DASAR – DASAR INTELIJEN BISNIS : DATABASE DAN MANAJEMEN

INFORMASI

Halaman ul
Tugas Mata Kuliah

Sistem Informasi Manajemen dan Teknologi

Oleh Kelompok 2 :

Siti Munifatur Rofifah 180810301240

Evrida Khurnia A. 180810301242

Anfinia Priscilia M. 180810301243

Aulia Fa’es Isfahani 180810301245

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS JEMBER

2020
DASAR – DASAR INTELIJEN BISNIS : DATABASE DAN MANAJEMEN
INFORMASI

1. Mengorganisasi Data Dalam Lingkungan File Tradisional

Sistem informasi dianggap efektif jika menyediakan informasi yang akurat, tepat
waktu, dan relevan. Akurat berarti bebas dari kesalahan, tepat waktu berarti informasi
yang tersedia pada saat diperlukan oleh pengambil keputusan dan relevan jika dapat
memberi manfaat sesuai dengan jenis pekerjaan dan keputusan yang akan dibuat.
a. Istilah dan Konsep Dalam Pengorganisasian File
Sistem komputer mengorganisasikan data berdasarkan suatu hierarki yang
dimulai dari bit (unit terkecil yang dapat ditangani komputer) kemudian byte
(sekumpulan bit yang mewakili satu buah karakter tunggal), kemudian field
(sekelompok karakter yang membentuk kata), record (sekelompok field yang
saling berhubungan), file (sekumpulan record) dan database (sekumpulan record).
b. Masalah – Masalah Dalam Lingkungan Data Tradisional
 Reduksi dan Inkonsistensi Data
Reduksi Data, yaitu adanya kehadiran data ganda pada beberapa file data
yang tersimpan di beberapa tempat lokasi. Sedangkan inkonsistensi data
adalah adanya atribut – atribut yang sama namun memiliki nilai – nilai yang
berbeda.
 Ketergantungan Program Data
 Kurangnya Fleksibilitas.
 Sistem Keamanan yang Buruk
 Kurangnya Ketersediaan dan Pendistribusian Data
2. Pendekatan Database Untuk Pengelola Data
Database adalah sekumpulan data yang diorganisasikan untuk melayani berbagai
aplikasi secara efisien dengan memusatkan data dan mengurangi penggandaan data.
1. Sistem Manajemen Database
Sistem manajemen database (DBMS) adalah perangkat lunak yang
memungkinkan suatu organisasi memusatkan data, mengolah mereka secara
efisien, dan menyediakan akses terhadap data yang disimpan oleh program
aplikasi. DBMS memudahkan pekerjaan pemrogram dan pengguna dengan cara
memahami di mana dan bagaimana data disimpan dengan memberikan tampilan
terpisah pada data fisik dan data logis.
 Bagaimana DBMS menyelesaikan masalah-masalah pada lingkungan file
tradisional
DBMS mengurangi reduksi (ganda) dan inkonsistensi data dengan
meminimalkan file-file yang terisolasi yang berisi data sama.
 DBMS relasional
Jenis DBMS yang paling populer bagi PC maupun mainframe saat ini adalah
DBMS relasional yang menampilkan data menjadi tabel dua dimensi (yang
disebut relasi).
 Operasi DBMS relasional
  Database non-relasional dan database pada sistem cloud computing
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.
2. Kapabilitas Sistem Manajemen Database
DBMS memiliki kapabilitas definisi data untuk menspesifikasikan struktur konten
database, di mana nantinya digunakan untuk membuat tabel database dan untuk
mendefinisikan karakteristik field pada setiap tabel.
Meminta data dan melaporkan
DBMS memiliki bahasa tersendiri yang disebut bahasa manipulasi data yang
digunakan untuk menambah, mengubah, menghapus, dan mengambil data pada
database.
3. Merancang Database
Normalisasi dan diagram relasi entitas
Untuk menggunakan model database yang relasional secara efektif, kelompok
data yang rumit harus disederhanakan untuk meminimalisasi elemen-elemen data
yang yang ganda serta hubungan-hubungan jamak yang janggal. Normalisasi
diartikan sebagai proses menciptakan struktur data yang ringkas, stabil dan
fleksibel dan adaptif dari kelompok-kelompok yang rumit. Sistem database
relasional berupaya untuk menerapkan aturan referensial terintegrasi yang
menjamin hubungan antar variabel tetap konsisten dan perancang database
mendokumentasikan model datanya dengan sebuah diagram relasi entitas.
3. Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis dan Pengambilan
Keputusan
1. Tantangan Dalam Menangani Besarnya Volume Data
Saat ini kita menggunakan istilah data besar (big data) untuk menggambarkan
rangkaian data dengan volume yang sangat besar yang melampaui DBMS dalam
mengelola, menyimpan, dan menganalisis data tersebut. Data besar dihasilkan
dalam jumlah yang jauh lebih besar dan lebih cepat ketimbang data tradisional.
2. Infrastruktur Intelijen Bisnis
Infrastruktur dan intelijen bisnis terkini memiliki rangkaian perangkat untuk
memperoleh informasi-informasi yang diperlukan dari berbagai jenis data yang
berbeda pada organisasi bisnis masa kini, termasuk data berkapasitas besar yang
semi-terstruktur maupun tidak terstruktur.
