PEMBAHASAN:

1. MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE

TRADISIONAL
Sistem komputer mengorganisasikan data ke dalam sebuah hierarki yang
dimulai dengan bit dan byte, menuju field,record dan basis data.Sebuah bit mewakili
wewakili unit terkecil dari data yang dapat disimpan dalam komputer. Sekumpulan bit
disebut byte, mewakili sebuah karakter tunggal. Pengelompokan karakter menjadi
sebuah kata, kumpulan kata, atau bilangan lengkap dinamakan field. Sekumpulan
field yang saling berhubungan berkumpul menjadi sebuah record. Sekumpulan record
yang jenisnya sama dinimakan file. Sekelompok file yang berhubungan membentuk
basis data. Sebuah record menggambarkan sebuah entitas. Entitas adalah orang,
tempat, hal, atau kejadian yang informasinya disimpan dan dipelihara. Setiap karakter
atau kualitas yang menggambarkan entitas khusus disebut atribut.
2. PERMASALAHAN DALAM MENGELOLA SUMBER DAYA DATA

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.
Masalah-masalah yang ada adalah redundansi dan inkonsisten data,
ketergantungan program data, tidak fleksibel, buruknya keamanan data, dan
ketidakmampuan berbagi data diantara aplikasi-aplikasi.
a. Redundansi dan Inkonsisten Data
Redundansi data adalah duplikasi data dalam beberapa file data sehingga data
yang sama di simpan di dalam lebih dari 1 lokasi. Redundansi data terjadi
ketika kelompok yang berbeda dalam organisasi mendapatkan data yang
sama secara independen dan menyimpannya secara independen juga.
Redundansi data menghabiskan tempat penyimpanan data dan juga
menimbulkan inkonsisten data, dalam arti atribut yang sama mungkin
mempunyai nilai berbeda.
b. Ketergantungan Program Data

1
 Mengacu pada pasangan data yang tersimpan dalam file dan program tertentu
yang dibutuhkan untuk memperbarui memelihara file tersebut sehingga
perubahan dalam programnya membutuhkan perubahan dalam datanya.
c. Kurangnya Fleksibelitas
Sisterm file tradisional dapat mengirim laporan terjdwal rutin setelah
dilakukan pemrograman yang ekstensif, tapi tidak dapat mengirim laporan
khusus atau merespon kebutuhan informasi yang tidak diantisipasi secara
tepat waktu.
d. Keamanan yang buruk
Karena kendala terhadap data dan pengelolaannya kurang, akses kepada dan
penyebaran dari informasi mungkin tidak dapat dilakukan.
e. Kekurangan dalam Pembagian dan Ketersediaan Data
Karena potongan-potongan informasi di dalam bagian yang berbada dari
organiasasi tidak dapat dihubungankan satu dengan yang lainnya, maka
mustahil informasi tersebut dapat dibagikan atau akses secara tepat.

3. PENDEKATAN BASIS DATA TERHADAP PENGELOLAAN DATA

Teknologi basis data mengatasi banyak masalah dalam organisasi file tradisional.
Definisi yang lebih tepat dari basis data adalah sekumpulan data organisasi untuk
melayani banyak aplikasi secara efisien dengan memusatkan data dan mengendalikan
redundasi data.

a. Sistem manajemen basis data

Sistem informasi basis data adalah peranti lunak yang memudahkan organisasi
untuk memusatkan data, mengelola data secara efisien, dan menyediakan akses
data bagi program aplikasi. DBMS bertindak sebagai antar muka antara program
aplikasi dan file data fisik. DBMS adalah singkatan dari “Database Management
System” yaitu sistem penorganisasian dan sistem pengolahan Database pada
komputer. DBMS atau database management system ini merupakan
perangkat lunak (software) yang dipakai untuk membangun basis data yang
berbasis komputerisasi.
DBMS (Database Management system) ini juga dapat membantu dalam
memelihara serta pengolahan data dalam jumlah yang besar, dengan

