MEMBANGUN INTELEGENSI BISNIS

A. Definisi Intelegensi Bisnis

Inteligensi Bisnis (IB) adalah sekumpulan teknik dan alat untuk
mentransformasi dari data mentah menjadi informasi yang berguna dan bermakna
untuk tujuan analisis bisnis. Teknologi IB dapat menangani data yang tak terstruktur
dalam jumlah yang sangat besar untuk membantu mengidentifikasi, mengembangkan,
dan selain itu membuat kesempatan strategi bisnis yang baru. Tujuan dari IB yaitu
untuk memudahkan interpretasi dari jumlah data yang besar tersebut. Mengidentifikasi
kesempatan yang baru dan mengimplementasikan suatu strategi yang efektif
berdasarkan wawasan dapat menyediakan bisnis suatu keuntungan pasar yang
kompetitif dan stabilitas jangka panjang.
Teknologi IB menyediakan riwayat, pandangan sekarang dan prediksi dari
operasi bisnis. Fungsi-fungsi umum dari teknologi inteligensi bisnis
adalah pelaporan, pemrosesan analisis daring, analitis, penggalian data, penggalian
proses, pemrosesan kejadian kompleks, manajemen performansi
bisnis, pengukuran, penggalian teks, analitis prediktif dan analitis preskriptif.
IB dapat digunakan untuk mendukung sejumlah besar keputusan bisnis mulai
dari operasi sampai strategis. Keputusan operasi termasuk penempatan dan harga
produk. Keputusan strategis termasuk prioritas, tujuan dan arah pada tingkat yang lebih
luas. Pada semua kasus, IB lebih efektif bila digabungkan dengan data yang didapat
dari pasar tempat perusahaan beroperasi (data eksternal) dengan data dari sumber
internal bisnis perusahaan seperti data operasi dan finansial (data internal). Bila
digabungkan, data eksternal dan internal bisa menyediakan gambaran yang lebih
lengkap, yang efeknya, menciptakan "inteligensi" yang tidak dapat diturunkan dari
kumpulan data tunggal manapun.
Istilah "Business Intelligence" awalnya ditemukan oleh Richar Millar Devens
dalam "Cyclopedia of Commercial and Business Anecdotes" pada tahun 1865. Devens
menggunakan istilah tersebut untuk menjelaskan bagaimana seorang bankir, Sir Henry
Furnese, mendapatkan profit dengan memainkan informasi tentang lingkungannya,
sebelum kompetitornya. "Sepanjang Holandia, Flanders, Perancis, dan Jerman, dia
memelihara rentetan inteligensi bisnis yang komplit dan sempurna. Berita-berita dari
banyak pertempuran pertama kali diterima olehnya, dan jatuhnya Namur menambah
keuntungannya, berkat penerimaan paling awal dari berita." (Devens, (1865), p. 210).
Kemampuan untuk mengumpulkan dan bereaksi berdasarkan informasi yang diterima,
suatu kemampuan yang Furnese sangat handal, sampai sekarang masih menjadi jantung
dari BI.
Dalam artikel tahun 1958, peneliti dari IBM Hans Peter Luhn menggunakan
istilah inteligensi bisnis. Dia menggunakan definisi kamus Webster tentang inteligensi:
"kemampuan untuk memahami hubungan mendalam dari fakta yang ada dengan suatu
cara sebagai panduan aksi terhadap tujuan yang diinginkan."
Business Intelligence seperti yang dipahami sekarang dikatakan telah
berkembang dari Sistem Pendukung Keputusan (SPK) yang mulai dari tahun 1960-an
dan berkembang sepanjang pertengahan 1980-an. SPK berasal dari model dibantu-
komputer yang dibuat untuk membantu dalam pembuatan keputusan dan perencanaan.
Dari SPK, gudang data, Sistem Informasi Eksekutif, OLAP dan inteligensi bisnis
muncul menjadi fokus pada akhir 80-an.
Di tahun 1988, konsorsium Itali-Belanda-Prancis-Inggris melaksanakan
pertemuan internasional tentang Analisis Data Ragamcara di Roma. Tujuan utamanya

1
 yaitu untuk mereduksi beragam dimensi menjadi satu atau dua (dengan mendeteksi pola
pada data) yang dapat dipresentasikan pada pembuat-keputusan manusia.
Pada tahun 1989, Howard Dresner (kemudian sebagai analis Gartner Group)
mengajukan "Business Intelligence" sebagai istilah umum untuk menjelaskan "konsep
dan metode untuk meningkatkan pembuatan keputusan bisnis dengan menggunakan
sistem bantu berdasar-fakta. Baru pada akhir 1990-an penggunaan ini menyebar luas.

B. Konsep Dari Intelegensi Bisnis

Konsep dari Inteligensi Bisnis menekankan pada 5 pendayagunaan informasi yang
digunakan untuk kerperluan bisnis. Pendayagunaannya antara lain adalah sebagai
berikut :

1. Data sourcing
`` Dalam hal ini Inteligensi Bisnis memiliki kemampuan untuk dapat mengakses
berbagai sumber data dan informasi yang berada pada sejumlah sumber yang
berbeda dimana pada setiap sumber memliki format penyimpanan data yang berbeda
pula.
2. Data analysis
Dalam hal ini intelligence memiliki kemampuan untuk dapat menganalisis data yang
didapatkan dari aktivitas perusahaan dan informasi dari perusahaan sehingga dapat
dijadikan sebuah pengetahuan yang kelak dapat digunakan perusahaan untuk
meningkatkan kinerja perusahaan.
3. Situation awareness
Dalam hal ini Inteligensi Bisnis memiliki kemampuan untuk dapat menyediakan
sebuah sistem yang dapat digunakan untuk mencari dan memberikan data serta
informasi yang dibutuhkan oleh perusahaan ketika perusahaan menghadapi kejadian
darurat atau terdesak.
4. Risk analysis
Dalam hal ini Inteligensi Bisnis memiliki kemampuan untuk dapat memberikan
perhitungan resiko yang akan dihadapi perusahaan terhadap berbagai kemungkinan
yang terjadi akibat dari pilihan-pilihan tertentu yang diambil oleh perusahaan.
5. Decision support
Dalam hal ini Inteligensi Bisnis memiliki kemampuan untuk dapat memberikan
pertimbangan- pertimbangan yang dapat digunakan untuk membantu perusahaan
dalam pengambilan keputusan yang dapat menghasilkan keputusan-keputusan yang
berkualitas yang diambil berdasarkan berbagai perhitungan dan pengolahan terhadap
data atau informasi baik internal maupun eksternal yang dimiliki oleh perusahaan.

