi hubungan di antara elemen data dan cara paling
efisien untuk mengelompokkan elemen data bersama memenuhi persyaratan informasi bisnis.
Proses ini juga mengidentifikasi elemen data dan pengelompokan elemen data yang diperlukan
untuk program aplikasi yang lebih spesifik. Kelompok data disusun, disempurnakan, dan
dirampingkan sampai tampilan logis keseluruhan hubungan di antara semua data di database
muncul.Untuk menggunakan model basis data relasional secara efektif, pengelompokan data yang
kompleks harus disederhanakan untuk meminimalkan elemen data yang berlebihan dan hubungan
manyto-many canggung. Proses menciptakan kecil, stabil, namun fleksibel dan struktur data
adaptif dari kelompok data yang kompleks disebut normalisasi.

Gambar 6-9 dan 6-10 menggambarkan proses ini.

Relasi yang tidak dinormalkan berisi grup berulang. Misalnya, mungkin ada banyak bagian dan
pemasok untuk setiap pesanan. Ada hanya korespondensi satu-ke-satu antara Nomor Pesanan dan
Tanggal Pesanan.

Dalam bisnis tertentu yang dimodelkan di sini, pesanan dapat memiliki lebih dari satu bagian
tetapi setiap bagian disediakan hanya oleh satu pemasok. Jika kita membangun relasi disebut
PESANAN dengan semua bidang yang disertakan di sini, kami harus mengulangi nama dan alamat
pemasok untuk setiap bagian pada pesanan, meskipun pesanan untuk bagian dari satu pemasok.
Hubungan ini mengandung apa yang disebut pengulangan kelompok data karena dapat ada banyak
bagian dalam satu urutan ke yang diberikan pemasok. Cara yang lebih efisien untuk mengatur data
adalah dengan memecah ORDER menjadi hubungan yang lebih kecil, yang masing-masing
menggambarkan entitas tunggal. Jika kita pergi selangkah demi selangkah dan menormalkan
hubungan ORDER, kami muncul dengan hubungan yang diilustrasikan dalam Gambar 6-10. Anda
dapat mengetahui lebih lanjut tentang normalisasi, hubungan entitas diagram, dan desain basis data
dalam Trek Pembelajaran untuk bab ini.

Setelah normalisasi, ORDER relasi asli telah dipecah menjadi empat relasi yang lebih kecil. Relasi
ORDER hanya tersisa dua atribut dan relasi LINE_ITEM memiliki kunci gabungan, atau
gabungan, yang terdiri dari Order_Number dan Part_Number.

Sistem basis data relasional mencoba untuk menegakkan aturan integritas referensial
memastikan bahwa hubungan antara tabel digabungkan tetap konsisten. Ketika satu tabel memiliki
kunci asing yang menunjuk ke tabel lain, Anda mungkin tidak menambahkan catatan tabel dengan
kunci asing kecuali ada catatan terkait di tertaut meja. Dalam database yang kami periksa
sebelumnya dalam bab ini, kunci asing Supplier_Number menautkan tabel PART ke tabel
SUPPLIER. Kami mungkin tidak menambahkan catatan baru ke tabel PART untuk bagian dengan
Supplier_Number 8266 kecuali ada catatan terkait dalam tabel SUPPLIER untuk
Supplier_Number 8266. Kami juga harus menghapus catatan terkait di tabel BAGIAN jika kami
menghapus catatan di tabel SUPPLIER untuk Supplier_Number 8266. Dengan kata lain, kami
tidak boleh ada bagian dari pemasok yang tidak ada!