2
menggunakan DBMS bertujuan agar tidak dapat menimbulkan kekacauan dan
dapat dipakai oleh user sesuai dengan kebutuhan.
DBMS ialah perantara untuk user dengan basis data, untuk dapat berinteraksi
dengan DBMS dapat memakai bahasa basis data yang sudah di tentukan oleh
perusahaan DBMS. Bahasa basis data umumnya terdiri dari berbagai macam
instruksi yang diformulasikan sehingga instruksi tersebut dapat di proses oleh
DBMS.

Perintah atau instruksi tersebut umumnya ditentukan oleh user, adapun bahasa
yang digunakan dibagi kedalam 2 (dua) macam diantaranya sebagaimana di
bawah ini:

1. DDL (Data Definition Language)

Yang pertama adalah bahasa DDL atau kepanjangannya Data Definition
Languange, yaitu dipakai untuk menggambarkan desain dari basis data
secara menyeluruh. DDL (Data Definition Language) dapat dipakai untuk
membuat tabel baru, memuat indeks, maupun mengubah tabel. Hasil dari
kompilasi DDL akan disimpan di kamus data. Itulah definisi dari DDL.
2. DML (Data Manipulation Language)
Dan yang kedua adalah DML atau kepanjangannya Data Manipulation
Language, yaitu dipakai untuk memanipulasi daan pengambilan data pada
suatu basis data, misalnya seperti penambahan data yang baru ke dalam suatu
basis data, menghapus data pada suatu basis data dan mengubah data pada
suatu basis data.
Perangkat lunak manajemen basis data membuat database fisik tersedia untuk
berbagai pandangan logis yang dibutuhkan oleh pengguna. Misalnya, untuk
database sumber daya manusia yang diilustrasikan pada Gambar 6-3, seorang
spesialis tunjangan perusahaan mungkin memerlukan pandangan yang terdiri dari
nama karyawan, nomor jaminan sosial, dan cakupan asuransi kesehatan. Seorang
anggota departemen penggajian mungkin memerlukan data seperti nama karyawan,
nomor jaminan sosial, gaji kotor, dan gaji bersih. Data untuk semua tampilan ini
disimpan dalam satu database, di mana mereka dapat dikelola dengan lebih mudah
oleh organisasi.

3
b. Kapabilitas Sistem Manajemen Database

Suatu DBMS selalu menyertakan perangkat  untuk mengorganisasikan,

mengelola, dan mengakses data pada database. Dan hal yang paling penting
adalah bahasa untuk mendefinisikan data, kamus data, dan bahasa untuk
manipulasi/ memodifikasi data.
DBMS memiliki kapabilitas definisi data untuk menspesifikasikan struktur
konten database. Definisi data digunakan untuk membuat database dan untuk
mendefinisikan karakteristik field pada setiap table. Informasi tentang database
ini akan didokumentasikan dalam kamus data. Kamus data (data dictionary)
adalah file manual atau otomatis yang menyimpan definisi-definisi elemen data
berikut karakteristik mereka.

c. Merancang Database

Untuk merancang database, harus difahami dulu bagaimana hubungan

antara data, jenis dta yang dikelola pada database, bagaimana tersebut akan
digunakan, serta bagaimana organisasi perlu diubah untuk mengelola data dari
perspektif lengkap seluruh perusahaan. Database memerlukan rancangan konsep
maupun fisik. Rancangan konseptual atau logis dari suatu database adalah model
abstrak dari database dari perspektif organisasi bosnis, dimana rancangan fisik

