.5.

Kapabilitas Sistem Manajemen Database

Suatu DBMS selalu menyertakan perangkat untuk mengorganisasikan,

mengelola, dan mengakses data pada database. Hal yang paling penting adalah
Bahasa untuk mendefinisikan data, kamu data, dan bahasa untuk mamanipulasi
memodifikasi data. DBMS memiliki kompabilitas definisi data untuk
menspesifikasikan struktur konten database. Definisi data digunakan untuk
membuat table database dan untuk mendefinisian karakteristik peld pada setiap
table. Informasi tentang database ini akan didokumentasikan dalam kamus data.
Kamus data adalah file manual ataupun otomatis uang menyimpan definisi
elemen data.

DBMS menyertakan perangkat untuk mengakses dan memanipulasi

informasi pada database. Sebagian besar DBMS memiliki bahasa tersendiri
yang disebut bahasa manipulasi data yang digunakan untuk menambah,
mengubah, menghapus, dan mengambil data pada database. Bahasa ini
mengandung perintah yang memungkinkan pengguna dan spesialis
pemrogaman untuk mengekstrak atau menyaring data dari database untuk
memenuhi kebutuhan informasi dan mengembangkan aplikasi. Bahasa
manipulasi data yang paling mutakhir saat ini adalah Structured Query
Language atau SQL. Microsoft Access dan DBMS lainnya akan menyertakan
kemampuan dalam penyusunan laporan, sehingga data yang diinginkan dapat
ditampilkan format yang lebih terstruktur dan rapi.

.6. Merancang Database

Untuk merancang database, harus memahami hubungan antardata, jenis

data yang dikelola pada database, bagaimana data tersebut akan digunakan,
serta bagaimana organisasi perlu diubah untuk mengelola data dari perspektif
lengkap seluruh perushaan. Database memerlukan rancangan konsep maupun
fisik. Rancangan konseptual atau logis dari suatu database adalah model abstrak
 database dari perspektif organisasi bisnis, dimana rancangan fisik menujukkan
bagaimana database dirancang lewat akses langsung perangkat penyimpanan.

Normalisasi dan Diagram Relasi Entitas

Rancangan konseptual suatu database menggambarkan bagaimana elemen

data pada database dikelompokkan. Proses perancangan tersebut
mengidentifikasi hubungan antara elemen data dan cara paling efisien dalam
mengelompokkan elemen data untuk menjawab kebutuhan informasi suatu
organisasi bisnis. Proses tersebut juga mengidentifikasi daa ganda dan
pengelompokkan elemen data yang diperlukann untuk program aplikasi yang
spesifik. Sekelompok data diorganisasikan, diperbaiki, dan didistribusikan
dengan lancer sampai hubungan logis diantara seluruh data pada database
tampak jelas.

Untuk menggunakan model database relasional secara efektif, kelompok

data yang rumit harus disederhanakan untuk meminimalisasi elemen data yang
ganda serta hubungan jamak yang janggal. Proses menciptakan struktur data
yang ringkas, stabil, serta fleksibel dan adaptif dari kelompok data yang rumit
dinamakan normalisasi.

.7. Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis dan

Pengambilan Keputusan

Organisasi bisnis menggunakan database mereka untuk memantau

transaksi dasar, seperti membayar pemasok, memproses pesanan, memantau
pelanggan, serta menggaji karyawan. Akan tetapi, mereka juga memerlukan
database untuk menyediakan informasi guna menjalankan bisnisnya dengan
lebih efisien, serta membantu manajer dan karyawan membuat keputusan yang
lebih baik.

A. Tantangan Dalam Menangani Besarnya Volume Data

 Sampai dengan 5 tahun yang lalu sebagian besar data dikumpulkan oleh
organisasi yang terdiri atas data transaksi yang dapat ditempatkan dengan
mudah ke dalam kolom dan baris pada DBMS relasional. Sejak saat itu,
ada lonjakan data dari lalu lintas web dan konten media sosial. Demikian
juga dari data yang dihasilkan dari mesin seperti sensor atau dari sistem
transaksi elektronik. Data-data ini mungkin tidak memiliki struktur atau
sedikit terstruktur dan juga tidak sesuai dengan produk DBMS relasional
yang mengorganisasikan data ke dalam bentuk kolom dan baris. Data besar
tidak mengacu pada jumlah yang spesifik, namun umumnya 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 dengan data besar karena mereka
dapat melihat pola yang lebih berbentuk dan anomali yang lebih menarik
ketimbang data kecil memberikan wawasan baru tentang perilaku
pelanggan, pola cuaca, aktivitas pasar saham, dan fenomena lainnya.

