6.

3 MEMANFAATKAN DATABASE UNTUK MENINGKATKAN KINERJA BISNIS

DAN PENGAMBILAN KEPUTUSAN
Database digunakan oleh organisasi bisnis dalam melakukan pemantauan transaksi
dasar, contohnya pembayaran pemasok, melakukan proses pesanan, melakukan
pemantauan pelanggan, dan penggajian karyawan. Database diperlukan dalam
menyajikan informasi untuk melaksanakan bisnis dengan efisien dan juga membantu
manajer dan karyawan dalam pengambilan keputusan yang tepat.

6.3.1 Tantangan dalam Menangani Besarnya Volume Data

Data dikumpulkan oleh organisasi yang terdiri dari data transaksi yang
dengan mudahnya diletakkan ke kolom dan baris pada DBMS relasional. Setelah
itu, adanya lonjakan data dari lalu lintas web, pesan surel, dan konten media sosial,
dan juga data yang dihasilkan mesin. Data besar (big data) digunakan untuk
memberi gambaran mengenai serangkaian data dengan volume besar yang
melampaui kemampuan yang dimiliki DBMS dalam melakukan pengelolaan,
penyimpanan, dan penganalisisan data.
Data yang besar tidak memiliki acuan pada kespesifikan jumlah, tetapi
memiliki acuan pada kisaran petabyte dan exabyte. Organisasi bisnis memiliki
ketertarikan pada data besar karena pola berbentuk dan anomali-anomali menarik
dapat dilihat oleh organisasi tersebut yang dapat memberikan ilmu baru mengenai
perilaku pelanggan, pola cuaca, dan aktivitas pada pasar saham. Untuk
mendapatkan nilai bisnis dari data, organisasi membutuhkan teknologi baru yang
memiliki kemampuan dalam melakukan pengelolaan data non-tradisional dan data
perusahaan.

6.3.2 Infrastruktur Intelijen Bisnis

Saat ini, infrastruktur dari intelijen bisnis mempunyai serangkaian
perangkat dalam mendapatkan informasi yang dibutuhkan dari jenis data yang
berbeda-beda dalam organisasi saat ini, termasuk data memiliki kapasitas besar
yang tidak terstruktur atau semi terstruktur. Berikut adalah kemampuan-
kemampuan yaitu data:
a. Data Warehouse dan Data Mart
Perangkat tradisional yang digunakan dalam melakukan penganalisisan
data hingga 20 tahun yang lalu merupakan data warehouse. Data warehouse
 merupakan data yang melakukan penyimpanan data historis dan data saat ini
yang memiliki pengaruh bagi pengambil keputusan. Data itu ditujukan pada
bagi sistem operasional transaksi penting, seperti penjualan, data pelanggan,
manufaktur, dan data transaksi web. Data warehouse menghasilkan data historis
dan saat ini dari seluruh sistem operasi organisasi. Data tersebut digabungkan
dengan data sumber sumber eksternal dan melakukan pengoreksian data yang
tidak memiliki keakuratan serta melakukan perbaikan pada data untuk
kepentingan pelaporan dan analisis data pihak manajemen sebelum disimpan
pada data warehouse. Data warehouse memiliki jaminan dalam menyediakan
data untuk siapa saja yang dapat diakses namun tidak bisa diubah. Sistem data
ini menyediakan serangkaian perangkat dalam melakukan pencarian keterangan
secara khusus atau terstandarlisasi dan juga pelaporan dengan tampilan grafis.
Perusahaan menciptakan data warehouse yang memiliki ukuran lebih
kecil dan terstandarlisasi yang disebut data mart. Data mart merupakan bagian
data warehouse yang dilakukan peringkasan dalam menangani jenis data pada
database yang terpisash untuk kelompok pengguna yang sudah ditentukan.
b. Hadoop
Dalam melakukan penanganan pada data yang memiliki kapasitas besar
yang tidak terstruktur atau semi terstruktur biasanya perusahaan akan
menggunakan hadoop. Hadoop merupakan sebuah kerangka kerja open source
yang dikelola Apache Software Foundation yang memiliki kemungkinan
melakukan distribusi pada proses data yang memiliki kapasitas besar pada
komputer berbiaya terjangkau. Hadoop melakukan pemecahan masalah data
besar menjadi bagian kecil, lalu dilakukan pendistribusian ke ribuan titik
pemrosesan komputer yang memudahkan dalam analisis.
Hadoop memiliki beberapa layanan pokok:
1. Hadoop Distributed File System (HDFS)
Layanan ini digunakan untuk menyimpan file data.
2. MapReduce
Layanan ini digunakan untuk memroses data paralel dengan tampilan
grafis tinggi.
HDFS melakukan penghubungan file-file sistem pada titik dalam cluster
Hadoop untuk dilakukan perubahan menjadi file sistem tunggal yang besar.
Database non relasional buatan Hadoop yang bernama Hbase memberikan
 penyediaan akses cepat ke data yang tersimpan di HDFS dan platform
transaksional dalam melakukan pengoprasian aplikasi-aplikasi real time yang
memiliki skala tinggi.
c. Komputasi dalam-Memori
Cara yang digunakan untuk memberikan fasilitas pada analisis data besar
adalah dengan menggunakan komputasi dalam-memori yang mengandalkan
memori utama dari komputer (computer’s main memory-RAM) untuk data yang
disimpan. Pengguna akan melakukan akses pada data yang disimpan di memori
sistem utama, maka dapat menghilangkan kemacetan akibat melakukan
pengambilan dan pembacaan dalam database tradisional, didasarkan dari disk
dan juga akan melakukan penyingkatan waktu tunggu. Perhitungan bisnis yang
rumit biasanya membutuhkan waktu yang banyak akan dapat diselesaikan
dalam hitungan detik dan bahkan dapat diselesaikan dengan perangkat
genggam.
d. Platform Analitis
Vendor database komersial melakukan pengembangan pada platform
analitis (analytic platforms) yang memiliki kecepatan tinggi terspesialisasi
dengan menggunakan teknologi terkait atau tidak terkait yang dioptimalkan
dalam melakukan analisis kumpulan data yang besar. Platform analitis, seperti
IBM Netezza dan Oracle Exadata, menampilkan sistem perangkat keras dan
perangkat lunak yang telah terkonfigurasi, yang dirancang untuk pemrosesan
permintaan dan analitis.
 Gambar tersebut memberikan ilustrasi infrastruktur intelijen bisnis
kontemporer dengan teknologi yang baru digambarkan. Data terkini dan data
historis akan dilakukan pengekstrakan dari sistem operasional yang banyak
seiring dengan data web, data dari mesin, data audio atau visual yang tidak
terstruktur, dan data dari smber eksternal yang direstrukturisasi dan
diorganisasikan ulang dalam membuat laporan dan analisis. Cluster Hadoop
memroses data yang berkapasitas besar yang digunakan dalam data warehouse,
data mart atau platform analitis atau permintaan langsung oleh pengguna
power.

