Nama : Tiara Qurani

Npm : 2020040027
Kelas : SI-5A
Mata Kuliah: Kecerdasan Bisnis

TUGAS 2
“Merangkum Mengenai Business Analytic & OLap”

 Business Analytic
 Pengertian

Business analytics adalah proses dalam menyusun, menyortir, memproses, dan

mempelajari data bisnis, serta menggunakan model statistik dan metodologi berulang
untuk mengubah data menjadi business insight. Business analytics lebih bersifat
preskriptif yang ditujukan ke metodologi dengan datanya dapat dianlisa, pola yang
digunakan dikenali, dan model yang dikembangkan untuk memperjelas kejadian masa
lalu, dengan membuat prediksi untuk masa depan serta merekomendasikan langkah –
langkah yang dapat dilakukan untuk memaksimalkan hasil yang ideal. Untuk dapat
memprediksikan masa depan secara akurat dan mengetahui langkah – langkah yang
dapat dilakukan dimasa depan serta dapat mendorong konsumen menuju tujuan yang
diinginkan, dibutuhkan business analytics untuk merancang solusi berbasis data.
Business analytics menggunakan analisis kuantitif, model matematika, kemudian
memanfaatkan statistik, computer science, dan operational research untuk memperluas
pemahaman data yang kompleks, artificial intelligence, deep learning, dan neural
network ke data yang tersedia segmen mikro dan mengidentifikasi pola.

 Tipe Business Analytics

Descriptive Analytics

Analisis deskriptif merupakan bentuk analitik yang paling sederhana yang

menggunakan data aggregation data mining technique dimana mendesripsikan
 atau meringkas data bisnis yang ada untuk mendapatkan gambaran mengenai
apa yang telah terjadi dimasa lalu atau yang sedang terjadi saat ini. Kemudian
analisis deskriptif juga menerapkan statistik deskripsi ke data yang ada, hal ini
dapat memberikan kemudahan untuk anggota organisasi, investor,
shareholders hingga marketing executives dan sales manager. Selain itu,
deskriptif analysis dapat membantu untuk mengidentifikasi kelebihan dan
kekurangan dan memberikan insight mengenai customer behavior. Contoh
informasi yang disajikan dari analisis deskriptif yaitu stok barang, jumlah
penjualan, biaya operasional, rata – rata produksi.

Diagnostic Analytics

Analisis diagnostik menggunakan teknik drill-down, data discovery, data

mining, dan korelasi untuk mengetahui akar penyebab dari kejadian. Analisi
diagnostik bergerak dari “apa” dari kejadian masa lalu dan “bagaimana” dan
“mengapa” dari kejadian saat ini, serta berfokus pada performance masa lalu
untuk mmenentukan faktor yang mempengaruhi trend. Untuk memaksimalkan
analisis diagnotik dapat menggunakan operasi OLAP (Online Analytical
Processing) yang merupakan teknik pendekatan untuk menampilkan hasil dari
data yang dianalisis.

Predictive Analytics

Analisis prediktif memperkirakan kemungkinan kejadian masa depan dengan

menggunakan model statistik dan machine learning technique sehingga dapat
mengantisipasi berbagai risiko dalam bisnis. Analisis ini menggunakan
algoritma dan model statikstik yang memungkinkan tingkat akurasi prediksi
lebih tinggi dibandingkan dengan business intelligence yang lain. Analisis ini
juga berdasarkan analisis deskriptif untuk merancang model yang dapat
memperkirakan kemungkinan hasil tertentu. Hasil dari analisis prediktif adalah
laporan terinci yang dapat mendukung perkiraan yang kompleks untuk sales
dan marketing.

Prescriptive Analytics

Analisis presriptif 1 langkah lebih maju dari analisis prediktif, analisi presriptif
memberikan rekomendasi aksi yang terbaik untuk selanjutnya dan
memungkinkan potensi memanipulasi peristiwa untuk mendorong hasil yang
lebih baik. Analisis preskriptif tidak hanya merekomendasikan semua hasil
yang menguntungkan dari tindakan tertentu, namun merekomendasikan
tindakan tertentu yang dapat memberikan hasil yang paling diinginkan.
Analisis presriptif menggandalkan sistem yang feedback yang kuat dan analisis
dan pengujian berulang untuk mempelajari relasi antara berbagai tindakan dan
hasilnya. Analisis preskriptif memaparkan tentang tindakan yang harus
dilakukan setelah mengetahui risiko bisnis dan diterapkan untuk mencapai
tujuan perusahaan, menjawab tantang di masa yang akan datang, dan meraih
kesuksesan.