2
C. Cara Membangun Intelegensi Bisnis

 Tahap 1, yaitu Justification

adalah membahas tentang gambaran besar bagaimana Intelegensi Bisnis akan
dibangun.
 Tahap 2, yaitu Planning
adalah melakukan evaluasi terhadap infrastruktur yang dimiliki saat ini serta
melakukan perencaan projek.
 Tahap 3, yaitu Business Planning
adalah melakukan analisa dari bisnis yang berjalan mengenai apa saja yang
harus didukung oleh Intelegensi Bisnis yang akan dibuat dan membuat
rancangannya.
 Tahap 4, yaitu Design
adalah membangun Intelegensi Bisnis berdasarkan apa yang telah dirancang
pada tahap 3.
 Tahap 5, yaitu Construction
merupakan tahap untuk melakukan persiapan implementasi Intelegensi Bisnis
termasuk salah satu tahapnya adalah migrasi data.
 Tahap 6, yaitu Deployment
merupakan tahap impelementasi Intelegensi Bisnis dan Intelegensi Bisnis
digunakan oleh pengguna.

D. Manfaat dari Intelegensi Bisnis

Perusahaan menggunakan Inteligensi Bisnis untuk memahami, meningkatkan kinerja,
penganggaran biaya yang lebih efisien dan mengidentifikasi peluang bisnis baru.
Beberapa hal kegunaan Intelegensi Bisnis, antara lain:
1. Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan
2. Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan
3. Penganggaran, perencanaan keuangan dan peramalan
4. Mengetahui kinerja kegiatan pemasaran
5. Optimalisasi proses dan kinerja operasional
6. Meningkatkan efektifitaspengiriman dan pasokan
7. Analisa CRM (Customer Relationship Management)

3
 8. Analisa Resiko
9. Analisa nilai strategis
10. Analisa soSial media

Jika pada lembaga bisnis (profit organization) Inteligensi Bisnis dimanfaatkan untuk
meningkatkan kinerja melalui pemilihan strategi bisnis yang tepat, maka pada lembaga
pemerintahan (non-profit organization) Inteligensi Bisnis dapat digunakan untuk
meningkatkan kinerja perusahaan melalui peningkatan efisiensi pelaksanaan kerja
sehingga pada akhirnya akan tercipta perbaikan layanan pada masyarakat serta
pengelolaan anggaran yang tepat. Inteligensi Bisnis juga dapat membantu suatu
perusahaan dalam menganalisis perubahan trend yang terjadi sehingga akan membantu
perusahaan menentukan strategi yang diperlukan dalam mengantisipasi perubahan
trend tersebut.

B. Model Database Relasional

A. Pengertian Model Database Relasional
Model Data Relasional adalah suatu model basis data yang menggunakan tabel dua
dimensi, yang terdiri dari baris dan kolom untuk menggambarkan sebuah berkas data.
Model data ini paling popular dan paling banyak digunakan saat ini.

B. Contoh Model Data

a. Model Relasional
Model relasional merupakan model data yang saat ini banyak digunakan para
pengembang sistem. Model ini memudahkan programmer membuat aplikasi atau
perangkat lunak, selain bentuknya yang sederhana, model ini juga mudah dipahami
jika dibandingkan dengan model data lainnya seperti network model atau hirarki
model. Database relasional terdiri dari beberapa tabel dimana setiap tabel memiliki
nama yang unik atau tidak sama satu sama lainnya.
Contoh :

4
 b. Model Jaringan
Model jaringan merupakan model database yang diyakini sebagai cara fleksibel
mewakili objek dan hubungan mereka. Model ini memiliki fitur istimewa yang
pada skema, diperlihatkan sebagai grafik dengan tipe objek ialah node, tipe
hubungannya ialah kurva, yang tidak terbatas dengan menjadi hierarki atau berkisi.
Contoh :

c. Model Hierarki
Model hierarki merupakan model data yang dimana data tersebut diatur dengan
struktur data tree. Struktur ini dapat mewakili informasi menggunakan hubungan
child/parent: setiap parent dapat memiliki banyak child, tetapi setiap child hanya
boleh memiliki satu parent (yang dikenal juga dengan hubungan 1-ke-banyak).
Seluruh atribut dari record yang ditentukan telah diatur dengan tipe entitas.
Contoh :

E. Kelebihan Model Data Relasional

 Data sangat cepat diakses
 Struktur basis data mudah dilakukan perubahan
 Data direpresentasikan secara logik, user tidak membutuhkan bagaimana data
disimpan

5
  Mudah untuk membentuk query yang komplek dalam melakukan retrieve data
 Mudah untuk mengimplementasikan integritas data
 Data lebih akurat
 Mudah untuk membangun dan memodifikasi program aplikasi
 Telah dikembangkan Structure Query Language (SQL)

F. Kelemahan Model Data Relasional

 Kelompok informasi/tabel yang berbeda harus dilakukan untuk melakukan retrieve
data
 User harus familiar dengan relasi antar tabel
 User harus belajar SQL

G. Istilah-istilah Dalam Model Data Relasional

a. Relasi
Relasi merupakan sebuah tabel yang terdiri dari beberapa kolom dan beberapa
baris. Relasi menunjukkan adanya hubungan diantara sejumlah entitas yang berasal
dari himpunan entitas yang berbeda. Entitas merupakan individu yang mewakili
sesuatu yang nyata dan dapat dibedakan dengan yang lainnya.
b. Atribut
Atribut merupakan kolom pada sebuah relasi. Setiap entitas pasti memiliki
aribut yang mendeskripsikan karakter dari entitas tersebut. Penentuan atau
pemilihan atribut-atribut yang relevan bagi sebuah entitas merupakan hal penting
dalam pembentukan model data.
c. Tupel
Tupel merupakan baris pada sebuah relasi atau kumpulan elemen-elemen yang
saling berkaitan menginformasikan tentang suatu entitas secara lengkap. Satu
record mewakili satu data atau informasi tentang seseorang, misalnya : NPM, nama
mahasiswa, alamat, kota, dll.
d. Domain : Kumpulan nilai yang valid untuk satu atau lebih atribut
e. Derajat (degree) : Jumlah atribut dalam sebuah relasi
f. Cardinality : Jumlah tupel dalam sebuah relasi

