Database dan Manajemen Informasi

Disusun sebagai Makalah

Mata Kuliah Sistem Informasi Manajemen

Oleh

Aabidah Haswenova ( 17043086 )

Asrimel ( 17043085 )

Wulandari Ramadhani ( 17043084 )

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.

Padang, 21 Februari 2020

Tim Penyusun
BAB I

Pendahuluan

A. Latar belakang

B. Rumusan Masalah

Berdasarkan latar belakang yang penulis kemukakan tersebut, dapat diuraikan

beberapa rumusan masalah sebagai berikut.

1. Bagaimana Mengoordinasikan Data Dalam Lingkungan File Tradisional?

2. Bagaimana pendekatan database untuk pengelolaan data?

3. Bagaimana memanfaatkan database untuk meningkatkan kinerja bisnis dan

pengambilan keputusan ?

4. Bagaimana pengelolaan sumber data?

C. Tujuan Pembahasan

Berdasarkan rumusan masalah yang penulis kemukakan tersebut, dapat diuraikan

beberapa tujuan pembahasan sebagai berikut.
1. Untuk menjelaskanbagaimana mengoordinasikan Data Dalam Lingkungan File
Tradisional.
2. Untuk menjelaskan tentang pendekatan database untuk pengelolaan data.
3. Untuk menjelaskan memanfaatkan database untuk meningkatkan kinerja bisnis
dan pengambilan keputusan .
4. Untuk menjelaskan Bagaimana pengelolaan sumber data.
BAB II
Pembahasan

1.1 Dasar-dasar Konsep Data

1.1.1 Mengorganisasikan Data Dalam Lingkungan File Tradisional

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.

1.1.2 Istilah dan Konsep Dalam Pengorganisasian File

Sistem komputer mengorganisasikan data berdasarkan suatu hierarki yang dimulai

dari bit kemudian byte, kemudian berlanjut ke field, record, file, dan database. Satu bit
mewakili unit data terkecil yang dapat ditangani oleh komputer. Sekolompok bit disebut
byte,yang mewakili satu buah karakter tunggal, yang dapat berupa huruf, angka ataupun
simbol lainnya. Sekelompok karakter yang membentuk kata, berupa kata ataupun serial
angka(seperti nama ataupun usia seseorang) disebut field. Sekelompok field yang saling
berhubungan dinamakan record(seperti nama siswa, mata pelajaranyang diambil, tanggal,
serta tingkat nilai), sekumpulan record dengan jenis yang sama dinamakan file.
 Suatu record menggambarkan suatu entitas. Sebuah entitas (entity) dapat berupa
orang, tempat, barang, ataupun peristiwa yang dapat kita simpan dan kelola sebagi informasi.
Setiap karakteristik atau penggambaran kualitas suatu entitas khusus disebut atribut
(attribute). Sebagai contoh, nomor induk siswa, mata pelajaran, tanggal, dan nilai adalah
atribut dari entitas mata pelajaran. Nilai tertentu yang dapat dimiliki atribu-atribut ini
ditemukan dalam field dari record yang menggambarkan entitas mata pelajaran.

1.1.3 Masalah-masalah Dalam Lingkungan Data Tradisional

1. Redudansi dan Inkonsistensi Data

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.

2. Ketergantungan Program Data

 Ketergantungan program data mengacu pada satu paket data yang tersimpan dalam
file dan diperlukan oleh program-program tertentu untuk memperbaharui dan mengelola file-
file tertentu sehingga program tersebut perlu mengubah data-data tersebut. Setiap program
komputer tradisional harus menjelaskan lokasi dan sifat data yang bekerja padanya. Di dalam
lingkungan file tradisoinal, setiap perubahan pada program perangkat lunak, mensyaratkan
perubahan terhadap data yang diakses oleh program tersebut. Sebuah program mungkin
dimodifikasi dari 5 digit menjadi 9 digit untuk kode enkripsi. Jika file data yang asli
dimodifikasi dari 5 digit menjadi 9 digit, kemudian program-program yang memerlukan 5
digit kode tidak dapat bekerja dengan semestinya lagi. Untuk mengimplementasikan
perubahan semacam itu diperlukan biaya jutaan dollar.