 OLap

 Pengertian Menurut Para Ahli

Pengertian OLAP Online Analytical Processing menurut Turban, Sharda,

Delen dan King (2011:77) merupakan kemampuan dari memanipulasi data
secara efisien dari beberapa pandangan (perspektif). Struktur operasional
utama pada OLAP berdasarkan pada konsep yang disebut Cube (kubus). Cube
dalam OLAP merupakan struktur data multidimensial (aktual/virtual) yang
memungkinkan analisis data secara cepat. Susunan data pada kubus berfungsi
untuk mengatasi keterbatasan database relational. Database relational tidak
sesuai untuk analisis secara cepat dan dekat dari jumlah data yang besar, yang
lebih sesuai adalah dengan memanipulasi record (dengan cara menghapus,
menambahkan serta memperbaharui data) yang mewakili berbagai transaksi.
OLAP menurut Scheps merupakan konsep data multidimensional dengan
konsep mentualisasi data transaksional perusahaan. OLAP tidak hanya
mengagregasi data namun juga memiliki kemampuan pada sistem BI (Business
Intelligence) untuk melihat data menggunakan cara baru.
Menurut Scheps terdapat dua kategori dalam sistem OLAP:

a) OLap Cube

Merupakan penyimpan data terspesialisasi yang dirancang secara

spesifik menyelesaikan multidimentional summary data. Data Cube
tersimpan pada cell dengan struktur menyerupai 3D spreadsheet.

b) OLap Access Tools

Merupakan lingkungan klien yang memungkinkan users melakukan

manipulasi data cube sehingga menghasilkan Business Intelligence
(BI).
 Fungsi OLap

Sehubungan dengan pengertian OLAP Online Analytical Processing, 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.

 Karakteristik OLap

Mengizinkan bagi para pelaku bisnis untuk mempunyai pandangan logical

serta multi dimensional terhadap data dalam data warehouse.
Memberi fasilitas pada analisis query secara interaktif dan kompleks bagi
pengguna.
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.
Mempunyai kemampuan untuk menyajikan perhitungan yang rumit serta
perbandingan.
 Menyajikan hasil dalam berbagai cara yang mempunyai arti dalam bentuk
gambar maupun diagram.

 Teknik OLap
OLap memiliki lima teknik yang dapat diringkas menjadi FASMI (Fast Analysis of
Shared Multi-dimensional Information). Hal ini untuk memudahkan dalam memahami
dan mengingatnya. Dan berikut adalah penjelasannya:
Fast
Sistem memiliki target untuk memberikan respon secepat mungkin pada pengguna
menurut analisis yang dilakukan.
Analysis
Sistem mampu mengatasi berbagai logika bisnis serta analisis statistik yang relevan
dengan aplikasi dan pengguna.
Shared
Sistem melakukan keseluruhan keperluan pengamanan data, yang mana apabila
diperlukan banyak akses penulisan tentang data maka perlu disesuaikan dengan level
pengguna. Karena tidak seluruh aplikasi memerlukan pengguna menulis data kembali,
maka sistem harus bisa menyelesaikan multiple update dalam satu waktu dengan aman.
Multidimensional
Sistem harus memberikan conceptual view dari data secara multidimentional, baik full
support hierarki maupun multiple support hierarki. Hal ini merupakan cara logis untuk
melakukan analisis bisnis serta organisasi.
Information
Seluruh data serta informasi yang diperlukan dan relevan bagi aplikasi. Kapasitas
produk OLAP tidak sama dalam menghandle input data, yang tergantung pada
beberapa pertimbangan yaitu: duplikasi data, penggunaan disk space, penggunaan
RAM, performance, integrasi terhadap data warehouse, dan sebagainya.

 Tempat Penyimpanan OLap

MOLAP (Multidimensional Online Analitycal Processing)

Menyimpan data serta agregasi struktur data multidimensi pada OLAP server sehingga
menghasilkan performa query yang sangat bagus. Tempat penyimpanan ini cocok
untuk database ukuran kecil hingga sedang.
ROLAP (Relational Online Analitycal Processing)
Menyimpan data serta agregasi kubus menggunakan tabel pada database relasional
data warehouse. ROLAP mengakses secara langsung dari tabel fact saat memerlukan
jawaban sebuah query.
HOLAP (Hybrid Online Analitycal Processing)
Hal ini merupakan gabungan antara MOLAP dan ROLAP. Pada HOLAP, data
tersimpan pada tabel relasional namun agregasi data tersimpan pada format
multidimensi. Model penyimpanan ini cocok untuk kubus yang memerlukan performa
query bagus dengan jumlah data besar.