H. Relational Keys
a. Super key
Satu atribut / kumpulan atribut yang secara unik mengidentifikasi sebuah tupel di
dalam relasi Candidate key suatu atribut atau satu set minimal atribut yang
mengidentifikasikan secara unik suatu kejadian spesifik dari entitas. Atribut di
dalam relasi yang biasanya mempunyai nilai unik. Satu set minimal dari atribut
menyatakan secara tak langsung dimana kita tidak dapat membuang beberapa
atribut dalam set tanpa merusak kepemilikan yang unik.
b. Primary key
Merupakan satu atribut atau satu set minimal atribut yang tidak hanya
mengidentifikasikan secara unik suatu kejadian spesifik, tapi juga dapat mewakili
setiap kejadian dari suatu entitas. Candidate key yang dipilih untuk
mengidentifikasikan tupel secara unik dalam relasi. Setiap kunci candidate key
punya peluang menjadi primary key, tetapi sebaiknya dipilih satu saja yang dapat
mewakili secara menyeluruh terhadap entitas yang ada.
c. Alternate key
Merupakan candidate key yang tidak dipakai sebagai primary key atau Candidate
key yang tidak dipilih sebagai primary key.

6
 d. Foreign key (Kunci Tamu)
Atribut dengan domain yang sama yang menjadi kunci utama pada sebuah relasi
tetapi pada relasi lain atribut tersebut hanya sebagai atribut biasa. Kunci tamu
ditempatkan pada entitas anak dan sama dengan primary key induk direlasikan.

Bahasa pada Model Data Relasional

Menggunakan bahasa query pernyataan yang diajukan untuk mengambil informasi
terbagi menjadi 2, yaitu:
1. Bahasa Formal, yaitu bahasa query yang diterjemahkan dengan menggunakan
symbol-simbol matematis. Contohnya: Aljabar Relasional dan Kalkulus
Relasional.
a. Aljabar Relasional, yaitu bahasa query prosedural, pemakai menspesifikasikan
data apa yang dibutuhkan dan bagaimana untuk mendapatkannya.
b. Kalkulus Relasional, yaitu bahasa query non-prosedural, pemakai
menspesifikasikan data apa yang dibutuhkan tanpa menspesifikasikan
bagaimana untuk mendapatkannya.
1. Kalkulus Relasional Tupel
2. Kalkulus Relasional Domain
2. Bahasa Komersial, yaitu bahasa query yang dirancang sendiri oleh programmer
menjadi suatu program aplikasi agar pemakai lebih mudah menggunakannya (user
friendly). Contohnya:
a. QUEL: Berbasis pada bahasa kalkulus relasional
b. QBE: Berbasis pada bahasa kalkulus relasional
c. SQL: Berbasis pada bahasa kalkulus relasional dan aljabar relasional

I. Aturan Integritas Relasional

1. Null: Nilai suatu atribut yang tidak diketahui dan tidak cocok untuk baris (tuple)
tersebut.
2. Entity Integrity: Tidak ada satu komponen primary key yang bernilai null.
3. Referential Integrity: Suatu domain dapat dipakai sebagai kunci primer bila
merupakan atribut tunggal pada domain yang bersangkutan.

2.3 Perangkat Sistem Manajemen Database

A. Pengertian Sistem Manajemen Basis Data (Database Management System
/DBMS)
DBMS (Database Management systems) adalah kumpulan program yang meng-
koordinasikan semua kegiatan yang berhubungan dengan basis data.( ICT Database/-
Data Resources Management, Dr. Syopiansyah Jaya Putra, M.Sis, 2010).
Sedangkan menurut Asep Herman Suyanto (2004) Manajemen Sistem Basis Data
(Database Management System / DBMS) adalah perangkat lunak yang didesain \ untuk
membantu dalam hal pemeliharaan dan utilitas kumpulan data dalam jumlah besar.
DBMS dapat menjadi alternative penggunaan secara khusus untuk aplikasi, semisal
penyimpana data dalam fiel danmenulis kode aplikasi yang spesifik untuk
pengaturannya.
Database Management System (DBMS) atau Sistem Manajemen Basisdata adalah
suatu sistem yang terdiri atas Basis-data dan Perangkat Lunak (Software / program)
yang bertujuan untuk effektivitas dan effisiensi dalam pengelolaan basisdata
Sistem manajemen basis data (DBMS) terdiri dari perangkat lunak yang dapat mengatur
penyimpanan data. Sehingga memudahkan organisasi untuk memusatkan data,
mengelola data secara efisien dan menyediakan akses data bagi program aplikasi.

7
 Sebuah DBMS mengendalikan pembuatan, pemeliharaan, dan penggunaan struktur
penyimpanan database organisasi sosial dan pengguna mereka. Hal ini memungkinkan
organisasi untuk menempatkan kontrol organisasi pengembangan database yang luas di
tangan Database Administrator (DBAs) dan spesialis lain. Dalam sistem yang besar,
sebuah DBMS memungkinkan pengguna dan perangkat lunak lain untuk menyimpan
dan mengambil data dalam cara yang terstruktur.

