Makalah Sim Kel 4
Makalah Sim Kel 4
Oleh
Asrimel ( 17043085 )
Akuntansi
Fakultas Ekonomi
Universitas Negeri Padang
Tahun 2020
KATA PENGANTAR
Segala puji bagi Allah SWT yang telah melimpahkan rahmat dan nikmat yang tidak
terhingga kepada kami selaku kelompok kami, sehingga dapat menyelesaikan makalah sistem
informasi manajemen ini.
Makalah sistem informasi manajemen ini disusun untuk memenuhi tugas. Selain itu,
sistem informasi manajemen ini juga merupakan sebagai output dari mata kuliah sistem
informasi manajemen yang telah dipelajari dalam proses belajar mengajar di kampus.
Kami menyadari bahwa makalah sistem informasi manajemen ini masih jauh dari
kesempurnaan. Oleh karena itu, kami mengharapkan adanya kritik dan saran dari pihak
pembaca demi penyempurnaan makalah yang akan datang.
Tim Penyusun
BAB I
Pendahuluan
A. Latar belakang
B. Rumusan Masalah
C. Tujuan Pembahasan
Sistem informasi yang efektif menyediakan pengguna informasi yang akurat, tepat
waktu, dan relevan. Informasi yang akurat, berarti bebas dari kesalahan. Informasi yang tepat
waktu berarti informasi yang tersedia pada saat diperlukan oleh pengambil keputusan.
Informasi dianggap relevan ketika ia memberi manfaat serta sejalan denga jenis pekerjaan
dan keputusan yang akan dibuat.
Redudansi data adalah kehadiran data ganda pada beberapa file data yang tersimpan
di beberapa tempat atau lokasi. Redudasi data terjadi ketika kelompok-kelompok yang
berbeda pada sebuah organisasi secara independen mengumpulkan data yang sama dan
menyimpannya masing-masing. Data redudansi menghabiskan tempat penyimpanan data, dan
menyebabkan terjadinya inkonsistensi data, dimana atribut-atribut yang sama, memiliki nilai-
nilai yang berbeda.
Kebingungan tambahan lainnya dapat tejadi padi sistem pengkodean untuk mewakili
nilai dari sebuah atribut. Sebagai contoh, penjualan, persediaan, dan sistem manufaktur
perusahaan ritel pakaian mungkin menggunakan kode yang berbeda-beda dalam mewakili
ukura pakaian. Suatu sistem mungkin mewakili suatu ukuran pakaian sebagai “extra large”,
sementara yang lainnya mencantumkan kode “XL” untuk tujuan yang sama. Kebigungan-
kebingungan tersebut akan mempersulit perusahaan dalam menciptakan manajemen
hubungan pelanggan, manajemen rantai pasokan, ataupun sistem perusahaan untuk
mengintegrasikan sumber-sumber data yang berbeda.
3. Kurangnya Fleksibilitas
Sistem file tradisional dapat mengirim laporan rutin sesuai jadwal setelah upaya
pempogramanyang ekstensif, namun tidak dapat mengirimkan laporan-laporan ad-hoc (hanya
diperlukan pada situasi khusus saja) atau merespon kebutuhan informasi yang tidak dapat
diantisipasi pada kondisi waktu tertentu. Informasi-informasi tersebut diperlukan oleh
permintaan-permintaan ad-hoc di suatu tempat pada sistem tersebut, tetapi terlalu mahal
untuk disediakan. Beberapa pemrogram mungkin harus bekerja beberapa minggu untuk
mengumpulkan data-data yang diperlukan kedalam sebuah file baru.
Karena bagian-bagian infomasi yang terdapat pada file-file yang berbeda dan bagian-
bagian organisasi tidak bisa dihubungkan satu sama lain, jelas adalah tidak mungkin untuk
mendistribusikan da mengakses informasi pada waktu bersamaan. Informasi tidak dapat
mengalir denga baik lintas area fungsional, pada bagian dan divisi-divisi pada organisasi. Jika
pengguna tahu nilai yang ditemukan pada bagian informasi yang saling berbeda, mereka
mungkin tidak akan mau menggunakan sistem tersebut karena mereka tidak
dapatmemercayai akurasi datanya.
