MODUL PERKULIAHAN

Sistem Informasi
Manajemen

Manajemen Pengelolaan Data (Bagian 2)

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

13
Fakultas Ekonomi dan Manajemen-S1 Team Teaching Mata Kuliah Sistem
Bisnis Informasi Manajemen

Abstract Kompetensi
Pembahasan mengenai Manajemen Setelah menyelesaikan bahan kajian
Sumber Daya Data (Database) ini, Mahasiswa mampu menguraikan
terbagi menjadi dua bagian. Pada pemanfaatan Sistem Informasi
bagian kedua ini, mahasiswa akan Manajemen dalam organisasi,
mempelajari bagaimana data dapat khususnya mendefinisikan Database
digunakan sebagai basis Management System.
pengambilan keputusan bagi
manajemen perusahaan.
Pendahuluan
Pada pembahasan sebelumnya, kita telah mengenal istilah Database Management System
(DBMS) yang merupakan solusi dari permasalahan pengelolaan data secara tradisional.
Dengan adanya database, perusahaan atau organisasi memiliki basis data yang terpusat,
sehingga data yang tersimpan akan menghasilkan informasi yang berkualitas.

Dalam modul ini akan dibahas mengenai penerapan DBMS di dalam perusahaan, khususnya
dalam proses pengambilan keputusan. Namun sebelumnya, akan dijelaskan kembali konsep
DBMS sebagai pengingat.

DBMS (Database Management System)

Teknologi basis data (database) mengatasi banyak masalah dalam organisasi file tradisional.
Database adalah sekumpulan data organisasi untuk melayani banyak aplikasi secara efisien
dengan memusatkan data dan mengendalikan redudansi data. Sehingga, daripada menyimpan
data dalam file terpisah, data disimpan secara terpusat sehingga pengguna yang
membutuhkan data hanya perlu mencari di satu database system saja. Dengan begitu, sebuah
database dapat melayani banyak aplikasi sekaligus.

DBMS (Database Management System) adalah sebuah software atau perangkat lunak yang
memungkinkan suatu organisasi memusatkan data, mengelola data secara efisien, dan
menyediakan akses terhadap data yang disimpan oleh program aplikasi. DBMS bertindak
sebagai interface antara program aplikasi dan file data. Ketika program aplikasi memanggil
file data, DBMS mencari data ini di dalam database dan memberikannya pada program
aplikasi. DBMS mengurangi redudansi dan inskonsistensi data dengan meminimalisasi file-
file yang terisolasi yang berisi data sama.

Dalam gambar diatas dapat terlihat dalam database tersimpan banyak data, salah satunya
adalah data karyawan yang terdiri dari employee ID, nama, SSN (No.identitas), dan lain-lain.
Yang membutuhkan data karyawan adalah bagian “Benefit” dan “Payroll”. Saat salah satu
atau keduanya membutuhkan data tersebut, mereka akan mengirim permintaan kepada
DBMS, dan jika mereka dibuatkan akses, maka setiap perubahan yang dilakukan oleh bagian
Benefit atau Payroll akan langsung terupdate di DBMS.

Sebagai contoh, dalam DBMS, terdapat data karyawan dengan nama Dilan yang memiliki
SSN 12345, maka jika bagian Benefit mengakses data Dilan tersebut, akan muncul No.SSN

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
2 Dosen Pengampu http://www.widyatama.ac.id
12345. Hal serupa juga terjadi di bagian Payroll saat mengakses data Dilan. Jadi tidak
mungkin ada inkonsistensi data, karena mereka mengambil data dari sumber yang sama yaitu
DBMS.

Gambar 1. Ilustrasi Cara Kerja DBMS

Selain itu, misalnya jika bagian Payroll mengakses data Dilan dan mengubah nominal Gross
Pay nya, maka secara otomatis, daya Gross Pay yang baru akan terupdate di DBMS.
Sehingga, jika misalnya suatu saat bagian Pajak mengakses data Dilan dari DBMS, data
Gross Pay nya sudah pasti yang valid dan terupdate.