B. Perkembangan Database Management System (DBMS)

Generasi pertama DBMS didesain oleh Charles Bachman di perusahaan General
Electric pada awal tahun 1960, disebut sebagai penyimpanan data terintegrasi
(Integrated Data Store). Dibentuk dasar untuk model data jaringan yang kemudian
distandardisasi oleh Conference on Data System Languages (CODASYL).
Bachman kemudian menerima ACM Turing Award (Penghargaan semacam Nobel
pada ilmu komputer) di tahun 1973. Dan pada akhir 1960, IBM mengembangkan sistem
manajemen informasi (Information Management System) DBMS. IMS dibentuk dari
representasi data pada kerangka kerja yang disebut dengan model data hirarki. Dalam
waktu yang sama, dikembangkan sistem SABRE sebagai hasil kerjasama antara IBM
dengan perusahaan penerbangan Amerika. Sistem ini memungkinkan user untuk
mengakses data yang sama pada jaringan komputer.
Kemudian pada tahun 1970, Edgar Codd, di Laboratorium Penelitian di San Jose,
mengusulkan model data relasional. Di tahun 1980, model relasional menjadi
paradigma DBMS yang paling dominan. Bahasa query SQL dikembangkan untuk basis
data relasional sebagai bagian dari proyek Sistem R dari IBM. SQL distandardisasi di
akhir tahun 1980, dan SQL-92 diadopsi oleh American National Standards Institute
(ANSI) dan International Standards Organization (ISO). Program yang digunakan
untuk eksekusi bersamaan dalam basis data disebut transaksi. User menulis
programnya, dan bertanggung jawab untuk menjalankan program tersebut secara
bersamaan terhadap DBMS.
Pada akhir tahun 1980 dan permulaan 1990, banyak bidang sistem basis data yang
dikembangkan. Penelitian pada bidang basis data meliputi bahasa query yang powerful,
model data yang lengkap, dan penekanan pada dukungan analisis data yang kompleks
dari semua bagian organisasi. Beberapa vendor memperluas sistemnya dengan
kemampuan penyimpanan tipe data baru semisal image dan text, dan kemampuan query
yang kompleks. Sistem khusus/spesial dikembangkan oleh banyak vendor untuk
membuat data warehouse, mengkonsolidasi data dari beberapa basis data.
Pada tahun 1999, James Gray memenangkan Turing Award untuk kontribusinya pada
manajemen transaksi dalam DBMS.

C. Tujuan Database Management System (DBMS)

Tujuan utama DBMS adalah untuk menyediakan tinjauan abstrak dari data bagi user.
Jadi sistem menyembunyikan informasi mengenai bagaimana data disimpan dan
dirawat, tetapi data tetap dapat diambil dengan efisien. Pertimbangan efisien yang
digunakan adalah bagaimana merancang struktur data yang kompleks, tetapi tetap dapat
digunakan oleh pengguna yang masih awam, tanpa mengetahui kompleksitas struktur
data. Basis data menjadi penting karena munculnya beberapa masalah bila tidak
menggunakan data yang terpusat, seperti adanya duplikasi data, hubungan antar data
tidak jelas, organisasi data dan update menjadi rumit. Jadi tujuan dari pengaturan data
dengan menggunakan basis data adalah :
 Menyediakan penyimpanan data untuk dapat digunakan oleh organisasi saat
sekarang dan masa yang akan datang.

8
  Kemudahan pemasukan data, sehingga meringankan tugas operator dan
menyangkut pula waktu yang diperlukan oleh pemakai untuk mendapatkan data
serta hak-hak yang dimiliki terhadap data yang ditangani.
 Pengendalian data untuk setiap siklus agar data selalu up-to-date dan dapat
mencerminkan perubahan spesifik yang terjadi di setiap sistem.
 Pengamanan data terhadap kemungkinan penambahan, pengubahan, pengerusakan
dan gangguan-gangguan lain.

D. Fungsi Database Management System (DBMS)

 Penyimpanan, pengambilan dan perubahan data
 Katalog yang dapat diakses pemakai
 Mendukung Transaksi
 Melayani kontrol concurrency
 Melayani recovery
 Melayani autorisasi
 Mendukung komunikasi data
 Melayani integrity
 Melayani data independence
 Melayani utility

E. Manfaat Database Management System (DBMS)

Manfaat yang diperoleh dari penyusunan database adalah :
 Mengatasi kerangka (redundancy) data.
 Menghindari terjadinya inkonsistensi data.
 Mengatasi kesulitan dalam mengakses data.
 Menyusun format yang standar dari sebuah data.
 Penggunaan oleh banyak pemakai (multiple user).
 Melakukan perlindungan dan pengamanan data (data security).
 Menyusun integritas dan independensi data.

F. Keunggulan Database Management System (DBMS)

 Mengurangi duplikasi data atau data redundancy
 Menjaga konsistensi dan integritas data
 Meningkatkan keamanan data
 Meningkatkan effisiensi dan effektivitas penggunaan data
 Meningkatkan produktivitas para pengguna data
 Memudahkan pengguna dalam menggali informasi dari kumpulan data
 Meningkatkan pemeliharaan data melalui independensi data
 Meningkatkan pemakaian bersama dari data
 Meningkatkan layanan backup dan recovery data
 Mengurangi konflik antar pengguna data
 Mencapai indenpendensi data
 Mengintegrasikan data dari beberapa file
 Mengambil data secara cepat, praktis
 Meningkatkan keamaanan data
 Terbaru (up to date).

G. Kelemahan Database Management System (DBMS)

 Memerlukan suatu skill tertentu untuk bisa melakukan administrasi dan
manajemen database agar dapat diperoleh struktur dan relasi data yang optimal

9
  Memerlukan kapasitas penyimpanan baik eksternal (disk) maupun internal
(memory) agar DBMS dapat bekerja cepat dan efisien
 Harga DBMS yang handal biasanya sangat mahal
 Kebutuhan akan sumber daya (resources) biasanya cukup tinggi
 Konversi dari sistem lama ke sistem DBMS terkadang sangat mahal, disamping
biaya pengadaan perangkat keras dan perangkat lunak, diperlukan pula biaya
pelatihan
 Perangkat lunak yang mahal
 Memperkrjakan dan mempertahankan DBA
 Konfigurasi perangkat keras yang besarData Sub Language DBMS

H. Subset Bahasa yang Dipakai Untuk Operasi Manajemen Basis Data

a. Data Definition Language (DDL)
Bahasa yang digunakan dalam mendefinisikan struktur atau kerangka dari basis
data, di dalamnya termasuk record, elemen data, kunci elemen, dan relasinya.
b. Data Manipulation Language (DML)
Bahasa yang digunakan untuk menjabarkan pemrosesan dari basis data, fasilitas
ini diperlukan untuk memasukkan, mengambil, mengubah data.DML dipakai
untuk operasi terhadap isi basis data.

