MANAJEMEN INFORMASI
Dosen Pengampu:
Moch. Shultoni, SE., MSA., CSRS
Disusun Oleh :
Karunia Shafaradyto Pratama (200810301020)
Trisnaning Fibriyanti (200810301022)
Rasyida Maulida (200810301025)
Puji syukur kepada Allah SWT yang telah mencurahkan rahmat serta
hidayah-Nya kepada saya, sehingga saya dapat menyelesaikan makalah yang
berjudul “Dasar-Dasar Intelijen Bisnis: Database dan Manajemen Informasi”
dengan sebaik-baiknya. Makalah ini disusun untuk memenuhi tugas mata kuliah
Sistem Informasi Manajemen dan Teknologi Program Studi Akuntansi
Universitas Jember.
Kami mengucapkan terima kasih sebesar – besarnya kepada yang
terhormat Bapak Moch. Shultoni, SE., MSA., CSRS selaku dosen pengampu mata
kuliah Sistem Informasi Manajemen dan Teknologi. Tugas yang telah diberikan
ini dapat menambah wawasan dan pengetahuan kepada kami terkait Dasar-Dasar
Intelijen Bisnis: Database dan Manajemen Informasi. Tak lupa kami ucapkan
terima kasih juga kepada seluruh pihak yang telah membantu dalam proses
penyusunan makalah ini.
Kami berharap semoga makalah ini dapat menjadi wawasan, khususnya
untuk mahasiswa Program Studi Akuntansi Universitas Jember. Apabila makalah
ini masih terdapat banyak kekurangan maupun kesalahan, saran dan kritikan saya
terima agar makalah ini dapat kami susun dengan lebih baik lagi di waktu
mendatang, terima kasih.
i
Penulis.
ii
DAFTAR ISI
Halaman
COVER ....................................................................................................................
KATA PENGANTAR .............................................................................................i
DAFTAR ISI ............................................................................................................ii
BAB I PENDAHULUAN ........................................................................................1
1.1 Latar Belakang ....................................................................................................1
1.2 Rumusan Masalah ...............................................................................................2
1.3 Tujuan Penelitian ................................................................................................2
1.4 Manfaat Penelitian ..............................................................................................2
BAB II PEMBAHASAN .........................................................................................3
2.1 Mengorganisasikan Data Dalam Lingkungan File Tradisional ...........................3
2.2 Pendekatan Database Untuk Pengelolaan Data....................................................5
2.3Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis dan
Pengambilan Keputusan.............................................................................................8
2.4 Pengelolaan Sumber Data....................................................................................14
BAB III PENUTUP .................................................................................................17
3.1 Kesimpulan .........................................................................................................17
DAFTAR PUSTAKA ..............................................................................................18
iii
BAB I
PENDAHULUAN
1
1. Bagaimana mengorganisasikan data dalam lingkungan file tradisional ?
2. Bagaimana pendekatan database untuk pengelolaan data ?
3. Bagaimana cara memanfaatkan database untuk meningkatkan kinerja bisnis dan
pengambilan keputusan ?
4. Bagaimana dengan pengelolaan sumber datanya ?
2
BAB II
PEMBAHASAN
3
program dan aplikasi yang sulit untuk dirawat dan dikelola jika sampai berjalan
selama 5 atau 10 tahun.
4
Akses data dan penyebaran informasi bisa menjadi tidak terkendali
dikarenakan longgarnya pengendalian atau pengelolaan terhadap data.
Mungkin saja manajemen tidak memiliki cara untuk mengetahui siapa yang
mengakses ataupun mengubah data organisasi.
Kurangnya Ketersediaan dan Pendistribusian Data
Jika bagian-bagian informasi yang terdapat dalam file yang berbeda dan
bagian organisasi tidak dapat dihubungkan satu sama lain, maka dengan jelas
akan tidak mungkin untuk mendistribusikan dan mengakses informasi pada
waktu yang bersamaan.
5
sehingga akses dan ketersediaan informasi akan meningkat serta baiaya
pengembangan dan pemeliharaan program akan menurun kerena pengguna
dan pemrograman dapat melkaukan pekerjaan-pekerjaan khusus sesuai
permintaan pada database tersebut.
DBMS Relasional
Dari sekian banyaknya jenis model-model DBMS yang berbeda untuk
memantau entitas, atribut, dan hubungan, maka yang saat ini paling populer
bagi PC ataupun mainframe adalah DBMS Relasional. DBMS Relasional
menampilkan data menjadi tabel dua dimensi yang disebut juga dengan tabel
ralasi.