4
 menunjukka bagaimana database dirancang lewat akses langsung perangkat
penyimpanan.
Rancangan konseptual suatu database menggambarkan bagaimana elemen-
elemen data pada database dikelompokan. Proses rancangan tersebut
mengedintifikasi hubungan antara elemen-elemen data dan cara efisien dalam
mengelompokan elemen-elemen data untuk menjawab kebutuhan informasi
suatu organisasi bisnis. Proses tersebut juga mengidentifikasi data-data ganda
dan pengelompokan elemen-elemen data yang diperlukan untuk program
aplikasi yang spesifik. Kelompok data diorganisasikan, diperbaiki dan
didistribusikan dengan lancar, sampai hubungan logis antara seluruh data
pada database tampak jelas.
Bagaimana DBMS menyelesaikan masalah dalam lingkungan file
tradisional
Dengan memperkecil redundasi dan inkonsistensi data dengan
meminimalisasi file-file yang terpisah  yang mempunyai data sama. DBMS
tidak dapat menghilangkan redunsi, melainkan mengendalikan redundasi data.
Menggunakan DBMS dapat menghilangkan inkonsistensi data karena pada
sistem ini memastikan bahwa data yang sama memilki nilai yang sama.

d. DBMS Relasional

DBMS terkini menggunakan model-model yang berbeda untuk memantau

entitas, atribut, dan hubungan. Jenis DBMS yang paling populer bagi PC
ataupun mainframe saat ini adalah DBMS relasional (relational DBMS). DBMS
relasional menampilkan data menjadi tabel dua dimensi.  Tabel dapat juga
dianggap sebagai file, yang berisi data pada sebuah entitas. MySQL adalah
DBMS open source yang terkenal sedangkan oracle database lite adalah DBMS
untuk perangkat komputasi mobile. DBMS relasional mengorganisasikan data
pemasok dan suku cadang. Database tersebut memiliki tabel yang terpisah untuk
entitas pemasok dan sebuah tabel untuk entitas barang.
Informasi aktual/lengkap mengenai seorang pemasok yang berbasis
sepanjang suatu tabel disebut baris. Baris sering juga disebut sebagai record 
karena mewakili satu informasi lengkap mengenai seseorang atau dalam istilah

5
 yang sangat teknis disebut tuples. Data  untuk entitas suku cadang memiliki
tabel terpisah yang tersendiri.
1. 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. Dalam database relasional ada tiga operasi
dasar yang digunakan untuk mengembangkan serangkaian data yang sangat
berguna yaitu select, join, dan project. Operasi select menampilkan suatu
bagian yang berisi seluruh rekaman pada suatu file berdasarkan kriteria yang
ditentukan. Operasi join mengkombinasikan tabel-tabel yang memiliki
keterkaitan untuk menyediakan informasi yang lebih lengkap kepada
pengguna daripada pada satu tabel saja. Untuk operasi project menampilkan
kolom-kolom dari suatu tabel berdasarkan kriteria tertentu yang
memungkinkan pengguna untuk menampilkan tabel baru yang berisi
informasi-informasi yang benar-benar diperlukan.

e. Database Non-Relasional dan Database pada Sistem Cloud Computing

Dalam jangka waktu 30 tahun, teknologi database relasional telah menjadi

standar emas. Cloud computing volume data yang belum pernah ada
sebelumnya, beban pekerjaan yang begiru besar untuk layanan web, serta
kebutuhan untuk menyimpan data jenis baru memerlukan alternatif database
selain model lama dari database rasional dalam mengorganisasikan data guna
membentuk tabel, kolom, dan baris. Sistem manajemen database non-relasional
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. Seperti web,
media sosial, grafis dan bentuk data lainnya yang sulit dianalisis menggunakan
perangkat tradisional berbasis SQL.

f. Kelebihan DBMS

DBMS memungkinkan perusahaan maupun pengguna individu untuk:

1. Mengurangi pengulangan data

6
 Apabila dibandingkan dengan file-file komputer yang disimpan terpisah di
setiap aplikasi komputer, DBMS mengurangn jumlah total file dengan
menghapus data yang terduplikasi di berbagai file. Data terduplikasi
selebihnya dapat ditempatkan dalam satu file.
2. Mencapai independensi data

Spesifikasi data disimpan dalam skema pada tiap program aplikasi.