I. Komponen Database Management System (DBMS)

1. Query Processsor, yaitu merubah bentuk query ke dalam instruksi tingkat rendah
ke database manager.
2. Database Manager, yaitu menerima query dan menguji skema eksternal dan
konseptual untuk menentukan apakah record-record dibutuhkan untuk memenuhi
permintaan.
3. File Manager, yaitu manipulasi penyimpanan file dan mengatur alokasi ruang
penyimpanan pada disk
4. DML Preprocessor, merubah perintah DML embedded ke dalam program aplikasi
dalam bentuk fungsi-fungsi yang memanggil dalam host language.
5. DDL Compiler, yaitu merubah perintah DDL menjadi kumpulan tabel yang berisi
metadata.
6. Dictionary Manage, yaitu mengatur akses dan memelihara data dictionary.

2.4 Data Warehouse dan Data Mining

A. Data Warehouse
a) Definisi Data Warehouse
Data warehouse adalah database yang berisi data dari beberapa system
operasional yang terintegrasi dan terstruktur sehingga dapat digunakan untuk
mendukung analisa dan proses pengambilan keputusan dalam bisnis.
Data warehouse didesain untuk kita bisa melakukan query secara cepat.
Informasi diturunkan dari data lain, dilakukan rolling up untuk dijadikan ringkasan,
dilakukan operasi drilling down untuk mendapatkan informasi lebih detail, atau
melihat pola yang menarik atau melihat trend (kecenderungan).

10
b) Tugas Data warehouse
1. Pembuatan Laporan
Pembuatan laporan merupakan tugas yang paling umum dilakukan. Dengan
menggunakan query sederhana didapatkan laporan perhari, perbulan,
pertahun.
2. On-Line Analytical Processing ( OLAP )
OLAP mengimplementasikan konsep data multi dimensi dan memungkinkan
para penggunanya menganalisa data hingga ke tingkat yang mendetail tanpa
mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep
multi dimensi, data yang berupa fakta yang sama bisa dilihat dengan
menggunakan fungsi yang berbeda. Fitur lain yang ada pada sofware OLAP
adalah fitur rool-up dan drill-down. Drill-down adalah fitur yang
memampukan kita untuk melihat detail dari suatu informasi, sedangkan roll-
up merupakan kebalikannya.
3. Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan dan
informasi baru dari data yang berjumlah banyak pada data warehouse, dengan
menggunakan kecerdasan buatan (Artificial Intelegence), ilmu statistika dan
matematika. Data mining merupakan teknologi yang diharapkan dapat
menjembatani komunikasi antara data dan penggunanya.
4. Pendukung Pengambilan Keputusan di Tingkatan Atas
Dengan menggunakan data warehouse, kita dapat melihat ringkasan dari suatu
laporan maupun versi detailnya, sehingga mempermudah proses pengambilan
keputusan. Informasi serta data pada laporan data warehouse merupakan hal
informatif yang ditargetkan untuk kalangan eksekutif atau manajemen senior
perusahaan. Merekalah yang akan berperan dalam mengambil keputusan
jangka panjang yang tentunya sangat berdampak bagi haluan perusahaan
berdasarkan hal tersebut.

c) Karakteristik Data Warehouse

1. Subject Oriented (Berorientasi Subject)
Data warehouse berorientasi subject artinya data warehouse didesain untuk
menganalisa data berdasarkan subject-subject tertentu dalam organisasi,bukan
pada proses atau fungsi aplikasi tertentu. Data warehouse diorganisasikan
disekitar subjek-subjek utama dari perusahaan (customers, products, dan sales)
dan tidak diorganisasikan pada area-area aplikasi utama (customer, invoicing,
stock control, dan product sales). Hal ini dikarenakan kebutuhan dari data
warehouse untuk menyimpan data-data yang bersifat sebagai penunjang suatu
keputusan, dari pada aplikasi yang berorientasi terhadap data.
2. Integrated ( Terintegrasi )
Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber
yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu
dengan lainnya. Syarat integrasi sumber data dapat dipenuhi dengan berbagai
cara sepeti konsisten dalam penamaan variable,konsisten dalam ukuran
variable,konsisten dalam struktur pengkodean dan konsisten dalam atribut
fisik dari data.
Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang
mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin
dalam aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang
sama tetapi nama dan formatnya nya berbeda. Variable tersebut harus

11
 dikonversi menjadi nama yang sama dengan format yang disepakati bersama.
Dengan demikian tidak ada lagi kerancuan karena perbedaan nama, format dan
lain sebagainya. Barulah data tersebut bisa dikategorikan sebagai data yang
terintegrasi karena kekonsistenannya.
3. Time-variant ( Rentang Waktu )
Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada
rentang waktu tertentu. Untuk mengukur keakuratan suatu data warehouse,
dapat menggunakan cara:
 Cara yang paling sederhana adalah menyajikan data warehouse pada
rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
 Cara yang kedua, yaitu dengan menggunakan variasi/perbedaan waktu
yang disajikan dalam data warehouse baik implicit maupun explicit secara
explicit dengan unsur waktu dalam hari, minggu, bulan dsb.
 Cara yang ketiga,yaitu variasi waktu yang disajikan data warehouse
melalui serangkaian snapshot yang panjang. Snapshot merupakan
tampilan dari sebagian data tertentu sesuai keinginan pemakai dari
keseluruhan data yang ada bersifat read-only.
4. Non-Volatile
Non-volatile yaitu data pada data warehouse tidak di-update secara real
time tetapi di refresh dari sistem operasional secara reguler. Data yang baru
selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada
sebagai sebuah perubahan.