Cara DBMS Relasional dalam mengorganisaikan data pemasok dan suku
cadang adalah pada database tersebut memiliki tabel yang terpisah untuk
entitas pemasok dan sebuah tabel untuk entitas barang yang terdiri dari
deretan kolom dan barisan data. Setiap elemen individu pada data untuk
setiap entitas disimpan sebagai field (kolom) yang terpisah, dan setiap field
mewakili suatu atribut untuk entitas tersebut. Untuk entitas PEMASOK,
nomor identifikasi pemasok, nama, jalan, kota, negara, dan kode pos
disimpan sebagai field yang terpisah di dalam tabel pemasok, dan setiap field
mewakili satu atribut untuk suatu entitas pemasok. Informasi aktual/lengkap
mengenai seorang pemasok yang berbaris sepanjang suatu tabel disebut
dengan baris/record atau istilah yang sangat teknis yaitu tuples.
Operasi DBMS Relasional
Dalam tabel database relasional bisa dikombinasikan dengan mudah
untuk mengirimkan data yang diperlukan pengguna, yang disediakan oleh
dua tabel yang saling berbagu elemen data. Di dalam database relisional
terdapat tiga operasi dasar untuk mengembangkan serangkaian data yang
sangat berguna, yaitu select, join, dan project. Operasi select menampilkan
suatu bagian yang berisi seluruh rekaman pada suatu file berdasarkan kriteria
6
yang ditentukan. Operasi join mengombinasikan tabel-tabel yang memiliki
keterkaitan untuk menyediakan informasi yang lebih lengkap kepada
pengguna ketimbang satu tabel saja. Operasi project menampilkan kolom-
kolom dari suatu tabel berdasarkan kriteria tertentu, yang memungkinkan
pengguna untuk menampilkan tabel baru yang berisi informasi-informasi
yang benar-benar diperlukan.
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 yang berguna untuk menangani
prmintaan-permintaan data sederhana pada data terstruktur maupun yang
tidak memiliki volume besar misalnya, web, media sosial, grafis, dan
bentuk-bentuk data liannya yang sulit dianalisis menggunakan perangkat
tradisional berbasis SQL.
Terdapat beberapa jenis database NoSQL yang masing-masingnya
memiliki fitur dan teknis perlakuan yang berbeda, salah satunya adalah
SimpleDB buatan Amazon, yaitu salah satu layanan web dengan tampilan
yang beroperasi pada cloud computing. Amazon dan penyedia layanan cloud
computing lainnya juga sudah menyediakan DBMS Relasional. Relasional
Database Service (RDS) Amazon juga menawarkan MySQL, SQL Server,
ataupun Oracle Database sebagai mesin pencari database.
Sebagai tambahan bagi layanan pengelolaan data berbasis public cloud
computing, perusahaan saat ini juga memiliki pilihan untuk menggunakan
database berbasis private cloud computing. Sistem private cloud computing
mengonsolidasikan server, tempat penyimpanan, sistem operasi, database,
serta beban pekerjaan ke dalam perangkat keras dan perangkat lunak yang
7
terdistribusi sehingga memungkinkan departemen TI untuk meningkatkan
kualitas pelayanan serta mengurangi beban modal dan biaya operasi.
Kapabilitas Sistem Manajemen Database
DBMS selalu menyertakan perangkat untuk mengorganisasikan, mengelola, dan
mengakses data pada database serta yang paling terpenting yaitu bbahasa untuk
mendefinisikan data, kamus data, dan bahasa untuk memanipulasi/memodifikasi
data. Definisi data yang dimiliki DBMS untuk menspesifikasikan struktur konten
database digunakan untuk membuat tabel database dan untuk mendefinisikan
karakteristik field pada setiap tabel. Kamus data merupakan file manual ataupun
otomatis yang menyimpan definisi-definisi elemen data berikut karakteristik
mereka.
Meminta Data dan Melaporkan
Sebagian besar DBMS memiliki bahasa tersendiri yang disebut dengan
bahasa manipulasi data yang digunakan untuk menambah, mengubah,
menghapus, dan mengambil data pada database. Bahasa manipulasi data
yang paling mutakhir saat ini adalah Structured Query Language (SQL).