Bayangkan jika DBMS belum ada, masing-masing bagian yakni Benefit, Payrol, dan Pajak
harus menyimpan data karyawan sendiri-sendiri padahal data yang disimpan itu sama saja
value nya. Dan jika ada yang diubah, maka harus meminta akses untuk data yang baru ke
bagian yang berwenang.

Berdasarkan penjelasan di atas, maka fungsi DBMS antara lain adalah:

 Menyediakan sistem akses yang cepat kepada data
 Mengurangi redudansi data dan inkosistensi data
 Memungkan adanya updating secara bersama
 Menyediakan sistem yang memungkinkan dilakukan pengembangan database
 Memberikan perlindungan dari pihak pemakai yang tidak berhak mengakses

Merancang Database
Untuk merancang database, kita harus memahami hubungan antar data, jenis data yang
dikelola pada database, bagaimana data tersebut akan digunakan, serta apa saja perubahan

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
3 Dosen Pengampu http://www.widyatama.ac.id
organisasi yang perlu dilakukan untuk mengelola data dari perspektif lengkap seluruh
perusahaan. Database memerlukan rancangan konsep maupun fisik.

Normalisasi dan Diagram Relasi Entitas

Untuk menggunakan model database relasional secara efektif, kelompok data yang rumit
harus disederhanakan untuk meminimalisasi elemen-elemen data yang ganda serta hubungan-
hubungan yang bersifat janggal. Proses menciptakan struktur data yang ringkas, stabil serta
fleksibel dan adaptif dari kelompok-kelompok data yang rumit dinamakan normalisasi.

Mendistribusikan Database
Rancangan database juga mepertimbangkan bagaimana data didistribusikan. Sistem informasi
dapat dirancang dengan database terpusat yang digunakan oleh prosesor pusat dalam jaringan
klien/server. Kemungkinan lainnya, database dapat didistribusikan, artinya database
tersimpan dalam lebih dari satu lokasi fisik.
Terdapat dua metode dalam mendistribusikan sebuah database. Database pusat dapat dipartisi
sehingga setiap prosesor remote mempunyai data yang dibutuhkan untuk melayani kebutuhan
lokal. Database juga dapat dibuat replikasinya pada semua lokasi remote.

Hubungan antara Data dan Pengambilan Keputusan

Sebuah sistem informasi yang efektif menyediakan informasi yang akurat, tepat waktu dan
relevan bagi penggunanya sehingga dapat digunakan untuk pengambilan keputusan. Dalam
pengambilan keputusan, dalam operasional sehari-hari, maupun dalam perencanaan strategis
ke masa depan. Proses pengambilan keputusan harus dilandasi oleh data dan informasi yang
tepat waktu dan tepat isi agar keputusan yang diambil tepat sasaran. Informasi diperoleh dari
pengolahan data, dan pengolahan data dilaksanakan oleh sistem informasi dengan dukungan
teknologi informasi. Data adalah bahan baku informasi dan dikumpulkan dalam suatu basis-
data (database). Agar pengumpulan, penyimpanan, pemeliharaan, dan pengamanannya dapat
dilaksanakan secara efektif dan efesien diperlukan manajemen data, sehingga suatu informasi
tersebut dapat menjadi informasi yang tepat guna, tepat waktu, akurat dan relevan. Sebagai
contoh, suatu institusi akademik harus membangun database akademik, minimal memuat data
mahasiswa, data dosen, data mata kuliah, data ruangan, jadwal, sehingga dapat diperoleh
informasi yang tepat tentang penyelenggaraan akademik institusi tersebut.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
4 Dosen Pengampu http://www.widyatama.ac.id
Perusahaan membutuhkan database untuk menyediakan informasi yang akan membantu
perusahaan menjalankan bisnis dengan lebih efisien, dan membantu manajer serta karyawan
membuat keputusan lebih baik. Jika perusahaan ingin mengetahui produk mana yang paling
disukai atau pelanggan mana yang potensial, maka jawabannya terdapat pada data tersebut.

