DISUSUN OLEH :
NIM : 43218010201
AKUNTANSI S1
TAHUN 2019
ABSTRAK
BAB I
PENDAHULUAN
A. Latar Belakang
Manajer sering kali memusatkan perhatian hanya pada beberapa aktivitas penting
saja, yang di sebut sebagai faktor keberhasilan kritis (critical success factor - CSF), yang
memiliki pengaruh sangat besar pada keberhasilan atau kegagalan perusahaan. Sistem
pemrosesan transaksi akan memproses data yang menguraikan operasi perusahaan sehari -
hari. Pemrosesan ini akan menghasilkan suatu basis data yang digunakan oleh sistem - sisten
lain di dalam perusahaan. sistem pemrosesan transaksi sebuah perusahaan yang bergerak
dalam bisnis distribusi.
Meskipun basis data dari sistem pemrosesan transaksi dan sistem organisasi memiliki
nilai yang tinggi, basis data tersebut tidak akan memberikan manfaat ketika pengguna
menginginkan catatan sejarah yang mendalam dari suatu aktivitas tertentu. Kebutuhan ini
telah menghasilkan suatu aplikasi yang saat ini sedang sangat populer-manajemen hubungan
pelanggan atau costumer relationship management (CRM). Data warehouse lama-kelamaan
terakumulasi, dan data dapat diambil dengan cepat untuk digunakan dalam pengambilan
keputusan. Ketika manajemen sebuah perusahaan menjalankan konsep CSF mereka akan
memusatkan perhatian pada pengedintifikasian CSF dan kemudian memonitor sampai
seberapa jauh mereka telah mencapainya.
B. Rumusan Masalah
1. Bagaimanakah kemampuan sebuah perusahaan untuk mengembangkan sistem
informasi yang efektif sebagai salah satu faktor penting penentu keberhasilannya?
2. Apakah yang dimaksud sistem informasi organisasi?
3. Apa yang dimaksud manajemen hubungan pelanggan?
4. Apa yang dimaksud data warehousing?
5. Bagaimana penyampaian organisasi?
6. Apa yang dimaksud dengan Online Analytical Processing (OLAP)?
7. Apa yang dimaksud dengan data mining?
C. Tujuan Penulisan
1. Untuk mengetahui kemampuan sebuah perusahaan untuk mengembangkan sistem
informasi yang baik.
2. Untuk mengetahui bagaimana sistem informasi.
3. Untuk mengetahui apa itu manajemen hubungan pelanggan.
4. Untuk mengetahui apa itu data warehousing.
5. Untuk mengetahui bagaiamana penyampaian organisasi tersebut.
6. Untuk mengetahui apa itu Online Analytical Processing (OLAP).
7. Untuk mengetahui apa itu data mining.
BAB II
PENDAHULUAN
Ketika manajemen sebuah perusahaan menjalankan konsep CSF, mereka akan memusatkan
perhatian pada pengindentifikasikan CSF dan kemudian memonitor sampai seberapa jauh
mereka telah mencapainya. Perusahaan yang melaksanakan strategi ini mengakui bahwa
informasi merupakan suatu sumber daya yang berharga dan bahwa sistem informasi yang
baik merupakan salah satu CSF.
Ini merupakan aplikasi bisnis pertamayang dipasang pada komputer ketika mereka pertama
kali diperkenalkan pada tahun 1950-an. Istilah sistem pemrosesan data elektronik
(electronic data processing-EDP) dan sistem informasi akuntansi juga telah dipergunakan,
namun saat ini kurang populer.
Salah satu contoh yang baik dari sistem pemrosesan transaksi adalah sistem yang digunakan
oleh perusahaan-perusahaan distribusi, perusahaan yang mendistribusikan produk atau jasa
kepada para pelanggannya. Sistem distribusi juga dapat ditemukan pada organisasi-organisasi
jasa seperti United Way dan rumah sakit-rumah sakit serta pada badan-badan pemerintahan
seperti militer dan perpajakan.
b. Tinjauan Sistem
Seluruh sistem ditunjukkan oleh kotak yang diberi label “Sistem distribusi” yang berada
ditengah. Unsur-unsur lingkungan yang berinteraksi dengan sistem ditunjukkan oleh kotak-
kotak dan dihubungkan ke sistem oleh panah-panah yang disebut arus data.
Sistem distribusi terdiri atas tiga proses utama yaitu : memenuhi pesanan pelanggan,
memesan persediaan pengganti dari pemasok, dan memelihara buku besar.