Pengguna DBMS yang ada pada komputer berukuran besar dan sedang
seperti DB2, Oracle, dan SQL Server, akan menggunakan SQL untuk
memperoleh informasi yang dibutuhkan dari database mereka. Microsoft
Acces juga menggunakan SQL, namun ia memiliki perangkat tersendiri
untuk meminta informasi dari database, serta mengorganisasikan data dari
database menjadi laporan yang lebih rapi.
Merancang Database
Dalam meerancang database, diperlukan pemahaman mengenai 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 perusahaan dan juga dalam database memerlukan yang
namanya rancangan konsep maupun fisik.
8
Normalisasi dan Diagram Relasi Entitas
Untuk menggunakan model database relasional secara efektif maka
terlebih dahulu harus menyederhanakan kelompok data yang rumit untuk
meminimalisasi elemen-elemen data yang ganda serta hubungan jamak yang
tinggi. Proses menciptakan struktur data yang ringkas, stabil, serta fleksibel
dan adaptasi dari kelompok-kelompok data yang rumit dinamakan
normalisasi.
Sistem database relasional berupaya untuk menerapkan aturan referensial
terintegrasi yang bisa menjamin hubungan antartabel agar tetap konsisten.
Perancang database mendokumentasikan model datanya dengan sebuah
diagram relasi entitas yang mengilustrasikan relasi antara entitas pemasok,
suku cadang, lini barang, dan pesanan.
2. 3 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, dan gaji
karyawan. Perusahaan ingin mengetahui produk mana yang paling populer atau
pelanggan mana yang paling mendatangkan banyak keuntungan jawabannya terdapat
pada data atau database.
9
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-anomali yang lebih menarik ketimbang data kecil
yang berpotensi memberikan wawasan baru tentang perilaku pelanggan pola cuaca
aktivitas pasar saham dan fenomena lainnya.
10
Data Mart adalah bagian dari data warehouse yang diringkas atau dikhususkan
untuk penanganan jenis-jenis data tertentu pada database yang terpisah untuk kelompok
pengguna yang telah ditentukan, contoh perusahaan bisa saja mengembangkan data
mart bagi divisi penjualan dan pemasaran untuk mengurusi informasi pelanggan.
Perusahaan penjual buku biasanya menggunakan rangkaian data mart untuk data yang
di hasilkan pada titik penjualannya
Hadoop
Hadoop digunakan untuk menangani data berkapasitas besar dan semi
terstruktur ataupun tidak sama sekali. Hadoop juga merupakan kerangka kerja open
source yang dikelola oleh Apache Software Foundation yang memungkinkan
pendistribusian basis data berkapasitas besar secara paralel pada komputer-komputer
dengan biaya terjangkau. Pemecahan masalah data besar tersebut menjadi bagian-bagian
kecil kemudian mendistribusikan ke ribuan titik pemrosesan komputer yang ber biaya
terjangkau. Lalu mengkombinasikan hasilnya dan jadi rangkaian data yang lebih kecil
untuk mempermudah proses analisis hadoop terdiri atas beberapa layanan pokok seperti,
Hadoop Distributed File System (HDFS) untuk penyimpanan file dan MapReduce
untuk pemrosesan data paralel dengan tampilan grafis tinggi HDFS menghubungkan
secara bersamaan file-file sistem pada sejumlah titik dalam sebuah cluster hadoop ntuk
kemudian diubah menjadi sistem tunggal berukuran besar. 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
kompleks seperti log file pada web data audio dan video tidak terstruktur ada beroperasi
pada cluster server yang tidak mahal serta prosesornya dapat ditambahkan atau
dikurangi sesuai kebutuhan. Perusahaan menggunakan Hadoop untuk menganalisis data
dengan volume yang sangat besar serta memfragmentasi area untuk data yang
terstruktur maupun yang tidak subur sebelum disimpan ke dalam data warehouse.
Komputasi Dalam Memori
11
Komputasi dalam memori sangat mengandalkan pada memori utama dari
komputer untuk data penyimpanan. Para pengguna akan mengakses data yang disimpan
dalam memori sistem utama dengan demikian 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 yang 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 membutuhkan
waktu berjam-jam atau berhari-hari akan dapat diselesaikan dalam hitungan detik dan
bahkan diselesaikan dengan menggunakan perangkat genggaman.