Sebagai contoh, dengan menganalisis data pembelian pelanggan, Louise's Trattoria, jaringan
restoran di Los Angeles, mengetahui bahwa kualitas lebih penting daripada harga bagi
sebagian besar pelanggannya, yang mayoritas berpendidikan perguruan tinggi dan menyukai
wine yang enak. Berdasarkan informasi ini, Louise’s Trattoria berinovasi menyediakan
hidangan vegetarian dan lebih banyak pilihan hidangan seafood, dan wine yang lebih mahal.
Terbukti keputusan yang diambil ini meningkatkan penjualan resto lebih dari 10 persen.

Data sebagai basis pengambilan keputusan sudah dipahami sebagai hal yang mendasar. Data
juga dapat diandalkan untuk menciptakan ide-ide kreatif sehingga manajemen mampu
membuat terobosan baru dan memenangkan kompetisi. Namun dalam praktiknya, tak jarang
pula sikap terlalu terpaku pada data justru membuat pengambil keputusan takut berinovasi.
Cara menggali, membaca, dan mengolah data yang biasa-biasa saja, juga hanya akan
membawa manajemen pada kesimpulan yang sama dengan kompetitor.

Karena nya, di banyak perusahaan besar, dengan database dan sistem yang besar untuk
divisi-divisi berbeda, beberapa kemampuan dan alat khusus dibutuhkan untuk
menganalisis data dalam jumlah yang sangat besar dan juga untuk menghubungkan data dari
berbagai macam system.

DATA WAREHOUSE DAN DATA MART

Data Warehouse adalah basis data yang menyimpan data terkini dan data historis yang
berpotensi akan digunakan oleh para pengambil keputusan di seluruh perusahaan. Data
tersebut berasal dari banyak sistem transaksi operasional inti, seperti sistem untuk penjualan,
akun pelanggan, dan manufaktur, dan dapat mencakup data dari transaksi situs Web. Data
Warehouse menggabungkan dan menstandarisasi informasi dari database operasional yang
berbeda sehingga informasi tersebut dapat digunakan di seluruh perusahaan untuk analisis
manajemen dan pengambilan keputusan.

Misalkan Anda menginginkan informasi yang ringkas dan akurat tentang tren saat ini dan
perubahan yang pernah terjadi di seluruh perusahaan. Jika Anda bekerja di perusahaan besar,
untuk memperoleh informasi ini mungkin akan sedikit sulit karena data sering disimpan

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
5 Dosen Pengampu http://www.widyatama.ac.id
dalam sistem terpisah (seperti system penjualan, manufaktur, atau akuntansi). Beberapa data
yang Anda butuhkan mungkin ditemukan di sistem penjualan, dan bagian lain di sistem
manufaktur. Sehingga Anda harus meminta data pada banyak pihak. Apalagi jika mayoritas
dari sistem ini adalah sistem lama yang menggunakan teknologi manajemen data atau sistem
file yang sudah ketinggalan zaman di mana informasi sulit diakses oleh pengguna.

Anda mungkin harus menghabiskan banyak waktu untuk mencari dan mengumpulkan data
yang Anda butuhkan, atau Anda akan dipaksa untuk membuat keputusan berdasarkan
informasi dan pengetahuan yang tidak lengkap. Jika Anda menginginkan informasi tentang
tren, Anda mungkin juga kesulitan menemukan data tentang peristiwa masa lalu karena
sebagian besar perusahaan hanya segera menyediakan data mereka saat ini. Data warehousing
ada untuk mengatasi masalah ini.

Gambar 2. Data Warehouse

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. Misalnya, sebelum membangun sebuah Data Warehouse yang besar
dan sistematis, perusahaan penjual buku Barnes & Noble, membuat serangkaian Data Mart:
satu untuk mengelola data penjualan toko ritel, satu untuk penjualan textbook universitas, dan
yang ketiga untuk penjualan online. Data Mart biasanya berfokus pada satu area subjek atau
lini bisnis, sehingga biasanya dapat dibangun lebih cepat dan dengan biaya lebih rendah
daripada gudang data skala perusahaan.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
6 Dosen Pengampu http://www.widyatama.ac.id
MULTIDIMENSIONAL DATA ANALYSIS AND DATA MINING
Setelah data diambil dan diatur di Data Warehouse dan Data Mart, data tersebut sudah
tersedia dan siap untuk dianalisis lebih lanjut menggunakan alat-alat untuk Business
Intelligence. Peralatan ini memungkinkan pengguna menganalisis data untuk melihat pola
baru, hubungan, dan knowledge yang berguna untuk memandu pengambilan keputusan.
Prinsip kerja utama bagi peralatan ini termasuk software untuk query dan pelaporan database,
alat untuk analisis data multidimensi (OLAP), dan alat untuk penambangan data.

