Dasar-Dasar IntelijenBisnis: Database dan Manajemen Informasi

RESUME

Kelompok 4:
Dewi Khoirun Nisa 160810301040
Clara Natalia 160810301111
Andreas Syeh Ali K. 160810301116
Nadia Puspita N. 160810301120

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS JEMBER
2020
 Dasar-Dasar IntelijenBisnis: Database dan ManajemenInformasi

1.1. Mengorganisasikan Data DalamLingkungan File Tradisional

a. Istilah dan KonsepdalamPengorganisasian File

b. Masalah-masalahdalamLingkungan Data Tradisional

1) Redudansi dan Inkonsistensi Data

2) Ketergantungan Program Data

3) KurangnyaFleksibilitas

4) SistemKeamanan yang Buruk

5) KurangnyaKetersediaan dan Pendistribusian Data

1.2. Pendekatan Database UntukPengelolaan Data

a. SistemManajemen Database

1) Bagaimana DBMS MenyelesaikanMasalah-masalah Pada Lingkungan File

Tradisional

2) DBMS Relasional
DBMS relasional menampilkan data menjadi tabel dua dimensi. Tabel
dapat juga dianggap sebagai file, yang berisi data pada sebuah entitas. MySQL
adalah DBMS open source yang terkenal sedangkan oracle database lite adalah
DBMS untuk perangkat komputasi mobile. DBMS relasional mengorganisasikan
data pemasok dan suku cadang. Database tersebut memiliki tabel yang terpisah
untuk entitas pemasok dan sebuah tabel untuk entitas barang.

3) Operasi DBMS Relasional

 Tabel database relasional dapat dikombinasikan dengan mudah untuk
mengirimkan data yang diperlukan pengguna yang disediakan oleh dua tabel yang
saling berbagi elemen data. Dalam database relasional ada tiga operasi dasar yang
digunakan 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 yang ditentukan. Operasi join
mengkombinasikan tabel-tabel yang memiliki keterkaitan untuk menyediakan
informasi yang lebih lengkap kepada pengguna daripada pada satu tabel saja.
Untuk 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.

4) Database Non-Relasional& Database pada Sistem Cloud Computing

Dalam jangka waktu 30 tahun, teknologi database relasional telah menjadi
standar emas. Cloud computing volume data yang belum pernah ada sebelumnya,
beban pekerjaan yang begiru besar untuk layanan web, serta kebutuhan untuk
menyimpan data jenis baru memerlukan alternatif database selain model lama dari
database rasional dalam mengorganisasikan data guna membentuk tabel, kolom,
dan baris. 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. Seperti web, media sosial, grafis dan bentuk data
lainnya yang sulit dianalisis menggunakan perangkat tradisional berbasis SQL.

Ada beberapa database NoSQL yang masing-masing memiliki fitur teknis

dan perlakukan yang berbeda. Database oracle NoSQL salah satu contoh
diantaranya adalah simple DB buatan amazon, salah satu layanan web yang
beroperasi pada sistem cloud computing .

Amazon dan penyedia layanan could computing lainnya juga menyediakan

DBMS relasional. Relational Database Service (RDS) Amazon menawarkan
MysQL, SQL server, ataupun oracle database sebagai mesin pencari database.
Besarnya pembayaran bergantung pada jumlah penggunaan. Oracle memiliki
database clou service menggunakan relasional oracle database 11g, sedangkan
 microsoft SQL Azure Database adalah layanan database relasional berbasis cloud
computing yang beroperasi pada microsoft SQL server DBMS.

Sistem privarte cloud computing mengkonsolidasikan server, tempat

penyimpanan, sistem operasi, database serta beban pekerjaan kedalam perangkat
keras dan perangkat lunak yang terdistribusi. Dengan mendistribusikan database
pada sistem private could computing yang terkonsolidasi memungkinkan
departemen TI untuk meningkatkan kualitas pelayanan serta mengurangi beban
modal dan biaya operasi. Semakin tinggi tingkat kepadatan konsilidasi yang
dicapai, semakin besar pengembalian atas investasi yang diterima.

b. KapabilitasSistemManajemen Database
SuataDBMSselalumenyertakanperangkatuntukmengorganisasi,mengelola, dan
mengakses data pada database. Hal yangpaling penting adalah bahasa untuk
mengidentifikasi data, kamus data,dan bahasa untuk memodifikasi data. DBMS
memiliki kapabilitas. Definisi data yang berguna untuk mengspesifikasi struktur
kontendatabase. Kamus data adalah file manual ataupun otomatis yang menyimpan
definisi-definisi elemen data berikut karakteristik mereka.