Semua sistem organisasi ini merupakan contoh dari sistem informasi organisasi
(organizational information system). Semua sistem informasi tersebut dikembangkan untuk
memenuhi kebutuhan akan informasi yang berhubungkan dengan bagian-bagian tertentu dari
organisasi.
a. Sistem Informasi Pemasaran
II. Basis Data : Basis data merupakan data yang digunakan oleh subsistem output
yang berasal dari basis data. Basis data dipopulasikan dengan data yang berasal dari tiga
subsistem ouput.
Dalam merancang basis data ini, dilakukan upaya untuk memberikan data historis
meskipun terbatas. Kebutuhan akan data historis ini khususnya sangat besar dalam area
pemasaran, dimana para manajer ingin dapat melacak perilaku pembelian para pelanggan
selama jangka waktu yang cukup panjang. Kebutuhan ini telah merangsang strategi pmasaran
populer yang disebut manajemen hubungan pelanggan. Manajemen hubungan pelanggan
(customer relationship management atau CRM) adalah adalah manajemen hubungan
antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelangggannya akan
menerima nilai maksimum dari hubungan ini. Strategi ini menyadari bahwa membina
hubungan jangka panjang dengan pelanggan adalah suatu strategi yang bagus, karena
mempertahankan pelanggan yang sudah ada biasanya akan lebih murah daripada
mendapatkan pelaanggan baru. Oleh karena itu, perusahaan melakukan upaya-upaya untuk
memahami para pelanggannya sehingga kebutuhan mereka akan dapat dipenuhi dan mereka
pun tetap setia kepada perusahaan.
Sistem CRM akan mengakumulasikan data pelanggan dalam jangka panjang yaitu 5
tahun, 10 tahun, atau bahkan lebih dan menggunakan data itu untuk memberikan informasi
kepada para pengguna. Unsur utama dalam CRM adalah data warehouse (gudang data).
Manajemen Hubungan Pelanggan (bahasa Inggris: Customer Relationship Management
disingkat CRM) adalah suatu jenis manajemen yang secara khusus membahas teori mengenai
penanganan hubungan antara perusahaan dengan pelanggannya dengan tujuan meningkatkan
nilai perusahaan di mata para pelanggannya.
Pengertian lain mengatakan bahwa ia adalah sebuah sistem informasi yang terintegrasi yang
digunakan untuk merencanakan, menjadwalkan, dan mengendalikan aktivitas-aktivitas
prapenjualan dan pascapenjualan dalam sebuah organisasi. CRM melingkupi semua aspek
yang berhubungan dengan calon pelanggan dan pelanggan saat ini, termasuk di dalamnya
adalah pusat panggilan (call center), tenaga penjualan (sales force), pemasaran, dukungan
teknis (technical support) dan layanan lapangan (field service).
Data warehousing (gudang data) telah diberikan untuk menjelaskan penyimpanan data
yang memiliki karakteristik sebagai berikut :
d) Data sepenuhnya digunakan untuk mengambil keputusan dan tidak digunakan dalam
operasi perusahaan sehari-hari.
Data warehouse adalah bagian utama dari data warehousing data ke dalam gudang,
mengubah isinya menjadi informasi tersebut kepada para pengguna. Sumber data yang utama
adalah sistem pemrosesan transaksi, namun tambahan data dapat diperoleh dari sumber-
sumber lain, baik itu internal maupun lingkungan. Ketika data diidentifikasi memiliki nilai
potensial dalam pengambilan keputusan, maka data tersebut akan ditambahkan ke data
warehouse. Sistem data warehousing juga mencakup pula komponen manajemen dan
kendali. Komponen ini mirip dengan sistem manajemen basis data, yang mengendalikan
pergerakan data di sepanjang sistem.
Tabel dimensi, data pengindentifikasi akan disimpan di tabel dimensi. Istilah dimensi
mengartikan pemikiran bahwa data tersebut dapat menjadi basis untuk melihat data dari
berbagai sudut pandang atau berbagai dimensi.
Tabel Fakta, Tabel-tabel terpisah disebut tabel fakta berisi ukuran-ukuran kuantitatif
sebuah entitas, objek, atau aktivitas.