Perancang basis data mendokumentasikan model data mereka dengan hubungan entitas
diagram, diilustrasikan pada Gambar 6-11. Diagram ini menggambarkan hubungan antara entitas
SUPPLIER, PART, LINE_ITEM, dan ORDER. Kotak-kotak mewakili entitas. Garis yang
menghubungkan kotak mewakili hubungan. Sebuah garis menghubungkan dua entitas yang
berakhir dengan dua tanda pendek menunjuk satu-ke-satu hubungan. Garis yang menghubungkan
dua entitas yang berakhir dengan kaki gagak di atasnya tanda pendek menunjukkan hubungan satu
ke banyak. Gambar 6-11 menunjukkan yang itu ORDER dapat berisi banyak LINE_ITEMs.
(BAGIAN dapat dipesan berkali-kali dan muncul beberapa kali sebagai item baris dalam satu
urutan.) Setiap BAGIAN hanya dapat memiliki satu PEMASOK, tetapi banyak BAGIAN yang
dapat disediakan oleh PEMASOK yang sama. Itu tidak dapat cukup ditekankan: Jika bisnis tidak
mendapatkan model datanya benar, sistem tidak akan dapat melayani bisnis dengan baik.
Perusahaan sistem tidak akan seefektif yang seharusnya karena mereka harus melakukannya
bekerja dengan data yang mungkin tidak akurat, tidak lengkap, atau sulit diambil. Memahami data
organisasi dan bagaimana mereka harus diwakili dalam Database mungkin adalah pelajaran paling
penting yang dapat Anda pelajari dari kursus ini.

Misalnya, Famous Footwear, rantai toko sepatu dengan lebih dari 800 lokasi di 49 negara,
tidak dapat mencapai tujuannya memiliki "gaya sepatu yang tepat di toko yang tepat untuk dijual
dengan harga yang tepat ”karena basis datanya tidak dirancang dengan baik untuk menyesuaikan
inventaris toko dengan cepat. Perusahaan punya Database relasional Oracle berjalan pada
komputer IBM AS / 400 midrange, tetapi basis data dirancang terutama untuk menghasilkan
laporan standar untuk manajemen daripada bereaksi terhadap perubahan pasar. Pengelolaan tidak
dapat memperoleh data yang akurat tentang barang-barang tertentu dalam persediaan di setiap
tokonya. Perusahaan harus mengatasi masalah ini dengan membangun database baru di mana data
penjualan dan inventaris dapat diorganisasikan dengan lebih baik untuk analisis dan manajemen
persediaan.

Diagram ini menunjukkan hubungan antara entitas SUPPLIER, PART, LINE_ITEM, dan ORDER
yang mungkin digunakan untuk memodelkan database pada Gambar 6-10.
6.3 MENGGUNAKAN DATABAS UNTUK MENINGKATKAN BISNIS PEMBUATAN
KINERJA DAN KEPUTUSAN

Bisnis menggunakan database mereka untuk melacak transaksi dasar, seperti membayar
pemasok, memproses pesanan, melacak pelanggan, dan membayar karyawan. Tetapi mereka juga
membutuhkan database untuk memberikan informasi yang akan membantu perusahaan
menjalankan bisnis lebih efisien, dan membantu manajer dan karyawan membuat keputusan yang
lebih baik. Jika suatu perusahaan ingin mengetahui produk mana yang paling populer atau siapa
pelanggannya yang paling menguntungkan, jawabannya terletak pada data. Misalnya, dengan
menganalisis data dari pembelian kartu kredit pelanggan, Louise's Trattoria, jaringan restoran Los
Angeles, mengetahui kualitas itu lebih penting daripada harga bagi sebagian besar pelanggannya,
yang kuliah dan menyukai anggur berkualitas. Bertindak atas informasi ini, rantai diperkenalkan
hidangan vegetarian, lebih banyak pilihan makanan laut, dan anggur yang lebih mahal,
membesarkan penjualan lebih dari 10 persen. Di perusahaan besar, dengan basis data besar atau
sistem besar untuk terpisah fungsi, seperti manufaktur, penjualan, dan akuntansi, kemampuan
khusus dan diperlukan alat untuk menganalisis data dalam jumlah besar dan untuk mengakses data
dari berbagai sistem. Kemampuan ini termasuk pergudangan data, data menambang, dan alat untuk
mengakses basis data internal melalui Web.

A. Gudang Data

Misalkan Anda menginginkan informasi yang ringkas dan andal tentang operasi saat ini, tren,
dan perubahan di seluruh perusahaan Jika Anda bekerja di perusahaan besar perusahaan,
memperoleh ini mungkin sulit karena data sering disimpan dalam sistem terpisah, seperti
penjualan, manufaktur, atau akuntansi. Beberapa data Anda mungkin dapat ditemukan di sistem
penjualan, dan bagian lain di Internet sistem manufaktur. Banyak dari sistem ini adalah sistem
lawas lama itu menggunakan teknologi manajemen data usang atau sistem file di mana informasi
sulit bagi pengguna untuk mengakses. Anda mungkin harus menghabiskan banyak waktu mencari
dan mengumpulkan data yang Anda butuhkan, atau Anda akan dipaksa untuk membuat keputusan
berdasarkan pengetahuan yang tidak lengkap. Jika Anda menginginkan informasi tentang tren,
Anda mungkin juga kesulitan menemukan data tentang peristiwa masa lalu karena sebagian besar
perusahaan saja membuat data mereka saat ini segera tersedia. Alamat pergudangan data masalah-
masalah ini.