Perubahan dapat dibuat pada struktur data tanpa memengaruhi program yang
mengakses data.
3. Mengintegrasikan data beberapa file

Saat file dibentuk sehingga menyediakan kaftan logis, maka organisasi fisik
bukan merupakan kendala. Organisasi logis, pandangan pengguna, dan
program aplikasi tidak hares tercermin pada media penyimpanan fisik.
4. Mengambil data dan informasi dengan cepat

Hubungan-hubungan logis, bahasa manipulasi data, serta bahasa query

memungkinkan pengguna mengambil data dalam hitungan detik atau menit.
5. Meningkatkan keamanan

DBMS mainframe maupun komputer mikro dapat menyertakan beberapa

lapiskeamanan seperti kata sand (password), direktori pemakai, dan bahasa
sand (encryption) sehingga data yang dikelola akan lebih aman.

g. Kekurangan DBMS
1. Memperoleh perangkat lunak yang mahal
DBMS mainframe masih sangat mahal. Walaupun harga DBMS berbasis
komputer mikro lebih murah, tetapi tetap merupakan pengeluaran besar bagi
suatu organisasi kecil.

2. Memperoleh konfigurasi perangkat keras yang besar

BMS sering memerlukan kapasitas penyimpanan clan memori lebih besar
daripada program aplikasi lain.
3. Mempekerjakan dan mempertahankan staf DBA

DBMS memerlukan pengetahuan khusus agar dapat memanfaatkan

kemampuannya secara penuh. Pengetahuan khusus ini disediakan paling baik

7
 oleh para pengelola basisdata (DBA).Baik basis data terkomputerisasi
maupun DBMS bukanlah prasyarat untukmemecahkan masalah. Namun,
keduanya memberikan dasar-dasar menggunakan komputer sebagai suatu
sistem informasi bagi para spesialis informasi dan pengguna.

4. MEMANFAATKAN DATABASE UNTUK MENINGKATKAN KINERJA

BISNIS DAN PENGAMBILAN KEPUTUSAN

Tantangan dalam menangani besarnya volume data

Sampai 5 tahun sebagian besar data dikumpulkan oleh organisasi yang terdiri
atas data transaksi yang dapat ditempatkan dengan mudah kedalam kolom
danbaris pada DBMS Relasional. Kemungkinan data-data yang ada memiliki
struktur atau tidak sesuai dengan produk DBMS relasional yang
mengorganisasikan data kedalam bentuk kolom dan baris.

Infrastruktur Bisnis

Kebutuhan akan data yang berkapabilitas besar memerlukan infraksruktur

bisnis yang terkini dan memiliki rabgkaian perangkat untuk memperoleh
informasi-informasi yang diperlukan dari berbagai jenis data yang berbeda yang
ada dalam organisasi. Kemampuan-kemampuan tersebut meliputi data
warehouse, data marts, hadoop, in-memory computing, serta platform analitis.

1. Data warehouse dan data mart

Data warehouse adalah data yang menyimpan data historis dan data terkini
yang berpengaruh bagi kepentingan pengambil jeputusan diseluruh perusahaan.
Sedangkan 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 lebih ditentkan.

2. Hadoop

8
 Hadoop adalah perangkat kerja open source yang dikelola oleh Apache
software foundation yang memungkinkan pendistribusian proses data
berkapasitas besar secara paralel pada komputer-komputer berbiaya terjangkau.

3. Komputasi dalam memori

Komputasi dalam memori adalah cara yang lain untuk memfasilitasi analisis
data yang besar.