6.3.3 Perangkat Analisis : Hubungan, Pola, Tren

Saat data telah dilakukan perekaman dan pengorganisasian dengan
teknologi intelijen bisnis, tersedia bagi analisis lebih lanjut dengan menggunakan
perangkat lunak untuk men-query dan melakukan pelaporan database, analisis data
multidimensional (online analytical processing-OLAP), dan data mining.
a. Pemrosesan Analitis Online (OLAP)
Pemrosesan analitis online (online analytical processing-OLAP)
mendukung analis data yang multidimensional, yang memberi kemungkinan
pengguna dalam melihat data yang sama dalam cara yang berbeda dengan
menggunakan banyak dimensi. OLAP memberi kemungkinan pengguna dalam
mendapatkan jawaban atas secara online atas pertanyaan yang khusus, seperti
hal itu dalam jumlah waktu yang cukup cepat, bahkan saat data dilakukan
penyimpanan dalam database yang besar.
 Gambar di atas memperlihatkan model multidimensional yang bisa
diciptakan dalam melakukan perwakilan untuk produk, wilayah, penjualan
aktual, dan penjualan yang diproyeksi. Matriks mengenai penjualan aktual dapat
dilakukan penuumpukan pada bagian atasnya penjualan yang diproyeksi dalam
melakukan pembentukan kubus sisi 6. Jika melakukan pemutaran 90 derajat
satu arah, maka sisi yang ditunjukkan menjadi produk versus penjualan aktual
dengan penjualan yang diproyeksi. Jika melakukna pemutaran 90 derajat lagi,
maka dapat dilihat wilayah versus penjualan aktual dengan penjualan yang
diproyeksi. Jika melakukan pemutaran 180 derajat dari sudut pandang awal,
maka dapat dilihat penjualan yang diproyeksi dan produk versus wilayah.
b. Data Mining
Data mining memberi wawasan pada korporat, data yang tidak bisa
didapatkan dengan OLAP dengan menemukan pola yang tersembunyi dan
hubungan dalam database besar dan aturan menarik kesimpulan untuk
melakukan prediksi perilaku di masa depan. Pola dan aturan yang digunakan
dalam memberikan bimbingan untuk mengambil keputusan dan peramalan
dampak dari keputusan. Tipe dari informasi yang bisa didapatkan dari data
mining, meliputi :
1. Asosiasi
Asosiasi adalah kejadian yang berkaitan dengan peristiwa tunggal. Informasi
ini akan membantu manajer dalam pengambilan keputusan yang baik karena
telah mempelajari manfaat promosi.
2. Dalam sekuen
Dalam sekuen berarti peristiwa yang berkaitan dengan waktu.
3. Klasifikasi
Klasifikasi melakukan pembahasan mengenai pola yang melakukan
penggambaran kelompok barang yang dimiliki dengan memerikasa barang
yang ada yang telah terklasifikasi dan telah menyimpulkan dari serangkaian
aturan. Klasifikasi akan membantu dalam menemukan ciri-ciri pelanggan
yang
mempunyai kecenderungan berhenti dan menyediakan model untuk memberi
bantuan pada manajer melakukan prediksi siapa pelanggan tersebut sehingga
manajer bisa melakukan perancangan kampanye khusus dalam
 mempertahankan pelanggan.
4. Pengklasteran
Pengklasteran bekerja dengan cara yang dilakukan klasifikasi saat tidak ada
kelompok yang masih belum didefinisikan. Data mining akan membantu
dalam menemukan pengelompokan berbeda di dalam data.
5. Peramalan
Peramalan menggunakan rangkaian nilai yang ada dalam meramalkan berapa
besar dari nilai lainnya.
Penggunaan data mining yang terkenal adalah menyediakan analisis pola