1. DBMS Relasional
Dalam database ralasional , tiga operasi dasar yang ditunjukkan pada gambar
dibawah, yang digunakan untuk mengembangkan serangkaian data yang sagat berguna,
yaitu:select, join, dan project. Operasi select menampilkan kolom-kolom dari suatu tabel
erdasarkan kriteria tertentu, yang memungkinkan pengguna untuk menampilkan tabel
baruyang berisi informasi-informasi yang betul-betul diperlukan. Contohnya, kita ingin
mengutip dari tabel aru tersebut kolom-kolom tertentu sebagai berikut :Nomor_Suku
Cadang,Nama_Suku Cadang,Nomor_Pemasok,Nama_Pemasok
Ada beberapa jenis database NoSQL, masing-masing memiliki fitur teknis dan
perlakuan yang berbeda. Database racle NoSQL salah satu contoh diantaranya adlah
SimpleDB buatan amazon, salah satu layanan web yang beroperasi pada sistem cloud
computing. SimpleDB menyediakan layanan web dengan tampilan yang mudah dipahami
untuk menciptakan dan menyimpan rangkaian data, menganalisis data dengan mudah, dan
mengembalikan hasilnya. Tidak perlu mendefinisikan terlebih dahulu ke dalam database
struktur formal atau mengubah definisi pabila ada data baru yang masuk.
Sampai dengan 5 taun yang lalu, sebagia besar data yang dikumpulkan oleh organisasi
yang terdiri dari data transaksi yang dapat ditempatkan dengan mudah ke dalam kolom dan
baris pada DBMS rasional. Sejak saat itu, ada lonjakan data yang dihasilkan oleh mesin
seperti sensor atau dari sistem transaksi elektornik. Data-data ini mungkin tidak memiliki
struktur atau sedikit terstruktur dan juga tidak sesuai dengan produk DBMS relasional yang
mengorganisasikan data kedalam bentuk kolom dan baris. Sekarang kita menggunakan istilah
data besar(big data) untuk menggambarkan rangkaian data dengan volume sangat besar yang
melampaui kemampuan DBMS dalam mengelola, menyimpan dan menganalisis data
tersebut.zxdsd
Data besar tidak mengacu pada jumlah spesifik, namun umannya mengacu pada data
dalam kisaran petabyte dan Exabyte dengan kata lain miliaran sampai dengan triliunan
rekaman, semua dari sumber yang berbeda, Data besar dihasilkan dalam jumlah yang jauh
lebih besar dan lebih cepat, ketimbang data tradisional.Organisasi bisnis tertarik enga data
besar karena mereka dapat melihat pola yang lebih berbentuk dan anomali-anomali yang
lebih menarik ketimbang data kecil, yang berpotensi memberikan wawasan baru tentang
perilaku pelanggan, pola cuaca, aktifitas pasar saham, dan fenomena lainnya. Bagimanapun
untuk memperoleh nilai bisnis dari data-data tersebut, organisasi memerlukan perangkat dan
teknologi baru yang mampu mengelola data non- tradisional beserta data perusahaan mereka.
Data warehause adalah data yang menyimpan data hisstoris dan data terkini yang
berpengaruh pada kepentingan pengambil keputusan di seluruh peusahaan. Data tersebut
diajkan bagi banyak sistem operasional transaksi-transaksi penting, seperti sistem penjualan,
data pelaggan, manufaktur, termasuk data dari transaksi web. Datawarehause meghasilkan
data historis dan data terkini dari berbagai sistem perasi pada organisasi. Data ini
dikombnasikan dengan data sumbe eksternal, serta mengoreksi data yang tidak akurat da
kurang lengkap, sekaligus memperbaiki sususnan data bagi kepentingan pelaporan dan
alanilsis data bagi pihak manajemen sebelum dimasuki ke dalam data warehause.
Data warehaosu menjamin ketersediaan data bagi siapa pun untuk diakses saat
dibutuhkan, namun tidak dapat diubah. Sistm data warehaose juga menyediakan rangkaian
perangkat untuk mencari keterangan baik secara khusus maunpun secara terstabdarisasi,
beserta pelaporan dengan fasilitas tampilan grafis.
b. Hadoop
Hadoop adalahkerangka kerja open source yang dikelola oleh Apache Softwae
Foundation yang memungkinkan pendistribusan proses data berkapasitas besar secara paralel
pada komputer berbiaya terjangkau, lalu mengombinasikan hasilnya menjadi rangkaian data
yang lebih kecil untuk mempermudah analisis.