4. Platform analitis

Para vendor database komersial telah mengembangkan Platform analitis yang

berkecepatan timggi yang terspesialisasi dengan menggunakan baik teknologi
terkait maupun yang tidak terkait yang dioptimalkan untuk menganalisis
kumpulan data yang besar

h. PRINSIP UTAMA DALAM PENCIPTAAN DATABASE

Sebelum menciptakan database kita harus mengetahui prinsip utama database
tersebut terlebih dahulu. Prinsip utama database, antara lain :
1. Pengaturan data dengan tujuan utama fleksibelitas dan kecepatan dalam
pengambilan data kembali.
2. Sebagai efesiensi yang meliputi speed, space dan accuracy, menangani data dalam
jumlah besar kebersamaan pemakai (sharebility) dan meniadakan duplikasi
ikonsistensi data.
Setelah mengetahui prinsip utama database ini, pada prinsipnya menciptakan
database mencakup tiga langkah yaitu :
1. Menentukan kebutuhan data, ada dua pendekatan yaitu :
a. Pendekatan berorientasi proses
 Tentukan masalah
 Kenali keputusan yang diperlukan
 Deskripsikan kebutuhan informasi
 Tentukan pemrosesan yang diperlukan
 Tentukan kebutuhan data
 Spesifikasi data

9
 b. Pendekatan model perusahaan
 Buat model data enterprise
 Model data enterprise
 Kembangkan database
 Database
2. Menjelaskan data
Sistem manajemen database menggunakan istilah-istilah spesifik untuk
menggambarkan definisi data yang mereka miliki. Setelah elemen-elemen data
yang diperlukan ditentukan, maka dijelaskan dalam bentuk kamus data.
Kamus data dapat berupa kertas atau file komputer. Jika berupa file sistem
kamus data diperlukan untuk menciptakan dan memeliharanya, serta
mempersiapkan untuk digunakan. Setelah kamus data diciptakan, penjelasanya
harus dimasukan dalam DBMS.
3. Memasukan data
Setelah skema dan subskema diciptakan, data dapat dimasukkan ke dalam
database. Hal ini dapat dilaksanakan dengan mengetik data langsung ke dalam
DBMS, membaca dari pita atau piringan, atau menscan data secara optis.
Dalam memilih DBMS perlu beberapa pertimbangan, bukan hanya karena mahal
harganya. Ada empat hal yang terpenting, yaitu :
a) Bahasa query
b) Pertimbangan keamanan
c) Biaya tak langsung pemrosesan
d) Kecocokan dengan tipe aplikasi.
6. PERANGKAT ANALITIS : HUBUNGAN, POLA, TREN
a. 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

10
 memperlihatkan suatu model multidimensional yang dapat diciptakan untuk
mewakili pelanggan, waktu penjualan, dan produk.
b. 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 :
 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%

 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.

 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.

 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.

11
  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.

c. 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 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.

7. PENTINGNYA KEBIJAKAN INFORMASI, ADMINISTRASI DATA DALAM

PENGELOLAAN SUMBER DAYA DATA
a. Menetapkan Kebijakan Informasi

12
 Setiap bisnis, skala besar maupun kecil, memerlukan kebijakan informasi.
Data perusahaan merupakan sumber daya yang penting dan tentunya tidak ingin
jika seseorang melakukan sesuatu yang mereka inginkan terhadap data tersebut.
Oleh karena itu, seorang pemimpin suatu perusahaan perlu memiliki aturan-aturan
mengenai bagaimana data diorganisasikan, dipertahankan, dan siapa yang
diizinkan untuk melihat atau mengubah data tersebut.

Kebijakan informasi (Information policy) menentukan aturan organisasi

dalam hal pembagian, penyebaran, perolehan, standarisasi, klasifikasi, dan
penyimpanan informasi. Undang-undang kebijakan informasi menjelaskan
prosedur dan akuntabilitas yang spesifik, mengidentifikasi informasi dapat saling
dibagikan oleh pengguna dan unit organisasi, di mana informasi dapat
didistribusikan, dan siapa yang bertanggung jawab untuk memperbarui dan
memelihara informasinya. Sebagai contoh, kebijakan informasi umumnya
menentukan bahwa hanya para anggota terpilih dari departemen penggajian dan
sumber daya manusia yang memiliki hak untuk mengubah dan melihat data
karyawan yang sensitif, seperti misalnya gaji karyawan atau nomor jaminan
sosialnya, dan departemen-departemen ini yang bertanggung jawab untuk
memastikan bahwa data karyawan tersebut adalah akurat.