dalam data pelanggan yang terperinci bagi kampanye pemasaran one-to-one
atau melakukan identifikasi pada pelanggan yang memberikan keuntungan.
c. Teks Mining dan Web Mining
Text mining (penelusuran teks) tersedia untuk memberikan bantuan pada
bisnis dalam melakukan analisis data. Alat ini dapat melakukan pengekstrakan
elemen kunci dari rangkaian data yang besar dan tidak terstruktur, menemukan
pola dan hubungan, dan melakukan peringkasan informasi.
Bisnis dapat beralih pada text mining dalam melakukan analisis transkrip
dari panggilan kepada pusat layanan pelanggann untuk melakukan identifikasi
layanan utama dan melakukan penyelesaian masalah atau untuk melakukan
pengukuran pada pendapat pelanggan mengenai perusahaan.
Perangkat lunak analisis sentimen (sentiment analysis) dapat menelusuri
komentar teks dalam pesan surel, blog, percakapan dalam media sosial, atau
bentuk survei dalam melakukan deteksi opini yang menyenangkan dan tidak
menyenangkan mengenai topik bahasan.
Web adalah sumber utama lain dari data besar yang tidak terstruktur
dalam melakukan pengungkapan pola, kecenderungan, dan wawasan dalam
perilaku konsumen. Penemuan dan analisis pola serta informasi yang memiliki
manfaat dari World Wide Web disebut web mining. Bisnis akan beralih pada
web mining untuk memberi bantuan dalam memahami perilaku konsumen,
melakukan evaluasi atas efektifnya situs web, atau kuantitas keberhasilan
kampanye pemasaaran.

6.3.4 Database dan Web

 Gambar di atas memberikan ilustrasi mengenai bagaimana pelanggan
mengakses database internal dari peritel melalui web. Pengguna mengakses peritel
melalui internet menggunakan perangkat lunak browser web pada komputer
kliennya. Browser web akan meminta data dari database organisasi dengan
menggunakan perintah HTML dalam melakukan komunikasi dengan server web.
Dikarenakan database back-end tidak bisa melakukan penerjemahan pada perintah
tertulis di HTML maka server web mengirimkan permintaan data pada perangkat
lunak yang menerjemahkan perintah HTML menjadi SQL sehingga pemrosessan
perintah dengan DBMS yang bekerja sama dengan database. Pada lingkungan
klien, DBMS disimpan pada komputer yang khusus disebut dengan server
database (database server). Middleware akan melakukan pemindahan informasi
dari database internal organisasi kembali ke server web untuk dikirimkan dalam
bentuk laman web kepada pengguna.
Gambar di atas memperlihatkan middleware bekerja diantara server web
dengan DBMS dapat berupa server aplikasi yang bekerja pada komputer khusus.
Server aplikasi melakukan penanganan pada semua operasional aplikasi, meliputi
proses transaksi dan akses data antara komputer berbasis browser dengan aplikasi
bisnis atau database back-end perusahaan. Server aplikasi mengambil permintaan
dari server web, melaksanakan logika bisnis dalam melakukan pemrosesan
transaksi yang didasarkan permintaan dan menyediakan konektivitas kepada sistem
atau database back-end organisasi.
Ada beberapa keuntungan dengan menggunakan web untuk melakukan
akses database internal organisasi :
1. Penggunaan browser web lebih mudah daripada perangkat query yang dimiliki.
2. Tampilan web memerlukan perubahan atau tidak sama sekali terhadap database
internal.