1) Meminta Data dan Melaporkan

DBMS menyertakan perangkat untuk mengakses danmemanipulasi
informasi pada database. DBMS memiliki bahasatersendiri yaitu bahasa manipulasi
data yang digunakan untukmenambah, mengubah, menghapus, dan mengambil
data daridatabase. Bahasa manipulasi yang paling mutakhir pada saat iniadalah
Structured Query Languange. Penggunaan DBMS pada ukuran besar dan sedang
adalah DB2, Oracle, dan SQL Server. Pada Microsoft access akan ditemukan fitur-
fitur yang memungkinkan pengguna untuk menciptkan rangkaian permintaan
informasi dengan mengidentifikasi table dan field yang diinginkan dan
hasilnya.Kemudian memilih baris database yang memenuhi kriteria yang
diperlukan. Tindakan-tindakan ini kemudian di terjemahkan oleh SQL. DBMS dan
Microsoft Access memiliki kemampan dalam penyusunan laporan sehingga data
yang diinginkan dapat ditampilkan format lebih terstruktur dan rapi.
c. Merancang Database
 Untuk merancang database harus mampu memahami hubungan antar data, jenis
data, bagaimana data tsb digunakan, dan bagaimana organisasi perlu diubah. Database
memerlukan rancangan konsep danfisik.

1) Normalisasi dan Diagram Relasi Entitas

Rancangan konseptual suatu database menggambarkan bagaimana elemen-
elemen data pada database dikelompokan. Proses perancangan tersebut
mengidentifikasi hubungan antara elemen-elemen data dan cara paling efisien
dalam mengelompokan data-data untuk kebutuhan informasi. Proses tersebut juga
mengidentifikasi data-data ganda dan pengelompokan elemen-elemen yang lebih
spesifik.
Proses menciptakan struktur data yang ringkas, stabil,fleksibel dan adaptif
dari kelompok data yang rumit adalah normalisasi. System database relasional
berupaya untuk menerapkan aturan referensial terintegrasi yang menjami hubungan
antar table untuk tetap konsisten.
Perancang database mendokumentasikan model datanya dengansebuah
diagram relasi entitas antara pemasok, suku cadang, linibarang dan pesanan. Setiap
kotak dan garis memiliki tujuannya masing-masing.

1.3. Memanfaatkan Database UntukMeningkatkanKinerjaBisnis&Pengambilan Keputusan

a. Tantangan dalam Menangani Besarnya Volume Data
Data yang dikumpulkan oleh organisasi yang terdiri atas data transaksi yang
dapat ditempatkan dengan mudah kedalam kolom dan baris pada DBMS relasional.
Data tersebut berasal dari lalu lintas web, pesan surel dan konten media sosial
(tweets, status pesan) demikian juga dari data yang dihasilkan dari media seperti
sensor (yang digunakan pada smart meter, sensor publik, dan meteran elektrik)
atau dari sistem transaksi elektronis. Kumpulan data tersebut disebut dengan istilah
data besar.
Data besar tidak mengacu pada jumlah tertentu, namun biasanya mengacu
pada data di kisaran petabyte dan exabyte-dengan kata lain, miliaran hingga
triliunan rekaman, semuanya berasal dari sumber yang berbeda. Data besar
diproduksi dalam jumlah jauh lebih banyak dan jauh lebih cepat daripada data
tradisional. Organisasi bisnis tertarik pada data yang besar karena mereka dapat
mengungkapkan lebih banyak pola dan anomali yang menarik daripada kumpulan
 data yang lebih kecil, yang berpotensi memberikan wawasan baru tentang perilaku
pelanggan, pola cuaca, aktivitas pasar keuangan, atau fenomena lainnya. Namun,
untuk memperoleh nilai bisnis dari data ini, organisasi membutuhkan teknologi dan
alat baru yang mampu mengelola dan menganalisis data non-tradisional beserta
data perusahaan mereka

b. Infrastruktur Intelijen Bisnis

Kebutuhan akan data yang berkapabilitas besar memerlukan infrastruktur bisnis
yang terkini dan memiliki rangkian perangkat untuk memperoleh informasi-informasi
yang diperlukan dari berbagai jenis data yang berbeda dalam organisasi. Kemampuan-
kemampuan tersebut meliputi data warehouse, data marts, hadoop, in-memory
computing, serta platform analitis.