 Apa itu Gudang Data?

Gudang data adalah database yang menyimpan data terkini dan historis dari potensi minat bagi
pengambil keputusan di seluruh perusahaan. Data berasal dari banyak sistem transaksi operasional
inti, seperti sistem untuk penjualan, akun pelanggan, dan manufaktur, dan mungkin termasuk data
dari transaksi situs Web. Gudang data melakukan konsolidasi dan standarisasi informasi dari basis
data operasional yang berbeda sehingga informasi dapat digunakan di seluruh perusahaan untuk
analisis manajemen dan pengambilan keputusan.

Gudang data mengekstrak data terkini dan historis dari berbagai sistem operasional di dalam
organisasi. Data-data ini dikombinasikan dengan data dari sumber eksternal dan ditata ulang
menjadi pusat database yang dirancang untuk pelaporan dan analisis manajemen. Direktori
informasi menyediakan pengguna dengan informasi tentang data yang tersedia di gudang.

Gambar 6-12 menggambarkan cara kerja data warehouse. Gudang data membuat data tersedia
bagi siapa saja untuk mengakses sesuai kebutuhan, tetapi tidak bisa diubah. Sistem data warehouse
juga menyediakan berbagai ad hoc dan alat query standar, alat analitis, dan fasilitas pelaporan
grafis. Banyak perusahaan menggunakan portal intranet untuk membuat informasi data warehouse
banyak tersedia di seluruh perusahaan. Catalina Marketing, sebuah perusahaan pemasaran global
untuk konsumen utama yang dikemas perusahaan barang dan pengecer, mengoperasikan gudang
data raksasa yang mencakup tiga tahun sejarah pembelian selama 195 juta program loyalitas
pelanggan A.S. anggota di supermarket, apotek, dan pengecer lainnya. Itu yang terbesar database
loyalitas di dunia. Pelanggan toko ritel Catalina menganalisis ini basis data riwayat pembelian
pelanggan untuk menentukan pelanggan perorangan preferensi pembelian. Ketika seorang
pembelanja check out di kasir salah satu Pelanggan ritel Catalina, pembelian langsung dianalisis
bersamaan dengan itu riwayat pembelian pelanggan di gudang data untuk menentukan kupon apa
yang akan diterima pelanggan saat checkout bersamaan dengan tanda terima. IRS (Internal
Revenue Service) AS menyimpan Data Kepatuhan Gudang yang menggabungkan data wajib pajak
yang telah terfragmentasi di antara banyak sistem warisan yang berbeda, termasuk informasi
pribadi tentang pembayar pajak dan pengembalian pajak yang diarsipkan. Sistem ini telah
dirancang untuk memproses pajak mengembalikan formulir secara efisien tetapi datanya sangat
sulit untuk ditanyakan dan menganalisa. Gudang Data Kepatuhan mengintegrasikan data wajib
pajak dari banyak sumber berbeda menjadi struktur relasional, yang membuat kueri dan analisis
jauh lebih mudah. Dengan gambar lengkap dan komprehensif pembayar pajak, gudang membantu
analis dan staf IRS mengidentifikasi orang yang paling mungkin untuk menipu pembayaran pajak
penghasilan mereka dan merespons dengan cepat pertanyaan wajib pajak.

 Mart Data

Perusahaan sering membangun gudang data di seluruh perusahaan, tempat data terpusat gudang
melayani seluruh organisasi, atau mereka membuat gudang yang lebih kecil dan terdesentralisasi
yang disebut data mart. Data mart adalah bagian dari gudang data di mana bagian yang dirangkum
atau sangat terfokus dari organisasi data ditempatkan dalam database terpisah untuk populasi
pengguna tertentu.