5.Penyampaian Informasi
Unsur terakhir dalam sistem data warehousing adalah sistem penyampaian informasi, yang
mendapatkan data dari tempat penyampaian data, mengubahnya menjadi informasi, dan
menjadikan informasi tersebut tersedia bagi para pengguna. Informasi dapat diberikan dalam
bentuk terinci atau dalam berbagai tingkat ringkasan. Proses melakukan navigasi kebawah
melalui tingkatan-tingkatan rinci disebut drill down. Proses melakukan navigasi keatas
disebut roll up. Pengguna juga dapat melakukan drill across, dengan cepat bergerakdari satu
hirarki data ke hirarki lainnya, dan drill through, berangkat dari tingkat ringkasan ketingkat
terendah data yang terinci.
SEJARAH
Produk pertama menggunakan query OLAP adalah Express yang dirilis tahun 1970 ( dan
dipakai oleh Oracle tahun 1995 sebagai Information Resources ). Tetapi istilah OLAP baru
muncul tahun 1993 diperkenalkan oleh E. F. Codd yang merupakan bapak relational
databases. Karangan Codd berisi konsultasi pendek yang Codd lakukan dengan pendiri Arbor
Software ( sekarang disebut Hyperion Solutions, dan pada tahun 2007 dibeli oleh Oracle )
untuk memperbaiki pemasaran. Perusahaan tersebut kemudian merilis produk OLAP,
Essbase, yang menerapkan 12 aturan Codd untuk online analytical processing. OLAP market
tumbuh dengan cepat pada akhir tahun 90an dengan banyak komersial produk yang muncul
di pasaran. Pada tahun 1998, Microsoft merilis OLAP server pertamanya, Microsoft Analysis
Services yang dikembangkan dengan mengadopsi teknologi OLAP.
DEFINISI
Online Analytical Processing (OLAP ) merupakan suatu metode pendekatan untuk
menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat,
yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi
suatu data multidimensi untuk tujuan analisis.
OLAP (Online Analytical Processing) adalah teknologi yang memproses data di dalam data
warehouse dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query
analisis yang kompleks.
TEKNIK OLAP
Selain itu, teknik OLAP itu sendiri dapat dirangkum menjadi 5 garis besar yaitu Fast
Analysis of Shared Multidimensional Information atau disingkat menjadi FASMI yang
masing-masing berarti sebagai berikut:
FAST, berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat
mungkin, sesuai dengan analisis yang dilakukan.
ANALYSIS, berarti sistem dapat mengatasi berbagai logika bisnis dan analisis statistik yang
relevan dengan aplikasi dan user, dan mudah.
INFORMATION, adalah semua data dan informasi yang dibutuhkan dan relevan untuk
aplikasi. Kapasitas produk OLAP berbeda untuk menghandle input data tergantung beberapa
pertimbangan meliputi duplikasi data, RAM yang dibutuhkan, penggunaan disk space,
performance, integrasi dengan data warehouse, dan lainnya.
Karakteristik
Adapun karakteristik dari OLAP, yaitu:
- Mengijinkan user melihat data dari sudut pandang logical dan multidimensional pada
data warehouse.
- Memfasilitasi query yang komplek dan analisa bagi user.
- Mengijinkan user melakukan drill down untuk menampilkan data pada level yang
lebih detil atau roll up untuk agregasi dari satu dimensi atau beberapa dimensi
- Menyediakan proses kalkulasi dan perbandingan data
- Menampilkan hasil dalam bentuk number termasuk dalam tabel dan grafik.
TEMPAT PENYIMPANAN
Dari OLAP tersebut terdapat 3 model penyimpanan data dalam cube yang difasilitasi oleh
Microsoft SQL Server 7.0. Ketiga model penyimpanan data tersebut adalah:
MOLAP
Multidimensional online analitycal processing (MOLAP) menyimpan data dan agregasi pada
struktur data multidimensi. Struktur MOLAP ini tidak tersimpan pada data warehouse tapi
tersimpan pada OLAP server.
Sehingga performa query yang dihasilkan olehnya sangat bagus. Model penyimpanan ini
sesuai untuk database dengan ukuran kecil sampai sedang.
ROLAP
ROLAP (relational online Analitycal processing) menggunakan tabel pada database relasional
data warehouse untuk menyimpan detil data dan agregasi kubus. Berbeda dengan MOLAP,
ROLAP tidak menyimpan salinan database, ia mengakses langsung pada tabel fact ketika
membutuhkan jawaban sebuah query.