Jika berada dalam bisnis skala kecil, maka kebijakan informasi akan
ditetapkan dan diimplementasikan oleh pemilik atau manajer. Namun dalam
organisasi berskala besar, pengelolaan dan perencanaan informasi sebagai sumber
daya perusahaan membutuhkan fungsi administrasi data formal. Administrasi data
(data sebagai sumber daya organisasi. Tanggung jawab tersebut meliputi
pengembangan kebijakan informasi, perencanaan data, pengawasan rancangan
database logis, dan pengembangan kamus data, serta pemantauan terhadap spesialis
sistem informasi dan kelompok pengguna akhir dalam menggunakan data.

Selain itu, mungkin anda pernah mendengar istilah tata kelola data (data
governance) yang digunakan untuk menggambarkan banyak hal dari aktivitas
tersebut. Didukung oleh IBM, tata kelola data berkaitan dengan kebijakan dan
proses untuk mengelola ketersediaan, kegunaan, integritas, dan keamanan dari data
yang digunakan dalam suatu perusahaan, dengan penekanan khusus pada dukungan

13
 untuk privasi, keamanan, kualitas data, dan kepatuhan terhadap berbagai aturan
pemerintah.

Jadi mengapa kebijakan informasi dan administrasi data, penting dalam

pengelolaan sumber daya data yaitu karena untuk mengembangkan lingkungan
database memerlukan kebijakan dan prosedur dalam mengelola data organisasional
sama halnya dengan model data yang tepat dan teknologi database. Kebijakan
informasi formal mengatur pemeliharaan, distribusi, dan penggunaan informasi
dalam organisasi. Dalam korporasi-korporasi besar, fungsi administrasi data formal
bertanggung jawab atas kebijakan informasi, sama halnya dengan perencanaan
data, pengembangan kamus data, dan pemantauan penggunaan data dalam
perusahaan.

b. Memastikan Kualitas Data

Database dan kebijakan informasi dirancang dengan baik akan berlanjut pada
jaminan bahwa perusahaan akan memiliki informasi yang diperlukannya. Namun,
langkah-langkah tambahan harus diambil untuk memastikan bahwa data dalam
database perusahaan akurat dan tetap dapat diandalkan.
Apa yang terjadi jika nomor telepon pelanggan atau saldo rekening nasabah
tidak dicatat dengan benar? Apakah dampaknya jika database memiliki harga yang
keliru untuk suatu periode yang dijual atau sistem penjualan dan sistem persediaan
memperlihatkan harga yang berbeda dengan produk yang sama? Data yang tidak
akurat, tidak tepat waktu, atau tidak konsisten dengan sumber informasi lainnya
akan mengarahkan pada pengambilan keputusan yang tidak tepat, penarikan
kembali produk, dan kerugian finansial. Seperti contoh, Gartner Inc. melaporkan
bahwa lebih dari 25 persen data yang sangat penting dalam perusahaan besar yang
terdaftar dalam database Fortune 1000 adalah tidak akurat atau tidak lengkap,
meliputi kode produk dan penjelasan produk yang buruk, kesalahan dalam
gambaran persediaan, data finansial yang salah, informasi pemasok yang tidak
benar, dan data karyawan yang salah. Penelitian Sirius Decision yang dituliskan
dalam “The Impact of Bad Data on Demand Creation” menemukan bahwa 10
hingga 25 persen pelanggan dan prospek pelanggan mencatat isi data penting yang
salah. Untuk memperbaiki kesalahan-kesalahan tersebut pada sumber mereka
berikutnya melaksanakan dengan baik untuk mempromosikan kualitas data yang