B. Alat untuk Kecerdasan Bisnis: Analisis Data Multidimensi dan Penambangan Data

Setelah data ditangkap dan diorganisasikan dalam gudang data dan data mart, mereka tersedia
untuk analisis lebih lanjut menggunakan alat untuk intelijen bisnis, yang kami perkenalkan secara
singkat di Bab 2. Alat intelijen bisnis memungkinkan pengguna untuk menganalisis data untuk
melihat pola, hubungan, dan wawasan yang berguna untuk memandu pengambilan keputusan. Alat
utama untuk intelijen bisnis meliputi perangkat lunak untuk kueri dan pelaporan basis data, alat
untuk analisis data multidimensi ( pemrosesan analitik online ), dan alat untuk penambangan
data. Bagian ini akan memperkenalkan Anda pada alat - alat ini, dengan lebih detail tentang
analisis dan aplikasi intelijen bisnis dalam diskusi Bab 12 tentang pengambilan keputusan.

 Online Analytical Processing (OLAP)

Misalkan perusahaan Anda menjual empat produk berbeda — mur, baut, ring, dan sekrup —
di wilayah Timur, Barat, dan Tengah. Jika Anda ingin mengajukan pertanyaan yang cukup mudah,
seperti berapa banyak mesin cuci yang terjual selama kuartal terakhir , Anda dapat dengan mudah
menemukan jawabannya dengan menanyakan database penjualan Anda. Tetapi bagaimana jika
Anda ingin tahu berapa banyak mesin cuci yang dijual di masing-masing wilayah penjualan
Anda dan membandingkan hasil aktual dengan penjualan yang diproyeksikan? Untuk
mendapatkan jawabannya, Anda perlu pemrosesan analitik online (OLAP). OLAP mendukung
analisis data multidimensi, memungkinkan pengguna untuk melihat data yang sama dalam
berbagai cara menggunakan berbagai dimensi. Setiap aspek informasi — produk, harga, biaya,
wilayah, atau periode waktu — mewakili dimensi yang berbeda. Jadi, seorang manajer produk
dapat menggunakan alat analisis data multidimensi untuk mempelajari berapa banyak mesin cuci
yang dijual di Timur pada bulan Juni, bagaimana membandingkannya dengan bulan sebelumnya
dan Juni sebelumnya, dan bagaimana membandingkannya dengan perkiraan penjualan. OLAP
memungkinkan pengguna memperoleh jawaban daring untuk pertanyaan ad hoc seperti ini dalam
waktu yang cukup cepat, bahkan ketika data disimpan dalam basis data yang sangat besar, seperti
angka penjualan selama beberapa tahun. Gambar 6-13 menunjukkan model multidimensi yang
dapat dibuat untuk mewakili produk, wilayah, penjualan aktual, dan penjualan yang
diproyeksikan. Matriks penjualan aktual dapat ditumpuk di atas matriks proyeksi penjualan untuk
membentuk kubus dengan enam wajah. Jika Anda memutar kubus 90 derajat satu arah, tampilan
wajah akan menjadi produk versus penjualan aktual dan yang diproyeksikan. Jika Anda memutar
kubus 90 derajat lagi, Anda akan melihat wilayah versus penjualan aktual dan yang
diproyeksikan. Jika Anda memutar 180 derajat dari tampilan asli, Anda akan melihat proyeksi
penjualan dan produk versus wilayah. Kubus dapat bersarang di dalam kubus untuk membangun
tampilan data yang kompleks. Sebuah perusahaan akan menggunakan baik database multidimensi
khusus atau alat t topi menciptakan pandangan multidimensi data dalam database relasional.

 Penambangan Data
 Query basis data tradisional menjawab pertanyaan seperti, "Berapa banyak unit nomor produk
403 dikirimkan pada Februari 2010?" OLAP, atau analisis multidimenional , mendukung
permintaan informasi yang jauh lebih kompleks, seperti "Bandingkan penjualan produk 403 relatif
dengan rencanakan berdasarkan kuartal dan wilayah penjualan selama dua tahun terakhir. ”Dengan
OLAP dan analisis data yang berorientasi pada permintaan, pengguna harus memiliki ide yang
bagus tentang informasi yang mereka cari.