d) Kelebihan Data Warehouse

 Data terorganisir dengan baik untuk query analisis dan sebagai bahan yang
baik untuk proses transaksi.
 Perbedaan struktur data yang banyak macamnya dari sumber yang berbeda
dapat di atasi.
 Memiliki aturan transformasi untuk memvalidasi dan menkonsolidasi data dari
OLTP ke data warehouse.
 Masalah keamanan dan kinerja dapat dipecahkan tanpa perlu mengubah sistem
produksi.
 Memiliki model data yang banyak macamnya, dan tidak tergantung dari
format data awal/sumbernya, sehingga memudahkan dalam menciptakan
laporan.
 Proses transformasi/perpindahan dapat di monitoring jadi jika terjadi
kesalahan dapat di arahkan / di luruskan.
 Data Warehouse tidak memperlambat kerja operasional transaksi.
 Dapat menyediakan laporan yang bermacam-macam.

e) Kekurangan Data Warehouse

 Data warehouse bukan merupakan lingkungan yang cocok untuk data yang
tidak terstruktur.
 Data perlu di ekstrak, diubah (ETL) dan di load ke data warehouse sehingga
membutuhkan tenggang waktu untuk memindahkannya.
 Semakin lama dipelihara, semakin besar biaya untuk merawat sebuah data
warehouse.
 Data warehouse dapat menjadi ketinggalan dari data terbaru yang relatif cepat,
karena data yang digunakan di datawarehouse tidak di update secara cepat.
sehingga data yang ada tidak optimal.

12
B. Data Mining
a) Definisi Data Mining
Data mining adalah sebuah proses percarian secara otomatis informasi yang
berguna dalam tempat penyimpanan data berukuran besar. Teknik data mining
digunakan untuk memeriksa basis data berukuran besar sebagai cara untuk
menemukan pola yang baru dan berguna. Tidak semua pekerjaan pencarian
informasi dinyatakan sebagai data mining. Terdapat beberapa istilah lain yang
memiliki makna sama dengan data mining, yaitu Knowledge discovery in
databases (KDD), ekstraksi pengetahuan (knowledge extraction), Analisa
data/pola (data/pattern analysis), kecerdasan bisnis (business intelligence) dan data
archaeology dan data dredging.
b) Fungsi Data Mining
Data mining mempunyai fungsi yang penting untuk membantu mendapatkan
informasi yang berguna serta meningkatkan pengetahuan bagi pengguna. Pada
dasarnya, data mining mempunyai empat fungsi dasar yaitu:
1. Fungsi Prediksi ( Prediction )
Proses untuk menemukan pola dari data dengan menggunakan beberapa
variabel untuk memprediksikan variabel lain yang tidak diketahui jenis atau
nilainya.
2. Fungsi Deskripsi ( Description )
Proses untuk menemukan suatu karakteristik penting dari data dalam suatu
basis data.
3. Fungsi Klarifikasi ( Classification )
Klasifikasi merupakan suatu proses untuk menemukan model atau fungsi
untuk menggambarkan class atau konsep dari suatu data. Proses yang
digunakan untuk mendeskripsikan data yang penting serta dapat meramalkan
kecenderungan data pada masa depan.
4. Fungsi Asosiasi ( Association )
Proses ini digunakan untuk menemukan suatu hubungan yang terdapat pada
nilai atribut dari sekumpulan data.

c) Proses Data Mining

1. Deskripsi
Deskripsi bertujuan untuk mengidentifikasi pola yang muncul secara berulang
pada suatu data dan mengubah pola tersebut menjadi aturan dan kriteria yang
dapat mudah dimengerti oleh para ahli pada domain aplikasinya. Aturan yang
dihasilkan harus mudah dimengerti agar dapat dengan efektif meningkatkan
tingkat pengetahuan (knowledge) pada sistem. Tugas deskriptif merupakan
tugas data mining yang sering dibutuhkan pada teknik postprocessing untuk
melakukan validasi dan menjelaskan hasil dari proses data mining.
Postprocessing merupakan proses yang digunakan untuk memastikan hanya
hasil yang valid dan berguna yang dapat digunakan oleh pihak yang
berkepentingan.
2. Prediksi
Prediksi memiliki kemiripan dengan klasifikasi, akan tetapi data
diklasifikasikan berdasarkan perilaku atau nilai yang diperkirakan pada masa
yang akan datang. Contoh dari tugas prediksi misalnya untuk memprediksikan

13
 adanya pengurangan jumlah pelanggan dalam waktu dekat dan prediksi harga
saham dalam tiga bulan yang akan datang.
3. Estimasi
Estimasi hampir sama dengan prediksi, kecuali variabel target estimasi lebih
ke arah numerik dari pada ke arah kategori. Model dibangun menggunakan
record lengkap yang menyediakan nilai dari variabel target sebagai nilai
prediksi. Selanjutnya, pada peninjauan berikutnya estimasi nilai dari variabel
target dibuat berdasarkan nilai variabel prediksi. Sebagai contoh, akan
dilakukan estimasi tekanan darah sistolik pada pasien rumah sakit berdasarkan
umur pasien, jenis kelamin, berat badan, dan level sodium darah. Hubungan
antara tekanan darah sistolik dan nilai variabel prediksi dalam proses
pembelajaran akan menghasilkan model estimasi.
4. Klasifikasi
Klasifikasi merupakan proses menemukan sebuah model atau fungsi yang
mendeskripsikan dan membedakan data ke dalam kelas-kelas. Klasifikasi
melibatkan proses pemeriksaan karakteristik dari objek dan memasukkan
objek ke dalam salah satu kelas yang sudah didefinisikan sebelumnya.
5. Clustering
Clustering merupakan pengelompokan data tanpa berdasarkan kelas data
tertentu ke dalam kelas objek yang sama. Sebuah kluster adalah kumpulan
record yang memiliki kemiripan suatu dengan yang lainnya dan memiliki
ketidakmiripan dengan record dalam kluster lain. Tujuannya adalah untuk
menghasilkan pengelompokan objek yang mirip satu sama lain dalam
kelompok-kelompok. Semakin besar kemiripan objek dalam suatu cluster dan
semakin besar perbedaan tiap cluster maka kualitas analisis cluster semakin
baik.
6. Asosiasi
Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul
dalam suatu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang
belanja (market basket analisys). Tugas asosiasi berusaha untuk mengungkap
aturan untuk mengukur hubungan antara dua atau lebih atribut.

d) Tahapan Data Mining

Tahapan yang dilakukan pada proses data mining diawali dari seleksi data dari
data sumber ke data target, tahap preprocessing untuk memperbaiki kualitas data,
transformasi, data mining serta tahap interpretasi dan evaluasi yang menghasilkan
output berupa pengetahuan baru yang diharapkan memberikan kontribusi yang
lebih baik. Secara detail dijelaskan sebagai berikut (Fayyad, 1996):
1. Data Selection
Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan
sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi
yang digunakan untuk proses data mining, disimpan dalam suatu berkas,
terpisah dari basis data operasional.
2. Pre-processing / Cleaning
Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses
cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup
antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan
memperbaiki kesalahan pada data.