 Data Warehouse dan Data Mart
Data warehouse adalah data yang menyimpan data historis dan data terkini
yang berpengaruh bagi kepentingan pengambil keputusan di seluruh
perusahaan. Data ini menjamin ketersediaan data bagi siapa pun untuk
diakses saat dibutuhkan namun tidak dapat diubah. Data mart adalah bagian
dari data werehouse yang diringkas dan dikhususkan untuk penanganan
jenis-jenis data tertentu pada database yang terpisah untuk kelompok
pengguna yang telah ditentukan.
  Hadoop
Hadoop adalah kerangka kerja open-source yang dikelola oleh Apache
Software Foundation yang memungkinkan pendistribusian proses data
berkapasitas besar secara paralel pada komputer-komputer berbiaya
terjangkau. Hadoop memecah masalah data besar tersebut menjadi bagian
yang lebih kecil, kemudian mendistribusikannya ke ribuan titik pemrosesan
komputer yang berbiaya terjangkau, lalu mengkombinasikan hasilnya
menjadi rangkaian data yang lebih kecil untuk mempermudah proses analisis.
 Komputasi Dalam Memori
Komputasi dalam memori mengandalkan memori utama dari komputer untuk
data penyimpanan yang digunakan untuk menganalisis data yang besar.
 Platform Analitis
Para vendor database komersial mengembangkan platform analitis
berkecepatan tinggi yang terspesialisasi dengan menggunakan baik teknologi
terkait maupun tidak terkait yang dioptimalkan untuk menganalisis kumpulan
data besar.
3. Perangkat Analitis: Hubungan, Pola, Tren
 Pemrosesan Analitis Data (OLAP)
Pemrosesan analitis online mendukung analitis data yang multidimensional,
yang memungkinkan bagi para pengguna untuk melihat data yang sama
dalam cara-cara yang berbeda dengan menggunakan banyak dimensi. OLAP
memungkinkan para penggunanya untuk memperoleh jawaban-jawaban
secara online atas pertanyaan-pertanyaan khusus dalam waktu yang cukup
cepat, bahkan ketika data disimpan dalam database yang sangat besar.
 Data Mining
Data mining lebih terdorong pada penemuan dan memberikan wawasan pada
korporat, data yang tidak dapat diperoleh dengan OLAP dengan menemukan
pola-pola yang tersembunyi serta hubungan dalam database yang besar dan
aturan menarik kesimpulan dari mereka untuk memprediksikan perilaku pada
masa yang akan datang. Tipe informasi yang dapat diperoleh dari data
mining, yaitu
1) Asosiasi, merupakan kejadian yang dikaitkan dengan suatu peristiwa
tunggal.
2) Dalam sekuen, maka peristiwa-peristiwa yang akan dikaitkan
berdasarkan waktu.
3) Klasifikasi, membahas pola-pola yang menggambarkan kelompok yang
mana suatu barang yang dimiliki dengan memeriksa barang yang ada,
yang telah diklasifikasikan dan dengan menarik kesimpulan dari
serangkaian aturan.
4) Pengklasteran (clustering) bekerja dengan cara yang sama seperti
klasifikasi ketika tidak ada kelompok yang masih belum didefinisikan.
 5) Peramalan menggunakan serangkaian nilai yang ada untuk meramalkan
berapa besar dari nilai lainnya.
 Teks Mining dan Web Mining
Perangkat teks mining sekarang tersedia untuk membantu bisnis dalam
menganalisis data. Bisnis dapat beralih kepada teks mining untuk
menganalisis transkrip dari panggilan kepada pusat layanan pelanggan untuk
mengidentifikasi layanan utama dan menyelesaikan masalah atau untuk
mengukur pendapat pelanggan mengenai perusahaan mereka. Sedangkan
perangkat lunak analisis sentimen dapat melakukan penelusuran atas
komentar teks dalam pesan surel, blog maupun bentuk survei untuk
mendeteksi opini yang menyenangkan dan yang tidak menyenangkan
mengani topik bahasan tertentu. Bisnis 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.
4. Pengelolaan Sumber Data
1. Menetapkan Kebijakan Informasi
Kebijakan informasi 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. Dalam
bisnis berskala besar, pengelolaan dan perencanaan informasi membutuhkan
fungsi administrasi yang bertanggung jawab atas kebijakan dan prosedur yang
mengatur data sebagai sumber daya organisasi.
2. Memastikan Kualitas Data
Database dan kebijakan informasi yang 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. Jika database
dirancang dengan tepat dan standar data keseluruhan perusahaan ditentukan
dengan baik, maka elemen data yang mengalami duplikasi atau tidak konsisten
dapat diminimalkan. 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 mulai
dioperasionalkan. Dimulai dari audit kualitas data yang merupakan survei
terstruktur atas keakuratan dan tingkat kelengkapan dari data dalam suatu sistem
informasi. Selanjutnya adalah pembersihan data, yang terdiri atas kegiatan
mendeteksi dan mengoreksi data dalam database yang tidak benar, tidak lengkap,
tidak diformat dengan tepat atau berlebihan. Permasalahan kualitas data dapat
mempengaruhi kondisi keuangan perusahaan.