Platform Analitis
Platform analitis berkecepatan tinggi yang terspesialisasi dengan menggunakan
baik teknologi terkait maupun yang tidak terkait yang diperlukan untuk menganalisis
kumpulan data yang besar. Platform analitis seperti misalnya IBM, Oracle exadata
menampilkan sistem perangkat perangkat keras dan lunak yang telah dikonfigurasi
sebelumnya yang secara spesifik dirancang untuk pemrosesan permintaan dan analitis.
Perangkat Analitis : Hubungan, Pola, Tren
Pada penggunaan teknologi intelijen bisnis tersedia bagi analisis lebih lanjut
dengan menggunakan perangkat lunak untuk mengukur dan melaporkan database
analisis data multidimensional dan data mining.
Pemrosesan Analitis Online (OLAP)
Pemrosesan analisis online mendukung analisis data yang multidimensional
yang memungkinkan bagi para pengguna untuk melihat data yang sama dalam cara-cara
yang berbeda dengan menggunakan banyak dimensi. Masing-masing aspek dari
informasi produk dan satuan harga biaya wilayah atau periode waktu mewakili dimensi
yang berbeda sehingga seorang manajer produk yang akan digunakan alat bantu analisis
data multidimensional untuk mempelajari berapa banyak cincin penutup yang terjual di
suatu wilayah, kemudian bagaimana angka tersebut dibandingkan dengan bulan lalu dan
12
bulan sebelumnya, serta bagaimana bila angka tersebut dibandingkan dengan periode
sebelumnya. Proses analisis data online 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 dalam beberapa
tahun.
Data Mining
Database tradisional akan melakukan query pada jawaban atas pertanyaan. Data
mining lebih terdorong pada penemuan. Data mining memberikan wawasan pada
corporat data yang tidak tepat yang diperoleh dengan penelitian analisis data online
dengan menemukan pola-pola yang tersembunyi serta hubungan dalam database yang
besar dan aturan menarik kesimpulan dari mereka yang memprediksikan perilaku pada
masa mendatang. Pola-pola dan aturan-aturan yang digunakan untuk membimbing
dalam pengambilan keputusan dan peramalan dampak dari keputusan-keputusan
tersebut tipe dari informasi yang dapat diperoleh dari data mining meliputi asosiasi
urutan klasifikasi cluster dan peramalan.
1. Asosiasi merupakan kejadian-kejadian yang dikaitkan dengan suatu peristiwa
tunggal.
2. Urutan merupakan 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 bekerja dengan cara yang sama seperti klasifikasi, ketika tidak ada
kelompok yang masih belum didefinisikan. Alat bantu data mining dapat menemukan
pengelompokan yang berbeda di dalam data
13
5. Meskipun penerapan-penerapan tersebut melibatkan prediksi tetapi peramalan
menggunakan prediksi dengan cara yang berbeda peramalan menggunakan serangkaian
nilai yang ada untuk meramalkan berapa besar dan nilai lainnya.
14
server dbms disimpan pada komputer khusus yang disebut server database. DBMS
menerima permintaan SQL dan menyediakan data yang diperlukan di luar akan
memindahkan informasi dari database internal organisasi kembali kepada server web,
lalu dikirimkan dalam bentuk laman web kepada penggunaannya. Terdapat sejumlah
keuntungan dengan menggunakan web untuk mengakses database internal organisasi
yaitu :
1. Perangkat lunak browser web jauh lebih mudah untuk digunakan daripada perangkat
query yang dimiliki.
2. Tampilan web membutuhkan sedikit perubahan atau tidak sama sekali terhadap
database internal. 3. 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.
4. Mengakses database corporate melalui web menciptakan efisiensi peluang dan model
bisnis yang baru .
Dalam bisnis skala kecil, kebijakan ini akan diimplementasikan oleh pemilik
bisnis atau manajernya. Dalam bisnis skala besar, pengelolaan dan perencanaan ini
membutuhkan fungsi administrasi data formal. Administrasi Data (Data Administration)
bertanggung jawab(Pengembangan kamus data, pemantauan terhadap spesialis sistem
informasi dan kelompok pengguna akhir dalam menggunakan data) atas kebijakan dan
prosedur yang mengatur data sebagai sumber daya organisasi. Tata kelola data
digunakan untuk menggambarkan banyak hal dari aktivitas administrasi data. Tata
kelola ini berkaitan dengan kebijakan dan proses untuk mengelola ketersediaan,
kegunaan, integritas dan keamanan dari data yang digunakan dalam suatu perusahaan,
dengan perhatian khusus pada dukungan untuk privasi, keamanan, kualitas data dan
kepatuhan terhadap berbagai peraturan.
