UNIVERSITAS SURABAYA
FAKULTAS BISNIS DAN EKONOMIKA
2019 - 2020
STATEMENT OF AUTHORSHIP
“Saya yang bertandatangan di bawah ini menyatakan bahwa tugas terlampir
adalah murni hasil pekerjaan saya sendiri. Tidak ada pekerjaan orang lain yang
saya gunakan tanpa menyebutkan sumbernya.
Materi ini tidak/belum pernah disajikan/digunakan sebagai bahan untuk tugas
pada mata ajaran lain kecuali saya menyatakan dengan jelas bahwa saya
menggunakannya.
Saya memahami bahwa tugas yang saya kumpulkan ini dapat diperbanyak dan
atau dikomunikasikan untuk tujuan mendeteksi adanya plagiarism.”
Tanda Tangan
2.1 Database Management, Informasi dalam sistem informasi harus diatur dan
disusun secara logis, sehingga dapat diakses dengan mudah, dikelola secara
efisien dan efektif, serta dapat diambil secara cepat. Hal ini yang disebut dengan
database management.
2.2 Fundamental Data Concepts, data dapat diatur secara logis ke dalam
karakter, field, record, file dan database.
Character : Elemen data logis paling dasar yang terdiri dari satu alfabet,
angka, atau simbol lainnya.
Field (Item Data) : Tingkat data yang lebih tinggi yang terdiri dari
pengelompokkan karakter terkait. Seperti pengelompokkan karakter sesuai
alphabet, angka, atau symbol lainnya.
Record : Merupakan perwakilan kumpulan atribut yang menggambarkan
satu contoh entitas.
File : Termasuk kelompok record terkait (kadang-kadang disebut dengan
tabel atau file datar). Dalam arti sempit, file datar harus terdiri dari data
dan limiters. Arti luas, database apapun yang ada dalam bentuk satu file
baris dan kolom, namun tidak ada kaitannya dengan field dan record
kecuali struktur tabel. Pengelompokkan record terkait dalam bentuk tabel
(baris dan kolom) disebut file.
Database : Mengkonsolidasikan record yang sebelumnya disimpan dalam
file terpisah ke dalam kumpulan elemen data yang menyediakan data
untuk banyak aplikasi. Data yang disimpan dalam database tidak
tergantung dari program aplikasi yang menggunakannya dan jenis
perangkat tempat data disimpan. Jadi, database mengandung elemen data
yang menggambarkan entitas dan hubungan antar entitas.
2.3 Database Structures, hubungan antara banyak elemen data individu disimpan
dalam database yaitu:
Data Planning and Database Design, (1) Data Planning merupakan awal
proses dalam database development seperti mengembangkan sebuah
model proses bisnis. (2) Requirements Spesification, didefinisikan sebagai
kebutuhan informasi pengguna akhir dalam proses bisnis. (3) Conceptual
Design, menyatakan semua persyaratan informasi dalam bentuk a high
level model. (4) Logical Design, menerjemahkan model konseptual ke
dalam data model DBMS. (5) Physical Design, menentukan struktur
penyimpanan data, dan metode akses.
Data merupakan sumber daya organisasi vital yang harus dikelola seperti
aset bisnis penting lainnya. Pada zaman sekarang, bisnis tidak dapat bertahan
tanpa data yang berkualitas tentang operasi internal dan lingkungan eksternal
mereka. Manajemen sumberdaya data merupakan aktivitas manajerial yang
mengaplikasikan teknologi sistem informasi seperti manajemen database, gudang
data, dan alat-alat manajemen data lainnya yang bertujuan untuk mengelola
sumber daya data organisasi, agar dapat memenuhi kebutuhan informasi pihak-
pihak yang berkepentingan dengan bisnis mereka. Data yang terorganisir dengan
baik dapat menghasilkan Informasi, pengorganisasian data untuk mencegah
terjadinya duplikasi yang tidak diperlukan. Data yang terorganisasi dan saling
berkaitan antara satu sama lainnya merupakan Basis data (database).
Data redundancy
Kesukaran dalam mengakses data
Ketergantungan data
Kurangnya Integritas data
1. eBay
Data resource management dalam eBay
Karena data merupakan aset utama dan terpenting dari eBay, maka
terdapat tantangan untuk menyimpan data tersebut dengan baik. Tantangan
yang dihadapi eBay adalah menemukan platform, selain dari traditional data
warehouse, yang mampu menyimpan sejumlah besar data yang bervariasi
berdasarkan jenis. Diperlukan kemampuan untuk mendukung data pada skala
yang besar, sehingga perusahaan digital yang besar seperti eBay perlu untuk
melakukan pemilihan teknologi dan mitra untuk kepentingan bisnisnya
Selain itu, eBay juga memilih untuk bekerja sama dengan produk Hadoop
Hortonwork karena menawarkan platform open source yang sangat scalable
dan vendor bersedia bekerja sama dengan eBay untuk merancang peningkatan
produk. Tantangan teknis besar untuk eBay dan setiap bisnis yang memiliki
banyak data adalah menggunakan sistem yang dapat dengan cepat
menganalisis dan menindaklanjuti data saat masuk ke sistem streaming data.