B. Infrasturktur Intelejen Bisnis

Infrastruktur dari intelejen bisnis terkini memiliki rangkaian perangkat

untuk memperoleh dari berbagai jenis data yang semi-terstruktur maupun
tidak terstruktur. Kemampuan-kemampuan ini meliputi data warehouse,
data marts, Hadoop, in memory computing, dan platform analitis.

C. Data Warehouse dan Data Mart

Data Warehouse adalah data yang menyimpan data historis dan data
terkini yang berpengaruh bagi kepentingan pengambilan keputusan
diseluruh perusahaan. Data tersebut ditunjukkan bagi banyak sistem
operasional transaksi penting seperti sistem penjualan data pelanggan,
manufaktur, termasuk data transaksi web. Data Warehouse menghasilkan
data historis dan data terkini dari berbagai sistem operasi pada organisasi.
Data ini di kombinasi sekaligus memperbaiki susunan data bagi
kepentingan pelaporan dan analisis data bagi pihak dengan data sumber
eksternal, serta mengoreksi data yang tidak akurat dan kurang lengkap,
sekaligus memperbaiki susunan data bagi kepentingan pelaporan dan
analisis data bagi pihak manajemen sebelum dimasukkan ke dalam data
warehouse. Data Mart adalah bagian dari data Warehouse yang diringkas
atau dikhususkan untuk penanganan jenis data tertentu pada database yang
terpisah untuk kelompok pengguna yang telah ditentukan. Untuk
menangani data berkapasitas besar yang semi terstruktur atau tidak sama
sekali perusahaan menggunakan hadoop. Hadoop adalah Kerangka kerja
open source yang dikelola oleh Apache Software Foundation yang
memungkinkan pendistribusian proses data berkapasitas besar secara
paralel pada computer berbiaya terjangkau. Hadoop memecah masalah data
besar tersebut menjadi bagian yang lebih kecil, kemudian
mendistribusikannya ke ribuan titik pemrosesan komputer yang berbiaya
terjangkau. Hadoop dapat menangani jenis data apapun dengan kapasitas
besar termasuk data transaksi terstruktur, data dengan struktur yang agak
longgar seperti masukan dari Facebook dan Twitter, data-data yang
kompleks seperti log file pada server web data audio dan video yang tidak
terstruktur

D. Komputasi Dalam Memori

Cara lain untuk memfasilitasi analisis data yang besar adalah dengan
menggunakan komputasi dalam memori, yang sangat mengandalkan pada
memori utama dari computer untuk data penyimpanan. Para pengguna akan
mengakses data yang disimpan dalam memori system 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. Produk
 komersial terkemuka bagi komputasi dalam memori meliputi High
Performance Analytics Appliance (HANA) dari SAP dan Orale Exalytics.

.8. Mengelola Sumber Data

Agar dapat memastikan bahwa data bagi bisnis tetap akurat, dapat
diandalkan, dan siap tersedia bagi mereka yang memerlukannya, maka bisnis
memerlukan kebijakan dan prosedur khusus untuk manajemen data.

1. Menetapkan Kebijakan Informasi

Kebijakan informasi menentukan aturan organisasi dalam hal

pembagian, penyebaranm 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. Administrasi data
bertanggung jawab atas kebijakan dan prosedur yang mengatur 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 system informasi dan kelompok pengguna
akhir dalam menggunakan data.

2. Memastikan Kualitas Data

Database dan kebijakan informasi yang dirancang dengan baik akan

berlanjut pada bahwa perusahaan akan memiliki informasi yang
diperlukannya. Namun, langkah-langkah tambahan harus diambil untuk
memastikan bahwa data dalam database perusahaan akurat dan dapat
diandalkan. Jika database dirancang dengan tepat dan standar data
keseluruhan perusahaan ditentukan dengann baik, maka elemen data yang
mengalami duplikasi atau tidak konsisten akan diminimalkan. Sebelum
database baru dipergunakan, maka organisasi perlu mengidentifikasi dan
memperbaiki data yang salah dan menciptakan program yang lebih baik
untuk mengedit data ketika database tersebut mulai dioperasionalkan.

Analisis kualitas data sering dimulai dengan audit kualitas data, yang
merupakan survey terstruktur atas keakuratan dan tingkat kelengkapan dari
data dalam suatu system informasi. Pembersihan data juga dikenal sebagai
data scrubbing, terdiri atas kegiatan mendeteksi dan mengoreksi data dalam
database yang tidak benar, tidak lengkap, dan tidak diformat dengan tepat.
Pembersihan data bukan hanya mengoreksi kesalahan, tetapi juga
menekankan konsistensi diantara serangkaian data yang berbeda yang
berasal dari system informasi yang terpisah.