PEMROSESAN ANALITIS ONLINE (OLAP - Online Analytical Processing)

OLAP merupakan metode pendekatan yang menyediakan berbagai jawaban terhadap query
analisis yang bersifat multidimensi secara cepat. OLAP merupakan desain dari aplikasi serta
teknologi yang bisa mengumpulkan, menyimpan, serta memanipulasi data multidimensi
sebagai tujuan analisis hingga menghasilkan Business Intelligence. OLAP mendukung
analisis data multidimensi, memudahkan pengguna untuk melihat data yang sama dengan
cara yang berbeda dari berbagai dimensi. Setiap aspek dari informasi (produk, daerah, harga,
waktu, biaya), mewakili sebuah dimensi yang berbeda. Umumnya, OLAP digunakan di
perusahaan besar yang memiliki banyak lini bisnis, banyak produk, atau penjualan melalui
berbagai macam channel dan tempat yang berbeda-beda. Contohnya, seorang manajer dapat
mempelajari bagaimana penjualan produk di area Barat pada bulan Mei, kemudian
bagaimana data perbandingannya dengan bulan lalu, atau bagaimana perbandingannya
dengan penjualan di area Timur. Dengan menggunakan OLAP dapat memudahkan manajer
mendapatkan jawaban secara online untuk pertanyaan-pertanyaan yang melibatkan analisis
data multidimensi dengan waktu yang cepat, meskipun data tersimpan dalam database yang
besar.
Salah satu fungsi OLAP adalah meningkatkan produktivitas pengguna akhir pada bidang
bisnis, pengembang IT serta keseluruhan organisasi. Pengawasan yang lebih serta akses yang
tepat waktu terhadap informasi strategis bisa menghasilkan pengambilan keputusan yang
lebih efektif. Fungsi OLAP selanjutnya adalah menurunkan “backlog” pengembangan
aplikasi untuk staf IT dengan cara membuat pengguna akhir bisa merubah skema serta
membangun model sendiri.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
7 Dosen Pengampu http://www.widyatama.ac.id
Karakteristik OLAP:
1. Mengizinkan bagi para pelaku bisnis untuk mempunyai pandangan logical serta multi
dimensional terhadap data dalam data warehouse.
2. Memberi fasilitas pada analisis query secara interaktif dan kompleks bagi pengguna.
3. Mengizinkan pengguna dalam melakukan drilldown sehingga memperoleh rincian
secara lebih jelas atau roll up untuk agregasi metric selama satu dimensi bisnis atau
pun multi dimensi.
4. Mempunyai kemampuan untuk menyajikan perhitungan yang rumit serta
perbandingan.
5. Menyajikan hasil dalam berbagai cara yang mempunyai arti dalam bentuk gambar
maupun diagram.

Gambar 3. OLAP

DATA MINING
Data mining merupakan suatu proses penambangan data dalam jumlah data yang sangat besar
dengan menggunakan metode statistika, matematika, hingga memanfaatkan teknologi
artificial intelligence terkini. Tujuan dari penambangan data ini adalah untuk mengekstraksi
serta mengidentifikasi suatu data demi informasi tertentu yang berhubungan dengan suatu
database besar atau big data.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
8 Dosen Pengampu http://www.widyatama.ac.id
Tipe informasi yang dapat diperoleh dari data mining, meliputi asosiasi, urutan, klasifikasi,
cluster dan peramalan.