Evolusi ini dilakukan sebagai bentuk prioritas eBay dalam menjaga situs
agar berjalan dengan sehat dan aman serta memungkinkan peluang untuk
menggabungkan dan mendukung teknologi baru. eBay menggunakan strategi
Point of Presence (PoP), mendesentralisasi gugus pusat data yang dimiliki di
Amerika Serikat. Melalui pendekatan ini, eBay dapat menciptakan
pengalaman pengguna dalam mengakses situs eBay agar lebih cepat, lebih
konsisten, dan dapat menghemat waktu muat 600-800 milidetik.
2. Walmart
Data Resource Management
Walmart merupakan contoh lain dari perusahaan yang melakukan
manajemen data untuk meraih kesuksesannya. Walmart yang merupakan salah
satu retailer terbaik di dunia, tentunya berurusan dengan data yang sangat
besar. Walmart sendiri menggunakan Hadoop untuk menunjang pengelolaan
datanya, khususnya dalam hal penyimpanan dan pemrosesan data.
Walmart memiliki tujuan utama melalui penggunaan data yang sangat
besar, yaitu untuk mengoptimalkan pengalaman berbelanja dari pelanggan
ketika mereka berada di toko Walmart, melakukan browsing pada website
Walmart, ataupun ketika melakukan browsing melalui hp.
Dalam mencapai tujuan utamanya, Walmart menggunakan data mining.
Data mining ini membantu Walmart dalam menemukan pola pada data point
of salesnya yang dapat digunakan untuk memberikan rekomendasi produk
kepada pelanggan, berdasarkan pada produk mana yang dibeli secara
bersamaan atau produk mana yang pernah dibeli sebelumnya. Dengan data
mining ini juga, Walmart dapat mengatasi dengan segera masalah-masalah
yang dapat menyebabkan kerugian akibat hilangnya penjualan lebih lanjut.
Sebagai contoh, ketika Halloween, analis penjualan di Walmart
menemukan data yang menunjukkan bahwa kue tertentu sedang popular di
semua toko Walmart. Namun, ada 2 toko dimana kue jenis yang sama tidak
terjual sama sekali. Setelah diselidiki, ternyata hal ini disebabkan kelalaian
sederhana dalam stocking yang menyebabkan kue tidak diletakkan di rak
untuk penjualan. Hal ini pun kemudian segera diatasi.
Di samping itu, Walmart juga menggunakan data media sosial untuk
mengetahui tentang produk yang sedang trend sehingga produk tersebut dapat
diperkenalkan di seluruh toko Walmart. Selain itu, Walmart juga
memodifikasi kebijakan pengirimannya atas dasar analisis datanya.
Data mining juga membantu Walmart dalam melakukan perkiraan di
bidang operasional perusahaan, seperti berapa banyak kasir yang dibutuhkan
pada berbagai waktu, sepanjang tahun. Selain itu, dengan data mining,
Walmart dapat mengetahui penjualan mingguan, sehingga dapat digunakan
untuk membentuk strategi penjualan.
Sharing data yang dilakukan oleh Walmart kepada supplier juga dapat
membantu perusahaan tersebut menjadi lebih efisien, karena mereka mendapat
informasi mengenai barang yang paling banyak terjual di Walmart. Hal ini
tentunya juga menguntungkan bagi Walmart, dimana Walmart dapat menjual
barang dari supplier dengan harga yang lebih murah.
3. Kesimpulan :
Dengan semakin berbagai macam teknologi yang telah ada, big data dapat
membantu perusahaan untuk semakin berkembang. Analisa yang dilakukan
perusahaan terhadap data yang berhubungan dengan perusahaan, dapat
memberikan pengetahuan bagi perusahaan untuk meningkatkan kepuasan
pelanggan, sehingga perusahaan akan berjalan dengan semakin efisien dengan
penjualan yang terus meningkat.
DAFTAR PUSTAKA
How eBay Solves the Database Scaling Problem with MongoDB. (2014).
Retrieved February 22, 2020, from
https://www.morpheusdata.com/blog/2014-10-27-how-ebay-solves-the-
database-scaling-problem-with-mongodb
How Big Data Analysis helped increase Walmart’s Sales turnover? (2017).
Retrieved February 22, 2020, from https://www.dezyre.com/article/how-big-
data-analysis-helped-increase-walmarts-sales-turnover/109