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.

4. Sistem Keamanan yang Buruk

Karena longgarnya pengendalian atau pengelolaan terhadap data, akses dan

pembayaran informasi menjadi tidak terkendali. Manajemen mungkin tidak memiliki cara
untuk mengetahui siapa yang mengakses ataupun mengubah data organisasi.

5. Kurangya Ketersediaan dan Pendistribusian Data

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.

1.1.4 Pendekatan database untuk pengelolaan data

Teknologi database banyak menyelesaikan masalah-masalah pada organisasi yang

menggunakan sistem file tradisional. Database : sekumpulan data yang diorganisasikan
untuk melayani berbagai aplikasi secara efesien dengan memusatkan data dan mengurangi
penggandaan data. Ketimbang menyimpan data pada file-file yang terpisah untuk setiap
aplikasi, data yang dimunculkan kepada pengguna, berasal dari satu lokasi penyimpanan saja.
Database tunggal melayani banyak aplikasi. Contohnya, suatu perusahaan ketimbang
menyimpan data kepegawaiannya pada sistem-sistem informasi dan file yang berbeda untuk
data pribadi, penggajian, dan tunjangan, perusahaan dapat menciptakan databse sumber daya
manusia tunggal.

2.1 Manajemen Database

Sistem manajemen database (database management system-DBMS) adalah perangkat

lunak yang memungkinkan suatu organisasi memusatkan data, mengelola mereka secara
efisien, dan menyediakan akses terhadap data yang disimpan oleh program aplikasi.DBMS
bertindak sebagai antarmuka antara program aplikasi dan file data secara fisik. Ketika
program aplikasi meminta suatu item data, seperti gaji bruto, DBMS akan menemukan item
data tersebut pada database dan menampilkannya lewat program aplikasi. Dengan
menggunakan file-file tradisional, pemrograman harus menspesifikasikan ukuran dan format
dari setiap elemen data yang digunakan dalam sebuah program, kemudian
menginformasikannya ke komputer dimana lokasi mereka.

2.1.1 Menyelesaikan Masalah-maslah pada Lingkungan File Tradisional

1. DBMS Relasional

DBMS terkini menggunakan model-model yang berbada untuk memantau entitas,

atribut, dan hubungan. Jenis DMBS yag paling populer bagi PC ataupun mainframe saat ini
adalah DBMS relasional . DBMS relasional menampilkan data menjadi tabel dua
dimensi(yag disebut relasi). Tabel juga dapat dianggap sebagi file. Setia tabel berisi data pada
sebuah entitas berikut atributnya. Microsoft DBMS relasional untuk sistem PC, dmana DB2,
Oracle Database, san Microsoft SQL Server adalah DBMS relasional untuk komputer
berukuran sedang maupun besar seperti main frame. MySQL adalah DBMS open source
yang terkenal, sedangkan Oracle Database Lite adalah DBMS untuk perangkat komputasi
mobile.

2. Operasi 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

3. Database Non Rlasional dan Database Cloud Computing

Sistem manajemen database non-relasional menggunakan model data yang lebih

fleksibel da dirancang untuk mengelola data berukuran besar yang didistribusikan pada
banyak perangkat serta mempermudah dalam meningkatkan atau menurunkan skalabilitas.,
Mereka sagat berguna untuk menangani permintaan-pemintaan data sederhana pada data
terstruktur maupun yang tidak memiliki volume besar. Seperti web, media sosial, grafis, da
bentuk-bntuk data lainnya yang sulit dianalisis menggunakan perangkan tradisional berbasis
SQL.

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.

3.1 Memanfaatkan Database

1. Tantangan Dalam Menangani Besarnya Volume Data

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.

2. Infrastruktur Intelijen Bisnis

a. Data Warehause dan Data Mart

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 terdiri atas beberapa layanan pokok:Hadoop Distributed File System

(HDFS)untuk menyimpan file data da Map Reduce untuk pemprosesan daa paralel ddengan
tampilan grafi tinggi. Hadoop untuk kemudian diubah menajdi file sistem tunggal berukuran
besar. MapReduce buatan Hadoop terinspirasi oleh MapReduce buatan google dalam
memecahkan rangkaian pemprosesan data berukuran besar dan menyebarkan pekerjaan-
pekerjaan tersebut ke berbagai titik dalam sebuah cluster.Hbase, database non relasional
buatan Hadoop, meyediakan akses cepat ke data yang tersimpan pada HDFS dan platform
transaksional untuk mengoperasikan aplikasi-aplikasirealtime berskala tinggi.