 Asosiasi adalah kemunculan yang dihubungkan dengan sebuah kejadia. Misalnya

ketika popcorn dibeli, maka 65% akan disertai dengan pembelian minuman soda,
tetapi dengan promosi, angkanya naik menjadi 85%. Informasi ini membantu
manajer membuat keputusan lebih baik karena mereka mempelajari manfaat
promosi
 Sekuen adalah kejadian yang dihubungkan berdasarkan waktu. Misalnya ketika
sebuah rumah dibeli, terdapat 65% kemungkinan sebuah kulkan baru akan dibeli
juga dalam waktu 2 minggu.
 Klasifikasi adalah mengenali pola yang menggambarkan sebuah kelompok
dengan memeriksa karakteristik anggotanya. Contohnya, perusahaan kartu kredit
menemukan karakteristik pelanggan yang kemungkinan akan berhenti dan
karakteristik pelanggan yang setia. Sehingga jika ditemukan karakteristik
pelanggan yang akan berhenti, perusahaan dapat merencanakan program promosi
khusus untuk menjaga pelanggan seperti mereka.
 Kluster hamper mirip dengan klasifikasi, namun membagi kelompok berdasarkan
demografi tertentu.
 Ramalan menggunakan prediksi dengan cara berbeda dengan menggunakan
serangkaian nilai yang ada untuk meramalkan nilai lainnya.

Proses Pencarian Pola dalam Data Mining

Proses pencarian pola atau bisa dikatakan sebagai proses penambangan data penting. Seperti
menambang pada umumnya yang memerlukan pencarian untuk mendapatkan sesuatu yang
penting. Nah berikut proses pencarian pola dalam menemukan data penting.
1. Pembersihan data. Proses pencarian pola yang pertama adalah proses pembersihan
data. Pembersihan data berupa penghapusan data pengganggu atau data yang tidak
penting serta mengisi data yang hilang.
2. Integrasi data. Setelah pembersihan data, proses selanjutnya yaitu integrasi data.
Integrasi data merupakan proses penggabungan beberapa sumber data yang ada.
3. Pemilihan data. Pencarian pola selanjutnya dalam adalah pemilihan data. Data-data
yang relevan nantinya dipilih dan dikumpulkan.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
9 Dosen Pengampu http://www.widyatama.ac.id
 4. Transformasi data. Setelah itu proses selanjutnya adalah transformasi data. Jadi dari
banyaknya data, nantinya akan diproses dan ditransformasi ke dalam format tertentu,
format yang akan digunakan dalam penggalian data.
5. Penggalian data. Dalam proses satu ini, data akan diolah menggunakan metode yang
cerdas dan canggih sehingga akan menghasilkan ekstraksi pola tertentu.
6. Evaluasi pola. Proses selanjutnya yaitu evaluasi pola. Dari pola-pola yang
ditemukan, nantinya akan dikenali pola-pola yang menarik. Pola-pola menarik
tersebut lah yang akan diambil.
7. Penyajian pola. Setelah ditemukan pola yang menarik, pola tersebut kemudian akan
divisualisasikan ke pengguna.

Tahapan Data Mining

Setelah tadi mengetahui proses pencarian polanya, kini saaatnya membahas tentang tahapan
umum data mining. Apa saja tahapannya? Berikut penjelasannya.
1. Seleksi
Tahapan pertama dalam adalah seleksi. Proses seleksi merupakan proses penyeleksian
data. Data yang diseleksi akan ditransformasikan ke format yang sesuai untuk analisis
data. Seleksi data menggunakan beberapa kriteria. Data hasil seleksi kemudian akan
disimpan di suatu berkas terpisah yang kemudian akan diolah atau dilakukan proses
data mining.
2. Preprocessing
Sebenarnya tahapan ini hampir sama dengan proses pemecahan pola. Hanya saja
tahapan ini ditulis secara umum, tidak menjurus ke pemecahan pola. Nah dalam tahap
processing, data yang tidak valid dan tidak dibutuhkan akan dibuang. Jadi akan terjadi
pembersihan data yang informasinya tidak terlalu dibutuhkan. Data yang duplikat,
yang tidak konsisten, dan data yang salah akan diperiksa dan dibersihkan.
3. Transformasi
Tahapan selanjutnya adalah transformasi. Proses transformasi atau coding merupakan
proses transformasi data ke dalam format tertentu sehingga nantinya data dapat
digunakan dan ditelusuri.
4. Data Mining
Dalam tahapan ini, akan terjadi proses pencarian pola dengan metode, teknik, dan
algoritma tertentu yang bervariasi dan rumit. Pola dan data yang dicari adalah pola
dan data yang menarik.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
10 Dosen Pengampu http://www.widyatama.ac.id
 5. Interpretasi dan Evaluasi
Setelah menemukan pola dan data menarik, selanjutnya adalah menampilkan data
tersebut ke dalam bentuk yang mudah dipahami oleh pengguna atau pihak yang
berkepentingan. Jadi pola yang ditemukan nanti akan diperiksa dan dicek apakah
bertentangan dengan hipotesis sebelumnya ataukah tidak. Intinya data sudah bisa
dibaca dan tentunya akan bermanfaat bagi pihak yang berkepentingan.