Sehingga query pada ROLAP mempunyai response time yang lebih lambat dibandingkan
ROLAP maupun HOLAP. Karakteristik model ini digunakan untuk menyimpan data yang
besar dan jarang dilakukannya proses query. Misalkan, data histori dalam jumlah besar dari
beberapa tahun yang sebelumnya.
HOLAP
Gabungan model MOLAP dan ROLAP dapat kita peroleh dari HOLAP (hibrid online
analitycal processing).Detil data tersimpan pada tabel relasional tapi aggregasi data disimpan
dalam format multidimensi.
Misalkan proses drill down dilakukan pada sebuah tabel fakta, maka retrive data akan
dilakukan dari tabel database relasional sehingga query tidak secepat MOLAP. Kubus
HOLAP lebih kecil daripada kubus MOLAP tapi response time query masih lebih cepat jika
dibandingkan dengan ROLAP. Model penyimpanan HOLAP ini biasanya sesuai untuk kubus
yang membutuhkan performa query yang bagus dengan jumlah data yang besar.
Pengguna OLAP umumnya memanfaatkan OLAP dengan pola analisis seperti berikut :
- Meringkas dan mengumpulkan sejumlah besar data
- Melakukan filtering, pengurutan, dan memberikan peringkat (rangking)
- Membandingkan beberapa set dari data
- Membuat sketsa/bagan/diagram
- Menganalisis dan menemukan pola dari data
- Menganalisis kecenderungan data
OLAP menerangkan sebuah kelas dari teknologi yang didesain keberadaan data adhoc dan
analisis. Ketika proses umum transaksi terjadi pada hubungan database, OLAP menjadi
kurang lebih sama dengan pandangan multidimensi dari data bisnis. Tampilan multidimensi
ini didukung oleh teknologi multidimensi database.
OLAP adalah langkah maju yang logis dibawah pertanyaan dan laporan, dan merupakan
langkah lanjut dari pembuatan sebuah keputusan solusi tambahan total. Tool software OLAP
mengirim alat-alat teknologi untuk analisis bisnis komplek dengan membuat pengguna dapat
menganalisa data dalam lingkungan multidimensi. Dengan tool OLAP seseorang dapat
menganalisa dan me-navigasi melalui data untuk menemukan trend, titik pengecualian, dan
mendapat detail tergaris bawah untuk pemahaman kemunduran yang lebih baik dan
menjalankan aktivitas bisnis mereka.
OLAP merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan
proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan
teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk
tujuan analisis.
7.Data Mining
Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan
data berupa pengetahuan yang selama ini tidak diketahui secara manual. Patut diingat bahwa
kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah
besar material dasar. Karena itu Data Mining sebenarnya memiliki akar yang panjang dari
bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistik dan
database. Data mining adalah proses menerapkan metode ini untuk data dengan maksud
untuk mengungkap pola-pola tersembunyi. Dengan arti lain Data mining adalah proses untuk
penggalian pola-pola dari data. Data mining menjadi alat yang semakin penting untuk
mengubah data tersebut menjadi informasi. Hal ini sering digunakan dalam berbagai praktek
profil, seperti pemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah. Telah
digunakan selama bertahun-tahun oleh bisnis, ilmuwan dan pemerintah untuk menyaring
volume data seperti catatan perjalanan penumpang penerbangan, data sensus dan
supermarket scanner data untuk menghasilkan laporan riset pasar.
Alasan utama untuk menggunakan data mining adalah untuk membantu dalam analisis
koleksi pengamatan perilaku. Data tersebut rentan terhadap collinearity karena diketahui
keterkaitan. Fakta yang tak terelakkan data mining adalah bahwa subset/set data yang
dianalisis mungkin tidak mewakili seluruh domain, dan karenanya tidak boleh berisi contoh-
contoh hubungan kritis tertentu dan perilaku yang ada di bagian lain dari domain . Untuk
mengatasi masalah semacam ini, analisis dapat ditambah menggunakan berbasis percobaan
dan pendekatan lain, seperti Choice Modelling untuk data yang dihasilkan manusia. Dalam
situasi ini, yang melekat dapat berupa korelasi dikontrol untuk, atau
dihapus sama sekali, selama konstruksi desain eksperimental.
Beberapa teknik yang sering disebut-sebut dalam literatur Data Mining dalam penerapannya
antara lain: clustering, classification, association rule mining, neural network, genetic
algorithm dan lain-lain. Yang membedakan persepsi terhadap Data Mining adalah
perkembangan teknik-teknik Data Mining untuk aplikasi pada database skala besar. Sebelum
populernya Data Mining, teknik-teknik tersebut hanya dapat dipakai untuk data skala kecil
saja.