Penambangan data lebih didorong oleh penemuan. Penambangan data memberikan wawasan
tentang data perusahaan yang tidak dapat diperoleh dengan OLAP dengan menemukan pola
dan hubungan tersembunyi dalam basis data besar dan menyimpulkan aturan dari mereka untuk
memprediksi perilaku masa depan . Pola dan aturan digunakan untuk memandu pengambilan
keputusan dan memperkirakan dampak dari keputusan tersebut. Jenis-jenis informasi yang
diperoleh dari penggalian data meliputi asosiasi, sekuens, klasifikasi, klaster, dan perkiraan.

 Asosiasi adalah kejadian yang terkait dengan satu peristiwa.

 Secara berurutan, acara dihubungkan dari waktu ke waktu.

 Klasifikasi mengenali pola-pola yang menggambarkan kelompok tempat suatu

barang berada dengan memeriksa barang-barang yang sudah ada yang telah
diklasifikasikan dan dengan menyimpulkan seperangkat aturan.
  Pengelompokan bekerja dengan cara yang mirip dengan klasifikasi ketika belum ada
kelompok yang didefinisikan.

 Meskipun aplikasi ini melibatkan prediksi, perkiraan menggunakan prediksi dengan cara
yang berbeda.

Sistem ini melakukan analisis pola atau tren tingkat tinggi, tetapi mereka juga dapat menelusuri
untuk memberikan rincian lebih lanjut saat dibutuhkan. Ada aplikasi penambangan data untuk
semua bidang fungsional bisnis, dan untuk pekerjaan pemerintah dan ilmiah. Salah satu
penggunaan populer untuk penambangan data adalah untuk memberikan analisis terperinci pola
dalam data pelanggan untuk kampanye pemasaran satu-ke-satu atau untuk mengidentifikasi
pelanggan yang menguntungkan. Misalnya, Harrah's Entertainment, perusahaan judi terbesar
kedua di industrinya, menggunakan data mining untuk mengidentifikasi pelanggan yang paling
menguntungkan dan menghasilkan lebih banyak pendapatan dari mereka. Perusahaan terus
menganalisis data tentang pelanggannya yang dikumpulkan ketika orang-orang memainkan mesin
slotnya atau menggunakan kasino dan hotel Harrah. Departemen pemasaran Harrah menggunakan
informasi ini untuk membangun profil perjudian yang terperinci, berdasarkan nilai
berkelanjutan pelanggan tertentu kepada perusahaan. Misalnya, penambangan data membuat
Harrah's mengetahui pengalaman bermain game favorit pelanggan reguler di salah satu kasino
perahu sungai Midwest-nya, bersama dengan preferensi orang itu untuk akomodasi
kamar, restoran, dan hiburan. Informasi ini memandu keputusan manajemen tentang bagaimana
mengolah pelanggan yang paling menguntungkan, mendorong pelanggan tersebut untuk
membelanjakan lebih banyak, dan menarik lebih banyak pelanggan dengan potensi
pembangkitan pendapatan tinggi. Kecerdasan bisnis telah meningkatkan laba Harrah sedemikian
rupa sehingga telah menjadi inti dari strategi bisnis perusahaan.

Analitik prediktif menggunakan teknik penambangan data, data historis, dan asumsi tentang
kondisi masa depan untuk memprediksi hasil peristiwa, seperti probabilitas pelanggan akan
menanggapi penawaran atau pembelian produk tertentu. Sebagai contoh, divisi AS dari The Body
Shop International plc menggunakan analisis prediktif dengan basis data pelanggan katalog, Web,
dan toko ritel untuk mengidentifikasi pelanggan yang lebih mungkin melakukan pembelian
katalog. Informasi itu membantu perusahaan membangun milis yang lebih tepat dan bertarget
untuk katalognya, meningkatkan tingkat respons untuk pengiriman katalog dan pendapatan
katalog.