DATABASE DAN WEB

Dalam pembahasan di chapter-chapter sebelumnya, kita banyak membahas tentang
perusahaan digital. Tidak dapat dipungkiri banyak perusahaan yang kini telah menciptakan
bisnis baru sepenuhnya berdasarkan akses ke database besar melalui Web. Contoh mudahnya
adalah social media seperti Facebook yang membantu pengguna tetap terhubung satu sama
lain atau bertemu orang baru melalui platform Web.

Banyak perusahaan jaman sekarang yang menggunakan website untuk membuat data-data
yang ada dalam database internal mereka dapat tersedia bagi pelanggan dan mitra bisnis.
Mengakses database perusahaan melalui website sangat menciptakan efisiensi, peluang dan
proses bisnis baru.

Gambar 4. Menghubungkan Internal Database ke Website

Mengelola Sumber Data

MENETAPKAN KEBIJAKAN INFORMASI
Setiap perusahaan, besar dan kecil, memerlukan kebijakan yang mengatur informasi. Data
perusahaan adalah sumber daya yang penting dan tentunya jangan sampai ada orang-orang
yang menyalahgunakan data sesuai dengan keinginan mereka sendiri. Karenanya, harus ada
peraturan tentang bagaimana data diorganisasikan dan dipelihara, dan siapa yang diizinkan

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
11 Dosen Pengampu http://www.widyatama.ac.id
melihat atau mengubah data tersebut. Kebijakan informasi menentukan aturan organisasi
dalam hal pembagian, penyebaran, perolehan, standardisasi, klasifikasi dan penyimpanan
informasi.

Data administrasi bertanggung jawab atas kebijakan dan prosedur yang mengatur data
sebagai sumber daya organisasi. Tanggung jawab ini meliputi pengembangan kebijakan
informasi, perencanaan data, pengawasan rancangan database, dan lainnya.

Tata kelola data berurusan dengan kebijakan dan proses mengelola ketersediaan, daya guna,
integritas, dan kemanan data yang dipakai dalam perusahaan, dengan penekanan khusus pada
dukungan untuk privasi, kemanan, kualitas data, dan ketaatan terhadap berbagai aturan
pemerintah.

MEMASTIKAN KUALITAS DATA

Beberapa dari permasalahan kualitas data disebebkan oleh data ganda dan tidak konsisten
yang dihasilkan oleh banyaknya sistem yang dimasukkan ke dalam data warehouse. Sebagai
contoh, sistem pemesanan penjualan dan sistem manajemen persediaan keduanya akan
mempertahankan data mengenai produk-produk perusahaan.

Audit kualitas data merupakan survey terstruktur atas akurasi dan tingkat kelengkapan dari
data dalam sebuah sistem informasi. Audit kualitas data dapat ditampilkan dengan cara
mensurvei keseluruhan file data atau sampel file, atau pengguna akhir mengenai persepsi
mereka tentang kualitasa data

Pembersihan data adalah kegiatan mendeteksi dan mengoreksi data dalam database yang
tidak benar, tidak lengkap, formatnya salah, atau berlebihan. Pembersihan data tidak hanya
mengoreksi kesalahan, tetapi juga menekankan konsistensi antara sekumpulan data yang
berbeda yang berasal dari sistem informasi yang terpisah.