STUDI KASUS
Dari pengalaman saya, saya mengambil contoh di pusat perbelanjaan indomaret.
Seperti kita ketahui saat kita datang di indomaret, ketika kita pertama kali mebuka pintu
masuk kita sudah disambut dengan salam yang khas dari pusat perbelanjaan indomaret ini
“Selamat Datang di Indomaret. Selamat Berbelanja” salam seperti itulah yang dilakukan
dasana mulai dari kasir dan juga pramuniaganya disertai pula dengan senyuman yang manis.
Kegiatan seperti inilah yang mampu membuat kesan tersendiri kepada para pelanggan
sebelum berbelanja agar pelanggan juga mampu merasa nyaman saat berbelanja.
Sistem pengelolaan transaksi digunakan untuk menggambarkan informasi yang
mengumpulkan data yang menjelaskan kegiatan suatu perusahaan, mengubah data menjadi
informasi yang tersedia bagi pengguna baik di dalam maupun luar perusahaan. Kemudian
data dikumpulkan dari sistem fisik perusahaan dan lingkungan, dan masuk ke dalam
database. Perangkat lunak pengolah data mengubah data menjadi informasi untuk manajemen
perusahaan dan bagi individu dan organisasi di lingkungan perusahaan.
Sehingga segala bentuk kegiatan perusahaan yang dilakukan baik pembelian atau
penjualan atau kegiatan lainnya itu terangkum dalam data base perusahaan yang menjadi
sumber informasi manajemen dalam menentukan strategi kedepannya bagaimana atau
menjadi sumber pertimbangan dalam mengambil keputusan.
BAB III
KESIMPULAN
A. Kesimpulan
1.Informasi sebagai salah satu factor penting penentu keberhasilan system
pemprosesantransaksi
Pemrosesan transaksi digunakan untuk menjelaskan sistem informasi mengumpulkan
data yang menguraikan aktivitas perusahaan, mengubah data menjadi informasi, dan
menyediakan informasi tersebut bagi pangra pengguna terdapat di dalam maupun di luar
perusahaan.
Subsistem-subsistem utama dari sistem distribusi, yaitu:
4.Data warehousing
Data warehousing merupakan gudang data,data warehouse adalah bagian utama dari
data warehousing data ke dalam gudang,mengubah isinya menjadi informasi tersebut kepada
para pengguna.
5.Penyampaian informasi
Terdapat dua pendekatan untuk OLAP : ROLAP dan MOLAP. ROLAP (relational on-
line analytical processing) menggunakan suatu sistem manajemen basis data relasional
standar. MOLAP (multidimensional on-line analytical processing) menggunakan suatu sistem
manajemen basis data khusus multidimensional. Data mining adalah proses menemukan
hubungan dalam data yang tidak diketahui pengguna. Terdapat dua cara dasar dalam
melakukan data mining: verifikasi hipotesis (hypothesis verification) dan penemuan
pengetahuan (knowledge discovery).
7.Data mining
Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu
kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.
B.Saran :
1. Pembuatan makalah ini sangat jauh dari kesempurnaan, karena keterbatasan sumber yang
kami peroleh. Sehingga isi dari makalah ini masih bersifat umum, oleh karena itu kami
harapkan agar pembaca bisa mecari sumber yang lain guna membandingkan dengan
pembahasan yang kami buat, guna mengoreksi bila terjadi kelasahan dalam pembuatan
makalah ini.
2. Kami berharap bagi para pembaca mau memberikan kritik atau saran yang membangun agar
di masa yang akan datang kami dapat membuat makalah yang lebih baik lagi.
3. Kami juga mengucapkan banyak terima kasih kepada Ibu Sriwangi BR.Sitepu selaku dosen
mata kuliah Sistem Informasi Managemen yang telah membimbing kami dalam pembuatan
makalah ini.
Daftar Pustaka
Putra, Y. M., (2018). Informasi Dalam Praktik. Modul Kuliah Sistem Informasi Manajemen.
Jakarta : FEB-Universitas Mercu Buana
http://garethdata.blogspot.co.id/2010/03/
http://melishaputri.wordpress.com/2012/11/17/informasi-dalam-praktik/
https://cucusukmana.wordpress.com/2010/07/29/online-analytical-processing-olap/
http://dashboardxcelsius.blogspot.co.id/2012/08/pengertian-data-warehouse.html