14
meningkatkan produktivitas dari proses penjualan dan menghasilkan peningkatan
sebesar 66 persen dalam pendapatan.
Beberapa dari permasalahan kualitas data tersebut disebabkan oleh data ganda
dan tidak konsisten yang dihasilkan oleh banyaknya sistem yang dimasukkan ke
dalam data warehouse. Jika database dirancang dengan tepat dan standar data
keseluruhan perusahaan ditentukan dengan baik, maka elemen data yang
mengalami duplikasi atau tidak konsisten akan diminimalkan. Sebagian besar
permasalahan kualitas data, seperti salah mengeja nama, nomor terbalik, atau kode
yang tidak benar atau hilang, bersumber dari kesalahan ketika memasukkan data.
Insiden kesalahan tersebut akan meningkat seiring dengan perusahaan
memindahkan kegiatan bisnisnya ke web dan memungkinkan pelanggan dan
pemasok untuk memasukkan data ke dalam situs web mereka yang secara langsung
memperbarui sistem internal.
Sebelum database baru dipergunakan, maka organisasi perlu mengidentifikasi
dan memperbaiki data yang salah dan menciptakan program-program yang lebih
baik untuk mengedit data ketika database tersebut mulai dioperasionalkan. Analisis
kualitas data sering dimulai dengan 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 diselenggarakan dengan
melakukan dengan melakukan survei keseluruhan file data, menyurvei pengguna
data atas persepsi mereka mengenai kualitas data.
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 dengan tepat, atau berlebihan. Pembersihan data
bukan hanya mengoreksi kesalahan, tetapi juga menekankan konsistensi diantara
serangkaian data yang berbeda yang berasal dari sistem informasi yang terpidah.
Perangkat lunak pembersihan data yang khusus tersedia untuk meyurvei file data
secara otomatis, memperbaiki kesalahan dalam data, dan mengintegrasikan data
dalam format yang konsisten bagi semua bagian dari perusahaan.
Permasalahan kualitas data bukan hanya merupakan permasalahan dalam
bisnis semata. Mereka juga menimbulkan permasalahan yang serius bagi
individual, memengaruhi kondisi keuangan mereka, dan bahkan pekerjaan mereka.
Sebagai contoh, data yang tidak akurat atau usang mengenai riwayat kredit dari
nasabah yang dikelola oleh lembaga kredit dapat mencegah para individual yang
15
 layak diberikan kredit dari memperoleh pinjaman atau menurunkan peluang
mereka dalam menemukan atau mempertahankan suatu pekerjaan.

DAFTAR PUSTAKA

Laudon, Kenneth C., dan Jane P. Laudon. 2015. Sistem Informasi Manajemen. Jakarta:
Salemba Empat.

http://mynovaaditya.blogspot.com/2016/11/normal-0-false-false-false-in-x-none-x.html
(Diakses Pada Tanggal 5 Maret 2020)

http://www.saifulrahman.lecture.ub.ac.id/files/2010/05/MENGELOLA-SUMBER-DATA.pdf
(Diakses Pada Tanggal 5 Maret 2020)

https://dosenit.com/kuliah-it/database/database-relasional (Diakses Pada Tanggal 5 Maret

2020)

http://17l1ch4.blogspot.com/2013/01/model-data-desain-database.html(Diakses Pada Tanggal

5 Maret 2020)

https://www.dosenpendidikan.co.id/client-dan-server/ (Diakses Pada Tanggal 5 Maret 2020)

https://adejaim.blogspot.com/2017/10/kemampuan-utama-dbms-guna meningkatkan.html
(Diakses Pada Tanggal 5 Maret 2020)

https://ujibatique.wordpress.com/manajemen-basis-data/ (Diakses Pada Tanggal 6 Maret

2020)

16
17