1) Data Warehouse dan Data Mart

Data warehouse adalah data yang menyimpan data historis dan data yang
terkini yang berpengaruh bagi kepentingan pengambilan keputusan di seluruh
perusahaan. Data tersebut ditujukan kepada banyak sistem operasional transaksi-
transaksi penting, seperti sitem penjualan, data pelanggan, manufaktur, termasuk
data dari transaksi web. Data warehouse menghasilkan data historis dan dat terkini
dari berbagai sistem operasi pada organisasi. Sedangkan data mart adalah bagian
dari data warehouse yang diringkas atau dikhususkan untuk penanganan jenis-jenis
data tertentu pada databese yang terpisah untuk kelompok pengguna yang telah
ditentukan. Sebagai contoh, perusahaan bisa saja mengebangkan data mart bagi
divisi penjualan dan pemasaran untuk mengurusi informasi pelanggan.

2) Hadoop
Hadoop adalah kerangka kerja open-source yang dikelola oleh Apache
Software Foundation yang memungkinkan perusahaan pendistribusian proses data
berkapasitas besar secara paralel pada komputer-komputer berbiaya terjangkau.
Hadoop memcah msalah data besar menjadi bagian-bagian yang kecil, kemudian
mendistribusikannya ke ribuan titik pemrosesan komputer yang berbiaya
terjangkau, lalu mngombinasikan hasilnya menjadi rangkaian data yang lebih kecil
untuk mempermudah proses analitis.
 Hadoop terdiri atas beberapa layanan pokok: Hadoop Distributed File System
(HDFS) untuk menyimpan file data dan MapReduce untuk pemrosesan data paralel
dengan tampilan grafis tinggi. HDFS menghubungkan secara bersamaan file-
file sistem pada sejumlah titik dalam sebuah cluster Hadoop untuk kemudian di
ubah menjadi file sistem tunggal berukuran besar. MapReduce buatan hadoop
terinspirasi oleh maprude buatan google dalam memecah rangkaian pemprosesan
data berukuran besar dan menyebarkan pekerjaan-pekerjaan tersebut keberbagai
titik dalam sebuah cluster. Hbase, database non-reasional buatan hadoop
menyediakan akses cepat kedata yang tersimpan pada HDFS dan platform
transaksional untuk mengoperasikan transaksi-transaksi rieltime berskala tinggi.

3) Komputasi dalam Memori

Cara lain untuk memfasilitasi analisis data yang besar adalah dengan
menganalisis komputasi dalam-memori (in-memory computing), yang sangat
mengandalkan pada memori utama dari komputer (computer’s main memory-
RAM) untuk data penyimpanan. (DBMS yang konvensional menggunakan sisten
penyimpanan disk). Produk-produk komersial terkemuka bagi komputasi dalm
memori meliputi, High performance Analytics Appliance (HANA) dari SAP dan
Oracle Exalytics. Masing-masing menyediakan serangkaian komponen perangkat
lunak yang terintegrasi, meliputi perangkat lunak  database dalam memori dalam
perangkat lunak analitis yang terspesialisasi, yang menjalan kan perangkat keras
untuk pekerjaan komputasi dalam memori.

4) Platform Analitis
Para vendor database komersial telah mengembangkann Platform Analitis
(analytic platforms) berkecepatan tinggi yang terspesialisasi dengan mengunakan
baik teknologi terikat maupun yang tidak terikat yang dioptimalkan untuk
menganalisis kumpulan data yang besar. Platform analitis ini  seperti misalnya
IBM netezza dan oracle Exadata, menampilkan system perangkat keras, perangkat
lunak yang telah dikonfigurasi sebelumnya, yang secara spesifik dirancang untuk
pemrosesan permintaan dan analitis. Sebagai contoh, IBM Netezza
menampilkan database yang terintegrasi secara ketat, server, dan komponen-
komponen penyimpanan yang menangani pertanyaan analisis yang rumit 10 hingga
 100 kali lebih cepat dari pada sistem tradisional. Platfrom analitis juga memasukan
sistem dalam memori dan NoSL system manajemen database non-relasional.