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.

3. Perangkat analitis : Hubunga, Pola dan Tren.

ketika data telah direkam dan diorganisasikan dengan menggunakan teknologi

intelijen bisnis yang baru saja di bahas, mereka tersedia bagi analisis lebih lanjut dengan
menggunakan perangkat lunak untuk men-query dan melaporkan database, analisis data
multidimensional(online analytical processing--OLAP)dan data mining.

a.Pemrosesan Analitis Online(OLAP)

Pemrosesan Analitis Online(OLAP) mendukung analisis data yang multidimensional

yang memungkinkan bagi para pengguna untuk melihat data yang sama dengan cara-cara
yang berbeda dengan menggunakan banyak dimensi. Masing-masing aspek dari informasi-
produ, penetapan harg, biaya, wilaya, atau periode waktu-mewakili dimensi yang berbeda.
OLAP memungkinkan bagi para pengguna untuk memperoleh jawaban-jawaban secara
online atas pertanyaan-pertanyaan khusus, misalnya hal tersebut dalam jumlah waktu yang
cukup cepat, bahkan ketika data disimpan dalam database yang sangat besar seperti angka
penjualan selama beberapa tahun.

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.

c. Teks Mining dan Web Mining

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.

4. Database dan Web.

terdapat sejumlah keuntungan dengan menggunakan web untuk mengakses database

internal organisasi. Pertama, perangkat lunak browser web jauh lebih mudah untuk digunakan
daripada perangkat yang dimiliki. Kedua tampilan web membutuhkan sedikit perubahan atau
tidak sama sekali terhadap database interna. Dibutuhkan biaya yang lebih rendah untuk
menambahkan antarmuka web di depan sistem yang diwariskan daripada merancang kembali
dan membangun kembali sistem untuk meningkatkan akses pengguna. mengakses database
melalui menciptakan efisiensi peluang dan modal bisnis yang baru.

6.4 Mengelola Sumber Data

a. Menetapkan Kebijakan Informasi

Kebijakan informasi menentukan aturan organisasi dalam hal pembagian,

penyebaran, perolehan, standardisasi, klasifikasi dan penyimpanan informasi. Undang-
Undang kebijakan informasi menjelaskan prosedur dan akuntabilitas yang spesifik,
Mengidentifikasi mengidentifikasi informasi dapat saling dibagikan oleh pengguna dan unit
organisasi, dimana 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 sosial dan departemen-departemen ini yang
bertanggung jawab untuk memastikan bahwa data karyawan tersebut adalah akurat.

Administrasi data (data administrasion) bertanggung jawab atas kebijakan dan

prosedur yang mengatur data sebagai sumber budaya organisasi. Tanggang jawab tersebut
meliputi pengembangan kebijakan informasi pencernaan data, pengawasan perencanaan
database logis dan pengembangan kamus data, serta pemantauan terhadap spesialis sistem
informasi dan kelompok pengguna akhir dalam penggunaan data.

b. Memastikan Kualitas Data

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.

Sebelum database baru dipergunaka, 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 atau data quality audit yang merupakan survei terstruktur
atau keakuratan dan tingkat kelengkapan data dalam satu sistem informasi. audit kualifikasi
data dapat diselenggarakan dengan melakukan survei keseluruhan file data, menyurvei
sampel file data, Atau menyurvei pengguna data atas persepsi mereka mengenai kualitas data.

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.

Permasalahan kualitas data bukan hanya merupakan permasalahan dalam bisnis

Semata. mereka juga menimbulkan permasalahan yang serius bagi individual mempengaruhi
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 layak diberikan kredit dari memperoleh pinjaman atau
menurunkan peluang mereka Dalam menemukan atau mempertahankan suatu pekerjaan.

DAFTAR PUSTAKA