 Penambangan Teks dan Penambangan Web

Alat intelijen bisnis terutama berurusan dengan data yang telah terstruktur dalam database dan
file. Namun, data yang tidak terstruktur, sebagian besar dalam bentuk file teks, diyakini
menyumbang lebih dari 80 persen informasi berguna organisasi . E-mail, memo, transkrip pusat
panggilan, respons survei, kasus hukum, deskripsi paten, dan laporan layanan semuanya berharga
untuk menemukan pola dan tren yang akan membantu karyawan membuat keputusan bisnis yang
lebih baik. Alat penambangan teks sekarang tersedia untuk membantu bisnis menganalisis data
ini. Alat-alat ini mampu mengekstraksi elemen-elemen kunci dari kumpulan data besar yang tidak
terstruktur, menemukan pola dan hubungan, dan merangkum informasi tersebut. Bisnis
mungkin beralih ke penambangan teks untuk menganalisis transkrip panggilan ke pusat layanan
pelanggan untuk mengidentifikasi layanan utama dan masalah perbaikan. Text mining adalah
teknologi yang relatif baru, tapi apa benar-benar baru adalah berbagai cara di mana data tidak
terstruktur yang dihasilkan oleh konsumen menggunakan data tersebut. Web adalah sumber kaya
informasi berharga lainnya, beberapa di antaranya sekarang dapat ditambang untuk pola, tren, dan
wawasan tentang perilaku pelanggan. Penemuan dan analisis pola dan informasi yang berguna dari
World Wide Web disebut Web mining. Bisnis mungkin beralih ke pertambangan Web untuk
membantu t hem memahami perilaku pelanggan, mengevaluasi efektivitas tertentu situs Web, atau
mengukur keberhasilan kampanye pemasaran. Misalnya, pemasar menggunakan Google Trends
dan Google Wawasan untuk layanan pencarian, yang melacak popularitas berbagai kata-kata dan
frase yang digunakan dalam pencarian Google queries, untuk mempelajari apa yang orang tertarik
dan apa yang mereka tertarik membeli.

C. Database dan Web

Pernahkah Anda mencoba menggunakan Web untuk melakukan pemesanan atau melihat katalog
produk? Jika demikian, Anda mungkin menggunakan situs Web yang ditautkan ke basis
data perusahaan internal . Banyak perusahaan sekarang menggunakan Web untuk membuat
beberapa informasi dalam database internal mereka tersedia bagi pelanggan dan mitra
bisnis. Misalkan, misalnya, pelanggan dengan browser Web ingin mencari basis data
pengecer online untuk informasi harga. Gambar 6-14 mengilustrasikan bagaimana pelanggan
dapat mengakses database internal pengecer melalui Web. Pengguna mengakses situs Web
pengecer melalui Internet menggunakan perangkat lunak browser Web pada PC
kliennya. Perangkat lunak browser Web pengguna meminta data dari orga database nization,
menggunakan perintah HTML untuk berkomunikasi dengan server Web. Karena banyak database
back-end tidak dapat menginterpretasikan perintah yang ditulis dalam HTML, server Web
meneruskan permintaan data ini ke perangkat lunak yang menerjemahkan perintah HTML ke
dalam SQL sehingga dapat diproses oleh DBMS yang bekerja dengan database. Dalam lingkungan
klien / server, DBMS berada di komputer khusus yang disebut server database. DBMS
menerima permintaan SQL dan menyediakan data yang diperlukan. Middleware mentransfer
informasi dari database internal organisasi kembali ke serve r Web untuk pengiriman dalam bentuk
halaman Web kepada pengguna.

Gambar 6-14 menunjukkan bahwa middleware yang bekerja antara server Web dan DBMS adalah
server aplikasi yang berjalan pada komputer khususnya . Perangkat lunak server aplikasi
menangani semua operasi aplikasi, termasuk pemrosesan transaksi dan akses data,
antara komputer berbasis browser dan aplikasi atau database bisnis back-end
perusahaan. The server aplikasi mengambil permintaan dari server Web, menjalankan logika bisnis
untuk memproses transaksi berdasarkan permintaan tersebut, dan menyediakan konektivitas
ke sistem back-end organisasi atau database. Atau, perangkat lunak untuk menangani operasi ini
bisa berupa program khusus atau skrip CGI. Skrip CGI adalah program ringkas yang menggunakan
spesifikasi Common Gateway Interface (CGI) untuk memproses data pada server Web. Ada
sejumlah keuntungan menggunakan Web untuk mengakses basis data
internal organisasi . Pertama, perangkat lunak browser Web jauh lebih mudah digunakan
daripada alat query berpemilik. Kedua, antarmuka Web memerlukan sedikit atau tidak ada
perubahan pada basis data internal. Lebih murah untuk menambahkan antarmuka Web di
depan sistem lama daripada mendesain ulang dan membangun kembali sistem untuk meningkatkan
akses pengguna. Mengakses database perusahaan melalui Web menciptakan efisiensi
baru, peluang, dan model bisnis. ThomasNet.com menyediakan direktori online terkini dari lebih
dari 600.000 pemasok produk industri, seperti bahan kimia, logam, plastik, karet, dan peralatan
otomotif. Sebelumnya bernama Thomas Register, perusahaan tersebut biasa mengirimkan katalog
kertas besar dengan informasi ini . Sekarang ia memberikan informasi ini kepada pengguna secara
online melalui situs Web-nya dan telah menjadi perusahaan yang lebih kecil dan lebih
ramping. Perusahaan lain telah menciptakan bisnis yang sepenuhnya baru berdasarkan akses
ke database besar melalui Web. Salah satunya adalah situs jejaring sosial MySpace, yang
membantu pengguna tetap terhubung satu sama lain atau bertemu orang baru.