Hadoop dapat menangani jenis data apa pun dengan kapasitas besar, termasuk data
transaksi terstruktur, dengan data struktur yang agak longgar seperti masukkan dari facebook
dan twitter, data-data yang kompleka seperti log file pada server Web, data audio dan vidio
yang terstruktur. Perusahaan menggunakan Hadoop untuk menganalisis data dengan volume
yang sangat besar serta megfragmentasi area untuk yang terstruktur maupun yang tidak
terstruktur sebelun disimpan kedalam data warehouse.
c. Komputasi Dalam-Memori
cara-cara lainnya untuk memfasilitasi analisis data yang besar adalah dengan
menggunakan komputasi dalam memori, yang sangat mengandalkan pada memori utama
dari komputer untuk menyimpan data. para pengguna akan mengakses data yang disimpan
dalam memori sistem utama, dengan demikian dapat menghilangkan kemacetan dari
mengambil dan membaca data dalam suatu database tradisional berdasarkan pada disk dan
secara dramatis akan mempersingkat waktu tunggu atas permintaan.
pada pemrosesan dalam memori akan memungkinkan bagi serangkaian data yang
sangat besar, sebesar ukuran data Mart atau data Warehouse yang kecil untuk meletakkan
seluruhnya dalam memori perhitungan bisnis yang rumit yang biasanya memerlukan waktu
berjam-jam atau berhari-hari akan dapat diselesaikan dalam hitungan detik dan ini bahkan
dapat diselesaikan dengan menggunakan perangkat genggam.
d. Platform Analitis.
pada vendor database komersial telah mengembangkan platform analitis (analitic
platforms) berkecepatan tinggi yang terspesialisasi dengan menggunakan baik dan teknologi
terkait maupun yang tidak terkait yang dioptimalkan untuk menganalisis Kumpulan data yang
besar. Platform analitis ini sepert, IBM netezza dan oracle exadata, menampilkan sistem
perangkat keras perangkat lunak yang telah dikonfigurasi sebelumnya yang secara spesifik
dirancang untuk pemrosesan permintaan dan analitis. Contohnya, IBM natazha menampilkan
database yang terintegrasi secara ketat, server, dan komponen-komponen penyimpanan yang
menangani pernyataan analisis yang rumit 10 hingga 100 kali lebih cepat dari pada sistem
tradisional. Platfrom analitis juga memasukkan sistem dalam memori dan NoSQL sistem
manajemen database non-relasional.
b. Data Mining
Data mining lebih terdorong pada penemuan. Data mining 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. Pola-pola dan
aturan yang digunakan untuk membimbing dalam mengambil keputusan dan peramalan
dampak dari keputusan-keputusan tersebut. Tipe dari informasi yang dapat diperoleh dari
data mining, meliputi asosiasi, urutan, klasifikasi dan peramalan cluster.
salah satu penggunaan yang terkenal atas data mining adalah menyediakan analisis
pola dalam data pelanggan yang terperinci bagi kampanye pemasaran on- to-one atau untuk
mengidentifikasi para pelanggan yang menguntungkan.
Perangkat teks mining (penelusuran teks) sekarang tersedia untuk membantu bisnis
dalam menganalisis datatersebut. Bisnis dapat beralih kepada text 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. perangkat lunak analisis sentimen ( sentiment analysis) dapat
melakukan penelusuran atas komentar teks dalam pesan surel, blog, percakapan dalam media
sosial atau bentuk survei untuk mendeteksi opini yang menyenangkan dan tidak
menyenangkan mengenai topik pembahasan tertentu.
Database dan kebijakan informasi yang dirancang dengan baik akan berlanjut pada
jaminan bahwa perusahaan akan memiliki informasi yang diperlukan nya 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
akan diminimalkan. Sebagian besar permasalahan kualitas dat, 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 dan memungkinkan pelanggan dan pemasok untuk
memasukkan data ke dalam situs web mereka yang secara langsung memperbaharui sistem
internal.
pembersihan data( data cleasing) 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 terpisah titik perangkat lunak pembersihan data yang
khusus tersedia untuk menyurvei file data secara otomatis memperbaiki kesalahan dalam data
dan mengintegrasikan data dalam format yang konsisten bagi semua bagian dari perusahaan.
DAFTAR PUSTAKA