c. Perangkat Analisis: Hubungan, Pola, Tren

1) Pemrosesan Analitis Online (OLAP)
Pemrosesan Analitis Online (OLAP) mendukung analitis data yang
multidimensional, yang memungkinkan bagi pengguna untuk melihat data yang
sama dalam beberapa cara yang berbeda dengan menggunakan banyak dimensi.
Masing-masing aspek dari informasi produk, penetapan harga, biaya wilayah, atau
periode waktu mewakili dimensi yang berbeda. OLAp memungkinkan 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 databese yang sangat besar, seperti angka
penjualan selama beberapa tahun.
2) Data Mining
Data mining memberikan wawasan pada korporat, data yang tidak dapat
diperoleh dengan OLAP dengan menemukan pola-pola yang tersembunyi serta
hubungan dalam databese yang besar dan aturan menarik kesimpulan dari mereka
untuk memprediksikan perilaku pada masa yang akan datang. Pola-pola dan
aturan-aturan yang digunakan untuk membimbing dalam pengambilan keputusan
dan peramalan dampak dari keputusan-keputusan tersebut. Tipe informasi yang
dapat diperoleh dari data mining, yaitu :
 Asosiasi : kejadian yang dikaitkan dengan suatu peristiwa tunggal
 Sekuen : peristiwa-peristiwa aakan dikaitkan berdasarkan waktu
 Klasifikasi : pola-pola yang menggambarkan kelompok suatu barang
yang dimiliki dengan memeriksa barang yang ada.
 Pengklasteran : bekerja seperti klasifikasi ketika tidak ada kelompok yang
masih belum didefinisikan
 Peramalan : menggunakan serangkaian nilai untuk memprediksi berapa
besar nilai lainnya

3) Teks Mining dan Web Mining

Bisnisdapatberalihkepadatext
mininguntukmenganalisistranskripdaripanggilankepadapusatlayananpelangganuntu
kmengidentifikasilayananutama dan
 menyelesaikanmasalahatauuntukmengukurpendapatpelangganmengenaiperusahaan
. Web merupakansumberutamalainnyadari data besar yang
tidakterstrukturuntukmengungkapkanpola, kecenderungan, dan
wawasandalamperilakukonsumen. Web miningakanmencaripoladalam data
melaluipenelusurankonten, penelusuranstruktur, dan penelusuranpenggunaan.
Penelusurankontendari web merupakansuatu proses
untukmengekstrakpengetahuandarikontendalamlaman web, meliputiteks, gambar,
audio, dan data video. Penelusuranstrukturdari web memeriksa data yang
terkaitdenganstrukturdari situs web tertentu. Penelusuranpenggunaan web
menelaah data interaksipengguna yang dicatat oleh server web
kapanpunpermintaandarisumberdaya situs web tersebutditerima.
d. Database dan Web
Terdapatsejumlahkeuntungandenganmenggunakan web untukmengakses database
internal organisasi. Pertama, perangkatlunak browser web lebihmudahdigunakan.
Kedua, tampilan web membutuhkansedikitperubahanatautidaksamasekaliterhadap
database internal. Ketiga, biaya yang rendahuntukmenambahakanantarmuka web di
depansistem yang diwariskan. Mengakses database korporatmelalui web
menciptakanefisiensi, peluang, dan model bisnis yang baru. Terdapatbanyak database
yang diaktifkandengan web dalam sector public untukmembantupelanggan dan warga
negara untukmengaksesinformasi yang berguna.

1.4. MengelolaSumber Data

a. MenetapkanKebijakanInformasi
Kebijakaninformasimenentukanaturanorganisasidalamhalpembagian, penyebaran,
perolehan, standarisasi, klasifikasi, dan penyimpananinformasi. Undang-
undangkebijakaninformasimenjelaskanprosedur dan akuntabilitas yang spesifik,
mengidentifikasiinformasidapatsalingdibagikan oleh pengguna dan unit organisasi,
dimanainformasidapatdidistribusikan, dan siapa yang
bertanggungjawabuntukmemperbarui dan memeliharainformasi. Administrasi data
bertanggungjawabataskebijakan dan prosedur yang mengatur data
sumberdayaorganisasi.
b. MemastikanKualitas Data
Jika database dirancangdengantepat dan standar data
keseluruhanperusahaanditentukandenganbaik, makaelemen data yang
mengalamiduplikasiatautidakkonsistenakandiminimalkan. Sebelum database
dipergunakan, organisasiperlumengidentifikasi dan memperbaiki data yang salah dan
menciptakan program-program yang lebihbaikuntukmengedit data ketika database
tersebutmulaidioperasionalkan. Analisiskualitas data seringdimulaidengan audit
kualitas data yang merupakan survey terstrukturataskeakuratan dan
tingkatkelengkapandari data suatusisteminformasi. Pembersihan data juga
dikenaldengandata scrubbing yang terdiriataskegiatanmendeteksi dan mengoreksi data
dalam database yang tidakbenar, tidaklengkap, tidakdiformatdengantepat,
atauberlebihan. Pembersihan data juga menekankankonsistensidiantaraserangakaian
data yang berbeda yang berasaldarisisteminformasi yang terpisah.