14
 3. Transformation
Coding adalah proses transformasi pada data yang telah dipilih, sehingga data
tersebut sesuai untuk proses data mining. Proses coding dalam KDD
merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi
yang akan dicari dalam basis data.
4. Data Mining
Data mining adalah proses mencari pola atau informasi menarik dalam data
terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode,
atau algoritma dalam data mining sangat bervariasi. Pemilihan metode atau
algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara
keseluruhan.
5. Interpretation / Evaluation
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan
dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap
ini merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini
mencakup pemeriksaan apakah pola atau informasi yang ditemukan
bertentangan dengan fakta atau hipotesis yang ada sebelumnya.

2.5 Penguasaan Informasi

A. Pengertian
Informasi adalah sekumpulan data atau fakta yang telah diproses dan dikelola
sedemikian rupa sehingga menjadi sesuatu yang mudah dimengerti dan bermanfaat bagi
penerimanya.Informasi tidak dapat dipisahkan dari teknologi.
B. Perkembangan Informasi dan Teknologi di Indonesia
Tahun 2000, merupakan era informasi juga telah mengguncangkan dunia, bahkan lebih
dahsyat dari yang pernah dibayangkan oleh masyarakat, informasi dapat diakses
dengan mudah dan cepat. Setiap perkembangan, dapat dengan mudah dan cepat
diinformasikan kepada masyarakat, batasan ruang dan waktu telah dihilangkan. Hal ini
juga memperkuat pernyataan Alvin Toffler bahwa era industrialisasi akan berakhir
dengan dimulainya era baru, yakni era informasi.
Era informasi telah dimulai, teknologi menjadi suatu keharusan, tidak ada satu bidang
pun didunia ini yang tidak tersentuh oleh teknologi, termasuk teknologi informasi dan
komunikasi. Kecepatan dan ketepatan kita dalam mendapatkan informasi menjadi suatu
peluang dan kekuatan, karena dengan mendapatkan informasi, kita dapat menentukan
sesuatu lebih akurat.
Information and communication technology (ICT) atau lebih dikenal dengan istilah
Teknologi Informasi dan Komunikasi (TIK) adalah suatu alat, alat untuk
mempermudah dan mempercepat kita dalam mendapatkan informasi. Walaupun
sebenarnya perkembangan ICT kita di Tanah Air masih tertinggal jauh dibandingkan
negara-negara lain. Cina, Singapura, Malaysia, dan India, lebih maju dari kita dilihat
dari sisi pengetahuan dan pemanfaatan ICT.

C. Pemanfaatan ICT
Perkembangan dan implikasi ICT di Indonesia telah sedikit banyak memberikan
sumbangan yang menggembirakan terutama dalam bidang pendidikan, yaitu:
 Berkembangnya pendidikan terbuka dengan modus belajar jarak jauh (Distance
Learning).
 Sharing resource bersama antar lembaga pendidikan/latihan dalam sebuah
jaringan.

15
  Penggunaan perangkat teknologi informasi interaktif, seperti CD-ROM
Multimedia, dalam pendidikan secara bertahap menggantikan TV dan Video.

D. Penguasaan dan Pemanfaatan Informasi
Pesatnya perkembangan teknologi informasi dan komunikasi (information and
communication technology / ICT) dewasa ini membuat arus globalisasi (politik, sosial,
ekonomi, dan budaya) terasa makin deras mengalir ke seluruh penjuru dunia;
menghapus batas-batas ruang antar negara, bahkan menghapus batas jarak dan waktu.
Pada konteks penguasaan dan pemanfaatan ICT di Indonesia telah mempunyai
perubahan yang mendasar dengan pemberlakukan Undang-Undang Nomor 36 Tahun
1999 tentang Telekomunikasi, yang memungkinkan semua warga negara di negara ini
dapat dengan mudah menerima dan mengakses informasi dari mana saja dan kapanpun
saja. Informasi dapat berkembang bebas tanpa adanya pengaruh kekuasaan yang
represif lagi, pengelolaan jasa telekomunikasi juga tidak dimonopoli lagi oleh
pemerintah.
Sedangkan pada konteks politik, kebebasan informasi yang dijamin dalam Ketetapan
MPR Nomor XVII/MPR/1998 yang membuka ruang cukup luas kepada publik dalam
berkomunikasi dan memperoleh/mengolah informasi untuk mengembangkan potensi
pribadi secara kreatif bersama lingkungan sosialnya.
Pengelolaan telekomunikasi pasca pemberlakuan UU Nomor 36 Tahun 1999, terjadi
beberapa perubahan mendasar seperti yang dirumuskan dalam (Keputusan Menteri
Perhubungan Nomor 72/1999), yakni;
1. Beralihnya fungsi telekomunikasi dari utilitas menjadi komoditi perdagangan;
2. Bergesernya fungsi pemerintah dari memiliki, membangun dan menyelenggarakan
telekomunikasi menjadi badan yang hanya menentukan kebijakan, mengatur,
mengawasi dan mengendalikan sektor telekomunikasi;
3. Peningkatan peran swasta sebagai investor prasarana dan penyelenggara jasa
telekomunikasi;
4. Transformasi struktur pasar telekomunikasi dari monopoli ke persaingan.