BIG DATA
Big data adalah kumpulan data yang lebih besar dan lebih kompleks, terutama dari sumber
data baru. Set data ini sangat banyak sehingga software pemrosesan data tradisional tidak
dapat mengelolanya. Namun, sejumlah besar data ini dapat digunakan untuk mengatasi
masalah bisnis yang sebelumnya tidak dapat ditangani.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
12 Dosen Pengampu http://www.widyatama.ac.id
Salah satu penjelasan paling mudah dimengerti tentang big data adalah pengumpulan dan
penggunaan informasi dari berbagai sumber untuk membuat keputusan yang lebih baik. Big
data bisa dibilang sebagai sebuah konsep tentang kemampuan untuk mengumpulkan,
menganalisa, dan mengerti jumlah data yang cukup besar yang datang setiap harinya, baik itu
yang bersumber dari data internal perusahaan maupun data eksternal perusahaan.

Big data sendiri memiliki hukum 3V, yaitu:

1) Volume. Ukuran data memang penting. Sesuai dengan namanya, Anda perlu
memproses volume data yang cukup besar untuk big data.
2) Velocity. Velocity disini adalah kecepatan yang sangat cepat di mana data diterima
dan (mungkin) langsung digunakan. Biasanya, kecepatan tertinggi aliran data
langsung ke memori dibandingkan yang ditulis ke disk. Beberapa smart devices yang
menggunakan internet beroperasi dalam waktu nyata atau mendekati waktu nyata dan
akan memerlukan evaluasi dan tindakan secara real-time.
3) Variety. Variety yang dimaksud disini adalah berbagai jenis data yang tersedia. Jenis
data tradisional biasanya lebih terstruktur. Dengan semakin berkembangnya big data,
ada juga data yang belum terstruktur. Data yang belum terstrukur atau semi terstruktur
seperti text, audio, dan video memerlukan waktu untuk diproses agar Anda bisa tahu
arti dari data-data ini.
Selain ketiga V di atas, ada dua V lain juga sering disebut-sebut: Value (nilai) dan Veracity
(kejujuran). Data tentunya memiliki value, tetapi itu belum ada gunanya sampai value itu
ditemukan. Sama pentingnya: seberapa jujur (veracity) data yang kita punya — dan seberapa
banyak data tersebut dapat diandalkan?

Jaman sekarang, big data dianggap sebagai modal. Pikirkan beberapa perusahaan teknologi
terbesar di dunia. Sebagian besar nilai yang mereka tawarkan berasal dari data mereka, yang
terus-menerus mereka analisa untuk menawarkan layanan yang lebih baik dan
mengembangkan produk dan fitur-fitur baru.
Menemukan nilai dalam data besar tidak hanya tentang proses analisanya. Ini adalah proses
penemuan menyeluruh yang membutuhkan analisa yang berwawasan, mengenali pola,
membuat asumsi, dan memprediksi perilaku agar data yang Anda dapatkan bisa membantu
membuat keputusan bisnis yang tepat.
Big data bisa digunakan untuk berbagai aktifitas bisnis, mulai dari customer experience
sampai analytics. Ini adalah beberapa hal yang bisa dilakukan dengan Big Data:

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
13 Dosen Pengampu http://www.widyatama.ac.id
 1) Membantu Customer relationship management (CRM) dan operasional bisnis
Ada beberapa tool diluar sana seperti Zoho atau Bitrix24 yang bisa membantu
perusahaan dalam mengelola kegiatan CRM. Dengan tools ini, perusahaan bisa
mengumpulkan dan menggunakan data dengan lebih mudah dan efisien. Kebanyakan
layanan CRM biasanya bersifat online dan membantu perusahan untuk melacak
penjualan, complain dari customer, sejarah pembelian customer, jenis-jenis customer,
dan informasi yang lebih spesifik tentang customer. Customer relationship
management adalah salah satu hal paling penting dalam bisnis karena bisa membantu
meningkatkan sales serta mengelola aktivitas marketing dan operasional perusahaan
dengan lebih mudah agar kebutuhan customer terpenuhi.