Bisnis skala beesar juga memiliki rancangan database dan kelompok manajemen
di dalam divisi sistem informasi perusahaan yang bertugas untuk mendefinisikan dan
mengatur struktur dan isi database serta memeliharanya.
Jika database dirancang dengan tepat dan standar data keseluruhan perusahaan
ditentukan dengan baik, elemn data yang mengalami duplikasi atau tidak konsisten akan
16
diminimalkan. Sebagian besar masalah dari kualitas data adalah salah mengeja nama,
nomor yang terbalik atau kode yang salah atu hilang. Sebelum memasuki database yang
baru dipergunakan, organisasi harus mengidentifikasi dan memperbaiki data yang salah
dan menciptakan program program yang lebih baik untuk mengedit data ketika database
tersebut mulai dioperasikan.
Analisis kualitas data menggunakan audit kualitas data (Data Quality Audit)
merupakan survei terstruktur atas keakuratan dan tingkat kelengkapan dari data dalam
suatu sistem informasi. Analisis ini dilakukan dengan melakukan survei keseluruhan
data, sampel data atau survei pengguna data atas presepsi mereka mengenai kualitas
data. Pembersihan data (Data Cleansing) atau biasa dikenal dengan data scrubbing
terdiri dari kegiatan mendeteksi dan mengoreksi data dalam database yang salah, tidak
lengkap, tidak diformat dengan benar atau berlebihan. Perangkat lunak pembersihan
data yang khusus tersedia untuk menyurvei data secara otomatis, memperbaiki
kesalahan data dan mengintegrasikan data dalam format yang kosisten.
RANGKUMAN
Teknik manajemen file tradisional meyulitkan bagi organisasi untuk menelusuri
seluruh bagian data yang mereka gunakan dengancara sistematis dan untuk mengatur
data data tersebut sehingga dapat lebih mudah untuk diakses area dan kelompok
fungsional yang berbeda dimungkinkan untuk mengembangkan file mereka sendiri
dengan bebas. Seiring berjalannya waktu, lingkungan manajemen file tradisional
menciptakan permasalahan seperti redundansi dan ketidakkonsistenan data,
ketergantungan data terhadap program, tidak fleksibel, keamanan yang buruk dan
kurangnya pembagian dan ketersediaan data. Sistem Manajemen Database memecahkan
masalah masalah tersebut dengan perangkat lunak yang mengizinkan sentralisasi data
dan manajemen data. Hal ini bisa meminimalkan redudansi dan tidak konsistennya data.
17
Merancang database ini membutuhkan rancangan logis dan rancangan fisik.
Rancangan logis database ini adalah model data organisasi yang seharusnya
menggambarkan proses proses bisnis dan kebutuhan pengambilan keputusan yang
penting. Database relasional yang dirancang dengan bauk tidak akan memiliki
hubungan banyak ke banyak dan semua atribut untuk entitas tertentu hanya akan
digunakan pada entitas tersebut, database ini berupaya untuk menegakkan aturan
integritas referensial untuk memastikan relasi yang berpasangan agar tetap konsisten.
18
BAB III
PENUTUP
3. 1 Kesimpulan
Merancang database ini membutuhkan rancangan logis dan rancangan
fisik. Rancangan logis database ini adalah model data organisasi yang seharusnya
menggambarkan proses proses bisnis dan kebutuhan pengambilan keputusan yang
penting. Database relasional yang dirancang dengan bauk tidak akan memiliki
hubungan banyak ke banyak dan semua atribut untuk entitas tertentu hanya akan
digunakan pada entitas tersebut, database ini berupaya untuk menegakkan aturan
integritas referensial untuk memastikan relasi yang berpasangan agar tetap
konsisten.Teknologi manajemen dan kontemporer memiliki banyak alat untuk
memperoleh informasi yang bermanfaat dari selutuh jenis data berbeda yang
digunakan oleh bisnis pada saat ini. Kapabilitas ini meliputi data warehouse dan
data mart, Hadoop, inmemory computing dan platform analitis. OLAP
merepresentasikan hubungan antara data sebagai suatu struktur yang
multidimensional yang dapat divisualisasikan sebgai kubus data dan kubus dalam
kubus data. Data mining menganalisis kumpulan data yang besar, alat bantu web
mining menitikberatkan pada analisis pola yang bermanfaat dan informasi dari
world wide web.
19
DAFTAR PUSTAKA
20