Hal ini berdampak pada, iklim bisnis bidang telekomunikasi yang tumbuh sangat pesat
di Indonesia. Menurut Direktur Corporate Service PT Indosat, Wahyu Wijayadi,
Indonesia merupakan negara teramai di dunia dari sisi pelaku operator karena pemain
bisnis seluler yang berkompetisi di pasar domestik mencapai 10 operator. Pemain bisnis
seluler Indonesia itu jauh lebih banyak dari Singapura, Filipina, Malaysia (ketiganya
hanya terdapat tiga operator); Thailand (lima operator), Amerika Serikat (empat
operator), India (enam operator), dan China (dua operator) [Wahyu Utomo; Jurnas -
2008].
Pada abad informasi saat ini, masyarakat Indonesia bisa mengakses internet dari mana-
mana; bukan hanya dari kantor, rumah atau warnet, tapi juga bisa mengakses internet
dari kafe, taman atau di dalam mobil secara nirkabel. Telepon seluler pun bukan sekedar
alat telekomunikasi an-sich tapi bisa dipakai sebagai alat pengolah data dan informasi
secara multi media.
Data menunjukan, 70 % anak muda di Amerika Serikat dan Eropa tidak lagi membaca
koran atau menonton televisi. Mereka beralih ke internet karena mereka bisa
mendapatkan segala macam informasi yang mereka inginkan. Menurut Ishadi SK,
bersamaan dengan perpindahan media dari media tradisional ke media internet, pasar
iklan otomatis akan bergerak ke internet (new media). Tak aneh, jika produksi informasi
di Indonesia kini sudah bergerak dengan menggunakan jaringan (network) secara online

16
seperti yang dikembangkan JPNN (Jawa Pos Network News) baik melalui media cetak,
televisi maupun internet.
Kuatnya pengusaan dan penggunaan informasi dan teknologi pada konteks persaingan
global, bukan hanya mendorong tumbuhnya perdagangan barang dan jasa, tapi juga
memacu komunikasi politik di Indonesia lebih dinamis bahkan mulai bergerak seperti
di Amerika Serikat dan Eropa. Regulasi kebijakan baru jelas makin membuat ruang
konvergensi ICT makin terbuka dan memberikan kesempatan dan jaminan hukum lebih
luas kepada publik dalam penggalian dan pengolahan informasi (visual, audio, maupun
data dll) untuk mengembangkan usaha-usaha produktif.
Seperti disebutkan Thomas Friedman (dalam The Lexus and The Olive Tree :
Understanding Globalization) bahwa “siapa yang menguasai informasi akan menguasai
dunia”. Hal senada juga diungkapkan oleh praktisi pers Indonesia, Ishadi SK, bahwa
mereka yang berkuasa di era ini adalah mereka yang menguasai jaringan
telekomunikasi software dan hardware serta menguasai kreatifitas.Persoalannya yang
paling mendasar adalah, kualitas sumber daya manusia (SDM) Indonesia masih
tergolong rendah jika dilihat dari rendahnya Human Development Index (HDI). Jadi
tidak aneh, jika penggunaan ICT di Indonesia masih belum optimal dalam mendorong
produktivitas karena user ICT masih cenderung terbatas pada pemenuhan gaya hidup
modern.
Contoh sederhana misalnya tidak sedikit, orang memaksakan diri membeli laptop atau
telepon seluler multi media hanya semata-mata untuk memenuhi gaya hidup modern
agar dirinya tidak disebut gaptek dan kuper, sementara kesadaran diri untuk
memperkuat kapasitas/kompetensi pribadi dalam memacu produktivitas personal
dengan memanfaatkan terbukanya ruang konvergensi ICT termasuk masih lemah.
Dengan kata lain, kompetensi SDM Indonesia menggunakan ruang konvergensi ICT
untuk mengembangkan usaha-usaha produktif terbilang masih belum kuat. Bahkan,
istilah konvergensi itu sendiri masih belum pupluer di tengah masyarakat Indonesia
karena masyarakat yang masih gagap teknologi informasi komunikasi (ICT difable)
memang tidak sedikit.
Pada sisi lain, pengembangan jaringan infrastruktur telekomunikasi di Indonesia masih
belum merata ke setiap daerah terpencil. Menurut data Direktorat Jenderal Pos dan
Telekomunikasi (2007), dari sekitar 72.000 desa di Indonesia, 38.471 diantaranya
belum terjangkau fasilitas telekomunikasi. Sementara pelanggan jaringan telepon di
pedesaan hanya sekitar 20,5 % dari total pelanggan dan teledensitas di daerah rural
sangat rendah (sekitar 0,2%).Jika dilihat dari Digital Acces Index (DAI) — indeks
kemampuan akses dan penggunaan ICT penduduk dalam satu negara — pada tahun
2002, Indonesia hanya memiliki angka DAI sebesar 0,34 (tergolong medium access)
atau berada pada peringkat ke-51 di bawah Mongolia. Sementara angka DAI negara
tetangga (kecuali Vietnam) jauh lebih tinggi; Singapura (0,75), Malaysia (0,57), Brunei
(0,55), Thailand (0,48).
Masih rendahnya kualitas SDM, rendahnya pendapatan per kapita penduduk, serta
belum meratanya jaringan infrastruktur telekomunikasi tersebut menunjukkan bahwa
tantangan yang dihadapai Indonesia dalam menyikapi persaingan global zaman
informasi ini ternyata tidak ringan. Hal itu karena, jika kesenjangan antara rendahnya
kualitas SDM – pendapatan perkapita Indonesia dengan pesatnya perkembangan ICT
di tingkat global dewasa ini dibiarkan saja dan tidak segera diatasi, maka akan
berpotensi memperlebar disparitas (kesenjangan) sosial-ekonomi di tengah masyarakat.
Oleh karena itu jika Indonesia ingin bergerak maju setara dengan negara lain,
diperlukan penguatan kapasitas/kompetensi SDM Indonesia dan pemerataan
kesempatan akses ICT hingga ke tingkat desa — termasuk terhadap penduduk ekonomi

17
lemah. Dalam hal ini, pemerintah perlu memprioritaskan pengembangan pendidikan
masyarakat dengan memasukkan ICT sebagai kurikulum wajib pada anak
sekolah/mahasiswa termasuk memperluas kesempatan akses ICT dengan pemerataan
infrastruktur telekomunikasi dan menekan tarif semurah-murahnya agar penduduk
ekonomi lemah juga memiliki kesempatan mengembangkan diri untuk memasuki
persaingan global dengan memanfaatkan ruang konvergensi ICT secara optimal.

18