6.4. MENGELOLA SUMBER DATA

A. Menentukan Kebijakan Informasi

Setiap bisnis, besar dan kecil, memerlukan kebijakan informasi. Data perusahaan Anda adalah
sumber
daya
penting,
dan Anda tidak ingin orang melakukan apa pun yang mereka inginkan dengannya. Anda perlu
memiliki aturan tentang bagaimana data akan diatur dan dipelihara, dan siapa yang diizinkan untuk
melihat data atau mengubahnya. Kebijakan informasi menetapkan aturan organisasi untuk
berbagi, menyebarluaskan, memperoleh, menstandarisasi, mengklasifikasikan, dan
menginventarisasi informasi .

Kebijakan informasi menjabarkan prosedur dan akuntabilitas tertentu, mengidentifikasi

pengguna dan unit organisasi mana yang dapat membagikan informasi, di mana informasi dapat
didistribusikan, dan siapa yang bertanggung jawab untuk memperbarui dan memelihara informasi
tersebut. Sebagai contoh, suatu kebijakan informasi tipikal akan menetapkan bahwa hanya anggota
penggajian dan sumber daya manusia yang dipilih akan memiliki hak untuk mengubah dan melihat
data karyawan yang sensitif, seperti gaji karyawan atau nomor jaminan sosial, dan
bahwa departemen keberangkatan bertanggung jawab untuk memastikan bahwa data karyawan
tersebut akurat.
 Jika Anda berada dalam bisnis kecil, kebijakan informasi akan dibuat dan diterapkan oleh
pemilik atau manajer. Dalam organisasi besar, mengelola dan merencanakan informasi sebagai
sumber daya perusahaan sering memerlukan fungsi administrasi data formal . Administrasi data
bertanggung jawab atas kebijakan dan prosedur khusus di mana data dapat dikelola sebagai sumber
daya organisasi . Tanggung jawab ini meliputi pengembangan kebijakan informasi,
perencanaan data, mengawasi desain database logis dan pengembangan kamus data,
dan memantau bagaimana spesialis sistem informasi dan kelompok pengguna akhir menggunakan
data. Anda mungkin mendengar istilah tata kelola data yang digunakan untuk menggambarkan
banyak kegiatan ini . Dipromosikan oleh IBM, tata kelola data berkaitan dengan kebijakan
dan proses untuk mengelola ketersediaan, kegunaan, integritas, dan keamanan data yang
digunakan dalam suatu perusahaan, dengan penekanan khusus pada peningkatan
privasi, keamanan, kualitas data, dan kepatuhan terhadap peraturan pemerintah. Sebuah organisasi
besar juga akan memiliki desain basis data dan kelompok manajemen dalam divisi sistem
informasi perusahaan yang bertanggung jawab untuk mendefinisikan dan mengatur struktur dan
konten basis data, serta memelihara basis data. Dalam kerja sama yang erat dengan pengguna,
kelompok desain membuat basis data fisik, hubungan logis antar elemen, dan aturan akses serta
prosedur keamanan. Fungsi yang dilakukan disebut administrasi basis data.