2) Meningkatkan experience mobile pengguna

Tentunya penggunaan smartphone membuat semuanya menjadi lebih cepat. Dengan
kemampuan pengambilan keputusan dan kecerdasan langsung di smartphone, Kita
akan dapat menerapkan proses bisnis baru yang akan mengubah cara bisnis dilakukan.
Karena dunia berubah dengan cepat, informasi juga merupakan hal yang cepat
berubah. Smartphone memungkinkan pengumpulan data secara real time dan
memberikan insights. Contohnya, perusahaan ekspedisi dengan truk di lapangan dapat
meningkatkan operasionalnya dengan menggunakan tools yang dapat mengantisipasi
kondisi lalu lintas di sepanjang rute tertentu pada waktu tertentu atau membuat rute
baru jika ada informasi tentang kecelakaan yang baru saja terjadi atau informasi yang
dimasukkan oleh pengemudi lainnya.

3) Mendorong inovasi
Big data dapat membantu perusahaan berinovasi dengan mempelajari hubungan
antara manusia, lembaga, entitas, dan proses dan kemudian menentukan cara baru
untuk menggunakan pengetahuan baru tersebut. Perusahaan bisa menggunakan data
insight untuk meningkatkan keputusan tentang pertimbangan keuangan dan
perencanaan. Perhatikan tren dan apa yang pelanggan inginkan pada produk dan
layanan baru. Perusahaan besar seperti Netflix dan Procter & Gamble menggunakan
big data untuk mengantisipasi keinginan customer. Mereka mengguanakn data dengan
melihat bagaimana customer mereka menggunakan produk mereka. Berdasarkan data-

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
14 Dosen Pengampu http://www.widyatama.ac.id
 data tersebut, mereka kemudian akan mengembangkan inovasi baru untuk produk dan
layanan mereka.

Tantangan dalam Big Data

Meskipun big data memberi banyak kemudahan, bukan berarti tidak ada tantangan dalam
menggunakannya. Salah satu kesalahan yang sering terjadi adalah perusahaan atau organisasi
hanya menggunakan data tanpa melibatkan manusia. Padahal untuk bisa menggunakan data
tersebut dengan baik dan benar, perlu campur tangan manusia untuk mempelajarinya.
Yang pertama perlu diingat, big data memiliki jumlah yang besar. Meskipun sudah ada tools
yang bisa membantu Anda untuk menyimpan data-data ini, volume data terus meningkat
setiap tahunnya. Masih banyak organisasi yang kesulitan menampung data-datanya.
Tidak hanya untuk ditampung, data-data ini juga perlu diolah. Untuk mengolah data agar
data-data yang Anda miliki sudah bersih atau sesuai dengan kebutuhan klien dan organisasi
membutuhkan banyak pekerjaan. Data scientist menghabiskan 50-80% waktu mereka untuk
menganalisa dan mempersiapkan data agar bisa digunakan.
Akhirnya, teknologi big data terus berubah dengan sangat cepat. Beberapa tahun yang lalu,
Apache Hadoop adalah teknologi populer yang digunakan untuk menangani data besar.
Kemudian Apache Spark diperkenalkan pada tahun 2014. Saat ini, kombinasi dari dua
software ini tampaknya merupakan pendekatan terbaik. Mengikuti teknologi big data masih
menjadi suatu tantangan berkelanjutan baik untuk individual maupun organisasi.

Daftar Pustaka
C. Boscarioli, L. Torres, G. Rezende Krüger and M. S. Oyamada, "Evaluating the Impact of
Data Modeling on OLAP Applications using Relacional and Columnar DBMS," 2018
XLIV Latin American Computer Conference (CLEI), São Paulo, Brazil, 2018, pp. 464-
471, doi: 10.1109/CLEI.2018.00062.
Doreswamy, I. Gad and B. R. Manjunatha, "Hybrid data warehouse model for climate big
data analysis," 2017 International Conference on Circuit ,Power and Computing
Technologies (ICCPCT), Kollam, 2017, pp. 1-9, doi: 10.1109/ICCPCT.2017.8074229.
Laudon, Kenneth C .& Jane Price Laudon. 2012. Management Information Systems. London:
Pearson Education.

‘20 Nama Mata Kuliah dari Modul Biro Akademik dan Pembelajaran
15 Dosen Pengampu http://www.widyatama.ac.id