B. Memastikan kualitas data

Database dan kebijakan informasi yang dirancang dengan baik akan berjalan jauh ke depan
memastikan bahwa bisnis memiliki informasi yang dibutuhkan. Namun, tambahan langkah-
langkah harus diambil untuk memastikan bahwa data dalam database organisasi akurat dan tetap
dapat diandalkan.Apa yang akan terjadi jika nomor telepon pelanggan atau saldo akun salah? Apa
dampaknya jika database memiliki harga yang salah untuk produk yang Anda jual atau sistem
penjualan Anda dan sistem persediaan menunjukkan harga berbeda untuk produk yang sama? Data
yang tidak akurat, terlalu cepat, atau tidak konsisten dengan sumber informasi lain mengarah pada
keputusan yang salah, penarikan kembali produk, dan kerugian finansial. Data yang tidak akurat
dalam peradilan pidana dan nasional basis data keamanan bahkan mungkin membuat Anda diawasi
atau tidak perlu penahanan, seperti yang dijelaskan dalam studi kasus penutup bab.

Menurut Forrester Research, 20 persen surat dan iklan AS pengiriman paket dikembalikan
karena nama atau alamat yang salah. Gartner Inc. melaporkan bahwa lebih dari 25 persen data
penting dalam jumlah besar Basis data perusahaan 1000 Fortune tidak akurat atau tidak lengkap,
termasuk yang buruk kode produk dan deskripsi produk, deskripsi persediaan yang salah,data
keuangan salah, informasi pemasok salah, dan salah data karyawan. (Gartner, 2007).

Pikirkan semua waktu yang Anda terima beberapa potong surat langsung yang sama beriklan
di hari yang sama. Ini kemungkinan besar akibat memiliki nama Anda dipertahankan beberapa
kali dalam database. Nama Anda mungkin salah eja atau Anda menggunakan inisial tengah Anda
pada satu kesempatan dan tidak pada yang lain atau informasi awalnya dimasukkan ke dalam
formulir kertas dan tidak dipindai dengan benar ke dalam sistem. Karena ketidakkonsistenan ini,
basis data akan memperlakukan Anda sebagai orang yang berbeda! Kami sering menerima surat
berlebihan yang ditujukan kepada Laudon,Lavdon, Lauden, atau Landon.

Jika database dirancang dengan benar dan standar data untuk seluruh perusahaan elemen data
yang ada, duplikat atau tidak konsisten harus minimal. Paling masalah kualitas data, seperti nama
yang salah eja, diubah angka, atau kode yang salah atau hilang, berasal dari kesalahan selama input
data. Insiden kesalahan tersebut meningkat karena perusahaan memindahkan bisnisnya Web dan
memungkinkan pelanggan dan pemasok untuk memasukkan data ke situs Web mereka yang secara
langsung memperbarui sistem internal.

Sebelum ada database baru, organisasi perlu mengidentifikasi dan memperbaiki data mereka
yang salah dan membuat rutinitas yang lebih baik untuk mengedit data setelah mereka database
sedang beroperasi. Analisis kualitas data sering dimulai dengan data audit kualitas, yang
merupakan survei terstruktur atas akurasi dan tingkat kelengkapan data dalam suatu sistem
informasi. Audit kualitas data dapat dilakukan dilakukan dengan mensurvei seluruh file data,
mensurvei sampel dari file data, atau mensurvei pengguna akhir untuk persepsi mereka tentang
kualitas data.

Pembersihan data, juga dikenal sebagai scrubbing data, terdiri dari kegiatan untuk mendeteksi
dan memperbaiki data dalam database yang tidak benar, tidak lengkap, diformat dengan tidak
benar, atau berlebihan. Pembersihan data tidak hanya memperbaiki kesalahan tetapi juga
menegakkan konsistensi di antara berbagai set data yang berasal dari sistem informasi yang
terpisah. Tersedia perangkat lunak pembersihan data khusus untuk secara otomatis mensurvei file
data, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format seluruh
perusahaan yang konsisten.
 Masalah kualitas data bukan hanya masalah bisnis. Mereka juga berpose seriusmasalah bagi
individu, yang mempengaruhi kondisi keuangan mereka dan bahkan pekerjaan mereka. Sesi
Interaktif tentang Organisasi menggambarkan beberapa dampak ini merinci masalah kualitas data
yang ditemukan di perusahaan yang mengumpulkan dan melaporkan data kredit konsumen. Saat
Anda membaca kasus ini, cari faktor manajemen, organisasi, dan teknologi di balik masalah ini,
dan apakah ada solusi memadai.
 DAFTAR PUSTAKA

Kenneth C. Laudon; Jane P. Laudon. 2014. Management Information System, Edisi 13.
Kenneth C. Laudon; Jane P. Laudon. 2014. Management Information System, Edisi 12.